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