夜雨聆风
核心观点：AI的迅猛发展正遭遇物理世界的硬性约束，这些瓶颈比多数人想象的更深。芯片供应在未来两到五年仍将持续紧张，能源消耗已将数据中心推向太空轨道。物理AI所需的数据鸿沟很难仅靠仿真模拟来跨越，同时，替代性的AI架构正在挑战大语言模型的主导地位。AI的下半场不再是算法的竞赛，而是供应链、能源、物理世界与主权博弈的系统性较量。
一、芯片短缺不是短期问题，而是结构性瓶颈
在AI供应链的最底层，ASML首席执行官Christophe Fouquet给出了最为审慎的预判。他指出，尽管行业正以前所未有的力度推进芯片制造，但在未来两到五年，市场仍将持续面临供给受限的局面。超大规模云服务商，如谷歌、微软、亚马逊和Meta，即便投入巨额资本，也难以在短期内获得等量的芯片。
Fouquet还强调了地缘政治因素。他承认中国在AI模型层面的进步是真实的，DeepSeek年初的发布曾在行业部分领域引发震动。然而，中国被限制在模型层以下。由于无法获得EUV光刻机，中国芯片制造商无法制造最先进的半导体。这意味着，无论其软件能力多么出色，运行在落后硬件上的模型都将处于长期劣势。
二、算力需求真实，但物理天花板已现
Google Cloud首席运营官Francis deSouza用一组数据将问题的规模具象化。Google Cloud上季度营收突破200亿美元，同比增长63%，而待履约合同在一个季度内几乎翻倍，从2500亿美元增至4600亿美元。这是需求真实存在的铁证，但也意味着即便投入全部资源，交付速度仍远落后于签约速度。
deSouza提出的解决方案是极致的垂直集成。他认为，Google从自研TPU芯片到模型再到智能体的全栈协同设计，在每瓦算力上带来的效率提升，是采购现成组件的公司无法复制的。在TPU上运行Gemini比任何其他配置都更节能，因为芯片设计师在产品发布前就已经掌握模型的演进方向。
三、把数据中心推向太空
如果芯片是第一重瓶颈，能量就是与之交织的第二重枷锁。deSouza证实，谷歌正在认真探索轨道数据中心，以应对能源限制。轨道空间可以获得更充足的太阳能，但同样面临严苛的工程约束。太空是真空环境，不存在对流，只能依靠辐射散热。这种方式比地面数据中心依赖的空气或液体冷却慢得多，工程设计也复杂得多。
四、仿真无法替代真实世界
Applied Intuition首席执行官Qasar Younis提出了不同于芯片和能源的第三重约束。物理AI的瓶颈不在计算，而在数据。他的公司为汽车、卡车、无人机、采矿设备和国防车辆构建自主系统，要收集关键数据，只有一种办法：把机器送进真实世界，观察它们的实际表现。他指出，合成模拟在可预见的未来仍无法取代真实数据。想要在纯合成环境下训练出能够可靠运行于物理世界的模型，还需要很长时间。
Younis还有一个地缘政治层面的观察，这可能是整场讨论中最具分量的判断。物理AI与国家主权之间的纠缠超越了纯粹的数字AI。自主车辆、军用无人机、采矿设备、农业机械，这些东西在现实世界中运行的方式，政府无法忽视。他直言，几乎每个国家都在表达同一个诉求：不希望这种实物形态的智能由另一个国家控制，在本国边境内部运行。但有能力部署自动驾驶出租车的国家，比拥有核武器的国家还少。
五、EBM能否挑战LLM范式
当行业在LLM范式内争论规模、架构和推理效率时，Logical Intelligence的Eve Bodnia正在构建完全不同的东西。她的公司正在基于能量基模型（Energy Based Models, EBM）构建AI，这类模型不预测序列中的下一个token，而是试图理解数据背后的底层规则。她认为这更接近人脑的实际工作方式。
六、Agent的落地挑战与安全护栏
Perplexity首席商务官Dimitry Shevelenko介绍了公司从搜索产品向“数字员工”的转型。新产品Perplexity Computer定位为一个可直接指挥的团队，面向知识与技能工作者，而非仅仅是一个工具。他描绘的场景很有吸引力：每天早上醒来，你身边就站着一百名员工。你会如何利用他们？
然而，这一前景也带来了控制与信任的问题。Shevelenko给出的答案是权限的精细化管理。企业管理员可以精确设定智能体能够使用哪些工具，以及权限是只读还是可读写。当智能体运行在企业核心系统上时，这个区分至关重要。Perplexity的计算机智能体在执行任何操作之前，都会向用户展示计划并请求批准。用户对权限细节的焦虑可能令人厌烦，但Shevelenko认为这是必不可少的一环。
七、AI会不会削弱下一代的批判性思维？
在问答环节，观众向五人提出了一个根本性的问题：AI会不会削弱下一代人的批判性思维能力？
deSouza的回答指向了更大的图景。他认为，更强大的工具最终能让人类攻克那些长期悬而未决的重大难题，比如神经系统疾病的生物学机制、温室气体清除、以及拖延数十年的电网基础设施升级。在他看来，AI应当把人类释放到创造力的新层次，而不是削弱它。
Shevelenko的视角更加务实。他指出，入门级岗位确实在减少，但独立创造某件事的机会从未像现在这样触手可及。有了Perplexity Computer，限制你的只有好奇心和行动力。
Younis则在知识工作与体力劳动之间划出了一条清晰的界线。他用数据说明：美国农民的平均年龄已经达到58岁。采矿、长途卡车运输、农业等领域的劳动力短缺是长期且不断加深的，问题不在于工资太低，而在于越来越少的人愿意从事这些工作。在这些领域，AI不是在取代愿意工作的劳动者，而是在填补一个已经存在并将持续扩大的空白。
结语
