上周日晚飛機晚點，到了酒店睡覺已經2點了。早上七點多起來，困得稀里糊塗。定位去港大李兆基會議中心，結果計程車送去了香港大學李兆基學生宿舍。發現搞錯後重新定位叫車，沒想到一個清潔阿姨惡狠狠的說，你們出去外面等。讓我想起2014年的時候，我在香港迪士尼和港嫂衝突，當時她大罵兩個大陸女生，連續罵了五分鐘後我就去勸和，後來她讓大陸人滾回大陸，別來香港徹底把我惹怒了。這一次來香港，我又遇到了好幾個講話做事不那麼友好的港嫂，但這次我更同情她們。在她們的心裡，香港就如封面圖斷裂的佛首所代表的，熟悉的時代過去，她們如螻蟻一樣被困在折疊城市中。面對越來越多普通話，他們只能通過你得按照我的規矩來獲得掌控感，才能掩蓋脆弱的內心和實質的不如意。周一晚上和外資行首席同學吃飯，他說這些年香港其實變化挺大的，消費也不行，因為都去深圳了。在尖沙咀，港島這些特別熱鬧的地方還好，但很多稍遠的區域晚上很早都打烊關門，反正冷冷清清，開了也沒什麼意思。文慧知道我來香港，特地從東莞過來。剛開始的時候我還覺得啊，太客氣了吧，後來才知道大灣區現在真的是一體化，方便的很，來香港類似北京國貿去密雲。匆匆忙忙去了下海港城，挺冷清的，和七八年前人聲鼎沸的熱鬧完全不能比。有趣的是2025年香港樓市卻走出了谷底，全年漲了4.7%，這當然是因為港股大漲和引入內地高才，和赴港學生增加等效應的雙管齊下。中原地產的資料，2025年前11個月，以拼音登記的買家一共成交1.255萬宗，總金額1256億港元，超越2024年全年1.1631萬宗紀錄，再創1995年新高。企業也進場掃樓，阿里，京東兩大巨頭去年底兩個月內斥資百億買入銅鑼灣和中環寫字樓，而過去這樣的商辦交易是由本地家族和外資所主導。花旗銀行把2026香港樓市漲幅從本來的3%，上調到了8%，某些類型和區域的房子甚至被預測漲幅達到15%。2025觸底反彈，2026那就是主升浪了。我想這一切對於很多香港人，是那麼的陌生，新來的有錢人是他們曾經看不上的“蝗蟲”。當然最極端的那批人更慘，拿著英國海外護照出去的那波人，香港不要他們，英國生計艱難，前段時間不是還傳出一個在英國餓死的嗎。周一朋友請我在陸羽茶室吃飯，她其實來香港才四個月，是從高盛上海被挖來的。實在是因為去年外資私行業務增長太好，面對那麼個高薪擋不住。後來我和好幾個朋友說起去陸羽茶室，一個是在香港五十多年，他就說陸羽茶室有名是因為當初發生過一場黑幫兇殺案，直接是走到茶座開槍殺人，我說我記得這件事。另外一個朋友說，現在香港點心都是預製的了，陸羽也和過去不太一樣了，但總算水準還勉強保持著，然後說過去有印度三哥在門口攬客，你這次看到沒？我說沒有啊，然後我開玩笑說，可能現在來吃的都是大陸人，都知道不喜歡三哥，沒必要得罪客戶吧。而另外一位剛去香港的白富美二代，我問她去過陸羽茶室嗎，她說沒有啊。哈，那就更別說瞭解曾經的故事了。那天在港大校園問路，遇到兩個電腦系讀書的女生，順便聊了兩句，一個女生來自杭州，說每個周末都飛回家。我聽的還挺吃驚的，雖然我相信對於很多家庭，的確經濟上允許。但其實這深刻的代表了變化，無論是香港讀書還是工作的，那已經不是唯一的錨點。新一代大陸人有錢，他們消費，他們買房，他們的孩子在香港讀書，但他們並不瞭解香港的過往，也沒那個興趣瞭解，他們更關注未來，更關注香港在他們未來能扮演什麼？而新一代的香港人，他們去深圳購物，他們掌握普通話英文粵語，他們必須和越來越多的大陸人一起工作生活，他們很快就會遺忘曾經因為奶粉大陸人被罵蝗蟲，和幾年前那些個美國人支援的暴力。財政司司長陳茂波最新的講話，2026香港將積極對接國家“十五五”規劃，重點推進人民幣國際化及人工智慧，要搞黃金中央清算系統，強化區域黃金樞紐地位，吸引更多的家辦，IPO繼續要世界第一。此外香港還要搞科技，自動駕駛已隨時可以上路，世界人工智慧大會在港召開。這一切最終都會反映到樓市，香港人看不懂科技，還看不懂樓市嗎？香港阿嫂不知道明不明白，香港的主升浪得靠大陸，靠新人，靠不了她們。希望她們都住的好，吃的好，心情好，長命百歲，逃脫“斬殺線”，逐漸在我們這樣不吵架的大陸人感化下，和自己和解！ (丁辰靈)

近日，阿里旗下千問APP官宣重磅升級，全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務，首次實現點外賣、買東西、訂機票等AI購物功能。阿里希望將千問APP打造成強大的人類AI助手，能真正幫使用者辦事。此次升級的AI購物功能究竟好不好用，小編拿到邀請碼後進行了體驗。AI外賣：喚起淘寶閃購速度很快 支付效率高千問APP已經可以實現一句話點奶茶或咖啡。小編在聊天框說一句“點兩杯瑞幸的橙C美式”，千問就能快速呼叫淘寶閃購的服務能力。首先根據定位確認位置資訊，然後推薦合適的商家。商品資訊以卡片形式展示，一個卡片一個SKU，但在實際選擇中，需要不斷點選“下一個”按鈕翻找心儀的商品，效率有點低，且不好做對比，不如淘寶閃購APP上簡潔明了。選好商品後，使用者可通過千問內建的“支付寶AI付”功能一鍵付款，非常順暢。如果要修改位置資訊，可以點選商品卡片直接修改。點選“修改商品”按鈕，則可以加入其他商品或一鍵湊優惠。值得一提的是，整個點外賣的過程均在千問對話介面內完成，不需要跳轉至其他應用。此外，生活中還有很多更複雜的點單需求，比如聚餐時想要“20杯咖啡，10杯無糖，10杯加冰”。千問正在內測的“任務助理”功能可以完成這些複雜任務，但從目前的體驗來看，結果還不十分精準，給出了20杯熱的無糖咖啡。一位AI設計師在千問下單之後評價稱，“未來對設計師和AI的挑戰，將會是如何正確識別使用者的意圖，將原子化的元件通過AI組合成互動式的卡片推送給使用者，且使用者在卡片上的操作和上下文形成有效的連接。不過總的來說，有生態的AI值得想像。”據瞭解，用千問APP點外賣還能領取優惠券，部分商品還有大額優惠。根據網友曬單，點一杯冷萃咖啡，“千問爆紅包15元”。AI定機酒：飛豬、高德助力 但選出最優方案不易隨著大模型技術的迭代發展，AI制定旅行攻略已經很熟練了，千問接入飛豬、高德之後，可以直接在對話介面預定機票和酒店。比如，讓千問預定“春節期間北京去大理的往返機票，兩個人，停留5天，出發時間為2月13日。”在完成飛豬帳號繫結及相關授權後，千問給出了兩種方案：注重效率的直飛方案，以及性價比較高的中轉方案，二者價差390元。需要注意的是，春節期間機票價格和庫存變化很快，千問掛載卡片中的機票價格和庫存也會即時波動，所以間隔一段時間問同樣的問題，給出的方案可能完全不同。這也意味著很難選出最優的方案。下一步預訂酒店，可以在千問輸入酒店需求“大理古城附近，性價比高的民宿”，千問給出了5家匹配的民宿，評分都在4.7分及以上，當前價格普遍在100至500之間。但是點開選擇要入住的日期，很多都是售罄狀態。其中一家民宿上了“高德掃街榜”，入圍大理市舒適性酒店榜。據瞭解，千問已全面接入高德掃街榜，此次升級中還推出了AI打電話訂餐廳的功能，在現場演示中，用AI打電話預定包廂，它會自動與餐廳溝通預留時間、人數、有無忌口等細節。 如果不是在最後聽到“我是千問AI助手”，幾乎以為是真人打的電話。AI購物：很多商品顯示無效 仍有最佳化空間AI聊天搭子上連結這事兒，豆包、Kimi、文小言等應用去年已經開始幹了。以豆包為例，就是在聊天回覆的答案中嵌入抖音商城的商品連結，點選後可直接跳轉至抖音商城購買。千問的AI購物功能與此類似。比如，在對話方塊輸入“想買一個掃地機器人，預算2000元以內”，千問給出了兩個方案，一個針對無死角清潔，一個針對大戶型，點選商品卡片，可以看到不同類型和價位的商品列表，選定後即可跳轉至淘寶下單購買。然而，讓千問推薦“含有馬元素的紅毛衣，預算500元以內”，它給出的回覆只有文字推薦，沒有商品連結。進一步要求它“直接上連結”，給出的4個推薦中，有3個顯示“商品失效或不存在”，僅有的1個可以正常顯示的連結與毛衣無關，是千問自己強烈推薦的馬年玩偶“哭哭馬”。再換一種提問，要求千問“為公司年會設定三個獎項，20個名額，獎品選什麼好？”它推薦的獎品包括蘋果手機、華為筆記型電腦、平板、掃地機器人、耳機等，多為3C數位產品，並且帶有商品卡片連結。酒水茶禮、黃金首飾、香包配飾等則只有文字推薦，沒有連結顯示。對於淘寶天貓比較強勢的美妝品類，在相關推薦結果中也沒有卡片展示，有直達連結的，點開則顯示“寶貝不存在，可能已下架或被轉移”。但在淘寶APP中直接搜尋，商品均在正常售賣。據瞭解，千問接入淘寶還在內測中，目前消費電子等品類已經率先接入，其他品類將陸續上線，等到正式上線之後，體驗或許會更好一些。寫在最後千問APP此次最大的更新點在於對阿里生態的深度整合和接入。此前，AI助手的主要功能還是集中在問答聊天，升級之後，千問APP具備了類人化的理解意圖、多步驟規劃與執行任務的能力。用千問C端事業群總裁吳嘉的話說，就是“AI在擁有超強大腦之後，開始長出了能夠觸達真實世界的手和腳。”在實際體驗中，千問的表現有驚喜，也有不如人意的地方。這也說明在初步打通訂機酒、點外賣、買東西等幾大網際網路經典應用場景後，千問APP仍需要持續進化。有意思的是，當小編問豆包、元寶如何看待千問此次更新時，它們都肯定了阿里整合生態資源，建構“超級入口”，推動行業從“聊天”向“辦事”升級；同時也指出千問僅接入阿里系內部業務，存在生態侷限問題，面臨整合與協同難題等。總的來說，AI辦事時代才剛剛開始，但有生態的AI值得想像。 (TechWeb)

2026年1月15日，AI迎來一次新的重要變革。當天，千問App上線400+項新功能，並全面接入淘寶閃購、支付寶、淘寶、飛豬、高德等阿里生態。更重要的是，它把“推薦—下單—支付—履約”拉進同一個應用裡：使用者在千問App內即可點外賣、買商品、訂機票、訂酒店，成為全球首個實現 AI 超級應用（Super App）內閉環的案例。這意味著，阿里AI的“最強大腦”開始與物理世界的“最強履約”合體。千問App不再只是能生成程式碼的聊天機器人，而是第一次長出了“手腳”：能把需求直接變成交易與交付，向“AI辦事時代”邁進。全球AI競賽的焦點，也在從“誰的模型更聰明”，迅速轉向“誰能更完整地履約”。千問C端事業群總裁吳嘉與華爾街見聞對話時表示，AI真正的分水嶺不在於模型能說的多漂亮，而在於能否在複雜場景裡完成交付：簡單問題就簡單回答，複雜問題就要多輪溝通、把需求校準到位。從去年的淘寶閃購，到今天的千問Super App，阿里在大消費與 AI 兩條戰線的“聚合趨勢”越來越清晰：各業務不再各自為戰，而是圍繞同一個AI入口協同作戰。由AI作為粘合劑，也將有望帶動阿里所有資產一起實現AI重估。千問App把AI拉進真實履約，再次彰顯阿里“最強模型+最豐富生態”所具備的競爭優勢，更不斷向外界證明：不論算力基建、模型能力，還是AI購物等應用落地，阿里都全面領跑，不愧是中國AI第一標的。當AI長出“手腳”1月15日，阿里正式宣告AI從“聊天”邁入“AI辦事時代”。使用者在螢幕這端拋出一個模糊意圖，千問在雲端呼叫Qwen3-Max的推理能力，拆解任務、編排工具：調淘寶的商品庫，算高德的路徑，喚起支付寶的支付與資金流。最終，結果以真實的包裹、熱騰騰的外賣、合適的機票，抵達使用者的物理世界。來看一個場景：使用者對千問說，“我是個菜鳥，想去東北滑雪，給我推薦合適的裝備。”在舊邏輯下，使用者往往只會得到一堆攻略：夾雜軟文、資訊過期，還得自己分辨、自己上淘寶搜、比價、下單，鏈路割裂，摩擦極高。在千問的新邏輯下，“菜鳥”意味著更高容錯、更易上手；“東北”意味著更高保暖、更強防風。千問不僅給建議，更能基於淘寶的商品庫與評價體系，生成可執行的具體選品方案：使用者在千問內看詳情，一鍵跳轉下單，中間幾乎沒有斷點。更進一步，打通淘寶閃購後，千問在端內即可完成“推薦—點單—支付”。使用者不必再打開外賣App，也不需要在滿減券裡算數學題，AI直接幫你決策、下單、付款，接入支付寶之後，千問具備了AI原生支付能力，體驗的躍遷是質變。千問成為真正意義上全球第一個可以購物的AI。然而購物只是能辦事的一部分，它甚至能呼叫支付寶的政務能力：一句話查詢簽證、戶口、公積金等約50項民生事項，並直達辦理入口。與此同時，千問在應用開發、Office 辦公、學習輔導、諮詢調研等300+核心任務上，已經具備很高的交付成功率——從“給答案”走向“交結果”。吳嘉在對話中提到，生活場景裡使用者往往並不掌握自己的“真實需求”，必須通過多輪確認來對齊偏好：你沒看到具體方案前，很難判斷“是不是我要的”。這正是Agent該做的事。這些能力看似瑣碎，本質上是在建構一個“生活OS”：AI是核心，淘寶、支付寶、高德等是驅動，物理世界的服務是外設，通過Agent把它們串聯起來。只有阿里，擁有足夠完整的“驅動程式庫”。OpenAI沒有這套庫，Google不夠完整，亞馬遜也不對外開放——這就是阿里真正的優勢所在。最強“大腦”任何商業閉環都要有強技術底座。只有“手腳”沒有“大腦”，最多是自動化指令碼，不是AI Agent。吳嘉強調，團隊不刻意追逐“人均對話輪次”這類指標，衡量標準只有兩件事：使用者真實需求的滿意度與交付率——簡單問題就簡單回答，複雜問題就多輪溝通，把需求校準到位再交付。阿里在模型層的投入很堅決。Qwen3-Max作為核心底座，性能位居全球第一梯隊，千問作為全球最具影響力的開源模型之一，也被輝達、Airbnb、亞馬遜等矽谷公司與開發者廣泛採用，成為“最好用的開源模型”代表。更關鍵的是千問App的進化速度，數百個常用工具中，過半由AI通過Coding自主生成，AI能力不再是“開發上線”，而是“邊用邊長”。傳統App的迭代以周計，而千問可以在識別高頻需求後後台即時寫程序交付，以秒計。架構上，千問App採用通用Agent體系：主Agent負責拆解與規劃，具備反思能力的子Agent在各自領域獨立決策執行，任務結束後系統復盤沉澱經驗，推動Agent持續升級。這也呼應吳泳銘的判斷：ASI演進進入第二階段——AI從“語言交流”走向“自主行動”，不止會說，更能把事辦成。還原資料“場景真相”大腦決定“能不能辦”，但在 Agent 時代，真正決定使用者是否願意把關鍵決策交出去的，是“辦得準不準”。AI Agent的核心痛點是信任與精準。大模型基於全網語料訓練，天然夾雜噪音：軟文、廣告、刷單評論、SEO 文章。使用者問“什麼面膜最好用”，得到的答案可能只是某篇付費通稿的複述，看似有理，實則不可核驗。阿里的解法更“硬”，用海量真實交易與服務資料建構可驗證的“場景真相”。每天發生在淘寶上的真實交易，都是貨幣投票；經過反作弊清洗後的好評與差評，就是信用沉澱。千問App用這套資料增強模型，讓它不僅依賴世界知識，也依賴可落地的商業常識。當AI推薦一塊滑雪板，它不看文案吹得多響，而是看過去一個雪季的真實購買、退換、復購與口碑分佈。剝離軟文與廣告，就剝離了“種草行銷”的偽，從源頭提升輸出的客觀性與穩定性。這種“場景真相”很難被覆制。OpenAI的公共資料來源（如Common Crawl）更容易被SEO噪音污染，即便通過媒體合作補充高品質語料，新聞語料與交易資料之間仍有量級差異。商業資料壁壘來自源頭與閉環，誰掌握交易與服務的入口，誰更接近“真實世界的答案”。這恰恰是阿里二十多年生態積累的優勢，也解釋了為什麼在海外，巨頭們往往需要用“協議”和“聯盟”去補齊履約：路徑不同，成本與不確定性也不同。Google與OpenAI的困局在大洋彼岸，Google也在行動，焦慮顯而易見。1月11日，Google在NRF大會上發佈通用商業協議（UCP）。Google有全球最大的流量入口，但在電商履約上始終缺一條腿：亞馬遜護城河太深，OpenAI來勢太猛，Google必須把盟友拉進同一套體系裡。UCP 的思路是“協議化”：用通用語言與功能原語，把AI Agent與商家後台系統對接起來，於是Shopify、Etsy、沃爾瑪、Target等被拉入陣營。尤其是沃爾瑪。Google與沃爾瑪的合作更像“互補”：沃爾瑪需要流量對抗亞馬遜，Google需要貨盤與履約對抗OpenAI。但協議的天然問題在於鬆散：資料是否會完全共享？庫存是否會即時開放？零售商對Google始終有戒心，沒人願意把自己變成“Google的管道”。所以，Google走的是“借路”：靠協議與盟友拼出閉環；而阿里走的是“自建路”：用自有生態把閉環直接鋪在App裡。再看OpenAI。它點燃了這場革命，但未必是最終贏家。ChatGPT推出“即時結帳”（Instant Checkout），試圖把Chat拉到下單閉環裡，可它仍面對一個物理現實：有大腦，缺手腳。支付、物流、商品與服務供給不在自己手裡，履約只能依賴他人，體驗割裂。於是它不得不與Shopify、Stripe等結盟：靠Shopify的商家供給，靠Stripe的支付能力。這是一種“借雞生蛋”，風險在上游：一旦關鍵平台收緊資料與介面，“全網搜尋”會迅速變成“區域網路搜尋”，閉環覆蓋面也隨之收縮。對消費者而言，如果主流貨盤不開放，Instant Checkout的可用性就會被天然限制。對照之下可以看到：閉環不僅是技術拼圖，更是組織與生態的拼圖。能否把入口、資料、履約擰成一股繩，決定了能不能長期跑下去。阿里的再一次組織變革資本市場習慣把阿里歸類為電商公司或雲公司。但在智能體商業（Agentic Commerce）時代，估值框架需要重構：入口、履約與資料真相共同決定AI的交付上限，也決定商業化的天花板。千問App的全面接入各業務線，正是阿里組織戰略的一面鏡子。過去幾年，各業務類股相對獨立，利於單點突破，但進入AI時代，它反而成了掣肘——AI需要全域資料，也需要跨端能力的協同呼叫。自“淘寶閃購”推出以來，風向開始轉變。餓了麼與淘寶閃購的融合，是大消費領域的生態聚合；千問App的接入，則是AI領域的生態聚合。阿里正在把全集團的力量擰成一股繩，這一次的粘合劑，是AI。淘寶閃購在其中扮演關鍵角色，它把電商與即時零售連接起來，讓“點外賣”這個高頻動作進入淘寶，也進入千問。對千問而言，打通閃購後，推薦、點單、支付形成閉環，才真正具備“能辦事”的履約鏈路。淘寶是貨架，支付寶是錢包，高德是地圖，飛豬是嚮導——這些沉澱多年的商業基礎設施，過去更多是線性增長。在AI帶動下，它們開始被拆解為可編排的“原子能力”，可以被高頻呼叫、靈活組合，衍生出更多服務形態。這既是價值的回歸，也是價值的躍升，當一家公司同時掌握數字世界的“大腦”（Qwen3-Max）與物理世界的“手腳”（淘寶/支付寶/閃購等），它就不再只是若干 App 的集合，而是連接兩個世界的橋樑——這種橋樑的價值，遠高於單點應用的疊加。結語到了2026年，AI開始變成生活本身。AI不必花哨，關鍵是把事辦成、把交付做到位。這是AI時代的必然：誰把大腦接上手腳，誰就更接近未來。 (華爾街見聞)

AI競賽下半場，三巨頭的硬體卡位戰。大模型雲端算力比拚進入白熱化，科技巨頭們的競爭邊界也加速向硬體終端蔓延。其中，字節最早跳出軟體生態競爭，從AI手機、眼鏡乃至汽車，字節已將目光投向全場景終端。近日，騰訊、阿里也強勢入局。不同於字節的自研主導，騰訊以資本為矛，密集編織硬體網路。阿里則以通義大模型為核，繫結海量硬體產品，也借規模效應嘗試拉高Token消耗。火山引擎大模型智能硬體負責人邢孝慈預計：2026年，AIoT（AI硬體）領域單一產品出貨量超過100萬台，單一品類出貨量超過1000萬台的客戶和產品會變多。2025年12月1日，字節跳動上線豆包手機助手，打響了爭奪手機硬體入口的第一槍。此後，有媒體披露，豆包AI眼鏡已經在排產之中，預計2026年第一季度發售。甚至坊間傳言，字節跳動要造“豆包汽車”。雖然這些消息相繼被字節否認，但硬體無疑已成為巨頭爭奪AI生態入口的核心戰場。阿里也醒了。1月8日至11日，阿里在深圳舉辦了阿里雲通義智能硬體展，共吸引超過200家品牌參加，展出了超1000個類別的智能硬體，其品類包羅萬象，涵蓋了AI手機、AI眼鏡、AI陪伴玩具、寵物翻譯、AI調香等。阿里雲通義大模型業務總經理徐棟在接受媒體採訪時說：除了Chatbot和Agent之外，硬體可能是大模型快速形成商業閉環的場景。他預計，2026年的智能硬體之爭將不侷限於手機、汽車和眼鏡，應該會出現新的品類，它們也將有可能成為新的入口。阿里在硬體激戰中的策略，更多是扮演“生態賦能”的供應商角色：與模組、晶片廠商深度合作，將通義的多模態互動、語音識別能力封裝為解決方案，讓硬體商或開發者更易用、成本更低，生態更繁榮。騰訊的策略則是瞄準頭部硬體廠商，比如同在深圳的拓竹與影石Insta360，延續其擅長的“資本+技術輸出”手腕。作為基石投資人，騰訊曾參與了影石Insta360的IPO配售。近期，影石又與騰訊雲合作發售了會議麥克風產品。有消息稱，騰訊還參投了拓竹在2025年11月完成的、估值為100億美元的新一輪融資。雖然拓竹創始人陶冶否認了這一消息，但拓竹與騰訊互動頻繁：騰訊混元3D 3.0大模型接入了拓竹3D模型平台，並推出了名為“印你”的全新手辦生成器。2026年，大公司的第一場“硬仗”圍繞端側入口打響。過去，這個入口更多被硬核聯盟（OPPO、vivo、華為、聯想等手機廠商發起）佔據。如今，互動的舊秩序正在被推倒。01 “封殺”擋不住豆包，阿里跟進入局2025年12月1日，豆包發佈手機助手，其搭載在中興nubia M153系列手機上，通過獲取作業系統層面的高權限，實現打車、買火車票等功能。雖然字節的嘗試被淘寶、微信等超級App火速“封殺”，但已清晰宣示了其爭奪入口的戰略意圖，也初步驗證了模型廠商與手機廠商深度合作的可行性。雖初戰未捷，但豆包手機攪動的行業影響不斷擴大；應用也在持續更新，並且力度更大。《中國企業家》統計了其更新日誌，截至1月12日，豆包手機助手共進行了40多項更新和新增功能。僅在1月12日這周，其新增的助手功能便有：系統相簿支援照片預覽時，底部按鈕快捷打開豆包助手，使用豆包P圖；在UI和系統層面新增“相機前後置視訊美顏”功能，且瀏覽器支援抖音搜尋。字節的更新也透露出了其學習成為手機系統廠商的底層思維。除了在端側大模型能力上做小步快跑式的更新，字節將抖音搜尋、豆包輸入法、豆包大模型語音能力等灌入其中。在設計上，甚至關注到了手機鬧鐘響鈴和小睡時助手關閉鬧鐘這樣的細分需求。阿里和騰訊則沿用了從軟體切入手機市場的整體思路，做法上仍帶有鮮明的大模型時代風格。據悉，對於豆包手機助手的GUI（圖形使用者介面）方案，阿里也在同步探索軟體與手機結合的方案。2025年12月31日，阿里通義實驗室發佈開源“MAI-UI”，這是一個多模態的基礎GUI智能代理。不僅能實現人機互動，還能整合MCP工具使用。阿里還在佈局另外一條技術線“A2A”（Agent-to-Agent）。該路線通過直接呼叫App裡的Agent能力，實現跨應用的調取。徐棟表示：GUI和A2A兩條路線都處於早期階段，齊頭並進。“A2A發展挺快，體驗更好，速度更快，模型消耗成本更低。如果全用GUI，成本可能會更貴。”面對GUI變革浪潮，騰訊也做出了嘗試動作。幾乎在阿里開源“MAI-UI”模型的同時，2025年12月30日，騰訊開源了一款端側翻譯模型Tencent-HY-MT1.5-1.8B，該模型可以在手機等消費級裝置運行，量化後僅需約1GB記憶體。2026年開年，微信小程序聯合騰訊混元、騰訊雲、騰訊廣告推出“AI應用及線上工具小程序成長計畫”。通過提供免費雲開發資源、1億混元大模型Token額度，以及資料分析、廣告變現及流量激勵等支援，幫助開發者快速落地AI應用。02 AI眼鏡阿里先下一城，字節後手兇猛手機入口之外，AI眼鏡是當前硬體競爭的最激烈戰場。今年的國際消費電子展（CES）上，據媒體統計：AI眼鏡展台已達23家，其中中國品牌商家佔了16席，包括阿里巴巴、雷神科技、韶音、Rokid、Xreal等。在政策端，智能眼鏡也首次被納入“國補”。在AI眼鏡市場，阿里暫時佔據了先機。2025年11月27日，阿里正式發佈夸克AI眼鏡，首發提供S1、G1兩個系列共六款單品，最低到手價分別為3799元、1899元。上線不久，其天貓旗艦店已有超過9000人付款購買，京東商城售出超5000件，預售期也來到了45天。但字節正在步步緊逼。根據媒體報導，豆包AI眼鏡即將進入出貨階段，無屏版AI眼鏡將於今年第一季度率先發佈，帶顯示功能的版本預計在今年第四季度推出。對此，《中國企業家》詢問字節跳動方面，豆包相關負責人表示，傳聞不實，目前沒有明確的銷售計畫。但據媒體從供應鏈處瞭解的資訊，眼鏡將由龍旗科技代工，研發落地龍旗惠州工廠，量產則由龍旗南昌工廠承接。雙方分工明確：龍旗負責底層UI開發，字節則主攻上層App研發，以更好地實現產品與手機的互聯。此前，龍旗科技也曾在2025年半年報中披露：公司新承接了國內頭部網際網路客戶AI眼鏡量產項目。此前，魅族前高管李楠在一檔播客裡預言，下一代個人計算中心的產品形態暫時不明確，因為技術能力在快速變化，眼鏡、項鏈、耳機都是可選方案，大模型能力也會強化其競爭。圍繞AI眼鏡生態，騰訊則尚無明確的硬體製造計畫。2024年，曾傳出騰訊代理Meta Quest VR頭顯，但合作始終沒有見諸天日。騰訊更多延續的是“投資槓桿+生態協同”的硬體佈局邏輯。比如2025年10月，騰訊應用寶與中國頭部AI眼鏡廠商影目INMO達成合作，聯合打造AI眼鏡專屬App Store。2025年7月，INMO宣佈完成1.5億元B2輪融資。03 降低合作夥伴使用門檻巨頭之間的硬體卡位戰，本質上還是對AI時代核心話語權的爭奪。當大模型能力泛化至物理世界，誰能佔據更多場景，掌握更多資料和使用者，也將讓模型更快迭代和進化，並消耗更多Token，緩解商業化壓力。目前，阿里和字節分別推出了針對AIot裝置的開髮套件。阿里推出了多模態互動開髮套件，整合了千問、萬相、百聆三款通義基礎大模型，並預置了十多款生活休閒、工作效率等領域的Agent和MCP工具，可應用於AI眼鏡、學習機、陪伴玩具、智慧型手機器人等硬體裝置。相比於字節，阿里的策略是通過標準化技術輸出，降低硬體廠商接入門檻，同時借助海量硬體終端，拉高通義大模型的使用量。近期的阿里雲通義智能硬體展上，從具身智能、AI潮玩，乃至AI包掛，幾乎所有主流AI硬體都有品類搭載了通義大模型，這也為阿里雲的算力業務帶來持續增量。字節則推出了玩具AI框架、音訊AI框架等開髮套件，該套件基於新推出的豆包大模型1.8系列，採取三個月、一年與終身使用不限量等針對性優惠。字節甚至還提出了vibe interaction（氛圍互動）的概念，讓軟體定義硬體。徐棟表示：IoT廠商十多年前強調連接，但沒有達成更多增值服務。但現在，大模型讓單點的IoT廠商有可能誕生相互通訊、相互協作的任務方式。“首先要把（模型使用）成本降下去，增加出貨量，不同的裝置之間找到更好的協作方式，有可能長出一些新的業態和生態。”據徐棟介紹，很多硬體裝置的TTS（從文字到語音）成本佔75%，但有些語音模型可以降低擬人化要求，成本會低很多，這是通義大模型正在做的事情。字節與阿里的相關負責人也不約而同地提到了AIoT裝置的網路連線、訊號傳輸、語音延時以及續航等問題。一位硬體從業者甚至說，“識別精準性就意味著產品的退貨率，每一次誤差可能是退貨率的一個開端。”而音視訊技術騰訊在B端、C端積累多年，這也成為騰訊開展與硬體公司合作的基礎。騰訊雲副總裁商世東在談到與影石Insta360的合作時，對《中國企業家》表示：在大語言模型和深度學習時代，很多任務訓練要求模組之間共同定義一個訓練目標。比如裝置延遲、裝置功耗、晶片算力，怎麼找到更好的平衡點，需要演算法、軟體和裝置廠商，大家共創和緊密協作。在AI時代的下半場，硬體公司正在學著將模型公司的能力內化、規模化；平台型公司則要學習將網際網路的規模效應轉化為對新互動的爭奪——不久的未來，競爭的焦點可能將從使用者數量，走向裝置的數量以及呼叫規模。 (中國企業家雜誌)

這兩天美國針對中國的AI晶片發生了兩件大事，一件是2026年1月13日，美國正式批准向中國出售H200晶片，市場傳言國內公司已向輝達下了約200萬顆的訂單。還有一件大事是，2026年1月12日，美國眾議院以369票贊成、22票反對，通過了《遠端訪問安全法案》(Remote Access Security Act, H.R.2683)，這個法案將遠端訪問受控技術納入監管範圍，防止外國對手通過雲端運算等管道遠端獲取人工智慧晶片等受控關鍵技術。法案的影響之前的美國出口管制主要是對實體出口和技術轉讓的管制，例如晶片、光刻機裝置或相關的技術。但這個管制有一個漏洞在於，雲廠商們可以通過遠端算力服務和建立全球分佈式資料中心的方式繞過這個限制，在海外建立機房，進行遠端算力調度。而最新發佈的《遠端訪問安全法案》核心，就是將這一之前未被納入的“遠端訪問”（remote access）行為正式納入美國出口管制體系之內。一句話總結：無論美國的GPU部署在那個國家，未經美國商務部及其下屬的工業與安全域（BIS）允許，外國對手使用這些GPU都違法的。雲廠商們東南亞機房的影響此前，阿里、騰訊、字節在東南亞建機房採購美國管控晶片，借助晶片物理位置在海外的優勢，以“租用本地算力”的形式繞開美國直接出口管制，為國內大模型訓練、跨境雲服務提供算力支撐。這種模式可以算是平衡技術需求與政策風險的最優解。僅騰訊雲就在新加坡、馬來西亞等地部署了多個搭載高端GPU的算力節點，阿里則通過東南亞子公司為跨境客戶提供AI算力服務。但美國《遠端訪問安全法案》的出台，直接堵死了這條規避路徑。法案明確規定，無論美國受控技術的物理裝置位於何處，外國主體遠端訪問未獲許可即屬違法，同時嚴禁通過子公司、殼公司等方式規避監管。這意味著，即便晶片躺在東南亞的機房裡，只要阿里、字節、騰訊從境內遠端呼叫這些算力，就觸碰了美國的監管紅線。東南亞機房本身有本地業務需求：字節跳動在東南亞機房的部分算力用於短影片推薦、普通雲端儲存等非敏感業務；阿里則主要提供符合本地合規要求的行業雲服務；騰訊雲澤有政務雲、中小企業雲服務等穩定場景。表面上看，字節、阿里、騰訊的東南亞機房“服務海外使用者”部分應該不會有什麼影響，似乎與美國《遠端訪問安全法案》關係不大。但實際情況要複雜得多——該法案的影響並不取決於“服務對像是誰”，而是取決於“誰在遠端訪問受控物項”以及“是否獲得美國許可”。這意味著即使伺服器物理部署在東南亞，即使客戶是東南亞電商或銀行等本地公司，只要中國總部的技術人員能遠端登錄、偵錯、調度這些AI叢集，就可能被認定為“中國實體遠端訪問美國管制物項”。結語美國一邊放開H200對中國的銷售，一邊堵上中國獲取更先進算力的的漏洞，這一收一放之間，儘是手段。《遠端訪問安全法案》讓雲廠商們重新評估東南亞機房“算力避風港”的地位。針對該法案，如果這些機房之前主要部署的是H100或者H200，結合美國最新的H200出口政策，對這些東南亞機房的實質影響應該是比較有限的。但是針對雲廠商們規劃中的輝達更先進晶片的部署，可能得重新審視其可行性了。另外一點就是，按照這個趨勢發展，隨著雲廠商們的業務擴張，國產算力出海的必要性看起來變得越來越迫切。 (AI人工智慧行業動態)

“AI Infra 就是雲端運算本身。”100 多年前，電力首次進入工廠，許多工廠主做了一個看似合理的決定：保留複雜的蒸汽機傳動軸和皮帶系統，只用電動機替換蒸汽機。結果令他們大失所望：動力更強了，生產效率幾乎沒有同步提升。接下來的 20 年，他們才逐步意識到，電力帶來的真正變革不只是簡單替代動力源，而是把它嵌入到不同的業務單元中，用不同類型的電機驅動鑽頭、傳送帶等，生產力才迎來爆發。這是阿里雲希望給企業深入應用 AI 提供的能力。他們認為，AI 時代客戶要的不只是單一的模型或雲的能力，而是更低成本使用更強模型時，有更靈活的綜合體驗。AI 雲應該像當年的電力真正提高工業生產力時那樣，提供多層次的服務，全面嵌入到企業的業務流程中。這一判斷有業務資料支撐：在阿里雲上呼叫大模型 API （ MaaS 服務）的客戶中，有七成也同時在使用其 GPU 算力服務。阿里雲智能集團資深副總裁、公共雲事業部總裁劉偉光說，第一批深度使用 AI 的客戶，會把場景分成不同檔次：不只是簡單呼叫大模型 API，還會用內部資料精調或者後訓練基礎模型，或者自己從頭訓練一個模型。在劉偉光看來，AI 給雲端運算行業帶來的變化才剛剛開始，整個雲端運算體系架構都要為 AI 重構，“MaaS 增長潛力很大，但關鍵是打贏 AI 雲新增的全量市場”，要建立軟硬一體的 AI 雲全端能力，推動企業用更低成本呼叫更強的 AI 模型，解決不同層次、不同場景問題，“這才是競爭中的勝負手”。146 個 行業客戶深度調研：Token 質量比數量重要“如果今天所有的 AI 應用每天只能免費用 100 次，你會用它做什麼？”這是劉偉光 2025 年走訪了 146 個客戶後反覆思考的問題。 他的結論非常直接：沒有人會把它浪費在寫段子或閒聊上，一定會做最重要的東西——對工作最有幫助的決策、對家庭生活最關鍵的建議。在他看來，這是企業使用大模型與個人使用者的本質區別。個人使用者可能為了娛樂消耗 Token，但追求效率的企業，每一次 Token 的交換都有成本。他們不僅要為 Token 付費，業務線上的人力、時間也是投入。很難想像一個年輕的工程師面對裝置故障時，還需要多輪對話才能得到解決方案，需要更快的響應、能讓他迅速解決問題的指南。同樣，基金公司的交易員用 AI 輔助捕捉交易訊號時，也很難容忍模型動輒陷入沉思，然後給出長篇大論，再問一句 “是否需要我幫你整理得更完善”。傳統行業的企業正在用不同的方式，儘可能避開 AI 的短板、提升效率。比如汽車診斷公司，用 30 年積累的產業檢測報告做出來遠端幫助汽修的大模型，才用到診斷報告中；基金公司會用沉澱 20 多年的資料和交易的行為跟模型結合，把各種形式的非結構化資料（如文字、語音、圖像等）轉化為可供投資參考的標準化資訊。企業也希望充分挖掘 AI 的潛力。中國兩家農牧業巨頭公司都在用千問做相同的事情，他們不僅嘗試用 VL（視覺大模型）識別豬的數量，還用它來識別豬的異常行為，檢測豬的健康與活性，或者是開發獸醫大模型解決專業人才短缺問題。還有頭部照明公司接入千問後，不再侷限簡單的開關燈或者調控色溫，還用 AI 理解使用者模糊的指令，用更流暢的對話打造更聰明的端側語言模型，讓人與光的互動更自然。而企業一旦找到合適的方式把 AI 嵌入業務流程中，就會是嚴肅和連貫的。線上招聘行業中的每一家公司，幾乎都在引入 AI 簡歷篩選、智能化面試、自動生成面試記錄。當招聘專員習慣用 AI 輔助工作後，就會形成新的工作流，每天都會使用，不會受到個人喜好影響。“個人消費者使用 AI 的情況會有波動，但企業級市場只會不斷增長。” 劉偉光說，而且使用的廣度和深度會不斷加強，很多場景還沒有解鎖，“如果 AI 能把車損定損給改了，那絕對是一種 ‘革命’。”2024 年雲棲大會上，阿里巴巴集團 CEO 吳泳銘在演講中稱，生成式 AI 最大的想像力，絕不是在手機螢幕上做一兩個新的超級 App，而是接管數字世界，改變物理世界。過去一年中國 AI 企業市場的發展證實了他的判斷。AI 已不只在手機裡面作為應用程式，而是出現在更多的載體中，包括眼鏡、耳機、學習機、玩具、健身器材、汽車、機器人等全品類硬體裝置中。這種不同層次、不同場景的需求，當下無法用單一的模型 API 服務滿足。在美國市場，原本已經給企業提供工具的 SaaS 行業，大模型呼叫量規模持續上漲，提供了一種相對標準化的方案。而在 SaaS 行業未能發展起來的中國市場，傳統行業偏向定製服務解決特定場景問題，往往需要後訓練或者微調大模型。雲端運算公司提供這樣的服務，在一定程度上為企業提供了類似 SaaS 的服務。“現在所有 MaaS 服務加一起，在中國雲端運算市場、甚至 AI 雲市場佔比都不高。MaaS 的空間當然非常大，但不是今天。” 劉偉光說，只統計公有雲市場大模型 API 的呼叫量，無法代表 AI 雲全貌。真實的 Token 消耗量，要把 MaaS 平台 API 呼叫、公共雲 GPU 推理叢集產生 Token、私有化模型部署產生 Token，裝置端模型產生的 Token 等全部統計在內。“冰川下的 Token 消耗非常大，卻無法統計。而且企業用 AI 還處於轉型早期， 90% 以上的企業還沒有真正行動起來，未來肯定是百倍的增長。”但可以觀察的是，只要基礎模型的性能持續提升，雲廠商深入到技術堆疊的每一層提供服務，改進推理能力、節省成本，就可以帶動更多行業的更多客戶用 AI 解決問題。做 AI 時代的基礎設施，承接不同層次的需求輝達 CEO 黃仁勳曾拋出一個著名的論斷：GPU 叢集就是 “Token 工廠”，輸入的是能量，輸出的是 Token。這是典型的晶片公司視角，把 AI 生產過程簡化為了物理層面的能量轉換。對於雲廠商來說，如果只是從事算力轉售業務，現在很難提供可用的 AI 服務。他們必須用系統工程能力，儘可能提升現有算力效率，針對不同行業、不同層次的企業提供模型服務。這也是阿里雲的選擇：做 AI 時代的基礎設施。用劉偉光的比喻來說，阿里雲正在搭建的是一套現代化的自來水廠，而不只是水（大模型 API）的搬運工，還要維護水源地（開源模型）、搭建淨化車間（資料清洗與模型訓練平台）、鋪設輸水管網（高性能網路），以及處理污水（安全治理）等。在這套體系中，阿里雲能夠提供當前不同類型的 “用水” 需求：MaaS（直供水服務）： 就像家庭擰開水龍頭就能用水，企業或者開發者不用關心底層複雜的管網，直接呼叫 API，開箱即用，按需付費。這是最輕量的接入方式。PaaS（工業用水服務）： 類似於工廠需要特定的水源，企業可以獲得基礎模型，直接用 “開源模型” 在阿里雲平台上微調或者自己後訓練，然後部署到合適的環境中。IaaS（水處理基礎設施）： 像是將經過初步淨化、萃取後的水源，輸送給飲料廠或啤酒廠，企業可以用阿里雲提供的算力和基礎軟體，用來訓練獨家配方的 “飲料”，比如自動駕駛模型、各種垂類大模型等等。阿里雲已經有了初步成績。根據市場調研機構 Omdia 資料，2025 年上半年，中國 AI 雲整體市場（AI IaaS+PaaS+MaaS）規模達 223 億元，阿里雲佔比 35.8 %，超過第二到第四名總和。搭建這套全面的基礎設施，不僅需要高昂的投入，還要有戰略決心。2025 年 2 月，阿里宣佈未來三年將投入超過 3800 億元，用於建設雲和 AI 硬體基礎設施，總額超過去十年總和。僅僅是 2025 年前三個季度，阿里用於建設 AI 資料中心等的資本開支就兌現了 950 億元。在基礎模型層面，阿里持續投入訓練不同尺寸、不同類型、不同模態的基礎模型，並投入資源把它們做到第一梯隊。比如視覺生成模型萬相 2.6 性能媲美 OpenAI 的 Sora 2；Qwen-Image-Layered 是業界首個能實現圖像分層精準編輯的模型；Qwen3-Max 的性位居全球模型性能榜單前列。阿里選擇把這些模型開源，提供給各行各業的團隊或企業使用，其中 Qwen 的衍生模型數量超過 18 萬，規模位居全球第一。作為基礎設施，阿里雲上長出來的不只有阿里自研的模型，月之暗面也在阿里雲上訓練 Kimi 系列模型，以及許多智駕團隊也用阿里雲訓練模型。與此同時，阿里雲也提供了一整套體系能力，支撐 AI 時代新誕生的產品迅速發展，除了阿里體系的千問 App，還有螞蟻集團的靈光、阿福，以及月之暗面的 Kimi 應用、MiniMax 的海螺等。儘管當前各行各業應用 AI 還處於早期階段，但定位基礎設施的阿里雲，也在探索更新的產品形態，為接下來的 AI 應用爆發做好準備。最典型的例子就是阿里正在開發千問 App 的 Agent 版本。它不只侷限於使用者提問，還能夠呼叫淘寶比價、使用高德導航，甚至阿里所有的服務都有可能成為它的外掛。最終這些在阿里內部業務和行業頭部公司驗證過的能力，都會沉澱在阿里雲中，成為對外提供服務的產品。讓客戶具備長期、可持續地產生和使用智能的能力，而不是把客戶鎖定在某一種計量方式裡。AI 加速推動客戶上雲AI 正在給雲廠商帶來了新的增長動力。無論是 AWS、微軟 Azure、Google Cloud 還是阿里雲，規模都在迅速增長。但提供動力的不只是 GPU 用量或者大模型 API 的呼叫。阿里雲團隊觀察到， 在阿里雲上使用這些服務的客戶群體，他們在計算、儲存、網路以及巨量資料等產品上用量的增長，高於整個大盤的增長。“AI 會加速推動客戶上雲。” 劉偉光說，客戶為了用好 AI，不得不將資料全面上雲。企業想要讓一個 Agent 產生價值，基礎模型只是一個方面，高品質的業務資料同樣重要。微軟 Azure 的增長邏輯類似，出售 OpenAI 的基礎模型的 API 服務只是其中一個方面，更充足的動力來自企業為了在業務中應用更強的模型，把分散在本地與各系統中的內容與資料，遷移到了更方便模型呼叫的雲產品中。為高並行 Web/HTTP 請求設計的傳統雲端運算架構，難以高效支撐這樣的需求。甲骨文重新獲得增長動力，很大一部分因素就來自於部署 RDMA（遠端直接記憶體訪問）高性能網路和自治資料庫，適應了大模型訓練、推理的需求。這直接改變了公共雲端運算服務在中國市場的前景。此前多年，中國雲端運算公司並不像 AWS 等海外雲平台那樣，公共雲客戶遍佈各行各業，囊括美國證券交易所、大型石油公司、銀行業巨頭等，做大規模就能擁有利潤。在中國雲端運算市場，平台依賴的電力、頻寬等基礎設施成本並不受企業自身控制；部分傳統企業出於資料安全、合規或歷史慣性等原因，仍傾向於自建資料中心。“阿里雲的基礎雲架構，為 AI 重做了一遍。” 劉偉光說，AI Infra 並不是一個特定的垂直方向，就是雲端運算本身，不僅需要規模化、安全和穩定，更需要雲上的跨服務流轉能力，比如新型的向量資料庫、高效的巨量資料清洗平台、靈活的開發框架，滿足企業不同層次、不同場景使用  AI  的配套軟體體系。在阿里雲看來， AI 時代雲端運算平台的競爭力在於 “軟硬一體化” 的體系能力：硬體不只是晶片，而是圍繞 GPU 算力建構的整個高性能底層架構；軟體則是對模型的理解、最佳化和調度能力。“阿里雲的目標是拿下 2026 年中國 AI 雲市場增量的 80%。” 劉偉光說，但是下一年增量的 10% 都會大於上一年的全量。所以過去取得了什麼成績並不重要，變化才剛剛開始。 (晚點LatePost)

這兩天，DeepSeek 新版將在春節前發佈的消息，讓整個網路又沸騰了，全網都在等著再次見證奇蹟。但昨天的一場 AI 高端局，卻給這股熱浪狠狠澆了一盆冷水。阿里通義千問的大佬在會上直言：中國 AI 三到五年內超越美國的機率，樂觀地說，也只有 20%。這番“暴論”，跟我們熟知的“差距僅剩三個月”簡直大相逕庭。這到底是怎麼回事兒？01｜一場全明星的閉門會事情的起因，是昨天舉辦的一場名為 AGI-NEXT 的閉門峰會。這場局的含金量簡直高得嚇人，堪稱中國 AI 界的“全明星陣容”。智譜 AI 的創始人 唐傑、Kimi 的創始人楊植麟、阿里通義千問的技術負責人林俊暘。以及最近的“當紅炸子雞”——騰訊 AI 科學家姚順雨，全都到齊了。峰會具體聊了什麼“乾貨”，外界鮮有報導。但最後流出的圓桌對話環節，卻在圈子裡引發了熱議。而真正讓這件事出圈的，是主持人拋出的最後一個、也是最犀利的問題：“未來 3 到 5 年，中國任何一家公司在 AI 方面超越美國的機率，到底有多大？”面對這個直擊靈魂的提問，現場並沒有出現預想中的“豪言壯語”。相反，阿里通義千問的林俊暘略作沉思，給了一個極其誠實、甚至聽起來有點刺耳的回答：“我覺得是 20% 吧，這已經非常樂觀了。”這…意思是不能說希望全無吧，至少也是希望渺茫。果真如此嗎？02 ｜一場“富二代”和“窮小子”的遊戲首先，咱們得認清一個現實：在這一輪 AI 競賽裡，我們在核心硬體上確實比對手“窮”。這個“窮”，指的是算力。林俊暘在會上打了一個讓我破防的比喻：美國的實驗室就像是“富哥”。人家的算力比我們大 1-2 個數量級，那是真的“家裡有礦”。即便有些實驗是浪費的，他們也有資本投入海量的資源去試錯，去做下一代的前沿研究。而我們的實驗室呢？真的叫“捉襟見肘”。國內的大模型團隊，光是滿足當下的產品交付，可能就已經把手頭所有的顯示卡佔滿了。（阿里都如此？)當然，現場討論也擔憂光刻機等能否攻破的問題。不過也有很對反對的聲音認為，正是這種“匱乏”，逼出了中國公司的極致效率。DeepSeek 就是一個例子：當矽谷還在迷信“大力出奇蹟”時，它硬是靠著架構創新，用僅有的一點算力，把模型訓練成本打到了令人髮指的“白菜價”。也難怪黃仁勳在 CES 上直言：中國開源模型已是全球第一梯隊，推理效率甚至吊打美國。（他甚至首次在他的 PPT 裡面直接用了大量中國模型）圖：輝達 CEO 黃仁勳在 CES 2026 上以中國模型為例他警告同行：“封鎖反而逼出了一個可怕的對手。”窮有窮的打法，這恰恰是我們的韌性。03｜馬斯克的“神預言”：真正的瓶頸是“電”，不是“芯”如果說晶片是現在的短板，那馬斯克最近的一個判斷，可能指出了我們未來的“隱藏大招”。不同於大家死盯著顯示卡看，馬斯克在最新的訪談中拋出了一個觀點：AI 競賽的下半場，瓶頸根本不是晶片，而是電力。他在播客裡直言：“中國的 AI 算力將遠超世界其他地方。”為什麼？因為雖然美國晶片強，但美國的電網太老舊了！建一個資料中心，光等排隊接電就得好幾年。而中國？“基建狂魔”不是白叫的。馬斯克預測，到 2026 年，中國的發電增量可能是美國的 3 倍。拼到最後，這可能是一場能源戰。而這，恰恰是“基建狂魔”的主場。04｜學術界“補位”：正在批次製造“牛頓”除了工業界的死磕，這場對話還讓我看到了另一股最容易被忽視的力量：學術界。以前我們總覺得，學術界是不是落後了？大家都在搞大模型，教授們還沒卡，能研究出啥？但香港科技大學榮休教授楊強給出了一個非常精彩的觀點：工業界就像當年的伽利略，先發明瞭望遠鏡（大模型），看到星星在轉；但接下來，我們需要牛頓（學術界）來總結定律。工業界忙著賺錢，誰來研究“智能的上限在那裡”？誰來把大模型從“黑盒”變成科學？你可能覺得中國學術界不行，但最新的資料狠狠打了我一巴掌。就在近日，電腦科學領域的權威榜單 2026 CSRankings 正式發佈。在人工智慧（AI）學科的全球排名中，發生了一件極其恐怖的事情：中國高校直接包攬了全球前 10 名！圖：中國大學包攬人工智慧學科排名前十南京大學以 23.7 分的絕對優勢，力壓全球名校，位居世界第一！這意味著當“富二代”在前面狂奔時，我們的“科學家”正在後面默默鋪路。05｜ 別慌，這其實是一場“華人的內戰”最後，如果你還在擔心因為技術封鎖，中國人的腦子會輸給美國人，那看看最近矽谷瘋傳的一條消息吧，保證讓你心態炸裂。有確鑿的內部消息稱：馬斯克最近為了追求極致的效率，對 Grok 團隊進行了大換血，甚至辭退了團隊中“最後一個白人成員”。在他眼裡，沒有膚色之分，只有程式碼寫得好不好之分。不管你願不願意承認，現在的 Grok 團隊，幾乎已經成了名副其實的“全華班”。圖：馬斯克的 xAI 團隊這不是個例。就在前不久，Meta 豪擲幾十億美元收購了那個紅遍全球的 AI Agent 產品——Manus。而 Manus 背後的核心團隊，正是地地道道的中國團隊。圈內一直有個段子：所謂的中美 AI 競爭，歸根結底，已經演變成了“在大洋彼岸的華人工程師”和“在中國本土的華人工程師”之間的賽跑。硬核資料早就擺在那了：圖：AI 人才分佈，來自@@bookwormengr中國佔據了全球 AI 人才的 48.68%，將近一半！而美國是 35.47%。在“人腦”這個核心要素上，我們不僅不窮，反而是在“富礦”上。即使在 OpenAI 這種“AI 聖殿”，員工來源高校的前 20 名榜單中，除了美國本土名校，僅有的兩所入圍高校，正是中國的清華和北大。圖：OpenAI 員工高校來源寫在最後聽完大佬的“20% 論”，我反而更樂觀了。因為科技史有一個鐵律：技術代差最容易被時間抹平，但應用的壁壘卻難以踰越。前段時間我去了趟新加坡，按理說夠發達了吧？但在那兒的幾天，我真有一種“回到上個世紀”的錯覺——沒有隨掃隨走的單車，沒有絲滑的支付，幹啥都不如國內方便。這恰恰證明了：決定勝負的，往往不是底層的“黑科技”，而是誰能把技術變成最親民的“日子”。技術決定下限，但應用生態決定上限。在這方面，還沒人捲得過中國。一旦戰場轉移到應用層，把這些“中國優勢”加進去，這 20% 的勝算，我看至少得翻倍。你怎麼看？未來 AI 的決勝點，是“技術參數”還是“落地應用”？ (AI范兒)

歐盟委員會發佈《2025年歐盟工業研發投資記分牌》(2025 EU Industrial R&D Investment Scoreboard)，首次進入名單的亞馬遜公司位列榜首，2024會計年度共投入653億歐元研發經費。排名前十的還有Google母公司ALPHABET、臉書母公司META、微軟、蘋果、華為、三星電子、大眾汽車、強生和英特爾。本項調查面向全球2024會計年度研發投資額最多的2000家企業開展，這些企業的研發投資總額為14462億歐元。美國、中國、歐盟、日本的上榜公司數量名列前茅。排名前50位的公司研發投入6330億歐元，佔總研發投入的44%。排名 公司 總部所在地 行業 研發投入/淨銷售額/研發佔比1、亞馬遜(AMAZON.COM, INC.) 美國  軟體和電腦服務 653.18億歐元/6140.72億歐元/10.64%2、ALPHABET INC.(Google母公司)　美國  軟體和電腦服務  461.31億歐元/3369.12億歐元/13.69%3、META PLATFORMS, INC.(臉書母公司)　美國  軟體和電腦服務  419.86億歐元/1583.42億歐元/26.52%4、微軟(MICROSOFT CORPORATION) 美國 軟體和電腦服務  312.72億歐元/2711.75億歐元/11.53%5、蘋果(APPLE INC.) 美國  科技：硬體和裝置 301.95億歐元/3763.93億歐元/8.02%6、華為(HUAWEI INVESTMENT & HOLDING CO., LTD.) 中國  科技：硬體和裝置 229.41億歐元/1136.80億歐元/20.18%7、三星電子(SAMSUNG ELECTRONICS CO.,LTD.) 韓國  電子和電氣裝置 228.43億歐元/1963.72億歐元/11.63%8、大眾(VOLKSWAGEN AG) 德國  汽車和零部件 209.98億歐元/3246.56億歐元/6.47%9、強生(JOHNSON & JOHNSON) 美國  製藥和生物技術 165.87億歐元/854.95億歐元/19.40%10、英特爾(INTEL CORP) 美國  科技：硬體和裝置 159.26億歐元/511.13億歐元/31.16%11、默沙東(MERCK & CO., INC.) 美國  製藥和生物技術 146.14億歐元/617.65億歐元/23.66%12、羅氏(ROCHE HOLDING AG)  瑞士  製藥和生物技術 138.57億歐元/642.74億歐元/21.56%13、輝達(NVIDIA CORP) 美國 科技：硬體和裝置 124.30億歐元/1256.11億歐元/9.90%14、阿斯利康(ASTRAZENECA PLC) 英國　製藥和生物技術 120.33億歐元/520.48億歐元/23.12%15、禮來(ELI LILLY AND COMPANY) 美國  製藥和生物技術 105.79億歐元/433.56億歐元/24.40%16、輝瑞(PFIZER INC) 美國 製藥和生物技術 103.36億歐元/612.45億歐元/16.88%17、梅賽德斯奔馳(MERCEDES-BENZ GROUP AG) 德國  汽車和零部件 96.98億歐元/1455.94億歐元/6.66%18、甲骨文(ORACLE CORP) 美國  軟體和電腦服務 94.91億歐元/552.5億歐元/17.18%19、百時美施貴寶(BRISTOL-MYERS SQUIBB COMPANY) 美國  製藥和生物技術 94.16億歐元/464.91億歐元/20.25%20、騰訊(TENCENT HOLDINGS LIMITED)  中國  軟體和電腦服務 93.21億歐元/870.67億歐元/10.71%21、寶馬(BAYERISCHE MOTOREN WERKE AG) 德國  汽車和零部件90.78億歐元/1423.80億歐元/6.38%22、博通(BROADCOM INC.) 美國  科技：硬體和裝置 89.61億 歐元/496.43億歐元/18.05%23、諾華(NOVARTIS AG) 瑞士  製藥和生物技術 89.54億歐元/497.85億歐元/17.98%24、通用汽車(GENERAL MOTORS COMPANY) 美國  汽車和零部件 88.56億歐元/1804.24億歐元/4.91%25、高通(QUALCOMM INC) 美國   科技：硬體和裝置 85.60億歐元/375.03億歐元/22.82%26、豐田汽車(TOYOTA MOTOR CORPORATION) 日本  汽車和零部件 81.35億歐元/2945.95億歐元/2.76%27、艾伯維(ABBVIE INC.)美國   製藥和生物技術 80.04億歐元/542.25億歐元/14.76%28、博世(ROBERT BOSCH GESELLSCHAFT MIT BESCHRAENKTER HAFTUNG) 德國  汽車和零部件 79.54億歐元/903.45億歐元/8.80%29、福特汽車(FORD MOTOR CO) 美國  汽車和零部件 77.00億歐元/1780.65億歐元/4.32%30、思科(CISCO SYSTEMS INC) 美國  科技：硬體和裝置 76.84億歐元/517.88億歐元/14.84%31、阿里巴巴(ALIBABA GROUP HOLDING LIMITED)  中國  軟體和電腦服務 75.36億歐元/1313.87億歐元/5.74%32、本田汽車(HONDA MOTOR CO., LTD.) 日本  汽車和零部件 74.24億歐元/1330.11億歐元/5.58%33、賽諾菲(SANOFI) 法國  製藥和生物技術 73.94億歐元/461.12億歐元/16.03%34、葛蘭素史克(GSK PLC) 英國 製藥和生物技術 68.66億歐元/378.4億歐元/18.14%35、斯泰蘭蒂斯(STELLANTIS N.V.) 法國 汽車和零部件 68.54億歐元/1568.78億歐元/4.37%36、拜耳(BAYER AG) 德國  製藥和生物技術 66.93億歐元/466.06億歐元/14.36%37、比亞迪(BYD COMPANY LIMITED)  中國  汽車和零部件 66.74億歐元/1024.76億歐元/6.51%38、國際商業機器(IBM，INTERNATIONAL BUSINESS MACHINES CORP)　美國  軟體和電腦服務 65.57億歐元/604.03億歐元/10.86%39、西門子(SIEMENS AG) 德國  電子和電氣裝置 64.82億歐元/788.11億歐元/8.22%40、超微半導體(AMD，ADVANCED MICRO DEVICES INC)  美國  科技：硬體和裝置 62.14億歐元/248.2億歐元/25.04%41、台積電(TAIWAN SEMICONDUCTOR MANUFACTURING CO., LTD.)  台灣 科技：硬體和裝置 60.23億歐元/853.78億歐元/7.05%42、中國建築(CHINA STATE CONSTRUCTION ENGINEERING CORPORATION LIMITED) 中國 建築和材料 59.89億歐元/2884.16億歐元/2.08%43、C.B. BOEHRINGER SOHN AG & CO. KG(勃林格殷格翰母公司) 德國  製藥和生物技術 57.66億歐元/256.11億歐元/22.51%44、安進(AMGEN INCORPORATED)  美國 製藥和生物技術 57.41億歐元/321.72億歐元/17.84%45、吉利德科學(GILEAD SCIENCES INC)　 美國  製藥和生物技術 55.91億歐元/276.77億歐元/20.20%46、思愛普(SAP SE)  德國   軟體和電腦服務 53.17億歐元/341.76億歐元/15.56%47、賽富時(SALESFORCE INC) 美國  軟體和電腦服務 52.87億歐元/364.76億歐元/14.50%48、諾和諾德(NOVO NORDISK A/S) 丹麥  製藥和生物技術 50.98億歐元/389.4億歐元/13.09%49、NTT(NIPPON TELEGRAPH AND TELEPHONE CORPORATION) 日本  移動通訊 50.29億歐元/840.47億歐元/5.98%50、再生元(REGENERON PHARMACEUTICALS INC)  美國  製藥和生物技術 49.4億歐元/136.70億歐元/36.14%51、索尼集團(SONY GROUP CORPORATION)  日本  休閒產品 46.47億歐元/794.61億歐元/5.85%52、武田(TAKEDA PHARMACEUTICAL COMPANY LIMITED)  日本  製藥和生物技術 44.78億歐元/280.97億歐元/15.94%53、愛立信(TELEFONAKTIEBOLAGET LM ERICSSON AB)  瑞典  科技：硬體和裝置 44.69億歐元/216.32億歐元/20.66%54、諾基亞(NOKIA OYJ) 芬蘭  科技：硬體和裝置 43.77億歐元/202.79億歐元/21.58%55、特斯拉(TESLA, INC.)   美國  汽車和零部件 43.70億歐元/940.32億歐元/4.65%56、美德納(MODERNA, INC.)  美國  製藥和生物技術 42.91億歐元/31.15億歐元/137.76%57、阿斯麥(ASML HOLDING N.V.) 荷蘭  科技：硬體和裝置 39.42億歐元/282.63億歐元/13.95%58、中國移動(CHINA MOBILE LIMITED)  中國  移動通訊 39.14億歐元/1372.44億歐元/2.85%59、聯發科(MEDIATEK INC.)  台灣  科技：硬體和裝置 38.94億歐元/156.52億歐元/24.88%60、電裝(DENSO CORPORATION)  日本  汽車和零部件 37.90億歐元/439.21億歐元/8.65%61、ADOBE INC 美國  軟體和電腦服務 37.96億歐元/207億歐元/18.34%62、日產汽車(NISSAN MOTOR CO., LTD.) 日本  汽車和零部件 37.96億歐元/774.76億歐元/4.90%63、塔塔汽車(TATA MOTORS LIMITED)  印度 汽車和零部件 37.14億歐元/491.18億歐元/7.56%64、空巴(AIRBUS SE)  法國  航空航天和防務 37.00億歐元/692.30億歐元/5.34%65、波音(BOEING COMPANY)  美國  航空航天和防務 34.97億歐元/640.26億歐元/5.46%66、福泰製藥(VERTEX PHARMACEUTICALS INCORPORATED)  美國  製藥和生物技術 34.94億歐元/106.07億歐元/32.94%67、中國中鐵(CHINA RAILWAY GROUP LIMITED)  中國  建築和材料 34.80億歐元/1530.09億歐元/2.27%68、中國交建(CHINA COMMUNICATIONS CONSTRUCTION COMPANY LIMITED)  中國  建築和材料 34.28億歐元/1013.07億歐元/3.38%69、鴻海(HON HAI PRECISION IND. CO., LTD.)  台灣  電子和電氣裝置 34.15億歐元/2023.49億歐元/1.69%70、中國鐵建(CHINA RAILWAY CONSTRUCTION CORPORATION LIMITED)  中國  建築和材料 33.93億歐元/1407.27億歐元/2.41%71、美光(MICRON TECHNOLOGY INC)   美國  科技：硬體和裝置 33.02億歐元/241.71億歐元/13.66%72、寶山鋼鐵(BAOSHAN IRON & STEEL COMPANY LIMITED) 中國  工業：金屬和礦產 32.57億歐元/424.77億歐元/7.67%73、中國電建(OWER CONSTRUCTION CORPORATION OF CHINA ,LTD)  中國  建築和材料 32.00億歐元/836.78億歐元/3.82%74、SK海力士(SK HYNIX INC.)  韓國  科技：硬體和裝置 31.15億歐元/432.03億歐元/7.21%75、軟銀(SOFTBANK GROUP CORP)  日本  軟體和電腦服務 31.13億歐元/444.24億歐元/7.01%76、應用材料(APPLIED MATERIALS INC)  美國   科技：硬體和裝置 31.12億歐元/261.58億歐元/11.90%77、小米(XIAOMI CORPORATION)  中國  科技：硬體和裝置 30.37億歐元/482.52億歐元/6.29%78、現代汽車(HYUNDAI MOTOR COMPANY)  韓國  汽車和零部件 29.93億歐元/1143.69億歐元/2.62%79、優步(UBER TECHNOLOGIES, INC.)  美國  軟體和電腦服務 29.93億歐元/423.31億歐元/7.07%80、中興(ZTE CORPORATION)  中國  科技：硬體和裝置 29.43億歐元/159.96億歐元/18.40%81、松下控股(PANASONIC HOLDINGS CORPORATION) 日本  休閒產品 29.3億歐元/518.72億歐元/5.65%82、百度(BAIDU, INC.)  中國  軟體和電腦服務 29.19億歐元/175.55億歐元/16.63%83、大陸(CONTINENTAL AG)  德國  汽車和零部件 28.66億歐元/397.19億歐元/7.22%84、中國石油(PETROCHINA COMPANY LIMITED)  中國  石油和燃氣生產 28.42億歐元/3874.28億歐元/0.73%85、戴爾(DELL TECHNOLOGIES INC.)  美國  科技：硬體和裝置 28.32億歐元/919.89億歐元/3.08%86、RTX CORP 美國  航空航天和防務 28.24億歐元/777.15億歐元/3.63%87、網飛(NETFLIX, INC.)  美國  通用零售 28.16億歐元/375.41億歐元/7.50%88、采埃孚(ZF FRIEDRICHSHAFEN AG)  德國  汽車和零部件 28.08億歐元/413.77億歐元/6.79%89、BLOCK INC 美國 軟體和電腦服務 28.05億歐元/232.18億歐元/12.08%90、沃爾沃集團(AB VOLVO)  瑞典   汽車和零部件 27.84億歐元/459.74億歐元/6.05%91、財捷(INTUIT INC)  美國  軟體和電腦服務 27.08億歐元/156.75億歐元/17.27%92、美團(MEITUAN)  中國  通用零售 26.96億歐元/445.18億歐元/6.06%93、雅培(ABBOTT LABORATORIES)   美國  製藥和生物技術 26.8億歐元/403.79億歐元/6.64%94、第一三共(DAIICHI SANKYO COMPANY LIMITED) 日本 製藥和生物技術 26.74億歐元/115.68億歐元/23.11%95、雷諾(RENAULT)  法國  汽車和零部件 26.69億歐元/562.32億歐元/4.74%96、LG電子(LG ELECTRONICS INC.)  韓國  休閒產品 26.6億歐元/572.58億歐元/4.65%97、美敦力(MEDTRONIC PUBLIC LIMITED COMPANY) 美國 醫療裝置和服務 26.3億歐元/322.81億歐元/8.15%98、ATLASSIAN CORPORATION  澳大利亞 軟體和電腦服務 25.69億歐元/50.20億歐元/51.18%99、WORKDAY, INC.美國  軟體和電腦服務 25.28億歐元/81.3億歐元/31.09%100、INCYTE CORPORATION  美國  製藥和生物技術 24.98億歐元/40.82億歐元/61.20% (全球企業動態)