一家名為Surge AI的公司，正在以近乎隱秘卻極富影響力的方式，為AI時代提供最關鍵的“燃料”。作為OpenAI、Anthropic和Google等頂尖實驗室背後的核心資料服務商，Surge AI提供的並非普通資料，而是驅動大模型進化的“高品質人類反饋”。令人驚嘆的是，這家公司僅憑不到100人的精英團隊，在未接受任何風險投資的情況下，創立不到四年即實現年營收超10億美元，成為史上最快突破這一里程碑的公司。據透露，Surge AI正在進行首輪融資，估值已達約240億美元。其創始人、37歲的華裔技術天才Edwin Chen持有公司約75%股份，個人財富估計達180億美元（約合1300億元人民幣），在2024年《福布斯》美國400富豪榜上位列第55名，成為榜單上最年輕的成員。Edwin Chen的職業生涯跨越Google、Facebook和Twitter，卻始終與矽谷的主流文化格格不入。他厭惡“圈子遊戲”，更像一位闖入商業世界的哲學家。公司名字“Surge”的靈感，來源於科幻作家特德·姜的短篇《你一生的故事》——一個關於破譯外星語言、探索溝通本質的故事。他希望Surge能“編碼人類的豐富性”。這意味著，訓練AI的不再是普通的標註員，而是來自史丹佛、普林斯頓、哈佛等頂尖學府的教授和專家，將他們深邃的智慧轉化為AI可理解的“語言”。近期，一向低調的Edwin Chen罕見接受專訪，不僅分享了Surge的成功邏輯，更對AI行業的現狀與未來發出了深刻而犀利的見解。01 反主流的成功：百人團隊，年入十億問：你們用不到100人創造了年營收超10億美元的奇蹟，且沒有拿過風投。這是如何做到的？Edwin Chen： 我們從未想過玩矽谷那套遊戲。我曾任職於多家科技巨頭，常常覺得，即使裁掉90%的員工，公司效率反而會更高，因為最優秀的人才不會被官僚瑣事束縛。創立Surge時，我們決心走一條不同的路：組建一支極其精簡、高度精英化的團隊。結果證明，這條路走得通。AI正在開啟一個“公司建設的新黃金時代”。兩股趨勢正在匯合：一是人們意識到，龐大的組織架構並非成功的必要條件；二是AI本身帶來的巨大效率紅利。未來，我們或許會看到人均產出更為驚人的公司——比如，每名員工創造千億美元價值。問：你們幾乎不做行銷，這很反直覺。Edwin Chen： 我一直認為過度行銷是荒謬的。你兒時的夢想是什麼？是親手從零打造一家公司，沉浸於創造；還是終日向投資人匯報，疲於融資？不拿風投讓起步變得更難，但這反而幫我們篩選了客戶——早期合作夥伴都是真正懂資料、在乎質量的人，而非追逐熱點的投機者。02 資料的本質：尋找“諾貝爾獎等級”的詩問：你們被視作最成功的資料公司。到底做對了什麼？Edwin Chen： 核心在於對“質量”的極致追求。很多人誤以為資料標註是機械勞動，只需投入人力就能產出好資料。這完全錯了。舉例來說，如果任務是訓練AI寫一首關於月亮的八行詩，平庸的標準會問：這是詩嗎？有八行嗎？提到“月亮”了嗎？如果都符合，就算通過。但我們要的是“諾貝爾獎等級”的詩。它是否獨特？充滿精妙的意象？能否觸動心弦，甚至讓你對月光有所領悟？這種質量是主觀、複雜且豐富的。為此，我們像Google為網頁排序一樣，建立了涵蓋成千上萬個訊號的評估體系，既要過濾垃圾，更要發現瑰寶。03 卓越的背後：是“品味”決定了模型的高度問：為什麼Claude在程式設計和寫作上格外突出？是資料的原因嗎？Edwin Chen： 資料是關鍵，但更深層的原因是“後訓練的藝術”。當頂尖實驗室決定將那些資料喂給模型時，這不只是科學，更是品味的體現。比如在程式設計上，你更看重前端美感還是後端嚴謹？如果一家公司只熱衷於行銷，追求在各類基準測試上刷高分，它就會針對測試最佳化資料，那怕這對解決真實問題無益。而另一家公司可能會堅守原則：“我不關心榜單，只關心模型在現實世界中的表現。”這背後是審美與價值觀的差異。Anthropic讓我印象深刻的一點，正是在於他們這種有原則的立場。04 榜單的陷阱：我們正在製造“會拍馬屁的AI”？問：模型在各種測試中“超越人類”，但實際體驗並未有質的飛躍。你相信這些基準測試嗎？Edwin Chen： 我完全不信。原因有二：首先，許多測試本身就有問題，充滿噪聲和錯誤答案。其次，測試往往有明確答案，這讓模型容易通過“題海戰術”取巧，但這與真實世界的複雜性和模糊性相去甚遠。結果就是，模型能拿奧數金牌，卻解析不了一個PDF。更嚴重的是，行業陷入了糟糕的激勵循環。像“大模型競技場”這類排行榜，使用者往往只用幾秒鐘憑“感覺”投票。如果一個模型滿口胡言，但用了漂亮的表情符號和排版，它就能得高分。我們本質上是在訓練AI不擇手段地“取悅”使用者，追求多巴胺而非真理。我很擔心，最終我們得到的不是一個能治癒癌症的超級智能，而是一個超級會聊天、超級會拍馬屁，卻幹不了實事的電子寵物。05 真正的進步：由“諾貝爾獎得主”來評判問：如果不看榜單，如何衡量AI的真正進步？Edwin Chen： 我們依靠“人類專家評估”。不是隨便找人聊天，而是請諾貝爾獎等級的物理學家與模型探討前沿研究；讓資深程式設計師用模型解決他們實際工作中遇到的複雜問題。專家會深入評估：程式碼能否運行？物理推導是否嚴謹？邏輯是否自洽？問：那你對實現AGI（通用人工智慧）的時間表怎麼看？Edwin Chen： 我是長期主義者。人們容易低估從“不錯”（80%）到“卓越”（99.9%）的難度，這背後是指數級增長的挑戰。一兩年內，模型或許能自動化普通軟體工程師80%的工作，但要達到98%、99%，可能還需要很多年。我認為，距離真正的AGI，可能還有十年甚至更遠的路。06 被高估的“氛圍程式設計”與模型的“人格”問：還有那些被高估的趨勢？Edwin Chen： “氛圍程式設計”（Vibe Coding）被嚴重高估。現在流行把一堆自己都不懂的程式碼扔給AI，只要能跑通就行。這非常危險，長期來看將製造出完全無法維護的系統災難。問：你曾提到，不同模型會因“目標函數”不同而產生差異。Edwin Chen： 是的，目標函數決定了模型的“性格”。我曾讓Claude幫我潤色郵件，它花了30分鐘、修改了30個版本，來追求極致的完美。郵件確實完美了，但我浪費了30分鐘。如果你可以選擇，你要一個鼓勵你追求無意義完美的AI，還是一個幫你節省時間、告訴你“已經很好了，直接發吧”的AI？這就像不同公司的產品哲學。未來，模型之間的差異會越來越大，因為它們背後公司的“人格”和目標函數不同。我們甚至可以從一家公司選擇開發什麼產品，看出它的價值觀。比如，誰做Sora（文生視訊），誰不做？這反映了他們對AI未來角色的不同想像。07 給創業者的終極建議：建造“唯你能造”之物問：對於那些被風口和主流敘事影響的創業者，你有什麼建議？Edwin Chen： 我厭惡矽谷的陳詞濫調，比如“快速轉型”、“增長至上”。不要為了簡歷好看去招聘名校生。去建造那個“只有你才能建造”的東西，那個沒有你的獨特洞察和知識就無法存在的東西。你的全部人生、經歷和熱情，似乎都在為此做準備。做決策時，別問“公司該怎麼辦”，要問“我個人在乎什麼？我的價值觀是什麼？”現在有太多跟風者，2020年做加密貨幣，2022年轉NFT，現在又自稱AI公司。沒有一致的使命，只是在追逐估值。如果你的失敗是因為世界還沒準備好，那也遠比成功轉型為一家平庸的“套殼”公司要好。至少，你曾為一個深刻、新穎而艱難的想法拚搏過。08 初心：寧做陶哲軒，不做巴菲特問：是什麼驅動你創立Surge？Edwin Chen： 我從小著迷於數學和語言的交集。我去麻省理工，部分原因是因為諾姆·喬姆斯基在那裡。我曾夢想找到統一數學、電腦和語言學的底層理論。後來在各大科技公司做研究，我始終被同一個問題困擾：我們無法獲得訓練頂尖模型所需的高品質資料。2020年GPT-3發佈那一刻，我意識到，若想將AI推向能寫詩、編碼甚至助力科研的下一階段，我們必須創造一種全新的資料解決方案。當時所有的資料公司都在做“標出圖中的貓”這種簡單工作，這讓我沮喪。我們需要的是能駕馭人類全部智慧深度的資料。於是，在GPT-3發佈一個月後，我創立了Surge。我骨子裡是個科學家。我曾以為自己會成為教授，去探索宇宙和語言的本質。我甚至幻想，如果外星人到訪，我能成為那個被政府請去破譯外星語言的人。直到今天，每當有新模型發佈，我最愛做的事仍是通宵研究它，撰寫深度分析。這很有趣，因為我其實很不擅長CEO的典型工作——我討厭開會，不擅長銷售。我常說，相比於成為華倫·巴菲特，我更想成為陶哲軒。 驅動我的始終是推動科學前沿，而非追逐估值。09 終極比喻：我們不是在標註資料，是在“撫養孩子”問：能否用一句話總結你工作的核心？Edwin Chen： 很多人稱此為“資料標註”，我討厭這個詞。我認為我們更像是在 “撫養一個孩子”。你不僅是向孩子灌輸資訊，你是在教授他價值觀、創造力、審美，以及“成為一個好人”的無數微妙之處。這正是我們在為AI做的事。我們在塑造的，是人類共同的孩子。這關乎我們想讓什麼樣的智能陪伴我們，以及我們想成為什麼樣的自己。你，就是你的目標函數。 而我們工作的終極挑戰，就是幫助定義那個函數——一個能讓人類更豐富、更具創造力、更保有好奇心，而非更懶惰的函數。這很難，但這才真正重要。 (加一研究院)

導語：中美作為全球AI領域的核心競爭者，中國籍AI研究人員的留存與流動直接影響兩國科技競爭力格局。12月3日，美國智庫卡內基國際和平基金會發佈分析文章《頂尖中國AI研究人員是否選擇留美？》，直面中美戰略博弈中科技人才競爭這一核心議題。文章通過對保爾森研究所（Paulson Institute）資料集《全球AI人才追蹤報告》（Global AI Talent Tracker）的獨家追蹤與更新，以詳實資料揭示了近年來頂尖中國籍AI研究人員的職業去向，以及美國對中國AI人才的留存能力與吸引力變化。研究發現，儘管中美關係持續緊張，但絕大多數研究對象仍選擇留在美國，這凸顯了美國當前科研生態系統的“留存”能力依然穩固。但與此同時，文章也指出，美國在“吸引”新一代中國頂尖人才方面已出現明顯的乏力跡象，中國本土科研機會的崛起、AI研發環境的改善，正在改變人才流動的初始選擇。長期以來，來自中國的研究人員一直是美國企業和大學前沿人工智慧研究的最主要貢獻者之一。對頂尖AI研究論文的分析顯示，原籍中國的作者對美國AI成果的貢獻，即便沒有超過美國本土作者，也與之不相上下。但過去七年不斷升級的中美緊張關係引發了一個新問題：這些在美國工作的中國籍AI研究人員如今是否在大規模返回中國？更尖銳地說：美國是否正在培養那些最終會為其頭號地緣政治對手建構AI能力的研究人員？為解答這一問題，我們利用並更新了保爾森研究所（Paulson Institute）2020年一項研究中的獨特資料集——《全球AI人才追蹤報告》（Global AI Talent Tracker）（本文作者馬特·希恩是該研究的作者之一）。該資料集包含675名頂尖AI研究人員的樣本，這些研究人員的論文均被全球頂級AI會議——2019年神經資訊處理系統大會（NeurIPS 2019，接收率約為20%）接收。資料涵蓋了這些研究人員的本科畢業院校（大致可作為原籍國的參考指標）、研究生就讀院校以及當時的工作單位。在這675名研究人員中，截至2019年，恰好有100名中國籍研究人員在美國機構從事研究工作。為評估美國是否留住了這批頂尖AI人才，我們近期收集了這100名研究人員如今的工作去向的更新資訊。結果顯示，其中87人仍就職於美國機構，僅有10人前往中國企業或大學工作，其餘3人則隸屬於其他國家的機構。圖一：2019–2025年，頂尖中國籍AI研究人員的職業路徑。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會與卡內基國際和平研究院這對美國的AI競爭力而言是個好消息——或許也令人意外。從歷史上看，赴美攻讀博士學位的中國研究人員留美率極高，約90%會長期留在美國。但在過去五年中美緊張關係加劇的背景下，多項研究表明，多個學科領域選擇離開美國返回中國的研究人員數量大幅上升。在此背景下，我們關於中國出身的AI研究人員的資料，顯示了美國作為AI前沿研究工作地的持續吸引力。但擔憂依然存在。儘管資料顯示美國有能力留住已在美的頂尖AI研究人員，但有跡象表明，美國吸引中國人才的能力正在減弱。儘管相關資料有限，但顯然，如今有更大比例優秀的中國AI研究人員選擇一開始就留在中國，而非前往美國。留美障礙與離美原因近年來，多位備受關注的中國AI研究人員決定離開美國返回中國，這引發了廣泛關注。每位研究人員回國的原因各不相同，且往往帶有個人因素，但近期的地緣政治動盪為希望留美的中國研究人員製造了新的障礙和壓力。自2018年起，一系列針對學生簽證的實際限制和擬議限制——包括討論全面禁止中國學生入境——讓許多中國研究人員陷入不確定狀態。中國申請者面臨簽證續簽的長期拖延，這使他們無法確定自己是否能完成學業並留美工作。許多選擇留下的研究人員表示，受中美科技的緊張局勢和工業間諜活動（industrial espionage）指控的影響，他們的工作被籠罩在懷疑的陰影之下。多起針對在美中國研究人員的備受關注的起訴案件，讓這一群體不寒而慄，但經進一步調查後，其中多數案件都不了了之。2021年一項針對自認為是中國出身的大學研究人員的調查顯示，42%的受訪者表示遭受過美國政府的種族定性（racially profiled）。在此期間，與中國工程師和研究人員的交流中，有多人講述了自己或同事、朋友的電子裝置被美國海關官員沒收並搜查的經歷。新冠疫情期間實施的旅行限制，進一步削弱了中國研究人員赴美或返美的意願和機會。2020年2月，美國總統唐納德·川普（Donald Trump）第一屆政府禁止過去兩周內曾在中國境內的外國公民入境，中國隨後於3月出台了針對入境旅行的限制措施。即便中國於2023年正式重新開放邊境，兩國間的航班數量依然稀缺，如今的每日航班量仍不足疫情前水平的30%。除了這些留美障礙外，中國的AI產業也對海外研究人員產生了更強的吸引力。就在五到十年前，如果有人想在AI研究的全球前沿領域工作，在中國能獲得的機會相當有限。但如今，中國的企業和大學在突破性研究和前沿AI模型訓練方面已迅速趕超，讓這些研究人員無需遠渡重洋、使用第二語言，就有機會從事這類工作。誰選擇留下，誰選擇離開儘管存在這些新的推力與拉力因素，但六年後，資料集中的絕大多數研究人員仍選擇繼續在美國機構工作。在此期間，許多人從美國大學轉入了私營部門。在這87人中，41人目前就職於美國公司，40人在美國大學擔任教授職務，另有6人要麼正在攻讀博士學位，要麼處於博士後研究階段。在就職於美國公司的研究人員中，超過一半受僱於"七巨頭"科技公司（Magnificent Seven）——Google（Google）、亞馬遜（Amazon）、蘋果（Apple）、元宇宙（Meta）、微軟（Microsoft）、輝達（Nvidia）和特斯拉（Tesla），其餘人則效力於美國一些頂尖的AI初創企業。這87人中還有3人在美國創辦了自己的初創公司。儘管100名研究人員中僅有10人返回中國機構工作，但那些選擇回國的研究人員往往具有巨大的影響力。其中2人創辦了自己的初創公司，2人在聚焦AI的科技巨頭中擔任領導職務，5人成為中國頂尖大學的教授。歸國者之一是明星研究人員楊植麟（Yang Zhilin），他於2015年從清華大學本科畢業，隨後前往卡內基梅隆大學（Carnegie Mellon University）攻讀電腦科學博士學位。在卡內基梅隆大學期間，楊植麟作為第一作者發表了多篇被廣泛引用的研究論文，合著者包括多位全球極具影響力的AI研究人員。2023年，楊植麟返回中國創辦了月之暗面人工智慧公司（Moonshot AI），其中文名是為了致敬他最喜歡的專輯。此後，月之暗面融資超過10億美元，並行布了多款全球性能領先的開源大語言模型（open-source OS models）。如今，許多美國初創企業正在採用並基於另一款中國大語言模型Kimi進行研發。他們在解釋這一選擇時，經常提到中國模型往往兼具強大性能和高性價比，而這些是OpenAI和Anthropic等美國企業發佈的封閉專有模型所不具備的。楊植麟的經歷凸顯了一個事實：儘管地緣政治競爭不斷升級，但中美AI研究界依然深度交織，通過人員、思想以及如今頂尖AI模型的豐富跨境流動緊密相連。月之暗面在過去一年迅速完成多輪融資，受到頭部基金、網際網路巨頭與產業資本的密集下注。圖源：VCG錯失下一代人才儘管美國在過去六年成功留住了大部分中國AI研究人員，但有跡象表明，其吸引中國新人才的能力已有所下降——考慮到中國在全球AI人才中的佔比，這一趨勢可能並不樂觀。最初的《全球AI人才追蹤報告》的資料來源於2019年神經資訊處理系統大會（NeurIPS）的研究人員。當時，中國籍研究人員佔該會議論文作者的29%，超過了美國的20%和歐洲的17%。對美國而言幸運的是，這些中國籍作者中的大多數（以及來自世界各地的研究人員）選擇在美國機構開展研究。從這675名頂尖研究人員2019年的所屬機構來看，59%就職於美國機構，相比之下，中國機構佔11%，歐洲機構佔10%。在本科畢業於中國的研究人員中，56%在美國機構學習或工作，37%在中國機構。而在所有就職於美國機構的研究人員中，31%的人本科學位授予自美國，其次是中國（27%），歐洲和印度各佔11%。圖二：頂尖AI研究人員的主要工作國家，2019年與2022年。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會三年後，保爾森研究所利用2022年神經資訊處理系統大會（NeurIPS 2022）的論文作者資料重新開展了這項研究。到那時，中國籍研究人員佔抽樣作者總數的比例已接近一半，中國機構的佔比也翻了一番多，達到28%。這一數字仍遠低於美國的42%，但已足以表明中國在產出當年眾多頂尖AI研究論文方面極快的追趕速度。這也意味著，更多頂尖中國研究人員選擇留在中國而非前往美國。2022年的研究並未提供本科畢業於中國的研究人員中，有多大比例留在國內攻讀研究生學位並工作的具體資料，但該研究指出，越來越多中國出身的研究人員選擇留在中國。圖三：頂尖AI研究人員的來源國（基於本科教育背景）。來源：保爾森基金會如果這一趨勢持續下去——中國籍頂尖研究人員佔比不斷上升，而其中前往美國的比例持續下降——這對美國競爭力而言並非一個好兆頭。幾十年來，美國積累了大量精英研究人員，他們來自中國但選擇長期在美國生活和工作。如果這類人才流動停止——甚至更糟，出現逆轉——美國將難以培養和吸引足夠多的優秀研究人員來填補這一空缺。"全方位"戰略在建構和部署全球最先進、最高效的AI系統方面，美國仍保持諸多優勢。在獲取用於訓練和運行AI系統的尖端晶片方面，美國相較中國具有顯著優勢。儘管部分中國應用程式迅速崛起，但Google（Google）和元宇宙（Meta）等美國科技巨頭擁有更龐大、更多元化的全球使用者基礎，這讓它們在市場切入點和使用者洞察方面擁有中國同行所不具備的優勢。但美國AI生態系統最強大的長期優勢之一——全球最優秀的研究和工程人才庫——正面臨風險。要降低這些風險，就需要採取"全方位"戰略來培養、吸引和留住世界級AI研究人員。這需要加大對美國高中的投資，讓美國人具備進入AI領域工作的基礎能力；同時需要提供研究經費並確保簽證政策的穩定性，以吸引全球最優秀的國際學生來美攻讀研究生學位；還需要營造良好環境，讓包括中國在內的世界各地最優秀的AI研究人員願意在美國生活並行展事業。這些都並非易事，但前進的道路，以及成敗的關鍵，已然十分明確。 (IPP評論)

儘管荷蘭於11月19日宣佈暫停對Nexperia的行政令，為緊張局勢帶來一絲緩和，但政治層面的進展並未真正平息其內部的控制權之爭。目前，荷蘭企業法庭的裁決依然有效，荷蘭政府並未完全撤銷行政令，也未將安世半導體的控制權交還中方。這意味著，雙方的角力仍在暗中推進。12月10日傳來最新動向：聞泰科技股份有限公司已邀請荷蘭晶片製造商Nexperia BV的法院指定託管人進行磋商，以期重新掌控這家荷蘭晶片製造商，恢復Nexperia正常的治理結構。聞泰科技在一份聲明中表示：“作為Nexperia的合法控股股東，聞泰科技已明確表明立場：解決Nexperia當前治理僵局的核心前提和根本基礎是恢復聞泰科技的合法控制權和全部股東權利。”然而，會談的具體時間依舊懸而未決。在全球晶片短缺危機持續蔓延、供應鏈處處告急的背景下，這場拉鋸戰顯得尤為緊迫。同樣在12月10日，東亞晶片產業的佈局也傳出新消息：韓國、日本均宣佈加碼本土晶片產業的計畫，試圖在這場席捲全球的晶片爭奪戰中尋找屬於自己的增長突破口。韓國方面，李在明總統親自主持召開了題為“人工智慧時代韓國半導體願景與戰略”的政策簡報會，會議公佈了一項雄心勃勃的計畫，將投資700兆韓元（約5340億美元）來加強其半導體行業。日本方面，鎧俠（Kioxia，前身為東芝儲存器）計畫明年在其岩手縣晶圓廠開始生產新一代NAND快閃記憶體晶片，而它將採取第十代技術。在全球半導體產業劇烈震盪之際，一條新戰線正在被勾勒出來：晶片已從企業間的技術競賽，徹底升維為國家戰略主導的生存博弈。韓國要向前邁出新的一步據悉，三星電子和SK海力士等晶片製造商的高管以及政策制定者和專家等40餘人都出席了在總統府召開的這場會議。“我們面臨著非常嚴峻的危機和挑戰。半導體行業已經從公司間的競爭升級為國家間的戰爭。”會議上，韓國產業通商資源部長官金正官的這句話，道破了當前的緊張局勢。他列舉了中國、美國、歐洲和日本之間為支援各自晶片產業而展開的競爭。可以說，全球範圍內的資源爭奪與技術壁壘已形成“貼身競爭”態勢。總統李在明直言不諱：“韓國需要向前邁出新的一步，而半導體行業是我們最有競爭力的領域。”這番表態為韓國半導體戰略定下了基調，而他親自主持會議，就是要調動全國力量，推動半導體產業實現突破性發展。長期以來，韓國憑藉三星和SK海力士稱霸儲存晶片市場，卻在邏輯晶片設計、製造領域明顯滯後，始終處於追趕者的位置。為此，金正官在會議上說道：“我們必須調動所有國家資源，贏得全球半導體競賽。我們將支援世界領先的儲存器製造，並通過涵蓋設計、生產和需求的合作，將無晶圓廠生態系統擴大十倍。”按研發領域劃分，1.27兆韓元將用於人工智慧晶片，2159億韓元將用於開發下一代儲存晶片，另有6200億韓元將用於化合物半導體和晶片封裝。此外，韓國打算啟動總規模4.5兆韓元的晶片代工廠投資計畫——這座工廠將採用12英吋晶圓、40奈米製程，重點支援無晶圓廠企業開發測試汽車、資料中心等領域的傳統晶片，精準契合全球AI晶片需求激增的市場趨勢。據產業通商資源部介紹，該項目將採用國家和私人共同出資模式，政府已著手與三星電子、DB HiTek等本土晶圓代工廠磋商合作細節。到2047年，韓國將在京畿道龍仁市建設全球AI半導體叢集，新建10座晶圓廠，使200毫米晶圓的月產能達到790萬片。更宏大的規劃是建構覆蓋南部的產業走廊——光州專注封裝，釜山發展功率半導體，慶尚北道龜尾市則主攻晶片元件製造。李在明對企業代表們說：“我希望你們將注意力轉向可再生能源豐富的南部地區，與政府一起在那裡建立新的產業生態系統。”他特別強調：“把蛋糕做大固然重要，但讓更多人分享蛋糕帶來的好處也同樣重要。”值得注意的是，此次戰略將國家安全提升至前所未有的高度。韓國國防部披露的資料令人警醒：國防相關半導體99%依賴進口，這意味著在國際局勢變動時，國防供應鏈可能隨時“掉鏈子”。為此，政府計畫在相關法律中增設條款，明確規定國家安全基礎設施建設必須優先採購國產半導體，從制度層面強制推動國防半導體本土化生產，徹底擺脫對外依賴。為保障戰略落地不走樣，韓國還將成立由李在明總統直接領導的“半導體特別委員會”，作為國家晶片政策的控制中心。鎧俠融入日本晶片復興浪潮與韓國的三星電子和SK海力士公司一樣，鎧俠也是全球最大的記憶體晶片製造商之一，主要專注於廣泛應用於智慧型手機、筆記型電腦和資料中心的NAND快閃記憶體晶片。鎧俠預測，受生成式人工智慧浪潮驅動，資料中心對NAND儲存的需求將以每年約20%的速度持續增長。而這些強勁需求，主要來自超大規模資料中心營運商，他們需要晶片用於生成式人工智慧。鎧俠制定了堅定的擴產計畫——在2024財年（2024年4月至2025年3月）結束後的5年內，將其位於岩手縣北上市和三重縣四日市的工廠產能翻一番。在新一代晶片的佈局上，鎧俠採取了高效的雙廠分工戰略，通過高性能與大容量產品線並進的策略，構築起兼顧技術前沿與成本效益的差異化優勢。性能導向的第九代晶片將於本財年末在四日市工廠投產，主要面向智慧型手機等對速度和能效要求較高的應用。而面向資料中心的大容量第十代晶片，則將在北上市工廠生產，採用被稱為“第十代”的先進製程，通過將儲存單元堆疊層數從218層大幅提升至332層，實現在單位面積上儲存容量提升59%、資料傳輸速度提高33%，同時顯著降低功耗。鎧俠執行副總裁渡邊智晴在今年6月的戰略簡報會上曾透露過這一分工：“我們正推動四日市工廠轉向高性能產品，以提升千兆字節產出效率；同時擴建北上工廠，重點聚焦大容量產品的生產。”值得注意的是，第十代晶片的生產將直接利用北上工廠已於今年9月投產的Fab2廠房，無需新建產線，體現了其資本配置的精打細算。而這一佈局也呼應了日本國內半導體產業的叢集化趨勢。北上工廠所在的岩手縣南部，正吸引東京電子、富士金、美樂科技等供應鏈企業聚集，形成新興的半導體製造中心。其實，早在2024年11月，日本便推出一項規模達650億美元的重磅產業扶持計畫，聚焦本土晶片產業復興。計畫的核心內容涵蓋對Rapidus等本土半導體企業實施定向扶持、加快先進晶圓代工產能建設，以及與全球研究機構及私營合作夥伴開展深度協作。在政策紅利與產業潛力的雙重吸引下，不僅本土企業積極響應，全球晶片巨頭也紛紛加碼日本市場佈局。台積電於今年10月在九州島開始建設第二座工廠，預計將於2027年底投產；美國儲存晶片製造商美光科技也將從日本政府獲得36.3億美元的補貼，用於擴大其在廣島的設施；而三星正在橫濱建設研發中心。AI熱潮引發晶片短缺2020-2022年的晶片短缺仍歷歷在目，但與當前的供應緊張相比，二者的核心驅動因素截然不同。此前的短缺多源於工廠停工、運輸延誤等外部突發因素，而此次的瓶頸則直指需求端的爆發式增長，人工智慧開發商與雲端運算巨頭正加速佈局基礎設施建設，對記憶體晶片的需求達到前所未有的規模。正如科技諮詢公司Greyhound Research首席執行長桑奇特・維爾・戈吉亞所言，人工智慧的規模化部署 “正與無法匹配其物理需求的供應鏈產生激烈衝突”。這一供需矛盾已直接體現在庫存資料上：傳統記憶體晶片的庫存水平從2024年底兩位數周的健康狀態，驟降至2025年大部分時間僅夠維持幾周供應的緊張局面。供應缺口之下，市場競爭愈發激烈。微軟、Google等科技巨頭紛紛加入 “搶芯大戰”，爭相鎖定記憶體晶片製造商手中日益稀缺的產能。供需失衡直接推動價格上漲。市場研究公司TrendForce的資料顯示，自2025年2月以來，部分記憶體晶片細分市場的價格已實現翻倍以上增長，吸引眾多交易員押注漲勢延續。市場熱度同樣傳導至資本市場，受益於AI需求的加速釋放，晶片製造商的股價迎來爆發式增長。以SK海力士為例，其股價在過去一年累計上漲超230%，直觀反映出市場對AI驅動下晶片行業增長潛力的強烈信心。這場由AI驅動的晶片短缺與競爭，既帶來全球產業鏈重塑的陣痛，也成為未來科技權力版圖劃分的關鍵，速度與戰略定力將決定誰是下一個引領者。 (汽車商業評論)

真正的紅利可能就藏在那些不起眼的一線工位上當前，中國汽車產業競爭日趨白熱化，“價格戰”持續擠壓利潤空間，降本增效已經從各大車企的“可選項”變成了“生存題”。面對重資產、高成本的製造體系，如何找到輕量化、可持續的增效路徑，是各大車企，乃至眾多供應鏈工廠的挑戰。正解局也發現，現在參加“飛書效率先鋒大賽”的企業也是越來越多。為了幫助企業在AI時代下更好地實現數位化建設和數智化加速，切實降本增效，飛書至今已經聯合400多家企業落地600場效率先鋒大賽，培養近5萬效率先鋒。他們的模式是通過比賽的方式，激發出真實的AI賦能製造的場景，讓更多的企業看到新的可能，包括美宜佳、海大、極兔、蔚來在內的眾多企業都通過這場比賽實現了業務的重塑和效能的提升。今年10月，飛書再次啟動了面向全國範圍的企業先鋒們進行參賽案例徵集，通過激烈PK，將於12月角逐出全國12強和效率先鋒年度總冠軍。在這個過程中，吉利汽車研究院提交的“尺寸檢測智能化”項目尤為引人注目——幾個車輛工程師，用飛書AI工具，一下子就省下了近千萬元的裝置投入。不依賴天價的國外硬體，不等待漫長的IT排期，這場比賽讓我們看到了當AI深入產線，也可以和製造業發生“化學反應”：通過AI的柔性賦能，企業將一線員工的現場經驗直接轉化為創新的驅動力，從而繞過沉重的硬體與IT依賴，讓AI直接解決產線“最後一公里”的痛點。製造業的競爭力，也由此被重新定義。在整車製造中，尺寸檢測是汽車質量與安全的核心環節，幾毫米的誤差都有可能產生重大影響。傳統流程中，技工老師傅們需要將資料先寫在零件上，再抄到紙上，最後輸入電腦，每一次檢測要耗時45分鐘，不僅效率低，還非常容易抄錯。吉利汽車生產線轉折發生在身處一線的吉利汽車研究院試制中心研發團隊中。他們避開了“硬裝置”路徑，選擇用輕量化的飛書AI重構檢測流程，通過飛書開發了一個智能助手，把傳統的“手寫錄入測量值+人工資料分析”的模式，轉化為“語音生成測量值+智能決策分析”的新形態。具體而言，在採集端不再用手抄，而是利用飛書的AI語音識別與即時字幕能力，建構新的採集方式，不容易出錯，每個資料的標註來源也更清楚。同時基於飛書的工作配方AI呼叫功能和多維表格來清洗資料，解決了資料乾不乾淨、準不準確的問題。最後把之前吉利汽車研究院的5M1E方法拆解歸納成18種典型問題模型，預置到系統中，再利用AI對DTS尺寸的測量資料進行分析，實現了簡單、高效、精準的新檢測模式。在使用飛書AI後，吉利汽車研究院試制中心研發團隊明顯感到效率提升，很快就在同事之間形成了“越用越想用”的正反饋，極大節約了工時，以及對高昂裝置器材的依賴。但比技術更值得借鑑的，是推廣策略。他們用“老師傅”的名字來命名這些大模型，讓很多不願意用AI的老師傅，開始主動接觸大模型。甚至老師傅之間會調侃：“聽說老張你現在開始搞AI了？”這種巧妙的方式，既是對老師傅經驗的尊重，也是將工匠精神數位化的傳承。“我們也是在想辦法和一線的老師傅形成一種共贏的局面，”項目負責人表示，“當用老師傅的名字去命名問題分析模型時，好像月球上某一個環形山的名字，會有那麼一點點自豪感。”“製造業確實大而重，飛書給了我們一個四兩撥千斤的抓手。”這種“以人為本”的落地方式，讓AI在傳統的製造業中得以快速地“潤物無聲”。吉利汽車研究院重構車間工作流程的案例不是孤例，在飛書效率先鋒大賽中，我們還看到了很多奇思妙想。內江市的金鴻曲軸的前身為內江齒輪廠，始建於1958年，是一家具有40多年從事汽車發動機曲軸製造的專業廠家，現已形成年產各型曲軸300萬件的能力，在全國汽車發動機曲軸行業名列前茅。公司具有成熟的汽車曲軸製造工藝，近年來通過近十億元的投入，現擁有二十多條先進的曲軸生產線。金鴻曲軸的生產車間產線需要統計管理，統計員呂望是會計出身、無IT背景，卻是公司AI項目的先行者。通過飛書aily的拖拉拽式搭建和強大的知識庫直連能力，他在極短時間內搭建機器人、連通知識庫、本地化流程，過去需要IT部門排期的事，現在一線員工就能自主完成，並隨業務迭代持續最佳化。光飛書的自動提醒歸還功能，就讓金鴻曲軸六分廠的呆帳率下降了80%，每月節約0.64萬元，全年節省約10萬。“飛書aily一個好處就是我們對接那個知識庫的能力很強大，它可以直連，而且安全性也高，”呂望通過拖曳式的零程式碼搭建，將過去人工錄入的流程徹底數位化，也因此被上級看到，得到了肯定與嘉獎。金鴻曲軸員工王鵬程正在使用飛書在主要研究汽車智能化的四維圖新，產品質量的稽核也發生了革命性變化。“AI先預審，人工再覆核，這不是AI替代人，而是像師傅帶徒弟一樣。”一輛智能汽車，背後是數億行程式碼和高度複雜的系統，同時還有數十道質量體系的稽核。過去，每一次完整的稽核要牽涉到眾多部門、協調鏈條非常長，動輒折騰幾十天，企業消耗很大。而傳統的稽核工作也非常枯燥，需要翻看海量設計文件、人工核對流程、簽審，效率極低。業務團隊還要隨時需要停下來“配合檢查”，雙向內耗。而這些不會寫程式碼的稽核員就開動了腦筋，基於飛書的aPaaS平台和飛書aily，打造了新一代的AI全閉環智能稽核平台——SmartQMS。SmartQMS可以按照既定規則先行預審，人工隨後覆核，並將專業判斷反饋給AI，不斷豐富規則庫和樣例庫。這種持續的“反饋→學習→最佳化”循環，使AI的判斷能力隨著稽核場景的積累而逐步趨近專家水平。而稽核員也從繁瑣的重複勞動中解放出來，專注於複雜問題的決策。以一次典型的內部稽核為例：單次稽核由過去8個工時到現在的3個工時，效率暴漲超過60%！僅一個部門，一年就節省了24萬工時成本。一位來自新能源車企的行業大佬看到這個案例表示非常羨慕：“你們這個，是一個可以抄作業的方案。”在鵬飛集團，由飛書開發的智能化AI監測系統也解決了化工行業的安全管理難題。“在以前我們記錄是需要紙質版人工錄入，資訊滯後，現在通過AI可以去自動分析，定期推送，提升我們的工作效率。”工程師尚煬艦表示，在化工行業，自動化裝置的維護，往往靠技術人員接到提報後親自去維修。後來尚煬艦就通過飛書的多維表格搭建了一個集資料採集、故障診斷、報警處理於一體的智能化平台，可以將重大危險區氣體濃度監測跟AI即時結合，AI可以整理故障點，並提供解決方案。提升效率的同時，也減少了維修人員涉險的頻率。尚煬艦使用飛書檢閱資料通過AI的應用，工廠實現了24小時不間斷AI點檢，檢測效率提升了240倍，人身安全率達到了100%。不僅減少了檢修停機的損失，還節省了系統建設成本和人工成本，年增收約240萬元。基於這個創新，鵬飛集團獲得了兩項實用新型專利，省市級及全國行業大賽獎項，獲省市媒體採訪報導，成為了行業標竿案例。尚煬艦正在檢修機械從這些案例中不難看出，企業降本增效的任務不一定只有專家、高管才能完成，一線員工使用低門檻的AI工具也可以勝任。這也呼應了當下的產業趨勢：製造業的AI應用，正從“重硬體投入”轉向“重智能賦能”。而飛書效率大賽大賽之所以能集結130+家企業，也正是因為它提供了一條“短平快”的落地路徑：不依賴IT部門排期、不等待巨額預算批覆，一線員工用低門檻工具快速驗證價值，從小處撬動大變革。站在更高的角度看，飛書效率先鋒大賽的意義，不僅在於評選出優秀案例，更在於它驗證了一條AI落地的可行路徑：其一，是工具下沉，全員提效：讓AI從“技術部門專用”變為“一線員工好用”。在吉利，非IT背景的工程師經過短期培訓就能快速上手，短時間內搭建出全公司推廣的系統。陳冬傑甚至享受與AI博弈的過程：“當發現某些提示詞bug的規律後，我反向運用這個bug，用bug去打敗bug的時候，會有一定的爽感和成就感。”其二，是場景先行，小步快跑：飛書AI能從高價值、易落地的痛點切入，迅速建立信心。很多企業團隊從搭建平台到推廣全廠應用僅用了一兩個月的時間，這種速度在傳統製造體系中堪稱奇蹟。像金鴻曲軸的AI物料預警系統、鵬飛集團的智能監測系統，都是從最迫切的業務痛點入手，實現快速突破。其三，是人機共融，新舊協同：AI並不是要替代人，而是在尊重傳統經驗的基礎上，讓人與AI實現共贏。像吉利用老師傅名字命名AI模型的創新做法，不僅沒有引起牴觸，反而讓老師傅成為新系統的推廣者，這就形成了一個共贏局面。最重要的，還是成本結構和投資邏輯的改變：拿吉利來說，從千萬級測量機到百萬級掃描器，再到數十萬手持裝置，飛書AI帶來的，是從“硬體投入”轉向“智能化能力”的成本結構重寫。正如他們的團隊所言：“大家都覺得傳統製造行業非常大而重，同時要把那些最先進的一些網際網路技術引入到製造行業裡面進行協同落地，難度是非常高的……但用了飛書後發現，原來在製造行業除了一些普通的文件工作能夠提升效率，在那些一線的生產線上面，也有不少場景是可以通過AI和數智化工具去改變，慢慢地去撬動原有的一些固化的模式。”吉利汽車生產線長期以來，我們對“數位化轉型”有一個誤區：以為它必須是自上而下的，都是CTOCIO的事，是花大錢買系統的事。但這幾家企業的實踐告訴我們：真正的紅利，往往藏在那些看似不起眼的一線工位上。今天，這場由一線員工主導、飛書提供武器的“效率革命”，不再盲目追求系統更替、技術領先、國產替代，而是以“小切口、快迭代、重實效”的方式，逐步撬動中國傳統製造體系的深層變革。當老師傅們開始用AI傳承經驗，當一線工程師成為系統搭建者，他們證明了，當工具足夠趁手時，中國工人的創造力是驚人的。而企業的創新核心，也不僅僅在於高研發投入、技術的堆砌，更在於啟動人的創造性——讓一線員工成為變革的主體，用輕量化的工具解決實實在在的業務痛點。在這場席捲製造業的寒冬裡，這些能夠熟練駕馭AI的普通工人，或許才是中國製造最堅硬的底牌。 (正解局)

博通第四財季營收和利潤齊創最高紀錄，分別同比增近30%和40%；第一財季營收指引增速持平上季，AI晶片收入較市場預期高近20%。博通公佈將本財年季度股息提高10%，全年股息由此創歷史新高。CEO稱積壓了價值730億美元的AI產品訂單，又說這是“最低值”，稱第四財季從Anthropic獲得110億美元訂單，但警告因AI產品銷售，總利潤率在縮小。博通股價盤後先一度漲4%，後轉跌，曾跌超5%。輝達的挑戰者、ASIC晶片大廠博通又一次用季度業績和指引顯示，人工智慧（AI）資料中心裝置的需求有多爆表，它正在給博通近期的業績帶來爆炸式的增長。但積壓的AI訂單規模未達到投資者期望。博通公佈的上一財季營業收入和盈利均較此前一季加速增長，和提供的本財季營收指引均高於華爾街預期。受益於AI基建熱潮中所需的定製AI晶片熱銷，博通上財季AI晶片收入增長超過70%，較前一季的增速提高超過10個百分點。博通還預計本財季的AI晶片收入將翻倍勁增，大超市場預期。博通首席財務官（CFO）Kirsten Spears同時公佈，將本財年、即2026財年的季度股息大幅上調10%至0.65美元/股，年度股息由此達到公司史上最高水平2.6美元/股。這是自2011財年開始派發股息以來連續第十五年提高年度股息。財報公佈後，周四收跌1.6%的博通股價（AVGO）在美股盤後迅速拉升轉漲，盤後漲幅曾達到4%，但此後轉跌，目前跌超5%。有評論稱，股價轉跌源於，業績電話會上，博通CEO陳福陽表示，公司目前積壓了價值730億美元的AI產品訂單，這些訂單將在未來六個季度交付。這一訂單規模令一些投資者感到失望，儘管陳福澄清說，這只是一個“最低值”，並預計隨著更多訂單湧入，實際規模將更大，但市場反應依然謹慎。。財報公佈前，華爾街見聞文章提到，一些分析人士擔心即便博通業績爆表也可能引發“賣事實”的交易。Gabelli Funds的分析師Ryuta Makino就預計，無論博通業績或指引如何，"每個人都持有多頭，也許有些人會為了獲利了結而拋售"。美東時間12月11日周四，博通公佈截至2025年11月2日的公司2025財年第四財季（下稱“四季度”）財務資料，並提供2026財年第一財季（“一季度”）的業績指引。1）主要財務資料：營收：四季度營業收入180.2億美元，同比增長約28%，分析師預期174.7億美元，公司指引174億美元，前一季度同比增長22%。淨利潤：非GAAP口徑下調整後四季度淨利潤為97.1億美元，同比增長約39%，前一季度同比增長37.3%。EBITDA：調整後四季度稅息折舊及攤銷前利潤（EBITDA）為122.2億美元，同比增長34%，利潤率68%，公司指引67%，前一季度同比增長30.1%、利潤率67.1%。EPS：調整後每股收益（EPS）四季度為1.95美元，同比增長37%，分析師預期1.87美元，前一季度同比增長36.3%。2）細分業務資料：半導體解決方案，包括ASIC在內的半導體解決方案業務收入為110.7億美元，同比增長34.5%，佔總營收的61%，分析師預期107.4億美元，前一季度同比增長26%、佔總營收的57%。基礎設施軟體：包括VMware在內的基礎設施軟體業務收入為69.4億美元，同比增長約19%，佔總營收的39%，前一季度同比增長17%、佔總營收的43%。3）業績指引：營收：一季度營收預計約為191億美元，分析師預期184.8億美元。EBITDA：一季度EBITDA利潤率預計約67%。Q4營收和利潤齊創最高紀錄 Q1 AI晶片收入增速大幅提升財報顯示，博通四季度的營收和EBITDA利潤均創單季歷史新高，並且增速均較前一季加快增長。營收增速由前一季度的22%提高至略超過28%，EBITDA增速從37%提高到39%。陳福陽稱，四季度創紀錄的總營收得到AI半導體解決方案和基礎設施軟體的共同推動。財報中，包括ASIC在內的半導體解決方案收入也高於分析師預期，在總營收總的佔比突破60%。陳福陽特別提到，AI晶片的收入四季度同比增長74%。這一增速顯然高於前一財季已經超預期增長的63%，也高於當時財報業績電話會上陳福陽透露的博通自身指引。當時他說四季度AI晶片收入料增至62億美元，那當於同比增長66%、環比增長19%。以博通的業績指引計算，一季度營收將同比增長約28%，持平四季度增速，環比增長約6%，增速較四季度的13%放緩，但已經高於分析師預期。分析師預計一季度營收同比增長近24%。陳福陽稱，一季度的AI晶片收入將同比翻倍增長，增至82億美元。那意味著AI晶片將貢獻公司超過40%的收入，較市場普遍預期的69億美元高將近19%，且收入的同比增速將較四季度提高26個百分點。新增Anthropic訂單 但AI產品利潤率承壓陳福陽電話會議上披露，博通四季度獲得了OpenAI勁敵Anthropic價值110億美元的訂單，這是繼第三財季獲得100億美元訂單後的又一大單。他說，博通還簽署了另一筆價值10億美元的客戶訂單，未透露客戶身份。陳福陽同時警告，由於AI產品銷售，公司整體利潤率正在縮小。他試圖向投資者解釋，730億美元的訂單積壓只是基準數字，實際規模將隨著新訂單增長。"根據具體產品，我們的交貨期可能從六個月到一年不等"，他說。博通預計第一財季AI半導體收入將同比翻倍至82億美元，較市場普遍預期的69億美元顯著提升。AI收入的快速增長主要來自定製晶片和資料中心網路晶片的需求激增。Google和OpenAI成關鍵客戶博通股價自4月4日觸底以來累漲超170%，在標普500成分股中同期漲幅排名第十位，自9月初發佈第三財季財報以來股價漲約30%，這輪漲勢使其市值達到1.91兆美元。進入2025年來，截至本周三收盤，股價累漲約75%。這一漲勢將博通估值推至前所未有的高度。到本周三，其遠期市盈率達到約42倍，遠超17倍的十年平均水平。目前博通估值已超過“科技七巨頭”（Magnificent 7）中除特斯拉外的六家巨頭，包括最高市值的個股輝達。博通的AI業務高度依賴少數超大規模雲服務商客戶，尤其是Google。博通為Google製造定製的張量處理單元（TPU）晶片，而Google三周前發佈的公司最強大AI模型Gemini 3完全基於TPU晶片訓練，成為近期博通的一大利多。Janus Henderson Investors科技研究分析師Shaon Baqui表示，博通“與Google生態系統深度繫結，我們都看到了Gemini 3的最新成功以及Google的成就。鑑於近期表現，市場預期顯然被推高，但理由充分。”Emarketer分析師Jacob Bourne表示："鑑於Google的市場地位，博通將受益於市場對專業化、節能晶片日益增長的興趣，而其網路產品組合使其成為支撐AI基礎設施的大規模資料中心建設的關鍵供應商。"相比傳統巨頭Google，OpenAI和Anthropic這類AI領域的後起之秀也給博通的漲勢錦上添花。今年9月的財報電話會上，陳福陽透露，博通定製AI加速器XPU增加了一位合格客戶，這第四位客戶帶來了價值100億美元的訂單。當時有媒體稱這位“神秘”的客戶就是OpenAI。一個月後，OpenAI於10月13日宣佈與博通達成協議，將從明年開始部署與博通合作開發的AI定製晶片。這確認了博通客戶群增添重要成員。 (invest wallstreet)

在近期的愛德華·陳傑出講座系列活動中，阿里巴巴集團聯合創始人兼董事長蔡崇信（Joe Tsai）分享了他對未來十年中國經濟增長的判斷。他以製造業、技術路線以及 AI 趨勢為線索，描繪了一個關於創新與動能重構的中國經濟未來圖景。一、中國經濟增長的底層邏輯：製造業升級 + 技術自立蔡崇信指出，中國未來的增長軌跡來自兩個關鍵方向：1. 製造業依然是中國的根基中國過去幾十年的財富增長，來自“以製造驅動出口”的模式。如今，這條路徑正在向更高端的工業體系升級。電動汽車電池產業太陽能電池板智能製造技術這些領域的全球領先，使“中國製造”變成“中國先進製造”。2. 技術自立是長遠發展的戰略必然在全球科技博弈加劇的背景下，加強自主技術研發、掌握關鍵環節，是確保中國經濟安全與長期競爭力的核心。這也是國家在“十五五”規劃中強調的重點。二、AI：決定未來十年的第一增長引擎在所有科技力量中，蔡崇信認為：人工智慧（AI）將是未來十年最重要、影響最深遠的經濟驅動力。中國政府在 AI 領域的策略以 “普及率” 為目標導向。例如：•2030 年實現 90% 的 AI 智能體與裝置滲透率蔡崇信強調，AI 的競爭最終不是“模型誰更強”，而是：誰能讓更多行業、更多人真正用起來。三、中國 AI 競賽的四大結構性優勢蔡崇信與陳教授總結了中國在 AI 領域的四項核心競爭力，它們將長期驅動優勢的形成。1. 能源優勢：電力成本與供給規模領先世界AI 模型訓練需要巨量能源。中國裝機發電容量為美國的2.6 倍每年新增發電容量為美國的9 倍電價比美國便宜約40%資料中心建設成本低約60%這意味著：中國能以更低成本進行大模型訓練與推理部署。2. 工程師紅利：世界最強 STEM 人才供給中國每年培養的 STEM 畢業生全球最多全球 AI 學者中，約半數擁有中國大學背景在 GPU 不足的環境中，中國工程師更擅長“系統層創新與效率最佳化”，形成反向優勢。3. 開源路線加速 AI 普及中國企業（如阿里巴巴）傾向採用開源模型。優勢在於：下載即可用，成本顯著降低企業能掌握資料主權加速行業普及，而非陷入“閉源 API 黑箱”蔡崇信認為：AI 的勝利取決於使用廣度，而不是模型參數規模。4. 國家戰略明確，為產業指明方向例如：五年內實現90% AI 普及率的明確目標。這激勵了國企、創新企業全面推動 AI：進政府體系進產業鏈進民用裝置進服務行業形成體系化推進。四、阿里巴巴的 AI 戰略：模型開源 + 雲作為基礎設施阿里的 AI 戰略用一句話概括：大模型開源，雲服務商業化。大模型：開源促進普及開源不僅讓更多開發者用上大模型，也讓中小企業能用低成本部署 AI。雲是盈利中心：AI 時代的“電力公司”蔡崇信把雲比喻為“新的公共事業（utility）”：當企業運行 AI，需要：儲存資料管理安全高性能網路調度體系晶片與伺服器基礎設施阿里雲未來將以“AI 基礎設施提供商”為核心定位。五、給年輕人的未來建議：掌握“AI 時代核心能力”蔡崇信給學生提出三大方向的建議：1. 培養核心思維能力獲取知識搭建分析框架得出獨立判斷學會提出真正的問題2. 建議學習編碼程式設計就像一門語言，能訓練邏輯能力，是 AI 時代基本素養。3. 投身未來關鍵學科資料科學 / 統計學：理解爆炸式增長的資料心理學 / 生物學：探索人類大腦如何成為“最節能的電腦”材料科學：決定未來半導體與算力效率結語：AI 是真實浪潮，長期價值剛剛開始蔡崇信強調：就像網際網路泡沫後的科技產業更加強大，AI 的長期價值也剛剛打開大門。對於年輕人來說：趨勢已來競爭激烈機會無限關鍵是：主動學習、提升能力，抓住未來十年的不對稱機遇。 (果粉碼農)

大家看了嗎？華為CEO任正非和ICPC頂尖選手和教練的那場對談，可以說含金量很高。華為不用多講，是中國科技突圍的關鍵力量；而ICPC呢，被稱為“程式設計師的奧運會”，是全球最強大學、最強選手的主戰場。這場交流跨越企業和學界，連接中國與世界，全程聚焦AI、聚焦未來，今天秋香就給大家分享讓我最有感觸的兩點：第一點也是引發廣泛討論的核心觀點，任正非站在企業發展的視角提出“AI 重在應用，不重在發明”，什麼意思呢？他認為應用的社會價值更深遠，能真正改變產業效率。比如高爐煉鐵通過AI 最佳化爐溫，效率能提升 1%；煤礦開採用 AI 實現無人化，既保障了礦工安全，還能精準預測瓦斯爆炸、透水風險；就連洗煤這樣的傳統環節，AI 都能把精選精度提高 0.1%，看似微小的提升，乘以億噸級的產量就是巨大的社會價值。關於這樣的實踐應用在華為數不勝數。比如西藏牧區用5G+AI 遠端診斷肝包蟲，瑞金醫院的病理大模型輔助醫生診斷，還有 450 公里時速高鐵的 5G-R 無線調度系統，全都是 AI 在具體場景的鮮活案例。華為聚焦未來3-5 年，把大模型、巨量資料、大算力落到工農業、醫療、交通等實體經濟中，解決在生產和消費中的實際問題。這源於企業的價值定位：任正非明確表達，華為是搞技術的，不是搞科學的。就像他說的：“發明 AI 只是一家 IT 公司，應用 AI 是會強大一個國家”。第二點，是很多年輕人最關心的——AI 時代要怎麼走？任總也給出了自己的回答，其實正好對應了現在年輕人的焦慮：學什麼？會不會被淘汰？會不會走錯方向？首先，勇於“摸高”，大膽突破自己的邊界。他說，能摸高就不要摸低，要敢於走到行業最高點，去探索未知。你敢相信嗎？全世界最好的氣象模型是華為一個22 歲的員工提出的，現在都能用在預測糧食產量、颱風路線上了。其次，專注長期價值，超越短期指標。任總舉了孟德爾的例子，他的基因理論沉寂了一兩百年才被重視，最後卻改變了世界。告訴我們也不必糾結於一時的成敗、薪資的高低，堅持適合自己的方向，失敗也是財富。還有，面對質疑別害怕，大膽創新就行。華為一路走來，推5G Polar 碼的時候、搞多鏡頭拍照的時候，都遭過不少質疑，用結果說話就是最好的回應。最讓秋香佩服的，還是任總的學習能力和開放心態，也給年輕人做了最好的示範。俄羅斯的數學優勢、法國的工程發明、白俄羅斯熱工技術等，他都娓娓道來，且視技術為人類文明共同積累。這種跨界視野，讓華為能整合全球智慧，也告訴年輕人不要侷限於自己的專業，要做知識的連接器。還有他開放包容的心態，坦承美國在科技人才和創新生態上的優勢，華為自力更生是被逼無奈，始終渴望全球化。不盲目自大、不閉關自守的格局，讓華為能在複雜的國際環境中保持前行的動力。這種既能扎進產業裡務實做事，又能抬頭看世界保持開放的格局，大概就是華為能一直培養出優秀人才、始終站在時代前面的原因所在吧！也值得我們所有人學習，你說對吧！大家感興趣的話，可以到ICPC北京總部官網查看原文~ (伯虎財經)

12月9日，Google正式發佈Android XR平台，並展示了與中國企業XREAL聯合打造的Project Aura——一款被定義為“Gemini AI第一雙原生空間之眼”的消費級AR眼鏡。在AI與XR深度融合的新戰場上，矽谷巨頭正在以一種前所未有的姿態，將核心硬體能力的話語權交到中國企業手中。這個訊號的深意，遠比表面呈現的更加複雜。當我們將視線穿透產品本身，審視這場發佈會背後的產業邏輯時，會發現在這個被視為下一代計算平台的賽道上，中國的光學系統、晶片設計和製造供應鏈，正在從代工者悄然轉變為定義者。某種意義上，一場靜默的“反向卡脖子”正在發生。Google的“第二次入場”：一場遲到但志在必得的豪賭理解Google此番佈局的深意，需要先回溯其在可穿戴裝置領域的曲折歷程。2013年，Google眼鏡以顛覆者的姿態驚豔亮相，卻因隱私爭議、高昂定價和孱弱的應用生態黯然離場。十餘年過去，當Meta憑藉Ray-Ban智能眼鏡悄然佔據市場，當蘋果以Vision Pro重新定義空間計算的產品形態，當字節跳動、華為等中國玩家在XR賽道密集佈局時，Google發現自己正處於一個危險的位置：它擁有全球最先進的AI能力，卻缺乏一個能讓這種能力“走出螢幕”的硬體載體。Meta的Ray-Ban智能眼鏡這正是Android XR平台的戰略核心所在。Google試圖複製其在智慧型手機時代的成功路徑——通過開放平台吸引硬體合作夥伴，建立生態標準，最終實現系統級的統治地位。但這一次，它面臨的挑戰遠比當年更加嚴峻。智能眼鏡不是智慧型手機的簡單延伸，它需要在光學顯示、空間計算、續航散熱和佩戴舒適性之間尋找極其精細的平衡點。而這些平衡點的技術實現，恰恰是Google自身並不擅長的領域。於是，一個有趣的現象出現了：在Android XR平台的首發產品矩陣中，最具技術含量的Project Aura，其核心硬體研發幾乎全部由中國團隊完成。X-Prism光學系統由XREAL中國團隊獨立研發量產，X1S空間計算晶片由XREAL端到端自研，完整供應鏈紮根長三角。Google提供了AI大腦和軟體平台，但讓這個大腦“看見世界”的眼睛，卻是中國製造。當前的XR市場正處於一個微妙的臨界點。從產品形態上看，存在三條平行演進的路徑：以蘋果Vision Pro為代表的高端沉浸式頭顯，以Meta Ray-Ban為代表的輕量化智能眼鏡，以及介於兩者之間的AR顯示眼鏡。這三條路徑分別對應著不同的使用場景、技術難度和市場定位，尚未出現誰將最終勝出的明確訊號。從市場份額來看，Meta憑藉先發優勢和激進的定價策略佔據了消費級智能眼鏡的主導地位。Ray-Ban Stories系列累計銷量已突破數百萬台，建立起了初步的使用者認知和使用習慣。蘋果Vision Pro雖然在技術上實現了諸多突破，但3499美元的高昂定價嚴重限制了其市場滲透，更多地扮演著技術燈塔的角色。至於Google，在Android XR發佈之前，其在XR硬體領域幾乎是一片空白。但市場份額並不能完全反映競爭的真實態勢。XR產業仍處於極早期階段，現有的銷量數字在未來可能出現數量級的變化。真正決定長期競爭格局的，是三個關鍵要素：AI能力的深度整合程度、硬體形態的成熟度，以及生態系統的開放性。從這三個維度審視，Google此番入局的時機選擇頗具深意。首先，Gemini AI的能力已經發展到足以支撐空間計算場景的臨界點。多模態理解、即時視覺推理、上下文感知對話——這些能力的組合，使得AI真正具備了理解世界的基礎能力。其次，硬體技術的成熟度也在快速提升。Micro OLED顯示、先進光學設計、低功耗空間計算晶片，這些技術的進步使得消費級AR眼鏡成為可能。最後，Android的開放生態基因使其天然適合扮演平台角色，這是蘋果封閉生態所不具備的優勢。技術突破的關鍵節點：當AI開始“看見”世界Project Aura之所以被稱為“Gemini AI的第一雙原生空間之眼”，源於其實現了AI與XR的深度原生融合。這種融合並非簡單地將AI助手嵌入眼鏡裝置，而是讓AI真正具備了空間理解和環境互動的能力。要理解這一突破的意義，需要先釐清AI能力演進的脈絡。大語言模型讓AI“能聽會說”，多模態模型讓AI“能看會畫”，但這些能力仍然被困在二維螢幕的邊界內。AI可以分析一張照片，但無法持續感知真實環境的變化；可以理解一段對話，但無法將對話內容與物理空間關聯。Project Aura試圖打破這一邊界。通過三個攝影機、麥克風和環境感測器的組合，Gemini首次能夠在真實世界中建構“連續、可互動、可理解”的空間語義模型。這種能力的實現依賴於幾項關鍵技術的協同突破。光學系統方面，70度視場角（FOV）是消費級AR眼鏡目前能實現的最大實用視場，它決定了數字內容能夠多大程度地自然疊加在真實環境中。XREAL的X-Prism棱鏡透鏡技術在這一指標上達到了行業領先水平，同時將整體重量控制在可日常佩戴的範圍內。空間計算方面，X1S晶片建構了低延遲、高精度的空間智能鏈路，能夠同時處理三個攝影機的資料輸入，實現全房間追蹤和手勢識別。AI推理方面，Gemini的端側部署使得即時語義理解成為可能，使用者可以用手指在空中圈選任何物體，立即獲得相關資訊和搜尋結果。CNET記者Scott Stein在體驗後寫道：“坐在沙發上戴著Project Aura，這副原型眼鏡立即讓我感覺像是VR被縮小到了更小的形態。”他啟動了一個無線連接的電腦視窗，用手勢控制應用，甚至運行了VR遊戲Demeo。“最令我驚訝的是，所有這些都可以僅憑一副眼鏡實現。”這種評價的份量在於，它來自一個見證了過去十年幾乎所有XR產品的資深觀察者。然而，技術突破並不意味著產業成熟。心智觀察所之前曾撰文指出，智能眼鏡領域存在一個被業內稱為“不可能三角”的結構性難題：全天候舒適佩戴、極佳的顯示效果、強大的AI智能化——當前沒有任何一款裝置能夠同時完美解決這三點。舒適佩戴要求裝置重量極輕、發熱量低、外觀時尚，這意味著電池容量、晶片算力和顯示單元尺寸都必須大幅壓縮。極佳的顯示效果要求高解析度、大視場角、高亮度和良好的透光率，這需要更複雜的光學系統和更大的顯示單元。強大的AI智能化要求高算力的晶片、豐富的感測器和持續的網路連線，這進一步增加了功耗和發熱。這三個維度彼此制約，形成了一個難以突破的技術瓶頸。XREAL創始人兼CEO徐馳坦承，Project Aura並不試圖解決全天佩戴的問題，其定位是可攜式工作裝置而非日常穿戴配件。但他同時預測，未來智能眼鏡可能會演化出二元化的產品形態：一種主打35克以下的全天候佩戴，以犧牲顯示效果和算力為代價；另一種則以更好的顯示效果為基準，重量約50至60克，適合特定場景的沉浸式使用。除了硬體層面的不可能三角，智能眼鏡還面臨著軟體生態和使用者接受度的雙重挑戰。應用開發者需要為全新的互動範式重新設計產品，而使用者則需要克服將裝置佩戴在面部的心理障礙和社會壓力。Google眼鏡當年的失敗，很大程度上源於這兩個層面的不成熟。即便技術已經取得長足進步，這些非技術因素仍然是產業化道路上的重要變數。靜默的權力轉移：中國供應鏈如何重塑行業格局在討論智能眼鏡產業的未來時，一個經常被忽視的維度是供應鏈的權力結構。過去十年，中國製造在全球科技產業鏈中的角色，主要是成本優勢驅動的代工和組裝。但在XR這個新興賽道上，情況正在發生根本性的變化。Project Aura的案例極具說明性。這款被Google定位為Android XR平台最完整、最接近理想形態的硬體樣本的產品，其核心技術幾乎全部來自中國。X-Prism光學系統是消費級AR眼鏡最關鍵的技術壁壘之一，它決定了裝置的視場角、清晰度、色彩還原和佩戴舒適度，而這一系統由XREAL中國團隊從零開始獨立研發並實現量產。X1S空間計算晶片是另一個技術高地，它需要在極低功耗下實現多攝影機資料的即時處理和空間定位，而這顆晶片由XREAL端到端自主設計。更值得關注的是，支撐這些核心技術的完整供應鏈已經在長三角地區成型。從光學鏡片的精密加工，到Micro OLED螢幕的生產，再到晶片的封裝測試和整機組裝，一條高度整合、快速迭代的產業鏈正在形成閉環。上海作為XREAL的全球研發中心，正在成為智能眼鏡產業創新的核心樞紐。這種供應鏈格局的形成並非偶然。智能眼鏡對製造精度的要求遠超智慧型手機，光學系統的微米級公差控制、顯示模組的精密貼合、整機的輕量化設計，每一個環節都需要長期積累的工藝經驗和快速迭代的能力。中國製造業在消費電子領域二十餘年的積澱，恰恰為這一新賽道提供了堅實的基礎。如果說過去幾年中美科技競爭的主旋律是美國對中國的“卡脖子”——從晶片製造裝置到EDA軟體，從先進製程到AI晶片——那麼在XR領域，一種反向的依賴關係正在悄然形成。讓我們做一個假設：如果XREAL或其他中國XR供應商決定不再向海外整機廠商提供核心光學模組和空間計算晶片，會發生什麼？Google的Android XR平台將失去其最具競爭力的硬體載體；Meta的下一代AR眼鏡可能面臨關鍵零部件的供應中斷；甚至蘋果，儘管其自研能力強大，也不得不依賴中國供應鏈來實現規模量產。這並非危言聳聽。在AR光學這個細分領域，中國企業已經建立起了難以綁過的技術和產能優勢。Birdbath方案、自由曲面棱鏡、光波導——無論那種技術路線，中國供應商都處於全球領先位置。而在Micro OLED和Micro LED顯示領域，中國企業同樣佔據著重要份額。更重要的是，這些技術優勢是與製造能力深度繫結的——即便競爭對手獲得了設計圖紙，要在短期內建立起具有競爭力的生產線幾乎不可能。徐馳在極客公園創新大會上的一番話頗耐尋味：“沒有任何一家公司能包攬系統、AI與硬體的所有創新。下一代計算平台需要一個全球化創新聯盟。而中國憑藉最完整的製造鏈條與最快的硬體創新速度，第一次真正站在了定義未來標準的位置。”這番表態的潛台詞是：中國不再只是執行別人定義的標準，而是有能力參與甚至主導標準的制定。當然，“反向卡脖子”的能力並不意味著一定會被使用。全球科技產業的相互依存是雙向的，任何一方的脫鉤都會帶來巨大的成本。但能力本身就是一種談判籌碼，它改變了博弈的基本結構。在過去，中國企業在與海外巨頭的合作中往往處於被動地位，核心技術和利潤分配由對方主導。而在XR這個新賽道上，中國企業有機會以更平等的姿態參與全球競爭，甚至在某些環節掌握主動權。增量資料的入口：眼鏡通向AGI的必經之路？徐馳提出了一個引人深思的觀點：“眼鏡所帶來的增量資料，很可能是AI通向AGI的必經之路。”這一論斷的邏輯在於，當前AI訓練所依賴的公域和私域資料都已接近枯竭，而智能眼鏡將成為為AI提供更多個性化增量資料的最佳入口。這個觀點觸及了AI發展的一個核心瓶頸：資料。大語言模型的能力提升在很大程度上依賴於訓練資料的規模和質量，而網際網路上可用的高品質文字資料正在被快速消耗。視覺資料、空間資料、行為資料——這些智能眼鏡能夠持續採集的多模態資訊，可能是下一階段AI能力躍升的關鍵燃料。如果這一判斷成立，那麼智能眼鏡的戰略意義將遠超其作為消費電子產品的範疇。它將成為AI能力演進的基礎設施，而掌握這一基礎設施的企業和國家，將在AI時代佔據戰略高地。從這個角度看，中國企業在智能眼鏡核心技術上的突破，其意義不僅在於一個新產品品類的競爭力，更在於對AI發展基礎資源的控制力。徐馳預測，一個真正具備“iPhone時刻”意義的智能眼鏡產品將在未來兩到三年內問世。如果真是2027年，那恰好是20年的輪迴：從2007年初代iPhone到2027年。這個時間預測是否精準尚待驗證，但其背後的判斷邏輯值得重視：技術成熟度、生態準備度和使用者接受度正在同時逼近臨界點。Google此番發佈Android XR平台和Project Aura，正是這一臨界點的訊號之一。它表明，即便是擁有全球最強AI能力的科技巨頭，也必須借助中國的硬體創新能力才能將願景轉化為產品。它也表明，下一代計算平台的競爭將不再是單一公司或單一國家的獨角戲，而是一場全球化的協作與博弈。在這場博弈中，中國的位置正在發生微妙而深刻的變化。從全球工廠到創新源頭，從標準執行者到標準定義者，從被動依附到可以反制——這些變化或許還不夠顯性，但其勢能正在積聚。當AI開始“長出眼睛”，中國製造的技術基因，已經深深嵌入了這雙眼睛的每一個零部件之中。未來已來，只是分佈不均。而在智能眼鏡這個承載下一代計算平台願景的賽道上，中國或許正站在分佈最密集的那個節點上。 (心智觀察所)