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)

近年來，全球人工智慧（AI）競爭日趨激烈。部分評估報告強調美國的領先地位，而另一些觀點則認為中國正在削弱美國的主導優勢。相比之下，其他發達經濟體的進展卻鮮少受到關注。現有跨國比較主要依賴綜合指數—這類指數雖具基準參考價值，但受權重設定與聚合偏差影響，可能模糊人工智慧能力的關鍵維度。更清晰地把握各國AI實力，有助於更準確地解讀全球AI競爭格局。本報告通過整合關鍵指標的國際對比，評估各國在AI領域的相對準備度與表現。分析表明：美國在基礎設施（除電力相關設施外）、算力資源和投資環境方面仍保持重要優勢；發達經濟體在擴展算力規模和吸引投資方面面臨更大挑戰；中國在科研產出與應用落地領域進展迅猛，但其基礎支撐設施的完善程度尚待明晰。實體與數字基礎設施實體與數字基礎設施構成人工智慧應用的基礎支撐。實體基礎設施包括資料中心與高性能計算硬體，需要穩定的能源、通訊與製造能力作為保障。數字基礎設施則涵蓋雲端運算、資料訪問及支撐大規模模型部署的相關工具。如圖1所示，美國在計算裝置、軟體與資料庫領域進行了超前的大規模投資—1995至2021年間，這些領域的實際年投資額增長超十倍，遠超其他發達經濟體2-4倍的增長幅度。這些早期投入建構的算力網路與硬體基礎，為美國引領人工智慧領域的創新研發與技術擴散奠定了先發優勢。圖1. AI相關實體與數字基礎設施投資規模算力—即用於人工智慧訓練和推理的處理能力及網路資源—是衡量國家AI研發與應用能力最直觀的指標。資料中心、處理器（CPU與GPU）及更廣泛的計算系統共同支撐著現代AI工作負載日益增長的需求。過去十年間美國資料中心建設迅猛增長。截至2024年，美國擁有約4,049座資料中心，數量遠超歐盟（約2,250座）、英國（484座）和中國（379座）。僅2024年全年，美國新增資料中心容量達5.8吉瓦，同期歐盟與英國分別新增1.6吉瓦和0.2吉瓦。若以人均標準衡量，美國每千人口伺服器保有量達99.9台，顯著領先其他發達經濟體與中國（圖2A）。圖2. 算力指標對比高端計算—特別是AI超級電腦—對大規模模型訓練及近年興起的推理任務尤為關鍵。美國在AI超算總容量方面佔據主導地位，掌控全球約74%的高端AI算力，中國與歐盟分別持有14%和4.8%（圖2B）。能源基礎設施風險AI工作負載的快速增長正推動資料中心電力需求大幅攀升，這使得發電與輸電能力對AI基礎設施的支撐作用日益凸顯。蘭德公司預估到2028年全球AI電力需求可能達117吉瓦，國際能源署則預測至2030年全球資料中心耗電量將翻倍以上，其中美中兩國將貢獻80%的增量。中國早在十餘年前發電裝機容量已超越美國（圖3），目前總裝機容量約3200吉瓦，遠超美國的1293吉瓦和歐盟的1125吉瓦。僅2024年一年，中國淨新增發電裝機容量達429吉瓦，超過美國同期淨增量的15倍。圖3. 發電裝機容量對比美國發電與輸電能力能否跟上資料中心需求的快速增長尚存疑問。當前已建資料中心約佔美國平均能耗的8.9%，顯著高於歐盟的4.8%與中國的2.3%，這凸顯出美國需要大幅增加電力供應以支撐AI基礎設施的持續擴張。私人投資與研發投入美國在AI領域的私人投資規模遠超其他發達經濟體。圖4顯示，2013至2024年間美國AI私人累計投資額突破4700億美元，而歐盟國家總額約500億美元，英國280億美元，加拿大150億美元，日本僅60億美元。在AI基礎設施、基礎研究及資料管理處理領域，美國與其他發達經濟體的投資差距尤為顯著。此外，美國還吸納了全球AI資料類初創企業的大部分風險投資，以及生成式AI領域超75%的公開融資規模。圖4. AI私人投資對比企業層面對AI關聯領域的研發投入進一步鞏固了美國的領先地位。以研發支出佔銷售額比重衡量的研發強度顯示，美國企業在ICT硬體與軟體領域均保持最高水平（圖5）。歐盟在硬體領域稍遜一籌，軟體研發則遠落後於美國—儘管其過去十年增長顯著。中國企業硬體研發規模較十年前有所提升，但軟體研發強度不升反降，兩項指標均與美國存在較大差距。這一態勢與經濟合作發展組織最新發現相符：美國企業開展商用AI專項研發的比例顯著高於其他發達經濟體同行。圖5. 企業研發投入佔銷售收入比重人工智慧國內應用現狀跨國比較AI應用程度面臨多重挑戰。來自私營機構、企業和大學的調查資料顯示的AI應用率通常遠高於國家統計資料，這主要源於樣本中AI密集型行業的大型企業佔比過高（縱觀各國調查，大型企業的AI應用率普遍較高）。因此美國在史丹佛大學AI指數等調查中位居榜首並不意外。國家統計機構採用更具代表性的抽樣方法，覆蓋了更多因各種原因尚未採用AI的中小企業（詳見附錄C）。定義差異使跨國比較更趨複雜。例如美國人口普查局的雙周BTO調查統計過去兩周內的持續AI使用情況，而歐盟統計局年度報告的應用統計則未明確使用強度。正如Crane、Green和Soto（2025）指出，若在調查中納入就業權重考量，美國AI應用率將顯著提升，這表明僅依靠企業層面反饋可能低估AI技術的實際滲透程度。表2：AI應用率重點調查結果對比其他衡量擴散程度的指標—例如關注職場中AI相關技能的指標—顯示美國顯著領先於其他發達經濟體。以促進非AI崗位向AI崗位轉型（反映勞動力向AI技能提升與再培訓的指標，見圖6a）為例，僅法國在此項上超越美國。而在製造業生產流程的AI融合程度方面（圖6b），美國遠超發達經濟體同行，同時在教育、金融及科技服務領域的AI應用也保持領先（見表A3）。隨著企業和個人AI應用度量標準的持續完善與標準化，各發達經濟體在全經濟領域AI滲透程度方面的定位將愈發清晰。圖6. 勞動力市場AI滲透度重點指標結論本報告闡明，美國在AI能力的關鍵領域大多領先於其他發達經濟體，而中國的最大優勢在於能源基礎設施。附錄A：附加資料二、投資格局美國吸納了全球AI與資料類初創企業的大部分風險資本，在生成式AI初創企業已披露的私人風投中佔比超75%（見表A2）。截至目前，美國風投資金集中於資訊技術、媒體/行銷、醫療保健及金融領域，在這些方面相對中國及其他發達經濟體保持絕對優勢。中國在教育培訓類初創企業的私人風投方面略勝美國，同時在AI算力類初創企業的投資力度也大幅領先，是唯一在該領域風投規模接近美國水平的國家。相比之下，歐洲與日本在各領域的風投規模均與美國和中國存在顯著差距。 (Rick筆記)

一位年輕的水管工的故事震撼人心“我今年30歲，是一名水管工，去年收入已經達到了10萬五千美元，預計今年還能更高。”來自德州聖安東尼奧的Rich Ottomanis說道。他曾經夢想通過大學獲得穩定的白領工作，但如今，他的職業路徑卻反映出一個令人震驚的趨勢——藍領崗位正以驚人的速度崛起，甚至比白領工作更具吸引力。傳統觀念的轉變：從“讀大學，找白領”到“藍領更有前途”在20世紀60年代，藍領工種如水管工、電工、機械師曾是美國製造業的核心，少部分人擁有大學學歷，更多人靠技藝謀生。隨著80年代到2000年代經濟向服務和高科技轉型，大學學歷逐漸被視為成功的必備鑰匙，手工技藝逐漸被邊緣化。  然而，近年來，自動化和AI的迅猛發展正改變這一格局。許多曾經被認為“安穩”的辦公室工作正逐步被機器人和演算法取代。2025年，四成的年輕大學畢業生開始轉向藍領崗位，成為新一代“工匠”。AI的崛起：傳統白領崗位正變“危險區”近年來，AI和自動化技術大幅降低了辦公類任務的需求。根據統計，未來三年內，30%的辦公工作有望實現自動化，例如法律助理、行政助理、客戶服務等崗位的需求正在縮減。而那些需要體力、手藝、現場操作的崗位，比如電工、管道工、機械修理工，反而需求上升。  “AI無法修橋、維護基礎設施，也無法替代需要實際操作的工人。”——一位行業分析師如此評論。藍領崗位工資上漲：吸引力逐漸增強資料顯示，美國藍領工種的薪資增長速度甚至超過許多白領崗位。以電工為例，2023年至2033年預計增長11%，平均工資接近10萬美元。管道工的工資從2020年以來增長了17.5%，在加州等地甚至達到每年9.9萬美元。技術工人如焊工、風電技師的薪資也在持續攀升。  “現在，藍領工作不僅有保障，收入還在快速提升。”——Rich說道。青年觀念的轉變：不再盲從“大學夢”面對職業市場的劇烈變化，越來越多年輕人開始重新思考“大學是否值得”？據調研，超過一半的Z世代青年更看重技能培訓和職業穩定性。職業培訓成本低、入行快、無需背負沉重債務成為新趨勢。  “我花不到一萬塊就能成為水管工，收入還不錯，為什麼還要花幾十萬去讀大學？”——許多青年的心聲反映出新一代的理性選擇。新經濟格局下的“藍領崛起”——機遇還是風險？AI的迅猛發展帶來的是一個前所未有的轉型期，傳統的白領崗位正面臨巨大壓力，職業安全感受到衝擊。而藍領崗位憑藉技術升級、工資增長、崗位穩定性，逐漸成為新的“香餑餑”。這背後既是市場需求的變化，也代表著技能價值的重估。對於年輕一代而言，選擇何種職業已不再是單一的“學歷”問題，而是看重實際技能和未來發展空間。這是一個充滿挑戰，也充滿機遇的時代。敢於轉型、提升技能的人，很可能在風雲變幻中脫穎而出。未來，誰能把握住“實用技能+持續學習”的鑰匙，就能在新時代的職場中穩步前行。當“高學歷”不再是唯一通行證，藍領職業正迎來新黃金時代。年輕人是否能夠看清趨勢，勇敢轉變，將決定他們的未來走向。這個時代，實用技能，就是最強的“通行證”。 (YouWoAI)

【導讀】 就在DeepSeek以低成本模型攪動全球AI格局之際，OpenAI CEO Sam Altman與軟銀創始人孫正義在東京進行了一場重磅對話。 在昨天這場2月3日的對話中，Altman首次公開回應了DeepSeek帶來的挑戰，並透露了OpenAI的技術路線選擇。 一向高調的孫正義更是直言不諱地表示，未來幾年AI算力投入將呈"10×10×10"的指數級增長，直指當前以DeepSeek為代表的"低成本路線"。

紅杉資本剛剛發佈了2025年AI預測報告，作為全球頂級投資機構，他們的觀點總是格外引人注目。 讓我們一起來看看，在紅衫看來，2025年的AI的世界將會是什麼樣的格局。 一、"五虎將"的超能力之戰：各顯神通 如果說2024年是各家公司在"追趕GPT-4"，那2025年將是真正實力的比拚。紅杉資本認為，目前已經確定了五大主力選手，每家都有獨特的"制勝法寶"。

“理想國” 的分裂，新 OpenAI  如何取代舊 OpenAI。 迄今誕生的所有網際網路產品，只有兩個能在上線兩年做到每周 2.5 億人用，一個是抖音，一個是 ChatGPT。區別在於，ChatGPT 起步沒有讓人上癮的舞蹈，也基本不買量推廣。 到今年 11 月，ChatGPT 產品問世滿兩年，給 OpenAI 帶來 37 億美元收入，遠遠甩開 Google、Facebook 同一時期的水平，高過拼多多上市時的情況，1570 億美元的公司估值也破了歷史紀錄。 數字不那麼性感的一面是，OpenAI 一年 37 億美元收入，靠的是近 90 億美元支出——花 2.4 元，拿回 1 元，是 WeWork、商湯等級的經營效率。

隨著ChatGPT的火爆，AI產業今年開始進入新的階段。 在2015年前，人工智能發展以小模型為主導地位，能夠較好地適應在垂直領域的分析任務，但是在通用交互相關的任務上，由於表達和理解能力欠缺，無法完成生成類的任務。但隨著計算機深度學習模型的進展，同時算力成本降低，逐漸開始探索並訓練大語言模型。 可以說大模型的出現，大家才真正看到人工智能的影子。大模型提高了人工智能的水平和範圍，使得人工智能能夠處理更複雜和多樣的語言問題，如文本理解、生成、翻譯、摘要、問答等。它極大地推動了人工智能的創新和想像，馬化騰表示“這是幾百年不遇的、類似發明電的工業革命一樣的機遇。” AI已經是戰略上的必爭之地，小到企業大到國家。