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)

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)

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)

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)

當地時間2025年7月23日，川普政府發佈了由美國白宮科技政策辦公室牽頭制定的頂層戰略架構檔案《贏得競賽：美國人工智慧行動計畫》（以下簡稱《計畫》）。這份戰略計畫正文長達23頁，明確了三大支柱、30項目標和103條推薦政策行動，標誌著美國政府在人工智慧前沿科技領域即將開啟全新戰略佈局，劃定了美國未來能源重構、製造重塑、勞動力重編與治理重寫的戰略路徑。本文將從計畫的核心架構出發，分析其出台背景、主要內容和顯著特點，探究其“創新驅動基建，基建支撐霸權”的戰略邏輯。美國總統 川普簽署《贏得競賽：美國人工智慧行動計畫》行政命令出台背景2021年底以來，以生成式人工智慧為代表的AI技術發展呈突飛猛進之勢，既給美國帶來了巨大的機遇，又對其構成了一定的挑戰。根據《計畫》文字內容，結合川普政府公開政策檔案及相關發言表述，其出台背景可歸結為“全球競爭”“監管改制”“利益兌現”三個核心維度，對應“外因-內因-目標”的戰略閉環。源自全球AI競爭和領導地位動搖帶來的危機感。當前，世界各國領導人都空前關注人工智慧領域的突破和進展。美國總統川普將人工智慧視為“變革性技術”，在這一領域的突破將“重塑全球權力格局”，並直言不諱地稱“美國必須實現並保持無可爭議的全球科技霸主地位”。2025年1月23日，川普在上任後第4天就簽署了第14179號總統行政令《消除美國在人工智慧領域領導地位的障礙》，呼籲美國保持在全球競賽中的主導地位，並指導制定一項“人工智慧行動計畫”。2025年2月11日，美國副總統范斯在法國巴黎的“人工智慧行動峰會”上誓言美國“會採取一切必要手段”，保證美國在全球AI領域的領先地位。美國總統國家安全事務助理馬爾科·A·盧比歐和總統科技事務助理、白宮科技政策辦公室主任邁克爾·J·克拉茨奧斯等人則將AI定義為“重塑全球力量平衡”的核心技術，強調美國正處於一場“必須贏得”的競賽中，其勝負直接影響經濟競爭力和軍事優勢，稱若輸掉競賽將導致“國家安全風險”，並進一步強調所謂地緣政治博弈視角下的“國家安全緊迫性”。上述情況說明，全球人工智慧領域的激烈競爭及其領導地位動搖帶來的危機感，促使川普政府制定《計畫》，推動AI領域的變革與發展。美國副總統范斯參加法國巴黎的“人工智慧行動峰會”基於從監管約束到解綁創新的AI治理政策轉向。2023年10月30日，時任美國總統拜登曾簽署第14110號總統行政令《安全、可靠和值得信賴的人工智慧開發和使用》，提出了諸如聯邦機構要選拔並增設本部門的首席人工智慧官等措施，加強對AI技術的監管。2024年10月24日，拜登政府還發佈了美國歷史上首份以人工智慧與國家安全為主題的政策備忘錄及其配套檔案《國家安全領域的人工智慧治理和風險管理框架》，進一步劃定人工智慧風險管控的基本框架。但川普政府的政治主張與此相悖，認為想要進一步發展人工智慧，必須給監管“鬆綁”，曾多次批判前任“監管體系繁重”。2025年5月，美國商務部談及拜登政府人工智慧規則時稱其“過於複雜、官僚主義，會阻礙美國的創新”，現任政府將採用新規替代，釋放創新能力，並“確保美國在人工智慧領域的主導地位”。為了給美國國內AI監管環境“去枷鎖”，川普簽署的第14179號總統行政令一反拜登政府“安全與可信優先”的監管策略，宣佈撤銷拜登政府的人工智慧行政命令和有關人工智慧的所有政策、指示與法令，轉向“競爭與創新優先”的監管原則，提倡私營部門主導的創新，實質上是從風險規避到增長驅動的轉變。這些也成為了《計畫》制定的政策起點。滿足美國多維度國家利益訴求的政治需要。川普上台後要考慮的第一是政治承諾因素。川普在2024年競選時就許下了眾多關於未來AI發展的競選承諾。一方面計畫加注AI產業投資，將頒布政策鼓勵前沿AI模型研發，要求AI技術開源和共享，鼓勵新創企業進入AI領域，引領科技研發與應用的變革；另一方面強調未來美國將立足於在最少的監管下推進人工智慧發展，並以自由市場的方式加速技術進步，推動美國人工智慧產業全面升級。第二是提振美國國內經濟因素。據國際貨幣基金組織預測，全球約40%的就業機會將受到人工智慧的影響，這意味著美國可能有數百萬就業崗位面臨被替代的風險，或者產生數十萬失業人數。盧比歐認為：“美國必須繼續在AI領域保持主導地位，以促進經濟繁榮並保護國家安全。”美國總統科技助理兼人工智慧與加密貨幣特別顧問戴維·O·薩克斯和克拉茨奧斯也提出要以“美國工人為核心發展AI”，“確保在人工智慧時代，美國工人的家庭富足和發展”。而上述競選承諾和願景幾乎全部被納入了本次發佈的《計畫》。總統科技助理戴維·O·薩克斯提出要以“美國工人為核心發展AI”主要內容《計畫》採取“支柱-目標-舉措”三層佈局，設定了“加速AI創新”“基礎建設革命”“領導國際AI外交與安全”三大發展支柱，三者以“技術賦能→物理承載→規則輸出”為核心鏈條，共同服務於美國爭奪全球AI主導權的戰略目標。在每一支柱之下，《計畫》又根據用途、手段的不同，將之細分為30項目標，並針對性地提出了合計103條推薦政策行動（舉措）。《計畫》整體架構緊密順暢，清晰明了地擘畫了川普政府對美國國家人工智慧全面發展的路線圖。《計畫》三大支柱及其細分目標示意圖打造技術賦能“引擎”第一支柱——加速AI創新。第一支柱內容約佔整個《計畫》正文篇幅的一半，其包含的15項細分目標和相應的舉措合計58條均過半數，可將其稱為關鍵支柱。該支柱的核心邏輯旨在通過政策鬆綁和資源傾斜，最大化釋放私營部門創新潛能，破除AI發展障礙、激發技術突破，以期確保美國在AI模型、演算法、應用層保持代際領先，為後續支柱提供技術儲備和支撐。第一支柱的主要發展目標有以下4項。第一，著力去監管化以增強市場活力。《計畫》打算通過限制撥款等資金槓桿和修訂採購標準等法律工具迫使地方政策鬆綁，同時削弱部分聯邦機構的審查權，為私營企業拓展創新空間。第二，重構價值觀導向的技術標準。《計畫》修改拜登政府時期發佈的《人工智慧風險管理框架》，刪除關於“錯誤資訊、多樣性、公平性、包容性以及氣候變化”的引用，形成新的美式價值觀輸出機制。第三，大力投資AI科學研究。《計畫》指出，人工智慧發展帶來的新興能力有望加速科學進步，必須通過推動科研方式根本性變革，建設、升級配套科研基礎設施，把理論轉化為工業規模的企業。為此應當建構“世界級”科學資料集，並保證資料安全；推進人工智慧科學發展，加注戰略性、針對性投資。第四，致力於推動AI創新成果的應用落地。《計畫》指出美國在眾多關鍵領域中由於種種因素導致AI技術應用進展緩慢，除了監管的因素阻礙以外，民眾對AI的不理解和不信任也是重要原因。因此，要採取設立監管沙盒、集思廣益制定標準、強化競爭情報蒐集分析等措施，建立一種充滿活力的“先試後行”（try-first）的AI文化。建設物理承載“基座”第二支柱——建設AI基礎設施。第二支柱包含8項目標、29條舉措，計畫將創新的技術成果轉化為實際生產力，解決限制美國人工智慧發展的算力、能源、硬體和人才四大瓶頸，為AI大規模應用提供具有韌性的基礎設施和物理承載能力。第二支柱的主要發展目標有以下4項。第一，加快與AI發展配套或相關的基建審批速度。《計畫》明確要簡化資料中心、半導體廠及能源設施的審批流程，優先本土選址，並取消所有針對晶片計畫資助的半導體製造項目的多餘政策要求，推動半導體製造回流美國，保障供應鏈安全；論證、修訂相關法規，打通環境審批制度等其他法律“梗阻”。第二，明確基建與能源優先導向。《計畫》指出，“美國能源容量自20世紀70年代停滯”，而AI需“遠超今日水平的能源和資料基礎設施”，電網升級滯後與資料中心建設緩慢被列為“贏得競賽的最大障礙”。《計畫》將電網擴容視為AI競爭的核心前提，解決制約AI發展的能源瓶頸。第三，培養專用型勞動力。聚焦電工、高級暖通技術員等藍領工作，通過制定AI崗位所需的國家技能框架與能力模型、創設調整職業技術教育（CTE）課程等方式，最佳化職業培訓模式，實現“精準用工”培養，填補人才缺口，輸送配套勞動力。第四，確立安全設計原則。隨著AI在網路攻防領域的應用程度日益加深，加強關鍵基礎設施網路安全的緊要程度一再提升。《計畫》強調要建設高安全資料環境，從硬體（晶片認證）、設施（軍用資料中心隔離）到軟體（內嵌監控），建構“全端安全體系”，抵禦“虛假或惡意輸入”，尤其強化國防應用場景，為軍事和情報部門建立高安全性的資料中心，形成“民用技術廣泛推廣、軍用系統極致防護”的雙軌制。定製規則輸出“槓桿”第三支柱——領軍國際AI外交與安全領域。第三支柱包含了7項目標、16條舉措，核心目的是通過技術出口繫結盟友，採取“出口管制封鎖+價值觀輸出”的對華雙重遏制方式，以及加強AI領域的國家安全威脅評估。第三支柱的主要發展目標有以下3項。第一，技術霸權聯盟化。以“全端出口”為誘餌，將盟友技術生態繫結到美國“晶片+模型+標準”體系中，通過商務部主導的出口計畫與金融工具，要求出口AI系統必須符合美式價值觀和原則，將意識形態植入技術標準，使盟友形成路徑依賴，意圖打造“AI北約”。第二，國際規則武器化。《計畫》將國際標準戰場轉化為“價值觀對抗”工具，利用美國在國際外交和標準制定機構中的地位，大力倡導促進創新、反映美國價值觀、抵制威權主義影響的國際人工智慧治理方法，實則為排除中國影響力建構制度壁壘。第三，安全議題擴張化。《計畫》要求確保美國政府評估前沿AI模型國家安全風險的能力領先全球，繼續加強對尖端半導體等敏感技術的嚴格出口管制，鼓勵其合作夥伴和盟國遵守美國的管制措施，既擴大市場又強化陣營認同；同時，將生物安全等非傳統威脅納入AI競爭框架，從而過度拓展了國際安全議程。這三大支柱實為美國維持AI霸權的“三位一體”策略，從技術層（第一支柱）確保綜合性領先，到基建層（第二支柱）掃除規模化瓶頸，再到規則層（第三支柱）固化全球AI霸權優勢。顯著特點《計畫》的核心邏輯直指“主導權競爭”，其本質是將AI技術深度繫結國家戰略，通過國內政策與國際行動聯動，實現“技術霸權閉環”。對比拜登時期的國家人工智慧政策，《計畫》具有三大顯著特點。通過自主機器人等新產業提高全美民眾的生活水平一是強力扭轉AI監管政策，在其他AI建設發展方面做了延續和保留。《計畫》採取“胡蘿蔔加大棒”策略，將聯邦監管與資源直接捆綁。一方面，廢止拜登AI安全行政令，論證、撤銷前任政府審查要求，修訂或廢除阻礙人工智慧發展的法規規則、行政命令和指導檔案等，對AI發展實施寬鬆管制。另一方面以聯邦資金為槓桿，要求各州“不得阻礙AI創新”，否則限制撥款，其實質是以資源分配權倒逼各州政策服從聯邦“去監管化”的議程。此外，在技術治理層面，《計畫》也明確刪除監管框架中多元性別和氣候變化等相關內容，以剝離“政治正確”議題。這類罕見推翻既定裁決的舉措，雖然預示著對拜登政府AI監管框架的否定和摒棄，但在謀求鞏固領先地位、推進AI賦能和加強聯盟合作等戰略謀劃方面依然做了保留。《計畫》根據川普政府的政治傾向將之演化為領軍國際人工智慧外交與安全領域、推動AI創新成果全面落地和應用，以及向盟國和夥伴輸出美國AI等新的目標與政治主張，反映出這些框架的合理性和對美國的重要性。二是將價值觀工具化，技術標準承載意識形態輸出，利用AI外交建立美式“新標準”。川普政府期望打造以AI為“作業系統”的國家治理模式，並積極推行AI外交，將之作為新的“規則範本”輸出全球。在巴黎峰會上，范斯猛烈批判了歐盟的AI監管政策，其強勢表達要求放鬆監管、採取美式標準等主張，則被認為“將衝擊美歐在科技治理的合作關係”，范斯也提前離場，並拒絕簽署巴黎峰會有關“包容和可持續”的人工智慧宣言。《計畫》全盤承續了這些主張，一邊通過“全端出口”繫結盟友技術生態，推廣“美式價值觀中立”框架，一邊嚴控半導體製造裝置子系統出口，加大對華技術封鎖。同時，重點標定有關人工智慧標準主導權的爭奪也是這一方面的對應。《計畫》引言部分明確指出“誰擁有最大的AI生態系統，誰就將設定全球AI標準”，並類比“太空競賽”的勝負邏輯，強調美國需通過技術壟斷獲取規則制定權。這種“標準即霸權”的思維推動《計畫》將國際標準輸出列為其第三支柱的核心目標。三是推動以企業為中心的勞動力轉型，反映了美國政府政策的“被動適配性”，也暴露出其對私營企業的過度放縱。《計畫》許下了AI時代下經濟與就業的“雙重承諾”，一方面強調將帶來產業革命紅利，宣稱AI將帶來“工業革命、資訊革命和文藝復興三位一體的黃金時代”，承諾通過自主機器人、下一代製造等新興產業提高全美民眾的生活水平，意圖進一步釋放紅利；另一方面迫於勞動力轉型壓力，承認AI將“改變所有行業的工作方式”，因此計畫設立“AI勞動力研究中心”，實行行業稅收抵免，試圖緩解替代性失業風險。縱觀前兩大支柱均含勞動力政策，包括稅收優惠驅動企業培訓和定向培養藍領適配基建需求等，雖標榜“賦能工人”，但培訓方向聚焦資料中心維運等“適配性技能”，培訓補貼政策工具實質利多資方，極少涉及高端人才全球化競爭，也非系統性解決技術性失業，體現出川普政府政策被動適配性轉型。川普等高層大肆標榜“工人優先”，實則將勞動者視為技術迭代的配套要素，而非轉型中心。結  語面對其他國家在算力建設與資料積累上的飛速發展，美國選擇以“自由創新”為名，廢除前任AI安全行政令，鬆綁企業，放鬆監管，弱化倫理審查，以價值觀排除異己，以“電網與晶片回流”保障技術主權，折射出川普政府激進務實主義的兩面性。川普政府的《計畫》希望通過技術、基建和外交三管齊下確保美國AI霸權，但因全球供應鏈重組面臨現實阻力、勞動力轉型速度可能滯後於技術迭代、能源需求與供給的硬約束，以及安全監管缺位埋藏隱患等因素，其實際結果存在顯著不確定性，或引發全球AI格局重構、能源與創新的賽跑、技術治理悖論等多重風險與挑戰。 (軍事文摘)

中國AI的真正優勢是什麼？年輕人到底還要不要學習程式設計？未來那些專業最有前途？最近，阿里巴巴集團聯合創始人、董事長蔡崇信在香港大學陸佑堂做了一次演講。這是港大商學院“陳坤耀傑出講座系列”的年度活動。據主辦方透露，這次演講的報名速度創下了紀錄——郵件發出兩小時內，超過1200人報名。中美AI競爭中國的四張底牌在演講開場，蔡崇信就拋出一個觀點：美國人定義的AI競賽規則是錯的。蔡崇信說，美國人怎麼算誰贏？看誰的大語言模型更強。今天是OpenAI領先，明天是Anthropic，後天可能是別人。“這個計分方式本身就有問題。”蔡崇信認為，真正的贏家不是誰有最好的模型，而是誰用得最好。而這個判斷的依據是：AI的價值在於滲透率。“中國國務院的AI規劃就很務實一一到2030年，AI代理和裝置的滲透率要達到90%。”那中國憑什麼能普及得更快?蔡崇信列了一張完整的底牌清單。電力：15年前埋下的伏筆蔡崇信說，訓練大模型、跑推理本質上都是在燒電。中國的電力成本比美國低40%。因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網路打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。結果就是中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。資料中心：成本碾壓在中國建一個資料中心，成本比美國低60%。這還沒算晶片，只是基建。工程師紅利：全球一半的AI人才有中國學歷背景蔡崇信提到一個有趣的資料，全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta (Facebook)的Al團隊裡，同事們都在用中文交流想法，他完全聽不懂。“這是中文第一次成為一種優勢。”蔡崇信開玩笑地說。他還舉了個例子，以前中國公司出海，語言是劣勢。比如在義大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了資訊優勢。資源匱乏逼出來的系統級創新蔡崇信說，美國有大量GPU，中國沒有。但他認為，匱乏反而創造了優勢。“GPU的缺乏反而創造了’飢餓優勢’。當你沒有足夠資源時，你被迫在系統層面創新。”他說。訓練一個兆參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬體受限，必須把系統最佳化做到極致。DeepSeek就是這麼逼出來的。而阿里的通義千問 (Qwen) 模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。蔡崇信對DeepSeek毫不吝惜地讚美：“我們在杭州的鄰居，他們做的事情令人難以置信。”開源模型會擊敗閉源模型對於眼下閉源模型和開源模型之爭，到底誰會勝出？蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數使用者的利益。他舉了個例子。假設你是沙烏地阿拉伯，想發展AI，又想保持“AI主權”——意思是AI不受外國控制。但你沒有人才自己開發模型。這時候你有兩個選擇。一個是通過API使用OpenAI。但你要付很多錢，而且資料要喂進去——你不知道資料去了那裡，那是個黑箱。第二個選擇是直接下載阿里的開源模型，部署在自己的私有雲上。免費，而且資料完全可控。所以不管是從成本還是隱私來說，都是開源模型勝出。“所以無論是政府還是企業，只要認真做成本效益分析，都會傾向於開源。”蔡崇信說。那麼阿里怎麼賺錢？蔡崇信的回答是：“我們不靠AI賺錢。”他說，阿里靠的是雲端運算。你用開源模型沒問題，但你要跑模型，需要雲基礎設施，包括儲存、資料管理、安全、網路等，這些阿里都能提供。所以開源模型是流量入口，雲服務才是利潤來源。這種模式其實很像早年的網際網路公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。阿里巴巴持續進化的秘決對話中，港大教授鄧希煒問了一個問題：阿里從B2B電商變成AI雲端運算公司，秘訣是什麼？蔡崇信回答：沒有秘訣，就是跟著客戶需求走。阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之後，小企業可以直接和全球做生意了。阿里的B2B平台就是幫這些小廠找買家——第一版網站是英文的，面向海外。後來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。“雲端運算也是一樣的邏輯。16年前，沒人討論雲。但阿里的消費平台要處理海量資料，如果繼續用Dell的伺服器、EMC的儲存、Oracle的資料庫，所有利潤都會交給這些供應商。”蔡崇信說，發展雲端運算完全是出於必要，出於對技術自主可控的需求。所以阿里雲的起點是“自己吃自己的狗糧”——先內部用，用好了再開放給外部客戶。蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長，而不是併購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過併購，“有些成功，有些失敗得很慘”。還要不要學程式設計？給年輕人的幾點建議在學生問答環節，關於技能和專業選擇，蔡崇信給年輕人提出了很多建設性的意見和建議，資訊密度很高。比如在技能層面要做好三件事。學會獲取知識。 聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。建立分析框架。 不是死記硬背，而是能對資訊做出自己的判斷。學會提問。 蔡崇信特別強調這一點——提出正確的問題，比找到答案更重要。那麼AI時代到底還要不要學程式設計？蔡崇信的回答是：要，但理由變了。很多人說AI時代不用學程式設計了，用自然語言（natural language）就能指揮機器。蔡崇信並不認同。“程式設計的目的不是為了操作機器，而是訓練思維過程。”他甚至建議學電子表格——能把一個複雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。對於年輕人來說，專業選擇可以考慮三個方向。資料科學。這其實是統計學的新名字，蔡崇信認為未來資料會爆炸式增長，懂得管理和分析資料的人永遠稀缺。心理學和生物學。這個專業主要是理解人腦怎麼運作。“人腦仍然是最高能效的’機器’，AI的很多設計思路都來自對大腦的模擬。”材料科學。世界現在被位元（bits）主導，但讓位元跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。當年為什麼放棄高薪加入阿里?1999年，為什麼蔡崇信放棄香港的律師高薪，跑去杭州加入一個18人的小公司。在很多場合，蔡崇信回答過這個問題，這次演講中他用金融人的思維解答：不對稱風險收益。“下行風險非常有限。為什麼？因為我有好的學歷，讀過法學院，最壞情況我還能當律師。但上行空間是無限的。”蔡崇信說，就像一個看漲期權——最多虧掉權利金，但收益沒有上限。他又補充了一句更重要的話：機會是來找你的，不是你去找它的。 你要做的是“準備好”，這樣機會來的時候才能抓住。AI是泡沫嗎？“每一個泡沫背後，都有一根針在靜靜等待。”這句出自股神巴菲特。最近，美國預測平台Polymarket近日推出“AI泡沫何時破滅”的投注。目前累計投注額已接近15萬美元，三個選項當中，有2%認為AI泡沫會在今年底破滅的，有15%認為AI泡沫會在明年3月破滅。最熱門下注年份是2026年底，近40%投資者認為AI最遲明年底可能出事。那麼，AI到底會不會像2000年網際網路泡沫一樣破裂？蔡崇信認為，對於這個問題要區分兩種泡沫。一種是金融市場泡沫，比如股票估值是不是太高？50倍市盈率合不合理？“這是一門藝術，我不知道。”第二種是技術泡沫，也就是技術本身是不是虛假的。“AI可能存在金融泡沫，但技術本身是真實的。 就像2000年3月網際網路泡沫破裂，但網際網路並沒有消失——今天網際網路比那時候強大得多。”蔡崇信說。所以他的結論是：所有投入AI基礎設施的資源、模型開發的努力，不會打水漂。 (九千光年)