大模型能力差距縮小，並不意味著中美AI競爭已趨於均衡，Agent能力正成為新的分水嶺。美國頭部企業持續加速迭代，這場競爭是一場關乎產業主導權、全球規則與國家戰略空間的淘汰賽。 文章的價值，正在於打破“追平論”與“落後論”的簡單對立，區分模型能力與產品競爭力、推理智能與自主智能，並進一步追問中國一旦被排除於全球主流AI生態之外，可能面臨怎樣的經濟、科技與戰略後果。由此提出的路徑同樣鮮明：以開源守住全球競爭底線，同時改革人才培養、基礎研究與創新資助機制，為少數頂尖人才和高風險探索創造真正不同的制度空間。 當窗口期不斷縮小，我們能否以非常之法應對非常之爭，在堅持自身優勢的同時，為異見、試錯與長期主義留下足夠空間？ 6月9日，Anthropic正式發佈Claude Fable 5。這款模型發佈後迅速登頂Artificial Analysis智能指數榜首，在Agent能力上的表現尤為突出：軟體工程、知識工作、科研、視覺全線頂尖，且任務越長越複雜，相對其他模型的優勢越明顯。這不是一次普通的模型迭代，AI圈的反應用“震驚”來形容並不誇張。

“我不喜歡（中國的人工智慧）的一點是，它完全是開放原始碼的，這意味著它很大程度上不受控制，我們無法以任何方式控制它。”Google前首席執行長埃瑞克·施密特上月的一段採訪，最近在外網炸鍋了。 在美國智庫“特別競爭研究計畫”5月舉辦的會議上，施密特談及美國與中國的AI競賽時宣稱，他在美國人工智慧國家安全委員會時，美國對中國實施了嚴格的晶片硬體管控，“我們一度非常成功，我個人也強烈支援這項政策”。 “但現在，它開始失效了。”施密特說，“中國人很聰明”，他們用遠不如美國的硬體，搭建了與美國頂尖模型非常接近的AI系統。 施密特表示，一年前他認為中國AI與美國模型的差距在一兩年，但最新分析表明，中國只落後了6個月，這在AI世界裡幾乎是可以忽略不計的“幾納秒”。

美國正全力在AI領域與中國競爭，密集佈局相關戰略，但有美國學者擔憂：過度聚焦單一賽道存在戰略短板，或令美國失去整體科技霸權。 彭博6月18日刊髮長篇分析文章指出，美國當前高度關注人工智慧競爭、試圖依靠資料中心建置、晶片管制和寬鬆監管來贏下AI競賽，但這並不足以贏得更廣泛的科技競爭。作者認為，決定21世紀國家實力的，不只是AI，還包括無人機、生物技術、量子計算、關鍵礦產、半導體以及先進製造能力。美國的問題並非缺乏創新，而是長期忽視產業化和製造能力建設，導致大量技術面臨「美國發明卻在海外應用」的局面。 文章作者之一的西蒙‧約翰遜，是麻省理工學院史隆管理學院教授，2024年諾貝爾經濟學獎得主，現任英國政府人工智慧經濟研究所主席。另一位作者伊莉莎白‧雷諾茲，則是麻省理工學院建築與規劃系實務教授，曾任美國國家經濟委員會製造業與經濟發展特別助理。 美國維吉尼亞州：亞馬遜資料中心 視覺中國

近日，英國《經濟學人》發表題為《中國正贏得人工智慧人才競賽》的文章，指出中國正在全球AI人才競逐中，逐步擴大對西方國家的領先優勢，為贏得AI競爭增加更多可能。西方媒體並非第一次有這類言論和預期，事實上，他們說得都對。相比算力，電力而言，人才，才是贏得AI競爭的終極籌碼，而中國正建立自己的領先優勢。《經濟學人》那篇文章拋出了一個判斷：在中美競爭中，中國“贏得”AI人才戰的方式是：留住增量，吸引更多存量回流。先看增量。文章援引了卡內基國際和平基金會的一份報告：2019年，全球頂尖的AI會議NeurIPS上，華裔研究者的比例是29%，已經超過了美國本土的20%；到了2022年，這個數字接近一半；而來自中國機構的作者佔比，從2019年的11%猛漲到28%——雖然還落後於美國的42%，但升勢已十分顯著。與此同時，中美之間的緊張關係也在悄悄改變年輕人的選擇。STEM專業的中國學生，前往美國讀博的機率降了大約15%，畢業後留在美國的機率又降了4%。過去，最頂尖的中國AI研究者大多把“去美國”當成理所當然的下一步；現在，越來越多人開始把目光留在中國。種種跡象指向同一個結論：美國正在失去吸引下一代的能力，進而在人才增量上出於被動。再看存量。黃仁勳說過一句很直白的話：“美國絕對有可能在AI上落後於中國，因為人才在變。”所謂人才在變，核心是流向在變，是美國的頂尖AI人才正在流往或回到中國。2025年3月，齊國君回到中國。他在美國工作了十幾年，先後在IBM研究中心、華為美國研究中心、OPPO西雅圖研究中心任職，履歷漂亮得像教科書；回國後，他全職加入杭州西湖大學，帶著一支近20人的團隊，組建了“MAPLE實驗室”。差不多同一時候，純外籍的Alex Lamb也前往中國。這位前微軟研究院高級研究員，師從圖靈獎得主Yoshua Bengio，在亞馬遜、Google Brain和微軟研究院都留下過足跡。他宣佈加入清華大學人工智慧學院，成為了一名助理教授。頂尖學者的回流只是冰山的一角，更密集的變化發生在產業界。姚順雨，前OpenAI研究員，加入騰訊成為其史上最年輕的首席AI科學家；吳永輝，前GoogleDeepMind研究副總裁，去了字節跳動；潘欣，前Google大腦研究員，加入了美團……再往前推兩年，楊植麟從卡內基梅隆大學博士畢業後，沒有留在美國，而是回到中國創辦了月之暗面。如今，成立不過三年的月之暗面已是估值超過180億美元的世界級獨角獸，其大模型也被不少美國初創公司改採用。▲月之暗面在過去一年迅速完成多輪融資，受到頭部基金、網際網路巨頭與產業資本的密集下注。圖源：VCG值得注意的是，所有這些回流，都不遠遠不是“為國效力”的口號在驅動，而是最樸素的理由——選擇更好的發展環境與空間。越來越多的頂尖AI研究者發現，“在中國”就是最好的職業路徑。中國擁有發展科創的巨大政策支援，也有一批頭部公司和頂尖高校，算力不缺，資料全面，工程體系完整，更重要的是，有大量可落地的應用場景。而且，中國公司，包括中國資本現在也都捨得為頂級人才投入，給錢、給空間，乃至給權力。不少人在矽谷可能是“螺絲釘”，但回到中國就能獨當一面，當負責人。最重要的是，中國不斷湧現的成功案例，大大增加了對美國矽谷人才的吸引力。過去幾年，中國湧現出一批10億美金，百億美金的AI初創公司，它用真金白銀告訴全球優秀人才，這裡是實現夢想的理想殿堂。如今，談中國的科創人才優勢，核心的核心，還在於自身強大的教育體系。自改革開放，尤其鄧小平提出科技是第一生產力以來，中國的理工科教育就一直備受重視。國家不斷出台政策支援理工科人才培養，民間也曾長期有著“學好數理化，走遍天下都不怕”的理工崇拜。這些的積累，為中國造就了一個領先全球的AI人才底座。現在，中國不但擁有全球最大的高等教育體系，每年培養以千萬計的大學學子，而且還約有四成的大學生攻讀STEM專業，這個比例幾乎是美國的兩倍。早在“人工智慧”這個詞還沒流行起來的時候，這片土地就已經為它儲備了最龐大的人才池。當AI的浪潮真的拍過來時，中國的這一優勢立刻湧出了驚人的勢能。到今天，中國已有80多所高校設立了AI學院，僅2025年一年，就有包括人大、北理工、西北工大在內的二十多所名校加入這個行列。五年間，AI專業新增了406個布點，在所有本科專業中增量最大。其中，清華在2025年擴招了150名本科生，全部進入新成立的通識書院，眼下已有117門課程、147個班級在嘗試AI賦能教學；而在另一頭，深圳技術大學這樣的地方院校，則選擇與華為、騰訊、百度聯手，把課堂無限延伸，讓實習直通產業。從頂尖名校到普通院校，中國搭起了一座人才培養金字塔——塔尖培養能“開天闢地”的領軍人才，塔身和底座則源源不斷地輸送應用型人才。教育端的播種，持續在產業端開花結果。2025年，中國企業發佈了超過300款AI產品，遍佈醫療、教育、物流。其中，其中，DeepSeek以不到150人的研發團隊、十分之一的成本，打造出可與GPT-4“掰手腕“的大模型。但DeepSeek最讓人感慨的不是技術本身，而是這支隊伍的底色——核心研發團隊平均年齡僅28歲。創始人梁文鋒曾坦言：“目前在人工智慧領域，前50名頂尖人才可能都不在中國，但也許我們能自己打造這樣的人。”這句話像一枚石子投進湖面，漣漪很快擴散到了招聘市場。據一家頭部AI獵頭透露，當下各家都在爭搶“C9”院校的高端人才。一位清華大學電腦系的博士畢業後，同時收到了華為“天才少年”項目、某大模型創業公司以及海外網際網路巨頭的Offer，最終他選擇了那家中國創業公司，年薪過百萬。這並非個例。脈脈資料顯示，2025年中國AI崗位的招聘量一年漲了十倍，平均月薪超過六萬，一半以上的應屆AI崗月薪破五萬。大模型演算法工程師的起薪，已經超過了不少傳統行業老專家的天花板。市場的熱度，反過來推動著教育繼續擴張——人才培養、產業吸納、再反哺教育，一個完整的閉環悄然成形。而在這套系統的底層，是國家的力量在穩穩托舉。2025年8月，國務院印發了《關於深入實施“人工智慧+”行動的意見》，明確提出到2030年，人工智慧要全面賦能高品質發展；同月，八部門聯合發文，提出要“超常規”建構領軍人才培養的新模式。政策支援不僅是檔案上的表態。2024年，中國的研發經費超過了3.6兆元，投入強度2.68%，已經超過歐盟的平均水平；2025年中央科技預算接近4000億元，同比增長一成，重點投向人工智慧、積體電路這些關鍵戰場。同時，人社部也在去年發佈了42個新工種——生成式人工智慧系統測試員是其中之一，同時頒布了73個國家職業標準，為AI賽道上的年輕人畫出了清晰的成長路線圖。教育、產業、政策，三股力量交織在一起，讓中國的AI人才培養不再是一個個孤立的點，而是一張綿密、可持續的網。當世界還在爭論“去那兒搶人”的時候，中國已經默默搭好了“自己造人”的底座。這場人才戰，贏得的不只是眼前，更是未來十年。人才培養的底座越築越厚實，但遠沒到高枕無憂的時候。這場人才戰的敘事裡，依然藏著幾道繞不過去的坎。首先，眾多頂尖人才還漂在海外。卡內基基金會追蹤了100位在2019年NeurIPS上亮相的中國籍研究者，六年後再看，87%的人還留在美國機構裡。▲2019–2025年，頂尖中國籍AI研究人員的職業路徑 註：國家隸屬關係基於研究人員目前所在機構的總部所在地 來源：保爾森基金會與卡內基國際和平研究院“回流”確實在發生，但還只是“涓涓細流”，星星之火。美國為什麼能留住他們？一來，它從基礎研究到技術轉化再到產業應用的鏈條，已經打磨得足夠成熟；二來，中國與西方頂尖創新生態之間，還橫著一條看得見的“鴻溝”。諾獎、圖靈獎的突破，至今仍然高度集中在西方。中科院院士唐本忠點破了一個尷尬的事實：“中國在AI領域擅長‘從1到10’的最佳化升級和‘從10到100’的規模擴張，但在‘從0到1’的原創突破上步履維艱。”他進一步拆解了根源——我們太推崇實用主義了，科研工作總盯著短期的成果和落地的應用，卻忘了基礎研究和原創探索才是一切的根。其次，本土人才的供需矛盾突出，AI產業的人才缺口依然巨大。2025年，AI技術類崗位的需求比前一年漲了四成。而另一邊，真正能駕馭垂直領域大模型訓練和最佳化的人，供需比已經掉到了0.3左右。高性能計算工程師更誇張——0.15，相當於七個崗位搶一個人。再者，美國政策的不確定性，既是機遇，也是變數。簽證收緊、經費削減、對華裔學者的懷疑氣氛，在一定程度上推動了美國AI人才向中國流動。2025財年，H-1B簽證的中國留學生中籤率跌到了11.7%。Meta、亞馬遜這樣的科技巨頭，已經宣佈不再為部分崗位的留學生提供擔保；那些研究半導體材料、AI演算法最佳化的學生，如果研究方向被貼上“受控技術”的標籤，連簽證都可能拿不到；美國眾議院甚至還提出議案，打算限制中國人在美國從事AI和機器學習相關的職業。這些變化，都在讓年輕一代重新思考“要不要出去”。▲北京的招生會上，中國赴美留學生人數近年來有所下降 圖源：紐約時報但問題的另一面是：這類因素極不穩定。政策會隨著選舉、隨著地緣政治的風向來回搖擺，不能把它當成可以長期依賴的變數。AI競爭，表面是算力之爭、模型之爭，乃至電力之爭，但真正的底層卻是教育體系、產業結構與人口結構的長期較量，人才，才是贏得競爭的終極變數。人才之戰，不是一場百米衝刺，而是一場漫長的馬拉松。曾經，中國不但本土優秀人才有限，而且優秀人才大規模外流。如今，中國不但本土優秀人才湧現，而且還迎來外流人才的回流。趨勢已經逆轉，但要真正長期形成超越優勢，還任重道遠。當下，或許只是這場競賽的起點。 (華商韜略)

行家一出手，便知有沒有！自AI問世以來，已成中美科技必爭之地，誰能笑到最後，關鍵還是要看應用！在這方面，矽谷那邊的公司一直想打通AI+消費這條路，但缺乏穩固的生態和龐大的應用場景，一直流於形式，還未實踐。而阿里在春節期間取得了千問辦事的成功之後，在新財年的首次集團戰略會上，阿里正式提出，要全力推進以千問為代表的智能體經濟。1. 什麼是“智能體經濟”？對普通人有什麼意義？“智能體經濟”簡單來說，就是通過AI這個技術載體來推動更好的消費，也就是很多官媒說的“AI+消費”！這玩意對普通人來說，有三好！一好為：方便。比如以前點外賣，得自己去外賣軟體上一個個找，現在一句話就能搞定；以前買電影票，選座位得研究一下，現在交給千問按需訂票。可以這麼說，過去很複雜的消費流程，現在一句話就能辦完，給誰誰能不喜歡？二好為：創造新的機會。往前翻個20年，就能發現每一次技術革新，除了會為行業帶來新變化以外，也會創造新的機會。比如當年的電商，讓很多人從個體戶變成了小老闆；10年前左右的自媒體，催生了現在的網紅經濟；那麼如今阿里的智能體經濟要發展，必然也會衍生出一系列的工作崗位，現在能想到的就是營運、設計、AI訓練師之類的工作，往後發展這方面人才缺口勢必會放大，普通人只要抓住機會，很有可能直接改變命運。三好為：技術普惠這個怎麼理解呢？以老年人為例。很多上了年紀的老人。對於智慧型手機用的並不熟練。一個人在家想點個外賣，都搞不明白。但在千問智能體經濟的技術普惠下，老年人也能一句話搞定外賣，體驗到年輕人的生活方式。網際網路的浪潮奔湧向前，阿里通過技術普惠，讓銀髮一族也能緊跟時代的步伐，這既是社會責任的體現，也是技術便利每一個日的最好寫照！2. 為什麼阿里是第一個提出此概念的公司？因為只有阿里具備這些條件！這個智能體經濟兩大要素，過人的技術，優秀的生態。而這兩方面，不管是那個條件，阿里都是王中王、頂中頂！論技術，阿里從模型到GPU晶片都是行業頂尖。最新模型Qwen 3.6 Plus一經發佈，單日呼叫量突破1兆Token的模型，問鼎全球大模型周呼叫量冠軍，究其原因，是因為它是國產程式設計模型技術能力的天花板。上周的時候，在AI視訊生成領域，由阿里巴巴內部孵化的模型HappyHorse-1.0，登頂Artificial Analysis排行榜。這個大模型有多牛？它在文字生成視訊、圖片生成視訊等四大核心賽道中全面領先。這也能證明，阿里在AI領域持續投入是有結果，同時，阿里在多模態大模型領域技術積累也非常的雄厚。平頭哥自研GPU也已實現規模化量產，截至26年2月已累計交付47萬片。AI技術，大模型是基礎，GPU是運轉的關鍵，兩大技術阿里全都有，並且全都硬，為智能體經濟提供了堅實的保障。論生態，阿里積累了20多年的網際網路商業、消費經驗，旗下擁有淘寶、閃購、高德、飛豬等覆蓋人們吃喝住行娛一體的生態產品，並且還這些產品還和千問全部打通，這也就將阿里的生態優勢賦能到了AI應用端。為了集中力量辦大事，4月8日的時候，阿里還進行了組織架構調整，新設立了阿里巴巴集團技術委員會，吳泳銘任組長，周靖人擔任首席AI架構師，整合優勢資源，投入到智能體經濟戰略當中來。3. 總結阿里今天提出智能體經濟，是其科技實力的體現，也是生態經營多年的結果。這大概也就是此前美國知名科技商業媒體The Information發報導稱：“阿里巴巴在AI辦事領域的進展快於亞馬遜和 OpenAI。”的原因所在！ (梁穩健)

3月22日，北京釣魚台國賓館。蔡崇信站在那裡，說了一句話："AI的終極目標是如何讓AI的應用普及、造福社會，而不是比誰訓練出的模型最強。"不是客套話。他在直接挑戰一個被廣泛接受的框架。電力是中國AI競爭第一張底牌。圖為高壓輸電線路與資料中心今天AI圈最流行的敘事是這樣的：OpenAI、Anthropic、Google三家混戰，比誰家模型跑分更高、參數更大、發佈會上的Demo更震撼。這就是 "模型軍備競賽" ——簡單，直接，容易理解，也自然佔據了媒體的主要聲量。蔡崇信認為，這套框架從根本上就是錯的。他的替代方案是：AI競爭的核心變數不是"模型參數"，而是 "應用滲透率"。誰能把這個變數拉得更高，誰才是真正的贏家。"The winner is not about who has the best model. The winner is about who could use it the best."兩套框架的核心分歧很簡單：競爭的本質是參數，還是滲透率？第一張底牌：電力蔡崇信的第一張牌，不是演算法，是電。幾個數字：國家電網年資本支出約900億美元，美國約300億美元，相差三倍中國電力裝機容量是美國的2.6倍去年全球新增電力裝機，中國一國佔58%，美國只有7%三個數字疊加上後，指向一個結論：AI訓練最核心的成本——電力——中國有結構性優勢。這個優勢不是政策設計出來的。過去十幾年大規模經濟建設，"順帶"把電網鋪到了這個規模。蔡崇信把它叫做"飢餓優勢"的反面：不是因為缺資源被逼著創新，而是因為基礎設施超前佈局，自然形成了成本窪地。第二張底牌：開源開源是中國AI打破技術壁壘的核心策略美國AI的技術特權，靠的是閉源機制來維持——模型是資產，API是利潤來源，想用就得付錢、就得交資料。中國開源模型的崛起，本質上是打破這道壁壘。用一個具體的場景想像：一個國家想要發展AI，又不想把資料送到外國伺服器上、付昂貴的費用——開源模型提供了一個不用二選一的選項。下載、部署、私有化定製，資料不出境，成本可預期。這就是2025年中國開源AI模型下載量能夠領先全球的原因。靠的不是宣傳，是這套邏輯對真實需求的吸引力。但要看到另一面：阿里"不靠AI賺錢"，不是說AI是免費的，而是說AI本身不是阿里的利潤來源。阿里的商業模式是雲服務——儲存、資料庫、安全、容器。開源模型是獲取雲客戶的入口，雲服務才是利潤的核心。開源是引流，不是慈善。第三張底牌：製造業+AI第三張牌，落在製造業。中國擁有全球規模最大、門類最完整的製造業體系。這個體系正在經歷一個深刻的變化：工廠在數位化、在聯網，在產生海量的工業過程資料——生產節拍、質量參數、供應鏈調度記錄。智能製造是中國工業AI資料的核心來源這類資料，對訓練專用工業AI模型價值極高。德國有工業4.0，美國有先進製造，但中國工業資料的體量和完整性，在短期內很難被覆制。阿里自己的實踐是一個側證：平頭哥晶片累計出貨超過47萬顆，年化收入已達100億元（每日經濟新聞，2026年3月）。不是概念，是已經跑通的商業化。他的框架，服務於誰？三張底牌，每一張都有真實的結構支撐。但這套框架在商業上對阿里最為有利。原因：如果競爭的核心是"應用落地+基礎設施+資料"，那雲服務商就是整個競爭格局裡最核心的節點。阿里投資開源模型、擴大生態，最終是為了擴大雲服務的使用量和使用者黏性。他在給你一個對全人類有利的AI願景，同時也在給阿里設計一個最有利可圖的商業路徑。這兩件事不矛盾。但需要被看清楚。同樣需要被看見的是：這套"應用層競爭"框架，繞開了中國AI產業當前最脆弱的環節——晶片製造裝置。EDA工具、先進光刻機、先進製程代工，這些仍是訓練大模型的底層基礎，目前仍高度依賴美國及其盟友的供應。這個話題，被放到了框架之外。真正的問題蔡崇信說的不是"中國AI沒有弱點"。他的論點是：在"應用滲透率"這個維度上，中國有結構性優勢，而這個維度，恰恰是AI價值最終兌現的方向。這個論點部分是成立的——中國在應用落地、基礎設施成本、製造業資料上的積累是真實的。但它同時也是最符合阿里巴巴商業利益的論點。不是對不對的問題。有沒有可能，兩者同時為真。 (卯時AgentM6)

▎在大模型落地這件事上，模型能力的底座決定了下限，但產品化的互動體驗才真正決定了上限。3月初的深圳騰訊大廈門口，出現了一幅極具賽博朋克荒誕感的畫面。近千名開發者和 AI 愛好者排起了長龍，手裡攥著號碼牌，只為了能在騰訊雲工程師的手把手協助下，免費給自己的電腦裝上一隻“蝦”——OpenClaw。上午 10 點首批使用者到場，11 點數百個預約號即被一搶而空。這場堪比當年搶購初代 iPhone 的狂歡，終於讓一直苦尋大模型落地場景的騰訊，結結實實地感受了一把屬於自己的“ChatGPT 時刻”。但在筆者看來，這不僅僅是一場湊熱鬧的極客狂歡。扒開排隊“養蝦”的表象，你會看到騰訊這家全中國最懂產品的公司，是如何藉著 OpenClaw 這個支點，打出了一套極其老辣的“AI 產品化降維打擊”。把技術黑盒 變成傻瓜式的“全家桶”OpenClaw 很強，它讓大模型長出了能接管電腦滑鼠和鍵盤的“手腳”。但它的致命弱點也很明顯：部署門檻極高。對於普通打工人來說，複雜的環境配置和黑洞般的命令列，就像一堵嘆息之牆。當行業裡其他大廠還在死磕模型參數時，騰訊的嗅覺極其敏銳：既然模型能力大家都在趨同，那誰能把門檻砸穿，誰就能收割最大的流量。騰訊沒有用一個大而全的產品去硬槓，而是非常聰明地切分了人群，丟出了一套精密的分層矩陣：第一層：用 Lighthouse（輕量應用伺服器）鎖死硬核開發者。對於懂技術的極客，騰訊雲直接在 Lighthouse 控制台裡塞進了一鍵部署的範本。5 分鐘時間，買雲主機、配環境、送 Token 優惠套餐一氣呵成。這波操作直接讓騰訊輕量雲的呼叫核數創下歷史峰值，雲上“養蝦人”迅速突破 10 萬大關。騰訊其實賺的是“賣水”的雲伺服器租用費。第二層：用 QClaw 圈住本地小白。對於連命令列是什麼都不知道的普通使用者，騰訊直接祭出了“國民級應用”電腦管家的衍生品——QClaw。它把複雜的 OpenClaw 徹底封裝成了一個點開即用的本地客戶端。更絕的是，它直擊了使用者對“AI 偷窺隱私”的最大痛點，依託電腦管家的安全沙箱技術，實現了系統級的權限隔離與密碼防護。第三層：用 WorkBuddy 強攻職場桌面。這是騰訊的真正殺招。3月9日上線的 WorkBuddy，定位不是聊天窗口，而是“智能體桌面工作台”。它完全相容 OpenClaw 的能力，內建了 20 多種辦公技能包。你不需要管底層是 GLM、Kimi 還是 DeepSeek，直接在桌面上拖曳組合，就能讓幾個 AI 同事同時幫你扒網頁、寫程式碼、做報表。且據筆者從官方獲取的資訊來看，WorkBuddy 核心是騰訊自研的多智能體架構，並非依賴 OpenClaw 搭建，這給騰訊後續在 AI 智能體賽道的自主可控與差異化競爭，奠定了關鍵基礎。管道的威力：當龍蝦游進微信和QQ如果只是做幾個客戶端，那還稱不上“騰訊時刻”。騰訊真正的護城河，是它手裡握著全中國最龐大的人際溝通管道——微信與 QQ。在這波“養蝦”熱潮中，騰訊最可怕的動作，是打通了從底層 Agent 到前端 IM 聊天工具的任督二脈。通過 MCP（模型上下文協議）介面，使用者可以直接在企業微信或者 QQ 裡，像和真人同事聊天一樣，遠端“遙控”自己部署好的 OpenClaw。企業管理員甚至只需要簡單的三步配置，就能把這只“蝦”拉進工作群。不僅如此，騰訊還順手開放了 Webhook 協議，讓 OpenClaw 可以直接把幹完活的資料，自動寫入企微的智能表格里。這意味著什麼？意味著騰訊根本不需要改變你原有的工作習慣。 你不需要去適應一個陌生的 AI 介面，AI 已經無縫潛伏進了你每天都要高頻使用的溝通和協作流水線裡。騰訊的戰略聰明之處在於，沒有陷入 “模型參數競賽” 的內卷，而是聚焦 “AI 落地最後一公里”。正如行業共識：AI 助手的核心價值，一半在於模型能力的強弱，另一半在於產品體驗的優劣。OpenClaw 提供了標準化的 AI 能力底座，而騰訊通過簡化部署、最佳化互動、打通生態，讓這種能力真正觸達普通使用者與企業。這種 “不拼模型拼落地” 的思路，恰好發揮了騰訊作為產品公司的基因優勢。AI競爭進入 “產品化決勝” 時代騰訊的 “養蝦” 熱潮，或許標誌著 AI 行業從 “技術比拚” 邁入 “產品化決勝” 的新階段。當大模型技術逐漸成為基礎設施，誰能降低使用門檻、貼合使用者場景、整合生態資源，誰就能佔據先機。騰訊的這波爆發，證明了產品化能力在 AI 時代的核心價值 —— 複雜的技術只有經過產品化打磨，才能真正走進大眾生活與企業辦公。從 Lighthouse 的雲端一鍵部署，到 QClaw 的本地傻瓜式封裝，再到企微和 QQ 的原生接入。騰訊用這波堪稱教科書等級的產品化操作，硬生生把一個高冷的開源框架，變成了一場全民參與的效率狂歡。這印證了一個行業共識：在大模型落地這件事上，模型能力的底座決定了下限，但產品化的互動體驗才真正決定了上限。 騰訊終於找到了自己最舒服的姿勢——不拼底層參數玄學，就拼怎麼把門檻降到最低，怎麼把使用者體驗打磨到最絲滑。但這場“ChatGPT 時刻”的狂歡背後，騰訊的隱憂依然存在。儘管 WorkBuddy 核心是騰訊自研的多智能體架構，並非依賴 OpenClaw 搭建，但目前其核心執行力仍依賴第三方的底層模型（如 Kimi、DeepSeek 等）。無論是WorkBuddy的技能落地，還是企微機器人的任務執行，最終的輸出質量、邏輯深度都受制於外部模型的表現。當部署的門檻被徹底砸穿後，最終決定這只“蝦”到底是能幫你自動報銷，還是把公司資料搞得一團糟的，終究還是底層模型的智力水平。騰訊用頂級的產品化能力拿下了“養蝦”的第一局，但在未來 AI 助手拼穩定性和邏輯深度的硬仗中，如果自家元寶模型不能真正挑起大梁，這種繁榮，終究還是受制於人。 （鈦媒體）

即使是人類最頂尖的科技，終究也會撞上一堵最古老、也最堅硬的牆：物理定律。不久前，馬斯克在訪談中發出了一針見血的論斷：“AI發展的制約因素，正在從晶片轉向電力供應。”這並不是危言聳聽，根據國際能源署（IEA）的預測，到2026年，全球電力總消費量將達到29000兆瓦時的歷史新高。面對即將到來的“電荒”，巨頭們紛紛坐不住了。微軟重啟曾因事故被廢棄的三里島核電站，Meta也宣佈與核電站達成合作，Google則聯手初創公司自建核反應堆。全球科技巨頭，正集體捲入一場“搶電大戰”。科技巨頭，捲入“搶電大戰”“如果我們無法獲得足夠的電力，人工智慧的發展可能會陷入停滯。”Meta全球能源負責人說的這句話，已經成了整個科技圈的共識。在過去兩年，科技公司的電力需求如同黑洞一般膨脹，巨頭們紛紛爭相與核電站、電力公司合作。Meta算是最早把“搶電”擺到檯面上的科技公司之一。從2023年末開始，它就先後和Vistra、Oklo、TerraPower等核能企業簽下了購電協議。這些合作協議基本上都是長期繫結，合作期限10年起步，有的甚至長達20年。據《華爾街日報》披露，Meta目前的合作協議中的潛在電力容量已超過了6吉瓦。這是什麼概念？換算一下，這些電力足以讓美國500萬戶家庭用上整整一年。2024年9月，微軟也宣佈了一個震驚業界的消息：它與Constellation Energy達成協議，計畫重啟三里島核電站，並收購未來100%發電量的購電權，期限長達20年。三里島這個名字，在美國能源史上非常特殊。1979年，它曾發生嚴重核洩漏事故，成為美國核能擴張戛然而止的標誌性事件。此後幾十年，美國幾乎沒有再新建核電站。但現在，為了支撐AI的用電需求，微軟選擇讓這座曾被放棄的電廠死而復生。什麼政治禁區、民意障礙，在AI的用電需求面前，也得讓路。2024年10月，Google也聯手核能初創公司Kairos Power，計畫到2030年前部署7座小型核反應堆（SMR），可提供約500兆瓦的清潔電力，專門供給旗下資料中心使用。這一步，等於繞過了美國電網，直接打造自給自足的能源系統。巨頭們電力焦慮的背後，是AI那令人膽寒的能效赤字。眾所周知，在大模型從訓練階段走向部署的過程中，背後都是幾萬個GPU叢集在不捨晝夜地吞噬電力。根據美國能源部的測算，一個峰值功率達到1吉瓦的資料中心，年耗電量大約等於70萬個家庭或一座180萬人口城市的全部用電。而這樣的“電老虎”，美國境內已經部署了數十個。晶片設計公司Arm的CEO在2025年就曾預測，到2030年，AI資料中心將佔據美國20%–25%的電力需求，也就是說，人工智慧公司將消耗掉美國四分之一的電力。而據瑞穗證券預測，到2030年，美國專門供給AI和網際網路計算中心的用電量將達到400太瓦時，這個數字已經遠遠超過了2022年英國全國總發電量。正如馬斯克在最新採訪中所指出的，全球科技公司對電力的需求正以指數級速度飆升，而電力的增長卻像老牛拉破車，年均增速僅為2%到4%。這道巨大的供需裂痕，將原本隱藏在幕後的能源供應，變成了AI競賽中最卷的戰場。美國電網無法承受的算力之重科技巨頭們的焦慮不是沒有道理。近幾年來，AI的用電需求，已經遠遠超出了美國電網的承載能力。首先，美國不是不想建設電網，卻因為臃腫的系統舉步維艱。在美國，科技企業要建一個風電或太陽能項目，首先得申請接入電網，這一步叫“並網申請”（Interconnection Queue）。聽上去簡單，實際流程卻冗長得令人絕望。美國能源資訊署（EIA）資料顯示，一個新能源項目從申請到並網，平均要等7到10年，而且有五成以上的機率最終被駁回。以全美最大的電網營運商PJM為例，截至2023年底，仍有2000多個項目卡在審批環節，總裝機超過500吉瓦，光是排隊就要耗掉好幾年。對重視效率的科技公司來說，這種漫長的審批流程簡直是致命傷，導致超過一半的項目最終胎死腹中。另一方面，雖然美國近幾年正在努力推動清潔能源轉型，大力建設風電、核能，但終究有些“臨時抱佛腳”的意味。這些能源受天氣、裝置等因素影響很大，供應不穩定，碰上用電高峰期很容易掉鏈子。而美國供電網路的“基本盤”天然氣和核電，增長速度完全跟不上AI帶來的新增需求。除了制度層面的問題，硬體的老化則是美國的另一個硬傷。根據媒體報導，美國70%以上的輸電線路建於上世紀70年代前後，已經稱得上超期服役。變電站、高壓線年久失修，事故頻發。另外，由於沒有統一的國家級電力調度系統，美國電網被劃分為東部、西部和德州三大區域，互不相通。這意味著，一旦某個區域缺電，想從隔壁“借電”都難如登天。而像加州灣區、德州奧斯汀、弗吉尼亞北部，這些雲端運算巨頭們聚集的區域，偏偏是美國供電最緊張的區域，往往是資料中心已經建成，供電系統卻拖了後腿。彭博社就曾披露，在輝達總部加州聖克拉拉縣，一座大型AI資料中心早已落成。但尷尬的是，由於當地電網升級要到2028年才能完成，導致整棟大樓至今只能空置。電力供應緊張，甚至演化成了科技公司和普通民眾之間的衝突。在加州和德州，由於資料中心巨大的耗電量，當地電價水漲船高，2024年部分居民的電費甚至上漲了200%，引發了強烈不滿。憤怒的居民在網路上發出質問：“為什麼我們要為大公司的模型訓練買單？”這種最前沿的生產力與陳舊基建之間的脫節，正是讓全球科技巨頭感到窒息的根源。中國AI的隱形護城河在AI的下半場競爭中，國家電力系統的能力至關重要。當矽谷巨頭還在為電力供應發愁時，中國早已經過幾十年的佈局，悄悄成為了全球第一的電力帝國。根據日經新聞網援引的官方資料，中國2025年新建發電站等發電能力約為470吉瓦，而美國同期僅為64吉瓦。這意味著，中國一年的發電能力增量，就達到了美國的驚人7倍。在總量上，中國的發電能力早在2013年就已超越美國，到2024年更是達到美國的2.5倍，年發電量也達到美國的2.4倍左右。但在AI時代，僅僅發電量大是不夠的，真正的降維打擊在於，中國已經建起了一張能讓能源自由流動的全國網路。首先，中國電網從根本上解決了能源資源的地域錯位問題。在中國，地廣人稀的西部擁有取之不盡的風光水電，但算力需求卻大部分集中在東部沿海城市。為了打破這種地理限制，我們建設了覆蓋全國的特高壓輸電通道。國家級戰略項目“東數西算”的支撐。國家統計局資料顯示，截至2024年，東數西算八大國家算力樞紐節點直接投資已超435億元，帶動相關總投資突破2000億元。在一大批綠色資料中心落地內蒙古、寧夏、甘肅等地的同時，這些樞紐的算力總規模已達到215.5 EFLOPS，其中智能算力佔比超過80%。中國不僅在源源不斷地生產電力，更通過國家級的工程項目，將廉價能源精準地轉化為高效算力。對比之下，美國電網由於歷史原因，至今仍處於“諸侯割據”的狀態，三大電網分區而治、互不往來。這讓美國在面對AI這種爆發式能源需求時，顯得捉襟見肘。而對於中國AI企業來說，這種國家級基建帶來的的紅利，是電價帶來的成本護城河。算一筆最直觀的帳，在美國，AI公司聚集區域的電價普遍在0.12到0.15美元每千瓦時；而在中國西部地區，工業電價大約只有0.2元人民幣，換算下來僅為0.03美元。這意味著我們的電力成本甚至不到美國的四分之一。當科技公司訓練一個千億級參數的大模型時，單次訓練耗電量高達數百萬度。在美國，光是電力成本就得砸進上百萬美元，而在中國西部，同樣的訓練任務只需要幾十萬美元就能搞定。所以，矽谷巨頭紛紛自建核電廠，本質上是當美國的公共基礎服務跟不上技術爆發時，企業只能被迫把自己變成能源公司。而中國早已用國家級的能源體系，為AI時代的爆發做好了準備。不缺電的中國，還在瘋狂建電廠而現在，並不缺電的中國，還在拚命建電廠。2024年，全國全社會用電量同比增長了8.1%。但與此同時，內蒙古、寧夏、甘肅等能源基地的火電、風電項目依然在密集開工，甚至很多項目剛投產就啟動了擴建。特高壓工程和東數西算資料中心，正像毛細血管一樣在全國版圖上瘋狂生長。這種不計成本的加碼，是因為我們意識到：電力，不再只是單純的基礎設施，而正轉變為支撐AI競賽的戰略資源。在AI浪潮席捲全球的當下，大模型、晶片、算力的爭奪只是表象，背後的終極支撐只有一個，那就是龐大且穩定的電力。無論是訓練、推理還是部署，每一個環節本質上都是吞噬電能的黑洞。晶片可以最佳化性能，架構可以提高效率，但如果沒有充足的能源供給，一切都是空中樓閣。也正因如此，能源主權開始成為決定勝負的核心議題。它決定了一個國家能不能在AI競賽中持續推進，而不必擔心被外部供電波動或能源價格拖後腿。全球範圍內的能源競爭，正在愈演愈烈，在大洋彼岸，這種對能源競爭的極致焦慮，更是表現得更為露骨。今年年初，美國突然出兵委內瑞拉並帶走其總統，名義上是打擊走私，但明眼人都知道，那裡有著全球最大的石油儲量。再看美國一直試圖買下格陵蘭島的執念，這絕不是普通的房地產交易，而是看中了那裡蘊藏的、支撐未來工業的稀土和油氣資源。看似荒誕或激進的行為，本質上都是在為未來的科技競爭搶奪燃料。結語所有的算力奇蹟，都離不開能源的堆疊。當AI競賽進入下半場，決定勝負的就不再是晶片科技，而是國家的能源體系。在大國博弈的棋局裡，能源從來不是科技的註腳，它已經成為了入場券本身。能源主權，正在悄悄重塑整個世界的科技競爭格局。 (虎嗅APP)