从硅谷投资人的视角望出去浙江泡沫板专用胶价格，AI 的叙事正在悄然换轨。
在这个新旧周期交替的关键节点，Fusion Fund 创始伙人张璐带来了她线的判断：
过去两年，行业所有的目光都聚焦在模型和力上，但真正的战场，正在向基础设施的"通信层"和物理世界的"数据层"转移。
在本次 2026 AIGC 产业峰会上，她将这轮 AI 叙事的转向说得很直白——
理将越训练，成为力消耗的新主角；而数据中心里那个鲜少被提及的通信环节，其耗电量可能是计本身的百倍以上。
至于下个真正值得押注的向，在她看来，并非大的模型，而是真实、质量的数据，以及医疗、太空、纳米机器人这三个 AI 应用向。
为了完整体现张璐的思考，在不改变原意的基础上，量子位对演讲内容进行了翻译和编辑整理，希望能给你带来多启发。
AIGC2026 是由量子位主办的行业峰会，近 20 位产业代表与会讨论。线下参会观众千人，线上直播观众近 400 万，获得了主流媒体的广泛关注与报道。
核心观点梳理
力需求的重心正在从训练转向理：训练是次的力投入，理才是可持续的长期需求；随着智能体交互替代对话交互，理力的比重将从现在的 50 继续攀升，成为 AI 基础设施核心的优化向；
数据中心的真正电老虎是通信：在 AI 数据中心内，通信消耗的电量可能比计本身出百倍，这意味着光学通信等新代通信技术的价值，远比通常认知的为关键；
物理 AI 现在卡在数据层：架构和力都已具备，真正的瓶颈是缺乏足够质量的真实世界数据；成数据可以作为补充，但法替代边缘场景中的真实采集；
数据的质量比数量重要，而医疗恰恰是质量数据密度的行业之：这是大量 AI 科技公司在 2025 年集中入局医疗赛道的底层逻辑，而不只是因为它市场够大；
技术创新只是起点，产业整速度才是 AI 落地的真正竞争力：当 500 强企业的 AI 预从千万跃升至数十亿，采购周期从半年压缩到两个月，这种加速度本身就是模型和应用持续迭代的燃料。
以下为张璐演讲原文：
AI 叙事的新拐点
大好，我是张璐，我是硅谷 Fusion Fund 的创始和管理伙人。
在过去的十到十年的时间里，我们直注北美市场早期科技公司的投资，尤其注在三个域——企业人工智能、医疗 AI 以及工业自动化。
过去两年，大可能都关注到了，硅谷经历了快速迭代的创新周期，尤其是以人工智能为驱动的快速的产业创新以及产业植入的进程。
所以我们在过去这两年非常辛苦，但也非常兴奋，看到了很多杰出的企业、创业者快速地成长起来，也看到了产业中从人工智能、基础设施，再到人工智能的应用层面上多重创新的开展和发展。
到今年，我觉得已经进入到了个新时期，可以看到人工智能在整体的叙事上、创新的注层面上，有了些新变化。
所以今天也非常兴有机会和大分享，过去年我们看到的硅谷新兴的人工智能创新风向的变化，以及些新的动态。
过去几年，我们在聊到人工智能创新的时候，有几个关键词反复出现，比如大语言模型、生成式 AI、训练、力需求等等。
但近这段时间，我们看到在语境层面上也有些新的转向，比如，不只是在讨论大语言模型，现在多在讨论行业属应用，基于的是小语言模型怎么样可以通过加低成本、的式，去进行产业垂直人工智能的植入，另外也是模型对象的转变。
从语言模型，现在多讨论的是物理 AI，还有世界模型的调整。
同时在计层面，我们也经常讲到人工智能的力需求非常巨大，以前力的大量消耗可能是在训练端。
但过去这段时间，大多讨论的是理对于力的需求会越来越大，甚至过训练，成为长期可持续的力需求。
在根本层面上，我们也能看到有越来越多对于数据的讨论，从早我们经常讲规模定律（Scaling Law）， 认为有越多的数据意味着可以去训练出好的人工智能模型。
到现在大多关注数据的质量——怎么样可以拿到质量的行业数据？怎么可以通过质量的行业数据去做好的数据库？我们称之为数据理（data curation）， 还有数据图书馆（data library）。
再基于这些数据的质量去优化人工智能，论是模型能力，还是在应用能力上进行迭代。
重新定义 AI 基础设施
今天也想根据这些不同的向，跟大快速分享几个我们非常看好、而且现在正快速发展的人工智能域。
先要跟大分享和聊到的就是人工智能基础设施。
如果大有关注英伟达 3 月的 GTC 大会，也能看到英伟达的叙事在改变，以前讲的是 GPU 芯片企业，到现在黄仁勋已经非常明确——
英伟达是个人工智能基础设施公司，个人工智能工厂。
从 Token 经济学来看，未来对人工智能基础设施的需求，可能就像对电力的需求样常见，这是场非常巨大的基础层的产业革命。
所以我们看到，对于人工智能基础设施的创新需求非常。人工智能现在进入了产业部署阶段，大规模的产业部署也需要非常的人工智能基础设施来辅助和支持。
现在有大量新建的人工智能数据中心，它们面临很多挑战，比如电力的消耗、通信层面上的能量消耗，还有各种各样技术问题。
所以怎么样在这个层面上进行多的技术创新，也带来了很多的创新机会，其中我们聊得比较多的，就是基础设施本身的力优化。
我刚才提到，核心的力变化在于——以前力关注多的是训练本身，但现在我们看到个非常清晰的转变：训练多是次的力投入，但是理是可持续的力需求。
几年前，这两个层面上对力的需求——训练的力需求占到 70 以上，理可能只有 20 到 30，现在理已经占到了半，在未来可能会变成30:70（训练 : 理）。
尤其我们现在已经到了新的转变阶段，即从聊天对话这种交互式，到现在智能体的交互。如果你有个智能体，你是不是希望这个智能体直在线，直响应你？
这个过程中对于理的需求就加具有可持续，然后也加大量，这个过程中理所消耗的力也为核心。
因此，怎样进行理的优化？怎样进行理力的优化？是未来人工智能基础设施要去解决的核心问题之。
我们刚才主要注的是说计这部分的力浙江泡沫板专用胶价格，在人工智能基础设施层面上大探讨的，多是在计过程中消耗了多大的能量。
现在全世界都在讨论，人工智能的核心发展瓶颈之就是耗电量，但是在计之后，下步是什么呢？是通信（Communication）。
这个通信的过程中有通信能力的需求，有内部通信， 还有交换机（switch）的需求，在人工智能的数据中心里，通信环节整体的耗电量可能比计的耗电量要大几十倍甚至上百倍。
我去年有幸在斯坦福，和我们之前的老校长，也是谷歌的母公司 Alphabet 的董事会主席 John Hennessy 做过个对话，在对话中他门提到——
在通信的过程中所消耗的电量可能比计本身要过百倍以上。
CPU、GPU 的设计思路，其实是尽量在本地、在芯片本身做尽量多的计，而不是去进行多的传输，你可以把计到处部署，也可以把数据到处挪动，但是挪动数据的过程中它消耗的电量，比移动计本身的成本。
奥力斯 pvc管道管件胶批发 联系人：王经理 手机：15226765735（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
所以这也催生了很多新技术，它们所关注的正是通信的部分——怎么样可以有新代的通信技术？我们经常提到，现在有很多新创新是在光学通信层面上，去大规模降低通信过程中的能量消耗，这也是很关键的。
我们刚才也提到个转变，就是从语言模型→世界模型→物理 AI。
到物理 AI，我们所应用到的数据不只是文本数据，还有很多三维的数据、真实世界的数据，而这些数据的量也加巨大。
在这个过程中如果你再去到处传输数据，它对于能量的消耗也会加巨大。
这也是为什么我们在这个域会看到多创新。
物理 AI 的突围：边缘计与新型传感器
刚才我提到了好多次"物理 AI "。
物理 AI 现在也是个新兴发展的向，它不只是我们经常讲的人形机器人。
物理 AI， 它其实涉及到了仿真模拟（simulation），还有数据层、世界模型等域，这些都覆盖到物理世界和 AI 的交互。论是大可能关注比较多的人驾驶，还是工厂域精度生产的整体物理 AI 的投放和使用，还有医疗、物流供应链、太空行业等等，都在大规模应用物理 AI。
怎么样可以让物理世界和 AI 好地互动？这也是现在创新很重要的向。
我们看到很多创新其实聚焦在个是仿真模拟层，另个就是数据层。
现在对于物理 AI 来讲，大的个瓶颈，是我们的架构做好了，也有力，但现在缺的就是数据，现在大的瓶颈也是在数据。
我们没有足够质量的真实世界数据去支持物理 AI 的模型训练，当然这个过程中有很多人去聊个相关向，就是成数据。
成数据现在也是发展速度很快的个向，包括通过成数据再去看去支持仿真模拟， 但在这个过程中会发现，成数据其实存在很多弊端或者盲点。
所以，对真实世界中边缘场景、边缘数据的收集，还是非常关键的。
这也就意味着，我们不只是要去关注模型层的技术发展，要努力去投入新型的数据收集平台和数据优化平台的技术创新，这样才可以有好的数据库，去支持物理 AI 进步的发展。
既然物理 AI 现在核心的个痛点，保温护角专用胶就是它的数据层。那怎么样可以获得真实世界和工业界的质量数据？
这个时候你会发现，比如传统的制造生产行业，它其实产生了很多质量的真实三维数据，但是它的痛点在于，没有个非常好的数据收集平台去进行标准化的数据收集、数据优化和数据理（curation），让数据整体达到可以进行人工智能模型训练的阶段。
而在这个过程中，因为很多真实世界的需求，应用场景又对这样的数据收集平台的消耗，有着的限制。
所以怎样可以在边缘端好进行人工智能的部署，也是非常重要的个向。
在这里我提到个新的技术，就是我们看到了很多年直在发展的人工皮肤，它核心是柔电路，叫 Flexible Electronics。
△来自斯坦福大学官网
今年出现了很多这样的公司，其中做得好的研究之，是来自斯坦福大学鲍哲南教授的实验室，他们所做的人工皮肤的传感器，是款精度、低能耗的传感器，它可以薄到就像手套样，论是套在机械手上，或者套在人的手上，它的触觉有非常精度的传感点，这个触觉数据，就可以成为非常重要的数据来源，去支持物理世界。
△援引自科学院学部
在这个过程中，我们不只看到初创企业在做新型的数据收集平台。
我们在和些 500 强企业，尤其是些 500 强的制造龙头企业对话的时候，我发现他们自己内部也在做这面技术的探索，所以说大其实意识到了核心的瓶颈是在数据层，也有多的创新聚焦到数据这层。
我还想再强调点，就是边缘计。
边缘计未来的发展也会非常快，这个向对我们来说已经不是新向了，我们从 2018、2019 年就开始投资边缘计。
在过去两年，我觉得产业形成了个共识——人工智能发展的未来向是在边缘端的人工智能部署。
怎么样能够达到边缘端人工智能的部署？又回到我们刚才涉及到的问题，它需要的是个小模型。
比如说我们今年有公司刚被通收购，他们的模型就可以小到——不足 10 亿 token， 在这样的情况下，你可以在个 Raspberry Pi（树莓派）上面去运行这个小模型，它就可以有和 GPT-4 同等的人工智能能力。
包括前段时间，谷歌发布的些开源模型，也有些非常小的边缘模型，所以在边缘端的人工智能铺设非常重要。
而边缘端 AI 的铺设，再和新型的数据收集平台整到起，我们就可以在边缘端进行数据收集、本地化处理和本地化的人工智能的应用，所以对于监管行业，还有那些对数据隐私相对敏感的行业来说，都是非常好的发展向。
关注三个应用向：医疗、太空与比细胞还小的机器人
后，跟大讲几个我非常看好的具体人工智能应用向。
今年对于硅谷来讲是人工智能医疗域非常重要的年，在年初的时候，先是礼来（美国制药公司）和英伟达成了个10 亿美金的作。
△来自英伟达官网
他们的作不只是人工智能和医疗的结，他们也希望构建个人工智能 + 医疗 + 数据技术的生态，去帮助多的初创企业跟他们达成战略作，我们有好几公司跟他们在进行作。
包括在 1 月份，大可能有关注到，论是 ChatGPT 还是 Claude，都发布了针对医疗域应用的属产品，尤其是 Claude 做的 Claude for Health，其实是注底层的基础设施，在数据、隐私、安全，还有规层面上去帮助医疗域的服务提供商和医院等等，好地进行 AI 医疗的整。
前段时间，大概几周前，默克（美国的制药企业，世界上大的制药企业之）也和谷歌 Gemini 发布了非常重磅的战略作。所以我们会看到，很多人工智能的科技企业都在纷纷入局医疗域。
医疗域不只是美国市场大的市场之（美国 20 的 GDP 都在医疗域），重要的点，是我们刚才提到的很重要的个转变，或者说共识——大意识到数据的质量比数据的量重要。
哪个行业有海量的质量数据？其中个很重要的行业就是医疗域。
2017 年我们就开始发布 AI 医疗的报告，去年又做了个新版，可以看到很多新的进化。
到现在，我们会看到很多新型的 AI 医疗公司，它注的是个垂直域小模型。
比如说门针对细胞疗法做个垂直 AI 模型，针对 MRA（磁共振管造影）的测序数据门做个垂直模型，甚至还有些是针对特定的，比如说门针对帕金森、老年痴呆，去结各种各样的数据、生物信息学进行个化的诊断和疗。
这个过程中，不只是 AI 模型，还有包括机器人和物理 AI也在医疗域进行大规模的铺设。
这里我提到公司叫Medra， 也是我们去年刚投资的公司。
他们是斯坦福背景的团队，做了整套的物理 AI 系统，从 AI 层面上可以自己去理解怎么样进行生物医疗的实验设计，同时进行机械手臂、还有自动化机器人实验，到后整体去自动化整个生命科学，包括医疗域的科研过程。
几周前，他们刚刚在旧金山，开启了他们全球现在大的个全人物理 AI 机器人的实验室，现在正在昼夜不停进行各种各样的实验搭设。
这公司在早期的时候就和很多药厂作，所以现在我们去聊 AI 医疗，已经不是几年前单纯的问诊、医生辅助，现在已经涉及到了非常核心的个化疗部分。
个化疗也不只是我们之前可能看得比较多的症、心脑管，现在尤其是脑部，例如帕金森、老年痴呆、抑郁症，这些都可以和 AI、甚至物理 AI 进行度整。
另外个我个人非常看好的向就是——物理 AI 和太空科技的结，尤其是未来 3-5 年整个太空域的发展，太空经济学、太空生态、太空基础设施的崛起都会非常快速。
当然大现在都在关注马上要到来的 SpaceX 的 IPO，这也是非常强大的信号，会让大看到接下来的三五年整个太空经济的快速崛起，又因为太空生态的特殊，它就有的 AI 原生和机器人原生的特。
比如说我们会讲到太空基础设施的搭设，在这个过程中就会用到很多物理 AI， 还有机器人的创新应用，同时包括未来个很大的发展向，就是太空工厂。
当然你可以运送人上去太空工厂，但是可能好的选择是在短期内运送机器人上去。比如现在探月的任务，你会发现在人类进行登月的尝试之前，会部署很多的机器人和机械设备。
我们自己也有投资门做太空基础设施的公司，尤其是机器人层面上的应用，去进行这种能提升。
例如太空加油站，所有设备都已经做好了，而且在过去的这年时间就已经达到了上亿美元的订单收入。所以这个产业的快速迭代发展，也是个非常新兴的、迭代非常迅速的人工智能创新向。
后个向其实也跟医疗相关，但它需要定时间去成熟、但会让大觉得非常兴奋的向——
就是以小的维度去看机器人的发展，我们叫它微米机器人或者纳米机器人。
小的机器人可以进到人类的管里，比如说去清除栓；或者进步缩小到 DNA 别，去进行靶向药物递送，实现体内的疫隐形。
现在有越来越多的技术在这个向进行迭代，比如说进行栓清除的微米机器人，已经进入商业化应用的初始阶段。包括 DNA 引擎、Nanoswimmer（纳米机器人域的个细分形态，指会游泳的纳米机器人），还有靶向递药的这些纳米机器人的应用，在未来几年也会有很好的前景和快速的发展。
所以今天就和大快速地分享些在过去这年多的时间里，我们看到的些让人很兴奋的 AI 发展向。
现在整个生态也处在迭代期，还有很多新的模型架构在涌现。
当然这个过程中整个 AI 生态也面临很多挑战，但对于创业者来讲，挑战就意味着机会，所以我们会看到多优秀的创业者，跳到产业里去开展新向的探索。
作为投资人我们也非常幸福，我觉得现在对早期的 AI 的投资人来说，是很幸福的时刻，可以看到这么多的技术，不仅是处在创新的阶段，还处在产业快速迭代的时代。
后想跟大分享的就是，除了技术创新之外，现在重要的个时间节点，就是从今年开始我们会看到产业对于技术整的态度在快速变化。
我们看到大量 500 强企业在人工智能面的预，从几千万变到几亿，甚至变到了几十亿。从以前销售周期可能需要半年甚至长的时间，到现在个月、两个月的时间，这种产业的快速整才是人工智能技术能够快速发展的核心竞争力。
因为只有到达真实的应用场景，快速获得用户，或者说得到应用场景的反馈，获得质量的产业数据，才可以让我们的模型架构和应用不断迭代。
所以也非常期待接下来这年会有多新的创新出现，也欢迎大有时间可以多来硅谷，进行多技术层面上的交流，谢谢。
键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
千人线下参与、数百万观众在线观看的 AIGC 产业峰会实录来了！
近 20 位 AI 实战派如何看 Agent、多模态、应用、力 ... 全部干货，点击回顾 � �
键关注 � � 点亮星标
科技前沿进展每日见
相关词条:离心玻璃棉 塑料挤出机 钢绞线厂家 铝皮保温 pvc管道管件胶1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定浙江泡沫板专用胶价格，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。
