從AI的演進(jìn)趨勢，到產(chǎn)業(yè)鏈上的商戰(zhàn)風(fēng)云。

新眸原創(chuàng)·作者 | 簡瑜

今年，鏈博會現(xiàn)場，阿里云創(chuàng)始人王堅與英偉達(dá)創(chuàng)始人兼CEO黃仁勛進(jìn)行了一場持續(xù)近半小時的對話。

議題從AI的下一階段形態(tài)、模型開源路徑、生物工程邊界拓展，延伸至AI與人類關(guān)系的底層邏輯。兩位掌舵者雖未直接談及產(chǎn)品或商業(yè)對抗，卻不約而同地指向了AI技術(shù)未來的幾個關(guān)鍵議題。

站在這場對話的交匯點(diǎn)，外界可以窺見一個信號：當(dāng)生成式AI的熱潮逐步冷卻，行業(yè)的討論正從參數(shù)、數(shù)據(jù)和算力，轉(zhuǎn)向與現(xiàn)實(shí)世界的接觸面——一個更具“物理屬性”的AI階段，正在顯現(xiàn)。

從本次對話出發(fā)，本文將嘗試拆解以下幾個問題：

l 當(dāng)AI邁入“物理智能”時代，硬件廠商、云廠商乃至大模型公司各自的機(jī)會與挑戰(zhàn)將如何重構(gòu)？

l 圍繞開源、生物工程、人與AI的關(guān)系等關(guān)鍵命題，這場對談背后透露出怎樣的長期判斷？

l 從英偉達(dá)與阿里云的表態(tài)中，可以讀出他們下一階段戰(zhàn)略布局的哪些信號？

01

從認(rèn)知AI邁向物理AI

下一場AI變革的想象邊界在哪？

在這次對話中，黃仁勛拋出了一項頗具前瞻性的判斷：繼認(rèn)知智能和生成式AI之后，下一波浪潮將邁入“物理AI”時代。

所謂物理AI，指的是AI從數(shù)字世界走向物理世界，具備感知、推理、決策、再到執(zhí)行動作的完整能力鏈條。從這個維度來看，人形機(jī)器人、自動駕駛等熱門方向，皆可歸于物理AI的范疇。

和以“指令-推理”為核心的生成式AI不同，物理AI更強(qiáng)調(diào)與現(xiàn)實(shí)場景的交互能力。這意味著AI系統(tǒng)必須能在不確定的物理環(huán)境中，自主理解外界信息并做出連續(xù)反應(yīng)，其對多模態(tài)感知、Agent系統(tǒng)以及實(shí)時響應(yīng)能力的要求，將遠(yuǎn)高于當(dāng)下。

從訓(xùn)練范式上看，這也標(biāo)志著大模型訓(xùn)練邏輯的轉(zhuǎn)變。

過去模型依賴大數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，而進(jìn)入物理AI階段后，“后訓(xùn)練”和微調(diào)將變得至關(guān)重要。以強(qiáng)化學(xué)習(xí)為代表的機(jī)制，不再只是一個“優(yōu)化補(bǔ)丁”，而是確保AI行為與人類意圖對齊的關(guān)鍵過程。而這背后，對算力的消耗也將進(jìn)入下一個數(shù)量級。

眾所周知，英偉達(dá)之所以能夠在認(rèn)知智能到生成式AI的躍遷期占據(jù)上風(fēng)，離不開其早期在通用GPU計算和CUDA生態(tài)上的持續(xù)投入。但如果說CUDA為AI帶來了“思考”的肌肉，物理AI則意味著AI開始“動起來”，這將進(jìn)一步牽動整個上游產(chǎn)業(yè)鏈的價值重構(gòu)。

例如，具備多模態(tài)輸入能力的傳感器廠商（如Sony、ADI）與為機(jī)器人提供行動部件的精密減速器制造商（如Harmonic Drive、Nabtesco），將從“邊緣配角”走向系統(tǒng)核心。

AI的“六感”與“四肢”，都將從這些硬件基礎(chǔ)中生長出來。

除此之外，云計算的架構(gòu)也將面臨新一輪的調(diào)整。算力需求的指數(shù)級增長，將推動IaaS層逐漸標(biāo)準(zhǔn)化為“水電煤”式的底層基礎(chǔ)設(shè)施，而原本復(fù)雜的SaaS層則會被成為更輕量的接口形態(tài)。真正的差異化，或許將回到業(yè)務(wù)邏輯和產(chǎn)品體驗(yàn)本身。

與此同時，大模型的發(fā)展也正在逼近“Scaling Law”的臨界點(diǎn)。過去行業(yè)普遍遵循的堆參數(shù)、提能力范式正在逐步失效。

換句話說，模型能力的評估標(biāo)準(zhǔn)將從單一的參數(shù)規(guī)模，轉(zhuǎn)向?qū)�綜合表現(xiàn)的全方位考察：是否具備處理超長文本的能力？能否在復(fù)雜語境中進(jìn)行多步推理？是否可以適配不同場景并實(shí)現(xiàn)物理層面的交互？這些，才是下一階段競爭的核心變量。

這背后帶來的影響遠(yuǎn)不止技術(shù)層面。對大模型企業(yè)而言，組織結(jié)構(gòu)或?qū)⒈恢匦露�義。傳統(tǒng)以工程效率為導(dǎo)向的分工方式，難以支撐跨模態(tài)、跨場景的快速迭代。未來的團(tuán)隊，可能要從流水線式的寫代碼，走向產(chǎn)品導(dǎo)向的系統(tǒng)協(xié)作。

一個很容易被大家忽略的事實(shí)是，未來AI的核心應(yīng)用場景，可能會圍繞制造業(yè)展開。

不只是AI控制生產(chǎn)線，更是AI直接嵌入到產(chǎn)品形態(tài)中。可以預(yù)見的是，從AI手機(jī)、AI電腦到AI眼鏡，未來將出現(xiàn)一批原生搭載物理AI的設(shè)備品類，它們可能重塑人們與智能設(shè)備的交互方式。

02

三個關(guān)鍵命題：“開源”、“生物工程”、“AI與人”

在這次對話中，黃仁勛與王堅不約而同提到了“開源”在AI發(fā)展中的重要性。

“源”指源代碼和實(shí)現(xiàn)細(xì)節(jié)，過去，開源與閉源更多是技術(shù)路線之爭；但當(dāng)我們回到“物理AI”的語境下，它已逐漸演變?yōu)橐环N商業(yè)戰(zhàn)略和生態(tài)選擇。

隨著AI系統(tǒng)需要適應(yīng)更多元的現(xiàn)實(shí)場景，對定制化能力和可控邊界的要求不斷提升。開源模型因其更高的靈活性與透明度，正在成為AI走向“場景級”落地的關(guān)鍵基礎(chǔ)。尤其是在產(chǎn)品需求快速變化的環(huán)境中，能夠自主調(diào)校模型行為的企業(yè)，無疑會更有適應(yīng)力。

與此同時，當(dāng)AI大模型的應(yīng)用邊界不斷擴(kuò)展，相關(guān)的權(quán)責(zé)劃分也愈加重要。

而在開源的場景中，開發(fā)者廣泛參與、使用、測試的過程，本身也是對模型安全性、內(nèi)容生成邊界等問題的一次次實(shí)踐倒逼，這種持續(xù)的共建和監(jiān)督，有助于逐步厘清AI模型在實(shí)際應(yīng)用中的權(quán)責(zé)歸屬。

英偉達(dá)對“開源”的推動，并非只體現(xiàn)在口頭上。早在兩個月前，其推出的NVLink Fusion技術(shù)，就首次向第三方CPU和加速器開放了NVLink生態(tài)系統(tǒng)，通過發(fā)布IP與硬件接口，鼓勵外部硬件廠商與自家芯片實(shí)現(xiàn)互操作。

不過，問題也隨之而來：當(dāng)大模型紛紛走向開源，競爭的焦點(diǎn)將會是什么？

答案可能正是生態(tài)閉環(huán)的構(gòu)建能力。正如眾多蘋果用戶之所以選擇蘋果，是因?yàn)槠鋸?qiáng)大的軟硬件生態(tài)體系一樣，未來的大模型廠商也必須在開源基礎(chǔ)上構(gòu)建一個涵蓋模型、數(shù)據(jù)、應(yīng)用和硬件的完整生態(tài)系統(tǒng)。

但這也意味著，體量更小、資源更少的AI初創(chuàng)公司，在面對巨頭級平臺時，可能會加速失去獨(dú)立生存空間。

除了技術(shù)與生態(tài)，另一個在此次對話中被反復(fù)提及的關(guān)鍵詞，是“生命工程”。

今年早些時候，英偉達(dá)聯(lián)合加拿大Mila研究所推出了La-Proteina——一個面向蛋白質(zhì)結(jié)構(gòu)的AI生成模型。這一動作背后的信號很明確：醫(yī)藥行業(yè)盡管門檻極高、節(jié)奏極慢，但一旦突破，其市場空間和社會價值是極為可觀的。

對“人”本身的討論，則貫穿于整個對話的末尾。黃仁勛描繪了一種未來的關(guān)系：AI將像伴侶一樣，從你出生陪伴到你老去。這種想象聽起來浪漫，但并非遙不可及。我們與AI的關(guān)系，正在悄然從“工具”轉(zhuǎn)向“共生”。

事實(shí)上，在移動端，AI已悄然嵌入我們每天的行為中。

根據(jù)QuestMobile 2025年AI應(yīng)用報告，以小藝、小布、小V為代表的手機(jī)原生AI助手，在用戶規(guī)模上已占據(jù)相當(dāng)份額。盡管這些手機(jī)廠商的AI助手在人均使用頻次上仍不高，但這反而說明了一件事——AI與手機(jī)的結(jié)合方式，還遠(yuǎn)未定型。

正如黃仁勛所言，AI會成為你的“數(shù)字伙伴”。而這個伙伴的形態(tài)、位置、能力邊界，正是下一階段所有AI企業(yè)和開發(fā)者真正需要回答的問題。 

QuestMobile 2025年AI應(yīng)用報告

03

英偉達(dá)與阿里云的未來十年：布局與突破在哪兒？

今年以來，英偉達(dá)一直在反復(fù)強(qiáng)調(diào)一個關(guān)鍵定位：這家公司正在從芯片制造商，轉(zhuǎn)型為AI基礎(chǔ)設(shè)施建設(shè)者。

英偉達(dá)也正在用行動落地它的AI Infra戰(zhàn)略。一個典型的案例，就是它重倉投資的云計算公司 CoreWeave，其核心業(yè)務(wù)是為AI應(yīng)用提供高性能 GPU 云服務(wù)。自3月IPO以來，CoreWeave的市值已經(jīng)翻了近兩倍，如今已逼近730億美元，其成長速度幾乎和英偉達(dá)本身的熱度同步。

但英偉達(dá)的布局并不止于“云”。正如我們前文提到的“物理AI”概念，在算力層面也衍生出了新的技術(shù)范式——邊緣計算平臺。

邊緣計算中的“邊緣”，相對于“云”而言，意味著將計算資源部署在更接近數(shù)據(jù)源的位置——在終端、在設(shè)備本地，而不是遠(yuǎn)在云端。

雖然聽起來像是一種“非主流”方案，但它所瞄準(zhǔn)的，是物理AI時代最核心的一批場景：自動駕駛、機(jī)器人、無人機(jī)、工業(yè)終端。這些領(lǐng)域?qū)ρ舆t、實(shí)時性有著極高要求，顯然，傳統(tǒng)云架構(gòu)無法勝任。

相比之下，阿里云所面臨的局勢就復(fù)雜得多。

當(dāng)上游硬件廠商不斷向下游“伸手”，既做基礎(chǔ)設(shè)施又賣云服務(wù)，對于以IaaS起家的阿里云來說，顯然是個壓力不小的信號。于是我們看到，阿里云的戰(zhàn)略也在“向下游走”。

一個典型的內(nèi)部戰(zhàn)略方向是“IaaS + PaaS一體化”模式。相較于傳統(tǒng)IaaS只提供裸資源的方式，阿里云更希望客戶使用它的“中間層能力”——數(shù)據(jù)庫、大數(shù)據(jù)平臺、Serverless、容器化、DevOps 工具等，換句話說，是把云從資源賣家變成產(chǎn)品提供者，從而向生態(tài)型平臺進(jìn)化。

這就呼應(yīng)了我們在前文中對“開源”的討論：不論是英偉達(dá)，還是阿里云，它們都在試圖擺脫單一賣方角色，向系統(tǒng)級、平臺級生態(tài)靠攏。

開源只是手段，本質(zhì)是搶奪下游場景的控制權(quán)。

在AI時代，硬件、算力、模型、數(shù)據(jù)、場景之間的邊界正在變得模糊，誰能更早占住“算力+平臺”的支點(diǎn)，誰就擁有重構(gòu)下游規(guī)則的資格。這場戰(zhàn)役，也許早已在這場爐邊對話之外，悄然打響。

       原文標(biāo)題 : 黃仁勛王堅對話，三個被忽略的關(guān)鍵信息