（来源：企业家杂志）
埃隆·马斯克在最新G20峰会上，分享他对的数字智能走向的看法：
当数字智能越来越便宜，真正稀缺的东西正在变成：电力、芯片、制造能力，以及把AI装进现实世界的机器人。
在这场20国创新峰会中，我们听听马斯克，正在传递什么重要信息。
01｜马斯克先把一个时间点推到了眼前：软件，可能是最先被AI彻底改写的行业
这场演讲发生在2026年9月1日，美国北卡罗来纳州举行的G20创新部长级会议。马斯克通过视频连线出席。
谈到AI，他没有先讲AGI，也没有讲某个模型跑分。
他举了一个棋类程序的例子：Stockfish。
今天，一台普通手机就能运行Stockfish，而且足以轻松击败世界顶尖国际象棋棋手。
马斯克认为，软件开发正在接近类似的拐点。
“明年某个时候，AI写软件会达到我所说的‘Stockfish级别’——人类将无法在软件开发上与AI竞争。”
他的时间表是：大约12~18个月。
这是一个非常激进的判断。
但它并不是完全脱离现实。
2026年，独立AI评测机构METR对前沿Coding Agent的测试已经发现：最强模型在一部分定义清楚的软件任务上，能够独立完成过去需要专业程序员数小时、数天，甚至某些情况下数周的工作。
但同一份评测也提醒：这些Agent依然会写出明显Bug，会走错误路线，也会在复杂、模糊、需要现实判断的任务里表现不稳定。
更准确的说法可能是：
AI正在迅速压低“把一个明确需求实现成代码”的成本。
而一旦实现成本持续下降，程序员真正值钱的部分，就会越来越向另一端移动：定义问题、理解业务、设计系统、验收结果，以及为错误承担责任。
02｜但数字世界只是第一幕。真正大的变化，是AI开始进入“原子世界”
马斯克在演讲里用了一个很形象的区别。
数字世界很容易复制。一个软件解决方案一旦写出来，可以在几分钟内复制到全球服务器。
但物理世界完全不同。你要造一个机器人，就要真的造出电机、减速器、传感器、芯片、电池、关节和手指；还要建工厂、管供应链，还要让机器人在千奇百怪的现实环境里可靠工作。
所以马斯克明确承认：
“任何物理的东西，永远都会比数字的东西慢。”
但他随后给出了自己理解人形机器人的一个公式：
机器人真正的价值 ≈ AI软件能力 × 芯片能力 × 机电灵巧度。
这三个变量不是相加，而是相乘。
如果软件提升一点，芯片提升一点，机械手也提升一点，最终机器人的实际可用性可能出现非常大的跃升。
这也解释了为什么2026年“Physical AI”“具身智能”突然成了科技产业最热的词之一。AI正在从屏幕里面，走向工厂、仓库、汽车、物流和家庭。
03｜“10年10亿台人形机器人”，听起来疯狂，但真正疯狂的是后面的逻辑
马斯克预测：
“10年后，全球会有远超10亿台人形机器人。”
而且，他认为每台机器人的产出最终可能达到一个人的5倍。
所以他的结论是：10亿台机器人创造的总产出，会超过今天所有人类劳动者。
这个数字目前没有可靠模型能证明。
事实上，现实中的人形机器人距离这个世界还很远。
路透社2026年8月底刚刚调查了中国的人形机器人产业。结论很直接：很多机器人做表演已经很惊艳，但一进入真实工厂，就会暴露出灵巧度不足、动作速度慢、复杂环境适应差、可靠性不够等问题。
所以，10年10亿台不能当作产业预测基准。
但马斯克后面的推导值得理解。
他说，一旦机器人开始参与制造机器人，扩张会出现“递归效应”。第一批机器人很难造；第二批机器人开始帮助生产第三批；第三批机器人又帮助制造更多机器人。
如果这个闭环真的跑通，产能增长就不再完全依赖人类劳动人口。
这才是“机器人可能让全球经济扩大很多倍”背后的真正逻辑。
04｜然后，整场演讲突然从“未来科技”，落回了一个最古老的问题：电
AI公司最喜欢讨论的是模型，资本市场最喜欢讨论的是GPU。
但马斯克说，目前真正开始卡住AI扩张速度的东西，是电力。
他在现场引用了一个估算：2027年，仅AI芯片对应的电力供应可能出现约15吉瓦的缺口。
国际能源署预计，到2030年，全球数据中心用电量将超过现在的两倍，达到约945太瓦时，略高于今天整个日本一年的用电量。
其中，AI是最重要的增长来源。IEA还估计，如果电网、发电和审批问题不能及时解决，全球大约20%的规划中数据中心项目可能因为供电问题延期。
现实里的钱也已经开始沿着这个瓶颈流动。
今年，Google与SpaceX签署计算资源协议，计划获得约11万块NVIDIA GPU的算力；Anthropic也与SpaceX签下大规模算力租赁协议。
这不是因为SpaceX突然比Google更懂AI模型，而是SpaceX的数据中心能够更快把GPU、电力、冷却和基础设施组合起来。
AI产业正在出现一个非常重要的变化：拥有最聪明的模型是一种优势，但能最快把几百兆瓦、甚至几吉瓦电力变成可用算力，也开始成为另一种核心竞争力。
05｜这也是为什么马斯克在G20一直谈“监管”：他担心速度输在制度上
主持人问马斯克：为什么有些国家能把新技术快速落地，有些国家却总是卡住？
马斯克的答案非常符合他一贯的风格：
“新东西应该默认合法，而不是默认违法。”
他特别批评欧洲监管太重，认为很多创新在一开始就被视为“不允许”，这会显著拖慢技术扩散。
他还用了一个很好的比喻：大公司像森林里的大树，创业公司像刚冒出来的小树苗。
大多数国家的问题，是给大树太多保护，却没有给小树苗足够空间。因为大公司能够见到政府领导人，创业公司往往没有这种能力。
所以他的政策建议是：少一些前置限制、更多风险资本，让制度主动给新公司留出生长空间。
这当然只是一种政策立场，并非AI治理领域的统一答案。
同一场G20会议上，Google DeepMind的德米斯·哈萨比斯就更强调AI安全测试。美国提出的“Carolina Principles”也体现了当前关于“创新与安全如何平衡”的争论。
06｜最重要的不是相信马斯克，而是看懂“什么正在变便宜，什么正在变贵”
马斯克非常擅长把时间表说得极端。
他的自动驾驶、火星、人形机器人预测都曾多次延期。
所以最不好的阅读方式，是把“12—18个月”“10年10亿台”全部当成日历提醒。
真正值得拿走的是一个更稳定的判断框架：每一次技术革命，都会让一些东西突然变便宜，同时让另一些东西变得更稀缺。
互联网让信息分发变便宜，于是注意力变贵。
云计算让服务器变便宜，于是优秀软件和用户增长变贵。
生成式AI正在让文字、图片、代码、分析这些认知产出变便宜。
那么接下来什么会变贵？
很可能是：真实世界的数据、可靠执行、能源、供应链、客户关系、品牌和信任，以及能够把AI真正接进业务流程的人。
如果你是职场人，不要只问“AI会不会替代我”。
更应该问：我工作里的哪一部分正在快速变成廉价能力？
哪一部分反而因为AI普及而更稀缺？
如果你是创业者，也别只想着再套一个大模型做产品。
可以反过来看看那些模型越强、需求反而越大的“卖铲人”：算力、能源管理、数据中心、机器人零部件、工业软件、AI安全、企业工作流。
这些可能才是第二阶段更长久的机会。
07｜结语：AI真正走出屏幕之后，科技公司的斗争也会变得“更重”
过去三年，AI革命看起来很轻。一个模型、一个网页、一个API，几个月时间就能触达全世界。
但马斯克这场演讲真正描绘的下一阶段，完全不是这样。
它需要发电站、变压器、液冷、GPU、机器人、几千个零部件、工厂和供应链。
AI开始从“软件行业”进入“整个工业体系”。
所以，也许下一场AI战争，最值得盯住的已经不只是下一代模型参数。
而是一个国家、一家公司，能不能把数字智能真正灌进现实世界。
模型决定AI有多聪明；电力、芯片、机器人和制造能力，决定这种智能最终能变成多少真实生产力。
百胜证券提示：文章来自网络，不代表本站观点。
