文章核心观点 - 人类正处于由人工智能（AI）驱动的认知范式革命之中，其深度堪比哥白尼的“日心说”对“地心说”的颠覆 [5] - 这场革命由五大互相关联的范式转变构成，它们共同重塑了我们对计算、智能以及AI未来发展的理解 [6] 自然计算 - 计算是一种自然现象，早在人类制造计算机之前就已存在于自然界，这一认知将推动计算机科学、AI、物理学和生物学的革新 [6] - 约翰·冯·诺依曼在1951年就发现了计算与生物学的深刻联系，证明了生命本质上是“计算性”的，DNA即是生命的代码 [13][14] - 艾伦·图灵在理论生物学领域做出开创性贡献，描述了组织如何通过感知和释放化学信号（形态发生素）进行生长和分化，这是一种强大的模拟计算形式 [16] - 谷歌“智能范式”团队的实验表明，在一个模拟的玩具宇宙中，可以从随机字符串“汤”中自发涌现出能够自我复制的最简单“人工生命”形式 [18] - 生命的复杂性通过自愈或繁殖能力得以持续存在，进化通过“多级选择”机制，使现有部分反复组合，形成越来越庞大复杂的实体，人类智能即源于约860亿个神经元的协同运算 [22][23] 神经计算 - 计算机科学的先驱们早已认识到大脑本质上是计算机，早期计算机的逻辑门即被构想为人工神经元 [25] - 传统AI（GOFAI）试图通过编写精确程序来复制智能，但最终失败，导致神经科学与计算机科学分道扬镳 [26][27] - “联结主义”学派拥抱机器学习，让神经网络从经验中学习，但20世纪基于二进制和串行执行的经典计算范式与神经计算并不契合 [28][29][30] - 大脑拥有约860亿个神经元，运行缓慢但高度并行且节能，而传统计算机模拟神经计算效率低下 [32][33] - 未来的神经计算范式将出现，其芯片可能包含数百万计像神经元一样并行工作的处理节点，计算由分布存储的数十亿参数决定，并能从经验中学习，实现分散且稳健的计算 [34][35] 预测智能 - 大语言模型（LLM）仅通过预测下一个词元就展现出惊人的通用智能，这一发现具有划时代意义 [36] - “预测性大脑假说”认为大脑进化是为了不断建模和预测未来，智能建立在不断演进的知识和对未来的统计建模之上 [10][38] - 未来的AI模型将演变为自我构建的系统，通过经验动态生长发展，并消除训练与推理（运行）之间的界限，实现持续、开放式的学习 [10][40] - LLM作为强大的通用预测器，不仅能处理语言，还能彻底变革机器人技术，驱动从自动驾驶汽车到人形机器人的各种形态 [42] - 拥抱预测处理范式，将规划、行动和预测统一起来，有望改进AI技术，并为机器学习、神经科学和理论生物学建立统一的理论基础 [43] 通用智能 - 关于AI是否具备真正智能的争论，功能主义的视角更为重要：关注系统实现的目的和功能，而非其具体实现方式 [48][49] - 当前的AI模型已经能够完成一系列广泛且不断增长的认知任务，其技能广度已超越任何单个人类个体 [10][53] - 衡量AI性能的标准已悄然从“任何个体”转变为“全人类”，当前单个人类的“通用性”已低于AI模型 [53] - 实现AGI（通用人工智能）的关键在于“无监督训练”，即在不规定具体任务的情况下进行通用学习，使模型获得广泛能力 [54] - AGI可能没有一个明确的跨越界限，或者这个界限已经被跨越，如今的LLM若展示给2002年的AI研究人员，会被认为是AGI [48][53] 集体智能 - 智能本质上是社会性的，“社会智力假说”认为人类智能的爆发源于社会性反馈循环和心智理论的发展 [10][56] - 人类通过认知分工组成了一个“超级生命体”，其智慧是集体性的，LLM通过训练大量人类集体成果，已在知识广度和平均深度上远超任何单个个体 [62] - 大脑皮层是一个模块化的“社区”，由运行通用学习算法的专门化区域组成，智能可被理解为一种“社会性分形” [64][65][66] - AI模型也遵循“规模法则”，更大的模型更聪明，并通过“专家混合模型”或“涌现模块化”实现内部的认知分工 [67] - AI发展的前沿正从单一的、权重冻结的基础模型，向具备高度自主性、能与其他智能体互动协作、并具备长期记忆和持续学习能力的形态演进 [68][69] - 智能的社会视角为AI工程和哲学问题（如意识）提供了新视角，LLM在心智理论测试中表现与人类不相上下，因其训练数据本就包含大量此类任务 [70]

谷歌与Meta的AI芯片交易 - Meta Platforms已签署协议，将租用谷歌的TPU来开发新的人工智能模型，这是一项为期多年、价值数十亿美元的交易[2] - 谷歌还在与Meta洽谈最早于明年为其数据中心购买TPU的事宜[2] - 该交易对谷歌而言是一场胜利，有助于其打造价值数十亿美元的TPU销售业务，并对主导AI芯片市场的英伟达构成威胁[2] 谷歌拓展TPU业务的战略举措 - 谷歌与一家未具名的大型投资公司签署协议，共同出资成立合资企业，旨在将TPU租赁给其他客户[2] - 谷歌正与其他投资机构洽谈，为更多此类合资项目筹措资金[2] - 谷歌正在探索多种方式将TPU交付到客户手中，包括与私募股权公司洽谈成立合资企业，由合资企业购买TPU后租赁给AI客户[3] - 这些合资企业还可能开展云业务并负责TPU的运维工作[4] - 谷歌已与一家大型投资机构签署至少一份条款清单，并由一个由谷歌云资深专家领导的小型团队主导TPU融资工作[4] - 谷歌的企业发展团队计划为特殊目的实体筹集资金，用以收购TPU并租赁给客户，TPU可能被用作债务抵押品[4] 谷歌面临的挑战与平衡策略 - 谷歌管理TPU业务扩张面临挑战，其谷歌云部门同时是英伟达GPU的最大客户之一，为保持云服务市场竞争力，仍需持续获取英伟达最新芯片[5] - 谷歌自身AI团队开发Gemini同样依赖TPU，必须确保获得充足的芯片供应以应对竞争[5] - 台积电同时生产TPU和英伟达GPU，意味着两种芯片在其工厂内争夺产能[5] - 谷歌去年开始向部分客户推广在其自有数据中心部署TPU的方案，推广策略之一在于强调TPU的成本优势低于昂贵的英伟达芯片[5] 行业竞争格局与客户动态 - 谷歌与Meta达成协议的消息，是在英伟达宣布与Meta达成新协议几天后传出的，Meta当时表示未来几年将为其数据中心采购数百万块GPU[3] - 谷歌云部门的一些负责人曾在内部建议，大力拓展TPU业务可能帮助公司夺取英伟达约10%的年收入——过去12个月英伟达的年收入约为2000亿美元[3] - 部分云服务提供商和客户去年难以按所需规模部署并运行英伟达最新的Blackwell AI芯片，部分原因在于硬件相关的技术故障及其他复杂问题[6] - Meta等公司长期以来一直在寻求英伟达的替代方案，以避免受制于单一供应商[6] - Meta本周宣布了一项大规模协议，将从超微半导体采购AI芯片，但主要将这些芯片用于运行其现有AI模型（推理），而非用于训练新模型[6] - Meta计划使用TPU进行AI培训值得关注，因为大多数分析师曾怀疑任何公司能否在培训技术上与英伟达竞争[6] - Meta也在继续开发自家的AI推理芯片，以节省成本并减少对英伟达芯片的依赖[7] TPU的其他重要客户与英伟达的反制 - Meta并非TPU的首个大型客户，去年Anthropic已同意花费约200亿美元向博通购买TPU，博通与谷歌联合设计该芯片，并监督台积电的生产[7] - Anthropic计划将这些芯片用于非谷歌运营的数据中心[7] - 多年来，Anthropic一直使用TPU来开发和运行其Claude人工智能，谷歌已向这家初创公司投资了数十亿美元[8] - 英伟达首席执行官黄仁勋注意到，谷歌和Anthropic打造的两个全球顶尖AI模型，其开发过程完全或部分使用了谷歌制造的AI服务器芯片[8] - 英伟达迅速采取行动，吸引现有和潜在的TPU客户大量采购其GPU，例如投资了Anthropic并获得了其使用芯片的承诺，还曾讨论向OpenAI进行300亿美元的股权投资[8] - 英伟达在AI服务器芯片市场的统治地位已使其成为全球市值最高的公司，估值达4.8万亿美元[9]

公司融资与投资者 - 人工智能芯片初创公司Neurophos Inc完成1.1亿美元早期融资，使其总融资额达到1.18亿美元 [1] - 本轮A轮融资由Gates Frontier领投，众多知名投资者参与，包括微软风投部门M12、Carbon Direct Capital、沙特阿美风险投资、博世风投等 [1] 公司技术与产品 - 公司开发名为“光学处理单元”的全新AI加速芯片，将超过一百万个微米级光学处理元件集成在单个芯片上 [2] - 其原型芯片性能可达现有AI处理器的100倍，旨在为数据中心提供即插即用解决方案以替代图形处理单元 [2] - 核心创新在于开发了专有的微米级超材料光调制器，尺寸比现有光子元件小1万倍，并结合内存计算技术以加速AI矩阵乘法运算并减少数据传输 [2] - 芯片利用光子实现超过100吉赫兹的时钟频率，早期测试显示其性能超过每瓦每秒300万亿次运算，能效远超现有标准 [3] 行业背景与市场需求 - 公司致力于解决人工智能技术普及所面临的日益增长的计算能力短缺问题，认为当前数据中心在计算能力、可扩展性和能源消耗方面存在关键限制 [1] - 行业分析师指出，由于对AI计算的预期需求巨大且英伟达GPU稀缺推高价格，许多公司正在寻求更快、更经济的AI模型运行方式，这为芯片初创公司创造了前所未有的机遇 [3] 发展规划与合作伙伴 - 公司正与挪威数据中心运营商Terakraft合作，计划于2027年启动光学AI加速器的实际应用试点项目 [3] - 目标是在2028年初制造出首批完整系统，并在同年晚些时候扩大生产规模，此时间表获得了投资方的认可 [3] - 本轮融资将用于加速首款集成光子计算系统的交付，包括OPU模块、完整软件栈及早期开发者硬件 [5] - 公司计划扩建其位于德克萨斯州奥斯汀的总部，并在旧金山开设新的工程中心以向潜在客户展示技术 [5] 行业评价与支持 - 分析师认为，Neurophos的努力将有助于决定光学处理单元能否像GPU一样普及 [4] - 微软不仅是公司的投资方，其高管也公开表示需要计算能力的突破以匹配AI模型的发展，并认可Neurophos团队的技术方向 [4][5]

核心事件 - 美国超威半导体公司董事会主席兼首席执行官苏姿丰率高管团队于12月16日造访联想集团位于北京的全球总部 [1] - 联想集团多位高管陪同参观，展示了包括人形机器人在内的多项最新产品与技术成果 [1] 合作背景与历史 - 在人工智能浪潮下，AMD已成为仅次于英伟达的第二大数据中心图形处理单元厂商 [1] - 联想集团作为终端厂商是AMD争夺的关键客户 [1] - 今年3月，苏姿丰到达中国后造访的第一家企业就是联想集团，双方随后宣布将在人工智能电脑领域展开多项合作 [1] 联想与英伟达的关系 - 约一个月前，联想集团全体董事会成员及核心高管团队受邀访问了英伟达位于美国加州的总部 [2] - 双方围绕人工智能基础设施、企业级算力解决方案以及潜在的生态级合作进行了交流 [2] 未来活动 - 联想集团将于2026年1月6日在拉斯维加斯Sphere举办联想科技创新大会 [2] - 英伟达首席执行官黄仁勋及AMD首席执行官苏姿丰均将现身该大会 [2]

文章核心观点 - 谷歌自研AI芯片TPU对外供货，推动公司市值一度逼近4万亿美元，被市场称为“AI新王”，此举挑战英伟达GPU主导地位，为AI产业注入新动能，推动格局从集中向多元化发展 [1] 技术路线影响 - 谷歌TPU对外供货是AI硬件领域的“鲇鱼效应”，激活市场并推动算力迈向多元共生新生态 [3] - 降低对单一供应商依赖，通过技术路线竞争倒逼行业创新加速，推动技术进步和成本下降 [3] - 健康的技术进化方向是打造相互支撑的技术体系，为AI产业提供坚实基础 [3] 行业演变影响 - TPU对外供货是AI硬件走向成熟的标志，算力竞争为光模块、PCB等上游供应链带来结构性利好 [4] - 国内头部厂商在响应速度、量产稳定性和成本控制上已具备全球竞争力 [4] - 硬件算力支撑让“一切硬件皆有AI”成为现实，硬件成熟体现在技术自主与性能突破双重达标，并推动所有终端设备完成价值重构 [4] 商业逻辑影响 - 谷歌破局是历时十年构建的“算力底座（TPU）—核心模型（Gemini）—商业生态（搜索+云+终端）”全链条闭环进入收获期的结果 [5] - AI竞争从模型性能转向应用落地，当硬件与模型、应用形成协同闭环，产业便具备规模化创造价值的能力 [5] - AI产业处于关键转折点，真正爆发点在于应用落地，并催生新供应链，为合作伙伴带来新增长机会 [5]

公司动态 - 亚马逊云计算部门AWS于美东时间12月2日周二在re:Invent大会上推出新一代人工智能训练芯片Trainium 3 [2] - 公司预告了下一代产品Trainium 4的开发计划 [2] - 亚马逊表示Trainium 3芯片能够比英伟达市场领先的GPU更便宜、更高效地驱动AI模型背后的密集计算 [2] - 公司同时推出四款针对不同应用场景设计的Nova 2模型 [2] 行业竞争 - 亚马逊推出新一代AI训练芯片，旨在与市场领先的英伟达GPU进行竞争 [2]

文章核心观点 - 谷歌自研AI芯片TPU对外供货，推动公司市值一度逼近4万亿美元，被市场称为“AI新王”，此举挑战了英伟达GPU的主导地位，为AI产业注入新动能，推动行业格局从集中向多元化发展 [1] 技术路线影响 - 谷歌TPU对外供货是AI硬件领域的“鲇鱼效应”，激活市场并推动算力迈向多元共生新生态 [3] - 降低对单一供应商的依赖，通过技术路线竞争倒逼行业创新加速，推动技术进步和成本下降 [3] - 健康的技术进化方向是打造相互支撑的技术体系，为AI产业提供最坚实的基础 [3] 行业演变影响 - AI硬件成熟度直接决定产业进化深度与广度，硬件算力支撑让“一切硬件皆有AI”从概念变为现实 [4] - 算力竞争为上游供应链如光模块、PCB等硬件环节带来结构性利好，因技术迭代需求迎来超预期增量 [4] - 国内头部厂商在响应客户速度、量产稳定性和成本控制上已具备全球竞争力 [4] - 硬件成熟体现在技术自主与性能突破双重达标，并推动所有终端设备完成价值重构 [4] 商业逻辑影响 - 谷歌破局是历时十年构建的“算力底座（TPU）—核心模型（Gemini）—商业生态（搜索+云+终端）”全链条闭环进入收获期的结果 [5] - 当硬件能与模型、应用形成协同闭环，AI产业便真正具备规模化创造价值的能力 [5] - AI竞争从模型性能转向应用落地，真正爆发点在于应用落地并催生新供应链 [5] - 应用落地面临成本高企、数据匮乏等结构性难题，需通过规模化应用分摊成本、场景实践积累数据以完成从技术到应用的过渡 [5]

亚马逊发布新款AI芯片Trainium3 - 亚马逊云计算部门发布最新人工智能芯片Trainium3 该芯片于本周二开始向客户供货 [1] - 亚马逊表示Trainium3芯片能够比英伟达市场领先的图形处理单元更便宜、更高效地驱动AI模型背后的密集计算 [1] - 亚马逊希望用Trainium3吸引寻求优惠的公司 [1] 芯片的竞争优势与挑战 - Trainium3芯片缺乏深厚的软件库支持 而这些软件库能帮助客户快速启动和运行英伟达的GPU [1]

项目概述 - 英伟达与德国电信在德国建造一座价值10亿欧元（12亿美元）的数据中心，旨在加强欧洲基础设施以支持复杂人工智能系统 [1] - 该数据中心是欧洲最大设施之一，计划于2026年第一季度开始运营 [1] - 项目将扩建慕尼黑现有设施，欧洲最大软件公司SAP将为其提供商业技术平台和应用程序 [1] 项目影响与目标 - 该项目将使德国的人工智能计算能力提升约50% [1] - 英伟达首席执行官黄仁勋称该项目将开启德国工业转型新时代，是德国规模最大的先进人工智能芯片部署项目之一 [1] - 德国政府部长及企业高管出席项目公布活动，凸显德国正寻求发展自身人工智能生态系统以与国际竞争对手展开竞争 [1] 投资规模对比 - 德国数据中心项目计划使用多达1万个图形处理单元（GPU） [2] - 相比之下，美国德克萨斯州一个由软银、OpenAI和甲骨文联合开发的数据中心项目将使用约50万个GPU，规模远超德国项目 [2] - 微软、谷歌母公司Alphabet等科技巨头及初创公司正在投入数千亿美元构建人工智能计算能力，凸显欧美在投资规模上的差距 [2] 欧盟人工智能发展计划 - 欧盟在2月份宣布了一项2000亿欧元的计划，以支持欧盟内部人工智能发展 [2] - 该计划目标是在未来五到七年内将该地区驱动人工智能模型的能力提高两倍 [2] - 德国电信虽在洽谈参与建设人工智能超级工厂，但进程进展缓慢，欧盟尚未制定具体的投标审核流程和资金分配方案 [2]

AMD与OpenAI的战略合作 - AMD与OpenAI达成协议，OpenAI承诺在未来几年购买价值6千兆瓦的芯片，包括即将推出的MI450系列 [1] - 作为协议一部分，OpenAI将获得最多1.6亿股AMD股票的认股权证，若全部行使将获得AMD约10%的所有权 [1] - 自公告发布以来，AMD股价周三上涨11%，本周迄今累计上涨43% [1] 英伟达的投资布局与战略 - 英伟达计划在未来十年向OpenAI投资高达1000亿美元，OpenAI同意构建需要10千兆瓦电力的英伟达系统，相当于400万到500万个GPU [2][7] - 英伟达参与了xAI的最新一轮融资，据报将投资20亿美元，该轮融资总额约200亿美元 [2] - 公司还投资了人工智能数据中心运营商CoreWeave，认为这是近期几项非常出色的投资之一 [3] 人工智能行业需求与能源挑战 - 过去六个月人工智能计算需求大幅上升，模型推理正使用指数级计算能力，需求也呈指数级增长 [7] - 英伟达最先进的Blackwell图形处理器需求非常高，公司认为正处于新一轮工业革命的开端 [7] - 人工智能行业计划的规模引发对电力供应的质疑，10吉瓦相当于800万美国家庭的年用电量或纽约市夏季峰值基准用电需求 [7][8] - 为满足快速需求，数据中心应考虑配备天然气或核电等自发电方式，其速度可能比并网快得多 [8][9] 行业竞争格局与历史回顾 - AMD与OpenAI的交易挑战了英伟达在人工智能芯片行业的主导地位 [1] - 英伟达首席执行官回顾公司历史，称英特尔花了33年时间试图摧毁英伟达 [4][5] - 美国在人工智能竞赛中目前领先中国不远，但中国在建设支持人工智能所需的能源方面速度更快 [8]