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)

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)

到2026年，企業管理資料的方式可能會發生翻天覆地的變化。人類不再費時費力地清洗、合併和校驗記錄，自主AI agent將承擔這些繁重任務——決定信任那些來源、即時解決衝突，並在團隊尚未意識到問題前就給出洞察。資料統一與治理前沿公司Reltio 的創始人兼首席執行官接受了媒體訪談， 分享了Agentic AI 將率先落地的場景、它將如何重塑資料團隊的日常工作，以及業務領導者在邁向AI 驅動未來時應關注那些指標。eWeek：當你說企業資料的「agentic AI」時，2026 年它最先改變的日常流程會是那一個——匹配/合併、 survivorship（生存規則）、 enrichment、還是stewardship（資料監管）？Manish Sood：配對與合併將是2026 年最先被agentic AI 改造的日常工作。這裡是當今複雜資料環境與AI 營運對速度和信任需求最迫切的交會點。為什麼是匹配與合併？因為現實世界的資料很髒——充滿重複、不一致和歧義。在agentic AI 工作流程中，每次記錄不完全匹配時都沒有時間讓人工介入。如果AI agent要即時推薦產品、處理理賠或與客戶互動，它必須基於乾淨、統一的檔案運作。借助預訓練、LLM 驅動的匹配模型，我們已經看到從基於規則的「這是同一實體嗎？」檢查，轉向即時解決匹配的代理式工作流程，並附帶置信度評分、可審計性與合規護欄。隨著技術成熟，這將成為所有下游流程（survivorship、 enrichment、 stewardship 等）的智慧「前門」。agentic AI 不只是需要資料，它需要在毫秒級獲得可信、富含上下文、已整合的資料。這一切始於實體解析。因此，匹配與合併首當其衝。eWeek：快速描繪一下2026 年底資料團隊的一天。當agent介入後，資料管理員、分析負責人和業務owner 的工作有何不同？Sood：資料管理員：早上開始查看昨晚已由agent解決並附帶完整審計軌跡的配對建議。他們不再追重複，而是微調策略並「輔導」agent。分析負責人：收到agent關於品質異常的警報，趕在模型漂移前介入。工作重點從清洗資料轉向與業務團隊合作，打造可信賴、可重複使用的資料產品。業務owner：開啟儀表板，每個指標都有agent解釋：什麼改變了、為什麼重要、下一步該做什麼。沒有積壓，沒有瓶頸，只有答案──由受控、agent就緒的資料驅動。有何不同？ agent不只是“協助”，而是行動。團隊從「修資料」轉向「釋放價值」。eWeek：如何讓agent創造單一真實來源又不失去信任？Sood：失去信任並不是因為讓agent幫忙創造真實來源，而是因為它們暗中操作。關鍵在於「受控的自主」。agent可在邊界內自主行動：解決配對、標記異常、從已驗證來源enrichment。結果？透明建立信任。利害關係人不僅看到資料，還看到為何信任它──誰批准的、用了什麼邏輯、何時執行。這就是agent贏得角色的方式——不僅揭示真相，而且持續維繫真相。eWeek：首席資料長（CDO）在企業資料管理中擁抱agentic AI 的前90 天，應期待那些早期勝利？Sood：前90 天，CDO 應能指出一些非常具體的成果。例如，最先注意到的就是AI agent能以極快速度清空匹配積壓。過去資料管理員重複的活兒，現在fraction of the time 完成，讓團隊專注更高價值任務。你還能立即獲得資料品質的可視性。預置代理可按域、按源、甚至按業務影響識別問題——你不僅改善了資料，還優先修復了最關鍵的缺陷。這種清晰度幫助領導者快速建立基線並贏得早期動能。由於分析師終於不用花時間清洗資料，你會看到「洞察時間」縮短。可信任資料產品更快成型，儀表板置信度上升，KPI 重新變得可靠。最重要的是，業務團隊看到了結果：更乾淨的資料、更快的答案，以及證明這並非另一項「技術專案」——而是從第一天就交付真實業務價值。eWeek：到2026 年底，那些KPI 能證明它真的有效？Sood：到2026 年底，agentic AI 對企業資料管理的影響應該能透過幾個清晰的KPI 顯現，它們講述了一個令人信服的故事。第一，人工工作量顯著減少。需要人工覆核的匹配/合併決策佔比下降；資料管理員在重複任務上花費的小時數大幅減少；團隊用於追蹤和解決資料品質問題的時間縮短。第二，資料啟動全面提升。儀表板和資料產品更快上線；喂給AI 模型和流程的資料更可信、更即時；業務使用者能更容易在需要時找到所需資料。第三，信任變得可衡量。資料品質評分在精準度、完整性、新鮮度上提升；血緣更清晰；策略合規率提高；因壞資料或過期資料導致的返工量顯著下降。最後，業務價值加速。從銷售到營運的更多團隊開始用agent輔助決策；更多行動被自主執行且無事故；因可信即時資料而起飛的新用例增多。一句話？更少摩擦、更多信任、更快執行——且全部可追蹤。eWeek：agentic AI 如何改變與法務、安全團隊的資料治理與合規對話？Sood：agentic AI 從根本上改變了與法務、安全團隊的對話。過去擔心“失控”或“引入風險”，如今有證據證明控制其實更強。傳統治理是寫在檔案裡的政策，事後人工執行──被動、審計繁重且緩慢。有了agentic AI，這被翻轉：AI agent在執行階段就執行治理。它們繼承脫敏與存取控制，只在預批邊界內行動，且每一步都記錄完整血緣與理由。因此，當法務或安全問“我們能信任AI 在做什麼嗎？”——答案不僅是“能”，而是“這就是它做了什麼、為什麼做、我們如何知道它符合政策”。對這些團隊而言，這不是leap of faith，而是可量化的控制升級：即時執行、完全可審計、內建監督。代理式治理不是妥協，它被證明更安全。eWeek：規則、LLM 與檢索：如何協同？ agent何時應依賴確定性資料管理規則，何時應使用帶有檢索（RAG）的LLM 做決策？Sood：這不是二選一，而是確保每個AI 決策都錨定在同一個可信基礎上。agentic AI 需要一個即時、富含情境的企業資料圖譜才能可靠地行動。多數企業的客戶、產品、供應商、位置資料分散在CRM、ERP、資料湖、第三方流等數十個系統，資料分散、常孤島、不一致、非AI 就緒。Reltio 透過持續攝取所有這些來源的結構化與非結構化資料，並即時統一：利用高級匹配、 survivorship 邏輯、AI enrichment，在各域建立精準可信的檔案。但Reltio 的獨特之處不僅是產生乾淨記錄，還捕捉實體間的關係與互動——不僅知道客戶是誰，還知道他們與誰關聯、買了什麼、何時打過客服、與產品/供應商/地點如何相關。這就是「資料圖譜」。此圖譜成為AI 的「上下文系統」。它讓每個agent——無論解決配對、個人化優惠、審批理賠——都能獲得即時、可信的基礎，以做出明智決策。因此，agent不再孤立運作，而是共享相同持續更新、受控且可解釋的資料環境。這讓agentic AI 可擴展、合規、與業務邏輯對齊。所以問題不是用那一種技術，而是這些技術錨定在那裡。沒有上下文系統，再優秀的AI 也會碎片化；有了Reltio，它就能大規模可信。eWeek：自建、採購、合作的正確比例是什麼？企業應在那些場景依賴平台（如Reltio+超大規模雲端），那些場景適合客制化？Sood：在AI 與資料領域，最具創新精神的企業不會試圖全自建——而是聚焦自建差異化部分。那正確的組合是什麼？買基礎：資料統一、治理、即時基礎設施不是DIY 領地。你不想花數年拼湊自己的資料脊樑。這正是Reltio Data Cloud™ 等平台和超大規模雲端的用武之地。 （壹號講獅）

不用急於一時，可以耐心一點。2025年2月17日，北京。包括任正非、馬雲在內的多位知名企業家齊聚首都，參加了一場最高規格的民營企業座談會。透過現場影片拍攝到的畫面，可以清楚看到，DeepSeek創始人梁文鋒和騰訊創始人馬化騰也在其中，並相鄰而坐，而他們背後的公司則已圍繞AI展開了嶄新敘事。▲圖片來源：央視新聞截圖1月26日，DeepSeek-R1開始“牆外開花牆內香”，在國內大火。《黑神話·悟空》的製作人馮驥在使用之後，忍不住發文盛讚：DeepSeek堪稱國運等級的科技成果，希望它能讓AI成為你生活中的水與電。國內本已紛繁熱鬧的AI大模型之戰，變得更加撲朔迷離起來。2024年，可以算是中國的AI大模型元年。不僅是包括AI六小虎在內的眾多初創企業動作不斷，各大網際網路巨頭也紛紛親自下場，加入這場混戰之中。在這其中，有字節跳動利用自家抖音、頭條等平台瘋狂進行投流，把豆包APP的下載量做到了國內AI應用榜單的榜首，月活也突破了5000萬大關。而百度，創始人李彥宏則頻繁露面，為自家的文心一言月台、打call。至於阿里，其自研的Qwen系列大模型成了國內最受歡迎的開源大模型，在國際上也處於領先地位。反觀騰訊，作為國內市值最高的網路巨頭，卻似乎在AI時代有些落伍了。競爭對手頻頻秀肌肉，它卻遲遲沒有拿出令人印象深刻的AI產品，甚至被外界詬病「在AI佈局上總是慢半拍」。事實上，騰訊這些年在AI上的投入並不少，之所以外界感受得到的動靜不大，一是因為騰訊本身不愛咋呼，另外其產品也的確缺少在C端炸場。根據騰訊3月19日發佈的2024年財報，過去一年，騰訊在AI上的研發投入高達706.9億元，過去七年累計投入高達3912億元，手筆不可謂不大。早在2023年，騰訊就推出了自研的混元大模型（Hunyuan），並採用了後來被DeepSeek發揚光大的，可以大幅節省計算資源的混合專家（Mixture of Experts，MoE）架構。而且，混元系列大模型的旗艦模型參數規模當時已經達到了兆等級，各項能力都穩居國內第一梯隊，但可惜的是，騰訊自己似乎對AI的走向還有些舉棋不定，所以自己沒有猛推，外界的感知也並不強烈。某方面說，DeepSeek-R1的出圈，加速了騰訊的AI戰略，而且是等候獵物多時的猛虎，突然快速起來。首先是果斷採用「自研+開源」的多模型策略，陸續在騰訊元寶等產品中接取DeepSeek-R1，以此形成「混元+DeepSeek」的雙引擎架構，加速全域產品的AI滲透。藉由DeepSeek-R1的勢能，更多人開始理解騰訊的AI產品，而騰訊也開始緊鑼密鼓加緊自家產品的研發。就在3月21日，騰訊推出了自研的深度思考模型混元T1正式版。它以騰訊在3月初發佈的業界首個超大規模Hybrid-Transformer-Mamba MoE大模型Turbo S為基座打造，是工業界首次將混合Mamba架構無損應用於超大型推理模型。這種架構可以有效降低傳統大模型Transformer結構的計算複雜度，顯著提升了推理速度。在實際運行中，其吐字速度最快能達到80 tokens/s，快於DeepSeek-R1。此外，根據MMLU-pro、CEval、AIME、Zebra Loigc等多個公開資料集的評測結果顯示，T1在中英文知識和競賽級數學、邏輯推理指標上，均達到了業界領先推理模型的水平。與此同時，騰訊也對集團組織架構進行了同步調整，以配合自己的策略轉向。今年2月開始，包括QQ瀏覽器、搜狗輸入法、AI工作台ima、AI助手元寶等核心To C產品，其團隊都從PCG（平台與內容事業群）遷至了CSIG（雲與智慧產業事業群），從而進一步加速實現技術中台與產業場景的深度融合，為使用者提供更高品質的AI體驗。騰訊元寶也一舉擊敗去年風頭無兩的字節豆包，成了國內AI應用的新榜首。儘管騰訊旗下眾多應用都接入了DeepSeek-R1，但如果論起在一般使用者中間產生的震動和影響力，那毫無疑問是微信。對一般大眾來說，他們不一定會用字節豆包、騰訊元寶、百度文心一言，甚至不一定知道什麼是AI助理。但有極大機率，他們的手機裡都有一個微信。作為一款月活超過13億的國民級APP，微信的使用者規模在中國無出其右。藉由微信，騰訊旗下龐大的各項業務得以彼此連接、盤活。正因如此，微信的一舉一動都會被無限放大，引得萬千關注。微信是騰訊手裡最大的底牌，「微信+DeepSeek」的組合，可能會爆發出其它三方應用所無法達到的能量，成為騰訊實現To C端AI戰略的關鍵勝負手。就目前全球AI大模型的落地情況而言，搜尋是最大的應用場景。但是，今天的搜尋早已不是Google、百度這樣的搜尋引擎獨大的時代了。移動網際網路的崛起，讓多如恆河之沙的資料被封存在了一個個獨立的APP應用中，網際網路世界也因此正在分裂成一個個「資料孤島」。知乎可以做搜尋，小紅書可以做搜尋，微信同樣可以做搜尋。而微信公眾號作為目前中文網路最優質的內容聚集地，擁有大量高品質的中文資訊。微信+DeepSeek，也將就此打造出「最優質內容搜尋+最強AI模型」的王炸組合。其它平台，都難以達到這樣的高度。令人興奮的還不止於此。微信是什麼？除了是聊天工具、內容聚集地，更是一個天然的應用社群。無數第三方小程式集聚其間，為我們提供各種便利的服務－掃碼點餐、提前訂票、查班機資訊…在未來，藉由AI這個槓桿，這種優勢可能會得到進一步的放大。舉個例子：不少人在出遊旅遊前，都嘗試過用AI大模型給自己制定一份專屬的旅遊計畫。結果，生成的內容乍看條理明晰、有理有據，但仔細一看，經不起推敲。這是因為，AI在無法獲取完整、精準資訊的情況下，只會按照既定邏輯自行“編瞎話”，以求儘量“圓滿”完成你交給它的任務，從而導致出現了嚴重的大模型幻覺。但微信內集合了豐富的第三方小程序，也包括各地旅遊景區的官方小程序。一旦它們的API介面可以和AI大模型打通，類似的問題可能就會少很多。這種「搜尋即服務」的模式，將會極大程度促進AI的落地滲透。到那個時候，微信就不只是一個社群平台，而是會進化成一個智能體平台，幫你自動執行訂機票、寫檔案、分析財報等等任務。這種解放雙手的事，想想就很美好。當國民級APP遇上國運級AI，一個全新的、真正實用的AI Agent（AI智能體）或許才真正已經在路上。2025年之前，作為最有實力的玩家之一的騰訊，為什麼對AI沒有那麼高調，也沒有那麼迅猛？它懈怠了嗎？它掉隊了嗎？現在來看，它並沒有。一方面，它在悄悄加速AI的佈局，除了自身業務的AI化和AI項目研發，如引入AI到更多廣告行銷與企業服務等業務場景，訓練基礎模型，也在從投資上匹配。例如，先後參與了頭部大模型企業智譜AI、百川智能、月之暗面的投資。一方面，它也在觀察，在思考，在刻意放慢腳步，在等待一個「一擊必中」機會。騰訊2023年的股中國會，正值ChatGPT火爆全球，AI成了不少投資者關心的問題，國內多家大廠已擼起袖子猛幹，騰訊卻沒啥動靜，於是有人把問題拋給馬化騰：騰訊對AI怎麼看，怎麼應對？馬化騰的答案一度被認為是，給行動遲緩找藉口。他說，對於AI，很多網路企業都有很多的積累，都在做相關的東西。騰訊也一樣在埋頭研發，但是並不急於早早做完，把半成品拿出來展示。“AI就像是幾百年不遇的、類似發明電的工業革命一樣的機遇，在這種等級的大機遇中，早一個月把電燈泡（AI）拿出來，其實並不那麼重要。”今年3月19日的騰訊業績發佈電話會上，騰訊元寶已經後來居上，馬化騰再一次談到了AI相關的內容。言語中，似乎在呼應先前的不急症：騰訊經過慎重思考，已經在幾個月前重組了AI團隊，以聚焦於快速的產品創新及深度的模型研發。此外，他也特別談到，雖然目前AI生態還處於早期階段，但應用發展的機會已經到來，騰訊在2025年會繼續加碼AI的資本支出。這個支出是多少呢？根據騰訊總裁劉熾平的透露，“預計資本支出將佔收入的低兩位數百分比”。如果以騰訊去年的收入規模和成長率換算，差不多是將近千億。這個投入力度，雖然略低於另一家網路巨頭阿里巴巴先前宣佈的單年投入金額，但相差不算太大。雖然真正的戰爭才剛剛開始，但回顧這兩年從被認為落後到現在的突然領先，似乎也印證了馬化騰當初對AI發展的判斷——不用急於一時，可以耐心一點，謀定再動，會來得及。這是一種謀略，也是一種定力，這值得學習。[1] 《騰訊要為AI砸千億重金》，全天候科技[2] 《騰訊還是那個騰訊》，資訊平權[3] 《馬化騰：AI是幾百年不遇的、類似發明電的工業革命一樣的機會》，中國基金報 （華商韜略）

美國公佈新一輪全球AI算力出口管制的不到48小時內，五家中國 AI 企業不約而同都發佈大模型新品和相關技術進展，用“實力”進行回應。 鈦媒體AGI獲悉，1月15日上午，AI上市公司科大訊飛發佈國產深度推理大模型“訊飛星火X1”，這是科大訊飛與華為聯手訓練出的中國首個基於全國產算力的具備深度思考和推理能力的大模型，對標OpenAI o1系列，中文數學能力國內第一，並率先應用於教育、醫療等剛需場景。同時，科大訊飛還公佈訊飛星火4.0 Turbo升級版、國內首個具備端到端語音到語音同傳能力的星火語音同傳大模型。 幾乎同一時間，“大模型六虎”MiniMax和月之暗面也分別推出全新模型和服務。此外，15日下午，AI視訊模型公司生數科技對外公佈Vidu 2.0版本，生成速度最快不到10秒，單秒視訊成本僅需“4分錢”；面壁智能則公佈端側4o即時語音互動模型MiniCPM-o 2.6，具備全模態，端到端，即時音視訊通話。 截至目前，全球 AI 企業總量超過4萬家，其中，中國生成式 AI 產業蓬勃發展，中國生成式 AI 產品使用者規模高達2.3億人，產業規模和產品數量迅速增加，初步建構了較為全面 AI 產業體系，相關企業超過4500家，核心產業規模已接近6000億元，產業鏈覆蓋晶片、演算法、資料、平台、應用等上下游關鍵環節。同時，中國已經完成備案並對外服務 AI 大模型超過270個，總註冊帳戶數超過13億。