研發投入比淨利高154億持續內卷、價格戰的壓榨下，汽車行業利潤率已經在7月份下降到3.5%，是近五年同期最低。上下游企業都能感受到行業的寒意，尤其是主機廠，為了節省資金，緊握手中的現金流。在這場逐利的殘酷遊戲中，比亞迪是個例外，甚至有點兒“敗家”。今年上半年，比亞迪光研發投入就達到了309億元，同比增長53%，這一資料，甚至比比亞迪同期的淨利潤還多了一倍。這意味著，比亞迪剛賺的錢還沒捂熱，又扔進了研發。與之相對應的是，比亞迪同期營收達到3713億元，也實現了史上半年度首次對特斯拉的超越（特斯拉上半年營收2995億元）。一方面是營收狂飆，一方面又把賺到的錢大筆投到研發。都是到手的錢了，比亞迪為什麼不賺？01. 三百多億花那兒了對於這個問題，王傳福的一句話似乎就能解答，他曾將技術研發比作“養魚”，池子大了養的魚才能多。比亞迪可以根據市場需求和產業發展趨勢，在“技術魚池”選擇需要的“魚苗”，並應用到產品中，這樣才能在新能源汽車的競賽中始終保持優勢。至於如何擴大技術池，就得看舍不捨得砸錢了。今年上半年，比亞迪在研發上投入309億元，同比增長53%，比同期155億的淨利潤高出了一倍。這是什麼概念？這幾乎是新勢力車企上半年整個的營收，像零跑上半年營收242.5億，蔚來310億，小鵬則是340億。即便在A股上市市場，比亞迪仍然是斷層式領先，根據Wind統計機構公佈的2025年上半年A股上市公司研發投入排名，比亞迪相比第二名高出近130億元，再次成為A股研發之王。在去年，比亞迪研發投入達到542億元，同比增長36%，在5300多家A股上市公司中，首度成為A股年度研發之王。從已經公佈2025半年報的國內主流車企來看，排名第二的吉利控股上半年研發費用為147億元，另外，上汽上半年投入研發101億元，長城汽車研發投入為60億元，比亞迪一家的研發投入幾乎等於排名二至四名的車企之和。而且對於比亞迪而言，研發投入高於淨利潤已經是常態。在2011年-2024年的14年間，比亞迪有13年的研發投入超過當年的淨利潤，截至目前累計研發投入超2100億元。除了看得見的研發投入，還有看不見的超12萬名工程師“天團”，也正因如此，比亞迪才能在“技術魚池”中不斷拿出一條條“大魚”，靠著這些大魚贏得市場。巨額的研發投入，讓比亞迪迎來技術大爆發。今年上半年，比亞迪推出了天神之眼輔助駕駛系統，讓全民智駕照進現實，另外還有顛覆性的超級e平台兆瓦閃充、靈鳶車載無人機系統等技術。比亞迪還成為全球第一家針對智能泊車做出“全面安全兜底”承諾的車企，無疑體現了比亞迪對自身技術的絕對自信。如果說井噴的技術是研發投入具象化的體現，那麼專利數量是最佳的註腳，據中汽信科發佈的三大權威榜單，比亞迪纜下“三冠王”，基本上日均產出45項申請、20項授權。02. 來自技術的反哺其實從某種意義上說，強研發會對盈利形成拖累，畢竟“實驗室裡的巨人，市場中的矮子”也不在少數。比亞迪的優勢在於，即佔據了技術高地，又能在終端市場不斷攻城略地，完成了既要、又要、還要。今年上半年，比亞迪的總營收為3713億元，同比增長23%，半年度的營收首次超越特斯拉，位列2025《財富》世界500強第91位，淨利潤還實現了14%的同比增長，毛利率為18.01%，現金儲備高達1561億元。得益於業務的增長，王傳福的聲望也水漲船高，8月初，《財富》雜誌正式發佈2025年全球100位最具影響力的商界人士榜單，王傳福位列第5位，緊隨特斯拉CEO馬斯克，去年的排名還是第19位，今年直接刷新了中國企業家在該榜單的最佳排名。海外的業務增長更明顯，營收達到1353.58億元，較去年同期增長50.5%，佔比已達到總營收的36.5%。今年前七月比亞迪乘用車及皮卡海外銷量超55萬輛，同比增長超130%，銷量已超去年全年，並且有望衝擊百萬大關。如今的比亞迪，不僅進入全球超過112個國家及地區，還在義大利、土耳其、西班牙、巴西等多個國家拿下上半年新能源銷量第一，已然成為中國新能源車製造的燙金名片。當宋PLUS DM-i在歐洲賣斷貨的時候，當德國媒體從嘲諷變成驚豔的時候，當豐田純電專利量不足比亞迪四成的時候，我們才真正意識到，時代真的變了。 (超電實驗室)

為加強人工智慧領域標準化頂層設計，推動人工智慧產業技術研發和標準制定，促進產業健康可持續發展，國家標準化管理委員會、中央網信辦、國家發展改革委、科技部、工業和資訊化部於2020年7月27日印發了《國家新一代人工智慧標準體系建設指南》（國標委聯〔2020〕35號）。該檔案不僅是技術規範的集合，更是中國搶佔全球人工智慧制高點的戰略工具。通過“標準先行、倫理護航、場景落地”三位一體的模式，有望在技術自主可控、產業協同創新、社會治理現代化等方面形成中國範式。1 制定背景與戰略目標01 政策背景中國人工智慧產業規模已居全球第二，但存在基礎理論研究薄弱、核心演算法與高端晶片依賴進口、標準化體系不完善等問題。隨著技術深度融入智能製造、智慧城市等領域，亟需通過標準體系破解技術碎片化、應用場景規範化不足等瓶頸。此外，人工智慧引發的倫理爭議（如資料偏見、演算法歧視）、技術濫用風險（如深度偽造）等，倒逼標準建設需同步嵌入治理維度。全球主要國家正圍繞人工智慧標準制定權展開博弈，ISO/IEC JTC 1、IEEE等國際組織已牽頭制定可信AI、倫理治理等標準。中國需通過標準輸出爭奪技術話語權，避免在關鍵技術領域受制於人。02 戰略目標到2021年，明確人工智慧標準化頂層設計，研究標準體系建設和標準研製的總體規則，明確標準之間的關係，指導人工智慧標準化工作的有序開展，完成關鍵通用技術、關鍵領域技術、倫理等20項以上重點標準的預研工作。到2023年，初步建立人工智慧標準體系，重點研製資料、演算法、系統、服務等重點急需標準，並率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。建設人工智慧標準試驗驗證平台，提供公共服務能力。2 核心內容與創新突破01 覆蓋全產業鏈的“七維一體”框架（1）分層設計邏輯指南提出“基礎層→支撐層→技術層→應用層→治理層”的垂直架構，橫向擴展為七大維度：基礎共性：術語、參考架構、可持續發展（如《AI系統能效評價指南》）；基礎支撐：資料治理、算力設施（智能晶片、算力中心互聯協議）、開發工具鏈（如MLOps工具相容性標準）；關鍵技術：大模型訓練流程（預訓練-微調-部署全流程規範）、多模態互動介面、科學智能（如AI for Science實驗資料標註標準）。（2）特色領域突破單獨設立“賦能新型工業化”類股，圍繞製造業全流程制定標準：研發設計：AI輔助工業模擬軟體介面規範；生產製造：工業機器人視覺識別精度分級標準（如±0.1mm/±1mm兩檔）；營運管理：供應鏈智能預測演算法性能評估指標（MAPE≤5%為一級）。02 搶佔前沿賽道規則制定權（1）大模型標準化攻堅首次提出大模型全生命周期管理標準，包括：訓練階段：資料清洗與合成資料生成規範（如合成文字的版權標識規則）；評測階段：多維度能力評價體系（通用性、領域適應性、倫理合規性）；部署階段：輕量化模型壓縮技術標準（壓縮率≥80%時精度損失≤3%）。（2）新興技術前瞻佈局針對具身智能、腦機介面等前沿領域，建立“技術研發-測試驗證-安全評估”協同標準：具身智能：機器人動態環境感知響應延遲標準（≤100ms）；腦機介面：神經訊號解碼錯誤率分級（一類≤0.1%，二類≤1%）。03 建構可信可控的AI發展底座（1）資料與演算法安全雙軌制資料安全：明確多模態資料標註脫敏規則（如醫療影像匿名化雜湊演算法標準）；演算法安全：高風險場景（自動駕駛、金融風控）的失效冗餘設計規範（如雙模型交叉驗證強制要求）。（2）倫理治理分級落地按風險等級劃分治理強度：高風險領域（醫療診斷、司法審判）：要求演算法決策可解釋性≥90%；中低風險領域（智能客服、教育輔助）：實施動態倫理審計（每年至少1次全維度檢測）。3 實施路徑與影響預判01 實施路徑企業主體：依託頭部企業（如智能晶片廠商、大模型平台）建立標準試驗驗證平台，加速技術轉化；協同機制：推動“軟硬體介面統一”（如AICL標準族），降低跨平台適配成本；國際對標：主導ISO/IEC JTC1等國際組織標準制定，輸出中國方案（如AI治理互操作性框架）。02 影響預判技術產業化加速：標準統一將降低技術研發成本，促進智能晶片、開發框架等基礎層技術的國產化替代（如華為昇騰晶片生態）。行業融合深化：預計到2025年，智能製造、智慧醫療等領域的人工智慧滲透率將提升30%以上，推動GDP增長超兆元。安全治理能力提升：通過資料安全與倫理標準，減少演算法歧視、隱私洩露等風險，增強公眾對AI技術的信任。五部門關於印發《國家新一代人工智慧標準體系建設指南》的通知（國標委聯〔2020〕35號）為落實黨中央、國務院關於發展人工智慧的決策部署，推動人工智慧技術在開源、開放的產業生態不斷自我最佳化，充分發揮基礎共性、倫理、安全隱私等方面標準的引領作用，指導人工智慧國家標準、行業標準、團體標準等的制修訂和協調配套，形成標準引領人工智慧產業全面規範化發展的新格局，制定《國家新一代人工智慧標準體系建設指南》。一、總體要求（一）指導思想。全面貫徹黨的十九大和十九屆二中、三中、四中全會精神，落實黨中央、國務院關於發展新一代人工智慧的決策部署，以市場驅動和政府引導相結合，按照“統籌規劃，分類施策，市場驅動，急用先行，跨界融合，協同推進，自主創新，開放合作”原則，立足中國需求，兼顧國際，建立國家新一代人工智能標準體系，加強標準頂層設計與宏觀指導。加快創新技術和應用向標準轉化，強化標準的實施與監督，促進創新成果與產業深度融合。注重與智能製造、工業網際網路、機器人、車聯網等相關標準體系的協調配套。深化人工智慧標準國際交流與合作，注重國際中國標準協同性，充分發揮標準對人工智慧發展的支撐引領作用，為高品質發展保駕護航。（二）建設目標。到2021 年，明確人工智慧標準化頂層設計，研究標準體系建設和標準研製的總體規則，明確標準之間的關係，指導人工智能標準化工作的有序開展，完成關鍵通用技術、關鍵領域技術、倫理等20項以上重點標準的預研工作。到2023 年，初步建立人工智慧標準體系，重點研製資料、演算法、系統、服務等重點急需標準，並率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。建設人工智慧標準試驗驗證平台，提供公共服務能力。二、建設思路（一）人工智慧標準體系結構。人工智慧標準體系結構包括“A基礎共性”、“B支撐技術與產品”、“C基礎軟硬體平台”、“D關鍵通用技術”、 “E關鍵領域技術”、“F產品與服務”、“G行業應用”、 “H安全/倫理”等八個部分，如圖1所示。圖1 人工智慧標準體系結構其中，A基礎共性標準包括術語、參考架構、測試評估三大類，位於人工智慧標準體系結構的最左側，支撐標準體系結構中其它部分；B 支撐技術與產品標準對人工智慧軟硬體平台建設、演算法模型開發、人工智慧應用提供基礎支撐；C 基礎軟硬體平台標準主要圍繞智能晶片、系統軟體、開發框架等方面，為人工智慧提供基礎設施支撐；D關鍵通用技術標準主要圍繞機器學習、知識圖譜、類腦智能計算、量子智能計算、模式識別等方面，為人工智慧應用提供通用技術支撐；E 關鍵領域技術標準主要圍繞自然語言處理、智能語音、電腦視覺、生物特徵識別、虛擬現實/增強現實、人機互動等方面，為人工智慧應用提供領域技術支撐；F產品與服務標準包括在人工智慧技術領域中形成的智能化產品及新服務模式的相關標準；G行業應用標準位於人工智慧標準體系結構的最頂層，面向行業具體需求，對其它部分標準進行細化，支撐各行業發展；H安全/倫理標準位於人工智慧標準體系結構的最右側，貫穿於其他部分，為人工智慧建立合規體系。標準研製方向明細表見附表。（二）人工智慧標準體系框架。人工智慧標準體系框架主要由基礎共性、支撐技術與產品、基礎軟硬體平台、關鍵通用技術、關鍵領域技術、產品與服務、行業應用、安全/倫理八個部分組成，如圖2所示。圖2 人工智慧標準體系框架三、建設內容（一）基礎共性標準。基礎共性標準主要針對人工智慧基礎進行規範，包括術語、參考架構、測試評估等部分，如圖3所示。圖3 基礎共性標準1. 術語標準。用於統一人工智慧相關概念、技術、應用行業場景，為其他各部分標準的制定和企業人工智慧研究提供支撐，包括人工智慧術語相關定義、範疇、實例等標準。2. 參考架構標準。規範人工智慧相關技術、應用及價值鏈的邏輯關係和相互作用，為開展人工智慧相關標準研製工作提供定位和方向建議。3. 測試評估標準。圍繞人工智慧技術發展的成熟度、行業發展水平、企業能力等方面提取測試及評估的共性需求。包括與人工智慧相關的服務能力成熟度評估、人工智慧通用性測試指南、評估原則以及等級要求、企業能力框架及測評要求等標準。（二）支撐技術與產品標準。支撐技術與產品標準主要包括巨量資料、物聯網、雲端運算、邊緣計算、智能感測器、資料儲存及傳輸裝置等部分，如圖4所示。圖4 支撐技術與產品標準1. 巨量資料標準。規範人工智慧研發及應用等過程涉及到的資料儲存、處理、分析等巨量資料相關支撐技術要素，包括巨量資料系統產品、資料共享開放、資料管理機制、資料治理等標準。2. 物聯網標準。規範人工智慧研發和應用過程中涉及到的感知和執行關鍵技術要素，為人工智慧各類感知資訊的采集、互動和互聯互通提供支撐。包括智能感知裝置標準、感知裝置與人工智慧平台的介面和互操作等智能網路介面、感知與執行一體化模型標準、多模態和態勢感知標準等。3. 雲端運算標準。規範面向人工智慧的雲端運算平台、資源及服務，為人工智慧資訊的儲存、運算、共享提供支撐。包括虛擬和物理資源池化、調度，智能運算平台架構，智能運算資源定義和介面、應用服務部署等標準。4. 邊緣計算標準。規範人工智慧應用涉及的端計算裝置、網路、資料與應用。包括資料傳輸介面協議、智能資料儲存、端端協同、端雲協同等標準。5. 智能感測器標準。規範高精度感測器、新型MEMS傳感器等，為人工智慧的硬體發展提供標準支撐，包括感測器接口、性能評定、試驗方法等標準。6. 資料儲存及傳輸裝置標準。用於規範資料儲存、傳輸裝置相關技術、資料介面等。（三）基礎軟硬體平台標準。基礎軟硬體平台標準主要包括智能晶片、系統軟體、開發框架等部分，如圖5所示。圖5 基礎軟硬體平台標準1. 智能晶片標準。規範智能計算晶片、新型感知晶片及相關底層介面等，為人工智慧模型的訓練和推理提供算力支持。包括指令集和虛擬指令集、晶片性能、功耗測試要求、數據交換格式、晶片作業系統的設計及檢測等標準。2. 系統軟體標準。規範人工智慧軟硬體最佳化編譯器、人工智能算子庫、人工智慧軟硬體平台計算性能等，促進軟硬體平台的協同最佳化。3. 開發框架標準。包括機器學習框架和應用系統之間的開發介面、神經網路模型表達和壓縮等標準。（四）關鍵通用技術標準。關鍵通用技術標準主要包括機器學習、知識圖譜、類腦智能計算、量子智能計算、模式識別等部分，如圖6所示。圖6 關鍵通用技術標準1. 機器學習標準。規範監督學習、無監督學習、半監督學習、整合學習、深度學習和強化學習等不同類型的模型、訓練資料、知識庫、表達和評價。2. 知識圖譜標準。規範知識描述的結構形式、解釋過程、知識深度語義的技術要求等，解決知識表示粒度、方式的不確定性問題。3. 類腦智能計算標準。規範類腦計算演算法基本模型、性能和應用，為人工智慧系統提供新的計算架構，提高人工智慧處理複雜問題的能力。包括類腦智能計算參考架構、腦特徵機制計算模型建模和表達、基於生物機制建模的演算法要求及其性能評價、類腦智能計算硬體裝置通用技術要求等標準。4. 量子智能計算標準。規範量子計算演算法基本模型、性能和應用，為提高人工智慧計算能力提供支撐。包括量子計算模型與演算法、高性能高位元率的量子人工智慧處理器、可與外界環境互動資訊的即時量子人工智慧系統等標準。5. 模式識別標準。規範自適應或自組織的模式識別系統的特點、模型、技術要求和評價方法。（五）關鍵領域技術標準。關鍵領域技術標準主要包括自然語言處理、智能語音、計算機視覺、生物特徵識別、虛擬現實/增強現實、人機互動等部分，如圖7所示。圖7 關鍵領域技術標準1. 自然語言處理標準。規定自然語言處理基礎、資訊提取、文字內容分析等方面的技術要求，解決電腦理解和表達自然語言過程中的資料、分析方法和語義描述的一致性問題。自然語言處理標準包括語言資訊提取、文字處理、語義處理、應用擴展四個部分。2. 智能語音標準。規範人機語言通訊的技術和方法，確保語音識別、語音合成及其應用的精準性、一致性、高效性和可用性。智能語音標準包括語音設施裝置、語音處理、語音識別、語音合成、語音介面五個部分。3. 電腦視覺標準。規定電腦及視覺感知裝置對目標進行檢測、識別、跟蹤的技術要求，解決圖片或視訊採集、處理、識別、理解和反饋等各環節的一致性和互聯互通問題。計算機視覺標準包括視覺設施裝置、資料及模型、圖像識別與處理三個部分。4. 生物特徵識別標準。規範電腦利用人體所固有的生理特徵（指紋、人臉、虹膜、聲紋、DNA等）或行為特徵（步態、擊鍵等）來進行個人身份鑑定的技術要求，解決生物特徵描述、資料、介面的一致性問題。5. 虛擬現實/增強現實標準。為使用者提供視覺、觸覺、聽覺等多感官資訊一致性體驗的通用技術要求。6. 人機互動標準。規範人與資訊系統多通道、多模式和多維度的互動途徑、模式、方法和技術要求，解決語音、手勢、體感、腦機等多模態互動的融合協調和高效應用的問題，確保高可靠性和安全性互動模式。人機互動標準包括智能感知、動態識別、多模態互動三個部分。（六）產品與服務標準。產品與服務標準包括智慧型手機器人、智能運載工具、智能終端、智能服務等部分，如圖8所示。圖8 產品與服務標準1. 智慧型手機器人標準。結合《國家機器人標準體系建設指南》工作部署，在服務機器人方面，完善服務機器人硬體介面、安全使用以及多模態互動模式、功能集、服務機器人應用操作系統框架、服務機器人云平台通用要求等標準；在工業機器人方面，重點在工業機器人路徑動態規劃、協作型機器人設計等開展標準化工作。2. 智能運載工具標準。開展人工智慧技術應用在智能運載工具領域的通用標準體系建設和標準研製，包括高性能協同感測技術、車載互聯及通訊技術、智能化與網聯化安全技術等方面。重點圍繞行駛環境融合感知、智能決策控制、複雜系統重構設計和多模式測試評價等共性關鍵技術開展標準化工作。3. 智能終端標準。開展人工智慧技術應用在智能終端領域的標準研究，重點圍繞移動智能終端產品圖像識別、人臉識別、AI晶片等相關技術開展標準化工作。4. 智能服務標準。包括圖像識別、智能語音、自然語言處理、機器學習演算法等標準。重點開展人工智慧服務能力成熟度評價、智能服務參考架構等標準制定工作。（七）行業應用標準。根據國務院印發的《新一代人工智慧發展規劃》（國發〔2017〕35 號），結合當前人工智慧應用發展態勢，確定人工智能標準化重點行業應用領域包括：智能製造、智能農業、智能交通、智能醫療、智能教育、智能商務、智能能源、智能物流、智能金融、智能家居、智能政務、智慧城市、公共安全、智能環保、智能法庭、智能遊戲等,如圖9所示。圖9 行業應用標準人工智慧行業應用具有跨行業、跨專業、跨領域、多應用場景的特點，不同行業的側重點不同。在標準規劃研究過程中，應以市場驅動為主、行業引導、政府支援相結合，立足行業需求，兼顧技術迭代體系建設。1. 智能製造領域。規範工業製造中資訊感知、自主控制、系統協同、個性化定製、檢測維護、過程最佳化等方面技術要求。2. 智能農業領域。規範在應用環境複雜、應用場景多樣的農業環境下專用感測器、網路、預測資料模型等技術要求，用於輔助農產品生產與加工，提高農作物產量。3. 智能交通領域。規範交通訊息資料平台及綜合管理系統，從而可以智能地處理行人、車輛和路況等動態複雜資訊，引領智能訊號燈等技術的推廣。4. 智能醫療領域。圍繞醫療資料、醫療診斷、醫療服務、醫療監管等，重點規範人工智慧醫療應用在資料獲取、資料隱身管理等方面內容，包括醫療資料特徵表示、人工智慧醫療質量評估等標準。5. 智能教育領域。規範在新型教育體系中的教學、管理等全流程相關的人工智慧應用，建立以學習者為中心精準推送的教育服務，實現日常教育和終身教育定製化。6. 智能商務領域。主要規範應用場景複雜的商務智能化領域，包括對服務模型的分類和管理、商務資料的智能分析，以及相應推薦引擎系統架構的設計要求。7. 智能能源領域。規範在能源開發利用、生產消費全過程中的融合智能應用，包括能源系統的自組織、自檢查、自平衡和自最佳化。8. 智能物流領域。規範物流從規劃、進貨、加工、儲存和運輸全流程的技術和管理要求，引入智能識別、倉儲、調度、追蹤、配置等，提升物流效率，加強物流資訊可視化程度，優化物流配置。9. 智能金融領域。規範線上支付、融資信貸、投資顧問、風險管理、巨量資料分析預測、資料安全等應用技術，輔助提升金融資產端的徵信、產品定價、投資研究，客戶端的支付方式、投資顧問、客服等業務能力。10. 智能家居領域。規範家居智能硬體、智能網聯、服務平台、智能軟體等產品、服務和應用，促進智能家居產品的互聯互通，有效提升智能家居在家居照明、監控、娛樂、健康、教育、資訊、安防等方面的使用者體驗。11. 智能政務領域。規範政務智能化應用，從政務資訊公開、透明、開放和共享角度出發，以標準化形式提高政府工作效率，加強事前控制、事中事後監管。12. 智慧城市領域。規範智慧城市未來模式下智能應用的技術要求，包括評估人工智慧技術在複雜城市環境下的風險，評估城市安全、輔助決策等應用或產品的智能程度等。13. 公共安全領域。規範涉及公共安全的探測感測、各類資訊處理和綜合分析相關應用技術，從而實現智能化監測預警與綜合應對。14. 智能環保領域。規範環境監測、自然資源管理、污染物排放預測等相關資料模型、平台和產品，進而提高環保行業智能化水平。15. 智能法庭領域。規範司法過程中資訊的智能分析和管理要求，實現案情要素的智能分析、對多元化資料進行挖掘分析，進而提升庭審效率。16.智能遊戲領域。規範遊戲設計開發、硬體裝置、人機互動、遊戲體驗等相關人工智慧技術應用、功能性能和測試，包括遊戲作業系統、製作引擎、多媒體渲染、語音體感動態交互、遊戲角色自主學習、決策與對抗、使用者資料分析、遊戲環境治理等。（八）安全/倫理標準。安全/倫理標準包括人工智慧領域的安全與隱私保護、倫理等部分，如圖10所示。圖10 安全/倫理標準1. 安全與隱私保護標準。包括基礎安全，資料、演算法和模型安全，技術和系統安全，安全管理和服務，安全測試評估，產品和應用安全等六個部分。其中，人工智慧基礎安全標準是人工智慧安全標準體系的基礎性標準，用於指導人工智慧安全工作的全過程，主要包括人工智慧概念和術語、安全參考架構、基本安全要求等。人工智慧資料、演算法和模型安全標準是針對人工智慧數據、演算法和模型中突出安全風險提出的，包括資料安全、隱私保護、演算法模型可信賴等。人工智慧技術和系統安全標準用於指導人工智慧系統平台的安全建設，主要包括人工智慧開源框架安全標準、人工智能系統安全工程標準、人工智慧計算設施安全標準、人工智慧安全技術標準。人工智慧安全管理和服務標準主要是為保障人工智慧管理和服務安全，包括安全風險管理、供應鏈安全、人工智慧安全營運、人工智慧安全服務能力等。人工智慧安全測試評估標準主要從人工智慧的演算法、數據、技術和系統、應用等方面分析安全測試評估要點，提出人工智能演算法模型、系統和服務平台安全、資料安全、應用風險、測試評估指標等基礎性測評標準。人工智慧產品和應用安全標準主要是為保障人工智慧技術、服務和產品在具體應用場景下的安全，可面向智能門鎖、智能音響、智慧風控、智慧客服等應用成熟、使用廣泛或安全需求迫切的領域進行標準研製。2. 倫理標準。規範人工智慧服務衝擊傳統道德倫理和法律秩序而產生的要求，重點研究領域為醫療、交通、應急救援等特殊行業。 (AI算力那些事兒)附表:人工智慧標準研製方向明細表

在當今科技發展的浪潮中，人工智慧（AI）無疑是那股最為強勁的驅動力。中美兩國在AI領域的發展逐漸形成了一種複雜而充滿張力的態勢，有人將其形容為一場“AI之戰”，但這並非是一場傳統意義上你死我活的對抗，而是在競爭與合作中，共同塑造全球AI格局的重要博弈。一、競爭的根源與表現（１）戰略意義與全球領導力對於美國而言，AI技術是其維持全球科技霸主地位的關鍵。作為長期以來科技領域的領導者，美國在AI研發上投入了大量資源。從政府到企業，都將其視為關乎國家安全、經濟繁榮和全球影響力的戰略高地。例如，美國的國防高級研究計畫局（DARPA）積極開展AI軍事應用研究，試圖將AI融入國防體系的各個層面，以確保其在軍事戰略上的絕對優勢。中國也將AI提升到國家戰略高度。中國的龐大人口基數和龐大的市場為AI發展提供了豐富的應用場景。而且，隨著中國經濟從傳統製造業向高端技術產業轉型，AI被視為實現產業升級、提升國際競爭力的核心力量。中國希望通過在AI領域的突破，在全球科技治理體系中擁有更多的話語權。（２）技術研發的競爭在人才方面，美國長期以來憑藉其頂尖的高校和研究機構吸引了全球的優秀AI人才。像斯坦福大學、麻省理工學院等在AI演算法、深度學習等基礎理論研究方面一直處於世界前沿。然而，中國近年來也加大了人才培養和引進的力度。國內眾多高校紛紛開設AI相關專業，並且通過優厚的人才引進政策吸引海外華人科學家回國發展。例如，華為、阿里巴巴等中國科技巨頭吸引了大量AI人才，在自然語言處理、電腦視覺等技術上取得了顯著進展。資料資源也是競爭的關鍵因素。中國擁有世界上最大規模的網際網路使用者群體，這意味著海量的資料資源。在AI演算法訓練中，資料是至關重要的“燃料”。中國政府積極推動資料共享和開放資料的政策，同時企業和研究機構也善於利用海量使用者資料來最佳化AI模型。相比之下，美國雖然也有豐富的資料，但資料隱私保護法規相對嚴格，在一定程度上限制了資料的流通和利用效率。晶片技術是AI運算的核心硬體。美國在晶片製造技術和高端晶片設計方面佔據主導地位，像輝達的GPU在AI訓練任務中被廣泛應用。而中國也在加快自主晶片的研發和製造處理程序，中芯國際等企業不斷努力提高晶片的製程工藝，寒武紀等公司專注於AI晶片的研發，試圖在AI硬體領域打破美國的壟斷。（３）商業市場的競爭在AI應用市場方面，美國在傳統的軟體和網際網路行業有著深厚的底蘊，其AI企業如Google、亞馬遜等在全球範圍內佈局。Google的AI助手在語音識別和智能搜尋方面具有廣泛的使用者基礎，亞馬遜的Alexa在智能家居領域佔據重要地位。中國則以獨特的本土市場和快速的創新應用模式與之競爭。中國的一些AI企業，如百度的自動駕駛技術、科大訊飛的語音識別技術等，在國內市場迅速推廣，並且開始走向國際市場。二、合作的機遇與動力１．共同面臨的全球挑戰在醫療領域，無論是美國還是中國，都面臨著提高醫療效率、疾病診斷精準性和藥物研發效率的需求。AI可以通過分析大量的醫療影像、病例資料來輔助醫生進行診斷，美國強大的醫療科研體系和中國的龐大患者群體結合AI技術，有望共同推動全球醫療AI的發展。例如，在癌症早期篩查方面，雙方可以共享資料（遵循嚴格的隱私和倫理規範）和演算法成果，提高篩查的精準性和效率。在應對氣候變化方面，AI可以用於能源最佳化、環境監測等。美國的能源技術和衛星觀測技術與中國的龐大能源市場和環境治理需求相結合，通過AI演算法實現能源的高效分配、預測氣候變化趨勢等，這對全球應對氣候變化有著至關重要的意義。２．技術和知識的互補性美國的基礎研究實力雄厚，在深度學習演算法等基礎理論方面有諸多創新成果。中國的工程化能力和大規模應用實踐經驗豐富。例如，在AI晶片技術方面，美國可以提供先進的晶片設計理念和半導體製造技術，中國則可以利用自身龐大的市場需求推動晶片的大規模應用和產業化升級，從而促進雙方在晶片技術領域的共同發展。在行業應用方面，美國企業擅長將AI應用於高端製造業、金融等領域，中國企業則在工業網際網路、電商物流等領域有著獨特的應用模式。雙方的企業可以開展合作，在全球範圍內推廣融合中美優勢的AI解決方案，實現互利共贏。３．國際標準和規範的制定隨著AI技術的快速發展，制定統一的國際標準和規範變得日益迫切。中美兩國作為AI領域的重要力量，合作參與國際標準的制定將有利於全球AI產業的健康發展。例如，在AI倫理、資料安全標準等方面，雙方可以共同探討制定既能保障公民權益又能促進AI技術全球化發展的規範，在國際舞台上發揮積極的引領作用。三、產業生態的競爭（１）企業格局美國：美國擁有眾多具有全球影響力的人工智慧企業。除了前面提到的Google、微軟等巨頭外，還有許多初創企業在AI細分領域嶄露頭角。例如，OpenAI在生成式人工智慧方面引領潮流，其研發的大語言模型GPT - 系列在全球範圍內引起了廣泛關注。這些企業之間形成了複雜的產業聯盟和競爭關係，在技術研發、市場拓展等方面相互合作又相互競爭。中國：中國的AI企業格局同樣豐富多樣。網際網路巨頭如阿里巴巴、騰訊、百度等憑藉其龐大的使用者基礎和資料資源，在人工智慧產業的多個領域佈局。同時，大量的人工智慧初創企業專注於特定的垂直領域，如醫療AI、教育AI等。這些企業共同構成了中國人工智慧產業生態系統，在推動技術創新、產業升級方面發揮著重要作用。（２）資料資源美國：美國的資料資源主要集中在少數科技巨頭手中。例如，Google通過其搜尋引擎、Android系統等積累了海量的使用者資料，這些資料為人工智慧演算法的訓練提供了豐富的素材。然而，美國在資料隱私和資料使用的監管方面相對嚴格，這在一定程度上影響了資料的共享和利用效率。中國：中國擁有龐大的使用者群體，資料來源廣泛。中國的網際網路企業在營運過程中收集了大量來自電商、社交、移動應用等多方面的資料。同時，中國政府也在積極推動資料開放共享，促進資料資源的有效利用。例如，一些城市建立了巨量資料平台，整合政府各部門的資料資源，為企業的人工智慧應用提供支援。不過，資料安全和隱私保護也是中國在發展人工智慧過程中需要重點關注的問題。四、未來展望中美之間的“AI之戰”並非單純的對抗，而是一個動態的過程。在競爭過程中，雙方都將不斷推動技術創新和產業升級。合作雖然面臨一些挑戰，如資料安全、智慧財產權保護等，但只要雙方能夠遵循國際規則，尊重彼此的利益和關切，仍有廣闊的合作空間。從全球角度看，中美兩國在AI領域的發展不僅影響各自國家的經濟發展、社會進步和國家安全，還將對全球科技格局、產業變革和人類社會的發展產生深遠影響。無論是競爭還是合作，都將是全球AI發展歷程中的重要組成部分，共同推動人工智慧走向更加智能、高效和安全的新未來。 (赤青春護華志)

馬化騰敢想敢做。騰訊重構混元大模型研發體系據瞭解，近日，騰訊對其混元大模型研發體系進行了全面重構，主要是圍繞算力、演算法和資料三大核心類股展開，通過最佳化團隊部署和加碼研發投入，推動混元大模型的持續發展。調整後，騰訊成立了兩個新的部門：大語言模型部和多模態模型部，分別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。同時，騰訊將進一步加強大模型資料能力和平台底座建設。其中，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的技術研發。圖源：每日經濟新聞公眾號顯然，騰訊想要對底層技術瓶頸進行系統性突破，對混元大模型研發體系進行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。值得一提的是，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——先是騰訊元寶從‌TEG（技術工程事業群）‌劃歸至‌CSIG（雲與產業事業群）‌；然後是QQ瀏覽器、搜狗輸入法、ima等原屬‌PCG（平台與內容事業群）‌的產品線及團隊，整體遷移至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則是提供智能辦公場景解決方案的工具產品；QQ瀏覽器是AI搜尋與資訊流重構的智能搜尋；搜狗輸入法則是自然語言互動的前端入口。通過將分散在三大事業群（TEG/PCG/CSIG）的AI產品資源集中於CSIG，騰訊形成了層級分明的"入口-工具-搜尋-互動"產品閉環，同時強化了大模型與雲服務的底層技術聯動。這些舉動說明，騰訊在AI領域的佈局不斷提速，步伐日益加快。值得一提的是，騰訊2024年四季度及年度財報顯示，騰訊研發投入再次創下歷史新高，達到707億元；2018年至今累計研發投入超過3403億元。圖源：百度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。伴隨著投入研發資金的加碼，騰訊的AI戰略正在加速落地。顯然，騰訊對於AI這塊“兵家必爭之地”也是勢在必得。混元大模型的產品混元是騰訊自研的通用大模型，支援文字、圖像、視訊和3D等多種模態內容的理解與生成。圖源：百度其發展時間不過短短幾年，卻已經經過了多次技術迭代和業務發展整合——2023年9月，混元大模型正式發佈，成為國內首批全面開放的通用大模型。這是騰訊基於市場需求分析啟動的項目，也是對AI市場的初步探索，混元初期聚焦文字生成能力開發。此後，混元大模型開始不斷進行技術迭代，整合多模態技術，新增圖像創作、視訊轉譯等能力，持續最佳化推理能力。今年以來，混元大模型的技術迭代速度更是顯著加快，相繼推出快思考模型Turbo S和深度思考模型T1，在視訊生成和3D生成領域也推出多個新版本模型。混元3D生成、視訊生成、DiT文生圖及千億參數MoE語言模型等模型均已對外開源，GitHub總Star數超過2.9萬。目前為止，騰訊混元大模型已在 700 多個內部場景中部署，促進了多個業務領域的增長——混元深度融入騰訊各業務線，廣泛應用於微信、QQ、騰訊元寶、騰訊會議、騰訊文件等核心產品，提升騰訊內部產品的智能化水平，並通過騰訊雲向外輸出模型能力，幫助企業和開發者創新提效。圖源：百度不難看出，混元大模型對於騰訊而言可謂是AI業務的核心，所以騰訊加大投入力度、調整組織結構等舉措都是為了助推混元大模型的發展，從而反哺騰訊自身其他業務的發展。正如騰訊董事會主席兼首席執行官馬化騰所言，“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。”值得注意的是，雖然騰訊有著自研的混元大模型，但是騰訊也在積極擁抱Deepseek——騰訊的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。圖源：百度不難看出，騰訊正在積極推進“核心技術自研+擁抱先進開源”的多模型策略，以應對市場的不同需求，從而助推自身技術和實力的進步與發展。除此之外，騰訊還在大力招聘AI人才，2025年啟動三年新增‌2.8萬校招實習崗位‌計畫，技術類崗位佔比超60%，覆蓋AI演算法、大模型研發、雲端運算、遊戲引擎與數字內容等70余種崗位。圖源：騰訊微信公眾號顯然，騰訊的目的是想儲備技術人才。一方面，可以通過定向培養演算法工程師、多模態研發人才，直接參與核心項目研發來加速‌混元大模型技術迭代；另一方面，還可以應對字節跳動Seed Edge、阿里通義千問等競品的技術競爭，搶佔AI人才金字塔尖。畢竟，在AI市場中，各大企業都在紛紛發力，以圖搶佔市場先機和未來發展。AI市場競爭激烈就當今AI市場而言，競爭日漸激烈，尤其是各個科技大廠之間你追我趕互不相讓，都希望搶佔AI的高地——就阿里而言，去年12月，阿里‌啟動組織架構調整，將通義千問大模型與夸克業務合併組建"AItoC"戰略類股。通過這一調整，阿里明確了消費級AI產品戰略方向，加速AI技術向C端應用場景的滲透。今年3月，阿里推出了新夸克——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”。顯然，夸克的升級體現了阿里準備在AI應用側發力的決心。有趣的是，今年阿里雲也啟動近五年最大規模AI校園招聘，重點招募大模型、多模態、AI Infra等領域人才，技術崗佔比超70%。圖源：阿里巴巴集團招聘微信公眾號不難看出，阿里也希望在AI方面儲備更多人才，從而不斷推動AI技術的發展。就字節跳動而言，前不久，字節跳動也整合了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。與此同時，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。顯而易見，字節跳動的組織調整是為了最佳化效率，強化底層技術能力，從而在市場中更具競爭力。值得注意的是，Seed自成立後就在不斷吸納來自字節內外的人才，並且開啟了Top Seed人才計畫，持續招募頂尖人才加入團隊。圖源：字節跳動招聘微信公眾號這一舉動和騰訊、阿里的目的一致，都是為了吸引更多人才來提升自身AI技術，從而搶佔AI市場份額。綜上可見，科技大廠們對於AI市場的戰略雖然不完全一致，但都離不開降本增效和人才儲備這兩個部分。畢竟，AI來源於人，若想要更好地服務於人，自然需要更多的人才來最佳化AI。在未來，AI的使用體驗或將會成為影響使用者選擇的重要因素，對此，技術、場景和生態都缺一不可，因此，AI市場的競爭或許還將不斷深入，誰能存活到最後讓人拭目以待。 (科技頭版)

意法半導體4月10日宣佈“重塑製造佈局和調整全球成本基礎”計畫。意法半導體計畫在2025、2026和2027財年重點投資於300mm矽片和200mm碳化矽的先進製造基礎設施與技術研發。該公司還計畫繼續投資升級營運中使用的技術，部署更多人工智慧和自動化技術。聲明稱，這項全公司計畫，包括先前披露的成本基礎調整和製造佈局重塑，預計將在三年內導致全球範圍內最多2800名員工自願離職，不包括正常的人員流失。意法半導體2024全年營收132.7億美元，比2023年下降23.2%；營業利潤率12.6%，2023全年為26.7%；淨利潤15.6億美元，同比下降63.0%；淨資本支出（非美國通用會計準則）為25.3億美元，自由現金流（非美國通用會計準則）為2.88億美元。ST總結2024年的業績時表示，“2024年對於我們所服務的行業，尤其是工業和汽車行業來說，是幾十年來最糟糕的年份之一。這一年的特點是終端需求出乎意料地疲軟，庫存水平較高，對ST產生了重大影響。” (大話晶片)

先來看看以下兩則新聞： 10月11日電，特斯拉今日在美國加利福尼亞州伯班克華納兄弟工作室召開特斯拉“WE，ROBOT”發佈會。在發佈會現場，多個特斯拉Optimus人形機器人跳起熱舞。馬斯克表示，Optimus機器人方面取得了很大進展。按規模生產的Optimus機器人成本將在2萬美元至3萬美元之間。 工業和資訊化部副部長王江平14日在國新辦新聞發佈會上表示，深化場景應用，培育壯大低空經濟、智能製造等新質生產力。以低空產業生態建構為導向，支援空域資源較好、應用場景豐富的優勢地區先行先試，因地制宜地打造低空多場景的應用示範體系，加快培育低空物流、城市和城際空中交通、低空文旅等低空消費新業態，拓展農林植保、巡視巡檢、應急救援等新模式，打造經濟增長的新引擎。出台推動未來產業創新發展的實施意見，大力發展人形機器人、腦機介面、6G等新領域新賽道。同時，支援企業打造智能製造“升級版”，聚焦典型行業的智能製造技術應用，梯度培育一批基礎級、先進級、卓越級、領航級的智能工廠。 時代的發展並不是由單方面的意志所決定，大國之間的競爭往往能推動科技爆髮式的增長。我們不妨梳理下蘇美在航空航天領域的競爭史：