知名风头公司A16z的合伙人在官网表示，软件可能已经吞噬了整个世界。美国工业基础面临着一系列的风险，包括5个方面的的列表。

5 月 6 日，a16z 在其官网表示，自 ChatGPT 发布后的一年半里，一个关键的短缺是产业界对 GPU 计算资源的无法满足的需求。

当 a16z 与云计算领导者和数据中心运营商交谈，以了解为什么存在计算压力时，很明显，获取电力资源通常是比获取 Nvidia GPU 本身更大的瓶颈。

鉴于已经老化、过度使用的电网，以及在最新芯片上训练最先进模型所需的巨大功耗，美国极其困难地上线新的数据中心，但这个问题恰恰也是 AI 可以帮助解决的问题。

a16z 表示，软件可能已经吞噬了整个世界，但当高复杂性遇到极小的错误空间时，例如与安全关键硬件的交互时，软件往往会受阻。在这些情况下，在软件中封装所有可能的边缘情况通常太难了，依赖于这些行业中工作数十年的操作员的直觉，这种方法是无法扩展的。

另一方面，AI 系统是为处理极难以确定性方式编程的复杂性而构建的，并且在它们已经达到它们“知道”如何做的极限时，很擅长吸引人类的参与。

平衡复杂性和关键性的挑战不仅限于美国的电网约束。美国工业基础面临着一系列的风险，损害了保持全球竞争力的能力。这个非穷尽的列表包括：

• 老化的基础设施：电网；我们的港口、交通枢纽、道路、铁路和桥梁。
• 脆弱的供应链：电池、半导体、电子产品、电信设备等关键组件的单一来源供应链，以及对许多社会依赖的事物高度依赖中国。
• 紧张的熟练劳动力市场：由于一系列因素（退休、外包、劳动力构成的变化），关键行业（能源、制造业、机械/电气工程和工业）的熟练劳动力短缺。
• 能源消耗的增加：满足对高性能计算基础设施不断增长的需求的必要性，以保持在全球 AI 竞赛中的主导地位只是一个例子。
• 地缘政治不稳定性：随着两场主要战争的爆发，以及几场潜在的代理人战争正在发生，战争的性质正在实时发生根本性的变化。这挑战了政府几十年来对技术的思考方式；

我们正处于一个独特的时刻。由于强化学习、计算机视觉以及 LLMs/VLMs 的进步，许多曾被认为不可能的工业用例现在几乎都变得可能了。

例如：能够预测、模拟、生产和测试新的先进材料的能力，采用闭环过程，几乎没有人类干预（例如用于卫星，或者替换我们从冲突地区获取的材料）；在偏远沙漠地区安装太阳能电池板的机器人比人类单独快 1000 倍；更有效地管理能源消耗型工业过程的自治控制，如水泥生产或化学制造；或者自动工厂来重新将生产成本过高而无法在美国制造的商品。

a16z 合伙人 Erin Price-Wright 相信，未来 5～10 年内，我们的物理世界将完全被 AI 所改变。

Reference：

https://a16z.com/ai-for-the-physical-world/