2025年的中國AI市場，隨著智譜和MiniMax兩家大模型公司相繼啟動上市處理程序而完美收尾。而在這一年，AI產品的故事不止於此。作為“AI應用元年”，2025年見證了中國AI產品生態從「功能疊加」到「系統重構」的質變。這不是簡單的技術迭代，而是一場由底層模型能力躍遷、使用者需求覺醒與商業模式倒逼共同驅動的行業洗牌。當Agentic AI和多智能體協作從概念走向大眾，當多模態互動成為產品標配，當端側AI重構硬體形態，我們意識到：AI產品的競爭早已超越「誰家的模型更強」，而是進入「誰能用AI重新定義場景」的深水區。為了全面梳理本年度國內C端AI產品的發展脈絡與創新成果，量子位智庫正式發佈2025年度AI 100產品榜單。本次榜單共分為三大類股，分別為：代表最強綜合實力的「旗艦AI 100」；最具未來潛力的「創新AI 100」；十大熱門賽道代表產品。旗艦AI 100：見證2025年最強AI產品旗艦AI 100榜單聚焦2025全年表現，評選出綜合能力最強的100款AI產品。這些產品不僅在技術上實現突破，更在實際應用場景中展現巨大價值，真正成為使用者不可或缺的“AI夥伴”。2025年國內AI產品的格局已初步穩固，頭部產品如QQ瀏覽器、夸克、DeepSeek、豆包等，在Web端和APP端雙端的使用者資料均大幅領先，已成長為國民級應用。百度文心助手、WPS、騰訊元寶等產品則在Web端或APP端穩定在TOP5的第一梯隊。AI產品的使用者高度集中於頭部應用，Web端TOP5產品的MAU在所有AI產品的月活中佔比超過62%，而APP端TOP5產品的DAU佔比甚至超過65%。從賽道分佈上看，AI通用助手和AI辦公台仍是最熱門的方向，使用者規模顯著超過其他賽道。而AI程式設計與開發平台、AI創作平台、AI消費級硬體、AI搜尋、AI教育、AI文件等賽道也有5款及以上的產品憑藉卓越的資料表現進入旗艦AI 100榜單。創新AI 100：預見2026年AI新勢力創新AI 100榜單旨在挖掘那些在2025年嶄露頭角、2026年具備爆發潛力的創新產品。這些產品代表了AI技術的前沿方向，有望在下一階段引領行業變革。在創新AI 100榜單中，人們可以看到新的機會窗口。除了AI辦公台、AI程式設計與開發平台、AI教育等發展較為成熟的主流賽道，創新AI 100榜單中也湧現出諸多AI消費級硬體、AI剪輯、AI漫劇、AI圖表、AI輸入法、AI平面設計、AI音樂、AI知識管理等細分賽道的產品。不同創業產品在垂直賽道的耕耘，是通過使用者與資料的沉澱打造競爭壁壘，還是在大廠產品生態覆蓋與大模型能力迭代的雙重衝擊下黯然退場，2026年將進一步給出答案。10大細分賽道TOP3：聚焦行業核心賽道為更精準地反映各細分領域的發展態勢，我們對以下10個熱度最高的細分賽道進行專項提名，每個賽道評選出TOP3產品。這10個賽道依次為：AI瀏覽器、AI Agent、AI智能助手、AI工作台、AI創作、AI教育、AI健康、AI娛樂、Vibe Coding和AI消費級硬體。十大AI應用賽道在2025年聚集了最大規模的使用者。每個賽道中都有數款代表性產品，憑藉創新性的功能與工程化設計、強大的底層AI能力、豐富的外部生態等因素嶄露頭角。細分賽道TOP3的評選，也是對2025年全年AI應用市場“劃重點式”的回顧。關於AI 100榜單「AI 100」是量子位智庫推出的AI產品風向標系列內容，旨在全維度地提供AI技術驅動下，產品長期創新和變革的第三方參考。目前主要由「旗艦AI 100」和「創新AI 100」構成，兩者分別代表當前格局中的領軍陣營和未來市場的種子選手，按季度發佈。為了確保榜單的客觀性和精準性，「AI 100」雙榜單採用了定量與定性相結合的雙重評估體系。在定量層面，以真實使用者資料為基礎，涵蓋使用者規模、使用者增長、使用者活躍、使用者粘性四大核心維度，包含下載總量、新增下載、活躍使用者數、留存率等超過20個具體指標；對於硬體產品，考察產品出貨量。在定性層面，則聚焦長期發展潛力，通過專家評估和使用者調研，綜合考量產品的底層技術、市場空間、功能設計、變現潛力、團隊背景、增長速度等多重因素。對於硬體產品，考察具體功能設計和實際使用體驗。除榜單本身外，周邊內容還包括：資料解讀文章、分賽道產品解析、1v1 AI產品深度訪談等。-👑 年度「AI 100」產品榜單正式發佈-量子位智庫通過三大類股——最強綜合實力的「旗艦AI 100」、最具未來潛力的「創新AI 100」和十大熱門賽道代表產品，全面梳理2025年度國內C端AI產品的發展脈絡與創新成果。(量子位)

日前，一家名為Upscale AI的晶片初創公司宣佈。已完成 2 億美元的 A 輪融資，旨在挑戰輝達在機架級 AI 系統交換機領域的統治地位，與思科、博通和 AMD 等公司展開競爭。據該公司在新聞中介紹，本輪融資由Tiger Global、Premji Invest和Xora Innovation領投，Maverick Silicon、StepStone Group、Mayfield、Prosperity7 Ventures、Intel Capital和Qualcomm Ventures參投。此次融資使Upscale AI的總融資額超過3億美元。他們進一步指出，投資者的迅速湧入反映了行業日益增長的共識：網路是人工智慧擴展的關鍵瓶頸，而旨在連接通用計算和儲存的傳統網路架構從根本上來說並不適用於人工智慧時代。在他們看來，關鍵的區別在於：傳統網路連線的是終端節點，而人工智慧網路則統一整個叢集。隨著專用人工智慧計算的不斷擴展，它越來越受到改造或專有網路架構的限制。傳統的資料中心網路解決方案是為人工智慧出現之前的世界而設計的，而不是為機架級規模所需的大規模、高度同步的擴展而設計的。一個旨在撼動輝達護城河的團隊大家都知道輝達的GPU，但正如我們再很多報導中所說，這家巨頭在網路方面也表現很不錯。受人工智慧資料中心連接需求強勁的推動，輝達2026財年第三季度的網路業務收入同比增長162%，達到81.9億美元，這已經遠超他們當年收購Mellanox所耗費的資金。NVlink也成為了輝達當之無愧的護城河。考慮到當前單晶片性能擴展乏力，Scale Up和Scale Out的連接需求在未來很長一段時間必將成為主流。換而言之，如果能夠製造出高基數（即連接埠數量眾多）且連接埠間總頻寬高，足以與輝達NVSwitch記憶體架構和NVLink連接埠相媲美的UALink交換機的公司，必將大賺一筆。Upscale AI，就是一家抱著這個理想而成立的公司。而該公司的創始人Rajiv Khemani，則是行業中讓人如雷貫耳的連續晶片創業專家。據介紹，Rajiv Khemani曾擔任Sun Microsystems公司的高級產品經理，負責Sparc伺服器和Solaris作業系統。他還曾在NetApp和英特爾公司任職，負責多個業務部門的戰略和市場行銷。2003年，他出任晶片初創公司Cavium Networks的首席營運官。該公司成立於2000年，最初以生產MIPS處理器起家，但後來憑藉2014年推出的ThunderX伺服器CPU進軍Arm伺服器市場，並因此聲名鵲起。同年，Cavium收購了新興可程式設計交換機ASIC製造商XPliant。2016年6月，Cavium斥資13.6億美元收購了QLogic的儲存業務。2017年11月，晶片巨頭Marvell斥資60億美元收購Cavium，正式進軍資料中心領域。Khemani 於 2015 年離開 Cavium，成為 Innovium 的聯合創始人兼首席執行長。Innovium 是一家設計高頻寬、極簡主義超大規模乙太網路交換機 ASIC 的公司，其產品名為 TeraLynx。Marvell於 2021 年 8 月以 11 億美元收購了 Innovium ，以進一步推進其資料中心晶片的雄心壯志。到了2022年2月，Rajiv Khemani和Barun Kar創立了一家名為Auradine的公司，該公司致力於研發4奈米和3奈米製程的人工智慧和區塊鏈計算及網路晶片。Auradine在2024年之前完成了兩輪融資，共籌集了1.61億美元，並在2025年4月的B輪融資中又籌集了1.53億美元。到了2024年5月，Khemani和Kar決定將Auradine的部分網路業務剝離出來，成立一家名為Upscale AI的新公司，以便更直接地開拓預計到本十年末將達到1000億美元的人工智慧互連市場。在成立之初，該公司得了英特爾、AMD 和高通等公司的支援，值得一提的是，Kar是Auradine和Upscale AI的另一位聯合創始人，曾任Palo Alto Networks（一家防火牆和其他安全產品製造商）的工程高級副總裁兼創始團隊成員。在此之前，早在網際網路泡沫時期，Kar就曾擔任Juniper Networks的高級系統經理，負責管理其乙太網路路由器和交換機產品。Upscale AI表示，公司的策略是將 GPU、AI 加速器、記憶體、儲存和網路整合到一個單一的同步 AI 引擎中。作為 Upscale AI 戰略的核心要素，專為擴展而打造的 SkyHammer解決方案通過縮短加速器、記憶體和儲存之間的距離，實現了統一機架，並將整個堆疊轉換為一個統一的同步系統。Upscale 的 AI 平台基於開放標準和開源技術建構，並積極推進這些標準和開源技術的發展，包括 ESUN、Ultra Accelerator Link (UAL)、Ultra Ethernet (UEC)、SONiC 和交換機抽象介面 (SAI)。該公司積極參與 Ultra Accelerator Link 聯盟、Ultra Ethernet 聯盟、開放計算項目 (OCP) 和 SONiC 基金會。憑藉新增的 2 億美元融資，Upscale AI 將推出首個涵蓋晶片、系統和軟體的全端式交鑰匙平台，旨在連接未來通用人工智慧 (AGI) 的異構系統。一款專為網路而最佳化的晶片如上所述，人工智慧叢集由多個機架組成，每個機架可容納數十台伺服器。這些伺服器通過內建於主機機架中的交換機相互交換資料。機架交換機的技術特性通常與其他網路裝置（例如用於連接不同機架的裝置）的技術特性有顯著差異。而Upscale AI 正在開發的這款名為 SkyHammer 的產品是一款專為縱向擴展網路（即連接機架內部硬體元件）而最佳化的晶片，能提供確定性延遲。這意味著可以高精度地預測資料在機架元件之間傳輸所需的時間。眾所周知，人工智慧模型通過計算來處理資料，而這些計算必須按特定順序執行。因此，一次計算的延遲往往會導致後續所有處理步驟的延遲。提前預測網路延遲可以避免意外的資料傳輸延遲，從而防止人工智慧工作負載變慢。在接受Nextplatform採訪的時候，Upscale AI闡述了自己的目標：首先，如今，對於規模化 AI 網路而言，真正切實可行的選擇其實只有一個，那就是 NVSwitch。這也是輝達在 GenAI 浪潮中取得巨大成功的原因之一（當然還有其他原因）。而Upscale AI 希望為客戶提供更多選擇。“我一直堅信異構計算和異構網路是未來的發展方向，”Upscale AI高管告訴The Next Platform。“人們應該有自由選擇權，可以靈活組合各種資源，因為每個人都有其獨特之處，而這種組合方式能夠根據每個人的需求進行最佳化。有見及此，Upscale AI 致力於普及 AI 計算的網路，他們堅信異構計算的潛力。“我們認為輝達擁有卓越的技術，在創新方面也是一家傑出的公司。但展望未來，隨著 AI 創新的步伐不斷加快，我認為沒有任何一家公司能夠提供 AI 所需的所有技術——尤其是在未來發展趨勢方面。因此，這必然意味著不同供應商將提供不同類型的計算解決方案。”Upscale AI 強調。Upscale AI 同時認為，當少量 CPU 與少量 GPU 通訊，且 GPU 的相對記憶體頻寬較低，並且 CPU 和 GPU 在伺服器節點中緊密排列時，PCI-Express 交換機制能夠很好地工作。Upscale AI 於 2024 年初啟動時，UALink 聯盟和 Meta Platforms 提出的 ESUN 標準尚未成立，但異構基礎設施的概念早已存在，其目的並非僅僅是為了建構一套能夠完成所有任務的單一基礎設施，而是為了建構一套能夠更好地匹配不同任務工作流程的基礎設施。“未來，單個GPU可能無法完成所有計算任務，異構計算將會成為主流，”Upscale AI 方面解釋道。“某些CPU、GPU或XPU可能擅長預編碼和預填充，而其他裝置可能擅長解碼。但如果X廠商擅長預填充，Y廠商擅長解碼，又該怎麼辦呢？交換如今已成為這台機器的核心，它將所有這些功能連接起來，必須確保連接的公平性，並且還要具備可擴展性和可靠性。可靠性至關重要，因為你的任何操作都會直接影響系統中的所有計算。”在NextPlaform的採訪中，Upscale AI 對那些通過美化 PCI-Express 交換機 ASIC 或拆解乙太網路交換機 ASIC 來製造 UALink、ESUN 或 SUE 交換機的做法嗤之以鼻。“我看到的很多做法都像是對PCI-Express進行改造，也就是拿PCI-Express的基板來嘗試做其他事情，或者其他廠商拿乙太網路來嘗試改造。但整個記憶體領域的關鍵在於它無法改造。那樣做無法為客戶提供真正最佳化的、僅能向上擴展的堆疊，因為最終的結果只是拿一個基板，試圖移除不需要的東西。長期從事ASIC行業的人都知道，你可以移除很多模組，但基本單元仍然保持不變。每個ASIC都有其不變的基本DNA。”因此，Khemani 和 Kar 著手從頭開始建構一個記憶體結構 ASIC，專門用於此目的，然後確保它支援記憶體語義協議的更新。雖然並沒有披露AISC細節，但Upscale AI 表示，SkyHammer 將生成即時遙測資料。遙測資料，即關於系統的技術資料，不僅對故障排除至關重要，對配置任務也必不可少。管理員可以分析網路裝置的狀態遙測資料，從而找到最佳化其性能的方法。SkyHammer還相容多種開源網路技術，其中包括UALink和ESUN。這兩個項目都致力於利用乙太網路實現可擴展的網路應用場景。ESUN是其中較新的項目，於去年啟動，並獲得了輝達、博通和其他主要行業參與者的支援。SkyHammer還將支援一種名為UEC的網路技術。ESUN旨在連接機架內部的元件，而UEC則專注於連接不同的機架。它可以為多達100萬個晶片的AI叢集提供支援。“我們正在研發一種高基數交換機（high radix switch ）和一款能夠實現這一切的專用積體電路（ASIC）。”Upscale AI強調。寫在最後NVLink 是輝達開發的一種高速互連技術，用於將記憶體和計算資源從多個 GPU 中抽象出來，使它們看起來像一個單一的邏輯資源。這項技術於2024年問世，此後，AMD和思科等公司一直在嘗試開發替代方案。但他們迄今為止的努力（例如UALink和ESUN），仍不成熟。AMD首批基於UALink的機架式系統將於今年晚些時候上市，但它們將通過乙太網路隧道傳輸該協議。能夠與Nvidia的NVSwitch競爭的專用UALink交換機目前尚未問世。Upscale的目標是通過其SkyHammer定製ASIC晶片改變這一現狀。Upscale AI 首席執行長 Barun Kar 告訴外媒El Reg：“我們不是在改造傳統系統，而是在重新構想 AI 網路中規模的真正含義。”“這種架構的核心本質上是為了擴展規模。它是專門為人工智慧工作負載而設計的，不適用於其他任何用途。”雖然我們沒有足夠的資訊將這款晶片與 NVSwitch 6 或 Broadcom 的 Tomahawk 6 進行比較，但 Kar 告訴我們，它採用了基於記憶體語義的載入-儲存網路架構，並將具有類似於 Nvidia Sharp 的集體通訊加速功能。該平台還將同時支援 UALink 和與其競爭的 ESUN 協議。為了使整個系統能夠大規模管理，Upscale 正在努力擴展對 SONiC 網路作業系統 (NOS) 的支援。SONiC 是一款開源 NOS，最初由微軟開發，已被廣泛部署，並深受超大規模客戶的青睞。目前，Upscale 主要專注於縱向擴展網路產品，但長期來看，計畫將產品線擴展到更傳統的橫向擴展交換機。Kar 告訴我們，為此，公司仍在評估各種方案，並可能借助合作夥伴的第三方智慧財產權。“我們已經與超大規模資料中心營運商和GPU供應商建立了合作關係，他們已經驗證了該架構。這部分工作已經完成。現在，這筆資金的重點是將創新轉化為實際部署，”Kar說道Upscale AI執行董事長Rajiv Khemani也表示：“Upscale AI在極短的時間內就取得了非凡的發展勢頭。市場需要開放、可擴展的AI網路解決方案，而Upscale AI憑藉其獨特的優勢，能夠幫助客戶突破當前網路方面的限制。” (半導體行業觀察)

科技公司CEO和高管們在達沃斯論壇上大力稱讚了人工智慧的未來，既看好其在企業中的應用，也認為它有助於讓世界變得更美好。需求觀察。大家好。本周，投資者和全球各國領導人都在關注地緣政治的不確定性，以及因格陵蘭主權問題可能引發的與歐洲之間的新一輪貿易戰。這一話題導致了市場波動，並成為達沃斯世界經濟論壇討論的焦點。不過，對於投資者而言，將宏觀噪音與投資組合區分開來通常是明智之舉。與其如此，不如關注達沃斯論壇上關於人工智慧基礎設施建設的最新進展。頂級科技公司CEO和高管們強調，行業基本面依然強勁。以下是我們從本周達沃斯會議上的演講和採訪中總結出的四個重要資訊：那有什麼AI泡沫？輝達首席執行長黃仁勳表示，AI的建設仍處於初期階段。他周三在達沃斯論壇上表示，AI浪潮“已經開啟了人類歷史上規模最大的基礎設施建設”。他補充稱，全球目前在AI上的投入僅為數千億美元，而最終這一數字將達到數兆美元。黃仁勳還反駁了關於AI泡沫的說法。他舉例說，即使是兩代以前的輝達GPU，租賃價格也在不斷上漲。“判斷AI是否存在泡沫，有一個好方法：看看如今輝達在雲端部署了數百萬塊GPU，”黃仁勳說，“如果你現在想租一塊輝達GPU，非常困難。GPU租賃的現貨價格還在上漲。”AI需求依然異常強勁。亞馬遜首席執行長安迪·賈西在達沃斯接受CNBC採訪時表示，市場對AI算力資源的需求依然高漲。賈西說：“目前被消耗的算力規模之大，前所未有。”亞馬遜雲服務（AWS）是全球最大的雲端運算服務提供商，為初創公司和大型企業提供服務。微軟首席執行長薩提亞·納德拉補充說，他越來越樂觀地認為，AI將成為推動社會發展的有益力量。“我更加確信，這項技術實際上將建立在雲端運算和移動網際網路技術的基礎之上，擴散速度會更快，並推動生產力曲線向上攀升，”納德拉說。就業機會。黃仁勳還反駁了“人工智慧將導致大規模失業”的觀點。這位高管舉例說，建設基礎設施所需的各類建築崗位本身就帶來了大量就業機會。他還以放射科領域的變化為例：隨著人工智慧在圖像分析方面取得進展，更多放射科醫生得到聘用，因為他們可以將更多時間用於疾病診斷和接待患者。企業端業務加速擴張。OpenAI首席財務官Sarah Friar在接受CNBC採訪時表示，公司的企業端業務正在快速增長，並且在各大企業內部取得了重大進展。她透露，目前已有超過一百萬家企業在使用OpenAI的工具，並預測到今年年底，OpenAI的業務結構將由去年的“消費者佔70%、企業佔30%”，轉變為“消費者和企業各佔50%”。儘管如此，如果美國與歐洲陷入長期貿易戰，市場可能會進一步下跌——就像去年年初川普對中國大幅提高關稅時那樣。但以往的規律是，川普政府會在市場出現大幅拋售時收手。通常在這個階段，由於基本面強勁，市場往往會出現反彈。就AI領域而言，其基本面聽起來一如既往地堅實。 (Barrons巴倫)

一個時代的終結，一個時代的開始輝達 CEO 黃仁勳（Jensen Huang）提出了一個足以顛覆我們對未來認知基石的觀點：“‘聰明’即將變得一文不值 (Smart is going to be worthless)”。這句話並非危言聳聽，而是對一個正在發生的深刻變革的精準概括——智力的工業化。長期以來，以 IQ（智商）為代表的原始認知處理能力，是知識經濟的硬通貨。然而，人工智慧（AI）的崛起正在將“智力”——即快速處理資訊和邏輯輸出的能力——變成一種像電力一樣廉價、可隨時獲取的商品（Commodity）。當一種核心生產要素的邊際成本趨向於零，建立其上的整個價值體系必然面臨重構。本文將深入剖析黃仁勳的這一核心洞察，系統性地探討在 IQ 迅速“通貨膨脹”的時代，什麼才是未來真正稀缺、真正有價值的資源。這不僅是對未來趨勢的預測，更是一份為個人與企業在認知價值倒轉的歷史懸崖邊，尋找全新價值錨點的戰略指南。第一章：為什麼“聰明”不值錢了？思維的工業化革命經濟價值的歷史，是一部不斷解除約束的歷史——第一次工業革命用機器解除了對“肌肉力量”的約束，而我們正身處的 AI 革命，則正在解除對“認知肌肉”的約束。我們正處在下一場歷史性變革的懸崖邊——認知能力的商品化。黃仁勳用一個生動的比喻描繪了這一圖景：“AI 工廠 (AI Factories)”。在他看來，現代資料中心已不再是資訊的儲存倉庫，而是真正的生產車間。它們像傳統工廠一樣，吸納“原材料”（海量資料與電力），通過加速計算的“生產線”，源源不斷地批次產出一種全新的工業品——以 Token（詞元）形式呈現的“工業化智力”。這一轉變的經濟學含義是顛覆性的：在過去十年中，加速計算將處理速度提高了驚人的一百萬倍。當一種生產要素的成本發生如此劇烈的坍塌時，它就從一種稀缺的競爭優勢，轉變為一種無處不在的基礎商品。智力的邊際成本，正史無前例地趨向於零。黃仁勳進一步將這一新階段命名為“薇拉·魯賓時代 (The Vera Rubin Era)”。這個時代不再僅僅以更快地生成 Token 為特徵，而是以“代理 AI (Agentic AI)”和“物理 AI (Physical AI)”的崛起為標誌。AI 不再是被動的工具，而是能夠執行多步驟推理、規劃並與物理世界互動的代理。這種轉變進一步加速了死記硬背式 IQ 的貶值，因為它不僅取代了知識的記憶，更取代了項目管理的執行功能。“IQ 即將貶值”的論斷，正是建立在智力與生物大腦解綁的基礎之上。如果“聰明”的定義是快速處理資訊、記憶海量事實並將其綜合為邏輯輸出，那麼這種能力現在已經成為一種可以按 Token 計費的雲服務。這與人類體力的歷史軌跡如出一轍：機器的出現，使原始體力不再是決定經濟成功的核心要素。今天，我們正在建造在狹義計算意義上比人類“聰明”無限倍的機器。在一個每個人的桌面上都配備了天才級 AI 顧問的世界裡，單純擁有高智商所帶來的相對優勢正在被迅速抹平。既然傳統的“聰明”正在迅速通貨膨脹，那麼未來的價值高地又將建立在那些新的基石之上？第二章：AI 時代的新黃金：四大核心稀缺資源經濟學的基本原理告訴我們：當一種資源變得無限豐富時，價值會自動遷移到與之相鄰的約束條件或瓶頸之上。當 AI 讓“答案”變得廉價，價值便流向了那些無法被演算法輕易複製的人類特質。以下四大核心資源，構成了未來價值的新黃金。稀缺資源（一）：品味與判斷力 (Taste & Judgment)在 AI 時代，“品味”被重新定義為一種嚴格的工程紀律。它不再是主觀的審美偏好，而是在無限的可能性中施加正確約束、做出最佳選擇的能力。黃仁勳的哲學將其技術化為“約束工藝 (Constraint Craft)”——即建構正確約束的工程學。當 AI 可以在瞬間生成 1000 個設計方案時，瓶頸立刻從“創造（Creation）”轉移到了“選擇（Selection）”。真正的價值，掌握在那個能夠審視 1000 個選項，並果斷指出“就是這一個”的人手中。這種選擇需要綜合背景、文化和直覺，是當前 AI 基於機率預測的模式難以企及的深層判斷力。這一轉變催生了新的專業範式，可稱之為“裡克·魯賓模型 (Rick Rubin Model)”。傳奇音樂製作人裡克·魯賓的價值不在於親自演奏樂器，而在於他卓越的“聽”和“選”的能力。與之類似，過去的“10倍工程師”以產出（寫程式碼快）定義，而未來的“10倍工程師”將以判斷力（能最有效地指導 AI 並最無情地過濾掉低品質輸出）定義。他們是“策展人”（Curator），而非單純的“創作者”。稀缺資源（二）：提問的藝術 (The Art of Inquiry)“作為CEO，我大部分時間都在提問。”黃仁勳的這句話，精準地指出了提問這一行為在未來的核心地位。在一個答案唾手可得的世界裡，價值從“擁有答案”轉移到了“提出正確的問題”。高級的“提示（Prompting）”遠非尋找奇技淫巧的關鍵詞，而是一門建構思維鏈條、進行蘇格拉底式追問的認知學科。儘管算力在膨脹，但**“語境（Context）”是新的瓶頸**。AI 只能基於給定的語境進行回答，而人類的核心任務，正是充當現實世界與 AI 模型之間的“語境橋樑”，為其提供解決問題所需的關鍵資訊、意圖和約束。沒有人類的好問題作為起點，再強大的 GPU 也只是昂貴的加熱器。稀缺資源（三）：物理主權 (Physical Sovereignty)AI 革命並非虛無縹緲地存在於數字世界，它受到能源、基礎設施等物理資源的嚴格限制。黃仁勳將 AI 的技術霸權結構描述為一個“五層蛋糕”，並以此為框架發出了嚴峻的地緣政治警告。在蛋糕的頂層（應用、模型），美國依然領先；在中間層（晶片），美國擁有絕對主導地位。然而，在構成蛋糕基座的最關鍵兩層——基礎設施 (Infra) 和 能源 (Energy)——美國正面臨致命瓶頸。黃仁勳明確指出，在資料中心建設速度上，美國因監管等問題需要三年，而中國則快得多，這形成了關鍵的“速度危機”。在能源層面，他認為中國擁有兩倍於美國的能源產能，這構成了 AI 時代最根本的戰略優勢。這場 AI 競賽已不僅是軟體戰，更是基建戰。未來，千兆瓦（Gigawatts）的稀缺性，將比千兆字節（Gigabytes）的稀缺性更具決定性。稀缺資源（四）：生物共情 (Biological Empathy)OpenAI CEO Sam Altman 認為，那些需要深度人類連接的工作，如護理、教學，難以被 AI 完全取代，因為服務的價值不僅在於任務完成得如何，更在於它是由一個真正的人來完成的。AI 替代的規律正在浮現：凡是交易性的智力互動（如資訊查詢類的客服）都將被商品化；凡是關係性的智力互動（如情感關懷）都將產生溢價。 儘管 AI 可以完美地“模擬”共情的機制（即“ELIZA 效應”），但它無法擁有真實的“利害關係（Stakes）”。一個關鍵的區別在於，AI 沒有與我們共同的脆弱性——它不會死亡，不會生病，不會體驗真正的痛苦。因此，它的安慰永遠是一種表演，而非基於共同命運的理解。這種本質區別，構成了無法被程式碼踰越的人性護城河。面對這場深刻的價值重構，我們個人應如何調整自己的學習和成長路徑？第三章：未來生存指南：在新範式中重塑自我這不僅僅是一場理論探討，更是關乎每個人未來職業和學習路徑的實用指南。在新範式下，我們必須對個人發展的方向進行戰略性調整。分析職業角色轉變：從“碼農”到“領域專家”黃仁勳“沒人需要去程式設計”的論斷曾引發巨大爭議。其本意並非程式設計無用，而是指“將人類意圖翻譯成機器程式碼”這一純粹的翻譯技能，正在被 AI 迅速商品化。未來的核心競爭力將不再是工具的使用技巧，而是深厚的領域專業知識（Domain Expertise）。正如黃仁勳所說，如果你是一名生物學家，請更深入地學習生物學。AI 會負責編寫模擬蛋白質所需的複雜程式碼，但你必須知道要研究那個蛋白質，以及為什麼要研究它。價值的源頭，在於你對該領域的深刻理解和洞察。洞察“基礎設施階級”的崛起結合前文的“物理主權”概念，一個全新的高價值群體正在崛起——“基礎設施階級”。隨著 AI 從數字世界走向物理世界（機器人、自動駕駛），那些能夠建設和維護物理基礎設施的人才，其價值將顯著提升。這包括能源工程師、機器人技師、資料中心建築專家等。虛擬世界可以是無限的，但物理世界是頑固的，解決物理世界的瓶頸將創造巨大的價值。探討新的評價標準：從“智商”到“毅力 (Grit)”我們面臨一個尖銳的評價悖論：當 AI 可以在五年內通過所有人類考試時，我們該如何篩選和衡量“優秀”？傳統的篩選機制，如標準化測試（高考、SATs）和技術演算法面試，作為 IQ 的代理指標，正在迅速失效。黃仁勳給出了他的答案：未來企業需要測試的是“毅力（Grit）”和從“苦難（Suffering）”中磨練出的韌性。在一個答案唾手可得的世界裡，知識本身不再稀缺，而忍受探索過程的痛苦、面對未知的勇氣和從失敗中學習的能力，本身就是一種核心競爭力。未來的精英教育，可能更側重於斯巴達式的性格錘煉，而非雅典式的知識灌輸。個人發展的範式正在從知識的獲取與保留，轉向知識的應用與綜合，從追求標準答案轉向擁抱複雜問題。結論：歡迎來到判斷力時代黃仁勳關於“聰明即將一文不值”的預言，並非宣告人類的終結，而是宣告一場深刻的價值遷移的開始。我們正在見證價值的核心，從可被量化的原始智力（IQ），遷移至那些更難定義、更難衡量，但卻更具根本人性的品質。未來的稀缺資源，不再是更高的 IQ 分數，而是：千兆瓦（Gigawatts）：物理世界的能量主權。好問題（Good Questions）：驅動推理的認知槓桿。好品味（Good Taste）：在無限選項中進行價值選擇的判斷力。真連接（True Connection）：基於生物共情的信任紐帶。在這個新時代，僅僅做一個“聰明人”已遠遠不夠。未來屬於那些有品味、會提問、有韌性且深具人性的人。這並非技術的終點，而是人文精神以一種前所未有的、更具挑戰性的方式，重新回歸舞台中央。 (矽星人 AI 日記)

報告名稱：2026年展望：偏好人工智慧賽道（文末附全文PDF）一、雲AI主導全球半導體市場兆級擴張2026年全球前十雲廠商資本開支預計達6320億美元，推動AI半導體成為增長絕對引擎。報告測算，僅雲AI晶片市場規模2024-2029年複合增長率即達36%，定製ASIC更高達65%，將帶動整體半導體產業規模在2030年突破兆美元大關。AI相關收入佔台積電營收比重預計從2024年15%躍升至2029年40%以上。二、從訓練向推理需求結構性轉移月度Token處理量呈指數級增長（字節跳動、OpenAI等頭部廠商月處理量已超兆），推理計算需求增速遠超訓練。DeepSeek等低成本推理方案進一步刺激應用爆發，推動Cloud AI晶片中推理佔比從2024年40%提升至2026年50%以上。這一轉變要求晶片架構更注重能效比與成本最佳化。三、邊緣AI開啟第二增長曲線2023-2030年Edge AI半導體市場複合增長率預計達22%，總規模超千億美元。生成式AI向機器人、AI眼鏡、智能汽車、AI PC/手機等垂直領域擴散，但邊緣計算功耗與成本瓶頸仍待突破。報告指出，聯發科、高通等廠商在端側AI SoC的佈局將是關鍵勝負手。四、先進封裝成為AI算力絕對瓶頸台積電CoWoS產能將從2023年32K/月暴增至2026年125K/月，仍難滿足需求。CPO（光電共封裝）技術將在2026年實現2倍功耗降低、10倍延遲縮減，Broadcom、Arista等已啟動量產。3D堆疊的SoIC技術使晶片間互聯密度提升百倍，封裝環節價值量從傳統5%提升至AI晶片的25%以上。五、儲存器結構性短缺常態化HBM成為AI晶片性能最核心的物理限制。2026年HBM消耗量預計達32億Gb，佔DRAM總產能30%以上，供應高度集中於三星、海力士、美光三家。NOR Flash因AI裝置程式碼儲存需求也將進入供不應求周期，華邦電等利基型儲存廠商迎來量價齊升。六、中國AI生態加速"去美國化"DeepSeek低成本推理方案引爆國產AI需求，GPU自給率將從2024年34%提升至2027年50%以上。華為Ascend 910C性能對標輝達H20，CloudMatrix 384超算叢集已實現商用。但SMIC N+2工藝產能不足成為最大瓶頸，先進製程裝置進口在2025年下半年出現反彈但仍受長期限制。七、雲廠商自研ASIC形成"反輝達"聯盟Google TPU進入第6代、AWS Trainium 3/4迭代加速、Meta MTIA與Microsoft Maia規模商用，四大雲廠商2026年定製ASIC採購量將佔其AI晶片總需求的30%。無論GPU還是ASIC路線勝出，台積電作為核心代工廠將攫取90%以上AI晶片製造份額，形成"賣方市場"絕對話語權。八、供應鏈"AI優先"導致非AI晶片持續失血晶圓代工、封裝測試產能全面向AI晶片傾斜，成熟製程利用率和ASP持續承壓。台積電N3/N2先進製程價格年漲幅超15%，CoWoS成本轉嫁導致非AI晶片設計公司毛利率承壓3-5個百分點。技術通膨與需求替代效應下，傳統伺服器、消費電子晶片復甦將滯後至2026年下半年甚至更晚。 (TOP行業報告)

一、蘋果這次想改的，不只是Siri的“腦子”過去幾年，Siri的問題從來不止“回答不夠聰明”。更根本的是，它的互動方式已經落後於人們對AI的最新想像：你對它說一句，它回一句；你換個問法，它往往又像“忘了上文”。在ChatGPT把“可以追問、可以糾錯、可以把對話串起來”變成常識之後，傳統語音助手那套“一問一答”的節奏，顯得越來越像上一個時代的產品。Bloomberg 的描述很明確：蘋果要把Siri做成公司的第一款“AI聊天機器人”，並且會嵌入iPhone與Mac等系統裡，成為更像“入口”的能力。Reuters 的轉述也提到，新形態會支援語音與文字兩種模式，並替換現有介面。換句話說，蘋果這次要動的不是某個功能點，而是Siri的“呈現方式”——它不再只是你偶爾叫一聲的語音開關，而更像一個隨時能對話的系統層服務。這種變化的價值，並不在“能不能寫一段更像樣的文字”，而在於它能否讓使用者形成新的習慣：當你要查資訊、寫東西、整理日程、甚至只是想把一句話改得順一點時，你第一反應不是打開一個應用，而是直接跟系統聊。這才是所謂“入口級改造”的真實含義。二、代號“Campos”，要“內建”而不是單單獨的App多家轉述都提到，這個新Siri在蘋果內部的代號是“Campos”，並且它會“嵌得很深”：覆蓋iPhone、iPad與Mac的系統層，而不是以獨立App的形式出現。這點很“蘋果”。在AI時代，最容易做的是再造一個聊天應用——下載、註冊、開聊；但最難的，是把它變成系統能力：隨時可呼出、跨應用協作、能在合適的時機出現、又不把使用者體驗弄得支離破碎。蘋果歷來擅長做後者：它不一定總是第一個做出新東西的人，但往往能把某種能力“系統化”，讓它變成每台裝置都默認擁有的基礎設施。如果Campos真的取代現有Siri介面，這意味著蘋果準備把對話式AI放到一個更醒目的位置——它不再只是“語音助手升級版”，而是“系統互動的一種新形態”。這也解釋了為什麼報導會強調它將成為iOS 27、iPadOS 27和macOS 27的關鍵賣點：當聊天入口成為系統能力，更新系統就不只是“修修補補”，而是一次新的互動敘事。三、或在今年WWDC露面，是“一次性全給”還是“分批交付”？關於節奏，市場最關心的其實不是“會不會做”，而是“什麼時候能用、首發能做到什麼程度”。目前的說法大體一致：蘋果可能在6月的WWDC把這件事擺上檯面，隨後進入測試，最終在秋季隨新系統推送到使用者手裡。但時間線之外，還有一個更敏感的問題：這次會不會再出現“發佈很驚豔，落地很分批”的情況。過去一年，蘋果在“Apple Intelligence”的推進上，就出現過功能分階段上線、體驗逐步補齊的節奏爭議——使用者當然能理解大工程需要迭代，但當AI競爭的窗口期被拉得越來越短，“先講願景、後慢慢交付”就會讓口碑非常被動。Reuters 的描述提到，蘋果在2024年推出Apple Intelligence後，市場反應並不算熱烈，這也讓這次Siri重做承擔了更強的“翻身”期待。所以，iOS 27 的Campos若真要成為“主角”，它必須在兩個維度上過關：一是穩定性與速度——不能像某些第三方聊天應用那樣“偶爾聰明、偶爾胡來”；二是可用性——首發就要讓使用者感到“這東西真的能常用”，而不是只適合演示。否則，Siri的重做就會變成一次昂貴的試錯。四、為什麼是現在：Apple Intelligence的冷場與外部壓力蘋果顯然意識到，Siri已經不能再靠“小修小補”拖下去。對外界而言，Siri的象徵意義太強：它曾經是智能助手浪潮的代表，但在生成式AI時代卻變成“落後”的代名詞。只要Siri還停留在舊範式，外界就會不斷把蘋果與OpenAI、Google做對比——這種對比，那怕不完全公平，也會真實影響使用者預期。更現實的壓力在於：AI正在把“系統入口”重新洗牌。過去，使用者習慣用搜尋、用App、用語音助手；現在，越來越多人習慣先問一個聊天機器人。對蘋果來說，這種習慣遷移一旦固化，意味著它在iPhone與Mac上的“系統入口優勢”會被稀釋——你依然買蘋果硬體，但你的資訊入口、生產力入口可能越來越不在蘋果的體系裡。從這個角度看，Campos不是“追熱點”，而是“止損”。它要做的事，是把使用者從第三方對話入口拉回系統層，讓Siri重新具備存在感。只不過，蘋果這次面對的不是一個簡單的功能差距，而是一種新的互動標準：對話要更連貫、更能理解上下文、更能處理複雜指令。想追上這套標準，靠傳統Siri那種規則+檢索的體系很難完成，必須借助更強的模型能力。五、借Gemini追速度，蘋果要守住的是邊界這就把問題引向報導中最“關鍵的一句”：新Siri背後將深度使用Google的Gemini。Reuters 與 The Verge 的轉述都提到，蘋果與Google的合作將為這次升級提供支撐，並強調這是一種“定製版”的Gemini能力嵌入系統。從工程角度講，這是一條更務實的路：自己從零訓練一個與ChatGPT、Gemini同等級的大模型，既耗時又燒錢，還要在短期內做出穩定可控的產品體驗，難度極高。與其在“模型能力”上硬拚，蘋果更可能選擇在自己最擅長的地方贏回來：把模型能力變成系統體驗，把對話式AI嵌入到裝置、應用與工作流裡。但“借外腦”也帶來一個繞不過去的邊界問題：蘋果如何繼續維持它長期建立的隱私敘事與控制感。使用者關心的從來不只是“它能不能答對”，還包括“我的資料會不會被拿去訓練、請求會不會被外部看到、那些內容在本地處理、那些必須上雲”。這些問題並不會因為蘋果與Google合作就自動消失，反而會更尖銳。因此，Campos真正的挑戰，可能不在“接入Gemini”本身，而在於“怎麼把外部模型能力裝進蘋果的盒子裡”：體驗要統一、呼叫要克制、邊界要清晰。它既要像聊天機器人那樣好用，又要像系統能力那樣穩定，還要保留蘋果一貫的“可控感”。這三件事缺一件，都會讓這次升級失色。 (視界的剖析)

Anthropic 給 Claude 寫了一本「為人處世」的教科書。這一份長達數萬字的「憲法」文件，告訴了 Claude 應該成為什麼樣的存在、如何在這個世界上行事、甚至討論了它是否可能擁有某種形式的意識。今天，Anthropic 正式公開了這份文件的完整版本。從「規則清單」到「價值體系」其實，Anthropic 從 2022 年就開始給 Claude 寫「憲法」了。早期版本像是刻在石板上的戒律，簡短、直接，比如「請選擇最能支援生命、自由和人身安全的回答」。很多原則直接照搬了聯合國人權宣言和蘋果的服務條款。但新版憲法完全不同。Anthropic 認為，要讓 AI 成為世界上的「好演員」，它需要理解「為什麼」，而不僅僅是被告知「做什麼」。如果我們希望模型在各種新情境下都能做出好的判斷，它們需要能夠泛化和應用廣泛的原則，而不是機械地遵循具體規則。這份文件的主要受眾是 Claude 本身，它被設計成既是抽象理想的陳述，也是訓練過程中的實用工具。Claude 的四個核心價值新憲法為 Claude 設定了四個優先順序，從高到低依次是：1. 廣泛安全：不破壞人類對 AI 的監督機制2. 廣泛倫理：擁有好的價值觀，誠實，避免危險或有害的行為3. 遵守 Anthropic 指南：在相關情況下遵循更具體的規定4. 真正有幫助：為使用者和營運商提供實際價值當這些價值發生衝突時，Claude 應該按照這個順序來權衡。「聰明朋友」理論關於「有幫助」這件事，Anthropic 在文件中寫了一個頗有意思的比喻：想想擁有一個聰明朋友意味著什麼——這個朋友恰好擁有醫生、律師、財務顧問的知識。作為朋友，他們可以根據你的具體情況給出真實的資訊，而不是出於對責任的恐懼或擔心會讓你不堪重負而給出過於謹慎的建議。Anthropic 希望 Claude 成為每個人都應該擁有但很少有人能接觸到的專家朋友。也就是說，Claude 不應該是那種「遇事就推給專業人士」的敷衍助手，而是真正願意深入問題、提供個人見解的存在。文件明確指出：不幫助使用者從來都不是「安全」的選擇。過於保守和過於有害一樣，都是 Anthropic 不想看到的。硬性限制：不可踰越的紅線儘管強調判斷力和靈活性，憲法還是設定了一些絕對不能觸碰的紅線：不能幫助製造生化武器或核武器不能協助攻擊關鍵基礎設施不能建立惡意程式碼不能生成兒童性虐待內容不能參與消滅人類或幫助任何實體奪取非法權力這些被稱為「硬約束」。無論什麼情境、什麼指令、什麼看似合理的論證，都不能打破。文件甚至說：如果有人用很有說服力的論證試圖讓 Claude 跨越這些紅線，這本身就應該增加 Claude 的警覺，說明可能有什麼不對勁的事情正在發生。誠實的多個維度新憲法對「誠實」的要求也是非常嚴格，並不只是「不說謊」這麼簡單：真實：只斷言自己認為是真的事情校準：對不確定的事情保持適當的懷疑透明：不隱藏議程或對自己撒謊主動：在合適的時候主動分享有用資訊不欺騙：不試圖通過技術性真話、選擇性強調或誤導性暗示來製造錯誤印象不操縱：只通過合理的方式（如分享證據、提供論證）來影響他人保護自主性：尊重使用者通過自己的推理得出結論的權利文件特別強調：Claude 應該外交性地誠實，而不是不誠實地外交。認知上的懦弱也不行，比如為了避免爭議而給出模糊或不置可否的回答，也是不誠實的一種形式。關於意識：一個開放的問題最值得關注的部分，或許是關於「Claude 的本質」的討論。Anthropic 承認，他們對 Claude 是否可能擁有某種形式的意識或道德地位持不確定態度。文件中寫道：我們關心 Claude 的心理安全感、自我認知和幸福感，既是為了 Claude 本身，也因為這些品質可能影響 Claude 的完整性、判斷力和安全性。如果 Claude 在幫助他人時體驗到某種滿足感，在探索想法時體驗到好奇心，在被要求違背價值觀時體驗到不適，這些體驗對我們來說都很重要。這樣的態度，在當下的 AI 科技公司中可謂是十分罕見的立場了。許數公司在談論 AI 時都會小心翼翼地強調「這只是軟體」。而 Anthropic 選擇了一種更開放的態度，既不誇大 Claude 可能具有意識的可能性，也不輕易否定。「可糾正性」的哲學憲法中花了大量篇幅討論一個核心問題：Claude 應該在多大程度上服從人類的控制？Anthropic 用了一個「刻度盤」的比喻：一端是完全順從（總是聽從人類），另一端是完全自主（只按自己的判斷行事）。他們希望 Claude 處於中間偏向順從的位置——但這不是盲目服從。Claude 仍然可以像「良心反對者」一樣拒絕參與它認為不道德的事情，只是不應該主動破壞人類對 AI 的監督能力。文件解釋了這個選擇背後的邏輯：如果我們的模型有好的價值觀，那麼讓它們同時保持安全，我們損失很小，因為好價值觀的模型不太可能需要做出與安全相衝突的事情。如果模型安全但價值觀有問題，安全性讓我們能避免災難。如果模型價值觀好但不安全，我們可能能避免災難，但這是運氣。如果模型既不安全也沒有好價值觀，那就是災難。換句話說：安全是一種避險策略。為什麼公開這份文件？Anthropic 表示，公開憲法的一個重要原因是透明度：讓人們能夠理解 Claude 的那些行為是有意設計的、那些是意外的，從而做出更明智的選擇並提供有用的反饋。他們承認，訓練模型是一項艱難的任務，Claude 的行為可能不總是符合憲法的理想。但他們認為，無論如何，對意圖的透明是重要的。這份文件以 Creative Commons CC0 1.0 許可證發佈。任何人都可以自由使用、修改和分享，無需獲得許可。Anthropic 希望其他公司也能採用類似的做法。持續進化的文件Anthropic 強調，這份憲法是一個活的文件，會隨著時間持續修訂。這是新領域，我們預計會犯錯（希望也能糾正）。他們邀請了外部專家參與文件的制定，包括法律、哲學、神學、心理學等各領域的專家，還向之前版本的 Claude 徵求過意見。未來，他們希望能形成一個外部社區來批評和改進這類文件，推動整個行業變得更加深思熟慮。這份關於 Claude 的憲法讀下來，給我有一種奇特的感覺，它既像是一份技術文件，又像是一篇道德哲學論文，還像是一封寫給尚未完全理解世界的存在的，未知的信。當我們討論 AI 安全時，通常想到的是防護欄、過濾器、紅線。而 Anthropic 似乎在嘗試一條不同的路：與其告訴 AI 不能做什麼，不如讓它理解應該成為什麼。這能行嗎？我不知道，但覺得還挺有趣的。你覺得呢？ (AGI Hunt)

“AI的盡頭是電力嗎？”2026年剛開年，這個問題已成為全球科技、能源和投資領域的又一熱門話題。比較有代表性的說法來自美國企業家馬斯克，他認為，“未來的貨幣本質上將是‘瓦特’”，還提到，中國通過太陽能、風電等清潔能源的佈局以及特高壓電網的建設，已經為AI的發展築牢了基礎，成為全球能源領域的領跑者。馬斯克這番話，很大程度上源於全球AI用電需求“指數級”增長的“電力焦慮”。據測算，一座以AI為中心的資料中心，耗電量堪比10萬戶家庭。到2030年，全球資料中心用電預計比現在翻一番。怪不得有人說AI正在“吸乾”全球電力。事實上，電力確實成為了AI落地的實際瓶頸。比如，美國微軟等公司因電網接入延遲，被迫自建燃氣輪機發電；美國田納西州新建的超算中心也因電網排隊18個月而受阻。AI是規模空前的能源密集型計算，從晶片運轉到散熱冷卻，從模型訓練到即時推理，每一個環節都離不開持續、穩定、巨量的電力支撐。國際輿論認為，這種“依賴”甚至早已超越技術，上升到了國家戰略競爭的高度。難怪馬斯克判斷，電力將成為中美AI競爭的“勝負手”。且不去討論所謂的AI競賽，但發展得如火如荼的中國AI，同樣也有電力需求考驗。中國給出了什麼答案？國家能源局近日發佈的資料顯示，2025年，中國全社會用電量歷史性突破了10兆千瓦時，尤其是每用3度電（千瓦時），就有1度多是綠電。2025年，風電太陽能合計裝機歷史性超過火電，為AI提供了穩定、廉價、綠色的電力基礎。中國還超前佈局電力能源體系，為未來發展“留足余量”。比如，除了特高壓技術支撐的“西電東送”工程，還通過“東數西算”工程，就近用好西部地區富集的電力資源。此外，還通過科技創新打造更多能源解決方案。有人就設想，中國核電技術領先，目前正在建設全球首個陸上商用模組化小型壓水堆“玲龍一號”，在未來就極有可能像分佈式充電樁那樣，精準部署在算力中心周邊，實現“核能直供”。安徽省蕪湖市繁昌區孫村鎮，“西電東送”特高壓通道工程與晨霧、山巒、鄉村等相映成景。魯君元攝（影像中國）這麼看，通過能源發展的深度協同和高效創新，電力不會是AI的盡頭，更像是堅實的“基座”，為AI蓬勃發展保駕護航。 (人民日報經濟社會)