WEBVTT

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。

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。

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。

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

00:00:29.760 --> 00:00:31.460
但我觉得它真正有一次地方

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

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

00:00:39.740 --> 00:00:41.700
但它下一个最关心的东西

00:00:41.700 --> 00:00:43.860
开始变成了哪里有地哪里有电

00:00:43.860 --> 00:00:45.720
哪里能接上数据中心

00:00:45.720 --> 00:00:49.020
过去我们总是在问谁的模型更加聪明

00:00:49.020 --> 00:00:50.380
谁的推理能力更强

00:00:50.380 --> 00:00:51.760
但随着AI的发展

00:00:51.760 --> 00:00:53.000
中美都发现

00:00:53.000 --> 00:00:55.160
如果AI最后变成一种

00:00:55.160 --> 00:00:56.600
可以被大规模部署

00:00:56.600 --> 00:00:57.740
持续调用

00:00:57.740 --> 00:00:59.320
按token计价的能力

00:00:59.320 --> 00:01:02.880
那竞争的范围就远不止是模型本身

00:01:02.880 --> 00:01:04.920
而是谁能把这种能力

00:01:04.920 --> 00:01:08.060
以低成本稳定大规模的供给出去

00:01:08.060 --> 00:01:09.480
那如果把模型

00:01:09.480 --> 00:01:10.860
API和智能体

00:01:10.860 --> 00:01:13.280
看成是AI公司卖出去的产品

00:01:13.280 --> 00:01:15.620
那背后的生产函数很清晰

00:01:15.620 --> 00:01:16.640
芯片是机器

00:01:16.640 --> 00:01:18.320
数据中心是厂房

00:01:18.320 --> 00:01:19.480
算法是工艺

00:01:19.480 --> 00:01:20.540
数据是配方

00:01:20.540 --> 00:01:24.080
而电力就是持续消耗的生产资料

00:01:24.080 --> 00:01:25.140
虚拟一个模型

00:01:25.140 --> 00:01:26.700
本质上是在把电

00:01:26.700 --> 00:01:27.740
芯片时间

00:01:27.740 --> 00:01:29.280
数据和算法工艺

00:01:29.280 --> 00:01:31.500
压缩成一组模型权重

00:01:31.500 --> 00:01:33.460
那么这个模型每推理一次

00:01:33.460 --> 00:01:35.640
本质上就是在把电和算力

00:01:35.640 --> 00:01:37.820
持续换成一个又一个token

00:01:37.820 --> 00:01:40.140
所以Answerpik去找数据中心

00:01:40.140 --> 00:01:40.780
找电力

00:01:40.780 --> 00:01:42.200
这件事它一点都不奇怪

00:01:42.200 --> 00:01:43.700
我们之前太习惯

00:01:43.700 --> 00:01:46.200
把AI想象成云上的魔法了

00:01:46.200 --> 00:01:48.000
好像模型只要足够聪明

00:01:48.000 --> 00:01:49.360
它就能无限复制

00:01:49.360 --> 00:01:50.120
无限扩张

00:01:50.120 --> 00:01:52.400
但现实根本不是这个样子

00:01:52.400 --> 00:01:54.560
IEA的报告里有个很直观的数字

00:01:54.560 --> 00:01:58.560
全球数据中心用电到2030年预计会翻倍

00:01:58.560 --> 00:02:01.400
到大约945泰瓦时

00:02:01.400 --> 00:02:04.540
美国能源部LBNL的报道也提到过

00:02:04.540 --> 00:02:07.140
美国数据中心在2023年

00:02:07.140 --> 00:02:10.940
已经消耗了美国大约4.4%的总用电量

00:02:10.940 --> 00:02:15.580
到了2028年可能会上升至6.7%到12%

00:02:15.580 --> 00:02:19.160
你再看Answerpick自己今年2月份的公开承诺

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

00:02:23.480 --> 00:02:25.960
还愿意支付电网升级的成本

00:02:25.960 --> 00:02:28.820
那以前的软件公司扩张用户多了

00:02:28.820 --> 00:02:32.120
无非就是服务器带宽云成本上去一点

00:02:32.120 --> 00:02:34.860
而现在一个前沿模型公司的扩张

00:02:34.860 --> 00:02:37.380
可能会直接改变一个市一个州

00:02:37.380 --> 00:02:39.840
甚至一个电网区域的复合结构

00:02:39.840 --> 00:02:42.600
那如果你在审视中美AI发展的时候

00:02:42.600 --> 00:02:43.720
带上这个视角

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

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

00:02:53.280 --> 00:02:54.980
先来说美国

00:02:54.980 --> 00:02:57.540
美国在AI领域确实是领跑者

00:02:57.540 --> 00:02:58.260
OpenAI

00:02:58.260 --> 00:02:59.100
Answerpick

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

00:03:03.620 --> 00:03:04.700
更重要的是

00:03:04.700 --> 00:03:08.100
美国它拥有一整套前沿AI的产业配套

00:03:08.100 --> 00:03:08.540
英伟达

00:03:08.540 --> 00:03:10.160
AMD这样的芯片公司

00:03:10.160 --> 00:03:10.900
AWS

00:03:10.900 --> 00:03:12.540
Google Cloud这样的云平台

00:03:12.540 --> 00:03:14.200
包括成熟的开发者生态

00:03:14.200 --> 00:03:17.160
以及愿意持续砸大钱的资本市场

00:03:17.160 --> 00:03:19.840
Stanford AI Index 2026 里也能看到

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

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

00:03:28.840 --> 00:03:30.340
中国是35个

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

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

00:03:37.100 --> 00:03:39.100
那我觉得在很长一段时间里

00:03:39.100 --> 00:03:41.120
这个答案大概率还是美国

00:03:41.120 --> 00:03:43.580
不过这条路线的代价也日渐凸显

00:03:43.580 --> 00:03:47.020
伯克利Lab今年的并广对立数据

00:03:47.020 --> 00:03:48.060
很能说明这个问题

00:03:48.060 --> 00:03:49.520
到2025年底

00:03:49.520 --> 00:03:54.720
美国有超过2060几瓦的发电和储能项目

00:03:54.720 --> 00:03:55.840
在排队接入电网

00:03:55.840 --> 00:03:56.740
注意啊

00:03:56.740 --> 00:03:58.180
这不是已经能用的电

00:03:58.180 --> 00:04:00.960
而是还在排队等着接入电网的项目

00:04:00.960 --> 00:04:01.680
而在过去

00:04:01.680 --> 00:04:05.620
2000年到2020年申请进入对立的容量

00:04:05.620 --> 00:04:09.500
你到了2025年真正商业运营的只有13%

00:04:09.500 --> 00:04:12.820
美国的基础建设效率可见一斑

00:04:12.820 --> 00:04:14.100
真的是太慢了

00:04:14.100 --> 00:04:16.640
这个就是美国AI的现实处境

00:04:16.640 --> 00:04:18.100
它不是没有模型

00:04:18.100 --> 00:04:20.200
也不是完全见不动电力

00:04:20.200 --> 00:04:22.820
而是前沿AI的负载太大

00:04:22.820 --> 00:04:23.800
增长太快

00:04:23.800 --> 00:04:26.440
开始和美国分散的电网体系

00:04:26.440 --> 00:04:27.900
漫长的审批周期

00:04:27.900 --> 00:04:29.280
地方电价争议

00:04:29.280 --> 00:04:31.140
包括输电瓶颈发生冲突

00:04:31.140 --> 00:04:33.600
美国的AI公司很快可以出到钱

00:04:33.600 --> 00:04:34.680
可以买到芯片

00:04:34.680 --> 00:04:36.420
但基础设施的建设速度

00:04:36.420 --> 00:04:38.440
不会像模型版本一样

00:04:38.440 --> 00:04:39.800
几个月就结在一次

00:04:39.800 --> 00:04:42.340
而是按照年甚至几年为单位的

00:04:42.340 --> 00:04:44.620
而中国的AI路线

00:04:44.620 --> 00:04:46.820
我认为很可能不会复制美国这条路

00:04:46.820 --> 00:04:49.200
中国的AI方面当然有巨大的差距

00:04:49.200 --> 00:04:50.900
尤其是高端GPU

00:04:50.900 --> 00:04:51.560
HBM

00:04:51.560 --> 00:04:52.400
先进制程

00:04:52.400 --> 00:04:54.000
云上高端酸力的供给

00:04:54.000 --> 00:04:56.080
这些都是应约数

00:04:56.080 --> 00:04:57.780
但中国模型这两年的进步

00:04:57.780 --> 00:04:58.940
有一个非常明显的特点

00:04:58.940 --> 00:05:02.420
如果美国的顶级BN模型是100分

00:05:02.420 --> 00:05:04.820
那中国厂商在不断的

00:05:04.820 --> 00:05:07.780
把85分90分的开源模型能力

00:05:07.780 --> 00:05:09.880
做的明显更便宜

00:05:09.880 --> 00:05:10.620
更开放

00:05:10.620 --> 00:05:11.640
更容易部署

00:05:11.640 --> 00:05:13.780
还是斯坦福AI Index 2026

00:05:13.780 --> 00:05:15.440
有一个观点我觉得很值得看

00:05:15.440 --> 00:05:17.720
中美顶级模型的能力差距

00:05:17.720 --> 00:05:19.060
已经明显缩小了

00:05:19.060 --> 00:05:20.220
2025年以来

00:05:20.220 --> 00:05:22.560
中美模型多次交换领先位置

00:05:22.560 --> 00:05:23.880
他甚至提到了

00:05:23.880 --> 00:05:25.640
截至2026年3月

00:05:25.640 --> 00:05:27.440
美国顶级模型

00:05:27.440 --> 00:05:29.500
相对中国顶级模型的领先

00:05:29.500 --> 00:05:31.700
大约只有2.7%

00:05:31.700 --> 00:05:33.280
当然这个2.7%

00:05:33.280 --> 00:05:34.380
不是说中国模型

00:05:34.380 --> 00:05:36.000
已经全面追上美国了

00:05:36.000 --> 00:05:37.980
那不同榜单侧的东西也不一样

00:05:37.980 --> 00:05:39.480
但它至少说明了一件事

00:05:39.480 --> 00:05:41.720
就是中美的模型能力

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

00:05:45.100 --> 00:05:47.540
那如果你再看开放权重模型

00:05:47.540 --> 00:05:50.440
Artificial Analyst今年6月的文章里

00:05:50.440 --> 00:05:53.360
GLM 5.2在它的Intelligent Index上

00:05:53.360 --> 00:05:56.480
成为领先的开放权重模型之一

00:05:56.480 --> 00:05:58.320
并且在一些企业任务评测里

00:05:58.320 --> 00:06:00.980
它已经进入了高能力低成本的区间

00:06:00.980 --> 00:06:02.600
这个例子能说明一个方向

00:06:02.600 --> 00:06:05.000
就是中国模型不只是追宝

00:06:05.000 --> 00:06:07.760
它是在把接近前沿模型的能力

00:06:07.760 --> 00:06:11.380
用更开放更低成本的方式来释放出来

00:06:11.380 --> 00:06:14.280
而这条路线比很多人想象的重要

00:06:14.280 --> 00:06:17.720
因为市场并不总是直卖最强的

00:06:17.720 --> 00:06:20.420
很多企业开发者出这场景

00:06:20.420 --> 00:06:24.000
其实不需要世界第一聪明的模型

00:06:24.000 --> 00:06:26.480
前段时间你但凡狠狠登过

00:06:26.480 --> 00:06:28.720
非波5模型的人应该会有同感

00:06:28.720 --> 00:06:30.920
那个token的消耗真的可怕

00:06:30.920 --> 00:06:32.180
成本真的很高

00:06:32.180 --> 00:06:35.060
更多时候人们需要的是足够强

00:06:35.060 --> 00:06:37.400
同时便宜稳定能部署

00:06:37.400 --> 00:06:39.380
并且不会因为地区限制

00:06:39.380 --> 00:06:41.260
产品分层或者政策变化

00:06:41.260 --> 00:06:42.540
突然断工的模型

00:06:42.540 --> 00:06:45.580
这个就是中国开放模型的长期价值

00:06:45.580 --> 00:06:47.060
这不是低端替代

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

00:06:51.200 --> 00:06:54.780
而一旦你把AI看成工业化的供给

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

00:06:59.720 --> 00:07:01.980
国家能源局2025年的数据很夸张

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

00:07:08.100 --> 00:07:11.480
占全国电力新增装机的83%

00:07:11.480 --> 00:07:14.480
其中太阳能新增3.18亿千瓦

00:07:14.480 --> 00:07:16.880
风力新增1.2亿千瓦

00:07:16.880 --> 00:07:18.060
到2025年底

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

00:07:22.020 --> 00:07:25.260
大约占全国总装机的60%

00:07:25.260 --> 00:07:27.733
所以能感知到中国在能源

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。

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。

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。

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

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

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

00:07:53.973 --> 00:07:55.253
Token听起来抽象

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

00:08:00.333 --> 00:08:03.353
未来AI如果真的变成了基础设施

00:08:03.353 --> 00:08:06.933
那谁能把每一次Token的成本压下来

00:08:06.933 --> 00:08:08.993
谁就能让AI覆盖更多场景

00:08:08.993 --> 00:08:10.593
这也是为什么我会觉得

00:08:10.593 --> 00:08:13.533
未来中美AI很可能不是一个

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

00:08:17.233 --> 00:08:20.033
更可能是两套市场长期并存

00:08:20.033 --> 00:08:21.593
最顶级的B元模型

00:08:21.593 --> 00:08:25.033
继续服于科研复杂推理和最前沿的agent

00:08:25.033 --> 00:08:26.293
它们会很贵

00:08:26.293 --> 00:08:27.373
会分层

00:08:27.373 --> 00:08:28.453
会有访问门槛

00:08:28.453 --> 00:08:31.173
同时也会继续代表模型能力的天花板

00:08:31.173 --> 00:08:32.613
但更大的市场

00:08:32.613 --> 00:08:34.493
可能是企业内部的流程

00:08:34.493 --> 00:08:35.433
自由化的部署

00:08:35.433 --> 00:08:36.353
本地化的应用

00:08:36.353 --> 00:08:38.213
一些相对低成本的智能体

00:08:38.213 --> 00:08:40.073
大规模的推理和调用

00:08:40.073 --> 00:08:42.493
这里要的它不是世界第一聪明

00:08:42.493 --> 00:08:45.453
而是够强稳定便宜可控

00:08:45.453 --> 00:08:48.393
Cloud最大的问题就在这里

00:08:48.393 --> 00:08:49.593
它不是不强

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

00:08:52.453 --> 00:08:54.333
可以一直卖出稀缺溢价

00:08:54.333 --> 00:08:56.513
它就会不断的被重新定价

00:08:56.513 --> 00:08:59.773
被OpenAI的下一代币源模型重新定价

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

00:09:03.493 --> 00:09:06.353
被中国一批又一批开源模型重新定价

00:09:06.353 --> 00:09:08.633
你最强当然是有很大价值的

00:09:08.633 --> 00:09:10.993
但如果别人用便宜很多的价格

00:09:10.993 --> 00:09:12.453
做到你八九成的能力

00:09:12.453 --> 00:09:13.453
还能私有部署

00:09:13.453 --> 00:09:16.233
还不受你这套访问规则的约束

00:09:16.233 --> 00:09:18.213
那很多真实的生产场景

00:09:18.213 --> 00:09:19.873
就会开始重新算账了

00:09:19.873 --> 00:09:21.193
那这个账一算

00:09:21.193 --> 00:09:24.193
AI竞争就已经从互联网逻辑

00:09:24.193 --> 00:09:26.353
进入了能源工业的逻辑

00:09:26.353 --> 00:09:28.233
而在能源工业的逻辑里

00:09:28.233 --> 00:09:32.293
最重要的是产能成本和供应稳定性

00:09:32.293 --> 00:09:34.993
所以Cloud去欧洲找电这件事

00:09:34.993 --> 00:09:36.673
表面看是一个AI公司

00:09:36.673 --> 00:09:38.073
要扩数据中心

00:09:38.073 --> 00:09:39.073
但往身里看

00:09:39.073 --> 00:09:40.253
它是在提醒我们

00:09:40.253 --> 00:09:43.053
模型并不是浮在云上的魔法

00:09:43.053 --> 00:09:44.973
AI公司卖的是智能

00:09:44.973 --> 00:09:46.973
但它每天消耗的是电

00:09:46.973 --> 00:09:48.253
抢的是芯片

00:09:48.253 --> 00:09:50.633
租的是实实在在的厂房

00:09:50.633 --> 00:09:52.573
所以我认为中美的AI竞争

00:09:52.573 --> 00:09:54.933
不能只看谁的模型最聪明

00:09:54.933 --> 00:09:56.573
还要结合访问限制

00:09:56.573 --> 00:09:57.773
单位Token的价格

00:09:57.773 --> 00:09:58.633
还有要观察

00:09:58.633 --> 00:10:01.333
应用市场是不是真的愿意为最强模型

00:10:01.333 --> 00:10:02.513
付出高昂一家

00:10:02.513 --> 00:10:05.253
我认为从0到1的创新

00:10:05.253 --> 00:10:07.013
和从1到10的落地

00:10:07.013 --> 00:10:08.713
这两条路的竞争

00:10:08.713 --> 00:10:10.953
也许会一直持续下去

00:10:10.953 --> 00:10:11.373
OK

00:10:11.373 --> 00:10:13.393
那本期视频的主要人就这么多了

00:10:13.393 --> 00:10:15.733
大家伙日常在用哪个模型最多

00:10:15.733 --> 00:10:17.953
也可以打在评论或者弹幕上

00:10:17.953 --> 00:10:18.673
我们分享一下

00:10:18.673 --> 00:10:19.953
如果喜欢本期视频的话

00:10:19.953 --> 00:10:20.973
请到点赞朋友订阅我的话

00:10:20.973 --> 00:10:21.573
我是JK

00:10:21.573 --> 00:10:22.313
我们下期视频见

00:10:22.313 --> 00:10:22.693
祝你好运

00:10:22.693 --> 00:10:23.513
拜拜