[加州] 硅谷大佬:机器人泡沫雪崩 人类正被强推入能源霸权
如果说对2026年的预测，我认为下一批垂直行业将实现真正的大规模落地。今年我们已经看到，AI编程集中到少数几家，医疗文书、法律服务也都开始向头部玩家集中。我预计接下来会看到更多垂直领域完成这种整合。
Sarah Guo：我先回应一下，再给你我的预测。现在投资圈对AI的整体情绪，是很多人开始焦虑自己投进去的资本规模，同时对采用节奏和技术路线存在不确定性，尤其是一些并非基于第一性原理的技术押注。叠加外生变量和噪音，大家会质疑采用速度。但说实话，从整体看，采用速度是惊人的，真正的讨论应该是约束在哪里。
Elad Gil：确实快得离谱，我都不明白大家为什么还在争论。
Sarah Guo：我刚看到一份来自Ofqual的报告，讲医生对AI的采用情况。无论是医疗文书、临床决策支持，比如Abridge、Open Evidence，还是通用模型，医生群体整体都表现出极大的热情。在所有专业性强、相对保守的行业中，医生的这种采用意愿非常具有代表性。这说明，只要技术能显着改善工作方式，它就会迅速扩散到其他专业领域。
Elad Gil：这一点其实被严重低估了。历史上最慢采用新技术的群体——医生、律师、部分会计人员——现在反而成了AI的快速采用者。这是合规导向的职业群体，过去几乎不碰新技术，但现在转变非常快，这一点几乎没人认真讨论。
Sarah Guo：而且这种趋势会继续。大量职业本身就依赖对非结构化数据的理解和推理。如果哪一季度NVIDIA没有大幅超预期，市场可能就会恐慌，但这和AI带来的长期结构性变化关系不大。
机器人拐点之争Elad Gil：我觉得第三个重要方向是：下一代基础模型会出现。但我说的不是Neo Labs或下一代LLMs——那些当然也会发生。我指的是用于物理、材料科学、数学进展的模型。接下来很可能会出现一两个案例，在某个具体问题上效果极好：比如发明一种新材料，或者证明某个数学猜想之类的成果。随后，这些成果会被迅速推入过度夸大的炒作周期——“它将彻底改变整个物理科学”。这些单点突破会被严重高估。但从长期看，真正的趋势反而会被低估，而它最终会变得极其重要。所以这是我对明年的另一个预测：科学领域会出现几次轶事式的突破，让人觉得“科学已经被解决了”，然后大家会意识到科学并没有被解决；再往后，科学真的会被解决。
Sarah Guo：我有三个快速预测。第一个是，明年一批机器人公司会经历情绪层面的崩塌。这不是因为机器人这个领域不再前进，而是因为人们开始对时间表进行预期，而并不是所有公司都能按这些时间表交付。
Elad Gil：那你的时间表是什么？
Sarah Guo：我认为，明年我们会看到人形和半人形机器人在消费或工业环境中进行小规模部署，而且一定会有很多地方做得不完美。目前整个人形机器人领域处在高度炒作周期中，只要有一个环节没有完美运行——而这几乎是必然的——市场情绪就会迅速崩溃，投资人之间也会出现明显分化。
Elad Gil：如果看当下，两个最大的赢家其实是Waymo和Tesla，它们都是既有巨头。Waymo背后是Google，Tesla就是Tesla。我很好奇机器人领域最终会怎样。在我看来，Optimus或者某种形式的Tesla机器人，很可能会成为赢家之一，概率非常高。接下来问题是，Waymo会不会把自动驾驶中积累的能力迁移到机器人上？因为这两者之间存在不少相似的问题。
另外，赢家会是其他大型工业公司，还是初创公司？在一个既需要大量资本，又高度依赖硬件和制造能力的领域，结构上往往更有利于既有巨头，这一点在自动驾驶中已经体现得很明显。自动驾驶的另一些赢家其实是中国公司——中国车企虽然无法进入美国市场，但它们很可能也会在机器人领域占据重要位置。全球范围内最有可能的机器人赢家，可能是中国的一部分公司、Tesla，再加上某个其他玩家，或许是一家初创公司。
Sarah Guo：我基本同意，但那更像是在说，从纯概率上看，大多数行业里既有巨头比初创公司更容易赢。我不太确定是不是一定如此。
Elad Gil：我倒不完全同意。我认为有些行业天然更适合初创公司，有些行业则更适合既有巨头。这取决于市场结构、资本需求、专业能力以及供应链复杂度。确实存在一些市场，结构性地更有利于既有公司，它们不一定每次都赢，但通常会赢；也有一些市场，初创公司会表现得更好。
Sarah Guo：当然，我同意不同市场的结构深度不同。但如果你把自动驾驶汽车看作一种非常复杂、但高度单一用途的机器人，它本质上主要是在做运动控制。它确实还做了很多预测、防御等复杂任务，但归根结底是单一用途。
[加西网正招聘多名全职sales 待遇优]
无评论不新闻，发表一下您的意见吧
Sarah Guo：我先回应一下，再给你我的预测。现在投资圈对AI的整体情绪，是很多人开始焦虑自己投进去的资本规模，同时对采用节奏和技术路线存在不确定性，尤其是一些并非基于第一性原理的技术押注。叠加外生变量和噪音，大家会质疑采用速度。但说实话，从整体看，采用速度是惊人的，真正的讨论应该是约束在哪里。
Elad Gil：确实快得离谱，我都不明白大家为什么还在争论。
Sarah Guo：我刚看到一份来自Ofqual的报告，讲医生对AI的采用情况。无论是医疗文书、临床决策支持，比如Abridge、Open Evidence，还是通用模型，医生群体整体都表现出极大的热情。在所有专业性强、相对保守的行业中，医生的这种采用意愿非常具有代表性。这说明，只要技术能显着改善工作方式，它就会迅速扩散到其他专业领域。
Elad Gil：这一点其实被严重低估了。历史上最慢采用新技术的群体——医生、律师、部分会计人员——现在反而成了AI的快速采用者。这是合规导向的职业群体，过去几乎不碰新技术，但现在转变非常快，这一点几乎没人认真讨论。
Sarah Guo：而且这种趋势会继续。大量职业本身就依赖对非结构化数据的理解和推理。如果哪一季度NVIDIA没有大幅超预期，市场可能就会恐慌，但这和AI带来的长期结构性变化关系不大。
机器人拐点之争Elad Gil：我觉得第三个重要方向是：下一代基础模型会出现。但我说的不是Neo Labs或下一代LLMs——那些当然也会发生。我指的是用于物理、材料科学、数学进展的模型。接下来很可能会出现一两个案例，在某个具体问题上效果极好：比如发明一种新材料，或者证明某个数学猜想之类的成果。随后，这些成果会被迅速推入过度夸大的炒作周期——“它将彻底改变整个物理科学”。这些单点突破会被严重高估。但从长期看，真正的趋势反而会被低估，而它最终会变得极其重要。所以这是我对明年的另一个预测：科学领域会出现几次轶事式的突破，让人觉得“科学已经被解决了”，然后大家会意识到科学并没有被解决；再往后，科学真的会被解决。
Sarah Guo：我有三个快速预测。第一个是，明年一批机器人公司会经历情绪层面的崩塌。这不是因为机器人这个领域不再前进，而是因为人们开始对时间表进行预期，而并不是所有公司都能按这些时间表交付。
Elad Gil：那你的时间表是什么？
Sarah Guo：我认为，明年我们会看到人形和半人形机器人在消费或工业环境中进行小规模部署，而且一定会有很多地方做得不完美。目前整个人形机器人领域处在高度炒作周期中，只要有一个环节没有完美运行——而这几乎是必然的——市场情绪就会迅速崩溃，投资人之间也会出现明显分化。
Elad Gil：如果看当下，两个最大的赢家其实是Waymo和Tesla，它们都是既有巨头。Waymo背后是Google，Tesla就是Tesla。我很好奇机器人领域最终会怎样。在我看来，Optimus或者某种形式的Tesla机器人，很可能会成为赢家之一，概率非常高。接下来问题是，Waymo会不会把自动驾驶中积累的能力迁移到机器人上？因为这两者之间存在不少相似的问题。
另外，赢家会是其他大型工业公司，还是初创公司？在一个既需要大量资本，又高度依赖硬件和制造能力的领域，结构上往往更有利于既有巨头，这一点在自动驾驶中已经体现得很明显。自动驾驶的另一些赢家其实是中国公司——中国车企虽然无法进入美国市场，但它们很可能也会在机器人领域占据重要位置。全球范围内最有可能的机器人赢家，可能是中国的一部分公司、Tesla，再加上某个其他玩家，或许是一家初创公司。
Sarah Guo：我基本同意，但那更像是在说，从纯概率上看，大多数行业里既有巨头比初创公司更容易赢。我不太确定是不是一定如此。
Elad Gil：我倒不完全同意。我认为有些行业天然更适合初创公司，有些行业则更适合既有巨头。这取决于市场结构、资本需求、专业能力以及供应链复杂度。确实存在一些市场，结构性地更有利于既有公司，它们不一定每次都赢，但通常会赢；也有一些市场，初创公司会表现得更好。
Sarah Guo：当然，我同意不同市场的结构深度不同。但如果你把自动驾驶汽车看作一种非常复杂、但高度单一用途的机器人，它本质上主要是在做运动控制。它确实还做了很多预测、防御等复杂任务，但归根结底是单一用途。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: