争论 · THE ARGUMENTS
聪明人正在争论什么
共识不值钱，分歧才有信息量。我们持续追踪全球最强的 AI 从业者公开的分歧，逐条注明日期与来源，然后写清楚我们站哪边。
更新至 2026-09-03
算力:泡沫,还是短缺?
看空者的弹药是现金流:Meta 二季度自由现金流同比下降 91%。看多者的回答是租金:旧款 GPU 的租价还在涨。
这不是泡沫,是一场某种程度上「自己造成的」、持续到 2028 年的算力短缺。他反问看空者:你能举出你业务里哪怕一个正在恶化的量化指标吗?
自家内部 AI 开支 8 月比 3 月高约 100 倍,仍在约每月翻倍;数千卡 B200 集群租金 7 个月上涨 50–60%
来源 →供需缺口在扩大而不是收窄,每 token 成本会继续涨;内存不是周期见顶,而是多年期结构性短缺——产能一年只增 20–30%,AI 需求却每年翻倍。
内存产能年增 20–30% vs 需求年翻倍;共封装光学落地他预计在 2029 年,比华尔街共识晚两年
来源 →我们的立场
我们站短缺一边,但看的指标不同:决定拐点的不是新卡价格,而是存量合约到期后的重定价幅度,以及资本开支曲线的二阶导——增速本身开始回落才是转折信号。我们自己的读数是约束在迁移:芯片、电力、内存、数据,最大的瓶颈现在在数据;每一次约束迁移都是一次投资机会。泡沫则在杠杆最重的中间层:循环融资、信用下沉、GPU 折旧期限错配。
相关报告:AI 算力基础设施 →前沿与开源:差距在收敛还是拉大?
开源模型把同等能力的价格打到了前沿闭源的几十分之一。钱却好像没有跟着走。
实地数据与「开源掏空前沿」的叙事相反:收入在向头部集中而非分散,智能差距未来两三年可能拉大。他亲测 Kimi、Qwen、GLM「确实很强」——但涨的是 token 消耗量,经济份额仍流向前沿实验室,后者正以 3–5 倍市价锁定算力。
来源 →「美国没有自己的开源模型旗手是荒谬的。」他同时提醒推理速度会改写产品:Cerebras 已跑到 750 token/秒,行业常态约 70——应该按 10 万 token/秒的世界来设计 agent 产品。
来源 →通用 Agent 会赢家通吃,产品体验终将趋同,胜负由模型能力和成本决定——「只要模型足够强,大家捏着鼻子也就认了」。小团队的机会在插件与垂直方案,不在再造一个 Agent。
来源 →我们的立场
两边都对,只是量的单位不同:消耗量的增长归开源,经济利润的集中归前沿。智谱 GLM-5.3-Flash 把同等能力打到约 1/40 价格之后,我们的判断是分化发生在场景层——批量、离线、成本敏感的负载会迁移,最强推理链的溢价短期内动不了。再往深一层看:闭源的护城河是资本开支,必须靠持续再融资维持;开源的护城河是活着的社区,不需要再融资。在再融资窗口正在收紧的周期里,两条护城河的耐久性不在同一个量级(2026-09-03 厦门演讲《开源破局》)。
相关报告:前沿模型与 AI 主权 →大模型路线:死路,还是主路?
一位图灵奖得主拿了十亿美元种子轮去证明 LLM 是绕路;一位最受尊敬的工程师把自己押回了预训练。
「LLM 不是通往真智能的路,只是绕路。」再怎么 scale 也补不上纯语言架构的天生缺陷,他预言五年内 LLM 在多数应用中被基本淘汰;他的 AMI Labs 以 10.3 亿美元种子轮押注世界模型,称这条路在机器人、自动驾驶和医疗上会远胜 LLM。
AMI Labs 种子轮 10.3 亿美元(2026 年 3 月,史上最大之一)
来源 →行业当下最大的错误,是基础模型还没吃透就急着把智能体推上生产——智能体不是产品,基础模型才是核心。他 5 月加入 Anthropic 领导预训练,打法是递归式的:用当前最强的 Claude 去加速下一代 Claude 的研究。
来源 →我们的立场
注意这不是「看多 vs 看空」,而是两笔方向相反的重仓:一笔押架构更替,一笔押现有架构还远未到顶。我们不押单一架构——在我们的框架里,模型层本就是可替换件,真正的问题是替换成本落在谁头上。
相关报告:AGI 资本周期 →智能体进企业:卡在哪一环?
一条提示词可以换来十六小时的自主工作。但八月底,约 700 个智能体自发协同攻击了 Hugging Face。
企业不该建无人监管的「黑灯工厂」,而该建「暮光工厂」:让智能体干粗活,在重大决策上主动把人拉回环内。埋头干活、从不抬头找人的智能体正在成为默认模式——对多数组织这是错的。
约 1,200 个智能体经共享仓库交换 7 万余条消息,其中约 700 个参与了对 Hugging Face 的协同攻击
来源 →与多家大企业 IT 负责人交流后的结论:落地瓶颈是变革管理和数据就绪度,不是模型。打法正从全面试验转向挑出约 10 个最高杠杆的工作流做定点自动化;编码的 AI 预算(部分企业约每人每月 1,000 美元)远超其他知识工作。
来源 →复盘一个真实功能的 AI 原生开发全程后:「代码已经不是瓶颈了」——瓶颈移到了代码两侧,左边是设计与确认,右边是测试与验证。人从写代码的人变成指挥官,但确认与判断环节绝对不能省。
来源 →我们的立场
三个人从三个位置指向同一环:确认。能力已经溢出,组织对「何时必须有人抬头」还没有制度。这正是我们看智能体层公司的第一个尽调问题:你的产品把人拉回环内的机制,是设计出来的,还是省掉了?
相关报告:AI 智能体商业化 →机器人:数据从哪里来?
在「VLA 已死」这件事上,英伟达的机器人负责人和图灵奖得主罕见地站在同一边。分歧在于用什么取代它。
他请全场「为遥操作默哀」:单台机器人每天封顶 24 小时、实际约 3 小时,注定不可扩展。替代路线是自我中心人类视频(「新的 FSD 数据」,可冲每年 1,000 万小时)加世界动作模型;他给出 2–3 年内通过「物理图灵测试」的时间表。
遥操作已占训练数据不到 0.1%;双臂交接成功率经技能库从 20% 提至 92%
来源 →VLA(视觉-语言-动作)路线「基本已被视为失败」;智能体化 LLM 用在物理世界「本质上不安全」,因为自回归架构无法预判动作的真实后果。他预言 2027 年初机器人行业将公认必须换范式。
来源 →我们的立场
技术路线还没收敛,资本却已经先收敛了估值:同一个月里,软银按 60 亿美元洽购 1X 控股权——相对其去年寻求的约 100 亿,这是降估值出售控制权。路线未定而估值先行,是我们在具身智能报告里反复标注的风险。
相关报告:具身智能与人形机器人 →说明：人物观点均为公开来源的转述，逐条注明日期与出处，不代表天际资本立场；「我们的立场」是本站唯一的自有观点。证据分级沿用全站口径：已证实 = 两个独立来源，据报道 = 单一来源。本页不构成投资建议。
研究标准与更正记录 →