一場儲存熱潮，不僅讓三星與SK海力士賺得盆滿缽滿，也讓資本市場的天平發生了一次微妙的傾斜。2月3日，三星電子與SK海力士合計市值達到1.14兆美元，略微超過阿里巴巴和騰訊在港股合計1.07兆美元的市值。三星與SK海力士是目前韓國市值最高的兩家公司，前者今日大漲11%，後者漲幅超過9%；今年以來，它們的累計漲幅均接近40%。另一邊，在總市值上暫時落後的阿里與騰訊，市場普遍認為，今日下跌主要與一則網際網路增值服務將被“加稅”傳言有關。不過追根溯源，這或許是外界對相關稅收調整政策的誤讀。阿里與騰訊同日收盤跌幅均分別收斂至1.41%與2.92%；今年以來，阿里累計漲幅12.75%，騰訊微跌3%。在這背後，更重要的推動力自然還是席捲全球的儲存缺貨潮。如今，以HBM為首的儲存晶片已成為AI基建中不可或缺的部分，同時，願意支付溢價的大型雲廠商帶來的需求，進一步推高了儲存巨頭們的業績。在DRAM和NAND雙雙出現創紀錄短缺的背景下，三星和SK海力士獲得了前所未有的定價權。高盛集團亞太區首席股票策略師Timothy Moe則預計，今年韓國股市約60%的盈利增長將來自半導體行業。在暫時不同的股價走勢背後，也是在AI領域選擇的不同發展路徑。富時羅素全球投資研究主管Indrani De指出，中國的優勢在於龐大的製造生態體系，這意味著可以非常迅速地實現規模化；韓國則專注於硬體領域，建構結構性優勢。富蘭克林鄧普頓全球投資的投資組合經理Yiping Liao也給出了類似觀點：“韓國高度聚焦於科技供應鏈中的某一個特定環節，而中國則更像是在試圖建構一個端到端、完整覆蓋的AI技術體系。”換言之，兩種路線中，一條專注於關鍵環節的技術深度與掌控力，另一條則偏向於系統整合與市場應用的廣度。更值得注意的是，在事關AI熱潮的全球討論中，阿里、騰訊這些網際網路大廠更頻繁的比較對象，是微軟、Google、Meta等矽谷巨頭們，對比維度也更聚焦於資本開支、AI變現等。在過去幾天，國內幾家網際網路巨頭都已陸續部署2026年發展規劃，AI均是核心發力點。例如騰訊創始人馬化騰表示，未來將大模型和AI 產品以一體化的方式來考慮，持續提升產品長期競爭力與使用者體驗；阿里提出“通雲哥”新概念，即“雲+AI+晶片”三位一體發展，充分發揮全端優勢；字節CEO梁汝波明確，2026年公司在AI上要“勇攀高峰”，短期核心目標聚焦豆包/Dola助手的應用落地。與此同時，隨著春節臨近，AI流量戰也已升溫：此前字節跳動旗下火山引擎已官宣成為央視春晚獨家AI雲合作夥伴，豆包將同步上線多元AI互動玩法；元寶、文心、千問也宣佈將於春節期間派送現金紅包，全力搶佔節日流量入口。長期而言，相較於將自己暴露於儲存晶片供需周期之中的韓國晶片廠商，中國網際網路巨頭在應用層面的優勢，或許能為自身提供更長期、更穩定的增長支撐。 (財聯社AI daily)

Rocket Lab已突破單一火箭發射商的侷限，通過“發射+製造”的雙輪驅動，建構了僅次於SpaceX的航天全產業鏈壁壘，被視為航天領域的“第二極”。其Electron火箭壟斷小型發射市場，高毛利的太空系統業務，比如衛星製造與零部件，正成為新增長引擎。在馬斯克的SpaceX聚光燈之外，一家從紐西蘭起步的公司正在悄然建構僅次於前者的航天全產業鏈護城河。據國金證券分析師陳矣驕發佈的深度研報指出，Rocket Lab正處於企業生命周期的關鍵拐點。這家公司不再僅僅是把衛星送上天的“快遞員”，而是正在成為太空基礎設施的一站式總包商。戰略重估：不僅僅是“迷你版 SpaceX”Rocket Lab 的核心願景已不再侷限於將載荷送入軌道，而是重塑太空接入與應用方式。公司目前的業務邏輯非常清晰：以發射業務建立信任，以系統業務收割價值。發射端（現金奶牛）： 利用 Electron（電子號）火箭的高頻發射建立可靠性記錄，作為進入高利潤市場的敲門磚。系統端（增長引擎）： 憑藉發射建立的信任，切入衛星製造和零部件供應。2024 年 1 月獲得美國太空發展局（SDA）價值 5.15 億美元的合同就是這一戰略的里程碑，標誌著公司正式獲得美國國防部“主承包商”的官方認證。規模化（未來重器）： 開發中型火箭 Neutron（中子號），旨在通過大規模星座部署直接挑戰 SpaceX 的壟斷地位。發射業務：小型火箭的絕對霸權與中型火箭的破局野心Rocket Lab的起家資本是Electron（電子號）火箭。作為目前全球唯一實現高頻、可靠商業營運的小型運載火箭，Electron已執行79次發射，部署245 顆衛星。雖然其單次發射價格約750萬美元（公斤成本高於 SpaceX 的“拼車服務”），但它提供的是定製化的“計程車”服務（定製軌道、定製時間），而非SpaceX的“公車”服務，這種靈活性使其在特定軌道和國防任務中擁有極高的溢價權。HASTE 項目是該業務中隱形的高利潤增長點。 這是一個基於 Electron 修改的亞軌道測試平台，專門服務於美國國防部的高超音速武器測試。它能以數百萬美元的成本模擬高超音速導彈軌跡，遠低於傳統測試成本，且利潤率顯著高於普通商業發射。而市場對 Rocket Lab 最大的期待在於 Neutron 火箭。這並非 Electron 的簡單放大，而是針對 2025 年後星座組網需求設計的全新中型可回收火箭。Neutron 的設計哲學極具差異化：“餓河馬”整流罩（Hungry Hippo）： 整流罩與一級箭體一體化，發射時張開釋放二級，隨一級整體返回。這消除了海面打撈和海水腐蝕的難題，大幅降低翻新成本。阿基米德發動機： 採用液氧/甲烷推進劑和富氧分級燃燒循環（ORSC），不追求極致壓力，而追求耐用性和快速復用。碳纖維箭體： 利用自動化鋪放機製造，比金屬更輕、更強。值得注意的是，Neutron 的首飛已推遲至 2026 年第一季度。 CEO Peter Beck 強調這是為了確保“首飛即入軌”，避免重蹈其他初創公司炸燬發射台的覆轍。目前的研發投入正處於飽和攻擊階段，阿基米德發動機已完成 102% 推力的熱試車。太空系統：既賣鏟子，也挖金礦市場往往忽視了Rocket Lab在發射之外的佈局。通過收購SolAero（太陽能）、ASI（飛行軟體）、PSC（分離系統）等，公司建構了極致的垂直整合能力。這種策略被稱為“Intel Inside”戰略：賣鏟子（作為零部件供應商）： 只要有人造衛星，就需要太陽能電池板、反作用輪和星敏感器。Rocket Lab的元件已服務於1100+顆在軌衛星，無論誰負責發射，它都能賺取高毛利的零部件收入。挖金礦（作為主承包商）： 依託自研的光子號（Photon）等通用衛星平台，公司已具備承接大規模星座建設的能力。美國太空發展局（SDA）授予的5.15億美元合同，標誌著其正式從零部件供應商躍升為頂級系統整合商。值得注意的是，公司近期發佈的 Flatellite 概念，採用類似 Starlink 的扁平可堆疊結構，專為 Neutron 整流罩最佳化。這向市場釋放了一個明確訊號：Rocket Lab 已準備好從“服務商”向“營運商”轉型，未來可能建構自有星座，直接切入下游應用市場。財務透視：高研發投入下的盈利修復資料驗證了戰略轉型的成功。公司營收從2020年的3516萬美元激增至2024年的4.36億美元，五年增長超10倍。更關鍵的是盈利質量的改善，GAAP毛利率在兩年半內翻倍，從11.6%修復至2025年Q3的37.0%。這得益於發射復用技術的成熟和垂直整合帶來的BOM成本下降。目前的虧損主要源於對Neutron火箭的飽和式研發投入（2025年Q3研發費用達7070萬美元）。這並非經營效率低下，而是以短期虧損換取長期的星座組網入場券。截至2025年Q3，公司在手訂單高達11億美元，其中57%將在未來12個月內確認為收入，業績能見度極高。行業卡位：2026年的生死時速2026年將是全球商業航天的分水嶺。一方面，ITU（國際電聯）的軌道資源申報規則迫使各國加速發射保頻佔軌；另一方面，中國商業航天（如GW星座、G60星座）也將進入工業化爆發期。在這一類似“大航海時代”的結構性變革中，Rocket Lab憑藉其跨半球的發射基地（紐西蘭+美國）和全產業鏈能力，已成為美國及其盟友維持太空進入能力的關鍵戰略資產。 (invest wallstreet)

導讀近年來中國商業航天發展明顯提速。一是全球航天發射次數再創新高。2025 年全年發射達 337 次，較 2024年的263 次同比增長 28%，創下歷史最高紀錄。2025年1-11月全球入軌航天器總數超 4026 顆，全年發射成功率約 97%；中美兩國合計發射 283次，佔全球總發射次數的84%。二是運載能力與回收技術迎來雙重突破。長征十二號作為首款4米級商業火箭成功首飛，大幅提升低軌運力；朱雀三號完成十公里級垂直起降，標誌著民營可回收技術日趨成熟。三是衛星網際網路與基礎設施跨越式發展。2026年1月11日，國際電信聯盟正式披露，中國已提交了總計超20.3萬顆衛星的頻軌資源申請，這一史無前例的申報規模，標誌著中國商業航天已從技術驗證階段正式邁入超大規模組網的實質性搶灘階段。與此同時，海南商業航天發射場具備高密度發射能力，為大規模組網提供關鍵的底座支撐，中國有了第一個真正意義上的商業發射場。四是商業航天被納入戰略性新興產業重點發展。2025年3月《政府工作報告》商業航天首次被明確定義為“戰略性新興產業”。2025年11月商業航天司的正式成立，標誌著商業航天從行業試點上升為國家戰略級統籌。將為2026年的高密度發射提供關鍵保障。五是資本助力IPO加快。2026年不僅是技術元年，也是民營火箭企業的上市大年。隨著《指引第9號》明確支援商業火箭企業適用科創板第五套標準，藍箭航天、星河動力等頭部企業開啟IPO處理程序。解決了商業航天企業高投入、長周期的上市融資痛點。2026年有望成為中國商業航天大發展的元年。未來，全球商業航天領域會發生2個重大改變：一是低軌星座的進入決勝期，衛星網際網路從B端專用走向手機直連，消費級市場爆發。軌道和頻段作為不可再生的稀缺戰略資源，遵循先登先佔原則。隨著2026年SpaceX星鏈全面推進手機直連商業服務，中國向ITU申報超20萬顆衛星計畫，全球將迎來高密度發射潮。2026年不僅是衛星數量的爆發年，更是商業模式的拐點。未來普通智慧型手機無需改裝即可直連衛星，衛星網際網路將正式打通即時通訊閉環，開啟兆級的C端大眾消費市場。二是未來用商業航天在太空部署AI資料中心的潛能顯現。馬斯克提出：未來最低成本的AI算力可能來自太空，利用太空24小時不間斷的光照為高能耗的AI超算叢集直接供電，並利用宇宙極低溫環境進行輻射散熱。這種“天上發電、天上訓練”的模式，將催生出海量的新商業發射需求。商業航天不僅是新質生產力的典型代表，更是大國競爭的戰略高地。航天事業的發展，既是對十兆級太空新基建的提前卡位，也是在未來太空經濟版圖中爭取規則制定權與話語權的關鍵。從手機直連，到太空AI能源革命，商業航天正在重塑人類文明的生存邊界。目錄1 商業航天成為國家戰略產業2 中國商業航天進入發展加速階段3 SpaceX引領，商業航天的“ChatGPT時刻”4 未來商業航天的兩大突破性應用正文1 商業航天成為國家戰略產業2025年全球航天發射活動再創記錄。全年發射達337 次，較 2024年的263 次增長 28%。刷新自1957年人類首次航天發射以來的最高紀錄。2025年1-11月全球入軌航天器總數超 4026 顆，全年發射成功率約 97%；中美兩國合計發射 283次，佔全球總發射次數的84%。商業航天是一國航天能力的關鍵。區別於國家航天偏向於國防、科研、探測領域，商業航天在衛星通訊、星鏈發射、太空補給領域已成為有力補充。在深空探測、外星移民、星際旅行等太空經濟項目極具潛力。商業航天應用空間大。從可回收火箭技術到衛星網際網路手機直連的消費級應用，空間極大。AI時代，太空算力部署也成為科技競爭的未來焦點，因此，參與全球商業航天競爭是航天大國的必由之路。商業航天是未來建設太空經濟的前哨，有利於佈局軌道資源。軌道資源在國際上遵循“先到先得”原則，是稀缺資源。民用火箭發射需求激增，商業航天成為佔領軌道資源的最佳選擇。中美兩國是未來航天事業的主要推動者。以美國SpaceX為代表的商業航天企業推動航天技術進步。在承接NASA技術和訂單的基礎上，以民營企業理念、工程師文化治理的方式，在20多年裡實現了史無前例的高效研發、低成本發射、以及回收技術進步。中國的商業航天主體，發射頻率高、增速快，2025年發射次數達92次，同比增長35%。新申請超20萬顆衛星頻軌資源，是全球近地軌道在軌衛星數量的12.5倍，中國商業航天市場需求潛力巨大。2025年3月《政府工作報告》商業航天首次被明確定義為“戰略性新興產業”。2025年11月，商業航天司的正式成立。標誌著中國的商業航天從過去的行業試點正式上升為國家的戰略產業。未來將極大程度標準化高密度發射的流程。2 中國的商業航天進入發展加速階段過去，中國的航天發射活動主要由國家主導，通過國家航天局和中國航天科技集團等機構進行。過去主要發射任務包括：載人航天（中國空間站已全面進入應用與發展階段）、科學探測（嫦娥六號實現世界首次月背採樣返回、天問二號小行星探測）、北斗導航衛星系統、遙感和通訊衛星（用於地球觀測、資源勘探、氣象預報以及通訊）、技術試驗衛星（新技術、新材料、新裝置的在軌試驗）、以及為國內外客戶提供商業發射服務。近10年，中國的航天活動開始進入商業化新階段。2015年，在國家主導航天工業發展60多年後，中國首次向民營資本開放航天領域。“北京二號”成為首個經政府批准的民用商業衛星項目，中國商業航天正式起步。2018年，“重慶兩江之星”與“雙曲線一號”的成功，證明了中國在商業火箭領域的自主研發能力。進入2020年代中期，中國商業航天迎來爆發式增長：以“千帆星座”等為代表的衛星網際網路開始密集組網，多家民營航天企業在大型液體可回收火箭領域取得關鍵突破。2025年中國共進行92次航天發射，再創歷史新高，其中商業發射佔比顯著提升，已成為建設航天強國的重要力量。2.1 商業航天政策支援力度明顯加大從政策方面看，2025的政策風向已從鼓勵發展轉向了制度確立、准入放寬。一是國家頂層戰略設計支援。2025年商業航天的戰略地位在國家檔案中得到了顯著提升。2025年3月《政府工作報告》商業航天首次被明確定義為“戰略性新興產業”。相比2024年將其歸類為未來產業、新增長引擎，進一步升級。2025年11月國家航天局發佈《推進商業航天高品質安全發展行動計畫（2025—2027年），核心目標到2027年基本實現商業航天高品質發展。明確提出“競爭性開放國家科研項目”，支援民營企業參與民用航天工程和國家重大專項。二是針對衛星網際網路、通訊等核心卡脖子領域，工信部在2025年出台政策。2025年8月，工信部印發《關於最佳化業務准入促進衛星通訊產業發展的指導意見》，支援民營企業開展衛星物聯網業務，並於2025年11月正式啟動了商用試驗。2025年9月，中國移動、中國聯通獲得衛星移動通訊業務經營許可，此前僅中國電信持有，這直接擴大了下游應用市場。2025年12月中國向國際電信聯盟（ITU）提交了20.3萬顆衛星的頻軌申請，這表明國家在提前進行商業航天“佔座”。三是地方政策支援。2025年，地方政府的直接開始給出資金補貼和訂單支援。廣東的《廣東省推動商業航天高品質發展若干政策措施（2025—2028年）》明確對地面站網（接收站、測控站）等基礎設施建設給予直接補貼；對衛星應用、火箭研製給予稅收優惠。北京亦莊建設“火箭大街”，海淀區聚焦衛星網際網路，上海依託“G60星鏈”，打造商業航天特色產業園。四是資本市場支援。2025年，科創板將商業航天納入第五套上市標準適用範圍，允許未盈利的硬科技航天企業上市。這為一級市場的投資人提供了清晰的退出通道。2.2 商業航天產業降本、技術突破2025年產業界的主要突破在於明確了可回收和3D列印作為兩大核心降本路徑。國內衛星發射成本已從2020年的11.5萬元/公斤降低至2024年的7.5萬元/公斤，但相比SpaceX獵鷹9號的1.4-1.8萬元/公斤仍有較大差距 。一是確立可回收技術的重要性。一級火箭佔全新火箭成本的60%，復用10次後發射成本可降低60%以上。比如藍箭航天的朱雀三號已嘗試回收試驗。比如航天科技集團的長征十二號甲已嘗試回收。此外長征十二號乙、長征十號乙計畫在2026年嘗試可回收。中科宇航的力箭二號計畫2026年嘗試可回收。二是3D列印技術成為標配。為了應對複雜的發動機結構（如推力室、噴管）並降低成本，國內頭部火箭公司全面擁抱3D列印。可使發動機製造成本下降1/5至1/3 。比如飛沃科技成為航天發動機3D列印核心供應商。客戶覆蓋天兵科技、中科宇航、星際榮耀、星火空間等企業，提供燃燒室、渦輪泵等核心部件。3 SpaceX引領，商業航天的“ChatGPT時刻”SpaceX是如今全球商業航天的領先者。2025年SpaceX進行了165次火箭發射任務，佔全球發射總數的49%。截至2025年底在軌衛星總數超過9000顆，超過任一國家隊發射的衛星總數。SpaceX計畫2026年上市，也意味著商業航天“燒錢豪賭”期結束，其價值被市場認可，預示了商業航天的“ChatGPT時刻”將至。SpaceX所代表的商業航天發展模式，核心是通過極致的規模化、低成本化和持續創新，將航天技術轉化為覆蓋全球的實用型網路服務與基礎設施。比如，SpaceX的航天研發在質量、成本和效率上均大幅領先美國國家隊NASA。SpaceX的火箭研發速度約為NASA的兩倍，投入成本卻只有NASA的十分之一。歸根結底，是以SpaceX為代表的市場化模式勝出，其背後是追求極致的工程師理念，商業化盈利的民營管理，以及政府支援的風險投資孵化。SpaceX正重新定義航天業，使其從傳統的國家級科研工程，轉變為以市場化營運為核心、能夠自我造血並持續迭代的全球性技術服務產業。一是建立了高度垂直整合的工業化體系以實現快速擴張。從可重複使用火箭技術，如“星際飛船”助推器復用間隔僅4個月，進行高頻次發射，建構了人類歷史上規模最大的衛星星座；二是地面基礎設施擴張，比如SpaceX的巴斯特羅普工廠為2026進行了目標產能翻倍的擴張，以支撐其未來規模化部署星鏈的願景。另一方面，SpaceX技術發展緊密圍繞提升全球網路連線能力與性能展開。通過部署V2迷你衛星和超24000個雷射器建構雷射星間鏈路，顯著提升了網路容量與性能，2025年高峰下載速度超200Mbps，延遲僅26ms。尤為重要的是，技術正從終端連接向“手機直連” 和天地海空全場景無縫覆蓋演進，SpaceX也向航天服務拓張，已覆蓋155個國家及地區的船舶、飛機，並致力於通過下一代技術實現總容量“提升100倍以上”的目標。全球還有兩家商業航天龍頭以太空旅遊市場切入商業航天。分別是Amazon創始人貝索斯的“藍色起源”、英國的“維珍銀河”。藍色起源的發展願景是通過低成本的太空旅行、探索和科研實現商業化太空擴張。其New Shepard亞軌道飛行器可以將乘客送到太空邊界卡門線以上，體驗失重狀態並觀看地球全景。維珍銀河的目標是成為商業航空和太空旅遊的先鋒企業。其不僅是最早啟動太空旅遊服務的公司，截止2025年底全球已有超800人預定其太空旅行服務。4 未來商業航天的兩大突破性應用4.1 第一大應用：低軌的衛星網際網路、直連通訊未來商業航天的第一大應用是：低軌的衛星網際網路，這也是目前商業航天領域最大、最核心、且最具爆發力的應用場景。2026年，馬斯克宣佈推出星鏈Direct to Cell服務，標誌衛星直連通訊手機全面進入消費級市場。其核心在於讓普通智慧型手機無需更換硬體，僅通過軟體升級即可直接連接低軌衛星上網或通訊。相當於將衛星變為太空基站，利用現有手機頻段和波束成形等技術，資料經星間鏈路在太空傳輸，最終以低延遲到達地面網路。第一，從市場規模看，低軌衛星網際網路具有兆規模市場空間。目前市面上已有的衛星通訊手機使用地球靜止軌道衛星，高度在3.6萬公里，且大多需要專用協議或特定應用程式，費率較高。而星鏈的低軌衛星在約550公里高度運行，低延遲和訊號強度的優勢也更明顯。此外，其直連服務可以無縫使用衛星網路服務，和地面網路的使用體驗相當，無需更換手機或使用特殊App。同時，這也這味著低軌星座的圈地進入決勝期，軌道和頻段作為先登先佔的稀缺戰略資源，隨著2026年SpaceX星鏈全面推進手機直連服務，中國也向ITU申報超20萬顆衛星計畫的落地，全球將迎來高密度發射潮。2026年不僅是衛星數量的爆發年，更是商業模式的拐點：隨著普通智慧型手機無需改裝即可直連衛星，衛星網際網路將不再是應急備份，而成為主流通訊選擇之一，競爭焦點也將從衛星數量轉向使用者體驗、資費成本和生態應用，真正開啟兆級消費市場。在火箭發射方面，低軌衛星模式也有優勢。過去的火箭發射是To B的，即便是SpaceX 這樣的巨頭，其發射業務的年收入也只是幾十億到百億美元的量級。全球每年的發射需求是有限的。而遙感需求的主要客戶是政府和特定行業（比如農業、防災等），市場規模相對較小且碎片化。而衛星網際網路是To C的、面向消費者的。它對標的是地面的電信營運商，而全球電信市場是兆美元等級。只要能從全球幾十億無法接入光纖的人口中獲取一小部分，或者從海事、航空、戶外探險等高端市場切入，其產生的現金流市場空間極大。為什麼SpaceX的估值能突破兆美元？絕大部分是靠Starlink星鏈的使用者增長預期在支撐。第二，低軌衛星網際網路也是商業航天工業化的最強驅動。在低軌衛星網際網路出現之前，航天是“手工作坊”式的：衛星是定製的，一顆造價幾億美元，需要造幾年。但低軌衛星網際網路改變了整個行業的生產邏輯：為了覆蓋全球，需要成千上萬顆衛星。這迫使衛星製造必須像造汽車一樣流水線化，單星成本從億級降到千萬級甚至百萬級。只有巨大的發射需求，才能分攤可回收火箭的研發成本，讓火箭復用在經濟帳上算得過來。沒有衛星網際網路的組網需求，就沒有高頻次發射的必要性。低軌衛星網際網路是整個產業鏈降本增效的第一推動力。第三，衛星網際網路關乎戰略層面的太空基建。低軌衛星網際網路不僅僅是上網，它本質上是天基的基礎設施。能夠解決海洋、沙漠、山區等地面基站無法覆蓋的70% 地球表面積。其低軌（500-1000km）的物理特性決定了其時延可以媲美光纖（20ms-50ms），遠優於傳統的高軌同步衛星（500ms+）。全球通訊業的共識是，未來的 6G 網路將是天地一體化的，低軌衛星是實現全球無縫覆蓋的關鍵一環。當前，中國主要通過GW（中國星網）、G60（千帆星座）和鴻鵠星座等項目加速低軌衛星佈局。目的是把通訊基站搬到天上，建構一張覆蓋全球的寬頻網路。這不僅是為瞭解決海洋、沙漠、航班等地面基站覆蓋不到區域的上網問題，更是為了給未來的手機直連衛星、汽車自動駕駛以及6G網路融合提供必不可少的基礎服務。圍繞著GW（中國星網）、G60（千帆星座）和鴻鵠等項目規劃，目前的衛星網際網路供應鏈主要分為造衛星、供核心部件、運送和地面接收四個關鍵環節。環節一：衛星整星製造。這一環節的企業直接從項目方拿訂單，負責把衛星組裝出來。以前是單顆定製，現在的核心任務是批次化生產。參與方包括國有和民營企業。比如中國衛星是GW（中國星網）最核心的供應商，承擔了國家隊托底的製造任務。同時也有商業的民營參與方，格思航天是G60的供應商，位於上海，專門為了千帆星座的批次生產。銀河航天是國內估值最高的商業衛星獨角獸，主打平板堆疊式衛星。環節二：核心載荷與零部件。這是衛星上最貴、利潤最高的環節，主要是做相控陣天線（用來傳輸訊號）和抗輻照晶片。其中，T/R元件與相控陣晶片決定網速和訊號質量，參與方有鋮昌科技、臻鐳科技等，主要提供相控陣雷達用的核心晶片，是衛星通訊系統的“心臟”。雷電微力做毫米波微系統，直接關係到高頻段通訊的能力。通訊載荷系統方面有創意資訊、信科移動等，提供衛星上的通訊處理裝置，相當於把基站的訊號處理單元搬到了衛星上。環節三是火箭發射服務。項目方造出衛星後，必須通過他們把衛星打上去。目前的瓶頸在於運力不足。國家隊包括長征系列（航天科技集團），主要通過長征二號、長征六號等型號承擔GW和G60早期的發射任務，穩但貴。商業火箭是未來的降本主力，比如藍箭航天除了推自己的鴻鵠星座，其“朱雀”系列火箭也是市場上的重要運力。中科宇航、東方空間、星河動力等民營、混合所有制的火箭公司都在爭取GW和G60的“拼車”發射訂單，目標是把每公斤發射成本打下來。環節四是地面終端與應用。目前處於早期，主要是做地面接收站和未來的使用者終端。地面信關站參與方有海格通訊、南京貓熊等，使用者終端/晶片的參與方有華力創通，盟升電子等。4.2 第二大應用：太空AI算力部署未來商業航天的第二大應用可能就是“天基AI”，將AI資料中心部署至太空。一是解決能耗問題，傳統資料中心不僅耗電量大、碳排放量高，伺服器冷卻還需消耗大量水資源，給全球帶來的能耗壓力驟增。而太空具備近乎-270℃的極低溫環境可實現自然散熱，擁有天然的散熱和成本優勢，單位算力能耗較地面水冷系統降低70%。二是電力持續保障，傳統資料中心的快速擴張造成全球能源供需錯位，而太空中有可以全天候、穩定利用的太陽能，且在大氣層外不受地面氣候和晝夜干擾，比地面太陽能更具優勢。太空的大型太陽能板技術已經極為成熟，已經持續為近萬顆衛星提供穩定電力。因此，發展“天基AI”可以有效緩解地面資料中心的“電荒”難題。從全球看，現在該領域不少公司正在躍躍欲試：Starcloud (原 Lumen Orbit)此前獲得巨額融資，規劃2026年下半年將發射商業級微型資料中心。還有Axiom Space等公司的商業空間站模組也計畫搭載資料中心模組。另外，微軟Azure Space、亞馬遜AWS都在通過地面站與衛星的直連，測試邊緣計算能力。馬斯克的spaceX目前也在佈局，未來星鏈衛星搭載更強的GPU，會變成全球最大的分佈式太空資料中心。當星際飛船能夠一次將相當於數十個集裝箱式的AI計算模組廉價送入軌道時，太空AI資料中心將從概念迅速轉化為擁有成本優勢的商業模式，改變全球算力格局。從可行性來看，SpaceX的星鏈已搭建了早期基礎設施範本，其百噸級太空飛船復用間隔已縮短至4個月，未來還將繼續縮短，意味著大規模建設太空資料中心的發射成本和頻率將不再是部署難題。此外，星鏈的V2迷你衛星所構成的太空網狀網路可視為分佈式太空算力的早期形態，處理海量通訊資料需要強大的算力與散熱設計，或可直接遷移至AI計算載荷。如果說“低軌衛星網際網路”是解決地球上的連接問題，那麼太空AI資料中心就是為瞭解決地球上的算力與能源矛盾。馬斯克和黃仁勳都認為太空部署AI是未來算力升級的一大步。太空AI資料中心就是把發電廠+機房搬到了太空。這實際上是在做多太空的能源優勢。在AI大時代背景下，在太空中發電，在太空中計算，只把資料傳回這種模式，大機率會成為第二大商業航天支柱。 (澤平宏觀展望)

一座海水淡化廠、一條240公里輸水管線、一座300MW電站，中國電建在伊拉克簽下171億元大合同，這標誌著中國企業在中東基建領域再下一城。伊拉克巴士拉省政府近日與中國電建集團國際工程有限公司正式簽訂巴士拉海水淡化項目合同，合同金額高達171.93億元人民幣。這個位於巴士拉省法奧區域的項目將成為該地區規模最大的海水淡化設施之一。該項目不僅包括日產100萬立方米的海水淡化廠，還涵蓋長達240公里的輸水管線系統、一座主泵站和九座接收泵站，以及總裝機容量300MW的配套自備電站。01 百億項目合同金額約171.93億元人民幣，項目地點位於伊拉克巴士拉省法奧區域。這個數字不僅是金額的體現，更是中國基建實力在中東市場的重要里程碑。中國電建此次承接的巴士拉海水淡化項目，涵蓋了從水處理到輸送再到能源供應的完整鏈條。海水淡化廠的設計日產量達100萬立方米，足以滿足數百萬人口的日常用水需求。240公里輸水管線、一座主泵站和九座接收泵站組成的輸水系統，將確保淡化後的海水能夠有效輸送到需要的地方。而配套的300MW電站則為整個系統提供穩定可靠的電力支援。項目工期分為兩個階段：6個月的有限開工期和1350天的主體工程期。這種分階段推進的方式，既保證了項目能夠盡快啟動，又為複雜工程留出了足夠的實施時間。特別值得注意的是24個月的缺陷責任期，這體現了中國企業對項目質量的高度負責態度。在工程竣工後兩年內，中國電建將繼續對項目可能出現的缺陷承擔責任。項目推進時間表的合理安排，展現了中國企業在國際工程項目管理方面的成熟經驗。從設計到建造，從試運行到正式投產，每個環節都有明確的時間節點和質量標準。02 能源戰略巴士拉海水淡化項目的建設具有多重戰略意義。對伊拉克而言，這將極大緩解巴士拉地區長期面臨的淡水短缺問題，為當地經濟社會發展提供基礎保障。伊拉克巴士拉地區雖然靠近阿拉伯河，但受海水倒灌和環境污染影響，淡水資源一直十分緊張。這個項目的建成將改變這一現狀，為當地居民生活和工業生產提供穩定水源。對中國電建來說，這個項目是其在中東市場取得的重要突破。171.93億元的合同金額不僅帶來可觀的經濟效益，更為中國企業在國際海水淡化領域樹立了良好口碑。這個項目還是中國“一帶一路”倡議在中東地區推進的具體體現。基礎設施建設是“一帶一路”合作的重點領域，海水淡化項目既解決民生問題，又促進當地經濟發展。在國際工程承包市場，海水淡化項目技術門檻高、資金需求大，一直是各國企業競爭的重點領域。中國電建能夠拿下這個項目，表明中國在該領域的技術實力和項目管理能力已得到國際認可。項目的成功實施還將帶動中國技術、裝備和標準“走出去”。從海水淡化裝置到輸水管線材料，從電站裝置到自動化控制系統，都將展示“中國製造”的優良品質。03 競爭實力中國電建能夠從眾多國際競爭者中脫穎而出，其背後是中國企業在海水淡化領域長期積累的技術實力。近年來，中國在反滲透膜技術、能量回收裝置等關鍵領域取得突破。中國的海水淡化技術已從單純引進吸收，發展到自主創新階段。在大型海水淡化廠設計、建造和營運方面，中國企業已經積累了豐富經驗，形成了完整的技術體系。除了技術優勢，中國企業的成本控制能力和項目執行效率也是贏得合同的重要因素。在國際工程市場上，中國企業在保證質量的前提下，往往能夠提供更具競爭力的報價。中國電建在全球電力建設領域擁有良好聲譽，曾承建多個國家的電站項目。此次能夠將業務拓展到海水淡化領域，體現了企業多元化發展的戰略佈局。中東地區海水淡化市場潛力巨大。據統計，全球約一半的海水淡化產能集中在中東，該地區對海水淡化技術的需求持續增長。中國電建在伊拉克市場的成功，將為其進一步拓展中東地區業務奠定基礎。隨著“一帶一路”建設的深入推進，中國基建企業有望在中東獲得更多發展機遇。04 基建藍圖這個海水淡化項目的建設將極大改善巴士拉地區的民生條件。淡水供應穩定後，當地居民的生活質量將得到提升，醫療衛生條件也能相應改善。項目還將創造大量就業機會。在建設階段需要大量本地工人，項目營運後也需要專業技術人員，這將有助於緩解當地的就業壓力。對伊拉克政府而言，項目的成功實施將增強其在基礎設施建設方面的信心。未來可能會推動更多類似項目的建設，進一步完善國家基礎設施網路。項目配套的300MW電站不僅為海水淡化廠供電，還可以向周邊地區輸送電力。這將緩解巴士拉地區的電力緊張狀況，支援當地工業發展。從長遠看，穩定的水電供應是吸引投資、促進經濟發展的基礎條件。巴士拉海水淡化項目的建成，有望為當地創造更加優越的投資環境。該項目還可能成為地區合作的典範。中國企業的技術和管理經驗，與伊拉克的資源和發展需求相結合，實現了互利共贏，為其他國家的類似合作提供了參考。隨著最後一段管線的鋪設完成，巴士拉地區將迎來水資源的新篇章。中國電建工程師們忙碌的身影背後，是一整套成熟的海水淡化技術體系和項目管理經驗。這個價值171.93億元的項目不僅是一座海水淡化廠，更是中伊兩國在基礎設施建設領域合作的里程碑。當第一股淡水從管道中湧出時，它將成為連接兩國人民友誼的紐帶。中國企業在中東市場的深耕細作正開花結果。從沙漠到海岸，從電站到水廠，“中國建造”正在改變這片古老土地的面貌，為當地民眾帶來實實在在的福祉，同時向世界展示中國基建的實力與擔當。 (中東那些事兒)

黃仁勳在達沃斯對談中坦言：AI 正在掀起人類史上最大基礎設施浪潮，並將重塑全球勞動力市場。基礎設施怎麼鋪？開發中國家和歐洲怎麼抓住機會？一起來順著他的“五層 AI 蛋糕”聊聊。一、AI 不只是 ChatGPT，而是一次平台大換代這場對談裡，黃仁勳先把聊天機器人“拆了個框”，提醒大家：ChatGPT、Claude、Gemini本身只是應用，真正大的變化，是整個計算平台在換代。過去的軟體，本質是“預錄好的人類指令”，只能吃表格、欄位這類結構化資料，用 SQL 去查“姓名、地址、帳號”。現在的 AI，則第一次讓電腦能吃下非結構化資訊：看圖、讀長文、聽語音，甚至理解其中的語氣、上下文，然後根據你的“隨口一說”做推理、做計畫。更關鍵的是，這不是預先錄好的指令碼，而是即時生成：它會結合環境、你給的材料和當下的上下文，臨場“思考”出一個方案，這就是他口中的平台級遷移。二、“五層 AI 蛋糕”：從電力到應用很多人談 AI，只盯著模型本身。黃仁勳反覆強調：從產業的角度看，AI 其實是一塊五層蛋糕。底層：能源層—— AI 是即時計算，推理也要耗能，電力是第一要素。第二層：晶片與算力基礎設施—— GPU、網路、伺服器整機，這一層是輝達所在的位置。第三層：雲與資料中心—— 各家雲廠商、超算中心，提供按需的算力服務。第四層：AI 模型—— 大家熟悉的各種大模型、開源模型都在這一層。最上層：行業應用—— 金融、醫療、製造等垂直場景，真正產生經濟價值的地方。他說，過去一年“AI 很瘋狂”，真正原因不是只有模型變強，而是應用層終於能站在這些模型上開跑了。而要托起這一層應用，現在全球正在開啟他口中的：“人類歷史上最大規模的基礎設施建設”。1. 晶片廠、電腦廠、AI 工廠，一起開建他隨口列了幾組數字：台積電計畫新建20 座晶片工廠；富士康、緯創、廣達，要建30 座“電腦工廠”來組裝 AI 伺服器；美光、SK 海力士、三星在記憶體領域也在瘋狂擴張。他把這些資料中心稱作“AI 工廠”：晶片廠造 GPU，電腦廠把 GPU 組裝成整機，AI 工廠再把整機堆成算力叢集，最後養出各行各業的 AI 應用。目前全球只是“投入了幾千億美元”，而他和金融圈看到的規劃，是向兆美元等級挺進。2. VC 在押什麼？押“AI 原生公司”錢往那兒流，是判斷技術周期的最好風向標。黃仁勳提到：2025 年（按對談語境）是風險投資史上規模最大的一年之一，其中大部分資金，都流向了所謂的AI-native 公司。這些公司不做“給模型包個殼”的小工具，而是直接在醫療、機器人、製造、金融等行業，重新設計產品和業務流程，把 AI 當成底層能力來用。三、從聊天到“行動”：AI 的三大技術飛躍聊到具體技術進展，他用過去一年的三個變化，解釋為什麼應用層突然百花齊放。1. 從語言模型到“智能體系統”一開始的大模型會幻覺嚴重，很好玩，但不太能托底業務。過去一年，模型開始變得更“腳踏實地”：能做檢索、做多步推理，把需求拆成步驟，然後給出計畫，甚至直接幫你執行部分任務。他把這類系統稱作“Agentic AI（智能體 AI）”——從“會聊天”進化到“能行動”。2. 開源推了一把：“推理模型”的出現第二個轉折點，是開源推理模型的崛起。他點名提到 DeepSeek：這是全球第一個公開的“開源推理模型”，出來時讓很多大公司都緊張了一下，也逼著整個行業加速開放。有了這些開源基座，創業公司、大學、研究機構可以站在公開模型上，訓練自己的專業小模型，把知識“灌”進特定領域，而不用從零開始。3. 物理智能：AI 開始“懂世界”了第三塊，是他非常興奮的一點：Physical AI（物理智能）。AI 不再只懂語言，而是開始理解蛋白質、化學、流體力學、粒子物理、量子物理這類“自然語言”。比如在藥物研發上，輝達和禮來製藥合作，用模型去“和蛋白質對話”，推演分子結構和反應路徑，為新藥發現提速。在他眼裡，這一波物理智能，會直接改變藥物設計、材料科學、工業製造的底層範式。四、AI 搶不搶飯碗？關鍵先分清“工作目的”和“工作任務”話題繞不開就業。對談人拋出一個很多人心裡的問號：AI 會不會大規模替代人？黃仁勳的回答挺“逆風”的：未來我們更可能面對勞動力短缺，而不是失業潮。1. AI 基建本身，就是巨大的“藍領機會”先看最直觀的一層：建設那一大堆晶片廠、資料中心，本身就需要大量技工和工人。電工、水管工、鋼結構工人、建築工人；網路工程、裝置安裝偵錯、機房維運；各種“tradecraft”（技藝工種），都在漲薪。他提到，在美國，這些崗位的收入已經接近翻倍，做晶片廠、電腦廠、AI 工廠項目的人，拿六位數年薪變得越來越常見。這也是他很看重的一點：你不需要博士學位，也能在 AI 浪潮裡賺到一份好收入。2. 放大“人”的作用，而不是刪除“人”接下來，他用兩個真實案例，解釋一個簡單但經常被忽略的邏輯：要分清工作的“目的”和“任務”。第一個是放射科醫生。十年前，大家就說“有了圖像識別，放射科要失業了”。十年過去，AI 的確滲透進了所有影像判讀場景，醫生看片子已經離不開 AI，但放射科醫生的數量，反而增加了。原因很樸素：醫生這份工作的目的是診斷疾病、服務病人；看片子只是其中一個任務。當看片這件事被 AI 加速後，醫生可以把更多時間花在解釋病情、和其他科室協作上，醫院整體接診能力提升，病人多了，醫院收入更高，自然要招更多醫生。第二個是護士。美國大概缺 500 萬護士，他們有一半時間在做病歷記錄和文書工作。現在用 AI 做自動記錄和轉寫後，一個叫 Abridge 的團隊，讓護士把精力重新集中到病人身上——結果是：醫院能更快接收病人，營收變好，然後反過來多招護士。所以，他給出一個判斷框架：問問自己，這份工作的“目的”是什麼？被自動化的，只是“任務”還是“目的本身”？如果 AI 自動化的是任務，但能讓“目的”做得更好、更快，往往會帶來用工的擴張，而不是收縮。五、開發中國家怎麼上車？先把 AI 當成“國家基礎設施”話鋒一轉，對談拋出了一個更現實的問題：AI 會不會進一步放大“只對高學歷人群有用”的不平等？開發中國家怎麼辦？黃仁勳的建議可以概括成兩句話：建自己的 AI、用自己的語言。1. 像修電網、修公路一樣修 AI在他眼裡，AI 已經是和電力、道路同等級的基礎設施。每個國家都可以選擇“完全進口 AI 服務”，但如今有那麼多開源模型，其實自己訓練並不遙不可及。一個國家最獨特的資源，是本地語言和文化。在通用模型的基礎上，用本國資料進行微調，打造貼合本地法規、教育和產業的模型，他認為這是所有國家都應該做的事情。2. AI 反而可能縮小“技術鴻溝”很多人直覺會覺得：越複雜的技術，越有利於頭部國家。但他強調，AI 其實是史上門檻最低的軟體形態：你不需要學程式語言，只要會用自然語言描述問題。未來的“數字勞動力”裡，會同時存在“碳基員工”和“矽基員工”。你需要學會的，是如何指揮、評估、設定邊界，有點像管理一個虛擬團隊。他說，如果你不會用 AI，就直接開口問它：“我不會用 AI，應該怎麼開始？”，然後順著它的提問，去搭自己的工作流。對沒受過系統程式設計訓練的人來說，這反而是一條“繞過傳統 CS 教育的捷徑”：直接從需求出發，讓 AI 把程式碼和系統搭出來。六、歐洲的機會：跳過“軟體時代”，直接擁抱機器人坐在歐洲，他也被問到一個敏感問題：AI 這波浪潮裡，似乎大家提到的公司，不是美國就是亞洲，歐洲的機會在那？他的判斷反而很樂觀：歐洲這次機會很大，甚至有可能在某些領域領跑。1. 工業基礎 + AI = 物理世界的“新作業系統”歐洲有一個非常紮實的家底：製造業和工業基礎，無論是機器、工廠還是自動化經驗，都很強。美國在傳統軟體時代佔了便宜，但 AI 有個特點：AI 不是手寫程式碼，而是“教出來”的。這意味著，只要歐洲企業把現場經驗、工藝流程、工業資料喂給模型，就有機會在機器人、工業控制、物理 AI上，直接做出新一代“世界標準”。2. 深度科學 + AI：加速基礎研究另一個被他點名的優勢，是歐洲在基礎科學上的深度積累。當物理智能模型可以理解粒子、流體、材料的行為模式時，物理、化學、生物這些傳統學科都能被“外掛”一層 AI 輔助，大幅縮短從理論到實驗的周期。他給歐洲的建議很直接：先解決能源問題，大膽投向 AI 基礎設施，讓本地形成一個完整而豐富的 AI 生態，而不僅是消費別人的雲服務。七、這是 AI 泡沫嗎？看一眼 GPU 的“租金”就知道最後一個問題，也是資本市場最關心的：我們是不是已經身處一個 AI 泡沫？黃仁勳給出的檢驗方法很樸素：看使用率和價格。1. GPU 一卡難求，連“老卡”租金都在漲目前，輝達的 GPU 已經鋪進全球幾乎所有主流雲平台，數量達到數百萬顆。但如果你現在去雲上想臨時租一批 GPU，會發現一個現實：非常難租，連兩代之前的舊 GPU，現貨租金都在往上走。這背後不是“炒概念”，而是有真實需求在托底：一大批公司把自己的研發預算從濕實驗室、傳統 IT，轉到 AI 超算和模型研發上。2. 這是“基礎設施周期”，而不是“概念股周期”在他看來，今天的 AI 更像是上世紀修電網、高鐵、網際網路骨幹網——一次持續數十年的基礎設施周期。投資的重頭戲，不在於短期那家模型公司火爆，而在於：誰在修電力、土地、機房這套“Land、Power、Shell”；誰在建設算力、網路、儲存這套 AI 基建；誰在各行各業裡，真正把 AI 融進生產系統。他反倒擔心的是另一件事：全球養老資金、普通儲蓄者如果站在場外，看著這次基礎設施周期從自己身邊劃過去，將會錯過一整代的增長。因此，他一再強調基礎設施投資的角色：這是歷史上最大的一次“AI 基建投資窗口”，也是公共資金、養老金可以更公平參與的一次機會。 (喬智說)

五層蛋糕、三大突破、兆基建解鎖AI新機遇。簡介1月21日，達沃斯世界經濟論壇的聚光燈下，輝達創始人兼CEO黃仁勳與貝萊德（BlackRock）掌門人Laurence D. Fink（勞倫斯·芬克），展開了一場長達半小時的科技與金融巔峰對話。此次對話的背景，是全球對AI浪潮的狂熱與疑慮交織——華爾街緊盯AI基建的“資金黑洞”爭議，還有各國爭搶技術紅利的同時擔憂經濟格局重構。從AI“五層蛋糕”的底層邏輯，到兆基建的就業紅利，從物理智能的產業突破，到全球普惠的技術鴻溝縮小，兩位行業領軍者直擊核心爭議，深入探討了AI如何成為人類史上最大基建機遇、重塑全球經濟與就業形態。本文為全場對話實錄精編，帶你解鎖黃仁勳眼中的AI未來圖景。引言與開場Laurence D. Fink：各位早上好！很高興能回到國會大廳。我非常榮幸地向大家介紹黃仁勳（Jensen Huang）先生——他是我敬佩的人，是我一直關注的榜樣，在我學習技術與人工智慧的道路上，更是我的良師益友。見證他帶領輝達（Nvidia）的發展歷程，實在令人驚嘆。我並不喜歡拿自己和別人比較，但有一個事情我很認同：輝達於1999年上市，巧的是，貝萊德（BlackRock）也是在同一年上市。自上市以來，輝達為股東帶來的復合總回報率高達37%。大家不妨想想，如果每個養老基金在輝達IPO時就進行投資，會給所有人的退休生活帶來多大的改變？我們的退休保障事業將會取得多麼輝煌的成就。與此同時，貝萊德的年化總回報率為21%——對於一家金融服務公司來說，這已經相當不錯了，但相比之下就相形見絀了。一對比充分彰顯了黃仁勳的領導力、輝達的戰略眼光，也印證了全球市場對其未來的信心。黃仁勳，祝賀你，期待你和輝達未來續寫更多精彩。黃仁勳：謝謝。我唯一的遺憾是，在公司IPO後，我想給父母買件好東西，於是在輝達估值3億美元的時候賣掉了一些股票，給他們買了一輛梅賽德斯-奔馳S級轎車——那可是當時世界上最昂貴的汽車之一。Laurence D. Fink：他們現在後悔嗎？那輛車還在嗎？黃仁勳：哦，當然在。他們一直保留著那輛車。AI成為增長引擎的核心邏輯Laurence D. Fink：好的，我們繼續深入交流。當下，AI的核心討論圍繞其對世界與全球經濟的改變展開。今天我們聚焦於AI如何為經濟賦能，成為人人可用的基礎技術、改善全球生活，以及它如何重塑生產力、勞動力與各行業基礎設施，更要探討如何讓更多群體受益、推動全球經濟擴張。在我看來，沒人比黃仁勳先生更懂AI本質與配套基礎設施——眾多超大規模雲端運算廠商都在用輝達的產品，全行業也圍繞AI基建與潛力深度合作。感謝你首次出席達沃斯論壇，在繁忙日程中抽空參與。接下來，我們直接進入正題。你為什麼認為人工智慧有潛力成為如此重要的增長引擎？與以往的技術周期相比，這項技術和當下這個時代有何不同之處？黃仁勳：首先，當我們以各種方式與人工智慧互動時——比如使用ChatGPT、Gemini、Anthropic Claude等工具，體驗它們帶來的神奇功能——我們不妨從最基本的原理來梳理計算棧正在發生的根本性變革。平台是應用程式建構的基礎，就像個人電腦（PC）引發的平台轉移催生了適配新型電腦的應用程式，網際網路的平台轉移打造了承載各類新應用的計算平台，移動雲端運算的平台轉移也帶來了全新的應用生態。在每一次平台轉移中，計算棧都會被重新定義，新的應用程式也會應運而生。如今我們使用ChatGPT，需要明確的是，它本身就是一款應用程式，但更重要的是，未來會有更多新應用基於ChatGPT、Anthropic Claude等工具建構。從這個角度來說，這無疑是一次全新的平台轉移。理解人工智慧其實很簡單，關鍵在於認識到它能完成我們以往無法實現的事情。過去的軟體本質上是“預錄好的”：人類編寫演算法或操作流程，再由電腦執行。這類軟體只能處理結構化資訊——比如你必須整理好姓名、地址、帳號、年齡、居住地等資料，建立成結構化表格，軟體才能從中檢索資訊。我們稱之為SQL查詢，SQL是迄今為止全球最重要的資料庫引擎，在此之前，幾乎所有系統都依賴SQL運行。而現在，我們擁有了能夠理解非結構化資訊的電腦：它能看懂圖像、讀懂文字（完全非結構化的內容）、聽懂聲音，不僅能理解其含義和結構，還能據此進行推理並採取行動。這是有史以來第一次，電腦不再依賴預錄程序，而是能夠即時處理資訊——它能結合環境資訊、上下文資訊以及你提供的任何內容，推理這些資訊的意義，理解你的意圖（即便你的表達非常不規範）。你可以用任何方式描述需求，我們稱之為“提示詞（prompts）”，只要它能理解你的意圖，就能為你完成任務。關鍵在於，我們正在重新打造整個計算棧。說到人工智慧，人們通常會想到AI模型，但從產業角度來看，人工智慧本質上是一個“五層蛋糕”架構。最底層是能源——由於人工智慧需要即時處理資訊並生成智能，能源是其運行的基礎；第二層是晶片和計算基礎設施，這也是我所專注的領域；第三層是雲端運算基礎設施和雲服務；第四層是AI模型——這是大多數人認為的“人工智慧所在層”，但請記住，沒有下方所有層級的支撐，這些模型就無從談起；最頂層，也是當前正在蓬勃發展的一層，是應用層——去年人工智慧之所以取得爆發式增長，核心原因就是AI模型的巨大進步，為應用層的發展奠定了堅實基礎。應用層覆蓋金融、醫療、製造等多領域，全球經濟的實際效益最終將在此落地。但這一計算平台離不開底層架構支撐，人類史上最大規模的AI基建已啟動。目前僅投入數千億美元，未來還需數兆美元，這是支撐AI模型生成智能、驅動頂層應用的必要投入。逐層來看，能源行業正爆發式增長；晶片領域，台積電將新建20座晶片工廠，富士康與我們及緯創、廣達合作新建30座電腦工廠，均服務於AI工廠建設；儲存領域，美光擬在美國投資2000億美元，SK海力士、三星同步發力，整個晶片產業高速擴張。值得關注的是，AI應用層正飛速進步，風險投資的流向就是明確訊號。2025年全球VC投資規模創下新高，大部分資金流向醫療、機器人、製造等領域的原生AI公司，核心原因是AI模型已足夠成熟，能支撐各類應用開發。AI在物理世界的變革機遇Laurence D. Fink：顯然，我相信每個人都會使用聊天機器人獲取資訊。能否再深入談談人工智慧在物理世界的普及所帶來的積極影響？你提到醫療健康是一個很好的例子，但在交通、科學等領域，你認為有那些變革性機遇？黃仁勳：去年，人工智慧技術層（尤其是模型層）發生了三大重要突破。首先，AI模型最初雖然充滿吸引力，但存在嚴重的“幻覺”問題（即生成虛假資訊），而去年，這些模型已經變得更加可靠。它們能夠開展研究，對未經過訓練的場景進行推理，將問題拆解為逐步推理的步驟，進而制定解決方案、回答問題、完成研究或執行任務。因此，去年我們見證了語言模型向“智能體AI（agentic AI）”系統的演進。其次是開源模型的突破。大概一年前DeepSeek問世，當時很多人都對此表示擔憂，但事實上，DeepSeek對全球大多數行業和企業來說都是一個里程碑式的事件——它是全球首個開源推理模型。此後，一大批開源推理模型相繼湧現，這些開源模型讓企業、行業、研究人員、教育工作者、大學和初創公司能夠利用它們，開髮針對特定領域或自身需求的專屬應用。第三個取得巨大進展的領域是物理智能（physical AI）——這種人工智慧不僅能理解語言，還能理解自然世界。它可以理解蛋白質、化學物質，也能理解物理學等領域的知識。這些AI正在學習各種不同的結構和“語言”——比如蛋白質本身就可以被視為一種“語言”。如今，這些AI的進步如此顯著，以至於製造業、藥物研發等領域的工業企業正取得長足發展。一個很好的例子是我們與禮來（Lily）的合作：他們意識到，人工智慧在理解蛋白質和化學物質結構方面已經取得了非凡進展。我們現在能夠像與ChatGPT對話一樣“與蛋白質對話”——這必將帶來一系列重大突破。AI與就業：創造而非取代Laurence D. Fink：這些技術突破也引發了大家對“人的因素”的擔憂。我和你聊過多次，今天想跟觀眾說清楚：很多人怕AI取代工作，但你看法相反。正如你所說，人類史上最大規模的AI基建，會創造大量就業——能源、產業、基建各環節都有崗位，像土地開發、能源供應、廠房建設等，這特別令人振奮。請你再詳細談談：你確實認為我們未來會面臨勞動力短缺嗎？人工智慧和機器人技術將如何改變工作的本質，而非消滅工作？黃仁勳：這個問題可以從多方面來看。首先，人類史上最大規模的AI基建，必然催生大量專業技能相關崗位。比如水管工、電工、建築工人、網路技術人員、裝置安裝偵錯人員等。在美國，相關領域已蓬勃發展，薪資近乎翻倍，參與晶片廠、AI工廠建設的人員年薪可達六位數，這類人才目前嚴重短缺，而無需電腦博士學位也能獲得高薪，這一點令人欣慰。其次，用真實案例說說自動化對就業的影響。10年前，大家都覺得放射科醫生會被AI取代，因為電腦視覺早已超越人類，而影像解讀是他們的核心任務。但如今AI全面滲透放射科後，放射科醫生數量反而增加了——AI讓影像解讀效率暴漲，醫生能花更多時間溝通患者、協作診療，醫院接診量和收入提升，自然會招聘更多醫生。護士行業也是如此，美國目前短缺500萬名護士，過去護士一半時間都在記錄病歷，而AI技術讓病歷錄入自動化，護士能專注於患者護理。醫院接診瓶頸緩解後，也會招聘更多護士。這些案例都說明：AI提升效率，進而推動行業發展，最終會創造更多就業。關鍵是要區分“工作的宗旨”和“任務”——AI自動化的是繁瑣任務，而非核心宗旨。就像放射科醫生和護士的宗旨是關愛患者，AI讓他們能更好地實現這一目標，這正是理解AI與就業關係的核心框架。AI的全球普惠Laurence D. Fink：我們把話題從發達國家擴展到全球，聊聊AI如何惠及世界。Anthropic近期報告顯示，AI使用者多集中在受教育群體，不同教育水平使用率差異明顯，這可能讓AI模型帶有偏見。如何讓AI像Wi-Fi、5G那樣，成為改變新興市場的變革性技術？這對新興國家意義何在，又該如何推動全球經濟擴張？另外回到就業，AI和機器人確實會替代部分崗位，美國已有顯現：比如需要更多水管工、電工，但金融分析師、律師助理可能減少，畢竟AI整合資料更快。請你談談人工智慧在開發中國家會如何發展？黃仁勳：首先，AI是各國必需的基礎設施，就像電力和道路一樣不可或缺。各國雖可進口AI技術，但如今借助大量開源模型，結合本土專業知識，開發適配自身需求的AI應用已不再困難。因此，每個國家都應參與AI基建，打造專屬AI技術，盤活語言、文化等核心資源，讓國家智能融入自身生態。其次，AI是史上最易用的軟體，這也是它兩三年間使用者近10億、快速普及的關鍵。Anthropic的Claude在編碼、推理上表現出色，我們公司也在廣泛使用；ChatGPT作為最成功的消費級AI，易用性讓開發中國家民眾、學生等都能輕鬆上手。更重要的是，人人都需掌握AI使用技能——引導、寫提示詞、管理、設邊界、評估輸出，這些能力和領導、管理他人無異。未來，矽基AI將成為數字勞動力的一部分，我們要學會管理它們。所以我建議開發中國家投身AI基建與領域發展，AI的易用性和普及性有望縮小技術鴻溝。如今無需電腦學位也能當“程式設計師”，比如不會程式設計就問AI“如何程式設計”，不會用AI就讓它教你，想建網站只需說明需求，AI就能直接寫程式碼，這正是AI的非凡力量。AI與歐洲的未來Laurence D. Fink：我們現在身處歐洲，之前我們提到了很多美國和亞洲的公司，想請教你：人工智慧與歐洲的成功和未來發展有何交集？輝達將如何在歐洲發揮作用？黃仁勳：輝達有幸與全球所有AI公司合作——由於我們處於基礎設施的底層，我們為各類AI技術提供支援，包括語言AI、生物AI、物理AI、世界模型AI，以及與製造業和機器人技術相關的AI。歐洲最令人振奮的優勢在於其強大的工業基礎——歐洲的工業製造實力極為雄厚，這是歐洲超越軟體時代的絕佳機遇。美國在軟體時代處於領先地位，而人工智慧是一種“無需編寫程式碼的軟體”——你不需要編寫AI，而是“教導”AI。因此，歐洲應儘早行動，將自身強大的工業製造能力與人工智慧深度融合，進軍物理AI或機器人領域。對於歐洲各國來說，機器人技術是一個千載難逢的機遇——我到訪過歐洲多個國家，深深感受到其工業基礎的強大。此外，歐洲在基礎科學領域的實力依然非常雄厚，而人工智慧的應用將加速基礎科學的探索處理程序。因此，歐洲必須重視增加能源供應，加大對基礎設施層的投資，從而在歐洲打造一個豐富的人工智慧生態系統。AI泡沫之爭Laurence D. Fink：所以你的意思是，我們遠未進入AI泡沫，真正的問題是“我們的投資是否足夠”？現在很多人在談論AI泡沫，但你的觀點似乎是，為了推動全球經濟擴張，我們需要進行更多投資。黃仁勳：判斷是否存在AI泡沫，一個很好的指標是：輝達目前在全球各大雲平台部署了數百萬塊GPU，應用極為廣泛，但如今租賃輝達GPU變得異常困難，GPU租賃的現貨價格持續上漲。不僅是最新一代GPU，就連兩代以前的GPU，租賃價格也在攀升。這背後的原因是AI初創公司數量激增，各類企業紛紛調整研發預算。以禮來為例，三年前他們的研發預算幾乎全部投入實驗室，而現在他們已經投資建設了大型AI超級電腦和AI實驗室，研發預算正越來越多地向AI領域傾斜。所謂的“AI泡沫”，本質上是因為投資規模巨大，而這種大規模投資是必要的——我們必須為AI上層所有層級的發展搭建基礎設施。因此，我認為這一機遇極為非凡，每個人都應該參與其中、積極投身其中。我們需要更多能源，需要更多土地、電力和廠房，需要更多擁有專業技能的工人——而歐洲在專業技能人才方面擁有強大優勢。相比之下，美國在過去二三十年裡，這方面的優勢有所減弱，但歐洲依然保持著強勁的實力——這是歐洲必須抓住的絕佳機遇。正如我之前提到的，2025年是全球風險投資規模最大的一年，總額超過1000億美元，其中大部分都流向了原生AI公司——這些公司正在搭建AI應用層，建構未來。我堅信，對於全球養老基金來說，參與AI領域的投資將是一項明智的選擇，能夠伴隨AI時代共同成長。這也是我想向眾多政界領袖傳達的資訊：我們必須確保普通養老金持有者、普通儲蓄者都能參與到這場增長中來，如果他們只能站在一旁觀望，就會產生被拋棄的感覺。基礎設施是絕佳的投資選擇，而這是人類歷史上規模最大的基礎設施建設，所以加入進來吧！Laurence D. Fink：時間到了！希望現場觀眾和線上觀眾都能感受到黃仁勳先生作為領導者的非凡魅力。他不僅是技術和人工智慧領域的領軍人物，也是商界的領袖，更擁有溫暖的內心和堅定的信念，這在當今時代尤為重要。感謝大家！感謝黃仁勳先生！ (創新觀察局)

“AI，到底是概念泡沫，還是真金白銀的基建？”2026 年 1 月 21 日，達沃斯主舞台對談上，輝達創始人黃仁勳給出的答案是:這是人類歷史上最大的一次基礎設施建設。這個“建設”，是真的要動土、通電、招人。黃仁勳說，AI 分五層：最底層是能源，往上是晶片、雲服務、模型，最頂層才是應用。而每一層，都需要真實的廠房、裝置、電力和人。正因如此，他對所有國家說：AI 是基礎設施。每個國家都該建。所以，這篇文章，我們不談宏觀趨勢，只把一個問題問清楚: AI 基建，到底在建什麼?第一節｜第一件事是電，不是晶片2025年，全世界的科技公司都在搶算力。但算力要運轉，必須有電。而且是持續的、穩定的、大量的電。結果，最先漲價的，是電力合同。這不是偶然。黃仁勳在達沃斯說：“AI 是即時處理、即時生成智能的，它需要能源來做到這一點。”這意味著，那怕你手上有最好的模型，有最新的晶片，但如果沒有穩定、足夠的電力，AI 就動不了。不是慢，而是完全運行不了。因為 AI 需要的電，和普通用電不一樣。資料中心訓練模型、即時推理，需要的是高密度、低延遲、全年不中斷的電力。這意味著，建 AI 不只是“通上電”就行，而是要建一整套能源供應系統：選址要看電網能不能承受，發電要保證穩定輸出，儲能要應對峰值，配網要扛得住持續高負載。黃仁勳沒有用能源危機這樣的詞。他說的是：我們需要更多的能源、土地和資料中心。在他看來，人類歷史上最大的基礎設施建設已經開始。從美國到阿聯，從東南亞到北歐，想建 AI 的地方，第一件事都是先談電力夠不夠。AI 到底在建什麼?第一步不是寫程式碼，是先接上電。第二節｜晶片廠、AI 工廠,都已經開工了黃仁勳說:“我們正在世界各地建設晶片工廠、電腦工廠和 AI 工廠。”他列出了幾組數字：台積電將在全球建 20 座新晶片廠，廣達、緯創、富士康將建 30 座 AI 電腦工廠。不是代工手機、不是做消費電子，而是專門為 AI 訓練和部署提供生產裝備。晶片負責算，但 AI 還需要存。訓練一個大模型，要處理海量資料，這些資料得有地方放。 美光（Micron）宣佈投資2000億美元做儲存器，三星和 SK 海力士也同步加碼。也就是，建 AI 不光是有電就行，還得造出整套硬體：晶片負責算，儲存器負責裝資料，電腦工廠把這些組裝成 AI 伺服器，然後大規模交付。這不是幾家公司的事，而是一場全球性的建設浪潮。為什麼說是浪潮？因為這和早年的鋼鐵、電力、鐵路一樣，都是先建工廠，再有產業。 AI 工廠的概唸過去聽起來有點虛，現在你能看到動土、招工、封頂、通電、交付的完整流程。那麼規模有多大？ 黃仁勳給出的數字是：我們現在投入了幾千億美元，但這只是開始，還有數兆美元的基礎設施要建。AI 的熱，不是因為“炒概念”，而是越來越多國家、企業都在真金白銀地建廠、買裝置、招人。從電力到工廠，AI 這場基建，已經從圖紙落到了地上。第三節｜模型只是第四層，不是 AI 的全部過去幾年，大家談 AI，說的幾乎都是模型。那個模型更強，參數多少，誰跑分第一。但在黃仁勳看來，模型只是 AI 五層結構中的一層。精準說，是第四層。在它下面，有能源、晶片、雲服務在支撐；在它上面，還有應用層才是真正產生價值的地方。怎麼理解？他用了一個比喻：過去的 AI 模型像是一台發動機放在展台上，很漂亮，但你不能直接開走。你得先造好車架、油箱、電路系統，再裝進去，最後調校，跑在真實路上，才叫產品。現在最大的問題，不是模型不夠好，而是很多人只看到“發動機”。黃仁勳看的不一樣。他關注的是，這台發動機能不能進車間、上公路、進行業現場。因為模型本身不等於應用，只有落地了才有價值。真正讓產業受益、讓經濟增長的，是應用層。也就是模型之上，那些能落地到醫療、金融、製造等具體領域的產品和服務。所以現在，行業的焦點正在轉移：不再是誰的模型參數更多，而是誰能把 AI 真正用起來。第四節｜AI 原生公司爆發，基建才剛開始黃仁勳在達沃斯給出了一組資料：2025年是風險投資歷史上投資額最高的一年之一，大量資金流向了 AI 原生公司。這些公司不造模型，也不設計晶片。它們直接拿現成的模型來做事，做藥物研發、做金融分析、重建製造流程。他用了一個詞：AI 原生公司（AI-native companies）。意思是，這類公司一開始就圍繞 AI 來設計自己的產品流程和商業模式。比如製藥巨頭禮來公司（Lilly），過去主要把研發預算投在濕實驗室，買裝置、做化學試驗。但現在，他們投資了一座大型 AI 實驗室和超級電腦，把一部分新藥開發流程交給 AI。類似的轉變，在很多行業都在發生。機器人製造、醫療診斷、自動交易、客服系統、合規審查……這些過去需要大量人力的領域，現在 AI 原生公司的做法是：拿現成的模型，用自己行業的資料訓練它，讓它學會處理具體任務，再把這套能力做成可以直接用的產品。比如客服系統，以前要雇幾百人，現在用 AI 客服，24小時線上，成本降到十分之一。這不是概念驗證，而是已經在大規模商用的產品。而當這類 AI 原生公司越來越多，會發生什麼？黃仁勳的回答是：上層 AI 應用爆發了，下層基礎設施就得必須跟上。這些公司要用 AI，不是演示一次，而是要它穩定、便宜、能大規模用。這就倒逼著底層基礎設施必須擴張：電力得更充足，晶片要供得上，工廠要能量產，雲服務要能承壓。黃仁勳說：我們才剛開始建 AI 的底座。不是行業不熱，是用 AI 的公司才剛剛冒出來。基礎設施的作用，就是讓這些公司能真正用起來。第五節｜誰在參與：勞動力和國家的角色說完建什麼，再看誰來建。答案可能出乎很多人意料：首先是水管工、電工、鋼鐵工人。在美國，參與晶片廠、電腦工廠、AI工廠建設的這些工種，已經供不應求。黃仁勳現場舉了個數字：薪資在短時間內幾乎翻了一倍，有人年薪已經突破六位數。最重要的是，這類工作並不需要電腦博士學位。它需要的是，能動手、能現場施工、能操作裝置的人。對很多國家來說，這是讓藍領重新成為中產的機會。那麼，當 AI 真正投入使用後，會怎樣影響那些已經在崗的人？很多人的第一反應是：會被取代。但現實恰恰相反。比如放射科醫生。過去 AI 被預測最先取代的職業之一就是他們。但 10 年過去，AI 已經深入滲透放射科室，而醫生的數量卻增加了。為什麼？因為讀圖像這種重複、機械的任務被 AI 接手後，醫生反而能把時間用在和病人對話、做綜合判斷上。醫院接診量增加，收入提升，醫生職位也變多了。再比如護士。很多 AI 工具正在幫他們完成文件記錄、就診轉寫等繁雜事務。結果是：護士花更多時間照顧病人，而不是填表。病人流轉變快，醫院雇的人也更多了。黃仁勳總結：AI 取代的是任務，不是目的。只要你的工作不是純機械重複，而是需要判斷、需要和人互動、需要創造，AI 就是幫手，不是對手。除了個人，國家呢？黃仁勳強調的是：參與權。過去很多開發中國家覺得 AI 太遙遠，但他給出的是一套本地起步方案：開源模型已經非常強大；很多國家可以用本地語言+本地知識進行微調；不一定非要從頭做起，但一定要參與建設。AI 應該像電力、道路一樣，是每個國家的基礎設施。這話，是說給所有開發中國家聽的。如果說過去幾波技術革命，先在矽谷、歐美發生，再傳到其他國家；那麼 AI 這一輪，是從頭就開放了部分參與權。你不必先造模型，但可以先用模型；不必懂晶片，但可以先建 AI 應用。結語｜短缺，不是泡沫想租一個 GPU，很難。現貨價格還在漲，不只是最新的，就連兩代以前的卡也漲了。黃仁勳說：“泡沫不會漲價，短缺才會。”製藥公司開始把錢投向 AI 實驗室。各國在搶電力和土地。投資機構在找 AI 基建項目。AI 到底在建什麼？能源、晶片廠、資料中心、模型層、應用層。這是黃仁勳在達沃斯給出的答案。 (AI深度研究員)

達沃斯經濟論壇上，少不了老黃的身影！當地時間1月21日，輝達CEO黃仁勳出席了達沃斯經濟論壇，與知名投資管理公司貝蘭德的CEO Larry Fink 展開對話。30分鐘看下來，老黃的觀點很直接：現在最重要的事情，除了Infra，還是Infra！黃仁勳指出，人工智慧已經啟動了“人類歷史上最大規模的基礎設施建設”，輝達已經投入了數千億美元，但還有數兆美元的基礎設施需要建設。再進一步延展，黃仁勳認為AI本身未來會成為每個國家的基礎設施，每個國家都應該打造自己的AI、建設自身的AI基礎設施，讓“國家智能”成為生態系統的一部分。他堅信AI會縮小而不是放大技術鴻溝，並建議開發中國家應該盡快行動起來：建設基礎設施，積極參與AI浪潮。此外，他還指出AI基礎設施的建設將會是歐洲“一代人難得一遇的機會”，因為歐洲具有強大的工業製造基礎。如果歐洲現在就入場，把自身強大的工業與製造能力與 AI 融合，就能直接躍遷到“物理 AI”和機器人時代。面對AI是否會重塑勞動力市場、替代人類崗位的問題，黃仁勳再次強調了他一貫秉持的看法：比起替代，AI能為人們創造更多的就業崗位。他描述了自己親眼看到的現象：這些崗位大量集中在“技工型職業”上，包括水管工、電工、建築工人、鋼結構工人、網路技術人員，負責裝置安裝、偵錯和維運的人等等。“僅在美國，我們已經看到這一領域出現了非常顯著的增長，相關崗位的薪資幾乎翻倍。”AI 原生公司爆發，基建才剛開始在訪談中，黃仁勳給出了一個強勢判斷：AI原生公司已經爆發了，但基礎設施建設才剛剛開始！他指出，我們如今與AI進行互動，背後的本質是計算平台的遷移。所謂平台，就是應用建構其上的基礎。從 PC 時代到網際網路，再到移動雲端運算，每一次平台遷移都會重塑整個計算棧，並催生出全新的應用生態。今天的 AI，同樣是一場新的平台遷移。根據黃仁勳提出的“AI五層蛋糕模型”理論：最底下是能源層，AI即時生成智能，需要大量能耗；第二層是晶片與基礎設施，這也是輝達所在的層級；第三層是雲基礎計算和雲服務；第四層是AI模型層，如 GPT、Gemini 等模型，也是大多數人所理解的AI；最上層是AI應用層，比如自動駕駛、聊天機器人等應用場景。黃仁勳強調，真正的經濟價值最終都會在應用層產生，而應用層已經爆發，一個重要訊號就是風險投資的流向。他給出了一組資料：2025 年是史上 VC 投資規模最大的年份之一，大多數資金都流向了“AI 原生公司”——無論是醫療、機器人、製造業還是金融服務。什麼是AI原生公司？就是一開始就圍繞 AI 來設計自己的產品流程和商業模式的公司。比如製藥巨頭禮來公司（Lilly），過去主要把研發預算投在濕實驗室，買裝置、做化學試驗。但現在，他們投資了一座大型 AI 實驗室和超級電腦，把一部分新藥開發流程交給 AI。就在不久前，輝達宣佈與禮來達成合作，雙方將在人才、基礎設施和算力方面聯合投入高達 10 億美元，成立一家開創性的 AI 聯合創新實驗室，該實驗室將基於 NVIDIA BioNeMo 平台及 NVIDIA Vera Rubin 架構搭建基礎設施，從而建構強大的AI模型，加速新藥研發。黃仁勳也在訪談中透露，禮來已經發現AI 在理解蛋白質和化學結構方面取得了巨大進展，未來我們甚至可以像“對話 ChatGPT”一樣，與蛋白質進行互動，這將帶來真正重大的科學突破。而這種轉變，並不只發生在製藥行業。機器人製造、醫療診斷、自動交易、客服系統、合規審查……這些過去需要大量人力的領域，現在 AI 原生公司的做法是：拿現成的模型，用自己行業的資料訓練它，讓它學會處理具體任務，再把這套能力做成可以直接用的產品。以客服系統為例，過去需要僱傭數百人的呼叫中心，如今可以被 AI 客服系統替代：全天候運行、響應一致、成本僅為原來的十分之一。這已經成為正在大規模落地、真實創造現金流的商業產品。為什麼AI應用層會出現大爆發？黃仁勳的回答是：因為模型能力越來越強了。他指出，2025年AI模型層發生了三件大事：第一，模型越來越值得信任，成為人們可靠的助手，能夠開展研究、對未見過的情境進行推理，將複雜問題拆解為可執行的步驟並制定行動方案。這標誌著語言模型正在演進為“智能體（Agentic AI）”。第二，開源模型很重要。他特別點名了DeepSeek，認為DeepSeek的開源對於全球AI產業都是重大利多。越來越多開源模型的湧現，讓企業、研究人員、大學和創業公司能夠基於這些模型，建構高度專業化、面向特定領域的系統。第三，物理智能取得突破。AI 的理解範圍從語言擴展到自然世界本身，包括蛋白質、化學結構和物理規律等複雜系統。本質上，這些對象都可以被視為“語言”，AI 正在學習並掌握它們的結構與規則。那麼當 AI 原生公司越來越多，會發生什麼？黃仁勳的回答很直接：上層 AI 應用爆發了，下層基礎設施就得必須跟上。他的判斷是：AI已經啟動了人類歷史上最大規模的基礎設施建設，輝達已經投入了數千億美元，但還遠遠不夠。“目前我們只投入了幾千億美元，這還只是開始。未來需要建設的是數兆美元等級的基礎設施，而且這是完全合理的。”不止是輝達，整個能源和晶片行業都在快速擴張。黃仁勳列出了幾個數字：台積電宣佈將建設 20 座新晶圓廠；輝達將與富士康、緯創、廣達一起合作建設 30 座新的電腦工廠，最終形成一座“AI 工廠”。同時，記憶體產業也在爆發：2025年，美光科技宣佈在美國投資約2,000億美元，用於美國半導體製造和研發；SK 海力士、三星也都在快速擴張。AI會創造大量工作崗位 技工類職業非常吃香既然AI的能力這麼強，那它會不會替代我們的工作崗位呢？這是縈繞在每個人心頭的疑慮。面對Larry Fink的追問，黃仁勳再次重申了他的看法：不會！並且AI還會創造大量工作崗位。老黃再次把辛頓拖出來鞭屍，又舉了那個著名的放射科例子：十年前，辛頓曾經建議停止培養放射科醫生，因為AI可以應用於醫學影像分析，這些醫生在未來五年中很可能被取代。但現在，AI 已經全面滲透進放射學的每一個環節，放射科醫生的數量卻不減反增。黃仁勳指出，這是因為工作的“目的”和“任務”不能混淆。放射科醫生工作的“目的”，是診斷疾病、幫助患者，解讀影像只是其中的一項“任務”。AI在這項任務上快速提效，能把醫生的時間解放出來去做更多與患者溝通、與其他醫生協作的事情，醫院能接診的患者變多了，收入增加，對醫生的需求自然也增加了。至於AI創造的工作崗位，據黃仁勳觀察，主要集中在“技工類崗位”上。這也不難理解，因為AI 正在引發人類歷史上規模最大的基礎設施建設：晶片工廠、電腦工廠、AI工廠……這都需要大量的水管工、電工、鋼結構工人、網路技術人員，裝置安裝、偵錯和維運的人等等。老黃透露，僅僅在美國，這一領域已經出現了非常顯著的增長，相關崗位的薪資幾乎翻倍。現在參與建設晶片工廠、電腦工廠或 AI 工廠的人，基本都能拿到六位數年薪。相比之下，白領工作會何去何從呢？不禁讓人捏了一把汗。每個國家都應該建設AI基礎設施 歐洲的機會尤其難得在訪談最後，老黃也大放豪言，呼籲每個國家都應該立刻行動起來，建設自己的AI基礎設施，尤其是開發中國家。黃仁勳的態度非常樂觀，他認為AI能夠縮小而非擴大技術鴻溝，未來AI本身就會成為一種基礎設施。“我很難想像，未來會有那個國家不把 AI 視為基礎設施的一部分，就像電力和道路一樣。”因此，打造屬於自身的AI模型，對一個國家來說會變得非常重要，“國家智能”將成為生態系統的一部分。黃仁勳指出，AI並不會僅侷限在發達國家，而是能夠普惠全球。原因是AI是歷史上最容易使用的軟體，短短兩三年時間，使用者規模就接近十億。他還認為，ChatGPT 可能是“歷史上最成功的消費級 AI 產品”，其易用性和親和力讓幾乎任何人都可以參與進來。“無論你是在開發中國家的學生，還是普通使用者，學習如何使用 AI、如何引導它、管理它、設定邊界、評估它，都會變得至關重要。”在這種發展趨勢下，未來我們可能不僅要管理“碳基智能”（人），還要管理“矽基智能”（數字 AI），AI將成為人類數位化勞動力的一部分。最後，Larry Fink話鋒一轉，將話題拉到了歐洲：歐洲目前在AI的舞台上似乎身影寥寥，那麼AI 與歐洲未來的成功之間有怎樣的關係？黃仁勳直言：你們擁有非常強大的工業基礎。如果歐洲現在就入場，把自身強大的工業與製造能力與 AI 融合，就能直接躍遷到“物理 AI”和機器人時代。前提是歐洲必須嚴肅對待能源供給問題，加大對基礎設施層的投入。他還強調，這對於歐洲來說，是“一代人只有一次”的機會。那麼，現在究竟是否存在AI泡沫？黃仁勳的回答很直接：沒有！他給出了一個很簡單的判斷標準：“輝達 GPU 現在遍佈所有雲平台，但你想租到一塊 GPU 仍然非常困難，而且不只是最新一代，連兩代之前的 GPU 租賃價格都在上漲。”這說明AI基礎設施的需求缺口還非常龐大，遠沒有到“泡沫”的程度。黃仁勳大聲疾呼，投資AI基礎設施，是一次歷史等級的機會！“我們需要更多能源、更多土地、電力、廠房，也需要更多技術工人。這是一次極其重大的歷史機遇，所有人都應該參與進來！”(51CTO技術堆疊)