[加州] 硅谷大佬:機器人泡沫雪崩 人類正被強推入能源霸權
如果說對2026年的預測，我認為下壹批垂直行業將實現真正的大規模落地。今年我們已經看到，AI編程集中到少數幾家，醫療文書、法律服務也都開始向頭部玩家集中。我預計接下來會看到更多垂直領域完成這種整合。
Sarah Guo：我先回應壹下，再給你我的預測。現在投資圈對AI的整體情緒，是很多人開始焦慮自己投進去的資本規模，同時對采用節奏和技術路線存在不確定性，尤其是壹些並非基於第壹性原理的技術押注。疊加外生變量和噪音，大家會質疑采用速度。但說實話，從整體看，采用速度是驚人的，真正的討論應該是約束在哪裡。
Elad Gil：確實快得離譜，我都不明白大家為什麼還在爭論。
Sarah Guo：我剛看到壹份來自Ofqual的報告，講醫生對AI的采用情況。無論是醫療文書、臨床決策支持，比如Abridge、Open Evidence，還是通用模型，醫生群體整體都表現出極大的熱情。在所有專業性強、相對保守的行業中，醫生的這種采用意願非常具有代表性。這說明，只要技術能顯著改善工作方式，它就會迅速擴散到其他專業領域。
Elad Gil：這壹點其實被嚴重低估了。歷史上最慢采用新技術的群體——醫生、律師、部分會計人員——現在反而成了AI的快速采用者。這是合規導向的職業群體，過去幾乎不碰新技術，但現在轉變非常快，這壹點幾乎沒人認真討論。
Sarah Guo：而且這種趨勢會繼續。大量職業本身就依賴對非結構化數據的理解和推理。如果哪壹季度NVIDIA沒有大幅超預期，市場可能就會恐慌，但這和AI帶來的長期結構性變化關系不大。
機器人拐點之爭Elad Gil：我覺得第叁個重要方向是：下壹代基礎模型會出現。但我說的不是Neo Labs或下壹代LLMs——那些當然也會發生。我指的是用於物理、材料科學、數學進展的模型。接下來很可能會出現壹兩個案例，在某個具體問題上效果極好：比如發明壹種新材料，或者證明某個數學猜想之類的成果。隨後，這些成果會被迅速推入過度誇大的炒作周期——“它將徹底改變整個物理科學”。這些單點突破會被嚴重高估。但從長期看，真正的趨勢反而會被低估，而它最終會變得極其重要。所以這是我對明年的另壹個預測：科學領域會出現幾次軼事式的突破，讓人覺得“科學已經被解決了”，然後大家會意識到科學並沒有被解決；再往後，科學真的會被解決。
Sarah Guo：我有叁個快速預測。第壹個是，明年壹批機器人公司會經歷情緒層面的崩塌。這不是因為機器人這個領域不再前進，而是因為人們開始對時間表進行預期，而並不是所有公司都能按這些時間表交付。
Elad Gil：那你的時間表是什麼？
Sarah Guo：我認為，明年我們會看到人形和半人形機器人在消費或工業環境中進行小規模部署，而且壹定會有很多地方做得不完美。目前整個人形機器人領域處在高度炒作周期中，只要有壹個環節沒有完美運行——而這幾乎是必然的——市場情緒就會迅速崩潰，投資人之間也會出現明顯分化。
Elad Gil：如果看當下，兩個最大的贏家其實是Waymo和Tesla，它們都是既有巨頭。Waymo背後是Google，Tesla就是Tesla。我很好奇機器人領域最終會怎樣。在我看來，Optimus或者某種形式的Tesla機器人，很可能會成為贏家之壹，概率非常高。接下來問題是，Waymo會不會把自動駕駛中積累的能力遷移到機器人上？因為這兩者之間存在不少相似的問題。
另外，贏家會是其他大型工業公司，還是初創公司？在壹個既需要大量資本，又高度依賴硬件和制造能力的領域，結構上往往更有利於既有巨頭，這壹點在自動駕駛中已經體現得很明顯。自動駕駛的另壹些贏家其實是中國公司——中國車企雖然無法進入美國市場，但它們很可能也會在機器人領域占據重要位置。全球范圍內最有可能的機器人贏家，可能是中國的壹部分公司、Tesla，再加上某個其他玩家，或許是壹家初創公司。
Sarah Guo：我基本同意，但那更像是在說，從純概率上看，大多數行業裡既有巨頭比初創公司更容易贏。我不太確定是不是壹定如此。
Elad Gil：我倒不完全同意。我認為有些行業天然更適合初創公司，有些行業則更適合既有巨頭。這取決於市場結構、資本需求、專業能力以及供應鏈復雜度。確實存在壹些市場，結構性地更有利於既有公司，它們不壹定每次都贏，但通常會贏；也有壹些市場，初創公司會表現得更好。
Sarah Guo：當然，我同意不同市場的結構深度不同。但如果你把自動駕駛汽車看作壹種非常復雜、但高度單壹用途的機器人，它本質上主要是在做運動控制。它確實還做了很多預測、防御等復雜任務，但歸根結底是單壹用途。
[物價飛漲的時候 這樣省錢購物很爽]
還沒人說話啊，我想來說幾句
Sarah Guo：我先回應壹下，再給你我的預測。現在投資圈對AI的整體情緒，是很多人開始焦慮自己投進去的資本規模，同時對采用節奏和技術路線存在不確定性，尤其是壹些並非基於第壹性原理的技術押注。疊加外生變量和噪音，大家會質疑采用速度。但說實話，從整體看，采用速度是驚人的，真正的討論應該是約束在哪裡。
Elad Gil：確實快得離譜，我都不明白大家為什麼還在爭論。
Sarah Guo：我剛看到壹份來自Ofqual的報告，講醫生對AI的采用情況。無論是醫療文書、臨床決策支持，比如Abridge、Open Evidence，還是通用模型，醫生群體整體都表現出極大的熱情。在所有專業性強、相對保守的行業中，醫生的這種采用意願非常具有代表性。這說明，只要技術能顯著改善工作方式，它就會迅速擴散到其他專業領域。
Elad Gil：這壹點其實被嚴重低估了。歷史上最慢采用新技術的群體——醫生、律師、部分會計人員——現在反而成了AI的快速采用者。這是合規導向的職業群體，過去幾乎不碰新技術，但現在轉變非常快，這壹點幾乎沒人認真討論。
Sarah Guo：而且這種趨勢會繼續。大量職業本身就依賴對非結構化數據的理解和推理。如果哪壹季度NVIDIA沒有大幅超預期，市場可能就會恐慌，但這和AI帶來的長期結構性變化關系不大。
機器人拐點之爭Elad Gil：我覺得第叁個重要方向是：下壹代基礎模型會出現。但我說的不是Neo Labs或下壹代LLMs——那些當然也會發生。我指的是用於物理、材料科學、數學進展的模型。接下來很可能會出現壹兩個案例，在某個具體問題上效果極好：比如發明壹種新材料，或者證明某個數學猜想之類的成果。隨後，這些成果會被迅速推入過度誇大的炒作周期——“它將徹底改變整個物理科學”。這些單點突破會被嚴重高估。但從長期看，真正的趨勢反而會被低估，而它最終會變得極其重要。所以這是我對明年的另壹個預測：科學領域會出現幾次軼事式的突破，讓人覺得“科學已經被解決了”，然後大家會意識到科學並沒有被解決；再往後，科學真的會被解決。
Sarah Guo：我有叁個快速預測。第壹個是，明年壹批機器人公司會經歷情緒層面的崩塌。這不是因為機器人這個領域不再前進，而是因為人們開始對時間表進行預期，而並不是所有公司都能按這些時間表交付。
Elad Gil：那你的時間表是什麼？
Sarah Guo：我認為，明年我們會看到人形和半人形機器人在消費或工業環境中進行小規模部署，而且壹定會有很多地方做得不完美。目前整個人形機器人領域處在高度炒作周期中，只要有壹個環節沒有完美運行——而這幾乎是必然的——市場情緒就會迅速崩潰，投資人之間也會出現明顯分化。
Elad Gil：如果看當下，兩個最大的贏家其實是Waymo和Tesla，它們都是既有巨頭。Waymo背後是Google，Tesla就是Tesla。我很好奇機器人領域最終會怎樣。在我看來，Optimus或者某種形式的Tesla機器人，很可能會成為贏家之壹，概率非常高。接下來問題是，Waymo會不會把自動駕駛中積累的能力遷移到機器人上？因為這兩者之間存在不少相似的問題。
另外，贏家會是其他大型工業公司，還是初創公司？在壹個既需要大量資本，又高度依賴硬件和制造能力的領域，結構上往往更有利於既有巨頭，這壹點在自動駕駛中已經體現得很明顯。自動駕駛的另壹些贏家其實是中國公司——中國車企雖然無法進入美國市場，但它們很可能也會在機器人領域占據重要位置。全球范圍內最有可能的機器人贏家，可能是中國的壹部分公司、Tesla，再加上某個其他玩家，或許是壹家初創公司。
Sarah Guo：我基本同意，但那更像是在說，從純概率上看，大多數行業裡既有巨頭比初創公司更容易贏。我不太確定是不是壹定如此。
Elad Gil：我倒不完全同意。我認為有些行業天然更適合初創公司，有些行業則更適合既有巨頭。這取決於市場結構、資本需求、專業能力以及供應鏈復雜度。確實存在壹些市場，結構性地更有利於既有公司，它們不壹定每次都贏，但通常會贏；也有壹些市場，初創公司會表現得更好。
Sarah Guo：當然，我同意不同市場的結構深度不同。但如果你把自動駕駛汽車看作壹種非常復雜、但高度單壹用途的機器人，它本質上主要是在做運動控制。它確實還做了很多預測、防御等復雜任務，但歸根結底是單壹用途。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: