#AI革命
我們很可能正走向一個“無工作社會”
本文根據英國國家學術院院士、劍橋大學人類學教授、國王學院終身院士艾倫·麥克法蘭(Alan Macfarlane)在騰訊研究院AI&Society 海外專家面對面系列對話中的分享整理而成,分享主題為“A New World is Born: Some consequences of the AI Revolution”。本文出自微信公眾號:騰訊研究院,作者:艾倫·麥克法蘭(英國國家學術院院士、劍橋大學人類學教授、國王學院終身院士),原文標題:《我們很可能正走向一個「無工作社會」|騰研對話海外名家》,頭圖來自:AI生成一、工業革命之後的AI革命,可能預示著一個全新世界的誕生從艾倫·圖靈到Geoffrey Hinton,劍橋對AI領域的發展一直有著巨大貢獻。如今,人工智慧的快速發展,讓越來越人開始思考一個問題:我們是否正邁入一個真正意義上的「新世界」?沒有人知道這個問題的答案。有人認為,AI被過度炒作了,其商業潛力被高估了。儘管如此,我認為AI在其他方面的影響仍然可能非常重大。我最近訪談赫爾曼·豪瑟(Hermann Hauser)時,他曾說:「我認為分析AI革命最恰當的方式,是將其與之前的工業革命相比。」回顧歷史,我們經歷過兩次劃時代的革命:第一次是一萬多年前文明的誕生,第二次是工業革命。而現在,我們可能正站在第三次重大革命的門檻前——AI革命。無疑,我們正在親歷一場技術革命,當下可能很難看清其影響和後果,但等到2030年回過頭來看我們就會看清發生了什麼。當然,借用德米斯·哈薩比斯(Demis Hassabis)的話來說:「AI對人類的影響很可能將是工業革命的十倍,而且發生的速度也可能快上十倍。」為此,我們確實需要弄清楚當下正在發生什麼,以及未來將會發生什麼。這場革命的本質,延續了技術一直以來的角色:擴展人的能力。過去幾千年,科技主要取代的是人體的物理部分──雙臂、雙腿、脊背,等等,隨著時間的推移,被取代的身體功能越來越多。工業革命將這一處理程序推向極致。蒸汽機、電力,以及後來出現的各種動力源,都極大提升了人體的勞動效率。而今天,AI的出現,標誌著技術擴展人類能力的方向從「身體」(body)轉向了「心智」(head)。正如赫爾曼·豪瑟所說,工業革命帶來了「按需獲取動力」 (power on demand)。那麼,AI革命則讓我們能「按需獲取智能」(intelligence on demand),即按需獲取所需的知識量或思維效率。中國處在這場AI變革的中心,深圳被稱為中國的矽谷、也是無人機之城。我在我的新書《深圳之迷》中試圖解碼深圳的技術創新,提出了技術和知識增長的三角關係(triangle),“發現” (discovery)帶來“重大發明”(macro invention),進而推動規模化生產(mass production),這反過來又導致更多的發現,以此循環。對於AI而言,這個三角關係的運作持續加快,沒辦法被阻止。技術和科學成長現在是指數級的,機器自我複製,發現新事物,製造新機器,一切都在持續加速。然而,如今許多關於AI及其影響的討論都比較狹隘,只關注物質層面。從人類學的角度回顧工業革命:它不只是改變了人們工作的方式,也重塑了人的生活方式、思維模式、家庭結構甚至宗教信仰。簡而言之,它改變了人類社會的一切。同樣,AI革命也不僅僅是一場經濟變革,而可能是一場社會變革,它極有可能改變而且正在改變我們世界中的一切。身處其中,我們往往難以看清全貌。無法像實驗者那樣跳出局勢、冷靜觀察,我們只能在這場變革中摸索前行,一邊體驗,一邊試圖理解。也許幾十年後回望,我們才會真正明白它改變了什麼。但現在,不妨先做個假設:假如我們站在火星,或某顆遙遠星球上俯瞰地球上的世界,也許就能稍微看清這場AI革命的一些影響。它正以一種悄無聲息卻無處不在的方式滲透我們的生活,重塑人與人之間的連接,改寫社會的基本結構,甚至正在改變人類理解自己、認知世界的方式。接下來的內容,我將嘗試描繪這場AI革命可能帶來的一些後果。不是預測未來,也沒有特定的邏輯順序,而是提供一些視角與設想。希望能幫助我們更清楚地意識到:我們正經歷的,不只是一個新技術的出現,而是可能是一個全新世界的誕生。二、工作、教育與創造力:當AI讓人“無事可做”,我們該如何生存?AI社會或將帶來「有閒階層」(leisure class)的崛起AI可能帶來的一項影響是消解大多數專業職業的工作崗位。歷史上,我們見證了機械化如何重塑農業,工業化如何壓縮製造業的人力需求;可以說,藍領、白領工作都被技術極大壓縮甚至取代了。而這一次,AI的浪潮也指向了專業職業。一個專業人士,配合幾個AI,就可能完成一個團隊的工作。一所大學、一家公司,甚至一個政府部門,都可能或多或少出現「一個人+ 一百個AI」就能運作的情況。我們可以設想,未來5-10年可能不再需要那麼多醫生等專業人士,10個人可以頂100個人,一兩個人可以監督大量智能手機器的運轉,等等。大學、企業等組織可能在100年內消失。因此,這次AI革命的一個可能的後果是,大部分專業工作可能被AI摧毀。接下來要思考的問題是,如果未來大多數人都“無需工作”,那我們應該做什麼?想像這樣一個場景:你每周只需工作一天,且有足夠的生活保障,一周將有六天的閒暇。但在其餘的大量時間裡,你沒有任務,沒有目標。你會怎麼安排自己?換句話說,面對工作以外的大量多餘時間,我們該怎麼辦?起初,也許是興奮:自由終於降臨了。但隨後,可能是茫然,甚至痛苦。許多退休者已經提前體驗過這種狀態:一旦日常工作的規律突然消失,很多人會陷入空虛、失落,甚至抑鬱。 AI革命的來臨,意味著我們自己和我們的後代得開始為如何應對幾乎無限的閒暇(infinite leisure)做好準備。換句話說,我們需要為「閒暇世界」 (leisure world)的到來做好打算。樂觀地看,這樣的狀態在歷史上並非沒有先例。所有偉大的文明都出現過“有閒階層”,修道院的僧侶除了禱告無所事事,印度的宗教人士、羅馬的議員、英國的貴族等也不需要勞作。差別在於,之前可能只有1%的人口,在未來的AI社會幾乎所有人都是這樣的「有閒者」。例如,18世紀的英國貴族,每天醒來由園丁打理花園、廚師準備餐食,自己則打獵、騎馬、品酒、旅行、寫詩、畫畫。他們從小接受的教育,不是為了“找份謀生的工作”,而是為了“有教養地生活”。那時,劍橋大學的目的,原本就是教人成為“好的生活者”(good life maker),培養人去過那種“閒暇生活”,如何以創造性的方式度過人生。而未來,或許AI社會將帶來“有閒階層” (leisure class)的崛起,我們每個人都將成為這樣的“有閒者”,有大量的多餘時間去享受一個閒暇的生活,享受創造性的、有意義的生活,而非無聊的、繁瑣的工作事務。AI時代的教育將從“培養勞動力”轉向“教人去生活”面對一個不再需要靠「工作」定義自我價值的時代,我們的教育準備好了嗎?我們要教會下一代的,可能不再是“如何找一份工作”,而是如何在不被繁瑣與壓力巨大工作所困的情況下,過上有創造性、有意義的生活。過去的教育,是一位老師帶全班,所有人按統一進度走;而未來的教育,將鼓勵每個人去發現自己的熱情、發展自己的創造力。我們正在進入一個「自主學習」 (independent learning)的時代。 AI和互聯網已極大地降低了學習門檻和成本,任何人都可以自主學習自己感興趣的一切。教育的核心任務,也將從讓人成為合格的勞動力,轉變為培養人激發並享受自己的潛能以享受一個好的生活。當然,隨著AI的發展,未來的教育需要在體(body)、腦(mind)、心(heart)、精神(spirit)或想像(imagination)這四個基本方面做好平衡。AI的創造力將挑戰人類的獨特價值但問題是,當我們把希望寄託在「創造力」上時,AI也沒有止步於此。現在,AI在繪畫、作曲、設計、寫小說這些被認為依賴人類創造力的領域裡,展現出驚人的能力。可以預見,大部分的創造性活動在極大程度上都可以被AI取代。AI的創作可以達到貝多芬、達文西、莎士比亞等創作大師的水平,而無法被人類區分出來。因此,即使是畫家、作家、作曲家、音樂家,也不得不開始思考一個問題:當AI能以更好地完成你的大部分創作,「藝術家」這一身份,還意味著什麼?可能很多藝術家已不再自己創作,而是藉助AI創作或和AI一起創作。三、分配製度與知識產權:當「稀缺」不再稀缺,我們怎麼分配?AI帶來的「無工作社會」將衝擊分配製度等傳統社會契約過去,人類社會的經濟運作建立在一個基本共識之上:你所獲得的回報取決於你所做的事情。從農業時代一直到今天,人們都是「因工作而獲得報酬」。然而,隨著人工智慧深入社會運作的底層邏輯,這個分配觀念正面臨前所未有的挑戰。如前文所述,我們很可能正走向一個「無工作社會」。並不是說所有崗位都會消失,而是傳統意義上的「靠腦力或體力換取收入」的模式將遭受挑戰。從積極面看,機器可能可以供給我們想要的所有東西,包括農產品和工業產品,全世界都可能變得更加富裕。但問題接踵而至:在機器可能創造出如此巨額財富的情況下,我們又該如何分配這些財富?一種設想是每個人都能獲得足以合理保障生活的「基本最低收入」(例如UBI),包括住房、食物等等。每個人都會獲得一些類似兌換券(coupon)的東西。在此基礎上,如果有人想獲得更多,可以透過額外的創造性勞動或其他活動來獲得更多回報。但我們還是需要重新思考整個經濟體系,亞當·斯密(Adam Smith)所闡述的市場經濟模式在這種情形下基本上失效。AI帶來的“豐裕社會”/“後稀缺時代”,也有可能延續不平等結構樂觀的預測是,AI將帶來前所未有的資源富足,人類將迎來豐裕社會或說後稀缺時代。然而,另一個面向是,AI帶來的經濟利益也可能集中在社會特定群體手中。過去五到十年間,我們的經驗其實相當負面(例如發生在位元幣、區塊鍊等領域的事情),超級富有者和普通民眾之間的貧富差距急劇擴大,並且還在持續擴大。在工業革命時代也發生過這類情況。這就是馬克思撰寫《資本論》的原因:他看到了掌握生產資料的人會變得極度富有,而其餘的大眾則走向貧困。 AI鴻溝(AI divide)將橫亙在控制AI系統的少數人和其他所有人之間,難以踰越。所以也有一個可能的情境是:控制AI和智慧生產資料的少數人可能享受超乎想像的生活條件,而其餘的人則被邊緣化。AI時代,「創意共有」可能重構知識產權制度同時,我們也要考慮知識產權制度的變化。自從「版權(copyright)」的概念在英國被發明以來,我們形成了一個根深蒂固的觀念:某人提出了一個好創意,就可以對其享有專屬權利、禁止他人侵害。但是,在AI時代,這又意味著什麼?正如當今全球供應鏈所呈現的,在經濟領域一件產品究竟屬於誰已很難界定,因為它由全球各地的零部件和技術取其最優組合、共同組裝而成。在AI時代,可能大多數創作都會引用、融合無數他人的知識產權,而個人貢獻可能只是極小部分且難以認定。因此,可能很難再說“這是我的作品”“這是我完成的”,一切創意將逐漸變成某種意義上的“共同財產”(common property)。因此,在AI的世界裡,要識別、界定並保護個人知識產權將變得非常困難。四、社會關係結構:人與人、人與AI關係將如何演化?AI加速讓社會活動再度「分散化」在工業革命之前,人類生活在「分散」的世界。最典型的例子就是織布。人們在家中使用手織機織布,做出一小塊一小塊的布料,然後會有人上門收集、打包,再拿到市集上出售。當時大多數的生產都是以分散在各個村莊、家戶之中的方式進行的。在工業革命中,人們意識到,如果把人群集中在一起,就能夠實現巨大的規模經濟。於是,我們就有了把所有工人聚集在一起的工廠,把生病的人聚集在一起的醫院,把受教育的人聚集在一起的大型學校,把囚犯聚集在一起的大型監獄,等等。所有的事情都變得更有效率。這一切都發生在19世紀。然而,當未來的歷史學家回望我們的時代時,或許會說,這種覆蓋人類各種活動領域的「集中式組織」 (Institutional Organization)時代終結於2020年新冠疫情。我們意識到,一切都可以「再分散化」,例如遠端辦公、線上教學。實際上,疫情只是將一個早在2000年前後互聯網發展時就已開始的趨勢顯性化了。我們很可能正邁向一個各方面都分散化的世界。可以預見,醫療健康會被AI徹底變革,例如,智能手環等IoT裝置可以日常監測個人的健康狀況;一位本地受訓人員可以在電腦的幫助下處理大部分疾病,再設立一兩個醫院用於處理非常嚴重的病例即可,而大多數醫院將變得不必要;人類壽命也會因AI得到延長。每個孩子都會有一個平板或一台電腦,並進行個人化的學習,學校會消失。與犯罪相關的社會行為、關係可能被改變,不需要把罪犯關起來,而是給他們戴上像手錶一樣的小型裝置,監控他們的行為,監獄也會消失。基本上,各類活動都會出現去中心化(devolution)與私人化(privatization)。我們正進入與「AI新物種」共處的世界,需處理好人與AI的關係我們也正進入一個與其他物種共處(co-habit)的世界,而這就是AI革命成為一場如此重大的革命的原因之一。幾千年來,人類一直是這個星球上唯一的主宰性物種,而現在我們必須面對另一個新物種,也就是人工智慧。我們必須考慮我們和它的關係,涉及我們的法律、倫理和道德製度,以及我們的智力或情感關係。這一新物種在許多方面與我們有重疊和相似性,儘管不是生物意義上的,但它可能會具有某種情感結構和倫理考量等等。當然,我們與其他人的所有社會關係都會受到深刻影響,甚至觸及最私密的情感領域,例如愛情與婚姻。值得關注的一個社會影響是,AI可以應對孤獨問題,「半人」(semi-human)性質的AI裝置可以提供情感價值,例如AI寵物可以取代真實的寵物,機器人可以陪伴老年人,等等。如今,許多年輕人對婚姻心存疑慮,難以找到理想伴侶。而在AI時代,或許人們可以「設定」想要的伴侶類型,而他們就會被「生產」出來。這種變化,將迫使我們以前所未有的方式重新追問「人是什麼」「我們是誰」。而我們必須思考,我們是否準備好,與另一個物種共處。五、全球格局:AI革命將為世界帶來什麼樣的變化?AI天生帶有開放與協作的基因,可望協助全球普惠發展工業革命的一個結果是民族主義的增強。有理論認為,現代民族國家本身就是工業革命的副產品,這一觀點大致是正確的。而且,工業革命確實加劇了歐洲國家之間的緊張關係——例如德國、法國和英國為爭奪工業霸權而相互競爭。一方面,人工智慧可能會減輕民族主義的隔閡和分裂,使人類變得越來越緊密地相互聯絡。我們如今已經明白,國家之間發生嚴重爭端毫無意義,而重大的軍事對抗將像經濟衝突一樣,對世界造成巨大傷害。當然,未來的戰爭可能被AI徹底改變,從人之間的戰鬥變成機器之間的戰鬥。另一方面,AI也可能促進普惠化處理程序。如今,世界上任何地方的人都可以免費下載像DeepSeek這樣的AI工具。在非洲、印度和南美洲的一些學校裡,孩子們也正在參與這場人工智慧革命,並且親自進行一些非常重要的工作。AI革命可能為全球秩序重構提供新契機當前,中國正深入參與這次AI變革,而中美之間的科技競爭也更加激烈。然而,西方對中國科技的焦慮,很大程度源自於對中華文明的無知與誤解。如果我們回顧過去五百年,西方對世界一直持有一種帝國主義式的、擴張性的、軍事化的態度,不斷地佔領世界的各個部分。中國本來也有這種能力,但並沒有這麼做。因為這不符合中國的哲學傳統──無論是儒家、道家或佛家的思想體系,都不主張帝國主義式的擴張,也不鼓勵以武力征服他國。從更深層次的意義上說,這並不是中國的行事之道。但現實是,西方對待世界的方式導致了無休止的戰爭、競爭、對抗和零和博弈等種種問題。聯合國已難以運作,西方國家的各類制度也正在崩塌之中。相較之下,中國為世界提供了一種更優越的國際治理模式。無論是在國際關係或日常生活層面,這種模式如今都比西方模式更契合全球化時代的需要。如果我們能將中西方兩種經驗結合起來,就有可能創造出一個更文明、和平、共榮的世界。六、結語:發展負責任的人工智慧,走向AI帶來的美好新世界在應對氣候變化、實現再生能源等問題上,人工智慧的發展將使這些目標更容易實現。我們人類是富有智慧和創造力的物種,如果能夠認真思考當下正在發生的事情以及未來可能發生的變化,我們就有機會創造出一個遠勝於當下的世界——更少的戰爭、更少的貧困、更少無意義的活動,等等。但我們必須認真思考該如何實現這一目標。如果只是漫無目的地前行,讓最糟糕的影響自行降臨,那麼我們的生活將會變得貧乏。因此,人工智慧的未來最終取決於我們自身,尤其取決於推動這股AI浪潮的科技公司和相關參與者。我們需要以更宏闊的視野去思考,不僅侷限於經濟利益或短期利益,而要全面考慮這場AI革命帶來的道德、社會、政治、生態等各方面的影響,從而以負責任的方式推動人工智慧的發展。 (虎嗅APP)
這年頭英國教授也要幫大陸企業發葉配文章了,真可悲。雖然回頭看台灣AI基礎建設更可悲就是了
人工智能時代,世界只有第一,沒有第二
大家好,我今天交流的題目是《AI管理革命正向我們走來》。01. 20世紀的管理革命與管理困境(一)第二次工業革命推動了所有權與管理權分離的管理革命AI作為一種技術,正在驅動管理和上層建築的變革。我們知道,第一次工業革命以蒸汽機、鐵路、電報為主導,在鐵路系統中誕生了第一個現代管理系統。第二次工業革命以電力、內燃機、電話為代表,促進了製造業、運輸業、分銷和零售業,以及影視廣告娛樂等產業的繁榮。技術進步以及大規模的併購發生在美國19世紀和20世紀之交,促進了企業規模的擴張和管理複雜性的增加,進而推動了股權的分散,所有權與管理權的分離,以及職業經理階層的形成。正如錢德勒在《看得見的手》中指出,科技的進步完成了第一次管理革命。第一次管理革命的特徵就是我上述的三點:(1)股權的分散化,這是由於大規模併購所推動的;(2)所有權與管理權的分離:創業者不管是到年齡了,還是其他原因,最終要把企業的控制權——即通常所說的管理權——要交到職業經理人手上( 3 )職業經理階級(3)開始形成職業經理人。用錢德勒的話來說,美國企業在職業經理人手上獲得了長足的發展。因此,不管是錢德勒的《看得見的手》,還是格林斯潘的《繁榮與衰退》,主要兩個核心觀點:一是股權分散;二是職業經理人階級的形成。(二)第三次工業革命推動了以資訊科技為基礎的管理革命自科學管理運動以來的一百年中,企業的生產力得到了大幅提升,以電腦、互聯網和行動通訊網路為代表的第三次工業革命使得標準化、流程化、自動化大規模客製化以及資訊系統普及,實現了以資訊科技為基礎的管理革命。但我們看到一個現象:阻礙生產力提高的一般性難題在這三次工業革命中都已經被逐一克服了(所謂“一般性難題”,就是可見的這工具和方法能解決的管理問題),生產力的提升越來越集中在最深層的難題,最難啃的骨頭上。(三)產業的難題與傳統技術與管理的困境企業生產力的提升服從帕累托定理:80%的效益成長依賴20%難題的解決。1.鋼鐵業-高爐的穩定性。以寶武集團為例,煉鋼成本裡70%裡煉鐵成本,高爐不穩定是最大的問題,如能提高前端輸入參數,對輸出鐵水溫度及矽含量預測的準確性,就能提升高爐的穩定性。這是一個百年世界難題。而每噸鋼在煉鐵環境省1塊錢,光是寶武一家的產量就能省下幾億元,因為鋼產量已經是1、2億噸。2.電力產業的困擾:中低端配電網管理的複雜性。電力產業業務重點現在逐步轉向中低壓配電網的建設,由此帶來的需求變化主要表現在:(1)數位化改造設備規模大,僅國網就有470萬台區,480萬的充電樁,8000萬開關,4.3億計量表,300GW分佈式太陽能裝機量。 (2)數位化程度低,有三個老大難問題:「貴」(人工逐站運檢,1500元/站/年)、「難」(故障難查,故障位置不清楚)、「慢」(被動回應,平均30分鐘受理時間) 。 (3)新能源的爆發:太陽能和風電介入電網以後,給電網企業帶來了負載增加,不可預測,無法消納的情況。3.水泥產業的硬骨頭:熟料強度的即時精準預測。2024年4月,海螺水泥與華為礦山軍團計畫組從200個水泥生產場景中辨識出「水泥品質預測循優,水泥生產全域優化,安全生產智慧監控,皮帶機無人巡檢,智慧裝備問答」五大核心人​​工智慧場景。其中最基礎、最關鍵的場景,也是最難啃食的骨頭,就是「熟料強度品質指標的即時預測」。現有的手段和方法在解決此項難題方面已經達到了極限。4.油氣勘探產業的短板:勘探地震資料的處理和解釋。例如,把一個地塊的地震資料處理和解釋,人工需要十幾天的時間,而且嚴重依賴專家的經驗和判斷。再例如中油的FWI (全波形反演,一種高解析度地震成像技術),儘管中石油東方物探已經佔了全球石油勘探近70%的份額,但這都是石油勘探的苦活、累活、髒活,而在高解析度地震成像數據的處理和解釋上,還需依賴美國等公司的設備,與美國競爭對手存在明顯的差距,嚴重製約了企業的效益。我們幹髒活,累活,苦活,是我們的企業在國際化過程中很普遍的存在,原因是核心技術沒有突破。5.煤礦業的老大難:煤礦的痛點就是安全、減人、提效。煤礦現在下井員工的平均年齡為45歲,50歲以上不再允許下井,整個產業都面臨的問題,就是招不到礦工下井採煤。雖然現在都是用機械化採煤了,但井下作業的環境如粉塵、光線昏暗等一系列工作條件,使得年輕人不願意下井。煤礦井下主要生產業務可概括為採煤-掘進-機電-運輸-通風加排水,煤礦生產的痛點就是「減人、安全、提效」。以運輸為例,指的是主煤流透過皮帶運輸機將礦井下的煤運送到井上。作為煤礦的“大動脈”,運輸一旦出了問題就會導致整個礦井停工,因此每個礦區都配有專人專崗,保障煤流運輸系統的正常運作。類似上述的產業生產力難題已經是現有手段攻不破的難題,我之所以稱之為“硬骨頭”,也是這個道理。科學管理和持續改進經過一個世紀的發展,正面臨邊際效應遞減的困境。這恰恰是基於AI大模型聯合創新的用武之地。02. 21世紀管理的大趨勢是AI驅動的管理革命(一)AI是我們面臨的最重要的一場管理革命,也是最後一場管理革命21世紀的管理挑戰是什麼?解決類似上述提到的產業生產力的難題是21實際管理面臨的最大挑戰。現在看得越來越清楚了,解決上述難題的鑰匙是人工智慧,這是一場AI驅動的管理革命。AI也許是人類最後一個科技革命時代,AI驅動的管理也許是人類最後一場管理革命。為什麼要這麼講?我引用華為總裁任正非的話來說,黃仁勳說AI是這個時代最重要的技術,有人問我他說得對嗎?我說還會有下一個新時代嗎?下一個科技革命時代我是想像不出來了。正如穀德所說,第一台超智慧機器是人類最後一項發明,如果沒有下一個時代,如果談彎道超車?中國企業的機會在那裡呢?AI是我們面臨的最重要的一場管理革命,也是最後一場管理革命。在這場管理革命中要能跟上,不落伍,才是企業長期生存的關鍵。如果這個事情做不好,其他的都免談。(二)數位化和智慧化管理革命有兩個重要的方向第一,面向個人,即ToC領域的革命,把人的視野和智力無限擴大,把人從簡單的、重複的操作中解放出來。這種解放對​​於不同的人,就產生了不同的命運:勝任者可能處於更優越的地位,不勝任者就被大量裁撤。例如美國港口工人協會的罷工,其訴求是不在港口中採用無人AI自動化裝置,這會導致大量工人失業。華為在天津港做了一個無人的港口,不但效率提升了,品質提升了,而且節省了1200個員工。但天津港局並沒有把員工裁掉,而是把他們重新配置到顧客介面。這做了一個很好的示範,既推動了AI革命,同時又消化了AI革命所帶來的員工裁撤難題。第二, 面向產業,即ToB領域的革命,將針對解決橫亙在產業中的模糊性、不確定性難題,更深刻地改變產業的面貌。這是華為AI的重點。華為也搞ToC人工智慧,例如消費者BG,“BG”直譯是“集團”,也可以翻譯成“業務群”——因為整個企業叫集團,下面只是一個群組。在人工智慧應用領域,美國的人工智慧應用基本上就是ToC這塊很厲害,因為它的製造業已經空心化,而我們的人工智慧應用除了ToC,正是面向ToB領域。中國如果把這一仗打勝,那中國在世界上製造業的地位就不可同日而語了。因此,關鍵在於我們在關鍵技術及產品和軟體方面是不是準備好了?企業的領導人是不是下定決心「壓強投入」了?03. 華為的實踐:用燈塔照亮前進道路華為公司透過軍團等組織形式,在中國做出燈塔項目,向世界拓展,走出了一條非常富有策略性的前進道路。我舉幾個例子來說明。(一)鋼鐵業的成功合作案例華為和寶武集團合作的高爐模型,在這種大時延、高難度情況下把高爐爐溫和矽含量預測的準確率提升到92%以上,每噸鐵水節省10元以上,別小看了這10元的節省,僅寶武的產量,就能省下幾十億元。該計畫獲得國資委高價值場景認可;湘鋼、南鋼、永峰鋼鐵等都已經全面推廣複製。寶鋼高爐專家又結合與華為聯創的預測結果反過來去調整控制高爐輸入的內容。湘鋼AI大模型創新在2024年「人工智慧向善全球高峰會」上獲得國際電信聯盟全球人工智慧優秀創新案例獎。(二)電力產業的成功合作案例華為和陝西國網電力公司合作了六年,解決新能源連接到電網中以後帶來的難題。陝西國網和廣西南網都與華為軍團合作,實施配網數位化、智慧化改造,同時向業界首次發布配電網數位化評估指標標準,包括覆蓋率、線上率、完整率、成功率、辨識率、準確率。管理上有一條規則,叫「不能度量就不能管理」。所以,能夠準確且清楚地測量這個過程和結果,就能推動管理變革的改進。以陝西國網路為例,目標是打造一套可複製、可推廣、可演進的新型智慧配電網端到端解決方案,其核心是一套智慧物聯體系架構三大核心技術,包括雙模+融合終端+人工智慧,以及N個場景應用。實現配電網全要素(包括運作、故障、現損、計量、靈活異常監測、拓撲、運作、消納,以及計算等)透明化,提升供電可靠性和電網安全運行水平,支撐基層用電客戶雙滿意和國家的雙碳戰略。(三)水泥產業的成功合作案例華為在水泥產業和海螺水泥合作創新的成果非常顯著。世界水泥看中國,中國水泥看海螺,海螺是中國水泥中經濟效益、品質最好的企業,被用在國家許多重點項目。早在2024年4月,海螺水泥就與華為礦山軍團合作,從200多個水泥生產場景中辨識出「水泥品質預測尋優、水泥生產全域最佳化、安全生產智慧監控、皮帶機無人巡檢、智慧裝備問答」5大核心人工智慧場景。基於華為的數位轉型諮詢、雲端平台、盤古大模型的工具平台,推動了海螺水泥集團的智慧轉型,進一步優化了成本,發布了首個建材大模型。僅水泥窯爐優化一項,噸熟料煤耗降低了1%,水泥熟料品質預測準確度達到85%以上。由於產量大,效益非常顯著。2025年4月23日,由中國建築材料聯合會、海螺集團、華為聯合舉辦的水泥建材人工智慧大模型成果發布會,會上發布了建材的AI大模型,這是水泥建材行業全球發布的首個大模型,對行業智能化轉型具有里程碑意義。(四)油氣探勘產業的成功合作案例中石油東方物探公司透過與華為油氣軍團的合作,把一個地塊的地震資料處理和解釋從原來的需要十幾天時間,縮短到現在幾個小時就能走完,而且品質得到了專家的一致認可。再例如中油的FWI(一種高解析度的地震成像技術)效率提升了20倍,FWI的創新也是基於華為無線領域的積累,雙方聯創的結果彌補了中石油東方物探與美國競爭對手的差距。現在,此能力已融入他們自研的軟體,再配上華為的鯤鵬晶片,做成一體機,已經可以和西方廠家同台競爭了。(五)煤炭產業的成功案例仍以剛才提到的運輸環節生產過程改善為例,應用華為的視覺分析AI技術,突破了煤礦井下運輸的難題。眾所周知,AI辨識的異常樣本越多,檢測效果越好,但是煤礦井下光線暗,粉塵多,要把皮帶上的異物如錨桿、木頭、工字鋼等多種異常樣本全部收集起來難度很大,他們遇到的是煤礦業做AI設計的共性難題——缺少樣本。最後,專案團隊提出了一個新的解決方向——非正常即異常,沿著這個創新的解決方向,專案工程師們把需求和方案的設計初稿傳遞給雲EI(企業智慧)產品線,EI給他們推薦了盤古大模型技術,該技術主打的“低門檻AI開發和零樣本、小樣本優勢”,非常契合煤礦行業的井下作業場景。最終,專案實現了減少20-30%的井下作業人數、「用機器代替人」的減人目標。上述都是技術含量很高,在解決難題上有所突破、有所進展的典型案例。因此,對產業數位化、智慧化系統應用有著巨大的改造空間,當然還需要經歷很長的聯合創新過程,可能要10年、20年長期的創新過程。產業數位化、智慧化系統性的優化還是非常困難的,需要客戶夥伴和華為的持續努力,還需要很長的聯合創新過程,不是一蹴而就。華為公司從2018年起,已經陸續成立了9個產業數位化智慧化軍團,全面涵蓋油氣鋼泥冶礦、智慧化交通、數位金融、智慧電力、製造與大企業、智慧化公用事業、智慧化政務、網路服務供應商、智慧園區領域。這幾年的重點集中在大企業數位化智慧化的「燈塔」專案上,做出成功的模式,樹立產業標竿。然後與生態合作夥伴一起,將「燈塔」的成功模式向產業推廣,並逐步向國外擴展。04. AI科技驅動的管理革命的特徵第一,AI時代,數據價值發生了本質變化。AI智慧時代,AI的訓練和推理需要資料的高效使能,資料的價值發生了本質的變化,不再是冷資料、沉睡的資料。因此要求特別關注數據的質量,克服數據孤島,建立統一的數據底座。第二,AI是最後一次科技革命,也將帶來徹底的管理革命。古德認為超智慧機器可以設計出更好的機器,而人類的智慧將遠遠落後。因此,曾經的管理定義是同別人一起,或透過別人來實現組織目標的過程。而未來的管理將是與AI一起,或透過AI實現組織目標的過程。管理從定義上都會發生根本性的變化。第三,在人工智慧時代,世界只有第一,沒有第二。任總講,在人工智慧時代,世界只有第一,沒有第二。現在還在混戰的、內捲的領域,將來都會被先進企業的人工智慧橫掃。 「你們可以參考Google的人工智慧如何評估心臟健康,Google是靠千萬次、億次的機器學習才找到標準模型,並將這個心臟模型開放出來,全世界都在使用,世界上不再需要第二個模型了。在AI領域,對任何產業來說,就是突破和解決最尖端的那一點,抓住一個,紮實實實做好這一個,一旦突破,一覽眾山。AI要抓住解決產業難題的牛鼻子,不只是節省人工,關鍵在於提高競爭力。05. 巨大的機會和巨大的挑戰第一,我們在面臨巨大的機會和巨大的挑戰,AI在產業的應用是中國企業的巨大機會,也是巨大的挑戰;第二,減人不是增效的主流,要做就要做最難的。減人只不過是結果;第三,創新的本質不僅是降低成本,更是創造價值。把成本放在第一位,是一種收斂的管理;把創造價值放在第一位,才是一種開放的思考;第四,未來的競爭是生態圈的競爭。對廣大中小企業來說,要長久生存就要進入領導企業的生態圈。要是進不去領導企業的生態圈,被邊緣化,企業就不可能長久生存。AI科技與管理革命正向我們走來。星星點燈,最後點燃浩瀚的星空。謝謝大家! (華夏基石e洞察)
阿里雲宣戰:未來,每個人都需要100張GPU
在今日舉行的雲棲大會上,阿里巴巴旗下阿里雲進行了一場重磅演講。致敬開發者演講伊始,阿里巴巴代表向全球開發者致以崇高敬意:“正是因為螢幕後的開發者,推動了中國乃至全球的雲端運算、AI和科技行業發展。”AI革命剛剛開始“一場由人工智慧驅動的智能化革命剛剛開始。”演講開篇明義。工業革命放大了人類的體能,資訊革命放大了人類的資訊處理能力,而智能化革命將遠超想像。通用人工智慧(AGI)不僅會放大人類的智力,還將解放人類潛能,為超級人工智慧(ASI)的到來鋪平道路。AI進化速度驚人智力水平:短短幾年,AI從高中生水平躍升至博士生水平,甚至獲得國際數學奧林匹克金牌使用者滲透:ChatGPT是人類史上使用者滲透率最快的功能行業滲透:AI行業滲透率將超過歷史上所有技術算力消耗:Token消耗每2-3個月翻一番投資規模:全球AI年投資總額超4000億美元,未來五年累計投入預計達4兆美元通往ASI的三階段路線圖1. 智能湧現(學習人)網際網路數位化了人類幾乎所有知識,大模型通過學習這些知識集合,湧現出通用對話能力,初步解決人類問題。2. 自主行動(輔助人)AI不再侷限於語言交流,而是具備在真實世界使用和製作工具的能力,通過“Tool Use”呼叫外部軟體介面和物理裝置,執行複雜任務。編碼能力是關鍵:大模型編碼能力的巨大提升是通往AGI的必經之路。未來,“自然語言就是AI時代的原始碼”,任何人用母語就能創造自己的智能體。1. 自我迭代(超越人)兩個關鍵要素促成這一階段的拐點: 連接真實世界資料:AI必須直接從物理世界獲取全面、原始的資料,而不僅僅是人類歸納的二手知識 自我學習能力:AI將為自己搭建訓練架構、最佳化資料流程、升級模型架構,實現自我迭代大模型是下一代作業系統阿里巴巴做出重要判斷: 大模型是下一代作業系統 自然語言是未來的程式語言 智能體是新的軟體 上下文是新的記憶體阿里雲的三大戰略選擇1. 全力投入開源通義千問選擇開放開源路線,目標打造“AI時代的Android系統”。目前全球下載量已超6億次,衍生模型超17萬個,成為全球第一的開源模型矩陣。2. 打造超級AI雲阿里雲定位為“全端人工智慧服務商”,提供: 世界領先的智能能力 全球分佈的AI雲端運算網路 開發者友好的AI服務正在全力打造全新的AI超級電腦,實現基礎設施與模型架構的協同創新。1. 飽和式投入為迎接ASI時代,阿里雲計畫大幅擴大AI基礎設施建設,預計到2032年,全球資料中心能耗規模將提升10倍。人類與AI的未來當被問及人類如何與超越人類智能的AI系統相處時,阿里巴巴表示樂觀:“正如電曾經放大人類物理力量的槓桿,ASI將指數級放大人類的智力槓桿。”從“Vibe Coding”到“Vibe Working”,未來每個家庭、工廠、公司都將有眾多智能體和機器人24小時服務。也許未來每個人都需要100張GPU晶片為我們工作。一切才剛剛開始AI將重構整個基礎設施、軟體和應用體系,成為真實世界的核心驅動力,掀起新一輪智能化革命。阿里巴巴宣佈將持續投入,與合作夥伴和客戶一起,讓AI深入產業,共創未來。這場變革的速度和規模,可能遠超我們最瘋狂的想像。你,準備好了嗎? (荷香入夢來)
回顧輝達近年來5款關鍵晶片,推動AI革命!
近日輝達宣佈以每股23.28美元投資50億美元入股英特爾,持股4.91%,成為第四大股東。雙方CEO在發佈會上披露合作細節,將合作開發定製x86 CPU及整合RTX GPU的x86 SOC晶片,為AI基礎設施平台服務,合作不涉及代工,現有代工仍依賴台積電。消息公佈後,英特爾盤前股價一度暴漲近30%。從為遊戲和工業設計提供支撐,到為整個 AI 革命提供動力,輝達是如何一步步走到今天的地位?下面來盤點一下輝達2017-2025年來的5款代表性關鍵產品!2017年:特斯拉 V100重要性:第一個帶有 Tensor Core 的 GPU對AI的作用:早期深度學習加速應用領域:研究實驗室和 HPC 叢集,使大型神經網路變得實用。2020年:A100重要性:通用資料中心 GPU對AI的作用:NLP 和視覺模型的訓練和推理應用領域:雲提供商(AWS、Azure、GCP)——成為企業 AI 工作負載的“默認晶片”2022年:H100重要性:GenAI 熱潮的支柱對AI的作用:ChatGPT 和 Llama 等訓練有素的模型應用領域:全球資料中心2024年:B100重要性:下一代封裝 (CoWoS + HBM3e) 將頻寬和效率推向了新的高度對AI的作用:超大規模模型訓練、多模態人工智慧、機器人技術應用領域:超大規模AI工廠2025年:NVLink 融合和定製 CPU重要性:將 NVIDIA 從 GPU 轉移到完整的 AI 計算平台。對AI的作用:AI 工廠的 GPU-CPU 無縫整合應用領域:企業 AI 超級叢集,為基礎模型實現全球規模的計算。 (銳芯聞)
AI革命下一站:Anthropic與OpenAI斥巨資打造“虛擬員工”
9月17日消息,AI領域的兩大巨頭Anthropic和OpenAI正致力於開發能夠替代人類執行複雜工作的“AI同事”。其核心方法是使用模擬企業軟體來訓練AI模型,使其能像人類員工那樣理解和操作真實的工作流程。為加速這一處理程序,Anthropic計畫在明年投入10億美元建設大規模的AI訓練“健身房”。OpenAI則認為,整個經濟未來都可能變成巨大的“強化學習機器”,AI將通過與人類協作和反饋不斷進化,從根本上重塑生產力與工作模式。時薪最高250美元 “AI家教”正在教大模型如何辦公Anthropic與OpenAI正在做一件前所未有的事:讓大語言模型真正走進“辦公室”,學習當一名合格的“數字員工”。這些AI模型正在接受高強度職業培訓,學習操作各類專業辦公軟體,從Salesforce的客戶管理系統、Zendesk的客服平台,到醫療領域的Cerner電子病歷系統。最終目標是讓AI能夠獨立處理白領日常面臨的複雜工作任務。與傳統AI訓練完全不同,Anthropic和OpenAI這次採用的是“模擬辦公”沉浸式教學。研究人員不僅為AI搭建高度模擬的企業應用環境,還重金聘請各行業專家擔任“職業導師”,手把手教授模型軟體操作技巧。這樣的訓練成本不菲。據知情人士透露,Anthropic計畫在未來一年內投入10億美元,專門建設被稱為“強化學習環境”或“健身房”的模擬辦公平台。OpenAI同樣不惜重金,預計今年在資料相關領域的支出就將達到10億美元,到2030年更將增至80億美元。這些資金既用於搭建虛擬辦公環境,也用於支付專家薪酬。不出預料,聘請人類專家的成本也在水漲船高。為OpenAI等公司提供專家服務的Labelbox公司透露,目前教授AI操作軟體的生物、軟體程式設計、醫學等不同領域專家中,20%時薪超過90美元,近10%時薪突破120美元。預計未來18個月,頂級專家的時薪將漲至150-250美元。儘管投入巨大,但回報可能超乎想像。一旦成功,這種新訓練方式不僅能幫助OpenAI和Anthropic突破傳統訓練技術的瓶頸,還可能為他們開闢全新的商業模式。例如,未來企業可以銷售能接管使用者電腦並代為操作應用的“AI智能體”,或者利用AI開發出更強大的企業級應用。Anthropic首席執行官達里奧·阿莫代伊(Dario Amodei)將這些AI產品稱為“虛擬協作者”。它們被設計成能與人類並肩工作,熟練操作我們日常使用的各種應用程式。然而,要實現這個目標並不簡單。專門幫助企業最佳化AI模型的圖靈公司(Turing)給出了具體案例。該公司前沿資料項目負責人安舒爾·巴吉(Anshul Bhagi)解釋道,要教會AI完成一個銷售任務,需要跨越多個系統:不僅要掌握Salesforce的客戶篩選功能,還要會使用LinkedIn尋找潛在客戶、用Calendly安排會議,並通過Gmail傳送跟進郵件。圖:研究人員會將複雜任務拆分為多個步驟,然後驗證AI模型是否按要求完成為確保AI真正掌握這些技能,圖靈公司設計了一套精細的驗證流程:將每個任務拆解為多個關鍵步驟,並設立明確的檢查標準。以銷售任務為例,考核標準包括:AI是否按“最後聯絡時間”篩選了客戶資料庫?是否成功傳送包含Calendly會議連結的郵件?是否將潛在客戶狀態更新為“重新接洽”?雖然這項技術尚處於早期階段,但各大AI實驗室已經準備好投入重金。一位投資者透露,Anthropic目前僅將不到10%的後訓練(即模型初步訓練完成後進入最佳化階段)預算用於“強化學習環境”,但由於初期效果顯著,該公司預計明年將大幅提高這方面的投入。AI“訓練場”成為科技巨頭新戰場圖靈公司CEO喬納森·西達爾特(Jonathan Siddharth)近日透露,他們已建成超過1000個強化學習模擬環境,覆蓋從Airbnb到Excel等各類應用場景。這些被稱作“AI健身房”的虛擬空間,正成為訓練AI模型的重要資產。每個模擬環境都配備100到500個定製任務示例,并包含完整的評估體系,讓企業能夠系統性地訓練AI掌握各類辦公技能。這個新興領域正吸引大量玩家入場。Scale、Surge、Mercor和Invisible Technologies等競爭對手紛紛推出類似服務,他們不僅提供模擬環境,還配備行業專家設計各種應用場景下的訓練任務。一批專注服務頂級AI實驗室的初創公司也悄然湧現,強化學習環境正在成為一個新興細分賽道。Surge公司創始人兼CEO埃德溫·陳(Edwin Chen)說:“OpenAI和Anthropic改進模型的方法,其實是在模仿人類的學習過程,而強化學習環境就像是讓AI生活在真實世界裡。”除了搭建模擬環境,AI開發商們也在持續用精心篩選的問答來訓練模型,這些問答往往難度極高,比如頂級的程式設計競賽題或博士水平的生物學問題。這些問答隨後會被用於強化學習,從而教會模型在特定領域的新技能或新知識。圖:改進人工智慧模型的方法,可以比作人類學習新概念的不同途徑隨著AI模型變得越來越聰明,資料標註公司也開始“招兵買馬”,從最初聘請碩博在讀生,升級到聘請在特定領域擁有多年經驗的職場精英。例如,圖靈公司就曾聘請過美國宇航局(NASA)的資料科學家、參與能源部項目的化學家、放射科的住院醫師,甚至還有私募股權公司的副總裁,來完成特定的真實世界任務,讓AI在一旁“觀摩”學習。巴吉舉了一個例子:假設一個AI開發者想教會模型理解稅率變動對財務模型的影響,圖靈公司會先請一位金融專家(合同工)解決這個問題,得出一個明確的答案,比如最終股價,作為檢驗標準。然後,AI開發者會讓模型也去嘗試完成這個任務幾十次。他們會篩選出那些模型計算結果與人類專家一致的案例,再用這些正確的案例來集中訓練模型。通過這種方式,模型開發者能快速、低成本地生成大量正確的訓練樣本。像OpenAI這樣的頭部AI開發商,正試圖從各行各業收集類似的案例,從醫療到法律,無所不包。一位OpenAI的高管在今年早些時候曾私下表示,他們期望“整個經濟體”最終能變成一台巨大的“強化學習機器”。這意味著,AI未來可能會通過記錄各領域專業人士在裝置上的日常工作來進行學習和訓練。 (騰訊科技)
美國歷史關稅萬字復盤:真正重要的是什麼?關鍵因素仍是AI革命?
近期,川普發動的關稅戰已經成為全球關注焦點,資本市場的動盪幅度與速度與2020年疫情熔斷時候相比也不遑多讓,恐慌程度可見一斑。關於關稅,從美國優先的角度,從上世紀大蕭條以來美國的關稅稅率總體一直處於下行的軌道中,直到川普上台以後,從第一任的部分關稅到近期的全面關稅,美國再一次走上了關稅稅率上升之路,這一次又有何影響?本篇文章意在復盤美國歷史上的關稅:上面這張圖來自美國人口普查局(U.S. Census Bureau)、美國國際貿易委員會(U.S. International Trade Commission)以及經濟史學家 Doug Irwin 的研究,展示了 1790-2015 年美國對進口商品的平均關稅稅率。圖中有兩條曲線:黑線(Total Imports):對所有進口商品計算出來的平均關稅稅率;橙線(Dutiable Imports):只針對需要徵稅的進口商品所計算出來的平均關稅稅率。通常,“只對需要徵稅的商品”計算的關稅平均值(橙線)高於“對所有進口商品”得出的平均值(黑線),因為在“Total Imports”範圍裡,包括了許多免關稅或低關稅的商品,拉低了整體平均稅率。1. 1790 年代至南北戰爭前(19 世紀上半葉)可以看到圖中在 19 世紀初期至 1830 年前後,黑線與橙線都曾顯著飆升,一度達到 50%-60% 的區間,說明美國早期關稅政策非常高。這一時期美國剛建國不久,為了發展本土工業(特別是北方製造業)、籌集財政收入,政府普遍使用高關稅策略,如 1828 年著名的“Tariff of Abominations”。2. 南北戰爭(1861-1865)與戰後時期南北戰爭期間(1861 年的摩利爾關稅法案 Morrill Tariff 等),關稅稅率在高位震盪。戰後重建時期,聯邦政府依舊傾向高關稅支援北方工業化,而南方農業對高關稅長期持反對態度,這也導致了關稅水平屢有上下波動。3. 第一次世界大戰與戰間期(1920-1930 年代)1920 年代初,美國再次試圖用較高關稅保護因戰爭而興起的國內農業和工業(如 1922 年的福特尼—麥坎伯關稅法)。到 1930 年的大蕭條初期,美國通過斯穆特-霍利關稅(Smoot-Hawley Tariff)進一步提高關稅,圖中橙線在 1930 年前後達到較高峰值。4. 二戰後(1940 年代起)關稅急劇下降自 1930 年代中後期的 Reciprocal Trade Agreements Act(互惠貿易協定法)開啟,美國轉向降低關稅,促成了二戰後以關稅與貿易總協定(GATT)為核心的全球貿易自由化處理程序。這一趨勢在圖中極為明顯,黑線和橙線都在 1940 年代後急速下行並在 20 世紀下半葉及 21 世紀基本保持在個位數甚至更低的區間。5. 1970-2015 年持續走低尤其到 1970 年代之後,美國逐步簽署更多自由貿易協定,整體關稅在 2%-5% 左右徘徊;對某些商品豁免或零關稅範圍擴大,“Total Imports”(黑線)也相應更低。關稅結構與兩條曲線的差異,“Dutiable Imports”(橙線)為什麼高?這是因為只統計需要徵稅的商品後,樣本本身就多是“高關稅或受保護”的類別(例如歷史上美國注重保護的鋼鐵、紡織、汽車零部件等),故平均稅率更高。在圖中多個歷史階段(如 1820-1830 年、1870-1910 年、1920-1930 年),橙線都可升至 40%-50% 甚至更高,反映了美國針對特定戰略或政治敏感行業的大幅保護。“Total Imports”(黑線)長期低於橙線黑線包含了所有進口商品,其中很多商品要麼免關稅,要麼稅率極低。隨著時間推移,美國不斷擴大零關稅或低關稅的商品清單,尤其在二戰後大力促進自由貿易,所以整體平均關稅率就被大幅拉低。二戰後,美國對許多盟友國家、開發中國家給予優惠關稅乃至免稅待遇,因此黑線自 1950 年代後迅速下探至 10% 以下。兩條曲線在 19 世紀時差異相對較小19 世紀大量進口商品都徵收關稅(免關稅的商品相對少),所以橙線與黑線相距有限,有時在 1830-1840 年代幾乎重合。隨著經濟結構多元化、自由貿易興起,不少非敏感性商品逐漸豁免關稅,兩條曲線間的差距拉大。從歷史來看,有什麼啟示?①關稅在美國經濟早期起到“財政+產業保護”雙重作用19 世紀初期,美國聯邦政府缺乏成熟的稅收制度,關稅收入是最主要的財政來源;同時,這些高關稅對北方工業形成顯著保護,也助推了美國的工業化處理程序。這在圖中 1790-1860 年左右的高關稅水平中得到印證。②戰爭、危機時期常出現關稅躍升南北戰爭、世界大戰、大蕭條時期,美國會採取貿易保護手段,造成關稅的階段性飆升。然而在戰後恢復及全球化浪潮中,又會大幅下調關稅推動經濟復甦和國際貿易繁榮。③現代自由貿易體系下關稅趨於低位二戰後美國主導建立的 GATT/WTO 體系鼓勵各國削減關稅,形成穩定的多邊貿易規則。美國自身也從擴大外貿中受益(特別是高科技、金融、服務業等),故關稅持續走低。20 世紀下半葉起,美國主要運用更具針對性或靈活性的貿易手段(配額、反傾銷、智慧財產權保護等)來替代簡單的“普遍高關稅”。④平均關稅低≠全面自由貿易雖然圖表中美國平均關稅率在當代降至個位數,但並不意味著美國在所有領域都放棄了保護。一方面,美國對部分敏感行業(例如鋼鐵、汽車、農產品等)仍保留較高關稅或實行其他貿易壁壘;另一方面,各類非關稅壁壘(如技術標準、環保要求、補貼政策)也同樣起到隱形保護作用。⑤反映經濟政策思路的轉變19~20 世紀上半葉:美國依賴關稅獲得財政收入、扶持國內工業、滿足地方選民或行業利益需求。20 世紀中後期至今:美國政府更注重國際產業鏈、海外市場及服務業輸出,對外開放可提升美國跨國企業競爭力,關稅對財政收入也不再具有關鍵意義(聯邦政府主要依賴所得稅、增值稅或其他稅種)。從這幅 1790-2015 年美國關稅水平演變圖 可以清晰地看到,美國在 19 世紀與上世紀早期多次維持或反覆嘗試高關稅政策,直到二戰後才進入一個關稅持續走低的長期趨勢。這既體現了美國從“農業—製造業保護”逐步轉型到“全球化高科技與服務業龍頭”的發展路徑,也反映了國際貿易格局從保護主義向多邊自由貿易的演變過程。然而,低關稅並不等於零保護。在經濟和政治發生變化時(如 2017 年後某些貿易摩擦的再現),美國也會重新使用關稅及其他手段來維護特定產業或政治目標。未來關稅水平的波動,仍需放到全球經濟與國際關係的“大環境”中才能完整解讀。附錄:美國歷史上的關稅復盤一、美國獨立戰爭起源與建國後關稅政策的分野獨立戰爭的關稅誘因英國對北美殖民地徵收歧視性關稅、限制其自由貿易,成為激化矛盾的主要經濟因素之一。殖民者認為,既要承擔沉重稅負又無法在議會中擁有代表,違背了“無代表不納稅”的原則,最終演變成激烈對抗。建國後兩大政治派系的分歧聯邦黨(Federalist Party)代表北方工商製造業利益,主張使用高關稅、貿易保護和建設中央集權的財政金融體系(典型代表:首任財政部長漢密爾頓)。民主共和黨(Democratic-Republican Party)代表南方種植園等農業利益,傾向低關稅,鼓勵用農產品出口交換廉價的工業製成品(典型代表:總統傑斐遜)。這兩大路線衝突,奠定了此後美國關稅政策反覆搖擺的基調。二、美國歷史上主要加征關稅的事件與影響1. 1828 年“厭惡稅率” (Tariff of Abominations)背景:保護北方工商業,針對羊毛、大麻、亞麻及其製成品大幅提高關稅。結果:平均關稅率從 1790 年不到 15% 提高到 1830 年的 62%,達到歷史極值。北方工業獲益,但南方農業強烈不滿,南卡羅來納州甚至出現試圖分裂的傾向。為避免內部分裂,美國政府在此後逐步降低關稅,到 1859 年已降至 20% 以下。啟示:高關稅政策雖在短期內保護了某些產業,卻也加深了地區矛盾,不得不在後續做出讓步。2. 1861 年《摩利爾關稅法案》(Morrill Tariff)簽署者:林肯總統上台後即簽署。主要內容:平均關稅上調至 37.5%,並擴充徵稅範圍。歷史大背景:法案生效數日後南北戰爭爆發,高關稅政策在戰時始終維持在 40%-50% 水平。後果:戰爭加上高關稅,造成巨大經濟負擔。內戰期間的嚴重經濟蕭條與財政壓力,與高額關稅相伴生。啟示:在國內衝突加劇之際,再度提高關稅成為戰爭經濟的一部分,然而也加深了內部經濟壓力。3. 1922 年《福特尼—麥坎伯關稅法》(Fordney-McCumber Tariff)背景:一戰結束後,歐洲農業與工業復甦,“戰時紅利”消失,美國國會為了保護國內農民利益而再次提高關稅。實際效果:美國農民處境並未明顯改善;股市也未得到提振——道指在隨後一年下跌約 10%。綜合評價:高關稅並未能阻擋國際經濟環境的整體變化,對國內農業的扶持作用有限。啟示:關稅手段在戰後“供需再平衡”階段並不能解決農產品滯銷、價格下行等結構性問題。4. 1930 年《斯姆特-霍利法案》(Smoot-Hawley Tariff Act)背景:大蕭條初期,胡佛總統希望通過大幅提高關稅(覆蓋 20000 多種商品)來保護美國本土就業和產業。結果:引發其他國家強烈的報復性關稅,全球範圍內的貿易戰愈演愈烈;到 1931-1932 年,美國進出口額均下跌了 50% 以上,經濟蕭條繼續深化;1929-1934 年,世界貿易規模縮水 66%,道指下跌 65%。綜合評價:高關稅措施在全球性經濟衰退環境下加速了保護主義蔓延,進一步打擊國際貿易,深度加劇了大蕭條。啟示:在經濟危機時刻推行的關稅壁壘,只會加重全球性衰退,對本國經濟也造成嚴重反噬。5. 1980 年代對日本的系列貿易限制主要舉措:1981 年,迫使日本主動限制汽車出口;1983 年,對日本摩托車徵收 45% 重稅;1986 年,限制日本半導體對美出口價格;1987 年,對日本電視、電腦徵收 100% 關稅。背景:美國在 1970-80 年代初遭遇“滯脹”,里根總統上台後在經濟政策上實行“減稅+強硬國防”,同時對日本實施強硬的貿易保護。結果:美日貿易逆差並未顯著改善,反而在 1987 年達到 567 億美元的高峰;不過,美國國內實現了“無通膨的經濟增長”,股市也出現長達約 20 年的牛市。新一輪科技革命(個人電腦、半導體、軟體崛起)在里根時期蓬勃發展。啟示:即使高關稅、貿易戰能在一定程度上減緩某些產業的競爭壓力,但未必能有效縮小貿易逆差,其宏觀影響也往往被其他因素(科技、貨幣政策、財政刺激)所掩蓋或放大。6. 2017-2020 年川普時期關稅政策特點:與里根類似的“減稅 + 強硬國防”組合;對主要貿易夥伴(尤其中國)實施更直接、更高烈度的關稅措施;宏觀經濟表現有類似 1983-1985 年“強美元、高赤字、高利率”風貌,但規模和持續度均弱於里根時期。經濟與股市:美國標普 500 在川普任期內上漲 68%,年均漲幅約 14%;科技股表現依然亮眼,但“高赤字+貿易逆差”格局並未實質改善。啟示:高關稅在短期有助於轉移國內選民的注意力、保護部分傳統產業,但對長期貿易失衡的改善較為有限。整體評價與規律總結①關稅的核心目標:維護國內利益,無論是早期對北方工業的保護,或二戰後對農業和製造業的扶持,再到冷戰時期針對日本的遏制,關稅政策始終服務於美國國內經濟和政治需求。它往往與時代背景、地緣政治、內政需求緊密關聯。②政策效果因時代與配套措施而異成功案例:里根時期(1980s)大循環之所以被認為在宏觀層面取得“成功”,主要由於減稅、科技革命、強勢美元政策等多方共振,並非關稅一項所能支撐。失敗或負面案例:斯穆特-霍利法案在大蕭條背景下進一步惡化貿易環境;1922 年法案未能挽救農民困境;對日本徵收關稅也未改變美日貿易逆差的根本走向。② 高關稅常伴隨全球反制與貿易衝突每次美國實施高關稅後,都會引發全球或雙邊層面的報復性措施。從歷史經驗看,這些報復往往對美國經濟自身造成傷害,尤其在全球經濟衰退時期,保護主義會雪上加霜。③ 對股市與就業的影響具不確定性有時高關稅保護了部分行業,但並不一定能帶來整體就業和股市的向好,相反,在供應鏈全球化的現代經濟中,關稅可能抬升製造成本、打擊出口、引發報復性關稅,負面影響更為複雜。④ 政治博弈與民意考量的重要性歷史上,多次關稅法案的推出或提升都與國內政治氛圍、選舉考量緊密相關。高關稅措施常被包裝為“捍衛國家利益”的手段,對選民或特定遊說團體有短期吸引力。啟示:關稅政策的多元思維是應有之義① 需求時代背景、地緣政治、配套政策的綜合評估單純依靠關稅保護並不能根本解決貿易逆差或產業結構問題;若能與科技創新、財政貨幣政策、外交手段相配合,方可在宏觀層面體現更強的政策效力。②謹慎看待“貿易保護主義”的副作用美國多次實施高關稅後遭到他國反制,對出口造成損害;在全球經濟高度融合的當下,更需權衡報復性關稅對本國企業乃至消費者的間接影響。③ 避免“經濟衰退+高關稅”組合下的惡性循環大蕭條時期以及其他衰退期的案例顯示,高關稅會引發貿易萎縮、加深蕭條;當經濟下行時,盲目加稅往往進一步破壞全球市場,歷史證明效果非常負面。④ 更長期視角:產業升級與競爭力提升回顧成功的美國經濟擴張階段(如 20 世紀末至 21 世紀初 IT 產業崛起),真正起關鍵作用的是產業創新和科技突破,而非高關稅保護;關稅只能在短期給少數產業“喘息之機”,難以替代持續的科技與制度優勢。五、結論高關稅在美國歷史上屢次出現,大都出於維護特定時期國內利益或應對對外競爭的需要。實際效果取決於當時的整體經濟環境、科技與產業創新水平、國際形勢以及政策配合,並不單獨由關稅本身決定。對全球經濟和貿易體系而言,高關稅往往引發連鎖反應,可能導致報復性關稅、世界貿易萎縮甚至金融市場動盪。整體來看,“美國通過關稅保護自身利益”的傳統或許會一再上演,但歷史經驗表明,高關稅政策若與宏觀環境或內外政策失配,常常帶來更大的代價或事與願違的結果。最終總結:美國加征關稅並非一招“靈丹妙藥”,既可能在短期保護國內少數行業,也可能在長期帶來廣泛經濟負面影響。站在歷史規律與綜合背景的角度,對關稅政策的效果需要具體環境下的多維審視。從美國長期關稅演變的視角來看,“美國歷史關稅復盤”最關鍵的啟示在於:關稅政策的具體成效從來不是單向度的,它往往取決於當時的時代背景、地緣政治、國內產業結構、宏觀經濟政策以及國際大環境。也就是說,高關稅本身並非萬能良藥,過度依賴關稅在錯誤時機或不恰當環境下實行,往往會帶來副作用甚至“事與願違”。以下幾個要點最為重要:1. 高關稅若與經濟衰退/蕭條疊加,代價往往更大歷史案例,1930 年斯穆特-霍利法案(大蕭條初期)不僅未能提振美國經濟,反而引發他國報復關稅,導致世界貿易規模大幅萎縮,經濟衰退全面加深。即使保護了部分國內產業,在全球需求萎縮時,高關稅無異於“飲鴆止渴”,最後本國就業和對外出口也受到嚴重打擊。核心教訓:當宏觀經濟處於脆弱或下行階段,推行高關稅只會加劇危機,“以鄰為壑”的保護手段會加速全球貿易下滑,最終造成本國經濟反噬。2. 高關稅短期或能保護少數產業,但並非根本解決方案1828 年“Tariff of Abominations” 的確在短期幫助北方製造業,但卻激化南北方矛盾;20 世紀 80 年代美國對日本的貿易限制,對汽車、半導體等行業提供了暫時緩衝,但並沒有徹底改變美日之間的貿易失衡格局。核心教訓在於,關稅在“短期”可以給部分受衝擊產業爭取調整和升級的時間,但若沒有產業創新、產品升級以及更全面的宏觀改革,長期仍難以從根本上解決競爭力不足、貿易逆差等結構性問題。3. 關稅政策效果的好壞與“配套措施”與“經濟周期”密切相關里根時期(1980s)美國同時實施“減稅 + 強勢美元 + 科技創新”組合拳,雖然也對日本採取高關稅、貿易限制,但真正拉動美國經濟與股市繁榮的核心是內部科技革命(PC、軟體、半導體創新)與財政貨幣政策的協同。與之對比,1920-1930 年代一次次提高關稅,卻與內需不足、投機泡沫以及全球市場萎縮疊加,最終導致經濟繼續深陷衰退。關稅並不單獨發揮作用;它與財政金融環境、產業政策和技術創新是否同步至關重要。所謂“高關稅自救”若與整體經濟、外交、技術環境不匹配,最終就可能是“負效果”。4. 貿易保護常伴隨報復性關稅,全球經濟“多輸”1930 年斯穆特-霍利關稅釀成全球性“關稅戰”,各國競相築壁壘,世界貿易額暴跌,蕭條進一步惡化。當代貿易爭端中,美歐互征關稅、美國與其他貿易夥伴互相打擊,也往往導致下游產業和消費者成本上漲,出口企業喪失市場。在當今的世界經濟高度一體化,“你來我往”的關稅對抗只會導致貿易鏈斷裂、成本上升、通膨壓力或需求萎縮。最終各方都難以獨善其身。5. 真正的長期競爭力來自“科技、制度與市場開放”二戰後美國持續降低關稅,並通過 GATT/WTO 推行自由貿易體系,同時借助其在科技研發、金融服務、跨國企業方面的優勢,引領全球經濟數十年。20 世紀下半葉至今,美國關稅總體處於低位,它依靠的是科技、品牌、金融霸權和全面市場開放來抓住全球機遇,而非依賴高關稅。高關稅可以在非常初級的發展階段或特定政治環境下,為財政和特定產業提供一時之利;但要實現國家整體財富和長期競爭力的提升,必須靠持續技術創新、制度最佳化和全球市場佈局。關稅對財政收入的重要性在現代美國已經大大下降,美國政府收入主要來自所得稅、消費稅及其他稅收;對外輸出高科技、服務、金融和文化成為關鍵增長引擎。6. 關稅在政治中的地位:短期“討好選民”的工具無論是 19 世紀南北方利益紛爭,還是 20 世紀里根對日本、21 世紀川普對華關稅,都與“國內政治訴求”密切相關——滿足特定選民(如傳統製造業工人、農民)的情緒和利益訴求。在大選周期或政治壓力下,政府往往傾向把加征關稅作為“看得見”的強硬姿態。關稅時常被用作政治談判籌碼或向選民表態的工具,卻未必符合長期經濟規律。歷史上數次關稅飆升都表現出“政治驅動”色彩,而經濟後果卻往往在政策目標達成前就顯現出負面衝擊。結論:歷史關稅復盤的“真正重要”啟示①高關稅是“雙刃劍”短期可能保護若干產業、滿足選民政治訴求,但易導致國際對抗升級、全球市場萎縮,最終反噬本國經濟。②能否成功在於“配套宏觀政策”和“產業升級”經濟環境好、創新活力充沛、國際金融地位穩固時,高關稅負面效果可能被部分消化(如里根時代)。若經濟脆弱、內需不振或遭遇全球蕭條時(如 1930 年代),高關稅往往成為雪上加霜的破壞性因素。③全球化時代,全面高關稅保護“難以為繼”二戰後美國主導多邊貿易體系,推行自由貿易並從中受益。高關稅不再像 19 世紀那樣是其主要財政收入來源和國家競爭方式;也越來越受到 WTO 等多邊規則的限制和報復性措施的掣肘。④ 真正的長期競爭力靠科技、制度與全球市場整合復盤美國崛起:從 20 世紀下半葉的科技革命,到新世紀資訊經濟時代,美國靠制度優勢、技術創新與全球市場深度結合,奠定超級大國地位。關稅僅是“臨時擋板”,並不能替代企業創新、金融服務輸出和人才培養等根本驅動力。簡言之,美國在 200 多年歷史中多次利用關稅進行產業保護與政治操作,但經濟與金融體系的成功更多依靠內在的創新驅動和對外開放。高關稅在錯誤時機或缺乏配套下反而會破壞國內外經濟關係,造成嚴重反噬。“美國歷史關稅復盤,真正重要的”就是認識到:只有在恰當的宏觀環境與政策配合下,關稅才可能發揮一時之效;若企圖用關稅去替代產業升級與國際合作,則往往導致貿易戰、全球蕭條和經濟實力受損——歷史幾度證明,高關稅從來不是經濟與國力持續躍升的根本支撐。所以,如果美國當前經濟很好,又有AI革命,加征關稅的後續影響與科技革命的影響誰大或才是是關鍵。在判斷“美國當前如果經濟形勢強勁,且處於新一輪 AI 科技革命的起點,那麼加征關稅與科技革命這兩種因素那個對美國未來影響更大”時,核心在於:科技革命能夠帶來更長期、深層次的經濟結構升級與生產力提升;而關稅政策更多隻能在短期、局部領域改變貿易與產業分配格局。因此,從長期與全域來看,AI 科技革命的影響大機率會遠超“關稅調整”的影響。1. 時間維度:科技革命具備長期動能,關稅影響偏短期AI 科技革命本質上是一種通用技術(General Purpose Technology)的興起,可能深刻改變各行各業的生產方式、就業形態及全球產業鏈佈局。其爆發可能會持續 5~10 年乃至更長時間,不僅影響 GDP 增長,更可能改變國家在全球價值鏈的地位。關稅調整屬於政策手段,影響往往聚焦在進口成本、產業保護、貿易結構等方面。短期可以帶來價格波動、供應鏈調整、進出口資料變化,但長期能否“保護本土”或“降低逆差”還需看其他宏觀因素(如創新、內需、國際競爭),很難成為經濟增長的主要支撐。2. 經濟性質:科技創新創造新價值,關稅只在既有蛋糕上再分配AI 科技革命有助於催生新產業、新商業模式、大量知識密集型就業崗位,帶來增量的經濟價值與社會福利提升。若美國繼續保持領先地位,能在軟體、硬體、資料服務、晶片、雲端運算等方面取得全球壟斷或准壟斷收益,極大鞏固美國在金融、科技、網路等領域的霸主地位。關稅壁壘更多是對既有的全球供應鏈和貿易格局進行“二次分配”:通過提高他國商品進口成本,短期“擠出”部分外部競爭,或讓本土廠商享受價格優勢、增加關稅收入。本質並不擴大全球經濟蛋糕,更可能引發貿易報復或導致供應鏈效率下降,從而限制長期增量。3. 內在經濟邏輯:科技驅動 vs. 政策驅動科技驅動:內生增長動力,AI 代表了生產函數的躍升——讓勞動與資本效率大幅提高,產生正向的“溢出效應”(如新產業、新技術平台、人才需求)。這種內生增長模式歷來是美國維持經濟活力和全球領先的關鍵。政策驅動:受經濟周期制約,關稅通常隨政治周期或選舉周期調節,而貿易摩擦的負面後果有可能在後續經濟放緩時被放大(如供應鏈脫鉤、他國報復,導致更大代價)。關稅若引發通膨壓力或產業鏈重構,在經濟“順風”時或許能暫時消化,但一旦經濟周期轉弱,負面影響會更明顯。4. 現實經驗:高科技浪潮對美國歷史地位的影響20 世紀末 IT 革命,里根及其後多屆總統時期,美國對外實施過若干關稅壁壘(如對日本、歐盟等國家的汽車、鋼鐵、半導體等),但真正讓美國經濟在 20 世紀末-21 世紀初騰飛的核心還是電腦、網際網路、軟體這些技術紅利。這段時期美股大牛市、網際網路巨頭崛起(微軟、Google、亞馬遜等),對美國 GDP 貢獻遠大於關稅手段。對日關稅在“結構性逆差”問題上並無長期明顯改善,美國依然保持對日本大額逆差,但並不妨礙美國整體經濟因科技紅利而大幅領先。21 世紀頭十年後的智慧型手機浪潮,美國蘋果、Google、Qualcomm 等企業通過技術和商業模式創新在全球範圍獲得超額收益;關稅在此期間更像邊緣化、針對少數行業的保護措施,並沒有改變美國在高端製造、軟體生態上的龍頭地位。5. 可能的短期變數:通膨、地緣衝突、供應鏈重構雖然從長期看 AI 科技革命會帶來巨大紅利,但短期貿易摩擦、供應鏈中斷、關稅引發的局部通膨或國際政治衝突,仍會在金融市場上帶來較大波動。可能出現的情形:美國經濟本已強勁,再疊加高關稅,短期內消費者或下游企業可能面臨通膨壓力,或部分行業被貿易戰牽連。然而,如果 AI 革命的盈利前景足夠強烈,資本市場可能更關注“創新科技”投資機會,而對關稅消息的短期衝擊逐漸淡化。科技革命(如當前以大模型、雲端運算、晶片產業為核心的 AI 浪潮)在長期、深層層面上,對美國經濟增長與全球地位的促進作用遠大於關稅帶來的貿易保護或收入效應。關稅可能在短期影響國際貿易流向與產業鏈佈局,但其帶來的正面效益多半有限,還常伴隨供應鏈效率損失和國際報復,因此更像是“一時取巧”的政治/經濟工具。AI 科技革命能創造全新價值增量,讓美國企業和資本市場從全球分工、技術專利與平台優勢中獲得持續紅利,帶來更多長期結構性利多。因此,若美國經濟已在向好軌道,再加上 AI 技術的長遠增值前景,關稅對經濟格局的影響相較而言只是“短期擾動”;而AI 革命則像下一次工業革命那樣決定著美國未來數十年的經濟競爭力。 (貝葉斯之美)
DeepSeek引爆AI革命!2025中國生成式AI大會終極議程公佈,50+位大咖學者聚首暢言
4月1-2日舉辦,全面展示國內生成式AI重大進展~DeepSeek在開年的異軍突起,成為中國生成式AI領域乃至整個人工智慧產業的關鍵拐點,對AGI這一新徵程的探索也帶了巨大推動。DeepSeek顛覆了“堆砌算力”的固有路徑,開闢出一條“效率優先”的創新路徑,從而改寫了中國與西方在大語言模型上的競爭態勢,也為AI Infra的研究與開髮指明了方向,更為國產AI晶片與算力的再次突圍注入了新動能。DeepSeek的開源開放姿態不僅讓自己躋身為AI開源領袖,更是在國內掀起了模型部署和應用接入的熱潮。與此同時,DeepSeek R1的出世也激發了世界範圍對推理模型的研究和開發熱度。而蒸餾模型的推出,也進一步提振了端側AI興起的信心。與此同時,視覺大模型、多模態大模型以及世界模型在過去一年也取得了非常大的進展,呈現出百花齊放的局面,視覺生成類應用更是層出不窮。而Manus的躥紅和爭議,也讓AI智能體走到了台前,拉高了今年的預期。在上述背景下,4月1-2日,2025中國生成式AI大會(北京站)「GenAICon 2025北京站」將在北京中關村東昇科技園萬麗酒店盛大舉辦。中國生成式AI大會已成功舉辦三屆,現已成為國內人工智慧領域最具影響力的產業峰會之一。本次大會繼續由智一科技旗下智猩猩、智東西共同發起,以“大拐點 新徵程”為主題,邀請到50+位重量級嘉賓同台分享和交鋒,深入解構DeepSeek引發的變革狂潮,全面展示國內生成式AI重大進展。大會也是“智領未來”北京人工智慧系列活動之一。大會主會場首日將進行開幕式、GenAI應用論壇,次日全天將進行大模型峰會;分會場則會先後組織DeepSeek R1與推理模型技術研討會、AI智能體技術研討會和具身智能大模型技術研討會。其中,三場研討會為閉門制,主要面向持有閉門專享票、貴賓通票的觀眾開放。Alluxio、Zenlayer、DriveNets、澳鵬資料、晴數智慧、中昊芯英、GMI CLOUD、焱融科技、英博數科、華為雲、研惠通、新晧誠科技、楓清科技、科華資料、首都線上、清智圖靈等16家企業將在展覽區帶來最新技術產品展示。經過近兩個月的籌備,今天將為大家正式揭曉大會嘉賓陣容與最終議程。大會官網也已全面更新,大家也可點選文末「閱讀原文」,進入官網瞭解會議詳情後,申請主會場觀眾票或購票參會。重要提醒!!觀眾報名通道臨近關閉,也可以掃描下方二維碼,加入小助手直接申請主會場觀眾票或購票參會。01.北京站雲集50+位大咖與學者 全方位解構DeepSeek引爆的AI革命此前,我們分批次為大家公佈了大會部分演講嘉賓(《清華與上交大教授領銜!DeepSeek時代中國生成式AI大會首批嘉賓公佈,多位頂會作者也來了》《智源研究院副院長兼總工程師領銜!中國生成式AI大會嘉賓再更新,杭州六小龍之一也來了》),大模型峰會、GenAI應用論壇與具身智能大模型技術研討會完整嘉賓陣容,以及AI智能體技術研討會的議程(《AI搜尋黑馬與中國版DeepSearch都來了!GenAI應用論壇全部演講嘉賓揭曉 | GenAICon 2025》《上交大戴國浩教授開場,大模型峰會嘉賓陣容公佈!AI智能體研討會也請到了Manus最強平替》《星動紀元智平方與群核齊聚!具身智能大模型技術研討會完整嘉賓公佈,RoboBrain、桃源與RDT一作都來了》)。今天將為大家揭曉全部嘉賓及所參與的環節。首先是主會場。開幕式將在第一日上午盛大開啟。智一科技聯合創始人、CEO龔倫常將代表主辦方上台致詞。之後進入報告、演講環節。智源研究院副院長兼總工程師林詠華將首先帶來主題報告,主題為《“眾智”成城:開源統一軟硬體生態加速大模型和具身智能進化》。不同晶片硬體平台在軟體生態上的嚴重碎片化,嚴重限制了AI技術的普及和多樣性發展。為此,智源研究院打造了面向多種AI晶片的開源、統一系統軟體棧生態“眾智FlagOS”,從算子庫、平行框架、通訊庫、AI編譯器等角度,賦能開發者,推動AI大模型技術規模化應用落地和具身智能的技術創新。本次報告將進行深入分享。以DeepSeek-R1為代表的大模型慢思考技術受到了較大關注。為此,大會邀請到中國人民大學高瓴人工智慧學院教授趙鑫帶來主題報告。報告將聚焦大模型慢思考的基礎技術與實現方法,對於其中可能涉及到的技術路徑進行探索和系統性講解,主要介紹以強化學習為主線的關鍵技術及挑戰,然後探討推理模型的科學價值,並總結現階段推理模型的侷限以及未來的技術發展趨勢。清華大學交叉學院助理教授、博導、星海圖聯合創始人許華哲,PINE AI聯合創始人、首席科學家李博傑,壁仞科技AI軟體首席架構師丁雲帆,英諾天使基金合夥人王晟將在開幕式上分別從具身智能、AI智能體、國產GPU、風險投資等視角帶來報告和演講。高端對話將在開幕式壓軸進行,主題為“DeepSeek開啟大模型下半場 中國AGI新徵程全速起航”。對話由智一科技聯合創始人、智車芯產媒矩陣總編輯張國仁擔任主持人,邀請到彩雲科技創始人兼CEO袁行遠,GMI Cloud創始人、CEO Alex Yeh,PINE AI聯合創始人、首席科學家李博傑,智澄AI創始人及CEO胡魯輝作為AI應用、AI Infra、AI Agent與具身智能的代表進行深入討論。AI應用元年已然開啟,DeepSeek和Manus更進一步推動了AI應用和AI Agent的開發熱潮。GenAI應用論壇將在第一日下午進行,對DeepSeek應用、AIGC應用和AI Agent展開分享。GenAI應用論壇邀請到楓清科技Fabarta創始人兼CEO高雪峰,愛詩科技商業化負責人孫偉哲,GMI Cloud亞太區總裁King.Cui,像素綻放PixelBloom(AiPPT.com)聯合創始人蒲世林,博查AI搜尋聯合創始人&CTO翁柔瑩,中文線上AI動漫部總經理周立強,光羽芯辰創始人兼董事長周強,Zilliz合夥人、產品總監郭人通等八位創業者、公司高層與技術決策者帶來主題分享。演講內容將涵蓋企業級智能體應用平台、PixVerse視訊生成、AI推理的全球算力革命、AI辦公、AI搜尋、AI動漫、端側AI、中國版DeepSearch等諸多焦點領域。主會場第二日全天將進行大模型峰會。上海交通大學副教授、無問芯穹聯合創始人兼首席科學家戴國浩將帶來開場報告,對高效大模型推理技術進行深入解讀。大模型峰會上午場還邀請到智澄AI創始人及CEO胡魯輝,焱融科技CTO張文濤,Zenlayer行業拓展總監陳秀忠,清程極智聯合創始人、產品副總裁師天麾,首都線上集團智算產品總經理張振宇帶來主題演講,將分別從物理智能、高性能全快閃記憶體儲、全球算力網路、開源推理引擎、智算雲等不同維度展開分享。大模型峰會下午場邀請到海致科技技術總監李思宇,中昊芯英軟體研發負責人朱國梁,澳鵬Appen中國及韓國區副總裁董成,上海雲軸科技股份有限公司CTO王為,Alluxio解決方案架構師湯文軍,澎峰科技創始人&CEO張先軼參與演講。六位嘉賓將分別針對大模型與知識圖譜協同、國產 TPU 晶片軟體棧重構、大模型時代的AI資料服務、AI原生實踐、AI儲存新範式、大模型私有化部署,帶來深入講解。圓桌討論聚焦“DeepSeek給AI Infra帶來的啟示與機會”,將由騰訊雲專有雲及智算首席架構師方天戟主持。北京智源人工智慧研究院AI框架研發負責人敖玉龍,澎峰科技創始人&CEO張先軼,沐冰資料CTO邸澤民,上海雲軸科技股份有限公司CTO王為四位嘉賓將參與討論。接下來對分會場的三場技術研討會進行介紹。三場研討會皆由主題報告和圓桌Panel兩個環節組成。DeepSeek R1與推理模型技術研討會將在第一日下午進行,邀請到5位青年學者和技術專家帶來主題報告和圓桌Panel。他們分別是:360智腦演算法資深專家鄒昊晟,東南大學電腦學院碩士研究生二年級、LMM-R1一作 、螞蟻金服實習演算法研究員彭英哲,中國人民大學高瓴人工智慧學院二年級博士研究生陳志朋,浙江大學軟體學院碩士研究生二年級、LightThinker一作張錦添,華中科技大學Hust Vision Lab與地平線聯合培養博士生蔣博。其中,主導了開放原始碼專案Light-R1和360-LLaMA-Factory的360智腦演算法資深專家鄒昊晟將擔任本場研討會的特邀主持人。AI智能體技術研討會將在第二日上午進行。ANP開源技術社區發起人常高偉受邀主持本次研討會,也將針對智能體通訊協議進行報告分享。研討會還邀請到香港大學在讀博士生、CAMEL-AI OWL一作胡夢康,清華大學智能產業研究院在讀博士、Agent Hospital一作李俊凱,西湖大學 AGI 實驗室 Agent 方向研究員蔣文嘉,清華大學自動化系博士研究生、Eko主要作者陸逸文等4位青年學者結合研究成果,從通用智能體、醫療智能體、GUI智能體、中國版Operator等不同維度進行報告解讀。具身智能大模型技術研討會將在第二日下午進行。北京智源人工智慧研究院研究員郝孝帥,北京大學在讀博士、RoboMamba一作劉家銘,清華大學ISRLab在讀博士生、星動紀元實習研究員郭彥江,清華大學TSAIL團隊博士生、RDT一作劉松銘四位青年學者,將分別從多模態具身大模型、VLA、世界模型、擴散操作大模型等具身大模型技術路線出發,並結合研究成果,帶來主題報告。上海人工智慧實驗室具身智能中心青年研究員汪汗青,群核科技科研演算法專家汪仁涵的報告將針對具身資料展開,分別結合桃源(GRUtopia)2.0、空間智能平台SpatialVerse帶來報告。圓桌Panel環節由郝孝帥老師、劉家銘博士、郭彥江博士、汪汗青老師以及光輪智能具身資料交付負責人甘宇飛5位嘉賓參與,其中,郭彥江博士受邀主持研討會及圓桌Panel環節。02.主會場議程:三大類股重度聚焦DeepSeek大模型、AI Infra與AI應用今天也將正式公佈主會場的議程。主會場兩天將進行開幕式、GenAI應用論壇和大模型峰會,三大類股重度聚焦DeepSeek大模型、AI Infra與AI應用,邀請到34位學者與大咖帶來全方位多維度的深度剖析。03.分會場議程:三大研討會深入講解推理模型、AI智能體與具身大模型三場研討會的議程今天也正式出爐。17位青年學者和技術專家將以前瞻性視角,對推理模型、AI智能體與具身大模型進行深入解讀。04.報名通道臨近關閉 門票有限速來搶票此次北京站設定了四類電子門票,分別是主會場觀眾票、主會場VIP票、閉門專享票和貴賓通票。其中,主會場的座位分佈如下。四類電子門票中,主會場觀眾票為免費票,申請後需經稽核通過方可參會;主會場VIP票、閉門專享票和貴賓通票均需購買。持主會場觀眾票、主會場VIP票可參加三場主會場會議(開幕式、GenAI應用論壇、大模型峰會)。持有閉門專享票、貴賓通票,除了可參加三場主會場會議,還可參加三場分會場研討會(DeepSeek R1與推理模型技術研討會、AI智能體技術研討會和具身智能大模型技術研討會)。詳細權益,可通過文末左下角「閱讀原文」,直達官網瞭解後,進行購票或免費申請主會場觀眾票。 (智東西)
陶冬:川普暴打了川普交易
陶冬  系淡水泉(香港)總裁兼首席經濟學家、中國首席經濟學家論壇理事 川普交易的天敵,是川普本人。川普在提高關稅、削減開支等議題上的橫衝直撞,令市場膽顫心驚,美股繼續下挫,S&P500指數已經跌回到去年九月底川普交易興起時的水平。同時,一系列經濟資料不如預期,川普衰退概唸成為市場魔咒,資金對聯儲減息預期升溫,聯儲主席和財政部長不得不出面喊話,以穩定市場情緒。 經濟衰退預期下,美元匯率再次下探,歐洲貨幣領漲。聯儲褐皮書表述經濟“略有增長”,鮑威爾表示不急於減息。中國政府將2025年增長目標設定為5%左右,赤字率4%。墨茲打算突破預算限制,德國債市暴跌。OPEC+宣佈終止減產計畫,油價一度大跌,但星期五俄羅斯和美國分別干預,布倫特原油價回穩。黃金重回升市。川普虛擬幣計畫遜於市場預期,但逼多過後比特幣價格回穩。 亞特蘭大聯儲的GDPNow模型估計美國經濟目前增長約為-2.4%。從消費信心、通膨預期、畢業生就業、信用卡逾期等數字看,經濟的確面臨挑戰,第一季度增長進一步下滑(甚至出現輕微負增長)的可能性頗大。川普的關稅政策和削減政府開支,也為經濟帶來巨大不確定性,所以在某種意義上,市場對衰退的擔憂是有道理的。