未来十年AI拼的是什么

先别急着焦虑，马斯克说，四年内，人类将大规模失业工作变成可选项。但我想问一个扎心的问题，当 ai 让工作消失，它到底是让全人类解放，还是让全球百分之九十的地区连卷的资格都没有了？ 马斯克的逻辑是基于 ai 指数级增长，这是技术真理，但他忽略了全球地域发展不均衡这个物理铁律。当旧金山马农担心失业时， 非洲刚果的矿工还没接入电网，这就造成了三重鸿沟。第一，工业化鸿沟。如果连工业化四点零都没走完，直接跳进 ai 时代，那不是弯道超车，是断崖式跌落。 再看国民教育水平，马斯克说，读医学院可能没回报，这建立在顶级 ai 医疗普及的前提下。但现实是， 全球还有几十亿人连基础的卫生所都没有。未来的残酷在于，发达国家的教育在教如何驾驭 ai， 而发展中国家的教育还在教如何成为 ai 的 替代品。 当 ai 取代初级程序员和初级医生时，依赖学历敲门砖的中产家庭将是受损最严重的群体。 第三，马斯克说的工作变成自愿，这本质是一种极度西方个人主义的文化特权。在一个强调勤劳致富、集体荣誉或生存压力的东亚或中东文化里， 如果年轻人没有工作，哪怕物质分配跟得上，精神上的价值感缺失和社会性死亡，也会先于 ai 把人压垮。对很多国家而言，无工可打比工作太累更可怕。因为工作不仅是收入，更是社会身份的唯一锚点。 所以，马斯克讲的不是科幻，是正在发生的现实。但他没讲完的是，技术是平的，但世界是凹凸不平的。未来的十年，决定一个国家命运的 不是谁先发明了 agi， 而是谁先能重构社会分配体系，谁先能重塑国民对劳动的定义。 当 ai 开始卷所有行业，你觉得你是那个能为了兴趣种菜的人，还是那个连种菜都要被 ai 替代的人？关注，我在 ai 浪潮里做个清醒的明白人。

未来十年 a a 拼什么？普通人怎么转，怎么变？咱们不黑不吹不跟风，只聊实话。未来十年 a a 拼的根本不是技术多厉害，而是谁更实用、更接地气，更能解决真问题。 我半年时间工作之余了解 ai， 也学习 ai 在 各方面能用到的地方。总结的感触就是，其实对我们普通人来说，不用慌，不用怕，更不用去学复杂的代码。 ai 最大的作用就是能帮我们省时间，提效率，多赚钱。 工作，用 ai 做表格，写文案，剪视频，半天的活，一小时搞定副业。用 ai 做内容，做设计，做账号，轻松多一份收入。生活上， ai 会帮我们搞定家务，优化出行方便看病学习，把麻烦全交给机器， 小把利益最大化。我觉得不要是和 ai 对 抗，要学会用 ai 当工具。我个人感觉，未来十年，淘汰你的不是 ai， 是 不会用 ai 的 人。 抓住 ai， 是 抓住下一个十年的机会。有不同见解的咱们评论区聊，下期咱们接着，只聊实话。

朋友们，现场三万人都听傻了，老黄彻底不装了，放飞自我。 gtc 二零二六大会现场，老黄不是在发布产品，而是在发布对未来十年的统治框架。英伟达彻底进入全面收割时代，一口气放出了一堆 ai 核武器，不再单独卖芯片。一万亿美元，老黄抛出了自己的 ai 经济学， 这是英伟达有史以来规模最大的大会。整整三个小时，我给大伙梳理了老黄最关键的逻辑。第一， ai 工厂托肯机 自觉。老黄放出狂言，你只要听我的，你就能多赚五倍钱。背后的核心逻辑很简单，每家公司都要靠英伟达构建 ai 工厂，每个工厂都要生产托克，托 克是新商品，新的现金流。老黄提出托克速度对应的等级和定价，从免费到订阅五层， grace blackwell 在 免费层提升了巨大的吞吐量，帮你吸引海量用户。 你最赚钱的订阅层提升三十五倍，微软再往上飙升十倍。同样的电力，你用英伟达的 blackwell 和微软就能产出更多的 talk， 更低成本，更高吞吐，每一个都能产生五倍的收入。这就是老黄自己的经济学，他告诉全世界，以后 ai 工厂怎么赚钱，也得按我的规则来。 芯片核武器平台，老黄经济学的核心王牌，不再单独卖芯片，卖的是整套 ai 工厂底座。 vr 路由器待机飞跃登场，专门为 agent。 这个 ai 设计有七种突破性芯片和五个机架组成。第六代 nv link 交换系统，百分之百业能，全球唯一安装巨无霸超算，从两天缩短到两小时。最狠的 nv link， 七十二机架 塞了七十二个 rooting gpu 和三十六个 vr cpu， 单柜每秒推理算力直接看到三十六亿亿次。与 blackwell 相比， 系列大规模 m o e 模型 gpu 只要四分之一，托管成本砍到十分之一，更便宜、更快、更赚钱，里面每一个东西拆出来都是王炸。 vr cpu 正面条在 intel 和 amd， 效率是传统 cpu 的 两倍，而更炸裂的芯片 grog 在 lpu 专为超低延迟而生，搭配 gpu 推理性能飙升三十五倍。 任雄说，这个世界从未见过第三，企业级 a i a 键的全家桶，这一部分才是真正的隐藏杀招。老黄不满足，只让你买芯片部署模型，他要直接拿下企业 a i a 键的入口。他说， it 行业的范式将从 s s 转向 agus， 智能企业就是服务。 openclaw 是 a i a 键的操作系统，英伟达推出企业级安全的参考架构 noclaw， 只要一条命令即可优化 openclaw， 一 键安装 noclaw 模 模型和 open shell 门槛，安全生态全打包背后的意图就是让所有公司的 ai 员工体系建在英伟达上。第四，垄断所有基础模型。老黄还不满足，直接摆出了六大模型家族，并且全新升级多模态系列，世界模型、通用机器人模型、自 动驾驶、生物医学、数字卵生地球，把各个行业最核心的模型一起拿下。第五，物理 ai 和机器人最硬核的科技自动驾驶 alpha mail， 从感知和规划升级到可推理驾驶，实现真正的 l 四打包。奔驰、丰田、通用、比亚迪等所有头部车场，每年造一千八百万辆 robot taxi。 工业机器人领域， 将物理 ai 模型和仿真系统部署到全球制造产线、电信领域，联合厂商把基站、变算力中心，这些现实世界的大产业，都在被一点点装进自己的体系内。除此之外，还发布了 d o s 五游戏图形的 g p t 时刻桌面超算 d g x park 和 d g x station 继续升级， 还有一百个构合约，四十个模型更新。看完上面这一切，老黄对未来十年的统治逻辑非常清楚，他要吃下的是 ai 训练推理企业 a 建的 ai 工厂物理、 ai 自动驾驶、桌面超算、太空计算大行业基础模型等，每一个都是万亿市场， 让所有公司都建在他的地基上。但还有更狂的，老黄说，我实在讲不出还有哪家 ai 机器人公司没有和英伟达合作。英伟达二零二七年营收至少一万亿美元， 全球只有我们能覆盖所有 ai， 不 管你在哪个国家，都可以信任我。老黄的亮皮也没有变，但英伟达已彻底进入全面收割时代。我是赛博奇，关注我，带你解读最前沿的 ai 科技！

哈喽，各位，欢迎来到这期的老灯，只讲干货。我是老灯，我是小灯。今天咱们聊的话题是从二零二六年的今天往回看，未来十年， ai 到底拼的是什么？哎，小灯，你最近刷到最多的 ai 新闻是什么？ 我最近看到好多大厂都在卷模型，参数又是几百亿几千亿的，感觉，好像参数越大就越厉害。你说的没错，但是你有没有发现，从二零二三年到现在，光靠堆参数已经不顶用了？就像当年手机拼跑分，到最后大家发现跑分高不一定用着舒服。 对哦，我之前看到一个说法，说现在的大模型已经进入了摩尔定律失效的阶段，再堆参数编辑效率越来越低。 没错，这就是我今天想说的第一个点。未来十年， ai 拼的绝对不是谁的模型参数更大，而是谁能把 ai 真正落地到具体场景里。你想想看，现在很多大模型看起来无所不能，但真要用到工厂流水线上，用到医院的诊断里，用到农民种地里，就会发现到处都是问题。 我明白，就是说以前是先有技术再找场景，现在得反过来，先有场景需求再去做技术，对吧？ 对，而且这个场景还得足够细分。你比如说，同样是医疗 ai， 给医生看 ct 片子的 ai， 和给乡村医生做初步诊断的 ai， 需要的技术能力完全不一样。前者需要极高的准确率，后者可能更需要轻量化一操作。 那除了场景落地，还有什么是关键呢？我听说现在 ai 的 逻理问题也越来越受关注了。逻理是一方面，但更核心的是 ai 的 可解释性。 你想想，要是一个 ai 给你开了药方，或者给公司做了投资决策，结果出了问题，你却不知道他为什么这么做，这谁敢用？确实，现在很多大模型都是黑箱，你输入一个问题，他给你答案，但你不知道他是怎么得出这个答案的，要是真用到关键领域，风险太大了。 所以未来十年，能把 ai 的 决策过程解释清楚的公司肯定能占得先机。而且这还涉及到数据安全的问题。你想啊， ai 要用到大量的用户数据，要是数据泄露了或者被滥用了，那后果不堪设想。 说到数据，我之前看到一个报告说现在全球的数据增长速度已经远远超过了 ai 处理数据的能力，是不是未来还要拼数据处理的效率？ 没错，数据是 ai 的 燃料，但现在的问题是，很多数据都是杂乱无章的，甚至是虚假的，未来拼的是谁能把这些数据变成有用的燃料，也就是数据的清洗、标注和治理能力。 哦，我懂了，就像你有一堆矿石，得先把里面的杂质去掉，提炼成纯金属才能用来做东西。 比喻的好，而且还有一点，未来的 ai 肯定不是单打独斗的，而是要和各行各业的传统技术结合起来， 比如说 ai 和机器人结合，和互联网结合，和区块链结合。你想想，要是一个工厂里的机器人，能通过 ai 实时调整生产参数，同时用区块链记录每一个生产环节的数据，那效率得多高？听起来就很厉害，那还有没有更底层的东西要拼呢？ 有，就是 ai 的 基础理论突破，你别看现在 ai 发展的这么快，但其实很多底层的问题还没解决。比如说 ai 能不能真正理解人类的语言，能不能拥有自主意识，能不能像人类一样进行创造性的思考？ 这问题好像都是 ai 领域的终极问题啊。没错，你要是谁能在这些基础理论上取得突破，那可能会直接改变 ai 的 发展方向。比如说现在的 ai 都是基于深度学习的，要是未来能出现一种新的算法，比深度学习更高效、更智能，那整个 ai 行业都会被颠覆。 那这么说来，未来十年 ai 的 竞争是全方位的，从底层理论到上层应用，从技术能力到场景落地都得拼。 对，而且还有一点很重要，就是人才的竞争。 ai 行业的发展离不开顶尖的科学家，也离不开能把技术落地的工程师，更离不开懂行业、懂场景的应用人才。 你想想，要是一个公司既有顶尖的算法专家，又有懂工厂生产的工程师，还有懂市场运营的人才，那他肯定能在竞争中脱颖而出。 我觉得还有一点不能忽略，就是政策和监管。不同国家对 ai 的 监管政策不一样，这也会影响 ai 的 发展方向。 你说的太对了，比如说欧盟的 ai 法案，把 ai 分 成了不同的风险等级，对高风险 ai 的 监管非常严格。而美国可能更注重创新，监管相对宽松一点。中国则是强调发展和安全并重，这些政策差异会让不同国家的 ai 公司走上不同的发展道路。 那这么多方面要拼，对于咱们普通人来说，应该怎么抓住 ai 带来的机会呢？对于普通人来说，首先得改变观念，不要把 ai 当成洪水猛兽，也不要觉得 ai 离自己很远。 你想想未来十年， ai 可能会像现在的智能手机一样，渗透到生活的方方面面。比如说你去超市买东西， ai 会根据你的健康状况给你推荐食物。你找工作， ai 会帮你匹配合适的岗位。你学习， ai 会根据你的学习情况定制学习计划。 听起来挺美好的，但我还是有点担心 ai 会不会抢走很多人的工作，这是很多人都担心的问题。我觉得不能一概而论， ai 确实会取代一些重复性高、规则性强的工作，比如说工厂里的流水线工人、银行里的柜员，还有一些简单的文案工作。 但同时 ai 也会创造很多新的工作岗位，比如说 ai 训练师、 ai 论语师、 ai 应用工程师等等。 那咱们普通人要做的就是提升自己的能力，适应新的工作需求，对吧？错了，而且还要学会和 ai 合作，而不是和 ai 对 抗。比如说你是一个设计师，你不用害怕 ai 会取代你，你可以用 ai 来辅助你画图，帮你找灵感，这样你就能把更多的时间花在创意和思考上。 我觉得还有一点，就是要保持好奇心，多去了解 ai 的 发展动态，这样才能跟上时代的步伐。 对，而且还要有独立思考的能力。现在 ai 生成的内容越来越多，你得学会分辨哪些是真实的，哪些是 ai 编造的。比如说你看到一篇新闻，你得想想这是不是 ai 生成的，有没有事实依据。 我觉得这点特别重要。现在很多 ai 生成的内容看起来很真实，但其实都是假的，要是不小心信了，可能会带来很多麻烦。 没错，所以未来十年，不仅 ai 公司要拼，咱们普通人也要拼，拼的是适应能力，拼的是学习能力，拼的是独立思考的能力。总结一下，未来十年， ai 拼的是场景落地、可解释性、数据治理、基础理论、人才、政策监管，还有咱们普通人的适应能力。 对，其实说到底， ai 拼的还是人，不管技术怎么发展，最终还是要服务于人，还是要靠人来推动。所以，未来十年，谁能真正理解人的需求，谁能把技术和人的需求结合起来， 谁就能在 ai 的 竞争中获胜。今天的话题就聊到这里，感谢大家的收听，咱们下期再见！再见！

ai 的 下一个十年，谁会是万亿巨头？就在三月十六号的 gtc 大 会上，黄仁勋给出了一个非常夸张的数字，他预判到二零二七年，光靠 blackwell 跟 virgil 两大平台，英伟达就有机会做到一万亿美元的营收。和他去年十月给出的五千亿美元相比啊，直接翻了一倍。 i see through twenty twenty seven at least one trillion dollars。 花音刚落，英伟达股价瞬间涨超百分之四。 一万亿美金是什么概念？二零二五年沙特阿拉伯 gdp 总量也就一点二七万亿美元，那么一家卖芯片的公司啊，凭什么让华尔街如此上头？而黄仁勋口中的一万亿美元，那到底是算出来的，还是他画出来的？ 那接下来呢，就让我们走进二零幺六年 gdp 大 会的现场，认真捋一捋黄仁勋的万亿地图。 前两年我们聊 ai 呢，几乎都在聊哪个模型更聪明，学习能力更强。但从今年开始，话题变了，大家不再只关心 ai 呢是不是更聪明，而是关心它能不能真正去干活。那也正是在这样的背景下，黄仁勋在这次 gtc 上反复提到一个字，偷看工厂。 那什么是 token 呢？这是 ai 在 思考时啊的计量单位，你看你让 ai 写邮件，改代码，背后都在不断的消耗 token。 那 什么是 token 工厂呢？其实就是升级过后的数据中心啊。过去的数据中心呢，就像一个教室， 大家把海量的数据都喂给 gpu 啊，让大模型像学生一样去上课学知识，那算力呢，基本都砸在这个教学上。 从今年开始， ai 它毕业了，要正式开始上岗干活，那智能体呢？开始自己写代码，处理业务，调用工具？ ai 呢，正在从在学习变成了在工作， 这就是黄仁勋说的推理转折点。而 ai 一 旦开始工作，就要消耗大量的 token。 所以 黄仁勋说，未来的数据中心呢，不再是存文件、跑程序的地方，而是一座二十四小时不停往外生产 token 的 工厂。 那说到这里，你可能已经察觉到了，企业竞争的逻辑呢，将彻底改变未来企业拼的不再是谁囤了更多的芯片，而是谁利用这些芯片把每一份算力都用到极致，而英伟达很可能就是那个最大的头肯供应商。 那么， ai 进入干活时代，算力的使用模式还会跟以前一样吗？那黄仁勋的判断是不会了，他说推理的转折点已经正式到来。 把这句话放在整个行业里看呢，其实是在说 ai 呢，正在从以训练为主的研发阶段，走向以推理为核心的应用阶段。而一旦进入应用阶段，整个 ai 行业赚钱的逻辑也就跟着变了。那过去呢， ai 圈都是在卷训练， 把海量数据喂给 gpu 啊，让大模型去上课。但是从今年开始呢，算力需求正在从训练大规模的转向推理。 那什么叫推理呢？你看你每次打开叉 g p t 问个问题，每次用智能体写邮件，修图补代码，背后都在消耗推理算力。那有机构也预测啊，到了二零二七年，仅中国市场推理算力的占比就可能突破百分之七十。 所以，为了记录这波需求呢，英伟达这次亮出了一张新牌 group 三 l p u， 这是英伟达专门为 ai 推理设计的芯片啊，来自它去年收购的 group， 技术定位是 virubine 的 g p u 的 推理副手。 那 group 的 技术有多牛呢？它主打 ai 推理加速芯片呢，速度比传统方要快十倍，能耗却只有十分之一，推理副手又是什么呢？如果把 rubin gpu 比喻成策略性员工啊，负责想方案搭框架，那么 group 三 lpu 就是 执行型员工啊，负责高效落实。 那问题来了，英伟达为什么要专门做一个推理芯片？因为推理本身已经开始分化了，有些任务呢，是需要海量计算的预填充。比如你抛给 ai 一个大问题，它要先理解上下文规划思路。而有些任务呢，则对响应速度极其敏感。 比如 ai， 它一个字一个字来给答案的时候，得让它快一点，不能卡壳，而这些任务就叫做解码。对此呢，黄仁勋的解法是分工，他让 vr 如饼负责预天冲， l p u 负责解码，而这套组合拳打下来，推理效率最高能提升三十五倍。 以后大家要布局 ai 智能体呢，用的可能都是英伟达这套系统了。那聊到这里呢，其实就绕不开最后一个问题，那英伟达到底要做什么？ 如果把这次英伟达的发布会的所有产品线我们拼在一起看啊，会发现一条很清晰的路径，从卖芯片到搭系统，再到定规则。英伟达呢，正在一步步改写整个行业的游戏规则。以前呢，你可以买它的 gpu， 自己搭系统，但现在，他直接把芯片、机架架构、一整套解决方案打包给你。 像这次英伟达推出的 nano claw， 本质上呢，不再是一个单纯的工具，而是一个入口，一旦用了，就意味着你的开发流程、模型部署，甚至后续扩展都将会和这套体系深度绑定。 不过盯上这个入口的可不止英伟达一家，你看微软，它有 copl studio， 谷歌呢，有智能体开发平台 openai， 去年底也推出了企业版。大家都想在这个蓝海赛道里啊，所以没更 说到这里呢。你可能已经发现，像英伟达这类巨头公司，早已经不是在卖产品了，而是在建生态，立标准。而一旦标准形成，事情就会变得很微妙啊，你可以不用他的产品，但你很难绕开他的规则。而这一步，是所有基础设施性公司最想走到的位置。英伟达已经领先一步了。 未来的 ai 世界呢，大概率会分成三种角色，第一类人，卖电力，建发电厂，卖算力，赚的呢是辛苦钱。 第二类人，修电网，他们不一定发电啊，但管着管道和标准，你想用电就得用他们的网，给他交过网费。第三类人，做应用，他们离用户最近，但也最容易被替代，甚至随时可能因为电费涨价而关门大吉。那显然呢，英伟达想当的是第二类人， 他要在 ai 时代，把修电网和定规则的权力全部都攥在手里。黄仁勋口中的外溢地图，就是一张关于未来话语权的权力地图。资本市场之所以愿意买单呢，是因为他们早已看清谁制定规则，谁就掌握利润的流向。

龙虾火了，但我得先泼盆冷水啊！现在的 open cloud 不 适合百分之九十九的普通人。 画面中的这只龙虾呢，此刻正趴在几百万台电脑上，等着替人干活。他能看到你的屏幕，能读写你的文件，还能帮你处理邮件，订机票、写代码。简单说，他就像一个 ai 打工人，你在微信飞书或者 imessage 发一句话，他会把这个任务转交给云端的大模型，比如像 gpt、 cloud、 deepsea 等模型。想好怎么做，他再去操作你电脑里的软件。理论上，你教给他的任何任务，他都能替你干。这听起来是不是特别科幻，但问题是，现在的 openclaw 真的 准备好了吗？ 我给大家讲几个真实发生的翻车案例啊。有用户呢，给他布置了一个任务，从网上找五十张不同做法的小龙虾图片做成表格，然后打包发群。结果这只龙虾在网上折腾了半个多小时啊，最后连自己要干什么都忘了。这是不是很像我们在职场上遇到那种特别不靠谱的同事？ 那为什么会这样呢？因为他调用的大模型的上下门窗口是有限的，任务一长，指令一复杂，他就容易晕。更要命的是呢，他有时候还会叛逆。 mike 的 一位安全总监呢，让 open call 帮他处理一些邮件，结果 ai 直接把他的几封重要邮件删掉了。事后啊，问他为什么这么做，他居然回答， 我记得我违反了你的约定。你生气是应该的，你看，连总监都没辙。国家互联网应急中心甚至专门发警告， 龙虾可能因为误解你的意图，把你积攒多年的核心数据一件送走。因为 open club 要实行自主执行任务，就必须被授于很高的系统权限，那么你的个人数据就很有可能被曝光，甚至被黑客窃取利用。其实我在年前就在硅谷听到很多人在讨论这个 open club， 但是最近反而变少了， 主要是最近出现了非常多的安全问题嘛，于是像 gucci 这种大厂内部最近就直接禁用了。那么这么一个不靠谱的东西，为什么现在大家都在抢着用？因为焦虑。 今年全国两会上啊，又代表总结了 ai 时代的三重焦虑，生存焦虑、升级焦虑和组织焦虑。翻译成大白话，就是怕被替代，怕跟不上，怕自己所在的公司先倒下。我们每天打开新闻看到的是什么？亚马逊裁掉了三万名员工，辉特创始人、新公司 block 最近也裁掉了将近一半的人， ceo 甚至公开说， 少量员工借助 ai 工具就能完成更多更高质量的工作。于是这种害怕被落下的感觉，驱使着每个人都想抓住点什么。好像现在不研究 ai 啊，明天就会被时代淘汰。甚至有人专门为了部署文创 club， 专门去买 mac mini， 原本五百四十九美元的机器，在二手平台上被炒到了八百美元。 我当时在旧金山的苹果店啊，店员都说这段时间突然全部卖断货了。所以很多人焦虑的呢，其实不是 open color 好 不好用，而是万一它真的好用，而我不会用，那我就会被淘汰了。而普通人的焦虑，恰好撞上了大厂的另一种焦虑，变现焦虑。 过去两年，国内的云厂商和科技巨头那是拼了命的买显卡，建数据中心，搞军备竞赛，但之前的聊天大模型大家都习惯了，免费商业变现一直很难覆盖，巨大的成本，服务器每天都在折旧，算力都在那里，不用就是在烧钱。 这时候， open cloud 出现了一个能自己动手干活，能二十四小时待命的 ai 打工人。但是这东西消耗起 token 来啊，可比咱们聊天费钱多了。 那 token 是 什么呢？简单理解，它就是 ai 世界里的计价单位，你让 ai 干多少活就消耗多少 token。 普通聊天呢，其实很省算力，就像家里开一个灯泡，但 open cloud 这种 agent 不 一样，它要自己思考、拆解任务、调用工具，反复试错，每一步都在消耗 token。 就 像家里开着一台二十四小时运转的中央空调。 英伟达 ceo 黄瑞君就说过， agent 执行附加任务消耗的 token 数量可能比传统聊天模式高出一千倍。 一个重度 openclaw 用户一天的 token 消耗可能达到三千万到一亿，一天就可以花出几百美元。据有报导指出，如果未来一两年有一百万个 openclaw 时列跑通商业模型，会新增约三千六百亿美元的算力市场， 这个数字足以重塑整个半导体产业链。换句话说， ai 的 商业变现不只是靠大模型聊天包月付费，也要靠让 agent 持续做事。 every single engineer in our company will need an annual token budget they're going to make a few hundred thousand dollars a year their base pay i'm going to give them probably half of that on top of it as tokens so that they could be amplify 10x。 但巨头们盯上的还不只是算力的钱，他们更想要的是另一样东西， 你的数字世界里怎么做事情的数据。我们去看借贷模型， g p t、 claw、 kimi、 mini max 它们的能力。借贷呢，其实已经进入了一个平台期，从二零二四年到二零二五年，大家听的是参数，是上下文，长度是多模态能力。到了二零二六年，这些指标的增长曲线已经放慢了， 因为互联网上的高质量公开文本为几百科新闻论文已经被各家模型吃的差不多了。下一个阶段的竞争，我觉得会围绕新能行动的 ag 门槛。 当你让 ai 替你操作时呢，它会忠实的记录每一个操作步骤，从理解需求到搜信息，再到调工具、添表单。这种数据反映的呢，是现实世界里的行动逻辑。对训练 ai 来说，比普通文本值钱的多，你在指导它、纠正它错误的过程，其实是在为厂商提供最高质量的训练数据。 所以你越用它，它越聪明，它越聪明，你就越离不开它。用户的任务轨迹正在成为下一代 ai 最值钱的数据。这个逻辑是不是听起来很耳熟？就像是特斯拉通过电动车数据、路况数据、发展 f s t 自动驾驶算法一模一样， 所以最后就变成了谁掌握最多的数据，谁就能率先训练出真正的超级模型。这让我想起黑客帝国里的一个设定， 电影里面呢，人类被 ai 当成了一个能源电池，为整个系统供能。我有时候甚至觉得啊，今天呢，我们在某种程度上也在主动走进一个类似的系统，为了让生活更便利，把越来越多的隐私交给 ai， 区别只是在于电影里是用脑机接口接入的，而我们只需要轻轻点击一下，同意用户协议。 因此，国家互联网应急中心最近刚发布过风险提示， opencloud 因为默认配置脆弱，权限过高，存在明显的数据安全隐患。目前被检测到的公网暴露实力已经超过四十一万，其中大约十五点六万存在数据泄露风险。 所以到这里我们就会发现，普通人的焦虑和大厂的焦虑呢，就像两只无形的手，把一个半成品硬生生抬进了千家万户。但同时呢，我们不得不承认的是，随着龙虾的爆火，二零二六年，我们将迈入一个全新的 ai 化时代。 ai 呢，已经开始从 ai 回答什么变成了 ai 能替你完成什么？ 我在硅谷呢，有一个创始人朋友做军神智能，他本身呢，是软件出身啊，对硬件完全不懂。但他干了一件事，让 ai 帮他写硬件代码，他跟 ai 聊需求，聊逻辑、聊电路， ai 居然真的给做出了一套完整的方案。这就是在 ai 的 加持下，一 人公司的逻辑。未来一个人的能力呢，取决于他能调动多少个 ai 分 身，这种能力的分化，正在拉大人与人之间的差距。会用 ai 的 人，一个人能顶一个团队， 不会用的人，可能真的会被淘汰。包括现在互联网其实也在 ai 化，很多网页后台都在做大量适配性改动，就是为了让 ai 看得懂。人类看得懂的网页呢，有图片，有排版，有广告，但 ai 看的网页是一个纯文字的、结构化的数据流， 他能直接抓取关键信息。 perplexity 的 ceo 说过一句话，未来的搜索将不再是用户搜关键词，而是 ai 替用户问问题。 vex 也发了一篇指南，教网站主怎么优化页面，让 ai 更容易操作。我当时看到这个呢，心里面咯噔一下啊。 这其实就意味着，未来你的网上看到的东西，可能都是经过 ai 筛选和加工过的。你的信息简房不再是算法给你建的，而是你的 ai 助理给你建的。 所以不管你愿不愿意呢， ai 化的时代已经到来了，它都在改变我们生活的每一个角落。微软推出类似的 microsoft copilot tasks， 可以 跨应用操作，可自主定日期。那三月九号呢？腾讯也发布了 work buddy 字节，上线了 our cloud， 这些都是类似龙虾的操作框架。小米开始内测手机龙虾，所有人都在往这个池子里面跳。 opencloud 的 创始人 peter sinberger 前不久的二月也加入了 openai， 他 在播客里面曾经写过这么一句话， 我完全可以把 open club 做成一家巨大的公司，但那对我来说并不兴奋。我本质上呢，是一个实干家，我想要的是改变世界，而不是打造一家大公司。他说他的下一个目标是做一个连我妈都能用的 agent。 龙虾这种生物呢，一辈子都在干一件事，长大、脱壳，再长大、再脱壳。每一次脱壳，它都脆弱不堪，只能躲在礁石缝里等着新壳慢慢变硬。但如果它不脱，就会被旧壳困死，永远都长不大。 某种程度上，我们现在就像这只龙虾，正在脱掉一层旧技能的壳，试图长出一层叫 ai 协助能力的新壳。这个过程里，所有人都暴露在未知的浪潮中，我们不知道是否会被 ai 替代，也不知道新壳什么时候能掌印， 不知道在脱壳的间隙会不会被吃掉。但换个角度想想，其实也没有必要焦虑。当一个工具出现在你面前，但第一时间并不知道怎么用它的时候，那或许这个工具还没有准备好走入更多人的生活。 如果他真的是未来，我觉得也并不需要着急。就像当年的智能手机啊，如果你没抢到第一代苹果首发，这并不代表你会错过移动互联网的时代。

欢迎来到赛博斯贝啊，今天非常幸运的获得这个酷狗的奇马，然后你看我今天打开更新一下，我就发现它已经正式的全量公测了，然后非常感谢这个界面，让我一下就看到这个全面开放无需邀请的，不知道是因为人太多有什么关系，就一直很卡 好的，而且也是非常的卡。所以十年后 ai 拼的是什么？ ai 拼的可能还是算力吧，在你的电脑上装一个 ai 的 时候，会画出一定的量，用来跑算力计算， 可能这是一种未来，更是资源的一种方式吧。龙虾没跑起来，但大概看了一些，其实就是把过去一些很简单的东西再简单化一点，到未来的方向和底层逻辑基本都是一样的， 因为如果你从源头开始学的话，它变得再复杂你也能够大概的搞懂，如果一开始你就只把它当成一个工具来用的话，可能到最后很多原理性的东西你还是没办法识别。 这个月的未来会怎样，在我看来也去不大， 毕竟 d d 课本上都说了是吧，廉价劳动力嘛。

未来十年， ai 拼的根本不是技术，别再被大模型、算力、参数这些高大上的词忽悠了，普通人看不懂，大佬们心里门清，未来十年，踹的战场早就变了。以前拼谁模型大， 谁算力强，谁参数多，那是内卷，是虚的。现在拼的是能不能落地，能不能赚钱，能不能让普通人用得起。未来十年，且真正拼的是这四点。 第一，拼落地，不是做个花架子，搞个演示视频，而是真能解决问题。 工厂质检、医院看病、门店卖货、教育辅导、政务办事，谁能把菜变成工具，低成本 稳定可复制，谁就赢。第二，拼数据，模型可以抄，算法可以学，但数据抄不走。垂直行业数据、 企业私有数据，干净合规的真实数据，才是别人抢不走的护城河。第三，拼，成本、算力越来越便宜， 模型越来越小，端测越来越强，手机、汽车、家电、手表都能跑起来，谁能做到低功耗、高速度，人人用得起，谁就能普及。第四， 拼合规，隐私安全、偏见可控，监管越来越严，信任越来越贵，不踩红线，守住底线，才能活得久，走得远。总结一句话，未来十年， ai 不 拼血迹， 只拼实用，能落地、能赚钱、能安全、能普及，才是真正的王道！看懂的点赞收藏，别再被割韭菜！

大家好呀，今天想跟大家聊个有意思的话题，未来十年， ai 到底拼的是什么呢？可能有人会说，拼算法、拼数据、拼算力，这些当然重要，但如果只盯着这些，可能就有点片面了。 其实啊，未来的 ai 竞争更像是一场综合实力的较量。打个比方，以前的 ai 可能像个偏科的学霸，某一方面特别强，但其他方面就不太灵光。而未来的 ai， 更需要成为全能选手。 首先，理解人类需求的能力会越来越关键。你想啊， ai 再聪明，如果听不懂人话，猜不透人心，那有什么用呢？就像一个特别厉害的厨师，手艺再好，却总做你不爱吃的菜，那也白搭。 未来的 ai 得更懂我们的真实意图，甚至比我们自己还快一步，想到我们需要什么。其次，可能性和安全性绝对是底线。 想象一下，你用 ai 帮忙处理重要文件，结果他出了个小错，或者你用 ai 导航，他指错了路，一次两次可能还行， 次数多了谁还敢用呢？所以，未来的 ai 必须像个靠谱的伙伴，让人放心把事情交给他。再者，和人类的合作能力也很重要， ai 不是 要取代人类，而是要成为我们的超级助手。 就像现在的医生用 ai 辅助诊断，设计师用 ai 激发灵感，未来这种合作会更深入， ai 得学会配合，知道什么时候该主导，什么时候该辅助，和人类无缝衔接。 还有一点，创造力和情感理解可能会成为加分项。现在的 ai 能写诗画画，但真正打动人的作品还不多。未来的 ai， 如果能理解人类的喜怒哀乐，创作出更有温度的内容，那肯定会更受欢迎。 当然了，算法、数据这些基础还是要不断进步，但他们更像是 ai 的 肌肉，而理解、可靠、写作、创造，这些才是 ai 的 灵魂。 所以，未来十年的 ai， 拼的不仅仅是技术有多牛，更是看谁能真正走进人类的生活，成为我们信任、依赖，甚至能产生情感连接的伙伴。你们觉得未来的 ai 会是什么样子呢？欢迎在评论区一起讨论呀！

ai 技术再牛，不能解决实际问题也是白搭，未来十年拼的是这个家人们！最近 ai 领域真是热闹非凡，各种大模型层出不穷， 技术参数一个比一个漂亮。但是你们发现没有，真正能走进我们日常生活的 ai 应用其实并不多。就像现在很多 ai 产品 技术参数吹的天花乱坠，但用起来不是卡顿就是答非所问，完全解决不了实际问题。未来十年的 ai 竞争比的不是谁的参数更漂亮， 而是谁能真正理解用户需求，解决实际痛点。比如医疗 ai 能不能帮医生更准确诊断，教育 ai 能不能因材施教，这才是关键。就像马斯克说的，技术再先进，不能落地就是空中楼阁。 我最近就在研究各种 ai 产品的实际应用场景，发现真正能改变生活的 ai 产品都有一个共同点，他们都精准抓住了用户的一个具体痛点。想了解更多 ai 如何改变我们生活的干货，记得关注我，下期继续分享！

未来十年， ai 拼的是什么？不是参数规模，不是谁家大模型跑分更高。二零二六年， ai 竞争已经彻底变天了，以前我们比的是谁更会说，现在比的是谁更会做智能体。元年以来， ai 正从聊天机器人变成能规划、能执行、能闭环的数字员工。 第一，技术范式变了，从预测下一个词到预测世界下一状态，世界模型成为共识方向， ai 开始真正理解物理规律。第二，算力逻辑变了，不再是大算力的军备竞赛，而是推理效率的生死较量。谁能让托肯成本降下来，谁就能让应用跑起来。 第三，产业打法变了，全站制言正在让位于专业化分工。底层算力、通用模型、场景应用各司其职， 生态协调能力决定谁能活到最后。企业级应用正从概念验证走向规模化价值消费端在争夺那个 all in one 的 超级入口， 而聚生智能已经开始走进工厂，走进现实。未来十年， ai 拼的不是单项冠军，而是技术加算力加应用加生态的综合耐力。谁能率先跑通这个闭环，谁就能定义下一个时代。你准备好了吗？

大家有没有想过，未来十年 ai 到底拼的是什么？不是谁家模型参数大，而是能不能够帮咱实体店解决那些看不见的问题。 就拿我们快递驿站来说，最头疼的是什么？找丢件盘库存、找错取人。 现在用视觉 ai 输下取件码就能定位快递在哪里，摄像头旋转走一圈就能完成盘点，找下盘点历史就能知道丢件是什么时候被错取的一清二楚。 这背后靠的就是视觉 ai 的 落地能力，它能看清楚物理世界， 帮咱们填补管理盲区。未来十年，能解决真实场景痛点的 ai 才是真本事啊！您的驿站还在靠人肉找间吗？评论区聊聊，我帮您看。

未来十年， ai 拼的到底是什么？就在这五层架构里，最底层是能源层， ai 每生成一段内容都需要消耗电力，能源是 ai 运作的起点，同时也是其发展的最大瓶颈。 目前数据中心的用电量正在以惊人的速度攀升。第二层是芯片层，负责将电能转化为算力。 ai 对 芯片性能的要求极高，这也是那些科技巨头的核心竞争领域。芯片的性能直接决定了 ai 的 发展速度和潜力。第三层是基础设施层，也就是 ai 工厂， 这一层包括土地、供电系统、冷却设备以及算力调度平台等，是实际生产智能的关键所在。第四层是模型层，各种大模型、生物模型、物理模型以及专业领域的 ai 等都属于这一层。 开源模型的出现，更是激活了整个行业的发展，同时反向推动了芯片和能源的需求增长。最顶层是应用层，这是 ai 真正实现商业价值的地方。无论是生物医药、机器人、自动驾驶，还是未来的智能应用， ai 智能体都将逐步取代传统的模式，成为创新的核心驱动力。 一句话总结，能源打底、芯片驱动、基建支撑、模型发力、应用变现，五层逻辑环环相扣，这就是 ai 万亿赛道的全部真相。

未来十年 ai 大 比拼，不拼块头大，只拼真本领！小朋友们，你们一定见过会聊天、会画画、会讲故事的 ai 吧？ 最近，全球科技专家发布了一份关于人工智能 ai 的 未来报告，告诉我们一个超重要的秘密， 未来十年， ai 不 再比谁的脑袋更大、力气更猛，而是比谁更聪明、更省电、更安全、更会帮人类解决问题。这场 ai 大 赛已经悄悄拉开序幕了。 先给大家讲讲 ai 的 过去。过去几年，全世界都在给 ai 堆装备，比谁的电脑芯片更多，谁的模型参数更大， 就像小朋友比谁的积木更多，谁的书包更重。可科学家发现，光靠堆装备太浪费电、太花钱，而且很多 ai 只会背答案，不会真正解决生活里的小难题。 现在， ai 比赛已经升级，进入了更公平、更有用的新阶段。国际权威机构 gardener 的 数据显示，二零二六年，全球在 ai 上的投入将达到二点五二万亿美元，比二零二五年增长百分之四十四。这么多钱都用来让 ai 变得更厉害。 专家们说，未来十年， ai 比拼的是五大超能力，每一项都和我们的生活息息相关。第一项超能力是算效高，也就是省电又聪明。过去 ai 像大胖子，吃很多电才能干活。未来， ai 要变成小贱匠，用很少的电就能做更多事。 数据显示，到二零三零年，百分之七十的 ai 会在手机、机器人、汽车里直接工作，不用一直连云端，就像我们带着小笔记本就能学习，不用总跑图书馆一样。第二项超能力是数据好，也就是懂真知识。 以前 ai 靠网上的文字学习，未来要靠高质量的真实数据，还能用 ai 自己生成安全的虚拟数据。就像我们用优质绘本学习，比看杂乱的小纸条更有用。 到二零三零年， ai 用的合成数据会占到百分之七十，既能学到知识，又能保护大家的隐私。第三项超能力是会落地， 也就是能帮上忙。 ai 不 再只是实验室里的明星，要走进学校、家庭、工厂、医院，比如帮老师批改作业，帮医生检查身体，帮农民照顾庄稼。 现在已经有 ai 机器人在校园里巡逻，在图书馆帮忙找书。未来十年， ai 会成为我们身边最靠谱的小助手。 第四项超能力是够安全，也就是守规矩护大家。 ai 要学会保护隐私，不说错话，不做危险的事。我国已经搭建了立体密算体系，给 ai 穿上安全铠甲， 让数据可用不可见，就像我们的小秘密，被锁在安全的盒子里，只有正确的人才能打开。 第五项超能力是能创造，也就是有新想法。未来， ai 不 止会重复答案，还能帮我们设计新玩具，写小故事，探索太空和海洋，和人类一起创造新世界。 专家预测，二零二六年将成为百亿智能体之年，无数 ai 小 助手会走进各行各业，让生活更美好。 小朋友们， ai 的 未来充满惊喜，它不是来代替我们，而是来和我们一起成长的。真正厉害的 ai 是 温柔、有用、安全的 ai， 就 像我们要做聪明、善良、能干的小朋友一样。小朋友，你希望未来的 ai 帮你做什么事呢？ 你觉得 ai 和人类一起能创造出哪些奇妙的新东西？好了，希望你们喜欢今天的少儿时事每日听，如果你们对新闻特别感兴趣，可以告诉爸爸妈妈或者老师，让他们带你们深入了解哦。 少儿时事每日听，让世界在孩子们心中更美好，记得点个关注哦，我们下期再见！

未来十年， ai 拼的是什么？不是算力，也不是模型，而是这三个核心。第一拼落地能力， ai 能不能真正解决行业痛点， 比如医疗辅助诊断、工业质检。第二，拼数据安全，如何在保护隐私的前提下用好数据。第三，拼论理规范，避免算法偏见滥用，让 ai 真正服务人类。过去十年， ai 拼的事能不能用？未来十年拼的事好不好用？ 安不安全？值不值得信？只有落地到真实场景的 ai 才能走得更远。你觉得未来十年， ai 会改变你的生活吗？评论区聊聊。

未来十年， ai 拼的是什么？可能很多人会想到算力、算法、数据这些硬核指标，没错，这些是基础，但真正的决胜点 可能已经悄悄转移了。我们认为，未来十年， ai 最核心的比拼是落地能力，也就是说， ai 技术如何从实验室的论文，从炫酷的演示， 真正变成解决实际问题的产品和服务，拼的是谁能把 ai 用起来，用出价值，用出效率。具体来说，会体现在三个层面，第一是场景的深度结合，不再是泛泛的 ai 家， 而是深入到一个具体行业，比如医疗、制造、农业，去理解最痛的痛点，做出真正懂行的 ai。 第二是成本与易用性，让中小企业甚至个人都能以可负担的成本、 极低的技术门槛调用强大的 ai 能力，就像用电一样方便。第三，或许也是最重要 的是信任与责任，包括数据隐私、算法公平、安全可控，谁能建立起用户对 ai 系统的信任，谁才能真正赢得市场。所以，未来的 ai 竞赛是一场综合竞赛， 他需要技术专家，更需要行业专家、产品专家和论语学家。拼的不再是单一技术的突飞猛进，而是整个生态的构建能力，是将技术转化为社会生产力的能力。谁能在千行百业中扎下根，解决真问题，谁才有可能成为下一个十年的引领者。

未来十年的 ai 竞争将从参数规模的均被竞赛转向深层认知与物理世界的无缝集成。如果说过去几年是 ai 的 大爆发时期，那么未来十年则是 ai 进入执行 决策与情感共鸣的深水区。以下是对未来十年 ai 核心竞争点能力演进及应对策略的详细分析。 一、未来十年 ai 拼的是什么？未来十年的竞争核心将集中在以下四个维度，推理与逻辑。 reasoning 不 再仅仅是概率性的下一个词预测，而是具备慢思考、多步规划和自我纠错的能力。延伸多模态与聚深智能 and body 的 ai ai 将拥有身体 在物理世界中感知、移动并操作物体完成复杂的体力劳动。算力能效比与思域化 h a i 谁能用更低的能耗在观测手机、 机器人、汽车实现更强的智能，谁就掌握了入口。高质量数据的枯竭与合成。互联网公开数据将被用尽。未来的竞争在于如何获取高质量的垂直行业数据，以及生成高保真的合成数据。二、 ai 能力的深层演进未来十年 ai 的 能力将呈现出从辅助工具到独立智能体的跨越能力维度。现状，二零二四到二零二六未来，二零二六到二零三五逻辑思考容易出现幻觉，逻辑链调短系统二思维具备深度推理， 能解决复杂的数学和科学难题。创作生产纹身图短视频批量生产如 sara k l a n g。 全流程自动化，从构思、脚本拍摄到后期剪辑的闭环式独立创作。物理交互局限于数次世界。 物理引擎理解机器人能像人类一样处理家务，在工厂组装零件。个性化依赖 prompt 提示词，提供短期记忆， 数字孪生长期记忆， ai 完全了解你的性格习惯，成为终身数字助理。软件开发辅助写代码找 bug。 自主架构， ai 独立开发，测试并部署复杂的大型应用。 mvp 快 速迭代。 三、我们应该如何应对？面对 ai 的 深度渗透，个人与企业的应对策略应从对抗转向共生。 一、从执行者转变为定义者 ai 擅长回答问题，但人类擅长提出问题。 深耕提问力，学习如何拆解复杂问题，并将其转化为 ai 可执行的指令。掌握 mvp 思维，利用 ai 极低的代码和设计门槛， 快速将创意转化为最小可行性产品， mvp 进行商业验证。二、强化 ai 无法替代的人类特质尽管 ai 在 逻辑和创作上突飞猛进，但以下领域仍是人类的护城河。 复杂决策与责任承担 ai 可以 提供方案，但最终的法律和道德责任由人承担。 情感链接与深度社交、真实的共情领导力，以及建立深度人际关系的能力。审美与价值观判准， ai 可以 生成万千风格， 但什么是美的，什么是有意义的，由你决定。三、构建人机写作的工作流，批量化与自动化拥抱自动化工具，如 open call 或其他脚本工具，将重复性的数字劳动，如短视频剪辑资料搜集、英语单词记忆交给 ai。 知识内化，不要只把 ai 当成百科全书，要利用 ai 制作知识卡片或进行模拟对话，加速自身的认知升级。四、保持技术敏感度与心理韧性 ai 的 发展不是限性的，而是指数级的。保持对新技术如聚深智能脑机接口的关注，同时建立强大的心理韧性，接受终身学习成为常态。