AI行业发展的核心趋势与范式转移 - AI已跨越“仅具辅助价值”的临界点，具备重大经济实用价值，模型工作能力令人惊叹，尤其在编程和科学领域[7] - 硅谷初创公司思维发生根本转变，焦点从“招聘多少人”转向“抢占算力份额”，核心问题变为能获取多少算力、预留多少容量、达成多少云服务交易[1][4][10] - 大公司的工程和产品部门正计划将交付量翻两到三倍，这是前所未有的变化[11] AI模型能力与成本的革命性进展 - 从第一代推理模型o1到最新的o3模型，解决同等难度问题的成本下降了1000倍[2][5][18] - 复杂推理正经历史无前例的通缩，“堆算力”解决复杂任务的路线已经彻底跑通[5] - 模型效率提升速度惊人，这不仅源于算法改进，也来自内核工程师编写更高效代码、电力工程师和数据中心设计者提出更高效方案等跨领域协作[32][34] AI对工作模式与生产力的重塑 - AI正从完成数小时任务，向执行数天、数周任务演进，未来将深度连接到个人与公司，持续工作并拥有全部上下文，如同极其信任的资深员工[9] - 范式将转变为人类“监督一群AI智能体”，提供方向并决定如何信任其输出[14] - 到2028年末，全球数据中心内AI产生的认知能力总和将超过全人类的总和[2][5][14] 算力需求与基础设施建设的战略重要性 - 行业面临算力的物理瓶颈，需要千兆瓦级的核电站、水冷系统、高压输电线路等重资产基建[4] - 算力需求增长曲线极其陡峭，扩张速度和增长速度惊人，基础设施极其昂贵且需提前做出巨额资本承诺[21] - 公司正在建设吉瓦级园区的超级数据中心，例如在得克萨斯州阿比林的站点，预计将成为世界上最好的模型训练基地[27][28] 行业商业模式与未来愿景 - 未来业务的核心是销售Token（代币），智能将像电力或水一样成为按需计费的公用事业[24][25] - 公司的根本信念是“智能的富足”，目标是让智能变得“极其廉价，以至于无需计量”，成为像自来水一样廉价的基础设施[5][22] - 为避免算力成为富人特权或引发社会中央计划决策，必须向市场倾注海量的算力供应[25][26] 全球AI竞争格局观察 - 在最前沿的旗舰模型能力上，美国保持遥遥领先[36] - 在“将落后两代的模型推向极致廉价的推理使用”方面，中国处于领先地位[47] - 在物理基础设施建设上，美国目前仍保持领先，但中国推进的速度要快得多[47] - 美国在闭源生态上领先，中国在开源生态上领先，美国可能仍占据综合优势[36]