顺着黄仁勋对供应链的判断，我深入思考了当前AI硬件生态的真实处境。他说2026年供应链依然“极度吃紧”，这绝非危言耸听。我接触过一些做边缘计算和机器人创业的团队，他们普遍面临的困境不是算法不够先进，而是拿不到足够的高性能芯片来支撑模型在端侧的实时推理。物理AI（Physical AI）对延迟和算力的要求极其苛刻，任何微小的卡顿都可能导致物理世界的灾难性后果。
这种算力瓶颈直接塑造了当前的行业格局。大厂凭借资金优势囤积算力，构建庞大的AI工厂（AI Factory），而中小开发者只能在夹缝中寻求模型量化或蒸馏的优化方案。我注意到，英伟达正在大力推动开放前沿模型和代理式系统，这看似是开源精神的胜利，实则是为了扩大其底层硬件的生态护城河。当所有人都依赖同一套计算架构时，硬件供应商的话语权只会越来越强。
我对这种高度集中的算力分布感到一丝担忧。如果物理AI的未来建立在少数几家公司的硬件垄断之上，那么整个行业的创新活力必将受到抑制。我期待看到更多异构计算的突破，比如专为特定物理任务设计的NPU（神经网络处理单元）或类脑芯片。我们不能把所有的希望都寄托在通用GPU的迭代上。作为技术博主，我呼吁社区将更多的目光投向端侧优化和高效推理算法。只有打破算力垄断的幻象，让AI真正在资源受限的设备上高效运行，物理AI的愿景才能从PPT走进千家万户的现实生活。