最近，NVIDIA 發佈了備受關注的《State of AI in Healthcare and Life Sciences: 2026 Trends》調研報告。這份報告基於 2025 年 8-9 月對全球 600 多名醫療和生命科學專業人士的調查（管理層與 AI 從業者各佔一半），涵蓋製藥、醫療器械、數字醫療、支付方與提供方等多個細分領域。報告用實打實的資料告訴我們：AI 已經在醫療健康行業站穩腳跟，而且正在加速從“嘗鮮”走向“規模化盈利”。過去一年，AI 的應用成熟度明顯躍升。報告直言，AI不僅幫助醫療器械廠商快速適應新法規，還大幅縮短新藥研發時間，甚至能建立人體數字孿生來輔助癌症治療。更讓人振奮的是，AI agents（智能代理）正讓醫生們把時間還給患者，而不是埋頭在文書工作裡。AI採用率持續攀升，70%企業已在實際使用報告顯示，2025年有 70% 的受訪組織正在積極使用 AI，比2024年的 63% 又上升了7個百分點。其中，生成式 AI 和大語言模型的使用率從 54% 躍升至 69%，成為最熱門的工作負載。各細分領域全面進步：數字醫療：78%（去年70%）製藥與生物科技：74%醫療器械、工具與診斷：70%支付方與提供方（醫院、保險公司等）：56%（去年僅43%，大漲13個百分點）中大型企業（員工超100人）採用更多類型AI，包括生成式AI、資料分析、Agentic AI等，幾乎每個工作負載都比小企業高出約 10個百分點。生成式AI和資料分析仍是各行業前兩大重點，只有醫療器械領域把電腦視覺排在首位（59%）。預測與資料分析仍是AI核心，臨床決策支援最受歡迎65% 的組織把 AI 用於資料分析和資料科學，42% 用於支援臨床決策。這兩大應用貫穿藥物發現、影像診斷、個性化醫療等全鏈條。分行業看，用法各有側重：製藥與生物科技：藥物發現與開發（57%）、基因組應用（44%）數字醫療：虛擬健康助手與聊天機器人（52%）、臨床文件自然語言處理（50%）支付方與提供方：行政任務與工作流最佳化（52%）醫療器械：醫療影像（61%）整體而言，臨床決策支援是全行業最受歡迎的AI用例（42%），其次是醫療影像和行政工作流最佳化（各 38%）。真實盈利來了！醫療影像和藥物發現ROI最亮眼這是報告最鼓舞人心的部分：當 AI 針對具體場景落地時，回報非常明顯。醫療器械領域：57% 的企業表示醫療影像AI已產生ROI製藥企業：46%表示藥物發現與開發AI實現ROI數字醫療：虛擬健康助手與聊天機器人是最高回報用例支付方：行政工作流最佳化回報最顯著全行業來看，醫療影像、工作流最佳化、臨床文件自然語言處理是前三大ROI用例。管理層反饋：85%認為AI幫助年度收入增長80%認為AI幫助年度成本下降44% 的管理者表示收入增長超過 10%（小企業更高達56%）開源模型成“秘密武器”，82%企業視其為戰略關鍵為什麼AI能精準落地？報告給出的答案是開源。82%的受訪者認為開源模型和軟體對AI戰略“重要”或“非常重要”，其中小企業認可度更高（64% 認為非常重要）。開源讓企業能用自己的資料微調模型，打造高度專用的AI解決方案，而不是用通用大模型“將就”。推理性能（模型精準度、資料合規、成本效率）成為大家最關注的點，38% 把模型性能與合規列為首要因素，37% 最看重總擁有成本。基礎設施也在悄然變化：混合計算（本地+雲）使用率從去年的 35% 升至 43% ，純雲部署則從 41% 降至 35% 。Agentic AI初露鋒芒，47%組織已在嘗試今年報告新增了 Agentic AI（智能代理）專題，結果讓人驚喜：47% 的組織已在使用或評估AI agents其中 22% 已實際部署，19% 計畫明年部署大企業部署比例更高（27% 已部署）製藥與生物科技領域最積極：48% 用 AI agents 做藥物發現和生物標誌物識別。整體最受歡迎的 Agentic AI 用例是：知識管理和檢索（46%）文獻綜述與分析（38%）內部流程最佳化（37%）分行業看，製藥側重文獻綜述（55%）和藥物發現（48%）；數字醫療最愛患者聊天機器人（49%）。不過挑戰也不小：性能可靠性（27%）、資料相關問題（隱私、安全）、監管合規是三大痛點。40%的企業表示，HIPAA、FDA審批、GDPR等合規要求是實施Agentic AI的最大影響因素。2026年AI預算大增85%，醫療AI進入“飛輪期”因為看到了實實在在的回報，企業信心滿滿：85%的受訪者表示2026年AI預算會增加近一半企業增幅超過10%預算主要流向：最佳化現有AI工作流和生產周期（ 47% ，比去年上升）建構或獲取更多AI基礎設施（ 34% ，比去年上升）報告總結：醫療AI正進入“飛輪階段”——早期試點成功→更多投資→更好效果→更大投資。2027年，AI 很可能從單純預測分析轉向更成熟的 Agentic 系統，在患者群體、臨床試驗、護理流程中實現端到端智能推理。總結：AI不是“未來”，已經是醫療的“現在”這份 NVIDIA 報告用 600 多份真實調研資料證明：AI 正在讓醫療更高效、更精準、更親民。無論是大藥企用 AI 加速新藥研發，還是醫院用聊天機器人減輕醫生負擔，或者保險公司用工作流最佳化降低成本，AI 都已交出漂亮答卷。當然，預算、人才、資料合規仍是需要跨越的門檻。但趨勢已經清晰：誰先把 AI 和自身業務深度融合，誰就能在 2026 年搶佔先機。 (AI資訊風向)

山不讓塵，川不辭盈。2024 年是網際網路進入中國的第 30 個年頭，中國金融行業也走過了金融科技和數位化的 10 個年頭。科技金融這篇大文章正方興未艾，智能金融隨著大模型日新月異發展突然按下了加速鍵。如果將過去一年大模型的發展比作《三體》中描述的“技術爆炸”，正形象地展現出了 AI 領域前所未有的快速變革。這種爆炸式增長不僅僅是技術參數的簡單膨脹，更是整個技術生態、商業應用以及社會影響層面深刻變化的綜合體現。在這個發展過程中，我們看到了如浪潮般湧現的新技術核心要素與傳統 IT 發展規律的交織：●摩爾定律的延伸與挑戰：雖然摩爾定律近年來面臨物理極限挑戰，但通過創新架構（如 GPU、TPU）、分散式運算以及演算法最佳化，讓大模型的發展有機會遵循類似的加速發展軌跡，變革性實現計算效率和模型規模的雙重躍升。● 安迪 - 比爾定律的演變：在大模型場景下，這一規律體現為模型規模和複雜度的增加，不斷驅動著對更強大算力和儲存的需求，同時也激發了雲端運算的快速發展，以確保基礎設施能跟上 AI 應用的需求步伐。今年以來，走遍中華大地拜訪過上千家金融機構，我們發現，金融行業並不缺乏大模型應用的場景，但是有限的算力、持續迭代的大模型開源和商業化生態，加上金融行業對資料安全、風險控制、合規性以及精準決策有著極高的要求，使得金融行業的大模型之路進入前所未有的選擇陷阱。金融行業正處於數位化轉型和採用雲原生技術的關鍵時期，這一過程中，大模型的引入無疑增加了額外的複雜性，但也帶來了前所未有的機遇。在過去的一年，大模型加持的金融程式碼能力、金融多模態能力、金融資訊閱讀理解能力、金融資訊抽取分類加工能力、金融風險管理能力在金融行為學、金融市場與投資學、零售金融、公司金融、財富資管、大健康、大投研等等各個金融數位化領域都有了星星之火一樣的嘗試。隨著大模型技術的成熟，從基於資料集的開發轉向基於大規模預訓練模型的應用工程體系，我們可以想像未來大模型通過 API 化與雲原生環境下的金融業務流程與技術架構的深度整合，從而解決一些從前我們不敢想像的融合問題，比如金融模型應用的成本效率與穩定性，金融知識的精準及專業性、金融合格的嚴謹可解釋性等。不僅如此，雲原生和大模型融合的新範式，非常需要新的大模型應用平台降低從特定領域到廣泛場景到 AI 應用的門檻。此文拋磚引玉，希望與業內的各位朋友一同探討如何積極擁抱並運用大模型技術，以應對和駕馭不斷變化的市場環境，實現科技金融持續穩定的提質增效和創新發展，攜手開啟金融大模型未來新篇章。01大模型發展的趨勢大模型是數字轉型（DT）時代的產物，標誌著人工智慧技術的一次重大突破，尤其是在自然語言處理（NLP）、圖像識別、推薦系統等領域。這些大模型，如 OpenAI 的 GPT 系列、Meta的 Llama、Google的Gemini，基於Transformer架構，通過消化海量資料集進行預訓練，獲得了對人類語言、圖像等資料的深入理解和處理能力。AI 大模型：人類知識儲存、傳承和使用方式的一次重構在數字轉型時代，大模型為企業提供了前所未有的機遇，使其能夠通過高效的資料分析和決策，實現業務流程的智能化、最佳化客戶體驗和創新產品服務。從金融行業的智能投顧和欺詐監測，到醫療行業的智能診斷和藥物發現，再到零售行業的個性化推薦，大模型的應用正深刻改變著傳統行業的運作模式和價值鏈。在《全域資料“觀”》一書中，我們曾斷言：“資料的下一站是智能，資料最終會走向與業務系統的數智融合”，資料消費正在由“人”變成“系統”。未來資料技術將與雲原生和智能化全面融合，形成“雲數智一體化”服務。雲原生技術堆疊，為企業帶來了資源彈性、異構算力、容器和微服務等技術手段，為業務創新和系統建設提供了高效、敏捷以及成本低、可擴展的解決方案；資料中台的興起，讓企業將資料庫裡“不會說話”的表格，轉換成指標、標籤、因子、特徵等資料資產形態，並直接用於分析與業務決策。現如今，AI 大模型正在以驚人的速度重構各行各業的業務流程與系統產品，一方面雲原生為大模型訓練與推理提供了資源保障，資料中台為大模型應用提供高品質語料和結構化知識；另一方面在大模型全面“智能湧現”能力的驅動下，將傳統偏零散化的資料能力進一步體系化和智能化，加快 BI+AI 的融合，實現從“洞見”到“決策”，推動企業加速走向“雲數智一體化”的終極形態，最終為客戶帶來更為全新的產品服務體驗。大模型發展的趨勢趨勢一：“Cloud+AI” 大模型與雲的結合日益緊密在資訊技術領域，無疑地，雲端運算和人工智慧（AI）大模型的快速發展正日益成為推動現代社會進步的兩大驅動力。特別是在中國和美國，這兩種技術不僅誕生並蓬勃發展，還持續引領著全球技術革命的浪潮。隨著時間的推移，大模型與雲端運算的結合日益緊密，這種融合在推動著科技界走向新的里程碑。首先，觀察全球技術發展格局可以發現，中國和美國無疑是雲技術和 AI 大模型誕生與創新的兩大中心。這兩個國家不僅擁有領先的技術研發實力，還具備廣闊的市場應用場景和成熟的產業生態，促進了雲端運算和 AI 大模型技術的飛速發展，並在全球範圍內形成了巨大的影響力。進一步而言，大模型的迭代進化主要發生在雲端。這是因為雲端運算提供了高度可擴展的計算資源，使得研究人員和開發者能夠在無需自建龐大物理基礎設施的情況下，進行模型的訓練和部署。雲平台上的彈性資源和高效管理工具為大模型的開發和最佳化提供了理想的環境，極大地加速了 AI 大模型的迭代周期，使得模型能夠更快地進化和最佳化，更好地適應各種複雜的應用需求。而且，大模型所遵循的規模定律（Scaling Law）規模定律正重塑著算力基礎設施。隨著模型規模的不斷擴大，其對計算資源的需求也呈指數級增長，這一現象催生了對更高性能、更高效率算力基礎設施的需求。雲端運算平台通過部署先進的硬體技術、最佳化計算資源分配和加強資料處理能力來應對這一需求，進而推動了算力基礎設施的快速進化。這種進化不僅滿足了當前大模型對算力的高需求，也為未來 AI 技術的持續創新和應用提供了堅實的支撐。大模型與雲端運算的緊密結合，不僅體現在中國和美國這兩個技術強國的快速發展上，更在於雲端成為大模型迭代進化的主戰場，以及大模型對算力基礎設施的重新塑形。這種趨勢預示著，未來科技的進步將在這樣的融合與互動中繼續加速，推動人類社會進入一個全新的智能時代。趨勢二：“AI Everywhere” 大模型無處不在，成為企業數位化標配在當今的數位化時代，大模型技術以其強大的資料處理能力和智能化水平，正逐步成為企業數位化轉型的標配。其廣泛的應用不僅僅侷限於傳統的計算中心，更是與小模型、新終端以及資料中台結合，共同構築起一個多元化部署與互聯互通的新生態，極大地深化了對資料資源的挖掘與運用能力。首先，大模型與小模型的結合體現了模型部署的多元化。大模型因其強大的學習和預測能力，成為許多複雜任務的首選。然而，針對一些對即時性、資源消耗有嚴格要求的場景，小模型以其輕量級、高效率的特性，更為適合。通過將大模型預訓練的強大認知能力與小模型的靈活部署結合，企業能夠更高效、更經濟地解決廣泛的業務問題，實現智能決策和操作的最佳化。接著，大模型與新終端的結合拓展了模型連結的多元化。隨著物聯網 (IoT) 的蓬勃發展，智能終端遍佈生活的每一個角落。大模型不再侷限於伺服器端的運算，而是通過雲端運算和邊緣計算下沉至各種智能終端，如智慧型手機、智能家居、自動駕駛車輛等。這種變化使得大模型的應用場景得到極大拓展，為使用者帶來更加豐富、便捷、個性化的智能服務。最後，大模型與資料中台的緊密結合，促進了圖像、音視訊、文字等資料集的多元化。資料中台作為企業資料管理和營運的核心平台，為大模型提供了豐富、高品質的資料支援。通過有效地聚合和整合企業內外的各類資料資源，大模型可以在更加多元化的資料基礎上進行訓練和最佳化，能夠處理和理解更加複雜多變的業務場景，如圖像識別、語音視訊處理、語言應用等，從而極大地提高了企業的業務處理能力和使用者互動體驗。大模型正逐步滲透到企業數位化建設的各個層面，與小模型、新終端以及資料中台等多元化的元素相結合，進一步拓寬了其應用範圍，提升了處理效率和智能水平。大模型無處不在，已經成為推動企業數位化轉型的關鍵力量。趨勢三：“AI  Native SaaS Rise” 大模型企業級市場崛起，向深度化、產業化、垂直化方向發展大模型技術的崛起已成為推動企業級市場向深度化、產業化、垂直化方向發展的關鍵動力。企業正越來越傾向於將這一技術作為核心驅動力，深入挖掘其在特定行業中的應用價值和潛力，進而實現智能化升級與業務創新。首先，大模型在企業級市場中的深度化應用成為一種不可逆轉的趨勢。它們不僅被應用於最佳化傳統的資料處理和分析流程，更在預測分析、個性化服務、自動決策制定等領域中展現出強大的能力。這種深度化應用的背後，是企業對於資料價值認知的提升以及對於操作效率和決策質量改進的需求。“小切口，大縱深”的發展策略，正加速大模型在特定行業中的垂直化和產業化落地。企業通過聚焦於行業的細分領域，利用大模型深耕特定的痛點和需求，不僅提升瞭解決方案的適配性和有效性，也推動了整個行業的智能化水平。這種策略的實施，充分顯示了大模型在解決複雜行業問題時的獨特優勢，促進了技術與行業深度融合，實現了產業升級。企業間的開放新形態，特別是在金融領域湧現的新的 Open Banking 模式，為大模型技術的應用開闢了更加廣闊的舞台。Open Banking 帶來的資料共享和 API 開放不僅有利於現有金融服務的增值，還為金融科技創新和跨行業合作打開了大門。這為大模型技術的應用和發展提供了更加廣闊的舞台和應用場景。大模型技術在企業級市場的崛起，不僅預示著企業對於資料和智能的更深層次應用和挖掘，也引領了向產業化、垂直化方向的戰略發展。趨勢四：“AI API First” 大模型功能性能力突破性增長近段時間以來，大模型正在經歷功能性能力的快速增長和重大突破，其中多模態、Agent模式以及 Assistant API 成為了推動這一處理程序的關鍵力量。這些技術革新不僅擴展了大模型在不同領域的應用範圍，還為人機互動和應用開發帶來了新的可能。多模態技術的出現和成熟拓展了大模型的廣度，讓機器能夠同時處理和理解文字、圖像、音訊等多種類型的資料，實現了對人類溝通方式的更全面理解。這標誌著 AI 從處理單一類型資料向綜合理解不同資料類型的重大進步。多模態大模型在提升資訊獲取的全面性和精準性方面展示了巨大潛力，極大地豐富了 AI 在自動化內容創作、跨媒體資訊檢索、以及增強現實等方面的應用場景。Agent 模式的崛起，成為人類與 AI 協作的一種重要方式。在這種模式下，AI 可以作為一個個體（agent），擁有自我學習和自主決策的能力，在特定的環境中根據既定的目標執行任務。這不僅表明了 AI 的工作模式正變得更加智能化和個性化，也為人類提供了強大的助手，從簡單的資料分析到複雜的決策制定，AI Agent 能夠有效地輔助人類完成各種任務，推動人機協作進入新的階段。Assistant API 的推出，為開發者提供了全新的能力，大幅降低了開發門檻。通過簡單的API 呼叫，開發者可以輕鬆地將大模型的強大功能整合到自己的應用或服務中，無需深入瞭解模型內部的複雜機理，即可搭建出智能化程度高、使用者體驗好的應用產品。這種開放的、低門檻的開發方式，不僅加速了創新應用的推出，也讓更多企業和個人能夠享受到 AI 技術帶來的紅利。趨勢五：“AI Cyber Security” 大模型更重視隱私和資料安全隨著大模型的廣泛應用，對隱私和資料安全的重視程度日益增強。企業和研究機構正在通過實施一系列措施，來加強對使用者資料的保護，確保資訊安全和隱私被妥善處理。這些措施的核心在於建構一個有效、可靠的資料管理及隱私防護框架，確保大模型安全評估體系的全面性，並解決 AI 工作的可解釋性問題。有效的資料分類分級制度成為奠定資料管理及隱私防護框架的基礎。通過對資料進行系統的分類和分級，明確不同類別資料的處理要求和安全標準，可以更加有針對性地制定保護措施。這種方法不僅有助於提升資料處理的效率和精準度，也有利於識別和保護那些最敏感和價值最高的資料，從而有效減少資料洩露和濫用的風險。建構一套全面的安全評估體系對於大模型體系至關重要。這套體系應涵蓋大模型訓練、部署、應用生命周期的各個階段，從資料的收集、儲存、使用到銷毀等，每個環節都應進行嚴格的安全審查和評估。通過定期進行安全審計、漏洞掃描和風險評估等活動，可以及時發現和修復安全漏洞，強化系統的安全防護能力，減輕外部攻擊和內部洩露的風險。隨著大模型應用到越來越多的場景，其工作的可解釋性問題越來越受到重視。大模型，特別是 transformer 的架構被認為是“黑盒”，難以解釋其決策邏輯和過程。增強 AI 工作的可解釋性不僅有助於建立使用者對 AI 決策的信任，也是確保模型公平、無偏見的關鍵。通過開發和應用新的解釋性技術和方法，讓 AI 的決策過程更加透明，可以有效提升模型的公正性和安全性，減少錯誤決策和偏差帶來的風險。 (AI雲原生智能算力架構)

新華深讀｜2026年中國AI發展趨勢前瞻人工智慧（AI）企業數量超過6000家，AI核心產業規模預計突破1.2兆元，同比增長近30%；中國國產開源大模型全球累計下載量突破100億次；中國成為AI專利最大擁有國，在全球佔比達60%；這些資料勾勒出2025年中國AI發展的圖景。一邊是AI技術突破，走出一條不同於美國矽谷的“開源創新”之路，另一邊是AI與經濟社會的融合由淺入深。1月以來，智譜、天數智芯、MiniMax等中國AI企業扎堆上市。本月由清華大學主辦的“AGI-Next”峰會上，行業專家形成共識：以對話為核心的“Chat”範式已告終結，AI競爭轉向“能辦事”的智能體時代。2026年是“十五五”開局之年。根據“十五五”規劃建議，中國將加強人工智慧同產業發展、文化建設、民生保障、社會治理相結合，全方位賦能千行百業。新華社記者採訪相關部委負責人、行業專家、企業代表、創業者等，前瞻AI發展新趨勢。技術範式：AI從“聊天”走向“做事”1月，DeepSeek連發兩篇梁文鋒參與署名的論文，再次將這家AI企業推到聚光燈下。論文的核心貢獻，是試圖解決訓練大模型時遇到的記憶體瓶頸和穩定性難題。業界評價，新一代大模型模樣更清晰了。DeepSeek的一舉一動備受關注。一年前，其發佈的中國國產大模型DeepSeek-R1給全球AI行業帶來巨震。“DeepSeek標誌著中國AI技術路線分化突破的出現。”清華大學智能產業研究院創始院長張亞勤說，“中國轉向擁抱更輕的模型、更聰明的架構、更高的效率和更低的價格。”眼下，AI發展正沿兩條主線並進：技術向上衝刺，尋求突破認知與協同的侷限；應用向下紮根，解決真實痛點。“向上衝刺”，就是尋求“更聰明”的演算法和架構，不僅提升單一模型的性能，創新突破也更聚焦提升智能密度。密度法則，是指用更少的計算和資料，更高效地得到更多智能。中國AI公司面壁智能聯合清華大學團隊發表論文《大模型的密度法則》，對大模型的進化方向作出判斷：AI將在能力和成本兩個方向同時進化，提升效率同樣是主線。從“拼規模”轉向“拼密度”，精煉高效成為大模型演進的核心邏輯之一。中國資訊通訊研究院副院長魏亮認為，行業已不再單純依靠提升參數規模實現性能突破，精細化機制、演算法架構、訓練方法的最佳化成為主要提升方向。中國信通院發佈的《人工智慧產業發展研究報告》指出，在演算法架構方面，以DeepSeek的NSA、月之暗面的MoBA等為代表的稀疏注意力機制，成為提升模型推理效率的重要技術路徑之一。通俗的解釋是，想像你坐在一個萬人大禮堂，注意力機制從傳統的“聽每一個人說話”提升為如今“聽關鍵人物發言”。大模型本質上是通過海量資料歸納語言規律，訓練出特定的識別模式，掌握預測文字的能力。就像孩子雖沒有理解詩歌，卻能通過反覆朗誦背出《靜夜思》。回顧本輪AI浪潮，演算法架構和算力、資料一樣，是智能湧現的重要條件。張亞勤說：“規模定律並未失效，我們仍需要算力和資料作為基座。”不過他也指出，堆算力的邊際效益趨於平緩。業內人士認為，演算法架構革新將是AI未來發展的突破點。當模型“智力密度”持續提升，讓前沿智能“向下紮根”、變得“更能幹”，就成為行業要面對的命題。“幾十年來，AI主要關注開發新的訓練方法和模型。”曾擔任OpenAI研究員、後出任騰訊總裁辦公室首席AI科學家的姚順雨認為，在AI競爭的下一個階段，為誰解決什麼問題成為關鍵。“騰訊已把自研大模型在內部超過900個場景和應用落地，核心思路是把AI深度融入場景，讓好用的AI成為普惠生產力。”騰訊相關負責人表示，全球具備大模型底座研發實力的廠商已逐步收攏，高品質的資料、廣泛的生態和場景，將成為拉開競爭差距的重要因素。各大廠商不約而同加快AI真實場景落地的開發。百度新設立了基礎模型研發部、應用模型研發部。公司創始人李彥宏稱，未來AI領域只會剩下少數幾個基礎模型，但在應用層，將出現許多在不同方向上都取得成功的參與者，那裡才是機會最多的地方。中國信通院的報告顯示，基礎模型數量正持續收斂，在真實場景中的應用效果成為關注重點。以大模型“六小虎”為例，百川智能已深耕醫療，零一萬物則轉向為企業部署定製解決方案。這些揭示一個趨勢：曾經硝煙瀰漫的“百模大戰”落下帷幕，等待參與者的是一場圍繞真實場景滲透、產業生態建構與應用價值深挖的耐力賽。自1956年達特茅斯會議以來，人工智慧已走過70年曆程。如今，“技術進化”和“場景落地”的雙重變革，推動人工智慧向更廣闊疆域拓展。張亞勤認為，人工智慧正向智能體AI加速演進。智能體AI能夠像人一樣設定任務、規劃實現路徑、試錯反饋，具有自主性、能舉一反三和長期記憶三個特徵。如果說聊天機器人是“會說話的字典”，智能體AI就是“能自主幹活的管家”。中國科學院軟體研究所研究員黃進表示，未來AI不僅能聽懂指令，還能“看”懂畫面、“聽”懂語氣，成為具備綜合認知能力的“全能感知者”。“智能體是在大模型基礎上的工程化增強，極大拓展AI能力邊界。”中國信通院人工智慧研究所所長魏凱表示，不過智能體在可靠性、上下文記憶和長程任務等方面還需要提升，距離大規模應用仍有距離。張亞勤等人還認為，AI的創新前沿將突破數字世界的邊界，未來的AI將是資訊智能、物理智能和生物智能的融合。AI發展下一站是進入物理世界。1月，中國一款具身智能模型在全球統一標準下獲得第一。業界有評價認為，這意味著中國團隊訓練出的機器人“大腦”，具備了在物理世界理解和執行任務的能力。中外專家認為，AI正在與真實世界互動中建構理解和模擬物理規律的“世界模型”。物理智能將賦予AI在真實世界中感知和行動的能力，如機器人能自主完成複雜任務，智能駕駛從容應對複雜路況。AI不僅是數字世界的“思考者”，也將逐漸成為物理世界的“行動者”，更遠的未來則會成為生命世界的“探索者”。算力建設：系統升級加速協同2025年，一家初創公司發佈大模型新產品，市場反響超預期，導致預留伺服器幾分鐘內被擠爆，系統幾近癱瘓。危急關頭，一家基礎設施服務商無問芯穹公司利用平台技術服務，讓各地算力資源像“空中加油”一樣，為這家公司續上計算能力，確保了產品發佈的關鍵窗口。“我們希望未來算力就像自來水，打開能用、關上會停，不用關心它從那裡來。”公司聯合創始人夏立雪描述這樣的願景。無問芯穹公司位於上海，公司成員平均年齡32歲。他們把不同廠商、不同架構的AI晶片高效融通起來，就像搭建“立交橋”，充分利用分散的算力資源。算力，計算裝置或系統處理資料、執行運算任務的速度與規模能力，通常分為基礎算力、智能算力、超算算力。AI依靠的是智算，它不只是晶片的堆砌，而是一個由硬體、軟體、能源與網路精密協作的系統。AI算力就像一支超級工程兵團：GPU等計算晶片是執行硬核任務的“重武器”，高速網路是讓各兵種高效協同的“資訊高速公路”，儲存系統是隨時呼叫的“戰略物資庫”，軟體框架與演算法則是統籌全域的“調度指揮中心”。而一切運轉都離不開基礎保障：電站確保電力“彈藥”持續供應，供給液冷系統是戰士的“降溫服”。AI時代，算力就是新石油，AI算力中心是提煉和輸送石油的超級工廠。中國工信部資料顯示，中國已建成萬卡智算叢集42個，智能算力規模超過1590 EFLOPS，位居全球前列。業界認為，中國算力發展將繼續呈現“政府頂層設計+市場創新活力”雙輪驅動特徵。產業架構將從分散走向全國一體化，是未來算力發展的明顯特徵。東數西算工程已形成覆蓋東中西部的8大樞紐節點、10個資料中心叢集，其中8大樞紐節點已建成智算規模超過全國智算總量的80%。“十五五”規劃建議提出推進“全國一體化算力網”，中國國務院《關於深入實施“人工智慧+”行動的意見》強調“強化智能算力統籌”，指明未來算力發展將加強高效協同。中國工信部賽迪院電子所副所長馬曉凱認為，算力網建設呈現集約化、一體化、協同化、價值化等特徵，算力資源正在向樞紐節點集聚，跨地域調度平台逐步完善，政府引導、市場運作的協同機制正在建立，算力與電力加快協同。隨著需求激增，智算中心正經歷變革。中國信通院雲端運算與巨量資料研究所副所長李潔認為其將向算力高密化、叢集規模化、綠色低碳化方向演進，算力中心單機架功率與算力密度將逐漸提升，算力中心間協同聯動能力強化，規模化算力叢集將加快建構。在業界，更大規模的萬卡乃至百萬卡級叢集將成為支撐兆參數模型訓練的基礎。比如，從2011年啟動研發崑崙芯的百度集團，去年11月發佈新一代崑崙芯M系列及天池超節點，計畫將單一智算叢集規模從3萬卡推向百萬卡等級。硬體層面，不僅是晶片研發，還有通過專用積體電路、存算一體等新架構實現技術突破，建構軟硬體協同生態。頭部科技公司正打造能相容多種中國國產晶片的異構計算平台。應用層面，算力加速從科技企業走向千行百業。今年，上海、珠海等地已宣佈發放算力券，降低中小企業使用智能算力的門檻，引導算力資源流向工業製造等實體經濟領域。電力，被業界稱為“算力的盡頭”。中國信通院報告顯示，2024年中國資料中心用電量佔社會用電量比例1.68%，並提出未來高中低三種差異化發展場景，按照中速增長，預計到2030年底這一比例將達3%左右，全國資料中心用電量將突破4000億千瓦時；而按照高速增長趨勢，或將突破7000億千瓦時。“算電協同”從趨勢上升為戰略必然。國家引導算力向西部可再生能源富集區佈局，打造綠色算力基地。企業也積極探索綠電直供、分佈式新能源等模式，騰訊的資料中心去年綠電佔比已達80%。一些企業傾向將即時結算、即時推理等對時延要求高的算力就近部署，對時延要求不高的冷資料儲存等業務部署在西部。東西部之間的網路傳輸成本，以及因時延帶來的業務損耗，可能會抵消一部分電價優勢。專家表示，通過網路技術最佳化、業務智能調度，以及電力系統的靈活性互動，實現整體社會成本最優，將是算力基礎設施核心競爭力所在。展望算力前景，李潔認為“我們不僅追求硬體性能的突破，也關注從硬體到軟體、從基礎設施到綠色能源的系統性創新”。這場系統性升級，將決定中國如何把“新石油”轉化為驅動智能時代的澎湃動力。資料探勘：從規模導向轉為質量與專業化導向在保定，工程師們標註自動駕駛車輛在雨雪中的互動軌跡，建構研究華北地區城郊複雜路況的互動資料集；在成都，醫學專業學生標記CT影像以建構肝癌療效預測資料庫；在海口，資訊技術專業學生分析記錄水果生長的無人機影像，用於智能澆灌和採摘系統……最近，在某招聘平台，註明“重點大學本碩博優先”的AI資料標註員崗位，月薪最高接近2萬元。因AI應運而生的資料標註行業，正從以往勞動密集轉向知識密集。10年前，資料標註公司常落戶於中西部地區，受教育不多的人們，會用滑鼠就能完成“看圖貼標籤”。隨著生成式AI的突破和落地千行百業，越來越需要挖掘沉澱於行業企業的資料和專業人士的經驗，並將經驗轉化為AI可理解的“資料燃料”。資料對AI有多重要？在AI三要素中，演算法像設計圖，定義AI學習的方法和邏輯；算力是引擎，提供計算的能力；資料則像人類學習所需要的書本和經驗。當演算法因規模擴張而邊際效益遞減、算力因技術開源而日益普及時，AI技術的競爭焦點正轉向更基礎也更難複製的要素——高品質資料。魏凱說，訓練行業模型解決垂直行業裡的深度問題，需要高品質的行業資料集。“比如，放射科醫生看片子裡有沒有結節，靠的是數十年的醫學經驗，AI看片子也需要醫生教它。現在的資料標註要往縱深發展，把行業的深度知識、專家經驗轉化為能夠被機器學習的樣本，需要標註加工。”高品質資料從那來？簡而言之，資料標註通過提取特徵、分類、註釋和標籤化等操作，將人類的知識與思維邏輯轉化為機器可識別的形式，這是建構高品質人工智慧資料集的關鍵環節。經標註形成的高品質資料能提升垂類大模型在專業領域的性能。中國資料生產總量佔全球四分之一多。中國擁有全球最大的網際網路使用者群體，擁有全門類的工業體系，從原材料開採、中間品加工到終端產品製造的全要素、全過程、全環節資料成為寶貴資源。但另一面，很多人有這樣的經歷：在A醫院做的檢查，其結果並不被B醫院接受，原因在於醫療資料標準不統一，且涉及極高的隱私風險，導致資料無法跨院流動。中國工信部賽迪院信軟所所長韓健認為，資料價值密度不均、資料標準參差不齊、資料流通壁壘重重，導致大量資料“存而不用”，不同部門、不同企業的資料像一個個“孤島”，“不敢傳”（怕洩密）、“不願傳”（怕喪失競爭優勢）、“不會傳”（缺乏技術標準）。難題正在破解。隨著資料被明確為關鍵生產要素，國家資料局掛牌，《“資料要素×”三年行動計畫（2024—2026年）》等相繼出台，旨在培育資料產業，打造高品質資料集。國家資料局指導成都、合肥、瀋陽等7城市建設資料標註基地，先行先試。截至2025年第三季度，形成醫療、工業、教育等行業的高品質資料集超過500個，帶動資料標註相關產值163億元。資料集建設已從通用基礎資料集轉向行業高品質資料集。中國信通院對資料標註企業的調研結果顯示，78%的企業以行業資料集供給為主，重點是交通運輸、醫療健康、教育教學、工業製造等領域。業內人士認為，圍繞資料的進化今年將進入更深層次。從AI技術發展看，隨著模型訓練進入深水區，資料需求持續攀升，但單純堆量的方式已難以為繼，資料訓練密度和利用效率成為新焦點；資料集建設重點從追求規模轉向質量躍升，智能生成、專業細分、合規治理推動破解資料瓶頸。從AI落地應用看，高品質、專業化的行業資料集將成為高價值資源，尤其是在工業、金融、醫療等領域。同時，合成資料技術將越來越普及——當現實資料難以獲取或涉及隱私時，需要借助AI技術生成符合物理規律和業務邏輯的訓練資料，從而突破資料瓶頸。多位專家認為，AI應用到千行百業後，資料有望成為新的中國優勢，因為中國工業門類齊全、數字經濟發達，建成全球規模最大的5G網路，新能源汽車等行業處於世界前列。魏凱表示，未來的關鍵是充分挖掘利用中國在製造業和網際網路等優勢領域中積累的“資料金礦”，形成“業務產生資料、資料訓練AI、AI反哺業務”的良性循環。中國人工智慧學會會士、香港科技大學（廣州）協理副校長熊輝說，資料驅動AI最佳化，進而提升產業，產生更多資料，形成閉環。中國全門類的工業體系提供極其豐富的應用場景，這是形成資料飛輪的巨大優勢。產業賦能：驅動中國製造加快轉型升級一家有70多年歷史的電池廠應用AI，會發生什麼？研發環節採用AI配方大模型，高效開發多特性電池；生產通過AI即時聯動裝置與工藝，實現預警，提升穩定性；檢測引入AI雲系統，以演算法替代人工，保障大批次生產下的質量一致性。這家工廠的變化折射一個趨勢：AI並非高科技產業的專屬，它正成為傳統產業轉型升級的重要驅動力。“美國聚焦閉源，而中國主導開源市場，這一格局直接推動中國企業快速切入AI+產業。”熊輝說。國家資料局的資料顯示，2024年初中國日均Token消耗量1000億，而截至2025年6月底，中國日均Token消耗量突破30兆。一年半時間增長300多倍，反映出AI應用落地的快速增長。Token，中文叫“詞元”，是大語言模型處理資訊的基本單位。模型輸出每一個答案都消耗Token。來自頭部大模型企業的資料也印證這一趨勢。2025年12月，豆包大模型日均Token呼叫量突破50兆，同比增長超10倍，累計使用量超兆Token的企業客戶突破100家。業界人士預測，未來的Token消耗將呈現“二八格局”——約80%來自企業，20%來自個人使用者。“大模型會率先在數位化基礎較好、數位化人才相對聚集的行業落地，比如網際網路服務、金融、政務等資訊化技術好的領域；在物理資產較多、數位化相對滯後的傳統產業則會落地較緩。”魏凱分析說。中國信通院的報告顯示，AI在不同工業領域呈現差異化滲透特徵，其中電子資訊、消費品、以汽車為代表的裝備製造等行業在應用中佔重要份額，鋼鐵、石化、能源電力等行業形成較好應用態勢。中國工信部賽迪院產業所所長王昊認為，AI將以小步快跑態勢在製造業落地，從完成簡單任務到實現高級功能。2026年AI大規模落地製造業方面，較看好汽車、機器人等先進製造企業，AI也將賦能提升裝備與消費產品的智能化水平。聚焦製造業，會發現AI應用在三個維度展開：研發設計、生產製造、營運管理。“目前，大模型應用超過40%聚集在客服等營運管理環節，30%至40%應用於研發環節，原本處於‘中間緩’的生產製造環節AI應用比例從2024年的19.9％提升到2025年的25.9%，未來還將提升。”魏凱說。這種分佈反映AI在製造業滲透的漸進性特徵——從相對標準化的管理環節向核心的生產製造環節延伸。張亞勤表示，相比第一、二次工業革命中國“零參與”、第三次以資訊時代為標誌的工業革命是“跟隨者”，在AI作為技術底層的第四次工業革命中，“中國完全有可能走在前列”。這一判斷是業內共識。其背後，是基於中國的獨有優勢：全球最完整的工業體系、海量應用場景資料、強大的工程化能力和龐大的市場需求。這些要素共同構成中國製造業在AI時代實現跨越式發展的基礎。國家部署為企業助力。去年，《關於深入實施“人工智慧+”行動的意見》提出加快人工智慧在設計、中試、生產、服務、營運全環節落地應用；今年1月，工業和資訊化部等八部門印發《“人工智慧+製造”專項行動實施意見》，提出到2027年推動形成特色化、全覆蓋的行業大模型，推廣500個典型應用場景。中國工信部部長李樂成表示，將深入實施“人工智慧+製造”專項行動，統籌佈局通用大模型和行業大模型，培育一批重點行業智能體、智能原生企業；加快製造業智能化升級，挖掘人工智慧應用場景，以萬千“小場景”匯聚形成融合“大場面”。熊輝表示，傳統產業進行AI改造的核心是將產業問題抽象為AI問題，並實現低成本部署。以廣州的小家電產業叢集為例，可利用產業優勢，快速形成資料化、智能化閉環，大小模型配合，提升終端智能化水平。超600萬家中國製造業工廠，將在紛繁多樣的場景擁抱AI。這不僅是一場技術革命，更是一場深刻的生產方式變革。社會價值：深刻改變治理方式和運行規則重慶市潼南區桂林街道梨樹村，智能監測系統靜靜守護著85歲的獨居老人。當系統發現異常，從預警到網格員上門僅需15分鐘。這是AI融入政府公共服務的一個普通場景。從事後處置轉向事前預警，從“人海戰術”轉向智能調度，人工智慧的觸角以前所未有的廣度和深度，嵌入社會運行的一道道肌理。AI帶來的轉變推動城市治理更智能、更精準。在四川德陽，“城市大腦”的演算法以分鐘級發現路面問題；在甘肅臨洮，大橋上的AI可識別行人翻越欄杆、靠近水流等行為，與警務等部門聯動，挽救了20多條生命。重塑治理理念，人機協同的治理新模式應運而生。中國信通院政策與經濟研究所副所長李強治認為，中國正推動AI治理“下沉場景賦能”，將AI技術與政務、公共安全等領域深度融合。這股力量也滲透進日常生活的毛細血管——消費。AI萬能搜、AI幫我挑、AI試衣、AI清單……去年的“雙十一”購物節，淘寶天貓一口氣推出6款AI導購應用。“平台和產品變得更懂消費者。這不再是簡單的‘猜你喜歡’，而是‘懂你需要’，消費起點從使用者的需求清單逐漸變為AI的演算法推薦。”淘天集團研究中心主任徐飛說。AI正錨定“需求”著力滲透，實現從“技術可行”到“社會需要”。一位蔚來車主在車裡說句“想吃麥當勞”，車載系統就能自動定位到最近門店，並根據駕駛路線與會員身份推薦套餐。這是麥當勞中國與蔚來汽車聯合推出的中國首個車載AI語音點餐系統。麥當勞中國首席資訊技術與體驗官陳世宏表示，AI技術不斷滲透到消費場景，拓展消費邊界。《關於深入實施“人工智慧+”行動的意見》提出，推動智能終端“萬物智聯”，培育智能產品生態，大力發展智能網聯汽車、人工智慧手機和電腦、智慧型手機器人、智能家居、智能穿戴等新一代智能終端，打造一體化全場景覆蓋的智能互動環境。中金公司2026年展望報告顯示，消費電子的“端側AI時代”已經來臨，今年有望成為AI消費終端大規模普及的關鍵年份。新一輪消費電子更新換代潮或將到來。愛奇藝AIGC科技創意指導王慶豐表示，AI正推動消費從“需求牽引供給”逐步到“供給定義需求”，這背後是AI從表層效率最佳化切入，逐步滲透到體驗重構，甚至重塑著深層價值體系。AI重新定義價值，最深遠的是挖掘人的價值。學日語出身的劉典，在AI爆火的這兩年決定辭職攻讀計算語言學。“AI降低了跨界難度，很多知識門檻並沒有想像中高。”他說。AI向各行各業滲透，先行者靠它撬動更大價值。上海漕河涇開發區AI校友中心有超60家AI初創企業，創業者平均28歲。數宗科技主攻“多模態知識圖譜”，其創始人丁天是一位愛寫詩的文科生，他認為，AI時代，技術正從難以踰越的壁壘變為人人可呼叫的資源。“氛圍程式設計”入選《柯林斯詞典》2025年度詞彙，從“敲程式碼”到“聊程式碼”，AI逐漸滲透工作流程。騰訊相關負責人表示，騰訊有超90%工程師正在借助AI編碼，並基於自身實踐推出支援多種形態的專業工具CodeBuddy（雲程式碼助手），面向企業及程式設計師提供服務。AI輔助讓工程師專注於創新，成為能力的放大器。隨著AI重新定義工作和技能，傳統教育勢必轉型。在深圳職業技術大學的課堂上，AI正在手把手地教學生程式設計。校長許建領說，成功的“AI+教育”不是讓學生依賴AI獲取答案，而是培養他們使用AI創新。學生核心競爭力不再是單一的操作技能，而是複雜問題解決能力、“AI+技能”復合素養和可持續學習的自驅力。AI時代，每個人都可以挖掘自己的潛力，專注於唯有人類才能駕馭的洞察與創造。安全防範：護欄建設將趨嚴趨實最近，美國《韋氏詞典》評選出2025年度詞彙：“slop”（AI垃圾內容）。不約而同，英國《經濟學人》雜誌、澳大利亞《麥考瑞詞典》評選的年度詞彙也是它。這詞被一些網友翻譯為“AI泔水”，指質量低下、無意義或粗製濫造的AI圖像和文字等內容。詞語背後是席捲全球的現象：AI生成的荒誕而無意義的視訊、圖像和文字充斥網際網路。這警示人們，AI技術突飛猛進的同時，其日益增多的安全隱患與倫理挑戰不容忽視。“一家公司與某三甲醫院合作開發AI健康助手，最初設計採用一名真實醫生的形象與聲音。我向這家公司提出可能誤導患者，透支患者對醫生的信任。”中國科學院自動化研究所研究員、聯合國人工智慧高層顧問機構專家曾毅談到這樣一個案例。在曾毅等人建議下，這家公司推出的應用以卡通人物為形象，強化了其助手定位。曾毅說，越來越多AI企業開始思考以人文溫度校準技術。AI有那些風險？業內專家普遍將其總結為資料隱私與安全邊界模糊、技術濫用與虛假資訊產生、演算法偏見與決策“黑箱”等方面。張亞勤認為，突出的是資訊智能領域的風險，AI可以被利用生成虛假資訊、深度偽造並進行欺詐，還有生成式人工智慧的智慧財產權問題。當未來大模型、智能體與無人車、機器人等連接起來，智能體之間的協作和博弈如果出現失控或被惡意濫用，造成的風險更大。曾毅舉例，“越獄攻擊”，即通過精心設計提示詞繞過安全約束，並引發有害、偏見或不道德輸出的對抗性攻擊，是當前大語言模型安全領域的嚴峻挑戰。在AI技術狂飆突進時，如何為它裝好“方向盤”和“剎車片”？中國不斷加固安全護欄，走出一條從柔性指導到不斷加強法治保障的特色治理之路——《關於深入實施“人工智慧+”行動的意見》提出“形成動態敏捷、多元協同的人工智慧治理格局”；中央網信辦、國家發展改革委、科技部等多部門協同發力，推動人工智慧治理從理念走向落地。“十五五”規劃建議提出，加強人工智慧治理，完善相關法律法規、政策制度、應用規範、倫理準則。業界認為，這為中國未來五年人工智慧健康發展明確方向、留足空間、築牢基礎。去年底公佈的《人工智慧擬人化互動服務管理暫行辦法（徵求意見稿）》提出，擬人化互動服務提供者應當建立應急響應機制，發現使用者明確提出實施自殺、自殘等極端情境時，由人工接管對話。“這一暫行辦法公佈並向社會徵求意見，體現中國人工智慧政策‘自適應性’與監管框架的與時俱進。”曾毅說。既有“軟性”政策指導，也有“硬性”法律保障。新修改的網路安全法於今年施行，其中規定，完善人工智慧倫理規範，加強風險監測評估和安全監管。“規範發展”已成為AI業界共識，從研究機構到企業平台均在探索建立健全AI安全倫理體系，明確資料使用、責任界定等關鍵規則。2024年，中國信通院啟動“大規模預訓練模型（文字生成功能）安全認證”，標誌著中國開始對大模型內容安全進行系統化、標準化認證。一些機構和企業也在牽頭制定行業標準，如騰訊和中國信通院聯合發佈中國首個金融行業大模型標準等。AI發展需要各國共同推進、協同治理。參與起草《人工智慧全球治理行動計畫》的清華大學人工智慧國際治理研究院院長薛瀾表示，建構一個公平、公正、綜合、平衡的人工智慧全球治理體系，關乎全人類的共同發展。AI是驅動發展的新質生產力，也是影響人類未來命運的新生力量。如何加速技術應用以增加社會福祉，同時加強人文關懷化解潛在風險，這既關乎發展，也關乎未來。中國AI技術的發展與應用令人期待，需要全社會的深度參與。 (新華社)

美國IPO市場近年來經歷了顯著的波動與結構性調整，以下從市場規模、發展趨勢及關鍵驅動因素三個方面進行詳細分析：一、市場規模：從疫情後的峰值回歸常態化1. 2024年市場回暖，規模顯著回升2024年是自2021年峰值以來表現最好的一年，全年共有225家企業完成IPO，募資總額達382.6億美元（若計超額配售則達410億美元），同比增長65.1%。其中傳統IPO佔168家（募資295.5億美元），SPAC佔57家（募資87.1億美元）。中概股表現突出，78家中企赴美上市，佔美股IPO總數的34.7%，但平均募資規模較小（約5094萬美元）且股價表現疲軟，平均較發行價下跌超20%。2. 2025年一季度延續增長勢頭2025年第一季度，美股IPO數量達79家（同比增長75.56%），募資113.55億美元（同比增長32.46%）。中概股佔比進一步提升至35%（28家），但融資額僅7.8億美元，平均募資額降至2796萬美元，反映出中企赴美上市以中小型企業為主的趨勢。同期SPAC市場表現強勁，18家SPAC募資27.37億美元，佔比24.1%。3. 行業分佈：科技與生物科技主導2024年美股IPO行業分佈中，殼公司（SPAC）、生物科技（26家）、軟體（15家）位列前三。2025年一季度，軟體服務行業以29億美元募資額居首，非銀金融和石油石化各募資26億美元緊隨其後。科技公司如CoreWeave（AI雲端運算）和Caris Life Sciences（醫療AI）的上市案例，顯示出市場對高增長科技企業的持續關注。二、發展趨勢：結構性調整與新興機遇並存1. 利率下行與經濟復甦推動市場回暖隨著美聯儲進入降息週期，2024年IPO市場逐漸擺脫高利率陰影。安永報告指出，2024年美股IPO回報率達3.7%（2023年為-7%），雖仍落後於納斯達克指數18%的漲幅，但市場信心顯著修復。2025年預計降息75個基點，疊加股市估值回升（納斯達克和標普500指數2024年分別上漲29%和23%），為IPO創造了更有利的環境。2. 科技行業引領復甦，AI與新能源成焦點科技行業在2025年展現出強勁復甦勢頭。高盛預測，科技IPO數量可能翻倍至34家，大型科技公司如瑞典支付平台Klarna計畫上市，私募股權支援的科技企業也加速準備IPO。AI和新能源領域尤為活躍：CoreWeave（輝達合作的AI雲端運算公司）以350億美元估值上市，募資27億美元；核能初創公司Terrestrial Energy通過SPAC上市，獲2.8億美元融資。3. SPAC市場重新活躍，中概股轉向小型化2025年上半年SPAC市場迎來爆發，58家SPAC募資117.2億美元，超過2024年全年的96.2億美元。中概股方面，儘管數量增加（2025年一季度28家），但融資額大幅下降，更多中小型企業選擇“小額IPO”，平均募資額不足3000萬美元。部分企業通過調整架構（如將海外子公司轉為母公司）規避監管風險。4. 監管趨嚴與國際競爭加劇納斯達克2025年4月實施新規，要求企業必須通過新股發行滿足流通市值標準，老股轉售不再計入，導致2024年符合條件的中企從60家驟降至8家。同時，港股市場憑藉政策支援和中概股回流（如霸王茶姬、亞盛醫藥），2025年上半年IPO融資額同比增長超500%，對美國市場形成分流壓力。5. 投資者理性化與行業分化投資者對AI熱潮的態度從投機轉向務實，更關注技術落地和商業模式。2024年AI相關IPO平均回報率僅3.7%，落後於大盤，促使企業更注重盈利前景。行業分化加劇，生物科技、軟體服務等領域表現穩健，而消費類企業（如中國茶飲品牌）上市後股價波動較大。三、關鍵驅動因素與未來展望1. 宏觀經濟與政策環境利率下降和經濟軟著陸預期是2025年IPO市場的主要推動力。紐交所預測全年融資額可能達500億美元，接近疫情前水平。但地緣政治（如中美貿易限制）和美國大選的不確定性仍構成潛在風險。2. 私募股權與風險投資退出需求私募股權支援的IPO佔比從2022年的3%回升至2024年的8%，隨著私募與公開市場估值差距縮小，更多機構傾向於通過IPO退出。例如，黑石、凱雷等機構計畫在2025年推動旗下企業上市。3. 替代上市方式的興起直接上市和SPAC成為傳統IPO的重要補充。2025年一季度有2家企業採用直接上市，而SPAC佔IPO數量的22.78%。儘管直接上市案例較少，但Spotify、Slack等先例顯示其在科技行業的可行性。4. 國際資本流動與市場競爭中概股在美上市面臨監管壓力，部分企業轉向香港（如亞瑪芬體育、富途控股）或東南亞市場。港股憑藉日均成交額翻倍（2025年前五月達2423億港元）和政策支援，成為中概股回流的主要選擇。總之，美國IPO市場正從疫情後的異常繁榮回歸常態化，2024年的回暖為2025年奠定了基礎。科技與生物科技行業仍是增長主力，SPAC和直接上市提供靈活融資管道，但監管趨嚴和國際競爭加劇帶來挑戰。隨著利率下降和經濟復甦，市場有望進一步活躍，但投資者對盈利質量和行業前景的要求將更高。對於企業而言，選擇合適的上市時機和路徑（如SPAC、直接上市），並適應監管變化，將成為成功登陸美股的關鍵。 (才說資本)

半導體行業正處於增長周期，其增長將受到強大的結構性趨勢的推動，包括人工智慧驅動的計算和記憶體需求的加速增長，以及先進封裝、功率半導體、矽光子學的轉變，以及供應鏈本地化的迫切需求。本文由Yole撰寫，將對半導體行業現狀進行全面剖析，並展望 2026 年的核心發展趨勢。人工智慧如何驅動半導體創新人工智慧已成為整個半導體價值鏈的主要驅動力。圍繞人工智慧發展，市場呈現出兩大主題：一是為滿足需求而進行的基礎設施擴展所面臨的挑戰，二是各行業能否交付由人工智慧驅動的切實可行且盈利的新應用。資料通訊容量正日益受到物理極限的制約，這正推動著資料中心及更廣泛通訊基礎設施從銅纜向光互連的結構性轉變。隨著頻寬需求的增長以及能效成為關鍵設計約束，光連接正被部署得更靠近計算節點。這加速了矽光子學的整合，尤其是在人工智慧資料中心中，更短的電氣路徑和更高速度的光鏈路對於維持性能擴展至關重要。高性能計算技術的興起正在設定新的標準。先進封裝是這些技術的核心，旨在確保高效散熱以及成本控制。與此同時，對高頻寬儲存器（HBM）的需求正飆升，給供應帶來了壓力。製造商有能力生產足夠的元件嗎？儘管有數十億美元投資帶來的強勁勢頭，但人工智慧商業模式仍存在不確定性，特別是大型語言模型（LLM）能否帶來可持續回報。雖然人工智慧的採用正在加速，但許多企業用例的投資回報率（ROI）仍不明確，這引發了人們對當前支出水平構成持久增長周期還是投機泡沫的質疑。行業將不得不面對一個根本問題：誰來買單？建構具有韌性的本土供應鏈由於地緣政治緊張局勢迫使企業重新評估關鍵元件的採購地點和方式，供應鏈安全仍將是未來一年的決定性主題。在加強供應鏈的競賽中，中國繼續加速其本土半導體生態系統的發展，旨在滿足國內需求，同時在先進技術生產方面迎頭趕上。國內製造商正大力推動從裝置（光刻、蝕刻和材料沉積）到整個價值鏈末端系統（如人形機器人）的前沿能力發展。而台積電（TSMC）、美光（Micron）和英特爾（Intel）等公司在美國的重大半導體投資，反映了政府政策以及美中貿易戰如何影響全球製造戰略。不穩定世界中戰略技術的崛起隨著各國政府應對日益不穩定的地緣政治環境，國防半導體技術也正獲得戰略重要性。更多的國家主導國防投資正在推動更多的技術研發和採購。無人機的快速發展正在推動感測、驅動、通訊和電子戰領域的創新，這些都是 Yole Group 分析中密切關注的領域。這一轉變正支撐著對慣性感測器、射頻（RF）元件、干擾系統和成像解決方案等技術的需求，其中無人機和反無人機能力正成為一個特別重要的增長領域。汽車市場對半導體相關元件需求的放緩，也促使製造商重新聚焦於供應國防相關應用。除了國防項目，通訊基礎設施領域的機會也在擴大，包括用於天基網路的射頻和光學衛星技術。 (半導體行業觀察)

10月8日晚間，輝達創始人、CEO黃仁勳接受 CNBC 專訪，圍繞 AI 產業鏈、美國與中國的競爭格局、公司投資策略以及行業趨勢等話題發表系統性看法。下面是我整理的本次訪談核心內容，分享給大家。黃仁勳的核心觀點如下：1、過去六個月，計算需求呈指數級大幅增長。2、AI從有趣變成了具備實用性，已經能讓AI企業盈利。3、AI模型領域，中美雙方水平接近，但中國的AI應用發展速度極快。4、對xAI正在進行的融資興奮，他幾乎想參與埃隆·馬斯克每一個項目。5、對企業而言，真正有價值的是專用智能；而對消費者來說，有價值的則是通用智能。6、輝達與OpenAI的合作模式，和AMD不同。AMD在產品還沒完全成型前就願意讓出公司10%股權。+以下為對本次訪談核心內容的總結(有些許調整，但不影響閱讀)：一、輝達與 OpenAI 的合作模式合作歷史悠久：早在 2016 年，輝達就向當時的非營利初創公司（即後來的 OpenAI）交付了全球首台 AI 超級電腦 DGX‑1，奠定了長期合作基礎。合作方式獨特：輝達主要通過微軟 Azure、甲骨文 OCI、CoreWeave 等雲平台向 OpenAI 提供 GPU 算力。近期開始直接向 OpenAI 銷售完整的 AI 基礎設施（包括 CPU、GPU、網路晶片、交換機及軟體棧），幫助其自建超大規模資料中心。資金與股權安排：OpenAI 目前現金不足，建設每 10GW AI 工廠需約 500‑600 億美元。輝達將通過未來收入、股權或債務方式參與融資，但並非必須持股。黃仁勳坦言自己對當初在 OpenAI 的投資不足感到遺憾，認為 OpenAI 是史上最具價值且盈利能力極強的 AI 公司。與 AMD 的對比：AMD 在與 OpenAI 合作時，甚至在產品未成熟前就讓出約 10% 股權，黃仁勳認為這“聰明”。輝達則更注於技術領先和全端解決方案，保持對晶片和系統的完整控制。二、AI 產業的商業化處理程序新一代 AI 公司已實現盈利：過去幾年，OpenAI、Anthropic、xAI 等模型研發企業主要靠融資維持，業務多為虧損。近期模型具備推理、聯網檢索、工具使用等實用功能，使用者付費意願顯著提升，AI 服務已進入盈利階段。企業級 AI 需求爆發：以 Cursor 為代表的 AI 程式設計工具已在輝達內部全員使用，顯著提升生產力。企業級 AI 應用正成為增長最快的細分市場，推動 AI 從“有趣”向“必需”轉變。算力需求指數級增長：過去六個月，AI 推理與生成能力提升帶來計算需求的雙重指數增長。每建成一座 AI 工廠（約 10GW）需 500‑600 億美元資本支出，全球 AI 基礎設施總規模已達約 2.5 兆美元，CAPEX 約 5 千億美元，仍處於起步階段。三、中美 AI 競爭態勢技術堆疊整體差距不大：黃仁勳指出，在能源、晶片、基礎設施等層面，中國已具備或超過美國的實力；在 AI 模型層面，兩國水平接近，歐美模型（OpenAI、Anthropic、Google）在性能上略勝一籌。開源模型優勢在中國：中國在開源模型數量和活躍度上遠超美國，這為本土企業快速迭代提供了肥沃土壤。應用層面是關鍵競爭點：中國的 AI 應用落地速度極快，社會接受度高且監管相對寬鬆，導致 AI 產品在消費端和企業端的滲透率迅速提升。黃仁勳警示，美國必須加速自身 AI 應用的推廣，否則在這場工業革命的勝負中處於劣勢。市場策略建議：美國應確保最先進的晶片和技術堆疊優先供給本國及盟友，同時通過平台化（類似應用程式商店、作業系統）吸引全球開發者使用美國技術。目標是五年內美國技術堆疊佔全球 AI 開發的 80%，否則將失去競爭主動權。四、投資與合作展望對 xAI 的興趣：黃仁勳對馬斯克的 xAI 項目表現出極大熱情，計畫參與約 20 億美元的融資，視其為未來重要合作夥伴。對 CoreWeave 的持續關注：他同樣對雲算力提供商 CoreWeave 抱有期待，認為自己過去的投資仍有提升空間。投資哲學：黃仁勳多次提到“當初沒多投點”，這反映出他對潛在高價值 AI 初創公司的強烈興趣，未來仍會在全球範圍內尋找並佈局全端 AI 生態系統的關鍵企業。五、地緣政治與人才政策地緣政治風險：技術層面的風險公司能夠應對，但政策與國際關係帶來的不確定性更具挑戰。輝達正積極向各國政府科普 AI 本質，爭取制定有利於全球合作的政策。H‑1B 簽證費用爭議：美國近期對 H‑1B 簽證額外收取 10 萬美元費用，黃仁勳認為這對移民家庭是沉重負擔，呼籲政策進一步最佳化，以保持美國對全球頂尖人才的吸引力。六、對未來的展望專用智能 vs 通用智能：對企業而言，專用智能（針對特定業務場景的 AI）更具價值；對普通消費者，通用智能（能夠完成多種任務的 AI）更受歡迎。輝達將繼續在兩者之間尋找平衡。AI 工具的革命性：當前 AI 已經從“人類使用的工具”轉變為“能夠自主使用工具的技術”，如 AI 瀏覽器、自動預訂、程式碼生成等，這將極大提升勞動生產率，推動全球產業規模向兆美元等級邁進。基礎設施建設的起點：當前的算力需求激增標誌著新一輪 AI 基礎設施建設的起點，也是新工業革命的開端。輝達正致力於讓更多使用者獲得高效算力，推動 AI 向更高水平發展。七、本次訪談內容總結算力是AI能力發展的最底層基礎設施。美國在模型性能上仍有優勢，但中國在開源模型領域佔據優勢。AI產業化最終勝出的關鍵點，在於AI應用層面的競爭。誰能更快落地形成生態，誰就是最終勝家。企業級AI工具會優先產生盈利，但長期來說使用者級通用智能工具才是最廣闊的市場，背後是兆美元等級的廣闊市場。 (老張的求知思考世界)

一、引言2025 年 10 月 16 日，以 “匯智聚能 網聯無限” 為主題的 2025 世界智能網聯汽車大會在北京亦莊盛大開幕。這一盛會由工業和資訊化部、交通運輸部、北京市人民政府聯合主辦，吸引了來自全球 10 余個國家和地區的政府、企業和科研機構 4000 多名代表參會。在智能網聯汽車從技術探索階段邁入規模化發展的關鍵期，此次大會猶如一座燈塔，為產業的發展指明了方向。本文將深度剖析大會的精華內容，涵蓋智能汽車產業鏈分析、智能汽車算力分析、自動駕駛等級分類、發展趨勢分析等多個方面，帶您領略兆市場起飛的壯麗圖景。二、智能汽車產業鏈分析（一）產業鏈完整體系的建構工業和資訊化部副部長辛國斌在會上表示，近年來中國智能網聯汽車產業發展取得積極成效，建成了涵蓋智能座艙、自動駕駛、網聯雲控等在內的完整產業體系。這一完整產業體系的形成，標誌著汽車產業發展進入 “電、智、網” 全面融合的系統化競爭新階段。從上游來看，晶片、感測器、高精度地圖等核心零部件的研發與生產至關重要。例如，晶片作為智能汽車的 “大腦”，其性能直接影響著汽車的智能化水平。目前，中國在晶片領域雖然取得了一定的進展，但在一些高端晶片方面仍依賴進口，不過隨著政策的支援和企業研發投入的增加，國產晶片的替代處理程序正在加快。感測器則如同汽車的 “眼睛” 和 “耳朵”，能夠即時感知車輛周圍的環境資訊，雷射雷達、毫米波雷達、攝影機等多種感測器的融合應用，成為了當前智能汽車感知系統的主流方案。中游的整車製造企業是產業鏈的核心環節。傳統車企如一汽、東風、上汽等，正在加速向智能網聯汽車領域轉型，通過與科技公司合作、加大自身研發投入等方式，推出了一系列具有智能網聯功能的車型。新勢力車企如蔚來、小鵬、理想等，則憑藉其在智能化、電動化方面的創新優勢，在市場上佔據了一席之地。此外，華為、百度等科技公司也以不同的方式參與到整車製造中，華為通過提供智能汽車解決方案，與車企合作打造智能網聯汽車，百度則通過 Apollo 自動駕駛平台，推動自動駕駛技術的商業化應用。下游的應用服務領域同樣不可或缺，包括出行服務、汽車維修保養、保險等。隨著智能網聯汽車的普及，出行服務模式正在發生深刻變革，Robotaxi、Robobus 等自動駕駛出行服務逐漸走進人們的生活。汽車維修保養也需要更加專業的技術和裝置，以適應智能網聯汽車的複雜性。保險行業則需要針對智能網聯汽車的特點，開發新的保險產品和服務模式，例如根據自動駕駛等級制定不同的保險費率等。（二）產業鏈協同創新的優勢中國在智能網聯汽車領域具備產業鏈協同創新的優勢。第十四屆全國政協常委、經濟委員會副主任苗圩指出，中國的雷射雷達、車載智能計算平台等軟硬體供應鏈逐漸形成，人工智慧產業生態非常活躍，支撐單車智能加車路雲協同的基礎設施具有先發優勢。以 “車路雲一體化” 為例，這一模式的實現需要產業鏈上下游各環節的緊密配合。車輛需要與道路基礎設施進行通訊，獲取即時的交通訊息，如路況、訊號燈狀態等，這就需要道路基礎設施提供商提供先進的通訊裝置和技術。同時，雲端運算平台需要對大量的車輛資料和道路資料進行處理和分析，為車輛提供精準的決策支援，這離不開雲端運算企業的技術支援。整車製造企業則需要將這些技術整合到車輛中，實現車輛的智能化和網聯化。通過產業鏈協同創新，中國能夠更好地發揮各環節的優勢，加快智能網聯汽車的研發和應用處理程序。三、智能汽車算力分析（一）算力在智能汽車中的重要性算力是智能汽車的核心驅動力之一，它決定了汽車能夠處理多少資料、運行多複雜的演算法以及實現多高等級的自動駕駛功能。隨著智能汽車的智能化程度不斷提高，對算力的需求也呈指數級增長。例如，自動駕駛系統需要即時處理大量的感測器資料，包括圖像、雷達訊號等，以精準感知周圍環境並做出決策。這就需要強大的算力支援，否則就會出現決策延遲，影響行車安全。（二）當前智能汽車算力的發展現狀目前，智能汽車的算力水平呈現出參差不齊的狀態。一些高端車型已經配備了強大的算力平台，例如小米汽車宣稱其全系車型標配 700T 算力，這使得車輛能夠支援更高等級的自動駕駛功能和更豐富的智能座艙應用。然而，在一些中低端車型中，算力水平相對較低，可能只能滿足基本的輔助駕駛功能和簡單的智能座艙需求。從算力晶片的角度來看，國際上一些知名晶片企業如輝達、高通等在智能汽車算力晶片領域佔據了領先地位。輝達的 Drive 系列晶片被廣泛應用於眾多智能汽車品牌中，其強大的算力和優秀的性能為自動駕駛的發展提供了有力支援。國內的晶片企業也在不斷努力追趕，如地平線推出的征程系列晶片，在算力和性能方面也取得了一定的突破，已經在一些國內車企中得到應用。（三）未來智能汽車算力的發展趨勢未來，智能汽車算力將繼續呈現快速增長的趨勢。隨著自動駕駛技術向更高等級發展，如 L4、L5 級自動駕駛，對算力的需求將達到數千 T 甚至更高。為了滿足這一需求，晶片企業將不斷推出更高算力、更低功耗的晶片產品。同時，算力的架構也將不斷最佳化，從傳統的集中式計算向分散式運算發展，以提高算力的利用效率和系統的可靠性。此外，邊緣計算將在智能汽車中得到更廣泛的應用。通過在車輛附近的邊緣伺服器上進行資料處理和分析，可以減少資料傳輸到雲端的延遲，提高系統的響應速度。例如，在一些即時性要求較高的場景下，如緊急制動、避障等，邊緣計算可以更快地為車輛提供決策支援，進一步提升行車安全。四、自動駕駛等級分類（一）自動駕駛等級的定義和標準根據國際汽車工程師學會（SAE）的定義，自動駕駛等級可以分為 L0 - L5 六級。L0：無自動化：車輛完全由人類駕駛員控制，沒有任何自動駕駛輔助功能。L1：輔助駕駛：車輛具備一些基本的輔助駕駛功能，如自適應巡航控制、車道保持輔助等，但駕駛員仍需時刻保持對車輛的控制。L2：部分自動化：車輛能夠在某些特定場景下實現自動加速、減速和轉向，但駕駛員需要隨時準備接管車輛。L3：有條件自動化：車輛在特定的條件下可以實現自動駕駛，駕駛員不需要隨時監控車輛，但在系統發出請求時，駕駛員需要在一定時間內接管車輛。L4：高度自動化：車輛在大多數場景下可以實現自動駕駛，無需駕駛員干預，但在一些特殊情況下，如極端天氣、道路施工等，仍需要駕駛員接管車輛。L5：完全自動化：車輛在任何場景下都可以實現自動駕駛，無需人類駕駛員。（二）當前各自動駕駛等級的應用情況在當前市場上，L2 級自動駕駛已經得到了較為廣泛的應用。許多車企的中高端車型都配備了 L2 級自動駕駛功能，如特斯拉的 Autopilot、蔚來的 NIO Pilot、小鵬的 XNGP 等。這些功能能夠在高速公路等場景下為駕駛員提供一定的駕駛輔助，減輕駕駛疲勞。L3 級自動駕駛也逐漸開始進入市場。一些車企已經在部分車型上推出了 L3 級自動駕駛功能的試點應用，例如奧迪的 A8 車型。然而，L3 級自動駕駛的推廣還面臨著一些挑戰，如法律法規的不完善、駕駛員信任度的問題等。L4 級自動駕駛目前主要處於測試和示範應用階段。在一些城市，如北京、上海、廣州等，已經開展了 L4 級自動駕駛的測試營運，包括 Robotaxi、Robobus 等服務。例如，百度的 Apollo Robotaxi 在北京亦莊等地已經進行了大規模的測試和營運，為公眾提供了自動駕駛出行服務體驗。L5 級自動駕駛由於技術難度極高，目前尚未有實際應用案例，仍處於理論研究和技術研發階段。（三）自動駕駛等級提升對智能網聯汽車的影響隨著自動駕駛等級的提升，智能網聯汽車的功能和性能將不斷增強，對整個汽車產業和交通運輸行業也將產生深遠的影響。從汽車產業的角度來看，自動駕駛等級的提升將推動汽車產品的升級換代，促使車企加大在自動駕駛技術研發方面的投入。同時，也將帶動相關零部件產業的發展，如感測器、算力晶片、智能駕駛系統等。此外，自動駕駛汽車的普及還將改變汽車的銷售模式和售後服務模式，例如，未來可能會出現基於自動駕駛功能的訂閱服務，消費者可以根據自己的需求選擇不同等級的自動駕駛功能，並按使用時間付費。從交通運輸行業的角度來看，自動駕駛等級的提升將提高交通運輸的安全性和效率。自動駕駛汽車能夠避免人類駕駛員的一些錯誤操作，如疲勞駕駛、超速行駛等，從而減少交通事故的發生。同時，自動駕駛汽車可以通過車路協同等技術，實現更高效的交通流量最佳化，減少交通擁堵。例如，在車路協同的模式下，車輛可以提前獲取前方道路的交通訊息，合理規劃行駛路線，避免不必要的停車和啟動，從而提高道路通行效率。五、智能網聯汽車發展趨勢分析（一）技術發展趨勢從 “單車智能” 到 “群體智能”中國工程院院士鄔賀銓等專家指出，智能網聯汽車正從 “駕駛工具” 向 “數字生活空間” 躍遷，未來的技術路徑將從單智能體向智聯網演進，最終實現車、路、雲、星的深度協同。在 “單車智能” 模式下，車輛主要依靠自身的感測器和計算能力來實現自動駕駛和智能網聯功能。然而，這種模式存在一定的侷限性，例如車輛的感知範圍有限、對複雜場景的處理能力不足等。而 “群體智能” 則通過車與車、車與路、車與雲之間的通訊和協同，實現了資訊的共享和融合，從而提高了整個交通系統的智能化水平。例如，車輛可以通過車車通訊獲取周圍車輛的行駛狀態和意圖，提前做出決策，避免碰撞事故的發生。同時，通過車路協同，道路基礎設施可以為車輛提供即時的交通訊息和引導，進一步最佳化車輛的行駛路徑和速度。人工智慧與汽車產業的深度融合人工智慧是智能網聯汽車發展的核心技術之一，未來人工智慧將與汽車產業實現更深度的融合。在感知層面，人工智慧演算法可以對感測器採集到的資料進行更精準的處理和分析，提高車輛對周圍環境的感知能力。例如，通過深度學習演算法，車輛可以更準確地識別道路上的行人、車輛、交通標誌等物體。在決策層面，人工智慧可以根據感知到的環境資訊和車輛的行駛狀態，做出更合理的決策，如加速、減速、轉向等。此外，人工智慧還可以應用於智能座艙領域，實現語音互動、人臉識別、情感識別等功能，為使用者提供更加個性化、智能化的駕乘體驗。大算力晶片的關鍵作用日益凸顯如前文所述，隨著智能汽車智能化程度的提高，對算力的需求不斷增加，大算力晶片的關鍵作用日益凸顯。大算力晶片能夠讓車輛處理更複雜的 “長尾場景”，提高自動駕駛的安全性和可靠性。例如，在一些複雜的交通場景下，如城市擁堵路段、惡劣天氣條件等，車輛需要即時處理大量的感測器資料，並做出精準的決策，這就需要大算力晶片的支援。同時，大算力晶片還可以為智能座艙提供更流暢的運行體驗，支援更多的智能應用和服務。（二）產業發展趨勢政策支援力度不斷加大從本次世界智能網聯汽車大會可以看出，政府對智能網聯汽車產業的支援力度不斷加大。工業和資訊化部將組織編制 “十五五” 智能網聯新能源汽車產業發展規劃，推動人工智慧與汽車產業創新深度融合，深入推進 “車路雲一體化” 應用試點，加快組合駕駛輔助、自動駕駛等相關標準制定。交通運輸部也印發了《關於 “人工智慧 + 交通運輸” 的實施意見》，堅持把人工智慧作為重要抓手，深入實施智能交通先導應用試點工程，加強智能網聯汽車和自動駕駛技術研發應用。北京作為中國重要的汽車產業基地之一，率先出台了自動駕駛汽車條例，規範和加強自動駕駛管理，促進智慧設施建設和智能網聯技術發展。這些政策的出台將為智能網聯汽車產業的發展提供良好的政策環境和制度保障，推動產業的快速發展。產業生態逐漸完善智能網聯汽車產業的發展需要一個完善的產業生態，包括整車製造企業、零部件供應商、科技公司、通訊營運商、出行服務提供商等各方的共同參與和協同合作。隨著產業的發展，中國的智能網聯汽車產業生態逐漸完善。例如，在本次大會上，發佈了 “資料拼車” 眾源共享新範式，為自動駕駛資料的流通和融合提供了創新解決方案。同時，國家人工智慧汽車領域應用中試基地啟動建設，落戶北京亦莊，旨在破解汽車行業智能化轉型的共性技術瓶頸。這些舉措將進一步促進產業生態的完善，推動智能網聯汽車產業的協同發展。國際合作不斷加強智能網聯汽車是一個全球性的產業，需要各國之間加強合作，共同推動技術創新和標準制定。在本次大會上，舉辦了汽車產業國際合作會議、“駐華大使團走進汽車產業” 等系列活動，匯聚了來自全球的政府代表、國際機構權威與行業精英。中歐代表熱議全球法規協同，歐盟呼籲建立自動駕駛的 “通用語言”，中方專家倡議 “一次認證，全球通行”，以促進國際間的技術交流和合作。此外，中國已有多家汽車製造商在歐洲設立研發中心或者歐洲子公司，加強了與國際市場的技術交流和合作。未來，隨著智能網聯汽車產業的全球化發展，國際合作將不斷加強，各國將共同推動智能網聯汽車技術的創新和應用，建構安全高效的產業鏈供應鏈體系。（三）市場發展趨勢市場規模快速增長隨著智能網聯汽車技術的不斷成熟和政策的支援，市場規模預計將快速增長。根據相關機構的預測，未來幾年，全球智能網聯汽車市場規模將以每年兩位數的速度增長，到 2030 年，市場規模有望達到數兆等級。在中國市場，智能網聯汽車的滲透率也將不斷提高，預計到 2030 年，智能網聯汽車新車銷量佔比將超過 50%。消費需求不斷升級消費者對智能網聯汽車的需求也在不斷升級。除了傳統的安全、舒適、節能等需求外，消費者越來越關注汽車的智能化和網聯化功能。例如，消費者希望汽車具備更高等級的自動駕駛功能，能夠在更多的場景下實現自動駕駛，減輕駕駛疲勞。同時，消費者也希望汽車擁有更智能的座艙體驗，如語音互動、人臉識別、個性化推薦等功能，能夠為他們提供更加便捷、舒適的駕乘環境。此外，消費者對汽車的安全性和可靠性也提出了更高的要求，特別是在自動駕駛領域，消費者希望車輛能夠具備完善的安全保障措施，確保在任何情況下都能保障駕乘人員的安全。商業模式創新不斷湧現隨著智能網聯汽車的發展，商業模式也將不斷創新。除了傳統的汽車銷售模式外，未來可能會出現更多的商業模式，如汽車共享、自動駕駛出行服務訂閱、資料服務收費等。例如，汽車共享服務可以讓消費者根據自己的需求隨時使用汽車，而無需購買和保養汽車，降低了消費者的使用成本。自動駕駛出行服務訂閱則可以讓消費者根據自己的出行需求，選擇不同等級的自動駕駛出行服務，並按使用時間或里程付費。資料服務收費則是指車企或相關服務提供商可以通過收集和分析車輛資料，為消費者提供個性化的服務和產品，並收取相應的費用。六、結論2025 世界智能網聯汽車大會為我們呈現了智能網聯汽車產業的最新發展動態和未來發展趨勢。中國在智能網聯汽車領域已經取得了顯著的成就，建成了完整的產業體系，在技術研發、應用試點等方面都走在了世界前列。然而，我們也面臨著一些挑戰，如關鍵技術領域尚未實現完全自主可控、標準不一、商業閉環有待突破等。未來，隨著技術的不斷進步和政策的持續支援，智能網聯汽車產業將迎來更加廣闊的發展空間。我們需要進一步加強技術創新，攻克關鍵核心技術，提高產業的自主可控能力。同時，要加強標準制定和國際合作，推動智能網聯汽車技術的全球協同發展。此外，還需要關注市場需求和商業模式創新，以滿足消費者不斷升級的需求，實現智能網聯汽車產業的可持續發展。相信在各方的共同努力下，智能網聯汽車將成為推動全球汽車產業轉型升級和交通運輸行業變革的重要力量，為我們帶來更加安全、高效、便捷、舒適的出行體驗，開啟兆市場的全新篇章 (AI雲原生智能算力架構)

世界百年變局加速演進，在全球經濟、世界格局和科技發展等宏觀議題的交織下，全球正經歷著前所未有的深刻變革。從全球經濟的波動到世界格局的重塑，再到科技革命的加速推進，這些因素共同塑造著人類社會的未來走向。最近弗若斯特沙利文聯合頭豹發佈《中國未來50年產業發展趨勢白皮書（第四期）》（共281頁），聚焦人工智能、智能製造、醫療健康、大眾消費、碳中和五大核心產業，從競爭力、生態全景、發展趨勢及應用機遇維度，解讀未來 50 年產業走向。一、宏觀經濟：2024-2025 年核心基石資料2024 年中國 GDP 首次突破 130 萬億元，同比增長 5%，增速穩居全球主要經濟體前列；2025 年作為 “十四五” 規劃收官年，將通過深化開放與改革推進現代化建設。2024 年外貿出口額超 25 萬億元，實現連續 8 年增長；汽車出口量超 600 萬輛（同比增幅 23%），持續穩居全球第一汽車出口國，汽車產業整體規模達 43.85 萬億元。二、五大核心產業：趨勢、資料與機遇（一）人工智慧產業 ——“腦、神經、肢體” 協同進化路徑1. 核心關鍵詞大語言模型（“腦”）、AI Agent（“神經系統”）、具身智能（“感官肢體”）、AIDC（人工智慧資料中心）2. 關鍵競爭力全球 AI 研發投入與專利數量領先，網際網路使用者規模達 11 億（全球第一），為 AI 應用提供海量場景支撐；智能算力規模年均增長超 75%，2024 年達 725EFLOPS（2020 年僅 75EFLOPS，2020-2024 年複合增長率 76.3%）。3. 核心趨勢供需雙向增長 —— 供給側算力持續迭代升級，需求側從 “通用大模型” 轉向 “行業場景化定製”。4. 關鍵資料2023-2029 年中國大模型市場規模複合增長率 44.9%，預計 2075 年達 24632 億元（2020 年為 1125 億元）；2024 年 AI 相關企業數量達 16.4 萬家，AI 應用已滲透網際網路（31.8%）、金融（14.7%）、製造（12.2%）等重點領域。5. 核心機遇大模型（認知能力）、AI Agent（自主決策）、具身智能（物理互動）三者協同，將催生 “數字智能 + 物理行動” 深度融合的下一代 AI 形態。（二）智能製造產業 —— 從 “規模擴張” 到 “高端突破” 的轉型1. 核心關鍵詞工業機器人、低空經濟、深海開發技術2. 關鍵競爭力2025 年全國工業增加值預計達 42.5 萬億元，智能裝備產業規模超 3.4 萬億元；本土工業機器人市場佔有率 47%，全球 “燈塔工廠” 數量 77 家（居全球第一），研發（R&D）支出規模位列全球第二。3. 核心趨勢2023-2075 年產業整體市場規模從 4.2 萬億元增至 9.5 萬億元，裝置國產化率超 50%，AI+5G + 數字孿生技術驅動全產業鏈智能化升級。4. 關鍵資料工業機器人：2020-2075 年市場規模將從 302.1 億元增至 5276.3 億元（2020-2045 年複合增長率 7.8%）；低空經濟：2021-2075 年市場規模從 2912 億元增至 8.74 萬億元，eVTOL（電動垂直起降飛行器）電池前裝市場 2023-2045 年複合增長率 26.6%；深海經濟：2021-2075 年市場規模從 1.98 萬億元增至 13.4 萬億元，300 米以上深水油氣開發裝備國產化率超 90%。5. 核心機遇人形機器人（已進入工廠測試落地階段）、eVTOL（貨運 / 載人場景逐步拓展）、深海裝備（油氣開發與海洋資源勘探需求提升）。（三）醫療健康產業 —— 智能技術與精準醫療雙驅動1. 核心關鍵詞AI 醫療影像、智能養老、腦機介面2. 關鍵競爭力2024 年全國醫院數量 13534 家，衛生技術人員規模 1295 萬人（2020 年為 1067.8 萬人）；近五年創新藥研發數量較此前增長 7 倍，醫療器械出口額 2024 年增長 11.8%，本土替代處理程序加速。3. 核心趨勢老齡化（2075 年全國老齡化率超 41.6%）與慢性病（2075 年 55-64 歲人群慢性病患病率超 65%）雙重驅動需求增長，AI 技術持續賦能診療效率提升。4. 關鍵資料AI 醫療影像：2020-2045 年市場規模複合增長率 13.9%，可覆蓋 1.2 億肺結節、410 萬卒中患者等重點人群；智能養老：2020-2045 年市場規模複合增長率 2.9%，預計 2075 年超 11.8 萬億元；腦機介面：2020-2045 年市場規模複合增長率 23.7%，預計 2075 年達 11834 億元，重點聚焦 “醫療康復 + 消費電子” 兩大方向。5. 核心機遇AI 影像（從輔助診斷向臨床決策升級）、智能養老（遠端健康監測與適老化改造普及）、腦機介面（神經疾病治療與人機互動創新）。（四）大眾消費產業 —— 分層升級與全球化擴張平行1. 核心關鍵詞情緒消費、健康消費、智能消費2. 關鍵競爭力2024 年新設外資企業 46893 家（創近五年峰值），外貿進出口總額連續 8 季度超 10 萬億元，連續 16 年保持全球最大出口國地位；2024 年全國居民人均可支配收入 54188 元（2019 年為 42359 元），消費對經濟增長的貢獻率達 65.1%，成為經濟發展主引擎。3. 核心趨勢分層供給格局 —— 一線城市聚焦高端化、智能化消費，低線城市側重性價比導向；國產替代與全球化擴張雙路徑平行。4. 關鍵資料健康消費：2020-2045 年市場規模複合增長率 6.9%，預計 2075 年達 76.1 萬億元，2024 年居民健康素養達 31.9%（2012 年僅 8.8%）；智能消費：預計 2075 年市場規模達 78.69 萬億元（2020 年為 6564.2 億元），2025 年 1-4 月智能家居新增品類數量同比增長超 523.6%。5. 核心機遇情緒消費（心理代償與文化融合類產品崛起）、健康消費（功能性食品與數字健康服務普及）、智能消費（AI + 家居 / 出行場景落地，獲金融政策扶持）。（五）碳中和產業 —— 清潔能源主導的綠色轉型1. 核心關鍵詞新型光伏、鈣鈦礦光伏、CCUS（碳捕集利用與封存）2. 關鍵競爭力2024 年非化石能源發電裝機佔比達 60%，全國森林蓄積量達 204.9 億立方米；綠色技術專利數量全球領先，2023 年國家智慧財產權局（CNIPA）綠色相關專利達 9.7 萬件，全國碳市場覆蓋排放量 80 億噸（佔全國總排放量 60% 以上）。3. 核心趨勢2070-2075 年清潔能源在能源消費中的佔比將超 90%，供給側聚焦 “非化石能源 + 數字轉型”，需求側推進 CCUS 技術規模化應用。4. 關鍵資料光伏技術：鈣鈦礦電池實驗室轉換效率達 26.6%（理論效率 33%），鈣鈦礦 / 晶硅疊層電池效率達 34.6%；政策目標：2025 年單位 GDP 能耗較基準年下降 3%，新增新能源裝機容量 2 億千瓦，2030 年智慧家庭相關國家標準數量超 50 項。5. 核心機遇鈣鈦礦 / TOPCon 等高效光伏技術、CIGS/OPV 柔性光伏（消費電子與建築融合場景）、CCUS（高耗能行業減排剛需）。三、總結：未來 50 年產業主線中國將以 “AI 賦能新質生產力” 為核心，推動五大核心產業從 “跟跑” 向 “領跑” 跨越，在全球產業鏈中逐步佔據高端位置；同時通過開放合作分享發展紅利，為全球經濟復甦注入持續動力。 (陳博觀察)