2025年12月20日，法國最大通訊社法新社發佈報導《中國AI開源模型以高性價比悄然打入美國市場》，其中引述中國人民大學重陽金融研究院院長、全球領導力學院院長王文觀點：“中國開源模型價格低廉，甚至免費，而且效果很好”。該觀點在全球科技與政策圈廣泛傳播，美國《巴倫周刊》、新加坡《海峽時報》、法國France 24、沙烏地阿拉伯《阿拉伯新聞》、印度《今日傳播》、越南《勞動報》等六國15家頂級媒體密集轉引。以下為相關報導情況：12月20日，法新社發佈題為《中美AI競賽中，中國技術悄然打入美國市場》的報導，開篇即拋出一個震撼案例：一位美國企業家因將底層模型切換至阿里巴巴千問，實現每年節省40萬美元。文章指出中國開放模型的全球使用率已從2024年底的1.2%飆升至2025年8月的近30%。中國的主流模型以實際表現證明，開源路徑完全可以兼具高性能與低成本，從而改寫了技術選擇的遊戲規則。文章重點提及了王文的觀點：“中國的開源模型價格低廉，在某些情況下甚至是免費的，而且效果很好。”來自美國、法國、新加坡、沙烏地阿拉伯、印度、越南六國的15家核心媒體轉引這一觀點。《巴倫周刊》（Barron’s）、美國線上（AOL）、雅虎財經（Yahoo Finance）、《商業時代》（New Business Age）等面向歐美精英階層的主流財經與資訊平台迅速轉引。新加坡《海峽時報》（The Straits Times），印度《今日傳播》、《印度時報》、《歐亞時報》，法國國際新聞台（France 24），阿拉伯世界頗具影響力的《阿拉伯新聞》（Arab News）亦跟進轉載，將討論推及更廣闊的歐亞大陸。▲部分報導截圖如上這是2025年中國人民大學重陽金融研究院（人大重陽）在AI領域面向國際輿論場的又一次有力發聲。早在2025年年初，當DeepSeek在全球科技市場引發震動，人大重陽就已開始聚焦其全球影響，迅速啟動相關專題研究。2月23日，在人大重陽承辦的通州·全球發展論壇（2025年春季）“DeepSeek中國人工智慧、跳躍式發展與全球2050目標”主題研討會上，首份DeepSeek高校智庫評估報告《大跳躍：美國智庫、媒體與行業論DeepSeek中國人工智慧》（該報告論文版發佈於核心期刊《智庫理論與實踐》2025年3月第10卷第2期，作者係人大重陽院長王文、副研究員申宇婧、助理研究員金臻）一經發佈，隨即引發熱烈反響。▲2025年2月23日，通州·全球發展論壇（2025年春季）“DeepSeek中國人工智慧、跳躍式發展與全球2050目標”主題研討會在中國人民大學召開報告建議，應該客觀冷靜看待中國AI的發展階段與競爭格局，在制度建設、人才培養、企業創新等各個層面，以長期主義推動中國AI可持續發展，踐行“科技為民、科技惠民”理念，在積極參與人工智慧國際治理的同時，要守住AI發展紅線，警惕技術發展失控危機，引發40余家中外媒體轉引報導。▲報告封面如上3月1日，人大重陽宏觀研究部副主任、副研究員申宇婧在“長安街知事”微信公眾號發表文章呼籲變革AI實力評價標準，批判單純堆砌參數的“冷冰冰”路徑，力主中國“降本、增效、協同、普惠”的發展哲學，將DeepSeek的普及定義為一場深刻的社會革命。11月5日，在第八屆虹橋國際經濟論壇上，王文受邀做客央視新聞直播間，以“AI上進博，未來科技有多炸”為主題，解讀在全球科技競爭加劇的前提下，創新與合作如何雙向發力：“以人工智慧為代表的新一代工業革命，中國走在了世界最前沿，中國通過一代、兩代、三代人的不懈努力，有了科技自信的資本……而進博會提供了很好的平台，讓這些真正摸得到、感知的到、享受的到的智能產品惠及到每一個普通人。”▲部分報導截圖如上11月，王文與澳門科技大學博雅學院助理教授張夢晨在學術期刊《理論建設》2025年第6期發表論文《AI時代的全球領導力重塑：範式演化、政治哲學轉向與中國路徑》。系統闡釋了AI時代全球領導力正從“控制型”霸權向“共建型”範式演化，剖析美國“領導力赤字”，並為中國提出融合頂層設計、技術自主、數字外交與“數字命運共同體”建構的完整行動路徑。 (人大重陽)

日前，在崑山的人工智慧創新大會（HAIC 2025）上，中科曙光展示了首個中國萬卡級AI超叢集－scaleX 萬卡超節點真機。這是中國AI算力史上的一個標誌性時刻，超節點真正意義上邁入萬卡紀元。Scale X萬卡超級群的落地，不僅是一次超節點技術的權利交接，更是中國AI算力基礎設施在發展路徑上給出的新答案。超節點之始三年前，國內的AI 算力體系基本上都得靠輝達，不管是GPU 加速卡、NVLink 高速互聯技術，還是CUDA 軟體棧，都是NV的東西。這套方案幾乎成了行業默認標準，也讓整個產業鏈對這一家供應商的依賴越來越明顯。轉折點就出在輝達晶片的出口限制上。高階GPU 一缺貨，再加上CUDA 生態不對外開放、NVLink 技術也不給授權，國內廠商這下不得不琢磨一個現實問題：要是沒了輝達，我們自己能搭起什麼樣的算力體系？最先給出答案的是華為，它走了一條「全端自研」 的路，從底層晶片、互聯技術，到上層框架軟件，全都是自己研發的。後來橫空出世的384 超節點，也延續了這種縱向一體化的思路，晶片、通訊協議、操作系統和框架生態全是自研。靠著系統層面的高度一致性，它的效能相當能打：通訊延遲只有2.1 微秒，單機櫃算力達到300PFlops，PUE 還能穩定在1.1 左右。單看這些參數，確實能和輝達掰手腕。不過和輝達一樣，華為也選擇了「封閉自洽」 的路線。這種模式雖然能把資源效率拉滿，技術把控力也強，但短板也很突出：生態相容性比較受限，整個產業的協同推進速度也會慢一些。走向岔路口在全球AI 算力領域，超節點被視為下一代智慧計算的核心單元。它可以把幾十、幾百甚至上萬張AI 加速卡，整合為一個統一的邏輯節點，將通訊時延壓縮到微秒等級，以此突破傳統算力叢集的通訊瓶頸。這樣的技術優勢，也吸引了許多行業巨頭入局佈局。 2025 年下半年，阿里、浪潮、曙光就先後推出了各自的超節點產品。這三家廠商選擇的技術路線，和華為有所不同。它們以「開放架構」 為核心，走出了一條全新的道路，致力於打造屬於中國的AI 算力底層基礎。其中，發佈時間相對較早的浪潮“元腦SD200” 和阿里“磐久128”，共同搭建起了國產開放架構體系的雛形。浪潮這款產品主打多品牌GPU 異構計算，還創下了8.9 毫秒生成token 的亮眼紀錄；阿里的產品則依靠開放協議整合不同互聯標準，成功搭建出「雲超節點」。而中科曙光在HAIC 大會上推出的scaleX 萬卡超節點真機，也是備受矚目。此系統由16 個scaleX640 超節點互聯組成，總共部署了10240 張AI 加速卡，總算力突破5EFlops。它搭載的自研scaleFabric 高速網絡，帶寬能達到400Gb/s，端側延遲不到1 微秒。同時，曙光採用浸沒相變液冷技術，將單機櫃的PUE 壓低至1.04，堪稱名副其實的算力巨獸。更關鍵的是，這款產品不繫結任何單一晶片廠商。 scaleX640 能夠相容於寒武紀、壁仞、登臨等多個品牌的加速卡，並且已經適配了400 多個主流大模型和AI 框架。這也意味著，中國的AI 算力真正具備了「多晶片共存」 的能力，實現了算力生態的多元化發展。去輝達化隨著國產算力廠商的集體突破，「去輝達化」 早已不是一句口號，而是中國保障算力安全、推進自主創新的共同需求。從2023 年起，美國多次收緊對華高性能GPU 的出口限制，A100、H100 等主力型號相繼被列入管控清單，輝達的超節點NVL72 也是在限制之內。儘管近期美國政府對部分型號的限售政策略有鬆動，但覆蓋範圍也僅限於H 系列。再加上先前有消息指出輝達晶片可能存在安全後門，相關的安全風險進一步凸顯。這一系列變化，倒逼中國AI 產業加速尋找替代方案。但我們的核心目標，不是簡單再造一個類似輝達的企業，而是要搭建一套具備可替代性的完整算力生態系統。目前來看，國內已經湧現出兩套頗具代表性的發展路徑：一條是走封閉全棧的縱向整合路線，以華為昇騰為典型代表；另一條則是主打開放協同，像曙光、浪潮、阿里這些企業都在這條賽道上發力。在落地應用層面，各家的產品也已嶄露頭角。華為的CM384已經發貨很多套，在貴州的數據中心正常使用運營；浪潮的SD200 已經在多個模型推理平台實現商用，成為DeepSeek 與Kimi 等大模型的重要算力支撐；阿里的磐久128 在雲端搭建起大規模叢集，承擔起多模型協作的基礎設施角色；更是已經落地上海、杭州等地的智算中心，也被納入國家級算力調度工程的採購清單。更值得關注的是，開放路線的推進，也帶動了國產晶片的大規模落地應用。曙光的scaleX 體系已經完成了對壁仞BR 系列、登臨、寒武紀MLU 等多款國產加速卡的適配，浪潮和阿里也在為本土GPU 提前預置驅動環境。這意味著，國內的算力基礎設施不再依附於單一的輝達生態，轉而形成了以中國廠商為核心的開放式協作系統。“過去幾年大家都在埋頭造芯，現在終於有地方能讓這些晶片真正跑起來了。” 一位業內人士這樣感慨，“這其實比單純拿到訂單更有價值，它標誌著中國AI 算力體系開始具備自我造血的能力。”2025 年，堪稱中國AI 算力體系發展的「拐點之年」。封閉路線憑藉其技術優勢，佔據著性能高地，代表著極致的算力表現與可靠的可控性，在特定場景中具備不可替代的價值；開放路線則貼合產業發展的現實需求，有力推動了算力普惠與生態繁榮，為行業帶來了更多可能性。國內算力產業的發展邏輯也在悄悄轉變：不再是單一維度的表現比拚，而是更注重不同晶片的高效協同；不再是不同體系間的孤立較量，而是趨向於多元生態下的共生共贏。中國AI 算力的未來，很可能就藏在這兩條路線的共存與平衡之中，被重新書寫與定義。 （傅立葉的貓）

在中國AI發展史上，2025年註定會是里程碑式的一年。1月27日，DeepSeek憑藉發佈僅一周的開源推理大模型DeepSeek-R1，在蘋果應用程式商店中國區和美國區的免費榜上雙雙獲得第一，震驚世界。儘管隨著千問、豆包等大模型的崛起，DeepSeek在很多排名中不再名列前茅，但其貢獻將永載史冊。12月5日，張亞勤教授在人文清華講壇演講時說，DeepSeek在演算法、技術、系統架構上都有創新，它用1%的算力就可以達到和美國前沿大模型相似的能力。“DeepSeek出來之後，咱們和美國的差距可能就從之前的2～3年縮短到2～3個月，而且在有些應用方面，我們可能做得更好”。中國網際網路從1995年左右起步，先後經歷了PC網際網路、移動網際網路和物聯網時代。張亞勤認為，現在進入了智能體網際網路（Internet of Agents）的新時代。所謂智能體（Agent），就是具備自主智能的系統——你只需要給它設定一個目標，它就能自主規劃任務、不斷迭代，甚至自我試錯，最終達成目標。這非常像人類的行為：有個目標，自己就會去規劃路徑，依靠各種記憶和判斷去實現。未來已來。12月1日，字節跳動豆包團隊發佈了“豆包手機助手技術預覽版”，通過和中興通訊努比亞手機合作，展示了一系列驚豔表現——豆包手機助手根據使用者指令，可以在多款App應用之間自動跳轉，完成查票訂票、商品多平台比價下單、定製出行攻略、批次下載檔案等任務，完全自動化執行。智能體網際網路真的來了？毫無疑問，是的。智能體網際網路的“Aha moment”手機助手本身並非新生事物。2011年蘋果就發佈了siri，使用者可通過語音指令完成資訊查詢、電話撥打、消息傳送、裝置尋找等功能。但這樣的助手只能呼叫單個App應用，比如你要它“打開微信”它就給你打開微信。而當你提出一些跨應用、多步驟的複雜指令，如“對比一下淘寶閃購、美團、京東同款麥辣雞翅的價格，選個最低價，下單到指定地址，然後截圖發給指定聯絡人”，又如“下周我要出差，先去北京再去廣州，幫我訂一下機票和酒店，最後生成一張清單”，等等，它就一籌莫展了。這樣的多步驟複雜任務，恰好是豆包手機助手的用武之地。你只要說一聲，它就會在你手機所有的購物App裡搜尋同款商品，對比價格和規格，自動領券，選擇最低價，最後通知你“接管操作完成支付下單”；當你準備出差，它會按你的吩咐，在公司辦公軟體上向經理提交出差申請，然後訂好機票酒店；當你想給女兒推薦幾個禮物放進購物車時，如果你設定開啟的記憶中已儲存有女兒的年齡、興趣等資訊，它可直接查詢符合女兒年齡、偏好的方案，無須你再逐一交代細節……這些前所未有的新體驗，讓豆包手機助手初出茅廬就成為智能體網際網路的一個“Aha moment”，也為2025年的中國AI發展貢獻了一部“收官之作”。一石激起千層浪然而，和年初DeepSeek發佈時贏得的普遍都是掌聲相比，豆包手機助手發佈後，則是一石激起千層浪。有人盛讚，AI操作手機、AI助手一定會遍地開花，我們的生活也會完全離不開它，將來的人們會記住這歷史性的一天；有人評價，豆包和中興通訊做的這件事，是通過跟系統、跟硬體廠深度綁在一起，讓豆包獲得系統級權限，可以橫跨所有App看通知、讀頁面、點按鈕，從一個App升級成手機系統內常駐的大腦，成為作業系統的一部分而不是普通的第三方軟體，這是AI時代的手機新入口；有人擔心，AI手機助手依賴高等級的系統權限，能在執行使用者指令的操作過程中讀取到螢幕內容——包括銀行卡資訊和聊天記錄，會帶來安全隱患；也有一些國民級應用App、金融機構App迅速截停了豆包手機助手，使用者在手機上無法呼叫，或遭遇異常退出、無法再次登錄。更深層次的討論也開始了——若使用者習慣將操作完全交由AI助手代理，各種App都將被“管道化”，以流量分發為核心的網際網路商業模式將會被顛覆；而對手機廠商來說，將從“硬體製造商”變為“AI服務分發商”，其賣點不再是硬體參數的堆積，而是能否接入最強AI能力，提供最豐富和高效的場景服務。豆包手機助手到底是什麼？其實，它是在豆包App的基礎上，和手機廠商在作業系統層面合作的AI助手軟體。目前還只有一款和中興通訊合作的工程樣機，也只面向開發者和科技愛好者少量發售。在官方視訊的結尾，豆包手機助手特別提示，“儘管演示內容均為真實錄製，但受限於大模型技術的不確定性，相關場景無法保證百分百復現。當前產品實際可用性與團隊預期仍有差距，未來仍將持續迭代最佳化”。可見，它還是剛剛起步。但沒想到，發佈當日，中興通訊A股漲停，在行業和社會迅速引起巨大波瀾。在被一些App截停後，豆包手機助手發佈了《關於微信登錄異常的情況》《關於調整AI操作手機能力的說明》等公告，澄清了所謂“未經授權獲取系統權限”的謠言，指出豆包手機助手在努比亞手機上擁有系統級的INJECT_EVENTS權限，所以其相關產品才能跨屏、跨應用模擬點選事件，完成使用者操作手機的任務需求，它也不會代替使用者進行相關授權和敏感操作。關於使用者隱私，豆包手機助手表示，不會在雲端儲存任何使用者螢幕內容。“當使用者給助手指令，要求操作手機時，助手確實需要讀取螢幕，否則無法完成使用者任務，但螢幕和操作過程都不會在伺服器端留下儲存，且所有的相關內容也都不會進入模型訓練，確保使用者隱私安全。”豆包助手再次強調，此次發佈的是“技術預覽版”，是面向行業、AI技術愛好者的探索產品，提示普通消費者謹慎選擇。豆包助手還表示，計畫在接下來的一段時間，在部分場景對AI操作手機的能力做一些規範化調整，如限制刷分、刷激勵的使用場景，進一步限制金融類應用的使用，限制部分遊戲類使用場景等。顯然，豆包手機助手的社會影響大大超出了團隊預想，因此團隊開始採取一種“退”的姿態。退一步，進行調整，並努力和App們以及手機廠商達成共識，找到合作模式。一場技術上的顛覆式創新，開始步入社會化共識與服務規則的形成期，以及新舊利益如何分配的磨合期。但無論如何，因為豆包手機助手的發佈，中國的網際網路服務掀開了新的一頁，即從App主導到智能體驅動。這一頁既已掀開，就不可能再倒回去。為什麼是豆包？豆包手機助手和中興通訊合作的AI手機，顯示出“大模型+手機廠商”的清晰趨勢。在國內，華為、vivo、小米、OPPO、榮耀等手機廠商都在佈局AI智能體賽道，都有自己的AI助手，都在個性化互動、跨應用執行方面探索。大模型初創公司智譜去年10月也曾官宣推出了端側AI智能體，可以訂外賣、訂票、回覆微信，智譜還與三星在AI手機領域達成戰略合作；在國際上，蘋果去年6月發佈了Apple Intelligence，定位為系統級AI助手，但直到iPhone 17系列仍未完全落地。GoogleGemini也在與三星深度合作，強化其語音助手Bixby。大家都在做AI手機助手，為何唯有豆包一鳴驚人，真正讓使用者眼前一亮？單從技術實現路徑看，豆包助手和別的助手採用的都是圖形使用者介面智能體（GUI Agent）技術。該技術通過多模態大模型，即時解析手機螢幕截圖，識別出按鈕、文字、圖示等UI元素，然後呼叫作業系統提供的服務，模擬人的手指動作。只要人在螢幕上可以手動完成的操作，從理論上說，GUI Agent都能代勞。在過去，使用者必須通過手動方式在不同App間切換，才能完成複雜任務。這是因為，如果使用者想讓AI與App互動，App開發者必須主動開放資料和功能介面，而基於安全、商業利益等考慮，App們並不會開放。GUI Agent的邏輯不是請求App們的許可，而是直接模仿人的點選、滑動、輸入等動作，跨應用完成操作。當然，這裡有一個前提，就是與手機作業系統在系統層面深度整合，獲得系統級權限來呼叫各種App。那麼，是不是有了GUI Agent，再加上擁有系統級權限、避免了APP的“玻璃牆”限制，就能做好AI手機助手呢？也不是。否則，手機廠商已經先發先至了。其實，在手機助手跨應用自動執行任務的背後，涉及到多種技術能力，如通過自然語言精準理解使用者的複雜、多步驟指令，將使用者需求拆解成多個子任務，知道呼叫什麼App去執行什麼任務，以及在自動完成操作後根據結果進行反饋調整、持續改善。並不只是獲得系統級權限去呼叫App那麼簡單。AI手機助手的本質，是基於大模型技術，通過模擬人類點選和圖形處理實現智能互動。其關鍵在於預訓練模型的研發，以及在預訓練、後訓練和業務理解這三個環節上是否有突破，有創新。在中國網際網路公司中，字節跳動是對AI技術投入最大、時間最久的之一。除了眾所周知的推薦技術，在大模型之前，字節跳動也在量子化學、AI蛋白質設計等領域有諸多投入。為了發展大模型業務，字節跳動單獨設定了“豆包股”長期激勵，鼓勵內部創新，鼓勵開展有技術高度的創新，以建立壁壘。雖然字節跳動的大模型業務不是全球最早，但轉型迅速，在基礎設施如萬卡叢集訓練等方面投入巨大，且穩定性很好，為技術實現奠定了基礎。豆包手機助手一出生就與眾不同，極大刷新了使用者體驗，和豆包大模型在視覺理解、推理、GUI（圖形介面）識別等方面均處於國際第一梯隊是分不開的。在中國大模型公司中，豆包對“蒸餾”的限制最嚴格，這也避免了依賴他人的模型導致“屋下架屋”、效果受限等問題。“通過模擬人類點選進行圖形處理”，這個概念早就有人提出，並不新鮮，其他手機廠商和App廠商也都在做，但從豆包手機助手的實測和使用看，字節跳動是國內首個從技術能力上能把這一技術真正做到可用程度的企業。當有些廠商還在為“如何讓助手生成更流暢的文字”努力時，豆包手機助手已經能自主絲滑地完成複雜操作，這就是技術優勢所拉開的代際差距。所以，豆包手機助手的超常表現，歸根結底在於技術領域的硬核創新。這和之前DeepSeek在混合專家模型（MoE）架構和多頭潛在注意力機制（MLA）等方面的自主創新頗為相似，都是先站上技術的高地，接著才有出眾的產品。AI手機助手的下一步儘管豆包手機助手展現出了新互動模式的巨大潛力，但它要真正進入千家萬戶，還有很長路要走。除了自身的產品迭代最佳化，以及讓使用者更加放心（比如爭取在不久的將來，在本地端側模型上實現和雲端同樣的效果），它還需要和行業各方有更充分溝通，以共建更清晰、可預期的規則。就眼前遭遇的被一些App封禁的問題，豆包手機助手需要將心比心，和它們坦誠協商，以解決在技術預覽版手機上的使用限制問題。長期而言，則要努力探索合作與分享的具體機制安排。豆包手機助手已明確“無自研手機計畫”，而是希望通過生態合作模式，嵌入不同品牌的手機機型。這是一種開放的態度，將有利於合作的達成。有專家預測，在智能體網際網路時代，有可能形成“使用者付費+廠商分成”的模式：使用者為智能助手的便捷服務支付少量費用，豆包與合作的App廠商按一定比例分配收益；對於免費的App應用，則可通過流量導流、資料共享等方式實現共贏。在這個過程中，最難跨越的關隘，還是現有App生態的流量與利益格局。同時，手機大廠是否願意合作，以何種方式合作，也存在大量博弈空間。可以設想的是，不管豆包手機助手有多麼強大，未來都不可能只有一個AI手機助手。既然是大勢所趨，必然會引來多個參與者。就像電商App，有淘寶，也有拼多多，有京東，有抖音電商，等等。當然，因為手機助手更像“大腦”，使用者在使用、比較之後，大機率會選擇某一個可信賴的助手，長期使用，越用越習慣，而不太可能像電商App一樣，同時使用幾個。騰訊總裁劉熾平在2025Q3財報電話會上表態，微信最終將推出自研AI智能體，讓使用者在微信生態內即可利用AI完成多項任務。當豆包手機助手點亮了一盞燈，一定會帶動和加速更多盞燈亮起來。這對於廣大使用者一定是好事。就此而言，無論怎樣的超級App，都應該避免簡單基於商業競爭的考量，用“一刀切”的方式否定使用者合理使用AI的權利。因為當它們將來要推出手機助手的時候，也會面臨和今天豆包類似的問題。無論最終模式如何，豆包手機助手的創新都值得鼓勵。App時代的“多應用切換”是使用者的痛點，誰能更好地解決這個痛點，誰就會得到使用者的認同。使用者也將成為這場智能化變革的最大受益者。從生成式AI到智能體AI，從移動網際網路到智能體網際網路，從App林立到AI手機助手統籌，豆包手機助手用一個個具象化的場景，讓使用者感受到大模型等技術帶來的便利。它雖然還沒有正式發佈，卻已讓人們看到，智能體AI將徹底改變我們與手機的互動方式，讓科技真正服務於生活本身。人工智慧時代的新黎明正在降臨。不管還有多少挑戰和難題，新質生產力都將穿越，也必將穿越。 (秦朔朋友圈)

任正非：美國想用AI“造神”，中國要用AI“做事”在人工智慧狂飆突進的今天，全世界都在談論大模型、算力競賽、通用智能（AGI）甚至“超級智能”。有人預言AI將取代人類，有人擔憂它會失控，還有人把它當作通往“數字永生”的階梯。但81歲高齡的任正非，在華為上海練秋湖畔的貝殼圖書館裡，面對一群來自30多個國家的ICPC世界程式設計冠軍，卻說了一句看似樸素、實則振聾發聵的話：“美國在探索‘人是什麼’‘人類社會的未來是什麼’，而中國是在研究‘怎麼做事’。”這句話，被我們濃縮為一句更直白的表達：美國想用AI“造神”，中國要用AI“做事”。這不是貶低，而是一種清醒的戰略選擇。一、“造神” vs “做事”：中美AI路徑的根本分野在任正非看來，中美在AI發展上的差異，本質上是哲學取向與現實需求的不同。美國：由Meta、OpenAI、Google等巨頭引領，執著於通用人工智慧（AGI）甚至超級智能（ASI）。他們追問的是： “意識能否被覆制？”“人類是否會被替代？”“AI能否成為新文明主體？”這是一場關於“存在”的宏大實驗，目標是“完整地解決一個問題”——比如，重新定義“人”。中國：則把目光投向了高爐、礦井、港口、醫院和鐵路。華為不關心AI能不能寫詩或談戀愛，而是問：能不能讓高爐煉鐵效率提升1%？能不能讓礦工穿著西裝在地面操控地下700米的採煤機？能不能讓西藏牧民用一個超聲探頭，把肝包蟲資料傳到3000公里外的深圳？……這些場景沒有炫目的技術術語，卻直接關乎安全、效率、民生與國家生產力。正如任正非所言：“發明AI頂多成就一家IT公司，應用AI卻能強大一個國家。”“IT公司對人類的貢獻佔2%，產業應用將佔98%。”二、AI不在雲端，而在“田間地頭”很多人以為AI是實驗室裡的產物，但在任正非的敘事中，AI早已“下凡”：在鋼鐵廠：大模型即時推演高爐每層溫度，動態調整燃料配比，提前兩小時預測鐵水矽含量；在煤礦：通過視訊拼接+AI預警，實現瓦斯、透水、塌方的毫秒級響應，礦工從此告別“灰塵滾滾”；在醫療：瑞金醫院用病理大模型輔助診斷切片，中山眼科靠手機拍照遠端篩查眼病；在交通：中國高鐵每天調度超萬列，12306節假日流量堪比“全球最大網際網路”，背後是多模態AI與5G-R網路的協同；在港口：天津港、秘魯錢凱港已實現全流程無人裝卸——集裝箱自己“走”上船。這些不是未來幻想，而是正在發生的現實。任正非強調：“我們聚焦在未來3–5年能落地的應用。” 因為只有落地，AI才不是泡沫；只有產生價值，技術才有生命。三、算力會過剩，但“有用”永遠稀缺面對學界對“算力不足”的焦慮，任正非給出一個反常識判斷：“未來算力是過剩的。”他的邏輯很清晰：晶片、叢集、頻寬的技術演進是線性的，但真實需求是非線性的。今天建100個大模型或許浪費，但明天可能只用3個就能服務千行百業。真正關鍵的，不是模型有多大，而是能不能解決具體問題。而這，需要的不是更多“科學家”，而是千千萬萬懂行業、懂場景的應用工程師。“模型怎麼對社會有用？這不是你該擔心的——那是行業工程師的事。”這種分工思維，正是華為作為“技術轉化者”的底層邏輯。四、給青年的忠告：別怕質疑，敢去“摸高”，也敢“種地”在這場座談中，任正非多次提到青年。他鼓勵年輕人：“敢於走在潮流最前面”，那怕被質疑；“不要在乎是不是有錢，青春會不會犧牲”，要看到“造福人類未來”的意義；“能摸高就別摸低”，但若從“喜馬拉雅”下來“種地養豬”，也是英雄。他特別提到：中國青年已不再盲目羨慕國外高薪，“就羨慕自己，趕快把事情做出來”。這背後，是一個民族自信的悄然崛起：我們不再只是追趕者，而是問題的定義者、方案的提供者。結語：AI的終極意義，是讓人活得更好任正非沒有否定美國的“造神”之路。他承認那是科學家的使命，是人類對未來的必要探索。但他更堅定地指出：在當下這個階段，中國必須選擇一條更務實、更親民的路——用AI解決發展問題，創造真實價值。當煤炭工人能打著領帶上班，當邊遠牧民能享受頂級醫療，當高鐵調度系統在春節高峰依然穩定運行……這才是AI最動人的模樣。不是取代人類，而是解放人類—— 從危險、重複、低效的勞動中解脫出來，去創造、去思考、去生活。所以，與其爭論AI會不會成“神”，不如先問問：它能不能幫我們，把今天的事，做得更好一點？ (向陽光明草)

China's AI Power Play: Cheap Electricity From World's Biggest Grid內蒙古烏蘭察布正在建設中的資料中心。|安德烈亞·韋爾德利為《華爾街日報》拍攝的照片2025年12月10日晚上9:00（美國東部時間）美國發明了最強大的人工智慧模型，並控制著最先進的電腦晶片，但中國在全球人工智慧競賽中卻有一張王牌。中國如今擁有全球規模最大的電網。 2010年至2024年間，中國的發電量成長超過了世界其他地區的總和。去年，中國的發電量是美國的兩倍多。一些中國資料中心目前的電費不到美國資料中心的一半。「在中國，電力是我們的競爭優勢，」中國國家資料管理局在3月表示。對電力霸權的爭奪正在改變內蒙古偏遠地區的面貌。這片類似德州的廣袤土地，如今遍佈數千颱風力渦輪機，輸電線路縱橫交錯。它們為官員所稱的「草原雲谷」提供電力，那裡有超過100個數據中心正在運營或建設中。這僅僅是個開始。摩根士丹利預測，2030年，中國將在電網項目上投入約5,600億美元，比前五年增加45%。高盛預測，到2030年，中國將擁有約400吉瓦的剩餘電力容量，約為屆時全球資料中心預期用電量的三倍。OpenAI將它稱為美中之間的“電子鴻溝”，這已成為美國科技領袖們極為關注的問題。微軟執行長薩蒂亞·納德拉表示，該公司擔心自身電力供應不足以驅動其採購的大量晶片。有些公司希望華盛頓方面能採取更多措施，簡化審批流程或提供財政支援，以推動美國電網的現代化。摩根士丹利預測，未來三年，美國資料中心可能面臨44 吉瓦的電力缺口，相當於紐約州夏季的電力供應量，這對美國的AI 雄心壯志構成了「嚴峻的挑戰」。在中國，低廉的電力成本幫助包括DeepSeek在內的AI公司以比美國競爭對手更低的成本開發出高品質的AI模型。這也幫助中國克服了國產晶片性能落後帶來的挑戰。透過將這些晶片大量捆綁在一起，中國或許能夠接近輝達先進晶片的性能，但這個過程需要消耗更多的電力。內蒙古境內輸電線路縱橫交錯，烏蘭察布市周邊地區亦然。中國此次電力戰略升級源自於政府2021年公佈的「東數西算」計畫。該項目旨在利用西部豐富的電力資源，滿足人口稠密的東部地區人工智慧驅動的計算需求。中國還計劃在2028年將數百個資料中心連接起來，建構一個覆蓋全國的共享計算池——也就是一些人所說的「國家雲」。數十億美元的計劃支出，加上一些未充分利用的電力和數據中心容量，引發了人們對產能過剩和市場泡沫的擔憂，就像美國的情況一樣。中國希望國家規劃能幫助減輕這些風險。兩國面臨的挑戰是，資料中心（包括人工智慧所需的眾多資料中心）的耗電量比以往任何時候都高，而且最終需要多少電力也難以預測。人工智慧的開發是一個耗電的過程，聊天機器人使用者的每個查詢都需要人工智慧模型耗費電力才能回答。預計到2030 年，中國資料中心每年的耗電量將與法國全國的用電量相當。美國數據中心的電力需求更大。根據國際能源署統計，去年美國資料中心的電力消耗佔全球資料中心電力消耗的45%，而中國則為25%。中國已投資建設太陽能發電場、風能發電場和水力發電項目。圖為烏蘭察布郊外的一座太陽能發電場。中國擴大電網規模的行動可以追溯到上世紀70年代。當時，中國擔心電力短缺會阻礙國家發展，於是引導國營企業建設了數百座燃煤電廠。後來，他們又將目光投向再​​生能源，斥巨資興建了大型水力發電項目、太陽能發電場和風力發電場。根據官方媒體報導，由於最佳地點往往遠離東部的人口中心，中國還建設了世界上最大的特高壓輸電線路網絡，自2021 年以來投資超過500 億美元。中國目前的發電裝機容量為3.75太瓦，是美國的兩倍多。據世界核能協會統計，中國有34座核反應器正在建設中，另有近200座核反應器正在規劃或提議建設中。在西藏，中國正在建設世界上最大的水電項目，其發電量可能是三峽大壩的三倍。據中國國家能源局稱，中國資料中心現在可以通過簽訂長期購電協議，以每千瓦時低至3美分的價格獲得電力。房地產諮詢公司Site Selection Group負責資料中心業務的合夥人邁克爾·拉雷希德表示，在美國，像弗吉尼亞州北部這樣的市場，運營商通常需要支付每千瓦時7至9美分。在美國，一些科技公司正在為資料中心建立自己的發電廠，川普承諾將趕上中國的電力建設步伐。白宮發言人表示，總統的這項計畫將使美國「在人工智慧競賽中勝出，同時降低能源價格並提高電網效率」。電網擴建面臨許多挑戰。太陽能產業協會在11月致能源部的一封信中指出，美國作為全球人工智慧領導者的地位「因繁瑣且不穩定的審批政策和不足的輸電能力而受阻」。該產業組織表示，包括美國主要資料中心所在地在內的18個州，其規劃的太陽能和儲能容量超過一半面臨被擱置的風險。雲谷位於內蒙古自治區烏蘭察布市及其鄰近的霍林格爾縣，距離北京西北約200英里，被指定為政府「東數西算」計畫的八個中心區域之一。這些地區大多因其電力資源豐富且價格低廉而被選中。該項目還旨在為中國內陸較貧困地區引入投資。官方已告知企業，新建資料中心只能在指定區域建設，並優先為這些區域辦理監管審批和土地徵用手續。資料中心有時只需支付一半的電費，其餘部分由政府補貼。該地區涼爽的氣候非常適合資料中心建設，減少了對空調和水冷的需求。開闊的地形也適合建設太陽能和風力發電場。烏蘭察布的地區生產總值在過去五年增加了50%。從2019年到去年，資料中心和其他資訊技術服務的用電量增加了700%以上。當地政府表示，截至6月，該市已吸引了350億美元的電腦產業投資。11月，沿著烏蘭察布市中心以東的110號國道驅車行駛，可以明顯感受到這裡日新月異的變化。道路一側，建築物大多空置，只剩下幾家不起眼的小餐館和香煙店。內蒙古烏蘭察布市廣場上，人們正在跳舞。烏蘭察布市是「東數西算」計畫的八個中心城市之一。另一側是森特瑞資料營運的資料中心，該公司還在該地區架設了風力發電機和太陽能電池板。該數據中心在破土動工僅16個月後便投入運營，為北京的客戶提供雲端運算服務。蘋果、阿里巴巴和華為也在該市設有資料中心，而包括電動車製造商小鵬汽車在內的公司則在那裡訓練人工智慧模型並處理人工智慧工作負載。在距離烏蘭察布約兩個半小時車程的霍林格，國有電力巨頭中國華電去年開始為一組資料中心建設電力基礎設施。今年，這個耗資2.3億美元的項目開始為中國最大的電信運營商和雲端運算初創公司Paratera運營的數據中心供電。為了彌補國產晶片不如美國晶片先進的不足，華為、阿里巴巴、百度和其他中國公司致力於透過捆綁數千個國產晶片的系統來提升計算能力。要讓這麼多晶片高效地協同工作，需要尖端的網絡技術和復雜的調度演算法——這項任務極具挑戰性，以至於輝達兩年前就因為成本高昂、功耗過大和可靠性不足而放棄了生產使用256 個晶片的系統。根據機器學習領域常用的一項指標，華為的CloudMatrix 384 系統（整合了384 顆Ascend 晶片）的計算能力比輝達旗艦系統（包含72 顆Blackwell 晶片）高出三分之二。但據研究公司SemiAnalysis 稱，其耗電量卻是後者的四倍。華為在烏蘭察布的資料中心。使用過華為捆綁系統的工程師表示，該系統安裝和操作都很複雜，而且據一些人說，它對於訓練大規模人工智慧模型來說不夠實用和流暢。伯恩斯坦半導體分析師林慶元表示：「短期來看，中國缺乏尖端晶片產能比美國的電力瓶頸更成製約因素。」他說，中國的電力產能至少使其能夠繼續參與競爭。林和他的同事在一份報告中寫道：“人工智慧競賽持續的時間越長，中國縮小差距的機會就越多。”Grace Zhu對本文亦有貢獻。 （invest wallstreet)

一、核心事件：美方開放H200晶片出口的背景與政策博弈1. 事件核心參數出口條件：美方允許輝達向中國出口H200晶片，但需收取25%的銷售分成，且僅對「獲批准客戶」開放，隱含用途監管（如禁止軍事領域使用）。效能定位：H200為Hopper架構訓練型晶片，FP16算力約為上一代H20晶片的2倍，雖不及最新Blackwell架構（如B100），但仍是當前國內稀缺的高性能訓練算力載體。供應鏈現況：台積電為H200主要代工廠，單台medium unit H200的wafer+封裝成本約1300美元，對應營收佔台積電總營收僅1%左右；後端測試環節由金源店參與，PCB打件（OAM）主要依賴工業富聯。2. 中美政策博弈邏輯二、中國AI算力需求面：缺口顯著，資本開支難追缺口1. 需求端核心數據①.算力缺口規模：雲廠商層面：騰訊因GPU短缺在2025年三季報下調資本開支（capex）預期；阿里巴巴規劃三年3000億+人民幣AI capex，但明確“供給遠趕不上需求”，即使全額投入仍可能不足。產業整體：2025年中國智慧算力規模已達1037.3EFLOPS，2026年將翻倍至2000+EFLOPS，市場規模突破250億美元；但GPU平均利用率僅40%，部分場景低於20%，算力浪費與缺口並存存。②.資本開支對比：中國：預計2024-2027年頭部超大規模雲端服務商（hyper scalers）capex年增25%，2027年達4,500億人民幣；六大CSP（阿里、騰訊、字節等）2025年AI capex已達3730億人民幣，同摩27%，2025月，2025月200億人民幣。美國：同期美國大廠（如AWS、微軟）capex規模為中國的3-4倍，僅微軟2025年AI相關capex即超500億美元（約3600億人民幣），接近中國頭部廠商總和（新浪財經）。2. 需求結構分化：訓練與推理的差異三、供給面：進口與國產並行，本土產能加速爬坡1. 進口晶片：H200短期成核心補充採購意願：中國雲廠商對H200需求強烈，即使加價25%仍具備吸引力，核心原因是Hopper架構擁有成熟開源生態（如CUDA），可降低AI運算建製成本，性價比優於NVL汽車級晶片。供應規模預測：若政策放行，2026年上半年H200對華交付量或達50萬-80萬顆，可滿足國內30%-40%的訓練算力缺口；疊加存量H100、A100晶片，進口晶片將覆蓋近60%的訓練需求（新浪財經）。2.國產晶片：從「合規推理」向「高算力訓練」突破①技術與產能規劃：合規推理晶片：國內雲廠商（阿里平頭哥、百度崑崙、騰訊燧原）已推出符合美國ECCN 3A09標準的產品（TPP<4800 TOPS，單位面積算力<200 TOPS/mm²），採用台積電6nm/7nm製程，2025年月升達1.25年月調達1.25年月調。高算力訓練晶片：依賴中芯國際7nm（N+2）工藝，2024年月產能8000片，2025年增至2萬片，2026年達3-4萬片（大摩開門會）；2027年國產算力晶片需求將達48萬片（具體單位為1.123×10²⁰算力單位），本土供給可滿足60%（新浪財經）。②國產化瓶頸：良率：中芯國際7nm製程良率僅30%-50%（大摩7月報告），導致國產晶片單位成本比台積電代工高20%-30%。生態：國產晶片多依賴開源框架（如MindSpore），與CUDA生態相容性不足，部分大模型廠商需額外投入30%成本進行適應。四、產業鏈影響：從硬體到應用的全鏈條機遇1. 核心受益環節與標的（含資料支撐，僅供參考）2. 潛在承壓環節①國產高階GPU廠商：短期面臨H200競爭，2026年國產GPU市佔率或從20%降至15%，但華為昇騰、寒武紀等龍頭因綁定政務、國企訂單，份額相對穩定。②先進封測（CoWoS）：若H200封測訂單回流台積電，國內通富微電、長電科技的CoWoS業務短期增速或從40%降至25%（新浪財經）。五、長期趨勢：算力自主與生態建構成核心方向國產算力網路建置：聯通雲等企業推進「5+4+31+X」算網一體架構，5大核心智算樞紐（京津冀、長三角等）支撐大模型訓練，4大西算樞紐（內蒙古、貴州等）承接離線任務，2026年跨區域算力調度將延遲（50ms）以內電計算範圍內50msms（世界）以進行通訊延遲（50msms）將延遲（世界計算範圍內50msms。政策支援：國家透過「算力券」補貼國產晶片應用，2025年已發放50億元算力券，帶動國產GPU採購量成長3倍（大摩7月報告）；2026年計畫將補貼規模擴大至100億元，重點支援推理場景國產化。技術突破方向：國內廠商加速佈局3nm以下先進製程、Chiplet（芯粒）技術，中芯國際計畫2027年量產5nm（N+3）工藝，國產Chiplet封裝良率預估2026年突破85%（大摩調校），可降低高算力晶片成本40%。 （有道調查）

全球AI「算力戰爭」進入2.0階段：一份來自前線的深度戰報——Jefferies 2025年12月報告《China AI in a Global Context》拆解一句話結論「晶片禁令」並沒有拖慢中國AI，反而逼出了全球最激進的「電力-模型-應用」三位一體替代方案。美國仍在模型單點領先，但中國正用「西電東送+開源模型+超級應用」的組合拳，把差距從16%壓縮到8%，並在電力成本、部署速度、生態整合三個維度實現反超。一、模型層：開源與閉源的新典範過去三個月，全球大模型排行榜發生了微妙卻決定性的變化。 Google的Gemini 3 Pro以73分（Artificial Analysis綜合得分）首次超越OpenAI的GPT-5.1，成為新的「宇宙第一」。然而真正讓業界震驚的是，中國公司Moonshot的Kimi K2 Thinking以67分躍居全球第四，也是前十名中唯一的開源模型。這意味著，在晶片受限、算力受限、資料受限的三重枷鎖下，中國團隊用更少的資源把效能差距從16%壓縮到8%。更值得關注的是，開源生態正在形成「降維打擊」。 Kimi K2開源後，社群在21天內衍生出200多個垂直微調版本，涵蓋金融、醫療、製造、法律等場景；智譜AutoGLM把「手機AI Agent」框架完全開源，讓中小型手機廠商7天就能部署自己的語音助手，成本下降90%。反觀美國，Claude、GPT-5、Gemini仍堅持閉源路線，雖然單點性能領先，但每一次迭代都要重新投入數億美元算力。中國用「生態換時間」的策略，正在把技術差距轉化為工程效率優勢。二、電力層：國家級工程對市場化僵局的碾壓如果把AI比喻成汽車，模型是引擎，電力就是汽油。美國之所以在模型上敢“大力出奇蹟”，是因為過去十年享受了頁岩氣革命帶來的廉價電力。然而當AI訓練叢集從1萬張GPU膨脹到10萬張，電力供給的短板突然暴露：到2028年，美國資料中心將出現12GW缺口，相當於紐約市峰值負荷的1.5倍。問題的根源不在發電，而是在輸電。美國電網由3000多家獨立營運商掌控，跨州輸電項目平均需要8年審批，特高壓（UHV）線路長度幾乎為零。於是，北維吉尼亞、加州、德州三大IDC叢集陷入「有電送不到」的尷尬：當地再生能源棄風棄光率高達18%，而新建一條500kV線路需要至少5年環境評估。 hyperscaler們被迫尋找替代方案：微軟簽下20年核電PPA，亞馬遜收購比特幣礦場改造IDC，Google投資小型模組化反應器（SMR）——但所有這些方案的建設周期都在5年以上，且成本高昂。中國則把電力問題上升為國家戰略。 「東數西算」工程在內蒙古、寧夏、貴州、甘肅四大樞紐新建資料中心，配套建設50,000公里UHV線路，把西部風電、太陽能以±800kV直流直送東部。貴州IDC的到戶電價低至3.2美分/kWh，僅為美國平均的三分之一；整個「西電東送」年輸送電量9,200億度，相當於德國全年用電量。到2030年，中國AI電力成本預計290億美元，美國則高達600億美元——差值正好是一個OpenAI的估值。三、應用層：超級App的入口戰爭模型和電力解決之後，最終要回到使用者。美國AI應用呈現「API經濟」特徵：ChatGPT雖然擁有7.76億月活，但電商、支付、社交、地圖仍被亞馬遜、蘋果、Meta、Google把持，使用者需要在多個App間跳轉。中國則直接把AI Agent做成「作業系統」。字節跳動與努比亞合作的「Doubao手機」在12月1日發售3萬台，1秒售罄，黑市溢價300%。這款手機的核心不是硬體，而是內建的Doubao Mobile Assistant——一個運行在系統層的GUI Agent，使用者只需說“幫我訂一張明天去上海的高鐵票，靠窗，用支付寶付款”，Agent就能自動打開12306、選座、調起支付寶、完成人臉支付。更激進的是，阿里巴巴把Qwen App升級為“AI生活入口”，整合淘寶、支付寶、高德、餓了麼、釘釘，使用者可直接語音下單、打車、付款、生成PPT。這套打法繞過了傳統API整合的障礙：微信、淘寶、支付寶雖然封鎖了外部API，卻無法阻止系統級Agent模擬點選。結果是，中國AI應用首次實現了“模型即入口，入口即交易”，使用者留存和變現效率遠高於美國同行。四、產業鏈投資機會地圖當「電力-模型-應用」三位一體跑通，投資機會也隨之清晰。在中國一側，UHV和電網自動化是最大贏家：國電南瑞、許繼電氣、平高電氣直接受益於50,000公里線路建設；IDC營運商GDS、世紀互聯、光環新網在西部上架率從40%提升至80%，毛利率提升10個百分點；AICUSB方面，寒武紀、升級電力開源模型公司如月之暗面、智譜、深度求索則以社群生態反哺模型迭代，形成「越開源越強大」的正循環。在美國一側，電力缺口反而催生了新的避險標的：Constellation Energy憑藉核電PPA成為微軟、Google的「指定供應商」；Vistra等燃氣調峰電站在德州電價飆升中賺取超額利潤；而高電價地區的IDC營運商Digital Realty、Equinix則面臨成本擠壓，估值承壓。五、風險與反身性任何宏大敘事都有裂縫。如果美國進一步收緊晶片出口，把H200也納入禁售清單，中國國產晶片將直接受益，但短期性能差距可能重新拉大。中國西部IDC建設高度依賴地方財政補貼，若地方債務問題惡化，上架率可能低於預期。更長遠的風險在於技術路線顛覆：一旦量子運算或光子晶片提前商用，現有「電力-模型」平衡將被打破，所有重資產投入都可能瞬間貶值。六、結語：從晶片戰爭到電力戰爭回顧2022-2025年的AI競賽，第一階段是“晶片戰爭”，美國用A100/H100禁售延緩中國步伐；第二階段是“模型戰爭”，中國用開源+場景把性能差距壓縮到個位數；如今進入第三階段——“電力戰爭”，勝負手部不再是矽谷的性能差距壓縮到個位數；如今進入第三階段——“電力戰爭”，勝負手部不再是矽谷的演算法，而是可再生電力當美國還在糾結「能不能賣H200」時，中國已經把問題升級成「如何把整個西部的綠電搬到東部IDC」。這不是簡單的技術競賽，而是一場國家級資源調度能力的較量。誰控制了電力，誰就控制了模型的定價權；誰控制了定價權，誰就控制了AI時代的作業系統。這句話，或許就是2025年AI戰爭的最佳註腳。（TOP產業報告）

導語：中美作為全球AI領域的核心競爭者，中國籍AI研究人員的留存與流動直接影響兩國科技競爭力格局。12月3日，美國智庫卡內基國際和平基金會發佈分析文章《頂尖中國AI研究人員是否選擇留美？》，直面中美戰略博弈中科技人才競爭這一核心議題。文章通過對保爾森研究所（Paulson Institute）資料集《全球AI人才追蹤報告》（Global AI Talent Tracker）的獨家追蹤與更新，以詳實資料揭示了近年來頂尖中國籍AI研究人員的職業去向，以及美國對中國AI人才的留存能力與吸引力變化。研究發現，儘管中美關係持續緊張，但絕大多數研究對象仍選擇留在美國，這凸顯了美國當前科研生態系統的“留存”能力依然穩固。但與此同時，文章也指出，美國在“吸引”新一代中國頂尖人才方面已出現明顯的乏力跡象，中國本土科研機會的崛起、AI研發環境的改善，正在改變人才流動的初始選擇。長期以來，來自中國的研究人員一直是美國企業和大學前沿人工智慧研究的最主要貢獻者之一。對頂尖AI研究論文的分析顯示，原籍中國的作者對美國AI成果的貢獻，即便沒有超過美國本土作者，也與之不相上下。但過去七年不斷升級的中美緊張關係引發了一個新問題：這些在美國工作的中國籍AI研究人員如今是否在大規模返回中國？更尖銳地說：美國是否正在培養那些最終會為其頭號地緣政治對手建構AI能力的研究人員？為解答這一問題，我們利用並更新了保爾森研究所（Paulson Institute）2020年一項研究中的獨特資料集——《全球AI人才追蹤報告》（Global AI Talent Tracker）（本文作者馬特·希恩是該研究的作者之一）。該資料集包含675名頂尖AI研究人員的樣本，這些研究人員的論文均被全球頂級AI會議——2019年神經資訊處理系統大會（NeurIPS 2019，接收率約為20%）接收。資料涵蓋了這些研究人員的本科畢業院校（大致可作為原籍國的參考指標）、研究生就讀院校以及當時的工作單位。在這675名研究人員中，截至2019年，恰好有100名中國籍研究人員在美國機構從事研究工作。為評估美國是否留住了這批頂尖AI人才，我們近期收集了這100名研究人員如今的工作去向的更新資訊。結果顯示，其中87人仍就職於美國機構，僅有10人前往中國企業或大學工作，其餘3人則隸屬於其他國家的機構。圖一：2019–2025年，頂尖中國籍AI研究人員的職業路徑。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會與卡內基國際和平研究院這對美國的AI競爭力而言是個好消息——或許也令人意外。從歷史上看，赴美攻讀博士學位的中國研究人員留美率極高，約90%會長期留在美國。但在過去五年中美緊張關係加劇的背景下，多項研究表明，多個學科領域選擇離開美國返回中國的研究人員數量大幅上升。在此背景下，我們關於中國出身的AI研究人員的資料，顯示了美國作為AI前沿研究工作地的持續吸引力。但擔憂依然存在。儘管資料顯示美國有能力留住已在美的頂尖AI研究人員，但有跡象表明，美國吸引中國人才的能力正在減弱。儘管相關資料有限，但顯然，如今有更大比例優秀的中國AI研究人員選擇一開始就留在中國，而非前往美國。留美障礙與離美原因近年來，多位備受關注的中國AI研究人員決定離開美國返回中國，這引發了廣泛關注。每位研究人員回國的原因各不相同，且往往帶有個人因素，但近期的地緣政治動盪為希望留美的中國研究人員製造了新的障礙和壓力。自2018年起，一系列針對學生簽證的實際限制和擬議限制——包括討論全面禁止中國學生入境——讓許多中國研究人員陷入不確定狀態。中國申請者面臨簽證續簽的長期拖延，這使他們無法確定自己是否能完成學業並留美工作。許多選擇留下的研究人員表示，受中美科技的緊張局勢和工業間諜活動（industrial espionage）指控的影響，他們的工作被籠罩在懷疑的陰影之下。多起針對在美中國研究人員的備受關注的起訴案件，讓這一群體不寒而慄，但經進一步調查後，其中多數案件都不了了之。2021年一項針對自認為是中國出身的大學研究人員的調查顯示，42%的受訪者表示遭受過美國政府的種族定性（racially profiled）。在此期間，與中國工程師和研究人員的交流中，有多人講述了自己或同事、朋友的電子裝置被美國海關官員沒收並搜查的經歷。新冠疫情期間實施的旅行限制，進一步削弱了中國研究人員赴美或返美的意願和機會。2020年2月，美國總統唐納德·川普（Donald Trump）第一屆政府禁止過去兩周內曾在中國境內的外國公民入境，中國隨後於3月出台了針對入境旅行的限制措施。即便中國於2023年正式重新開放邊境，兩國間的航班數量依然稀缺，如今的每日航班量仍不足疫情前水平的30%。除了這些留美障礙外，中國的AI產業也對海外研究人員產生了更強的吸引力。就在五到十年前，如果有人想在AI研究的全球前沿領域工作，在中國能獲得的機會相當有限。但如今，中國的企業和大學在突破性研究和前沿AI模型訓練方面已迅速趕超，讓這些研究人員無需遠渡重洋、使用第二語言，就有機會從事這類工作。誰選擇留下，誰選擇離開儘管存在這些新的推力與拉力因素，但六年後，資料集中的絕大多數研究人員仍選擇繼續在美國機構工作。在此期間，許多人從美國大學轉入了私營部門。在這87人中，41人目前就職於美國公司，40人在美國大學擔任教授職務，另有6人要麼正在攻讀博士學位，要麼處於博士後研究階段。在就職於美國公司的研究人員中，超過一半受僱於"七巨頭"科技公司（Magnificent Seven）——Google（Google）、亞馬遜（Amazon）、蘋果（Apple）、元宇宙（Meta）、微軟（Microsoft）、輝達（Nvidia）和特斯拉（Tesla），其餘人則效力於美國一些頂尖的AI初創企業。這87人中還有3人在美國創辦了自己的初創公司。儘管100名研究人員中僅有10人返回中國機構工作，但那些選擇回國的研究人員往往具有巨大的影響力。其中2人創辦了自己的初創公司，2人在聚焦AI的科技巨頭中擔任領導職務，5人成為中國頂尖大學的教授。歸國者之一是明星研究人員楊植麟（Yang Zhilin），他於2015年從清華大學本科畢業，隨後前往卡內基梅隆大學（Carnegie Mellon University）攻讀電腦科學博士學位。在卡內基梅隆大學期間，楊植麟作為第一作者發表了多篇被廣泛引用的研究論文，合著者包括多位全球極具影響力的AI研究人員。2023年，楊植麟返回中國創辦了月之暗面人工智慧公司（Moonshot AI），其中文名是為了致敬他最喜歡的專輯。此後，月之暗面融資超過10億美元，並行布了多款全球性能領先的開源大語言模型（open-source OS models）。如今，許多美國初創企業正在採用並基於另一款中國大語言模型Kimi進行研發。他們在解釋這一選擇時，經常提到中國模型往往兼具強大性能和高性價比，而這些是OpenAI和Anthropic等美國企業發佈的封閉專有模型所不具備的。楊植麟的經歷凸顯了一個事實：儘管地緣政治競爭不斷升級，但中美AI研究界依然深度交織，通過人員、思想以及如今頂尖AI模型的豐富跨境流動緊密相連。月之暗面在過去一年迅速完成多輪融資，受到頭部基金、網際網路巨頭與產業資本的密集下注。圖源：VCG錯失下一代人才儘管美國在過去六年成功留住了大部分中國AI研究人員，但有跡象表明，其吸引中國新人才的能力已有所下降——考慮到中國在全球AI人才中的佔比，這一趨勢可能並不樂觀。最初的《全球AI人才追蹤報告》的資料來源於2019年神經資訊處理系統大會（NeurIPS）的研究人員。當時，中國籍研究人員佔該會議論文作者的29%，超過了美國的20%和歐洲的17%。對美國而言幸運的是，這些中國籍作者中的大多數（以及來自世界各地的研究人員）選擇在美國機構開展研究。從這675名頂尖研究人員2019年的所屬機構來看，59%就職於美國機構，相比之下，中國機構佔11%，歐洲機構佔10%。在本科畢業於中國的研究人員中，56%在美國機構學習或工作，37%在中國機構。而在所有就職於美國機構的研究人員中，31%的人本科學位授予自美國，其次是中國（27%），歐洲和印度各佔11%。圖二：頂尖AI研究人員的主要工作國家，2019年與2022年。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會三年後，保爾森研究所利用2022年神經資訊處理系統大會（NeurIPS 2022）的論文作者資料重新開展了這項研究。到那時，中國籍研究人員佔抽樣作者總數的比例已接近一半，中國機構的佔比也翻了一番多，達到28%。這一數字仍遠低於美國的42%，但已足以表明中國在產出當年眾多頂尖AI研究論文方面極快的追趕速度。這也意味著，更多頂尖中國研究人員選擇留在中國而非前往美國。2022年的研究並未提供本科畢業於中國的研究人員中，有多大比例留在國內攻讀研究生學位並工作的具體資料，但該研究指出，越來越多中國出身的研究人員選擇留在中國。圖三：頂尖AI研究人員的來源國（基於本科教育背景）。來源：保爾森基金會如果這一趨勢持續下去——中國籍頂尖研究人員佔比不斷上升，而其中前往美國的比例持續下降——這對美國競爭力而言並非一個好兆頭。幾十年來，美國積累了大量精英研究人員，他們來自中國但選擇長期在美國生活和工作。如果這類人才流動停止——甚至更糟，出現逆轉——美國將難以培養和吸引足夠多的優秀研究人員來填補這一空缺。"全方位"戰略在建構和部署全球最先進、最高效的AI系統方面，美國仍保持諸多優勢。在獲取用於訓練和運行AI系統的尖端晶片方面，美國相較中國具有顯著優勢。儘管部分中國應用程式迅速崛起，但Google（Google）和元宇宙（Meta）等美國科技巨頭擁有更龐大、更多元化的全球使用者基礎，這讓它們在市場切入點和使用者洞察方面擁有中國同行所不具備的優勢。但美國AI生態系統最強大的長期優勢之一——全球最優秀的研究和工程人才庫——正面臨風險。要降低這些風險，就需要採取"全方位"戰略來培養、吸引和留住世界級AI研究人員。這需要加大對美國高中的投資，讓美國人具備進入AI領域工作的基礎能力；同時需要提供研究經費並確保簽證政策的穩定性，以吸引全球最優秀的國際學生來美攻讀研究生學位；還需要營造良好環境，讓包括中國在內的世界各地最優秀的AI研究人員願意在美國生活並行展事業。這些都並非易事，但前進的道路，以及成敗的關鍵，已然十分明確。 (IPP評論)