在全球人工智慧（AI） 浪潮持續升溫之際，矽谷投資人、連續創業者、Fusion Fund 創辦人張璐指出，誰能同時撐起 AI 技術的持續突破（上升）與產業規模化落地（下沉），並把兩者真正連結起來，將是中美人工競賽下一戰的重點。

根據《財富》（Fortune）報導，近期，多家權威詞典公布的年度詞彙幾乎不約而同指向 AI。從象徵低品質內容氾濫的「網路垃圾」（slop）、描述新開發文化的「vibe coding」，到刻意激怒用戶的「憤怒誘餌」（rage bait），都折射出 AI 對網路生態的深度影響。

而在中國，由多家機構聯合推選的年度國內詞，則落在近來備受矚目的「DeepSeek」。

但對於身在全球 AI 創新浪潮核心的矽谷的投資人來說，若要用一個詞總結這一年，恐怕非「泡沫」莫屬。

對身處全球 AI 創新中心矽谷的投資人而言，「泡沫」成為更貼切的年度關鍵詞。

從美股市場對 AI 概念的高度追捧，到科技巨頭之間推升估值的「循環交易」，再到亞馬遜 (AMZN.US)      與 OpenAI 傳出洽談高達 100 億美元投資案，市場在狂熱與質疑之間反覆擺盪。

張璐指出，目前已有部分模型公司在尚未實現營收的情況下，估值就達數億美元，價格重置只是時間問題。

她觀察到，近期甲骨文 (ORCL.US)      與資料中心服務商 CoreWeave (CRWV.US)      的市值已出現大幅回調，跌幅甚至可與 2000 年網路泡沫或 2008 年金融危機時期相提並論，顯示投資人正加速拋售被認為過度擴張的標的。

不過，張璐對這一輪 AI 泡沫的後續發展持審慎樂觀態度。

她認為，與 2000 年網路泡沫時期大量科技公司缺乏實際收入、以 C 端市場為主不同，本輪 AI 創新背後有明確的產業需求支撐，且愈來愈多新創公司正加速轉向 B 端應用。

相較於市場對泡沫的高度關注，張璐更在意的是 AI 在今年所展現出的結構性變化。

她指出，2025 年的 AI 發展同時出現「向上」與「向下」的雙重軌跡：

• 一方面，各國在全球競逐中不斷推進核心技術的突破；
• 另一方面，AI 也正以前所未有的速度滲透進產業內部，從概念驗證走向實際應用。

技術「上升」：基礎設施加速演進

在 AI 基礎設施層，特別是晶片領域，過去由 GPU 主導的格局正在鬆動。

張璐指出，部分新型模型架構在 CPU 上的運行效率更佳，Google(GOOGL.US)      的 TPU 發展迅速，而高通 (QCOM.US)      與英特爾 (INTC.US)      推出的 NPU，則在能效表現上展現優勢。

雲端基礎設施方面，長期困擾產業的算力成本、能耗、邊緣應用與資料隱私等問題，正逐步獲得改善。

例如，OpenAI 的 token 價格已從每千個 30 美元大幅降至 9 美分；被輝達 (NVDA.US)      收購、由華人創立的 Lepton，其技術則能顯著降低 GPU 消耗。

在能耗議題上，新一代模型與晶片架構正持續提升整體運算效率。

張璐形容，這就像電力在輸送過程中會產生損耗一樣，AI 系統中「通訊階段的耗能，往往遠高於實際運算本身，甚至可達數十倍以上」，因此成為當前技術優化的關鍵方向。

同時，邊緣 AI 的發展也明顯加速。包括 Google 在內的科技巨頭，以及大量新創公司，正積極開發參數規模低於 10 億、但效能已可接近 GPT-4 的端側小模型，未來可直接在手機等裝置上本地運行。

至於資料隱私層面，聯邦學習等技術已率先在金融、醫療等高度監管產業落地，相關的監管科技與合規機制也同步成熟。

應用「下沉」：AI 快速走入產業核心

在應用層，美國今年非科技產業 明顯加速導入 AI，包括醫療、金融保險與太空科技等領域皆進入快速更新期。新創公司大量湧現，大型企業也全力衝刺。

張璐指出，AI 競爭的激烈程度，從工作節奏便可見一斑。

她表示，Google 的 AI 團隊幾乎全年無休，一週七天高速運轉；部分企業甚至從今日凌晨到隔日凌晨連續投入，每週僅保留極少的休息時間。至於馬斯克麾下的團隊，更是以長時間工作聞名，通宵達旦已成常態。

同時，大企業與新創公司的合作與併購也日益頻繁。她指出，Fusion Fund 今年就有五家投資組合公司被大型企業收購，其中三家成立時間不到兩年，收購金額皆超過兩至三億美元。

近日，Meta(META.US)      也宣布以數十億美元收購通用自主 AI 代理公司 Manus，成為該公司史上第三大收購案，顯示 AI 正從單純的「工具」，加速進化為能主動執行任務的「行動者」。

快速整合的趨勢，也推動了全球資本與人才的重新流動。張璐指出，矽谷超過四成居民為第一代移民，獨角獸企業中約六成創辦人來自移民背景。

在 AI 基礎設施與模型架構研發上，亞裔（尤其是華裔）、歐洲裔與加拿大裔成為主力，而以色列團隊則在隱私與安全領域具備明顯優勢。

她總結認為，市場泡沫終究會隨時間修正，但 AI 技術持續向產業深層滲透的方向已然確立，這股趨勢不太可能出現逆轉。

中美對比：優勢互補，界線模糊

在中美 AI 發展比較上，張璐指出，美國在晶片、模型與基礎設施層面仍具領先優勢，但其老化的電網難以支撐 AI 日益龐大的能耗需求。

由於私有資本難以進入電網領域，微軟 (MSFT.US)      、Google 等科技巨頭被迫自建能源系統。

相較之下，加拿大憑藉豐富能源，今年新設 AI 及數位創新部門，可能成為北美 AI 產業的重要後勤基地。

中國則在新能源基礎設施、完整的機器人供應鏈，以及全民快速擁抱新技術的社會氛圍上，形成獨特優勢。

張璐指出，相較於美國中高齡族群對新技術的疏離感，中國各年齡層用戶都展現出強烈的學習與採用意願。

在開源模型方面，中國企業如 DeepSeek、阿里巴巴 (09988-HK) 持續貢獻開源成果，而美國科技巨頭因進入大規模商業化階段，開源意願相對保守。

中美在 AI 創新上的另一個明顯差異，體現在整體創新生態的運作方式。張璐指出，矽谷長期形成的創新模式，或許能為中國 AI 發展帶來啟發。

在美國，大型企業與新創公司之間往往建立起高度互補的共生關係：大企業為新創團隊提供實驗場域與潛在的併購出口，而新創公司則持續為成熟企業注入尖端創意與技術動能。

從實務層面來看，美國企業中首席技術長的核心職責之一，便是布局未來技術，其預算主要用於技術採購、策略合作與併購創新團隊。

這類投入通常有明確的制度設計，一方面設有固定預算，另一方面也對失敗抱持理性預期，例如同時合作的多家新創中，部分無法成功屬於可接受範圍，大企業具備相應的容錯空間。

張璐強調，正是這種能夠承擔風險、鼓勵試錯的機制，使矽谷得以長期作為全球重要的創新平台。

目前普遍的看法是，在 AI 發展上，中國在應用層面具備領先優勢，而美國則在核心技術上占據高地。

然而放眼未來，這兩條發展路徑的分界正逐漸淡化。

下一階段的競逐，關鍵或將落在誰能找到那個核心支點：既推動技術持續「向上」突破，又能促使應用加速「向下」落地，真正轉化為產業價值。