一、什麼是商業航天？SpaceX如何定義這一賽道？商業航天是以市場作為主導的，是以盈利當作核心目的的，它有別於傳統航天那種模式，傳統航天是“國家工程、不計成本、追求極致可靠”的模式，商業航天的本質是用低成本去驅動商業閉環，是把航天從“國家專屬”轉變為“可購買的服務”。這一賽道的絕對開創者是SpaceX，它憑藉可回收火箭技術，讓發射成本呈指數級下降，還依靠Starlink星座率先實現了“低價發射—組網營運—商業變現”的閉環，在2025年，SpaceX收入約160億美元，其中星鏈貢獻115億美元，EBITDA Margin高達50%。一年之中發射次數達到一百六十五次，佔據全球比例為百分之五十一；在軌道運行的衛星數量超過一萬顆，佔全球的三分之二。二、商業航天為什麼重要？是大國博弈的新邊疆已演變為戰略性基礎設施的商業航天，是社會運行至關重要的戰略性基礎設施，同時它也是關乎民生的戰略性基礎設施：民生保障方面，天基基礎設施能提供導航服務，能提供通訊服務，能提供遙感服務，還具備算力服務，以此支撐兆級數字經濟。產業晉級，市場化體制催生出成本低廉、迭代頻率高的技術途徑，進而帶動高端製造整個產業鏈發展。全球範圍內大國之間展開的博弈態勢呈現出這樣一種狀況，即是誰能夠掌控太空領域，那麼誰便能夠對地球實施控制，頻繁出現的軌道資源遵循著“先登先佔”的規則慣例，如此便演變成了爭奪制天權的核心要點所在。三、為什麼有緊迫感？1. 頻軌資源稀缺，進度嚴重不足較低軌道能夠容納數量在六萬至十萬顆之間的衛星，而通訊頻段正漸漸趨向於達到飽和狀態。國際電信聯盟作出規定：在進行申報之後，七年之內必鬚髮射第一顆衛星，不然的話就要削減配額。Starlink：已部署超1萬顆，進度25.7%；中國GW星座：部署僅163顆，進度1.25%；千帆星座：部署108顆，進度0.7%。2. 在軌衛星數量差距懸殊美國：12,173顆，佔全球75-80%；中國：1,111顆，佔全球約7%；把時間移到2025年，美國方面是3720顆，中國方面是371顆，二者之間存在著相差10倍的差距。3. 火箭運力與回收技術短板明顯美國存有多款LEO運力大於20噸的可回收火箭，SpaceX處於一超多強的態勢。中國火箭仍以一次性為主，LEO運力普遍<10噸；2026年被視作“中國火箭可回收元年”，會有10餘款火箭朝著回收展開衝刺。四、差距是如何拉開的？可重複使用是分水嶺從2022年起，在中國和美國其火箭進行發射時次數差異快速地拉大了起來，在2025年，美國進行火箭發射達到了181次，而中國是92次，這裡起關鍵作用致使出現反差的原因在於：SpaceX公司的Falcon 9火箭，在2015年達成了首次回收的目標，於2017年進行了首次復用，直至如今單枚火箭復用次數最高達到了33次。成本優勢出現了，Falcon 9每公斤發射成本從原本的萬元美金下降到了大約500美元。Starlink推動力量：2025年，Starlink相關任務在SpaceX發射當中所佔比例為75% ，進而成為實現增長的核心動力。五、為何重複使用是關鍵？降本與規模化是核心使得發射成本下降幅度超過百分之七十的可回收技術，以Starship作為例：全新製造成本約9000萬美元；12次復用後，單次發射成本降至1000萬美元以下；按照150噸的載荷來進行計算，在第10次復用之後，每公斤的成本僅僅只有77美元，這一成本低於洲際快遞的運費。中國當下商業招標的單價依舊是高於SpaceX的，SpaceX約為2萬元人民幣每公斤，然而一旦達成實現可回收的突破，那麼成本就有希望有機會快速地下降。六、衛星需求的驅動因素：星座組網是主引擎在全球衛星製造市場當中，從2025年到2034年期間，其CAGR會達到1,16.2%，同時，LEO衛星的佔比會突破50%。據相關資訊顯示，美國方面表示，到二零三零年的時候，將會新增大概三萬顆衛星，並且平均每年發射數目在四千顆至七千顆之間。中國，在2025年的時候，通訊衛星進入軌道的數量達到230顆，與之前相比增長幅度為90%，到2030年，有著新增接近2萬顆衛星的可能性。七、中國商業航天面臨的三大問題結構失衡：應用 < 衛星 < 火箭 < 發射能力；火箭存在運力方面的瓶頸，衛星的產能是足夠的，然而火箭的運力卻不夠，其發射效率遠遠低於SpaceX。商業化閉環未跑通：下游市場化應用不足，依賴政府需求。八、中美產業鏈投資機會梳理中國：以供應鏈為主：美國：龍頭已完成商業閉環：(TOP行業報告)

4月29日晚間，中國國產半導體IP廠商芯原股份披露了2026年第一季度報告，公司實現營業收入8.36億元，同比大漲114.47%。然而，歸屬於上市公司股東的淨利潤為-3.41億元，虧損額較去年同期的-2.20億元顯著擴大。對於淨利潤虧損擴大的現狀，芯原股份財報資料揭示了兩大主要原因：研發投入持續高企：公司堅持高研發投入以保持技術競爭力，報告期內研發投入合計4.85億元，同比增長53.38%。儘管佔營業收入的比例因收入大增而下降至58.04%，但費用的絕對金額增長依然對利潤構成壓力。綜合毛利率有所下降：報告期內，公司綜合毛利率為32.29%，較去年同期下降6.76個百分點。公司解釋稱，這主要是收入結構變化所致。毛利率相對較低的一站式晶片定製業務（尤其是量產業務）佔比快速提升，拉低了整體毛利率水平。不過，公司強調其商業模式具有可規模化優勢，量產業務產生的毛利大部分可貢獻於淨利潤。芯原股份一季度業績的最大亮點在於訂單與收入的爆發式增長。 2026年第一季度公司新簽訂單金額高達82.40億元，其中AI算力相關訂單佔比達到91.37%，即AI算力相關訂單金額達到了約75.59億元。大量訂單的湧入直接體現在收入上，其中一站式晶片定製業務收入同比增長145.90%，該業務下的量產業務收入增幅更是高達219.93%，成為拉動業績增長的核心引擎。截至報告期末，芯原股份在手訂單金額達到51.33億元，已連續十個季度保持高位，其中超過90%預計在一年內轉化為收入，為未來增長提供了較高的能見度。總結來看，芯原股份的財報典型地反映了其作為平台型晶片設計服務公司的商業模式特徵。前期高額的研發投入和業務結構向規模化量產傾斜，短期內會對利潤表造成壓力。但從長遠看，隨著AI從雲端向終端加速滲透，全球對定製化AI ASIC和先進半導體IP的需求將持續旺盛。芯原股份憑藉其在圖形處理器（GPU）、神經網路處理器（NPU）和視訊處理器（VPU）等核心IP領域的深厚積累，在手訂單飽滿，業務深度嵌入全球AI產業鏈，客戶群體向大型網際網路公司、雲服務提供商拓展，已佔據有利生態位。受一季度營收同比翻倍，AI算力相關訂單訂單金額達75.59億元的利多影響，芯原股份4月30日股價一度大漲超19%。 (芯智訊)

《克勞銳的〈2026中國內容機構（MCN）行業發展研究報告〉》主要內容。一、行業進入“精打細算”的成年期，賺錢更難了過去的十年當中，MCN行業彷彿在“流量風口上狂奔”，誰奔跑得速度夠快誰便能夠獲取到錢財。然而到了2025年的時候，該行業正式邁入“微利時代”，眾多機構儘管收入依舊處於增長態勢，可是利潤卻無法提升上去，甚至出現下滑情況。將近八成的機構面臨利潤增長方面的壓力，該行業從原本的整體“拼規模”轉變為“拼效率”。機構開始進行“瘦身”操作，將其拆分為一個個小團隊，引入合夥人機制，砍掉那些不盈利的業務，運用AI去替代重複性的工作，把控好每一分錢的支出使其都花發揮最大價值。簡單來講就是：不再像以往那樣變成“只要做大便可以獲勝”，而是轉變成了“唯有做精才能夠存活”。二、平檯布局“多點開花”，內容更講“真實感”之前，MCN 大多將賭注押在一兩個平台上，如今這樣做已行不通，機構得同時於多個平台展開佈局，涵蓋抖音、小紅書、視訊號，甚至是海外平台，以此來分散風險、尋覓新機遇，小紅書成了重點拓展的方向，視訊號所蘊含的潛力也在不斷釋放，與此同時，使用者於“精緻劇本”產生了疲勞之感，反倒更為青睞具備“野生感”“活人感”的內容，也就是真實、自然、不做作，機構也開始從“強管理”轉變為“服務繫結”，憑藉優質的內容以及服務去吸引達人，而非依靠合同進行強硬把控。三、未來方向：從“流量中介”變身“產業服務商”MCN 已不再單純是充當幫達人承接廣告、創作內容的那種中介角色了，而是正逐步演變成“綜合服務體”。存在一些機構自行開展品牌打造工作、進行出版業務、涉足線下文旅領域；存在一些機構將短影片 IP 轉化為培訓認證體系，甚至於獲取景區經營權；另外還有些機構借助 AI 以工業化方式生產內容，向東南亞、拉美等地區拓展，複製國內成功模式。未來的 MCN，並非流量的依附對象，而是成為連接內容、商業以及產業的“超級樞紐”——能夠助力品牌切實實現貨品銷售、為使用者真正解決問題的一方，便能走得更為長遠。(TOP行業報告)

DeepSeek-V4以演算法革新打破記憶體牆，倒逼硬體升級。芯東西4月25日報導，本周五，“國產大模型頂流”DeepSeek-V4開源，其產業影響力火速蔓延：DeepSeek-V4-Pro登頂Hugging Face開源模型榜，A股和港股的AI算力類股全線飄紅，國產AI晶片廠家、雲巨頭、伺服器廠家開啟密集適配、接入……DeepSeek-V4兩款模型DeepSeek-V4-Pro與DeepSeek-V4-Flash，採用MoE架構，總參數規模達到1.6T（啟動49B）與284B（啟動13B），均支援最長百萬Token上下文。昨日，DeepSeek還亮出核心技術底牌，正式發佈新模型技術報告，全面拆解新一代架構升級核心、深度最佳化預訓練與後訓練全流程體系，公開了全套核心演算法與迭代秘籍。扒完這份報告不難發現，DeepSeek-V4以CSA、HCA混合注意力、異構KV Cache、FP4量化感知訓練等系統性創新，從演算法根源打破“記憶體牆”，讓百萬Token長上下文推理真正走向低成本、可規模化的工程落地。演算法層面的突破背後，DeepSeek-V4更是用極致壓縮架構，反向定義了下一代AI晶片必須走的硬體升級方向：通過差異化存算方案，適配不同資料在頻寬、延遲、儲存容量上的多元需求。01.DeepSeek-V4開啟效率革命百萬級超長上下文拉滿DeepSeek-V4全系標配百萬Token超長上下文，其上下文長度達到上一代DeepSeek-V3.2模型的近8倍。根據技術報告，這得益於其核心架構的幾項關鍵升級：首先，DeepSeek-V4採用了混合注意力架構。DeepSeek結合了CSA（壓縮稀疏注意力）和HCA（高度壓縮注意力），使DeepSeek-V4-Pro在100萬Token的上下文設定下，相比DeepSeek-V3.2僅需27%的單Token推理浮點運算量，KV Cache佔用量降至前代模型的10%。更輕量的DeepSeek-V4-Flash將效率推至更高水平，其單Token浮點運算量僅為DeepSeek-V3.2的10%，KV Cache佔用容量更是低至後者的7%。這一架構升級的核心思路是，CSA先將KV Cache沿序列維度進行壓縮，再在壓縮後的條目上執行稀疏注意力，僅關注最相關的壓縮塊。HCA則採用更大壓縮率，將每128個Token的KV資訊融合為一個條目，但保持稠密注意力，兩種機制交替，底層使用CSA保持精細的局部依賴，高層使用HCA大幅壓縮遠端上下文。▲CSA核心架構（左）、HCA核心架構（右）其次，DeepSeek引入了mHC（流形約束超連接）以及Muon最佳化器，mHC結構能在保留模型表徵能力的同時提升多層網路間訊號傳播的穩定性；Muon最佳化器可幫助實現更快的收斂速度和更高的訓練穩定性。最後是升級版DeepSeekMoE，DeepSeek-V4保持每層384個路由專家+1個共享專家，每Token啟動6個的DeepSeekMoE框架，並將初始層的密集FFN取代為Hash路由的MoE層，提升稀疏啟動效率。此外，DeepSeek-V4還設計了異構KV Cache與磁碟快取機制：壓縮後的CSA/HCA條目存檔，滑動窗口SWA未壓縮KV支援全快取、周期檢查點、零快取三級策略，靈活平衡儲存與計算，實現共享前綴請求零重複預填充。▲DeepSeek-V4整體架構02.演算法創新打破記憶體牆DeepSeek-V4倒逼AI晶片重構存算邏輯DeepSeek-V4的技術革新背後，是兆參數模型普遍面臨的推理效率困局。算力是最近幾年大模型產業的焦點話題，從算力供給、GPU緊缺程度，再到超算叢集的規模化擴張，始終是行業熱議焦點。但伴隨大模型進入商業落地、實際部署的關鍵期，產業界愈發意識到，即便算力問題得到階段性緩解，系統層面的瓶頸並未消失，而是悄然轉移到了另一個核心環節——記憶體。伴隨大模型參數規模捲上兆、上下文長度達到百萬，AI推理產生的中間過程資料體量急劇膨脹，對記憶體承載上限與讀寫訪問效率形成嚴苛考驗。以輝達H200為例，其配備141GB HBM3E視訊記憶體和4.8TB/s傳輸頻寬，但算力與記憶體頻寬仍存在明顯差距。AI解碼時資料搬運速度跟不上運算節奏，大量計算單元空轉閒置，既浪費硬體性能也加劇高功耗問題。當前場景下，GPU算力並未充分閒置，但視訊記憶體裝不下、資料傳太慢拖了後腿，會引發功耗飆升、整機部署成本大幅攀升等一系列連鎖問題。在這樣的背景下，AI晶片的競爭邏輯正在重構：不單純比拚“運算速度”，而是延伸至記憶體容量、資料吞吐、能耗控制的綜合較量。此前不少廠商依靠堆砌高規格記憶體，以硬體冗餘掩蓋架構短板保障推理運行，代價是功耗與硬體成本持續走高。但這種治標不治本的方案，已無法適配長期產業發展。因此，當下AI晶片廠商正面臨雙重挑戰：記憶體牆瓶頸持續加劇，且DeepSeek-V4演算法迭代提速，倒逼硬體同步進化。正如前文所述，DeepSeek-V4通過幾項關鍵架構創新攻克“記憶體牆”難題，真正實現了百萬Token長文字推理的規模化落地。但矛盾的是，當前多數AI晶片仍採用同質化存算設計，難以適配新一代大模型的分層運行邏輯與異構資料特徵。這也意味著，這樣的AI晶片會抵消模型演算法升級換來的壓縮優勢、成本優勢與性能增益，成為制約大模型推理效能釋放的核心瓶頸。具體來看，DeepSeek-V4推理存在鮮明的資料異構特徵：KV Cache、門控路由、注意力與共享專家參數屬於高頻低延遲的熱資料；384個全量路由專家、壓縮遠端KV、磁碟級冷存KV為低頻低時效的冷資料，僅少量專家參與啟動計算。並且模型本身已通過量化壓縮、分級快取、冷熱分層儲存完成精細化設計，天然適配異構記憶體架構，亟需硬體以差異化存算方案匹配不同資料的頻寬、延遲與容量需求。03.冷熱資料分層+雙DRAM融合異構記憶體破局記憶體牆想要破解這一困局，從系統層面著手的核心思路是：讓不同類型的記憶體各司其職。深耕3D記憶體領域多年的微珩科技，其底層研發邏輯正與此思路一脈相承。具體來看，針對DeepSeek-V4的異構資料訪問特性，微珩扶光晶片摒棄單一記憶體堆疊設計，融合3D DRAM與2D DRAM，打造了定製化異構記憶體子系統：該架構的創新性在於，以3D堆疊DRAM替代端側LPU傳統片上SRAM，結合三維堆疊、混合鍵合封裝，縮短資料傳輸路徑，兼顧SRAM低時延與DRAM高密度、低成本優勢。基於此，其能解決SRAM容量小、面積與成本高的侷限，同等晶片面積儲存大幅擴容，適配大參數模型、長上下文推理；避開HBM供應鏈與高頻寬依賴問題。再加上其存算就近互聯，權重常駐儲存、訪存更穩定，能降低功耗與量產成本。其中，3D DRAM依託TSV矽通孔垂直堆疊架構，大幅縮短資料傳輸路徑，兼具低訪問延遲、低位元功耗與超高頻寬，適配高頻熱點資料讀寫；2D DRAM採用成熟平面布線方案，散熱表現優異、容量可靈活拓展，且成本可控、供給穩定，適配低頻冷資料儲存。兩類記憶體形成高速低耗、大容量低成本互補組合。此外，微珩科技自研的資料對應策略，還能適配DeepSeek-V4的分層調度邏輯。對頻寬敏感的核心熱資料，微珩將KV Cache、MoE門控網路、共享專家、注意力參數，以及已啟動路由專家快取記憶體，統一掛載至3D DRAM。門控網路需即時完成384個路由專家權重運算，支撐單Token動態調度；壓縮後的KV Cache解碼階段仍需逐輪高頻調取；共享專家與注意力參數為推理核心高頻元件，疊加啟動專家快取的時間局部性訪問特徵，依託3D DRAM高頻寬、低延遲優勢，保障核心鏈路高速讀寫與高效計算。而頻寬需求較低的冷資料，則統一存放於2D DRAM，包含FP4量化全量路由專家、HCA壓縮遠端KV條目及磁碟下沉冷快取。模型單Token僅啟動6位專家，其餘全量參數長期低頻駐存，2D DRAM大容量、低成本的特性，可承載384個全量專家參數與低頻遠端資料儲存，基礎頻寬足以匹配訪問需求。這樣通過冷熱資料分層異構部署的策略，能在控制硬體成本的前提下進一步釋放推理性能，以壓低兆參數大模型的落地部署成本與落地門檻。04.微珩科技用異構記憶體改寫大模型落地規則DeepSeek-V4的問世，不僅是架構層面的創新，更是大模型在端側落地部署的關鍵里程碑。桌面一體機、邊緣伺服器等端側裝置在部署大模型時，往往會受限於高速記憶體成本高昂且容量有限。根源在於傳統架構採用單一記憶體方案，對所有模型參數進行同質化儲存，這樣一來，全部署於低速記憶體會限制推理性能；全部署於高速記憶體會面臨容量不足的問題，都會導致大模型難以在端側落地。而DeepSeek-V4來自演算法層面的核心升級，疊加微珩扶光晶片的2D+3D異構架構，恰好形成一套完整可行的破局方案。在演算法端，DeepSeek通過CSA、HCA從演算法層壓縮計算與視訊記憶體，搭配異構KV Cache做分級儲存、FP4量化壓縮參數，三者協同使得僅高頻訪問的關鍵參數駐留高速記憶體，其餘海量資源全部遷移至低速記憶體，為端側部署掃清算力瓶頸。在硬體端，微珩扶光晶片的2D+3D異構記憶體架構具有天然優勢，對應DeepSeek-V4的分層策略，2D DRAM承接海量路由專家和冷資料，降低硬體成本；3D DRAM保障KV Cache、門控網路等核心資料高速流轉，實現推理效率提升。無需堆砌昂貴的HBM，端側裝置即可運行兆參數級大模型。長期來看，這套演算法與硬體一體化的解決方案或能打破超算中心對高階AI能力的壟斷，推動AI算力從高成本雲端，大規模下沉至消費電子、智能硬體、邊緣終端等全域裝置，真正落地端側普惠、算力平權的產業趨勢。微珩科技在3D記憶體方案的技術革新、商業化方面已經有不少成果。其晶片團隊於2021年量產了首款3D記憶體方案計算晶片，是國內首批開展相關技術方案設計與量產的企業之一，近年來已先後量產兩代晶片，累計實現營收超10億元。身處本輪技術範式迭代的關鍵周期，微珩科技已成為端側AI產業化落地的核心推動者。05.結語：DeepSeek演算法革新正倒逼記憶體產業升級當大模型競爭從演算法參數比拚邁入軟硬協同落地的全新周期，單一的架構最佳化或是硬體堆料，都已無法支撐行業長期發展。可以預見，未來AI產業的核心競爭力，將可能不再侷限於雲端超算的極限算力，而是落腳於存算異構、分層調度、成本可控的全域部署能力。端側算力下沉、算力平權普及或將成為不可逆的產業趨勢。當下，DeepSeek-V4的演算法革新，正倒逼記憶體架構走向精細化、差異化的分層設計。以微珩扶光晶片為代表的異構記憶體方案，印證了冷熱資料分流、高低速記憶體協同是突破端側瓶頸的有效路徑。這也意味著，從雲端集中式算力，到雲邊端分佈式協同，AI產業正迎來一次底層架構的變革。 (芯東西)

你好，我是傑哥。史丹佛大學《AI Index Report 2026》系列終於來到最後一期。我們前兩期聊了技術狂飆和全面滲透，這次把目光轉向最關鍵也最容易被忽略的部分——AI治理博弈。AI 發展太快，治理卻跟不上。這份報告用資料直白地告訴我們：能力在飛奔，責任、政策和公眾信任卻在拉鋸。專家和普通人的看法差距巨大，全球各國政策走向也完全不同。負責任AI：能力全報，責任卻“選擇性失明”報告最刺眼的一個發現是負責任AI明顯滯後。幾乎所有前沿實驗室都會完整公佈能力基準成績，但涉及安全、公平、隱私等責任基準的報告卻少得可憐。更現實的問題是AI事件數量大幅上升。2025 年全球記錄在案的AI相關事件達到 362 起，比2024年的 233 起增加了超過50%。更麻煩的是，研究發現：提升一項責任維度（比如安全），有時反而會損害另一項（比如精準性）。這意味著“修補”變得異常複雜。政策分化：歐盟收緊，美國放鬆，開發中國家集體入場2025年各國AI政策走向出現了明顯分化。歐盟AI Act首批禁止條款正式生效，美國則轉向放鬆管制。日本、韓國、義大利分別通過了國家AI法律。更值得注意的是，超過一半的新增國家AI戰略來自開發中國家，它們第一次大規模進入政策舞台。報告特別強調，“AI主權”已成為全球共識。各國都在努力掌握自己的AI生態，避免被少數大國完全主導。無論是建超算中心還是制定本土規則，主權意識正成為新政策的核心。人才流動“斷崖式”下降：美國吸引力下滑美國仍然是AI人才最集中的地方，但吸引力正在快速減弱。報告顯示，赴美AI研究者和開發者數量自2017年以來下降了89% ，僅去年一年就跌了80% 。這可能是近年來最劇烈的變化之一。與此同時，開源社區正在悄然改變格局。GitHub 上，非歐美地區的貢獻已超過歐洲，正逼近美國。這讓更多語言的模型和基準測試出現，全球參與度變得更加均衡。專家與公眾：50個百分點認知鴻溝最發人深省的是公眾意見部分。當被問到AI對工作的影響時，73%的AI專家認為會是積極的，而普通公眾只有23%持相同看法，差距高達50個百分點。在經濟和醫療領域，也出現了類似的巨大分歧。信任版圖同樣分裂。在受訪國家中，美國民眾對自己政府監管 AI 的信任度全球最低，僅為31% 。相比之下，歐盟在全球範圍內的監管信任度最高。中國和美國的信任資料也形成了鮮明對比。報告總結得很中肯：資料並沒有指向單一方向。AI 在加速發展，治理體系卻在適應中掙扎。樂觀和焦慮同時存在，關鍵在於我們如何平衡。完結篇：技術狂飆之後，我們需要什麼？《AI Index Report 2026》給我們畫出了 AI 完整圖景：技術在狂飆，落地在滲透，治理在博弈。中美 仍在技術前沿你追我趕，但治理層面的分化和信任鴻溝，正在成為新的變數。開源正在重新分配參與權，主權意識正在重塑國家策略，而公眾與專家的認知差距提醒我們——技術最終要服務於人，不能只跑在前面。如果你對 AI 治理、政策或公眾態度有自己的看法，歡迎在留言區分享。下次我們繼續關注 AI 最新動態，一起把脈這個快速變化的世界。關注公眾號【AI資訊風向】，回覆 666，即可獲取這份 AI 行業報告。AI 技術正以前所未有的速度發展，它將如何塑造我們的未來？讓我們拭目以待。 (AI資訊風向)

在快節奏的商業世界裡，高壓決策幾乎每天都在發生。想像一下董事會會議室裡，高管們圍坐一桌，討論一項可能影響公司未來十年的重大收購。財務模型嚴謹卻結論不明，風險真實存在。討論剛開始，氣氛就變了：有人急切打斷、有人猛烈反駁，有人默默埋頭看資料，還有人試圖“和稀泥”說“我們都認同增長，別搞成對立陣營”。心率在上升，傾聽能力卻在下降。這就是麥肯錫最新發佈的報告《How leaders can help their organizations metabolize strain》開篇描繪的真實場景。作者指出，表面看是商業分歧，實際是生理反應——人們對“損失”的本能恐懼：地位、歸屬感、勝任力。未被處理的恐懼不會消失，它會縮小思維、扭曲判斷，讓團隊錯失最佳決策。報告提出了一種實用領導方式：trauma-informed leadership（創傷知情領導力）。它不是要消除壓力，而是學會管理壓力對注意力、判斷力和人際關係的影響。領導者不再把“反對聲音”簡單貼上“抗拒變化”的標籤，而是創造條件，讓恐懼被看見、被整合，讓大家從防禦狀態轉向清晰行動。為什麼工作場所需要“創傷知情”視角報告強調，創傷不只是極端事件，還包括日常中讓人感到無力、害怕或被壓垮的經歷。這些經歷會長期影響人們處理反饋、做決策和與他人相處的方式。在組織裡，持續的轉型——重組、戰略調整、項目下線、角色變化——都會帶來未被承認的成本：對確定性、影響力、團隊凝聚力的恐懼。麥肯錫健康研究所對 30 個國家約 3 萬名員工的調研顯示，33% 的受訪者表示自己經歷過影響生活的 traumatic event（創傷事件）。這些員工在 engagement（敬業度）、adaptability（適應力）、learning and growth（學習與成長）、psychological safety（心理安全感）、innovation（創新）和self-efficacy（自我效能）六個關鍵領域，表現都明顯更低。報告特別指出，這不是因果關係，但清晰反映出：當員工感覺不安全時，他們的投入度和創造力都會打折扣。一個醫院高管用實際行動證明了改變可能。她發現重組期間團隊疲憊、 默默地抵抗，於是每月組織一次大家戲稱的“funeral meeting”（葬禮會議）。大家一起說說“什麼會想念”“什麼還沒完成”“能帶走什麼教訓”。項目結束、資源調整、角色變化，都被公開承認。目的不是情緒宣洩，而是真正整合。結果，阻力減少了，重新投入更快了，衝突少了，決策質量也上去了。工作量沒變，但“動盪感”大大降低。三大領域：從自我到系統的創傷導向型領導力報告把領導力拆成三個相互連通的層面：I—Self（自我）、You—Relationships（關係）、We—System（系統）。壓力會在這些層面流動，領導者需要同時強化三者，才能讓組織在高壓下保持清晰和韌性。I—Self：先調節自己，再回應領導者壓力一大，往往先感受到“ 緊迫感”，想趕緊結束討論、推進決議。一位全球農業公司 CEO 發現，自己在團隊爭論激烈時會本能插手“救場”。通過反思，他認清了自己的觸發模式：胸口發緊、呼吸變淺、說話加快，以及腦子裡反覆出現的“我得管起來”的念頭。他練習兩個簡單動作——深呼吸打斷應激反應，同時把不耐煩和 對失敗的恐懼當作資料看待，而不是立刻行動。漸漸地，他學會問團隊：“我們到底要解決什麼？目標是什麼？”結果，團隊參與度更高，決策也更紮實。實用做法包括：識別反覆出現的觸發點、注意身體和情緒的早期訊號、pausing（暫停呼氣）讓更好思考浮現，以及在日程裡安排會議間隙的重設。You—Relationships：讓別人“feel met”（感到被理解）壓力下，領導者容易從“傾聽”切換到“管理”：聽到擔憂就立刻安慰“沒問題”，聽到抱怨就解釋“道理是這樣”。這些“好意”往往讓對方更防禦。有效領導者會先識別對方的啟動訊號——呼吸變化、聲音緊繃、肢體僵硬——然後真誠承認：“我知道這很難。”而不是馬上解決問題。工業公司一位CEO 面對下屬接手陌生業務時的牴觸，沒有急於推績效，而是先問“什麼讓你覺得最難”，並明確表示“你不是一個人在扛”。後來那位領導者敢於冒更大風險，業務也順利增長。整個團隊都看到：敢於挑戰自我的員工，會得到真實支援。小技巧有：先觀察啟動跡象，再回應內容；用開放問題引導“我知道這很難，這裡什麼最讓你擔心？”；在對話開頭留一個簡短“到達時刻”，幫助大家從反應回到思考。We—System：設計讓系統在壓力下保持一致壓力會通過結構、決策和日常流程放大。領導者需要打造“nesting grounds”（庇護空間）——結構化的會議或儀式，讓大家處理情感負荷，重新對齊方向。交通公司CEO 在重組中定義了幾條“無論市場怎麼變都不會改”的承諾，穩定決策權、溝通節奏和關鍵儀式。媒體公司則把戰略錨定在清晰的使命上，讓每個人知道自己在更大圖景裡的位置。調研還顯示，當員工感受到高 organizational support（組織支援）、psychological safety（心理安全感）、韌性和適應力時，投入度和創造力水平是低分者的6倍左右。實用步驟包括：講清楚目的和變革故事、明確不變的優先順序和溝通節奏、建立回顧與過渡論壇、團隊例行集體暫停時刻。在持續變革時代，這種領導力越來越重要如今，數字過載、地緣政治不確定性、AI 浪潮和社會分化，讓壓力成了常態。過去那種“危機間隙恢復”的領導模式已經不夠用。創傷導向型領導力 不是取代戰略清晰、執行力和問責，而是讓這些能力在持續高壓下依然有效：決策更快、落地更好，分歧變成思維碰撞而不是個人衝突，新想法不斷湧現。壓力不會消失，但組織不再放大它。人們能承受強度，因為連接更強、組織更健康、人也更親民。報告最後寫道：“領導者可以使用工具來設計能代謝壓力的系統，從而創造更強的連接、更健康的組織，以及更真實的人類體驗。”最後這份報告為所有希望在不確定中保持競爭力的領導者，提供了一套清晰、可操作的框架。無論你是帶團隊的經理，還是制定戰略的高管，都值得一讀——因為真正的韌性，從學會 metabolize strain（代謝壓力）開始。 (AI資訊風向)

不融資、不上市、不接受外部干預的DeepSeek一直被認為是AI圈最特立獨行的存在。但創始人梁文鋒近日終於鬆口，表示要資本市場融資，估值目標是100億，這一戰略改變，或許意味著AI競爭即將進入白熱化階段。自從ChatGPT引爆“ChatGPT時刻”至今不過短短三年，2025年DeepSeek橫空出世，迅速打破了外界對中國大模型能力的刻板印象。這兩年，AI領域又發生了什麼翻天覆地的變化？這場看不見硝煙的戰爭中，誰最有機會勝出？史丹佛大學最新發佈長達432頁的《2026年AI指數報告》或許能夠告訴我們真相。圖源：Artificial Intelligence Index ReportAI世界格局重寫中美模型兩分天下這組資料如果放在三年前看，幾乎是不可想像的。2023年，Open AI推出GPT-4在AI圈一騎絕塵，當時中國的AI模型還落後了30%，但是在2026年，這個差距已經飛速縮小。在最新的LMArena測評中，美國最強的模型是Anthropic的Claude Opus 4.6，評分是1503。而中國字節跳動推出的Dola-Seed Preview拿到1464分，兩個最頂尖的大模型只差39分，從比例來看，差距約2.7%。圖源：Artificial Intelligence Index ReportLMArena評分是AI界的段位分，分數越高，意味著在盲測中勝出的機率越大。在此之前美國模型一直霸榜，而現在中美的AI模型差不多兩分天下。從2025年初開始，中美兩國的頂尖AI模型就多次輪流登頂，你追我趕已經成為常態。2025年全球大約有95個頂尖AI模型，美國發佈了50個，中國以30個緊隨其後。在全球Top 10的模型發佈主體中，我們熟悉的Open AI、Google、xAI都有上榜，中國也佔了四個席位，分別是阿里巴巴、DeepSeek、清華大學和字節跳動。無論是在中國還是美國，這些頂級模型中，超過90%來自企業，高校、實驗室、研究所的貢獻微乎其微，前沿AI模型的研發已經主要由工業界主導。圖源：Artificial Intelligence Index Report全球發佈的約95個頂尖AI模型基本集中在個別科技巨頭手中，中小企業缺乏資源、人才和實力，在AI這場戰爭中和大廠的差距越拉越遠，AI領域的馬太效應越來越明顯。不過，如果我們要分析中美兩國的AI發展路徑，其中也有一些差異。美國模式是大力出奇蹟，靠砸錢和建基建堆出優勢。大量資金湧入AI賽道，2025年私人AI投資高達2859億美元，是中國的23倍；擁有5427個資料中心，數量是其他國家總和的10倍以上。而中國走的是精打細算、精準發力路線，雖然投入沒有美國強，基礎設施沒有美國厲害，但是AI論文發表量、專利產出量世界第一。圖源：Artificial Intelligence Index Report工業機器人裝機量佔全球54%，落地應用的廣度遠超美國，可以用更低的成本實現了頂級模型相差無幾的效果。不過也有反對的聲音認為目前AI的發展不能只看模型資料，美國在資料中心的投入依然佔有很大優勢，而且壟斷晶片、作業系統等底層技術。中國雖然看起來是追平美國，但是過於依賴外部技術，如果被算力封鎖，差距又會再次拉開。AI越強 人和人的差距反而越大AI的發展速度之快，很多人都有深刻的體會，這段時間，幾乎每天睜開雙眼就能看到AI取代不同的職業。但其實，AI有些地方已經超過人類，有些地方差得離譜。Google的Gemini Deep Think模型在2025年國際數學奧林匹克競賽中拿到了35分獲得金牌，比去年的銀牌又有新的進步。但是在讀取模擬時鐘的ClockBench測試中，正確率只有50.1%。圖源：Artificial Intelligence Index Report這種差異也被稱為“鋸齒狀前沿”，意思是AI在某些複雜任務上表現出色，但是在一些簡單任務上卻失敗了。比如AI智能體在真實電腦任務上的成功率可以從12%提升到66%，但是在結構化基準側重依然有三分之一的機率會失敗。AI機器人在實驗室中通過軟體模擬機械操作成功率達到89.4%，但是在真實的生活環境中只能完成12%的任務，AI真正從實驗室走向物理世界還有很漫長的路要走。AI偏科的特性，對勞動力市場的衝擊也有差異。除了重複性、標準化強的崗位會被加速替代之外，報告提到，22-25歲的開發者面臨的AI衝擊最大。這一年齡階段基本是職場菜鳥，主要寫基礎程式碼、功能測試、資料整理等執行類工作，而這些任務都是AI最容易自動化完成的。而稍微年長的35歲以上程式設計師，由於積累了行業經驗、對業務也有基本的判斷力，所以很容易找到人和AI協作的切入點，受到的衝擊就比較少。資料顯示，2024年美國22-25歲年輕開發者就業人數下降約20%，而年長開發者數量還在增長，AI的篩選作用清晰可見。圖源：Artificial Intelligence Index Report毫無疑問，AI的出現會拉開人與人之間的差距，而不同層次的人群對AI就業影響的感受也天差地別。73%的專家認為AI會帶來更多就業機會，但是只有23%的美國人覺得AI可以改善自己的工作。AI雖能讓客服、軟體開發等領域生產力提升14%-26%，但在需要依靠人類判斷力的任務中效果不理想。不過報告指出，有三類人不僅不用擔心AI衝擊，而且還會在這波浪潮中漲薪。第一類是能夠駕馭AI的專業人士，可以利用AI放大自己的能力；第二類是需要溝通、創意等軟技能的崗位，因為AI無法替代，而這些需求一直存在；第三類是AI訓練師、倫理專家等新興崗位，屬於AI延伸出來的職業，未來前景大。AI的偏科既帶來了生產力的提升，也重塑了勞動力市場的格局。對於每個人來說，適應AI、學會與AI協作，找準自身不可替代的核心優勢，才是應對這場變革的關鍵。AI與教育錯位 一場正在擴大的時代裂縫AI的發展速度，已經快到讓教育體系有點跟不上節奏了。AI教母李飛飛曾說，現在的傳統教育是滯後的。她認為，當前的教育依然停留在工業時代，依靠知識填充和應試，這種模式是通過記憶和重複訓練將大量知識喂給學生。圖源：網路問題在於，生成式AI最擅長的就是快速、精準地學習這些結構化知識。生成式AI可以在幾秒鐘內完成資料整理、寫作潤色甚至邏輯推演。如果教育還在強調這些能力，相當於讓人類用自己的短板，去和AI的長板硬碰硬。她還指出當前教育體系存在的三個困境，第一是目標錯位，學生花很多年時間學習一些機器輕鬆替代的技能，浪費人類的潛力；第二是內容過時，課程重理論、輕技能，依然圍繞記憶和考試展開，而這些正是最容易被AI替代的部分；第三是結構僵化，文科理科被強行分開，學生很難同時具備技術理解和人文判斷，而現實世界的問題越來越依賴跨界能力。很多人都有共識，AI已經成為這一代學生的基本素養，但系統的AI教育卻遲遲沒有跟上。史丹佛大學的《2026年AI指數報告》指出，從全球看，基礎電腦教育已經比較普及，超過90%的國家在中小學階段提供相關課程，但AI教育的推進速度較慢。圖源：Artificial Intelligence Index Report中國和阿聯都從2025-2026學年開始，把AI教育納入強制體系，但AI的發展技術迭代以月為單位，教材更新以年為周期。很多學生在書本上學到的已經是上一個版本的內容，越來越多學生只能在課堂之外學習AI，於是學校的價值被質疑。更值得注意的是，教育變革也明顯落後於AI擴散的速度。報告提到，超過80%的美國高中生和大學生，已經在學習中使用AI工具，最常見的用途是查資料、修改論文和做頭腦風暴。圖源：Artificial Intelligence Index Report進入AI時代，年輕人已經普遍開始依賴並運用AI工具，但學校的反應卻明顯滯後。只有一半的中學制定了AI相關政策，而在教師中，只有6%認為這些政策是清晰可行的。學生在用AI，老師不知道該怎麼管，規則也不明確，這是教育界最擔心的場景。AI以迅雷不及掩耳之勢改變我們的生活、工作和教育，但當前的教育系統還在按舊邏輯運轉，而現實世界已經換了一套規則。這種錯位和滯後不只是因為技術更迭快，而是教育的底層邏輯已經和當今社會不相匹配。AI既可以放大一部分人的優勢，也會進一步拉大差距。如果我們依然選擇停留在被動接受知識，那麼未來就會成為被AI取代的一員。教育真正的挑戰，不是追問如何贏AI，而是要思考在一個答案隨時可得的時代，人類學習的意義究竟是什麼。 (Letsight)

2026 年美國迎來建國 250 周年，麥肯錫最近發佈了《建國 250 周年：美國經濟競爭力研究報告》，系統復盤了美國從大西洋沿岸的農業殖民地，成長為全球規模最大、影響力最強經濟體的 250 年發展歷程，全面評估了其當前經濟競爭力的核心優勢、結構性短板與內外部挑戰，並提出了鞏固競爭力的核心行動議程。來源：McKinsey: At 250, sustaining America's competitive edge本文以麥肯錫這份核心研究為基礎，結合世界智慧財產權組織（WIPO）全球創新指數、史丹佛大學《2025 年 AI 指數年度報告》、世界銀行、美國勞工統計局、世界不平等資料庫等權威機構資料，對美國經濟競爭力的演進邏輯、現狀格局與未來走向進行全面、深度的解讀與延展分析，完整還原美國經濟競爭力的全貌與核心矛盾。一、美國經濟競爭力的核心優勢與全球領先地位歷經 250 年發展，美國當前仍是全球經濟競爭力最強的國家，其領先優勢建立在企業實力、科技創新、消費市場、制度與稟賦四大核心支柱之上，形成了難以復刻的綜合競爭力壁壘。來源：McKinsey: At 250, sustaining America's competitive edge（一）全球頂尖的企業領導力與資本市場統治力美國企業在全球市場中佔據絕對主導地位，構成了美國經濟競爭力的微觀核心。全球市值與營收前 100 的上市公司中，美國企業佔比超過半數，從初創企業到跨國巨頭，均能吸引全球市場的超額資本流入。當前美國企業持有全球超 50% 的公開股權融資，獲得全球 50% 以上的風險投資，2024 年美國佔全球併購交易總價值的 57%，同時孕育了全球半數的獨角獸企業。來源：McKinsey: At 250, sustaining America's competitive edge企業估值與市場地位的背後，是美國企業領先全球的經營效率與增長能力。在 G20 經濟體中，美國企業的生產率水平與生產率增速均位居首位；與歐洲同規模企業相比，美國大型企業的投資資本回報率高出 30%，營收增速高出 50%。外資對美國市場的信心持續走強，2022-2025 年美國公告的綠地外商直接投資規模較 2015-2019 年實現翻倍，年規模超過 2000 億美元，成為全球實體產業投資的核心目的地之一。來源：McKinsey: At 250, sustaining America's competitive edge（二）持續領跑全球的科技創新與前沿技術佈局科技創新是美國經濟競爭力的核心護城河，也是其 250 年來持續實現增長躍遷的核心動力。過去 250 年裡，全球 100 項最具影響力的創新成果中，76 項至少部分誕生於美國，由美國科研人員與產業界完成研發與落地。來源：McKinsey: At 250, sustaining America's competitive edge在研發投入層面，2021-2024 年美國私營部門對前沿技術的投資規模超過 1 兆美元，同期聯邦政府研發配套資金超過 500 億美元，形成了政府與市場雙輪驅動的研發投入格局。在創新產出層面，世界智慧財產權組織發佈的全球創新指數中，美國長期位居全球前列，在量子計算、高性能電池、航天技術等前沿領域，美國的技術儲備與商業化能力均處於全球第一梯隊。在創新生態層面，美國形成了以矽谷為代表的產學研協同體系，《拜杜法案》等制度改革推動了風險投資與創業浪潮的興起，實現了基礎科研成果向商業應用的快速轉化，成為全球創新生態的標竿。來源：McKinsey: At 250, sustaining America's competitive edge（三）高收入支撐的超大規模消費市場優勢消費是美國經濟長期增長的核心引擎，而居民收入水平的領先優勢，為消費市場的持續繁榮提供了底層支撐。過去 100 年，美國居民的平均生活水平始終超過其他所有大型經濟體；在全球人口超千萬的國家中，美國的人均 GDP（購買力平價口徑）位居全球首位。來源：McKinsey: At 250, sustaining America's competitive edge收入結構的頂層優勢尤為突出：美國收入前 10% 群體的薪資水平，較歐洲主要經濟體與加拿大的同層級群體高出 10%-50%；收入前 40% 的群體，收入水平高於歐洲主要經濟體的同層級群體；收入前 20% 的群體，收入水平超過加拿大同層級群體。高收入群體的規模優勢，推動美國形成了全球規模最大、層次最豐富的消費市場，而消費市場的繁榮又反向推動企業創新與生產率提升，形成了 “收入增長 - 消費擴張 - 產業升級” 的正向循環。（四）歷史積澱的自然稟賦與制度基礎優勢美國經濟競爭力的底層根基，來自於建國初期便具備的自然稟賦，以及 250 年間持續迭代的制度體系，二者共同構成了經濟長期增長的基礎保障。在自然稟賦層面，美國自建國之初便擁有遠超歐洲國家的發展空間與資源優勢。1776 年，美國 13 個州的國土面積達 43 萬平方英里，是英國本土面積的近 5 倍，而當時英國人口規模是美國的 3 倍以上，廣袤且肥沃的可耕地為農業競爭力奠定了基礎。同時，美國擁有得天獨厚的航運條件，沿岸屏障島形成的近海航道與內陸河網，大幅降低了長距離運輸成本，僅 1803 年路易斯安那購地案後完全貫通的密西西比河水系，便擁有超過 6000 英里可通航駁船的航道。進入工業化時代後，美國豐富的煤炭、石油、鐵礦等化石能源與礦產資源，又為工業崛起提供了充足的原材料保障。來源：McKinsey: At 250, sustaining America's competitive edge在制度體系層面，美國通過持續的制度迭代，為經濟增長與創新提供了穩定的制度環境。1862 年《莫里爾土地贈與法案》推動美國公立大學體系從 24 所擴張至 1900 年的 100 多所，建立了聚焦應用科學研究的現代高等教育體系，為產業發展輸送了大量人才與技術成果。工業革命時期，美國建立了全球最早的工業研發實驗室體系，實現了發明創造的專業化與產業化；福特流水線等流程創新，推動生產效率與工人薪資實現雙重躍升。在市場監管層面，《謝爾曼反壟斷法》《克萊頓反壟斷法》的出台，遏制了壟斷對市場活力的侵蝕；1913 年聯準會的成立，建構了現代金融穩定體系；大蕭條後的羅斯福新政，重塑了政府與市場的關係，政府支出佔 GDP 比重從 1910 年的 2% 升至 1945 年的 37%，此後始終未低於 20%，政府在經濟穩定、公共服務、基礎設施領域的作用持續強化。兩次世界大戰中，美國本土的地理隔離優勢使其免受戰爭直接破壞，工業產能與經濟實力在戰後實現跨越式提升，主導建立了戰後全球經濟貿易秩序，進一步鞏固了全球經濟話語權。來源：McKinsey: At 250, sustaining America's competitive edge二、美國經濟競爭力面臨的核心短板與結構性挑戰儘管美國仍保持全球經濟競爭力的頭把交椅，但麥肯錫報告明確指出，其經濟體系正面臨製造業衰退、收入分化、地緣競爭加劇、勞動力結構性短缺等多重結構性挑戰，這些挑戰正在持續侵蝕美國經濟長期增長的根基。（一）製造業全球領導力持續衰退，供應鏈安全存在顯著缺口製造業是美國經濟競爭力最早的核心支柱之一，也是當前其短板最突出的領域。20 世紀 80 年代中國開始擴張工業產能，2000 年後實現規模化提速，並於 2010 年超過美國成為全球製造業產出第一大國。當前中國製造業產出佔全球比重接近一半，而美國僅為 11%，全球市場份額出現斷崖式下滑。來源：McKinsey: At 250, sustaining America's competitive edge在國內經濟結構中，美國製造業的權重也持續收縮。過去 50 年，製造業佔美國 GDP 與就業的比重從 20% 以上降至當前的 10% 以下，製造業就業規模的縮減對應約 1900 萬中等收入崗位的流失。這些流失的崗位大多是支撐中產階級的核心崗位，其缺口僅部分被知識經濟的高技能崗位（如軟體、金融）與低技能服務業崗位（如家政服務）填補，直接導致 2000-2018 年美國中等收入區間的崗位佔比下降 6 個百分點，中產階級規模持續收縮。供應鏈安全的風險同步凸顯。當前美國 40% 的進口商品（規模超過 1 兆美元）被認定為關鍵品類，這類商品直接關係到供應鏈的韌性、多樣性與安全性，是經濟繁榮與國家安全的核心保障，而美國在這類品類上對海外供應鏈的依賴度居高不下。需要指出的是，美國仍是全球第二大製造業大國，製造業年產出達 7.3 兆美元，就業規模接近 1300 萬人，在半導體、電氣化、機器人與自動駕駛系統等未來核心產業領域仍具備堅實的產業基礎，這也是其未來重塑製造業競爭力的核心依託。（二）收入分化持續加劇，包容性增長嚴重缺失美國經濟增長的成果分配失衡，已成為其社會與經濟體系最核心的矛盾之一。儘管美國高收入群體的收入水平全球領先，但收入後 50% 群體的收入水平，顯著落後於歐洲主要經濟體與加拿大，美國也是全球主要經濟體中，收入前 10% 與後 50% 群體收入差距最大的國家之一。過去 50 年，美國居民收入的增長呈現出顯著的馬太效應。儘管所有收入層級的群體均實現了實際收入增長，但市場收入（薪資與資產收益）的增長絕大部分集中於收入前兩個五分之一的群體；對於後 60% 的居民，其收入增長更多來自政府轉移支付而非薪資增長，其中中間五分之一的群體，整體收入增速為全階層最低。收入分化的持續擴大，不僅侵蝕了美國社會的穩定性，也削弱了消費市場的長期增長潛力，打破了此前 “全民收入增長 - 消費擴張” 的正向循環，使經濟增長的包容性大幅下降。（三）前沿技術領域地緣競爭加劇，領先優勢持續縮小美國在科技創新領域的絕對領先地位，正面臨來自中國的快速追趕，在多個關鍵技術與科研領域，中國已實現反超，全球科技競爭格局正在發生深刻變化。在高端製造與產業化領域，中國在極短時間內實現了從低成本商品生產，向電動汽車、太陽能等複雜資本密集型產業全球領導者的跨越，這種產業升級正從製造業向研發密集型領域延伸。在生物技術領域，中國藥物發現領域的產出自 2013 年以來增長超過 10 倍，2024 年中國臨床試驗數量、臨床階段分子數量均已超過美國，生命科學產業不再侷限於生物類似藥與仿製藥，而是在創新生物藥研發領域躋身全球前列。在人工智慧領域，美國仍擁有全球最先進的 AI 大模型，聚焦於螢幕端的文字、圖像生成等產品化應用；而中國工業機器人的保有量超過全球其他國家的總和，AI 發展更聚焦於物理世界的場景落地，推動智能裝置實現即時感知、決策與執行。典型應用包括融合 AI 的工業機器人、機載即時資料分析的無人機、車端核心智能驅動的自動駕駛汽車，在 AI 的實體產業化應用層面已形成差異化優勢。在基礎科研領域，中國的科研實力實現跨越式提升。2017-2023 年，中國在機器學習、量子感測器、先進積體電路設計與製造、對抗性 AI、自然語言處理、高性能計算等領域的高被引研究數量超過美國，此前中國已在動力電池、先進磁性材料等領域實現領先，還研發並行射了全球首顆量子衛星。在頂尖科研人才流動方面，儘管全球高被引科研人員最密集的城市大多位於美國，但 2019-2023 年，北京的高被引科研人員淨流入規模位居全球首位，人才吸引力持續增強。（四）人口老齡化加劇，勞動力結構性短缺問題凸顯過去二十年，美國經濟增長的核心驅動力之一是勞動總工時的增長，而當前生育率持續下降帶來的人口老齡化，正在打破這一增長邏輯，勞動力短缺已成為全行業面臨的共性問題。來源：McKinsey: At 250, sustaining America's competitive edge美國勞動力的老化趨勢已覆蓋幾乎所有行業，當前幾乎所有職業的勞動力平均年齡均高於 15 年前。其中，20% 的建築工人年齡超過 55 歲，該比例較 2010 年上升了三分之一；25% 的醫療支援人員年齡超過 55 歲，該比例較此前上升了近 50%。從高技能的工程師、科研人員，到低技能的建築、服務人員，全行業均出現了顯著的用工缺口，尤其是醫療、建築等難以實現自動化、生產率增速長期低迷的行業，勞動力短缺問題更為突出。（五）基礎設施與能源體系存在短板，財政可持續性承壓美國基礎設施的老化與投資不足，已成為制約經濟競爭力提升的重要瓶頸。在能源領域，電網的穩定性與容量存在顯著缺口，需要發電企業與區域電網營運商加強協同，通過部署需求響應系統等成熟技術快速提升電網承載能力；新能源基礎設施的建設面臨多重供應鏈瓶頸，包括審批流程繁瑣、變壓器等核心裝置產能不足、工程技術與建築工人短缺等問題。除能源基礎設施外，美國的橋樑、港口、光纖通訊等傳統與新型基礎設施，均存在老化嚴重、投資不足的問題，無法充分匹配未來產業發展的需求。來源：McKinsey: At 250, sustaining America's competitive edge在財政與經濟安全層面，美國高額的國家債務，已威脅到政府在國防、科技基礎設施領域的投資能力，以及應對突發危機的財政空間。同時，全球貿易體系因地緣政治衝突持續碎片化，美國國防供應鏈的多個關鍵環節存在產能缺口，關鍵商品的本土製造能力不足，直接影響了經濟與國家安全的長期韌性。來源：McKinsey: At 250, sustaining America's competitive edge三、美國經濟競爭力 250 年的演進歷程與核心驅動邏輯美國經濟競爭力的形成並非一蹴而就，而是在 250 年間經歷了四個清晰的發展階段，每個階段均形成了適配時代的核心競爭力，完成了經濟結構的躍遷，也為後續的發展奠定了基礎、埋下了挑戰的伏筆。來源：McKinsey: At 250, sustaining America's competitive edge（一）第一階段：建國初期至 19 世紀中後期 —— 農業競爭力奠基與工業化萌芽這一階段是美國經濟的起步期，核心競爭力來自於得天獨厚的農業稟賦，同時完成了工業化的早期積累。依託廣袤肥沃的可耕地，美國農業生產率實現全球領先，當時美國居民人均卡路里攝入量是西歐國家的 1.4 倍，人均身高高出 2-3 英吋，人均壽命也長於英國居民，人口福利水平顯著高於歐洲國家。軋棉機、機械收割機等核心發明，直接解決了棉花與小麥生產的核心痛點，大幅提升了農業生產效率，對接了第一次工業革命中英國紡織業的爆發式需求，棉花、水稻、糧食等農產品成為美國出口的核心品類，奠定了美國在全球貿易體系中的早期地位。同時，蒸汽船的發明與商業化應用，大幅提升了內河航運效率，推動了全國市場的形成；“美國製造體系”（可互換零件）的出現、工業研發實驗室的萌芽，為後續工業化發展埋下了伏筆。1862 年《莫里爾土地贈與法案》的出台，啟動了美國現代公立大學體系的建設，推動高等教育聚焦農業與應用科學研究，實現了科研成果向產業端的快速擴散。（二）第二階段：19 世紀中後期至二戰前 —— 工業化崛起與全球工業領導權確立這一階段是美國從農業國向工業國轉型的關鍵期，最終確立了全球工業產出的領導地位。核心驅動因素來自四個方面：一是豐富的煤炭、石油、鐵礦等化石能源與礦產資源，為工業化提供了充足的原材料；二是鐵路網路的爆發式擴張，1832 年美國鐵路里程已超過任何一個歐洲國家，巔峰時期鐵路建設年資本支出佔 GDP 的 4%，鐵路網路打通了全國市場，實現了生產的規模效應，也實現了資源從礦區向工廠的高效運輸，1899 年美國成為全球煤炭產量第一大國，同時也是全球首個實現商業石油開採的國家；三是持續的移民潮，1850-1910 年平均每年約 42 萬移民進入美國，為工業發展提供了充足的勞動力與消費市場；四是技術與管理創新的持續突破，工業研發實驗室實現了發明創造的專業化，誕生了電燈等顛覆性產品，福特流水線等流程創新，推動生產率與工人薪資實現雙重躍升，現代企業管理制度與職業經理人群體逐步成型。在制度層面，這一階段美國完成了從自由放任向政府適度干預的轉型。反壟斷法律體系的建立，遏制了壟斷對市場活力的侵蝕；聯準會的成立，建構了現代金融穩定體系；大蕭條後的羅斯福新政，大幅提升了政府在經濟中的作用，重塑了政府與市場的關係，為戰後政府主導的研發投入與產業政策奠定了制度基礎。兩次世界大戰中，美國本土的地理隔離優勢使其免受戰爭直接破壞，工業產能全面動員，戰後經濟與軍事實力實現跨越式提升，1950 年美國 GDP 佔全球比重達 27%，成為全球經濟與工業的絕對領導者。（三）第三階段：二戰後至冷戰結束 —— 科技引領與中產階級全面擴張這一階段美國經濟競爭力的核心，從工業規模轉向科技創新引領，同時實現了經濟增長成果的全民共享，中產階級成為社會的核心主體。在研發層面，美國通過 DARPA、國家科學基金會等機構，推動國家研發投入達到新的高度，實現了半導體、電腦、網際網路等底層技術的顛覆性突破，英特爾、微軟、蘋果等全球科技巨頭相繼崛起，科技行業推動美國生產率增速遠超 G7 其他國家。強大的製造業基礎與持續提升的居民受教育水平，推動美國家庭收入持續上漲，中產階級規模快速擴大，城市化與郊區化成為社會發展的主流趨勢，“美國夢” 的核心內涵轉變為郊區獨棟住宅、家用電器與家用汽車，居民消費成為經濟增長的核心引擎。同時，美國主導建立了戰後全球經濟貿易秩序，進一步鞏固了其在全球經濟體系中的話語權與領導地位。（四）第四階段：冷戰結束至今 —— 知識經濟主導與全球競爭力格局重構1991 年冷戰結束後，美國成為全球唯一的軍事與經濟超級大國，經濟競爭力的核心邏輯發生根本性轉變，從製造業主導轉向知識經濟主導，金融、軟體開發、研發服務、智慧財產權等知識密集型服務業，成為美國經濟競爭力的核心載體。20 世紀 90 年代，美國企業發明並商業化的個人電腦，開始重塑全球生產與生活方式，網際網路的普及進一步推動了全球通訊與貿易的變革。在全球價值鏈分工中，美國企業逐步向價值鏈上游遷移，聚焦於高附加值的軟體開發、系統設計、智慧財產權營運等環節，將低附加值的製造環節外包至勞動力成本更低的國家，半導體產業也形成了 “本土設計、海外製造” 的產業格局。這一分工模式推動美國企業實現了利潤率與估值的持續提升，但也直接導致了製造業本土產能的持續流失，2010 年中國超過美國成為全球第一製造業大國，美國製造業在全球與國內經濟中的權重持續收縮。值得注意的是，2019-2024 年美國生產率增速達 2.1%，是 2010-2019 年增速的兩倍，高於 G7 其他所有國家，科技行業仍是美國生產率提升的核心動力，知識經濟的效率優勢仍在持續釋放。四、鞏固美國經濟競爭力的核心行動議程針對美國經濟競爭力面臨的結構性挑戰，麥肯錫報告提出了覆蓋短期與長期的核心行動議程，核心目標是補齊發展短板、鞏固領先優勢，在全球地緣競爭加劇的背景下，提升美國經濟的韌性與長期增長潛力。（一）全面升級能源體系與基礎設施能源與基礎設施是經濟競爭力的底層支撐，也是美國需要優先補齊的短板。在能源電網領域，核心舉措包括三方面：一是加強發電企業與區域電網營運商的協同合作，保障電力系統的穩定運行；二是快速部署需求響應系統等成熟技術，快速提升電網的承載能力；三是系統性解決新能源基礎設施的供應鏈瓶頸，推動審批流程改革，擴大變壓器等稀缺裝置的本土產能，針對工程師、建築工人等緊缺群體開展定向技能培訓。除能源基礎設施外，美國還需加大對橋樑、港口、光纖通訊等傳統與新型基礎設施的投資力度，補齊硬體短板，為產業升級與長期經濟增長提供基礎保障。（二）重塑製造業競爭力，保障關鍵供應鏈安全依託現有 7.3 兆美元的製造業基礎，美國需要推動製造業向高端化、本土化轉型，重塑全球製造業競爭力。核心方向包括：加大對半導體、電氣化、機器人、自動駕駛系統等未來核心產業的本土產能投資，推動高端製造環節回流；針對國防與經濟安全相關的關鍵品類，通過戰略儲備、供應鏈多元化、本土產能定向投資等方式，補齊產能缺口，降低對海外供應鏈的過度依賴，提升供應鏈的韌性與安全性，平衡經濟效率與國家安全的雙重目標。（三）持續鞏固科技創新的全球領先地位科技創新是美國經濟競爭力的核心護城河，需要通過多維度舉措保持全球領先優勢。一是持續加大前沿技術的研發投入，銜接私營部門超兆美元的產業投資與聯邦政府的基礎研發資金，強化在量子計算、高性能電池、航天技術、人工智慧等核心領域的技術優勢；二是持續完善產學研協同機制，延續矽谷等創新生態的優勢，推動基礎科研成果的商業化轉化，提升研發投入的產出效率；三是應對全球科技競爭，保持創新生態對全球頂尖人才的吸引力，鞏固在前沿技術領域的領先優勢，應對其他國家的技術追趕。（四）破解勞動力結構性矛盾，補充人力資本供給針對人口老齡化與勞動力短缺的核心挑戰，需要從供給與需求兩端同步發力。一是針對工程、建築、醫療、高端製造等緊缺領域，開展定向職業技能培訓，快速填補勞動力缺口，提升勞動力與產業需求的匹配度；二是最佳化移民政策，吸引全球高技能人才流入，補充高端勞動力供給，同時保持美國創新生態的人才優勢；三是推動醫療、建築等低生產率行業的自動化與數位化轉型，緩解用工短缺的同時，提升全行業的生產率水平。（五）推動包容性增長，彌合收入分化鴻溝包容性增長是美國經濟實現長期穩定增長的核心前提，需要扭轉收入分化持續加劇的趨勢。核心舉措包括：通過薪資制度最佳化、稅收政策調整，提升中低收入群體的薪資收入佔比，讓經濟增長的成果更廣泛地惠及全體居民；加大公共服務均等化投入，提升底層群體的發展機會；推動中等收入崗位的擴容，扭轉中等收入崗位佔比持續下滑的趨勢，擴大中產階級規模，重新啟動 “收入增長 - 消費擴張” 的正向循環。（六）保障財政可持續性，強化國家經濟安全韌性在財政層面，需要最佳化財政支出結構，在控制國家債務規模的同時，保障國防、科技基礎設施、關鍵產業扶持等核心領域的投資能力，提升政府應對突發危機的財政空間。在經濟安全層面，需要應對全球貿易體系碎片化的挑戰，重構符合美國利益的全球經貿與供應鏈體系，補齊國防供應鏈的關鍵缺口，在全球地緣經濟競爭中，平衡經濟效率與國家安全，提升美國經濟體系的長期抗風險能力與韌性。五、結論與展望歷經 250 年的發展，美國憑藉得天獨厚的自然稟賦、持續迭代的制度體系、引領全球的科技創新、充滿活力的企業生態，從大西洋沿岸的 13 個農業殖民地，成長為全球規模最大、影響力最強的經濟體，當前仍是全球經濟競爭力最強的國家。但與此同時，美國經濟體系正面臨多重結構性挑戰：製造業全球領導力持續衰退，供應鏈安全存在顯著缺口；收入分化持續加劇，包容性增長嚴重缺失；前沿技術領域的領先優勢被持續追趕，地緣科技競爭日趨激烈；人口老齡化帶來勞動力結構性短缺，基礎設施老化與高額債務制約長期增長潛力。這些挑戰正在持續侵蝕美國經濟競爭力的根基，也決定了其未來增長的上限。展望未來，美國能否延續 250 年的經濟增長奇蹟、鞏固全球經濟競爭力的領先地位，核心在於能否有效破解上述結構性矛盾。只有在保持科技創新領先優勢的同時，重塑製造業競爭力、彌合收入分化、補齊基礎設施與人力資本短板、實現更具包容性與韌性的經濟增長，美國才能在全球地緣經濟格局深刻變革的背景下，繼續保持其全球經濟的核心領導地位。 (陳博觀察)