馬斯克Terafab太空算力、英偉達重拾CPU，與張璐聊AI算力新趨勢

“馬斯克不僅要成為太空經濟參與者，也想成為規則制定方?！?br/>

文丨實習生裴雨桐

訪談丨程曼祺

馬斯克剛剛在 3 月底發布了一個大計劃——Terafab，要聯合特斯拉、SpaceX 和 xAI，自建史上最大芯片廠，掌握從設計到制造到部署應用的全棧產能。其中最科幻的部分，是馬斯克希望把 Terafab 80% 的算力部署到太空，建太空數據中心。

Terafab 的目標年產耗電量是驚人的 1TW，是目前全球 AI 算力年耗電量（40~50 GW，1 GW 是 100 萬度電，即 100 萬 kW）的約 20 倍。

《晚點聊》本期節目就邀請了 Fusion Fund 的創始合伙人張璐，她是 SpaceX 的投資人。從馬斯克的雄心壯志出發，我們與張璐聊了太空經濟的創業機會和 AI 基礎設施領域的變化與機會，尤其是英偉達在 GTC 上展現的最新規劃。

以下是播客的文字整理，有部分精簡。

1 TW 超級算力計劃的驅動力：探索機器人原生場景，規避地緣監管壁壘

晚點：近期 Fusion Fund 在 AI 基礎設施領域有許多新布局和新收獲。高通收購了 Fusion Fund 投資的一家端側小模型公司；馬斯克也在 SpaceX 和 xAI 合并后，于 3 月 21 日宣布了建造太空數據中心的 Terafab 計劃。作為 SpaceX 的投資方，你如何看待馬斯克這一宏偉設想？

張璐：馬斯克提出這一構想并非首次。他一直希望從底層芯片到基礎設施，再到模型層，構建一個完整的 AI 生態。過去一年的競爭表明，擁有全棧式技術系統能在算力部署和模型優化上占據極大優勢。馬斯克不僅想自研芯片，更核心的是有自己的算力能力，避免未來發展受限。這是一個宏偉的計劃，他也曾設想未來生產實驗無需局限于 clean room，但硬件層面的創新與技術整合并不容易，仍需時間沉淀。

這在生態構想上沒有問題。隨著 SpaceX 即將上市，以及它與 xAI 和 Tesla 的深度整合，馬斯克是想將 AI 能力與物理世界整合成 “生態組合拳”，在這個層面上去做應用技術優化、成本優化等。這是一個非常偉大的愿景，有巨大的戰略價值。不過，落地周期和所需投資金額可能會遠超他的預想。

晚點：馬斯克為 Terafab 規劃了每年 1 TW 的算力產能，甚至提出要通過 SpaceX 將 80% 到 90% 的算力送入太空，直接利用太陽能解決能源瓶頸。但 Sam Altman 吐槽這一想法不切實際，認為太空發射成本極高，且后續的運維和維修也非常麻煩。你怎么看這一規劃？

張璐：短期來看確實面臨諸多挑戰。首先是宇宙熱輻射對芯片性能的影響遠超預期；其次是高昂的成本問題，發射成本 SpaceX 可以持續優化，但還涉及復雜的運行與維護成本。

此外，還需要考慮這些算力究竟是用于支持地球還是太空的 AI 應用。如果是為了支持地球應用，由于距離太遙遠，除了面臨巨大成本，還會產生嚴重的延遲（latency）問題。目前即使是谷歌，也未能完全解決 TPU 在宇宙輻射下的抗輻射封裝難題。

如果是為了解決能源供給和數據中心散熱，地球上就有更優的選擇。例如加拿大擁有豐富的水資源和能源，氣候寒冷且地廣人稀，非常適合建造數據中心來驅動北美大陸的 AI 應用，完全沒必要舍近求遠去太空。我個人認為，馬斯克執意在太空建數據中心，另一個重要原因是太空沒有任何政府干預，有極大自由度。

我覺得這個設想雖然有著長期的愿景，但短期層面上，技術、成本與實際效用等問題仍需考慮。

晚點：馬斯克在這個節點提出該計劃，是否也與 SpaceX 準備上市有關？旨在向外界展示 SpaceX 更多元化的未來規劃與想象空間？

張璐：這絕對與 SpaceX 籌備上市密切相關。SpaceX 雖然是行業霸主且收入豐厚，但預期上市估值高達 1 萬億美元，價格史無前例。要支撐如此龐大的估值，就需要極為宏大的愿景。

馬斯克希望 SpaceX 代表的不只是一家火箭發射或提供 Starlink 衛星服務的公司，而是代表整個太空經濟（space economy）及其背后的基礎設施價值。這種大規劃的延展是為了在市值上充分體現其商業想象力。

同時，馬斯克也是一個一以貫之的人，對于這些長線愿景，在未來他確實可能會去付諸實踐。正如前面所說，如果未來我們將擁有海量的衛星數據，每顆衛星都可以成為邊緣計算設備，那么就近建設太空數據中心確實是一條走得通的路徑，延遲問題也會迎刃而解。希望到時能找到更好的方案去解決抗輻射封裝和成本問題。

晚點：隨著 SpaceX 和藍色起源等公司不斷推動太空經濟，除了傳統的通信和遙感，未來太空中會有哪些人工智能應用場景？

張璐：首先是太空工廠，這是近期可見的巨大應用場景。在地球上合成新材料、晶體或蛋白質結構會受重力影響；而在太空的微重力或無重力環境下，可以培育出完美的對稱晶體結構，這為突破現有的材料和醫療瓶頸提供了全新的解決方案。

其次，太空天然是一個 AI native 和 robotics native 的領域。在地球，由于人力資源相對便宜，一些應用場景使用人形機器人并不是那么合適。但在太空，維持人類生存需要極高的生態搭建成本，而發射機器人的維護費用則低得多。因此，太空工廠天然就是 AI 與機器人的原生生態。

此外，還有許多創新的細分應用。例如利用 AI 進行衛星交通管理，不僅能避免衛星碰撞產生太空垃圾，還能順帶進行高質量的衛星數據交易。這些數據對地球端的礦產探測、山火預警及氣象分析極具價值。另一個例子是打造 “太空加油站”，利用自動化機器人系統從月球土壤中提取水，進而分離出氫氣和氧氣作為火箭燃料。這能大幅減輕地球發射載人飛船時的燃料搭載負擔。這些高度自動化的機器人在太空中進行通訊和 AI 部署，同樣需要本地化的數據中心支持。

晚點：剛才提到，馬斯克設想在太空建立數據中心的部分原因是規避監管。目前在太空進行物理部署或資源開采，合規流程是怎樣的？

張璐：確實如此。雖然有國際組織對低軌道進行部分監管，但目前太空資源的歸屬尚無明確界定，很大程度上處于 “先到先得” 的階段。馬斯克提出的 Terafab 計劃要實現 1 TW 的算力產能，如果在地球上推進，特定國家或區域的監管審批和政治阻力將極其巨大。而在太空中，他擁有極大的自由度。作為太空經濟的奠基者，他不僅能規避監管，未來甚至可能成為整個太空經濟規則的制定方。

這也是為什么美國政府和 NASA 正在加速推進月球計劃，明確要在 3 年內重返月球并建立月球基地，這也是在探索太空經濟的可能性。雖然近年來出臺了一些旨在減少太空垃圾的軌道監管條文，例如誰發射的衛星誰就要負責回收，但執行層面仍是難題?，F實情況依然是：誰發射的衛星多、占據的軌道多，別人就越難使用。

馬斯克提出的是一個一以貫之的長期宏偉愿景，試圖將旗下所有的技術公司進行深度垂直整合。從火箭、衛星、智能終端、機器人，再到芯片和算力基礎設施，他希望將這一切都納入自己的體系。這不只是一個算力工廠，而是相當于構建了一個巨大的、跨公司的工業操作系統。最終，核心的算力基礎設施將掌握在他自己手中，不僅可以為 Tesla 或 xAI 供貨，更能將整個馬斯克生態中多樣化的業務緊密綁定。他設定的 1 TW 產能并非基于當下的技術需求，而是面向終極目標：為未來他所設想的機器人社會、自動駕駛網絡、衛星邊緣計算大的生態，以及大規模 AI 推理提供充足的底層算力支撐。

Terafab 帶動 AI 基礎設施創業，“馬斯克是一個迷人的暴君”

晚點：馬斯克每次提出宏大的愿景，往往會催生新的創業風潮，比如此前的商業航天和 Optimus 帶來的人形機器人熱潮。隨著此次 Terafab 計劃的提出，你是否觀察到美國涌現了相關的創業公司或創業機會？

張璐：核心的創業機會集中在整個 AI 基礎設施領域。如今業界已達成共識，不能只關注單一的芯片或算力，AI 應該是一個完整的集成系統。在剛結束的 GTC 大會上，黃仁勛也明確表示，英偉達已經不僅僅是一家芯片公司，而是一家 AI 基礎設施公司。未來，AI 基礎設施將像能源和交通一樣，成為企業核心的護城河。如果不掌握底層基礎設施，單純依靠購買 GPU，被 “卡脖子” 的風險極高。因此，Terafab 愿景帶來的核心產業機會在于：面對如此龐大的 AI 基礎設施集群，如何通過技術創新幫助這個集群更加高效。

目前涌現出許多新技術，致力于降低數據中心的成本和耗電量。例如我們最近投資的一家公司，專注于下一代 interconnect（互連）和 optical switch（光交換機）技術。AI 運算的耗電不僅來自模型訓練，很大一部分源于數據傳輸。如何讓傳輸過程更高效、耗電更低且速度更快，是未來大規模部署 AI 的關鍵前提，這也正是創新的重要窗口。

因此，大量新興的基礎設施公司正在快速崛起。今年創投圈一個有趣的現象是，許多過去只關注軟件的頭部 VC，開始將目光投向 deep tech，其核心訴求正是尋找針對 AI 基礎設施的技術創新。

晚點：我也觀察到一些與該計劃直接相關的創業項目。例如位于華盛頓的 Starcloud 也在做太空計算服務。

張璐：是的，Starcloud 發展迅速，最近正在與我們投資的那家做 “太空加油站” 的公司談合作。馬斯克的愿景確實吸引了大量資本對該領域的關注。

但就我個人而言，太空數據中心距離真正落地還有很長的路要走，這絕不是未來兩三年內能實現的事情。即使未來確有需求，軌道數據中心在技術成熟度上可能還需要 7 到 10 年的周期。只有當太空經濟全面繁榮，涌現出海量的太空 AI 應用需求時，在太空中搭建數據中心才合情合理。

盡管 SpaceX 的發射成本在逐漸降低，但發射如此龐大體量的數據中心，整體成本依然極高。比發射成本更高的是后續的維護成本。一旦硬件出現故障，在太空中的維修和整體維護費用難以估量，更何況還有前述那些亟待解決的現實技術難題。

晚點：那么現在是初創公司涉足太空數據中心賽道的好時機嗎？

張璐：我認為目前切入太空數據中心為時尚早。當下更好的創業機會依然在 AI 基礎設施領域，無論是硬件還是軟件，圍繞基礎設施優化的技術創新都大有可為。

如果初創企業一定要探索太空領域，可以先關注數據中心之外的其他太空基礎設施機會。不妨先觀察未來 3 到 5 年內太空經濟的成長速度，再決定何時切入數據中心賽道。

此外，建立數據中心是一個對資本需求極高的重資本投入。初創公司需要想清楚：未來這個賽道的機會究竟屬于大企業還是初創企業？自己的定位是去服務這些大型太空數據中心，還是自己去做數據中心？創業前需要明確自己真正的創新機會。

晚點：談及馬斯克在 AI 領域的布局，有一個與基礎設施算力無關，但備受關注的話題，即最近 xAI 的人事動蕩。許多最初加入的聯合創始人陸續離職，這背后的原因是什么？

張璐：這主要反映了兩個問題。首先，xAI 內部模型能力的提升速度可能低于馬斯克的預期。作為連續成功的創業者，他不懼怕承認錯誤并及時調整。他秉持 done is better than perfect（完成優于完美）的理念，目標是超越而非僅僅追趕其他模型，因此預期極高，導致團隊面臨巨大的壓力。 其次，這與馬斯克的個人性格特征密切相關。他對人才有極強的渴求與招募能力。例如，他曾花費 3 年時間說服一位正在讀 PhD 并打算自己創業的聯合創始人加入 xAI。他宏大的愿景極具說服力。同時，他個人的工作強度極大，常在凌晨一兩點與團隊進行頭腦風暴，帶動整個團隊長期處于高壓且充滿激情的環境中。然而，一旦發現方向錯誤，他決策極為果斷且不留情面，不會顧及團隊成員的資歷。有人形容他是一位 “有魅力的暴君”，他擁有改變世界的強大內驅力與清晰愿景，為了實現這一最高目標，其他人情世故或得失都不在他的優先考慮范圍內。

晚點：經過這輪人員汰換，xAI 未來的發展路徑備受業界關注。部分業內人士對 xAI 的前景感到悲觀，認為離職的團隊成員實力非常強勁。你怎么看？

張璐：其實不必過于悲觀。xAI 目前已與 SpaceX 整合，在馬斯克的商業生態中，它能調用的資源規模是極其夸張的。很少有初創企業能像 xAI 這樣，高效實現與特斯拉及 SpaceX 內部的人才和資源流轉。正式成為 SpaceX 的一部分后，xAI 將不再是一家孤立的公司。未來，它將乘勢而為，獲得巨大太空經濟紅利的托舉，進入加速發展期。此外，xAI 還具備獨特的數據優勢，不僅能獲取真實世界的數據，還能掌握未來的衛星和太空數據，這為其構筑了巨大的潛在優勢。

英偉達轉型 “AI 工廠”，迅速整合 Groq，應對激增的推理算力需求

晚點：近期全球科技巨頭及初創企業在 AI 基礎設施層有哪些新布局與新變化？在 3 月的 GTC 大會上，黃仁勛強調算力重心正從訓練轉向推理。GTC 上發布了推理加速芯片 Groq 3 LPU，該芯片源自 2025 年 12 月對 Groq 的收購，整合速度之快超出預期。結合這些發布內容與近期的行業動作，你認為英偉達在 AI 算力和基礎設施上展現出了哪些新思路？

張璐：我們從 2017 年起就與英偉達保持著緊密合作。去年我們有五家被投企業被收購，其中就有兩家 AI 基礎設施公司就是被英偉達收購。英偉達內部整合的速度極快，迅速上線了針對 GPU 優化的云平臺。從那時起，英偉達在基礎設施上的戰略野心就已經十分清晰了。

在今年的 GTC 大會上，黃仁勛相當于做了一次正式宣告：英偉達已不再局限于一家芯片或 GPU 公司，而是全面轉型為全棧式 AI 基礎設施公司。他提出了 “Token 經濟”（Token Economy）的核心概念，旨在為接下來全面爆發的 token 產業提供底層支撐。

目前，英偉達的目標是成為一家 AI 工廠，而不僅僅是打造最強的 GPU。在加強自身基礎設施能力方面，從早期的 CUDA System 到本次推出的 Vera Rubin 平臺，再到整合 Groq 的推理加速平臺 LPX，英偉達正在將 Groq 的推理加速能力融入 Vera Rubin 這一大型 AI 工廠體系，而非單獨開辟一條平行的產品線，這是一種高度整合的思維。

同時，英偉達也希望改變市場認知。當前，市場對英偉達的判斷與理解仍停留在將其視為一家芯片公司。然而，黃仁勛希望改變這一認知：他所銷售的并非一張顯卡或一顆芯片，而是一套完整的系統。這一系統不僅包含 GPU、CPU，同時涵蓋網絡、存儲，以及 CUDA System，并可提供面向 agentic AI 及推理（inference）的整體部署方案 , 思維已超越單芯片層面。

我在斯坦福攻讀材料科學與工程專業時，一家公司一年發布一到兩顆芯片已經是非?？炝耍桓鐣r期，甚至可能要好幾年才能推出一顆芯片。然而，今年英偉達直接發布了七顆芯片，并且是芯片加完整的互聯技術以及推理基礎設施的組合。因此，不同于以往僅發布單個芯片或產品，此次發布的是一個生態系統，是對整個生態的整合與優化。我認為這一點至關重要。

另一個重大轉變是算力重心的遷移。過去行業的算力消耗可能是 80% 用于訓練，20% 用于推理；如今這一比例已逐漸趨近一半一半。訓練帶來的算力消耗和成本投入是一次性的，但隨著未來智能體的鋪設，推理端的 token 消耗將變成持續性的龐大現金流。黃仁勛預測，到 2027 年數據中心相關收入可能超過 1 萬億美元，其核心前提就是未來的推理負載將遠超早期的訓練消耗，甚至可能出現 20% 算力用于訓練、80% 用于推理的倒掛局面。

此外，未來所有人工智能產品，包括人工智能的訓練與部署，不應僅依賴單一的計算架構來完成。以往我們普遍認為人工智能的底層架構必然以 GPU 為主導，然而，我們去年已經發現某些新型模型架構在 CPU 上的運行效率反而高于 GPU。這也解釋了為何黃仁勛在此次大會中特別強調 CPU 的重要性，尤其是在推理場景下，CPU 的作用正日益增強。此外，他還將 Groq 的低延遲、高吞吐推理能力納入體系，因為 LPU 同樣提供了一種新的架構可能性。

同時，我們最近有一家公司被高通收購。高通一直在 NPU 方向上進行研發，因為低能耗對于未來人工智能在邊緣設備上的端側部署，是一種非常重要的底層計算架構。

因此，面向未來，英偉達一方面致力于構建統一化的大型生態平臺，另一方面，未來的人工智能應用場景將由多種多樣化的計算架構共同支撐。在架構多樣化前提下，不再單一依附或依賴 GPU 架構，變得愈加重要。這也是英偉達目前進行更廣泛的人工智能生態布局，并將自身重新定義為 “人工智能工廠” 的原因。這些舉措相互推動、相互關聯。

晚點：從應用層確實能明顯觀察到這種變化，各類 agent 的爆發帶來了龐大的推理需求。英偉達這次久違地發布了全新的 CPU 產品 Vera，距離上一代 Grace 架構已有數年之久。值得注意的是，這是其 CPU 首次與 GPU 采用統一的命名體系。這種統一平臺下組合異構芯片的生態趨勢確實正變得越來越強。包括對 Groq 的整合速度也令人意外，去年底才完成收購，推進得非?？臁?/strong>

張璐：英偉達內部員工普遍工作強度極大；谷歌許多 AI 團隊實行一周七天工作制；Meta 的員工幾乎天天處于戰備狀態，有時工作至凌晨兩點，次日清晨七點繼續投入工作。當前，AI 創新生態正在加速，競爭環境與市場格局也在快速調整，不同玩家都具備強烈的危機意識并提前布局。

英偉達致力于成為一家全平臺公司，因此 CPU 至關重要。Vera 是全球首款專為 agentic AI 和 reinforcement learning 打造的 CPU 處理器，相較于傳統 CPU，其效率有成倍提升，并已與阿里巴巴、字節跳動、Oracle 及 Meta 等中美企業展開合作。

在 AI 基礎設施中，特別是針對推理和 agentic AI，系統不僅需要輸出 token，還要持續調用工具、運行代碼及處理多智能體的協同和 simulation 流程。進入智能體時代后，AI 將處于持續運行狀態，對 CPU 的依賴會越來越深。將 CPU 納入生態不僅能提升英偉達平臺的完整性，還能讓其從整機系統層面統籌定義性能，為客戶提供一站式的 AI 工廠解決方案。即使英偉達的 CPU 未必比 AMD 等傳統對手做得更好，但這種整體集成優勢是巨大的。

晚點：去年英偉達收購了兩家由你們投資的 AI 基礎設施初創公司，分別是 Lepton AI 和 Nexusflow。這體現了英偉達在 AI 基礎設施上的哪些思路？

張璐：這兩家公司均由杰出的華人科學家創立，Lepton AI 的創始人是賈揚清，Nexusflow 的創始人是焦劍濤。它們都深耕 AI 基礎設施領域，成立不到 2 年，但產品成熟度與商業化推進速度極快。英偉達在去年初便開始與他們接觸，看中其產品能為自身生態帶來巨大價值而迅速推進收購。收購后的整合也極為高效，例如 Lepton 已被整合為 DGX Cloud Lepton，這也是英偉達未來布局 GPU 云的重要一步。

晚點：去年英偉達最大的收購是對 Groq 高達 200 億美元的收購案。這反映了英偉達怎樣的考量？

張璐：實際上，這并非傳統意義上的全資股權收購，而是采取了非獨家技術授權與人才吸納相結合的特殊架構以加速交易。Groq 成立于 2016 年，創始人曾是谷歌 TPU 項目的核心成員。Groq 并非局限于優化 GPU，而是重新設計了推理計算路徑，主打低延遲與高 token 通量。 這兩個特性精準契合了英偉達搭建 AI 基礎設施工廠的需求。Groq 獨特的內存架構在特定模型規模下具有顯著的速度優勢，它的加入對英偉達現有平臺能力是極佳的補充。

英偉達的整體戰略并未因此改變，依然以 GPU 加 CUDA 作為訓練與通用推理的基礎，但也吸納了 Groq 專精的推理加速能力。這種整合促成了今年 Vera Rubin 平臺的推出，將其 CPU、GPU、推理加速器、網絡與存儲等核心組件無縫組合，構筑了完整的 AI 工廠生態。 單看芯片本身，Groq 或許不足以支撐如此高昂的定價，但它為英偉達補全了整體生態的版圖。如今，全棧式 AI 平臺能力已成為科技巨頭構建技術護城河的核心。除了擁有成熟體系的谷歌和蘋果，Meta 等公司也在大力投入芯片研發與收并購。

晚點：剛才提到馬斯克的產業布局，同樣涵蓋了從底層芯片到 AI 模型的全棧能力。

張璐：馬斯克的構想更為宏大。當前業界主流的 AI 公司多聚焦于大語言模型，并逐步向 multi-modal 和 agent 演進，而再下一階段必然是世界模型。 構建世界模型不僅需要強大的模型能力，更高度依賴高質量的三維真實世界數據。這正是馬斯克的優勢所在，他擁有特斯拉的交通與工廠三維數據、SpaceX 的工程與太空衛星數據，以及未來人形機器人所能收集的交互數據，基于 physical AI 的世界模型能力將極為強悍。相比其他公司主要依賴二維視頻數據，馬斯克掌握了極為豐富的三維真實數據。一旦這些數據被有效整合到世界模型生態中，其整體能力將比現有科技公司的生態再提升一個量級。

晚點：前面提到了英偉達的全棧布局，其他大公司也認識到了深度垂直整合的重要性。在美國，關于 Google 的 TPU 與英偉達的 GPU 的討論也比較多，目前業界普遍認為前者的競爭力很強。Google 近期在 AI 算力與基礎設施方面有什么動作和變化？

張璐：Google 在 TPU 上的投資已超過十年，這證明它很早就意識到了推理的重要性，并沿著這條技術路線進行了深厚的積累。TPU 最大的能力其實體現在 Google 自身的生態中。它的優化基于 Google 整體的全棧式架構，補全了從芯片層、模型層到數據層的各個環節，配合充沛的現金流、豐富的應用場景以及現實世界的反饋，打造了一個非常完善的生態。

但是，當第三方使用 TPU 時，芯片性能發揮得往往沒有在內部那樣好，這歸結于系統優化的差異。Google 自身使用 TPU 時，不僅性能優越，成本也極低，整體 training cost 大約只有 ChatGPT 的三分之一。這種系統層面的深度優化直接帶來了顯著的成本優勢。第三方公司由于缺乏 Google 那套完整的系統環境，無法做到同等程度的優化，導致性能和成本都會打折扣。

這也是為什么盡管資本市場熱衷于討論 TPU 搶占 GPU 市場，但短期來看，TPU 仍難以對 GPU 構成有效威脅。況且，未來的 AI 市場無比巨大。目前 AI 的產業部署與整合才剛起步，在金融、醫療保險等大型行業中，應用滲透率可能不足 1%。當 AI 真正大規模鋪開后，對算力的需求將是海量的，單靠一家廠商的 GPU 或單一的計算架構來支撐并不現實。未來的市場必然需要多樣化的計算架構，除了英偉達，還需要其他科技公司提供各具特色的解決方案，以筑牢大規模人工智能部署的算力基礎。

晚點：我們此前的節目曾邀請過兩位從 Google 出來創業的嘉賓，他們提到 Google 內部開發了類似于 CUDA 的 JAX 等軟件系統，所以內部使用得非常順手。不過，一個可能促進 TPU 普及的因素是，Google 會大力支持許多具備 Google 背景的創業者使用從芯片到系統層的整套 TPU 方案。比如馬斯克的 xAI 早期團隊中，有一些前 Google 員工，他們對這套系統就非常熟悉。

張璐：是的，如果 Google 也能建立起一套完善的軟件系統去支持 TPU 的使用，從開發者的角度來看，操作門檻會大幅降低。但這也是為什么英偉達不再僅僅滿足于擁有 CUDA 系統，而是致力于打造更全面的全棧式、全平臺服務，幫助開發者在其生態內完成方方面面的部署與整合。隨著全棧服務的完善，開發者對英偉達平臺的依賴性會越來越深，最終將很難再低成本地遷移到其他計算架構平臺上。

大企業加速部署垂直領域人工智能，靈活的退出機制滋養美國 AI 連續創業生態

晚點：最后一部分我們可以稍微延展一下，探討從基礎設施到應用端的變化，以及對 B2B 企業市場的觀察。因為 C 端的 AI 市場信息相對更通暢，大家能看到明顯的熱點，如 OpenClaw 等個人 agent。Fusion Fund 一直高度關注企業對 AI 的應用，最近你觀察到 AI 與具體行業結合有哪些新變化？有哪些過去未曾出現、但現在正加速發展的跡象？

張璐：今年確實是企業級人工智能（enterprise AI）非常好的一年。這不僅體現在技術層面的創新與發展，整個產業的整合速度也非常快。在企業級 AI 領域，業內已經形成了幾個重要的大趨勢與共識。

第一個共識是，包括傳統產業在內的大企業都愿意在垂直領域部署人工智能。而且，這種部署往往基于小語言模型，而非大語言模型。金融、醫療、保險等高監管行業對數據極其敏感，因此他們更希望 AI 應用或 agent 能夠在本地或私有云中部署。 此外，針對特定應用場景，企業對低延遲和高準確性（不能有幻覺）有嚴格要求，這讓垂直領域的 AI 應用鋪設得更快。由于采用小語言模型，客戶無需將海量數據上傳至云端，數據隱私得到了更好的保障；同時，小語言模型對算力和電力的消耗更低，成本更加優化。因此，垂直領域中小語言模型的整合速度正變得越來越快。

第二個共識源于大企業的深度焦慮。今年 1 月，我在達沃斯與許多大企業的 CEO 交流時感受到，企業普遍意識到，雖然擁有海量數據，但要使其成為核心的數據資產，就必須與 AI 進行深度整合，否則數據就只是一堆無效儲備。企業需要先進行 data curation（數據優化），再搭建安全與隱私的中間層，最后才能在此基礎上整合各類 AI 應用。

自 2018 年起，我們運營著一個名為 CXO 的社群網絡，匯聚了約 45 位全球 1000 強企業的 CTO。今年普遍的反饋是，他們手里的預算大幅增加。其中一位向我透露，他掌握著高達 120 億美元的預算，專門用于 AI 相關的技術收購、技術整合以及戰略合作等。這是一個重大的戰略轉向。隨著 CTO 或首席 AI 官預算的增加，大企業不僅會加大對 AI 的投資與部署，還將大幅加快技術整合的步伐。現在，我們看到許多金融、保險公司只需 3 到 4 個月就能完成新 AI 技術的整合，這里面蘊含著巨大的市場機會。

晚點：在具體的行業應用層面，AI 目前展現出了哪些明顯的機會？

張璐：一方面，我非常看好 AI 在醫療領域的應用。我們早在 2017 年就發布了人工智能醫療行業報告，去年又推出了 2.0 版本。今年初釋放了一個強烈的信號：禮來與英偉達達成了數十億美元的戰略合作，專門推進 AI 在制藥領域的應用場景鋪設。同時，ChatGPT 和 Claude 等也都推出了醫療專屬的 AI 應用。

醫療領域市場規模巨大，占美國 GDP 的 20%，且擁有海量高質量數據與多樣化的應用場景，這對 AI 落地至關重要。高質量數據極大地促進了醫療垂直領域小語言模型的搭建與部署。此外，許多醫療機構開始采用聯邦學習（federated learning），有效解決了監管層面的數據隱私顧慮。這種理念在金融和保險行業也有明確體現，因此這三個行業的 AI 整合速度可能是最快的。在此基礎上，物流供應鏈等傳統行業也在進行大規模鋪設。

另一個備受矚目的方向是機器人，即 physical AI，它在工業和供應鏈場景的應用落地會更快。此外，太空也是一個極佳的領域，就像我前邊提到，因為它本身就是 AI 原生和機器人原生的。

過去十年我們一直專注 B2B 企業級應用。在當前的 AI 市場，做 C 端應用非常困難，因為巨頭競爭對手過于強大。相比之下，B 端應用有著獨特的優勢：傳統行業的大公司往往不愿將核心數據分享給科技巨頭或上傳云端。在這種顧慮下，他們更傾向于與初創企業合作，這極大加速了初創公司在垂直領域的應用迭代與發展。今年我們看到許多專注垂直 AI 和 to B 部署的公司，收入增長極為驚人，有些不到 10 人的團隊在一年內實現了收入從零到 2000 萬美元的突破。因此，目前在美國做 to B 企業級 AI 是一個絕佳且高速發展的時期。

晚點：中美在 AI 創業上存在明顯差異。中國創業者似乎更偏向移動互聯網思維的 C 端市場，而美國有大量創業者高度聚焦于企業級市場，這可能與整體退出環境有關。

張璐：兩邊市場確實存在差異。在硅谷，一個有趣的現象是，頂尖的 AI 創業者大多具備移民背景。其中亞裔最多，其次是歐洲裔、加拿大裔和以色列裔，本土美國人反而相對較少。全球 AI 人才匯聚于美國，正是因為這里存在巨大的 to B 商業機會。他們的研發或工程師團隊可能留在加拿大或歐洲，但為了實現最快的商業化，特別是打入金融等核心市場，這里無疑是最佳選擇。

傳統龍頭企業的 AI 整合正在全面提速。例如，我們投資的許多公司與美國最大且傳統的銀行 J.P. Morgan Chase 展開了合作，其 chief AI officer 也在我們的社群網絡中。他們在 AI 技術的迭代與整合上極為精準且迅速。另一個典型的例子是科氏工業（Koch Industries），作為美國規模最大的老牌私營企業之一，它擁有極高的決策靈活度。其旗下的 Koch Disruptive Technologies（KDT）部門專門引進新型 AI 解決方案，并迅速在控股的大型企業中應用，合作周期甚至能壓縮到一兩個月。正是因為這些傳統巨頭展現出如此驚人的 AI 整合與商業化速度，全球的創新者才愿意紛紛涌入這個市場。

晚點：在多樣化的退出機制（如高頻的收并購）下，美國市場的資金與人才流動極為高效。這種機制是否也催生了大量經驗豐富且底氣十足的連續創業者？正如早期被形容為 “藍血創業” 的 OpenAI，許多創始人并非為了追求財富，因為他們已經跨過了那個階段。如何看待硅谷的這種連續創業生態？

張璐：多樣化的退出渠道確實是美國市場的一大優勢。除了耗時可能長達 7 到 10 年的 IPO 之外，收并購提供了更靈活的路徑。去年我們有 5 家被投公司被收購，買方包括英偉達這樣的大企業。其中 4 家成立不到兩年，卻帶來了 10 到 20 倍的收益。這種 “短平快” 的退出機制極大地促進了資金與人才的流動。

在硅谷，連續成功創業者的群體正變得越來越龐大，我本人也是連續創業者出身，帶有一點理想主義，相信這句話：改變世界的同時創造財富，但最重要的是改變世界。2015 年創立 Fusion Fund 時，我們搭建的第一個生態就是 “超級創始人網絡”，其中匯聚了 62 位連續成功創業者。正如你所說，他們大多已經實現了財富自由。在探索下一家公司時，其核心目標不再是單純的財富回報，而是改變產業、改變世界。

這種使命驅動的原動力，幫助他們吸引頂尖人才，加速創新探索，并在做決策時更看重公司的長遠優勢而非短期利益。馬斯克就是典型的代表。盡管是世界首富，他的生活條件卻并不奢華，連他母親在 Twitter 上都提到他睡的只是氣墊床。這就是使命驅動型連續創業者的典型思維。在這樣的環境中做早期投資，是一件充滿理想主義色彩且令人幸福的事。

晚點：最后一個問題，在接下來的一個季度或半年內，你計劃將主要精力投入到哪些具體事務或領域中？

張璐：核心聚焦依然是投資。自去年初發布新一期基金以來，我們一直處于高強度、快節奏的工作狀態。去年我們投資了 10 家初創企業，今年預計還將投資 7 到 10 家。因此，看項目與管項目將占據我最多的時間。此外，今年我們有 3 家被投公司準備上市，作為早期投資人和董事會成員，我們需要在上市籌備過程中投入大量精力提供支持與輔助。

在具體的技術與產業方向上，企業級 AI、醫療 AI 以及供應鏈自動化我都在密切關注。細分來看，我會對以下幾個領域投入更多精力：

首先是人工智能基礎設施相關的創新，特別是那些能解決下一階段發展瓶頸的技術。行業瓶頸已不再局限于模型本身，還包括 inference cost（推理成本）、能源消耗、memory（內存）、security（安全）以及系統整合等，這些都是我極其看好的技術方向。

其次是 AI 在生命科學與醫療領域的應用。這不僅局限于軟件，還包括醫療機器人。去年我們投資了兩家醫療機器人公司，一家專注于傳統制藥和生命科學行業的機器人自動化，發展極為迅速；另一家是做微觀及納米機器人應用，這也是我非常看好的一個方向。

最后，我還會繼續保持對太空科技的熱情。太空經濟正快速迭代發展，未來體量巨大，兩三年內蘊藏著極佳的投資機會。同時這也源于我從小對太空的熱愛以及對創新的內在動力，我也會在此領域傾注大量時間。

題圖來源：Terafab