AI竞赛新战场：从模型到基础设施
从模型竞赛到基础设施竞赛
过去两年，AI 行业的焦点几乎全部集中在模型能力上：参数规模、推理得分、多模态表现。但本周的几条新闻指向一个更深的趋势——竞赛的战场正在从模型本身，转向芯片、数据中心、地缘联盟等更底层的基础设施。
Waymo 自研芯片以降低对 Nvidia 的依赖，美国试图迫使伙伴国家在中美之间选边，美国民众对数据中心的反对率一年内从 42% 飙升至 75%，而中国模型（如 Kimi K3、GLM-5.3）已逼近美国顶尖水平。这些信号叠加在一起，意味着 AI 竞争的逻辑正在发生结构性变化。
自研芯片与算力自主
Waymo 的自研芯片决策并非孤例。OpenAI、Microsoft、Amazon 都在自研或定制芯片，以摆脱对 Nvidia 的单一依赖。据估算，Nvidia 在 AI 训练芯片市场占据超过 80% 的份额，这种集中度让下游厂商感到不安。
自研芯片的动机很直接：成本、功耗、以及供应链安全。Waymo 的自动驾驶车队需要大量边缘推理芯片，通用 GPU 在功耗和实时性上并不理想。定制芯片可以针对特定算法优化，降低单位算力成本。
对于中国企业而言，芯片自主的紧迫性更甚。美国出口管制已经限制了高端 GPU 的对华出口，华为昇腾、寒武纪等国产芯片正在填补空白，但生态成熟度仍有差距。自研芯片不再是可选项，而是生存问题。
数据中心的社会阻力
Heatmap News 的调查显示，75% 的美国人反对在自家附近建设数据中心，61% 表示强烈反对。一年前，这个比例还只是 42%。数据中心耗电、耗水、产生噪音，且 AI 训练中心往往规模庞大，引发社区抵制。
这种社会阻力正在成为 AI 扩张的隐形瓶颈。微软、谷歌等公司在爱尔兰、智利等地都遭遇过数据中心抗议。在中国，虽然公众抗议较少，但能耗双控和土地审批同样制约着数据中心建设。
一个值得关注的现象是，数据中心从"经济发展引擎"变成了"邻避设施"。这迫使行业探索更高效的算力利用方式，比如边缘计算、模型压缩、以及更绿色的能源方案。Nvidia 投资数据中心开发商 Cloverleaf，某种程度上也是在应对这种社会压力——通过更可持续的设计来降低社区抵触。
地缘博弈与供应链重组
美国起草信函要求伙伴国家在中美 AI 竞赛中选边站队，这标志着 AI 技术竞争正式进入地缘政治层面。此前，美国已经限制了对华芯片出口，并推动盟友采取类似措施。现在，这种压力扩展到更广泛的合作框架。
对于中国企业，这意味着海外算力获取和合作渠道可能进一步收窄。但同时也催生了国产替代的加速。据行业报告，中国 AI 芯片市场规模预计在 2025 年达到千亿人民币，国产化率正在提升。
另一个值得注意的信号是，Anthropic 将其最强模型 Claude Mythos 5 用于网络安全防御，并与合作伙伴产品集成。这说明 AI 的应用正从通用任务转向关键基础设施保护，而这类应用往往与国家安全绑定，进一步加深地缘色彩。
中国模型的追赶与挑战
Frontier Radar 的报道指出，Kimi K3 和 GLM-5.3 已经接近美国顶尖模型的水平。西方实验室指责中国通过蒸馏技术抄袭，但无论真相如何，结论是明确的：模型领先优势无法持久。
DeepSeek 发布的 V4-Flash-Vision-Exp 在 agent 基准上接近甚至超越 Opus 4.8，进一步印证了这一点。中国模型在开源生态、工程优化和特定任务上正在快速缩小差距。
但模型能力的追赶不等于全面领先。在芯片、框架、人才储备等基础设施层面，中国仍有明显短板。Richard Sutton 警告合成数据是"大错误"，认为真实世界的无限复杂性无法被模拟数据覆盖。这提醒我们，数据质量和真实场景的积累同样重要。
结论与行动建议
AI 竞赛已经进入下半场，决胜点从模型参数转向基础设施、生态和地缘适应能力。对于中国从业者，以下几点值得关注：
- 重视算力自主：无论自研还是国产替代，降低对单一供应链的依赖是长期战略。
- 关注社会接受度：数据中心建设需提前规划社区沟通和绿色方案，避免重蹈美国覆辙。
- 拥抱模型多元化：中国模型的进步提供了更多选择，企业应评估采用国产模型的可行性，以降低地缘风险。
- 警惕数据瓶颈：真实数据是稀缺资源，合成数据无法替代，应加强行业数据合作和隐私计算。
AI 的竞争不再是单一维度的模型比拼，而是综合实力的较量。看清趋势，提前布局，才能在这场持久战中占据有利位置。
订阅每周好码简报