|
|
本帖最后由 晨枫 于 2026-6-6 16:29 编辑 ' m: q1 c- ?8 k, w; o" L- a% Q0 `
) [( K0 [- b* m3 v: H) J* u中美AI大战可能是定义21世纪世界经济的大事件。这已经不只是中美科技大比拼，更是中美经济大比拼。但没够AI发展要爬三座大山：电力、人才、物理AI。7 w" Q( ?9 ]. `$ i/ E# G/ Y
e0 J- S3 R3 F不管大模型如何火爆，不管芯片如何抓眼球，AI的尽头是算力，算力的尽头是电力，这已经是常识。美国电力基础建设在AI需求之前已经千疮百孔，一有风吹草动就散架，AI迅速增长的电力需求成为不可承受之重。谷歌把新建的算力中心靠在电厂旁边，这只是有利于“抢电”，对于解决电力供应不足一点没有用，反而加剧了问题。国际能源署在《Energy and AI》中预测，到2030年，全球数据中心用电量将接近945TWh，约为当前水平的两倍。2024年至2030年，数据中心用电量预计年均增长约15%，是其他部门用电增速的四倍以上。0 n6 \% n, w% L( _; {. a% l P
1 ` [1 F2 C7 C& R& n5 b
有人把中国大模型、华为逻辑折叠比作效率路线，天花板最终在于物理3nm、2nm等先进芯片提供的物理算力，说得没错。美国得益于先进芯片，大模型可以走“大力出奇迹”路线，但天花板在电力。中国EUV已经在路上了，物理3nm、2nm是时间问题，短则3、5年，长则10年，全链打通是大概率的。但美国电力扩容就一言难尽了。
4 F0 t+ ^7 C$ D9 E# q3 g8 k
( `2 [, F7 b9 U( L3 q中国发电量超过10万亿度，年增稳定保持在5000-6000亿度；美国只有4-4.5万亿，年增1000-1200亿度。
A3 O6 G3 c! R: y
# }( u+ O% w- {8 v* p1 {; I7 p( A中国年增有80%来自风光等新能源，新能源装机已经超过火电，火电占比在下降；美国年增也重视新能源，但还是天然气为主。重要的是，中国电力消耗有60%流向制造业，美国则有70%流向居民和商业。AI用电来自制造业相关用电。换句话说，美国和中国要同步扩大AI用电的话，假定都需要增容同等电力消耗，中国增容来自60%的工业用电，而底数本来就是美国的2.5倍；美国则来自30%的工业用电，相对压力大得多。
2 s8 ~( u+ P2 ~6 z4 r w& N7 K/ }, J0 O) ^* i3 q! K( E" B! s/ M) T
电价是另一个问题。中国居民电价大概是美国的一半，但中国工业电价比美国高10-40%。这是政策导向的原因。新能源发电成本低于火电，长远来说，中国以新能源为主力的电力扩容具有本质成本优势，将新建算力中心靠近风光资源充足的中西部也有利于享受优惠电价。
3 H1 t% l/ I2 b; W7 _9 w" N! o7 b9 S7 q5 k- S+ y" @% m( a
但在新能源方面，美国产能没法看，依靠中国产能又不甘心，储能电池也是一样的问题。装机容量和扩容速度更是与中国没法比。中国光伏总装机容量已经超过1230吉瓦，2025年一年就新增315吉瓦。美国光伏总装机容量才280吉瓦，其中120吉瓦来自散户小规模装机，年增量不到50吉瓦。' t+ T* T6 L- I' }! c2 ?4 W8 Y5 O
: O" W }6 ?8 A: F美国还有输配电体系年久失修的问题。
2 }! A1 W- |5 H$ @/ C0 M& I
1 N) a7 v6 ~- v电力是美国AI的第一座不易翻越的大山。$ {$ Q% X& {, x+ I2 w
: a# s/ o5 Y; S! ^( o
人才是第二座大山。
% {6 n$ B! w4 j/ p: ^6 G0 J6 \; |$ p
! L, B, S2 K+ x有人戏称，中美AI大战是在中国的中国人对在美国的中国人的大战，这当然是戏言。但硅谷及美国顶尖高校（如斯坦福、MIT、加州大学伯克利分校等）是全球AI创新的心脏。大量来自中国大陆、具有顶尖理工背景的留学生和学者是这里的绝对主力。许多领军人物和初创公司的核心骨干（如OpenAI、Anthropic及各大科技巨头中的华人科学家）构成了美国AI研发的中坚力量。《纽约时报》认为，38%的美国顶级AI人才和企事业领军人物具有中国血统。中国的AI发展同样高度依赖国内顶尖院校（如清华、北大、中科院等）培养的本土人才，以及部分从海外归国的学者和创业者所构建的团队。
6 T, J( j0 Z% y0 k S
# _8 G7 K4 n" ]7 ]AI是实践的科学。中国AI的高烈度内卷一方面尸横遍野，另一方面将星鹊起，这也提供了高强度的训练场，使得中国内生AI人才加速培养、加速成长。在美国，问题不在理论和虚拟AI（从数字环境来，到数字环境去，如大模型、动画、代码等），而在于产生价值的应用。说起来，中国的“应用优先”的道路未必出于主动选择，而是模型和算法落后一步、芯片和算力受到封锁情况下的不得已，但事实证明，这才是可持续的自下而上的路线。
" t0 H* o, M, B' R0 ?. v! k& G1 @' q$ O8 h5 } _" b& m4 H5 ]. `
AI的核心在于模型，模型从来就有“从道理出发”和“从观察和经验出发”两大类，在可预见的将来，AI重点在第二类，这就决定了面向应用路线的重要性，只有人才能理解和贯彻应用场景。在AI时代，人才的重要性远远高于历史上任何时候，不光是AI人才，还有应用人才。
$ k2 Y0 a& H/ {8 @2 j0 J# o, c, r' x7 f5 S- ^; l- t/ Y; P) d y
在日益收紧的美国学术准入环境里，中国留美学生减少，中国留美学者回流，将对中美人才对比形成重大影响。这还没有计入非华裔AI人才可能向中国的流动，毕竟影响人才流动的第一驱动力是发展机会和未来天花板。
+ G! l8 j& E. D$ b% E
# ?) p5 o: R, |7 K1 \4 m物理AI则是第三座大山。* }4 u! I1 s% `
; f" W! O9 E; z
物理AI（Physical AI）是指能够在真实的物理世界中感知环境、理解动态并执行动作的智能系统。与仅在数字环境中生成文本、图像或代码的虚拟AI（Virtual AI）不同，物理AI将先进的算法与传感器、执行器及实体硬件结合，使机器拥有了“行动能力”，而非仅仅拥有“思维能力”。虚拟AI在指令输入下产生文字、图像、代码等，物理AI针对物理信息（传感器）产生运动指令，并完成物理动作。( p0 K, m# O" y' W1 C
4 A5 `. p0 p2 {& O7 I# M. p* D$ }
物理AI系统通过感知、推力、行动、学习来与物理世界交互动作。
; m4 D! q6 u$ I( b b' f$ z/ U5 e( F* K2 k6 I V
感知（Sensors）利用摄像头、雷达、激光雷达等工具从现实世界收集三维空间及环境数据。推理（Reasoning）利用大模型与机器学习算法分析数据、预测结果并进行实时决策。行动（Actuation）将数字决策转化为物理动作，通过电机、气动装置等执行器操作物体或在空间中导航。学习（Adaptation）通过强化学习不断试错，从行动结果中汲取经验，适应不可预测的复杂环境。
* E8 a8 u! | [& r1 D( _5 o0 m% E! L* c p5 X* F' n1 G5 G
虚拟AI用于回答问题和创作内容。物理AI则用于人形与工业机器人、自主驾驶汽车和无人机、智能工厂和物流、医卫和护理等。这才是工业4.0。
% E; @ m- M1 ] E: K# o
0 x8 [3 b7 Q- i, w9 w. `虚拟AI需要将公开和内部来源的文字、图像、音频等“记录信息”一网打尽，从中“提取智能”，形成大模型。大模型可以有问必答，但要大模型具体做到一件事，比如做一顿饭、开动一台机器，大模型可能能提出一堆建议，但物理实现就无能为力了。
x1 X! y: a8 a. z B. a. c
4 s5 k% r% ~* m物理AI和虚拟AI一样，首先需要海量学习，这需要海量的物理实景，尤其是要用于制造业的话，需要理解、模仿制造业里人类是怎么干的。当前，物理AI数据采集正在世界各地广泛铺开，全球南方不少角落里，人们额头前绑一个手机，记录每时每刻正在走的路、做的事，从中分析手指、步态、躯干动作。但这只能提供人形机器人的基本动作，还是缺乏触觉、视觉、听觉、味觉反馈。更重要的是，对于广义制造业（包括大厨的颠锅），还是需要实际场景，而不能根据一般动作来推断。
. Y. |: T* H7 L. ~; \, q" ~
6 N3 l) o) R$ b* Q$ S( `) j7 [在这方面，中国不仅有最大量的实际场景，还有大批涌现的专业物理AI数据采集设施。在那里，人们配带的不只是额头的手机，还有各种触觉、视觉、听觉、味觉反馈，形成真正的高质量数据。而这些是“从数字世界来、到数字世界去”的虚拟AI无法复现的。
1 T: x: p7 o. n0 X
, |! T1 v% ^3 q4 O2 f. k9 i, w也就是说，物理AI才是AI打通制造业的关键，这方面美国天然短板，以及去制造业了，从哪里来训练数据？中国则是天然长项，世界制造业唯一超级大国不是虚名。- y: b/ `$ o6 N* K+ ]
) k; q% x3 }: h5 i2 Y( [5 i据说日本也希望从物理AI下手，在AI世界里弯道超车，弥补大模型和芯片的短板。日本路线有两个问题：第一是骑乘在美国大模型和芯片基础上，没有利益冲突的时候一切好说，有利益冲突的时候杀无赦，日本汽车在美国的遭遇就是先例，只有日本“知道自己的位置”的时候才有“共同发展”的余地。第二是日本制造业也在退化中，现存的需要挽救，物理AI的数据采集过程可以将制造业的物理动作数据保存下来，但这和一切AI学习一样，在本质上是向后看的，要与时俱进并非自然而然。/ A% @ Q8 _- M I. G
6 c5 ?; t. ?* G: `6 _# h6 s0 P
但美国去制造业化更加彻底，这还反映在美国工人素质的退步。不说制造业，就说送信的，有人说，年纪大的老年白人邮差退休后，换上来年轻的黑人姑娘，连Costco广告一个邮箱塞一份都做不到，看到第一家的邮箱，直接统统塞进去交差。这样的人力数据训练出来的物理AI，就可想而知了。, w8 A5 ^( O0 C: H
2 U% I, p- v- ]3 }2 Y, s4 W
“物理AI大模型”决定了机器人（不管是否人形）的智能。美国依然拥有算法和芯片优势，现在非常担心美国AI有朝一日可能依赖中国机器人（包括电池、电机、机械臂、物理AI等）才能运转起来，这时美国对中国的AI封锁成为伪问题，中国对美国AI的封锁才是真问题。
+ Q& K# e& l0 l l2 G7 E6 P
3 H- N7 @$ ~. P4 u0 u% d4 J电力、人力和物理AI是美国AI的三座大山。这三座大山翻不过去的话，美国AI的天花板就肉眼可见了。现在对AI算力的海量投资如何产生回报，就很有想象空间了。
7 Y9 y% l# U. }; N
0 ]9 ~* ^. u5 \: L相比之下，中国AI只有一座大山：先进芯片。中国正在攻克各种拐棍，已经爬到半山腰了，如果不是正在冲顶。 |
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2026-6-7 07:32:10
发表于 2026-6-10 10:31:23
7 z+ m5 [. p' i9 G
; h! _, i0 [; q3 g# o5 Y' Z/ s2 c