标签： AI趋势

北京时间6月1日，黄仁勋站在台北GTC的舞台上，对着全球70多个国家和地区直播。这场演讲的信息量很大，但最核心的信号只有一句话：英伟达已经从一家”卖GPU的公司”变成了一家”AI基础设施架构公司”。

Agent AI来了，这次是真的

黄仁勋在演讲中非常明确地宣告：”Agent AI（代理式AI）已经到来。“他说，AI的下一波浪潮正在从生成式AI转向代理式AI——这类AI的核心特征是能理解人类意图，自主调用工具完成任务，而不只是回答问题。

他现场演示了AI Agent如何根据一段文字指令直接生成动画或CAD设计图。演示完他说了一句很黄仁勋的话：”这就是未来电脑的运作方式。”

Agent AI能理解你的意图，然后自己去调用工具、完成任务。这不是未来，是现在。

史上最野心AI系统量产了

产品层面，黄仁勋宣布Vera Rubin AI系统已全面量产。这是英伟达迄今最雄心勃勃的AI系统，同时配套发布了专为AI时代设计的Vera CPU。

还有几个重要发布：

• Nemotron 3 Ultra：新的开源AI模型，直接对标业界最强闭源模型
• RTX Spark超级芯片：进军Windows PC市场，AI PC今年秋季由戴尔、联想等厂商推出
• DSX平台：专门用于构建AI工厂，可以在投入资金前用数字模拟器完成整个工厂的设计验证
• Alpamayo 2推理模型：专为机器人出租车服务
• Isaac GROOT开发平台：面向人形机器人开发者

“Token就是资产”

黄仁勋提出了一个很有意思的观点：Token已经成为AI公司获利的营收单位。每一次AI推理产生的Token，背后都是真金白银的算力消耗，也意味着有人在为这些Token买单。

他形容AI算力需求是”火箭式飙升”，还幽默地把它和台湾股市的走势图做了类比。这个比喻很黄仁勋——他在台上经常用这种方式让观众直观感受增长速度。

AI工厂有多烧钱？

黄仁勋在演讲中透露了一组惊人的数字：一个1GW等级的AI工厂，起步成本是200亿到300亿美元。未来这个数字还可能攀升到每GW 800亿到1000亿美元。

正因如此，英伟达推出了DSX平台——让客户在真正砸钱建厂之前，能先在数字世界里把整个AI工厂设计好、验证好。对软银、微软、谷歌这种级别的投资方来说，这个工具能帮他们避开几百亿美元的坑。

AI会让程序员失业吗？

有人问黄仁勋怎么看”AI抢走程序员工作”这件事，他的回答很直接：“这完全是无稽之谈。”

他拿GitHub的数据说事：2023年AI辅助编程的使用次数是3亿次，到2026年前几个月已经冲到14亿次。但同一时期，软件工程师的数量实际上在增加，而不是减少。

他的逻辑是：AI降低了写代码的门槛，让更多人能参与软件开发，反而扩大了整个行业的规模和就业容量。这个论点值得讨论，但数据摆在那里。

英伟达到底想成为什么公司？

演讲最后，黄仁勋自己总结了英伟达的定位演变：“英伟达确实已经成为一家基础架构公司。”

这句话的潜台词是：英伟达不再只卖芯片或系统，它的目标是帮客户构建能创造最大营收和利润的AI基础设施。从GPU厂商到AI工厂架构师，这个跨度比大多数人意识到的要大得多。

代理式AI的模式会从电脑扩展到机器人、卫星、云端基站，最终改变我们对各种设备的定义。黄仁勋的这块拼图，是让英伟达成为所有这些设备的”底层基础设施提供商”。

Box创始人Aaron Levie本周在社交媒体上发了一条挺有意思的帖子，说科技公司的CEO们”特别容易患上AI精神病（AI psychosis）”。这话一出，科技圈炸了锅。

我和同事们在TechCrunch的Equity播客里专门聊了这事儿。Levie并不是在否定AI工具，他的核心意思是：CEO们需要真正用这些工具，才能理解它们到底值不值。

“如果你根本没有接触过最终的实际工作，你怎么会知道这些工具的价值呢？你不能只看一张幻灯片就说’对，效率太惊人了，就这么干’。”

反AI情绪正在蔓延

你可能也注意到了，现在有两种完全相反的声音同时存在：一边是”AI太棒了，所有人都在用”；另一边是”AI毁了一切，所有人都讨厌它”。

最近有一些挺有意思的信号：

• 大学毕业生在毕业典礼上听到AI相关内容就发出嘘声
• 科技行业裁员潮带来的负面情绪持续发酵
• 谷歌宣布给搜索增加更多AI功能后，DuckDuckGo的下载量直接涨了30%

DuckDuckGo的CEO说他们的安装量增长了30%——当然，DuckDuckGo的体量比谷歌小得多，我不认为谷歌会立刻遇到麻烦，但这至少说明：有相当多的用户并不买账现在AI渗透一切的方向。

谷歌的两难困境

我的同事Kirsten提出了一个挺尖锐的观察：它正在追逐自己认为必须做的事来保持竞争力，但它正在破坏用户和品牌关联度最高的核心体验，而且也没有改善这个体验。

她在想，这个反AI的节点，是不是初创公司或者其他商业领域的机会？已经有早期迹象表明，人们正在用行动投票，直接转去用其他服务。

更有意思的是，连DuckDuckGo自己也在一年前还在尝试往搜索里加AI功能，因为觉得”必须这么做”。而现在他们发现，其实有一条路可以走：”不，我们完全不感兴趣这些AI功能。哪怕我们要做，也会把它放在单独的沙箱里，完全不会影响你的核心搜索体验。”

CEO们的”AI精神病”到底是什么

Levie说的”AI精神病”，指的是很多CEO对AI有一种不切实际的幻想——他们和生成式AI真正能创造价值的”最后一步工作”足够脱节，所以容易被PPT上的演示迷惑。

这不是说AI没有用。恰恰相反，问题是：谁在用？怎么用？那些真正在一线写代码、做设计、写文档的人，和那些只在董事会上谈AI战略的CEO，对AI价值的感知是完全不同的。

现在很多公司的AI采用，是一种自上而下的推动。高管们相信”AI会带来生产力提升”，风投们也喜欢”你只需要一个非常小的团队，就能和规模大得多的公司一样高效”的梦想。但这个梦想和现实之间的鸿沟，可能比很多人愿意承认的要大得多。

不管你是不是赞同Levie的观点，有一件事是确定的：AI现在极具争议性，而且这种争议不会很快消失。对于做产品的公司来说，如何在”跟上AI潮流”和”不惹毛用户”之间找平衡，会是一个越来越 tricky 的问题。

MIT Technology Review 最近做了一件有意思的事——他们第一次把”当下 AI 领域最重要的事”整理成了一份清单。不是那种泛泛而谈的趋势预测，而是编辑团队基于多年追踪，认真挑出来的 10 个方向。

这份清单里有些内容你可能已经耳熟能详，但也有几个方向，连很多业内人士都还没认真想过。挑几个最有意思的聊聊。

人形机器人的”数据饥渴”

训练大语言模型需要海量文本，那训练人形机器人需要什么？答案是：海量”人类动作视频”。现在已经有公司在专门搭建巨型”训练中心”，让工人重复完成各种任务，用摄像头把整个过程录下来。更夸张的是”提线木偶”模式——让海外陌生人通过远程操控的方式，实时”驾驶”机器人做各种动作，以此收集训练数据。

这套打法有没有用，现在还不好说。但逻辑是通的：想让机器人学会”把杯子拿起来”，先得让它看几万遍人类是怎么拿杯子的。

“世界模型”可能是下一个大突破

大语言模型擅长处理文字，但要让 AI 真正理解物理世界，还需要别的东西。这就是”世界模型”（World Models）的由来——AI 公司希望构建能够理解外部物理世界的系统，而不只是预测下一个 token。

如果世界模型取得成功，AI 将克服大语言模型的局限性，真正进入物理环境——而不只是停留在屏幕里和你聊天。

AI 智能体开始”组队协作”了

第一波 AI 智能体只能做单件任务——运行一个浏览器、写几行代码，而且各自为战。下一阶段的智能体将能够”组队”，多个代理协作完成复杂得多的目标。这就像从”单打独斗”进化到”团队协作”，能力上限会完全不一样。

中国的开源赌注，全球已经在用

中国实验室把前沿模型免费开放，这件事在全球范围内获得了大量开发者的好感。现在的问题是：这种模式财务上是否可持续？没人能给出确定答案。但一个事实已经形成——全球开发者已经在基于中国的开源基础模型构建应用了。

这份清单里还有几个方向也值得关注：AI 加持下的诈骗正在升级、武器化的深度伪造已经成为现实、全球范围内对 AI 的抵制浪潮正在形成。MIT Technology Review 这份清单的价值不在于”预测”，而在于它把那些真正在发生的、会被写进历史的变化挑了出来。

最近有个变化正在发生，可能很多人还没注意到——互联网的基础设施，正在从为”人”设计，转向为”机器”设计。

这么说可能有点抽象，具体来看就很有意思了。Cloudflare 的数据显示，过去半年里，非人类流量（主要是爬虫、AI 助手、自动化代理）已经占到整体 HTTP 流量的 31%，其中 AI 爬虫和搜索引擎占了机器人请求的四分之一。Cloudflare 的产品经理 Lai Yi Ohlsen 甚至预测，非人类流量将在 2027 年上半年超过人类流量。

AI 代理的流量模式，彻底打破了旧规则

这背后是 AI 代理（agent）的崛起。和人类用户稳定的浏览、点击、滚动行为不同，AI 代理的行为模式完全不同：它们可以在几秒钟内发起数百次数据库查询、文档检索和 API 调用，然后像出现时一样迅速消失。这种”突发式”的流量模式，是传统云基础设施没有设计过的。

“代理会从实验阶段进入生产环境，它们产生的流量模式是之前的基础设施根本没有设计过的。它们会毫无预警地出现流量峰值，也会毫无征兆地进入空闲状态。” — AWS OpenSearch 总经理 Tia White

AWS、微软、Cloudflare 都在重新造轮子

本周 AWS 发布的下一代 OpenSearch Serverless 就是一个典型例子。这个新版本把计算和存储解耦，可以根据代理流量的峰值在几秒内自动扩容，也可以在代理空闲时缩容到零——换句话说，不用为空闲的计算资源付费了。

用个通俗的比喻：以前的 Serverless 版本就像你无论用不用车，都得付固定停车费；新版更像是按实际停放时间计费的智能停车位。

类似的动作在整个云行业都在发生。Databricks 和 Snowflake 正在把自己重新定位为企业 AI 数据的”记忆和检索系统”；微软推出了针对 Azure 的更新，专门处理 AI 代理的流量突发并在代理之间共享记忆；Cloudflare 上个月也推出了面向代理的持久化环境和即时扩展能力的基础设施。

这个趋势值得关注，因为它意味着两件事：一是 AI 代理的规模化部署正在倒逼基础设施升级；二是当这套新基础设施成熟后，代理的部署成本会更低、更容易大规模落地。对于正在考虑用 AI 代理做点什么的公司来说，这是个好消息。

最近有个变化正在发生，可能很多人还没注意到——互联网的基础设施，正在从为”人”设计，转向为”机器”设计。

这么说可能有点抽象，具体来看就很有意思了。Cloudflare 的数据显示，过去半年里，非人类流量（主要是爬虫、AI 助手、自动化代理）已经占到整体 HTTP 流量的 31%，其中 AI 爬虫和搜索引擎占了机器人请求的四分之一。Cloudflare 的产品经理 Lai Yi Ohlsen 甚至预测，非人类流量将在 2027 年上半年超过人类流量。

AI 代理的流量模式，彻底打破了旧规则

这背后是 AI 代理（agent）的崛起。和人类用户稳定的浏览、点击、滚动行为不同，AI 代理的行为模式完全不同：它们可以在几秒钟内发起数百次数据库查询、文档检索和 API 调用，然后像出现时一样迅速消失。这种”突发式”的流量模式，是传统云基础设施根本没有设计过的。

“代理会从实验阶段进入生产环境，它们产生的流量模式是之前的基础设施根本没有设计过的。它们会毫无预警地出现流量峰值，也会毫无征兆地进入空闲状态。” — AWS OpenSearch 总经理 Tia White

AWS、微软、Cloudflare 都在重新造轮子

本周 AWS 发布的下一代 OpenSearch Serverless 就是一个典型例子。这个新版本把计算和存储解耦，可以根据代理流量的峰值在几秒内自动扩容，也可以在代理空闲时缩容到零——换句话说，不用为空闲的计算资源付费了。

用个通俗的比喻：以前的 Serverless 版本就像你无论用不用车，都得付固定停车费；新版更像是按实际停放时间计费的智能停车位。

类似的动作在整个云行业都在发生。Databricks 和 Snowflake 正在把自己重新定位为企业 AI 数据的”记忆和检索系统”；微软推出了针对 Azure 的更新，专门处理 AI 代理的流量突发并在代理之间共享记忆；Cloudflare 上个月也推出了面向代理的持久化环境和即时扩展能力的基础设施。

这个趋势值得关注，因为它意味着两件事：一是 AI 代理的规模化部署正在倒逼基础设施升级；二是当这套新基础设施成熟后，代理的部署成本会更低、更容易大规模落地。对于正在考虑用 AI 代理做点什么的公司来说，这是个好消息。