不是技術越來越複雜，而是技術正在變得越來越像“人”——能聽懂你、主動幫你、替你做事。這一年，AI不再是工具，而是夥伴。有沒有這樣一種感受，這兩年，AI的相關新聞到處都是，可是，總是感覺距離自己稍微有點遠，又或者，雖然聽明白了名詞，然而，卻弄不清楚它究竟意味著啥呢？最近摩根大通發佈了一份報告，這份報告是關於2026年新興技術趨勢的分析，報告裡沒有太多讓人覺得難懂的公式，然而卻把未來幾年科技將會發生怎樣的變化講得十分清楚。今日，我們摒棄晦澀難懂的技術不談，僅僅談論四個當下正在出現、並且將會對我們的工作以及生活產生深刻影響的核心變動。第一章：AI能不能幫上忙，全看它“懂不懂你”往昔我們談及AI，講的是其何等聰慧。然而當下，眾人發覺：AI即便聰慧超乎尋常，倘若對您的特定場景毫無認知、對您究竟是誰一無所知、對您所欲踐行之事全然不解，那麼它所給出的回應內容，僅僅是堆砌而成充斥正確性的無用話語罷了。那麼，首要的一個大趨勢便是，AI是否好用，其關鍵之處在於，它能否獲取到那些“恰當的上下文”。什麼叫做“對的上下文”呢？那便是它明白你當下的角色，清楚你所具有的目標，曉得你手頭現有的資料，知曉你能夠運用的工具。恰似一位新入職的同事，倘若他不熟悉你們公司的業務流程，不曉得項目的背景狀況，不清楚該去跟誰進行對接，那麼即便他再聰慧，也無法把活幹好。為了讓AI真正“懂”這些，報告裡提到了幾個有意思的方向：物理AI：人工智慧走出電腦步入真切實際世界，舉例而言，工廠之中的機器人，並非是被預先編寫程序設定好的那種固定模式動作，而是具備自我學習能力，能夠自行適應，當面對不同形狀的箱子時，它能夠憑藉自身能力判斷如何抓取，以及運用多大的力量來抓取，恰恰是這種物理人工智慧展示出其現實功效。知識圖譜：你可以把它理解成給AI裝了一個“企業大腦”。它將公司內零散的資料、關係以及規則串聯起來，在AI提問時，並非隨意翻閱資料，而是如同一位資深員工，清楚誰是誰，什麼事務該找誰去處理，以及怎樣去執行什麼流程。上下文工程：這是個全新的詞彙，然而其蘊含的道理卻並不複雜；人工智慧一次能夠接納的資訊數量存在著限制，恰似人的注意力存在著侷限一樣；故而當前所注重的並非是“給予它的資訊越多便越好”，而是“怎樣挑選最為關鍵的資訊給予它”；這就如同為人工智慧配備了一位管家，協助它篩選資訊、捋順思路。簡略來講，往後的AI運用，較量因素並非是模型有多厲害強大，而是在於它於合適的時刻，能否獲取到恰當的資訊。第二章：AI用得越多，背後的“基建”就越忙你可曾察覺到，當下開啟任意一款App，皆有可能彈出一位AI助手。這表明AI已然不再是實驗室裡的玩鬧之物，而是被較多地運用到了實際業務當中。但背後有一個問題：算力不夠用了。因此，AI推理的需求，正在推動一場前所未有的基礎設施大升級。這裡所提及的“基礎設施”，並非我們平常所認知的伺服器，而是涵蓋能源的體系，是包含資料中心的體系，是涉及晶片的體系，是關乎網路的全套體系。能源方面，AI運行起來耗電量極為顯著，針對某個大型資料中心而言，其耗電量等同於一座小城市的耗電量，鑑於此，當下眾人都在開展新供電方式的研究工作，諸如小型核反應堆、太陽能以及地熱能等，實施這些研究只有唯一的目的，那便是確保AI能夠獲得電力供應，進而實現正常運行。資料中心，以往建構資料中心時，如同搭建倉庫，現下情況不同，需建成‘高樓’，採用液冷散熱方式，助力支援更高層級密度的晶片堆疊，簡言之，即在更小容量空間內，裝填更多的算力。晶片方面，GPU這一圖形處理器向來是AI的主力，然而當下出現了各類“專用晶片”。其中有專門用於做推理的，還有專門用於做邊緣計算的。這些專用晶片具備更省電的特性，同時價格更為便宜，能夠使AI的成本降下來。雲原生人工智慧，旨在使企業能夠更為便利地管理人工智慧資源，開源社區此刻正在建構一套具備標準化特性的工具。你能夠將其理解為，給人工智慧相關的基礎設施裝置了一套相當於“作業系統”的事物，進而致使開發者以及維運人員無需再為底層硬體問題而感到頭疼不已。這個趨勢向我們傳達出這樣的資訊：AI並非毫無憑藉就自行運行起來的，它的背後存在著整整一套，且這套系統正變得愈發龐大，愈發細緻入微的“後勤系統”，是該“後勤系統”在起著支撐作用。第三章：你不用再“找”App，App會來找你你若計畫去做一件事情，其通常所遵循的流程究竟是怎樣的呢，先是開啟瀏覽器，接著進行搜尋，隨後點開若干網站，再去下載一款App，而後開展註冊操作，跟著實施登錄行為，接著填寫表單，最後予以提交，光是這麼思索一番便已然覺得疲憊不堪了。然而，未來只要你將“我想要去做什麼”這般表述出來，其餘的事項便都交付給人工智慧去進行處理了。這背後的邏輯是互動方式的根本性質的轉變，這種轉變是從“應用切換”轉變為“意圖即介面”。舉個例子：智能體瀏覽器，你無需再開啟十幾個網頁，去進行比價、填表以及下單的操作。你告知瀏覽器“幫我訂一張周五下午前往上海的高鐵票”，它便會自行去查詢時刻表，去比較價格，去下單，去付款，最後向你告知“搞定了”。辦公軟體未來並非Word、Excel那些軟體，變成了一個“智能協作空間”，也就是AI原生工作空間，它能謹記你上周和那個客戶交流，清楚你下周三存在匯報事項，會主動替你規整材料，提示你回覆關鍵消息，甚至在你開會之前，為你生成一份討論提綱。對於生成式使用者體驗而言，當你去打開同一個App，然而和別人所看到的情況或許會全然不一樣，緣何如此呢，是因為它會依據你的習慣。以及你的偏好，甚至還包括你此刻的心情，即時去“生成”一個最為適合你的介面，不再是那種整齊劃一的模式，而是呈現出千人千面的狀況。以前品牌若想聽使用者反饋，就只能去看文字評論，多模態社交聆聽方面，現在呢，AI能夠聽懂播客裡的語氣，還能夠看懂視訊裡產品的露出，甚至還能從圖片中識別情緒，這使得品牌真正“聽見”了消費者的心聲。這個趨勢的核心就是：技術不再讓你去適應它，而是它來適應你。第四章：先在“虛擬世界”裡試一遍，再拿到現實中用先前，若是你打算對一款全新產品以及一個全新流程予以測試，那就只能拿到實際環境中去運行一番。其成本高昂，風險巨大，一旦出現問題還得耗費時間慢慢進行偵錯。但是呢，當下的情形已然有所不同了。運用人工智慧在虛擬世界當中，將全部的種種可能性都逐一進行嘗試，之後呢，把最為可靠的那種方案取出來拿到現實世界裡來。合成使用者：你能夠生成數量達到成千上萬個的“虛擬使用者”用以對你的產品展開測試。這些“虛擬使用者”能夠模擬具有不同年齡、職業以及偏好的人群，從而籍此 assisting 你提前發覺問題。舉例而言，倘若你想要瞭解一款全新的 App 在老年人群體當中是否好用，並非真的需要去尋覓幾百個老年人來進行試用，借助 AI 便能夠幫你模擬出來。網路安全領域，以往是遭受到攻擊之後才去修補漏洞。如今，AI能夠建構企業系統的 “數字孿生”，接下來自身充當駭客，不斷反覆模擬攻擊路徑，進而找出所有有可能被突破的點。直至真正的駭客出現時，漏洞已然被堵住了。這個趨勢的實質，是將風險以及不確定性，放置於虛擬世界當中予以解決，使得真實世界裡的每一回部署，都更為穩妥、更為高效。(TOP行業報告)

一、守護“真實感”：AI治理讓表演回歸本真在《逐玉》熱播之際，一份關於演員演技的真實評分引發熱議——田曦薇以9.2分奪得演技榜首，張凌赫也斬獲7.6分。這份高分背後，最打動觀眾的恰恰是演員們用“肉身”換來的真實感。據悉，張凌赫為演好落難侯爺謝征，特意減重15斤，在豬圈裡躲藏時那種脆弱又迷茫的眼神，讓觀眾真切感受到了角色的“破碎感”。而田曦薇更是徹底撕掉“甜妹”標籤，在劇中敢於素顏出鏡，把屠戶少女的潑辣直率演繹得入木三分。這種“演技上線”的背後，與當今AI治理理念的深化密不可分。過去一段時間，過度磨皮濾鏡曾讓不少演員的細膩表演被“一鍵抹平”——有評論尖銳指出：“演技再真，也扛不住濾鏡磨平細節”。正因如此，當前AI治理的一個重要方向就是防止技術對真實感的侵蝕。無論是國家廣電總局對AI“魔改”視訊的專項治理，還是行業對濾鏡過度的反思，本質上都是在守護影視作品應有的“人文溫度”。只有在這樣的治理框架下，演員們用身體和情感磨出來的“破碎感”、用素顏和汗水換來的“煙火氣”，才能真正被觀眾看見、被市場認可。二、賦能而非替代：AI治理重塑創作倫理《逐玉》中張凌赫和田曦薇的出色表現，還得益於當前AI治理所倡導的“技術賦能而非替代”的創作倫理。在北影節“BE SEEN光幕計畫”主題工坊上，業內專家達成共識：AI可以取代初級和中級的表演，但高級和頂級的表演是人與人之間的互動、在場的共振，這是演算法無法複製的變數。這種理念正在成為行業共識——AI應當成為輔助創作的“手術刀”，而非替代演員的“印鈔機”。在《逐玉》的創作中，我們看到的正是這樣的良性互動：AI技術被用於提升製作效率、完善視覺效果，但最核心的表演環節，始終留給演員的真實情感和身體表達。田曦薇原聲台詞的煙火氣、張凌赫在雪地背人戲中的喘氣和踉蹌感，這些細節恰恰是AI難以生成的“人味兒”。與此同時，隨著AI換臉、聲音合成等技術門檻的降低，演員的肖像權和表演權保護也成為AI治理的重點議題。從OpenAI聯手演員工會推出肖像權保護機制，到國內對AI“魔改”視訊的專項治理，都在為演員的創作權益構築“智能防線”。正是這種“賦能而不越界”的治理理念，讓《逐玉》的主演們能夠在技術輔助下盡情施展，而不必擔心自己的表演被技術篡改或濫用。三、淨化生態：AI治理為演技脫穎而出創造條件《逐玉》的爆火與主演演技被廣泛認可，同樣離不開AI治理為行業營造的公平競爭環境。曾幾何時，影視行業陷入“預製爆款”的怪圈——高顏值流量+大IP+過飽和式行銷，每一步都像是由演算法精確計算出來的“工業糖精”。更有甚者，利用AI技術製造“資料泡沫”，讓真正的好作品、好演員淹沒在虛假熱度之中。而當前AI治理的一個重要方向，正是打擊這種資料造假行為，讓市場回歸真實。在橫店影視文化產業發展大會上發佈的“暗影獵手”監測預警模型，已成功偵破侵權案件14起，封禁非法網站173個，為影視企業挽回經濟損失超700萬元。這種對侵權和造假行為的精準打擊，實際上是在為田曦薇這樣的實力派演員清路——當她憑藉9.2分的高分奪得演技榜首時，這份認可不再是流量泡沫堆砌的結果，而是觀眾真實投票的體現。更值得一提的是，演技評分榜單中，嚴屹寬拿到9.1分，老戲骨岳暘和劉琳更是整部劇的“定海神針”。這些實力派演員能夠脫穎而出，恰恰說明在AI治理日益規範的今天，行業正在回歸“好演員與好劇本互相成就”的健康生態。正如一位新生代演員所言：“電影中很多神性的瞬間，都來自於不確定”——而這種不確定的、屬於人的光彩，只有在去除了資料泡沫、淨化了行業生態之後，才能真正照亮觀眾的心。 (小橘搞研究)

行業將關鍵詞從AGI（通用人工智慧）切換為超級智能：超級智能模型可在3個月內掌握全球藥物研發知識，能耗僅相當於藥物科學家20年消耗能源的1/50。圖片由AI生成“2028年底，人類將迎來早期形態的超級智能，資料中心承載的智能體量有望超越人類生物大腦總和。”近日舉行的新德里印度人工智慧影響峰會上，OpenAI CEO山姆·奧爾特曼（Sam Altman）表達了上述觀點。全球AI領域焦點正從生成式模型的迭代最佳化，逐步轉向超級智能的落地時間表與規則探討。奧爾特曼與Meta超級智能實驗室負責人亞歷山德·王（Alexandr Wang）同台定調：AI將從輔助工具，走向在推理、創造與問題解決上根本性超越人類的新階段。會上，奧爾特曼呼籲建立參照“國際原子能機構（IAEA）”模式的全球AI監管機構，以應對這一劃時代躍遷。當然，這並非空泛呼籲，此前IAEA通過全球協同監管，實現了核能技術的可控發展，奧爾特曼試圖將這一模式複製到超級智能領域，規避技術失控風險。亞歷山德·王則提出“個人超級智能”路線，地區性的人才與市場將成為普惠化超級智能的關鍵陣地，而中國電信此前推出的“星辰超級智能體”，已在信貸稽核、網路維運等場景實現自主拆解任務、協同完成複雜工作，成為“個人超級智能”落地的雛形參照。這場高調宣言，是全球AI產業、資本與技術研發深度繫結的集中亮相，標誌著超級智能競賽已進入規模化推進階段。超級智能時間表：技術迭代與產業佈局同頻當前，全球AI巨頭已全面轉向超級智能研發，核心目標是突破現有模型侷限，實現從“輔助人類”到“超越人類”的能力躍遷。OpenAI、Meta等頭部企業紛紛加大研發投入，放鬆內部技術迭代約束，優先保障超級智能相關技術的快速落地，其核心邏輯是搶佔下一代AI技術的話語權，避免在技術迭代中掉隊——這一點與此前AI企業在通用模型研發中的謹慎態度形成鮮明對比，也凸顯了超級智能在行業發展中的核心地位。從全球佈局來看，科技巨頭正加速推進超級智能技術的全球化落地，通過技術輸出、人才合作等方式，擴大自身技術影響力，搶佔全球市場份額。亞歷山德·王提出的“個人超級智能”路線，正是依託這一優勢，試圖實現超級智能的普惠化應用，打造差異化競爭優勢。這一背景下，資本已提前入場，成為超級智能競賽的重要推手。支援AI技術加速研發的超級政治行動委員會Leading the Future，2025年末手握約3900萬美元資金，來自OpenAI聯合創始人格雷格·布羅克曼（Greg Brockman）與風投家馬克·安德森（Marc Andreessen）等，核心用途是資助超級智能相關基礎設施建設與技術研發。典型案例便是該委員會重點支援愛達荷州資料中心建設，推動審批流程簡化，為超級智能所需的大規模算力基礎設施“開綠燈”。行業共識是：超級智能不只是演算法競賽，更是能源、晶片與物理基礎設施的軍備競賽，資本的持續注入的是技術落地的關鍵支撐。但行業內部並非鐵板一塊，關於超級智能的發展路徑與節奏，出現了明顯分歧。以奧爾特曼、薩克斯為代表的技術加速派，主張快速推進技術迭代與落地，將超級智能視為推動產業升級的核心引擎，舉例稱若超級智能落地醫療領域，可將新藥研發周期從10年壓縮至1年，帶動生物醫藥產業爆發式增長。以部分行業學者、環保人士為代表的謹慎派，則警惕技術落地帶來的就業衝擊、環境壓力與安全風險，拿出自動駕駛AI替代卡車司機、AI文案替代初級內容創作者的案例，質疑超級智能將導致大規模失業，加劇社會兩極分化。這種分歧也導致部分企業在技術推進中適當放緩節奏，兼顧技術創新與社會影響。從話語策略看，行業將關鍵詞從AGI（通用人工智慧）切換為超級智能。技術演進表述為“必然、不可逆、超越人類”，為下一代AI技術的商業化與產業化鋪路。一旦奧爾特曼的2028預言兌現，智力邊際成本將趨近於零，藥物研發、法律服務、內容生產等行業將被徹底重構。例如當前AI輔助律師處理案件檢索需數小時，而超級智能可瞬間完成案例匹配、法律條文解讀與辯護方案生成，直接衝擊初級法律從業者崗位。但高度集中的資料中心模式，也帶來能耗、供電與地方抵抗等剛性約束，亞利桑那州鳳凰城就因資料中心能耗過高、擠佔居民用電，引發當地民眾抗議，成為超級智能基礎設施落地的現實阻力。能耗正當化：AI訓練類比為“人類培育”峰會期間，奧爾特曼另一組引發爭議的表態，直指AI最敏感的能耗與水耗議題。他公開反駁“AI過度消耗資源”的批評，稱相關擔憂“過時或完全虛構”，並提出一套全新比較框架：不應只對比單次AI推理與人腦思考的能耗，而應計入人類成長、教育、生存所需的全生命周期成本。按此口徑，大規模計算叢集的能源投入，反而比培養同等認知能力的人類更“高效”——他舉例稱，培養一名資深藥物研發科學家需25年（從教育到成長為專家），消耗大量糧食、能源與教育資源，而超級智能模型通過訓練，可在3個月內掌握全球藥物研發知識，能耗僅相當於這名科學家20年消耗能源的1/50。他同時為資料中心用水辯護，稱現代閉式循環冷卻技術已大幅降低資源依賴，舊有蒸發冷卻系統的負面敘事與現實脫節，舉例說明OpenAI位於德克薩斯州的資料中心，採用閉式循環冷卻技術後，水耗較傳統資料中心降低70%，每處理1PFlops算力的水耗，僅相當於居民一天的用水量。這一修辭轉向，是OpenAI對“計算優先”模式的戰略性正當化：將AI訓練類比為“人類培育”，以此緩解行業與社會對資源消耗的擔憂、為GPT-6等下一代模型的巨量能源與資本開支鋪路。若AI被定義為“更高效的智能生產方式”，其高能耗便可被解讀為生產率淨增益，而非環境淨損失——這一點在OpenAI與微軟合作的Azure雲資料中心體現得尤為明顯，雙方宣稱，該資料中心的AI算力產出，相當於10萬名人類工程師的工作效率，而能耗僅為同等人力的1/10。但這套邏輯面臨現實與科學雙重挑戰。人類大腦功耗僅約20瓦，而前沿大模型一次完整訓練耗電量，相當於數千美國家庭一年用電——例如GPT-5模型訓練一次，能耗約為1.2萬兆瓦時，相當於美國一個3000人小鎮一年的總用電量。奧爾特曼強調的是資訊處理規模效率，而非熱力學效率——在物理底層，矽基智能仍遠落後於生物智能。Zoho CEO斯里達爾·文布（Sridhar Vembu）等業內人士直接反駁：將技術與人類等價，忽視了生命的內在價值與不可替代的社會需求，舉例稱AI可生成詩歌，但無法復刻人類詩人的情感體驗；可診斷疾病，但無法給予患者人文關懷。長期看，AI能耗與全球可持續目標的衝突將持續激化。預測顯示，2030年AI相關電力需求將大幅增長，老舊電網難以承接，最典型的案例便是美國加州，2025年夏季因AI資料中心能耗激增，導致多次電網負荷預警，加州電力公司不得不限制資料中心運行，這也印證了奧爾特曼的“能耗無害論”與現實的脫節。當前，全球科技企業正試圖通過技術最佳化、清潔能源應用等方式緩解這一矛盾，探索超級智能與可持續發展的平衡路徑。這或許也意味著，超級智能競賽正式進入技術與資本的主航道。奧爾特曼的2028時間表、科技巨頭的研發投入、資本的全力押注、能耗議題的話語重構，共同構成超級智能產業發展的完整圖景。未來24個月，AI行業將走向高度集中：只有極少數玩家能承擔超級智能的資本與資源門檻，中國電信“星辰超級智能體”的落地案例，也預示著超級智能的競爭已從單純的技術比拚，延伸到產業落地能力的較量。Meta力推的“個人超級智能”，則預示著巨頭將把頂級能力封裝進消費硬體，從對話機器人走向主動式智能體。超級智能究竟是產業升級的引擎還是社會發展的挑戰？這一命題將深度影響全球AI產業的發展走向，並決定下一代AI技術的治理模式。而OpenAI們真正需要回答的問題是：當智能可以被規模化生產，人類的位置，又該如何安放？ (鈦媒體AGI)

01前沿導讀美國科技公司SandboxAQ首席執行長傑克·希達裡提出，可以利用ai技術以及量子計算技術來研發新型材料，縮短在獲取關鍵原材料上面所需的時間。ai和量子計算可以幫助科學家在軟體上不斷嘗試各種材料設計合金，從而合成出足以替代中國稀土的關鍵材料。該技術有望繞開發展傳統稀土產業所需的10年甚至20年時間，將獲取關鍵稀土材料所需的時間壓縮至數年以內。02彎道超車希達裡還對此解釋稱，從傳統產業來說，我們需要尋找、開採然後加工稀土資源。而量子技術與ai技術的出現，改變了這種情況。將ai訓練成物理、材料、能源領域的生成式虛擬專家，通過量子計算不斷的嘗試各類材料，最終找到一條不需要依靠中國供應鏈的稀土產業體系。該技術方案遭到了美國相關機構的反對，關鍵礦產研究所聯合主席傑克·利夫頓對此分析稱，現階段的ai並不具備完全替代人類進行判斷的能力，中國在稀土和礦產領域所建立起來的優勢，並不是一朝一夕形成的。而且中國發展關鍵礦產資源不去追求短期利潤，更注重規模化以及可持續發展能力，這是中國佔據礦產資源主導地位的核心因素。依靠長遠的佈局，中國企業在合金冶煉方面有著相當深厚的專業知識和技術經驗，這是其他競爭者在短期內無法比擬的。據國內機構《大公國際》發佈的產業報告指出，2024年全球稀土總儲量超過了9000萬噸，中國以4400萬噸的儲備量位居世界第一，佔全球總儲量的40%以上，優勢明顯。在產量上面，全球總稀土產量達39萬噸，中國產量27萬噸，佔全球總產量的69%，依然位居世界第一。並且中國的稀土產業已經形成了南北區域的鮮明地理格局，以內蒙古為核心的北方稀土產業，其儲量最大的資源是輕稀土礦床，佔中國輕稀土儲量的80%以上。而南方地區則是以鏑、鋱等中重稀土元素為主，佔全球可經濟開採中重稀土儲量的80%以上。這種在地域資源上面的差異，直接塑造了中國稀土產業的雙規發展模式——北方輕稀土、南方中重稀土。為了杜絕稀土產業胡亂開採的情況，從2011年開始，中國開始大力合併稀土精煉產業，形成了中國稀土集團和北方稀土公司雙寡頭的核心掌控局面。這兩大企業佔據了98%的稀土配額，並且其礦產產量佔全球總產量的95%以上，冶煉分離產量佔比超過90%。並且中國是全球唯一具備完全稀土產業鏈體系的國家，涵蓋了地質勘探、礦山開採、冶煉分離、精深加工、技術研發、流通貿易等所有環節。從資源開採到精煉加工，再到最後的運輸銷售，稀土礦產資源已經為中國的能源產業建構出一道穩定深厚的護城河。03技術侷限性據《中國科學院》新聞指出，2025年美國麻省理工學院聯合研究團隊開發出一項通過ai來加速量子材料發現的新技術。該技術生成了超過一千萬個具有阿基米德晶格特徵的候選材料，經過篩選之後，保留下來了大約一百萬種材料，目前這些材料正處於實驗階段。針對採用ai技術生成新材料這種方法，英國發展研究所研究員沈威對媒體指出，美國已經在實驗室中設計出了新材料，但是其想要實現商業化還需要面對多種問題，例如材料的穩定性、規模化生產能力、供應鏈成本控制等。稀土礦產屬於能源產業，其追求的是產業長遠的發展目標，所以必須要具備完整的工業生產體系。在過去幾十年當中，中國企業已經建立起了一套完善並且可持續發展的產業鏈體系，這是用幾十年時間建立起來的優勢。而美國打算通過ai技術和量子計算試圖打造全新的稀土合成方式，目前來看還只是停留在試驗階段，距離實現商業化還有一大段距離。與此同時，中國的ai產業和材料產業並不比美國落後，甚至在部分技術環節雙方不分高低。既然美國打算用ai技術和量子計算突破中國的稀土管控，那麼中國企業也可以用同樣的方法來應對美國企業的突破。中國稀土產業的強大，是各企業拿時間拿技術換來的，這種結構優勢是美國企業短時間無法達到的水平。 (逍遙漠)

近日，一則消息如同米蘭冬奧賽場上的旋風，橫掃社交媒體：中國自由式滑雪奧運冠軍谷愛凌，竟然要“跨界”加盟矽谷風投機構Benchmark。左手滑雪獎牌，右手風投合同？谷愛凌的這次“跨界”把人看懵了。2月13日，社交平台X（原Twitter）上突然有人爆料，谷愛凌將在米蘭冬奧會後，正式轉型入職矽谷頂級風投Benchmark。消息稱，谷愛凌將以senior associate（資深投資經理）的身份，深度參與這家曾捕獲過Twitter、Uber、Instagram等巨頭的風投旗艦。配圖更是直接把話題度拉滿——谷愛凌胸前掛著剛拿到的銀牌，背景赫然印著Benchmark的Logo。一位剛從雪場下來的奧運冠軍，轉身就要踏入矽谷沙丘路搞投資，這跨屆看的大家一臉懵，評論區直接炸了。有人驚嘆於“天才少女”的無限邊界，22歲的年紀，左腳還在滑雪台上，右腳已經邁向了資本市場的風口。滑雪拿奧運金牌，學習進史丹佛，身材逆天當模特，現在直接變身矽谷大佬，究竟她還有什麼不會？也有人開始認真分析：如果這是真的，Benchmark圖什麼呢？就在討論陷入膠著之際，一個意想不到的“認證”出現了。Benchmark的合夥人、矽谷風投教父Bill Gurley，居然在帖子下面用中文回了一句：“我不相信你竟然發現了這件事，我們本來想把它保密。”這話一出，在網民眼中無異於官方蓋章。一個頂級風投的合夥人，用中文在一個爆料帖下“認領”，這還能有假？順著“如果為真”的假設，市場開始認真推演這樁“跨界聯姻”的邏輯。有人分析，Benchmark這是在下一盤大棋。這家VC以“小而精”著稱，合夥人數量屈指可數，資深投資經理絕非掛名頭銜，而是需要實打實去選項目、看材料、談判搶獨角獸。最近他們接連投了HeyGen和Manus，都是華人背景的AI項目。谷愛凌若真入職，無疑是現成的“橋樑”——一頭連接中國的工程能力，一頭對接美國的商業市場；更是一把“鑰匙”，幫助矽谷VC在複雜環境下，觸達中國最頂尖的創業者群體。她的身份、語言、文化理解，更是無法複製的稀缺資源。谷愛凌的入局，被解讀為Benchmark在“Bet on China”戰略上的一次大手筆押注。結果，反轉來得比想像中更快。2月14日凌晨，仍在米蘭備戰的谷愛凌親自下場“打假”，在社交平台回了五個字：這不是真的。隨後，早前“蓋章認證”的Bill Gurley也改口了：“Sorry, I was kidding, Fake news.（對不起，我開個玩笑，這是假新聞）”這場震驚圈內的跨界加盟，最終證實是一場由AI技術助推、圈內大佬玩梗、自媒體過度解讀聯手炮製的烏龍。回頭看看那張圖，漏洞其實挺明顯的——獎牌上的五環扭曲變形，絲帶上的字母根本不成詞，整體構圖也透著股生硬感。不過話說回來，雖然“入職”是假，但討論本身卻是真。首先，谷愛凌的成長背景，本就與風險投資並不遙遠。她的母親谷燕早年畢業於北京大學，後赴史丹佛大學深造。20世紀90年代初進入華爾街，從事風險投資，並嘗試將風投理念引入中國市場，是國內最早一批VC從業者之一。其次，作為橫跨體育與商業的多維符號，谷愛凌的商業價值早就擺在那裡——每年代言費超2000萬美元，合作的都是頭部品牌。即便不進VC，她本身就是個優質“投資標的”。從賽場到校園，她走過的每一步都在拓展“運動員”這個身份的邊界。而這次烏龍事件，某種程度上反而印證了外界對她的想像空間——當一個22歲的年輕人在一個領域做到極致，人們會自然地期待她“下一個戰場”會在那裡。眼下，谷愛凌仍在米蘭冬奧會的賽場上繼續她的征程。本屆她是中國代表團唯一的兼項運動員，和北京冬奧一樣仍是“三線作戰”（自由式滑雪U型場地、大跳台和坡面障礙技巧）。目前，她已經在坡面障礙技巧和大跳台拿下兩枚銀牌，手握五枚冬奧獎牌，創造了自由式滑雪項目的歷史。“這五次奪牌，一次比一次難，而每一次之後別人對我的期待就會變得更高。”谷愛凌在接受採訪時表示，自己已經放下了那些壓力，“我只能做到最好，讓更多女性敢於去嘗試。”在16日的賽後發佈會上，有外國記者拋出尖銳問題：“你會不會遺憾錯過兩枚金牌？”谷愛凌面帶笑容回擊：“這觀點太荒謬了！我是歷史上獲得獎牌最多的女子自由式滑雪運動員，這本身就是最好的回答。”賽場上的她，依然是那個在空中旋轉、落地、穩穩站住的“青蛙公主”。資本市場的喧囂，終究只是場外的背景音。讓滑雪的歸滑雪，讓投資的歸投資。至於這次烏龍——就當看個熱鬧吧。屬於谷愛凌的故事還長，誰也不知道下一章會寫什麼。 (留學生日報)

2026年2月，德勤發佈了《技術趨勢2026：AI從概念驗證邁向價值創造》。這份報告核心揭示：企業AI的焦點已從“我們能做什麼”轉向“如何規模化創造實際價值”，技術變革的速度本身已成為最陡峭的競爭壁壘。本文將從物理AI、數字員工、基礎設施重構、技術組織再造、AI網路安全五大維度，結合報告中的關鍵資料與一線企業案例，拆解這場從“試驗”到“生產”的生死跨越。物理AI：智能走出螢幕，機器人學會摔倒再爬起當AI不再只是對話方塊裡的文字，而是能抓取、行走、避障的實體，工業與服務的邊界正在被重寫。1. 機器人從“程式設計”走向“自適應”傳統機器人執行固定指令，而物理AI系統能夠感知環境、從經驗中學習、根據即時資料調整行為。寶馬工廠內，新車自主完成數公里生產運輸路線；亞馬遜已部署第100萬台機器人，DeepFleet AI系統使運輸效率提升10%。2. 人形機器人的“功能本質”俄勒岡州立大學Jonathan Hurst指出：人不是要造一個“像人的機器”，而是要造一個“能適應人類空間的工具”。雙足形態的意義不在於擬人，而在於窄足跡通過性、動態穩定性、多工抓取能力。瑞銀預測：到2035年，工作場所人形機器人將達200萬台；2035年市場規模預計300億至500億美元，2050年攀升至1.4兆至1.7兆美元。數字員工：11%跑通，89%卡在流程再造不是技術不夠強，而是組織根本沒給智能體設計“工作崗位”。1. 試點擁擠，落地稀缺德勤調查顯示：38% 的組織正在試點智能體，但僅有11% 投入實際生產應用。42% 仍在制定戰略，35% 根本沒有戰略。Gartner預警：到2027年，超40%的智能體項目將被取消。原因不是技術失效，而是企業只做自動化，沒做流程再造。2. 從“自動化”到“矽基勞動力管理”領先企業正在建立智能體入職、績效、生命周期管理框架。HPE開發的智能體“Alfred”整合四個底層智能體，完成從SQL資料分析、圖表生成到報告撰寫的全流程。Moderna已設立首席人才與數位技術官，將人力資源與智能體管理合併。報告明確提出：智能體不是工具，是數字員工。基礎設施：雲優先退場，混合架構成為“新常態”當單月雲帳單衝到數千萬美元，企業開始追問——我的計算錢，到底燒在那了？1. 成本下降280倍，總支出卻暴增過去兩年，大模型推理成本下降280倍，但部分企業每月AI支出仍高達數千萬美元。原因：用量增速碾壓成本降速。2. 三層混合架構成為主流企業正從“雲優先”轉向戰略性混合架構：雲：彈性訓練、突發容量本地：穩定生產推理邊緣：低延遲即時決策戴爾設立架構評審委員會，對每一個AI項目評估“該跑在那”。John Roese直言：改造舊設施比新建AI工廠更貴、更慢。技術組織重構：七成CIO布道，六成企業技術創收AI沒有消滅崗位，但它消滅了“只懂維運不懂業務”的技術管理者。1. CIO角色三重躍遷德勤調查：70%的CIO 自認角色已變為AI布道者或企業級實施者。西部資料CIO直言：“我現在是CIO+CDO+CAIO+CDIO的四合一。”2. 人機團隊與崗位新生未來18個月最搶手的新崗位包括：人機協作設計師邊緣AI工程師合成資料質量專家提示工程師78%的技術領導者 預計未來五年AI智能體將“變革性”嵌入技術架構。64%的企業計畫增加AI投資，技術預算中AI佔比預計從8%升至13%。網路安全：以AI治AI，堵住機器速度的漏洞用人力防機器速度的攻擊？窗口已經關上了。1. 四層風險敞口報告將AI安全風險歸納為四大領域：資料層：訓練資料投毒、敏感資訊洩露模型層：模型竊取、反演攻擊、模型崩潰應用層：輸入注入、越權訪問基礎設施層：API漏洞、供應鏈攻擊、橫向移動2. 以AI治AIAT&T首席資訊安全官Rich Baich指出：“唯一的不同，是速度和影響範圍。”領先企業已部署紅隊智能體進行對抗性訓練。Itaú Unibanco正在用智能體持續測試模型偏見、倫理邊界與對抗魯棒性。結尾德勤用17年的技術趨勢追蹤，給2026年畫下一道清晰的分割線：左邊是試點、右邊是生產；左邊是工具、右邊是員工；左邊是成本、右邊是價值。這份報告最殘酷的洞察並非技術更迭，而是技術採用曲線本身正在急劇收縮——電話用了50年觸達5000萬人，生成式AI用了2個月。那些還在“完善試點”的企業，窗口期已所剩無幾。未來不屬於最懂AI的人，而屬於最快把AI嵌進業務、嵌進流程、嵌進組織血管的人。報告節選(三個皮匠)

2月5日發佈的第57次《中國網際網路絡發展狀況統計報告》顯示，截至2025年12月，中國生成式人工智慧使用者規模達6.02億人，較2024年底增長141.7%；普及率達42.8%，同比大幅提高25.2個百分點。超6億使用者、逾四成普及率，既是人工智慧技術從實驗室走向大眾生活的生動寫照，更為中國全面實施“人工智慧+”行動築牢了最堅實的使用者底座與市場根基。回顧過去，生成式人工智慧如此迅猛地融入中國人的生活與生產，得益於政策、市場與技術的三重驅動。中國國產大模型引領AI技術普惠化浪潮。2025年，中國國產大模型集體崛起，以低成本實現多方面工程技術創新，在保持頂級性能的同時，大幅降低對AI硬體算力的依賴，並在開源平台建構世界級AI產業生態。不再需要昂貴的硬體或專業的程式設計知識，使用者僅通過手機、電腦即可體驗AI便利，“觸手可及”是使用者規模爆發式增長的直接原因。政策的頂層設計與基礎設施建設提供了強大支撐。從“十四五”規劃綱要對數字經濟的戰略部署，到“人工智慧+”行動的全面實施，政策層面為產業發展指明了方向。同時，中國建成全球領先的5G網路和算力基礎設施，為AI應用的流暢運行提供了高速路與加油站。市場的巨大需求與企業的快速響應形成了良性循環。超過九成的使用者首選中國國產大模型，說明本土化應用更懂中國使用者的需求。在生活端，從學生輔助學習、普通人內容創作，到老年人智能適老服務，生成式AI覆蓋全年齡段、全場景需求，真正成為數字日用品。在生產端，鋼鐵、家電、新能源汽車等諸多行業借助AI實現降本增效，技術紅利快速轉化為生產效能。展望未來，6億使用者的規模效應，將全面推動中國社會的數位化與智能化轉型。技術層面，資料要素潛力的釋放將加速大模型的進化。龐大的使用者群體會提供海量的、多樣化的資料反饋。使用者的每一次互動、每一個指令，都是模型學習和迭代的寶貴素材。這將加速模型能力的進化，使其更加精準、智能，從而形成“使用者越多—模型越好—使用者更多”的正向循環，鞏固中國在AI領域的技術競爭優勢。經濟層面，由使用者需求驅動的產業變革，將使柔性生產成為主流，極大地提升全社會的生產效率。6億使用者意味著巨大的市場潛力，這將倒逼各行各業加速智能化升級，企業必須引入AI技術最佳化生產流程、提升產品和服務質量。需求側分鐘級反饋和供給側小時級迭代，將讓“先產後銷”的工業經濟加速進化為“先銷後產”的演算法經濟。社會層面，AI普及正在重塑社會管理方式與創新生態。AI大模型用於政務服務平台，將讓“城市大腦”兼具溫度與精度，既知道誰需要幫助，又能預判那裡有風險。AI降低了創意表達的門檻，讓普通人也能成為內容創作者。AI提供了個性化的學習服務，促進了知識資源的普惠共享。隨著AI技術深度融入衣食住行，它將潛移默化地改變人們的行為習慣與思維模式，推動整個社會向更加智能化、便捷化的方向演進。6億使用者不僅是AI技術的消費者，更是AI技術的價值共創者，共同構築起一個充滿活力、持續進化的智能生態。隨著“人工智慧+”行動的深入推進，未來將有更多人加入AI使用者底座，支撐中國在數位化、智能化的浪潮中，駛向更加廣闊的藍海。 (經濟日報)

上周，蘋果與Google意外宣佈達成一項人工智慧合作協議，迅速在科技行業掀起軒然大波，並推動Google市值一度突破4兆美元大關。根據協議，蘋果將把Google的AI技術整合到自家的移動作業系統中，包括用於升級Siri語音助手。Google首席執行長桑達爾·皮查伊與蘋果首席執行長蒂姆·庫克。近日，兩家公司宣佈達成一項重大合作協議，蘋果智能相關功能包括新版Siri語言助手將採用Google的Gemini大模型及相關AI技術。圖片來源：Anna Moneymaker—Getty ImagesGoogle重獲AI領先地位自2022年11月OpenAI推出ChatGPT後的近兩年間，Google在AI領域的表現曾備受質疑。在追趕OpenAI的ChatGPT和Anthropic的Claude過程中，這家搜尋巨頭似乎步履維艱。Google的聊天機器人Bard及後續Gemini模型曾在公開場合出現事實錯誤，比如推薦在比薩上塗膠水、生成“黑人納粹”這種有歷史錯誤的圖像。然而，Google最新的Gemini 3大模型已成為市面上最先進的模型之一，獲得了使用者和企業的廣泛認可。Google雲服務也吸引了大批客戶，這與它自研的TPU晶片有一定關係。在運行AI模型時，TPU相比輝達的GPU具備成本與速度上的雙重優勢。蘋果在聲明中稱，經過“審慎考量”，認定Google的AI技術為其基礎模型“提供了最強大的支援”。這對Gemini而言無疑是重要背書，而此前蘋果一直首選OpenAI作為“蘋果智能”的技術供應商。美銀分析師認為，此次合作鞏固了“Gemini作為移動裝置端領先大語言模型的地位”，並有助於增強投資者對Google搜尋業務穩定性及長期盈利能力的信心。AI智能體初創公司創始人、劍橋大學賈奇商學院戰略與政策講師哈姆扎·穆達西爾指出，蘋果的選擇可能不僅基於技術能力的考量。由於蘋果禁止合作夥伴使用其使用者資料訓練模型，穆達西推測，蘋果可能認為，Google所能夠提供資料隱私和智慧財產權方面的保障是OpenAI和Anthropic難以企及的。合作也將為Google帶來直接的營收增長。儘管相關財務細節尚未披露，但據彭博社早前報導，蘋果可能每年會向Google支付約10億美元的技術使用費。不過對Google來說，這項合作更大的意義在於擠進了蘋果的管道。蘋果在全球擁有大約 15億iPhone使用者。通過為新版Siri提供支援，蘋果使用者未來通過Siri進行網購或消費，Google都有望從中獲得一定的分成。長遠看，Gemini聊天應用未來甚至可能預裝到新款iPhone中。對蘋果而言，此次合作有利有弊蘋果首席執行長蒂姆·庫克。圖片來源：David Paul Morris/Bloomberg via Getty Images有利的一面是，蘋果能夠向使用者提供功能更強大的Siri語音助手等功能，成本較低，而且保障了使用者的隱私。韋德布什證券公司分析師丹·艾夫斯表示，該合作為蘋果“加速推進2026年及以後的AI戰略奠定了堅實的基礎”。然而，蘋果仍需依賴外部合作夥伴提供核心AI功能暴露出其短板。擅長垂直整合的蘋果，在自研大語言模型方面卻仍面臨重重困難。生成式AI時代開啟以來，這個難題始終困擾著蘋果。2025年，多項“蘋果智能”功能推遲上線，新版Siri發佈也一再延期。這些延誤不僅損害了蘋果作為科技領軍者的聲譽，也引發了使用者的不滿。甚至有使用者因為iPhone 16廣告中宣傳的AI功能未能如期上線，而對蘋果提起了集體訴訟。蘋果CEO蒂姆·庫克曾承諾2026年推出升級版Siri，外界普遍預期會搭載蘋果自研大模型。但顯然蘋果自有模型尚未準備就緒，最終轉向了Google的技術。未來科技集團的分析師丹尼爾·紐曼指出，長期以來，憑藉龐大的使用者基數和銷售網路，蘋果在追逐AI等新趨勢時可以更從容，但2026年對蘋果來說是“成敗攸關的一年”。日前，庫克已經對公司的管理層進行了人事調整，任命一位曾參與GoogleGemini項目的高管負責AI業務。如果蘋果智能的延期發佈確實與隱私與安全有關，那麼使用者的等待或許是值得的。理想情況下，蘋果希望打造一個既能媲美頂尖模型，又能完全在iPhone上本地運行，而不需要將使用者資料上傳到雲端。穆達西爾認為，蘋果可能正攻克模型功耗與散熱等技術難題。與Google合作，既可以為蘋果爭取時間，在模型壓縮與架構設計方面實現突破，又能夠在一定程度上緩解來自華爾街的壓力。部分支援蘋果的人指出，蘋果從來不是新技術的先行者，例如世界上第一款MP3播放器、智慧型手機、無線耳機、智能手錶，都不是蘋果發明的，這家科技巨頭卻總能憑藉設計創新和行銷策略而後來居上。蘋果也有從合作夥伴學習關鍵技術而後自研的傳統，如晶片。而在搜尋領域，蘋果Safari瀏覽器長期整合Google搜尋，並未自研，也沒有影響其發展。未來蘋果在AI領域是否會複製這樣的模式，尚待觀察。對OpenAI無疑構成利空OpenAI首席執行長山姆·奧爾特曼。圖片來源：Florian Gaertner/Photothek via Getty Images蘋果與Google的合作並非排他性協議，意味著蘋果可能仍然會在部分“蘋果智能”功能中採用OpenAI的模型，但蘋果選擇與Google合作，對OpenAI來說無疑是一記重擊。這強化了一種觀點：Google不僅追上了OpenAI，更在模型能力上實現反超。一旦失去蘋果生態，OpenAI將難以實現使用者群的進一步增長。目前，OpenAI聲稱它的周活躍使用者超過8億人，但近期資料顯示增長可能放緩。OpenAI首席執行長山姆·奧爾特曼曾稱，許多人已經將ChatGPT視為AI的代名詞。但是在蘋果使用者通過Siri體驗過Gemini模型的出色性能之後，這種認知可能會發生改變。奧爾特曼上月對媒體表示，他認為蘋果是OpenAI的長期主要競爭對手。OpenAI正聯合蘋果前首席設計師喬尼·艾夫研發新型AI裝置，旨在挑戰智慧型手機作為AI助手主要載體的地位，這款裝置有望在今年亮相。以前，只要蘋果還依賴ChatGPT為Siri提供技術支援，OpenAI就能清晰瞭解競爭對手的能力。但今後，OpenAI恐怕很難再深入瞭解蘋果AI的進展，從而難以將其新產品定位為“iPhone殺手”。OpenAI希望通過這款新裝置，將使用者牢牢鎖定在自己的系統中，這種做法有些類似於蘋果硬體+iOS的閉環生態，能夠有效防止使用者流向功能相近的競品。另外，OpenAI還要繼續推進技術突破，從而具備超越Google的決定性優勢，並長期保持。唯有如此，OpenAI才有可能促使蘋果未來重新加大對它的技術依賴。又或者，彎道超車的OpenAI，或許真的有可能憑藉一款跨時代的AI硬體，終結對蘋果裝置和管道的依賴。（財富中文網）編者語曾被質疑落後的Google，憑藉TPU晶片、Gemini模型和雲生態的綜合優勢，贏得了最挑剔的客戶蘋果的認可，標誌著AI競賽已從模型能力的單點比拚，升級為“晶片—模型—雲—生態”的全鏈條對抗。選擇GoogleGemini驅動Siri，而非堅守“全端自研”，證明在AI時代，頂尖的技術實力與擁有龐大使用者的硬體生態結合，才能形成更強的競爭力。對於建構生態圍牆的中國手機廠商與AI公司，開放合作也是一個打開市場空間的可選項。 (財富FORTUNE)