行家一出手，便知有沒有！自AI問世以來，已成中美科技必爭之地，誰能笑到最後，關鍵還是要看應用！在這方面，矽谷那邊的公司一直想打通AI+消費這條路，但缺乏穩固的生態和龐大的應用場景，一直流於形式，還未實踐。而阿里在春節期間取得了千問辦事的成功之後，在新財年的首次集團戰略會上，阿里正式提出，要全力推進以千問為代表的智能體經濟。1. 什麼是“智能體經濟”？對普通人有什麼意義？“智能體經濟”簡單來說，就是通過AI這個技術載體來推動更好的消費，也就是很多官媒說的“AI+消費”！這玩意對普通人來說，有三好！一好為：方便。比如以前點外賣，得自己去外賣軟體上一個個找，現在一句話就能搞定；以前買電影票，選座位得研究一下，現在交給千問按需訂票。可以這麼說，過去很複雜的消費流程，現在一句話就能辦完，給誰誰能不喜歡？二好為：創造新的機會。往前翻個20年，就能發現每一次技術革新，除了會為行業帶來新變化以外，也會創造新的機會。比如當年的電商，讓很多人從個體戶變成了小老闆；10年前左右的自媒體，催生了現在的網紅經濟；那麼如今阿里的智能體經濟要發展，必然也會衍生出一系列的工作崗位，現在能想到的就是營運、設計、AI訓練師之類的工作，往後發展這方面人才缺口勢必會放大，普通人只要抓住機會，很有可能直接改變命運。三好為：技術普惠這個怎麼理解呢？以老年人為例。很多上了年紀的老人。對於智慧型手機用的並不熟練。一個人在家想點個外賣，都搞不明白。但在千問智能體經濟的技術普惠下，老年人也能一句話搞定外賣，體驗到年輕人的生活方式。網際網路的浪潮奔湧向前，阿里通過技術普惠，讓銀髮一族也能緊跟時代的步伐，這既是社會責任的體現，也是技術便利每一個日的最好寫照！2. 為什麼阿里是第一個提出此概念的公司？因為只有阿里具備這些條件！這個智能體經濟兩大要素，過人的技術，優秀的生態。而這兩方面，不管是那個條件，阿里都是王中王、頂中頂！論技術，阿里從模型到GPU晶片都是行業頂尖。最新模型Qwen 3.6 Plus一經發佈，單日呼叫量突破1兆Token的模型，問鼎全球大模型周呼叫量冠軍，究其原因，是因為它是國產程式設計模型技術能力的天花板。上周的時候，在AI視訊生成領域，由阿里巴巴內部孵化的模型HappyHorse-1.0，登頂Artificial Analysis排行榜。這個大模型有多牛？它在文字生成視訊、圖片生成視訊等四大核心賽道中全面領先。這也能證明，阿里在AI領域持續投入是有結果，同時，阿里在多模態大模型領域技術積累也非常的雄厚。平頭哥自研GPU也已實現規模化量產，截至26年2月已累計交付47萬片。AI技術，大模型是基礎，GPU是運轉的關鍵，兩大技術阿里全都有，並且全都硬，為智能體經濟提供了堅實的保障。論生態，阿里積累了20多年的網際網路商業、消費經驗，旗下擁有淘寶、閃購、高德、飛豬等覆蓋人們吃喝住行娛一體的生態產品，並且還這些產品還和千問全部打通，這也就將阿里的生態優勢賦能到了AI應用端。為了集中力量辦大事，4月8日的時候，阿里還進行了組織架構調整，新設立了阿里巴巴集團技術委員會，吳泳銘任組長，周靖人擔任首席AI架構師，整合優勢資源，投入到智能體經濟戰略當中來。3. 總結阿里今天提出智能體經濟，是其科技實力的體現，也是生態經營多年的結果。這大概也就是此前美國知名科技商業媒體The Information發報導稱：“阿里巴巴在AI辦事領域的進展快於亞馬遜和 OpenAI。”的原因所在！ (梁穩健)

史丹佛「2026年AI指數報告」重磅出爐！這份432頁長文含金量極高：中美AI巔峰對決，差距幾乎抹平，縮減至僅2.7%。全球頂尖AI年產95個，基本都聚集在大廠。最殘酷的是，22-25歲開發者的就業已被切掉20%。今天，史丹佛HAI重磅發佈「2026年AI指數報告」！這份長達423頁的年度報告，全面揭示了全球AI產業的最新權力版圖。它給出了一條核心結論：AI的本事漲得飛快；但人類衡量和管好它的能力，卻沒怎麼跟上步伐。其中，最震撼的結論是——中美AI模型性能差距已基本消失，雙方在巔峰對決中頻繁易主，目前Anthropic領先優勢僅剩2.7%。美國在AI上砸的錢比誰都多，但招攬頂尖人才卻越來越吃力了。報告還指出，AI的進化不僅沒有遭遇所謂的「瓶頸」，反而正以史無前例的速度狂飆。過去一年，全球超90%的頂尖模型，在博士級科學問題、多模態推理、競賽數學上的表現，追平甚至超越了人類。特別是在程式碼能力上，SWE-bench的成績在一年內，從60%飆升至近100%。然而，AI的「偏科」現像極其嚴重，呈現出一種畸形的現狀：LLM可以拿下IMO金牌，卻讀不對模擬時鐘，正確率僅為50.1%。與此同時，AI搶飯碗這事兒已經從預測變成了現實，而且最先遭殃的就是當代年輕「打工人」。下面直接上乾貨，「2026年AI指數報告」最值得關注的12個硬核趨勢。其他亮點速覽：全球AI算力3年漲30倍，輝達獨佔60%，幾乎所有晶片都出自一家台積電2025年全球企業AI投資5817億美元，同比翻倍，美國一國吃下近一半進入美國的AI研究人員7年跌89%，僅過去一年就跌80%22-25歲軟體開發者就業自2024年起下滑20%，入門崗位被精準切掉中國累計建成85台公共AI超算，是北美的兩倍以上，全球第一中國職場AI使用率超80%，遠超全球58%的平均最強模型越來越黑箱，95個代表性模型裡80個沒有公開訓練程式碼中美貼臉差距只剩2.7%史丹佛把2023年5月以來Arena榜單上的美國第一和中國第一，畫在了同一張坐標系裡。2023年5月，gpt-4-0314拿1320分領跑，中國這邊還是chatglm-6b，差距300多分。2025年2月，DeepSeek-R1第一次和美國頭部模型短暫打平。2026年3月，美國的Claude Opus 4.6拿到1503分，中國dola-seed-2.0-preview拿到1464分。如今中美AI之間的差距，僅有39分。換算成百分比，2.7%。更值得說的是過去一年的換位頻率。從2025年初開始，兩國頭部模型已經在Arena上你來我往換了好幾次位置。數量上同樣接近五五開。2025年美國發佈了50個「顯著模型」，中國緊跟著也發佈了30個頂尖大模型。第一梯隊裡OpenAI、Google、阿里、Anthropic、xAI同台站位，全球TOP 5五五分帳。再往下看到TOP 10，中國機構和企業佔了四席，阿里、DeepSeek、清華、字節。開源生態這一年的重心也明顯東移。DeepSeek、Qwen、GLM、MiniMax、Kimi一路把開源權重的能力曲線往前推。再算上論文發表量、被引數、專利產出量、工業機器人裝機量，中國統統全球第一。價格層面是另一條戰線。海外開發者在X上算過一筆帳，Seed 2.0 Pro的輸出價格大約只有Claude Opus 4.6的十分之一。性能貼臉，價格只要十分之一。這件事的連鎖反應才剛剛開始。90%前沿模型出自產業封神速度史無前例去年發佈的95個最具代表性的模型裡，超過九成都來自產業界，不是學術機構，也不是政府實驗室。學術界已經追不上前沿了。發佈速度也在變態加速。光是2026年2月一個月，就有Gemini 3.1 Pro、Claude Opus 4.6、GPT-5.3 Codex、Grok 4.20、Qwen 3.5、Seed 2.0 Pro、MiniMax M2.5、GLM-5八九個旗艦模型同月入場。封神周期從「年」變成了「月」。基準一年封頂AI沒有瓶頸最猛的曲線是程式設計。SWE-bench Verified這個真實修Bug的基準，一年時間從60%漲到接近100%。不是漲了幾個點，是基本封頂。Terminal-Bench測試Agent處理真實終端任務的能力，從去年的20%漲到77.3%。網路安全Agent解決問題的成功率，從15%漲到93%。Gemini Deep Think在國際數學奧林匹克拿到金牌。PhD級科學問答（GPQA Diamond）、競賽數學（AIME）、多模態推理（MMMU）這些原本被認為「人類不可超越」的硬骨頭，全部被前沿模型啃了下來。最能說明問題的是Humanity's Last Exam。這是一個專門被設計來「難倒AI、偏袒人類專家」的測試，題目由各個領域的頂尖專家提供。去年OpenAI的o1拿到8.8%，前沿模型在一年時間裡把分數往上又推了30個百分點，目前Claude Opus 4.6和Gemini 3.1 Pro已經雙雙過了50%。鋸齒前沿能拿IMO金牌卻看不懂表但同一份指數甩出了另一組數字。最強模型在「讀模擬時鐘」這個任務上的正確率，是50.1%。機器人在實驗室模擬環境（RLBench）裡的操作成功率已經達到89.4%。但搬到真實家庭場景裡完成洗碗、疊衣服這類家務，成功率立刻掉到12%。實驗室和廚房之間，差了77個百分點。研究者把這種現象命名為「鋸齒前沿」（jagged frontier）。AI能力的分佈是凹凸不平的，能拿數學奧賽金牌，卻沒法穩定地告訴你現在幾點。AI能在數學奧賽拿金牌，但只有一半的機率能看懂模擬時鐘。AI在加速，但加速的不是同一個方向。另外，在智能體任務中，OSWorld測試中，前沿AI實力（66.3%）正逼近人類基線。然而，在專門評估科研邏輯的PaperArena測試中，最強AI加持的Agent，得分僅39%，只有博士生一半的功力。但這種凹凸已經不影響企業把AI往生產線上塞。AI Index給出的另一個數字是，全球企業AI採用率達到88%。九成的公司已經把AI接進了某個工作流。代價同步在漲。AI相關事故記錄從2024年的233起漲到362起。錢在加速5817億砸進AI2025年全球企業AI投資達到5817億美元，同比增長130%。其中私募投資3447億美元，同比增長127.5%。兩條曲線都幾乎翻倍。國別上，美國一騎絕塵。2025年美國私募AI投資2859億美元。並且一年新增1953家AI創業公司，也是排名第二的10倍以上。錢在加速湧向美國。但美國的另一項核心資源，正在反向流動。人在流走進美國的AI研究者跌了89%裡面有一組數字讓人愣了一下。2017年到現在，進入美國的AI研究人員和開發者數量下降了89%。更關鍵的是，這個下降在加速。僅僅過去一年，下降幅度就達到80%。美國仍然是全球AI研究人員密度最高的國家，但流入的水龍頭正在擰緊。錢和人這兩條曲線開始反向。這是過去十年沒出現過的局面。算力三年漲30倍命門都在一家公司手裡AI能力曲線在加速，背後那條算力曲線跑得更猛。從2021年到現在，全球AI算力總量漲了30倍。過去三年裡，每年都在翻三倍以上。撐起這條曲線的是少數幾家公司。輝達一家的GPU，佔據了全世界AI算力的60%以上。亞馬遜和Google靠自研晶片排在二三位，但加起來也遠遠追不上輝達。而幾乎所有這些晶片，都來自一家代工廠，台積電。算力曲線越陡，命門就越窄。與此同時，代價也在加大。全球AI資料中心的總功率已經達到29.6 GW，相當於紐約州在用電高峰時段的全部用電需求。xAI Grok 4一次訓練的估算碳排放是72816噸二氧化碳當量，相當於17000輛汽車開一整年的尾氣。資料中心建在那裡，電從那裡來，晶片從那裡產，這三個問題已經變成今年所有AI公司CEO案頭最頭疼的事。生成式AI三年滲透53%中國職場使用率破80%生成式AI在三年內達到了53%的全球人口滲透率。這個速度比個人電腦快，比網際網路快。但滲透速度和國別相關性極強。新加坡61%，阿聯54%，都跑在美國前面。美國在調查覆蓋國家中只排第24位，滲透率28.3%。如果把維度從消費者換成職場，反差更大。報告裡另一組資料顯示，2025年全球58%的員工在工作中已經開始經常性使用AI。但在中國、印度、奈及利亞、阿聯、沙烏地阿拉伯這5個國家，這個比例超過了80%。中國的職場AI滲透率，已經比全球平均高出20個百分點以上。更有意思的是消費者價值。AI Index估算，到2026年初，生成式AI工具每年給美國消費者創造1720億美元的價值。從2025年到2026年，每個使用者的中位數價值翻了三倍。絕大多數使用者用的還是免費版。普通人願意為AI付的錢，遠低於AI給他們創造的價值。這中間的剪刀差是現在所有AI公司都在試圖彌合的東西。入門崗位銳減22-25歲開發崗狂砍20%整份AI Index裡最讓中文讀者沉默的，可能是關於年輕就業的部分。22到25歲的軟體開發者群體，從2024年至今，就業人數下降了大約20%。同期，年紀更大的同行群體反而在增長。不止開發崗。客服等其他高AI暴露行業，也在出現同樣的模式。更讓人擔心的是企業問卷的結果。受訪高管普遍預期，未來的裁員幅度會比過去幾個月還要大。這不是宏觀失業率的事，是入口崗位被精準切掉的事。第一份工作沒了，整個職業階梯就斷了一格。這件事的長期影響，現在沒人能算清。AI正在改寫科學發現的方式如果說就業那一段是冷的，科學這段就是熱的。自然科學、物理科學、生命科學領域的AI相關論文，2025年同比增長了26%到28%。具體到應用，今年第一次有AI完整跑通了端到端的天氣預報流程。從原始氣象觀測資料直接吐出溫度、風速、濕度的最終預報，中間沒有任何傳統數值模型介入。AI從「幫你寫論文」「幫你算數字」，正在變成「自己做發現」。醫院裡也是一樣。2025年大量醫院開始部署能從就診對話自動生成臨床記錄的AI工具。多個醫院系統的醫生反饋，寫病歷的時間減少了多達83%，工作倦怠顯著下降。但同一份指數給醫療AI潑了一盆冷水。一份針對500多個臨床AI研究的綜述發現，將近一半的研究依賴考試題式的資料集，只有5%用了真實臨床資料。AI能減少醫生敲鍵盤的時間，這件事是確定的。AI在真實病人身上的臨床價值，目前還有大量問號。自學浪潮全球開炸正規教育已經掉隊正規教育跟不上AI了。美國有4/5的高中生和大學生現在用AI完成學校作業。但只有一半的中學有AI使用政策，只有6%的老師認為這些政策寫得清楚。學生跑在前面，老師還在原地，規則還沒出現。正規教育跟不上的同時，自學浪潮在全球開炸。裡面寫，學AI工程技能增長最快的三個國家分別是阿聯、智利和南非。不是美國，不是歐洲。技能曲線的最陡峭的那一段，長在所有人都沒在看的地方。最強模型變成最不透明的專家和公眾撕裂最強的模型，正在變成最不透明的模型。Foundation Model Transparency Index今年的平均分從去年的58分跌到了40分。AI Index直接點名，Google、Anthropic、OpenAI都已經放棄公開最新模型的訓練資料規模和訓練時長。去年發佈的95個最具代表性的模型裡，80個沒有公開訓練程式碼。公眾的情緒也變得更複雜。全球範圍內，認為AI利大於弊的比例從52%上升到59%。但同期，對AI感到緊張的比例從50%上升到52%。兩個方向在同時增長。最分裂的是美國。只有33%的美國人認為AI會讓自己的工作變得更好，全球平均是40%。美國人對本國政府監管AI的信任度，是受訪國家裡最低的，31%。新加坡人對自己政府監管AI的信任度，是81%。最近Sam Altman家被襲擊的事件之後，矽谷圈內人「驚訝地發現」Instagram評論區裡的普通人對此並不同情，甚至有人覺得「應該更激烈一點」。他們沒意識到事情已經糟到這個程度。研報引用的Pew和Ipsos資料，專家和公眾在AI影響就業、醫療、經濟這些維度上的觀感差距，普遍超過30個百分點，最大的一項達到50個百分點。一邊是實驗室裡的曲線在飛漲，一邊是普通人心裡的不安在累積。中間沒有橋。寫在最後423頁的報告裡有幾百張圖表，但其實只畫了一張圖。橫軸是時間，縱軸是能力。模型能力的曲線在飛，算力曲線在飛，投資曲線在飛，採用率曲線在飛。其他全都在原地踏步或者向下。這就是2026年AI Index的全部內容。AI在加速。其他所有東西都在脫節。如果你是這個行業裡的人，現在該問的問題不是「未來會怎樣」，而是「自己站在那一條曲線上」。 (新智元)

2026年初，一場圍繞人工智慧核心技術的暗戰浮出水面。Anthropic在今年2月率先發難，指控中國的DeepSeek、MiniMax、月之暗面（Kimi）對其模型發動了“工業等級的蒸餾攻擊”，涉及超過1600萬次互動。隨後，OpenAI向美國國會提交備忘錄，指責DeepSeek試圖“免費搭便車”。OpenAI、Google、Anthropic——這三家平日裡在AI賽道上你追我趕的競爭對手，罕見地站到了同一戰壕裡。他們的目標很明確：聯手遏制中國AI公司正在廣泛使用的“模型蒸餾”技術，識別並打擊所謂的“對抗性蒸餾”行為，矛頭直指中國AI企業。何為“模型蒸餾”呢？這是一項行業通行的知識遷移技術。想像一下：一位資深的大學教授（大模型）將知識精華提煉成通俗易懂的講義，讓一名高中生（小模型）能夠快速掌握核心要點。在這個過程中，小模型不需要閱讀浩如煙海的原始資料，而是通過向大模型“提問”並學習其輸出模式，最終以更低的成本、更快的速度獲得接近大模型的能力。這項技術並非中國公司的獨創，在AI學術界和工業界，蒸餾早已是一種公開、合法、廣泛使用的最佳化手段。幾乎所有主流AI公司，包括OpenAI和Google自身，都在不同程度上使用蒸餾技術來提升模型效率、降低推理成本。它就像物理學中的“槓桿原理”，是一種聰明的工程智慧，而非見不得光的“偷竊”。分析一下圍堵背後的真實動機：美國三巨頭的聯手，表面上是維護智慧財產權和“安全”，實質上暴露了美國AI巨頭更深層的焦慮。1、中國AI公司的進步速度超出了預期以DeepSeek為代表的企業，通過蒸餾等最佳化技術，在算力受限的情況下依然打造出性能逼近頂尖閉源模型的產品，這讓習慣了技術領先優勢的美國巨頭感到不安。2、這是一場赤裸裸的商業利益博弈OpenAI等公司每年投入數十億美元訓練模型，而蒸餾技術的普及意味著後來者可以用極低的成本“站在巨人的肩膀上”，在美國公司看來，這相當於每年損失數十億美元的潛在利潤。於是，他們試圖通過“前沿模型論壇”這種行業聯盟的形式，聯合施壓、資訊共享，形成一道針對中國AI公司的技術封鎖線。美國巨頭面對競爭時的雙重標準：特斯拉CEO埃隆·馬斯克在社交平台上公開嘲諷，稱這是“賊喊捉賊”——因為OpenAI等公司在發展初期，也曾大量利用Google、Meta等機構公開的研究成果和模型資料。所謂“技術追趕者利用先行者成果”，本就是科技發展的常態。對於“模型蒸餾”事件的進一步思考：技術自強是根本，蒸餾雖然是一條捷徑，但終究不能替代基礎模型的原始創新。只有在大模型架構、訓練方法、算力最佳化等底層技術上取得突破，才能真正擺脫對國外先進模型的依賴。總結一下：歷史反覆證明，任何技術封鎖都難以阻擋真正有志者的腳步。從航天到晶片，從作業系統到人工智慧，中國科技產業正是在一次次“圍堵”中實現了突破與超越。這一次，面對AI三巨頭的聯手施壓，我們有理由相信：壓力之下，中國AI的創新之火，反而會燃燒得更加旺盛。 (AI思享坊)

2026年4月2日，美國國會突然拋出《硬體技術控制多邊協調法案》（MATCH法案）——這不是一次普通的出口管制升級，而是一場針對中國半導體的“全球合圍絞殺”。過去美國單邊禁EUV、卡7nm，盟友還能“睜一隻眼閉一隻眼”；這次直接下150天最後通牒：日、荷、韓必須和美國完全對齊管制，不配合就斷技術、斷美元、斷市場。最狠的不是禁新裝置，而是斷維護、斷零件、全生命週期鎖死——存量產線都可能“慢性死亡”，國產晶片真到了“背水一戰”的時刻。一、MATCH法案到底是什麼？看懂這4條，就懂有多狠1. 核心定位：從“單邊卡”到“多邊鎖”全稱：Multilateral Alignment of Technology Controls on Hardware Act（硬體技術控制多邊協調法案），簡稱MATCH法案，4月2日由美國兩黨議員聯合提出，直指中國半導體製造能力，目標是徹底鎖死14nm及以下先進製程，連成熟製程擴產都不放過。一句話本質：用法律強制盟友“站隊”，把全球半導體裝置供應鏈變成對華封鎖網，堵死所有繞路可能。2. 四大殺招，刀刀致命（普通人也能看懂）✅ 150天強制對齊（最狠條款）：法案生效後，日本、荷蘭、韓國、台灣地區，150天內必須修改本國法規，完全照搬美國管制標準，不許寬鬆、不許差異化；逾期不執行，自動觸發二級制裁：斷美國技術/零部件、禁美元結算、踢出全球供應鏈——盟友根本沒得選。✅ 管制範圍全面擴大：從EUV到全DUV：以前只禁最頂尖EUV（5nm以下）；現在全面禁售浸沒式DUV光刻機（1980Di等）、低溫刻蝕、高端沉積/量測裝置，覆蓋28nm→14nm→7nm全鏈條，連成熟製程擴產都被卡死。✅ 斷服絕殺：存量裝置“慢性死亡”：不止禁新賣，禁止向中芯、華虹、長江儲存、長鑫、華為等核心企業，提供任何維修、保養、零件、軟體升級、遠端技術支援——光刻機、刻蝕機離了原廠維護，用不了幾年就趴窩，等於直接廢掉現有先進產線。✅ 全鏈路追蹤+長臂管轄：裝置賣到第三國也不行，全程監控流向、再出口、使用場景；只要用了美國技術/零件，全球裝置商都要受美國管制，徹底堵死“新加坡/馬來西亞中轉”的繞路漏洞。3. 對比以前：這次到底升級在哪？以前：美國單邊禁，盟友執行松、有漏洞，中國還能曲線買、慢慢替代現在：多邊強制捆綁+全生命週期管控+精準定點打擊，從“卡脖子”變成“鎖全身”，不給任何緩衝空間二、對我們影響有多大？3個層面，直擊產業命脈1. 短期（1年內）：先進製程直接停擺，成熟擴產受阻中芯、華虹的14nm/7nm產線：新裝置買不到、舊裝置修不了、零件換不了，良率下滑、產能受限，先進晶片產能直接“斷崖”DUV光刻機（1980Di）是28nm→14nm的核心，全面禁售+斷服，成熟製程擴產計畫全部推遲，手機、AI、汽車晶片供給承壓裝置商、材料商：ASML、東京電子、應用材料等，中國市場佔比高，被迫二選一，全球供應鏈分裂加速2. 中期（1-3年）：倒逼國產替代“生死時速”，陣痛但必須突圍沒有退路：外購徹底堵死，國產裝置/材料/零部件必須頂上去——光刻、刻蝕、沉積、量測、清洗、零部件，全鏈條自主化從“選項”變成“生死必答題”機會窗口：法案落地有150天緩衝+立法流程，這是國產裝置最後的搶裝、驗證、替代窗口期，誰先突破、誰先量產，誰就能活下來產業鏈重構：國內晶圓廠、裝置廠、材料廠必須深度繫結、聯合攻關、快速迭代，以前“能用進口就不用國產”的時代徹底結束3. 長期：全球科技格局分裂，中國必須建“自主閉環”全球半導體供應鏈一分為二：美國陣營（美日荷韓台）、中國自主陣營，技術標準、供應鏈、市場徹底割裂美國想鎖死中國，但也會反噬自身：裝置商失去中國大市場、研發投入下降、成本飆升；全球晶片漲價、供給短缺，反而加速中國自主生態成熟三、別慌！我們的底牌與突圍路徑，已經在路上1. 國產替代不是“從零開始”，已經有硬實力裝置端：中微（刻蝕）、拓荊（沉積）、北方華創、盛美、精測電子等，成熟製程裝置已批次驗證，先進製程加速突破，部分環節已進入產線材料/零部件：光刻膠、靶材、濕電子化學品、精密零部件，國產率快速提升，部分已替代進口製造端：中芯、華虹、長電、通富等，成熟製程產能全球領先，先進製程持續爬坡，封裝技術自主可控2. 突圍3條路，每一條都在走成熟製程優先，穩住基本盤：全力擴產28nm及以上成熟製程，保障汽車、家電、工業晶片供給，不被“卡脖子”卡死基本盤先進製程換道超車：繞開傳統DUV/EUV路徑，先進封裝、Chiplet、3D堆疊、國產光刻路線平行突破，用系統創新補裝置短板全鏈條自主閉環：裝置→材料→零部件→製造→設計→軟體，全鏈條聯合攻關、政策+資本+產業協同，打造不依賴外部的自主生態四、結語：這不是終點，而是國產晶片真正崛起的起點MATCH法案很狠、很毒，試圖用“多邊合圍”鎖死中國半導體，但歷史規律從來都是：封鎖越嚴，突破越快；壓力越大，成長越強。150天不是倒計時，而是衝鋒號。過去我們靠市場、靠努力，一步步走到今天；未來我們靠自主、靠團結，一定能打破封鎖，建成全球領先的半導體自主生態。 (SEMI半導體研究院)

最近，彭博社爆了個消息，說實話，我第一反應是沒當回事。OpenAI、Anthropic、Google，這三家平時為了搶人才、比參數鬥得你死我活的公司，竟然坐到了同一張談判桌前。他們通過2023年共同成立的＂前沿模型論壇＂共享情報，目標只有一個：打擊＂對抗性蒸餾＂。但讓我真正坐起來的是這個數字：數十億美元美國官員估算，所謂未經授權的蒸餾行為，每年讓矽谷實驗室損失這麼多利潤。這可不是小錢，相當於一家中等規模上市公司的全年營收被蒸發。我查了一下，這個數字在2026年2月就被OpenAI寫進了提交給國會的備忘錄裡。他們點名指責DeepSeek試圖“免費利用OpenAI及其他美國前沿實驗室開發的能力”。這個數位很猛，但背後的邏輯更猛。01. 蒸餾到底是什麼先說個基本概念，別被嚇到。蒸餾，就是用大模型的輸出去訓練小模型。2015年Hinton提出來的時候，學術界都覺得是個聰明的辦法：你問GPT-4一堆問題，把它的回答記下來，再拿去訓練一個更小的模型，就能以極低成本複製大部分能力。這技術AI圈裡誰都在用。Meta的Llama文檔裡明明白白寫著“鼓勵研究者用其輸出做知識蒸餾"，輝達的NeMo也提供官方蒸餾指令碼。就連Anthropic自己都承認：“AI實驗室經常蒸餾自己的模型來製作更小、更便宜的版本供客戶使用。”但現在，同樣的技術，到了中國公司手裡，就變成了“對抗性蒸餾”、“工業級蒸餾攻擊”、“國家安全威脅”。Anthropic今年2月發了個聲明，點名DeepSeek、月之暗面、MiniMax三家公司。他們說，這些公司用了約2.4萬個虛假帳戶，跟Claude進行了超過1600萬次交互，系統性“竊取”模型能力。02. 真正的痛點讓我困惑的是，這三家巨頭平時打官司、互挖人才、公開互嗆，那次不是拼個你死我活？這次怎麼突然就“大團結”了？答案可能不在技術，而在利潤。你想啊，OpenAI開發GPT-4花了多少錢？幾億美元甚至更多。訓練資料、算力、人才，每一樣都是天價。如果競爭對手能用1%的成本複製80%的能力，然後以更低價格搶佔市場，OpenAI的定價權、市場份額、估值邏輯都會受衝擊。這就是護城河焦慮。美國三巨頭走的是閉源高投入路線，他們靠技術領先賺錢。而蒸餾技術正在快速抹平這種代差。當低成本複製成為可能，他們投入鉅資構建的護城河就會形同虛設。更重要的是，這已經不是理論上的擔憂，而是現實中的衝擊。DeepSeek的R1模型在數學推理基準MATH上拿到47分，推理能力直追GPT-4。更讓矽谷緊張的是，DeepSeek還開源了70B參數版本，幾十行代碼就能跑通。國內高校實驗室拿去改個結構就能發Nature子刊。這才是OpenAI們急刹車的真正原因。03. 防禦體系是怎麼建的現在問題來了，他們怎麼防？簡單說，就是三招。第一招，情報共用。三家巨頭通過前沿模型論壇交換“攻擊指紋”。比如Anthropic發現某個IP位址的API呼叫模式很可疑，馬上同步給OpenAI和Google。這個IP在Claude這兒被拉黑了，在GPT和Gemini那兒也別想混進去。這跟網路安全行業的做法一模一樣。某家公司發現的漏洞特徵，幾小時內就會出現在全行業的防禦系統裡。第二招，技術浮水印和請求監控。他們在模型輸出中嵌入隱形浮水印，人類看不出來，但一檢測就能知道內容是不是從他們這兒來的。同時，API層面即時監控呼叫頻率，如果突然有成千上萬個帳號瘋狂提問，直接觸發風控。第三招，規則界定。他們向美國政府遊說，推動將未經授權的蒸餾納入技術竊取範疇。OpenAI的服務條款已經明確禁止用輸出來開發競爭模型，雖然執行起來很難，但至少給了他們技術反制的合同依據。這三招組合起來，確實能大大提高蒸餾的難度和成本。04. 爭議在那裡但這裡有個問題，證據鏈完整嗎？Anthropic說他們通過IP地址、請求中繼資料、基礎設施指標，把攻擊追溯到了具體實驗室。但被指控方質疑：從API調用到“工業級蒸餾”，中間是不是跳得太快了？你說我調用了1600萬次API，就一定是在蒸餾？我在做安全研究、模型能力邊界測試不行嗎？個人開發者做測試、學術機構做研究，都會產生大量API調用，這很正常。更尷尬的是，Anthropic自己的“黑歷史”也不少。他們曾從盜版網站下載了700萬本受版權保護的圖書訓練模型，最後賠了15億美元。還因為非法下載2萬首歌曲，被索賠30億美元。馬斯克這次直接開嘲諷：“他們怎麼敢偷Anthropic從人類程式師那裡偷來的東西？”這句話有點毒，但也不是完全沒道理。DeepSeek在《Nature》封面論文裡明確表示，他們的R1模型訓練資料只來自普通網頁和電子書，沒有故意加入OpenAI生成的合成資料。論文還強調，資料截止時間是2024年7月，彼時先進推理模型還沒發佈。當然，他們也承認，部分網頁中包含OpenAI模型生成的答案，這可能導致基礎模型“間接受益”。但這是網頁數據本身的問題，不是主動蒸餾。05. 這意味著什麼我有個判斷，這次事件其實是個信號：AI行業從“開源狂歡”進入了“閉源聯盟”階段。以前大家覺得，AI技術應該開放共用，推動整個行業進步。但現在，當技術領先變成核心競爭力，巨頭們開始收緊口袋。前沿模型論壇2023年成立時定位很模糊，說是AI安全性群組織。現在終於找到了具體戰場：打擊蒸餾。這個轉變本身就說明問題有多嚴重。從商業角度看，這其實挺正常的。你投入幾十億美元研發的技術，被別人低成本複製，換你也不爽。但從行業角度看，這可能不是個好信號。當AI巨頭開始像網路安全公司一樣運營，當“合法使用”和“對抗性利用”的界限由他們自己定義，創新的門檻會越來越高。特別是對於那些靠蒸餾快速反覆運算的初創公司來說，這條路可能要堵死了。以後想追趕，要麼全棧自研，要麼另闢蹊徑。06. 最後的話說到底，這場“蒸餾之戰”表面上是技術爭議，實際上是商業競爭，底子裡是護城河焦慮。安全是切入點，利潤是落腳點。如果你也在做AI相關的事情，我給個建議：別指望靠捷徑走太遠。當矽谷開始結盟，免費午餐的時代可能真的要結束了。真正能活下來的，還是那些有自己核心技術和差異化能力的公司。捷徑是最遠的路，這話現在看，還真是這麼回事。 (蛋殼盤科技)

AI 浪潮之下，工作方式、組織形態與個人價值正迎來根本性重構。在最近的一次深度訪談裡，一手推動全球 AI 革命的黃仁勳，說了一句顛覆所有人認知的話：智能正在成為一種廉價的商品。在 AI 時代，人類真正的核心競爭力，從來都不是智商，而是人性。這位全球任期最長的科技公司CEO，手下管著60位各領域頂尖的專家，每一個人在自己的專業賽道上，智商和能力都遠超他本人。但黃仁勳這位掌舵人，帶著輝達從一家瀕臨破產的顯示卡公司，長成了如今市值4萬多億美元的 AI 時代第一大廠。這篇文章，我們就從黃仁勳的親身經歷和底層思考裡，拆透 AI 時代最本質的生存法則：當智能變成一種廉價商品，到底什麼才是一個人、一家企業，真正不可替代的護城河。一、你拚命內卷的“智商”，正在被AI變成廉價商品以前我們覺得，能寫一手好程式碼的程式設計師、能精準分析財報的金融分析師、能快速出全案的品牌策劃，都是靠高智商吃飯的 “不可替代者”。但現在，AI能在幾分鐘內完成這些工作，成本不到人工的百分之一，精準率甚至更高。黃仁勳說，我們一直把“智能”這個詞過度浪漫化了，從本質上看，它就是感知—理解—推理—計畫的閉環，是一套功能性的動作。AI正在做的，就是把這套功能性的智力動作，徹底工業化、標準化、廉價化。你拚命內卷的知識儲備、計算能力、邏輯推理，只要是能被拆解成流程、被標準化的，AI都能比你做得更快、更好、更便宜。很多人焦慮AI會替代自己，其實換個角度想，是把自己繫結在了AI最擅長的標準化智力勞動上。你和AI比算力、比記憶力、比標準化的邏輯推理，就像當年手工紡織工人和蒸汽機卷產量一樣，從一開始就輸了。就像工業革命把手工勞動者從標準化的體力勞動裡解放出來，AI革命，正在把我們從標準化的智力勞動裡解放出來。既然標準化的智商已經成了廉價商品，那在AI時代，我們真正要拼的，到底是什麼？二、黃仁勳用34年驗證出，AI永遠替代不了的4種核心能力1. 遺忘痛苦的能力，以及相信未來的韌性所有瞭解輝達歷史的人，都知道CUDA平台，但很少有人知道，當年為了做CUDA，輝達差點破產。在CUDA誕生之前，輝達只是一家做遊戲顯示卡的公司，靠著GeForce系列產品站穩了腳跟。但黃仁勳從一開始就知道，只做單一功能的產品，路只會越走越窄。他想做的是通用的加速計算平台，CUDA就是這個夢想的核心。但這個決策，在當時幾乎是“自殺式”的。把CUDA放進每一塊GeForce顯示卡裡，會極大增加晶片成本，直接吞掉公司全部的毛利。當時輝達的市值大約在70億美元，而CUDA推出後，市值一路跌到了15億美元，全公司上下和資本市場，全是質疑的聲音。換做任何一個人，面對這樣的局面大機率都會止損放棄。但黃仁勳扛住了所有壓力，硬生生把這個決策堅持了十幾年，最終讓CUDA成了AI時代全球計算的核心底座，也讓輝達完成了從顯示卡公司到AI基礎設施巨頭的躍遷。很多人問他，到底是怎麼扛過那段至暗時刻的？他在訪談裡說了一句很有意思的話：AI學習最重要的屬性，就是系統性遺忘。人也是一樣，真正的韌性，從來不是扛住痛苦的能力，而是快速遺忘痛苦的能力。面對挫折和焦慮，他永遠只做三件事：第一，把問題徹底拆解，分開那些是可控的、那些是不可控的；第二，快速遺忘那些不可控的失敗、尷尬、羞辱，不把它們背在身上；第三，把所有精力，放到一件現在就能做的、可控的小事上，立刻行動。你看，AI能做最精準的機率計算，能做完美的邏輯推演，但它永遠不會有 “明知大機率失敗，依然願意賭上整個公司堅持” 的勇氣，不會有摔得粉身碎骨，依然能爬起來繼續走的堅定與韌性。AI時代，不確定性只會越來越多，比起完美的規劃，能扛事、能遺忘、能重新出發的韌性，才是你最基本的生存底氣。2. 共情與信任的能力這次訪談裡，黃仁勳講了一句輕描淡寫，但是讓商業圈大受震撼的話：輝達和台積電合作了30年，涉及數百億美元的生意，但雙方之間沒有一份正式的合同。不止是台積電，黃仁勳能提前3年說服全球頭部記憶體廠商，在HBM記憶體（筆記俠註：一種先進的半導體儲存技術，主要用於滿足高性能計算、人工智慧、圖形處理等領域對記憶體頻寬和傳輸速度的極高需求）還只用於小眾超級電腦、幾乎沒有商用場景的時候，就砸下數十億美元擴產。很多人覺得，這是因為輝達的行業地位，是因為利益繫結。但黃仁勳自己說，這靠的不是合同約束，不是利益算計，而是基於共同願景的信任。黃仁勳做所有事，都是把自己的戰略、對未來的判斷，毫無保留地分享給合作夥伴，從第一性原理出發，給他們講清楚 “為什麼要做這件事”，給他們充分質疑的機會，給他們足夠的尊重。黃仁勳會告訴他們，未來3年行業會發生什麼，這個投資會給他們帶來什麼長期價值。對內管理也是一樣。他管著60個直屬下屬，全是各領域的頂尖專家，但他從來不開一對一會議，所有問題都放在公開會議上，所有人一起推演、一起解決。有人問他，這麼多人，一對一溝通根本忙不過來，不怕資訊不對稱嗎？他說：恰恰是一對一會議，才會造成資訊不對稱。所有問題放在檯面上，所有人都能聽到上下游的訴求，都能理解彼此的難處，都能一起參與決策，這才是最高效的協作。而這一切的前提，就是信任。AI能把利益帳算到極致，能做最精準的博弈分析，能寫出滴水不漏的完美合同，雖然AI能把一件件事情做好，但人與人之間必須建立在信任的基礎上才能把一件件看似難以聯絡在一起的事情打通，它永遠理解不了“信任”兩個字的重量。商業的本質，是人和人的協作。一份合同，只能約束對方不做壞事，只能守住合作的底線；但一份信任，能驅動一群人，一起做成一件沒人做過的大事，能拉高合作的上限。AI時代，資訊越來越透明，計算越來越容易，但真正稀缺的，永遠是別人願意毫無保留地和你背靠背的信任。注意，AI有做事的能力，但是AI不是生命，無法理解生命之間不只是理性才能協同。3. 願景與意義感黃仁勳在訪談裡說，他的60個直屬下屬，個個都是各自領域的超人，每一個人在專業上，都比他聰明得多。很多人都好奇，一個專業能力不如所有下屬的人，憑什麼能帶著這家公司，做成兆級的事業？答案很簡單：他能給所有人一個共同的願景，能定義 “我們為什麼要做這件事”，能給所有的技術、所有的算力，找到一個真正有意義的方向。他在訪談裡說，未來全球能程式設計的人，會從現在的3000萬，暴增到10億。因為程式設計的本質，早就不是寫一行行程式碼了，而是給電腦提需求、定規格、描述你想要實現的目標。這件事，AI能幫你完成99%。但AI永遠不能定義的，是“我們為什麼要寫這個程式碼”、“我們要解決什麼人的什麼痛點”、“我們要給世界帶來什麼改變”。輝達能從一家遊戲顯示卡公司，進化成AI時代的全球頂尖公司，靠的不是黃仁勳比別人更懂晶片設計，而是他從一開始，就看準了“加速計算”這個方向，想給全世界的創新者，提供最強大的算力基礎設施。那怕在最艱難的時候，這個願景也從來沒變過。AI永遠不會有“我想改變世界”的願望，永遠不會有“我想幫使用者解決一個痛點”的初心，永遠不會有“我想給社會創造價值”的意義感。而所有偉大的企業、偉大的產品，本質上都是被願景和意義感驅動的。AI是一個無限強大的工具，但工具永遠需要人來定義方向。沒有方向的算力，再強也毫無意義；沒有意義的智能，再先進也走不遠。AI時代，最不缺的就是能幹活的工具，最稀缺的永遠是能定義方向、賦予意義的人。4. 謙遜與成長力那怕現在成了全球頂級的CEO，黃仁勳在訪談裡，依然坦然說起自己的第一份工作是在餐廳刷廁所。他從來沒有“成功者的傲慢”，永遠保持著初學者的心態，永遠在向所有人學習。最能體現這一點的，是他對“繼任計畫”的理解。很多人都知道，黃仁勳以“不相信繼任計畫”聞名。有人說，這是因為他貪戀權力，覺得自己能一直幹下去。但他在訪談裡，給出了完全不一樣的答案：“我不相信繼任計畫，不是因為我是永生的。而是因為如果你真的關心公司在你之後的未來，你今天最該做的事，不是找一個接班人，而是持續地、毫無保留地傳遞知識、資訊、洞察力、技能和經驗，賦能你身邊的每一個人。”他的每一次會議，都是一次公開的推理會議。他不會直接下達指令，而是會把自己的思考邏輯、判斷依據、甚至是顧慮和不確定性，全部攤開給團隊看，帶著所有人一起推演，一起最佳化，一起成長。他學到的任何東西，從來不會在自己的腦子裡停留超過一秒鐘，立刻就會分享給團隊。他討厭“持續改進”的思維，因為這種思維本質上是默認了“現在的做法是對的”，只能小修小補。而他永遠會回到零，回到第一性原理，問自己：這件事為什麼要這麼做？如果從頭開始，以今天的技術和條件，我們能做成什麼樣？這種思維的前提，就是永遠保持謙遜，永遠不被自己過去的經驗和優越感困住。所以，真正的長期主義，本質上就是持續成長的能力，就是永遠能打破自己、重構自己的能力。AI時代，知識更新的速度只會越來越快，比起你已經掌握的知識，永遠保持謙遜、永遠能成長的能力，才是決定你能走多遠的核心。三、AI時代，修煉 “人性競爭力” 的4句話1. 把工作分成兩類：一類是標準化智力任務：比如做資料統計、寫常規程式碼、整理資料、套範本做方案、重複的報表分析；另一類是人性價值任務：比如和使用者聊真實的需求痛點、和團隊做深度溝通、制定業務的長期方向、解決非標準化的複雜問題、給客戶提供有溫度的服務。未來，要把你80%的精力，放到後者上面。AI能幫你高效完成前者，但後者才是你不可替代的核心價值。2. 比起完美的規劃，能讓你在不確定性裡站穩腳跟的，永遠是立刻行動的韌性。3. 不管是對合作夥伴、團隊同事，還是你的客戶，放棄零和博弈和 “算計到底” 的小聰明。和客戶合作，多做一件超出預期的事，那怕只是多給一個實用的小建議；和同事協作，多一分坦誠的溝通，少一點背後的算計；和夥伴相處，多站在對方的角度考慮問題，守住自己的底線，也給對方足夠的尊重。4. 永遠保持 “初學者心態”，放棄你的智商優越感。結語今天我們深嵌於一個新的時代，科技、經濟、哲學、政治都在經歷持續變革和深刻重塑的複雜社會與商業環境之中，而真正困住絕大多數人的核心挑戰，恰恰是：我們的認知框架、組織形態和行動邏輯，還停留在“前全球化時代”、“前AI時代”。 (筆記俠)

3月22日，北京釣魚台國賓館。蔡崇信站在那裡，說了一句話："AI的終極目標是如何讓AI的應用普及、造福社會，而不是比誰訓練出的模型最強。"不是客套話。他在直接挑戰一個被廣泛接受的框架。電力是中國AI競爭第一張底牌。圖為高壓輸電線路與資料中心今天AI圈最流行的敘事是這樣的：OpenAI、Anthropic、Google三家混戰，比誰家模型跑分更高、參數更大、發佈會上的Demo更震撼。這就是 "模型軍備競賽" ——簡單，直接，容易理解，也自然佔據了媒體的主要聲量。蔡崇信認為，這套框架從根本上就是錯的。他的替代方案是：AI競爭的核心變數不是"模型參數"，而是 "應用滲透率"。誰能把這個變數拉得更高，誰才是真正的贏家。"The winner is not about who has the best model. The winner is about who could use it the best."兩套框架的核心分歧很簡單：競爭的本質是參數，還是滲透率？第一張底牌：電力蔡崇信的第一張牌，不是演算法，是電。幾個數字：國家電網年資本支出約900億美元，美國約300億美元，相差三倍中國電力裝機容量是美國的2.6倍去年全球新增電力裝機，中國一國佔58%，美國只有7%三個數字疊加上後，指向一個結論：AI訓練最核心的成本——電力——中國有結構性優勢。這個優勢不是政策設計出來的。過去十幾年大規模經濟建設，"順帶"把電網鋪到了這個規模。蔡崇信把它叫做"飢餓優勢"的反面：不是因為缺資源被逼著創新，而是因為基礎設施超前佈局，自然形成了成本窪地。第二張底牌：開源開源是中國AI打破技術壁壘的核心策略美國AI的技術特權，靠的是閉源機制來維持——模型是資產，API是利潤來源，想用就得付錢、就得交資料。中國開源模型的崛起，本質上是打破這道壁壘。用一個具體的場景想像：一個國家想要發展AI，又不想把資料送到外國伺服器上、付昂貴的費用——開源模型提供了一個不用二選一的選項。下載、部署、私有化定製，資料不出境，成本可預期。這就是2025年中國開源AI模型下載量能夠領先全球的原因。靠的不是宣傳，是這套邏輯對真實需求的吸引力。但要看到另一面：阿里"不靠AI賺錢"，不是說AI是免費的，而是說AI本身不是阿里的利潤來源。阿里的商業模式是雲服務——儲存、資料庫、安全、容器。開源模型是獲取雲客戶的入口，雲服務才是利潤的核心。開源是引流，不是慈善。第三張底牌：製造業+AI第三張牌，落在製造業。中國擁有全球規模最大、門類最完整的製造業體系。這個體系正在經歷一個深刻的變化：工廠在數位化、在聯網，在產生海量的工業過程資料——生產節拍、質量參數、供應鏈調度記錄。智能製造是中國工業AI資料的核心來源這類資料，對訓練專用工業AI模型價值極高。德國有工業4.0，美國有先進製造，但中國工業資料的體量和完整性，在短期內很難被覆制。阿里自己的實踐是一個側證：平頭哥晶片累計出貨超過47萬顆，年化收入已達100億元（每日經濟新聞，2026年3月）。不是概念，是已經跑通的商業化。他的框架，服務於誰？三張底牌，每一張都有真實的結構支撐。但這套框架在商業上對阿里最為有利。原因：如果競爭的核心是"應用落地+基礎設施+資料"，那雲服務商就是整個競爭格局裡最核心的節點。阿里投資開源模型、擴大生態，最終是為了擴大雲服務的使用量和使用者黏性。他在給你一個對全人類有利的AI願景，同時也在給阿里設計一個最有利可圖的商業路徑。這兩件事不矛盾。但需要被看清楚。同樣需要被看見的是：這套"應用層競爭"框架，繞開了中國AI產業當前最脆弱的環節——晶片製造裝置。EDA工具、先進光刻機、先進製程代工，這些仍是訓練大模型的底層基礎，目前仍高度依賴美國及其盟友的供應。這個話題，被放到了框架之外。真正的問題蔡崇信說的不是"中國AI沒有弱點"。他的論點是：在"應用滲透率"這個維度上，中國有結構性優勢，而這個維度，恰恰是AI價值最終兌現的方向。這個論點部分是成立的——中國在應用落地、基礎設施成本、製造業資料上的積累是真實的。但它同時也是最符合阿里巴巴商業利益的論點。不是對不對的問題。有沒有可能，兩者同時為真。 (卯時AgentM6)

美國“建國250周年”之際，中美競爭進入“無人區”——麥肯錫報告解析在美國2026年迎來建國250周年慶典之際，華盛頓的政客們也許正嘗試著要用“世界最具競爭力經濟體”這樣的頭銜，去裝點這一具有歷史性意義的時刻，這份榮耀的背後，卻劃開了一道深刻的口子。近日，麥肯錫全球研究院（MGI）發佈《At 250, sustaining America’s competitive edge》，系統分析了當前的情形，美國身為全球經濟的領導者，卻正在步入一個前所未有的“無人區”，這是一個競爭地帶，在其中沒有現成的地圖，也沒有歷史參照。然而，站在這片“無人區”的對面位置，面對呈現出全方位崛起態勢的中國，它已全然不是那個往昔僅從事廉價玩具與服裝生產的所謂“世界工廠”，而是於關鍵技術方面、基礎科研範疇以及產業規模領域上，已然具備能夠跟美國展開正面對話能力的超級競爭者。一、慶典背後的焦慮：美國看到了什麼？麥肯錫所撰寫的這份報告，是一份專門獻給美國250歲生日的頗具特殊意義的禮物，然而，當把這份禮物的包裝拆開之後，裡面所裝著的竟然是一物為鏡子。在這面鏡子之中看到的美國，有著佔據地球上全球26%的GDP，有著擁有全球59%的名列前茅的頂尖企業，還有著超過全球一半數目的AI大模型以及近乎達到四成比例的頂尖科學家。這無疑是一份特別富有而值得呈現出驕傲之感的成就。然而，這面鏡子同樣映照出另一幅圖景：在關乎未來走向的關鍵以及新興技術範疇，中國於量子感測器領域，其頂尖論文引用率已超越美國，在先進晶片設計領域，頂尖論文引用率也超越了美國，在機器學習領域，頂尖論文引用率同樣超越了美國。在電動汽車產業，在太陽能產業，這些屬於複雜資本密集型的產業，中國已經是全球範圍內無可爭議的主導者。美國所認為的現實是這樣的：它還是那個處於最前列奔跑的選手，不過在它身後的那些追趕者，已然不是順著它曾跑過的路徑前行，而是開拓出了全新的賽道。二、“無人區”的兩端：兩種模式的正面交鋒所謂“無人區”，這意味著中美雙方都已然失去了可供參照的體系。中美之間的競爭，不再是單純的國內生產總值總量的競爭，也並非是冷戰時期美國與蘇聯那般意識形態以及軍備方面的對壘，而是兩種有著極大差異的發展模式，在同一個具體的歷史時空範圍之內的正面相互碰撞。美國的一端：創新生態的“深水區”美國具備相當的競爭力，這競爭力深深紮根於深厚無比的“創新生態”之中：頂尖層級的大學持續不斷地向外輸出各類思想，風險性質的資本把那些思想轉變為商業行為，具有靈活性的勞動力市場促使人才朝著生產力最為強大的地方流動前行，彰顯寬容特性的失敗文化則對下一次冒險給予鼓勵支援。在過去的250年時間裡，這個生態造就了從蒸汽船一直到智慧型手機的76項處於頂級水平的發明。麥肯錫的報告尖銳指出，現在這個生態正遭遇瓶頸，K-12教育滑坡侵蝕了未來勞動力根基，老化的基礎設施使物流成本高企。其中45%的橋樑超過50歲，高額國債佔GDP的120%，擠出了私人投資，甚至威脅到國防開支。美國的創新生態正從“藍海”駛入需持續輸血、深度維護的“深水區”。中國的一端：應用規模的“高地”中國的崛起途徑一樣明晰：把超大市場當作腹地，把舉國體制用作槓桿，快速把技術轉變為規模。在電動汽車範疇，中國把AI融入工業機器人與智能駕駛裡，達成了在物理世界的快速佈置。在生物技術範疇，中國在臨床試驗數量以及藥物發現產出方面已超過美國。有一種模式是中國所特有的，它著重強調借助“用”來帶動“研”，憑藉規模方面所具備的優勢，將研發成本攤薄，接著再次轉身朝著產業鏈的上游去進行攀登。這種模式所具備的威力，一方面呈現於它佔據了全球將近一半的製造業產出，另一方面呈現於它掌握了全球百分之八十的鈷、百分之七十的鋰的精煉能力。就如同麥肯錫報告所明確指出的那樣，這不僅僅是一種商業層面的優勢，更是一種國家安全層面的優勢——每一架F-35戰鬥機都需要超過400公斤的稀土材料。三、“無人區”的規則：沒有誰取代誰，只有誰先定義未來在“無人區”裡，競爭的規則本身也在被重寫。以前，競爭呈現為“取代”的態勢。那時，人們特別熱衷於去討論中國究竟會在什麼時候在GDP總量方面超越美國 ，還熱衷於討論究竟是那一個國家將會取代另外一個國家，進而成為世界工廠。為此，麥肯錫所撰寫的報告給出了十分清晰的回答：這種所謂的“取代”已然發生了 ，這是因為中國在製造業規模層面早就已經超越了別的國家 ，與此同時，還在多個關鍵技術領域實現了並跑，甚至是領跑的局面。如今，決定勝負的核心要點 並非是誰能夠去復刻對方所取得的成功 ，而是在於誰能夠去定義接下來一個時代的產業以及技術規則。由誰去界定AI往後的走向呢？報告精準地表明，美國把AI當作“產品”（像聊天機器人、圖像生成這類），然而中國卻將AI看成是“基礎設施”（和機器人、無人機、汽車深度交融）。究竟是那一種途徑會在未來十年引領生產效率呢？答案眼下還沒個準兒。究竟是誰對能源的未來進行定義呢 ，美國依靠頁岩革命達成了能源獨立 ，然而中國把控著太陽能 、電池以及關鍵礦產的精煉能力 ，當全球能源轉型加快速度的時候 ，是資源儲備更為重要呢 ，還是加工製造能力更為關鍵呢？美國依靠盟友體系去維護全球供應鏈，然而中國正憑藉“一帶一路”以及產能合作對其加以重塑。當“國家安全”的界定範疇從軍艦擴展到晶片、藥品乃至醫療手套的時候（其中美國進口的抗生素、布洛芬等關鍵原料藥大部分依賴於中國），究竟是誰更具備確保自身安全的能力呢？結語：250歲的慶典與永恆的課題麥肯錫的報告最後向美國人發出提醒，競爭力並非遺產，並非那種能夠安穩繼承的財富，它得藉著做出選擇、進行投資以及持續不斷地自我更新才能夠“獲取”。（美國賭對了什麼？美國歷史上最強大的競爭力來源之一：能夠根據時代需求，不斷開發利用自身豐富的自然資源。它從木材轉變到煤炭，接著又到石油以及天然氣，每一回的轉型都恰好在合適的時候，推動了生產力的大幅躍升，如今，它正嘗試把頁岩氣與可再生能源相互結合起來，為下一階段到來的AI革命和製造業的復興給予能源方面的支撐，這場能源競賽最終的結果，將會直接對“無人區”裡到底是誰能夠佔據優勢產生影響。）在美國迎來建國250周年這個時刻，它所面對的是那樣一個“無人區”，這個“無人區”裡已不再存在現成的地圖。在這片區域當中，並沒有GPS導航，每向前邁出一步，都得依靠自身去進行探索。中國身為這片區域裡最為強大的同行者，它既構成了挑戰，同時也是一種參照。歷史不會以簡單的方式重複，也不會經由平滑的途徑過渡，中美兩國於這片“無人區”裡的每一回抉擇，每一回創新，每一回碰撞，都將會共同界定21世紀的世界格局，而答案並非存在於麥肯錫的報告之中，而是存在於兩國後續十年的行動裡面。 (TOP行業報告)