如果人工智能与机器人持续进步，人们是否会有一天不再为了生计被迫工作？ 马斯克曾把这样的未来描述为一种可能：工作更像运动或游戏，成为个人选择。黄仁勋则强调，AI首先会改变工作，让许多困难任务变得容易。 两种判断之间，横着技术、能源、成本与社会安排等多重条件，不能直接跳到所有人已经可以停止工作的结论。 两人在华府同台交流时，讨论的不只是机器能做什么，也涉及支撑机器运转的基础设施。马斯克关于金钱重要性下降、工作转为可选的说法，是对未来的设想。 他同时承认还有许多事情需要完成。把这种设想改写成已经实现的承诺，或者理解为现在便可以辞去工作，都会超出这番讨论能够支持的范围。 黄仁勋提出的转变视角，更接近当下需要观察的问题。AI可以改变一个岗位中的部分任务，却不等于这个岗位涉及的全部责任都会消失。 困难步骤变得容易之后，工作内容、协作方式和技能要求可能重新组合。因此，讨论技术影响，既要看自动化能够完成什么，也要看仍需由人决定、检查和承担的部分。 能源是双方都绕不开的约束。算力并不是只要制造出芯片就能无限增长，芯片需要稳定供电，运转又会产生热量。 数据中心的扩张，因而与电力、设备和冷却系统连在一起。如果这些环节跟不上，计算能力的理论进步就未必能够立刻转成同样规模的实际服务。 马斯克把视线进一步投向太空，提出用太阳能支持轨道上的AI计算设施。太阳辐射的总量很大，但总量与工程上能够获得的电力并不相同。需要多少面积的太阳能电池、怎样储能、设备如何发射与维护，都决定这条路径能否成立。 地球截获的太阳能占比很小，并不能单独证明太空数据中心一定更便宜。散热同样需要工程判断。太空真空环境中，向外排热主要依靠辐射，不能像地面设备一样借周围空气的对流带走热量。 冷却系统仍要把芯片产生的热传到散热表面，并考虑面积、材料和设备温度。所谓太空很冷，不代表把芯片送上去就无需冷却，更不能保证冷却系统的重量能够全部省掉。 地面机架与轨道设施不能只按一项重量作比较，减少某类用水需求，可能同时增加散热结构、储能或其他设计要求。设备能否长期稳定工作，需要测试和实际运行来判断。有关五年内实现太空AI的时间表，也应当保留为提出者当时的预测，而不是已经完成的部署进度。 芯片产业的需求，为AI扩张提供了另一种观察窗口。英伟达于2025年11月19日公布的2026财年第三季度业绩，对应截至2025年10月26日的季度：营收约570亿美元，其中数据中心营收约512亿美元。 这里的2026财年，不等于2026年自然年的第三季度，更不能把这组历史业绩称为今天刚公布的数据。 公司在同一次披露中给出了下一财季约650亿美元的收入展望。展望是当时的预测，不是该季度后来已经实现的收入。 业绩能够反映一段时期的商业需求，却不能证明每项AI应用都有相同回报，更不能由一家企业的销售增长，推导出人类劳动已经失去必要性。硬件采购与社会结果之间，还隔着具体使用与组织变化，相关讨论还涉及对华芯片供应及美国立法博弈。 企业希望继续销售、政府怎样制定出口规则、国会是否把某项条款纳入法案，是不同层次的问题。 对AI产业而言，这说明算力的发展还受到市场与规则的共同影响。产业展示则让机器人和算力的话题走近工厂，相关时期的鸿海科技日，涉及智慧制造、电动车、智慧城市以及AI基础设施合作。 展示一种应用、宣布合作、建立生产能力和稳定商业交付，属于不同阶段。它们可以说明企业正在投入，却不能被合并成所有机器人任务已经能够大规模落地的证明。 人形机器人的价值，也要放到具体场景中检验。在工厂执行重复任务、进入变化较大的农场、承担医疗操作，面对的环境和责任要求并不相同。 设备除了采购，还涉及能源、维护、培训与生产组织。量产目标和远期价格设想，不能替代对可靠性、适用范围和持续服务能力的考察。 算力的用途也不限于替代岗位，围绕Frontier超级计算机的研究，曾展示大规模小鼠皮质模型，整合神经元、突触与活动等数据，为一些实验提供计算环境。 这样的模型有助于科学探索，但模拟特定结构，不等于完整复制动物，更不等于已经理解或重建人类大脑。技术进步的意义，可以体现在扩大研究能力，而不是只用少了多少工作来衡量。 这些案例共同说明，AI的现实发展是多个环节逐步推进的过程。芯片销售、数据中心建设、机器人展示与科学模拟，各自提供不同的信号。 把它们连起来，可以看到应用空间扩大；但其中任何一个，都不能自动证明另一环节已经跨过全部门槛。长期愿景需要由持续的工程与经营结果来支撑。 进一步说，生产效率提高，也不自动等于所有物品与服务都免费。 劳动成本可能下降，原料、能源、设备和维护却仍然存在；生产能力增加之后，成果怎样分配，也需要具体安排。“机器能够生产”与“每个人都能获得”，是两个相互联系却不能省略中间步骤的问题。 即使未来人们可以减少某些谋生劳动，生活的意义也未必