此事在索尼亦有記載三星電子內部供應鏈近期出現不同尋常的“博弈”：負責半導體製造的 DS（裝置解決方案）部門，拒絕了生產 Galaxy 智慧型手機的 MX（移動體驗）部門提出的長期（超過一年）記憶體供貨協議（LTA）請求。韓國資訊分析師twi@jukan05 發佈獨家文章，三星 DS （Device Solutions）部門通知 MX （Mobile eXperience）部門，將移動 DRAM 的供貨方式改為季度（三個月）合約。面對“晶片通膨”（Chipflation）的衝擊，MX 部門甚至派出高層主管與同集團的 DS 部門進行緊急談判，但最終僅爭取到了第四季度（截止年底）的移動 DRAM 供貨合同。MX 部門急於簽訂長期合同，是因為移動 DRAM 價格正以驚人的速度暴漲。例如，Galaxy 系列主推的 LPDDR5X 12GB 晶片，在 11 月底的市場價格已飆升至約 70 美元，比年初（約 33 美元）翻了一倍多。移動 DRAM 價格飛漲給 MX 部門的盈利防線帶來了巨大挑戰。同時，佔智慧型手機成本最大部分的移動應用處理器採購價格也在逐季上漲。資料顯示，三星 DX 部門（MX所屬大部門）的移動AP採購額，從去年第三季度的 8.7051 兆韓元躍升至今年第三季度的10.9275兆韓元，增幅達25.5%。AP在 DX 部門總原材料採購中的佔比也從16.6% 提高到19.1%。通常情況下，移動AP佔智慧型手機成本約20%，記憶體晶片佔約15%。隨著晶片價格飆升，分析認為這些核心元件佔總成本的比例至少增加了5個百分點。目前，MX部門正因明年初Galaxy S26系列的定價策略而陷入深度困境。然而，在MX部門為盈利掙扎的同時，DS部門則堅定地抓住記憶體“超級周期”帶來的高利潤機遇。行業人士解釋稱，由於 AI 加速器不僅消耗 HBM，也大量吸納 LPDDR 記憶體產能，DS 部門必須以盈利性為核心調整產品組合。隨著三星集團內部事業部責任制管理的體系日益鞏固，即使是內部交易，也必須優先服從市場經濟邏輯。 (AMP實驗室)

2025年10月底，Meta AI部門宣佈裁員600個職位，甚至核心部門的研究總監，同時掌管AI業務的高管紛紛離職、被邊緣化，就連圖靈獎得主Yann LeCun也被認為自身難保。一方面祖克柏在用上億美元的年薪挖AI人才，但同時又如此決絕的裁員，這樣割裂的行為背後是因為什麼？於是我們採訪了Meta的前FAIR研究總監AI科學家田淵棟、參與了Llama 3後訓練的前Meta員工Gavin Wang、矽谷資深HR專家以及一些匿名人士，試圖還原一下Meta的Llama開源路線到底發生了什麼：為什麼Llama 3還讓眾人驚豔，而僅一年之後的Llama 4就如此拉胯？中間發生了什麼？Meta的開源路線從一開始就註定是個錯誤嗎？AI大模型激烈對戰的當下，一個烏托邦式的AI研究實驗室還能夠存在嗎？01 FAIR與GenAI的誕生 Meta的AI十年佈局與架構搭建首先來看看Meta對AI佈局的整個公司架構。2013年年底，祖克柏開始搭建Meta的AI團隊。當時，Google收購了Geoffrey Hinton的DNN團隊，將Hinton招入麾下，同一時間，Meta將Yann Lecun請來坐鎮AI的發展。至此，圖靈獎三巨頭的兩位開始步入商業科技來主導AI研發。在祖克柏邀請Yann LeCun加入Meta的時候，後者提過三個條件：1.不從紐約搬走；2.不會辭去在紐約大學的工作；3.必須開展開放的研究，公開發佈所做的所有工作，並將程式碼開源。所以，一開始Meta的路線就是開放原始碼的。Yann LeCun進入Meta之後，開始著手前沿的AI研發，組建了Fundamental AI Research實驗室，也就是大名鼎鼎的FAIR實驗室，主導人工智慧的前沿研究。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：FAIR是負責前沿研究的，就是做一些現在目前看起來沒有特別大的應用，但是新的想法、新的思路、新的演算法、新的框架、新的模型架構。這樣的探索之後可能會有一些大的突破，大概是這樣的一個邏輯。但是對於Meta來說，最終還是要看到AI在自身產品上的進展。於是和FAIR組平行設定了一個組叫“Generative AI”，簡稱“GenAI”組。這個組裡面分別有不同的功能團隊，包括了Llama開源模型的研發，將AI能力運用到產品上的Meta AI團隊，還有AI算力基建的資料中心團隊，其它的還有一些小部門，比如說Search（搜尋），Enterprise（企業服務），Video-gen（文生視訊）模型等等。GenAI和FAIR是平行關係，這像是一個天平，一邊是前沿科研，一邊是產品化。理想情況下，前沿研究能帶來更好的產品力，而產品賺錢了能讓管理層有更大的動力撥款給FAIR去做研發。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：比如FAIR會提供一些很好的想法和工作給GenAI去用，讓GenAI把這些想法和工作放進生產，然後在下一代模型中使用出來。很多人的初心就是說想做一些不一樣的東西，或者是與眾不同的方向、工作。能不能真正地實現AGI（通用人工智慧）？這其實是個比較大的問題。陳茜矽谷101聯合創始人：所以FAIR的目的是AGI，但是GenAI它的目的是怎麼把AI放在Meta現有的產品中，讓AI發生效應。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：對，應該說主要一方面是Llama，Llama是一個很大的模型。還有就是怎麼樣把AI比較好地用在一些具體的應用上。但是，讓這樣的天平始終保持平衡，是一個很理想化的烏托邦狀態。而這個烏托邦狀態的前提是，Meta的AI模型水平一直是要保持最領先的，或者說，至少是在開源賽道最領先，且不落後閉源模型太多的。圖片來源：Meta AI陳茜矽谷101聯合創始人:你覺得在FAIR最快樂的一段時光是什麼時候？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我覺得從我入職FAIR之後一直到2022年，這段時間是很開心的。因為大語言模型來了之後，整個生態或者說研究者之間的關係發生了一些變化。因為大語言模型來了之後，算力成了很重要的一個因素。因為算力是有限的，所以就會產生各種問題、各種矛盾。大家都要訓練一個很大的模型，如果是這樣的話，相互之間就開始有一些問題，比如說如果我卡多了，你卡就少了。因為卡不多就沒辦法訓練出很好的模型，所以在2023年之後這段時間之內，狀態肯定不會像以前那麼好。而Meta的AI天平是如何失衡的呢？我們可以從Llama的四代發佈中，看到一些端倪和痕跡。02 “開源之光” Llama的昔日驕傲與滑鐵盧？之所以Meta給自家大語言模型取名“Llama”，據說是因為考慮到Large Language Model的縮寫“LLM”不太好發音，所以就補上了元音字母。“Llama”朗朗上口也便於記憶傳播。也正是這樣，大語言模型命名自此才和“羊駝”扯上了關係。Chapter 2.1 Llama 1：開放原始碼的“種子”我們先來看看Llama 1，這也為Meta的大模型“開源”路線奠定了基礎。2023年2月24日，Meta發佈Llama模型，主打“更小參數更好效果”（多規模：7B/13B/33B/65B），強調當時的13B模型可以在多項基準上超過175B參數的GPT-3。而Llama在官宣之後的一周，權重在4chan上以種子形式被“洩露”，引發了AI社區對開源模型的廣泛討論，甚至還引發國會參議員致信質詢Meta。雖然有不少質疑的聲音，但業界對Llama的“意外洩露”出人意料的支援，而這也被視為“大模型開源”的格局重塑，並且很快催生出了諸多的民間微調項目。我們在這裡稍微解釋一下大模型的“開源”定義。其實Meta也不是完全的開源。Meta稱之為“開放權重”（Open weights）。在機器學習中，有三個部分：結構（architecture），權重（weights）和程式碼（code）。所謂“權重”，就是模型學習到的所有參數數值。模型訓練完成後，所有參數會存成幾個巨大的二進制檔案。每個檔案裡保存著每一層神經網路的矩陣數值。而在推理時，模型程式碼會載入這些權重檔案，用GPU進行矩陣運算生成文字。所以“開放權重”就意味著向公眾提供訓練好的參數檔案，外界可以本地載入、部署和微調，但還不是完全的“開源”，因為真正的開源意味著公開訓練資料、程式碼和許可等等。但Meta並沒有公開這些資訊，甚至之後的Llama2、3、4代都僅僅是開放權重，只是在許可證的政策上有些鬆動。雖然Llama屬於“半開源”，但比起OpenAI，Anthropic和Google完全閉源、只通過API介面來提供模型能力服務的公司來說，已經算給開源社區帶來非常旺盛的生命力了。Chapter 2.2 Llama 2: 開放“可商用”2023年7月28日，Meta聯合微軟發布了大模型Llama 2，包含7B、13B和70B參數的三種參數變體。新一代模型的“開源”雖然也是“開放權重”，但對比Llama 1的不可商用、只能申請研究用途而言，Llama 2是一個免費可商用的版本，更放寬了許可證的權限，而Wired等雜誌更是指出，Llama 2 讓“開放路線”對抗封閉模型巨頭成為現實。而我們看到，Llama 2很快在開發者社區風靡起來，它的可得性顯著放大了生態和AI開發。之後，就到了2024年的Llama 3，這也是Llama系列最為輝煌的時刻。Chapter 2.3 Llama 3系列: 逼近閉源陣營步入Llama3的時代，Meta已經成為AI開源社區的頂流存在。2024年的4月到9月，Meta連發三個版本的模型迭代。2024年4月18日，Meta發佈8B、70B兩個規格的Llama 3版本，稱同等規模“顯著超越Llama 2”，並將其作為Meta AI助手的底座之一。之後的7月23日，Meta推出405B、70B、8B三檔Llama 3.1模型，並宣稱405B是“全球最強的開放可得基礎模型”之一；同時登陸AWS Bedrock、IBM watsonx等平台。僅兩個月之後的2024年9月25日，Meta推出Llama 3.2，主打小而全的多模態，新增1B與3B輕量文字模型與1B與90B的視覺多模態模型，面向終端/邊緣場景；AWS等平台同步接入，開源框架平台OLlama亦可本地運行。我們採訪到了Llama 3團隊的Gavin Wang，他負責Llama 3的後訓練工作，對我們表示當時整個Meta，GenAI團隊是在以“光速”前進，真的有種“AI一天，人間一年”的感覺。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：當時Llama3.1/3.2確實是有很多很好的進展，比如多模態是在這個階段裡面發佈的，包括後面他們做Lightweight model（輕量化模型）1B/3B的。我覺得這時候產品化生態取得了很大進展，很多的社群都有支援，包括我有朋友在Llama Stack團隊，他們就是專門支援整個Llama的生態在企業級或者說小企業級的落地。Llama 3的強勢出擊，特別是450B版本被認為是在模型能力上對閉源陣營的逼近，也被認為將快速推動AI應用的落地。而對於Meta內部員工來說，特別是在Llama組的AI工程師們，這是一件非常讓他們值得驕傲的項目。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：當時的敘事是說，Meta是大廠裡面唯一一個剩下開放原始碼的模型，而且還對整個開源生態很有貢獻。當時我覺得很多人都會覺得，這不僅僅是在做一份工作，而是我們真的就是在支援整個AI的前沿的發展，你做的每一件事情都感覺非常有意義，我當時是非常自豪的感覺。我出去跟別人說，我是在做Llama 3的團隊，一些創業公司的創始人他們都會說：非常感謝你的努力。感覺整個技術圈，尤其是AI創業圈，都在指望Llama。Meta乘著東風，期望Llama 4的發佈，能進一步的擴大自身在AI開發社區的影響力，保持“頂尖大模型中的唯一開源存在”。祖克柏在2025年1月底財報會議後發帖說，“我們對Llama 3的目標是使開源與封閉模型具有競爭力，而我們對Llama 4的目標是領先。”然而，三個月之後的Llama 4發佈，卻是一場徹底的災難和滑鐵盧。Chapter 2.4 Llama 4: 滑鐵盧2025年4月5日，Meta推出Llama 4的兩個版本（Scout與Maverick），宣稱多模態與長上下文能力大幅躍進，並在宣傳中高調引用LMArena排行榜上的領先成績：Maverick版本僅次於Gemini 2.5 Pro，與ChatGPT 4o和Grok 3 Pro並列第二。然而很快，開發者社區的反饋並不正面，認為Llama 4的效果不及預期。市面上開始有流言質疑Meta在LMArena上衝到第二名的版本有作弊嫌疑，懷疑Llama 4給LMArena排名的是經過了最佳化的變體，而這個變體經過了對話強化的訓練，存在誤導LMArena、導致過擬合的現象。雖然Meta高層迅速否認了作弊，但影響迅速發酵，一方面，媒體紛紛將此視為“用特調版本刷榜”的“誘餌換包”（bait-and-switch），行業對基準公信力與可復現性的討論升溫；另一方面，Meta更高端的Behemoth版本推遲發佈，公關與節奏嚴重受挫。截至目前，Behemoth還沒有發佈，Meta應該是放棄了。接下來就是大家所知道的，祖克柏開始孤注一擲的大手筆收購Scale AI，把Alexander Wang挖過來領導新的AI架構，之後用上億美元的支票開始挖人，瘋狂攪局矽谷AI人才市場。再之後就是最近的新聞，Alex開始重組整個Meta的AI架構，裁掉600人。但大家看看這個時間線，是不是還是覺得很割裂，在Llama 3和Llama 4的這一年中，發生了什麼？怎麼Llama 4一下子就不行了？這是不是也太快了。我們通過復盤，也許找到了一些答案。還記得我們在前文提到，Meta內部的AI架構是一架天平嗎？Llama 4失敗的原因就是：這架天平失衡了。03 失衡天平 前沿研究與商業化的路線之爭在Meta的AI架構中，FAIR和GenAI是平行的兩個組，Yann Lecun管FAIR，但Yann LeCun很多時候沉浸在自己的研發中，有時候還在網上跟人，比如說馬斯克對戰，還經常說不看好LLM路線，讓Meta很頭疼。於是，2023年2月，Meta高層把Meta AI的研究負責人Joelle Pineau調到FAIR，擔任FAIR的全球負責人，與Yann LeCun兩人一起領導FAIR。圖片來源：Bussiness Insider而GenAI的負責人是Ahmad Al-Dahle，這個哥們兒之前在蘋果工作了快17年，而祖克柏把他挖過來的原因，就是想把AI和Meta的各種產品結合起來，包括元宇宙，智能眼鏡的AI整合，以及聊天工具meta.ai等等。而就在經歷了Llama 2的成功，公司開始研發Llama 3的過程中，Meta高層越來越強調“要將AI用於自家產品”的屬性。於是我們看到，2024年1月，Meta的AI團隊進行了一次重組，FAIR的兩名負責人開始直接匯報給Meta的CPO（首席產品官）Chris Cox。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：整個Llama 1 ~ 3算是一個時代，大家很瘋狂地在卷scaling law（縮放法則），當時整個行業裡都在追隨基礎模型的能力的提升。大家在探索基礎模型、大語言模型本身的能力的邊界。但是Meta的領導層， 像祖克柏和CPO Chris Cox，他們其實很早就意識到大語言模型的能力能夠落地，能真正為社會產生價值，他們肯定是從產品力上去出發的。所以說當時Llama 2和Llama 3的階段，整個GenAI的核心目標是讓研究成果真正產品化、工程化。也因此就是在最高管理層層面，包括副總裁、高級總監的高層，是由一些之前更多的是產品背景和工程背景的人來領導的。在Llama 3成功推出，Meta高層開始制定Llama 4的路線之際，所有的注意力都放在了與產品結合上，也就是多模態能力，因此忽視了對模型推理能力上的重視。而就在Llama 3到Llama 4的這一年研發過程中，2024年9月12日，OpenAI推出了基於思維鏈的o1系列模型，之後的2024年12月，中國的deepseek開源模型橫空出世，用MOE混合專家架構在保證推理能力的情況下大幅度降低了模型成本。陳茜矽谷101聯合創始人：你在被拉去救火Llama 4之前，手上在研究什麼？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我們這邊在做一些關於推理的一些研究。主要是關於思維鏈，包括思維鏈的形態和訓練的方式做了一些研究。o1是去年9月份出來的，其實我們在o1出來之前，就注意到非常長的思維鏈會對整個模型的scaling law（縮放法則）產生影響。圖片來源：arxiv其實FAIR組中，田淵棟等研究員已經在著手思維鏈的研究，但這樣對推理能力的前沿探索並沒有及時傳達到Llama模型的工程上。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：Llama 4規劃的時候，就會感覺到這個地方可能領導層的方向有一些變化。我認為總體來說他們還是想要支援Meta本身重點去推的一些產品，就是Llama本身的生態，多模態肯定是其中的一個重點。但是DeepSeek在1月份的時候橫空出世，它們的推理能力非常的強。推理能力在當時也是討論的其中一個方向，但是因為Meta本身的生態，它們更看重多模態，沒有重點去做推理。但是當DeepSeek出現了以後，那時我實際上已經離開了Llama的團隊，不過據說當時他們有在討論說是不是要重新把推理的地方撿起來，但這個地方可能優先順序上有一些衝突，加上時間也非常的有限，就導致大家加班加點地做了很多的嘗試，非常得忙。我覺得DeepSeek的出現肯定是造成了公司裡面資源還有優先順序管理上的一些混亂。還有一點，我覺得Llama 1～3整個模型的架構和組織的架構，是延續了一開始的設計。但是因為Llama 3的成功，大家就希望Llama 4能夠更進一步，能夠做一些更大的工程。那這個時候可能出現了一些問題，我的觀察就是公司比較高層的，像副總裁、資深總監這個層面，他們很多人是比較傳統的基礎架構、電腦視覺背景，可能自然語言處理背景的都比較少。所以可能他們技術層面對於AI原生技術或者是大語言模型這些東西就沒有一個深度的理解和認識。真正懂行的，可能是下面具體做事的一些博士，尤其是我們非常驕傲的是，華人的博士都是技術非常紮實的。但是他們獲得的話語權，或者說在公司內部的資源沒有那麼多。所以說可能不知什麼緣故就造成一種外行管理內行的一些局面出現。圖片來源：DeepSeek因為OpenAI的o1系列和DeepSeek的出現，讓Meta在2025年年初亂了陣腳。於是，高層臨時讓FAIR的研究團隊去支援Llama 4的研發，或者可以直接說是去“救火”，而這個“救火團隊”就是田淵棟帶隊的。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我覺得現在很大的一個教訓就是，做這樣的項目不能讓不懂的人來做整個的領導者或者做整個的規劃。如果有些東西出了問題的話，應該是大家說：ok，我們不能在這個時候發佈，我們再往後拖。應該是採用一種，我拖到什麼時候結束能夠正常運作才發佈的階段。而不能說把deadline先定好，不然的話有很多事情是做不好的。我覺得我們組裡面當時很多人非常累，比如說像我是在加州，因為我有幾個團隊成員在東部時區，他們晚上12點給我打電話，他們那邊已經3點鐘了，還在幹活，所以非常的辛苦。為什麼他們那麼辛苦呢？是因為deadline壓得很緊。比如說我們的deadline就是要計畫在某一天要發佈，項目管理就需要從後往前倒退，然後看2月底或者3月初一定要做什麼事情、3月底要做什麼事情。但如果你在做這些事情的時候，你發現這個模型這方面不行，或者說資料有什麼問題，在這種情況下，我覺得有一個很大的問題就是，你怎麼樣能夠讓大家因為你這句話停下來。就比如說，我說這個資料有問題，不行，我這個資料不能用，我們得換一個資料。那這樣的話就多出事了，我們得把整個事情往後延一個星期、兩個星期。但這個事情能不能做到是一個很大的問題。如果在很強的deadline壓力之下，最後結果就是這事情做不了，或者說大家沒有辦法去提出異議，那這樣的話最後的質量就會變得很差。這是一個比較大的問題。陳茜矽谷101聯合創始人：為什麼Meta會有那麼強的壓力在deadline上面呢？因為開源模型，其實它已經是第一了。當然，DeepSeek在年初的時候出來，大家都沒有意料的到。但是為什麼它有那麼強的deadline說我一定要在這個時候把這個東西推出來？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：應該說有個上面高層定下的deadline，但這個我就不方便說了，可能能你要去問一下相關的人，懂的都懂。圖片來源：Meta我們在這裡基本上能有一些答案了，從Llama 3開始，“將AI產品化”這樣的路線就已經制定，整個模型注重多模態和應用、忙於整合應用和業務，但卻忽略了推理和更前沿的技術研發。這讓天平另一邊的FAIR團隊不得不跨組來“救火”，就這樣，天平失衡了。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：但實際情況其實是因為前沿模型的競爭太激烈了，所以基本上很難真的去用FAIR這邊的一些文章。雖然有些文章是被用到了，但是我們在交流的過程中還是會存在一些問題。我當時就是在FAIR的時候，我有時候Ping（發資訊給）GenAI的人，他們都不理我，這是什麼情況？但是真的我去了GenAI之後我會覺得，確實我也沒法理他們（FAIR研究員們）。因為太忙了，比如說我半小時不看手機，可能就有20條、30條的消息要去看，有很多的人要找，有很多的事情要決定。所以我也能理解了，在GenAI這樣的環境下，很難有比較長期的思考過程。而祖克柏是如何修復這個失衡的天平呢？他直接空降了一個特種部隊：由Alex Wang帶隊的TBD團隊。04 空降“新王” 28歲Alex Wang獲“無限特權”Meta的AI業務架構如今再一次重組之後，高層也經歷了一系列的動盪。Alex Wang帶領幾十位高薪聘請來的頂級研究員，單獨成立了這個在Meta內部擁有無限特權和優先順序別的特別小組TBD。TBD，FAIR和GenAI一起組成Meta Superintelligence Labs（MSL部門），直接匯報給Alex，而Alex直接匯報給祖克柏。這也意味著，FAIR的Yann LeCun如今也匯報給Alex，而Joelle Pineau此前被要求匯報給GenAI組的負責人Ahmad。我們看到，Joelle已經在今年5月離職，去了Cohere做首席AI官；而Ahmad說實話已經很久沒有什麼聲音了，也沒有被任命負責任何重要的項目；而CPO Chris Cox也被Alex搶了風頭，排除在了AI團隊的直接領導者之外。所以現在的架構就是，28歲的Alex一人獨大的局面。我們聽到過Meta內部各種對Alex和他領導的這支極度有特權小組的不滿，包括TBD團隊裡的人可以三年不用做績效考評、可以不理不回其它任何VP的資訊、Meta AI的所有paper都要給TBD裡面的人去稽核才能給發表。要知道，TBD裡面不少人比較年輕，這是讓很多資深的研究員非常不滿， 反正就是各種內部政治鬥爭感覺又要起來一波。但不可否認的是，特權的等號後面是成績。這個成績對於祖克柏來說，不僅僅是Make Llama Great Again（讓Meta再次偉大），而是“Meta has to win”（Meta必須贏）。在這場AI競賽中，目前的這場重組，也許對於祖克柏來說是最後的一次，也是最重要的機會。而Alex在團隊內部郵件中就寫到他將做出的三個改變：1.集中TBD和FAIR團隊的核心基礎研究力量；2.提升產品和應用研發的融合、且繼續以產品為模型聚焦點；3.成立一個核心基建團隊來支援研究押注。Tom Zhang矽谷資深人才專家：第一條就是把基礎研究、TBD Lab和FAIR更集中化，就讓它兩個更緊密的去結合。所以這回裁掉的一些研究人員，郵件上也說，可能他們的項目沒有那麼高的影響力。你再做一些前沿的研究，但和我們現在沒有關係，因為很多前沿研究是高度抽象的，是從數學的角度，從很多理論的角度，它其實和工程的離得比較遠。第二個就是把產品和模型更緊密地結合，和Alex Wang一起進來的人，有一個就是GitHub的原來CEO。等於祖克柏同時引進了兩個高端人才，一個是Alex Wang，統一來說就是管模型的；一個GitHub前CEO Nat Friedman，他是偏產品的，因為產品才能給這個模型更好的反饋，在用的過程中進行飛輪效應。第三條是組建一個統一的核心基礎設施（Infra）團隊，就把管卡的資料中心團隊更集中化。過去很可能是很散的，好幾個領導都在，你要卡你得來申請。現在卡這個事也是統一來管理。所以這個郵件寫得還是挺清楚的。而Alex能否撐得起祖克柏的押注呢，也許很快我們就會有答案。圖片來源：Bussiness Insider總結一下，Meta在Llama前三代都還是領先的開源模型，引領著開源派去對抗OpenAI和GoogleGemini這樣的閉源派。然而，在Llama 3大獲成功之後，公司高層急於將AI結合產品化，在規劃路線的時候用“產品驅動研發”的思維，將Llama 4的升級聚焦在多模態等工程性能上，但卻錯失了思維鏈（CoT）等推理上的前沿技術時間優勢。雖然當時田淵棟等FAIR的AI科學家已經在研究CoT了，等DeepSeek引發轟動之後，又將FAIR的田淵棟團隊臨時救火最佳化Llama 4上的MoE架構，反而又中斷了CoT和推理上的研發，導致AI前沿技術研究和產品工程這架天平徹底失衡。在採訪過程中，我腦中不止一次閃過歷史上那些閃耀一時的前沿實驗室：貝爾實驗室、IBM Watson Research、HP實驗室等等，但基本都因為無法平衡前沿科研和商業化而日益衰落，十多年歷史的FAIR，曾經是一群理想化AI科學家的烏托邦之地，而如今又成了另一個商業化的犧牲品。你認為這場由Llama 4失敗引發的大重組，是Meta AI的最後機會嗎？歡迎在評論區留言告訴我們。 (矽谷101)

關鍵時刻，小扎再度出手調整高層架構，前元宇宙負責人Vishal Shah臨危受命，接手AI產品管理，協助Nat Friedman整合AI產品戰略。空降「高管」與老將的組合，或許可以讓Meta的AI狂飆更「穩」一些。Meta AI部門再現人事大地震！剛剛，Meta傳出重大人事調整：前元宇宙負責人Vishal Shah將轉崗至Meta超級智能實驗室，擔任人工智慧產品副總裁，並向Nat Friedman匯報。這是Meta AI部門最新一次高管調整。Meta前元宇宙負責人Vishal Shah此次變動是發生在Friedman主導推出的視訊應用Vibes被競爭對手快速趕超之後。調動產品管理經驗豐富的Shah前來輔助Friedman，顯然是為了加速Meta AI在產品上更成熟落地。Shah是Meta的十年老臣，功勛卓著。作為祖克柏的長期副手，Shah深受其倚重與信任。他在2015年加入Instagram（當時隸屬Facebook），並於2018-2021年擔任Instagram產品負責人。Shah在主管Instagram任內，主要負責產品戰略與使用者體驗，期間主導了電商（Instagram Shopping）與Reels短影片等關鍵產品的方向。2021年，Facebook轉型元宇宙，Shah又被祖克柏調任為Meta元宇宙部門負責人，帶隊開發虛擬世界平台Horizon Worlds。Meta的AI產品主管Nat FriedmanFriedman表示，他的團隊今後將專注於打造Meta AI等旗艦AI產品，而Instagram、WhatsApp等業務部門則可基於公司模型開發各類AI體驗。在談到此次人事調整時，Friedman表示，「我們不能只是一個AI團隊，而要成為一家AI公司，Shah將在推動協作模式、制定整合戰略及確保規模化成功方面發揮關鍵作用」。Friedman空降Meta快速開局，Vibes失利此次調整，也與Friedman近期的管理表現密切相關。為了鞏固在生成式AI領域的競爭地位，2025年以來Meta一直在大舉延攬AI人才。尤其是在4月份Llama 4大模型發佈表現不佳後，祖克柏因不滿AI進展，在6月份親自主導重組AI團隊，並罕見地引入外部高管組建Meta超級智能實驗室（Meta Superintelligence Labs）。正是在這次重組計畫中，祖克柏聘請了Scale AI創始人亞歷山大·王領導Meta超級智能實驗室，包括其中精英小組——從事尖端AI模型研發的「TBD 實驗室」。Friedman正是在這一時期加入了Meta，並在亞歷山大·王的領導下負責AI產品團隊，此前他是矽谷知名投資人、前GitHub負責人。據知情人士透露，為了搶在OpenAI的新視訊應用發佈之前，Friedman在9月倉促推出了Vibes，這是一款完全由AI生成短影片內容的應用。為加速Vibes上線，Meta與初創公司Midjourney簽訂了多年期、價值數十億美元的技術合作協議。值得注意的是，Friedman曾長期擔任該公司的顧問。Friedman還推動團隊將Midjourney的技術整合至Meta AI應用中以支援Vibes，而沒有採用Meta自研視訊模型的最初計畫。此外，Meta還引入了德國初創公司Black Forest Labs的技術以加快上線進度。由Friedman主導的Vibes上線，雖然一度帶動了Meta AI的使用者增長，但其風頭很快就被OpenAI發佈的AI視訊應用所取代。雖然Meta發言人表示，Friedman的開局迅速令人印象深刻，吸引了公司最優秀的人才加入團隊。但由於Vibes表現不佳，以及內部對Friedman管理風格的不滿開始增加，這可能是祖克柏此次調任Shah來輔助Friedman管理AI產品的一個重要原因。元宇宙老將出馬既懂產品又人脈深厚在一些關鍵崗位上，祖克柏往往傾向於提拔老部下，因為他們既懂公司體系，又能更快執行老闆戰略。這次任命還有一個更為重要的因素，是Shah在產品管理上的深厚背景。他曾主管Instagram產品戰略，2021年後又掌管Meta元宇宙部門，帶隊開發虛擬世界平台Horizon Worlds。此外，Shah還在Meta工作多年，他的加入將有助於在「空降」的Friedman與祖克柏以及各部門之間發揮良好的溝通與黏合作用，從而幫助Meta更好地落地AI產品戰略。而Friedman也十分看重Shah的技術背景以及他在Meta的影響。他盛讚Shah「擅長解決複雜技術問題」，並強調他在公司內「擁有深厚的人脈」。2021 年，祖克柏宣佈Facebook轉型元宇宙，並將公司更名為Meta，Shah也是在那時被任命為Meta元宇宙部門負責人，成為公司新型戰略業務的掌門人。由於項目受制於技術瓶頸及消費者興趣不足，再加上AI浪潮的迅猛發展，元宇宙最終讓位於公司新興的AI戰略。將Shah調入AI部門，再次體現了祖克柏對這位老部下的看重。在這一職務上，Shah將負責產品管理，以及將Meta的AI技術整合進增強與虛擬現實部門（Reality Labs）。該部門負責元宇宙開發及智能眼鏡等新產品，祖克柏曾將其視為實現「超級智能」戰略的重要支點。Shah表示，人工智慧與元宇宙緊密相連，他將繼續在MSL和RL之間建立橋樑，推動Meta能為數十億使用者跨裝置提供個性化超級智能服務。伴隨著此次Shah的職務調整，Meta同時還提升了兩位元宇宙部門高管。由Gabriel Aul和Ryan Cairns領導Meta的元宇宙業務，專注於VR和移動裝置。Gabriel Aul將接任Metaverse Product Group負責人，他此前負責社交元宇宙應用Meta Horizon的產品工作。而Ryan Cairns將繼續負責Quest硬體與Meta Horizon OS作業系統，並直接向首席技術官Andrew Bosworth匯報。Meta首席技術官Andrew BosworthBosworth表示，元宇宙仍是Meta的重點業務，其優先順序並沒有改變。狂飆背後的震盪今年以來，Meta在祖克柏的帶領下，在AI領域不斷加碼，一路狂飆。年初，祖克柏就聲稱要在AI領域投入巨額資金以建構「最先進的AI技術」，他還放話在AI投入上寧願超支也不願意投入不足。祖克柏認為Meta真正面臨的風險並非來自過度激進，而是來自不夠激進。然而狂飆突進帶來的一個後果，是Meta的AI團隊一直處於重組的動盪之中。自6月底「超級智能實驗室」成立以來， 短短幾個月內，Meta對AI部門進行了四次重組，這也是Meta AI內部摩擦最劇烈的階段。就在前不久Meta AI的一場內部震盪中，首席AI科學家Yann LeCun還因為不滿Meta有關FAIR實驗室的一項政策而考慮辭職，一度引發AI團隊的內部騷動。上周，Meta AI部門又裁減約600個崗位，就連任職超十年的FAIR研究科學家總監田淵棟也上了裁員名單。亞歷山大·王稱此舉旨在「提高決策與執行速度」。近幾個月Meta AI團隊的動盪，是它試圖快速組隊，迅速趕超OpenAI、Google等領先對手所必須付出的成長代價。因為僅靠瘋狂砸錢買人，頂級人才拼盤是難以打造出一個有競爭力的團隊的。更為重要的是新舊人才的有效融合，才是真正讓組織煥發戰鬥力的關鍵。而此次Friedman與Shah的組合，正是祖克柏通過新「空降」高管與舊干將之間相互搭配，從而帶動新舊人才融合的一次重要嘗試，或許可以讓Meta AI在狂飆突進時能夠更穩健一些。對於祖克柏來說，比重金攬才更為重要的，是如何讓人才真正融入Meta。這場人事震盪，或許能夠成為Meta從「AI狂奔期」邁向「組織整合期」的一個轉折點。 (新智元)

工業和資訊化部、人力資源社會保障部、商務部、市場監管總局等七部門近日聯合印發《深入推動服務型製造創新發展實施方案（2025—2028年）》。服務型製造是推動先進製造業與現代服務業深度融合、促進資訊化和工業化深度融合、加快建設現代化產業體系的重要舉措。《實施方案》提出的發展目標是：到2028年，服務型製造在製造業高品質發展中的作用進一步增強。完成20項標準制定，打造50個領軍品牌，建設100個創新發展高地。《實施方案》提出多項主要任務。其中包括：發佈服務型製造關鍵共性技術清單，發展科技服務業、工業設計、生產性金融等服務。加快建設統一融合、先進適用、覆蓋全面、協調配套的標準體系。加強新型資訊基礎設施建設，深化“5G+工業網際網路”融合應用，按需佈局算力基礎設施，提升工業資料要素供給，推動人工智慧技術與服務型製造融合創新，提升網路和資料安全保障能力。《實施方案》還提出：開展共享製造培育提升行動，推動建設共享製造平台、共享工廠，開放檢驗檢測資源共享。實現“平台接單、按工序分解、多工廠協同”。鼓勵有條件的製造企業參與檢驗檢測公共服務平台建設，提升線上化、數位化、智能化檢驗檢測能力。 (金融時報)

【新智元導讀】Meta在半年內第四次重組AI部門，將超級智能實驗室拆分為四個團隊，全面押注「超級智能」。新成立的TBD Lab由Alexandr Wang領銜，或放棄Llama 4並轉向閉源模型，Meta開源旗幟動搖。Meta內部人心浮動，幾家歡喜幾家愁。祖克柏，這次是鐵了心了，他要All in AI，不留一點後路。8月20號，Meta又扔下一顆炸彈！超級智能團隊，再一次大重組，短短6個月這已經是第四次重組AI團隊了。剛成立的超級智能實驗室將一分為四；開源旗幟、模範、先鋒的Meta的下個模型恐怕要「閉源」了；Meta首席AI科學家，圖靈獎得主Yann LeCun再次隱身，隻字未提；由於Alexandr Wang的原因，Meta內部員工關係非常緊張。不過據內部消息說，這可能是短時間內最後一次折騰，畢其功於一役，Meta的AI復仇之戰終於要塵埃落定了。這次的動靜，可不是一般的大，堪稱巨輪掉頭，航母轉舵。就像整個巨型工程，都要推倒重來。外媒報導，據兩位知情人士透露，Meta本周二內部宣佈，超級智能實驗室拆分為四個部門：TBD Lab（To Be Determined，待確定，負責探索/先導研究）FAIR（Fundamental AI Research，長期前沿研究）產品和應用團隊（含Meta AI助手等）基礎設施（訓練與推理的算力、資料與平台）大洗牌！AI部門一分為四TBD Lab負責研發新版旗艦大語言模型Llama，由首席AI官Alexandr Wang領導。新團隊已討論將Meta的下一代AI模型改為閉源模式，這將和Meta長期以來「開源」理唸完全背離。甚至，新團隊已決定放棄Meta此前的Llama 4巨獸Behemoth，並從頭開始研發新模型。根據外媒The Information報導，TBD Labs其他負責人包括：Jack Rae（前Google）將負責預訓練。Ruoming Pang（曾在蘋果領導模型開發）將負責TBD Lab的基礎設施，與更廣義的基礎設施團隊不同。Jiahui Yu（前OpenAI）將負責多模態研究，使模型能夠理解和生成除文字之外的內容。後訓練團隊的領導者包括Hongyu Ren（前OpenAI）和Pei Sun（前Google）產品方向由前GitHub CEO Nat Friedman和前Safe Superintelligence聯合創始人Daniel Gross負責。值得一提的是，Daniel Gross就是Ilya的SSI原CEO，因為祖克柏挖了此人，萬年不發言的Ilya都「被迫」在X上發表了自己的意見。神秘的Ilya和他的SSI還是沒有新消息Robert Fergus（FAIR聯合創始人）將繼續領導研究實驗室，他剛從GoogleDeepMind重新回來Meta。再次！值得一提的是，在所有聲明中，Yann LeCun作為此前Meta整個公司的首席AI科學家身份，隻字未提，完全隱身。「老楊」最新的資訊也沒有引用任何相關新聞，看來過去的圖靈獎得主，首席AI科學家真的要被「架空」了。現在的Meta AI可能是「小王」和「小扎」說了算嘍！和此次重組一起調整的還有Meta在財務和基建層面的「加碼」。Meta選擇PIMCO與Blue Owl牽頭一筆約290億美元的資料中心融資（債務+股權），用於路易斯安那州等地的大型AI基礎設施擴張。這筆投資對應了此次重組的最後一個基礎設施部門，該部分由Aparna Ramani負責。這筆融資與Meta披露的全年資本開支指引上調至660–720億美元相呼應，明確了Meta「算力先行」的資本佈局。這次重組，也許意味著Meta從「研究範式」到「工程落地」的轉移。今年6月，Meta以143億美元入股ScaleAI、取得49%股權，並「挖來」其28歲CEO Alexandr Wang出任公司首席AI官（CAIO）。與以往由研究大牛主導的AI敘事不同，比如Yann LeCun很重視的FAIR基礎研究。這次祖克柏更像押注一位「系統工程+商業統籌」型的總指揮：快速整合資料、標註、訓練、評測、推理與產品化的全鏈條，強化「端到端交付能力」。趕緊發佈新的、可用的模型才是Meta的當務之急。Meta過去幾年以Llama為核心樹立了「開源」旗幟。但從今年7–8月的多方報導看，「是否繼續以Llama為主線、是否轉向閉源/第三方模型」，在公司內部已被擺上桌面。外媒稱，Meta正「積極探索使用第三方模型」，不再只依賴自研模型。同時，「是否放棄內部代號為Behemoth的Llama 4路線、轉而打造閉源新模型」也在討論之列（尚無最終決定）。Meta的「開源」招牌正在動搖，閉源路線能帶來更強的商用控制與貨幣化空間——前提是新模型的性能與可靠性足夠「卡位」。但這很難，GPT-5、Cladue 4、Grok 4，甚至國內的開源模型，目前來看都遠遠領先Llama。幾家歡喜幾家愁重組前後，人才流出與高位補強同步發生。7月，Meta任命了Shengjia Zhao為超級智能實驗室的首席AI科學家，他曾是OpenAI的研究員，也是ChatGPT、GPT-4的核心功臣。幾乎就是和LeCun平起平坐，LeCun也從整個公司的首席AI科學家，漸漸被降低到超級智能實驗分拆的四個部分之一的首席AI科學家。Joelle Pineau（前Meta VP of AI Research，FAIR負責人之一）已於5月離任，並在8月加入Cohere出任首席AI官。Loredana Crisan（曾任Messenger負責人、後轉入生成式AI）將離開Meta加盟Figma任首席設計官。上文提到Meta打算引入第三方模型，這出乎所有人意料。Llama已經遠遠落後現在的頂級模型已成事實，但是每個科技巨頭的底層模型都是自己研發的。第三方模型接入（若成行）或許能加快產品側的節奏，降低Llama單一模型過去多次「滑鐵盧」風險。但長期來看，Meta依然需要自己的模型。此次超級智能一分為四，其中延續十多年的FAIR部分得到保留。這或許意味著Meta並沒有完全放棄基礎研究。員工關係更加緊張當Meta斥資數十億引進頂尖AI人才時，公司內部的老將們對這些「空降兵」卻感到水土不服。今年7月，Meta任命OpenAI研究員ShengjiaZhao為超級智能實驗的首席AI科學家。據一位知情人士描述，最近幾周，Zhao的辦公室門前，Meta的老AI研究員和員工們排起了長隊，等著接受他的「面試盤問」：Zhao對他們過去的工作刨根問底。當然，也有一些元老選擇堅守。2014年共同創立Meta FAIR研究部門的Rob Fergus將繼續執掌公司的基礎AI研究實驗室。而曾負責生成式AI產品的AhmadAl-Dahle和AmirFrenkel，現在則直接向Alexandr Wang匯報，專注於戰略性的AI項目。這場由祖克柏親自導演的AI變革，正以一種近乎殘酷的方式，重塑著Meta的未來。究竟是鳳凰涅槃，還是引火燒身？時間會給出答案。最後附上祖克柏最近從各個地方挖到的核心人員名單和大概加入時間。值得一提的是，其中有半數都是華人。 (新智元)

最近，科技圈炸鍋了。祖克柏大手一揮，花了148億，收購了一個90後華人小夥創辦的AI公司，還把他直接請進了Mate公司高管團隊，負責管理整個AI部門。這一操作直接就引爆了整個科技圈。這個小夥子，叫亞歷山大·王（Alexandr Wang），年僅28歲。而除了亞歷山大·王之外，Mate公司組建的超級智能實驗室裡，首批核心成員17人中，竟然有7位都是華人。先說說亞歷山大·王這個人。他父母都是中國人，小時候在美國長大，家裡條件一般。父母都是工程師，給他買過最貴的禮物，是一台二手電腦。但他從小就天賦異稟，初中、高中的數學競賽經常得獎，SAT考到滿分（美國高中畢業生學術能力水平考試），最後直接考進了麻省理工學院（MIT）。可還沒等他讀完大學，20歲那年，就和同學一起創辦了Scale AI。這家公司做什麼呢？簡單來說一句話，幫AI公司“喂資料”。你想讓AI變聰明，就得給它喂各種各樣的資料，比如圖片、文字、語音、視訊，而且全都要標註清楚。Scale AI就是做這個的。短短幾年，Scale AI估值衝到290億美元，成了矽谷最炙手可熱的獨角獸。亞歷山大·王也成了圈內的明星創業者。今年6月14日，祖克柏用148億人民幣（大約20億美元），買下了Scale AI 49%的股份。更狠的是，祖克柏直接把亞歷山大·王請到了Meta，任命他為AI部門的第一負責人。要知道，Meta的AI部門，是公司未來的“命根子”。祖克柏甚至放話：“我要在2027年前，讓Meta的AI超越Google和OpenAI，成為世界第一。”這不是一句空話。Meta近幾年砸錢砸到手軟。單是AI晶片、資料中心、演算法研發，每年都要花掉幾百億美元。現在，更不不惜巨資，把AI領域最有潛力的華人天才招進來。有業內人士感慨：這不是簡單的公司併購，這是赤裸裸的人才爭奪。為了一個人，肯花148億，全球能有幾家企業敢這麼玩？而且，祖克柏新組建的“超級智能實驗室”裡，首批17名核心成員，有7位都是華人科學家。這些人，有的本科畢業於清華、北大、上海交大，有的曾在OpenAI、Google做過核心演算法。有人參與過ChatGPT的研發，有人主導過自動駕駛的感知系統。可以說，這是一支AI行業的“夢之隊”。他們的年薪有多高？據說，亞歷山大·王的待遇，已經超過了C羅在沙烏地阿拉伯俱樂部的8000萬年薪，高達1億美元。其他核心成員，年薪也都是千萬美元起步。有人打趣說：“現在最貴的不是球星，而是AI科學家。”看到這裡，很多朋友肯定要問：為何這些頂級AI人才，都是中國人？答案其實很簡單——中國的基礎教育，尤其是數學、理科，真的很強。你去看看美國矽谷的AI公司，OpenAI、Google、Meta、微軟，演算法團隊裡，華人面孔隨處可見。很多人小時候在國內上學，打下了堅實的數學和邏輯基礎，後來留學深造，成了AI行業的中堅力量。還有一點，國內家長對孩子的培養，投入巨大。奧數、程式設計、英語，家長們在這方面可謂是不遺餘力。雖然有時候覺得累，但到了國際競爭的賽場，這些孩子表現的明顯不一樣。但現實是，很多頂尖人才，最後還是選擇了美國的科技公司。為什麼？平台大，資源多，待遇高，做出來的東西能影響全球。這幾年，國內也在拚命追趕AI。騰訊、阿里、百度，都在砸錢招人。騰訊甚至搞了一場“AI演算法大賽”，獎金池高達5000萬人民幣，吸引全球頂尖的演算法工程師參賽。但和Meta、Google這些巨頭比，差距還是非常明顯的。比如頂尖科學家和工程師的薪酬、科研環境、國際影響力。有專家說：“中國AI產業不缺錢，也不缺工程師，缺的是能帶隊伍、能做原創的頂級科學家。”可是現在這種高端技術人才往外流出的現象，也令不少網友都感到十分擔憂。畢竟大量頂尖人才流向國外，對國內的科技發展太不利了。而且隨著全球AI競爭加劇，人才流失的速度可能會越來越快。前幾年，國內大學AI專業的畢業生，80%選擇留在國外。現在，連在國內做出成績的年輕科學家，也被美國公司高薪挖走。這不是簡單的“跳槽”，而是關係到國家未來科技競爭力的大事。據統計，每年清北的畢業生有超一半，選擇加入美國幫美國跟我們競爭，反過來卡我們的脖子。面對這樣的現實，我們不能只會感嘆，更要行動起來。首先，國家和企業要真正重視AI人才，給他們更好的待遇和發展空間。別讓科學家成天忙著寫報告、跑項目、做行政。要讓他們安心搞科研，敢於創新，敢於失敗。其次，社會要給科學家更多尊重和寬容。別動不動就拿“985博士月薪5000”當段子，也別把科研失敗當成笑話。科學創新，本來就是九死一生。可以預見，未來AI領域的“搶人大戰”只會愈演愈烈。這場沒有硝煙的戰爭，不僅決定著科技巨頭們的命運，更關乎國家的核心科技競爭力。無論在國內還是國外，唯有持續培養、吸引和激發優秀人才的活力，才能在這場全球激烈的角逐中立於不敗之地。 (宇說人物記)

為貫徹落實中央金融工作會議精神，支援做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章，近日，中國人民銀行會同金融監管總局、中國證監會、國家外匯局聯合印發《金融“五篇大文章”總體統計制度（試行）》（以下簡稱制度）。制度遵循“全面覆蓋、綜合統計，整體推進、重點突破，標準統一、協同銜接，科學有效、彙總共享”原則，重點對金融“五篇大文章”領域的統計對象及範圍、統計指標及口徑、統計認定標準、資料採集、共享及發佈、部門分工等作出統一規定。主要內容包括：一是實現統計對象和業務的全覆蓋，為做好金融“五篇大文章”提供系統、全面的資訊支援。制度規定的統計對象全面覆蓋銀行業、證券業、保險業金融機構以及金融基礎設施機構，統計範圍包括貸款、債券、股權、資管債權、基金、保險、衍生品等多種金融工具和產品，綜合統計金融“五篇大文章”等重點領域的工作情況。二是實現金融“五篇大文章”重點統計指標及其標準和口徑的統一、協同。制度設定重點統計指標共計200余項，涵蓋金融“五篇大文章”等重點領域融資、金融機構提供的金融產品和服務、金融機構數位化轉型業務以及其他重點指標。對每項指標均規定了統一、協同的統計標準和統計口徑，與國家統計標準、行業政策、金融業綜合統計體系及現有實踐有效銜接。三是建立統籌一致、分工協作的工作機制，形成工作合力。制度規定，中國人民銀行負責資料歸集彙總，統一編制形成全量統計報表和指標。各單位按照職責分工組織金融機構、金融基礎設施機構認真落實統計資料採集要求和源頭資料質量管理要求，加強資料共享。下一步，中國人民銀行將會同相關部門全力推動制度落地實施，為金融系統做好金融“五篇大文章”工作夯實資料基礎。 (中國商報)

【導讀】工業和資訊化部等十部門發文，推動鋁資源增儲上產、產業結構調整3月28日，工業和資訊化部等十部門發佈關於印發《鋁產業高品質發展實施方案（2025—2027年）》（以下簡稱《實施方案》）的通知。這是工業和資訊化等部門在基礎原材料領域的又一個大動作。2月11日，工業和資訊化部等十一部門發佈關於印發《銅產業高品質發展實施方案（2025—2027年）》的通知。《實施方案》提出，經過多年發展，中國鋁產業規模不斷壯大、產業結構持續最佳化、裝備技術水平不斷提升，形成了較為完備的產業體系，但國內鋁資源供給不足、節能降碳壓力增大等問題日益凸顯。《實施方案》在鋁資源增儲上產、產業結構調整、高端化智能化綠色化發展等方面均給出重點任務，並要求促進人工智慧（AI）技術與資源勘探、採選冶、材料製備等環節的深度融合應用。2027年力爭國內鋁土礦資源量增長3%至5%《實施方案》要求，到2027年，中國鋁產業的產業鏈、供應鏈韌性和安全水平明顯提升，力爭國內鋁土礦資源量增長3%至5%，再生鋁產量達1500萬噸以上。《實施方案》在重點任務中要求強化資源保障基礎，包括加快推動國內鋁土礦資源增儲上產、鼓勵礦產資源綜合利用、推動再生鋁資源回收利用。具體來看，紮實推進新一輪找礦突破戰略行動，加強國內重點成礦區帶內鋁土礦資源調查與勘查，新增一批可供開發的鋁土礦資源。同時，加大氧化鋁生產過程中鎵等伴生資源評價和回收利用，加強鋁土礦伴生鐵礦等資源綜合利用，提高資源開採回采率、選礦回收率和綜合利用率。最後，探索搭建“網際網路+資源回收”新模式，實現資源整合和資訊共享。《實施方案》提出，支援鋁加工企業提升再生鋁使用比例，培育一批符合規範條件、競爭力強的廢鋁加工利用企業，推動再生鋁與原鋁、鋁加工融合發展和高值化利用。充分發揮市場作用 鼓勵產能兼併重組《實施方案》要求，到2027年，鋁產業的產業結構進一步最佳化，鋁加工產業集聚區建設水平進一步提升。《實施方案》在重點任務中要求推動產業結構調整，包括穩慎建設氧化鋁項目、最佳化電解鋁產能佈局、推動鋁加工產業集聚化發展。具體來看，加強對氧化鋁和以鋁土礦為原料的氫氧化鋁項目佈局的科學謀劃，穩妥審慎推進新項目建設，大氣污染防治重點區域不再新增氧化鋁產能。《實施方案》要求，原則上新擴建氧化鋁項目（包括使用鋁土礦生產氫氧化鋁的項目）需有與產能相匹配的權益鋁土礦產量，具有一定的赤泥綜合利用能力。同時，堅持電解鋁產能總量約束，最佳化電解鋁產能置換政策實施。《實施方案》提到，大氣污染防治重點區域不再新增電解鋁產能，鼓勵電解鋁產能向清潔能源富集、具有環境和能源容量地區轉移，發展一批具有國際競爭力的綠色低碳鋁產品。最後，充分發揮市場作用，鼓勵產能兼併重組，引導低競爭力產能退出，避免低水平重複建設，促進產業發展由規模擴張向質量效益提升轉變。《實施方案》提出，支援龍頭企業在產業叢集建設、轉型升級等方面發揮引領作用，最佳化產業生態；圍繞新能源、電子等細分材料領域，重點培育專精特新“小巨人”企業、“單項冠軍”企業和高新技術企業等優質企業；支援聚焦鋁精深加工產業，加快培育一批有競爭力的先進製造業叢集和中小企業特色產業叢集。打造面向鋁行業AI模型《實施方案》要求，到2027年，中國鋁產業的綠色發展水平不斷提升，電解鋁行業能效標竿水平以上產能佔比提升至30%以上，能效基準水平以下產能完成技術改造或淘汰退出，清潔能源使用比例30%以上，新增赤泥的資源綜合利用率15%以上。同時，到2027年，中國鋁產業的技術創新能力顯著增強，突破一批低碳冶煉、精密加工等關鍵技術和高端新材料，培育鋁消費新增長點，基本滿足重大工程、重點型號產品需要。《實施方案》在重點任務中要求加快綠色化發展，包括推進節能減污降碳改造、實施清潔能源替代、推進數位化應用。具體來看，鼓勵企業參與太陽能、風電等可再生能源和氫能、儲能系統開發建設。推進氫氧化鋁焙燒、鋁用陽極焙燒環節實施清潔能源替代。原則上不再新增自備燃煤機組，支援電解鋁企業自備燃煤機組實施清潔能源替代。建構鋁產業鏈數位化轉型場景圖譜，推進數位化技術在鋁礦山、冶煉、加工等全產業鏈的深度應用。打造一批鋁產業鏈數位化轉型典型場景、標竿工廠和標竿企業。《實施方案》要求打造面向鋁行業的關鍵裝置故障解決、生產過程控制、安全環保智能管理、質量監測等AI模型，促進AI技術與資源勘探、採選冶、材料製備等環節深度融合應用。此外，《實施方案》要求提升產品高端化供給水平，圍繞航空航天、新能源汽車、電子資訊等高端製造業需求，開展高強、高韌、耐腐蝕等鋁合金材料製備技術研發及產業化應用，研製高精度軋制裝備及控制系統等關鍵裝備，強化高端產品有效供給能力。 (中國基金報)