我知道很多人都在观察AI建设这场抢椅子游戏何时结束的信号。在我看来，短期内不会结束。但当我察觉到看空信号时，还是想测试一下看空逻辑。

越来越多人认为，随着开源模型、本地设备性能提升及端侧AI能力增强，我们将转向本地计算，超大规模数据中心支出将放缓（看空AI建设）。虽然为时尚早，但像加文·贝克（我高度认可其观点）这样的人已经提到，这"可能"构成看空论据。

平心而论，边缘AI确实有其价值：隐私保护、离线使用等。但要说它能威胁整体云资本支出？我不同意。

  • 本地硬件面临严格的显存、散热等硬件限制。顶尖算力在未来很长一段时间都需要大规模数据中心集群支持。
  • 购买昂贵设备却90%时间闲置，资本效率极差。而云数据中心可以全天候聚合需求。
  • 云API价格持续暴跌至每百万token几美分。（新的GLM 5.3 Flash价格仅为Gemini 3.7 Flash的10%！且性能相当）。为运行大模型付费使用本地硬件毫无经济性可言，更不用说超大规模厂商还开发非消费级芯片（如TPU）来运行专用模型。
  • 即使点对点/分布式AI计算兴起，消费者之间的网络互连速度也无法与数据中心互连带宽相提并论。
  • 最后，这一幕我们似曾相识。多年前本地服务器输给云服务，就是因为管理本地硬件成本高昂、难以扩展、且迅速过时。

我期待有人反驳我的观点。我认为边缘AI会处理基础本地任务或适合持续后台运行的任务（如视频监控等），但这只会提升整体AI使用量，并将复杂查询推回云端——更不用说即将到来的大量新突破（比如两小时的高质量长片绝不可能在Mac上制作完成）。

我遗漏了什么？
（补充说明：我是重度依赖AI的软件开发人员，也玩过本地模型，因此对两者都有一定经验。）