人工智能离我们越来越远，还是越来越近？

 

大多数人说离我们越来越近——你看，我们日常工作天天在用。但我看，也有越来越远的情况。比如一年多前，好多科技公司争先宣布“我们接入了DeepSeek、元宝大模型”，甚至有公司宣布已经开始本地训练模型了。热闹过后，我们该怎么做？

 

首先，我们来看一下人工智能的市场情况。

目前，人工智能最火的算力卡，以英伟达为代表的国际领先水平，和华为昇腾为代表的国产替代力量正在追赶超越。英伟达有自己越来越小的芯片，华为则走出了一条万卡集群的另辟蹊径。相信你了解了华为最近发布的韬定律，不再像摩尔定律那样执着于“把晶体管做得更小”，而是追求“让信号跑得更快”。

再说英伟达，黄仁勋半路登上访华的专机。从美国限制英伟达芯片卖给中国，到如今形势有所缓和，算力芯片卡脖子问题正在一步步接近解决。

与算力芯片制造相关的领域有很多，比如光通信、刻蚀设备、芯片封测；与算力芯片应用相关的则有AI服务器、数据中心、大模型企业和垂直应用。

大家可能会问：那英伟达和华为到底在做什么？其实，他们是先进的芯片设计企业，他们的芯片在不同环节、由不同的厂家来代工。

光通信方面，中国企业全球领先，包括中际旭创、新易盛、天孚通信、光迅科技等，800G已经大面积供货，1.6T也已进入小批量供货阶段。光模块领域，中国企业供应全球；芯片封测也是，中国企业全球领先，包括长电科技、通富微电、华天科技。AI服务器国内头部企业包括中科曙光、工业富联、浪潮信息等，技术含量相对不高，主要是集成，给数据中心、大模型企业供应服务器。

当下而言，芯片卡脖子关键在刻蚀。光刻机全球领先的是荷兰阿斯麦，芯片制造最先进的是台积电；对应的国内企业北方华创、中芯国际等，5纳米制程刻蚀已进入验证阶段，3纳米正在攻关。再加上华为韬定律和万卡互联的解决路径，算力问题已经不再突出。

芯片已经不是问题。同时，以DeepSeek、豆包等为代表的中国大模型，能力已经与全球领先的ChatGPT不相上下。那么，对我们来说，现在该怎么办？答案是——应用。算力应用将迎来大面积爆发。

算力应用的方向比较清晰，有推理、文本输出这些传统方向，也有机器人、自动驾驶、太空算力等新赛道。

机器人能否服务于日常工作，除了关节灵活、行动自如和电力供应，关键看人工智能的加持。能想象以后每个公司配置几个人形机器人来办公吗？家用人形机器人更将是未来的刚需。机器人价格从大几十万降到了几万元，机器人的应用越来越近。对科技公司来说，如何在一些不适合人作业的区域引入机器人，是当下可以着手去做的事。

人工智能在自动驾驶方面的需求非常急迫。但着急归着急，人命关天的事，各家企业都非常谨慎——都不敢直接说自己是自动驾驶，只说自己达到了辅助驾驶的某某级。还记得几年前三个刚毕业的女大学生深夜赶往贵州的路上，辅助驾驶不幸发生车祸，三人遇难。自动驾驶很迫切，但人工智能在此垂直领域的应用不会马上见效。对科技公司来说，不是等到自动驾驶完全成熟，而是要紧跟前沿技术，在垂直领域和固定场景先用起来。

商业航天近两年特别火，主要是受美国星链成功的刺激。中国也在大力发展低轨卫星，卫星通信部分替代地面通信的速度非常快，中国移动、中国电信等已经感受到了来自中国卫星、中国卫通的竞争压力。一旦卫星组网到一定程度，不光解决通信问题，算力也要部分搬到太空——这正是太空算力开始火起来的原因。对科技公司来说，未来要考虑的不是网络行不行、服务器行不行、算力行不行，而是如何用好它。

其他AI应用方向，比如医疗、脑科学、AI办公、AI客服等，要么应用场景太小，要么技术门槛太低，要么虚而不实。这些领域不适合做巨大投入重新进入，而是应该让本就深耕这些行业的人，用AI的思维再做一遍。

回到主题：“人工智能离我们越来越远，还是越来越近？”假设我们是一家应用型科技公司。

我想这个问题要一分为二来看。

如果我们还在研究大模型参数、试图用几张卡就本地训练大模型——这样做下去，人工智能会离我们越来越远。因为几张卡训练大模型，估计只有刚毕业的学生敢这么搞。万卡集群，才适配真正的大模型。

如果我们在寻找哪些优秀的大模型提供商，思考如何把通用大模型服务与企业的特定应用场景适配起来，解决两者之间的鸿沟——这条路走下去，人工智能会离我们越来越近。