AI 供應鏈五位高管 直指晶片短缺同物理限制

本週初，五位觸及 AI 供應鏈每個層面的業界人士，在比佛利山莊的 Milken Global Conference 坐下，與本編輯討論從晶片短缺到軌道資料中心，再到支撐科技的整個架構可能錯誤的可能性。與 TechCrunch 同台的嘉賓包括：ASML 行政總裁 Christophe Fouquet，這家荷蘭公司壟斷極紫外光刻機，沒有它現代晶片無法存在；Google Cloud 營運總裁 Francis deSouza，他負責企業史上最大規模的基礎設施投資；Applied Intuition 共同

創辦人兼行政總裁 Qasar Younis，這家市值 150 億美元的實體 AI 公司從模擬起步，現已進軍國防領域；Perplexity 首席業務官 Dimitry Shevelenko，這家 AI 原生搜尋轉代理的公司；以及量子物理學家 Eve Bodnia，她離開學界，在初創 Logical Intelligence 挑戰 AI 業界大多數人視為理所當然的基礎架構。

（Meta 前首席 AI 科學家 Yann LeCun 今年初加入其技術研究委員會擔任首任主席。）以下是他們的觀點：

瓶頸真實存在

AI 熱潮正面臨嚴峻的物理限制，而這些限制比許多人想像的更下游。Fouquet 率先指出，晶片製造出現「巨大加速」，但他「堅信」儘管付出所有努力，「未來兩至三年，甚至五年，市場將受供應限制」，意味超大規模雲端供應商——Google、Microsoft、Amazon、Meta——無法獲得所有已付款的晶片，僅此而已。DeSouza 強調問題之大且增長迅速，提醒聽眾 Google Cloud 上季收入突破 200 億美元，增長 63%，而其積壓訂單——已承諾但未交付的收入——單季幾近翻倍，從 2,50

0 億美元增至 4,600 億美元。「需求是真實的，」他平靜地說。 對 Younis 而言，限制主要來自其他地方。Applied Intuition 為汽車、卡車、無人機、礦業設備及國防車輛打造自主系統，他的瓶頸不是矽晶，而是只能透過將機器送入現實世界觀察才可收集的數據。「你必須從現實世界獲取，」他說，任何合成模擬都無法完全彌補差距。「在能完全用合成方式訓練運行於物理世界的模型前，還需很長時間。

」 能源問題同樣真實 若晶片是首個瓶頸，能源則是緊隨其後的隱憂。DeSouza 確認 Google 正認真探索太空資料中心，以應對能源限制。「你能獲得更豐富的能源，」他指出。當然，即使在軌道上，也並非簡單。DeSouza 觀察太空是真空，消除對流，只能透過輻射向周圍環境散熱（這比今日資料中心依賴的空氣及液冷系統慢得多且難以工程化）。但公司仍視之為可行途徑。

DeSouza 提出的更深層論點——並不意外——關於透過整合提升效率。Google 共同工程完整 AI 堆疊——從自訂 TPU 晶片到模型及代理——在每浮點運算瓦特數上帶來回報，購買現成組件的公司無法複製，他建議。「在 TPU 上運行 Gemini 比任何其他配置節能得多，」因為晶片設計師在模型發佈前已知其內容，他說。在能源可用性成為此科技發展重大限制的世界，這種垂直整合是主要競爭優勢。

Fouquet 後來在討論中呼應此點。「沒什麼是無價的，」他說。業界目前處於奇特時刻，大量投入資本，驅動因素是戰略必要性。但更多運算意味更多能源，而更多能源有代價。 不同類型的智能 當業界其餘部分辯論大語言模型範式下的規模、架構及推理效率時，Bodnia 打造截然不同的東西。她的公司 Logical Intelligence 建基於所謂能量基模型（EBMs），這類 AI 不預測序列中下一個符號，而是試圖理解數據底層規則，她認為這更接近人類大腦運作方式。

「語言是我大腦與你大腦間的使用者介面，」她說。「推理本身不依附任何語言。」她的最大模型有 2 億參數——相較領先 LLM 的數千億——她聲稱其運行速度快數千倍。更重要的是，它設計為數據變化時更新知識，而非從頭重新訓練。對於晶片設計、機器人及其他需掌握物理規則而非語言模式的領域，她認為 EBMs 更自然契合。「開車時，你不是在任何語言中搜尋模式。你環顧四周，理解周遭世界的規則，然後做決定。

」這是個有趣論點，鑑於 AI 領域開始質疑單靠規模是否足夠，未來數月恐吸引更多關注。 代理、護欄及信任 Shevelenko 大部分時間解釋 Perplexity 如何從搜尋產品演變為其稱為「數位工作者」的東西。最新產品 Perplexity Computer 不是知識工作者使用的工具，而是知識工作者指揮的員工。「每天醒來，你有百名員工在團隊中，」他說這機會。

「你要如何充分利用？」這是個吸引人的推銷；也引發明顯控制問題，所以我詢問。他回答是細粒度。企業管理員不僅可指定代理可存取哪些連接器及工具，還可決定權限是唯讀或讀寫——當代理在企業系統內行動時，這區別至關重要。當 Perplexity 的電腦使用代理 Comet 代表用戶行動時，它先呈現計劃並尋求批准。有些用戶覺得這摩擦煩人，Shevelenko 說，但他視之為必需，特別在他加入 Lazard 董事會後，意外同情首席資訊安全官保護建基於客戶信任的 180 年品牌時的保守本能。

「細粒度是良好安全衛生的基石，」他說。 主權，不僅安全 Younis 提出或許是座談最富地緣政治張力的觀察，即實體 AI 與國家主權糾纏方式，純數位 AI 從未如此。網際網路最初作為美國技術擴散，僅在離線後果顯現時——如 Uber 及 DoorDash——在應用層面遭遇反彈。實體 AI 不同。自主車輛、國防無人機、礦業設備、農業機器——這些在現實世界顯現，政府無法忽視，引發安全、數據收集及誰最終控制境內系統的問題。

「幾乎每個國家一致說：我們不想要另一國控制的實體智能形式進入境內。」他告訴聽眾，目前能部署機器出租車的國家比擁有核武的少。 Fouquet 以不同方式詮釋。中國的 AI 進展真實——DeepSeek 今年早些發佈在業界部分引發近乎恐慌——但進展受模型層以下限制。無 EUV 光刻機，中國晶片製造商無法生產最先進半導體，而建基於舊硬體的模型無論軟體多好，都處於累積劣勢。

「今日，在美國，你有數據、有運算存取、有晶片、有人才。中國在堆疊頂端做得很好，但欠缺下方某些元素，」Fouquet 說。 世代問題 座談接近尾聲時，觀眾中有人問明顯的不安問題：這一切是否會影響下一代的批判思考能力？答案或許不意外地樂觀，但非天真。DeSouza 指出更強大工具或許終能讓人類解決大規模問題。想想我們尚未理解生物機制的神經疾病、溫室氣體移除，以及延宕數十年的電網基礎設施。

「這應釋放我們邁向下個創造力層級，」他說。Shevelenko 提出更務實觀點：入門職位或許消失，但獨立推出東西的能力從未如此易得。「對任何有 Perplexity Computer 的人……限制是你自己的好奇心及主動性。」Younis 在知識工作與體力勞動間劃出最鮮明區別。他指出美國平均農民年齡 58 歲，礦業、長途卡車及農業勞力短缺慢性且惡化——非因薪資太低，而是人們不想要那些工作。

在那些領域，實體 AI 不是取代願意工作者，而是填補已存在且恐進一步加深的空缺。