人工智能离我们越来越远还是越来越近大多数人说离我们越来越近——你看我们日常工作天天在用。但我看也有越来越远的情况。比如一年多前好多科技公司争先宣布“我们接入了DeepSeek、元宝大模型”甚至有公司宣布已经开始本地训练模型了。热闹过后我们该怎么做首先我们来看一下人工智能的市场情况。目前人工智能最火的算力卡以英伟达为代表的国际领先水平和华为昇腾为代表的国产替代力量正在追赶超越。英伟达有自己越来越小的芯片华为则走出了一条万卡集群的另辟蹊径。相信你了解了华为最近发布的韬定律不再像摩尔定律那样执着于“把晶体管做得更小”而是追求“让信号跑得更快”。再说英伟达黄仁勋半路登上访华的专机。从美国限制英伟达芯片卖给中国到如今形势有所缓和算力芯片卡脖子问题正在一步步接近解决。与算力芯片制造相关的领域有很多比如光通信、刻蚀设备、芯片封测与算力芯片应用相关的则有AI服务器、数据中心、大模型企业和垂直应用。大家可能会问那英伟达和华为到底在做什么其实他们是先进的芯片设计企业他们的芯片在不同环节、由不同的厂家来代工。光通信方面中国企业全球领先包括中际旭创、新易盛、天孚通信、光迅科技等800G已经大面积供货1.6T也已进入小批量供货阶段。光模块领域中国企业供应全球芯片封测也是中国企业全球领先包括长电科技、通富微电、华天科技。AI服务器国内头部企业包括中科曙光、工业富联、浪潮信息等技术含量相对不高主要是集成给数据中心、大模型企业供应服务器。当下而言芯片卡脖子关键在刻蚀。光刻机全球领先的是荷兰阿斯麦芯片制造最先进的是台积电对应的国内企业北方华创、中芯国际等5纳米制程刻蚀已进入验证阶段3纳米正在攻关。再加上华为韬定律和万卡互联的解决路径算力问题已经不再突出。芯片已经不是问题。同时以DeepSeek、豆包等为代表的中国大模型能力已经与全球领先的ChatGPT不相上下。那么对我们来说现在该怎么办答案是——应用。算力应用将迎来大面积爆发。算力应用的方向比较清晰有推理、文本输出这些传统方向也有机器人、自动驾驶、太空算力等新赛道。机器人能否服务于日常工作除了关节灵活、行动自如和电力供应关键看人工智能的加持。能想象以后每个公司配置几个人形机器人来办公吗家用人形机器人更将是未来的刚需。机器人价格从大几十万降到了几万元机器人的应用越来越近。对科技公司来说如何在一些不适合人作业的区域引入机器人是当下可以着手去做的事。人工智能在自动驾驶方面的需求非常急迫。但着急归着急人命关天的事各家企业都非常谨慎——都不敢直接说自己是自动驾驶只说自己达到了辅助驾驶的某某级。还记得几年前三个刚毕业的女大学生深夜赶往贵州的路上辅助驾驶不幸发生车祸三人遇难。自动驾驶很迫切但人工智能在此垂直领域的应用不会马上见效。对科技公司来说不是等到自动驾驶完全成熟而是要紧跟前沿技术在垂直领域和固定场景先用起来。商业航天近两年特别火主要是受美国星链成功的刺激。中国也在大力发展低轨卫星卫星通信部分替代地面通信的速度非常快中国移动、中国电信等已经感受到了来自中国卫星、中国卫通的竞争压力。一旦卫星组网到一定程度不光解决通信问题算力也要部分搬到太空——这正是太空算力开始火起来的原因。对科技公司来说未来要考虑的不是网络行不行、服务器行不行、算力行不行而是如何用好它。其他AI应用方向比如医疗、脑科学、AI办公、AI客服等要么应用场景太小要么技术门槛太低要么虚而不实。这些领域不适合做巨大投入重新进入而是应该让本就深耕这些行业的人用AI的思维再做一遍。回到主题“人工智能离我们越来越远还是越来越近”假设我们是一家应用型科技公司。我想这个问题要一分为二来看。如果我们还在研究大模型参数、试图用几张卡就本地训练大模型——这样做下去人工智能会离我们越来越远。因为几张卡训练大模型估计只有刚毕业的学生敢这么搞。万卡集群才适配真正的大模型。如果我们在寻找哪些优秀的大模型提供商思考如何把通用大模型服务与企业的特定应用场景适配起来解决两者之间的鸿沟——这条路走下去人工智能会离我们越来越近。