編輯部 整理自 AIGC2026
量子位 | 公眾號(hào) QbitAI

從硅谷投資人的視角望出去，AI的敘事正在悄然換軌。

在這個(gè)新舊周期交替的關(guān)鍵節(jié)點(diǎn)，Fusion Fund創(chuàng)始合伙人張璐帶來(lái)了她一線的判斷：

過(guò)去兩年，行業(yè)所有的目光都聚焦在模型和算力上，但真正的戰(zhàn)場(chǎng)，正在向基礎(chǔ)設(shè)施的“通信層”和物理世界的“數(shù)據(jù)層”轉(zhuǎn)移。

在本次2026中國(guó)AIGC產(chǎn)業(yè)峰會(huì)上，她將這一輪AI敘事的轉(zhuǎn)向說(shuō)得很直白——

推理將超越訓(xùn)練，成為算力消耗的新主角；而數(shù)據(jù)中心里那個(gè)鮮少被提及的通信環(huán)節(jié)，其耗電量可能是計(jì)算本身的百倍以上。

至于下一個(gè)真正值得押注的方向，在她看來(lái)，并非更大的模型，而是更真實(shí)、更高質(zhì)量的數(shù)據(jù)，以及醫(yī)療、太空、納米機(jī)器人這三個(gè)AI應(yīng)用方向。

為了完整體現(xiàn)張璐的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了翻譯和編輯整理，希望能給你帶來(lái)更多啟發(fā)。

2026中國(guó)AIGC產(chǎn)業(yè)峰會(huì)是由量子位主辦的行業(yè)峰會(huì)，近20位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾超千人，線上直播觀眾近400萬(wàn)，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• 算力需求的重心正在從訓(xùn)練轉(zhuǎn)向推理：訓(xùn)練是一次性的算力投入，推理才是可持續(xù)的長(zhǎng)期需求；隨著智能體交互替代對(duì)話交互，推理算力的比重將從現(xiàn)在的50%繼續(xù)攀升，成為AI基礎(chǔ)設(shè)施最核心的優(yōu)化方向；
• 數(shù)據(jù)中心的真正電老虎是通信：在AI數(shù)據(jù)中心內(nèi)，通信消耗的電量可能比計(jì)算本身高出百倍，這意味著光學(xué)通信等新一代通信技術(shù)的價(jià)值，遠(yuǎn)比通常認(rèn)知的更為關(guān)鍵；
• 物理AI現(xiàn)在卡在數(shù)據(jù)層：架構(gòu)和算力都已具備，真正的瓶頸是缺乏足夠高質(zhì)量的真實(shí)世界數(shù)據(jù)；合成數(shù)據(jù)可以作為補(bǔ)充，但無(wú)法替代邊緣場(chǎng)景中的真實(shí)采集；
• 數(shù)據(jù)的質(zhì)量比數(shù)量更重要，而醫(yī)療恰恰是高質(zhì)量數(shù)據(jù)密度最高的行業(yè)之一：這是大量AI科技公司在2025年集中入局醫(yī)療賽道的底層邏輯，而不只是因?yàn)樗袌?chǎng)夠大；
• 技術(shù)創(chuàng)新只是起點(diǎn)，產(chǎn)業(yè)整合速度才是AI落地的真正競(jìng)爭(zhēng)力：當(dāng)500強(qiáng)企業(yè)的AI預(yù)算從千萬(wàn)級(jí)躍升至數(shù)十億級(jí)，采購(gòu)周期從半年壓縮到一兩個(gè)月，這種加速度本身就是模型和應(yīng)用持續(xù)迭代的燃料。

以下為張璐演講原文：

AI敘事的新拐點(diǎn)

大家好，我是張璐，我是硅谷Fusion Fund的創(chuàng)始和管理合伙人。

在過(guò)去的十到十一年的時(shí)間里，我們一直專注北美市場(chǎng)早期科技公司的投資，尤其專注在三個(gè)領(lǐng)域——企業(yè)級(jí)人工智能、醫(yī)療AI以及工業(yè)自動(dòng)化

過(guò)去兩年，大家可能都關(guān)注到了，硅谷經(jīng)歷了快速迭代的創(chuàng)新周期，尤其是以人工智能為驅(qū)動(dòng)的快速的產(chǎn)業(yè)創(chuàng)新以及產(chǎn)業(yè)植入的進(jìn)程。

所以我們?cè)谶^(guò)去這兩年非常辛苦，但也非常興奮，看到了很多杰出的企業(yè)家、創(chuàng)業(yè)者快速地成長(zhǎng)起來(lái)，也看到了產(chǎn)業(yè)中從人工智能、基礎(chǔ)設(shè)施，再到人工智能的應(yīng)用層面上多重創(chuàng)新的開(kāi)展和發(fā)展。

到今年，我覺(jué)得已經(jīng)進(jìn)入到了一個(gè)新時(shí)期，可以看到人工智能在整體的敘事上、創(chuàng)新的專注層面上，有了一些新變化。

所以今天也非常高興有機(jī)會(huì)和大家分享，過(guò)去一年我們看到的硅谷新興的人工智能創(chuàng)新風(fēng)向的變化，以及一些最新的動(dòng)態(tài)。

過(guò)去幾年，我們?cè)诹牡饺斯ぶ悄軇?chuàng)新的時(shí)候，有幾個(gè)關(guān)鍵詞反復(fù)出現(xiàn)，比如大語(yǔ)言模型、生成式AI、訓(xùn)練、算力需求等等。

但最近這段時(shí)間，我們看到在語(yǔ)境層面上也有一些新的轉(zhuǎn)向，比如，不只是在討論大語(yǔ)言模型，現(xiàn)在更多在討論行業(yè)專屬應(yīng)用，基于的是小語(yǔ)言模型怎么樣可以通過(guò)更加低成本、高效的方式，去進(jìn)行產(chǎn)業(yè)垂直人工智能的植入，另外也是模型對(duì)象的轉(zhuǎn)變。

從語(yǔ)言模型，現(xiàn)在更多討論的是物理AI，還有世界模型的調(diào)整。

同時(shí)在計(jì)算層面，我們也經(jīng)常講到人工智能的算力需求非常巨大，以前算力的大量消耗可能是在訓(xùn)練端。

但過(guò)去這段時(shí)間，大家更多討論的是推理對(duì)于算力的需求會(huì)越來(lái)越大，甚至超過(guò)訓(xùn)練，成為長(zhǎng)期可持續(xù)的算力需求。

在根本層面上，我們也能看到有越來(lái)越多對(duì)于數(shù)據(jù)的討論，從最早我們經(jīng)常講規(guī)模定律（Scaling Law），認(rèn)為有越多的數(shù)據(jù)意味著可以去訓(xùn)練出更好的人工智能模型。

到現(xiàn)在大家更多關(guān)注數(shù)據(jù)的質(zhì)量——怎么樣可以拿到高質(zhì)量的行業(yè)數(shù)據(jù)？怎么可以通過(guò)高質(zhì)量的行業(yè)數(shù)據(jù)去做更好的數(shù)據(jù)庫(kù)？我們稱之為數(shù)據(jù)治理（data curation），還有數(shù)據(jù)圖書(shū)館（data library）。

再基于這些數(shù)據(jù)的質(zhì)量去優(yōu)化人工智能，無(wú)論是模型能力，還是在應(yīng)用能力上進(jìn)行迭代。

重新定義AI基礎(chǔ)設(shè)施

今天也想根據(jù)這些不同的方向，跟大家快速分享幾個(gè)我們非常看好、而且現(xiàn)在正快速發(fā)展的人工智能領(lǐng)域。

首先要跟大家分享和聊到的就是人工智能基礎(chǔ)設(shè)施

如果大家有關(guān)注英偉達(dá)3月的GTC大會(huì)，也能看到英偉達(dá)的敘事在改變，以前講的是一家GPU芯片企業(yè)，到現(xiàn)在黃仁勛已經(jīng)非常明確——

英偉達(dá)是一個(gè)人工智能基礎(chǔ)設(shè)施公司，一個(gè)人工智能工廠

從Token經(jīng)濟(jì)學(xué)來(lái)看，未來(lái)對(duì)人工智能基礎(chǔ)設(shè)施的需求，可能就像對(duì)電力的需求一樣常見(jiàn)，這是一場(chǎng)非常巨大的基礎(chǔ)層級(jí)的產(chǎn)業(yè)革命。

所以我們看到，對(duì)于人工智能基礎(chǔ)設(shè)施的創(chuàng)新需求非常高。人工智能現(xiàn)在進(jìn)入了產(chǎn)業(yè)部署階段，大規(guī)模的產(chǎn)業(yè)部署也需要非常強(qiáng)力的人工智能基礎(chǔ)設(shè)施來(lái)輔助和支持

現(xiàn)在有大量新建的人工智能數(shù)據(jù)中心，它們面臨很多挑戰(zhàn)，比如電力的消耗、通信層面上的能量消耗，還有各種各樣技術(shù)問(wèn)題。

所以怎么樣在這個(gè)層面上進(jìn)行更多的技術(shù)創(chuàng)新，也帶來(lái)了很多的創(chuàng)新機(jī)會(huì)，其中我們聊得比較多的，就是基礎(chǔ)設(shè)施本身的算力優(yōu)化

我剛才提到，核心的算力變化在于——以前算力關(guān)注更多的是訓(xùn)練本身，但現(xiàn)在我們看到一個(gè)非常清晰的轉(zhuǎn)變：訓(xùn)練更多是一次性的算力投入，但是推理是可持續(xù)的算力需求

幾年前，這兩個(gè)層面上對(duì)算力的需求——訓(xùn)練的算力需求占到70%以上，推理可能只有20%到30%，現(xiàn)在推理已經(jīng)占到了一半，在未來(lái)可能會(huì)變成30:70（訓(xùn)練:推理）。

尤其我們現(xiàn)在已經(jīng)到了新的轉(zhuǎn)變階段，即從聊天對(duì)話這種交互方式，到現(xiàn)在智能體的交互。如果你有一個(gè)智能體，你是不是希望這個(gè)智能體一直在線，一直響應(yīng)你？

這個(gè)過(guò)程中對(duì)于推理的需求就更加具有可持續(xù)性，然后也更加大量，這個(gè)過(guò)程中推理所消耗的算力也更為核心

因此，怎樣進(jìn)行推理的優(yōu)化？怎樣進(jìn)行推理算力的優(yōu)化？是未來(lái)人工智能基礎(chǔ)設(shè)施要去解決的核心問(wèn)題之一。

我們剛才主要專注的是說(shuō)計(jì)算這部分的算力，在人工智能基礎(chǔ)設(shè)施層面上大家探討的，更多是在計(jì)算過(guò)程中消耗了多大的能量。

現(xiàn)在全世界都在討論，人工智能的核心發(fā)展瓶頸之一就是耗電量，但是在計(jì)算之后，下一步是什么呢？是通信（Communication）。

這個(gè)通信的過(guò)程中有通信能力的需求，有內(nèi)部通信， 還有交換機(jī)（switch）的需求，在人工智能的數(shù)據(jù)中心里，通信環(huán)節(jié)整體的耗電量可能比計(jì)算的耗電量要大幾十倍甚至上百倍

我去年有幸在斯坦福，和我們之前的老校長(zhǎng)，也是谷歌的母公司Alphabet的董事會(huì)主席John Hennessy做過(guò)一個(gè)對(duì)話，在對(duì)話中他專門提到——

在通信的過(guò)程中所消耗的電量可能比計(jì)算本身要超過(guò)百倍以上

CPU、GPU的設(shè)計(jì)思路，其實(shí)是盡量在本地、在芯片本身做盡量多的計(jì)算，而不是去進(jìn)行更多的傳輸，你可以把計(jì)算到處部署，也可以把數(shù)據(jù)到處挪動(dòng)，但是挪動(dòng)數(shù)據(jù)的過(guò)程中它消耗的電量，比移動(dòng)計(jì)算本身的成本更高。

所以這也催生了很多新技術(shù)，它們所關(guān)注的正是通信的部分——怎么樣可以有新一代的通信技術(shù)？我們經(jīng)常提到，現(xiàn)在有很多新創(chuàng)新是在光學(xué)通信層面上，去大規(guī)模降低通信過(guò)程中的能量消耗，這也是很關(guān)鍵的。

我們剛才也提到一個(gè)轉(zhuǎn)變，就是從語(yǔ)言模型→世界模型→物理AI

到物理AI，我們所應(yīng)用到的數(shù)據(jù)不只是文本數(shù)據(jù)，還有很多三維的數(shù)據(jù)、真實(shí)世界的數(shù)據(jù)，而這些數(shù)據(jù)的量級(jí)也更加巨大。

在這個(gè)過(guò)程中如果你再去到處傳輸數(shù)據(jù)，它對(duì)于能量的消耗也會(huì)更加巨大。

這也是為什么我們?cè)谶@個(gè)領(lǐng)域會(huì)看到更多創(chuàng)新。

物理AI的突圍：邊緣計(jì)算與新型傳感器

剛才我提到了好多次“物理AI”。

物理AI現(xiàn)在也是一個(gè)新興發(fā)展的方向，它不只是我們經(jīng)常講的人形機(jī)器人。

物理AI， 它其實(shí)涉及到了仿真模擬（simulation），還有數(shù)據(jù)層、世界模型等領(lǐng)域，這些都覆蓋到物理世界和AI的交互。無(wú)論是大家可能關(guān)注比較多的無(wú)人駕駛，還是工廠領(lǐng)域高精度生產(chǎn)的整體物理AI的投放和使用，還有醫(yī)療、物流供應(yīng)鏈、太空行業(yè)等等，都在大規(guī)模應(yīng)用物理AI。

怎么樣可以讓物理世界和AI更好地互動(dòng)？這也是現(xiàn)在創(chuàng)新很重要的方向。

我們看到很多創(chuàng)新其實(shí)聚焦在一個(gè)是仿真模擬層，另一個(gè)就是數(shù)據(jù)層

現(xiàn)在對(duì)于物理AI來(lái)講，最大的一個(gè)瓶頸，是我們的架構(gòu)做好了，也有算力，但現(xiàn)在最缺的就是數(shù)據(jù)，現(xiàn)在最大的瓶頸也是在數(shù)據(jù)。

我們沒(méi)有足夠高質(zhì)量的真實(shí)世界數(shù)據(jù)去支持物理AI的模型訓(xùn)練，當(dāng)然這個(gè)過(guò)程中有很多人去聊一個(gè)相關(guān)方向，就是合成數(shù)據(jù)

合成數(shù)據(jù)現(xiàn)在也是發(fā)展速度很快的一個(gè)方向，包括通過(guò)合成數(shù)據(jù)再去看去支持仿真模擬， 但在這個(gè)過(guò)程中會(huì)發(fā)現(xiàn)，合成數(shù)據(jù)其實(shí)存在很多弊端或者盲點(diǎn)。

所以，對(duì)真實(shí)世界中邊緣場(chǎng)景、邊緣數(shù)據(jù)的收集，還是非常關(guān)鍵的。

這也就意味著，我們不只是要去關(guān)注模型層的技術(shù)發(fā)展，要更努力去投入新型的數(shù)據(jù)收集平臺(tái)數(shù)據(jù)優(yōu)化平臺(tái)的技術(shù)創(chuàng)新，這樣才可以有更好的數(shù)據(jù)庫(kù)，去支持物理AI進(jìn)一步的發(fā)展。

既然物理AI現(xiàn)在核心的一個(gè)痛點(diǎn)，就是它的數(shù)據(jù)層。那怎么樣可以獲得真實(shí)世界和工業(yè)界的高質(zhì)量數(shù)據(jù)？

這個(gè)時(shí)候你會(huì)發(fā)現(xiàn)，比如傳統(tǒng)的制造生產(chǎn)行業(yè)，它其實(shí)產(chǎn)生了很多高質(zhì)量的真實(shí)三維數(shù)據(jù)，但是它的痛點(diǎn)在于，沒(méi)有一個(gè)非常好的數(shù)據(jù)收集平臺(tái)去進(jìn)行標(biāo)準(zhǔn)化的數(shù)據(jù)收集、數(shù)據(jù)優(yōu)化和數(shù)據(jù)治理（curation），讓數(shù)據(jù)整體達(dá)到可以進(jìn)行人工智能模型訓(xùn)練的階段。

而在這個(gè)過(guò)程中，因?yàn)楹芏嗾鎸?shí)世界的需求，應(yīng)用場(chǎng)景又對(duì)這樣的數(shù)據(jù)收集平臺(tái)的消耗，有著天然的限制。

所以怎樣可以在邊緣端更好進(jìn)行人工智能的部署，也是非常重要的一個(gè)方向。

在這里我提到一個(gè)新的技術(shù)，就是我們看到了很多年一直在發(fā)展的人工皮膚，它核心是柔性電路，叫Flexible Electronics。

△來(lái)自斯坦福大學(xué)官網(wǎng)

今年出現(xiàn)了很多這樣的公司，其中做得最好的研究之一，是來(lái)自斯坦福大學(xué)鮑哲南教授的實(shí)驗(yàn)室，他們所做的人工皮膚的傳感器，是一款高精度、低能耗的傳感器，它可以薄到就像手套一樣，無(wú)論是套在機(jī)械手上，或者套在人的手上，它的觸覺(jué)有非常高精度的傳感點(diǎn)，這個(gè)觸覺(jué)數(shù)據(jù)，就可以成為非常重要的數(shù)據(jù)來(lái)源，去支持物理世界。

△援引自中國(guó)科學(xué)院學(xué)部

在這個(gè)過(guò)程中，我們不只看到初創(chuàng)企業(yè)在做新型的數(shù)據(jù)收集平臺(tái)

我們?cè)诤鸵恍?00強(qiáng)企業(yè)，尤其是一些500強(qiáng)的制造龍頭企業(yè)對(duì)話的時(shí)候，我發(fā)現(xiàn)他們自己內(nèi)部也在做這方面技術(shù)的探索，所以說(shuō)大家其實(shí)意識(shí)到了核心的瓶頸是在數(shù)據(jù)層，也有更多的創(chuàng)新聚焦到數(shù)據(jù)這一層。

我還想再?gòu)?qiáng)調(diào)一點(diǎn)，就是邊緣計(jì)算

邊緣計(jì)算未來(lái)的發(fā)展也會(huì)非常快，這個(gè)方向?qū)ξ覀儊?lái)說(shuō)已經(jīng)不是新方向了，我們從2018、2019年就開(kāi)始投資邊緣計(jì)算。

在過(guò)去兩年，我覺(jué)得產(chǎn)業(yè)形成了一個(gè)共識(shí)——人工智能發(fā)展的未來(lái)方向是在邊緣端的人工智能部署

怎么樣能夠達(dá)到邊緣端人工智能的部署？又回到我們剛才涉及到的問(wèn)題，它需要的是一個(gè)小模型

比如說(shuō)我們今年有一家公司剛被高通收購(gòu)，他們的模型就可以小到——不足10億token， 在這樣的情況下，你可以在一個(gè)Raspberry Pi（樹(shù)莓派）上面去運(yùn)行這個(gè)小模型，它就可以有和GPT-4同等的人工智能能力。

包括前段時(shí)間，谷歌發(fā)布的一些開(kāi)源模型，也有一些非常小的邊緣模型，所以在邊緣端的人工智能鋪設(shè)非常重要。

而邊緣端AI的鋪設(shè)，再和新型的數(shù)據(jù)收集平臺(tái)整合到一起，我們就可以在邊緣端進(jìn)行數(shù)據(jù)收集、本地化處理和本地化的人工智能的應(yīng)用，所以對(duì)于高監(jiān)管行業(yè)，還有那些對(duì)數(shù)據(jù)隱私相對(duì)敏感的行業(yè)來(lái)說(shuō)，都是非常好的發(fā)展方向。

關(guān)注三個(gè)應(yīng)用方向：醫(yī)療、太空與比細(xì)胞還小的機(jī)器人

最后，跟大家講幾個(gè)我非常看好的具體人工智能應(yīng)用方向。

今年對(duì)于硅谷來(lái)講是人工智能醫(yī)療領(lǐng)域非常重要的一年，在年初的時(shí)候，先是禮來(lái)（美國(guó)制藥公司）和英偉達(dá)成了一個(gè)10億美金的合作。

△來(lái)自英偉達(dá)官網(wǎng)

他們的合作不只是人工智能和醫(yī)療的結(jié)合，他們也希望構(gòu)建一個(gè)人工智能+醫(yī)療+數(shù)據(jù)技術(shù)的生態(tài)，去幫助更多的初創(chuàng)企業(yè)跟他們達(dá)成戰(zhàn)略合作，我們有好幾家公司跟他們?cè)谶M(jìn)行合作。

包括在1月份，大家可能有關(guān)注到，無(wú)論是ChatGPT還是Claude，都發(fā)布了針對(duì)醫(yī)療領(lǐng)域應(yīng)用的專屬產(chǎn)品，尤其是Claude做的Claude for Health，其實(shí)是專注底層的基礎(chǔ)設(shè)施，在數(shù)據(jù)、隱私、安全，還有合規(guī)層面上去幫助醫(yī)療領(lǐng)域的服務(wù)提供商和醫(yī)院等等，更好地進(jìn)行AI醫(yī)療的整合。

前一段時(shí)間，大概幾周前，默克（美國(guó)的制藥企業(yè)，世界上最大的制藥企業(yè)之一）也和谷歌Gemini發(fā)布了非常重磅的戰(zhàn)略合作。所以我們會(huì)看到，很多人工智能的科技企業(yè)都在紛紛入局醫(yī)療領(lǐng)域。

醫(yī)療領(lǐng)域不只是美國(guó)市場(chǎng)最大的市場(chǎng)之一（美國(guó)20%的GDP都在醫(yī)療領(lǐng)域），更重要的一點(diǎn)，是我們剛才提到的很重要的一個(gè)轉(zhuǎn)變，或者說(shuō)共識(shí)——大家意識(shí)到數(shù)據(jù)的質(zhì)量比數(shù)據(jù)的量更重要

哪個(gè)行業(yè)有海量的高質(zhì)量數(shù)據(jù)？其中一個(gè)很重要的行業(yè)就是醫(yī)療領(lǐng)域。

2017年我們就開(kāi)始發(fā)布AI醫(yī)療的報(bào)告，去年又做了一個(gè)最新版，可以看到很多新的進(jìn)化。

到現(xiàn)在，我們會(huì)看到很多新型的AI醫(yī)療公司，它專注的是一個(gè)垂直領(lǐng)域小模型

比如說(shuō)專門針對(duì)細(xì)胞療法做一個(gè)垂直AI模型，針對(duì)MRA（磁共振血管造影）的測(cè)序數(shù)據(jù)專門做一個(gè)垂直模型，甚至還有一些是針對(duì)特定疾病的，比如說(shuō)專門針對(duì)帕金森、老年癡呆，去結(jié)合各種各樣的數(shù)據(jù)、生物信息學(xué)進(jìn)行個(gè)性化的診斷和治療。

這個(gè)過(guò)程中，不只是AI模型，還有包括機(jī)器人和物理AI也在醫(yī)療領(lǐng)域進(jìn)行大規(guī)模的鋪設(shè)。

這里我提到一家公司叫Medra， 也是我們?nèi)ツ陝偼顿Y的一家公司。

他們是斯坦福背景的團(tuán)隊(duì)，做了整一套的物理AI系統(tǒng)，從AI層面上可以自己去理解怎么樣進(jìn)行生物醫(yī)療的實(shí)驗(yàn)設(shè)計(jì)，同時(shí)進(jìn)行機(jī)械手臂、還有自動(dòng)化機(jī)器人實(shí)驗(yàn)，到最后整體去自動(dòng)化整個(gè)生命科學(xué)，包括醫(yī)療領(lǐng)域的科研過(guò)程。

幾周前，他們剛剛在舊金山，開(kāi)啟了他們?nèi)颥F(xiàn)在最大的一個(gè)全無(wú)人物理AI機(jī)器人的實(shí)驗(yàn)室，現(xiàn)在正在晝夜不停進(jìn)行各種各樣的實(shí)驗(yàn)搭設(shè)。

這家公司在早期的時(shí)候就和很多藥廠合作，所以現(xiàn)在我們?nèi)チ腁I醫(yī)療，已經(jīng)不是幾年前單純的問(wèn)診、醫(yī)生輔助功能，現(xiàn)在已經(jīng)涉及到了非常核心的個(gè)性化治療部分。

個(gè)性化治療也不只是我們之前可能看得比較多的癌癥、心腦血管疾病，現(xiàn)在尤其是腦部疾病，例如帕金森、老年癡呆、抑郁癥，這些都可以和AI、甚至物理AI進(jìn)行深度整合。

另外一個(gè)我個(gè)人非常看好的方向就是——物理AI和太空科技的結(jié)合，尤其是未來(lái)3-5年整個(gè)太空領(lǐng)域的發(fā)展，太空經(jīng)濟(jì)學(xué)、太空生態(tài)、太空基礎(chǔ)設(shè)施的崛起都會(huì)非常快速。

當(dāng)然大家現(xiàn)在都在關(guān)注馬上要到來(lái)的SpaceX的IPO，這也是非常強(qiáng)大的信號(hào)，會(huì)讓大家看到接下來(lái)的三五年整個(gè)太空經(jīng)濟(jì)的快速崛起，又因?yàn)樘丈鷳B(tài)的特殊性，它就有天然的AI原生和機(jī)器人原生的特性。

比如說(shuō)我們會(huì)講到太空基礎(chǔ)設(shè)施的搭設(shè)，在這個(gè)過(guò)程中就會(huì)用到很多物理AI， 還有機(jī)器人的創(chuàng)新應(yīng)用，同時(shí)包括未來(lái)一個(gè)很大的發(fā)展方向，就是太空工廠

當(dāng)然你可以運(yùn)送人上去太空工廠，但是可能更好的選擇是在短期內(nèi)運(yùn)送機(jī)器人上去。比如現(xiàn)在探月的任務(wù)，你會(huì)發(fā)現(xiàn)在人類進(jìn)行登月的嘗試之前，會(huì)部署很多的機(jī)器人和機(jī)械設(shè)備。

我們自己也有投資專門做太空基礎(chǔ)設(shè)施的公司，尤其是機(jī)器人層面上的應(yīng)用，去進(jìn)行這種效能提升。

例如太空加油站，所有設(shè)備都已經(jīng)做好了，而且在過(guò)去的這一年時(shí)間就已經(jīng)達(dá)到了上億美元的訂單收入。所以這個(gè)產(chǎn)業(yè)的快速迭代發(fā)展，也是一個(gè)非常新興的、迭代非常迅速的人工智能創(chuàng)新方向。

最后一個(gè)方向其實(shí)也跟醫(yī)療相關(guān)，但它需要一定時(shí)間去成熟、但會(huì)讓大家覺(jué)得非常興奮的方向——

就是以更小的維度去看機(jī)器人的發(fā)展，我們叫它微米機(jī)器人或者納米機(jī)器人

更小的機(jī)器人可以進(jìn)到人類的血管里，比如說(shuō)去清除血栓；或者更進(jìn)一步縮小到DNA級(jí)別，去進(jìn)行靶向藥物遞送，實(shí)現(xiàn)體內(nèi)的免疫隱形。

現(xiàn)在有越來(lái)越多的技術(shù)在這個(gè)方向進(jìn)行迭代，比如說(shuō)進(jìn)行血栓清除的微米機(jī)器人，已經(jīng)進(jìn)入商業(yè)化應(yīng)用的初始階段。包括DNA引擎、Nanoswimmer（納米機(jī)器人領(lǐng)域的一個(gè)細(xì)分形態(tài)，指會(huì)游泳的納米級(jí)機(jī)器人），還有靶向遞藥的這些納米機(jī)器人的應(yīng)用，在未來(lái)幾年也會(huì)有很好的前景和快速的發(fā)展。

所以今天就和大家快速地分享一些在過(guò)去這一年多的時(shí)間里，我們看到的一些讓人很興奮的AI發(fā)展方向。

現(xiàn)在整個(gè)生態(tài)也處在迭代期，還有很多新的模型架構(gòu)在涌現(xiàn)。

當(dāng)然這個(gè)過(guò)程中整個(gè)AI生態(tài)也面臨很多挑戰(zhàn)，但對(duì)于創(chuàng)業(yè)者來(lái)講，挑戰(zhàn)就意味著機(jī)會(huì)，所以我們會(huì)看到更多優(yōu)秀的創(chuàng)業(yè)者，跳到產(chǎn)業(yè)里去開(kāi)展新方向的探索。

作為投資人我們也非常幸福，我覺(jué)得現(xiàn)在對(duì)早期的AI的投資人來(lái)說(shuō)，是很幸福的時(shí)刻，可以看到這么多的技術(shù)，不僅是處在創(chuàng)新的階段，還處在產(chǎn)業(yè)快速迭代的時(shí)代。

最后想跟大家分享的就是，除了技術(shù)創(chuàng)新之外，現(xiàn)在更重要的一個(gè)時(shí)間節(jié)點(diǎn)，就是從今年開(kāi)始我們會(huì)看到產(chǎn)業(yè)對(duì)于技術(shù)整合的態(tài)度在快速變化。

我們看到大量500強(qiáng)企業(yè)在人工智能方面的預(yù)算，從幾千萬(wàn)變到幾億，甚至變到了幾十億。從以前銷售周期可能需要半年甚至更長(zhǎng)的時(shí)間，到現(xiàn)在一個(gè)月、兩個(gè)月的時(shí)間，這種產(chǎn)業(yè)的快速整合才是人工智能技術(shù)能夠快速發(fā)展的核心競(jìng)爭(zhēng)力。

因?yàn)橹挥械竭_(dá)真實(shí)的應(yīng)用場(chǎng)景，快速獲得用戶，或者說(shuō)得到應(yīng)用場(chǎng)景的反饋，獲得高質(zhì)量的產(chǎn)業(yè)數(shù)據(jù)，才可以讓我們的模型架構(gòu)和應(yīng)用不斷迭代。

所以也非常期待接下來(lái)這一年會(huì)有更多新的創(chuàng)新出現(xiàn)，也歡迎大家有時(shí)間可以多來(lái)硅谷，進(jìn)行更多技術(shù)層面上的交流，謝謝。