AI全球竞争格局分析 - 2025年2月DeepSeek-VL与DeepSeek-R1凭借低算力下高性能引发全球关注，市场一度认为在AI大模型层面已追上甚至将反超美国[2] - 但随后GPT-5、Grok-4、Gemini 3等接连发布，性能持续增强，而DeepSeek后续更新未再引发同等震动，引发对2026年初双方真实实力对比的重新审视[8] - AI竞争并非单纯比较ChatGPT与DeepSeek等应用，而是一整套五层技术栈的竞争：能源、芯片、基础设施、AI大模型、AI应用[11] 第一层：能源 - 在能源层，发电能力大约是美国的2倍，该层几乎无争议地完胜[13] - AI发展速度已超出传统电网承载能力，GPU计算效率每年可提升10倍，但AI对算力需求增速达每年1万倍甚至10万倍、100万倍[13] - 解决算力需求不能仅靠“省电”，必须依赖更多、更便宜、更稳定的能源，美国重新工业化需同时建设芯片厂、超级计算机厂、AI工厂（大规模算力中心），均极度消耗能源[14] - 美国过去十多年系统性地贬低能源被视作战略级错误，现正被迫纠正[14] 第二层：芯片与底层软件 - 在芯片层，美国“领先好几代”（generations ahead）[16] - 常见误区一：只看硬件参数，忽视软件生态，芯片非“插上即用”，决定GPU性能能否被榨干的关键是底层软件生态如英伟达CUDA[17] - CUDA生态是几十年形成的全球协作成果，全球有几百万工程师为其写代码、做适配，追赶路径只有与CUDA兼容或用时间培育同级生态[19] - 常见误区二：将AI GPU视为“高级显卡”，两者完全不同[20] - 最新一代Blackwell AI系统单体重量达2吨，零件数量150万个，功率0.2兆瓦，价格300万美元，此类产品无法走私且定制门槛极高[20] - 谷歌TPU能成功因其自身实力（季度利润350亿美元、诞生过4位诺奖得主），英伟达作为全球市值最高公司之一，拥有最强融资能力、供应链号召力和工程经验，地位极难撼动[20] 第三层：基础设施 - 在基础设施层，“基建狂魔”优势显著，涉及土地、能源、厂房、配套建设，本质是重资产、重组织、重执行力的工程问题[22][23] - 在美国建设一个AI数据中心往往需要3年，相比之下建设速度极快[23] 第四层：AI大模型 - 在最强大模型上，美国在闭源模型领域领先约6个月，代表公司包括OpenAI（GPT）、Google（Gemini）、马斯克的Grok、Anthropic（Claude）[25] - 在开源模型上优势明显更强，开源对创业公司、大学科研、AI教学及行业整体进化至关重要，没有开源AI将成少数巨头玩具，正在构建长期红利极大的优势区[27] 第五层：AI应用 - 在AI应用层依然领先，原因有三：社会对AI的正向认知比例约80%（美国几乎相反）；全球约50%的AI研究员是华人；应用转化速度快，历史上英国发明电但美国更快广泛应用并反超，AI同理，谁能更快将技术转化为现实生产力谁就赢[27] 机器人领域潜力 - 评估机器人潜力需看三点：需求、AI能力、机电工程能力（Mechatronics），是唯一的“三边形战士”，三点全中：作为制造业大国且面临用工荒导致需求巨大；AI能力强；机电工程能力全球顶级[31] - 相比之下，日本与德国需求强、机电强但AI偏弱；美国需求强、AI强但机电工程偏弱[31] - 去年全球部署100万台机器人，其中一半在部署，“文生图”与“用语言指挥机器人干活”原理相同，机器人时代已近在眼前（around the corner）[33] AI对工作的影响 - AI的风险并非导致失业，而是“任务被重写”，Job（工作）与Task（任务）不同，任务会被大量替代，但工作的目标是交付结果、服务人[35] - 举例：7-8年前计算机视觉成熟，有人预测5年后放射科医生会消失，但8年后放射科医生反而变多，因为“看片”只是任务之一，诊断疾病才是工作目标[35] - 英伟达工程师几乎人手一个AI助理，但反而更忙，应对AI恐惧的最佳方法是亲自使用它[37] AI投资逻辑 - AI不是简单概念或单一模型，而是一整套五层结构，真正的机会来自不同层在不同时间点的变化[38] - 投资应避免尚未被验证的“纯概念”，如小型核电或量子计算，当前最大问题在于未被验证，纯概念可能上涨但难持续，长期回报来自已被验证且正在扩散的方向[38] - 强调投AI要看结构而非概念[37]