Coinbase首席执行官布莱恩·阿姆斯特朗认为，人工智能面临的下一个瓶颈将不在于模型的智能程度，而在于运行这些模型所需的能源和物理硬件的可用性。本周的一系列讲话中，阿姆斯特朗指出，决定AI可扩展程度的关键因素将是能源和计算基础设施，而非算法改进。仅2026年第一季度，AI风险投资就已达到2420亿美元，他表示，真正的制约因素已体现在数据中心建设中。
成本走向何方
阿姆斯特朗预测，在12至18个月内，约80%的AI工作负载将转向成本比当前前沿系统低99%的模型。剩余20%的工作负载仍会使用顶级模型处理科学研发等高风险任务。他将这种分摊方式比作消费电子产品：大多数人在购买MacBook或游戏电脑时，并不会选择最高配的规格。他表示，同样的逻辑也将适用于AI——大多数任务将运行在成本更低、性能足够的模型上。
Coinbase已开始实践这一理念。该公司将请求路由至当前最具成本效益的模型，使得其AI支出在代币使用量呈指数级增长的情况下仍保持基本持平。像DeepSeek V4这样的开源替代方案，其性能接近最佳专有系统，但成本仅为后者的三十分之一，这使得该策略得以可行。
企业预算已承压
投资者汤米·肖内西以Uber为例，说明企业AI支出如何迅速超出预期。据肖内西透露，Uber在2026年4月初就已耗尽全年AI预算——不到四个月的时间。阿姆斯特朗认为，此类成本超支将促使企业寻求更经济的替代方案，而非一味追求最先进的模型。
随着单次请求成本下降，瓶颈正向上游转移。真正的障碍在于运行任何模型所需的能源和芯片。阿姆斯特朗表示，对AI生成智能的需求实际上没有上限，但提供这种智能的物理基础设施已出现滞后。
阿姆斯特朗为何反对加强AI监管
阿姆斯特朗还表达了对更严格AI监管的反对意见。他认为，在实际挑战已是发电厂和数据中心短缺的情况下，政策限制不应影响技术发展轨迹。他指出，过度监管可能会在基础设施最需扩张的时期，拖慢其建设进度。
数据中心容量难以跟上需求
全球数据中心容量已落后于需求。尽管2026年第一季度大量风险资金涌入AI初创企业，但实体建设进度仍未能跟上。阿姆斯特朗的核心论点总结道：AI发展的真正限制因素并非模型质量，甚至不是成本，而是运行数万亿次查询所需的原始能源和计算基础设施。
目前尚无答案的问题是：基础设施扩张速度能否跟上行业需求——该行业显然不会放缓，而公用事业公司、监管机构和芯片制造商能否与之同步。
