#AI競爭
不是算力,不是電力,這才是中美AI競爭的終極變數
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)
阿里首提智能體經濟,在全球AI競爭顯鋒芒!
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)
蔡崇信撕破AI競爭底層邏輯:美國人定義的規則,可能是錯的
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)
騰訊終於找到自己的ChatGPT時刻
▎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)
“電力克蘇魯”贏得AI競爭? 中國發電增量已達美國7倍
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)
中國發電增量達美國的7倍,AI競爭鹿死誰手仍未知
AI即人工智慧,被認為是掀開人類第四次工業革命的關鍵技術,某種程度上決定了未來幾十年的世界格上一輪工業革命即第三次工業革命,資訊技術革命中,由於蘇聯落後美國,最終兩國國力差距越來越大,一般認為這是蘇聯解體的生產力根原。人類經歷的4輪工業革命。2022年GPT3.5發佈掀開AI革命以來,全球AI產業呈現中美對抗之勢。AI技術要求強大的算力,算力的物質基礎是越來越強大的顯示卡,顯示卡的核心是高精度晶片。除算力外,AI的發展迭代需要海量的訓練,而這就要消耗巨量的電力。拿目前世界上最先進的AI,GPT4.0舉例子,4.0僅僅訓練一次就要消耗掉幾百萬度的電,相當於一座小城市一年用電量。中美兩國在支撐AI革命背後所需的能源增長示意圖。美國西方當然知道AI對中美大國競爭的意義,試圖讓中國變成下一個蘇聯一直是當前美國高層的共識。但面對中國這麼個龐然大物,顯然直接軍事對抗是打不垮的。全球化的今天,美國一時半會也無法擺脫對中國供應鏈的依賴,且經濟上中國正在全方位超過美國。那唯一的辦法就是技術封鎖,在半導體產業中國雖有巨大的產量,但技術上和西方國家差距太大,目前台積電已經可生產2nm晶片,中國還只能製造出7nm晶片。而小小的晶片卻是AI算力的物質基礎,這便是美國為什麼會在這塊封鎖中國。中美AI產業的優劣勢對比。不過即使缺乏高精度晶片,中國依舊有發展AI的優勢,其中核心的是中國有巨大且廉價的電力產量。2025年全年中國發電量破10兆度,佔當年全人類發電和的3分之1,是美國的2.4倍。更恐怖的是中國依舊在砸巨量資金建設電站,1.2兆元的雅魯藏布江水電站工程只是近年中國狂建電站的代表,中國還在大力推進核電、風電、水電、太陽能發電工程。中美發電能力對比。2025年中國新建發電站等的發電能力約為470吉瓦。美國能源資訊署的資料顯示,美國同期增加的發電能力為64吉瓦,中國的發電增量達到美國的7倍。由於摩爾定律的制約,極有可能未來不久晶片精度就將達到頂峰,而中國慢慢研發也將追上來,而那時AI競爭將不再是算力競爭,而是電力競爭。由於中國有巨大且廉價的電力生產,意味著中國可以訓練更強大的AI,而美國電力供應遠遠少於中國,意味著最終美國將在AI革命中輸下陣來。2024年以來中國AI正在逐漸追上美國。 (未音g)
DeepSeek V4有望深刻改變全球AI的競爭格局
一、核心觀點:AI產業進入"應用落地+格局重塑"關鍵期2025年底至2026年初,全球AI產業正經歷從"技術競賽"向"應用落地"的深刻轉變。本報告揭示了三條主線:AI應用全面加速、國產算力崛起、全球競爭格局重塑。其中,DeepSeek V4的即將發佈被視為可能打破海外封閉模型壟斷的"遊戲規則改變者",而國產晶片訓練大模型、阿里高調進軍AI雲市場等趨勢,標誌著中國AI產業正在走出一條差異化發展路徑。二、AI應用:從"聊天對話"邁向"辦事時代"2.1 大廠佈局全面開啟,生態整合成關鍵蘋果×Google:從"外掛式"到"內植入"的深度合作1月12日,蘋果與Google達成多年戰略合作協議,Google的Gemini核心模型架構將支援下一代Apple Foundation Models。這一合作模式的轉變極具象徵意義——從與OpenAI的"外掛式"服務,變為"內植入"式的底層技術融合。蘋果每年將向Google支付約10億美元技術許可費,新品最快3-4月上線。這反映出蘋果自研模型團隊流失後的戰略調整,也預示著手機端AI應用將在2026年全面加速。阿里千問:全球首個完成真實生活複雜任務的AI助手1月15日,阿里宣佈千問App全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等生態業務,實現點外賣、買東西、訂機票、訂酒店等功能。這標誌著AI助手從"聊天對話"正式邁入"辦事時代"。阿里憑藉豐富的自有生態,在AI Agent落地方面展現出獨特優勢。Meta巨資收購Manus:AI Agent迎來里程碑2025年12月30日,Meta以20億美元收購AI Agent公司Manus。Manus上線僅8個月,年經常性收入(ARR)即突破1億美元。這一收購標誌著AI Agent成為科技巨頭爭奪的下一個戰略高地。2.2 模型呼叫量激增,位元組仍居首位但阿里加速追趕關鍵變化:阿里在Q4加大新產品上線和推廣力度,螞蟻阿福和千問均進入國內AI原生App前五。阿里雲更提出2026年拿下中國AI雲市場增量80%的激進目標,並判斷2026年增量的10%都將大於2025年全量——這意味著阿里預期的2026年AI雲市場規模將數倍於Omdia預測的518億元。三、模型格局:開源vs閉源對抗加劇,DeepSeek V4成關鍵變數3.1 當前模型梯隊分化明顯海外封閉模型:OpenAI GPT-5、xAI Grok 4、GoogleGemini 3 Pro、Anthropic Claude Opus 4.5中國開源模型:DeepSeek-V3.2、阿里Qwen3-Max、月之暗面Kimi K2、小米MiMo-V2-Flash、智譜GLM-4.7、MiniMax M2.1根據Artificial Analysis排名,GPT-5、Claude Opus 4.5、Gemini 3 Pro分列前三,但國產模型緊隨其後,差距正在縮小。3.2 DeepSeek V4:可能改變遊戲規則的"重磅炸彈"核心預期(據媒體披露):發佈時間:2026年2月關鍵突破:程式設計能力超過Anthropic Claude和OpenAI GPT系列開源策略:大機率開源,直接衝擊海外封閉模型的營收根基潛在影響分析:Anthropic是當前AI程式設計領域的領頭羊,其Claude Code年化營收已達10億美元(2025年12月資料),預計2026年目標200-260億美元。若DeepSeek V4以開源方式提供同等甚至更優的程式設計能力,將對Anthropic和OpenAI的營收造成明顯衝擊。更深遠的影響在於:開源模型的性能追趕+成本優勢,可能迫使更多企業轉向第三方架構,打破當前"封閉模型+高溢價"的商業模式。3.3 國產晶片訓練大模型:2026年新趨勢智譜GLM-Image:1月14日發佈,成為首個在國產晶片上完成全程訓練的SOTA多模態模型,基於華為昇騰Atlas 800T A2和昇思MindSpore AI框架。DeepSeek的國產適配進展:2025年9月發佈V3.2-Exp,當天華為昇騰和寒武紀即完成"day 0"適配開源TileLang算子,打破CUDA生態壁壘(程式碼量從500行壓縮至80行,性能提升30%)2025年12月,輝達推出相似度極高的CUDA Tile,側面印證TileLang的技術影響力趨勢判斷:2026年國產模型將更多地選擇在國產晶片上完成訓練,形成"國產模型+國產晶片"的閉環生態。四、算力與國產化:禁令下的機遇與挑戰4.1 輝達H200仍受禁令限制,國產晶片窗口期延續2025年中美政策博弈呈現"多變"特徵:11月:白宮通知不允許輝達向中國出售最新減配版AI晶片12月8日:川普表示允許向"經批准的客戶"出售H2002026年1月17日:輝達供應商因中方禁令暫停H200關鍵元件生產結論:H200仍實質性受到禁令限制,為國產廠商留下持續發展壯大的機會窗口。4.2 華為昇騰:下一代晶片參數曝光關鍵突破:昇騰950PR加入自研HBM HiBL 1.0,從根本上解決被美國禁令限制HBM的窘境。4.3 超節點競爭:國產廠商的規模化突圍戰略意義:通過超節點(Scale Up)的高密度整合,國產廠商以系統層面創新彌補單晶片製程差距。華為Atlas 950/960的超節點規模將數倍於輝達同期產品,形成獨特競爭優勢。五、EDA與半導體:國產化處理程序加速5.1 EDA成為出口管制新焦點2025年美國對華EDA政策反覆:5月29日:停止對華晶片設計軟體(EDA)銷售7月2日:西門子聲明在華開展業務不再需要"政府許可"10月10日:川普宣佈11月1日起對所有關鍵軟體實施出口管制(未落地)市場反應:新思科技中國區收入連續3個季度下滑;楷登電子Q3因禁令放鬆,中國收入同比增長18%。2026年將是AI產業從"技術驗證"走向"商業兌現"的關鍵年份。DeepSeek V4的發佈可能成為打破當前格局的"黑天鵝",而國產算力產業鏈的成熟,將為中國AI產業提供堅實底座。在這一過程中,具備生態整合能力的應用廠商、掌握核心技術的算力供應商、以及突破關鍵卡點的半導體企業,有望獲得超額收益。(TOP行業報告)
蔡崇信港大演講爆火:中美AI競爭,從根本上就不是一個賽道
最近,蔡崇信在香港大學的演講刷屏科技圈,其中關於中美 AI 競爭的論述,精準戳中了當下行業的核心痛點。很多人跟著美國的節奏陷入 “比跑分” 的誤區,覺得 AI 比拚就是看大模型的參數多少、榜單排名高低,但蔡崇信直言:這場競爭的邏輯,從一開始就被搞錯了。真正的 AI 競爭,從來不是 “誰的模型更厲害”,而是 “誰能把 AI 用得更好”。中美兩國的路線分歧,本質是 “技術至上” 與 “實用為王” 的終極較量。美國跑偏“計分板”,中國緊盯“參透率”全球 AI 圈似乎默認了 “模型性能 = 競爭勝負” 的規則,美國陣營一門心思堆參數、拼跑分,把技術指標當成唯一追求。但中國的思路完全不同 —— 我們錨定 “滲透率”,早在規劃中就明確:到 2030 年,AI 代理和各類智能裝置要滲透到各行各業,覆蓋率達到 90%。道理很簡單:AI 再厲害,不能落地、不能普及,終究只是實驗室裡的 “擺設”。這正是中美 AI 競爭的核心分歧。中國四張底牌,美國短期難複製中國能在 AI 普及上佔據優勢,靠的不是單一技術突破,而是四大不可複製的生態優勢:訓練大模型、跑 AI 推理本質是 “燒電”,中國 15 年前就佈局電力基建,國家電網年投入是美國的 3 倍,電力成本比美國低 40%,充足且廉價的電力為 AI 普及築牢基礎;01電力優勢AI 大規模落地需要海量資料中心支撐,中國資料中心基建成本比美國低 60%,這一優勢直接加速了 AI 的落地速度;02資料中心成本全球近半 AI 科學家和研究人員擁有中國高校學位,無論他們身處何地,都是中國的人才儲備。更特別的是,中文成為 AI 領域的交流優勢,華人工程師間的順暢溝通的是其他國家無法比擬的;03工程師紅利美國不缺 GPU,習慣靠堆硬體提升性能;而中國 GPU 資源有限,反而倒逼技術團隊在系統最佳化上做到極致。阿里通義千問、DeepSeek 等在國際 AI 競賽中斬獲佳績,靠的正是這種系統級創新。04系統級創新開源VS閉源:中國彎道超車的關鍵如果說生態優勢是基礎,“開源模式” 就是中國 AI 彎道超車的核心抓手。蔡崇信判斷:開源模型遲早會擊敗閉源模型。美國的閉源模型(如 OpenAI)使用要付費,且資料全程黑箱操作,使用者無法掌控資料去向;而中國走開源路線,阿里通義千問等模型可免費下載,部署在私有雲上,資料完全自主可控,同時解決了成本、主權、隱私三大痛點。新加坡國家 AI 計畫棄用 Meta 模型轉投通義千問,就是開源模式硬實力的最好證明。終局:誰讓AI走進千家萬戶?中美 AI 競爭拼的不是單一技術強弱,而是生態支撐力與模式適配性。美國有頂尖模型,但電力成本高、資料中心建設貴、閉源模式限制普及速度,這些短板恰恰是中國的長板。中國的優勢,是電力、資料中心、人才、系統創新、開源模式擰成的合力,我們專注讓 AI 服務實體經濟。正如蔡崇信所說:AI 的價值在於使用,而非收藏。最終贏家,必然是能讓 90% 行業用上 AI、使用者用得放心低成本的一方。AI時代,年輕人該備那些核心能力?AI 普及浪潮已至,年輕人需做好接棒準備:學程式設計練邏輯、學統計應對資料爆炸、學材料科學助力硬體突破、學生物學理解人腦智能;而核心中的核心,是學會 “提出正確問題”——AI 能快速生成答案,定義問題的能力才不可替代。中美 AI 競爭的終局,是生態、模式與人才的綜合比拚。中國正以 “實用為王” 的路線,穩步走向 AI 普及的核心賽道。 (AI行銷峰雲)