（本文作者为 智讯智库，钛媒体经授权发布）

文 | 智讯智库分析师 许倍

2026上半年的资本市场，大盘震荡之下，电力、芯片、IDC液冷等“AI基建”板块逆势走强，成为资金追逐的绝对主线。极高的估值溢价背后，存在一个被市场共同指认的产业真相：AI竞争正在加速进入“重工业时代”。

科技巨头们正在用实际行动印证这一转变：OpenAI深度参与的数据中心项目“星际之门”（Stargate），已被推向5000亿美元、10GW级别的空前体量；Meta（META.O）把Hyperion数据中心装进与Blue Owl（OWL.N）的合资结构，将企业内部沉重的资本开支转化为金融市场可定价持有的基建资产；Google（GOOGL.O）则将能源触角伸向先进核电，通过长期绑定清洁电力来保证算力产能的稳定性。

可以看到，巨头们不再只是买云、拼参数，而是在疯狂建机房、抢能源，“稳定、低成本、大规模地产出Token”成为新型产能指标，数据中心正在从后台IT成本中心变为能直接贡献利润的价值中心。

一轮史无前例的AI基建超级周期正在强势展开：Dell’Oro预测2029年全球数据中心资本开支将达1.2万亿美元[1]；哥伦比亚大学经济学家的测算更为惊人，仅美国在2026-2032年就可能需要高达8.2万亿美元的数据中心投资[2]。

面对这场万亿级别的产业重构与资本狂欢，本文试图穿透喧嚣，回答三个核心问题：科技巨头为何亲自下场搞基建？当AI蜕变为“数字重工业”，需要抢夺哪些重要“地盘”？在昂贵的基建账单背后，泡沫有多大，利润在哪里？

需要注意的是，本文并未对AI基建产业链各环节的收入弹性、成本结构和估值水平做完整测算，也不构成直接投资建议。文中提到的公司和案例，主要作为产业观察线索，用于说明AI竞争的结构性变化。本文核心观点主要有：

科技公司开始亲自下场打“地基”

无论在传统互联网还是AI时代，数据中心都是毫无疑问的重资产，但两者的商业内核已经完全不同。传统互联网的数据中心更像是存放和分发信息的“仓库”，作为后台底座支撑业务运转，而AI时代的超级集群却像一座座“数字钢厂”，有实实在在的生产活动，能够直接创造收益。

在这一逻辑下，Token正在成为数字时代的新型“钢铁”。过去，行业习惯将Token比作水电煤，但这并不精确。水电煤属于初级能源，钢铁则是消耗了煤炭、矿石与水资源后，被重工业体系冶炼出的“核心中间品”。Token也是如此——它是消耗了极端的电力负荷、高昂的GPU折旧与海量冷却资源后，被AI数据中心“冶炼”出来的标准基础材料，并被持续锻造为各类AI应用的核心产能。

如此，Token不仅是模型输入输出的最小计量单位，也成为衡量AI服务经济性的核心指标。随着B端API价格的持续下探，单位Token的成本直接左右着AI业务的毛利率，你很难靠购买别人的“高价钢材”，去打赢一场残酷的重工业价格战。于是，科技公司开始亲自下场打“地基”：一是把算力“建出来”，二是把算力“锁下来”。

把算力“建出来”

AI公司的第一类基建动作，是从“租用云算力”走向“直接参与算力建设”。

OpenAI的星际之门（Stargate）计划是最具标志性的案例。2025年1月，OpenAI联合甲骨文（ORCL.N）与软银集团（9984.T）在白宫共同宣布启动5000亿美元的AI基础设施项目[3]。随后，OpenAI又与甲骨文达成新协议，开发额外4.5GW的Stargate数据中心容量[4]。这个项目的意义不仅在于规模巨大，更在于它把“模型公司需要更多算力”转化成了一个横跨云服务、芯片、能源、资本和国家竞争叙事的超级基础设施平台。

不过，“星际之门”也暴露出AI基建扩张的核心矛盾：模型公司的收入增长很快，但算力需求的增长更快。尽管OpenAI的年化营收已达到百亿美元并继续上修预期，却接连甩出千亿级别的投资承诺，市场对此不无担忧。Sam Altman却回应称，若要实现AI的潜能，目前这些建设规划并不宽裕。

进入数字重工业的门票极其昂贵，刚在大模型上耗费巨额现金流的巨头们，想要开启算力基建，几乎都需要外部资金的支持。为此，Meta选择与Blue Owl成立合资公司，共同开发并持有Hyperion数据中心园区[5]。其本质是把AI数据中心从企业内部资本开支，转化为金融资本可以参与、定价、持有的基础设施资产。

xAI则代表另一种更激进的路径：用极限工程速度把算力先堆出来，因为交付速度本身就是强大竞争力。据官方披露，其Colossus训练超算在122天内建成，并迅速扩展到20万块H100 GPU的单一互联集群[6]。然而狂飙的工程建设，也迅速撞上了另一道重要约束——能源。Colossus在当地一家引发了围绕电力供应、空气污染和社区影响的争议，这个案例凸显出AI数据中心已经不再是传统意义的“IT项目”，更是一项需要同步解决电力接入、冷却资源、并网速度与环保许可的“重工业项目”。

当硅谷在狂拉金融杠杆、挑战工程与电力极限时，中国的AI基建则呈现另一种路径。

阿里巴巴（BABA.N/9988.HK）宣布，未来三年投入至少3800亿元人民币，用于云计算和AI基础设施建设，这一规模超过阿里过去十年在这方面的投入总和[7]。字节上个月也正考虑将2026年的资本支出提高至多达700亿美元，以扩建AI基础设施，而且这一数字还可能在2027年攀升至1000亿美元[8]。

与美国多方共建、资本堆砌的“单体超级项目”不同，中国路径的重心是依托云大厂与平台公司的既有业务底盘，在算力建设、国产芯片适配、模型服务和企业级AI场景落地之间形成长期闭环。

把算力“锁下来”

不是所有AI公司都会亲自建设数据中心，但几乎所有头部AI公司普遍通过长期合同、股权绑定和战略合作，提前锁定未来算力，AI公司的算力合同呈现出“长协化、多源化和资本化”的特征：长协化解决供给确定性，多源化降低单一供应链依赖，资本化则把未来算力需求变成今天可以写进估值模型的产能故事。

AI算力的交易模式，正在告别短周期、弹性化的“现货调用”时代，演变为类似重工业体系中的“长协订单”。

云厂商CoreWeave（CRWV.O）通过出租配备大量英伟达GPU 的数据中心赚取收入，其与OpenAI的协议在去年内多次扩展合同至价值总计约224亿美元，更关键的是，CoreWeave在原始协议中提到，将为OpenAI的模型训练与服务提供专属计算容量[9]。这意味着双方关系并非短期GPU租赁，而是围绕未来模型训练、推理和产品交付建立的大额、持续性算力供给安排。

Anthropic也与Amazon(AMZN.O)在今年扩大合作，Anthropic承诺未来十年在AWS（“Amazon Web Services”）技术上投入超过1000亿美元，并锁定最高5GW的Amazon Trainium算力容量，用于训练和部署Claude[10]。需要注意的是，这里的Trainium不是通用GPU，而是AWS为AI训练和推理设计的自研加速器，这意味着Anthropic可以将自身的模型底座嵌入Amazon的自研芯片与超级计算集群体系。

在英伟达GPU供给持续紧张、定价权高度集中的背景下，单一芯片架构意味着单一技术路径，单一云平台则意味着单一议价瓶颈。过去模型公司更多是在市场上买算力、租云资源；现在头部模型公司开始主动设计自己的算力组合：GPU、TPU、Trainium并用，Google、AWS等多家云平台并行。

Anthropic就是典型案例之一：它先是深度绑定Google，签下最高100万个TPU、超1GW的容量协议，接着联合Amazon，签下最高5GW的Trainium算力长协[11]。

对头部模型公司而言，算力多源化不只是供应链备份，更是争夺产业链中话语权的关键一步。但多源化不是简单的“多找几家供应商”，它非常考验模型公司的跨平台调度和系统工程能力，因为不同芯片和云平台背后，是不同的软件栈、训练框架和工程适配成本。

过去，模型公司融资更多讲参数规模、技术路线和应用想象力；现在，投资人更关心一个更现实的问题：未来几年的算力从哪里来？因此，AI公司的算力投入开始被明确写进IPO募资和外部融资。

MiniMax（0100.HK）招股文件显示，公司计划将募集资金中约50%的比例投向AI基础设施，主要包括购买第三方云计算、存储和网络能力[12]；智谱（02513.HK）募集资金净额中，约10%将用于持续优化MaaS平台（Model as a Service，“模型即服务”），包括提供最新基座模型，以及训练、推理工具和基础设施建设[13]。

即便是以低成本训练和高效率推理著称的模型公司，一旦进入更大规模的商业化阶段，也绕不开算力基础设施的扩张。据报道，DeepSeek完成超500亿融资的核心投入就是算力基建[14]。

MiniMax、智谱和DeepSeek共同指向一个变化：算力正在从研发预算变成估值叙事。资本市场愈发重视一家AI公司是否拥有稳定的算力来源、可控的单位Token成本，以及在高并发商业化场景下持续交付服务的能力。

当AI走向重工业之战，巨头们在抢哪些“地盘”？

AI的重工业之战是一场横跨芯片、存储、网络、互联、电力、散热等数个产业的系统工程竞赛，任何一环的掉队，都会影响全局进度。因此，真正决定长期胜负的，是谁能突破AI产能的底层约束——硬件、物理资源和资本。其中，硬件决定单位计算成本，物理资源决定算力能否稳定运行，资本决定扩张速度。科技巨头争夺的，正是这三块地盘。

抢硬件地盘：从GPU争夺，走向计算体系的竞争

抢AI硬件地盘的本质，是控制单位计算成本和供应链风险。

过去两年，GPU是AI产业最稀缺的生产资料。但当训练集群迈向万卡、十万卡规模后，竞争已经不只是“谁能买到更多GPU”，而是“谁能建立更可控的计算体系”。这套体系至少有三层：

第一层是芯片，决定基础算力。英伟达GPU仍是主流，但Google TPU、AWS Trainium、华为昇腾、百度昆仑芯等AI芯片都在加速推进，甚至模型公司也开始向这一环节前移，例如OpenAI已经发布了首款AI芯片[15]。

第二层是网络，决定集群效率。超级集群面临海量并发的通信损耗，行业正在构建“以AI为中心的网络”，用InfiniBand、Spectrum-X、NVLink以及800G/1.6T光模块等技术，提升GPU有效利用率，比如xAI Colossus就是使用英伟达的Spectrum-X以太网网络来训练Grok系列模型[16]。

第三层是超节点架构，决定规模化上限。当单卡性能逼近边界，科技公司开始通过“超节点架构”和全栈软硬件协同（如华为CloudMatrix、百度天池），将多组服务器机柜揉合成统一的超大计算单元，用系统工程突破算力密度的物理极限。

 抢物理地盘：从靠近用户到抢占能源，AI数据中心成为“重型能源基建”

如果硬件决定有没有算力，那么物理资源决定算力能不能真正实现。没有稳定电力、冷却系统、并网能力和合规许可，再昂贵的芯片也只是闲置资产。科技巨头抢物理地盘，本质上是在抢三件事：

第一，抢开机率，打破工程木桶效应。超级集群规模越大，越容易出现“木桶效应”：芯片到位但电力不足，机房建成但并网滞后，服务器上架但冷却资源受限，都会拖慢算力释放。xAI Colossus快速扩张引发争议的案例说明，AI基建不能只拼工程速度，还必须同步解决能源、并网、冷却、合规和社区约束。

第二，抢电力确定性，对冲底层断供风险。AI训练和推理是持续高负荷生产，科技巨头开始亲自组织新的电力能源。Microsoft（MSFT.O）推动核电机组重启，Google与Kairos Power合作签署先进核能协议，Amazon围绕核电资源锁定数据中心供电，本质都是把外部不确定的电力资源采购，变成内部算力产能规划的一部分。

第三，抢能源成本曲线，守卫推理毛利率。AI推理是高频、持续、价格敏感的商业化交付，当API价格下降、调用量上升时，电力、冷却的利用率就会直接影响单位token的毛利率。德勤预测，2026年推理将吃掉全球AI算力的三分之二[17]，低成本、高能效算力的重要性持续上升。

AI数据中心正在从互联网时代的“后台机房”，变成高度依赖电力、土地、水冷的“重型能源基建”。科技巨头抢物理地盘，并不是简单圈土地、建机房，而是在把算力扩张深度嵌入现代工业体系。

抢资本地盘：AI基建正在从“烧钱项目”变为“融资故事”

AI基建太重，重到即使是现金流充沛的科技巨头，也需要设计新的融资方式。

过去，算力采购多被视为企业内部的纯资本开支（Capex）。如今，随着投资规模持续扩大、回报周期不断拉长，AI基础设施正在被重新定义为一种能够被资本市场理解和定价的战略资产，随之而来的是AI基建融资手段的全面进化。

首先是资本通道的扩容。OpenAI、Anthropic、MiniMax、智谱等大模型独角兽，正通过IPO或一级市场的长线资金打开AI基建的“血库”；而Alphabet、Amazon等科技巨头，则依靠自身信用发行债券，为AI基建加起超级杠杆。

其次是算力合同的“信用资产化”。CoreWeave与OpenAI的百亿订单，让GPU云产能转化为具备稳定现金流预期的抵押物，从而为CoreWeave后续扩建数据中心、开展债务融资作信用背书。

更进一步，是基础设施所有权的金融化。Meta与私募巨头Blue Owl通过合资架构，将数据中心转化为可由外部资本持有的基础设施资产，既让科技公司锁定了长期使用权，也让金融资本直接分享到AI基建收益。

但，抢夺这场资本地盘的核心，绝非“谁更会讲重资产故事”，而是谁能将算力需求转化为可验证的商业闭环。

没有庞大的客户入口和真实的推理需求，数据中心终究只是一堆加速折旧的昂贵硬件；只有具备长期订单绑定、稳定的高利用率和清晰的变现路径，资本才真正愿意为这场“世纪基建”持续买单。

万亿开支的算力基建，真正的利润藏在哪里？

AI基建看上去是一场“烧钱”竞赛，但狂欢过后，巨头们必须解答一个核心问题——这些重资产能否被蜕变为一套可持续造血、带来长期竞争优势的生产资料？回到财务账本面前，这个问题面临的是成本压缩、收入转化和护城河验证三道关口。因此，这本账至少要从三层拆开来看：成本账、变现账、护城河账。

成本账：单位Token成本下降，是AI基建的利润起点

AI基建的成本账不能只看“模型训推花了多少钱”，而要拆成一条更完整的产能公式：单位Token完全成本=（年化硬件折旧+能源与冷却成本+网络与运维成本+融资成本）÷有效可计费Token量。

这个公式展示了AI基建最残酷的商业属性：在重资产语境下，GPU但凡不开机、不转化为高频的真实API调用，就是财务表上在疯狂吞噬现金流的“无底洞”。只有当利用率被拉满，高昂成本才能被有效摊薄。

即使是以“极致压榨算力效率”著称的DeepSeek，也正在内蒙古乌兰察布招聘数据中心交付与运维团队，加强自有算力基础设施能力[18]。6月底，DeepSeek还宣布，V4正式版上线后将引入峰谷定价，高峰时段API价格为平时的两倍，目的是优化资源配置、提升服务稳定性[19]。

这说明，算法优化可以降低单次推理的计算量，却无法消除高峰负载、算力供给和调度效率的约束。如今，纯软件层面的算法优化已摸到“天花板”，算力不再是可以随意买到的资源，只有亲自下场掌控物理基建，掌握算力调度的主动权，才能系统性地击穿Token的成本底线。

未来真正具备成本优势的玩家，是把“芯片折旧、低价绿电、网络调度和融资利率”完美揉捏，榨出最低Token成本的“数字工厂厂长”。

变现账：对外出租算力，对内反哺高毛利业务

如果说成本账回答的是“AI基建如何把Token生产得更便宜”，那么变现账回答的是另一个关键问题：这些昂贵的算力，最终从哪里收回成本、创造利润？

摒弃“大模型本身怎么赚钱”的单一视角，AI基建可以走出两条不同的变现路径：一条路指向明码标价的“收租地产”，另一条路指向隐匿无形的“效能杠杆”。简单来说，一种是把算力卖给别人；一种是把AI能力嵌入内部的高毛利业务。

对云厂商和GPU云公司而言，AI基建首先是一门极度强调排他性的“重型地产租赁”生意。他们表面上赚取的是算力租金，底层争夺的却是客户入口和粘性。因为客户一旦把数据、模型和业务接入某个平台，迁移成本就会迅速抬高。这也是为什么底层基建玩家宁可顶着价格战“流血”，也要把客户先“圈进院子”里。

但对Google、Microsoft综合型科技公司而言，AI基建的回报不一定直接体现在“卖API或者订阅费”上，而更像是一台能提升原有业务效率、创造回报的“利润放大器”：在广告业务中，提升投放匹配和转化效率；在办公软件中，抬高订阅价值和ARPU；在游戏和内容平台中，降低生产成本；在电商业务中，增强客户留存和加购表现。也就是说，AI基建不一定要单独收费才算变现，只要它能提高原有业务的毛利率，就足以释放出覆盖巨额资本开支的商业价值。

护城河账：固定成本越高，行业分化越明显

当AI基建的入场券从千万美元的服务器采购，飙升至动辄百亿美元的数据中心与能源长协时，“固定成本”便不再仅仅是财务报表上的支出项，而是被科技巨头们无情挥舞的“排他性武器”。

对科技巨头来说，庞大的固定成本开支，不仅锁定了当下的算力资源，更提前锁定了未来核心生产要素的优先分配权。在供给紧张阶段，“买不到”比“买不起”更能快速清退牌桌上的其他玩家，从而推动AI产业加速分层。

面对深不见底的基建支出，巨头们正展现出一种极强的“跨界造血”与极限工程能力，这是初创公司无法企及的坚硬护城河。xAI能够从“平地”快速拉起十万卡级集群，依靠的正是融资能力与能源、设备、网络和工程资源的高效协同。对谷歌、Meta、亚马逊这类综合型科技巨头而言，庞大的既有业务生态构成了天然的“风险对冲网”——即便AI项目短期内无法直接盈利，其原本万亿级的广告、搜索或电商业务也足以消化掉这笔天价账单。

然而，当我们翻开这本昂贵的算力账册，必须警惕一种过于绝对的线性乐观推演。在这场万亿基建的狂飙中，没有任何一方握有绝对的安全牌。

对于重仓上游的基建组织者而言，“数字钢厂”的极高壁垒背后，潜伏着致命的资产反噬风险（技术路线发生结构性突变/下游需求无法及时释放）。反观独立的大模型与应用公司，算力基建的逐步完善与降本，反而为它们提供了一个重塑商业模式的时间窗口。

纵观人类科技史，从铁路、电信到云计算的普及，基础设施建设初期往往伴随激进的资产扩张和资源争夺。随着供给逐步充沛、资产利用率成为核心指标，行业竞争重心终究会从“抢资源”、“提效率”转向“创价值”。

AI重工业时代抬高的竞争门槛，并不必然带来你死我活的零和博弈，而会导向更清晰的产业分工：少数掌握芯片、数据中心、能源和网络资源的基础设施建设者；负责基础模型研发和MaaS平台服务的能力提供者；面向汽车、机器人、办公、医疗等垂直场景的终端与应用创新者。

基于这一结构，AI产业的利润图谱也会逐渐围绕这三类主体分别展开：上游看资源稀缺性与资产利用率，中游看单位Token成本与商业化效率，下游看场景价值与客户付费能力。三个层次对应三本不同的利润账：基础设施建设者算的是资产账；模型与平台提供者算的是效率账；终端与应用创新者算的是价值账。

AI基建带来的是一场围绕底层供给、模型能力和场景价值重新展开的产业分工：基础设施建设者负责降低算力成本，大模型公司负责将算力转化为平台能力，应用创新者则把这些能力嵌入真实场景、创造付费需求。三方共同推动AI基建从资本投入转化为持续增长的产业价值。

结语

AI的竞争，已不可逆地驶入“重工业时代”。

这并非意味着模型算法退居二线，而是物理世界中算力与能源的短板已经成为模型Scaling Law（规模定律）持续生效的硬约束。当应用端的商业化拐点尚未完全清晰，底层基建的“堵点”却率先一步到来。巨头们别无选择，只能将钱优先砸向基建，因为这是当下最看得见、也是未来最牢靠的护城河。

但这场AI基建狂飙，视线不能只局限在科技公司的利润表里，也需要放进更宏大的经济周期里审视。美国大规模AI数据中心建设正在成为新的通胀催化因素，影响范围从存储芯片扩展到智能终端和电力价格[20]。目前，行业最关键的问题是：AI带来的全要素生产率提升，能否跑赢并及时抵消这轮基建推高的成本压力？

浪潮翻涌，这场“数字重工业革命”才刚刚拉开帷幕。

究竟谁能跨越芯片、电力和资本的重重枷锁，将庞大的算力基建真正打造成一台持续造血的“利润放大器”？谁又会在百亿美元的高杠杆博弈中黯然离场？AI暴利的流向，还远未迎来终局。

【声明：本文仅基于公开资料进行行业研究与信息分析，不构成任何投资建议、证券推荐或买卖依据。文中涉及的股价、市值及财务数据具有时点性，市场有风险，投资需谨慎。】

参考文献

[1]Dell’Oro Group. Data Center Capex to Grow at 21 Percent CAGR Through 2029. Dell’Oro Group, 2025.

https://www.delloro.com/news/data-center-capex-to-grow-at-21-percent-cagr-through-2029/

[2]AzoAI. Trillions in AI Spending Shift the Race From Models to Infrastructure. AzoAI, 2026.

https://www.azoai.com/news/20260422/Trillions-in-AI-Spending-Shift-the-Race-From-Models-to-Infrastructure.aspx

[3]OpenAI. Five new Stargate sites. OpenAI, 2025.

https://openai.com/index/five-new-stargate-sites/ (OpenAI)

[4]OpenAI. Stargate advances with partnership with Oracle. OpenAI, 2025.

https://openai.com/index/stargate-advances-with-partnership-with-oracle/

[5]Meta. Meta Announces Joint Venture with Funds Managed by Blue Owl Capital to Develop Hyperion Data Center. Meta Investor Relations, 2025.

https://investor.atmeta.com/investor-news/press-release-details/2025/Meta-Announces-Joint-Venture-with-Funds-Managed-by-Blue-Owl-Capital-to-Develop-Hyperion-Data-Center/default.aspx

[6]xAI. Colossus. xAI, 2025.

https://x.ai/colossus

[7]Alibaba Group. Alibaba Group Announces Major Investment in Cloud and AI Infrastructure. Alibaba Group, 2025.

https://www.alibabagroup.com/en-US/document-1830678592242057216

[8]新浪财经. 字节跳动据称考虑将2026年资本支出提高至多达700亿美元. 新浪财经, 2026.

https://finance.sina.com.cn/tech/roll/2026-05-28/doc-inhzmpqs8709300.shtml

[9]CoreWeave. CoreWeave Expands Agreement with OpenAI by up to $6.5B. CoreWeave Investor Relations, 2025.

https://investors.coreweave.com/news/news-details/2025/CoreWeave-Expands-Agreement-with-OpenAI-by-up-to-6-5B/default.aspx

[10]Amazon. Amazon and Anthropic expand strategic collaboration. Amazon, 2026.

https://www.aboutamazon.com/news/company-news/amazon-invests-additional-5-billion-anthropic-ai

[11]Anthropic. Expanding our use of Google Cloud TPUs and Services. Anthropic, 2025.

https://www.anthropic.com/news/expanding-our-use-of-google-cloud-tpus-and-services

[12]MiniMax. 全球发售文件 / 招股书. 香港联交所披露易, 2025.

https://www1.hkexnews.hk/listedco/listconews/sehk/2025/1231/2025123100025.pdf

[13]ChinaBizInsider. Zhipu AI launches Hong Kong IPO targeting HK$51 billion valuation. ChinaBizInsider, 2025.

https://chinabizinsider.com/zhipu-ai-launches-hong-kong-ipo-targeting-hk-51-billion-valuation/

[14]The Wall Street Journal. DeepSeek Becomes China’s Most Valuable AI Startup After Over $7.4 Billion Fundraise. The Wall Street Journal, 2026.

https://www.wsj.com/tech/ai/deepseek-becomes-chinas-most-valuable-ai-startup-after-over-7-4-billion-fundraise-78ef64c0

[15]The Verge. OpenAI reveals its first AI processor: Jalapeño. The Verge, 2026.

https://www.theverge.com/ai-artificial-intelligence/955939/openai-reveals-its-first-ai-processor-jalapeno

[16]NVIDIA. NVIDIA Ethernet Networking Accelerates World’s Largest AI Supercomputer, xAI Colossus. NVIDIA Newsroom, 2024.

https://nvidianews.nvidia.com/news/spectrum-x-ethernet-networking-xai-colossus

[17]Deloitte. Deloitte 2026 Technology, Media & Telecommunications Predictions: Narrowing the Gap Between the Promise of AI and its Reality. 2025.

https://www.deloitte.com/us/en/about/press-room/deloitte-2026-tmt-predictions.html

[18]新浪财经. DeepSeek 要在内蒙古建数据中心：首次面向乌兰察布开启招聘. 2026.

https://finance.sina.com.cn/tech/digi/2026-04-15/doc-inhupvfa4225343.shtml

[19]联合早报. DeepSeek宣布高峰时段AI收费价格上调一倍. 2026.

https://www.zaobao.com.sg/news/china/story20260630-9289389?utm_source=chatgpt.com

[20]The Wall Street Journal. The Data-Center Boom Is Sparking a Third Wave of Inflation. WSJ, 2026.

https://www.wsj.com/economy/the-data-center-boom-is-sparking-a-third-wave-of-inflation-926adc6e

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 听潮TI，钛媒体经授权发布）

 文 | 听潮Ti,作者 | 贺颖，编辑/张晓 

AI一年，人间十年。如果说大模型的迭代按周算，那AI眼镜的进化就得按年算。

过去三年，大模型能力指数级跃升，端侧AI、多模态理解几乎月月有突破；可承载这些能力的硬件终端，却始终没跟上脚步。

从智能音箱到AI耳机，从智能手表到车载系统，所有能贴近人体的设备都被轮番冠以“下一代入口”的期待，但兜兜转转，智能眼镜仍是被讨论最多的方向。

——第一视角感知、解放双手、近眼交互，它天然适配AI的感知逻辑，也天然最有想象空间。

“行业还在黑莓时代，真正的发令枪还没响。”

上月底的Rokid Open Day上，Rokid创始人祝铭明把这句话重复了几遍。

一边是近乎审慎的清醒：不拿短期市占率做文章，反复强调当下所有的领跑者，都未必能走到终局；另一边却是毫不遮掩的“激进”：推出号称全球首款智能眼镜原生AIOS的YodaOS，甚至直言美国AI生态正滑向封闭。

过去两年，Meta凭借无显示的Ray-Ban Meta拿下全球超八成出货量，把AI眼镜推到近千万级规模；而带显赛道上，从垂直玩家到互联网大厂，似乎都在押注AI眼镜的终局形态，但却至今没人能跑出一个真正非它不可的大众场景。

所有人都望向同一个远方，但脚下的路线早已分叉；靠硬件参数堆料的老路正在失去吸引力，但什么样的产品才算真正的下一代AI眼镜，至今没有统一答案。

无显的王座，带显的赌注

评价AI眼镜，如今最通用的标尺是出货量。

Omdia数据显示，2025年全球AI眼镜出货量达到870万台，Meta拿下85.2%的市场份额。镜片带显示的AI眼镜同期出货73万台，占比从2024年的3.3%升至8.4%。

图/Omdia

AI眼镜第一次有了接近大众消费电子的声量，但销量主力却集中在无显示路线。

这并不难理解，眼镜戴在脸上，用户对外观和异物感的敏感度比手机、耳机更高。如果AI眼镜最终想成为日常佩戴的电子产品，越不打破用户现有的使用习惯，普及的阻力就越小——Ray-Ban Meta看上去就和普通雷朋镜框几乎没差，说白了，本质就是把开放式耳机、摄像头和AI助手全塞进一副镜框里，不用重新教育用户的使用习惯。

图/雷朋官网

用户拿到手不用适应新的佩戴逻辑，只是用一副和平时没差别的眼镜，就能拍第一视角视频、接电话、听音乐，以及调用轻度AI功能。

Meta靠雷朋母公司依视路陆逊梯卡（EssilorLuxottica）的渠道家底快速起量，国内厂商们跟进时，产品定位也大多接近手机外设。小米智能音频眼镜主打开放式音频、通话和日常佩戴；互联网厂商做AI眼镜，也多半是把自家模型、内容或手机生态装进镜框。

坦然说，无显产品能先跑出规模，原因也在于其供应链和商业的压力要小得多，和AI能力强弱关系并不大。它天然绕开了近眼显示不得不面对的关于亮度、功耗、近视适配等一堆硬件难题。

跨界玩家的入场，也在慢慢拉低这个品类的强技术属性，加上这两年终端零售价格不断拉低，后续成品想直接铺进传统眼镜零售渠道的难度不大。

相比之下，带显示的AI眼镜，从起点就重得多。

镜片里出现信息后，眼镜要处理的就不只是拍摄和收音。消息提醒、翻译，甚至导航提示都直接出现在镜片上，等于把接收信息的入口从手机屏幕挪到了眼前，想象空间显然更大。但对应的市场需求也更小。

图/Rokid官网

2025年阿里推出夸克AI眼镜，双显旗舰款定价接近3800元；雷鸟则把MicroLED显示和AR概念作为产品核心卖点。

Rokid站在带显路线的最前排。

这家公司从早年的AR眼镜、空间显示设备一路走过来，在近眼显示领域攒了近十年的技术积累。2024年底发布的Rokid Glasses，是它第一次把产品真正落地到“日常佩戴的AI眼镜”这个消费语境里，2025年6月正式量产后，也成了国内光波导带显品类里走量最快的产品。

Rokid Glasses的所有设计，都在往“把AI直接递到眼前”的目标靠近。49克的重量做到了接近普通镜框的佩戴感，支持定制近视散光镜片，核心体验围绕实时翻译、信息提示展开。

图/Rokid官网

它和Vision Pro这类主打空间计算的头显完全不是一个赛道，现阶段的带显AI眼镜大多只做平面信息推送，还远没到成熟空间AR的大范围虚实交互阶段。

目前，这条路线上的玩家更多集中在垂直硬件厂商和中国公司。Omdia数据显示，Rokid、阿里、EvenRealities等中国公司合计占带显AI眼镜出货量的71%。除了阿里的夸克AI眼镜，雷鸟、XREAL等厂商也在显示、空间体验和AI助手之间寻找产品位置。

虽然规模仍然远低于无显产品，但带显眼镜的市场声量却不小。

Meta和Google也没有放弃带显市场。Meta在2025年发布Ray-Ban Display，右侧镜片内置显示屏，起价799美元，配套Neural Band，并先在美国部分线下零售渠道销售；谷歌在Android XR的产品规划里，也明确把智能眼镜分成音频款和显示款两类，前者先冲量，后者负责探索信息呈现的新形态。

图/雷朋官网

动作都在做，但谁都没把显示款当成当前的出货主力。对巨头来说，显示能力或许是未来的必选项，却不是当下的优先级。

带显玩家们技术路线各有侧重，但都要回答一个最现实的问题：替代手机让信息显示在眼前的必要性有多大？

用户甚至得先说服自己，为了眼前这层信息，就要接受更高的价格、更重的镜身和更长的适应周期，这笔账才算得过来。

想要替代手机，是生存问题，不是理想问题

没人会对千万级的市场体量不动心，但无显赛道的竞争，从一开始就没给垂直创业公司留下多少突围空间。

今年Rokid Open Day，祝铭明反复用黑莓时代的类比锚定自己的判断：“BlackBerry时代的赢家并不是iPhone时代的赢家，所以完全没必要以市占率领先沾沾自喜。”在他的逻辑里，当下主流的无显AI眼镜，本质还是手机的可穿戴外设，能补充体验，但永远成不了新的计算平台。

他也直言：很多大厂从第一天起就把眼镜当作配件，Rokid是把眼镜当成手机的挑战者，二者从根上就不一样。

为什么Rokid老是死磕“对标手机”不放？

因为AI眼镜这条路走到最后，拼的还是供应链议价能力，线下渠道覆盖广度，营销流量投放，以及大厂们背后的生态联动能力。

Meta靠EssilorLuxottica的全球眼镜零售网络通吃大盘，国内手机厂商做无显眼镜，本质是给自家手机加一件外设，靠存量用户和预装联动就能撑起基本盘。产品本身的同质化程度极高，功能无非是音频、拍摄加语音AI，拉开差距的从来不是眼镜本身，是背后的渠道和生态。

而对Rokid这样没有手机生态、没有全国零售网络的玩家来说，一旦挤进去拼价格、拼规模，结局几乎是注定的：要么沦为低端代工厂，赚点微薄的硬件毛利；要么在巨头的包围圈里，被终将发生的价格战清出场。

更重要的问题在于，只要还在“手机配件”的定位里，就永远碰不到品类的定义权，产品怎么做、功能怎么放，最终都要围着手机的生态转。

不进入包围圈的唯一办法，是跳出“手机配件”这个定位。

某种意义上，叙事高度决定生存空间，Rokid也只有把自己抬到“下一代交互终端”，甚至替代手机这个高度，它才能吸引到顶级开发者、拿到更高的估值，才有和巨头博弈的筹码。只有在赛道早期占领最高叙事，才能拿到入场券。

但不是所有带显示的眼镜，都能叫独立终端。行业里绝大多数带显产品，走的仍是“安卓投屏”的捷径——把手机画面投射到镜片上，交互逻辑、应用生态全部依附手机，本质还是一块戴在脸上的手机副屏。

这种路线看似做了显示，实则仍没跳出配件的范畴，系统话语权、用户数据、生态收益全都握在手机厂商手里，眼镜厂商依然只赚硬件的钱。在祝铭明看来，这和当年给功能机加个触屏、加个上网功能没什么区别，都是旧框架里的修修补补，撑不起新终端的内核。

真正的突围，是做一套原生的近眼计算体系。

从底层系统到交互逻辑，从应用生态到数据闭环，全部围绕眼镜场景原生设计，最终目标是让产品脱离手机也能独立成立。只有走到这一步，才能拿到自己的用户、自己的生态和自己的定价权，从硬件供应商变成平台型玩家。

图/Rokid官网

Open Day上正式推出的YodaOS，是这套逻辑的核心落点。

官方将其定义为全球首款智能眼镜原生AIOS。Rokid开放平台对YodaOS-Sprite的定义更具体：它是为全天候佩戴的智能眼镜构建的操作系统，围绕芯片、驱动、系统、应用和产品场景做优化，并运行在Rokid Glasses和BOLONAI Glasses上。

图/Rokid

手机操作系统的底层交互是触屏，用户通过App进入服务；而眼镜戴在脸上之后，触屏就不再是主要入口，语音、第一视角画面、轻量提示和短时反馈变得更重要。YodaOS要处理的正是这套变化：用户说一句话，眼镜看到当前环境，系统判断任务，再把识别结果放回用户视野里。

巨头有足够的资本和耐心，可以等供应链成熟、市场教育完成再重兵进场，靠规模效应快速抹平先行者的技术积累。对Rokid这样的垂直厂商来说，等不起，也耗不起巨头的降维打击，只能在巨头还没重兵布局的细分赛道里，先攒技术、攒用户、攒生态，用先发优势换时间窗口。

值得注意的是，目前行业里对这条路的判断有明显分歧。

一派观点认为，这是垂直品牌突围的唯一路径。谁先跑出独立终端的产品范式，谁就能拿到下一代计算入口的船票，不会在巨头进场时被轻易碾压。

另一派则认为，这更像小众市场的自嗨。用户到底需不需要一副能脱离手机的眼镜，本身就是个未知数；就算需求成立，等市场真正成熟，巨头带着渠道和生态下场，先行者积累的那点优势，很快会被规模效应抹平。

祝铭明不是看不到风险，开发者是否愿意为一个仍然很小的设备端投入资源，外部服务商是否愿意开放足够深的接口，都会决定YodaOS能走多远。但这是一场用当下换未来的豪赌，筹码已经全部摆上桌，剩下的只能交给时间。

为什么AI狂飙，眼镜却没跟上

但这场豪赌的难度，远比想象中要大。近眼显示这条路走了10多年，始终没跑进大众消费市场，原因从来不是某一家的技术卡壳，是一整套难以规避的现实难题。

最直观的卡在硬件上。显示、重量、价格，三者至今找不到完美的平衡点。要日常佩戴舒适，就得压缩光学模块和算力，牺牲显示效果和功能丰富度；要显示清晰、算力够用，镜身重量就下不来，续航也会打折扣，价格更是居高不下。Rokid Glasses能做到49克的带显产品已是第一梯队，可对比普通光学镜框20多克的重量，全天佩戴的负重感依然真实存在。

更现实的压力在供应链交付端。光波导、微显示芯片这类核心元器件，产能大多掌握在少数上游厂商手里，消费级产品的良率一直是行业难题。轻量化结构下的精密组装难度极高，差几克的重量，对应的就是完全不同的工艺要求和良率水平。很多时候不是厂商不想量产，是产能和良率先卡住了脖子。

Rokid Glasses在2025年量产后就曾经历过一段交付爬坡期。虽然今年年初祝铭明曾公开表示，2025年销量主要受制于产业链产能，基本“有货即售罄”；2026年随着上游供应链持续优化，产能不足明显缓解，有望实现更大规模增长。

但这只是单家企业的突破，放到全行业看，核心元器件产能不足、组装良率偏低的问题依然普遍存在。

如果说硬件和供应链的瓶颈，终归能随着产业成熟慢慢消化。真正决定这条赛道天花板的，是用户到底有没有非用不可的理由。

时至今日，AI眼镜能做的事，手机几乎都能做。实时翻译、步行导航、消息提醒，眼镜只是让用户少掏几次手机，体验上更便捷一点，却没有创造出任何不可替代的场景。

没有刚需场景，就撑不起足够的用户规模；用户量上不去，开发者就不会愿意投入资源做原生深度开发。现在行业里的绝大多数应用，都是把手机内容投屏到镜片上，交互逻辑、功能设计全是触屏时代的遗留，根本没发挥出近眼显示的优势。

Rokid也在面临同样的问题。据公开报告，Rokid智能体商店上线6个月，累计上架440余个智能体，注册开发者超过3.5万人。这个数字在智能眼镜赛道里已经相当可观，但对比手机生态仍是数量级的差距，且绝大多数都停留在工具属性的浅层次适配。用户粘性高度依赖科技爱好者的尝鲜心理，很难形成长期的高频使用。

祝铭明坦言，现阶段独立开发者更适合先做ToB场景，要等到设备保有量达到约200万台，开发者才有可能真正围绕平台形成生态循环。做配件可以借手机生态的红利，做终端就要自己养用户、养开发者、养场景；这件事的投入成本和时间周期，远比做硬件大得多。

而除了产品和生态，还有一道看不见的门槛——AI眼镜发展多久，其伴随的关于拍摄功能带来的隐私问题就争议了多久。

公共场景下的隐私争议，是整条AI眼镜赛道绕不开的生死议题。恶意偷拍的根源当然是使用者的问题，手机、普通针孔设备同样可以实现私自拍摄，不能单一归咎于硬件产品本身，但头部厂商身处行业前端，必然要承担起品类治理与风险兜底的责任。

大众对智能眼镜的抵触情绪，本质源于感知层面的不安。手机拍摄需要抬手操作，行为具备明显可视性；可眼镜长期佩戴在面部，旁人无法直观判断设备是否处于录制状态，这种无处不在、无法预判的监控感，催生了公共空间里关于隐私边界被侵占的集体焦虑，AI眼镜也因此成为舆论情绪最集中的载体。

图/Rokid官网

这类问题不会因为某家公司把硬件做好就消失。录制提示、防遮挡机制、权限管理、内容审核、行业自律和监管规则都要慢慢补上。据悉，中国AI眼镜行业已经发布《AI眼镜可信视界自律公约》。

落到具体的企业经营上，Rokid还要面对更现实的生存矛盾。

整个带显赛道全年全球出货不过几十万台，就算拿下三分之一的市场份额，也只有二十多万台的量级。靠这样的规模，很难长期支撑底层系统研发、生态搭建的高额投入。换句话说，高端小众市场的营收，撑不起“下一代终端”的野心，中间的缺口，要么靠融资补，要么靠其他业务线输血。

图/Counterpoint

带显眼镜的出货量从来不只由单家公司决定。价格要降下来，供应链良率要继续爬坡，用户要找到高频场景，开发者也要看到足够大的活跃用户池。任何一环没有跟上，硬件销量和生态厚度都会互相牵制。

巨头的潜在威胁同样是悬在头顶的达摩克利斯之剑。Meta、Google现在没有把带显眼镜推成大众产品线，并不意味着它们缺席。等哪天供应链成本降到临界点、用户教育基本完成，巨头完全可以凭着渠道优势和生态体量，把显示功能快速下放到主流产品线里，用规模效应迅速拉低价格。到那时候，垂直厂商攒了好几年的先发优势，还能剩下多少，没人说得准。

而Rokid想直接摸到终局的门槛，就必须扛下所有早期市场的阵痛。

终局未明

长远来看，AI眼镜这条赛道大概率不会出现一家通吃的局面，最终还是会走向明确的分层。

低端市场持续同质化，核心拼供应链成本和渠道覆盖，最终和普通光学眼镜的边界越来越模糊；中高端市场则会按长板分化，有的深耕影音娱乐，有的主打商务效率，有的押注通用AI终端，各家守住自己的细分场景，跨赛道的全面竞争还远没到真正开始的时候。

真正决定行业拐点的，或许是某款爆款产品发布点燃的导火索，但更重要的是三个临界点的同时到来：硬件成本降到大众消费区间，出现一个非戴不可的杀手级场景，原生生态形成正向循环。三者缺一个，行业都只能在早期阶段徘徊。

而现在这几个条件还没有成熟。

这也意味着，当下所有的领跑都算不得数。无显路线的销量优势是阶段产物，带显路线的技术积累是未来门票，但它们都不代表终局胜利。就像黑莓当年把全键盘和邮件推送做到了极致，可当真正的智能手机时代到来，过往的优势反而成了转型的包袱。

对Rokid来说，如果终端时代来得比预想早，提前布局的硬件、系统、生态都会变成核心壁垒，成为第一个吃到红利的玩家；如果终端时代来得比预想晚，长期的高额研发投入会持续消耗现金流，很可能撑不到爆发的那天。

祝铭明总拿黑莓时代做类比，大抵也是明白这个道理。消费电子的迭代史里，上一个时代的赢家很少能平滑过渡到下一个时代，而下一个时代的开创者，往往都诞生在不被主流看好的小众路线里。

只是历史从来不会简单重复。今天的Rokid到底是提前卡位的开创者，还是倒在黎明前的先行者，没人能提前预判。但可以确定的是，它选了这条最难的路，也把整个行业关于“下一代终端”的想象，往前又推进了一步。

最终的答案，只能交给时间。 

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 世界模型工场，钛媒体经授权发布）

文 | 世界模型工厂

全球机器人的风向，正在悄无声息地翻盘。 

近日美国艾伦人工智能研究院创始CEO Oren Etzioni公开发文，标题直指中美对比：《马斯克承诺了人形机器人，中国完成了交付》。

大意是，美国机器人靠画饼赚估值，中国机器人靠交付赚真金。

这一判断，与中国机器人实打实的量产数据相互呼应。

2025年，宇树披露人形机器人实际交付超过5500台，应用覆盖科研教育、展示以及部分制造、巡检等场景。

今年6月，智元第1.5万台具身智能机器人正式量产下线，当天就送进了一家3C工厂的产线，投入实际作业。

短短几年，海外看中国机器人的眼光，彻底变了。

从前中国的标签是廉价、模仿、花架子，现在美国却开始焦虑一个越想越怕的问题：

如果美国掌握了全世界最聪明的机器人大脑，中国却攥住了机器人的身体、供应链、工厂和订单，这场仗到底谁会赢？

当中国机器人开始量产

2026年5月的东京人形机器人峰会，是全球产业格局的缩影。

这原本是日本和美国机器人的主场，波士顿动力、丰田等老牌巨头悉数到场。

可全场的聚光灯，都落在了中国企业身上。

宇树科技携G1全尺寸人形机器人亮相，是现场为数不多的产业落地样本；

泊松机器人展出儿童尺寸的K1人形机器人，呈现了流畅的群组动作表现；

逐际动力带来成熟的人形机器人运动控制技术方案；

高扭矩科技的小型双足机器人Mini Pi Plus，凭借极具竞争力的定价，让海外从业者直观感受到了中国供应链的成本优势。

曾经在国际展会上偏居技术展区边角的中国厂商，如今展台前围满了来自全球的工程师、采购商与媒体，核对参数、询价对接的人流络绎不绝。

美联社报道直言不讳，如今最耀眼的明星，毫无疑问是中国企业。

更有海外业内人士当场感慨：中国已经抢走了他们的饭碗。

在这场全球竞赛里，中国突然成了必须认真对待的对手。

更让海外警觉的是，中国机器人开始一台台从产线上走下来。

Omdia统计数据显示，2025年全球人形机器人出货量超过13000台，美国的Figure AI和特斯拉等出货量仍处于数百台以内。中国的智元和宇树各自超过5000台，合计占比超过全球七成。

值得注意的是，这批量产下线的机器人已经脱离了跳舞、后空翻的表演属性，其中一部分开始进入工厂和商业场景。

美国行业内部担忧，一旦中国企业凭借规模化量产持续摊薄成本，将机器人的价格打到商用普及的临界点，就会快速抢占全球市场份额。

届时美国企业即便在算法层面保有优势，也会因为缺乏量产能力、成本居高不下而丧失市场主动权。

美国机器人皮肤下的中国技术

更让美国人扎心的真相，藏在机器人的外壳之下。

2026年3月，黄仁勋在一场发布会上，展示了一台机器人版的Olaf——《冰雪奇缘》里那个雪人。

这本该是最纯粹的美国故事：英伟达的芯片，谷歌的模型，迪士尼的IP，三个美国符号级公司凑在一起。

但《华尔街日报》扒了一圈供应链发现，Olaf脖子和腿部的运动，用的是中国机器人公司宇树相关的组件。

报道援引一位参与项目的工程师的话称：“我们试过三家美国本土厂商的方案，要么精度达不到动作要求，要么单部件成本高出四倍，最终只能选择中国供应商的成熟方案。”

这并非个例。

《华尔街日报》走访了美国近十家人形机器人初创企业与零部件供应商后发现，从核心的伺服电机、精密减速器，到一体化关节模组、高性能磁性材料，再到灵巧手的核心传动部件，高度依赖中国供应链，占比普遍超过六成。

并非企业不愿扶持本土产能，而是本土供应链难以匹配快速迭代的节奏。

定制一款高精度关节模组，美国本土厂商普遍需要六周交付，而深圳供应商最快三天即可拿出样品。

无极科技创始人潘云哲在接受《卫报》采访时表示，毕业后曾留在硅谷尝试深耕灵巧手创业。

“很多核心精密部件美国本土没有量产线，定制开模价格高得离谱，最后我只能让国内的父亲把零件打包好，通过国际快递寄到美国，才能勉强推进研发”。

最终他选择放弃硅谷的创业环境，带着核心团队落地深圳。

潘云哲表示，深圳的产业集群效率是海外无法比拟的。

办公周边即可覆盖精密加工、传感器配套等全链条资源，设计方案调整后当天就能拿到手板测试。

在美国需要半年走完的研发迭代周期，在深圳一个月即可完成。

在这些报道的结尾，海外媒体不约而同地指向了同一个深层焦虑：

美国掌握着机器人的大脑，但没有成熟、高效、低成本的硬件供应链作为身体支撑，再聪明的大脑也无法落地。

让美国业界不安的是，这种供应链优势并非一朝一夕能够追赶。

它根植于中国几十年的制造业积累，依托消费电子、新能源汽车等庞大产业外溢的产能与技术，形成了难以复制的完整产业生态。

这也正是中国机器人产业能快速实现量产落地的底气。

美国的两难死局

中国供应链的强势，把美国架在了火上烤。不用吧，不行；用吧，不安。

这种纠结，已经从嘴上的焦虑，变成了实际的行动。

2026年6月，《福布斯》专门报道了美国机器人企业的“去中国供应链”尝试。

Figure AI、1X、Apptronik、Tesla这些美国头部公司，都在琢磨着怎么减少对中国部件的依赖。

1X尤其激进。

这家公司试图自己掌握电机、电池、结构件、传动系统、软体外覆和传感器等更多环节。

可理想很丰满，现实很骨感。

机器人是一个由大量零件、材料、工艺和供应商共同组成的复杂系统。

少依赖中国，不只是换一家供应商那么简单，而是意味着美国公司要重新补制造能力、工艺经验、规模生产的课。

当美国公司忙着补供应链，华盛顿已经直接出手了。

2026年3月26日，美国共和党和民主党联合提出《美国安全机器人法案》，拟禁止采购或使用来自中国等所谓“外国对手”的无人地面系统，其中明确涉及人形机器人。

到了6月，美国众议院议员又提出新的GUARD Act，要求进一步审查来自中国等国家的机器人，对被认定构成国家安全威胁的产品提供进口限制机制。

这种情绪，《华尔街日报》总结得很准确：羡慕，也担忧。

既羡慕中国供应链的效率和成本，又担忧自己的产业命脉握在别人手里。

中国的国家级产业杀招

美国心里很清楚，他们面对的，从来不是宇树、智元、优必选这几家机器人公司。

他们面对的，是一整套举国协同、闭环运转的国家级产业体系。

这才是最让他们忌惮的地方。

《华尔街日报》报道指出，中国现在有140多家人形机器人相关企业，从零件到整机全覆盖。

再加上国家层面的战略布局，地方的补贴、税收、园区扶持，以及政府采购托底，形成了一套全方位的产业扶持体系。

最厉害的，不是给钱补贴，而是政府同时扮演了三个角色：投资人、客户、试验场。

给政策给资源，帮企业活下去，这是投资人；

政府采购下单，给企业稳定现金流，这是客户；

开放工厂、政务、民生场景，让机器人在真实环境里迭代，还能攒数据，这是试验场。

相比主要依靠企业和风险资本驱动的美国，这种政府模式更容易在产业早期形成规模。

更可怕的是，中国全产业链上下游拧成一股绳的协同力。

智元与龙旗、银河通用与宁德时代两对组合，正是这套模式的鲜活注脚。

龙旗既是智元的投资方，也是客户。双方不只停留在资本关系上，龙旗还向智元开放3C制造场景，用于机器人测试、适配和部署。

公开信息显示，双方已签署数亿元规模的精灵G2框架采购订单，规划部署近千台机器人。

这种合作的意义在于，机器人公司不需要先在实验室里把产品做好，再去寻找客户，而是可以直接进入真实产线，与制造企业一起调整工位、末端执行器和作业流程。

银河通用与宁德时代的合作逻辑类似。

宁德时代不仅参与银河通用融资，也把电池制造场景开放给机器人验证。

相比单纯的财务投资，这种“产业方入股+开放场景+联合研发”的模式更值得关注。

因为机器人真正缺的，往往不只是资金，而是一个愿意长期配合改造流程、容忍早期故障、持续提供真实数据的客户。

某种程度上，中国机器人产业正在形成一种新的关系：客户不仅买机器人，也参与把机器人训练成能用的产品。

难怪马斯克都承认，中国之外，看不到任何像样的人形机器人竞争者。

中国的数据工厂

但只会造身体，还不够。机器人真正的终局，仍然要回到大脑。

而在这一层，中国又开始做一件让海外格外敏感的事情：批量生产数据。

智元总裁彭志辉曾表示，当前具身智能最大的短板就是数据，大语言模型与具身操作数据之间仍相差约3至5个数量级。

2026年3月，《金融时报》记者走进湖北人形机器人创新中心。

眼前不像一家传统工厂，更像一座巨大的机器人学校。

价值约2亿元人民币的实验设施里，搭建着厨房、卧室等模拟真实环境。摄像头和传感器盯着机器人的每一个动作。

拿起杯子、整理物品、操作工具、在房间里移动。每一次成功，每一次失败，都被记录下来。

一名21岁的项目负责人把自己形容成老师。区别是，教人一个动作，可能示范几次就够了；教机器人，却可能要重复几百次、几千次。

湖北这一个创新中心，只是中国正在出现的一批机器人训练场之一。

《金融时报》判断，数十个由政府支持的机器人“训练农场”，正在中国各地出现，目的只有一个：给机器人的大脑准备足够多的数据。

更让海外不安的是，中国手里还有一个天然优势：工厂，全球最密集的制造业场景之一。

这里有装配线、仓库、物流、质检、搬运，有数不清的真实任务，也有数不清的异常情况。

一旦机器人真正进入这些地方，一个潜在的飞轮就可能启动：

机器人越多，真实数据越多。数据越多，模型越好。模型越好，又能部署更多机器人。

这不是已经完成的事实，而是中国正在争夺的下一张牌。

美国拥有互联网时代最庞大的数据资产，而中国，可能正在攒下物理世界最大的数据工厂。

比美国人更焦虑的是中国人

有意思的是，越靠近中国机器人产业内部，越没人轻言“已经赢了”。

2026年3月，宇树科技创始人王兴兴公开谈到具身智能的“GPT时刻”。

他给出的时间窗口不是当下，而是大约还要2到3年。

在他的定义里，真正的行业拐点，是机器人能在约80%的陌生场景中，仅凭语言指令完成约80%的任务。

而今天的行业，显然还远未摸到这条线。

泛化能力薄弱、数据效率低下，是横亘在眼前的核心短板。

换一个房间、换一件操作物体、换一种光线环境，模型的表现就可能出现大幅下滑。

据行业机构测算，大模型从仿真环境迁移到真实非结构化场景后，性能普遍出现30%-40%的衰减，复杂通用任务的真实场景成功率整体不足30%。

即便智元已经把累计产量做到1.5万台，彭志辉依然判断，机器人真正走进家庭，至少还需要数年时间。

比技术瓶颈更现实的尴尬，是落地端的“适配悖论”。

双足行走、灵巧操作，本是人形机器人最具话题性的技术亮点，也是外界眼中替代人力的核心底气。

可一旦放进高度标准化的工厂车间，这些引以为傲的特性，反倒成了多余的成本负担。

据产业成本测算，一台工业级人形机器人叠加全生命周期运维成本，总投入约在50万至60万元区间，静态回本周期约5年，远超制造业通用设备的常规折旧与回本基准。

哪怕是坐拥厂房、展厅天然场景优势的车企，用数十万的机器人去替代年薪10万的产线工人，这笔经济账也远未到划算的地步。

与此同时，光鲜的出货数字背后，也藏着未跑通的真相。

摩根士丹利的数据显示，2025年中国市场售出约1.2万台人形机器人，但其中相当一部分流向了科研、教育与测试场景，而非成熟的工业或商业落地应用。

这正是中国机器人产业最真实的反差。

外界忙着比拼进度、焦虑弯道超车，产业内部却还在反复叩问三个最朴素的商业问题：卖给谁？为什么买？多久能回本？

这三个最基础的问题，至今没有明确的答案。

当美国人在焦虑中国跑得太快，中国人却在焦虑这条路到底能不能跑通，这大概就是当下机器人产业最真实的反差。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App