start	end	text
0	9000	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。
9000	16500	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。
16500	26000	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。
26000	29760	这个新闻其实放在日新月异的AI全很容易被掩埋
29760	31460	但我觉得它真正有一次地方
31460	35540	是把AI竞争从模型榜单拉回了物理世界
35540	39740	Anthorpik是一个最会写代码写文章做推理的AI公司
39740	41700	但它下一个最关心的东西
41700	43860	开始变成了哪里有地哪里有电
43860	45720	哪里能接上数据中心
45720	49020	过去我们总是在问谁的模型更加聪明
49020	50380	谁的推理能力更强
50380	51760	但随着AI的发展
51760	53000	中美都发现
53000	55160	如果AI最后变成一种
55160	56600	可以被大规模部署
56600	57740	持续调用
57740	59320	按token计价的能力
59320	62880	那竞争的范围就远不止是模型本身
62880	64920	而是谁能把这种能力
64920	68060	以低成本稳定大规模的供给出去
68060	69480	那如果把模型
69480	70860	API和智能体
70860	73280	看成是AI公司卖出去的产品
73280	75620	那背后的生产函数很清晰
75620	76640	芯片是机器
76640	78320	数据中心是厂房
78320	79480	算法是工艺
79480	80540	数据是配方
80540	84080	而电力就是持续消耗的生产资料
84080	85140	虚拟一个模型
85140	86700	本质上是在把电
86700	87740	芯片时间
87740	89280	数据和算法工艺
89280	91500	压缩成一组模型权重
91500	93460	那么这个模型每推理一次
93460	95640	本质上就是在把电和算力
95640	97820	持续换成一个又一个token
97820	100140	所以Answerpik去找数据中心
100140	100780	找电力
100780	102200	这件事它一点都不奇怪
102200	103700	我们之前太习惯
103700	106200	把AI想象成云上的魔法了
106200	108000	好像模型只要足够聪明
108000	109360	它就能无限复制
109360	110120	无限扩张
110120	112400	但现实根本不是这个样子
112400	114560	IEA的报告里有个很直观的数字
114560	118560	全球数据中心用电到2030年预计会翻倍
118560	121400	到大约945泰瓦时
121400	124540	美国能源部LBNL的报道也提到过
124540	127140	美国数据中心在2023年
127140	130940	已经消耗了美国大约4.4%的总用电量
130940	135580	到了2028年可能会上升至6.7%到12%
135580	139160	你再看Answerpick自己今年2月份的公开承诺
139160	143480	他说愿意承担自家数据中心带来的消费者定价上涨
143480	145960	还愿意支付电网升级的成本
145960	148820	那以前的软件公司扩张用户多了
148820	152120	无非就是服务器带宽云成本上去一点
152120	154860	而现在一个前沿模型公司的扩张
154860	157380	可能会直接改变一个市一个州
157380	159840	甚至一个电网区域的复合结构
159840	162600	那如果你在审视中美AI发展的时候
162600	163720	带上这个视角
163720	168000	那中美AI的差异就不只是谁的模型能力更强了
168000	173280	而是谁更能把模型能力做成长期低成本稳定可用的供给
173280	174980	先来说美国
174980	177540	美国在AI领域确实是领跑者
177540	178260	OpenAI
178260	179100	Answerpick
179100	183620	谷歌这些公司仍然在定义最前沿必源模型的节奏
183620	184700	更重要的是
184700	188100	美国它拥有一整套前沿AI的产业配套
188100	188540	英伟达
188540	190160	AMD这样的芯片公司
190160	190900	AWS
190900	192540	Google Cloud这样的云平台
192540	194200	包括成熟的开发者生态
194200	197160	以及愿意持续砸大钱的资本市场
197160	199840	Stanford AI Index 2026 里也能看到
199840	204800	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
204800	208840	2025 年美国机构产生了59个有影响力的模型
208840	210340	中国是35个
210340	213540	私人 AI 投资这一块美国也明显是高得多
213540	217100	所以如果你只是问最强的必源模型是谁做出来的
217100	219100	那我觉得在很长一段时间里
219100	221120	这个答案大概率还是美国
221120	223580	不过这条路线的代价也日渐凸显
223580	227020	伯克利Lab今年的并广对立数据
227020	228060	很能说明这个问题
228060	229520	到2025年底
229520	234720	美国有超过2060几瓦的发电和储能项目
234720	235840	在排队接入电网
235840	236740	注意啊
236740	238180	这不是已经能用的电
238180	240960	而是还在排队等着接入电网的项目
240960	241680	而在过去
241680	245620	2000年到2020年申请进入对立的容量
245620	249500	你到了2025年真正商业运营的只有13%
249500	252820	美国的基础建设效率可见一斑
252820	254100	真的是太慢了
254100	256640	这个就是美国AI的现实处境
256640	258100	它不是没有模型
258100	260200	也不是完全见不动电力
260200	262820	而是前沿AI的负载太大
262820	263800	增长太快
263800	266440	开始和美国分散的电网体系
266440	267900	漫长的审批周期
267900	269280	地方电价争议
269280	271140	包括输电瓶颈发生冲突
271140	273600	美国的AI公司很快可以出到钱
273600	274680	可以买到芯片
274680	276420	但基础设施的建设速度
276420	278440	不会像模型版本一样
278440	279800	几个月就结在一次
279800	282340	而是按照年甚至几年为单位的
282340	284620	而中国的AI路线
284620	286820	我认为很可能不会复制美国这条路
286820	289200	中国的AI方面当然有巨大的差距
289200	290900	尤其是高端GPU
290900	291560	HBM
291560	292400	先进制程
292400	294000	云上高端酸力的供给
294000	296080	这些都是应约数
296080	297780	但中国模型这两年的进步
297780	298940	有一个非常明显的特点
298940	302420	如果美国的顶级BN模型是100分
302420	304820	那中国厂商在不断的
304820	307780	把85分90分的开源模型能力
307780	309880	做的明显更便宜
309880	310620	更开放
310620	311640	更容易部署
311640	313780	还是斯坦福AI Index 2026
313780	315440	有一个观点我觉得很值得看
315440	317720	中美顶级模型的能力差距
317720	319060	已经明显缩小了
319060	320220	2025年以来
320220	322560	中美模型多次交换领先位置
322560	323880	他甚至提到了
323880	325640	截至2026年3月
325640	327440	美国顶级模型
327440	329500	相对中国顶级模型的领先
329500	331700	大约只有2.7%
331700	333280	当然这个2.7%
333280	334380	不是说中国模型
334380	336000	已经全面追上美国了
336000	337980	那不同榜单侧的东西也不一样
337980	339480	但它至少说明了一件事
339480	341720	就是中美的模型能力
341720	345100	已经不是三年前那种一眼看不到边的差距了
345100	347540	那如果你再看开放权重模型
347540	350440	Artificial Analyst今年6月的文章里
350440	353360	GLM 5.2在它的Intelligent Index上
353360	356480	成为领先的开放权重模型之一
356480	358320	并且在一些企业任务评测里
358320	360980	它已经进入了高能力低成本的区间
360980	362600	这个例子能说明一个方向
362600	365000	就是中国模型不只是追宝
365000	367760	它是在把接近前沿模型的能力
367760	371380	用更开放更低成本的方式来释放出来
371380	374280	而这条路线比很多人想象的重要
374280	377720	因为市场并不总是直卖最强的
377720	380420	很多企业开发者出这场景
380420	384000	其实不需要世界第一聪明的模型
384000	386480	前段时间你但凡狠狠登过
386480	388720	非波5模型的人应该会有同感
388720	390920	那个token的消耗真的可怕
390920	392180	成本真的很高
392180	395060	更多时候人们需要的是足够强
395060	397400	同时便宜稳定能部署
397400	399380	并且不会因为地区限制
399380	401260	产品分层或者政策变化
401260	402540	突然断工的模型
402540	405580	这个就是中国开放模型的长期价值
405580	407060	这不是低端替代
407060	411200	而是中国模型更能够把AI能力去产业化和规模化
411200	414780	而一旦你把AI看成工业化的供给
414780	419720	那电力和基础设施就变成了中国这边非常重要的一张牌
419720	421980	国家能源局2025年的数据很夸张
421980	428100	2025年中国可再生能源新增装机4.52亿千瓦
428100	431480	占全国电力新增装机的83%
431480	434480	其中太阳能新增3.18亿千瓦
434480	436880	风力新增1.2亿千瓦
436880	438060	到2025年底
438060	442020	中国可再生能源的装机会达到23.4亿千瓦
442020	445260	大约占全国总装机的60%
445260	447733	所以能感知到中国在能源
447733	450913	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。
450913	455253	那隨著模型能力越來越強,訓練新模型肯定是仍然重要的。
455253	458853	但推理過程的成本會變成AI發展的關鍵變量。
458853	463453	因为只要AI真正进入企业办公教育等等越来越多的场景
463453	469073	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
469073	473973	而是每天几十亿几百亿丝的调用单位成本能不能压下来
473973	475253	Token听起来抽象
475253	480333	但它就是AI能力被调用被计费被规模化交付的最小单位
480333	483353	未来AI如果真的变成了基础设施
483353	486933	那谁能把每一次Token的成本压下来
486933	488993	谁就能让AI覆盖更多场景
488993	490593	这也是为什么我会觉得
490593	493533	未来中美AI很可能不是一个
493533	497233	B元打败开元或者开元打败B元的故事
497233	500033	更可能是两套市场长期并存
500033	501593	最顶级的B元模型
501593	505033	继续服于科研复杂推理和最前沿的agent
505033	506293	它们会很贵
506293	507373	会分层
507373	508453	会有访问门槛
508453	511173	同时也会继续代表模型能力的天花板
511173	512613	但更大的市场
512613	514493	可能是企业内部的流程
514493	515433	自由化的部署
515433	516353	本地化的应用
516353	518213	一些相对低成本的智能体
518213	520073	大规模的推理和调用
520073	522493	这里要的它不是世界第一聪明
522493	525453	而是够强稳定便宜可控
525453	528393	Cloud最大的问题就在这里
528393	529593	它不是不强
529593	532453	但如果一个模型公司依赖的是最强模型
532453	534333	可以一直卖出稀缺溢价
534333	536513	它就会不断的被重新定价
536513	539773	被OpenAI的下一代币源模型重新定价
539773	543493	被DeepSeek这样便宜量大的开源模型重新定价
543493	546353	被中国一批又一批开源模型重新定价
546353	548633	你最强当然是有很大价值的
548633	550993	但如果别人用便宜很多的价格
550993	552453	做到你八九成的能力
552453	553453	还能私有部署
553453	556233	还不受你这套访问规则的约束
556233	558213	那很多真实的生产场景
558213	559873	就会开始重新算账了
559873	561193	那这个账一算
561193	564193	AI竞争就已经从互联网逻辑
564193	566353	进入了能源工业的逻辑
566353	568233	而在能源工业的逻辑里
568233	572293	最重要的是产能成本和供应稳定性
572293	574993	所以Cloud去欧洲找电这件事
574993	576673	表面看是一个AI公司
576673	578073	要扩数据中心
578073	579073	但往身里看
579073	580253	它是在提醒我们
580253	583053	模型并不是浮在云上的魔法
583053	584973	AI公司卖的是智能
584973	586973	但它每天消耗的是电
586973	588253	抢的是芯片
588253	590633	租的是实实在在的厂房
590633	592573	所以我认为中美的AI竞争
592573	594933	不能只看谁的模型最聪明
594933	596573	还要结合访问限制
596573	597773	单位Token的价格
597773	598633	还有要观察
598633	601333	应用市场是不是真的愿意为最强模型
601333	602513	付出高昂一家
602513	605253	我认为从0到1的创新
605253	607013	和从1到10的落地
607013	608713	这两条路的竞争
608713	610953	也许会一直持续下去
610953	611373	OK
611373	613393	那本期视频的主要人就这么多了
613393	615733	大家伙日常在用哪个模型最多
615733	617953	也可以打在评论或者弹幕上
617953	618673	我们分享一下
618673	619953	如果喜欢本期视频的话
619953	620973	请到点赞朋友订阅我的话
620973	621573	我是JK
621573	622313	我们下期视频见
622313	622693	祝你好运
622693	623513	拜拜