欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 回顾数据中心的演进历程，伴随互联网、云计算与人工智能技术的发展，传统IDC承载的业务以及交付模式已经发生了巨大的改变。在智能时代浪潮下，全球算力需求呈爆发式增长，智算数据中心（AIDC）应运而生，成为支撑 AI 技术落地、驱动产业智能化转型的核心基础设施。本节目将从技术演进、资本动向、算力建设、产业形态及能源变革五大维度，回顾 2025 年 AI 技术竞争背后，关乎资本、生态与能源的关键事件，解析 AIDC 行业的发展脉络与未来趋势。 01:25 AI 模型迭代突破，加速垂直行业智能化渗透 04:42 资本聚焦 AI 关键领域，投资热度创五年新高 06:23 算力需求爆发式增长，全球掀起 AIDC 建设浪潮 10:56 “AI 工厂” 成核心竞争焦点，新一代 AIDC 定义行业标准 13:25 AI竞赛背后引发的AIDC的能源革命 16:58 AIDC未来展望 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期精彩内容： 当传统产业被AI重新定义，新的基础设施正在悄然成形。如果说过去五年是通用大模型的狂飙时代，那么接下来的五年，将是行业智能体 (industry agents) 全面开花的时代。 当企业开始问：“AI能不能理解我的行业？能否像行业专家一样判断、决策、执行？”每一个行业——从金融、医疗、法律，到人力资源、市场营销、行政——都在等待自己的专属智能体。 故事的主角，便不仅是需要巨额参数的通用大模型，而是无数个嵌在行业流程里的智能体。 小米创始人雷军预言了未来产业的走向： “所有产业都值得用AI做一遍。” 或许在未来，我们将看到的不仅是AI工具的升级，还可能是传统产业的基础设施重构。 * 团队基因——Gen-Z创业者 Mercor于2023年成立，三位创始人均出生于2004年，来自哈佛与乔治敦大学。团队规模75人，平均年龄仅22岁，收入增长速度远快于团队扩张速度。 创业之初，他们尝试用聊天机器人完成自动化招聘——将简历筛选、AI面试与岗位匹配等流程自动化，不管你想要申请的是什么职位，都可以在不到10秒钟的时间内启动面试系统，产品体验受到广泛好评，招聘成功率高。 数月内，就实现了百万美元级别的营收，验证了AI＋招聘的商业可行性。Mercor的定位不仅仅是招聘平台，更是一个连接全球人才与企业的智能市场。 * 融资轨迹——资本押注AI下一程 融资三连跳 2023年，三位创始人还不到20岁，就完成了360万美元的种子轮融资，由美国知名风投General Catalyst领投。 不到一年后，2024年9月，Mercor完成了3200万美元的A轮融资，估值高达2.5亿美元，由Benchmark领投。硅谷重量级投资人也纷纷加入，包括Peter Thiel、Jack Dorsey、OpenAI董事、Quora CEO Adam D’Angelo以及前美国财政部长Larry Summers等。A轮融资的背后，是资本对构建行业智能体这一想法的认同。 仅半年后，2025年2月，Mercor完成了1亿美元B轮融资，估值达到20亿美元，由Felicis领投。 * 业务模式——人才与智能体的双重引擎 Mercor的商业创新在于将人才的专业判断能力转化为可规模化调用的行业智能体能力。公司的主营业务主要分为两块：一是AI招聘平台，通过自主研发的AI面试官系统完成候选人筛选、能力评估和岗位匹配；二是专家级数据标注服务，为 AI 实验室提供高质量、专业化的人力数据支持。 随着业务发展，Mercor发现了新的市场机会：不仅提供招聘服务，更为AI实验室提供专家级数据标注服务。平台上超过3万名科学家、医生、律师等各领域专家，可参与AI模型训练中的标注任务，尤其是需要专业判断的RLHF（人类反馈强化学习）工作。 通过这种方式，Mercor将人类专业判断能力数字化、模块化，直接转化为行业智能体可以调用的能力。这一服务让Mercor从单纯的招聘平台，扩展为人力资源与数据服务的综合体，也使其与Scale AI等专业数据标注公司形成直接竞争。根据TechCrunch的报道，Mercor已与包括OpenAI在内的全球五大AI实验室合作，许多顶尖AI实验室也是通过Mercor平台招聘的。 在这里，人类被放到了更关键的位置上：行业经验和洞察能力正在成为稀缺的智能体资源。用一句话来概括Mercor的角色：它把分散的人类专业能力，重新组织成AI可调度的生产要素。 大模型的能力边界正在被重新定义：从能回答到能执行，再到能协同（Agent to Agent）。未来的智能体世界，也许会演变成一张由任务驱动的动态网络，每个节点都是在执行某个具体目标的智能体。这个变化的核心，不在于模型本身更强，而在于谁能为AI注入真实、可靠、可落地的行业智慧。 行业智能体时代刚刚开启，当人类经验被结构化并赋能智能体，每家公司都可能拥有自己的“第二大脑”，推动每一个行业被AI重新定义。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 过去二十年，电商的故事大多围绕两个词展开：流量和转化。谁有更多入口，谁能买到更便宜的点击，谁能更高效地把人从首页“送”到支付页，谁就赢得了上半场。 但一个变化正在发生： 当大模型、对话式 AI 进入电商，竞争开始从“谁把人拉进来”，变成“谁真正听得懂人随口说的一句话”。 而这一点，正是很多用户在第一次使用「灵机一物」这种 AI 购物小助手时，会产生鲜明对比感的原因——你不再需要“讲平台听得懂的话”，而是可以先讲“对你自己来说顺口的话”。 01:25 搜索框时代的上半场：流量主导一切 传统电商的逻辑很清楚： 用户先打开一个 App，找到搜索框，再把自己想买的东西压缩成几个关键词——品牌、品类、规格、价格。 平台要做的，是在庞大的商品池中，用算法找出“最合适被看见”的那几样： 一部分靠关键词匹配，一部分靠推荐模型，一部分靠广告出价。 这是一个高度工业化的流程，建立在几个默认前提之上：用户大致已经知道自己要买什么，并且愿意用“机器听得懂”的关键词去表达，而平台只需理解这些词本身，而不必真正去理解整句话背后的含义。 这套逻辑在上半场非常成功，但也训练出一种“反向适应”：不是系统来适应人，而是人学会如何对系统说话。 你要主动想好要搜什么词、用什么筛选条件、怎么“迎合”算法的理解方式。久而久之，电商变成了一个“谁懂平台语法，谁效率更高”的游戏。 但问题也随之而来——当选择变成几百个 SKU 的横向比拼，当用户要在无数相似商品间来回点开、关闭、再点开时，用户购物体验在某种意义上变成了“被信息淹没”。 02:36 AI进场：那句“我想买点什么”变得可以被认真对待 生成式 AI 带来的第一个变化，不是在搜索框里塞进更多功能，而是把起点往前挪了一步——用户可以直接说“人话”了。 越来越多的场景不再是“品牌 + 型号”，而是： “适合租房党的小家电，体积小一点，别太丑。” “要见客户，帮我找套不那么正式但看起来专业的穿搭。” 在旧范式里，这些句子是一种“难以被系统接住”的表达方式：词不够精准、条件不够结构化，很难直接转成检索语句。 在新范式里，它们成了最有价值的输入：场景、情绪、预算、偏好，都藏在这句不完美的话里面。 「灵机一物」：国内首个AI购物先行 模型先做意图解析，再做商品检索和排序，最后再由大模型给出一段“推荐理由”。你根本不需要先进入某个电商 App，被一堆花里胡哨的广告和不需要的商品困住，只是在微信里说了一句“想买点什么”，一整个购物决策流程就被接住了。 03:49「灵机一物」：引领AI电商新入口 第一层：可以承认“没想清楚的表达” 在「灵机一物」这里，你可以完全不带商品名开头： “最近状态一般，想买点小东西犒劳一下自己。” 这些话里，充满了平台传统意义上的“噪音”：模糊的情绪、抽象的场景、未定义的预算区间。但对一个AI购物小助手来说，这反而是最关键的输入。 「灵机一物」会从中拆解出几个关键维度：这是给自己还是送人、属于日常通勤还是正式或带一点仪式感的场合，以及你此刻更在意价格门槛，还是更在意“有没有表达到心意”。 然后在这个基础上，再去筛、去推荐，而不是直接把你丢进一个无边无际的结果列表。 第二层：把复杂流程收进一段聊天里 传统路径里，一个决策可能是这样的： 打开平台 → 搜索 → 筛选 → 看详情页 → 看评价 → 拉好友问意见 → 反复横跳比较。 在「灵机一物」里，这个流程被收拢成一段连续的对话：它会先问清需求，再给出少量候选，并且解释各自优劣和适合的场景，你可以在聊天窗口里完成大部分思考过程，最终用一两次点击完成下单。 这不是为了“炫技”，而是承认：对很多用户来说，购物最累的部分不是支付，而是做决定。 第三层：帮商家承接细颗粒度的场景 对商家来说，「灵机一物」扮演的是一个懂上下文的“导购型 Agent”： 它带来的不是冷流量，而是已经被场景过滤过的需求； 它介绍商品时，会尽量保持原有品牌调性，而不是简单地堆参数； 它帮商家触达的是那些“通用电商难以精细服务”的场景：礼品、氛围感、生活状态相关的小需求。 从商业意义上看，这是一种“以语义为单位进行分发”的尝试 — 不再只是“这是一件裤子”，而是“这是适合某种特定心情和场景的裤子”。 而这一整套体验的背后，其实已经悄悄把“智能体”与“支付基础设施”连接了起来：「灵机一物」并不是孤立存在的一个前端小程序，而是基于Zen7 Labs的开源项目"Zen7 Agentic Commerce"支付智能体架构搭建的首批消费端形态。 前端是和用户对话的 AI 购物小助手，负责理解语义、澄清意图；后端则依托 Zen7 的智能体支付底座，将这些意图逐步落到订单创建、支付执行、结算与对账等具体动作上。也正因为有这层 Agent 基础设施，「灵机一物」才能从“帮你选一件商品”，自然延伸到“帮你完成一整次智能体驱动的购物流程”，成为 AI 电商新入口的一位真实引领者。 06:57 引领的AI电商新入口：从“理解层”重写电商分工 在 AI 介入后的电商下半场，变化已经不再是“多一个入口、多一点曝光”，而是电商分工本身在被重写——谁负责理解用户，谁负责承接需求，谁在什么位置完成交易，开始被重新划分。理解层和执行层，第一次有机会被拆开来看。 「灵机一物」选择站在最前端的“理解层”：先把用户那句看似含糊的需求拆解、澄清、结构化，再把整理好的意图交给平台和商家去承接。对用户来说，消费可以从“先找平台”变成“先找自己的智能体”；对商家来说，被看见的逻辑，也从“谁抢到流量位”转向“谁更匹配某个具体语义场景”。 从这个角度看，「灵机一物」做的不只是一个好用的购物入口，而是在现实场景中率先给出一条可行路径：先由智能体理解人，再去重组货架和分发逻辑。这正是它在这场 AI 电商新革命中，作为引领者真正有价值的地方。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:36 OpenAI 服务调用：三种主流模式深度解析 1. 直接调用 API：最硬核的原生玩法 2. 模型聚合平台：开发者的 “智能路由中枢” 3. 云厂商封装服务：企业级合规首选 02:33 万亿 Token 俱乐部：六大高耗 Token 赛道盘点 OpenAI 披露的Top30 客户的行业分布，暗藏着 AI 商业化的核心密码 —— 高用户基数、高频交互场景、复杂任务处理，共同推高了 Token 的消耗量。 1. AI 模型平台与聚合商 2.开发者工具赛道 3.企业服务SaaS 4. 垂直行业解决方案 5. 消费者应用 6. 运维与监控工具 07:31 国内对标玩家图谱：谁在复刻 OpenAI 生态 面对海外巨头的玩法，国内企业精准捕捉到适合本土场景的赛道，走出了差异化的发展路径，形成了完整的对标生态。 1. 模型聚合赛道：硅基流动的 “自营部署” 模式 2. 开发者工具：从辅助到自主的进化 3. 企业服务：AI重构传统工作流 4. 垂直场景：本土特色解决方案 09:59 Token消耗大户的核心痛点与破解方案 万亿 Token 背后，企业面临的技术与商业挑战同样严峻，这些解决方案值得借鉴： 1. Token调用的成本压力 通过模型聚合平台的动态路由算法，实现 “复杂任务用专属模型，简单任务用开源模型” 的精准匹配，可降低 30%-50% 的 Token 成本。同时，采用量化压缩技术（如 INT8 量化）和增量推理，在保证性能的前提下减少算力消耗。 2.模型依赖风险 避免单一模型依赖风险可采用"多模型策略"，选择模型商店的API服务，通过智能算法自动匹配任务模型，简单任务用低成本模型，复杂任务用高性能模型，既避免了单点依赖，又优化了应用效果。 3. 数据隐私与合规 针对金融、医疗等敏感行业，需构建 “传输加密 + 存储隔离 + 访问控制” 的全链路安全体系。采用 AES-256 加密传输数据，结合零数据保留（ZDR）机制，避免敏感信息留存；通过 SOC2 Type II 认证和等保三级合规，满足行业监管要求。 4. 差异化突破 避免产品同质化的关键的是采用多模型策略，同时接入开源与闭源模型，结合模型微调和插件开发，打造独特功能。例如，通过开源模型实现基础功能，旗舰模型提升核心体验，配合自定义插件扩展场景，构建技术护城河。 OpenAI Top30 客户的实践证明，大模型商业化的核心是 “规模效应 + 技术优化”—— 庞大的用户基数带来 Token 消耗的指数级增长，而智能路由、多模型融合等技术则决定了成本控制与服务质量。对于国内企业而言，既要借鉴海外成熟模式，更要结合本土算力环境、行业特点和合规要求，走出差异化路径。 从硅基流动的自营部署到 AIGCode 的自主开发，从云知声的智能医疗到LingoDeer的AI+教育，国内玩家正通过技术创新，在各细分赛道实现突破。未来，随着国产大模型能力的提升和算力成本的下降，Token 竞争将进入新阶段，而那些掌握核心技术、精准把握场景的企业，终将在 AI 商业化浪潮中脱颖而出。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 01:43 首形科技 团队基因 首形科技创始人胡宇航，哥伦比亚大学机器人学博士，长期研究机器人自我建模与类人交互系统，曾在《Nature Machine Intelligence》《Science Robotics》等顶刊发表论文，他主导的 CharacterMind 系统，让机器人可以自主生成带有情绪反应的面部动作，实现“情感驱动仿生”。 有意思的是，他还是短视频账号“U航”的创作者，粉丝破百万，累计播放量1.5亿次。他分享的不是产品宣传，而是机器人从原型到“通人性”的全过程——调试眼部肌肉、测试微表情、修补硅胶皮肤。作为电子股东的网友们热烈追更，也吸引到了更多人关注到这家公司。 联合创始人和骨干成员多来自宾夕法尼亚大学、帝国理工、浙大等，涵盖AI、机械、材料、心理学与设计，既能写顶会论文，也能调硅胶皮肤、微电机。这个组合让首形既有科研深度，也有产品颜值。 03:35 首形科技一年四轮融资 * 2024年10月，天使轮获德迅投资、奇绩创坛、Taihill、智元机器人联合入局，刚起步就吸引目光； * 2025年6月，Pre-A轮由招商局创投、深创投领投，五源资本等跟投，半年内完成两轮融资； * 2025年8月，A 轮融资由顺为资本领投，老股东招商局创投、深创投、智元机器人超额加注，奇绩创坛、五源资本追投，深蓝资本担任独家财务顾问； * 2025年9月，新一轮过亿元融资，蚂蚁集团领投，锦秋基金联合投资，同时引入厚雪资本、鹏城愿景基金等科研机构基金，为情绪基座模型迭代与多场景落地提供动力。 05:37 首形科技三大核心技术让机器人温暖互动 自主学习：机器人照镜子认识自己 机器人通过自监督学习和自我建模，观察自身结构与动作，实现感知-建模-控制的闭环学习。机器人不再只是执行指令，而是在不断适应和进化，眨眼、停顿、观察都更自然。 情绪基座模型：让机器懂你 机器人会说话、会走路已经不稀奇，关键是它有没有情绪地图。首形科技的情绪基座模型整合语音、面部表情、肢体动作与语境，经过海量的情绪交互数据与预训练微调流程，它让机器人不仅识别“你在生气”，还能作出自然共情回应。胡宇航表示：“当前大模型技术让机器人‘会说话’但要让机器人‘懂社交’，情感识别技术不可或缺。这直接决定了产品的用户体验和商业化前景。” 超仿生人脸硬件：跨越恐怖谷 首形科技自研仿生人脸与精密电机，实现30 + 自由度面部动作，从眼角神色到嘴角微笑，让机器人看起来更自然可信。在体验店或短视频中，这套硬件让观众感受到机器的温度，而不仅是技术。 07:21 商业路径——双轨策略 To C路线-精灵计划：首形科技已经推出精灵·璇，把那些只存在于想象里的科幻形象，变成真实的仿生实体，把产品定位为科技艺术品——高颜值、高工艺、高收藏属性，吸引科技潮人、设计控和早期玩家。胡宇航在采访中表示："未来，人脸机器人将搭载在桌面半身像、收藏品等多种载体上"。 To B路线-Origin 计划：将机器人投放至品牌旗舰店、主题乐园、金融网点、展馆等场景，让它当互动导购、沉浸式客服、情感陪护——真正走向绪价值密度高的空间。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 总览图 01:30 机器人产业链全景图 机器人整体产业链成本可分为上游（原材料和核心硬件，占比60-70%）、中游（组装和集成，占比20-30%）和下游（应用部署和维护，占比10-20%）。 03:00 上游—核心零部件与原材料供给 机器人产业链上游原材料是构建核心组件的基础，包括金属、塑料、复合材料、稀土元素和特殊聚合物等。这些材料直接影响机器人的重量、强度、耐用性、能源效率和成本，尤其在人形机器人领域，需要兼顾轻量化、高可动性和生物兼容性。 核心原材料及应用 * 铝合金和钛合金：核心在于轻量化和高强度，密度仅为钢的1/3，用于框架和关节。成本占比约10%，优势在于易加工和耐腐蚀。 * PEEK聚合物：核心为耐高温和自润滑，用于关节和骨架，每台机器人需约1kg纯PEEK，成本占比15-20%。根据摩根士丹利报告，特斯拉Optimus Gen-2中应用PEEK减重10kg，提升速度30%。 * 碳纤维复合材料（CFRP）：核心为高强度重量比，用于肢体结构，减重30%。成本占比10-15%，全球产能2025年预计达16.49万吨，中国占主导地位。 * 稀土磁铁（如钕铁硼）：核心为高磁场强度，用于电机。成本占比5-10%，中国供应全球约90%稀土。 硬件部分 上游硬件的核心是提供感知、控制和执行能力的组件，包括传感器、执行器（电机、减速器）、控制器、芯片和电池。 * 执行器与驱动系统：核心为精密运动转换，包括伺服电机（无框扭矩电机，用于躯干；无铁芯电机，用于手部）、减速器（谐波减速器，用于高精度；行星减速器，用于高扭矩）和线性执行器（滚珠丝杠或行星滚柱丝杠）。 * 控制器与芯片：核心为指令处理和反馈，包括运动控制器（接收AI指令，精确控制关节，提供稳定性反馈）和AI芯片（SoC，用于实时计算）。模拟半导体调节温度、速度和位置。 * 电池：核心为高能量密度电源，如锂离子电池组，安装在躯干。需轻量化设计，支持长时间操作。 05:35 中游—机器人本体制造与系统集成 中游是产业链的价值创造中心，负责将上游零部件组装成机器人本体，并进行软件集成、测试和优化。主要产品类型包括工业机器人（用于焊接和装配）、协作机器人（cobots，与人类共存）和新兴人形机器人。根据MarketsandMarkets，2025年中游系统集成市场规模约82.46亿美元。 工业机器人占主导，2025年安装量约575,000台，CAGR 14%。根据IFR， 协作机器人CAGR 13.8%，适用于中小企业。 06:32 工业机器人 工业机器人中游聚焦于高精度组装和集成，主要产品包括多关节臂机器人，用于汽车、电子和重工业的焊接、装配和喷涂。核心活动包括机械臂组装、控制系统集成和软件优化，以实现高重复性和效率。挑战在于适应复杂环境，如柔性生产线。根据MarketsandMarkets 2025年报告《Future of Robotics》，工业机器人市场规模从2024年的170亿美元增长到2030年的350亿美元，CAGR约为14%，中游集成占比约60%。 根据International Federation of Robotics (IFR)数据显示，2024年全球工厂安装了542,000台机器人，比10年前翻倍。当前的驱动因素包括全球劳动力短缺（尤其在老龄化社会如日本和欧洲）、AI与机器学习的融合，以及政策支持。 07:45 协作机器人 协作机器人中游强调安全集成和人机交互，主要产品为轻型臂式机器人，用于中小企业装配和包装。核心包括传感器集成（如力觉反馈）和软件编程，实现无围栏操作。 08:17 人形机器人 人形机器人（Humanoid Robot）是指外形和功能模仿人类的机器人，通常具备头部、四肢和躯干，能够进行行走、抓取物体、语音交互等行为。它们的核心在于结合人工智能（AI）、传感器和机械结构，实现自主决策和复杂任务。 根据形态和功能，人形机器人可分为三种主要类型： * 带轮人形机器人：主要采用轮式驱动，强调触觉传感器和高性能手部操作，用于精细任务。例如，强调平衡和物体抓取，但移动依赖轮子，适用于室内平坦环境。 * 双足机器人：重点在腿部运动性能，头部主要用于保持平衡。它们能模拟人类行走，但复杂环境适应性有限，如Boston Dynamics的早期Atlas原型。 * 通用人形机器人：配备双足、双臂、双手、多传感器和AI，能在开放环境中执行多任务。这是当前主流方向，如Tesla Optimus Gen 2。 据野村综合研究所（NRI报告），2025年人形机器人产业正加速成熟。从区域分布来看：中国占50%，美国20%，日本10%。中国主导全球供应链，本体企业超过110家，占世界总数的50%以上。据Merrill Lynch 2025年9月研究报告，全球人形机器人出货量预计达1.8万台，比2024年的2500台增长显著。 据摩根士丹利2025年5月报告《Future State: 1 Billion Humanoids》估计，预计到2050年将有近10亿台人形机器人在用，其中90%（约9.3亿台）用于工业和商业领域，如工厂、商店、物流中心和矿井的重复性任务。家庭采用人形机器人则更保守，到2050年仅为8000万台。 成本方面，根据摩根士丹利上述报告，预测2024 年高收入国家人形机器人单价约 20 万美元，2028 年将降至 15 万美元，2050 年进一步降至 5 万美元。低收入国家依托中国低成本供应链，2050 年单价或低至 1.5 万美元。 技术方面，2025年焦点在具身AI（Embodied AI），即嵌入物理身体的AI，能通过学习处理多种任务。NRI报告将发展水平分为Lv1（基本行走和对话）到Lv5（真正具身AI）。当前大多数机器人处于Lv2-Lv3，如北京2025年4月的人形机器人半马拉松中，优必选“天工Ultra”以2小时40分完赛，但多数未达Lv1。 12:00 下游—终端应用场景 下游是产业链的落地环节，强调机器人在实际场景中的部署、维护和软件服务。主要应用包括制造业（占50%）、医疗、物流、农业和消费服务。根据Mordor Intelligence，2025年服务机器人市场规模约71.91亿美元，CAGR 19.53%。 例如，仓库拣选机器人市场到2030年达33亿美元。根据MarketsandMarkets， 农业机器人约17.09亿美元，解决劳动力短缺。根据MarketsandMarkets， 油气巡检机器人约1.9亿美元，CAGR 12.1%。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:03 Yandex转型Nebulus，AI基建业务带动公司崛起 互联网巨头Yandex在地缘政治危机及制裁下陷入困境，市值缩水、供应链断裂、工程师流失。2024年它将俄罗斯业务以54亿美元出售，更名为Nebius转型为全球AI基础设施供应商。新公司以AI基础设施为核心，发挥技术优势布局多业务板块，2024年四季度AI业务暴涨602%，带动总收入同比增长466%。 05:00 寻找新的锚点重启 Nebius短时间完成转型的核心能力展开讨论。最关键的是团队和技术积累，1300多名员工伴随公司从俄罗斯迁离，在算力、云架构等领域经验深厚。此外，其母公司注册在荷兰，有跨国治理结构，通过卖俄罗斯业务、留海外资产完成重组，展现出资本重组和战略执行能力，还规划超10亿美元欧洲AI基建投资。 06:11 Nebius AI云扩张情况、风险及应对举措 Nebius在AI云赛道的高速扩张。2024 - 2025年营收增长惊人，2025年Q2营收同比增625%。资金主要用于欧洲和以色列数据中心扩容与GPU集群部署，盈利速度快。全球布局激进。但Nebius现金消耗快，面临资本市场、供应链及市场需求等风险，为此做私募、与英伟达合作，拿下微软大单应对。 09:08 AI算力赛道竞争、挑战与NVIDIA护城河构建 全球云算力市场被几大巨头把控，Nebius与Coreweave聚焦AI算力赛道，未来或有交锋。Nebius在欧洲市场面临硬件采购、能源费用、品牌信任等挑战。Nebius靠技术创新、深耕本地市场、强调绿色合规及建立合作联盟构建护城河，行业内竞争与合作并存。 12:42 不确定性中前行 据Gartner预测，到2026年，全球AI总支出将突破2万亿美元。与此同时，Allied Market Research预测，整个AI基础设施市场，包括硬件、软件和服务，将在2031年达到3094亿美元，期间年复合增长率高达29.8%。目前，市场发展、资本估值、技术趋势、地缘环境皆处于有利条件。 展望未来，Nebius将在欧美、亚太建立多个数据中心。若顺利完成节点建设、签订大型客户合同，那么其格局可能与CoreWeave等国际玩家并列。 若全球AI算力赛道竞争加剧，GPU供应受限或资本市场收紧，Nebius的高增长路径可能受压。 未来3年，能否兑现规模化节点建设、扩大客户规模、稳固生态，内是否兑现规模化、是否维持技术领先、是否能签更多客户，将是关键点。 14:18 启示录 回头看Nebius的故事，它更像一个“富二代”创业者，继承了父辈的技术底蕴和第一笔启动资金，潇洒转身，重新出发，在新的市场拼出属于自己的未来。 我们期待看到它能跑多快、能跑多远，也应从中看到启示：旧地图无法指引新航线。 唯有具备可迁移的核心能力、选择正确的赛道、并在不确定中快速行动，企业才能在时代更迭中重生为新的自己。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:32 英伟达近期发布的800V高压直流白皮书，被业内普遍视为AI数据中心电力架构的分水岭。随着AI模型参数规模呈指数级增长，单机柜功率密度从几十千瓦攀升至上百千瓦，传统48V/54V供电体系已触及物理极限。供电、散热与能效，正在成为算力之外最严峻的工程挑战。 如果说过去二十年是信息架构的迭代，那么如今的焦点正转向一个更基础也更关键的问题——电，如何让每一度电跑出更多算力，正成为AI时代基础设施的关键命题。 01:22 从交流到直流：数据中心的电力转向 传统数据中心的供电系统，以交流（AC）为核心。电能从市电高压输入，经过多级变压、整流与UPS储能，最终以12V或48V直流形式进入服务器机架。这套架构稳定可靠，却也繁复冗长。每一次“交流—直流—交流”的能量转换，都会带来额外损耗，累计可超过7%–10%。在AI大模型训练集群中，这种损耗被成倍放大，转化为电力成本和碳排压力。 据Uptime Institute（2024）数据，全球数据中心平均PUE约为1.58，中国头部IDC运营商已将主力园区PUE降低至1.2–1.25之间，但离能效极限仍有优化空间。尤其在AI数据中心，单机柜功率的提升让原有交流系统在传输效率与散热路径上都显得吃紧。 伴随AI训练集群、液冷散热和新能源接入的普及，数据中心正加速采用直流供电架构。与交流系统相比，直流架构能减少能量在变换环节的损耗，简化配电链路，并在兼容直流的光伏与储能时更有优势。 行业测算显示，800V直流供电相较交流系统，整体能效可提升约2%–3%，线缆损耗下降近40%，系统占地减少约20%。大规模AI集群时代，这些微小百分比叠加起来就呈现出显著的电力节约与更高的运维效率。 换句话说，直流不只是节能方案，更是一种面向未来的系统重构。 04:09 绿电、储能与直流融合：供电系统的再设计 随着新型电力系统建设的深入推进以及绿电直连相关政策落地，风电、光伏等清洁能源比例将不断提升，数据中心的供电体系正在从单向供电转变为能量双向流动。而直流系统正是这一变革的关键基础。直流供电能够更简洁的与光伏（直流输出）、储能电池（直流存储）对接，避免反复的AC/DC变换过程，减少能量损耗和逆变设备的冗余配置。 因此，数据中心采用“中压转直流+直流母线”的架构，不仅是节能需求的延伸，更是能源结构变化的必然结果。 世纪互联是较早探索直流供电的IDC头部运营商之一，已建成的直流示范项目重点聚焦于供电链路优化与绿电接入。同时，与伊顿合作推出了能源路由器，采用了固态变压器（SST）与智能能量控制技术，能够在交流与直流之间灵活双向传输能量，实现多能端协同与高可靠供电。该系统与原生800V DC输入的AI服务器一起实现全链路能效显著提升，支持新能源直流接入与储能快速调度，并通过模块化架构降低维护复杂度。这种新型架构也为其后续AI集群园区提供了基础模型，实现从传统“电力分配”走向“能源管理”。 图注：采用能源路由器的电力架构 06:04 固态变压器：新型系统中的能源节点 固态变压器（SST）是直流供电体系中的关键部件，最新的观点也认为其是超高功率密度算力中心未来电源架构的核心。它采用宽禁带半导体电力电子变换+高频变压器替代传统工频变压器，具备更高的能量密度和更快的响应速度，可实现电能的实时变换、隔离与分配。 在AI数据中心场景下，SST不仅负责电压变换，还承担能量控制、直流不间断供电与安全隔离的任务。包括伊顿在内的多家电气设备厂商，近年来陆续推出了适配AI负载的SST解决方案。而世纪互联联手伊顿推出的能源路由器，则把SST与能源管理系统融合，成为真正的电力大脑，能够感知电能流向、动态分配功率，并与上层算力调度联动。 未来的数据中心，或许会像智能电网一样：每台SST都是一个能源节点，每个机房都是一个能量单元，电力与算力将在更细粒度的层面实现联动。 数据中心的供电架构演进，从来不是一场换电缆的简单升级。它关乎能源效率、AI算力密度，也关乎行业在绿色转型与智能化浪潮中的底层竞争力。当直流供电架构逐渐成为行业共识，数据中心正在告别电力黑箱，迈向一个能量可控、结构透明的新时代。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:18 Unity：通向游戏赛博世界的关键开关 在玩家眼里，游戏行业的焦点通常是“哪款游戏更好玩”“画面更震撼”“玩法更创新”。 然而，从产业视角来看，真正的竞争常发生在更基础的环节：工具、平台、引擎。 游戏产业链大致可以分为三层：上游是研发（包括引擎、开发工具、素材）、中游是发行与运营、下游是分发与玩家。虽然上游环节不那么“登台亮相”，却决定了产品的质量和创新能力。 游戏引擎厂商在此环节扮演关键角色，它们提供底层技术框架，让开发者能够“造世界”，而不必从零开始。换句话说，游戏引擎是数字内容创作的基础设施，也是通往赛博世界的入口——就像互联网时代的服务器和数据库一样关键。 01:55 Unity 的价值坐标：两大引擎、两种世界观 在游戏引擎领域，目前主要有两个强势玩家： Unreal Engine（Epic Games）和 Unity（Unity Technologies）。 Unreal 更擅长高端、3A 级别游戏和影视制作，追求极致画质和沉浸体验；而 Unity 则以易用、跨平台、覆盖广为核心优势，被移动游戏、独立开发者、非游戏行业广泛采纳。 根据 Unity 官方及第三方数据，使用游戏引擎的开发者中有约 38% 以 Unity 为主要引擎，远高于次位者。在移动游戏端，Unity 的覆盖率更是超过五成。 这意味着 Unity 不仅降低了内容创作门槛，还推动了创作者多元化发展。它正在从单纯的游戏开发工具，演化为“实时 3D 内容创作平台”，向影视、汽车、建筑、教育等行业延展，成为数字内容生产的核心基础设施。 03:32 起跑‑突围‑生态化：Unity发展阶段解码 Unity 于 2004 年在丹麦创立，由David Helgason、Joachim Ante 与Nicholas Francis 联合创办，初衷是为小团队提供价格合理、易上手的游戏引擎。 * 随着iPhone 崛起，Unity 快速支持移动平台，实现“引擎一次开发、多平台部署”，奠定跨平台优势； * 2010 年推出 Asset Store（素材商店），为开发者提供插件与资源交易，快速建立生态体系； * 通过战略收购（广告、分析、云服务等），Unity 扩展至发行与运营环节； * 2020 年在美国上市，进入平台化、企业化阶段。 这一路径清晰展示了 Unity 从 工具→生态→平台→数字基础设施 的演进轨迹。 04:46 Unity 的核心布局：创作与运营双轮驱动 目前，Unity 的业务主要可分为两类： 创作端（Create Solutions）：为开发者提供引擎、编辑器、跨平台部署支持、素材商店等。 运营端（Operate Solutions）：帮助内容创作者实现变现、用户增长、数据分析等服务，如广告平台、内购工具、语音聊天等。 市场地位方面，Unity 在“发行数量”上仍占优势：在 Steam 平台上发布的游戏中，Unity 引擎占比超过50%。在移动端，其覆盖率也是超过50%。另一方面，游戏引擎市场整体正在增长。全球游戏引擎市场预计从 2024 年的 30.7 亿美元增长至 2030 年 83.5 亿美元，年复合增长率约 18.4%。 06:00 风口与挑战：Unity 的战略应对 尽管优势明显，Unity 近几年也遇到不少问题。其在 2023 年推出“按安装次数收费（Runtime Fee）”的政策，引发开发者强烈反弹，公司随后被迫撤回相关政策。此外，公司还经历多次裁员、业务整合困难、盈利能力尚未稳定。 为应对这些挑战，Unity 正在推进几个战略方向： * 聚焦 AI + 实时 3D 创作：扩展至影视、建筑、汽车、教育等行业，服务更广泛的数字化场景。 “Our new AI platform, Unity Vector, is transforming our growth prospects and represents a key part of our strategy to enable creators and enterprises to build more immersive, efficient, and scalable experiences.”（根据 Unity 2025 年第二季度财报披露） * 提升跨平台与云服务能力：包括 Web 部署、云渲染、数字孪生技术等。 * 重塑商业模式与生态信任：优化定价策略，降低工具门槛，修复开发者关系。 08:13 未来已来：从游戏引擎到数字世界操作系统 Unity 的增长潜力主要体现在： * 元宇宙与数字孪生：随着“虚拟空间”“数字镜像世界”等概念升温，实时 3D 内容需求激增，Unity 正处于这一基础设施层。 * 跨行业拓展：除了游戏，Unity 的技术正在汽车、建筑、教育、医疗等领域渗透，未来可能成为新的增长引擎。 * 创作者民主化与AI化：AI 工具普及后，创作门槛进一步下降，Unity 有望成为“人人可创作”的核心平台。 Unity 的故事远超单纯的游戏工具商，它所代表的是一条宏大的路径：从“游戏引擎”到“数字世界操作系统”。在内容生产门槛不断降低、数字世界持续扩大的时代，Unity 不仅是创作者的工具，更可能成为 AI 基础设施的一部分——支撑未来赛博世界的构建与运行。 正如互联网时代的服务器和数据库奠定数字基础设施，Unity 也正在为下一代数字世界提供底层支撑。未来，当 AI 与实时 3D 技术深度融合，数字世界的扩展与操作将依赖于这些基础设施，而 Unity 有潜力站在这一波浪潮的核心地域，引领人类进入全新的赛博空间时代。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:15 当地时间10月28日，OpenAI宣布完成组织与资本重组。形成“公益基金会 + 商业化公司”双层架构： 非营利主体更名为 OpenAI Foundation 营利部门改制为公益公司OpenAI Group PBC 股权结构（摊薄后）： 01:33 微软合作框架变化 * 合作延长至2032年 * 包含 2500亿美元云计算合同 * 微软继续拥有 OpenAI 产品/模型部分权利（期限之前） * 取消微软对 OpenAI 计算服务的优先购买权 * 微软不再拥有OpenAI开发的消费者硬件权利 * 关于AGI：一旦“独立小组”宣布AGI实现，双方收入分成协议终止，但OpenAI可以延迟支付欠款。 02:29 重组目的与影响 * CEO Sam Altman 权力进一步巩固 * 战略自由度更高，融资、并购、业务拓展空间更大 * 法规定位上，更接近传统公司，但带公益使命 * 生态上，与微软由“深度绑定”转向“合作+权益” 03:03 释放的信号 * OpenAI向“战略独立”转型 * 微软从“控股风险”转为“长期战略伙伴” * 重心从“实验室”过渡为“行业平台” * 融资空间释放，或有下一轮大型融资 * AGI触发机制首次公开写入协议，成为全球AI治理的重大信号 一句话概括： OpenAI完成结构分裂： 公益基金掌舵，商业主体市场化，微软仍合作但不再锁死； Altman获得更大战略自由，AGI时代的制度框架初步成形。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 大数据的叙事已见顶，生成式 AI 正在掀起新的浪潮。 在硅谷，Palantir这个名字带着一种神秘的气息。美国中央情报局（CIA）、国防情报局（DIA）、联邦调查局（FBI）、军队、大城市警局，我们在反恐电影里看到的所有机构都是它的客户。它的名字虽不为大众熟悉，却可能是智能时代真正的隐形赋能者。 00:33 在神秘“黑屋”中的诞生 2003年，硅谷的彼得·蒂尔（Peter Thiel）与几名PayPal出身的工程师共同创立Palantir。公司名取自《魔戒》中的“真知晶球”，寓意“看见远方，洞察隐藏的真相”。他们选择了一个反常规的创业路径：非流量、非消费，而是服务国家安全的分析平台。 彼时，反恐、情报与安全已成为美国的国家课题，政府机构积累了海量数据，但缺乏把数据转换为决策的能力。Palantir的初衷即在此：用算法扫清数据冗杂、让决策快速呈现。 但与大部分科技公司不同，Palantir必须赢得的是制度信任，让政府放心让其系统运行于安全环境中。对政府而言，数据、算法这些技术并不难获得，难的是信任与合规，即如何在不越权的前提下让机器决策介入情报、战争与公共治理。这种信任不是短跑，而是马拉松：审核、合规、权限、数据隔离，环环相扣。 正因为此，Palantir的“黑屋”并非阴暗，而是一种被合规、制度包裹起的行动场。 01:55 数据炼金的三把钥匙 Palantir的产品体系并不复杂，但极具层次感，能清晰看到其“从数据到决策再到智能”的战略核心路径。 首先是Gotham：专供政府和国防使用的大型数据融合与威胁分析平台。在信息碎片化、部门孤立的情境中，Gotham帮助整合卫星图像、网络监控、地面报告，识别出隐藏在从信号情报源到 机密线人报告等数据集深处的关键信息，形成“可视化决策链”。 其二是Foundry：将政府版能力向企业版延展的产品。企业，如能源、制造、金融等，可借助Foundry把内部复杂环境中的各种系统、流程、数据源连接和协调起来，自动化决策，实现“数据-分析-执行”的闭环。 其三是AIP（Artificial Intelligence Platform）：在AI浪潮中，AIP是Palantir推出的关键平台。它将传统的数据分析平台升级为“接入AI模型”的作业系统，把大模型接入、治理、评估、代理（Agents）、检索增强生成（RAG/OAG）以及把生成结果转成自动化动作这一整套能力做成了企业级产品功能。AIP 的意义在于：不仅让客户调用大语言模型（LLM），而是在安全、可审计、可控的环境中使用它们。 从这三把钥匙的转动中，我们看到一条清晰的演化路径：数据的积累，流程的融合，智能的驱动。这是大数据走向人工智能的必经之路——从记录世界，到理解世界，再到让世界自我优化。 04:00 AI浪潮下的第二次觉醒 2020年，Palantir在纽约证券交易所上市。那一年，它从一个隐秘的政府承包商，走进了资本市场的聚光灯。 上市之后，公司战略全面转向“AI平台化”。它开始以AIP为核心，将Foundry与Gotham的能力重塑为企业和政府的“智能操作系统”。 2024年，Palantir营收28.7 亿美元，同比增长29%；其中政府收入15.7亿美元，占54.8%，但商业业务增长更快。随着AI的爆发，从2021年到2024年，Palantir缔造了三年增长26倍的神话，市值突破4000亿美元，成为大数据与AI平台赛道无可争议的标杆。 2025年3月，它与Databricks达成战略合作，将Foundry Ontology与Databricks数据平台对接，共同构建安全高效的AI开发环境。 另外，它还帮助Heineken优化供应链、AIG实现AI驱动的保险承保、Rio Tinto调度无人驾驶火车以及Walgreens优化门店工作流程等。 Palantir正在经历第二次觉醒：它不再只是服务于“政府智能”，而是面向更广泛的“产业智能”。 换句话说，它从一个“国家安全平台”，变成了一个“AI赋能系统”。目标客户不止是情报机构，也包括能源、医院、金融、制造企业——甚至AI公司本身。 公司管理层多次在财报会上强调，AIP的增长速度超出预期。2024年第二季度，其AI平台相关营收同比增长超过35%，商业客户数量同比翻倍。 华尔街分析师开始重新审视它的商业模式：它并不直接与AI大模型公司竞争，而是提供更高层级的“AI治理能力”——帮助政府与大型企业在“有规则的AI”中实现决策智能化。 * 初期以定制项目合同为主，公司深入客户体系进行数据架构、流程设计与部署。 * 随着平台搭建完成，进入平台订阅+模块化服务收费阶段。客户既付费使用平台，也可能根据增值模块、数据服务、运维升级付费。 * 在AI战略下的商业模型，是“算法治理+订阅平台”的双引擎营收结构，它不靠卖模型挣钱，而靠卖可信的AI决策环境。 在合作层面，Palantir的策略是多家模型提供商并进，在安全/合规层面做“接入与治理”。 它并不把自己绑定到单一LLM 厂商，而是把AIP做成一个“中间层”，允许客户按合规/性能/可用性选择模型。官方列出的支持名单里包含 OpenAI、Anthropic、xAI、Meta、Google、Mistral 等主流模型供应商。 当然，Palantir的业务并非高枕无忧。美国国防部已开始将人工智能合同授予OpenAI、Anthropic、Google和xAI等竞争对手。这标志着一个重要的转变：政府客户可能正在从单一供应商依赖转向多元化的AI采购策略。Palantir的传统业务领域正面临日益激烈的竞争。 08:05 信任，向市场生长 信任，是Palantir的护城河，也是一道必须被重新定义的边界。 创立二十年来，Palantir的主战场始终是政府：情报分析、国防部署、公共安全。但如果仔细看曲线，会发现另一个方向的崛起——商业业务的增长速度更快。2025年第二季度，商业收入同比增长93%，客户涵盖BP、Airbus、Merck、Ferrari、Tampa General Hospital等。 从国家安全到企业运行，从单一系统接入到组织智能升级，这意味着信任的迁移正在发生。 政府客户信任Gotham的安全性，企业客户信任 AIP 的决策力。两者看似不同，本质却相同——Palantir在教人如何让智能“可信地介入复杂系统”。 以英国石油为例，2024年双方达成五年战略合作，将AIP嵌入其能源运营网络，引入大语言模型（LLM）和生成式AI，在生产、调度、供应链之间建立智能反馈闭环。 在医疗领域，2024年6月，TampaGeneral Hospital公布将采用AIP支持其病床排程、患者行程、护工调动。在应用中使用AI实现智能体和自动化。 这就是Palantir与传统AI厂商的最大区别：它不追求“替代人”，而是“治理系统”。 也正因此，Palantir在AI浪潮里不像新创公司那样高调，却在关键行业的底层运行中悄然扎根。 10:06 AI、数据、信任与边界的长期命题 Palantir的故事像是一面镜子，让我们看到 AI 产业最值得警惕、也最值得期待的走向。 从“数据中枢”到“智能中枢”。它揭示了整个行业的一条演进主线：从“堆数据”进化到“用智能”，从“信息化”升级为“智能化”。 从“算法创新”到“系统信任”。早期 AI 的竞争焦点是模型参数和算力，如今的竞争正在转向“可信体系”，制度和安全框架将AI嵌入复杂组织，这种能力比单纯训练更具壁垒。 AI的治理边界。当AI成为企业、政府的决策引擎，责任链条、伦理边界、合规标准也必须重构。 未来的 AI 经济，或许将进入“信任时代”：企业买的不单是算力，更是可托付的智能系统。 智能的力量不在算法加速，而在如何让AI长期、安全、可治理地存在。这不仅是Palantir的命题，也将是整个 AI 时代的必答题。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:29 算力产业的两种未来方向 AI模型越跑越大，GPU越造越贵，但在这场算力狂潮的背后，最稀缺的资源其实不是芯片，而是电。 在这场被称为AI基础设施革命的新周期里，曾经的加密货币矿工正在重返舞台。只是，这一次他们不再挖矿，而是卖电、建厂、租算力。加拿大上市公司Hut8正是这场转型的样本：它正在把自己从一家比特币矿企，重塑为一家“能源驱动的数字基础设施平台”。而它的镜像对手——美国的CoreWeave，则走出了一条完全不同的路径：从以太坊矿工起家，跃迁为与NVIDIA深度绑定的GPU云巨头。 两家公司有着相似的起点，却代表了算力产业的两种未来方向。 01:36 从矿机到电厂 | Hut8的能源转身 Hut8曾是北美最早一批大规模比特币矿场之一。过去几年，它的盈利高度依赖币价与挖矿难度的波动。 但进入2024年后，公司开始大刀阔斧地重组：出售部分旧矿机，整合电力与土地资产，并在官方定位中去掉“挖矿”字眼，转而强调“以电力为先（Power-First）”的能源与数字基建布局。 截至2025年一季度，Hut8管理的能源平台已达约1.02GW，分布在北美15个站点，其中德州的King Mountain（280MW）与Vega（205MW）是其旗舰项目。公司最新的战略报告显示，其核心收入模式正从比特币产量转向运营电力容量导向，即通过长期合约向矿企或AI客户出租电力和机柜容量，获得稳定现金流。 这意味着Hut8已从算力使用者，变成了算力及电力提供者。换句话说，它不再卖结果，而是卖条件。 02:08 转型的推手 | AI带来的电力重构 Hut8的转型并非孤例，而是时代的选择。 过去一年，AI模型的训练能耗呈指数级上升。OpenAI的GPT-5训练消耗数百兆瓦电力；Anthropic、xAI等项目也在争夺美国中西部与德州的电力资源。AI的需求结构正在电力化：不仅要算力，还要可持续、可调度的电力和散热体系。 这为曾经的矿企提供了绝佳机会，他们本就擅长获取低价电力、搭建高密度机房、管理高功耗设备。与其冒着加密周期的波动继续挖矿，不如让电网、AI企业或云厂商成为长期客户。 Hut8甚至提出了“电力即算力（Power is Compute）”的口号。这背后的逻辑非常直接：在 GPU价格越来越透明的时代，谁掌握更稳定、更便宜的电，就能掌握算力供给的话语权。 03:32 政治与资本的变量 | 特朗普家族的入局 在能源之外，Hut8 还有一个更具争议的故事。 2025年，Hut8与特朗普的二儿子Eric Trump等人共同发起了新项目American Bitcoin，Hut8担任其独家基础设施与运营合作伙伴。该项目计划在德州部署上百兆瓦的挖矿与AI共址机群，目标是建立美国主导的数字算力中心。 市场舆论认为，这一合作既给Hut8带来了潜在的政治背书，也可能带来监管与公众舆论风险，在AI用电与碳排放日益敏感的背景下，“特朗普系”标签是一柄双刃剑。 对Hut8而言，这既是一次政治性加持，也是一场合规性考验。 04:25 另一条路 | CoreWeave从GPU矿工到AI云巨头 与Hut8相对的，是另一位“前矿工”——CoreWeave。 这家公司成立于 2017 年，创始团队出身以太坊 GPU 挖矿。他们早期拥有大量 GPU服务器，用于挖矿与渲染。但在2022年以太坊合并（The Merge）彻底关闭PoW挖矿后，CoreWeave果断转型，重构了自己的商业模型：把GPU算力租给需要大规模计算的客户，如AI公司、特效工作室、科研机构等。 短短两年，CoreWeave 完成了几乎完美的跃迁。它获得NVIDIA的直接战略支持，成为北美最大的GPU云之一；2025年上市后，公司市值一度突破1000亿美元，投资方包括Magnetar、Blackstone、Fidelity等主流机构以及英伟达持仓的GPU Ventures。CoreWeave与OpenAI、Anthropic、微软Azure、Poolside 等签署了长期 GPU 服务合约，并在德州联合建设规模超过2GW的算力园区。 从“矿机”到“云”，CoreWeave不再出售挖矿产出，而是将GPU运算转化为按需交付的SaaS化服务。它把GPU算力“商品化”，像AWS出售虚拟机一样出售AI训练节点。 06:03 两种商业模式的分水岭 | 电力vs芯片 两者的逻辑差异非常鲜明：Hut8把电力变成算力资产；CoreWeave把算力变成云服务。 前者偏重“硬件层与能源链”，后者偏重“算力分发与应用层”。一个靠资源禀赋取胜，一个靠生态绑定取胜。 07:38 资本市场的视角 | 稳定现金流vs高速成长 Hut8与CoreWeave的估值逻辑完全不同。 Hut8的未来在于电力资产的可融资性。长期电力合同与容量租赁意味着可预测的现金流，能打包成基础设施项目融资或REITs式资产。这种模式偏稳健，适合能源资本或主权基金持有。 CoreWeave则属于成长型科技资产。它的收入增长与AI模型训练的需求强度直接挂钩，毛利率高但波动大；一旦AI需求放缓或GPU供应吃紧，其估值也容易剧烈波动。 可以说，一个在变成能源公用事业公司，一个在变成GPU版AWS。 08:28 谁在为AI世界供电？ AI的发展正在反向重塑整个能源与数据中心产业。过去十年，矿工们靠算法赚币；未来十年，他们可能靠电力、冷却和带宽赚钱。Hut8和CoreWeave，分别代表了两种可能的未来： 电力驱动型算力公司：掌握基础设施与能源议价权； 芯片驱动型算力公司：掌握算力生态与客户关系。 芯片决定上限，电力决定底线。当AI时代的引擎轰鸣启动，谁掌握电，谁就掌握未来。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:12 近期，由贝莱德、英伟达、微软、xAI等组成的AIP财团，完成了数据中心行业史上最重磅的并购——以约400亿美元估值，将麦格理资产管理旗下的数据中心运营商Aligned收入囊中。这笔横跨资本、科技与基础设施领域的交易，不仅刷新了行业估值纪录，更揭开了全球AI算力争夺战的核心布局逻辑。 01:25 交易核心：400亿估值背后的资产价值锚点 Aligned是北美增长最快的超大规模数据中心运营商，拥有50个园区、78个数据中心，总电力容量超过5吉瓦，可支撑百万台AI服务器运转。 其高估值的底层逻辑在于“AI就绪”设计，可直接部署英伟达Blackwell芯片，体现了AI原生基础设施的战略价值。 03:28 财团图谱：资本与科技的协同博弈 财团结构精密：贝莱德和阿布扎比MGX提供长期资金，英伟达提供核心芯片，微软与xAI作为主要算力需求方，形成“资本 + 技术 + 应用”三位一体的闭环。 其中，英伟达通过芯片供应稳固垄断地位，微软获得算力储备，xAI加速模型训练。 05:59 行业变局：算力基建成AI争霸主战场 根据美银证券预测，2025年全球超大规模数据中心资本支出将达2570亿美元；中金预计中国市场算力基建投资突破5000亿元。生成式AI正推动算力需求指数级增长，算力成为新的生产力。 07:06 未来挑战：扩张与风险的双重考验 AIP计划让Aligned的园区数量翻倍，新增5吉瓦电力容量、再投400亿美元。但美国电网升级速度远落后于需求，能源供给成为瓶颈。 同时，监管与地缘政治风险并存：反垄断审查与主权基金参与，可能影响项目推进。 08:31 从商业本质看，400亿美元收购案是一场关于AI时代话语权的豪赌。当算力成为与石油同等重要的战略资源，Aligned的基础设施已不仅是数据存储地，更是决定AI技术迭代速度与产业竞争力的核心枢纽。这场资本与科技的合谋，正重塑全球数字经济的权力格局。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 本期Shownotes： 00:42 背景 过去一年，全球在 AI 基础设施上的投资逼近 3,500 亿美元，这个数字已经超过阿波罗登月计划的总预算。 而在这场“由芯片与电力驱动的第二次登月”中，阿斯麦与台积电站在了最顶端： 一个以强劲的订单与稳定的毛利率，说明了EUV与高端光刻仍是产业不可替代的要塞；一个则以创纪录的营收与利润，验证了自己在AI芯片代工上的“通货化”地位。 01:40 阿斯麦：光刻的“入口收费员”与长期博弈 阿斯麦第三季度净营收 75亿欧元，毛利率有望稳定在 51%-53%，对第四季度仍持乐观态度。 DUV 光刻机依然是现金牛，但 EUV 需求正在暴涨：新订单中有三分之二来自 EUV 系统。 更关键的是，阿斯麦手握 近300亿欧元积压订单，相当于全年营收的 9 成。它的客户关系早已不是“卖设备”，而是“战略联盟”——绑定时间长、风险共担。 可以说，阿斯麦就是芯片供应链的“中央银行”，它决定晶圆厂能跑到多先进的节点，也就掌控了未来算力的极限。 04:10 台积电：营收与议价权的硅基通货 台积电第三季度营收 330亿美元，同比增长 40.7%，净利润 151亿美元，双双超预期。 核心驱动力来自英伟达、AMD、苹果等AI芯片大客户。 同时，台积电加速扩产： * 台湾持续推进 3nm、2nm 试产； * 美国亚利桑那、日本熊本工厂陆续投产； * 全球产能网络正式成型。 台积电与客户的关系不只是“下单”，而是“共研 + 预付款 + IP 绑定”，客户相当于在提前投资未来制程。 这让台积电在AI周期中坐拥充足现金流，也巩固了它在全球代工的通货地位。 06:40 高景气周期再现 到 2030 年，为满足 AI 计算需求，全球数据中心投资将达 6.7 万亿美元。 AI 基础设施正成为新的全球资本支柱产业。 算力成为资本密集型资产，制程与电力成为最关键的约束。 摩根士丹利预计，美国几大云服务巨头 2025 年的 AI 投资超 1,600 亿美元，同比增长 45%，这些钱最终都流入台积电和阿斯麦的订单中。 先进制程供给稀缺、毛利高企，成为新一轮“制程红利周期”。 与此同时，数据中心能耗暴涨，能源基础设施投资曲线也在上扬—— AI 产业的逻辑，正在从“软件驱动”转向“硬件 + 能源共振”。 09:10 中国国产替代的现实路径 在中美科技竞争下，中国的芯片产业没有照搬摩尔定律，而是走出一条“多层替代 + 系统补链”的道路。 短期突破口：成熟制程与封装。 * 中芯国际营收增长 20%，N+2 制程（约台积电7nm）量产良率提升。 * 通过多重曝光、成熟节点优化与先进封装，实现“去EUV化”替代。 中期进展：存储芯片与设备自给。 * 国内 NAND 与 DRAM 层数提升、良率改进； * 上海微电子的浸没式 DUV 光刻机预计 2026 年验证生产； * 新凯来等新势力补齐刻蚀、沉积、量测环节。 中国正以“去EUV化 + 节点自给 + 设备补链”的组合拳，提升供应链韧性。 11:40 展望 从阿斯麦与台积电的财报出发，我们看到是一场以AI为核心的全球资本迁移。算力成为新的石油，制程成为新的地缘政治资源。台积电与阿斯麦掌握了这场竞赛的上游控制权；中国企业则在另一端，努力重构自己的供应链防线。 未来的半导体世界，或许不再是单极格局。阿斯麦继续扮演“光的守门人”，台积电仍是“硅的炼金术士”；而在东方，一批新玩家正试图用另一种逻辑，即系统集成、封装创新、设备国产化来书写他们的答案。 —— 这里是《AI 原住民》，我们下期见！

欢迎收听《AI 原住民》—— 这里聚焦人工智能领域的知识进阶、趋势洞察与生态共创。这场群体智能的进化之旅，欢迎大家一起来探索。 🎙️本期 Shownotes： 00:21 闻泰科技事件 2025 年 10 月 12 日，闻泰科技（Wingtech） 突发公告：其核心资产 安世半导体（Nexperia） 遭荷兰政府及司法机构双重限制，一年内限制资产和业务处置权。随后，荷兰法院临时裁定暂停中方高管职务，指定外籍独立董事接管部分决策权。这意味着，闻泰对安世的控制权被严重削弱，仅保留经济收益权。公司已联合国际律所展开法律救济。外界普遍认为，此举将对安世运营及闻泰后续业绩修复构成重大挑战。 回顾过去，从 2024 年闻泰科技被制裁开始，中国芯片企业在全球市场的发展就受到了不同程度的制约。放在今天来看，国产芯片的发展，已经迫在眉睫。 01:11 市场规模与发展速度 AI芯片是当下的明星。预计到2025年，全球AI芯片市场规模将突破1200亿美元，年均增长超25%，数据中心芯片占比六成以上，边缘计算芯片增速35%。 中国市场表现亮眼：从2020年的384亿元增长到2025年的1530-1780亿元，国产芯片销售额从60亿美元涨到160亿美元，市场份额从29%升至42%，增速几乎是国际水平的三倍。高速发展背后，是技术迭代、政策扶持和市场需求三重驱动。大模型爆发让算力需求直线上升，2024年AI服务器市场已达2050亿美元，预计2025年增至2980亿美元。 02:01 全球竞争格局 全球AI芯片竞争呈现“两超多强”格局：传统半导体巨头领跑，云厂商自研芯片，国产企业快速崛起。 国际巨头亮点： * 英伟达依靠CUDA生态稳控训练市场，Blackwell GPU算力20 PetaFLOPS，数据中心份额超80%。 * AMD MI300 Chiplet技术让算力密度提升4倍，超算市场份额25%。 * AWS Trainium2、谷歌TPU v5成本比英伟达低40%，自用率超70%。 * 区域分化明显：北美40%，欧洲主攻汽车芯片，中国25%，本地生态日益重要。 03:11 中国厂商亮点 华为昇腾构建“芯片到云端”全栈布局；寒武纪MLU370性能接近A100，2024 Q3销售额同比增280%；地平线征程6芯片入六家头部车企，燧原T30图像识别芯片能效比提升40%。 预计2025年国产GPU出货占比从不足10%升至20%，中国厂商正从追随者向标准制定者转型。 04:01 产业链协同 上游刻蚀设备支持3纳米，硅片国产化率从32%升至45%；7纳米量产降低算力成本40%，Chiplet集成让计算密度提升5-8倍。下游百度飞桨平台支持28款国产芯片，开发者社区超600万。 区域集群效应明显：长三角以寒武纪和地平线为核心，占全国产能58%；粤港澳专注自动驾驶芯片，京津冀类脑芯片专利年增45%。 05:01 技术与投资策略 * 训练芯片：国产仍落后 2-3 代，华为 910B 性能约为国际主流的 82%。 * 推理芯片：国产已具优势，比如天数智芯天垓 200，FP32 算力达20TFLOPS。 * 技术路线：国际厂商探索前沿架构（神经拟态、量子计算），中国厂商聚焦快速落地的技术（存算一体、Chiplet）。 * 投资策略：国际巨头靠并购布局技术（如 AMD 收购 Xilinx），中国厂商更多依赖政府基金和战略投资（国家大基金三期 1500 亿元中 40%投向 AI芯片）。 05:51 未来前景 国产芯片市场份额预计到2026年达50%，边缘计算和车载芯片份额超60%。SNN、异构计算成为主流，大模型效率提升30%以上。国产EDA软件、HBM和光刻机研发取得突破，产业链更完善。 关键拐点：当国产芯片性能达国外80%以上，价格低约20%时，市场替代将加速。 国产 AI 芯片正从量的积累进入质的飞跃。虽然基础技术仍有瓶颈，但政策支持、技术创新和市场需求共同推动下，未来 3-5 年国产芯片有望实现高端替代。 —— 这里是《AI 原住民》，我们下期见！