命脉所在：算力、芯片与数据中心

它的统治地位并不只靠芯片硬件：还依托于 CUDA，即整个 AI 生态用来为其芯片编程的软件层，这是一道难以逾越的竞争“护城河”。在2026年1月的 CES 上，NVIDIA 详细介绍了新一代 Vera Rubin（接替 Blackwell 架构）：每个 Rubin GPU 在 FP4 精度下可提供约 50 petaFLOP 的算力，搭载超高速内存 HBM4，并组装进集成 72 个 GPU 和 36 个 Vera 处理器的“NVL72”机柜。再下一代“Feynman”也已经公布。在2026年8月26日公布的财报（截至7月26日的季度）中，NVIDIA 表示 Vera Rubin 平台正进入全面量产，机柜已在多家云服务商处投入使用；其季度营收达到 962 亿美元，其中数据中心业务为 890 亿美元。

NVIDIA 的影响力已延伸到芯片之外：2026年9月宣布收购 Hugging Face（第9章）。

如何训练活体神经元？ 这一过程与训练硅基 AI 毫无共同之处：既没有反向传播，也没有梯度下降（第2章）。神经元被培养在一张电极阵列上，这张阵列既是它们的感官，也是它们的肌肉，能够刺激它们并读取它们的活动。以 Pong 为例，球的位置被转换成电刺激；随后，根据神经元是否给出了正确的活动（球拍接住了球），向它们反馈的信号要么规则而可预测，要么是混乱的噪声。依据所谓的自由能原理（由神经科学家 Karl Friston 提出），神经元网络会设法把自身所感知内容的不可预测性降到最低：因此培养物会自发重组以逃离混乱，也就是把游戏玩得更好，并且在几分钟内就能做到。人们并没有编写任何程序：只是塑造一个环境，组织便自行适应。

于是有两点重大保留意见不得不提。首先是成熟度：这些系统非常缓慢，容量微乎其微，而且培养物只能存活几个月；多位一流神经科学家认为，以这种方式与硅竞争的想法为时过早，甚至注定失败。

令人眩晕的伦理难题。 第二点保留意见更为深刻（第23章）。一些人公开设想的远景是，有朝一日在构建 AI 时，用能耗低得多的真正的生物神经元，取代人工神经元（不过是矩阵中的一些数字）。但这一远景打开了一道深渊：随着这些培养物不断增大，它们会不会发展出某种形式的意识，甚至痛苦？今天没有人知道如何定义或测量这样一个系统的意识，而令人担忧的恰恰是这种模糊性（当“感知能力”（sentience）一词被用于 Pong 实验时，数十位研究者发表了反驳）。由此引出三个具体问题。首先是知情同意：这些神经元来自人类捐献者的细胞，而捐献者未必同意让它们变成一台会思考的计算机。其次是道德地位：如果这样的培养物能够感受到任何东西，我们是否有权利用它，又是否有权将它关停？切断一台服务器的电源无关紧要；而拔掉一块可能有感知的脑组织的电源，就不再如此。最后是监管框架：由于缺乏科学共识，一些研究者呼吁现在就设立防护措施，可借鉴动物研究伦理委员会的做法。在现阶段，生物计算与其说是芯片的可信替代方案，不如说是一个迷人而又令人不安的研究领域，值得我们以同等的审慎与好奇去关注。

• ASML（荷兰）在极紫外（EUV）光刻机上拥有全球垄断地位，只有这种机器能够刻出最精细的电路。没有 ASML，就没有尖端芯片。
• TSMC（台湾）制造了全球约 90% 的最先进芯片（3 纳米及更先进制程），并占据全球晶圆代工市场的三分之二。其产能在地理上集中于台湾，使之成为世界经济的一处要害。
• NVIDIA（美国）设计 GPU，但自己并不制造（即所谓“fabless”模式）：它把芯片制造交给 TSMC。

在全球范围内，数据中心的专用电力容量据估算将在 2026年达到约 132 GW，预计仅这一年就将新增约 10 GW 的 AI 算力（相当于 1300 万至 1500 万个加速器）。

2025年至2026年的一连串事件，展现了一盘跌宕起伏的棋局。2025年，上届政府留下的监管框架被废除（造成了一段管制松动期，据称有数十万枚芯片在此期间经由第三国转运），此后美国政府在 2026年5月底收紧了规则：今后凡向中国企业的海外子公司出售先进加速器（NVIDIA 的 Blackwell 和 Rubin 系列、AMD 的 MI350x），都必须取得许可证。与此同时，H200 芯片一波三折的风波（先获批准，随后时而被华盛顿叫停，时而被推动自给自足的北京叫停）促使 NVIDIA 把它在 TSMC 的产能重新分配给新一代 Vera Rubin。更近的2026年年中，美国的压力转向价值链更上游，指向 ASML 本身，华盛顿怀疑它让一台尖端设备流入了中国。

---

本章要点（第8章）

• AI 首先是算力问题：模型在数万个 GPU 上训练，而推理（每一次请求）在长期账单中占据主导。
• NVIDIA 凭借其芯片（2026年的 Vera Rubin 一代），尤其是其软件 CUDA 占据主导；Google（TPU）、AMD（Helios 机柜，2026年）和云巨头都在开发替代方案。
• 价值链高度集中：ASML（EUV 光刻机，荷兰）、TSMC（制造，台湾，约 90% 的尖端芯片）、NVIDIA（设计，“fabless”模式）。
• 超大型数据中心以吉瓦计（Stargate 10 GW、Colossus、Hyperion）；四大云巨头2026年的投资预期约为 7350 亿至 7500 亿美元。
• 一条前沿路线是把数据中心送入轨道（近乎连续的太阳能、辐射散热）：首批演示验证出现在2025年（一块在轨的 H100 GPU、Google 的 Suncatcher 项目），但存在重大障碍（发射成本、散热、辐射）。
• 一条更为激进的路线是生物计算（用活体神经元进行计算，即“wetware”），它从大脑的高效率（约 20 W）中获得启发，但仍然缓慢、规模极小，且伦理问题重重。
• 以“扼制点战略”为基础的中美“芯片战争”，正把世界割裂为两大技术阵营。

面对这种对少数巨头及其庞大数据中心的依赖，一种替代方案正在兴起：用开放模型在自己手中运行 AI。这正是第9章的主题。

---