黃仁勳、蘇姿丰等四位科技巨頭揭秘美國AI競賽的全鏈條戰爭

在全球AI競賽日趨激烈的今天，勝負的關鍵不僅僅在於演算法和模型，更在於從稀土開採到晶片製造，從資料中心到能源供應的完整產業鏈控制。近期，美國播客節目"All-In Podcast"推出了"贏得AI競賽"系列的第三期，邀請了四位重量級嘉賓：輝達創始人兼CEO 黃仁勳Jensen Huang、AMD董事長兼CEO蘇姿丰Lisa Su、MP Materials創始人兼CEO James Litinsky，以及Crusoe創始人兼CEO Chase Lochmiller，圍繞美國AI產業鏈的重構展開了深度對話。

核心觀點速覽(Key Points)

• 全鏈條競爭已成定局：從稀土礦物到AI工廠，美國正在重新思考和建構完整的AI產業鏈，以應對中國在關鍵環節的主導地位。
• AI工廠時代來臨：傳統資料中心正在進化為"AI工廠"，將資料、演算法、晶片和能源整合成智能基礎設施。
• 能源瓶頸成為關鍵制約：AI資料中心的能耗將從佔美國總用電量的2.5%飆升至2030年的10%，能源基礎設施建設刻不容緩。
• 物理AI將成最大市場：未來5年內，機器人、無人機、電動交通等物理AI應用的晶片需求將超越資料中心市場。

稀土爭奪：物理AI的"糧食"戰爭

在討論AI競賽時，大多數人關注的是晶片和演算法，但MP Materials的James Litinsky提出了一個被忽視的關鍵環節："稀土磁體是物理AI的真正原料"。從機器人的精密關節到無人機的電機，從電動汽車的驅動系統到工業自動化裝置，所有涉及"電動運動"的物理AI應用都離不開稀土永磁材料。然而，儘管美國擁有豐富的稀土礦藏，但在稀土精煉和磁體製造環節，中國佔據了絕對主導地位。

Litinsky指出了一個殘酷的現實："我們可能擁有世界上所有的稀土，但如果你不製造磁體，你就是在把原料送給中國。"這種依賴關係在地緣政治緊張局勢下顯得尤為危險。

為了打破這種困局，MP Materials與美國國防部達成了一項具有里程碑意義的公私合營協議，投資4億美元在美國建立從稀土精煉到磁體製造的完整產業鏈。這種"政府提供價格底線保障、企業負責營運、利潤五五分成"的模式，被Litinsky預測將成為關鍵礦產和關鍵技術投資的藍圖。

半導體製造：在美國土地上的"矽革命"

AMD的Lisa Su帶來消息：在美國亞利桑那州的TSMC 4nm產線上，AMD已經成功實現了首批晶片的生產，產能和良率已經達到了台灣工廠的水平。這標誌著美國在先進半導體製造領域邁出了實質性的一步。

雖然在美製造的成本確實高於台灣（Su透露增幅在5%-20%之間），但她強調："保證供應比最低價格更重要。"這種成本增加在當前的地緣政治環境下是可以接受的，特別是考慮到供應鏈安全的戰略價值。

Su對AI晶片市場的前景極為樂觀，預測加速器晶片市場在未來幾年將超過5000億美元。更重要的是，她強調了晶片架構多樣化的必要性："我相信會有多樣化的晶片...從科學計算、製造業到個人AI的多種用例。"

特別值得關注的是Su對"物理AI"市場的預測。她認為，在未來五年後，物理AI晶片市場將成為最大的終端市場，甚至超過資料中心晶片。這意味著為機器人、自動駕駛汽車、工業自動化裝置設計的專用晶片將迎來爆發式增長。

AI工廠：智能時代的新基礎設施

Crusoe的Chase Lochmiller提出"AI工廠"的概念。他認為傳統的資料中心概念已經過時，取而代之的是將資料、演算法、晶片和能源整合成一體的"智能基礎設施"。

"這是智能基礎設施新時代的開始...未來的資料中心被稱為AI工廠。"*Lochmiller這樣描述道。這些AI工廠不再只是儲存和處理資料的場所，而是真正"製造智能"的工廠。

Crusoe正在美國建造數十至數百吉瓦級的AI資料中心，這將是人類歷史上最大規模的基礎設施建設項目之一。但隨之而來的是巨大的能源挑戰：AI資料中心的能耗將從佔美國總用電量的2.5%飆升至2030年的10%。

為瞭解決這個問題，Lochmiller提出了模組化的解決方案，將AI基礎設施打造成"樂高積木"式的元件，可以快速部署和擴展。這種方法不僅能提高建設效率，還能更好地適應不同地區的能源條件和監管環境。

輝達的"AI民主化"願景

作為AI晶片領域的絕對領導者，Jensen Huang分享了輝達對AI未來的深刻洞察。他提出："AI是有史以來最偉大的技術平權器。現在每個人都是藝術家，每個人都是作者，每個人都是程式設計師。"

同時發出了嚴肅的警告："如果你不使用AI，你就會被使用AI的人取代。"*這不是危言聳聽，而是對技術變革速度的清醒認識。

從技術角度，Huang強調了"性能功耗比"的核心重要性："性能/功耗=營收/投資=成本...我們將你的性能/美元提高數倍，這樣我們就能擁有思考型AI。"每一代GPU都必須在性能和能效上實現數倍提升，以持續降低大規模推理的成本。

對於未來，Huang描繪了一個萬物智能的圖景："所有會移動的東西終有一天都會實現自主化...每個工業公司都將成為AI公司，否則你就不會是一個工業公司。"他預測，未來的工業將由兩個工廠組成：生產傳統產品的工廠和生產AI的工廠。

開源vs閉源：全球AI創新的動力源泉

在討論AI競爭格局時，一個不容忽視的現像是中國AI實驗室在開源大模型領域的領先地位。從DeepSeek到各種開源模型，中國正在成為全球開源AI創新的重要推動者。

Huang對此持開放態度："開源是絕佳的。如果沒有開源，我們知道初創公司就不會存在。" 他認為開源模型是全球創新和創業的底層動力。

然而，在開源與閉源的平衡中，各大科技巨頭的策略各不相同。Meta和OpenAI正在將"整個資產負債表"押注在AI基礎設施上，這種"容量即王道"的競爭格局正在重塑整個行業。

人才培養：STEM教育的緊迫性

在技術競爭的背後，人才始終是最關鍵的因素。Lisa Su特別強調了STEM教育的重要性："我們應該重塑教育體系以培養STEM人才。"這不僅僅是為了滿足當前的技術需求，更是為了確保美國在未來的技術競賽中保持領先地位。

AI基礎設施的建設將創造史上最大規模的就業機會，從晶片設計到資料中心維運，從能源工程到AI應用開發，各個層面都需要大量的專業人才。如何培養這些人才，將直接影響美國在AI競賽中的長期競爭力。

全球合作與供應鏈韌性

儘管地緣政治緊張局勢加劇，但幾位嘉賓都強調了全球合作的重要性。Lisa Su明確指出："全球供應鏈...盟友是對話的關鍵部分。"完全的本土化既不現實也不經濟，關鍵是建構有韌性的供應鏈網路。

這種觀點反映了一種平衡的策略：在關鍵環節確保本土產能和盟友合作，同時保持全球化的效率優勢。這種"選擇性脫鉤"的方式可能成為未來全球技術產業的新常態。

正如Chase Lochmiller所說："人類歷史上第一次，我們真正能夠製造智能。"AI不再只是一種工具，而是正在成為推動人類文明進步的新動力。在這場AI競賽中，勝負的關鍵不僅在於技術的先進性，更在於產業鏈的完整性、基礎設施的完備性，以及人才培養的前瞻性。嘉賓們在訪談中標榜，"在其短暫的232年歷史中，沒有任何地方能像美國這樣成為釋放人類潛能的孵化器。"但歷史不能保證未來的成功。在這個"一切移動的東西終有一天都會實現自主化"的時代，只有那些能夠建構完整生態系統、掌握核心技術、培養優秀人才的國家和企業，才能在這場決定人類未來的競賽中立於不敗之地。 (JER學家)