據證券時報，2月6日下午消息，工信部發佈《關於組織開展國家算力互聯互通節點建設工作的通知》，面向國家樞紐節點、重大戰略區域、重點行業建設算力互聯互通節點，建構國家算力互聯互通節點體系。在二級市場上，算力產業鏈部分個股今日出現拉升行情，CPO方向最為活躍。其中，智立方20%漲停，科瑞技術10%漲停，易天股份、奧特維、長飛光纖、環旭電子等紛紛大漲。有券商指出，當前，國產模型快速迭代搶佔使用者AI互動入口，互動方式也正在被塑造，對應推理側算力需求有望迎來加速提升。工信部：組織開展國家算力互聯互通節點建設工作2月6日，工信部發佈《關於組織開展國家算力互聯互通節點建設工作的通知》（以下簡稱“《通知》”），要求強化頂層設計，面向國家樞紐節點、重大戰略區域、重點行業建設算力互聯互通節點，建構算力互聯互通節點體系，提高公共算力資源使用效率和服務水平，促進算力高品質發展。《通知》提出建立“1+M+N”國家算力互聯互通節點體系，通過建構“統一標識、統一標準、統一規則”運行機制，實現不同區域、主體、架構的算力資源標準化互聯和高效流動應用，有效提高公共算力資源使用效率和服務水平。建設目標包括：區域、行業節點分別面向算力需求旺盛的地區、重點行業，建設算力供需對接體系機制，實現不同區域、主體、架構的算力資源標準化互聯和高效流動應用，提升整體算力水平。區域節點建設統一服務平台，為區域內算力互聯互通提供標識註冊、互聯調度和資料監測等綜合性支撐服務。主要包括算力網際網路服務中心、算力資源匯聚、算力選擇、算力標識管理、算力運行監測、安全保障等業務和安全管理系統。行業節點建設各自服務平台，為行業內算力互聯互通提供算力資源匯聚、算力標識、算力選擇等市場化服務，並接入區域節點。主要包括算力網際網路服務中心、算力資源匯聚、算力選擇、安全保障等業務和安全管理系統。算力互聯互通節點採取“統一標識、統一標準、統一規則”的運行機制。標識方面，各節點通過國家節點獲取唯一標識編碼，實現算力資源入網入市。標準方面，各節點按照統一標準建設，統一介面對接，實現互聯互通。規則方面，各類算力資源按照統一規則開展算力交易、互聯調度等工作。申報對象方面，區域節點由地方通訊管理局、工業和資訊化主管部門共同申報。行業節點由地方工業和資訊化主管部門會同通訊管理局推薦重點行業單位以單獨或聯合體方式申報。每個省級行政區可申報1個區域節點。每個行業原則上可申報1個行業節點。據悉，下一步，工信部將加快推進國家算力互聯互通節點建設，促進算力產業高品質發展，助力製造強國、網路強國和數字中國建設。國產算力需求有望加速臨近春節，國產模型進入發佈窗口期，近段時間，DeepSeek開源OCR2，Kimi發佈並開源K2.5，阿里Qwen3-MaxThinking、百度文心5.0等重量級模型接連發佈。此外，字節計畫在2月推出三款全新的AI模型，分別為豆包2.0（新一代旗艦大語言模型）、Seedream5.0（圖像生成模型）以及SeedDance 2.0（視訊生成模型），另外阿里同樣計畫在春節假期間發佈新一代旗艦AI模型Qwen 3.5。大量模型側更新將加速驅動模型整體商用進度。財通證券指出，國產模型快速迭代搶佔使用者AI互動入口，互動方式也正在被塑造，對應推理側算力需求有望迎來加速提升。同時，2026年也是推理側國產超節點上量元年，目前已有大量國產廠商發佈新一代超節點方案，華為Atlas 950/960，搭載8192/15488張算力卡，曙光scale x 640、沐曦、崑崙芯、阿里磐久等均有超節點佈局。供需兩側雙向奔赴，產業鏈即將迎來放量時點。上述券商表示，國產模型加速迭代，推理側需求有望大幅提升，疊加國產機櫃方案推理側性能提升，國產算力產業鏈有望核心受益。國信證券表示，過去一周，由Clawdbot所引致的對於“AI智能體正加速場景落地”的預期成為市場熱點，同時，國內網際網路大廠陸續啟動“紅包大戰”爭搶大模型流量入口。在此背景下，算力資源不單單成為軍備競賽的著力點，更是在各類AI應用試水過程中逐步成為“賣方型市場”，成為AI應用的核心預算約束，算力鏈有望在強業績支撐下重回科技投資主線。國元證券指出，為支撐大模型訓練與推理對算力的爆發式需求，AI算力基礎設施正系統性升級，核心在於建構高效、低延遲、低成本的網際網路絡。這一趨勢推動算力擴展模式從單機縱向擴展（Scale Up）向分佈式叢集橫向擴展（Scale Out）及跨域協同（Scale Across）演進。在上述背景下，光模組和交換機作為算力網路的關鍵硬體，正圍繞“高速率、低功耗、低成本”加速革新：櫃內互聯受銅纜物理瓶頸限制，共封裝光學（CPO）成為確定性方向；為最佳化CAPEX與OPEX，線性驅動可插拔光學（LPO）等低成本、低功耗光模組方案快速興起；交換機亦通過CPO等架構顯著降低時延與功耗。國元證券認為，國產光模組廠商已在全球市場佔據領先地位，有望深度受益於全球AI算力基建擴張。整體來看，AI競爭已從晶片性能延伸至整個互聯基礎設施的系統級最佳化，光通訊與交換技術的演進及供應鏈格局將成為決定未來AI基礎設施效率與成本的核心變數之一。推薦兼顧傳統可插拔形態及CPO、OCS等新架構。同時，國產算力上游供給瓶頸或有打通，亦需同步關注。國產AI算力里程碑時刻：3套scaleX萬卡超叢集同步落地財聯社，2月5日，國產AI算力迎來里程碑時刻，國家超算網際網路核心節點在鄭州上線試運行。據悉，該節點算力資源由3套曙光scaleX萬卡超叢集系統提供支撐，可對外提供超3萬卡的國產AI算力，是國家超算網際網路平台上線以來接入的全國最大單體國產AI算力資源池。“十五五”開局之年，建構全國一體化算力體系戰略再次加快腳步，中國算力基礎設施建設也邁向“建用並重、以用促建”的新階段。超算網際網路核心節點上線後，一方面將打造出中部地區算力高地，充分發揮人才、資料、應用場景等產業聚集效應；另一方面也將成為全國最大算力調度樞紐，有效聯動中國乃至全球算力資源與應用需求。國家高性能電腦工程技術研究中心副主任曹振南詳細介紹稱，“超算網際網路正在成為一個類京東、淘寶模式的算力應用商城，旨在為各類前沿應用場景帶來高效普惠的計算服務，讓算力像水電一樣自由流通、高效易用。”資料顯示，截至2025年底，國家超算網際網路平台已服務100多萬使用者，應用商品超7200多個，單日處理作業峰值103萬個，迄今已累計支撐運行1.96億次作業。據悉，這種“算力+應用”一體化服務模式，大幅降低了算力成本和使用門檻，可以有效賦能AI創新提速。其中，中科曙光的scaleX萬卡超叢集系統為此次核心節點提供了關鍵算力底座。據介紹，scaleX萬卡超叢集基於AI計算開放架構設計，可全面相容CUDA等主流軟體生態，支援多品牌國產加速卡混合部署，不僅降低了開發者遷移適配難度，更具備向十萬卡、百萬卡規模的靈活擴展能力，可以更好地契合產業規模化發展需求。目前，scaleX萬卡超叢集已完成400多個主流大模型、世界模型的適配最佳化，依託國家超算網際網路，更可接入上千款應用，連結更多AI產業生態夥伴，為兆參數模型訓練、高通量推理、AI for Science等大規模AI計算場景，提供高效普惠的算力支援。根據業內報導，scaleX萬卡超叢集在去年12月HAIC大會首次真機亮相，2個月後即以超3萬卡的AI算力規模落地。有觀點指出，這標誌著國產萬卡叢集已正式邁入規模化部署與實戰應用的新階段。隨著“中國算網”全面鋪開，國產叢集有望迎來更廣闊的市場空間。 (環球產經)

AI晶片供應改善：預計2026年隨著H200的批准以及晶片本地化進展的增加，AI晶片的供應將有所改善。H200被認為是一款高性能GPU，廣泛用於基礎模型訓練，目前國內晶片無法替代，中國的AI推動者和採用者將在H200獲得官方批准後受益，預計監管方面不會有阻力。中國本土晶片供應能力也在加速提升，摩根士丹利大中華半導體團隊預計，中芯國際的先進製程廠擴產將逐步緩解裝置瓶頸，從而進一步提高中國本土GPU自給率，從2025年的27%升至2026年的39%。圖表4：中國人工智慧：GPU充足率分析：對於近期H200進口的問題大摩的判斷比較明確，儘管美方層層設限，但預計後續我方監管不會有阻力，理由是目前國內用於模型訓練的高性能GPU並沒有替代品。晶片方面的東西我不是很懂，所以我找了一下相關資料，H200的性能是H20的6倍，而且在訓練場景確實沒有國產替代，這種短缺預計會持續2-3年，直到國產能填補這個空缺。上圖4列明了未來兩年中國GPU的自足率走勢，到2027年也就50%，後續還有很長的路要走，這也說明國產晶片的發展具備可持續性。但面臨的技術封鎖等困難也不小，未來國產晶片股的業績是否能支撐目前的估值要打個大大的問號，如果我要買會等確定性再高點，大家可以自行判斷。模型能力的增長：中國人工智慧基礎模型在2025年已與美國前沿模型保持同步（僅落後數月），我們預計到2026年性能差距將進一步縮小，中國模型將在開放權重和多模態類別以及成本效率方面繼續領先。自主智能體AI的發展以及多模態場景的蓬勃發展將進一步推動2026年令牌消耗量增加。圖表 5：中美前沿模型智能對比分析：在AI模型的性能方面目前中美之間的差距並不大（僅幾個月），預計在今年差距將進一步縮小。關鍵是中國AI模型在成本效率上領先美國，這也符合我們這邊價格殺手的一貫風格，成本效率的領先是很重要的，以後AI在應用端的經濟效率和擴張速度很大程度上取決於成本效率。2C端的非線性增長：我們預計AI原生應用將在2026年繼續獲得關注，其增長將呈現非線性態勢，這主要由基礎模型能力提升和超級應用突破推動。豆包（Doubao）在月活使用者（MAU）方面可能仍將保持領先，同時預計隨著阿里巴巴建立C端業務部門來整合阿里生態系統應用，包括淘寶/餓了麼（電商/即時配送、外賣）、飛豬（旅行）、高德地圖（地圖）、支付寶（支付），全新推出的Qwen有望在C端市場獲得關注，從而定位為一站式AI超級應用和生活助手。此外騰訊近期的頂尖人才引進、推出HY2.0及計畫在2026年上半年推出的HY3.0，也可能推動公司在AI領域更積極的投資。圖表7：AI原生應用月活躍使用者數分析：從我個人的應用感受上來說，我覺得目前千問和豆包給我的使用體驗比較不錯，特別是一天限用5次的深度研究，我經常用這個功能來蒐集某些投資問題的意見，給出的報告也比較長比較詳實。但也不是沒問題，比如有一次我叫千問算復投問題時它把75%的分紅支付率給算成了股息率，真是離了個大譜，在我提醒之後才改了過來，AI畢竟不能像人類一樣避免一些常識性錯誤。DS的話之前還行，但從某一天開始似乎參考資料的數量縮水了，回答問題比較敷衍（沒有更改設定）。2B端的發展：2025年下半年CIO調查顯示，企業正越來越多地將其IT預算分配給AI，企業AI預算佔IT總預算的平均比例從2025年的7.7%提高到2026年的13%。另外軟體在AI預算中相對於硬體獲得更多份額，但沒有看到任何證據支援“AI取代軟體”的說法。最後通縮的宏觀環境仍然是企業端整體AI變現的一大障礙。圖表 11：人工智慧在IT領域的支出滲透率分析：資料顯示企業端正在加速佈置AI，預計2026年企業在AI佈置上的預算將增加將近一倍（IT預算從2025年的7.7%提高至2026年的13%），這也意味著企業內一些基礎文員的工作很可能陸續被AI所替代。另外就是AI在企業的佈置受到通縮環境的影響（預算限制）而減慢了速度，這點上也與美國AI在2B市場上的快速擴張形成了對比，所以說通縮對AI付費擴張的限製作用也是很大的。AI在2C端競爭加大：預計網際網路平台之間的競爭將保持激烈，主要是阿里巴巴（千問）、騰訊（元寶）和字節跳動（豆包）。在使用者採用方面，豆包的日活躍使用者數穩步增長，得益於其來自抖音的強大流量匯入。雖然騰訊通過微信/元寶提供最廣泛的超級應用服務，但近期重點在於提升混元模型能力。相比之下，千問正在加強2C服務，該助手整合了整個阿里巴巴生態系統（外賣、快速商業、電子商務、本地服務等業務類股），目前可以提供一體化的日常生活服務而領先於同行。圖表 32：中國AI應用2C端日活躍使用者分析：目前AI在2C端的競爭是最激烈的，巨頭們都分別推出了自己的AI應用，與我上面的使用感受比較相符的是，豆包和千問是兩個日活使用者量領先的AI應用，千問靠的是整合了整個阿里的生態系統，而豆包得益於抖音的流量匯入。我感覺元寶後期可能還有比較大的潛力可挖，畢竟在這個流量的時代流量入口等同於推廣能力，人手一個的微信流量在理論上是顯著大於抖音的，這個優勢騰訊並沒有很好的利用起來。當然我個人對元寶的使用感受也不太好，有時候感覺有點答非所問，希望後面可以有所改善。 (finn的投研記錄)

一、基礎大模型的競爭格局1、基礎大模型的競爭格局逐漸收斂自2022年11月Open AI的 Chat GPT推出以來，全球迅速掀起大模型發展的熱潮。在政策與資本的雙輪驅動下，國內高校/科研機構、網際網路企業、AI創業公司等玩家競相入局，市場一度呈現“百模大戰”的喧囂。然而，僅兩年左右時間，基礎模型賽道便經歷殘酷洗牌：零一萬物放棄兆以上超大參數模型的訓練，戰略轉向B 端產業落地；百川智能收縮戰線，選擇聚焦醫療垂直領域；更多參與者則無聲退場。進入2025年，基礎模型的競爭格局已明顯收斂——以網際網路、雲端運算為代表的科技巨頭（阿里巴巴、字節跳動、百度、騰訊、華為）和少數AI初創企業（深度求索、智譜、月之暗面、階躍星辰、MiniMax）成為繼續留在牌桌上的主要力量（見圖表1）。圖表1：基礎大模型的競爭格局資料來源：AI洞察研究整理然而行業格局收斂之際，技術層面的競賽進一步白熱化。縱觀2025年，留在牌桌上的少數玩家圍繞大模型核心能力展開激烈角逐：科技巨頭持續加碼，阿里巴巴Qwen、百度文心、字節跳動豆包、騰訊混元、華為盤古等模型密集更新（見圖表2）；初創陣營展現出強勁的突破力——年初，DeepSeek R1憑藉創新的技術和卓越的性能破圈，引發海內外廣泛關注；隨後，GLM-4.5、Kimi K2、MiniMax-M2相繼亮相，性能達到開源模型中的SOTA水準；至年末，Kimi K2 Thinking、DeepSeek V3.2、GLM-4.7及MiniMax-M2.1的輪番登場，更將創新勢能推向全年高點。圖表2：2025年推出的代表性大模型資料來源：AI洞察研究整理基礎模型預計將延續2025年的非穩態競爭態勢，短期內難以形成穩態格局。主要基於以下兩點判斷：其一，大模型的現有能力距離AGI仍有漫長征程，技術迭代遠未完成。誠然，2025年大模型在推理、Agent、程式設計、多模態、長上下文窗口與記憶機制等能力上進步斐然，這些技術成果也在深刻改變人類生產生活方式。但需要清醒的認識到，當前大模型本質上仍是基於機率計算的預測系統——模型通過大量語料訓練，以足夠高的精準率預測下一個token。這就使得大模型在持續學習能力、理解世界、與環境互動能力及邏輯推理能力等能力上存在明顯的侷限，也就意味著大模型距離真正的AGI（通用人工智慧）還有很長的路要走。行業參與者仍需在基礎模型上持續迭代，突破現有能力邊界。其二，從現有的玩家在未來的發展規劃與組織架構的調整來看（見圖表3），大模型的“內卷”短期內不會結束。其中阿里巴巴明確未來將大幅提升AI基礎模型的研發投入；字節跳動計畫2026 年持續加大AI相關投入；華為、騰訊與百度也都在2025年底成立了基礎模型部門，這一架構調整與匯報關係的扁平化，釋放出提升AI研發效率、加快AI佈局的訊號。不僅僅是科技大廠加碼基礎模型，AI初創企業同樣計畫持續投入基礎模型的研發：智譜與MiniMax均已通過港交所上市聆訊，計畫將此次IPO募集資金的70%投入基礎模型的研發；月之暗面則持有超百億元資金，正加速K3模型的訓練和研發。圖表3：部分大模型廠商的未來規劃/組織架構調整資料來源：智譜與MiniMax招股說明書 新聞資訊2、那類基礎模型廠商有競爭優勢（1）基礎模型競爭的關鍵要素分析各大模型廠商在基礎模型方向的競爭可以說是人才、算力、資料以及資金多個維度的較量：①在人才方面：演算法創新的基石是AI人才，尤其是頂尖人才。大模型的研發絕非簡單的“堆算力、喂資料”，而是要攻克一系列未成熟範式的底層理論與演算法難題。以Deepseek-R1為例，Deepseek團隊憑藉演算法層面的創新，以遠低於行業水平的訓練成本，卻在數學、程式碼、自然語言推理等任務上實現了與OpenAI o1正式版比肩的性能。在大模型技術仍處於快速迭代的現階段，頂尖AI人才作為探索新理論、新架構、新演算法的核心力量，能持續拓展模型能力邊界，是保持技術領先的關鍵。②在資料方面。大模型的智能並非與生俱來，而是通過海量資料學習獲得，資料為其提供了必需的知識與資訊。如果缺乏高品質的資料，再先進的演算法和再強大的算力，都難以訓練出高性能的基礎大模型。以GPT系列演進為例（見圖表4）：從GPT-1到ChatGPT，模型的架構設計並未發生顯著的變化，然而該系列大模型能力的提升主要取決於訓練資料數量和質量的提升。GPT-3依賴資料規模解鎖了模型的湧現能力；ChatGPT通過引入高品質人類標註資料，實現與人類偏好有效對齊。由此可見，資料質量與規模是影響模型性能的關鍵因素。圖表4：更高品質、更大規模的訓練資料是GPT模型成功的驅動力資料來源：《Data-centric Artificial Intelligence: A Survey》③在算力方面：算力是基礎模型競爭的關鍵變數。當下國內大模型已普遍突破千億參數、正向兆量級邁進，而模型規模的擴張直接驅動算力需求激增，推動算力叢集從“千卡”向“萬卡”“十萬卡”乃至更大規模加速演進。與此同時，大模型迭代速度極快，領先模型的優勢窗口可能僅維持3-4個月。在模型規模與迭代速度的雙重驅動下，算力已成為基礎模型競爭的關鍵變數：更強的算力叢集不僅能支撐訓練更大、更複雜的模型，更能夠顯著加速模型的迭代最佳化處理程序。在這場殘酷的“軍備競賽”中，具備雄厚算力儲備的企業，方能更快訓練出更優模型，從而搶佔市場先機，構築生態壁壘。④在資金方面：基礎模型訓練是資本密集型業務，需要持續、高強度的資金投入。其成本結構主要由三大核心支柱構成：算力支出（晶片採購與電力消耗）、人力投入及資料獲取。伴隨大模型規模的不斷擴展，其訓練成本也不斷攀升。例如，在2017年訓練最初的Transformer模型僅需約900美元；而到了OpenAI的GPT-4和Google的Gemini Ultra，其訓練成本已分別達到了約7800萬美元和近2億美元（見圖表5）。最為關鍵的是，基礎模型的競爭並非一次性投入即可鎖定勝局，而是一場“長跑”。企業必須持續投入研發，方能維持技術領先地位。圖表5：Estimated training cost and compute of select AI models資料來源：2024 AI Index report（2）那類企業有競爭優勢儘管市場競爭格局持續動態演變，但綜合資金、算力、資料、人才等核心要素來看，科技巨頭相比中小廠商具備系統性競爭優勢。在基礎模型的競爭中，以阿里巴巴、字節跳動為代表的科技巨頭有望佔據主導地位。以下主要從以下四個維度展開具體分析：①在資金方面：阿里巴巴、字節跳動、華為、騰訊、百度等科技巨頭擁有數千億元至兆元的年營收規模，相較科大訊飛、幻方量化以及其他AI初創企業具備碾壓性的資金優勢（見圖表6）。這種雄厚的資金實力能夠有效的支援這些科技巨頭在基礎模型研發上的持續高強度投入——無論是算力基建、人才招聘還是技術研發，均能獲得充足的資源保障。據公開資訊，百度、阿里巴巴與字節跳動等公司每年AI投入資金少則數百億元。圖表6：部分模型廠商的營業收入資料來源：阿里巴巴/騰訊/百度/科大訊飛年報、智普/MiniMax招股說明書、排排網、華為官網②在算力方面：阿里巴巴、字節跳動、騰訊、華為、百度本身就是雲服務廠商，為客戶提供AI算力及MaaS服務，這就驅動其對AI基礎設施進行重投入。通過大規模AI晶片採購與自主研發（如百度崑崙芯），這些巨頭擁有充沛的算力資源訓練自家大模型。反觀中小模型廠商，則面臨嚴峻的算力焦慮：即便是擁有萬張GPU儲備的幻方量化，在大模型訓練需求面前依然捉襟見肘；而科大訊飛與其他AI初創企業更多依賴算力租賃。③在資料方面：在網際網路時代，科技巨頭憑藉豐富的應用場景沉澱了海量的獨家且高品質的資料資產（見圖表7）。這些資料涵蓋文字、圖像、視訊、音訊多個模態，覆蓋電商、本地生活服務、文娛、醫療健康、金融、辦公多個領域。當多數大模型仍困於公開資料集的侷限時，這些私域資料已成為模型訓練的稀缺資源和核心壁壘。反觀中小模型廠商，即便科大訊飛與深度求索的母公司幻方量化具備部分業務場景資料，但在資料的多樣性上仍遜於科技巨頭。其他AI初創企業的原始資料沉澱更是薄弱，只能依賴爬蟲、與資料提供商合作或購買等方式獲取資料，在資料維度的競爭中已然處於劣勢。圖表7：科技巨頭的業務應用資料來源：公司官網 公司年報④在人才方面：AI領域的人才博弈已成為科技企業搶佔技術制高點的核心戰場。科技巨頭推出系列頂尖人才計畫——Top Seed人才計畫、阿里星頂尖人才計畫、AIDU計畫、青雲計畫、勇敢新世界計畫等，招募具潛力的青年科研精英。憑藉豐厚的薪酬待遇、充足的算力資源和豐富的應用場景，這些巨頭企業相較於中小廠商展現出強大的人才吸引力。同時，科技巨頭也在積極引進業界領軍人物，以強化自身研發實力。例如，字節跳動成功邀請GoogleDeepMind研究副總裁吳永輝加盟、阿里巴巴則招攬了全球頂尖AI科學家許主洪。上述舉措顯著提升了科技巨頭在AI領域的人才密度，進一步拉開與其他模型廠商的差距。二、AI應用的競爭格局1、AI應用市場的格局分析（1）AI應用市場“三足鼎立”近兩年，政府密集出台人工智慧產業促進政策，大力推進人工智慧規模化商業化應用；同期，大模型技術持續迭代演進，在多模態、推理等能力上持續精進，推理成本也大幅降低。政策紅利與技術突破的雙重共振，推動了國內AI應用的蓬勃發展。AI智能助手、內容創作（圖像、視訊、音訊、3D生成）、效率辦公（AI搜尋、AI程式設計、AI寫作、知識管理、AI設計）、生活娛樂（AI陪伴、AI教育、醫療健康、寫真）相繼湧現，具備任務執行能力的智能體（Agent）更成為新熱點（見圖表8）。從單模態到多模態，從“對話”到“任務執行”，AI的能力邊界正在不斷拓寬。圖表8：AI應用圖譜資料來源：AI洞察研究整理基於對已推出AI應用的全面梳理，當前市場參與者呈現三足鼎立之勢：以字節跳動、阿里巴巴、騰訊、百度為代表的網際網路大廠；以深度求索、月之暗面、MiniMax、愛詩科技為代表的AI創業公司；以猿輔導、作業幫為代表的深耕垂直領域的企業（見圖表9）。不同類型的玩家，AI應用打法涇渭分明：圖表9：佈局AI應用的主要玩家資料來源：AI洞察研究整理①網際網路大廠：在AI浪潮推動下，網際網路大廠採取現有業務及產品 AI 化+AI 原生應用的策略（見圖表10）：其一，存量業務的AI升級。網際網路大廠正加速推進AI技術對旗下業務及產品的賦能，往往採用對原應用進行AI重構或在原有產品中加入AI功能方式實現升級。比如百度文庫經過大模型的重構，已從一個文件平台進化為“一站式AI內容獲取和創作平台”；騰訊在微信中增加AI搜尋功能，強化原應用的粘性。其二，AI原生應用的推出。網際網路大廠要麼選擇切入高使用者群、潛在發展空間大的賽道，要麼依託公司已有的業務場景進行AI原生應用的開發。目前大廠推出的AI原生應用已覆蓋AI智能助手、AI應用開發平台、圖像/視訊生成、智能體、健康管理、教育等方向。其中 AI 智能助手被普遍視為 AI 時代的超級流量入口，已經成為網際網路大廠的戰略必爭之地，大廠的資源投入明顯向其傾斜。圖表10：網際網路大廠推出的AI原生應用與AI賦能原應用資料來源：AI洞察研究整理②垂直領域的企業：這類玩家往往資訊化程度較高，以網際網路平台類企業居多，業務場景覆蓋設計、教育、金融、醫療等方向。憑藉多年垂直深耕形成的行業洞察與高品質、稀缺性資料的積累，它們在AI應用開發上具有得天獨厚的優勢。它們通常基於現有的業務場景推出相關的AI應用，或對原應用進行AI升級。例如，線上教育平台“作業幫”推出Question AI、快對AI和光速寫作；金融科技領域的“同花順”則基於自研的HithinkGPT升級同花順問財。③AI初創企業：出海可以說是AI初創企業身上較為鮮明的特徵。通常受C端使用者付費意願與能力、市場的競爭環境、監管政策、企業的融資需求等多重因素的驅動，越來越多的AI初創企業選擇將產品瞄準海外市場，甚至將公司總部設立在海外。這些企業重點佈局圖像/視訊/音訊生成、AI陪伴、智能體等賽道，並憑藉更強的本地化能力、靈活的商業策略以及更快的產品迭代速度在海外站穩腳跟（見圖表11）。圖表11：AI初創企業推出的AI應用資料來源：AI洞察研究整理（2）網際網路大廠主導國內AI應用市場據AI產品榜的資料顯示：在APP端TOP 25榜單中，網際網路大廠憑藉12款入圍產品佔據近半壁江山（見圖表12）。在這12款應用中，除了Dola與Gauth面向海外市場外，其餘10款應用均主攻國內市場，其中百度網盤、夸克、豆包與騰訊元寶四款應用的MAU均突破5000萬。反觀AI初創企業與垂直領域企業，入圍的AI應用合計13款，其中超半數應用是面向海外市場。而在其面向國內市場的產品中，僅DeepSeek達成1.31億MAU的斷層領先，其餘應用的MAU均在3000萬以下。由此看出，在本土AI應用市場，網際網路大廠無論從入圍的數量還是MAU維度，均形成對AI初創企業與垂直領域玩家的碾壓。在Web端入圍的TOP 25應用中，網際網路大廠以11款應用微弱領先AI初創企業（10款），垂直領域企業則以4款明顯落後（見圖表13）。這些應用存在顯著不同：AI初創企業入圍的應用中更多的是面向海外市場，在其推出的10款應用中至少有8款主攻海外市場；相反，國內市場已成為網際網路大廠與垂直領域企業的主戰場，兩者入圍的六成應用是面向國內使用者，且頭部效應顯著——豆包、奈米AI搜尋、奈米AI、百度AI搜尋的Web訪問量均突破5000萬大關。圖表12：2025年12月MAU在前25的APP端應用圖表13：2025年12月訪問量在前25的Web端應用資料來源：AI產品榜綜上所述，現階段網際網路大廠在國內Web端和APP端市場佔據主導地位。這主要得益於其具備強大的流量獲取和投放能力、豐富的場景生態、海量且高品質的使用者資料以及雄厚的資金實力。考慮到真正意義上的新一代智能終端尚未誕生，短期內智慧型手機與PC仍將是使用者與AI互動的主流硬體。在人工智慧時代的新終端缺位、PC與智慧型手機仍是AI核心入口的背景下，互聯網大廠憑藉上述優勢，在國內AI應用市場的主導地位仍將持續。伴隨網際網路大廠AI應用的密集上線，未來AI應用方向的流量或進一步向網際網路大廠集中。但這並不意味著中小企業在AI時代的國內市場沒有機會。當下的主要玩家基本是基於手機與PC進行AI應用開發，但這些被開發出的應用並未充分發揮出AI潛能，傳統的PC與智慧型手機也並非AI時代的理想載體。參照移動網際網路的發展脈絡，隨著AI時代核心硬體入口的成熟，應用市場將會迎來真正意義上的爆發期，催生出全新的藍海。巨頭往往因困於路徑依賴與存量利益，更傾向於將AI作為現有生態的漸進式最佳化，並非進行自我顛覆。而這無疑是創新者實現破局的黃金窗口。正如移動網際網路誕生了字節跳動、滴滴、拼多多，AI時代也必將孕育出新一代的巨頭企業。2、細分賽道競爭格局分析（1）AI智能助手AI智能助手不管是面向Web端還是APP端在AI應用中都是流量擔當，但是主流玩家對於AI智能助手的角逐主要還是聚焦在APP端。回想在2024年底，豆包、Kimi、文小言領跑AI智能助手賽道。進入2025年，AI智能助手賽道的博弈提速。年初，DeepSeek憑藉DeepSeek-R1模型的技術創新出圈，使用者量激增。隨後，騰訊對騰訊元寶進行大規模推廣，強勢加碼；阿里巴巴則在11月份推出AI原生產品“千問”，並把AI超級入口的重點集中在千問上。至2025年末，市場形成豆包、DeepSeek、騰訊元寶引領的競爭格局（見圖表14）。圖表14：AI智能助手在APP 端的MAU資料來源：AI產品榜然而，AI智能助手的競爭遠未至終局，市場格局仍處於動態演化之中。隨著騰訊和阿里巴巴在AI智能助手賽道的持續加碼，旗下產品騰訊元寶與千問有望實現對DeepSeek的趕超，最終形成豆包、騰訊元寶與千問主導的穩定格局。支撐這一判斷的核心邏輯在於：AI智能助手不僅是流量、模型能力的競爭，更是生態的較量。中小企業在流量、模型、生態維度上難以與網際網路大廠抗衡。以DeepSeek為例：即便深度求索在大模型技術上的突破性進展值得稱道，技術出圈也確實帶來了智能助手DeepSeek的流量增長。但是，相較於豆包、千問、騰訊元寶，DeepSeek也是缺乏強大的生態場景支撐。生態的缺失制約了其在娛樂、社交、購物等高頻生活場景的滲透，導致產品體驗競爭力不足。反觀網際網路大廠，其核心優勢正在於生態整合能力。豆包在2025年下半年上線了購物功能（見圖表15），還整合了本地生活服務；騰訊元寶已全面打通微信、QQ、騰訊會議等數十款內部產品，覆蓋社交、辦公與娛樂等核心場景（見圖表16）；千問未來計畫將地圖、外賣、訂票、辦公、學習、購物、健康等各類生活場景接入千問APP。圖表15：讓豆包推薦一款生日禮物圖表16：騰訊AI能力形成循環資料來源：豆包 騰訊（2）AI陪伴當下AI陪伴應用市場呈現多元化發展態勢，涵蓋角色扮演、虛擬陪伴、遊戲陪玩等細分方向（見圖表17）。其中角色扮演類應用強調角色扮演和故事演繹，讓使用者獲得沉浸式的親密體驗。與之形成差異的是，以Paradot、獨響、逗逗遊戲夥伴為代表的產品摒棄了劇情模式，選擇從日常生活、遊戲場景切入，試圖與AI建立長期穩定的情感關係。儘管產品形態各異，角色扮演目前仍在國內AI陪伴市場佔據主導地位——MiniMax旗下的“星野”與字節跳動的“貓箱”穩居賽道頭部。此外，該賽道中面向海外市場的代表產品包括Talkie、PollyBuzz、Linky，其中Talkie的使用者量在同品類出海產品中位居首位，在海外市場佔據領先地位（見圖表18）。圖表17：AI陪伴的競爭格局圖表18：部分AI陪伴應用在APP端的MAU資料來源：AI產品榜回首AI陪伴賽道在2025年的發展：頭部產品星野、貓箱的MAU呈現出下滑態勢，甚至美團的Wow、階躍星辰的冒泡鴨、小冰科技的X EVA等多款應用停止營運，可以說AI陪伴應用尤其是角色扮演類應用陷入發展困境。其核心癥結在於：當下的產品多停留在淺層情感互動，難以滿足使用者更深層次的情感需求。隨著使用者的獵奇性嘗鮮需求退潮，使用者留存下降成為普遍現象。儘管如此，AI陪伴賽道仍吸引了不少新玩家入場——EVE、星眠與無限谷等多款AI陪伴產品相繼開啟內測，試圖在尚未固化的市場格局中尋找破局機會。無論是從AI陪伴應用的使用者量（頭部應用在APP端的月MAU在500萬左右）還是持續湧入的新玩家來看，當下AI陪伴賽道的競爭格局並未固化。市場參與者正沿多條路徑探索：除了角色扮演方向以外；也在積極嘗試遊戲與AI的融合創新；或者從日常生活場景切入，讓AI融入使用者的生活日常。然而，最佳產品形態究竟是什麼並沒有被驗證，主流玩家普遍處於探索階段。三、結論通過以上對 AI 產業的研究，本文形成以下核心判斷：在基礎模型層面：當前，基礎模型競爭格局正逐漸收斂。留在牌桌上的主要包括：阿里巴巴、字節跳動、百度、騰訊、華為等科技巨頭，深度求索、智譜、月之暗面、階躍星辰、MiniMax等頭部AI初創企業，以及科大訊飛。然而，考慮到現有大模型與AGI之間仍存在顯著技術鴻溝，疊加主要玩家在未來的發展規劃與組織架構上的調整，這一競爭態勢預計還將持續演化，短期內難以形成穩態格局。鑑於科技巨頭相比中小模型廠商在資金、算力、資料、人才等核心要素上具備碾壓性優勢，以阿里巴巴、字節跳動為代表的科技巨頭有望在基礎模型的長期博弈中佔據主導地位。在AI應用層面：AI應用市場主要涵蓋網際網路大廠、垂直領域企業以及AI初創企業三類玩家，各方基於自身的資源稟賦和公司戰略競相佈局AI應用賽道。在面向國內使用者的市場中，網際網路大廠在Web端和APP端已佔據主導地位。在PC與智慧型手機仍是AI核心入口的背景下，預計網際網路大廠在國內AI應用市場的主導地位短期內仍將持續。此外，本文就AI智能助手與AI陪伴賽道進行了詳細的競爭格局分析。作為最先實現落地的AI應用，這兩條賽道的競爭格局尚未定型。不僅限於上述領域，AI搜尋、圖像生成、視訊生成、AI教育、健康管理等應用層細分賽道同樣處於動態博弈之中，尚未形成穩態格局。 （AI洞察研究）

多年後，在AI已經成為新時代水電煤的平常一天，我們會如何想起2025？一方面，從財報資料上看，大廠們砸下了超過千億的投入。有大廠的自由現金流從正轉負，甚至淨流出百億元。中國網際網路巨頭在AI領域的ROI，都還在艱難的爬坡期。另一邊，對超級入口的爭奪讓各大廠頻出奇招。阿里的策略是“做厚服務”，更名後的千問直接呼叫淘寶、高德、飛豬的後台能力，把“對話方塊”變成可以直接下單、訂票的全能交易終端；騰訊的策略是“做深連接”，馬化騰寄希望於重現當年微信紅包的盛況，將元寶寄生於微信龐大的私域體系中，通過整合公眾號知識庫與職場工具，充當超級連接器；字節跳動的策略則是直接“重構入口”，豆包AI手機試圖越過應用程式商店和App圖示，直接在手機OS底層接管使用者意圖的分發權。與此同時，2026年的隱憂也已經初現：組織架構的調整、晶片供應的危機以及資本市場對於投入的耐心，都成為未來AI戰爭的靶點。財報裡的“ROI”：延遲滿足 vs 即時變現阿里巴巴是最早明確AI投資規模的企業，宣佈未來三年投入3800億元建設雲和AI硬體基礎設施，這一金額已超過其過去十年的投入總和。從財報看，過去四個季度，阿里在“AI+雲”基礎設施領域的累計資本開支已達1200億元。有消息稱，阿里管理層在內部會議上表示，3800億元投入規劃可能偏保守，公司已準備在市場供不應求時進一步加碼。而從收益來看，阿里的AI距離盈利仍然有較遠距離。2025年第二季度，阿里的自由現金流從去年同期的淨流入174億元，驟降至淨流出188億元。儘管大多數人將今年阿里的虧損歸咎為無序的外賣戰補貼，但對於AI的投入也是其中不可忽略的一筆帳單。（製圖：網易科技；資料來源：財報公開資料）儘管財報資料顯示，AI相關產品收入連續九個季度實現了三位數增長，但從ROI的角度來看，目前的主要收入仍然集中在雲端。ROI變為正向仍然遙遙無期。分析師預計阿里雲營收增速有望加速至35%以上。阿里正在通過犧牲短期的財務漂亮度，換取從IaaS向MaaS（模型即服務）延伸的機會，試圖建構一道護城河。（製圖：網易科技；資料來源：財報公開資料）相比之下，騰訊的AI投入策略顯得更為審慎。雖然騰訊2025年的資本開支同比激增，且全年預計邁入千億門檻，但其資金流向與產出邏輯具有明顯的“即時變現”特徵。以2025年一季度騰訊資本開支為例，274.8億元，同比增幅達91%，佔營收的15%，重點投向算力基礎設施、大模型研發及人才儲備。在2025年前三個季度，騰訊的營收保持了13%-15%的穩健同比增長，但更引人注目的是其盈利能力的提升幅度遠超營收增速。以2025年9月季度為例，騰訊營收同比增長15%至1929億元，而毛利同比增長22%至1088億元，經營盈利更是同比增長19%至636億元 。（註釋：行政開支並不直接等同於集團對AI業務的投入成本，但可以直接反應出其投入。騰訊2025年半年報顯示，2025年第二季度的一般及行政開支同比增長16% 至人民幣319 億元，是為支援 AI 相關業務發展而增加的研發開支，以及僱員成本增加。製圖：網易科技）財報明確指出，AI驅動的廣告投放系統升級，顯著提升了廣告的精準度，進而提高了有效千次展示費用（eCPM）。這種工具化的AI應用直接轉化為廣告主的ROI提升，從而吸引了更多的預算投放。騰訊利用AI加速遊戲內容製作（如美術資源生成、程式碼輔助），這在財報中雖未量化，但從毛利率的提升（56%）可以看出成本控制的成效。對於騰訊而言，AI投入的產出比極高，因為演算法最佳化帶來的廣告和遊戲收入增量幾乎全是毛利。如果從財報資料來看，阿里的AI ROI是“延遲滿足”型：用當期自由現金流的劇烈流出，撬動未來的市場份額和營收規模。如果AI算力需求持續爆發，阿里目前看似激進的1200億投入將轉化為巨大的看漲期權價值。騰訊的AI ROI是“即時變現”型：直接通過提升廣告單價和遊戲生命周期進行變現，表現為當期的高毛利率和正向自由現金流。字節跳動在AI領域的投入力度同樣不容小覷。根據東方證券2025年7月的研究報告，字節跳動2025年的資本開支計畫高達1500億元，同比大幅增長88%。有市場消息顯示，字節跳動將在2026年進一步增加資本支出，預計高達1600億元人民幣。儘管AI投入帶來了顯著的業績提升，但高資本開支與短期盈利壓力仍是網際網路公司面臨的嚴峻挑戰。賭注“超級入口”大廠之間戰火又起如果要盤點2025年AI大事件，在3月DeepSeek-R1爆紅後，市場進入技術平權期，各個大廠APP的變陣值得回顧。（製圖：網易科技）從以上這些動作不難看出，豆包的核心邏輯和抖音呈現出某種相似性，即“以規模定義標準”，先用極致的互動（如即時視訊通話）和低門檻的接入留住使用者，再通過海量資料反哺模型。2025年豆包DAU突破1億，其規模已不再是一個簡單的聊天機器人，繼續下去很可能成為AI時代的流量分發中樞。阿里集團的C端主力軟體千問APP則是側重於在軟體裡實現內生循環。2026年1月，千問宣佈全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務，實現了點外賣、買東西、訂機票等AI購物功能，形成了“千問+夸克”的雙驅動模式。騰訊則將AI時代的超級入口押寶在微信上，但採用迂迴路線，比如近期的“元寶派”很可能是未來將元寶加入微信群的一場實驗。2025年三季度電話會議上，騰訊總裁劉熾平曾提到，“微信最終會推出一個AI智能體”。他提到，微信的生態系統擁有通訊和社交生態系統，使智能體能夠理解使用者的需求、意圖和興趣；擁有內容生態系統，包括公眾號和視訊號；擁有小程序生態系統，基本上涵蓋了網際網路上的大部分用途；擁有商業生態系統，允許人們購買商品，以及支付生態系統，允許人們幾乎立即完成支付。（製圖：網易科技）這種入口之爭正從軟體向硬體延伸。字節更具侵略性的是其硬體佈局。字節在2025年底推出的AI手機助手，本質上是想繞過手機廠商的OS層，直接在底層攔截使用者的所有意圖。這意味著，未來的搜尋、購物、娛樂，可能在使用者進入App之前，就已經在豆包的系統層完成了閉環。這種系統級整合可能削弱傳統App入口價值，越來越多的人直言，不出五年，APP將不復存在。2026年的隱憂：看誰綜合實力更強回首2023年的百模大戰，如果說過去三年是關於“參數、算力與願景”的競速，那麼現在，行業已進入一個考驗商業落地、供應鏈穩定度以及生態掌控能力的階段。這種隱憂在組織架構的調整中表現得尤為明顯。以騰訊為例，在這一輪AI長跑中，其進度曾被認為相對落後。2025年12月，騰訊在公開“少壯派高管”姚順雨的同時，宣佈升級大模型研發架構。新成立了AI Infra部、AI Data部以及資料計算平台部。這位畢業於清華大學姚班、曾在OpenAI擔任智能體產品核心貢獻者的科學家，在騰訊內部的職責安排極具風向標意義。他不僅出任“CEO/總裁辦公室”首席AI科學家，直接向劉熾平匯報，同時兼任AI Infra部和大語言模型部負責人。這種身兼數職的安排，反映出騰訊試圖打破事業群壁壘，從集團層面確立大模型戰略核心地位的緊迫感。從更深層的分工來看，騰訊的新架構試圖從底層技術鏈條上補齊短板。AI Infra部聚焦分佈式訓練與高性能推理，AI Data部負責資料與評測體系建設，資料計算平台部則搭建巨量資料與機器學習的融合平台。有分析認為，這種針對性極強的佈局，目標在於支撐混元大模型的技術迭代。儘管騰訊通過AI最佳化，將廣告點選率從0.1%提升至3.0%，但這種提升仍屬於應用層面的紅利，真正的技術攻堅才剛剛開始。與此同時，AI人才的激烈競爭正將企業的研發成本推向歷史高位。2025年至2026年間，核心技術人才在不同平台間的頻繁流動，導致AI人才的平均薪資漲幅超過20%。這種成本的激增不僅體現在薪酬支出上，更體現在研發節奏的不確定性中。組織的重整併不能完全避險外部環境的風險。晶片供應也成為了2026年幾乎所有大廠AI戰略推進的潛在瓶頸。市場調研公司Canalys的報告明確指出，GPU的供應限制曾直接影響了雲服務的增長軌跡。這意味著，即便擁有領先的演算法和優秀的架構，各巨頭的戰略推進速度在很大程度上仍受制於輝達等外部先進晶片的配額。當算力成為類似“電力”的基礎設施時，任何供應鏈的波動都可能導致戰略執行的停滯。而在商業模式層面，開源策略雖然有助於生態的快速建立，但其直接變現能力尚未實現規模化。當DeepSeek等開源模型通過技術最佳化極大地壓降了API呼叫價格後，純粹的技術輸出利潤空間被進一步萎縮。儘管AI仍然是資本市場的熱概念，但在資本市場對回報率要求日益苛刻的背景下，成為了大廠們揮之不去的陰影。2026年的AI競爭已進入一個更為務實也更為殘酷的階段。無論是騰訊對技術底座的重構，阿里對雲端協同的堅持，還是字節跳動對C端入口的搶佔，都揭示了一個事實：這場混合了技術、資本與生態的馬拉松，才剛剛跑過第一個彎道。 (網易科技)

大家好！我是小智。我今天刷到了BBC的一篇報導，真的是讓我感到震驚！新聞標題是《中國正在悄悄贏得AI競賽嗎？》，起初我以為又是外國人對中國AI發展的不看好，結果點進去一看，好傢伙！竟然發現，有好些美國公司正在偷偷地使用中國的AI技術！01.美國公司說中國AI“真香”這篇新聞首先提到的是繽趣（Pinterest），這是一個美圖和美妝攻略的平台。這家公司 CEO 比爾·瑞迪在採訪中表示：“我們已經成功將繽趣打造為一款 AI 驅動的購物助手。”然後重點來了！繽趣（Pinterest）這些功能的驅動力正是來自中國的 AI 技術！更讓人震驚的是，當繽趣得知中國的深度求索（DeepSeek）推出了 R-1 模型後，竟然直接選擇了這家中國公司的技術，而非美國的 OpenAI。比爾·瑞迪還稱之為“DeepSeek 時刻”，稱：“他們選擇開源模型，引發了一陣開源模型的浪潮。”說真的，美國公司 CEO 這麼公開讚美中國技術的場面，還真是很少聽過。02.好用又快又便宜繽趣並非唯一家在美國使用中國AI技術的公司。據說這些模型正被越來越多的《財富》500強企業改採納。緊接著提到的是，愛彼迎（Airbnb）這家公司。首席執行長布萊恩·切斯基（Brian Chesky）在接受彭博社採訪時，被問及為何選擇中國的AI技術時，他給予了三個簡單的評價：“非常好”、“非常快”、“非常便宜”。這讓人聯想到我們通常提到的“三好學生”標準。此外，繽趣技術的總監麥特·馬德里加爾（Matt Madrigal）也透露了一個更引人注目的資料：他們用於訓練自家模型的開源技術，其精準性比市場上最優秀的現成模型高出30%，而成本卻更低，有時候比美國人工智慧開發商常用的專有模型便宜多達90%。這意味著，原本需要花費1000元的項目，現在只需100元就能完成！03.中國AI在海外到底有多火？你以為這只是個別公司的情況？不，這僅是冰山一角！根據Hugging Face平台的資料，下載量最高的模型排行榜中，中國實驗室的模型經常佔據多個前十名的位置。在某些星期裡，熱門訓練模型的前五名中竟有四個來自中國。去年9月，千問（Qwen）超越Meta的Llama，成為下載量最高的大型語言模型。Hugging Face的產品負責人傑夫·布迪耶（Jeff Boudier）表示：“如果你查看Hugging Face上最受歡迎的AI大模型，下載最多、社群最喜愛的那些，通常是，中國實驗室的AI大模型佔據前十名中的很多位置。”這個資料讓人驚訝！要知道，Hugging Face可是全球最大的AI模型分享平台，連Meta和OpenAI都在這裡發佈模型。如今，中國模型竟在這裡遠超美國同行！04.史丹佛大學稱讚中國AI技術看到這裡，你可能會覺得只有初創型公司和小型公司才會使用中國的人工智慧技術，但其實並非如此。史丹佛大學專門發佈了報告，指出中國的人工智慧模型“似乎已經趕上甚至超越”全球競爭對手，無論是在能力還是使用者數量上。連史丹佛這種頂尖學府的專家都確認了中國AI的實力！如上所述，讓我想到了馬斯克此前的一些評論。今年，他在達沃斯世界經濟論壇上再次提到，中國的AI人工智慧公司在技術上已明顯領先，當時許多人可能對此表示懷疑。現在看來，馬斯克說的確是有據可依！可以想一想，中國公司通過大量開源AI技術，使全球都能使用，而美國的OpenAI、Google等公司則採取“閉源”策略，只有付費使用者才能獲得使用權限。05.中國 AI 這麼香？1).大模型：開源 vs 閉源中國AI模型的玩法：DeepSeek、阿里千問、Moonshot Kimi 等都是開放原始碼的大模型，各個企業可以自由下載、定製、使用。美國AI模型的玩法：OpenAI 的 ChatGPT、GPT-4 等都是閉源的大模型，想用？先充值！2). 中國開源模型價格成本低根據美國公司的使用反饋，中國 AI 模型不僅好用、而且快、價格還便宜得離譜。相比其他AI大模型直接便宜 90%，這讓降本增效的公司怎麼好拒絕？3). 實用主義 vs 概念炒作BBC 報導中還提到一個細節點：英國前副首相剋萊格（Nick Clegg）批評美國公司：“過於專注於追求某種未來可能超越人類智慧的 AI”，但這些目標“雄心曖昧且定義不清”。然而，反觀中國的AI公司，更加專注於解決實際的問題，比如：最佳化推薦演算法、提升工作效率等方面，這些都是我們看得到的中國速度，中國的AI技術發展。寫在最後：這些意味著什麼呢？也話有人會問，這對中國有什麼好處，影響是什麼？簡單來講，這就是中國在人工智慧產業化方面的重要突破！在技術方面：不再單純依賴技術輸入，而是開始對外技術輸出了。在市場方面：從銷售產品轉變為銷售技術服務，進而影響全球市場格局。在話語權方面：中國在全球人工智慧競爭中開始有話語權了。 (AI共生紀)

新華深讀｜2026年中國AI發展趨勢前瞻人工智慧（AI）企業數量超過6000家，AI核心產業規模預計突破1.2兆元，同比增長近30%；國產開源大模型全球累計下載量突破100億次；中國成為AI專利最大擁有國，在全球佔比達60%；……這些資料勾勒出2025年中國AI發展的圖景。一邊是AI技術突破，走出一條不同於美國矽谷的“開源創新”之路，另一邊是AI與經濟社會的融合由淺入深。1月以來，智譜、天數智芯、MiniMax等國內AI企業扎堆上市。本月由清華大學主辦的“AGI-Next”峰會上，行業專家形成共識：以對話為核心的“Chat”範式已告終結，AI競爭轉向“能辦事”的智能體時代。2026年是“十五五”開局之年。根據“十五五”規劃建議，中國將加強人工智慧同產業發展、文化建設、民生保障、社會治理相結合，全方位賦能千行百業。新華社記者採訪相關部委負責人、行業專家、企業代表、創業者等，前瞻AI發展新趨勢。技術範式：AI從“聊天”走向“做事”1月，DeepSeek連發兩篇梁文鋒參與署名的論文，再次將這家AI企業推到聚光燈下。論文的核心貢獻，是試圖解決訓練大模型時遇到的記憶體瓶頸和穩定性難題。業界評價，新一代大模型模樣更清晰了。DeepSeek的一舉一動備受關注。一年前，其發佈的國產大模型DeepSeek-R1給全球AI行業帶來巨震。“DeepSeek標誌著中國AI技術路線分化突破的出現。”清華大學智能產業研究院創始院長張亞勤說，“中國轉向擁抱更輕的模型、更聰明的架構、更高的效率和更低的價格。”眼下，AI發展正沿兩條主線並進：技術向上衝刺，尋求突破認知與協同的侷限；應用向下紮根，解決真實痛點。“向上衝刺”，就是尋求“更聰明”的演算法和架構，不僅提升單一模型的性能，創新突破也更聚焦提升智能密度。密度法則，是指用更少的計算和資料，更高效地得到更多智能。國內AI公司面壁智能聯合清華大學團隊發表論文《大模型的密度法則》，對大模型的進化方向作出判斷：AI將在能力和成本兩個方向同時進化，提升效率同樣是主線。從“拼規模”轉向“拼密度”，精煉高效成為大模型演進的核心邏輯之一。中國資訊通訊研究院副院長魏亮認為，行業已不再單純依靠提升參數規模實現性能突破，精細化機制、演算法架構、訓練方法的最佳化成為主要提升方向。中國信通院發佈的《人工智慧產業發展研究報告》指出，在演算法架構方面，以DeepSeek的NSA、月之暗面的MoBA等為代表的稀疏注意力機制，成為提升模型推理效率的重要技術路徑之一。通俗的解釋是，想像你坐在一個萬人大禮堂，注意力機制從傳統的“聽每一個人說話”提升為如今“聽關鍵人物發言”。大模型本質上是通過海量資料歸納語言規律，訓練出特定的識別模式，掌握預測文字的能力。就像孩子雖沒有理解詩歌，卻能通過反覆朗誦背出《靜夜思》。回顧本輪AI浪潮，演算法架構和算力、資料一樣，是智能湧現的重要條件。張亞勤說：“規模定律並未失效，我們仍需要算力和資料作為基座。”不過他也指出，堆算力的邊際效益趨於平緩。業內人士認為，演算法架構革新將是AI未來發展的突破點。當模型“智力密度”持續提升，讓前沿智能“向下紮根”、變得“更能幹”，就成為行業要面對的命題。“幾十年來，AI主要關注開發新的訓練方法和模型。”曾擔任OpenAI研究員、後出任騰訊總裁辦公室首席AI科學家的姚順雨認為，在AI競爭的下一個階段，為誰解決什麼問題成為關鍵。“騰訊已把自研大模型在內部超過900個場景和應用落地，核心思路是把AI深度融入場景，讓好用的AI成為普惠生產力。”騰訊相關負責人表示，全球具備大模型底座研發實力的廠商已逐步收攏，高品質的資料、廣泛的生態和場景，將成為拉開競爭差距的重要因素。各大廠商不約而同加快AI真實場景落地的開發。百度新設立了基礎模型研發部、應用模型研發部。公司創始人李彥宏稱，未來AI領域只會剩下少數幾個基礎模型，但在應用層，將出現許多在不同方向上都取得成功的參與者，那裡才是機會最多的地方。中國信通院的報告顯示，基礎模型數量正持續收斂，在真實場景中的應用效果成為關注重點。以大模型“六小虎”為例，百川智能已深耕醫療，零一萬物則轉向為企業部署定製解決方案。這些揭示一個趨勢：曾經硝煙瀰漫的“百模大戰”落下帷幕，等待參與者的是一場圍繞真實場景滲透、產業生態建構與應用價值深挖的耐力賽。自1956年達特茅斯會議以來，人工智慧已走過70年曆程。如今，“技術進化”和“場景落地”的雙重變革，推動人工智慧向更廣闊疆域拓展。張亞勤認為，人工智慧正向智能體AI加速演進。智能體AI能夠像人一樣設定任務、規劃實現路徑、試錯反饋，具有自主性、能舉一反三和長期記憶三個特徵。如果說聊天機器人是“會說話的字典”，智能體AI就是“能自主幹活的管家”。中國科學院軟體研究所研究員黃進表示，未來AI不僅能聽懂指令，還能“看”懂畫面、“聽”懂語氣，成為具備綜合認知能力的“全能感知者”。“智能體是在大模型基礎上的工程化增強，極大拓展AI能力邊界。”中國信通院人工智慧研究所所長魏凱表示，不過智能體在可靠性、上下文記憶和長程任務等方面還需要提升，距離大規模應用仍有距離。張亞勤等人還認為，AI的創新前沿將突破數字世界的邊界，未來的AI將是資訊智能、物理智能和生物智能的融合。AI發展下一站是進入物理世界。1月，中國一款具身智能模型在全球統一標準下獲得第一。業界有評價認為，這意味著中國團隊訓練出的機器人“大腦”，具備了在物理世界理解和執行任務的能力。中外專家認為，AI正在與真實世界互動中建構理解和模擬物理規律的“世界模型”。物理智能將賦予AI在真實世界中感知和行動的能力，如機器人能自主完成複雜任務，智能駕駛從容應對複雜路況。AI不僅是數字世界的“思考者”，也將逐漸成為物理世界的“行動者”，更遠的未來則會成為生命世界的“探索者”。算力建設：系統升級加速協同2025年，一家初創公司發佈大模型新產品，市場反響超預期，導致預留伺服器幾分鐘內被擠爆，系統幾近癱瘓。危急關頭，一家基礎設施服務商無問芯穹公司利用平台技術服務，讓各地算力資源像“空中加油”一樣，為這家公司續上計算能力，確保了產品發佈的關鍵窗口。“我們希望未來算力就像自來水，打開能用、關上會停，不用關心它從那裡來。”公司聯合創始人夏立雪描述這樣的願景。無問芯穹公司位於上海，公司成員平均年齡32歲。他們把不同廠商、不同架構的AI晶片高效融通起來，就像搭建“立交橋”，充分利用分散的算力資源。算力，計算裝置或系統處理資料、執行運算任務的速度與規模能力，通常分為基礎算力、智能算力、超算算力。AI依靠的是智算，它不只是晶片的堆砌，而是一個由硬體、軟體、能源與網路精密協作的系統。AI算力就像一支超級工程兵團：GPU等計算晶片是執行硬核任務的“重武器”，高速網路是讓各兵種高效協同的“資訊高速公路”，儲存系統是隨時呼叫的“戰略物資庫”，軟體框架與演算法則是統籌全域的“調度指揮中心”。而一切運轉都離不開基礎保障：電站確保電力“彈藥”持續供應，供給液冷系統是戰士的“降溫服”。AI時代，算力就是新石油，AI算力中心是提煉和輸送石油的超級工廠。工信部資料顯示，中國已建成萬卡智算叢集42個，智能算力規模超過1590 EFLOPS，位居全球前列。業界認為，中國算力發展將繼續呈現“政府頂層設計+市場創新活力”雙輪驅動特徵。產業架構將從分散走向全國一體化，是未來算力發展的明顯特徵。東數西算工程已形成覆蓋東中西部的8大樞紐節點、10個資料中心叢集，其中8大樞紐節點已建成智算規模超過全國智算總量的80%。“十五五”規劃建議提出推進“全國一體化算力網”，國務院《關於深入實施“人工智慧+”行動的意見》強調“強化智能算力統籌”，指明未來算力發展將加強高效協同。工信部賽迪院電子所副所長馬曉凱認為，算力網建設呈現集約化、一體化、協同化、價值化等特徵，算力資源正在向樞紐節點集聚，跨地域調度平台逐步完善，政府引導、市場運作的協同機制正在建立，算力與電力加快協同。隨著需求激增，智算中心正經歷變革。中國信通院雲端運算與巨量資料研究所副所長李潔認為其將向算力高密化、叢集規模化、綠色低碳化方向演進，算力中心單機架功率與算力密度將逐漸提升，算力中心間協同聯動能力強化，規模化算力叢集將加快建構。在業界，更大規模的萬卡乃至百萬卡級叢集將成為支撐兆參數模型訓練的基礎。比如，從2011年啟動研發崑崙芯的百度集團，去年11月發佈新一代崑崙芯M系列及天池超節點，計畫將單一智算叢集規模從3萬卡推向百萬卡等級。硬體層面，不僅是晶片研發，還有通過專用積體電路、存算一體等新架構實現技術突破，建構軟硬體協同生態。頭部科技公司正打造能相容多種國產晶片的異構計算平台。應用層面，算力加速從科技企業走向千行百業。今年，上海、珠海等地已宣佈發放算力券，降低中小企業使用智能算力的門檻，引導算力資源流向工業製造等實體經濟領域。電力，被業界稱為“算力的盡頭”。中國信通院報告顯示，2024年中國資料中心用電量佔社會用電量比例1.68%，並提出未來高中低三種差異化發展場景，按照中速增長，預計到2030年底這一比例將達3%左右，全國資料中心用電量將突破4000億千瓦時；而按照高速增長趨勢，或將突破7000億千瓦時。“算電協同”從趨勢上升為戰略必然。國家引導算力向西部可再生能源富集區佈局，打造綠色算力基地。企業也積極探索綠電直供、分佈式新能源等模式，騰訊的資料中心去年綠電佔比已達80%。一些企業傾向將即時結算、即時推理等對時延要求高的算力就近部署，對時延要求不高的冷資料儲存等業務部署在西部。東西部之間的網路傳輸成本，以及因時延帶來的業務損耗，可能會抵消一部分電價優勢。專家表示，通過網路技術最佳化、業務智能調度，以及電力系統的靈活性互動，實現整體社會成本最優，將是算力基礎設施核心競爭力所在。展望算力前景，李潔認為“我們不僅追求硬體性能的突破，也關注從硬體到軟體、從基礎設施到綠色能源的系統性創新”。這場系統性升級，將決定中國如何把“新石油”轉化為驅動智能時代的澎湃動力。資料探勘：從規模導向轉為質量與專業化導向在保定，工程師們標註自動駕駛車輛在雨雪中的互動軌跡，建構研究華北地區城郊複雜路況的互動資料集；在成都，醫學專業學生標記CT影像以建構肝癌療效預測資料庫；在海口，資訊技術專業學生分析記錄水果生長的無人機影像，用於智能澆灌和採摘系統……最近，在某招聘平台，註明“重點大學本碩博優先”的AI資料標註員崗位，月薪最高接近2萬元。因AI應運而生的資料標註行業，正從以往勞動密集轉向知識密集。10年前，資料標註公司常落戶於中西部地區，受教育不多的人們，會用滑鼠就能完成“看圖貼標籤”。隨著生成式AI的突破和落地千行百業，越來越需要挖掘沉澱於行業企業的資料和專業人士的經驗，並將經驗轉化為AI可理解的“資料燃料”。資料對AI有多重要？在AI三要素中，演算法像設計圖，定義AI學習的方法和邏輯；算力是引擎，提供計算的能力；資料則像人類學習所需要的書本和經驗。當演算法因規模擴張而邊際效益遞減、算力因技術開源而日益普及時，AI技術的競爭焦點正轉向更基礎也更難複製的要素——高品質資料。魏凱說，訓練行業模型解決垂直行業裡的深度問題，需要高品質的行業資料集。“比如，放射科醫生看片子裡有沒有結節，靠的是數十年的醫學經驗，AI看片子也需要醫生教它。現在的資料標註要往縱深發展，把行業的深度知識、專家經驗轉化為能夠被機器學習的樣本，需要標註加工。”高品質資料從那來？簡而言之，資料標註通過提取特徵、分類、註釋和標籤化等操作，將人類的知識與思維邏輯轉化為機器可識別的形式，這是建構高品質人工智慧資料集的關鍵環節。經標註形成的高品質資料能提升垂類大模型在專業領域的性能。中國資料生產總量佔全球四分之一多。中國擁有全球最大的網際網路使用者群體，擁有全門類的工業體系，從原材料開採、中間品加工到終端產品製造的全要素、全過程、全環節資料成為寶貴資源。但另一面，很多人有這樣的經歷：在A醫院做的檢查，其結果並不被B醫院接受，原因在於醫療資料標準不統一，且涉及極高的隱私風險，導致資料無法跨院流動。工信部賽迪院信軟所所長韓健認為，資料價值密度不均、資料標準參差不齊、資料流通壁壘重重，導致大量資料“存而不用”，不同部門、不同企業的資料像一個個“孤島”，“不敢傳”（怕洩密）、“不願傳”（怕喪失競爭優勢）、“不會傳”（缺乏技術標準）。難題正在破解。隨著資料被明確為關鍵生產要素，國家資料局掛牌，《“資料要素×”三年行動計畫（2024—2026年）》等相繼出台，旨在培育資料產業，打造高品質資料集。國家資料局指導成都、合肥、瀋陽等7城市建設資料標註基地，先行先試。截至2025年第三季度，形成醫療、工業、教育等行業的高品質資料集超過500個，帶動資料標註相關產值163億元。資料集建設已從通用基礎資料集轉向行業高品質資料集。中國信通院對資料標註企業的調研結果顯示，78%的企業以行業資料集供給為主，重點是交通運輸、醫療健康、教育教學、工業製造等領域。業內人士認為，圍繞資料的進化今年將進入更深層次。從AI技術發展看，隨著模型訓練進入深水區，資料需求持續攀升，但單純堆量的方式已難以為繼，資料訓練密度和利用效率成為新焦點；資料集建設重點從追求規模轉向質量躍升，智能生成、專業細分、合規治理推動破解資料瓶頸。從AI落地應用看，高品質、專業化的行業資料集將成為高價值資源，尤其是在工業、金融、醫療等領域。同時，合成資料技術將越來越普及——當現實資料難以獲取或涉及隱私時，需要借助AI技術生成符合物理規律和業務邏輯的訓練資料，從而突破資料瓶頸。多位專家認為，AI應用到千行百業後，資料有望成為新的中國優勢，因為中國工業門類齊全、數字經濟發達，建成全球規模最大的5G網路，新能源汽車等行業處於世界前列。魏凱表示，未來的關鍵是充分挖掘利用中國在製造業和網際網路等優勢領域中積累的“資料金礦”，形成“業務產生資料、資料訓練AI、AI反哺業務”的良性循環。中國人工智慧學會會士、香港科技大學（廣州）協理副校長熊輝說，資料驅動AI最佳化，進而提升產業，產生更多資料，形成閉環。中國全門類的工業體系提供極其豐富的應用場景，這是形成資料飛輪的巨大優勢。產業賦能：驅動中國製造加快轉型升級一家有70多年歷史的電池廠應用AI，會發生什麼？研發環節採用AI配方大模型，高效開發多特性電池；生產通過AI即時聯動裝置與工藝，實現預警，提升穩定性；檢測引入AI雲系統，以演算法替代人工，保障大批次生產下的質量一致性。這家工廠的變化折射一個趨勢：AI並非高科技產業的專屬，它正成為傳統產業轉型升級的重要驅動力。“美國聚焦閉源，而中國主導開源市場，這一格局直接推動中國企業快速切入AI+產業。”熊輝說。國家資料局的資料顯示，2024年初中國日均Token消耗量1000億，而截至2025年6月底，中國日均Token消耗量突破30兆。一年半時間增長300多倍，反映出AI應用落地的快速增長。Token，中文叫“詞元”，是大語言模型處理資訊的基本單位。模型輸出每一個答案都消耗Token。來自頭部大模型企業的資料也印證這一趨勢。2025年12月，豆包大模型日均Token呼叫量突破50兆，同比增長超10倍，累計使用量超兆Token的企業客戶突破100家。業界人士預測，未來的Token消耗將呈現“二八格局”——約80%來自企業，20%來自個人使用者。“大模型會率先在數位化基礎較好、數位化人才相對聚集的行業落地，比如網際網路服務、金融、政務等資訊化技術好的領域；在物理資產較多、數位化相對滯後的傳統產業則會落地較緩。”魏凱分析說。中國信通院的報告顯示，AI在不同工業領域呈現差異化滲透特徵，其中電子資訊、消費品、以汽車為代表的裝備製造等行業在應用中佔重要份額，鋼鐵、石化、能源電力等行業形成較好應用態勢。工信部賽迪院產業所所長王昊認為，AI將以小步快跑態勢在製造業落地，從完成簡單任務到實現高級功能。2026年AI大規模落地製造業方面，較看好汽車、機器人等先進製造企業，AI也將賦能提升裝備與消費產品的智能化水平。聚焦製造業，會發現AI應用在三個維度展開：研發設計、生產製造、營運管理。“目前，大模型應用超過40%聚集在客服等營運管理環節，30%至40%應用於研發環節，原本處於‘中間緩’的生產製造環節AI應用比例從2024年的19.9％提升到2025年的25.9%，未來還將提升。”魏凱說。這種分佈反映AI在製造業滲透的漸進性特徵——從相對標準化的管理環節向核心的生產製造環節延伸。張亞勤表示，相比第一、二次工業革命中國“零參與”、第三次以資訊時代為標誌的工業革命是“跟隨者”，在AI作為技術底層的第四次工業革命中，“中國完全有可能走在前列”。這一判斷是業內共識。其背後，是基於中國的獨有優勢：全球最完整的工業體系、海量應用場景資料、強大的工程化能力和龐大的市場需求。這些要素共同構成中國製造業在AI時代實現跨越式發展的基礎。國家部署為企業助力。去年，《關於深入實施“人工智慧+”行動的意見》提出加快人工智慧在設計、中試、生產、服務、營運全環節落地應用；今年1月，工業和資訊化部等八部門印發《“人工智慧+製造”專項行動實施意見》，提出到2027年推動形成特色化、全覆蓋的行業大模型，推廣500個典型應用場景。工信部部長李樂成表示，將深入實施“人工智慧+製造”專項行動，統籌佈局通用大模型和行業大模型，培育一批重點行業智能體、智能原生企業；加快製造業智能化升級，挖掘人工智慧應用場景，以萬千“小場景”匯聚形成融合“大場面”。熊輝表示，傳統產業進行AI改造的核心是將產業問題抽象為AI問題，並實現低成本部署。以廣州的小家電產業叢集為例，可利用產業優勢，快速形成資料化、智能化閉環，大小模型配合，提升終端智能化水平。超600萬家中國製造業工廠，將在紛繁多樣的場景擁抱AI。這不僅是一場技術革命，更是一場深刻的生產方式變革。社會價值：深刻改變治理方式和運行規則重慶市潼南區桂林街道梨樹村，智能監測系統靜靜守護著85歲的獨居老人。當系統發現異常，從預警到網格員上門僅需15分鐘。這是AI融入政府公共服務的一個普通場景。從事後處置轉向事前預警，從“人海戰術”轉向智能調度，人工智慧的觸角以前所未有的廣度和深度，嵌入社會運行的一道道肌理。AI帶來的轉變推動城市治理更智能、更精準。在四川德陽，“城市大腦”的演算法以分鐘級發現路面問題；在甘肅臨洮，大橋上的AI可識別行人翻越欄杆、靠近水流等行為，與警務等部門聯動，挽救了20多條生命。重塑治理理念，人機協同的治理新模式應運而生。中國信通院政策與經濟研究所副所長李強治認為，中國正推動AI治理“下沉場景賦能”，將AI技術與政務、公共安全等領域深度融合。這股力量也滲透進日常生活的毛細血管——消費。AI萬能搜、AI幫我挑、AI試衣、AI清單……去年的“雙十一”購物節，淘寶天貓一口氣推出6款AI導購應用。“平台和產品變得更懂消費者。這不再是簡單的‘猜你喜歡’，而是‘懂你需要’，消費起點從使用者的需求清單逐漸變為AI的演算法推薦。”淘天集團研究中心主任徐飛說。AI正錨定“需求”著力滲透，實現從“技術可行”到“社會需要”。一位蔚來車主在車裡說句“想吃麥當勞”，車載系統就能自動定位到最近門店，並根據駕駛路線與會員身份推薦套餐。這是麥當勞中國與蔚來汽車聯合推出的國內首個車載AI語音點餐系統。麥當勞中國首席資訊技術與體驗官陳世宏表示，AI技術不斷滲透到消費場景，拓展消費邊界。《關於深入實施“人工智慧+”行動的意見》提出，推動智能終端“萬物智聯”，培育智能產品生態，大力發展智能網聯汽車、人工智慧手機和電腦、智慧型手機器人、智能家居、智能穿戴等新一代智能終端，打造一體化全場景覆蓋的智能互動環境。中金公司2026年展望報告顯示，消費電子的“端側AI時代”已經來臨，今年有望成為AI消費終端大規模普及的關鍵年份。新一輪消費電子更新換代潮或將到來。愛奇藝AIGC科技創意指導王慶豐表示，AI正推動消費從“需求牽引供給”逐步到“供給定義需求”，這背後是AI從表層效率最佳化切入，逐步滲透到體驗重構，甚至重塑著深層價值體系。AI重新定義價值，最深遠的是挖掘人的價值。學日語出身的劉典，在AI爆火的這兩年決定辭職攻讀計算語言學。“AI降低了跨界難度，很多知識門檻並沒有想像中高。”他說。AI向各行各業滲透，先行者靠它撬動更大價值。上海漕河涇開發區AI校友中心有超60家AI初創企業，創業者平均28歲。數宗科技主攻“多模態知識圖譜”，其創始人丁天是一位愛寫詩的文科生，他認為，AI時代，技術正從難以踰越的壁壘變為人人可呼叫的資源。“氛圍程式設計”入選《柯林斯詞典》2025年度詞彙，從“敲程式碼”到“聊程式碼”，AI逐漸滲透工作流程。騰訊相關負責人表示，騰訊有超90%工程師正在借助AI編碼，並基於自身實踐推出支援多種形態的專業工具CodeBuddy（雲程式碼助手），面向企業及程式設計師提供服務。AI輔助讓工程師專注於創新，成為能力的放大器。隨著AI重新定義工作和技能，傳統教育勢必轉型。在深圳職業技術大學的課堂上，AI正在手把手地教學生程式設計。校長許建領說，成功的“AI+教育”不是讓學生依賴AI獲取答案，而是培養他們使用AI創新。學生核心競爭力不再是單一的操作技能，而是複雜問題解決能力、“AI+技能”復合素養和可持續學習的自驅力。AI時代，每個人都可以挖掘自己的潛力，專注於唯有人類才能駕馭的洞察與創造。安全防範：護欄建設將趨嚴趨實最近，美國《韋氏詞典》評選出2025年度詞彙：“slop”（AI垃圾內容）。不約而同，英國《經濟學人》雜誌、澳大利亞《麥考瑞詞典》評選的年度詞彙也是它。這詞被一些網友翻譯為“AI泔水”，指質量低下、無意義或粗製濫造的AI圖像和文字等內容。詞語背後是席捲全球的現象：AI生成的荒誕而無意義的視訊、圖像和文字充斥網際網路。這警示人們，AI技術突飛猛進的同時，其日益增多的安全隱患與倫理挑戰不容忽視。“一家公司與某三甲醫院合作開發AI健康助手，最初設計採用一名真實醫生的形象與聲音。我向這家公司提出可能誤導患者，透支患者對醫生的信任。”中國科學院自動化研究所研究員、聯合國人工智慧高層顧問機構專家曾毅談到這樣一個案例。在曾毅等人建議下，這家公司推出的應用以卡通人物為形象，強化了其助手定位。曾毅說，越來越多AI企業開始思考以人文溫度校準技術。AI有那些風險？業內專家普遍將其總結為資料隱私與安全邊界模糊、技術濫用與虛假資訊產生、演算法偏見與決策“黑箱”等方面。張亞勤認為，突出的是資訊智能領域的風險，AI可以被利用生成虛假資訊、深度偽造並進行欺詐，還有生成式人工智慧的智慧財產權問題。當未來大模型、智能體與無人車、機器人等連接起來，智能體之間的協作和博弈如果出現失控或被惡意濫用，造成的風險更大。曾毅舉例，“越獄攻擊”，即通過精心設計提示詞繞過安全約束，並引發有害、偏見或不道德輸出的對抗性攻擊，是當前大語言模型安全領域的嚴峻挑戰。在AI技術狂飆突進時，如何為它裝好“方向盤”和“剎車片”？中國不斷加固安全護欄，走出一條從柔性指導到不斷加強法治保障的特色治理之路——《關於深入實施“人工智慧+”行動的意見》提出“形成動態敏捷、多元協同的人工智慧治理格局”；中央網信辦、國家發展改革委、科技部等多部門協同發力，推動人工智慧治理從理念走向落地。“十五五”規劃建議提出，加強人工智慧治理，完善相關法律法規、政策制度、應用規範、倫理準則。業界認為，這為中國未來五年人工智慧健康發展明確方向、留足空間、築牢基礎。去年底公佈的《人工智慧擬人化互動服務管理暫行辦法（徵求意見稿）》提出，擬人化互動服務提供者應當建立應急響應機制，發現使用者明確提出實施自殺、自殘等極端情境時，由人工接管對話。“這一暫行辦法公佈並向社會徵求意見，體現中國人工智慧政策‘自適應性’與監管框架的與時俱進。”曾毅說。既有“軟性”政策指導，也有“硬性”法律保障。新修改的網路安全法於今年施行，其中規定，完善人工智慧倫理規範，加強風險監測評估和安全監管。“規範發展”已成為AI業界共識，從研究機構到企業平台均在探索建立健全AI安全倫理體系，明確資料使用、責任界定等關鍵規則。2024年，中國信通院啟動“大規模預訓練模型（文字生成功能）安全認證”，標誌著中國開始對大模型內容安全進行系統化、標準化認證。一些機構和企業也在牽頭制定行業標準，如騰訊和中國信通院聯合發佈國內首個金融行業大模型標準等。AI發展需要各國共同推進、協同治理。參與起草《人工智慧全球治理行動計畫》的清華大學人工智慧國際治理研究院院長薛瀾表示，建構一個公平、公正、綜合、平衡的人工智慧全球治理體系，關乎全人類的共同發展。AI是驅動發展的新質生產力，也是影響人類未來命運的新生力量。如何加速技術應用以增加社會福祉，同時加強人文關懷化解潛在風險，這既關乎發展，也關乎未來。中國AI技術的發展與應用令人期待，需要全社會的深度參與。 (新華網)

AI晶片相關企業包攬榜單前10中的7席。今日，胡潤研究院發佈《2025胡潤中國人工智慧企業50強》，榜單聚焦於主營業務為AI算力或演算法的中國企業，上市公司市值按照1月9日的收盤價計算，非上市公司估值參考同行業上市公司或者根據最新一輪融資情況進行估算。這是胡潤研究院第二次發佈該榜單。《2025胡潤中國人工智慧企業50強》中，有21家非上市公司，上榜門檻為95億元人民幣，比上年提高35億元人民幣；前十名門檻為730億元人民幣，是上年的220億元人民幣的3倍多。上榜企業平均價值540億元人民幣，是上年的2.4倍。具體來看，AI晶片企業寒武紀以6300億元的價值位居榜首，比去年增長165%；國產GPU第一股摩爾執行緒排名第二，價值3100億元；中國首批實現全流程國產化的高端GPU企業沐曦排名第三，價值2500億元；AI晶片相關企業包攬榜單前10中的7席，包括地平線、瑞芯微、壁仞科技、芯原股份。18家為新上榜企業，超過榜單1/3，其中10家是AI晶片相關公司。北京和上海的上榜企業佔據六成以上，一線城市的企業超過八成。北京以19家上榜企業領先，其中包括寒武紀、月之暗面和雲知聲等知名企業；上海有14家上榜企業，比去年增加5家，以沐曦、商湯為代表；深圳上榜6家，雲天勵飛、奧比中光和晶泰科技等企業榜上有名；廣州有4家上榜企業，以小馬智行、文遠知行和雲從科技為代表。算力硬體類企業上榜14家，比去年增加9家，寒武紀是其中的佼佼者；資料分析決策類企業有11家，比去年增加4家，晶泰科技是其中的代表；內容生成類、視覺識別類、自動駕駛類各都有8家上榜，稀宇極智、商湯科技、小馬智行分別是各自領域領先企業；語音識別類企業有3家，科大訊飛是行業標竿。最年輕的上榜企業是月之暗面、百川智能和階躍星辰，它們均成立於2023年，均為AIGC大模型企業。胡潤集團董事長兼首席調研官胡潤表示，AI正在重塑中國的財富格局。寒武紀40歲的陳天石財富比上一年增長近1500億元，進入最新胡潤百富榜前20。瑞芯微的勵民財富增長300多億元。Kimi的創始人32歲楊植麟以73億元財富首次上榜。胡潤百富榜上榜企業家中，涉及AI領域並以AI為主導方向的佔比9%。2025年，中國AI的地位正在顯著增強。2025年初，DeepSeek以顛覆性的性價比橫空出世。2025年末，問世僅9個月的Manus被Meta收購，這是Meta自成立以來的第三大併購。過去一年裡，第三方AI模型聚合平台OpenRouter記錄了100萬億個token的使用資料，結果顯示：2024年末時，中國開源模型的市場份額最低僅1.2%，此後顯著增長，最高時佔比接近30%。本次榜單聚焦於專門從事AI領域的公司。AI晶片上榜企業最多，而AI算力基礎設施還包括AI伺服器、AI資料中心等。不過，以AI伺服器、AI資料中心等為主營業務且企業價值達到門檻的，暫時沒有。比如浪潮資訊，雖然是國內AI伺服器龍頭，但沒有證據顯示其AI伺服器佔比已經超過傳統伺服器。再比如潤澤科技，雖然是國內智算中心龍頭企業，但其AIDC業務約為普通IDC的一半，因此不視為主營人工智慧的企業。寒武紀憑藉6300億元的價值，位居榜單首位。自2016年成立以來，寒武紀始終專注於AI核心處理器晶片的研發，成功打造中國AI晶片第一股。2025年上半年，寒武紀實現營收28.8億元，同比大幅增長43倍。寒武紀還深化與國內外頭部大模型企業的合作，主導或參與45項國際及國內技術標準的制定。摩爾執行緒以3100億元的價值排名第二。2020年成立後專注全功能GPU研發，2025年公司以創科創板IPO最快過會紀錄——88天，吸引了廣泛關注。2025年前三季度，摩爾執行緒實現營收7.8億元，同比大幅增長182%。沐曦股份以2500億元的價值排名第三。2020年成立以來專注全端式GPU研發，是中國首批實現全流程國產化的高端GPU企業。科大訊飛以1300億元的價值位居第四，穩居智能語音賽道標竿。自1999年成立以來，公司專注於智能語音、自然語言處理與認知智能等核心技術研發。另外，訊飛星火大模型在國產算力平台上對標國內外一流模型效果，並擴展多語言能力至130+語種。地平線以1200億元的價值位居第五，穩居車載AI晶片及智駕解決方案領軍地位。2025年上半年營收同比增長67.6%，車載級征程系列處理硬體出貨量達198萬套，同比實現翻倍增長。 (半導體產業縱橫)

萬卡級出貨量企業的批次出現，並不意味著國產AI晶片的競爭已經分出勝負，而意味著這一輪產業試錯開始進入“規模化交付驗證”階段在嚴格的晶片出口管制的倒逼下，國產資料中心AI晶片的自主化處理程序正在加速。目前，國產AI晶片包括華為昇騰、百度崑崙芯、阿里平頭哥、寒武紀等十余個品牌。《財經》多方調研獲悉，至少有九家中國AI晶片公司的出貨量或訂單量已超過1萬卡。其中包括華為昇騰、百度崑崙芯等背靠科技大廠的企業，還包括寒武紀、沐曦、天數智芯、燧原科技等AI晶片上市和將上市企業，甚至包括曦望（Sunrise）、清微智能等仍在創業階段的非上市公司。其中出貨規模大的AI晶片公司，累計出貨量已在10萬卡等級。出貨量相對較小的AI晶片公司，如曦望、清微智能等2025年出貨量或訂單規模在1萬卡以上。國產推理AI晶片單價目前單卡價格約在3萬-20萬元不等。出貨量或訂單量達到萬卡規模，意味著國產AI晶片的性能、穩定性和總擁有成本具備一定市場認可度。它開啟的不只是規模競爭，更是圍繞穩定性、軟體生態和商業化服務的更深層次、更全方位的競爭。一批大大小小的AI晶片公司出貨規模快速增長，國產AI晶片的市場份額因此迅速攀升。國際市場調研機構IDC 2025年10月資料顯示，2025年上半年中國加速（即AI晶片）伺服器市場規模達到160億美元，出貨超過190萬張。其中輝達約佔62%市場份額，國產AI晶片約佔35%市場份額。國產AI晶片需求持續增長，增長速度遠超輝達。多位半導體產業人士對《財經》表示，2026年隨著國產AI晶片的代工產能逐漸提升，國產AI推理晶片的出貨量還將迎來一輪爆發式增長。不過，萬卡級出貨量企業的批次出現，並不意味著國產AI晶片的競爭已經分出勝負，而意味著這一輪產業試錯開始進入“規模化交付驗證”階段。萬卡出貨量的中國AI晶片公司湧現萬卡等級出貨量的國產AI晶片公司正在批次湧現。華為昇騰、百度崑崙芯是出貨規模最大的國產AI晶片。它們背靠大型科技公司，有穩定的客戶。華為昇騰、百度崑崙芯性能表現突出，甚至已被用於部分模型訓練場景。國際市場調研機構IDC資料顯示，2025下半年國產AI晶片中，華為昇騰市場份額位居國內第一，百度崑崙芯市場份額位居國內第三。華為昇騰已經被用於電信營運商、科技公司的多個國產萬卡叢集。百度2025年2月點亮了崑崙芯P800萬卡叢集，並計畫未來點亮三萬卡叢集。除了百度，一批金融、能源、製造等領域的大型企業都在採購百度崑崙芯。寒武紀也是國內出貨量最大的國產AI晶片之一。其主要客戶包括國內大型網際網路公司、電信營運商和金融機構等。2025下半年-2026年初，沐曦、摩爾線程、天數智芯、燧原科技等AI晶片創業公司先後發佈招股書。招股書顯示，沐曦、天數智芯、燧原科技的累積出貨量均已超過萬卡。沐曦招股書披露，截至2025年8月末，沐曦AI晶片累計銷量超過2.5萬卡，已在多個國家人工智慧公共算力平台、電信營運商智算平台和商業化智算中心實現規模化應用。天數智芯招股書披露，截至2025年6月30日，天數智芯已向金融、醫療、交通等行業的290名客戶交付5.2萬枚AI晶片。燧原科技招股書披露，截至2025年9月，燧原科技AI加速卡及模組出貨情況。經《財經》計算，燧原科技的AI加速卡及模組合計銷量為9.72萬張。《財經》瞭解到，包括曦望、清微智能等仍未上市的國產AI晶片公司出貨量或訂單量也已經超過萬卡。不過，它們和頭部國產AI晶片公司的出貨量仍存在明顯差距。曦望前身是商湯科技的大晶片部門，2024年底分拆獨立營運，該公司目前專注AI推理晶片的研發與商業化。曦望的投資方包括三一集團旗下華胥基金、範式智能、杭州資料集團，IDG資本、高榕創投、無極資本等知名機構，以及誠通混改基金、杭州金投、杭州高新金投等國資相關基金。曦望已經銷售啟望S1、啟望S2等AI推理晶片，2026年將量產啟望S3晶片。客戶包括商湯科技、第四範式等企業。在1月28日產品發佈會上，曦望方面披露2025年AI晶片交付破萬卡，收入大幅增長。清微智能是一家“清華系”的晶片創業公司。獲得了國家積體電路產業投資基金（大基金）投資，且是首批國家級專精特新“小巨人”。《財經》瞭解到，截至2026年1月，清微智能的AI晶片訂單量累計超過3萬卡，客戶包括部分地方城市的智算中心。一些國產AI晶片創業公司目前更關注能用、可控以及出貨規模，並非追求極致的峰值性能。部分國產AI晶片創業公司並未像輝達和頭部國產AI晶片公司使用7nm（奈米）及以下的先進製程以及HBM（高頻寬記憶體）記憶體。目前國產7nm（奈米）及以下的先進製程、國產HBM記憶體產能極其有限。因此，它們直接採用了更成熟且中國大陸本土產業鏈能夠更快量產的12nm工藝製程和LPDDR（低功耗雙倍資料率記憶體）系列記憶體。這類國產AI晶片的價格甚至可低至3萬元/卡。2025年12月，AI基礎設施創業公司新智惠想創始人吳健對《財經》表示，他和十家以上的國產AI晶片企業都有接觸。他預計2026年-2027年中國市場還會有多款國產AI推理晶片上市，2026年-2027年會迎來爆發。部分國產AI晶片推理性能已超輝達H20目前，國產AI晶片的峰值性能和輝達存在巨大差距。中國市場的AI晶片數量和美國市場也存在巨大差距。降低國產AI晶片的推理成本，正在成為中國產業界的共同努力方向。因為當算力規模無法正面比拚時，決定差距的不是有多少晶片，而是每張晶片能吐出多少Token（詞元）。資料中心AI晶片的主要使用場景包括訓練和推理。推理AI晶片的設計、使用門檻相對較低，這裡是國產AI晶片突圍的重要機會。IDC資料顯示，2025年中國生成式AI IaaS（基礎設施）市場，訓練佔比49.6%、推理佔比50.4%。IDC預測，到2029年，訓練佔比將降至23.3%，推理佔比將提升至76.8%。因此，國產AI晶片公司普遍注重提升推理性能，“榨乾”每一枚晶片的Token。Token是模型推理的基本單位。當算力規模受限時，每秒能生成多少Token（Token/s），直接決定了AI服務的響應速度、吞吐量和成本。這是衡量晶片實際推理效率的核心指標。吳健表示，做好硬體適配、調度最佳化等工作，有可能將同樣的晶片、同樣的模型發揮出數倍甚至數十倍的Token吞吐性能。曦望CEO（首席執行長）徐冰1月28日在產品發佈會表示，2025年中國市場百萬Tokens的推理成本已經降至1元。曦望的目標是在這個基礎上用專用的推理晶片和系統架構，把百萬Tokens的降低至1分等級。曦望相關人士對《財經》表示，目前曦望主打AI推理性能，下一代啟望S3目標是，相比上一代產品AI推理性能提升十倍以上。在門檻更低、使用更廣泛的推理場景，部分國產AI晶片性能表現已接近或超過輝達H20。H20是一款為了符合美國出口管制政策，性能被大幅閹割的“中國特供”AI晶片。一位地方國企智算技術人士2025年12月曾對《財經》表示，他測試了華為昇騰910B、百度崑崙芯P800、阿里PPU等國產AI晶片的推理性能。百度崑崙芯P800、阿里PPU跑DeepSeek-R1和阿里千問等經過適配最佳化的模型，Token吞吐效率優於輝達H20。不過，在軟體生態層面，國產AI晶片目前普遍面臨適配慢、適配難的問題。不像輝達的晶片一樣，能被開發者快速適配市面上大部分模型。一位國產AI晶片創業公司人士對《財經》表示，他們目前主要適配DeepSeek、阿里千問、Meta的Llama系列等主流模型，其他模型無法及時、全面兼顧。上述地方國企智算技術人士對《財經》表示，他所在的企業為國產AI晶片適配新模型，通常要一兩個月。因此，往往無法第一時間用上最新的模型。一位人工智慧解決方案公司CEO甚至提到，Hugging Face（全球AI和大模型開源社區）上擁有超過200萬款模型，而某國產AI晶片適配的模型數量只有幾十款。多位半導體產業人士對《財經》表示，萬卡級出貨量企業的出現，意味著這一輪產業試錯正在進入“規模化交付驗證”階段。部分半導體產業人士的看法是，國產AI推理晶片市場正在出現與太陽能產業早期相似的路徑——在產業政策，以及產業引導基金、二級資本市場的推動下，多家廠商出貨量迅速攀升。一種樂觀預期是，中國的AI推理晶片市場未來幾年，將像中國的太陽能產業一樣，通過激烈的市場競爭跑出若幹個具備國際競爭力的企業。不過，另一種觀點是，太陽能是高度標準化的製造業產品，勝負最終由成本曲線與產能效率出清決定。AI晶片的產業發展邏輯由軟體、硬體和生態共同決定，它的競爭節奏與淘汰機制和太陽能產業存在本質差異。國產AI晶片上游受限於晶片代工企業的產能，下游受限於軟體生態。它的交付穩定性、軟體棧成熟度與生態遷移成本，決定了“萬卡之後”的復購與生存。中國AI晶片市場殘酷的競爭甚至尚未真正開始。 (財經雜誌)