夜雨聆风2026 年 5 月初的比佛利山庄，Milken 全球大会的舞台上罕见地凑齐了五个横跨 AI 全产业链的人：ASML 的 CEO、Google Cloud 的 COO、$150 亿物理 AI 公司 Applied Intuition 的创始人、Perplexity 的首席商务官，以及一位挑战 LLM 基础架构的量子物理学家。
TechCrunch 编辑给的标题很直白："Five architects of the AI economy explain where the wheels are coming off"。翻译成中文大概是——AI 经济的轮子正在脱落。
五个人的回答指向同一个方向：AI 的增长正在撞上物理世界的硬边界。芯片不够、能源不够、真实世界数据不够、甚至底层架构本身可能就不对。
这话不新鲜。但由掌握 EUV 光刻机全球垄断权的人亲口说出来，分量不一样。
四个瓶颈，同一时间窗口
ASML CEO Christophe Fouquet 在台上说了一句不太像 CEO 会说的话——尽管制造业正在"huge acceleration"，但"未来两到三到五年，市场仍将处于供应受限状态"。换句话说，Google、Microsoft、Amazon、Meta 这几家砸了几千亿的巨头，就是拿不到足够的芯片。
产能扩张的速度，永远追不上资本涌入的速度。ASML 刚刚大幅上调了 2026 年的营收预期，交货周期仍长达 12-18 个月。
2026 年 Q1，Google Cloud 收入首次突破 200 亿美元，同比增长 63%，AI 收入增长 800%。数字本身足够亮眼。但让人倒吸一口气的是另一组：积压订单（backlog）从上季度的 2500 亿飙到 4600 亿，单季度翻倍。
COO Francis deSouza 用一句近乎冷静的话总结："The demand is real."
翻译一下：如果不是被芯片和基础设施卡住脖子，Google Cloud 本来可以跑得更快。
Applied Intuition 做的是汽车、卡车、无人机、采矿设备和国防车辆的自主系统。CEO Qasar Younis 说了一个很多人不愿意承认的事实——瓶颈不在算力，在数据。
"You have to find it from the real world."
这里触及了一个 AI 行业的深层分歧：软件出身的人总觉得数据可以合成、仿真可以无限逼近现实。但真正做物理系统交付的人知道，现实世界的混沌程度永远超出仿真边界。仿真里撞车了，reset 就行。现实里撞车了，是真的会出人命的。
Google 正在认真探索太空数据中心。不是概念讨论，是工程评估。deSouza 的逻辑很直接：太空中能源更充沛。但太空是真空环境，消除了对流散热，只能靠辐射——比地面液冷和风冷慢得多、难设计得多。即便如此，Google 仍然将其视为"legitimate path"。
一家每年花几百亿建地面数据中心的公司，开始认真考虑把服务器送上太空。这件事本身就够说明问题了。
垂直整合：能效成为新武器
过去两年，行业讨论的焦点是"算力够不够"。这次 Milken 大会传递的信号已经升级了——不是单一的算力问题，而是从底层到顶层的全面物理约束。
ASML 的 Fouquet 把约束锚定在最底层：没有 EUV，就没有先进制程，没有先进制程就没有高端芯片。他说了一句值得反复咀嚼的话："Nothing can be priceless." 意思是，在当前这个战略竞争驱动的阶段，行业正在以"不惜代价"的姿态投入资本，但物理世界的资源不是无限的。
Google 的 deSouza 从另一个角度给出了验证：垂直整合的效率优势。他在台上强调，Google 从自研 TPU 到 Gemini 模型到智能体应用的全栈协同设计，在每瓦计算量（flops per watt）上有竞争对手无法复制的优势。
"Running Gemini on TPUs is much more energy efficient than any other configuration."
这句话信息量很大。在能源约束收紧的背景下，"买通用芯片跑通用模型"的路线可能会在能效上输给垂直整合的玩家。这对那些指望靠 NVIDIA GPU 堆算力起家的创业公司来说，不是一个好消息。
物理 AI：地缘政治的新战场
Younis 在整场讨论中提出了最具地缘政治色彩的观察：物理 AI 和国家主权纠缠在一起，这是纯数字 AI 从未遇到的问题。
互联网作为美国技术向全球扩散时，阻力主要出现在应用层——Uber、DoorDash 们面临的本地化博弈。但自动驾驶汽车、国防无人机、采矿机器人完全不同。它们是直接在别国领土上运作的物理实体，有轮子，有传感器，有摄像头。这不是一个 App 下架就能解决的问题。
"Almost consistently, every country is saying: we don't want this intelligence in a physical form in their borders, controlled by another country."
Younis 还做了一个对比：能部署 robotaxi 的国家比拥有核武器的还少。把物理 AI 的国家门槛抬到这个高度——它不是单纯的技术问题，而是基础设施、法规、社会治理能力的综合较量。
对于中国而言，Fouquet 的评估更加直接：DeepSeek 的发布在行业引发了"接近恐慌"的反应，中国在模型层的软件能力毋庸置疑，但"在堆栈下方缺少关键要素"。没有 EUV 光刻机，中国芯片制造商无法制造最先进的半导体，而基于旧硬件训练的模型面临复合劣势——"no matter how good the software gets."
这是个不太让人舒服的结论：软件层面的创新可以缩小差距，但底层硬件的缺失会随着时间推移形成越来越大的鸿沟。
这类趋势正是 AI+EDA 可以发力的方向。IC Agent Hub 提供 SaaS+ 私有部署双模式，满足芯片企业对核心设计数据不出内网的要求，让高质量的 AI 技能在企业内部安全落地。
替代架构：EBM 能挑战 LLM 吗？
在所有发言中，Eve Bodnia 的观点最为颠覆。她的公司 Logical Intelligence 建立在能量基模型（EBM）之上，不是预测序列中下一个 token，而是学习理解数据底层的规则。
"Language is a user interface between my brain and yours. The reasoning itself is not attached to any language."
她的最大模型只有 2 亿参数——对比主流 LLM 的数千亿——声称速度快数千倍，并且能够在数据变化时更新知识而非从头训练。
这个方向的背后有 Yann LeCun 的背书。这位 Meta 前首席 AI 科学家在今年初加入了 Logical Intelligence 的技术研究委员会，担任创始主席。LeCun 多年来一直对纯自回归 LLM 路线持保留态度，他提出的 JEPA 框架本质上也是对当前 LLM 范式的一种替代。
但 EBM 路线目前还在早期验证阶段。Bodnia 的论点在芯片设计、机器人等需要理解物理规则（而非语言模式）的领域更有说服力。在通用自然语言任务上，LLM 的统治地位短期内不太可能被撼动。
更务实的判断是：EBM 短期内不会取代 LLM，但在推理密集型、规则密集型、连续空间优化的场景中，它会成为 LLM 的补充而非替代。
AI 智能体的信任门槛
Perplexity 的 Shevelenko 描绘了一个很具体的场景：每天早上醒来，你有一百个"数字员工"可供调配。
但这背后有一个被很多人忽视的问题：信任。
当 AI 智能体开始在企业的内部系统中执行操作时，权限粒度的控制就成了一道硬门槛。Shevelenko 说 Perplexity 的企业管理员可以精确控制每个智能体能访问哪些连接器、哪些工具，以及这些权限是只读还是读写。更重要的是，智能体在执行操作前必须先展示计划并获得批准。
这句话有点意思。一个 AI 创业公司的 CBO，跑到一家 180 年历史的投行当董事，回来开始理解安全保守主义的价值。这本身就是个隐喻：AI 智能体要进入企业，技术反而是最容易的部分，难的是让一个百年老店相信把权限交给一个 AI 不会出事。
"Granularity is the bedrock of good security hygiene." 细粒度权限是安全卫生的基石。这句话值得被刻在每家企业的 AI 部署手册扉页。
写在最后
这场 Milken 讨论最意味深长的一点是：台上的五个人没有一个人说"一切没问题，继续投就好"。
ASML 说芯片不够用。Google 说能源不够用。Applied Intuition 说真实数据不够用。Logical Intelligence 说基础架构可能就不对。Perplexity 说企业信任还没建立。
五个横跨全产业链的架构师，给出了五个维度的"不够"。
这是否意味着 AI 泡沫要破？我觉得未必。更准确的判断是：AI 正在从"软件无限扩展"的幻想阶段，进入"物理世界硬约束"的现实阶段。这两个阶段的竞争规则完全不同。
不再是谁能融到更多钱、买到更多 GPU，而是谁能在全栈效率、能源获取、数据积累、架构创新这四个维度上做到最优组合。
对于中国芯片行业而言，Fouquet 的话既是警钟也是路线图：模型层的软件能力已经证明了竞争力（DeepSeek 引发的"恐慌"就是证据），但底层硬件的短板必须通过持续投入来弥补。EUV 禁运是地缘政治现实，但成熟制程优化、Chiplet 封装、先进架构设计——这些方向上的创新空间依然巨大。
AI 经济的轮子确实在嘎吱作响。但能意识到问题在哪，本身就已经比大多数人强了。
如果你对 AI+EDA 工具和芯片设计流程自动化感兴趣，关注回复「合作」可以深入交流。IC Agent Hub 支持 SaaS 体验与私有化部署，后续会持续更新这个系列，关注不迷路。
作者：麒芯
参考来源：TechCrunch, Reuters, CRN, Forbes, Logical Intelligence 官方博客
💬 加入 IC Agent 技术交流群
群里聚集了芯片设计工程师、IT/CAD 负责人和 AI+EDA 从业者，聊技术、聊工具、聊行业趋势。
👉 关注回复「加群」，拉你进群一起聊
👉 关注回复「合作」，如果你在做 AI+ 芯片/EDA 相关，欢迎来聊
后续会持续更新这个系列，关注不迷路。
