从芯片荒到太空数据中心，AI发展正面临前所未有的物理瓶颈。ASML、Google Cloud等五家产业链巨头在米尔肯峰会上揭示：算力供给短缺、能源危机与地缘政治正重塑行业规则。当Meta前首席科学家投身2亿参数能量模型，Perplexity转向数字员工时，一场关于AI技术路线的深层变革正在爆发。
在本周的米尔肯研究院大会上，五位覆盖AI供应链每一层的核心人物坐在了一起。
他们讨论的话题非常广，从AI瓶颈到太空数据中心，从Agent到物理AI，再到一个更根本的问题：
今天支撑AI发展的整套技术架构，会不会从一开始就是错的？
这五个人分别是：
ASML CEO Christophe Fouquet
ASML是一家荷兰公司，几乎垄断了极紫外光刻机，也就是 EUV 设备。没有这种设备，现代先进芯片几乎不可能被制造出来。
Google Cloud COO Francis deSouza
他正在负责谷歌历史上最大规模之一的AI基础设施投入。
Applied Intuition联合创始人兼CEO Qasar Younis
这家公司估值约150亿美元，做的是物理AI，从自动驾驶仿真起家，现在已经进入国防等领域。
Perplexity首席商务官Dmitry Shevelenko
Perplexity原本是AI搜索公司，现在正在向AIAgent和数字员工方向演进。
Logical Intelligence创始人Eve Bodnia
她曾是量子物理学家，现在创业挑战当前AI行业普遍依赖的大模型架构。
今年早些时候，Meta前首席AI科学家Yann LeCun加入了这家公司，担任技术研究委员会创始主席。
以下是他们在现场谈到的几个核心观点，enjoy~
AI热潮正在撞上非常现实的物理限制。这些限制，比很多人想象得更靠近产业链底层。
ASML CEO Fouquet是第一个明确说出这一点的人。
他说，全球芯片制造正在经历巨大加速。
但即便如此，他依然强烈认为，未来两三年，甚至三到五年，整个市场都会处于供给受限的状态。
这是什么意思？
也就是说，谷歌、微软、亚马逊、Meta 这些云巨头，即便愿意花钱买芯片，也不一定能拿到足够多的芯片。
不是钱的问题，而是供应链真的跟不上。
Google Cloud的deSouza则用数据说明了需求有多猛。
他提到，Google Cloud上个季度收入已经超过200亿美元，同比增长63%。
更夸张的是，它的订单积压，也就是已经签下但还没有交付的收入，在一个季度内几乎翻倍，从2500亿美元涨到4600亿美元。
他说：“需求是真实存在的。”
而对Applied Intuition的Younis来说，真正的瓶颈还不只是芯片。
他的公司做的是自动驾驶、无人机、矿山设备、国防车辆等现实世界中的自主系统。
对他们来说，最大的瓶颈是数据。
这种数据不是坐在办公室里合成出来就够了，而是必须把机器真正放进现实世界，让它们运行、犯错、积累经验。
他说，你必须从真实世界里获取数据。
他的判断是，在很长一段时间里，单靠合成仿真数据，还无法完全训练出能在现实世界中可靠运行的模型。
如果说芯片是第一个瓶颈，那么能源就是紧随其后的第二个大问题。
Google Cloud的deSouza证实，谷歌确实在认真研究太空数据中心。
原因很直接：在太空中，可以获得更丰富的能源，尤其是太阳能。
但这件事并不简单。
太空是真空环境，没有空气对流，这意味着数据中心散热会非常困难。
在地球上，数据中心可以靠空气冷却、液冷系统散热；
但在太空里，热量只能通过辐射释放出去，这个过程更慢，也更难工程化。
不过，谷歌依然把它当成一个值得认真探索的方向。
deSouza还提出了另一个重点：效率。
他认为，谷歌的优势在于可以自己协同设计整套AI技术栈，从TPU芯片，到模型，再到AI Agent。
这样做的好处是，能显著提升每一度电所能产生的计算量。
他说，用TPU运行Gemini，比其他任何配置都更节能。
因为芯片设计团队在模型发布前，就知道模型将来需要什么样的计算能力，所以可以提前优化。
ASML的Fouquet后来也表达了类似观点。
他说，没有什么东西是没有价格的。
现在AI行业正处在一个很奇特的阶段：
大家出于战略需要，不惜投入巨额资本。但更多算力意味着更多能源，而能源一定是有成本的。
当大多数AI公司还在围绕大语言模型讨论规模、架构和推理效率时，Logical Intelligence的Eve Bodnia正在做一条完全不同的路线。
她的公司做的是所谓的“能量模型”，也就是Energy-Based Models，简称EBM。
它和现在主流的大语言模型不一样。
大语言模型的核心机制是预测下一个词、下一个token。
而EBM更像是试图理解数据背后的规则。
Bodnia 认为，这种方式更接近人脑的工作方式。
她说：“语言只是我的大脑和你的大脑之间的用户界面。真正的推理本身，并不依附于任何语言。”
她还提到，她们最大的模型只有2亿参数。相比之下，今天领先的大语言模型往往有几千亿参数。
但她称，这个模型的运行速度可以快上千倍。
更重要的是，它可以随着数据变化更新自己的知识，而不是每次都需要从头重新训练。
她认为，在芯片设计、机器人等领域，系统需要理解的是物理规则，而不仅仅是语言模式。
在这些场景里，EBM可能比大语言模型更自然。
她举了一个例子：当你开车时，你并不是在某种语言里寻找模式。你是观察周围环境，理解这个世界的规则，然后做出决策。
这个观点值得注意。
因为AI行业正在越来越认真地思考一个问题：只靠继续扩大模型规模，真的够吗？
Perplexity的Shevelenko重点讲了Perplexity的变化。
它一开始是一个AI搜索产品，但现在正在演变成一种数字员工。
Perplexity的新产品Perplexity Computer，不再只是知识工作者使用的工具，而更像是一个可以被知识工作者指挥的员工。
他说：“每天早上醒来，你的团队里有一百个员工。你会怎么利用他们？”
这个设想很有吸引力，但也立刻带来一个问题：怎么控制这些AI员工？
他的答案是：权限要足够细。
企业管理员不仅要能规定AI Agent 可以访问哪些连接器、哪些工具，还要能明确这些权限是只读，还是可以读写。
这个区别非常重要。
因为一旦Agent进入公司系统，它不只是看信息，还可能会修改信息、提交内容、触发流程。
当Perplexity的计算机使用Agent Comet替用户执行操作时，它会先展示计划，并请求用户批准。
Shevelenko承认，有些用户会觉得这个流程很麻烦，但他认为这一步非常必要。
他还提到，自己加入投行Lazard董事会后，变得更能理解企业CISO，也就是首席信息安全官的保守态度。
对于一家拥有180年历史、完全建立在客户信任之上的公司来说，安全和控制不是可有可无的。
Applied Intuition的Younis提出了一个更具地缘政治色彩的观点：
物理AI和国家主权之间的关系，会比纯数字AI更复杂。
互联网最早作为美国技术向全球扩散。
很多国家一开始并没有强烈抵制，真正的反弹往往发生在应用层，比如Uber、DoorDash这类服务开始影响本地线下经济时。
但物理AI不一样。
自动驾驶汽车、国防无人机、矿山设备、农业机器，这些系统都直接存在于现实世界。
它们会在一个国家的领土内移动、采集数据、执行任务，政府不可能无视。
这就会带来很多问题：安全吗？数据归谁？系统到底由谁控制？
Younis说，几乎每个国家都会提出类似诉求：
我们不希望一个由外国控制的智能系统，以物理形态存在于我们的国境之内。
他还说，现在全球能够真正部署robotaxi的国家，甚至比拥有核武器的国家还少。
ASML的Fouquet从另一个角度谈了中国。
他认为，中国在AI上层应用和模型方面的进展是真实的。
DeepSeek 今年早些时候的发布，确实让行业一些人感到恐慌。
但中国的瓶颈在更底层。
如果没有EUV光刻机，中国芯片厂商就难以制造最先进的半导体。
而如果模型运行在相对落后的硬件上，即便软件做得很好，也会不断累积劣势。
他说：“今天在美国，你有数据，有算力，有芯片，也有人才。中国在技术栈上层做得很好，但在底层还缺少一些关键要素。”
接近讨论尾声时，现场有人问了一个不太舒服但很重要的问题：
AI时代会不会影响下一代人的批判性思维能力？
几位嘉宾的回答都比较乐观。
这也不意外，因为他们的职业生涯都押注在AI上。
Google Cloud的deSouza说，更强大的工具可能会帮助人类解决一些过去解决不了的大问题，比如神经系统疾病、温室气体去除，以及长期被拖延的电网基础设施升级。
他说，AI应该会把人类带到下一个创造力阶段。
Perplexity的Shevelenko给出了一个更现实的回答。
他承认，入门级工作可能正在消失。但另一方面，个人独立做成一件事的门槛，也从来没有像今天这么低。
他说，对于拥有Perplexity Computer的人来说，真正的限制可能不再是资源，而是你自己的好奇心和行动力。
Applied Intuition的Younis，则把知识工作和体力劳动区分开来看。
他提到，美国农民的平均年龄已经达到58岁，采矿、长途货运、农业等行业长期存在劳动力短缺，而且问题越来越严重。
这并不只是因为工资不够高，而是因为很多人根本不想做这些工作。
在这些领域，物理AI未必是在取代愿意工作的人，而是在填补一个本来就存在、而且会越来越大的劳动力缺口。
总的来说，这场对话透露出几个很重要的趋势：
AI 不只是软件问题，已经变成芯片、能源、数据、供应链和国家主权的问题。
现在行业开始出现一种怀疑：继续扩大大语言模型规模，未必是唯一答案。
能源模型、物理 AI、具身智能、Agent 权限体系，都在指向一个新阶段。
本文由人人都是产品经理作者【世界模型工场】，微信公众号：【世界模型工场】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
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。