[智能应用]AI下半场拼成本、能源与落地 [复制链接]

“昨晚回到酒店11点半，还是比较早的。”这是Fusion Fund 创始合伙人张璐在达沃斯的第三天，每天睡眠不足5小时，行程表被无数场圆桌讨论、闭门早餐会、深夜晚宴和远程会议填满。
“你可以明显感到行业的紧迫感。”张璐在接受第一财经记者独家采访时说。与去年的迷茫不同，尽管特朗普带来的地缘政治不确定性依然像乌云笼罩，但今年的达沃斯多了一份笃定。大家不再纠结于“世界会怎样”，因为答案已经摆在眼前——世界已经不可逆地进入了一个“多体系并行”的常态。
张璐回忆，去年参加达沃斯，DeepSeek曾给全球科技界带来了一场“反直觉”的震撼——这家中国创业公司用极低的成本和开源的姿态，打破了原本被认为坚不可摧的算力与模型垄断，成为当时那场关于“AI霸权”讨论中最具话题性的变量。
今年她捕捉到，大家对于AI讨论的重心已经从去年对开源模型的惊叹，转向了更冷酷、更务实的深层博弈。从技术路径、成本竞争，到能源瓶颈，再到人类未来向何处去的思考，AI讨论进入“深水区”。
三大新焦点
张璐开门见山。在她看来，今年达沃斯关于AI的讨论呈现出三个鲜明的焦点。
首先是谷歌的强势回归与“全生态”反击。在与欧洲金融机构负责人的早餐会上，张璐发现，大家最关心的问题是谷歌的动向。从去年初备受“掉队”的质疑，到如今股价起飞、构建起全矩阵人工智能生态。“它是全栈式的技术解决方案，从自己的TPU芯片、云、算法到应用端。”
“这不仅仅是模型能力的竞争，而且是系统优化的竞争。”张璐分析道，这种垂直整合带来了显著的成本优势，谷歌目前的推理成本不到OpenAI的30%，且仍有下降空间。更重要的是，通过浏览器和搜索框，谷歌能收集到更高质量的真实世界反馈，加速迭代。
除了谷歌的讨论外，张璐观察到，开源生态的活跃度超乎以往，并且“小模型”在崛起。无论是中国、美国还是欧洲的初创公司，都在积极拥抱开源。她以Kimi的K2等中国开源项目为例，中国在全球开源生态中已成为“重要贡献者”。这种深度的社区参与和技术输出，正在提升中国在全球技术协作网络中的影响力。
还有大量应用型初创公司不再执着于打造底层大语言模型，而是基于开源生态中的“小语言模型”和垂直领域的Agent（智能体），结合自身高质量数据进行微调和优化。对于B端应用而言，小模型意味着更低的可负担成本、更高的数据隐私安全以及更便捷的私有化部署。
最令她意外的，是地缘政治下欧洲企业的“数据主权”焦虑。
这是张璐今年在达沃斯感受到的一个显著变量。在与多家欧洲大型企业及金融机构CEO的交流中，她听到了深深的担忧：在“多体系并行”的世界里，数据就是核心资产。
“欧洲企业以前习惯了技术无国界，但现在他们开始警惕。”张璐透露，由于美欧政治摩擦，许多欧洲巨头对于将核心数据交给美国AI公司心存芥蒂。
这种心态正在催生一种新的需求：欧洲企业开始渴望本地化、可控的AI解决方案，这在某种程度上打破了硅谷公司“天然全球化”的旧有叙事，也为全球技术格局带来了新的变数。
AI深水区：成本、能源与垂直“落地革命”
当讨论从“技术能否实现”转向“如何规模化落地”，AI竞赛进入了比拼成本、能耗与产业融合的硬核阶段。
“现在AI的竞争不只是模型能力的竞争，更是成本的竞争。”张璐直言。推理成本、数据隐私与安全、数据孤岛、监管与“幻觉”问题，都是实际落地必须跨越的鸿沟。这解释了为何“小语言模型”在产业界讨论热度激增——在To B场景和本地化部署中，它们往往比大模型更实用、更经济。
成本之外，一个更基础也被讨论最多的瓶颈浮出水面：能源。“在用完GPU之前，人类最先耗尽的可能是电力。”
张璐在几年前就预警过能源问题。她提到，相比于模型参数的狂飙，硅谷的大佬们现在更焦虑电网的负荷。美国的电网设施陈旧、私有化导致升级乏力，且州与州之间监管割裂，这逼得科技巨头不得不亲自下场“发电”。例如，微软甚至不得不自掏腰包补贴当地居民以平抑电价波动；马斯克和扎克伯格也纷纷投身电力设施建设。
尽管挑战重重，AI与产业结合却在加速落地，其中三大领域被张璐反复提及：医疗与金融、太空经济。
“2026年是AI医疗的大年。”作为美国最大的非营利医疗机构CommonSpirit Health Foundation的董事，张璐见证了这家拥有3000多家医疗机构的庞然大物，正以前所未有的速度推进数据与AI的整合。
她透露，Fusion Fund去年投资的多家公司，已经开始利用AI针对帕金森、阿茨海默病、抑郁症进行治疗方案的开发。在部分前沿领域，AI应用已经从“辅助诊断”向“治疗手段”进化。
而在金融领域，张璐认为这同样是一个被低估的巨无霸市场。“广义上的金融、保险及相关产业占美国GDP约20%，超过了传统科技行业（约10%）。”她提到了Fusion Fund投资的Wand AI等独角兽，证明了在垂直领域，针对特定场景的AI Agent，能够撑起百亿美元的估值。
张璐还是SpaceX的投资人。SpaceX的发展轨迹清晰地展示了太空经济的演进逻辑。“最初，我们更多把它看作一家火箭发射服务公司。”她回忆道。但随着时间的推移，现在太空领域可以被视作是AI Native（AI原生）和Robotics Native（机器人原生），SpaceX逐渐展现出构建完整太空生态的版图。
她还透露，SpaceX早已实现了盈利。
点赞中国硬实力：电力、供应链与创新
在AI深水区博弈中，张璐强调，硅谷也密切关注华人创业者的创新能力和崛起，中国在基础设施、电力能力和机器人等方面的巨大优势，正在成为新的全球竞争力。
以能源为例，当硅谷为缺电发愁时，中国的优势是拥有全球最强的电力基建和电力网络，这为AI算力提供了最坚实的能源底座。“在AI拼成本、拼能耗的下半场，这种基础设施优势将转化为巨大的竞争力。”
还有机器人与供应链的成本优势。张璐特别提到了以宇树科技为代表的中国机器人企业。他们的成本控制能力惊人，人形机器人的成本可能只有美国的十分之一。在需要大规模物理铺设的场景中，这种基于强大供应链的“好用且便宜”，构成了中国科技独特的比较优势。
“中国在制药层面上创新能力，已经可以与美国比肩。”张璐观察到一个显著的趋势：越来越多的跨国药厂开始收购中国的新药研发企业。这证明中国不仅在“硬科技”上有优势，在生物科技等前沿领域的商业化进程上也取得了显著进展。
而关于达沃斯热议的终极问题——AGI（通用人工智能）。张璐显得冷静许多。她引用了李开复的定义：当AI能做人类90%以上的工作，同时比90%的人类做得更好时，AGI才算到来。
“我们距离那个点还很远。”张璐直言。但她并不为此感到悲观，“电脑让我们更忙还是更闲？AI同样如此。”它既能实现商业自动化，削减成本；也能助力业务增长，创造新岗位。
她给出了一个充满人文色彩的展望。如果AI真的能把人们从繁重的重复性劳动中解放出来，那将是人类的《星际迷航》时刻，人们将更自由地进行好奇心的探索。

整体总结  
Fusion Fund创始合伙人张璐在达沃斯论坛期间，基于密集的行业交流与观察，指出AI发展已进入“深水区”，竞争焦点从技术突破转向成本、能源与产业落地的硬核博弈。她强调，全球技术格局正因“多体系并行”加速重构，中国在电力基建、供应链及生物科技等领域的硬实力，成为全球AI竞赛的关键变量。
核心观点提炼  
1. AI竞争焦点转移：  
技术路径：从开源模型的惊叹转向系统优化（如谷歌全生态垂直整合）与小模型崛起。  
成本博弈：推理成本成为核心指标，谷歌成本仅为OpenAI的30%，小模型因经济性受B端青睐。  
能源瓶颈：电力供应成为AI规模化落地的首要限制，硅谷科技巨头被迫涉足发电领域。  

2. 全球技术格局重构：  
欧洲“数据主权”焦虑：美欧政治摩擦催生对本地化AI解决方案的需求，打破硅谷全球化叙事。  
中国硬实力崛起：电力基建、供应链成本优势（如机器人成本仅为美国1/10）及生物科技创新能力，成为全球竞争力新支点。  

3. 产业落地加速：  
医疗领域：2026年或成AI医疗爆发年，从辅助诊断向治疗手段进化（如帕金森、阿尔茨海默病研究）。  
金融领域：垂直场景AI Agent（如Wand AI）撑起百亿美元估值，金融业AI化潜力被低估。  
太空经济：SpaceX展示AI与机器人原生的太空生态版图，已实现盈利并重构行业逻辑。  
关键细节分析  
1. 谷歌的“全生态反击”：  
垂直整合优势：通过TPU芯片、云服务、算法到应用端的闭环，实现系统级成本优化（推理成本低于OpenAI 70%）。  
数据反馈循环：浏览器与搜索框提供高质量真实世界数据，加速模型迭代，形成“数据-模型-应用”飞轮。  

2. 小模型与开源生态：  
中国贡献：Kimi等开源项目推动中国成为全球技术协作网络的重要节点，提升国际影响力。  
B端实用性：小模型在私有化部署、数据隐私安全及成本可控性上优于大模型，契合企业需求。  

3. 能源危机的现实映射：  
硅谷“发电”潮：微软补贴居民电价、马斯克与扎克伯格投资电力设施，反映AI算力需求与陈旧电网的矛盾。  
中国优势：全球最强电力基建为AI提供能源底座，在成本与能耗竞争中占据先机。  

4. AGI的冷静视角：  
定义与距离：引用李开复标准（AI完成90%人类工作且优于90%人类），认为当前仍处早期阶段。  
人文展望：AI或解放人类从重复劳动中，推动“好奇心驱动”的探索，类比《星际迷航》的乌托邦愿景。  
行业影响与趋势预判  
1. 技术竞赛维度升级：  
从“模型参数竞赛”转向“系统优化+能源效率”的综合比拼，全栈能力成为企业护城河。  

2. 地缘技术博弈加剧：  
欧洲数据主权需求、中美科技竞争，将催生区域化AI生态，全球技术标准或面临分裂风险。  

3. 产业落地黄金期：  
医疗、金融、太空经济等领域将涌现更多“AI+垂直场景”的独角兽，商业化进程加速。  

4. 中国角色深化：  
从“成本优势”向“技术输出”转型，通过开源生态、电力基建及供应链能力，重塑全球AI价值链。  
结论  
张璐的观察揭示了AI发展从“技术狂欢”到“现实博弈”的转折点。在成本、能源与地缘政治的多重约束下，AI的规模化落地将依赖系统优化、区域化协作与基础设施支撑。中国凭借硬实力积累，有望在这一阶段实现从“追赶者”到“规则共塑者”的跨越，而全球技术格局的“多体系并行”或将催生新的创新范式与商业机会。

当前人工智能（AI）发展已进入关键的下半场竞争，核心焦点从技术突破转向成本控制、能源效率与场景落地三大维度的综合较量。以下是关键趋势分析：

🔧 一、成本竞争：从“堆算力”转向“系统级优化”
推理成本成为关键指标
谷歌通过全栈技术整合（芯片+算法+云服务）将推理成本压缩至OpenAI的30%以下，证明垂直整合带来的显著成本优势1。
小模型与开源生态崛起
企业和初创公司积极采用轻量化小模型（SLM），降低私有化部署成本，同时保障数据隐私安全。例如，开源社区推动的模型微调方案，使企业无需从头训练大模型即可适配垂直场景15。
硬件与工程效率提升
如液冷技术使算力中心能耗降低30%，中国机器人企业（如宇树科技）以美国1/10的成本量产工业机器人，凸显供应链优势19。
⚡ 二、能源瓶颈：电力成为AI竞赛的新石油
算力增长远超电网扩容速度
OpenAI警告美国需每年新增100吉瓦电力（相当于800万家庭年用电量）才能满足AI需求，否则将丧失技术领导地位424。
基础设施决定竞争力
中国依托全球最强的电网基建和绿电资源（如西部光伏/风电基地），为AI算力提供低成本能源底座（电价低至0.3元/度），而美国因电网老旧被迫由科技巨头自建电厂123。
能源与算力协同创新
“东数西算”工程将东部算力需求与西部清洁能源匹配，实现算力资源与绿电的全国调度，降低整体能耗23。
🚀 三、落地能力：垂直场景与产业融合定胜负
医疗与金融率先规模化
医疗AI进入治疗阶段：2026年成为AI医疗大年，帕金森、抑郁症等治疗方案开发取得突破，病历生成效率提升98%118。
金融AI渗透巨无霸市场：金融+保险占美国GDP 20%，垂类Agent如WandAI实现百亿美元估值1。
工业与政务场景深度整合
能源企业（如中石化、国家电投）利用AI优化电网调度、故障预案生成，决策时效从分钟级缩短至秒级6。
政务智能体打通政策匹配、执法监管闭环，企业办事效率提升50%以上17。
智能体（Agent）重构工作流
开发者工具如TRAE、Cursor日均被调用超50次，AI深度嵌入代码调试、跨文件协同等核心生产环节，用户已形成“无AI不工作”的依赖514。
💎 总结：下半场的核心逻辑
成本：系统优化 > 硬件堆砌，小模型+开源降低门槛；
能源：电力基建成战略资产，绿电资源决定算力扩张上限；
落地：从技术Demo转向价值闭环，医疗、金融、工业场景验证ROI。
中国依托电力网络、供应链成本及垂直场景创新优势，正将基础设施能力转化为全球竞争力；而欧美企业面临能源焦虑与数据主权挑战，亟需重构技术落地路径123。未来胜负手在于——谁能在约束条件下，将AI转化为生产力。