算力受限，中国AI的必然单行道

洞察：在中国，梁文锋模式和李飞飞模式之间不存在选择题。只有一种模式——梁文锋模式。这并非技术路线的偏好，也不是个人意志的体现，而是能量约束、结构适应、正反馈循环、路径锁定以及边界强制共同作用下的必然收敛。

然而，这并非悲剧。约束让人保持诚实——诚实地面对自己拥有什么、缺乏什么、能做什么以及不能做什么。而诚实，是所有伟大创新的起点。

创新是贫瘠土壤中绽放的花朵。这并非因为贫瘠值得歌颂，而是因为贫瘠迫使种子将根系扎得更深，从而绽放出花朵。

在2026年的AI界，一场路线之争被反复讨论：梁文锋主张多模态的最终形态是作为Agent的“眼睛”，大脑核心始终是语言模型；李飞飞则坚持空间智能才是通往AGI不可绕过的必经之路。

这个叙事具有一种对称之美。但它忽略了一个事实：中国从未真正面临过“选择”。

在GPU出口管制的背景下，算力问题不在于“贵不贵”，而在于“有没有”。当一个系统连维持基本秩序的能量都捉襟见肘时，它不可能追求更高能量层级的结构。这并非谁比谁聪明的问题——这是一道物理题。

————— ◆ —————

维系任何有序结构都需要持续的能量输入。结构越复杂，对能量的需求就越大。李飞飞的世界模型属于高能量层级的结构——3D建模、物理仿真、渲染管线，每一个环节都是算力的吞噬者。视频生成模型的训练成本是同等规模语言模型的数倍甚至数十倍。更重要的是，世界模型对算力的需求是持续性的——并非“训练完成即结束”，而是一个需要持续供血的巨兽。

谷歌之所以能走这条路，是因为它拥有搜索业务每年数百亿美元的利润作为基础，拥有YouTube的海量数据，以及DeepMind数十年的积累。这不是技术路线的胜利，而是资本密度和算力自由度的胜利。中国没有这个能量池——并非“暂时没有”，而是“可预见的未来都不会有”。芯片管制不是周期性波动，而是结构性封锁。当能量输入被硬性封顶，所有超过这个上限的路线在起点就已经被淘汰。

梁文锋表示：“我们只专注于AGI主线——GPT、CoT、Agent。3D、视频生成、世界模型与智能主线关系不大。”这句话并非技术上的傲慢，而是由约束条件重新校准后的战略判断。这不是“不想做”，而是“做不起”之后，对“必须做什么”的重新定义。

————— ◆ —————

结构不是被设计出来的，而是在特定规则下，借助能量流动显现出来的。给系统施加什么样的能量约束，它就会长出什么样的结构。

DeepSeek的整个技术栈是“算力贫瘠”这一规则显影出的自适应结构。MLA注意力机制旨在以更低的算力实现同等推理质量。MoE稀疏激活是为了“用更少的神经元做同样的事”。强化学习驱动的推理链将计算从训练阶段后移至推理阶段——用时间换取空间。

最具象征意义的是DeepSeek OCR——“上下文光学压缩”，将长文本渲染为图像，利用视觉编码器压缩为紧凑的token，然后交由语言模型解码。这几乎是梁文锋多模态观的终极具象化：视觉并非独立的智能方向，而是服务于语言模型的工具。视觉是输入管道，语言才是处理器。

姚顺雨在腾讯所做的，是同一套逻辑。他推动腾讯撤销大语言模型部和多模态模型部，合并成立“基础模型部”，将多模态生成划出。这并非排斥多模态，而是将其退回到应有的位置——输入管道，而非CPU。他提到“AI下半场的竞争壁垒不在模型参数量，而在Context”——这句话的本质是：结构优化比能量堆砌更重要。当能量有限时，比别人更懂“该做什么”比“做更多”更关键。

————— ◆ —————

结构一旦形成，就会启动自我强化的正反馈循环。算力约束 -> 低能耗结构 -> 效率优势 -> 市场正反馈 -> 资本和人才加速集中 -> 多模态等高能耗方向被边缘化 -> 不可逆的结构性锁定。

这并非谁在做决策，而是正反馈在自动运行。更微妙的是，正反馈不仅锁定了路径，还锁定了认知。当所有人都在一条路上行走，当这条路产生了可验证的结果，人们就不再追问“是否有另一条路”了。梁文锋和姚顺雨在同一个赛道上互相追赶，而李飞飞的那条路甚至没有一个旗鼓相当的对手——这并非辩论分出了胜负，而是资源已经投完了票。

————— ◆ —————

一切系统都是历史性的，只能在已有结构上进行迭代进化。一旦跨出第一步，后续的每一步都在为第一步买单。整条产业链——人才、资本、数据、组织架构——都已围绕低能耗结构建立。你不可能在“继续推进语言模型”的同时，突然分出大量资源去追赶世界模型。

中国AI的路径锁定比科举制度更刚性。科举是“制度选择的结果”，你还可以争论是否应该改革。但中国AI的路径锁定是“物理约束的结果”——GPU出口管制是一个硬边界，不是你可以选择遵守或违背的规则。当能量输入被切断，你只能选择能量需求最低的结构。这不是“路径依赖”，而是“路径强制”。

————— ◆ —————

芯片管制是中国AI的“细胞膜”。它阻挡高能量的外部输入，迫使系统内部自发寻找低能耗的秩序。MLA、MoE、推理链、光学压缩——都是“熵泵”的产物。外部约束越强，内部秩序就越精致。

但这里有一个更深层的反讽：如果算力无限，中国AI大概率会世界模型和语言模型齐头并进，没有人会被迫追问“智能的本质到底是什么”。恰恰是算力贫瘠，迫使你必须回答这个问题。梁文锋说“世界模型与智能主线关系不大”——这句话由算力充裕的人说出来是傲慢，由算力受限的人说出来是自我安慰，但由DeepSeek——一个在极低算力下做出全球顶尖推理能力的团队——说出来，它有被严肃对待的资格。

他们不是在“说”，而是在“做”。他们用结果证明了：推理、规划、决策——这些被定义为“智能主线”的东西——并不依赖视觉的丰富性。这不是“穷人的自我安慰”。这是约束本身成为认知工具——就像进化选择了语言而非视觉作为信息传递的主通道，并非因为视觉不够好，而是因为语言是更低能耗的解决方案。

————— ◆ —————

创新从来不是富足的产物。硅谷的叙事强调“算力无限、资本无限、想象力无限”，但真正改变世界的创新往往来自约束。DeepSeek在算力远逊于对手的条件下，找到了“用更少做更多”的方法——不是“不得已的妥协”，而是“因为贫瘠所以更聪明”。

#AI路径#创新#边界锁定