2012年，谷歌的一个研究小组公开了一个叫做“谷歌猫”的研究项目。

　　他们将16000个计算机处理器连接起来，建造了一个超大规模的机器学习神经网络，让它在海量图片中自主学习，最终成功识别出了“猫”。

　　“谷歌猫”项目，揭示了人工智能时代的临近。这个时代，也火了一家企业——英伟达。

　　人工智能的发展，简单来说，需要三个元素：

　　算法、算力和数据。

　　芯片的性能影响着算力，而英伟达，在AI芯片市场的占有率高达70%以上。

　　正是这种“天下英雄尽入彀中”的局面，让英伟达的股价一路飙涨。

　　2012年至今，英伟达的市值上涨500多倍，一度成为全世界第一家市值突破4万亿美元的公司。

　　7月15日，英伟达公司创始人兼首席执行官黄仁勋到访中国并表示，将开始向中国市场销售H20芯片。

　　据报道，H20的推理能力仅为H100的20%，是阉割版。

　　用这样的芯片去发展人工智能，是否意味着“起步即落后”？

　　“算力焦虑”，再次被推至台前。

　　算力比算法和数据都重要吗 ？

　　这是英伟达的股价走势图。可以看到，在今年1月，英伟达股价大幅下跌。下跌的直接诱因，是DeepSeek的出现。

　　DeepSeek用更小的算力、更高的效率，带来了更优的表现，一时间，“AI大模型是否不再需要那么多算力”成为焦点话题，这也导致英伟达一天之内股价暴跌近17%，创下了美股的跌幅纪录。

　　在这其中，很少有人探究一个问题，这种“唯算力论”的认知，是如何形成的？

　　我们刚才提到，决定人工智能发展的要素有三个，为何算力这么吸引眼球？

　　谭主拉出了美国媒体关于中美人工智能报道的曲线，从2020年5月（当月，GPT-3推出，通用大模型引发很大讨论）至今，并从中提取出其中对“算力”“算法”“数据”的关注度。

　　可以看到，在2022年8月前，这三个词的讨论基本处于同一水平线。但在2022年8月后，“算力”直接断层领先，成为关注度最高的词。

　　那个月，美国政府的一纸禁令，限制英伟达向中国出口高性能芯片。它们可用于加速AI、资料分析和高效能运算作业。

　　美国政府希望通过控制算力来扼住中国人工智能发展的“咽喉”。

　　算力焦虑是如何形成的 ？

　　谭主发现，这项禁令的背后有一个关键人物——赛义夫·汗。

　　赛义夫·汗曾任职于白宫国家安全委员会（NSC），负责科技相关事务。他此前在智库就职的研究方向，正是半导体供应链以及美国半导体政策。

　　从2019年起，他的观点开始成型：最先进的AI芯片是训练最先进算法的基石，控制了最先进芯片的产业链供应链，就能固化领先优势。

　　这种观点，成为了催生拜登政府《芯片与科学法案》以及对华限制措施的一环。

　　赛义夫·汗的观点为什么能获得美国政府的高度认可？这正是来自于其他相关研究报告带来的隐忧。

　　它们分析了中国发展人工智能的优势，包括研发投入、人才培养、产业优势等等，最后得出结论，中国将在10年内，取代美国在人工智能领域的领导地位。

　　在这种背景下，赛义夫·汗的观点无异于提供了一剂“解药”：它不仅“缓解”了美国对被超越的焦虑，更重要的是，它为全世界制造了一种新的焦虑——算力焦虑。

　　想要发展人工智能，就需要最先进的人工智能芯片，而这一芯片，牢牢掌握在美国企业手中。换句话说，其他国家的人工智能发展程度，取决于拥有多少英伟达的GPU。

　　在这个过程中，英伟达和美国的资本市场，也在为这个叙事“添砖加瓦”：

　　AI正在高速与世界上的各个行业深入融合，真正的AI时代很快就要到来。

　　这种描绘方式并不新鲜，正如有评论形容，“第四次工业革命”已经来了8次——元宇宙、Sora、室温超导等都曾被认为是“第四次工业革命”。

　　我们当然不否认下一个时代会是人工智能的时代，但真的有那么快吗？

　　在部分机构的报告中，英伟达的GPU仿佛是通往人工智能时代的门票，算力的缺口每天都在扩大，随之带来的，就是对英伟达GPU的需求，而英伟达的股价，也在不断涨高。

　　“唯算力论”能否扼住中国人工智能发展的“咽喉” ？

　　凡事物极必反，不同的看法正在涌现。

　　麻省理工一位研究人工智能的教授指出，今天的资本市场对AI的追捧已经显得有些过热。

　　他还专门做了一张《AI炒作周期图》，梳理了AI技术在几十年间反复经历失望与再起的循环。

　　从上世纪的神经网络，到AlphaGo的震撼，再到如今的ChatGPT，每一次高峰都伴随着巨大的期望，但最后，很多预期的承诺都无疾而终。

　　而这一次的“唯算力论”，也迎来了冷思考——就是前文中提到的，DeepSeek的出现。

　　在2020年至2023年的大部分时间里，美国媒体和研究机构眼中的中国，是一个努力在人工智能领域追赶的“后来者”。

　　但2023年底，报道的口风开始发生变化。

　　这些研究机构总结称，美国的算力限制在客观上形成了一种“倒逼机制”，由于无法直接获取顶级的算力，中国的研究机构将更多的资源和精力投入到算法创新上，目标是用更少的算力实现同等甚至更高的性能。这是美国所始料未及的。

　　正如上图所展现的，人工智能的叙事，发生了改变。

　　这些美国媒体和研究机构对人工智能领导力的定义，从“算力”，变成了“算力”“算法”以及技术扩散（将AI技术广泛应用于整个经济的能力）。

　　正是因为这样的现实情况，美国政府也在调整其相关政策。

　　允许英伟达向中国出口H20，就是迹象之一。

　　一位关注美国人工智能政策的专家告诉谭主，H20芯片的性能参数经过精确设计，其虽然沿用了先进的架构和封装技术，但在决定AI训练与推理效率的核心计算性能上受到了严格限制。

　　美国政府在这个时候放行H20，也许是担心，自己的封锁政策可能催生出一个独立且强大的竞争对手，因此，美国政府需要推出一款性能经过精确计算的受限产品，用以延缓中国自主技术生态的成长速度。

　　这样的方式，能奏效吗？

　　有一个角度，可以思考这个问题。

　　要争先，更要争源源不断

　　谭主把中美各自关于人工智能发展的报道，输入到了大模型，大模型总结出了两种“发展哲学”：

　　美国人工智能的发展，基本是“闭源”的。美国公司通过保密其模型架构、训练数据和权重，来保护其巨大的研发投入和知识产权。这种模式的盈利来源很稳定。

　　而中国人工智能的发展是“开源”的，中国企业提供免费的大模型，吸引更多企业在其生态系统上进行二次开发和创新。

　　到目前为止，我们还很难下结论，这两种模式，谁就一定会更成功。

　　但谭主从中国的方式中，看到了更多的可能性。

　　再过几天，2025世界人工智能大会将会在中国举行。谭主统计了大会公开的人工智能应用的案例集发现：

　　人工智能应用的行业，涉及教育、文化、气象、农业、矿业开采、药物研发、医疗诊断等等；

　　与中国合作的国家，有泰国、加拿大、越南、缅甸、沙特、希腊、葡萄牙等国家。

　　这些应用，有些在今天看来或许还很初级，可能只是庞大生产流程中的一个微小环节。

　　但历史的有趣之处恰恰在于此。

　　1894年，法国举办了世界上第一场赛车比赛。出人意料的是，第一个到达的，是一辆蒸汽拖拉机。

　　然而后来的故事，所有人都已知道。

　　一场技术革命的最终走向，往往不由最初拥有最快速度的人或事物决定，而由那个率先构建起最庞大、最繁荣应用生态的体系来定义。

　　只要开始了，就拥有无限可能。