一句话看懂
围绕 AI 的长期需求,TomorrowX Summit 2026 的嘉宾几乎没有明显分歧。真正悬而未决的是两件事:
- AI 投资最终以什么形式收回回报?
- 内存、电力、供应链和社会许可,允许算力扩张多快?
建设者谈的是“代际重构”,宏观投资人 Stan Druckenmiller 谈的是利率、信用和回报形式。两者并不矛盾,只是观察层级不同。
一、AI算力建设:铁路式扩张还是电信式泡沫?
看多方认为,当前算力建设更像持续数十年的铁路建设,而不是电信光纤行业曾经出现的无序过剩。高利率和供应链瓶颈本身就是降温阀,可以限制泡沫过快膨胀。
Stan Druckenmiller 的态度则更谨慎。他强调,自己退出市场主要是因为宏观环境,而不是看空 AI:
- 美联储政策预期从降息转向更高利率;
- 大宗商品由上涨转为回落;
- 信用利差扩大;
- 市场对未来一年的宏观路径缺乏清晰判断。
因此,他目前让股票多空头寸基本相抵,只持有少量美元,并做空铜。他给出的目标是先保住本金,而不是急于赚钱。
但他并没有否定 AI 的长期价值。相反,他认为 AI 商业化的下半场需要从“卖 Token”转向“卖任务”。
按 Token 计费的模型接口容易陷入价格战。真正有机会支撑巨额芯片、数据中心和折旧成本的,是由 Agent 集群直接承接网络安全、医疗等高壁垒任务,并按照确定的业务结果收费。
这也是全场最重要的未解问题:
需求增长,并不等于回报闭环已经成立。
二、需求端正在转向企业推理与 Agent
Lisa Su:没有通吃的单一架构
AMD 董事长兼首席执行官 Lisa Su 认为,未来不会由某一种架构通吃所有负载,关键在于为特定任务匹配合适的算力。
算力需求正在发生三项变化:
-
从预训练转向企业推理与 Agent 编排
早期资本开支主要集中在少数通用大模型的预训练。随着模型进入企业日常运营,算力消耗开始转向高频、分布式的企业推理和多步骤 Agent 工作流。
企业使用智能系统缩短研发周期、提升响应效率后,算力支出就不再只是试错成本,而会进入日常运营预算。
-
CPU重新成为系统调度中枢
当任务从静态矩阵计算转向动态 Agent 执行,系统需要频繁进行状态判断、逻辑跳转、工具调用和内存检索。这些任务依赖单线程响应速度、低延迟调度和高效的数据访问,因此需要高性能 CPU 充当调度中枢。
这意味着数据中心不会只围绕加速卡堆叠算力,而会重新回到“让合适的算力匹配合适负载”。
-
Chiplet与跨芯片迁移削弱单一生态锁定
二维晶体管微缩逐渐接近制造极限,单颗超大芯片面临良率和散热压力,行业开始转向模块化芯粒与多芯片先进封装。
同时,软件抽象层更加成熟,前沿模型能够在不同芯片架构之间迁移。例如,Claude 已经可以适配 AMD ROCm。软件生态壁垒因此出现软化趋势。
围绕 Agent编排与工具调用 的开发,正在成为企业推理落地的重要技术方向。
Michael Dell:算力必须靠近数据
Dell Technologies 创始人兼首席执行官 Michael Dell 认为:
今天的 AI 是它这辈子最差的一天,未来只会一天比一天更好。
他的判断建立在企业数据的现实约束之上。制造产线的精密公差、医疗机构的病理影像、银行的风控记录等敏感数据,通常不会完全离开企业自身控制范围,原因包括:
- 合规监管;
- 知识产权保护;
- 实时控制的网络延迟;
- 企业数据安全要求。
既然数据无法全部搬到公共云,算力就必须下沉到数据产生的现场。Michael Dell 表示,Dell Technologies 已经为全球 6,500 多家企业客户部署了本地“AI工厂”。
这些客户并不只是 AI 初创公司,也包括制造业、区域银行、医疗网络和物流企业。它们采购的不是一个抽象的聊天窗口,而是整合了加速卡、高速存储、网络和模型能力的本地化系统,并直接接入 ERP、生产系统和业务流程。
Guillermo Rauch:手写代码可能变成负债
Vercel 首席执行官 Guillermo Rauch 提供了软件生产侧的另一组观察。
据他介绍,Vercel 从成立到完成前 10 亿次软件部署用了大约 10 年,而在编码 Agent 普及后,平台只用了 4 个月就新增超过 12.5 亿次部署。
软件生产的边际成本正在趋近于零,行业由此走向“软件大充裕”。
在 Agent 主导的开发模式下,人工逐行编写的代码可能从核心资产变成维护负债。传统代码存在三个问题:
- 编写速度慢、成本高;
- 团队人员变化会留下难以维护的历史包袱;
- 代码规模扩大后,漏洞和安全维护成本持续增加。
当新代码几乎可以按需生成时,软件不必再像古董一样长期维护,而可以被视为随时重构的模块化组件。
这种变化也会影响安全和组织方式:
- 面对恶意 Agent 的自动化漏洞探测,人工安全团队可能无法及时响应,系统需要用安全对齐的防御 Agent 实时拦截攻击;
- 创业团队成立之初,就可以先搭建专属 AI 工作流,把用户引导、数据清洗和基础功能迭代封装进自动化流程。
这类 AI系统 的价值,不在于单次生成多少内容,而在于能否持续完成可衡量的业务任务。
“卖铲人”的局限
把 Lisa Su、Michael Dell 和 Guillermo Rauch 的观点放在一起,可以看到一条完整的扩张链:
- 芯片架构变得更加均衡;
- 企业把算力搬进本地机房;
- Agent 推动软件部署量快速增长。
但三位嘉宾分别来自芯片设计、企业服务器和云部署平台,都处于算力扩张的上游。他们提供的订单和部署数据证明需求正在增长,却没有回答下游客户的核心财务问题:
那些采购本地设备的企业,以及部署大量应用的开发者,有多少已经通过 AI 赚回了硬件折旧、电费和维护成本?
三、谨慎方的算盘:从“卖Token”到“卖任务”
Stan Druckenmiller:先看清宏观环境
Stan Druckenmiller 并不是技术怀疑者。2022 年底大模型崭露头角时,他曾经重仓核心 AI 硬件资产,并获得了第一波周期红利。
但在峰会上,他表示自己已经转入资本保全模式,选择“不玩了”。
他的判断主要来自宏观与信用环境:
- 利率预期发生反转;
- 铜价等大宗商品出现筑顶回落迹象;
- 企业债和高收益债信用利差扩大;
- 市场广度与指数表现出现背离。
他披露的仓位是:股票多空头寸基本相抵,持有少量美元多头并做空铜,整体处于防守状态。
他的风控原则很直接:看清方向时可以集中下注,一旦看不清市场,首先要保住本金,而不是为原有判断寻找解释。
AI商业模式需要交付结果
Druckenmiller 认为,“算力设施—大模型—按 Token 计费”的模式,可能无法消化上游巨额硬件和数据中心折旧。
Token 计费存在两个问题:
- 模型能力和开源生态持续发展,接口服务容易同质化;
- API 单价下行后,模型服务的毛利可能难以覆盖上游资本开支。
因此,他提出 AI 商业化要从“卖 Token”跨越到“卖任务”。
企业真正愿意支付高溢价的,不是消耗了多少算力,而是某项复杂业务是否被可靠解决。例如,网络安全未来可能需要数百个自主 Agent 组成全天候防御团队,持续巡检、对抗攻击并修补漏洞。
在这种模式下,模型实验室不再只是出租接口,而是直接承包商业结果。客户支付的依据,是“核心系统零入侵”或其他明确交付结果。
这类按结果收费的 AI Agent开发 模式,才可能为上游硬件和机房的折旧压力提供更坚实的出口。
四、算力扩张的三道硬约束
算力建设的上限不只取决于模型参数,还受到三层现实瓶颈限制:
- 芯片内部的内存、带宽和散热;
- 地面电力、电网和地方社区;
- 航天入轨成本和轨道基础设施。
1. 芯片内部:内存墙
算力集群的实际产出,不只取决于加速卡的浮点性能,也取决于数据搬运速度和封装散热能力。
Micron 首席执行官 Sanjay Mehrotra 对存储角色的概括是:
AI 的本质是智能,而智能必须由内存来激活与增强。
随着模型进入多模态和长上下文场景,数据吞吐量快速增长,但逻辑计算核心的进步速度长期超过内存总线带宽。结果是,价值数万美元的 GPU 可能处于“饥饿空转”状态:不是算得不够快,而是在等待数据。
为突破“内存墙”,行业普遍使用高带宽内存 HBM,通过硅通孔 TSV 把多层 DRAM 垂直堆叠在计算芯片附近。
但 Dr. Scott DeBoer 指出,紧贴式封装正在接近材料和热力学极限:
- 多层 DRAM 与高功耗 GPU 距离极近,局部发热量很高;
- 不同半导体层和粘合材料之间的热膨胀差异,可能导致翘曲、分层或焊点断裂;
- 散热和封装已经从后道工序变成决定芯片稳定性的关键环节。
Micron 正在攻坚真 3D DRAM,即直接在单晶圆结构上垂直构建电容与晶体管,预计 2028 至 2029 年实现规模化突破。
供应关系也在变化。Micron 表示,面向 2027 年的先进内存产能已有超过 75% 被长期客户锁定,2027 至 2028 年的供需紧张程度可能高于 2026 年。长期供应协议的客户承诺已达到 320 亿美元,其中多数为现金预付,对应约 1,500 亿美元的未来合同收入。
这意味着内存可能逐步从周期性商品转变为预付费战略资产。
不过,供应商的乐观判断也存在反例。Qualcomm 已经设计使用更便宜内存的 AI 芯片,HBM 溢价能否长期维持仍不确定。
2. 地面工地:电力、选票与社区利益
当单座数据中心的规划容量达到吉瓦级,建设就不再只是商业采购,而会牵动:
- 电网负荷;
- 水资源分配;
- 土地审批;
- 地方就业;
- 居民电费;
- 地方选举。
Meta 总裁兼副董事长 Dina Powell McCormick 认为,数据中心不能只靠国家安全或技术进步的口号推进,必须重新分配项目收益。
以路易斯安那州项目为例,Meta 采取了几项做法:
- 自筹资金建设发电和并网设施,减少对本地存量电网的挤占;
- 通过与公用事业机构合作,争取降低周边居民电费;
- 将部分经济收益投向公立教育;
- 为当地教师发放 5 万美元专项奖金;
- 在社区大学设立学徒培训项目。
但这些安排仍需谨慎理解。路易斯安那州多数教师获得的 5 万美元奖金,来自建设期销售税短期增加,并不代表长期机制已经建立。
当地电费也存在争议。一份报告认为,相关规则可能允许开发商只承担新电力设施约 50% 的成本,其余部分可能转嫁给用户;电力公司 Entergy 则表示居民电费会下降。
Dina Powell McCormick 还承认,随着中期选举结束,新建数据中心可能面临更多审查。
数据中心扩张的关键问题因此变成:
谁承担电力和基础设施成本,谁获得项目收益?
3. 近地轨道:把算力搬离地面
SpaceX 选择了另一条路线:绕开地面电力、审批和散热约束,把算力送入近地轨道。
其基本逻辑是:
- 轨道环境可以获得更稳定的太阳能;
- 可以通过辐射方式散热;
- 不需要消耗大量地面冷却水;
- 不受地方土地和电网审批直接限制;
- 可以通过星链激光网络回传计算结果。
SpaceX 首席财务官 Bret Johnsen 表示,当前地面顶尖数据中心的综合建造成本约为每瓦 50 至 60 美元,其中很大一部分来自变压器扩容、高压线路、冷却管网和环保审批。
为保障 xAI 位于孟菲斯的 Colossus 超算集群通电,SpaceX 采取了高度垂直整合的方式,包括自建电缆和变电站,甚至在内部工厂制造燃气轮机叶片。
轨道算力仍处于早期阶段。SpaceX 计划在 2027 年发射首批轨道算力卫星,初期使用 Nvidia 芯片。
必须区分已完成的验证和远期路线图。2026 年 11 月 14 日,SpaceX 曾首次用发射塔架机械臂接住星舰上面级,但同一次飞行中,一级助推器因低燃料警报中止回收,被捕获的上面级也尚未完成复飞验证。
因此,“两级完全快速复用后将入轨成本降低 100 倍”仍是目标,不是已经验证的商业结果。
| 对比维度 |
地面妥协路线:Meta |
近地轨道路线:SpaceX |
| 核心思路 |
在现有电网和社区规则内,用资金让利换取许可 |
跳出地面资源和审批限制,把算力送入轨道 |
| 能源与散热 |
自建地面发电设施,依赖水冷或液冷 |
太阳能供电,依靠深空辐射散热,减少水耗 |
| 主要瓶颈 |
电网扩容、土地与水资源审批、每瓦 50 至 60 美元建设成本 |
火箭复用、抗辐射硬件、天基维护和通信带宽 |
| 当前进度 |
已进入吉瓦级园区施工与社区协议阶段 |
计划 2027 年发射首批轨道算力卫星 |
Meta 与 SpaceX 代表了同一约束下的两种解法:前者付出成本换取社区许可,后者试图离开地面。
五、实体产业:软件逻辑不能直接平移
数字世界可以接近零边际成本,但制造、物流和重工业仍然受到材料、距离、人工、设备和现场环境限制。
Travis Kalanick:实体产业是“原子的计算机”
Atoms 创始人、前 Uber 首席执行官 Travis Kalanick 把制造、工业地产和物流分别类比为计算机的 CPU、存储和网络:
| 计算机组件 |
实体工业对应环节 |
Atoms 业务载体 |
| CPU |
制造业 |
机器人厨房流水线与精密硬件加工 |
| Storage |
工业地产 |
全球餐饮与物流地产节点 |
| Networking |
物流运输 |
无人矿卡与自动化配送车队 |
Atoms 重点关注两个行业:
- 自动化厨房:通过机器人烹饪和集中配送,将热餐交付成本压低到接近买菜做饭;
- 无人露天采矿:让重达 200 万磅的矿用卡车在复杂环境中自主运行,目标之一是建设“零人员入井矿区”,降低矿难和工伤风险。
实体智能还可能推动制造业回流。机器人高负荷运行时,会出现微米级磨损、热膨胀和传感器故障,这些问题需要工程师和产线人员以天为单位协同调试。
控制代码、模具和设备必须快速联动调整。因此,试制工厂往往需要靠近研发团队。制造回流并不只是地缘政治口号,也与实体设备的迭代速度直接相关。
自动化也不会简单地消灭所有工作。随着常规施工人员减少,能够处理复杂管道错位、公差干涉和现场异常的资深工人,反而可能更加稀缺。
Tony Xu:最后十米决定配送盈亏
DoorDash 联合创始人兼首席执行官 Tony Xu 认为,客运自动驾驶和即时配送之间存在一个常被忽视的差异:
乘客可以自己走到车旁,但墨西哥卷饼、热咖啡和香蕉不会自己从后备箱出来,穿过草坪、输入门禁密码,再爬上三楼。
自动驾驶在干线或主干道上解决了大部分标准化路程,但真正决定配送成败的是最后十米的非标准环境。
当业务从餐饮外卖扩展到生鲜杂货,复杂度会进一步上升:
- 超市拥有大量实时变化的 SKU;
- 生鲜成熟度不断变化;
- 冷链有严格时效;
- 货架缺货可能以分钟为单位发生。
算法不能违背重力、距离和红绿灯。技术是否值得部署,最终要看单笔订单能否实现盈亏平衡。
无论是人行道机器人、无人机中继,还是超市拣货路径优化,每项技术都必须在微薄毛利中节省出真实成本。无法解决最后十米,算法就只能停在马路边。
六、技术能否落地,还取决于人心
算力、资本和工程能力并不是技术扩张的全部条件。技术还必须:
- 让普通人理解它的价值;
- 让社区看见现实收益;
- 尊重个体体面;
- 避免权力过度集中。
Guy Oseary:技术需要讲清楚“为什么”
Sound Ventures 联合创始人 Guy Oseary 回忆,ChatGPT 出现不久后,他见到了刚离开 OpenAI、创立 Anthropic 的 Dario Amodei。
当时 Anthropic 还没有收入,缺少成熟的商业模型,但 Guy Oseary 仍凭借对创始人的判断投资了 3,500 万美元。
他用唱片行业的经验解释这次投资:听过大量试唱后,歌手唱到副歌的瞬间,听众能感受到作品是否真正成立。在技术早期,商业计划书往往只是草稿,创始人的判断力、专注力和克制同样重要。
但他也提醒科技公司,参数规模和性能跑分并不是全部。当硬件和模型能力逐渐趋同,科技企业真正的护城河可能是:
- 讲清楚技术价值的能力;
- 与普通人建立情感连接的能力;
- 让公众理解技术如何影响房贷、教育和医疗的能力。
如果大众只看到巨头争抢芯片、消耗大量电力,却无法理解技术与自身生活的关系,技术就容易引发社会抵触。
智能眼镜与脑机接口:从宏大叙事回到个体生活
Dina Powell McCormick 分享过一段智能眼镜辅助视障人士的经历。
一位服役期间失明的退伍老兵,佩戴搭载多模态 AI 的 Ray-Ban Meta 智能眼镜来到纪念碑前。眼镜识别墙面上的文字,并在他耳边读出:
Freedom is not free(自由并非没有代价)。
对这位失明多年的老人来说,技术的意义不是增加一个聊天窗口,而是让他重新依靠自己的感知理解眼前的世界。
Neuralink 的 Telepathy 脑机接口则展示了另一种可能。部分因脊髓损伤而瘫痪的患者,可以通过大脑运动皮层信号控制屏幕光标、玩游戏,甚至操控机械臂拿起水杯。
不过,Telepathy 的临床应用与 Blindsight 仍需区分。Blindsight 设想绕过受损眼球和视神经,通过外部摄像头向大脑视觉皮层传递信号,目前仍属于研发愿景。按照相关设想,早期可能只能产生类似电子游戏的粗糙像素画面,未来才有机会逐步提高分辨率。
Travis Kalanick:要工具,不要“AI霸主”
Travis Kalanick 进一步提出,技术帮助个人,并不意味着技术权力会自动归还个人。
如果 AI 被少数巨头高度垄断,并且缺乏制衡,它可能变成高高在上的“AI霸主”。社会真正需要的是赋予普通人自由的 AI,而不是掌控一切的中央集权式系统。
理想的 AI 应该像电力和扳手一样,成为普通工人、街边商户和创业者手中的工具,扩大个人行动和创造能力,而不是把大多数人变成被算法调度的附庸。
七、未来两三年的观察清单
TomorrowX Summit 2026 没有给出 AI 终局答案。芯片厂商在扩产,宏观投资人选择防守,航天公司尝试把算力送入轨道,创业者则在车间和街头处理最具体的现实问题。
未来两三年,可以重点观察三件事。
1. AI商业回报能否从Token转向任务
前沿模型实验室和软件企业,能否从按 Token 计费的接口价格战,转向端到端交付业务任务?
下游企业是否愿意为明确结果付费,而不是只为模型调用次数付费?
2. 地面资源能否承接算力扩张
2027 至 2028 年,HBM 先进内存的供应是否继续紧张?3D DRAM 能否按计划走出实验室?
吉瓦级数据中心能否通过自建电源、社区让利和地方协议,真正取得电网与居民许可?
3. 轨道算力能否进入商业验证
星舰能否在一级助推器稳定回收和上面级复飞方面跑通闭环?
SpaceX 计划于 2027 年发射的首批轨道算力卫星,能否按期入轨并解决芯片、散热、通信和维护问题?
峰会开场曾提出一个选择:人类最终走向《星际迷航》式的丰裕繁荣,还是滑向《终结者》式的失控毁灭?
答案不在任何一家公司的发布会上,而在未来几年里:
- 商业逻辑能否真正跑通;
- 现实约束能否被工程化解决;
- 技术最终站在普通人的哪一边。