智财资本 专访王坚革教授：英伟达泡沫三年内或将破裂，算力需求或骤降百万倍

近日，由卫视、网发起的2026之星上市公司评选已全面进入专业评审阶段。

本届评选紧扣全球AI产业变革趋势，聚焦企业智能化真实落地能力与底层技术创新实力，特设多项AI主题专项奖项，旨在挖掘AI浪潮中具备核心竞争力与长期成长潜力的优质上市公司，为资本市场树立科技转型价值标杆。

本次深度专访特邀本届赛事评审专家日本NTT数据集团主任研究员王坚革教授，结合多日评审一线调研见闻，复盘国内各行各业上市公司智能化转型现状，围绕企业AI真伪甄别、算力产业周期、底层技术突破、头部企业价值研判、产业出海机遇等核心行业议题，输出一系列极具前瞻性的重磅产业观点，深度拆解当下中国AI产业的机遇、短板与换道超车核心路径。

王坚革表示：“国内企业数字化，智能化已经告别单纯跟风上系统做表面数字化的阶段，大家在经历了外部环境洗礼以后，创新的思路正在发生深刻的转变。参照日本企业过往追赶欧美的历史经验，越来越多的企业意识到仅仅在成熟赛道实现技术追赶，很难建立长期安全的壁垒，必须得主动布局下一代技术路线，避免长期被别人设定的技术范围里头受打压。”

01 国内智能化三大鲜明特征：底层算力、AI 分层、软硬件协同成核心矛盾

谈及当前国内企业智能化发展现状，王坚革总结三大行业特征：

第一，智能化建设不再只是降本增效工具，供应链安全、底层技术自主成为硬科技企业核心考量。企业不再只聚焦成熟算力方案，开始布局光子 AI 芯片等下一代算力方向，看清传统电子 AI 芯片逼近物理瓶颈，长鑫、澜起这类存储企业，是光子计算体系不可或缺的硬件底座支撑。

第二，AI 赛道出现明显分层，上层大模型应用火热，底层基础创新存在巨大短板。行业资本大量涌向现有主流神经网络路线，但主流方案存在可解释性瓶颈，在高可靠、高安全工业场景落地存在天然物理约束，业界急需具备严密数学支撑、可解释性更强的全新物理 AI 架构，目前长线基础研究投入主体十分有限。

第三，软硬件协同全链路布局成为头部企业共识，数字化转型不再是软硬件简单堆砌，新算法架构革新必须与底层硬件匹配迭代。当下市场普遍追捧短期变现的 AI 应用，周期漫长的 AI 数学基础理论、全新架构预研投入严重不足。“一旦 AI 底层数学基础理论实现突破，就有望把算力需求直接降低数千甚至上百万倍，重塑整个算力产业链。我们期待像大疆这类具有前瞻性研发传统的工业龙头，能够更多的关注 AI 数学基础理论方面的探索。” 王坚革说道。

王坚革判断，国内智能化正处在关键分水岭：短期大模型应用热度仍会持续，但长期竞争胜负取决于全新 AI 架构，光子 AI 芯片、可解释 AI 等底层赛道才是决胜关键，企业需要兼顾短期商业化与长期技术创新，才能在新一轮技术范式中实现换道超车、掌握主动。

02 “特朗普的封锁，成全了长鑫与澜起的黄金窗口期”

对于聚焦长鑫、澜起等存储企业，王坚革直言，底层存储技术对比美光、三星仍存在明显差距，但存储产业不属于光刻机最底层环节，具备自主突破空间。“如果国内能实现 28nm DUV 光刻机自主，再叠加 AI 数学基础理论突破，我们不需要 HBM 高速传输通道，依靠成熟 28nm 芯片搭配自研 AI 数学体系，完全有机会搭建自主 AI 芯片。即便现有技术尚不成熟，长鑫、澜起在底层存储赛道的可靠性依旧稳固。”

他坦言，国产存储当下红利核心来自国产替代，特朗普发起的技术封锁，反倒为长鑫、澜起创造了难得的黄金发展窗口期。“如果要是特朗普不搞封锁的话，我估计，长鑫跟澜起这类企业的生存环境是很困难的。正是外部封锁给我们制造了宝贵机会，能否牢牢抓住这个时间窗口，是企业突破发展的关键。”这一外部环境变化，让国内底层存储企业获得了喘息与成长的空间，如何抓住窗口期补齐底层技术，成为产业核心课题。光子 AI 芯片目前在光学器件层面技术日趋成熟，但存储转换环节存在巨大短板，光子计算结果需要转入电子芯片存储，大量损耗资源，而澜起、长鑫参与国际光存储转换标准制定，拉长计算到存储完整产业链条后，光子芯片效率将大幅超越传统电子芯片。

03 “AI 本身是工业味精，一定要依附于具体场景才能产生价值”

针对行业大量企业混淆 AI 概念、评审难以客观评判的行业痛点，王坚革提出五大可落地判断信号，用于甄别真正具备 AI 核心能力的企业：

AI 与主营业务深度咬合：AI 不能和主业 “两张皮”，智能化投入必须服务核心产品，嵌入研发、生产、供应链关键环节，仅用作宣传噱头、脱离业务场景的 AI 项目均为概念包装。“AI 本身是工业味精，一定要依附于具体场景才能产生价值。”

具备可量化落地指标：摒弃 “赋能转型” 等模糊定性描述，以生产良率、研发周期、规模化部署数量、推理成本、系统稳定运行时长等可核验定量成效作为评判依据。

区分应用集成与自主创新：仅调用第三方 API、简单微调搭建前端应用属于浅层集成，不具备核心 AI 能力；真正有实力的企业拥有自研算法团队、专属高质量数据集，数据集内含真实物理规律，具备长期迭代机制。

长期组织配套与持续投入：跟风布局AI、仅因行业焦虑短期投入的企业难以走通，完整 AI 布局需要长期稳定研发规划与组织配套。

模型满足工程物理约束、故障可复现：当下主流黑盒 AI 不受物理约束，工业落地稳定性差；优质 AI 系统故障可再现，能够持续产出规模化真实业务价值，规避大模型幻觉、不稳定等固有缺陷。

王坚革强调，当前行业缺少统一 AI 界定标尺，千人千种 AI 定义，评价极易流于主观，只有建立以单调收敛、稳定迭代、高可解释、强泛化性为核心的标准，才能客观筛选具备长期生命力的 AI 产品。

04 当前英伟达存在巨大产业泡沫，三年之内或将破裂

针对企业盲目跟风布局 AI、短期投入难见利润的普遍困境，王坚革给出一套平衡投入与经营效益的实操思路。

首先搭建定量 AI 投入产出评估体系，对 AI 项目分层分类管理：成熟产线质检、调度、客服等场景，设定 1-3 年回本短期收益指标；新型算法、下一代算力适配等前沿基础研究，单独划定长期研发预算，剥离短期业绩考核，不能强求即时利润。“OpenAI 不计成本投入多年才取得阶段性成果，底层基础研究天然具备长周期属性。”

其次，摒弃单一净利润财务指标评价 AI 项目，建立多元化价值评估体系。AI 带来的管理优化、隐性降本等长期管理价值，无法直接体现在短期财报，需要单独纳入长期价值指标考量。他直言当前英伟达存在巨大产业泡沫，单一高利润垄断格局难以长期持续。

同时企业可借鉴丰田精益生产模式，采用渐进式改造，分环节迭代优化，不一次性推翻现有体系。长远来看，随着 AI 底层数学理论突破，算力成本将大幅下降，智能化门槛重构，企业现阶段需同步储备数字化底层能力，迎接下一代技术变革。此外，产业发展必须严控大数据质量，多维度核验数据产生逻辑、物理适配性、工程落地价值，夯实产业底层根基。

谈及英伟达行业泡沫存续周期，王坚革给出明确预判：“三年之内泡沫就会破裂，电力供给是当前最大瓶颈。”

他解释泡沫形成根源：现有黑盒大模型缺少高效数学描述工具，行业陷入 “模型规模越大竞争力越强” 的误区，完全脱离物理约束。“描述苹果落地，牛顿力学仅需三个参数，现有大模型却要十亿级图像数据，一旦新型 AI 数学理论落地，算力需求可降低百万倍，英伟达现有商业逻辑将不复存在。”

泡沫破裂背景下，存储赛道反而迎来长期机遇。无论未来主流是电子 AI 芯片还是光子 AI 芯片，数据存储都是刚需，澜起、长鑫不受算力周期剧烈波动影响，产业成长周期将远超英伟达等算力厂商。

05 看好长鑫、澜起、大疆、腾讯

王坚革认为长鑫、澜起处于存储刚需赛道，不受单一算力周期制约，长期成长确定性强；大疆坚持前沿技术预研，叠加无人机独特场景数据优势，具备底层理论突破潜力。

腾讯资金储备充足，对被投企业研发约束宽松，拥有长期技术翻盘潜力；

针对全球 AI 监管收紧、地缘壁垒抬升、行业预判出海红利收缩的观点，王坚革持相反判断，认为未来三年国内企业数字化出海将持续扩容。

短期各国差异化监管、芯片出口限制会抬高出海阻力，但长期核心竞争力源于国内独有的工业物理数据优势。欧美大模型数据多抓取自互联网，数据逻辑无法核验；我国作为世界工厂，沉淀海量可追溯、符合物理定律的产业加工数据，构建海外难以复制的物理 AI 模型壁垒，类似比亚迪突围日本轻型卡车市场，底层技术突破将倒逼海外市场接纳国产 AI 方案。

海外科技巨头持续巨额押注闭源大模型，依靠授权赚取商业收益；我国依托制度优势坚持开源路线，能形成全球稀缺的 AI 供给资源，支撑出海长期扩容。

同时他预判，海外头部 AI 企业资本承受周期存在上限，参考 Meta 元宇宙投入周期，OpenAI、谷歌等企业最长坚持不超过五年，3 年内大量资本或将离场，留下巨大产业空白，国内底层技术企业有望承接产业转移红利。

访谈最后，王坚革表示，国内产业想要抓住新一轮技术革命机遇，必须跳出短期商业化思维，集中资源攻坚 AI 数学底层理论、光子算力、存储硬件三大核心赛道，依托全产业链场景红利，坚持长期技术创新，最终实现 AI 底层技术换道超车。

盛多网提示：文章来自网络，不代表本站观点。