AI的下半场，不只在云端

过去三年，AI产业最热闹的故事都发生在数字世界

过去三年，AI产业最热闹的故事都发生在数字世界。大模型一轮接一轮刷新参数记录，生成式AI能写文字、做视频、写代码，创业公司估值一路飙升。资本、人才、注意力，全部涌向同一个方向。

到了2026年，一个更现实的问题摆上桌面：AI要如何走进物理世界？

听上去是技术问题，但骨子里是产业问题——现实世界和数字世界，完全是两套运行逻辑。

先说延迟。在浏览器或App里，用户能容忍大模型思考几秒甚至几十秒再吐出答案。但到了现实世界——自动驾驶车辆前方突现障碍物，工厂机器人需要修正抓取轨迹——响应必须压到毫秒级。云端架构在这个时间尺度上基本失效，控制方案若依赖云端往返，大概率兜不住底。

再说容错。聊天机器人说错一句话，重新生成就好，损失不过几分钱算力。但产线机器人轨迹偏移几毫米，整批产品报废；空调控温算法出错，数据中心机房可能局部过热。物理反馈不可逆，现实世界里，没有“重新生成”按钮。

成本这笔账也得重新算。数字AI的魅力在于，部署一个模型可以服务上亿用户。但物理AI每进入一个新场景，芯片、模型、传感器、执行器，都得重新适配。算力必须下沉到设备端，企业每获取一个新客户，都要交付一套包含算力硬件的物理实体。

这意味着，AI从数字世界走进物理世界，需要产业链结构的重组——一种能把模型、芯片、能源、散热、光通信和终端设备拉通的企业能力。

海信集团首席执行官于芝涛在一次公开演讲中，给出了一个判断：硬件的革新与软件生态的AI化正同步发生。从海信布局来看，当软硬两种能力在同一个体系内交汇时，将迸发出更大的能量。

当AI走进厨房和客厅

以家电为例，当人工智能要在家电中落地，计算要在哪里完成？行业共识很明确：大小模型混合分发。高频实时控制留在设备端侧，低频全局优化交给云端。为什么要这么设计？

先看成本。如果大大小小的事情都要调用云端模型，持续的算力和带宽费用，会吞噬家电硬件本就微薄的毛利。

再看体验。用户无法容忍家电延迟反应或卡顿。喊了关火，燃气灶若要拿到云端反馈后才关闭，用时三秒，用户直接炸毛。

最后看合规。端侧小模型在本地完成语音特征提取和脱敏处理，是家电产品合规出海的前置条件。

这意味着做AI家电，不是接一个大模型API那么简单。云端的垂直大模型能力，以及端侧的芯片和蒸馏部署能力，二者缺一不可。

在这个底层架构之上，产品到底能做什么？AI家电的终极形态是什么？各家企业的答案开始分化。

海信提出“智能家庭伴侣”的概念，要求AI家电要有感官、有大脑、可交流、可执行。拆开来看，这恰好覆盖了端云混合架构的不同层次。

有感官，需要传感器加端侧实时处理能力，最好在用户开口前，就能感知到环境变化。有大脑，需要云端垂直大模型，持续学习用户偏好和使用场景，做到越用越懂消费者。

可交流，要用到大模型的自然语言和视觉处理能力，让人机交流和真人对话一样流畅。可执行则需要闭环设备控制，从理解意图到下发指令，再到传感器反馈，毫秒级完成实际的动作。

没有哪个单点技术能同时满足这四项要求。

这也解释了为什么海信要同时做星海大模型，提供垂直场景知识；做信芯微芯片，提供端侧算力；做模型蒸馏，选择性地将云端能力压缩到设备端运行；再叠加已有的家电终端传感器和执行器——让它们在同一个体系内协同。

这套逻辑已然落实在具体产品上。AI空调做到了本地实时温控决策、根据人的位置自动调整送风方向避免冷风直吹；AI冰箱能识别800种食材，实时调整保鲜参数，自动检测异味，释放负离子净味除菌。

传统智能家居需要用户发出指令，而新的智能体则通过传感器、历史行为和场景判断，主动调整设备，力求帮消费者完成“感知、理解、决策、执行”这一连串动作。

从这些产品中可以看出竞争的走向。在芯片端，芯片巨头正在向家电市场下沉。联发科更新了相关芯片矩阵，让旗舰级产品能在本地跑数十亿参数级别的蒸馏模型。在家电端，企业向上自研芯片和模型，争夺端侧算力主导权。

但芯片只是链条中的一环。谁能同时掌握芯片、模型和终端场景，谁才拥有AI家电的定义权。端侧模型正在落地，而支撑云端模型训练和迭代的算力基础设施，此刻正在物理世界遭遇瓶颈。

看不见的物理瓶颈

大模型依赖算力，算力依赖数据中心，而数据中心的扩容并不顺利。有些反直觉的是，除了高端芯片本身，算力落地的卡点正快速向配套的基础设施延伸。

瓶颈之一，是电力。

AI服务器功率密度急剧飙升。传统云计算数据中心的单机柜功率在4-8千瓦，而新建AI数据中心的核心机柜功率，直接跳到了50千瓦以上，部分高度集成架构甚至逼近150千瓦。

企业买得起10万张芯片，但本地电网没法在1-2年内交付一套变电站和输电线路，供百兆瓦级别的数据中心满载运行。

瓶颈之二，是散热。

单机柜功耗超过35到40千瓦后，风冷直接触及物理红线。继续堆风扇，只会带来灾难性的能耗和噪音。

高密度AI机房正在全面转向液冷，从冷板式到浸没式，散热方案升级必须跟上芯片功耗的增长节奏。

瓶颈之三，是通信带宽。

万卡甚至十万卡集群的并行训练，卡在服务器之间、机架之间、数据中心之间的通信带宽。光模块正在从800G向1.6T演进，整个数据中心的网络架构随之重构。

大量数据中心因为电力建设排队、散热方案不到位、光互联带宽不够，无法上线满载运行。

这些瓶颈看上去跟家电行业毫无关联，但如果把海信近两年的产业并购放到这个宏观图景中，逻辑骤然变得清晰：

科林电气，做配电、储能和综合能源服务。达驰电气，做高压变压器和输变电设备。海信网络能源，做数据中心精密散热、不间断电源（UPS）和模块化机房。乾照光电做光芯片，纳真科技做光模块，构成了光产业的垂直整合。做激光器的海普林，则是AI赋能的先进制造业。

把这些资产组合起来，海信大致拼出了算力基础设施的关键链路：供电侧，从电网接入、高压输变电到园区配电和UPS；散热侧，覆盖数据中心液冷和模块化机房；光互联侧，覆盖光芯片和光模块。

一家家电公司，买变压器厂和光芯片厂做什么？

放在算力基础设施产业链里看，这些资产恰好覆盖了数据中心扩容最紧缺的几个环节：供电、散热、光互联。

电力系统的稳定，直接影响散热系统运行。数据中心的温控方案，需要配电系统来精确匹配。光互联升级，又与机房物理空间和散热能力紧密关联——单独拿出任一环节，都只能卖单一产品；但打通之后，就有了做整体解决方案的能力。

放眼整个产业，这样的迁移不只海信在做。有的企业切入了工业变频和新能源，有的企业则布局光伏和储能。中国制造业正在集体向AI基础设施迁移。

逻辑高度一致：在传统业务中积累了几十年的高效温控、精密供电、电力电子能力，恰好是AI数据中心扩容时，最需要的工程化能力。当AI的物理瓶颈转向能源和散热，拥有这些能力的制造企业成了天然的供应方。

在青岛AI产业对接大会上，于芝涛在演讲中强调，“算力的尽头是电力。”能源产业正处于政策红利释放的关键期，布局能源赛道，是海信加快培育未来增长引擎的重要一步。

上下游打通的威力

消费端，海信在模型、芯片和终端设备之间，建立了闭环。基础设施端，海信在供电、散热和光互联环节精准卡位——它们是同一条产业链的上下游。

从数据采集、模型训练、蒸馏部署到终端运行，再加上支撑算力运转的供电、散热和光互联，构成一条完整的产业链。这条链的关键特征在于：环环相扣，缺少任何一个，闭环都跑不起来。

物理世界的高价值数据，天然具有排他性。尽管数据已经脱敏，但任何企业都很难允许大模型厂商，用自家设备上跑出来的私有数据，训练所谓“通用模型”，再打包卖给自己的竞争对手。

这等于把工艺诀窍拱手让出。所以，数据闭环必须锁在自己体内。

模型蒸馏部署，依赖对端侧芯片架构的深度理解。压缩云端大模型到数十亿参数以下、跑在自研芯片上，同时保持垂直任务准确率在教师模型的九成以上——这需要芯片团队和模型团队紧密协作。

通用方案的适配效率远不如自研闭环。

基础设施环节的供电、散热、光互联，需要电力电子和热管理工程化能力。这种靠几十年积累而来的能力，短期内无法获得。

这方方面面的不可替代性相互叠加，构成了极高的准入门槛。

在投资并购与自有能力的双重加持下，海信的AI产业布局，已初见端倪：

最底层是数据中心能源层，科林电气、达驰电气和网络能源组成完整的电网接入和供电链条。往上是AI基础设施层，乾照光电、纳真科技构成光互联的整合；信芯微提供端侧AI芯片。

再往上是模型层，在与全球知名模型合作的基础上，星海大模型覆盖了家电场景的垂直知识，提供了灵活可控的部署能力。然后是智能体AI层，针对空气、美食、洗护等具体场景，构建垂直智能体。最顶层是物理应用层，智能家电、机器人、汽车电子等，在真实环境中落地运行。

支撑这五层的组织形态是“1+5”的产业架构。“1”是智能终端基石业务，即家电。“5”大增长引擎包括AI Hub（主要是星海大模型和智能体）、半导体、能源、激光和汽车电子产业。

关键在于，这些资产和技术能力都在海信这同一个体系内运转——消费端与基础设施端，这两端之间存在庞大的协同空间。

生态联盟与跨企业协作同样是有效的产业组织形式，但在AI走向物理世界的所有路径中，能够在同一体系内打通场景、硬件和基础设施的企业，将拥有更短的决策路径、更高的适配效率以及更强的数据闭环能力。

这种结构性优势，在AI物理化的早期竞争中尤为显著。

海信过去给外界的印象是“家电公司”，但把资产摊开，它其实是一家沿着AI产业链、做纵向卡位的制造业科技集团。家电只是它距离消费者最近的那一层界面。

结尾

过去三年，AI产业的主角是做模型的公司和做芯片的公司。

接下来的竞争正在向物理世界迁移——谁能把AI从云端带到设备端、从数字世界带到物理世界、从实验室带到真实场景，将深刻影响下一个阶段的产业格局。

那么，为什么是海信率先给出了这套解法？

海信多年来在硬科技领域持续积累，技术能力在数十亿台产品的研发和交付中打磨、提升。全球范围内，能同时覆盖消费场景、端侧芯片、云端模型、供电散热和光互联的企业屈指可数，而海信的产业布局，让它恰好站在了这个交叉点上。

刚结束的世界杯赛场上，海信首创的RGB-Mini LED显示技术，经受住了全球顶级赛事的严苛检验。一家企业在核心技术上做到极致，在AI的布局上同样务实：找到真实的场景瓶颈，解决真实的工程问题，用可量产的能力一环一环地打通产业链。

世界杯提供了面向全球的科技展示场，海信成熟的产业布局支撑AI进入产品和场景。三十年全球化积累的渠道、服务和本地化能力，让技术能在不同市场长期运行，撑起了海信的世界品牌形象。

从智能终端到半导体、能源、激光和汽车电子，海信正在以AI连接产品、产业与全球市场，将技术创新转化为全球用户能够感知的价值。

产业结构变化，背后的意义在于，中国制造业在AI时代的角色，正从“被AI赋能的对象”，蜕变为“AI基础设施的核心供给方”。

海信正在用自身实践定义这种可能：不被技术浪潮推着走，要成为浪潮本身的物理底座。