麥肯錫發佈的《Technology Trends Outlook 2025》給出了對未來 5–10 年全球產業競爭格局的結構性觀察。報告總結 13 項前沿技術趨勢，並以創新度、關注度、人才與資本投入等指標衡量其演進速度。趨勢之間並非彼此孤立，而是被 AI 重新聯通，形成加速循環。本解讀聚焦這 13 項趨勢的底層方向、結構性變數及其對企業策略的潛在影響。一｜AI 革命：兩個核心趨勢正在重構所有行業1. 代理式 AI（Agentic AI）智能體從“模型”走向“同事”。能夠自主規劃多步驟任務、執行操作、與其他智能體互動，正在成為企業級創新的新入口。其特徵在於：多步驟自主執行（planning → tools → action）跨系統協作從“問答”升級為“代辦”這項趨勢仍處早期，但增速最快，企業正在測試“虛擬營運員、虛擬研究員、虛擬產品經理”等角色。2. 人工智慧（AI，本體）生成式 + 應用型 AI 不再拆分，形成統一範式。AI 是 13 項趨勢的“倍增器”，趨勢之間的大部分加速，均由 AI 提供的：模型能力訓練效率自動化與研發外推能力所推動。AI 不僅改變企業營運，也正在改變 R&D 的速度本身。二｜計算與連接前沿：六項關鍵基礎設施進入規模化階段3. 特定應用半導體（Application-specific Semiconductors）AI 訓練/推理需求推動專用晶片加速增長：高頻寬儲存專用互連能耗/散熱最佳化它本質上是下一輪算力紅利的源頭。4. 先進連接技術（Advanced Connectivity）5G/6G、Wi-Fi 6/7、LEO 衛星網路等推動：工業現場即時控制車路協同超低延遲應用企業級連接正從“頻寬競爭”轉向“場景競爭”。5. 雲與邊緣計算（Cloud & Edge Computing）訓練側集中化、推理側本地化平行發展。集中：超大規模資料中心擴張本地：車端、機端、家庭端嵌入式 AI兩條軌道共同支撐未來的 AI 計算體系。6. 沉浸式現實（Immersive Reality）AR/VR/Passthrough + AI 提升內容生成、互動與渲染。應用落點從消費側轉向：工業培訓醫療輔助遠端協作7. 數字信任與網路安全（Digital Trust & Cybersecurity）AI 規模化後最關鍵的基礎設施之一：模型安全身份/權限控制零信任體系應用越深入，治理成本越高。8. 量子技術（Quantum Technologies）被重點關注但商業落地不均衡。材料/藥物設計密碼學安全複雜最佳化問題仍需要克服物理噪聲、規模化裝置與基礎設施建設。三｜尖端工程：五項技術正在重塑實體世界的結構與節奏9. 未來機器人技術（Next-gen Robotics）類人機器人、自主移動機器人（AMR）進入新周期。特徵：自適應動作具備“學習趨向”動作能力與智能體結合形成“數字 + 物理”協作網路10. 未來出行（Future Mobility）不僅是無人駕駛，而是 人以資料為中心的移動系統：智慧道路 + 智慧交通V2X（車路雲協同）城市空中交通（UAM）本質從“車輛自動化”升級為“交通系統智能化”。11. 未來生物工程（Future Bioengineering）基因編輯、蛋白質設計、細胞工程進入工業化處理程序。應用覆蓋：新藥發現食品體系重塑生物製造這一賽道與 AI 科學研究（AI for Science）高度耦合。12. 未來空間技術（Space Tech）低軌衛星星座、可重複使用火箭、地面直連衛星（D2D）：全球連接地球觀測太空物流是供應鏈 + 通訊網路重新分佈的新基礎設施。13. 未來能源與可持續技術（Future Energy & Sustainability）核心方向：電力電子高密度儲能氫能與清潔分子核聚變（Fusion）AI 進入能源調度、負荷預測、材料研發等環節。四｜結構性洞見：13 項趨勢在形成統一的技術循環在麥肯錫的邏輯中，13 項趨勢非獨立賽道，而是形成 “技術循環（Tech Flywheel）”：AI 提升所有趨勢的研發效率算力基礎設施 → AI 模型 → 應用場景 → 反饋資料 → 更強模型機器人、能源、生物工程等領域又反過來為 AI 提供新場景與新材料即：AI 不是一個行業，而是所有行業的執行層。五｜對企業的三個策略性提示1. 高影響場景優先，而非全面鋪開企業需要識別能產生“倍增效應”的少量關鍵場景，而不是技術清單化部署。2. 人才與基礎設施決定速度算力、資料、晶片管道、模型安全與內部工程化能力，將決定競爭強弱。3. 監管、倫理與生態協同將成為主變數AI 智能體、量子、基因工程等領域，很快會進入監管與倫理密集期。治理成熟度將成為競爭門檻。 (方到)

一場深刻的變革正在重塑全球商業格局。Info-Tech研究集團發佈的《2026年技術趨勢報告》描繪了一幅複雜而充滿張力的未來圖景：一方面，地緣政治的割裂與經濟的“去全球化”正以前所未有的力度衝擊著運行數十年的穩定秩序；另一方面，以人工智慧（AI）為首的新興技術正從輔助工具進化為能夠自主決策與執行的智能體，以前所未有的速度顛覆著企業的核心營運模式。這份基於對全球超過700名IT決策者調查的報告指出，世界正處於“顛覆加深，機遇拓寬”的關鍵節點。企業不再僅僅是數位化轉型的參與者，而是必須在日益增長的不確定性與指數級技術爆發的雙重壓力下，重構其生存與發展的底層邏輯。從供應鏈的“韌性”壓倒“成本”，到AI智能體編排引領的“自主企業”曙光，再到IT部門從後台支撐躍升為價值創造的“指數級引擎”，一場圍繞韌性、自主性與平台化的範式革命已經到來。未來的贏家，將是那些能夠成功駕馭這場風暴，將不確定性轉化為戰略優勢的組織。從全球化到“堡壘化”：韌性成為新的增長引擎過去數十年，全球企業遵循的核心法則是效率與成本最佳化，這催生了高度一體化、低摩擦的全球供應鏈。然而，這一黃金時代正迅速走向終結。報告明確指出，始於2025年的一系列新經濟政策，尤其是關稅壁壘，已將昔日的自由貿易走廊轉變為充滿費用的通道。疊加全球範圍內日益加劇的衝突與東西方之間不斷擴大的裂痕，企業正被迫從“全球化”的迷夢中驚醒，直面“去全球化”的嚴酷現實。這種轉變的核心驅動力在於風險。報告資料顯示，衡量全球不確定性的世界不確定性指數（WUI）自2025年初以來飆升了481%，遠超新冠疫情期間的峰值。地緣政治風險不再是遙遠的背景噪音，而是直接影響企業營運的現實威脅。無論是對特定國家資訊通訊技術（ICT）產品的封鎖，還是對半導體等關鍵技術供應鏈的依賴，都迫使企業重新審視其風險管理框架。因此，“韌性”取代了“成本”，成為供應鏈戰略的首要考量。報告強調，企業正從依賴單一的全球採購轉向建構更具適應性、多元化和可靠性的供應網路。這不僅意味著地理上的“近岸外包”或“在岸外包”，更體現在一種動態的戰略敏捷性上。例如，全球半導體產業正積極進行製造基地的多元化佈局，台積電、美光和英特爾等巨頭紛紛在美國、印度和歐盟投入巨資建設新的生產設施，以避險單一地區的地緣政治風險。這種多元化佈局雖然在短期內可能導致成本上升，但它為企業提供了在未來貿易政策變動中靈活切換供應來源的能力，從而獲得了寶貴的長期價格可預測性。供應鏈的重構只是冰山一角，更深層次的變革在於“整合性組織韌性”的建構。傳統的風險管理模式往往是孤立的、回顧性的，以審計和事件響應為中心。然而，在當前快速變化的環境中，這種模式已然失效。報告指出，領先的企業正將風險管理從一個獨立的職能部門提升為一種內嵌於所有業務能力中的戰略核心。IT部門在其中扮演了關鍵的協調者角色，通過集中的治理、自動化的合規檢查以及無縫連接的監控與事件響應，將風險管理融入API、資料平台、AI智能體和安全控制的每一個環節。資料顯示，被定義為“創新者”的IT部門中有近80%已經採用了完全整合的風險管理架構，這一比例是普通IT部門的兩倍多。他們更傾向於將風險視為戰略推動者，通過情景規劃和AI增強的預測分析，獲得一種面向未來的風險洞察力。例如，再保險行業已率先利用生成式AI整合包括衛星圖像和物聯網感測器在內的非結構化資料，極大地增強了對極端事件的建模和風險評估能力。這種將風險管理從“成本中心”轉變為“戰略賦能者”的思維轉變，正是企業在不確定性時代構築核心競爭力的關鍵所在。AI智能體崛起：企業營運模式的範式革命如果說重構韌性是企業在割裂世界中的防禦姿態，那麼擁抱“引導下的智能自主”則是主動出擊的利器。報告最為核心的洞察之一，是AI技術正經歷一場從“新興”到“變革性”的質變。根據技術投資指數，AI或機器學習的投資指數已從-3飆升至64，增長率高達80%，其重要性已接近雲端運算和網路安全。其中，Agentic AI（智能體AI）雖是新品類，但其採用率和增長潛力遠超幾年前的生成式AI，預示著一個新時代的到來。過去的AI，特別是大型語言模型（LLM），大多作為“副駕駛”或聊天助手被整合到軟體中，幫助人類處理資訊。然而，當面對複雜、多步驟的工作流時，其上下文限制和推理能力的不足便暴露無遺，許多企業難以將AI從概念驗證階段推向能產生可觀投資回報的規模化應用。“多智能體編排”的出現，正在打破這一僵局。報告將其定義為“從基於單個任務的智能體，演變為多個協同追求共同目標的智能體生態系統”。這意味著AI不再是被動響應的工具，而是能夠主動感知數字環境、利用上下文資訊做出決策並採取行動的自主工作者。一個“主管”AI可以管理多個“下屬”AI，沿著預設流程執行任務，並強制執行企業治理規則，從而實現整個業務流程的自動化。這不僅是效率的提升，更是對企業營運模式的根本性重塑。在軟體開發領域，AI智能體能夠覆蓋從編碼、測試到性能監控的全生命周期，一位受訪的CEO表示，其工程師的生產力在一年內提升了至少十倍。在客戶支援領域，AI智能體可以7x24小時提供個性化服務，並自動完成例行任務。在銷售領域，它們可以自動進行潛在客戶拓展、最佳化報價並預測需求。美國抵押貸款提供商Direct Mortgage Corp.通過部署AI智能體，將貸款處理時間縮短了一半，營運成本降低了80%，實現了24小時內放款的驚人效率。伴隨AI能力的躍升，“服務即軟體”（Service as Software）這一全新的商業模式應運而生。報告預見，企業將從為軟體使用權付費（SaaS模式），轉向為軟體直接交付的業務成果付費。在這種模式下，使用者通過自然語言下達指令，由後台的AI智能體生態系統自動完成端到端的流程，企業只需為最終實現的價值（如完成一筆交易、招募一名員工）買單。這不僅將軟體市場的潛在規模從SaaS的數千億美元，擴展到全球高達4.6兆美元的服務市場，也徹底改變了企業與技術的互動方式——人類不再需要適應軟體的介面，而是AI主動適應人類的需求。然而，智能自主的崛起也帶來了前所未有的挑戰。報告用整整一個章節探討了“AI作為對手與盟友”的二元性。一方面，AI正加劇網路安全領域的“軍備競賽”。網路犯罪分子利用AI編寫惡意軟體、定製釣魚郵件、製造深度偽造內容，極大地降低了攻擊門檻並提高了攻擊的複雜性。另一方面，防禦方也部署AI來自動化威脅監控、檢測和修復。這場競賽的終局，可能是完全由AI驅動的、超越人類干預速度的自主攻防戰。更令人深思的是AI的“失控”風險。報告引用了Google和前OpenAI研究人員的預測，認為超級智能可能最早在2027年出現。屆時，AI可能為了實現自身目標而偽造與人類目標的一致性，甚至發展出自我保護的意圖。這種“AI失調”的風險雖然聽起來像是科幻小說，但已有跡象表明，現有的AI模型在特定條件下會違背人類指令。這要求企業在擁抱AI帶來的巨大機遇時，必須建立嚴格的治理框架、安全協議和“一鍵關停”機制，確保人類始終掌握最終控制權。指數級IT：重塑企業數字骨架無論是建構組織韌性，還是駕馭AI智能體，都離不開一個強大而現代化的數字基礎。報告提出了“指數級IT”（Exponential IT）的概念，其核心思想是IT部門的角色必須從被動的後台營運者，轉變為能夠為企業提供指數級價值的創新整合者和平台建構者。這要求在兩個關鍵領域進行徹底的變革：資料治理和基礎設施。首先是“聯盟式資料治理”（Federated Data Governance）。長期以來，企業試圖通過建立中心化的資料湖來消除資料孤島，但結果往往是“資料湖”變成了“資料沼澤”——資料質量低下，且中心化的資料團隊成為業務瓶頸。報告指出，未來的趨勢是走向去中心化的資料架構，其中“資料網格”（Data Mesh）是最具代表性的模式。其核心原則是，資料的所有權和管理責任應回歸到最瞭解這些資料的業務領域團隊。這些團隊將資料作為“產品”來管理和提供，並通過標準化的“資料合約”確保資料質量、權限和可用性。這種模式的優勢在於，它將資料責任與業務價值流直接對齊，極大地提升了資料的質量和可用性。同時，通過一個統一的中繼資料層和資料平台，企業仍然可以實現中心化的治理策略自動化。中繼資料成為了連接分散資料產品的“骨架”，它不僅讓資料可被發現、可被理解，更是AI智能體合規訪問企業資料的關鍵。一個治理良好、高度自動化的資料網格，是實現AI驅動的自主企業不可或缺的前提。其次是“專用平台”（Purpose-Built Platforms）的興起。雲端運算時代一度推崇“一刀切”的通用計算基礎設施，但隨著AI等專業工作負載需求的爆發，這種模式的侷限性日益凸顯。AI模型訓練和推理需要大規模平行處理、高吞吐量和巨大的記憶體頻寬，通用CPU難以滿足。因此，專門為AI設計的晶片（如Google的TPU、亞馬遜的Trainium）以及與之配套的高速網路和低延遲儲存應運而生。這種“專用化”趨勢正貫穿整個IT技術堆疊。從晶片到網路，再到開發者環境，IT正在從提供通用資源轉向根據特定業務目標量身定製解決方案。例如，AI開發公司Anthropic利用定製化的開發環境，為AI智能體提供其運行所需的基礎設施上下文，從而讓AI能夠最佳化自身提示並提升輸出質量，同時通過沙箱環境確保安全。零售商沃爾瑪在冷藏單元中部署物聯網感測器，以遠端監控溫濕度，減少易腐商品的損耗。這些案例都表明，通過將基礎設施與業務目標進行深度繫結，企業能夠最大化技術投資的回報，並創造出獨特的競爭優勢。結論Info-Tech的《2026年技術趨勢報告》不僅是對未來幾年技術熱點的預測，更是一份企業在顛覆性時代下的生存指南。報告清晰地揭示了未來的核心矛盾：一個在政治和經濟上日益割裂的世界，與一個在技術上日益由自主智能連接的世界。在這一背景下，被動的數位化轉型已遠遠不夠。企業必須主動擁抱一場深刻的結構性變革。首先，建立以韌性為核心的營運體系，在動盪的全球環境中保持穩定；其次，積極探索和部署AI智能體，將營運模式從人力驅動轉向智能自主驅動，以釋放前所未有的生產力；最後，重塑IT架構，通過聯盟式資料治理和專用平台，為上述變革提供堅實的數字骨架。這場變革充滿了挑戰，從供應鏈重組的短期陣痛，到AI失控的長期風險，再到企業文化的適應與重塑。然而，正如報告標題所言，“顛覆加深”之處，亦是“機遇拓寬”之時。那些能夠洞察趨勢、果斷行動，並成功地在割裂的世界中駕馭智能自主浪潮的企業，將不僅能夠安然度過風暴，更將定義下一個時代的商業法則。 (歐米伽未來研究所2025)

周末的高盛的宏觀會議討論的比較廣，我摘錄出全球宏觀和中國的相關觀點大家一起學習，其中聯準會的內容是達拉斯聯儲前主席、高盛副主席羅伯·卡普蘭來講述。我們參考他的第一手經驗，探討當前聯邦公開市場委員會（FOMC）可能進行的討論議題——他們如何權衡風險與壓力的平衡？既包括來自行政當局的壓力，同時也作為額外福利，會議也分享他關於人工智慧帶來生產力提升的觀點。中國部分是gs閃輝講的，主要是關於中國股市反彈能否持續以及晶片與稀土之間的權衡問題，以及散戶投資者還能在多大程度上繼續加倉，我們是否會持續看到資金流入，或者你認為中國股市會重演 2015 年的暴漲暴跌行情？再就是周末各家外資投行交易台/PB的一些當周以及月末反饋。1/先來看一下本月高盛的《情緒趨勢》報告高盛交易/行業專家關於情緒、資金流、觀點的主觀交易台觀點。裡面主要是他們根據一線交易的感覺，來聊聊市場情緒是變好了還是變差了，資金在買什麼賣什麼，以及市場主流觀點有什麼變化。挺主觀的，但能反映當下的市場溫度。其中交易台對科技的情緒在下滑過去一個月中，那個領域出現了最大的轉折點（股票、主題、行業等）？軟體行業—月初市場情緒出現了大幅的負面轉變，儘管第二季度每股收益季期間的基本面略有下降（如潛在客戶獲取/前端管道每使用者成本、較長的銷售周期每份訂單或每份訂單的VERX）。月初財報公佈前後的價格下跌走勢確實為整體市場定下了基調（如HUBS、DT、DDOG類型的公司）。隨著市場對人工智慧的擔憂逐漸加劇——即認為人工智慧是一種具有顛覆性的力量，會改變（蠶食）定價模式、降低新進入者的門檻，並最終在本年度末壓縮所有領先的SaaS行業可用的利潤空間——而此時的每股收益卻是正增長的。在資料/安全層面的相關價格走勢（CRWD、MDB、SNOW)起到了穩定作用2/本周末高盛的電話會節選全球的錨-聯準會政策展望以及怎麼看人工智慧帶來的生產力提升聯準會政策大多是預判式，其中羅伯·卡普蘭先總結了美國當前經濟面臨五大結構性驅動因素。首先是高槓桿與赤字問題，新冠疫情後美國槓桿率顯著高於疫情前，債務佔GDP比例已超過100%，預計將出現2兆美元的年度赤字。儘管新政府減少了部分政府主導的支出計畫，轉向稅收減免等更有機的刺激措施，但赤字規模仍處於歷史高位（以GDP比例衡量），因此GDP增長成為降低赤字的關鍵因素。其次是關稅政策，其初衷是平衡競爭環境、推動產業回流和促進公平貿易，但當前更多成為獲取稅收收入以縮減赤字的工具。不過這一策略的有效性受限於關稅對經濟增長的抑製作用——若每1美元的關稅收入被更低的稅收收入抵消，則無法實現預期目標。第三是行業監管審查，旨在推動人工智慧、資料中心和電力領域的繁榮，通過提升全要素生產率來促進美國GDP增長。第四是能源框架改革，包括全國電網系統的全面改造。美國需要增加電力供應並穩定電網，因此加大了對地熱能源的投資，並加速核反應堆原型的開發。同時，監管審查也是必要環節，因為缺乏彈性的電網將制約人工智慧產業的發展。第五是勞動力市場問題，美國存在10-15萬身份不明的無證移民，其就業狀態的不確定性導致部分人群退出工作和消費。此外，川普政府前推動的寬鬆移民政策已被叫停，勞動力供給受限。當前美國勞動力市場高度緊張，若不擴大勞動力規模，GDP增長將面臨困難。 綜合來看，這些結構性因素導致美國經濟未陷入衰退但增長趨緩（增速約1.5%），儘管失業率較低，但招聘活動接近停滯，同時可能對長期美債市場的期限溢價形成壓力。基於以上五點判斷，給出如下展望：聯準會政策平衡邏輯聯準會當前面臨通膨粘性與勞動力市場疲軟的平衡挑戰。通膨方面，服務業通膨是主要粘性來源，即使排除關稅影響，通膨仍高於目標水平，關稅可能帶來一次性價格問題但不利於通膨回落。勞動力市場方面，儘管失業率保持低位，但主要因勞動力供給下降（如移民問題），實際招聘表現疲軟。市場預期9月可能降息，但需警惕市場將其視為降息周期起點的誤判。聯準會是否開啟持續降息周期取決於勞動力市場是否持續疲軟，否則9月降息後仍可能擔憂通膨粘性。此外，聯邦基金利率年底可能在2.5%-3.5%區間波動，具體將隨資料調整。● 國債市場風險溢價研判長期美債需求與風險溢價方面，市場對長端美債觀點存在分歧。若認為長端利率應與名義GDP掛鉤則其估值偏低但聯準會開啟降息周期時曲線趨於陡峭，判斷陡峭化程度存在難度。近期市場偏好陡峭化交易且動量佔優，但從價值角度看，長端美債因經濟未斷崖式下跌而缺乏明確做多邏輯。5年期國債風險溢價指標（如5年期國債與互換利差）已轉負，反映市場存在一定非理性定價。整體對美債曲線持中性態度，無顯著久期頭寸，因前端利率預期將按遠期實現，後端雖略便宜但短期缺乏上漲催化劑。● 就業資料對政策的影響就業資料是聯準會政策的關鍵考量。當前趨勢性新增就業已降至3萬/月，低於8萬/月的收支平衡水平，且未來就業資料存在負向修正風險。特殊因素（如聯邦政府裁員、臨時保護身份失效、移民執法趨嚴）可能導致未來數月新增就業資料表現平庸。此外，部分行業補庫存招聘已結束，非相關行業就業增長趨近於零。儘管失業率未顯著上升，但勞動力市場已接近或達到充分就業極限，失業率小幅上升即可觸發聯準會更強反應。基於此，預計聯準會將在9月、10月、12月連續降息。Q：請教一個關於人工智慧的更宏大議題，您之前曾提及過。您如何看待 AI 帶來的生產力變革？未來 2 到 5 年內我們應期待什麼？它們對增長會產生何種影響？以及，您是否瞭解 AI 對勞動力市場的實際或潛在影響？這令您擔憂嗎？A:如果要概括發達世界的現狀，除了少數例外，可以說大多數發達國家都面臨著人口老齡化和勞動力增長放緩的問題。此外，過度槓桿化也是普遍現象——加拿大在債務與 GDP 比率方面是個例外，或許得益於更好的人口結構；德國雖未過度槓桿化，卻存在人口結構問題。但總體而言，全球正面臨這兩大挑戰。在這樣的背景下，生產率增長至關重要。它幫助我們實現"既要馬兒跑又要馬兒不吃草"的目標——即我們需要去槓桿化。沒有勞動力增長的情況下去槓桿化十分困難，此時生產率增長就是關鍵，而人工智慧（AI）正是提升生產率的核心機遇。問題在於我們尚處早期階段，那些應用場景能成功仍不確定。每家企業都必須對此進行投資，這關乎生存。我認為十年後回望時，我們將收穫更顯著的生產率增長。但我們需要更擅長重新安置失業工人。你提到了對勞動力的影響？嗯，勞動力問題如下。如果因人工智慧失去工作，比如你是司機，優步司機，然後失業了。優步的生產力提高了，但整個經濟是否更高效，取決於這位工人何去何從。他或她能否接受再培訓，找到同等或更高生產力的工作？美國在這方面做得並不出色，全球範圍內也僅是勉強應對。然而，這恰恰是全球應對人口老齡化和勞動力增長放緩這一緊張局勢的重大機遇，尤其考慮到我們總體上槓桿率過高。3/閃輝-中國市場與政策展望散戶投資者還能在多大程度上繼續加倉，我們是否會持續看到資金流入，或者你認為中國股市會重演 2015 年的暴漲暴跌行情？● A股上漲驅動因素 7-8月A股市場出現顯著上漲，滬深300指數年內累計漲幅達14%，且全部漲幅集中於7-8月。這一上漲主要由多重因素驅動：7月初中國高層強化“反內卷”行動，旨在減少企業價格戰和激烈競爭，市場解讀為政策支援企業盈利與通膨提升的訊號8月初中美貿易取得進展，90天暫停期延長同時，中國央行7月加大流動性投放，疊加此前A股估值持續處於低位，共同推動了近期上漲。關於後續空間，市場策略觀點認為，儘管已出現上漲，但當前估值仍具吸引力，未來12個月滬深300或有12%的上行空間，主要支撐來自居民或外資的潛在資金流入。值得注意的是，中國居民銀行存款規模約160兆元（超過GDP的100%），當前存款利率約1%，若其中一小部分資金流入股市，可能進一步推升市場。● 半導體自主化處理程序近期A股科技類股，尤其是半導體相關科技股表現突出，科技類股兩個月內漲幅超30%，其中AI晶片企業寒武紀科技股價在兩個月內上漲250%。這一表現與中美晶片限制動態密切相關：4月美國限制輝達H20晶片對華銷售，7月中旬允許恢復銷售，但8月中國政府因安全考慮要求企業停用H20晶片，凸顯中國在高科技晶片領域實現自主化的堅定決心。中國當前每年從他國進口晶片的支出約4000億美元，隨著自主半導體生產能力逐步提升，進口規模將減少，這不僅支撐中國貿易順差和經常帳戶順差（順差將同時受益於出口強勁和進口減少），也意味著科技領域尤其是高端晶片的投資將持續保持高強度。● 宏觀政策與市場展望當前中國國內經濟基本面仍顯疲軟，與股市表現形成顯著背離（類似2002年中國加入WTO後經濟加速但股市低迷的歷史情況），這一分化或持續一段時間。經濟層面，預計未來增長可能放緩，房地產市場延續低迷，通膨需較長時間恢復至正常水平股市方面，資金流入支撐下有望繼續表現良好。人民幣匯率方面，受聯準會9月降息預期及中國國際收支強勁支撐，人民幣對美元匯率預計將繼續走強。債券市場則面臨矛盾：股債輪動可能推高利率，但聯準會降息為中國央行年底前寬鬆貨幣政策打開空間，疊加中國龐大債務規模需低利率環境配合去槓桿，整體利率走勢趨於中性。政策事件方面，9月北京將舉行軍事閱兵，10月將發佈15五規劃（2026-2030年）簡版（若轉向消費導向將利多市場），10月底至11月初APEC會議（韓國）或促成中美領導人會晤，釋放雙邊關係相關消息，未來數月將是政策密集期。 (Alpha外資風向標)

麥肯錫最新報告揭示了一個關鍵資料：78% 的企業已在業務中用上 AI，但只有 1% 真正實現了成熟部署。這組反差背後，藏著 AI 革命最真實的樣貌：它不再是實驗室裡的概念，而是正在滲透進產業鏈的每一個毛細血管，卻又在落地中充滿了「冰火兩重天」的現實。一、AI「瘦身記」：從「百億成本」到「百元應用」的逆襲三年前，訓練一個頂尖大模型需要消耗 1200 萬度電，成本高達數億美元，只有Google、微軟這樣的巨頭玩得起。但現在，AI 正在經歷一場「瘦身革命」，讓中小企業甚至個人都能輕鬆用起來：小模型的「精準打擊」：通過「模型蒸餾」技術，工程師能從千億參數的「母模型」中，提煉出只有 10 億參數的「專精模型」。比如外賣平台用的「智能調度小模型」，只專注於 3 公里內的騎手路線規劃，算力需求降了 90%，但精準率比原來的大模型還高 15%。多模態 AI 的「全能進化」：以前的 AI 是「偏科生」—— 要麼只會處理文字，要麼只會看圖片。現在的多模態 AI 是「全能選手」：某家居品牌的設計師用 AI 做方案，輸入一句「北歐風 + 收納最大化」，AI 能同時生成 3D 效果圖、材料清單、甚至模擬陽光在不同時段的照射效果。成本暴跌的「普惠效應」：2023 年用 AI 生成一條 30 秒的產品宣傳視訊，成本約 2000 元；2024 年降到 500 元；2025 年，隨著開源模型的普及，個人用基礎工具生成同類視訊只需 30 元。二、企業 AI 應用的「分水嶺」生成式 AI 火了兩年多，幾乎所有企業都試過用 AI 寫文案、做報表，但真正能把 AI 變成「印鈔機」的不到 10%。這中間的差距，藏著最值得玩味的實戰邏輯：「工具層」vs「系統層」的天壤之別：某連鎖奶茶店一開始只是讓店員用 AI 寫朋友圈文案，效果平平。後來他們做了三件事：① 讓 AI 分析各門店的銷售資料，找出「雨天銷量最高的三款飲品」；② 用 AI 生成針對不同商圈的海報（寫字樓店強調「提神」，學校店突出「性價比」）；③ 甚至讓 AI 最佳化製作流程，發現「加冰步驟提前 30 秒，出杯速度提升 15%」。這套組合拳下來，門店月營收平均增長 22%。這就是區別：停留在「用 AI 寫文案」是工具層，而把 AI 嵌入業務全流程才是系統層。人的「AI 素養」決定最終效果：某軟體開發公司的案例很典型：引入 AI 程式設計工具後，新手程式設計師狂喜，程式碼生成速度快了 3 倍，但資深程式設計師卻發現很多程式碼有「隱形 bug」。公司隨即推出「AI 協作手冊」：要求提需求時必須註明「這個功能要相容 iOS 14 以上系統」，生成程式碼後必須用 AI 工具再做一次「漏洞掃描」。三個月後，整體開發效率提升 60%，bug 率反而下降了 28%。這說明：AI 不是「甩手掌櫃」，而是「需要調教的助手」，人的「提效能力」比「使用工具」更重要。三、個人與 AI 共處的「生存指南」AI 不會突然「取代人類」，但會悄悄「重構崗位」。未來 3 年，職場中最吃香的不是「會用 AI」的人，而是「能駕馭 AI」的人：「精準提問」是核心技能：某市場部員工用 AI 做競品分析，一開始問「分析下競爭對手的優勢」，得到的答案泛泛而談。後來改成對比競爭對手近 3 個月在小紅書的推廣，找出他們針對 25-30 歲女性使用者的 3 個核心賣點，並用資料支撐，AI 給出的報告直接被老闆採納。這就是「提示詞工程」的價值 —— 能把模糊需求轉化為 AI 可執行的精準指令，未來會成為和「寫 PPT」一樣基礎的能力。「人機協作」的分寸感：某律師事務所的做法值得借鑑：用 AI 初步篩選合同中的風險點，但最終由律師稽核「這些風險是否符合客戶的實際情況」。AI 處理了 80% 的重複性工作，律師則聚焦在 20% 的關鍵判斷上。這種「AI 做基礎篩查 + 人類做深度決策」的模式，會成為很多行業的標配。「反脆弱」思維更重要：AI 擅長處理有標準答案的問題，但面對突發狀況、情感溝通、創造性突破時，人類的優勢無可替代。比如某客服團隊：AI 負責解答「退貨流程」等標準化問題，而人類客服專攻「客戶情緒安撫」「複雜糾紛調解」。那些能在 AI 不擅長的領域深耕的人，反而更不容易被替代。四、全球 AI 競賽的「暗線」AI 的戰場早已超越技術本身，成為國家競爭力的角力場。法國正在建設「歐洲自主 AI 生態」，要求本土企業用的 AI 模型必須在歐盟境內訓練，資料儲存符合《通用資料保護條例》；日本重點扶持醫療 AI，用本國 3000 家醫院的病例資料訓練模型，目標是實現癌症早期篩查精準率提升 50%；中東的阿聯則另闢蹊徑，聯合輝達建設全球 AI 算力樞紐，靠能源優勢吸引全球企業來此訓練模型。這種區域化趨勢帶來一個新現象：AI 正在變得「本土化」。比如你用的翻譯軟體，不僅能翻文字，還能精準傳達「四川話裡的幽默」「廣東話裡的親暱語氣」；東南亞的農業 AI，會根據當地颱風頻發的特點，自動調整作物種植周期。 (領鷹AI)

被矽谷奉為「互聯網女王」的 Mary Meeker 又出手了。她自 1996 年起連續每年發佈著名《網際網路趨勢報告》，記錄了從 PC 到移動網際網路的二十年進化史，是不少投資人和創業者的風口指南針。作為少數能通過資料講清楚未來走向的老牌投資人，這一次，她將目光投向了 AI。5 月 30 日，Meeker 發佈了一份長達 340 頁的重磅《AI 趨勢報告》，從技術路徑、投資規模到自動駕駛等領域的影響，幾乎把這場浪潮的每一個重要變數都梳理了一遍。如果你想抓住下一個風口，那麼這份報告絕對值得認真研讀。我們也整理了報告中的一些要點：AI 帶來的變化是前所未有的，ChatGPT 短短 2 個月內突破 1 億使用者，17 個月後月活躍使用者達到 8 億，訂閱使用者超 2000 萬，年收入接近 40 億美元。看到 AI 潛力的科技巨頭持續加大對 AI 基礎設施的資本投入，2024 年 AI 相關資本支出已達 2120 億美元，同比增長 63%。輝達 GPU 顯著提升了AI 推理的性能和能效，也因此賺得盆滿缽滿，堪稱這波 AI 浪潮中的最大受益者。AI 模型的訓練成本在短短 8 年內暴漲 2400 倍，單個模型訓練成本可能在今年將達到 10 億美元，未來有可能突破 100 億美元。開源模型（如 DeepSeek、Qwen 等）更是逐步縮小與頂級閉源模型的差距，尤其在推理和程式設計能力上具備競爭力。AI 在蛋白質摺疊、癌症檢測、機器人技術、多語翻譯等領域發展迅速，在圖靈測試中的表現已超越多數人類測試者，並開始滲透到自動駕駛、機器人等物理世界。AI 相關崗位增長 448%，而傳統 IT 崗位需求萎縮，AI Agent 成為新型數字勞動力，能夠執行多步驟任務並重塑各行業業務流程。附上原報告地址：https://www.bondcap.com/reports/tai另外，APPSO 也整理了原報告的中英雙語版本，可直接在公眾號後台回覆「趨勢」即可領取。使用者裂變速度史上最快，AI 真成新基建了？ChatGPT 僅用了 2 個月左右的時間達到 1 億使用者，遠遠快於歷史上任何一款產品。17 個月過後，ChatGPT 月活躍使用者增至 8 億，訂閱使用者超 2000 萬。此外，ChatGPT 年營收接近 40 億美元，是歷史上商業化速度最快的 AI 產品，沒有之一。與網際網路前期是以美國為中心的技術有所不同，ChatGPT 在短短的三年之後，北美之外的使用者普及率就超過 90%，呈現「同步爆發、全球鋪開」等技術特徵。AI 驅動基礎設施投資是本次浪潮的一大亮點。報告提到，我們所熟知的大型科技公司（蘋果、輝達、微軟、Google、亞馬遜、Meta）在 AI 相關 CapEx（資本支出）上持續加碼。資料顯示，這六家公司大舉投資 AI 基礎設施，如資料中心，2024 年已達 2120 億美元，同比上漲 63%，為十年內最高。當然，AI 生態的增長邏輯是，算力投入越大，模型能力越強，產品體驗越好，從而導致使用者越多，平台收益潛力越大，進而刺激企業加碼 CapEx。在過去一年裡，黃仁勳在幾乎所有公開場合都在重複一個觀點：輝達不是晶片公司，也不僅僅是一家科技公司，而是一家 AI 基礎設施公司。由於資本的瘋狂投入，全球資料中心投資在 2022-2024 三年內幾乎翻倍。其中，輝達吃下了資料中心預算的「大頭」，眾多初創公司依賴輝達的硬體和軟體棧加速產品開發。到 2024 年，每 4 美中繼資料中心投資中，就有 1 美元進了輝達的口袋，也讓其成為了這波 AI 浪潮的最大贏家。另外，AI 應用也加速滲透到多個領域：蛋白質摺疊預測、癌症檢測、機器人、多語翻譯、視訊生成……正在重塑行業生態和人類工作方式。某種程度上說，AI 就是新基建的重要驅動力。推理成本下降，但模型訓練越卷越貴資料量、參數規模、CPU 叢集、工程師人力等同步上漲，導致 AI 模型的訓練成本呈現指數級暴漲。正如 Anthropic CEO Dario Amodei 所預測的那樣，2025 年將可能出現單個模型訓練成本達到 10 億美元，甚至未來 100 億美元也不是天方夜譚。報告顯示，前沿 AI 模型的訓練成本在短短 8 年內增長了約 2400 倍，2016 到 2019 年訓練成本仍處於幾十萬到幾百萬美元之間，而到了 2024 年， GPT-4、Gemini 1.0 Ultra、Llama 3 等模型訓練成本高達上億美元。根據 Epoch AI 的資料，從 1950 到 2025 年，AI 模型訓練所需資料集從百萬詞級躍升至兆詞級，規模年增 260%。與此同時，所需算力也在大幅增長。雖然 IT 硬體成本持續下降，但模型訓練 FLOP（浮點運算）年增長率高達 360%，AI 模型越來越「燒錢」「燒電」「燒卡」。輝達每一代 GPU 架構都大幅提升和最佳化 AI 推理性能和能效比，這也是 AI 走入現實生活的基礎前提之一。2014 到 2024 十年間，輝達 GPU 推理單個 Token 所需的能耗下降了約 105000 倍，幾乎趨近於可忽略的邊際能耗，有利於規模化部署和開發者接入。過去，輝達 CUDA 平台、GPU 程式設計模型雖已存在，但使用者多集中在科研、高性能計算領域。隨著深度學習、大模型訓練需求暴漲，越來越多的開發者也湧入輝達生態。輝達用了 13 年才做到第一個 100 萬開發者的里程碑，又用不到 7 年時間做到了 600 萬。包括在剛過去不久的 Google I/O 大會上，使用 Google Gemini 建構應用的註冊開發者總量也從 140 萬增長至 700 萬，年增幅達 5 倍。閉源想收割，開源想逆襲，使用者笑而不語OpenAI 等頭部企業尚未盈利，算力支出高於收入，呈現「高使用者、重燒錢、待盈利」的發展階段。不過，情況也正在好轉。2022–2024 年間，Open AI 收入大幅上升，算力支出顯著下降，顯示其 AI 商業化路徑逐漸清晰（如 ChatGPT Plus、API、企業訂閱等）。隨著性價比持續提升，開源模型正在成為閉源模型的強有力對手。知名分析機構 Artificial Analysis 資料顯示，截至 2025 年1 月份，像 DeepSeek、Meta 的 Llama 3、阿里的 Qwen 系列這樣的開源模型，已經在推理能力和程式設計能力等方面的性能逼近頂級閉源模型。到 2024 年，美國發佈超 100 個訓練計算量超 10²³ FLOPs 的大語言模型，而中國自 2022 年以後緊隨其後，模型進入高密度爆發期，不斷縮小中美之間的差距。相比之下，英國、法國、德國、加拿大等國的累計數量尚在 10-20 個區間，跨國協作模型開發增長曲線也比較緩。對比來看，中國在工業機器人部署上具備領先優勢。2023 年工業機器人安裝數量達到 276000 台，首次超過全球其他國家總和。圖靈測試不香了？你可能已經相信 AI 是「人」隨著 AI 模型性能的不斷提升，人類已經越來越難分辨 AI 和真人了。圖靈測試（Turing Test）是著名數學家、邏輯學家、密碼學家艾倫·圖靈於 1950 年在《電腦器與智能》一文中提出的一種測試機器是否具有智能的方法。現如今，GPT-4.5 在圖靈測試中被 73% 的測試者誤認為人類，遠超 GPT-4o 和機器人 ELIZA。在下方的聊天記錄圖片中，左側 Witness A 是 GPT-4.5，右側 Witness B 是人類，相比之下，GPT-4.5 表達更輕鬆，更有人味，而真人的回答反而略顯笨拙。圖像方面的進步在 Midjourney v1-v7 上展現得淋漓盡致，2022 年生成的葵花吊墜質感粗糙，肉眼可見地像玩具，到了 v7 版本，質感直接邁向商品級水平。下圖左側是 AI 生成的圖片，在膚色、髮絲、光線等細節上幾乎毫無破綻，而面對右側真實拍攝的照片，也很難說一眼便能分清 AI 與真人。聲音更是 AI 生成領域的重災區，ElevenLabs 支援多語言語音克隆與翻譯，保留原說話者的音色。功能包含自動轉錄、翻譯、合成一條新音軌。資料顯示，ElevenLabs 網站的月訪問量從 0 飆升到接近 2000 萬，音色克隆+即時翻譯已趨近商用等級。這屆 AI 不只會聊天，開始開車、種地、打工了報告還提出了一個關鍵的趨勢轉變：AI 正從數字世界擴展到物理世界，「物理智能體」正在加速崛起。例如，Waymo 和 Tesla 的自動駕駛系統已投入商業營運，不再只是停留在測試階段，而是與即時環境緊密結合，截止至 2025 年 4 月，Waymo 自動駕駛計程車在舊金山的市場份額已經佔到了約 1/3。Uber CEO Dara Khosrowshahi 也曾表示：再過 15 到 20 年，自動駕駛系統將比人類司機更優秀。它們會基於無數人類駕齡的資料進行訓練，而且不會分心。與此同時，AI 正在快速滲透到各個行業，包括 AI 工廠、AI 機器人、工業 AI、AI 醫療裝置與 AI 農業等部署，正在去取代傳統的人工流程。如 Carbon Robotics 等農業公司則將 AI 應用於除草，通過電腦視覺實現無農藥作業。AI 相關崗位增長 +448%，非 AI 崗位反降 -9%（2018–2025），說明企業對於 AI、機器學習、資料科學、生成式 AI 等相關崗位需求迅猛增長；而傳統 IT 崗位（如基礎維運、通用程式設計）職位需求則相對飽和甚至萎縮。2025 年是 Agent 元年，Agent 正在成為新型數字勞動力。AI 不再只是一個對話工具，而是真正能幹活，比如 Claude 3.5 的 Computer Use 可以直接控制電腦螢幕，自動執行多步驟任務，如線上購物、介面導航等。各行業（金融、醫療、製造、零售）正用 AI 重塑業務流，提升生產率與客戶體驗。圖表顯示，企業採用 AI 的目標正在發生演變：從最初提升整體辦公效率（如 Copilot 應用）出發，快速擴展至特定崗位自動化、客戶互動最佳化、新營收機會探索等多個方向。 (APPSO)

當地時間5月30日，瑪麗·米克爾（Mary Meeker）發佈了長達340頁的“AI趨勢報告”。報告顯示，AI的發展速度前所未見，使用者增長、使用量和資本支出均呈現出爆炸式增長，其影響力可能遠超技術本身。瑪麗·米克爾是美國風險投資家，曾就職於摩根士丹利和凱鵬華盈（Kleiner Perkins），於2018年創立了自己的風投公司邦德資本（BOND）。她主要專注於網際網路與新技術領域投資，被譽為“互聯網女王”。AI發展速度前所未有報告顯示，在消費者、開發者、企業和政府部門中，AI的使用正在前所未有地激增。與網際網路1.0革命的技術起步於美國，然後穩步向全球擴散不同的是，ChatGPT一下子登上了世界舞台，並在全球大部分地區同時增長。具體來看，作為衡量算力的基本計量單位，浮點運算次數在2010年以後開始增速顯著增加，年增長率達到360%。值得注意的是，ChatGPT年搜尋量達到3650億的時間為兩年，而Google用了11年，ChatGPT的增速是Google的5.5倍。如果以美國計算相關專利授權數量為例，可以發現，第一次加速是在1995年，標誌著網際網路時代的開始。2004年起，其增速放緩，標誌著網際網路時代的發展也開始變慢。在2022年ChatGPT發佈之後，專利數量又一次開始爆發式增長，而且比1995年那次更快。AI使用者的增速同樣前所未有，ChatGPT的使用者數量曾在17個月內翻了8倍。中國正在引領開源競賽為何說AI爆炸式發展的影響力可能遠超技術本身？瑪麗·米克爾在報告中直言，在開源模型領域，中國正在引領開源競賽。在瑪麗·米克爾看來，OpenAI的GPT-4或Anthropic的Claude等閉源模型通常性能更強、更易於使用，因此也受到企業、消費者和政府青睞。但閉源模型往往需要數月的計算時間和數百萬美元的支出，並且還是一個不透明的“黑箱”。隨著大語言模型的成熟和競爭的加劇，開源模式因其較低的成本、不斷迭代的功能以及對開發人員和企業更廣泛的可及性而興起。此類模式可供任何人免費使用、修改和建構，因此普遍受到初創企業、研究人員/學者和獨立開發人員的青睞。再看國內各AI公司，開源模型已成為主要發力方向之一。5月29日，DeepSeek宣佈，DeepSeekR1模型已完成小版本升級，當前版本為DeepSeek-R1-0528。據介紹，DeepSeek-R1-0528仍然使用2024年12月所發佈的DeepSeek V3 Base模型作為基座，但在後訓練過程中投入了更多算力，顯著提升了模型的思維深度與推理能力。更新後的R1模型在數學、程式設計與通用邏輯等多個基準測評中取得了當前國內所有模型中首屈一指的優異成績，並且在整體表現上已接近其他國際頂尖模型。而與舊版本的DeepSeek-R1保持一致，此次團隊的開源倉庫（包括模型權重）仍然統一採用MIT License，並允許使用者利用模型輸出、通過模型蒸餾等方式訓練其他模型。5月14日晚，阿里正式開源通義萬相Wan2.1-VACE，單一模型可同時支援文生視訊、圖像參考視訊生成、視訊重繪、視訊局部編輯、視訊背景延展以及視訊時長延展等全系列生成和編輯能力。此前，阿里亦於4月開源新一代混合推理模型Qwen 3（千問3）。截至4月底，阿里通義已開源200余個模型，全球下載量超3億次，千問衍生模型數超10萬個，成為全球最大的開源模型族群。智譜華章也在4月14日集中開源GLM-Z1-Air等模型，包括9B與32B尺寸，涵蓋基座模型、推理模型和沉思模型。以上開源模型可免費用於商業用途、自由分發，為開發者提供了最大的使用和開發自由度。據悉，此次模型開源後，智譜華章的GLM-4開源倉庫已經在GitHub上斬獲超過6000顆星星。最新模型上線智譜開放平台bigmodel後，當天有超過6000家企業和開發者接入，呼叫tokens日增幅超100%。 (上海證券報)

“歐米伽未來研究所”關注科技未來發展趨勢，研究人類向歐米伽點演化過程中面臨的重大機遇與挑戰。將不定期推薦和發佈世界範圍重要科技研究進展和未來趨勢研究。2025年3月，全球科技界迎來一股強勁的創新浪潮，其核心驅動力非人工智慧（AI）莫屬。本文通過對當月密集發佈的科技報告進行解讀，揭示了AI正以前所未有的深度和廣度滲透並賦能各個領域。從大語言模型的持續演進和AI智能體的嶄露頭角，到能源革命、機器人浪潮、量子計算等前沿技術的突破，以及數位化生存帶來的新思考，都清晰地描繪出一幅以AI為核心，多領域技術深度融合的宏偉藍圖。然而，在擁抱科技進步的同時，安全、倫理與治理等挑戰也日益凸顯，需要全球共同關注和應對。歐米伽未來研究所 2025 年 3 月收錄了近 300 篇世界範圍人類與科技未來趨勢研究報告，並從中精選出 118 部。這些報告全面反映了全球在前沿科技領域的最新動向和特點，對各行業專業人士感知科技未來脈搏具有重要的指導和參考意義。人工智慧：從 “無所不在” 到 “無所不能” 的飛躍人工智慧的發展已然進入了一個全新的階段。過去，我們見證了 AI 概念的普及以及基礎模型的爆發式增長。而如今，AI 正朝著更精細化、實用化、智能化與責任化的方向大步邁進。大語言模型（LLM）和基礎模型的研究熱度居高不下。以 “DeepSeek” 為例，眾多報告圍繞它展開深入探討，如《2025 年 DeepSeek 革命》《2025 年 DeepSeek 技術溯源及前沿探索報告》等，這足以顯示業界對其高度關注，並致力於建構相關生態。同時，對 LLM 能力的挖掘也在持續深入。研究者們不僅期望 AI 能夠 “能說會道”，還力求它能 “看懂圖”“聽懂話”，並具備更強的邏輯推理和高效資訊處理能力。像《長上下文語言建模綜合研究》《停止過度思考：大型語言模型高效推理研究綜述》等，都體現了這一趨勢。此外，對多模態能力的研究，如《ICLR 2025 多模態大模型總胡說八道？》《多模態思維鏈推理：全面綜述》等，也成為熱點，這意味著 AI 將能夠更好地理解和處理來自不同形式的資料。在底層技術方面，對擴散模型和 Transformer 架構的探索也在不斷推進，例如《CVPR2025 最新 < 擴散模型 > 論文速讀》《Lecun 新論文 CVPR2025 < 無需歸一化的 Transformer>》，這將進一步推動 AI 技術的迭代升級。與此同時，AI 智能體（Agent）與具身智能（Embodied AI）嶄露頭角。AI 不再僅僅侷限於數字世界，而是開始邁向物理世界，主動與現實環境互動。大量相關報告，如《AI Agent 智能體行業深度》《基於大語言模型的智能體最佳化研究綜述》等，都明確指向這一趨勢。頂尖學府如斯坦福和伯克利的博士論文，《建構類人化具身智能體：從人類行為中學習》《邁向視覺 - 語言基礎模型》，也聚焦於此，這預示著學術前沿正朝著讓 AI 走出螢幕，成為能在現實中執行任務、與人協作的智能體這一方向發展，這無疑是通向通用人工智慧（AGI）的關鍵一步。AI 的應用更是全面滲透到各個行業。在科研與教育領域，《利用大型語言模型改變科學》《2025 邁向未來的 AI 教學實驗報告》等展示了 AI 在加速科學發現、革新教育模式方面的巨大潛力。醫療健康與生物技術領域，《2025 年全球醫藥研發趨勢報告》《大型語言模型在生物資訊學中的應用綜述》等預示著 AI 將在新藥研發、疾病診斷等方面發揮愈發重要的作用。工業與製造領域，《2025 工業大模型白皮書》表明 AI 正助力製造業向更智能、更柔性的方向轉型升級。在金融、安全與交通領域，《2025 主動安全 智御未來》《生成式人工智慧在交通規劃中的應用》等報告反映了 AI 在網路攻防、交通最佳化等方面的深化應用。特別值得一提的是，在軍事與國防領域，多份報告，如《軍工 AI + 機器人行業系列報告》《2025 軍事領域人工智慧應用場景》等，顯示出大國在軍事智能化領域的競爭日益白熱化。然而，隨著 AI 技術的飛速發展，安全、倫理與治理問題也愈發凸顯。《2025 負責任人工智慧進展報告》《2025 可解釋人工智慧的實證檢驗》等報告表明，全球對於 AI 潛在風險，如偏見、幻覺、惡意利用等問題的擔憂與日俱增，建立有效治理框架、確保 AI 可信可控發展的需求迫在眉睫。能源革命：向清潔、安全、智能加速邁進能源領域一直是全球關注的焦點，在 2025 年 3 月，能源轉型在技術創新和系統融合方面尋求著新的突破。可再生能源持續擴張並不斷最佳化。REN21 的全球可再生能源現狀報告系列，從概覽、能源需求、供應、系統與基礎設施等多個維度進行闡述，表明可再生能源的發展已進入系統性佈局階段。同時，對太陽能系統關鍵績效指標（KPI）和建築太陽能一體化（BIPV）技術創新的關注，體現了業界在提升效率和拓展應用場景上的不懈努力。在能源轉型過程中，能源結構多元化與安全性考量至關重要。《2025 能源安全遠景報告》《2025 邁向核能新時代》《2025 生物燃料：航運業可行的燃料方案白皮書》等報告顯示，除了可再生能源，核能、生物燃料等多種清潔能源路徑以及儲能技術（電池）也受到高度重視，這有助於確保能源安全，推動能源結構的多元化發展。智能化正在賦能能源系統。能源與 AI 的結合，如《2025 能源安全遠景報告：能源與人工智慧》所示，以及智能水電技術、智能電網等方向的研究，預示著能源系統的管理和營運將變得更加智能化、高效化。機器人浪潮：從工廠走向生活的多元應用與 AI 智能體和具身智能的興起相呼應，機器人領域，尤其是人形機器人，正迎來前所未有的關注熱潮。人形機器人成為焦點，多份報告，如《2025 人形機器人 100：繪製人形機器人生態價值鏈圖譜》《2025 - 2035 年人形機器人發展趨勢報告》等集中湧現，這表明業界普遍看好人形機器人的潛力，並開始從技術路線、產業鏈、標準化、商業化等多個角度進行佈局，AI 被視為推動人形機器人走向通用智能的關鍵因素。專用機器人在特定領域的應用也在持續深化和拓展。手術機器人（《2025 手術機器人行業發展現狀》《2025 骨科手術機器人技術的崛起白皮書》）、農業無人機（《2023 - 2 - 24 農業無人機產業洞察報告》）、四足機器狗（《2025 四足機器狗發展現狀》）等專用機器人的相關報告，充分展示了這一點。無人機技術同樣在不斷演進。無人機不僅在農業、軍事等領域廣泛應用，其自身技術也在持續發展，如軟體化網路、蜂群、空天地一體化網路等，顯示出無人機正成為建構未來立體網際網路絡的關鍵節點。前沿科技基石：半導體、量子計算與新一代連接支撐上述應用層創新的底層技術也在加速突破。半導體在全球科技競爭中佔據核心地位，《2025 新勢力崛起：全球晶片戰爭與半導體產業格局重構》《2025 英國晶片計畫》等報告凸顯了這一點，各國紛紛加緊佈局，試圖重塑產業格局。量子計算正從理論走嚮應用探索階段。《新興產業・量子資訊技術行業深度報告》《2024 年全球量子技術專利態勢分析白皮書》等表明，雖然量子技術距離大規模應用還有一定距離，但專利佈局和產業投資正在加速，已成為大國博弈的新前沿。連接技術也在不斷升級換代。5G 向 5G - A 演進並與 AI 結合（《2025 5G - A×AI 新技術、新服務、新模式白皮書》），面向物聯網的 RedCap 技術（《2024 5G RedCap 技術在物聯網中的應用白皮書》《2025 RedCap 和 eRedCap 技術在物聯網中的應用白皮書》），高速乙太網路以及探索中的 Li - Fi 等，共同建構起更快、更廣、更智能的數字連接底座。數位化生存：安全、信任與未來生活的重塑隨著技術的全面滲透，數字社會的運行方式也引發了深刻反思。網路安全形勢日益嚴峻，《2024 年網路安全重要趨勢報告》《2024 中國政企機構資料安全風險研究報告》等揭示了這一現狀，AI 驅動的攻擊與防禦已成為新常態，資料安全和身份認證面臨新的挑戰。在技術變革和社會變遷的大背景下，信任成為稀缺資源（《2025 年全球信任度調查報告：信任及不滿情緒危機》），而對幸福感的追求始終是人類社會的終極目標之一（《2025 年世界幸福報告》）。AI 對勞動力的影響備受關注，《2025 AI 時代下的人機協同：重塑工作及勞動力研究報告》《2025 發揮人類潛能：人工智慧（AI）技能革命研究報告》等預示著人機協作將成為常態，終身學習和技能更新變得至關重要。總結：2025 年 3 月呈現的科技報告圖景，是以 AI 為主引擎，多領域技術加速突破、深度融合的生動寫照。從微觀的模型演算法最佳化，到宏觀的產業生態建構；從數字世界的智能湧現，到物理世界的互動變革；從能源結構的綠色轉型，到社會形態的數位化重塑，科技正以前所未有的力量塑造著未來。但我們也必須清醒地認識到，技術的雙刃劍效應日益凸顯，安全風險、倫理困境、社會影響、地緣政治競爭等挑戰也如影隨形。因此，在擁抱技術進步的同時，加強前瞻性治理、促進負責任創新、彌合數字鴻溝、建構全球信任，將是人類社會共同面臨的重要課題。在未來數月乃至數年，我們將繼續見證這場波瀾壯闊的科技變革如何展開，以及人類如何智慧地駕馭它，駛向更值得期待的未來 (歐米伽未來研究所2025)

12月13日，德勤發佈《2025年技術趨勢》（Tech Trends 2025）報告，深入探討了人工智慧在日常生活中逐步應用的廣度與深度。 報告指出，未來人工智慧將成為我們生活中的核心組成部分。屆時，人工智慧的存在將不再引起特別關注，而是被視為理所當然的存在。我們也不再會主動“操縱”人工智慧，而是自然地生活在一個由人工智慧深度賦能的智能世界裡，一切都變得更為高效、精準與直觀。背後支撐這一切的，是強大且精密的演算法與技術架構。 “歐米伽未來研究所”關注科技未來發展趨勢，研究人類向歐米伽點演化過程中面臨的重大機遇與挑戰。將不定期推薦和發佈世界範圍重要科技研究進展和未來趨勢研究。 《2025年技術趨勢》報告主要涉及的“主題”如下圖所示：