#AI 應用
中國AI人,“三年沒過好年”了
“以這個春節為分界點,AI將真正走嚮應用元年。”年味又從手機螢幕裡溢出來了,與之同步的還有AI炮火的硝煙。春節前最後一周,打工人的一天是這樣的:早上到工位,先用千問APP點一杯阿里請客的奶茶,再去元寶APP抽今天騰訊發的紅包,順手把紅包連結分享到微信群。摸魚的時候用豆包生成一段拜年小影片,順便和摸魚搭子吐槽:連結又被遮蔽了,APP又崩了。這股賽博年味之火熱,以至於微信都嫌棄病毒式傳播的紅包污染了內容生態,把自家元寶和對家千問的紅包口令全部遮蔽了。到目前為止,騰訊宣佈發紅包10億,千問30億,百度5億;未公佈獎池總金額的豆包和螞蟻阿福,也不動聲色地開始了宣推。四捨五入,大家今年都要參與不下50億的大項目。巨頭們還憋著別的大招。紅包戰中格外低調的字節,在節前最後一周推出了視訊生成新模型Seedance2.0,幾天之內驚豔全球。Seedance2.0生成的視訊阿里仍在緊鑼密鼓地推進從外賣奶茶到酒店訂票的各種業務和千問的合併,騰訊則把AI社交工具“元寶派”的開放加速提上日程。字節跳動用火山引擎和豆包深度繫結了央視春晚互動,千問就一口氣冠名了4家地方台春晚。這些動作指向一個目的:給自家AI產品拉新,在春節這個巨大的池子裡搶流量。而這麼一來,今年春節的情形也已經可以預見了——中國人的生活、社交、娛樂,大機率要被AI包圍。熱鬧之中容易被忽略的一件事是,鋪天蓋地的紅包和反覆崩壞又被修復的系統背後,是巨頭們豪擲的預算和告急的算力,薅羊毛玩得不亦樂乎的打工人背後是另一群打工人。過不好年的AI人“三年沒過好年了。”某大廠一位AI業務高管對我們感嘆。一位騰訊AI團隊的員工告訴我們,元寶產品團隊過去半年基本沒休息過,春節期間也得堅守崗位。另一位阿里員工則說,為了把外賣、酒旅、電商這些業務和千問打通,公司內部成立了多個跨部門的AI項目,性質是“一號位等級”“高度保密”。項目核心成員春節期間必須在崗,各部門工程師也需要抽調去加班,今年春節安排加班的規模數量遠超去年。有位程式設計師在Github開發者社區上發了帖子,“可不可以不要在春節前或春節期間出DeepSeek V4,打工牛馬們想過個好年。”不少人跟著附議。圖源:網路AI從業者傅易跟我們總結,今年大廠裡最沒得休息的是兩撥人。一撥是C端AI產品團隊,也就是風暴中心的元寶、千問、豆包等,為了打好流量仗,必須時刻待命,隨機應變。另一撥是後端的維運工程師。算力緊缺導致系統崩壞,是春節期間確定性最高的突發狀況之一,意味著越是閤家團圓的熱鬧時刻,這些後端人員越要緊張地值守,密切關注GPU的負載。但緊張的又何止大廠。中小AI企業同樣在尋求從流量池中分到一杯羹。一家AI創企的創始人告訴我們,公司在節前一個月就已經進入了備戰狀態。春節是個巨大的機會池。去年春節,DeepSeek火爆到因為算力緊張陷入癱瘓,一批中小規模雲服務平台緊急調度算力,各自接住了一波寶貴的流量;各行各業的公司、機構批次宣佈緊急部署DeepSeek,反應靈敏的AI服務企業們賺得盆滿缽滿。去年春節,DeepSeek橫空出世另一邊,上游的GPU公司同樣緊張。他們忙於調度算力,以及為可能到來的算力荒做應急預案。據我們瞭解,三巨頭為了迎接春節期間的巨大流量,已經提前鎖定了市場上幾乎所有算力。於是不少中小企業乃至頭部大廠,把目光轉向了中國國產算力,以及如何利用技術方案最佳化效率。中國國產GPU廠商不敢鬆懈。如果早有準備且運氣足夠好,新模型或新應用走紅後,它們能以最快的速度,為客戶提供最易於部署、最節省算力、使用體驗最好的算力基礎設施和技術方案,從中贏得訂單和口碑、流量和資本,甚至是一夜成名的機會。當然,對應的付出就是,他們也很難過個安生年了。AI應用爆發前夜對中國人而言,網際網路巨頭商戰、加班,早已不新鮮,三瓜倆棗的春節紅包也不足為談。但多年後再次回頭看,很多人可能仍會發現,自己的習慣和生活,又一次被時代微妙地改寫了。縱觀中國網際網路史,從入口網站到移動支付,再到電商、短影片,重大的技術普及幾乎都從娛樂化起步。尤其在春節這樣的“非生產性時間窗口”,AI應用的可玩性、可傳播性,會短暫地取代生產力,成為最重要的競賽維度。所以即便硝煙中不乏“海外巨頭在卷技術,中國巨頭在卷紅包”的質疑,這場春節之戰仍然必定會是中國國產AI一次頗有價值的嘗試——中國企業第一次把大模型的能力和各種成熟的C端場景大規模結合起來,利用一個全民等級的流量窗口,做一次規模巨大的商業化實驗。網友參加AI APP“請客”活動最終,不論是字節的“短影片+AI”、騰訊的“社交+AI”,還是阿里的“本地生活+AI”,任何一個實驗成功,都會成為一個歷史性的案例。以此為轉折點,AI在“把硬體重做一遍”玩到過剩之後,開始真正變革軟體市場。隨之而來的,就是以這個春節為分界點,AI將真正走嚮應用元年。技術底座和市場空間都已足夠有想像力。一方面,2025年大模型的迭代頻率已經進化到以月為單位,再往後,可能絕大部多數C端使用者很難再感受出模型能力的差別。另一方面,最近發佈的第57次《中國網際網路絡發展狀況統計報告》顯示,截至2025年底,中國生成式人工智慧使用者規模已經達到6.02億人,普及率達到了42.8%。在此基礎上,幾大巨頭在春節檔上不斷加碼的火力,標誌性意義不言自明:今年春節將會成為AI流量入口之爭的第一戰。更何況這次,還不只是藍綠對決,而是多方混戰;紅包和行銷預算的體量,也從幾千萬拉到了幾十億。場面只會更熱鬧。各自的探索一個新生事物從已經平靜多年的網際網路行業裡冒出來,迅速生長為龐然大物,機會與風險相伴而生,讓很多人手足無措。元寶和千問紅包刷屏後,分享連結先後遭到微信的遮蔽。一位騰訊人士告訴我們,這背後既有微信團隊自身的產品潔癖,也有其作為數字基礎設施的監管考量。阿里的動作更果斷。春節活動上線前兩天,馬雲現身杭州阿里總部千問春節項目組,媒體爆料圖片上,他身旁放著“千問C端事業群”的立牌。圖源:網路這個事業群成立於去年年底,打通了整個阿里產品生態,各個業務單元提煉出自身的工具能力,由千問統一呼叫。事業群成立一個多月後,千問宣佈,全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等集團生態業務。整合內部的分歧很重要,探索產品的未來也是這個節點最關鍵的命題。傅易覺得,相較去過去兩年DeepSeek、Sora這些戲劇性地跑出來的爆款,今年反而是確定性較高的一年。頭部模型能力已不分伯仲,算力資源也高度集中,今年即便有爆款,大機率也是幾家大廠的計畫內產物,再出現一匹無名黑馬的機率很低。但這也意味著,非頭部的AI企業今年會面臨更大的不確定性。前述AI創企高管坦言,今年,中小公司會更被動。在流量戰中與大廠同台競爭幾乎無勝算可言,但鑑於過去三年的經驗,機會仍有可能出現,只是大家都不確定它會以何種形式出現,又該以何種姿態去承接。所以,金字塔尖之外的大部分從業者當下的狀態是,“不知道該如何準備,但也不敢不準備。”“到最後無非都是拼運氣。”他如此總結。無論如何,AI應用的黃金時代,即將從這個兵荒馬亂的春節,正式開始了。但對抗並非唯一的主基調,在這個無人區,任何一個人的努力和探索,都將成為其他人前進的踏腳石。很多企業昨天還是對手,今天就轉向合作,圍坐暢談、互通有無;資訊快速地流動,五道口的咖啡館裡坐滿了人,AI是最高頻出現的詞彙,海內外的從業者們在播客、直播間等各種平台不斷連線交流;企業之間人才不斷流動,但始終是那一批人,讓關於某家公司有何新動作的情報幾乎透明。這裡的從業者有種特徵,步履匆匆、早出晚歸,健談且樂於分享,雙眼閃亮,不知疲倦。支撐他們的,是期待與渴望。“主動願意加班的人還是挺多的,大家都想抓住這次機會。”傅易說。傅易今年28歲。和他年齡相仿的網際網路從業者們,見證了上一代移動網際網路開荒者們的職業高光:成為高管、成功創業、財富自由。他們以此為目標捲進大廠,卻又遇上技術紅利逐漸殆盡,只能在已經穩定的系統裡以“打螺絲”自嘲。他們大多心有不甘,期待著那個屬於這一代網際網路人的風口到來。這是很多AI人內心深處的動力。他們強烈地預感到,它來了。 (吳曉波頻道)
中美AI應用的分岔路,出現在這個春節
“AI 的盡頭,是人間煙火。”距離春節還有十天,AI大戰提前進入了白熱化。而這次把戰場迅速燒熱的,是阿里的 AI 入口“千問”。2月6日,千問上線“春節30億大免單”活動,機制簡單粗暴——請全國人民喝奶茶。活動期間,使用者最高可領取21張、總價值525元的無門檻免單卡。這絕非又一場“外賣大戰”,而是一場 AI 辦事能力的“大考”。當成千上萬的使用者湧進 AI 產品,讓最先進的人工智慧與最落地的煙火氣相遇。Agent 時代下,每個人的生活決策已經可以交由 AI 完成。矽谷巨頭們正競相建構面向企業系統的“數字員工”,試圖讓 AI 接管辦公流中的繁瑣環節;而在中國,Agent 的落點則更早地切入了充滿煙火氣的現實世界,開始替人點一杯奶茶、訂一張車票。這並非技術能力的代差,而是基於土壤不同的路徑選擇。而千問,似乎要在幫人辦事這條道路上,走得更深更遠。01重新定義AI時代“搶紅包”2026年春節前夕,AI戰場的硝煙味比往年更甚。字節的“豆包”依託春晚的獨家贊助,試圖用AI生成內容延續短影片時代的流量法則;騰訊的“元寶”則背靠微信生態,試圖在社交連接中尋找AI的落點;百度依然固守搜尋與資訊分發陣地。這三者的共同點在於,它們爭奪的依然是使用者的“注意力時長”。 其本質延續了移動網際網路時代的經典公式:用更優質的內容或更順滑的互動,去爭奪使用者有限的時間與多巴胺,讓使用者願意在App裡多停留一分鐘。相比之下,千問選擇了一條更為艱難、也更為徹底的路徑。與其繼續在紅海中爭奪“使用者停留多久”,千問更在意的是:使用者是否願意把真實生活中的決策與執行,交給AI。因此,千問並未沿用傳統的現金紅包,而是選擇以“免單”切入春節場景。免單無法獨立存在,它必須嵌入真實的消費決策與完整的服務鏈路之中——使用者需要提出明確需求,由系統完成下單,並最終確認履約結果。這也意味著,免單不僅是一種促銷,更是一種被完整驗證的“服務交付”。之所以選中奶茶、外賣、出行等高頻場景,它們共同的特點是決策成本低、使用頻次高、反饋明確。這類日常需求更容易促成使用者完成“第一單”,而在 AI 產品的擴散周期中,“第一次成功交付”的價值,遠勝於反覆的功能演示和能力科普。事實上,AI 進入 Agent 階段後,真正稀缺的不再是模型能力本身,而是模型能力與 B端商業體系的整合能力。從本次活動來看,當使用者發出“點一杯奶茶”的指令時,後台的運行邏輯並非簡單的關鍵詞匹配,而是一次複雜的鏈式呼叫。首先是模型需要解析自然語言等參數,其次是將這些參數被轉化為 B 端系統可識別的 API請求,最後,模型需要遵循平台的計費規則(如配送費計算、優惠券抵扣),生成一個符合財務標準的結構化訂單,並推送到商家的接單系統。在這個過程中,AI 需要跨越單純的語義理解,要與複雜的交易系統、支付體系、履約網路及風控形成穩定協同。因此,千問發起的“AI免單”不只是一次C端流量活動,本質上更是一場大模型能力與B端商業化體系的深度實驗。對於這一策略,坊間不乏質疑之聲:一種典型論調認為:相較於海外廠商集中資源提升模型推理上限、強化多模態、推進基礎設施與系統擴展,國內部分廠商卻選擇在春節期間“發紅包、請喝奶茶”,似乎有點大題小作。但這種判斷,往往忽略了應用層本身:發紅包、請喝奶茶,並非簡單的應用噱頭,而是對模型理解能力、系統穩定性與工程協同的一次集中檢驗。忽視這一點,容易低估了國內廠商的技術投入,這實際上是在強迫千問去“理解”生意的運轉規則。這種“模型+商業”的無縫銜接,遠比單純技術迭代更為複雜。它要求平台必須具備深厚的B 端資源積累和系統介面標準,才能讓大模型真正下沉到商業毛細血管中。更重要的是,這類實踐並非工程團隊能夠自發完成,而是高度依賴內部組織協調能力。模型和真實資源之間的呼叫,背後考驗的是企業對 AI 商業化路徑的整體判斷。因此,千問的30億紅包免單並不是簡單的市場行為,它要求模型理解真實意圖、系統完成下單、支付順暢銜接、履約穩定可控,並在極短時間內承受千萬級使用者的並行呼叫,任何一個環節失效,都會被真實使用者立即放大。在這一過程中,任何一個Token的延遲、一個介面的報錯,都會被真實使用者放大。這種處理複雜極端並行的系統能力,恰恰是許多海外模型與應用公司都渴望擁有的。尤其是在 Agent 時代,對千問而言,它檢驗的並非補貼效率,而是 AI 是否已經具備在真實世界中“替人辦事”的能力——而從首日1000萬 筆 AI 訂單來看,答案正在變得清晰。02從 App 到 Agent:一次互動邏輯的重構一個行業共識是,大模型已進入“後參數時代”,各家基座模型的各項指標逐漸拉平,決定勝負的,不再是“誰的模型參數更多”,而是“誰能讓AI真正完成任務”。過去,網際網路遵循的,是一種“人適應軟體”的路徑——使用者需要穿梭於不同的 App,去適應既定菜單、按鈕和互動流程,才能獲取背後的服務;而現在,MaaS(模型即服務)正在重寫這一規則,在C端互動中,模型本身直接取代了App,成為了服務的交付介面。AI 牌桌上雖然巨頭林立,但若以 MaaS 的標準嚴苛審視,會發現大多數玩家手中都缺失了一塊關鍵拼圖。OpenAI 困於“場景懸浮”: 儘管GPT技術領先,但因缺乏原生應用場景,其模型始終處於“懸浮狀態”。無法嵌入消費、出行等高頻生活場景,導致其只能靠訂閱費和API變現。近期,德意志銀行資料顯示,其歐洲收入已現增長瓶頸,且面臨開源模型與巨頭的雙重夾擊。Google則困於“履約空白”: 坐擁海量資料與TPU算力,Gemini技術表現強勁,但受限於“資訊分發”的基因,Google缺乏電商、本地生活等線下履約體系。面對“即時配送”、“服務執行”等複雜任務,Google陷入了“能精準理解需求,卻無法直接滿足需求”的商業斷層。相比之下,阿里所具備的,並非單點優勢,而是一整套為 Agent 而生的基礎條件。過去四個季度,阿里在“AI+雲”領域的資本開支高達 1200 億元。這筆巨額投入支撐起了中國第一、全球領先的雲端運算網路,為上層應用提供了源源不斷的算力輸血。在算力之上,阿里打造了全球領先的“通義”大模型家族。2025 年發佈的通義千問 Qwen3 系列,作為業界首個具備“混合推理”能力的模型,創新性地融合了“快思考”與“慢思考”雙模式。它既能以極低能耗秒回日常問答,又能針對複雜邏輯進行深度多步推理,真正實現了“大腦”的又快又強。為了讓大腦有效指揮肢體,阿里百煉與 Qwen-Agent 框架建構了生態連接的“萬能介面”。這套工具層加速了 AI 在千行百業的落地,解決了模型與具體業務系統對接的“最後一公里”難題。而最核心的護城河,在於頂層的場景與履約體系。電商、即時零售、外賣、地圖和支付——這些阿里長期積累的實體能力,雖然最初並非為AI而生,但在AI作為新入口出現後,它們第一次有機會被整合進同一個呼叫框架中。既有頂尖的大腦(千問)理解意圖,又有龐大的軀幹(淘寶/天貓)承載交易,更有靈活的手腳(菜鳥/餓了麼)完成履約,最後還有強健的心臟(支付寶)完成商業閉環。當然,AI介入履約服務的這條路也最為艱難,它需要AI理解使用者意圖,還要與複雜的業務系統協同運作。任何環節失誤,都會被使用者感知並放大。風險本身就是壁壘,這種對“全鏈路協同”的極高要求,反而構成了阿里真正的護城河。從行業視角看,這條路徑也解釋了為什麼“AI + 實體”被認為是少數公司才能嘗試的方向。相比純模型公司,擁有現實世界介面的企業,才真正跨過了“工具”與“Agent”的分界線。03Agent 時代下的中美 AI 兩條路毫無疑問,關於 Agent 的敘事已經成為中美科技巨頭押注的下一站。無論是 OpenAI、Anthropic,還是 Google,幾乎所有頭部廠商都在嘗試讓 AI 從“對話者”走向“執行方”。差別不在於是否走向 Agent,而在於——Agent 被首先用來做什麼。前段時間,Anthropic 推出的 Claude Cowork,正是這一趨勢的典型體現。它將 AI 深度嵌入協作與辦公流程,試圖在知識工作場景中,重塑人與軟體的關係。這一動向,也直接衝擊了以 Salesforce、Adobe、SAP 為代表的傳統 SaaS 公司,相關企業股價隨之出現明顯波動。這背後,是一條極具代表性的“美國路徑”:Agent 優先進入的是辦公、開發、管理等生產力場景,核心目標是提升知識工作的效率,讓 AI 成為“數字同事”或“超級 Copilot”。而在國內,Agent 最先被驗證的,並非寫程式碼、做表格,而是點餐、購物、出行、訂票等日常事務。這並非能力差異,而是基礎條件與應用土壤的不同所共同塑造的結果。一方面,我們擁有全球最龐大的網際網路使用者規模,以及成熟的移動支付體系;另一方面,線上線下高度融合的消費與服務場景,為 AI 提供了天然的“試驗場”。在麥肯錫的調研中,已有至多 49% 的企業稱,AI 為企業實現了降本。其中,中國大陸企業在 AI 採用率上提升迅速,已達 75%,與北美地區差距縮小到 7%。在這樣的環境中,Agent被直接放進生活,接受最直觀、也最嚴苛的檢驗——能否把事辦成。從這個角度看,千問的策略,代表了一種務實的中國式路徑:優先尋找高頻場景,將 AI 能力接入日常生活,通過解決真實的使用者需求,來推動 Agent 技術的成熟與迭代。不妨大膽猜測,千問 30 億補貼買到的,並不只是訂單量,而是這代使用者對“下一個網際網路入口”的提前適應。Agent 時代的門,可能已經在這個春節,被推開了一條縫。 (雷峰網)
2025年度AI創業公司TOP50
2026年1月13日,前釘釘副總裁王銘創立的攀峰智能正式對外宣佈完成數千萬元種子輪融資,2025年10月王銘創立攀峰智能,公司定位為“AI時代的Shopify”,致力於打造商業化視訊Agent。AI應用爆發的這一年,下海創業的遠不止王銘一人,一批曾深度參與釘釘從工具到生態、再到AI戰略轉型的核心高管,正密集走出大廠,投身AI原生創業浪潮。例如,釘釘前副總裁、智能硬體生態總經理林峰於2025年離職後計畫創業聚焦AI辦公硬體領域,釘釘前CEO葉軍也於2025年7月離職投身AI Agent賽道。不僅是中國大廠高管紛紛離職創業,前OpenAI首席技術官Mira Murati創辦的Thinking Machines Lab也已完成20億美元種子輪融資,前GoogleDeepMind資深研究員Andrew Dai與蘋果研究科學家Yinfei Yang聯手創立AI公司Elorian,種子輪融資目標高達5000萬美元。2025年創投圈焦點依然還是在AI、具身智能領域,年終最熱門的AI創投事件是以數十億美元的價格被Meta收購的AI agent公司Manus,Manus的爆火也可以看作是今年社媒流量改變AI創業生態的起點之一。在AI領域,還有更年輕的創業者。成立於2024年的首形科技,95後創始人胡宇航僅抖音平台粉絲量就達到了142.6萬(截至2026年1月25日),Pre-A輪融資高達上億,與手游《逆水寒》合作的角色“方承意”仿生機器人亮相杭州CP32Pre漫展,得益於雙目視覺系統,他能夠與面前的觀眾進行“眼神”交流,並通過搭載的AI仿生運動演算法,做出自然的表情與頭部動作。可以看到的是,越來越多不同AI垂直領域的創業公司湧現,讓AI應用正在從“工具”走向“夥伴”,從“功能”向“情境”轉變。AI在反映人類的需求與渴望的同時,也在重塑社會生產與消費的模式。2025年以來,頭部公司完成的融資額已經達到了數億甚至超十億的規模,技術競爭的壁壘正在被越築越高,AI應用落地也已經從概念驗證階段步入商業快速變現期。AI創業公司從誕生到規模化盈利的周期正在被極度壓縮,2025年真正跑出來的AI公司有一個共性:永遠在為下一個變化做準備,AI時代的創業邏輯是持續進化。結語當今的創業沒有冷門賽道,大家都在百花齊放,AI似乎能夠改變千行百業,但想要真正成長,更多的還是“專注”。 (DBC德本諮詢)
中國半導體,預計增長31.26%
根據Omdia發佈的半導體產業觀察,AI應用模型正在中國各垂直行業廣泛落地,標誌著邊緣AI時代的到來。眾多大語言模型(LLM)正在各行業積極部署垂直應用模型。具備邊緣推理能力的數字終端將快速增長,成為中國半導體產業擴張的重要驅動力——尤其是成熟工藝技術領域。2025年四季度最新資料顯示,2026年中國半導體市場預計增長31.26%,市場規模將達到5465億美元。《半導體應用領域市場預測工具(AMFT)- 中國地區(2Q25)》預計中國半導體市場在2025年增長16.17%,2026年增長13.63%。在《半導體應用領域市場預測工具(AMFT)- 中國地區(4Q25)》報告中,2025年四季度的更新將預測上調為2025年增長21.63%、2026年增長31.26%。2025年第四季度預測中,儲存市場規模顯著上調。與二季度版本相比,對2026年儲存市場的預測在新版本中增長了62.8%、對2027年的預測增長了53%、2028年的增長了36%、2029年的增長了25.8%.隨著2025年第四季度開始的全球AI大基建的狂潮,中美雙方AI對於記憶體的消耗量是指數級增長,資料中心的大規模部署帶來的高性能儲存晶片(HBM)需求暴漲。供應受限而需求增加,在供需失衡的大背景下,記憶體價格經歷著巨大的波動,並且根據Omdia的預測,這樣的緊缺會延續到2027-2028年。隨著AI發展勢頭日益明確,儲存晶片供需進一步失衡,全球短缺狀況持續蔓延。中國高端儲存晶片(HBM、高端DRAM、NAND)自給率仍然較低,約90%的供應依賴三星和SK海力士,而美光仍面臨政治限制。因此,市場議價能力偏弱,儲存晶片單價居高不下。計算與無線通訊類別受儲存產品影響顯著,市場規模大幅增長《半導體應用領域市場預測工具(AMFT)- 中國地區(4Q25)》修訂了主流應用增長趨勢。相較於《半導體應用領域市場預測工具(AMFT)- 中國地區(2Q25)》中 “計算與資料儲存”類別,在《半導體應用領域市場預測工具(AMFT)- 中國地區(4Q25)》版本中呈現出更為明顯的增長趨勢。2026年和2027年的資料均較前一版本上調20%以上。主要驅動因素是資料中心推動下高端儲存晶片用量與單價上升,以及5nm及以上先進工藝節點中AI相關邏輯晶片的採用。“無線通訊”類別是另一個增長顯著的應用領域。然而,這一收入增長主要由於供需失衡,導致電子裝置中使用的儲存晶片(LPDDR、3D NAND)ASP顯著上漲所致,而非對無線終端(智慧型手機、平板等)的市場需求出貨量提升。2025年四季度市場反饋顯示,儲存ASP持續上漲及供應商簽訂非長期協議的做法促使多家OEM下調2026年出貨量預期。AI將為中國帶來新的半導體應用因輝達AI晶片對華禁售,2026年中國本土AI晶片供應商的市場份額將進一步擴大。2026年,邊緣AI將為中國的推理AI晶片帶來顯著增長機會。終端裝置中AI的滲透率預計在2026年持續提升,為滿足低時延網路連線的需求,無線的裝置連接變得日益重要。對於具備端到端AI處理能力的裝置而言,採用混合專家模型(MoE)架構是加速開發處理程序的關鍵,尤其是在壓縮和小型化大模型方面。Omdia表示,看到了算力與AI生態深度協同的有力證據,這展現了中國在AI基礎設施領域的多元化突破。2026年,隨著技術與生態的持續協同,中國智算能力將發揮愈發重要的作用。 (半導體芯聞)
【達沃斯論壇】對話微軟CEO薩提亞·納德拉:泡沫或已存在,應關注AI價值實現
在 2026 達沃斯世界經濟論壇第二天,微軟 CEO 薩提亞·納德拉(Satya Nadella)與 BlackRock CEO 拉里·芬克展開了一場備受矚目的對話。在 AI 技術狂熱逐漸退去、市場開始審視實際回報的背景下,納德拉的發言顯現出冷靜與務實的基調。他不再單純強調模型參數的突破,而是將核心議題轉向了 AI 的 “有用性”(Usefulness)、社會許可(Social License) 以及能源與基礎設施的制約。他警告稱,如果技術不能轉化為具體的社會與經濟成果,通過消耗稀缺能源來換取 “Tokens” 將面臨巨大的正當性危機。與此同時,全球數字鴻溝的擴大也成為本次論壇的焦慮點之一。AI“有用性” 與社會許可:從結果出發納德拉在發言中提出了一個尖銳的觀點:AI 產業的存續不僅取決於技術能力,更取決於其獲得的 “社會許可”。“如果這些 Tokens 不能改善健康結果、教育成果、公共部門效率以及私營部門的競爭力,我們將很快失去使用能源這一稀缺資源的社會許可。”這種 “有用性” 導向意味著,僅僅擁有領先的大模型已不足夠。評判 AI 價值的標準正在從 “能做什麼(Capability)” 轉向 “改變了什麼(Outcome)”。納德拉強調,必須將 AI 應用於改變社區、國家和產業的實際結果。可衡量的 “有用” 場景示例醫療健康:利用 AI 加速藥物研發與疾病診斷,直接提升患者治癒率與生存質量(如沙烏地阿拉伯衛生部門的實踐)。教育普及:通過個性化 AI 導師填補師資缺口,特別是在教育資源匱乏的地區。政務效率:自動化處理公共服務流程,降低行政成本並提升響應速度。全球擴散的不均衡:能源、資本與 “Tokens” 經濟學AI 的全球部署正面臨嚴峻的物理與經濟瓶頸。納德拉將算力形象地比喻為一種新的全球商品——“Tokens”,而生產這些 Tokens 需要巨大的能源與資本投入。能源成本決定勝負: 納德拉指出,“任何地方的 GDP 增長將直接與使用 AI 的能源成本掛鉤”。如果一個國家能以低廉的成本提供能源和資料中心基礎設施,它就能更高效地將 Tokens 轉化為經濟增長。全球北方的優勢根據 Microsoft 資料,全球北方國家約有 25% 的人口正在使用生成式 AI。資本密集型的基礎設施建設正在快速推進。全球南方的挑戰全球南方國家的 AI 使用率僅為 14%。IMF 資料顯示,低收入國家僅有 20-26% 的工作受 AI 影響(主要因數位化程度低),面臨被進一步邊緣化的風險。為緩解這種不均衡,納德拉與 IMF 總裁格奧爾基耶娃等呼籲採取 “公私協同” 的投資策略。除了建設資料中心,還需要關注水、電、矽片(晶片)的總擁有成本(TCO),並加強全球範圍內的技能培訓。企業 AI 戰略:從編排到主權,再到工作流重構針對企業如何落地 AI,納德拉提出了 “編排能力”(Orchestration)的核心概念。他警告大型企業,如果不重塑工作流,將會被 “更小但善用 AI 的公司” 挑戰。編排能力(Orchestration): 企業不僅要呼叫模型,更要具備將模型、私有資料、業務工作流、安全與治理系統化組合的能力。去層級化與資訊流扁平化: 傳統組織中資訊是 “自下而上滴灌” 的,而 AI 使得資訊流瞬間扁平化。企業必須重新設計組織結構,減少中間層級,以適應這種新的資訊流轉速度。務實的 AI 主權: 所謂的 “AI 主權” 不應僅僅是建立自己的大模型,更重要的是確保對資料的控制權、合規性,以及跨區域的基礎設施訪問能力。企業落地執行清單建構統一的企業級資料底座(Data Foundation)。圍繞 AI 能力重新設計核心業務流程(Business Process Re-engineering)。建立嚴格的權限管理與合規審查機制。最佳化能耗與總擁有成本(TCO),關注 ROI。歐洲與全球競爭:視野與成本曲線在談及歐洲的競爭力時,納德拉直言不諱地指出,歐洲往往過多關注 “歐洲內部” 的保護與監管,而忽視了全球視野。他認為,歐洲的競爭力應當體現為 “其產出在全球市場上的競爭力”。如果歐洲企業無法以具有競爭力的能源成本和算力成本(TCO)生產產品,單純的 “主權” 保護將毫無意義。能源價格、資料中心建設速度以及矽片成本曲線,將是決定歐洲能否在 AI 時代保持工業地位的關鍵變數。泡沫與風險:從供給敘事到生產函數重構面對關於 “AI 泡沫” 的質疑,納德拉給出了清晰的判斷標準:泡沫徵兆:如果市場討論僅停留在 “技術供給側”(如 GPU 採購、模型參數),而沒有需求側的實際價值產出,那麼泡沫確實存在。解決路徑:必須重構 “生產函數”。只有當企業利用 AI 改變了其營運成本結構或創造了新收入時,投資才能轉化為真實的經濟價值。他與拉里·芬克一致認為,避免泡沫的唯一方式是讓 AI 的價值 “廣泛可感知”,即讓更多普通人、小企業和開發中國家能夠觸達並受益於這一技術,實現廣泛的繁榮。結語縱觀 2026 達沃斯論壇,薩提亞·納德拉對 AI 的討論顯然更加成熟和務實:AI 的 “有用性” 與社會許可被置於首位,技術必須服務於人類福祉,而能源與基礎設施成為決定國家與企業競爭力的硬約束。而在組織變革上,企業競爭的勝負手在於 “編排能力” 與工作流的徹底重構。唯有讓價值落地並惠及大眾,才能避免技術泡沫的破裂。 (黯曉)
高盛:頂級AI應用追蹤報告(2026年六大核心AI主題)
從高盛2026年1月發佈的《中國網際網路觀察:頂級AI應用追蹤報告》,可以深刻感受到這是對中國AI產業生態一次系統性、資料驅動的戰略級掃描。報告提出2026年將是戰略轉折點,網際網路巨頭在To-C AI投資(資本支出+營運支出)上的步伐將顯著加快,競爭焦點聚焦於打造AI超級入口,同時更協同地捍衛各自核心賽道地位。在這一宏觀判斷下,報告提煉出六大核心AI主題,構成了理解未來12-18個月中國AI產業演進的主框架。一、AI廣告技術(AI/adtech)驅動廣告預算進一步向ROI導向遷移,並催生新的答案引擎最佳化(AEO)與生成引擎最佳化(GEO)行銷策略。報告強調,中國市場的AI廣告產品正加速滲透,騰訊的AI M+、阿里巴巴的全站推以及拼多多的全站行銷產品將成為品牌方提升投放效率的核心工具。這一趨勢將深刻改變品牌方的行銷組合策略——從過去高度依賴搜尋引擎最佳化(SEO)轉向SEO+GEO+AEO的立體化佈局,以確保內容在AI聊天機器人和生成式搜尋引擎中的可見性。值得注意的是,中國To-C AI聊天機器人目前基本採取免費模式,這與全球主流採用訂閱制變現形成鮮明對比,其商業化路徑將更依賴廣告收入流而非使用者付費,這意味著AI廣告技術不僅是效率工具,更是整個AI應用生態的"造血系統"。二、聚焦AI模型競爭重心向"代理能力"(Agentic Functions)遷移,核心戰場涵蓋程式設計、統一多模態、3D世界模型/物理AI、長鏈代理能力以及更高性價比的架構創新。報告指出,中國AI企業在程式設計能力上正強勢切入Anthropic Claude的核心市場,字節跳動和阿里巴巴因在文字、視訊、圖像領域的綜合領導力而被視為多模態競賽的有力競爭者。更具突破性的是阿里巴巴高德地圖的" fantasy world"世界模型在物理AI/機器人領域的應用潛力,以及阿里投資的PixVerse發佈的即時世界模型PixVerse R1,該模型憑藉即時響應引擎可在遊戲等場景實現多維度應用。同時,模型最佳化的焦點正轉向長上下文/長期記憶、強化學習(RL)和成本效率,以DeepSeek為代表的研究機構在極端程式設計提示處理及"Manifold-Constrained Hyperconnection"新架構上的探索,預示著中國AI在底層創新上正從跟隨轉向局部突破。三、2026年可能成為To-C聊天機器人、全能助手與AI代理在超級應用中的爆發元年,並對長期應用流量格局產生結構性衝擊。報告警示,聊天機器人的普及不僅威脅傳統搜尋市場,更可能重構整體應用流量分配機制。當前巨頭們將AI助手功能嵌入核心應用(如抖音背景多工處理、微信基於小程序的代理助手、阿里巴巴Qwen結合本地服務3D模型)雖顯著推高了推理成本,但這是構築下一代超級入口的必付代價。全球範圍內,ChatGPT已開始探索在免費版及"Go"訂閱 tier引入廣告,預示變現路徑將模仿社交媒體模式。中國市場的特殊性在於使用者已養成"免費+廣告"習慣,這為AI超級入口的快速滲透提供了土壤,但也要求企業具備承受長期虧損的戰略耐心。四、下一代晶片獲取能力將決定中國與美國頂尖AI模型之間的差距走向,這是六大主題中最具戰略緊迫性的變數。報告坦承,當前中美模型差距約6個月,但未來12-18個月的勝負手不僅取決於中國玩家的資源投入和架構突破(如DeepSeek 2025年1月的突破),更關鍵的是能否獲得Nvidia下一代晶片架構(Rubin vs Blackwell/Hopper)。黃仁勳在CES 2026上披露,Rubin推理性能是Blackwell的5倍,訓練性能高3.5倍,成本降低10倍。在1月10日AGI-Next峰會上,中國模型玩家警告資源、產能和軟體生態瓶頸可能導致差距擴大,但也強調在電力和基礎設施上的優勢。報告特別提及H20對華銷售的演變態勢,並指出國內政策將持續扶持本土晶片研發,這暗示著中美AI競賽正在演變為"算力可及性"與"應用創新速度"的復合博弈。五、AI模型全球化從純開源轉向"開源+閉源"雙軌模式,加速商業化處理程序。報告以阿里巴巴的Qwen3-Max文字模型和Wan2.6視訊模型為例——最優性能模型閉源,其餘模型家族開源——預判中國頭部文字模型將採用"開源家族+閉源旗艦"策略,通過API訂閱和呼叫量收費實現變現。這一轉變的底氣在於中國開源模型(如Qwen)已在全球200多個國家獲得廣泛採用,編碼能力(阿里巴巴、DeepSeek等)和多模態模型(快手Kling)憑藉成本與速度優勢形成差異化競爭力。報告認為,這種"開源建立生態、閉源收割價值"的模式,將使中國AI企業在全球市場的貨幣化能力從2026年起進入快車道。六、AI推理需求/Token消耗的指數級增長,持續驅動雲收入擴張和資料中心資本開支。報告用驚人資料佐證這一趨勢:截至2025年12月,字節跳動豆包大模型日Token使用量已突破50兆(10月為30兆+,超過Google10月的43兆),位居中國第一、全球第三。火山引擎的模型即服務(MaaS)已覆蓋80%的頂級FMCG品牌、90%的主要汽車製造商、70%的中國頂尖985高校和全球前10大手機廠商中的9家。基於此,高盛對阿里雲2026-2028財年的資本開支預測為4540億元人民幣,為華爾街最高預期,並預計雲收入將持續保持38%左右的強勁增長。這一主題揭示了AI投資的核心邏輯:資本開支向雲收入的轉化效率(capex-to-cloud conversion ratio)將成為衡量AI巨頭投資回報的關鍵指標,而Token消耗量就是衡量AI滲透率的"用電量"指標。綜合來看,這六大主題構成了一個從底層算力、模型能力、產品形態到商業化閉環的完整分析框架。報告的核心洞察在於:2026年是中國網際網路巨頭從"AI投入期"轉向"AI收穫期"的關鍵節點,但收穫的前提是能否在晶片可及性、超級入口卡位、廣告技術升級三大戰場上取得突破。那些同時具備全端能力(如阿里巴巴)和關鍵應用入口(如騰訊)的企業,被報告視為最具長期配置價值的核心標的。(TOP行業報告)
2026全球人工智慧技術應用洞察報告
報告名稱:全球人工智慧技術應用洞察報告(文末附全文PDF)一、全球AI競爭呈現"技術-市場-生態"三元分化格局。 美國依託Agent+SaaS模式形成供需精準匹配的生態閉環,以OpenAI、Claude等基礎模型為底座,科技巨頭與初創企業協同驅動,在基礎能力、開源生態和商業化成熟度上保持領先。歐洲則以"高合規、高價值"為特徵,聚焦智能製造、醫療、金融等高風險領域,憑藉GDPR框架下的強監管優勢和"地平線歐洲"等產學研協同機制,在B2B縱深應用上建構壁壘。中國呈現"應用驅動、規模製勝"的獨特路徑,依託統一大市場和頂層政策設計,在電腦視覺、智慧城市等領域實現大規模高效落地,但在基礎模型和晶片等底層技術上仍處於追趕階段,工程化能力成為核心比較優勢。二、技術範式從決策式AI向生成式AI協同,再向AI Agent架構演進。 2025年標誌著AI Agent商業化元年,技術堆疊從靜態規則系統轉向動態演化智能體,實現"數字同事"的人機協作新形態。核心演進體現在三個層面:一是多模態大模型(如Llama 4、Gemma 3)實現感知-決策-執行的端到端閉環;二是決策式AI與生成式AI深度耦合,後者為前者提供高品質資料與資訊輸入,顯著提升可解釋性與可靠性;三是工業、辦公、駕駛等場景湧現垂直Agent,如Siemens Industrial Copilot實現PLC程式碼自動生成,蘿蔔快跑ADFM建構10重安全冗餘的L4級自動駕駛,技術落地從單點工具升級為系統級重構。三、產業驅動力發生"AI for X"到"AI Native"的範式革命。 企業AI預算從邊緣最佳化轉向核心業務流程的重構,尤其在軟體開發與客戶營運兩大環節滲透最快。報告顯示,AI在程式碼自動生成、智能客服等領域已實現70%以上效率提升,推動預算邏輯從"成本替代"轉向"價值創造"。這種重構遵循"高頻重複-資料結構化-人機協同價值高-ROI明確-生態成熟"的五維篩選模型,在辦公自動化、銷售行銷、供應鏈最佳化等場景率先實現規模商用,標誌著AI正從輔助工具升級為業務系統的原生設計要素。四、垂直行業滲透呈現"頭部集中、場景縱深、價值量化"三大特徵。 網際網路、電子通訊、政務公務已成為AI滲透率最高的三大領域(均超90%),但行業價值實現路徑顯著分化。報告提出SCE(戰略價值-成本價值-經濟價值)三維評估模型,量化顯示:網際網路領域AI原生內容(UGC)啟動使GMV提升80%;政務場景公文生成實現格式合規率99.2%與人工降本60%雙重收益;金融智能投顧將服務費率降至0.25%-0.5%並擴大普惠覆蓋;工業製造中擴散模型應用於能源材料研發,使電池能量密度突破500Wh/kg,研發周期壓縮60%。這些案例印證了AI價值已從效率提升延伸至商業模式創新與產業鏈重構。五、未來競爭聚焦行業化、場景化、生態化,但三大風險制約規模化。 市場進入"行業Know-How+場景SaaS+生態協同"的立體競爭階段,技術護城河不再單純依賴模型參數,而取決於對垂直領域資料閉環與業務流程的深度耦合能力。然而,資料安全(API攻擊面擴大、訓練資料洩露)、倫理合規(演算法偏見、虛假資訊、監管滯後)和人才短缺(複合型AI人才供需缺口達1:5)構成三大核心挑戰。應對路徑包括:建構"資料可用不可見"的隱私計算架構,建立AI倫理審查與內容安全過濾機制,以及通過"AI for AI"方式降低技術使用門檻。這三重挑戰的解決處理程序,將決定下一輪產業爆發的速度與廣度。(TOP行業報告)