【新智元導讀】祖克柏的「元宇宙」執念終於向現實低頭，Meta計畫削減該部門人力，將資源全面傾斜至銷量意外火爆的AI智能眼鏡。在Reality Labs四年燒掉700億美元後，伴隨著競爭對手的退潮，Meta決定不再死磕笨重的VR頭顯。為了打贏這場新的戰役，祖克柏甚至挖來了前蘋果資深設計師，試圖讓可穿戴裝置真正成為時尚單品。祖克柏宏大的「元宇宙」願景，正式宣告大敗局。據三位知情人士透露，Meta正在醞釀對其Reality Labs（現實實驗室）旗下的元宇宙相關部門進行裁員。這把「手術刀」最早可能在下個月落下，預計將波及該部門10%到30%的員工。該部門主要負責VR頭顯以及基於VR的社交網路開發。儘管具體的裁員人數仍在變動中，但這無疑是一個明確的訊號。需要釐清的是，Meta並沒有打算徹底放棄建造元宇宙的夢想。與其說是撤退，不如說是一次戰略資源的「乾坤大挪移」：高管們計畫將節省下來的資金，從單純的VR領域，轉移到目前勢頭更猛的AR眼鏡和可穿戴裝置上。從「頭號玩家」到「時尚單品」這一轉變並非無跡可尋。早在2021年，Meta就與雷朋（Ray-Ban）聯手推出了一款內建攝影機和麥克風的智能眼鏡，使用者可以用它接電話、聽音樂。而隨著近期AI助手的加入，這款眼鏡搖身一變，成了使用者可以通過語音互動的智能終端。出人意料的是，這款眼鏡在市場上大獲成功，銷量遠超內部預期。相比之下，厚重的VR頭顯在消費者普及度上依然步履維艱。Meta發言人Nissa Anklesaria在一份聲明中證實了這一動向：「鑑於目前的發展勢頭，我們正在調整Reality Labs的投資組合，將部分資源從元宇宙轉向AI眼鏡和可穿戴裝置。」她同時也強調，公司並沒有計畫進行除此之外更廣泛的變革。700億美元的代價，與競爭的退潮回溯到2021年，祖克柏將公司從Facebook更名為Meta，以此宣示他致力於建構基於VR的下一代網際網路（元宇宙）的決心。自2014年收購Oculus以來，這始終是他眼中的「應許之地」。然而，通往未來的路費極其昂貴。Reality Labs作為承載這一願景的硬體和軟體核心部門，在過去四年裡累計虧損超過700億美元。隨著Meta在人工智慧領域的投入也在不斷加碼，預計未來將在資料中心和AI開發上燒掉數百億美元，而投資者的耐心已被這一連串驚人的數字消磨殆盡。此外，外部環境的變化也給了Meta「喘息」的機會。知情人士指出，Meta之所以敢在此時考慮削減元宇宙投入，部分原因在於競爭壓力的減弱。2021年時，蘋果和Google都在瘋狂推進各自的VR裝置，但在對手們的腳步逐漸放緩後，Meta的高管們認為，公司也可以適度調低在VR領域的衝刺速度。設計為王的新篇章Reality Labs由元宇宙部門和可穿戴裝置部門組成。知情人士透露，此次裁員的重災區將集中在VR崗位。與此同時，祖克柏正在為智能眼鏡注入更多的時尚與設計基因。在今年的開發者大會上，Meta展示了三款新型智能眼鏡，其中一款甚至在鏡片內嵌入了微型螢幕。而在本周三，祖克柏宣佈了一項重要任命：聘請曾在蘋果任職多年的資深設計師Alan Dye，領導Reality Labs內部一個新的創意工作室，專注於設計、時尚與科技的融合。Alan Dye將直接向Meta首席技術官Andrew Bosworth匯報。祖克柏在周三的Threads帖子中寫道：我們正在進入一個新時代，AI眼鏡和其他裝置將改變我們要技術以及彼此之間的連接方式。有了這個新工作室，我們將專注於讓每一次互動都經過深思熟慮、直觀自然，並真正服務於人。通往未來的最短路徑，或許並不是建構一個全新的虛擬世界。 (新智元)

【新智元導讀】年輕人一邊狂用AI，一邊又擔心被它取代。哈佛最新民調顯示：59%的18–29歲受訪者認為AI正在威脅他們的未來。效率越高，安全感越低，這代人被迫提前長大。你上一次用ChatGPT，是多久前的事？一天？一小時？或者剛剛就開著它寫東西？不管你承不承認，AI早就從科幻電影裡走入現實，滲透現實，甚至重塑現實。當AI以驚人的速度滲透到創意、文案、程式設計甚至金融分析等領域時，一種複雜的、糾結的情緒正在年輕一代中蔓延。最近幾個月，越來越多年輕人開始發現一個微妙的變化：明明離不開AI的幫助，可每次看到它把事情處理得又快又準時，心裡都會閃過一瞬間的不安——那我到底還能做什麼？最新一份哈佛青年民意調查，把這股情緒赤裸地擺上了檯面。這種「既害怕又使用」的雙重態度，折射出了現代職場生存的真相。一代人的未來感，在資料裡變得脆弱當AI浪潮席捲而來，年輕一代正站在焦慮與機遇並存的十字路口。年輕人常常是擁抱新技術的先鋒群體。35%的受訪者表示，會定期使用像ChatGPT或Claud這樣的大模型。高達52%的人信任AI，並將其用於完成工作或學校任務。不同年齡段每天使用AI的比例對比。18–29歲的年輕人是最頻繁、最熟悉AI的群體：53%每天使用一次以上，遠高於65+的30%。然而，在積極採用的表象之下，是深刻的職業危機感。最新的哈佛青年民意調查的資料顯示，有59%的美國年輕人認為，AI會威脅他們的工作前景。其中26%的年輕人認為威脅「非常大」，33%認為「有一定威脅」；只有23%的人覺得AI不會對他們的未來造成影響。不僅僅是飯碗不保，年輕人對職業價值的期待也受到了巨大衝擊。44%的人認為AI會讓未來的工作變得更沒意義。同樣有44%的人覺得AI會拿走機會，而不是創造新的。可是更矛盾的是，52%的年輕人信任AI幫他們完成學校或工作的任務，35%已經經常使用ChatGPT、Claude這類LLM。一邊害怕被它取代，一邊又離不開它。這種「依賴和恐懼同時存在」的狀態，第一次被大規模記錄下來。數字沒有給出答案，但它們拼出的未來很清晰—— AI正讓一整代人的未來感開始鬆動。在AI面前失去安全感的年輕人年輕人的工作焦慮，絕不是空穴來風，它指向的並不是「怕失業」，而是「不可替代性正在變弱」。美國公眾對 AI 的情緒變化（2021–2025）。隨著AI 加速發展，「更擔心than excited」的比例持續增長，2023起穩定在50%以上。這才是他們焦慮的真正來源。被AI藏起來的「過程」寫報告、查資料、整理任務、總結資訊這些過去需要時間積累的能力，現在被AI幾秒鐘完成。年輕人清楚地感覺到自己所謂的具有專業性的「做事方式」，正在被工具快速接管。「工作會變得沒意義」不止是字面意思，更像是發問：如果我做的這部分被AI輕鬆完成，那我的意義在那裡？過程消失，價值也跟著一起變得模糊。AI讓同質化更加嚴重AI的使用率越高，越會有一個共性——寫作、表達、分析方式，逐漸趨同。對於正在努力建立「專業差異感」的年輕人來說，這種趨同最容易引發心理上的塌陷：別人用AI也能做出來，我的這一份，到底有什麼不同？年輕人覺得AI會讓機會減少，本質上就是一種「競爭優勢被平均化」的直覺。存在感被反向削弱年輕人使用AI時，很少是衝著「替代」去的，可是每當看到模型跑出結果時心裡冒出來的那句：它可以自己完成，它不需要我。越來越難忽略。一邊離不開AI，一邊又覺得未來機會減少、意義降低。這種「依賴」和「被威脅」並存的狀態，讓年輕人第一次意識到：AI不只是一個工具，它正在重寫他們衡量自己的方式。衡量標準不是「能不能做好」，而是「有沒有必要做」。年輕人的焦慮不是突然發生的，而是在日常使用AI的過程中，被一點點放大。數字只是一種衡量的指標，真正的衝擊，則來自一種正在悄悄形成的共識——在未來，工作會繼續存在；但那個位置，未必永遠屬於某個具體的人。真正的不安，未來被「重新分配」數字並沒有直接說「AI會取代誰」，但它們隱約指向一個正在發生的事實——未來的價值結構正在被悄悄調整。在過去的職場，年輕人的優勢往往來自可量化的能力。寫得快、學得快、願意加班、願意苦幹；在同一套流程裡比別人更細緻、更投入、更能扛壓。可是當AI把這些「可重複的能力」一點點模仿以後，年輕人的起跑線變得模糊。努力，也不再自動轉化成價值。AI正在搶走「第一層工作」第一層工作，是那種一上手就能看到產出的任務，比如總結、整理、寫初稿、做PPT、找資料。過去靠這些任務就能證明「我很能幹」。現在AI做這些幾乎沒有成本，而且更快。不是因為這些工作消失了，而是因為它們不再代表價值。濃濃的挫敗感：努力和結果不對等數字背後有一個隱形邏輯：你越努力掌握那些能用AI替代的技能，你的價值感就越容易被稀釋。這給人帶來挫敗感。努力不再是保障，而是一種不穩定的籌碼。這也是年輕人與AI矛盾的關鍵節點：越需要它，越覺得自己變得廉價。工作還在，只是需要的人變少了AI帶給我們的最大禮物，可能並非是效率工具，而是一次重新定義工作與生活關係的契機。材料裡有一組資料矛盾又諷刺：52%信任AI，說明AI已經融入學習和工作；但59%感到被威脅，這說明AI的融入是「替代式」的。這是一個越來越真實的趨勢：未來的崗位不會消失，但一個崗位可能不再需要那麼多人。當基礎產出被自動化，工作會從執行轉向判斷、選擇、創造、決策。而這些位置，本身就不多。未來不是沒有他們，而是未必輪得到他們來決策。我們被迫思考：如果機器能做一切，那麼我活著的獨特價值和不可取代的才能究竟是什麼？AI沒有奪走未來，而是改寫了未來的入口AI並不是突然施加在年輕人身上的一場危機，而是一種正在重排秩序的力量。它沒有摧毀工作，也沒有宣告誰會被淘汰，但它在悄悄改變我們的思維——什麼樣的能力還能代表價值？什麼樣的努力還能通往未來？這一代年輕人的處境因此變得微妙。他們是最早掌握AI的群體，也是最早意識到會用並不等於足夠。他們知道工具很強，也知道工具的強大。這不是恐慌，更像是一種被迫提前的成熟。未來不是「順理成章」，而是需要重新爭奪。AI 的出現讓未來不是更遠了，而是更近了，近到必須開始思考「我在這裡的位置是什麼」，近到讓這一代人在還沒站穩的時候，就已經開始面對未來的重量。而這種重量，正在成為他們共有的情緒底色。 (新智元)

輝達 H200 是 Hopper 架構旗艦 AI 晶片，為 H100 升級款，首發 HBM3e 記憶體。2025年12月8日，川普政府允許輝達向獲批中國客戶售H200晶片。此前該晶片一直遭禁，輝達僅能對華供應性能縮水的特供版H20。此次放寬附嚴規：25%銷售收入上繳美方，且排除敏感領域客戶。更先進的Blackwell等晶片仍被禁，這是美方從全面封鎖轉向分級封鎖的調整。 (芯榜)

“一天一個價，甚至一天幾個價”，深圳華強北的儲存商戶們這樣描述近期的市場行情。這是儲存行業進入超級周期的鮮明寫照。眾所周知，隨著AI需求的爆發，儲存行業正經歷一場前所未有的結構性變革。2025年下半年，尤其是近幾個月以來，儲存行業全面進入加速上行周期，儲存原廠盈利能力持續提升，HBM供應緊張，SK海力士2026年底前的產能已基本被AI大客戶鎖定，三星留給中小廠商的份額不足10%。HBM之外，在這一浪潮中，DRAM作為儲存賽道的另一關鍵領域，重新回到了各大廠商的戰略核心位置，備受追捧。面對當前儲存市場供不應求、價格持續上漲的局面，三星電子、SK海力士、美光三大儲存晶片巨頭採取了不同的應對策略，以適應市場的變化，搶佔未來發展的制高點。AI熱潮下，儲存巨頭轉向與產能豪賭三星：縮減HBM產能，擴建DRAM產線近期，三星電子計畫將用於HBM3E生產的第四代1a奈米製程產能下調30%-40%，轉而投入第五代1b奈米製程的通用DRAM生產，每月可新增約8萬片晶圓產能。據悉，目前三星的HBM3和HBM3E記憶體均基於1a奈米製程的DRAM，而HBM4則基於1c奈米製程，以形成對SK海力士的競爭優勢，1b奈米製程工藝產能主要由通用DRAM佔據，包括DDR5、LPDDR5X等，也有部分會用於生產GDDR7。因此，對於三星電子而言其1b製程DRAM產能的盈利能力反而超過了受益於HBM高價格的1a製程，進而推動其產能從HBM熱潮到DRAM轉向。據瞭解，三星這次調整的背後是明確的利潤考量。三星內部評估顯示，儘管HBM產品單位售價高，但其議價能力弱。雖然三星HBM3E良率已有顯著提升，今年下半年也加入了輝達的HBM3E供應鏈，但其供應量仍然有限，且供給輝達這些大客戶的HBM3E價格也要比競爭對手低，這也導致了三星當前的HBM3E產品的利潤率只有約30%左右。此外，輝達、AMD等頭部廠商都計畫從明年開始將其主要產品的需求過渡到HBM4，這也將導致HBM3E市場需求減少。據預計，明年12層HBM3E產品的售價可能將再下降30%以上，這也意味著三星HBM3E的利潤率可能會進一步降低。而相比之下，在AI熱潮下，HBM搶佔標準DRAM產能，短期內DRAM擴產幅度有限等原因，導致基於1b奈米製程DRAM產能的通用DRAM產品供不應求、價格持續上漲。三星基於1b DRAM產能的DDR5等通用DRAM的利潤率將超過60%，遠高於HBM3E產品。因此，對於三星來說，降低HBM3E產能，擴大標準DRAM產出將更有利可圖。不僅如此，三星還將平澤和華城園區的部分NAND快閃記憶體產線改造為DRAM產線，聚焦資料中心所需的大容量DDR5及LPDDR5X產品，以快速響應AI伺服器的旺盛需求。另一方面，三星為搶佔HBM4先機，也正在加緊提升1cnm DRAM的生產能力，計畫到2026年第二季度將產能提升至每月14萬片晶圓，到第四季度進一步提高到每月20萬片晶圓。據TrendForce報導，為實現這一目標，三星一方面通過現有的DRAM生產線過渡，另一方面通過平澤P4工廠的新投資來實現。不過最近也有傳聞表示，三星對於HBM4的投資偏於謹慎，可能也在考慮進一步削減投資。從整體而言，在這場產能佈局的調整中，三星展現出了果斷的決策力。通過這一系列舉措，旨在最佳化產能配置，提高生產效率，從而在激烈的市場競爭中佔據更有利的地位。正如業內知情人士透露：“三星致力於在明年取得優異的市場業績，其核心目標是實現比SK海力士更高的利潤，並在盈利能力方面實現趕超。因此，這也是三星計畫保持DRAM產量的高速增長，並計畫將大部分產能分配給利潤率較高的通用DRAM的原因所在。”SK海力士：通用DRAM需求激增，產能暴漲8倍與三星的戰略調整相呼應，SK海力士也在調整自己的產能佈局。據報導，為應對旺盛的DRAM需求，SK海力士計畫將DRAM產能投資目標翻了一番。不過不同的是，SK海力士的大部分DRAM產能的擴張仍是投資於HBM等資料中心產品的應用。SK海力士在其第三季度財報會上進一步強化了這一預期：“儘管通用DRAM的利潤率可能與HBM相近，但我們不會僅僅因為盈利能力的暫時性變化就立即調整產能結構。”可見，SK海力士擴產規劃與旨在通過擴大通用DRAM供給來提升獲利的三星電子存在差異，其更傾向於提高面向資料中心的DRAM產品需求來提升獲利，畢竟SK海力士在HBM領域的市場份額遙遙領先，並且2026年的HBM產能已銷售一空。對此，SK海力士M15X晶圓廠預計2025年底量產1b DRAM，初期月產能3.5萬片，主要用於HBM3E核心晶片生產，以鞏固其在HBM市場50%以上的份額優勢，未來預計可擴大至5.5萬-6萬片。業界估算SK海力士的HBM4利潤率約為60%。，其明年HBM銷售額約為40兆至42兆韓元。若維持與今年相同的利潤率，SK海力士僅HBM業務就將產生約25兆韓元營業利潤，較今年的17兆韓元增長近50%。不過值得注意的是，在加碼HBM產能的同時，SK海力士並未放緩通用DRAM的佈局。SK海力士的產能提升計畫重心主要集中在最先進的1c DRAM技術節點。據韓國媒體報導，SK海力士計畫明年將第六代10奈米DRAM（1c DRAM）月產能從目前約2萬片300mm晶圓提升至16萬至19萬片，增幅達8至9倍，佔其DRAM總產能的三分之一以上。據業內人士透露，SK海力士已將1c DRAM的良率提升至80%以上，該製程主要用於製造DDR5、LPDDR和GDDR7等最新通用DRAM產品。而此次擴產後的1c DRAM將主要聚焦於生產GDDR7和SOCAMM2等產品，以滿足輝達等大型科技公司的訂單需求。此前，SK海力士將產能重點放在HBM上，判斷HBM需求增長將超過通用DRAM。但隨著AI模型從學習擴展到推理領域，通用DRAM的需求增速預計將與HBM相當。在AI推理應用中，比HBM更節能、更經濟的先進通用DRAM成為主流選擇。輝達近期發佈的AI加速器Rubin CPX採用的是GDDR視訊記憶體而非HBM視訊記憶體，直接部署在處理器旁邊。輝達使用的面向AI伺服器和PC的記憶體模組標準的SOCAMM2記憶體模組同樣採用1c DRAM，與HBM相比頻寬較低但能效更高。Google、OpenAI和亞馬遜網路服務等大型科技公司也在開發整合大量通用DRAM的定製AI加速器。在此行業趨勢下，業內人士預測SK海力士將獲得一定數量的供應訂單。這一戰略調整反映出AI推理應用對成本效益更高的通用DRAM需求激增，SK海力士正將戰略重心從HBM擴展至更廣泛的AI記憶體市場。相比需要複雜堆疊工藝的HBM，1c DRAM的生產效率更高，能夠更快速響應市場需求的爆發式增長。綜合來看，在HBM和通用DRAM雙輪驅動下，業內人士預計，SK海力士明年設施投資額將輕鬆突破30兆韓元，較今年預計的25兆韓元大幅增長。市場預測該公司明年營業利潤有望超過70兆韓元，創下歷史新高。美光：多業務終止，聚焦高價值DRAM相較於韓國儲存雙雄，美光的戰略轉向顯得更加決絕。美光不僅選擇終止移動NAND產品開發、甚至不惜砍掉消費類業務品牌Crucial，計畫將這部分產能重新分配到毛利潤率更高的HBM/企業級DRAM和SSD產品上來，將未來所有產能和研發資源全力投向資料中心市場，以滿足AI領域日益增長的需求。這個看似簡單的品牌“停擺”決策，背後藏著一張利潤表的激烈博弈。據美光內部一份未公開的財務資料顯示，2025年上半年，資料中心儲存晶片的毛利率高達42%，而消費級儲存產品的毛利率僅為14%，前者的利潤是後者的3倍。對此，Crucial品牌營運負責人在內部會議上無奈表示：“我們不是放棄消費者，而是在資本的選擇裡，沒有太多餘地。”TrendForce集邦諮詢報告指出，美光目前正在新建多個工廠的產能。比如，在台灣的A5工廠，主要是擴大HBM堆疊能力，目前正計畫破土動工；美光在美國的ID1晶圓廠位於愛達荷州博伊西市美光研發中心附近，奠基儀式於2024年舉行，預計新晶圓廠將於2027年上半年開始生產晶圓；在美國的ID2晶圓廠的第二階段將在第一階段晶圓廠完工後開始建設，並比N.Y.Fab更早進入大規模生產；位於美國的N.Y.Fab目前仍處於準備階段，計畫於 2025 年底開始破土動工，預計將於2030年前進入量產階段；位於日本廣島工廠預計將於 2026 年開始建設，主要將用於HBM相關生產。值得注意的是，在愛達荷州的博伊西晶圓廠，美光把原本生產消費級儲存晶片的3條生產線，全部改成了生產HBM和資料中心用DRAM晶片的生產線。“我們跟輝達簽了一份為期3年的供貨協議，每年要給他們供應至少120萬顆HBM晶片，為了完成這個訂單，我們不得不調整產能。”美光首席執行長Sanjay Mehrotra在財報電話會議上表示。據路透社消息，在經過大規模的市場調查之後發現，今年10月，Google、亞馬遜、微軟和Meta也紛紛向美光提出了“無限期訂單”，他們告訴美光，無論價格如何，只要能交付多少，他們就會接收多少。這或許也能解釋，美光為何不惜砍掉自家的消費類品牌來增加資料中心/企業級的供給。美光科技首席商務官Sumit Sadana在接受採訪時表示，2026年DRAM記憶體供應形勢將比當前更為嚴峻。他指出，HBM產品對晶圓的消耗約為傳統DRAM的三倍，而主要廠商正將大量產能轉向HBM，疊加新建DRAM晶圓廠成本上升與周期延長，短期內難以實現大規模擴產。美光計畫於2026年小批次交付HBM4，有望提升其在該領域的市場份額，逐步接近整體DRAM市場的佔有率水平。今年6月，美光宣佈開始逐步停產DDR4，預計在未來6到9個月內出貨量將逐步下滑，直至最終徹底停產。這一動作清晰地展現出其對高端產品的傾斜與對未來趨勢的前瞻判斷。美光通過聚焦高價值儲存戰略，強化了其在高端儲存市場的優勢，也為未來發展積蓄了新的動能。不過，隨著智慧型手機、汽車等領域DRAM搭載量持續提升，美光正與客戶協商調整車用記憶體定價策略，並將適當延長DDR4記憶體生產以滿足市場需求。產能轉向背後，深層邏輯與三重驅動分析來看，儲存巨頭的產能轉向並非偶然，而是由利潤、需求和技術三重因素共同驅動的戰略調整，但其路徑選擇卻因各自市場地位與技術儲備的不同而呈現出顯著差異。利潤是最直接的驅動力： 三星的HBM3E因定價較競爭對手低約三成，且市場份額有限，營業利潤率僅為30%左右。相比之下，AI熱潮導致的供應緊張，使得基於1b奈米製程的通用DRAM（如DDR5）的預期利潤率超過60%。這一巨大的利潤差，直接驅動三星計畫將30%-40%的1a奈米HBM3E產能轉向通用DRAM；而SK海力士因其在HBM市場佔據絕對主導地位，其HBM業務利潤率高達約70%，因此其重心仍優先保障HBM，但也同時加速擴產1c DRAM，應對通用DRAM利潤率即將追平HBM的市場變化；美光則最為決絕，通過砍掉消費級品牌Crucial，將全部產能和資源重新分配給利潤率數倍於消費級產品的資料中心/HBM市場，規避低利潤陷阱。市場需求的變化同樣關鍵：在需求層面，AI應用從訓練向推理及邊緣側延伸，引發了對大容量、高性價比儲存的結構性變化。這不僅持續推高HBM需求，更催生了對GDDR7、大容量DDR5/LPDDR5X等通用DRAM的爆發性需求。例如，輝達新發佈的AI加速器也採用了基於通用DRAM的解決方案。面對Google、微軟等雲巨頭“無限期訂單”的強勁需求，巨頭們不得不重新評估產能分配。面對AI浪潮下的市場結構變革，三星聚焦AI伺服器亟需的大容量DDR5/LPDDR5X，搶抓通用DRAM短缺紅利；SK海力士兼顧AI訓練對HBM的剛需與AI推理對GDDR7等高效通用DRAM的新增需求，平衡短期訂單與長期趨勢；美光則響應輝達、Google等巨頭的“無限期訂單”，加碼資料中心儲存供給。技術與產能的適配性是戰略落地的基礎：HBM生產複雜、良率爬升慢，擠壓了通用DRAM的晶圓產能。因此，三巨頭的製程策略出現分化：三星以1b製程提升通用DRAM產能效率，同步押注更先進的1c奈米製程用於未來HBM4，以尋求技術超車；SK海力士則基於其領先優勢，選擇將更成熟、可快速擴產的1b奈米製程作為HBM3E/HBM4的產能基石，實現通用產品快速擴產，規避HBM複雜工藝的產能限制；美光通過產線改造與DDR4停產，集中資源攻克HBM4技術與高端DRAM領域，適配高端市場需求，三者均以製程升級實現產能最佳化與利潤最大化的雙重目標。同時，為快速響應市場，三星和SK海力士都在大幅擴建1c奈米通用DRAM產能，而新建工廠周期較長，普遍到2027年及以後才能達產，也迫使它們必須最佳化現有產能。儲存三巨頭，博弈與分野在這場儲存盛宴中，三星、SK海力士、美光三巨頭憑藉技術優勢、市場份額與產能規模，成為最大受益者，各自謀劃未來藍圖。三星電子、SK海力士和美光科技在DRAM領域的競爭呈現差異化特徵。三星正以規模優勢重塑其市場地位，計畫將每月1b奈米製程產能增加約8萬片晶圓。該公司計畫通過平澤Fab 4工廠的1c製程專用產線，在2026年將DRAM產能提升至每月15萬片。從市場份額來看，2025年Q1三星在全球DRAM市場的份額為34%，落後於SK海力士的36%。但三星憑藉其強大的技術實力和產能優勢，採用“通用DRAM保量、HBM4搶高端”的雙線策略，目標是在2026年實現DRAM營業利潤超越SK海力士，重新奪回全球DRAM市場份額第一的寶座。SK海力士則採取了不同策略，作為HBM市場的絕對龍頭，選擇聚焦高壁壘的HBM3E/HBM4產能擴張，短期以HBM3E保障輝達、Google等核心客戶的確定性需求，規避HBM4量產過早帶來的技術驗證風險；長期通過HBM4、HBM4E的技術迭代與產能擴張，維持市場龍頭地位並鎖定高端溢價。同時增加資料中心級DRAM供應，以1c製程擴產為核心抓手，既通過資料中心專用產品承接AI算力爆發需求，又靈活調整通用DRAM產出，把握價格上漲周期的盈利機遇，同時保障客戶供應鏈穩定。SK海力士在DRAM與HBM兩大賽道的佈局始終緊跟市場需求變化，形成核心業務穩固擴張、高端產品精準卡位的雙軌戰略。據報導，SK海力士2026年全系列儲存訂單基本已經售罄。在面對市場變化和競爭壓力時，美光的策略更加聚焦。在退出中國資料中心市場後，美光將資源集中於HBM4技術研發與DDR5產能建設，計畫在2026年將HBM產能增加四倍，並加速 1α 奈米製程的量產。同時主動縮減消費級DRAM品牌業務，將產能優先分配給蘋果、Google等高價客戶，這一舉措雖然在短期內可能會影響美光在消費市場的份額，但從長期來看，有助於美光提升整體利潤率。在技術研發上美光也不遺餘力，不斷提升HBM和DDR5的性能指標，以滿足高端市場對儲存性能的嚴格要求。儲存漲價潮持續，重塑產業鏈儲存巨頭的產能轉向正在對整個行業產生深遠影響。對消費電子市場的影響首當其衝。有業內人士表示，記憶體價格已經飆升到“幾乎負擔不起”的程度。這種局面大機率會貫穿整個2026年，可能要到2027年下半年才有所緩解。在供應鏈層面，儲存模組廠成為受影響最直接的一環，產品隨行就市，上游漲價，下游傳導。許多頭部模組廠已經決定暫停出貨並重新評估報價。能夠感受到，產業鏈重塑正在悄然發生。尤其是在AI浪潮帶來的超級周期下，儲存市場正從消費驅動向技術驅動轉型。隨著大模型訓練和推理對記憶體容量需求的激增，HBM和DDR5記憶體的緊缺可能進一步傳導至整個儲存產業鏈。市場預計這一供需失衡局面將持續到2027年，當新的產線陸續投入營運，儲存行業的格局也將隨之改變。不過，隨著輝達將AI晶片更新周期縮短至一年，儲存行業的這場技術軍備競賽，遠未到停歇之時。(半導體行業觀察)

人工智慧真的是一場泡沫嗎？這種關於盛衰周期的敘事雖令人耳熟能詳，卻與一項新技術所蘊含的種種可能顯得脫節。在過去的幾個月裡，我將人工智慧引入了我七歲兒子彼得的業餘生活中。在周六，他會上程式設計課，最近他在課上製作了一個“石頭剪刀布”遊戲的版本，他真的很想在家裡製作更複雜的遊戲。我向 ChatGPT 和 Claude 介紹了他的技能水平，它們瞬間就建議了接下來的步驟。Claude 提議嘗試在 Scratch（一種面向兒童的程式設計環境）中重現《Pong》（乓）遊戲。我們下載了它，我坐在扶手椅上，iPad 上開著 ChatGPT，而彼得則在電腦上嘗試這個項目。每當他卡住時，我就回答他的問題，利用我自己的程式設計知識或求助於 A.I.。大約一小時後，他完成了一個該遊戲的初級版本。在接下來的幾周裡，在我和 A.I. 的進一步幫助下，彼得製作了一個基於電影《創：戰紀》（Tron）中光輪摩托決鬥的遊戲，配有音樂和計分系統。他勾勒了一個“圖書館模擬器”的雛形，並完成了他自己的街機遊戲《太空點點》（Dot in Space），講述一艘微型飛船以曲速飛行的故事。每當他遇到可能扼殺動力的障礙時，A.I. 都能讓我們順利度過。應我的要求，這些系統開始指引我們走向更複雜的程式設計環境——Construct、GDevelop、Godot Engine、GameMaker——並建議更具野心的項目。上周末，他熬夜程式設計製作了一個精美的《小行星》（Asteroids）遊戲版本，一邊狼吞虎嚥地吃著 Cheerios 麥圈，一邊像喝能量飲料一樣大口喝著水瓶裡的水。既然彼得是個孩子，而我是個爸爸，這一切可能顯得可愛而古雅。A.I. 能幫助年輕人學習程式設計，還能幫助年長者成為程式設計導師，這難道不好嗎？但請從不同的角度考慮正在發生的事情。在《國富論》中，亞當·斯密將工人“獲得的有用的能力”描述為一種“固定資本”——類似於一塊房地產或一件裝置。直到二十世紀六十年代，一位名叫西奧多·舒爾茨（Theodore Schultz）的經濟學家才創造了“人力資本”（human capital）一詞，用來描述人們投資於自我提升的持續、動態過程。舒爾茨意識到，個人花費大量時間、金錢和精力來變得更有能力。他們上夜校、建立人脈、閱讀自助書籍，並傾向於利用空閒時間“提高技能和知識”。提高人力資本的工作往往在視線之外發生。但他認為，“簡單的事實”是“人們投資於自己，而且這些投資非常巨大”。舒爾茨提出，這些提高“人類努力質量”的投資，可能解釋了經濟學家在過去幾十年觀察到的“每位工人實際收入令人印象深刻的增長的大部分原因”。今天，顯而易見的是，公司和組織從擁擁有大量人力資本的人身上獲益匪淺。當會議有知識淵博的參與者時，它們更有用；當建構產品的團隊擁有廣泛的技能時，產品就會改進。不太明顯的是，公司和組織同時也難以識別和利用人力資本的變化。假設某人被僱傭做一份工作，然後獲得了使她有資格做另一份工作的技能。理想情況下，隨著她變得更有能力，組織結構圖會圍繞她發生變化；實際上，工作往往是一個監獄。當一個工人通過在別處找到工作而越獄時，她帶走了她的人力資本。出於這個原因，從公司的角度來看，理想的僱員幾乎就像是那種在工作第一天之前狂熱地建立自己的人力資本，然後突然慢下來，成為機器中一顆高技能齒輪的人。組織希望他們的工人繼續提升自己——但不要太快，以免他們超越了所處的系統。對管理者來說幸運的是，建立人力資本需要很長時間。或者，至少過去是這樣：人工智慧，除其他外，是一種加速學習和提高能力的技術。數以此百萬計的人現在使用大型語言模型。他們並不都在與聊天機器人調情；相反，他們發現，在 A.I. 的幫助下，他們可以執行以前從未做過的任務，並快速瞭解以前覺得難以接近的主題。當你突然提高人力資本積累的速度時會發生什麼？這是 A.I. 對商業界提出的挑戰之一，商業界正在努力弄清楚這項技術的價值。出於許多原因，將 A.I. 視為增加人力資本的工具感覺很奇怪。它的用處難道不在於智力自動化，這使得來之不易的人類知識變得多餘嗎？領先的 A.I. 公司談論著一個他們的系統已大規模取代工人的未來。目前正在將 A.I. 整合到業務中的大公司幾乎肯定也在沿著類似的思路思考。他們必須這樣做，因為 A.I. 很昂貴。微軟對其企業聊天機器人 Copilot 按使用者收費。如果一家大公司——一家擁有數千名員工的公司——想為其員工購買 Copilot “席位”，它每年將面臨數百萬美元的投資。這種“支出”會帶來相應的回報嗎？公司回答這個問題的最簡單方法是考慮新產品或裁員，這可以分別產生收入或降低成本。（當然，兩者可以結合。）OpenAI 在本周發佈的一份關於“企業”A.I. 的新報告中，提供了一些專注於替代人類勞動的案例研究。一個典型的例子是 A.I. 語音代理，用於客戶服務電話；該公司表示，這樣一個代理目前每年為公司節省“數億美元”。所有這些讓人覺得工人被替代似乎是企業 A.I. 的邏輯終點。但重要的是要注意，無論是在概念上還是在內部核算方面，大公司往往難以弄清楚如何整合新技術。在二十世紀八九十年代，當 I.T. 部門還是新鮮事物時，有時不清楚它們在內部如何被證明是合理的。一個 I.T. 部門可能每年在新型電腦、網路硬體或生產力軟體上花費數百萬美元。所有這些支出產生回報了嗎？如何判斷其價值？如果一家大公司安裝了一台大型機，它可能會取代一些會計師。如果一位 I.T. 經理向她的老闆解釋為什麼電腦很重要，她能說的最簡單的事情可能就是它們可以取代打字池。然而，隨著時間的推移，情況變得清晰，資訊技術的成本和收益遠遠超過了這種核算方式所能解釋的。現代公司圍繞電腦重組了自己；在這個新世界裡，I.T. 部門的重點不是取代依賴電腦的工人，而是提高他們的效率。工人開始對他們的 I.T. 部門提出更多要求。在被稱為“消費化”（consumerization）的發展中，精通技術的員工在家裡使用的工具——如智慧型手機——變得比工作中提供的更先進；想要做更多事情的員工開始要求升級。結果是，今天，當提出 I.T. “支出”時，沒有人堅持認為這些投資會做像取代工人這樣粗暴的事情。重要的問題是新投資是否幫助現有員工完成他們的議程，並跟上其他公司的競爭對手。認為 A.I. 的最佳用途——也許是唯一有利可圖的用途——是直接替代工人的想法結合了兩股思想：一股源於對 A.I. 未來的猜測，另一股源於公司探索新技術時可能無法避免的短期資產負債表思維。與此同時，這與我們許多人在實際使用 A.I. 時的體驗截然不同。大量個人付費購買 OpenAI、Anthropic 和其他公司的帳戶，因為他們發現 A.I. 使他們更有能力和生產力。從他們的角度來看，它是人力資本的倍增器。如果你對自己想要完成的事情有細緻的感知——編寫軟體、分析研究、診斷疾病、修理家裡的東西——A.I. 可以幫助你更快更好地完成它。今天的公司花費大量資金培訓員工；即使是高素質的白領也會接觸線上研討會並被送到昂貴的靜修處，希望他們回來時會有所提高。假設 A.I. 讓一些員工的知識和能力提高了百分之五或十。公司應該為這種認知提升支付多少錢？根據一種關於 A.I. 的敘事，它提供的提升最終將大到足以讓個別工人取代團隊。一些特別樂觀的觀察家建議，不久的將來，我們將看到第一批由一兩個 A.I. 輔助的個人經營的十億美元公司。也許有些類型的工作可能實現這一點。但是，如果你嘗試使用這項技術來做你的實際工作，你可能已經發現了它的內在侷限性。A.I. 系統不夠聰明或資訊靈通，無法做出許多重要決定；它們缺乏關鍵背景；它們是無實體的、健忘的、不自然的，有時甚至極其愚蠢。也許最重要的是，它們無法被問責，也無法在工作中學習。它們可以協助你執行你明智的抱負——但它們不能取代你。所以，廣義上講，情況是，在許多公司，試圖用 A.I. 取代工人將是一個嚴重的錯誤——不僅因為 A.I. 不能取代那些工人，而且因為它實際上使他們更有價值。首先弄清楚這一點的企業將是蓬勃發展的企業。如果 A.I. 在目前的狀態下不能大規模取代工人，那麼為什麼投資者要向 A.I. 行業投入數兆美元？一個可能的答案是他們正在參與一個泡沫。他們要麼被科幻場景的編造所欺騙，要麼正在利用這些場景創造的氣候。最近，作家科利·多克托羅（Cory Doctorow）在西雅圖華盛頓大學的一次演講中概述了他對 A.I. 的一些想法。“A.I. 是一個泡沫，它會破裂，”他說。“大多數公司會倒閉。大多數資料中心將被關閉或拆成零件出售。”會剩下什麼？他的回答基本上是什麼都沒有：只是一堆新變便宜的電腦晶片，曾經用於 A.I.，以及用於“轉錄音訊和視訊、描述圖像、總結文件、自動化許多勞動密集型圖形編輯（如去除背景或從照片中修掉路人）”的軟體工具。多克托羅推測，模型本身可能會被關閉，因為它們的運行成本太高了。我們將不得不忍受隨之而來的經濟崩潰——“七家 A.I. 公司目前佔股市的三分之一以上，”他指出——而沒有我們的聊天機器人治療師。當炒作達到頂峰時，反炒作既不可避免又有價值。然而，風險在於它會變得像它希望戳破的炒作一樣極端。我從1998年到2002年在讀大學，正值第一次網際網路繁榮的頂點；我通過和室友經營一家小型初創公司支付了大部分學費，主要是為其他初創公司製作網站和應用程式。那時，就像現在一樣，無數公司提供的產品都不合邏輯。（我們為其中一些工作過。）很容易預測許多這樣的企業會倒閉，各種規模的投資者都會損失很多錢。儘管如此，底層技術——網際網路——無疑是強大的。今天很難不對 A.I. 說同樣的話。然而，與網際網路繁榮相比，人工智慧的故事更奇怪。當網際網路到來時，人們不確定如何用它賺錢。即便如此，在某種意義上，技術本身是相對完整的。似乎很清楚連接會變得更快、更普遍；除此之外，網際網路可能被用於的用途——串流媒體、電子商務、協作、雲端儲存等——已經大致顯現。（例如，在2000年左右，我們的小公司受僱建立一個工作場所協作系統，它具有許多我們現在與 Slack 聯絡在一起的功能。）在接下來的幾十年裡，建立現代網際網路所需的工程努力將是巨大的；例如，建立雲需要非凡的獨創性。但是，從一開始，網際網路的基本性質或多或少已經確定了。對於 A.I.，情況有所不同。從科學角度來看，建構和理解 A.I. 的工作遠未完成。該領域的專家在重要問題上存在分歧，例如增加當今 A.I. 系統的規模是否會帶來智力的顯著增長。（也許需要由進一步突破塑造的新系統。）他們在概念問題上也存在分歧，例如“智力”意味著什麼。關於當今的 A.I. 研究是否會導致發明能夠進行人類水平思維的系統這一至關重要的問題，他們持有強烈且分歧的觀點。從事 A.I. 工作的人傾向於清晰有力地表達他們的觀點，然而並沒有達成共識。任何編織場景的人都在與一大群同事意見相左。研究人員將通過經驗來回答許多關於 A.I. 的問題，即嘗試建構更好的 A.I. 並看看什麼有效。簡而言之，A.I. 泡沫不僅僅是一個泡沫——它是科學不確定性與不斷演變的商業思維之間的碰撞。此時此刻，關於人工智慧有兩個巨大的未知數。首先，我們不知道公司是否以及如何成功地從 A.I. 中獲取價值；他們正在試圖弄清楚這一點，而且可能會搞錯。其次，我們不知道 A.I. 會變得多聰明。不過，關於第一個未知數，我們有一些線索。我們可以根據第一手經驗說，擁有一個可用的 A.I. 真的很有用；它可以幫助你學習；它可以讓你更有能力；它可以協助你更好地利用你的人力資本，甚至擴展它。我們也可以相當自信地說，A.I. 不能做人們做的許多重要事情——除了在某些狹窄的情況下，它更擅長賦能人類而不是取代他們。與此同時，關於第二個問題——A.I. 是否會變得更聰明，聰明到改變世界——我們知之甚少。我們正在等待結果，甚至專家也無法達成一致。我們的挑戰是基於我們所知道的採取行動，而不是讓我們對未來的猜測否決它。 (外文精譯)

“我們搞砸了。”2025 年 12 月 12 日，史丹佛工程學院百年慶典。Google聯合創始人謝爾蓋·布林（Sergey Brin）回到母校，坐在講台中央，開門見山：Transformer論文是我們發的，但我們沒有足夠認真對待它。算力沒跟上，產品不敢推，就怕聊天機器人說蠢話。時間回到  2017 年。那一年，Google發佈Transformer，技術上領先全球。但 5 年後，率先把大模型變成產品的，卻是 OpenAI。ChatGPT 橫空出世，Claude緊隨其後。而Google，錯過了AI的第一輪爆發。布林沒有迴避這段歷史。他直言：我也在場，但我們沒有行動。2022 年底，他重新回歸Google，親手參與 Gemini的每一個關鍵決策。這一次回到史丹佛，他不講情懷，只講三件事：Google錯在那？現在怎麼追？這場仗，怎麼打？第一節｜發明了Transformer，卻輸給了OpenAI2017年，Google的研究團隊發表了那篇劃時代的論文《Attention is All You Need》。Transformer架構由此誕生，點燃了整個大模型時代。彼時Google內部並非沒有察覺其顛覆性意義。Jeff Dean帶隊推動Google Brain，Sundar Pichai在各種公開場合強調AI first，技術積累從未停止。但他們沒敢把這場變革真正推向市場。在史丹佛的公開訪談中，布林承認了這段從領先到落後的全過程：“我們沒投夠算力，太怕產品失控……Chatbots會說蠢話，我們就遲疑了。OpenAI那邊把事情做出來了，很多還是我們的人。包括Ilya，都是我們原來的員工。”這不是情緒化的復盤，而是一份源自一線技術人員的戰略反思。回顧那幾年，Google內部的典型姿態是：算力要調配到更穩妥的應用；模型研究繼續，但謹慎對外發佈；對話式AI被視為高風險、難把控的方向。直到 2022 年底，ChatGPT 引爆全球。Google才終於意識到，自己不是輸在技術，而是敗在心理預期與組織氣質。布林也是在那一刻，決定重新回到公司。他沒在這場訪談裡指責任何人，但他幾次重複一個詞：我們。“We definitely screwed up（我們確實搞砸了）.”在那場決定未來十年的 AI 路口，布林在場，也確實錯過了。 但他沒有迴避，而是親自回場修正。第二節｜他每天都在用Gemini這一次回來，布林不再只是坐在辦公室裡面聽匯報，而是全職回到研發一線。在訪談裡，他透露，自己從2022年底起幾乎每天都在參與Gemini的研發：親自指導團隊目標；用AI工具分配任務、判斷人才；和Gemini每天對話，連在車上都聊。他要用這種方式向團隊證明：技術人的工作方式，必須和 AI 協作重新定義。他甚至在開車時也會向 Gemini提問。無論是編寫程式碼、設計晶片架構，還是計算電力成本，他都會先請教它，儘管它並不完美，但確實能幫他形成新思路。這不是象徵性的參與，而是一個創始人在用行動告訴團隊：AI 不是工具，而是新的工作方式。在他看來：“AI不是靠單點突破贏，而是靠一整套智能系統，讓人能真正用起來。”如果說 2017 年他們太謹慎，沒敢把Transformer推到台前；那麼2025年，布林親自站在一線，把 Gemini 真正用出來。這是一場落後之後的追趕，也是一個創始人對技術方向的再下注。第三節｜Google怎麼追：平台化，不是單點突破Gemini 的定位，從一開始就不是為了再做一個ChatGPT。布林團隊的目標更像是：重構工具鏈，取代人類開多個軟體、切多個窗口的工作方式。從2025年12月的產品更新節奏可以看出戰略意圖：Gemini 3 Pro正式上線：強調多步推理、低幻覺、複雜任務能力，意在超越對話助手的範疇；Gemini Deep Research發佈：不僅能生成研究摘要，還能與資料互動、進行工具呼叫，走向科研工作流助手；MCP託管服務推出：統一模型上下文協議，打通AI與Google自家生態（Maps、BigQuery、Gmail、Finance）；AI眼鏡Project Aura官宣：聯動XREAL、三星、Warby Parker，押注AI×空間×多模態硬體入口。這一整套動作指向同一個方向：不是讓你搜尋答案，而是讓AI代你完成整個任務。與之對照，OpenAI 在同一時期發佈GPT-5.2，主攻長上下文處理和對話能力提升，繼續強化ChatGPT作為終極對話智能體的定位。兩家公司的路徑開始分叉。OpenAI 的商業入口聚焦在ChatGPT企業版、瀏覽器外掛和API介面，本質上是讓AI成為更好的對話夥伴。而Google選擇的是平台式工具生態。通過MCP協議，將其他模型、Agent、工具整合進來，把Workspace、Search、Maps、甚至硬體裝置都變成 AI 的觸點。它不追求單個模型最強，而是要讓整個生態最好用。布林在訪談中提到一個關鍵點：“很多公司卡在 AI 能力有了，但落地成本太高。如果我們能讓Agent像API一樣即插即用，這個時代就打開了。”換句話說，Google不只想做一個模型，而是把Gemini變成一套AI介面標準。就像Android定義了移動作業系統，Gemini要定義的是AI 工具的協作方式。第四節｜別急著商業化整場對話最有意思的一幕，不是談產品或戰略，而是布林給年輕人的建議。主持人問他：AI正在改變一切，年輕人該怎麼選專業？是不是不該學程式設計了？布林沒有兜圈子，他直言：“我就是學電腦出身的。我不會因為AI現在能寫程式碼，就去轉學文學專業。目前 AI 在文學上可能更強，但程式設計仍然有巨大市場價值。而且，更好的程式設計才能做出更好的 AI。”為什麼這麼說？他給出了兩個理由：第一，AI 能寫程式碼，不代表工程師沒用了。反而意味著工程師需要更強的結構化思維與調度能力。第二，技術力仍是拉開 AI 應用差距的核心。門檻沒有降低，只是能力要求變得更複雜了。但這並不意味著非專業人士就被拒之門外。他還舉了個對比：作為非晶片專家，他現在想瞭解架構、算力預算、冷卻方案，直接用Gemini問一輪，就能快速抓住方向。換句話說：AI降低的是學習門檻，而不是應用門檻。重要的不是你腦子裡存了多少知識，而是你會不會用AI快速定位並掌握需要的知識。對於學生，他建議把注意力放在兩個方向：如何用好AI工具，把創意變成實際工作流；如何與AI協作，培養自己獨特的思考和判斷能力。而對於創業者，他的建議更直接：“不要怕犯錯。這次Gemini，我們在很多核心功能還沒完全打磨好時就上線了，就是想讓它先真正可用，再談擴張。”這句話聽起來像是在鼓勵快速迭代，但重點其實在“真正可用”四個字上。很多 AI 公司在搶速度、拼融資、趕風口時，做的往往是技術demo或概念產品。但布林強調的是：先做出使用者願意每天用的工具，再談完善和擴張。這才是Google現在真正的護城河。結語｜不是神話，是選擇布林這次回到史丹佛，講的是一個公司錯過了起點，然後用 8 年追回來的故事。不是靠戰略調整，而是靠創始人每天參與、親自使用、把工具真正用出來。2017年，Google發明了Transformer，但太謹慎沒敢推。2025年，布林親自回場，把Gemini變成了一整套工具鏈。從錯過到追回，靠的不是運氣，而是選擇。技術的錯過，可以靠參與補回來。但前提是，你要在落後的時候，敢回場，敢做事。 (AI深木度研究員)

根據澳大利亞戰略政策研究所（ASPI）營運的技術追蹤器，中國在近90%的關鍵技術領域處於領先地位，這些技術“顯著增強或對國家利益構成風險”，該機構是一個獨立智庫。ASPI的關鍵技術追蹤器今年評估了74項現有和新興技術的研究，較去年分析的64項有所增加。中國在66項技術研究中排名第一，包括核能、合成生物學、小衛星，而美國則位居其餘8項，包括量子計算和地球工程。結果反映了劇烈的逆轉。根據2024年版的追蹤器，本世紀初，美國領先了90%以上的評估技術，而中國不到5%。“中國在科學技術方面取得了令人難以置信的進展，這些進展不僅體現在研究與發展，也體現在出版物上，”位於華盛頓特區的戰略與國際研究中心（CSIS）研究中國產業政策的伊拉里亞·馬佐科說。馬佐科表示，ASPI指出的總體趨勢並不令人驚訝，但看到中國在許多領域領先美國，實屬“令人驚訝”。香港大學科學政策研究員王彥波表示，這可能與被追蹤的技術類型有關。他指出，印度更有可能成為新技術領域的研究領導者，因為其重點集中在這些領域，而傳統領域如半導體晶片則處於領先地位。跟蹤高影響力研究ASPI團隊基於一個包含全球九百萬多篇出版物的資料庫進行分析。它通過識別2020年至2024年間某國研究人員發表的被引次數前10%的論文，對各國在各項技術領域進行排名，並計算該國的全球份額。一個值得注意的發現是，根據位於弗吉尼亞州阿靈頓的非營利組織“特殊競爭研究項目”的國家安全與技術戰略師林大衛的說法，中國在雲端運算和邊緣計算方面領先於美國。雲端運算使人工智慧公司能在無需物理基礎設施的情況下訓練模型並處理資料，而邊緣計算則在本地處理資料。他表示，中國在這些領域的研究強度“很可能反映了北京將人工智慧從實驗室推進到部署的緊迫性”。位於蘇州的西安交通-利物浦大學專注於技術創新的政治經濟學家海史蒂文表示，這一分析不應被解讀為“美國實力的崩潰”。他說，總體而言，美國在全球這些技術領域仍是重要角色。參與該研究的ASPI資料科學家黃梁珍妮警告稱，研究結果顯示西方發達國家有可能在多個關鍵領域失去“來之不易的、長期的前沿科學和研究優勢”，而這些對全球最重要技術的發展和進步至關重要。面臨的限制不過，他們同時指出，儘管ASPI的跟蹤器有助於衡量一個國家的學術勢頭，但它無法反映其整體的創新能力。ASPI的分析師在2025年的更新中也承認了這一點。首先，大量高影響力的出版物並不一定意味著工程能力、製造能力或商業成功。他以先進飛機發動機作為例子，這是其中一項被追蹤的技術。儘管中國在該技術領域排名第一，擁有龐大的工業基礎和國有航空航天企業，但“中國發動機尚未達到美國或歐洲領先車型的性能、可靠性和耐久性水平”。 (新書問我)

美國如何才能贏得人工智慧競賽埃裡克·施密特施密特曾任Google首席執行長和相對論空間公司首席執行長。人工智慧正在重塑世界。誰將掌控這種重塑——以及在何種條件下掌控——遠未有定論。過去一年已經清楚地表明，未來的競爭實際上是多場相互交織的較量同時展開。第一種情況發生在美國和中國之間。美國的前沿實驗室持續引領通用人工智慧（AGI）的發展，投入巨資打造能夠媲美甚至超越人類認知能力的系統。這其中的利害關係極其重大：AGI有可能改變全球力量格局，並帶來前所未有的經濟增長。然而，中國卻另闢蹊徑，堅信人工智慧的廣泛應用將帶來最大的收益。其“人工智慧+”計畫的目標是到2030年實現關鍵行業90%的人工智慧融合，尤其側重於人工智慧賦能的製造業。初步成果令人矚目：愛德曼的一項調查顯示，60%的中國員工每周至少使用一次人工智慧，而美國員工的這一比例僅為37%。當美國致力於打造最強大的人工智慧系統時，中國則正利用人工智慧建構最強大的經濟體。美國和中國並非塑造全球格局的唯一力量。歐盟力求通過治理而非創新引領發展，於2024年通過了全球首部全面的人工智慧法。然而，執法不力以及日益增多的例外情況造成了監管困境，阻礙了歐洲大陸的轉型。海灣國家則另闢蹊徑，沙烏地阿拉伯和阿聯已在資料中心基礎設施建設方面投入數千億美元，力圖將自身打造為人工智慧熱潮中的關鍵節點。另一場關於人工智慧架構的競爭正在上演：開放系統與封閉系統之爭。美國曆來倡導技術開放，但其在人工智慧領域的領先地位如今卻大多依賴於專有模型。與此同時，開源勢頭在其他地區正加速發展。今年1月，中國公司DeepSeek發佈了R1模型，證明企業無需頂級晶片也能建構功能強大的模型，這提醒我們，廉價且易於適配的模型或許能在全球範圍內迅速普及。美國要想在2026年繼續保持全球人工智慧領導者的地位，就必須在所有領域都保持競爭力。鞏固其在前沿人工智慧領域的優勢，需要解決目前制約計算能力的能源瓶頸問題。與此同時，私營部門必須加快人工智慧的普及應用，提升員工技能，並使中小企業能夠使用強大的模型。此外，美國還應深化政府、產業界和研究機構之間的合作，以重奪開源領域的領導地位。如果其他國家能夠更有效地部署這些系統，那麼即使美國建構了最強大的系統也意義不大。美國面臨的最大風險是贏得人工智慧前沿技術，卻最終輸掉人工智慧時代。 (科技世代千高原)