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)