Joe 蔡崇信《中國經濟增長的科創引擎》回看及思考

這個世界是多層次的，認知在那個層次，生活和圈子就在那個層次。因此所謂跨越，我自己的體會最大的 Gap 也不是財富，家庭，身份等社會標籤，恰恰是認知差異（當然認知形成也來自於社會位置，原生家庭，經歷閱歷），一個擁有高認知，高資訊攝取能力的人，發現和抓住機會的能力顯然高於那些習慣道聽途說的人，一個對產業趨勢的深刻理解也顯然比單打獨鬥的人更強

資訊氾濫的時代，噪音和SB此起彼伏，提升認知的最好的方式之一就是及時消化卓越領導者的一言一行，有自己的記錄，總結，思考形成理解之後馬上躬身入局，常識常新。 本周與大家回看分享的是上周港大經管學院“陳坤耀傑出學人講座”上阿里巴巴聯合創始人蔡崇信Joe老闆關於前瞻十年：中國經濟增長的科創引擎的一次演講，今日受商會朋友之邀，來到港大上海中心，提到這次對談，我們都覺得很有收穫和迴響，回來快速整理一下分享給大家

先亮結論“未來十年，中國增長，不靠消費，不靠資本，而靠科技與製造”完成經濟結構轉型

1 製造業是立國之本

蔡崇信首先提到——製造業是國家經濟的底盤，中國的經濟邏輯更接近德國式的“生產驅動”，而非美國的“消費驅動”。他說：“有人說中國產能過剩，那德國汽車的出口算不算過剩？”

他明確指出，製造業不是負擔，而是國家財富的來源。中國的消費佔GDP不到40%，而美國是70%。那麼，未來中國的增長，不能單純靠“花錢”，而是要依靠“造東西”

K哥解讀：

“中國的‘產能過剩’，只是國內視角的問題。從全球看，那是‘產能輸出’——用產品換外匯，用外匯提升收入，再帶動消費。”

依託供應鏈優勢，借助製造業崛起的再一次轉型，智能製造出海，產能出海，是中國企業開啟航海時代的黃金時期

未來十年，中國的製造業將從“代工”轉向“智能製造”，特別是在電動車、太陽能、儲能這些高科技領域，還有工業AI、自動化裝備等高端製造，誰能把這些做得極致，誰就能在全球拿到最多的利潤！

2 科技自立是國家戰略

接著，蔡崇信談到了科技自立的重要性。他直言：“別人不給你技術，你就必須造自己的技術。”

後Covid時代，全球都加強了本國供應鏈的可控性，這是供應鏈生存的底層邏輯，不再是口號，而是現實的生存法則。中國正在進行一次“底層程式碼級”的重構，涉及晶片、半導體裝置、AI演算法、作業系統等領域。

K哥解讀：

“無論是當年的通訊，高鐵還是今日的半導體，大模型，我們都面對著從當年的被迫創新，輪轉為現在需要更多主動創新。”

我知道很多人反感信創，為了創新而創新，騙取國家補貼，可作為一個經歷從2G抄襲，3G追趕，5G 超越，6G要開始引領的電訊行業變遷的參與及見證者，我是無比堅信在半導體及智能製造等強供應鏈依賴領域從中國走出更多個的世界品牌的

如同阿里巴巴當年的例子，在阿里巴巴巴展覽館提醒每位觀眾：“阿里意識到不能再用別人的資料庫時，只能自己寫。 這就是科技自立，不是選擇題，而是被現實逼出來的戰略清醒。當最後一台小型機下線，宣告去IOE成功的時候，只有當時的經歷者知道這意味著什麼，而這開啟後阿里雲黃金發展的十餘年

3 AI：新時代的基礎設施

蔡老闆特別提到，未來中國要打造的AI基礎設施，他說：“AI的競爭，不看模型分數，看的是社會滲透率。” 這點Google的斯密特也提到過

中國在AI領域的優勢不在於模型的聰明，而在於能源、成本和人才。而這三張底牌會支撐中國走出AI Infra領域的全球龍頭的企業

•能源穩定優勢：中國年電力投資是美國的3倍，電價便宜40%

電力裝機更大，綠色能源更充足，輸電和配套多年前就開始鋪路，這給資料中心和訓練叢集提供了“口糧”

•結構性成本優勢：在中國建資料中心成本是美國的40%

同樣規模的算力中心，這裡可以更便宜、更快地建好並營運

•工程師紅利優勢：全球AI研究員中，近一半有中國教育背景，甚至在矽谷的AI實驗室，中文已經成了默認語言。

硬體緊缺倒逼軟體最佳化，分佈式訓練、調度與能耗控制的系統能力在快速進步。語言層面的優勢也在放大，中文網際網路的內容密度與語義複雜度，為模型訓練提供了更豐富的土壤

矽谷已經開始流傳 “第一次，中文成為科技語言的優勢！”

4 開源大模型的普惠式生態

閉源好用，但成本高、邊界不透明。開源可自部署、可控、成本低，更適合“普惠式擴散”。

阿里巴巴的AI策略是什麼？蔡老闆透露：“我們開源模型，不是做慈善，而是要讓AI像電一樣普及。” 背後的商業路徑也很直白：不靠模型本身收費，而靠雲與基礎設施來承接需求。模型越普及，雲的價值越高。模型會迭代，但底座會複利，這才是經得起周期的部分

K哥解讀：

模型開源、算力計費，讓AI普及，形成網路效應，簡單直白的商業邏輯，重資產研發投入，看市場滲透和使用者採納率

相信大家已經看到阿里推出了面向全球客戶的 C 端應用Qwen配合千問全尺寸模型，如Joe講的“阿里的AI是免費的——我們讓AI成為全民工具，而不是資本玩具。最終能否和 OpenAI一樣形成超級入口+超級模型，值得期待，拭目以待吧

這一戰略正好與中國的AI政策契合，2030年，AI滲透率要達到90%。在全球都在爭論“AI能不能取代人”的時候，我們更應該思考：“我們如何用AI來重構效率？” 這才是未來十年的真正財富風口

5 給年輕人的建議

蔡老闆還給年輕人提了幾個重要建議，他說：“未來最重要的能力，不是記住答案，而是提對問題。”

他特別推薦大家學三門學科，建構核心技能矩陣

1.資料科學——理解機器：數字宇宙

2.心理學與生物學——理解人：人性與決策

3.材料科學——理解物：突破算力瓶頸

K哥解讀：

這個話題和一個同事在招募後討論能力模型以及未來教育需要時也有聊過，“未來最有價值的能力，不是‘知道’，而是培養學習興趣以及學會“學習”的能力

這比學什麼更加重要，畢竟現在已經沒有人預測未來金融，消費，科技會發展成什麼形態了

學程式設計是練結構化思維，學表格是做清晰推演，學資料科學是讀懂數字語言。再加一門心理學或生物學，去理解人如何感知、如何決策；再看材料科學，從位元走向原子，很多卡脖子問題的鑰匙就藏在物理世界。看，無論學習什麼，都是建構最基礎學習能力，成為複合型人才

程式設計不只是為了寫程式碼吃飯，而是為了鍛鍊把複雜問題拆解成機器能懂的指令的思維。而像Excel這種表格工具，實際上是在鍛鍊你處理邏輯的能力

結尾總結

總結一下，Joe在講座中給出了未來十年的財富引擎：

•製造業是底盤

•AI是引擎

•能源是燃料

•算力是道路

過去十年是房地產的財富時代，未來十年，“工業智能 + 算力經濟”將成為新的增長曲線，

明白了增長動力，也知曉了未來十年的內戰外戰的時代機遇，知行合一，多問問自己， 和我有什麼關係：

Ask not what your country can do for you, ask what you can do for your country.

F·甘迺迪

共勉：

那作為同道中人亦或是AI 創業者，我們又能做什麼？？？歷史不會簡單重複，但總是押著相同的韻腳。無論當年的網際網路，還是如今的AI，真正該做的是把資源和精力放在“用得更廣”的那條線上，讓採用率成為自己的北極星。 擴散速度與規模：AI的勝負不在單個模型的先進性，而在於應用擴散的速度與規模

如果你在經營一家公司或者在一家公司從事 AI 相關工作，別再盯著Demo及各種炫酷的評測，先在內部挑出最重複也最耗人的流程，選一個，做一次徹底的AI化改造。設一個簡單門檻：一周能上線，能讓團隊節省可感知的時間，資料不外流，成本可預測。之後再看兩件事：用的人多不多，單位成本降了多少。把這件小事做順，第二個場景自然就會來，擴散的速度也會越來越快。AI 不是星辰大海，它就是日常工作的“茶米油鹽” (Kenny哥的世界觀)