“全球人工智慧投資規模2025年或將接近2000億美元。”高盛8月份的一份報告中寫道。雖然爭奪算力是追逐超級智能的明牌項，但中、美這兩個最大的玩家，卻站在分岔路口：中國這邊不斷地在性能上追分，美國那邊雖沒有被算力困住，卻被能源所“卡脖子”。時針撥回到2023、2024年，搶算力成為“全球共識”——無論矽谷巨頭、主權基金，無不寄希望從輝達的手裡，搶到更多的H100產能。但是站在2025年年末回看，儘管搶算力的趨勢沒有根本改變，但各大雲廠下單為了計算總擁有成本，已經把計算器按冒煙。在輝達的身後，Google十年磨一劍，在Gemini 3的訓練上讓自研晶片TPU脫穎而出，為專用積體電路（ASIC）贏得極其重要的話語權。在Google身後，亞馬遜、Meta、微軟一眾老巨頭，以及OpenAI、xAI這樣的新貴，無一例外的下場自研。資本市場隨即給出結論：輝達市值上限5兆美金。2025年下半年之前，泡沫並不是主旋律，但隨著山姆·奧特曼拿出1.4兆美元的龐大基礎設施建設計畫，尤其是背後的循環交易、舉債融資，引發外界對泡沫的擔憂。泡沫理應關注，但在先進算力禁運的背景下，泡沫顯然不是中國算力、大模型的重點。相比矽谷，中國AI產業走的非常曲折、艱難，但成果也頗豐——我們有世界頂級的開源模型，有成熟的應用生態，更有數倍於矽谷明星公司的Tokens使用量。在有限的空間裡，過去中國大模型一直使用輝達供應的“閹割版”次等晶片，但今年開始，這個趨勢將慢慢得到改變——機構伯恩斯坦的資料顯示，中國本土AI晶片品牌滲透率已從2024年的約29%，快速提升至接近60%。同期，中國輝達們紛紛衝刺上市，背後是中美科技競爭加劇和國產替代需求的爆發。在這個大環境下，越來越多的中國晶片企業試圖通過“超節點”的形式，以繞開單晶片性能不足的問題，這反映出中國人工智慧產業的智慧和韌性。矽谷大佬們注視著沙盤上的伺服器和核電站，圖片由AI生成01. 矽谷巨頭從CapEx到CapEx+TCO回望2023與2024年，全球AI算力市場的主旋律是恐慌與搶購，在那兩年裡，無論是矽谷巨頭還是主權基金，唯一的KPI就是搶到儘可能多的H100。根據UBS的資料，2025年全球AI晶片市場規模雖然預計將突破2000億美元，但增長的內驅力已發生質變。現在的雲廠商在下單前，不再只盯著性能參數，而是開始拿著計算器審視TCO（總擁有成本）。今年美國主要雲服務提供商如亞馬遜AWS、微軟Azure和Google雲，正以前所未有的激進姿態加大資本開支（CapEx）。高盛預測，2025年五大巨頭的資本支出將達到3800億美元，用於AI基礎設施擴張和資料中心建設，以應對爆炸式增長的計算需求。到2027年，總規模將超過5400億美元。雲長的投資反映了激烈的競爭，但和以往不同，所有人都不得不考慮效率問題，不得不精打細算考慮經濟帳。在這個過程中，還有一個值得關注的訊號：2025年的算力市場不再是單純的“賣卡”生意，資料中心的基建進入了機架級時代。如今，交付到雲廠商的是整合了計算、高速互聯、甚至液冷系統的完整機櫃。與此同時，由於單機架功耗普遍突破100kW，電力供應已成為限制2025年算力總量釋放的物理天花板，而非晶片產能本身。今年AI產業的另一一個顯著的標誌就是推理的需求越來越多。算力中心的工作負載正從“暴力堆算力跑訓練”轉向“大規模、高並行的推理調度”。大摩預測，2026年推理算力需求將超過訓練需求。這意味著，市場對晶片的要求不再僅僅是單卡極致的算力峰值，而是單位成本下的Token輸出效率。這種需求偏移，也變相給了非輝達陣營更多生存空間，因為在推理側，性價比往往比絕對生態優勢更具殺傷力。當然，推理需求的暴漲也給廣大的“賽博玩家”一記暴擊——儲存價格暴漲。02. 輝達是“一超”，Google領銜“多強”2025年，資料中心AI晶片市場呈現典型的“一超多強”格局。憑藉Blackwell架構的領先性能、NVLink互聯生態和大規模部署，輝達佔據主導地位，市場份額約佔80%以上，憑藉年度旗艦GB200&GB300系列，繼續以“一超”的姿態，主導訓練和推理領域。AMD、Google、亞馬遜、微軟和Meta作為“多強”，通過自研ASIC加速器，積極最佳化內部雲基礎設施、降低成本並逐步向外部開放，挑戰輝達的壟斷。這些公司主要從自身大規模AI需求出發，開發專用晶片，強調能效、規模化和特定工作負載最佳化。AMD通過Instinct MI系列在資料中心市場快速崛起，已吸引Meta、微軟和Oracle等客戶。2025年MI350系列已大規模可用，在某些MoE模型上性價比突出。MI400系列計畫2026年推出，支援更大規模機架級整合。亞馬遜AWS的自研Trainium系列針對資料中心訓練和推理，Trainium3 採用3nm工藝，支援144晶片整合，峰值超362 PFLOPS，專門針對Agent代理、推理和視訊生成等下一代應用最佳化，支援PyTorch/JAX無縫遷移，可擴展至百萬晶片超大規模叢集。亞馬遜策略是垂直整合Bedrock平台，吸引Anthropic等客戶，顯著降低token成本，在AWS生態內提供高性價比替代。Meta的MTIA系列專注內部資料中心推薦和排名模型，核心策略是基礎設施自主化，減少成本，主要內部使用（如Facebook/Instagram推薦），尚未外部開放，但正擴展至生成AI訓練。2025年下一代MTIA（基於5nm）已測試並部署，提供3.5倍密集計算和7倍稀疏計算提升，記憶體頻寬翻倍，效率較GPU高2倍。MTIA與下一代GPU協同，支援Llama系列推理。和其他巨頭一樣，微軟過去兩年也在推動自研Maia系列，但一直“掉鏈子”。Maia系列的首款產品Maia 100在2023年底發佈，被視為微軟進軍自研晶片的標誌性動作，不過參數遠不及同行同期的產品。Maia 200更是一波三折：原計畫2024年完成流片，但設計過程中出現多個技術問題，導致流片延遲至2024年底，2025年才啟動量產。根據SemiAnalysis的資訊，Maia 200的性能未達預期，被內部評估為失敗項目，即便量產也難以支撐核心AI工作負載。而計畫在2027年部署的Maia 300，雖然瞄準 2nm工藝，目標是接近內部性能預期。在“多強”的陣容當中，不得不提的是Google十年磨一劍的TPU。Google的TPU系列專注雲端資料中心，最新的第七代Ironwood支援高達9216晶片的節點規模，提供超過4倍於前代Trillium的單晶片性能。都在說ASIC在慢慢趕超GPU，但對輝達來說，真正意義上的變數還要數GoogleTPU。長期以來，TPU作為Google內部AI工作負載的核心支撐，主要服務於搜尋推薦、廣告等業務，即便 2018 年通過Google雲對外開放，也未推進全面商業化。近幾個月，這一局面發生根本性轉變：Google調動全技術堆疊資源，通過 “雲端服務+硬體直售” 雙路徑開放TPU能力，正式以硬體供應商身份入局AI算力市場。這一戰略轉型已取得顯著成效：Anthropic、Meta、OpenAI、xAI等頭部機構陸續加入TPU採購佇列，其中Anthropic與Google的合作堪稱標竿——不僅部署規模超 1GW 的TPU計算叢集，更簽訂100萬個TPU的合作協議，分兩階段落地40萬個直供TPUv7 Ironwood和60萬個GCP租用 TPUv7，對應訂單金額超520億美元。訂單背後，關鍵支撐在於：Gemini 3、Opus 4.5這些業界領先模型，均基於該晶片訓練，所謂“好不好看療效”。不過，TPU的過去10年研發路，也不是一帆風順，TPUv4、v5的計算吞吐量曾顯著落後於同期輝達旗艦產品，直到TPUv6通過將脈動陣列規模從128×128 提升至 256×256，實現算力翻倍且能耗降低。TPUv7則沿用3D環面（3D Torus）架構，在實際場景中展現出更優的 TCO 表現。現在，很多網友們都在討論TPU進入國內的可能性，有兩個關鍵問題：其一是性能超規，這很好理解；其二是生態問題。生態問題上，即便在北美，大家都是租用Google雲上的TPU算力，如果雲廠自己買回去建TPU叢集，會增加非常多的偵錯時間，而且還要學會使用TPU的軟體生態，在沒有Google的支援下，難度可想而知。03. “中國輝達”上市潮超節點與華為昇騰2025年，對於中國的AI晶片來說，是不平凡的一年。寒武紀在今年走出了一波大行情，市值最高一度突破6000億，成為A股AI晶片龍頭標竿。摩爾線程和沐曦也成功在科創板上市。其他幾個耳熟能詳的國產AI廠商，比如壁仞科技、天數智芯、遂原科技、崑崙芯也基本都在上市的路上。這一輪國產AI晶片上市潮背後，是中美科技競爭加劇和國產替代需求的爆發——美國對高端GPU的出口管制，推動國內巨頭和初創企業加速自主研發，同時資本市場對AI算力的追捧，讓這些高研發投入的公司迎來融資窗口期。儘管多數企業仍處於虧損階段，但高估值反映了投資者對未來國產晶片在智算中心、大模型訓練等領域的期待，這一潮湧不僅帶來了資金活水，也標誌著中國AI晶片產業從“跟跑”向“並跑”邁進的關鍵轉折。之所以說是關鍵轉折，原因在於，2023年輝達憑藉其CUDA生態和領先的GPU性能，幾乎壟斷了全球和中國AI算力市場，市場份額一度高達80%以上，尤其在資料中心和訓練大模型領域，輝達的H100和A100系列晶片成為不可或缺的核心，國產廠商難以撼動其地位。受美國出口管制的持續影響，特別是對先進AI晶片的禁售，輝達在中國市場的份額急劇下滑，這為國產GPU提供了絕佳的滲透機會。根據伯恩斯坦的資料，本土AI晶片品牌滲透率已從2024年的約29%快速提升至2025年的59%以上，特別是在智算中心和雲服務領域，國產晶片的採用率顯著上升。轉變得益於“國產替代”的強勢推動和產業鏈的加速成熟。具體來說，華為的Ascend系列性能已接近輝達H200的80%，並在多家資料中心大規模部署；其他廠商如阿里的PPU、崑崙芯、寒武紀、壁仞、天數智芯和燧原，也通過異構計算和生態相容性提升，逐步蠶食市場空白。整體而言，中國AI晶片市場正從輝達“一超獨大”的壟斷格局，向“百花齊放”的多強競爭演變。預計到2026年，國產GPU在國內滲透率將進一步突破，這不僅降低了供應鏈風險，還推動了AI算力的自主可控和成本最佳化。單晶片性能在不斷追趕，整個算力產業都湧向“超節點”，以規避單晶片性能還不足的問題，更體現了中國人的智慧。超節點是將大量AI加速卡通過高速互聯整合成邏輯上統一的“巨型電腦”，有效解決傳統叢集通訊延遲高、擴展性差等問題，支援兆參數模型高效訓練和推理。目前，中國已推出多款商用超節點產品，單節點規模從128卡到640卡不等，技術路線涵蓋電互連、光互連和開放架構。互聯技術是國產超節點的核心突破，傳統乙太網路和PCIe難以滿足萬卡級通訊需求，頭部廠商自研高速協議成為標配：華為“靈衢”協議單晶片互聯頻寬達2TB/s、卡間延遲僅2.1微秒；海光/曙光HSL協議支援112G高速互聯，並通過專用交換晶片實現節點內全頻寬點對點互聯，避免出節點轉發，這種低延遲、高頻寬設計極大降低了分佈式訓練中的通訊開銷。目前，已有多個超節點項目落地，但大規模商用預計2026年真正爆發，所以我們也常說，2026年將迎來“超節點戰爭”。儘管超節點可以部分補齊單晶片算力不足的問題，但挑戰仍然存在，包括軟體生態最佳化、先進製程與HBM產能瓶頸。關於國產算力，不得不提的是華為。根據IDC的資料，明年昇騰的出貨量將佔比中國AI晶片總出貨量的一半。9月份的全連接大會上，華為直接亮出了昇騰系列路線圖。根據規劃，2026年至2028年，華為將分階段推出四款新晶片：2026年第一季度發佈昇騰950 PR（專注推理Prefill和推薦場景）；2026年第四季度推出昇騰950 DT；2027年第四季度推出昇騰960；2028年第四季度推出昇騰970。昇騰AI晶片路線圖這一路線圖延續了昇騰從910系列（2018年起）到910C（2025年推出）的迭代路徑，結合Atlas超節點技術，支援大規模叢集部署。關於昇騰的950 PR，最近大家在網上都能看到一些性能參數，對華為來說，其目前的核心並不是在訓練上要去掉輝達，而是讓自己的晶片被更多的使用者使用起來。有可能會被忽視的關鍵資料：在950 PR中，增加了SIMT/FP8/F4，這些都對推理有明顯的改善。04. 有泡沫，那就擠掉當奧特曼的1.4兆美元投資重塑AI產業格局，當輝達市值一路飆升至5兆美元，當AI概念股成為資本市場的香餑餑，關於AI是否處於泡沫的爭論變得異常激烈。有人將當前的資本狂熱比作 2000年網際網路泡沫的重現，也有人堅信這是技術革命的必然序曲，這些都是基於不同視角、立場得出的洞察，都有存在的合理性。樂觀派堅定看好AI的長期價值，認為當前的高投入與高估值並非炒作，強調AI將創造20兆美元的經濟價值，僅生成式AI就有望提升勞動生產率15%，這種技術賦能的潛力足以支撐資本的熱情。從資料來看，以輝達為代表的龍頭企業並非空談概念，其憑藉GPU技術佔據AI價值鏈35-40% 的資本支出份額，2025年營收預計超2000億美元，紮實的盈利能力成為估值的重要支撐。謹慎派則認為市場存在潛在的風險，企業對債務融資的依賴度不斷上升， 五大AI超大規模企業現金資產佔比已從2021年底的29%降至2025年二季度的15%，債券與私人信貸成為主要融資管道。更值得關注的是，AI產業呈現明顯的結構性失衡：上游算力硬體景氣度高漲，但中游多數初創模型企業缺乏商業化能力，下游80%部署AI的企業尚未實現淨利潤提升。換句話說，源源不斷地投錢，卻沒有在商業收入上高效轉化。判斷AI是否處於泡沫，不能僅憑市場熱度，而需從估值水平、盈利支撐、產業邏輯三個核心維度理性分析。從估值來看，當前美國科技巨頭的估值並未達到歷史泡沫峰值。被稱為“美股七姐妹” 的核心科技股當前市盈率約31倍，遠低於2000年網際網路泡沫時期的極端水平。更重要的是，這些企業大多具備強勁的現金流和造血能力，與當年缺乏盈利支撐的網際網路初創企業有本質區別。從產業邏輯來看，美國AI硬體投資自2023年已增長2000-3000億美元，資料中心、算力基礎設施的建設雖然存在局部過熱跡象，但背後是真實的產業需求支撐。GoogleTPU晶片對外供貨引發的“鯰魚效應”，更證明AI產業正從壟斷走向多元共生。關於部分企業“閉環買賣”的模式——輝達投資xAI後xAI隨即採購其晶片，微軟投資OpenAI後獲得巨額雲服務訂單——可能導致估值虛高，進而帶來局部泡沫，尤其是美國前十大科技股佔全球股市近25%的極高集中度，也讓市場波動的傳導風險不容忽視。但市場不是從來就是二八分化，優勢資源集中在20%的機構手裡？從我們的視角來看，所謂AI泡沫：只是短期利益與長期價值、資本狂歡與技術本質的博弈。即便是真有泡沫，擠掉就是。 (騰訊科技)

根據美利堅合眾國憲法和法律賦予總統的權力，特此頒布命令：第一條 宗旨。美國在人工智慧（AI）領域的領導地位將促進美國國家安全與經濟安全，並在諸多領域保持優勢地位。 根據2025年1月23日頒布的第14179號行政命令（消除美國人工智慧領導地位障礙），我已撤銷前任政府阻礙該產業發展的舉措，並指示本屆政府掃除美國人工智慧領導地位的障礙。本屆政府已為推進該目標作出巨大努力，包括更新現有聯邦監管框架，消除各行業採用人工智慧應用的障礙並鼓勵其普及。 這些舉措已為美國民眾帶來巨大福祉，並推動全國範圍內數兆美元投資湧入。但這場技術革命仍處於萌芽階段，我們正與對手展開主導權爭奪戰。要贏得這場競爭，美國人工智慧企業必須擺脫繁瑣監管束縛，獲得自由創新空間。然而各州過度監管正阻礙這一關鍵需求。 首先，各州各自為政的監管本質上形成了50種不同的監管體系，使合規變得更加困難，對初創企業尤為如此。其次，州法律日益要求實體在模型中嵌入意識形態偏見。例如，科羅拉多州一項禁止“演算法歧視”的新法律，甚至可能迫使人工智慧模型產生虛假結果，以避免對受保護群體造成“差異化對待或影響”。 第三，州法律有時會越界監管，侵犯州際貿易。本屆政府必須與國會攜手，確保建立最低限度的全國性標準——而非50個相互衝突的州標準。最終形成的框架必須禁止與本行政令政策相牴觸的州法律。 該框架還應確保兒童受保護、防止審查制度、尊重版權並保障社區安全。精心設計的國家框架能確保美國贏得人工智慧競賽——這是我們的必然使命。但在全國性標準確立前，本屆政府必須採取行動遏制各州出台的那些最繁瑣過度的法律，這些法律正威脅扼殺創新活力。第二條 政策方針。美國政策旨在通過建立負擔最輕的國家人工智慧政策框架，維持並增強美國在全球人工智慧領域的領導地位。第三條 人工智慧訴訟工作組。本命令頒布後30日內， 司法部長應組建人工智慧訴訟工作組（以下簡稱工作組），其唯一職責是針對與本命令第2條政策相悖的州級人工智慧法律提出挑戰，包括以該等法律違憲干預州際貿易、被現行聯邦法規取代效力，或經司法部長判定存在其他違法情形為由提出異議，必要時可依據本命令第4條指認相關法律。 該工作組應就需提出異議的具體州人工智慧法律動態，不定期徵詢人工智慧與加密技術特別顧問、總統科技事務助理、總統經濟政策助理及總統助理兼法律顧問的意見。第四條 州人工智慧法律評估。自本命令頒布之日起90日內，商務部長應依據《美國法典》第47編第902(b)條賦予的職權，在與人工智慧與加密技術特別顧問、 總統經濟政策助理、總統科技助理及總統助理兼法律顧問協商後，發佈現有州級人工智慧法律評估報告。該報告應識別與本命令第2條政策相衝突的繁瑣法律，並列明應移交本命令第3條設立的特別工作組處理的法律條款。 該評估至少應識別要求人工智慧模型修改真實輸出結果的法律，或可能迫使人工智慧開發者或部署者以違反《第一修正案》或憲法其他條款的方式披露或報告資訊的法律。該評估還可識別符合本命令第2條政策規定的、促進人工智慧創新的州法律。第五條 州政府資金限制(a) 本令頒布之日起90日內，商務部長應通過商務部通訊與資訊助理部長發布政策通知，明確各州在何種條件下可獲得寬頻公平接入與部署計畫（BEAD）剩餘資金。該計畫資金系通過本政府實施的 該政策通知須規定：凡依據本令第4條認定存在繁瑣人工智慧法規的州，在聯邦法律允許的最大範圍內，不得獲得非部署資金。 政策通知還須闡明：各州對人工智慧的碎片化監管格局如何威脅到BEAD資助的部署項目、依賴高速網路的人工智慧應用發展，以及BEAD實現全民高速網路覆蓋的使命。(b) 各行政部門及機構（以下簡稱“機構”）應與人工智慧與加密技術特別顧問協商，評估其自由裁量撥款項目，並確定機構是否可設定以下撥款條件：要求各州不得頒布與本命令政策相衝突的人工智慧法律（包括依據本命令第4條確定或依據第3條提出異議的任何人工智慧法律）； 或要求已頒布此類法律的州與相關機構簽訂具有約束力的協議，承諾在獲得自由裁量資金的執行期間不實施任何此類法律。第六條 聯邦報告與披露標準。聯邦通訊委員會主席應在本令第四條所述識別結果公佈後90日內，與人工智慧與加密貨幣特別顧問協商，啟動程序以決定是否採納優先於衝突州法律的人工智慧模型聯邦報告與披露標準。第七條 優先於強制人工智慧模型實施欺騙性行為的州法律。聯邦貿易委員會主席應在本命令發佈之日起90日內，與人工智慧與加密貨幣特別顧問協商後，就《聯邦貿易委員會法》第15編第45條禁止不公平及欺騙性行為或做法條款對人工智慧模型的適用性發佈政策聲明。 該政策聲明須闡明在何種情形下，要求修改人工智慧模型真實輸出的州法律將被《聯邦貿易委員會法》中禁止從事影響商業的欺騙性行為或做法的規定所取代。第八條 立法事項(a) 人工智慧與加密貨幣特別顧問及總統科技事務助理應共同擬定立法建議，建立統一的聯邦人工智慧政策框架，以取代與本命令政策相衝突的州級人工智慧法規。(b) 本節(a)款要求的立法建議不得提議取代涉及下列事項的合法州級人工智慧法律：(i) 兒童安全保護；(ii) 人工智慧計算與資料中心基礎設施（普遍適用的許可改革除外）；(iii) 州政府人工智慧採購與使用；(iv) 其他待定事項。第九條 總則(a) 本命令任何內容均不得解釋為損害或影響：(i) 法律授予行政部門或機構及其負責人的職權；或(ii) 管理與預算辦公室主任在預算、行政或立法提案方面的職能。(b) 本命令應在符合適用法律的前提下實施，並受撥款可用性的限制。(c) 本命令無意且不會為任何一方創造任何可依據法律或衡平法強制執行的權利或利益（無論實質性或程序性），該權利或利益不得針對美國及其部門、機構或實體、其官員、僱員或代理人，或任何其他人員主張。(d) 本命令的公佈費用由商務部承擔。唐納德·J·川普白宮2025年12月11日 (資料法律資訊)

資料顯示，過去一年，人工智慧公司的股市繁榮使美國科技巨頭的財富增加了超過5000億美元。據彭博社的資料顯示，截至聖誕節前夕的一年裡，美國排名前10的富豪和全球最大科技公司老闆的財富從1.9兆美元增至近2.5兆美元。埃隆·馬斯克已經是世界首富，而人工智慧淘金熱再次將美國股市推至歷史新高，證明他是最大的贏家之一。馬斯克的淨資產同比增長近50%，達到6450億美元。他僅在9月份短暫地跌落榜首，當時甲骨文公司創始人拉里·埃裡森超越了他。馬斯克於今年10月成為全球首位淨資產超過5000億美元的富豪。如果他能實現其掌舵的電動汽車公司特斯拉設定的目標，他有望成為全球首位兆富翁。在全球億萬富翁排行榜上，馬斯克領先於Google聯合創始人拉里·佩奇和亞馬遜創始人傑夫·貝佐斯。佩奇的淨資產估計為2700億美元，貝佐斯為2550億美元。財富日益集中在極少數精英手中，引發了關於如何最好地重新平衡經濟的爭論，一些人呼籲徵收更有效的財富稅。晶片製造商輝達的首席執行長黃仁勳也是此次財富增長的最大受益者之一。他的投資、股權和其他資產價值增長了418億美元，使其個人財富達到1590億美元。據《金融時報》的另一份報告顯示，這使他在彭博億萬富翁指數中排名第九，並在美國十大科技億萬富翁中排名第八。黃仁勳今年出售了價值近10億美元的股票，從輝達飆升的股價中獲利。輝達相對先進的電腦晶片是建構人工智慧所需更強大處理能力的關鍵組成部分。該公司於10月份成為全球首家市值突破5兆美元的公司，其市值甚至超過了日本或印度等一些世界最大經濟體的經濟產出。由於投資者押注Google在人工智慧領域的進展，包括其自主研發的新型晶片（稱為張量處理單元），Google聯合創始人佩奇和謝爾蓋·布林的財富分別增加了約1020億美元和920億美元。亞馬遜的傑夫·貝佐斯今年也出售了價值56億美元的股票，而邁克爾·戴爾則出售了他同名科技公司價值超過 20 億美元的股票。由於投資者對Meta在人工智慧基礎設施方面的巨額支出以及與頂級人工智慧研究人員的薪酬協議感到擔憂，該公司股價近期下跌，創始人馬克·祖克柏的排名也隨之下降。微軟的比爾·蓋茲是榜單上唯一一位年底淨資產低於年初的個人，因為他不斷出售自己在這家軟體巨頭的股票，以資助他的慈善事業。近年來人工智慧投資激增，以至於英國央行警告稱，如果投資者信心被證明是錯誤的，全球市場可能會出現“突然調整” 。“從多項指標來看，股票市場估值似乎過高，尤其是專注於人工智慧的科技公司，”英國央行高層決策者在10月份表示。他們表示，這意味著“如果人們對人工智慧影響的預期變得不那麼樂觀，股市將特別容易受到影響”。“這一切都是投機性的，與人工智慧的成功息息相關，”哈佛大學經濟學教授、初創公司OpenAI的顧問傑森·弗曼表示，“這一切最終能否獲得回報仍是一個巨大的問號，但投資者們卻押注它會成功。”雖然科技行業在億萬富翁排行榜上佔據主導地位，但也有其他一些耳熟能詳的名字。路威酩軒集團（LVMH）的法國董事長伯納德·阿爾諾（Bernard Arnault）的財富在過去一年裡增長了285億美元。路威酩軒集團旗下擁有路易威登手袋和唐培裡儂香檳等知名品牌。這位76歲的老人掌控著路威酩軒集團約一半的股份，近幾個月來，由於北美富裕消費者的強勁消費，分析師對該集團的股票也持更加樂觀的態度。西班牙富豪阿曼西奧·奧特加持有Inditex集團59%的股份，該集團旗下擁有高街服裝零售商Zara及其他七個品牌。他也是此次財報季的最大受益者之一，財富增加了343億美元，使其總資產達到1360億美元。這主要得益於該零售集團派發的創紀錄的31億歐元股息。 (北美商業見聞)

我們正處於一個 AI 極度分裂的時代。一方面，Suno 和 Sora 這樣的產品正在不斷刷新我們的認知上限。在演示視訊裡，AI 能生成足以亂真的音樂和電影級畫面，Suno 甚至被稱為能「席捲全球」。但在另一方面，當我們把目光轉向自動駕駛、金融投顧這些真正需要「幹活」的領域時，AI 的表現卻往往讓人甚至不敢鬆開方向盤。為什麼 Demo 裡的 AI 如此完美，一進現實就顯得「智障」？01Agent元年，Demo 的幻覺與落地的「恐怖谷」在12月18日的 Contech大會的AI落地分論壇上，主持人趙昊就曾提出過這個問題。對此，財經博主小Lin提出了一個非常精準的概念，叫 「Paper Return」（紙面收益）。這就好比投資，模型跑分再漂亮、Demo 演示再驚豔，那都只是紙面上的富貴。一旦真金白銀投下去，進入複雜的物理世界，市場壓根不會按你的假設走。這背後的核心矛盾，在於不確定性與確定性的博弈。目前的生成式 AI，本質上是基於機率預測下一個 Token 的「隨機鸚鵡」。在寫詩、畫圖、做視訊這些「容錯率極高」的創意領域，AI 的隨機性是驚喜，是靈感。但在自動駕駛、醫療診斷這些「零容錯」的現實場景中，隨機性就是災難。更棘手的是責任歸屬。當 AI 從輔助角色的 Copilot 變成主導決策的 Pilot，誰來為它的決策負責？ 這是一個繞不開的社會契約問題。如果 AI 是一個不可解釋的黑盒，它做對了你不敢信，因為它可能是蒙的；它做錯了你沒法改，因為它沒法告訴你為什麼。所以，Agent（智能體）遲遲無法大規模落地的根本原因，可能不是我們的算力還不夠大，或者參數還不夠多。而是我們一直試圖用「資料鏈（Data Chain）」去解決本該由「因果鏈（Causal Chain）」和「價值鏈（Value Chain）」解決的問題。正如北京通用人工智慧研究院（BIGAI）朱松純教授所言，我們需要「為機器立心」。只有當 AI 擁有了「心」，也就是具備了可解釋的認知架構和價值體系，它才能走出「達特茅斯陰影」，真正獲得人類的信任。為了講清楚這個極其抽象的技術哲學，我們不妨先看一個最硬核的工程樣本：奔馳的自動駕駛。奔馳在2021年就拿到了德國政府批准的L3級商用自動駕駛系統，在24年就加入了L4的測試大軍。這家近140年的車企，是如何用奔馳標準，把「狂野」的 AI，關進「邏輯」的籠子裡的？02奔馳標準，將 AI 關進「物理與邏輯的籠子」自動駕駛的L4等級，是車企要承擔事故主要責任的。奔馳憑什麼敢做這個嘗試？並不是因為奔馳的神經網路比別人「聰明」多少，而是因為它更「穩」，或者說，它更懂如何用確定性的邏輯去約束不確定性的 AI。我們可以把奔馳的技術譜系拆解為兩層：底層的物理冗餘和核心的邏輯鎖。首先是物理冗餘，這是對物理世界不可預測性的極致敬畏。在奔馳看來，真正的安全不能只靠演算法。它的制動系統、轉向系統，甚至連車載電網都是雙份的。這意味著什麼？那怕主電腦突然斷電，或者轉向電機卡死，那個備份的「副神經系統」也能在毫秒級接管，把車停下。更有意思的細節在感測器列表裡。除了常規的雷射雷達，奔馳甚至在車輪拱裡裝了濕度感測器，還裝了能聽警笛聲的麥克風。為什麼要裝這些？因為視覺 AI 可能會把路面水坑的反光看錯，產生幻覺。但濕度感測器不會騙人，它會直接基於物理摩擦力的減小，告訴系統「必須減速」。 這就是用物理感測器的「真」，去兜底 AI 視覺的「幻」。但更硬核的，是第二層防線：SFF（Safety Force Field，安全力場）。這是奔馳解決 AI「黑盒」問題的殺手鐧。目前的端到端大模型還無法保證全無幻覺，它就像一個直覺極強、但偶爾會沖猛了的賽車手。它看著攝影機說：「前面那個白色的東西好像是一團雲氣，我們可以加速衝過去。」這時候，SFF 系統就介入了。它不像 AI 那樣依賴機率預測，它只信奉牛頓定律。SFF 是一個基於物理規則的邏輯層，是一個完全透明的「白盒」。它的邏輯非常簡單粗暴：不看前面是雲還是車，只看雷射雷達傳回的物理空間資料。如果計算出前方50米有實體佔據空間，根據「兩個物體不能同時佔據同一空間」的物理公理，現在不剎車100%會撞。這就是奔馳的答案：用白盒（可解釋的物理規則）去配合黑盒（不可解釋的神經網路）。不管 AI 內部的數億個參數怎麼「湧現」，最終的輸出必須也要和邏輯層的毫秒級校驗相互校驗。這種架構解決了「安全性」和「責任歸屬」的問題。如果出了事故，我們可以清晰地回溯是邏輯層的規則沒寫對，還是感測器的輸入出了錯，而不是對著一個幾千億參數的黑盒兩眼一抹黑。但是，SFF 只能解決「不撞車」的問題。它是一條底線，一個籠子。如果要讓 Agent 真正像人一樣不僅「守規矩」，還能「懂人心」。比如判斷路邊的行人是想過馬路還是在等車？比如判斷後座的乘客是想快點到家還是想穩一點睡覺？光有剎車是不夠的。AI 需要的不僅僅是物理規則的約束，更需要一種認知的覺醒。03U與V，朱松純的「AGI 認知架構」奔馳用 SFF（安全力場）為 AI 加上了「物理鎖」，這解決的是底線安全的問題。但對於一家百年豪華車企來說，僅僅做到「不撞車」是遠遠不夠的。當 L3 甚至 L4 等級的自動駕駛真正鋪開時，車不再只是一個交通工具，而是一個擁有巨大動能的智能體。它如何在複雜的社會交通流中博弈？它如何與車內的乘客建構信任？我們不妨借用朱松純教授的「U & V」認知框架，來解讀奔馳正在探索的「AI 價值觀工程」。這或許比單純的技術堆疊，更能看清自動駕駛的未來。1.U（能力）：不僅僅是快，更是「奔馳標準」的執行力在 AI 的語境裡，U 代表勢能函數，也就是能力。它通常被定義為「更快、更省、更智能」。目前的自動駕駛行業，大部分玩家都在瘋狂捲 U。也就是如何讓車開得更像一個老司機：敢於在晚高峰搶道、敢於壓線博弈、敢於在黃燈前一腳油門衝過去。這種策略確實最佳化了效率（U），但也帶來了一種「演算法的傲慢」——為了效率犧牲了對他人的尊重和秩序的安全。奔馳顯然不想走這條路。在奔馳的體系裡，U 的執行必須服從於更高的指令。這就是為什麼大家會覺得奔馳的自動駕駛有點「慫」：即使是綠燈，它也開得很謹慎；在沒有紅綠燈的斑馬線前，它會絕對禮讓行人。這種「老派」的作風，在極客眼裡不夠酷，但恰恰證明了奔馳已經在 AI 的底層植入了另一套系統V。2.V（價值）：把「老派紳士」的靈魂程式碼化V (Value) 代表價值函數，也就是 AI 決策時的優先順序排序。朱松純教授認為，智能體必須擁有價值觀。而對於奔馳來說，這個 V 就是其反覆強調的「以人為本」。如果說 SFF 是物理層的剎車，那麼 V 就是認知層的剎車。它決定了 AI 在面對兩難選擇時，向左還是向右。首先是隱私的紅線。在資料這塊，奔馳的 V 極其強硬——資料屬於使用者。那怕犧牲一部分訓練便利性，也要確保合規。這是寫在 V 函數最底層的約束。其次是互動的紅線。在路權博弈中，奔馳的 V 設定是「安全與優雅」高於「效率」。這種看起來不夠激進的策略，實際上是在為機器建立一種「人格」一個可靠、穩重、不冒進的夥伴。正如朱教授所說，「心即是理」。奔馳正在做的，其實就是通過定義 V，把百年積累的造車哲學（心），轉化為 AI 必須遵守的決策邏輯（理）。3.下一步的探索：從「冷冰冰的邏輯」到「懂人心的夥伴」但這還不是終點。奔馳並沒有止步於「守規矩」，他們正在探索更高級的 V，意圖理解（Intent Understanding）。目前的 AI 大多是被動的：你踩剎車它減速，你喊指令它執行。但未來的 AI Agent，需要像一個懂你的老管家。奔馳最新的車機系統與豆包大模型的合作，就是一個訊號。他們試圖讓 AI 擁有「記憶」和「共情」能力。它不再機械地執行命令，而是開始變得“善解人意”。最直觀的是目前奔馳正在開發，還未上線量產車型的新氛圍燈功能，當感知到你情緒愉悅時，它會調動多彩光影為你助興；而當感知到危險時，它會瞬間變成警示的橙紅色。這種互動讓座艙不再是冷冰冰的機器，而是具備了情感溫度的夥伴。這種“夥伴感”建立在極度自然與擁有記憶的互動之上。新系統反應極，0.2 秒的極速響應配合擬人化的對話風格，徹底告別了機械感；更重要的是它擁有了類似人類的短期記憶。它能理解上下文，比如你隨口提一句“喜歡紫色”，過一會只需說“把氛圍燈調成那個顏色”，它就能立刻調動記憶精準執行。這種邊聽、邊想、邊做的流暢體驗，讓人彷彿是在和真人交流，而非向裝置下達指令。這種改變確實產生了效果。根據奔馳的資料顯示，該系統上線後最高頻的 AI 相關指令是“給我講個笑話”、“陪我聊聊天”和“你真棒”。這幾個簡單的詞彙完美說明了，靠著共情和自然，使用者不再僅僅把車機當作一個調節空調的工具，而是潛意識裡開始把它當作一個可以交流、甚至尋求陪伴的朋友。這說明奔馳正在試圖打通 U 和 V 的邊界：讓 AI 的能力（U），去主動適配人的情緒價值（V）。未來的奔馳智能體，或許不需要你開口，就能通過你的眼神、你握方向盤的力度，推斷出你是趕時間還是想兜風，從而在「激進模式」和「舒適模式」之間無感切換。這就是奔馳正在探索的路徑：用「可解釋的物理規則」兜底安全，用「可定義的價值函數」建構性格，最終讓 AI 成為一個有溫度的「人」。04為機器立心，從工具到夥伴為什麼我們現在遇到所謂的「智能客服」時，往往第一反應是想要人工服務？朱松純教授在訪談中點破了這個現象的本質：因為它們只是「鸚鵡」。它們有口無心，只會重複訓練資料裡的機率組合。更致命的是，它們無法為自己的行為負責。在人類的經濟社會中，信任是建立在「抵押品」之上的。你要跟我做大生意，我得看你的註冊資本；你要進我家門，如果不小心打碎了花瓶，你得賠得起。這就是契約。但現在的 AI Agent，無論是在網際網路上帶貨的數字人，還是那些生成程式碼的助手，它們是沒有任何「抵押品」的。它們做錯了，模型不會痛，伺服器不會關，所有的風險都由使用者承擔。這就是為什麼 Demo 再完美，我們依然只敢把它們當工具，而不敢視為夥伴。要跨越這個從工具到夥伴的鴻溝，工程上的修修補補（比如加防火牆、寫死規則）已經不夠了。我們需要一場架構級的革命，朱松純教授將其命名為——為機器立心。這聽起來像哲學，但其實是極其嚴謹的科學。所謂的「心」，在數學架構上，就是一套完整的、內生的價值函數體系（V）。它不僅僅是外掛的「紅線」，而是內化為 AI 決策的本能。就像人類不需要背誦幾百條法律條文也能安全地生活一樣，安全感源於我們內心的良知和對社會規範的認同。「心即是理」。當 AI 真正擁有了「心」，它的一言一行（理）就會自然得體。它不需要你規定「不能傷害人類」，因為它在計算下一步行動的收益時，會自動把「傷害人類」的價值權重降到最低，那怕這能帶來極高的效率回報。回到我們最開始的問題：為什麼奔馳敢說「出了事車企負責」？這其實就是奔馳作為一家企業，在強行給它的 AI 繳納「抵押品」。在 AI 尚未完全擁有獨立的「心」之前，奔馳用自己的品牌信譽和法律責任，充當了那個擔保人。奔馳給出的答案是：做一個更負責任的 AI。物理冗餘是它的底線能力（U）；SFF 安全力場是它的邏輯鎖；而「以人為本」的價值觀（V），則是它試圖賦予這台機器的「心」。這既是「奔馳標準」，也預示了 AI 安全的未來底線。我們正站在一個新時代的門檻上。朱松純教授預測，未來可能會有上百億的機器人和智能體進入我們的社會。如果這些智能體只有強大的能力（U），卻沒有匹配的價值觀（V），那我們將面臨的不僅是「落地難」，而是巨大的混亂。從 Suno 的音樂到奔馳的 L3，從 Demo 裡的「紙面收益」到現實世界的真金白銀 ，中間隔著的，其實就是這顆「機器之心」。這顆心，由物理的感知建構，由因果的邏輯串聯，最終由價值的判斷驅動。只有當 AI 學會了「立心」，它才能從那個冰冷的黑盒中走出來，不再是只會預測機率的鸚鵡，而是一個能理解你的意圖 、能為自己負責 、值得你把後背（或者方向盤）交給它的真正夥伴。這，或許才是通用人工智慧（AGI）真正到來的時刻。 (騰訊科技)

從人工智慧（AI）到基因編輯，從太空探索到綠色能源……科技的浪潮不斷催生新的商業模式與機遇，深刻改變著社會、經濟與人類生活的面貌。近日，《自然》雜誌網站梳理出多項2026年值得期待的重大科技進展：AI技術將進一步賦能各行各業，尤其在科研中扮演關鍵角色；基因編輯技術也將持續突破，為人類健康保駕護航；在新的一年裡，人類還將繼續向星辰大海的夢想邁進。中國首艘超深水大洋科考鑽探船“夢想”號將駛向深海。圖片來源：新華社“AI代理”加速科研處理程序AI驅動科學研究已取得顯著進展，並日益成為常態。2026年，融合多個大語言模型的“AI代理”有望在科研中得到更廣泛應用。它們能夠執行複雜的多步驟流程，甚至可在極少人工干預下獨立工作。首批由AI開展的重大科學成果很可能在2026年發佈。然而，AI的廣泛使用也暴露出一些缺陷。研究人員已報告了“AI代理”容易出現的錯誤，例如意外刪除資料等問題。由於大語言模型的訓練成本高昂，未來也可能出現超越現有大語言模型的技術。新方法側重於開發小規模AI模型，其能從有限資料中學習，專注於解決特定問題。這些系統不生成文字，而是進行資訊推理。今年，已有小型AI模型在邏輯測試中擊敗大語言模型。醫學領域多面開花2026年或將啟動兩項針對罕見遺傳病的個性化基因療法臨床試驗。今年，科學家已成功為患有罕見遺傳病的嬰兒KJ·馬爾杜恩實施了個體化CRISPR基因編輯治療。明年，該團隊計畫向美國食品和藥物管理局（FDA）申請，在費城開展針對更多兒童的臨床試驗，測試用於治療7種相關基因變異引起的代謝疾病的基因編輯療法。另一團隊也預計在明年啟動針對免疫系統遺傳病的類似試驗。英國一項超過14萬人參與、旨在評估一種單次血檢效果的臨床試驗，預計將於明年公佈結果。該血檢方法通過篩查血液中癌細胞釋放的DNA片段，能定位其來源組織或器官。若結果積極，英國衛生部門計畫將該檢測推廣至全國醫院。此外，英國近20年來最大規模的臨床試驗監管更新將於2026年4月生效；美國FDA近期提出，未來新藥批準可能僅需進行一次而非兩次臨床試驗，相關改革也將在2026年持續推進。上天入海續寫精彩2026年將是月球探索任務密集的一年。參與美國國家航空航天局（NASA）“阿爾忒彌斯二號”的4名宇航員，將乘坐“獵戶座”飛船繞月飛行。這是自1970年代以來的首次載人探月任務，為期約10天，將為後續登月計畫奠定基礎。中國計畫於明年8月發射“嫦娥七號”探測器。該任務將採用具備減震功能的著陸器，挑戰月球南極這片地形複雜、遍佈岩石與撞擊坑的區域。若成功著陸，“嫦娥七號”將探測水冰並開展月震研究。人類的探索目光也投向了更遙遠的火星。日本計畫發射“火星衛星探測”器，訪問火衛一與火衛二，並採集火衛一表面樣本，計畫於2031年帶回地球。歐洲空間局預計在2026年底發射“柏拉圖”（PLATO，行星凌日與恆星振盪）探測器，旨在通過26台高精度相機陣列，對超過20萬顆明亮恆星進行持續觀測，探測其周圍的系外行星，重點尋找宜居帶的類地岩石行星，並測量其半徑、質量及年齡。印度首顆太陽探測器“Aditya-L1”將在太陽活動極大期對太陽進行觀測。目前該衛星已進入日地拉格朗日L1點附近的暈軌道，將持續監測太陽活動，幫助科學家更好地理解太陽高峰期的表面行為。2026年，中國自主設計建造的首艘超深水大洋科考鑽探船“夢想”號，預計將執行首次科學任務。該船具備鑽探海底、採集地幔樣本的能力，最深可鑽約11公里，幫助揭示海底形成機制及其構造活動的驅動因素。微觀世界探究不息在物理學領域，位於瑞士的歐洲核子研究中心大型強子對撞機（LHC）計畫於2026年啟動大規模升級。2025年是其第三輪運行的收官之年，明年3月至6月完成物理運行後，LHC將進入長期停機改造階段，為“高亮LHC”建設作準備，預計2030年建成後碰撞頻率將提升至目前的5倍左右。與此同時，美國費米國家加速器實驗室預計於2026年4月完成“繆子轉電子實驗”（Mu2e）探測器的建造。該實驗將探究繆子（一種短暫存在的亞原子粒子）能否直接轉化為電子，且不產生其他粒子。建成後，團隊將進行磁偵錯，資料採集預計2027年開始。 (科技報導)

15個未來產業解析1. 引言中國工業和資訊化部發佈《國家高新區新賽道培育行動方案》（工信廳規函〔2025〕8號），旨在推動國家高新區在新一輪科技革命和產業變革中搶佔先機，培育具有國際競爭力的未來產業。該行動方案聚焦國家重大戰略需求和科技前沿領域，通過"開放式發現—高標準選拔—精準性培育"的推進機制，最終遴選出15個重點新賽道方向進行系統化培育。這15個新賽道方向包括：量子科技、腦機介面、具身智能、人工智慧大模型、高性能積體電路、第六代移動通訊（6G）、工業網際網路、基礎軟體與工業軟體、清潔氫、高端新材料、商業航天、低空經濟、生物製造、細胞與基因、高端醫療器械。本文將按照技術成熟度，將這15個新賽道分為突破期、成長期和成熟期三個層次進行解析，探討每個領域的技術特點、應用場景、政策支援及產業化前景，為理解中國未來產業發展路徑提供參考。2. 技術成熟度分層解析2.1 突破期新賽道突破期新賽道是指技術基礎尚不成熟，但具有顛覆性潛力，有望在未來5-10年內實現關鍵技術突破的領域。量子科技：量子科技是利用量子力學原理進行資訊處理、感測和計算的前沿領域。中國在量子通訊領域已取得全球領先，如"墨子號"量子科學實驗衛星和"京滬幹線"量子保密通訊骨幹網。然而在量子計算方面，雖然有阿里巴巴、百度、騰訊等企業佈局，但與美國、歐洲相比仍有差距。量子科技的關鍵應用場景包括量子計算、量子通訊和量子測量，其中量子計算有望在密碼學、新材料設計、藥物研發等領域帶來革命性突破。預計到2030年，中國將實現量子計算的初步商業化應用。報告原文閱讀＞＞＞量子資訊技術發展與應用研究報告（2025年）腦機介面：腦機介面技術通過在人腦與外部裝置之間建立直接的資訊交換通道，實現腦與裝置的互動。目前，中國腦機介面技術已取得一定進展，如清華大學研製的無創腦機介面系統和中國科學院的侵入式腦機介面技術。主要應用場景包括醫療康復（如幫助癱瘓患者控制假肢）、人機互動和軍事應用。2025年，工信部將腦機介面列為新賽道重點培育方向，預計未來5年將迎來技術突破期，到2030年有望實現部分商業化應用。這兩個突破期新賽道的共同特點是技術壁壘高、研發周期長、投入大，需要長期穩定的政策支援和資金投入。中國在量子通訊領域已具備一定優勢，但在量子計算和腦機介面的基礎研究方面仍有提升空間。這兩個領域的技術突破將為中國在下一代資訊技術和生物技術領域贏得全球競爭主動權提供重要支撐。2.2 成長期新賽道成長期新賽道是指技術已取得初步突破，處於產業化初期，有望在未來3-5年內形成較大市場規模的領域。具身智能：具身智能是指賦予機器人或智能體物理實體和感知能力，使其能夠在真實環境中自主學習、適應和互動的技術。2025年，中國在具身智能領域已取得顯著進展，如優必選Walker S1機器人和宇樹科技的四足機器人。具身智能的主要應用場景包括工業製造、醫療健康、家庭服務和特種作業等。中國在具身智能領域的優勢在於應用場景豐富和產業鏈完備，但在核心演算法和高端感測器方面仍有差距。預計到2028年，具身智能將在特定場景實現規模化應用。人工智慧大模型：人工智慧大模型是基於海量資料訓練的深度學習模型，具有強大的自然語言處理、圖像識別和多模態理解能力。2025年，中國已湧現出文心一言、通義千問、智譜GLM等一批具有國際競爭力的大模型。大模型的應用場景幾乎涵蓋所有行業，包括智能客服、內容創作、醫療診斷、金融分析等。中國在大模型領域的優勢在於資料資源豐富和應用場景廣泛，但在基礎演算法創新和高端晶片方面存在短板。預計到2027年，大模型將實現從通用能力向專業領域的深度滲透。報告延伸閱讀：生成式人工智慧應用發展報告（2025）-中國網際網路絡資訊中心（點選下方圖片可查閱下載報告全文）高性能積體電路：高性能積體電路是支撐數字經濟發展的關鍵基礎，包括先進製程晶片、專用晶片和第三代半導體等。2025年，中國積體電路產業規模已突破兆元，但在高端晶片設計和製造方面仍面臨挑戰。高性能積體電路的主要應用場景包括高性能計算、人工智慧、5G通訊等。中國在積體電路領域的戰略是"設計引領、製造提升、封裝突破、材料配套、裝置支撐"。預計到2028年，中國將在部分關鍵領域實現技術突破。第六代移動通訊（6G）：6G是繼5G之後的下一代移動通訊技術，將提供更高的速率、更低的時延和更廣的連接。2025年，中國已啟動6G技術研發試驗，預計2025-2027年完成關鍵技術研究，2028-2030年完成標準制定。6G的主要應用場景包括沉浸式體驗、智能體互動、全息通訊等。中國在6G領域的優勢在於5G技術積累和市場規模，但面臨技術路線選擇和國際標準競爭的挑戰。預計到2030年，6G將開始商用部署。報告延伸閱讀：2025年6G傳輸技術白皮書（點選下方圖片可查閱下載報告全文）這四個成長期新賽道是中國科技自立自強的關鍵領域，也是國際科技競爭的焦點。中國在這些領域既有優勢也有挑戰，需要加強基礎研究和核心技術攻關，建構自主可控的產業生態。2.3 成熟期新賽道成熟期新賽道是指技術已相對成熟，處於規模化應用階段，有望在未來1-3年內形成顯著經濟和社會效益的領域。工業網際網路：工業網際網路是新一代資訊技術與製造業深度融合的產物，通過連接工業全要素、全產業鏈、全價值鏈，實現資源最佳化配置和生產方式變革。2025年，中國工業網際網路已形成"綜合型+特色型+專業型"平台體系，連接工業裝置超過1億台。主要應用場景包括裝置預測性維護、生產過程最佳化、供應鏈協同等。中國在工業網際網路領域的優勢在於製造業基礎雄厚和應用場景豐富，但在工業軟體和高端裝備方面仍有短板。預計到2027年，工業網際網路將實現從單點應用向全鏈條整合的轉變。基礎軟體與工業軟體：基礎軟體包括作業系統、資料庫、中介軟體等，工業軟體包括CAD、CAE、CAM等研發設計軟體和MES、PLM等生產管理軟體。2025年，中國基礎軟體和工業軟體自主化率持續提升，但在高端領域仍有較大差距。主要應用場景包括智能製造、數字政府、金融科技等。中國在軟體領域的優勢在於市場規模大和開發人才豐富，但在核心演算法和底層架構方面存在不足。預計到2027年，中國基礎軟體和工業軟體將在重點行業實現規模化應用。清潔氫：清潔氫是通過可再生能源電解水或化石能源耦合碳捕集技術生產的氫氣，具有零排放、高能量密度的特點。2025年，中國氫能產業規模已突破5000億元，清潔氫佔比持續提升。主要應用場景包括氫燃料電池汽車、氫能儲能、氫能冶金等。中國在氫能領域的優勢在於可再生能源資源豐富和應用場景廣泛，但在氫能儲運和燃料電池技術方面仍有提升空間。預計到2027年，中國清潔氫將在交通和工業領域實現規模化應用。高端新材料：高端新材料是指具有特殊性能和功能的先進材料，包括先進基礎材料、關鍵戰略材料和前沿新材料。2025年，中國新材料產業規模已突破6兆元，但在高端領域仍有差距。主要應用場景包括電子資訊、航空航天、新能源等。中國在新材料領域的優勢在於產業鏈完整和市場需求旺盛，但在原始創新和高端裝備方面存在短板。預計到2027年，中國高端新材料將在關鍵領域實現國產替代。商業航天：商業航天是指由企業主導的航天活動，包括衛星製造、發射服務、空間應用等。2025年，中國商業航天產業規模已突破2兆元，湧現出一批具有國際競爭力的企業。主要應用場景包括衛星網際網路、遙感監測、太空旅遊等。中國在商業航天領域的優勢在於航天技術積累和市場需求增長，但在商業模式創新和國際合作方面仍有提升空間。預計到2027年，中國商業航天將在衛星網際網路和遙感應用領域實現規模化發展。低空經濟：低空經濟是指在低空空域開展的經濟活動，包括無人機配送、空中遊覽、應急救援等。2025年，中國低空經濟規模已突破5000億元，無人機應用領域不斷拓展。主要應用場景包括物流配送、農林植保、城市治理等。中國在低空經濟領域的優勢在於應用場景豐富和政策支援有力，但在空域管理和服務標準方面仍需完善。預計到2027年，中國低空經濟將在物流配送和城市服務領域實現規模化應用。生物製造：生物製造是利用生物系統或生物體生產化學品、材料和能源的過程，具有綠色、高效、可持續的特點。2025年，中國生物製造產業規模已突破1兆元，生物基產品種類不斷豐富。主要應用場景包括生物基化學品、生物基材料、生物燃料等。中國在生物製造領域的優勢在於生物資源豐富和產業基礎良好，但在生物合成技術方面仍有差距。預計到2027年，中國生物製造將在化工替代和材料創新領域實現突破。細胞與基因：細胞與基因技術是利用細胞和基因進行疾病治療、健康管理和生物製造的技術，包括基因治療、細胞治療、基因編輯等。2025年，中國細胞與基因治療產業規模已突破1000億元，多個產品獲批上市。主要應用場景包括腫瘤治療、遺傳病治療、組織再生等。中國在細胞與基因領域的優勢在於臨床資源豐富和應用場景廣泛，但在原創技術和高端裝備方面仍有短板。預計到2027年，中國細胞與基因技術將在腫瘤和遺傳病治療領域實現規模化應用。高端醫療器械：高端醫療器械是指具有高技術含量和高附加值的醫療裝置，包括醫學影像裝置、體外診斷裝置、微創治療裝置等。2025年，中國醫療器械產業規模已突破1.5兆元，高端產品國產化率持續提升。主要應用場景包括疾病診斷、治療和康復。中國在高端醫療器械領域的優勢在於市場規模大和產業鏈完整，但在核心技術和高端產品方面仍有差距。預計到2027年，中國高端醫療器械將在重點疾病領域實現國產替代。這九個成熟期新賽道是中國產業升級和高品質發展的重要支撐，也是培育新增長點的關鍵領域。這些領域既有技術基礎，又有市場需求，有望在短期內實現規模化發展，為經濟增長提供新動能。3. 區域佈局與協同發展15個新賽道方向在中國範圍內呈現差異化佈局。北京、上海、深圳等地在人工智慧大模型、高性能積體電路等領域具有領先優勢；安徽、陝西等地在量子科技領域具備特色；浙江、江蘇等地在工業網際網路、高端新材料等領域優勢明顯；四川、廣東等地在低空經濟領域發展迅速。這些新賽道之間存在顯著的協同效應。例如，人工智慧大模型與具身智能相結合，可提升機器人的認知和決策能力；高性能積體電路為6G通訊和人工智慧提供算力支撐；工業網際網路與高端新材料相結合，可促進製造業數位化轉型；生物製造與細胞與基因技術協同，可推動生物醫藥創新發展。通過建構跨領域、跨區域的協同創新網路，實現資源共享、優勢互補，將有助於加速新賽道的培育和發展，形成具有國際競爭力的產業叢集。4. 結論與展望《國家高新區新賽道培育行動方案》遴選出的15個重點新賽道方向，覆蓋了資訊技術、生物技術、新材料、新能源、航空航天等多個前沿領域，反映了中國面向科技前沿和國家重大需求的戰略佈局。從技術成熟度來看，這些新賽道可分為突破期、成長期和成熟期三個層次，分別代表了中國未來產業發展的不同階段和重點領域。突破期的量子科技和腦機介面有望在未來5-10年內實現關鍵技術突破；成長期的人工智慧大模型、具身智能等領域有望在未來3-5年內形成較大市場規模；成熟期的工業網際網路、高端新材料等領域有望在未來1-3年內產生顯著經濟和社會效益。從戰略意義來看，這些新賽道既是中國科技自立自強的關鍵領域，也是建構新發展格局的重要支撐。通過集中優勢資源，實施精準培育，有望在這些領域實現從跟跑到並跑甚至領跑的轉變，為中國在新一輪科技革命和產業變革中贏得主動權。未來，隨著技術不斷突破、產業生態不斷完善、應用場景不斷拓展，這些新賽道將為中國經濟高品質發展注入新動能，為人民美好生活提供新供給，為建構人類命運共同體貢獻中國智慧和中國方案。 (TOP行業報告)

英國《自然》周刊12月11日發表題為《中國正在引領全球人工智慧治理，其他國家應積極參與其中》的社論。主要內容編譯如下：過去幾年，圍繞人工智慧（AI）研發與應用的國際對話、白皮書及專家組建議並不罕見。然而，在將這些成果轉化為全球共識，以將其效益最大化並儘量降低危害的過程中卻出現了領導力真空。有一個國家正致力於改變這一局面。中國倡議成立名為“世界人工智慧合作組織”的全球性機構，以協調AI監管。建立此類機構符合所有國家的利益，世界各國政府都應積極參與。AI模型具有驚人的能力，既能推動科學進步，又能促進經濟增長。但這些模型對世界的理解尚不完整，可能會以不可預測的方式出錯。AI技術可能通過許多方式造成危害，包括加劇不平等、助長犯罪以及幫助傳播錯誤資訊與虛假資訊。到目前為止，在各國爭相發展AI技術的激烈競爭中，這些風險尚未得到應有的重視。美國企業開發了許多最強大、應用最廣泛的AI模型，但美國卻缺乏國家層面的AI治理法規，僅依賴各州零散立法。美國仍期待企業通過自我監管建立內部防線。與此同時，中國選擇了一條不同的道路。從地方政務聊天機器人到提升生產效率的工廠機器人，中國政府正大力推動將AI技術融入社會各個領域。但中國監管機構也要求AI輸出具備可追溯性，並要求企業負起責任。中國出台了一系列法律法規與技術標準，要求開發者在部署生成式AI模型前將其交給監管機構進行安全評估，並在AI生成的內容中加入可見且不可去除的水印，以防止欺詐和虛假資訊傳播。瞭解中國在AI領域的標準對所有人而言都至關重要。全球越來越多的公司正基於中國AI技術建構服務體系。與此同時，中國研究人員積極通過多邊參與，協助評估何種全球治理模式既有效又可行，這也具有重要意義。在全球層面，現有的AI監管努力或因缺乏約束力，或因執行不足而效果有限。對AI實施有效監管需要獨特的解決方案。圍繞AI的諸多論調將其塑造成一場地緣政治競賽。更明智的做法是各國攜手共商AI安全準則，共同規劃人類應如何駕馭AI。中國的倡議值得歡迎，全球研究人員與相關機構應當積極參與其中。 (參考消息智庫)