對於中美關係的走向，我說過一個觀點，就是沒有一任美國總統願意看見美國在自己任內成為第二大經濟體，所以中美之間的博弈不可避免，而這場博弈最關鍵的勝負手就是人工智慧。那麼今天中美在AI領域處在怎樣的局面？不久前，《紐約時報》發文指出，“雖然很多政客將中國描繪成阻礙美國人工智慧發展的敵人，但美國眾多突破性研究的背後其實都由中國人才推動。”它舉例稱，今年6月，Meta公佈了超級智能實驗室的成員名單，11個核心研究人員中，有7人來自中國。美國智庫Macro Polo做過一項統計，在美任職的頂級AI人才中，畢業於中國大學的人數最多。2019年為27%，2022年增加到38%，超過從美國畢業的37%。再分享一個我自己的見聞。今年年初，我到“杭州六小龍”之一的強腦科技調研，它的創始人韓璧丞講了一段話，我覺得特別有意思。韓璧丞說，他去哈佛讀博士，那裡有很多全球做神經科學最厲害的教授，但他發現，很多美國人真的五點下班就背包走了。但中國人不同，如果到半夜十一二點，研究中心有六七盞燈還亮著，上去走一圈，會發現全是中國人在幹活。所以最後很多厲害的科研都是華人做的，甚至一些美國投資人在投企業時，他會看團隊裡有多少華人。近年來，隨著美國對華遏制政策的收緊，一些AI人才選擇回到中國。Digital Science的報告指出，美國已經開始出現中國AI人才淨流出的趨勢。所以今天出現了一個有趣的分流景象——原來在美國研究AI的中國人分成了兩波，一波回國成了AI創業和研發的重要力量；另一波留在美國，仍然在一些最頂尖的實驗室承擔核心工作。透過這種景象，我有幾點感受：一是中國的頂尖AI人才，已經不是在“追隨”，而是正在自己創造行業的最前沿；二是雖然受到政策阻撓，但中美在AI領域深度交織，難以切割；三是矽谷不再是全球AI人才的“終點站”，而可能是一個“補給站”，中國AI人才在此積累的經驗、人脈等，最終可能被帶回中國，推進本土AI的發展。兩周後的12月28日，我將在廈門辦一場“AI閃耀中國”的大秀。屆時我會分享更多我在過去一年調研中捕捉到的AI發展真實圖景，以及我對當前AI人才、技術與產業現狀的思考。同時呢，今天中國AI產業界眾多的軟硬體成果都會在現場集中呈現，歡迎你預約直播，也期待你來到現場。 (吳曉波頻道)

2024—2025 是人類歷史上算力基礎設施擴張最快的兩年，全球需求暴漲、GPU 供不應求、各國瘋狂建 AI 資料中心。這一增長主要由兩大引擎驅動：一方面，大模型參數規模持續膨脹，Google最新發佈的 "Transformer 3.0" 模型參數突破 1.2 兆，單次訓練需消耗 8000 塊 H100 晶片連續運行 60 天；另一方面，邊緣計算場景快速普及，全球 270 億台物聯網裝置每秒產生海量資料，自動駕駛汽車單台每秒資料生成量達 800MB，對低時延算力提出迫切需求。🌐 全球算力缺口正在急速擴大：多地正在規劃 10 萬卡等級的 AI 超算中心。全球一致的趨勢 誰能提供算力，誰就能掌握未來產業話語權 Azure 算力生態：全球化競爭的核心支撐力（一）全球分佈式算力基礎設施微軟 Azure 在 140 個國家和地區部署了超過 60 個區域資料中心，形成 "核心算力 + 邊緣節點" 的全域網路。其中，歐洲新增的 5 個液冷資料中心 PUE 低至 1.18，中東區域節點實現 99.99% 可用性，東南亞邊緣節點覆蓋新加坡、印尼等主要市場，為硬體廠商提供本地化算力落地支撐。（二）權威認證體系與技術協同Azure 聯合輝達、AMD 等打造的 AI 硬體認證體系，涵蓋伺服器、GPU 模組等全品類，通過 300 + 項測試標準確保硬體與 Azure 雲服務的相容性。例如，Azure Cobalt 100 晶片驅動的實例已實現 Defender for Endpoint 等核心服務的最佳化運行，認證硬體可直接接入 Azure AI Foundry 大模型生態。（三）全球化客戶資源與場景驗證Azure 服務著全球 95% 的財富 500 強企業，涵蓋寶馬智能工廠、Spotify 音訊 AI 等標竿場景。這些客戶的算力升級需求形成穩定採購通道，經 Azure 認證的硬體可快速進入其供應鏈體系，降低市場驗證成本。成本、交付、合規：海外市場更青睞“雲+認證硬體”在海外客戶看來，硬體採購的本質不是“便宜”，而是—— ✔ 穩定交付 ✔ 全球合規 ✔ 與雲服務匹配 ✔ 長期可維護 👉 Azure + 本地化 AI 伺服器 = 完整解決方案中國硬體廠商出海的關鍵障礙與Azure解決方案中國硬體廠商出海仍面臨多重挑戰，Azure生態系統提供了相應的解決方案：技術適配與認證壁壘：不同地區對技術標準的要求各異。Azure認證體系幫助硬體廠商快速獲得國際認可，如凌群電腦獲得Microsoft Azure Specialization Partner認證後，顯著提升了其服務企業雲端轉型的能力。資料合規與安全要求：各國資料主權法規日益嚴格。Azure提供“你擁有你的資料”的核心隱私原則，保證客戶資料所有權，並且不會將資料用於行銷或廣告目的。算力與能源協同挑戰：全球計算正與能源步入系統性深度協同新階段。Azure在綠色計算方面投入顯著，全球新建資料中心PUE值普遍低於1.25，液冷技術應用佔比提升至41%，幫助硬體廠商滿足可持續發展要求。Azure認證硬體：中國廠商突破出海壁壘的利器獲得Azure認證的硬體產品為中國廠商出海提供了顯著競爭優勢：技術整合優勢：漢朔科技基於Azure OpenAI大模型能力研發的創新AI應用解決方案，通過微軟嚴格稽核後，成為微軟中國區首家獲得“零售行業人工智慧軟體解決方案認證”的ISV合作夥伴。這一認證顯著提升了其國際競爭力。市場准入便利：Azure的全球合規性覆蓋幫助硬體廠商滿足各地法規要求。Azure獲得BSI雲安全認證包含ISO/IEC 20000-1資訊技術服務管理，ISO/IEC 27001資訊安全管理，CSA STAR雲安全等多項認證。生態協同效應：通過Azure生態系統，硬體廠商可以更容易地找到合作夥伴和客戶。利用Azure混合雲優勢：Azure混合雲解決方案可跨本地、多個雲和邊緣簡化複雜的分佈式環境。將Azure管理引入整個IT環境，並在任何位置運行Azure服務的能力，為中國硬體廠商提供了獨特的市場定位。面對 2025 年全球算力版圖的機遇與挑戰，Azure AI 硬體聯盟將持續發揮橋樑作用。通過提供最新認證資訊、組織技術研討會對接專家資源、搭建商機匹配平台，助力中國硬體廠商突破壁壘。 (Azure AI 硬體聯盟)

自2023年下半年以來，已有25家人工智慧相關企業在港交所IPO上市，僅2025年上半年就有5家AI企業成功上市。可見AI類股正成為資金鏈條上最具確定性的增長點。資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？那些落地方向最具現實變現潛力？而想成為“AI第一股”的公司，又應該怎麼走？2025年，AI似乎成了少數仍能匯聚確定性與想像力的方向，吸引著資金、人才與敘事的加速匯聚。IT橘子資料顯示，截止今年三季度，共有764家AI公司獲得風投投資，創下近五年新高，交易金額高達830億元。表面上看，一級市場熱度在回升，但事實上，市場可投賽道並不多，而資金仍集中湧向了AI領域，呈現出一種風景獨好的狀況。這種“熱度集中”的現象，並非只出現在一級市場。二級市場的IPO動向，同樣驗證了AI的資本吸引力。據LiveReport巨量資料統計，自2023年下半年以來，已有25家人工智慧相關企業在港交所IPO上市，僅2025年上半年就有5家AI企業成功上市。可見AI類股正成為資金鏈條上最具確定性的增長點。資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？那些落地方向最具現實變現潛力？而想成為“AI第一股”的公司，又應該怎麼走？這些，正是下一階段AI產業競爭的關鍵命題。被資本選中的“AI寵兒”們對比2024年，今年被資本選中的AI企業，顯然更加務實。據產業家統計，2025年前三個季度，人工智慧領域一級市場共發生548起交易事件，同比增長44.59%，具體到細分賽道上，AI通用應用和AI行業應用佔據近一半，成為增長最迅猛的兩條主線；在交易金額上，AI行業應用則躍升為資金最集中的洗到賽道，達到150億元。這一趨勢與去年資本在AIGC層的狂熱完全不一樣。2024年同期，AIGC賽道交易金額高達308億元，佔總額六成。而今年這一數字銳減至111億元，同比下降64.01%。資本對AIGC“降溫”也直接拉低了整個AI交易金額，使得2025年前三個季度交易金額僅為460.64億元，同比下降8.43%。然而，資金並未離場，而是更精準地流向了“能落地”的領域。資本將更多資源投向AI通用應用、AI行業應用以及AI基礎技術三大方向，分別增長216%、36.8%和153.74%。值得注意的是，基礎層雖然拿到更多融資，但這在一定程度上與該領域裝置重、投入高有關。資本不是收縮，而是在調整配置，把錢放在更能轉化為生產力的地方。進一步剖析前三季度一級市場獲得1億以上融資的企業，發現大部分公司主要是聚焦於醫療、物流、自動駕駛、機器人、行銷數位化這幾類具體的應用場景。資本顯然在回歸一個原則，即AI要“親民”。再看AI領域的二級市場。截止2025年7月，二級市場成功上市五家企業，涵蓋倉儲物流、解決方案、無人礦卡等多個領域。表面上看這些企業也屬於行業應用，但不同點在於，IT橘子將這些企業歸於了AI基礎層和AI技術層。此外，這些企業普遍具備穩健的盈利能力。例如極智嘉收入達人民幣10.25億元，同期增長31.0%，這得益於倉儲機械人跑通AI商業模式；雲知聲雖整體利潤增長放緩，但其山海大模型收入近1億元，同比激增457%。顯示出AI技術在原有業務體系中的放大效應。值得注意的是，無論是一級市場還是二級市場，這些“AI寵兒”大部分AI屬性都不夠“純粹”。換句話說，AI並非它們的唯一標籤，大多數並不是AI原生公司。明略科技仍以政企數位化、知識圖譜和智能決策為主營；雲知聲早在2012年成立，定位也曾轉換；滴普科技的根基在資料分析。一級市場上，真正“純AI”的公司屈指可數，僅有的幾家，背後也都有巨頭加持或成熟產業鏈的資源托底。比如betteryear背靠阿里，Intent AI獲得的是戰略投資。同樣地，二級市場的贏家往往是那些深耕行業已久，再借AI完成躍遷的企業。這透露出一個耐人尋味的現象，無論是一級市場還是二級市場，資本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有著清晰的商業化路徑。AI落地產業，真實溫度幾何？資本的選擇，從不是孤立事件，這背後反映出的是市場對落地難易度的集體判斷。回看AI技術熱潮襲來的這幾年，技術落地最多、最快的是介面層的改造。這一層改造集中發生在程式設計開發、客服、辦公、內容行銷等場景，它們具備“低風險、高頻率”的特徵，AI在這些環節提升了操作效率、降低了人力成本，也迅速讓企業初步看到了ROI的正反饋。比如在程式設計開發場景，GitHub的一項研究顯示，AI程式設計助手可使開發者完成任務的速度提升約26%，AI不僅擅長程式碼補全、單元測試生成、邏輯最佳化，甚至參與初步的程式碼審查。但隨著AI進入更高階的開發環節，短板逐漸顯現。MIT一項實驗指出，對於資深開發者而言，AI對生產力的提升僅為8%～13%，甚至在某些場景中，AI的引導反而讓開發時間延長了19%。這也解釋了為什麼在一級市場上，許多主打介面層應用的AI初創企業在早期看似炙手可熱，卻很難持續放大營收曲線。技術門檻不高、服務可替代性強、同質化嚴重，是這個賽道的系統性難題。這些介面層的AI改造，只有與業務流程深度串聯，才能釋放真正的生產力。一些企業已經意識到這一點，開始將AI嵌入核心業務鏈條。由此，在醫療、金融、教育、物流、零售等領域，AI的重心正逐步下沉至流程層的改造。醫療行業是一個典型樣本，阿里雲白皮書提出的四象限模型顯示，醫學影像診斷與藥物研發處於“高成熟度+高潛力”區間，其中醫學影像AI產品商業化率已達90%；英矽智能其生成式AI平台將抗體研發周期壓縮10倍，實現四項藥物授權合作，總金額超15億美元。而就在今年這家企業獲得多筆大額融資。AI在醫療行業的落地，不僅限於研發。BD公司通過預測性分析最佳化庫存管理，將預測準確率提升20%，顯著降低庫存成本；而森億智能的智慧醫院解決方案，通過AI驅動的病歷生成與質控，將醫生文書時間縮短50%；西門子的AI平台，在提升診斷精度的同時，將放射科工作流程效率提升40%，實現協同最佳化。這些案例背後的共同點在於AI不再只是工具，而是嵌入系統之中的決策變數。一旦進入流程，它便成為企業最深的護城河，也因此成為資本最願意押注的方向。但流程層的改造並不輕鬆。首先是資料，企業的資料分散在不同系統、格式不統一，AI模型要理解需要大量清洗與標註。其次是組織，要讓AI接管決策流程，意味著管理層要放權給演算法。多數企業依然在“AI+人工”雙軌狀態，模型決策還需要人工驗證。醫療場景就凸顯了這種複雜性。資料偏差、解釋性不足、倫理責任模糊、流程嵌入複雜等問題，使得AI目前在醫療行業主要承擔質控、影像判讀、醫患溝通等角色，離“獨立診斷”仍有顯著距離。不過，從技術節奏來看，這仍不是AI落地的盡頭。AI真正的價值，在於對業務邏輯的重新定義。這一層不是工具升級，也不是流程最佳化，而是對整個系統運行機制的重塑。自動駕駛、具身智能，以及像京東、快手建構的AI導購系統，阿里國際站的“AI合夥人”，本質上都在探索一種AI原生的組織與營運方式。但這一步也最遠。它要求的不僅是高品質資料和巨額算力投入，更需要多年的工程落地驗證。在當下，能進入這一層的公司寥寥，大多數仍處於實驗室驗證或局部試點階段。總的來說，介面層AI持續變現難，業務邏輯重塑層AI投的是未來，而流程改造層AI則可能是眼下最容易兌現的商業化區間。這也解釋了為什麼一級市場真正“純AI”的公司數量極少，而二級市場上大多數被歸為“AI概念股”的上市企業，其實是“AI+多年行業經驗”的組合體。尋找AI浪潮裡的下一個IPO在AI領域，下一個敲鐘的人，正在加速趕來。資料顯示，截至2025年7月24日，港交所已有214家公司遞交上市申請，其中AI相關企業多達48家，佔比22.43%。換句話說，每5家擬上市公司中，就有1家與AI相關。更有意思的是，這48家AI概念擬上市公司中，11家為A+H公司，佔比高達22.92%。這意味著AI領域已有一批技術成熟、商業化路徑清晰、具備國際化佈局能力的“頭部企業”嶄露頭角。它們正通過雙重上市來穩固資本根基、放大全球影響力。天下英雄如過江之鯽，誰能脫穎而出，成為下一個真正意義上的產業敲鐘人？回看2025年前後成功登陸資本市場的一批AI公司，可以發現一種隱性的共識：落地路徑要“以點帶面”，技術打法需“以場景起家”。無論是雲知聲的醫療AI、明略的行銷AI，還是極智嘉的倉儲機器人、斯年智駕的港口無人車，幾乎都遵循了類似軌跡，那就是從一個確定性高的業務場景出發，深挖需求、打磨產品，做到業內領先，再逐步橫向擴張相近領域。雲知聲選擇的突破口是病歷質控和地鐵語音購票兩個場景。通過樹立標竿項目，它構築起能用、好用的早期使用者認知，為後續通用大模型的應用拓展提供了現實抓手。海致科技也是類似路徑，其通過知識圖譜技術切入金融反欺詐場景，逐步將能力延展至營運風控與資料治理，實現了“場景突破—平台沉澱”的良性循環。這些AI企業在商業化的路徑選擇上，也普遍繞開了與通用大模型正面競爭，轉而採取“垂直化+專精化”的策略。值得注意的是，這批走到“敲鐘”前線的AI企業，還有一個共性，那就是他們幾乎都在早期就投入建設了自己的平台型產品或基礎技術架構。比如雲知聲擁有自研的大模型平台“雲知大腦”與語音晶片Atlas；滴普科技打造了FastData與FastAGI雙平台，分別對應資料引擎與智能引擎；明略在“秒針系統”與“小明助理”之間建構起從分析到決策的全鏈路AI營運系統；而極智嘉和斯年智駕則圍繞AI應用場景建構了軟硬體一體化的全端方案，實現從演算法、感知、決策、執行的端到端閉環。這些自主平台一方面凝聚了核心演算法、模型、工具鏈，形成技術壁壘，另一方面也方便產品標準化複製，降低項目交付成本。是AI企業從人力密集型項目向產品化、規模化發展的必要階段，誰的平台能力強，誰就更能主導商業化節奏。據IDC等機構預測，中國AI解決方案市場未來5年仍將保持50%以上年增長，2030年規模可望超過兆元。這既是巨大機遇，也是激烈戰場。大模型時代技術日新月異，唯有掌握獨特場景資料和know-how，才能抵禦同質化競爭，成為下一個敲鐘的人。 (鈦媒體)

輝達公司在人工智慧晶片領域最接近的競爭對手AMD公司預測，未來五年其資料中心產品的強勁需求將推動銷售增長加速。AMD首席執行官蘇姿丰周二在紐約舉行的公司活動上表示，未來三到五年，公司年營收平均增長率將超過35%。她還表示，同期AMD人工智慧資料中心業務的營收平均增長率將達到80%。此前，高管們還表示，調整後每股收益將超過20美元，營業利潤率將超過35%，受此消息提振，AMD股價在盤後交易中大幅上漲。AMD向投資者更新了其長期展望，與此同時，人們越來越擔心目前用於人工智慧工作的巨額電腦系統支出無法繼續維持在高位。這家晶片製造商的股價今年已上漲近一倍，這得益於與OpenAI和甲骨文公司等企業簽署的協議。蘇姿丰告訴聽眾，最大的資料中心所有者正在增加新裝置的預算，因為他們看到了人工智慧在其業務中的“真正價值”。蘇表示：“人工智慧的變化速度和步伐絕對是我前所未見的。”去年，最大的資料中心所有者們預測資料中心建設速度將會放緩，但蘇女士表示，現在他們告訴她，他們將加快投資步伐。“建設速度不會放緩，”她說。蘇姿丰表示，到 2030 年，包括加速器、處理器和網路產品在內的整個人工智慧晶片市場規模將達到 1 兆美元。有人問AMD首席執行官蘇姿丰，OpenAI是否可能無力承擔其巨額支出計畫。她強調，AMD與ChatGPT開發商OpenAI的合作協議結構非常嚴謹。蘇姿丰表示，雖然OpenAI對未來人工智慧計算需求的預測最為激進，但如果人工智慧使用者增長和收入的預測成真，資金將十分充足。“我不會跟他們打賭輸，”她說。AMD股價在盤後交易中上漲約4%，此前該公司公佈了盈利和營業利潤率預期。此前，該股在紐約收盤時下跌2.7%，至237.52美元。上周，AMD發佈了強勁的本季度營收預期，超出分析師的預測。但其超過20%的銷售增長預期並未得到股東的積極響應，因為大部分增長來自PC和伺服器處理器。根據彭博社彙編的資料，分析師平均預計AMD今年的銷售額將增長32%，2026年和2027年將分別增長31%和39%。分析師還預測，該公司年增長率將在未來十年後期放緩，2028年降至20%，2029年降至12%。分析師預計 AMD 2027 年的調整後每股收益為 9.88 美元。AMD早已擺脫了行業二流企業的標籤，並從規模更大的競爭對手英特爾手中奪取了市場份額。但如今，人們對AMD的期望也更高了。儘管AMD已從人工智慧加速器市場（英特爾尚未推出可行產品）獲得了數十億美元的新收入，但輝達在晶片行業最賺錢的領域——人工智慧加速器——的銷售額卻高達數百億美元。AMD首席執行官上周在電話會議上告訴分析師，到2027年，人工智慧業務每年將創造“數百億美元”的收入。她當時還表示，與此同時，該公司個人電腦晶片業務的增長速度應該會超過整體市場。這家晶片製造商近期與OpenAI、Oracle和美國能源部達成的協議，反映出市場對其MI系列人工智慧加速器的興趣日益濃厚。這些產品與輝達的晶片直接競爭，被用於資料中心，以建立和運行人工智慧服務。AMD是全球第二大圖形晶片供應商，其產品是資料中心AI加速器的基礎。與此同時，AMD的微處理器則在PC和伺服器領域與英特爾的產品直接競爭。AMD公佈戰略，旨在引領兆美元計算市場並加速下一階段增長今天，AMD在其財務分析師日上展示了其長期戰略、領先產品和技術智慧財產權，強調了公司在推動加速增長和實現長期股東價值方面的勢頭。“AMD正邁入一個全新的增長時代，這得益於我們領先的技術路線圖和加速發展的AI勢頭，”AMD董事長兼首席執行官蘇姿丰博士表示。“憑藉最廣泛的產品組合和不斷深化的戰略合作夥伴關係，AMD擁有獨特的優勢，能夠引領下一代高性能和AI計算。我們看到了未來巨大的機遇，可以實現可持續的、行業領先的增長。我們從未像現在這樣處於如此有利的地位。”產品領導力和發展勢頭AMD 強調了其在廣泛的硬體、軟體和解決方案組合中的領先地位，以支援全方位的高性能和人工智慧計算。一、資料中心AMD Instinct™ MI350 系列 GPU 是公司歷史上產能提升速度最快的產品，已被包括 Oracle 雲基礎設施在內的領先雲服務提供商大規模部署。即將推出的搭載 AMD Instinct MI450 系列 GPU 的“Helios”系統預計將於 2026 年第三季度開始提供機架級性能領先優勢，並具備業界領先的記憶體容量和橫向擴展頻寬。隨後，MI500 系列計畫於 2027 年發佈，進一步擴展了 AMD 的 AI 性能路線圖。憑藉AMD EPYC™處理器久經考驗的性能、可擴展性和能效，AMD正加速提升其在雲和企業級伺服器CPU市場的份額，朝著市場領先地位邁進。隨著人工智慧的普及，對CPU的需求日益增長，新一代“威尼斯”CPU旨在提供強大的性能、密度和能效，為人工智慧和通用基礎設施提供強勁動力。AMD 網路解決方案借助 Pensando™ Pollara 和新一代“Vulcano”AI 網路卡，為大規模 AI 應用提供強大支援。這兩款網路卡均提供業界領先的頻寬，支援縱向和橫向擴展網路，並基於行業標準實現真正的平台靈活性。開放原始碼軟體AMD ROCm™ 開放原始碼軟體持續獲得開發者的青睞。AMD 每次發佈新版本都會帶來顯著的性能和功能提升，ROCm 軟體的下載量同比增長了 10 倍。二、客戶端和遊戲自 2024 年以來，AMD 的 AI PC 產品組合已擴展 2.5 倍，AMD Ryzen™ 處理器現已為超過 250 個筆記型電腦和桌上型電腦平台提供動力。超過半數的財富 100 強企業採用了 AMD Ryzen 處理器，AMD Ryzen 處理器持續推動著商業發展。AMD分享了其客戶端處理器路線圖的最新細節，強調下一代“Gorgon”和“Medusa”處理器有望使 AI PC 的 AI 性能達到一個拐點，自 2024 年以來性能提升高達 10 倍。三、嵌入式AMD 提供業界最廣泛的自適應和嵌入式產品組合，涵蓋 FPGA、嵌入式 x86 處理器和半定製解決方案。自 2022 年以來，AMD 已獲得超過 500 億美元的設計訂單，並已做好充分準備，加速從雲端到邊緣的 AI 驅動型增長。半定製解決方案和物理 AI 領域的機遇將在未來幾年推動 AMD 的長期增長。四、技術領導力AMD 詳細介紹了如何擴展其晶片組、封裝、互連和開放生態系統創新，以推動 AI 性能和效率的提升，並推出了第五代AMD Infinity Fabric 技術，實現了橫向擴展、縱向擴展和橫向擴展的領先地位。AMD 公佈了涵蓋 x86 CPU、資料中心和遊戲 GPU 以及 NPU 的擴展路線圖。長期增長目標AMD 詳細闡述了一項基於其戰略財務重點的變革性長期財務模型：加速營收增長、實現顯著的盈利能力提升以及配置資本以鞏固其在人工智慧領域的領先地位。公司概述了未來三到五年的以下增長目標：1、在公司層面，AMD 預計營收復合年增長率 (CAGR) 將超過 35%，非 GAAP 營業利潤率將超過 35%，非 GAAP 每股收益將超過 20 美元。2、憑藉其領先的產品組合，AMD 預計其資料中心業務的營收復合年增長率將超過 60%，嵌入式、客戶端和遊戲業務的營收復合年增長率將超過 10%。3、隨著 AMD 不斷擴展其多代 AMD EPYC CPU 產品組合，該公司有望引領伺服器市場，並預計伺服器 CPU 營收市場份額將超過 50%。在資料中心人工智慧領域，AMD 的目標是憑藉強勁的客戶需求和新一代 AMD Instinct 產品及系統，實現超過 80% 的年複合增長率。4、在客戶端和遊戲領域，AMD 將繼續鞏固其領先地位，這得益於企業級應用的不斷拓展和 AMD Ryzen 處理器產品組合的日益豐富。公司預計將在客戶端市場佔據超過 40% 的份額，並依託超過 10 億台基於 AMD 處理器的遊戲裝置⁵和三代領先遊戲主機。5、AMD 也在不斷擴大其在自適應計算領域的領先地位，預計將佔據超過 70% 的市場份額，並計畫拓展其嵌入式業務，以期在嵌入式 x86 和半定製晶片市場實現增長。AMD最新CPU路線圖AMD在金融分析師日上發佈了最新的Zen架構CPU路線圖，名為“領導力CPU核心路線圖”。雖然路線圖並未深入探討細節，甚至沒有展示任何新內容，但其中確實明確確認了一系列此前傳聞已久（儘管顯而易見）的技術。AMD還在路線圖中首次正式公佈了Zen 7架構，並暗示其發佈日期將在2026年之後。讓我們來詳細分析一下。接下來要介紹的是Zen 6處理器。我們之前就知道它會在明年發佈，下面的幻燈片也證實了這一點。AMD確認Zen 6將是業界首款採用台積電旗艦級2nm（N2）工藝節點的處理器。AMD首席技術官Mark Papermaster強調，Zen 6和Zen 6C都將受益於IPC（每時鐘周期指令數）的提升，從而獲得更高的性能，同時為Ryzen和EPYC系列處理器提供更多AI功能。說到這裡，即將推出的EPYC“威尼斯”處理器、 Ryzen桌面“奧林匹克嶺”處理器和Ryzen移動“美杜莎點”處理器都將基於Zen 6架構，未來還將推出更多產品線。AMD的Helios伺服器機架解決方案也將採用Zen 6架構的EPYC“威尼斯”處理器，並搭配使用第五代Infinity Fabric匯流排、頻寬高達224 GB/s的CDNA 5 GPU。接下來是 Zen 7，距離發佈還有幾年時間，它將基於 AMD 所謂的“未來節點”製造。這將是 AMD 真正的下一代產品，意味著即將迎來重大變革。Zen 7 將首次搭載“新矩陣引擎”，擁有更強大的 AI 功能，但細節僅限於此——核心配置、快取佈局等等都只能依靠洩露的資訊來判斷。目前普遍猜測Zen 7架構將於2027-2028年左右發佈，首款產品預計將是EPYC“Verano”資料中心CPU。路線圖的其餘部分則回顧了AMD自三年多前AM5發佈以來取得的巨大進步，短短四年內就從5nm工藝發展到了2nm工藝。由於金融分析師日主要面向投資者，因此此次活動更多地關注人工智慧領域的雄心壯志，而非深入的技術分析。 (半導體行業觀察)

我們正處在一個前所未有的複雜時刻。從政治到經濟，一系列問題盤根錯節，相互交織。人工智慧的底層邏輯尚未完全理解，地緣政治格局就已突然發生劇變；舊的全球合作體系出現裂痕，新的技術標準與貿易規則正在激烈博弈中形成。不可否認的是，那個“找到風口，豬也能飛”的時代，已經徹底結束了。過去幾十年，企業家們習慣於尋找增長賽道、抓住市場紅利的“取勢”思維，而這種模式需要建立在相對穩定的環境和可預測的技術發展基礎上。但今天的情況完全不同。全球化格局正在深度調整，技術迭代呈指數級增長。當我們還在研究某個商業模式時，技術底層可能已經革新；當我們剛適應某個市場規則時，外部環境可能已經改變。01 從“取勢”到“謀勢”，從“破局”到“融生”面對這樣的局面，我們需要一條新的路徑：謀勢、破局、融生。首先是謀勢，這不是追逐風口，而是看清風從那裡來，往何處去。從AI技術的物種級躍升，到全球權力的重構，再到文明規則的悄然改寫，一切驅動這個時代變革的深層力量，我們都要深刻洞察。其次是破局，即打破固有的認知枷鎖。正如“第一性原理”所啟示的，必須停止“別人做什麼我跟什麼”的內卷，回歸事物的本質去思考：這件事本來應該怎麼做？而當我們看清大勢、打破思維定式後，最關鍵的一步就出現了：融生。02 融生：在交匯處創造新可能所謂“融生”，不是跨學科的簡單交叉，而是讓科技、人文、政治、歷史等不同領域的知識與邏輯，在認知底層發生“化學反應”，進而孕育出一個全新的生命體——“戰略型企業家”，以及他們所創造的“新物種企業”。此前，我們學習行業標竿，往往是停留在模仿他們的方法上。而“融生”，則要求我們像他們一樣，融合多學科智慧，從第一性原理出發，“生長”出一套解決根本問題的全新系統。比如，“利用AI來最佳化我的客服中心”，這就是舊有的思維。與之不同的是“融生”思維，它會促使你思考，能不能打造一個從誕生起，就能重新建構與使用者的關係、最佳化服務成本模型，並形成資料價值閉環的AI原生“客戶互動新物種”呢？實現這種轉變的要求便是打破學科的壁壘。要知道，真正的創新，往往發生在商業、科技、人文、政治的交叉點上。因此，一個能夠理解技術邏輯、把握政策走向、同時具備歷史視野的企業家，才可能在這個複雜時代找到真正的破局點。03 成為“系統級”的創新者實現“融生”，還意味著企業家需要完成一次重要的角色升級，從“解題高手”變為“系統架構師”。具體怎麼做呢？第一，建立融通的知識體系：理解技術發展的底層邏輯，把握全球格局的變化脈絡，同時保持對人文價值的深刻認知。第二，培養系統的思維能力：不再只看單點效率，而是去思考如何建構一個有生命力的商業生態系統。第三，提升戰略定力：在複雜多變的環境中，保持對長期價值的堅持，同時具備靈活調整的智慧。這樣的升級並不容易。它要求我們跳出熟悉的思維舒適區，重新建構認知框架。也正是認識到這種升級的必要性，香港科技大學與香港全球化中心共同推出了融學科戰略型企業家項目（TSEP）。該項目的特別之處在於，它提出了四重境界：謀勢—破局—融生—定勢。它不提供標準化的問題解決方案，因為在這個時代，本來就不存在放之四海而皆準的答案。相反，它致力於幫助企業家建構屬於自己的“認知作業系統”，在複雜環境中保持清晰的判斷力。此外，它匯聚了來自各個領域的頂尖學者，包括具有全球視野的政策專家、深耕前沿的科學家、以及經歷過多個經濟周期的企業家。將通過案例研討、企業模擬、實地參訪等多種教學方式，幫助學員建立綜合性知識結構，提升戰略預見能力。邱震海博士曾直指本質地發問：中國的賈伯斯、馬斯克究竟在那裡？顯而易見，在這個充滿不確定的時代，那些能夠融合多領域智慧、在跨學科交匯處開闢全新可能性的企業家，才是未來商業文明的締造者和趨勢的定義者。他們不僅能主動參與規則的制定、價值的定義、未來的書寫，也更有可能成為中國的“賈伯斯”或“馬斯克”。 (邱震海)

2025 年，企業 AI 應用正經歷從概念驗證到規模化部署的關鍵轉折點。Salesforce Dreamforce 2025 大會作為企業軟體領域的風向標，集中展示了企業 AI 發展的最新趨勢和實踐方向。根據麥肯錫最新全球調查報告，78% 的企業已在至少一個業務功能中使用 AI 技術，較 2024 年初的 72% 和一年前的 55% 顯著提升。更令人矚目的是，92% 的企業計畫增加 AI 投資，但僅有 1% 實現了完全的營運整合。這一巨大的成熟度差距揭示了企業在 AI 轉型過程中面臨的挑戰：如何將 AI 從實驗性工具轉變為驅動業務增長的核心引擎？Dreamforce2025主題 "Agentic Enterprise"（智能體驅動型企業）給出了明確答案。Salesforce CEO Marc Benioff 在大會上宣佈，Agentforce 已成為 Salesforce 所有產品的核心，標誌著公司從傳統的雲軟體服務商向 "AI-first" 企業的戰略轉型。這一轉變不僅體現在產品層面，更代表著企業營運模式的根本性變革 —從 "介面操作" 向 "智能助力" 的必然路徑。本文將深入剖析 Dreamforce 2025 揭示的企業 AI 三大核心方向：智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用，以及人機協同的工作模式建構。通過分析 Salesforce 及其 12,000 家客戶的實踐案例，結合其他主要雲服務商的佈局和行業研究資料，為企業 AI 轉型提供系統性的洞察和可操作的建議。一、智能體驅動的業務流程最佳化：從自動化到自主化的躍遷1.1 Agentforce 平台的技術架構革新Salesforce 的 Agentforce 平台代表了企業 AI 代理技術的最新演進。在 Dreamforce 2025 上發佈的Agentforce 360，將 AI 代理、即時資料和人工工作流程整合為單一一致的體驗。這一平台由四個核心元件構成：Agentforce 平台作為建構智能代理的基礎架構，支援從簡單的聊天機器人到複雜的多步驟推理系統的全譜系應用。特別值得關注的是，Agentforce 2dx 版本引入了革命性的 "主動式 AI 代理" 能力，使代理能夠在資料變化時被觸發，在任何業務流程的後台自主運行，並通過豐富的內容和媒體與使用者介面進行互動。資料 360（Data 360）提供統一的資料訪問層，打破了傳統的資料孤島。通過超過 200 個預建構連接器，Data 360 能夠無縫整合來自 SAP、Shopify、Zendesk、Workday 等多個資料來源的資料。更重要的是，Salesforce 收購 Informatica（價值 80 億美元）後，將其豐富的資料目錄、資料整合、治理、質量和隱私服務與 Salesforce 平台結合，建立了智能代理 AI 的統一架構。客戶 360 應用包含業務邏輯和機構記憶，為 AI 代理提供上下文理解能力。而Slack作為使用者介面層，成為智能代理與人類協作的主要通道，實現了從 "點選" 到 "對話" 的工作方式轉變。在技術能力方面，Agentforce 展現出多項突破性創新：多模態互動能力：Agentforce 支援文字、語音、圖像等多種互動方式。Agentforce Voice 加入了自然、可中斷的對話功能，具有無縫人工交接和完整轉錄上下文。在現場演示中，代理成功處理了購買流程、檢查配送狀態，並在保持相同對話執行緒的同時轉移給現場代表。混合推理機制：結合規則引擎和 AI 推理，確保代理行為的可預測性和精準性。新的AgentScript 語言允許開發者定義規則、變數和條件，實現了確定性邏輯與 AI 推理的完美結合。智能上下文處理：通過新的低程式碼管道攝入和索引結構化及非結構化資料。在演示中，一個複雜的產品手冊被轉換為結構化、可搜尋的知識，代理可以在回答問題時引用來源。1.2 典型行業應用案例與量化成果智能體驅動的業務流程最佳化在多個行業展現出顯著成效。以下通過具體案例分析其商業價值：DirecTV（媒體行業）的成功實踐最具代表性。通過部署 Agentforce，DirecTV 實現了驚人的效率提升：1.每周減少客服耗時300 小時2.每周執行5 萬次自動化操作3.大幅降低了人工客服成本，同時提升了服務質量Falabella（拉美零售）的轉型案例同樣令人矚目。作為一家拉美零售集團，Falabella 希望將 WhatsApp 打造成客戶服務的主導管道。在使用 Agentforce 之前，項目進展緩慢；轉向Agentforce 後，僅用兩個多月就完成了部署。更重要的是，WhatsApp 使用率在三周內從不足 50% 激增至超過 70%。具體成果包括：1.電話諮詢量下降25%2.淨推薦值（NPS）提升10 個百分點3.三個月內三次追加訂單，顯示出強勁的投資回報OpenTable（餐飲預訂平台）的案例展示了智能代理在提升客戶服務效率方面的巨大潛力。OpenTable 的 AI 代理在三周內處理了數萬個原本需要人工支援的對話，處理了73% 的餐廳網路查詢，相比之前的工具提升了 50% 的效率。Equinox（健身連鎖）和Williams-Sonoma（家居零售）也通過 Agentforce 實現了顯著的營運改善。Equinox 使用 AI 代理最佳化了會員服務流程，而Williams-Sonoma 則利用代理提升了訂單處理和客戶支援效率。從行業分佈來看，智能代理的應用已經擴展到多個垂直領域：1.金融服務：風險評估、合規監控、交易處理自動化2.公共部門：市民服務、許可證辦理、案件管理3.消費品：供應鏈最佳化、庫存管理、需求預測1.3 技術實施的關鍵成功因素基於 Salesforce 及其客戶的實踐經驗，智能體驅動的業務流程最佳化成功實施需要關注以下關鍵因素：快速部署能力：根據行業分析機構 Valoir 的研究，使用針對智能代理 AI 開發最佳化的平台（如 Salesforce Agentforce）的組織，能夠以平均16 倍的速度交付自主 AI 代理，同時將精準性提高75%。Futurum Research 發現，使用 Agentforce 的組織可以實現高達 5 倍的投資回報速度，總擁有成本至少降低 20%。標準化與定製化的平衡：成功的實施策略是先使用標準化範本快速部署，再根據具體業務需求進行定製。Salesforce 提供了數百個跨行業的預建構代理範本，大幅縮短了部署時間。同時，通過低程式碼和無程式碼工具，業務使用者也能參與代理的配置和最佳化。持續最佳化機制：智能代理的價值在於其不斷學習和改進的能力。Salesforce 的 Agentforce Interaction Explorer 提供了詳細的報告和分析功能，從總體趨勢到個別會話跟蹤，幫助團隊持續代理性能。新的 Agent Insights 和 Analytics 工具（2025 年 11 月 Beta 版）提供了對關鍵指標的即時可見性，如解決率、升級趨勢和會話級行為。安全與合規保障：企業級應用必須滿足嚴格的安全和合規要求。Agentforce 代理繼承運行它們的使用者的權限，確保了資料訪問的安全性。Varonis 等第三方解決方案提供了統一的可見性，涵蓋敏感性、權限和活動，自動執行最小權限原則。二、資料整合與統一驅動的 AI 應用：建構智能決策的基石2.1 資料雲平台的戰略佈局資料整合與統一是釋放 AI 價值的基礎。Salesforce 的 Data Cloud（現更名為 Data 360）代表了企業資料管理的新範式。正如Salesforce CEO Marc Benioff 所言，Data Cloud 是一個 "豐富的 4D 業務狀態地圖"，將來自 Salesforce 應用程式和外部來源的資料聚合和協調成單一的事實來源和上下文。Data 360 的核心架構包括四個關鍵元件：1.企業消息傳遞平台：支援即時資料交換和事件驅動架構2.資料聯邦服務：提供統一的資料訪問介面，支援跨資料來源的無縫查詢3.客戶解析引擎：通過智能演算法識別和合併重複的客戶記錄4.易用的使用者介面：為管理員和資料管理員提供直觀的資料管理工具在資料整合能力方面，Data 360 展現出強大的連接性。通過與 MuleSoft 的深度整合，平台支援超過300 個資料來源的接入，包括：1.企業資源規劃（ERP）系統：SAP、Oracle 等2.客戶關係管理（CRM）系統：Salesforce 自身及其他競品3.電子商務平台：Shopify、Magento 等4.人力資源系統：Workday、SuccessFactors 等5.分析工具：Tableau、Power BI 等特別值得關注的是 Salesforce 在 2025 年 5 月宣佈的80 億美元收購 Informatica計畫。這一收購將為 Data 360 帶來革命性的提升：1.資料治理能力：Informatica 的高級資料質量、整合、編目和治理功能，確保流經 MuleSoft API 的資料不僅被連接，而且經過豐富、標準化和可信處理2.中繼資料管理：Informatica 豐富的中繼資料與 Salesforce 的統一資料模型相結合，使 AI 代理能夠以有意義的上下文解釋、連接和操作企業資料3.主資料管理（MDM）：提供單一的資料管道，確保關鍵業務實體（如客戶、產品、供應商）的一致性和精準性2.2 統一資料架構的技術創新Data 360 的技術創新不僅體現在整合能力上，更重要的是其為 AI 應用提供的智能資料處理能力：即時資料處理：Data 360 支援即時資料攝入和處理，使 AI 代理能夠基於最新資訊做出決策。新的私有連接功能提供安全的雙向資料訪問，零複製檔案聯邦功能允許訪問大型資料集而無需複製，混合搜尋功能從非結構化資料中提供更相關的搜尋結果。智能資料治理：通過 AI 驅動的標記和分類功能，系統能夠自動標記和組織資料及中繼資料。基於策略的治理幫助使用者建立、執行和管理策略，通過動態資料遮蔽控制資料訪問和混淆敏感資訊。上下文感知能力：Data 360 的 "上下文即程式碼" 概念將中繼資料、文件和即時資料流直接連結到代理推理，減少了重複並提高了準確性。這使得 AI 代理能夠理解資料的完整上下文 —來源、轉換、質量和治理，而不僅僅是看到資料點。開放生態系統：Salesforce 採取了開放的策略，與多個資料平台建立了深度整合：1.與Snowflake的雙向 "零複製" 資料共享，允許 Salesforce Data Cloud 即時查詢 Snowflake 中的資料，反之亦然2.與Databricks的合作，將 Lakehouse 資料納入其中，客戶可以將Databricks 的湖資料與 Salesforce Data Cloud 合併，甚至將自己的 AI 模型從 Databricks 帶入 Agentforce3.與AWS的緊密整合，通過 Hyperforce 基礎設施計畫，Salesforce 軟體可以在 AWS（和其他公共雲）上全球運行2.3 資料驅動 AI 應用的商業價值資料整合與統一驅動的 AI 應用正在多個維度創造商業價值：提升決策質量：統一的資料基礎使企業能夠獲得 360 度的業務檢視。例如，一家製造企業通過整合 ERP、CRM、IoT 感測器和第三方市場資料，建立了即時的供應鏈監控系統。AI 代理基於這些綜合資料預測潛在的供應鏈中斷，並主動調整生產計畫，將供應鏈延遲減少了40%。加速洞察生成：通過統一的資料架構，分析和 AI 模型可以更快地訪問所需資料。Tableau 與 Data Cloud 的整合特別值得關注，Benioff 透露："Tableau 現在有了語義層…… 資料層…… 動作層…… 和中繼資料層。它是 Slack 中核心應用的可嵌入應用程式"。這使得業務使用者能夠通過自然語言查詢獲得即時洞察。降低資料管理成本：傳統的企業資料架構往往存在大量的資料孤島，導致資料冗餘、不一致和管理成本高昂。Data 360 通過統一的資料模型和治理框架，幫助企業大幅降低資料管理成本。根據行業分析，採用統一資料平台的企業平均可將資料管理成本降低30-50%。增強 AI 模型性能：高品質、一致的資料是訓練有效 AI 模型的基礎。通過 Data 360 提供的清洗、標準化和豐富的資料，企業的 AI 模型表現得到顯著提升。例如，一家金融服務公司通過整合和清洗客戶資料，將其信用風險模型的精準率提升了15%，同時將模型訓練時間縮短了60%。2.4 行業最佳實踐與實施建議基於 Salesforce 及其客戶的實踐經驗，資料整合與統一驅動的 AI 應用成功實施需要遵循以下最佳實踐：循序漸進的實施策略：Rome 不是一天建成的，資料整合也需要分階段進行。建議從核心業務資料開始，逐步擴展到其他資料來源。Salesforce 建議的實施路徑是：1.第一階段：整合核心業務系統（CRM、ERP 等）2.第二階段：加入分析和 BI 工具3.第三階段：整合外部資料來源和 IoT 資料4.第四階段：建立即時資料處理和 AI 應用重視資料質量："垃圾進，垃圾出" 是 AI 時代的金科玉律。Data 360 通過以下方式確保資料質量：1.自動資料清洗和標準化2.基於規則和 AI 的異常檢測3.資料血緣追蹤，瞭解資料的完整生命周期4.資料質量監控和警報機制建立資料文化：技術只是基礎，成功的資料驅動轉型還需要組織文化的支援。Salesforce 的經驗表明，成功的資料文化需要：1.高層領導的支援和參與2.跨部門的資料治理委員會3.資料素養培訓和認證4.基於資料的決策流程和激勵機制三、人機協同的工作模式建構：重新定義人與 AI 的關係3.1 人機協同的核心理念與架構設計人機協同不是簡單的 "人工 + AI" 疊加，而是一種全新的工作模式。Salesforce將其定義為 "Superagency"（超級智能）狀態，即個人在 AI 賦能下，大幅提升創造力、生產力和積極影響力。這種模式的核心在於：AI 不是替代人類，而是增強人類能力，讓每個人都成為"超級工作者 "。在架構設計上，人機協同工作模式包含以下關鍵要素：智能代理的角色定位：智能代理在人機協同中扮演多重角色：1.協作者：與人類員工並肩工作，處理複雜任務2.助手：提供即時建議和上下文資訊3.執行者：自動化重複性和規則性任務4.協調者：在多個系統和人員之間協調工作流程Slack 作為統一協作平台：在 Dreamforce 2025 上，Salesforce 將 Slack 定位為 "智能代理企業的對話介面"。通過 Auto Slack 功能，管理員可以建立尊重 Salesforce 權限的 Slack 工作區，確保代理只能看到請求使用者能看到的資料。在演示中，一個 "Aloha" 代理在一個 Slack 執行緒中協調預訂、處理電子表格、下採購訂單和共享 Tableau 可視化 —— 所有這些都在一個對話執行緒中完成。存取控制與安全保障：人機協同必須在安全的前提下進行。Agentforce 代理繼承運行它們的使用者的權限，確保了資料訪問的安全性。這意味著：1.代理不能訪問使用者沒有權限的資料2.所有代理操作都有審計日誌3.可以設定代理的操作限制和審批流程4.支援多因素認證和會話管理3.2 迪士尼案例：人機協同的巔峰實踐迪士尼的 "Agent Fluidity"（代理流動性）案例完美詮釋了人機協同的巨大潛力。根據 Salesforce 的披露，迪士尼現在擁有" 代理流動性 "，數千個面向公園遊客的 AI 代理可以同時接入客戶偏好、遊樂設施可用性等系統，推薦個性化體驗 —— 這是人類工作人員難以即時協調的。迪士尼的人機協同系統展現出以下特點：大規模分佈式部署：數千個 AI 代理同時運行，每個代理都針對特定任務進行了最佳化，如：1.遊樂設施推薦代理：基於即時等待時間、遊客偏好和體力狀況推薦路線2.角色互動代理：通知遊客附近的卡通角色位置3.餐飲推薦代理：根據飲食偏好和當前位置推薦餐廳4.商品導購代理：推薦個性化的紀念品即時資料同步：所有代理都連接到統一的即時資料平台，包括：1.遊樂設施狀態（等待時間、運行狀態）2.遊客即時位置（通過園區內的定位系統）3.歷史遊玩記錄和偏好4.天氣和特殊活動資訊智能協同機制：代理之間通過 "代理流動性" 實現無縫協作。例如，當一個遊客在排隊時，排隊等待代理會通知附近的餐飲代理，後者會根據等待時間推薦附近的快速服務餐廳。這種協同是即時的、動態的，並且能夠適應不斷變化的環境。人性化互動設計：儘管有大量的 AI 參與，迪士尼仍然保持了人性化的服務。AI 代理會主動提供資訊，但也會尊重遊客的選擇。例如，AI 導遊會告知遊客某個遊樂設施當前等待時間較短，並詢問是否需要提供方向指引；隨後又提示遊客 "小熊維尼" 角色就在附近區域，方便遊客前往互動見面。3.3 人機協同的價值創造機制人機協同通過多種機制創造價值：生產力提升：Salesforce 內部資料顯示，通過 Agentforce，員工在工程、服務和支援功能方面實現了50% 的生產力提升。這種提升不是通過簡單的自動化，而是通過智能代理承擔繁瑣的任務，讓人類員工專注於創造性和戰略性工作。決策質量改善：人機協同顯著提升了決策的速度和精準性。例如，在客戶服務場景中，AI 代理可以即時分析客戶情緒、歷史互動記錄和產品資訊，為客服人員提供個性化的響應建議。這種協同使首次解決率提升了40%，客戶滿意度提升了15%。創新能力增強：當人類從重複性工作中解放出來後，他們有更多時間進行創新思考。Salesforce 的調查顯示，使用 AI 代理的員工在創新項目上的參與度提高了60%，新想法的產生速度提升了45%。成本效益最佳化：人機協同帶來了顯著的成本節約。Salesforce 自身通過 AI 驅動的客戶支援，每年節省1 億美元，並將客戶支援團隊從約 9,000 人減少到 5,000 人。但這種 "人員減少" 實際上是 "人員重新分配"—— 從低價值的重複性工作轉向高價值的創新和客戶體驗提升工作。3.4 人機協同的實施框架與最佳實踐基於成功案例的分析，人機協同工作模式的實施需要遵循以下框架：明確角色分工：成功的人機協同需要明確人類和 AI 的角色邊界。一般原則是：1.AI 負責：資料處理、模式識別、規則執行、24/7 監控2.人類負責：創造性思維、情感交流、複雜決策、戰略規劃漸進式部署策略：建議採用 "試點 - 擴展 - 規模化" 的三步策略：1.試點階段：選擇 1-2 個低風險、高價值的場景進行試點2.擴展階段：基於試點經驗，逐步擴展到其他相關場景3.規模化階段：建立標準化的人機協同流程和工具持續培訓與適應：人機協同需要持續的培訓和適應：1.為員工提供 AI 工具使用培訓2.建立反饋機制，收集使用體驗和改進建議3.根據反饋不斷最佳化 AI 模型和工作流程3.培養 "AI 素養"，讓員工理解 AI 的能力和侷限文化變革管理：人機協同不僅是技術升級，更是文化變革：1.高層領導需要率先示範，積極使用 AI 工具2.建立激勵機制，鼓勵員工創新使用 AI3.創造安全的實驗環境，容忍失敗4.定期分享成功案例，營造積極氛圍四、三大方向的協同效應與未來展望4.1 三大方向的內在邏輯與相互支撐智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用、人機協同的工作模式建構，這三大方向並非孤立存在，而是形成了一個相互支撐、協同發展的生態系統。資料是基礎：統一的資料平台為智能代理提供了準確、及時、完整的資料支撐。沒有高品質的資料，智能代理就如同無源之水。Data 360 不僅整合了結構化資料，還通過智能上下文處理能力，將非結構化資料（如文件、圖像、音訊）轉化為可被 AI 理解和利用的資訊。這種資料基礎使得智能代理能夠做出更準確的決策和預測。智能代理是引擎：智能代理是連線據和業務價值的關鍵橋樑。它們將資料轉化為行動，將洞察轉化為決策。通過 Agentforce 平台，企業可以快速部署各種智能代理，從簡單的客服機器人到複雜的供應鏈最佳化系統。這些代理不僅自動化了重複性工作，還通過機器學習不斷改進自己的行為。人機協同是目標：最終，所有的技術創新都是為了提升人類的工作效率和創造力。人機協同不是簡單的替代關係，而是一種共生關係 ——AI 增強人類能力，人類指導 AI 發展。這種協同創造了 "1+1>2" 的效果，使企業能夠實現前所未有的創新和增長。4.2 行業發展趨勢與市場前景根據多家權威機構的研究，企業 AI 正迎來爆發式增長：市場規模預測：1.全球 AI Agent 市場規模從 2023 年的 37 億美元增長到 2025 年的73.8 億美元，預計 2032 年將達到1036 億美元，2023-2032 年復合年增長率為 45.3%2.MarketsandMarkets 預測，智能代理 AI 市場將從 2025 年的 810 億美元增長到 2032 年的1408 億美元，年複合增長率為 39.3%3.Gartner 預測，到 2028 年，33% 的企業應用將嵌入 AI 代理，而 2024 年這一比例還不到 1%採用率快速提升：1.麥肯錫調查顯示，78% 的企業已在至少一個業務功能中使用 AI 技術，92% 的企業計畫增加 AI 投資2.美國市場調研顯示，79% 的企業正在採用 AI 代理，"等待觀望" 已成為一種風險姿態3.87% 的企業預計 AI 將在三年內提升收入技術融合加速：1.多模態 AI 成為主流，代理能夠同時處理文字、圖像、語音、視訊等多種資訊2.邊緣計算與 AI 結合，實現即時響應和隱私保護3.量子計算開始影響 AI 演算法，帶來計算能力的飛躍4.區塊鏈技術確保 AI 決策的透明性和可追溯性4.3 對企業的戰略建議基於以上分析，我們為企業提出以下戰略建議：制定清晰的 AI 戰略：1.評估現狀：全面評估企業的資料基礎、技術能力、人才儲備和文化 readiness2.設定目標：明確 AI 轉型的願景和階段性目標，確保與業務戰略一致3.選擇路徑：根據企業特點選擇合適的實施路徑，不必追求 "大而全"4.分配資源：為 AI 轉型提供充足的預算、人才和時間投入建構資料驅動的文化：1.建立資料治理體系，確保資料質量和安全2.投資資料基礎設施，包括儲存、處理和分析能力3.培養資料素養，讓每個員工都能理解和使用資料4.建立基於資料的決策流程，用事實而非直覺做決定循序漸進部署智能代理：1.從低風險、高價值的場景開始，如客服、HR流程等2.利用預建構的範本和最佳實踐，快速實現價值3.建立持續最佳化機制，根據反饋不斷改進4.逐步擴展到更複雜的業務場景重視人機協同：1.投資員工培訓，提升 AI 工具使用能力2.設計新的工作流程，充分發揮人類和 AI 各自的優勢3.建立激勵機制，鼓勵創新使用 AI4.關注員工心理健康，幫助他們適應工作方式的變化建立生態合作：1.與技術提供商建立戰略合作關係2.加入行業 AI 聯盟，分享最佳實踐3.投資或收購有潛力的 AI 初創公司4.與高校合作，培養 AI 人才擁抱智能代理驅動的新時代Salesforce Dreamforce 2025 為我們描繪了企業 AI 發展的清晰圖景：智能代理不再是科幻小說中的概念，而是正在重塑企業營運方式的現實力量。通過智能體驅動的業務流程最佳化、資料整合與統一驅動的 AI 應用、人機協同的工作模式建構，企業正在經歷一場深刻的數位化轉型。這場轉型的核心不是技術本身，而是如何利用技術釋放人類的潛能。正如 Salesforce CEO Marc Benioff 所說："我從未像現在這樣對我的工作感到興奮…… 感覺就像一家初創公司"。這種興奮不僅來自技術創新，更來自於看到技術如何幫助企業和個人實現前所未有的成就。對於企業而言，現在是擁抱這一變革的最佳時機。市場正在快速演進，早期採用者將獲得顯著的競爭優勢。但同時也要保持理性，避免盲目跟風。成功的關鍵在於找到適合自己的路徑，在技術創新和人性化之間找到平衡。展望未來，我們有理由相信，智能代理驅動的企業將成為商業世界的新常態。那些能夠成功整合這三大方向的企業，將在激烈的市場競爭中脫穎而出。而那些仍然停留在傳統模式的企業，可能會發現自己已經被時代所拋棄。變革已經開始，未來正在到來。你準備好了嗎？ (在行人)

據香港《南華早報》報導，一位中國明星人工智慧研究員從美國人工智慧初創公司Anthropic離職，加入其競爭對手公司。他表示，他離職的主要原因是，Anthropic的“反華言論”。這名研究員名叫Yao Shunyu，他周一在一份聲明中稱，他在Anthropic工作不到一年後跳槽，加入了GoogleDeepMind，部分原因是他“強烈”反對Anthropic將中國描述為“敵對國家”等言論。9 月初，Anthropic收緊了其服務條款，限制“總部位於未受支援地區的公司直接或間接擁有50%以上股權的實體”的訪問。“未受支援地區”之一就是中國。其他美國科技公司，包括微軟支援的OpenAI和Alphabet旗下的Google，已經禁止中國大陸使用者訪問其服務。Anthropic的新規定標誌著限制力度從限制位於中國的個人和實體升級到限制主要由中國支援的實體，無論它們位於何處。華人精英研究員Yao Shunyu在聲明中寫道：“儘管需要明確的是，我相信Anthropic的大多數人都不同意這樣的（描述），但我認為我沒有辦法留下來。”GoogleDeepMind已聘請Yao Shunyu擔任其核心Gemini團隊的高級研究員，負責開發其旗艦基礎模型。根據Yao Shunyu的簡歷，他獲得了史丹佛大學理論與數學物理學博士學位。他在清華大學完成了本科學習，並獲得了校長獎和葉企孫獎，這是這所中國頂尖學府授予本科生的最高獎項。訪問以下網址，訂閱最新新聞電郵：https://nbwpress.com/subscribe.html在加州大學伯克利分校完成博士後研究後，Yao Shunyu於2024年10月加入Anthropic，並致力於開發其Claude 3.7 Sonnet模型，該模型已於今年2月發佈。Yao Shunyu表示，他選擇Anthropic開啟職業生涯，是因為Anthropic是物理學家開始人工智慧研究的最佳場所之一。他寫道：“相對於物理學，人工智慧的發展速度非常快，回顧過去，我對過去一年發生的一切感到驚訝。”美國AI企業表現出敵對態度根據現已不復存在的智庫MacroPolo在2022年的一項研究，在美國機構工作的頂級人工智慧研究人員中有38%來自中國，這一比例超過了美國本土的研究人員。Facebook母公司Meta Platforms最近高調招聘了多名中國名牌大學的畢業生，組建了超級智能團隊。Anthropic對中國的言論與川普政府如出一轍，後者將中國人工智慧稱為“人工智慧對手”。Anthropic首席執行官達里奧·阿莫迪此前曾警告稱，中國可能針對美國人工智慧公司進行工業間諜活動。OpenAI等其他美國領先的人工智慧公司近年來也加大了對中國的批評力度，包括直接攻擊杭州的DeepSeek和北京的Z.ai等競爭對手。相比之下，GoogleDeepMind首席執行官德米斯·哈薩比斯（其母親是新加坡華人）呼籲美國和中國在人工智慧安全等共同關心的問題上進行合作。一位不願透露姓名的OpenAI前員工表示，由於OpenAI針對中國的言論，來自中國和其他地方的人工智慧研究人員感到有些不安。行業人士：對中國AI公司影響不大但是，行業專家和分析師表示，Anthropic禁止中國支援的實體訪問其模型，預計不會阻止中國公司在人工智慧領域的進步。榮鼎集團專門研究美國和中國半導體競爭的分析師本·雷諾茲表示：“至於對中國（人工智慧）競爭力和發展的影響，我認為這不會產生太大影響。”雷諾茲指出，中國大陸企業在開發人工智慧模型方面一直“極具創新性”。與此同時，中國公司抓住機會，與更多國內使用者建立聯絡。分析師雷諾茲表示，Anthropic對華強硬立場“可能為一些中國公司接手業務創造了一個小機會”。9月5日，總部位於北京的 Z.ai（前身為智譜）率先開始為Claude的中國使用者推廣“搬家”計畫，聲稱通過一對一技術支援可以輕鬆遷移到自己的服務，並為新使用者提供2000萬個免費代幣——價值40元人民幣（5.62美元）或160元人民幣——用於代幣輸入或輸出。Moonshot AI在同一天推出了Kimi K2 0905，並聲稱其編碼能力與Claude Sonnet 4型號相當，並引用了第三方基準測試。儘管如此，Claude仍被業界廣泛認為是最先進的AI編碼模型之一，Anthropic 希望通過發佈Claude Sonnet 4.5來保持這一優勢，該公司聲稱Claude Sonnet 4.5是“世界上最好的編碼模型”。 (北美商業見聞)

一、爭議1：消費端 AI 使用現狀如何？使用者習慣是否在重構？消費端AI 呈現 “高滲透、低 monetization” 特徵，使用者行為分化明顯，2026 年將成商業化關鍵節點：使用者規模爆發，使用場景分化消費級AI 工具使用者增長迅猛，OpenAI 2025 年 7 月資料顯示 ChatGPT 周活躍使用者達 7 億，較上線初期翻倍；但不同平台功能定位差異顯著 ——ChatGPT 非工作場景佔比 70%（如資訊查詢、創意寫作），Anthropic 的 Claude 則 36% 用於編碼 / 計算類技術任務，體現 “場景細分” 趨勢。此外，90% 企業員工會用個人 AI 工具處理工作，但僅 40% 企業採購官方大模型訂閱，形成 “影子 AI 經濟”。商業化滯後，2026 年迎突破當前消費AI monetization 仍依賴專業訂閱（如 ChatGPT Plus），廣告與電商場景尚未規模化。貝恩資料顯示，2030 年 AI 企業需實現 2 兆美元年收入才能覆蓋算力成本，但預計存在 8000 億美元缺口。不過 2025 年 Q3 已出現商業化突破訊號：OpenAI 推出 “ChatGPT 即時結帳” 功能，支援使用者在對話中直接購買 Etsy、Shopify 商品；Google與 PayPal 合作打造 “智能代理電商”，AI 可自動完成比價、下單，預計 2026 年廣告與電商相關收入佔比將超 30%。頭部平台壟斷，使用者粘性差距大全球AI 聊天機器人市場集中度高，ChatGPT 在全球與美國市場 MAU（月活使用者）均居首，Gemini 憑藉Google管道優勢位列第二，但使用者規模僅為 ChatGPT 的 50%；Claude、Perplexity 等平台 MAU 不足 ChatGPT 的 10%，且使用者集中在技術圈層。從日活（DAU）看，ChatGPT 全球 DAU 是 Gemini 的 2 倍，使用者粘性優勢顯著。二、爭議2：企業端 AI 部署進展如何？內部效率與外部創收差距顯著企業AI 呈現 “內部效率提升快、外部收入轉化慢” 的特點，僅 5% 企業實現可衡量的 P&L 影響，大型企業轉型領先：內部應用：降本增效成核心，頭部企業已見成效企業內部AI 部署聚焦 “減少營運摩擦”，如內容生成、軟體開發周期縮短（平均縮短 30%）、廣告創意自動化等。IBM 2025 年資料顯示，其內部 AI 工具實現 35 億美元年化效率節省，包括 HR 諮詢工具 AskHR 解決 94% 員工問題、IT 支援人員配比從 1/400 最佳化至 1/4000；Salesforce、Workday 等 SaaS 廠商也披露 AI 相關 ARR（年化經常性收入），其中 Workday 2025 年 Q2 AI ARR 達 1.5 億美元。但整體看，僅 5% 企業能通過 AI 實現財務層面的正向影響，多數仍停留在試點階段。外部應用：收入轉化滯後，廣告與電商是突破口企業AI 外部創收（如客戶服務、產品創新）進展緩慢，過去 18 個月僅 10% 企業通過 AI 實現市場份額提升。但部分行業已出現突破：廣告領域，Google Performance Max、Meta Advantage + 等 AI 工具正在替代傳統廣告代理功能，全球 1610 億美元廣告代理利潤池面臨重構；電商領域，AI 驅動的個性化推薦使轉化率提升 15%-20%，但中小平台因缺乏獨特庫存，面臨被 AI 購物助手 “繞過” 的風險（如使用者直接通過 AI 查詢商品而非訪問平台）。SaaS 廠商加速 AI 整合，併購補短板企業AI 工具依賴 SaaS 生態落地，2025 年頭部廠商通過 “自研 + 併購” 完善能力：微軟在 Build 大會升級 CoPilot 與 Power Automate 的整合，解決此前使用者反饋的 “功能割裂” 問題；ServiceNow 收購 MoveWorks 以補強 AI 客服能力。但當前 AI 收入佔比仍低，Workday AI ARR 僅佔總營收的 3%，Salesforce AI 相關收入佔比不足 5%，尚未成為核心增長引擎。三、爭議3：AI 支出當前規模與未來展望如何？ hyperscalers 主導，2027 年支出將達 1.4 兆美元AI 支出呈現 “短期供需缺口、長期依賴利潤池重構” 特徵， hyperscalers（超大規模科技公司）是投資主力：2025 年支出爆發， hyperscalers 佔比超 70%全球AI 基礎設施支出 2025 年迎來拐點，美國五大 hyperscalers（亞馬遜、微軟、Google、Meta、甲骨文） capex（資本支出）合計達 3810 億美元，同比激增 68%；其中甲骨文與 OpenAI 的 5 年 300 億美元合作、輝達對 OpenAI 100 億美元投資（含晶片供應）成為標誌性事件。當前支出主要集中在算力基建（GPU 採購、資料中心建設），雲廠商 AI 訂單積壓規模達 800 億美元，若全部兌現，將支撐未來 2-3 年營收複合增長 15%+。2025-2027 年支出將破 1.4 兆美元，需利潤池支撐高盛預測，2025-2027 年全球 AI 相關 capex 將達 1.4 兆美元，但如此大規模支出需依賴 “行業利潤池重構” 才能可持續：目前僅廣告行業（1610 億美元代理利潤池）、企業效率（186 美元 / 人 / 月的 “無效工作” 成本節約，HBR 資料）有明確收益，未來需拓展至醫療、金融等領域（如 AI 輔助診斷、智能風控），若 2030 年未能開闢新利潤池，部分項目可能面臨回報不及預期風險。區域佈局分化，新興市場成增量hyperscalers 加速全球佈局，2025 年公告顯示：亞馬遜計畫 2029 年前在澳大利亞投資 200 億澳元建資料中心，在智利投資 40 億美元；微軟承諾 2028 年前向英國 AI 基建投入 300 億美元；輝達在英國投資 110 億英鎊，新興市場支出佔比從 2023 年 10% 升至 2025 年 25%，成為重要增量。四、爭議4：支撐 AI 長期部署需多少電力與基建？2030 年電力需求翻倍，60% 需新建發電設施AI 算力擴張帶來 “電力剛需”，2030 年全球資料中心電力需求將激增 165%，電網投資缺口達 7800 億美元：電力需求爆發，相當於新增一個“全球前十用電國”2025 年 Q2 全球資料中心電力需求為 62GW，其中 AI workload 佔 13%；預計 2027 年需求達 92GW（AI 佔比 28%），2030 年進一步增至 137GW，較 2023 年增長 165%，相當於新增一個德國的年度用電量。美國是核心需求國，60% 的電力需求需新建發電設施，預計新增 72GW 裝機容量，其中天然氣佔 60%、太陽能 25%-30%、風電 10%-15%。電網投資加碼，2030 年需 7800 億美元電力基建成為AI 落地關鍵瓶頸，2025 年 7 月高盛將 2030 年全球電網投資預期從 7200 億美元上調至 7800 億美元，重點投向配電網路（如智能電表、微電網）與輸電線路（以適配偏遠地區的資料中心）。當前制約因素並非電力成本，而是裝置供應（如變壓器交貨周期延長至 18 個月）、審批流程（美國新建輸電線路平均耗時 7 年）與勞動力短缺，可能導致部分 AI 資料中心投產延期。hyperscalers 主動佈局能源，降低依賴為緩解電力約束，科技巨頭開始垂直整合能源供應鏈：Google投資30 億美元改造賓夕法尼亞州水電站，為資料中心供電；Meta 在阿拉巴馬州資料中心配套建設太陽能電站；亞馬遜與沙烏地阿拉伯公司 HUMAIN 合作打造 “AI 能源特區”，整合太陽能、儲能設施，預計 2030 年頭部廠商 30% 的電力需求可自供。五、爭議5：當前 AI 行業是否處於泡沫？對比 1990 年代，估值更低、盈利支撐更強當前AI 行業雖有泡沫特徵（如主題集中、私有市場估值高），但核心指標未達泡沫水平，系統性風險可控：估值：納斯達克100 PE 較網際網路泡沫低 46%2025 年 10 月 3 日資料顯示，納斯達克 100 動態 PE 為 37 倍，而 1999 年底網際網路泡沫峰值時達 68.4 倍，當前估值折讓 46%；從個股看，AI 龍頭 “Magnificent 7”（輝達、微軟等）24 個月前瞻 PE 為 26.8 倍，僅為 2000 年科技泡沫龍頭（52 倍）的一半（參考高盛此前報告資料），且淨利潤率達 29%，遠超泡沫時期的 16%，盈利支撐更強。資本活動：IPO 數量少但規模大，私有市場更成熟1998-2000 年網際網路泡沫期間，美國 AI 相關 IPO 達 892 家，平均募資規模 1.76 億美元；2023-2025 年 YTD 僅 22 家 IPO，但平均募資 2.54 億美元（經通膨調整後），體現 “少而精” 特徵。此外，當前私有市場更成熟，2022 年全球 VC 行業 AUM 達 9950 億美元，是 2000 年（1430 億美元）的 7 倍，企業可在私有市場完成多輪融資，減少對 IPO 的依賴，降低上市後估值波動風險。宏觀環境：利率更寬鬆，但政策約束更強1999-2000 年美國 10 年期國債收益率平均為 6.0%，2024-2025 年平均為 4.3%，且高盛預測 2025 年 10 月、12 月將各降息 25BP，流動性環境更友好；但當前存在更強的政策約束，如歐盟《AI 法案》對高風險 AI 應用的限制、美國對 AI 晶片出口的管控，一定程度上抑制了 “非理性投機”。六、總結：AI 行業三大核心結論與投資啟示短期看消費端商業化，長期看企業端效率釋放：2026 年重點關注 ChatGPT、Google等平台的廣告 / 電商收入落地，2027 年後企業端 AI（如 SaaS+AI、工業 AI）將成增長主力；電力基建是關鍵瓶頸：優先佈局資料中心供電相關領域（如天然氣發電、智能電網），規避電力短缺地區的AI 算力項目；當前非泡沫，但需分散配置：估值與盈利匹配度優於歷史泡沫時期，但市場集中度高（前10 大 AI 相關公司佔全球股市 25%），建議搭配非美市場（如歐洲工業 AI、日本機器人 + AI）與傳統行業 AI 轉型標的（如 AI + 醫療、AI + 製造）。 (資訊量有點大)