文章核心观点 - 人工智能正从云端走向边缘设备和物理世界 其长期潜力或被低估 但发展过程不会一蹴而就 [1] - AI的未来发展不是“云或端”的二选一 而是走向混合形态 快速响应在端侧完成 更复杂的推理与云端协同 [4] - 将当前AI类比为2000年前后的互联网 认为其未来发展规模可能远超预期 但需要时间逐步展开 [6] 个人AI设备与边缘计算 - AI技术成熟使得智能体能够理解语言、文字和视觉信息 从而进入手机、PC、眼镜等随身携带和日常使用的设备 [3] - 智能眼镜这一品类的出货量已经超过千万台 个人AI设备整体规模在未来几年可能进一步扩大 [3] - 新的增长节奏可能出现在2026年到2027年之间 市场尚未饱和 [3] - AI走向边缘的关键判断标准是需要即时响应 例如支付、识别或实时翻译等场景 依赖云端会失去意义 [3] - 当用户希望数据和上下文信息留在本地时 计算必须在设备端完成 因此部分云端能力正在向边缘侧迁移 [3] - 在企业和工业领域 边缘设备上的AI也在发生不同层级的变化 [3] 混合计算架构与数据中心 - 计算发展历史表明 软件最终总会找到最有效率的计算方式 当新的计算能力在设备端形成规模后 相关应用也会随之展开 [4] - 混合AI架构可能在2026年就开始显现 端侧负责快速响应 云端负责更复杂的推理 [4] - 目前关于AI数据中心建设规模的预测 与能源消耗相关的预测并不完全匹配 这将推动行业寻找新解决方案并促使数据中心架构进一步演进 [6] 物理AI与机器人 - 将机器人与汽车行业发展路径类比 指出在汽车中不可能放置高功耗服务器 必须依赖高效计算 这一逻辑同样适用于机器人 [6] - 若希望将机器人续航从2小时提升到6或8小时 或将成本从2万美元降低到5000美元 需要在有限条件下解决摄像头、传感器和连接能力的整合问题 [6] - 物理AI在机器人领域具备广阔发展空间 训练是针对具体任务的 是一个边界清晰且具备现实商业价值的问题 [6]