•
【達沃斯論壇】輝達、微軟、Google的最新思考：AI會如何發展，價值向誰流動？
01
在前兩天，瑞士的達沃斯，世界經濟論壇年會再次成為全球政治、商業與技術精英的匯聚之地。
其中，最引入注目的話題依然是AI。
在經歷了2023年的驚豔亮相跟2024-2025年的資本狂熱後，AI在2026年進入了一個更為務實的新階段。
我們基於三位AI行業代表性人物，輝達創始人黃仁勳、微軟CEO薩提亞·納德拉以及GoogleDeepMind CEO德米斯·哈薩比斯在達沃斯論壇上的深度發言跟行業洞察。
從他們的視角中，來看看接下來的AI會如何發展？特別是對今天的創業者、經營者來說，有那些值得我們思考跟重視的地方？
02
在論壇中，黃仁勳不再是推銷AI晶片，而是拋出了“AI工廠”的概念，描繪了一幅全球工業體系重構的藍圖。
像傳統製造業生產的是汽車、手機、服裝這樣的實物產品，而AI工廠生產的就是“智能”本身。
當智能可以像電力一樣被規模化生產、傳輸，按需分配的時候，所有下游產業的成本結構都將被改寫，也就意味著全球有100兆美元經濟體的底層架構要翻新。
黃仁勳還提出了“五層蛋糕”框架，系統性地解構了AI經濟的產業鏈條，也給我們指出了AI價值流動的方向。
第一層是能源。
這是整個AI金字塔的基座，沒有充足、廉價的能源，AI工廠就無法運轉，黃仁勳特別強調了能源的重要性，未來的算力競爭本質上是能源效率的競爭。
而且，能源的討論在今年的達沃斯上非常激烈，OpenAI跟微軟甚至都在積極投資核聚變技術，試圖解決AI的能源瓶頸。
第二層是晶片計算。
這一層是輝達的主場，加速計算能夠把能效提升數個數量級，這是維持摩爾定律失效後，計算性能增長的唯一路徑。
第三層是雲基礎設施。
這是連接算力跟使用者的神經網路，雲服務商扮演關鍵角色，負責把物理算力虛擬化，分發給不同的使用者。
第四層是AI模型。
無論是GPT、Gemini還是各個開源模型，它們是處理資訊的核心演算法，也是智能的引擎。
第五層就到了應用層。
這是價值兌現的終端，所有行業都要把智能轉化為具體的生產力提高。
黃仁勳強調這五層需要同步擴展，但目前AI行業的瓶頸不在於模型本身，而在於底層的能源供應跟頂層的應用落地。
他認為，雖然美國在二三四層的數字AI領域佔據領先地位，但在能源跟應用上存在缺口。
他說歐洲擁有深厚的工業製造底蘊跟精密工程能力，這使得歐洲在“物理AI”領域擁有一代人一次的機遇。
當然，我更認為黃仁勳想說的潛台詞是中國，因為所有人都知道，今天全球製造中心在中國，能源基礎設施做的最出色的也是中國。
所以，我們完全可以把中國帶入進去，那什麼叫做物理AI的機遇呢？
就是把AI模型植入物理實體，比如機器人、智慧型手機床、製造裝置中，讓它們具備感知環境、執行複雜物理任務的能力。
像工業機器人需要硬編碼每一條指令，而基於AI大模型的機器人可以理解自然語言指令，通過強化學習適應不同的生產環境。
所以，未來的工廠就不再是我們今天看到的人跟機器分區，做不同的工作，而是具身智能跟人類工人真正協同工作。
當然，對今天的創業者來說，我們從黃仁勳描述的AI價值鏈中可以看到，二三四層其實都有了絕對的巨頭存在，或者說已經決出了勝負，行業馬上就要開始提高集中度。
對於中小企業來說，向下關注能源效率解決方案，或者是向上深耕垂直行業應用，都會是更理性、機會更多的選擇。
03
當然，AI的投資跟建設如火如荼，但我們曾經在單仁行上分享過，認為自己在AI取得回報的企業只有25%，實際上真正的AI高績效企業不到6%。
在今年的達沃斯，微軟的CEO納德拉就直面了AI投資回報率的尖銳拷問。
他的回應核心在於一個詞：擴散。
他承認了今天AI存在泡沫的風險，但他提出了一個判斷泡沫的關鍵標準。
技術是不是僅僅停留在供給側？
如果只有輝達、微軟這樣的企業在通過賣鏟子賺錢，而購買鏟子的企業無法挖掘到金礦，那麼，AI就會是一個不可持續的泡沫。
只有當AI技術均勻地分佈在各個行業，特別是非科技行業，比如農業、消費、教育、能源，並轉化為實際效率提升跟收入增長，AI才能被稱為真正的工業革命。
像電力跟電腦之所以偉大，不在於發明它們的瞬間，而在於它們滲透進每一個家庭和企業的漫長過程。
同樣，AI也必須從技術的發現期邁向廣泛的擴散期，所以，下個階段的AI發展不在於科技巨頭對於技術的鑽研，而是把AI落地應用到各個行業。
當然，納德拉提到在技術落地的具體路徑，我們需要改變工作本身，而不僅僅是任務。
特別是在AI agent的代理模式（AGI）下，企業需要重新設計工作流，由使用者設定目標->AI代理拆解任務->AI自主呼叫工具、跨應用操作->AI完成任務->使用者驗收結果。
這是一種“人在前沿”的授權模式，能夠跨應用執行任務的代理系統會讓企業營運效率提升30%-50%。
這種從“對話方塊”到“後台流程”的滲透，是AI創造真實商業價值的關鍵。
只不過，GoogleDeepMind CEO德米斯·哈薩比斯認為，到2030年，人類實現AGI的機率只有50%。
因為現有的模型架構跟能源，可能不足以支撐AGI所需的深層邏輯推理和長期規劃能力。
所以，他認為AI最大的價值在於加速科學發現跟基礎研究的處理程序。
哈薩比斯提到，Google的DeepMind已經預測了幾乎所有已知蛋白質的結構，並且，在材料科學中預測了數百萬種新的晶體結構，這對於發現新型電池材料、超導材料跟太陽能材料至關重要，並且顯著縮短研發周期，從以年為單位，縮短到以月為單位。
所以，幾乎沒有那個領域的研究不會受益於這些AI工具，重要的是企業要把AI用於拓展能力的邊界。
04
其實，我們會發現，他們三位的觀點相互交織、互為支撐。
黃仁勳提供了清晰的AI價值鏈條，世界正在被AI重構，算力是新的石油，而工廠正在生產智能，來實現生產力的巨大爆發。
哈薩比斯強調了能力邊界，企業的能力經緯線，就是產品研發能力跟市場行銷能力，正在被AI極大的提高，借助於AI可以極大地加快企業從業務到產品到應用場景的轉軸。
普華永道和德勤的報告也指出，企業要想在AI時代生存，必須建構“雙元組織”結構：
一元是利用AI在現有業務中實現極致的降本增效，而另一元是利用AI創造全新的產品服務，延伸到不同的應用場景，創造多元增長的商業模式。
納德拉提醒企業，要把這些能力轉化為應用跟社會經濟層面的實際產出，要加速擴散AI的應用場景。
如果下游的應用遲遲無法產生足夠的收入來覆蓋上游昂貴的算力跟電力成本，整個產業鏈可能會面臨劇烈的修正。
就像電力在19世紀末從實驗室走向電網建設一樣，AI正在經歷從“神奇技術”向“通用公用事業”的蛻變。
2026年的達沃斯論壇是一個歷史性的分水嶺，它標誌著AI從神奇的技術變成了必要的基建，從未來的願景變成了當下的生存法則，特別是垂直領域的AI應用包括AI代理都會是一個巨大的藍海。 (單仁行)