“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)

在全球大模型市場邁向2065億美元（2029E，CAGR 81%）的處理程序中，應用層將成為核心增長極，預計貢獻1515億美元市場空間（CAGR 84%）。當前行業正處於從"技術驗證"向"商業閉環"跨越的關鍵節點，DeepSeek V4發佈預期與Minimax港股上市成為近期類股估值修復的重要催化。細分賽道呈現差異化競爭格局：1）AI通用助手正經歷頭部整合，字節豆包以1.55億周活使用者領跑中國市場，但騰訊、阿里戰略加碼後，"元寶"、"千問"正加速追趕（分別為0.21億及未披露資料），未來第一梯隊（字節/騰訊/阿里/DeepSeek）與腰尾部廠商的資源差距將拉大；2）AI陪伴作為高增長藍海，2030年市場規模有望達700億美元（CAGR 200%），Minimax旗下Talkie以2350萬MAU躋身全球第一陣營，情緒價值付費的商業模式逐步驗證；3）視覺生成賽道中，快手可靈憑藉技術領先（2.6版本動作控制功能）+成本優勢（API價格僅為Sora的1/7）實現商業化突破，月收入達2000萬美元（ARR 2.4億美元），對標Minimax 222倍ARR估值，可靈合理估值約28-84億美元（佔快手市值6-18%），存在顯著價值重估空間。(TOP行業報告)

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)

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)

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)

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)

朋友們，今天聊聊眼下的生意和未來的錢。最近很多人在焦慮，做外貿的擔心關稅，做實體的抱怨內卷，做網際網路的在裁員。大家的共識是，舊地圖找不到新大陸了。如果感到迷茫，不妨抬頭看看那個瘋子——馬斯克。不管你喜不喜歡他，都得承認，他是地球上最敏銳的資本雷達。馬斯克最近的佈局非常清晰，他在賭國運，也在賭人類的命運。他手裡攥著六張底牌：商業航天、人形機器人、無人駕駛、腦機介面、AI應用、新能源與儲能。這六個詞，很多人聽了會覺得，這太高科技了，跟我這賣貨的、做加工的有什麼關係？其實關係大了。如果只把它們當成科技新聞看，那確實是在看熱鬧。如果把它們當成產業鏈重構的訊號看，那裡就都是黃金。我們一個個拆解，看看這六大方向裡，到底藏著中國生意人什麼樣的機會。第一張牌：AI應用。請注意，是應用，不是大模型。以前做生意靠資訊差，以後做生意靠效率差。馬斯克為什麼要瘋狂推進xAI？因為他知道，未來的公司只有兩種：一種是全副武裝AI的公司，一種是即將倒閉的公司。對於中國的中小老闆來說，大模型那是神仙打架，跟我們沒關係。我們要做的，是極致的AI應用。客服是不是AI？設計是不是AI？程式碼是不是AI寫一半？AI應用的本質，是把原本屬於高薪白領的技能，變成廉價的水電煤。誰能最快把AI應用落地到具體的場景裡，誰就能在這個低利潤時代活下來。第二張牌：人形機器人。這是我認為對中國製造業衝擊最大、也是機會最大的一張牌。人形機器人是勞動力的替代品，馬斯克預言人形機器人的數量會超過人類，這意味著什麼？意味著藍領危機將被技術性化解。中國有著全球最強的硬體供應鏈，當特斯拉的人形機器人Optimus開始量產，不僅需要電機、減速器，還需要無數的感測器和精密部件。這就是中國工廠的下一個十年。就像當年蘋果產業鏈造富了一批中國企業，人形機器人產業鏈的爆發力，會是手機的十倍。盯著人形機器人，其實是在盯這一條全新的、巨大的供應鏈。第三張牌：無人駕駛。無人駕駛真正的革命在物流，如果貨車可以24小時不休息，不需要司機，物流成本會降到什麼程度？無人駕駛一旦全面鋪開，整個商業零售的邏輯都會變。庫存周轉率會快到嚇人，路邊店的價值會被重估。對於各位老闆來說，關注無人駕駛，其實是在關注履約成本。未來，無人駕駛會讓物理世界的傳輸成本，無限逼近於資訊傳輸成本。第四張牌：新能源與儲能。這一塊大家很熟，中國已經捲成紅海了。但馬斯克的側重點變了，他更強調儲能。太陽能板鋪滿屋頂不稀奇，稀奇的是怎麼把電存下來。新能源與儲能是硬幣的兩面。未來的能源生意，不是看誰發的電多，是看誰能做能源的時間管理大師。電力的波動性是電網的噩夢，而新能源與儲能系統就是安眠藥。對於在這個賽道的中國企業，出海去賣儲能裝置，去解決那些基建落後國家的用電痛點，可能比在國內卷價格戰要香得多。第五張牌：商業航天。這個聽起來最遙遠，似乎是國家隊的事。但SpaceX的火箭可以回收，衛星可以像撒豆子一樣撒向太空。商業航天帶來的星鏈正在覆蓋地球的每一個死角。這意味著什麼？意味著全球無死角的網路覆蓋。對於做跨境生意、做遠洋運輸、做偏遠地區礦產開發的老闆們，商業航天不僅是通訊工具，更是資產保全的手段。而且，商業航天的零部件外包，也是高端製造業的下一個風口。雖然門檻高，但一旦進去，就是護城河。第六張牌：腦機介面。這聽起來很科幻，但Neuralink確實已經讓癱瘓患者用意念下棋了。腦機介面目前看是醫療器械的巔峰，但長遠看，它是人類進化的入場券。這一塊，咱們普通創業者可能吃不到肉，但無論什麼技術都是要落地的，都是要場景的。圍繞腦機介面的康復醫療、資料分析、高端養老服務，將是老齡化社會裡的頂級奢侈品，這些都是普通人夠得到的機會。富人最後買單的，一定是生命質量。腦機介面，就是通往生命質量的那把鑰匙。馬斯克這六張底牌，其實邏輯是一脈相承的。新能源與儲能提供動力，商業航天搭建網路，無人駕駛解決運輸，人形機器人解決勞動力，AI應用解決大腦算力，腦機介面解決人類自身的極限。這是一個閉環。我們成為不了馬斯克，但我們可以看懂這個閉環。現在的經濟環境，讓人覺得那是垃圾時間。但歷史告訴我們，巨頭們押注未來的時刻，往往是普通人彎道超車的唯一縫隙。這些技術落地的過程，就是舊財富毀滅、新財富誕生的過程。風起於青萍之末，在這些看似瘋狂的賭注裡，靜靜地等待著那些有心人去拆解，去重組，去變現。如果是你，這六張牌，你看好那一張？ (張揚創業說)

在大眾的印象中，製藥研究往往發生在擺滿實驗台、充斥著冒泡液體，研究人員身著白色大褂的傳統實驗室裡。但在倫敦國王十字區，有一位不走尋常路的製藥研究員帕特里克·施瓦布，他的工作場景卻截然不同。這裡曾經是鐵路站場和工業建築的地盤，如今卻搖身一變，成了倫敦最時尚的街區之一。施瓦布博士全身黑衣，供職於製藥巨頭葛蘭素史克（GSK），他正在用電腦科學中同樣熱門的人工智慧（AI），重新構想製藥的未來，致力於將儘可能多的工作從玻璃器皿轉移到電腦上，開啟“矽基藥物設計”新時代。當Transformer遇上藥物研發製藥行業一直以來都面臨著高成本、高風險的困境。一種新藥從研發到上市，平均需要花費26億美元，耗時10 - 15年，而且臨床試驗階段的候選藥物失敗率高達90%。這就好比在黑暗中摸索，投入巨大卻往往收穫寥寥。不過，AI的出現，似乎為這片黑暗帶來了一絲曙光。波士頓的生物技術公司英矽智能（Insilico Medicine）率先將基於Transformer模型的新一代AI應用於藥物研發領域。2019年，他們的研究人員腦洞大開，想用AI從生物和化學資料中發明新藥，第一站就瞄準了特發性肺纖維化這種肺部疾病。他們先是用與該病相關的資料集訓練AI，找到了一個有潛力的目標蛋白。接著，另一個AI登場，給出了能與該蛋白結合併改變其行為，同時毒性和穩定性都不錯的分子建議。最後，人類化學家接力，對篩選出的分子進行合成和測試，最終得到了一種名為rentosertib的藥物，並且最近成功完成了中期臨床試驗。整個過程僅用了18個月，而以往通常需要四年半的時間。這就像是原本開著老牛拉的破車在崎嶇山路前行，突然換成了高速行駛的跑車，效率提升立竿見影。如今，英矽智能已經有40多種由AI研發的藥物正在針對癌症、腸道和腎臟疾病等進行評估。而且，這種AI驅動的藥物研發模式正在迅速擴散。有預測顯示，該領域的年度投資將從2025年的38億美元飆升至2030年的152億美元。製藥公司與AI公司的合作也日益頻繁，2024年就宣佈了十幾項合作交易，總價值達100億美元。去年10月，製藥巨頭禮來（Eli Lilly）與輝達（Nvidia）宣佈合作，要打造行業內最強大的超級電腦，以加速藥物的發現和開發。這就像是武俠小說裡的各路高手紛紛結盟，準備在藥物研發這個江湖裡大幹一場。AI如何顛覆傳統藥物研發流程？傳統藥物研發就像一場漫長而艱難的馬拉松，從篩選具有潛在生物活性的有機小分子開始，就充滿了挑戰。要從數十億個小分子中篩選出合適的，就如同在茫茫大海裡撈針。而AI的加入，讓這個過程發生了翻天覆地的變化。它可以通過軟體模擬，對數以百億計的小分子進行篩選，測試它們的效力、溶解性和毒性等特性，根本不需要真正的分子進入試管。阿斯利康（AstraZeneca）負責這項工作的吉姆·韋瑟羅爾表示，AI篩選的速度比以前快了一倍，該公司90%以上的小分子發現流程現在都有AI助力。這就好比以前是人工一粒一粒地篩選沙子找金子，現在有了一台先進的淘金機器，效率自然大幅提升。在臨床試驗設計方面，AI同樣大顯身手。比如GSK的AI負責人金·布蘭森展示的基於智能體的系統Cogito Forge，當被問及生物學問題時，它能編寫自己的程式碼來回答問題、收集合適的資料集、整合資料，還能製作帶有結論圖表的簡報。它可以就一種疾病提出假設，包括可測試的預測，並通過文獻檢索來驗證或證偽。它甚至會派出三個“智能體”，一個尋找支援假設的理由，一個尋找反對的理由，還有一個來判斷誰對誰錯。這就像是有一群聰明的助手，幫研究人員全面地思考問題，大大提高了研究的精準性和效率。AI在選擇臨床試驗患者方面也發揮著重要作用。它可以分析候選人的健康記錄、活檢和身體掃描等資料，找出最有可能從新藥中受益的人。這樣一來，臨床試驗的參與者選擇更精準，試驗規模可以更小，速度更快，成本也更低。這就好比在一場比賽中，挑選出最有潛力奪冠的選手參賽，比賽自然更容易取得好成績。而AI最讓人驚豔的應用之一，當屬建立合成患者（也叫數字孿生）作為真實參與者的對照。AI通過分析過往試驗資料，學會預測未接受治療的患者病情自然發展情況。當有志願者參加試驗並接受藥物治療時，AI就會建立一個具有相同特徵（如年齡、體重、現有疾病和疾病階段）的“虛擬患者”。這樣，通過對比真實患者和虛擬患者的情況，就能更準確地評估藥物的療效。舊金山的數字孿生公司Unlearn.AI在2025年發佈的研究顯示，這種方法在早期帕金森病試驗中可將對照組規模縮小38%，在另一項阿爾茨海默病研究中可縮小23%。而且，對於那些原本可能沒有對照組的早期試驗，現在也可以通過數字方式引入對照組，增強對藥物療效的信心，並改進後續試驗的設計。這就像是給每個真實患者都找了一個虛擬的“影子”，通過對比兩者，更清晰地看到藥物的效果。AI的“製藥瓶頸”與突破之路不過，AI在製藥領域也並非無所不能。許多蛋白質分子，作為越來越常用的藥物，但它們比傳統藥物分子大得多，還老是晃來晃去，確定它們的精確形狀可不容易。RNA分子，作為新型疫苗的基礎，同樣讓人頭疼，而細胞內部基於膜的複雜結構更是難上加難。但好在這個領域的研究進展迅速，研究人員正在訓練AI來模擬蛋白質與其他分子的相互作用、預測RNA折疊，甚至模擬細胞。鹽湖城的Recursion公司打造了一個AI“工廠”，在其中對數百萬個人類細胞進行各種化學和基因變化的成像，讓AI學習基因和分子通路之間的模式。紐約的AI生物技術公司Owkin則利用醫院患者的大量高解析度分子資料訓練模型。Owkin的老闆湯姆·克洛澤爾認為，通過做出人類無法做到的發現，這項工作正在朝著生物學領域的真正通用人工智慧邁進。隨著AI在製藥領域的深入發展，一個問題也隨之而來：傳統製藥公司會被新興的AI公司顛覆嗎？像OpenAI，它引領了被稱為大語言模型的Transformer的發展，還有從GoogleDeepMind分拆出來的藥物發現初創公司Isomorphic Labs，都在訓練能夠在生命科學領域進行推理和發現的系統，希望這些工具能成為出色的“生物學家”。目前來看，製藥公司擁有豐富的資料以及理解和使用這些資料的背景優勢，所以合作是當下的主流。例如，OpenAI正在與RNA疫苗先驅Moderna合作，加速個性化癌症疫苗的開發。但隨著新模型讓生物學變得更具可預測性，行業優勢的天平可能會發生傾斜。無論未來競爭格局如何變化，有一點是肯定的：AI已經給製藥行業帶來了巨大的改變。如果它能在後期臨床試驗中也取得像前期那樣的改進，那麼上市的藥物數量有望大幅增加。從長遠來看，AI為人類健康帶來的提升潛力是巨大的。也許在不久的將來，我們就能看到更多由AI助力研發的藥物，為無數患者帶來新的希望，就像一場全新的醫學革命正在緩緩拉開帷幕。 (跬步書)