未来十年AI拼的是什么5路路通

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。

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！

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！

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，它需要技术专家，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。

未来十年世界将变成什么样？华为给出了答案，这就是华为刚刚发布的未来十年十大技术趋势及系列报告，智能世界 二零三五和全球数字化指数二零二五。这是华为邀请一百多位专家学者召开两百多场研讨会，梳理联合国世界经济论坛等多家权威机构数据，最终勾勒出未来十年技术发展蓝图，皆是人工智能、算力、通信、能源等领域的 颠覆性改革，以及这些改革将对教育、医疗、金融、制造等行业产生的重大影响。报告中提到，全球 ai 智能体将达到九千亿，全社会算力增长十万倍， ai 存储容量提升五百倍，通信连接数量提升一百倍，新能源发电量占比将超五 五十，还会诞生融合衍生人类无感的智能交互等，这意味着未来十年人类将正式迈入数字化新时代。 今天咱们详细解读这份未来十年预测报告，以及我们的生活会发生哪些改变。报告中，华为提出十大技术趋势，可看作未来十年科技发展路线图。 趋势一， a g a 通用人工智能将从数字世界走向物理世界 a g a 被定义为未来十年最具变格性的驱动力量。目前我们使用的 ai 多局限于图像识别、语言翻译等特定领域，未来 a g i 要像人类一样理解和适应真实物理环境，比如能自主处理家庭突发状况的机器人、能在工厂灵活应对设备故障的智能系统。只有扎根物理世界的 agi 才能真正成为改变生产生活的核心力量。趋势二， ai 智能体将从执行工具变成决策伙伴 现在的 ai 智能体是被动执行指令的工具，未来随着大模型能力升级，将具备长城推理和多场景协调能力，主 主动帮我们做决策。企业可结合市场数据、生产进度，获得最优供应链调整方案。个人可根据健康数据日常安排自动规划每日事项，更好平衡健康。娱乐与工作趋势三，人机协调编程呈主流开发模式， 程序员的工作模式将发生转变，人类负责顶层设计与创新，代码编辑等繁琐工作交由 ai 完成，就像农民从亲手刨地变为只决定种什么，播种、养护、收割等环节全部交给机器 事。四，人机交互方式从点屏幕变成无感交互未来交互将融合视觉、听觉、嗅觉、味觉、触觉，告别触屏键盘，实现更自然的无感交流，正常说话可控制家电手势比划，可查看全息投影文件，触摸虚拟物品也能获得真实手感。交互体 将全面升级。趋势五，手机 app 会消失或换一种形式存在未来，手机软件将从独立功能实体变成 ai 驱动的服务节点，用户提出需求， ai 自动调用票务、导航、酒店等服务，无需手动打开多个 app 直接给出完整方案。手机不再是软件容器，而是智能服务入口。趋势六， l four 自动驾驶走入生活汽车变成移动第三空间当前新能源汽车多为 l two 辅助驾驶，并非真正自动驾驶。 未来十年，随着世界模型等技术突破， l four 自动驾驶将普及，汽车不再只是交通工具，而是可办公、休闲、娱乐的移动生活空间。趋势期，算力爆发十年十万倍增。算力爆发不靠堆砌 g p u， 而是突破传统冯飞诺伊曼架构束缚， 在计算架构、材料器械、工程工艺、计算范式四大层面实现颠覆性创新，最终催生新型计算，带动算力 十万倍增长。趋势八， ai 存储数据成为新燃料，需求增长五百倍。数据是 ai 的 燃料，二零三五年， ai 存储容量需求将是二零二五 年的五百倍，占总存储需求七十以上。 ai 将自动判断数据保存周期，完成压缩与整理，让数据从被动存储变为主动服务。趋势九，通信网络从连接人变成连接九千亿个智能体。当前通信主要连接全球八 八十多亿人，二零三五年，连接对象将扩展到九千亿。智能体覆盖智能家居、工业传感器、自动驾驶汽车等， 移动互联网将升级为智能体。互联网趋势时，能源革命新能源与 ai 重构能源体系，二零三五年，可再生能源、太阳能、风能等发电量占比将突破五十，成为能源主力。 ai 将成为新能源系统管理者，实时调配电网负荷，实现高效低碳的能源管理。 报告还预测，二零三五年， ai 将助力预防超八十的慢性病，超九十的中国家庭拥有智能机器人，八十五 的企业应用 ai 劳动生产率提升六十。华为还将全球数字化指数 gdi 升级为 gdi， 构建包含 i、 c、 t 基础设施、行业应用、算力、人才等维度的评估模型，用于衡量国家数字化水平。有人疑惑华为为何发布这份预测报告，华为长务董事汪涛表示，探索未知是为了照亮前行道路， 遇见未来，是为了毛定共同方向。从十大技术趋势到数字化指数，华为正以实际行动推动全球共建智能世界。未来十年，不仅是科技与数字化的升级，更是人类文明的又一次跃升。关注我，带你了解世界风云与中国发展！

未来十年 ai 拼什么？不是算力，不是参数，不是模型大小，百分之九十九的人都被忽悠了。如果你还觉得谁 gpu 多，谁模型大谁就赢，那你注定被时代淘汰。 今天这条视频，我直接把未来十年 ai 的 决胜逻辑一次性讲透，看完你就明白，谁能活到最后，谁能赚走最大的红利。先问大家一个问题，过去五年 ai 拼的事能不能出来？未来十年 ai 拼的事能不能用起来？这句话值一百万，先给我打在公屏上。 从二零二六到二零三六， ai 的 战争已经彻底变天，不再是实验室里的数字游戏，而是真刀真枪的落地战争、价值战争、效率战争。我总结出四个核心决胜点，每一个都决定生死。 第一，拼算效，不拼算力。以前大家疯狂堆参数、堆显卡，比谁更烧钱，未来没用了。未来比的是单位能耗、单位成本、单位体积里的智能密度， 谁能用更低的成本、更小的设备跑出更强的效果，谁才是王者？手机、汽车、机器人、工厂设备， ai 必须塞进物理世界，低成本离线能用大规模铺开，这才是真本事。 第二，拼数据不拼，公开数据，公开文本早就被榨干了。未来的 ai 壁垒是，私域数据、行业数据、真实场景数据、 医疗金融、工业制造，谁能拿到高价值私有数据，谁能把垃圾数据变成黄金资产，谁就能卡住别人的脖子，合成数据数据飞轮，数据闭环，这才是真正的护城河。 第三，拼，认知不拼生成，只会写文案、画画、聊天的 ai 马上烂大街。未来拼的是推理、规划、纠错、因果世界模型是 ai， 能不能自己思考，自己解决问题，自己完成复杂任务， 能做科学研究，能做工业控制，能做长期决策，这才是下一代智能。第四，拼落地，不拼概念，资本不买单，企业不买单，市场只认一件事，能不能降本？能不能增效？能不能赚钱？ ai 走出屏幕，走进工厂，走进汽车，走进家庭，走进医疗，变成具身，智能变成 ai， 智能体，变成真正的生产力。 谁能把技术变成真金白银的产业价值，谁就是最终赢家。我再送你一句终极金句，过去十年， ai 拼的是大未来十年， ai 拼的是用过去拼技术，未来拼价值，过去拼概念，未来拼生死。 未来十年，不是 ai 淘汰人，是会用 ai 的 人淘汰不会用 ai 的 人。能落地 ai 的 企业，淘汰只会吹概念的企业。觉得我说得透的评论区，打通透两个字，点赞、收藏这条视频，至少让你少走三年弯路！

这几天张老师总是刷到大家讨论未来十年 ai 到底拼的是什么？张老师身处 ai 行业，也来说说自己的一个看法，那我认为未来 ai 行业不是比谁的模型更大，算力更猛，也不是推参数炫技术， 那真正拼的是这四样，大家点赞收藏加关注一下。第一，拼的是好用，能够落地，能干活，能帮企业，能够赚钱，那不是花架子，是真正的生产。第二，拼的是数据，谁掌握了高质量高价值的行业数据，谁就有 ai 的 核心护城河啊。 第三，拼的安全靠谱，不幻觉，不泄密，可控可转合规，才是活下去的底气。那第四一点，拼的就是效率了，同样的算力，谁更省电，更快、更便宜，谁就能普及到千家万户。 那简单来说，以前 ai 拼的是能不能，那未来的十年，你拼的是稳不稳，值不值，用不用得起？看懂这一点，你就看懂下一个十年。

黄仁轩竟然发长文了！细思极恐的是，黄仁轩上一次亲自写长文，是二零一六年的十月，整整十年前。那时候英伟达的股价三十美金，那时候 g p t 还不存在， ai 在 大多人眼里还是科幻片。当时老黄在文章里写的是什么呢？写的是 gpu 正在改变计算，写的是深度学习，需要新的架构。当时有几个人看懂了 后来的故事，我们都知道了，英伟达市值涨了整整二百五十倍，但真正让我后背发凉了。不是后悔啊，是所有的密码，当时就写在那篇公开的博客里，任何人都能读到同一份信息，不同的认知，完全不同的命运。 所以，当老黄在二零二六年三月十号又亲自敲下一篇长文的时候，我心里只有一个念头，十年前，他告诉我们的东西值二百五十倍。这一次，他说什么， 我给你简单总结一下，老黄把 ai 拆成了五层能源芯片，就是设施、模型和应用。很多人说，哦，这就分层嘛，各管各的。但你仔细读它的原文，它反复强调一句话， 每一个成功的应用都会向下拉动它下面所有层，一直延伸到维持它运转的发电厂。 什么意思？五层不是静态的，是动态的，是相互咬合，相互拉动的。我给你举个例子，你就懂了。第一步，应用再拉动模型。 最近出了个东西，叫 opencloud ai， agent 能自己操纵电脑，自己点鼠标，自己填表格。这玩意儿一出来，应用层直接炸了。但问题是， agent 要七成二十四小时运转，每分每秒都在消耗 tucker， 成本高到什么程度？网上有个笑话，就是养一只 ai 龙虾的成本比养一个研究生还贵，这不是段子啊，当大家都在抱怨太贵的时候，压力就传到了下一层。 第二步，模型层被追着跑。盗币芯片层。 openai 最近发了个数据， g p d 五点四，在某些 a g。 的 任务上， token 消耗比潜在少了百分之四十七。为什么拼命要降 token 的 消耗呢？因为应用层的成本压力已经传导到了模型层，模型层必须想办法 更高的架构，更便宜的推理，而模型层的效率提升，最终靠什么呢？靠芯片层对吧？所以第三步，芯片层的进步，又反过来拉动基础设施和能源。这一次，英伟达要发布下一代 gpu 架构 freeman， 命名来自物理学家费曼啊。采用台积电一点六纳米制成全球首款一点六纳米的 ai 芯片， 预计二零二八年正式推出。但这次 g d c。 会首次公开预览。它的核心参数是什么？单颗功耗突破五千瓦。 五千瓦是什么概念？相当于你家同时开五十个电暖气，塞进指甲盖大小的空间里。为什么做到五千瓦呢？不是因为咱喜欢做电暖气啊，是因为模型层在喊，我要更便宜、更快的算力， 那芯片层只能把功耗往上堆，把性能往上拉。然后呢？五千瓦的芯片，现有的供电体系根本撑不住啊。所以供电要从二百二十伏提到八百伏，跟高铁一个等级。 散热材料要从铜升级到金刚石，因为只有钻石能扛住这种热度。终极方案呢？黄仁勋说，核电站以后，每个 ai 工厂旁边可能都得配一个小型核反应堆， 你看，应用拉动了模型，模型拉动了芯片，芯片拉的基础设施，基础设施拉动了能源，这就是老黄说的，每一层都在拉动，其他层一直拉到发电厂。所以五层蛋糕。这张图不是科普，是资源索取图。任何一个爆款应用出现，他都会向下层层索取，索取更聪明的模型，索取更便宜的芯片， 索取更大的数据中心，索取更多的电，最终全部压在能源这一层上。这就是为什么老黄在文章里写了一句话， 能源是 ai 的 第一性原理，也是系统能产生多少智能的根本约束。你想让 ai 变聪明，先问电网答不答应。 而这项资源索取，正在创造两类巨大的机会。第一个机会是老黄听我说的， ai 需要电工、水管工、管道工、钢结构工人、网络技术人员、安装人员、运维人员，这些都是高技能、高收入的工作岗位，目前严重短缺。你不需要博士，不需要懂代码儿。 美国现在数据中心电工时薪已经涨到八十美元，还招不到人。这不是 ai 在 抢工作，这是 ai 在 创造一种全新的蓝领黄金时代。 第二类机会是底层资源的重构，每一层都在向下索取最底层的能源，土地、冷却、供电标准全都要重写。这背后是数万亿美元的投资，迈克希做到二零三零年，全球数据中心投资可能达到六点七万亿，这不是泡沫，这是基建。 最后啊，回到二零一六年和二零二六年的对比。二零一六年，老黄写扑克的时候，英伟达三十美金，他当时说的 gpu 改变计算，后来被验证了。 二零二六年，他又写了一篇他在说什么，他在说 ai 不是 软件，不是模型，不再是应用。 ai 正在变成人类历史上最大规模的重工业。五层蛋糕就是这张重工业的资源索取图， 十年前，看懂的人拿到了二百五十倍。这一次，你看懂了吗？三月十七号凌晨两点， g t c 二零二六老黄依然会穿着他的皮夹克走上台。未来十年波澜壮阔的时代普景正在徐徐展开。

老方家长注意啊，未来十年 ai 大 洗牌，拼的不是刷题，不是死记硬背，是孩子的底层的竞争力。那现在还在逼孩子十科分数，真的要醒一醒了， ai 还能写作业，能搜答案，能算题， 你家孩子背的单词，记的公式？ ai 啊，一秒就有，那未来真正的拼什么，就三点，句句扎心啊，但对老方孩子啊，非常有用。第一，拼学习力，不是学多少啊，是会不会学啊，能不能快速的抓住重点啊，考点 啊，中考高考，考的就是举一反三，不是死记。第二，拼思维力，会独立思考，会提问，能判断，不被 ai 带偏，这才是拉开差距的关键。第三，拼规划力，廊坊中考分流，想进一中、进管中、进事务中的，靠的不是临时抱佛脚，是从小的路径规划。 咱们南方家长啊，谁不想让孩子晚上高中考上好大学？但现在的真现实啊，只会刷题的孩子最先被 ai 替代，有方法有思维有规划的孩子 才能一路领跑。中考就那么多名额，重点高中啊，也就那么些名额，别人在抓能力做规划，你还在死记硬背，怎么比 ai 啊，不是敌人，是工具，怎么也不用焦虑，只要抓对这三件事，第一抓基础单词公式，核心考点要打牢。第二抓方法， 会总结，会复盘，高效的学习。第三抓规划，初中冲优质高中，高中冲考上大学，一步不慌。南方的家长， ai 时代拼的不是勤奋，是方向， 不想孩子被分流，不想疯狂掉队，点赞转发，把这条视频转发给身边初三初二小学的家长。评论区打规划，我一对一给你出升学方案！关注我，南方升学就找大熊，下期见！

家人们黄仁勋亲自发长文了。细思极恐的是，他上一次写长文还是二零一六年，整整十年前，当时英伟达股价才三十美金， ai 还是科幻片，老黄说 gpu 会改变计算，可没几个人看懂。 后来呢，英伟达市值涨了两百五十倍，所有密码早就写在那篇公开播课里，认知不同，命运天差地别。 二零二六年三月十号，老黄再发长文，这次他把 ai 拆成五层，能源、芯片、基础设施、模型、应用。重点不是分层，是他反复强调的，每个成功应用都会向下拉动所有层，直到发电厂。举个例子，最近 open ai agent 火了， 能自己操作电脑填表格，但七成二十四小时运转号 token 成本极高，压力直接传到模型层，模型层要降成本，就倒逼芯片层升级。 这次英伟达要发一点六纳米新 gpu， 单颗功耗五千瓦，相当于五十个电暖气塞指甲盖里，只为满足算力需求。这就倒逼供电升到八百伏，散热用金刚石终极方案，甚至要配小型核反应堆。这五层不是静态的，是层层索取的资源图， 而能源就是 ai 的 第一性原理。机会也来了，一是蓝领黄金时代，数据中心电工时薪八十美元，还招不到人，不用懂代码也能拿高工资。二是底层资源重构， 二零三零年，全球数据中心投资达六点七万亿美元。十年前，看懂老黄的人赚了两百五十倍。这次他在说， ai 正在变成人类最大规模的重工业。三月十七号， gtc 二零二六，老黄登场，未来十年的机会，你看懂了吗？

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。

未来十年 ai 拼的是什么？黄润勋的一席话又让大家引爆了，我想说的是，未来十年 ai 投的是什么？别被这个黄润勋的五层蛋糕给唠晕了。 核心逻辑， ai 发展一定要看人性，顺着人性和人类进步的方向啊，所有不符合刚需的 ai 其实都是昙花一现。 首先抓重点啊，第一，最上层的蛋糕， ai 应用啊，应用端一定有非常多人性的东西啊，但我重点抓一个，生命科学啊，爱美，健康长寿，减肥，其实这些都是人的刚性需求。 第二啊，就人类，你肯定想很多，简单方便啊，所以你人类的智能体啊，人形的机器人啊，自动驾驶啊啊，这些都是符合人性的。 第二，既然有这么多的需求啊，算力底座，基础建设，这个是逃不掉的 啊，所以这个已经大家谈的比较多了，我也不赘述啊。第三啊，算力的终点是能源啊，所以我们把未来能源这一块也得好好的跟上啊，包括这个电力啊，储能啊，这些都是必须绑定的。 最后，要把眼光看向太空啊，未来十年我觉得是人类走向太空的十年啊，包括商业航天啊，太空光伏，这些都是人类文明升级的机遇。 所以总结啊，就是应用端抓生灵科学和智能体，以及人性机器人这样的，呃，硬需求，底层看算力和能源啊，格局一定要拉到太空，这才是未来十年的硬投资。