五位 AI 经济的架构师解释局势正在失控
Source: TechCrunch
请提供您希望翻译的正文内容，我将按照要求保留链接并进行简体中文翻译。
TechCrunch Live at Milken Global – Beverly Hills
本周早些时候，五位涉及 AI 供应链各层面的专家在比佛利山庄的 Milken Global 大会上坐下来，与本编辑讨论了从芯片短缺、轨道数据中心到整个支撑技术的架构可能错误等各方面的话题。
与TechCrunch同台
| 演讲者 | 角色 |
|---|---|
| Christophe Fouquet | CEO，ASML – 这家荷兰公司垄断了极紫外光刻机（没有这些机器，现代芯片将无法存在） |
| Francis deSouza | COO，Google Cloud – 负责公司历史上最大规模的基础设施投资之一 |
| Qasar Younis | 联合创始人兼CEO，Applied Intuition – 一家价值150亿美元的物理AI公司，起初专注于仿真，现已进军国防 |
| Dimitry Shevelenko | 首席商务官，Perplexity – 这家AI原生的“搜索到代理”公司 |
| Eve Bodnia | 量子物理学家转型创业者，Logical Intelligence – 挑战大多数AI行业默认的基础架构（Meta前首席AI科学家Yan LeCun于今年早些时候签约成为其技术研究委员会的创始主席） |
以下是五位专家的观点
瓶颈是真实存在的
AI 热潮正遭遇硬件的物理极限，而这些限制往往出现在技术栈的更底层，超出许多人预期。
- Fouquet 描述了“芯片制造的巨幅加速”，但他“强烈相信”在未来两三年，甚至五年，市场将受到供应限制。换句话说，超大规模云服务商——Google、Microsoft、Amazon、Meta——将无法获得他们所支付的全部芯片，止此为止。
- deSouza 强调了问题的规模，指出 Google Cloud 上一季度收入突破 200亿美元，增长 63%，而其未完成订单 几乎翻倍，在单个季度内从 2500亿美元 增至 4600亿美元。“需求是真实的，”他说。
- 对 Younis 来说，限制主要是 数据。Applied Intuition 为汽车、卡车、无人机、采矿设备和防务车辆构建自主系统，他的瓶颈不是硅，而是训练模型所需的真实世界数据。“必须从真实世界中获取，”他说，并补充说合成仿真无法完全弥补这一缺口。
能源问题同样真实
如果芯片是首要瓶颈，能源则是紧随其后的挑战。
- deSouza 确认 Google 正在探索 太空数据中心 以应对能源限制。他指出，在轨道上没有对流，唯一的散热方式是 辐射——这比目前的空气和液体冷却系统更慢、更难工程实现。
- 他还强调 通过集成提升效率：Google 联合研发的 AI 堆栈（定制 TPU 芯片 → 模型 → 代理）在 每瓦 FLOPS 上优于现成方案。“在 TPU 上运行 Gemini 的能效远高于任何其他配置，”他说。
- Fouquet 也呼应此点，警告“没有什么是免费得来的”。更多计算意味着更多能源，而能源是有价格的。
不同类型的智能
当大多数业界聚焦于扩展大语言模型时，Bodnia 正在构建截然不同的东西。
- 逻辑智能 使用 能量基模型（EBM），其目标是理解数据背后的规则，而不是预测下一个 token。
“语言是我大脑与你大脑之间的用户界面，”她说。“推理本身并不依赖任何语言。”
- 她的最大模型拥有 2亿参数（相较于领先 LLM 的数千亿参数），运行速度 快上数千倍。它能够 在数据变化时更新知识，无需完整重新训练。
- 能量基模型适用于芯片设计、机器人等领域，在这些场景中，掌握物理规则比语言模式更为关键。
代理、护栏与信任
Shevelenko 解释了 Perplexity 如何从搜索产品演进为 “数字工作者”。
- Perplexity Computer 是最新的产品，设计目标 不是作为知识工作者使用的工具，而是作为知识工作者指挥的员工。
“每天醒来，你的团队里都有一百名员工，”他说。
他提出了负责任的代理部署的三大支柱：
- 护栏 – 内置安全约束。
- 透明度 – 明确的数据来源和推理步骤。
- 信任 – 持续监控与反馈回路，以便纠正或覆盖。
活动详情
| 地点 | 日期 |
|---|---|
| San Francisco, CA | 2026年10月13‑15日 |
细粒度控制
“你打算怎么充分利用它？”
企业不仅可以指定代理可以访问哪些连接器和工具，还可以指定这些权限是只读还是读写。当 Comet（Perplexity 的计算机使用代理）代表用户执行操作时，它会先展示计划并请求批准。Shevelenko 承认有些用户觉得这种摩擦令人烦恼，但他认为这是必不可少的——尤其是在加入 Lazard 董事会后，他对一位保护拥有 180 年历史品牌的 CISO 的保守本能表示同情。
“细粒度是良好安全卫生的基石，”他说。
主权，而非仅仅安全
Younis 警告说，物理 AI 与国家主权现在以数字 AI 从未出现的方式交织在一起。
“几乎所有国家都在一致地表示：我们不希望这种以实体形式存在的智能进入我们的边境，并由其他国家控制。”
—Younis
物理 AI 体现在自动驾驶汽车、军用无人机、采矿设备和农业机械等——这些系统是政府无法忽视的。拥有机器人出租车的国家比拥有核武器的国家还要少。
Fouquet 补充说，中国的 AI 进展受到缺乏 EUV 光刻技术的限制。没有最先进芯片的获取，中国的模型只能在较旧的硬件上运行，这使其处于日益不利的境地。
“今天，在美国，你拥有数据、计算资源、芯片以及人才。中国在技术栈的上层做得非常好，但在底层的一些要素上仍然缺乏。”
—Fouquet
代际问题
一位观众问，这一切是否会影响下一代的批判性思维能力。
- deSouza 指出，更强大的工具能够解决的规模更大的问题——神经疾病、温室气体清除以及老化的电网基础设施。
“这应该会释放我们的创造力，提升到下一个层次，”他说。
- Shevelenko 指出，虽然入门级工作可能消失，但独立启动项目的能力从未如此触手可及。
“对于拥有 Perplexity Computer 的任何人……限制只有你自己的好奇心和主动性。”
- Younis 强调了实体行业（农业、采矿、卡车运输）的人力短缺。实体 AI 并没有取代愿意工作的劳动力；它在填补已经存在且可能进一步加剧的空缺。
当您通过我们文章中的链接进行购买时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。