你可能不知道，AI 光互連市場已經正式進入了指數級增長通道。未來三年，整個賽道的規模將直接狂飆三倍！但在眾多產業鏈公司中，為什麼輝達偏偏選擇重金押注 LITE 和 COHR？它們手裡到底握著什麼卡脖子的核心技術，讓老黃非買不可？除了這兩家，還有那些關鍵玩家的行情值得我們要重點關注？現在光互連這條賽道，到底走到了那一步？如果說 2022 年的俄烏衝突，讓世界第一次看到“商業衛星 + AI”在戰場上的雛形；那麼到了 2026 年，戰爭的形態可能已經發生了一次真正的躍遷。戰場不再只是 海、陸、空的三維空間，而是進入了 “太空 + 算力”主導的新四維戰爭體系。當勝負開始取決於，誰的資料鏈路更快、誰的決策模型更強，軍工、航天與 AI 的底層邏輯，是否已經被徹底改寫？AI算力戰爭的真正瓶頸本周，輝達分別向光子技術公司 Lumentum（LITE） 和 Coherent（COHR） 各投資 20 億美元.這筆交易釋放了一個非常清晰的訊號：光互連正在成為 AI 資料中心能否繼續擴張的關鍵基礎設施。消息公佈後，資本市場迅速做出反應。LITE 單日上漲接近 12%，COHR 漲幅超過 15%，而光纖材料龍頭 康寧（GLW） 也同步上漲 4.97%。我們在此前兩篇深度文章中，其實已經系統拆解過這個邏輯，並重點介紹了GLW、LITE與COHR在產業鏈中的位置。AI光互連正在進入指數級增長輝達為什麼偏偏選在這個時間點，加碼光通訊？要回答這個問題，我們得先糾正一個很多投資者的誤判：大家嚴重低估了光模組需求爆發的速度。隨著AI訓練叢集規模不斷擴大，資料中心網路正在經歷一次代際升級。過去主流是400G網路，而在AI算力叢集中，這一頻寬已經遠遠不夠，行業正迅速向800G甚至1.6T光模組升級。行業研究機構Dell’Oro的預測顯示，AI資料中心網路投資正在快速增長。相關基礎設施支出預計將從2023年的約2600億美元，增長到2025年的接近6000億美元，並有望在2028年前突破1兆美元規模。摩根士丹利預測，到 2028 年，整個光通訊市場規模將達到 650 億美元。換句話說，未來三四年，光互連市場將迎來一次史詩級的規模擴張。這意味著，高速光模組正在成為AI算力基礎設施中最關鍵的一環。更重要的是，這一增長並不只是簡單的技術升級，而是來自 AI 資料中心架構的變化。在傳統網際網路資料中心中，流量主要來自伺服器與使用者之間，也就是所謂的 “南北向流量”。但在 AI 資料中心中，絕大多數資料交換發生在 GPU 與 GPU 之間，形成巨大的 “東西向流量”。當數萬甚至數十萬 GPU 組成訓練叢集時，伺服器之間的資料交換規模會呈現指數級增長。這一變化帶來了三條清晰的需求曲線。第一是 橫向擴展（Scale-out）：隨著 AI 叢集規模擴大，機架之間的連線量迅速增加。第二是 縱向升級（Scale-up）：機架內部大量使用的銅纜正在逼近頻寬與功耗極限，未來將逐步被光互連替代。第三是 跨資料中心互聯（Scale-across）：分佈式 AI 訓練需要多個資料中心協同運行，長距離高速光模組需求開始快速增長。在這三條曲線的疊加下，高端光模組的出貨量，可能從 2025 年的 2000 萬隻，猛增到 2026 年的 5300 萬隻，並在 2028 年逼近 8000 萬隻。這不是線性增長，這是指數級爆發。算力瓶頸正在從 GPU 轉向“互連”隨著 AI 叢集規模不斷擴大，一個新的瓶頸開始出現：算力系統的限制，正在從 GPU 本身轉向 GPU 之間的資料連接效率。在 224G 傳輸速率下，傳統銅線的有效傳輸距離已經縮短到 不足 1 米。這意味著，當 GPU 叢集規模繼續擴大時，僅依賴銅互連已經無法滿足資料傳輸需求。因此，光互連正在從一種性能升級選項，變成 AI 資料中心的基礎設施。在華爾街的一些技術報告中出現了這樣非常形象的類比：而在下一輪 AI 基建周期中，光互連能力很可能決定 AI 叢集的擴展速度。在上一輪 AI 基建周期中，先進封裝（CoWoS）決定了 GPU 的產量。這也正是輝達選擇提前佈局光互連產業鏈的核心原因。那麼為什麼輝達選擇 LITE 和 COHR？問題來了，在眾多光通訊公司中，為什麼輝達偏偏選擇了LITE 和 COHR？答案其實就藏在光模組的“身體結構”裡。我們可以把 AI 資料中心想像成一個超大型工廠。GPU 是幹活的機器，光模組是連接機器的傳送帶。現在機器跑得飛快，傳統的“銅傳送帶”扛不住了，必須換成“光傳送帶”。但在光模組這個小盒子裡，真正決定它能不能跑得快、跑得穩的核心部件，只有一個——那就是雷射器。如果把光模組比作一輛跑車，外殼和組裝只是車身，而 雷射器就是發動機。車身再漂亮，如果發動機動力不足，這輛車在 800G 甚至 1.6T 的“超級高速公路”上，根本跑不起來。而且在 AI 場景下，這個發動機不僅馬力要大，還得極度“省油”，否則資料中心瞬間就會變成巨大的電暖爐。但是全世界能造出這種頂級“發動機”的廠家，屈指可數。這就是輝達的邏輯：LITE 和 COHR，是這個細分領域裡幾乎無法繞過的“雙寡頭”。先看 Lumentum (LITE)。它手裡握著一張王牌材料——磷化銦 (InP)。你可以把它理解為光通訊界的“特種鋼材”。只有在磷化銦平台上，才能造出滿足 1.6T 時代高頻、低功耗要求的頂級雷射器。特別是在未來的 CPO 架構中，所需的高功率連續波雷射器，Lumentum 目前處於絕對領跑地位。輝達投它，買的是 技術的天花板。再看 Coherent (COHR)。它更像是一個擁有全產業鏈能力的“巨人”。從最底層的晶體材料生長，到晶片加工，再到器件封裝，Coherent 全部自己能搞定。這種垂直整合的模式，讓它在產能保障、成本控制和良率提升上，有著極強的韌性。輝達投它，買的是 供應鏈的安全墊。為什麼要現在投？因為過去兩年的教訓告訴輝達：光模組交貨慢，往往不是組裝廠沒工人，而是卡在了上游的雷射晶片上。輝達這 40 億美元，表面是投資，實則是鎖定了未來幾年核心零部件的 “優先提貨權”。這裡還有一個很關鍵的商業邏輯：經營槓桿。雷射器行業，技術代差帶來的利潤非常驚人。比如新一代的 200G 雷射器，售價可能是老款的兩倍，但因為工藝成熟，成本可能只增加了百分之十幾。這種“售價翻倍、成本微增”的剪刀差，就是華爾街最看重的利潤爆發點。除了這兩家雷射器龍頭，產業鏈中還有兩家值得關注的公司：Fabrinet（FN） 是光模組製造代工龍頭，很多高端光學產品最終都要通過它生產；而 Applied Optoelectronics（AAOI） 則是正在快速崛起的光模組廠商，800G 產品預計今年開始放量。簡單來說，這四家公司分別代表了 AI 光通訊產業鏈的四個關鍵位置：LITE → 雷射器技術龍頭；COHR → 光學器件綜合平台；FN → 高端光模組製造代工；AAOI → 光模組廠商中的成長黑馬。CPO：中期變數，而非短期殺手當光互連從“可選升級”變成“必選底座”之後，市場關注點自然會轉向下一層：互連技術的路線將如何演進。當前 AI 資料中心最主流的方案仍然是 可插拔光模組（pluggable transceiver）。這種架構生態成熟、維護方便、成本也相對可控，因此仍然是當前大規模部署的核心形態。隨著網路速度不斷提高，行業也在尋找更加緊密結合的解決方案——把光引擎進一步靠近交換晶片，甚至直接與晶片共封裝，這就是 CPO（共封裝光學）。正是因為這種“技術路線升級”的敘事存在，市場才產生了一種典型誤判：很多人認為，一旦 CPO 成熟，傳統光模組就會被迅速取代。但事實恰恰相反。產業鏈模型測算顯示，CPO 在未來幾年仍處於非常早期階段：2026 年對光模組需求影響約 3%2027 年約 11%2028 年約 16%.換句話說，在未來三到四年時間裡，CPO 的滲透仍然非常有限！原因其實很簡單——工程現實。第一是 製造良率。CPO 需要將光引擎直接封裝到交換晶片附近，封裝與測試複雜度遠高於傳統模組。第二是 散熱問題。隨著交換晶片功耗不斷提升，共封裝結構對熱管理提出更高要求。第三是 維護成本。傳統可插拔光模組出現問題時，只需要更換單個連接埠模組；但在 CPO 架構下，一旦光引擎發生故障，可能影響整塊五十太位元每秒以上的交換模組。目前 CPO 的整體成本仍然約為傳統方案的 8—10 倍。因此，未來的資料中心光互連架構更可能形成一種多層共存結構：可插拔光模組NPO（近封裝光學）CPO（共封裝光學）不同技術針對不同距離和功耗需求，各自發揮作用，而不是簡單的替代關係。所以結論其實很清晰：CPO 是長期方向，但在 2026—2028 年這個建設周期裡，真正的贏家仍然是那些能夠同時佈局可插拔、NPO 與 CPO 多條技術路線的廠商。現代戰爭正在變成一條“演算法殺傷鏈”現在我們來談最近的戰爭。這套對伊“手術刀式”精準打擊的背後，其實已經不是傳統的“導彈加雷達”。真正運轉的，是一整套由衛星網路、資料平台、AI和無人系統組成的作戰體系。在這條鏈條裡：SpaceX 的星盾（Starshield）負責通訊網路；Palantir（PLTR）負責資料整合；Anthropic 與 xAI 提供AI推理；而 Anduril 則提供無人系統執行。整場行動，本質上是一條從“圖像資料到精確打擊”的高速資訊閉環。首先改變戰場節奏的，是 SpaceX 的軍用衛星網路“星盾”。過去的軍事衛星大多在約3.6萬公里的高軌道上運行。訊號從地面發到衛星，再返回地面，往返距離接近7萬公里，即便以光速傳輸，也會產生大約500毫秒以上的延遲。半秒聽起來很短，但在高速移動目標面前，這已經足夠讓畫面變成“過去發生的事情”。而星盾使用的是約550公里高度的低軌衛星網路，延遲被壓縮到20毫秒左右。簡單理解就是：過去指揮中心看到的是“半秒前的畫面”，而現在看到的幾乎就是“正在發生的畫面”。同時，星盾還能提供接近 500Mbps 的資料頻寬。這意味著戰場上傳回的，不再只是簡單的坐標和語音，而是持續的視訊畫面、多光譜感測器資料以及無人機即時影像。但問題也隨之出現——當資訊太多時，人類反而更難判斷。這時，Palantir（PLTR） 的平台開始發揮作用。這家由矽谷投資人彼得·蒂爾（Peter Thiel）創立的公司，本質上是在為軍方提供一個“資料作業系統”。Palantir 的 Gotham 平台早已深度嵌入美國國家安全體系，美國國防部、陸軍以及情報機構都在使用這套系統來整合戰場資訊。在這個平台上，來自不同來源的資料會被彙總到同一張數字地圖中——衛星影像、無人機畫面、電磁訊號，甚至公開網路資訊，都可以被快速整合併持續更新。在這種系統裡，目標不再只是一個靜止坐標，而是一條被持續計算和追蹤的運動軌跡。簡單說，指揮官不再需要在多個系統之間切換，而是可以在一張即時地圖上看到整個戰場。接下來，AI開始參與決策。Anthropic 的 Claude 模型和 xAI 的系統在這裡更像一個數位化參謀團隊。它們可以在短時間內分析大量資訊，並模擬不同戰術路徑，例如：那條路徑更容易避開防空系統，那種打擊方式附帶損傷更小。這種AI輔助決策，讓許多戰術判斷可以在幾秒鐘內完成。當最終指令下達，執行任務的是 Anduril 的無人系統。Anduril 的核心系統叫 Lattice，它可以讓多架無人機在同一網路下協同工作。這些無人機在飛行過程中，會不斷接收新的資訊和指令。如果目標移動或者環境變化，系統會即時調整飛行路徑。在低延遲通訊支援下，打擊軌跡可以在最後階段持續修正，從而提高整體精度。四維戰爭如何重寫軍工與美股結構當衛星通訊、資料整合、AI和無人系統連接在一起時，戰爭的組織方式就發生了變化。過去幾十年，軍工體系的核心價值幾乎全部集中在大型武器平台上——戰機、航母、導彈和裝甲車構成了軍事實力的象徵。誰能製造更強的武器平台，誰就能在軍工市場中佔據主導地位。但在新的作戰體系中，決定勝負的關鍵開始發生變化。越來越多的價值，不再來自單個武器平台，而是來自資訊系統本身。誰能更快獲取資訊；誰能更快處理資料；誰能更快完成決策。當戰爭開始比拚資訊速度與決策效率時，軍工產業的價值重心也開始從“鋼鐵平台”轉向“資訊網路”。在美股市場，這種變化已經逐漸顯現。傳統軍工巨頭依然佔據重要位置，例如：洛克希德·馬丁（LMT）雷神技術（RTX）諾斯羅普·格魯曼（NOC）這些公司仍然主導著戰機、導彈和防空系統等核心裝備。但如果把整個作戰體系拆開來看，就會發現，一條新的技術基礎設施正在逐漸形成——低軌衛星通訊、資料平台、AI與雲端運算。也正因為如此，資本市場的關注點開始從單一武器平台，轉向支撐這套體系運轉的底層技術。對於投資者來說，更值得研究的，其實是圍繞這一基礎設施形成的整條美股供應鏈。戰爭重新定價的美股供應鏈首先是通訊與光學鏈路。低軌衛星網路的關鍵並不只是衛星數量，而是通訊效率。Broadcom（AVGO）在通訊晶片領域佔據重要位置，而 Coherent（COHR）與 Lumentum（LITE）則深耕雷射器件與光模組技術。隨著星間雷射通訊的發展，高端光通訊裝置的需求可能明顯增加。第二層是算力與資料系統。低軌衛星提供資訊來源，但真正決定效率的是資料處理能力。Palantir的平台可以整合衛星影像、無人機視訊以及電磁訊號，而AI模型則依賴輝達等公司提供算力支援。第三層是無人系統與邊緣節點。無人機正在從偵察工具演變為戰場執行節點。例如 AeroVironment（AVAV）長期提供戰術無人機系統；Ondas Holdings（ONDS）則佈局無人機平台與專用通訊網路，其軟體定義無線電技術可以幫助無人機形成自組織通訊網路，從而提高協同能力與抗干擾能力。當通訊網路、算力平台和無人系統逐漸連接在一起時，一條新的軍工產業鏈也隨之形成。對於投資者來說，這意味著軍工類股的結構正在發生變化。傳統平台型公司依然穩定，但未來估值彈性更大的，往往是那些掌握通訊鏈路、資料入口和算力資源的企業。如果低軌衛星網路、AI系統和無人平台繼續融合，那麼“空間 + 資料 + 無人系統”，很可能會成為未來幾年軍工產業最重要的一條結構主線。當戰爭形態升級、算力成為軍備、光互連成為基礎設施，你會如何調整自己的資產配置，來參與這場 軍工與 AI 的代際革命？ (美股投資網)

據《自然》網站等近日報導，自今年起，歐盟將禁止中國科研機構參與“歐洲地平線”計畫涉及人工智慧（AI）、通訊技術（如5G）、醫療健康、半導體、生物技術、量子技術等領域的項目，中方僅可申請參與氣候、生物多樣性、糧食與農業等特定領域的研究。歐盟表示，此舉出於擔憂與中國分享敏感技術可能會影響地區安全。從2021至2027年，“歐洲地平線”計畫7年時間總預算達955億歐元，是歐盟有史以來規模最大的研究與創新計畫。需要強調的是，據歐盟委員會官網介紹，該計畫“獨家關注民用應用”，根本沒有任何可能影響地區安全的所謂“敏感技術”。很明顯，歐盟的禁令是在將科研合作政治化和泛安全化，其目的是在“歐洲地平線”的大盤子裡建起一堵牆，將中國科研機構排除在一些歐盟自以為比較重要的技術合作之外。事實上，歐盟此舉純屬作繭自縛，只會使自身利益受損。“歐洲地平線”計畫的核心目的之一是“提升歐洲的競爭力和經濟增長”，其科研項目主要圍繞歐盟面臨的科學問題以及一些全球挑戰進行規劃。歐盟限制中國科研機構參與“歐洲地平線”計畫，很可能會錯失與中國科學家聯手解決上述問題與挑戰的機遇，最終耽誤的是歐盟自身的發展。隨著近些年科研實力的快速提升，中國已經成為全球科技研發的關鍵一方，而歐盟對中國設限的不少領域，恰恰是中國科技的優勢所在。AI領域，中國DeepSeek、Seedance等大模型頻頻驚豔世界，2025年，中國已成為全球最大的AI專利持有國，佔全球總量的60%；通訊領域，中國華為、中興等企業引領全球5G建設，在下一代通訊技術6G上，中國專利數量也居於全球首位，佔比超過40%；量子領域，今年1月底，美國戰略與國際研究中心（CSIS）在報告中稱，中國在量子計算、量子通訊和量子感測技術上的科學產出份額和專利數量均遙遙領先其他國家。近年來，中歐科研合作態勢積極、成果顯著，本應成為推動雙方科技進步的助力器。此次歐盟對中國科研機構的無端設限，是在逆歷史潮流而行。據統計，至2025年底，中國正在參與“歐洲地平線”計畫中的約107個項目。2025年12月，科睿唯安在《變化世界中的科研合作》報告中指出，近幾年，中歐科研合作持續加強，合作論文數量正在逼近且可能很快超過中美合作論文數，中國與歐盟合作論文的引用影響力已經與美歐合作論文持平。總之，中國和歐盟作為全球重要的兩大科研力量，應肩負起以科學推動人類文明進步的責任。歐盟需要客觀看待中國科技發展，放下政治化和泛安全化的執念，盡快撤銷針對中國科研機構的限制措施，平等開放地開展對華科技合作，聯合雙方智慧解決共同面臨的科技問題，用高水平的科技成果造福中歐、惠及全球。 (科技日報)

前段時間，雷軍正式宣佈小米將在未來五年投入至少2000億的研發資金，並在後續的民營企業座談會上直接透露：小米接下來的五年將會重點攻堅晶片、AI、作業系統等底層核心技術。晶片、AI、作業系統，說實話每一個單拎出來都不是善茬，小米卻想著“全都要”，那也怪不得要砸2000億。而且真要說的話，2000億還得花在刀刃上才能看到成果，畢竟光晶片一項，投入都是以十億計數的。圖源：微博雖然錢砸得不少，但是對於小米來說卻是物有所值，因為在2020年時，雷軍其實宣佈過一個差不多的計畫：從2020年開始，在接下來五年投入1000億進行技術研發，而截至2025年底，這項投資的總額定格在1050億。千億研髮帶來的效果是顯著的，短短5年時間小米數字系列就成為中國市場最暢銷的旗艦手機，而小米汽車則成為崛起最快的新勢力品牌，小米AIoT如今已是國內最大規模的IoT生態。但是，與2020年時不同的是，小米這次關注的是更底層、更基礎的領域，這些領域的進展體現到產品和營收上可能會慢很多，甚至明面上的效果還不如2020年的1000億，那麼小米為什麼還要做這些“吃力不討好”的事情呢？沖高端，自研是唯一道路自從去年5月份發佈首款自研3nm旗艦SoC晶片“玄戒O1”後，小米其實一直都在試圖扭轉外界對這個品牌的印象：我們已經不再是以“網際網路思維”和“供應鏈整合”為核心的企業，小米的“硬科技”才是驅動這家企業成長的核心力量。事實上，直到現在還有不少網友將小米稱為“組裝廠”，認為小米的產品技術都來源於供應商，這個觀點顯然不對，畢竟這麼多年了，也不見得有第二家“小米”出現在手機行業。不過，當我們回顧過去幾年的手機市場，你會發現多數創新都集中在系統更新、影像演算法升級等層面，其根基確實是建立在上游供應鏈的基礎上。對於一直致力於衝擊高端市場的小米來說，“組裝廠”的標籤幾乎是品牌層面的最後絆腳石，而想要搬走這個石頭，只有一個“笨辦法”——自研。圖源：小米而在自研領域裡，晶片則是毋庸置疑的“皇冠”，特別是在國內外的半導體競爭愈發激烈的當下，一顆足夠出色的自研晶片就可以轉變很多路人對一個品牌的印象。小米的自研晶片計畫其實起步很早，在2017年時就推出過一顆面向中端市場的“澎湃S1”，因為體驗不佳等問題，最終“一代而亡”。澎湃S1的繼任者直到8年後的2025年才發佈，而在這段時間裡，小米的自研晶片力量都集中在充電、影像等領域，雖然也有進展，但是終究無法像核心SoC那樣在終端性能層面帶來本質上的體驗區別。所以，小米最終還是拿出了玄戒O1，證明自己有設計頂級SoC的能力，而在許多評測裡，玄戒O1的能效甚至超過了同年的其他兩個旗艦移動平台，這就是深度整合與最佳化帶來的效果。而且自研核心晶片也是對“組裝廠”標籤的最有力回擊，當所有Android旗艦都在使用相同的處理器時，手機廠商就只能在散熱面積、外觀材質和行銷話術上內卷，這種高度同質化的產品，其實很難在高端市場說服消費者“更換門庭”。圖源：小米就拿iPhone來說，消費者除了買蘋果的設計和功能外，其核心是購買A系列晶片與iOS系統所帶來的獨一無二的體驗，所以小米想要站穩高端，單靠徠卡聯名或是首發驍龍旗艦晶片已經不夠了，必須提供一個只有小米才能給到的“差異化體驗”。當小米在發佈會上不再僅僅羅列供應商的參數，而是深入講解自家晶片的微架構設計、自研作業系統的底層最佳化機制時，它在路人的眼中自然就會變得不一樣，別管黑子們的嘴硬，至少支撐品牌價值提升、對抗蘋果與華為等頂尖對手的必要條件是有了。不過說實話，晶片領域一直是資金與技術的“黑洞”，有時候幾十億丟進去都只能聽個響，從前期的預研，到實際的研發，再到後期的流片，每一個步驟都需要花費大量的資金，僅拿流片來說，3nm製程的單次流片成本就達到數千萬美元，這是個沒錢的玩家壓根無法進場的行業。小米的2000億投資，就是在敲開這扇門後繼續走下去的保障。小米的人車家，還差什麼？而在晶片之外，對於小米使用者來說，最值得關注的還是自研系統，甚至可以說這才是小米接下來五年的最核心領域。從小米汽車發佈後，我們經常能夠看到雷軍提到一個概念：人車家，基於小米生態實現的智能互聯體驗，才是將使用者綁在產品生態上的關鍵。但是，缺乏自研底層技術的生態互聯往往是表層的，特別是不同終端系統之間的互聯，對軟體的最佳化要求極高。如果小米想讓人車家生態徹底落地並普及，死磕自研系統基本是唯一的方法，而且可以搭配自研晶片，組成一套完整的軟硬體體系。比如使用者拿著搭載玄戒晶片的小米手機靠近小米汽車時，不僅可以得到更快速、無感的開關鎖體驗，還可以讓汽車在使用過程中與手機聯動，借助手機晶片的性能處理任務。圖源：小米為什麼要讓手機與車機聯動？其實這就涉及到一個智能生態裡非常火的概念“主動式智能”，簡單來說就是AI不再是一個等待指令的工具，而是會根據使用者的習慣、日程、需求主動提供幫助的智能體。舉個例子，小雷在飯點時開車導航到附近的一個購物中心，AI會判斷你打算去就餐，然後詢問你是否需要推薦餐廳，或者是否查看常去餐廳的排隊情況。如果你想得到以上體驗，那麼就必須依賴於手機系統與車機系統的資料互通（為什麼？不妨看看你的手機app們）。如果可以將手機的隱私資料不經雲端（走UWB協議）就直接共享給車機，就可以在規避隱私洩露問題的同時為使用者提供細緻的智能體驗。更進一步地說，當小米汽車的存量達到一定等級後，它們本身也能組成一個新的邊緣計算網路，為周圍的小米手機提供算力支援，不過這就是系統生態完全統一之後的事情了。AI模型，小米生態的最後一環至於最後一個類股——AI模型，說實話現在曝光出來的資訊還不多，小米的保密目前來看做得挺好的，只不過雷軍表示模型的進展遠超預估，那麼我們就暫且認為進展順利吧。AI模型在未來智能生態中的地位有多重要，應該就不用小雷再重複敘述了，對於小米來說，AI模型將會是其打通所有裝置生態的鑰匙，基於小米自研系統的互聯，小米自研AI模型可以輕鬆解決隱私等層面的關鍵問題。而且，自研模型的最大優勢在於能夠根據需求進行蒸餾最佳化，比如將其從一個兆參數的模型濃縮成數百億規模的小模型，如此一來就可以將其從雲端模型轉成端側模型，無需擔心隱私洩露或網路延遲導致的使用問題，這對於同時在部署智能駕駛和智能助手生態的小米來說是必要的一環。從晶片到系統再到AI，其實不難發現小米的底層技術研發計畫，都是圍繞著打造一個完善的智能生態鏈的目標設計的，如果小米可以完成這個計畫，那麼也將成為少數能與蘋果、華為並駕齊驅的企業。說實話，在智能裝置高度內卷的今天，單純的模式創新已走到盡頭。這2000億，是小米換取未來十年智能生態核心牌桌席位的入場券，這條全端自研的道路註定困難，但對於小米而言，這也是一場已經沒有退路的硬仗。 (雷科技)

行業將關鍵詞從AGI（通用人工智慧）切換為超級智能：超級智能模型可在3個月內掌握全球藥物研發知識，能耗僅相當於藥物科學家20年消耗能源的1/50。圖片由AI生成“2028年底，人類將迎來早期形態的超級智能，資料中心承載的智能體量有望超越人類生物大腦總和。”近日舉行的新德里印度人工智慧影響峰會上，OpenAI CEO山姆·奧爾特曼（Sam Altman）表達了上述觀點。全球AI領域焦點正從生成式模型的迭代最佳化，逐步轉向超級智能的落地時間表與規則探討。奧爾特曼與Meta超級智能實驗室負責人亞歷山德·王（Alexandr Wang）同台定調：AI將從輔助工具，走向在推理、創造與問題解決上根本性超越人類的新階段。會上，奧爾特曼呼籲建立參照“國際原子能機構（IAEA）”模式的全球AI監管機構，以應對這一劃時代躍遷。當然，這並非空泛呼籲，此前IAEA通過全球協同監管，實現了核能技術的可控發展，奧爾特曼試圖將這一模式複製到超級智能領域，規避技術失控風險。亞歷山德·王則提出“個人超級智能”路線，地區性的人才與市場將成為普惠化超級智能的關鍵陣地，而中國電信此前推出的“星辰超級智能體”，已在信貸稽核、網路維運等場景實現自主拆解任務、協同完成複雜工作，成為“個人超級智能”落地的雛形參照。這場高調宣言，是全球AI產業、資本與技術研發深度繫結的集中亮相，標誌著超級智能競賽已進入規模化推進階段。超級智能時間表：技術迭代與產業佈局同頻當前，全球AI巨頭已全面轉向超級智能研發，核心目標是突破現有模型侷限，實現從“輔助人類”到“超越人類”的能力躍遷。OpenAI、Meta等頭部企業紛紛加大研發投入，放鬆內部技術迭代約束，優先保障超級智能相關技術的快速落地，其核心邏輯是搶佔下一代AI技術的話語權，避免在技術迭代中掉隊——這一點與此前AI企業在通用模型研發中的謹慎態度形成鮮明對比，也凸顯了超級智能在行業發展中的核心地位。從全球佈局來看，科技巨頭正加速推進超級智能技術的全球化落地，通過技術輸出、人才合作等方式，擴大自身技術影響力，搶佔全球市場份額。亞歷山德·王提出的“個人超級智能”路線，正是依託這一優勢，試圖實現超級智能的普惠化應用，打造差異化競爭優勢。這一背景下，資本已提前入場，成為超級智能競賽的重要推手。支援AI技術加速研發的超級政治行動委員會Leading the Future，2025年末手握約3900萬美元資金，來自OpenAI聯合創始人格雷格·布羅克曼（Greg Brockman）與風投家馬克·安德森（Marc Andreessen）等，核心用途是資助超級智能相關基礎設施建設與技術研發。典型案例便是該委員會重點支援愛達荷州資料中心建設，推動審批流程簡化，為超級智能所需的大規模算力基礎設施“開綠燈”。行業共識是：超級智能不只是演算法競賽，更是能源、晶片與物理基礎設施的軍備競賽，資本的持續注入的是技術落地的關鍵支撐。但行業內部並非鐵板一塊，關於超級智能的發展路徑與節奏，出現了明顯分歧。以奧爾特曼、薩克斯為代表的技術加速派，主張快速推進技術迭代與落地，將超級智能視為推動產業升級的核心引擎，舉例稱若超級智能落地醫療領域，可將新藥研發周期從10年壓縮至1年，帶動生物醫藥產業爆發式增長。以部分行業學者、環保人士為代表的謹慎派，則警惕技術落地帶來的就業衝擊、環境壓力與安全風險，拿出自動駕駛AI替代卡車司機、AI文案替代初級內容創作者的案例，質疑超級智能將導致大規模失業，加劇社會兩極分化。這種分歧也導致部分企業在技術推進中適當放緩節奏，兼顧技術創新與社會影響。從話語策略看，行業將關鍵詞從AGI（通用人工智慧）切換為超級智能。技術演進表述為“必然、不可逆、超越人類”，為下一代AI技術的商業化與產業化鋪路。一旦奧爾特曼的2028預言兌現，智力邊際成本將趨近於零，藥物研發、法律服務、內容生產等行業將被徹底重構。例如當前AI輔助律師處理案件檢索需數小時，而超級智能可瞬間完成案例匹配、法律條文解讀與辯護方案生成，直接衝擊初級法律從業者崗位。但高度集中的資料中心模式，也帶來能耗、供電與地方抵抗等剛性約束，亞利桑那州鳳凰城就因資料中心能耗過高、擠佔居民用電，引發當地民眾抗議，成為超級智能基礎設施落地的現實阻力。能耗正當化：AI訓練類比為“人類培育”峰會期間，奧爾特曼另一組引發爭議的表態，直指AI最敏感的能耗與水耗議題。他公開反駁“AI過度消耗資源”的批評，稱相關擔憂“過時或完全虛構”，並提出一套全新比較框架：不應只對比單次AI推理與人腦思考的能耗，而應計入人類成長、教育、生存所需的全生命周期成本。按此口徑，大規模計算叢集的能源投入，反而比培養同等認知能力的人類更“高效”——他舉例稱，培養一名資深藥物研發科學家需25年（從教育到成長為專家），消耗大量糧食、能源與教育資源，而超級智能模型通過訓練，可在3個月內掌握全球藥物研發知識，能耗僅相當於這名科學家20年消耗能源的1/50。他同時為資料中心用水辯護，稱現代閉式循環冷卻技術已大幅降低資源依賴，舊有蒸發冷卻系統的負面敘事與現實脫節，舉例說明OpenAI位於德克薩斯州的資料中心，採用閉式循環冷卻技術後，水耗較傳統資料中心降低70%，每處理1PFlops算力的水耗，僅相當於居民一天的用水量。這一修辭轉向，是OpenAI對“計算優先”模式的戰略性正當化：將AI訓練類比為“人類培育”，以此緩解行業與社會對資源消耗的擔憂、為GPT-6等下一代模型的巨量能源與資本開支鋪路。若AI被定義為“更高效的智能生產方式”，其高能耗便可被解讀為生產率淨增益，而非環境淨損失——這一點在OpenAI與微軟合作的Azure雲資料中心體現得尤為明顯，雙方宣稱，該資料中心的AI算力產出，相當於10萬名人類工程師的工作效率，而能耗僅為同等人力的1/10。但這套邏輯面臨現實與科學雙重挑戰。人類大腦功耗僅約20瓦，而前沿大模型一次完整訓練耗電量，相當於數千美國家庭一年用電——例如GPT-5模型訓練一次，能耗約為1.2萬兆瓦時，相當於美國一個3000人小鎮一年的總用電量。奧爾特曼強調的是資訊處理規模效率，而非熱力學效率——在物理底層，矽基智能仍遠落後於生物智能。Zoho CEO斯里達爾·文布（Sridhar Vembu）等業內人士直接反駁：將技術與人類等價，忽視了生命的內在價值與不可替代的社會需求，舉例稱AI可生成詩歌，但無法復刻人類詩人的情感體驗；可診斷疾病，但無法給予患者人文關懷。長期看，AI能耗與全球可持續目標的衝突將持續激化。預測顯示，2030年AI相關電力需求將大幅增長，老舊電網難以承接，最典型的案例便是美國加州，2025年夏季因AI資料中心能耗激增，導致多次電網負荷預警，加州電力公司不得不限制資料中心運行，這也印證了奧爾特曼的“能耗無害論”與現實的脫節。當前，全球科技企業正試圖通過技術最佳化、清潔能源應用等方式緩解這一矛盾，探索超級智能與可持續發展的平衡路徑。這或許也意味著，超級智能競賽正式進入技術與資本的主航道。奧爾特曼的2028時間表、科技巨頭的研發投入、資本的全力押注、能耗議題的話語重構，共同構成超級智能產業發展的完整圖景。未來24個月，AI行業將走向高度集中：只有極少數玩家能承擔超級智能的資本與資源門檻，中國電信“星辰超級智能體”的落地案例，也預示著超級智能的競爭已從單純的技術比拚，延伸到產業落地能力的較量。Meta力推的“個人超級智能”，則預示著巨頭將把頂級能力封裝進消費硬體，從對話機器人走向主動式智能體。超級智能究竟是產業升級的引擎還是社會發展的挑戰？這一命題將深度影響全球AI產業的發展走向，並決定下一代AI技術的治理模式。而OpenAI們真正需要回答的問題是：當智能可以被規模化生產，人類的位置，又該如何安放？ (鈦媒體AGI)