1
00:00:00,000 --> 00:00:09,000
更多时候,人民需要的是足够强,同时便宜、稳定、能部署,并且不会因为地区限制、产品分层或者政策变化突然断工的模型。

2
00:00:09,000 --> 00:00:16,500
Hello大家好,我是Jacky。最近Answerpik,也就是Cloud背后的公司,被曝在澳洲寻找大规模数据中心。

3
00:00:16,500 --> 00:00:26,000
它已经和澳大利亚政府签了AI的合作文件。据媒体报道,Answerpik还在接触大约1.4级瓦级别的数据中心容量。

4
00:00:26,000 --> 00:00:29,760
这个新闻其实放在日新月异的AI全很容易被掩埋

5
00:00:29,760 --> 00:00:31,460
但我觉得它真正有一次地方

6
00:00:31,460 --> 00:00:35,540
是把AI竞争从模型榜单拉回了物理世界

7
00:00:35,540 --> 00:00:39,740
Anthorpik是一个最会写代码写文章做推理的AI公司

8
00:00:39,740 --> 00:00:41,700
但它下一个最关心的东西

9
00:00:41,700 --> 00:00:43,860
开始变成了哪里有地哪里有电

10
00:00:43,860 --> 00:00:45,720
哪里能接上数据中心

11
00:00:45,720 --> 00:00:49,020
过去我们总是在问谁的模型更加聪明

12
00:00:49,020 --> 00:00:50,380
谁的推理能力更强

13
00:00:50,380 --> 00:00:51,760
但随着AI的发展

14
00:00:51,760 --> 00:00:53,000
中美都发现

15
00:00:53,000 --> 00:00:55,160
如果AI最后变成一种

16
00:00:55,160 --> 00:00:56,600
可以被大规模部署

17
00:00:56,600 --> 00:00:57,740
持续调用

18
00:00:57,740 --> 00:00:59,320
按token计价的能力

19
00:00:59,320 --> 00:01:02,880
那竞争的范围就远不止是模型本身

20
00:01:02,880 --> 00:01:04,920
而是谁能把这种能力

21
00:01:04,920 --> 00:01:08,060
以低成本稳定大规模的供给出去

22
00:01:08,060 --> 00:01:09,480
那如果把模型

23
00:01:09,480 --> 00:01:10,860
API和智能体

24
00:01:10,860 --> 00:01:13,280
看成是AI公司卖出去的产品

25
00:01:13,280 --> 00:01:15,620
那背后的生产函数很清晰

26
00:01:15,620 --> 00:01:16,640
芯片是机器

27
00:01:16,640 --> 00:01:18,320
数据中心是厂房

28
00:01:18,320 --> 00:01:19,480
算法是工艺

29
00:01:19,480 --> 00:01:20,540
数据是配方

30
00:01:20,540 --> 00:01:24,080
而电力就是持续消耗的生产资料

31
00:01:24,080 --> 00:01:25,140
虚拟一个模型

32
00:01:25,140 --> 00:01:26,700
本质上是在把电

33
00:01:26,700 --> 00:01:27,740
芯片时间

34
00:01:27,740 --> 00:01:29,280
数据和算法工艺

35
00:01:29,280 --> 00:01:31,500
压缩成一组模型权重

36
00:01:31,500 --> 00:01:33,460
那么这个模型每推理一次

37
00:01:33,460 --> 00:01:35,640
本质上就是在把电和算力

38
00:01:35,640 --> 00:01:37,820
持续换成一个又一个token

39
00:01:37,820 --> 00:01:40,140
所以Answerpik去找数据中心

40
00:01:40,140 --> 00:01:40,780
找电力

41
00:01:40,780 --> 00:01:42,200
这件事它一点都不奇怪

42
00:01:42,200 --> 00:01:43,700
我们之前太习惯

43
00:01:43,700 --> 00:01:46,200
把AI想象成云上的魔法了

44
00:01:46,200 --> 00:01:48,000
好像模型只要足够聪明

45
00:01:48,000 --> 00:01:49,360
它就能无限复制

46
00:01:49,360 --> 00:01:50,120
无限扩张

47
00:01:50,120 --> 00:01:52,400
但现实根本不是这个样子

48
00:01:52,400 --> 00:01:54,560
IEA的报告里有个很直观的数字

49
00:01:54,560 --> 00:01:58,560
全球数据中心用电到2030年预计会翻倍

50
00:01:58,560 --> 00:02:01,400
到大约945泰瓦时

51
00:02:01,400 --> 00:02:04,540
美国能源部LBNL的报道也提到过

52
00:02:04,540 --> 00:02:07,140
美国数据中心在2023年

53
00:02:07,140 --> 00:02:10,940
已经消耗了美国大约4.4%的总用电量

54
00:02:10,940 --> 00:02:15,580
到了2028年可能会上升至6.7%到12%

55
00:02:15,580 --> 00:02:19,160
你再看Answerpick自己今年2月份的公开承诺

56
00:02:19,160 --> 00:02:23,480
他说愿意承担自家数据中心带来的消费者定价上涨

57
00:02:23,480 --> 00:02:25,960
还愿意支付电网升级的成本

58
00:02:25,960 --> 00:02:28,820
那以前的软件公司扩张用户多了

59
00:02:28,820 --> 00:02:32,120
无非就是服务器带宽云成本上去一点

60
00:02:32,120 --> 00:02:34,860
而现在一个前沿模型公司的扩张

61
00:02:34,860 --> 00:02:37,380
可能会直接改变一个市一个州

62
00:02:37,380 --> 00:02:39,840
甚至一个电网区域的复合结构

63
00:02:39,840 --> 00:02:42,600
那如果你在审视中美AI发展的时候

64
00:02:42,600 --> 00:02:43,720
带上这个视角

65
00:02:43,720 --> 00:02:48,000
那中美AI的差异就不只是谁的模型能力更强了

66
00:02:48,000 --> 00:02:53,280
而是谁更能把模型能力做成长期低成本稳定可用的供给

67
00:02:53,280 --> 00:02:54,980
先来说美国

68
00:02:54,980 --> 00:02:57,540
美国在AI领域确实是领跑者

69
00:02:57,540 --> 00:02:58,260
OpenAI

70
00:02:58,260 --> 00:02:59,100
Answerpick

71
00:02:59,100 --> 00:03:03,620
谷歌这些公司仍然在定义最前沿必源模型的节奏

72
00:03:03,620 --> 00:03:04,700
更重要的是

73
00:03:04,700 --> 00:03:08,100
美国它拥有一整套前沿AI的产业配套

74
00:03:08,100 --> 00:03:08,540
英伟达

75
00:03:08,540 --> 00:03:10,160
AMD这样的芯片公司

76
00:03:10,160 --> 00:03:10,900
AWS

77
00:03:10,900 --> 00:03:12,540
Google Cloud这样的云平台

78
00:03:12,540 --> 00:03:14,200
包括成熟的开发者生态

79
00:03:14,200 --> 00:03:17,160
以及愿意持续砸大钱的资本市场

80
00:03:17,160 --> 00:03:19,840
Stanford AI Index 2026 里也能看到

81
00:03:19,840 --> 00:03:24,800
美国在有影响力模型的数量和私人 AI 投资上仍然非常领先

82
00:03:24,800 --> 00:03:28,840
2025 年美国机构产生了59个有影响力的模型

83
00:03:28,840 --> 00:03:30,340
中国是35个

84
00:03:30,340 --> 00:03:33,540
私人 AI 投资这一块美国也明显是高得多

85
00:03:33,540 --> 00:03:37,100
所以如果你只是问最强的必源模型是谁做出来的

86
00:03:37,100 --> 00:03:39,100
那我觉得在很长一段时间里

87
00:03:39,100 --> 00:03:41,120
这个答案大概率还是美国

88
00:03:41,120 --> 00:03:43,580
不过这条路线的代价也日渐凸显

89
00:03:43,580 --> 00:03:47,020
伯克利Lab今年的并广对立数据

90
00:03:47,020 --> 00:03:48,060
很能说明这个问题

91
00:03:48,060 --> 00:03:49,520
到2025年底

92
00:03:49,520 --> 00:03:54,720
美国有超过2060几瓦的发电和储能项目

93
00:03:54,720 --> 00:03:55,840
在排队接入电网

94
00:03:55,840 --> 00:03:56,740
注意啊

95
00:03:56,740 --> 00:03:58,180
这不是已经能用的电

96
00:03:58,180 --> 00:04:00,960
而是还在排队等着接入电网的项目

97
00:04:00,960 --> 00:04:01,680
而在过去

98
00:04:01,680 --> 00:04:05,620
2000年到2020年申请进入对立的容量

99
00:04:05,620 --> 00:04:09,500
你到了2025年真正商业运营的只有13%

100
00:04:09,500 --> 00:04:12,820
美国的基础建设效率可见一斑

101
00:04:12,820 --> 00:04:14,100
真的是太慢了

102
00:04:14,100 --> 00:04:16,640
这个就是美国AI的现实处境

103
00:04:16,640 --> 00:04:18,100
它不是没有模型

104
00:04:18,100 --> 00:04:20,200
也不是完全见不动电力

105
00:04:20,200 --> 00:04:22,820
而是前沿AI的负载太大

106
00:04:22,820 --> 00:04:23,800
增长太快

107
00:04:23,800 --> 00:04:26,440
开始和美国分散的电网体系

108
00:04:26,440 --> 00:04:27,900
漫长的审批周期

109
00:04:27,900 --> 00:04:29,280
地方电价争议

110
00:04:29,280 --> 00:04:31,140
包括输电瓶颈发生冲突

111
00:04:31,140 --> 00:04:33,600
美国的AI公司很快可以出到钱

112
00:04:33,600 --> 00:04:34,680
可以买到芯片

113
00:04:34,680 --> 00:04:36,420
但基础设施的建设速度

114
00:04:36,420 --> 00:04:38,440
不会像模型版本一样

115
00:04:38,440 --> 00:04:39,800
几个月就结在一次

116
00:04:39,800 --> 00:04:42,340
而是按照年甚至几年为单位的

117
00:04:42,340 --> 00:04:44,620
而中国的AI路线

118
00:04:44,620 --> 00:04:46,820
我认为很可能不会复制美国这条路

119
00:04:46,820 --> 00:04:49,200
中国的AI方面当然有巨大的差距

120
00:04:49,200 --> 00:04:50,900
尤其是高端GPU

121
00:04:50,900 --> 00:04:51,560
HBM

122
00:04:51,560 --> 00:04:52,400
先进制程

123
00:04:52,400 --> 00:04:54,000
云上高端酸力的供给

124
00:04:54,000 --> 00:04:56,080
这些都是应约数

125
00:04:56,080 --> 00:04:57,780
但中国模型这两年的进步

126
00:04:57,780 --> 00:04:58,940
有一个非常明显的特点

127
00:04:58,940 --> 00:05:02,420
如果美国的顶级BN模型是100分

128
00:05:02,420 --> 00:05:04,820
那中国厂商在不断的

129
00:05:04,820 --> 00:05:07,780
把85分90分的开源模型能力

130
00:05:07,780 --> 00:05:09,880
做的明显更便宜

131
00:05:09,880 --> 00:05:10,620
更开放

132
00:05:10,620 --> 00:05:11,640
更容易部署

133
00:05:11,640 --> 00:05:13,780
还是斯坦福AI Index 2026

134
00:05:13,780 --> 00:05:15,440
有一个观点我觉得很值得看

135
00:05:15,440 --> 00:05:17,720
中美顶级模型的能力差距

136
00:05:17,720 --> 00:05:19,060
已经明显缩小了

137
00:05:19,060 --> 00:05:20,220
2025年以来

138
00:05:20,220 --> 00:05:22,560
中美模型多次交换领先位置

139
00:05:22,560 --> 00:05:23,880
他甚至提到了

140
00:05:23,880 --> 00:05:25,640
截至2026年3月

141
00:05:25,640 --> 00:05:27,440
美国顶级模型

142
00:05:27,440 --> 00:05:29,500
相对中国顶级模型的领先

143
00:05:29,500 --> 00:05:31,700
大约只有2.7%

144
00:05:31,700 --> 00:05:33,280
当然这个2.7%

145
00:05:33,280 --> 00:05:34,380
不是说中国模型

146
00:05:34,380 --> 00:05:36,000
已经全面追上美国了

147
00:05:36,000 --> 00:05:37,980
那不同榜单侧的东西也不一样

148
00:05:37,980 --> 00:05:39,480
但它至少说明了一件事

149
00:05:39,480 --> 00:05:41,720
就是中美的模型能力

150
00:05:41,720 --> 00:05:45,100
已经不是三年前那种一眼看不到边的差距了

151
00:05:45,100 --> 00:05:47,540
那如果你再看开放权重模型

152
00:05:47,540 --> 00:05:50,440
Artificial Analyst今年6月的文章里

153
00:05:50,440 --> 00:05:53,360
GLM 5.2在它的Intelligent Index上

154
00:05:53,360 --> 00:05:56,480
成为领先的开放权重模型之一

155
00:05:56,480 --> 00:05:58,320
并且在一些企业任务评测里

156
00:05:58,320 --> 00:06:00,980
它已经进入了高能力低成本的区间

157
00:06:00,980 --> 00:06:02,600
这个例子能说明一个方向

158
00:06:02,600 --> 00:06:05,000
就是中国模型不只是追宝

159
00:06:05,000 --> 00:06:07,760
它是在把接近前沿模型的能力

160
00:06:07,760 --> 00:06:11,380
用更开放更低成本的方式来释放出来

161
00:06:11,380 --> 00:06:14,280
而这条路线比很多人想象的重要

162
00:06:14,280 --> 00:06:17,720
因为市场并不总是直卖最强的

163
00:06:17,720 --> 00:06:20,420
很多企业开发者出这场景

164
00:06:20,420 --> 00:06:24,000
其实不需要世界第一聪明的模型

165
00:06:24,000 --> 00:06:26,480
前段时间你但凡狠狠登过

166
00:06:26,480 --> 00:06:28,720
非波5模型的人应该会有同感

167
00:06:28,720 --> 00:06:30,920
那个token的消耗真的可怕

168
00:06:30,920 --> 00:06:32,180
成本真的很高

169
00:06:32,180 --> 00:06:35,060
更多时候人们需要的是足够强

170
00:06:35,060 --> 00:06:37,400
同时便宜稳定能部署

171
00:06:37,400 --> 00:06:39,380
并且不会因为地区限制

172
00:06:39,380 --> 00:06:41,260
产品分层或者政策变化

173
00:06:41,260 --> 00:06:42,540
突然断工的模型

174
00:06:42,540 --> 00:06:45,580
这个就是中国开放模型的长期价值

175
00:06:45,580 --> 00:06:47,060
这不是低端替代

176
00:06:47,060 --> 00:06:51,200
而是中国模型更能够把AI能力去产业化和规模化

177
00:06:51,200 --> 00:06:54,780
而一旦你把AI看成工业化的供给

178
00:06:54,780 --> 00:06:59,720
那电力和基础设施就变成了中国这边非常重要的一张牌

179
00:06:59,720 --> 00:07:01,980
国家能源局2025年的数据很夸张

180
00:07:01,980 --> 00:07:08,100
2025年中国可再生能源新增装机4.52亿千瓦

181
00:07:08,100 --> 00:07:11,480
占全国电力新增装机的83%

182
00:07:11,480 --> 00:07:14,480
其中太阳能新增3.18亿千瓦

183
00:07:14,480 --> 00:07:16,880
风力新增1.2亿千瓦

184
00:07:16,880 --> 00:07:18,060
到2025年底

185
00:07:18,060 --> 00:07:22,020
中国可再生能源的装机会达到23.4亿千瓦

186
00:07:22,020 --> 00:07:25,260
大约占全国总装机的60%

187
00:07:25,260 --> 00:07:27,733
所以能感知到中国在能源

188
00:07:27,733 --> 00:07:30,913
所以能感知到,中國在能源和基礎設施上的動員能力非常的強。

189
00:07:30,913 --> 00:07:35,253
那隨著模型能力越來越強,訓練新模型肯定是仍然重要的。

190
00:07:35,253 --> 00:07:38,853
但推理過程的成本會變成AI發展的關鍵變量。

191
00:07:38,853 --> 00:07:43,453
因为只要AI真正进入企业办公教育等等越来越多的场景

192
00:07:43,453 --> 00:07:49,073
那AI公司未来最大的账单很可能不是训练一个模型要花多少钱

193
00:07:49,073 --> 00:07:53,973
而是每天几十亿几百亿丝的调用单位成本能不能压下来

194
00:07:53,973 --> 00:07:55,253
Token听起来抽象

195
00:07:55,253 --> 00:08:00,333
但它就是AI能力被调用被计费被规模化交付的最小单位

196
00:08:00,333 --> 00:08:03,353
未来AI如果真的变成了基础设施

197
00:08:03,353 --> 00:08:06,933
那谁能把每一次Token的成本压下来

198
00:08:06,933 --> 00:08:08,993
谁就能让AI覆盖更多场景

199
00:08:08,993 --> 00:08:10,593
这也是为什么我会觉得

200
00:08:10,593 --> 00:08:13,533
未来中美AI很可能不是一个

201
00:08:13,533 --> 00:08:17,233
B元打败开元或者开元打败B元的故事

202
00:08:17,233 --> 00:08:20,033
更可能是两套市场长期并存

203
00:08:20,033 --> 00:08:21,593
最顶级的B元模型

204
00:08:21,593 --> 00:08:25,033
继续服于科研复杂推理和最前沿的agent

205
00:08:25,033 --> 00:08:26,293
它们会很贵

206
00:08:26,293 --> 00:08:27,373
会分层

207
00:08:27,373 --> 00:08:28,453
会有访问门槛

208
00:08:28,453 --> 00:08:31,173
同时也会继续代表模型能力的天花板

209
00:08:31,173 --> 00:08:32,613
但更大的市场

210
00:08:32,613 --> 00:08:34,493
可能是企业内部的流程

211
00:08:34,493 --> 00:08:35,433
自由化的部署

212
00:08:35,433 --> 00:08:36,353
本地化的应用

213
00:08:36,353 --> 00:08:38,213
一些相对低成本的智能体

214
00:08:38,213 --> 00:08:40,073
大规模的推理和调用

215
00:08:40,073 --> 00:08:42,493
这里要的它不是世界第一聪明

216
00:08:42,493 --> 00:08:45,453
而是够强稳定便宜可控

217
00:08:45,453 --> 00:08:48,393
Cloud最大的问题就在这里

218
00:08:48,393 --> 00:08:49,593
它不是不强

219
00:08:49,593 --> 00:08:52,453
但如果一个模型公司依赖的是最强模型

220
00:08:52,453 --> 00:08:54,333
可以一直卖出稀缺溢价

221
00:08:54,333 --> 00:08:56,513
它就会不断的被重新定价

222
00:08:56,513 --> 00:08:59,773
被OpenAI的下一代币源模型重新定价

223
00:08:59,773 --> 00:09:03,493
被DeepSeek这样便宜量大的开源模型重新定价

224
00:09:03,493 --> 00:09:06,353
被中国一批又一批开源模型重新定价

225
00:09:06,353 --> 00:09:08,633
你最强当然是有很大价值的

226
00:09:08,633 --> 00:09:10,993
但如果别人用便宜很多的价格

227
00:09:10,993 --> 00:09:12,453
做到你八九成的能力

228
00:09:12,453 --> 00:09:13,453
还能私有部署

229
00:09:13,453 --> 00:09:16,233
还不受你这套访问规则的约束

230
00:09:16,233 --> 00:09:18,213
那很多真实的生产场景

231
00:09:18,213 --> 00:09:19,873
就会开始重新算账了

232
00:09:19,873 --> 00:09:21,193
那这个账一算

233
00:09:21,193 --> 00:09:24,193
AI竞争就已经从互联网逻辑

234
00:09:24,193 --> 00:09:26,353
进入了能源工业的逻辑

235
00:09:26,353 --> 00:09:28,233
而在能源工业的逻辑里

236
00:09:28,233 --> 00:09:32,293
最重要的是产能成本和供应稳定性

237
00:09:32,293 --> 00:09:34,993
所以Cloud去欧洲找电这件事

238
00:09:34,993 --> 00:09:36,673
表面看是一个AI公司

239
00:09:36,673 --> 00:09:38,073
要扩数据中心

240
00:09:38,073 --> 00:09:39,073
但往身里看

241
00:09:39,073 --> 00:09:40,253
它是在提醒我们

242
00:09:40,253 --> 00:09:43,053
模型并不是浮在云上的魔法

243
00:09:43,053 --> 00:09:44,973
AI公司卖的是智能

244
00:09:44,973 --> 00:09:46,973
但它每天消耗的是电

245
00:09:46,973 --> 00:09:48,253
抢的是芯片

246
00:09:48,253 --> 00:09:50,633
租的是实实在在的厂房

247
00:09:50,633 --> 00:09:52,573
所以我认为中美的AI竞争

248
00:09:52,573 --> 00:09:54,933
不能只看谁的模型最聪明

249
00:09:54,933 --> 00:09:56,573
还要结合访问限制

250
00:09:56,573 --> 00:09:57,773
单位Token的价格

251
00:09:57,773 --> 00:09:58,633
还有要观察

252
00:09:58,633 --> 00:10:01,333
应用市场是不是真的愿意为最强模型

253
00:10:01,333 --> 00:10:02,513
付出高昂一家

254
00:10:02,513 --> 00:10:05,253
我认为从0到1的创新

255
00:10:05,253 --> 00:10:07,013
和从1到10的落地

256
00:10:07,013 --> 00:10:08,713
这两条路的竞争

257
00:10:08,713 --> 00:10:10,953
也许会一直持续下去

258
00:10:10,953 --> 00:10:11,373
OK

259
00:10:11,373 --> 00:10:13,393
那本期视频的主要人就这么多了

260
00:10:13,393 --> 00:10:15,733
大家伙日常在用哪个模型最多

261
00:10:15,733 --> 00:10:17,953
也可以打在评论或者弹幕上

262
00:10:17,953 --> 00:10:18,673
我们分享一下

263
00:10:18,673 --> 00:10:19,953
如果喜欢本期视频的话

264
00:10:19,953 --> 00:10:20,973
请到点赞朋友订阅我的话

265
00:10:20,973 --> 00:10:21,573
我是JK

266
00:10:21,573 --> 00:10:22,313
我们下期视频见

267
00:10:22,313 --> 00:10:22,693
祝你好运

268
00:10:22,693 --> 00:10:23,513
拜拜