撰稿 ：劉一鳴

編輯：陳茜 泓君

我們的三小時新年直播來啦，在這場硅谷一線的思辨中，我們邀請了六位跨越 AI、自動駕駛與美股投資的領(lǐng)軍人物，進(jìn)行了一場長達(dá)三小時的直播討論，聚焦聊聊2026年大家最關(guān)心的幾個科技賽道展望。這不只是一次預(yù)測，更是一場對“非共識”拆解。

核心洞察（Live Highlights）

• AI范式的“去中心化”：2025年的“DeepSeek Moment”標(biāo)志著大模型不再被五大廠壟斷。2026年，算力不再是唯一門檻，數(shù)據(jù)策展與系統(tǒng)級Scaling成為勝負(fù)手。
  

• “自研模型”vs“應(yīng)用優(yōu)先”的大廠博弈：Meta的路線之爭反映了科技巨頭的戰(zhàn)略分歧。在我們的討論中，張璐就認(rèn)為底層模型技術(shù)是AGI時代的“電力”，必須自主掌控以確保獨(dú)立性；Howie則主張模型保鮮期短，大廠應(yīng)發(fā)揮應(yīng)用層優(yōu)勢，而非深陷基建泥潭。
  

• 端到端（E2E）的降維打擊：舊金山停電事件中，特斯拉能夠正常運(yùn)營，而Waymo不知所措引發(fā)全城大擁堵，特斯拉的端到端方案優(yōu)勢顯現(xiàn)：在復(fù)雜的物理世界，基于規(guī)則的“有軌電車”方案正在面臨挑戰(zhàn)。
  

• 算力版圖的因子重構(gòu)：美股投資正從“純GPU信仰”轉(zhuǎn)向“ASIC效率”。谷歌TPU陣營與英偉達(dá)的對抗，本質(zhì)上是推理成本與通用性之間的博弈。

• 信仰高于估值：AI泡沫是否破裂，不取決于燒了多少錢，而取決于“模型智力每三個月翻倍”的信仰是否缺失。2026年，OpenAI與SpaceX的IPO將成為全球資本的試金石。
  

01

AI的2025與2026技術(shù)共識與非共識

主持人：陳茜（硅谷101聯(lián)合創(chuàng)始人）

嘉賓：

Howie Xu(硅谷徐老師）：資深硅谷技術(shù)高管、財富500強(qiáng)Gen首席AI創(chuàng)新官

張璐：Fusion Fund 創(chuàng)始合伙人

關(guān)鍵問題 1：2025年，哪個“非共識”事件最令行業(yè)震驚？

陳茜：

回顧2025，Meta的大規(guī)模裁員、重組以及核心人才的流失都非常drama。我之前完全沒想到Y(jié)ann LeCun的離開以及硅谷人才大戰(zhàn)能攪動到這個程度。兩位身處一線，有什么事件是超乎你們預(yù)期的？

張璐：

Meta的掉隊確實讓人意外。我在2023、2024年非?？春瞄_源生態(tài)，以為Meta能作為領(lǐng)軍人物把開源帶到一個新高度。但2025年最讓我驚喜的是大企業(yè)對于AI認(rèn)知轉(zhuǎn)向的速度。

在2024年大家還在討論Scaling Law是不是萬能鑰匙，但到了2025年，大家能意識到說Scaling Law它不是解決所有問題的萬能鑰匙。大家會更加實際和現(xiàn)實地去考慮說在行業(yè)落地的話，并不需要最貴最好的模型去解決所有問題，而是去關(guān)注一些小語言模型。

然后通過這樣的一個我之前聊過的這種“雞尾酒的方式”去進(jìn)行當(dāng)?shù)鼗奈⒄{(diào)，去進(jìn)行各種各樣，尤其是數(shù)據(jù)隱私監(jiān)管比較多的這些行業(yè)的垂直部署。我記得年初去達(dá)沃斯和JP Morgan醫(yī)療大會時，全球領(lǐng)袖和500強(qiáng)公司已經(jīng)不再問“要不要用 AI”，而是問“How and How much”——我們要撥多少預(yù)算？這種從“虛”到“實”的轉(zhuǎn)變極快。

即便2025年我們會覺得很忙、很累，但那是一種“打雞血”的狀態(tài)，不僅是單一的AI敘事，而是AI原生企業(yè)與AI賦能的各種產(chǎn)業(yè)（醫(yī)療、金融等）技術(shù)的一種疊加增長，包括太空科技、國防科技等等，這是一個非常讓人興奮的增長元年。

來源：IIm-stats

Howie：

我必須提“DeepSeek Moment”。其實24年它已經(jīng)顯現(xiàn)出功能了，但25年推理模型的爆發(fā)，徹底確認(rèn)了這是一個系統(tǒng)性的趨勢。 它的影響遠(yuǎn)超想象。年初大家覺得DeepSeek出來只是地緣政治或者英偉達(dá)股票跌個幾百Billion的事情，但一年走下來，你會發(fā)現(xiàn)它的影響是：做大模型不需要壟斷在5家大廠手里。除了OpenAI和Anthropic，那些出走的科學(xué)家做的New Lab（如SSI、Thinking Machines）都在發(fā)力。這意味著真正的研究可能正在發(fā)生在大廠之外，這些實驗室有希望做出OpenAI在2019年做過的那種從0到1的突破。

關(guān)鍵問題 2：Scaling Law到底有沒有撞墻？2026年會有“新神”出現(xiàn)嗎？

陳茜：

上半年大家都說Transformer“撞墻”了，甚至有人說Scaling Law已經(jīng)“撞墻”，結(jié)果谷歌Gemini新一代出來，大家又覺得Scaling Law還有戲。2026年我們會看到什么？

Howie：

我是堅定樂觀派，我覺得Scaling Law還非常強(qiáng)勁。很多人說數(shù)據(jù)用完了，那是胡扯。 數(shù)據(jù)不在于多，而在于怎么精心挑選。什么是好數(shù)據(jù)？什么數(shù)據(jù)該放多少比重？這上面有太多的Permutation（排列組合）。谷歌Gemini的突破不是因為網(wǎng)上數(shù)據(jù)多了，而是把數(shù)據(jù)整理、清洗、配比做到了極致。 算力也一樣。馬斯克在奧斯汀建了百萬張卡的集群，但“The devil is in the detail”（魔鬼在細(xì)節(jié)里）。你怎么連卡？怎么解決容錯、帶寬？如果若干年后我們回頭看，發(fā)現(xiàn)還有10倍的Scaling空間，我一點都不覺得奇怪。算法、算力、數(shù)據(jù)這三點上，現(xiàn)在還遠(yuǎn)遠(yuǎn)沒到終點。

張璐：

我同意Scaling Law成立，但它不再是唯一的增長路徑。2026年，競爭會從“單純堆數(shù)據(jù)”變成“系統(tǒng)級Scaling”。谷歌的優(yōu)勢在于它是一個“系統(tǒng)中心型”公司。它有DeepMind這種深厚的人才儲備，有幾年前就布局的新型架構(gòu)，還有真實世界的用戶反饋閉環(huán)。你看Gemini表現(xiàn)驚艷，其實是它把系統(tǒng)層面的優(yōu)化、數(shù)據(jù)質(zhì)量的閉環(huán)和產(chǎn)品反饋結(jié)合得最好。相比之下，那些純模型公司（Model-centric）在2026年會面臨更大的成本壓力，2026年我們會看到更多對過去“無腦堆數(shù)據(jù)”方式的修正。

關(guān)鍵問題 3：Meta的“生死大辯論”：是該死磕模型，還是回歸應(yīng)用？

陳茜：

這里有一個非常Drama的點。Meta最近花20-30億美金，僅僅用了十多天就完成了對中國團(tuán)隊Manus的收購。兩位對Meta在2026年的處境有一個非常精彩的辯論，咱們展開聊聊。

張璐：

我對Meta現(xiàn)在挺失望的。 原本Llama 3出來時非常驚艷，我們非常看好開源生態(tài)。但Llama 4出來后的表現(xiàn)和預(yù)期差很多，核心原因是他們內(nèi)部戰(zhàn)略調(diào)整，太早想去推產(chǎn)品端，導(dǎo)致忽略了推理（Reasoning）能力的深耕。

來源：Linkedin

雖然Manus團(tuán)隊執(zhí)行力很強(qiáng)，但我的疑問是：Meta現(xiàn)在最缺的是應(yīng)用能力還是模型能力？我個人覺得他更需要模型能力。如果你作為一個第一梯隊的巨頭，在模型表現(xiàn)上連前三都排不進(jìn)去，那是很痛苦的。但我認(rèn)為Meta必須死磕大模型。如果人工智能未來像“電力”一樣，你作為一個這么大體量的公司，如果“電力”不掌控在自己手里，那是非常危險的。尤其是Meta和Apple的關(guān)系一直很tricky，他一直想擺脫Apple，如果能通過AI一波趨勢獲得底層獨(dú)立性，那是他的機(jī)會。所以他哪怕試錯、哪怕由于戰(zhàn)略調(diào)整掉隊，他也得追回來，因為這是他的生存之本。

Howie：

我跟張璐的觀點完全相反！我覺得Meta沒事找事要去做大模型干嘛？我覺得他做應(yīng)用挺好的。作為一個世界級的公司，保留一定的研究能力沒問題，但我沒覺得他必須要做大模型。他去買OpenAI、買Anthropic的API不行嗎？

我不僅是對Meta失望，我對Microsoft和Apple也挺失望的。但我失望的點不在于他們沒做出模型，而在于他們沒把應(yīng)用做好。 你看模型的“保鮮期”太短了。你今天做到世界第一又怎樣？6個月打個瞌睡就掉到后面了。我不覺得這是一個“只爭朝夕”的事情。Meta就算2025年只做應(yīng)用，2026年看準(zhǔn)了再去買模型廠或者再投入，也來得及。我不覺得Miss一年就會死。

張璐：

你說他可以買模型，但到了他這個體量，誰會賣給他？而且如果你不掌握底層技術(shù)，你的商業(yè)安全感在哪里？硅谷這幾家公司，誰跟誰都不是緊密的合作伙伴。如果電力在別人手里，Meta 怎么保證自己長期的獨(dú)立性？這不僅僅是效率問題，更是生存的“底牌”問題。Meta 過去被蘋果的隱私政策搞得有多慘大家都有目共睹，他絕對不想在 AI 時代重道覆轍，被別人卡住脖子。

Howie：

現(xiàn)在的模型保鮮期短到什么程度？就像2013年小扎就對AI感興趣，但他沒急著在那時候就把所有身家壓上，而是先通過收購和外部合作。我覺得2026年甚至2027年再去看模型市場的格局也不晚，現(xiàn)在最重要的是讓用戶在Meta的產(chǎn)品里體驗到AI的好處，而不是非要糾結(jié)那個底層模型是不是自己訓(xùn)練的。即便他今天買不到，那也可以等市場成熟后再去布局，這種“追趕者”的策略在歷史上也是被證明有效的，沒必要在技術(shù)最動蕩、最燒錢的階段非要爭那個第一。

關(guān)鍵問題 4：2026年，AI應(yīng)用的“殺手锏”會出現(xiàn)在哪里？

陳茜：

很多人說2025年是AI應(yīng)用元年，但體感上似乎并沒有爆發(fā)？大家仍然都還在找那個“殺手锏”應(yīng)用。

張璐：

我其實很樂觀，我看到的是“水面之下”的波濤洶涌。比如我投的一個醫(yī)療科技項目，甚至給公司匯款是在圣誕節(jié)那天，我們說“創(chuàng)新從來不睡覺”。為什么大家現(xiàn)在對AI應(yīng)用的體感還不強(qiáng)？因為這波應(yīng)用爆發(fā)最猛烈的是在B端（企業(yè)級）。

我舉個最震撼的細(xì)節(jié)：摩根大通（JP Morgan）一家銀行今年的AI預(yù)算，比全球排名前十的剩下九家銀行加起來還要多。 這種投入規(guī)模帶來的ROI是極其驚人的。我們投的三家初創(chuàng)公司現(xiàn)在都在跟摩根大通合作，最快幾周就能跑通POC（概念驗證），幾個月就能簽下非常大的商業(yè)訂單。這在以前的SaaS時代是不可想象的，那時候一個訂單磨一年都很正常。所以2026年，大家會看到醫(yī)療、金融、保險行業(yè)的垂直Agent真正帶來營收級的爆發(fā)。

Howie：

我倒覺得我們要對“元年”這個詞保持理性。每一個技術(shù)時代的Killer App（殺手級應(yīng)用）通常都要等技術(shù)成熟幾年后才出現(xiàn)。你想想移動互聯(lián)網(wǎng)，iPhone是2007年出的，但I(xiàn)nstagram、Uber這種改變世界的應(yīng)用是哪年出的？是2010年甚至更晚。

目前我看到最硬核、最真正產(chǎn)生生產(chǎn)力溢價的應(yīng)用只有兩個：一個是Vibe Coding（AI 原生編程），不僅是程序員在用，甚至很多非技術(shù)背景的人現(xiàn)在也能通過Cursor或Claude Code做出復(fù)雜的產(chǎn)品，這就是目前唯一的“生產(chǎn)力紅利”。另一個我最近非常關(guān)注的是“Browser Use”或“AI 瀏覽器”，它直接改變了你與信息的交互方式。

來源：Google

但為什么現(xiàn)在很多創(chuàng)業(yè)公司覺得難？因為ChatGPT做得“Good Enough”（足夠好）了。它就像一頭大象，把很多Niche（利基市場）應(yīng)用的空間給踩扁了。如果你的應(yīng)用不能做到比ChatGPT自帶的功能好10倍，用戶就很難產(chǎn)生遷移成本2026年，我們期待的是那些能跳出“對話框”形態(tài)，真正進(jìn)入工作流、進(jìn)入硬件入口的應(yīng)用。

02

特斯拉FSD機(jī)器人及新一輪自動駕駛商業(yè)站

主持人：泓君（硅谷101創(chuàng)始人兼CEO）

嘉賓：

大衛(wèi)：惠爾智能CEO及創(chuàng)始人，《大小馬聊科技》主播

于振華：前特斯拉AI工程師

關(guān)鍵問題 5：舊金山大停電事件，為什么成了自動駕駛的技術(shù)分水嶺？

泓君：

前兩周舊金山停電，紅綠燈罷工。Waymo癱瘓在路口導(dǎo)致大擁堵，但特斯拉FSD卻能絲滑通過。這背后的技術(shù)鴻溝到底在哪？

大衛(wèi)：

當(dāng)時我驚呆了。Waymo雖然在舊金山跑了多年，但他是一個Rule-based（基于規(guī)則）的思維。 即便紅綠燈不亮，美國的交規(guī)其實也有路權(quán)定義（類似Stop標(biāo)志），但Waymo的規(guī)則庫里可能沒定義這一條，或者它不敢走。而特斯拉FSD根本不看這些硬規(guī)則，它學(xué)習(xí)的是人面對這種路況時的博弈行為——誰先來誰先走。特斯拉的邏輯是：只要路口沒障礙，我就按人的習(xí)慣走。這種端到端（E2E）的方案，在Corner Case（極端情況）面前展現(xiàn)了完全不同的生命力。

于振華：

這證明了Waymo不是“純智能”。 我在特斯拉工作的時候，Andrej Karpathy講過一個例子：路上如果有兩排違停車輛（Double Park），我們要寫一行代碼去定義它；后來發(fā)現(xiàn)如果出現(xiàn)了三排違停，難道再寫一行代碼叫Triple Park？ 這種基于規(guī)則的修補(bǔ)是無窮無盡的。特斯拉V14之所以強(qiáng)，是因為它已經(jīng)擺脫了這些代碼補(bǔ)丁。你如果用過V14，你會發(fā)現(xiàn)它處理路況非常從容、游刃有余。V14之后，輿論在反轉(zhuǎn)，因為產(chǎn)品真的好到了用戶不需要懂技術(shù)也能感受到“絲滑”。

關(guān)鍵問題 6：特斯拉算法領(lǐng)先的秘密：為什么其他廠商“抄作業(yè)”都很難？

泓君：

所以特斯拉領(lǐng)先的原因，是因為數(shù)據(jù)優(yōu)勢，還是算法優(yōu)勢？

于振華：

我認(rèn)為首先是算法領(lǐng)先。大家都說特斯拉有數(shù)據(jù)優(yōu)勢，但在算法沒有足夠好之前，談數(shù)據(jù)沒意義。2023年下半年推出V12到現(xiàn)在，還沒看到任何一個玩家在算法上接近特斯拉。

為什么別人做不出來？這里面有幾個非常硬核的原因。

第一是人才和土壤。特斯拉的AI團(tuán)隊非常特殊，他們很多是“土生土長”的 Builders，而不是那種頻繁跳槽的學(xué)術(shù)明星。比如現(xiàn)在的負(fù)責(zé)人Ashok Elluswamy，他是2014年第一個加入FSD團(tuán)隊的員工，經(jīng)歷了特斯拉自動駕駛最黑暗的時期，但他一直留到現(xiàn)在。這種Problem-driven（問題驅(qū)動） 的文化極其硬核，他們內(nèi)部從不搞PR，不愛造新名詞，就是每天盯著那幾千個Corner Case去死磕。對比之下，很多大廠喜歡招“學(xué)術(shù)明星”，這些人可能發(fā)論文很厲害，但在真正需要解決“三排違?！边@種物理世界的臟活累活時，往往缺乏耐心。

第二是置之死地而后生的勇氣。馬斯克當(dāng)年敢把激光雷達(dá)砍了，這就是斷了自己的退路。在特斯拉看來，如果你還留著激光雷達(dá)這個“拐棍”，你的軟件團(tuán)隊就永遠(yuǎn)會有依賴心理，永遠(yuǎn)無法壓榨純視覺（Vision-only）的極限。而國內(nèi)廠商比如華為、理想，包袱太重，他們既要做端到端，又舍不得放下規(guī)則派的那些補(bǔ)?。≧ule-based safety nets）。

這會導(dǎo)致整個系統(tǒng)邏輯極其沉重，這就是“小腳穿大鞋”：你由于代碼里堆了大量的補(bǔ)丁規(guī)則，導(dǎo)致你的代碼量極其龐大，這對算力的需求是呈幾何級增長的。在英偉達(dá)Orin這種算力有限的芯片上，你根本跑不動真正的端到端。

第三是算力，而這三點同時具備，目前只有特斯拉。

大衛(wèi)：

我非常同意。其實很多國內(nèi)車廠宣傳的“雙系統(tǒng)”、“慢思考”、“輕圖”……聽起來很高大上，其實反映的是“技術(shù)焦慮”。

特斯拉的端到端是一個黑盒，雖然沒法向你解釋每一行代碼在干嘛，但他通過“力大磚飛”的數(shù)據(jù)訓(xùn)練，讓系統(tǒng)具備了人類司機(jī)的下意識反應(yīng)。我舉個最直觀的例子：雨天剎車。

如果是規(guī)則派，你需要寫死：當(dāng)雨量傳感器到幾級、路面摩擦系數(shù)估算為多少時，剎車距離要增加多少。但物理世界的變量是無窮的。特斯拉的端到端模型學(xué)習(xí)的是：人在下雨天是怎么開車的。它不需要知道摩擦系數(shù)，它天然就知道在那種視覺環(huán)境下要提早減速、提早點剎。

這就是所謂的“智能密度”。規(guī)則派的系統(tǒng)就像一只蒼蠅的腦子，雖然反應(yīng)快，但只能處理幾條死規(guī)則；而特斯拉的端到端正在向人類大腦的密度靠攏。這種補(bǔ)丁疊補(bǔ)丁的“縫合怪”方案，是永遠(yuǎn)學(xué)不來這種靈性的。

關(guān)鍵問題 7：推理芯片：馬斯克的硬核硬件觀

泓君：

老于，對于你說的第三點算力，可不可以分享一下，你當(dāng)時參與開發(fā)特斯拉芯片的過程，以及芯片在特斯拉最終能做成端到端的這件事情上，貢獻(xiàn)有多大？

于振華：

我認(rèn)為硬件在整個戰(zhàn)略中占據(jù)了決定性的比重。我不拿特斯拉舉例，就看理想汽車的雙系統(tǒng)——他們試圖把大語言模型部署到車上，這其實是非常難的。在車端極其有限的算力下，要把大模型塞進(jìn)去，如果你只有軟件厲害但推理芯片跟不上，那就是“巧婦難為無米之炊”。無論你的算法多強(qiáng)，推不到車上也是白搭。

這就是為什么我覺得特斯拉非常有戰(zhàn)略眼光。從第三代、第四代 到第五代芯片，比如現(xiàn)在FSD V14在第四代芯片上跑得這么好，證明了這種提前布局的正確性。哪怕Dojo（訓(xùn)練芯片）項目失敗了，我認(rèn)為這也是一個很好的教訓(xùn)。甚至可以說，如果某天英偉達(dá)的迭代太慢，或者其通用設(shè)計偏離了特斯拉的需求，特斯拉卷土重來也是完全有可能的。你看今天大家贊揚(yáng)Google的Gemini，也是因為Google早就布局了TPU。如果比只是一個注重軟件、不注重硬件的決策者，你的路是走不了這么遠(yuǎn)、這么扎實的。

在歷史上，特斯拉的芯片設(shè)計主要分為兩條路線：一條是在車端運(yùn)行的推理芯片，另一條是用于訓(xùn)練的Dojo芯片，如今Dojo項目已經(jīng)被解散了。實話實說，在訓(xùn)練芯片這一塊，Dojo一直趕不上英偉達(dá)，所以它始終存在著被取消的風(fēng)險。我覺得今年馬斯克算是“壯士斷腕”，徹底把它停掉了。

目前，特斯拉用于端到端訓(xùn)練的芯片依然全部來自英偉達(dá)。大家都知道，黃仁勛曾公開贊揚(yáng)過馬斯克，他說世界上能建起這種計算集群、在這么短時間內(nèi)搞定水冷和供電、把xAI做成的人，只有馬斯克一個。雖然特斯拉車端不需要像xAI那么多GPU，但在我印象里，埃隆特別喜歡問團(tuán)隊：“我能夠幫你們解決什么問題？”如果團(tuán)隊說需要更多GPU，他就會義無反顧地給你上更多。這也是為什么記得在某幾個季度，特斯拉的運(yùn)營成本（Operation Cost）變得很大，就是因為買了非常多的GPU。

前五年我是在AI軟件團(tuán)隊，直接向Andrej Karpathy匯報；之后兩年我轉(zhuǎn)組到了奧斯汀，參與第四代芯片的研發(fā)。第五代設(shè)計主要是推理芯片，從算力上來講，我覺得馬斯克是想得比較遠(yuǎn)的。

這背后的核心邏輯叫做“軟硬件協(xié)同設(shè)計”（Co-design）。這其實并不新鮮，蘋果就是這么做的。為什么iPhone用起來這么絲滑？它在硬件指標(biāo)上并不是明顯領(lǐng)先，就是因為它是Co-design。但協(xié)同設(shè)計有個問題：如果是共同設(shè)計，只要你的軟件太爛，硬件就不會太好（笑）。因為作為硬件工程師，設(shè)計芯片最頭疼的并不是你讓我塞多少算力，而是“軟件上的需求是什么”。只有軟件部門能清晰無誤地告訴我未來3年、5年甚至6年的需求，我才能把事情做好。

你的需求來自于軟件。如果你的軟件是基于規(guī)則（Rule-based）的，那設(shè)計出來的芯片就是Rule-based的；如果軟件是端到端的，那芯片就是端到端的。既然是軟硬協(xié)同，就不能有“瘸腿”。這也是為什么特斯拉的推理硬件比別人好，核心因素就是這個問題。

當(dāng)然為什么Dojo失敗了呢？首先，訓(xùn)練芯片的復(fù)雜度確實要比推理芯片高非常多，難度極大。其次，我認(rèn)為還有一個問題，就是缺乏一種“置之死地而后生”的勇氣。在訓(xùn)練芯片上，因為有英偉達(dá)在這里，你天天可以買現(xiàn)成的。恰恰是因為缺少了這樣一股必須自己做的勇氣，導(dǎo)致大家到今天失敗了。所以，特斯拉現(xiàn)在就專注于做推理芯片。

Tesla Dojo 來源：Wiki

泓君：

第四代和第五代推理芯片的區(qū)別是什么？

于振華：

第四代芯片在設(shè)計時，端到端（End-to-End）技術(shù)還沒有出來。所以你可以任務(wù)第四代芯片是根據(jù)基于規(guī)則（Rule-based）的系統(tǒng)來設(shè)計的。但到了設(shè)計第五代芯片的時候，不僅已經(jīng)有了端到端技術(shù)，還出現(xiàn)了大語言模型（LLM）的應(yīng)用場景。

為什么我會提到這一點？說實話，我在奧斯汀的后兩年轉(zhuǎn)到硬件部門，很大一個原因是因為軟件那邊太累了，我想著轉(zhuǎn)過來就能“休息休息”。我工作了一年多，原來馬斯克是基本不來我們硬件這邊的，而以前在軟件那邊他是每周都盯著，但硬件他以前不管得那么緊。

所以，他在第五代芯片設(shè)計時就要求把這個因素考慮進(jìn)去。這塊芯片不只是為了特斯拉的自動駕駛，還要能承載大語言模型的計算需求。當(dāng)然這肯定不是終點，后面還有第六代、第七代等等。

其實如果只做推理，問題會簡單很多。比如最近英偉達(dá)收購了Grog，也是因為后者專注推理。在這個方面，特斯拉其實已經(jīng)根植了非常多年。稍微總結(jié)一下，還是那個核心邏輯——軟硬件協(xié)同（Co-design）：你要先有好的軟件，才能設(shè)計出好的硬件，再來跑更好的軟件。

關(guān)鍵問題 8：Robotaxi的商業(yè)化：特斯拉到底能多便宜？

泓君：

我們剛才聊了很多關(guān)于特斯拉的話題。在對話開始時我曾提到Waymo，它最近正在以1000億美元的估值尋求150億美元的融資。其實Waymo也有它的優(yōu)勢，首先它已經(jīng)真正去掉了司機(jī)。根據(jù)摩根士丹利的報告數(shù)據(jù)，雖然目前它的每英里運(yùn)營成本是1.43美元，相比之下特斯拉大約是0.81美元。但大摩預(yù)測，在新的一年里，隨著新車型的推出，Waymo的成本可能會大幅下降至0.99到1.08美元估值已經(jīng)千億美金了，但摩根大通說特斯拉的每英里運(yùn)營成本只有0.81區(qū)間。我知道二位都是特斯拉的股票持有者（這一點我們先做一個持倉披露確認(rèn)），如果單純從投資者角度來看，按目前這個估值，你們會投資Waymo嗎？

來源：TechCrunch

大衛(wèi)：

我就做保守性的投資，選擇孤注一擲地投給特斯拉。

因為我覺得剛才提到的那個運(yùn)營成本，無論Waymo降得有多低，真正到了量產(chǎn)層面，它的成本很難比特斯拉低太多，絕對值依然會特別高。

這里面還有一個關(guān)鍵因素是維護(hù)。你要運(yùn)營一個車隊，就涉及充電、各種傳感器的管理，以及應(yīng)對傳感器損壞等等。這算下來不是簡單的賬面數(shù)字，而是一個非常龐大的運(yùn)營盤子，舉個例子，在舊金山灣區(qū)的Waymo充電站，光是負(fù)責(zé)充電的小哥就雇了三個。那三個小哥坐在椅子上盯著這堆車，車來了就負(fù)責(zé)把電插上。它需要人，而特斯拉是不需要這個人的，比如Cybertruck其實已經(jīng)是無線充電了。

所以我想表達(dá)的是，對于這一類技術(shù)公司，我們看它賬面能否打平只是一方面，更要看車輛在整個生命周期內(nèi)能用多久。Waymo用的還不是固態(tài)激光雷達(dá)，而是機(jī)械光雷達(dá)。這個東西其實我們行業(yè)內(nèi)大家心里有數(shù)：機(jī)械雷達(dá)天天在那轉(zhuǎn)，到底能轉(zhuǎn)多久？兩年？差不多三年就不行了。

相比之下，特斯拉用的是攝像頭。所以如果我們把折舊還有均攤都算下來，其實兩者的差距還是蠻大的。所以我不會投資Waymo，而且我覺得1000億美元的估值實在太貴了。

于振華：

我覺得谷歌還是很不錯的。過去這一年，Gemini的表現(xiàn)真的很優(yōu)秀。但是，你看谷歌也沒有選擇“All-in”Waymo，對不對？它也只是領(lǐng)頭而已。

我之前也說過，Waymo這種基于規(guī)則（Rule-based）的自動駕駛路線，它其實不具備規(guī)模經(jīng)濟(jì)效應(yīng)。并不是說用戶增長了10倍，你的成本就能保持不動；相反，你的城堡可能也要隨之增長很多，因為你需要實打?qū)嵉厝ゲ渴疖囮?，對吧?/p>

這是兩個完全不同量級的競爭。即便特斯拉的技術(shù)路線和Waymo到最后都能實現(xiàn)無人駕駛，這依然是兩個量級的較量。

03

2026年美股

AI泡沫、芯片及黑天鵝

主持人：陳茜（硅谷101聯(lián)合創(chuàng)始人）

嘉賓：

Bruce Liu：美國濟(jì)容投資CEO兼CIO

Ren Yang：美國濟(jì)容投資聯(lián)合創(chuàng)始人

關(guān)鍵問題9：2025年的實戰(zhàn)反思：為什么有些“高質(zhì)量公司”在四季度啞火了？

陳茜：

2025年美股其實挺曲折。兩位在過去的一年里，有什么被市場教育的故事？

Bruce Liu：

2025年看似容易，實則曲折。我們最大的反思在于因子分化。

如果你看2025年全年的走勢，你會發(fā)現(xiàn)市場經(jīng)歷了幾個非常明顯的轉(zhuǎn)折點：2月、4月以及最重要的8月17號。在8月17號之前，市場的審美是非常整齊劃一的：追求高質(zhì)量（High Quality）、低波動的龍頭。但8月17號美聯(lián)儲表態(tài)后，情況變了。美聯(lián)儲傳達(dá)了一個非常明確的偏見（Bias）：我承認(rèn)通脹還是個問題，但我更要保增長。

這個表態(tài)直接導(dǎo)致了資金開始從那些估值已經(jīng)很高、增長非常確定的“高質(zhì)量公司”（比如英偉達(dá)、微軟）流出，轉(zhuǎn)而涌向那些高波動、低質(zhì)量甚至是所謂的“垃圾股”，當(dāng)然不是真垃圾，而是High Beta資產(chǎn)。市場開始博弈非AI的周期性行業(yè)，比如金融、房地產(chǎn)。這種因子的劇烈切換，讓我們意識到即便大的AI趨勢沒變，但資金流動的邏輯正在發(fā)生微妙的變化。

來源：Google

Ren Yang：

我被市場教育的地方是谷歌。我們內(nèi)部之前一直對谷歌持悲觀態(tài)度，認(rèn)為搜索是最容易被AI顛覆的陣地。但2025年谷歌通過Gemini的快速迭代和TPU的垂直整合優(yōu)勢，證明了市場是極其務(wù)實的。

谷歌的估值在短短幾個月內(nèi)從底部的14倍迅速拉到了接近30倍。這背后的邏輯是：只要你證明了你不僅有第一梯隊的模型能力，還有比英偉達(dá)GPU成本更低的推理設(shè)施（TPU），敘事就會瞬間反轉(zhuǎn)。2025年下半年，英偉達(dá)和谷歌、博通這幾家ASIC陣營的公司其實已經(jīng)拉開了差距，這就是市場在為“推理成本效率”定價。

關(guān)鍵問題 10：ASIC陣營vs英偉達(dá)：2026年的算力博弈

陳茜：

現(xiàn)在出現(xiàn)了英偉達(dá)GPU vs 谷歌TPU+博通ASIC的陣營分化。2026年，英偉達(dá)的護(hù)城河會松動嗎？

Ren Yang：

首先要明確，ASIC不是新東西，谷歌做TPU已經(jīng)十年了。在2026年，GPU依然會是主流，因為它具備無可比擬的通用性和CUDA龐大的生態(tài)，它是“全能冠軍”。

但是，當(dāng)模型廠商開始“站隊”時，格局會產(chǎn)生裂縫。目前的態(tài)勢是：谷歌Gemini深度綁定自己的TPU，OpenAI暫時還離不開英偉達(dá)。但如果你看邊際變化，如果你是一個開發(fā)者，你一定會去尋找更便宜、更高效的算力。這就是為什么博通和那些光通訊公司表現(xiàn)驚人。芯片設(shè)計本質(zhì)上是Code Design，周期很長。軟件是動態(tài)的，硬件是靜態(tài)的。如果你軟件算法在變，你就要靠GPU的靈活性；如果你的算法穩(wěn)定了（比如推理側(cè)），你一定會追求ASIC的成本優(yōu)勢。

來源：Google

Bruce Liu：

其實大家沒必要盯著英偉達(dá)一家。2025年下半年，存儲（Memory）和光通訊的邊際變化其實遠(yuǎn)大于GPU核心。

因為當(dāng)你要Scale out（橫向擴(kuò)展）一個十萬張、百萬張卡的集群時，最卡脖子的不再是單純的算力，而是帶寬。這就是為什么你會看到博通這種光通訊領(lǐng)域的巨頭在四季度漲得比英偉達(dá)還猛。2026年，我們的投資邏輯要從“買鏟子”轉(zhuǎn)向“買連接鏟子的那根管子”，尋找智能密度提升過程中最稀缺、最卡脖子的那個環(huán)節(jié)。

關(guān)鍵問題 11：AI泡沫vs信仰：我們會迎來2000年那樣的崩盤嗎？

陳茜：

現(xiàn)在大家都在談資本內(nèi)循環(huán)，談OpenAI 1.4萬億的超大規(guī)模CapEx。這個泡沫會在2026年破嗎？

Bruce Liu：

我常說一句話：錢是不值錢的，信仰才是值錢的。

我們常拿2014年的頁巖油泡沫做類比。當(dāng)時的頁巖油行業(yè)每年燒掉9000億美金，發(fā)了大量的垃圾債（High Yield Bonds），大家一直燒了5年錢。直到最后沙特發(fā)動價格戰(zhàn)讓油價跌破成本，大家才發(fā)現(xiàn)這門生意不掙錢，泡沫才破。

現(xiàn)在的AI行業(yè)，只要大家對“模型智力每三個月翻倍”的信仰還在，資金就不會斷流。而且現(xiàn)在的信貸周期才剛開始起來。銀行正通過私募股權(quán)（Private Equity）和影子銀行把錢源源不斷地搬進(jìn)數(shù)據(jù)中心。你看黑石（Blackstone）這種公司都在拼命買電、買地。所以我認(rèn)為2026年大概率還不是泡沫的終點，除非我們連續(xù)看到兩代模型能力原地踏步，那種“ROI長期不達(dá)標(biāo)”的恐懼才會真正刺破泡沫。

來源：Reuters

Ren Yang：

2026年的一個關(guān)鍵錨點是OpenAI的IPO。如果OpenAI能夠向市場證明它有類似iOS那樣的系統(tǒng)級入口地位，且具備極強(qiáng)的商業(yè)變現(xiàn)閉環(huán)，那么它的上市會極大地提振整個AI板塊的估值。但如果它只是一個會被不斷“商品化”的智力接口，那么它可能會變成一個巨大的“價值陷阱”，直接帶崩市場的中樞。

關(guān)鍵問題 12：2026年的宏觀風(fēng)險：誰是真正的黑天鵝？

陳茜：

特朗普2.0、地緣政治、美聯(lián)儲可能的新變化……哪一個是你們最擔(dān)心的？

Bruce Liu：

我不擔(dān)心AI本身，我擔(dān)心的是金融條件的突然緊縮。

真正的黑天鵝可能來自歐洲或日本。如果日本央行因為通脹壓力被迫激進(jìn)加息，直接抽走全球的廉價日元流動性（Carry Trade），或者特朗普的激進(jìn)財政政策導(dǎo)致市場不再支持美國政府發(fā)債（類似當(dāng)年英國的特拉斯危機(jī)），那么所有高估值資產(chǎn)都會瞬間遭遇滅頂之災(zāi)。

來源：Forbes

Ren Yang：

我們需要關(guān)注特朗普的“Affordability（可負(fù)擔(dān)性）”計劃。他提出的一季度900億美金的返稅政策，可能會極大地刺激美國的個人消費(fèi)。如果這導(dǎo)致通脹重新抬頭，而美聯(lián)儲又不敢激進(jìn)加息，那么我們可能會進(jìn)入一個非常復(fù)雜、多變的宏觀周期。在2026年，做投資一定要緊盯PMI數(shù)據(jù)和就業(yè)市場的邊際變化，這種非對稱性的風(fēng)險是市場目前沒有充分定價的。

04

2026

在非共識中尋找紅利

三小時的直播，我們從AI的智力邊界聊到了美股的流動性根源。在目前這個情緒與估值雙高的時刻，2026年，科技行業(yè)正從“幻覺”走向“實戰(zhàn)”。正像Bruce剛才說的，AI這列火車不僅不會停，甚至可能在2026年加速往前跑。

我們最期待的是2026年能看到真正的AI Killer App出現(xiàn)。目前Vibe Coding只是前菜，希望能看到更多能進(jìn)入真實工作流、改變普通人生活的產(chǎn)品，而不僅僅是大家都在調(diào)API。

而對于自動駕駛和機(jī)器人來說，2026年也將是一個大年。我們要在復(fù)雜的物理世界里，尋找那些真正具有“置之死地而后生”勇氣的團(tuán)隊。

最后送給投資者們兩句話：不要對抗美聯(lián)儲，也不要對抗技術(shù)進(jìn)步的信仰。在2026年，雖然風(fēng)險在增加，但對于那些能看清“智能密度”邏輯的投資者來說，非共識紅利依然存在。

2026年，這場萬億美金的豪賭才剛剛進(jìn)入中場。

硅谷101將不定期開啟直播，歡迎關(guān)注我們的Bilibili｜Youtube收看完整版

【視頻播放渠道】

國內(nèi)：B站｜騰訊｜視頻號｜西瓜｜頭條｜百家號｜36kr｜微博｜虎嗅

海外：Youtube

聯(lián)系我們：video@sv101.net