本週稍早，五位觸及AI供應鏈各層面的產業人士齊聚比佛利山莊的米爾肯全球會議（Milken Global Conference），與本刊編輯暢談從晶片短缺、軌道資料中心，到支撐這項技術的整體架構可能存在錯誤等議題。與TechCrunch同台的講者包括：ASML執行長Christophe Fouquet，這家荷蘭公司壟斷了現代晶片不可或缺的極紫外光刻機（EUV lithography machines）；Google Cloud營運長Francis deSouza，他正監督企業史上最大規模的基礎設施投資之一；Applied Intuition共同創辦人兼執行長Qasar Younis，這是一家市值150億美元的實體AI公司，從模擬起家，現已涉足國防領域；Perplexity的首席商務長Dimitry Shevelenko，這是一家以AI為核心的搜尋轉代理人公司；以及量子物理學家Eve Bodnia，她離開學術界，創立Logical Intelligence新創公司，旨在挑戰大多數AI產業視為理所當然的基礎架構。

（Meta前首席AI科學家Yan LeCun已於今年稍早簽約擔任其技術研究委員會的創始主席。）AI熱潮正遭遇嚴峻的實體限制，且這些限制的源頭比許多人想像的更深層。Fouquet首先指出，儘管「晶片製造正大幅加速」，但他「堅信」在未來兩到三年，甚至五年內，市場仍將受限於供應。

這意味著超大規模業者（如Google、Microsoft、Amazon、Meta）將無法獲得他們所需的所有晶片。DeSouza強調了這個問題的規模和快速增長，他提醒聽眾，Google Cloud上季營收突破200億美元，增長63%，而其待交付訂單（已承諾但尚未交付的營收）在單一季度內幾乎翻倍，從2500億美元增至4600億美元。

他以令人印象深刻的冷靜表示：「需求是真實存在的。」對Younis而言，限制主要來自其他方面。Applied Intuition為汽車、卡車、無人機、採礦設備和國防載具開發自動駕駛系統，而他的瓶頸並非矽晶片，而是必須將機器送入現實世界並觀察其運作才能收集到的資料。

他說：「你必須從現實世界中獲取資料。」再多的合成模擬也無法完全彌補這一差距。「在能夠完全透過合成方式訓練在實體世界運作的模型之前，還有很長的路要走。」如果晶片是第一個瓶頸，那麼能源就是緊隨其後的隱憂。DeSouza證實Google正認真探索在太空建立資料中心，以應對能源限制。

他指出：「你可以獲得更豐富的能源。」當然，即使在軌道上，這也並非易事。DeSouza觀察到太空是真空，因此消除了對流，只剩下輻射是將熱量散發到周圍環境的唯一方式（這比現今資料中心依賴的空氣和液體冷卻系統更慢且更難以工程化）。但該公司仍將其視為一條可行的途徑。

DeSouza提出的更深層論點，毫不意外地，是關於透過整合實現效率。他表示，Google共同設計其完整AI堆疊（從客製化TPU晶片到模型和代理人）的策略，在每瓦浮點運算次數（單位能源的計算量）方面帶來了顯著效益，這是購買現成組件的公司無法複製的。

他說：「在TPU上運行Gemini比任何其他配置都更節能」，因為晶片設計師在模型發布前就已了解其需求。Fouquet在討論後期也提出了類似的觀點。他說：「沒有什麼是無價的。」目前產業正處於一個奇特的時刻，在策略必要性的驅動下投入巨額資本。但更多的運算意味著更多的能源，而更多的能源是有代價的。

當業界其他公司仍在大型語言模型（LLM）典範內爭論規模、架構和推論效率時，Bodnia正在打造截然不同的東西。她的公司Logical Intelligence建立在所謂的能量基模型（EBMs）之上，這是一種AI，它不預測序列中的下一個token，而是試圖理解資料背後的規則，她認為這種方式更接近人類大腦的實際運作方式。

她說：「語言是我與你大腦之間的用戶介面。推理本身不依附於任何語言。」她最大的模型擁有2億個參數，相較於領先LLM的數千億個參數，她聲稱其運行速度快了數千倍。更重要的是，它被設計成能隨著資料變化而更新知識，而非需要從頭重新訓練。她認為，對於晶片設計、機器人技術以及其他需要系統掌握物理規則而非語言模式的領域，EBMs是更自然的選擇。

她說：「當你開車時，你並不是在任何語言中尋找模式。你環顧四周，理解周圍世界的規則，然後做出決定。」這是一個有趣的論點，鑑於AI領域已開始質疑單靠規模是否足夠，這個論點很可能在未來幾個月內吸引更多關注。Shevelenko在大部分對話中解釋了Perplexity如何從搜尋產品演變為現在稱為「數位工作者」的東西。

其最新產品Perplexity Computer，設計目的並非作為知識型工作者使用的工具，而是作為知識型工作者指揮的「員工」。他談到這個機會時說：「每天你醒來，團隊裡就有上百名員工。你會怎麼做才能充分利用他們？」這是一個引人注目的提案；它也引發了關於控制權的明顯問題，所以我提出了這些問題。

他的答案是：細緻度（granularity）。企業管理員不僅可以指定代理人可以存取哪些連接器和工具，還可以指定這些權限是唯讀還是讀寫，當代理人在企業系統內部運作時，這是一個極其重要的區別。當Perplexity的電腦使用代理人Comet代表用戶執行操作時，它會先提出計畫並請求批准。

Shevelenko表示，有些用戶覺得這種摩擦很煩人，但他認為這至關重要，尤其是在加入Lazard董事會後，他發現自己出乎意料地同情一位保護一個完全建立在客戶信任基礎上的180年老品牌的資訊安全長（CISO）的保守本能。他說：「細緻度是良好安全衛生習慣的基石。」

Younis提出了小組討論中最具地緣政治色彩的觀察，即實體AI與國家主權的糾葛程度是純數位AI從未有過的。網際網路最初作為美國技術傳播，僅在應用層面（如Uber和DoorDash）因線下影響顯現而面臨阻力。實體AI則不同。自動駕駛車輛、國防無人機、採礦設備、農業機械，這些在現實世界中的表現方式是政府無法忽視的，引發了關於安全、資料收集以及最終由誰控制在國家邊界內運作的系統等問題。

他說：「幾乎所有國家都一致表示：我們不希望這種實體形式的智慧在我們的邊界內，卻受其他國家控制。」他告訴聽眾，目前能部署機器人計程車的國家比擁有核武器的國家還要少。Fouquet則從略微不同的角度闡述。中國的AI進展是真實的，DeepSeek今年稍早的發布在產業部分領域引起了近乎恐慌，但這種進展受限於模型層之下。

如果無法取得EUV光刻技術，中國晶片製造商就無法生產最先進的半導體，而建立在舊硬體上的模型，無論軟體多麼優秀，都會面臨複合式的劣勢。Fouquet說：「如今，在美國，你有資料、你有運算資源、你有晶片、你有頂尖人才。中國在堆疊頂層做得很好，但在底層缺乏一些要素。」

在小組討論接近尾聲時，觀眾中有人提出了那個顯而易見卻令人不安的問題：這一切是否會影響下一代的批判性思考能力？答案是樂觀的，正如你所預期，這些人將自己的職業生涯押注在這項技術上。DeSouza立即指出，更強大的工具最終可能讓人類解決大規模問題。

例如我們尚不了解其生物機制的神經系統疾病、溫室氣體清除，以及數十年來一直被擱置的電網基礎設施。他說：「這應該會將我們帶到下一個層次的創造力。」Shevelenko提出了一個更務實的觀點：入門級工作可能正在消失，但獨立創業的能力從未如此容易。

「對於任何擁有Perplexity Computer的人來說……限制是你的好奇心和自主性。」Younis則對知識型工作和體力勞動做了最鮮明的區分。他指出，美國農民的平均年齡為58歲，而採礦、長途貨運和農業領域的勞動力短缺是長期且日益嚴重的，這並非因為工資過低，而是因為人們不願意從事這些工作。

在這些領域，實體AI並非取代願意工作的勞工，而是在填補一個已經存在且只會日益加深的空缺。