开启新工业革命
第一次工业革命由蒸汽驱动——以煤炭为动力的蒸汽机将机械能变成了充裕资源。数字时代则是一场连接性的革命；它让信息更加丰富，从而催生了新一波创造力。
人工智能是一场智能革命。预计它将达到人类水平的智能，并随后超越人类。它应该有潜力像过去的革命那样，显著提高生活水平。
但问题在于：这种智能被困住了。
工业基础设施不足和物理限制正威胁着把 AI 的潜力继续束缚住。要真正释放这场智能革命，我们需要重新思考工业化路径——从电力到基础设施，再到物理 AI。
看似反直觉的是，这反而为初创企业创造了巨大机遇。它们并不在模型层面与超大规模云服务商竞争，而是下沉一步：重新思考这些前沿实验室自身所需的电力与材料。
这堪称高明之举：超大规模云服务商愿意投入前所未有的资金来释放其智能。初创企业无需与这种分发优势正面竞争，而是可以通过重建工业栈，来满足对电力和材料新增且不断增长的需求，并从中受益。
为什么智慧被困住了？
要想切实改变人类生活水平，需要三个投入要素： 能源 + 智慧 + 协同行动。
让我们以第一次工业革命为例。1760 年代之前，经济学家估计，在超过 800 年的时间里，几乎不存在真正的经济增长。这并不是因为缺乏技术。印刷机——在互联网出现之前最具影响力的知识传播系统——发明于 15 世纪 40 年代。风车和水车——利用自然能源的方法——自中世纪以来就已存在。
然而，直到 18 世纪晚期，GDP 增长曲线仍未出现加速上扬。
那么，为什么没有增长？当代思想家、作家 Thomas Malthus 认为，这些各不相同的技术带来的产出增长，被人口增长所抵消。我们的产出永远无法超过人类的消费，从而使社会始终停留在仅能维持生计的水平。
关于究竟是什么让我们摆脱了这一陷阱，有许多不同看法，但其中一种对当下尤其具有现实意义：问题不在于缺乏创新，而在于缺乏协调。最终打破马尔萨斯陷阱的，不是某一项单独的发明，而是将动力、智慧与协同行动整合为可规模化系统的过程。
让我们逐一来看。
首先，是动力。1769 年，James Watt 获得蒸汽机专利 。这改变了动力的应用方式。在蒸汽机出现之前，纺织厂必须坐落在湍急河流旁。蒸汽机出现之后，工厂可以建在城市里，更靠近劳动力和市场。而且，持续运转机械在经济上也变得可行。
但没有创新的动力，终究只是潜力。这就引出了第二个要素：智能。
随着动力供给的释放，纺织业出现了迅猛的并行创新。珍妮纺纱机让位于水力纺纱机，最终又发展到机械化动力织机。技术不断演进，以利用这一新的底层动力供给，提高了每名工人的生产率。
如今，新技术已经出现，并且有足够的动力来支撑它。这催生了第三个必要的变化：劳动力的重新组织，或者如我们所说的，“协同行动”。
在为水力纺纱机（动力织机的前身）申请专利后不久，Richard Arkwright 创立了工厂模式，以实现产出的标准化并提高生产率。这些新技术在规模和生产率上的巨大提升，要求对工作本身的组织方式进行重构。
工厂的出现提高了生产率，但也带来了巨大的二阶和三阶效应：城市化的兴起（从而加速了知识共享），以及生活水平的提高。
动力 + 智慧 + 协同行动。这就是公式。
动力让一切成为可能。智能则将这股力量导向有价值的结果。行动则以此前难以想象的规模将其付诸实施。
而这正是当今人工智能面临的问题所在。在美国，我们拥有智能，但我们严重缺乏动力和行动。
要充分释放人工智能所带来的全部潜力，我们需要两样东西：
- 重建并现代化连接物理世界与数字世界的基础设施。
- 创造新的协调性身体动作形式。
第一个机会：动力
电力需求令人难以招架。我们用了几个世纪才达到当前约 1,200 吉瓦的装机容量。但我们还需要更多。美国能源部估计，到 2030 年，我们需要在现有电网基础上再新增 1 亿千瓦的容量 。（作为参照，这段时间足够 “回到未来”91.17 次，或为~16 个纽约市提供电力 ）。
其中绝大部分需求是由数据中心推动的。
仅在 2026 年，Oracle、Microsoft、Meta、Amazon 和 Google 就计划向美国本土数据中心投资高达 7000 亿美元（它们已累计投入 6460 亿美元）。这甚至还没有将 OpenAI 或 Anthropic 计算在内——这两家公司正日益展现出超大规模云服务商的雄心与作风，从自建数据中心到租赁算力容量不一而足——截至 2026 年 6 月，Anthropic 和 OpenAI 都已涉足数据中心租赁业务。
因此，一位雄心勃勃的创始人可能会问自己：究竟是什么在阻碍数据中心的发展，初创公司能否满足这一巨大的需求？
首先，是数据中心的建设。坦率地说，作为一家种子轮阶段的公司，你不太可能进入数据中心建设这个领域（不过如果你在这方面有独特角度 ，欢迎联系我们）。话虽如此，我们也看到一些非常有意思的公司开始进入材料领域——稍后会详细谈到这一点。
第二，是建设数据中心所需的土地。 这是真正的制约因素 。以至于，把它们直接部署到太空中正变得越来越有吸引力。我们投资的公司 Starcloud 就看到了这一机遇——他们创下了创纪录的一年，如今估值已超过 10 亿美元 。
第三，是数据中心本身运行所依赖的东西，而那就是电力。
在更深入讨论之前，先明确一些术语。功率和能源是有区别的。能源是做功的总能力。功率则是能量被传输、使用或产生的速率。
对超大规模云服务商而言，眼前的问题是功率——我们需要更有效地利用当前容量。更长期的问题是能源——我们需要更多容量来做功。
这正在引发两种反应：
- 超大规模云服务商在持续争夺主导地位之际，正表现出对购买电力的极端兴趣。（Microsoft 已签署一项协议，重启三里岛核电站 。 Amazon 已直接与宾夕法尼亚州一座核电站签约 。 Meta 已发布征求建议书，以寻找核能开发商 。
- 他们也在加码押注与能源相关的更大“登月计划”（融合、可扩展地热、小型模块化反应堆）。
那么，初创企业真的能在电力层面有所作为吗？答案是肯定的。这个问题如今已经变得如此庞大，而且迫在眉睫。正在给电网带来压力的同一场需求冲击，也在各个层面为风险投资规模的公司创造机会——从挖掘现有基础设施的更多潜力，到建设全新的供给能力。
这一策略为创业者在短期、中期和长期创造了多层次的机会。前两者主要涉及电力输送，第三者则涉及能源供应。
短期：电网效率 + 数据中心运营
我们看到的第一类公司是通过软件优先的方法来提高电网效率。
一年中的大部分时间里，电网的运行负荷仅约为其容量的 50%。这是有意为之，以应对高峰负荷时段。然而，一个正在显现的机会是，不仅在需求迫切时才利用这部分未被释放的电网容量，而是有策略地加以利用。通过开发更智能的系统来使用现有电网资源，战略性利用电网可在未来十年为现有电力供应商节省约 1700 亿美元 。
像 Gridcare.ai 这样利用 AI 识别并释放电网容量的公司，以及 GridBeyond 这样将分散的电网资产整合成类似虚拟电厂的平台，代表了短期缓解压力的活塞。
这只是两个例子，但更广泛地说，我们也看到，对那些能够从现有电网中提取更多电力的公司的投资正在增加。这恰恰表明，短期内这一层面的紧迫性已变得多么突出。
中期：软硬件混合体创造新网络
我们看到的第二类公司形态，是软硬件结合的混合模式。这类公司通常会推出某种与电力存储（如新型电池系统）或配电相关的硬件创新，并利用软件更智能地分配电力。
一个广为人知的例子是 Base Power， 目前正以 120 亿美元估值融资。Base Power 打造由租赁给房主的家用电池组成的电池群。电价低时为其充电，电价高时则调用电池储能。这个电池群由此形成一个分布式、私有化的电网——而 Base Power 也将其软件提供给公用事业公司使用。
类似的逻辑也适用于 Exowatt 这类公司，其打造模块化太阳能单元，构建分布式现场电力供应。
这种模式归根结底，就是通过软件和 硬件实现智能化的能源存储与再分配。
长期来看：增加供给
拓宽电力供应的成熟路径早已存在（传统核能便是一个显而易见的例子）。如今正在发生变化的是，新一代企业正接过接力棒，推动这些技术的开发与商业化。
三个非常突出的例子是小型模块化反应堆、地热能，以及（更长远来看）融合。
小型模块化反应堆 ——即小型模块化裂变反应堆——可部署在数据中心附近，从而打破对集中式发电和远距离输电的依赖。
对 SMR 的需求显而易见。 Google 已经与 SMR 企业 Kairos Power 签署了一项电力购买协议 。与此同时，一批由大型科技公司支持的新创企业也正在追逐 SMR 领域的机会。 以下是 TechCrunch 整理的名单。
在地热能源生产方面，也显然存在扩大规模的空间。
目前，地热能源受制于特定地点的地质条件。这使其在很大程度上成为区域性电力来源——短期内效果显著，但难以规模化，尤其是在当下需求大幅上升之际。Fervo 等公司（ 市值 140 亿美元 ）正通过升级钻探、传感和储层工程来应对这些限制， 以扩大潜在可开发的地热站点范围 。超大规模云服务商已对这一路径表现出兴趣——Google 不仅投资了 Fervo 于 2025 年 12 月进行的那一轮融资 ，而且已签订合同 ，为其数据中心购买电力。
ARPA-E 承诺投入 3000 万美元 甚至还有人对更为激进的地热项目产生了兴趣。例如，2025 年，，通过开发温度和压力都高得惊人的储层（375°C，压力超过 22 兆帕）来提高地热发电量。在这种条件下，水会成为一种超临界流体，介于液体和气体之间，但又并非固体。简单来说，它所储存的能量远远高于传统地热能。
这是一个极其新颖的领域……ARPA-E 的目标是推动能够承受这种条件的技术创新，并由此新增 10 至 20 吉瓦的基荷电力。
更远一些——着眼于 2040 年至 2070 年的时间跨度——则是核融合 。别担心，它“只”有大约 30 年之遥！核融合既有质疑者，也面临诸多挑战。但各种激励因素确实正在朝着它的方向汇聚。
对融合的需求从未如此强烈。Microsoft 已与当前领军企业 Helion 签署了电力购买协议。Sam Altman 也已进行了个人投资。 如今，数十家融合初创公司已筹集到超过 1 亿美元资金。
政府也在释放强烈的关注信号。2026 年 4 月，ARPA-E 承诺投入 1.35 亿美元用于开发和商业化融合—— 这是该机构历史上规模最大的一笔承诺 。
融合是“登月计划”：它仍处于高度实验阶段，仍未实现商业化里程碑，但有可能成为从长期来看改变一切的差异化技术。
第二个机会：动作
能源驱动智能，但智能仍然需要双手。
在数字世界中，AI 的行动执行者是智能体 。它们能够在不实际接触任何实体物品的情况下进行决策、起草和交易。
要推动大规模的产业变革——也就是开启新工业革命所需的那种变革——行动不能局限于数字世界。物理世界由原子驱动，而非比特。除非我们开发出物理行动执行者，例如机器人、自动驾驶车辆，甚至新型工业机械，否则 AI 的影响始终会受到限制。
几十年来，开发将 AI 带入现实世界的方法一直是一项艰巨任务。但如今有三股顺风，令当前成为投资这一领域的尤其有利时机。
- 经济激励从未如此强烈。 每年都有数百亿美元涌入原始 AI 智能领域。我们此前曾指出，AI 的 TAM 不仅是软件，更是劳动力 。目前，在 AI 仍局限于数字世界的情况下，劳动力 TAM 主要指知识型工作，但每年仍有数万亿美元花费在体力劳动上：制造业、物流、建筑业和农业。
- 人才已经转移。 如今，机器人技术和物理人工智能已成为最具抱负的年轻研究人员最向往的领域。曾经流向软件的声望，正转向具身智能。
我们看到，对于有意投身物理 AI 的创业者而言，存在两条清晰的机会赛道：
1）横向布局：为这场革命提供动力的工具。
正如 GitHub、Twilio 和 Stripe 推动了 SaaS 浪潮一样，一层全新的 DevOps 基础设施正在为物理 AI 形成。
最迫切的需求是训练数据。如今的语言模型是在来自互联网的数十亿词语基础上训练而成的。但让机器人执行数十亿次物理动作并不可行。合成数据和数字孪生——即模型可在其中通过数百万次模拟交互进行学习的虚拟工厂——很可能将成为这一技术栈中不可或缺的一部分。
针对这一数据限制，已经出现了许多新方法。但这里有两种类型：
Human Archive 正在给零工经济从业者佩戴摄像头，以拍摄人类完成日常任务的视频——装载卡车、码放货架、在仓库中穿行——从而让机器人向他们学习。
Antioch 正在开发一款面向机器人开发者、用于构建物理空间模拟的工具。其本质上是一种低代码方式，可用来搭建自己的虚拟空间，并训练机器人如何行动。
这里的目标是成为下一代物理 AI 公司的服务提供商。
2）垂直路径：在受限但高价值的环境中掌控全栈。
不太可能有一两家大型公司能够主导物理 AI 的所有应用场景。某些任务和行业的特殊性实在过于复杂。
大多数人低估了垂直市场的 TAM，而通用型工具对所有人都够用，却无法真正满足任何一类人的深层需求。这对初创企业而言是巨大的机会。我们已经在数字 AI 世界中看到过这种模式的上演。EvenUp 在法律 AI 领域的估值已超过 20 亿美元，因为它比横向的“法律 AI”更好地服务于人身伤害法律这一垂直领域。
我们也可以将这一垂直化公式应用于物理 AI：
- 找到一个在物理条件上受限、同时具有经济价值的环境。
- 找到一种已经存在且具备相当标准化程度的物理载体（如果它尚不存在，而你又对该领域有足够深的理解并能够将其构建出来，那就去做）。
- 然后构建与该环境的物理特性、安全约束和工作流程精确匹配的“脑”。
目前，这种方法的某些实践形式已经在现实中出现。Carbon Robotics 正在农田中部署由 AI 驱动的除草机器人。 Dexterity 正在构建全栈物理 AI，初期重点聚焦物流。这里最早的赢家看起来会较为狭窄且高度专业化，但这些应用场景的深度远超大多数人的想象。
底层基础：材料
电力和行动是这个公式所指出的两大瓶颈。但在这两者之下，还存在一个更基础的问题：建设承载它们的基础设施所需的原材料。
钢铁制造就是一个明显的例子。数据中心正在推动对钢铁的需求达到前所未有的水平。 Microsoft 已在瑞典签署绿色钢铁供应协议 ，专门用于数据中心建设。NFX 最近投资了 Bethlehem Steel——这是对重建美国钢铁业的一项新承诺，其速度以及运营理念都带有科技公司的风格。
这种公司的“形态”——按照新时代垂直整合型科技公司的模式重塑传统工业流程——也出现在采矿业（Mariana Minerals）和碳纤维制造领域（Helicon Industries）。我们预计，这种做法将会越来越常见。
同样的逻辑也适用于许多其他材料，这些材料很快将成为下一场工业革命不可或缺的一部分。例如，Periodic Labs 正在致力于识别超导体 ——这类材料能够传导电流而不会因 热量造成能量损失。（从历史上看，这只有在极低温条件下才有可能实现。）他们的方法是将材料设计自动化，以从一个新的角度来解决这一问题。
这种组合——传统产业、受限供给、需求激增——恰恰造就了这样一种格局：它会奖励那些愿意以不同方式构建的新入局者。
更高使命
这场工业革命与上一场不同之处，不仅在于技术变革的规模，更在于是谁在推动它，以及他们为何而建。
致力于能源基础设施、物理 AI 和工业材料的创始人，往往怀有极为宏大的愿景。这是有其依据的：随着可扩展智能的发展，人类最棘手的一些问题将从“在我们有生之年可能无解”，转变为“虽困难但存在前进路径的工程问题”。
当然，他们知道这一机遇的规模极其庞大。 当前超大规模云服务商的资本支出水平，已经超过新加坡、阿联酋、挪威和瑞典的国内生产总值。截至今年 2 月，这一数字达到 6460 亿美元。这不是预测，而是我们当下所处的现实。未来，这一数字只会继续增长。
在强大的经济和道德激励推动下，我们正看到创业者群体重新焕发活力。
我们正处在另一个可能使曲线呈指数级上升的节点。能源、智能与行动，正于同一时刻汇聚。但这三大支柱中，有两项尚未建成。
这正是我们希望投资的方向，也是最优秀的创业者们已经在深耕的领域。
