AI发展的最大障碍已从技术内部转向外部

先说汽车。

汽车最早的瓶颈，是发动机。可当汽车真正进入大众生活，决定它能否规模普及的，就不再只有发动机了——还包括高速公路、加油站、驾照、保险和交通规则。发动机仍在进步，但它已不再是决定普通人能不能开上车的唯一约束。

再说电力。

电力起步时，瓶颈是发电机和输电技术；等到要走进千家万户，瓶颈变成了电网、标准、城市改造、电价制度和安全监管。最后，电力成了社会基础设施本身。

再说互联网。

九十年代，互联网的瓶颈是浏览器和带宽。到了今天，决定互联网业务能否持续扩张的，早已不只是"网页能不能打开"，还包括光纤、数据中心、支付、物流和监管。

你看，汽车、电力、互联网，起点千差万别，进入规模扩散后却出现了相似的变化：

技术突破解决"能不能"，产业和社会解决"能不能普及"。

我们不妨给这条规律起个名字——「瓶颈迁移理论」：一项通用技术从突破期进入扩散期后，决定其普及速度的主要约束，往往会逐渐从技术内核迁向产业配套，再迁向制度、组织与社会接受体系。要特别强调一句：原有的技术瓶颈并不会消失——汽车成熟后发动机、安全、材料仍在进步，互联网成熟后芯片、协议、架构也没有停止创新——只是它不再是决定大规模扩散速度的唯一或首要约束。

这种迁移也不是单向接力，而更像约束层级不断叠加：旧问题仍在，新问题开始决定规模扩散的上限。瓶颈不会简单消失，只会从单点技术问题，升级为系统协同问题。

AI 并没有结束技术进步，也远未解决所有模型问题——可靠性、推理、成本、安全仍有大量工作要做。但它已经强到足以大规模进入企业、产业和公共系统。于是，它一边继续解决模型内部的问题，一边提前进入了产业与社会的验收阶段：决定下一阶段扩散速度的首要约束，已经不再只藏在模型里。

在这个阶段，决定 AI 扩散速度的主要约束，开始落到三种现实承载力上。

这三种承载力不是随意装内容的篮子。资源承载力关注"有没有持续供给"；产业承载力关注"能不能把能力变成可交付、可维护的产品和系统"；制度承载力关注"是否被允许，以及责任如何划分"。同一种要素也可能横跨三个层次：以 GPU 为例，供给、交付与采购规则，分别对应资源、产业与制度约束。

组织也没有被遗漏。制度、资源和产业，是从社会系统看 AI 能不能被接住；落实到单个企业内部，它们最终都要转化为组织、流程、预算和责任体系。社会层面决定承载条件，组织层面决定这些条件能不能真正兑现。我们不妨用一个双层框架来记：社会提供三种承载力，企业负责四项兑现能力——准入、资源、交付、运营。

如果一定要用一个简单公式表达，三者更接近乘法，而不是加法：

AI 现实承载力 = 制度承载力 × 资源承载力 × 产业承载力

这并不是一个精确的数学模型，而是强调短板效应：任何一项严重不足，都可能让整体落地失效。模型再强，不能上线就无法创造价值；算力再多，没有确定性供电也无法持续运行；机器人模型能力再强，关节、执行器和整机无法稳定量产，也只能停留在展示阶段。

下面看三个正在发生的现实变化。它们还不足以证明一条普遍规律，却为「瓶颈迁移」提供了三个清晰的现实切面。它们单独看都只是行业动态，放在一起却共同指向同一件事：决定 AI 扩散速度的主要约束，正在从技术内核迁向现实承载系统。

第一个信号，治理开始与能力增长同步。2026 年 7 月，超过 1100 名前沿 AI 公司员工签署 "Pacing the Frontier"（可译为"调节前沿发展节奏"）声明，呼吁建立能够在必要时调节前沿 AI 发展节奏的技术和治理工具。这封联署并不直接等同于企业 AI 准入制度，但它反映了一个更上游的变化——前沿能力越强，技术体系内部越开始承认，能力增长必须与治理能力同步建设。落到具体行业，这种压力会转化为数据边界、模型评测、责任追踪和人工接管机制。AI 的评价标准，正在从"能不能做出来"，转向"能不能被安全、合法、可追责地部署"。

第二个信号，确定性供电开始成为准入条件。美国最大的区域输电组织之一 PJM，正在研究大型负荷"接入后管理"（connect-and-manage）框架。按照 PJM 正在研究的框架，没有同步带来新增电源的大型负荷，未来可能通过"接入后管理"方式进入电网，但需要承担供电紧张时的灵活调节或削减责任。说得直白一点：未来的数据中心即使获得接入，也未必意味着能够随时获得无条件、确定性的电力供应。国际能源署（IEA）预计，全球数据中心用电量到 2030 年将超过目前的两倍，达到约 945 TWh；2024—2030 年间，数据中心用电年均增速约 15%——电力正在从运营成本，变成扩张速度的约束变量。

第三个信号，AI 开始接受规模制造的检验。近两年，汽车产业与人形机器人的边界正在变模糊。现代汽车集团计划将 Atlas 率先部署到旗下制造设施，并提出到 2028 年形成每年 3 万台各类机器人的生产能力。车企进入机器人，不只是因为拥有 AI 能力，更因为汽车工业已经积累了电池、电机、传感器、控制系统、精密制造和全球供应链——这不是"跨界玩机器人"，而是把成熟的制造体系转化为机器人规模化能力。人形机器人只是产业承载力进入物理世界后，最直观的一种表现。

三个案例并不能证明技术瓶颈已经消失，但它们共同说明：AI 正在技术问题尚未解决时，提前进入系统问题时代。

今天最重要的一句话：过去，是 AI 努力适应社会；今后，是社会开始为 AI 而改变。但这种改变不是无条件让路，而是在效率、安全、成本与公共利益之间重新设计边界。

模型新闻并没有消失，但越来越多真正决定 AI 扩散速度的变量，已经出现在模型之外：电力能否接入、责任由谁承担、机器人能否量产、企业流程能否改造、监管是否允许上线。

这让人想到互联网。今天没人天天喊"我要上互联网"，因为互联网早已渗入几乎所有行业，很多所谓的"互联网新闻"，最终都变成了金融、零售、媒体、物流和日常生活本身。AI 也会走这一步。

未来，AI 会越来越少只以"AI" 的名义出现。当它真正融入各行业的运转，它就不叫 AI 了——它会藏在能源新闻里的接电排队，制造新闻里的量产良率，监管新闻里的责任划分，企业新闻里的流程重构，运营商新闻里的算力网络。观察 AI 的窗口，正在从"模型圈"转移到"整个社会"。AI 最终可能像互联网和电力一样，消失在行业名称中，成为所有行业默认调用的基础能力。

对所有企业来说，问题正在从"接哪个模型"，变成"我有没有现实承载力"。这里可以分成两层来看。

社会层面，是三种承载力——制度、资源、产业，它们决定 AI 能不能被接住。 企业层面，是四项兑现能力——准入、资源、交付、运营，它们决定这些条件能不能被转化成持续业务。

落到具体问题，无非四问：

当然，承载力解决的是"能不能落地"，并不自动回答"值不值得落地"。项目最终还要接受业务价值和投入产出比的检验——合规没问题、算力管够、系统能交付、组织能运转，但业务收益不足，项目仍然不会扩散。现实承载力是必要条件，而不是充分条件。

模型会越来越便宜，但让它真正落地的制度成本、能源成本、产业成本和组织成本，才是下一阶段的主战场。下一阶段，企业真正需要补上的，可能不只是模型专家，更是能横跨技术、资源、合规、流程和交付的复合型负责人。

聊到这里，想听听你的观察：