一、國家開始把控准入准出近期，中國國家發改委提出建立健全具身智能行業准入和退出機制。新聞發言人李超指出，當前人形機器人產業在技術創新與市場需求的雙重驅動下實現高速增長，年增速超50%，預計2030年市場規模將達千億級。儘管產業前景廣闊，但人形機器人領域在技術路徑、商業模式及應用場景等方面仍處於探索階段。目前國內相關企業已超150家，其中超半數為初創或跨領域進入者，在激發創新活力的同時，也需警惕同質化競爭加劇、研發資源分散等潛在風險。發改委已協同多部門展開專項研究，圍繞政策引導、技術攻堅與成果轉化進行整體佈局。下一步將結合“十五五”規劃編制，從三方面推動產業規範化發展：1.建立行業標準與動態管理機制，通過准入退出制度最佳化市場環境；2.聚焦“大小腦”協同、雲端算力適配等關鍵技術攻關，破解產業鏈瓶頸；3.建設開放共享的訓練與中試平台，加速技術成果在真實場景的規模化落地。這是一個什麼訊號？它標誌著國家對AI產業，特別是像具身智能這樣與物理世界深度互動、潛在風險更高的領域，其發展思路發生了根本性轉變。過去幾年，我們享受的是先發展，後治理的紅利。各種模型、應用百花齊放，資本和創業公司狂奔，這是產業爆發初期的典型特徵。但副作用也很明顯：重複建設、資源浪費、標準缺失，以及在追求速度的同時可能忽視了安全、倫理和長期可持續性。現在，發改委的舉措表明，國家要主動引導產業從野蠻生長轉向有序競合。 准入機制不是要扼殺創新，而是要設定一個科學的、合理的門檻。這就像房地產行業的預售許可和資質管理，目的是把那些只有PPT、沒有核心技術、掛羊頭賣狗肉轉身成了AI公司的、只想賺快錢的投機者擋在門外，避免爛尾樓式的AI項目出現，保護真正投入研發、有長期主義精神的優秀企業。退出機制則更為關鍵。它意味著這個行業不再是只進不出的保險箱。對於無法達到技術標準、存在重大安全風險或經營不善的企業，將有一套清晰的路徑讓其平穩退出市場。這能形成良性的優勝劣汰，避免劣幣驅逐良幣，讓資源更有效地向頭部和實幹型企業集中。這體現了監管層的前瞻性和決心，是為產業長遠健康發展刮骨療毒。二、5G基建收官工信部宣佈提前完成十四五5G建設目標，5G基站突破470萬個，5G-A規模商用覆蓋超300個城市。5G網路，特別是向5G-A的演進，就是具身智能賴以生存的神經系統和高速公路。 具身智能體（機器人、智能汽車、AR/VR裝置等）需要與雲端大腦進行海量、即時、低延遲的資料互動。沒有5G-A提供的超高頻寬、超低時延和海量連接能力，所謂的雲-端協同、大小腦模型協同就是空中樓閣。這就好比，我們建一個智慧社區，如果網路基礎設施沒跟上，你所有的智能家居、安防機器人、無人配送都只是擺設。國家超前佈局並完成了5G這條資訊高速公路的建設，實際上是為接下來所有需要即時互動的AI應用，尤其是具身智能，掃清了最大的基礎設施障礙。 這是一盤大棋，先修路，後跑車。現在路修好了，就看各家車企（AI公司）能造出什麼樣的好車了。三、應用層百模大戰進入下半場，誰能落地？從崑崙萬維、DeepSeek、阿里、可靈、火山引擎等一系列模型更新來看，中國AI大模型領域的百模大戰已經進入了下半場。競爭焦點發生了明顯變化。上半場是軍備競賽，比拚的是模型規模、Benchmark分數、論文數量。大家的目標是有沒有、強不強。而現在，大家開始聚焦於好不好用、貴不貴、穩不穩定。DeepSeek V3.2 強調平衡推理能力與輸出長度，目標是降低計算開銷與使用者等待時間。這說明企業開始極度關注成本效益和使用者體驗，不再一味追求龐大參數帶來的邊際性能提升。可靈AI的音畫同出、阿里的Qwen-Image圖像編輯一致性、火山引擎的主體一致性，這些改進都指向一個核心：提升生成內容的可用性和實用性，讓AI真正能融入工作流，而不是只能生成一些看起來很美的Demo。階躍星辰開源GUI Agent技術意味著在特定垂直領域，大家開始從閉門造車走向共建生態。通過開源降低行業門檻，快速形成事實標準，從而加速整個應用生態的繁榮。這一切都說明，市場正在回歸理性。資本和使用者不再為華麗的PPT買單，而是要看實實在在的降本增效能力和商業化落地場景。這逼著所有AI公司必須沉下心來，深耕行業，解決真問題。四、終端入口爭奪戰白熱化字節跳動豆包團隊發佈豆包手機助手技術預覽版，並明確表示無自研手機計畫，這是一個非常高明且務實的戰略。向周鴻禕等人展示工程機，其實是一技術路演。其目的並非真要下場造手機，而是以具象化載體驗證豆包AI在端側的應用潛力，同時向產業鏈傳遞明確訊號：字節跳動的核心優勢在於AI原生互動與生態整合能力，而非硬體製造。這種亮肌肉卻不入場的姿態，既避免了與手機廠商的直接競爭，又為未來合作埋下開放介面。AI的終極戰場在終端，在離使用者最近的地方。 誰掌握了終端入口，誰就掌握了使用者資料和生態的主導權。但自研手機是一條重資產、高風險的道路，且市場格局已相對固化。字節跳動選擇與手機廠商合作，將豆包助手深度整合到手機作業系統中，這是一種借船出海的策略。它避免了與華為、小米等硬體巨頭的直接衝突，轉而利用自身在AI軟體和生態上的優勢，與硬體廠商形成互補。這類似於當年Google通過Android系統與各大手機廠商合作，最終統治了移動生態。這預示著，未來AI能力的競爭，將是軟硬一體的深度整合競爭。瞳行科技發佈的AI助盲眼鏡，即是軟硬結合解決特定場景使用者需求的典型案例。五、產業融合，AI開始啃硬骨頭美團財報顯示其核心本地商業面臨巨大壓力，而釘釘發佈荳蔻醫生超級助理...AI正在從錦上添花的工具，轉向雪中送炭的解決方案，開始深入各行各業的核心業務環節，去啃那些最硬的骨頭。美團需要AI來最佳化其龐大的即時配送網路，在激烈競爭中尋找新的效率提升和利潤空間。釘釘和壹生檢康的合作，是AI深入專業領域（醫療）的典範。它解決的不僅是效率問題，更是精準性和可追溯性的問題，這對於AI在醫療、法律、金融等高風險領域的應用至關重要。是的，AI的價值兌現，正從泛娛樂、內容生成等淺水區，大步邁向與實體經濟深度融合、解決行業核心痛點的深水區。總結與展望中國的AI產業正在國家戰略的引導下，依託領先的5G基礎設施，經歷一場從虛向實、由軟到硬、從通用到垂直的深刻變革。監管層面，正在建立秩序。基礎設施層面，5G網路準備就緒。技術層面，大模型競爭進入性價比和實用性驅動的下半場。應用層面，AI與終端硬體、垂直行業深度繫結，開始解決實際問題。對於傳統行業巨頭，不能再以觀望的心態看待AI。必須主動擁抱這場變革，思考如何將AI技術與我們的主營業務每一個環節進行深度融合的可能與可行性。未來的競爭，不僅是土地和資金、人才的競爭，更是資料、演算法和智能化水平的競爭。我們必須盡快建構起屬於自己的AI應用能力和數位化護城河，否則很可能在下一輪產業升級中被邊緣化。這場由人工智慧驅動的效率革命和產業重構，已經過了概念炒作期，進入了真刀真槍的落地攻堅階段。這是一場我們無法迴避，必須積極參與的偉大征程。 (數位化轉型戰略指南)

導讀人工智慧引領第四次科技革命，是當前最火的、最具前景、最具爆發力的科技賽道。進入到2025年，發生了什麼新的變化？中國人工智慧正告別“百模大戰”的規模競賽，向以DeepSeek等六小虎為代表的頭部大模型集中。AI發展的核心，從追求模型“可用”轉向實現場景的“好用”。2025年，AI發展有四大核心：趨勢一是應用革命，未來是執行任務的行動式AI，AI能幫你接近真實的問題，而不僅僅是知識生成的生成式AI。執行任務，在數字世界就是代理AI，AI Agent，在物理世界就是具身智能AI。趨勢二是代理AI正在重塑互動範式，以後能顛覆當前的軟體APP。 AI正從“對話AI”變成“幹活AI”。AI能自主規劃、呼叫工具、完成複雜任務，成為未來新的流量分配中心。字節、百度等大廠已入局，搶佔生態位。趨勢三是硬體+AI，具身智能AI多點開花，商業化處理程序加速。智能駕駛是最先落地的成熟場景，正迎來市場滲透率拐點。隨著將高階智駕下放至入門車型，預計2025年高速與城市NOA滲透率有望實現翻倍增長，突破20%大關。人形機器人則處於商業化黎明期，正以汽車和物流工廠為首個試驗場，探索B端應用場景。AI眼鏡賽道被大模型重新啟動，未來中國企業有望憑藉市場消費者興趣度高漲、供應鏈完備和研發速度三大獨特優勢實現跨越式發展。趨勢四是基礎設施層，算力與資料是支撐產業發展的兩大基石，未來算力國產化加速、打破資料枯竭。中國的AI算力正在圍堵中尋求突圍。在輝達佔據全球資料中心GPU市場98%份額的背景下，美國的三輪精準封鎖使國產算力替代迫在眉睫。國產晶片性能已快速追趕（如華為昇騰910C在性能方面已開始追平先進水平），未來先進製程工藝與核心生態上，依然需要面臨加速國產化替代的挑戰。全球AI界正面臨高品質訓練資料將在2028年枯竭的危機，在資料枯竭預期下，未來需要重構AI資料築護城河。目錄1 大模型層：迭代永不停歇1.1 頭部大模型格局更加穩定1.2 後訓練是破局關鍵1.3 推理需求顯著增長2 應用層：AI應用革命2.1 軟體應用：通用Agent出圈2.2 硬體應用：具身智能爆發2.3 人形機器人：從B端開始商業化2.4 AI眼鏡：具備三大產業優勢2.5 智能駕駛：滲透率快速提升3 基礎設施層：算力與資料仍是兩大發展基石3.1 算力：GPU自主化迫在眉睫3.2 資料：巨大資源潛力待挖掘正文1大模型層：迭代永不停歇1.1 頭部大模型格局更加穩定大模型領域的發展正經歷著從無序競爭到頭部集中的演變。早期“百模大戰”時期，市場充斥著大量技術水平參差不齊的模型，企業間以快速推出產品搶佔市場為首要目標。但隨著應用場景不斷深化，使用者對模型的性能、穩定性和安全性要求大幅提升，單純追求數量的競爭模式難以為繼。在此背景下，阿里巴巴、DeepSeek、字節跳動、騰訊、階躍星辰、智譜AI六家廠商憑藉強大的研發能力、資料資源和資金投入，率先突破技術瓶頸，將大模型從“可用”階段推向“好用”階段。隨著“六小虎”的崛起，大模型領域的馬太效應開始顯現。強者利用先發優勢不斷擴大領先幅度。阿里巴巴依託電商場景積累的海量資料，持續最佳化通義千問的商業應用能力；Deepseek憑藉在演算法創新上的突破，在科研輔助領域獨樹一幟；字節跳動憑藉火山引擎的算力支援和全球化生態，讓豆包大模型在多語言互動上表現突出。這些企業通過持續迭代模型、拓展應用場景，吸引更多開發者和使用者，進而獲取更豐富的反饋資料用於最佳化模型，形成技術提升-使用者增長-資料反哺的良性循環，使得頭部與其他企業的差距不斷拉大，行業集中度持續提高。1.2 後訓練是破局關鍵預訓練的Scaling Law曾是推動大模型發展的重要法則，它表明模型性能與模型規模、資料集大小和計算資源之間存在冪律關係，即隨著這三者的增加，模型性能會相應提升。通俗講就如學英語，背100個單詞只能蹦單詞，背1000個單詞能組句子，背1萬個單詞可能就懂語法和隱喻了，這就是 “學得多 = 能力強” 的樸素 Scaling Law。然而如今，大模型預訓練Scaling Law的發展趨勢有所放緩。資料面臨挑戰，像是可用的高品質資料增長速度受限，公共網際網路資料預計在不久後被耗盡，且資料標註成本高昂；另一方面，算力提升遭遇瓶頸，建構和維護大規模算力基礎設施的成本極高，技術上也趨近現有硬體的極限，導致通過傳統Scaling Law來提升模型性能的難度增大。儘管Scaling Law放緩，但探索基礎大模型能力上限仍極具必要性。基礎大模型作為AI發展的基石，其能力的提升能帶動眾多領域的變革。如馬斯克的xAI用全球規模最大的20萬張H100算力叢集訓練出的Grok3，後續預計今年推動的GPT-5、Llama 4等基礎大模型也值得期待。在AI的持續發展處理程序中，後訓練（Post-training）正逐漸成為推動其進化的關鍵所在。傳統大模型完成預訓練後，雖掌握了基礎能力，但面對複雜場景仍有不足。後訓練的出現，為突破這一困境提供了有效途徑。GPT-o1借助強化學習和測試時間搜尋等後訓練技術，在數學、程式碼等複雜推理任務上成績斐然，有力證實了後訓練擴展律的正確性，彰顯出後訓練挖掘模型潛力、拓展能力邊界的強大功效。與預訓練的“廣撒網”不同，後訓練聚焦特定任務與場景，精準最佳化模型。醫療領域中，通過病例資料和醫學知識圖譜進行後訓練的大模型，疾病診斷精準率顯著提升；金融投資場景裡，利用市場資料後訓練的模型，對風險評估等任務的處理能力也大幅增強，使模型從通用智能邁向 “專家型”智能。今年5月，Deepseek發佈了Deepseek-R1-0528版本。根據官網，0528版本在後訓練階段，團隊投入了更多算力，使得模型在數學、程式設計及通用邏輯等方面的表現得到大幅最佳化。更新後的R1模型的整體表現已接近其他國際頂尖模型，如o3與Gemini-2.5-Pro。後訓練同樣遵循Scaling Law，Scaling Laws已從預訓練維度擴展至後訓練+即時推理三個維度。1.3 推理需求顯著增長隨著AI應用場景不斷拓展，推理端需求呈爆發式增長態勢。微軟、Google等頭部客戶的日均token呼叫量已突破數兆等級，較傳統chatbot時代的處理規模實現指數級躍升。多模態模型、Agentic AI等創新形態的加速落地，正催生即時推理需求與大規模低延遲計算的新一輪結構性增長，推動AI算力需求從“模型訓練為主”向“推理落地優先”的產業範式遷移。我們認為推理需求規模有望達到訓練階段的5-10倍。若殺手級應用如AI Agent廣泛落地，推理算力需求將進一步攀升。預計到2026年，消費級AI日活躍使用者（DAUs）將突破10億。到2026年，推理計算的需求可能佔GenAI總計算需求的70%以上，推理計算需求將超過訓練計算需求，並達到後者的4.5倍。“慢思考”能力（如深度邏輯推理、多步規劃）和多模態理解（文字、圖像、語音等跨模態互動）正成為AI應用的標配。"慢思考"借鑑了人類認知的雙系統理論，強調AI在複雜任務中需進行深度推理與迭代計算，而非僅依賴直覺式響應。這種模式通過引入反思機制、蒙特卡洛樹搜尋等技術，顯著提升了AI在數學推理、策略規劃等領域的表現。多模態則是人類世界的本來樣貌，大模型的發展趨勢一定是走向多模態。人類通過視覺、聽覺、觸覺等多種感官接收資訊，多模態技術就是模擬這一過程，讓機器能夠同時處理文字、圖像、音訊等多種類型的資料。以自動駕駛為例，車輛不僅依靠攝影機的視覺圖像識別道路狀況，還借助雷達的距離探測資料、感測器的震動反饋等，全方位感知周圍環境，做出更安全、精準的駕駛決策。多模態大模型打破了單一模態的侷限，極大豐富了資訊輸入，使模型對世界的理解更加全面、深入。2應用層：AI應用革命技術實現閉環需要應用的落地，軟體領域的代理式AI（Agent）、硬體領域的具身AI，正成為備受矚目的大模型應用方向。2025年GTC大會上，黃仁勳提出自2012年深度學習革命開始以來AI發展的四個階段：感知AI、生成式AI、代理式AI、具身AI。一是感知AI，這是人工智慧的初始階段，讓機器能“看見”和“聽見”，即具備電腦視覺和語音識別能力，如人臉識別、語音助手等應用。二是生成式AI，在過去3年裡發展迅速，主要以內容生成為核心，能夠創造文字、圖像、視訊等等。文字生成的普及度和使用率最高，以Deepseek、ChatGPT等大模型為代表,大大衝擊了傳統的檢索式搜尋引擎，讓人們逐漸習慣了與大模型互動來獲取知識。Agent和具身AI則被認為是接下來的發展方向。人工智慧發展必然要從“智慧”到“智能”，也就是讓AI具備行動能力，這是發展Agent和具身AI的共同意義。Agent聚焦於電腦世界，給予AI呼叫軟體工具的能力，讓AI在電腦世界中執行工作任務。而具身AI則聚焦於物理世界，把AI裝在新能源汽車、人形機器人這樣的物理實體上，讓AI在物理世界中感知、理解和行動。2.1 軟體應用：通用Agent出圈軟體領域，大模型正從單純的“對話AI”向“幹活AI”轉變。2025年，通用Agent迎來爆發元年。大模型是知識庫，而Agent是行動者。Agent直譯為代理，本質就是由大模型驅動的一套自動化軟體系統，代表使用者完成任務；其在工作中展現出極高的自主性，無需或極少需要使用者介入。如果說大模型如同一個龐大的知識庫，在推理後生成使用者需要的答案；那Agent則如同一個行動者，它能夠拆解任務、呼叫工具、最終交付給使用者成果。Agent是大模型向前發展的重要一環，是大模型發展的L3階段。Agent可以簡單理解成是讓大模型呼叫各種工具；工具種類豐富，包括資訊檢索類工具、程式碼與計算類工具、軟體與系統操作類工具等。對外部工具的呼叫能極大拓展大模型的能力範疇，拔高大模型的生產力，是從知識庫向行動者躍升的一大顯著標誌。Manus的空降發佈，推動通用Agent爆火出圈；“幹活AI“成為人工智慧行業新浪潮，並迅速引起了大廠和創企的生態卡位戰。從應用範疇看，Agent有專用和通用之分。專用Agent即專用於某一特定領域，最成熟的是程式設計Agent。與之相比，通用Agent則不受限於特定任務類型，能執行各種複雜任務。Manus是最先出圈的通用Agent產品，由中國人工智慧公司Monica於3月發佈，並引起巨大熱度。在官方展示的幾十個案例中，Manus可以完成的任務包括但不限於旅行規劃、股票分析、PPT製作、網頁製作等等，展現出非常高的通用性。Manus空降後，大廠和AI創企迅速拉開了針對通用Agent的生態卡位戰，競相發佈通用Agent產品，大廠如字節跳動和百度、創企如Flowith和天工AI。通用Agent本質是一場範式革命，未來可能成為最大的流量分配中心，重構當前軟體生態。因此Agent未來的發展不僅是一個技術問題，比如大模型本身的推理決策能力要再一步提升、降低幻覺問題；更是一個生態問題，即有多少應用願意加入通用Agent的生態。值得注意的是，去年11月以來，表示支援Anthropic提出的MCP協議的大模型和應用越來越多，通用Agent的生態建設未來有望逐步強大。2.2 硬體應用：具身智能爆發硬體領域，具身智能在2025年熱度高漲，人形機器人、AI眼鏡和智能駕駛三大賽道迎來催化。2025年政府工作報告提出要“建立未來產業投入增長機制，培育生物製造、量子科技、具身智能、6G等未來產業”。作為人工智慧的重要分支，具身智能浪潮將至。人工智慧有兩條發展路徑：一條是非具身智能，即聚焦於抽象計算所需的智能；非具身智能不具備物理身體，在數字世界運行，通常表現為程序、演算法等；典型案例如Deepseek、ChatGPT等大語言模型。另一條則是具身智能，核心在於“具身”二字，即用物理實體來承載AI，從而構成一個可感知真實世界、可理解問題並制定規劃、可在真實世界中行動的智能系統，特點是形成“感知——行動”閉環；人形機器人、AI眼鏡、智能駕駛是典型案例，依次是“AI+類人機器”、“AI+新能源汽車”、“AI+XR眼鏡”。2.3 人形機器人：從B端開始商業化人形機器人承載著人類對“通用性”具身AI的終極願景。傳統的工業機器人和服務機器人通常專用於單一任務，如工業機械臂用於流水線的某一環節、掃地機器人用於家居環境清理等等。然而人形機器人從構型設計開始便承載了人類對於“通用性”具身AI的美好願景，即未來要能像人一樣使用各種各樣的工具、執行各種各樣的任務。人類社會中的許多工具與空間都是圍繞著人類設計的，理論上講完全擬人形態的人形機器人其適用場景會更為廣泛，因此雙足、全尺寸的構型成為目前最受關注的人形機器人形態。人形機器人要經歷從實驗環境到工廠環境再到家庭環境的跨越，其商業化可分為三個階段：第一個階段是將人形機器人用於科研教育、娛樂表演等。第二個階段面向B端，人形機器人替代人從事重複枯燥性、高危險性的工作。第三個階段面向C端，人形機器人成為智能家居的一環，提升居住生活體驗，甚至滿足人的養老陪護需求。當前產業發展重心仍在研發製造環節，但已有部分人形機器人進入B端試水，“進廠”成了人形機器人衝鋒商業化的首個試驗場。汽車工廠和物流工廠是人形機器人試點部署最主要的兩大結構化工業場景，人形機器人在其中執行簡易裝配、搬運碼垛、分揀等工作，任務相對重複且單一。也有一些其他場景，比如有部分人形機器人企業和電子製造企業建立了合作，優必選和富士康、Apptronik和Jabil（捷普）等等。此外，部分企業在2024年也透露了其人形機器人的銷售情況或量產計畫，基本在數百或者數千台。伴隨宇樹科技等企業的出圈，2025年人形機器人賽道迎來浪潮，未來產業發展將圍繞兩大方向展開：一是利用大模型使人形機器人有更強的“大腦”、使用機器學習技術讓其有更強的“小腦”功能。二是諧波減速器、行星滾柱絲槓、六維力感測器等核心上游零部件突破技術壁壘，推動人形機器人做優整機以及降低造價。而諸如人形機器人馬拉松賽、拳擊賽等活動也會越來越多，都是人形機器人走出實驗室要完成的錘煉。2.4 AI眼鏡：具備三大產業優勢大模型的廣泛應用，為AI眼鏡帶來了質的飛躍。多模態大模型賦予AI眼鏡強大的功能，使之具備物體識別、即時翻譯、導航等實用功能，顯著提升使用者體驗。眼鏡是AI落地的良好載體，具備相當的想像空間。表層上，AI眼鏡是對傳統眼鏡的智能升級，融入多模態感測，內建大模型軟體，且仍然可具備MR/AR的現實融合能力。深層上，其核心優勢在於便攜、互動平滑、功能豐富——AI眼鏡既可以相容智慧型手機內容生態，也能此基礎上開發更豐富的智能應用。2025年，AI 眼鏡成為消費電子領域的熱門話題之一，科技巨頭紛紛佈局這一賽道，蘋果、Meta、小米、百度、華為等公司都在積極研發或推出AI眼鏡產品。Well-sennXR的資料顯示，預計2029年，AI眼鏡的年銷量將達到5500萬副，到2035年有望突破14億副。未來AI眼鏡對傳統眼鏡的滲透率空間極大，部分中國品牌在此領域有可能實現跨越式發展。有三大原因：一是國內消費電子市場的優勢，不僅使用者基數大，而且創新技術接受度高。根據德勤調研，2024年中國消費者對AI、AR/VR產品的興趣度高達73%，超過美國的58%。二是供應鏈和產業優勢，中國集合了全球消費電子產品供應鏈的中上游，珠三角和長三角地區產能佔全球70%。品牌實力也不遜色，2025年Q1，中國智慧型手機品牌在全球市場份額超過1/3。三是技術迭代快，得益於市場擁抱新興技術疊加產業鏈完整，中國廠商的新品研發和改進升級周期短。根據波士頓諮詢，中國廠商的綜合研發周期在6-8個月，而美國品牌在12-18個月。AI眼鏡賽道方興未艾，技術路線（如Micro LED、光波導）、應用場景（消費級vs工業級）和區域市場（北美、亞洲、歐洲需求差異）的多元化，使得任何具備核心技術突破或生態整合能力的企業都可能塑造未來的行業格局，值得期待。2.5 智能駕駛：滲透率快速提升具身AI率先在智能駕駛領域爆發。2025年，高速NOA和城市NOA滲透率或將迎來超預期增長。2025年2月10日，比亞迪高階智駕系統“天神之眼”正式發佈，比亞迪全系車型將搭載該系統，首批有21款車型上市。天神之眼”分為三個版本：“天神之眼A”（DiPilot 600）配備三個雷射雷達，支援全國無圖領航，主要搭載於仰望品牌上；“天神之眼B”（DiPilot 300）配備單雷射雷達，支援全國無圖領航，主要搭載於騰勢、比亞迪等品牌上；“天神之眼 C”（DiPilot 100）為高階智駕三目版，支援高速領航和代客泊車，主要搭載在比亞迪秦PLUS DM-i等入門款車型。天神之眼C最低可搭載於海鷗車型，是行業內首次將高階智駕下放到7萬元級市場的A00級車。回顧智慧型手機及新能源汽車的發展路徑，科技產品在市場滲透率突破5%之後，通常會迎來加速普及的階段。比亞迪的入局是智駕行業最大預期差，有望推動L2+等級銷量基本盤從100萬輛快速提升至1000萬輛等級，預計2025年高速NOA+城市NOA有望實現翻倍增長，滲透率超20%。3 基礎設施層：算力與資料仍是兩大發展基石3.1 算力：GPU自主化迫在眉睫算力是AI的基石，GPU是算力最具象的代名詞。GPU（圖形處理器），最初是為了圖形渲染任務而設計的，它擁有數千甚至數萬個計算核心。與CPU（中央處理器）相比，CPU通常只有幾個到幾十個核心，更擅長邏輯控制和序列處理任務。而大模型訓練和推理過程涉及到大量的矩陣運算，對平行計算有著很高的要求，GPU憑藉其多核架構展現出無可比擬的優勢，因此成為AI領域關鍵的支撐硬體。縱觀全球GPU版圖，美國的控制力是絕對的，達到壟斷等級。輝達作為全球 GPU 市場的龍頭企業，其市場份額和技術實力遙遙領先。隨著生成式AI大爆發，2023年全球資料中心GPU總出貨量達385萬顆，同比增長44.2%；其中輝達出貨了約376萬個資料中心GPU，市場份額高達98%。輝達憑藉其先進的GPU技術和完善的生態體系（CUDA生態），在AI 算力領域佔據著難以撼動的主導地位。美國GPU霸權下，中國的AI發展事實上處於受制於人的狀態，隨著全球政治、經濟、科技對峙的加劇，針對中國的GPU封鎖事件也時有發生。自2022年，標誌性的限制事件已經經歷了三輪。第一輪封鎖（2022年10月）：美國首次將AI晶片納入出口管制，直接禁止輝達向中國出售旗艦級AI計算晶片A100和H100。這兩款晶片是訓練大模型的核心硬體，性能屬行業頂尖。面對管制，輝達迅速推出“合規版”A800/H800晶片，通過性能閹割來規避出口限制，勉強維持對華供應。第二輪封鎖（2023年10月）：為封堵“中國特供版”漏洞，美國調整管制標準，將A800/H800納入禁售範圍，同時擴大管制國家至40余國，嚴防轉口貿易。此次封鎖後，輝達又推出中國特供版H20晶片，相當於二次閹割版的H100，性能僅為15%。第三輪封鎖（2025年1月）：建構三極世界體系,將全球劃分為三個等級—— 17個盟友圈可自由獲取GPU；對100多個中間國實施配額制，約能獲得5萬塊GPU；對中國、俄羅斯等敵對國家則全面禁售。短期看，企業往往通過囤貨實現對GPU出口管制的緩衝，然而非長久之計；中長期看，全力加速國產化替代十分必要。一些國產力量正在站出來，例如華為的昇騰910C性能達輝達H100的60-80%。但是差距仍難以忽視，一方面輝達最新一代GB200算力再次躍升3倍；另一方面在製程工藝上，輝達採用5nm/4nm先進製程，而國產主流仍為14nm等級。未來在設計、製程和生態建設方面都需要持續發力，加速自主化腳步。3.2 資料：巨大資源潛力待挖掘資料是Gen-AI時代的燃料；基於神經網路的大模型具備典型的“垃圾進、垃圾出”的特徵，訓練資料的數量和質量直接決定了大模型的性能上限。以OpenAI為例，從GPT-1迭代到GPT-4，隨著模型性能的躍升，訓練資料量也經歷了跨越式增長：2018年GPT-1資料集僅4.6GB，而2023年GPT-4訓練資料量達到驚人的百TB等級，翻了數萬倍。然而隨著大模型的快速更迭，對於資料枯竭的擔憂也越發明顯。OpenAI原科學家蘇茨克維爾曾表示，“我們只有一個網際網路”，雖然計算在增長，但資料卻沒有增長，預訓練毫無疑問會結束。無獨有偶，2024年研究機構Epoch AI發佈的一份報告預測：人類生成的公開文字資料總有效存量僅約300兆tokens，總量年增速不足10%，而AI訓練資料集規模以每年翻倍的速度擴張，這種剪刀差導致網際網路所有高品質文字資料將在2028年枯竭。內容屏障日益高築等因素則進一步加劇了資料短缺危機。資料擁有方正通過技術和法律手段限制訪問。技術手段比如通過爬蟲反制來限制內容呼叫；而法律手段則更激進，表現為直接的版權訴訟。例如海外《紐約時報》對OpenAI的版權訴訟、雜誌巨頭康泰納仕集團曾向Perplexity發出的侵權通知；國內也有類似案例，比如知網對秘塔AI的侵權警告。資料短缺或成為制約大模型技術發展的關鍵瓶頸，應對這一危機，有兩大思路：一是合成資料，即讓大模型生成用於自身訓練的新資料；二則是深入挖掘現有的資料資源。馬斯克曾在公開演講中表示：“現實世界中用於訓練AI模型的資料幾乎已經耗盡”，並指出合成資料將成為未來唯一的替代路徑。然而，合成資料卻存在著一些難以規避的問題，例如質量參差不齊、偏離真實分佈、並且可能產生模型自噬現象，即模型因反覆學習自身生成的資料而導致性能退化的問題。相比之下，盤活現有資料資源的巨大潛能，則是一種更務實、更富戰略價值的解法。中國在此方面展現出獨特優勢，不僅具備深厚的資料資源積累，同時正在加速完善國家級的資料要素市場。一方面，中國的資料資源體量和增量都十分強大。中國擁有全球最龐大的網民群體與最活躍的數位化應用生態，有機構預測到2025年資料總量將佔全球的近30%。當前，中國資料生產總量呈高速增長態勢，2024年同比增長25%。AI相關的資料資源增長尤其快：用於開發、訓練和推理的資料量同比增長超40%。智能家居、智能網聯汽車等智能裝置資料增速位居前列，分別為50%和30%左右。另一方面，國家級資料標記體系正加速成型，以充分挖掘各行業資料潛力。所謂資料標註，是對資料進行加入標記、說明、解釋、分類和編碼的過程，是提升人工智慧演算法、模型核心能力的關鍵環節。中國資料標註產能全球領先並持續建設：2024年起國家資料局統籌的全國七大標註基地快速推進中，分別位於四川成都、遼寧瀋陽、安徽合肥、湖南長沙、海南海口、河北保定和山西大同。2025年3月，七大基地的資料標註總規模達到17282TB，相當於中國國家圖書館數位資源總量的6倍左右。目前已形成醫療、工業、教育等行業的高品質資料集超300個，標註從業人員近6萬人。 (澤平宏觀展望)

導語：當前，圍繞“中國故事”的種種闡釋，仍常見套用西方概念與命題的現象。AI時代，資料與演算法正加速影響知識的生產和傳播。若不能搶先以自己的知識和話語體系闡釋歷史經驗與現實治理，就可能被他國設定敘事，甚至在價值判斷上被牽著走。問題是：應以何種思維、什麼框架來認識並描述自身實踐，將數千年來的發展、變革講得既客觀又可信？這不僅是學界的一場自我校準，也關乎大國在國際舞台的話語主動權和持久競爭力。在近日接受《南華早報》專訪時，IPP學術委員會主席鄭永年教授分享了對人工智慧時代知識創新與話語權塑造的思考。他指出，AI並未改變知識生產和傳播“輸入—提煉”的邏輯，因而擁有大量“輸入”的西方理論會在不知不覺間被覆制、被依賴。那麼，我們應如何避免自身話語主動權被“知識殖民”的潛流所削弱？鄭永年教授認為，我們需要追根溯源，重塑知識的供給方式。中國數千年綿延不絕的文明，提供了無與倫比的豐富實踐經驗和歷史記載，需將這些經驗和記載轉化為現代社會科學，建立強大的“中國輸入”。中國既要善於學習西方的方法，也必須超越西方的框架，以開放的姿態建構自身的社會科學體系，讓中國經驗不僅為世界所理解，更能為世界提供新的智慧與方案。此外，在訪談中，鄭永年教授還就中美關係、南海局勢、烏克蘭戰爭等議題分享了觀察與思考。訪談於2025年9月15日發佈於《南華早報》“plus”類股。原標題為“Open Questions | Zheng Yongnian on why China must look beyond the West to build a better AI”問多年來，您一直呼籲重建中國自身的知識體系。最近，您也表達了對人工智慧時代“知識殖民主義”（intellectual colonialism）的擔憂。您能詳細闡述一下嗎？鄭永年：這些擔憂主要是指源自西方的對中國社會科學的挑戰。正如塞繆爾·亨廷頓在其著作《文明的衝突》中所言，宗教、意識形態和價值觀對任何國家都至關重要。而社會和技術的意義則取決於人文和社會科學。中國研究者學習和吸收了西方社會科學的理論，但這些理論是基於西方的方法，總結西方的實踐和經驗，然後用它們來解釋西方社會。這些理論無法解釋儒家文明、伊斯蘭世界和印度社會。我們應該充分擁抱我們的世俗文明，從而在國際秩序中發揮應有的作用。鄭永年教授表示，西方理論未能有效解釋儒家文明、伊斯蘭世界和印度社會。圖源：IPP人工智慧時代，知識的生產和傳播速度加快，但人工智慧在知識生產和傳播過程中的邏輯始終沒有改變：資訊的輸入和資訊的提煉。中國的DeepSeek是成功的，但它產生知識的方式與OpenAI的ChatGPT等模型並沒有什麼不同。在人工智慧時代，知識生產不再是發散過程，而是趨同過程，這加大了我們依賴西方知識體系的風險。問這是否意味著中國學術界和戰略界在使用人工智慧工具時需要格外謹慎？建構符合中國國情的治理理念和知識體系，如此浩大的工程，該從何入手？如何學習西方，同時又不至於完全依賴西方的框架？鄭永年：許多人在使用ChatGPT之類的工具時，卻沒有意識到其中存在的問題，這非常危險。問題在於模型的“喂食”（feeding）。在自然科學領域，自近代以來，所有最優秀的論文都是以外語發表的，尤其是英語。即使是中國的科學家和工程師，他們最好的論文也是用英文發表的，因為中國學者認可的頂級期刊主要來自西方。社會科學領域也是如此。現在，如果你想使用ChatGPT、DeepSeek或類似的工具來建構知識體系，很難避免被殖民化的過程（process of colonisation）。我們需要追根溯源，重塑知識的供給方式。中國數千年綿延不絕的文明，提供了無與倫比的豐富實踐經驗和歷史記載。但要將這些經驗和記載轉化為現代社會科學，需要付出不懈的努力。中國近代以來經歷了翻天覆地的變化，更何況還有40年的改革開放。這些跨越幾代人的努力應該用來準備這份食物。否則，它仍然是單向的，只有西方的輸入，沒有來自中國的輸入。如果我們建立同樣強大的中國輸入，情況會更加平衡。我並非排斥西方。問題在於社會科學缺乏真正的中國“故事”。即使我們講述中國故事，其理論框架仍然是西方的。中國僅僅提供證據——而且佐證往往是不正確的，因為命題本身就存在缺陷。更危險的是許多中國學者的短視。許多大學和研究機構聲稱已經建立了“獨立的知識體系”。但他們只是自說自話。一些經濟學書籍只是簡單地將書名中的“西方”替換成“中國”，這並不是一個獨立的知識體系。我們要腳踏實地、實事求是，這項工作不是一年兩年就能完成的，也不是一兩個人就能辦成的。問您提到建構獨立的中國知識體系要從實踐出發，您認為中國自身的那些實踐值得特別關注？鄭永年：毛澤東時代的馬克思主義中國化就是一個例子，它根植於實踐。當時，歐洲革命理論強調城市鬥爭。一些失敗的經驗促使毛澤東重新審視正統馬克思主義，並進行創新。他提出“農村包圍城市”，開啟了農村革命。鄧小平也有創新，例如“社會主義市場經濟”、“貓論”等。我們今天有很多創新實踐，但並沒有發展成為概念理論，而是經常用西方的理論來解釋我們自己的實踐，但這並不奏效。這兩者是根本不同的東西。社會上也有很多值得關注的做法，比如深圳發展背後自下而上（bottom-up）的故事。林毅夫提出了新結構經濟學，強調運作良好的政府和高效的市場。我認為這兩種理念在西方經濟學中已經存在。林毅夫試圖在傳統發展經濟學與新古典經濟學之間找到一條融合路徑。圖源：新華社在我看來，現在缺少的是第三個要素：“活躍的社會”。“公民社會”（Civil society）是一個西方概念，隱含著對國家的反對，但中國社會從來都不是這樣的。從國家到社會，沒有明確的界限——它是一個連續體（continuum）。我們的市場和國家也沒有嚴格區分。我們沒有西方那種絕對私有制或絕對公有制的概念。中國古人在兩千年前就嘗試了井田制，這說明古人追求的是公私結合，這是用西方的框架無法理解的。問您還提到打破西方的學術壟斷至關重要。在當今中美緊張的環境下，一些人可能將此視為中國爭奪全球領導地位和話語權的舉動。您對此有何看法？鄭永年：這就是用意識形態的眼光來看問題。但意識形態不是學者能夠掌控的，我們對此只能感到無能為力。我一直主張，我們根本不排斥西方。我們需要學習西方的方法論，這很重要。但這些工具所衍生的概念和理論往往並不適合中國的現實。中國應該借鑑他們的方法，拋開他們的理論建構，重新審視中國自身的實踐，發展自己的概念和理論，就像每個西方國家都有自己鮮明的社會科學特點一樣。如果中國學者能夠建立一門中國社會科學，這將對全球社會科學做出巨大貢獻——但這並不是一種對抗行為。一些所謂的中國問題專家在歪曲事實，但我認為，從意識形態角度看待這個問題的人是少數。主流社會看到了中國發展和轉型的現實，卻無法用西方的框架來解釋。他們在等待答案。如果我們不給出答案，誰來給出呢？這並不是要我們封閉自己，反對一切西方的東西。一堆自說自話是行不通的——沒有人會理解或接受。建構知識體系的關鍵在於溝通。我們接受西方理論，並非因為強加於人，而是因為其邏輯令人信服。中國應該創造一些同樣有效的理論。問您期待人工智慧時代中國知識體系的重建在“十五”規劃中如何體現？鄭永年：我認為建立中文知識體系的努力將會加速，因為緊迫性已經存在。我們常說西方不理解我們、誤解我們，甚至妖魔化我們。現在，我們有責任向西方解讀我們自己。隨著中國在全球舞台上的地位日益重要，我們不能讓別人等著我們自己去解讀。我們也應該更加開放。西方的知識體系建立在開放的基礎上，我們也必須這樣做。真正的知識體系必須是人人都能理解的。與此同時，我們常常假裝瞭解西方，但實際上只掌握了表面。我們真正需要的是培養一大批精通各種文明的人才。我認為現在的形勢比民國時期更嚴峻。費孝通為什麼能寫出《江村經濟》？他用西方的方法論對中國現象進行了精彩的解讀，這可以說是中國獨立知識體系的一部分。中國社會學奠基人費孝通的著作《江村經濟》是中國鄉村社會學研究經典作品，也被認為是中國社會學早期的重要田野調查代表作。圖源：Wikimedia Commons現在中西學是分開的，民國時期是融合的。當前的學術培訓主要側重於可量化和可衡量的東西——ChatGPT可以做到的——但社會科學和人文學科真正有價值的方面是那些無法衡量的東西。但中國也擁有一個很大的優勢：豐富的實踐經驗。問在您的新書《AI時代的中國知識重建》中，您提出在社會科學研究中避免過度關注“政治正確”和“意識形態”的必要性。如何做到這一點？為什麼您呼籲知識界“去巫術化”（de-witching），即您用來形容獵巫心態（ witch-hunting mindset）的術語？鄭永年：如今，許多人文學者更像是世俗的牧師，為了追求名氣，不斷炮製“心靈雞湯”之類的內容，這種做法在中國盛行一時。這對社會並沒有什麼益處，實在不好。鄭永年教授著作《AI時代的中國知識重建》深度分析了AI時代，智庫如何建構有利於中國的全球話語體系和空間。如果西方用意識形態的眼光妖魔化中國，中國學者也用意識形態來妖魔化西方，那不是知識體系的建構，而是針鋒相對的謾罵。這毫無價值，是偽學術，或許引人入勝，卻不會留下任何持久的痕跡。我們需要自我認知。我們必須回歸基本事實、回歸科學、回歸理性。問中國智庫如何發展才能有效回應國際輿論，提升影響力？您之前對美國蘭德公司給予了積極評價。中國的智庫機構可以從中汲取那些經驗教訓？鄭永年：美國是西方智庫最發達的國家，從服務國家利益的角度來說，我認為蘭德公司做得最好。中國的智庫大致可以分為兩類：一類是“辯護”型，即政府要求其審查的事項，他們只會贊同；另一類是純粹的批評型，即認為政府所做的一切都是錯的。這兩種類型都不可避免地各有其用武之地。每個政府都需要有人來評估一項政策是否科學合理。但如果它永遠無法斷言其不合理，那就不能算作真正的智庫。同樣，如果智庫只是簡單地宣稱政府的每項行動都無用，那它也不能算作智庫。真正的智庫應該服務於國家利益。所有領導人也都應該服務於國家利益。例如，如果一家香港智庫只服務於特首本人，那就可能有問題。如果它服務於香港的利益，那就很好。問這不禁讓人想到軟實力的問題。中國如何才能建構一個既獨立自主又能普遍適用的知識體系？鄭永年：我認為建設軟實力需要四個條件。首先，你寫的東西必須有人讀。如果沒有人願意讀，它就行不通。其次，它必須能被人理解。第三，理解之後，人們就會接受它。第四，人們不僅接受它，還會傳播給其他人。目前，我們在所有四個階段都遇到了問題。然而，西方在其中一些領域取得了成功。我們的老師一直在傳播西方知識，但我們什麼時候才能寫出能進入西方課堂的書籍呢？我們離這個目標還很遠。在理工科領域或許可以，但在社會科學領域呢？以中國40年脫貧8億人的經驗為例，這在西方也被譽為世界經濟史上的奇蹟。我們該如何講述扶貧故事呢？我認為我們應該使用學術語言。如果我們只強調意識形態的正確性，那肯定不能展現全貌。用政治或意識形態的語言講述故事，也會阻礙別人向我們學習。問在除了對社會結構的影響之外，您是否認為人工智慧會進一步加深國家間的差距和緊張關係？這會對國際關係產生影響嗎？鄭永年：當然。國內和國際政治經濟秩序都需要一個基礎，就像前三次工業革命一樣。人工智慧時代，人工智慧正在成為基礎，國內和國際秩序都將有所不同。我有點悲觀。前三次工業革命將人類從體力勞動中解放出來。但人工智慧正在將人類從腦力勞動中解放出來，這意味著許多人可能變得無法思考。這導致了我所說的“人工智障”（artificial ignorance），一種自我造成的智力傷害。中美在人工智慧發展上呈現趨同（convergence）趨勢，特別是在開源條件下，未來內容會越來越趨同。中國的DeepSeek與西方類似的人工智慧模型使用相同的來源生成知識。圖片：德新社在人工智慧方面，鑑於美國的智慧財產權，美國採取的是發展導向的模式，目前聯邦層面沒有監管框架。與此同時，歐盟監管過度，扼殺了創新——這是一個非常令人悲傷的故事。一些歐洲領導人呼籲放鬆管制以促進本土人工智慧公司的發展，但這將導致一個兩難境地，因為在歐盟致力於規則一致性的情況下，同時加強對美國公司的監管將是一項不可能完成的任務。中國目前的監管水平介於美國和歐盟之間，存在一些過度監管的情況。武漢人工智慧初創企業Manus近期遷至新加坡就反映了這一點。美國總統唐納德·川普改革的一個特別重要的方面是放鬆商業管制——這是科技右翼倡導的技術加速主義。如果美國放鬆管制，而歐盟、中國和印度不放鬆管制，那麼由於國內管制過度而無法在當地應用的新興技術很可能會流向美國——這種現像已經發生多年了。中國應該確保對環境保護和勞工權利進行適當的監管，但在技術應用方面，我認為應該放寬監管。否則，人們熱議的“新質生產力”（new productive forces）就無法真正落地，轉化為實體經濟活動，中國經濟就會陷入高度“內卷化”的境地。如果新的經濟活動更加豐富，內卷化現象就會減輕。問普丁與川普阿拉斯加峰會後，烏克蘭戰爭將發生那些變化？這些變化將如何影響中國？此外，鑑於印度與華盛頓之間的緊張關係，美中印三角關係的平衡是否可能出現傾斜？鄭永年：烏克蘭戰爭的解決前景充滿不確定性。雙方均未展現出妥協的跡象。歐洲不會接受“土地換和平”計畫，並可能將其視為一場噩夢。中國確實是個局外人，被戰爭挾持，卻在需要找到結束戰爭的解決方案時被徹底拒之門外。中國的實力體現在兩個方面。一個是可衡量的，比如GDP和國防進步——當中國走向世界舞台中心時。另一方面——這又讓我們回到本土和獨立的知識體系的問題——它關乎我們如何認識自己，以及他人如何認識我們。這不僅關乎戰略思考，更是一個哲學問題。無論是美中俄三國關係，還是美中印關係，從來就不存在固定的三角關係，美國雖然出現衰落跡象，但依然是全球霸主。印度正在採取機會主義策略。儘管近期與川普的關係緊張，但印度與美國的關係有所拉近，但印度永遠不會成為美國的真正盟友。印度也在追求地區霸權，尤其試圖建立自己的“全球南方集團”來排擠中國。我們仍然沒有完全理解或掌握西方的國際關係語言——或者西方敘事中的多邊主義和聯盟（multilateralism and alliances）。例如，在中國，我們所說的夥伴關係（partnership）或戰略夥伴關係（strategic partnership）與美國所說的聯盟有所不同。周邊外交也至關重要。中國在世界的崛起離不開其在亞洲的崛起。正如毛澤東所說，辨別誰是朋友誰是敵人至關重要。把所有國家都當朋友往往意味著沒有真正的朋友。問北京和馬尼拉之間的緊張局勢不斷升級。菲律賓也加強了與美國及其盟友的安全。您曾表示，北京需要在南海保持戰略耐心。最近在黃岩島附近與菲律賓對峙期間，中國船隻發生碰撞，這是否意味著是時候採取不同的策略了？鄭永年：美國的利益根植於全球，例如歐洲、中東和亞洲。但我們必須接受一個事實：美國無法被驅逐，也無法成功或徹底地從這些地區撤離。解決南海爭端的前提是承認美國在南海的存在，同時也要意識到最終目的並不是要將美國的影響從西太平洋驅逐出去。中國軍方近日警告菲律賓不得進行任何挑釁，並要求其停止製造緊張局勢，同時強調已在南海實施例行巡邏。圖源：路透社美國撤軍往往會導致混亂，就像我們在中東和烏克蘭所見的那樣。受影響的國家最終往往會要求美國重返。我們或許需要打破固有思維，打破正統思維（orthodox thingking）。中國是全球化的堅定倡導者，這或許與我們過分強調外部力量的傾向不符。我們需要去拉丁美洲嗎？我們需要歐洲市場嗎？當然——我們彼此交織。我們對事實的認知取決於我們的心態。在我看來，南海爭端本身並不是什麼大問題。更重要的是我們如何理解這個問題。如果沒有正確的認知，就很難建立互信。如果雙方都把將美國撤出西太平洋視為最終目標，那可能是最糟糕的情況。正如我們過去允許美國軍艦停靠香港一樣，我們可以考慮將南海島嶼上的某些基礎設施作為國際公共產品向美國船隻開放。這可能為從根本上解決問題提供更多機會。問南海爭端因台灣問題而愈發複雜，該如何管控局勢，避免誤判，化解風險？鄭永年：我們仍然需要戰略耐心。鄧小平提出了“韜光養晦”的戰略——西方很多人將其解讀為等待報復。但這並非其真意。它指的是在保持耐心的同時，尋求理性、更好的解決方案。正如李強總理曾經說過的，解決辦法總比問題多。我們需要實事求是，以史為鑑——比如西德曾為東德人提供公民身份，提供東德和西德貨幣平價匯率，並對西德人徵收5.5%的統一稅。我們不會將軍事行動作為最後手段，也應該防止任何“台獨”企圖。但在社會和經濟方面，我們仍有很大的空間邁向統一，並吸引台灣民眾。我們談論了很多關於統一的政治意願，以及意識形態層面的問題，卻很少思考如何以具體的行動去實現統一。現在是時候思考了。9月12日在北京首鋼園拍攝的2025年服貿會省區市及港澳台展入口。圖源：新華社問中國針對STEM專業人士推出的新K簽證是否能有效吸引外國人才來華？鄭永年：簽證政策至關重要。K簽證只是第一步。從政策角度來看，這可能是中國首個專門為人才設計的簽證。看看美國——它針對不同類型的人才設有不同的簽證類別。但一旦有人獲得K簽證，你仍然需要考慮其他問題，比如如何安排其家人。吸引人才不僅僅是簽證或金錢的問題，而是關乎生態系統，而中國在這方面仍有很多工作要做。2025年10月1日起生效的K字簽證，將為處於職業生涯早期的科技人才提供便捷的來華通道，且無需當地僱主擔保。圖源：新華社方向是對的，中國在教育和人才吸引方面一定會更加開放。“十五”期間，中國可能會在高等教育領域推出一系列新舉措，包括有關外國大學在中國辦學的舉措。中國幅員遼闊，不同社會群體對一些問題的看法也存在差異。循序漸進固然有其優勢，但方向必須把握，應該繼續穩步向前。問中國電視劇、遊戲和玩具在國際上越來越受歡迎，這是否意味著放寬管制也有助於講好中國故事？鄭永年：是的。中國故事可以有多種形式，包括文字形式，也包括你剛才提到的那些。放寬管制是必要的。我們不能將西方視為同質化的社會。西方社會由多元化的社會群體組成，他們有著不同的需求。這意味著我們需要更多人，用不同的方式，講述中國故事。我們確實需要一個活躍的社會，如果單靠一個政府委託的機構去講中國故事，肯定不行。 (IPP評論)

自從2022年ChatGPT發佈後，中美人工智慧（AI）之間的差距一度顯得很大，現在這個差距正在不斷縮小。史丹佛大學發佈的《2025年人工智慧指數報告》顯示，2024年1月，美國頂級AI模型的表現比最佳中國模型高出9.26%，到2025年2月，這一差距縮小至僅1.7%。今年年初Deepseek橫空出世，其優越的性能更引發了美國的焦慮，美國總統川普將其稱為美國AI產業的“警鐘”，“提醒我們必須高度專注於競爭”。川普自重返執政以來一直對AI發展“雄心勃勃”，在半導體政策上動作頻頻，試圖封堵中國，同時“不計成本”地加速人工智慧部署，放開監管、加大投資，僅1月宣佈的“星際之門”（Stargate）計畫，就計畫在未來四年內投資高達5000億美元，7月15日又剛剛宣佈將有超過900億美元的資金投入賓夕法尼亞州，以滿足AI資料中心激增導致的能源需求，以增強美國在人工智慧領域的國際競爭力。川普這一系列動作背後，是美國對中國日益發展的AI技術的焦慮和不安。中國是如何實現這一跨越的呢？《紐約時報》近日推文指出，中國正在把國家支援用在整個AI技術堆疊上，從晶片、資料中心，乃至能源，斥巨資幫助本土科技企業在被美國政府限制的情況下仍能在AI方面取得進展，特摘編如下：“應對與中國的競爭”常被視為美國對AI企業“輕監管”的重要理據，在研發與人腦相匹敵的技術競爭中，中國正迅速縮小與美國的差距。這並不令人意外。在過去十年裡，中國政府集中資源打造人工智慧超級大國，這個戰略在電動汽車和太陽能領域已獲驗證——中國目前在這兩個行業佔據了主導地位。“中國正在把國家支援用在整個人工智慧技術堆疊上，從晶片、資料中心，乃至能源，”智庫蘭德公司的特約研究員凱爾·陳說。過去十年來，中國政府推動本國企業在高科技行業建立製造能力，此前這些行業依賴進口。這個做法已幫助中國成為全球三分之一製成品的生產國，並成為電動汽車、電池，以及太陽能電池板生產的領軍者。中國政府還把這種做法用在了發展先進AI系統的組成部分上：計算能力、訓練有素的工程師，以及資料資源。中國推行這種產業政策是因為，先後三屆美國政府都試圖扼殺中國發展人工智慧等技術的能力，包括限制美國領先的人工智慧晶片製造商輝達把晶片賣給中國。輝達7月14日表示，美國政府已批准它在獲得許可後，向中國銷售一款名為H20的特供版晶片。但在中國政府的支援下，華為等本土企業一直在競相研發替代輝達產品的技術。中國政府這樣做的目的是幫助本土科技企業在受到美國政府限制的情況下仍能在人工智慧方面取得進展。在美國，Google和Meta等公司已斥資數十億美元建設資料中心。但在中國的人工智慧基礎設施和硬體（包括資料中心、高算力伺服器以及晶片）投資上起主要作用的是政府。為了把國內的工程學人才集中起來，中國政府還投資建設了一個實驗室網路，國內最先進的人工智慧研究大多在此進行，而且通常是與阿里巴巴和字節跳動等大型科技企業合作。中國政府還指示銀行和地方政府大舉放貸，催生出數百家初創企業。自2014年成立以來，中國的國家積體電路產業投資基金已募集了近7000億元，該基金在今年4月宣佈出資600億元為人工智慧初創企業提供早期資金。地方政府還把整片整片的街區變成初創企業孵化器，例如位於杭州的夢想小鎮。“那怕政府能幫我們承擔10%到15%的早期研發成本，那對我們也是巨大的支援，”杭州初創公司深度原理(Deep Principle)的創始人賈皓鈞說。這家公司主要從事用人工智慧來生成新型化學反應和材料的工作，去年完成了近千萬美元的種子融資。不同城區競相提供激勵措施吸引初創企業落戶。深度原理遷入杭州時，獲得了杭州一個區政府1800萬元的補貼，賈皓鈞說。當地還幫他解決了辦公場所和員工住房問題。美國的人工智慧系統在訓練的時候使用了來自各類網站的資訊，但中國企業必須確保任何供公眾使用的人工智慧產品符合政府的資訊管控要求。因此，中國建立了包含獲得政府批准的資訊的資料資源，供企業用來訓練它們的AI系統。中國的科技企業還掌握著網際網路使用者的大量行為資料，這些資料幫助字節跳動等企業開發出一些國內最受歡迎的AI系統。但中國政府用產業政策發展人工智慧的做法也存在低效問題。大量AI初創企業在競爭激烈的市場上爭奪份額，競相以低價把它們的模型提供給工程師。這種自上而下的做法也導致資源難以隨技術變革快速調整。雖然中國企業已在研發人臉識別等人工智慧技術上花了多年時間，但ChatGPT背後的生成式人工智慧技術的進步讓它們措手不及。“可能難以弄清在何處投資、分配資源，”蘭德公司的研究員凱爾·陳說。“人工智慧與鋼鐵或造船等傳統行業不同，那些行業的技術已相當穩定。”中國政府的大部分資金已投給了中國領先的晶片製造商中芯國際，中芯國際已迅速行動起來，為華為生產與輝達競爭的AI晶片。雖然華為設計的晶片也許足以勝任某些任務，但它們不具有輝達晶片的所有功能。企業也不願更換供應商，因為中芯國際難以實現大規模量產。“政府的想法是，萬一晶片斷供，國內仍有一些可行的替代產品——即使性能落後。這樣的話，中國的人工智慧產業能繼續取得一些進展，不至於完全停頓下來，”凱爾·陳說。中國企業正在轉向開源AI系統，將其作為趕超矽谷競爭對手的最快途徑，後者據信至少領先中國最先進的技術幾個月時間。阿里巴巴已在過去一年裡發佈了幾個受歡迎的開源AI系統。字節跳動去年在資料中心和其他AI基礎設施的投資高達800億元，還公開了某些技術的研發細節。本月，華為新發佈了一個開源系統。就連此前曾盛讚封閉式AI產品“盈利潛力”的中國網際網路公司百度，最近也發佈了其某些系統的開源版本。OpenAI和Google對使用其封閉式人工智慧產品高級功能的使用者收費，而中國將AI模型公開的做法已讓世界各地的工程師更容易在這些系統上進行開發。OpenAI警告，DeepSeek等中國人工智慧公司可能會阻止美國競爭對手進入全球市場，從而讓它們有機會為新技術的使用制定標準。一種看法是，中國的做法也許對全球更多的工程師有吸引力。“開源是技術軟實力的來源，”投資人工智慧技術的避險基金Interconnected Capital的美國創始人凱文·徐表示，“相當於技術界的好萊塢電影或巨無霸。” (東方財經雜誌)

5月，2025福布斯中國人工智慧科技企業TOP50榜單發佈，“趣丸科技”在其中的顯眼，不單單因為它是廣州唯一一家上榜的企業，還因為它很“臉生”。搜尋這家公司，它更被熟悉的身份，是以興趣（遊戲）社交、電競為招牌的一家網際網路“中廠”。實際上，趣丸科技在AI領域動作頻頻。去年，趣丸先後推出“音訊大模型”MaskGCT和“音樂大模型”天譜樂，兩個模型初步證明了趣丸的AI能力。今年，趣丸在社交大模型上也有所探索，預備在“AI+社交”的賽道上拿出“殺手鐧”。AI領域高手如雲，一家多年耕耘細分領域的網際網路公司何以闖入，以至“榜上有名”？趣丸科技/受訪者供圖南風窗近日專訪了趣丸科技創始人宋克，他講述的，不只是一個網際網路公司“轉型”的故事，更是一個有十多年履歷的創業老兵對AI時代的理解與思考。不難發現，趣丸推出的模型，針對的依然是細分領域，音訊、音樂、社交等等。比起那些高呼生產力、揚言要“顛覆底層邏輯”的大模型公司或者“AI原生”公司，似乎是不務正業。宋克告訴南風窗，這背後關係到對AI能力及其商業化邏輯的思考，趣丸的“玩物喪志”，是有意而為。AI必然要改變世界，但改變的方式還不一定。風起至今，“小龍”“小虎”們幾起幾落，市場冷靜後，發現追求“革命性的顛覆”既非坦途，也不是唯一的路。1 從X到AI中國大部分AI創企的故事，要從2023年前後、也即ChatGPT“出圈”後講起，但趣丸的“轉型”時間更早。2021年，在“語音+社交”領域站穩的趣丸，一度陷入焦慮。“我們在移動網際網路的新產品，都敗了。”宋克直白地說，那個時期，公司發現不管那一個賽道，都已經有巨頭把持，難再入局。因此，趣丸內部開會探討，要做一家怎樣的公司並持續創新？宋克平頭，微胖，“80後”，曾經是個“網癮少年”。趣丸做興趣（遊戲）社交，擁有四支電競隊伍，用他的話說，是“把興趣做成了事業”。追問他自認為的高光時刻，他說出兩個，都與遊戲相關：一個是在2013年9月到10月，他剛到廣州創業一兩個月，在第一個月賺到29萬，“真的是（靠）打遊戲賺到了錢啊”，他加重語氣強調；另一個仍是創業初期，那是趣丸的遊戲社交應用“TT語音”使用者達到30萬人的一刻，從此團戰叫人不再麻煩，也不用多花簡訊費用，“太開心了”，宋克講道。TT語音曾經的品牌代言人為楊超越有這樣的經歷，宋克把“興趣創造價值”作為了趣丸的價值主張；他也會在公司裡強調，時下年輕人流行什麼，大家就一定要去研究和嘗試，“用好奇心保持活力”。回到2021年，趣丸內部討論過後，成立了一個叫“X”的項目組。宋克說，這是個探索技術的團隊，對他們沒有KPI及任何的考核，也不設定盈利目標，任務只是去調研市場上最新的技術，項目組有十幾個人，“不能說是技術很牛的人，但一定是對技術很有興趣和追求的人”。宋克的想法是，既然使用者的需求已經被解決了，那麼趣丸能做的，是找到新的技術再“反攻”。這表明，趣丸針對的還是“老的”網際網路市場，只是在探索過程中，發現一些需求只能由AI來滿足，或者AI能夠更好地滿足。2021年，OpenAI的GPT-3已經震驚AI圈內，但大模型還不是一門顯學。趣丸一開始的探索，也不是衝著AI去的。OpenAI的GPT-4o模型評估“大事都是從一個很小的點開始。”宋克說。趣丸拿住了語音賽道，但短影片明顯正在升溫，宋克想到，很多聲音好聽的人，不一定希望以真人形象出鏡，“我們當時想到直播時，把主播的臉換成動漫臉這樣的技術”。2021年、2022年，“換臉”還不像今天這樣普遍。但是技術攻克下來，產品上線以後，使用者不買帳。使用者會覺得，換臉的主播一定不好看，不然為什麼換臉呢？於是，這項技術就被擱置起來。2023年，元宇宙爆火，讓宋克靈光一閃。元宇宙打造的“數字孿生”，把真人數位化，實質也是換臉，只不過是把真人臉換成同一張數字人臉。“我們儲備好了這項能力，甚至所有工程都不用再開發。”宋克說，於是趣丸快速切入，成為美團數字人直播的第一家技術提供商。入局以後，關於聲音的技術問題自然浮出。數字人直播早期，可選音色少，語音複製也很粗糙，更關鍵的是，虛擬的聲音“機器味”太重，“說話沒有人味”，觀眾自然不愛看。數字人直播早期並不受歡迎此時，大模型已憑藉對自然語言的理解能力大為火熱，宋克想到，越過“恐怖谷”的最好辦法，可能是將大模型對文字的理解與輸出能力，平移到語音領域。這就是趣丸“音訊大模型”MaskGCT的序章，也是趣丸轉型AI的脈絡。如今的X項目組改名為人工智慧事業部。宋克在採訪中一直強調，趣丸不是為了AI而AI，而是在發現使用者需求與解決問題的邏輯下，順其自然。2 AI前後，同與不同宋克還記得ChatGPT帶來的震撼，它把AI分出前後兩個時代。趣丸最開始做數字人的時候，用的是傳統建模技術，“特別麻煩”。宋克說，過程中用到很多相機，對一個人拍個半天，這人還要說很多的話，才能做出來。類似的效果，在大模型時代只需說一句話。ChatGPT以前也有AI，“那時候演算法+規則，我們就叫AI了”。宋克用趣丸旗下產品“唱鴨”的歌曲生成為例，“演算法+規則”時期，和今天一樣輸入歌詞，也能得到一首歌，但“生成”過程由程式設計好的規則來定，什麼曲風，用什麼調，供使用者挑選，“真的是人工加智能”。宋克笑道。接觸了ChatGPT不久，宋克認為，生成式AI是未來最大的一個機會，趣丸要變了。生成式AI將會是未來最大的一個機會“生成式AI不是每一首歌都比演算法+規則機制的好，但是它的上限很高、下限很低，這是最大的不同。”宋克說。趣丸意識到，趣丸一定要變化，一定要開始去積累資料，要自己下手訓大模型。公司一把手的“行動力”和“決心”，要從預算上來體現。宋克介紹，趣丸並不是一家激進的公司，主營業務的成本很高，但這成本投下去，看得到營收。“平時團隊花錢是很摳門的，預算的審批也很慢。”他坦言道。但他這次變了風格。“我當時逼著團隊報預算。”宋克回憶說，每個部門都要報預算，要多少張卡、多少機器，“一次性批掉”，接著公司去找各個雲算力廠商談檔期，爭取算力。因為反應快，2023年後一段時間顯示卡與算力的緊張，沒對趣丸造成什麼影響。宋克列舉了一項資料，“2024年，花在（訓模型）這方面的預算就有1.45億”，這對趣丸來說是一筆很大的花銷。趣丸科技數字人/受訪者供圖砸下重金，宋克看中的是大模型與應用的先發優勢。數字人直播賣貨，其效果受制於它的資料積累。“大家都做數字人直播，技術很快就能追平，但是我的數字人已經賣了幾年的貨，資料積累多，銷售資料高，對一個商家來說該選擇誰，這是很明顯的。”宋克說。資料的“護城河”，疊加強化學習帶來的先發優勢，是AI與移動網際網路時代的一大區別。宋克表示，在過去，產品可以直接抄襲，比拚財力、規模，比講故事的能力，但這在AI時代就不一定行得通了。下了決心，不代表沒有煎熬。作為“創業老兵”的宋克，也不住地感嘆創業難。訓模型需要時間，做產品也需要時間，而且加起來時間不短，“重金”砸下去了，聽不見響。“又激動又焦慮，（創業）就是這個狀態。”模型能不能訓出來，訓出來後好不好用，應用側能不能掙到錢……沒有答案。趣丸作為老牌“中廠”，天然傾向於確定性高的事情，但宋克認為：“闖入AI，一切是未知的，可能會死。但你自己知道，如果不去做，你將來就等死。”3 把國產短劇搬到非洲2024年，趣丸的音訊大模型MaskGCT和音樂大模型 “天譜樂”問世。宋克說，趣丸是幸運的，訓出的模型能用、好用，如天譜樂，在當時已經十分接近行業領先的Suno的模型能力。在MaskGCT項目立項前半年，2024年初，宋克已經想好模型的定位，七個字“情感情緒多語種”。這七個字的意思是，模型輸出的聲音有感情，能理解並表現情緒，而“多語種”是考慮到未來的出海，比如短劇的出海，把中文改為多語種，更適應海外傳播。宋克沒有把這解釋成自己的洞見，他解釋說，這背後其實是老老實實的網際網路思維——去發現使用者的需求。七個字代表的，就是他們當時看到的使用者痛點。而創業有未知的風險，也有未知的驚喜。宋克介紹，有在非洲做影視發行的中國商人找上來，表示有一個需求，在當前的中國其他公司可能解決不了。在非洲通用兩個語種，英語和法語，但是非洲人愛看韓劇，於是發行人把韓劇“搬”到非洲，中間還需要跨越韓語到中文，中文再翻成英、法文，效率不高，成本不低。非洲人愛看韓劇和中國短劇剛好，這事兒MaskGCT能做。“他們也沒想到，把韓語台詞直接改為英語、法語的需求，居然可以由一家中國公司解決。”宋克說。強調解決需求的“產品力”，超過了強調大模型的能力，是趣丸與一眾AI公司的不同。這可能跟趣丸的 “出身”是網際網路有關。天譜樂大模型就是一個典型例子。去年9月，趣丸推出天譜樂，公司高層介紹時，對天譜樂的一句話生成、圖片及視訊生成配樂等“普通人玩法”面面點到，但更大篇幅介紹的是MidiRender，一種針對音樂人嚴肅創作的“專業玩法”。宋克介紹天譜樂時也提到MidiRender，它能以音樂人創造的旋律為底本，在生成時接受嚴格控制，並且是在音軌、音階、採樣率等方面的精細化控制。效果上，“音樂人可能以前要用一個月製作的歌，現在一個小時可能就出來了”。天譜樂AI宋克的邏輯清楚明了：“小白要玩音樂，天譜樂的能力也是有的、可以滿足，但普通人更多是嘗鮮玩下，嘗過以後就算了，是低頻的。對音樂人來說，這是他的工作，他才是高頻使用者。”宋克解釋，因此在商業化的角度，應該圍繞音樂人、創作者去打造產品。瞭解使用者是誰、發現使用者需求，再去為他們提供輔助、解決問題，這是宋克的思維習慣。這習慣的另一面是，他對一款應用是否是“AI原生”，或者趣丸是不是一家AI公司的問題，並無執著。作為網際網路創業者，宋克懂得“行規”，一些酷炫的概念或材料，比如“超強AI”“原生AI”，又或是“勤於打榜”，前綴定語很長的某個“第一”，其實目的很“複雜”。他特別提到，“很多早期的模型公司，我很不認可他們講的這個那個模型的能力有多強，就能夠掙多少多少錢”。模型能力與盈利收入不一定成正比講模型能力的有很多，但很少有人講的是，這個產品是給誰、提供了什麼樣的價值，以及基於這個價值的商業化該怎麼做，那麼，其實“從模型到所有的前置設定，都是不成立的”。模型能力與價值、商業化，混為一談是不行的，這是宋克作為商人的基本嗅覺。價值主張上，趣丸團隊也有明顯的不同，即不追求“AI替代人類”。從天譜樂到MaskGCT的主打功能上，其實不難發現這一取向。宋克承認了這一點，並稱一位趣丸同事的話很讓他認同，這句話是“AI時代，演算法是犀利，但重要的是人，因為洞察與熱愛永遠不會被替代”。在硬科技領域，這句話顯得“雞湯”，但是不妨一嘗。4 元年之年AI會怎樣改變人類社會呢？宋克也想知道答案。對於趣丸的定位，他想得很清楚，“趣丸是一家擁有AI能力的公司”，以人的需求為核心，提供輔助，也提供娛樂消遣。度過了網際網路時代，對趣丸能否在AI時代“活下來”的問題，他倒回答得很豁達，自稱對過程在意，對結果不在意。無論結果，“至少不要在30年之後，說什麼當年我要是去幹了AI會怎麼怎麼樣這樣的話題”。AI圈內喜歡“元年”的說法。2023年是“大模型元年”，2024年是“智能體元年”，2025年則被稱為“應用元年”。今年元旦，宋克是在美國矽谷度過的，他笑道，當天喝了點酒，他也發了個“應用元年”云云的朋友圈。“應用元年”過半，AI元年真的遍地開花了嗎？宋克認為，是的。他的依據是，當下大模型概念已經足夠普及，其實圈內也不會再在模型層面去強調能力了。人們已經在大量地使用AI工具和產品，而這一趨勢正在擴大AI公司的營收。AI音樂創作秀《譜夢行》通過“天譜樂AI”與兩位唱作型歌手ICE楊長青、上上的精彩合作/受訪者供圖應用元年的關鍵，在於怎麼理解 “應用”。宋克的思維並不 “守舊”，他認為，“應用”在AI時代並不是指APP，“應用元年”的意思是，AI的能力真的被拿到各行各業、並且被大量的人使用。這個角度上，應用元年已經成了。一個明顯趨勢是，使用AI的人越來越多。宋克帶有玩笑性質地說，到2026年，可能是應用爆發年，各家做成了產品商業化的公司，開始有更多的收入，佈局更多的場景，良性循環起來。這樣的元年是宋克所期待的。此次採訪的第一個問題是，“福布斯中國”的榜單上，趣丸何以成為唯一上榜的廣州公司？宋克回答，不是趣丸做得多好，是廣州創業者的氣質相對務實，所以在強調大模型的時期顯得低調。但是，“應用端慢慢爆發的時候，廣州上榜的企業會越來越多，因為我們這裡做的事更偏向於使用者端、應用端，務實的事情。我覺得這個時間窗口已經非常臨近了”。 (鹽財經)

從 “天感地算” 到 “天數天算”：太空計算星座開啟了太空經濟新格局。時間，5月14號，地點，酒泉衛星發射中心。一箭十二星，一下送上天，這是全球首個太空計算星座，三體計算星座搭載了80億參數的天基模型，能夠實現整軌衛星互聯，並計畫建成千星規模的太空計算基礎設施。這是人類首次將大規模算力部署至太空。什麼是太空算力？為什麼要做計算衛星？有什麼用？為什麼說太空計算是下一代技術制高點？帶著問題找答案。經常玩衛星的朋友都知道，傳統衛星的技術多以“通”“導”“遙”為主，以觀測衛星為例，發射上去，飄在太空，對著地球觀察拍照，每天產生的資料量高達500G，這500G資料需要傳回地球，用地球上的電腦進行分析。但因為頻寬、地面站過頂時間等限制，能及時傳回地面的可能只有20G！大部分有價值的資訊，就損耗在了太空裡。美國一家公司給了靈感，這家公司說，他們的AI衛星能把地理空間情報決策效率提升8倍！邏輯很簡單，就是“把算力送上天”！衛星有了AI功能，拍攝到畫面後自動分析、生成報告，最快只需要90分鐘！要知道，傳統的情報分析方法，可能需要幾小時甚至幾天才能完成。這家公司已經拿到了美軍訂單，給駐歐陸軍提供俄烏邊境每小時更新的裝甲部隊動態，沒錯，每小時更新！這完全改變了戰場的透明度和響應速度。我們的“星算計畫”項目相當宏大，要發射2800顆算力衛星組網，然後和地面超過100個算力中心互聯互通，打造一個能包裹住地球的空地一體化算力網路，建成全球第一個太空計算系統！如果“星算計畫”一步步成功落地，算力行業就是一場顛覆想像的變革。太空計算星座的出現，會重塑現代戰爭格局。在軍事偵察監視方面，有了太空計算星座後，眾多遙感衛星可通過星間鏈路雷射通訊互聯，以每秒100G的超高速率把拍攝的圖像即時傳輸給太空計算星座。衛星上搭載的先進演算法能在秒級或分鐘級時間內，快速識別出圖像中，諸如航母編隊狀態、軍事設施部署等關鍵資訊，極大提升了軍事偵察的時效性與精準性，為作戰決策提供了更及時、精準的情報支援 。太空計算星座建構的高速、穩定通訊網路，能確保不同作戰單元之間資訊的順暢傳遞。在複雜電磁環境下，傳統通訊衛星易受干擾，而太空計算星座憑藉強大的計算和抗干擾能力，可對通訊訊號進行即時最佳化和調整，保障通訊鏈路的穩定。比如在多軍兵種聯合作戰中，各軍種的作戰資訊能夠通過太空計算星座快速、精準地共享，實現高效協同作戰 。精確制導武器的打擊精度直接影響作戰效果。太空計算星座還能利用強大的計算能力和即時資料處理優勢，給精確制導武器提供更精準的目標定位和跟蹤資訊。在導彈飛行過程中，星座能根據戰場即時態勢，對導彈飛行軌跡進行動態修正，使導彈能夠更準確地命中目標，大大提高打擊效能 。在未來戰爭中，太空計算星座將成為國家軍事能力的關鍵支撐。它整合了偵察、通訊、導航等多種功能，為作戰指揮提供了全面、即時的戰場態勢感知，戰場上瞬息萬變，一秒就能定勝負，誰能更快速、精準的做出決策，誰就能在現代戰爭中佔主動地位。 (華山穹劍)

輝達CEO黃仁勳稱，美國對中國人工智慧晶片的出口管制已經“失敗”，導致美國公司損失數十億美元。本週三，輝達首席執行官黃仁勳表示，美國對中國人工智慧晶片的出口管制是“失敗的”，因為這不僅沒有攔住中國在晶片領域的自主發展步伐，反而給美國公司造成了數十億美元的銷售損失。▌美出口管制攔不住中國自研腳步本週三，在中國台北舉行的台北國際電腦展（COMPUTEX 2025）的新聞發佈會上，黃仁勳針對美國拜登政府的《人工智慧擴散規則（Intelligence Diffusion Rule）》發表了上述言論。《人工智慧擴散規則》於1月13日由拜登政府發佈，原預計於5月15日生效。該規則將各國家和地區劃分為三個等級，針對不同等級設定不同人工智慧晶片出口管制規則。該規則完全封鎖了美國向中國出口尖端人工智慧晶片的道路。而川普政府在5月13日已經廢除了這一規則。“總而言之，出口管制是失敗的，”黃仁勳表示，“一開始支撐《人工智慧擴散規則》的基本假設，首先被證明是根本錯誤的。”在美國限制向中國銷售先進的人工智慧晶片後，反而更加刺激中國在晶片領域的自主研發，發展出了不依賴國外製造商的自主供應鏈。黃仁勳表示，儘管受到美國的限制，但中國的晶片自研仍在繼續。5月13日，美國商務部工業和安全域正式發佈檔案，廢除拜登政府的《人工智慧擴散規則Intelligence Diffusion Rule》，並宣佈宣佈採取額外措施加強對全球半導體的出口管制。黃仁勳讚揚了川普對人工智慧的態度，並表示，通過取消先前的限制，川普總統已經表明，他明白美國公司並不是這種技術的唯一提供者。“川普總統意識到這完全是錯誤的目標，”他在提到之前的規定時說。▌中國的激烈競爭黃仁勳還表示，自前任總統拜登執政以來，輝達在中國的市場份額已從95%降至50%。他稱，世界上一半以上的人工智慧研究人員現在都身處中國。由於美國對人工智慧晶片的出口管制，這些專家被迫轉向研發中國本土技術。“我們在中國面臨的競爭非常激烈，”黃仁勳表示，“他們希望我們永遠不要回到中國。”中國是輝達晶片的關鍵市場之一。黃仁勳估計，明年中國整個人工智慧市場的價值約為500億美元，這對該公司來說是一個重大機遇。今年4月，輝達曾表示，在川普政府限制其H20人工智慧晶片向中國出口後，該公司將承擔55億美元的費用。本週早些時候，黃仁勳又估計，與H20相關的收入損失將達到約150億美元。2022年，拜登政府實際上禁止了中國晶片製造商生產先進晶片的先進微晶片和裝置的出口，試圖以此阻礙中國半導體產業發展。最近，美國商務部又發佈指南，以所謂推定違反美出口管製為由，企圖在全球停用中國先進計算晶片，包括特定的華為昇騰晶片。本週一，商務部新聞發言人就美國企圖全球停用中國先進計算晶片發表談話。發言人稱，美方措施是典型的單邊霸凌和保護主義做法，嚴重損害全球半導體產業鏈供應鏈穩定，剝奪其他國家發展先進計算晶片和人工智慧等高科技產業的權利。中方強調，美方措施涉嫌構成對中國企業採取的歧視性限制措施。任何組織和個人執行或協助執行美方措施，將涉嫌違反《中華人民共和國反外國製裁法》等法律法規，須承擔相應法律責任。 (科創板日報)

2025年，以DeepSeek為代表的人工智慧技術掀起熱潮，令國產大模型格局發生巨變。未來人工智慧如何進一步發展？中國的人工智慧發展之路如何走？在第八屆數字中國建設峰會期間舉辦的“院士專家行”活動上，中國工程院院士吳志強、陳軍、劉韻潔，中國科學院院士童慶禧等圍繞上述話題，各抒己見。生態蓬勃發展類似DeepSeek的團隊還有18個主持人：DeepSeek對創新發展帶來什麼啟示？吳志強：我們一直在關注全球的人工智慧發展。無論是DeepSeek，還是海外的ChatGPT，都不是一日成長起來的。實際上，像DeepSeek這樣的團隊，在中國至少有18個和它水平差不多的，只是DeepSeek冒出來了。現在人工智慧已經形成蓬勃發展的生態，我們要清楚整個生態體系才能真正引領或者把控局面。我們在用人工智慧技術做城市規劃時是“兩手推進”。一方面是用通用人工智慧大模型，但有兩個缺點：一是模型訓練時“吃進去”的原料粗糙，二是算力消耗巨大。另一方面是採用精細的資料來訓練模型，吃的都是“精糧”。我們發現，在這種訓練模式下，僅用5%-10%的算力，就能完成更加精準的內容輸出。這意味著，“精準”和“普遍”兩條道路都要走。陳軍：今年DeepSeek出來的時候，大家對中國技術有這樣的突破，感到振奮。DeepSeek確實不錯，但你讓它作首詩還可以，如果讓它做一個專業的“東西”就差很多。所以我認為：第一，每個領域、每個專業都有很多知識。首先要把知識彙集起來、提煉出來，建成知識庫。我們要利用人工智慧技術把我們行業的知識好好梳理、總結、應用。其次，現在的大模型仍是語言大模型，它講究的是上下文關係、推理關係。但如果要涉及地理資訊、城市規劃等領域，涉及很多空間資訊，比如前後左右、地上地下、室內室外等，所需要的關係結構就變成了三維時空關係。所以要發展“時空大模型”，大模型要從語言模型走向“時空大模型”。最後，我認為，現在要積極擁抱人工智慧，但不要完全單純地使用人工智慧，要把我們的專業智能和機器智能有機結合起來。劉韻潔：我想談兩點啟發：第一，“六小龍”不光只有DeepSeek。各地政府去尋找與“六小龍”一樣的人才或者團隊，這是不太可能成功的。好的創新環境，對創新寬容的支援度是最重要的。“六小龍”出現在杭州不是偶然，是有必然性的。第二，DeepSeek的成功說明，任何一個創新的團隊，都要勇敢挑戰自己從事的領域中最困難的問題。我判斷DeepSeek的成功就是基於問題導向的。只有大算力才能出現大智能？還是可能少用一些算力也能出現更高的智能？我認為它就解決了這個問題。這些給了我啟發：那怕我們現在還處在劣勢的一些領域，完全有創新、趕超的機會和可能。將有AI營養師等新職業讓青年“冒頭”主持人：未來數字中國的建設應該怎麼做？我們應該關注些什麼、部署些什麼、推進些什麼？童慶禧：每天中國大概有將近四五百個遙感衛星在天上轉，這意味著，傳輸下來的資料量甚至能到EB級。對於這些資料而言，如果人工智慧大模型不能和遙感空間多維的資訊相結合，僅僅聚焦國際上或者國內通用的模型，可能解決不了實際問題。所以，應該針對時空多維資訊來發展我們的大模型。吳志強：我認為要關注兩點。一是新的職業訓練師。我們在訓練人工智慧的過程中，越來越深地感受到，怎麼訓練各行各業特別需要的大模型，以及訓練的時候給它什麼“料”訓練很重要。就像比賽一樣，除了運動員，教練團同樣重要，這事關最後出的效果好不好。這就意味著未來專門的AI訓練師和AI營養師會成為新的職業。第二點是青年湧現。發展人工智慧不是只有國家戰略、總體佈局、自上而下的，有時候是自下而上的。比如剛才說有一群類似DeepSeek的團隊，有很多隻是暫時沒冒出來而已。要允許青年冒頭。我團隊的學生在三年前送給我一個“AI吳志強”，是他們自己“玩”出來的——把我所有寫過的、發表的書全部訓練後做出來的，非常優秀。這個產品是完全在計畫外的，只是一幫學生覺得好玩做的。在中國人工智慧領域的未來發展中，這種“青年湧現”是我們要非常注意的現象。我們的眼睛要看到他們，要鼓勵他們，要給他們營養。他們可能“玩”出世界級題目來。陳軍：一方面，還是要打造人工智慧的公共產品。比如日常生活中，我們並不知道使用的電是核電、火電，還是水電，只要連上就能用。未來，人工智慧也要像這樣，並不是形成寡頭，或者誰都去做；應該提供一些通用的工具，讓各家在這個平台上去完善應用場景。另一方面，要打造良好的生態。如果我們搞人工智慧，搞到最後把我們所做的專業消滅了，把我們的行業消滅了，就是一種罪過，我們不應該走這條路。我的理解是，人工智慧出來後，將來會把很多費力的、危險的工作交給機器去做，人去做知識工程師，總結知識、凝練知識。當年汽車發明出來的時候，國外有一些人很恐慌，覺得馬車伕都沒事幹，要失業了。最後發現有了加油站、4S店、修理廠、計程車等行業，孵化了一批新職業。我覺得我們要致力於打造良好的生態，讓這個社會更好地發展。要把各行各業的人變成那個行業的知識工程師，讓他們去創造知識、加工知識，然後把知識“喂”給機器，讓機器幫我們幹那些人不願意幹的工作，這樣才是一個良好的生態。 (上海證券報)