美国AI的三座大山

晨枫

2 R# N* [$ w$ V7 d2 e4 k中美AI大战可能是定义21世纪世界经济的大事件。这已经不只是中美科技大比拼，更是中美经济大比拼。但没够AI发展要爬三座大山：电力、人才、物理AI。
+ I5 e( V9 g4 O8 S
: ]5 u* h  I, U2 w不管大模型如何火爆，不管芯片如何抓眼球，AI的尽头是算力，算力的尽头是电力，这已经是常识。美国电力基础建设在AI需求之前已经千疮百孔，一有风吹草动就散架，AI迅速增长的电力需求成为不可承受之重。谷歌把新建的算力中心靠在电厂旁边，这只是有利于“抢电”，对于解决电力供应不足一点没有用，反而加剧了问题。国际能源署在《Energy and AI》中预测，到2030年，全球数据中心用电量将接近945TWh，约为当前水平的两倍。2024年至2030年，数据中心用电量预计年均增长约15%，是其他部门用电增速的四倍以上。

! }" ?) [7 g1 O) I有人把中国大模型、华为逻辑折叠比作效率路线，天花板最终在于物理3nm、2nm等先进芯片提供的物理算力，说得没错。美国得益于先进芯片，大模型可以走“大力出奇迹”路线，但天花板在电力。中国EUV已经在路上了，物理3nm、2nm是时间问题，短则3、5年，长则10年，全链打通是大概率的。但美国电力扩容就一言难尽了。

中国发电量超过10万亿度，年增稳定保持在5000-6000亿度；美国只有4-4.5万亿，年增1000-1200亿度。
% E! N6 a  t& o
! R3 r) O1 T( s( A中国年增有80%来自风光等新能源，新能源装机已经超过火电，火电占比在下降；美国年增也重视新能源，但还是天然气为主。重要的是，中国电力消耗有60%流向制造业，美国则有70%流向居民和商业。AI用电来自制造业相关用电。换句话说，美国和中国要同步扩大AI用电的话，假定都需要增容同等电力消耗，中国增容来自60%的工业用电，而底数本来就是美国的2.5倍；美国则来自30%的工业用电，相对压力大得多。
! z' a% _) q) o8 |6 V1 b
电价是另一个问题。中国居民电价大概是美国的一半，但中国工业电价比美国高10-40%。这是政策导向的原因。新能源发电成本低于火电，长远来说，中国以新能源为主力的电力扩容具有本质成本优势，将新建算力中心靠近风光资源充足的中西部也有利于享受优惠电价。

但在新能源方面，美国产能没法看，依靠中国产能又不甘心，储能电池也是一样的问题。装机容量和扩容速度更是与中国没法比。中国光伏总装机容量已经超过1230吉瓦，2025年一年就新增315吉瓦。美国光伏总装机容量才280吉瓦，其中120吉瓦来自散户小规模装机，年增量不到50吉瓦。

4 ^6 j0 W- z# Z美国还有输配电体系年久失修的问题。

电力是美国AI的第一座不易翻越的大山。

2 k: e# }. ]$ ]/ |  V( w  p9 A人才是第二座大山。

# V7 f  h2 \% @有人戏称，中美AI大战是在中国的中国人对在美国的中国人的大战，这当然是戏言。但硅谷及美国顶尖高校（如斯坦福、MIT、加州大学伯克利分校等）是全球AI创新的心脏。大量来自中国大陆、具有顶尖理工背景的留学生和学者是这里的绝对主力。许多领军人物和初创公司的核心骨干（如OpenAI、Anthropic及各大科技巨头中的华人科学家）构成了美国AI研发的中坚力量。《纽约时报》认为，38%的美国顶级AI人才和企事业领军人物具有中国血统。中国的AI发展同样高度依赖国内顶尖院校（如清华、北大、中科院等）培养的本土人才，以及部分从海外归国的学者和创业者所构建的团队。

AI是实践的科学。中国AI的高烈度内卷一方面尸横遍野，另一方面将星鹊起，这也提供了高强度的训练场，使得中国内生AI人才加速培养、加速成长。在美国，问题不在理论和虚拟AI（从数字环境来，到数字环境去，如大模型、动画、代码等），而在于产生价值的应用。说起来，中国的“应用优先”的道路未必出于主动选择，而是模型和算法落后一步、芯片和算力受到封锁情况下的不得已，但事实证明，这才是可持续的自下而上的路线。
" a2 u/ I/ x% [, g7 a1 e! j9 S
AI的核心在于模型，模型从来就有“从道理出发”和“从观察和经验出发”两大类，在可预见的将来，AI重点在第二类，这就决定了面向应用路线的重要性，只有人才能理解和贯彻应用场景。在AI时代，人才的重要性远远高于历史上任何时候，不光是AI人才，还有应用人才。
9 c2 |) `, ]* {. y
5 T3 s% y1 P- T2 g/ r% @: z& A在日益收紧的美国学术准入环境里，中国留美学生减少，中国留美学者回流，将对中美人才对比形成重大影响。这还没有计入非华裔AI人才可能向中国的流动，毕竟影响人才流动的第一驱动力是发展机会和未来天花板。

1 T4 w: _0 y. ?8 L物理AI则是第三座大山。
& P: y/ V0 w/ |9 t9 {  b
5 e6 m3 r. v( J' k6 H物理AI（Physical AI）是指能够在真实的物理世界中感知环境、理解动态并执行动作的智能系统。与仅在数字环境中生成文本、图像或代码的虚拟AI（Virtual AI）不同，物理AI将先进的算法与传感器、执行器及实体硬件结合，使机器拥有了“行动能力”，而非仅仅拥有“思维能力”。虚拟AI在指令输入下产生文字、图像、代码等，物理AI针对物理信息（传感器）产生运动指令，并完成物理动作。

5 c- Y% I  }2 j0 d* F/ Q( P物理AI系统通过感知、推力、行动、学习来与物理世界交互动作。
) U  M6 m7 S) x# p5 t3 @' g5 A7 s
感知（Sensors）利用摄像头、雷达、激光雷达等工具从现实世界收集三维空间及环境数据。推理（Reasoning）利用大模型与机器学习算法分析数据、预测结果并进行实时决策。行动（Actuation）将数字决策转化为物理动作，通过电机、气动装置等执行器操作物体或在空间中导航。学习（Adaptation）通过强化学习不断试错，从行动结果中汲取经验，适应不可预测的复杂环境。
6 H- y9 ]5 l9 X. M
, t& W7 P* @* c! i" S8 N虚拟AI用于回答问题和创作内容。物理AI则用于人形与工业机器人、自主驾驶汽车和无人机、智能工厂和物流、医卫和护理等。这才是工业4.0。

虚拟AI需要将公开和内部来源的文字、图像、音频等“记录信息”一网打尽，从中“提取智能”，形成大模型。大模型可以有问必答，但要大模型具体做到一件事，比如做一顿饭、开动一台机器，大模型可能能提出一堆建议，但物理实现就无能为力了。
; x. z5 w. \2 U, g
0 x9 y* W0 q9 b( m3 z物理AI和虚拟AI一样，首先需要海量学习，这需要海量的物理实景，尤其是要用于制造业的话，需要理解、模仿制造业里人类是怎么干的。当前，物理AI数据采集正在世界各地广泛铺开，全球南方不少角落里，人们额头前绑一个手机，记录每时每刻正在走的路、做的事，从中分析手指、步态、躯干动作。但这只能提供人形机器人的基本动作，还是缺乏触觉、视觉、听觉、味觉反馈。更重要的是，对于广义制造业（包括大厨的颠锅），还是需要实际场景，而不能根据一般动作来推断。

4 |4 z: d6 b# G9 [. D8 Y, R( S在这方面，中国不仅有最大量的实际场景，还有大批涌现的专业物理AI数据采集设施。在那里，人们配带的不只是额头的手机，还有各种触觉、视觉、听觉、味觉反馈，形成真正的高质量数据。而这些是“从数字世界来、到数字世界去”的虚拟AI无法复现的。
) _5 D- S& m. @* V# S
8 q6 A+ h* P; W- s8 b+ Q$ D也就是说，物理AI才是AI打通制造业的关键，这方面美国天然短板，以及去制造业了，从哪里来训练数据？中国则是天然长项，世界制造业唯一超级大国不是虚名。
5 z. c! o- z7 m  G8 x1 Q
: l) }$ c6 T6 W& S9 |4 C9 b据说日本也希望从物理AI下手，在AI世界里弯道超车，弥补大模型和芯片的短板。日本路线有两个问题：第一是骑乘在美国大模型和芯片基础上，没有利益冲突的时候一切好说，有利益冲突的时候杀无赦，日本汽车在美国的遭遇就是先例，只有日本“知道自己的位置”的时候才有“共同发展”的余地。第二是日本制造业也在退化中，现存的需要挽救，物理AI的数据采集过程可以将制造业的物理动作数据保存下来，但这和一切AI学习一样，在本质上是向后看的，要与时俱进并非自然而然。
& L$ s8 p/ F1 u' X
# A# j: K2 p0 d* a% f. m但美国去制造业化更加彻底，这还反映在美国工人素质的退步。不说制造业，就说送信的，有人说，年纪大的老年白人邮差退休后，换上来年轻的黑人姑娘，连Costco广告一个邮箱塞一份都做不到，看到第一家的邮箱，直接统统塞进去交差。这样的人力数据训练出来的物理AI，就可想而知了。
( I! e( o% L: q; X' J# Y) S3 b& [' }+ N  A
“物理AI大模型”决定了机器人（不管是否人形）的智能。美国依然拥有算法和芯片优势，现在非常担心美国AI有朝一日可能依赖中国机器人（包括电池、电机、机械臂、物理AI等）才能运转起来，这时美国对中国的AI封锁成为伪问题，中国对美国AI的封锁才是真问题。
6 Z: j( H! B& o
电力、人力和物理AI是美国AI的三座大山。这三座大山翻不过去的话，美国AI的天花板就肉眼可见了。现在对AI算力的海量投资如何产生回报，就很有想象空间了。

相比之下，中国AI只有一座大山：先进芯片。中国正在攻克各种拐棍，已经爬到半山腰了，如果不是正在冲顶。

semtex

: p- B+ Z9 E# N# Z
好像前阵子一个美国公司的印度裔CEO给投资人PPT，大谈自己公司AI的前景，投资者直接说，你的核心技术人员没华裔，我们信不着你说的。

indy

晨大谈谈AGI吧，米国人指着这个碾压兔子呢

leekai

有人说，年纪大的老年白人邮差退休后，换上来年轻的黑人姑娘，连Costco广告一个邮箱塞一份都做不到，看到第一家的邮箱，直接统统塞进去交差。这样的人力数据训练出来的物理AI，就可想而知了。
昨天新鲜出炉的“热知识”

小木

先进制程的意义本来也不是更多算力，而是单位算力的能耗和成本更低。
) P3 L, Q1 h! i: ]' O) `当然现在成本上已经从成本更低转成本更高几年了，能耗上的边际收益也在严重下降。

% `  S+ ?0 ?9 Z, S" B物理AI这个本穷还是觉得很奇怪。
工业真能接受一个面对同样输入无法稳定的输出同一个结果的黑盒子吗？
如果能做到对同样输入一定能输出同一个结果，那还叫intelligence吗？

晨枫

小木 发表于 2026-6-7 05:24
先进制程的意义本来也不是更多算力，而是单位算力的能耗和成本更低。
! {3 X/ E$ j% H: c- k1 T  O当然现在成本上已经从成本更低转成本 ...

这是决策层次的问题。如果不是决定做什么，而是怎么做，只是工业机器人的动作和路径规划，这在现阶段就很可以接受。
' |, o3 v0 \( Z' r5 l7 |! T+ N
6 |5 h6 g* o2 ~1 K/ kAI决策的透明度和可靠性是大问题，但现在正在解决。能解决到什么程度？不知道。“面对同样输入无法稳定的输出同一个结果”的问题，可能不是绝对意义上的“同一个结果”，而是一个界限内的稳定结果。人类输出也是一样，不会绝对同一个结果，但能做到“有理有利有节”，这就够了。

晨枫

indy 发表于 2026-6-6 17:59
0 q: [, u$ P. c# R, V晨大谈谈AGI吧，米国人指着这个碾压兔子呢

AGI的命门正是在于解决不了物理AI的问题。

五月

小木 发表于 2026-6-7 19:24
先进制程的意义本来也不是更多算力，而是单位算力的能耗和成本更低。
9 ~+ z+ L6 E' Y& e& {7 ]; R  ]8 U当然现在成本上已经从成本更低转成本 ...

人类本身就是个最大的黑盒子，而且是个比物理AI硬件更加不靠谱的黑盒子。根据晨大介绍的最新热知识来看，向一个老年白人输入“每户投放一份COSTCO广告”，得到的输出是每户投放一份COSTCO广告。向一个年轻黑人输入“每户投放一份COSTCO广告”，得到的是一户投放所有的COSTCO广告。
6 A& C5 A' X2 h
这事让AI硬件来做，好歹不会广告全灭。
0 K8 x( Z$ Z! A$ R8 B
7 [: v* D5 K) l

赫然

五月 发表于 2026-6-9 09:49
人类本身就是个最大的黑盒子，而且是个比物理AI硬件更加不靠谱的黑盒子。根据晨大介绍的最新热知识来看 ...

这个正是AI的一个大问题：AI在努力向人类这个非常不靠谱的老师学习。。。。
7 P8 m  a$ m* I5 C0 B
人类还在企图依靠这个AI学生来弥补人类的不靠谱。。。。这个。。。
$ K4 ?6 l# m, W' v* z
Good Luck，人类！！！