人工智能在2026年已经无处不在，而且大多时候运行良好。AI写代码、剪视频、做客服、辅助研究、参与战略会议。公众讨论也跟上了节奏：更大的模型、更智能的智能体、通用人工智能（AGI）近在眼前。

但公众讨论搞错了重点。

打开网易新闻 查看精彩图片

这个时代真正的限制不再是算法层面的。行业已经跨过了一个门槛——基础设施、经济可行性、可靠性、监管和人的固执，这些因素比原始智能更重要。造出更聪明的系统不再是难点。造出可扩展、可信赖、经济上合理的系统，才是当下真正的竞赛。

算力：新时代的石油，带着所有老问题

现代AI运行在硬件之上，而硬件昂贵、稀缺，且日益被少数企业掌控。前沿规模的训练和推理需要海量GPU、高速内存、网络基础设施和存储。只有少数组织负担得起这套配置。

这不仅是经济问题，更是创新问题。当前沿研究被挡在数十亿美元基础设施的门槛后，AI的发展方向就由谁付得起钱来决定。大学淡出舞台，独立研究者无法竞争，思想的多样性随着资金来源的收窄而萎缩。

算力已成为数字时代的石油，附带地缘政治杠杆、供应链咽喉，以及同样令人不安的权力集中。

能源：没人愿意谈论的危机

AI不再是一个软件行业。它是一个披着软件外衣的耗电工业运营。

运行多模态AI的大规模数据中心——以全球规模处理视频、语音和实时交互——其耗电速度在十年前看来荒谬至极。而且还在增长。单是冷却就是一项独立的工程挑战。

一个令人不安的推论是：电网不稳定或能源容量有限的国家，无论其工程人才如何，都可能在AI领域落后。AI领导力的地缘政治平衡日益不仅取决于软件专长，还取决于千瓦时、半导体供应链和冷却基础设施。

AI的未来可能同样取决于能源政策，而非计算机科学。

数据：互联网正在吞噬自己

大语言模型已经消耗了大多数公开可用的互联网内容。而它们现在训练的网页，越来越多地充斥着此前AI系统生成的内容。反馈循环真实存在，且并非良性。

这个悖论很丑陋：AI系统正在一个被其他AI系统污染的网络上训练。

合成数据在边缘场景有所帮助，但无法替代真实的人类创造力、来之不易的专业知识，或现实世界的 messy texture（ messy texture 指复杂、不规则的真实质感）。行业深知这一点，这就是为什么对专有数据集、企业档案和真实交互数据的争夺已经白热化。