2025年深秋的11月，美國弗吉尼亞州阿什本（Ashburn），這是被稱為“資料中心之都”的地方，正深陷一場電力短缺的危機。由於Google、亞馬遜、微軟、Meta等AI巨頭集中在此建設資料中心，讓這個不起眼的小鎮成為世界上70%網際網路流量的必經之地。圖源丨Midjourney在資料中心毫不起眼的外表下，隱藏著的卻是名副其實的“電力黑洞”。它們每年耗電量超過20億度（2太瓦時），相當於一座人口2000萬等級超大規模城市一年的用電總量。當電力供應捉襟見肘，掌管輸變電的變壓器，儼然成為卡住AI巨頭脖子的命門。作為電網升級的“心臟部件”，變壓器在美國本土產能嚴重不足，80%依賴進口。而且資料中心的變壓器大多需要定製化，交貨周期更是從50周延長至127周。諮詢公司伍德麥肯茲警告，美國變壓器市場已到危急關頭，在建中的資料中心延期已成定局。同一時刻，被稱為“世界變壓器之都”的常州，這裡的數位化車間正熱火朝天，與時間賽跑。為海外電網客戶製造的同等級變壓器，在定製的矽鋼片製成主體上，需要進行嚴苛的72小時滿負荷試驗。溫度、振動、局部放電量，所有指標都是綠色，方能放行。廠區外，是整裝待發的重型卡車，它們的目的地是沙烏地阿拉伯吉達、德國漢堡、印尼雅加達、智利安托法加斯塔。這些鋼鐵巨獸將在未來數月內，成為不同大陸電網的新心臟。全球性的變壓器短缺，讓這顆星球上最大的兩個經濟體，被電力撕裂成兩個平行宇宙：一邊是AI算力需求指數級爆發，讓羸弱的電網不堪重負；另一邊是工業克蘇魯的訂單紛至沓來，讓基建狂魔的稱號再次封神。透過這場被稱為“繼晶片之後最嚴峻瓶頸”的危機，國家的命運，產業的興榮，企業的變遷，以及幾代工程師的人生軌跡，都被封印在被譽為“工業心臟”的高壓變壓器中。1978-1990：鐵與紙的交響曲1978年，改革開放的初年，全中國發電量僅為2566億千瓦時，不到美國的八分之一。每個中國人年均用電量僅為261度，相當於如今一個普通家庭十天的用量。對電力的巨大渴求，對於正準備起跑的中國經濟來說，是不可言說的隱痛。在當時的上海，外灘的夜色遠不及如今絢爛，仍有大片區域籠罩在黑暗中。工廠普遍實行“開四停三”，居民區輪流限電也是家常便飯。國家計委的一份內部報告明確寫道：“電力短缺已成為制約國民經濟發展的首要瓶頸。”在這種飢渴中，中國開啟了第一輪大規模的電力建設。但一個殘酷的現實擺在面前：中國無力研製500千伏及以上輸變電裝置，只能100%依賴進口。1981年，中國第一條500千伏超高壓輸電工程——平武線（平頂山至武漢）建設進入關鍵階段。在湖北變電站工地上，德國西門子的工程師正在安裝核心變壓器。當中方技術人員想靠近觀察內部結構時，外方負責人禮貌而堅決地攔住了他們：“這部分涉及專利技術，請迴避。”翻譯低聲補充：“他們說，我們看了也學不會。”這一幕，刺痛了現場每一位中國工程師。時任水電部副部長李銳在回憶錄中寫道：“我們花錢買裝置，卻買不來技術尊嚴。”大家都清楚，尊嚴不靠施捨，而是靠實力。在瀋陽鐵西區，瀋陽變壓器廠（沈變）的三層紅磚廠房裡，副總工程師朱英浩正在燈下研究一堆外國技術資料。這些資料是通過各種管道蒐集而來，不成體系，而且大多已經過時。靠這些實現平地起高樓，談何容易？改變命運的時刻，發生在1985年。葛洲壩電廠需要一台500千伏、360兆伏安三相有載調壓自耦變壓器。鑑於國內尚無成功先例，電廠選擇了“雙保險”：向日本日立公司訂購一台作為主用，同時將研發任務交給沈變作為“備用”。“聽到‘備用’兩個字，全廠上下都憋著一口氣。”當時的一位青年技術員記憶猶新，他回憶說，“朱總和大家講，這是我們最好的機會——壓力小，期望低，正好放手一搏。”朱英浩帶領團隊開始了長達10個月的攻關。沒有電腦輔助設計，他們用計算尺和手繪圖紙；沒有先進的試驗裝置，他們改造舊裝置，在零下30度的寒冬裡做低溫試驗。決定性能的關鍵是絕緣材料。日本產品採用當時最先進的Nomex紙，而中國只能獲得性能差一等的普通絕緣紙。朱英浩團隊並沒有認命，反覆死磕，終於創造性地發明了多層復合結構，通過改變紙層排列方式和浸漬工藝，硬是將絕緣性能提升了40%。1986年6月，沈變的變壓器率先運抵葛洲壩。在場所有人都屏住呼吸。最終結果，全部指標，一次試驗通過！葛洲壩水電站全貌作為主用的日立的產品，兩個月後才姍姍來遲。安裝、偵錯、合閘……運行不到10分鐘，監控室突然警報大作，結果顯示，變壓器內部被擊穿。現場的日方工程師忙作一團，反覆檢查，最終低頭承認了設計存在缺陷，需要返廠。現場總指揮當機立斷：“啟用備用變壓器！”沈變由備用轉為主用，產業更替的序幕由此徐徐拉開。合閘的瞬間，伴隨著低沉的嗡鳴聲，儀表盤上所有指針平穩地劃出優美弧線。此後的三十多年間，它一直平穩運行，比設計壽命還長了十年。多年後，已成為中國工程院院士的朱英浩在自述中寫道：“葛洲壩那一夜，我們證明的不僅是一台裝置，更是一種可能性——中國人能在最高端的電力裝備領域，走自己的路。”1991-2008：特高壓的無人區進入90年代，與中國經濟加速奔跑一樣，電力需求也以每年超過10%的速度遞增。一個新的結構性矛盾日益凸顯：75%的煤炭資源分佈在中國的北部和西部，而70%的電力負荷則集中在東部沿海。這意味著，要麼“運煤”，要麼“輸電”。當時的鐵道部進行了多輪測算，但結果令人絕望。要將山西的煤運到上海，需要修建10條大秦鐵路，且沿途損耗和污染巨大。唯一的出路是建設遠距離、大容量、低損耗的特高壓電網，將電壓等級從500千伏直接躍升至1000千伏以上。這種設想並非首創，可這種技術路線已經被西方判了“死刑”。美國在70年代投入巨資研究，最終因技術受阻而放棄；蘇聯建設了1150千伏的試驗線路，但從未商業化運行。國際大電網會議（CIGRE）的權威專家曾斷言：“特高壓的經濟性和可靠性無法兼顧。”1995年，國家科委組織了一場秘密論證會。會議連續開了三天，爭吵激烈。反對派認為這是“技術大躍進”，會導致天量資金的浪費；支援派則以時任總理李鵬的一句話作為回應：“這件事關係到下個世紀中國經濟的命脈，再難也要搞。”最終，一張寫著“同意啟動特高壓前期研究”的批件，送到了剛成立不久的國家電網公司。特高壓的成敗，首先取決於變壓器能否造出來。國家將攻關任務交給了四家企業：瀋陽變壓器廠（沈變）、保定天威保變（保變）、西安變壓器廠（西變），以及當時還只是新疆小廠的特變電工。當時的想法，是讓每個企業資源聚焦，分別攻堅一塊“硬骨頭”：沈變負責1000千伏交流變壓器的總體設計，保變攻關±800千伏直流換流變壓器，西變主攻套管和分接開關，特變電工承擔難度相對較低的並聯電抗器。真正的“鬼門關”，還是卡在了絕緣系統上。美國GE公司曾嘗試用特種陶瓷材料，可造出的變壓器成了重達7000噸的“怪獸”，根本無法運輸安裝。日本東芝的方案則將變壓器分解為多個模組，但連接複雜，能否可靠運行，不得而知。2003年，在西安召開的第三次聯合攻關會上，氣氛凝重。試驗資料顯示，所有方案都達不到設計要求的絕緣強度。會上有人提出，是不是可以嘗試用紙做絕緣材料。但很快有人反對，認為這是被淘汰的技術。這場爭論給了技術團隊靈感。他們發現，問題的關鍵不是材料本身，而是電場分佈的均勻性。在一種叫芳綸纖維的材料上，有獨特的“分層漸暈”結構，不僅可以耐高溫，還讓電場強度沿著絕緣紙表面呈梯度下降，避免局部放電。更大的突破來自工藝。通過加入不同配比的短切纖維和沉析纖維，進行反覆嘗試，再採用真空浸漬和階梯固化的工藝，終於將此前從未有人見過的特高壓專用絕緣紙，從圖紙變成了現實。2005年春天，第一台1000千伏特高壓試驗變壓器在西變車間組裝完成。當它通過全部型式試驗時，現場許多人流下了眼淚。這台變壓器僅重580噸，還不到美國方案的十二分之一。2009年1月6日，世界首條1000千伏特高壓交流試驗示範工程（晉東南—南陽—荊門）正式投運。從湖北荊門變電站的控制室，工程師按下了合閘按鈕。瞬間，1000千伏的電力開始奔湧，將山西的煤電送往華中大地。那一天，四家企業參與攻關的工程師們，不約而同地回到了各自的實驗室。沒有慶功宴，他們知道，只是闖進了無人區，還遠未看到終點線。2009-2022：智能網的加速鍵特高壓的成功，讓中國電力裝備產業拿到了全球入場券。但新的挑戰接踵而至：新能源革命和數位化浪潮。到2015年，中國風電、太陽能裝機已居世界第一，但這些“靠天吃飯”的電源，給電網造成了巨大波動。同時，東部地區的資料中心如雨後春筍般湧現，這些“吞電巨獸”對供電質量極為敏感，要求達到了毫秒級。早在2009年，國家電網就首次提出“堅強智能電網”概念。到了2013年，國家電網公司董事長劉振亞給出了定義：即網架堅強、廣泛互聯、高度智能、開放互動的能源網際網路。以他的構想，未來的電網，應該是電力流、資訊流、業務流的高度融合。這意味著，變壓器不能只是被動的“電壓轉換器”，而必須是電網的“智能節點”——能夠感知自身狀態、與電網互動，甚至預測故障。一場新的技術革命在產業層面展開。工信部啟動了“智能電網裝備專項”，科技部設立了“能源路由器”重點研發計畫。2018年，中國電氣裝備行業誕生了一個新名詞：數字孿生變壓器。這是一場人類歷史上規模最大的能源轉型升級史詩，其中的主角也已經變了模樣。昔日的“老大哥沈變”，已經在2003年因經營不善被併購重組。而主導此次交易的，正是當年的“老幺”特變電工。它的逆襲故事，濃縮了中國電力裝備企業的進化史。2009年，特變電工董事長張新做出了一個冒險決定：投資20億元，建設自己的取向矽鋼生產線。“所有人都說我瘋了。”張新回憶，“但我知道，沒有核心材料，我們就永遠受制於人。”取向矽鋼被稱為“鋼鐵藝術品”，其磁疇取向必須高度一致。日本新日鐵的技術嚴格保密，中國每年要花費數十億美元進口。特變電工變壓器技術團隊與寶鋼股份矽鋼事業部成立聯合實驗室。聯合團隊在1100攝氏度的退火爐旁一待就是幾個月。他們發現，控制磁疇的關鍵在於冷卻曲線中一個僅持續0.3秒的相變窗口。2012年，第一批國產高端取向矽鋼下線。檢測資料顯示，鐵損值比進口產品低8%。這意味著，每台變壓器每年可減少損耗數萬千瓦時。在衡陽的數位化工廠，一台變壓器的誕生過程宛如科幻電影：矽鋼片通過雷射導航AGV小車精準送達；機械臂以0.1毫米的精度進行剪下和堆疊；每繞制一個線匝，感測器即時監測張力和圓整度；真空澆注環節，智能系統控制著十萬分之一大氣壓的真空度和±0.5℃的溫差。2022年，特變電工中標沙烏地阿拉伯電力公司（SEC）的百億級大單。這不是簡單的裝置出口，而是提供“變壓器+感測器+雲平台”的全套解決方案。在沙烏地阿拉伯沙漠中，特變電工的變壓器內建了128個感測器，即時監測溫度、振動、油色譜和局部放電。資料通過衛星傳回監控中心，AI模型能提前48小時對潛在故障風險進行預測，避免變電站停運造成損失。“這不僅僅是裝置，這是一個會思考的電力系統”，沙烏地阿拉伯SEC高層在驗收後，嘖嘖讚歎。2023至今：AI狂潮的兩重天2023年，ChatGPT的橫空出世，引發了全世界對算力的瘋狂追逐。這背後隱藏著一個殘酷的物理規律：算力的增長，本質靠的是電力的堆積。輝達CEO黃仁勳在一次演講中展示了一張圖：訓練一個大語言模型的耗電量，相當於10萬個美國家庭一年的用電量。微軟、Google、Meta紛紛公佈千億級的資料中心投資計畫。但很快，他們撞上了一堵牆——電網容量。在愛爾蘭，亞馬遜的資料中心項目因電網無法接入被推遲；在美國亞利桑那州，Google不得不自建變電站。國際能源署（IEA）在2024年報告中警告：“全球資料中心耗電量將在三年內翻番，其中AI佔比超過三分之一。”電力，這個最為古老的工業基礎，突然成為了最前沿科技競賽的戰略瓶頸。危機給AI巨頭們關上了門，卻為中國電力裝備企業打開了一扇前景無限的窗。2024年，中國企業境外電力項目簽約總額達到672.8億美元，同比增長高達31% 。其中，直接關乎電網建設的輸變電領域斬獲了99.1億美元的訂單，同比增長18.4%。中國電力技術裝備有限公司（中電裝備）更是在境外輸變電項目簽約額上拔得頭籌。全球對穩定高效電力基礎設施的渴求，正迅速轉化為對中國解決方案的龐大採購需求。更重要的是，在歐美廠商普遍需要18至24個月甚至更長的交付周期時，中國企業能提供10至14個月的快速響應。對於全球資料中心現存的海量GPU晶片來說，每天都在產生億計的折價，時間差就成了最昂貴的競爭力。也在同一年，“東數西算”這一國家戰略從藍圖走向大規模建設。在甘肅慶陽，一個投資超過2000億元、規劃建設80萬架標準機架的全國一體化算力網路樞紐正加速成形。能托舉起“中國算谷”雄心的，是背後強大的電力基座。為此，國家電網開闢了供電服務綠色通道，超前規劃電網佈局，並啟動建設專用的330千伏和110千伏變電站，只為確保資料中心叢集“電等項目”，而非“項目等電”。這種將算力佈局與電網規劃深度協同的模式，使慶陽園區在2024年底即形成超19000P的算力規模。“煤都”山西大同的故事則更具戲劇性。2024年，巨量資料產業用電量佔全市用電量的兩成以上，首次超過了煤炭行業。依託豐富的風光新能源，大同成功將資料中心PUE值（電源使用效率）控制在1.2以下，打造出“高綠電+低能耗”的全球綠色算力成本窪地。中國高端電力裝備產業所支撐的，不僅是穩定的電力，更是高品質、低碳的“綠電算力”，這是中國在AI時代參與全球競爭的堅實底氣！2025年6月，國際電工委員會絕緣套管分技術委員會（IEC/SC36A）年會在北京召開。會議研討的“電容式套管”，是超高壓變壓器的“咽喉”部件，負責將內部高電壓引出油箱，其可靠性直接決定整台變壓器的安危。就在這次會議上，中國不僅成功主導立項了“電容式套管抽頭介面卡”的新國際標準項目，更首次擔任了該委員會工作組召集人。這意味著，在決定超高壓變壓器“咽喉要道”技術規則的頂層舞台上，中國首次掌握了議程設定權和主導起草權。從朱英浩院士帶隊攻克裝置，到中國企業領軍制定國際規則，中國電力裝備產業從低谷一點點向上攀爬。經過近四十年的風雨，從追趕，到並跑，實現了從“產品輸出”到“技術輸出”，邁向“標準與規則輸出”的最終超越。如今，全球電力裝備產業版圖上，中國不僅在製造端所向披靡，更是將標準插上世界之巔。尾聲2025年12月17日，美國加州聖克拉拉的輝達總部，黃仁勳邀約了25家電力領域的頂級初創公司，針對AI時代資料中心電力短缺問題，進行閉門研討。他充滿焦慮地預警：若電力問題無法破解，再先進的晶片、再強大的模型，都只是“無法啟動的空殼”。而美國能源部《變壓器供應鏈安全評估報告》的資料則充滿無奈：美國電力變壓器的平均交貨期已延長至42個月，缺口達35%。報告還說：“如果不採取緊急措施，到2030年，變壓器短缺將直接導致2.3兆美元的經濟損失。”巧合的是，一個月後的2026年1月17日，中國國家能源局向全世界宣佈：2025年，中國全社會用電量首次突破10兆千瓦時！這刷新了人類歷史的新紀錄，它不僅相當於美國全年用電量的兩倍多，也高於歐盟、俄羅斯、印度、日本四大經濟體全年用電量的總和。根據中國電力企業聯合會的《2025年全國電力工業統計快報》統計，資訊傳輸和軟體服務業用電量同比增長17.0%。更關鍵的是：中國變壓器出口額同比增長39.2%，高端產品佔比首次超過50%。在AI浪潮以前所未有的速度重塑世界時，再次驗證了一個古老真理：任何宏偉的數字未來，都必須建立在堅實的物理基座之上。備受關注的變壓器，表面上是產品和技術的競爭，實則是對發展哲學的考驗：到底是選擇投資下一個時代，還是只對下一個財報負責？所幸，在四十年前，朱英浩院士和中國電力裝備人做出了響亮的回答。 (創業邦)

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）

一年前，我們在《DeepSeek掀起算力革命，輝達挑戰加劇，ASIC晶片悄然崛起》一文中，更多的是看好ASIC帶來類似博通和晶圓代工的產業機會。一年後的今天，ASIC 的發展速度遠超預期。尤其近半年以來，ASIC甚至逐漸成為AI競爭的勝負手：國內外大廠開年以來股價表現最好的分別是百度、Google和阿里。GoogleTPU+自研模型+雲+內部應用的王炸，已經讓其立於不敗之地；國內網際網路大廠，近期被重估的只有自研ASIC晶片拆分獨立IPO的百度（計畫拆分崑崙芯IPO）和阿里（計畫拆分平頭哥IPO）。如今，ASIC 早已不只是單純的產業趨勢，更成為AI巨頭必煉的內功。01. ASIC趨勢比預期還要猛1. AI投資規劃越大，ASIC優勢就越明顯ASIC（Application Specific Integrated Circuit，專用積體電路）與 GPU 的核心差異，在於 ASIC 是針對特定演算法和應用的 “定製化最佳化”，而 GPU 則是適配多場景的 “通用型選手”。每個大廠都有自己獨特的應用、模型、雲和SaaS，ASIC 能精準匹配這些專屬需求，同時具備更低的成本與功耗優勢——這也是我們去年看好其在推理時代爆發的核心原因。當前 AI 軍備競賽愈演愈烈，10 萬美元/顆的 GPU 已讓大廠不堪重負（輝達 FY2025 年整體毛利率達 75.5%，淨利率 57%，單顆 GPU 成本不足 3 萬美元）。頭部廠商的 AI 資本開支已逼近千億美元，甚至需要通過融資、租賃外部算力等方式填補缺口。性價比更高的ASIC因此變得更為重要性：在AI算力向推理端傾斜、資料中心成本控制訴求升級的背景下，ASIC晶片憑藉顯著經濟性，正逐步打破GPU壟斷格局。Google自研晶片的成功，無疑更是行業的一針強心劑。所以近期，超大規模雲服務商都開始嘗試擺脫對輝達的依賴，加速建構自己的晶片護城河，以追求極致的 TCO（總擁有成本）和供應鏈安全。圖：GPU與ASIC比較資料來源：西南證券2. AI專用晶片邁過10億美元經濟生死線理論上，所有領域的晶片都該走向專用化——專用晶片的適配性與效率最優，但能否落地，關鍵在於下游市場能否支撐高昂的自研成本。當前 2nm 晶片流片成本已達 7 億美元，加上團隊搭建費用 3 億美元，自研門檻高達 10 億美元，這需要超 100 億美元的下游市場規模才能覆蓋成本。成功的代表是手機，每年全球近5000億美元的市場，自研主控SoC做的最好的是蘋果和華為，不僅降低了成本，更重要的是提升了手機性能，支撐溢價。但在比如汽車智駕領域，，由於市場空間並不夠大，主機廠自研並不具備經濟性，最終仍是輝達、地平線這樣的企業佔據主流。資料中心市場AI晶片單顆價值非常高，只需要有數百萬顆出貨量即可突破經濟生死線；顯然2025年開始，一個大廠內部採購的AI晶片數量就輕鬆超過100萬顆，容量已經完全能滿足流片和高昂的招聘費用。仍以Google為例，Techinsight資料顯示，其2023年自用TPU就超200萬顆，按年20億美金研發成本計算，單顆分攤成本僅幾千美金。經濟性的釋放，直接驅動資料中心 ASIC 出貨量持續攀升。據芯智訊援引 DIGITIMES 資料，ASIC 出貨量將進入加速通道，2027 年將突破 1000 萬顆，接近同期 GPU 1200 萬顆的水平。出貨量激增將同步帶動市場規模擴容，AI 用 ASIC 有望快速成長為千億美金賽道（對應單顆價值 1 萬美元左右，僅為輝達 GPU 的 1/5-1/10）。作為大廠 ASIC 核心合作方，博通給出更樂觀預期：2027 年大客戶 ASIC 可服務市場將達 600-900 億美元；Marvell 也預測，2028 年定製晶片將佔資料中心加速計算市場 25% 的份額。圖：可服務AISC市場規模估算資料來源：Marvell02. GPU和ASIC之爭繼續，結論是輝達難壟斷先說結論：在高速增長、供不應求的算力需求這一大背景下，輝達GPU作為基石的作用仍不可替代，但其份額將逐漸被ASIC蠶食。我們將在長期看到長期二者共存態勢：小型模型主導場景更利多 GPU 的靈活性，超大型模型持續增長則為 TPU 提供增長空間。具體原因下面展開。1. 輝達的領先，現在靠生態、產業鏈優先供應輝達GPU是當前最昂貴的計算加速器，適配各類 AI 場景，客戶粘性強，因為有兩大優勢。輝達明面上最大的優勢在於演算法生態：CUDA 生態與開發者習慣形成強壁壘、同時輝達 NVLink和InfiniBand長期主導 GPU 互聯。所以中小模型與研發場景長期仍將以 GPU 為主；在大模型訓推中，CUDA 生態仍領先其他方案至少一年半的時間。2. 另外一個在暗處的優勢是產業鏈優先支援輝達。就像即使設計水平一樣，蘋果的晶片也至少領先其他手機廠商一年，因為台積電最先進的晶片產能，蘋果是包圓的。同樣，輝達由於出貨量最大，是產業鏈優先支援的晶片廠，如：代工產能優先：輝達是台積電3nm 產能的優先合作夥伴，而Google等其他廠商在CoWoS 封裝、3nm 晶片產能上面臨競爭劣勢。HBM優先鎖定：全球僅 3 家 HBM 供應商（三星、海力士、美光），2026 年產能已售罄，2027 年仍可能供不應求，美光已明確表示不會因需求增加額外擴產，導致非輝達客戶產能得不到保障。我們最新瞭解到GoogleTPU 在 2026 年上半年有超過50%的產能缺口導致難大規模交付、微軟Maia 200也難產，都是由於產業鏈產能限制。3. 但以上問題，都可以靠時間得到解決。生態上：Google TPU 在AI 計算年支出超10 億美元超大型模型部署場景中已經有成本優勢了，所以將持續滲透大廠內部市場；此外，UALink、Ultra Ethernet 等開放標準正在崛起，有望打破輝達對互聯的壟斷。據測算，在10萬節點叢集中，Ethernet架構相較輝達InfiniBand，總擁有成本TCO最高可節省20%。另外隨著擴產，預計上游產能在2027 年逐步放量，供應鏈瓶頸開始緩解。同時2027年訓練與推理晶片資本開支佔比將趨近 50:50，給ASIC更大施展自己的舞台。圖：未來互聯技術選擇變多資料來源：錦緞研究院總結4. 更大的變局是GoogleTPU撕開輝達壟斷的裂縫如果說去年初我們對ASIC到底是否能分得一杯羹還存在猶豫的話，Google技術和商業閉環上的成功，已經徹底打消了我們的疑慮。Google TPU 的核心競爭力，首先源於技術層面的差異化優勢。自 2016 年首款 TPU V1 發佈並用於資料中心推理以來持續進行迭代，其最新的 TPU v7 搭載 Inter-Chip Interconnect技術，可支援最多 9000 個節點的超大規模叢集，訊號損耗低。硬體配置上，TPU 採用 HBM3E 記憶體，雖在容量和單系統算力上不及輝達產品，但功耗與乙太網路成本更具優勢，FP4 精度下每 PFLOPS 每小時成本僅 0.40 美元，性價比突出。5. 實戰表現是最好的驗證。GoogleNano Banana 等模型 100% 基於 TPU 完成訓練與推理，也支撐其內部語音搜尋、圖片搜尋等核心功能，成本低於 GPU，Google內部性能表現優異，在部分場景優於 GPU。同時成功走向外部市場，尤其是最新的V7版本：Meta，計畫2026年租用 TPU，並從 2027 年開始購買超100萬顆、價值數十億美元的 TPU，用於 Llama 模型部署，通過乙太網路與功耗最佳化實現15%-20% TCO 節省；OpenAI 達成合作協議，將部分推理工作負載從輝達晶片遷移至 TPU ；Anthropic 已承諾在 GCP 叢集中使用 TPU 訓練模型，2025年10月簽署 100 萬 TPU訂單；Apple 2024年就採購TPU用其進行 LLM 訓練；潛在客戶：部分新興雲廠商（如 Fluidstack、TeraWulf）因 GCP 提供付款擔保而嘗試採用 TPU。圖：GoogleTPU有清晰的路線圖資料來源：浙商證券輝達的真正挑戰者，並非 AMD、英特爾等同行，而是Google這樣的跨界玩家。我們調研瞭解到，單顆 TPU 晶片售價預計1—1.5 萬美元，定價瞄準 AMD，意圖通過低價擠壓競爭對手，倒逼輝達降價。僅 Meta 一家就可能為Google帶來 10 億美元以上的收入。樂觀測算，到 2027 年，TPU 可能搶佔輝達15% 的訓練市場份額：現有輝達使用者遷移雖需時間，但新增工作負載更易轉向 TPU。Semianalysis更是預測2027年GoogleTPU（v6-v8）合計出貨量達到600萬顆。這一預測並不激進 ——2027 年推理場景佔比將達 50%，ASIC 將承擔其中 50% 的工作負載，對應 ASIC 在算力晶片中的滲透率超 20%，而Google TPU 拿下其中一半份額（當前份額 75%）難度不大。6. 來自EDA的產業鏈驗證上述趨勢，得到了晶片行業最上游 EDA 領域的雙重驗證。作為整個晶片行業最上游的EDA行業，Synopsys和Cadence最新的指引為：未來EDA 行業增長核心來自蘋果、Google、特斯拉等 “系統公司”，而不是第三方晶片設計廠；具體來說，這類系統性客戶佔當前 EDA 營收的 45%左右，未來 2-3 年將超 50%。這意味著，大廠自研晶片，並通過外售攤薄成本（如Google、百度、阿里）的模式，將從今年起加速推進。03. Google示範效應下，大廠紛紛豪賭自研ASIC1. 成本集約、降低功耗符闔第一性原理在《馬斯克說“中國將最終贏得AI競爭”，有什麼深意？》一文中，我們提到，當前AI用電還只佔美國用電的5%左右，到2030年AI耗電佔到10%，到2035年佔比接近20%，未來更加缺電。除了增加發電容量外，降低單晶片功耗也同樣關鍵。ASIC對於大廠而言，不僅僅是降低成本，還能降低寶貴的額功耗。GPU 作為通用計算晶片存在 30-40% 功能冗餘，必定導致功耗浪費，而 ASIC可針對特定工作負載最佳化，降低成本與功耗，成為大廠的必選。主流ASIC在算力性能上已基本對齊輝達H系列GPU，但能效比優勢突出，同代際晶片具體指標對比：算力方面，輝達H100 FP16算力為990 TFLOPS，GoogleTPU V6e為918 TFLOPS，AWS Trainium2為667 TFLOPS；功耗上，H100達700W，TPU V6e僅383W，Trainium2為500W；互聯頻寬上，H100以900GB/s領先，TPU V6e為448GB/s，Trainium2為512GB/s。2. 北美大廠近兩年加速為搭上ASIC這班高速列車，海外雲廠CSP紛紛加碼自研ASIC，並依託外部晶片設計合作夥伴簡化落地難度，核心合作廠商包括Marvell、Broadcom、Alchip等。這是由於大廠僅具備部分自研能力，例如Google、亞馬遜可完成前端設計（程式碼編寫、綜合），但物理層技術（如SerDes、交換機、相干光模組）存在高壁壘，需依賴外部成熟產品與IP，後端驗證、流片等體力活也需外部支援。圖：合作的ASIC廠商優劣勢對比資料來源：錦緞研究院總結Google已深耕 TPU 十年，前文已有詳細討論；其他北美大廠則是近兩年加速跟上，動作開始變大。亞馬遜：Trainium2於2023年發佈，由16顆Trainium2晶片支援的EC2 Trn2實例，性價比相較GPU-based實例高出30-40%，目前已服務超200位客戶，覆蓋營運商、航空、零售等領域，2024年出貨量年增率突破200%，2025年預計增長70%以上，但項目有些延遲，未來將重點聚焦Trainium3晶片，投入公有雲基礎設施及電商平台AI應用。Meta：MTIA系列專為推薦推理任務設計。2024年MTIA v2採用台積電5nm工藝，TDP僅90W顯著降低功耗，可高效處理社交媒體內容推薦、廣告最佳化等內部任務；2025年推出MTIA v3，將搭載HBM記憶體，2026年有望實現放量。微軟：2024年公佈Maia 100，採用台積電5nm工藝與CoWoS-S技術，當前承載內部10%-20%工作載荷，聚焦大規模AI工作負載的成本與效率最佳化；隨著 Maia 300 量產與 workload 適配深化，目標定製 ASIC 相較輝達件成本節省80%，能耗成本降低 50%，長期 TCO 最佳化達 80%；OpenAI：2024年曝光首顆晶片，將採用台積電A16工藝，專為Sora視訊應用打造，且與博通達成100億美元合作，聯合開發專屬推理晶片，目標12個月內交付。特斯拉：計畫2025年底推出下一代Dojo 2晶片，性能有望媲美輝達B200，核心服務於Dojo訓練電腦項目。xAI則是正式啟動x1晶片自研，計畫今年量產。圖：海外CSP巨頭自研ASIC時間表資料來源：申萬宏源圖：北美廠商ASIC晶片及合作夥伴梳理資料來源：東吳證券3. 中國大廠：晶片項目重要程度跳升中國頭部大廠自研 ASIC 的時間早於北美同行，但此前多為小打小鬧。在Google TPU 驗證可行性、輝達晶片受限的雙重驅動下，ASIC 已上升為核心戰略，並已取得階段性成果。百度崑崙芯：崑崙芯擁有 15 年技術積累，一直錨定AI訓練與推理加速的核心場景，相容CUDA生態，目前已迭代至第三代。崑崙芯2024年出貨量6.9萬片、營收20億，2025年預計出貨13萬片、營收沖35億。對外客戶，實現萬卡叢集部署並中標中國移動10億訂單，實際上外部客戶是2026年高增的主要來源，已進入中國移動、南方電網、比亞迪、招商銀行、地方智算中心等供應鏈。阿里平頭哥:核心產品線包括倚天、含光、PPU三類，其中PPU作為大算力晶片是市場焦點，又分為兩款主力產品：高端款單顆算力超300T、視訊記憶體96G，採用先進製程，僅以整機形式銷售，2024-2025年合計出貨估計30萬張，低端款採用中芯國際12nm（N+1）工藝，由燦芯負責後道IP及介面設計，單價不超2-3萬元，2026年Q1啟動流片量產，預計出貨50萬顆。銷售模式以內部消化為主，對外銷售需搭配阿里雲方案，無獨立適配場景，2026年PPU整體出貨預計80萬顆。字節跳動：字節佈局CPU與ASIC兩類晶片，自研處理程序落後於平頭哥、崑崙芯，當前採取“外采低端晶片+推進海外研發+國內先進製程排隊”策略，2026年將完成海內外先進工藝設計，等待產能流片，計畫2026年前實現量產。騰訊：後發追趕，自研緊迫性較強，終止對燧原投資並重啟“紫霄”自研項目，以數倍薪酬挖角頂尖人才，需求集中在遊戲、AIGC、數字孿生等領域。但相對海外巨頭，中國大廠面臨更大的挑戰，體現在幾個方面：主業掙錢不如海外大廠，股東對於內部晶片業務虧損不滿，所以阿里百度都開始分拆上市平衡短期虧損與長期戰略投入；先進產能資源更加稀缺，中國由於美國的封鎖，中芯國際等先進製程產能供不應求；配套AI晶片服務廠類似博通、Marvell，由於制裁原因也很難為國內企業提供定製服務，國內相關的芯原股份、翱捷科技等在技術積累、IP沉澱、經驗上都有比較明顯的差距。04. 結語：AI競爭錨點之變AI 產業的競爭，已從模型演算法的比拚，延伸到算力底層的硬核博弈。ASIC 晶片憑藉極致的能效比與成本優勢，正在重塑全球 AI格局，成為巨頭們構築競爭壁壘的核心抓手。沒有自研 ASIC 晶片，在這場更燒錢、更考驗綜合實力的 AI 競賽中，終將失去話語權。晶片已經內化成生態的一環了，我們將在此後的文章中進一步展開。對於中國企業而言，這既是順應產業趨勢的必然選擇，也是直面挑戰的艱難征程。儘管在盈利能力、先進產能、產業鏈配套等方面面臨著比海外企業更嚴峻的考驗，但自研 ASIC 已是無法迴避的戰略方向。百度崑崙芯的穩步起量到阿里平頭哥的分拆提速，都宣告2026是中國大廠加速轉向之年。對此我們是偏樂觀的，在技術攻堅與生態建構的持續投入下，中國企業終將在全球 ASIC 賽道佔據一席之地。 (錦緞)

太空高速公路上，兩顆衛星以每秒7公里的速度呼嘯而過，最近時，僅隔200米！比你家到樓下便利店還短的距離，在真空宇宙裡就是“生死一線”。去年12月這場驚魂擦肩，竟直接逼得馬斯克緊急拍板：4400顆星鏈衛星，集體從550公里“搬家”到480公里！中國科學院軟體所最新報告一針見血：這不是技術最佳化，是被“撞”出來的戰略轉身。還記得2021年嗎？星鏈-1095衛星突然“俯衝”到382公里，直插中國空間站軌道;三個月後，星鏈-2305又玩“貼臉殺”，最近僅30公里！航天員被迫中斷實驗、緊急避險——這那是軌道誤差？分明是太空版“別車”！當時趙立堅一句“美方無權單方面設定碰撞標準”，至今振聾發聵。而去年12月，新發射的中國衛星2025-292A與星鏈-6079在560公里高空再度“狹路相逢”，TLE資料生成僅14分鐘，SpaceX差點連預警時間都沒有。副總裁尼科爾斯轉發中國發射新聞時，手心估計全是汗。降軌真是為“安全”？別天真了！中科院報告扒得透亮：480公里軌道上，競爭對手衛星少了一大半，反而更“清淨”;大氣阻力雖讓衛星壽命縮水(每天衰減267米  vs  原101米)，但失效衛星墜毀更快，能快速“洗白”安全記錄;更關鍵的是——低軌訊號強、延遲低，商業價值拉滿！所謂“提升安全”，實則是“一石四鳥”：回應國際批評、搶佔黃金頻段、規避監管壓力、重塑企業形象。馬斯克這波操作，精得像算盤珠子。但危險才剛開場！4400顆衛星同步降軌，人類航天史上頭一遭。專家急吼：大規模機動若出岔子，碎片連鎖反應可能引爆“凱斯勒綜合徵”——太空變“碎片墳場”，所有國家航天器集體陪葬！更扎心的是，星鏈已成“雙面刃”：在非洲薩赫勒，暴恐分子用它策劃襲擊;在東南亞電詐園區，警方一次繳獲30多套終端。商業自由？當技術淪為干預他國內政的工具，這“自由”早該打上問號！反觀中國，空間站向17國開放合作，北斗服務全球防災減災，主動提出“72小時發射預報”國際準則。我們不搞太空霸權，只求規則公平。正如航天老專家那句肺腑之言：“太空不是霍布斯叢林，而是人類命運共同體的最佳試驗場。”星鏈降軌像面鏡子——照出商業航天的野蠻生長，更照見全球治理的集體失語。當近地軌道衛星突破5萬顆，每顆碎片都是懸在頭頂的達摩克利斯之劍。守護星空，從來不是某個國家的獨角戲，而是全人類必須扛起的共同責任。下一次“200米驚魂”，我們還能僥倖躲過嗎？ (時報新征途)

作為這個世界上最懂AI的人，Demis Hassabis 在達沃斯接收採訪，關於人工智慧（AI）未來、Google 的戰略以及社會影響的核心觀點如下。核心觀點Google 的重新崛起與全端優勢Google 已通過 Gemini 3 系列模型回到了技術的前沿，並適應了快速發佈產品的“初創公司能量”。Hassabis 強調 Google 是唯一擁有“全端”能力的組織，涵蓋了從 TPU 硬體、資料中心、雲業務到前沿實驗室（Google DeepMind）以及擁有數十億使用者的產品線（如搜尋、郵件、Chrome）。對中國競爭的理性看待他認為西方對來自中國的競爭存在過度反應，雖然像字節跳動這樣的公司極具能力且可能僅落後前沿約 6 個月，但他們很大程度上依賴於對西方模型輸出的微調。目前尚未觀察到中國公司能做出超越現有前沿的自主創新。AGI 的時間線與高門檻定義他維持 2030 年有 50% 機會實現 AGI 的預測。他為 AGI 設定了極高的標準，即系統必須展現人類所有的認知能力，特別是在科學創造力（如能夠提出科學假設而非僅是解決問題）和線上持續學習（即時學習）方面的能力。物理智能與機器人的突破他認為物理智能正處於突破邊緣，預計在 18 個月到 2 年內，機器人將能可靠地在現實世界執行任務。目前的挑戰在於演算法需要更強的穩健性，以及硬體上（尤其是手部）難以匹配人類進化的靈活性和力量。技術路徑與縮放法則他不同意“縮放法則（Scaling）”已經終結，也不認為 Transformer 或大語言模型是“死胡同”。他預測 AGI 的實現可能還需要在世界模型（如 Google 的 GENI 系統）、推理和長期規劃等領域取得少於五個的關鍵性突破。社會影響與人類適應他將 AI 革命比作工業革命，但規模大 10 倍且速度快 10 倍（綜合影響達 100 倍）。儘管這會帶來職業取代的壓力，但他相信人類具有極強的適應能力，並鼓勵下一代成為“AI 原生民”，利用這些工具獲得“超能力”。科學發現的終極工具Hassabis 的個人熱情在於利用 AI 加速科學發現，他將 AI 視為“終極科學工具”，類似於更高級的望遠鏡或顯微鏡。即使 AI 做出諾貝爾獎等級的發現，他仍認為榮譽應歸屬於通過這些工具投入創意和假設的人類科學家。安全、信任與國際合作他倡導建立類似 AI 領域的“國際 CERN”進行科學合作，以決定如何利用技術造福人類。他認為應通過行動和領導者的動機（如 Google 的科學文化背景）來判斷是否值得信任。採訪視訊連結油管：https://www.youtube.com/watch?v=BbIaYFHxW3YB站：https://www.bilibili.com/video/BV1DuzjBZEMv/?spm_id_from=333.337.search-card.all.click&vd_source=806ae2cead4c4e9790a58d15b64b1bbe完整的問題及回覆如下（AI整理）問：很高興見到你。答：我也很高興見到你。問：我們在舊金山見過。 我知道你無處不在。 我很好奇今年在達沃斯的感覺是否與你上次在這裡時有所不同。 Gemini 3 已經發佈了。 我們聽過那個開場白。 我在內部稱之為“紅色程式碼”。 你覺得 Google 找回它的狀態（Mojo）了嗎？答：嗯，我不確定這是否該由我來評價，但我感覺我們度過了非常好的一年。 為了讓我們的技術和模型回到世界領先水平，我們付出了極其艱辛的努力。 我認為我們通過 Gemini 3 尤其是影像軟體上的成果做到了這一點。 同時，我也認為我們也適應了快速發佈產品的新世界。 為我們的工作注入了某種初創公司的活力。問：你認為人們是否低估了 Google，或者誤解了什麼？答：是的，也許吧。 我不確定。 我的意思是，我認為我們一直擁有站在這一領域最前沿的所有要素。 顯然，我們在這方面有悠久的歷史。 我認為在過去的十年裡，Google 和 DeepMind 之間，我們發明了現代 AI 行業依賴的大部分突破性技術。 最著名的如 Transformers，還有 AlphaGo、深度強化學習等。 我們擁有驚人的產品表面，擁有數十億使用者的服務。 實際上，從搜尋到電子郵件再到 Chrome，AI 與這些產品是天然契合的，關鍵是將所有這些整合在一起並以正確的方式組織起來。 我認為我們在過去的幾年裡已經做到了這一點，雖然還有很多工作要做，但我認為我們開始看到這些努力的果實了。問：如果你認為自己有優勢，你認為你的優勢有多大？ 能持續多久？答： 嗯，我認為在我看來，一切都始於研究。 尤其是模型在所有不同基準測試中處於世界領先水平。 這就是我們將 Google 和 DeepMind 整合在一起時首先關注的目標。 我認為對於 Gemini 系列，我對它的進展感到非常滿意。 那裡還有很多工作要做。 但我認為我們是唯一一個擁有“全端”能力的組織，從 TPU 硬體、資料中心、雲業務、前沿實驗室，到所有這些與 AI 天然契合的神奇產品。, 所以從基本原理來看，在結構上，我們應該做得非常好。 而且我認為實際上未來還有很大的提升空間。問：我想知道一個處於前沿模型領域的 CEO 的一天是怎樣的。 比如我讀到你大部分的思考是在凌晨 1 點到 4 點進行的。 是的，那是對的。 公司內部有過不是“紅色程式碼”的時候嗎？ 比如，你感到過舒適嗎？答：不。 你永遠不會感到舒適。 我是說，我們嘗試（保持常態），“紅色程式碼”是針對非常特殊的情況的。 但我可以表達，在過去的三年、四年裡，工作強度一直難以置信。 每周工作 100 小時，一年工作 50 周，這就是常態。 我認為在面對這種發展極其迅速的技術前沿時，你必須這樣做。 外部競爭非常激烈。 這可能是技術史上最激烈的競爭。 而且賭注極高，涉及 AGI 及其在商業和科學上的所有意義。, 此外，如果你加上我們所做的事情帶來的所有興奮感——正如你所知，我的熱情是利用 AI 探索科學問題，加速科學發現本身。 這是我一生夢寐以求的事情，我畢生致力於 AI 的工作都是為了這一刻。 所以有時很難入睡，因為有太多工作要做。 但同時也因為有這麼多令人興奮的事情可以去研究和推動。問：我知你非常專注於驅動科學進步，比如發現新材料。 我們甚至看到 Gemini 被整合進人形機器人。 物理世界的“AlphaFold 時刻”已經到來了嗎？ 那是什麼，看起來又是怎樣的？答： 是的，在過去的一年裡，我確實花了很多時間仔細研究機器人技術。 我確實認為我們正處於物理智能突破時刻的邊緣。 我仍然認為我們離實現它還有大約 18 個月到 2 年的時間。 我們需要進行更多的研究。 但我認為像 Gemini 這樣的基礎模型指明了前進的方向。 從一開始我們就讓 Gemini 具備多模態能力，這樣你就可以出於多種原因理解物理世界。 一個原因是我們想要建構一個通用助手，它可能存在於你的眼鏡或手機中，能夠理解你周圍的世界。 但當然，第二個用途就是用於機器人。 那麼物理世界的那個時刻看起來像什麼？ 我認為它是讓機器人能夠在現實世界中可靠地執行有用的任務。 我認為目前還有一些事情在阻礙其發展。 部分原因是演算法還不夠完善，它們需要更多的穩健性。 它們必須能在比實驗室或純數字模型更少的資料下工作。 在數字世界你可以建立合成資料，但在物理世界製作這類資料要困難得多。 而且硬體中仍然存在一些未解決的問題，特別是手臂和手。 實際上，當你仔細研究機器人技術時，你會對人類的手產生一種全新的欣賞——至少我是這樣——以及進化是如何將其設計得如此精妙的。 這太不可思議了，很難匹配人類手所擁有的可靠性、力量和靈活性。 所以在我看來，還有相當多的碎片需要拼湊。 但也有非常令人興奮的事情。 我們剛剛宣佈了與 Boston Dynamics 的一項新的深度合作。 他們有一些非常令人興奮的機器人。 我們正在將其應用於汽車製造領域。 我們將在接下來的一年裡觀察其原型階段的表現。 也許在一兩年內，我們將會有一些真正令人印象深刻的、可以大規模推廣的演示。問：一年前，中國在 AI 領域的競爭對西方來說似乎是災難性的。 現在一年過去了，它變得安靜了。 中國似乎變得更安靜了。 是的。 你對來自中國的競爭看法改變了嗎？答： 並沒有。 我從一開始就不認為那是災難性的。 我認為西方對此反應過度了。 雖然它確實令人印象深刻。 我認為它表明中國人非常有能力，他們的頂尖公司，我認為像字節跳動這樣的公司，實際上是我認為最有能力的，他們可能只落後前沿 6 個月，而不是落後一兩年。 所以我認為這就是他們所展示的。 關於他們使用的算力極少等說法有些言過其實，因為他們依賴於一些西方模型，並針對一些領先西方模型的輸出進行微調。 所以那並不是完全自主研發的。 我認為到目前為止另一件尚未被觀察到的事情是，中國公司能否在這一前沿領域實現超越自身的創新。 他們正在追趕，非常擅長追趕前沿所在的位置。 但我認為他們尚未展示出能夠超越前沿進行創新的能力。問：你協助定義了 AGI。 你曾說我們有 50% 的機會在 2030 年實現它。 這還是你的時間表嗎？答： 是的。問：AGI 對你來說仍然是一個有用的目標嗎？答： 我認為是。 我認為在我的時間表上這是一個非常好的目標，雖然它比其他一些人的預測稍長。 但我的門檻很高。 它指的是一個系統展示出人類擁有的所有認知能力。 我認為我們目前顯然離那還很遠。 這意味著像科學創造力這樣的事情，不僅僅是解決一個問題，而是最初就能提出假設或發現問題。 正如任何科學家所知，找到正確的問題往往比找到答案難得多。 現有的系統目前還不具備這種能力。 我認為它們最終會具備，但目前還不清楚還需要什麼。 還有像持續學習、線上學習這類事情，要超越它們接受培訓的內容，它們需要能夠隨時隨地進行學習。 所以在我看來，還有相當多缺失的能力，這些對於我所認為的 AGI 系統來說至關重要。問：Google 是 Anthropic 的主要投資者，Dario 之前也在這裡。 你是否同意或反對他的預測，即 AI 將在五年內抹去 50% 的入門級白領工作？答： 我認為我的看法是時間會更長一些。 我的意思是，我認為我們今年開始看到入門級工作或實習這類工作的萌芽。 但我認為我們需要解決更多的一致性問題，而目前的系統還沒有做到這一點。 我稱之為**“參差不齊的智能”，我們在某些事情上做得非常好，而在其他事情上卻非常糟糕。 當前的系統就是這樣。 如果你想要將一整項任務交給一個代理（Agent）去處理，而不是像我們今天這樣擁有輔助程序，你需要更全面的一致性。 它僅僅能完成 95% 的任務是不夠的。 你需要它能夠勝任整項工作，這樣你才能真正實現“放手不管”。 所以我認為在看到那種程度的顛覆之前，還有相當多的工作要做。 但那種顛覆最終會發生，這是肯定的。 我認為在極限情況下，有了 AGI，它會改變整個經濟。 但除了工作問題，我認為如果我們能正確建構它，我們將進入一個“後稀缺”世界。 在那裡我們解決了一些世界的基本瓶頸，比如能源來源、新型清潔可再生能源，基本上是免費的。 如果我們在 AI 的幫助下解決了聚變（Fusion）等問題，或者新材料，我認為在 AGI 之後的五到十年，我們將處於一個極其富足的世界。 那麼這意味著經濟如何運行，社會如何運作？問：實際上，在我們進入“後稀缺”世界之前，如果真能到那一步，中間過程充滿了焦慮。 我是一個母親，我知道你也有孩子。 比如，對於他們，你最擔心什麼？ 你和他們談論什麼？ 你告訴他們即將到來的是什麼？ 我剛聽到很多人說，天那，大學畢業生將面臨非常艱難的時期。答： 嗯，我不確定。 聽著，我認為這將是一個劇烈變革的時代，就像工業革命一樣，可能是工業革命的 10 倍規模，這種程度是難以想像的。 我通常描述它是 10 倍大、10 倍快。 工業革命用了 100 年，現在可能只需要 10 年，所以是它的 100 倍（速度與影響）。 我對每個人都這麼說，但我認為這伴隨著巨大的機遇。, 而且我也非常堅信人類的聰明才智。 我們極具適應能力，因為我們的思維是非常通用的。 人類的思維非常通用。 我們適應了周圍的現代世界。 我們原本屬於狩獵採集者的思維已經成功建構了現代文明。 所以我認為我們會再次適應。 我認為這有一點前所未有，因為它的速度太快了。 通常這種轉變需要一兩代人的時間。 但我認為現在的孩子們，我會鼓勵他們變得非常精通這些新工具並成為“原生民”，這幾乎等同於賦予了他們超能力。 在創意藝術領域，你可能一個人就能完成過去需要十個人才能完成的工作。 我認為這意味著，如果你具有企業家精神，如果你在遊戲設計、電影或項目方面有創意，你可能更容易完成更多工作並突破這些行業。 比起過去作為新人的門檻要低得多。問：一些人倡導暫停研發，以給監管留出追趕的時間，給社會留出調整的時間。 在一個完美的世界裡，如果你知道所有其他公司都會暫停，所有國家都會暫停，你會倡導這樣做嗎？答： 我想是的。 我一直公開表示我希望看到的情況。 15 年前當我創辦 DeepMind，或者說 25 年前開始從事這方面工作時，我的路線圖一直是：當我們接近 AGI 到來的臨界時刻，我們也許可以以科學的方式進行合作。, 我有時會談到建立一個 AI 領域的國際 CERN 等效機構，讓世界上所有最頂尖的頭腦一起合作。 以非常嚴謹的科學方式完成最後幾步，讓全社會都參與進來，可能包括哲學家、社會科學家、經濟學家以及技術專家，來弄清楚我們想從這項技術中得到什麼，以及如何利用它。 從而造福全人類。 我認為這就是賭注所在。 不幸的是，這確實需要國際合作，因為即便西方決定這樣做，除非全世界都同意至少達成某種最低標準，否則沒有用。 而且你知道，目前國際合作有點棘手。 所以如果我們想要對通往 AGI 的最後步驟採取嚴謹的科學方法，這種情況必須改變。問：所以如果 AGI 在 2030 年到來，而我們還沒有建立好監管，我們是否註定會面臨困難？答： 嗯，到那時，我仍然樂觀地認為，主要的參與者之間會有足夠的溝通，並希望至少在安全和安保協議上進行合作。 已經有很多這樣的合作了。 例如，我們在這些方面與 Anthropic 合作非常緊密。 如果國際層面的合作行不通，那麼就需要更多類似的基於同行的合作。問：這會涉及到像 Sam (Altman) 這樣的人與你合作嗎？答： 潛在地，我認為我與幾乎所有領先實驗室的領導者都保持著非常良好的關係。 我認為如果賭注足夠高，很大程度上取決於理解賭注是什麼以及風險是什麼。 我認為在接下來的兩三年內，這對每個人來說都會變得更加清晰。問：讓我們談談技術和下一個曲線。 Yann LeCun 說他不認為 Transformer 和大語言模型單獨能帶我們走向 AGI。 你同意還是反對？答： 是的。 不，我不同意它們是死胡同。 我認為這種說法顯然是錯誤的。 我是說，它們已經極其有用了。 但我的看法是，這是一個經驗性的問題。 僅僅通過調整現有的方法並擴大規模是否足夠，這是一個科學問題。 我認為只有 50% 的機會是足夠的。 也許是吧。 你必須這樣做。 而且我認為那是很有用的工作，因為至少在我看來，這些大語言模型將成為最終系統的一個組成部分，一個極其重要的組成部分。 我腦海中唯一的問題是，它是唯一的元件嗎？ 我可以想像還有一兩個突破，也許是少量的，從這裡開始還需要不到五個突破，對吧？ 那麼，這些可能是像世界模型（world models）之類的東西。 那是我談論過的我們正在研究的東西。 事實上，我們目前擁有最好的世界模型，即我們的 GENI 系統。 我直接參與了那項工作，我認為它非常重要。 此外還有持續學習，以及擁有沒有這些參差不齊邊緣的連貫系統。 通用系統不應該有這些。 所以我認為，更好的推理、更長期的規劃，還有相當多的能力仍然缺失。 究竟是需要新的架構、新的突破，還是僅僅是現有的更多嘗試，這仍然是一個懸而未決的問題。, 從我的角度，從 Google DeepMind 的角度來看，我們正在這兩方面盡最大努力推動：既發明新事物，也擴大現有事物的規模。問：Ilya Sutskever 說過，擴大規模和通過更大的模型來實現改進的時代快要結束了。 這是你同意的嗎？ 他的原話是“我們回到了研究時代”。答： 我不同意。 我很愛 Ilya，我們是很好的朋友。 但我的觀點是，我們從未離開過研究時代，至少從 DeepMind 的角度來看是這樣。 我們一直在投資。 在我看來，我們一直擁有最深厚、最廣泛的人才儲備，Google 和 DeepMind 在一起確實如此。 在過去的十年裡，我們發明了現代工業所依賴的約 90% 的突破。 當然，最著名的 Transformers，還有深度強化學習、AlphaGo 這種技術。, 我們開創了所有這些。 所以如果未來需要一些新的突破，我會賭我們，就像過去一樣，成為做出那些突破的人。問：最後，同意還是反對——埃隆（Elon Musk）說我們已經進入了奇點。答： 不，我認為這太早了。 我認為奇點是完全 AGI 到來的另一種說法。 我之前解釋了為什麼我認為我們離那還遠。, 我認為我們會到達那裡。 但我認為在出現任何看起來像奇點的事物之前，仍有很多工作要做。問：跟我們談談現在 Google 內部的文化，為了贏得這場比賽但要以正確的方式去做。 領導層。 Larry 和 Sergey 現在的參與度有多高？ 你多久和他們談一次話，他們的優先順序是什麼？答： 是的，他們非常投入。 Larry 更多在戰略層面。 我在董事會會議上以及訪問矽谷的其他時候見到他。 Sergey 則更親力親為，他參與了程式碼編寫，具體是在 Gemini 團隊中，更多地涉及演算法細節。 看到他們兩個都對我們所處的階段充滿活力，這太棒了。 誰不會呢？ 這一刻對於電腦科學來說絕對是不可思議的時刻。 所以純粹從科學的角度來看，他們兩位都是科學家，這是人類歷史上極其令人興奮的一刻。, 所以當然，每個人都想親力親為並深入參與。 那太棒了。 對我們這個實體而言，我正嘗試結合許多世界的最佳部分。 比如快速發佈產品、承擔風險的初創公司能量，我想你正看到這些帶來的好處。 大公司的資源也是非常有用的，但同時還要為長期的研究和探索性研究保護空間。 而不僅是研究三個月後能交付到產品中的東西。, 我正在嘗試平衡所有這些不同的因素。 在過去的一年裡，事情進展順利。 但我對我們的軌跡非常滿意。 我認為它是整個行業中改進和進步最陡峭的。問：你是一位諾貝爾獎得主，我知道你對 AI 驅動科學研究有多痴迷。 如果 AI 本身做出了諾貝爾獎等級的發現，你認為你應該得獎嗎？答：是 AI 還是人類？ 我認為還是人類。 因為這取決於你所說的“完全自主”是什麼意思。 就目前而言，這些仍然是工具。 我將它們視為，也許是終極的科學工具，但就像是更好版本的望遠鏡和顯微鏡。 我們一直是製造工具的動物，這就是人類區別於其他動物的地方。 那就是超能力，當然我把電腦也包括在內。 而 AI 是這一點的終極表達。 所以在某些方面，我一直認為 AI 是進行科學研究的終極工具。 而且在可預見的未來，這將是與頂尖科學家的合作，由人類投入創意和假設，利用這些驚人的工具來增強資料處理、模式匹配和科學探索。問：你顯然本可以把 DeepMind 賣給任何人。 我認為所有這些公司都要求我們給予很大的信任。 尤其是如果監管趕不上技術的發展。 為什麼？ 我們為什麼要信任你？ 為什麼你認為 Google —— 我隱含地認為你相信它是我們最應該相信的地方？答： 是的。 我認為你需要通過這些公司的行動來判斷它們，也要看參與這些努力的領導者的動機。 對我而言，這也是我選擇 Google 作為 DeepMind 的歸宿的幾個原因之一。 主要原因是 Google 的創始人以及 Google 建立的方式使它本質上是一家科學公司。 很多人忘了 Google 本身就是一個博士項目，它是 Larry 和 Sergey 的項目。 所以我感到與他們有一種天然的親近感。 Larry 主導了收購，還有董事會，他們召集的董事會成員。 你看，John Hennessy 是主席，他本身就是圖靈獎獲得者。, 還有 Frances Arnold，另一位諾貝爾獎獲得者。 這些人出現在公司董事會上是不尋常的。 所以整個環境非常具有科學色彩，以科學、研究和工程為文化導向，這根植於文化深處。 這意味著在最高水平上從事科學，意味著要非常嚴謹、深思熟慮，並在任何可能的地方應用科學方法。 我認為這不僅體現在技術上，也體現在作為一個組織的運作方式上。 所以我覺得，我們非常努力地做到深思熟慮和負責任。 最後一件事我想說的是，我被 Google 嘗試在世界上做的事情所吸引，組織全球資訊是一個非常崇高的目標。, 我認為這與 DeepMind 的使命——解決智能問題並用它來解決其他一切——是天然契合的。 這兩個使命宣言是天然契合的。 AI 和組織全球資訊自然相輔相成。 而且我認為 Google 廣為人知的產品，如地圖、Gmail 和搜尋。 我認為它們是世界上真正有用的產品，而 AI 是一個很容易融入的環節。 想像如何利用 AI 增強這些產品，讓每個人的日常生活都能受益。 我認為這對世界是一件好事。問：好吧，那麼在“後稀缺”世界，人們不再有工作，一旦你實現了所有的技術目標，你個人打算如何安排你的時間？ 研究正在自我自動化，對吧？答：嗯，我很樂意利用它。 在奇點之後我將做的是，利用它探索物理學的極限。 那是我在學校裡最喜歡的科目，關注那些大問題。 比如，現實的結構是什麼？ 現實的本質是什麼？ 意識的本質是什麼？ 費米悖論的答案是什麼？ 所有這些事情，時間是什麼？ 引力是什麼？ 對我來說，這些問題總是在對我尖叫：這些深奧謎團的答案是什麼？, 我想使用 AI 來探索所有這些事情，也許在 AI 解鎖的新能源和材料的幫助下前往星際旅行。問：如果我們沒有工作，我們還會有意義和目標感嗎？答： 嗯，說實話，比起經濟問題，我更擔心這件事。 我認為經濟更像是一個政治問題，即當我們獲得所有這些額外的收益和生產力時，能否確保它為了每個人的利益而共享。, 但更大的問題是，我們許多人從工作和科學事業中獲得的目標感和意義感呢？ 在新世界裡我們將如何尋找它？ 我認為我們需要一些新的偉大的哲學家來幫助思考這個問題。 也許我們將通過藝術和探索變得更加複雜。 還有像極限運動這種我們今天做的很多事情，並不只是為了經濟收益。 也許未來我們會擁有這些事情的非常深奧的版本。問：房間裡的每個人都在想他們應該做什麼。 比如，十年後坐在達沃斯的這裡我該做什麼？ 你認為這個房間裡的人關於 AI 會犯下的最大錯誤是什麼？答：聽著，我想說兩件事。 一是對於年輕一代和我們的孩子等等，我們唯一能確定的就是會有巨大的變化。, 所以在學習技能方面，要做好準備，因為**“學習如何學習”是最重要的事情**。 你能多快適應新情況，吸收新資訊並使用我們擁有的工具。 對於房間裡的 CEO 和商界人士，我認為現在最重要的事情是，有很多領先模型的供應商。 選擇那些你覺得其處理方式正確的合作夥伴。 所以，與那些正在推動變革並以你希望在世界上看到的方式對待這項技術的人合作。 我認為我們可以共同建構我們想要的未來。 (長韋雜談)

一年之間，變化何其大也。去年1月，唐納德·川普重返白宮，一門心思只想挑起貿易戰，而且得到一幫老資格對華鷹派的支援。當時一個相當保險的判斷似乎是，他的回歸意味著美國與中國之間的大國競爭將升級，也就是外交政策領域專家長期以來不那麼嚴謹的習慣稱呼——“新冷戰”。到了2026年，美國在地緣政治方面處於截然不同的境地。中國或許在遠處若隱若現，但眼前我們看到的卻是在委內瑞拉發起的一場非法軍事行動，接管格陵蘭島和霸凌歐洲的公然表演，以及對古巴和伊朗等敵對政府發出的威脅。對加拿大一年來的敵意已經將加拿大推到中國的懷中。對華心態從對抗轉向糾結這些行動中，有一些可能是出於大國競爭的動機。而在其他一些行動中，我們看到的可能純粹是外交無能和目光短淺的虛張聲勢所帶來的後果。但另一種可能性也同樣存在：我們正步入新冷戰的一個新階段，在與世界另一大國長達十餘年的對抗持續升級後，其他全球優先事項已取代美國兩黨對這一對抗的執念。川普政府先是在關稅問題上咄咄逼人，隨後便迅速從貿易戰中退縮，退縮到了現在美國對中國徵收的關稅比其對印度徵收的關稅還要低的程度。川普政府還放寬了以國家安全為由實施的人工智慧晶片出口限制。那份催生了諸多關於“唐羅主義”討論的國家安全戰略將中國的優先順序降至次要位置，而把更多精力放在國內、邊境以及與西歐的文化戰爭上。這算是緩和嗎？答案留待時間驗證，但至少眼下的局勢確實降溫了。而這一轉變的背後，遠不止我們這位反覆無常的總統，以及他總想用這種搶劫式的出位表演博取關注的執念。過去一年來，即便是在川普陣營之外的外交政策研究者中，也出現了中國問題評論員傑裡米·戈德科恩等人所言的“風向轉變”：昔日對另一個世界大國那種本能的對抗心理，正讓位於一種由純粹敬畏維繫的複雜糾結態度。鷹派反華共識或發生破裂長期以來，美國的對華認知一直由鷹派主導。這些人堅稱，無論要怎樣定義“擊敗”，都必須將這個競爭對手擊敗。如今這種觀點依然普遍。但曾經的那種廣泛共識已分崩離析，越來越多的政策專家開始自問：我們究竟能否追趕上對方？他們也在思索一種可能性——儘管未來充滿巨大的不確定性，但答案或許就是追不上。你或許已經掌握綠色科技行業的大致情況：如今，中國每年新增的風能和太陽能裝機容量約佔全球的三分之二。中國對綠色轉型所需的製造投入規模如此之大，且相關元件成本下降如此之快，使得開發中國家正以驚人速度爭相採購。中國生產的風力渦輪機佔全球的60%，2024年中國的風電裝機容量幾乎是全球第二大裝機國的20倍；中國在全球電動汽車產量中佔比超過70%；中國在全球電池市場的產量佔比也達約90%。倘若以發電量來衡量文明的進步程度，那麼中國正遙遙領先於世界其他國家。中國生產的商用無人機約佔全球的70%。機器人技術的差距是另一個痛點，2024年中國安裝的機器人數量幾乎是美國的9倍。每位中國觀察家都有自己青睞的話題。一年前，你還能聽到經濟愛國者們強調美國在人工智慧領域的優勢，但中國似乎毫不費力地將這一差距幾乎抹除了：去年秋天，美國晶片巨頭輝達的首席執行長黃仁勳表示，中國有望在人工智慧競賽中取勝。2024年，中國藥企開展的臨床試驗數量幾乎佔全球總數的三分之一，而十年前這一比例僅為5%。過去五年間，中國授權全球使用的藥品總價值增長了15倍。西方希望融入中國供應鏈還有一類硬體愛好者喜歡強調中國在造船業的優勢：按噸位計算，2024年中國國有造船企業建造的商用船舶比美國自二戰結束後的80年裡建造的總和還要多。此外，中國的城市化速度驚人。自2000年以來，中國城鎮人口數量增加了一倍多，從4.5億增長到9億多。如果你為美國的住房危機感到焦慮，尤其將其歸咎於美國建築業發展放緩，那麼聽到下面的資料或許會深感震驚：中國超過三分之二的住房都是2000年之後建成的，且中國的住房自有率超過90%。或許，已經建設好的環境提供了最為顯著的對比：那些高鐵線路、綿延數公里的橋樑，以及穿梭於城市摩天大樓間的高架道路。而某種不易察覺的羨慕中國的情緒推動了名為“豐裕派”的自由派改革運動。法學教授戴維·施萊克爾是這場思潮的學術陣營核心人物。當被問及什麼樣的基礎設施項目能夠激發美國民眾足夠的熱情，從而讓聯邦政府有理由去突破嚴苛的監管與官僚文化限制時，他回答道：“想想中國正在做的事情，然後想像一下在美國的尺度上去做：龐大的新地鐵系統、新的大型高速公路、大型輸電系統、大型管道。”經濟史學家亞當·圖澤經常談及第二次中國衝擊的到來。與第一次相反，這次是西方人求著融入中國供應鏈。但我們或許已經身處另一種長達十年的衝擊之中。在此期間，美國的專家學者和政策制定者幾乎不知該如何理解一個如此突然崛起的競爭對手。 (東西問)

最近紐約時報心裡堵得慌。一是氣急敗壞，被中國搞了個斬殺線，讓美國陷入自證的被動局面，很沒面子。一是哀其不爭，在與中國的所謂“新冷戰”中，竟然這麼快就舉起了白旗，紐時報簡直看不下去。在這篇觀點文章中，紐時報說，要知道，按照美國的脾氣，美國搞其他國家，向來只有一個目標，那就是把對手徹底擊垮，否則絕不罷休。然而看看現在的美國，它在幹啥。在與中國纏鬥了十來年後，美國居然選擇了放棄，選擇了投降。美國平靜地把最強大的競爭對手中國安靜地放在一邊，然後去委內瑞拉干非法的綁架事件，接著又要從歐洲盟友手裡搶奪格陵蘭島，這些是美國的最優先事項嗎？紐約時報接著話鋒一轉說，美國現在的問題不是打不敗中國，而是趕不上中國。一個是打了十年，不僅沒有把中國打下去，反而把中國越打越強，美國完全看不到能把中國打下去的希望所在。另一個是，美國在理論上也沒有看到能繼續打垮中國的可能性。連可能性都沒看到。美國當年和蘇聯冷戰，雖然蘇聯也很強大，但美國信心十足。因為美國和整個西方，它有理論上的支援。美西方實行的是資本主義，自由市場經濟，它的經濟效率，理論上要比計畫經濟更強。而現實也證明了這種理論推演，計畫經濟確實幹不過市場經濟。現在面對中國，美國卻徹底沒轍了。從經濟角度看，中國的經濟一直比美國快，那怕現在放緩了，那也還是美國的好幾倍。美國能夠遏制中國的唯一希望，就是科技創新。但科技封鎖顯然已經失敗了。無論是晶片還是作業系統，中國的國產替代都在穩步推進。美國只有在人工智慧領域，維持著些許的領先優勢，但這完全不足以壓倒中國。中國的人工智慧，也就比美國差一個身位而已。那美國還能跟中國比什麼？紐時報說，不比不知道，一比嚇一跳。中國在整個高端製造領域，從無人機到新能源，到電動汽車，機器人，個頂個都是中國領先，美國現在只能望其項背，望塵莫及。再看看中國的大基建，從四通八達的高速公路和高鐵，到大工程大項目，到城市的摩天大樓，這種的規模都是美國比不上的。所以紐時報總結說，現在美國不是能不能打敗中國的問題，而是能不能追上中國的問題。紐時報列舉了不少資料。例如每年中國新增風電和太陽能裝機容量佔全球三分之二。中國的風力渦輪機佔全球60%。電動汽車中國產量佔全球70%以上。發電量方面，中國更是大大領先其他國家。還有無人機，中國商用無人機佔全球總量70%，軍用領域的無人機性能比商用更高。這些都是紐時報給美國人列舉的資料。當然，紐時報顯然也不是為了給咱們來唱讚歌戴高帽來了。它最後的落腳點，還是為了激勵美利堅，希望它不要自暴自棄，還是要看到希望。美利堅的希望在那裡？希望就在於，雖然美國壓制中國不太成功，但中國很可能也發展到頭了，也好不到那去。意思是美國沒招了，中國可能這時候也見頂了。它舉例說，中國現在人口收縮，老齡化加劇，經濟增速也在放緩，該搞的基建也都搞差不多了。更關鍵的是，紐時報覺得，現在中國的年輕人，鬥志也沒有以前那麼強了，有點像美國的千禧一代，都是低慾望、低消費，沒什麼前途，沒什麼希望。所以中國的發展階段，已經跟美國接近了。紐時報說的有道理嗎？確實有一定道理。上面這些問題中國都存在，我們應該正視，更應該找到方法去解決。要知道，中國不是美國那樣的放養式社會。中國有著體制上的優勢，可以採取宏觀政策進行調節。無論是人口，還是經濟，我們都會從長遠的角度，加以微調控。那怕是文化社會輿論氛圍不夠友好，我們都可以加以引導，並且配合政策措施進行調整。絕不會放任不管。再者，雖然紐時報唱衰我們的前景，我們自己要看到中國接下來的發展希望。希望主要在兩個方面。對內而言，中國自身的建設確實告一個段落了，很難再有大建設大發展。但我們向高品質高科技發展的勢頭，可是剛剛起來，我們剛剛邁進高品質發展的大門，接下來可以發展的空間還很大，無論從提高生活質量，收入水平，還是科技創新能力，我們都剛剛開始。這也是我們正在轉向發達國家和富裕國家的開始。所以對內，我們的經濟和科技，都還大有前途，我們已經證明自己有能力發展高科技，現在就是要把高科技做好。接著還有對外。中國自己的建設搞差不多了，產能飽和了，但面向全球，有多少開發中國家還等著發展起來？它們需要中國的技術嗎？需要中國的經驗嗎？需要中國的產品和服務嗎？當然都需要。滿足這些海外需求，中國完全可以培育起廣大的海外市場，做大共同的蛋糕。在這個過程中，中國還可以繼續獲得增長和發展。並且把我們的利益向海外延伸。所以無論紐時報如何唱衰我們，我們一定要看到自己的未來。最後，紐時報不忘給美利堅上眼藥，如果不能壓住中國，讓中國徹底崛起，對美國來說的後果是非常難以承受的。因為中國的崛起不僅意味著美國的沒落，更意味著，美國和西方整個賴以生存的思想和文明根基，他們的信仰，將從跟不上面臨挑戰。就是整個西方他們編織的那套故事，將被中國證明不成立，西方將徹底陷入迷茫和失去方向，這對他們來說是最可怕的。 (生思孰慮)

Is China quietly winning the AI race?每個月，數億使用者湧入 Pinterest，尋找最新潮流。一個名為“最荒謬的事物”的頁面充滿了各種奇思妙想，可以激發創意人士的靈感。比如，用洞洞鞋改造的花盆、芝士漢堡形狀的眼影、用蔬菜做成的薑餅屋等等。但潛在買家可能不知道，這項技術背後的技術未必是美國製造的。Pinterest 正在試驗中國產的人工智慧模型，以改進其推薦引擎。“我們實際上已經把 Pinterest 打造成了一個人工智慧驅動的購物助手，”該公司老闆比爾·雷迪告訴我。當然，這位總部位於舊金山的潮流引領者可以利用美國眾多人工智慧實驗室在幕後提供支援。但自中國 DeepSeek R-1 型號於 2025 年 1 月推出以來，中國的人工智慧技術已越來越多地融入 Pinterest。Ready 將所謂的“DeepSeek 時刻”稱為一項突破。他說：“他們選擇開源，這引發了一波開源模型的浪潮。”中國競爭對手包括阿里巴巴旗下的Qwen和Moonshot旗下的Kimi，而TikTok的母公司字節跳動也在研發類似技術。Pinterest 首席技術官 Matt Madrigal 表示，這些模型的優勢在於，像他這樣的公司可以免費下載和定製這些模型——而美國競爭對手 OpenAI（ChatGPT 的製造商）提供的絕大多數模型並非如此。Madrigal表示：“我們用於訓練我們自己內部模型的開源技術比領先的現成模型精準率高出30%。”他表示，這些改進後的建議成本要低得多，有時比使用美國人工智慧開發人員偏愛的專有模型的成本低 90%。“快速且便宜”Pinterest絕非唯一一家依賴中國人工智慧技術的美國企業。這些模式正在眾多財富 500 強公司中獲得認可。Airbnb 老闆 Brian Chesky 在 10 月份告訴彭博社，他的公司“非常”依賴阿里巴巴的 Qwen 來為其 AI 客服代理提供支援。他給出了三個簡單的理由——“非常好”、“速度快”、“價格便宜”。在 Hugging Face 上可以找到更多證據，人們可以在那裡下載現成的 AI 模型——包括來自主要開發商 Meta 和阿里巴巴的模型。在該平台負責產品開發的傑夫·布迪爾表示，成本因素促使年輕的創業公司考慮採用中國模式而不是美國模式。“如果你看看 Hugging Face 上最熱門的模型——也就是社區下載量和點贊量最高的模型——你會發現，前十名中通常有很多都是來自中國工作室的中國模型，”他告訴我。“在某些周裡，Hugging Face 排名前五的訓練模型中有四個來自中國實驗室。”9 月份，Qwen 超越 Meta 的 Llama，成為 Hugging Face 平台上下載量最高的大型語言模型系列。Meta於 2023 年發佈了其開源 Llama AI 模型。在 DeepSeek 和阿里巴巴的模型發佈之前，它們被認為是開發定製應用程式的開發人員的首選。但去年發佈的 Llama 4 讓開發者們感到失望，據報導，Meta 一直在與阿里巴巴、Google和 OpenAI 合作，利用開源模型訓練一套新的模型，計畫於今年春天發佈。Airbnb 也使用多種模型，包括一些美國本土的模型，並將它們安全地託管在公司自身的基礎設施中。據該公司稱，這些資料絕不會提供給他們所使用的 AI 模型的開發者。中國的成功展望 2025 年，人們普遍認為，儘管美國科技公司投入了數十億美元，但中國公司正威脅著要超越它們。“情況已經不同了，”布迪耶說。“現在，最好的模式是開源模式。”史丹佛大學上個月發佈的一份報告發現，中國的人工智慧模型“似乎已經趕上甚至超越”了全球同類產品——無論是在功能方面，還是在使用人數方面。英國前副首相尼克·克萊格爵士在最近接受BBC採訪時表示，他認為美國公司過於專注於人工智慧的研發，而人工智慧或許有一天會超越人類智能。去年，尼克爵士卸任了Llama開發商Meta的全球事務主管一職。其老闆馬克·祖克柏已投入數十億美元，致力於實現他所謂的“超級智能”。一些專家現在稱這些目標模糊不清，沒有明確定義，這給了中國主導開源人工智慧領域的機會。“諷刺的是，”尼克爵士說。 “在中國和美國——之間的競爭中，中國正在‘努力使它們競爭的技術民主化’”。在世界的另一端，像 OpenAI 這樣的美國公司正面臨著增加收入和實現盈利的巨大壓力——現在它們正轉向廣告來幫助實現這一目標。該公司去年夏天發佈了兩款開源模型——這是多年來的首次。但它仍將大部分資源投入到專有模型的開發中，以幫助其盈利。OpenAI 的老闆 Sam Altman 在 10 月份告訴我，該公司已積極投資，以確保與合作夥伴達成更多的計算能力和基礎設施協議。“收入將會飛速增長，但你們應該預料到我們會投入大量資金用於培訓，用於下一代、再下一代、再下一代、再下一代，”他說。 (invest wallstreet)