根據最新的公開報導，中國儲存巨頭——長江存儲（YMTC）近期已對美國國防部和商務部提起訴訟，質疑其將該公司列入「中國軍事企業」實體名單的決定。該訴訟於美國時間12月5日在華盛頓聯邦法院提起，請求法官阻止名單的執行並撤銷該認定。據理解，五角大廈於2024年1月將長江存儲列入在美國運營的「中國軍事企業」名單，並在今年稍早重申了該認定。同時，長江存儲也於12月5日對美國商務部提起訴訟，質疑其於2022年被列入另一份限制取得美國技術的機構名單。長江存儲堅稱擁有完善的出口合規體系，並表示美國商務部從未指控其違反美國出口管製法律。除了這次針對美國政府的訴訟，長江存儲近年來積極拿起「法律武器」以維護公司利益來對美國訴訟。其與全球儲存巨頭美光科技（Micron） 的系列糾紛中，體現了長江存儲的韌性與智慧。2023年11月，長江存儲於美國加州法院起訴美光，指控其多代3D NAND產品侵犯了長江存儲的8項專利，要求禁售侵權產品和賠償。截至2025年12月，此案件進入證據開示階段。法院裁定長江存儲的律師及專家可在保護令下，訪問美光73頁涉及最新3D NAND技術的機密檔案。2024年，長江存儲再次對美光提起訴訟，專利侵權指控擴大至11項。目前訴訟仍在進行中。2025年6月，長江存儲對美光提起第三起訴訟，指控其資助並推動針對長江存儲的「抹黑活動」（如散佈安裝後門軟件的謠言），試圖通過不正當手段獲取市場優勢。長江存儲要求美光採取矯正廣告、賠償損失並交出不法獲利。長江存儲近期密集的訴訟行動，遠不止於單一企業的商業糾紛。這是中國半導體產業遭遇技術封鎖和「標籤化」打壓後，進行的系統性、多維度反擊，正在深刻影響整個產業的戰略、規則認知和全球競爭格局。從戰略層面而言，主動起訴美國政府，挑戰「軍事企業」標籤的合法性；並在美、歐、英、德四大司法轄區對美光發起平行訴訟，主動維權；以及在中國首次對美光的專利發起無效挑戰。這些行動標誌著中國科技企業從「規則遵守者」轉向「規則運用者」甚至「規則挑戰者」的轉變。通過法律武器正面回應不公平待遇，為全行業提供了新的應對範式。在規則層面，美方將規則武器化，長江存儲基於規則的反制，正是所謂「以其人之道，還治其人之身」。如美國專利商標局以「國家安全」為由，對長江存儲的專利無效挑戰發起審查，將實體清單邏輯嵌入知識產權體系。同時，對美光「污名化」進行反制，起訴美光資助機構散佈虛假資訊，維護商譽。這揭示了科技競爭已從技術封鎖升級到法律和規則層面的博弈。美國此舉為所有中企的海外知識產權維權設定了「政治合規」新風險，可能迫使企業從「難以維權」轉向「不敢維權」。在產業鏈層面而言，挑戰規則和法律是爭奪市場與話語權的重要手段。長江存儲訴訟直指美光核心產品，影響其市場策略。同時，在專利無效攻防中，長江存儲多項核心專利被裁定有效，證明了自身技術的「硬實力」。因而，對國產半導體產業而言，外部壓力正加速全產業鏈的國產化替代與協同創新，挑戰規則也是自主創新最好的倒逼方式。因此，長江存儲在中美兩地同時發起專利無效挑戰，形成了「你打你的，我打我的」的交叉火力。這顯示中國產業開始更積極地利用本土司法和行政資源進行反制，全球知識產權博弈進入 「主場優勢」互相避險的新階段。同時，長江存儲的主動訴訟，特別是起訴美國政府的行動，為其他被無理列入清單的中國企業提供了可藉鑑的路徑。當然，這也是一種警告──所有尋求全球化的中國科技公司都必須重新評估海外營運的政治與法律復合風險，並加強自身的知識產權佈局與合規體系建設。 （飆叔科技洞察）

“落後就要挨打”，這是一個很殘酷但又很現實的血淋淋的歷史教訓。挨打不一定要是熱戰，經濟制裁、科技打壓等，都是在挨打，只是方式不一樣罷了！而遺憾的是，中國在科技、經濟等各方面，都曾因為落後，才遭遇過屈辱。近幾年，美國為了阻止中國科技的崛起，或實施技術封鎖、或發動關稅戰，針對中國科技企業，進行了一輪接一輪的打壓和製裁。但值得慶幸的是，美西方的霸權主義，令越來越多的中國科技企業意識到──唯有自強，方能無畏！於是，中國科技企業有了共同的目標──加速國產替代，擺脫對美依賴。從5G到晶片，從光刻機到AI，中國科技企業堅定的走上了自主研發的創新之路。一向傲慢的美西方可能也沒有想到，短短幾年的時間，中國在不少前沿科技領域就已經追趕了上來，甚至完成了超越，上演了一出「逆風翻盤」的好戲。近日，有重磅消息傳來，全球頂尖AI科技企業Meta，放棄其旗下曾經領跑全球的Llama大模型，「偷師」阿里千問Qwen中國大模型！你沒有看錯，美國頂尖AI企業也要向中國科技企業低頭，這再次證明了，中國科技正在悄悄征服西方，風向徹底變了！幾年前，ChatGPT、Llama等美知名AI模型，在全球風靡，國內開發者也爭相使用。但僅僅兩年多時間，隨著阿里千問Qwen、DeepSeek等中國大模型的崛起，誰能想到，Llama等美大模型也能被超越，阿里千問Qwen取而代之，且黃仁勳還親自認證——阿里Qwen搶佔了大部分的市場份額，且還在持續擴大自身優勢。要知道，Meta的CEO祖克柏可是一名堅定的“美國支持者”，他曾多次呼籲，要多使用美國的大模型，不要依賴中國大模型。但結果呢？現如今態度一百八十度轉變，自家的「酪梨」訓練竟使用了阿里千問Qwen大模型，這也從側面證實了一點，阿里千問Qwen系列正在強勢崛起，已有取代Llama之勢。阿里千問Qwen系列開源至今，僅僅只有3年的時間，就已經交出了多份高分答卷，其全球下載量已經步入“7億俱樂部”，且衍生模型的數量也已經超越了Llama。不只Meta，不只美國，阿里千問Qwen大模型在阿聯、日本、巴西、韓國、泰國等國家和地區，也深受科技巨頭和開發者的喜愛。總的來說，這次Meta寧願被扣上“打”臉的帽子，也要使用阿里千問Qwen開源模型，說明了一點，阿里的選擇是對的，全面開源要比西方的“小院高牆”閉源發展更勝一籌，再加上阿里還有全棧AI佈局作為“護城河”，優勢很明顯了！正如人民日報所說的，核心技術是討不來的。阿里做了一個很好的榜樣，全棧佈局、生態協同、技術創新，用自研核心技術打破西方封鎖，闖出一條屬於中國的光明道路，未來可期。 （W侃科技）

01. 前沿導讀據聯合早報新聞報導稱，技術機構Techinsights對華為最新的鴻蒙摺疊電腦進行拆解分析後發現，鴻蒙電腦所使用的晶片依然是與2023年一樣的工藝工藝，中國企業現在根本沒有掌握更先進的晶片量產技術。美國商務部副部長Jeffrey Kessler在這個月的聽證會上面表示，雖然美國的出口管制沒有阻止中國獲得先進晶片，但是卻成功阻止了中國企業開發更加先進晶片技術的腳步。受美國出口管制的影響，中國企業在2025年所能製造的先進晶片數量非常有限，而且還會被美國卡在2023年的技術水準當中。02. 制裁壓制2018年，中芯國際CEO梁孟鬆在上海與ASML簽訂合約，以1.2億美元的價格採購一台EUV光刻機。#光刻機這次中荷企業的合作，是合法合規的。但是美國卻認為中國擁有了先進裝置之後，會發展出更高水準的資訊技術，從而掌握全球範圍內的資訊資源，對美國產生安全上面的威脅。就在裝置可交付的2020年，美國對荷蘭政府施壓，要求其禁止ASML向中國企業出口先進的EUV光刻機，緊急攔截了這臺本該屬於中國企業的EUV裝置。在無法取得EUV裝置的情況下，中國大陸的晶片製造技術被卡在了Fin FET結構的14nm工藝上。儘管國內的技術團隊在梁孟鬆的帶領下已經掌握了7nm晶片的製造技術，但是沒有所需的製造裝置，導致該技術無法推進到測試階段，距離量產商用也遙遙無期。美國商務部長雷蒙多曾公開表示，美國的製裁限製成功壓制了中國製造先進晶片的機會。美國不僅封鎖中國的自主技術發展，也會聯合同盟企業幫助美國發展晶片製造技術，重塑美國在全球晶片產業的霸主地位。在拜登政府時期，美國通過《晶片法案》來吸納台積電、三星等強大晶片製造商，用美國政府的錢扶持其在美國建廠發展。但在川普總統上任之後，直接對該政策提出了反對意見，認為美國不應該拿自己國家的錢去扶持外國的企業，應該通過增加額外的關稅，迫使這些海外的製造商自己主動來美國發展。荷蘭ASML現任CEO富凱曾在接受美國BBC採訪時表示：美國對中國企業實行晶片斷供，也讓中國拿不到EUV光刻機，直接阻斷中國取得先進晶片的機會。#ASML況且美國正在將台積電、三星的先進製造技術收入囊中，這將使中美之間的晶片技術差距拉大到10年-15年。03. 技術發展在遭受美國不合理的打壓之後，中國企業意識到了自主技術的重要性，開始投入大量的資源去攻克卡脖子的技術環節。根據資料報告顯示，國家大基金一期、二期的總投資規模超過了4000億人民幣，這些巨額資金的投資，將幫助國內的晶片企業發展技術、建設生產線，從而推動整個中國晶片產業的向上發展。ASML首席技術官馬丁·范登布林克，曾在科技媒體的專訪中表示：美國拿走了EUV光刻機，但是中國企業的手中還掌握著數百台曾經從ASML購買的浸潤式DUV裝置，這些裝置也可以製造先進晶片。使用DUV裝置，經過多次曝光的技術所製造出來的先進晶片，在性能、能源效率、成本、良品率等多個方面均無法與EUV製造的晶片相比，有著明顯劣勢，但這是中國企業眼下唯一的發展方案。在中國企業通過以上技術成功量產出先進晶片後，在雷蒙多訪華期間將搭載國產7nm晶片的智能手機進行發售，打了全球科技領域一個措手不及。後來有BBC記者就此事採訪雷蒙多，雷蒙多表示：中國企業確實突破了美國的製裁，這是事實，但是美國的限制措施也並不是完全沒有效果，它成功阻礙了中國晶片技術的發展速度，給美國創造了重塑先進晶片產業鏈的機會。就如同你所看到的，中國的晶片水平依然停留在2023年。浸潤式技術發明者、前台積電副總裁林本堅曾在訪談中表示：中國企業在被美國製裁的情況下製造出來了先進晶片，這個晶片可能不夠好，但是它可以放在產品上面直接使用。現今的中國晶片產業已經面臨了技術瓶頸，而且進入了一個技術無人區。誰也無法想像，中國企業在被逼迫到絕境的情況下，可以開發出什麼驚人的新技術來。 （逍遙漠）

美國於2018年起逐步在半導體和晶片領域圍堵中國，阻撓中國掌握先進人工智慧，後來對華科技競賽更是擴散至自動駕駛汽車、無人機和電動車等多個不同領域。但到目前為止，這些努力似乎均未達預期。中國的電動車比美國的更便宜，而且以許多標準衡量都更勝一籌；中國在消費級無人機領域佔據主導地位；自動駕駛汽車已在武漢和北京的街道上營運，進展步伐超過Waymo和特斯拉；全球絕大部分太陽能電池板和電池都由中國生產；此外，儘管美國及其盟友在先進製程微晶片和AI領域保持著領先優勢，但這一差距似乎正以前所未有的速度縮小……有美國學者提出了“孤立反噬”的說法，技術限制反而讓中國更快地走上了“去美國化”的路，美國可能“戰略誤判”了，高估了自身限制中國科技發展的能力，也低估了為此所付出的代價。近日，《華爾街日報》亦推文指出，美國對華發動科技戰的結果引發了現任政府的領導層與外部批評者之間的激烈辯論，辯論的焦點在於：是讓中國依賴美國技術更好，還是中國擁有美國技術所帶來的國家安全風險實在過大？美國打壓中國科技的計畫，為何被認為並未奏效？特摘編如下：關於對華科技戰，美國白宮官員及其支持者幾乎一致贊成通過禁止向中國出口AI微晶片及相關製造裝置來扼殺中國的技術進步。但一些政府外部人士表示，這些政策適得其反，反而加速了中國技術生態系統的發展。辯論的焦點在於：是讓中國依賴美國技術更好，還是中國擁有美國技術所帶來的國家安全風險實在過大？晶片之爭對當前出口管制措施加大批評力度的人士包括美國晶片巨頭輝達的執行長黃仁勳。他表示，2026年中國可能在AI晶片和伺服器上投入500億美元，而由於針對中國的先進製程AI晶片出口新禁令，輝達將錯失該市場。在近日的一次財報電話會議上，黃仁勳進一步強化了他的批評立場，他說：“把中國晶片製造商排除在美國競爭之外，只會增強其海外實力，削弱美國的地位。出口限制已推動了中國的創新和規模擴張。”到目前為止，進入中國大陸市場受限對輝達營收的影響甚微。在無法獲得美國晶片的情況下，中國轉而採納完全由中國大陸公司設計和製造的晶片，這些公司包括華為、寒武紀、長鑫儲存和中芯國際。華為最新的升騰（Ascend） 910C人工智慧晶片的單芯算力雖然僅為輝達最新晶片的三分之一，但該公司CloudMatrix 384 AI超級電腦中整合的該晶片數量是輝達的五倍。在每台CloudMatrix電腦原始算力以及至關重要的記憶體容量方面，華為已經超越了輝達。研究過華為新型AI超級電腦的SemiAnalysis分析師Doug O’Laughlin表示，儘管CloudMatrix 384耗電量是輝達產品的四倍，但中國在能源生產方面擁有巨大優勢。他補充說：“過去10年，中國已經在增加能源產量，並且牢牢掌握了可以確保持續增產的完整供應鏈。”為華為生產處理器的中芯國際目前是全球第三大晶片製造商，儘管該公司使用的是美國實施出口禁令前的老一代技術，但仍在高品質晶片製造方面取得了創新。華盛頓保守派智庫傳統基金會（Heritage Foundation）的中國問題分析師Bryan Burack表示，對AI等技術的出口管制比以往任何時候都更加重要，因為美國正處於一場新冷戰之中。川普的第一任期據業內人士透露，華盛頓對中國科技發展的擔憂由來已久，但遏制中國發展的行動是在川普第一任期內真正全面提速的。2018年，時任商務部長羅斯以國家安全為由，切斷了中國電信裝置公司中興通訊獲得美國微晶片等技術的管道。史丹佛大學胡佛研究所研究員Dan Wang說：“美國政府此舉一下子就向中國政府和中國科技公司表明，它有能力隨心所欲地重創中國的科技領軍企業。”隨後，美國針對微晶片和軟體實施了一系列限制措施，尤其針對中國智慧型手機和通訊裝置巨頭華為。矽谷天使投資人、中國科技分析師Rui Ma說，當時就連中國科技公司也不願購買中國大陸生產的晶片，因為不如在美國、韓國和台灣生產的美國設計晶片。別無選擇之下，中國科技公司被迫採購本土產品。中國科技公司和中國政府的巨額投資隨之而來。中國的晶片技術越進步，美國就越想拖住中國前進的步伐，包括禁止向中國出口晶片製造裝置和材料。曾在美國超威（AMD）擔任高管長達11年的半導體行業分析師Patrick Moorhead表示，這並不意味著中國的本土晶片製造生態系統能與美國及其盟友所能整合的資源相提並論，但認為中國遠遠落後或者將永遠落後的看法是與歷史經驗相悖的。“我在科技行業幹了30年，聽過很多‘哦，中國搞不定這’的說法。”Moorhead表示：“現在我覺得他們‘能搞定’只是時間問題。”他稱，從長遠來看，中國可能有能力在本土採購所需的全部資源，以匹敵甚至超越像台灣的台積電和美國的英特爾等公司。為什麼中國可以？專家指出，中國擁有其他所有與美國打過貿易戰的國家都不曾掌握的獨特綜合優勢。中國龐大的人口訓練有素，從技術嫻熟的工廠工人到工程師都是如此。黃仁勳已多次表示，全球一半的AI工程師在中國。輝達最近亦因在上海新建研發中心而受到美國參議員抨擊。中國還擁有巨大的國內市場，因此可以在本土孵化企業，然後再讓它們走向全球。而且，雖然中國在許多原材料和特殊商品上依賴美國和世界其他地區，但中國領導層為實現自主可控所做的有組織、高投入且不間斷的努力，意味著對外部的依賴性正在減弱。隨著時間的推移，中國自己生產各種所需物品的比例越來越高，從微小的晶片元件到龐大的貨船無不如此。Dan Wang表示，在最理想的情況下，美國本應允許其晶片和軟體巨頭繼續主導中國國內市場。但考慮到多年前啟動的出口管制，這一情境已不可能實現，唯一合乎邏輯的前路或許就是維持這些管制，甚至可能進一步收緊。“我們現在的解決方案不是次優方案，而是第七優的方案。” Dan Wang說：“與中國公司重建信任肯定已是毫無可能。” (東方財經雜誌)

當美軍的F-35戰機在帕勞二戰舊機場完成加油時，太平洋另一端的中國量子電腦「九章」剛剛突破千萬級量子位元操控技術。這場跨越時空的科技交鋒，揭開了中美特殊戰爭最隱密的劇本——全球80%的5G基地台、90%的稀土加工、60%的人工智慧專利已悄悄構成新戰場的地標。懸崖邊緣的賽局邏輯美國海軍陸戰隊重啟二戰機庫的動作，與華為升騰910B晶片突破3D封裝技術形成戲劇性對比。五角大廈的「分佈式打擊」戰略背後，是關島油料儲備僅夠7天的致命短板；中國反介入體系的完善，讓東風-26導彈射程覆蓋的美軍基地成為「玻璃防線」。當蘭德公司鼓吹「五步轟炸中國計畫」時，中國對鎵、鍺的出口管制已讓F-35生產線三次停擺——科技糧食的斷供，比航母編隊更具殺傷力。經濟戰場的資料更令人窒息：6,906億美元貿易額編織的共生網路下，美國對華商品加征245%關稅的反噬，讓華爾街3000億美元市值蒸發；中國新能源車出口量飆升62%，在特斯拉上海工廠被迫停產的陰影中完成對傳統汽車霸權的「彎道超車」。這種「殺敵八百自損一千」的博弈，揭露全球化產業鏈的蝴蝶效應：一顆晶片的禁運可能引發西海岸港口萬噸貨輪的空返。軍事威懾的量子糾纏台灣海峽的雷達波紋從未如此密集。美國在亞太地區新增的12個軍事基地，面對的是中國海軍350艘艦艇組成的區域拒止鏈－055型驅逐艦112個垂髮單元的火力密度，抵得上半個第七艦隊。當福建艦電磁彈射試驗成功時，五角大廈不得不承認：“中國軍艦下水量已超過我們未來十年的造艦計畫” 。核威懾的天平同樣在傾斜。東風-41洲際飛彈20馬赫的突防速度，與B-21隱形轟炸機的穿透能力形成恐怖平衡。斯德哥爾摩國際和平研究所的報告揭示冰冷現實：中美核武庫均已達到「相互確保摧毀」的臨界點，任何熱戰升級都將觸發末日時鐘的終極倒計時。科技暗戰的降維打擊川普簽署的“全美小學AI教育令”，暴露出美國的深層焦慮——中國每天誕生3個新大模型的速度，正在吞噬矽谷的技術代差。華為升騰社區150萬開發者的生態活力，對比輝達H20晶片禁令後的55億美元虧損，證明技術封鎖反而成為創新催化劑。在稀土戰場，中國的反制精準如手術刀：對鎵、鍺的出口管制直接癱瘓美國90%的軍工生產線，而「九章」量子電腦的突破，讓6G通訊的競賽提前十年進入白熱化。這場較量中，美國發現最危險的敵人不是華為實驗室，而是自己培養的10萬名中國AI工程師。霸權黃昏與文明突圍當《華爾街日報》哀嘆「特殊戰爭完敗」時，一帶一路沿線149國的基建網路正將美元霸權拆解成區域結算貨幣拼圖。人民幣跨境支付系統（CIPS）日均處理量突破1.2兆元，在SWIFT體繫上撕開的裂縫，預示著「去美元化」浪潮已不可逆轉。美國戰略與國際研究中心的推演顯示：2030年將成為軍力轉折點，中國在高超音速武器和人工智慧指揮系統上的投入，可能徹底改寫西太平洋力量對比。但比硬體超越更致命的，是東方文明的戰略定力——當美軍糾結於「分佈式作戰」時，中國在腦機介面、可控核聚變等領域的超前佈局，正在定義下一個百年的遊戲規則。結語：新規則的誕生陣痛基辛格生前「懸崖邊緣」的警告仍在迴蕩，但歷史從不等待猶豫者。當美國政客在關稅法案上潦草簽字時，深圳南山區的實驗室正用光子晶片突破摩爾定律極限；當五角大樓推演台海衝突時，海南文昌發射場的深空探測器已掠過火星軌道。這場特殊戰爭的終局或許早已註定：依靠艦炮測量世界的霸權邏輯，終將敗給用光纖連接人類命運共同體的文明智慧。正如南海演習中悄悄避讓的美軍航母所揭示的——真正的威懾，從來不在硝煙瀰漫處，而在靜默中改寫的規則裡。（放眼觀天下）

老黃在一場論壇上，拋出了驚人的觀點：全球50%頂尖AI研究員來自中國，並呼籲美國加速佈局在「無限遊戲」中搶佔先機。他重申，輝達未來4年在美投資5,000億美元，打造AI新電網。脫下皮衣穿上西裝的黃教主，這次又有了驚人的言論。在華盛頓的Hill&Valley論壇上，不再拘謹的老黃表示：美國必須完全擁抱AI。他拋出了一個令人震驚的數字：全球50%的人工智慧研究人員來自中國！在全球AI競賽如火如荼的當下，老黃的一席話如同一記警鐘，為美國敲響了緊迫行動號召。他更是直言不諱地指出，AI不僅是技術革新前沿，更是國家競爭力核心所在。為此，他呼籲美政府加大對勞動力再培訓的投入，確保每位工作者都能適應這場「無限遊戲」。AI半壁江山是中國人 老黃敲響警鐘這場競賽，不是短跑，而是馬拉松。全球頂尖AI研究者有50%是中國人，這數字印證了中國在AI領域深厚人才儲備，也為美國敲響了警鐘。老黃強調，理解並正視競爭對手優勢，是製訂策略的關鍵。「我們必須思考如何在這場遊戲中佈局。這是一場需要長期投入，不斷創新的『無限遊戲』」。他還將當前AI革命與歷史上的工業革命相提並論。過去，美國憑藉快速應用鋼鐵和能源，成功引領了工業化浪潮。如今，AI作為新「能源」，正在重塑全球經濟格局。老黃認為，美國不應畏懼技術帶來的勞動力變革，而應透過投資教育、再培訓，賦予工人駕馭AI的能力。甚至，他預測，到本十年末，全球將面臨至少5,000萬勞動力缺口，而智慧手機器人有望填補這一空缺。在GTC 2025大會上，輝達發布的全新人形機器人基礎模型Groot N1，就是朝著解決勞動力短缺問題邁出了重要一步。輝達野心：從馬力、電力到算力最近，老黃又會見了美國的眾議院官員，針對AI競賽，DeepSeek等方面做出了最新回應。演講中，他特地強調了，不要把輝達當成一家晶片公司。輝達不是簡單的造晶片，是建構了驅動AI的底層系統－從晶片、超級電腦到在上面運行的軟件。就像過去一個世紀的道路和電網一樣。AI是一種新型的基礎設施。它正在成為科學研究、工業生產力和全球創新背後的引擎。就像過去一個世紀的道路和電網一樣，建設AI基礎設施的國家將定義規則、收穫回報，並塑造下一個時代。輝達投入三十多年時間，研發推動現代AI發展的技術。目前為全球超過40,000家公司和600萬名開發者提供服務。但，領導地位不是一勞永逸的，而是需要一再贏得。老黃強調要維持美國的持續領導地位，最好的方式就是在國內進行投資，推動美國科技發展，使其繼續成為全球創新的基礎。本月早些時候，輝達宣佈了一個重要消息——NVIDIA將首次在美國製造AI超級電腦。下一代Blackwell晶片，已經在台積電位於亞利桑那的工廠投產。同時，在德州，正在與富士康和緯創合作建造新的工廠。這些努力加起來，將帶來超過一百萬平方英呎的先進AI基礎設施建設。在製造方面，未來四年內，輝達計劃在美國本土投資高達五千億美元建設AI基礎設施。這不僅僅是設想，而是真正落地的鋼鐵與矽晶片的投入。不能退縮的鬥爭在面對眾議院時，老黃說，現在歷史來到了一個轉折點：美國必須決定是否要繼續引領全球AI的發展，還是選擇後撤和收縮。這是一場沒有退路的鬥爭。無論人們對DeepSeek開源R1怎麼看，它都清晰地表明了一個趨勢：全球的創新正在迅速推進，不管有沒有美國的領先技術。如果美國的平台缺席，企業就會轉向中國的戰略性競爭對手來填補空缺。這也正是為什麼AI的領導力不僅取決於「限制了什麼」，更取決於「賦能了什麼」。雖然缺芯少卡，但是透過創新，DeepSeek依然可以引領科技的進步！另一點就是，生態系統至關重要。AI的未來不僅僅是誰能建出最大的資料中心，或是誰能訓練出最強的模型，而在於AI如何應用在日常生活中。誰能在AI的建設與實際應用上佔據主導地位，誰就能贏得這場AI競賽。輝達的核心優勢之一，就是在全球擁有600萬開發者的龐大網絡，他們都在輝達的CUDA平台上開發。老黃還告誡，如果把這個生態系統拱手讓給競爭對手，那將幾乎不可能再奪回來。如何維持AI領導力AI不僅僅是晶片，它是一個完整的系統：計算、網絡、軟件、能源以及推動這一切發展的人員。老黃還給「如何維持美國的AI領導力」提了四個建議：第一，最大化並加速美國AI在全球範圍內的採用。向全球推廣美國的AI技術有助於增強美國的影響力，同時將稅收、就業和基礎設施建設收益帶回本土。第二，在AI技術的每一層取得勝利。美國必須在AI技術堆疊的各個層面掌握領先產品和技術，包括晶片、訓練和推理系統、開發框架、中介軟件、AI基礎模型以及AI應用。贏者全拿。第三，加大對美國本土的投資。AI技術體係將有助於美國再工業化，並推動關鍵產業的回歸，包括金融、醫療、交通，以及下一代通訊和6G技術。第四，推動美國企業、勞動力和基礎設施的快速成長。透過清晰透明的監管政策、對科學研究的投資、勞動力培訓準備等方式，將確保美國抓住這次AI發展的機會。這些建議同樣適合任何想在這場算力革命中獲得領先的任何組織。工業革命的蒸汽餘溫還沒有完全消散，算力革命的風扇引擎已經轟鳴不止。不論是晶片、顯示卡和電網等組成的AI巨無霸工廠，還是構築在這些硬體之上的軟件帝國，背後都離不開人，以及人的創新。在這場算力革命中，人才、資本與生態正重新排位。全球玩家都已上場，下一局拼的是耐力，更是想像力和創造力。 （新智元）

4月初，史丹佛大學發佈了2025年人工智慧指數報告《Artificial Intelligence Index Report 2025》，該指數報告呈現了目前最全面、最完整的人工智慧發展現況。它也被全球媒體、政府和領先公司公認為值得信賴的資源，為政策制定者、商業領袖和公眾提供了對人工智慧技術進步、經濟影響和社會影響的嚴謹、客觀的見解。這份報告長達456頁，涵蓋了人工智慧研發、績效指標、經濟影響力、科學與醫藥、政策與治理、教育等內容。由於報告篇幅較長，本文重點在於對人工智慧研發現況、效能指標以及對經濟的影響進行解讀，如果想瞭解報告的完整內容，文末也放置了下載方式。第一部分：人工智慧研發現狀本部分主要探討了人工智慧研究和開發的趨勢，涵蓋了人工智慧模型的發展趨勢、使用成本、以及專利發佈和使用的情況。1. 美國仍然是人工智慧模型的主要來源。 2024年，美國生產了40個人工智慧模型，大大超過了中國的15個和法國的3個。在過去的十年中，來自美國的機器學習模型比其他國家都多。2. 美國的企業在生產機器學習模型方面仍處於領先地位。 2024年，貢獻最大的是OpenAI（7款）、Google（7款）和阿里巴巴（6款）。自2014年以來，Google以187款車型領先，其次是Meta（82款）和微軟（39款）。在學術機構中，卡內基美隆大學（25款）、史丹佛大學（25款）和清華大學（22款）是自2014年以來最多產的大學。3. 人工智慧模型所需的運算資源越來越大。人工智慧模型中的「計算」一詞表示訓練和操作機器學習模型所需的運算資源。通常，模型的複雜性和訓練資料集的大小直接影響所需的計算量。模型越複雜，基礎訓練資料越大，訓練所需的運算量就越大。最近，人工智慧模型變得越來越大，運算要求越來越高，能耗也越來越高。新的研究發現，著名AI模型的訓練計算大約每五個月翻一番，這一趨勢在過去五年中尤其明顯。計算需求的快速成長具有重要意義。例如，需要更多計算的模型通常具有更高的環境需求，公司通常比學術機構有更多的計算資源。4. 人工智慧模型的使用成本越來越低。 MMLU是評估語言模型性能的流行基準，查詢一個在MMLU上得分相當於GPT-3.5（64.8）的AI模型的成本從2022年11月的每百萬代幣20.00美元下降到2024年10月的每一百萬代幣0.07美元（Gemini-1.5-Flash-8B個月），大約在28B個月內減少了180個月。類似的趨勢在GPQA得分超過50%的模型成本中也很明顯，GPQA是比MMLU更具挑戰性的基準。在那裡，推理成本從2024年5月的每百萬代幣15美元下降到2024年12月的每一百萬代幣0.12美元（Phi 4）。根據任務的不同，LLM推理價格每年下降9到900次。5. 人工智慧專利申請正在增加。 2010年至2023年間，人工智慧專利數量穩定大幅成長，從3833件激增至122511件。光是去年，人工智慧專利數量就增加了29.6%。截至2023年，中國在人工智慧專利總量方面處於領先地位，佔所有授權的69.7%，而韓國和盧森堡在人均人工智慧專利生產國中名列前茅。第二部分：人工智慧效能指標本部分詳細介紹了2024年人工智慧模型技術效能的進步。涵蓋了與人工智慧模型的發佈情況、人工智慧能力現狀和關鍵趨勢，如開放權重模型性能的提升、前沿模型性能的趨同以及中國LLM品質的提高。1. 在過去的一年裡，人工智慧系統不斷改進，在其中幾個以前具有挑戰性的基準測試中超過了人類的表現。人工智慧和人類之間的差距正在迅速縮小。例如，在競賽等級數學的基準MATH上，最先進的人工智慧系統現在比人類的表現領先7.9個百分點，與2024年的0.3個百分點差距相比有了顯著改善。同樣，在複雜、多學科、專家級問題的基準MMMU上，2024年最佳模型o1的得分為78.2%，僅比人類82.6%的基準低4.4個百分點。相反，在2023年底，GoogleGemini模型的得分僅為59.4%，進一步說明了人工智慧在認知要求任務上的快速進步。2. 開放式重量模型（開源模型）迎頭趕上。去年的報告中顯示，領先的開放權重模型明顯落後於封閉權重模型。到了2024年，這一差距幾乎消失。 2024年1月初，領先的閉式權重模型在聊天機器人競技場排行榜上的表現比頂級開放式權重模型高出8.04%。到2025年2月，這差距縮小到1.70%。兩者之間的差距基本上被抹平。3. 中美模型差距正在縮小。 2023年，美國領先模型的表現明顯優於中國同行，然而，最近的證據表明，情況正在迅速變化，中國模型正在趕上美國模型。2023年底，MMLU、MMMU、MATH和HumanEval等基準的效能差距分別為17.5、13.5、24.3和31.6個百分點。到2024年底，這些差異已大幅縮小，僅為0.3、8.1、1.6和3.7個百分點。 DeepSeek-R1的推出引起了人們的關注還有另一個原因：該公司報告稱，它只使用了訓練這種模型通常所需的一小部分硬體資源就取得了成果。除了影響美國股市外，DeepSeek的R1發佈也引發了人們對美國半導體出口管制有效性的懷疑。4. 人工智慧模型效能正在快速收斂。 2022年，當時ChatGPT的推出讓人工智慧在公眾視野中引起了不小的波瀾，當時主要的參與者只有OpenAI和Google。但隨後，不斷有新的玩家進入了這個領域，包括Meta及其Llama模型、Anthropic與Claude、High-Flyer的DeepSeek、Mistral的Le Chat和xAI與Grok。隨著競爭的加劇，模型效能越來越趨同。根據去年的AI指數，聊天機器人競技場排行榜（一個廣泛使用的人工智慧排名平台）上排名最高和第十的模型之間的表現差距為11.9%。到2025年初，這一比例已降至5.4%。同樣，前兩款模型之間的差異從2023年的4.9%下降到2024年的0.7%。人工智慧領域的競爭越來越激烈，這也說明，人工智慧公司如果單純靠技術，很難形成護城河來保護自己免受競爭對手的攻擊。5. 影像生成品質有了顯著提升。影像生成是產生與真實影像無法區分的影像的任務。正如去年的人工智慧指數所指出的那樣，今天的圖像生成器非常先進，以至於大多數人很難區分人工智慧生成的圖像和人臉的實際圖像。下圖突出顯示了2022年至2025年間Midjourney模型變體的幾代人，以提示“哈利波特的超現實圖像”。這項進展顯示Midjourner在兩年內產生超現實影像的能力有了顯著提高。 2022年，該模型製作了卡通和不準確的《哈利波特》渲染圖，但到2025年，它可以創造出令人震驚的逼真描繪。另外，高品質的AI視訊生成也顯示出顯著的改進。 2024年，推出了幾種能夠從文字輸入產生高品質影片的先進人工智慧模型。值得注意的版本包括OpenAI的SORA、Stable Video 3D和4D、Meta的Movie Gen和Google DeepMind的Veo 2。與2023年的影片相比，這些模型製作的影片品質要高得多。6. 小模型實現突破，性能越來越強。 2022年，在MMLU上得分高於60%的最小模型是PaLM，有5400億個參數。到了2024年，微軟的Phi-3-mini只有38億個參數，達到相同的效能，這意味著在兩年多的時間裡減少142倍。除了微軟，還有許多AI廠商都發表了小巧、高效能的模型，包括GPT-4o mini、o1 mini、Gemini 2.0 Flash、Llama 3.1 8B和Mistral Small 3.5。小模型的興起有幾個重要原因：首先，它展示了演算法效率的提高，使開發人員能夠以更少的資料和更低的訓練成本實現更多的目標。這些效率的提高，再加上不斷增長的資料集，可能會導致更高效能的模型。其次，對較小模型的推理通常更快、更便宜。它們的出現也降低了人工智慧開發人員和希望將人工智慧整合到其營運中的企業的進入門檻。7. 複雜的推理仍然是一個問題。人工智慧模型擅長國際數學奧林匹克問題等任務，但仍難以應對PlanBench等複雜的推理基準。即使存在可證明正確的解決方案，它們也往往無法可靠地解決邏輯任務，這限制了它們在精確度至關重要的高風險環境中的有效性。第三部分：人工智慧對經濟的影響2024年，人工智慧的經濟影響變得更加突出，對許多產業產生了實質影響。生成式人工智慧的早期生產力效益在特定任務中變得可以衡量，而關於該技術對更廣泛經濟的長期影響的問題仍然存在。勞動市場已經開始顯示出AI驅動轉型的跡象，隨著新的與AI相鄰職位的出現，某些知識工作者的角色正在經歷顛覆。不同產業和地理區域的公司正在從實驗性的AI採用轉向系統整合。投資模式反映了人工智慧領域的日益複雜，資金越來越多地流向企業自動化和行業特定解決方案中的專業應用。1. 自2010年以來美國勞動市場最受歡迎的是人工智慧技能。引領需求的是人工智慧，佔0.9%，緊跟在後的是機器學習，也佔0.9%，自然語言處理佔0.2%。自去年以來，生成型人工智慧的成長幅度最大，成長了近四倍。而職業技能方面，在人工智慧職位招募中前10項專業技能，從絕對規模上講，過去十年，對每項專業技能的需求都在增加，但Python的受歡迎程度顯著提高，突顯了它作為首選AI程式語言的優勢。2. 全球私人人工智慧投資創歷史新高，成長26%。 2024年，企業人工智慧投資達2,523億美元，其中私人投資年增44.5%，併購年增12.1%。該行業在過去十年中經歷了急劇擴張，自2014年以來，總投資增加了13倍多。（註：mergers acquisitions：併購；Private investment：私人投資；Minority stake：少數股權；Public offering：公開發行）3. 生成式人工智慧資金激增。 2024年，生成式人工智慧的私人投資達到339億美元，比2023年成長18.7%，比2022年的水準高出8.5倍以上。該產業目前佔所有人工智慧相關私人投資的20%以上。4. 美國擴大了在全球人工智慧私人投資的領先地位。 2024年，美國私人人工智慧投資達到1,091億美元，比中國的93億美元高出近12倍，是英國45億美元的24倍。這一差距在生成式人工智慧方面更為明顯，美國的投資超過了中國、歐盟和英國的總和254億美元，比2023年的218億美元差距有所擴大。5. 美國新投資的人工智慧公司大幅領先。與私人投資趨勢一致，美國以1,073家新的人工智慧公司領先所有地區，其次是英國，有116家，中國有98家。自2013年以來的整體數據中也出現了類似的趨勢。在過去十年中，美國新投資的人工智慧公司數量約為中國的4.3倍，是英國的7.9倍。6. 人工智慧的使用達到了前所未有的水平。人工智慧的商業使用在2019年至2023年停滯不前，之後後大幅增加。麥肯錫的最新報告顯示，78%的受訪者表示，他們的組織已經開始在至少一個業務職能中使用人工智慧，與2023年的55%相比有了顯著成長。去年的調查首次涉及生成式人工智慧的使用，年增了一倍多，2024年71%的受訪者表示，他們的組織至少在一個業務職能中經常使用該技術，而2023年這一比例為33%。下圖顯示了2024年按行業和AI功能劃分的AI使用情況。使用率最高的是IT技術（48%），其次是產品和服務開發（47%）和技術行銷和銷售（47%）。7. 人工智慧開始在各個業務職能部門產生財務影響，但大多數公司都處於起步階段。大多數報告在業務職能中使用人工智慧對財務影響的公司估計，其收益水準較低。49%的受訪者表示，其組織在服務營運中使用人工智慧可以節省成本，其次是供應鏈管理（43%）和軟體工程（41%），但他們中的大多數人表示節省的成本不到10%。在收入方面，71%在行銷和銷售中使用人工智慧的受訪者報告收入成長，63%在供應鏈管理中，57%在服務營運中，但最常見的收入成長水準不到5%。8. 隨著大中華區的崛起，人工智慧的使用顯示出各地區的巨大變化。雖然北美在組織使用人工智慧方面保持領先地位，但大中華區的年成長率最高，組織人工智慧使用率成長了27個百分點。歐洲緊追在後，成長了23個百分點，顯示全球人工智慧格局正在迅速發展，人工智慧實施的國際競爭也在加劇。9. 企業部署生成式人工智慧最常見的應用是行銷策略內容支援（27%），其次是知識管理（19%）、個人化（19%）和設計開發（14%）。大多數報告的主要用例都在行銷和銷售職能部門。一項針對已開發市場高管的補充調查發現，只有1%的人將他們的生成式人工智慧部署描述為「成熟」。總體而言，大多數公司仍處於從人工智慧中大規模獲取價值的早期階段。10. 儘管略有放緩，但中國在工業機器人領域的主導地位仍在持續。 2023年，中國安裝了27.63萬台工業機器人，是日本的6倍，是美國的7.3倍。自2013年超過日本（佔全球安裝量的20.8%）以來，中國的份額已上升至51.1%。儘管中國安裝的機器人數量繼續超過世界其他地區的總和，但這一差距在2023年略有縮小，標誌著其急劇擴張的適度放緩。自2021年以來，中國安裝的工業機器人數量超過了世界其他地區的總和，但與2022年相比，2023年的安裝率有所下降。儘管同比下降，但這一持續趨勢突顯了中國在工業機器人安裝方面的主導地位。11. 協作和互動式機器人安裝變得越來越普遍。傳統機器人取代人類工作，而協作機器人則與人類協同工作，兩者之間存在差異。 2017年，協作機器人僅佔所有新工業機器人安裝的2.8%，到2023年，數字攀升至10.5%。同樣，2023年，除醫療機器人外，所有應用類別的服務機器人安裝量都有所增加。這一趨勢不僅表明機器人安裝的整體增加​​，而且越來越強調將機器人部署到面向人類的角色中。第四部分：其他1. 人工智慧正在重塑教育、金融和醫療保健等領域，在這些領域，演算法驅動的見解引導著關鍵決策。雖然這種轉變帶來了巨大的好處，但也帶來了顯著的風險。在過去的一年裡，人們繼續集中精力負責任地開發和部署人工智慧系統。2024年，與人工智慧相關的事件急劇增加，達到創紀錄的233起，比2023年增加了56.4%。這一增長可能反映了人工智慧使用的擴大和公眾對其影響的認識提高。對人工智慧的更熟悉也可能推動向相關資料庫更頻繁地報告事件。當被問及負責任的人工智慧（Responsible AI,  RAI ）政策對其組織的影響時，42%的人表示會對業務營運有所改善，例如提高效率和降低成本；34%的人表示客戶信任度會有所提高。只有17%的組織認為結果沒有產生重大影響。2. 人工智慧越來越融入日常生活。從醫療保健到交通，人工智慧正迅速從實驗室走向日常生活。 2023年，美國食品藥物管理局批准了223台支援人工智慧的醫療裝置，而2015年只有6台。在道路上，自動駕駛汽車不再是實驗性的：美國最大的營運商之一Waymo每周提供超過15萬次自動駕駛，而百度營運的阿波羅Go無人駕駛計程車車隊現在為中國各地的許多城市提供服務。3. 全球對人工智慧的樂觀情緒正在上升，但不分地區分歧依然存在。在中國（83%）、印尼（80%）和泰國（77%）等國家，絕大多數人認為人工智慧產品和服務利大於弊。相較之下，加拿大（40%）、美國（39%）和荷蘭（36%）等地的樂觀情緒仍然很低。儘管如此，人們的情緒正在改變：自2022年以來，在幾個以前持懷疑態度的國家，樂觀情緒顯著增長，包括德國（+10%）、法國（+10%”）、加拿大（+8%）、英國（+8%”）和美國（+4%”）。4. 人工智慧和電腦科學教育正在擴大，但在獲取和準備方面仍存在差距。三分之二的國家現在提供或計畫提供K-12電腦科學教育，是2019年的兩倍，其中非洲和拉丁美洲的進展最大。在美國，擁有電腦學士學位的畢業生人數在過去10年中成長了22%。然而，由於電力等基礎設施的缺口，許多非洲國家的接入仍然有限。在美國，81%的K-12電腦科學教師表示，人工智慧應該成為基礎電腦科學教育的一部分，但不到一半的教師認為自己有能力教導人工智慧。5. 各國政府正透過監管和投資加強人工智慧。 2024年，美國聯邦機構推出了59項與人工智慧相關的法規，是2023年的兩倍多，由兩倍多的機構發佈。自2023年以來，全球75個國家對人工智慧的立法提及量增加了21.3%，自2016年以來增加了9倍。隨著人們的關注度越來越高，各國政府也大規模投資：加拿大承諾提供24億美元，中國啟動了475億美元的半導體基金，法國承諾提供1090億歐元，印度承諾提供12.5億美元，沙烏地阿拉伯的超驗計畫代表了1000億美元的倡議。 （點滴智識）

基於當下修路還是面向未來造車。AI Agent產業的全球圖景，中國和矽谷正走上兩條路線。矽谷正逐步拆掉影響Agent發展的牆，從0-1的建立規則。從Anthropic推出了MCP開放協議，統一了大模型連接應用的方式，到Google發布名為Agent2Agent（A2A）的全新開放協議，建立了Agent與Agent之間的對話語言。越來越多的網路公司開始加入MCP陣營，包括Anthropic的老對手OpenAI，矽谷超過2000＋企業，國內阿里百煉平台、魔搭開發社區開始建構基於MCP的平台，騰訊雲、百度雲等雲平台也在陸續加入。看起來節奏清晰井然有序。而國內的AI Agent領域，則顯得更加躁動。一邊Manus以「全自動Agent」的故事引爆資本熱潮，另一邊則是曾經的行業獨角獸瀾碼科技遭遇發展危機，被曝出停薪資、停社保已經超過三個月，並於近期對數十名員工解除勞動合約。「Manus爆火後，投資人把相關文章甩給我們質問『人家這麼牛，你們為什麼不行？』」某Agent公司創始人在收到如此詢問時，她甚至找不到合適的語言向資方解釋，什麼是模組「縫合怪」。但與此同時，這種混亂又在給他們帶來實打實的新增訂單需求。客戶不再問AI Agent是什麼，而是直接提需求下訂單。它們都指向一個重要的信號：Agent行業正從“概念驗證期”邁入“生態定型期”，技術標準與商業模式的“分水嶺”已然浮現。在這兩種不同的氛圍背後，是兩種不同的路線，矽谷沉迷於對AI Agent制定規則，而中國公司已經在搶跑了。中國為什麼沒有MCP？首先我們必須明確的是：Agent不僅僅是一種應用形態，將其簡單地對比「超級應用」實際上是對其本質的誤解。 Agent代表了一條全新的產業鏈，它連接並整合了多個技術環節，需要調動幾乎整個互聯網生態的軟件資源。我們簡單製作了目前Agent產業生態的圖譜（當然它是動態變化的）以供大家理解。當前，建構真正通用的智能體需要兩個核心要素：一是強大的“大腦”：能夠接收任務並進行精細拆解，對每個步驟的微操作都能完美執行，這要求大模型具備強大的多模態能力；而是可靠的“手腳”，則能夠穩定執行在各種環境中，確保跨平台、跨裝置的一致性表現。針對To C和To B兩種場景，對Agent的能力要求截然不同：To C的通用型Agent不必追求極高精準性，但需要更強的通用性和靈活性，依賴強大的“大腦”進行決策；而To B場景下的“數字員工”則要求極高的精確性，對靈活性要求相對較低，更依賴高效穩定的“手腳”執行能力。因此，產業內幾乎形成共識：通用型Agent深度依賴基礎模型能力，本質上是模型廠商能力的延伸，會隨模型升級而進化，創業公司在此領域能施展的空間極為有限。從這個視角來看，Anthropic作為基礎模型廠商率先推出MCP，並非因其擁有最強話語權，而是因其最需要與互聯網現有軟件生態建立連接，實現底層能力的整合與打通。矽谷與中國在Agent領域的發展差異，正是兩地軟件生態長期積累形成的根本區別的直接反映。矽谷軟件生態以高度標準化和互聯互通為核心特徵。製造業Agent數字員工打造者語核科技創始人翟星吉精準指出：「美國市場中，每個細分場景往往會有獨立的SaaS公司提供垂直服務，這使得互通互聯成為Agent發展的必要條件」。在SaaS普及率超過80%的環境下，Salesforce、Slack等頭部產品成為企業標配，自然催生了對標準化介面的強烈需求。在MCP等統一協議架構下，現有SaaS服務自然成為生態組成部分，既服務終端使用者，又能被其他Agent呼叫。企業級數字員工AI Agent平台來也科技CTO胡一川形像地比喻：「MCP對行業的影響類似於USB-C標準化對電子裝置的影響，它大幅降低了開發成本。以前100個開發者連接100個工具需要10000項工作，現在通過MCP，雙方只需準備好對應介面，即可實現全面連接，呈指數級下降。相較之下，中國軟件生態發展不均衡，而這種軟件生態的根本差​​異，最終導致了中國缺乏類似MCP的統一協議標準。這不只是Agent技術路徑的不同，更顯現了數字基礎設施發展階段的差異。一旦MCP與A2A建構起智能體世界的「水電煤」基礎設施，後來者不是接取這套體系成為生態參與者，就是被排除在主流互動網絡之外。那麼制定標準的人將掌握了最重要的話語權，如同我們所見的Android系統，或是Cuda，當下國內Agent公司都正面臨著是加入還是獨立發展的重要節點。從目前的情況來看，似乎中國互聯網的基礎模型公司，並沒有另起爐灶的打算。 4月15日，魔搭推出全新MCP廣場，上架千餘款熱門的MCP服務。魔搭MCP產品經理告訴矽星人：“我們正在成為MCP的生態共建者，包括建立一些MCP應用的BenchMark，以及給一些應用提供啟動流量等等。”本該是兵家必爭之地的標準制定者，為什麼基模廠商輕易讓給了Anthropic？據矽星人的理解，一部分原因是因為統一協議本身可能只是AI發展的階段性產物，從技術的角度來說，一旦建立了Agent的通用行動模型（參考機器人模型），就可以繞過API或者協議介面，直接完成操作，爭也只是一時；另一方面，互聯網大廠們快速加入MCP陣營後，能夠將此前的優勢積累釋放，比如魔搭接入了收割支付寶提供的支付MCP介面，一旦Agent採用了通用的支付介面，支付生態可以在AI時代復利，這或許是一個比掌握協議本身更大的市場。矽谷修路  中國造車矽谷透過推動統一協議標準，對Agent生態而言就像是在“修路”，建立基礎設施和互聯互通的標準。而中國企業則專注於“造車”，打造能在特定場景下高效運行的實用解決方案。加入MCP、A2A或其他協議，對中國企業而言只是時間和選擇問題。無論那種路徑，最終要讓Agent生態完整運轉，都需要一輛輛「車」真正跑起來。在中國市場，C端Agent仍處於非常早期階段，以智譜AutoGLM為代表的通用智能體正在積極打磨產品形態、技術路線和商業模式，而絕大多數創業公司則將目光聚焦在2B領域。「我們認為未來2-3年是智能體商業化落地的關鍵窗口期。端到端的純大模型方案(如Manus等)不太可能在這個時間窗口內達到理想的商業落地水平，因為它們在可控性、穩定性和成本方面仍存在重大挑戰。」企業級通用智能體企業實在智能創始人孫林君判斷道。To B的快速發展首先來源於市場需求的爆炸性成長。 「自從今年2月DeepSeek發布之後，我們明顯感受到企業級Agent市場迎來了一波'爆單潮'，」翟星吉回憶道，「僅在最近三個月，我們在推進的新項目就超過了20個，今年的預期收入也超過了千萬。這在以前是很難想像的速度。」胡一川也表達了類似觀察：“我們在製造業和金融領域的Agent項目詢單量比去年同期暴增了數倍。企業客戶對AI Agent的熱情程度遠超我們預期，尤其是那些有明確流程優化需求的傳統行業客戶。”其次是to B領域相對清晰的商業模式，例如將銷售轉化率從5%提升到6%，雖然只增加了1個百分點，但對企業來說實際上增長了20%，對大型企業而言這是相當可觀的收益。實際上，to B Agent實際上取代了傳統的定製化系統，以更有效率的方式解決企業痛點。這些「數字員工」正在形成全新的商業模式，不同於傳統SaaS的固定功能，它們能夠根據企業需求持續進化，實現真正的軟件「活體化」。「其實，MCP這類協議對2C市場的影響遠大於2B領域。在企業場景中，系統大多採用封閉架構，且以本地私有化部署為主，很少需要連接公共互聯網應用。」翟星吉補充到，這一特點使得中國企業在缺乏協議層支撐的情況下，被迫自主研發從數據處理到執行操作的全鏈條技術特點使得中國企業在缺乏協議層支撐的情況下，被迫自主研發從數據處理到執行操作的全鏈條技術特徵。語核Langtum企業級Agent應用落地平台如語核科技，其技術核心之一在於自研的工業檔案解析引擎，專門處理企業分散的非結構化資料（將PDF格式的工藝參數表轉化為結構化資料），以便大型模型能夠更好地理解行業專業知識。在矽谷，這本應是獨立細分賽道的技術環節，但在中國市場環境下，語核不得不將其作為Agent解決方案的一部分直接交付。「例如在製造業的採購環節，我們的Agent能夠自動校對採購單、尋找供應商、比對報價並完成下單流程，將原本需要2-3天的工作壓縮至30分鐘內完成，同時還能保持95%的精準性。」翟星吉講道。來也科技則是透過將RPA(流程自動化)與AI結合，建構出一個一體化平台，來保證更高精準率和更強靈活性。 “我們的方案不是簡單地將大模型和RPA拼接，而是構建了一個能夠自我調整的智能係統，”胡一川解釋道，“在傳統RPA的基礎上，我們增加了決策節點，允許系統在執行過程中根據實時情況進行判斷和路徑調整。”來也科技數字員工平台架構圖例如，在某大型汽車主機廠的質檢環節，來也科技的Agent能夠自動識別並處理各類質檢檔案，當遇到異常情況時，系統會自動呼叫歷史案例庫進行比對分析，確定最佳處理方案。 「這項應用將質檢檔案處理時間從原來的8小時縮短至1小時，精準率提升至99.2%，每年為客戶節省人力成本超過200萬元。」胡一川補充道，“更重要的是，隨著使用時間延長，系統能夠不斷學習新的異常模式，持續提升處理能力。”中國企業在建構Agent時往往採取這種「由點及面」的策略：先在特定場景中解決核心痛點，然後逐步擴展功能範圍。實在智能創始人孫林君描述了他們的方法：“我們首先為製造業客戶打造質檢檔案處理的專用Agent，證明價值後，再逐步擴展到生產計劃、物料管理等相關環節，最終形成覆蓋整個生產管理鏈條的智能體系統。”當累積了大量針對複雜場景的實戰經驗，具體場景中的Agent往往具有更強的環境適應能力和問題解決能力。Agent的另一種解法矽谷的軟件生態已經高度成熟，MCP等協議正在將這一生態重新連接，形成由Agent主導的新格局。但這一趨勢不可避免地將逐漸弱化傳統軟件企業的地位，使軟件最終成為Agent的元件。在美國，各軟體間的標準化介面已成為基礎設施，Agent開發可以專注於呼叫這些介面。而在中國，Agent企業必須直面軟體碎片化的現實，透過創新性的技術路徑解決執行層問題。從某種意義上說，這反而催生了更普適的技術方向。「我們看到一個根本性問題：傳統的Agent執行層要麼依賴API呼叫，要麼依賴像素級的視覺模擬，兩者都存在明顯侷限，」實在智能創始人孫林君解釋道，“前者在中國企業軟件生態中成本很高且速度慢，後者則面臨穩定性和泛化能力不足的挑戰。”那麼，RPA方案和視覺感知方案有沒有可能融合在一起？實在智慧創新性的嘗試了「融合拾取技術」。「我們訓練了一個名為塔斯（TARS）的垂直大模型，專注於電腦操作領域。這個模型提升了任務理解、狀態識別和操作決策能力，本質上是一種'text-to-action'或更準確地說是'text+image-to-action'模型。例如，當看到一個有搜尋框和按鈕的介面時，模型“實在實現智能”代碼“實在這樣的指令碼”中。 」「我們訓練的視覺模型可在100-200毫秒內識別介面中的各類元素（輸入框、按鈕、下拉菜單、表格、對話框、密碼區域等），然後將這些視覺識別結果與傳統方式識別的底層元素整合。目前在網頁元素識別和操作方面比GPT-4o高出約10個百分點，在任務級解決方案方面的任務也能拆個優勢。一般遇到未見的軟件，都需要派工程師到客戶現場進行適配。但現實中未見過的軟件可能是無窮無盡的，這種人工適配模式難以擴展。融合拾取突破了傳統Computer Vision方案對螢幕解析度和介面佈局的依賴，提高了Agent在真實複雜環境中的適應能力。除了技術創新外，在生態建構上也出現了新的機會。 Agent公司究竟應該以什麼身份對企業進行服務？是傳統軟件？定製化系統？還是AI技術提供者？商業模式是軟件付費模式、按token付費、還是以「數字員工」的形式按人頭付費？「我們認識到一個現實：在2B領域，尤其是傳統行業，行業know-how的積累至關重要，但從0到1自己完成這一過程周期太長，很難滿足當下市場的迫切需求，」AI Agent 智能體雲生態服務平台匯智智能創始人孫志明表示，「因此我們選擇了另一條路——成為行業知識與AI技術的整合者，將已經數字化的行業知識與Agent1+。這種模式的核心在於識別並整合已數字化的行業知識。在製造業、醫療、金融等領域，過去十年的資訊化建設已經沉澱了大量專業知識，孫志明解釋到，「例如，ERP系統中的工藝流程、醫療系統中的診斷規則、金融系統中的風控模型，這些都是經過多年驗證的行業智慧。我們不需要重新發明輪子，而是將這些知識提取、結構化，然後與大模型建立了我們與大管理模型合作建立的關係。對於像瀾碼這樣的創業公司，從0到1自主積累行業知識確實周期過長，對創企的考驗也更加大，核心原因在於沒有找準自己的定位，是技術提供者、知識整合者還是解決方案交付者，然後圍繞這一定位構建合作生態。相較之下，新的商業模式或許更適合中國市場現狀。在中國大型企業的數字化程度參差不齊，但幾乎所有企業都有不同程度的資訊化基礎，在Agent驅動下，或許能重新定義軟件服務的形態和交付方式。畢竟，技術發展從來不是單一直線，在這個過程中，中國企業和矽谷巨頭都在用各自的方式，共同推動Agent走向成熟。 （環球老虎財經app）