美國如何才能贏得人工智慧競賽埃裡克·施密特施密特曾任Google首席執行長和相對論空間公司首席執行長。人工智慧正在重塑世界。誰將掌控這種重塑——以及在何種條件下掌控——遠未有定論。過去一年已經清楚地表明，未來的競爭實際上是多場相互交織的較量同時展開。第一種情況發生在美國和中國之間。美國的前沿實驗室持續引領通用人工智慧（AGI）的發展，投入巨資打造能夠媲美甚至超越人類認知能力的系統。這其中的利害關係極其重大：AGI有可能改變全球力量格局，並帶來前所未有的經濟增長。然而，中國卻另闢蹊徑，堅信人工智慧的廣泛應用將帶來最大的收益。其“人工智慧+”計畫的目標是到2030年實現關鍵行業90%的人工智慧融合，尤其側重於人工智慧賦能的製造業。初步成果令人矚目：愛德曼的一項調查顯示，60%的中國員工每周至少使用一次人工智慧，而美國員工的這一比例僅為37%。當美國致力於打造最強大的人工智慧系統時，中國則正利用人工智慧建構最強大的經濟體。美國和中國並非塑造全球格局的唯一力量。歐盟力求通過治理而非創新引領發展，於2024年通過了全球首部全面的人工智慧法。然而，執法不力以及日益增多的例外情況造成了監管困境，阻礙了歐洲大陸的轉型。海灣國家則另闢蹊徑，沙烏地阿拉伯和阿聯已在資料中心基礎設施建設方面投入數千億美元，力圖將自身打造為人工智慧熱潮中的關鍵節點。另一場關於人工智慧架構的競爭正在上演：開放系統與封閉系統之爭。美國曆來倡導技術開放，但其在人工智慧領域的領先地位如今卻大多依賴於專有模型。與此同時，開源勢頭在其他地區正加速發展。今年1月，中國公司DeepSeek發佈了R1模型，證明企業無需頂級晶片也能建構功能強大的模型，這提醒我們，廉價且易於適配的模型或許能在全球範圍內迅速普及。美國要想在2026年繼續保持全球人工智慧領導者的地位，就必須在所有領域都保持競爭力。鞏固其在前沿人工智慧領域的優勢，需要解決目前制約計算能力的能源瓶頸問題。與此同時，私營部門必須加快人工智慧的普及應用，提升員工技能，並使中小企業能夠使用強大的模型。此外，美國還應深化政府、產業界和研究機構之間的合作，以重奪開源領域的領導地位。如果其他國家能夠更有效地部署這些系統，那麼即使美國建構了最強大的系統也意義不大。美國面臨的最大風險是贏得人工智慧前沿技術，卻最終輸掉人工智慧時代。 (科技世代千高原)

01前沿導讀美國經濟歷史學家克里斯·米勒在接受中國媒體採訪時表示，將晶片類比為蓋房子，在沒有完成地基和第一層之前，你永遠不能直接蓋第二層，你也沒有辦法到達第二層。在晶片發展的歷史中，後來者直接超越領先者的例子非常有限，那些最前沿的技術公司都是花費了幾十年的時間才做到這一點，盲目的追求在技術層面彎道超車，現在來說根本不可能。02技術競爭早期的晶片產業基本都是美日兩國進行競爭，美國是電晶體和晶片技術的發明國，並且還掌握著光刻技術以及光刻機裝置的製造。而日本則是通過索尼公司為突破口，進而啟動了超大規模積體電路計畫，實現了從基礎材料到製造裝置的全鏈路發展。在1980年代左右，美日兩國的晶片競爭其本質上是行業領導者的競爭。當時的晶片技術並沒有現在這麼複雜先進，1954年，美國德州儀器公司聯合工業發展工程師協會合作開發了全球第一個PN接面鍺電晶體收音機——Regency TR-1。這種收音機有4種配色，具有濃重的時髦色彩，再加上銷售價格為49.95美元，其總銷量快速突破了10萬台，成為了全球電晶體收音機領域第一款真正意義上的“爆款”產品。隨著產品的大量銷售，Regency TR-1的製造技術也被許多企業所模仿。日本索尼公司對Regency TR-1進行了山寨化處理，並且在東京三越百貨公開銷售山寨產品，這是日本第一台電晶體收音機的開端。1955年，索尼先後推出了TR-52、TR-55收音機。這兩款產品在保證基礎功能的同時，要比美國的TR-1更加迷你袖珍，並且價格僅售29.95美元。結果沒有懸念，索尼的TR-52和TR-55在市場上面大爆發，甚至還銷售到了美國市場，在消費市場和儲存晶片兩個領域壓制美國企業的發展。除消費產品之外，日本第一台光刻機裝置也是通過山寨美國光刻機所得來的技術。美國的GCA曾經是全球步進光刻機的霸主，日本尼康為其提供所需的鏡頭，充當供應商的角色。但是隨後GCA開始推崇自主化技術，採購美國特羅佩爾公司所製造的鏡頭，將尼康踢出了供應鏈。這個時候日本通產省開始推進超大規模積體電路產業計畫，由於尼康、佳能是傳統光學企業，便承擔了日本光刻機的技術項目。尼康與NEC、東芝等本土巨頭合作，成立技術財團，開始推進自主光刻機的商業化發展。1981年，尼康推出了NSR-1010G步進光刻機。不過經客戶和技術機構的使用表示，尼康的NSR-1010G光刻機從架構到晶圓台，從光學系統到對準系統，跟美國GCA的裝置一模一樣，尼康的光刻機完全就是GCA的山寨複製品。但是GCA對此不以為然，並且GCA表示就算尼康抄襲了美國的技術，他們也造不出跟美國一樣可靠的產品。尼康的光刻機可以賣出貨去，完全是因為日本企業有愛國情懷，會優先選擇本土供應商，跟產品好壞沒有關係。歷史的車輪滾滾而來，美國GCA為自己的狂妄自大付出了代價，最終被荷蘭的ASML收購。而尼康的光刻機業務現在還在運行，在儲存晶片領域佔據了一定的市場份額。03彎道超車在早期的技術階段，半導體技術雖然先進，但並不是高不可攀的。日本企業可以憑藉著山寨模仿，在市場上面實現對美國的彎道超車，這是時代和歷史所造成的結果。而現在的半導體產業，不管是晶片的設計還是產業鏈的製造裝置，均已經實現了高度的自動化。並且為了保證製造足夠多的晶片產品，製造裝置都是24小時不間斷運行。在這種複雜的條件下，想要再次依靠曾經的山寨、逆向工程等方法實現技術領域的彎道超車，這完全是不現實的想法。半導體產業鏈涉及到50多個細分的行業，數千個生產環節。越來越多的晶片企業依賴於全球供應鏈體系，將全球範圍內的軟體、材料、裝置聚集到一起，從而實現先進半導體產品的生產。並且在部分關鍵環節中，所需的裝置材料被單一國家的企業所壟斷，這更加彰顯了晶片產業全球化分工的重要性。克里斯·米勒在訪談中重點指出，多個國家為了投資半導體技術，已經投入了巨量級的經濟資源，美中兩國的資源投入最為突出。美國依靠《晶片法案》和關稅，強制性的籠絡國際頂級企業來美國發展，重塑美國在先進製造業中的領先地位。而中國依靠國家大基金、中國製造2025、十五五等政策推動，大力扶持本土晶片發展，解決被美國卡脖子的困境，將產業鏈風險降到最低。很明顯，中國是被迫去發展自主供應鏈體系的。半導體產業生來就是全球化分工，如果有機會實現多元化發展，那麼沒有公司希望依靠單一來源發展產業。這不但會造成資源的大量投入，還會打亂產業鏈的平衡。美國早在2001年就已經徹底退出了光刻機產業的競爭，將大量資本注入到ASML身上，以此來換取光刻機的優先採購權。韓國的三星亦然如此，本身不涉足光刻機產業，只是充當一個投資者的角色。目前對光刻機產業實施技術攻堅的，只剩下中國企業、日本企業、荷蘭的ASML。日本的尼康、佳能、荷蘭的ASML均是這個領域的老牌企業，並且其背後全都是來自於國際頂尖供應鏈的支援。中國企業在被美國限制之後，無法獲得國際供應鏈的支援，只能通過本土合作緩慢進步，用30年的時間去追趕國外企業打下的技術根基。 (逍遙漠)

從蒸汽機的轟鳴到網際網路的無聲革命，技術的浪潮總在不經意間重塑世界的面貌。而今，我們正站在一場更為澎湃的科技變革前夜——人工智慧學會了“思考”，機器人走出了工廠的圍牆，半導體開始成為智能時代的“新石油”，而太空正從遙不可及的夢想變成新的商業疆域。站在當下看，那些技術將定義下一個五年甚至十年？麥肯錫最新發佈的《2025年技術趨勢展望》報告試圖解答這個問題，提出了13項具有改變全球商業潛力的前沿技術趨勢，並從創新性、關注度、資本投入與應用水平四個維度，繪製出這些技術的發展藍圖。放眼望去，資本正高度集中於AI、未來能源與可持續技術、未來出行等從技術突破邁嚮應用深水區的領域，其中AI不管是在關注度和創新上均遙遙領先。相比之下，特定應用半導體、先進連接技術、未來生物工程、雲與邊緣計算、數字信任與網路安全這些技術雖熱度不及AI，卻已悄然成為數字社會運轉的“基礎設施”，應用程度已接近規模化。而沉浸式現實技術、未來空間技術、未來機器人技術、量子技術、AI智能體等技術仍處於孵化階段，但革命性潛力已現端倪。比如AI智能體成為今年增速最快的熱點趨勢之一，2024年股權投資達11億美元，同比增長1562%。參觀者通過AR眼鏡體驗雲岡石窟事實上，不管是那項技術趨勢，都將重塑產業面貌，更已成為國家與企業不可或缺的競爭籌碼。在中國，這些技術已被囊括在面向2035年的未來產業重點賽道目錄之中，並列出了明確的發展目標。以未來空間為例，2030年中國市場規模有望突破8000億元，重點發展方向包括載人低空飛行、深空深地深海探索、極地開發等。在此，我們梳理了麥肯錫報告中的關鍵資訊和資料，和大家聊聊這些技術的前沿動態、發展趨勢與人才需求。13個賽道與兆商機面對這13項前沿技術，麥肯錫從它們的內在“性格”出發，將其分為三大類：AI革命、計算與連接前沿，以及尖端工程。可以說，這三大類技術，一個負責“思考”，一個負責“連接”，一個負責“動手”，它們互相滲透、彼此激發，不斷繪製出未來十年科技浪潮的完整圖景。◎ 第一類，AI革命，包括AI和AI智能體。伴隨AI影響力的持續擴大，值得注意的是，當前AI的成本在急劇下降，比如一些推理任務的價格一年內下降900倍。針對這兩項細分技術，在麥肯錫看來，AI不僅本身是一項具有革命性和戰略性的技術創新，更能加速其他技術領域的發展，或在交叉領域創造新“商機”，比如AI是特定應用半導體這項技術的重要催化劑。而另一項AI智能體技術則是今年的“當紅小生”，已經迅速成為企業和消費技術領域的重要發展方向。所謂AI智能體，就像是一位“虛擬同事”，可以自助規劃和執行多步驟任務。目前，各大公司正在現有AI產品中增加智能體功能，或開發全新的、面向特定任務的應用，尤其是在軟體編碼和數學等擁有強大訓練資料集的領域取得了快速進展。市場也嗅到了風向。MarketsandMarkets預測，AI智能體市場規模將從2024年的51億美元飆升到2030年的471億美元，復合年增長率高達 44.8%。◎ 第二類，計算與連接前沿，這些技術可以被理解為是AI與數字世界的“骨架”，包括特定應用半導體、先進連接技術、雲與邊緣計算、沉浸式現實技術、數字信任與網路安全、量子技術。其中，特定應用半導體是報告特別提到的另一項重要趨勢。這些為特定AI任務量身定製的晶片，正在成為科技界的“新石油”——專利數量位居所有技術趨勢之首，去年吸引了75億美元的投資。同時，AI的發展對背後的算力有著永不滿足的渴求，這就得依靠雲與邊緣計算這項技術趨勢。麥肯錫的研究表明，到2030年，全球對資料中心容量的需求可能會接近如今的3倍，其中約70%的需求正是來自AI工作負載。此外，在先進連接技術方面，5G已覆蓋全球22.5億使用者，中國在5G獨立組網部署上領跑全球，而6G已在路上，還準備帶上“感測”等新技能包。至於沉浸式現實技術領域，AR/VR已從遊戲走向醫療、工業設計，蘋果Vision Pro、Meta Quest等裝置也在重新定義人機互動；量子技術領域則雖處前沿，但Google、IBM、微軟等巨頭已在誤差校正與穩定性上取得關鍵突破。這些技術就像古代絲綢之路上的驛站和道路，雖然不直接產生貨物，卻決定了商業的規模和邊界。◎ 第三類，尖端工程，包括未來機器人技術、未來出行、未來生物工程、未來空間技術、未來能源與可持續技術。它們則負責數字能力“實體化”，讓技術從螢幕裡走出來。在過去六十年中，機器人已逐漸成為先進製造業的常客，如今有超四百萬台工業機器人在汽車廠等環境中工作。與此同時，在AI的加速推動下，物理機器人技術在近年來進入機場、大型商店和餐廳等更廣泛的領域。麥肯錫合夥人Ani Kelkar更是判斷，到2040年其市場規模將高達約9000億美元。在未來出行領域，中國電動車市場逆勢增長36%，自動駕駛、無人機配送和空中計程車也都在從概念走向試點，甚至實現商用落地。預計到2034年，商業無人機送貨市場規模將達290億美元，年複合增長率高達40%。未來生物工程技術則是利用技術（如基因編輯、合成生物學），來改善健康和人體機能、重塑食品價值鏈並創造創新產品。比如基因編輯技術CRISPR首次獲得FDA批准，而AI正在將新藥研發成本和時間大大縮短。2024年諾貝爾化學獎更是授予了三位使用AI預測現有蛋白質結構和設計新蛋白質的研究人員。在未來能源與可持續技術方面，中國不僅在太陽能製造上佔據全球主導地位，氫能電解槽產能也佔到全球60%。此外，核能因其能提供穩定基荷電力的能力而備受關注，31個國家承諾到2050年將全球核能容量增加三倍。智慧型手機械手助力太陽能面板加工關於這些技術的六大趨勢透過這13項前沿技術的趨勢前瞻，麥肯錫還在報告中歸納總結了六大趨勢，可以作為我們關注這些前沿技術的方向參考。①自主系統崛起系統不再只是執行命令，而是能學習、適應、協作。當AI智能體能夠自主規劃工作流程，當機器人能夠適應陌生環境，當自動駕駛汽車能夠在複雜城市路況中導航，我們不得不思考：人類的獨特價值在那裡？答案可能是：在創造力、在倫理判斷、在戰略眼光——那些機器難以複製的品質。無人駕駛汽車已開始商業營運②新的人機協作模式人機互動正邁入一個新階段，其特點是更自然的介面、多模態輸入和自適應智能，這將讓“操作者”和“共同創造者”的界限逐漸消失。從沉浸式訓練環境和觸覺機器人技術，到語音驅動的“副駕駛”和感測器可穿戴裝置，技術正在更精準地響應人類的意圖與行為。這種演變讓人機關係的定位從“機器替代人類”轉向“機器增強人類”能力。③規模化應用的挑戰對計算密集型工作負載（尤其是來自AI智能體、未來機器人和沉浸式現實技術）的激增需求，正給全球基礎設施帶來新的壓力。但現實是：電力供應緊張、晶片供應鏈脆弱、資料中心建設周期漫長……這意味著，前沿技術的規模化應用不僅需要解決技術架構和高效設計的問題，還需應對人才、政策和執行層面錯綜複雜的現實挑戰。這提醒我們，數字世界的繁榮離不開物理世界的支撐。技術人員正監控晶片生產裝置情況④區域和國家競爭不可否認的是，對關鍵技術的掌控權已成為全球角逐之焦點。中美在晶片、AI、量子計算等領域的競爭日益激烈，歐洲也在通過《人工智慧法案》等規制試圖確立自己的數字主權。技術不再是無國界的公共品，而是國家安全的基石、經濟主權的象徵。這種態勢下，全球科技合作面臨挑戰，但也催生了各地區發展特色優勢的機會。⑤規模化與專業化平行發展雲服務和先進連接技術方面的創新，推動了規模化與專業化的發展。一方面，我們看到在龐大且能耗驚人的資料中心裡，通用模型訓練基礎設施正快速擴張；另一方面，我們也觀察到“邊緣側”的創新加速，低功耗技術正被嵌入手機、汽車、家庭控制系統和工業裝置之中。這種雙軌發展既帶來了參數數量驚人的大型語言模型，也推動了可在幾乎任何場景中運行的特定領域AI工具的日益豐富。⑥負責任創新的必要性隨著技術日漸強大且更具個性化，信任正日益成為技術採用的關鍵門檻。企業正面臨越來越大的壓力——必須證明其AI模型、基因編輯技術或沉浸式平台是透明、公平且可問責的。道德倫理不再只是正確的選擇，還是部署過程中的戰略槓桿——它能加速或阻礙規模擴張、投資決策以及長期影響。資金和人才往那裡去？最後，我們來聊聊這些前沿技術的“錢景”與“人景”，看看資本與人才正在向何處湧動。2024年，這13項前沿技術的投資市場暖風漸起，其中AI、雲與邊緣計算這兩項技術在投資規模和增速上可謂都取得了相對突出的“成績”。若論資本的絕對聚集地，2024年最“吸金”的五大前沿技術分別是：未來能源與可持續技術（2232億美元）、未來出行（1316億美元）、AI（1243億美元）、雲與邊緣計算（808億美元）、數字信任與網路安全（778億美元）。論增長勢頭，AI智能體技術“風頭正盛”，2024年投資額猛增1562%；未來生物工程、雲與邊緣計算技術則是連續兩年實現融資額增長；AI和未來機器人技術領域的投資經歷短暫下滑後，在2024年恢復到比兩年前更高的水平。值得一提的是，與資本流向同步，一場無聲的人才爭奪戰也已打響。麥肯錫在報告中提到，從招聘崗位資料上看，2024年有6項前沿技術的崗位需求在增長，其中AI智能體崗位的人才需求暴增985%，AI、特定應用半導體崗位的人才需求也分別增長35%和22%。從具體崗位來看，軟體工程師可以說是最緊俏的崗位。值得注意的是，這些人才技能需求比則揭示了一個殘酷的現實：技術的進化速度遠遠超過了人才的培養速度。在AI與特定應用半導體這兩個最炙手可熱的技術領域，人才的供需失衡尤為明顯。AI對資料科學家的需求最為迫切，其人才供需比只有0.5（即2個崗位在搶1個人才），這意味著企業都在搶能用Python處理資料和建構模型的人。在特定應用半導體領域，情況則更加極端——精通GPU架構和機器學習硬體的專家，供需比低至0.1，相當於十個崗位在等待一個合適的人選。而未來機器人技術、未來生物工程這些交叉領域，則在呼喚一種新型的“跨界人才”。未來機器人技術領域既要機械工程師，也要AI、軟體工程專家，對於掌握人工智慧技能的人才需求比為0.2。在未來生物工程領域，一個既能設計機械手臂，又能程式設計讓它智能抓取的人才，則更為稀缺。在未來能源與可持續技術、未來空間技術這兩個代表人類未來的領域，“人才荒”也更加明顯。比如掌握“綠色技能”，包括清潔能源、可持續發展等領域專業知識的人才，供需比低於0.1。也就是說，每十個相關崗位，可能只有不到一個合格的申請者。未來空間技術領域雖然總體崗位數量在回呼，但對軟體工程師和Python專家的需求依然旺盛，因為每天都有海量的衛星資料需要處理和分析。這些資料也預示著，未來的人才培養，純程式碼能力已不夠，“技術+場景”“軟體+硬體”“演算法+倫理”的複合型人才，將成為未來十年最稀缺的資源。結語回過頭來看，站在這個科技大時代的門口，中國處在一個複雜而微妙的位置。在應用層面，我們的成就令人矚目：5G網路的廣覆蓋、電動車的高滲透率、太陽能製造的統治地位、無人機商業應用的領先，這些都是實實在在的“中國優勢”。但在基礎層面，半導體製造、底層AI模型、量子計算、生物醫藥原創技術等領域的“卡脖子”風險依然存在。美團無人機物流配送生意火爆麥肯錫的這份報告，給我們的最大啟示或許是：未來的競爭，不再是單個技術點的突破，而是生態系統的競爭、人才體系的競爭、價值觀的競爭。 (吳曉波頻道)

隨著生成式人工智慧（Gen AI）的最初喧囂逐漸平息，全球技術產業正步入一個更為務實卻也更為複雜的階段。德勤（Deloitte）發布的《2026年前沿技術、智慧媒體與通訊（TMT）產業預測》報告指出，2026年將是承諾與現實之間差距縮小的一年。雖然圍繞AI的炒作聲浪將減弱，但使其規模化應用的枯燥工作——如數據治理、系統整合和合規性建設——將成為行業的主旋律。德勤認為，如果不發生根本性的變革，TMT產業不僅將超越其他任何單一產業，其體量甚至可能超過所有其他產業的總和。這不僅是關於晶片或代碼，更在於技術如何滲透到每一條經濟毛細血管。報告從人工智慧的演進、半導體與地緣政治的糾葛，以及媒體消費模式的劇變三個維度，勾勒出未來一至五年的產業圖景。從「訓練」到「推理」：AI的規模化與代理化轉型2026年，人工智慧的發展重心將發生顯著轉移。德勤預測，全球算力結構將經歷一場根本性的倒置：用於「推理」（即運行AI模型以產生回答或執行任務）的計算量將佔據所有AI算力的三分之二，遠超用於模型「訓練」的算力。這一轉變打破了市場先前關於算力成本將因邊緣計算而大幅下降的幻想。報告分析指出，儘管邊緣裝置（如AI PC和智慧手機）的出貨量正在增加，但在2026年，絕大多數的推理任務仍將在昂貴的資料中心內完成。這意味著對高效能晶片、先進封裝技術以及能源的渴求不會減弱，反而會因為「思維鏈」等測試時擴展（Test-time scaling）技術的應用而進一步加劇。與此同時，生成式AI的使用形態正經歷一場「靜默革命」。德勤預測，透過嵌入在搜尋引擎、文書處理軟件等現有應用中的「被動」方式使用Gen AI的使用者數量，將遠超直接使用ChatGPT等獨立工具的使用者。到2026年，在搜尋引擎中透過AI產生的摘要獲取資訊的使用頻率，將是使用獨立Gen AI工具的3倍。這種「隱形化」的普及路徑表明，AI正從一種新穎的實驗品轉變為數字基礎設施的底層水電氣。在企業端，變革的核心是「代理AI」（Agentic AI）。德勤認為，2026年將是自主AI代理編排的關鍵一年。傳統的軟件即服務（SaaS）模式正面臨解構，單一的軟件訂閱可能會逐漸讓位於基於結果或使用量的混合定價模式。如果企業能夠有效解決多代理系統的互通性和治理難題，到2030年，自主AI代理市場規模可能高達450億美元。然而，這也帶來了巨大的複雜性：企業需要重構工作流程，以適應人類與數字員工協同工作的新常態。技術主權崛起與半導體供應鏈的脆弱性在地緣政治緊張局勢加劇的背景下，技術主權（Technology Sovereignty）已成為各國政策的核心議題。德勤報告強調，2026年及以後，各國政府將加速推動建立獨立的數字基礎設施，特別是針對AI算力、半導體和雲端服務。這一趨勢對半導體供應鏈構成了新的挑戰。儘管全球都在努力建立彈性的供應鏈，但關鍵技術的貿易限制正在收緊。報告預測，2026年，包括環繞柵極晶體管（GAA）製造、電子設計自動化（EDA）軟件以及高帶寬記憶體（HBM）先進封裝工具在內的關鍵節點，將成為新的供應鏈瓶頸。雖然相關裝置的直接支出可能只有300億美元左右，但這些技術撬動的卻是價值3,000億美元的AI晶片市場，其連鎖反應不容小覷。這種對主權的追求也體現在物理AI領域。工業機器人市場雖然近年來成長乏力，但隨著視覺-語言-行動（VLA）模型的成熟，具有更高自主性的機器人和人形機器人有望在2030年迎來爆發點。與此同時，低軌道衛星互聯網（LEO）和直連裝置（D2D）技術正在重塑全球連接版圖。德勤預計，到2026年底，低軌道通訊衛星數量將超過1.5萬顆。然而，這一領域的商業化前景仍然充滿不確定性，如何在主權監管、頻譜幹擾和商業變現之間找到平衡，是所有衛星運營商面臨的共同難題。對於電信運營商而言，技術升級的邊際效應正在遞減。在發達市場，消費者已很難感知到網速提升所帶來的差異。報告提出了一個有趣的觀點：在2026年，運營商的獎勵計劃（如免費的比薩或電影票）在留存客戶方面，可能比宣揚5G甚至6G網絡性能更為有效。這標誌著電信競爭已從單純的技術參數比拚，轉向了更感性的品牌價值與服務體驗的博弈。媒體碎片化與內容生產的“好萊塢化”媒體娛樂產業的格局正被短片和生成式AI雙重重塑。德勤報告特別關注了「微短劇」（Micro-dramas）的全球崛起。這種每集僅幾分鐘、情節緊湊的豎屏連續劇，已不再侷限於亞洲市場，而在美國等西方市場展現出驚人的吸金能力。預計到2026年，應用內微短劇的收入將翻倍，達到78億美元。這表明，在註意力極度碎片化的時代，這種經過數據精確計算、能提供即時滿足感的內容形式，正在挑戰傳統流媒體和社交平台的統治地位。與此同時，視頻播客（Vodcasts）正在佔領家庭客廳的大螢幕。透過將音頻敘事與視覺元素結合，視頻播客在2026年的全球廣告收入預計將達到50億美元。這種形式不僅深受年輕一代喜愛，也為品牌提供了更具沉浸感的營銷管道。然而，生成式AI視頻技術的成熟是一把雙刃劍。報告警告稱，隨著AI視頻生成工具逼近好萊塢等級的畫質，獨立創作者將獲得前所未有的賦能，但這也可能導致社交媒體充斥著合成內容。 2026年，尤其是在美國大選等敏感時期，針對AI生成內容的監管壓力將大幅增加。平台將被迫在創新與合規之間尋找平衡，透過浮水印、標籤和溯源技術來維護數字內容的真實性。此外，公共服務廣播機構（PSBs）正在探索一種新的生存模式。面對資金和受眾流失的壓力，歐洲的公共廣播機構開始積極與Netflix、亞馬遜等流媒體巨頭合作，甚至將內容分發權交給社群平台。這種「借船出海」的策略雖然存在稀釋品牌和喪失獨立性的風險，但也為傳統媒體在流媒體時代的可持續發展提供了一個值得借鑑的樣本。綜上所述，德勤的報告揭示了一個處於深刻轉型期的科技世界。 2026年將不再是單純關於技術突破的一年，而是關於技術如何被監管、被整合、被變現的一年。從AI的後台推理到微短劇的前台狂歡，從國家層面的晶片博弈到個人層面的電信套餐選擇，技術正以一種更隱蔽、更務實也更具侵略性的方式，重構著全球經濟與社會的運行邏輯。 （歐米伽未來研究所2025）

AI的競爭日漸激烈，騰訊在大模型領域的戰略和部署正在持續進化。4月29日，證券時報記者從騰訊獲悉，騰訊對其混元大模型研發體系進行了全面重構，圍繞算力、演算法和資料三大核心類股，刷新團隊部署，加碼研發投入。具體來看，騰訊新成立了兩個部門，分別是大語言模型部和多模態模型部，負責探索大語言模型和多模態大模型的前沿技術，持續迭代基礎模型，提升模型能力。此外，騰訊將進一步加強大模型資料能力和平台底座建設，資料平台部專注大模型資料全流程管理與建設，機器學習平台部則聚焦機器學習與巨量資料融合平台建設，為AI模型訓練推理、巨量資料業務提供全面高效的PaaS平台底座，共同支撐騰訊混元大模型技術研發。記者注意到，最近一段時間以來，騰訊在AI領域的組織架構調整動作不斷。今年2月，騰訊完成系列AI產品線調整。繼騰訊元寶從TEG（技術工程事業群）轉入CSIG（騰訊雲與產業事業群）之後，QQ瀏覽器、搜狗輸入法、ima等更多產品和應用也將匯入CSIG，成為騰訊面向大模型時代打出的全新產品組合。與此同時，QQ瀏覽器、搜狗輸入法、ima等產品所在的團隊和組織將從PCG（平台與內容事業群）調整至CSIG。完成這一系列調整後，騰訊建立起了一個包含元寶、ima、QQ瀏覽器、搜狗輸入法四大產品線的AI產品矩陣。其中，元寶是大模型時代的應用入口及標配的AI助手；ima則是延伸到辦公場景的工具產品；而QQ瀏覽器以及搜狗輸入法，則對應如今競爭激烈的AI搜尋市場。除了建構新的AI產品矩陣，隨著DeepSeek等開源大模型的普及，騰訊系列產品是最早一批擁抱DeepSeek的產品，元寶、ima、QQ瀏覽器、騰訊文件、騰訊地圖、QQ音樂等，均宣佈同時支援混元大模型與DeepSeek模型“雙引擎”，微信搜尋也上線了“AI搜尋”功能並接入DeepSeek-R1。這顯示出騰訊正積極推進“核心技術自研+擁抱先進開源”的多模型策略。如果說此前一輪組織架構調整主要圍繞產品側，那麼本次的調整則主要針對技術側，旨在增強騰訊混元大模型的研發實力。騰訊相關人士表示，這意味著騰訊在快速調整組織架構以應對日新月異的大模型行業發展，這次調整有利於整合資源，最佳化研發流程，進一步提升騰訊在AI領域的長期技術作戰能力。據騰訊發佈的2024年年報，騰訊2024年研發投入達706.9億元，資本開支連續四個季度實現同比三位數增長，年度資本開支更突破767億元，同比增長221%，創歷史新高。騰訊總裁劉熾平在財報電話會上表示，隨著AI能力和價值的逐步顯現，騰訊加大了AI投資，以滿足內部業務需求、訓練基礎模型，並支援日益增長的推理需求。據悉，騰訊AI戰略進入重投入期。騰訊董事會主席兼首席執行官馬化騰表示，“數月前，我們重組了AI團隊以聚焦於快速的產品創新及深度的模型研發、增加了AI相關的資本開支、並加大了我們對原生AI產品的研發和行銷力度。我們相信這些加大的投資，會通過提升廣告業務的效率及遊戲的生命周期而帶來持續的回報，並隨著我們個人AI應用的加速普及和更多企業採用我們的AI服務，創造更長遠的價值。”無論是加大AI資本開支投入，還是屢屢調整團隊增強AI研發及產品實力，其凸顯的都是AI大模型領域日漸激烈的競爭，尤其是各個科技大廠之間“硝煙瀰漫”的你追我趕狀態。事實上，面對飛速發展的AI行業，阿里巴巴、字節跳動等大廠也在頻繁地調整組織架構，通過更好地“排兵佈陣”來應對市場競爭。例如，在模型側擁有較強實力的阿里在去年12月的組織架構調整中，將通義千問和夸克一同歸入了“AItoC”類股。今年3月，阿里正式發佈了AI旗艦應用——新夸克。新夸克基於阿里通義的推理與多模態大模型，由舊夸克全面升級為無邊界的“AI超級框”，作為阿里“AItoC”的拳頭級產品，體現了阿里發力AI應用側的決心。前不久，字節跳動也進一步整合AI研發力量，將集團級核心研究部門AI Lab整體併入大模型部門Seed。據悉，為了應對新一輪大模型競爭，字節跳動籌建了獨立於原有組織架構的 Flow和Seed，前者做AI產品，後者做大模型研發。Seed自成立就在不斷吸納來自字節內外的人才，並於最近開啟了今年的Top Seed人才計畫，持續招募頂尖人才加入團隊。 (證券時報)

近日，台積電正式公佈了2023年報，其中對過去一年的公司業績做了一個詳盡的回顧，同時也對2024年的市場發展做了展望和預測。 台積電董事長劉德音和總裁魏哲家在年報中指出，2023年對全球半導體產業而言是充滿挑戰的一年，但我們也見證了生成式AI相關應用的興起，台積電更是其中的關鍵驅動者。儘管面臨短期挑戰，但台積電的技術領先地位使公司的表現優於晶圓製造產業，也讓我們處於有利的位置，以掌握未來的AI和高性能運算（HPC）相關成長機會。 其表示，AI應用目前仍處於起步階段，而無論採取何種設計，AI晶片都需要運用最先進的半導體技術和封裝解決方案、強大的晶圓製造設計生態系統以及高良率來生產更大尺寸（ die size）的晶片，而這些都是台積電的優勢。目前台積電營收總額的大約70%是來自16nm和更先進的製程技術。隨著3nm和2nm製程技術的貢獻在未來幾年將逐漸增加，這個比例只會持續成長，台積電的成熟製程技術約佔營收總額的20%。 其提到，台積電在成熟過程上著重於為特殊製程技術打造高良率的產能，2023年台積電與客戶密切合作，推出了用於智慧型手機的N6RF+、用於相機的互補金屬氧化物半導體影像感測器（CIS），以及汽車與工業應用的22nm磁性隨機存取記憶體（MRAM）等特殊製程技術。台積電的3nm製程技術在2023年下半年邁入高度量產且成長強勁，N3製程技術在2024年與未來幾年中將貢獻更多的營收。