作为一个 AI爱好者，我几乎不会错过任何 AI的重大新闻，但最近才意识到：「AI 时代，写文章不再是选择题，而是不得不做的事情」当其他一切 AI 都可以做到的时候，一切其他媒介载体的技术难度会在未来被不断淡化和轻易实现，文字这种纯粹属于个人的东西，反而像宝石一样在AI 最擅长的领域——「文本生成」中发出光芒，写吧，否则大脑一定会在繁乱的信息流中迷路的。
如今已是 26 年1 月底，差不多去年这个时候，被 DeepSeek R1 震撼到，那时为了写一篇关于 AI 的文章，阅读了近百万字的内容
无数的窗口寻找答案，在 A4 打印纸上用铅笔标记每一句AI的未来可能。
在无数的 A4 空白纸上描绘自己的想法， 无数次提出错误的观点，又被数据和现实纠正。
虽然那篇文章没能发布，文笔尚且幼稚，充满了想要得到关注的不成熟，以至于被情绪过多的干扰。无论如何看，不过是一个幼稚青年的盲目冲动，但记忆这种东西，只有当渐行渐远之时，回看才能发现其微妙的意义，那可能是我生命中很重要的一次波动，回头看才发现文章这种东西的确很有魅力
但随着苹果、Claude 与谷歌签订 TPU 芯片算力订购协议，即便作为全球 AI 顶尖前沿领军人物，也会在真实的市场面前错误的判断。
即便当时详细了解过各家厂商的信息：
然而，本应该注意到另一个存在，Google，其不仅有自己的算力中心，更是有完全自主设计的AI芯片、而3 月发布的 Gemini 2.5 Pro 模型更是达到了前沿水平，一扫 1.5系列的前耻；而服务器方面，谷歌本身就是提供云服务器的厂商；再说人才方面，Google的DeepMind正是 Alpha Go、AlphaFold的创始人，而《Attention Is All You Need》正是由Google Brain团队发布；而最重要的资金，OpenAI 需要到处宣传不可能的虚构未来拉拢投资，Google AI背靠Google 最不缺的就是钱。
但站在 25 年初，没有人看好谷歌，即便3 月份 2.5 Pro 发布之后很长一段时间，这才是真正的令人感到后悔和遗憾之处。
数据显示，谷歌的股票增长甚至是从 25 年 5 月才开始，甚至更往后 7 月才进入真正的爆发期。不得不感叹即便是最前沿的股市，反应的时间也很慢，换句话说，即便以最保守的 Gemini 2.5 pro 发布作为预期，依旧有接近 4 个月如此漫长的时间让人意识到这一点，而只要在这四个月，接近 3000 个小时内，有那么一个小时，突然发现谷歌好像不一样，就能得到 100%的股票收益率，而且是作为世界龙头企业的 100% 的增长率，其风险与投资一个初创企业、小企业完全不是一个量级，最差的结果也不过是没赚什么。
而站在26 年的现在，我们已经知道最好的结果是什么了，接近 110%的增长率，市值超过苹果，而苹果甚至还要从谷歌买AI 芯片， AI 模型。
在 6 月开始，我个人的Gemini 的使用率达到了 70%（如今为 95%），GPT 只占 20%，但我居然没意识到这意味着什么，一个被 GPT用户体验教育了两年的用户，就这样平淡的投向谷歌？
而到了 Gemini 3 的发布，才恍然大悟，谷歌从各种技术方面对所有其他 AI 模型厂商是多么恐怖的碾压。而即便作为英伟达的 CEO 也才意识到，谷歌才是他们真正的危险，黄仁勋在 1 月说过一段著名的狂言：
「即便友商的显卡免费提供，这也不够」
是的，按照当时的供需关系，即便 AMD 给其他厂商免费的显卡，模型厂商也会嫌弃麻烦去花重金、排队买英伟达，但随着苹果、Claude 与谷歌签订 TPU 芯片算力订购协议，即便作为全球 AI 顶尖前沿领军人物，也会在真实的市场面前错误的判断。
这是 2025 最令人遗憾的一个短视。
当所有人只看到什么 AGI 的实现路径、具身智能、更强 AI 芯片等等未来可能的供需关系，而忽略了最简单已经存在的巨大的供需不平衡，真实的市场就是如此令人着迷。
一个在设计圈很有趣的就是「当你看到一个很好的设计时，你会感觉到为什么在这之前，其他设计师不会这样设计？」
随着最近内存和硬盘的暴涨，带着不解开始阅读资料。文章提出一种观点，人类自相机诞生以来，已经有 150 年。他们基于数据发现，过去 1.5 年来。仅仅 AI 生成的图片就已经超过了人类过去 150 年来所有照片的总和。那么，这会发生一个什么样的问题呢？庞大的数据生成一定要有一个东西来存储，这是无可置疑的。
我们假设 AI 出现之前供需关系是平衡的。那么 AI 出现之后。数据爆炸式的增长，就会产生爆炸式的储存需求，但是存储厂商的产量在这之前是不变的，而这之间的不平衡就会体现在股市上和价格上。
「当你看到一个很好的想法时，你会感觉到为什么在这之前，自己为什么不会这样想」
就这么简单的一个逻辑，如今回看，决定了真实的世界走向。
已足够疯狂，但不止如此。AI 图片生成的普及已经增加了储存的需求。但视频生成在过去一年的突飞猛进才是真正的变革之点，一秒视频所占据的数据是图片储存的 50 倍，未来视频生成变得更加便宜，画质更加清晰，那么储存需求又会变得怎么样？供需关系又会如何变化？
从现在回看，会发现，原来就这么简单，就这么一个简单的供需分析，但事实就是这样：如果能够在一年前，半年前发现这个如此简单的观点，收益率就会达到 1000%。与此相比，目前的定期利率 2%，这就是真实的供需世界，「决定市场价格的，有且只有一个：供需关系」————当所有人只看到什么 AGI 的实现路径、具身智能、更强 AI 芯片等等未来可能的供需关系，而忽略了最简单已经存在的巨大的供需不平衡，真实的市场就是如此令人着迷。
而回顾过去历史的发展，就是前沿技术变得越来越便宜的发展史
在 25 年波动全球的熊市期间，我认为这将是未来AI 投资难得一遇的好机会，事实证明，错过了的就真错过了。正值 2026，我的姐姐最近发信息给我说：
「看着 70% 的收益，她后悔自己没多买」
另一个姐姐则是：
「有什么投资推荐吗？你当时为什么不推荐我买？」
实际上我当时已经把推荐代码直接发送给她，而所谓机会如果可以随意错过，也就不叫机会了
这一切，仅仅来源：分析所有模型的大小、所有显卡的算力：「假设想要把R1 这样的模型，免费给全世界的人用，需要多少算力？」得出的结论是——「哪怕全球的算力增长1000%，也填补不了这个空白」，而未来模型会更强，消耗的算力会更大。而回顾过去历史的发展，就是前沿技术变得免费的发展史
再结合当时新闻，英伟达的显卡订单排队到 2026 年初、所有云计算厂商的算力利用率达到 90%，此时的供需关系十分明显，这几乎是一场必胜的投资，政治博弈导致的的虚假熊市压不住真实的供需关系，用通俗易懂的话就是，市场的需求远大于当时股市的位置。
到了 2026，如今火爆的 open claw 对于算力的消耗不言而喻，而其背后需要的甚至是领先 R1 接近1 年技术的模型
远在GPT5 发布之前，我坚定的认为：「不谈算法的革新，一切叫唤 AGI 都是空谈」。
当时，没有任何迹象表明有重大的算法革新，但当时人们都认为 GPT 5 可以做到 AGI，源自Sam Altman 的不断吹嘘。因此，哪怕他是 OpenAI 的 CEO，不对，正因为他是，更应该加深质疑。所以当了解这一切，又看着其 CEO 每次在推特发的内容，让人对一个企业感到一种极端的不信任。
这依旧是一场必胜的预测，也是看清一个企业文化的绝佳机会，事实证明，GPT5不仅没有达到什么突破性进步，其市场也正在快速被其他 AI 厂商瓜分，并且势不可挡。
只要理解了 GPT4 为何会诞生，以及如何诞生？它如何运行？如果站在当时去描绘 GPT 6 、7、8，那么是不现实和傲慢的。但是 GPT5，哪怕最疯狂的指数函数，它也是一步一步进步的
相反明明模型更先进的 Google，其 AI 负责人不断在 2025 年下半年的公开对话谈到：「说目前的 LLM 有博士水平是完全不靠谱的，因为人类的博士不会犯低级错误」「目前实现 AGI 遥遥无期，乐观预计是 2030 年」。如今回看 OpenAI 的 CEO 在 2024 年到2025 年的发言，不断炒作 AGI 的发言，的确令人感到有趣
在一个 AI 论坛，许多人为自己相信观点的争吵， 比如「大模型才是未来」VS「小模型+RAG 才是未来」现实有趣的点在于，明天一定会到来，结果也一定会到来
如今回看，现实并不是一个极端，而是两者上都达到了惊人的进步。英伟达新显卡算力每代翻 5 倍，就可以得出所谓的超大模型在未来不过是一个小模型；再从技术原理出发：所谓现代机器学习（AI），抛去一切技术细节，本质为：「可以对超大数据集进行预训练，得到一个强大的模型」，这是区别于过去传统机器学习、强化学习的革命，「小模型方」想要放弃这个算法的天然优势。的确 RAG 和小参数模型也在快速进步，世界从来不是孤立的，大参数模型的进步可以快速应用到小参数模型，但那只是 AI 主线的一个重要功能的分支而已
目前Grok 4的模型大小预估为 3 万亿、是DeepSeek R1的 5 倍、Gemini 3 Pro的模型大小预估为 2 万亿，并且所有厂商都在往这更疯狂的参数量前进
「如果能使用五倍的 AI 资源，那么应该渴望 10 倍，利用其他人对于 AI 认识的匮乏作为自己的优势。但如果有空，一定要写完全出自自己的文章」
————致在 AI 时代的自己
本文仅使用 AI 进行错别字识别，以及事实核查——核查前内容准确率为 100%
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。