Sam Altman：能源是AI与机器人发展最大物理瓶颈

Sam Altman在ADIPEC指出能源是AI最大挑战，强调模型效率与机器人制造可优化，但物理供电成本难压缩，将主导AI成本与供给丰裕度。

AI 整理

硬件零部件
端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：Energy is the biggest challenge because "atoms are still atoms"（X：Rohan Paul (@rohanpaul_ai)（via AIHOT））

核心内容

Sam Altman在阿布扎比ADIPEC开幕式上明确表示，能源已成为人工智能发展的最大挑战。他提出“原子仍是原子”的物理约束论断，认为尽管算法模型效率、机器人制造芯片厂及机架组装等技术环节能持续进步，但物理世界的供电成本难以被技术手段压缩，这一刚性约束将直接决定未来AI系统的成本结构与资源供给的丰裕程度。

该观点揭示了具身智能产业化的底层逻辑：软件层面的摩尔定律无法完全覆盖硬件运行的能耗增长。对于机器人算法工程师与硬件研发而言，这意味着系统设计需从单纯追求算力性能转向能效比优先；对于产业决策者，能源获取能力与电力成本控制将成为评估AI基础设施及机器人工厂落地可行性的核心指标，而非仅关注模型参数或本体规格。

关键看点

物理约束：Sam Altman强调“atoms are still atoms”，指出物理世界供电成本难以像数字技术那样持续压缩，构成AI发展的硬性天花板。
技术边界：明确区分了可优化项（模型效率、机器人制造、芯片厂）与难压缩项（能源成本），界定当前AI工程优化的有效范围。
成本主导：断言能源供给将主导AI的成本结构与丰裕程度，提示具身智能产业化需将电力要素纳入核心商业模型测算。