YouTube AI - 2026-07-06¶
1. 人们在讨论什么¶
1.1 文明尺度的信任、治理与 AI 风险框架，已从搜索受挫扩展到更大范围 🡕¶
有 5 个条目支撑这一主题。2026-07-06 在 YouTube AI 上触达最广的注意力，不是又一次模型发布，而是一场不断扩大的争论：AI 是否值得被信任，用于搜索、市场、网络防御，甚至支撑社会运转的官僚系统。这很重要，因为当天最热视频推动观众质疑的，不只是某一个产品，而是把更多决策权交给 AI 这件事本身是否具有正当性。
Yuval Noah Harari 给出了最清晰的升级信号。他的演讲获得 549,555 次播放、18,012 个点赞和 1,900 条评论，简介中将 AI 描述为一种“天生的官僚”：它比人类更擅长记住法律、交易和经文，因此可能接手贷款审批、大学录取、量刑或军事打击。这里最独特的信号是，数据集中体量最大的 AI 视频，谈的是制度信任与治理，而不是消费者便利性（视频）。
Switch and Click 给出了最清晰的行为变化证据。《Google Just Ruined Search, So I Tested Every Alternative》获得 369,787 次播放、18,639 个点赞和 2,500 条评论，简介直接链接到 DuckDuckGo、Startpage、Brave Search、Kagi，以及底层浏览器排名来源 Efficient App。这里最独特的信号是，人们对 AI 介入后的搜索体验不满，仍在转化成真实的工具切换，而不只是停留在抱怨层面（视频）。
Ed Zitron 加入了主流经济层面的怀疑。他在 CNBC 上的片段获得 308,694 次播放、7,592 个点赞和 1,700 条评论，标题直接宣称生成式 AI “行不通”，而大科技公司也已经没有超高速增长的新点子。这里最独特的信号是，反 GenAI ROI 的话语如今已成为面向大众广播的内容，而不再只是圈内批评（视频）。
Siliconversations 把同一个信任问题转成了操作层面的网络安全风险。它关于 Glasswing 的视频获得 69,385 次播放、10,495 个点赞和 1,100 条评论，而 Anthropic 的 Project Glasswing 页面称，Claude Mythos Preview 识别出数千个零日漏洞，并自主开发出许多配套利用手法。这里最独特的信号是，如今“AI 风险”的叙事已经落到了具体的网络能力上，而不再只是抽象的对齐口号（视频）。
讨论要点： djvlad 通过一场接近 1 小时的 Roman Yampolskiy 访谈，让灾难性风险框架继续留在主流视野中；这条视频仍拿到 151,507 次播放和 1,100 条评论（视频）。
与前日对比： 相比以搜索受挫和反 GenAI 经济叙事为中心的 2026-07-05，2026-07-06 因为 Harari 成为最强条目，把同一场信任争论扩展到了文明尺度的治理层面。
1.2 开发者注意力仍停留在有边界的工作流、可复用循环，以及审查优先的 AI 编程上 🡕¶
有 4 个条目支撑这一主题。2026-07-06 最强的开发者信号依旧位于模型层之上：谁来监督智能体、如何找回上下文、怎样审查工作成果，以及哪些环节只能在有安全护栏之后才自动化。这很重要，因为内容流持续奖励的，是把控制、记忆和验证打包进产品的团队，而不是承诺原始自治的方案。
Google DeepMind 仍然是最清晰的控制层锚点。其 42 分钟视频获得 157,417 次播放，并引向 《AI Control Roadmap》。这份路线图把内部智能体视为潜在的内部威胁，并用覆盖率、召回率和响应时间来衡量防御效果。这里最独特的信号是，讨论仍把先进智能体工作看成安全架构和受控权限问题，而不是提示词技巧（视频）。
Matthew Berman 给出了最强的可复用工作流证据。他的盘点视频获得 82,821 次播放，并直接链接到 Loop Library / Loopy 和 codebase-memory-mcp；这些项目提供的是有边界的循环和本地代码智能记忆，而不是再做一个聊天封装层。这里最独特的信号是，越来越多开发者精力正在投入到围绕智能体的可重复脚手架上，而不是再做一层很薄的界面封装（视频）。
IBM Technology 让“重构工作流”这条主张保持清晰。其关于软件开发生命周期（SDLC）的那期视频获得 69,097 次播放，并指出，如果规划、测试和部署保持不变，只加快编码速度并不能解决软件交付问题。这里最独特的信号是，面向企业的 AI 教育正在把智能体视为流程重构问题，而不是更快的自动补全故事（视频）。
讨论要点： Tech With Tim 从实践者角度说明了同一点：他展示了一个真实的 AI 编程工作流，连 bug 都原样呈现；其中规划、提示词编写和调试依然清晰可见，并由人主导（视频）。
与前日对比： 相比 2026-07-05 对工作流重构的强调，2026-07-06 通过循环库、本地代码记忆和现场调试证据，把“安全地做变更”这一路线讲得更具体了。
1.3 当部署适配度或隐私边界足够明确时，开放、本地与边缘 AI 继续赢得关注 🡕¶
有 5 个条目支撑这一主题。2026-07-06 最好的开放与本地化案例，都明确说明了模型跑在哪里、外围工具是什么，以及隐私或可移植性为什么重要。这很重要，因为采用行为仍在向那些操作路径清晰可见的方案聚拢，而不是被抽象的开源热情驱动。
AI Search 给出了触达最高的本地创意 AI 信号。其 Krea 2 评测获得 141,388 次播放、6,536 个点赞和 897 条评论，简介链接到 《Krea 2 Technical Report》、Hugging Face 权重、一个 ComfyUI rebalance 节点，以及 Ostris AI Toolkit。这里最独特的信号是，本地创意 AI 被当作一整套可控栈来卖，核心是审美多样性和创作者控制权，而不是某个神奇的单一生成器（视频）。
Google for Developers 给出了最清晰的边缘部署信号。其 Gemma 4 视频获得 90,816 次播放、3,838 个点赞和 237 条评论，并将模型框定为“每字节智能”、支持离线的本地部署，以及受限设备上的多模态智能体使用。这里最独特的信号是，如今前沿能力主打的是可移植性和韧性，而不只是云端规模（视频）。
Matt Wolfe 让开放模型这条叙事继续保持在实用层。他的 GLM-5.2 指南获得 68,653 次播放、2,248 个点赞和 218 条评论，并介绍了一个采用 MIT 许可证、拥有 100 万 token 上下文的模型；它既可通过托管应用使用，也可通过 API 与智能体测试框架使用，或者部署到自托管基础设施上。这里最独特的信号是，人们对开放模型的兴奋，仍然只有在部署选项足够清晰时才会真正转化（视频）。
讨论要点： Dad, the engineer 和 Dr. Josh C. Simmons 从相反方向说明了同一主题：前者用 Pi 5 加 Gemma 4 栈搭了一个私有本地语音助手，后者则直言，除非和 Claude、ChatGPT 的并排对比真的站得住脚，否则“开源 AI 很烂”（Dad, the engineer, Dr. Josh C. Simmons）。
与前日对比： 相比 2026-07-05 对部署适配度的强调，2026-07-06 增加了更多隐私优先的家庭 AI 内容，也更明确地质疑便宜的开放模型到底够不够好。
1.4 随着受众试图理解 AI 会怎样改变人类工作，AI 素养与职业重估话题升温 🡕¶
有 2 个条目支撑这一主题。中段热度开始转向解释 AI 对推理和职业意味着什么，而不只是展示新工具。这很重要，因为受众正在决定自己该学什么、该怀疑什么，以及今天这些 AI 话语里到底哪些是实质，哪些只是表演。
Lattice 给出了最清晰的职业重估信号。《Computer Science in the AI Era》获得 115,007 次播放、5,588 个点赞和 195 条评论，说明在 AI 之下，编程教育和职业准备会如何变化，依然是一个能吸引广泛注意的问题。这里最独特的信号是，AI 时代的技能适应已成为主流受众话题，而不只是小众开发者关切（视频）。
Bernard Marr 给出了最清晰的推理模型科普。他的视频获得 71,843 次播放，并解释了为什么推理模型会把问题拆成步骤，而不只是预测下一个词，同时仍强调需要人工监督。这里最独特的信号是，受众要的是概念层的翻译说明，而不只是基准测试营销（视频）。
讨论要点： Harari 排名第一的演讲，则把同一种方向感问题推到了文明层面：当 AI 开始占据承载信任的官僚角色时，会发生什么。
与前日对比： 相比 2026-07-05 更侧重创作者工具和工作流界面，2026-07-06 把更多中段热度放在理解 AI 会怎样改变人类工作与学习上。
1.5 只有把硬件或电力故事说清楚，物理 AI 与 AI 基础设施才显得可信 🡒¶
有 2 个条目支撑这一主题。与信任或开发者工作流相比，物理 AI 在 2026-07-06 的内容流里占比更小，但真正显得可信的条目，都把工厂、芯片或发电方式讲得很具体。这很重要，因为 YouTube 上的 AI 报道，仍然只有在底层技术栈可见时，才会相信具身化叙事。
AI Revolution 给出了最清晰的量产主张。其 U-World U1 视频获得 83,054 次播放、2,162 个点赞和 393 条评论，链接报道将这款机器人描述为一款全尺寸、可量产的人形机器人，并具备面部与声音复制的目标。这里最独特的信号是，人形机器人热度正在和制造、产品化语言绑定，而不只是演示噱头（视频）。
Bloomberg Technology 把同一主题扩展到了基础设施层。其 Valar Atomics 片段获得 34,843 次播放、624 个点赞和 63 条评论，并称一座先进反应堆首次在美国为 Nvidia Blackwell 芯片供电。这里最独特的信号是，AI 基础设施之争已经一路下探到能源供给，而不再停留在芯片或数据中心层面（视频）。
讨论要点： Dad, the engineer 也把这种“把硬件说清楚”的本能带到了家庭尺度，明确点出了本地语音栈里的 Pi 5、ESP32-S3-BOX-3、Home Assistant 和 Gemma 4（视频）。
与前日对比： 相比 2026-07-05 更广泛的人形制造与自制机器人组合，2026-07-06 的硬件叙事占比更小，但对组件和电力的描述反而更直白。
2. 令人困扰的问题¶
从搜索到文明治理，人们对 AI 介入系统的信任正在流失¶
这是高严重度问题。Yuval Noah Harari、Switch and Click、Ed Zitron、Siliconversations 和 djvlad 从不同角度都指向同一道缺口：如果没有更强的问责机制，用户不愿意让不透明的系统来决定搜索结果、制度性裁决，或处理网络安全风险。常见的应对方式，是换工具、放慢信任速度，或在交出更多控制权之前先要求硬性的安全护栏。这是一个值得直接构建的方向。
AI 编程仍然需要有边界的工作流、记忆和人工审查¶
这是高严重度问题。Google DeepMind、Matthew Berman、IBM Technology 和 Tech With Tim 都指向同一种失效模式：一旦 AI 真正进入软件工作，团队仍然需要监督者、循环、代码库记忆、软件开发生命周期重构，以及可见的调试过程。当前的权宜方案，不是给模型更多自治，而是在它外面加更多脚手架。这是一个值得直接构建的方向。
开放和本地 AI 仍然需要太多部署、评估和隐私方面的拼装工作¶
这是高严重度问题。AI Search、Google for Developers、Matt Wolfe、Dad, the engineer 和 Dr. Josh C. Simmons 表明，那些看起来很有吸引力的本地或开放系统，在真正让人信得过之前，仍然要先处理权重、硬件选择、部署决策，以及并排评估。当前的权宜方案，是使用托管回退方案、照着冗长的搭建教程走，或把使用场景限制在一个狭窄任务里。这是一个值得直接构建的方向。
创作者 AI 视频仍然依赖碎片化的免费接入路径和拼装式工具链¶
这是中严重度问题。Kevin Stratvert、Jack Vs. AI 和 Brain Project 都表明，创作者为了做出可用的 AI 视频，仍得自己拼装本地安装、Higgsfield 和 Gemini 工作流，或临时的免费接入路径。当前的权宜方案，是接受工具蔓延、追逐当下免费的提供商，或学会 ComfyUI 这类节点式工作流。这值得构建，但竞争会很激烈。
物理 AI 与 AI 基础设施仍然受制于具体的硬件、供应与电力约束¶
这是中严重度问题。AI Revolution、Bloomberg Technology 和 Dad, the engineer 指向同一个约束：只有当芯片、反应堆、电池、开发板或网络边界被明确说出来时，具身或常开型 AI 才显得可信。当前的权宜方案，要么是把自己动手搭建的范围压得很窄，要么就是投入工业级资本和供应链。这值得构建，但执行负担很高。
3. 人们期望的功能¶
面向 AI 化世界的可信治理与发现界面¶
Yuval Noah Harari、Switch and Click、Ed Zitron 和 Siliconversations 都暗示，市场切实需要的是能让搜索、模型支撑的决策，以及制度自动化变得更清晰、可质疑、可审计的产品。紧迫性很高，因为人们已经在切换搜索工具，而主流声音也在质疑更广泛的 AI 叙事是否值得信任。机会：直接。
有边界、可审查的 AI 编程与智能体工作的操作层¶
Google DeepMind、Matthew Berman、IBM Technology 和 Tech With Tim 都暗示同一个缺失层：把监督者、循环、记忆、轨迹、工作流检查点和人工审查放进同一个操作界面里。这个需求偏实用而非情绪性，因为严肃的构建者已经想把 AI 放进真实工作流，只是不想在没有控制的情况下这么做。机会：直接。
面向边缘、私有与家庭 AI 的本地优先部署平面¶
AI Search、Google for Developers、Matt Wolfe、Dad, the engineer 和 Dr. Josh C. Simmons 都暗示，人们需要有人帮他们在本地、边缘、托管和自托管路径之间做选择，同时保住隐私、避免配置蔓延。紧迫性很高，因为人们对本地与开放 AI 的兴趣，已经跑在操作清晰度前面。机会：直接。
实用的 AI 学习与职业适应指南¶
Lattice、Bernard Marr 和 Yuval Noah Harari 暗示，市场同时存在情绪性与实用性的需求：人们想要关于推理模型、AI 时代的计算机科学，以及人类工作或制度到底会改变多少的可信解释。紧迫性为中高，因为受众是在为自己校准方向，而不只是在挑选新工具。机会：竞争型。
统一免费或本地生成与可编辑视频工作流的创作者界面¶
Kevin Stratvert、Jack Vs. AI 和 Brain Project 表明，创作者想要一条统一路径，把本地生成、真实素材编辑和低成本接入结合起来，而不是每周都去追逐新工具。紧迫性为中等，因为这个品类很活跃、价值也很明确，但许多相互重叠的接入路径已经让竞争态势变得可见。机会：竞争型。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| DuckDuckGo / Startpage / Brave Search / Kagi | 搜索替代方案 | (+/-) | 当 Google 搜索体验变差时，给用户提供可实际测试不同检索行为的路径 | 体验依然碎片化，而且没有明确赢家 |
| 《AI Control Roadmap》 | 智能体治理方法 | (+) | 纵深防御、监督模型，以及可衡量的覆盖率、召回率和响应时间指标 | 会增加监控开销，而且依赖外围控制 |
| Loop Library / Loopy | 智能体工作流库 | (+) | 提供带检查、反馈和停止规则的有边界循环 | 仍需按本地工具和审批边界做适配 |
| codebase-memory-mcp | 代码智能 / MCP | (+) | 持久化本地知识图谱、快速结构化查询，以及大仓库的上下文找回能力 | 会增加另一层索引和配置负担 |
| Krea 2 + ComfyUI 栈 | 开放权重创意工作流 | (+/-) | 审美多样性、开放权重、提示词与风格控制，以及本地创作者灵活性 | 需要节点、权重、GPU 适配和工作流调优 |
| Gemma 4 | 边缘模型 | (+) | 支持离线部署、“每字节智能”，以及受限设备上的多模态使用 | 设备限制和集成工作仍然重要 |
| GLM-5.2 | 开放模型 | (+/-) | 100 万 token 上下文、MIT 许可证、托管/API/自托管选项，以及更低成本 | 与 Claude 和 ChatGPT 的真实世界对比结果仍有分歧，而且搭建负担仍由用户承担 |
| KV cache + paged attention | LLM 推理方法 | (+) | 改善高负载下的解码速度、GPU 吞吐和延迟 | 需要基础设施知识和谨慎调优 |
| Home Assistant + Ollama + Gemma 4 E2B + Whisper/Piper/openWakeWord | 本地语音助手栈 | (+/-) | 让音频留在本地、运行在自有硬件上，并支持确定性的本地意图路径 | 多服务搭建、局域网安全和设备调优都不简单 |
| ComfyUI / Gemini Omni / Seedance 接入路径 | AI 视频创作栈 | (+/-) | 提供免费或低成本生成、真实素材编辑、角色一致性和轻量入门路径 | 分散在不同安装、积分和临时接入通道之间 |
| 人类参与式 AI 编程工作流 | 工作流方法 | (+/-) | 让 bug、提示词和审查过程在真实构建中保持可见 | 比“全自治”营销慢，而且仍然需要技能 |
2026-07-06 的整体满意度光谱，对那些增加控制力、隐私或审查结构的工具最偏正面；对那些需要额外设置或接入路径碎片化的工具评价最混合。得到最多称赞的，是让 AI 行为更可检查或更易本地控制的界面。
最常见的权宜方案模式，是在基础能力外再包一层结构：切换搜索提供商、在智能体外加循环和监督者、先选托管回退方案再考虑自托管、照着详细教程搭本地栈，或者追逐当下最便宜、最好改的 AI 视频界面。迁移正在同时朝四个方向发生：从 Google 搜索转向替代方案，从原始自治转向可审查工作流，从纯云端 AI 转向边缘与家庭部署，以及从一次性生成转向可编辑的视频流水线。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Loop Library / Loopy | Forward Future | 在公开目录中发布有边界的智能体循环，并提供配套技能，用于发现、适配和运行这些循环 | 重复性的智能体工作缺少检查、反馈循环和停止规则 | 循环目录、Loopy 技能、智能体指南 | 已发布 | 网站, 仓库, 视频 |
| codebase-memory-mcp | DeusData | 为编程智能体构建持久化的本地代码智能图谱 | 逐文件探索和缺失的仓库记忆会拖慢 AI 编程 | Tree-sitter、Hybrid LSP、知识图谱、MCP | 已发布 | 仓库, 视频 |
| Krea 2 本地创作者栈 | Krea | 发布开放权重图像模型，以及创作者可通过本地工具运行的提示词与风格控制 | 封闭式或默认设置过重的创意生成，缺少控制力与探索空间 | Krea 2、开放权重、ComfyUI、rebalance 节点、AI Toolkit | 已发布 | 报告, 视频 |
| Project Glasswing | Anthropic | 让合作伙伴接入 Claude Mythos Preview，以大规模发现和修复漏洞 | 只靠人工，防御型网络安全跟不上 AI 辅助攻击者的速度 | Claude Mythos Preview、合作伙伴计划、零日漏洞发现工作流 | 测试版 | 公告, 视频 |
| 私有本地语音助手栈 | Dad, the engineer | 展示一种自己动手搭建的智能音箱替代方案，让语音交互留在自有硬件上 | 云端智能音箱会把音频流式传到第三方服务器，而且隐藏了过多底层栈 | Raspberry Pi 5、Home Assistant、Ollama、Gemma 4 E2B、Whisper、Piper、openWakeWord、ESP32-S3-BOX-3 | 早期阶段 | 工作表, 视频 |
Loop Library 和 codebase-memory-mcp 从不同角度展示了同一种更上层的构建模式。产品不只是模型本身，而是围绕它的界面：它会告诉智能体下一步该做什么、如何验证进展，以及怎样在不手动翻文件的情况下找回上下文。
Project Glasswing 和这套本地语音助手栈，位于部署光谱的两端。一个利用前沿的智能体式编程，在共享基础设施上做防御型网络操作；另一个则把语音 AI 留在 Raspberry Pi 和 ESP32 卫星节点上。两者的构建者故事，说的都是明确的控制边界，而不是黑箱式便利。
Krea 2 在创作者侧也符合相同模式。真正有赢面的构建，不只是模型权重本身，而是开放权重、提示词扩展、风格参考控制，以及周边本地工具的组合，让系统更容易被引导。纵观当天的项目，反复出现的构建模式都围绕信任边界、审查循环和本地控制展开，而不只是追求原始能力。
6. 新动态与亮点¶
文明尺度的 AI 治理成为 YouTube AI 排名第一的叙事¶
Yuval Noah Harari 之所以值得注意，是因为数据集中触达最高的条目，不是产品发布、基准测试，或教程，而是一场关于 AI 进入贷款、录取、量刑和战争等承载信任的官僚系统的演讲。
Project Glasswing 让 AI 安全变得异常具体¶
Siliconversations 之所以值得注意，是因为它所链接的 Glasswing 材料称，Claude Mythos Preview 找到了数千个零日漏洞，并自主开发出许多配套利用手法。这让当天的安全讨论比常见的对齐修辞更具操作性。
私有化家庭 AI 已具体到足以照着做¶
Dad, the engineer 之所以值得注意，是因为配套工作表给出了一套完整的零件清单和搭建路径，用 Pi 5、Home Assistant、Ollama、Gemma 4 E2B、Whisper、Piper、openWakeWord 和 ESP32-S3-BOX-3 搭建私有本地语音助手。
量产人形机器人的叙事仍留在内容流里¶
AI Revolution 之所以值得注意，是因为这条 U-World U1 故事围绕的是量产、人类复制体定位和制造规模，而不是一次性的机器人演示。
AI 基础设施之争已经一路下探到反应堆产出¶
Bloomberg Technology 之所以值得注意，是因为 Valar Atomics 这一段把 AI 需求直接连到了先进反应堆产出和 Nvidia Blackwell 硬件上。这个故事讲的不只是 AI 需要更多芯片，而是发电本身也正在变成 AI 产品栈的一部分。
7. 机会在哪里¶
[+++] 可信的 AI 治理与发现界面 - Yuval Noah Harari、Switch and Click、Ed Zitron 和 Siliconversations 展示出，用户正在同时质疑 AI 在搜索、制度系统和网络防御中的角色。
[+++] 面向 AI 编程与智能体的可审查操作层 - Google DeepMind、Matthew Berman、IBM Technology 和 Tech With Tim 都指向监督者、循环、记忆、工作流重构和人工审查这层缺口。
[+++] 本地优先的部署与隐私平面 - AI Search、Google for Developers、Matt Wolfe 和 Dad, the engineer 展示出，对能跑在设备上、边缘侧或自有硬件上的 AI 存在强烈需求，而且控制边界必须清晰。
[++] AI 学习与职业适应产品 - Lattice 和 Bernard Marr 表明，受众想要的是关于推理模型、AI 时代计算机科学，以及下一步该学什么的可信指引。
[++] 免费或本地 AI 视频的创作者工作流整合 - Kevin Stratvert、Jack Vs. AI 和 Brain Project 展示出，对可编辑、低成本、且不依赖单一封闭提供商的视频流水线，存在稳定需求。
[+] 面向硬件约束的物理 AI 与 AI 电力规划 - AI Revolution 和 Bloomberg Technology 暗示，虽然规模较小，但确实存在一类机会：把机器人、芯片和电力假设打包成更可操作的产品。
8. 要点总结¶
- 文明尺度的治理压过产品炒作，成为最大的 YouTube AI 信号。 数据集中排名第一的条目，是一则关于 AI 进入承载信任的官僚系统的警告，而不是产品发布或基准测试。 (来源)
- 搜索信任危机仍在转化成实际的工具切换。 内容流里最大的消费者工作流故事，仍然是人们在测试 DuckDuckGo、Startpage、Brave Search 和 Kagi 之类的替代方案，而不是接受 Google 当前的结果。 (来源)
- 严肃的开发者仍在持续投资模型层之上的能力。 最强的产品与工作流信号，来自监督者、循环、代码记忆、软件开发生命周期重构和可见的调试过程，而不只是原始自治。 (来源)
- 只有当操作路径说清楚时，本地和私有 AI 才真正有吸引力。 Krea 2、Gemma 4、GLM-5.2 和基于 Pi 的语音助手之所以获得关注，是因为它们解释了系统怎么跑、跑在哪里，或守住了什么隐私边界。 (来源)
- AI 教育正在成为主流产品类别，而不是旁支话题。 《Computer Science in the AI Era》和各类推理模型科普之所以获得大量关注，是因为受众正在重新校准技能和心智模型，而不只是想买新工具。 (来源)
- AI 基础设施之争如今已经延伸到发电层。 由反应堆供电的 Blackwell 演示表明，能源供给正在成为 AI 栈的一部分，而不只是背景约束。 (来源)