當模型能力逐漸接近，企業真正開始計算：每一單位智能，到底值多少錢。 核心判斷 中國大模型切入美國市場，靠的不只是“便宜”，而是同時踩中了兩個趨勢：單位智能成本下降，以及企業對可部署、可替換、可治理AI架構的需求上升。 最近，CNBC報導了一個很有意思的現象。

中國近兩年的算力規模與美國差距重新拉開，算力的結構性緊缺（低端算力過剩，人工智慧算力不足）對中國人工智慧開發和應用形成很大掣肘，問題拖得久的話，會嚴重削弱中國的AI產業競爭力。 中國應在開放的生態中實現晶片的自主安全，在推動國產化的同時，可以通過建立分級分類進口管理體制，來緩解國內高端晶片短缺導致的算力不足問題。應該避免贏了硬體製造，而輸了技術開發和應用的局面。 （一）AI在重構全球權力和財富格局，關乎國運、中國經濟再增長的動力 儘管不斷有人質疑人工智慧發展路徑是否正確，以及是否存在泡沫，但是AI正在以遠超以往任何新技術的速度，在重構全球財富格局。

全球AI產業正迎來密集資本化浪潮，一場圍繞算力、模型、場景展開的AI“三國博弈”正式上演。SpaceX將於6.12正式登陸納斯達克，Anthropic、OpenAI相繼密交招股書，啟動IPO流程。三家巨頭看似賽道不同，實則牢牢把控下一代智能產業核心，將徹底改寫全球AI競爭版圖。 一、三強定位：賽道有別，核心皆為AI SpaceX：以航天為載體的太空算力巨頭 大眾認知裡它是商業航天標竿，但其核心佈局早已錨定AI。火箭、星鏈只是底層載體，真正目標是搭建軌道級太空算力中心。依託衛星叢集突破地面資料中心的電力、散熱與空間限制，搭配自研晶片建構完整算力鏈路，還深度聯動大模型技術，形成“航天硬體+雲端算力+AI模型”閉環。SpaceX本質是佈局未來AI算力底座，搶佔太空智能的制高點。

2026年，全球AI競賽進入白熱化，巨額資金正以前所未有的規模湧入。 美國僅四大科技巨頭微軟、Google、亞馬遜、Meta就預計投入約6500億美元； 中國到2030年累計投資將達10兆人民幣; 歐洲與日本，分別公佈了2000億歐元和1兆日元的投資計畫。

請注意，中國要發力了。 2026年，全球AI競賽進入白熱化，巨額資金正以前所未有的規模湧入。 美國僅四大科技巨頭微軟、Google、亞馬遜、Meta就預計投入約6500億美元； 中國到2030年累計投資將達10兆人民幣;

編者按 中美兩國元首於川普訪華期間就人工智慧問題達成共識，同意啟動AI政府間對話，表明雙方在AI風險管控與治理框架領域仍存在足夠的共同利益基礎。與此同時，全球AI技術標準與產業生態正加速成型，中國參與國際規則制定的時間窗口正在縮小。 作者提出，中國在推進中美AI對話時不能夠將美國視為“鐵板一塊”。事實上，美國內部存在四組訴求迥異的力量——川普及其家族、MAGA（美國優先派）與科技右翼派、猶太民族主義和以色列派、民主黨與進步左派。中國需要針對各方利益精準施策並展開分層對話，方能在這一輪AI博弈中爭取到真正有利的規則空間。 昨天（5月19日），外交部在例行記者會上給出了一個簡短但份量極重的表態：川普總統訪華期間，兩國元首就人工智慧問題進行了建設性交流，同意開展人工智慧政府間對話。

2026年第一季度，美股科技巨頭的AI軍備競賽邁入了一個新的量級。截至5月1日，“七姐妹”中除輝達外，Google母公司Alphabet、微軟、亞馬遜、Meta、蘋果、特斯拉已悉數交卷。六家巨頭營收全面超預期，但更值得關注的是另一個數字：以區間高點計算，六家巨頭2026年合計資本支出將突破7000億美元。業績增長與支出狂潮之間，市場正在進行一場冷靜的重新定價。同樣交出超預期財報，同樣加大資本開支，Alphabet盤後大漲逾7%，Meta卻遭遇重挫。當巨頭們的AI資本支出加速衝刺，業界的關注焦點轉向重金砸向AI後，AI的賺錢邏輯是否清晰。AI“燒錢”階段遠未結束Google母公司Alphabet是本輪財報季最突出的贏家。2026年第一季度，公司實現總營收1099億美元，同比增長22%，創四年來最高單季增速；GAAP淨利潤626億美元，同比大增81%。各項業務呈現全面增長態勢，其中搜尋廣告及其他營收604億美元，同比增長19%。Google雲營收首次突破200億美元，增速從去年的30%一躍跳升至63%，營運利潤率攀升至32.9%。這意味著AI業務不僅帶來了營收增量，更開始貢獻實質性利潤。CFO阿納特·阿什肯齊給出了遠期指引：2026年全年資本支出上調至1800億至1900億美元，2027年將“顯著高於”這一水平。與此同時，Google雲積壓訂單季度環比近乎翻倍至4620億美元，其中超過一半將在未來24個月內確認為收入。這種將巨額支出與明確需求直接對應的敘事，構成了Alphabet股價大漲的底層邏輯。相比之下，儘管Meta也交出增長的業績，但盤後股價重挫約7%，市值蒸發超千億美元。從財報看，Meta一季度總營收563億美元，同比增長33%，創2021年以來最快增速。其中廣告業務出現回暖，AI投入的成效開始在廣告業務顯現。但Meta上調開支的計畫影響了資本市場。該公司將2026年全年資本支出預測從此前的1150億至1350億美元，上調至1250億至1450億美元。Meta CFO稱，開支上調主要源於硬體零部件成本上漲及資料中心擴張。她還表示公司在估算自身算力需求時“一直在低估”，2027年的資本支出暫不明朗。此外，Meta正在試圖通過裁員和內部效率最佳化來避險AI開支帶來的壓力。這種“投入需求仍在擴大卻看不到邊界”的表態，在一定程度上加劇了市場對其資本效率的擔憂。微軟的業績同樣穩健，市場反應相對平淡。第三財季營收829億美元，同比增長18%；AI業務年化收入突破370億美元，同比增長123%；Azure雲增速達40%，超出自身指引上限。資本支出方面，微軟本財季資本支出319億美元，低於市場預期的349億美元。微軟CFO艾米·胡德在財報後電話會上預測，公司2026年全年資本支出將達到1900億美元，與2025年相比大增61%，預計零部件價格上漲將帶來250億美元的影響。亞馬遜雲服務AWS在本季度的表現突出，營收同比增長28%至376億美元，這是其過去15個季度以來的最快增速。亞馬遜透露，積壓訂單為 3640 億美元，環比增加 1200 億美元。亞馬遜 CEO 安迪·賈西表示，這些訂單來自相當廣泛的客戶群體，且不包括 Anthropic 此前同意斥資 1000 億美元購買 AWS 基礎設施的交易。更深層次的突破在於，亞馬遜的自研AI晶片（Trainium和Inferentia）業務的年化收入規模已突破200億美元，且以三位數的速度增長。這直接證明了亞馬遜在試圖擺脫對輝達的依賴。安迪·賈西在電話會中透露，亞馬遜正在佈局更宏大的能源藍圖，包括與OpenAI達成協議，為其提供2吉瓦的Trainium算力支援。這種“以自研換成本”的策略，讓亞馬遜在AI軍備競賽中走出了一條穩健的曲線。蘋果與特斯拉則走出了相對獨立的路徑。蘋果2026財年第二財季總營收1111.8億美元，同比增長17%，大中華區收入扭轉下滑趨勢，增長28%。蘋果CEO庫克在電話會上傳遞出克制的投資姿態：AI是重要領域，但公司將在產品路線圖常規投資基礎上逐步加大投入。這種策略使蘋果避開了市場對“燒錢”的審視。特斯拉一季度營收224億美元，略低於市場預期。馬斯克將2026年資本支出上調至超過250億美元，但這將導致特斯拉自由現金流承壓。特斯拉的押注方向指向Optimus人形機器人與定製AI晶片AI5。這是一條周期更長、驗證更難的道路。從軍備競賽到商業閉環從已披露財報的六家美股巨頭財報電話會內容看，算力、晶片、商業化等主題多次出現，這也構成理解當前AI競賽的關鍵線索。算力供給緊張是行業的共同瓶頸。Alphabet CEO皮查伊明確表示，“如果不是受限於短期內的計算資源瓶頸，Google雲的收入本可以更高。”微軟CFO給出了時間表——供給受限“至少會持續到2026年底”。Meta CFO 則表示一直在低估自身需求。三家公司的表述指向同一個現實：需求遠未被滿足，但釋放節奏受制於晶片供應和資料中心的建設周期。與此同時，自研晶片正在成為重塑巨頭們成本結構的關鍵變數。亞馬遜首次披露的晶片業務年化營收200億美元，若將晶片業務獨立營運，同時面向亞馬遜雲科技客戶及外部第三方銷售半導體產品，該業務年化收入規模有望達到500億美元。Alphabet的自研TPU已經在雲業務中規模化部署，並將發佈第八代產品。微軟也在推進自研晶片以最佳化長期成本。這一趨勢對輝達而言構成結構性變數：短期內，巨頭們仍是其最大客戶；中長期看，自研晶片的成熟可能分流部分需求。此外，伴隨著大模型競賽轉向Agent時代，AI的商業化驗證進入關鍵階段。亞馬遜高管多次提到Agentic（智能體化），Google稱每分鐘處理的Token數量已超過160億個，微軟Copilot付費使用者突破2000萬，Meta的AI廣告系統帶來了可量化的轉化率提升。此外，Google和亞馬遜的雲業務積壓訂單大幅增長，表明AI的商業化已從簡單的文字生成轉向了重塑生產力的核心邏輯，同時一些企業級AI產品已開始形成規模收入。野村中國科技及電訊行業分析師段冰對記者表示，在AI商業化節奏方面，中美基礎模型平台均處於變現探索期，海外頭部企業因模型能力與付費環境優勢變現更快。而上層應用企業面臨底層模型功能外溢的壓力，一些標準化的應用容易被替代。但AI對利潤率的貢獻仍處於早期階段，一些巨頭的資本支出同比增速高於營收增速，Meta的投資回報路徑尚不清晰，亞馬遜有相當比例的利潤來自非經常性收益。在美股七姐妹中，輝達是唯一沒有正式披露業績但又無處不在的一家。該公司將於5月20日左右公佈最新季度業績。六巨頭的資本支出計畫為它提供了強勁的需求側支撐，但當它的大客戶們同時成為自研晶片的競爭者，輝達同樣面臨考驗。在其餘幾家相繼公佈財報後，輝達市值再度跌破5兆美元。 (第一財經資訊)

這個4月，AI圈簡直炸了鍋。先是DeepSeek創始人梁文鋒親自確認，新一代旗艦大模型V4將於4月下旬正式發佈，兆參數架構直接拉滿國產大模型的天花板。緊接著，阿里的HappyHorse-1.0（快樂馬）橫空出世，直接屠了全球AI視訊盲測榜，把字節、Google的頂流模型全甩在了身後。就在所有人都在熱議國產AI的高光時刻，我突然想起了馬斯克在X平台上撂下的那句話：“人工智慧將在3年後超過所有人類智能。”很多人把這兩件事分開看，把DeepSeek和HappyHorse（快樂馬）當國產AI的崛起新聞看，把馬斯克的話當“大佬的狂言”聽。但如果你把它們放在一起就會發現，這根本不是巧合，更不是單個產品的普通迭代，而是在通往AGI（通用人工智慧）的路上在加速前進。一、不是單點突破，是全球AI競賽全面打響很多人看新聞，只看到了“發佈新模型”“登頂榜單”這幾個字，卻沒看懂背後真正的份量。先說說DeepSeek V4。很多人對大模型的印象，還停留在“能聊天、能寫文案”的階段，可DeepSeek V4這次的升級，是從根上的全面革新。它用了1兆參數的MoE架構（Mixture of Experts，混合專家架構），處理速度直接比上一代飆升了35倍，能耗反而還降了40%。這是什麼概念？就是以前你花1個小時才能讓AI幹完的活，現在1分多鐘就搞定了，還比以前更省電、更便宜。更誇張的是它的“記憶力”。它的上下文窗口直接拉到了100萬token（詞元，AI處理文字的基本單位），相當於一口氣能讀完15-20本長篇小說，連裡面的人物關係、細節伏筆都記得清清楚楚，絕不會出現聊到後面，就忘了你前面說過什麼的情況。最關鍵的是，它全程基於國產華為昇騰晶片原生開發，徹底擺脫了海外算力的“卡脖子”問題，這意味著國產大模型，已經正式從“跟跑”邁入了“並跑”的核心賽道。再說說橫空出世的“HappyHorse-1.0”，這匹“快樂馬”，直接踢翻了全球AI視訊圈的牌桌。它登頂的Artificial Analysis Video Arena榜單，是目前全球公認最權威的AI視訊評測平台。它的排名機制特別殘酷，用的是國際象棋等級分制度的Elo積分制，全程純盲測。什麼意思？就是使用者完全不知道視訊是那個模型生成的，系統隨機甩兩段視訊過來，你只能憑那個畫面更流暢、更符合指令、觀感更好來投票，完全排除了所有品牌光環，只比真實體驗。不止國內在瘋狂衝刺，海外的AI賽道早就進入了“不進則亡”的競賽狀態。OpenAI、Google、Anthropic輪番發佈新模型，從文字到多模態，從推理到智能體，每一次更新都在瘋狂壓縮技術迭代的周期。更可怕的是，整個行業的頭部玩家，都在集體“跳錶”，把AI超越人類的時間線，一縮再縮。二、他們到底在慌什麼？AI的“硬起飛”就發生在眼前看到這裡，你可能會問：不就是出了兩個新模型嗎？至於這麼大驚小怪，上升到人類倒計時的地步嗎？那我再給你看馬斯克說的另一句話，他說：“我們現在就處於‘硬起飛’階段，就是現在。”什麼叫“硬起飛”？以前我們說AI發展，是“人推著AI往前走”。我們給它定目標，給它喂資料，給它調參數，手把手教它學習，它每往前走一步，都離不開人類的推動。但“硬起飛”不一樣。它是AI自己給自己踩油門，進入了自我加速的失控式增長階段。不用人催，不用人教，它自己就能完成迭代、實現突破，甚至連它進化的速度，人類都已經跟不上了。馬斯克自己是這麼描述的：“我晚上睡覺時，AI取得了一項重大突破；等我醒來，又出現了另一項突破。老實說，很難跟上節奏，這讓人有點暈頭轉向。”而這場“硬起飛”裡，最可怕的核心，是AI已經進入了“遞迴自我改進”階段。以前，我們訓練一個AI模型，要程式設計師寫程式碼，演算法工程師調參數，資料團隊清洗資料，全流程都離不開人。但現在不一樣了，新一代的AI模型，已經由上一代模型深度參與訓練了。從程式碼編寫、資料清洗，到參數調優、效果測試，AI能做的事情越來越多，人類在這個循環裡，角色越來越邊緣化，越來越插不上手。馬斯克給出了一個更讓人後背發涼的預判：“可能今年年底會實現完全自動化的自我改進，最遲不會晚於明年。”換句話說，最快今年，AI就能徹底脫離人類的輔助，完成自我迭代、自我進化，進入完全的自我加速周期。到那個時候，AI的進化速度，會快到我們根本無法想像。很多人以為，馬斯克眼裡的AI，就是能寫文案、做報表、生成視訊的工具，那你就太小看他了。他描繪的AI終極藍圖，是一個消耗比全人類文明多一百萬倍電力的智能體，能解決人類能想到的所有問題。為了突破電力這個最大的瓶頸，他甚至計畫2-3年內把AI資料中心送上太空，用太空裡沒有晝夜交替的太陽能，徹底釋放AI的算力潛力。而當AI和機器人接管了所有生產，人類社會會變成什麼樣？馬斯克的答案是：錢會變得不再重要，商品和服務的產出會遠遠超過需求，AI和機器人會把所有事都幹完，人類最終會因為全方位的服務，而“無事可做”。馬斯克和Altman（奧特曼）不是在製造焦慮，而是看到了我們普通人看不到的風景。他們怕的不是AI本身，而是人類根本沒做好準備。三、倒計時1095天，最危險的是你以為“還有時間”看到這裡，很多人心裡還是會有一個僥倖的想法：3年呢，還早，急什麼？3年，聽起來很長，其實只有1095天。就是你換2份工作的時間，就是你學一個新技能、考一個行業證書的完整周期，就是你家孩子從幼兒園升到小學的時間，一眨眼就過去了。更關鍵的是，AI的進化，從來都不是線性的，是指數級的。舉個例子：一個池塘裡的荷花，每天都會以前一天兩倍的數量開放。如果到第30天，荷花就開滿了整個池塘，那請問：荷花在第幾天開滿了半個池塘？答案不是第15天，是第29天。前29天，荷花只開了半個池塘，可第30天，一天之內，就開滿了剩下的整個池塘。這就是指數級增長的可怕之處。你以為它還很慢，還離你很遠，可等你反應過來的時候，它已經瞬間鋪滿了你的整個世界。我們現在，可能就處在這第29天的晚上。這場AI競賽，最先衝擊的，就是90%的辦公室白領工作。現在不妨停下來，問自己兩個問題：你每天的工作，有多少是AI分分鐘就能替代的？1095天之後，當AI真的超越了所有人類智能，你的核心競爭力，到底是什麼？四、不想被時代淘汰，你必須立刻做對3件事難道我們就只能等著被AI替代，一點辦法都沒有嗎？當然不是。具體該怎麼做？記住這3件事。第一件事：做決策，提問題很多人對AI的理解，完全搞反了。他們天天用AI干自己的本職工作，寫郵件、做報表、寫方案，然後把AI的產出改一改，就交上去了。看起來是省了力氣，提高了效率，可實際上，你是在天天給AI喂資料、當陪練，幫它在這場競賽裡變得越來越強，最後把自己替代掉。在德州超級工廠接受的深度訪談中，馬斯克也談到“任何涉及敲擊鍵盤、移動滑鼠、處理資訊的任務，AI都能勝任。”你要明白，AI是工具，不是你的競爭對手。工具是用來幫你幹活的，不是用來取代你的。你要做的，是使用工具的人，是決定“做什麼”“為什麼做”的人，而不是聽指令“怎麼做”的人。就像馬斯克，他不寫程式碼，不調模型參數，不親手造火箭，他做的只有一件事：決定我們要做什麼、為什麼做。他決定我們要造電動車，要去火星，要做通用人工智慧，剩下的，交給工程師和AI去執行。AI做執行，你做決策；AI給答案，你提問題；AI算資料，你定方向。不要沉迷於“把事情做對”，要學會“做對的事情”。第二件事：放棄舒適區的標準化，學習臨場發揮很多人在職場裡，追求的是“熟練工”的安全感。同一件事，我幹得比別人快，比別人熟，我就有安全感。可在AI時代，這恰恰是最危險的事。AI最擅長的，就是標準化、常規化、重複性的工作。你在這件事上越熟練，就越容易被替代。普華永道（PwC）在2025年公開承認，正在大幅縮減初級崗位招聘，審計部門的初級崗位到2028年預計將減少39%。與此同時，畢馬威英國近兩年畢業生招聘人數也從1399人降至942人，縮減近三分之一。這些變化的直接推手，正是AI。原本由初級審計員花數周時間完成的憑證核對、底稿整理、資料清洗，現在AI幾小時就能完成，且不出錯。但有趣的是，四大並沒有一刀切地砍掉所有招聘。PwC的AI鑑證負責人Jenn Kosar明確表示，公司正在把被AI釋放出來的人力，轉向戰略諮詢、複雜問題解決等更高價值的領域，甚至開始培訓初級員工“像管理者一樣思考”。因為AI能搞定99%的標準化審計流程，但遇到企業財務造假的隱蔽跡象、複雜的跨國稅務糾紛、客戶特殊訴求的權衡判斷，AI就束手無策了。你的價值，從來不是你能把常規工作做多好，而是你能處理多少AI搞不定的“異常情況”。這些“異常情況”，沒有標準答案，沒有標準化流程，需要的是你的經驗、你的判斷力、你的臨場反應，這些都是AI永遠學不會的東西。接下來，把你的時間和精力，從這些機械性的工作裡抽出來，去解決那些複雜問題，去應對那些突發狀況，去打磨那些非標準化的能力。第三件事：做與“人”打交道的事AI在虛擬的位元世界裡，可以說無所不能。那怕是這場競賽裡最頂尖的視訊模型HappyHorse（快樂馬），也只能在數字世界裡生成完美的畫面，卻無法在現實世界裡，完成一個簡單的開門動作。這就是AI最大的短板：它能玩轉虛擬的位元世界，卻搞不定真實的原子世界。就像馬斯克說的“除了必須親手操作原子、搬動物理實體的工作，人工智慧現在已經有能力完成一半以上的白領工作。”而這，恰恰是我們最大的機會。所以，我們要主動增加和真實物理世界、真實的人打交道的比重。比如，做設計的，不要只在電腦裡畫圖，多去現場看施工、和工人溝通落地細節；做電商的，不要只看後台資料，多去線下和供應鏈、使用者面對面交流；做教育的，不要只做線上標準化課件，多花時間做一對一個性化的陪伴和溝通。去深耕那些需要和真實世界、真實的人打交道的能力。你的動手能力，你的實地判斷能力，你的人際溝通能力，你的共情能力，你的線下服務能力，這些，都是AI短期內根本無法替代的。結語AI的到來，從來不是人類的末日，而是對人類的一次終極篩選。最終淘汰你的，從來不是AI，不是這場瘋狂的競賽，是那個原地不動、拒絕改變、總以為還有時間的你自己。 (筆記俠)