日前，由智譜與華為聯合研發並開放原始碼的多模態圖像生成模型GLM-Image，登上Hugging Face平台Trending榜第一，打破長期以來國外模型在開源榜首的壟斷局面。值得一提的是，該模型基於昇騰Atlas 800T A2裝置和昇思MindSpore AI框架，完成從資料到訓練的全流程，是首個在國產晶片上完成全程訓練的SOTA多模態模型。業內人士表示，從更長遠看，GLM-Image登頂不是偶然，而是國產AI全產業鏈協同的必然結果。這種全鏈條能力，不僅能讓國內中小企業以更低成本用上AI工具，更能推動國產AI技術走向全球，有望改寫過去“國外定標準、國內跟節奏”的產業格局。如今，GLM-Image的開源地址已在GitHub和Hugging Face平台同步開放，全球開發者都能免費使用這套“國產方案”。 (科技日報)

2026年1月15日，AI迎來一次新的重要變革。當天，千問App上線400+項新功能，並全面接入淘寶閃購、支付寶、淘寶、飛豬、高德等阿里生態。更重要的是，它把“推薦—下單—支付—履約”拉進同一個應用裡：使用者在千問App內即可點外賣、買商品、訂機票、訂酒店，成為全球首個實現 AI 超級應用（Super App）內閉環的案例。這意味著，阿里AI的“最強大腦”開始與物理世界的“最強履約”合體。千問App不再只是能生成程式碼的聊天機器人，而是第一次長出了“手腳”：能把需求直接變成交易與交付，向“AI辦事時代”邁進。全球AI競賽的焦點，也在從“誰的模型更聰明”，迅速轉向“誰能更完整地履約”。千問C端事業群總裁吳嘉與華爾街見聞對話時表示，AI真正的分水嶺不在於模型能說的多漂亮，而在於能否在複雜場景裡完成交付：簡單問題就簡單回答，複雜問題就要多輪溝通、把需求校準到位。從去年的淘寶閃購，到今天的千問Super App，阿里在大消費與 AI 兩條戰線的“聚合趨勢”越來越清晰：各業務不再各自為戰，而是圍繞同一個AI入口協同作戰。由AI作為粘合劑，也將有望帶動阿里所有資產一起實現AI重估。千問App把AI拉進真實履約，再次彰顯阿里“最強模型+最豐富生態”所具備的競爭優勢，更不斷向外界證明：不論算力基建、模型能力，還是AI購物等應用落地，阿里都全面領跑，不愧是中國AI第一標的。當AI長出“手腳”1月15日，阿里正式宣告AI從“聊天”邁入“AI辦事時代”。使用者在螢幕這端拋出一個模糊意圖，千問在雲端呼叫Qwen3-Max的推理能力，拆解任務、編排工具：調淘寶的商品庫，算高德的路徑，喚起支付寶的支付與資金流。最終，結果以真實的包裹、熱騰騰的外賣、合適的機票，抵達使用者的物理世界。來看一個場景：使用者對千問說，“我是個菜鳥，想去東北滑雪，給我推薦合適的裝備。”在舊邏輯下，使用者往往只會得到一堆攻略：夾雜軟文、資訊過期，還得自己分辨、自己上淘寶搜、比價、下單，鏈路割裂，摩擦極高。在千問的新邏輯下，“菜鳥”意味著更高容錯、更易上手；“東北”意味著更高保暖、更強防風。千問不僅給建議，更能基於淘寶的商品庫與評價體系，生成可執行的具體選品方案：使用者在千問內看詳情，一鍵跳轉下單，中間幾乎沒有斷點。更進一步，打通淘寶閃購後，千問在端內即可完成“推薦—點單—支付”。使用者不必再打開外賣App，也不需要在滿減券裡算數學題，AI直接幫你決策、下單、付款，接入支付寶之後，千問具備了AI原生支付能力，體驗的躍遷是質變。千問成為真正意義上全球第一個可以購物的AI。然而購物只是能辦事的一部分，它甚至能呼叫支付寶的政務能力：一句話查詢簽證、戶口、公積金等約50項民生事項，並直達辦理入口。與此同時，千問在應用開發、Office 辦公、學習輔導、諮詢調研等300+核心任務上，已經具備很高的交付成功率——從“給答案”走向“交結果”。吳嘉在對話中提到，生活場景裡使用者往往並不掌握自己的“真實需求”，必須通過多輪確認來對齊偏好：你沒看到具體方案前，很難判斷“是不是我要的”。這正是Agent該做的事。這些能力看似瑣碎，本質上是在建構一個“生活OS”：AI是核心，淘寶、支付寶、高德等是驅動，物理世界的服務是外設，通過Agent把它們串聯起來。只有阿里，擁有足夠完整的“驅動程式庫”。OpenAI沒有這套庫，Google不夠完整，亞馬遜也不對外開放——這就是阿里真正的優勢所在。最強“大腦”任何商業閉環都要有強技術底座。只有“手腳”沒有“大腦”，最多是自動化指令碼，不是AI Agent。吳嘉強調，團隊不刻意追逐“人均對話輪次”這類指標，衡量標準只有兩件事：使用者真實需求的滿意度與交付率——簡單問題就簡單回答，複雜問題就多輪溝通，把需求校準到位再交付。阿里在模型層的投入很堅決。Qwen3-Max作為核心底座，性能位居全球第一梯隊，千問作為全球最具影響力的開源模型之一，也被輝達、Airbnb、亞馬遜等矽谷公司與開發者廣泛採用，成為“最好用的開源模型”代表。更關鍵的是千問App的進化速度，數百個常用工具中，過半由AI通過Coding自主生成，AI能力不再是“開發上線”，而是“邊用邊長”。傳統App的迭代以周計，而千問可以在識別高頻需求後後台即時寫程序交付，以秒計。架構上，千問App採用通用Agent體系：主Agent負責拆解與規劃，具備反思能力的子Agent在各自領域獨立決策執行，任務結束後系統復盤沉澱經驗，推動Agent持續升級。這也呼應吳泳銘的判斷：ASI演進進入第二階段——AI從“語言交流”走向“自主行動”，不止會說，更能把事辦成。還原資料“場景真相”大腦決定“能不能辦”，但在 Agent 時代，真正決定使用者是否願意把關鍵決策交出去的，是“辦得準不準”。AI Agent的核心痛點是信任與精準。大模型基於全網語料訓練，天然夾雜噪音：軟文、廣告、刷單評論、SEO 文章。使用者問“什麼面膜最好用”，得到的答案可能只是某篇付費通稿的複述，看似有理，實則不可核驗。阿里的解法更“硬”，用海量真實交易與服務資料建構可驗證的“場景真相”。每天發生在淘寶上的真實交易，都是貨幣投票；經過反作弊清洗後的好評與差評，就是信用沉澱。千問App用這套資料增強模型，讓它不僅依賴世界知識，也依賴可落地的商業常識。當AI推薦一塊滑雪板，它不看文案吹得多響，而是看過去一個雪季的真實購買、退換、復購與口碑分佈。剝離軟文與廣告，就剝離了“種草行銷”的偽，從源頭提升輸出的客觀性與穩定性。這種“場景真相”很難被覆制。OpenAI的公共資料來源（如Common Crawl）更容易被SEO噪音污染，即便通過媒體合作補充高品質語料，新聞語料與交易資料之間仍有量級差異。商業資料壁壘來自源頭與閉環，誰掌握交易與服務的入口，誰更接近“真實世界的答案”。這恰恰是阿里二十多年生態積累的優勢，也解釋了為什麼在海外，巨頭們往往需要用“協議”和“聯盟”去補齊履約：路徑不同，成本與不確定性也不同。Google與OpenAI的困局在大洋彼岸，Google也在行動，焦慮顯而易見。1月11日，Google在NRF大會上發佈通用商業協議（UCP）。Google有全球最大的流量入口，但在電商履約上始終缺一條腿：亞馬遜護城河太深，OpenAI來勢太猛，Google必須把盟友拉進同一套體系裡。UCP 的思路是“協議化”：用通用語言與功能原語，把AI Agent與商家後台系統對接起來，於是Shopify、Etsy、沃爾瑪、Target等被拉入陣營。尤其是沃爾瑪。Google與沃爾瑪的合作更像“互補”：沃爾瑪需要流量對抗亞馬遜，Google需要貨盤與履約對抗OpenAI。但協議的天然問題在於鬆散：資料是否會完全共享？庫存是否會即時開放？零售商對Google始終有戒心，沒人願意把自己變成“Google的管道”。所以，Google走的是“借路”：靠協議與盟友拼出閉環；而阿里走的是“自建路”：用自有生態把閉環直接鋪在App裡。再看OpenAI。它點燃了這場革命，但未必是最終贏家。ChatGPT推出“即時結帳”（Instant Checkout），試圖把Chat拉到下單閉環裡，可它仍面對一個物理現實：有大腦，缺手腳。支付、物流、商品與服務供給不在自己手裡，履約只能依賴他人，體驗割裂。於是它不得不與Shopify、Stripe等結盟：靠Shopify的商家供給，靠Stripe的支付能力。這是一種“借雞生蛋”，風險在上游：一旦關鍵平台收緊資料與介面，“全網搜尋”會迅速變成“區域網路搜尋”，閉環覆蓋面也隨之收縮。對消費者而言，如果主流貨盤不開放，Instant Checkout的可用性就會被天然限制。對照之下可以看到：閉環不僅是技術拼圖，更是組織與生態的拼圖。能否把入口、資料、履約擰成一股繩，決定了能不能長期跑下去。阿里的再一次組織變革資本市場習慣把阿里歸類為電商公司或雲公司。但在智能體商業（Agentic Commerce）時代，估值框架需要重構：入口、履約與資料真相共同決定AI的交付上限，也決定商業化的天花板。千問App的全面接入各業務線，正是阿里組織戰略的一面鏡子。過去幾年，各業務類股相對獨立，利於單點突破，但進入AI時代，它反而成了掣肘——AI需要全域資料，也需要跨端能力的協同呼叫。自“淘寶閃購”推出以來，風向開始轉變。餓了麼與淘寶閃購的融合，是大消費領域的生態聚合；千問App的接入，則是AI領域的生態聚合。阿里正在把全集團的力量擰成一股繩，這一次的粘合劑，是AI。淘寶閃購在其中扮演關鍵角色，它把電商與即時零售連接起來，讓“點外賣”這個高頻動作進入淘寶，也進入千問。對千問而言，打通閃購後，推薦、點單、支付形成閉環，才真正具備“能辦事”的履約鏈路。淘寶是貨架，支付寶是錢包，高德是地圖，飛豬是嚮導——這些沉澱多年的商業基礎設施，過去更多是線性增長。在AI帶動下，它們開始被拆解為可編排的“原子能力”，可以被高頻呼叫、靈活組合，衍生出更多服務形態。這既是價值的回歸，也是價值的躍升，當一家公司同時掌握數字世界的“大腦”（Qwen3-Max）與物理世界的“手腳”（淘寶/支付寶/閃購等），它就不再只是若干 App 的集合，而是連接兩個世界的橋樑——這種橋樑的價值，遠高於單點應用的疊加。結語到了2026年，AI開始變成生活本身。AI不必花哨，關鍵是把事辦成、把交付做到位。這是AI時代的必然：誰把大腦接上手腳，誰就更接近未來。 (華爾街見聞)

馬斯克坐在德克薩斯州超級工廠的攝影機前，用3小時描繪了一個即將到來的世界，那裡的機器人比外科醫生更精準，電力比貨幣更珍貴，而中國的算力優勢將讓世界其他國家望塵莫及。馬斯克直言：“我們正處於奇點之中。現階段是過山車到達頂點、即將俯衝的時刻，未來技術變革的‘即時性’與‘顛覆性’會大大加快。”▲馬斯克。資料圖。圖源：CFP如果你看完（聽完）這場《Moonshots》對話，資訊密度之高，馬斯克將未來5-10年的技術演進與社會變革濃縮成一幅充滿震撼與挑戰的圖景。01 奇點已至馬斯克將當前技術發展階段稱為“奇點已至”，這是技術飛躍的臨界點。在他眼中，AI驅動的發現速度將呈指數級增長，以至於傳統的智慧財產權體系都會變得無關緊要。這一加速變革的“即時性”與“顛覆性”正以前所未有的速度改變我們的世界。這位企業家斷言，人類正處於從資源匱乏時代邁向“可持續富足”時代的轉折點。奇點的核心特徵是AI驅動發現速度呈現指數級增長，汽車、航天等多個前沿領域的變化最終都將在奇點匯合。02 AGI時間線馬斯克預測到2026年，人工智慧將實現與人類相當的通用智能水平，他將其描述為人工通用智能（AGI）的到來。在人類智能被AI追平後不久，他進一步預測，到2030年，人工智慧的智能總和將超越全人類的智慧總和。這意味著未來AI的集體智力將在短短幾年內超過地球上所有人的智力總和。馬斯克認為，大多數AI行業內部人士都“大幅低估了即將發生的事情”。他解釋說：“智力密度潛力比我們目前體驗的要大得多。”03 未來社會與工作重塑隨著AI能力的增強，白領工作將最先受到影響。馬斯克直言不諱地指出：“凡是涉及數字資訊處理的工作（如鍵盤操作、資料分析），AI都已能完成一半以上。”他警告，這類工作崗位將最先消失。在這種背景下，馬斯克提出“全民高收入”這一大膽構想。他預測，由於AI將帶來極大物質充裕，政府可能通過這一政策直接分配資源。他甚至建議：“不必為10年或20年後的退休儲蓄——要麼人類已進入新形態，要麼儲蓄不再必要。” 這源於他的預測：如果機器人能建房、種糧、製造商品，貨幣及儲蓄將變得不重要。04 人形機器人的爆發式增長馬斯克預測，2040年全球機器人數量可能遠超100億台，遠超過目前全球人口總量。特別是他旗下的Optimus機器人，馬斯克預測“3年內它可能超越任何人類，5年內差距將進一步拉大”。這位特斯拉CEO特別強調了人形機器人對外科醫療領域的衝擊：“機器人Optimus將在3年內達到頂尖外科醫生水平，5年內遠超人類。這意味著‘讀醫學院沒意義’。”這一預測引起醫學界的不同反應，多位醫學專家指出，技術從實驗室走向臨床應用需要解決更多實際問題。05 中國在AI競賽中的優勢在談及大國競爭時，馬斯克對中國的能源基建能力表達了由衷敬佩，他直言“中國正憑藉瘋狂基建，握住了最關鍵的‘印鈔機’”。馬斯克預測：“基於當前的趨勢，中國在AI算力方面‘將遠遠超過世界其他國家的總和’。”馬斯克注意到，為解決旗下xAI巨型超算的供電需求，他在美國孟菲斯尋求1吉瓦電力時，電網公司回覆需要排隊12到18個月。與這種基礎設施掣肘形成鮮明對比的是，中國去年新增500太瓦時發電量，其中太陽能佔70%。“他們正把我們甩得看不見尾燈。”馬斯克直言不諱地表示。▲2025年8月20日，新疆吐魯番，國家電投新疆吐魯番1GW光熱+太陽能一體化項目現場。圖源：CFP他預測，中國今年的電力輸出可能達到美國的三倍左右，這使其能夠支援能源密集型的AI資料中心。06 能源與太空探索願景馬斯克將能源視為AI時代的核心競爭力，提出了“太空太陽能是人類能源自由的唯一答案”的觀點。他的能源方案分為三步走：利用特斯拉Megapack電池儲存夜間閒置電力；向太空發射太陽能AI衛星，借助24小時日照最大化利用太陽能；在月球建立衛星工廠，就地取材製造衛星並送入軌道。中國太陽能行業已經對馬斯克的太空太陽能構想做出回應。晶科能源董事長李仙德公開表示，同樣一塊板子，在太空的平均發電量比地球上安裝的要高出7至10倍。07 教育、醫療與人類未來在教育領域，馬斯克認為AI將實現完全個性化教學。他描述說，像Grok這樣的AI模型可以成為“無限耐心的個性化教師”，根據學生特點因材施教。但他強調，這一切的前提是學生自身具備學習好奇心，因為“Grok不能讓你想學習，它能讓學習更有趣”。在生命科學領域，馬斯克對人類的壽命延長持樂觀態度。他說：“許多人和我對長壽有分歧。我說我們應該推動人們活到120-150歲。”他甚至認為，Anthropic聯合創始人兼首席執行長Dario Amodei預測的“接下來人類的壽命會翻倍可能是正確的”。馬斯克對2040年的世界作出預言：百億台人形機器人成為社會運轉的基石，電力取代貨幣成為通用價值尺度，而中國依託其強大的基建能力和能源產出，在AI競賽中“將世界其他國家甩得看不見尾燈”。但馬斯克也提醒人們：“小心你許的願，因為你可能會實現它。如果你真的得到了你想要的所有東西，那真的是你想要的未來嗎？”當人的工作不再重要、過著沒有挑戰的生活，可能會引發精神層面的危機。 (察理思特)

這兩天，DeepSeek 新版將在春節前發佈的消息，讓整個網路又沸騰了，全網都在等著再次見證奇蹟。但昨天的一場 AI 高端局，卻給這股熱浪狠狠澆了一盆冷水。阿里通義千問的大佬在會上直言：中國 AI 三到五年內超越美國的機率，樂觀地說，也只有 20%。這番“暴論”，跟我們熟知的“差距僅剩三個月”簡直大相逕庭。這到底是怎麼回事兒？01｜一場全明星的閉門會事情的起因，是昨天舉辦的一場名為 AGI-NEXT 的閉門峰會。這場局的含金量簡直高得嚇人，堪稱中國 AI 界的“全明星陣容”。智譜 AI 的創始人 唐傑、Kimi 的創始人楊植麟、阿里通義千問的技術負責人林俊暘。以及最近的“當紅炸子雞”——騰訊 AI 科學家姚順雨，全都到齊了。峰會具體聊了什麼“乾貨”，外界鮮有報導。但最後流出的圓桌對話環節，卻在圈子裡引發了熱議。而真正讓這件事出圈的，是主持人拋出的最後一個、也是最犀利的問題：“未來 3 到 5 年，中國任何一家公司在 AI 方面超越美國的機率，到底有多大？”面對這個直擊靈魂的提問，現場並沒有出現預想中的“豪言壯語”。相反，阿里通義千問的林俊暘略作沉思，給了一個極其誠實、甚至聽起來有點刺耳的回答：“我覺得是 20% 吧，這已經非常樂觀了。”這…意思是不能說希望全無吧，至少也是希望渺茫。果真如此嗎？02 ｜一場“富二代”和“窮小子”的遊戲首先，咱們得認清一個現實：在這一輪 AI 競賽裡，我們在核心硬體上確實比對手“窮”。這個“窮”，指的是算力。林俊暘在會上打了一個讓我破防的比喻：美國的實驗室就像是“富哥”。人家的算力比我們大 1-2 個數量級，那是真的“家裡有礦”。即便有些實驗是浪費的，他們也有資本投入海量的資源去試錯，去做下一代的前沿研究。而我們的實驗室呢？真的叫“捉襟見肘”。國內的大模型團隊，光是滿足當下的產品交付，可能就已經把手頭所有的顯示卡佔滿了。（阿里都如此？)當然，現場討論也擔憂光刻機等能否攻破的問題。不過也有很對反對的聲音認為，正是這種“匱乏”，逼出了中國公司的極致效率。DeepSeek 就是一個例子：當矽谷還在迷信“大力出奇蹟”時，它硬是靠著架構創新，用僅有的一點算力，把模型訓練成本打到了令人髮指的“白菜價”。也難怪黃仁勳在 CES 上直言：中國開源模型已是全球第一梯隊，推理效率甚至吊打美國。（他甚至首次在他的 PPT 裡面直接用了大量中國模型）圖：輝達 CEO 黃仁勳在 CES 2026 上以中國模型為例他警告同行：“封鎖反而逼出了一個可怕的對手。”窮有窮的打法，這恰恰是我們的韌性。03｜馬斯克的“神預言”：真正的瓶頸是“電”，不是“芯”如果說晶片是現在的短板，那馬斯克最近的一個判斷，可能指出了我們未來的“隱藏大招”。不同於大家死盯著顯示卡看，馬斯克在最新的訪談中拋出了一個觀點：AI 競賽的下半場，瓶頸根本不是晶片，而是電力。他在播客裡直言：“中國的 AI 算力將遠超世界其他地方。”為什麼？因為雖然美國晶片強，但美國的電網太老舊了！建一個資料中心，光等排隊接電就得好幾年。而中國？“基建狂魔”不是白叫的。馬斯克預測，到 2026 年，中國的發電增量可能是美國的 3 倍。拼到最後，這可能是一場能源戰。而這，恰恰是“基建狂魔”的主場。04｜學術界“補位”：正在批次製造“牛頓”除了工業界的死磕，這場對話還讓我看到了另一股最容易被忽視的力量：學術界。以前我們總覺得，學術界是不是落後了？大家都在搞大模型，教授們還沒卡，能研究出啥？但香港科技大學榮休教授楊強給出了一個非常精彩的觀點：工業界就像當年的伽利略，先發明瞭望遠鏡（大模型），看到星星在轉；但接下來，我們需要牛頓（學術界）來總結定律。工業界忙著賺錢，誰來研究“智能的上限在那裡”？誰來把大模型從“黑盒”變成科學？你可能覺得中國學術界不行，但最新的資料狠狠打了我一巴掌。就在近日，電腦科學領域的權威榜單 2026 CSRankings 正式發佈。在人工智慧（AI）學科的全球排名中，發生了一件極其恐怖的事情：中國高校直接包攬了全球前 10 名！圖：中國大學包攬人工智慧學科排名前十南京大學以 23.7 分的絕對優勢，力壓全球名校，位居世界第一！這意味著當“富二代”在前面狂奔時，我們的“科學家”正在後面默默鋪路。05｜ 別慌，這其實是一場“華人的內戰”最後，如果你還在擔心因為技術封鎖，中國人的腦子會輸給美國人，那看看最近矽谷瘋傳的一條消息吧，保證讓你心態炸裂。有確鑿的內部消息稱：馬斯克最近為了追求極致的效率，對 Grok 團隊進行了大換血，甚至辭退了團隊中“最後一個白人成員”。在他眼裡，沒有膚色之分，只有程式碼寫得好不好之分。不管你願不願意承認，現在的 Grok 團隊，幾乎已經成了名副其實的“全華班”。圖：馬斯克的 xAI 團隊這不是個例。就在前不久，Meta 豪擲幾十億美元收購了那個紅遍全球的 AI Agent 產品——Manus。而 Manus 背後的核心團隊，正是地地道道的中國團隊。圈內一直有個段子：所謂的中美 AI 競爭，歸根結底，已經演變成了“在大洋彼岸的華人工程師”和“在中國本土的華人工程師”之間的賽跑。硬核資料早就擺在那了：圖：AI 人才分佈，來自@@bookwormengr中國佔據了全球 AI 人才的 48.68%，將近一半！而美國是 35.47%。在“人腦”這個核心要素上，我們不僅不窮，反而是在“富礦”上。即使在 OpenAI 這種“AI 聖殿”，員工來源高校的前 20 名榜單中，除了美國本土名校，僅有的兩所入圍高校，正是中國的清華和北大。圖：OpenAI 員工高校來源寫在最後聽完大佬的“20% 論”，我反而更樂觀了。因為科技史有一個鐵律：技術代差最容易被時間抹平，但應用的壁壘卻難以踰越。前段時間我去了趟新加坡，按理說夠發達了吧？但在那兒的幾天，我真有一種“回到上個世紀”的錯覺——沒有隨掃隨走的單車，沒有絲滑的支付，幹啥都不如國內方便。這恰恰證明了：決定勝負的，往往不是底層的“黑科技”，而是誰能把技術變成最親民的“日子”。技術決定下限，但應用生態決定上限。在這方面，還沒人捲得過中國。一旦戰場轉移到應用層，把這些“中國優勢”加進去，這 20% 的勝算，我看至少得翻倍。你怎麼看？未來 AI 的決勝點，是“技術參數”還是“落地應用”？ (AI范兒)

近日，美國特斯拉和太空探索技術公司首席執行長馬斯克表示，中國在人工智慧（AI）計算能力方面將會領先世界，關鍵優勢在於其電力供應能力。儘管美國一直致力於限制中國獲取先進半導體，但馬斯克認為，隨著時間推移，這些限制的影響可能會逐漸減弱。馬斯克說，中國“會搞定晶片問題”。馬斯克認為，在晶片性能前沿領域的邊際效益遞減現象，可能會使中國即便無法獲得最先進的晶片設計，仍然更容易縮小人工智慧技術差距。圖源網路去年6月，黃仁勳在法國歐洲科技創新展覽會（Viva Technology conference）接受美國消費者新聞與商業頻道（CNBC）場邊訪問時說：“我們的技術領先華為一代”，並警告稱“如果美國不要涉足中國市場，華為將佔據該市場”。據介紹，中國正專注培育像華為等國內企業，以自主建立AI晶片生態系統。華為創辦人任正非在《人民日報》的訪問中曾稱，華為晶片仍落後美國一代，華為還沒有這麼厲害，要努力做才能達到他們的評價。回顧2025年，中國國產AI晶片賽道可謂是熱鬧非凡，先是DeepSeek橫空出世，隨其“破圈”而來的是AI應用側的大爆發，AI在口口相傳間真正走入了尋常百姓家，而這也意味著，算力需求逐步從訓練轉向推理。之後，以華為打“頭陣”，一眾國產AI晶片廠商宣佈支援DeepSeek並快速部署，國產算力熱情被“點燃”。2025年12月，摩爾線程率先沖線成為“國產GPU第一股”，沐曦股份緊隨其後也成功登陸科創板，壁仞科技及天數智芯均在2025底發佈消息稱，將於2026年開年敲開港交所“大門”。當前，國產晶片在硬體參數上與海外晶片差距日益縮減，軟體生態、互聯技術有望隨產業發展而不斷壯大。業內分析認為，受國內智算中心加速建設以及網際網路公司AI需求催化，智算晶片市場需求有望再上新台階，預計2026年國內AI晶片規模將突破3000億元，國產晶片有望提升份額。 (PConline信創)

特斯拉CEO馬斯克再次聚焦中國AI發展！他在最新訪談中指出，中國AI算力將領先世界，關鍵優勢並非晶片或演算法，而是看似傳統的電力供應能力。一起來看他的詳細分析。AI競賽的決勝關鍵是什麼？演算法？晶片？在特斯拉CEO埃隆·馬斯克看來，這些都不是最核心的要素——電力供應能力才是真正的“勝負手”，而中國在這方面正展現出巨大優勢。01 電力：AI發展的隱形天花板馬斯克在近期播客節目中直言不諱地指出：“人們低估了電力供應的難度。”他認為，電力生產是擴大人工智慧系統規模的主要制約因素。這並非危言聳聽。隨著全球科技巨頭紛紛投入“千億級”建廠競賽，AI資料中心的耗電量已經相當於一座中等城市的用電需求。高盛報告更是明確警告：電力短缺可能成為阻礙美國AI進步的最大瓶頸。02 中國優勢：發電量或將達美國3倍馬斯克之所以看好中國，基於一個關鍵資料：他估計到2026年，中國發電量可能會達到美國的3倍左右。這一預測有其現實基礎。2024年，中國發電量已超過10兆千瓦時，佔全球三分之一。更重要的是，中國通過“西電東送”等國家級工程，建成了全球領先的電力基礎設施體系，為AI算力擴張提供了堅實支撐。03 “東數西算”的戰略智慧面對AI算力的能源需求，中國早已佈局“東數西算”工程。這一戰略將東部資料需求導向可再生能源豐富的西部，實現算力與能源的最佳化匹配。目前，該工程已為全國提供約八成智算算力，同時新建資料中心綠電消費比例要求達到80%。這種統籌規劃，讓中國在AI競賽中佔據獨特優勢。04 晶片問題，中國能自己解決儘管美國對華半導體出口實施限制，但馬斯克持樂觀態度。他認為，隨著時間推移，這些限制的重要性將下降，中國會“搞定晶片問題”。他的判斷依據是晶片性能的“邊際收益遞減”規律。即使無法獲得最先進晶片，中國也能通過其他途徑縮小差距。這一觀點與輝達CEO黃仁勳相呼應，後者也強調能源才是AI競賽的基礎。05 全球格局正在重塑馬斯克的判斷得到多方資料支援。摩根士丹利分析顯示，2025-2028年間，美國資料中心電力缺口預計達44吉瓦。而中國到2030年備用電力容量可能超過400吉瓦，足以滿足全球資料中心需求的三倍以上。這種差距不僅體現在數量上，更體現在發展理念上。中國正推動“算電協同”，讓AI與能源系統形成正向循環，探索綠色、高效的AI發展之路。馬斯克的預判揭示了AI競爭的新維度：未來比拚的不僅是技術創新，更是能源基礎與戰略佈局。隨著中國在電力和算力協同發展上持續發力，全球AI格局或將迎來重大變革。 (我夢未央)

瑞銀集團胡知鷙：出現兆美元級中國AI公司只是時間問題1月7日，瑞銀集團中國區總裁及瑞銀證券董事長胡知鷙在媒體交流會上表示，2025年中國資本市場表現超預期，不過，目前中國資產並未“過熱”。2026年港股IPO熱潮或持續。在同一場媒體交流會上，瑞銀證券全球投資銀行部聯席主管諶戈表示，國際投資者對中國AI科技企業的興趣濃厚。胡知鷙亦表示，“中國AI科技公司的發展潛力巨大，出現兆美元級公司只是時間問題。”2025年“全面超預期發揮”如果用一句話總結2025年中國資本市場，胡知鷙認為這句話是“全面超預期發揮”。中國香港強勢回歸全球IPO舞台中心。統計資料顯示，2025年，香港共有119只新股上市，募資總額約2858億港元。港交所重回全球IPO籌資額第一。胡知鷙認為，中國資產並未“過熱”。首先，從估值角度看，目前，MSCI中國指數市盈率約13倍，僅略高於過去十年均值，中國資產並未進入過熱的區間；其次，資金方面，投資者參與度仍明顯低於歷史高點；第三，經濟格局向新質生產力方向轉變，中國企業“走出去”和“反內卷”政策雙重發力。瑞銀表示，2026年，港股IPO的融資規模有望超過3000億港元。上市企業的數量有望達到150至200家。一季度有望出現一些規模比較大的項目。國際投資者追逐中國科技2025年見證了國際投資者對中國資產態度的轉變。在胡知鷙看來，巨大拐點在2025年形成，國際投資者從觀望轉向積極參與。此外，部分外資機構重新組建團隊來參與中國市場。在港股IPO和再融資項目中，國際長線資金作為基石或者核心機構投資者的參與度明顯提高，國際投資者回流中國資產趨勢明顯。談及港股IPO是否有“抽水效應”，諶戈表示，港股是一個“活水”市場，當好標的來的時候，資金從全球流到香港市場；當沒有好的標的或者大家興趣度沒有那麼高的時候，這些資金會從香港市場流向其他市場。正在排隊上市的MiniMax吸引了眾多國際投資者，中東某主權基金為最大的基石，錨定投資者中也有很多國際長線資金。諶戈認為，國際投資者對中國科技興趣將延續。胡知鷙亦指出，中國AI科技類上市公司總市值約5兆美元，美國AI科技公司總市值約30兆美元，中國還沒有一家兆美元級的AI或者高科技公司。中國AI科技公司市值佔總市值比例僅為25%，美國的這一比例為40%至45%，“因此，中國AI科技公司的發展潛力巨大，出現兆美元級公司只是時間問題。” (中國基金報)

1月7日，中國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》（以下簡稱《意見》）。《意見》明確，到2027年，中國人工智慧關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。推動3－5個通用大模型在製造業深度應用，形成特色化、全覆蓋的行業大模型，打造100個工業領域高品質資料集，推廣500個典型應用場景。培育2－3家具有全球影響力的生態主導型企業和一批專精特新中小企業，打造一批“懂智能、熟行業”的賦能應用服務商，選樹1000家標竿企業。建成全球領先的開源開放生態，安全治理能力全面提升，為人工智慧發展貢獻中國方案。重點內容如下：強化人工智慧算力供給。推動智能晶片軟硬協同發展，支援突破高端訓練晶片、端側推理晶片、人工智慧伺服器、高速互聯、智算雲作業系統等關鍵核心技術。有序推進高水平智算設施佈局，加快建設算力互聯互通平台、全國一體化算力網監測調度平台，開展智算雲服務試點，推動大模型一體機、邊緣計算伺服器、工業雲算力部署，提升智算資源供給能力。開發高水平行業模型。支援模型訓練和推理方法創新，開發適應製造業即時性、可靠性、安全性特點的高性能演算法模型。培育重點行業大模型，發展“雲－邊－端”模型體系，持續提升泛化能力。加快重點行業應用賦能。加快賦能原材料、裝備製造、消費品、電子資訊、軟體和資訊技術服務等製造業相關重點行業，加快標竿解決方案和經驗推廣應用。提升重點企業應用水平。鼓勵龍頭企業、央國企等先行先試，提供規模化應用場景，先行探索人工智慧賦能製造業的新模式新應用。深入實施中小企業數位化賦能專項行動，支援中小企業開展數位化、智能化改造，加快中小企業人工智慧應用複製推廣。推進重點區域推廣應用。發揮國家人工智慧創新應用先導區作用，建設並開放一批“人工智慧+製造”應用場景，打造具備行業特色的創新高地。推動智能裝備迭代。加快人工智慧賦能工業母機、工業機器人，研製新一代人工智慧數控系統，提升自主決策、分析和執行等能力。加快發展手術機器人、智能診斷系統等，加速智能醫療裝備產品創新和臨床應用推廣。推動人工智慧技術融入大飛機、船舶等重大技術裝備研發、製造、運行，發展無人機等智能低空裝備。開展搭載自動駕駛功能的智能網聯汽車產品測試與安全評估，有序推進產品准入和上路通行試點。打造創新載體。佈局一批人工智慧領域重點實驗室，加強對類腦智能、世界模型等前沿技術探索。 (中國經濟網)