过去两年，整个AI产业几乎都围绕着同一个关键词展开：算力。NVIDIA市值不断刷新纪录，HBM供不应求，全球科技公司投入数千亿美元建设AI数据中心。市场普遍认为，谁拥有更多GPU，谁就拥有AI时代。这种判断当然没有错。没有GPU，就没有今天的大模型；没有算力，也没有模型训练和推理能力。
但是，如果把时间拉长到未来十年，我越来越觉得，市场可能忽略了另一个更重要的问题。未来，每个家庭都会拥有服务机器人，每个人都会拥有自动驾驶交通工具，每一家工厂都会部署数万台工作机器人。AI Agent将无处不在，真正创造数据、参与工作的，将不再只是80亿人，而是数百亿、甚至数千亿个智能终端。
AI的人口爆炸，几乎已经是可以预见的未来。但真正值得投资者思考的问题是：AI人口爆炸之后，什么才是整个AI世界持续增长、不可替代的刚需？很多人会回答：GPU；也有人会回答：机器人；还有人会回答：电力。
我认为，这些答案都没有触及最底层。真正的答案只有两个字：记忆。
计算让AI能够思考，经验让AI能够成长
为什么一个工作二十年的医生，比刚毕业的医学生更有价值？答案不是因为他的大脑计算速度更快，真正值钱的是二十年的经验；为什么一位老师傅能够一眼发现设备故障？不是因为他的智商更高，而是因为他见过太多类似的问题；人类社会真正积累财富的方式，从来不是增加计算能力，而是不断积累经验。
AI最终也会遵循同样的规律。今天的大模型已经学会了推理，未来的大模型，更需要学会积累经验。真正决定AI竞争力的，不是谁思考得最快，而是谁能够不断学习、不断记住，并不断利用过去的经验。
AI已经拥有第一种记忆——模型参数
很多人把模型参数理解成一堆数字。其实，它们本身就是经验。训练模型，本质上就是把海量数据中的规律不断压缩，最终写进模型。从GPT-2的15亿参数，到GPT-3的1750亿参数，再到Kimi K3公开发布的2.8万亿参数，模型参数规模已经跨越了三个数量级。
这些不断增加的参数，并不仅仅意味着模型越来越大。更重要的是，它意味着AI能够把越来越多的经验压缩进模型本身。
参数，不是普通的数据。参数，是经验经过训练之后留下来的结晶。一本医学教材，可以有几百万字。一位经验丰富的医生，却不需要重新翻阅教材，就能够快速做出判断。因为知识已经内化成了经验。
模型参数也是一样。它不是原始数据，而是经过训练以后留下来的长期知识。
AI正在需要第二种记忆——工作记忆
只有模型参数，还远远不够。当AI真正开始工作，它还必须记住眼前正在处理的信息。今天，大模型的上下文窗口越来越长。几十万Token已经越来越普遍。未来，很可能达到数百万，甚至更长。
为什么？因为AI不再只是回答一句话，它开始阅读一本维修手册，开始分析一家企业全部技术文档，开始理解一个人过去几年的聊天记录，开始管理整个工厂的运行状态。
这些信息，不适合永久写进模型参数。却必须在当前推理过程中始终存在，这就是AI的工作记忆。
它依赖HBM、高速DRAM以及越来越庞大的KV Cache。未来，随着上下文越来越长，工作记忆的重要性，将越来越接近模型本身。
AI真正缺少的，是第三种记忆
然而，我认为真正决定未来的，并不是前面两种记忆。而是第三种，长期记忆。
设想十年后的世界。每个人都有一个机器人助手，它陪伴你生活、工作、旅行；它知道你的饮食习惯，知道你的工作方式，也知道过去几年发生过的重要事情。与此同时，每一家工厂拥有数万台机器人，每一次设备故障，每一次维修，每一次质量异常，都会产生新的经验。
自动驾驶汽车也是一样。每天面对不同天气、不同道路、不同交通状况，每一次边缘案例，都是新的经验；真正爆炸增长的，不是机器人数量，而是经验数量。
经验，并不会全部变成模型
这里有一个非常容易被忽略的问题。是不是所有经验，最后都会训练进模型？答案是否定的。一个家庭机器人记住主人的作息习惯，没有必要让全球所有机器人都学习；一家工厂积累的维修经验，也未必需要进入通用模型。
因此，未来AI会形成两种不同的经验沉淀方式。第一种，是具有普遍价值的经验，经过训练以后，压缩成模型参数。第二种，是具有个性化、实时性和专业性的经验，保存在模型之外。对象存储、企业级SSD、向量数据库、知识图谱以及长期记忆系统，共同构成AI的外部记忆。
未来真正增长最快的，并不是原始数据。而是经过筛选、压缩和蒸馏之后的高价值经验。
AI人口爆炸，本质上是经验爆炸
互联网时代，创造数据的是80亿人；
AI时代，创造经验的，将是数百亿智能体。每一个机器人，每一辆自动驾驶汽车，每一个Agent，每天都在学习，每天都在积累新的经验。于是，一个新的循环开始形成，部署更多智能终端，获得更多真实世界经验，把具有普遍价值的经验训练进模型，把个性化经验保存为长期记忆。
模型能力继续提高，部署更多终端，再次产生更多经验。这个循环一旦形成，就会不断自我强化。
真正的护城河，也将不再只是模型，而是整个经验闭环。
AI真正需要的，不只是存储，而是完整的记忆体系
过去，我们总喜欢把AI拆成两个部分：模型和GPU。事实上，这已经越来越不能解释未来AI的发展。
未来的AI，更像一个拥有完整神经系统的人。（1）模型参数，是长期形成的知识；（2）HBM和KV Cache，是正在工作的短期记忆；（3）对象存储、向量数据库以及企业级存储，是不断积累的人生经验。这三层共同构成AI完整的Memory Hierarchy。
它们不是彼此替代，而是共同完成一件事情：让AI不断成长。
投资真正应该关注什么？
过去两年，市场关注的是GPU。未来十年，我认为市场将越来越关注Memory。这里的Memory，不是某一种芯片，而是整个记忆体系。
模型越来越大，需要更多参数保存经验；上下文越来越长，需要越来越大的工作记忆；机器人越来越多，需要越来越庞大的长期经验库。这三股力量，并不是彼此竞争，而是在共同推动AI记忆体系的扩张。
结语
过去，我们认为AI的发展路径很简单：更大的模型，更多的GPU，更强的算力。但我越来越相信，这只是AI发展的上半场。
真正的下半场，将围绕另一个关键词展开：记忆。因为计算决定AI能够思考什么，记忆决定AI能够成长成什么。
AI人口爆炸，并不仅仅意味着机器人越来越多。它真正意味着，人类第一次创造了一个能够持续产生经验、持续积累经验、持续利用经验的智能社会。未来最重要的竞争，不是谁拥有最多的GPU，而是谁拥有最完整的经验体系。
而经验，最终会以三种形式存在：一部分压缩进模型参数，一部分保存在工作记忆，一部分沉淀为长期记忆。这三种记忆，共同构成了AI时代最底层、也最不可替代的刚需。
In the near future, all forms of compute on this planet will run on AI compute.
All AI compute will run on memory.
犹如人类的大脑 /CNS。 再看看当人出现记忆障碍/失去记忆的情况。。。。。
ZT了！ 谢谢分享！