米尔肯大会热议AI发展：瓶颈凸显，技术架构与主权问题引深思

AI的瓶颈真实存在

AI热潮正遭遇现实的物理限制，这些限制比很多人预想的更接近产业链底层。ASML CEO Fouquet指出，全球芯片制造虽在加速，但未来两到五年，市场将处于供给受限状态，云巨头可能买不到足够芯片，因供应链跟不上。Google Cloud的deSouza用数据说明需求猛，Google Cloud上个季度收入超200亿美元，同比增长63%，订单积压从2500亿美元涨至4600亿美元。Younis认为真正的瓶颈不只是芯片，他的公司从事现实世界自主系统，最大瓶颈是数据，需从现实世界获取，单靠合成仿真数据无法完全训练出可靠模型。

能源问题严峻

如果芯片是第一个瓶颈，那么能源就是紧随其后的第二个大问题。Google Cloud的deSouza证实，谷歌在研究太空数据中心，因太空中能源更丰富。但太空散热困难，只能通过辐射散热，过程慢且难工程化。不过，谷歌仍将其视为值得探索的方向。deSouza强调效率，认为谷歌可协同设计AI技术栈，提升每一度电的计算量，用TPU运行Gemini更节能。ASML的Fouquet也指出AI行业获取算力消耗能源，能源有成本。

也许AI需要另一种智能架构

当多数AI公司围绕大语言模型讨论时，Logical Intelligence的Eve Bodnia专注于“能量模型”（EBM），与主流大语言模型不同，EBM试图理解数据背后的规则，更接近人脑工作方式。她的公司最大模型只有2亿参数，运行速度快上千倍，能随数据更新知识。在芯片设计、机器人等领域，EBM可能更适用。这引发行业思考：只靠扩大模型规模是否可行？

Agent权限和信任问题

Perplexity从AI搜索产品演变成数字员工，新产品Perplexity Computer更像可被指挥的员工。Shevelenko认为控制AI员工权限要足够细，企业管理员要明确权限。使用Agent Comet执行操作时会先展示计划并请求用户批准，虽有些用户觉得麻烦，但他认为必要。他还表示加入投行Lazard董事会后，更理解企业CISO的保守态度，安全和控制对依赖客户信任的公司至关重要。

物理AI关系到主权

Applied Intuition的Younis提出物理AI和国家主权的关系比纯数字AI更复杂。物理AI如自动驾驶汽车等直接存在于现实世界，会引发安全、数据归属、系统控制等问题。几乎每个国家都不希望外国控制的智能系统以物理形态存在于国境之内，全球能真正部署robotaxi的国家比拥有核武器的国家还少。ASML的Fouquet认为中国在AI上层应用和模型方面进展真实，但底层存在瓶颈，没有EUV光刻机，芯片厂商难以制造最先进的半导体。

AI影响下一代的批判性思维？

接近讨论尾声，有人问AI时代是否会影响下一代人的批判性思维能力，几位嘉宾回答乐观。Google Cloud的deSouza认为AI能帮助人类解决大问题，将把人类带入下一个创造力阶段。Perplexity的Shevelenko表示入门级工作可能消失，但个人独立做事的门槛降低。Applied Intuition的Younis指出美国部分行业劳动力短缺，物理AI可填补劳动力缺口。

总的来说，这场对话透露出几个重要趋势：AI不只是软件问题，已涉及芯片、能源、数据、供应链和国家主权；行业开始怀疑继续扩大大语言模型规模是否是唯一答案；能源模型、物理AI、具身智能、Agent权限体系指向一个新阶段。