在近期举行的米尔肯全球会议上，五位覆盖AI供应链各层级的领军人物齐聚一堂，就当前AI经济面临的真实瓶颈展开深度对话。这场由TechCrunch主持的圆桌讨论，汇集了ASML CEO Christophe Fouquet、谷歌云COO Francis deSouza、Applied Intuition CEO Qasar Younis、Perplexity首席商务官Dimitry Shevelenko以及量子物理学家、Logical Intelligence创始人Eve Bodnia。他们从硬件制造到数据采集，再到基础架构，逐一剖析了AI产业正在遭遇的硬性限制。

ASML CEO Fouquet率先点出芯片制造端的紧张态势。他指出，尽管芯片制造正经历“巨大加速”，但他“强烈相信”在未来两到五年内，市场将始终处于供应受限状态。这意味着谷歌、微软、亚马逊、Meta等超大规模云厂商，即便已经支付了巨额订单，也无法完全获得所需的芯片。这一判断直接揭示了AI算力基础设施最底层的物理瓶颈——极紫外光刻机的产能天花板。

谷歌云COO deSouza则从需求侧印证了这一判断。他透露，谷歌云上季度营收突破200亿美元，同比增长63%，而其未交付订单从2500亿美元跃升至4600亿美元，单季度近乎翻倍。“需求是真实的，”deSouza以冷静的语调强调。这种供需失衡正推动着谷歌云进行“企业史上最大规模的基础设施投资之一”。

Applied Intuition的Younis带来了另一个维度的思考。这家估值150亿美元的物理AI公司，专注于为汽车、卡车、无人机、采矿设备及国防车辆构建自主系统。Younis指出，他的瓶颈并非芯片，而是数据——尤其是必须通过将机器派往真实世界才能获得的物理环境数据。“你必须从真实世界中找到它，”他强调，无论合成仿真多么先进，都无法完全弥合与现实数据的差距。“在完全通过合成数据训练物理世界模型之前，还需要很长时间。”这一观点揭示了AI从数字空间走向物理世界时所面临的独特挑战。

Perplexity的Shevelenko则从AI原生搜索与代理服务的角度，讨论了用户行为变化带来的基础设施压力。作为一家从搜索转向代理服务的AI公司，Perplexity正在见证用户对实时、多模态信息处理需求的爆发式增长。这要求底层推理架构具备极低的延迟和高吞吐能力，而当前的芯片供应紧张正成为其扩张的隐形天花板。

最引人深思的发言来自Logical Intelligence的Bodnia。这位离开学术界的量子物理学家，正在挑战AI行业普遍依赖的基础架构。她认为，当前基于深度学习的整个技术栈可能存在根本性错误。“我们假设当前的架构是正确的，但也许它只是目前最不坏的选择。”Bodnia的团队正在探索替代性的计算范式，试图从底层重新设计AI推理机制。值得注意的是，Meta前首席AI科学家Yann LeCun已于今年年初加入该公司技术研究委员会并担任创始主席，这为她的探索增添了重量级背书。

五位专家的讨论共同描绘了一幅复杂的图景：AI经济正从概念验证阶段迈向大规模部署，但供应链的物理限制、数据获取的真实成本以及基础架构的潜在缺陷，正在成为决定行业发展速度的关键变量。从ASML的光刻机到谷歌云的数据中心，从Applied Intuition的物理世界数据到Logical Intelligence的架构革新，每个环节都在经历着从乐观到务实的转变。正如Fouquet所言：“未来几年，市场将始终处于供应受限状态。”这种限制或许正是推动AI技术走向更成熟、更可持续路径的催化剂。