AI硬件已触物理极限，AGI因无视能量、成本、工程约束注定失败，中国务实落地模式将胜出。
Tim Dettmers是这位谷歌大脑早期TPU项目成员、k-bit量化推理奠基人、以“用物理现实打脸AGI幻想”闻名的AI硬件大神，在2025年12月10日发表了一篇题为《Why AGI Will Not Happen》的长文，直接把硅谷AGI泡沫戳穿了！
这位老哥可不是键盘侠，他三年前就精准预测了4-bit推理的极限，还亲手设计过千亿参数模型的推理架构，现在更是从芯片物理、能量守恒、经济扩散三大维度，系统性论证：所谓“人工通用智能”（AGI）根本就是空中楼阁，而“超级智能”更是彻头彻尾的幻想。
如果你还在为英伟达股价狂涨兴奋、以为AI马上就要接管世界，那你真的该冷静读完这篇深度拆解。
算力不是魔法，而是物理——被忽略的第一性原理
Dettmers开篇就亮出核心观点：计算是物理的。
这句话听起来平平无奇，但在硅谷AGI狂热圈里，这几乎是一记耳光。那些天天喊“指数增长”“无限智能”的人，根本没意识到：每一比特的数据移动、每一次矩阵乘法，都要消耗真实世界的能量、占据真实世界的硅片面积、克服真实世界的信号延迟。
芯片上的L1、L2、L3缓存用的明明是同一工艺，但速度却天差地别——因为物理距离越远，访问延迟越高。更关键的是，随着晶体管越来越小，计算单元成本暴跌，但内存墙（Memory Wall）反而越来越厚。如今一块AI芯片上，90%以上面积都用来堆内存，计算单元反而是“配角”。
所以英伟达动不动就吹“1000 PFLOPS”，但如果没有足够带宽喂数据，这些算力就是废铁。
Transformer架构之所以成功，不是因为它多“智能”，而是它在物理约束下做到了信息处理效率的近似最优——局部MLP计算+全局Attention聚合，这种设计天生就受制于芯片上电与热的物理极限。
人类大脑已是能量天花板，AI也快撞墙了
你可能觉得“AI能耗算什么，又不用吃饭”。
但Dettmers用人类进化史狠狠教育了我们：人类大脑占体重2%，却消耗20%的能量。女性怀孕时要同时供养两个大脑，若脑容量再大10%，母体根本无法提供足够营养——不是产道不够宽，是能量供不上！这就是自然选择划定的生物智能边界。（双胞胎呢？用人类大脑做类比可能牵强，因为我们不了解人类大脑）
而数字智能同样受制于能量密度。当前AI模型每提升10%性能，所需算力翻倍；再提升10%，算力再翻倍。线性进步，需要指数级资源投入。
物理世界没有免费午餐，芯片制程逼近1纳米，量子隧穿效应让晶体管漏电严重；HBM内存堆叠层数已到极限，再加层散热就崩；数据中心用电量即将超过中小国家……我们不是在接近AGI，而是在逼近算力宇宙的热寂边缘。
（越做越小肯定不行，越做越大难道不行吗？数据中心搬到太空已经训练出大模型了）
GPU神话已死，2018年就是性能拐点
最颠覆认知的部分来了——Dettmers断言：GPU性能已实质性停滞。
你以为H100比A100强，Blackwell比H100强，就代表算力还在飞升？错！2018年V100那代才是性价比巅峰。
之后所谓“进步”，全是靠“一次性特技”堆出来的：先搞FP16半精度，再塞Tensor Core专用单元，接着堆HBM高带宽内存，然后加TMA异步内存引擎，再压到INT8、INT4量化……这些招数全用完了！
他的k-bit量化论文早已证明，4-bit就是当前架构下效率极限。
再往下压，要么算力暴跌，要么显存暴涨，根本得不偿失。
英伟达现在玩的，无非是在物理牢笼里左右横跳。更致命的是，芯片级创新枯竭后，连机架级优化（比如KV缓存传输）也快到头了——Dettmers预判，2026-2027年，整个AI硬件将撞上物理天花板。
到时候，你砸再多钱，性能也纹丝不动。
中国模式完胜美国幻想：AGI不如“用起来”
美国AI圈沉迷“赢家通吃”逻辑：只要造出最强AGI，全世界都会跪着用。但中国走的是完全不同的路——不赌AGI，只赌落地。中国政策大力补贴AI应用，80岁老奶奶都在用AI买菜、问诊、写春联。因为中国人明白：AI的价值不在参数多大，而在能否提效降本。
一个能省下10%人力成本的客服机器人，比一个能写诗但耗电百万的“超级大脑”实用一万倍。反观美国，把宝全押在“超级智能自我进化”的玄学上，却忽视了最基础的经济扩散——软件行业本身就有收益递减魔咒，全球SaaS公司在中国集体溃败就是明证。
AI若只停留在代码生成、PPT美化，根本撑不起万亿市值。唯有像中国这样，把AI塞进工厂、农田、医院、社区，才能释放真实生产力。
（AGI如果一旦实现，是核弹出炉，你还在用一个个炸弹去爆破吗？核弹一处，所有应用工厂、农田、医院、社区一下子完全释放生产力，这种愿望虽然美好，但是不是不可行！）
机器人？别闹了！物理世界数据贵到离谱
AGI信徒常说：“等机器人配上大模型，就能干一切活！”
Dettmers冷笑：醒醒吧！工厂里的机械臂早就是“黑灯工厂”了，但那些没自动化的环节，比如给T恤缝袖子，不是技术不行，是根本不划算！收集1小时真实世界机器人操作数据，成本够训练100个语言模型。
而且物理世界充满噪声、意外、非结构化场景——掉在地上的袜子千奇百怪，但“袜子”这个词在文本里就一个写法。数据获取成本差异万倍，注定了机器人学习曲线比语言模型平缓得多。
就算未来有家用机器人，你觉得它花20分钟把衣服叠出褶皱，比你亲手2分钟叠好更香？
Dettmers直言：机器人最大的问题不是技术，是经济价值太低。AGI若不能下地干活，就只是个高级聊天机器人，何谈“通用”？
（人形机器人概念与AGI类似，是核弹级别出炉，不是普通工业机器人一个个根据场景Context定制的，这种推广速度加上人力介入，漫长而缓慢，如果我们靠堆机器数量能一下提速，这个愿望只有认同的资本才愿意去赌，资本游戏就是文字游戏，资本与文字区别就是资本是指向现实的符号，而文字真的只是纯符号，纯形式主义，纯假模假样，玩弄文字的人大有人在，但是玩弄资本的人大概只有上帝一个！）
超级智能是哲学毒药，自我进化纯属幻想
最后，Dettmers对“超级智能”发起终极审判。
牛津哲学家们幻想：一旦AI达到人类水平，就能疯狂自我改进，引发智能爆炸。但物理世界根本不认这套！就算真有超级智能，它想优化HBM内存，也得等台积电建新厂、ASML造新光刻机、工程师熬无数个通宵——这些全是物理过程，无法靠“思考”加速。
Transformer架构已逼近信息处理效率极限，推理部署也成了标准化工程问题。
超级智能最多“填坑”（比如优化某段代码），但绝不可能“破界”。更讽刺的是，那些鼓吹超级智能的人，自己都在用英伟达的GPU——而Dettmers刚证明：GPU已无进步空间。这就像指望永动机造出永动机，纯属循环论证。
（算力已经到极限，那靠算法，两条腿走路）
前沿大厂的末日警报：开源社区正在偷家
别以为只有哲学层面的批判，Dettmers还给OpenAI、Anthropic这些烧钱巨头敲响丧钟。
现在大模型推理效率依赖“规模效应”：必须同时服务百万用户，才能摊薄KV缓存成本。但一旦vLLM、SGLang等开源推理框架突破小规模部署瓶颈，任何团队都能用3000亿参数模型达到OpenAI级效率。
更可怕的是，中国公司如月之暗面（Moonshot AI）、百川（Baichuan）已证明：创新比规模更重要。
Kimi的推理能力吊打Claude 4.5，却只用1/10算力。
如果他们转投华为昇腾芯片（性能足够，成本更低），美国AI霸权一夜崩塌。前沿大厂押注的“算力护城河”，正在被软件创新和开源生态悄悄填平。
（美国人总是用假想敌训斥自己的孩子，别人家孩子如何，其实两个上下文环境如此不同，一个在庐山里徒步的人却用在华山徒步经验给同行制造焦虑，这种垃圾信息太多！文字游戏被他们玩弄到不只是指鹿为马，而是指着地球上鹿，断定是火星上的马，这离谱他妈给离谱开门，离谱到家了）
破除玄学，回归现实：AI的未来在菜市场不在实验室
Tim Dettmers的终极结论振聋发聩：AGI永远不会以当前形式出现，因为它无视物理、经济、工程的三重枷锁。
真正的AI革命，不在斯坦福实验室的白板上，而在义乌小商品市场的AI客服、寿光蔬菜大棚的智能灌溉、东莞工厂的质检机器人里。
中国模式之所以高明，就是把AI当成“电”一样的基础设施——没人会问“电什么时候达到通用智能”，大家只关心“这台机器省不省电”。当美国还在为“意识上传”“数字永生”吵翻天时，中国大妈已经用AI把广场舞BGM调到最嗨。（中国大妈跳舞音乐扰民，为啥用没有边界感一群人去说服有边界感的人群？）
或许，这才是技术普惠的真正含义。 （技术普惠有千万条，条条大路通罗马）
作者背景：
Tim Dettmers是AI硬件领域公认的顶尖专家，曾任职于谷歌大脑TPU团队，其关于低比特量化（k-bit）的论文是行业里程碑。他长期批判AI圈脱离物理现实的浮夸风气，以“用晶体管说话”著称，被开发者誉为“AI界的摩尔定律守门人”。