| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

溫哥華資訊

溫哥華地產

溫哥華教育

溫哥華財稅

新移民/招聘

黃頁/二手

旅游

馬斯克: 算力超地球只需要5年 馬斯克花了3個小時講太空AI


請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
長期領先的一方,往往會出現自滿情緒,降低努力程度;這在職業體育和產業競爭中屢見不鮮。我的觀察是,中國整體的工作投入水平,至少不低於美國,甚至可能更高。


即便通過組織優化、教育升級等方式重排人力資源,美國在人力總量上的劣勢仍然無法彌補。

即使假設生產力提升帶來四倍杠杆,這一假設本身也過於樂觀,現實中可能遠低於這一水平。中國在“人均產出”層面,並不一定處於劣勢。


這意味著,在傳統的人力競爭框架下,美國處於結構性劣勢。

人口結構進一步放大了這一差距。美國出生率自1971 年起長期低於替代水平,退休人口持續增加,死亡人數正接近甚至超過出生人數。從長期趨勢看,美國的人力供給正在收縮,而不是擴張。

因此,美國無法在人類勞動力這條戰線上取勝。

但在另一條戰線上,仍然存在機會,那就是機器人。

這正是人形機器人(如Optimus)的戰略意義所在。過去,有大量事情在技術上可行,但因過於勞動密集或成本過高而無法實施。

現在,這一約束正在發生變化。機器人意味著,可以重新審視那些曾被放棄的制造和基礎設施項目。

特斯拉已經開始在這一方向上布局。在德克薩斯州科珀斯克裡斯蒂,我們已建成並投產鋰精煉廠,這是美國最大的鋰精煉設施,也是中國以外規模最大的之一。

在德州,還建設了鎳與陰極材料精煉設施,這也是美國目前規模最大的陰極精煉廠。

這些項目的共同前提,是高度自動化。

如果依賴人力,美國很難大規模復制這樣的精煉能力。一方面,這類工作勞動強度高、環境復雜;另一方面,現實是,很少有美國人願意長期從事精煉工作。

機器人改變了這一約束。通過Optimus,可以擴建更多精煉廠,提高美國在關鍵材料上的自給能力,而不必依賴有限的人力供給。

這引出了一個更根本的問題:為什麼現在依賴機器人,而不是過去?

答案在於規模約束。美國只有中國約四分之一的人口。如果讓人去做這些事,就意味著無法同時完成其他關鍵任務。機器人提供的是一種“並行擴展”的能力,而不是人力替代。


將視角放到全球,這一差距更加明顯。比亞迪正在逼近特斯拉的產量和銷量規模。隨著中國產能持續增長,全球制造格局正在重塑。

這種競爭力並非偶然,而是源自極其深厚的基礎能力。中國的精煉產能約為世界其他地區總和的兩倍。

從能源、采礦到精煉,再到四級、一級供應鏈,幾乎所有基礎環節都具備規模優勢。任何復雜產品,最終都會包含中國制造或中國精煉的成分。

能源數據進一步印證了這一點。今年中國的發電量預計將超過美國的三倍。電力是實體經濟的底層指標:工廠運轉、基礎設施建設、制造活動,都依賴電力。如果電力規模是三倍,工業潛力也大致在這一量級。

在沒有人形機器人帶來“遞歸式生產力躍遷”的前提下,像中國這樣擁有完整制造、能源和原材料體系的國家,在 AI、電動車以及機器人本身的規模化制造上,都將占據主導地位。


一個可能的分工正在浮現:美國負責突破性創新,而中國主導規模化制造。

那麼,美國的路徑在哪裡?

答案並不在於正面對抗規模,而在於持續成為突破性創新的源頭。

而最終的突破性願景,指向更遠的空間。如果要在太空中擴展AI,需要的是現實世界 AI、人形機器人,以及百萬噸級的太空基礎設施。那將是一個完全不同數量級的系統工程。

如果有一天,月球質量驅動器能夠運行,能源、材料和擴展性問題將被根本性改寫。到那一步,競爭邏輯本身都會發生變化。

如果能走到那裡,我會認為,這就是勝利。

/ 04 /

機器人自我復制能力,才是勝利的關鍵

美國如果想像中國一樣,實現人形機器人的大規模、低成本制造,必須正面解決兩個根本問題:現實世界智能,以及可規模化的制造體系。

先看硬件本身。
點個贊吧!您的鼓勵讓我們進步     還沒人說話啊,我想來說幾句
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0426 秒 and 3 DB Queries in 0.0011 秒