• 你需要电力，源源不断；
  
  
• 你需要芯片，最好是美国自己设计和制造的；
  
  
• 你需要数据中心，不是几千台机器，而是“超级计算厂房”；
  
  

然后——你才能训练一次大型模型。

智能的最终成本 = 能源的成本

• Token = 电力 × 芯片 × 算法 × 数据 × 冷却系统
  
  
• 智能系统 = 一个超级耗能的工业基础设施
  
  
• 下一轮国家竞争力 = 谁能让AI工厂在本国规模部署
  
  

• 能源是地基，
  
  
• 工厂是出发点，
  
  
• 数据是燃料，
  
  
• 芯片是心脏，
  
  
• 而制度，则是它们能否协同运转的中枢神经。
  
  

• 能拉起10GW级别算力的能源系统；
  
  
• 能快速获批的建厂许可流程；
  
  
• 能完整打通芯片、冷却、数据安全、模型调度的全链路；
  
  
• 更重要的，是不犯“监管先行压死产业”的系统级错误。
  
  

“AI 至少会像互联网一样重要，甚至更大。”

️ 第三部分｜ 输在系统，不在模型

“我们相信，美国的模型，包括 OpenAI 和 Google以及其他公司的一些模型，是世界上最好的模型。”

“很难说我们领先多远，但我会说：不是很长的时间。”

• 中国的开源模型从研究到产品化的路径正在迅速缩短；
  
  
• 模型本身不再是唯一的核心壁垒；
  
  
• 谁能更快进入终端，谁就拥有用户、数据、生态与认知主权。
  
  

• 对数据设限过严，训练空间不如海外同行；
  
  
• 基础设施建设受限，无法扩展芯片与能耗配套；
  
  
• 过早设立标准，行业尚未成熟便被掐死在摇篮里。
  
  

️ 第四部分｜赢扩散，不踩刹车

“我认为如果标准被过早设定，那将是灾难性的。”

• 技术才刚刚进入产品化阶段，政府就要求其承担全部社会后果；
  
  
• 行业尚未建立互通协议，就被政策硬性设限；
  
  
• 用户还在理解产品如何使用，监管已试图定义它的边界。
  
  

• 它的使用量决定了谁的数据更丰富；
  
  
• 它的迭代速度决定了谁的模型更强；
  
  
• 它的用户依赖程度决定了谁拥有平台生态；
  
  

• 要让世界使用美国的模型；
  
  
• 要在美国本土建设最大、最强、最节能的数据中心；
  
  
• 要让美国标准成为全球参考；
  
  
• 而不是被限制束缚、被慢节奏拖拽，最后看着别的国家成为默认选项。
  
  

️ 第五部分｜AI不是来消灭工作的，它在重写“工作”这件事

“这次与以往技术革命不同的是——速度。”

• 不把AI藏起来，而是快速发布给大众；
  
  
• 不等待社会准备好，而是与社会同步适应；
  
  
• 不是为了替代人，而是为了形成“人机协作的新型劳动体”。
  
  

“在 2025 年 5 月，成为一个有效的程序员，已与我上次来到这里（2023年5月）时，完全不同了。”

• 用 AI 生成文案；
  
  
• 让 AI 审核合同；
  
  
• 甚至用 ChatGPT 回复用户邮件。
  
  

• 用户增长专家；
  
  
• 短视频编导；
  
  
• 代码prompt工程师；
  
  
• 模型红队审查员……
  
  

️ 第六部分｜AI开始理解你，它也开始重构你信任的一切

“人们与AI系统分享的信息，比我认为他们以往与任何技术分享得都多。”

“AI系统真正的效用，发生在它们能非常个性化地理解你的那一刻。”

• 个人数据控制权——用户必须知道自己说了什么，AI存了什么；
  
  
• 信息分享边界——当AI连接到其他系统，是否能任意转发、重组、调用你的数据？
  
  
• 情感依赖风险——当AI成为“情绪倾诉对象”，人是否会形成深度依赖？
  
  

• AI生成端：平台要建立明确标识与溯源机制；
  
  
• 内容传播端：分发平台要设置自动识别与用户提醒；
  
  
• 用户教育端：社会要预期、识别并习惯“内容未必是真”的现实。
  
  

“你可能接到一个电话，声音是你认识的人，情绪崩溃、请求帮助。

或者看到一段视频，触动你的情绪。你必须在心理上建立准备，因为它们可能是假的。”

️ 第七部分｜下一轮现实，AI共创

“你怎么看待 AI 奇点（Singularity）？ 就是那种 AI超越人类智能之后的临界点——它真的会来吗？”

“我相信这将是人类历史上可能出现的最大技术革命之一，甚至可能是最大的一次。”

• 就像火、电、网络；
  
  
• 它不是一个工具；
  
  
• 它是我们下一轮认知、生产、组织方式的根系统。
  
  

• 它帮助我们重新定义科研效率；
  
  
• 它帮助我们理解大脑、疾病、物理定律；
  
  
• 它甚至可能帮助我们重建人类的知识秩序。
  
  

结语｜不是AI赢了，是系统扛住了

AI，不只是模型比拼，而是国家系统的压力测试。

不是 AI 跑得太快，而是人类的认知系统准备太慢。