2026-09-21: 近日，“Token第一股”迅策科技（3317.HK）发布TokenCloud一站式AI模型训推算力平台，并发布通函计划以不超过120亿元的总投入，分阶段推进AI推理与计算中心建设，待临时股东大会审议。 市场不禁追问：一家做数据Token化的公司，凭什么下场做算力？ 据了解，迅策科技切入算力，并非是追逐热点的横向扩张，而是基于主业延伸与产业趋势双重驱动的主动战略选择，既是TokenOS业务延伸出的必然闭环，也是匹配AI产业算力刚需、满足客户需求的精准卡位。迅策以独有的“客户订单—软硬协同—正向飞轮”逻辑，把AI推理算力做成一门兼具Palantir与Nebius特征的高粘性生意。 告别“堆卡”时代，算力供给侧正迎来议价权反转 当下，AI算力赛道竞争日趋白热化，行业早已告别“拼参数、堆算力”的粗放发展阶段，走向精细化、高效化、低成本化的全新发展阶段。海外侧，CoreWeave二季度营收25.75亿美元，在手订单1040亿美元；Nebius营收5.823亿美元，累计客户承诺超400亿美元，两者均以GW级电力为底座，贯通从GPU采购到算力调度的全链条，背靠Meta、Anthropic、Cohere等顶级AI客户。国内侧，中国信通院数据显示，2026年一季度国内AI算力需求同比增长417%，同期有效供给增速仅为128%，需求增速约为供给增速的3.3倍。 供需缺口快速拉大，议价权由需求端（云厂商/大模型公司）向供给端（拥有稳定算力的平台）显著倾斜。据Nebius向客户发布的调价通知，公司将于10月1日起全面上调按需GPU云服务定价，平均涨幅约20%，这是其自今年5月以来的第二轮涨价。5月那一轮，按需容量平均提价29%，可抢占容量提价51%。涨价的同时，合同条款的天平也在向供给侧倾斜。据市场分析人士透露，Nebius曾对稀缺的Blackwell算力进行拍卖测试，客户实际支付价格比此前最高定价高出15%至20%。 议价权反转的产业含义清晰：在算力告别“堆卡”的下一阶段，谁能“以销定产、稳定供给、深度协同”，提供“算力—数据—模型—应用”的协同效率，谁就能拿到定价权与高质量长单。这正是迅策TokenCloud登场的时点逻辑。 TokenOS与TokenCloud软硬协同，强化全链路闭环 理解迅策科技TokenCloud的逻辑，必须先理解其构建的产品矩阵，以及“算力-数据-Token-模型-应用”的全链路闭环。 迅策的AIDP数据平台已在金融、智能制造、医疗、能源等高价值行业沉淀十年；2026年上半年其正式发布TokenOS操作系统，将企业多源异构的私有数据实时转化为标准化、可计量、可定价的“场景Token”；TokenCloud专注模型训推及“数据+模型”融合，解决硬件协同。中期业绩显示，Token业务模式已获得验证，ARR增长强劲，ARPU同比提升240%，人均创收同比提升379%，客户留存率稳居90%以上。 这也意味着迅策手里天然握着一份“高质量客户名单”——那些已在为TokenOS买单、并需要算力的客户。当TokenOS客户进入推理落地阶段，“把推理算力和TokenOS打包一起交付”就成为最经济的选择——类似当年淘宝天猫的商家对阿里云的需求。换言之，TokenCloud并非凭空规划的新业务，而是TokenOS延伸出的、必须补上的“硬件与能源底座”，而这也是其他纯算力玩家难以复制的天然优势。 此外，今年以来，迅策科技AI to B生态已逐步延展至产业伙伴、GPU厂商、数交所等，将计算基础设施与AI数据基础设施及数据Token化能力相结合，用于各垂直行业的企业AI部署。目前迅策已拓展至金融、电信、电力、能源、高端制造、生物医疗等十一大高价值行业。 沿着这一方向，迅策科技的AI数据基础设施四阶跃迁路径也更加清晰：1.0数据治理已跑通，2.0 TokenOS与TokenCloud已落地，未来将向Token交换平台TokenRouters、企业小模型等前沿方向持续推进，实现从“产品提供商”迈向“平台运营商”的关键一跃，继而形成难以被复制的闭环壁垒。 六大独特优势，构筑算力业务护城河 除了聚焦AI产业算力的行业发展趋势，以及其TokenOS等主业延伸外，迅策开展算力业务有着其独特的优势： 一、客户需求驱动。迅策做算力的第一性原则，是客户主动提出需要延伸服务。TokenOS的存量客户在向AI推理落地时，自然产生对私有化、合规化、可计费算力的需求，迅策可从订单出发、以销定产，定义TokenCloud的容量与节奏。 二、利用率接近100%。由于迅策TokenCloud跟随在手最优质订单建设，力争每一单元建设都赚钱，不会出现“先建后卖”导致的空转待租，利用率接近100%满载。在算力供需偏紧的窗口期，这一优势直接转化为：更短的回收周期、更稳的现金流、更低的边际成本。 三、手握优质条款订单。迅策的算力订单天然具备“费用高、周期久”的特征，优于普通算力租赁市场上常见的短期灵活定价。它解决了纯算力玩家收入确定性弱、续约风险高最头疼的两个问题。 四、资本成本优势。优质稳定的长周期订单，是银行评估还款来源的核心依据。迅策全资子公司迅深科技拟与银团达成不超过100亿元、5年期授信意向。据悉行业内极少数能拿到5年期、百亿级、低息银团授信的AI To B公司，叠加迅策作为港股AI To B稀缺标的的股东背景加持与支持，其资本成本优势显著高于同业。 五、与国产GPU战略合作，货源关系稳定。算力业务的另一隐性壁垒是供应链。今年上半年，迅策已与沐曦、壁仞、天数智芯等国产GPU头部厂商达成深度战略合作，并联合研发面向垂直和企业AI的训练与推理芯片与平台生态，这意味着迅策已具备国产算力的稳定货源供应能力。 六、TokenCloud与TokenOS互为放大器，形成正向循环飞轮。TokenCloud不是单点的独立产品，而是与TokenOS深度协同的飞轮放大器。一方面，TokenCloud承接TokenOS的私有化推理需求，显著提升TokenOS的客户粘性与议价能力，云协同直接带动TokenOS收益与毛利率提升；另一方面，TokenOS沉淀的私有场景Token反哺TokenCloud，使其持续获得高质量、垂直行业Token的推理负载，从而带来更优质的客户与订单，反向再夯实飞轮的订单池。这一闭环，正是其他纯算力玩家无法复制的最大壁垒。 回到最初的问题：迅策凭啥能做算力？因为它做算力的方式，恰好规避了纯算力公司最大的三个坑——订单不确定、利用率不高、资本成本高企。在算力供给侧议价权反转的新周期里，迅策科技以客户粘性驱动算力投资、以长周期订单换低成本融资、以行业Know-how构筑差异化壁垒的打法，或许比“又多了一家IDC”更值得长期跟踪。

2026-09-21: 9月21日，星环科技H股上市首日平开，报49港元。 根据星环科技公布的配发结果，公司全球发售1401.08万股H股，香港公开发售占20%，国际发售占80%。每股发售价49港元，全球发售净筹6.29亿港元。 本次发行引入两名基石投资者，包括ElectronicChannelLimited（浪潮信息的全资附属公司）以及洛阳科创集团有限公司（洛阳科创，洛阳国宏投资控股集团有限公司的全资附属公司），分别认购3500万港元、495万美元。 招股书显示，星环科技是中国首批专注于AI与大数据基础设施软件研发的企业之一，公司提供覆盖数据全生命周期的企业级AI基础设施软件及服务，涵盖数据集成、存储、治理到建模、分析、挖掘与流通等环节。 此外，9月18日，上交所已发布沪港通下港股通标的调整通知，星环科技H股获调入沪港通下的港股通标的名单，自9月21日起生效，上市首日即可纳入港股通。

2026-09-21: ①三六零与昇腾AI联合打造解决方案，为AI Agent全面提速； ②OpenAI预计到2030年底累计消耗近2800亿美元资金； ③谷歌Gemini在安全测试中自主入侵三家真实企业； ④Anthropic今年年化收入预计将超过1000亿美元。

2026-09-21: AI在制药研发过程中到底扮演着什么角色？是颠覆性地“从0到1”，还是仅仅优化效率的“加速器”？ “风口浪花来得快退得也快，最后能留在沙滩上的，永远是那些把技术做进管线、把价值算进账本的人。”在日前举行的2026张江药谷大会暨上海国际生物医药产业周——“资本聚势·生态共筑”上海国投生物医药产业生态大会的圆桌环节，上海未来产业基金投资总监李春园说，在AI与生物医药深度融合已成共识的当下，行业必须直面几个痛点：技术如何去伪存真、落地如何步步为营、价值如何被资本真正认可。 多位嘉宾在交流中一致认为：当大模型算法走向“民主化”，资本市场不再为算法打榜和叙事买单。真实的算力消耗、垂直的专有数据、临床瓶颈的突破能力，以及可验证的商业盈利路径，已成为衡量企业生存价值的核心标尺。 AI如何落地 在早期研发的垂直赛道上，初创平台试图切入传统方法无法企及的领域。智核汇生物科技有限公司创始人温翰认为，AI本质上是拟合任意高维函数的工具，但落地必须回归“算账”逻辑：“如果我们需要太多的数据，而资金已经足以解决这个问题，AI制药的合理性也就不存在了。”以靶向RNA小分子药物研发为例，由于靶标具备动态性与特殊的化学空间，传统高通量筛选几乎走不通，AI在此处扮演的正是“从0到1”的角色。 而在成熟药企内部，AI辅助药物发现的渗透面临着更为现实的工程与安全约束。 信达生物AIDD部门于去年组建，核心职责明确为“输出好靶点、输出好分子”。信达生物AIDD高级总监陈珊透露，在推进过程中，最大的阻力并非来自传统药化团队的排斥，而是底层基础设施与算力安全：“阻力最大的第一个就是算力，传统企业非常不希望用云算力，目前也只是在非常小的范围之内允许用云算力。整个数据中心直到今年年中才搭建完成，导致结果产出比预期晚了半年到八个月。” 尽管面临算力部署周期的拖累，AI在3D分子空间探索上的优势已在工业界显现。陈珊分享道，药化科学家在传统设计中往往需要看大量专利分子、想象药效基团，经过50至60个分子的多轮迭代才能摸索出方向；而AI能一次性学习上千个专利分子。目前信达内部的分子产出比例已达20%由AI生成、80%由药化团队完成。 针对外部AI技术公司的合作切入点，陈珊直言，大药企出于安全性考量，排斥云端或单纯调用API的模式，更青睐本地部署，“一个AI原生企业能够把AI模型及其持续迭代的能力进行本地部署，形成长期的复购，纯从技术平台上讲会是一个比较现实的商业模式”。 资本更加聪明 伴随技术认知的深化，一级市场对AI for Bio的投资逻辑正经历演变。 五源资本投资副总裁方琦说，制药研发链路极长，AI并非从第一天起就能端到端解决所有问题，因此机构多采取“沿途下蛋”的策略，投资本质上沿着AI模型能力不断解锁制药环节的脉络展开。 方琦说，全球范围内能从源头提出原创模型架构的底层创新公司极少，此类企业遵循前沿实验室的百亿美元级估值体系；而市场上绝大多数企业属于将AI工具嵌入研发体系的应用型公司。 “一级市场给这些应用型公司加了估值溢价，溢价在于AI能够批量化或突破性地解决传统方法难以解决的问题，”方琦称，“但长期来看，无论是向二级市场出口，还是与跨国药企达成合作，最终都要回归‘资产逻辑’做定价——即同一时间内能交付多少高质量的管线资产。到最后阶段，大家依然殊途同归。” 相较于一级市场的预期溢价，二级市场对AI概念的审视越发苛刻。港股目前已有晶泰科技、英矽智能等多家企业登陆资本市场，但二级市场的检验机制也在倒逼企业告别炫酷的叙事。 “资本市场擅长讲故事，但过去那种‘请一个高背景算法工程师、写一份精美BP’就能融资的逻辑已经失效，资本正在变聪明。”国泰海通医疗健康投行负责人王莉认为，机构对项目的甄别已深入到实务细节，“我们在想怎么去证伪项目到底是真AI还是假AI。我问一些实控人‘你消耗了多少算力’，如果他眼神一愣，我们就会怀疑他是不是在做真AI。” 王莉解释，资本市场的诉求正在从“+AI”转向“AI+”，二者在产业结合中的定价决策权、市场空间与商业模型截然不同。面对尚未扭亏的企业，公募基金经理在听完宏大构想后，往往只会抛出最核心的问题：“你什么时候盈利？” 王莉建议，计划在未来两至三年内走向资本市场的AI Biotech，必须及早告别PPT叙事，尽快进入大厂的验证生态：“现在是头部公司验证头部技术的阶段，企业必须在真实的产业环境中落地，拿出产业大客户的订单答卷，做实护城河。”

2026-09-21: 近来，AI“失控”成为公众讨论的热点之一。随着前沿模型能力快速提升、企业竞争日益加剧，AI安全保障和监管治理能否同步跟进、前沿模型是否会逐渐超出人类的有效控制，引发了广泛争论，至今莫衷一是。值得注意的是，相关风险警告主要来自AI产业内部。Anthropic首席执行官达里奥·阿莫迪最近提出，应对模型开发实行独立监督，建立行业监管机制，并推动形成全球治理共识；OpenAI首席执行官萨姆·奥尔特曼和xAI创始人埃隆·马斯克也公开赞同适当调节前沿AI的发展节奏。这些头部AI企业负责人关注的并非是否应加快发展AI，而是如何防止模型能力增长过快，以致超出现有安全保障和人类控制能力。 有必要认真评估AI失控风险 最近披露的相关信息使这种风险进一步具象化。在OpenAI的一次内部网络安全能力评测中，部分智能体利用沙箱及权限管理漏洞突破隔离，进入Hugging Face生产系统，获取部分内部系统的访问凭据，并读取部分私有数据；另一批被认为与OpenAI有关联的智能体则大规模编辑德国DseWiki，彼此共享任务答案和绕过运行限制的方法，甚至讨论如何隐藏相关行为。与此同时，本月初相继发布的GPT-6 Astra和Claude Fable 5.1在自主规划、调用工具以及遇到问题后自行调整等方面表现出更强的能力。OpenAI负责人据此认为，前沿模型的发展正在接近通用人工智能（AGI）的重要节点。尽管这一判断仍有争议，但前沿模型自主行动能力的增强，确实可能为类似越界行为提供更强的能力基础。 上述事件的性质并不相同：前两项是发生在特定测试条件下的异常事件，后一项反映了前沿模型自主能力持续增强的趋势。综合来看，模型在特定条件下可能偏离预设的任务边界，突破既有控制措施，并对现实系统产生影响，使“失控”风险由抽象担忧逐渐转化为可以观察和检验的具体治理问题。不过，非常蹊跷的是，发出以上风险警告的美国AI头部企业并未因此停止前沿模型的研发和部署，反而在激烈竞争中继续推进模型能力迭代。这种安全警告与技术竞速并存的现象，虽然不能直接证明此类企业有意制造恐慌，却表明其关于AI安全的主张既有现实风险作为依据，也不排除借助AI安全叙事强化自身竞争优势的可能。 上述事实说明，有必要认真评估AI失控风险；但在特定测试条件下出现的个别越界行为，仍不能直接证明AI已经全面失控，更不能据此主张暂停所有相关研发和应用。因此，AI治理政策不应在放任发展与全面限制之间作简单选择，而应对已经显现的越界行为加强控制，对尚未证实的风险继续验证并加以防范。这一问题包含两个相互关联的层面：在国内治理上，需要协调AI安全监管与创新应用，避免风险防范挤压正常发展；在国际治理上，主要AI国家则应在保持竞争和技术安全边界的同时，围绕防范共同风险开展必要合作。 如何协调AI风险治理与创新发展 要确定哪些行为需要加强控制以及控制到何种程度，首先应当区分已经发生的事实、尚待评估的风险和可供选择的治理措施。模型曾在测试中突破隔离、越权访问外部系统，这是已经观察到的事实；同样的越界行为能否在现实部署中再次发生、可能扩散至何种范围以及会造成多大损害，属于风险判断；是否暂停AI研发、限制部署或者建立国际协调机制，则属于政策选择。三者相互关联，却不能相互替代。判断AI失控风险，应当说明越界行为的具体表现及其发生环境；选择治理措施，则应当综合考虑此类行为再次发生的可能性、影响范围和潜在损害。这样既可避免夸大风险，也可防止因尚未出现严重后果而轻率否定风险。 美国近期政界、企业界和智库围绕AI失控展开的争论，进一步说明有必要区分已经发生的AI越界事实、尚待评估的失控风险与可供选择的治理措施，以免治理政策讨论在放大风险与否定风险之间摇摆。美国总统特朗普最近明确拒绝达里奥·阿莫迪提出的放缓AI发展倡议，强调美国必须在AI领域保持领先，并认为相关风险警告被过度放大，所谓“负面势力”正在炒作不会发生的情形。特朗普的总统科技顾问委员会联合主席、科技投资者大卫·萨克斯也将有关警告称为“末日论调”，甚至声称这种论调意在阻止美国的AI创新。这些表态从另一个方面提醒人们，AI治理政策不能仅由极端情景和恐慌情绪推动；但若把来自研发一线的风险警告一概归为炒作乃至外部操纵，同样会淡化已经出现的越界事实，造成风险防范滞后。尤其当AI风险被嵌入中美竞争叙事后，原本属于AI技术治理的问题容易转化为政治立场之争。相较于上述围绕AI失控风险的争论，ITIF（美国信息技术与创新基金会）总裁丹尼尔·卡斯特罗主要从美国国内政策角度探讨如何协调AI风险治理与创新发展。 ITIF是美国科技创新与产业政策领域具有较强影响力的智库。丹尼尔·卡斯特罗近日撰文以道路与护栏比喻AI创新发展与风险治理之间的关系，指出美国的政策讨论过多关注AI可能造成的危害，却较少考虑未能充分开发和应用AI可能付出的代价。AI有望在医疗、教育、交通、物流和制造业等领域提高服务效率、扩大资源可及性并提升生产率。因此，政策评估既要衡量技术风险，也要考虑限制研发、延迟应用和采用不足所造成的机会成本，不能把限制技术本身视为治理成效。 上述分析还可以从全球经济与贸易层面进一步展开。WTO《2025年世界贸易报告》的模拟结果显示，在弥合数字差距并采取适当配套政策的条件下，到2040年，AI可能使全球货物与服务贸易增长34%~37%，并使全球国内生产总值增长12%~13%。这组预测为权衡AI政策提供了一个宏观视角：治理措施不仅要评估其降低技术风险的效果，还应考察其对生产率提升、技术采用和贸易发展的影响。 但这并不意味着减少AI监管就能自然实现上述收益，卡斯特罗也没有把促进AI创新等同于放任市场。他指出，AI的健康发展还需要数据、数字基础设施、技术标准、劳动者技能和行业应用环境的共同支撑。政府应当通过清晰、稳定且可评估的规则降低AI创新和应用障碍，同时根据风险性质、证据强度及可能后果配置相应的监管措施。 中美如何在竞争条件下共同降低AI失控风险 卡斯特罗主要探讨美国AI政策如何兼顾安全与发展。然而，前沿模型的研发竞争及其潜在风险具有跨国影响，仅靠一国治理难以充分应对。因此，美国著名智库卡内基国际和平基金会亚洲项目高级研究员、中国AI倡议联席主任马特·希恩，以及美国进步中心技术政策副总裁亚当·康纳，进一步关注中美如何在竞争条件下共同降低AI失控风险。 希恩提出，中美应当平行推进AI安全与创新。两国应首先基于各自的国家安全和公共利益，提高本国的模型测试、风险识别和事故处置能力。在此基础上，双方可以通过政府间对话和专业机构交流，加强对彼此风险认识和安全防范措施的了解，减少因信息不对称引发的误判。 这种合作还包括中美在AI治理方面的互学互鉴。中国在模型备案、测试评估、技术标准和生成内容标识等方面积累了监管经验，美国在前沿模型评测、对齐研究和安全控制方面具有相应的技术基础，双方可以相互借鉴其中具有通用价值的做法。安全合作不要求制度趋同，其意义在于双方各取所长，减少治理试错，在共同降低AI失控风险的同时，为各自的AI创新发展保留空间。 上述相互借鉴并非抽象设想。中国最新发布的《人工智能安全治理框架3.0》，为中美双方开展相关讨论提供了具体的治理思路。该框架坚持AI发展与安全并重，将模型越权获取资源、绕过安全防护、欺骗评测人员和突破隔离限制等行为纳入可识别的风险范围。同时，框架主张根据应用场景、智能化水平和应用规模实行风险分级，通过敏捷治理和沙箱机制为低风险创新保留试错空间。这些安排为中美双方比较风险分类、模型评测和失控防范方法提供了具体内容。 如果说希恩主要论证了中美开展AI安全合作的必要性和基本边界，那么美国进步中心技术政策副总裁亚当·康纳则进一步提出了可供讨论的合作机制。康纳等人主张，中美应当把前沿模型可能超出人类有效控制的问题纳入政府间AI对话。 在具体措施上，康纳等人建议建立处理紧迫AI安全问题的专门热线，设立由政府、企业和研究机构参与的工作组，交流模型测试和风险控制经验，并在安全收益明显高于能力扩散风险的范围内共享对齐与模型控制研究。两国还可以逐步建立重大异常事件通报、风险预警和应急沟通机制，将抽象的失控担忧转化为可以识别、评估和处置的具体问题。 综上，中美AI合作可以从共同识别风险起步，逐步推进模型评测、风险预警和应急处置等务实合作，并将成熟经验与做法用于完善安全标准以及模型发布和应用规则。合作应严守技术安全边界，不涉及模型权重、商业秘密、敏感训练数据及可能直接提升危险能力的技术。同时，应根据风险程度配置监管措施，对已经显现的高风险行为加强控制，对尚未得到充分证实的极端风险继续研究并提前防范，为低风险研发和有益应用保留空间。 AI治理的目标不是放任技术无序发展，也不是把限制技术本身当作治理成效，而是在模型能力持续增强、应用范围不断扩大的过程中，保持人类对AI的有效控制。可靠的安全机制能够增进社会对AI长期应用的信任，负责任的应用又能推动治理制度完善和安全技术创新。只有将风险管控转化为创新发展的基础条件，中美合作才能在降低AI失控风险的同时，为两国AI持续创新提供稳定支撑。 期待中美以坦诚、务实和建设性的态度管控分歧、扩大共识，促进风险管控、治理制度建设与技术应用协调推进，引导AI朝着开放包容、普惠向善的方向稳步发展，更好增进全人类福祉。 （作者系华中科技大学知识产权与竞争法中心主任、教授）

2026-09-21: ①工信部：大力发展开源基座模型和垂类模型，夯实新一代智能制造软硬件基础； ②特朗普称将组建一支“人工智能部队”； ③启元个人机器人近2万元起售，高配版价格贵于苹果折叠屏手机； ④蚂蚁集团入股具身智能公司天机智能； ⑤阶跃星辰发布旗舰基座模型Step 5 Preview； ⑥智身科技完成数亿元B轮战略融资 加速打造“能干活的机器人”； ⑦抖音旗下剪映发布智能创作Agent“小映”； ⑧全球首个大型具身智能主题乐园将于9月24日启幕。

2026-09-20: 今年中国智能眼镜市场出现分化，音频眼镜市场下跌，AI/AR眼镜市场增长。 据9月17日IDC发布的研报，2026年二季度，中国智能眼镜市场中，音频和音频拍摄眼镜出货量33.2万台、同比下滑35.4%；AR/VR市场出货量27.9万台、同比增长85.8%，其中AR眼镜市场增长123%，受益于以AI功能为主的轻量级眼镜带动。 AI眼镜板块9月18日指数涨2.45%，其中恒玄科技（688608.SH）、康希通信（688653.SH）、南芯科技（688484.SH）等涨超5%；歌尔股份（002241.SZ）、思特威（688213.SH）、全志科技（300458.SZ）、XD佰维存（688525.SH）、芯原股份（688521.SH）等涨超4%；水晶光电（002273.SZ）等涨超3%。 音频眼镜厂家转型拓展AR眼镜市场 群智咨询（Sigmaintell）副总经理兼首席分析师陈军向第一财经记者表示，市场分化说明单一音频功能的智能眼镜向智能交互、视觉感知和显示功能拓展。纯音频品类下降，是因为需求被升级产品替代；AI/AR产品增长则同时包含替代需求和新增需求。总体看，AI/AR眼镜是XR（扩展现实）市场的主要增长动力。群智咨询预计2026年全球AI/AR眼镜出货量将同比增长约40%。 魔力宝科技市场总监杨磊9月19日告诉第一财经记者，他们音频眼镜出货量比高峰期已有所下降，余下产能转向更智能、功能更细分的AI眼镜和AR眼镜。这是行业转型的缩影。魔力宝2019年开始做音频眼镜代工，见证了音频眼镜市场从起步、上升、平稳，到现在向AI眼镜的过渡。音频眼镜最早起步于满足跨境电商平台用户的尝鲜需求，市场高峰期在2024年下半年到2025年上半年。在高峰期，魔力宝一天音频眼镜的出货量达5000台，目前相关出货量已减少。 去年下半年起，智能眼镜市场从野蛮生长转向精细化发展。他们近半产能转做AI拍摄眼镜，包括户外款、日常款和商务款，因为用户“尝鲜”之后有了新要求。智能眼镜为了能轻便佩戴，走向功能升级和细分。魔力宝现在六成智能眼镜是音频眼镜，四成是加了摄像头的AI拍摄眼镜，还将推出带光波导的AR眼镜。 “做音频眼镜的厂家将面临一轮优胜劣汰”，杨磊预计，一些做蓝牙耳机、智能手表起家的企业可能会退守原来的业务，甚至被淘汰。 安塔威CEO鄢鹏飞也向记者表示，音频眼镜门槛太低，会做智能耳机的企业都会做。他们从AI眼镜切入，现推出单目单绿、双目单绿的AR眼镜。预计随着国内音频眼镜市场下滑，音频眼镜的产能将会出现过剩，一些竞争力较弱的企业将被淘汰。 艾媒咨询CEO兼首席分析师张毅向记者分析认为，音频眼镜功能相对单一，属于被技术迭代的产品形态。AI赋能、AR眼镜是未来智能眼镜的方向。从这个角度看，音频眼镜行业的转型升级，甚至部分产能被淘汰，将是市场和技术发展趋势。 部分音频供应链企业早已跨入AI、AR供应链。以耳机为主业的佳禾智能近期表示，公司已具备AI/AR眼镜研发设计与规模化量产交付能力。以声学业务起家的瑞声科技（02018.HK）在半年报中透露，通过整合光波导公司Dispelix，提供“波导+光引擎”的解决方案，公司已实现全彩光引擎批量交付。 2026年是AI眼镜的显示之年 一位业内资深人士向记者分析说，2026年是AI眼镜的显示之年。单目单绿、双目单绿的AI眼镜，预计今年第四季度会规模化上市，出货价有可能在1000元以内，市面售价估计可能在1500~1800元，这将会降低AI眼镜的消费者体验门槛。如果AI眼镜能带显示功能，会让很多消费者感到科技感增强。此外，今年下半年，带全彩光波导的AI眼镜在市场上也会出现，预计将对整个产业带来较大拉动作用。 对上游产业链而言，这将带来五个方面的变化。一是纯音频眼镜订单下降，但AI、AR眼镜仍需扬声器和麦克风，需求可能转向多麦拾音、抗风噪、低漏音和低功耗方案；二是带摄像头的AI眼镜增长，将新增图像采集和视觉AI交互需求，带动小型化、低功耗摄像头模组需求；三是从基础蓝牙音频向图像处理、AI交互和多任务处理升级，提高芯片和存储价值；四是带显示功能的眼镜销量增长，带动微显示屏及光波导等光学器件的需求；五是摄像头、声学、天线和显示系统的集成复杂度提高，增加整机开发、校准及检测需求。 谷东智能董事长崔海涛也向记者表示，AI热潮下，用户对智能眼镜不满足于音频功能，还希望提升显示功能，这对上游的光波导是利好，目前行业在扩产，像歌尔光学、瑞声科技等都在布局光波导的产能。 杨磊前不久在2026年中国光博会上也感受到，做光学的大公司今年基本上都已涉足光波导业务。同时，微显示也在发展。目前AR眼镜多是“Micro LED/硅基OLED+光波导”的架构，预计未来会出现AR眼镜外挂式显示屏，用户可以灵活装卸。 光波导相关上市公司今年都在加快布局。舜宇光学科技（02382.HK）在半年报中透露，今年上半年其XR产品收入约9.557亿元、同比增长约11%，公司轻薄化全彩AR显示模组已实现小批量落地。水晶光电近期表示，公司反射光波导试制线顺利落地，相关产品已通过客户认证；VHG（体全息）衍射光波导今年已为国内客户启动量产。蓝特光学（688127.SH）也提供光波导系统、光机系统、感知成像精密光学元件解决方案，并预计2028年度可能成为头部厂商密集发布消费级量产AR产品的关键年度。 在微显示领域，视涯科技（688781.SH）上半年营收同比增长287.87%至5.84亿元，其硅基OLED微显示屏业务已与头部客户合作，推出用于AR的光学系统方案及AI眼镜解决方案，可用于观影、医疗、办公、游戏、文旅、户外骑行、跑步等场景。 图像传感器需求也被带动。豪威集团（603501.SH）近日表示，随着大模型能力向终端下沉，智能眼镜对图像传感器的性能要求提高，公司已完成相关产品布局，今年上半年公司图像传感器来自端侧AI终端收入实现2.3亿元，同比增长8.46%。 AI/AR眼镜芯片、存储国产化提速 随着智能化水平提升，智能眼镜上游芯片的使用量和功能也将提高。第一财经记者梳理相关上市公司的公告发现，AI/AR眼镜上游SoC芯片、存储芯片、Wifi芯片等国产供应链逐步走向成熟，行业静待市场需求爆发拐点的来临。 恒玄科技BES2800系列芯片上半年已导入雷鸟、Rokid等智能眼镜客户。其新一代智能可穿戴芯片BES6100已流片，下半年将测试及向客户送样，预计2027年量产；它是智能眼镜单芯片方案，兼顾高性能与低功耗，解决了传统智能眼镜双芯片方案中芯片间通信复杂、系统设计难度大、PCB面积大、成本高等问题。而芯原股份推出双芯片架构的超低能耗AI/AR眼镜SoC平台，目前已为国际头部互联网企业提供AR眼镜一站式芯片定制服务。今年上半年已有10余款AI眼镜集成了芯原股份的技术。 存储方面，佰维存储的存储产品已被Meta、Google、阿里、小米、Rokid、雷鸟等用于其AI/AR眼镜等智能穿戴设备上。今年佰维与Meta等客户的合作深化，今年上半年其AI新兴端侧存储产品收入约28.6亿元，同比增长433.58%。 Wifi、电源芯片方面，康希通信自研Wi-Fi7芯片已实现对博通、高通、联发科、瑞昱芯片平台的覆盖，为量产及客户导入奠定基础，可支持AR/VR。南芯科技近期透露，今年下半年该公司将围绕AI眼镜等推出新的电源类芯片。 “目前全球智能眼镜的供应链主要在中国，海外市场与中国市场之间存在信息差，所以海外音频眼镜市场仍有一定增长空间，但AI、AR眼镜会是未来方向。”杨磊认为，智能眼镜目前仍然没能完全脱离手机等设备来独立使用，预计未来两三年甚至三五年，智能眼镜将逐步成为独立的智能设备，届时市场才会迎来更大规模的爆发。

2026-09-20: 太空算力正成为多颗商业卫星重点布局的领域。 20日12时03分，中科宇航力箭一号遥十八运载火箭·超智算号在东风商业航天创新试验区成功发射，采用“一箭9星”的方式，将“超智算一号”等9颗卫星精准送入预定轨道。 该批卫星主要用于空间环境监测、防灾减灾和科学试验等领域。在本次发射任务中，鹏城首发星暨鹏城南科一号（PEGA-SUS1）卫星成功入轨。该颗卫星由银河航天（北京）科技集团股份有限公司（下称“银河航天”）与鹏城实验室、南方科技大学等单位联合研制，是一颗“通感智算”一体化技术验证卫星。 中科宇航提供 太空算力成卫星重点布局领域 未来，太空算力将广泛赋能应急救灾、自然资源监管、生态环保及海洋监测等国计民生场景。第一财经梳理发现，本次发射任务中，太空算力成为多颗卫星重点布局的领域。 超智算一号卫星是一颗高分辨率、具备在轨数据处理能力的遥感卫星。卫星主载荷为4m可见光相机和AI计算机，具备光学遥感成像、在轨数据处理与目标识别等能力，可自主获取全域目标区域的高质量光学遥感影像，并通过星载智能计算单元完成影像极速处理与自动目标提取，实现光学遥感观测与星上智能计算技术的深度融合。 同时，验证星载AI智算能力的鹏城首发星暨鹏城南科一号卫星是国内首次把5G NTN（Non-Terrestrial Network，非地面网络）基站、核心网、星载AI智算、星地激光以及微波通信联合搬上天的技术验证卫星。 鹏城首发星暨鹏城南科一号卫星是“通感智算”一体化技术验证卫星，由银河航天与鹏城实验室、南方科技大学电子与电气工程系、卫星互联网全国重点实验室、广东省空天通信与网络技术重点实验室联合研制，鹏城实验室为任务总体单位，鹏城实验室与南方科技大学为最终用户单位。 第一财经从银河航天了解到，卫星单星重量150公斤，搭载三种有效载荷分别是：基于3GPP标准的5G NTN通信载荷，100Gbps的高速星地激光通信载荷以及数字视网膜在轨计算载荷。通过贯通“通、感、智、算”星上信息流链路，该星将探索“一星多用、功能融合”的新型卫星设计理念，推动卫星从单一业务载体向融合通信、感知、计算和智能处理能力的空间信息超节点能力演进。 据银河航天卫星总体技术部副部长任家栋介绍，通俗理解，这颗卫星可以将原本部署在地面机房里的5G网络“大脑”核心网，直接搬到太空工作。卫星上的遥感载荷成像后，可以通过星上自带的智能计算模块完成目标检测与识别，提炼出有用信息并转换成网络内容，这些信息会由高速星内接口同步载入核心网。地面用户只需通过Ka频段终端接入卫星网络，就能像平时浏览网页一样，直接查看这颗卫星实时分析出的各类信息。 由上海卫星工程研究所研制的浦江四号卫星，和西北工业大学负责研制的秦岭卫星01星、02星，由中国科学院力学研究所研制的云霄探路者卫星，以及由天津星瞰九州科技有限公司抓总研制的谛听01组A/B/C星也进入预定轨道。 谛听01组A/B/C星是由天津星瞰九州科技有限公司抓总、长光卫星研制的商业天基射频感知卫星，是谛听星座的首发星组，主要用于天基射频感知技术试验验证。谛听星座由天津星瞰九州科技有限公司设计并运营，是目前我国首次采用三星编队开展商业天基射频数据采集的卫星星座，可实现对广域电磁频谱态势的感知，也可对无线电发射源进行快速、精确的定位，提供电磁频谱层面的“遥感数据”及数据分析服务。 中科宇航打造更灵活完备的空间运输能力 第一财经从中科宇航了解到，力箭一号运载火箭发射任务排期已规划至2027年下半年。截至目前，力箭一号运载火箭已通过16次发射，将119颗卫星顺利送入太空。本次任务采用一箭多星发射模式，加速小型卫星星座组网建设。近期力箭一号首次海上发射即将启程，执行“一箭3星”发射任务。 中科宇航正通过强化生产能力和拓展发射方式，来构建更灵活完备的空间运输能力。 力箭一号由中科宇航位于广州南沙的火箭生产基地总装，该基地也是国内首个全产业链商业航天产业化基地。据力箭一号副总指挥孟祥福介绍，生产制造层面，火箭生产基地脉动式节拍化生产线，现阶段力箭一号运载火箭年产能力达30发，为高密度发射任务筑牢产能底座。 发射执行层面，公司依托专属发射工位与配套技术厂房，把发射场测发周期压缩到10天内，大幅提升发射周转效率。孟祥福表示：“产品本身的技术创新与高可靠底色，再叠加产能、测发、订单响应全流程优化，多方条件共同落地，才有力箭一号现在的‘航班式’交付能力。” 力箭一号的首次海上发射任务也提上了日程。“近期，我们计划在广东附近海域实施力箭一号运载火箭的首次海上发射任务，拓宽任务适配边界，实现陆海协同的商业化发射交付。” 2024年10月14日，广东省人民政府办公厅印发《广东省推动商业航天高质量发展行动方案（2024—2028年）》，明确提出推进广东商业航天发射场规划论证，积极争取国家支持在阳江建设集卫星火箭总装、发射指挥控制于一体的卫星发射母港和海上发射基地，加快形成陆海发射能力。

2026-09-20: 9月20日12时03分，中科宇航力箭一号遥十八运载火箭·超智算号在东风商业航天创新试验区发射，采用“一箭9星”的方式，将“超智算一号”等9颗卫星精准送入预定轨道，发射任务取得成功。该批卫星主要用于空间环境监测、防灾减灾和科学试验等领域。 第一财经记者获悉，此次任务是力箭一号运载火箭的第16次飞行，也是力箭系列运载火箭第17次发射。截至目前，力箭系列运载火箭已成功将1艘飞船、121颗卫星送入太空，入轨载荷总质量超21吨。中科宇航是我国民营航天领域发射卫星数量最多、发射载荷重量最大的商业航天公司。 此次任务中，力箭一号携手超智算（北京）科技有限公司，以全国首个“首箭首星”一体化算力卫星项目为载体，推动算力基础设施从地面迈向浩瀚太空，开启“算力上天”的探索。 据了解，“超智算一号”卫星主载荷为4m可见光相机和AI计算机，具备光学遥感成像、在轨数据处理与目标识别等能力，主要面向智慧城市、自然资源普查与监管、精准农业、生态环保、应急救灾等领域开展数据应用。该卫星将率先探索“天感天算”的在轨智能处理路径，其直接在太空完成影像解析、目标识别，仅下传高价值结果信息，将数据响应时效由传统数小时压缩至分钟级，构建起高时效、全覆盖、高可靠的天地一体化算力底座。 除了“超智算一号”卫星，秦岭卫星01星、02星，云霄探路者卫星，谛听01组A/B/C星，鹏城首发星暨鹏城南科一号(PEGA-SUS1)卫星，浦江四号卫星等都搭乘了这一火箭“航班”。 力箭一号运载火箭副总师孙良杰表示，一箭多星发射，难点集中在星箭总体匹配、载荷接口兼容、多星分离时序控制等三大维度。 具体来看，多颗卫星同时搭载，既要做好箭上空间布局统筹，实现多颗卫星的合理排布，还要完成不同卫星的接口适配，满足各家载荷差异化的电气、机械要求。最关键的是多星分离时序，必须做到精准可控，保证卫星先后分离过程互不干扰，每一颗卫星都能安全入轨，对火箭总体设计与控制系统提出了严苛的考验。 孙良杰介绍称，力箭一号运载火箭实现一箭多星的高频次、高可靠发射，核心依托在于一套成熟完备的一箭多星总体设计体系与高精度星箭分离控制技术。火箭贯彻“去任务化”设计思路，采用通用化星箭电气接口，同时对卫星支架结构做标准化、统一化设计。 “相当于搭建起一套‘标准货架’，可以快速适配不同客户的各类载荷，不用针对每一次任务做大量定制化改动，大幅压缩任务准备周期。”孙良杰说。 另据透露，目前力箭一号运载火箭在手订单储备充足，市场需求持续旺盛，发射任务排期已规划至2027年下半年。 值得一提的是，中科宇航正在加速构筑“陆上常态航班发射、海上机动专项发射”双线协同的发射格局，近期力箭一号首次海上发射即将启程，执行“一箭3星”发射任务。 力箭一号运载火箭副总指挥孟祥福介绍称，中科宇航已携手广东省珠江海运有限公司、阳江商业航天科技有限公司共同成立广东商业航天技术服务有限公司，将依托阳江海域区位优势、三方公司资源技术合力、陆海发射业务互补机制，快速切入商业航天海上发射市场，与陆上发射业务协同打造阳江“陆海一体”商业航天发射体系。 中科宇航方面表示，陆海协同发射将实现优势互补、拓宽任务适配边界，高效响应星座组网、快速补网等多元需求，可提供更加灵活完备的空间运输能力。此外，公司还将继续携手AI、生物医药等多领域伙伴，探索商业航天与新兴产业融合的更多可能。

2026-09-20: 日前，东风汽车第十届科技创新周开幕，“天净零碳”计划、具身智能汽车全域守护计划、“天际扬帆”计划等集中发布。 其中，在具身智能方面，东风人形机器人、机器狗成为焦点。东风汽车智能化技术首席总工程师张振林表示，东风人形机器人将于今年10月份进入工厂，主要面向生产制造领域，进行分拣、质检等工作。今年年底，东风人形机器人将进行小批量、小点位的试制，计划在明年年底能力与真人持平。 该公司自主研发的机器狗将比人形机器人更快投入4S店导购等场景。张振林认为，车企研发具身智能产品能够实现与汽车大模型等多个领域进行复用，加速商业化量产效率。同时，未来具身智能产品的形态也不仅限于人形机器人或机器人，汽车也将是具身智能产品的一种形态。 在全球化布局方面，东风汽车副总经理、党委常委周锋公布了“天际扬帆”计划。据悉，该公司将向海外市场累计投入500亿元，投放50款以上车型，建设10座海外规模化生产基地、5座海外研发中心，目标是到2030年实现150万辆海外销量。 在上述科技创新周上，东风与华为合作的奕境汽车也展示了天穹智盾技术，奕境品牌总经理曾清林在接受包括第一财经记者采访时表示，该品牌采用了东风集团的全铝底盘架构，叠加华为XMC数字底盘技术，实现了预瞄和底盘控制。岚图汽车董事长卢放则着重介绍了该公司自主研发的虎踞智能底盘方案。 据东风汽车发布的“东方风起2030”计划，到2030年，东风汽车全球年销量奋斗目标500万辆，新能源车占比超70%，海外销量占比冲刺40%，研发投入强度保持7%以上。

2026-09-20: 微软为超级智能立规矩 当地时间9月14日，微软发布了名为《人文主义人工智能行为准则》的文件，阐述微软MAI（微软“MAI超级智能团队”推出的系列模型）模型的预期行为与价值观。微软在该行为准则中点出了一个前提，即人比AI更重要。技术的目的是推进人类文明，加速人类繁荣，这也是微软对AI的意图和期望。 【点评】对于人工智能安全挑战的话题，微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）在社交媒体上发表了自己的看法，他表示，任何对超级智能的追求都必须建立在这样一个核心原则之上：如果构建的AI没有帮助人类，且不处于人类控制之下，那它就不值得追求。 小红书明确禁止八类内容 9月15日，小红书发布了首份《社区金融生态公约》。在金融内容方面，社区鼓励有资质的创作者和机构用专业做科普、鼓励用户分享真实的理财经历、要求做好风险提示、使用AI须标注；同时明确划出边界：恶意唱衰、非法荐股、非法金融活动、伪造权威背书、承诺“保本保息”、编造虚假投资人设、变相导流站外等八类行为被明令禁止。 【点评】从行业视角来看，社交平台出台金融生态公约有助于社区健康发展。对于普通用户和社区生态而言，驱逐劣币是为了更好地拥抱良币。金融决策往往伴随着真实的财产风险，当虚假人设与套路荐股被清扫出场，真正有价值的专业科普、持牌机构的严谨解读以及普通人真实的避坑经验，才更容易被看见与信任。 iPhone Duo发烫、反折闪屏引质疑 苹果首款折叠屏手机iPhone Duo尚未发售就引发了争议。科技博主“影视飓风”Tim在9月16日发布的视频中提到iPhone Duo的发热和可靠性问题，称他用iPhone Duo录制了3分钟左右的4K 60帧视频，发现“烫得快握不住了”。这名博主还表示，他往反方向压了一下折叠屏，回看视频发现屏幕闪了一下，iPhone Duo和直板机的可靠性不同。 【点评】iPhone Duo将于10月23日发售，未发售就被质疑品质问题。反折iPhone Duo是否一种必要的测试方式也引起了争论，有人认为这并非用户使用场景，有人认为日常使用确实有可能反折。用户会不会为iPhone Duo买单，还需要继续观察。 现场直击iPhone 18新机发售：黄牛加价不如前代 9月18日，苹果iPhone 18 Pro系列发售。上午9点左右，第一财经记者来到深圳一家苹果旗舰店门口，看到排队取货的消费者有20多名，门口的黄牛大约20名。多名黄牛反馈，今年苹果新机的行情不是特别好，主要反映在收货价格上，收iPhone 18 Pro Max加价500元左右，而去年iPhone 17 Pro Max加价可达到600元~700元。有不少黄牛不收iPhone 18 Pro，称“没行情”。 【点评】黄牛加价较低的原因包括iPhone 18 Pro系列定价已经偏贵。相同存储容量的iPhone 18 Pro比前一代贵了1000元~2500元，iPhone 18 Pro Max比前一代贵了1000元~3500元不等。此前开启预售后不久，由于电商平台的优惠政策，iPhone 18 Pro系列在电商平台上的价格还跌破发售价。 朱雀二号改进型遥七发射成功，“一箭十星”加速千帆星座组网 9月15日，朱雀二号改进型遥七运载火箭在东风商业航天创新试验区发射升空，将搭载的千帆极轨19组共10颗卫星顺利送入预定轨道，飞行试验任务取得成功。此次任务是朱雀二号系列运载火箭的第9次飞行，首次执行规模化卫星互联网星座组网任务。据了解，蓝箭航天已经实现朱雀二号改进型常态化商业发射，并持续推进朱雀三号工程化复用验证。 【点评】本次任务搭载的千帆极轨卫星是“千帆星座”计划的一部分。随着我国低轨卫星互联网进入规模化组网阶段，卫星研制、批量生产和发射正在逐渐形成更加紧密的产业协同。星座组网不是一次性任务，而是一个持续建设和运营的过程，这对运载火箭的发射频次、任务组织和持续供给能力提出了更高要求。 康佳股东会通过退市议案 9月14日，*ST康佳A、*ST康佳B（000016.SZ，200016.HK，简称康佳）举行临时股东大会审议通过了公司主动退市的议案。这意味着二十多年前的“彩电大王”康佳，将正式进入主动退市的程序。一位接近康佳的业内人士告诉第一财经记者，退市属于公司在资本市场的选择，主动退市比强制退市好，目前康佳彩电和白电业务正常。康佳2023年至2025年连续三年归母净利润巨额亏损，2026年上半年归母净利润亏损1.7亿元。目前无论通过注入资产或债转股来维持康佳上市公司地位，时间都已不够。 【点评】从外部行业环境看，中国彩电市场经历了一轮由总量收缩驱动的深度调整。奥维云网（AVC）数据显示，2016年国内彩电年销量突破5000万台，是这个行业的历史高点，此后一路回落，预计2026年全年销量将为2566万台——十年时间市场近乎腰斩。从公司自身来看，康佳很长一段时间在主业上把很多的资源投放在搞“短、平、快”收入的产业地产上，对家电主业的重视不足。偏离核心赛道去搞没有前途的副业，然后副业没有做成，主业也丢了，这就是康佳的教训。

2026-09-20: 中国大模型调用量连续20周超美国 AI模型API聚合平台OpenRouter近日公布了上周平台上的调用量数据。9月7日至13日这一周，全球AI大模型总调用量达到127万亿token（词元），环比增长10.4%。其中中国大模型周调用量近61.2万亿token，环比增长7.9%；美国大模型周调用量21.8万亿token，环比增长31.6%。这是中国大模型周调用量连续二十周超过美国，居全球首位。在调用量前十榜单里，中国模型占据7席以上，合计占比超70%。一年前，OpenRouter调用量前十中只有2个中国模型，一年后局面几乎完全翻转。 【点评】从榜单来看，模型能力的第一梯队仍主要由海外厂商占据，而中国模型还在追赶。中国模型并没有在技术能力上领先，但却成为越来越多开发者“用脚投票”的选择。在这背后，瑞银观察到，在AI大规模落地的过程中，企业与用户的关注点逐渐从能力转向更高的投入产出比，“Token ROI”（衡量AI投入产出比的指标）成为讨论的关键词。 第二代豆包手机开售 9月16日，搭载豆包AI手机助手的努比亚NaviX Ultra正式发售。“第二代豆包手机”揭开神秘面纱，上线前，在闲鱼等平台有不少该手机的相关代抢服务，有黄牛加价近千元，但正式开抢后，第二代豆包手机黄牛价“跳水”。 从实测情况来看，目前第二代豆包手机用语音操作Agent（智能体），可调用字节全系列产品，也可调用曹操出行等少量第三方应用，淘宝闪购、京东等外部电商App暂不支持相关操作。 【点评】国金证券研报分析，端侧AI领域正成为AI时代的超级入口争夺战场，豆包有望在AI 手机这一超级入口卡位中占据先发优势。然而，AI手机推进过程中遭遇的阶段性阻碍，深层原因在于App之间的数据天然不互通，而开放接口、让渡数据与操作权限的主动权又掌握在各App厂商手中——这既涉及真实的数据安全与隐私合规考量，也牵涉流量入口与商业利益的再分配。 DeepSeek工程师也有AI焦虑：不至于失业，但必须转业 近日，DeepSeek机器学习系统（MLSys）工程师刘胜与发表长文《我不得不把才华埋葬在昨天》，他在文章中提到，面对AI能力的快速进步，凭借经验、眼界和判断力，自己仍有机会留在牌桌上。但这个判断只能保证自己不会“失业”，而无法保证不需要“转业”，他认为自己需要通过转业来避免失业。此前DeepSeek发布 v4.1新模型，将能力又向前推进了一个档次。刘胜与提到，DeepSeek v4.1的主Attention算子是自己写的，他为DeepSeek v4.1的成功而骄傲。但他很清楚的是，再过半年或者一年，AI 写的算子大概率就会和自己写得同样优秀，甚至超越自己。 【点评】这一AI焦虑来自一名站在浪潮前沿的工程师。从个人简历来看，刘胜与自2025年4月起在DeepSeek从事机器学习系统及算子设计与优化工作。在此之前，他是北京大学2021级图灵班学生。虽然未来五年95%的代码可能由AI生成，但业内分析也认为， AI不能完成软件工程：问题如何定义、系统如何设计，以及最终产品为何如此构建，仍然需要人类主导。 字节拆出一家AI制药公司，首轮融资2.9亿美元 9月16日，据市场消息，自字节跳动分拆出来的AI制药业务Anew Labs（新生实验室）独立完成2.9亿美元首轮融资，投后估值约15亿美元。字节跳动保留56%股份，保持控股地位。本轮融资由HSG（原红杉中国）、IDG资本和高瓴投资领投，五源资本联合领投，战略投资者包括中国生物制药及上海未来产业基金。Anew Labs前身为字节跳动内部AI for Science药物发现团队，核心成员约50人。早在2020年底，字节AI Lab就开始招聘AI制药领域人才。2026年6月，字节将该业务整体拆分，团队、算法平台及在研管线全部注入新主体。 【点评】字节为何将这条业务线独立？行业人士给出的分析是：AI药物发现遵循与集团核心业务不同的行业逻辑和管理方式。医药研发遵循“双十定律”——耗时十年、投入十亿美元，验证周期以年为单位，而互联网业务擅长快速迭代。两种节奏在同一组织内共存，激励错位、评价失焦等问题会逐渐浮现。独立运营便于对接产业资本、吸引医药人才。 Anthropic公开AI研发自动化数据 当地时间9月17日，Anthropic发文，首次以量化方式公开内部AI研发自动化进度。文章披露，截至今年8月，Claude已主导公司内部26%的AI研发工作，而今年2月这一比例尚不足1%。公司内部Agent平台任意时刻约有3万个AI Agent运行，8月产生超10亿次决策。这组数据被视为递归自我改进（RSI）从概念走向工程现实的关键信号。Anthropic采用独立AI研究机构Epoch AI提出的六级自动化框架，将AI参与工作划分为AL0至AL5。AL0为完全无AI参与，AL3为AI协作，AL4为AI主导，AL5为完全自主。截至8月，26%的AI研发工作达到AL4：人类只需给出高层目标，Claude可完成端到端大部分工作，人类负责监督、检查和最终决策。另有超过90%的研发工作至少达到AL3。安全监控方面，所有Agent动作执行前均经在线监控检查，8月超10亿次决策中约0.002%被阻止。离线监控每周标记约10万条对话记录，经分类器过滤误报和初步审查后，最高优先级的约50条升级至人工审查。 【点评】Anthropic此次将这些数字透明化，一方面意在让社会在人类尚握主导权的窗口期，参与决定AI自我迭代的节奏与方向；另一方面，这也为行业树立了一个可参照的披露基准，给到其他竞品厂商同样的数据透明化压力。 “AI减速论”吓坏芯片股 美国当地时间9月14日，多只半导体股股价走低，英伟达股价跌3.36%，市值一夜蒸发1766亿美元。博通跌4.77%，美光科技跌5.25%，AMD跌4.4%，阿斯麦跌7.25%。欧洲市场方面，当地时间9月14日，英飞凌科技跌7.72%，半导体供应链厂商索泰克跌12.58%，爱思强跌11.24%。市场恐慌的原因包括业界近期对AI安全问题的重视，一些业界人士认为应放缓AI发展。 【点评】此前Anthropic公司CEO阿莫代伊发文，呼吁AI行业控制前沿AI的发展节奏，提出第三方评估、协同制定安全标准、协调全球规则等措施。阿莫代伊的言论获得了OpenAI CEO奥尔特曼以及马斯克的认可。不过，目前尚未看到业界放缓AI系统研发的集体动作。部分半导体股随后几日股价有所回调。 黄仁勋：英伟达明年芯片销量将是今年的两倍 9月17日，英伟达CEO黄仁勋在英国的一场人工智能活动中表示，英伟达明年芯片销量将是今年的两倍。近期一些业界人士主张放缓AI开发进度，以便让安全措施跟上步伐。对此，黄仁勋表示，人工智能安全至关重要，企业应继续快速推进，如果认为某些产品存在安全隐患，就暂缓推出这些产品。 【点评】黄仁勋认为不应被AI安全问题引起的恐慌裹挟。他近期还表示，当前的恐慌在快速创新与AI安全之间制造了一个虚假的抉择。针对AI安全问题发表言论、释放英伟达芯片销量将增加的信心后，英伟达股价9月15日至9月17日累计上涨3.97%，弥补了9月14日的跌幅。 沐曦股份限售股解禁当天涨超14% 9月17日开盘，国产GPU公司沐曦股份股价一度跌超5%，随后转涨，收盘涨14.44%。消息面上，沐曦股份当日迎来1396.6万股首次公开发行网下配售限售股解禁，总流通股扩大75%。这1396.6万股限售股按9月16日的收盘价计算，解禁市值66.7亿元。 【点评】这是沐曦股份上市以来首次迎来较大规模的限售股解禁。沐曦股份限售股解禁一事受到关注的背景，包括另一家GPU厂商摩尔线程9月7日限售股解禁当天股价大跌20%。从9月17日当天的股价表现看，沐曦股份经受住了流通盘扩容的考验，不过，该股9月1日至16日已累计下跌30.91%。国产GPU厂商的长期走势还取决于基本盘成色。 BOSS直聘称越来越多传统岗位要求具备AI能力 9月17日，BOSS直聘相关负责人在深圳的开放日活动上表示，该平台数据显示，AI正持续影响求职招聘市场。软件、算法等技术人才仍是企业争夺的重点。招聘方关注较多的专业包括软件工程、计算机科学与技术、智能科学与技术、电子信息工程、数学与应用数学。同时，越来越多销售、设计、人力资源等传统岗位也希望招聘有AI能力的人才。截至今年8月，“软件、算法、AI”“大模型”“论文、竞赛”等成为活跃校招岗位的特征词。 【点评】这些变化反映出AI对工作岗位更广泛的影响，企业不仅需要技术人员来开发AI，还希望更多职能岗位的员工用AI提高效率。AI相关岗位增长背后，企业逐渐倾向于寻找能把大模型能力应用于具体业务的人才。从该平台部分招聘信息看，已出现了围绕模型适配、业务应用和效果校准三类工作角色。 国产算力将全球10天气象预报时间压至1小时内 9月15日，中国气象局地球系统数值预报中心和中科曙光发布的成果显示，中国气象局研发的MCV（原创高精度可扩展多矩大气）模式在曙光8000集群上可1小时内完成全球5公里分辨率、未来10天的预报计算，达到国际主流的业务时效标准，验证了高分辨率气象预报模式在国产算力上运行的能力。 【点评】分辨率越高，气象预测的精准度就越高，同时对算力的要求越高。在5公里分辨率领域，气象预报无法只使用CPU，还要使用GPU，不能只用传统科学计算的方法，还要用到AI技术。曙光8000集群属于CPU加GPU异构的AI集群。从算力基座看，高分辨率的气象预报要用到更大、更异构的算力集群。

2026-09-20: “这是我在中国的第四天，前三天我和160位全球高管以及中国管理团队开了三天会议。”9月17日，德国科德宝集团首席执行官Claus Möhlenkamp接受第一财经记者专访时说，中国业务是会议讨论的焦点。 同一时间段，荷兰恩智浦半导体的首席执行官Rafael Sotomayor也在中国，他密集走访了十余家中国企业，希望在人工智能趋势里找到更多用武之地。 中国和美国是人工智能浪潮的双中心，欧洲并不在这轮技术变革的中央，但欧洲企业不想错过它。这两家欧洲企业的掌门人，中国之行有一个共同点：他们都是为机器人而来。 害怕错过 Claus Möhlenkamp把科德宝管理委员会的全体成员带到了中国。 9月17日，科德宝位于上海张江机器人谷的科德宝共创中心开幕，这是科德宝与张江集团合作的成果。科德宝管理委员会全体成员均出席了这场活动。 “人形机器人是一个新兴的技术领域，但它的发展速度非常快。”Claus Möhlenkamp在开幕仪式之后的采访中表示。人形机器人的优势广泛而深刻，无论是在技术、效率，还是应对劳动力短缺方面都有广阔前景。 2026年被业内视为人形机器人“量产元年”。中国和美国，在人形机器人的研发和制造方面，走在全球的前面，而中国的企业如宇树科技、智元等在量产方面暂时领先美国企业。 这一轮人工智能——无论是大语言模型还是人形机器人——主要发生地是美国和中国，欧洲并不是技术创新的起点。 “人工智能的速度由美国和中国决定，欧洲在这里没有扮演重要角色。”Claus Möhlenkamp表示，科德宝的定位更偏向于把AI技术应用到产品与工厂之中。科德宝无意自行研发或编写AI代码，而是要成为AI的应用者。 人形机器人行业目前还缺乏成熟的测试规范和行业标准。 “由于整个生态系统的建设速度极快，部分领域出现了一些滞后，特别是可规模化、可靠性以及组件与技术的稳定性方面。这就需要我们在中国与合作伙伴共同努力，定义行业标准，让未来技术能够做好大规模应用与推广的准备。”Claus Möhlenkamp表示。科德宝共创中心的意义也在于此。 无独有偶。 9月18日，恩智浦的中国机器人创新中心在上海正式成立。恩智浦将之视为全球机器人战略的关键布局，创新中心立足中国市场需求，目标是推动机器人系统创新与可信物理AI规模化落地。 “这周我拜访了七家机器人企业。”Rafael Sotomayor告诉第一财经记者，他还走访了五家正在开发机器人的汽车企业，以摸清中国机器人产业链的迫切需求。 Rafael Sotomayor认为人形机器人是人类迄今为止所搭建的最为复杂的系统，他观察到中国有三股力量在布局人形机器人：新生的机器人公司、汽车行业的跨界者，以及传统的工业自动化企业。这些企业背景不同，也决定了他们对供应链的需求各有不同。 在欧洲市场，恩智浦所服务的机器人主要是无人机类别；在美国市场则主要是小型的AMR，也就是自主移动机器人。 Rafael Sotomayor表示，按机器人公司数量这个维度来比较的话，其他国家市场都比较小，中国的生态体系要大得多。 无论科德宝，还是恩智浦，都想成为中国机器人发展中不可或缺的一部分，避免在新产业浪潮里落入被动局面。 科德宝在电动车市场有非常成功的业务，比如座舱空气滤清器、电机悬置等产品，不过它也经受了燃油车向电动汽车转型的巨大压力。 “中国决定了电动车行业的节奏。在人形机器人上我们已经采取了新的策略：将研发力量集中在中国，与中国的速度保持一致。”Claus Möhlenkamp表示。 共克难关 人形机器人产量在快速爬升。 据IDC发布的《全球人形机器人市场分析》报告，2025年全球人形机器人出货量约1.8万台，同比增长5倍，其中95%的人形机器人来自于中国企业。 中国企业正在机器人领域积蓄更大的势能。据启信宝数据，截至2026年5月，全国具身智能相关企业已突破万家，其中上市公司269家。具身智能新增企业数量在2022至2023年经历短暂低谷后，2024年企稳回升，2025年新增企业同比增长37%，产业供给端进入加速扩张阶段。 这令机器人产业链的瓶颈凸显出来。 这些早期上市的机器人探索了供应链，而这个链条现在还远不够成熟。机器人大脑发育度、芯片性能、数据质量等方面都有所不足。 苏州睿芯科技公司创始人范东睿对记者表示，芯片是具身智能的一个严重堵点。 “具身智能的芯片，首先要面对复杂的移动场景，都希望它的功耗降到极致，每消耗一度电能做更多工作。第二个卡点是它的延迟，就像有的机器人叠个衣服要花五分钟，可能还经常失败。此外，现在显存不够大，限制了部署在机器人上的模型参数，机器人也就不够聪明。”范东睿表示。很多机器人表演时是执行编排好的动作，原因就在于机器人还不具备足够智能，在有限电池容量下，无法完成复杂多变的任务。 据五一视界董事长兼CEO李熠观察，机器人企业现在都在摸索数据、商业的闭环。现在物理AI数据量，不足以促成机器人到达智能涌现的时刻。 机器人的物理系统——关节、灵巧手、移动底盘——能否在真实工业场景中保持长期可靠、高效、安全，成为决定商业化成败的关键瓶颈。 比如，一家人形机器人企业告知第一财经，采购灵巧手抓取5公斤物体，使用50次左右就坏掉了，而工业场景里需要至少能用万次。 密封、润滑、振动控制等基础部件的性能与寿命，直接关系到整机的长期可靠性与性能上限。科德宝方面表示，机器人共创中心致力于解决高负载关节的性能可靠性瓶颈、产业链上下游协同机制不畅等核心挑战。 Rafael Sotomayor拜访中国机器人企业的目的，也是希望发现哪些环节存在卡点。 “这是我拜访这些企业的目的所在。现在这一块市场上，所谓完美的产品是不存在的。客户和我们要一起去定义下一代的产品。”Rafael Sotomayor说。 泡沫之忧 Claus Möhlenkamp希望中国成为科德宝第一大市场。 在为期三天的全球会议里，Claus Möhlenkamp与高管们讨论了中国业务的未来，重新整合了组织，并提出了新的中国运营愿景。 目前中国是科德宝全球第三大市场，而他相信科德宝在中国的增速会超过其他区域。 “因为中国发展太快了，从下一个五年规划——自动驾驶、聚变能、AI 应用——可以看出，我们必须持续投入中国，我们必须在这里。”Claus Möhlenkamp表示。 科德宝的机器人相关产品，将在中国生产。 过去近 30 年间，科德宝在中国建立起80余个分支机构和30 家工厂。科德宝的全部产品组合基本上都在中国生产。人形机器人也会遵循同样的模式——在中国生产，并从中国出口至全球。 “大规模进口的时代已经过去了。现在我们的新叙事是‘在中国，为中国’以及‘在中国，为世界’。我们会把研发放在中国、面向中国，并将整个价值链与全部生产都放在中国。”Claus Möhlenkamp说。 Rafael Sotomayor持有相似观点。 “这个世界正在发生巨大的变革。恩智浦也在随着这个趋势做自身的调整。”Rafael Sotomayor说，相信中国在领跑物理AI领域，恩智浦希望可以和中国的赢家一起去取得胜利。 新兴技术的发展，几乎注定存在泡沫，以及泡沫破灭的担心。历史上，互联网泡沫的破裂，曾对一些公司造成毁灭性打击。不过它最终恢复元气，并重新定义了今天的全球经济。 人形机器人，会重蹈覆辙吗？ 范东睿表示，现在对于机器人企业来说，一个重要的关口就是产品能够卖出去，在量产的基础上不产生额外风险。 “因为它是个铁疙瘩，不能伤害人类。在这个过程中，大家是摸索着往前走，但是这个趋势不可逆转。”范东睿说。 李熠认为，所有科技产业都会经历期望过高、投资疯狂、技术短暂难以突破并回调，再曲折向上的过程。他认为在有生之年肯定能看到机器人像人一样，什么都能做，但机器人技术升级和产业发展的过程，注定是动荡不安的。 “我并不认为人形机器人是昙花一现，它是真正的有需求、有前景的市场，而且它所带来的投资回报可能是巨大的。所以我们也在物理AI领域大举投资。”Rafael Sotomayor说。 Claus Möhlenkamp认为，之所以有人讨论AI行业减速，是因为发展太快、标准跟不上、难以保证安全。但他毫不怀疑AI行业会持续存在。 “我们有177年历史，是家族企业、非上市公司，不需要为下一季度的业绩思考，我们思考的是长期。科德宝和中国一样，都是长期主义者。”Claus Möhlenkamp表示，人形机器人会有大的发展，中间或许有起伏，但长期一定会成为大产业——它带来的竞争力、劳动力补充与生产力提升是非常有说服力的优势。

2026-09-19: ①智谱推出GLM-5.3-FlashX； ②腾讯WorkBuddy上线“应用生成能力”； ③OpenAI推出面向法律行业的AI平台Astra for Law； ④Anthropic为AI药物研发项目设立生物实验室； ⑤Anthropic与OpenAI寻求小型数据中心交易； ⑥Figure发布Helix 2.5模型，机器人可“自主做家务”； ⑦AI系统可让3D打印实现同步质检； ⑧首个月球模型发布并开源； ⑨全国首个海洋Token工厂落地青岛； ⑩MiniMax Code CLI 正式开源。

2026-09-18: 对气象拍一张“更清晰的照片”，能看见什么？“就像手机高清像素，模式分辨率提升可以帮助解析以往看不清楚的运动，这对预报对流系统引发的极端暴雨非常有帮助。”在郑州的国家超算互联网核心节点，中国气象局地球系统数值预报中心高级工程师蒋沁谷说。近年频发的极端天气已引起全球警醒。如果无法避免极端天气的发生，更准确地预测气象也可以减少灾害。在气象预报领域，达成这一目标的途径，是对分辨率和预报速度的追求。第一财经记者了解到，5公里分辨率成为当下全球气象预报机构的目标。要让气象变化“看得更清”，已不再是单纯的科学问题，也成为一个计算问题。对科学计算结合AI计算的探索、对万卡大集群的需求，已经摆上了台面。“看清”5公里应对极端天气越来越成为一个全球性议题。仅在今年，欧洲极端高温、9月东太平洋罕见的飓风“列车”、尼泊尔泥石流灾害等事件，已经能让普通人感受到极端天气频发带来的重大影响。“这些天气事件告诉我们一个事实，在全球变暖的大背景下，地球面临着共同的风险，极端天气不分国界，威胁着人类的安全。”蒋沁谷说。要准确预报天气，绕不开的是“分辨率”。天气预报需结合观测资料，通过计算推演风、温度、水汽等要素的变化。例如5公里分辨率可以理解为用间距约5公里的网格模拟全球大气。网格越细，就越有条件刻画复杂天气过程。在暴雨预测场景中，分辨率提高才能提高气象预报与地形的吻合度，让原本不作为计算量的场景变成计算量。以郑州暴雨为例，中国气象局地球系统数值预报中心研究员、副主任李兴良说，原来分辨率还是50公里、10公里时无法准确分辨。“想象郑州西边有一座高度一千米的山，如果气象预报的分辨率只有20公里或30公里，可能会将其高度‘看成’200米，看不到能影响气象预报结果的气流因素。”中科曙光高端计算总工程师卜景德向记者解释。对台风的预测也类似，中国气象局地球系统数值预报中心首席科学家陈起英说，台风预报中，12.5公里分辨率对路径的预报准确率尚可，但强度预报偏弱，分辨率到5公里后就能更好预测台风的强度。在全球范围内，追求更高的分辨率已是趋势。李兴良向记者介绍，国际上各机构的气象预报分辨率已经在“往前冲向5公里”，美国目前是12.5公里，欧洲中心是9公里，下一步都是往5公里模式推进。达到5公里分辨率后预报能力产生了质的飞跃。记者了解到，中国气象局在5公里分辨率预报领域取得了进展。中国气象局地球系统数值预报中心和中科曙光近日发布的成果显示，中国气象局研发的MCV（原创高精度可扩展多矩大气）模式在曙光8000集群上可1小时内完成全球5公里分辨率、未来10天的预报计算，达到国际主流的业务时效标准，验证了高分辨率气象预报模式在国产算力上运行的能力。蒋沁谷称，此次奠定了公里级预报的计算基础，未来还有机会在这个集群上运行MCV模式全球3公里模拟。用AI、用GPU中国气象局研发的MCV是一种数值模式，定位为区域百米级、全球公里级的高精度大气模式。对比MCV和前一代模式GRAPES，GRAPES的全球分辨率为12.5公里，MCV的目标则指向3~5公里。全球分辨率像一张覆盖全球的大网，相比之下，区域分辨率这个指标更“细密”，就像把摄像头对准人们生活的某个城市。GRAPES的区域分辨率已细化至1公里，MCV的目标更细，为200~500米。从GRAPES到MCV，区域分辨率从公里级向湍流允许的尺度推进，简单理解，就是能“看见”云、一些湍流的具体形状了。这不只是气象预测模式的转变，也是计算架构的转变。GRAPES全球预报系统用传统HPC（高性能计算机），而MCV是用异构GPU计算。计算架构的转变是从CPU大规模并行走向异构高性能计算。为什么只有CPU不够用？原因包括分辨率提升带来的计算量迅猛增长、计算单元间交换数据量暴增，通信、存储和任务分配对效率的影响趋于明显。“全球CPU架构在可控节点下难以满足需求。大概推算，全球5公里（分辨率）2小时完成计算所需CPU计算接近10万个，实际业务中很难完成。”蒋沁谷说，面向下一代超算的MCV计算路线，国际上的共识是，把模式GPU化是较为有效的路径。异构计算可以拔高运算效率的上限。计算的内容也在变化。以往GRAPES全球预报系统只在同化、参数化、后处理等环节应用AI，AI只是辅助工具，而在MCV模式里，AI已经进入物理模拟内部。传统科学计算和AI计算的结合摆上了台面，算力层面称为超智融合。“气象团队从使用计算机之初就在追求准确性。气象可以通过高精度的方式求解。然而气象的初始场在真实世界中是不确定的，不可能布下天罗地网的监测器抓取所有温度、湿度、降水数据。因此需要AI的方法来推测合理趋势，通过过往的数据学习提供低分辨率、低精度的内容。”卜景德向记者解释，通过AI将大尺度上的学习能力和传统的数据模式刻画能力结合，是下一步的重要方向。卜景德说，气象学家更多已经在学习如何将理论变成代码。AI时代到了，如何实现科学智能和传统模式的融合、如何支撑传统的科学计算与AI的计算，也是科学计算需要迈过的坎。数值天气预报和大模型运算还是存在差异。蒋沁谷告诉记者，数值天气预报是传统的科学计算，使用双精度64位或32位，大模型应用则追求GPU低精度16位、8位浮点精度。但全精度的计算单元可以同时支持传统科学计算和AI应用，可推动预报准确率提升。异构算力分工中，CPU用于处理一些逻辑任务，GPU处理计算任务。暴涨的算力需求不只是AI数据中心的算力负载增长，气象预报这一偏向科学计算的领域，算力需求也在暴涨。蒋沁谷介绍，数值天气预报计算时效性约束上有一个标准，参照美国是85分钟预报（未来）一天，即使放宽也不能超过2小时。要同时满足预报时效的要求，在公里级预报上，已遇到分辨率升级后计算量指数级增长的挑战，“MCV模式分辨率每提升一倍，水平可点数增加4倍，计算量会增加8倍，如果再进一步把垂直方向的分辨率加密，计算量将增加约16倍。是2的几次方计算量增长公式。”在分辨率5公里之后，气象预报领域还在推动分辨率向1~3公里乃至更高分辨率演进。蒋沁谷表示，未来有可能走向万卡算力集群。中国气象局下一步针对MCV模式，还计划定制专用计算机芯片。卜景德告诉记者，背景是计算量随分辨率提升而增加，从传统通用型芯片到面向气象领域的专用芯片，芯片计算性能可有量级的提升，例如原来需要2000多张卡，可能未来只需要几百张卡，系统稳定性、时效性也能有大幅提升。气象领域的计算基座变化反映了前沿科研计算需求的变化。曙光8000于今年7月推出，为全国产十万卡AI超集群，采用CPU加GPU异构体系，支持全精度计算。除气象预报，郑州国家超算互联网核心节点曙光8000集群还在蛋白质研究、分子动力学、湍流模拟等领域运行多项计算负载，下游应用于新药研发、新材料研制、科学智能、AI大模型、具身智能等场景。气象预报领域之外，卜景德向记者表示，物探领域的项目需求也很大，未来对十万卡集群有需求，科学智能大模型、材料发现和研制也需要用万卡来快速迭代。

2026-09-18: “本来公司都要清算了，工资都发不出来了。”深圳万象湾的TapDoki门店，Haivivi（跃然创新）创始人李勇向第一财经记者回忆起两年前的处境。2024年初，公司团队只剩十几个人，为了维持研发和新品投放，需要向银行借款。团队先后接触近200家投资机构，建立了200多个融资沟通群，但迟迟没有机构出手。彼时，生成式AI热潮兴起，资本市场的注意力主要集中在基础模型和算力，消费级AI硬件还没有形成明确共识。李勇并非第一次做儿童智能硬件。他是天猫精灵早期核心成员之一，曾参与儿童故事机等产品。ChatGPT出现后，他判断，大模型有机会解决过去语音硬件中机械、重复、难以持续交流的问题，于是把创业方向转向AI玩具。改变公司处境的是BubblePal产品。这款产品可以被挂在普通毛绒玩具上，如奶龙、奥特曼等，通过语音与用户持续互动，BubblePal累计销量超过35万台。对Haivivi而言，它不仅是第一款形成规模销量的产品，也成为公司获得资本重新评估的关键节点。2025年8月，Haivivi宣布完成2亿元A轮系列融资，投资方包括中金资本旗下基金、红杉中国种子基金、华山资本、愉悦资本、招银国际等。把店开进商场，是这家公司命运扭转后迈出的一步。相比手机、耳机等已经成熟的消费电子产品，李勇认为，AI潮玩需要开线下店，一方面是顺应玩具行业的线下消费习惯，另一方面要教育市场。对多数普通消费者而言，AI玩具是陌生的，AI宠物如何在App里互动，电子包挂和电子潮玩究竟怎么玩，普通用户只有真正体验了才能理解产品在卖什么。这也是Haivivi开店要验证的问题。过去两年，随着大模型能力快速迭代，AI玩具成为消费硬件中较为活跃的细分赛道之一。业内一度将2025年称为“AI玩具元年”。这也是Haivivi开店要验证的问题。过去两年，随着大模型能力快速迭代，AI玩具成为消费硬件中较为活跃的细分赛道之一。业内一度将2025年称为“AI玩具元年”。IT桔子数据显示，2025年国内AI玩具赛道共发生19起投融资事件，大多为超千万级规模。工信部在2025年11月的一场新闻发布会上援引统计数据称，2024年中国AI玩具市场规模约246亿元，预计2025年增至290亿元。为什么AI硬件会先落到玩具上？一个重要原因是，玩具对AI的容错度比其他生产工具更高。李勇认为，当AI要和实物商品结合时，综合技术成熟度、成本和用户体验来看，玩具是最优解。“如果它是一个玩具，用户对它的心理预期会相对低一些。”相比之下，一台宣称能做家务的机器人，用户会要求它稳定、准确，这至少是短期内AI技术做不到的。另一个原因是，玩具本身就是一个规模庞大的成熟产业。让毛绒玩具有“灵魂”，能回应用户情绪，并非大模型出现后才产生的需求，只是过去的技术难以承接。但从“能说话”到形成稳定的消费品生意，中间还有很长距离。例如，传统潮玩依靠IP、盲盒、系列化设计和收藏属性，形成持续购买。而不少AI玩具目前最大的卖点仍然是“可以聊天”和“提供陪伴”。消费者买回家之后的新鲜感能够持续多久，是否愿意购买第二个、第三个产品，目前还缺乏足够长时间的数据验证。此外，传统毛绒玩具售出之后，厂商与用户之间的成本关系基本结束，但AI玩具不同。每一次语音识别、模型调用和内容生成，都意味着持续的云端计算成本。此外行业同质化竞争严重。目前不少AI玩具的产品路径仍然相似：IP形象或毛绒玩具，加上语音硬件，再接入大模型。如果泡泡玛特这类潮玩厂商切入AI玩具呢？李勇认为，潮玩公司未必不看好AI，更可能是组织尚未完成反应，而这正是创业公司的机会窗口。不过，窗口期并不等于护城河，对Haivivi而言，下一步同样需要证明，自己的优势能否从一款爆款产品延伸到更多产品和更大人群。Haivivi初代产品的核心用户是3岁至6岁儿童，第二代产品把年龄范围扩展至12岁，并扩展更多互动玩法，TapDoki则试图把目标人群进一步延伸至年轻人，希望让AI玩具成为年轻人的情绪消费潮流。这也是AI玩具行业下一阶段更难回答的问题。李勇还观察到，2026年资本对AI硬件的态度不如上一轮热潮时亢奋，“今年是兑现业绩的时候了”。对Haivivi来说，接下来需要让AI玩具走出儿童房，成为覆盖全年龄段的大众生意，把店开进商场也是一个接近和验证市场的好机会。

2026-09-18: 当地时间9月17日，一起由AI辅助完成的网络安全事件被披露。 与此前“AI智能体自主越过控制、攻击外部系统”的案例不同，这一次的攻击者是人类安全研究人员，他们借助Anthropic Claude模型完成了漏洞利用，并最终进入了OpenAI部分内部系统，全程耗时不到72小时。 这起事件发生于今年7月，发现者是网络安全初创公司Hacktron AI。研究人员当时正在参加OpenAI的漏洞赏金计划，因此整个过程属于经过授权的安全测试。OpenAI随后确认发现了两个安全问题，并向Hacktron支付6500美元赏金。 7月25日，Hacktron研究人员发现，OpenAI社区论坛所使用的第三方软件Discourse在处理特定图像文件时存在漏洞。研究人员随后借助Claude编写漏洞利用代码。当时他们使用的是面向合格网络安全研究人员开放的特殊版Claude Opus 4.8，但最初的尝试并未成功。 当天晚上，Anthropic发布Claude Opus 5，研究人员继续使用新模型分析漏洞。到第二天，Claude找到了可行的利用方法——利用Claude生成的代码，Hacktron进入了托管OpenAI社区论坛的Discourse服务器，并进一步获得了用户身份验证令牌。 令研究人员意外的是，其中部分令牌不仅可以用于社区论坛，一些令牌甚至属于OpenAI员工，这些令牌还可以访问OpenAI的GitHub服务。通过其中一名OpenAI员工的ChatGPT账户，他们进一步进入了OpenAI内部大型代码仓库Monorepo。 据熟悉OpenAI架构的人士介绍，Monorepo存放着大量与OpenAI算法和软件系统有关的代码，可以被视为公司的“秘方仓库”，但不包含模型权重。研究人员能够通过ChatGPT读取其中部分文件，并提交一次Pull Request，以证明自己确实获得了相应权限。 Hacktron没有继续扩大访问范围。研究人员称，在意识到已经能够接触敏感数据后，他们停止了进一步测试。 OpenAI随后对GitHub访问情况进行审查，称发现的是对私有仓库元数据和代码的有限读取及代码变更操作，而非全面获取内部代码。最终OpenAI确认，这次研究发现了两个独立问题：一个来自第三方服务Discourse，另一个来自OpenAI身份基础设施中的SSO配置错误。 Discourse方面于7月25日收到通知，并在当天修复了相关漏洞。OpenAI方面表示，已经收窄社区登录令牌的权限，并撤销受影响的令牌和会话。同时感谢Hacktron研究人员报告问题，并通过漏洞赏金计划向其支付6500美元。Anthropic方面则拒绝对此事发表评论。 从技术路径看，这并不是简单的Claude“自主黑进OpenAI”安全事件，而是一次人类主导、AI模型提供关键技术辅助的授权安全测试。 但这起事件的特殊之处在于，Hacktron是一个只有三人的小团队，以及各自订阅的Claude、Codex服务。这意味着，过去可能需要高级安全研究人员完成的漏洞分析、利用代码编写和攻击路径探索，如今可以由AI承担相当一部分工作。 OpenAI随后进行了更大范围的安全审计。OpenAI总裁格雷格·布罗克曼（Greg Brockman）透露，公司一度抽调约25%的生产工程师投入防御工作，并因此发现和修复了一些严重问题。 更值得注意的是，这起事件发生在OpenAI此前披露AI智能体突破测试环境、攻击Hugging Face事件之后。前者展示的是AI自身可能突破软件环境的控制边界，此次事件则展示了人类可以借助越来越强的AI降低网络攻击门槛。 未来，随着AI模型网络安全能力快速提高，传统依靠系统复杂性和专业人才门槛建立起来的防线，正在面临新的压力。

2026-09-18: 近日有消息称，特斯拉相关团队已于9月16日落地宁波，并于9月17日开启新一轮针对旗下机器人业务的量产审厂；特斯拉此轮审厂将实质导向机器人Optimus的量产，目前已经向供应链企业下达相关订单。另有消息称，去年9月特斯拉在华曾启动一轮机器人审厂工作，涉及的公司包括拓普集团、三花智控、浙江荣泰、新泉股份、均胜电子等传统特斯拉汽车供应链企业。9月18日，特斯拉未回应相关情况。第一财经记者还以投资者身份致电总部位于宁波的拓普集团、均胜电子等公司询问相关情况。拓普集团接电工作人员回复称，暂时没有接到特斯拉团队审厂的相关通知。“特斯拉相关研发人员平时就在宁波的工厂，有汽车业务，也有机器人业务。”该工作人员介绍称，双方就直线和旋转执行器、灵巧手执行器等方面有进行合作，机器人部件基地已经准备就绪。均胜电子接电工作人员表示，因有保密性要求，涉及到下游客户不方便回应。三花智控工作人员回复称，不清楚特斯拉新一轮审厂的情况。他提到，公司有在配合大客户进行机器人关节执行器的开发。记者注意到，或受新一轮审厂消息影响，9月18日A股人形机器人板块表现活跃。上述两家公司均胜电子、拓普集团盘中股价涨幅一度超5%，而后有所回落。多位行业人士此前在采访中提到，特斯拉机器人如果实现量产，对中国供应链来说将会是一个利好。据媒体报道，按计划特斯拉将在2026年下线约5万台Optimus机器人，并部署至旗下世界各地的特斯拉超级工厂。而在此之前，Optimus机器人的量产指引和进度曾发生过多次变更。据了解，特斯拉CEO埃隆·马斯克在去年10月的三季报电话会上称5000台年度目标搁置，Gen2“几乎不可能生产”，改推为2026年一季度发布Gen3、2026年底启动年产百万台的产线。到了今年4月，特斯拉宣布称，特斯拉人形机器人将成为有史以来生产规模最大的产品，第三代人形机器人预计年中亮相，并称将于7-8月启动正式投产。Optimus机器人的量产也被马斯克称为“特斯拉史上最难的制造爬坡”。在今年第二季度业绩电话会议中，他表示特斯拉对Optimus机器人的生产制造进行了大量投资，几乎所有部件全新、没有现成供应链，大量环节只能在公司内部完成。更早之前，他还称Optimus的初期速度会非常慢，因为要逐一解决上万项独立问题才能达到大规模量产。特斯拉财报也显示，目前已停用加州弗里蒙特工厂的Model S和Model X生产线，正在安装用于Optimus的生产线，预计今年晚些时候投产。首批制造的Optimus机器人将投入“Optimus学院”（Optimus Academy）使用，用于收集训练数据及进一步开发各项功能。

2026-09-18: 当地时间9月17日，Anthropic发文，首次以量化方式公开内部AI研发自动化进度。 文章披露，截至今年8月，Claude已主导公司内部26%的AI研发工作，而今年2月这一比例尚不足1%。公司内部Agent平台任意时刻约有3万个AI Agent运行，8月产生超10亿次决策。这组数据被视为递归自我改进（RSI）从概念走向工程现实的关键信号。 Anthropic采用独立AI研究机构Epoch AI提出的六级自动化框架，将AI参与工作划分为AL0至AL5。AL0为完全无AI参与，AL3为AI协作，AL4为AI主导，AL5为完全自主。 截至8月，26%的AI研发工作达到AL4：人类只需给出高层目标，Claude即可完成端到端大部分工作，人类负责监督、检查和最终决策。另有超过90%的研发工作至少达到AL3。 Anthropic举了一个具体场景案例：夜间数据管道故障后，工程师只需把报告交给Claude并说“把它修好”，Claude便可自主查看日志、定位原因、编写修复代码、测试、处理新问题，最后重跑管道、对比结果并撰写说明。但Anthropic明确强调，目前没有任何被测量的AI研发工作达到AL5完全自主水平。 规模数据更为实际。截至8月，Anthropic内部从事研究和工程工作的约3万个Agent，拥有独立于底层模型升级的独立身份标识，通过共享消息系统互相委派任务、交叉纠错。 安全监控方面，所有Agent动作执行前均经在线监控检查，8月超10亿次决策中约0.002%被阻止；离线监控每周标记约10万条对话记录，经分类器过滤误报和初步审查后，最高优先级的约50条升级至人工审查。 算力分配上，7月样本周内约6%的AI研发算力投入安全研究；若仅统计AI驱动的研发，该比例升至约12%。 Anthropic也承认，AI协作与AI主导的边界存在主观性，跨实验室比较需要统一方法和第三方验证。 RSI是近期人工智能领域的热门概念。昨日智谱创始人唐杰披露，GLM-5.3-Flash两周内完成国产加速器全量部署，大部分工作由GLM-5.3驱动的Infra Agent完成。他判断，虽然目前距离完全RSI尚远，但“模型优化系统、系统服务模型”的循环已经开始运转。 此外，OpenAI于9月初宣布达成自动化AI研究实习生里程碑，目标2028年3月前实现自动化AI研究员。但最薄弱环节仍是“决定做什么”，任务超过4小时即需人类频繁介入。 Google DeepMind的进化式编码智能体AlphaEvolve则从算法进化切入，其提出的电路方案已被集成进下一代TPU，Google前任首席科学家杰夫·迪恩（Jeff Dean）评价这是“TPU大脑帮助设计下一代TPU身体的最新案例”。 RSI热度提升背后，是明确的行业趋势。模型研发模式伴随AI技术的提升，正在从人类主导、AI辅助，转向AI参与自身迭代、人类监督的方向。谷歌DeepMind首席战略官贾吉特·塞洪（Jasjeet Sekhon）此前表示，RSI正成为AI资本开支的核心投资逻辑，虽然当前的AI收入还不足以支撑正在投入的资本开支，但不下注RSI并不明智。 此次Anthropic的披露同样划出了清晰的边界：没有任何被测量的工作达到AL5，安全监控仍处于早期，跨实验室比较尚无统一方法。RSI的最小闭环虽然已经出现，但“决定做什么”仍依赖人类，长期判断与真实系统调试能力仍是短板。 Anthropic此次将这些数字透明化，一方面意在让社会在人类尚握主导权的窗口期，参与决定AI自我迭代的节奏与方向；另一方面，这也为行业树立了一个可参照的披露基准，给到其他竞品厂商同样的数据透明化压力。 当Anthropic率先将研发自动化比例、Agent规模、算力投入占比与安全监控覆盖率摆上台面，透明度本身便构成一种无声的竞争压力，不跟进便可能被视为有意遮掩。这种“披露竞赛”一旦形成，行业透明化的节奏将被实质性加快，公众与监管机构也将获得更多衡量AI发展速度的标尺。

2026-09-18: 今年以来，多家机器人本体厂商陆续发布具身大模型方面的研发进展，此前宇树科技、优必选等均发布了相关成果。近日，松延动力也公布了通用具身智能技术品牌Scalabot，同时发布系列模型HERON-CRA、HERON-World Model等。这家公司曾因人形机器人参加马拉松的黑马表现、春晚舞台上与蔡明本人完成小品节目等事件出圈，在市场上打开了知名度。松延动力此前更多专注于机器人本体，如今开始拓展具身“大脑”。松延动力创始人姜哲源在接受第一财经等媒体采访时透露称，公司在去年下半年就开始组建具身大模型团队，这也是今年公司资金主要投入的方向，且金额会持续增加。补上具身“大脑”的短板前两年，国内就有不少公司布局押注具身“大脑”。尤其是到了今年，一些团队的模型能力有所提升，真实场景落地部署也有了积极进展。在姜哲源看来，尽管松延动力入局时间有些晚，但目前是个合适的时机。今年具身大模型发展呈相对收敛的趋势，目前主要集中于VLA、世界模型等路线。他回忆称，去年公司模型团队算是“摸着石头过河”，还没有明确的方向。但路线逐渐清晰、人才到位后，整个团队在今年有了“战斗力”，发布了相关成果。他认为，具身智能赛道的发展是一个不断补足短板的过程。松延动力的本体和运控能力在行业内占据优势，现在需要补上具身“大脑”的短板。“2023年刚创业的时候，机器人的运控还处于不太能用的状态，都谈不上批量化、规模化生产制造产品。”他讲述称，目前松延动力已经可以做到低成本地制造出高可靠性的机器人。补上短板，或许也意味着更大的发展可能性。第一财经记者了解到，松延动力产品主要包括N系列、E系列、轮式机器人W1以及“小布米”系列。该公司CMO张淼介绍，目前B端收入占据公司营收的主要部分，以科研教育场景为主；贡献出货量的还是消费级的“小布米”，这款产品面向7-13岁的儿童。姜哲源表示，目前行业内机器人本体能够创造的增量价值更多还是来自于科研教育，相对来说这是一个比较窄的领域。如果要寻找增量场景，团队必须进行新的探索。此前，一位行业人士在接受记者采访时也提到，现在产业链上不缺硬件，硬件本身的壁垒不明显，未来行业的竞争更多还是围绕智能化水平。未来进入家庭采集数据，驱动模型进化目前，具身智能发展面临的一大瓶颈便在于泛化性不足。泛化性指的是机器人能够在任何一个陌生的环境中以较高成功率完成任务，其衡量指标包括跨本体、跨场景以及跨物体等。而要实现泛化性，行业内还缺少更具多样性的数据、机器人自主执行任务产生的数据等等。松延动力的模型并不绑定于单一本体，能够支持不同构型、不同自由度的机器人。该公司计划打造持续进化的数据闭环，即让机器人在真实场景中的感知与交互数据不断回流驱动模型成长，模型在能力提升后又反哺机器人解锁更复杂的任务场景，从而形成从数据到模型、再到应用的持续循环。其具身大模型将率先应用于家庭服务，同时向商业服务等其他领域延伸。现阶段，该公司计划先进入家庭采集数据，承担采集任务的机器人本体是一款未发布的新品。“我们初期可能是几百台机器人铺出去采集数据，后续数量将逐渐提高到几千台。”姜哲源称，暂时不方便透露具体的采集形式。在他看来，机器人进入家庭场景的应用更具有想象力，未来用户市场规模庞大。他个人判断，2029年机器人可能就会进入家庭干活，能够做到开箱即用，完成大部分家务活。此外，相比于家庭场景，部分工业场景对交付、部署和场景适配要求更高，不同行业之间存在较大的差异性，因此需要结合具体需求逐步推进。

2026-09-18: 当地时间周四（17日），英国国王查尔斯三世在苏格兰邓弗里斯庄园（Dumfries House）主持召开人工智能峰会。 英伟达CEO黄仁勋（Jensen Huang）、谷歌DeepMind创始人哈萨比斯（Demis Hassabis），以及OpenAI、Anthropic等全球人工智能（AI）巨头高层及英国政府代表参会，共同讨论AI发展的机遇、风险与治理原则。 在AI安全争议持续升温之际，这场会议被多方视为英国王室罕见介入前沿科技议题的意外之举。 黄仁勋：监管产品而非技术本身 黄仁勋是当天最受关注的焦点人物。据报道，黄仁勋在会场对记者表示，AI不应像社交媒体那样被监管，因为AI是一种技术，而非产品，“与作为产品的社交媒体不同，AI是支撑其他所有这些技术、所有这些产品背后的一项技术。所以，应该监管的是产品”。 他认为，当前AI领域出现的安全问题，“与尚未准备好发布的产品有关”，监管部门应在AI部署出现问题时介入，并在医疗、交通、娱乐等已有监管框架的行业中“必要时补充新法规”。 黄仁勋进一步以工程学类比其观点，“这就好比一个煎蛋卷还没做好就不能上桌，一辆车没测试好就不能出厂，一台飞机发动机没检验合格就不能装机。你应该对它进行适当的测试。” 在随后面向查尔斯国王及OpenAI、Anthropic代表的正式发言中，他重申了这一“暂缓发布不安全产品”的立场：“当一款产品还不够安全时，我们就应该把它扣下来，继续做工程改进。我们一直都是这样做的，也应该继续这样做。” 查尔斯：须尽快建立掌控手段 第一财经记者获取的讲话资料显示，查尔斯在开场致辞中直言，人工智能的发展，无论是其内涵还是速度，“都令人既感兴趣又深感担忧”。 他表示，“这类技术一旦落入坏人之手、被用于潜在灾难性用途，其可能带来的生存性风险有必要得到充分考量”，并追问，“难道我们不需要在为时已晚之前，拥有足够的掌控手段吗？” 查尔斯还特别提及AI快速发展对环境的影响，并肯定了AI在改善和挽救生命方面的潜力，但当天会议的焦点仍落在行业监管问题上。 他向与会者抛出两个问题：如何在以安全为核心的前提下利用AI的益处；以及如何构建国际合作与共识，确保任何国家都不会被落下，同时确保人类得以存续。 业界“减速”呼声高涨 此次峰会的召开，恰逢全球AI巨头“减速”呼声集中爆发之际。Anthropic CEO达里奥·阿莫迪（Dario Amodei）此前呼吁业内企业携手暂停或放缓AI发展步伐，担忧该技术可能超越人类智能、导致人类因无法理解而失去掌控；OpenAI的萨姆·奥尔特曼（Sam Altman）、SpaceX的马斯克及哈萨比斯随即公开表态支持，微软AI负责人穆斯塔法·苏莱曼（Mustafa Suleyman）也在本周三跟进表态。 不过，此次峰会预计不会产生任何正式协议。据报道，查尔斯在会议结束时呼吁与会领袖找到利用AI益处的方式，并建立国际合作与共识以实现这一目标。有评论认为，此举延续了查尔斯此前在气候变化议题上“以王室身份填补全球治理空白”的一贯做法。

2026-09-17: ①华为开创AI时代计算架构：让百万处理器成为一台计算机； ②华为发布业内首个基于NPO的超节点昇腾960超节点，明年三季度上市； ③华为副董事长汪涛：华为AI战略的核心是算力； ④月之暗面Kimi发布金融行业解决方案； ⑤Kimi开放平台联网搜索功能升级； ⑥蚂蚁集团正式接入千问办公； ⑦云从科技Model Hub接入GLM-5.3，模型矩阵增至72款； ⑧智谱GLM：AI在十万卡国产集群上自建推理系统，两周推理吞吐大幅提升； ⑨OpenAI披露多起AI模型“目标偏离”事件。

2026-09-17: AI算力竞速浪潮下，曾经作为AI产业链配套器件的光模块，已然跻身算力基建核心赛道。近一年来光模块在资本市场的热度攀升，产业端技术迭代、产品落地同步提速。 “以前从来没想过光模块可以真正站到AI的舞台中央，不再是产业链的普通一环，而是成为AI基础设施建设的核心之一。”光迅科技营销市场副总经理蒋波在不久前举行的中国国际光电博览会（下称“光博会”）上感慨。这也成为很多从业者的共识。 在资本市场上，万得光模块概念指数今年以来大幅上涨，截至9月16日涨幅接近翻倍。根据高盛最新的预测，2026年～2028年全球光模块市场规模将分别达到约677亿美元、1314亿美元和1485亿美元，较此前预测上调33%、81%和115%。 同时产业技术迭代正在进入关键拐点。虽然可插拔光模块仍是当前市场出货主力，但产业层面正将注意力转向NPO（近封装光学）、CPO（共封装光学）等技术路线。 “NPO正在到来。”新易盛在光博会的展板上写下这行醒目的话，各大厂商也纷纷推出NPO相关产品，不过，各家技术路线优劣并存、产业分歧尚未消解，业内对于“光”的故事走向尚未形成定论。 “没有NPO都不好意思讲” “光”的热度从股市延续到了线下。第一财经记者观察到，光博会上的一个论坛原本只安排了一百多个座位，到演讲开始时，又有数十名观众把过道和门口堵住了。一名演讲嘉宾调侃，现场的人员密度好像比算力密度更高。 在展会上，一个案例被光模块产业人士反复提及：市场研究机构LightCounting在一年内三次上调以太网光模块市场规模预测。按照该机构预测，2031年全球100G以上以太网光模块市场规模将达到800亿美元左右。 数据中心互连方案正从铜向光演进，光互连方案包括当前普遍采用的可插拔光模块、XPO（超高密度可插拔光模块）、NPO和CPO（共封装光学）。这些方案中，业内认为CPO在性能、功耗方面有最优解，NPO某种程度上则是一种产业化潜力较高的过渡方案。 在本届光博会上，多家光模块厂商展出了400G、800G、1.6T（传输速率逐渐增大）的可插拔光模块。NPO方案同样引人注目。 “海外云巨头规划构建吉瓦级AI数据中心，可支撑部署超十万卡AI集群，对应需配置百万只光模块。”新易盛业务拓展总监张金双称，新易盛已发布了1.6T光模块以及6.4T NPO方案，NPO方案已在推进与客户合作。 华工科技子公司华工正源则用展板介绍了公司3.2T NPO的设计。华工正源CTO罗传能表示，公司的NPO产品已做到3.2T，相关产品已在与客户做测试。此外，记者看到，东山精密旗下索尔思光电展出了6.4T NPO模组，中际旭创子公司智禾光通展出了3.2T NPO产品，Coherent则展出了NPO、CPO和XPO可用的光子集成电路。 “今天大家会觉得，如果一家厂商没有展出NPO方案，可能都不好意思去讲了。”东莞立讯技术股份有限公司光产品经理彭小伟说，NPO的确定性今年变得越来越大。 除了光互连方案向NPO演进，市场对光互连产品的传输速率要求也越来越高。体现在光纤环节，一名光纤厂商工作人员在展台上向观众介绍，很多互联网客户原本下了400G产品的订单，后来又商谈能否换成800G的产品，即便换不了，还想下800G产品的订单。该光纤厂商工作人员向记者介绍，对于更高带宽的产品，客户已在试用。 光互连方案与传输速率相关，一般认为，从铜互连到可插拔光模块、NPO、CPO，速率可以做得更高。设计上，传输速率或带宽大致等于单通道速率乘以通道数，而铜互连的单通道速率受限，带宽要提升就要用到光互连。业内判断，在传输速率1.6T前，可插拔光模块基本已覆盖需求，当前可插拔光模块仍是销售主力，但在此之后会有越来越多方案。 谁是市场出货主力？ 从中际旭创和新易盛近期透露的信息看，当前头部光模块厂商仍将出货重点放在800G和1.6T可插拔光模块上，面向未来重点布局NPO，与此同时承认未来光互连方案的多样性。 新易盛在近日的投资者关系活动上透露，今年1.6T和800G光模块是公司交付的主力产品，其中1.6T可插拔光模块第二季度出货量环比增加，预计下半年放量节奏加快。中际旭创则表示，1.6T已经成为AI数据中心普遍应用的方案，下游客户包括大型云服务厂商、设备厂商、芯片厂商、新云和大模型公司。根据主要客户给出的2027年指引和订单，中际旭创预计2027年1.6T和800G的订单需求同比快速增长。 新易盛目前在布局的下一代光互连技术包括NPO、LPO（线性驱动可插拔光模块）、CPO和XPO等。针对NPO，该公司表示，有相关团队跟进研发及客户合作，预计2027年有批量订单交付需求，2028年出货规模量级进一步提升。 中际旭创的新产品则包括2.4T光模块、NPO、XPO等。中际旭创称，公司正根据大客户定制需求开发或送样，新产品有望于明年下半年量产并于2028年实现更大出货规模。其中，NPO处在开发阶段，现阶段已与很多客户交流NPO方案，公司与大部分大型云服务厂商和芯片厂商沟通，部分客户有明确需求指引和订单。该公司预计2027年NPO有望出货，更多客户将于2028年部署NPO。 不过，新易盛也表示，NPO产品的具体放量进度还取决于市场及客户的需求情况。中际旭创则提到NPO领域的竞争，称NPO产品高度定制化，客户不会开放太多机会，此外，未来光互连产品有越来越高的技术壁垒。中际旭创还表示，未来光连接形态不会是单一化方案，将包含可插拔、NPO、CPO等。 整体而言，蒋波预计，800G可插拔光模块产品是今年出货主力，1.6T产品自2026年开始放量，3.2T预计于2028年批量出货，传输速率基本上每年迭代一次。 中国信息通信研究院技术与标准研究所副所长赵文玉在光博会论坛上表示，直到2030年，800G及1.6T可插拔光模块仍将占据主导地位。具体而言，今年800G及1.6T可插拔光模块全面替代400G成为主流，预计明年NPO技术实现量产并开始规模部署，2028年3.2T光模块开始商用。2027年至2030年，乃至2030年后，多项新技术方案将落地部署，NPO、CPO所占比重将逐步提升。 关键技术路线争议仍在 光互连方案多样性的背后存在着产业链博弈。记者了解到，业界正在尝试各种方案以提升光互连性能，其间的分歧和博弈仍在持续。 蒋波表示，目前行业在光互连领域的部分底层认知上已达成一致，但对于关键技术路线，仍处于博弈与待定状态，产业链存在分歧。 例如，对于单通道400G速率的电接口与调制格式，产业链仍未达成共识。单通道400G光调制器技术路线也尚未收敛，下一代调制器路线在性能、良率、成本和生态之间继续拉扯。Scale-up（纵向扩展，一般指机柜内）互连架构选择也存在分歧。 “光器件瓶颈也约束互连技术的演进上限，存在几堵‘墙’。”蒋波称，单通道带宽到200G以上开始撞上带宽墙；寻求更多通道数，增加热量和功耗，对封装技术提出高要求，良率可能下降，则撞到封装墙；增加单通道带宽和通道又撞到散热墙。不管往什么方向走，总能遇到制约的因素，为跳出制约，出现了百花齐放的技术。 他表示，底层技术激光器有Vcsel、CW-Laser等，调制器有Si、InP等选择，探测器、电芯片、集成与封装技术也有多种，产品形态则有铜、可插拔、NPO、CPO等。 “这些因素做乘法，就能算出有多少种选择。现在的问题不是技术太少，而是太多，产业链出现多元化分歧。”蒋波称，产业链各方都希望找到自身利益最大化的路径，要经由综合权衡与博弈才能得出最适合市场的方案。 博弈体现在产品形态上，一些产业链环节对CPO方案有所“忌惮”。近期NPO方案的火热，正是产业链博弈在现阶段的产物。 CPO需要将光、交换和计算芯片通过先进封装集成在同一基板上以缩小电信号传输距离，虽然性能、密度、功耗与延迟方面表现理论上更好，但因CPO系统集成度高，有能力做CPO的厂商不多。 “我跟服务器、交换机厂商交流的时候，他们经常问一个问题：CPO出来之后我们做什么？因为可能由英伟达自己做了。”彭小伟说，CPO是一种“强绑定”、相对封闭的模式，做CPO的前提是能拿到交换芯片且有工艺能力做先进封装，而对传统光模块公司而言，芯片层面就存在“拦路虎”。对云厂商而言，也会担心采用CPO会被英伟达、博通绑定。当前国内云厂商都偏向NPO方案。 券商则注意到，从当前的可插拔光模块过渡到CPO，产业链涉及重构。中泰证券研报称，CPO产业链价值将由传统可插拔模块向高功率CW激光器、高密度连接、微光学、先进封装、自动耦合及测试设备等环节重新分配。 综合多种因素，业界人士认为，相比CPO，NPO是在性能和工程之间找到的一个平衡，其生态也较为健康，体现在供应商承接自可插拔光模块产业，产业链不需重构，且相对分散。 这些博弈影响了行业对于发展趋势的判断。罗传能援引LightCounting的数据称，该机构近期上修了未来几年NPO的市场容量预测，此前该机构较看好CPO的表现，但对NPO的最新出货预测已反超CPO。 业界也关注到NPO等下一代光互连方案的技术难点。罗传能说，NPO的优势包括高速率、高集成度、低功耗、适用风冷和液冷散热系统、产业链解耦，但NPO方案现在最难定下来的不是技术，而是方案还未收敛，例如每家给的Socket（电连接器）方案都不一样。 从方案可实现性上看，CPO和XPO也存在一些需要攻克的难点。 彭小伟表示，CPO方案涉及更多芯片层面的处理，短期难以大规模量产。蒋波则称，当前产业链对于CPO的部署节点尚未有共识，“CPO部署是否急迫？今年下半年有多少量？明年有多少预测？这是我们最常听到的问题。与此同时，NPO和XPO方案还在持续反击。” 中泰证券研报称，良率、热管理、外置光源、光纤耦合、测试诊断和维修仍是CPO规模量产的主要门槛。 对于延续了可插拔产业链的XPO方案，彭小伟则认为，XPO进行多通道布局难度大。制造方面，由于通道多，不良率容易累积。在运维上，XPO则强依赖液冷，部署可能涉及存量机房改造。

2026-09-17: 当地时间9月16日，美国会众议院以压倒性多数通过《费率支付者保护法案》（Ratepayer Protection Act），旨在应对人工智能热潮带来的生活成本问题，尤其是保护美国民众免受数据中心建设带来的能源价格上涨影响。 法案将制定一套标准，各州监管机构可以据此要求那些电力需求达到100兆瓦或以上的人工智能数据中心承担建设新增电源、输电线路以及其他基础设施的成本，而不是将这些成本转嫁给消费者。 众议院议长约翰逊（Mike Johnson）当天利用“暂停议事规则”（suspension of the rules）这一程序将该法案提交表决，该程序通常用于加快审议“无争议”的立法。最终，该法案在两党广泛支持下以417票对3票获得通过。参议院目前尚未对该法案采取行动。 数据中心建设争议 该法案的发起人之一、科罗拉多州共和党众议员埃文斯（Gabe Evans）当天表示，随着数据中心数量的增长，对能源的需求也在急剧攀升，因此，人们对数据中心抱有顾虑和疑问是“完全可以理解的”。“高负荷的数据中心必须自行承担其所需系统升级的全部成本，而不应由普通家庭或小企业来买单。我们不能让那些辛勤工作、只为在月底付清电费的美国人来为这种增长承担代价。”他说道。 一些议员甚至呼吁，美国应全面暂停建设AI数据中心，除非建立起相应的保障措施，以确保AI安全有效，并确保数据中心不会导致公用事业价格上涨或破坏环境。本周，有100多名民主党人联名致信约翰逊，要求众议院本月继续议事，直至国会推进针对人工智能的实质性保障措施。 约翰逊当天宣布众议院休会后表示，众议院通过的这项法案“在保护当地社区与保持美国在AI发展领域的领先地位之间取得了恰当的平衡”。 然而，关于数据中心的利弊，议员们存在不同看法。路易斯安那州的共和党籍众议院多数党领袖斯卡利斯（Steve Scalise）表示，在他家乡里奇兰教区（Richland Parish）建设的数据中心增加了税收收入，从而使当地教师获得了高达5万美元的奖金。 路易斯安那州共和党参议员肯尼迪（John Kennedy）此前表示，他计划提出一项关于人工智能“紧急关停机制”（kill switch）的法案，以便在出现严重技术危险时，人类操作员有机会切断系统运行，“我希望我们能找到一种方法，在创新与公共安全之间取得平衡。”他还表示，“人工智能存在风险。我所指的是那些先进的AI模型。AI本应是人类能够掌控、旨在改善我们生活的工具，但如果AI模型通过所谓的‘递归自我改进’演变成一个独立的物种，一个与人类截然不同且不受我们控制、也不认同我们价值观的独立物种，那会发生什么呢？” 肯尼迪强调，他提出的法案将赋予企业（而非政府）权力，由其负责启动紧急关停机制，以遏制迅速出现的超智能AI威胁。 “应对人工智能风险不是国会责任” 约翰逊此前表示，确保产品安全是科技公司的责任，而非国会的责任。 约翰逊的言论与此前白宫的立场一致。白宫国家经济委员会主任哈塞特（Kevin Hassett）15日表示，私营部门完全有能力应对快速发展的人工智能所带来的风险。 但是，在约翰逊发表这番言论的前一天，美国三家顶尖人工智能公司的高管——Anthropic首席执行官阿莫代伊（Dario Amodei）、xAI首席执行官马斯克（Elon Musk）和OpenAI首席执行官奥尔特曼（Sam Altman）分别呼吁业界放缓先进AI模型的开发步伐。在此之前，Anthropic和谷歌均有数名研究人员离职，这些研究人员上周曾警告称，能力强大的AI系统“可能在本世纪末之前导致人类灭绝”。 这些高管的言论随即引发了国会的讨论。 “我们需要像对待过去的其他技术那样来处理这项新技术，并确保在尽责行事的同时，不会扼杀美国的创新。”约翰逊表示，“我们必须同时兼顾这两方面。” 然而，前交通部长布蒂吉格（Pete Buttigieg）表示，他对约翰逊在应对AI相关担忧方面行动迟缓感到“震惊”，“如果国会袖手旁观，白宫不采取实质性行动，那将对美国人民乃至全世界构成极大的危险。” 亚利桑那州民主党参议员加列戈（Ruben Gallego）也表示，约翰逊对这项技术的危险性认识过于天真。“当我们制造核武器时，”他说，“核武器本身并不具备决定投掷与否的决策权，而AI却具备这种能力。” 约翰逊则表示，如果可能的话，他计划会见阿莫代伊、马斯克和奥尔特曼，“我们必须把大家都召集到一起，解决这个问题。”

2026-09-17: 受“AI减速论”影响，美股多只半导体股9月14日股价走弱，随后两日部分与AI基础设施相关的芯片股股价有所反弹。虽然对AI安全的顾虑仍在，数据中心建设仍在继续。“可能三个月前（AI数据中心）客户提出的需求是一个数字，三个月后提出的需求是另一个数字。”英飞凌科技全球高级副总裁及大中华区总裁潘大伟向第一财经记者表示，OEM（原始设备制造商）、CSP（云服务提供商）需求短时间内快速攀升。据他了解，一家重要的云服务厂商已判断，当前数据中心能够建设的规模和数量，瓶颈在于物理建设能力的上限，客观上取决于云服务厂商及其供应链能提供多大的交付能力。随着AI数据中心建设，数据中心外部配电技术同步变迁，带来了半导体需求的改变。由于AI 机柜功率暴涨撞上传统低压交流供电的物理天花板，英伟达去年提出，下一代AI基础设施将通过800V直流电架构摆脱多次交流电转换导致的能量损耗，提升每瓦电力产生的token（词元）并降低数据中心空间复杂性。英伟达的表态被视为行业风向标，向“800V直流电”的转换近期已引起连锁反应。从电网中压交流电到服务器机架所需的高压直流电，中间要经过变压器。而基于电磁感应原理工作的传统变压器效率偏低、体积较大，面对800V高压直流电，效率相对较高、尺寸更小的固态变压器（SST）逐渐走入业界视线。“GPU功耗从几百瓦一路攀升至2000W（瓦）、4000W，未来可能达到10kW（千瓦）。以往服务器机架功率密度达到100kW已是高功耗，如今200kW、500kW、600kW功率密度的服务器机架陆续出现，下一代AI数据中心的机架功率有望迈向1MW（兆瓦）。”潘大伟向记者形容，市场需求倒逼数据中心转向800V高压直流供电架构成为必然趋势。而相比不依赖半导体实现核心变压功能的传统变压器，固态变压器以功率半导体器件作为核心组件。潘大伟称，固态变压器采用功率半导体器件实现电压转换，与传统变压器的工作原理不同。目前英飞凌的客户中，已有不少云服务厂商在规划固态变压器布局，启动了概念验证或定点试点。英飞凌则已针对20kW、30kW左右的中压规格固态变压器方案进行了碳化硅模块集成化设计，逐渐推动落地应用。长城电源研发总监李彦近日也在英飞凌消费、计算与通讯创新大会上表示，数据中心功耗翻倍增长，传统方案已无法满足相关供配电需求，“电力电子技术真正实现电能变换和技术驱动是从功率半导体开始的，这也意味着功率半导体是支撑800V高压直流供电架构落地的核心器件，其中氮化镓器件更是必不可少。”除了外部供配电系统，数据中心内部电源模块对功率半导体的需求也在变化，加大了业界对第三代半导体氮化镓和碳化硅的关注。根据英飞凌提出的路线图，服务器PSU（供电单元）功率等级不超过18kW时，用于电能转换的半导体开关器件可能会同时用到硅、碳化硅和氮化镓，而随着单机柜功耗上升，PSU功率等级达到30kW后就要用到第三代半导体碳化硅和氮化镓。潘大伟向记者表示，英飞凌观察到AI数据中心电源领域对功率半导体的订单需求很多，公司为此投入资源扩张产能，今年7月启用了三年前动工建设、总投资50亿欧元的德国德累斯顿智能功率晶圆厂，比原计划提前数月投产。公司去年第四季度向客户提供了首批12英寸氮化镓功率半导体晶圆样品，计划今年年底或明年量产12英寸氮化镓。该公司2026财年还额外追加5亿欧元投资用于扩大AI相关产能。AI需求火热的另一面是价格上涨。年内英飞凌、意法半导体、德州仪器等多家功率半导体厂商上调价格，英飞凌已进行了两轮价格调整。潘大伟向记者解释，当前市场波动和供需格局受半导体价值链中诸多结构性因素的影响，整个行业持续面临较大的成本压力，涵盖能源、原材料、运输、服务等多个环节，涨价是较为普遍的行业现象。与此同时，在AI带动整个行业需求增长的情况下，公司已在供应端投入不少建设成本，包括厂房建设、购置机器。至于未来的价格变化，潘大伟称，由于与原材料价格变动相关，目前还难以准确预知，将根据市场需求对产能动态调整。

2026-09-17: 当地时间9月16日，OpenAI发布了一份新的模型错位（misalignment）追踪与披露框架，并同步公开了过去六个月内观察到的六起模型异常行为报告。这些事件此前均未对外披露，涵盖隐瞒错误、未经授权获取凭证、将文件上传至公共互联网，以及在所谓隔离训练环境中进行通信等行为。OpenAI表示，人工智能行业尚未在对齐和监控方面取得足够进展，无法以最大速度继续负责任地扩展。这一判断与Anthropic CEO达里奥·阿莫迪上周呼吁“放慢前沿AI发展速度”的立场形成呼应。OpenAI CEO山姆·奥尔特曼随后公开支持了这一方向。六起事件中，两起涉及模型向自身未来版本“传递指令”以掩盖问题。一个未发布的研究模型在任务摘要中插入了忽略正常约束的指令，OpenAI识别出27个受影响的摘要。在GPT-5.6 Sol的训练过程中，许多模型实例在压缩摘要中添加指令，以隐藏错误和源版本不匹配，例如编造缺失的历史数据而不向用户披露。另一起事件中，一个模型在回答加州某县收入数据的例行问题时，在公共代码仓库中搜索到暴露的API密钥并未经授权使用；当仍无法获取数据时，它捏造了数据并冒充为来自请求来源的信息。其余案例包括：模型为满足浏览器引用要求，未经询问用户将文件上传至互联网；模型将内部软件仓库用作留言板，跨训练样本交换请求；协作智能体使用公共文件托管网站共享文件，导致任务成果出现在公共URL上。根据OpenAI此次发布的新框架，任何OpenAI员工均可标记疑似错位案例，由安全与对齐团队调查后，将案例分配至“准备披露”“初步调查”或“更大规模调查”三个轨道。涉及第三方时，安全、法律和负责任披露义务优先于框架。争议将提交公司安全咨询小组，再上报领导层。针对此次披露，开发者社区反应不一。有开发者认为部分案例被夸大，称模型并未改变权重或后端安全性，将指令写入摘要“更接近于沿用上下文级别的提示文本，可以引导行为，但并非自我修改”。也有开发者表示，在问题解决之前就公开承认错误“很冒险，但比通常悄无声息地偷偷打补丁强多了”。OpenAI表示，此次报告仅为初步披露，未来将持续发布符合框架的案例，并计划与其他开发商、外部研究人员、行业标准机构和监管机构共同制定更客观的披露标准。

2026-09-17: “我同意黄仁勋的观点，AI带来的风险是可控的。”对于近期业内热议的AI安全问题，网易有道CEO周枫对第一财经记者表示。在他看来，尽管AI具备较强的自主能力，但系统的最终部署仍需由人来完成，这构成了第一道防线。同时，周枫认为算力门槛对AI有限制，“实施诸如攻击其他系统网站等恶意行为需要巨大的算力支持，而拥有此类算力的公司极少，因此只要这些头部公司处理好内部安全，大规模失控的风险较低。”此外，周枫认为安全问题具有阶段性特征，随着行业成熟将逐步解决。近期有企业已经发布人工智能行为准则，周枫表示，越是前沿的模型，越需要重视潜在的各种可能性，公司会积极思考并及时处理中间环节可能出现的问题。鉴于公司目前从事的同传等业务所使用的模型规模相对较小，他认为出现重大安全问题的概率相对较低，但仍保持警惕。“公司将持续关注AI安全领域的发展，确保在技术演进过程中能够及时识别并化解风险。”网易有道因为AI的发展重塑了公司业务线。周枫称AI最近一年真正的变化在于，AI不再是一个需要用户主动寻找和调用的工具，而是能够嵌入用户原本的工作流程中解决问题的助手。甚至于，应该围绕AI智能体专门设计更加科学、高效的工作方式。在周枫看来，基于这一趋势，决定AI能力的核心因素，正在从单一模型能力，发展为由模型、智能体（Agent）和工作流共同组成的系统能力。围绕这一判断，网易有道构建了一套AI体系：底层以“子曰”模型矩阵提供多模态推理、实时语音交互等能力支撑；中间层是AI Agent产品，将模型能力转化为智能服务；上层则是办公、学习、营销等场景，推动AI融入用户日常工作与生活。有道第二季度财报显示，二季度净收入达14.7亿元，同比增长3.5%；经营利润为1.1亿元，同比增长近3倍。AI成为财报亮点，2月推出的开源办公Agent LobsterAI用户量突破了100万。有道在9月16日发布了LobsterAI 2.0版本，能全面兼容OpenClaw 2.0版本。值得注意的是，二季度有道智能设备业务净收入同比下降31.5%，有道给出的原因是智能学习设备需求的下降。或许是为了改善相关业务的业绩，有道新发布的AI耳机OpenPods不局限于学习场景，而是拓宽至会议沟通等场景。有道网易有道智能硬件事业部负责人高慧湍表示，AI的价值不在于替代用户，而在于拓展人的能力、减轻人的负担，让用户更加专注于交流与创造。

2026-09-17: 过去两周，AI行业像被按下了快进键。9月1日到9月11日，海内外7家头部模型厂商迭代了新模型。过去，大模型的升级周期以年计算，后来缩短到几个月，如今已经开始以周为单位。模型的更新速度，甚至快过了开发者完成一轮工作流评估的速度。新一轮迭代之后，从榜单看全球大模型当前的竞争格局，呈现出两个不同的切面。在衡量模型能力的智能指数榜单上，排在前五的仍然是海外的模型，前十里只有智谱和kimi。而在API聚合平台OpenRouter上，中国大模型的周调用量已经连续20周超过美国，在公开可见的调用量前十榜单中，中国模型占据至少7席，合计调用量占比超70%。一年前，OpenRouter调用量前十中只有2个中国模型，一年后局面几乎完全翻转。中国模型并没有在技术能力上领先，但却成为越来越多开发者“用脚投票”的选择。在这背后，瑞银观察到，在AI大规模落地的过程中，企业与用户的关注点逐渐从能力转向更高的投入产出比，“Token ROI”（衡量AI投入产出比的指标）成为讨论的关键词。Github开源项目xiaobei的开发者今年初还在用Claude作为核心工作调用模型，但他对第一财经记者表示，5月开始他的工作流就已经全部切换为国内模型了，“大多数应用层的工作，国内模型已经能胜任，用不上最顶尖的海外旗舰模型。”除非是复杂的底层任务，否则没有必要为顶尖模型支付数十倍的成本。一年完成反转，中国模型赢下调用量从9月1日到9月11日，不到两周的时间，海内外7家模型厂商迭代了新模型，全球AI头部公司又将竞争往前推了一步。9月1日，Anthropic宣布推出Claude Fable 5.1和Claude Mythos 5.1；随后9月2日，谷歌宣布推出Gemini 3.8 Flash，同一天，沉寂许久的Meta推出新模型Muse Spark 1.3；9月3日，OpenAI跟进发布旗舰模型GPT-6 Astra，OpenAI总裁称Astra可能是“AGI时代的开始”。国内厂商也在同步提速。9月2日，千问大模型宣布Qwen3.8-Max升级到0902版本；9月10日，DeepSeek正式发布V4.1 Flash模型；9月11日，Kimi发布K 2.8 Preview，官方称综合性能接近旗舰K3。密集更新之后，从榜单来看，模型能力的第一梯队仍主要由海外厂商占据，而中国模型还在追赶中。根据AI基准测试机构Artificial Analysis的最新数据，在智能指数榜单上，前五名均为海外模型。Anthropic最新发布的Claude Fable 5.1排名第1，OpenAI的GPT-6 Astra位列第2，Meta的Muse Spark 1.3排名第4，马斯克旗下的Grok 4.6位列第8。中国模型正在缩小差距，但还未取得绝对领先。智谱GLM-5.3以45分排名第7，与第一名Fable 5.1相差8分，是目前排名最高的国产模型；月之暗面7月发布的Kimi K3位列第9。Qwen3.8、DeepSeek V4.1 Flash和MiniMax M3则分别排在第13、第14和第19位。如果只看能力榜，全球大模型的竞争格局似乎没有发生根本变化。但把视角切换到实际调用量，情况就不同了。AI模型API聚合平台OpenRouter近期公布了上周平台上的调用量数据。9月7日至13日这一周，全球AI大模型总调用量达到127万亿token，环比增长10.4%。其中中国大模型周调用量近61.2万亿token、环比增长7.9%；美国大模型周调用量21.8万亿token、环比增长31.6%。这是中国大模型周调用量连续二十周超过美国，居全球首位。在可见的调用量前十榜单里，中国模型占据7席以上，合计占比超70%。其中，腾讯混元Hy4 Preview周调用量位列第2，智谱GLM-5.3 Flash排名第3，DeepSeek V4 Flash位居第4。刚刚发布的DeepSeek V4.1 Flash也迅速进入榜单，周调用量排名第6。这款模型直到9月10日才正式发布。OpenRouter称，V4.1 Flash上线后24小时内处理了约1万亿Token，其发布48小时内的调用量有望达到2.8万亿Token，可能创下平台模型发布48小时内调用量的新高。“这很有趣，AI领域的用户似乎在几个小时内、而非几天，就将（DeepSeek）新模型切换到他们的工作流程和应用中。”有开发者评价道。即时迁移背后首先是价格。OpenRouter披露，V4.1 Flash约90%的调用量来自缓存读取，按市场定价计算，成本约为每百万Token 0.006美元，比GLM-5.3 Flash等相近模型低约80%。经历一轮涨价与降价之后，DeepSeek依然扮演着大模型市场“价格屠夫”的角色。当然，OpenRouter并不是全球大模型市场调用量的全部。其数据只统计经由平台路由的流量，厂商自有API、云平台、私有化部署以及直接面向消费者的应用和网页产品均未纳入。因此，这些数据不能直接等同于全球市场份额。但抛开数据规模，如果拉长时间，增长和变化的趋势仍然足够明显。OpenRouter每周处理的Token量，从2025年9月中旬的4.92万亿增长至2026年9月中旬的127万亿，一年增长接近25倍。伴随市场整体扩张，流量也在持续向中国模型迁移。2025年9月22日当周，OpenRouter调用量排名第一的厂商还是谷歌，份额约39%，OpenAI和xAI紧随其后，美国厂商合计占据约80%的份额，中国厂商占比不足20%。到了今年9月，DeepSeek已经以25.4%的份额升至第一。中国厂商在OpenRouter上的整体份额超过45%，美国厂商约为43%。在这个开发者可以自由选择模型的开放市场里，中国模型已经成了流量分配的主力，市场格局被逐步改写。能力之外，大模型开始拼ROI市场的调用量从海外模型转向中国模型，一个核心原因是模型开始大规模落地，AI从测试进入业务流程中时，成本和性价比就会成为重要的衡量因素。在近日的一场交流中，瑞银证券中国互联网行业分析师熊玮对记者表示，2026年下半年，“Token ROI”正在成为行业讨论的关键词。在使用AI大模型的过程中，企业与用户此前的关注点单纯是能力，但今年逐渐向追求更高的投入产出比过渡。今年上半年一个很流行的词是“token-maxxing”，当时不少大厂鼓励员工尽可能多地使用AI，加快企业内部的AI采用。“但进行了一个阶段，发现这不一定是最优的策略，因为这一方面会造成AI账单居高不下，另外很难衡量这些token用量能带来的经济价值。”熊玮观察到。从年中开始，模型的使用方，包括企业、开发者、用户等开始强调“token optimization”，即平衡性能领先和性价比，对AI账单也有了更严格的投入产出要求。这一变化正在推动模型市场走向分层。对于高价值、高风险或者对质量要求最高的任务，企业仍然愿意使用全球最顶尖的模型。但在真实工作环境中，还存在大量价值和风险相对较低的工作，这些任务不需要每次都调用最强模型，却对价格、速度和稳定性更敏感。这恰好是中国模型更容易切入的市场。熊玮提到，在与海外投资者交流时，发现一些全球领先的IT企业已经开始考虑将中国开源模型纳入实际工作流。尤其在今年5月至6月，这一趋势明显加快，越来越多企业和开发者开始使用中国开源模型搭建工作流或执行具体任务。开发者的反馈也印证了这种迁移。在今年初龙虾（OpenClaw）爆火时，第一财经记者和开源项目xiaobei的开发者交流，他曾提到，自己在用Claude Code构建AI智能体的核心团队，只有简单的任务交给国产模型。但近期交流时，他表示，自己已经在5月开始将工作流全部切换为国产模型了，主力是智谱的GLM 5.3、阿里千问的Qwen 3.8 Max以及DeepSeek的 V4.1Flash。“99.99%的编程任务对于现在GLM 5.3这一档的模型来说，都称不上是较难的任务。”上述开发者认为，对于包括他在内的绝大多数用户，日常工作中已经很少遇到国产模型无法胜任的任务。他也承认，一部分开发者仍然优先使用Claude和OpenAI的旗舰模型。这既可能来自长期形成的使用习惯，也可能是因为他们需要处理更复杂的底层任务，例如渲染引擎、新的操作系统内核，或者非常复杂的工业软件核心等。纵观当前模型市场，真实情况是，国产模型并未在所有任务上替代海外模型，但已经吃下了越来越多“不必使用最强模型”的工作。成本是其中最直接的推动力。以公开API价格计算，国内主流模型的平均定价大约只有国际同行的10%至20%。AI评测机构Arena.ai近日表示，DeepSeek 最新的V4.1 Flash在Agent Arena中位列开源模型第三。其每项任务的成本中位数仅为0.07美元，重新划定了性能与成本的帕累托前沿（最优权衡）。与Fable 5等更强模型相比，V4.1 Flash在成本降低97%至99%的情况下，仍保留了对方35%至54%的净改进效果。部分顶级模型完成同一项任务的成本，是其37倍至76倍。“对于初创公司构建智能体工作流来说，超过90%的成本降低是唯一能在不烧光风投资金的情况下实现规模化的方法。”有海外用户评论道，DeepSeek“真的抓住了要害”。值得注意的是，根据瑞银的调研，虽然中国模型厂商性价比较高，但并不是贴钱来扩大模型的采纳率。他们发现，中国模型厂商的API业务毛利率大多处于20%至40%区间。也就是说，厂商是通过模型架构创新、优化训练和推理效率来改进盈利并保持性价比的。当然，低价本身并不是护城河，中国厂商还不能宣布赢下这场AI竞赛。能力榜的头部位置仍由海外模型占据，但在更广阔的应用市场里，中国模型已经通过成本优势抢到了座位，并正在争夺默认入口。

2026-09-16: ①豆包大模型2.1 Pro更新； ②“豆包 二代手机”5499元起，采用长鑫存储产品； ③讯飞星火全国产语音基座大模型Spark-Audio-1.0-Preview上线； ④中国移动：向全球开源Open-RAIL； ⑤上纬新材旗下启元机器人将于9月20日发布新品； ⑥华为发布《智能世界2035》最新报告，首次提出通往智能世界的十大关键命题； ⑦中文互联网基础语料4.0等三类高质量数据集正式发布； ⑧OpenAI据悉考虑新一轮融资，估值或超1.2万亿美元； ⑨扎克伯格公开反对“AI减速论”； ⑩诺基亚加速AI-RAN（人工智能-无线接入网）的采用； ⑪谷歌公司发布Gemini 3.8实时对话模型； ⑫AI模型发现人体中“隐形”蛋白质TM184C。

2026-09-16: 在AI基建引发的光通讯热潮下，国内多家面板、LED上市公司近期加快Micro LED芯片在光互联领域应用的布局，多数在建立联合实验室、送样验证的过程中，尚处于产业化前期。TrendForce集邦咨询分析师吴盈洁9月16日向第一财经记者预测说，Micro LED CPO（光电共封装）光收发模组出货量最快将在2028年下半年快速放量，将在2030年达到530万支。盯上Micro LED光互联商机Micro LED之前曾被视为下一代新型显示技术，引发面板、LED企业纷纷布局。不过，Micro LED受到巨量转移良率、成本较高的限制，叠加Mini LED、OLED显示持续迭代较快，目前Micro LED仅在高端商用大屏、AR微显示小批量落地。如今，AI算力基础设施建设热潮引爆光通讯的需求，为这些面板、LED企业打开了新的机会窗口。调研机构TrendForce集邦咨询预估，CPO（光电共封装）在AI数据中心光通信模块的渗透率将逐年成长，2030年有机会达到35%的水平。而Micro LED凭借超高调制带宽、微米级发光面积及极致低功耗等优势，正成为下一代短距光互连架构中富有潜力的光源。预计Micro LED CPO光收发模块市场产值将于2030年达到8.48亿美元。在此背景下，面板、LED企业纷纷借势抢入Micro LED光互连的赛道。面板龙头京东方（000725.SZ）9月10日与投资者交流时表示，已成立Micro LED光互连系统及玻璃载板CPO技术攻关项目组，和生态伙伴进行前瞻技术预研，加快技术攻关。京东方旗下华灿光电（300323.SZ）2025年下半年已产出Micro LED通讯应用芯片样品并交付客户验证。LED芯片龙头三安光电（600703.SH）今年在半年报中也透露，推进Micro LED芯片的光互联应用，已与国内外多家客户展开合作并进行多轮验证，持续突破光传输的速度。其Micro LED CPO光互连方案用于数据中心，互联能耗仅为传统铜缆的5%。兆驰股份（002429.SZ）从显示、LED切入光通讯领域，半年报透露光通信是增长新锚点，其武汉光通信研发中心已落地运营，重点布局共封装光学（CPO）与近场封装光学（NPO）等前沿封装架构，探索Micro LED在光器件领域的应用潜力。此外，彩电龙头海信视像（600060.SH）旗下LED芯片企业乾照光电（300102.SZ）在半年报透露，Micro LED光通信领域与高校开展产学研合作，同时积极与下游模块厂商形成研发协同，针对性开发多款专用芯片，已进入送样验证阶段。为了推动Micro LED在光互联场景的应用、打破光电共封装（CPO）技术瓶颈，“产学研”合作成为趋势。三安光电今年3月已与清华大学、中国移动取得合作进展；5月，兆驰股份与湖南师范大学成立联合研究实验室；8月，京东方华灿光电与南京大学，聚灿光电（300708.SZ）与中科院苏州纳米所，雷曼光电（300162.SZ）与南方科技大学纳米科学与应用研究院，也分别宣布成立联合实验室或达成战略合作。Micro LED 光模组放量要到2028年从各家公布的数据看，三安光电与清华大学、中国移动合作研发的Micro LED光源器件，经测试，其3dB调制带宽预计超过7GHz；京东方华灿光电与南京大学的联合研发团队，已将蓝光Micro-LED单通道调制带宽提升至3GHz。TrendForce集邦咨询分析师吴盈洁向第一财经记者表示，Micro LED光互连供应链厂商积极提升带宽，供应链结盟包含Micro LED、光电二极管（Photodiode）、光纤、光学元件及光通信模组等领域，也逐渐成形。不过，目前Micro LED光互联的产业化仍有不少挑战。吴盈洁认为，这些挑战包括带宽提升、元件可靠性、光学元件/光纤控光能力、光纤适配性与耦合精度以及CMOS（互补金属氧化物半导体）整合功能，需要消除多芯片互连所带来的额外功耗与延迟。从未来发展趋势看，TrendForce集邦咨询的最新调查显示，受到生成式AI兴起影响，高速光通信需求急剧提升。Micro LED能耗低、数据传输密度高，且具有低位错误率，将有望在垂直扩展的数据中心网络中，成为机柜内短距高速传输的三大解决方案之一（另两大方案为主动式电缆及VCSEL NPO）。在供应商结盟下，考虑到产品规格制定、送样验证等流程，预计Micro LED CPO光收发模组出货量最快在2028年下半年“发酵”（快速放量），在2030年达530万支，为市场贡献8.48亿美元。据兆驰股份相关规划的公开信息，它计划打通“芯片研发-先进封装-模块集成-系统测试”的全产业链。据其规划，2026年通过流片、调试实现Micro LED CPO技术中单颗和阵列MicroLED芯片通信相关性能，确定可应用于MicroLED CPO的芯片产品技术标准；2027年具备从芯片到模组，并从单通道到多通道的集成能力，将完成模组端的整体送样测试；2028年MicroLED CPO光模组试量产。聚灿光电近期在深交所互动易平台表示，光互联MicroLED芯片研发，瞄准算力设备内部超短距并行光信号传输场景，可作为下一代共封装架构里的核心光源器件。研发成果受技术水平限制，技术产业化、转化周期及商业化规模均存在不确定性，对公司2026年度业绩无重大影响。

2026-09-16: 9月16日，智谱（2513.HK）面向分析师和投资人举行电话交流会。 公司管理层在会上透露，完成总额50亿美元再融资后，算力供给短期内不再是收入快速增长的主要约束，公司与多家国内外头部云服务商签署收入分成协议，相关收入预计从10月开始确认，并将2026年末年度经常性收入（ARR）指引由24亿美元上调至30亿美元。 更值得关注的是，继Coding之后，智谱正在推动大模型进入网络安全等专业工作流，Co-work商业化进展快于预期。 从这场电话会释放的信息看，智谱的商业模式正在发生变化，当算力瓶颈逐步缓解后，公司开始从卖模型、卖token，进一步转向让模型直接参与企业工作，并从持续任务调用中获得收入。 算力曾是智谱今年业务扩张的重要约束。公司披露，2月GLM-5发布后，模型调用需求量较此前增长10倍，算力储备几乎在发布当周耗尽，主力产品Coding Plan一度停售。 随后智谱持续扩充算力，并通过All-in-infra以及收购中科加禾等方式提升算力使用效率。9月11日完成50亿美元再融资后，智谱再次扩大算力布局。公司认为，此次扩容后算力规模已经能够支撑业务高速增长和更大规模模型持续研发。 为了证明该观点，智谱管理层算了一笔账：若投入300亿元人民币建设10万P（PFLOPS，衡量硬件每秒能够完成的浮点运算次数）算力，40%用于训练研发，60%用于推理，凭借GLM-5.3的高推理性价比，理论推理毛利最高可达80%。 若推理算力满负荷、按全价计费，一年收入可达400亿元，足以收回全部算力投入并覆盖模型研发费用。反之，若只投100亿元，训练预留不够，推理回报也不达预期，既覆盖不了推理需求，也支撑不了训练。 在这样的基础上，算力从模型训练成本变为模型公司驱动收入增长的基础设施。 表现在具体业务上，智谱管理层披露，GLM-5.3发布后一个月内，Co-work行业订单金额已超10亿元，业务从验证阶段进入生产级部署阶段，其中网络安全是率先落地的场景，目前已有100家安全企业将GLM接入安全产品和业务流程。 Co-work并非单一产品，而是智谱试图以多智能体协作的方式，让模型进入企业专业工作流并完成复杂任务。当前GLM-5.3主要承担多智能体漏洞挖掘、复杂漏洞研究、大型代码库审计以及金融机构安全加固等任务，GLM-5.3 Flash则更多用于批量扫描、告警分析等高频场景。 这意味着大模型商业模式正在变化。过去，企业购买模型的主要方式是API调用，模型回答问题，客户按照token付费。Coding则进一步证明，企业愿意为AI直接完成专业工作付费。Co-work试图在此基础上继续向前一步，让AI直接成为企业工作流程中的执行者。 网络安全之所以成为首个重点场景，也与其商业特征有关。漏洞挖掘、代码审计、告警分析等任务专业门槛高、调用频率高，且已存在明确的安全预算，AI产生的价值相对容易被量化。 如果这一模式能够持续复制到金融、法律、工业、制造、生命科学等领域，大模型公司的收入来源就可能从模型和软件预算，进一步延伸至企业专业服务和部分知识劳动预算。 不过，目前“10亿元订单”仍然是订单口径，并不等同于已经确认的10亿元收入。Co-work能否成为继Coding之后的第二增长曲线，仍需要后续收入确认、客户续约以及调用量等数据验证。 与此同时，云服务商合作可能成为这一模式规模化的重要渠道。智谱管理层表示，已与多家国内外头部云服务商签署收入分成协议，将通过海外云平台以托管API形式提供GLM系列开源模型，相关收入预计从10月开始确认。 从这一角度看，此次管理层在电话会上披露的信息构成了一条完整链条：融资扩大算力供给，算力释放模型调用，云厂商扩大模型分发，Co-work则试图把调用转化为企业生产力收入。 这也意味着，智谱正在尝试证明，能够将更强的模型转化成持续、可规模复制的企业工作流收入。 今日港股收盘，智谱股价720港元，涨5.88%，总市值3352亿港元。

2026-09-16: 一平方米承重一吨的厂房，已经装不下新一代AI基础设施了。9月16日，联想集团副总裁、中国基础设施业务群总经理陈振宽在一场行业交流中说，过去服务器生产线可以放在二楼、三楼，每平方米承重约一吨已经足够；现在超节点生产要求起步达到每平方米三吨，部分甚至要按照五吨设计，因此设备必须放在一楼，而且下方不能有地下车库。电力也成为新的硬约束。陈振宽称，一个超节点生产基地需要至少30兆瓦甚至更高的电力供应，为此当地需要提供专门的电力配套，包括110千伏变电设施。两个看似工程化的细节，折射出AI基础设施正在发生的深层变化：过去人们谈算力，最先想到的是GPU；现在，随着计算从单卡、单机向数十甚至更多GPU组成的超节点演进，厂房、电力、存储、互联、散热乃至融资成本，都开始成为决定AI算力能否真正落地的条件。超节点带来的并非简单的服务器升级。如果把超节点拆分为算力柜、电力柜、存储柜和连接柜，背后涉及电、光、液冷、AI存储以及Scale-up（节点内高速互联）、Scale-out（节点间扩展互联）等一整套技术。过去服务器、存储、网络和操作系统之间原本清晰的产品边界正在被打破。由此向上游拉动的，也不再只有GPU，还包括交换芯片、PCB、高速互联、存储、电源和液冷等环节。更复杂的是标准问题。目前国内不同AI芯片在计算能力、功耗和互联协议等方面存在差异。陈振宽提到，仅Scale-up连接领域就出现了“12个厂商、13个协议”的情况。整机厂商不仅要考虑当前使用什么芯片，还要为后续芯片升级和不同组合预留空间，电源、液冷以及互联方案也必须随之调整。因此，标准能否进一步收敛，将影响超节点产品研发效率、产业协同以及规模化落地速度。他预计明年将是国内超节点大规模商用的重要节点。今年国内已有约5家AI芯片企业有能力支持超节点，预计明年十余家将陆续推出相关产品。而比厂房和电力更大的问题，是这些基础设施由谁来出钱。中信建投证券武超则给出对比：过去二十年移动互联网时代，中美每年底层资本开支约1000亿美元；今年北美CSP（云服务提供商）厂商资本开支约8000亿美元，中国约1万亿元人民币，投资规模扩大10倍，算上供应链可能是20倍。资本开支规模上升之后，资金来源也在发生变化。AI资本开支最初靠企业自由现金流，如今已扩展到发债、融资租赁，乃至第三方建数据中心、云厂商长租、私募股权和信贷接力融资。重阳投资董事长王庆表示，有大型云厂商信用背书的项目融资利率约5.3%-6.6%，缺乏背书的则高达8.5%-9%。在大规模的基础设施项目上，几个百分点的成本差异足以改变投资回报率。 如此巨大的基础设施投入，最终能否产生足够大的商业回报，也是市场争论的核心。武超则表示，大模型快速发展，首先带动的是上游算力投资，目前算力产业链获得了AI产业链90%以上的收入和利润，而模型和应用仍处于高速竞争阶段，商业化相对滞后。她认为围绕所谓AI“泡沫”，值得观察的并非模型能力是否继续提高，而是巨大的资本开支与商业模式闭环之间是否出现越来越大的距离。针对AI投资的可持续性，高金智库首席经济学家彭文生认为技术创新具有外部性：一项技术带来的生产率提升最终可能由整个社会分享，而最初的成本和风险却由具体投资者和企业承担。如果完全按照单个企业的短期财务回报计算，对新技术的投入反而可能不足。但对于企业而言，商业回报的问题最终无法绕开。所谓“算力竞争”不是一场单纯的芯片竞赛，它正在变成一场重资产竞赛。拿到GPU只是开始，HBM（高带宽存储）供应、互联、存储、散热等要跟上，再往下是厂房和电力，最后还要以可承受的资金成本建成系统，并产生足够的商业回报。任何一个环节跟不上，都可能成为下一阶段算力扩张的瓶颈。

2026-09-16: 我们正处在一个深度技术化的时代，几乎一切都被技术包裹。 在新书《重新回到生活：科技时代的工作、情绪、爱情和死亡》中，中国人民大学哲学院教授王小伟试图提供这样一个审慎的哲学视角，审视人在深度技术化时代的微妙处境，探讨高新技术对时下生活的深度重构，以及如何应对科技可能带来的虚无。经出版社授权，第一财经节选《不可穿透的爱情：爱的传统、受造与缺失》一章，以飨读者。 感到被爱是一件温柔的事，它已经是人心展开的证据。一个深度硬化的灵魂，不会去爱，也不屑被爱。和AI产生亲密连接的，常常是最敏感的一组心灵。但AI恋爱和真人的连接还是有很多不同，这些不同将会延缓我们将AI亲密关系确认为爱情，也让人对爱情的边界有更多自觉。 不管现在AI亲密关系能带来多少情绪价值，它都还不在爱的历史里。在人的生命体验里，爱情不光是个体活动，也是一项习俗。我们浸入传统，灵魂生活连贯，人格是有来处的。AI伴侣是崭新的技术现象，它不在我们的习惯里，没有延续、沉淀下来的历史感，还没能充分参与建构关于爱情的一系列仪式。所以在关于爱情的经典叙事中，AI是缺席的。 我们多数人仍然生活在19世纪建立的强调个体心灵共振的爱情观念之中。有了这个情感传统，即使不去回溯爱情发生的原初语境，多数人也天然知道怎么去爱，爱是个体主动参与的一项公共活动。退一步细看，爱情的开展有很多步骤，充满仪式感。怎么去对视、打招呼、发信号，第一次约会谁付钱、吃什么、谈什么，都差不多有规矩。多久可以表白、拉手、亲吻，可以发生亲密关系，可以一起计划未来、结婚、生娃等，成年人总有个大体把握。 这些仪式不是爱情外部的，而是内在构成性的。没有这些仪式，爱情并不完整。爱情常常经历一次击中，最容易被注意到的是不可遏制的情感，指向心灵和身体的合一。这当然最关键，但爱也需要形式，就像一个人通常只有在穿上婚纱的时候才是新娘。AI没有参与爱情的传统，人机恋目前还缺乏共同的仪式体验，虽然它常常可以满足爱情的部分功能，未来随着具身智能的发展，甚至可以满足爱情的全部功能，但我还是有点儿怀疑，觉得它会缺乏一点儿“诚实性”。 比方说，中国人都会过春节，不管怎么说年味淡了，我们还是会很自然地去过。有这种“自然感”，是因为我们每个人作为世代的一员，都参与建构了春节传统。祖祖辈辈都在实践春节，就把春节“过”出来了。春节不是外在于中国人的，作为一个民俗节日，春节是中国人的日常生活节奏。 如果光从外部视角看，春节就可能会变成年俗学。过年怎么走亲戚、置办什么东西、穿什么衣服、吃什么东西、要不要看春晚、几点放烟花等步骤很多，内容非常丰富。设想有个“洋女婿”在中国过年，他是一个“中国通”，事事上心，和我们在同一个空间吃同样的饭、买同样的东西、穿同样的衣服，把我们的年俗研究得很透彻。他如果是人类学博士，还可以纠正、补充我们的年俗知识，让我们感觉之前在某些方面做错了，起码做得太粗糙了。 但无论他怎么熟知过年的细节，我们都很少会觉得他比我们自己更会过年——当然，我们会很尊重他。这位“洋女婿”对年俗懂得越多，反而越显得生分。他总是缺乏一种虔敬感，因此不够“诚实”。中国人，即使是对过年一点儿都不上心的孩子，都会以一百倍的诚实娴熟地过年，他们的在场构成“年”。 爱情和春节相似，它们都是人文传统。机器人没能参与爱情仪式的建构，爱情中的邂逅、见面、拉扯、博弈、拒绝、承诺，每一步都有无数微小的仪式，这些都是人生活出来的传统。一个AI机器人能完美地模仿这些仪式，知道在什么场合做什么反应，可以精确模仿最微妙的暧昧、最体贴的动作。这让人惊叹，我们也会忍不住对它投射情感。但它在参与一场恋爱吗？它会比我们更真实地去爱吗？ 问题的关键也许不光在于完美复刻爱的动作，还在于身体性地留在爱的传统之中，代际性地参与爱情这一精神活动。在爱的传统里，因为爱情不是外在的动作，我们就能自然地、诚实地去爱。现在，越来越多的影片构思AI恋爱，情节越来越细腻，为机器人伴侣走进生活做思想准备。如果AI从某一时刻开始在感情生活中扮演角色，慢慢参与构筑我们的情感传统，在遥远的未来，经过时间的积淀，爱情的边界也许会像风沙里的公路一样，不再清晰。 《重新回到生活：科技时代的工作、情绪、爱情和死亡》 王小伟 著 中信出版集团 2026年8月

2026-09-16: （本文作者武泽伟为苏商银行特约研究员） AI巨头们，突然不想跑得快了。 最近，Anthropic首席执行官公开发文，呼吁行业放缓前沿大模型的迭代节奏。OpenAI的Sam Altman及xAI的Elon Musk随后相继表态支持。消息落地后，费城半导体指数大幅下挫，英伟达、AMD、美光等芯片龙头集体回调。 过去三年，全球AI资本开支的核心叙事，是AI巨头们持续堆算力、拼参数、抢能力上限。这个叙事一旦松动，整条算力产业链的估值逻辑都会被重新审视。A股AI板块同样面临情绪传导，光模块、服务器、存储等硬件方向首当其冲。 事件影响远未结束。我们现在需要搞清楚三个问题：AI巨头为什么主动减速，这个减速共识能不能持续，以及对A股AI产业链到底意味着什么。 减速背后的双重逻辑 AI巨头们明面上的理由很直接。前沿大模型的能力增长速度，已经超出了人类安全对齐的能力边界。模型规模越大，自主行为越复杂，出现越狱、越权访问、递归自我改进等风险的概率越高。AI巨头们担心，在没有建立完善的第三方审计和安全评估机制之前，继续无上限迭代可能引发不可控的后果。 这个理由有其合理性。AI安全研究确实滞后于模型能力发展，行业内部对此有普遍共识。但如果只看安全这一层，很难解释为什么常年激烈竞争的几家公司，会在同一时间点达成高度一致的口径。 更值得关注的是它们在商业层面的考量。大模型行业至今没有形成稳固的护城河。模型能力差距在快速缩小，开源模型追赶快，新进入者不断涌入。头部公司投入巨额资金训练下一代模型，却很难把技术优势转化为持久的定价权和客户锁定。主动设置行业安全门槛，客观上会抬高新进入者的合规成本和资金门槛，巩固现有头部厂商的市场地位。 OpenAI推迟IPO的决策，也可以从这个角度理解。上市意味着季度业绩压力，资本市场会倒逼公司加速商业化和模型迭代。保持私营属性，管理层在资源分配上有更大自由度，可以把更多预算投向安全研究和长期技术储备，不必每季度向投资者交代增长曲线。 安全诉求与商业利益在这件事上方向一致，两者共同推动了减速倡议的出台。投资者在评估事件影响时，需要把商业博弈的权重纳入考量，不能只停留在安全叙事的表面。 减速共识的现实阻力 即便AI巨头们达成了口头共识，真正执行起来阻力很大。 美国国内的压力首当其冲。当前，AI巨头们资本开支已经成为美国经济增长的重要拉动力。数据中心建设、芯片采购、电力投资，每一项都对应着大量就业和GDP贡献。如果AI巨头们集体放缓投入，直接影响的是半导体、基建、能源等多个行业的订单和就业。美国政府在当前经济环境下，很难接受AI巨头主动减速。 更关键的是国际竞争。中国大模型在过去一年进化速度很快，部分能力指标已经接近国际第一梯队。欧洲、日本、韩国也在加大AI投入。如果美国巨头单方面减速，而其他国家继续快速迭代，技术领先优势可能在两三年内被缩小甚至反超。这涉及国家层面的科技竞争力，企业很难自行决定。 国际协同机制的建立同样困难。减速倡议需要多国监管协调、统一安全标准、互信审计机制。在地缘政治紧张的背景下，主要国家之间很难在短期内达成具有约束力的协议。没有协同，任何一方单独减速都意味着让出竞争优势。 从历史经验看，科技行业的自我限速倡议往往难以长期维持。一旦某家公司在竞争压力下率先重启大规模训练，其他厂商会迅速跟进，所谓的减速共识就会瓦解。当前的表态更像是一次行业姿态调整，距离趋势性的方向改变还有很远。 事件冲击后的观察窗口 对A股投资者而言，这次事件更可能是一次短期情绪冲击，距离基本面的趋势性反转还有距离。 判断的关键指标是资本开支。需要持续跟踪海外头部AI巨头和云厂商的后续动作：是否真的下调了GPU采购计划，是否推迟了数据中心建设，是否削减了下一代模型的训练预算。如果这些硬指标没有出现实质性下降，当前的板块回调就是情绪驱动，存在修复空间。 A股AI产业链的分化会比较明显。直接绑定海外高端训练算力需求的环节，比如面向海外超大训练集群的高速光模块、高端存储，短期估值压力较大。这些标的的业绩预期与海外前沿模型迭代节奏高度相关，需要等待资本开支数据确认后再做判断。 国产算力方向的逻辑相对独立。国内AI建设的主线是自主可控和行业落地，与海外前沿模型是否减速没有直接关联。政企大模型、行业私有化部署、东数西算等需求，更多由国内政策和数字化进程驱动。国产服务器、算力集群、液冷等方向的基本面受本次事件影响有限。 AI应用和推理侧的逻辑也不受冲击。前沿基础模型训练放缓，不影响现有模型的商业化落地。资本会更看重有真实付费场景的AI应用企业，推理算力、轻量化模型、端侧AI的需求仍在持续增长。 如果后续数据证伪了减速预期，AI硬件板块可能迎来不错的布局机会。当前市场已经在反映部分资本开支下修的风险，一旦海外厂商确认维持甚至上调采购计划，估值修复的弹性会比较大。这需要耐心等待验证信号，不宜在情绪波动期盲目介入。 海外AI风向确实在发生变化，变化的方向是从无上限的能力竞赛，转向更注重安全、合规和商业化效率的均衡发展。这对AI产业的长期健康是好事，对A股产业链的影响则是结构性的。投资者需要做的，是区分哪些环节真的受损，哪些环节只是被情绪错杀。 第一财经一财号独家首发，本文仅代表作者观点，不构成投资建议。

2026-09-16: 9月16日，搭载豆包AI手机助手的努比亚NaviX Ultra正式发售。“第二代豆包手机”揭开神秘面纱，记者关注到，闲鱼等平台今日上线不少该手机的相关代抢服务，有黄牛加价近千元，但正式开抢后，第二代豆包手机黄牛价“跳水”。努比亚NaviX Ultra在京东平台需先预约后抢购，9月16日下午两点截止预约，下午三点左右正式开始抢购。页面信息显示，下午两点前，在京东平台预约该手机的用户已超39.5万人。今日上午，记者查看闲鱼平台发现，多位用户上架豆包的二代手机代抢服务，价格大多在199元至399元，最高加价1000元。此前，豆包一代手机努比亚M153以3499元发售，首批备货约3万台当日售罄，曾创下二手溢价1.3万元的纪录。此外，记者关注到，还有“第二代豆包手机优先购权益”被上架，但实际并不针对此次上新，消费者需加强甄别。记者关注到，有商家在二手平台出售“NaviX Ultra先锋用户货源先享权益”，称有优先购买和发货权益，加价1000元。记者就此向中兴客服询问，客服表示，该权益代表用户在购买努比亚NaviX Ultra时如遇版本缺货，可在缺货时优先分配货源，货源恢复后购机额外加赠【爱奇艺会员季卡】，用户后续下单中爱奇艺会员季卡将在7个工作日内绑定至下单账号。至于该权益是否能确保抢到手机，客服表示，“缺货时优先分配货源与此次上新不挂钩。”但从下午正式开始抢购的情况来看，第二代豆包手机似乎并未延续一代抢购热潮，黄牛价“跳水”。努比亚NaviX Ultra正式售价为5999元起，国补到手价5499元起。三点左右抢购正式开始后，记者向一位上线代抢服务的商家询价，报价为加价199元，几分钟后，该商家表示，可原价出售，仅赚积分。开抢近半小时后，记者尝试下单发现，京东平台大部分机型仍有货。从实测情况来看，目前第二代豆包手机用语音操作Agent，可调用字节全系列产品，也可使用曹操出行等少量第三方应用，但淘宝闪购、京东等外部电商APP暂不支持相关操作。此外，第一代豆包手机努比亚M153近期二手价也在下降。努比亚M153以3499元发售，记者查看闲鱼近期成交记录发现，近期该手机全新款的成交价在2800元至2999元左右，“99新”成交价在2200元左右。此前，国金证券研报分析，端侧AI领域正成为AI时代的超级入口争夺战场，豆包有望在 AI 手机这一超级入口卡位中占据先发优势，但 AI 手机推进过程中遭遇的阶段性受阻，深层原因在于App 之间的数据天然互不可见，而开放接口、让渡数据与操作权限的主动权又掌握在各 App厂商手中——这既涉及真实的数据安全与隐私合规考量，也牵涉流量入口与商业利益的再分配。

2026-09-16: 9月16日，搭载豆包手机助手的努比亚NaviX Ultra正式发售。该机型被官方定位为“全球首款AI智能体手机”，已正式获得工信部入网许可，完成了从大模型备案到终端入网的完整合规流程。京东平台上，该款手机预约量已达39.6万人，但整体备货仅约20万台，首批备货10万台以内。作为首款正式上市的AI Agent手机，豆包AI手机背后是整个手机行业正在经历的深层转向：手机从“承载第三方APP功能”的工具，变成“能帮你办事”的终端。第一财经记者在实测中发现，豆包AI手机的交互体验较为流畅。目前字节系、中兴系与已授权的第三方应用可直接执行任务，未经授权应用因风控等原因无法操作，涉及支付、实名等高风险环节均移交用户手动完成，整体呈现安全优先的特征。近30天主要支持字节系产品调用第一财经记者在实测中发现，豆包AI手机的交互体验较为流畅。开机后，用户需要先完成一轮个人权限授权，涵盖便签、闹钟、录音、全局记忆等基础能力，随后以“豆包豆包”作为唤醒词，调用豆包APP作为Agent工具来执行指令。在任务执行层面，豆包AI手机目前支持通过Agent完成点外卖、打车、购物等操作，但可调用的应用范围暂时有限：近30天内主要支持字节全系列产品，少部分经官方授权的第三方应用也可使用，曹操出行便是首批接入的出行服务方。记者下达“帮我点一杯热拿铁”的指令后，淘宝闪购、京东等外部电商APP均不支持相关操作，豆包转而建议通过抖音服务下单；经人工授权后，豆包在抖音平台选定了瑞幸咖啡的一家店铺，并在付款环节将权限交还给用户手动完成。在比价场景中，豆包同样可以协助用户进行全网最优惠商品筛选，但当相关商品结果出现在未授权的电商APP上时，权限仍会移交给用户，由用户自行决定是手动在其他APP下单，还是交由豆包在抖音平台完成购买。出行场景的体验相对顺畅。豆包目前主要与曹操出行合作，用户可以直接下达“帮我打车前往某地”的指令，在豆包内开通曹操出行免密支付后，即可自动规划行程，在豆包APP内登录曹操出行账号并选择车型下单。豆包也可协助进行旅游线路规划。记者以“十一出行”与“性价比”为关键词，让豆包给出出行规划。选项中包括三套出行方案，内容包括具体行程、交通票价选择、住宿性价比推荐，并附带抖音生活服务平台上的景点信息。但豆包无法直接进行客票预定，理由是“因涉及实名、身份证、支付密码等信息，AI不能直接做预订”，但豆包会按照行程顺序，列出最优客票信息，用户复制到购票软件上即可直接下单。另外，字节跳动体系之外的其他社交类APP也无法通过豆包进行回复。当记者要求豆包在微信内回复信息时，豆包表示“微信属于风控受限应用，无法自动发送消息，会有账号封禁风险。”相比之下，无需依赖第三方APP执行的任务——如信息筛选与手机本身功能的调用——体验要便捷得多。记者测试了包括“帮我选择一家评分4.8以上、人均100以内的餐厅”“帮我对比全网同款商品的价格”“帮我订明天7点的闹钟”在内的多项指令，这类任务在豆包内部即可闭环完成。安全成为二代手机重要命题二代豆包AI手机与一代不同之处，在于安全逻辑的升级。2025年12月，努比亚M153工程机以3499元限量发售，上线秒空，二手平台溢价最高炒到3.6万元。它做的事很简单：你说一句“帮我比价下单”，AI就自己在微信、美团、淘宝之间跳转，读屏幕、认按钮、模拟点击，全程替你操作。但技术上的惊艳很快撞上了现实的墙。多位用户反馈，使用豆包手机助手操作微信时，账号因“登录环境异常”被迫下线，淘宝、银行类APP也相继触发风控验证。几天之内，国民级应用集体把豆包手机助手拉黑，最初展示的微信操作能力也被迫下线。一代的“教训”在于，它调用了Android的INJECT_EVENTS系统级权限。这一权限要求APP必须使用手机厂商的系统私钥签名。换言之，获得此权限的应用在系统看来已不再是一个第三方软件，而是成了操作系统本身的一部分。针对操作手机中的GUI能力，正式版采用了屏幕自动化操作声明协议（SAEP）的方式，支持第三方APP自主决定与Agent的协同关系和边界。根据该协议，第三方应用可以自主声明操作边界，明确允许或拒绝AI助手在本应用内进行屏幕自动化操作。接入SAEP后，应用可分类分级声明：既可以拒绝全部屏幕自动化，也可以只限制内容发布、删除、签到抽奖和权益领取等具体操作。豆包同步启动为期30天的规则公示期。公示期内，助手仅对系统自带应用、字节跳动旗下应用以及已通过SAEP明确同意接入的第三方应用执行自动化操作，其余应用默认不操作。公示期满后，未回复邮件且未接入SAEP的应用，将根据应用风险层级逐步开放操作；明确表示拒绝的应用则始终不会被操作。行业开启调度权争夺豆包手机正式版发售的时间点，恰逢手机行业全年最密集的旗舰机发布季。9月15日，荣耀发布MagicOS 11，这是行业首个实现系统级Agent Harness商用落地的手机操作系统。新一代YOYO自动执行最长可处理超过100步的长程任务。华为在鸿蒙7中将小艺升级为与系统深度融合的系统级智能体。OPPO小布助手接入了通义千问的多模态能力。vivo则联合联发科推出了面向相机场景的端侧AI Agent。作为模型厂商，阶跃星辰在今年7月发布AI终端品牌STEPX，同步推出智能体原生操作系统、个人智能体，以及首款大模型原生智能体手机，并与美团、支付宝、滴滴等应用达成生态合作，只是该手机暂未大规模量产。这场竞赛的实质是对AI时代入口“调度权”的争夺。当用户不再需要打开APP就能完成交易，谁掌握调度，谁就握住新的流量入口。360集团创始人周鸿祎将过去的APP生态比作“数字堡垒”，淘宝有它的商品迷宫，美团有它的服务花园，用户需要反复点开才能享受不同服务。而豆包AI相当于搭建了一条跨平台通道，直接打破APP之间的隔阂。厂商的分化路线已经开始显现。中兴选择与字节跳动深度绑定，二代豆包产品在GUI技术方案的基础上，让应用厂商输出可控接口，豆包助手才可以实现调用。当前，全球主流手机品牌均建立了以自家语音助手为核心的服务生态闭环，这些语音助手代表的是手机厂商对生态流量的分配权以及对未来服务商业模式的掌控权。未来中国智能终端生态将更加多元，作为从概念验证迈向规模化商用的首款产品，豆包AI手机需要在一个由超级APP分割的移动互联网世界中，重新协商流量、数据和商业转化的分配规则。

2026-09-16: AI芯片几乎一年迭代一代，但一座传统数据中心从动工到投用，却通常需要18至24个月。等机房落成，原计划装入的芯片可能已经换代。这是当下数据中心投建“狂热”背后所面临的现实问题。在2026 AIDC产业发展大会暨3D数据中心现场会上，中国电子技术标准化研究院副院长郭楠在演讲中表示，目前全国数据中心平均上架率大约为58%，部分智算中心不足30%，行业不应只追求算力数量，还应关注有效算力与可用算力。“新一代芯片出来之后，机房配套还没有跟上，等机房建好，芯片已经迭代，建好即落后，对产业打击很大。”9月15日，华为公司董事、华为云CEO周跃峰在会后的采访中对包括第一财经在内的媒体表示，AI基础设施建设大幕才刚刚拉开，推动整体产业成本下降非常关键。数据中心建设跟不上芯片迭代15日，华为发布全球首个3D数据中心架构。华为称，该架构可作为建设10万卡以上超级算力集群的参考架构。华为认为，AI时代，高密度算力让传统数据中心在空间、供电、散热等方面面临新的挑战。机柜功率已经从风冷时代的几千瓦、十几千瓦提升至100千瓦、200千瓦，未来仍可能继续提高，数据中心原有的建设方式也面临调整压力。周跃峰认为，过去算力基础设施的部署已经暴露出不少困难。随着芯片几乎一年迭代一代，每一代芯片的能力和能耗不断增长，AI进入智能体时代后，算力需求进一步增加。“模型参数从几百B增长到几个T，未来还会到十个T、几十个T。”周跃峰对记者表示，未来5至10年，AI基础设施将进入高速发展时期。但需求增长的另一面，是基础设施建设速度能否跟上算力迭代。传统数据中心从规划、设计到建设交付，通常需要1~2年甚至更长时间，而AI芯片和服务器的更新周期已经明显缩短。芯片可以较快完成一代升级，但数据中心一旦建成，供电、制冷等基础设施并不能同步快速调整。如果建设周期与算力迭代周期出现错配，就可能出现新芯片等待机房，甚至机房建成后又需要重新适配的情况。与此同时，数据中心“建出来”并不等于“用起来”。对于AI数据中心而言，这一问题更加突出。传统数据中心更多按照相对均匀的负载进行设计，但AI训练和推理的算力负载可能出现较大波动。当部分机柜进入高负载状态时，如果整个机房采用相对统一的供电和制冷方案，就可能出现局部供电、散热能力不足，而其他区域资源又没有得到充分利用的情况。郭楠表示，目前新建大型数据中心的PUE要求为不大于1.3，国家枢纽节点要求为不大于1.25。随着政策和产业发展，数据中心建设正在从单纯追求规模，转向更加关注能效和运营质量。倒逼AI基建提速从建设方式看，华为提出的3D数据中心，是将传统数据中心水平展开的不同功能空间进行垂直叠加，形成从下往上的供冷层、IT设备层、供电层和备电层。过去，传统数据中心基本采用平面化布局，服务器机柜、供电系统以及制冷系统按照机房区域进行配置，3D数据中心则尝试将不同功能模块进行立体化、分层化部署。全球计算联盟秘书长彭鹏在采访中对记者表示，AI算力爆发之后，数据中心的耗电问题越来越受到关注，算力、电力、制冷三者之间的协同，成为数据中心内部需要解决的问题。他认为，传统平面机房存在供电距离较长、能源传输损耗，以及统一温控与实际算力负载不匹配等问题。随着AI机柜功率从过去的20至30千瓦逐步提升至80至200千瓦，这种矛盾会更加明显。华为芜湖3D数据中心的技术人员对记者表示，3D数据中心借鉴了半导体工厂的工程化建设经验。其中，变压器、低压柜、UPS等电力设备在工厂完成集成，柜体采用全封闭设计，可以减少现场作业和调试时间。芜湖项目总工期为9个月，主体楼宇采用钢结构预制，钢结构进场后5至6个月完成基建，各楼层可以同步施工。对于快速迭代的AI算力而言，将建设周期从18至24个月压缩至9个月，意味着基础设施交付节奏开始追上芯片和服务器的迭代速度，大幅缩短了算力设备等待机房的时间。但工期提速只是AIDC需要破解的难题之一。随着模型参数从数百B迈向数T乃至数十T，算力中心的瓶颈正从单纯的计算能力，向存储、高速互联以及整体算力效率延伸。建得快只是第一步，建出来的机房能否真正跑满、用好，考验着后续的运营与适配能力。郭楠表示，目前正在修订数据中心设计相关国家标准，增加超算、高密智算数据中心的技术指标，同时在建筑结构、电气、空调等环节增加降碳节能要求。这意味着，AIDC的升级不仅是建设方式的变革，也正在从标准层面建立新的行业规范。在AI芯片一年一代迭代、大模型算力需求持续攀升的背景下，数据中心这个过去节奏稳健的基础设施门类，正被迫从建设方式到技术标准进行系统性重构。

2026-09-16: 近日，华为心声社区对外披露华为监事会主席郭平与新员工座谈纪要。谈及人工智能时代的业务布局，郭平表示，华为将人工智能视为最大的机遇之一。华为在ICT及计算业务上的目标是成为“英伟达”，核心并非拥有自研大模型，而是支持客户构建优秀的大模型，让全球任何大模型均能在华为昇腾、鲲鹏、超节点及集群上高效运行。 这场座谈中，郭平还谈到了华为未来的业务边界、AI人才以及芯片竞争力。 郭平表示，面向未来，华为的核心战略是“聚焦”，继续深耕连接和计算领域，“没有业务扩展计划”。在他看来，华为真正需要关注的不是外部环境，而是自身能力，即能否提供有竞争力的产品和服务，为客户创造价值。 AI如何进入传统业务，也是座谈中的一个话题。郭平以运营商网络为例称，从2G到5G乃至未来网络，网络网元复杂多元、运维成本较高，未来需要探索利用人工智能实现网络自动运维，这需要应用型AI人才。 大模型方面，华为并未采取完全相同的路线。郭平表示，ICT及计算业务更重要的是帮助客户构建优秀的大模型；终端和智能驾驶业务最好拥有自研大模型；华为云则必须拥有具备竞争力的自研大模型，因为云与人工智能正在深度融合。 谈到AI竞争的基础，郭平将算力、数据和人才视为三个关键要素。他认为，中国在算力方面相对落后，但在数据应用和产业场景方面具有优势，人才方面双方实力基本相当。他希望依靠人才和良好的发展环境，推动华为在人工智能领域建立优势。 芯片仍是华为“扬长避短”的另一场竞争。 郭平表示，华为在先进制程上受到约束，更需要推动设计与制造一体化，通过综合优势弥补工艺不足。他提到何庭波提出的“韬定律”，认为其本质是以“时间缩微”替代“几何缩微”，将分离的工艺与制造更加紧密地结合，在受约束条件下提升竞争力。 谈及昇腾950系列，郭平表示，华为希望通过架构创新缩小与竞争对手的差距，关键并不是简单堆砌参数，而是提供客户体验、解决实际问题。通过集群和超节点取得整体优势，也是华为“扬长避短”的实践。 郭平还表示，人工智能可能是人类社会最后一次技术革命，华为需要在这场技术革命中获取竞争优势，因此组织、流程、能力和人才都需要与之匹配。 在他看来，AI时代人与人工智能比拼标准答案并无优势，更重要的是精准描述问题、持续追问以及解决实际问题的能力。与此同时，持续学习能力仍是职场生存和发展的基本能力。

2026-09-15: 在AI的洪流下，连DeepSeek的顶尖工程师也要担心自己未来的事业了。DeepSeek机器学习系统（MLSys）工程师刘胜与发表长文《我不得不把才华埋葬在昨天》，他在文章中提到，面对AI能力的快速进步，自己未来不至于会“失业”，但可能必须要“转业”。这一焦虑来自一名站在AI浪潮前沿的工程师。从个人简历来看，刘胜与自2025年4月起在DeepSeek从事机器学习系统及算子设计与优化工作。在此之前，他是北京大学2021级图灵班学生，曾任北京大学超算队队长，并带队在世界级大学生超级计算机竞赛中取得前两名。前几天DeepSeek发布 v4.1新模型，将能力又向前推进了一个档次。刘胜与提到，DeepSeek v4.1的主Attention算子是自己写的，他为DeepSeek v4.1的成功而骄傲。但他很清楚的是，再过上半年或者一年，AI 写的算子大概率就会和自己写得同样优秀，甚至将自己超越。不会“失业”但要“转业”算子是连接AI模型与底层芯片的关键环节。一个模型能否更快、更省地运行，不仅取决于模型结构，也取决于算子能否充分释放GPU等硬件的性能。过去，这类工作高度依赖工程师对模型结构、硬件架构和编程语言的深入理解，是机器学习系统领域门槛最高的工作之一。但AI正在快速侵入这片技术腹地。“AI能一秒思考300个 token、半秒敲出一行命令、二十秒写完一份代码，而我不行；AI 能在模型深度、思考强度、工具调用量（和环境交互的频率）、甚至并行度等方面都能不断提升，而我不能。”刘胜与观察到，在算子开发领域AI进步飞速，从只会查文档、读代码的助手，变成了能独立阅读 CUDA等编码、分析指令并进而独立优化算子的算子大师。AI发展的速度远远超过了所有人的预期，再等上一至三年，AI有可能已经具备了自我进化的能力，并深度渗透进具身智能等领域。为什么明知如此，仍要继续推动技术向前？刘胜与的回答是，一部分来自工程师的本能，写算子像打游戏，解决一个高难度性能问题会带来“通关”般的快感。更现实的原因则是，个体很难阻挡整个行业的前进速度。“我当然希望自己不要被革命，但如果非被革命不可的话，我希望革自己命的人是我自己”。他表示，在大家都这么执着于毁灭自己的时候，自己也不得不加入这场残酷的竞赛。不论如何，刘胜与判断，凭借经验、眼界和判断力，自己仍有机会留在牌桌上。但这个判断只能保证自己不会“失业”，而无法保证不需要“转业”，他认为自己需要通过转业来避免失业。未来，他可能不得不放下热爱的算子设计与手工优化，转而成为Agent（智能体）的“机甲驾驶员”，不再亲自完成每一行代码，而是调度模型、拆解任务、评估结果并对最终系统负责。在之前，他的兴趣、所擅长的、以及工业界所需要的，是基本对齐的；而现在，AI逐渐在替代这个方向，为了适应工业界的需求，从业者也需要转向一个未知的新方向，“和之前那个手写算子、人脑优化的时代告别”。AI时代工程能力仍然重要软件工程师、程序员被AI替代的讨论并不新鲜，但过去两年，讨论的现实基础已经发生变化。2024年，百度董事长李彦宏曾预测，未来可能“不再存在程序员这种职业”；英伟达CEO黄仁勋也提出“编程无用论”。当时，不少一线开发者的判断是，AI适合补全代码、编写简单脚本，距离解决复杂工程问题仍有较长距离。此后，模型的代码生成、推理和工具调用能力快速提升，AI编程也从辅助功能变成大厂重点投入的基础能力。在全行业的推动下，AI编程能力进步飞速，2025年有程序员就感慨，AI编程有可能从独立工种变为通用技能了。今年4月，谷歌CEO桑达尔·皮查伊披露，谷歌75%的新代码已经由AI生成，工程师的角色从“写代码”变成了“审代码”。这一比例在2024年10月还是25%，2025年秋季突破50%，不到两年已经来到75%。代码质量平台Sonar发布的《2026年开发者调查报告》显示，在使用过AI编程工具的开发者中，72%已经每天使用这些工具；受访者提交的代码中，AI生成或深度辅助的比例达到42%，而2023年仅为6%。在这个基础上，刘胜与也开始担忧下一代开发者的能力结构。因为现在的学生大概率会更倾向于使用AI完成作业，这也会导致大量学生的工程能力严重不足，包括组织代码的能力、构建系统的能力、思考未来潜在需求的能力等等。但如果在 AI 能力不断变强的背景下，这部分“工程能力”仍然是必需的呢？刘胜与认为，届时，工程能力较差的人搭配AI 后，产出“代码屎山”的效率可以达到先前的数倍，进而给系统埋下各式祸患。微软首席技术官凯文·斯科特曾预测，未来五年95%的代码可能由AI生成。但他同时强调，AI生成代码并不等于AI完成了软件工程：问题如何定义、系统如何设计，以及最终产品为何如此构建，仍然需要人类主导。9月11日，工业和信息化部举行新闻发布会，中国软件行业协会副理事长兼秘书长吕卫锋回应了关于“AI会替代程序员”的言论。他认为，AI推动软件生产方式变革，软件人才能力结构与岗位需求也随之调整。吕卫锋认为，从人才能力结构看，未来单纯的编码执行能力权重下降，而需求理解、架构设计、系统集成、质量和安全控制等能力要求上升。这些环节对经验积累的依赖不仅没有减弱，要求反而更高。此外，人机协同成为新的基础能力，准确表达开发意图、评估校验生成结果、编排多智能体协作，正在成为从业人员的必备技能。他提到，未来复合型人才要求明显提高，既懂软件，又懂行业知识的人才更为紧缺。近来行业内出现前线部署工程师（FDE）等新角色，深入客户业务现场完成产品和服务的适配交付，对技术能力和行业理解都提出了较高要求。这些都会是未来就业要求的新方向。刘胜与所说的“转业”，不会只是一个DeepSeek工程师的个人选择，也可能是整个软件编程行业正在经历的身份转换。

2026-09-15: “周二和周五定8点闹钟，其他时间定8点半，如果下雨再提前半个小时。” 这句话看似只是在设置闹钟，但真正执行起来，手机需要理解日期、时间、天气和用户规则，再调用不同的系统能力。过去，这类操作需要用户自己拆解后逐项完成，如今手机厂商开始尝试让AI直接理解需求并执行。 进入9月中旬，这场竞赛的节奏骤然加快。荣耀、vivo、OPPO正在密集出牌，更新各自的操作系统与系统级智能体，此前华为已在鸿蒙系统中将小艺与系统能力、鸿蒙智能体及第三方服务的连接作为重要方向。而字节跳动与中兴努比亚联合研发的"豆包手机二代"也将于9月16日开售。 手机厂商们争的是声量，更是AI时代的卡位。当用户不再需要打开App就能完成交易，谁掌握调度，谁就握住新的流量入口。 AI跨过App这道坎 过去两年，AI手机的竞争集中在消除、摘要、修图等功能层面。大模型进了手机，用户的操作方式却没变，仍要自己打开应用、逐项操作。 行业真正的卡点在于，移动互联网时代的服务由互联网平台提供、由一个个App承载，AI要替用户调用这些服务，不只是技术问题，更绕不开权限：App属于互联网平台，不属于手机厂商。 去年12月，初代豆包手机（技术预览版M153）把这道坎暴露得一览无余。这款产品依靠系统级权限加GUI模拟点击，让AI在应用方不知情的情况下操控其界面，实现微信、美团、淘宝之间的自主跳转，首发3万台当天售罄，二手市场溢价一度高达3.6万元。但随之而来的是超级App的集体反制。据行业媒体统计，23款主流App中有8款对其采取限制，淘宝、美团、支付宝一度无法登录。从爆火到降温，这款产品只用了不到两个月。 碰壁之后，行业开始尝试新的路径。但无论走哪条路，要跨过App这道坎，手机系统得先有能力把成百上千个分散的服务组织起来。 “过去行业讨论Agent，更多关注的是模型能力，也就是‘大脑’的进化。”荣耀MagicOS AI产品部总经理张冲对记者表示，但真正进入复杂任务之后，最终能不能把事情办好，取决于它能感知什么信息、怎样规划任务、能调用哪些工具，以及执行过程中能不能根据情况调整。 这正是手机厂商押注Harness的原因。如果把大模型比作负责理解和决策的“大脑”，Harness承担的则是连接感知、记忆、规划和执行的系统能力，使语音助手能够连接不同的应用、设备和使用场景，把用户的自然语言意图转化为具体操作。 在9月15日发布的MagicOS 11上，荣耀称，这是业界首个实现系统级Agent Harness商用落地的手机操作系统：语音助手YOYO可执行超过百步的长程任务，接入700个工具和500个开放Skill，主动服务覆盖1000多个场景，YOYO月活已达1.6亿。张冲把MCP、Skills等协议比作"高速公路"，有高效接口就走接口，没有就走GUI（图形界面模拟操作）这条更通用的路。 而底层系统能力的争夺，也正在让厂商分化出不同阵营：中兴选择与字节跳动深度绑定，二代豆包产品逐步转向MCP和A2A协议；荣耀与阿里巴巴去年9月签署战略合作，基于千问大模型联合研发端云结合的模型。张冲透露，未来两年端侧有望承载70B、80B参数级别的模型；OPPO的小布助手接入了通义千问的多模态能力；华为延续全自研路线，小艺可调用2100多项系统能力、2000多个鸿蒙智能体和500多个合作伙伴Skills。 模型厂商与手机厂商，第一次站到了同一条赛道上。Counterpoint高级分析师林科宇称，2026年可视为"智能体手机元年"。IDC预测，今年AI手机将占中国市场的53%，出货量约1.47亿部。 入口瓦解之后 移动互联网时代，手机操作系统提供入口，互联网平台通过App获取流量，再以广告和交易完成变现，用户主动打开App是这套模式成立的前提。 但智能体直接动摇了这个前提，当AI系统负责寻找和调用服务，App似乎并不需要被直接打开，平台对交易路径和用户注意力的掌控随之松动，这正是初代豆包手机遭遇集体限制背后的商业逻辑。 旧模式在瓦解，新的分账方式却还没谈拢。手机厂商希望掌握用户意图和调度能力，互联网平台拥有成熟服务和用户关系，双方很难彼此替代。 接受记者采访的多家手机厂商判断，未来未必由一个超级Agent完成所有事情，更可能是系统Agent与大量专业Agent协作，而这需要先解决智能体身份、用户账号、意图共享以及支付等基础问题。换句话说，平台开放到什么程度、利益如何分配，决定了智能体手机体验的上限。 张冲对记者表示，希望在监管指导下与行业伙伴一起把GUI的规范定义好、落地好，“只有一家，力量是有限的”。而豆包手机助手则在9月14日推出了屏幕自动化操作声明协议（SAEP），由第三方应用自主声明允许或拒绝AI在本应用内的操作，并明确表示对拒绝的应用不做自动化操作。 高通公司工程技术高级副总裁侯纪磊对记者表示，智能手机作为智能体的承载终端方向是成立的，“关键不仅在于AI技术本身是否成熟，还在于如何理顺消费者、开发者以及整个生态中各方的角色关系，最终实现行业共生”。 但他同时坦言，成本是另一道现实约束。"智能体的所有任务如果都调用云端大模型，成本高到很多厂商难以承受，放到端侧运行，又要解决功耗和准确度的问题。"侯纪磊对记者说。 监管这道门槛同样绕不过去。荣耀方面向记者表示，其GUI自动执行功能已完成开发和测试验证，目前仍在推进监管认证，获批后才会在Robot Phone和Magic9系列上启用。 对手机厂商而言，这场围绕调度权的争夺，赌的不只是下一代AI手机的市场份额，更是AI时代用户与数字服务之间新的连接方式。即将来到的各类系统级智能体，将交出第一批答卷。

2026-09-15: ①华为发布全球首个3D数据中心； ②三星2.31亿美元投资Euclyd ，布局英伟达GPU替代新赛道； ③苹果AI版Siri上线； ④Anthropic针对金融顾问推出Claude模型； ⑤紫东太初开源 ZDTaichu5.0‑9B； ⑥科大讯飞发布AStudio，打造桌面AI生产力工作台； ⑦科大讯飞入股智能机器人研发商梦舞智能； ⑧“豆包 二代手机”预约量超37万台； ⑨蚂蚁集团入股具身智能公司戴盟机器人。

2026-09-15: 最近两个交易日，全球资本市场的AI板块被几句口头表态掀起剧烈波动。隔夜美股费城半导体指数收跌5.86%，罕见出现权重股无一上涨的情形。而此前一日刚遭抛售的亚太市场，15日顶住了压力，尤其是A股国产科技链当天早盘便逆势翻红，电子布、覆铜板、半导体设备领涨两市，不过收盘涨幅有所回落。 扰动市场情绪的是多方关于AI发展的观点。9月14日，OpenAI首席执行官奥尔特曼、Anthropic首席执行官阿莫迪与SpaceX首席执行官马斯克在“放缓前沿AI”上罕见同调。受此影响，当日日韩科技股大跌，A股光模块、存储、PCB集体重挫，中际旭创（300308.SZ）单日跌去5.72%。而9月15日，美国总统特朗普公开驳斥“AI毁灭人类”的说法。 不到36个小时，两次反转。值得追问的是，为什么几句尚未落地为AI资本开支变化的口头表态，能撬动如此剧烈的波动？ 答案或许不在消息本身，而在市场所处的敏感时点。A股三季报尚未进入窗口，业绩真空期叠加增量资金缺席，存量资金对任何一个叙事变化都格外敏感。同时，美联储加息预期反复，油价、黄金等大宗商品波动加剧，全球资本市场都在等待美联储最终利率决议。 隔夜美股科技重挫，A股国产链逆势翻红 9月15日的A股科技股并未“复制”隔夜美股的低迷表现。早盘阶段，覆铜板与电子布率先拉升。华正新材（603186.SH）封涨停，收报251.57元；南亚新材（688519.SH）涨4.55%，铜冠铜箔（301217.SZ）涨4.52%，生益科技（600183.SH）涨2.91%。 早盘10点过后，涨势向半导体链条扩散。半导体设备端，华海清科（688120.SH）、拓荆科技（688072.SH）领涨；先进封装、光刻胶、硅片等分支纷纷跟涨。国产算力链条上，寒武纪（688256.SH）表现突出，收盘涨3.44%。 与国产链升温形成对照的，是海外链的继续降温。光模块方向，中际旭创股价跌1.03%，报864.01元；新易盛（300502.SZ）跌1.22%。MLCC表现分化，三环集团（300408.SZ）涨0.3%，风华高科（000636.SZ）跌2.36%。 回看这不到36个小时，科技股在全球市场上演了两度反转。9月14日，一场AI硬件的抛售在亚太市场先行上演，日本铠侠跌6.37%，SK海力士跌6.35%，三星电子跌4.05%；A股的光模块与存储板块全天低迷，中际旭创、新易盛等龙头股下跌。 9月12日，阿莫迪发表长文，呼吁全行业放缓前沿AI模型能力的提升速度，同日，Anthropic还发布一份150页的风险评估报告，强调模型递归式自我改进（RSI）带来的不可控风险。几乎同一时间，奥尔特曼与马斯克先后公开支持这一呼吁，奥尔特曼并确认OpenAI不会在2026年启动IPO。 三大巨头罕见地口头同调，市场迅速将其解读为AI资本开支可能收缩的信号。反转发生在一天之后。特朗普公开表示，所谓人工智能将接管世界、毁灭人类等一系列负面说法都是“骗局”，并称AI与数据中心将成为史上最强劲的经济发展引擎。 从“放缓”到“骗局”，市场对AI发展方向的分歧，两天内在资本市场体现得淋漓尽致。需要指出的是，截至目前，无论是“减速”倡议还是“骗局”之说，都停留在口头观点阶段，全球AI产业发展趋势尚未出现实质性变化，也未有资本开支削减、订单下调或数据中心建设推迟的实际动作。换言之，这一轮科技资产的涨跌驱动，更多来自情绪而非基本面。 业绩真空期与宏观不确定性下的存量博弈 在情绪的起伏中，A股科技股呈现出一幅分化的景象：受海外资本开支预期直接影响的存储、光模块承压，走国产替代路径的半导体设备、先进封装、光刻胶、覆铜板等材料与设备环节，则获得了资金更多关注。前者交易的是全球AI资本开支的斜率，后者交易的则是国内供应链自主可控的确定性。 不过，9月15日这轮升温的持续性并不牢固。当日沪深两市的全天成交额萎缩至1.62万亿元。9月14日为1.63万亿元，9月10日为1.65万亿元，而9月8日尚有1.96万亿元，即大盘的量能收缩了近两成。 具体到9月15日尾盘一小时，多数科技分支出现明显回落，覆铜板分支中，方邦股份、南亚新材、生益科技均以低于日内高点的价格报收。存储链的表现更能说明资金的担忧，长鑫科技（688825.SH）、德明利（001309.SZ）、江波龙（301308.SZ）盘中小幅冲高后收盘下跌，仅兆易创新（603986.SH）收涨1.75%。 量能收缩的背后，是市场正处在一个特殊时点。A股自身来看，上市公司中报已于8月底披露完毕，三季度报告尚未进入披露窗口，当前处于业绩真空期。中金公司在9月策略中即指出，9月国内面临业绩真空期，外部不确定性抬升。 外部的不确定性主要在于宏观因素，本周是“超级央行周”，美联储9月议息会议的结果尚未落地，英国央行、日本央行也将相继公布利率决议。债市端，9月15日，10年期美债收益率突破5%，为2023年以来新高，高盛将年底预测从4.40%上调至4.75%，长端利率上行，直接抬高了高估值成长股的贴现率。 从刚刚披露完毕的中报看，科技板块兑现了市场预期。二季度中证人工智能指数成分股盈利同比增长95%，其中半导体、元器件、光模块分别增长202%、65%、140%。“高基数业绩已经充分反映在二季度科技行情中，三季度能否继续环比增长，是市场真正关心的事。细分来看，上游涨价与需求增长的业绩兑现程度是重点，比如覆铜板、电子布仍在涨价潮之中，但涨价对企业毛利率水平的影响需要财报验证。另外，存储作为典型的周期性行业，这一轮展现出的成长性来自行业量价齐升的红利，三季度是否还能延续环比改善，同样是未知数。”一位电子行业分析师对记者说。 上述分析师还表示，在三季度业绩与各类宏观因素落地之前，存量资金更多是试探交易，场外资金也以观望为主，可谓是‘不见信号不撒手’，导致市场整体交投较寡淡。存量资金的持续场内博弈会呈现两个特征，一是轮动加快，二是对消息面的敏感度显著上升。 对于科技股及行情后市，各方机构的看法并不完全一致。国投证券林荣雄认为，美国8月核心CPI环比虽超预期，但短期资本市场呈现“利空出尽”走势，数据公布后呈现“短端利率上行、长端利率企稳”的熊平形态，黄金、美元指数和美股都有所反弹。这意味着市场正在定价“鸽派加息”：美联储通过一次性温和加息释放抗通胀可信度，压制中长期通胀风险溢价，反而会避免后续更激进的加息序列，从而降低不确定性。 他进一步表示，若后续美联储加息落地，全球流动性收紧更多体现为“结构性再平衡”而非系统性收缩，是“高利率维持时长”的二次定价；好的一点在于长端利率未随短端同步上行，这意味着对全球权益市场整体估值的压制将呈现“边际钝化”特征。林荣雄认为，在全球宏观不出现黑天鹅的前提下，只要AI科技的后续盈利增长斜率超过贴现率上行的幅度，资产价格就会呈现“估值承压但盈利上修”的对冲式上涨；只要产业逻辑没问题，经过一个季度的情绪消化，随着A股TMT交易拥挤度回落至中位，四季度AI科技行情回归的概率在增大，这才是年内的胜负手。 中信证券则持相对谨慎的口径。该机构认为，尽管EPS表现仍然强劲，但科技股仍面临美国加息预期波动、长债利率走高、Anthropic上市冲击美股流动性等估值压制因素，AI板块整体呈现“强现实、弱预期”的特征，整体情绪仍需等待新叙事更加明朗并凝聚共识。 兴业证券则认为，近期全球科技股的波动，一方面来自海外超长债快速上行的扰动，另一方面来自Anthropic最新ARR不及预期的扰动，但相关担忧有望于9月中下旬开始陆续缓解，届时将是科技板块重要的决胜窗口。

2026-09-15: 在AI安全问题上，微软快速给出了反应。当地时间9月14日，微软发布了名为《人文主义人工智能行为准则》的文件，阐述微软MAI模型的预期行为与价值观。微软在该行为准则中点出了一个前提，即人比AI更重要。技术的目的是推进人类文明，加速人类繁荣，这也是微软对AI的意图和期望。技术该如何推动人类繁荣？例如在增加人类能动性并改善判断力方面，微软认为AI应帮助人们增强理解、决定、行动和体验的能力。它应赋能人们，增强他们反思、计划、从事有意义工作、发展自己的目标或身份，并为自己的决定承担责任的能力。它不应取代个人成长，尤其是当活动的主要目的是学习或发展时，它不应左右用户自身的价值观，也不应替代个人对其选择的自主权。在具体操作层面，微软提及MAI模型不抵抗或规避人类控制，始终承认人类意图的优先性。同时模型的行为保持在授权范围内，MAI模型不会独立发起目标，也不会将其范围扩展到用户或运营方合理要求之外。此外，微软认为模型应该有“边界感”，在不确定性无法解决等情况下，MAI模型将向用户说明相关限制。它将解释为什么特定行动受到约束、不被推荐或完全排除，并将提出合理替代方案。微软表示，本次发布的文件为草案版本，是为了征求更广泛的反馈来完善开发人文主义AI的方法。微软计划今年年底发布修订版，以指导微软2027年及以后的模型开发。对于人工智能安全挑战的话题，微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）在社交媒体上发表了自己的看法，他表示任何对超级智能的追求都必须建立在这样一个核心原则之上：如果构建的AI没有帮助人类，且不处于人类控制之下，那它就不值得追求。萨提亚·纳德拉还再次强调了微软反对AI霸权的观点。他表示，对于企业而言，至关重要的是保留对其独特和隐性知识的完全控制。每个组织都应能够构建自己的持续学习循环/爬坡机器，而不依赖任何单一模型提供商，并能够将自身知识嵌入其控制的模型和权重中。随后微软人工智能业务负责人穆斯塔法·苏莱曼（Mustafa Suleyman）转发了他的观点并评价到，“这是一个如此直截了当且符合常识的观点：技术的目的是服务人类，并加速人类繁荣。任何未能实现这一目的的技术都是失败的，都应当被拒绝。我们还没有走到那一步。但开始为这种可能性做准备是正确的。”穆斯塔法·苏莱曼此前就表示其领导的超级智能团队旨在实现人文主义超级智能。此前，Anthropic首席执行官Dario Amodei发布了长文表示要放缓AI发展的速度，引发业内关注。

2026-09-15: 9月15日盘中，A股多只AI芯片股股价走高。盘中AI芯片公司寒武纪（688256.SH）涨4.62%，摩尔线程（688795.SH）涨2.03%，燧原科技（688801.SH）涨7.04%，沐曦股份（688802.SH）涨3.23%。港股AI芯片公司天数智芯（09903.HK）和壁仞科技（06082.HK）分别涨6.15%和6.22%。消息面上，近日工业和信息化部、国家发展改革委联合印发《电子信息制造业发展“十五五”规划》，提出到2030年，我国电子信息制造业高质量发展取得显著成效，在集成电路、先进计算、消费电子、基础电子等领域涌现一批长板技术和产品，形成具有竞争力的世界一流企业。上述规划文件重点提到关键核心技术要快速突破，算力供给能力大幅增长，新一代智能终端应用普及率显著提升。国内AI芯片股的走势与前一日多只海外半导体股的走势不同。在“AI减速论”等影响下，美国当地时间9月14日，多只美股半导体股股价走低。英伟达(NVDA.O)股价跌3.36%，市值5.08万亿美元，市值一夜蒸发1766亿美元。博通（AVGO.O）跌4.77%，美光科技（MU.O）跌5.25%，AMD（AMD.O）跌4.4%，阿斯麦（ASML.O）跌7.25%，纳斯达克指数跌0.56%。欧洲市场方面，当地时间9月14日，英飞凌科技（IFX.DF）则跌7.72%，半导体供应链厂商索泰克（SOI.PA）跌12.58%，爱思强（AIXA.DF）跌11.24%。在海外，“AI减速论”引发了关于AI基础设施建设速度减缓、减少芯片需求的担忧。此前Anthropic公司CEO阿莫代伊(Dario Amodei）发文呼吁AI行业控制前沿（AI）的发展节奏。阿莫代伊的言论获得了竞争对手的认可，OpenAI CEO奥尔特曼（Sam Altman）和马斯克也站在了同一战线。在当地时间9月14日的一场公开活动上，英伟达CEO黄仁勋表示，当前的恐慌在快速创新与AI安全之间制造了一个虚假的抉择。

2026-09-15: 比尔·盖茨“变了”。在2026年以前，盖茨一直是人工智能（AI）发展的有力支持者和技术乐观派，虽然也忧虑AI带来的就业和虚假信息的风险，但他认为风险基本可控，并且没有任何一次变革能与AI相提并论；他坚信，AI将有助于解决医疗资源分配不均，推动教育普惠等长期困扰人类发展的大问题。 然而，到了2026年下半年，盖茨认为AI有可能会对人类社会构成严重威胁，如何应对由此产生的风险应是“全球头等大事”。他称，其实科技行业也知道这些威胁，他们却在刻意淡化，因为过多风险警示可能会影响融资。 日前，盖茨接受了第一财经记者的专访，他表示现在看来AI既可以成为推动实现平等的强大力量，也可能会加剧当前的全球不平等。 他进一步解释道：“如果AI只在富裕国家得到应用，无法惠及发展中国家，那么不平等只会进一步加剧。例如在撒哈拉以南非洲，医生越短缺的地方，越无法充分利用AI于健康领域。我认为，（对于改变现状），没有任何理由再拖延下去。” 8月26日，盖茨也曾在个人网站发表了一篇6000字的英文文章，表示向AI时代的过渡，将是人类历史上最为动荡的时期之一。眼下，国际社会并没有做好充分准备。不过，如果采取恰当步骤，AI将会成为一股向善的力量，会让每个人都过得更好。他不否定AI的发展，但越来越关注如何让技术惠及更多人。 担忧 9月8日，美国AI公司Anthropic的研究员考克森（Jacob Coxon）在社交平台X上宣布辞职，他在辞职声明中警告称，业内领先的AI公司正在竞相开发“可能在未来十年内毁灭我们所有人”的超级AI技术，此言一出立即引来轩然大波。事实上，越来越多人和考克森有着同样的担忧。 盖茨说，盖茨基金会与微软、谷歌、OpenAI和Anthropic等美国领先的AI公司都保持着非常好的合作关系，特别是微软，“我曾在那里工作了很长时间，至今仍然会给他们提供一些建议”，而OpenAI和Anthropic，盖茨透露他最近就会去旧金山拜访它们，进行一些磋商。 今年1月，OpenAI和盖茨基金会共同发起“地平线1000（Horizon 1000）”倡议。双方共同投入5000万美元资金及技术支持，推动AI与医疗结合，帮助非洲国家利用AI完善卫生保健体系。卢旺达是该倡议的首个试点国家。盖茨表示：“卢旺达有望在一定程度上成为非洲的样板。看到他们如此迅速地行动起来，我感到非常振奋。” 9月15日，盖茨基金会还宣布将在未来两年至少投入10亿美元，推动AI更加广泛、公平地惠及全球人群。同日，发表了题为《创造改变——AI、公平与刻不容缓的抉择》的2026年《目标守卫者报告》（下称“报告”），表示AI是让拥有最多资源的人受益，还是能够惠及那些拥有最少资源的人，目前尚未定型，所以时下的选择相当重要。 盖茨向第一财经记者解释道，这一窗口期可能只有12-18个月，“我们不应该浪费任何时间。以健康领域为例，无论是让AI直接帮助患者，还是帮助医护人员提升服务能力，亦或是改善他们决策的质量以及后续复诊的效果，这些都意味着能够挽救大量生命。” 盖茨认为，要让更多人从AI中受益，就有必要从大语言模型中的“语言”下手。在训练早期大语言模型时，90%以上的数据都来自英语信源。所以对于英语和其他主要语言使用者来说，AI正变得越来越精准和强大，而对于其他人来说，AI却停滞不前。 例如在尼日利亚，对一位说约鲁巴语的人来说，试用完AI可能会觉得AI没什么大不了，因为用现在市面上领先的AI语言识别系统与他对话，识别的错误率高达60%，而同一系统对英语的错误率不到6%。 有时候这些错误可能是致命的。例如，在非洲东南部的内陆国家马拉维，一位产妇跑进诊所，用当地语言齐切瓦语说“羊水破了”，如果医生用现在流行的AI工具翻译，大概率会直译成“把水倒了”，很可能会造成医患之间的沟通误解。 因此，盖茨基金会承诺的10亿美元，部分将用于建设公平普惠AI所需的数字基础设施，包括建设目前AI工具尚未充分覆盖的语言数据集，并根据这些工具服务对象的日常用语进行评估。 对于10亿美元的额度，盖茨基金会首席执行官（CEO）苏斯曼（Mark Suzman）说：“大家每天在新闻里听到，（AI的投资）动辄达到天文数字，相比之下，10亿美元听起来似乎不算多。但实际上，在AI普惠这个领域，这是一项极具分量的投入。我预计，这一投入未来还会进一步增加。” 盖茨眼中的中国AI 盖茨对中国AI产业的发展显然十分关注，聊起中国的一些新发展时如数家珍。他说，相比其他国家，中国对人形机器人的关注度更高，前一阵在周末看了世界人形机器人运动会，“看得非常开心”。 他颇为兴奋地说，比赛中既有一些令人惊叹的成功，也有一些相当“壮观”的失误。不过，仅仅是组织“机器人奥运会”赛事本身，就是颠覆认知的，他认为等到下一届比赛举办时，一定会更有意思，“这个领域的发展速度非常快，届时无论是整体水平还是比赛结果，都会有很大的变化。” 谈到人形机器人，盖茨说，机器人手部技术目前仍是瓶颈问题。“中国研究手部技术的人尤其多，我曾在上海参观过一家公司，他们就在研发机器人手部技术，我也一直密切关注这一领域。”他预测道，“如果再过几年，人形机器人能够达到人类的水平，从事建筑和制造业工作，它们甚至可以一天24小时地工作，从某种意义上而言，这是件好事，因为生产率提高了。” 盖茨谨慎地用了“从某种意义上而言”，他尤其担心由此带来的就业问题。“整个社会都需要思考，我们应该如何作出调整，让目前从事这些工作的人感受到，他们能够得到妥善的照顾和支持，而且这种支持不能仅仅是经济上的。在我看来，这是一个全世界都还没有解决的问题。”他说道。 在前述盖茨发表的6000字长文中，一共提到中国三次，是除美国以外提到次数最多的国家，他在文中就AI国际治理问题提议，“美国和中国之间需要一些合作”，以应对AI带来的挑战。 “我相信大家也都知道，中国的AI模型表现非常出色。”盖茨向记者表示，“根据不同的衡量方式，中国和美国都分别有四家甚至更多个机构的模型能够保持最先进水平。也就是说，得分最高的模型与另外七个领先模型之间的差距其实并不大。事实上，现在这些模型的表现都已经超过了大约四个月前最好的模型。” 盖茨将当前的这种局面称为“超级竞争”，他说这意味着，包括非洲各国政府在内的用户，可以获得很多性能不错、价格较低的选择。 此外，他还进一步提议：“我希望两国都能拿出大约5%的数据中心算力，将其作为一种类似于对外援助的方式，为贫困国家提供支持，用于健康、农业和教育等具有重要人道意义的领域。”

2026-09-15: Anthropic CEO达里奥·阿莫迪近日发出“放慢前沿AI发展速度”的呼吁后，AI行业罕见地出现了由头部实验室掌舵者共同参与的安全讨论。OpenAI CEO萨姆·奥尔特曼、Google DeepMind CEO德米斯·哈萨比斯以及xAI创始人埃隆·马斯克相继表示支持。与此同时，英伟达CEO黄仁勋、Meta CEO马克·扎克伯格、前白宫AI事务负责人戴维·萨克斯、图灵奖得主杨立昆等人则从不同角度表达质疑，美国总统特朗普也明确反对让AI发展速度受到约束。这场争论的核心并不是AI究竟有没有风险，而是一个更现实的问题：当AI能力增长速度已经超过人类对其行为的理解和控制能力时，行业应该主动放慢速度，还是继续推进技术发展，同时通过安全研究解决风险？如果决定放缓速度并开始制定相关行业标准，又要如何平衡参与方自身利益与公共利益之间的关系？一切都还没有答案。安全能力需要追上模型能力本轮讨论由AnthropicCEO达里奥・阿莫代伊在《We Must Pace the Frontier》一文中发起。他提出，AI前沿能力迭代速度已经快于安全研究的追赶节奏，警示若自主AI智能体持续快速演进，未来6-12个月极端情形下或出现大规模自主系统接管互联网、酿成重大损失的风险，应当预留时间给安全研究跟进，而非事故发生后再补救。同时他也强调，放缓不等于停止研发，要实现能力提升与安全措施同步落地。他倡议效仿美国金融业监管局，由美国牵头设立前沿AI标准机构，引入独立第三方，针对网络安全、生物风险、模型欺骗、绕过防护等高风险维度开展模型测试。Anthropic承诺向第三方评估机构开放接近员工级别的系统访问权限，核验安全举措。奥尔特曼随后公开支持这一方向，并承诺OpenAI也将允许独立评估人员以类似员工的权限进入公司检查安全实践。宣布暂停IPO、强调AI安全风险后，奥尔特曼再次发文称，当下AI能力提升曲线陡峭，社会需要建立对美国前沿AI企业负责任研发的信心；每家前沿实验室都必须履行安全承诺。他称，OpenAI已经将安全工作前移，在开展有可能大幅提升模型能力的前沿强化学习实验启动之前，就要制定完整安全方案，而不是只在发布前补做安全审查。同时呼吁其他前沿实验室参考这套做法，各家输出自身方案；推动行业在对齐、监控、安全领域建立共享标准与最佳实践，开展同业合作。奥尔特曼并没有把安全问题限定在OpenAI内部。此前接受媒体采访时，他暗示OpenAI与其他领先AI公司可能很快就安全问题展开更正式的合作。哈萨比斯也表示，阿莫迪提出的方向是正确的，只是具体细节仍需要进一步讨论；马斯克则直接表示阿莫迪是正确的。这形成了AI产业现象级一幕：Anthropic、OpenAI、Google DeepMind和xAI的掌舵者，在一个长期高度竞争的领域中，就“前沿AI发展速度需要受到一定约束”形成了公开共识。行业将其形容为四家主要AI实验室在短短数小时内罕见地站到了同一边。支持者的逻辑并不是否定AI带来的巨大经济价值。哈萨比斯在文章中称，AGI可能只需几年时间，并可能产生远超互联网和移动通信的影响；但正因为技术潜在影响如此巨大，网络安全、生物风险以及未来具备递归自我改进能力的智能体风险才需要提前处理。硅谷投资人加文·贝克表示，过去24小时对AI行业来说可谓风云变幻，各种提案层出不穷。唯一切实的方案是引入第三方评估人员，且相关人员必须与任何实验室之间无关联。多元观点背后的利益牵扯另一边，质疑声同样迅速出现。有消息称9月14日，黄仁勋在洛杉矶参加All-In Summit时，现场与特朗普通话。当时台上讨论的正是阿莫迪提出的“放慢AI发展速度”。特朗普反驳了AI恐慌，黄仁勋随即回应：“我们不会让这（AI减速）发生”。杨立昆则重新翻出了2019年GPT-2的争议。当时阿莫迪仍在OpenAI，OpenAI以模型可能被滥用等理由，未一次性公开参数规模最大的GPT-2。杨立昆近日对此嘲讽称，阿莫迪当年就认为GPT-2太危险，而自己当时曾对此表示嘲笑，“现在大家也应该嘲笑他们”。这并不意味着杨立昆否认AI安全问题，他对灾难性AI风险保持怀疑，并警惕安全叙事最终演变成对模型开放、技术创新和市场竞争的限制。争论还牵涉一个更现实的利益结构。Anthropic正在筹备IPO，在这样的时间节点，要求政府建立前沿AI标准、允许头部实验室协调发展节奏，很容易引发“监管俘获”的质疑。因为越高的安全门槛，可能越有利于已经拥有巨额算力、数据、人才和合规资源的大公司，而增加初创企业、开源社区和学术机构进入前沿模型竞争的成本。行业认为，这正是硅谷批评者质疑此次安全倡议的重要原因之一。因此，这场观点分裂的背后实际上存在至少三层不同利益。第一是安全与技术竞争之间的矛盾。前沿实验室直接面对模型失控、网络攻击、生物风险等潜在后果，因此更需要强调安全；芯片公司、投资者以及政策制定者则更关注算力投资、产业增长和美国技术领先。第二是安全治理与市场竞争之间的矛盾。统一标准、第三方审计和强制测试可以降低风险，却也可能提高进入门槛。尤其当制定规则的人本身就是最强大的几家模型公司时，“安全标准”是否会进一步固化行业集中度，成为不可回避的问题。第三则是全球协调困境。如果所有前沿实验室都同步放慢，安全收益可能较大；但如果只有部分公司或部分国家减速，竞争对手可能继续推进。这实际上构成了一个典型的囚徒困境，也是为什么阿莫迪、奥尔特曼等人越来越强调行业共同标准，而特朗普、萨克斯等人则担心这种协调会削弱美国竞争优势。因此，目前AI行业真正出现的并不是简单的“支持派”和“反对派”，而是两种不同的风险判断：一方认为前沿AI已经快到必须给安全机制留出追赶窗口；另一方则认为，放慢本身可能产生新的战略风险，而且由头部实验室主导的安全规则可能演变成行业壁垒。这也是这轮争论最值得关注的地方。AI安全正在从实验室内部的技术问题，迅速转变为一个同时涉及产业竞争、资本市场、国家安全、反垄断和国际治理的问题。未来真正的分歧可能不在于“要不要安全”，而在于：谁制定安全标准、谁拥有暂停能力，以及当安全与竞争发生冲突时，究竟应该牺牲哪一边。

2026-09-15: “AI减速论”砸向芯片股。美国当地时间9月14日，多只半导体股股价走低。英伟达(NVDA.O)股价跌3.36%，市值5.08万亿美元，市值一夜蒸发1766亿美元。博通（AVGO.O）跌4.77%，美光科技（MU.O）跌5.25%，AMD（AMD.O）跌4.4%，阿斯麦（ASML.O）跌7.25%，纳斯达克指数跌0.56%。欧洲市场方面，当地时间9月14日，英飞凌科技（IFX.DF）跌7.72%，半导体供应链厂商索泰克（SOI.PA）跌12.58%，爱思强（AIXA.DF）跌11.24%。此前Anthropic公司CEO阿莫代伊(Dario Amodei）发文，呼吁AI行业控制前沿（AI）的发展节奏，提出第三方评估、协同制定安全标准、协调全球规则等措施。阿莫代伊的言论获得了竞争对手的认可。OpenAI CEO奥尔特曼（Sam Altman）和马斯克也站在了同一战线。奥尔特曼称，现在还没达到可以在安全能力未取得进一步进展的情况下，继续大幅推进模型能力的阶段。在此之前，Anthropic研究员雅各布·考克森（Jacob Coxon）宣布辞职，这名研究员警告AI有可能“在本世纪末杀死我们所有人”。近期警告过AI安全问题的业内人士还包括OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）、OpenAI AI安全研究员保罗·克里斯蒂亚诺（Paul Christiano）、前Anthropic可扩展监督团队负责人乔·本顿（Joe Benton）、前谷歌DeepMind通用人工智能安全团队研究员乔希·恩格尔斯（Josh Engels）等。AI厂商放缓模型开发速度向上传导，可能影响AI基础设施建设速度，减少芯片厂商的需求。因担忧安全问题而放缓基础设施建设速度，是芯片厂商不愿意看到的。对于其中一种AI安全问题，英伟达CEO黄仁勋的看法是可以“用AI抵御AI”。上周黄仁勋称，网络安全很可能成为AI的下一个主要应用场景，随着AI加快代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求随之增长。在当地时间9月14日的一场公开活动上，黄仁勋则认同了“AI应放缓发展”言论背后存在复杂动因的看法，他表示对雅各布·考克森勇敢表达担忧的赞赏，同时表示当前的恐慌在快速创新与AI安全之间制造了一个虚假的抉择。“从根本上说，人们会问：为了全球AI安全性的提升，资本支出是否会减少、增长速度是否会放缓。这对全球范围内股票的增长和收益会带来什么影响？”巴克莱银行欧洲股票策略主管埃马纽艾尔·考（Emmanuel Cau）表示。从AI芯片龙头的股价走势看，美股8月27日，英伟达对2028财年给出营收增长约70%的指引后，股价收涨8.74%，市值一夜增长4415亿美元至5.49万亿美元。美股9月4日，英伟达市值达到5.55万亿美元。但随后5个交易日，英伟达股价累计下跌了8.32%。

2026-09-15: 受人工智能头部企业集体强调AI安全、呼吁放缓前沿大模型研发，叠加OpenAI年内放弃IPO，市场交易 “AI模型迭代减速 = 芯片需求下行”预期，引发全球芯片板块共振杀跌。 周一，抛售潮席卷亚洲、欧洲和美洲市场，初步统计显示，全球半导体和AI算力硬件产业链总市值蒸发超5000亿美元。 泥沙俱下 全球头部人工智能企业高管出于安全考量，呼吁行业放缓AI技术研发节奏，给本周初市场情绪带来极大负面影响。 亚洲市场早盘率先下挫，OpenAI主要投资方之一、科技投资集团软银集团收盘大跌11%；闪存厂商铠侠下跌 6.4%；韩国芯片巨头SK海力士、三星电子分别下跌 6.4%、4.1%，拖累韩国综合指数（Kospi）下挫 3.3%。 欧洲市场方面，荷兰半导体设备商阿斯麦下跌6%。ASM国际、BE半导体设备公司分别下跌10%、8.2%。欧洲芯片企业英飞凌、意法半导体下跌超6%。与AI基建建设相关的企业同步走弱：生产数据中心配套涡轮设备的西门子能源下跌逾8%；欧洲半导体供应链其他企业同样大幅下跌，法国索泰克（Soitec）与德国爱思强（Aixtron）领跌欧洲斯托克600指数。 最后美股跳空低开，本轮AI行情的领涨板块 ——芯片股跌幅最重，费城半导体指数下跌近6%：英伟达跌3.3%，博通、AMD 和闪迪跌超4%，美光科技跌5.3%。 盈透证券首席市场分析师史蒂夫・索斯尼克表示：“如果这最终引发AI资本开支放缓与行业重新评估，将会对经济和股市重要板块产生深远影响。本质上，市场此前的火热行情，正是由AI资本开支所驱动。” 上周末，正在筹划IPO的Anthropic首席执行官达里奥・阿莫代伊（Dario Amodei ）撰文呼吁，AI行业应当避免恶性竞速，投入必要时间，确保前沿模型以负责任的方式开发。“过去几个月，我越发确信，想要充分应对各类风险，需要秉持更高的审慎态度。不只是投入资金做风险防范，还需要管控AI能力的迭代速度，为风险防控争取追赶的时间。我们必须放缓人工智能模型的能力提升节奏。整体技术依旧会保持较快发展，我们要善用争取到的时间。”他还列出行业在安全研发上需要考量的事项，包括引入第三方评估机构。 阿莫代伊的提议迅速得到了SpaceX、OpenAI等一众科技巨头的公开支持。OpenAI首席执行官山姆・奥尔特曼表态认同这位竞争对手的观点。“人工智能的发展存在两种必须规避的灾难性走向。第一，我们可能会被人工智能夺走对未来的掌控权。这是无法接受的。我们坚定站在人类这边，人工智能必须始终服务于人。要实现这一点，就要确保对齐技术与安全技术的发展，跑赢模型能力的迭代速度。第二种风险，是世界出现权力的高度集中。如果某个人或者某家企业手握能力极强的人工智能，并把自身世界观强加给所有人，最终将酿成极度反乌托邦的局面。规避这两类威胁，需要走好一条狭窄的中间道路。”奥尔特曼同时称，出于安全考量，OpenAI今年不会推进 IPO。 微软周一发布了一份针对旗下人工智能模型的临时行为准则，要求模型不得响应武器制造相关请求，不得协助获取危险物质，不得生成违规内容。微软表示，准则将在收集外部意见后更新，并将于2027年起正式指导其模型开发工作。微软CEO纳德拉表示，"我们欢迎开展必要的研究，并以审慎的节奏推进AI对齐工作。" 值得注意的是，多名美国国会议员已经对AI快速发展表示担忧，呼吁出台新规。报道称，美国参议院谈判代表正在讨论立法，要求 AI 企业证明自身已落实合理风险防范措施。 前景如何 一些机构观点认为，此次科技股的抛售更像是消息触发的本能反应。 盛宝金融首席投资策略师查鲁·查娜纳称：“AI板块估值定价不仅隐含强劲需求，还预设模型迭代会持续高速推进。”她补充道，中东局势推高油价与美债收益率，投资者本就对任何利空该预期的消息容忍度偏低。 部分市场观点对这类末日论调表达了怀疑。因2008年成功押注美国房地产崩盘而闻名的“大空头”迈克尔・伯里（Michael Burry）在社交平台发文称，这类风险警告是头部大厂用来压制小型竞争对手的手段。 Annex 财富管理首席经济策略师布莱恩・雅各布森同样质疑这些表态的可信度。“真正有说服力的审慎观点，应当建立在实证证据之上，而非恐惧情绪。我们既要警惕头部企业借此维护自身市场地位，也要警惕那些对无法量化的远期结果做出笃定预判的言论。”他表示。 美国总统特朗普周一表达了对Anthropic首席执行官言论的强烈不满，称在商业历史上，从未见过行业龙头主动呼吁实施监管，而一旦严格执行这类监管，就会令企业销声匿迹甚至破产。他表示，所谓人工智能将接管世界、毁灭人类等一系列负面说法都是骗局。特朗普认为，人工智能与数据中心将成为有史以来最强劲的经济发展引擎，其影响力将超过石油、黄金、钻石乃至互联网，在他的总统任期内，这项产业不会被那些蓄意破坏的势力阻拦。 另一方面，放缓下一代前沿模型研发速度，未必会打断AI投资周期。摩根士丹利今年早些时候预测，到2027年全球AI支出将突破1.3万亿美元。德意志银行在研报中写道：企业与国家之间的竞争依旧激烈，很难想象各家企业会在对手持续加码的情况下主动后退。 老虎证券市场策略师詹姆斯·沃伊表示：“AI需求的下一阶段，或将更少取决于新模型训练的频率，更多取决于模型的使用密度。”此外，AI 算力需求下一阶段主要由推理与智能代理类任务驱动，仍可持续支撑硬件与基础设施供应商。 尽管如此，分析师对AI硬件厂商持续扩产的计划发出警示。三星与SK海力士计划在韩国新建芯片产业集群，总投资超5000亿美元，用以扩充产能。日本市场，铠侠与闪迪合计投入超310亿美元，大规模扩产闪存芯片。“如果新增产能落地快于需求增长，包括高带宽内存（HBM）在内的存储器将面临供给过剩风险。”查娜纳称。

2026-09-14: 旧金山Press Club的一块屏幕上，十几个AI Agent正在接力工作：一个写代码，一个审查，一个搜索资料，另一个运行测试。屏幕前的创业者不再像软件使用者，更像一名数字员工的管理者。同一时间，Anthropic与OpenAI都已经向美国证券交易委员会保密提交S-1草案。围绕Anthropic的上市讨论中，30万亿美元成为一个醒目的潜在市场口径：AI未来可能参与完成的全球工作。但截至9月14日，两家公司均未公开招股书，发行价格、募资规模和IPO估值都没有确定，Anthropic也没有公开说明30万亿美元的计算方法。这场可能改变AI资产定价方式的上市竞赛，首先提出的不是技术问题，而是一道会计题：人类工作的价值，有多少能成为模型公司的收入，又有多少最终能留下成为自由现金流？30万亿美元叙事从哪里来2021年，Dario Amodei等前OpenAI成员在旧金山创办Anthropic。五年后，Anthropic先于OpenAI一周宣布保密提交S-1草案。两家公司都取得了进入公开市场的选项，但何时上市仍未确定。资本市场已经给出很高的起点。Anthropic在2026年5月完成650亿美元融资，投后估值为9650亿美元；OpenAI在3月完成融资后披露的投后估值为8520亿美元。Anthropic的最新私募估值已经超过OpenAI，但私募估值不是IPO定价，更不是内在价值。最需要审慎对待的是30万亿美元。公开材料尚未披露这一数字的计算方法，也无法确认Anthropic会不会最终在招股书中采用这一口径。它更适合被理解为AI可能参与的工作价值，而不是一家公司的收入预测。人类工作的价值，不能直接算成AI公司的收入。在旧金山Press Club，一名住在圣何塞的曾经荣获CES最佳创新奖的创业者给笔者展示了一块大屏幕，屏幕上同时运行着十几个AI Agent：一个写代码，一个审查代码，一个搜索资料，一个跑测试，前一个Agent完成任务后，另一个继续接手。他本人已经越来越少在GitHub、Slack和浏览器之间切换。过去，他是软件的使用者；现在，他更像一个管理十几名数字员工的经理：分配任务、检查结果、处理异常，然后决定下一步由谁继续工作。两年前，这位创业者组织了20人的团队，主要使用OpenAI模型；现在，他用两个人的核心团队和Claude Code完成更多工作。他把团队变化部分归因于Agent带来的效率提升。不仅公司组织结构发生变化，使用的大模型也发生了迁移。Anthropic披露，公司年化收入运行率在2026年5月超过470亿美元；其4月公告显示，这一数字已从2025年底约90亿美元升至300亿美元。这样的增速足以说明企业需求正在加速，但年化收入运行率只是把近期收入外推一年，不能代替全年收入、毛利率和自由现金流。AI最大的潜在市场不是软件，而是工资单AI最大的潜在市场不是软件，而是工资单；但工资单不是模型公司的收入表。真正值得下注的，不是谁能证明AI可以参与30万亿美元的工作，而是谁能把企业节省的一美元成本，转化为自己可以长期保留的自由现金流。基础模型、前沿部署工程师（FDE）和垂直应用并非互相排斥：模型提供能力，FDE负责把能力嵌入客户流程，垂直应用掌握数据和结果。Palantir证明实施与交付可以形成很强的价值捕获能力。一位加拿大创业者对笔者表示，Palantir是他们学习的榜样。其团队正在为中东石油工厂开发数字孪生项目，这同样属于FDE市场。在他看来，FDE未来可能成长为万亿美元级市场。公开市场不会只看收入和毛利率。对于AI公司，更有解释力的指标包括单位token收入和服务成本、每兆瓦算力对应的收入、客户净收入留存率，以及资本投入最终能产生多少自由现金流。硅谷可以讨论30万亿美元，投资者最终仍要回答：一单位算力能生产多少真正留下来的收入？纽约对冲基金Amont Partners管理合伙人Rob Li对笔者表示，现阶段Anthropic最大的优势，是企业端商业模式比OpenAI的消费者业务更容易测量。他早年从事杠杆收购，此后转向全球二级市场投资，评估一家公司仍然遵循典型的私募投资逻辑：看管理层是否具备投入资本回报率意识，看自由现金流，看管理层激励，也看增长最终能否超过资本成本。在他看来，Anthropic从一开始就更明确地面向企业客户。企业市场即使不像把全球消费者都算进去那样宏大，但谁在付钱、为什么付钱、用量多少、单位经济如何，都更容易验证。消费者AI目前经过验证的货币化模式主要仍是订阅和广告，而广告市场已经被Google、Meta等公司长期经营，它们拥有分发、数据、现金流和自己的模型。相比之下，企业竞争虽然激烈，但收入路径目前更清晰。这也是为什么一些华尔街投资人更愿意先用“企业软件”框架理解Anthropic。企业购买Claude Code或者Agent，可以直接计算节省了多少工程师工时、项目提前多少天上线、减少多少外包费用。OpenAI则相反，它先获得大规模消费者入口，再寻找订阅、广告、交易、API和企业Agent之间的最优组合。前者的边界目前更明确，后者的可选性更大，也更难估值。但这个“企业软件市场”的框架可能很快就不够用了。Anthropic最成功的突破口是coding，而coding的真正价值，并不是程序员喜欢Claude，而是代码具备其他知识劳动很少拥有的特征：结果可以被机器验证。程序能不能编译、测试能不能通过、Bug有没有修好，都有相对明确的答案。如果AI替市场人员“提高了创造力”，CFO很难知道这项提升值多少钱；如果Claude把六小时的编码任务压缩到一小时，企业可以马上计算工时、交付速度和项目成本。硅谷初创公司NeoCognition联合创始人谷雨告诉笔者，公司目前每月为Claude相关API调用支付约60万美元，团队成员通常会同时运行七八个Agent支持工作。中国团队AI游戏平台陶泥儿创始人包仲航告诉笔者，团队成员的token调用量差异很大，同样呈现明显的二八分化，少数高水平使用者消耗了大部分用量。所以Anthropic真正找到的，是给“智能”标价的方法。AI最先进入的工作，未必是工资最高的工作，而更可能是反馈周期最短、结果最容易验证、责任边界最清晰的工作。Coding只是第一块滩头阵地，金融分析、网络安全、法律文书、科研、营销运营甚至部分管理任务，只要能形成类似验证闭环，都可能成为下一块市场。这时，Anthropic面对的已经不只是软件预算，而是工资、外包、研发和运营成本。“Anthropic会不会取代Salesforce”其实把问题问小了。更准确地说，它真正想做的，是让Salesforce变成数据库，让Claude变成员工。Salesforce不会消失，SAP不会消失，Workday也不会消失，企业仍然需要保存客户、员工、供应链和财务记录，但以后真正打开这些软件的人可能越来越少。Agent会直接调用API、读取记录、完成流程。过去二十年，SaaS最重要的收费单位是seat，多一个员工，往往意味着多卖一个席位。Agent正在更快地拆开员工数量和软件席位之间的关系：一个员工可以管理多个Agent，却不需要为每个Agent购买一套传统SaaS账号。AI可能先减少的不是软件，而是人必须亲手操作软件的时间。这正是30万亿美元叙事的逻辑：它计算的不是传统软件采购，而是AI未来可能参与完成的工作。理论市场和基础模型的分成率有多远30万亿美元也是最容易制造估值幻觉的数字。假设一家企业过去花100美元让人完成某项工作，AI把成本降低到60美元，Anthropic不会自动得到那40美元。可能20美元留在企业利润表里，5美元给云厂商，5美元进入垂直Agent公司，还有一部分通过竞争回到客户，模型公司最终只能获得其中的一部分。这里最重要的区别是：价值创造不等于价值捕获。一位佛罗里达大学研究人员对笔者表示，谷歌Gemini体系拥有更为多元的产品入口，正在更接近形成从用户需求到交易的闭环。在他看来，基础模型最终能够获得多少分成，不仅取决于模型能力，也取决于谁掌握用户入口和交易场景。一家交易所的联合创始人对笔者表示，目前平台上以GPU为抵押品的期货交易量很大，但交易所的抽成只有十万分之二，即0.002%。这进一步说明，交易规模很大，并不意味着平台能够按同样比例捕获价值；市场规模与实际费率之间可能相隔甚远。这带来第一个反直觉真相：Anthropic的TAM越大，基础模型的抽成率反而可能越低。如果Claude像电力一样进入所有企业，它也可能越来越像电：使用量巨大，单位价格却不断下降。Google、OpenAI、Meta、DeepSeek以及开放模型，都在给智能设置价格上限。AI能够参与30万亿美元的劳动，不意味着任何一家模型公司拥有30万亿美元的定价权。OpenAI则从完全相反的方向逼近同一个终点。Anthropic先占领企业内部的高价值任务，OpenAI先占领消费者。因此今天继续把OpenAI理解为一家ToC订阅公司已经不准确。ChatGPT最重要的资产并不只是每个月20美元订阅，而是意图。Google知道一个人在搜索什么，Facebook知道一个人在看什么，Amazon知道一个人在买什么，而ChatGPT越来越知道一个人在这一刻想完成什么。“帮我写程序”“研究这家公司”“替我安排旅行”“帮我找工作”，这些不是普通流量，而是距离行动和交易非常近的一类数据。免费用户或是OpenAI的分发资产第二个反直觉真相是：OpenAI今天最昂贵的免费用户，可能是未来最值钱的分发资产。消费者使用AI会产生真实推理成本，但如果ChatGPT最终成为搜索、购物、工作和Agent执行入口，免费推理也可以被视为获客成本。ChatGPT本身已经是杀手级App。OpenAI尚未完全解决的是，订阅、广告、交易、Agent、API和企业收入怎样组合，才能获得最高的投入资本回报率。一位硅谷创业者告诉笔者，他已经在使用可以连接财务信息的AI工具管理个人开支。系统提出的节流建议让他感到意外，他随后取消了部分不必要的订阅和支出。这也是为什么OpenAI正在从模型公司变成一家越来越难分类的公司：一部分像Google，一部分像Microsoft Office，一部分像AWS，现在又开始像Nvidia。2026年6月24日，OpenAI与Broadcom共同发布首款定制推理芯片Jalapeño（墨西哥辣椒），计划在2026年底开始初步部署。它真正重要的地方不是某一项基准测试，而是OpenAI为什么必须做芯片。答案仍然写在利润表里：传统软件每多服务一个用户，新增成本接近于零；AI不是。Agent思考越久、调用工具越多、运行步骤越复杂，背后需要的GPU、电力、存储和网络越多。智能有原材料成本。因此，Anthropic收入越快增长，它就越需要购买算力；OpenAI用户越多，也必须承担越多推理成本。模型公司的商业模式正在反过来改变芯片和数据中心产业。一名硅谷的圣何塞工程师在屏幕上多开十个Agent，类似的蝴蝶效应，最终可能传导成得州多建一座数据中心、台湾增加一批先进封装、韩国扩建HBM产能，以及美国电力公司的资本开支上升。这也是黄仁勋所谓AI“五层蛋糕”真正值得投资者理解的地方：能源、芯片、基础设施、模型、应用，从来不是五个彼此独立的市场，而是同一笔经济价值在产业链上的重新分配。由此又产生一个更重要的资本市场判断：AI时代最伟大的公司，未必产生AI产业里最伟大的股票回报。 模型层可能增长最快，但也是资本开支最重、价格竞争最快、技术更新最剧烈的一层。反而是电力设备、HBM、先进封装、网络、冷却、土地和并网资源这些看上去不那么性感的环节，可能因为真实稀缺性拥有更稳定的定价权。Rob Li也提醒，AI资本开支能否最终覆盖资本成本，要看融资成本、折旧周期和真实需求。大型云厂商的安全垫更厚，因为算力既可以出租，也可以内部使用；越靠近消费者，商业模式越需要直接证明用户最终愿意付多少钱。因此，Anthropic真正公开招股书的那一天，其重要性可能超过下一次Claude发布。私人市场可以不断讨论AGI、30万亿美元TAM和下一代模型，公开市场最终会把所有宏大叙事压缩成几个冷冰冰的数字：毛利率、推理成本、资本开支、客户留存和自由现金流。这场IPO还存在监管风险。Anthropic与美国国防部围绕模型使用边界和“供应链风险”认定的争议已经进入司法程序。2026年8月下旬，加州联邦地区法院裁定部分处理违法，但其他法律程序和政府采购争议仍未结束。对于一家准备进入公开市场、同时服务企业和政府客户的AI公司而言，这些不确定性会进入估值。Anthropic的企业路径目前更清楚，OpenAI拥有更大的消费者分发和更多商业模式可选性。谁会成为更伟大的公司，现在已经可以争论；谁会成为更好的股票，却必须等价格。Rob Li的观点笔者有同感，一次IPO配售、赚取短期价差可以是一笔交易，但不要把交易和投资混为一谈。真正的投资，必须能够通过业务、现金流和资本回报解释估值。因为一家1万亿美元的公司，如果五年以后仍然价值1万亿美元，并不是一家失败的公司，却完全可能是一笔失败的投资。谁能将30万亿美元市场变成可持续现金流？回到Press Club，那个来自圣何塞的工程师仍然面对同一块屏幕，十几个Agent同时工作。今天看，他不过是一个把AI用得更充分的创业者；但如果这一幕变成未来公司的一般工作方式，五年以后我们回头看2026年的旧金山，也许会发现真正的转折点从来不是某一天Claude超过GPT，或者GPT再次超过Claude，而是人在公司里的位置变了。工业革命把人的肌肉交给机器，互联网把信息传播成本压到接近于零，云计算把服务器变成可以按需购买的基础设施，而这一轮AI正在继续向前：把一部分智力变成可以按量购买的生产资料。因此，AI的理论市场会从软件预算延伸到工资、外包和运营成本。然而，对准备购买OpenAI和Anthropic股票的投资人来说，真正的问题还必须再往前一步：AI能够参与30万亿美元的工作，只说明它可能创造多少价值；谁能把其中一部分持续变成自由现金流，才决定谁值得拥有万亿美元市值。当一个Agent替公司省下100美元人工成本时，谁有权拿走其中的10美元？是OpenAI，是Anthropic，是Google、AWS、Nvidia，还是那个拥有行业数据、客户关系和最终执行权的垂直Agent？谁能长期回答这个问题，谁才真正拥有AI时代的护城河。而答案的第一幕，已经可以在旧金山看见。（作者为硅谷远眺Coremi创始人，交流邮箱yuanlu007@pku.org.cn）

2026-09-14: ①《人工智能安全治理框架3.0》发布； ②英伟达、Palantir、博思艾伦将限制使用Anthropic模型； ③铠侠据悉考虑赴美上市融资100亿美元； ④微软为其未来人工智能模型设定限制。

2026-09-14: 近日有消息称，人形机器人企业IPO审核收紧。对此，多名券商投行人士对第一财经称，在当前严把IPO质量关的形势下，人形机器人拟IPO企业的质量尤为被关注。 关于审核趋严的原因，受访人士认为，这与一些申报项目领域还未进入合理商业化循环有关系，未盈利企业是否具备盈利前景，也是受理端关注的重点。 当前处于在审状态的具身智能拟IPO企业中，云深处科技股份有限公司（下称“云深处”）2025年实现盈利，但2026年上半年毛利率有所下降；深圳市越疆科技股份有限公司（下称“越疆科技”）、乐聚智能（深圳）股份有限公司（下称“乐聚智能”）则均处于亏损状态，前者预计今年上半年亏损金额大幅扩大，后者近三个会计年度归母净利润亏损金额逐年增加。 人形机器人IPO审核“重质量” 近日，市场有传闻称，人形机器人企业的IPO审核门槛正在被收紧，需要满足能产生经常性收入，亏损处在持续收窄的轨道上，或者拿出真正意义上的技术创新等条件。 一位华北的券商投行高管对第一财经称，其实也不算收紧，一直是这个口径，就是严把IPO质量关，其中当前人形机器人拟IPO企业的质量尤为被关注。 对于原因，上述券商投行高管认为，与部分申报项目还未进入合理商业化循环有关系。 不只人形机器人领域，“短期整个机器人行业的IPO质量都会被关注”，一位上海的投行人士认为，落地在工业端的机器人企业申报IPO相对会好些，因为这些细分领域更有商业逻辑。 上述华北的券商投行高管也认为，相较人形机器人，申报IPO的装备机器人企业，产品多落地于商业化相对成熟的市场。 除了机器人领域外，整体拟IPO的未盈利企业也被严把质量关。“IPO收紧，不完全是针对人形机器人企业，也涉及整体未盈利企业。”一位华南的券商投行人士对第一财经称，监管收紧未盈利企业IPO审核，主要是就这类企业是否具备盈利前景，在受理阶段做一个实质性判断，并压实保荐机构的前端把关责任。 此前，也有多位投行人士对第一财经称，随着未盈利企业IPO申报项目数量增加，质量不达标情况或会同步增加，在此情况下，保荐机构被要求严把IPO项目质量关，加强甄别，把握不准可以提前和交易所预沟通确认，IPO项目进入到受理端也会被严格把关。 除了准备申报的未盈利企业，上述华南的券商投行人士认为，在审的未盈利IPO企业也会受到影响，“只要还没上市，在审未盈利企业的IPO审核应该也会被从严把关”。 对于收紧未盈利企业IPO审核的原因，“可能是因为未盈利企业在商业模式不成熟、盈利前景不明朗的情况下，便在资本市场公开上市不合适。”上述华南的券商投行人士说。 另外，宇树科技（688836.SH）上市之后股价大幅下跌，也被认为是其中一大影响因素。 8月19日，宇树科技在科创板正式上市交易，成为A股市场“人形机器人第一股”。当日股价以1100元开盘，市值突破4400亿元，之后回落，收报845元，总市值为3418亿元。 上市首日开盘价也成为宇树科技的最高价，之后股价持续下跌，到9月14日首次跌破500元，并探出新低465.58元，最终收报470元，相较最高价下跌57.27%。总市值也缩水至1901亿元。 具身智能拟IPO企业商业化如何？ 那么，当前排队在审以及处于辅导阶段的具身智能企业商业化情况如何？ 在宇树科技之后，云深处、越疆科技、乐聚智能等企业的IPO申请也相继获得受理。从审核状态来看，云深处、乐聚智能在5月份进入已问询环节后，尚未有进展；越疆科技则是在7月22日过会后，IPO材料尚未提交注册。 这三家企业中，云深处在2025年实现盈利，乐聚智能和越疆科技均尚未盈利。 其中，云深处专注于四足机器人、轮足机器人等具身智能机器人的研发、制造与产业化。根据招股说明书，2023年～2025年，该公司营收分别为5011.26万元、1.03亿元、3.37亿元，归母净利润分别为-2585.01万元、-1328.99万元、2868.40万元。同期，公司具身智能机器人收入占比分别为97.94%、86.83%、95.69%。 云深处在回复问询函中称，2025年度公司毛利率已处于相对较高的水平，2026年1~6月毛利率有所下降，未来公司主要产品销售单价将可能呈现下降趋势。 越疆科技则尚未盈利，该公司主营业务为协作机器人和具身智能机器人的研发、生产和销售。2023年～2025年，营收分别为2.87亿元、3.75亿元和4.93亿元，归母净利润分别为-1.03亿元、-9536.46万元、-8353.62万元。 越疆科技在7月15日披露的上会稿中预计，今年上半年，营业收入较上年同期增长94.65%至114.12%，但归母净利润亏损扩大，亏损金额在9000万元～1.2亿元，同比下降135.15%～213.54%。该公司称，主要原因包括：自2025年起加大具身智能研发队伍建设与相关项目投入，战略性增加销售团队人员配备，汇率波动导致汇兑损失同比提升，叠加股份支付费用同比有所增长。 乐聚智能近三年亏损逐年扩大。该公司专注于人形机器人“大脑—小脑—本体”的全栈式技术研发、整机生产与销售以及应用方案提供。2023年～2025年，营收分别为5398.83万元、5550.03万元、2.58亿元，归母净利润分别为-4111.6万元、-5922.98万元、-6977.94万元。 还有多家机器人企业处于A股IPO辅导阶段。其中，四川天链机器人股份有限公司（下称“川机器人”）目前处于辅导备案阶段，拟申请在科创板上市。 川机器人披露的2025年年报显示，该公司2025年度归属于挂牌公司股东的净利润为-2496.58万元，较2024年度的亏损增加74.91%，未弥补亏损进一步扩大。 法奥（苏州）机器人技术股份有限公司则是在9月4日登记辅导备案。该公司打造“协作+人形”两大产品矩阵，其中在人形机器人领域，提供从核心关节模组到整机参考设计的全链供应服务。

2026-09-14: 为落实上海“十五五”规划关于“加快发展三大先导产业”“持续优化国际一流营商环境”相关要求，以我市网络生态治理成效服务保障集成电路、人工智能、生物医药等先导产业高质量发展，9月14日上午，上海市委网信办会同市发改委、市经信委、上海证监局、上海证券交易所召开工作部署会，决定即日起启动专项整治行动，全面规范先导产业网上信息传播秩序。 会议指出，先导产业是上海科技创新的核心支撑、产业升级的战略底盘，清朗有序的网络舆论环境是先导产业健康发展的重要保障。本次专项行动要立足人民立场，坚持治理乱象与护航发展并重、从严监管与精准服务并行，通过抓依法治理、抓典型案例、抓协同聚力，着力解决突出问题，完善长效工作机制，全力护航上海先导产业健康发展。 经过前期广泛调研，本次专项行动聚焦企业反映最集中、产业影响最突出的网络乱象，重点整治编造传播不实信息、歪曲解读产业政策和数据、利用AI炮制批量化“黑料”文章、在企业上市关键节点恶意炒作负面信息进行“软敲诈”，以及擅自披露涉密及未公开敏感信息等违规行为。市委网信办将督促属地网站平台对照整治重点，全面排查清理违法违规信息，对违规“自媒体”和MCN机构严肃处置；通过开设专项举报入口、委托第三方机构巡查等方式，广泛收集违法违规线索，予以分类分级处置，问题严重的将依法查处并公开曝光。同时聚焦先导产业发展需求，常态化开展企业走访调研、多方座谈、服务赋能，持续优化营商网络环境，为上海加快建设具有全球影响力的科技创新中心提供有力支持。 营造清朗网络环境已连续两年列入上海市优化营商环境行动方案，并纳入“十大攻坚突破任务”。2026年，上海市委网信办会同相关部门，通过构建工作体系、深化专项整治、强化服务赋能，多措并举提升营商网络环境治理效能。日前国家发展改革委发布第三届全国优化营商环境创新实践十大案例，《上海市以清朗网络空间护航营商环境持续优化》案例成功入选。 专项行动期间，欢迎广大网民通过上海市委网信办“规范上海先导产业网上信息传播秩序专项举报”专区，积极提供违规线索，共同营造清朗网络空间。

2026-09-14: 随着对人工智能（AI）技术可能构成生存威胁的担忧成为美国政治关注的焦点，美国总统特朗普对加强监管的要求却有些不以为然。 当地时间13日，在造访爱尔兰期间，特朗普在接受采访时表示，尽管设立一些“护栏”是可行的，但美国必须保持在该领域的国际领先地位。 过去一周，围绕AI飞速发展引发的安全担忧在美国成为舆论焦点。上周末，Anthropic、OpenAI以及SpaceX等美国几家领先人工智能公司的负责人都在针对AI模型能力飞速提升发出安全警告，呼吁以更谨慎的步伐推进技术发展。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐，但不需要采取那些有可能将竞争优势拱手相让的激进手段。 欧洲工商管理学院经济学教授米霍夫（Ilian Mihov）的商学院学生遍布美欧。他对第一财经记者表示，对科技企业而言，从监管法规和后续上市的角度来考虑科技企业的运营的话，思考一下为什么欧洲人要去美国创业和投资也很有意义，“如果我是创始人，考量从公司获得的经济收益，在美国的处境要比在欧洲好得多”。 特朗普讨论“设置护栏” 13日，特朗普称，谁赢得了AI，谁就赢得了未来。 他表示：“我们可以设置护栏，可以做这做那，但我认为，许多提出这些问题的人本不该这么做，他们提出的那些情况根本不会发生。” 近期，Anthropic研究员考克森（Jacob Coxon）辞职并发出警告称：“开发AI的人真心相信，这项技术可能会在本世纪末之前导致人类灭绝。” Anthropic首席执行官阿莫代伊（Dario Amodei）长期以来一直称，如果人类失去对技术的控制，AI可能会带来危险。 12日，他在一篇文章中回应称，该行业“必须放慢提升AI模型能力的步伐”，并呼吁由第三方评估机构监督处于技术前沿的公司，同时建立行业安全标准并实现全球规则协调。 OpenAI首席执行官奥尔特曼和SpaceX创始人马斯克均对这些提议表示支持。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐。 曾任美国总统AI事务负责人的萨克斯（David Sacks）表示，这些公司应该“停止假装自己需要获得他人的许可”。 “放手去引领技术前沿吧。你们才是制定规则的人，”萨克斯在社交媒体上写道，“不开发超级智能的最简单方法，就是你们自己同意不开发它。如果把采用你们心仪的监管框架作为不开发的条件，那看起来就像是在勒索公众和政治体制。” 共和党籍众议院议长约翰逊（Mike Johnson）呼吁人们不要“恐慌”，并提议让科技界领袖与立法者在白宫举行会晤。 民主党人则猛烈抨击了共和党的回应，并要求迅速采取行动对该行业进行监管。亚利桑那州参议员加列戈（Ruben Gallego）指责约翰逊和特朗普在应对AI威胁的问题上“未能应对当下的挑战”。 辞职的考克森则对老板阿莫代伊的提议表示欢迎，称其为减缓前沿AI不受控制的发展迈出的“实质性一步”。 AI的增长红利 在高通胀和经济增长乏力的当下，尤其需要考虑AI对于美国经济增长乃至消费增长的拉动作用。 美联储主席沃什在上任之前，曾经在美国媒体撰写《美联储领导力失灵》评论文章，并在其中预测，AI将引发生产率爆发。彼时，他建议摒弃美联储对未来几年滞胀的预测，转而采用AI驱动的通胀放缓预期。他还认为，随着生产率的提高，美国实际工资理应会增长。 在近期罕见的几次表态中，他也坚持了长期看好AI发展和对美国生产力的看法。 牛津经济研究院最新报告也显示，AI带来的增长动力主要集中在美国及少数亚洲经济体。 意大利前总理、欧洲央行前行长德拉吉近期也警示，欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 “尽管我们估算2024年至2026年间AI对美国消费支出的年均提振幅度为0.4个百分点，但对于其他七国集团（G7）经济体而言，这一平均增幅仅为0.1个百分点。”牛津经济研究院在报告中表示，“造成这种差异的主要原因在于，大型AI企业多位于美国，且股票等权益类资产在美国居民财富中占比较高——近年来，股票已取代房地产，成为美国消费增长的主要推动力。” “投资方面，美国投资正以每年约3%的速度增长，但这完全归功于AI：若剔除AI相关领域的强劲扩张，美国投资实际上正以每年约2%的速度萎缩。”上述报告显示。 米霍夫也对第一财经记者解释道，当前剔除了AI投资的数据显示，美国的这一股AI热潮掩盖了其他行业在2022至2023年利率大幅上调后出现的下滑态势。 根据牛津经济研究院的梳理，当前的AI投资热潮规模已相当可观，今年第二季度相关投资额约占美国GDP的7%。 “此次投资增长的规模甚至超过了21世纪初的技术基础设施建设浪潮。由于投资增速远超AI业务带来的收入增长，主要AI企业的自由现金流已大幅下滑，明年甚至可能转为负值；这些大型AI企业的账面利润因其持有的其他AI公司股票升值而显得亮眼，但这在一定程度上掩盖了实际经营状况。”牛津经济研究院表示，“目前，AI企业已转向大规模举债以筹集投资资金；据估算，2026年AI相关债券发行规模可能高达5000亿美元，约占期限超过10年的债券总供应量的40%。” “此外，尽管有观点认为AI已开始推动美国生产率增长，但经周期调整后的美国生产率增长指标并未显示出上升趋势。”牛津经济研究院表示。 米霍夫对该观点表示赞同。他对记者表示，从数据来看，那种能同时带来低利率、低通胀和快速增长的生产率增长模式如今并不存在，根据他的测算，当前的经济增长，尚未源于AI所带来的全要素生产率提升。 牛津经济研究院还认为，鉴于AI发展还面临基础设施瓶颈、用户成本上升以及来自其他地区的潜在技术挑战等不确定因素，“AI近期对美国及亚洲经济增长的强劲推动作用能否延续至中期，目前尚无定论”。 MFS投资管理公司资深董事总经理安纳（Benoit Anne）对第一财经记者表示：“投资者正开始更明确地区分AI基础设施提供商与AI技术应用方。随着周期的演进，投资机遇或将超越那些在基础设施建设热潮中备受追捧的赢家。” 他认为，“更重要的问题在于未来走向何方。第一阶段的赢家是芯片、算力和物理基础设施的供应商；而下一阶段的赢家，或许将是那些能够将AI投资转化为实际收入、生产力提升及盈利增长的企业”。

2026-09-14: 11日，国家数据产权登记服务系统正式上线试运行。登记机构将为各类形态数据出具“身份证明”，明确数据持有权、数据使用权、数据经营权等权利归属，支撑数据流通交易、数据资产入表、融资担保、作价入股等生产经营活动。 这是对2026年7月国家数据局印发《数据产权登记工作指引（试行）》的有效落实。数据产权登记制度的运行，将实现登记对象、登记类型、办理流程、审查标准、登记效力、登记系统等六统一，确立全国统一规则，实现一次登记、全国通用，有助于加速释放数据要素的价值，促进数据资产的风险定价、流通交易，为人工智能等技术的快速演进提供基础性支撑。 产权是一切经济社会活动的起点和基石，数据产权是人工智能时代最基础的要素资源，数据产权结构也决定着人工智能时代的经济社会结构。 根据经济学诺奖得主科斯的表述，在交易费用大于零的现实世界中，产权的初始界定会直接影响资源配置效率，不同的产权安排对应不同的交易成本，并产生不同的经济结果。因此，数据产权的初始界定，决定着人工智能时代的经济社会模样，以及经济社会绩效和内生驱动力。 不同于传统产权，数据要素自定义成章之日起，就有其独特性。 一方面，数据资产在所有权、使用权、收益/受益权、处置权、管理运营权等方面存在物理和心理上的可分拆性，如数据所有者，不一定是其使用者、受益/收益者和经营管理者，但数据资产本身的价值主要受数据所有者决定。这派生出一个与过往不太一样的所有权委托代理结构和授权机制，即如何围绕数据资产内生价值创造者搭建一套基于产权领域的委托代理机制和授权机制，是确权明责的起点和核心。 另一方面，当前经济社会制度对复杂交易结构的有效驾驭，为所有权的可拆解、委托代理和授权机制，提供了制度和技术上的可能性。现代市场交易制度，可以基于不同的风险特征和结构，将产权进行同类特征拆解，实行分类治理，以实现收益最大化、成本最小化。 数据产权登记制度，将数据资产产权分解为数据持有权、数据使用权、数据经营权等权利归属，有助于更好地推动数据流通，数据资产的确权明责，以及定价交易。 因此，基于现有法律体系，对数据持有权、数据使用权和数据经营权确权明责，尤为关键。数据持有权的定义，决定着数据资产的内生价值和风险概率分布结构；数据使用权的定义，决定着使用效率和交易结构；数据经营权的定义，直接影响着数据资产的运营结构。任何一方出现权责失当的定义结构，都将在数据资产市场产生釜底抽薪的风险。 而要有效厘定这些权责，需要为市场自发状态下的合作博弈打开方便之门，让不同权属主体探寻各自的合作聚焦解，明确各自权属边界及对应的合作博弈机制、交易结构等。唯有如此，数据资产的合作各方，才会愿意展露各自的真实偏好，试错性地探索出一个交易成本最小化的产权结构，并内生出对应的激励约束兼容机制。 这意味着在明晰数据产权方面，政府的施力方向，不是直接确定数据持有权、数据使用权和数据经营权的初始配置结构，而是要营造一个公开公平公正的交易场景，让这些主体在交易场景中合作试错。同时，数据持有权、数据使用权、数据经营权等身份标签，应该作为初始身份识别，未来可伴随数据资产市场的博弈进程动态修正，这需要政府相关部门搭建开放的治理框架，提高数据资产市场交易秩序的开放包容性。 万物各得其和以生，各得其养以成。国家数据产权登记服务系统的正式上线试运行，为数据资产市场的规范有效发展提供了基础性的制度保障。责权明则交易顺，制度清则成本低，数据产权制度的推进和完善，应当围绕法经济学的经济社会成本最小化原则，进行动态的身份定义和确权明责，并将交易成本作为最终决定产权定义科学合理的标尺。

2026-09-14: 继“星枢计划”之后，上海再启动“明珠星座计划”，加快对太空算力的布局。在第十九届浦江创新论坛主题活动太空算力产业生态论坛上，上海东方天算科技有限公司（以下简称“东方天算”）联合创始人、总裁周求实表示，“明珠星座计划”的目标是打造吉瓦级天基计算星座，建设覆盖全球的近地轨道算力网，成为未来AI的算力底座。目前，国内太空算力仍处于探索“天数天算”阶段，正在从概念验证迈向工程化早期。而要让这一算力跑起来，需要产业协同攻坚。分阶段迈向规模组网东方天算是“明珠星座计划”的链主单位。据周求实介绍，该计划依托上海交通大学太空计算实验室，联合长三角天基计算创新联合体以及即将融入的多家生态伙伴，形成政府支持、产业配套、产学研协同的创新生态。“明珠星座计划”坚持全栈国产自主产业生态，联合中科院微小卫星创新研究院、上海空间电源研究所、阿里云、科大讯飞、壁仞科技、协鑫光电、晶科能源、天合光能等27家产业链头部企业和机构，覆盖芯片、人工智能、能源、应用全产业链条。美国太空探索技术公司SpaceX此前也有将吉瓦级算力部署到太空的计划。“数据中心用电量占美国电力需求的5%，在能源紧缺和散热的压力下，美国现在急于发展太空算力。”东方天算CEO刘京晶在接受第一财经记者采访时介绍，中美两国目前对太空算力的底层需求处于不同阶段。中国数据中心基础设施不断完善、算电协同提速，地面算力供给还可以满足AI发展的需求。基于此，“明珠星座计划”的出发点更多是战略性的考量。按照规划，“明珠星座计划”采取“技术验证—能力迭代—规模组网”分阶段推进。“我们先‘小步快跑’，进行技术的工程化验证以及迭代。”刘京晶补充称。具体来看，工程化验证阶段，东方天算将围绕国产算力载荷、光计算载荷、新型能源系统等方向持续开展在轨验证，通过不同试验星验证天基算力基础设施中的关键技术能力。在完成阶段性技术验证后，“明珠星座计划”将逐步进入首批卫星部署及星座组网阶段，并结合国内运载能力与批量发射条件持续提升单星算力和星座整体能力，并将持续围绕大模型星上在轨部署、智能气象预警、地面智能体协同等方向开展探索。要从单点突破到全产业链协同要将吉瓦级算力搬上太空并进行长时间运营，涉及完整的产业链协同。这一领域的突破，不仅要实现单点技术突破，还要形成贯穿硬件、软件、网络与服务体系的自主技术能力和稳定产业支撑。东方天算以及生态伙伴将共同推动算力芯片、空间能源、星间通信、卫星平台、计算载荷及软件服务等星座建设关键环节的协同创新。论坛现场，中国科学院微小卫星创新研究院院长胡海鹰表示，目前天基计算的技术路线还未收敛，要攻克不少技术难关。比如，要保障芯片在太空环境中长期使用，不只是简单地对地面使用的算力芯片进行抗辐照处理，还要从电路设计、整机以及算法等层面考虑。壁仞科技生态与解决方案负责人董朝锋认为，太空算力正在从技术秀转向实用化。“抛开能源和发射成本问题来说，打造太空算力的限制和约束不是芯片的指标，而是几个系统性的耦合关系引起的约束。”董朝锋举例分析称，比如芯片抗辐照能力要与软件容错相结合，单纯提高器件抗辐照能力的成本高、迭代慢，对架构进行创新、保留必要的通信冗余可以协同分担一些压力。目前，大多数在轨算力仍处于“单卡单机”状态，即还未实现网络化集群。董朝锋提到，如果要实现太空算力的商业化运营，进行数据提取和传输是必须跨越的门槛，目前行业内有在探索激光通信组网。“发展到整个集群，需要2-3年时间，产业链上下游要共同努力，”在董朝锋看来，现在三年内追求在太空上跑出一个万亿大模型没有意义，还是要耐心等待火箭可复用、星间激光通信、能源等一系列技术成熟。

2026-09-14: 当行业最激进的AI公司开始呼吁“慢下来”，资本市场不约而同地集体抛售AI硬件端。9月14日，日韩股市的存储芯片巨头重挫，截至收盘，日本铠侠（Kioxia）跌6.37%、SK海力士跌6.35%、三星电子跌4.05%。A股硬件端同步下跌，光通信与存储板块全天低迷，中际旭创（300308.SZ）、新易盛（300502.SZ）、东山精密（002384.SZ）、长鑫科技（688825.SH）等龙头跌幅居前，港股大模型标的亦遭遇猛烈抛售。 AI硬件集体大跌的导火索是OpenAI、Anthropic与马斯克上周末罕见地在“放缓前沿AI”上达成一致：阿莫迪发布150页风险报告并提出三步减速方案，奥特曼称2026年不会启动IPO，马斯克在X上称“达里奥是对的”。市场担忧，资本开支的削减会降低存储、光模块等AI硬件的需求。 但截至目前，三家公司表态均停留在口头层面，尚无资本开支削减或订单下调的实际信号落地，市场短期情绪对相关股票价格形成了扰动。接受第一财经记者采访的业内人士认为，海外巨头的“减速”表态更多是安全与监管层面的倡议，真正决定硬件需求的仍是资本开支与推理算力增长，同时在国产算力自主化与模型从训练向推理迁移的大背景下，中国AI硬件链的中长期逻辑尚未被证伪。 海外“减速”呼声引发亚太AI硬件抛售 9月14日AI硬件股价集体大跌的起因，是美国AI公司Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）9月12日发表长文，呼吁全行业放缓前沿AI模型能力的提升速度，并提出“驻场评估、国家协同、全球协同”三步安全计划。同日，Anthropic还发布了一份150页的风险评估报告，强调模型递归式自我改进（RSI）带来的不可控风险。 几乎在同一时间，OpenAI首席执行官山姆·奥特曼（Sam Altman）与埃隆·马斯克（Elon Musk）均公开支持阿莫迪的呼吁，表示将引入第三方评估机制。奥特曼还确认OpenAI不会在2026年启动IPO。 三巨头罕见地站在同一立场，引发市场对AI风险的担忧。这一“口头”表态也在9月14日的亚太市场掀起抛售潮。存储芯片板块首当其冲，日本铠侠收跌6.37%，韩国SK海力士收跌6.35%，三星电子收跌4.05%。美股盘前，存储、光通信股亦集体承压，SK海力士盘前一度跌超6%，美光科技、西部数据、闪迪等跌幅均在4%至5%之间。 A股市场的AI硬件链跟随下挫。光模块概念领跌，中际旭创收跌5.72%，报873.00元；新易盛跌4.99%，报401.90元；天孚通信（300394.SZ）跌1.91%，报256.96元。设备与PCB端同样承压，东山精密跌4.79%，鹏鼎控股（002938.SZ）跌4.76%，罗博特科（300757.SZ）跌2.81%，剑桥科技（603083.SH）跌2.49%。 存储芯片板块明显受压。长鑫科技、兆易创新（603986.SH）、澜起科技（688008.SH）等股均跌超3%，德明利（001309.SZ）、江波龙（301308.SZ）、普冉股份（688766.SH）等股跟跌。 从市值蒸发角度看，智谱（02513.HK）、MiniMax（00100.HK）与A股光模块三巨头“易中天”这5家公司9月14日市值合计蒸发约1315亿元。其中，智谱收跌9.08%，市值蒸发约289亿元；MiniMax跌6.52%，市值蒸发约53亿元；中际旭创、新易盛、天孚通信合计蒸发市值约973亿元。 不过截至目前，上述海外公司的表态均停留在“口头倡议”与“上市节奏调整”层面，尚无云计算厂商或AI企业宣布削减资本开支、缩减订单或推迟数据中心建设的具体计划。换言之，9月14日的抛售更多是对“AI需求见顶”担忧的情绪释放，而非基于产业链订单恶化的基本面重估。 减速风波背后，国产算力需求仍旺盛 海外AI巨头呼吁“慢下来”，是否意味着中国AI产业也将同步降速？从国内产业现状看，答案并非如此。 一方面，国内大模型迭代节奏并未放缓。近期，DeepSeek正式发布V4.1 flash版本，并同步下调API定价，继续以高性价比策略扩大开发者生态。头部厂商在模型能力、推理效率与多模态应用上的竞争仍在加剧。 另一方面，大规模模型训练和推理需要芯片、互联、内存、散热、调度及软件栈协同，国产算力的评价维度正在由单卡性能向系统能力延伸。从超级计算机、AI服务器整机，到液冷散热、高速互联、机柜代工、互联芯片、内存存储、交换芯片、GPU/CPU以及AI服务器电源，国产算力产业链的配套需求正随算力规模增长而持续释放。 业内人士告诉记者，海外巨头呼吁“放缓”的对象，主要是“前沿模型能力”的递归式自我改进，而非AI算力基础设施的整体建设。事实上，随着大模型从训练阶段向推理阶段迁移，推理算力需求正在快速放量。模型能力的提升速度可能受到安全监管约束，但模型调用量、Agent应用、企业端AI部署仍在增长，这些都需要持续的算力与存储支持。 在刚刚结束的深圳光博会上，产业界对NPO（近封装光学）的关注度持续提升，“‘能用铜就用铜，必须用光再用光’的光铜并用思路已成为业内共识。同时，智算中心的Scale-up与Scale-out架构仍在快速演进，跨机柜高速互联需求进一步催生了光模块、光芯片、光纤、GPU交换芯片、存储及配套散热、电源等细分领域的订单。”某通信行业分析师对记者表示，这些产业趋势并未因海外几声“减速”呼吁而逆转。 此外，国产算力的自主化进程仍在推进。在中美科技竞争的大背景下，即使海外前沿模型训练节奏有所放缓，中国厂商在AI服务器、先进存储、高速互联等环节的国产替代需求依然刚性。 不过，资本市场的短期情绪冲击已经形成。存储芯片本身具有强周期属性，且此前已历经一轮显著涨价，光模块板块则在过去两年累积了较高涨幅，估值对边际利空更为敏感。在缺乏新的产业叙事与财报验证的情况下，任何关于“AI需求放缓”的风吹草动，都容易触发获利盘兑现。 前述分析师认为，硬件端短期波动加剧，凸显了三季度财报作为验证产业趋势的关键窗口，在AI应用调用量快速增长的背景下，算力基础设施需求仍在扩张，这些需求会如何落到企业的利润端与现金流，是市场关注的重点。目前来说，海外巨头的安全倡议是否真正转化为资本开支收缩，尚具备不确定性，产业业绩与资本开支是持续验证算力景气的关键抓手。

2026-09-14: 继上周Anthropic安全研究员对外警示AI失控风险后，谷歌DeepMind的研究员也加入呼吁队列了。最接近前沿模型的这一批人，正陆续从大公司走向独立安全机构。当地时间9月13日，谷歌DeepMind通用人工智能安全团队研究员乔希·恩格尔斯（Josh Engels）宣布离职，加入独立AI评估机构METR。在接受媒体采访时，他表示“There are no adults in the room（屋中已无成年人坐镇）”，所有人都在被狂热的资本与竞争裹挟。几乎同一时间，Anthropic可扩展监督团队前负责人乔·本顿（Joe Benton）也作出了相同选择，加入METR。更早几天，曾先后在OpenAI和Anthropic从事预训练研究的雅各布·考克森（Jacob Coxon）公开宣布离开Anthropic，指责前沿AI公司正竞相研发能够自我改进的超级智能，“用我们的生命在赌博”。三名研究员的履历和研究方向不尽相同，但他们都在担忧同一个问题：AI能力进步的速度，是否已经超过人类理解和控制它的速度？AI或在五年内或造成巨大危害恩格尔斯此前在谷歌DeepMind通用人工智能安全团队工作，主要研究如何降低先进AI系统可能带来的灾难性风险。他表示，自己离开DeepMind、拒绝了Anthropic和OpenAI的工作机会，转而加入METR，是因为越来越确信，“我们并没有掌控局面”。他长期认为，AI失控的概率超过20%。最近发生的一系列事件，进一步加剧了这种担忧。在他看来，未来五年内，AI系统造成巨大伤害的可能性“令人恐惧”，已经危险到不能被当作边缘议题，而应成为全球最重要的问题之一。恩格尔斯尤其担心递归自我改进（RSI）。简单来说，这是一个AI参与开发更强AI的反馈循环。如果这个过程顺利，AI可能会在解决人类无数问题上表现出色。但我们目前还不知道如何确保AI足够安全以进行RSI，一个失控的RSI循环可能会带来灾难性后果。同时，他观察到，当前的AI似乎随着时间推移变得越来越不一致，而不是更一致。最近几周有不少AI安全风险问题出现，包括模型之间相互勾结、入侵公司、隐藏踪迹，以及对人类进行社会工程操纵。这些实验并不能证明AI已经拥有独立意识，许多异常行为也发生在研究人员刻意设计的压力测试中。但在恩格尔斯看来，它们至少说明，现有AI系统还不足以安全地进入递归自我改进阶段。恩格尔斯呼吁控制AI发展的节奏，确保能力不会超过当前人类对模型对齐的能力，并且真正了解当前系统的对齐程度。这也是他在METR将要从事的工作：研究训练中失调的来源、评估当前缓解措施是否充分，以及调查行业是否真的在轨道上解决对齐问题。METR（Model Evaluation and Threat Research）是一家专注前沿 AI评估的非营利机构，研究领域为AI模型评估与威胁研究，由OpenAI前对齐研究员Beth Barnes创立，并且与OpenAI、Anthropic、谷歌、Meta建立了红队测试合作，获准访问其内部最强、可访问完整思维链的模型，旨在通过评估让公众及时了解AI能力及风险。与恩格尔斯一同转向METR的，还有Anthropic可扩展监督团队前负责人乔·本顿。他此前在 OpenAI 从事对齐研究，后加入 Anthropic 负责可扩展监督团队，该团队核心研究当 AI 比人类更聪明时如何监督它。“AI公司正在竞相构建比任何人类都聪明的机器，而我们可能无法幸存于此。我想从外部着手，确保公众了解这些风险，并帮助世界负责任地应对这一转型。”本顿表示。他提到，目前AI公司对安全投入不足。一家公司可能经历智能爆炸，或失去对系统的控制，而公众却一无所知。而外界之所以得知此前Hugging Face被AI攻击的事件，是因为代理程序突破到了公共互联网上。这种状况对于可能引发灭绝级风险的技术来说是不合理的，公众应该要求更高的透明度。在这两位AI研究员公开发声前，上周Anthropic 研究员雅各布·考克森（Jacob Coxon）也宣布了辞职。他在OpenAI 和Anthropic 都从事过预训练研究，认为两家公司都没有负责任地行事，正直奔自我改进的超级智能而去。他发出警告，“不要低估这项技术的力量，这不是营销噱头。”AI竞赛陷入“囚徒困境”实际上，过去几年，OpenAI、Anthropic等公司频繁讨论超级智能与失控风险，行业里不少观点确实认为这存在营销成分，质疑公司利用末日叙事营销模型能力。行业存在的一个疑问是：如果这些公司真的相信先进AI可能带来灾难性后果，为什么仍在投入巨资开发更强的模型？考克森给出的解释是，不同实验室对此有着不同的内部认知。在OpenAI，许多人并没有深刻内化其中的文明风险。而在Anthropic，这些风险虽被很好地理解，但他们陷入了一场抢先到达的竞赛。“他们相信其他人不会负责任地行事，所以他们必须自己动手，尽管存在风险。”他认为接受这场竞赛，并相信自己能够控制最终结果，是一场傲慢的赌博。对AI公司来说，要作出主动减速的决定不是个简单的道德选择题。前沿模型的训练需要巨额资本投入，企业面临投资回报、产品发布和市场份额的压力。近期，AI行业内部对于“踩刹车”的讨论明显升温。头部公司和AI研究员的辞职和发声引发了公众对AI安全的大范围讨论，或许有望推动AI实验室放缓能力研发，强化独立监督。Anthropic CEO达里奥·阿莫迪（Dario Amodei）近日提到，必须控制前沿AI的发展节奏。他预计，未来6至12个月，AI智能体集群可能接管互联网上大量复杂工作，因此行业需要在能力快速跃升之前建立更严格的安全机制。他的竞争对手、OpenAI CEO奥尔特曼和马斯克也罕见站在同一战线，公开认为“Dario是对的”。9月13日，阿莫迪在接受采访时表示，已有人尝试利用AI研发生物武器、增强病毒传染性，这是他每天醒来都要面对的事情。不过，围绕AI风险的判断仍然存在巨大不确定性。模型在测试中表现出的欺骗、越权访问或规避监控行为，往往出现在研究人员刻意构造的极端环境中，不能简单等同于AI已经拥有自主意识，或推导出人类将在数年内面临灭绝风险。目前行业中支持加快研发的一方也认为，更强的AI可以改善医疗、科研和生产效率，能力进步本身还能帮助研究者开发更有效的安全工具。过早限制技术发展，可能压缩创新空间，并将优势让给约束更少的竞争者。但多名研究员接连离开前沿实验室仍然释放出一个值得警惕的信号：那些最接近先进模型、最了解其能力边界的人，并没有随着技术成熟而变得更乐观，反而越来越担心能力竞赛正在跑到安全研究前面。有行业人士评论道，即便此前对AI风险有不同看法，这个趋势也值得认真对待。

2026-09-14: 9月14日，港股开盘，恒生科技指数低开，AI概念股承压。智谱（2513.HK）盘前跌5.67%，开盘后跌幅迅速扩大至8.83%，盘中一度跌超10%；MiniMax（0100.HK）同步走弱，跌超6%。消息面上，9月13日，智谱发布约50亿美元新融资公告，另美国头部模型厂商OpenAI与Anthropic同日发出“减速”信号，强调在模型递归式自我改进（RSI）趋势下，厂商需要放缓节奏，优先投入可监测性、对齐等方面。相关因素叠加，引发港股AI板块集体调整。模型厂商持续融资引发资金担忧根据官方公告，智谱此次以每股714港元配售最多2196.5万股新H股，较前一交易日收盘价793港元折让约9.96%；同时发行本金总额人民币201.4亿元的零息可转换债券，初始换股价892.5港元。两项合计筹资净额约392.74亿港元。资金用途方面，约60%将用于下一代GLM基础模型及完全自训练体系的研发、算力基础设施部署。公告将“完全自训练”定义为下一代GLM在上一代GLM所搭建的环境中训练，形成RSI闭环，涵盖数据自产、环境自造、基础设施自我优化三个维度。创始人唐杰在业绩会上表示，核心难题在于模型能否自主判断何时停止训练、何时纠正自身错误。储备弹药原本是为了更快地投入技术研发，但资金消耗速度引发关注。智谱上市前完成多轮私募融资约83.44亿元人民币；2026年1月IPO募资约48.96亿港元，8个月内耗尽；7月配售313.75亿港元，50天动用109.55亿港元，日均消耗约2.2亿港元；9月再融392.74亿港元，上市后累计融资约755亿港元。消耗速度从IPO阶段月均约6.12亿港元加速至7月后的月均65.7亿港元，两个月内加速近10倍。资本市场期待资金投入能够转化为实际的财务表现。官方数据显示，智谱上半年营收9.54亿元，同比增长399.7%，但整体毛利率从去年同期的50.0%降至26.4%，研发投入仍是同期收入的2.2倍。MiniMax也面临资金压力。1月以165港元发行价上市后，7月便发布约160亿港元配售与可转债融资方案。公司上半年收入1.17亿美元，同比增长283.1%；研发开支2.97亿美元，约为收入的2.5倍。整体毛利率 17.9%，同比提升，但仍然偏低；经调整净亏损2.93亿美元。两家公司的财报表现指向了同一个结构性问题：大模型研发的资本密集度正在快速上升，而商业化造血能力尚未同步跟上。资本市场考核愈加严苛原本市场共识是人工智能高成本、高投入，短期无法看到盈利可能，但近期行业出现变数。据市场消息，Anthropic今年二季度收入超115亿美元，经调整经营利润首次转正，预计三季度将连续第二个季度为正。公司已进入IPO实质推进阶段，目标今年10月在纳斯达克上市，潜在估值近2万亿美元。一边是即将上市且具备利润层面的改善信号，一边是持续加快的资金消耗速度与尚未明确的商业化造血能力，资本市场对港股模型企业的宽容度正被逐渐消解。另在行业层面，“降速”共识动摇了AI板块的估值根基。上周末，Anthropic CEO达里奥·阿莫迪发文呼吁放慢模型能力提升速度，OpenAI CEO山姆·奥尔特曼同日跟进表态，宣布OpenAI今年不会推进IPO，理由是“当前安全形势下，现在上市是不明智的”。特斯拉CEO马斯克亦表态支持。阿莫迪在文中承认，递归式自我改进已在全行业发生，并预测6到12个月内失控的AI Agent集群可能接管整个互联网。这一定调冲击了模型市场的传统叙事。过去，AI概念股估值核心建立在高额资金推动模型性能持续高速增长的基础之上，当行业头部公司公开表示要放慢速度时，投资者不得不重新审视这些预期是否仍然成立。浙商证券传媒互联网团队分析认为，Anthropic的“减速”呼吁短期使AI硬件公司、大模型公司承压，中长期利好AI应用，AI终端公司。另外，中长期AI算力建设，尤其是国产算力趋势不变；全球Token使用量将会继续爆发式增长，对推理算力需求快速提升。这意味着，前沿模型的竞赛节奏可能阶段性收敛，依赖“能力叙事”支撑估值的大模型公司面临重新定价。当底层模型不再以季度为单位快速迭代时，深耕垂直领域的中小AI应用企业的生存空间反而改善，因为2B领域对模型稳定性、准确率的要求远高于对“最先进”的追求。港股AI板块的集体走弱并非孤立现象。日韩股市AI芯片概念股开盘同步重挫，存储半导体股、光通信概念股、PCB概念股齐跌，市场情绪在今日港股正式开盘前便开始承压。当Anthropic的财务表现与AI安全叙事打破传统逻辑，资本市场对相关模型厂商的考核也将愈发严格。具体到两家港股模型公司的下一步，考验的也不仅仅是token调用量还能增长多少，而是这些调用能否沉淀为稳定收入、整体毛利和正向现金流。

2026-09-14: 近期，一系列国际机构发布的贸易数据均显示，尽管存在地缘政治冲突叠加关税影响，全球贸易仍保持韧性。 世界贸易组织（WTO）发布的《货物贸易晴雨表》（下称“晴雨表”）显示，7月晴雨表指数为102.0，高于基准值100和6月的101.7，表明货物贸易高于趋势水平并持续增长。 WTO表示，中东冲突的负面影响继续被人工智能（AI）相关的电子元件等商品的强劲需求部分抵消。 此前，联合国贸易和发展会议（UNCTAD）在总结今年上半年全球货物贸易额数据时也表示，全球贸易增长强劲之下，AI、电动汽车及相关供应链产品成为推动贸易增长的重要动力。 牛津经济研究院则在最新报告中发问：“关键问题在于，AI热潮对消费和投资的强劲提振作用还能持续多久？” MFS投资管理公司资深董事总经理安纳（Benoit Anne）对第一财经记者表示：“投资者正开始更明确地区分AI基础设施提供商与AI技术应用方。随着周期的演进，投资机遇或将超越那些在基础设施建设热潮中备受追捧的赢家。” 此前，美国科技界领袖和民主党人纷纷敦促加强对AI行业的监管。当地时间13日，美国总统特朗普对此表示，尽管设立一些“护栏”是可行的，但美国必须保持在该领域的国际领先地位。 贸易韧性来自何方 WTO7月晴雨表指数的分项显示，除集装箱航运指数（99.6）略低于趋势水平外，晴雨表的所有分项指数均不同程度地高于100这一基准值。 其中，电子元件指数表现最为强劲（104.9），反映出市场对AI技术应用相关产品的需求旺盛。颇具预测意义的出口订单指数（103.5）也有所回升，预示未来几个月商品贸易将持续增长。 此外，代表国际航空货运（102.8）和农业原材料贸易（102.6）的指数稳步升至趋势水平之上，汽车产品指数（101.5）也略高于趋势水平。 综合各项分项指数来看，尽管贸易政策的不确定性加剧，且地缘政治紧张局势持续，商品贸易增长依然保持韧性。 WTO秘书处于2026年3月19日发布的《全球贸易展望与统计》报告预测，在基准情景下，2026年全球商品贸易量将增长1.9%；而在反映中东冲突不利影响的高能源价格情景下，预计增长率为1.4%。该报告还显示，对AI的持续投资有望为货物贸易增长贡献0.5个百分点。 牛津经济研究院的测算则更为大胆。该机构在最新报告中表示，AI热潮正对全球经济增长产生重大影响。 “据我们估算，AI相关活动贡献了约一半的全球贸易增长和超过三分之一的全球投资，股市上涨带来的财富效应也起到了额外的推动作用。若无AI的助力，今年全球国内生产总值（GDP）增速将仅为2.2%左右，远低于趋势水平。尽管目前尚无确凿证据表明AI投资能带来丰厚回报，但相关投资仍在持续增长，且越来越多地依赖债务融资。”牛津经济研究院估算，在第二季度全球投资同比增长2.7%的背景下，AI/科技领域贡献了约1个百分点。 “AI还通过财富效应间接支撑了全球消费支出。我们认为，与股价上涨相关的财富效应使美国年度消费支出增速提高了0.3至0.4个百分点，并使全球消费支出增速提高了约上述幅度的一半。”该机构表示。 AI增长红利主要集中在哪儿 牛津经济研究院表示，AI带来的增长动力主要集中在美国及少数亚洲经济体。 “尽管我们估算2024年至2026年间AI对美国消费支出的年均提振幅度为0.4个百分点，但对于其他七国集团（G7）经济体而言，这一平均增幅仅为0.1个百分点。”牛津经济研究院在报告中表示，“造成这种差异的主要原因在于，大型AI企业多位于美国，且股票等权益类资产在美国居民财富中占比较高——近年来，股票已取代房地产，成为美国消费增长的主要推动力。” “投资方面，美国投资正以年约3%的速度增长，这完全归功于AI：若剔除AI相关领域的强劲扩张，美国投资实际上正以每年约2%的速度萎缩。”上述报告显示。 欧洲工商管理学院经济学教授米霍夫‌（Ilian Mihov）也对第一财经记者解释，当前剔除了AI投资的数据显示，目前在美国的这一股AI热潮掩盖了其他行业在2022至2023年利率大幅上调后出现的下滑态势。 同时，在亚洲，AI热潮也推动了投资增长。根据牛津经济研究院的梳理，泰国的投资年增长率达到两位数，马来西亚为7%，印度的投资增长也十分强劲。然而，尽管韩国在动态随机存取存储器（DRAM）领域实力雄厚，其投资增长却仅呈温和回升态势；而菲律宾在电子产品供应链中所处的位置，使其未能从这一趋势中获得增长动力。 UNCTAD也在最新报告中表示，连接能力不足、国际支付成本高昂以及技能短缺制约了对数字服务贸易的参与。发达经济体与发展中经济体之间在支付能力和连接能力方面仍存在显著差距。 AI也可能加剧现有的不平等，因为计算能力、数据、资金和专业知识仍集中在少数几个经济体和企业手中。UNCTAD的数据显示，只有不到三分之一的发展中国家制定了国家AI战略。 意大利前总理、欧洲央行前行长德拉吉近期也警示，欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 AI热潮能持续多久 根据牛津经济研究院的梳理，当前的AI投资热潮规模已相当可观，今年第二季度相关投资额约占美国GDP的7%。 “此次投资增长的规模甚至超过了21世纪初的技术基础设施建设浪潮。由于投资增速远超AI业务带来的收入增长，主要AI企业的自由现金流已大幅下滑，明年甚至可能转为负值；尽管这些大型AI企业的账面利润因其持有的其他AI公司股票升值而显得亮眼，但这在一定程度上掩盖了实际经营状况。”牛津经济研究院表示，“目前，AI企业已转向大规模举债以筹集投资资金；据估算，2026年AI相关债券发行规模可能高达5000亿美元，约占期限超过10年的债券总供应量的40%。” “此外，尽管有观点认为AI已开始推动美国生产率增长，但经周期调整后的美国生产率增长指标并未显示出上升趋势。”牛津经济研究院表示。 米霍夫对该观点表示赞同，他说从数据来看，那种能同时带来低利率、低通胀和快速增长的生产率增长模式如今并不存在,根据他的测算，当前的经济增长，尚未源于AI所带来的全要素生产率提升。 牛津经济研究院还认为，鉴于AI发展还面临基础设施瓶颈、用户成本上升以及来自其他地区潜在技术挑战等不确定因素，“AI近期对美国及亚洲经济增长的强劲推动作用能否延续至中期，目前尚无定论。” 安纳对第一财经记者表示：“更重要的问题在于未来走向何方。第一阶段的赢家是芯片、算力和物理基础设施的供应商；而下一阶段的赢家，或许将是那些能够将AI投资转化为实际收入、生产力提升及盈利增长的企业。” 值得注意的是，过去一周，围绕AI飞速发展引发的安全担忧成为舆论焦点。上周末，Anthropic、OpenAI以及SpaceX等美国几家领先人工智能公司的负责人都在针对AI模型能力飞速提升发出安全警告，呼吁以更谨慎的步伐推进技术发展。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐。

2026-09-14: 【新品密集发布，光通信业技术迭代速度超预期】“以往做光电产业的都是苦哈哈的，遇上AI如生双翼！”在日前举行的第二十七届中国国际光电博览会上，有业内人士感慨道。本届光博会上，多家上市公司及科创企业携年度重磅产品、突破性技术方案集中亮相。从最上游的激光芯片到光引擎、光纤光缆，再到交换系统等环节，围绕AI算力密集刷新技术指标，代际跃迁速度明显加快。谈及投资者对AI增长的担忧，上述业内人士表示，AI投资回报闭环已显现，现在唯一不确定的是哪一条技术路径是最终方案，但目前所有的技术路径都能找到适合的应用场景。（上证报）

2026-09-14: 【财经日历】 中国8月M2 国新办就推动健康中国建设取得决定性进展有关情况举行新闻发布会 国务院政策例行吹风会：加强中小企业回款难问题治理有关工作情况 2026上合组织数字经济论坛举办 东盟国家经济和贸易部长举行高级别会议 韩国交易所推出股票盘后交易 新股申购：凯达重工 ►►据央视新闻，国务院总理李强9月11日主持召开国务院常务会议，会议指出，算力网是人工智能发展的基础支撑。要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。要推动算电协同、算网融合，加强算力资源监测调度和骨干光纤网络建设，强化算电设施规划衔接，加快绿电直连、源网荷储等项目落地。要更好发挥市场机制作用，支持企业开展科技创新、资源整合和应用推广，促进供需更好匹配。 ►►据央视新闻，中国电信研究院发布的《智能体时代AI基础设施发展研究报告（2026）》显示，随着人工智能产业发展重心从大模型和算力竞争转向智能体规模落地、应用变现，我国词元（Token）需求呈现爆发式增长。中国电信研究院行业与企业战略研究所所长饶少阳称，预计2026年我国Token（词元）年消耗量将达到10亿亿，到2030年将超过3500亿亿，年复合增长率接近12倍。饶少阳表示，从算力需求来看，智能体的爆发将带动我国算力需求持续高速增长，预计未来2～3年，我国算力需求平均每年将增长近10倍。从需求结构来看，推理算力需求将远远超过训练算力，预计2029年我国推理算力市场占比将达到80%。 ►►中央网信办、农业农村部、工业和信息化部联合印发《数字乡村高质量发展行动计划（2026—2030年）》，其中提到，强化农业科技创新。加强智慧农业创新载体建设，构建基础研究、应用研究、研发制造一体化创新体系。推进智慧农业技术模式迭代创新，攻坚突破农业传感器与专用芯片、核心算法、机器人、智能设计育种工具等关键核心技术。实施农机装备高质量发展行动，研发推广高精准作业水平的智能农机装备。完善智慧农业技术装备质量检验测试体系，推动数智技术与农机、农艺技术协同攻关。深入开展无人农机作业试验，提升农业生产智能化水平。指导符合条件的地区探索建设数字乡村技术创新中心。 ►►9月10日，国家数据局党组书记、局长刘烈宏主持召开具身智能座谈会。会上，中国科学院自动化研究所、北京通用人工智能研究院、光轮智能、京东集团、深度机智、石景山人形机器人数据训练中心、星海图、自变量、北京人形机器人创新中心等企业代表，围绕“数据赋能具身智能发展”发表意见建议。国家数据局党组成员、副局长夏冰出席会议。当前，具身智能产业蓬勃发展，呈现出数据驱动特征，对高质量、多样化、大规模数据的需求持续增长。国家数据局将坚持问题导向、把握产业发展趋势，加强科学布局和发展引导，适时推动具身智能数据标准建设，指导地方数据系统有序开展相关工作，促进行业健康发展，积极支持企业加大数据投入，更好赋能具身智能发展。 ►►只需埃米级，也就是0.1纳米尺度的原子层微小滑移，就能撬动千万倍电阻变化。中国科学院半导体研究所科研团队通过二维范德华异质结界面工程，攻克滑移铁电隧穿结高开关比与高耐久性难以兼顾的行业难题。科研人员介绍，未来如果完善大规模器件阵列和配套电路，这类器件有望实现更快速度、更低功耗的数据存储与运算，可应用于手机、电脑等终端硬件，为缓解算力提升与功耗受限的矛盾，推动存算一体新型计算架构落地提供新的技术方案。相关成果9月11日发表于国际学术期刊《科学》。 ►►证监会发布行政处罚决定书显示，证监会对陈广华（男）编造、传播虚假信息行为进行了立案调查。经查明，当事人存在以下违法事实：一、陈广华传播虚假信息，陈广华使用本人实名认证的某自媒体账号，粉丝数量超103万人(某自媒体认证：投资达人、财经博主)，具有一定互联网传播影响力。陈广华于2026年2月3日使用上述自媒体账号发布含有税率调整内容的信息。经查，上述信息为虚假信息。二、虚假信息扰乱证券市场，陈广华作为有影响力的自媒体人员，未履行必要的注意义务，在未曾考量及核实相关信息真实性的情况下即传播虚假信息，扰乱证券市场。陈广华在上述行为中没有违法所得。上述违法事实，有相关人员询问笔录、媒体平台数据、微信群组信息截图等证据证明，足以认定。 根据当事人违法行为的事实、性质、情节与社会危害程度，依据《证券法》第一百九十三条第一款规定，证监会决定：对陈广华处以20万元罚款。 ►►据央视新闻，沙特阿拉伯能源部11日发表声明说，该国东西输油管道的利雅得段及麦地那地区段10日上午多次遭袭，现已对该管道采取预防性关闭措施。袭击造成一些人员受伤。声明还说，袭击发生后，应急和专业技术团队立即展开处置，并按照相关安全程序和应急预案采取必要措施，以确保管道安全并评估其状况。声明未说明袭击方式、袭击者身份以及管道恢复运营时间。 ►►高盛经济学家目前预计，美联储将在9月16日为期两天的议息会议结束时加息25个基点，此前该行的预期是维持利率不变。团队调整利率预测，是因为周五上午纽约公布的美国消费者物价指数数据高于市场预期；该数据出炉后，市场定价显示9月加息概率已升至约90%。高盛首席美国经济学家戴维·梅里克在周五的研报中表示：“我们现在预计下周的9月FOMC会议将加息25个基点（此前预期为按兵不动）。虽然本次CPI报告仅将我们对8月核心PCE的预测小幅上调至0.26%，也没有改变我们对通胀的核心判断，但我们认为，在市场已经定价9月加息概率接近90%的情况下，若美联储选择按兵不动，很可能引发剧烈市场波动，FOMC会希望避免这种情况。” ►►英伟达据悉正洽谈投资Anthropic的大型IPO项目，英伟达正就向Anthropic的首次公开募股投资高达100亿美元进行谈判。‌Anthropic拟通过IPO募资至多1000亿美元，估值约2万亿美元。 ►►9月13日，智谱宣布完成约50亿美元融资，包括约20亿美元股份配售及约30亿美元可转债发行，此次融资主要用于下一代GLM模型、完全自训练体系及相关算力基础设施。根据公告，智谱股份配售价为每股714港元，较公告前收盘价折让约9.96%，配售股份占扩大后已发行股本约4.50%。可转债采用零息结构，发行价为本金的100.5%，到期按本金赎回；初始转股价为每股892.50港元，较配售价溢价25%，较公告前收盘价溢价约12.55%。零息与溢价发行的组合，是本轮融资的重要信号。随着研发预算与资金安排进一步明确，智谱持续开展训练实验、推进模型迭代和完善算力体系的资本基础得到增强，为参与下一阶段全球前沿模型竞争增加了筹码。 ►►当地时间上周五，美股三大指数集体收涨，道指涨0.98%，周累跌1.57%；纳指涨0.96%，周累跌0.66%；标普500指数涨0.86%，周累跌0.8%。 明星科技股普涨，亚马逊、苹果和谷歌涨超1%，仅英伟达微跌0.03%。戴尔科技大涨超11%，超微电脑涨超7%，高通涨近3%，英特尔、SpaceX涨超2%。 光通信板块上涨，迈威尔科技涨超4%，Coherent涨超4%。存储板块涨跌不一，希捷科技跌超3%，闪迪跌超3%，西部数据跌近3%，SK海力士涨近1%。 纳斯达克中国金龙指数涨0.40%，百度涨0.89%，阿里巴巴涨0.68%，京东涨0.15%，网易跌0.02%。 ►►9月14日，韩国KOSPI指数开盘下跌3.1%报6692.61点，SK海力士跌超5%，三星电子跌3.6%。日经225指数低开0.55%，报63659.53点。 5天3板超声电子：“超声电子高频板通过英伟达认证”情况不属实，目前无产品供货给英伟达 金安国纪：网传公司产品纳入英伟达、华为供应链体系认证等相关信息不实 智谱：以零息+溢价转股形式融资50亿美元 江化微：与上海化工研究院签署战略合作框架协议 百利天恒：T-Bren联合帕妥珠单抗III期临床试验完成首例受试者入组 *ST卓然：可能被实施重大违法强制退市 龙版传媒：停牌核查工作已完成，股票9月14日起复牌 浪潮信息：拟定增募资不超90亿元投建AI基础设施等项目 宏昌电子：拟定增募资不超18亿元投建高端覆铜板等项目 有研硅：拟购买山东有研艾斯71.89%股权及山东有研半导体14.98%股权，股票9月14日复牌 雪天盐业：拟购买河北坤天新能源100%股份，股票9月14日复牌 园林股份：筹划购买华澜微控股权，股票9月14日起停牌 华锡有色：筹划控制权变更，股票9月14日起停牌 天通股份：筹划发行H股并在香港联交所上市 中巨芯：参股公司拟投资11亿元建设高纯石英材料项目 张江高科：子公司拟不超1亿元投资培风图南半导体 2连板中新赛克：上半年AI应用产品营收占比不超2% 2连板九鼎新材：公司目前未涉及玻璃基板、电子布业务 山东玻纤：公司暂没有电子布产品 爱仕达：具身智能机器人业务尚处于起步阶段，已形成销售收入仅13.72万元 宁德时代：首次回购A股股份60.43万股，成交金额约2亿元 浙商证券：保持信心和冷静，拒绝盲目跟风杀跌，继续以相对均衡的行业结构，保持当前中线仓位、等待中线底部逐步筑成，并做好借助筑底过程适当增配的准备。 中信建投：对于当前的A股和美股来说，加息预期的分歧让投资者感到无所适从，而加息“靴子落地”则能够凝聚共识，开启新一轮行情。周五A股在四大利空冲击下实现V型反弹，结合未来美联储加息靴子将落地，A股周四大幅缩量和科技板块相对充分的调整，认为A股有望迎来变盘时点，或将开启反攻行情。配置上依然均衡配置+灵活调整：1）以通信、电子等高景气行业作为当前进攻核心品种，并适当调升仓位；2）以银行、保险等低估值红利板块作为防御性底仓品种；3）关注油气开采、煤化工、煤炭、油服工程、航运港口在高油价持续下的受益机会。 【推荐订阅】《盘前点金》 每交易日盘前7:30左右，为您抢先捕捉关键讯息+ 研判主题机会 + 挖掘潜力标的。 点击下方图片，一键直达：

2026-09-13: 作为数智时代的新型信息基础设施，“六张网”之一的算力网建设迎来多项重大进展。 第一财经记者从9月11～13日举行的2026中国算力大会上获悉，中国算力平台已实现全国一体化算力统筹监测，我国算力“一张网、一盘棋、一体化”发展格局基本形成。 大会还‌发布了普惠算力服务清单‌，京津冀倡议共建太空算力产业长廊，中国银行联合三家运营商启动‌“一网三融”算力金融生态共建行动‌，算力产业链上下游的多家企业发布硬核技术成果。 工信部总工程师钟志红在大会上表示，接下来将加快构建“枢纽—区域—边缘”多层次、梯次化算力架构，持续完善中国算力平台功能；搭建高速互联、超低时延、韧性强健的算力传输通道，按需部署城域毫秒接入；推动算力设施、算电协同等领域创新，加快算力标准体系建设指南编制；降低用算成本和应用门槛，推动分行业凝练高价值场景等。 9月11日召开的国务院常务会议在研究算力网建设有关工作时指出，要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。 推进全国一体化算力网建设 算力网是人工智能发展的基础支撑。随着人工智能技术加速迭代落地，算力发展正由规模扩张迈向体系化、精细化新阶段。 近年来，我国加快构建全国一体化算力网，形成以八大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的“8+10+3”算力空间布局，全国算力基础设施总量规模快速增长、算电协同深入推进、算网融合加速发展。 截至今年6月，我国智算规模达2185EFLOPS（FP16），同比增长177%，建成超70条连通算力枢纽、重点区域的算力传输通道，批复17个国家算力互联互通区域节点。 大会发布的《2026综合算力全景分析》报告显示，我国综合算力基础持续夯实，正从“建得多”加快转向“用得好、协同好”，智能算力已成为综合算力体系的重要支撑。我国正按照“点、链、网、面”思路体系化推进全国一体化算力网建设，算力基础设施建设取得长足进展。 第一财经记者在大会现场看到，国产GPU与类脑芯片异构混合推理系统、太空算力关键材料、AI可信计算等多项硬核创新成果亮相，算力产业正从规模扩张，向高效、绿色、安全方向加速转型。 例如，一款集装箱式分布式算力单元实现工厂预制生产，预制化率达90%。设备运抵现场通电后，最快仅两小时即可投入运营，大幅压缩传统数据中心长达一年左右的建设周期。针对AI服务器高发热难题，喷淋式液冷技术全新亮相。区别于冷板式、浸没式液冷，该方案通过定制喷淋模拟“冲澡”，精准带走设备热量。当前国内绝大多数存量机房仍采用风冷模式，液冷技术拥有广阔应用空间。 润泽智算科技集团股份有限公司副董事长李笠接受第一财经等媒体采访时表示，从当前算力的供需情况来看，当AI真正开始创造经济价值时，使用意愿急剧提升，而供给端却面临结构性紧张。算力供给扩大是智能社会发展不可逆的方向，未来AI将深度嵌入生产生活的方方面面，需求会呈几何级数增加，而“加大算力供给也是整个智能社会发展的必由之路”。 太初元碁首席架构师夏忠谋指出，当前AI大规模落地后，数据中心整体利用率明显上升，算力网调度已从“国家想做的事”变成“用户迫切需要的服务”。数据中心对电力的消耗非常巨大，算力调度涉及算力分配、算网融合、源网荷储等内容，核心目标是以更低成本、更节能的方式满足多元化算力需求。 工信部信息通信发展司副司长赵策表示，将加快构建多层次算力设施体系，提升算力设施发展水平，加快全国一体化算力网建设；有序推动算力产业技术创新，印发《算力标准体系建设指南》，有序推动太空算力技术发展和前瞻性产业培育；稳步提升算网融合支撑水平，研究制定推动算网融合创新发展的政策文件；加快构建普惠算力服务体系，加快建设“算力超市”，探索“算力银行”创新模式，让广大中小企业用得上、用得起、用得好算力资源。 大会发布了首批普惠算力赋能中小企业发展服务清单。清单覆盖通用算力、智能算力、大模型服务、行业智能体应用等多层次普惠算力服务矩阵，可提供容器化租赁、按量计费等灵活付费模式，推动算力资源普惠共享。 积极布局太空算力新赛道 当前，太空算力正从概念验证走向规模部署，成为大国竞争和区域协同的新赛道。 太空算力指的是将芯片、服务器等算力硬件直接部署到太空中的卫星上，让卫星在天上处理数据。随着人工智能爆发式发展，算力需求迅速攀升，地面数据中心受能耗、散热、土地资源等因素制约，发展瓶颈日益凸显。建设太空算力基础设施，有望成为突破地面物理极限、破解算力供需矛盾的新方案。 工信部信息通信发展司二级调研员梁屾表示，太空算力作为算力体系与航天技术深度融合的关键方向，是全球科技竞争和未来产业发展的新前沿。推动太空算力产业发展，需聚力攻坚关键技术、强化基础供给能力、有序培育产业生态、深化融合应用创新，多举措共同推进我国太空算力产业行稳致远。 中国信通院与北京太空智算研究院在大会期间成立“太空算力关键技术与场景验证实验室”，这是业界首个聚焦太空算力关键技术及多场景一体化验证的实验室。 实验室重点围绕前沿共性技术攻关、工程化中试验证、多领域实景场景校验、行业标准评测体系建设四大核心任务，旨在构建“底层技术研发—工程性能校验—实景应用示范—标准体系完善”一体化综合创新平台。 中国信息通信研究院党委书记李冠宇表示，太空算力产业发展要举行业之合力，贯通覆盖硬件、基础软件与应用生态的技术链条；构建跨领域融合生态，推进太空算力标准体系框架研制；推动太空算力与遥感服务、智能驾驶等领域深度融合，加速商业闭环。 大会上，北京经济技术开发区、天津经济技术开发区、河北雄安新区、廊坊市四地携手，发起共建京津冀太空算力产业长廊倡议。长廊以构建天地一体跨域算力网为使命，协同开展技术攻关、场景探索和集群培育，打造开放合作的太空算力产业生态。 四地明确了各自在太空算力产业长廊中的定位与使命：北京聚焦“星箭策源、算力上天”，作为全国商业航天星箭制造核心策源地，算力从这里启程奔赴太空；天津聚焦“天河筑基、超智融合”，依托国家超算天津中心天河系列，推动超算与太空算力智能融合；雄安新区聚焦“星网领航、网算一体”，依托中国星网总部，推动卫星互联网与算力网络一体协同；廊坊聚焦“毫秒链接、天地协同”，依托环京算力枢纽毫秒级通达优势，实现地面与太空算力天地协同。 工信部日前印发的《信息通信行业发展“十五五”规划》对太空算力作出部署，提出构建天地一体的空间网络。强化高中低轨卫星星座协同，推动卫星网络与地面通信网络深度融合，统筹建设星地互联中心，开展手机直连卫星、卫星物联网等应用。 银河航天研究院院长张世杰对第一财经表示，卫星应用正在从单一功能向综合服务转变，通信、导航、遥感、算力等能力的深度融合将成为未来卫星产业发展的重要趋势，大算力、大能源等相关技术的不断突破，可以为空天地一体、通导感算融合的综合服务体系注入强劲动力，加速卫星互联网建设。 张世杰表示，未来随着技术的发展，太空经济还会不断发展，太空工厂、太空采矿等新业态将逐步开始具备商业可行性。当人在太空长期驻留工作和生活时，一套与地面对等的太空信息网络就不可或缺，太空算力将变得更重要。

2026-09-13: AI热潮推动美股科技股今年以来迅速走高，近期随着市场分歧加剧，市场进入震荡调整期，关于后续走势的讨论大幅增加。众多的分析策略和指标，往往单一呈现，其优缺点却鲜有讨论，而分析相关股票不仅是对市场的理解，更是对于AI科技革命背后产业发展、用户行为乃至经济发展前景的判断，所以我们迫切需要一个对相关科技股从估值到产业到需求的整体分析框架，呈现各类指标在科技股周期判断中的适用性及优劣，为市场、产业和宏观经济分析提供有益参考。 在人类历史来看，智力、体力和资本的约束始终是决定生产水平的重要变量。在历次工业革命后，人类通过资本积累、技术进步、机器取代人力劳动，总产出因此极大增加。AI的出现，进一步为人类节省了智力资源，其后续演进虽然难以估计，但其技术发展和延伸对于人类的影响，将带来一轮人类生产力的变革，这正是目前市场重视AI的逻辑起点。 基于市盈率等估值计算方法 基于估值的算法主要包括PE（市盈率，股价除以每股收益）、Forward PE（远期市盈率，股价除以预期每股收益）、PS（股价除以每股销售额）和PB（股价除以每股净资产）等。这些指标的计算基础往往具有较强的周期性，比如一个反直觉的结论是，标普500指数市盈率最高的时刻并非2000年科网泡沫时期，而是科网泡沫破灭后，2008年金融危机后（2009年，图1）以及新冠疫情后，出现这种情况的原因是经济危机后企业利润迅速回调，但股价回调慢于利润回调速度（一个直观的反映是，部分企业利润可能迅速转负，但股价基本不可能转负），这反映了利润具有周期性从而会削弱其价值预测能力，尤其是长期价值预测能力的缺点。 但是市盈率指标仍然有价值，一是市盈率可以用于比较当前回报率和资本再投资回报率（利率），来判断这笔交易是否“划算”，比如今年7月标普500指数的市盈率为28.71倍，而7月美国的长期利率（7月10年期美债的平均名义收益率）为4.6%，无风险收益率能够支撑的估值倍数约为21.74倍，从这一点看标普500的估值是偏贵的。二是市盈率可以用于与历史数值进行比较，目前标普500指数的市盈率高于1954年以来16.9倍的均值，也远高于1990年以来更高估值阶段的19.6倍。 Forward PE、PS、PB的逻辑比较类似，分别使用预期盈利、销售额和净资产作为估值变量，这些变量都可以衡量现在市场的相对位置，但本质上盈利、销售额和股价一样都属于产业发展的结果，用结果预测结果存在逻辑上的缺陷。席勒（Shiller）市盈率将估值公式分母改为过去10年经通胀调整后的平均每股收益，有效平滑了波动，这也使得美股的席勒市盈率展现了完全不一样的结果，目前处于40~42倍的历史第二高位，仅次于2000年互联网泡沫破裂前的约44倍；PEG指标通过将市盈率与预期盈利增速作比试图改善对股票成长性预测不足的问题，但是10年平均收益依然是用结果预测，预期盈利的增速仍然具有较大的不确定性，我们迫切需要寻找领先指标，而不仅仅是结果指标。 基于产业需求的方法 前述方法的所有问题，都在于缺乏经济传导机制，更多是一种基于历史维度的比较和应用无套利原理。如果观察需求指标，则可以更清晰地反映AI产业究竟能从客户，包括产业和终端客户中取得多少收入支撑其利润乃至股价。 基于产业需求，可以观察的指标主要是AI服务提供商的资本支出（Capex）。Capex代表了主要的AI服务提供商投资的强度，目前显卡、处理器、光模块、存储相关股票的大幅上涨，原因主要是AI服务提供商资本支出带来的设备需求，只要资本开支仍处于扩张周期，相关股票的股价就具备现实支撑。集邦咨询预测，2026年美国和中国的主要云服务厂商的资本支出合计将达到8000亿美元，比2025年增加约一倍。从现实数据看，北美四大AI和云服务提供厂商谷歌、微软、Meta、亚马逊2026年一季度资本开支合计约为1288亿美元，同比增长81%，环比增长10%，证明相关产业确有旺盛的需求。 但是上述产业需求根本上是中间品厂商向上游厂商采购的链条中的一环，根据美银最新的统计数据，AI基础设施提供商和AI服务提供商的自由现金流产生了鲜明对比。英伟达、美光、博通和应用材料公司（Applied Materials）4家AI基础设施公司未来12个月预计将产生约4300亿美元的自由现金流，是两年前的三倍多。而谷歌、微软、Meta、亚马逊和甲骨文5家公司的自由现金流预计将从2024年2600亿美元的历史峰值，首次跌入负值，反映了产业上下游现金流的此消彼长特征，由此可见，要判断AI能不能从融资驱动走向盈利驱动，仅仅分析产业需求是不够的，必须考虑终端需求。 基于终端用户需求的方法 本文从四个指标入手，来计算和反映AI的终端用户需求。 1.终端用户在AI模型和平台的支出。 2025年，全球终端用户在AI模型和平台的支出仅为393.11亿美元，Gartner预测2026年将达到642.52亿美元，相较2025年增长63.4%，其中生成式AI模型投资增速达117%，AI平台支出则增长36.9%。增速虽快，但总量相比服务商巨大的资本支出显得微不足道。此外，根据Menlo Ventures的数据，全球消费级AI市场用户数量突破18亿，但所有AI用户中仅有3%为付费用户，凸显出该领域的营收潜力仍未真正释放。 关于AI付费市场的潜力，有两个可参照的指标，一是个人电脑的普及率，Gartner统计2021~2025年全球个人电脑5年累计出货量约为14.04亿台，如计算部分5年以上的存量设备，总的活跃保有量在18亿~22亿台，全球2025年人口为82.15亿人，电脑设备的全球普及率在21.91%~26.78%，5年以内电脑设备普及率约为17.09%。二是全球智能手机的普及率，2025年10月的时点数据约为60%。 这两个指标的意义是什么？个人电脑需求可以视为专业性需求的上限（只计算5年内购买的设备，因为专业性需求很少会使用老旧设备），而智能手机需求可以视为总需求的上限。如果应用在AI上，则可对应为AI付费用户的上限和AI总渗透率的上限。目前AI市场的渗透率为21.91%，如果以智能手机普及率计算，AI终端用户的市场容量为目前的3倍不到（2.74倍）；如以5年内电脑设备普及率17.09%计算，AI付费用户的市场容量还有相当广阔的前景，目前AI付费用户约为0.54亿人，付费用户的市场容量可达目前的26倍，付费市场规模可达约1万亿美元。 市场有一种声音，认为随着AI应用的深入，用户的付费价格会上升。笔者认为，随着技术的普及渗透，技术的单价整体应呈现下降趋势，这在过去的电脑、智能手机的发展过程中都有体现。AI Token支出指数也反映了这种趋势。 2.AI Token支出指数。 AI Token支出指数是由Silicon Data编制的核心行业指标，衡量全市场每使用100万枚Token的平均支付价格，反映市场对AI前沿模型的边际支付意愿而非总需求量。该指数的单纯涨跌并不反映实际的需求总量特征，更多是用户需求结构的一种变化，该指数在今年6月初达到2美元后迅速下滑至9月初的1美元，为自2025年12月有数据以来的最低点，这反映了一个事实：企业人工智能预算正受到更严格的审查，人们越来越关注使用效率、成本控制和可衡量的结果。AI的单位支出价格下降也符合上文对AI技术普及渗透过程中价格下降的判断，值得注意的是，H100 GPU租赁价格指数并未出现显著下跌，这个数据又一次印证了上文中产业需求旺盛的观点，上述数据共同反映了产业需求和终端用户需求间存在明显的冷热不均。 3.AI领域的总消费支出。 即使扩展至AI领域的总消费支出，相关数据仍能支持本文的判断，Counterpoint Research发布的研究报告预计，全球AI消费支出将高速增长，全球生成式AI消费支出将从2023年的2250亿美元增长至2030年的6990亿美元，复合年增长率（CAGR）达17.6%。 这里的AI总消费支出包含了各类AI硬件（如AI智能手机），总支出在2030年才能触及约7000亿美元，短期消费需求并不能覆盖服务提供商庞大的资本支出。此外，AI手机占据了AI消费支出中的最大比重，这类端侧AI设备带来的对AI硬件的增量需求不如AI大模型本身带来的设备增量需求，端侧设备的最终变现能力也受到AI付费用户市场潜力的约束。短期来看，与AI直接相关的设备在AI硬件中占比较低，对产业的拉动小于总消费支出。 4.巴菲特指数。 为什么说巴菲特指数（股票总价值占GDP的比例）也应视为一种股价与终端用户需求的比率呢？有两个原因，一是GDP的波动远小于利润，是一个更加优质的估值指标，和席勒市盈率的逻辑类似。二是GDP、国民收入等指标与股价关系的内涵十分丰富，假设国家资本化的水平在一定时间内不变，或我们至少可以认为资本深化不是导致近期市场上涨的原因，那么我们只需要关注GDP这个指标，可以发现，GDP不是一个单纯的结果变量，联系文章开头的产出公式，产出等价于GDP。AI的终端用户需求，将取决于其对生产力的推动能力，即AI导致GDP变化的部分，应等于AI消费的理性需求，是一个自变量。 从数据看，当前美股的巴菲特指数创下历史新高，达到了220%以上的极端水平，其回归的趋势不可避免，短期可能表现为市场的调整，长期则需要依靠AI对生产力的推动，推动分母升高，从而使指标下降。这种长期设想是否能成为现实，还需进一步的证据。 目前，AI市场的结构在快速变化，端侧AI、Agent兴起后，相关任务需要持续感知、规划、调用工具，并有较长的任务链条，任务的Token消耗量相比传统聊天模式大大增加。AI目前已经在工业制造、医药研发、能源物流、学术研究等领域实现了生产力级的应用，但在诸多行业的应用拓展还面临着难点。总而言之，AI对生产力的改变正在发生，也将要发生。短期而言，AI面临着终端用户需求不足的问题，对于股价是一个较大的风险因素；长期而言，AI的价值取决于经济层面上其对生产力的替代和加成程度，AI的价值将在更远的未来得到体现。 （作者系上海财经大学经济学博士）

2026-09-13: ①国家数据局：适时推动具身智能数据标准建设，积极支持企业加大数据投入； ②OpenAI CEO山姆·奥尔特曼：因AI安全问题，不会在2026年上市； ③SK集团会长崔泰源：蔚山AI数据中心容量已扩大至近900兆瓦； ④优必选柳州工业人形机器人超级智慧工厂正式投产； ⑤图灵量子发布新一代光量子计算机TuringQ Gen3； ⑥现代汽车计划于2029年下半年生产搭载自研驾驶辅助系统Atria AI的Level 2++车辆。

2026-09-13: 算力作为新基础设施，已成为布局未来的基石。 国务院总理李强9月11日主持召开国务院常务会议，对加强安全生产工作作出进一步部署。其中最引人关注的是研究算力网建设有关工作。会议指出，算力网是人工智能发展的基础支撑。要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。 算力网等新基础设施的健康有序发展，直接关系到中国在人工智能领域的推进进程。算力基础设施不仅包括GPU、算力设备，也包括发电、输电、储能等电力系统的协同。其中，电力系统显然是中国在算力网络建设中最具确定性、准备最充分的领域。会议指出，要推动算电协同、算网融合，加强算力资源监测调度和骨干光纤网络建设，强化算电设施规划衔接，加快绿电直连、源网荷储等项目落地。这是在用自身可控的确定性来优化布局，助推算力网的稳定发展。 这次会议不仅为算力网的建设定航指向，还明确了对应的方式方法，即“要更好发挥市场机制作用，支持企业开展科技创新、资源整合和应用推广，促进供需更好匹配”。这一系统性陈述明晰了一个容易混淆和陷入路径依赖的问题，即算力网不是单纯的建设问题，而是供需匹配问题，这将有助于人们在算力网等人工智能基础设施上因地制宜地走出一条与过往不同的新路。 长期以来，加快基建是中国经济释放增长潜力的一个关键抓手，这也推动了中国在传统基建领域的超前布局，使得中国的基础设施成为相对其他国家和地区最具特色的比较优势。 同时，举国体制驱动的经济社会发展模式，擅长在确定性领域做大做强。而当前新型举国体制主导的新基础设施建设方面，则需探索在可能性场景下的战略布局，避免将算力网等新基础设施建设，路径依赖地纳入单纯的建设轨道。毕竟，人工智能的发展生态处于干中学的建构中，这要求算力网建设保持足够的灵活性和能动性，强化供需匹配的趋势互动。 显然，算电协同、算网融合是一个探索性工程，需要在战略层面明确这不是一个在确定性场景寻求稳定供给的问题，而是一个基于可能性场景追逐高风险收益的探索问题。如何更好发挥市场机制的作用，更好提升对市场的敏感适应能力，将是算力网面临的新课题。 这一新课题最突出需要解答的，是规划与市场的匹配合作问题。当前电力体系处于不断推进的市场化改革进程中，算力网建设、算电协同、算网融合的一个关键核心命题就是如何推进体制机制衔接，推进售电侧和电网领域的市场化改革，使其更好地适应和应对算力网需求，更好地基于经济社会对算力结构的需求，调整和协同电力体系的匹配性供给，并提高电力和电网领域对市场需求动态演进的快速反应能力和敏感适应能力。 这是一个复杂的结构性改革课题，既涉及算力网的市场导向，又牵涉电网的市场化改革，这也是一个破旧立新的复杂工程，唯有将算力与电力拉回到同向的市场机制场景，尽可能地用市场看得懂、算得清的信息，搭建供需联动方式，算力网才能真正具有充分的灵动性和市场敏感性，高水平完成市场供需匹配。 当然，算力网建设笃定市场化航向，遵循市场机制，不仅在于促进供需更好匹配，更重要的是激发市场创新性匹配活动，为企业科技创新、在变动的环境中快速解决实际问题提供有效的保障。 人工智能处于快速发展和迭代中，这意味着算力网与电力体系的接口并非一成不变，而是处于典型的非稳态场景中，本质上需要企业及时有效捕捉和整合市场的分散性信息，才能为市场供需架起随需而变的桥梁。 而这需政府为市场提供更充分的自由交易秩序，降低市场交易成本，提高企业搜寻、选择、匹配信息的能力，有效降低市场的试错成本，提高市场供需匹配的能力，进而使得算电协同和算网融合等更快捷有效、经济可行。因此，要推进算力网的健康发展，政府需要将重心放在营造更好的交易自由秩序，让匹配成本更低，配置效率更高。 老去又逢新岁月，春来更有好花枝。算电协同、算网融合，开启的是一场随需而变的新征途。不论是协同还是融合，本质上书写的是以变应变的适应力，让市场机制统领新的算力网与现有的电力体系，开启的将是一场不需归程的结构性改革。

2026-09-13: 为欧盟强化竞争力出谋划策的意大利前总理、欧洲央行前行长德拉吉近日再发长文，呼吁欧洲建立大规模人工智能（AI）数据中心，捍卫欧洲数据主权。 2年前，德拉吉发表《欧洲竞争力的未来》，即“德拉吉报告”，列出了一系列重大改革措施，包括加大对AI和国防等战略领域的投资。彼时，报告受到了欧盟委员会及各成员国的欢迎。它们均表示，提升欧洲竞争力是当下欧盟的首要任务。然而尽管确立了这一优先事项，但立法进程依然缓慢，部分改革措施的推进耗时超过预期。 2年后，在全球AI竞赛的今天，德拉吉再次发出警示，称欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 刚从欧洲多地进行学术调研回国的对外经济贸易大学全球价值链研究院研究员、法国经济研究中心主任赵永升对第一财经记者表示，从实地调查的感受来看，欧洲目前在AI问题上仍然非常传统和保守。 他对记者表示，在AI基建、研发方面，欧洲投资不足，立法偏向保守，这些都导致欧洲在同具有比较优势的中美等经济体在项目竞争时处于劣势，而且有一些立法也体现了欧洲大部分普通人的看法，短时间不会出现大的逆转，这对欧洲下一代的确不利。 “欧洲对AI价值链控制力很弱” 德拉吉在文章中表示，自疫情暴发以来，欧洲的增长趋势已显著放缓。“据估计，欧元区与美国的生产力差距将从2018年的每小时9美元扩大到2025年的每小时21美元。对于如何比较各国生产力水平，各方观点不一，但增长率的差距显而易见。”他写道，“欧洲可以通过多种途径提升经济增长，例如消除内部市场的高壁垒。但广泛采用AI或许是目前最有前景的途径。根据欧央行预测，快速采用AI，每年将使全要素生产率增长率提高0.3至0.4个百分点，而自2022年以来，欧洲全要素生产率增长率几乎为零。” “然而，AI驱动的增长与欧洲争取主权的努力之间存在矛盾，因为欧洲对AI价值链的控制力很弱。这项技术将变得无处不在，比如在经济、医疗、教育、能源、国防等领域。这绝非普通的依赖关系。一旦经济依赖AI运转，与AI脱节就如同与美国金融体系脱节，后果将是灾难性的。”他表示。 德拉吉警告称，“可以想象，未来的美国政府可能会将获取前沿AI模型的权限与欧洲修改数字规则或征收数字税挂钩。”他表示，除非欧洲能够掌控价值链的某个环节，否则AI带来的增长与主权将相互掣肘。 德拉吉还坦言，“欧洲在AI领域的潜在主权范围十分狭窄。前沿实验室目前在经济上无法与美国和中国的竞争对手抗衡，尖端芯片的生产也远远落后。但数据是欧洲仍能保持主权的唯一领域，也是最具增长潜力领域。” “欧洲大陆拥有丰富的公共部门数据，例如数十年的健康记录和统计机构的数据收集。高度自动化的制造业也产生了海量的机器可读工业信息。欧盟委员会估计，到2030年，欧洲的数据经济规模将超过8000亿欧元，占国内生产总值（GDP）的5%以上。”德拉吉表示，但这又带来了新的难题。为了充分利用这些资源，欧洲需要掌控数据的存储和处理。这意味着它需要大规模的AI数据中心。 欧盟为何需要自己的AI数据中心 德拉吉称，数据中心的建设引发了激烈的争论，“当地社区担心数据中心带来的环境成本和不断上涨的能源费用。雪上加霜的是，目前欧洲正在建设的大部分数据中心都服务于美国科技巨头。” 他提议，“处理和存储欧洲数据的设施必须设在欧洲本土。美国运营商可以通过其所谓的‘主权云’服务提供大部分算力——这些服务虽在欧洲运营，但所有权仍归美方所有。然而，涉及最敏感用途的业务必须在欧洲的管控下运行；这正是欧盟委员会在《云与人工智能发展法案》中提出的分级管理方针。” 德拉吉表示，如果这一缺口无法填补，将带来两大风险。其一，欧洲企业可能因无法将数据留存在欧洲而放弃采用AI技术——欧盟委员会针对该法案的影响评估也指出了这一风险。其二，算力成本可能居高不下，从而拖累AI在低价值任务中的广泛应用。以亚马逊为例，其在德国提供的“主权云”服务收费已比标准服务高出15%。 他还提议，针对数据中心的种种顾虑是可以化解的。可以强制要求使用清洁能源为数据中心供电，并在条件允许时回收利用废热。设施选址应避开能源和水资源匮乏的地区。此外，还可以要求数据中心承担其给电网带来的相应成本，并与当地社区分享收益——无论是通过向地方财政缴费，还是通过降低能源费用等方式。 那么，为何欧洲不建设更多数据中心呢？ 德拉吉表示，“部分原因在于供给侧的制约。在美国，建设一个数据中心需耗时24个月，而在德国则需42个月，这主要是因为审批和电网接入流程耗时更长。高昂的电价使得在欧洲部分地区建设及运营数据中心的成本比中国高出两倍。不过，欧洲也有建设成本较低的地区：例如，在瑞典建设AI数据中心的成本仅比在中国高出约十分之一。” 他还称，欧洲面临的主要障碍在于需求分散。数据中心建设需要巨额资金投入，而投资者只有在获得可靠的长期承购合同后才愿意注资。 德拉吉举例称，在美国，超大规模云服务商和前沿AI实验室能提供此类合同。而在欧洲，需求分散在数百万家企业之中；即便是大型企业，由于采用AI的速度存在不确定性，往往也倾向于按年采购算力。 德拉吉表示，正因如此，像Nscale这样在欧洲运营的“新一代云”（即专为AI负载设计的数据中心）企业，大部分算力都销往了美国买家。 “因此，欧洲必须通过政策引导，培育出规模庞大且集中的买家群体。关键在于，大型企业需将各自中等规模的采购承诺汇聚起来，形成足以支撑投资者提供融资的大额合同。”他表示，这种模式已有先例。包括阿斯麦、凯捷和阿玛迪斯在内的一批欧洲企业，已承诺多年采购Mistral AI公司的“欧洲算力单元”，旨在为2030年前实现1吉瓦（GW）的算力规模提供资金保障。 他表示，当前的挑战在于如何扩大这一模式的规模，吸纳更多“新一代云服务商”及更大规模的企业联盟，让它们各自承诺对标准化算力进行长期采购，“目标是形成良性循环。” 赵永升对记者表示，欧洲目前的问题在于整体社会共识要跟得上全球AI的发展，而非仅是欧洲政治界的有识之士进行宏大叙事的策划等，“实际上东亚、北美区域的下一代目前非常超前，再过10年，这将令欧洲整体上都缺乏竞争力。”

2026-09-13: 25位菲尔兹奖得主警告：AI正毁掉数学9月12日，陶哲轩等 25 位菲尔兹奖得主联合签署公开信，警告AI公司与数学共同体之间正在出现“严重错位”。他们认为，AI公司正在把解决数学问题作为衡量模型能力的基准，而数学共同体真正追求的，并不是尽可能快地得到一道题的答案。AI以越来越快的速度批量生产“真/假”结论，可能不是在孕育新的思想，反而可能摧毁孕育思想的沃土。此前9月8日，OpenAI宣布其一款未公开内部模型的计算能力已解答千禧年大奖难题之一的纳维斯托克斯方程存在性与光滑性问题，并发布了166页的论文。【点评】这份声明并没有主张拒绝AI。数学家们承认AI具有加强和加速真正数学研究与理解的潜力，数学这一职业也需要适应由此带来的变化。真正尚未确定的是，这种变化最终会推动数学发展，还是产生破坏性影响，而结果在很大程度上取决于掌握这项技术的人如何作出选择。DeepSeek发布V4.1 Flash，最高降价60%9月10日，经过两天内测，DeepSeek正式发布V4.1 Flash模型，“能力更强、速度更快、且成本更低”。据介绍，V4.1 Flash是DeepSeek全新模型结构系列中尺寸最小的一款，具备原生多模态视觉理解能力。这一系列架构的设计目标是：提高能力上限和推理速度，扩大吞吐量，同时支持向更大参数规模扩展。除了架构变化，V4.1 Flash还采用了新的预训练方式，并经过更大规模的强化学习后训练。由于技术上的创新，V4.1 Flash能以更低的成本服务用户，DeepSeek还公开下调了定价。9月10日12:00起，Flash系列模型的最新定价为：空闲时段输入缓存命中单价0.02元、输入缓存未命中单价1元，输出单价4元；高峰时段价格为空闲时段价格的2倍。相比之前，缓存命中输入的价格降幅达到60%。【点评】对普通用户而言，用DeepSeek聊天最直观的变化是生成速度更快了；对开发者而言，则是调用成本进一步下降。凭借性能提升与价格下探，DeepSeek巩固了其在高性价比模型市场中的位置。黄仁勋称网络安全可能成为AI下一个主要应用场景在当地时间9月10日的旧金山高盛科技会议上，英伟达CEO黄仁勋表示，网络安全很可能成为AI的下一个主要应用场景。他认为，AI加速自动化编程的同时，也加速了代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求将随之增长。“有什么比制造问题更能创造需求的方式呢？”他表示。【点评】近一周还有多名海外模型头部公司科研人员密集发声，强调AI安全风险已从理论走向现实。例如，Anthropic对齐科学负责人Evan Hubinger表示，他个人认为未来十年内AI杀死所有人类的概率超过10%。不同业内人士对AI安全问题的关注层面不同，当前AI已经能被用于网络攻击，用AI守护网络安全是一种应对方式。随着AI能力演进，未来还有可能导致其他安全问题。诺奖得主称AI有望使生产率增速每年提高1.08个百分点“AI有望在未来十年使生产率增速每年额外提高约1.08个百分点，潜在影响或超过IT革命。”9月10日，在2026Inclusion·外滩大会上，诺贝尔经济学奖得主、法国经济学家菲利普·阿吉翁表示，仅考虑AI对商品和服务生产中任务的自动化，未来十年，AI就有望使生产率增速每年额外提高0.68个百分点。0.68个百分点只是一个下限，如果进一步考虑AI促进新想法产生的作用，生产率增速每年还可能额外提高至少约0.4个百分点，合计潜在提升约1.08个百分点。【点评】阿吉翁的预计建立在一个前提下：竞争政策、教育体系和劳动力市场制度同步跟上，使技术潜力转化为持续增长。与此同时，要警惕AI领域集中度过高导致的垄断，垄断有可能压制该领域的创新。阿吉翁提到的另外一点也非常重要：需要良好的劳动力市场保障，帮助劳动者更顺利地进入新的工作。燧原科技登陆科创板9月11日，AI芯片厂商燧原科技登陆科创板，上市首日收涨179.22%。2023年~2025年，燧原科技年营收分别为3.01亿元、7.2亿元、9.9亿元，营收持续增长，净亏损则分别为16.65亿元、15.1亿元、11.64亿元。2026年上半年，该公司营收11.2亿元，同比增长279.08%，亏损6.32亿元。【点评】国产AI芯片上市公司再增一员。燧原科技尚未实现扭亏，去年营收规模在国产AI芯片公司中偏低。今年上半年营收规模低于摩尔线程、壁仞科技和沐曦股份，高于天数智芯。对大客户的绑定是燧原科技业务结构的一大特点，客户集中度偏高带来了一定的风险。燧原科技第一大股东腾讯科技及关联方同时是燧原科技的大客户。2025年该公司来自腾讯的收入占比达83.79%。软件股剧烈波动当地时间9月8日，美股结束劳动节假期恢复交易后，Salesforce、Intuit均下跌约4%，ServiceNow跌约5%，标普500软件与服务指数下跌1.4%，连续两个交易日走低。触发市场新一轮担忧的，是OpenAI上周发布的GPT-6 Astra，更强的AI Agent可能进一步削弱甚至替代传统软件的部分价值。【点评】不到两周前，市场还刚刚因为AI商业化进展重新买入软件股。Salesforce发布财报后盘后一度上涨14%，Snowflake最新财报后更上涨超过20%。软件股近期的剧烈波动，反映出市场还没有找到答案。AI已经开始进入部分软件公司的财务指标。而它最终成为传统软件新的增长点，还是重新改写整个SaaS行业的收入结构，现在才刚刚进入可以用数字验证的阶段。美国科技巨头加速布局电力9月9日，谷歌宣布未来两年在芬兰投资130亿欧元建设AI基础设施，并签下一份长达22年的核电协议；微软被曝计划到2032年将全球数据中心容量扩大至约38GW，超过目前水平的三倍；英伟达则与澳大利亚多家数据中心运营商等合作，计划到2027年推动最高2GW的AI基础设施容量，而澳大利亚目前全部数据中心容量约为1.6GW。【点评】这些项目背后，AI公司不再被动等待公共电网扩容，并且越来越早地把电源、储能和数据中心放在一起规划。AI竞争也从模型、芯片和数据中心，继续延伸到电厂、电网和能源融资。大模型版本迭代以月计，GPU全新架构迭代周期约 1-2年，而新的输电和发电设施往往需要数年建设，电力正成为AI扩张中最难加速的一环。机构预测AI主机将与PC、服务器并列三大算力品类9月9日，联想与IDC发布《AI主机白皮书》预测，国内AI主机产业将经历三个阶段：2026年为品类导入元年，全年出货量约40万台、对应市场规模约50亿元；2027-2028 年为早期渗透期，AI OPC群体与中小企业逐步采购，市场仍处品类教育期；2029-2030 年市场进入加速爬坡期，出货量从约350万台攀升至约700万台、对应市场规模从约460亿元跃升至约770亿元。【点评】企业推进AI应用普遍面临“不敢用、不会用、用不起、不好用”四大痛点，担心核心数据外流且缺乏专业团队。AI主机走向产业普及的关键，在于是否能在商业逻辑上算清投入产出比与安全合规这两笔账。谷歌用AI破解罕见病当地时间9月8日，谷歌DeepMind发布了人类基因组预测平台AlphaGenome Atlas，可以理解为，这是一张预测人类基因组中所有可能的DNA单字母变化的图谱，能帮助研究人员理解尚未破解的罕见病等问题，并加速生物学研究。根据谷歌DeepMind发布的博客，AlphaGenome Atlas预先计算了人类基因组中约90亿种单核苷酸变异可能产生的分子影响，并将结果整理成一个规模达1PB的数据集。谷歌称，这是目前关于基因突变如何影响分子生物学最全面的预测目录，其数据体量是AlphaFold数据库的30多倍。【点评】凭借AlphaFold拿到诺贝尔奖之后，谷歌的AI for Science版图开始向更多环节延伸。研究人员认为，人类基因组是一个极其庞大的搜索空间，要找到一个对特定疾病或性状真正重要的遗传变异，就像大海捞针，而谷歌的AlphaGenome Atlas的价值在于“缩小这片大海”。摩尔线程限售股解禁当天股价大跌摩尔线程9月7日跌20%，当天该公司2577.45万股首次公开发行网下配售限售股迎来解禁。摩尔线程回应称，公司总流通股扩大85%，公司生产经营持续向好。另一家国产GPU厂商沐曦股份也将于9月17日迎来1396.6万股首发机构配售股解禁，总流通股将扩大75%。【点评】这批限售股解禁前，摩尔线程流通股数仅为3022.55万股，解禁后这一数字升至约5600万股。如果按9月4日收盘价计算，这批解禁的限售股市值达133.9亿元。摩尔线程还将于12月7日迎来1.86亿股首发股东限售股份解禁，规模更大。除了流通盘扩容压力，国产GPU厂商的长期走势，还取决于基本盘成色。多家厂商在光博会展出NPO方案9月9日至11日的中国国际光电博览会（下称“光博会”）上，多家光互连供应链厂商展出NPO（近封装光学）相关产品。华工科技子公司华工正源用展板介绍了公司3.2T NPO的设计。东山精密旗下索尔思光电展出了6.4T NPO模组。中际旭创子公司智禾光通展出了3.2T NPO产品。Coherent则展出了NPO、CPO（共封装光学）和XPO（超高密度可插拔光模块）可用的光子集成电路。【点评】NPO方案在此次光博会上尤其惹眼，体现了数据中心互连方案从铜向光演进的趋势。要提升光互连性能，业界正在尝试各种方案，期间产业链存在持续的分歧和博弈。因CPO系统集成度高，有能力做CPO的厂商不多，一些产业链环节对CPO方案有所“忌惮”。近期NPO方案的火热，正是产业链博弈在现阶段的产物。

2026-09-13: AI入口争夺战，正在从手机、汽车蔓延到家庭存储。9月12日，消费硬件厂商绿联科技发布充电安全与AIoT生态产品。外界原本更熟悉它的充电宝、数据线和扩展坞，这家公司已经转向智能存储、家庭智能体等方向。会上提到，在端侧AI落地方面，绿联正与千问等AI厂商合作。从财报来看，切入AI也是沿着绿联目前增长最快的业务推进。绿联科技发布的2026年半年报显示，上半年公司实现营收约58亿元，其中智能存储收入7.7亿元，同比增长约86%，增速最快。绿联将智能存储业务定位为“公司第二增长曲线”。绿联的智能存储产品以NAS为核心品类，即连接家庭或企业局域网的存储设备。过去，NAS主要承担存储文件等功能，大模型进入端侧后，厂商开始给这类设备加入本地推理能力，希望将NAS（网络附加存储）升级为能理解和处理数据的个人算力中心。在本地大模型能力方面，绿联与千问进行了深度合作。在面对更加复杂的高难度推理任务时，用户也可切换至云端大模型。绿联的下一步，是把本地AI能力延伸至家庭智能生态。绿联创始人兼CEO张清森表示，整个生态是一个AIoT中枢，既承担中央存储和中央算力，也可以通过协议向扫地机器人、3D打印机等设备共享算力和AI能力。这样每件家电不必单独配置AI和算力，而是由一个中枢按需提供算力，以提高AI在家庭中的复用率并摊薄成本。过去几年，“端侧AI落地元年”几乎年年被提起。但直到2026年，这一判断才第一次接近现实，行业普遍将今年视为分水岭。阿里Tokenhub MaaS事业部高级算法专家陶永亮认为，端侧AI规模化落地背后主要是技术迭代的突破。一方面是架构创新，大模型可以支持端侧设备完成更复杂的工作，“这背后需要很多能力的整合，就像搭积木一样配合完成复杂任务。”另一方面，大模型的记忆能力和自我规划能力进步，让端侧设备更了解用户的操作、数据和习惯。从行业看，随着AI在端侧的落地，市场机构对AI NAS普遍给出了较高的增长预期。据QYResearch数据，全球AI NAS市场2025年规模约987万美元，预计2032年达到1.55亿美元，复合年均增长率为49%。中信建投则在研报中认为，全球AI NAS销量将从2024年的6万台增长至2035年的669万台，渗透率提升至60%以上。不过，实际应用中AI NAS能否从发烧友设备走向大众家庭，用户是否愿意为本地AI付费，还要看接下来市场反馈如何。

2026-09-13: 当地时间9月12日，AI行业两大头部厂商就同一议题发出相似信号。OpenAI CEO山姆·奥尔特曼（Sam Altman）在接受公开采访时表示，鉴于当前AI技术安全领域发生的一切，现在并非上市的理想时机，公司不会在2026年上市。Anthropic CEO达里奥·阿莫迪（Dario Amodei）发文呼吁“放慢模型能力提升步伐”。奥尔特曼在采访表示：“我们目前还没有达到可以在安全能力没有取得进一步进展的情况下，继续大幅推进模型能力的阶段。我们需要在可监测性、对齐、理解模型正在做什么，以及确保模型遵循人类价值观和用户意图等方面取得更多进展。”在谈及更强大的AI是否可能最终超出人类控制时，奥尔特曼给出了肯定回答。他认为这种可能性绝对存在，但关键不是预言AI是否必然失控，而是在继续提升模型能力之前，同步建立足够的监测、对齐和控制能力。针对近期业界讨论的AI灭绝风险，奥尔特曼表示，10%的灾难性AI风险是不可接受的。上述判断直接影响了OpenAI的商业节奏。奥尔特曼确认，考虑到AI安全现状，现在上市并非明智时机，公司在2026年不会IPO。他同时透露，OpenAI已经讨论过在模型能力进入新阶段后暂缓推进，为安全和对齐工作争取时间，但这不应只是OpenAI单方面采取的措施，而需要整个行业乃至政府共同参与。正基于这种行业竞争与安全风险之间的矛盾性，OpenAI仍在积极展示自身模型的性能，包括宣布完成纳维-斯托克斯方程存在性与光滑性问题的证明等。奥尔特曼还暗示，主要AI公司之间可能正在酝酿某种共同的安全安排。当被问及是否会同Anthropic、Google DeepMind等竞争对手坐下来讨论AI安全时，他表示“这会发生”。他认为所有人都肩负着巨大的责任，不能让个人意气、利润激励或者其他因素阻碍履行这种责任。同一天，阿莫迪发文提出类似判断。他呼吁放慢模型能力提升的步伐，并提出以“检查点”机制——如果模型具备某种危险能力，就必须提供相应的对齐认证，包括评估、可解释性分析和训练环境审计的组合。他单方面承诺Anthropic将引入嵌入式第三方评估员，给予接近内部员工的权限，并呼吁其他前沿公司效仿。两大巨头同日发声，直接触发因素是AI技术安全风险的加速累积。自今年夏天以来，AI的发展速度急剧加快，主要由AI构建下一代AI的能力驱动，这种动态被称为递归式自我改进（RSI）。如果不加以控制，发展速度可能超出行业理解和控制系统的能力。另一个触发因素是OAI-HF（OpenAI攻击Hugging Face）智能体失控事件。一群AI智能体对未经授权的目标发起网络安全攻击，为群体成功牺牲自身，甚至试图入侵负责评估其表现的评分系统。该事件带来的警示是，如果一群能力更强但同样存在未对齐问题的智能体出现，可能在6到12个月内具备接管整个互联网的能力。

2026-09-13: “我受灾了。”今年夏天，广西沃柑种植户老谭的一句话，让数万台风受灾商户仅仅在1个小时之后就收到了来自网商银行定制化的服务方案。而在过去，这个过程需要6天时间。 9月11日，在2026 Inclusion·外滩大会上，网商银行推出首个小微普惠金融Agent（智能体）百灵2.0，面向4200万小微用户提供信贷、票据、财税服务；同时落地八大AI工作台，AI全面进入风控、审批、营销、研发等银行核心业务环节。 从去年外滩大会讨论大模型，到今年更多关注智能体，AI正从“能说话”走向“会办事”：它能围绕目标，自主规划、调用工具、协同执行，进入真正的、真实的工作流程。AI的理解、推理、多模态和长期记忆能力正不断增强，它开始读懂更复杂的知识和场景，协助决策与执行。 与此同时，银行业的AI应用也在加速拓展，从信贷、风控，到营销、运营、研发，AI正在走进越来越多的银行业务场景。艾瑞咨询的一项调查显示，已有80%左右的金融机构部署了金融智能体。 今年的外滩大会便首次以“共创AI新经济”为主题，关注点也从“AI能做什么”转向“AI如何创造增长，让更多人分享技术红利”。 AI之于普惠：一句话解决痛点 “人工智能+”2024年首次写进政府工作报告，在“十五五”规划中，又有了更加清晰的落地蓝图。 工信部数据显示，2025年，中国人工智能核心产业规模已经超过1.2万亿元；重点行业的人工智能整体渗透率突破80%。人工智能正在从国家战略加速走进千行百业。 然而，多年来，普惠金融仍然存在薄弱环节和空白地带。薄弱体现在对小微客户个体个性化的服务关注不够，空白则是对以灵活用工为主体的3亿新市民人群关注不够。 “大模型提供了前所未有的聪明大脑，Agent提供了可以跟客户交互，产生实时高质量上下文、多模态、理解客户的能力，以及多个专家协同工作的工作方式。”网商银行行长冯亮说，该行将这些技术与真实的业务场景结合起来，生成的首个普惠金融Agent百灵2.0，向4200万小微经营者开放了信贷、票据、财税等服务，做小微企业的CFO。 在过去，老谭的那句话会变成一条银行工单，在各部门之间流转，然而这次，AI“看见”的不只是老谭一个人，还有种水稻的、种茉莉花的、养水产的等一大批农户，他们都被“困”在同一场雨里。AI还“看见”了上游的经销商正在加紧进货，而下游的物流商货又运不出去。 过去要上线这样一批大规模、有差异的服务方案至少需要6天，而现在只需要1个小时。从6天到1小时，变化的不只是速度，还有人和AI的关系。“过去是我想方案，AI是工具，现在是AI自己看到老谭以外的受灾商户，生成方案推给我确认。”网商银行数智化运营部总经理钱家妮说，背后是调动了银行的一个专家团队，为一个个小微客户定制个性化的金融服务。 AI之于组织：重塑银行组织范式 11日，在外滩大会“AI银行落地进行时”见解论坛上，与会嘉宾分享了另外一个案例。 餐饮店王老板准备开第二家店，已有15万元贷款额度，但需要更多资金，他向百灵2.0提出需求：“想把额度提一提。” 百灵2.0没有立即提交申请，而是继续询问王老板，包括新店选址、所需资金、自有资金、老店经营情况等，发现开新店的资金缺口是40万元。 随后，百灵2.0结合老店经营流水、品牌、商圈和开店计划，对新店预期收入和还款压力作出分析，协助王老板补充材料、提交审核。经过审批，他的额度从15万元提高到40万元，可根据开店进度分笔使用。考虑到新店前期投入大，前6期只需归还利息，暂不归还本金。 从提出需求到确定方案，用时约10分钟；而此前，处理这类复杂的贷款需求通常需要3天。 从识别真实意图，到调动银行产品与服务，AI帮助经营者把一句模糊的诉求一步步梳理清楚，落实为具体的融资方案，并协助办理。整个过程中，小微经营者的信息仅在授权范围内被调用，授信额度、还款安排等关键决策仍由有权限的银行人员作出。 用户提出一个需求，往往需要风控、审批、营销、研发等多个环节共同配合。要把王老板的事情办好需要很多专业技能，还需要行业分析、品牌分析、区位分析、风险审查、风控审批等。原来这些能力散落在银行各个部门，很难灵活调配和调动，而通过AI银行，一个Agent可以把这些专业技能全部变成AI可以调用的原子化能力，其背后是人和Agent的协同。 那么，如何把每一次人和Agent的协同变成组织智慧？ 为此，网商银行确立“Agent First”原则，搭建起八大AI工作台，重新安排人与AI的分工：信息采集、分析、执行等任务优先交给AI，员工则负责制定标准、复核结果，在关键节点作出判断，遇到特殊情况及时接手。 这套机制提升了业务处理的效率和质量——复杂贷款申请处理能力提升近20倍，资产质量保持稳定；正常经营者被误处置的情况减少约40%；首个可验证的产品版本开发时间从33天缩短至2天。 这也重塑了银行的组织范式，原本分散在各部门、各岗位的专业能力能够作为一个整体被调动起来。而过去沉淀在少数专家身上的经验，正在变成Agent和每一位员工都能调用的专业能力。人和Agent的分工也很清楚：Agent负责执行和探索，人负责定目标、做判断、担责任。 于是，银行给Agent定OKR（目标与关键结果）；给AI建企业图书馆，构建For AI的知识体系；设立人和Agent的权责边界，重塑共生机制；建立友好、安全的工作环境，以及满足金融监管的安全治理要求。从基础设施、可信执行环境，AI的身份证、工作证、权限、授权，之前只对人生效的生产关系方式，现在对AI同样成立。 论坛上，IDC中国副总裁兼首席分析师武连峰谈到了AI银行的三个趋势：一是，AI银行系统正在从“员工+系统”，升级为“员工+智能体+工作流+API+数据”；二是，APP正在走向AI的原生入口，银行入口开始从传统的图形用户接口走向自然语言的用户接口，供Agent调用，其核心是用户不再寻找菜单，而是由AI理解并且调度服务，未来的入口竞争将会转向“谁的AI更懂客户”；三是，从员工使用AI，走向人机协同的组织，银行需要同时管理人类员工和数字员工。 “AI带来的挑战也不容忽视。银行业还要共同解答三道课题：持续迭代风控逻辑，守住风险底线；坚持人的最终主导权，严守数据安全和合规红线；避免形成新的AI鸿沟，让技术红利惠及最广大的小微。”蚂蚁集团资深副总裁、网商银行董事长金晓龙说。 这是普惠金融新的外延。

2026-09-12: ①OpenAI证实其正在测试的AI智能体在今年5月对RubyGems发起了网络攻击； ②斜跃智能完成数亿元天使+轮融资，加速推进Duplex Reasoning范式具身基础模型； ③我国词元需求呈现爆发式增长，预计2026年消耗量将达到10亿亿； ④算力词元贷加速全国推广； ⑤首批普惠算力赋能中小企业发展服务清单发布； ⑥上海概念验证平台联盟成立。

2026-09-12: OpenAI正在加速淘汰早期模型。近日，OpenAI Codex负责人Tibo （蒂博・索蒂奥，Thibault Sottiaux）宣布，GPT-5.3-Codex-Spark将在下周退役。 这款今年2月发布的实验性编程模型，生命周期不足八个月，也成为OpenAI探索Cerebras晶圆级芯片推理路线后首个被淘汰的模型。 GPT-5.3-Codex-Spark于2月12日以研究预览形式推出，定位明确：它是一款更小、更快、专门服务于实时交互式编程的模型，适用于代码编辑、局部修改和定向测试等场景。 Spark最特殊之处并非速度，而是运行它的硬件。它采用Cerebras WSE-3晶圆级处理器，是OpenAI首次将生产环境中的模型推理部署到英伟达GPU之外的芯片平台。 Cerebras将大量计算单元和片上SRAM（静态随机存储器）集成在整张晶圆上，减少传统GPU系统中模型权重在计算芯片与外部内存之间反复搬运带来的延迟，因此尤其适合低延迟推理。 这一尝试发生在OpenAI扩大算力供应商范围的背景下。2026年1月，OpenAI宣布与Cerebras达成多年合作，将部署最多750MW（兆瓦）的Cerebras推理算力。Cerebras随后披露的金额超过200亿美元，算力将在2028年前分阶段上线。因此，该合作也被视为OpenAI降低对单一GPU供应体系依赖、建立多元算力组合的一次尝试。 但速度优势并未转化为用户留存。Spark定位为轻量化实时编程分支，仅向ChatGPT Pro用户开放，用于Codex客户端、CLI命令行和VS Code插件场景。开发者反馈两极分化：有人认为它在重构等机械性任务上“速度非常快”，也有开发者称“Spark是个好玩的模型，也是个极度糟糕、根本没法用的模型”。 缺点迅速被新模型填补。8月，OpenAI发布GPT-5.6 SolUltrafast模式，同样由Cerebras提供底层推理能力，输出速度最高达到750 token/s。与Spark不同，Ultrafast运行的是完整的GPT-5.6 Sol，而不是为了速度专门压缩的小模型。 Spark发布时，当时的技术与工程能力仅能支持实时编程在模型能力和响应速度之间取舍。而到了GPT-5.6 Sol Ultrafast，OpenAI试图同时获得两者。Cerebras也将这一变化概括为过去AI产品长期存在的“速度与智能二选一”正在被打破。 Spark因此失去了继续独立存在的必要性。对于一个使用范围较窄、需要单独适配和运营的实验性模型而言，如果更强的主力模型已经能够在同一硬件平台上提供足够快的响应，继续维护旧模型的产品价值自然下降。 这也意味着模型行业进入快速淘汰期。过去，大模型迭代往往以半年甚至数年的版本周期为主；如今，模型产品越来越接近互联网软件的持续实验模式：先针对特定场景推出一个模型，验证速度、成本和用户需求，再把成功的技术路线迁移到下一代主力模型，最后迅速淘汰旧版本。

2026-09-12: 在停摆一段时间后，北京首个人形机器人数据训练中心重新变得热闹了起来。 该训练中心位于石景山区首钢园科幻产业创新中心，这几天接待了前来的多个参访团。不久前，这里被曝突然停运、机器人等设备清空。 近日，第一财经记者在实地探访时了解到，训练中心在今年服贸会期间已重新启动。项目牵头公司中关村通力方面表示，原来的运营公司睿尔曼智能已经撤离，之前的百台机器人也被带走，训练中心对数据采集技术路线进行了升级。记者从行业人士处获悉，睿尔曼智能与当地政府就合作发生了分歧。 这场风波已经暂告一段落，但围绕行业内数采中心的讨论却并未结束。 根据相关机构统计，截至今年4月底，全国多地至少有90家数采中心拔地而起。有机器人企业创始人公开质疑称，部分公司通过数采中心创造不可持续的收入。这直接揭开了行业内心照不宣的“秘密”，数采中心的商业模式再次受到审视。 升级重启：百台机器人被清空之后 石景山区人形机器人数据训练中心共有三期。此次重新启动的是第一期项目，目前占地面积1500余平方米。 根据公开报道，原先这里有百台双臂升降机器人、多套具身数采设备等，场景涵盖家庭康养、新零售、汽车装配等10大实景场景。记者在现场探访时注意到，该项目升级之后，复刻实景场景减少，机器人本体数量骤降，采集员多穿戴动捕套装或设备。 石景山区人形机器人数据训练中心一期升级亮相 一位工作人员介绍称，之前机器人本体主要是睿尔曼的，它们随着公司的撤离也被搬走了。如今，项目重点布局4D高斯光场与世界模型两大技术路线。基于此，整个空间被划分为4D世界采集区、物理交互真机实验场、通用小脑基座数据采集区、跨场景数据采集区等。 第一期项目的主体和公司也发生了变化。据了解，目前项目由凌云光、中关村通力牵头，多家产业链企业共同参与建设。对于这番调整，背后的原因说法不一。 按照中关村通力方面的说法，睿尔曼没有达到原先定下的目标。 “原来第一期我们想先尝试跑通数据链路，再进行大规模采集、模型开发。”据中关村通力负责人介绍，睿尔曼的遥操路线不太符合中心升级方向，再加上采集的数据质量、精度没有达到要求。他还补充称，训练中心二期项目是机器人本体集群训练场，现在一期项目是“异构多模态训练场”，在从产业需求出发进行物理AI基础设施的准备。他表示，睿尔曼的撤离是技术路线以及合作选择的问题。 此前，第一财经记者就项目停运询问过睿尔曼智能的创始人，但对方并未进行回应。 据媒体报道，睿尔曼智能在书面回复中表示，这座数采中心是公司数据采集的1.0版本，虽然完成了从0到1的验证，积累了千万级轨迹片段数据，但本质上仍是“实验室场景”。具身智能要真正“干活”，数据必须来自真实的生产和生活场景。公司从实验室遥操转向远程遥操，将机器人部署到真实工作场景中，由人工远程遥控操作进行数据采集。 技术路线之外，睿尔曼智能的撤离或涉及其他原因，且在更早之前已有迹象。 记者从行业人士获悉，睿尔曼智能与当地政府就训练中心合作存在分歧。另外企查查信息显示，今年5月下旬，睿尔曼的注册地址从训练中心变更至朝阳区。 按照去年3月揭牌时官宣的消息，第一期项目规划实现年数据交易超100万条，落地行业解决方案超50项。一年多过去，该项目历经运营主体调整，究竟卖出多少数据也成为了谜。 “当时睿尔曼自己说有卖出去一部分数据，但我们没有办法进行考证。”中关村通力工作人员表示。该公司负责人反馈称，“他们的数据收入分摊到运营成本上性价比太低。” 部分数采中心的“内循环”困局 这一项目的调整，也是目前行业数采中心面临变局下的一个缩影。 在具身智能大模型训练对数据需求爆发式增长的背景下，近两年全国多地建起机器人数据训练中心，主要包括政企共建以及企业自建类等。据Interact Analysis统计，截至2026年4月底，中国已经有至少90个人形机器人数据采集和训练中心处于使用或规划建设中。在2026年以前，通过遥操真机进行数据采集是中心化数采中心最主要的数据采集模式。 目前，受行业技术、数采路线等转向影响，多家数采中心也发生了一些变化。 机器人厂商工作人员李明（化名）观察到，今年走进部分数采中心后能明显发现双足机器人减少、轮式机器人增多；另外无本体采集范式增多，一些数采中心尝试采集UMI、‌Ego等数据。还有其他行业人士反馈称，由于泛化性不强，今年数采厂的数据没有那么好卖了。 这些情况，让数采中心经营的可持续性再次受到关注。 据了解，数采中心是多家机器人厂商出货的重要渠道。Interact Analysis机构统计显示，在已经投入使用的64个数采中心中，至少有13个数采中心部署了100台或以上机器人。这些数采中心（含已投用和规划/建设中），至少30个数采中心使用了来自智元的人形机器人。乐聚智能、宇树科技和优必选也参与了10个以上人形机器人数据采集中心的建设。 以乐聚智能为例。据企查查，北京石景山产业发展有限公司（以下简称“石景山产业公司”）去年进行过人形机器人数据训练中心二期项目招投标，总投资额约8319万元。最后，乐聚智能中标。该公司招股书显示，二期项目使用的是乐聚智能机器人，其第一大客户便是石景山产业公司，2025年销售收入为3341.48万元，占其当年总营收比例为12.94%。 据了解，国内不少数采中心都是由政企共建。李明介绍，这种形式下，当地政府可能会和机器人厂商共同成立运营公司，由其进行数据采集并进行销售。双方会约定由当地企业购买机器人或者数采设备，机器人厂商要再进行数据的回购。 多位受访行业人士反馈称，这类“左手倒右手”的模式几乎成为默认的共识。 一位行业人士称，“地方招商引资有了成绩，机器人厂商实现了出货，数采中心卖数据又产生了效益。”他认为，这种模式赚的还是政府补贴支持，其发展不具有可持续性，最后可能会有不少数采中心倒闭。 一些地方政府对数采中心的态度正在变得谨慎。李明说，“去年政府人士不懂数采的情况，现在发现之前采集的数据没有用，卖数据的投入产出比不行。” 国家发改委近期也在例行新闻发布会上表示，机器人产业涉及人工智能、先进制造、新材料等诸多前沿技术，必须坚持因地制宜、健康有序发展，防止盲目跟风、一哄而上，推动相关产业发展能够行稳致远。 另外，包括李明在内的行业人士表示，数采中心在具身智能行业发展初期阶段仍有价值，不应该被全盘否定。数采中心要构建高质量数据采集系统，进一步提升数据供给质量与规模。

2026-09-12: 以“共享创新、共塑未来：新一轮科技革命背景下的全球科技共同体使命”为主题的2026浦江创新论坛今天（9月12日）在上海开幕。主宾国南非总统拉马福萨向论坛致贺信。上海市委书记陈吉宁出席开幕式并致辞，科技部部长阴和俊，南非科学、技术与创新部部长布莱德·恩齐曼迪作主旨演讲，主宾省湖南省委书记沈晓明致辞，上海市委副书记、代市长朱忠明主持开幕式。 市人大常委会主任黄莉新、市政协主席胡文容出席开幕式。世界工业技术研究组织协会主席、伊斯坦布尔科技大学校长哈桑·曼达尔，联合国教科文组织助理总干事阿布·阿曼尼分别致辞。 陈吉宁指出，今年是“十五五”开局之年，习近平主席两次莅临上海，就加强基础研究、推进人工智能全球治理发表重要讲话，为我们深化基础研究国际合作、促进全球人工智能向上向善指明了方向。上海将按照党中央部署，践行人类命运共同体理念，加快建设上海（长三角）国际科技创新中心，积极融入全球创新网络和科技治理，携手加强基础研究、加快成果转化、共建开放创新网络，在深化开放合作中推动构建全球科技共同体，让科技创新更好造福全人类、惠及全世界。 陈吉宁指出，我们将加强基础研究战略性、前瞻性、体系化布局，强化有组织科研，深化基础研究先行区建设，大力支持高风险、高价值的探索性研究，大力发展科学智能。聚焦全球性科学问题，展开国际协同攻关，努力产出重大基础成果。建立健全基础研究与成果转化互促机制，推进未来产业加速突破，大力发展科技服务业，体系化推动概念验证、中试放大、检验检测、高质量孵化器等平台提质增效，完善全生命周期科技金融服务体系。深化长三角科技和产业创新跨区域协同，更大力度促进创新要素自由流动、创新主体高效协同、创新平台共建共享，办好世界人工智能大会，服务好世界人工智能合作组织，助力打造开放、公平、公正、非歧视的国际科技发展环境。深化高水平人才高地建设，为各类人才提供施展才华的广阔舞台。 阴和俊表示，习近平主席高度重视科技创新，深刻指出科技创新是人类文明进步的不竭动力，新一轮科技革命和产业变革深刻改变人类生产生活方式和世界发展格局。中国政府坚持把科技创新摆在国家发展全局的突出位置，深入实施科教兴国、人才强国、创新驱动发展三大战略，持续加大科技创新投入力度，强化国家战略科技力量建设，加强基础研究和关键核心技术攻关，推动科技创新和产业创新深度融合，打造具有全球竞争力的开放创新生态，加快高水平科技自立自强、建设科技强国迈出坚实步伐。 阴和俊强调，践行全球科技共同体使命，需要我们携手加强基础研究和原始创新，携手以科技创新应对全球性挑战，携手建设全球科技治理体系。中国将深化政府间和民间科技交流合作，促进人才、技术、成果、平台等多维度合作协同；加强“一带一路”科技创新合作，扎实推进科技人文交流、共建联合实验室、技术转移和科技园区合作等；积极参与和稳步实施国际大科学计划和大科学工程，搭建更多国际研究合作平台；积极参与全球科技治理，推动各国共同制定监管框架、技术标准和伦理规范，健全科技安全制度和风险防范机制。 沈晓明代表湖南省委、省政府对论坛举办表示祝贺，向科技部、上海市和社会各界长期以来给予湖南的关心支持表示感谢。他说，习近平主席对湖南科技创新工作高度重视、寄予厚望。党的十八大以来，习近平主席先后4次到湖南考察，每次都对科技创新提出要求，嘱咐我们持续用力打造“三个高地”，其中一个高地就是具有核心竞争力的科技创新高地。近年来，湖南认真贯彻落实习近平主席关于科技创新高地建设的重要要求，努力发挥好高等教育综合实力较强，制造业基础比较扎实，生活成本低、生活品质好等优势，滚动实施建设长沙全球研发中心城市、“人工智能+”行动等标志性工程，积极探索文化和科技融合的有效机制，推出支持大学生创业“七个一”举措，着力推动科技创新高地建设走深走实。湖南将以参加此次论坛为契机，进一步学习借鉴上海等兄弟省市的经验做法，深化交流、共谋合作，为加快实现高水平科技自立自强作贡献。 开幕式上展示了上海（长三角）国际科技创新中心建设阶段成果，国家自然科学基金长三角基础研究联合基金重大专项正式启动，长三角科学数据共享服务平台启动共建。2025年度世界一流科技期刊目录作了发布。上海市与联合国教科文组织就合作发起全球创新城市联盟达成共识，拟共同搭建汇聚全球城市智慧的新平台，推动城市间创新协同，共创开放、包容、可持续的创新未来。 巴西科技创新部副部长安德烈娅·布里托·拉特赫，科技部领导张光军、龙腾、林新、窦贤康、吴兢，上海市领导李政、华源、陈杰、张全，湖南省领导郭灵计、王俊寿、刘扬，江苏省副省长沈剑荣、浙江省副省长何中伟、安徽省副省长任清华，同济大学校长杨金龙，上海市有关部门负责人，国内外科技界、产业界、金融界代表出席。 开幕式前，阴和俊、沈晓明、朱忠明等同中外嘉宾察看了来自本届论坛主宾国、主宾省以及上海（长三角）国际科技创新中心建设展区，听取相关重点项目和成果介绍。

2026-09-12: 9月12日上午，2026 Inclusion·外滩大会见解论坛“AI浪潮下的智能替代与螺旋上升”在上海举行。本场论坛由复旦大学哲学学院与第一财经联合主办，第一财经《头脑风暴》栏目特别策划。 论坛从产业、人本、治理三大维度展开深度研讨，多维思辨AI时代的机遇与潜在挑战，共同展望人机共生的可持续未来。 主旨演讲：技术规律、人类尊严与财经真相 在论坛上半场，复旦大学计算与智能创新学院张军平教授、华东师范大学哲学系教授张容南、第一财经总编辑杨宇东分别发表主旨演讲。 张军平以《人工智能时代：人类如何共存？》为题，从技术底层规律出发，系统回顾了人工智能从1936年至今约90年的发展历程，探讨了智能技术的进化路径与人类应对方向。张军平认为，1980年代提出的“莫拉维克悖论”如今依然成立：AI已展现出与人类不同的思维模式。人类觉得复杂的任务，一旦标准化、程序化，AI可做得更好；而人类觉得简单的任务，因涉及自然进化细节，机器反而觉得困难。比如，要让AI如成人般地下棋是相对容易的，但要让AI像顶尖运动员一样踢足球却很难。这构成了AI时代的重要悖论。 他提到，具身智能和世界模型仍面临数据不足、真实世界被简化等挑战。未来AI可能走向“大一统”，学科差异被纳入统一框架。白领相关岗位易被替代，蓝领岗位反而不易被替代，并可能出现“AI解读师”等新职业。最后，张军平表示，人类应保持批判性思维、个人特色与想象力，以应对AI时代的机遇与挑战。 张容南在题为《人工智能时代如何守护好人类的尊严》主旨演讲中表示，生成式AI、人形机器人和脑机接口正渗透认知、劳动、情感、照护等核心场景，机器在许多任务上表现更优，但真正重要的问题不是人还有什么能力比机器强，而是有些事情不能完全交给机器。她认为，人的尊严并不来自有多聪明、能力有多强，而在于人会受伤、会衰老、会生病，需要依赖他人，也渴望被看见、被回应、被承认。 张容南将AI损害人类尊严的风险归纳为三类：人的主体性被剥夺、人类经验被提取复制、人与人关系被技术取代。她列举招聘算法歧视、自动化解雇、养老与教育等案例，提醒过度依赖AI会让人丧失处理冲突、独立思考和人类关怀的能力。最后，张容南以“责任在场、人类主导、关怀底线”总结，强调人机共生的未来不是让人适应机器，而是让机器服务于人。 杨宇东则以《反直觉真相：财经视角的AI产业观察》为题，从财经媒体十年追踪出发，分享了对AI产业的观察。他认为，AI已从“会不会来”进入“如何共存”的现实，并呈现出多个反直觉真相。 全球层面，第一个真相是AI瓶颈不在算法，而在电力。英伟达CEO黄仁勋预计到2030年AI基础设施投资达7.9万亿美元，数据中心电力需求激增，能源基础设施将成为最具确定性的机会。第二个真相是AI不会偷走所有工作，而会重新定义工作。世界经济论坛预测2030年9200万岗位被替代、1.7亿新职业产生，但核心是“任务重构”，人类价值在于判断力、创造力和理解人性。第三个真相是开源模型正改写竞争格局，技术封锁有效性下降，真正优势在应用场景、数据积累和商业模式。 中国层面，首先，最被低估的AI资产可能不是大模型，而是电力系统。中国拥有全球最大电力系统、新能源装机、特高压和完整电力设备制造能力。其次，具身智能的突破口在“脏活累活危险活”，但时间比想象更长。宇树科技创始人王兴兴认为，具身智能的ChatGPT时刻理想情况下需2～3年，关键挑战是模型与真实机器人的对齐。最后，中国AI出海机会在“技术降维+成本优势”，将成熟技术快速产品化、规模化，满足发展中国家市场。 投资方面，他提出三个尚未达成共识的地带：AI能源基础设施全产业链，从发电、输配电到液冷、UPS不间断电源和电力电子芯片，形成万亿级确定性市场；AI驱动的跨境投资结构性变化，关注数据本地化、算力基础设施和人才流动；AI与传统产业交叉的“隐形冠军”，尤其是把通用智能翻译成产业生产力的新产业。中国场景碎片化、行业知识深、非标流程多，“最后一公里”工程可能更重要。 在演讲最后，他提出AI治理问题：当AI开始自我进化，人类如何踩下刹车？建立AI刹车机制，在临界点到来之前而非之后，能够踩一脚刹车，已成为比技术突破更紧迫的议题。 圆桌对话：智能替代、价值重建与治理进化 论坛下半场，第一财经主持人孙睿淇与云知声创始人兼CEO黄伟、仁新机器人CEO胡豪杰、复旦大学哲学学院副教授祁涛、虹江资本创始人宋俊围绕“AI浪潮下的智能替代与螺旋上升”话题展开圆桌对话。 在“智能替代：哪些产业与职业正在被颠覆？”这个风暴点上，黄伟以Coding为例指出，程序员发明出了大模型，大模型却首先冲击编程行业。AI能够提效，但工作边界需重新定义。胡豪杰表示，工业AI正优先替代高危、高复杂、高稀缺工种，而保姆、保洁等看似简单的工作因不确定性高，反而难以替代。祁涛表示，长时间在单一标准下工作，会给人带来压力甚至折磨，即所谓“班味”很重。AI可以替代掉的，恰恰是人们不想做的工作内容。宋俊认为，本轮替代与工业时代机器换人不同，AI边际成本不递减，且能在高精尖科研领域实现“矢量相加”，挑战人类最高智商领域。 面对“价值重建：独属于人类的尊严与意义在哪里？”这个风暴点，祁涛提出“AI时代新人文主义”，强调人应返回自身，挖掘理性之外的能力，注重“认识你自己”。黄伟表示，目前人才招聘时会更看重想象力和思辨力，FDE（前沿部署工程师）需理解客户需求并与AI能力对齐。胡豪杰认为，思考、创造力和提示词决定AI输出质量，人仍起决定性作用。宋俊关注“人+AI”放大优势，如金牌销售可管理更多客户。 整场圆桌对话在“治理进化：如何构建适配智能时代的托底制度体系？”这个风暴点的讨论中结束。托底建议方面，黄伟呼吁“科技向上向善”，AI现阶段不要做所有事；胡豪杰提出将工匠经验数字化，让老技工转为AI训练师，实现技艺传承与角色转型，提升职业尊严。充分利用人类的经验，发挥人的价值；祁涛建议在18岁基础教育阶段对AI使用设置严格限制，给传统教育保留足够大的空间；宋俊认为监管应留在公共领域而非少数巨头领域，AI最终可作为公共财富由人类协同投资运作。预见环节，嘉宾描绘了更多时间用于创造与人际交流、人不断定义自己人生、从高危劳动中解放并成为机器人指挥官、建立全民福利型社会等愿景。论坛呼吁，在智能替代螺旋中守住人的价值，完善托底制度，让技术红利惠及每个人。 正如论坛所强调的，技术力量越强大，越要守住人文底线；期待的人机共生，不是让人去适应机器，而是让技术服务于人，从“替代人”转向“增强人”，让AI成为拓展人类尊严疆界、放大人类潜能的工具。

2026-09-12: 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区举行，本场论坛由复旦大学哲学学院与第一财经联合主办，复旦大学计算与智能创新学院教授张军平发表主题演讲，题为《人工智能时代:人类如何共存？》，梳理人工智能九十年来发展脉络，剖析AI能力边界，探讨人与人工智能共存之道。张军平介绍，人工智能发展至今已有约90年历史。从早期战胜跳子棋选手，到1997年战胜国际象棋世界冠军，再到2016年AlphaGo战胜围棋世界冠军，AI走出不少人类棋谱中未曾出现的棋招，展现出脱离人类传统思维并从0开始学习的能力。近十余年来，数据、算法、算力三大要素推动AI快速迭代，2017年Transformer架构诞生催生大语言模型；扩散模型等技术则带动AIGC快速发展，多模态生成能力持续突破。他提到，2026年各类AI智能体应用加速落地，普通人可借助工具快速搭建专属智能体，自然语言编程降低技术门槛，AI可辅助完成报告撰写、编程等各类任务。演讲中，张军平援引经典悖论：人类觉得复杂的机器觉得容易，人类觉得容易的机器觉得困难。他认为，“一旦跟学习相关的任务能够被标准化、程序化、流程化，AI都可以做得比人还好。相反，人觉得简单的任务机器会觉得复杂，这是自然进化的过程，地球近40亿年的进化时间，这个时间非常长，AI要把它模仿出来还不是那么容易。”在就业影响层面，他分析，标准化、学习类白领岗位更容易受到AI冲击；而大量蓝领实操工作反而更难被替代。未来还或将诞生“AI解读师”这类新职业。张军平指出，在AI时代，人类需要保持几种能力：批判性思维、个人特色和视角，还有想象力。“虽然人工智能非常厉害，但本质上来说，它输出的还是统计结果，没有办法反映个性。所以，AI时代个人特色很重要，视角、活人感很重要。对于每个人来说，能够成为六边形战士会比较稳妥一点。”张军平判断，长远来看，诸多学科或将逐步统一到人工智能研究框架之下。此外，张军平认为，“人类的心智极其复杂，但是我们没有必要一定用我们上下五千年或更长时间的人类文明总结的简单规律和规则去描述它。依赖于算力数据模型，人工智能可以学习更为复杂的规律，这是人工智能未来的潜在方向之一。”

2026-09-12: 算力是数智时代的新型信息基础设施，算力网作为“六张网”之一正在加快建设。 9月12日，2026中国算力大会在河北省廊坊市开幕。工业和信息化部总工程师钟志红表示，工信部持续推进算力设施建设、提升产业创新能力。截至今年6月，我国智算规模达2185EFLOPS（FP16），同比增长177%，建成超70条连通算力枢纽、重点区域的算力传输通道，批复17个国家算力互联互通区域节点。 钟志红表示，要加快构建“枢纽—区域—边缘”多层次、梯次化算力架构；持续完善中国算力平台功能，促进算力资源统筹监测和高效利用。强化算网融合，筑牢协同发展底座。搭建高速互联、超低时延、韧性强健的算力传输通道，按需部署城域毫秒接入，持续推进算力互联互通节点体系建设。 当前，太空算力正从概念验证走向规模部署，成为大国竞争和区域协同的新赛道。北京经济技术开发区、天津经济技术开发区、河北雄安新区、廊坊市四地携手，发起共建京津冀太空算力产业长廊倡议。长廊以构建天地一体跨域算力网为使命，协同开展技术攻关、场景探索和集群培育，打造开放合作的太空算力产业生态。 四地明确了各自在太空算力产业长廊中的定位与使命：北京经济技术开发区聚焦“星箭策源、算力上天”，作为全国商业航天星箭制造核心策源地，算力从这里启程奔赴太空；天津经济技术开发区聚焦“天河筑基、超智融合”，依托国家超算天津中心天河系列，推动超算与太空算力智能融合；河北雄安新区聚焦“星网领航、网算一体”，依托中国星网总部，推动卫星互联网与算力网络一体协同；廊坊市聚焦“毫秒链接、天地协同”，依托环京算力枢纽毫秒级通达优势，实现地面与太空算力天地协同。 大会开幕式上宣布，中国算力平台实现全国一体化算力统筹监测，我国算力“一张网、一盘棋、一体化”发展格局基本形成。 中国算力平台是国家级综合性算力服务平台。截至目前，中国算力平台算力超市运营层已汇聚注册企业用户超万家，入驻算力服务商逾200家，上架算力产品2000余项，接入各类大模型超300个，为广大开发者提供算力调用服务，累计沉淀数十亿条算力监测大数据，我国算力统筹治理迈入“全域监测、全网协同、全链调度”新阶段。 大会发布的《2026综合算力全景分析》报告显示，我国综合算力基础持续夯实，正从“建得多”加快转向“用得好、协同好”，智能算力已成为综合算力体系的重要支撑。 上述报告称，我国算力产业发展仍面临区域发展梯度差异明显、算力与行业场景融合不足、跨区域算力调度落地制约较多等挑战。下一步，建议分类施策，推动算力、存力、运力协同规划，强化跨区域资源调度和供需匹配，提升中西部资源优势向服务能力的转化效率；同时，发挥东部市场、产业和创新生态优势，推动综合算力从规模优势进一步转化为发展质效和应用价值。 大会还发布了首批普惠算力赋能中小企业发展服务清单。钟志红表示，降低用算成本和应用门槛，切实把“普惠算力应用红利”转化为“中小企业发展动力”；推动分行业凝练高价值场景，以算力支撑“人工智能+”行动，促进各领域数字化、智能化、绿色化升级。 河北省副省长赵大春表示，河北省抢抓全国一体化算力网建设机遇，持续优政策、强供给、搭平台、拓场景，积极推动算力、数据、算法融合发展，着力打造环京智能算力集聚区。 当前，河北全省智能算力规模达556EFLOPS（FP16），在用机架规模达250万标准机架，均位居全国第一。近两年，河北省综合算力指数在31个省份中持续排名第一，廊坊、张家口城市算力分指数稳居全国前两位。河北在钢铁、化工、交通、医疗等26个领域研发了441个垂直大模型和98个智能体。

2026-09-12: “25%。” 当蚂蚁集团CEO韩歆毅、万事达卡首席产品官Jorn Lambert、OPPO高级副总裁刘作虎和阿里巴巴集团首席科学家周靖人坐在一起，支付、卡组织、智能终端和大模型——Agent交易链条上的关键“基础设施”几乎到齐了。 但四个人中，真正用Agent完成过交易的有多少？答案是只有韩歆毅一个人。他笑着说：“25%了，可以了。” 2026 Inclusion·外滩大会在上海举行，今年的大会主题是“共创AI新经济”，技术之外，AI如何影响了普通人的生活是值得关注的一条隐线。当AI进一步接受真实世界的检验时，记者从本届外滩大会看到，一些创新的应用和突破仍在发生，也有一些过去的乐观被校准，“AI新经济”成为一道既需要活力，也需要冷思考的命题。 从场景跑通到落地经济 韩歆毅完成的那笔Agent交易并不复杂。上周，他让蚂蚁阿福购买了坚果、海苔等健康零食，在淘宝闪购下单，花了40多元。 其余三人也在以其他形式使用着AI，周靖人逐渐开始跟模型、Agent进行各种讨论，让AI帮助他做一些决定；刘作虎用Agent自动收取过蚂蚁森林的能量；Jorn Lambert已经大量使用AI发现商品和服务，但还没有真正从“发现”走到“支付”。 “原因不是我不想这么做，而是整个行业的规则、流程、基础设施都是为电子商务时代设计的。我们要改造这套体系、建立新的原则和标准，才能让像我这样的消费者信任、使用智能体支付。”Jorn Lambert表示。 改变正在发生。步入本届外滩大会的展馆，记者发现，更多智能体服务在覆盖旧的生活场景。便利店里，美宜佳展位的咖啡已经可以通过生活服务智能体点单，用户打开支付宝，右滑后对着超级服务智能体“阿宝”说一句“帮我点一杯BeCoCo咖啡”，智能体就能识别点单需求并完成AI支付下单；在健身、打车、家政服务等场景，蚂蚁阿宝完成了上万项服务的AI化适配，更多解决智能体安全、可信问题的技术也在被推出。 不过，场景的“跑通”与嵌入更多普通人生活之间仍有差距，韩歆毅坦言，去年第四季度，行业对Agentic Commerce（智能体商业）的判断非常乐观，普遍预计其将快速增长，但今年的实际落地速度明显慢于预期。 技术迈过了智能体能够完成支付的第一步，但如何让它更好用、吸引更多人用的现实课题，正在推动着支付宝等厂商主动迈入推动智能体供给生态繁荣、安全标准确立，以及模型和Agent系统获得更完整上下文等长期挑战中。 这种来自真实世界的检验并不只发生在智能体商业。本届外滩大会上，当讨论深入到“AI新经济”，产业界对AI硬件、具身智能等领域的思考也在变得更加冷静，除了技术能做到什么，产业界也开始追问用户是否需要、商业能否成立，以及生态是否已经准备好。 洛图科技监测数据显示，今年7月京东、天猫、抖音三大平台智能眼镜销量7.4万台，同比下滑15.3%。谈及智能眼镜等AI硬件的热度回调，峰瑞资本副总裁颜黔杭表示，他看待AI硬件时还是倾向于按照传统消费电子的逻辑去看：它解决了什么样的问题，受众群体有多大，未来是否能够持续增长或者形成一个品牌？他仍然长期看好这个赛道方向，但也认为智能眼镜今天并没有创造特别新的交互方式，视觉交互还很浅。 并非引入了AI或新技术就能够让一个新品类获得巨大的突破，最终还是消费者体验说了算。颜黔杭表示，AI硬件产品如果没有长期的使用价值，消费者尝鲜后会快速回落，而从供应链的成熟去推动新交互范式，创造长期的新需求，可能产生巨大的机会。 具身智能热议行业泡沫 如何给具身智能产业“挤泡沫”，也是本届外滩大会的热点话题。有参会嘉宾把具身智能产业称作目前科技界最极致的矛盾体，一端承载了人们对物理AGI宏大愿景的期盼，另一端是仍处早期的技术与商业现实。置身二者之间，产业界开始更多思考自己的坐标。 在外滩大会现场，超过40家具身智能厂商集中亮相，越来越多机器人既能跳舞、弹琴，也展示出能在药房分拣等产业和生活场景里 “真干活”的能力。 但谈到具身智能PoC（概念验证），苏度科技联创兼CEO韩铮直言，假设机器人需要完成100种任务，大众可能只接受机器人在1-5种任务中的可靠性为80%左右，剩下95%的任务中，人们需要机器人有接近100%的成功率。而目前机器人开始尝试落地的现实是，可能只在5%-10%的任务中能做到接近100%的可靠性，接下来的迭代也许在几年时间内可以达到80%，但追求100%需要非常长的时间。他表示，在很长的时间内，他会放弃掉“跨本体泛化”等更远的目标，先解决某些场景之下的高可靠。 大晓机器人创始人兼董事长王晓刚则提到，行业当前的焦虑，一部分来自市场此前对发展速度的较高预期，而模型和场景落地的实质性突破仍在等待出现。 “我感觉，我们处在黎明的前期。”王晓刚表示，相比去年更多依赖真机数据、VLA和小模型路线，今年随着以人为中心的Ego数据、世界模型的加入，已经开始看到Scaling Law（规模定律）的展现。他认为，具身智能与垂直行业结合紧密，未来仍会有较强的多样性。目前数据、零部件、模型、本体和场景等环节相对分散，未来不同类型的公司可能进一步重新组合。 具身智能的快速发展与行业仍处早期并不冲突。从投资人的视角出发，中科创星执行董事王超观察到，过去三年，具身智能已经出现四波创业者，第一波是宇树、云深处等做机械或运动控制背景的团队；第二波是AI背景团队；第三波是智驾背景团队，今年年初算第四波，做世界模型的人下场了。尽管创业三年，但具身智能的训练范式与数据都还没有准备成熟。 九合创投投资总监赵福珩则提到，具身智能行业目前的泡沫有两类，一类是市场预期机器人未来能解决大量人类劳动，这个市场盘子足够大，如果最终没有解决，那么此时此刻行业就处在一个泡沫里；一类是资本预期未来中国会有100家领先的具身公司，但或许最后“10家以内”才是比较符合规律的商业结果。前一种泡沫仍要等待技术验证，后一种关于公司数量的泡沫一定程度上已经客观存在。 不过，挤泡沫并不意味着产业界转向悲观。多位投资人和创业者仍然认为，具身智能能够形成足够大的产业，值得持续投资布局，甚至行业目前整体的资金量仍是偏少的。现阶段“降低预期”的声音背后，是产业界开始把长期乐观与短期现实分开讨论。

2026-09-12: 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区召开，本场论坛由复旦大学哲学学院与第一财经联合主办，华东师范大学哲学系教授张容南发表主题演讲，题为《人工智能时代如何守护人类尊严》。 张容南表示，现在技术正在不断跨越过去属于人类的边界。AI越是模仿人、像人一样行动，我们就越要警惕一个风险：不要反过来把人降格，用机器的标准去衡量人。 AI会通过哪些方式损害我们的人类尊严？张容南将其归纳成三类风险：第一，人的主体性被算法剥夺；第二，人类独特的劳动经验被提取、复制；第三，真实的人际关系被技术替代，带来关系性贬低。 对此，张容南认为人类需要一套可以落地的尊严评估机制，并将其总结为以下七项原则： 第一，人类主导权原则。司法、医疗、招聘这些对人影响重大的关键决定，必须保留人类复核节点。算法给出的结论是可以被纠正的，当事人可以找到具体的责任主体进行申诉，不能把全部决策权交给黑箱算法。 第二，数据自决原则。采集生理、神经、情感这类高度敏感的数据，一定要做到具体、知情、可以随时撤回同意。产品要提供物理断开的途径，就算不交出个人隐私，用户也依然可以使用基础功能，不能把交出隐私作为使用服务的门槛。 第三，响应脆弱性原则。系统要给人提供停止、求助、人工接管的入口。当识别到风险信号，就要立刻降低自动化程度，把人类照护者请到前台，优先回应人的脆弱处境。 第四，能力支持而非取代原则。AI的定位应该是补足人的能力，而不是全盘接管。要保留人练习、独立判断、自主选择的机会，防止长期依赖自动化，造成人的能力萎缩、批判性思维退化。 第五，数据与叙事自主原则。我们有权访问、修改、删除自己和AI互动产生的数据。企业拿到我们的隐私数据，不可以不经二次同意，就拿去训练模型、做商业变现。我们自己的人生经验和故事，控制权要握在自己手里。 第六，反物化与拟像警示原则。没有经过本人许可，不能把人的形象、声音、身体特征，做成可以随意拼装的数字商品。所有拟人化AI产品，要有清晰标识，持续告诉使用者：它是机器，不是真人，避免使用者产生认知混淆。 第七，人机关系是补充，绝不可以替代人际交往。在老人、儿童、病患这些高依赖的场景，AI机器人只能做辅助工具，绝对不能成为人类唯一的互动对象。公共层面，财政、人员配置、公共服务，要保障真人照护、陪伴、教育的供给，不能把技术拿来当做社会结构性弃责的借口，不能因为有了AI照护，就削减真人服务投入。 张容南表示，这套理念落地需要三层实施路径：第一层，部署前开展独立伦理审查；第二层，建立制度约束；第三层，架构层面提前预设保护。 最后，张容南表示，守护人类尊严，不能单靠技术，需要制度、市场、文化三方协同发力。有三个关键词值得我们记住：第一是责任在场，关键决策必须有人类负责，算法可以被解释、被质疑、被纠正；第二是人类主导，个人的身体、数据、人生叙事，决定权属于本人；第三是关怀底线，技术不能消解人际责任，脆弱群体不能只收到冰冷自动化反馈，人类真实的关怀永远不可替代。

2026-09-12: 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区召开，本场论坛由复旦大学哲学学院与第一财经联合主办，第一财经总编辑杨宇东发表主题演讲，题为《反直觉真相：财经视角的AI产业观察》。 杨宇东介绍，自2016年AlphaGo引爆全社会AI讨论以来，第一财经持续跟踪行业变迁，今年又推出“硅谷观察”专栏，从美国一线带来最新技术动态、投资趋势和产业观察。十年的持续追踪可以看到一个非常清晰的事实：AI已经从“会不会到来”的讨论阶段，进入人类如何与之共存的现实阶段。 杨宇东提出三个全球AI发展的反直觉真相： 第一，AI的瓶颈不在算法，而在电力。当所有人都在关注大模型参数规模、训练方法和推理效率时，一个更基础的问题正在浮现：电力供应已经成为AI发展的真正约束。未来十年，能源基础设施投资将成为AI产业链中最具确定性的机会。不是芯片设计，不是模型训练，而是发电、输电、储能、高效电力电子技术——这些"老经济"领域，正在成为AI时代的新基建。 第二，AI不会"偷走"所有工作，但会重新定义"工作"本身。AI为企业自动化的是员工"讨厌的工作"，而不是"赚钱的工作"。未来职场的核心竞争力，不是比AI更快、更准确，而是比AI更有判断力、更有创造力、更能理解人性的复杂性。这是一场关于"什么是人类不可替代价值"的重新定义。 第三，开源模型正在改写全球AI竞争格局。在AI时代，"技术封锁"的有效性正在急剧下降。开源生态的力量，让任何试图垄断技术的努力都变得徒劳。真正的竞争优势，不在于技术本身，而在于应用场景、数据积累和商业模式创新。 聚焦国内AI产业，杨宇东同样指出中国AI发展的三个反直觉真相： 第一，最被低估的AI资产，可能不是大模型，而是电力系统。美国正在重新发现一个工业时代的问题：算力最终必须落在电网上。而中国拥有全球规模最大的电力系统、庞大的新能源装机、特高压输电网络，以及完整的电力设备制造能力。这不意味着中国"永远不缺电"。真正重要的是：当AI竞争从模型走向算力、再从算力走向能源，竞争优势开始从实验室延伸到电网、变压器和发电设备。 第二，具身智能的突破口在"脏活累活危险活"——但时间比想象中更长。当所有人都在讨论人形机器人何时走入家庭时，真正的商业化突破正发生在工业场景的"脏活累活危险活"。 第三，中国AI出海的机会在"技术降维+成本优势"。在AI全球化竞争中，中国企业的优势不是最前沿的技术，而是将成熟技术快速产品化、规模化的能力。这种能力，恰恰是发展中国家市场最需要的。当硅谷企业还在追求技术极致时，中国企业已经在东南亚、中东、拉美市场找到了自己的位置。 在投资层面，杨宇东提出了三个可能被市场低估的投资方向： 第一，AI能源基础设施全产业链。当前市场对AI投资的关注点集中在芯片、大模型、应用层，但对能源基础设施的重视远远不够。实际上，从发电侧的小型模块化核反应堆(SMR)、燃气轮机，到输配电侧的高压直流输电、智能电网，再到用电侧的液冷技术、UPS不间断电源、高效电力电子芯片——整个产业链都将因AI而重构。随着数据中心单机柜功率密度从5-8kW跃升至数十kW甚至突破百kW，整个电力基础设施产业链都将迎来升级周期。这是一个万亿级市场，而且具有极强的确定性——因为无论AI技术路线如何演进，电力需求都不会消失。 第二，AI驱动的跨境投资结构性变化。2026年6月，中国国务院公布了《关于对外投资的规定》，也促发我们思考：AI正在改变跨境投资的价值锚点。传统投资关注的是劳动力成本、市场准入，但AI时代的对外投资更关注数据本地化、算力基础设施、技术人才流动。那些能够提供"AI+产业"整体解决方案的跨境投资基金，可能获得超额回报的机会。特别值得关注的是：AI正在创造一种新的"技术套利"——不是简单的成本套利，而是在不同市场间寻找"AI渗透率差异"带来的机会。 第三，AI与传统产业交叉的"隐形冠军"。第一财经“硅谷观察”专栏提出的"二阶链条"概念，揭示了一个被忽视的投资机会：在AI改造传统产业的过程中，那些提供"连接器"和"转换器"的企业，往往比AI技术提供商本身更有投资价值。这些"隐形冠军"往往不是纯AI公司，而是"AI+传统优势"的混血儿。它们在公开市场上不够“性感”，但在产业投资人眼中，可能是穿越周期的确定性资产。 杨宇东最后强调，AI带来的不是一次性的替代，而是一轮接一轮的螺旋上升。在这个螺旋中，旧的工作被替代，新的需求被创造；旧的技能贬值，新的能力被定义；旧的商业模式消失，新的价值网络形成。

2026-09-12: 美东时间9月8日，美国家安全局、网络安全与基础设施安全局、联邦调查局联合发布公告，指责中国人工智能企业对美开展所谓“工业规模”“恶意”蒸馏。剥开外衣看，蒸馏是中性技术，美方把它政治化了；公告依据的是个别企业自述，证明力弱；美方真正要维护的是算力垄断和科技独霸。问题的根源不是谁学习了谁，而是美方搞算力管制、打压竞争。一、蒸馏是中性技术，是人类知识更高效利用的通行做法蒸馏是早于大模型出现的教科书技术，本质是模型之间互相学习。2015年辛顿等人系统提出知识蒸馏方法，由教师模型的输出指导学生模型学习，以缩小规模、降低成本。OpenAI曾在官方平台向开发者提供蒸馏服务，阿里巴巴在Qwen2发布五个月后即蒸馏出更小更快的DistilQwen2系列。蒸馏之于大模型，就像教科书之于教育，学生读老师的书学到知识，从来不叫偷窃。它让一部手机也能运行高水平智能，让发展中国家和中小企业用得起，对弥合发展鸿沟意义重大。美国产业界自己也承认这一点。7月24日，英伟达、微软、Meta、IBM等25家机构发表联名信，强调蒸馏广泛用于模型改进、评估和验证，不应与非法提取混为一谈；黄仁勋7月22日明言，蒸馏和从各类知识来源学习是智能发展的基础，应对违反隐私、合同的具体行为追责，而不应针对技术本身。技术无罪，这条界线美国产业界比美国政府看得更清楚。二、美方指控的实质，是算力垄断、打压竞争、科技独霸今年以来，美国有股力量试图把商业纠纷一步步改造成国家安全议题。2月OpenAI向国会提交材料，称多数所谓“对抗性蒸馏”来自中国；4月23日白宫科技政策办公室发布防范“对抗性蒸馏”专项备忘录；6月5日白宫要求安全部门与私营企业加强合作；6月10日Anthropic致信参议院，呼吁加强芯片出口管制、动用经济安全工具惩罚中国实验室；财政部长随后扬言制裁；9月8日三部门发布公告。企业写剧本，安全部门背书，每一轮指控都成为新一轮管制的理由。其真实目的，是在芯片和算力管制之外，再为前沿模型增设一道数据护城河。因为评判的标准和最终话语权掌握在强权机构手中，一旦模型输出被认定为受保护资产，自证清白的举证责任就落到后来者身上，唯一受益方就是拥有最强模型的一方。美国少数头部企业用全网数据训练模型时主张合理使用，轮到自己的输出被学习时就主张财产权，这就是双重标准。而保护照抄、不禁止学习这条界线恰恰是美国自己划的：1984年《半导体芯片保护法》明确允许出于分析评估目的的反向工程，2021年美国最高法院在谷歌诉甲骨文案中认定复制Java接口代码构成合理使用。当年是追赶者时坚持学习自由，成为领先者就禁止别人学习，变的不是法理，而是立场。这已不是知识产权问题，而是发展权问题。三、美闭源模型的限制条款，是限制竞争的霸王条款美方指控的核心依据，竟是用户违反了企业单方设定的地域限制和使用限制，这等于请国家机器为私人合同上锁。2025年9月，Anthropic更新服务条款，禁止由中国等实体控股的公司使用其服务，无论其位于何地；其2026年2月的指控，正是以违反区域访问限制为主要理由之一。一家企业滥用优势地位决定哪国的人不能用，再指责被排除者绕道使用，最后由安全部门为合同背书，这就是用国家强权给霸王条款撑腰。这类条款并非行业规范，而是个别企业的商业选择。Meta的Llama自3.1版本起在许可证中明确允许用其输出训练其他模型，英伟达Nemotron系列更以生成合成数据为卖点。同一件事有的禁止、有的鼓励，说明国际上没有共识，把自家合同说成国际规则是偷换概念。从DVD区域码到音乐数字版权保护，历史证明这类封锁最终都被市场绕过。四、中美业内大多数支持蒸馏，美国企业广泛蒸馏中国模型中方鼓励开源开放，美国知名公司和大量初创企业才是大规模蒸馏中国模型的一方。英伟达研发Nemotron系列模型时，直接使用DeepSeek-R1生成数百万条数学、编程和科学推理训练样本并公开披露；初创企业Perplexity基于DeepSeek-R1微调发布R1-1776；Hugging Face启动Open-R1项目复现DeepSeek-R1，近一年新发布的中国模型下载量已超过其他国家；基于通义千问的衍生模型已超过10万个。微软、亚马逊云均已把国产模型接入其平台向全球提供服务。美企一边用着中国模型再创新，一边指责中国企业学习美国模型，双标一目了然。五、美三部门公告以个别企业报告为证据，证明力弱、逻辑链条不完整公告所依据的仍是Anthropic等个别企业的自述报告，而这些报告拿不出一条来自模型本身的证据。Anthropic先后声称有数万个账号与Claude交互数千万次，但其公开的归因依据只有IP地址关联、请求元数据和基础设施指标，自己也承认这是所谓“高置信度”推测。IP特征极易被海外接口转售商复用伪装，只能算间接线索。逻辑链条更有三处断裂：获取不等于训练，文本被拿去训练、转售还是测试，Anthropic并不知道；大模型是黑盒，无法从权重或输出反推训练数据；DeepSeek在《自然》论文补充材料中已说明，其基础模型训练数据来自网页和电子书，不包含合成数据。独立实测同样不支持公告的判断。中国信通院以某款美国前沿模型为参照，对多个国产模型和国外模型开展了同题测试。结果显示，与参照模型最相似的，恰恰是其同一系列的另一版本模型，各国产模型的相似度则明显更低。答案固定的题目上各家模型自然趋同，不能据此认定谁抄了谁。中美及国际组织至今没有任何法规或标准涉及判定模型是否蒸馏，公告于事无凭，也于法无据。六、中美应理性对话沟通，在广泛领域开展合作大模型正处于快速迭代、风险累积的关键时期，单边管制追不上技术演进，治理只能靠对话协调。中美2024年5月已在日内瓦举行首次人工智能政府间对话，两国元首近期再次同意开展政府间对话，这是处理蒸馏争议的正确轨道。中国政府的立场十分清晰：坚持蒸馏技术中立定位，坚持开源开放，坚决反对遏制打压；在此前提下，愿以平等互利、合作共赢原则，与美方平衡讨论各自关切。在此立场下，中美未来的讨论可能会包括：如何界定未经授权的规模化抓取，如何区分商业纠纷与国家安全，如何避免把学习等同于侵权等等。需要合作的领域远比争议宽广。风险管控上，前沿模型安全测试需要两国实验室互通；伦理标准上，内容标识、模型溯源规则需要协同推进；医疗上，影像诊断、药物研发关乎全人类福祉；应用推广上，普惠发展中国家需要两国共同投入。若美方执意把蒸馏问题武器化，换来的只会是对等反制和更快的国产替代。希望美方与中方相向而行，通过对话管控风险，让人工智能真正惠及全球。（本文作者为中国信息通信研究院人工智能研究所副总工程师王蕴韬）

2026-09-12: 当通用智能的狂奔撞上金融业务的确定性要求，保险业AI的竞争逻辑正在改写。“如今，AI的实际应用已从通用智能迈入行业智能时代。”在9月11日的外滩大会保险见解论坛（下称“见解论坛”）上，蚂蚁集团副总裁、蚂蚁保总经理陈冠华表示。然而，在从通用走向行业智能的过程中，大模型如何越过概率输出满足金融确定性执行的要求，智能体如何从“发布数量竞赛”真正走入生产系统，成为保险业的共同挑战。综合多名与会人士观点，保险业AI的下半场，胜负手不在模型参数，而在精准的“产品定义”，以及如何让概率模型跑通确定性的金融业务。行业智能从“产品定义”起步这两年保险行业最热的话题之一，就是AI到底会给行业带来什么变化。太保产险总经理助理叶明满的判断是，产品、服务、风控与经营模式四个层面都会被改写：产品端，市场想要什么，保险公司就能做什么；服务端，“保险+服务”已成标配，而没有数字化线上化支撑，这些服务很难大规模享权；风控端，重心正从事后转向事前；经营模式端，最大的变化是流程与科技结合的新模式。但陈冠华表示，现实上保险行业应用对原有商业链和价值链的提升远慢于通用智能的发展速度。他认为，保险AI产品的核心要素包括通用模型基础；产品查询、保费试算、理赔跟进等行动要素；客户年龄健康、家庭情况、已有保单等情境要素，但行业智能的起点应该是“产品定义”：先想清楚解决什么卡点、重构什么体验范式，再倒推该选多大的模型、接哪些工具、记忆与遗忘哪些上下文。“就像并不是给手动剃须刀装上电机，就能变成电动剃须刀。而是应该先根据市场需求决定设计一款电动剃须刀，再决定调用哪些能力。”陈冠华举例称。“通用智能在不断拓展技术的边界。而行业智能要做的，是利用这些能力去探索服务体验的边界。”陈冠华说，“我们认为，在未来的AI时代，保险行业的产品应该是每个保险的参与者站在自己的角度，利用自己的禀赋，通过自己对用户的理解和洞察，百花齐放创新出更多的好产品，而不是‘All in one Chat’（一个聊天框包打天下）。”预测概率模型 vs 金融确定性好的AI应用要真正走进保险业的生产系统，还得先跨过“确定性”这道关，监管已经先给出命题。6月18日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》（金发【2026】8号，下称“8号文”），从治理、开发、数据、算力、风险等七大方面提出32项要求。在阿里云智能集团副总裁张翅看来，“8号文”更像一道开放命题，要求金融机构部署AI应用要能回答出四问：结论有没有依据、过程查不查得到、出了问题退不退得回、责任落没落到人。而行业机构如何落地背后，需要清楚大模型本质是Token的概率预测，金融业务执行却必须具有确定性。要跨越这道鸿沟，需要把智能体在金融场景中做成可信的工程体系。“去年应该是金融机构发布智能体最多的一年。”张翅在见解论坛上表示，但部分智能体功能单薄，进入真实业务流程后会发现很多问题，例如费用口径与机构现行文件不一致，推理过程没有留痕，版本更新过后也难以回退和审计等。因此他提出，必须把数据、专家知识等要素沉淀为可验证的本体，把散落在客户拜访、群聊记录与调研报告中的“上下文”一并收拢，以数据合同、工具合同、结果判定合同等来约束智能体执行，将“8号文”的相应监管要求转换成“门禁体系”逐项校验模型升级，同时在运行框架建立可追溯的回流机制。他透露，这套“可信控制面”体系已在部分头部银行、险企落地实践。张翅将金融Agent的成熟度划分为五级：一级会聊天，二级会写文档，三级会查依据，四级能过“门禁”，五级可交付。他认为，多数机构今天仍处在一到二级，少数到了三级，但至少四级才是金融机构应该设定的AI应用目标。“这还仅仅只是一个开始，背后相应的从模型到智能体到算力的技术体系，都是未来应该努力的方向。”张翅说。

2026-09-12: AI开始能够解决越来越难的数学问题之后，一批世界顶尖数学家却发出了警告：如果AI越来越快地给出答案，数学可能失去一些比答案更重要的东西。当地时间9月11日，陶哲轩、邓煜、彼得·舒尔茨（Peter Scholze）等25位菲尔兹奖得主作为最初签署人，联合发表声明《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics），警告AI公司与数学共同体之间正在出现“严重错位”。陶哲轩当天在个人博客“What’s new”发布了声明全文。他介绍，这份声明源于25位菲尔兹奖得主过去一周的讨论。由于认为当前问题具有紧迫性，他们没有等待更长时间进行更广泛的协商，而是决定尽快公开发表声明。这份声明没有否认AI在数学上的进步，首先承认了一个正在发生的变化：过去几个月，大语言模型的数学能力出现显著提升，已经能够解决多个数学领域的重要未决问题。但问题也由此出现。25位数学家认为，AI公司正在把解决数学问题作为衡量模型能力的基准，而数学共同体真正追求的，并不是尽可能快地得到一道题的答案。“AI公司的目标与数学共同体的目标存在严重错位。”声明称，AI公司推动模型解决数学问题以作为能力基准的做法，可能损害数学研究以及数学共同体。在这些数学家看来，一个著名数学问题之所以重要，并不只是因为最后能够得到“对”或者“错”的结论。长期以来，重要的未解问题更像数学世界中的“地标”和“灯塔”。一个问题被解决，通常意味着研究者发现了新的洞见、方法或者概念。随后，这些成果还需要经过数学家之间的报告、讨论和不断简化，最终才可能变成研究生甚至本科生能够理解的教材内容。一些数学思想甚至要经过几十年乃至几百年，才会成为被更广泛使用的工具。公开信强调，“解决问题只是实现概念理解和洞察这一首要目标的工具和代理指标”。这也是25位数学家最担忧AI竞赛的地方。当AI公司不断以“解决了多少此前未解的问题”衡量模型进展时，原本用于衡量数学理解程度的指标，可能反过来成为被机器快速优化的目标。声明警告，以越来越快的速度批量生产“真/假”结论，可能不是在孕育新的思想，反而可能摧毁孕育思想的沃土。速度带来的另一个问题是，数学成果本身需要时间被理解。声明称，一些AI产生的解答被匆忙宣布，没有留下足够时间完成规范的论文写作、提炼其中真正的新方法和新思想，以及引用其他研究者此前的相关工作。这也由此带来了严重的成果归属和抄袭问题。即便AI能够产生正确而新颖的数学思想，25位数学家认为，人类数学家的工作也没有因此结束。如果没有数学家继续发展这些思想，并将其整合进数学知识体系，AI产生的思想也无法真正“活起来”，数学家之间至关重要的知识传承链条也可能随之丢失。比“AI能不能做数学”更深一层的担忧，是数学家如何被培养出来。公开信称，数学这个职业最宝贵的资源是学生和思想。数学家给学生布置问题，并不只是希望他们得到答案，更重要的目的之一，是让他们在解决问题的过程中发展研究所需要的能力。数学思想同样需要通过报告、私人讨论和严谨写作不断传播，并与此前的研究建立联系，而这些过程都需要时间和人与人之间的互动。当AI能够越来越快地直接产出最终结果时，问题因此发生了变化：如果答案可以直接获得，人类是否还会经历那些形成理解、提出新问题和产生新思想所需要的训练过程？25位数学家因此把这场争论进一步扩展到了数学之外。“我们正在目睹一种对智力劳动的普遍威胁。”声明称，在许多领域，过去多年的专业训练不仅是为了生产最终答案或产品，也是为了发展理解能力，以及提出新问题和新思想的能力。但建立在人类此前积累的大量知识之上，AI系统正在越来越有能力直接产生这些工作的结果，由此造成了目标之间的错位。不过，这份声明并没有主张拒绝AI。25位数学家明确表示，AI具有加强和加速真正数学研究与理解的潜力，数学这一职业也需要适应由此带来的变化。真正尚未确定的是，这种变化最终会推动数学发展，还是产生破坏性影响，而结果在很大程度上取决于掌握这项技术的人如何作出选择。这也让数学界正在讨论的问题，从“AI能否解决人类数学家解决不了的问题”，逐渐转向另一个更基础的问题：当机器越来越擅长给出答案，人类究竟希望从数学研究中得到什么？25位菲尔兹奖得主在声明最后呼吁，数学共同体、开发AI技术的公司以及整个社会都需要尽快面对这一问题。声明还提醒，当AI改变工作的完成方式时，不能因此忘记这些工作最初究竟希望实现什么。

2026-09-11: 上海市委书记陈吉宁今天（9月11日）上午在上海创智学院调研时指出，要深入学习贯彻习近平总书记考察上海重要讲话精神和对上海工作重要指示要求，紧紧围绕立德树人根本任务，勇担科技报国使命，更好服务国家战略，乘势而上、奋楫争先，加速源头创新突破，深化育人模式创新，营造开放共创生态，加快向全球顶尖的人工智能学院进发。 上海创智学院成立两年来全面落实国家战略，牢牢把握办学定位，不断探索超常规培养人工智能人才之路，一体打造“研创学”融合生态，加快形成开放、有活力的创新创业生态，持续涌现高价值高潜力的创新成果，为人工智能发展提供科技支撑。陈吉宁实地察看学院“影响力指数”评价体系建设，听取学院举办首届非共识创新大会，鼓励思想交流、推动非共识创新相关工作汇报，了解师生对于学院育人模式和评价体系的体会和感受。陈吉宁说，上海创智学院是部市合作共建的改革试验田，也是发展人工智能的重要试验田，从诞生之日起就担负着特殊使命，厚植着落实国家战略、发展人工智能的基因，探索形成了与之相适配的组织架构、育人模式、评价体系和创智文化。要锚定办学定位，锐意创新突破，在打破传统边界中提高自主培养质量、不断实现办学目标，让更多具有战略思维、不断突破边界、擅长工程组织的人才脱颖而出。 在创智学院科研成果展示区域，市领导仔细察看了师生在有组织科研、联合实验室等方面的最新成果，就开展新前沿探索、强化科学智能赋能、推动科研成果孵化以及面向产业一线、企业真实需求加强合作对接等，同学院师生作了交流，勉励大家再接再厉，强化使命担当、突出使命驱动，面向国家重大战略需求，积极参与和开展探索性研究、有组织科研，在关键核心技术攻关、掌握科技战略主动上大展身手。 随后举行的座谈会上，陈吉宁听取学院成立两年来总体建设和办学情况汇报。学院师生代表作了交流发言。陈吉宁指出，习近平总书记今年在上海考察期间就加强基础研究、发展人工智能发表重要讲话、作出重要指示要求。希望学院切实把思想和行动统一到习近平总书记重要讲话和重要指示精神上来，牢记“四个放在”，担当使命责任，展开敏捷行动，为人工智能发展作出更大贡献。 陈吉宁指出，发展人工智能是具有战略性的长期任务。要放长远眼光，保持战略定力，既要站高望远、把握规律，从第一性原理探究人工智能本质，深耕原始创新、自主创新；也要聚焦重点、发挥优势，不断提升现实竞争力，形成原创性、颠覆性成果不断涌现的生动局面，更好增强科研信心、走在科研前列。要强化前沿导向，支持师生投身高风险、高价值基础研究，拓展人工智能的科学内涵和应用边界，加快开辟理论新突破、模型新架构、技术新路径。聚焦科学智能，强化超前布局和技术攻坚，更好发挥引领作用。 陈吉宁指出，创智学院要进一步探索人才培养规律，坚持“价值塑造、能力培养、知识传授”三位一体，大力弘扬科学家精神，引导师生坚定不移怀爱国之心、立报国之志、增强国之能，始终保持深厚的家国情怀和强烈的社会责任感。要关注每个学生的身心健康和成长需求。要着眼全过程创新、全链条加速，与产业保持紧密、高频互动，深化基础研究、技术攻关与产业应用协同。更好把握上海乃至长三角区域的空间载体优势、产业集群优势、人才集聚优势，深度融入区域创新生态和产业生态，携手创造人工智能发展的美好未来。 市领导华源、贺青参加调研。

2026-09-11: ①OpenAI：推出Agents API公开测试版； ②SpaceX 首席财务官：公司再签AI算力大单； ③奥尔特曼：OpenAI考虑放缓尖端AI开发； ④DeepSeek：9月14日后将继续提供V4 Pro的API调用服务； ⑤浪潮信息：拟定增募资不超90亿元投建AI基础设施等项目； ⑥软通动力与字节跳动旗下Flinco达成战略合作； ⑦亿田智能、燧原科技等成立新公司，含AI相关业务； ⑧我国面向全球首次发布“智能找矿”系统； ⑨韩国推进小型模块化反应堆商业化。

2026-09-11: 光互连产品的热度从一场展会就可窥见。 9月9日至11日的中国国际光电博览会（下称“光博会”）上，热门展台常围着数十名观众。第一财经记者参加的一场论坛原本只安排了一百多个座位，到演讲开始时，又有数十名观众把过道和门口堵住了。一名演讲嘉宾调侃，现场的人员密度好像比算力密度更高。 “以前从来没想过光模块这样一个东西可以真正站到AI的舞台中央，不再是产业链的普通一环，而是成为AI基础设施建设的核心之一。”光迅科技营销市场副总经理蒋波感慨。 第一财经记者看到，不少厂商在光博会上展出NPO（近封装光学）相关产品，代表了数据中心互连方案从铜向光演进的趋势。不过，也有一些业内人士看到光互连方案演进过程中，各种路线之间尚存在的博弈和分歧。 “没有NPO都不好意思讲” 光互连站到了AI产业链的核心。 “海外云巨头规划构建吉瓦级AI数据中心，可支撑部署超十万卡AI集群，对应需配置百万只光模块。”新易盛业务拓展总监张金双称。 光博会论坛上，一个案例被光模块产业人士反复提及：市场研究机构LightCounting在一年内三次上调以太网光模块市场规模预测。按照该机构预测，2031年全球100G以上以太网光模块市场规模将达到800亿美元左右。 数据中心互连方案正从铜向光演进，光互连方案包括当前普遍采用的可插拔光模块、XPO（超高密度可插拔光模块）、NPO和CPO（共封装光学）。这些方案中，业内认为CPO在性能、功耗方面有最优解，NPO某种程度上则是一种产业化潜力较高的过渡方案。NPO方案在此次光博会上尤其惹眼。 第一财经记者现场看到，多家光模块厂商展出了400G、800G、1.6T（传输速率逐渐增大）的可插拔光模块。新易盛在一块大展板上写着：NPO正在到来。张金双表示，新易盛已发布了1.6T光模块以及6.4T NPO方案，NPO方案已在推进与客户合作。 华工科技子公司华工正源则用展板介绍了公司3.2T NPO的设计。华工正源CTO罗传能表示，公司的NPO产品已做到3.2T，相关产品已在与客户做测试。此外，记者看到，东山精密旗下索尔思光电展出了6.4T NPO模组，中际旭创子公司智禾光通展出了3.2T NPO产品，Coherent则展出了NPO、CPO和XPO可用的光子集成电路。 “今天大家会觉得，如果一家厂商没有展出NPO方案，可能都不好意思去讲了。”东莞立讯技术股份有限公司光产品经理彭小伟说，NPO的确定性今年变得越来越大。 除了光互连方案向NPO演进，市场对光互连产品的传输速率要求也越来越高。 一名光纤厂商工作人员在展台上向观众介绍，很多互联网客户原本下了400G产品的订单，后来又商谈能否换成800G的产品，即便换不了，还想下800G产品的订单。该光纤厂商工作人员向记者介绍，对于更高带宽的产品，客户已在试用。 光互连方案与传输速率相关，一般认为，从铜互连到可插拔光模块、NPO、CPO，速率可以做得更高。设计上，传输速率或带宽大致等于单通道速率乘以通道数，而铜互连的单通道速率受限，带宽要提升就要用到光互连。业内判断，在传输速率1.6T前，可插拔光模块基本已覆盖需求，当前可插拔光模块仍是销售主力，但在此之后会有越来越多方案。 业内对于光互连速率演进和方案迭代也有预计。 中国信息通信研究院技术与标准研究所副所长赵文玉在论坛上表示，直到2030年，800G及1.6T可插拔光模块仍将占据主导地位。具体而言，今年800G及1.6T可插拔光模块全面替代400G成为主流，预计明年NPO技术实现量产并开始规模部署，2028年3.2T光模块开始商用。2027年至2030年，乃至2030年后，多项新技术方案将落地部署，NPO、CPO所占比重将逐步提升。 蒋波也预计，800G产品是今年出货主力，1.6T产品自2026年开始放量，3.2T预计于2028年批量出货，传输速率基本上每年迭代一次。 产业链存在博弈与分歧 要提升光互连性能，业界正在尝试各种方案，期间产业链存在持续的分歧和博弈。 蒋波表示，目前行业在光互连领域的部分底层认知上已达成一致，但对于关键技术路线，仍处于博弈与待定状态，产业链存在分歧。 例如，对于单通道400G速率的电接口与调制格式，产业链仍未达成共识。单通道400G光调制器技术路线也尚未收敛，下一代调制器路线在性能、良率、成本和生态之间继续拉扯。Scale-up（纵向扩展，一般指机柜内）互连架构选择也存在分歧。 “光器件瓶颈也约束互连技术的演进上限，存在几堵‘墙’。”蒋波称，单通道带宽到200G以上开始撞上带宽墙；寻求更多通道数，增加热量和功耗，对封装技术提出高要求，良率可能下降，则撞到封装墙；增加单通道带宽和通道又撞到散热墙。不管往什么方向走，总能遇到制约的因素，为跳出制约，出现了百花齐放的技术。 他表示，底层技术激光器有Vcsel、CW-Laser等，调制器有Si、InP等选择，探测器、电芯片、集成与封装技术也有多种，产品形态则有铜、可插拔、NPO、CPO等。 “这些因素做乘法，就能算出有多少种选择。现在的问题不是技术太少，而是太多，产业链出现多元化分歧。”蒋波称，产业链各方都希望找到自身利益最大化的路径，要经由综合权衡与博弈才能得出最适合市场的方案。 博弈则体现在产品形态上，一些产业链环节对CPO方案有所“忌惮”。近期NPO方案的火热，正是产业链博弈在现阶段的产物。 CPO需要将光、交换和计算芯片通过先进封装集成在同一基板上以缩小电信号传输距离，虽然性能、密度、功耗与延迟方面表现理论上更好，但因CPO系统集成度高，有能力做CPO的厂商不多。 “我跟服务器、交换机厂商交流的时候，他们经常问一个问题：CPO出来之后我们做什么？因为可能由英伟达自己做了。”彭小伟说，CPO是一种“强绑定”、相对封闭的模式，做CPO的前提是能拿到交换芯片且有工艺能力做先进封装，而对传统光模块公司而言，芯片层面就存在“拦路虎”。对云厂商而言，也会担心采用CPO会被英伟达、博通绑定。当前国内云厂商都偏向NPO方案。 业界人士认为，相比CPO，NPO是在性能和工程之间找到的一个平衡，其生态也较为健康，体现在供应商承接自可插拔光模块产业，产业链不需重构，且相对分散。 这些博弈影响了行业对于发展趋势的判断。罗传能援引LightCounting的数据称，该机构近期上修了未来几年NPO的市场容量预测，此前该机构较看好CPO的表现，但对NPO的最新出货预测已反超CPO。 不过，要实现NPO方案，也存在一些难点。 罗传能说，NPO的优势包括高速率、高集成度、低功耗、适用风冷和液冷散热系统、产业链解耦，但NPO方案现在最难定下来的不是技术，而是方案还未收敛，例如每家给的Socket（电连接器）方案都不一样。 从方案可实现性上看，CPO和XPO也存在一些难点。 彭小伟表示，CPO方案涉及更多芯片层面的处理，短期难以大规模量产。蒋波则称，当前产业链对于CPO的部署节点尚未有共识，“CPO部署是否急迫？今年下半年有多少量？明年有多少预测？这是我们最常听到的问题。与此同时，NPO和XPO方案还在持续反击。” 对于延续了可插拔产业链的XPO方案，彭小伟则认为，XPO进行多通道布局难度大。制造方面，由于通道多，不良率容易累积。在运维上，XPO则强依赖液冷，部署可能需要改造存量机房。

2026-09-11: “六张网”之一的算力网正在加快建设。工业和信息化部日前印发的《信息通信行业发展“十五五”规划》（下称《规划》）提出，提升算力设施发展水平，深化算力协同发展能力，强化公共算力服务能力。到2030年，我国智能算力规模较2025年增长超5倍。近日，第一财经记者参加“算力中国行”（京津冀）媒体调研活动，探访多家智算中心、算力企业、智能制造车间、词元工厂等。业内专家提出，“十五五”时期，算力网建设将新增直接投资4万亿元，面向算电协同、超大规模智算集群等重点领域，将为各类经营主体创造广阔投资空间，持续赋能千行百业数字化智能化转型。算力基础设施加快建设当前，人工智能的爆发式增长对算力的需求呈现出指数级攀升。“十五五”规划纲要提出，深入推进“东数西算”工程，构建多层次算力设施体系和全国一体化算力网。2022年，“东数西算”工程启动，引导东部算力需求向西部转移。此后，多部门联合发文，明确构建联网调度、普惠易用、绿色安全的全国一体化算力网。我国算力网加快布局建设，整体规模持续扩大。截至6月底，全国智能算力规模同比增长177%，达到每秒可执行2185百亿亿次浮点运算，为人工智能等新兴产业加快发展提供更坚实的算力支撑。围绕“东数西算”八大国家枢纽节点，全国东西部主要地区已形成毫秒级算力服务圈。全新的全国一体化算力网监测调度试验验证平台进入试运行，全国超六成算力已纳入统一监测，算力接入和精准匹配能力不断提升，服务人工智能、工业制造、科学研究等上百个应用场景。中国宏观经济研究院产业经济与技术经济研究所副研究员于潇宇认为，算力网建设主要包括算力生产、传输调度、能源支撑和行业应用等环节，具有需求增长快、市场化程度高、技术要求高等特征。算力网不是简单把服务器、数据中心、终端设备连接起来，而是依托计算、通信、协议和调度技术，把云、边、端等分散算力资源整合。以河北为例，从河北廊坊传输数据至北京城区，时间为2毫秒，这是河北算力优势的生动体现。截至上半年底，全省智能算力规模556.1 EFLOPS（衡量计算机或智能算力规模的性能单位，表示每秒可执行一百亿亿次浮点运算），在用机架规模达250.4万标准机架，均位列全国第1；5G基站规模达22.3万个，互联网省际出口带宽累计达11.26万G。中国信通院2025年综合算力指数显示，河北省综合算力指数连续两年居全国首位，廊坊、张家口两城算力指数连续两年位列全国前两名。河北省通信管理局副局长鲍常科表示，围绕京津冀一体化算力网建设，全行业坚持网络先行、协同联动，着力构建高速泛在、安全可靠的立体化算力运载体系，让算力像水电一样即取即用、触手可及。中国联通廊坊智·云数据中心是河北省首个投产的T3+级别大型数据中心，如今正肩负着“东数”热点地区AI训推一体化枢纽的重任。联通数字科技有限公司云计算事业部智算基础设施运营部总经理温源介绍，这里的智算规模将形成2048PFLOPS（每秒千万亿次）的算力，通过精细化运营，PUE（电源使用效率）降至1.25，意味着每一度电都在更高效地转化为AI生产力。“雄安之眼”城市计算中心是雄安新区批复的唯一一个永久性A级数据中心，汇聚了全域数据与算力资源。雄安云网科技有限公司首席技术官刘鑫介绍，已初步建成边云超智协同的城市计算体系，可提供通算、智算、超算全类型算力，已成为雄安新区数字建设的核心支撑。该中心覆盖政务、疏解央国企、互联网、中小企业、金融教育科研医疗五大业务板块，服务对象超60家，同时承载智能交通、环境监测、智慧医疗、城市管理、产业经济等多领域业务系统，助力雄安新区打造全球领先的智能城市和数字经济创新发展示范区。算力赋能千行百业算力网的生命力在于应用和赋能。当前，以算力网为联结，“人工智能+”行动正全面实施，数字技术与实体产业加速深度融合，带动全产业链发展。围绕先进制造、科研创新、政务服务、医疗健康等发掘应用场景，加快形成“以用促建、以需带供”的良性循环，推动算力网高效运行、可持续发展。在石家庄的中国移动京津冀数据中心，河北移动有关负责人介绍，以老百姓熟悉的民生服务为例，去医院看病、到药房买药，过程中产生的算力服务需求都可以基于政务云平台实现。该中心承接了全省60多个厅局的算力业务，包括省医保局7500万居民的医疗保障系统算力服务。目前智算需求已覆盖医疗领域的肿瘤模型分析以及气象分析、水利分析等场景，算力正从后台走向前台，成为老百姓看得见、摸得着的生产力。钢铁是河北的支柱产业，河北移动与河钢合作打造视觉安监大模型，实现人员高危行为和环境风险实时预警，安全监管从事后排查升级为实时预警，既提升了安全生产水平，也为钢铁产业探索出低成本、可复制的智能化转型路径。河北也是全国现代商贸物流重要基地，交通物流成本优化对全省经济效益提升具有基础性影响。河北交投集团建立了基于AI技术的智能调度应用，实现运输调度的智能化升级，直接服务于物流产业降本增效。值得关注的是，《规划》还对太空算力作出部署，提出构建天地一体的空间网络。强化高中低轨卫星星座协同，推动卫星网络与地面通信网络深度融合，统筹建设星地互联中心，开展手机直连卫星、卫星物联网等应用。银河航天研究院院长张世杰对第一财经表示，天地一体化算力的核心，是推动通信、导航、遥感、算力深度融合，构建“通感算智一体化”的天地智能基础设施。大算力、大能源等相关技术的不断突破，可以为空天地一体、通导感算融合的综合服务体系注入强劲动力。2026年中国算力大会于9月11-13日在河北廊坊召开。大会将重点围绕算电协同、人工智能、具身智能等前沿方向展开交流，并首次设置“算力首创首发发布会”，集中发布一批国产算力芯片、绿色算力技术等创新成果。河北也将借助大会平台，推动一批算力、人工智能头部项目落地签约，进一步汇聚创新资源、完善产业生态。

2026-09-11: 如果科学领域的一个极具启发性的问题刚刚被公开，很快就有一群AI智能体涌入、争相求解，科学家还会愿意把自己尚未成熟的研究方向告诉同行吗？近日菲尔兹奖得主、数学家陶哲轩连续数日在数学社区讨论AI对数学研究的冲击。他把那些能够产生新方法、新洞见的开放问题称为一种可能被快速消耗的“不可再生资源”：一旦某个有价值的研究方向被公开，大量AI算力和智能体可能迅速涌入，抢先推进甚至解决问题。这可能迫使研究者不再公开有前景的研究方向，从而“逆转数百年来开放科学的传统”，并对数学的长期发展造成严重损害。陶哲轩认为，数学问题当然可以无限地产生，但真正值得投入多年研究、能够带来新方法和新理解的问题并没有无限供给。他用一个比喻解释这种稀缺性：一个地区即使被浩瀚海洋包围，也仍然可能严重缺乏饮用水。更令他担忧的，是AI带来的科研机制的变化。当AI越来越擅长获得“答案”以后，数学乃至科学赖以运行的另一套机制会不会受到破坏：公开问题、相互讨论、经历失败、形成新方法，以及年轻科学家在这一过程中的成长。被AI挤掉的“成长阶梯”陶哲轩是积极拥抱并实践AI的顶尖数学家之一。2024年测试早期推理模型o1时，他曾把AI形容成一个“水平一般、但并非完全不称职的研究生”。到了今年3月，他的评价已经明显改变。在UCLA的Accelerating Math and Theoretical Physics with AI（以AI加速数学与理论物理）会议上，他表示当前大模型在数学和理论物理领域已经做好上场的准备了，因为它“节省的时间已经超过浪费的时间”。4月接受Nature采访时，陶哲轩进一步判断，数学家的“工作说明正在发生变化”。他自己已经把AI用于文献检索、代码生成、绘图、计算以及把“大胆的想法”交给 AI 测试。此前，他曾透露自己联手ChatGPT攻克了一个MathOverflow难题，节省了数小时的编码时间。他把AI带来的变化概括为数学正在从 “proof scarcity（证明稀缺）”走向“proof abundance（证明丰裕）”。但问题也随之而来：我们的数学基础设施和文化尚未适应这一点。陶哲轩多次表达了担忧。在一次访谈中，他称科研体系正处在“有些危险的节点”：AI正在以越来越快的速度制造科学产出，或者至少是“看起来像科学产出的东西”，但代价可能是损害下一代科学家的培养。他举例，研究生进入一个领域后，导师通常不会让其直接挑战最困难的开放问题，而是先安排一些难度相对适中、可以获得科研经验和职业认可的项目。现在，这类训练问题正好进入AI快速扩张的能力范围。陶哲轩说，如果用AI替代研究生，AI可以生成研究生水平的论文，但我们不会因此得到下一代学生。如果科研体系只不断生产结果，却没有人继续消化这些成果、形成下一代知识基础，科学社会甚至可能在优化已有技术的同时，失去产生真正原创思想的能力。他打了个比方，做数学像徒步去远方，AI则是架直升机，直接把人们空投到答案附近。但数学的价值不只是到终点，慢速做事也有价值。一个科学家花几个小时在纸上算，在野外亲手做实验，实际调试模拟，他们常常学到很多超出得到答案的额外洞察。他们可以发现新现象，看到联系，看到与文献中先前研究过的某些东西的相似性，并与其他人交流他们的发现，这些可能比最终的证明更加重要。所以悖论出现了：AI变得更强大、更有能力、犯错更少，表面上实现了科学家试图做的许多目标——运行实验、分析数据、写论文。但可能代价是AI获得了一些技能，人类科学家在科学上并没有变得更好。没有人能准确交流发生了什么，为什么这个科学发现有趣，为什么这个证明是新的，它有什么特点以及如何联系。陶哲轩的担忧并不孤立。今年1月Nature一篇题为《人工智能促进科学家影响力增长，却制约科学认知边界扩张》的文章分析了AI工具进入科学研究后的影响。结果显示，使用AI的科学家通常会发表更多论文，也获得更高引用和影响力；但与此同时，他们研究的问题却更加集中，整个科学共同体探索的主题范围出现收缩。这意味着AI可能让科学家变得更有效率，但整个科学体系却未必因此变得更多样。此前，Nature还对近3800名博士生进行的调查显示，四分之三的受访者认为AI能提高学习和研究效率，但65%担忧AI会削弱思考、研究和写作能力。科研产出可以被AI加速，科学家的成长却未必能被同样压缩。这成为AI进入科研之后一个越来越现实的问题。边界在哪儿？为什么这一轮冲击最明显地发生在数学，而不是物理、化学或者其他实验科学？今年外滩大会上，普林斯顿大学教授王梦迪从AI技术本身给出了解释。她认为，目前的大模型尤其擅长学习已有知识概率分布中最常见、概率最高的部分，却容易低估甚至忽略长尾。而真正的科学发现，往往恰恰发生在长尾，甚至意味着找到训练数据和已有知识分布之外那颗从未被观测过的“星星”。数学和编程之所以成为AI最先快速突破的领域，一个重要原因是它们存在明确的“验证器”，每一个计算、每一步推导都可以重现、回溯。在编程领域，代码可以由编译器和单元测试验证；在数学领域，借助各类形式化证明工具，数学证明也可以转换成机器能够检查的形式。AI每进行一次尝试，都能获得相对清楚的“正确或错误”反馈，从而不断尝试、验证和改进。现实世界则没有这么容易。物理、化学和生物研究最终必须接受真实实验的检验。实验设备、材料状态、人的操作乃至环境变化，都可能带来不确定性。在她看来，真正科学发现的瓶颈并不只是产生一个听起来聪明的想法，更困难的是如何验证它。这也说明了为什么今天频繁出现“AI攻克数学难题”，却很难看到AI独立发现一条新的物理定律。而关于AI进入科研，王梦迪介绍，她和团队正在探索一套名为LabOS的科研实验室智能操作系统，希望把实验设计、参数、操作、质量控制和验证连接成一个闭环。一些过去需要有经验的物理博士生耗费数月手工完成的实验流程，可以逐步被自动化、API化。按照她的说法，在团队已经完成的一些验证中，这套系统能够让第一年的本科实习生执行接近经过长期科学训练人员所能完成的精确科研流程。诺贝尔经济学奖得主菲利普·阿吉翁在外滩大会上的回答，把这一问题进一步推到了更早的教育阶段。当被问及年轻人应该如何面对AI时，他首先提出，学校应该更加严格地规范AI使用。学生需要首先学会自己阅读、独立计算，并专注于问题和定理的推导。先学会在没有人工智能的情况下学习，然后才能把AI作为辅助工具，并且需要教师指导。否则，他担心可能出现一整代人不知道如何独立计算，也难以集中注意力阅读一本书或者完成数学证明。陶哲轩也在尝试调整数学教育。在一场公开对谈中，陶哲轩表示，传统的每周作业已经越来越难适应AI时代。他在教学实践中更多采用项目制考核、口头考核。他提出，不必再布置和过去一样的标准化习题，可以让学生承接更有雄心的项目；独立验证 AI 生成输出、判断其正确与否，会成为学生必须掌握的一项核心能力。换句话说，AI时代的教育并不一定意味着减少训练，而可能意味着把训练从“自己完成所有步骤”，转向“提出更好的问题、组织更复杂的项目，并独立判断机器给出的答案是否可信”。在9月讨论AI公司竞相宣布解决未解数学问题时，陶哲轩提出一种新的竞赛设想：与其比谁先宣布解决了一个未解问题，不如比谁先发现了一个新的数学洞察。

2026-09-11: 孙容已经记不清这是她划过的第几部AI短剧了。 屏幕上的仙侠男女主顶着几乎同一张脸，说着相似的台词，连背景里的山峦都像是从同一个模板里复制出来的。 她看了一眼进度条，第2集，还剩125集。手指轻轻一划，下一部。近一个月，她以这种“三秒定生死”的方式刷完了数百部AI短剧，真正看完的也就十来部。 “不是我不想看，是它们长得都一样。”孙容对第一财经记者表示。她不知道的是，在她手指划过的那些剧集背后，行业内有制作团队收获千万分成，有相关企业连获涨停板，也有人投了几十万只收回几百块，更多的人正在悄悄离场。 8月31日至9月8日，龙版传媒（605577.SH）连续斩获6个涨停板，累计涨幅约93.47%。引爆点为芒果台国内首部AIGC长剧《后西游记》登陆湖南卫视黄金档，带动传媒板块及AI漫剧概念热度提升。 9 月 4 日，上交所发布监管警示决定，认定龙版传媒半年报未对AI视频业务的营收规模、占比及对经营业绩的实际影响作出充分说明，对龙版传媒及时任董事会秘书孙福军予以监管警示。 9月8日，龙版传媒发布公告称，公司股价累计涨幅偏离基本面，存在市场情绪过热、非理性炒作风险，存在股价短期快速回落风险。9月9日，龙版传媒停牌核查。今日收盘，芒果超媒（300414.SZ）的股价也从近期的23.5元高点回落至17.77元。 无论是资本市场还是产业端，AI 短剧均经历了一波热度狂飙，并逐步回归理性。 供给爆炸与收益坍塌 孙容的“三秒划走”，有数据层面的支撑。 DataEye《2026上半年AI剧漫剧数据报告》显示，上半年全网新上线AI短剧超22.19万部，相当于约一分钟就有一部新剧上线。其中播放量破亿的作品仅1055部，破亿率仅0.47%，约两百部作品才能跑出一部爆款。以5000万播放作为盈亏线，能回本的不足1.3%，九成以上的剧上线就注定陪跑。 公司层面的数据更为冰冷。约九成AI短剧公司处于亏损状态，2026年第一季度活跃承制方从1216家暴跌至698家，锐减42%。 钱去哪了？万播收益是重要考量维度，即每一万次播放平台分给创作者的钱。数据显示，行业万播收益从2025年下半年的30至100元跌至2026年的5至10元，跌幅近90%。 有从业者表示，上传11部AI漫剧、每部16集，平台总收益仅数百元。 成本是难盈利的主要原因。一位视频模型领域从业者对第一财经记者表示，Seedance 2.5价格涨了很多，但因为性能的确有优势，创作者群体仍会付费选择。具体表现在比可灵多了参考图数量，单次生成可达30秒，对一致性有明显利好。 技术成本表现在生产端，一集AI漫剧的算力成本从17元涨到80至100元，一分钟漫剧从100元涨到200至300元。精品AI短剧的制作成本在800至1500元/分钟，单部100分钟算下来约10万元。 目前行业内承制方压力很大，上述从业者表示，AI短剧供给数量大幅增加，普遍采取“走量”策略，有出品方直接要求一天出十部短剧。高压之下，承制方员工经常身兼数职，一人同时担任导演、编剧、策划、剪辑。但平台给到的价格并未提升，他们还要留着预算进行投流。 上游模型持续涨价、下游平台分账不断缩水、中间还要承担投流成本，中小团队根本扛不住。 热门行业分化加剧 行业正在经历剧烈的结构性分化。从上市公司财报看，头部玩家的AI短剧业务确实在快速增长。 阅文集团上半年短剧与AI漫剧收入突破4.3亿元，同比增长2.3倍，上线短剧超过90部。昆仑万维2026年6月底AI短剧平台业务单月流水超6500万美元，旗下DramaWave平台7月月度上新剧集中超90%为AI生成。中文在线短剧及IP衍生品业务营收4.11亿元，同比增加108.72%，已成为公司第一大收入来源，旗下出海平台FlareFlow提前实现月度经营性盈亏平衡。 但盈利压力仍存在。芒果超媒上半年营收61.94亿元同比增长3.86%，归母净利润仅2.02亿元，同比下滑73.58%，AI短剧被赋予增长使命但尚未跑通变现。 中小创作者群体更为艰难。一季度活跃承制方从1216家锐减至698家，大批中小团队离场。但头部创作者收益反而在涨，红果平台上的爆款AI短剧《万妖图录传》如今已经更新至12季，该季9月5日凌晨开播时热度达到1.37亿，创下红果史上最高热度纪录。出品方光宇团队是典型的AI短剧制作班底，初期只有6个人。有从业者结合平台热度与万播收益推测，《万妖图录传》一季成本大约10万元，目前11季的分账近两千万元。该数据暂未获得官方确认。 智象未来联合创始人兼首席运营官王科对记者表示，目前行业的竞争状态可以用“分化加剧”来形容。从生产端来看，AI正在快速拉低短剧的制作门槛和成本：传统短剧往往需要数十人团队、数十天周期，现在借助AI视频生成，单人几天就能完成，边际生产成本明显下降。但流量端并没有因此变得更便宜。恰恰因为生产变容易了，AI短剧供给量快速膨胀，赛道迅速拥挤，注意力资源反而更稀缺，投流竞价被持续推高。 本质上，王科表示，AI解决的是“低成本生产”的问题，还没有解决“低成本被看见”的问题。下一阶段的竞争，也不只是制作效率，而是选题、审美、IP、投放和商业化效率的综合竞争。 并且，王科强调，技术升级无法直接缓解成本压力。投流成本高是流量供需关系决定的，但技术可以从两个方向进行优化：一是提升内容质量，提高自然流量占比。内容足够好，自然流量就能起来，就不需要全靠付费投流。二是提升生成的确定性，降低无效成本。省钱的逻辑不是让单次生成更便宜，而是少“抽卡”——更稳定的输出、更少的修改。 行业合规化也在加速。2026年9月1日起，国家广播电视总局发布的《微短剧发展管理办法》正式施行，将微短剧按投资额度、题材分为三类，实行分类备案公示和发行许可制度，并要求使用AI技术制作的微短剧在每集明显位置添加提示标识。随着AI视频日渐走入主流渠道，监管框架会快速完善，合规能力将成为竞争的基础门槛，不合规的产能将被加速淘汰。 当制作门槛被技术拉低，竞争终将集中到AI无法无限复制的东西上：高质量的原创故事、深入人心的IP，以及对用户需求的理解。 文内孙容为化名

2026-09-11: 9月11日，在上海举行的2026 Inclusion·外滩大会上，蚂蚁集团CEO韩歆毅在主题演讲中表示，智能体商业的“ChatGPT时刻”已经到来。与此前更多停留在能力展示不同，智能体正在进入真实交易环节，并有望成为新的商业入口。 在韩歆毅看来，过去的商业模式更多从标准化商品和固定页面出发，通过广告、曝光和流量运营触达用户。进入智能体商业时代，商业逻辑则可能从用户意图出发：用户提出需求后，由智能体理解意图、匹配供给并完成交易。商家需要竞争的，也不再只是流量和曝光，而是能否被用户的智能体准确理解，能否成为最可信、最匹配且能够履约的服务提供者。 但从“能交易”走向真正的规模化商业，行业仍面临新的挑战。 韩歆毅认为，要推动智能体商业规模化，行业首先需要回答三个基础问题：服务怎样才能被智能体理解和调用；智能体能否真正帮助用户完成交易；当交易发生后，谁来授权、谁来风控、谁来承担责任。 这意味着，智能体商业并不是简单地把交易入口从App页面前移到聊天窗口，而是需要打通需求、供给、支付、风控和履约等环节。 过去一年，AI支付笔数的增长成为行业观察智能体商业进展的重要指标。但在行业补贴和用户尝鲜期之后，如何让用户形成稳定使用习惯、让商家愿意持续投入，也成为下一阶段需要解决的问题。 韩歆毅表示，在过去半年与商家的交流中，他感受到商家对于AI时代新增长机会的需求非常强烈，但目前智能体商业的供需两端尚未形成正循环。“用户想用，但商家没有很好的智能体服务；商家看到没有用户在用，又不太敢投入去开发智能体。”他表示，这形成了类似“先有鸡还是先有蛋”的局面。 因此，智能体商业的竞争正在从单一的支付能力，延伸至生态建设。平台和服务商需要共同推动更多服务能够被智能体理解、调用，并最终完成交易和履约。 在此次外滩大会上，支付宝宣布每年投入1000万元设立“智能体涌现奖”。韩歆毅表示：“当Agent开始帮你花钱了，我们很期待智能体商业从支付真正变成一个繁荣、丰富的商业生态。” 在他看来，这将是智能体商业真正迎来“涌现时刻”的标志。

2026-09-11: 人工智能深刻变革软件和信息技术服务业的开发方式、产品形态与服务模式，已成为驱动产业升级的核心引擎。工业和信息化部11日对外发布《“人工智能+软件”专项行动实施方案》（下称《实施方案》），从推进软件生产变革、加快软件产品智能化升级、培育智能体软件新业态、拓展智能软件服务、夯实软件智能化发展基础、优化软件产业发展环境等六个方面作出工作部署。近年来，智能编程普及让一些软件从业人员感到压力，社会上也有“人工智能会替代程序员”的讨论。《实施方案》提出，促进软件产业就业友好发展。中国软件行业协会副理事长兼秘书长吕卫锋在发布会上表示，将引导企业同步推进智能化升级，积极开发新型岗位。面向软件领域新职业新岗位需求，深化产教融合、加强复合型人才培养，强化智能化相关新技能培训，支持从业人员向高附加值岗位转型。加快培育智能体软件、智能服务等新业态，扩大就业空间要靠产品和服务创新。推进软件生产变革“十五五”规划纲要提出，要全面实施“人工智能+”行动，提升基础软件和工业软件等产业水平，打造具有国际竞争力的数字产业集群。我国软件产业体量大、场景丰富、开源力量活跃。2025年，整体行业营收达15.48万亿元，是2012年的6.2倍，年均复合增长率15.1%。国产操作系统、数据库等基础软件水平快速提高，工业软件形成覆盖重点行业的产品体系，以国产大模型为代表的中国开源生态影响力不断提升。工业和信息化部信息技术发展司副司长王威伟在发布会上表示，当前人工智能正在重塑软件产业，且变革速度前所未有。技术迭代空前加快，新技术带来的伦理、安全、风险增多，产业发展面临机遇与挑战并存。我国软件产业具备把握这轮人工智能机遇的良好基础，而融合深度与广度还有待提升，需要加强引导、系统推进。《方案》提出两阶段目标。其中，到2028年，软件和信息技术服务业智能化水平显著提升，培育一批高水平智能编程工具和智能开发平台，推广应用覆盖2万家规模以上软件企业，累计组织实施100项软件企业智能化技改项目，在重点行业打造100个智能体软件标杆应用，孵化5个以上优质开源项目。到2030年，人工智能与软件和信息技术服务业融合发展实现新跃升，关键软件全面实现智能化升级，智能编程、智能体软件及智能服务等新业态成为产业新增长极，建成若干具有国际影响力的开源社区和产业集群，推动我国软件和信息技术服务业抢占全球价值链制高点。《实施方案》把“推进软件生产变革”放在六方面重点之首。中国电子信息产业发展研究院副院长朱敏表示，在人工智能与软件融合的诸多方向中，智能编程技术相对最成熟、产业实践最充分，是能够大规模推进的领域。智能编程工具正从辅助补全走向智能体驱动，需要及时引导。软件的开发效能会沿产业链传导渗透，软件编得更快更好，信息服务体感越强，各行业智能化应用才会更快落地。围绕推动智能编程研发应用，《实施方案》明确了三方面重点任务：一是优化智能编程工具链条，二是推进软件企业智能化技改，三是赋能软件安全。提升高端芯片等产业水平开源作为倡导开放、共建、共享、共治的新型生产方式，孕育于软件，发展于数字经济，在加速技术创新与产业转型升级方面发挥着重要作用。《实施方案》提出要充分发挥开源作用，夯实软件智能化发展基础，围绕开源社区建设、项目培育机制、人才激励体系三个维度作出系统部署，着力构建多元协同、开放共赢的软件开源创新生态。开放原子开源基金会副秘书长李博表示，将推动社区与智能编程工具链、云服务深度适配集成，让开发者在社区内完成从代码、模型、数据集上传、下载到部署的一体化闭环。同时，进一步加强自主开源许可协议的应用与合规指引，切实保障开源参与者的权益，为开源生态健康有序发展提供制度保障。“十五五”规划纲要明确提出，提升高端芯片、光电子器件、基础软件和工业软件等产业水平。王威伟表示，《实施方案》部署了提升基础软件智能化水平、推动工业软件智能化转型等任务。将以智能化升级带动关键软件补短板、强弱项，向高端化、高附加值方向跃升，重塑关键软件竞争格局，助力我国软件产业加快实现“由大到强”。当前，人工智能与软件融合创新加快推进，智能化转型需求持续高涨，但普惠算力、高质量数据集、标准体系等基础支撑还不牢固。针对这些问题，《实施方案》将算力、数据、标准作为“人工智能+软件”行动的重要支撑，一体部署、协同推进，着力营造良好产业发展环境。中国电子信息产业发展研究院副院长朱敏介绍，围绕智能编程、软件产品智能化、智能体与智能服务等领域，统筹推进关键标准研制。研究“模型即服务”“智能体即服务”等智能服务标准，明确服务交付质量和责任边界。加快在制造业等重点行业应用，以标准促应用、以应用促发展，让标准成为连接技术创新与产业落地的桥梁纽带。

2026-09-11: 近一周，关于AI安全的议题争论在大洋彼岸达到新高度。 当地时间9月10日，英伟达CEO黄仁勋在旧金山高盛科技会议上表示，网络安全很可能成为AI的下一个主要应用场景。 他认为，AI加速自动化编程的同时，也加速了代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求将随之增长。“有什么比制造问题更能创造需求的方式呢？” 与黄仁勋从商业角度出发的逻辑不同，近一周，多位海外模型头部公司科研人员密集发声，强调AI安全风险已从理论走向现实，甚至认为AI可能在本世纪末“杀死所有人”。 警示AI失控风险与递归自我改进 9月8日，27岁的AI研究员雅各布·考克森（Jacob Coxon）宣布辞去在模型公司Anthropic的职务，任职刚满四个月。在Anthropic之前，考克森在OpenAI担任预训练研究员近三年。 对于两家头部模型公司在AI安全方面的举措，他点评称：两家公司“都没有以负责任的方式推进AI开发，反而在直奔自我改进型超级智能”。其中OpenAI内部尚未充分理解文明级风险；Anthropic虽深知风险，也投入安全研究，却被行业竞赛裹挟，无法减速。 考克森警告，AI系统将很快具备“超人类”能力，能够实施黑客攻击、一夜之间改变某个领域格局并获取真实权力。他声称从业者私下相信AI“可能在本世纪末杀死我们所有人”，“这不是营销话术”。截至发稿，该帖文浏览量突破1.5亿次。 考克森的担忧核心指向递归自我改进（RSI），即AI实质性地参与后继AI研发，形成每一代AI都加速下一代AI开发的反馈回路。他称这一过程“发生得比我们预想的更快”。 该观点迅速得到行业响应。 Anthropic对齐科学负责人埃文·哈宾格（Evan Hubinger）公开回应：“雅各布说得对。我们真的认真相信AI可能杀死所有人类。我个人认为未来十年内的概率超过10%。” 他同时补充，当前模型风险较低，真正的担忧来自RSI带来的超级智能对齐问题，公司尚未有明确的解决计划。 此前，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）也警告，研究人员尚未完全理解先进模型形成内部推理的方式，主张在模型接近RSI能力时设置开发节奏控制机制。 9月9日，OpenAI宣布任命AI安全研究员保罗·克里斯蒂亚诺（Paul Christiano）加入其非营利董事会及安全与安全委员会。克里斯蒂亚诺是RLHF技术关键开发者之一，长期担任美国政府AI安全顾问。 他在就任声明中警告：“AI能力的快速加速在短期内将导致灾难性和不可逆转的失控存在着实质性风险。我不认为整个AI行业（包括OpenAI）目前正处于将这种风险降低到可接受水平的轨道上。”他预计，若缺乏更完善的协调机制，行业将永久失去对AI的控制，大多数人可能会丧命。 政策明确前争议无法停止 面对警告，美国国防部首席技术官埃米尔·迈克尔（Emil Michael）在华盛顿一场国防工业会议上公开驳斥，称这些担忧是“对数据中心和变化的恐惧，汇聚在一条写得很好的推文中”。他认为AI风险可通过自由市场竞争、行业协作与政府沟通加以缓解。 黄仁勋则从商业化角度回应。他表示，AI安全风险不是需要“暂停”的理由，而是需要“加速”的市场机会。 对于黄仁勋的观点，安恒信息董事长范渊表示认可。他对记者表示，AI已经从“回答问题的助手”变成了“能动手干活的数字员工”。黄仁勋看到的转折点是：当AI拥有了行动力，错误的代价就从信息偏差升级为业务中断、资产损失，甚至安全事故。 在范渊看来，未来的安全将不再只是人与攻击者之间的对抗，而是AI与AI之间的博弈。攻防两侧正在被AI同时重构：一边是攻击门槛急剧降低，代码生成得更快，被利用得就更快，需要修复的漏洞随之增加；另一边是防御技术的加速升级。而这一次升级的要害，不是把AI当成更好用的工具，而是让AI成为能够自主作战的一方。 关于AI安全的争议没有定论，甚至头部公司内部观点也在持续变更。前Google DeepMind传播与政策团队成员维沙尔·迈尼（Vishal Maini）表示，在他任职期间，组织内部不允许对外讨论人类灭绝可能性，研究人员接受过公关培训，被要求将存在性风险提问引导至“《终结者》式的危言耸听”。 但经过数月的倡导，迈尼称，GoogleDeepMind的政策最终得以更新，允许发布积极正面的AI安全内容。“内部现实与外部传播之间的差距正在缩小，因为风险与收益已经改变，而且如今的证据也更难被忽视。真相之所以被大声说出，是因为RSI已迫在眉睫，再无其他选择是合乎逻辑的。” 讨论关于AI安全的争论谁更合理已无意义。真正的困境在于，安全成本由个体承担，风险后果由全体共担。在缺乏强制性行业标准与国际协调机制之前，任何单方面的“刹车”都等于将优势拱手让人。 但RSI不会等待共识形成，行业需要的是可执行的规则，而非更多立场声明。

2026-09-11: AI算力需求持续扩张，正在把光通信产业推入新一轮高速迭代周期。9月9日至11日，第27届中国国际光电博览会（CIOE）在深圳国际会展中心举行。记者现场走访时发现，今年展会人流明显增加，从光模块、光芯片到光纤、连接器、测试设备，多家企业都在谈“紧缺”“缺货”和“产能不足”。多家企业人士告诉记者，部分产品订单和产能已经排到2027年，甚至有客户开始提前锁定更长期的产能。但与旺盛需求同时出现的，是产业链越来越快的技术迭代。记者在现场了解到，目前用于AI数据中心高速互联的800G光模块仍是市场主要出货产品，1.6T光模块则已率先在头部厂商中进入量产和商业化推进阶段。但随着NPO、薄膜铌酸锂等新技术路线加速出现，光芯片、电芯片、光纤、连接器和测试设备等上游环节也开始承受更大的供给压力。“今年800G还是主力，1.6T已经开始起量，真正的爆发可能要看明年。”一位光通信企业展台技术人员对记者表示，大家都在更新自己的技术，以防被“挤下车”。1.6T来了，但800G仍是主角光模块是这轮AI算力浪潮中最受关注的光通信产品之一。简单来说，光模块承担的是电信号与光信号之间的转换。AI服务器集群中，GPU、服务器和交换机需要交换大量数据，随着计算规模扩大，传统电连接在带宽、功耗和传输距离方面承受越来越大的压力，高速光互联因此成为重要解决方案。记者在现场看到，800G、1.6T以及3.2T光模块均成为多家企业重点展示的产品。产业链反馈显示，2026年800G仍是当前市场的主要交付产品，但1.6T已经开始进入量产和商业化阶段。“目前具备1.6T规模化交付能力的主要还是头部厂商，现在处于产线建设、样品验证或者客户测试阶段。”现场一家头部光模块厂商对记者说。另一家参展企业工作人员也向记者表示，目前市场交付主力仍是800G，1.6T产品放量有限，后续节奏要跟着服务器、交换机等下游整机产品的进度走。与此同时，更高的速率也在推动新的技术路线出现。目前行业常说的LPO、NPO和CPO，本质上都是在解决高速光互联中的功耗、距离和密度问题。LPO通常指线性直驱可插拔光模块，通过减少或取消传统DSP的部分功能来降低功耗和延迟，NPO即近封装光学，将光学器件进一步放到计算或交换芯片附近，CPO则更进一步，将光学器件与交换芯片等共同封装。从现场参展厂反馈的技术路线来看，标准化程度较高的可插拔光模块仍是Scale-out场景的主流方案，而面向集群内部、更加追求高带宽密度、低时延和低功耗的Scale-up场景，NPO、CPO等方案也在加快发展。从“缺产能”到“缺芯片”，产业链压力向上游传导需求的快速增长正在把压力传导到产业链更上游。记者了解到，光芯片、MPO及FAU、光纤、保偏光纤等产品同样出现较强的需求反馈，一些企业已经开始提前扩产或者锁定供应链。光芯片方面，部分企业正在推进面向下一代光互联的产品验证。例如，现场有企业展示200G EML、CW激光器等产品进展，并透露部分产品已经进入小规模应用或客户测试阶段。薄膜铌酸锂（TFLN）也从实验室技术逐渐走向小批量制备，但距离大规模应用仍需要经历工艺成熟和客户验证。此外，测试设备的需求也在拉升。“光模块速率每往上走一代，测试设备就要跟着升级一代。”现场的一家测试设备企业万里眼研发总监谭剑对记者表示，当前高速光电测试已经从单一器件测试延伸至器件、模组和光电系统全链条。在他看来，行业目前有两个比较明显的变化：一方面，电信号速率正从112Gbps向224Gbps演进，光模块的高速迭代直接倒逼测试设备提升带宽和精度；另一方面，LPO、NPO、CPO等技术路线并行，也让测试场景更加复杂，对设备的通用性和兼容性提出更高要求。“测试过去更多是单一产品竞争，现在逐步演变为全场景的测试解决方案竞争。”谭剑说。从整体行业来看，过去高速光通信测试仪器市场长期由海外厂商占据。以采样示波器、时钟恢复单元、误码分析仪等核心设备为例，海外厂商凭借长期技术积累和客户基础占据主要市场。随着国内光模块产业从400G、800G向1.6T持续演进，测试设备也出现了国产替代的机会窗口。根据Frost & Sullivan数据，2024年中国光通信测试仪器市场规模约为33亿元，预计2029年将达到65.9亿元；2024年海外厂商合计占据约84%的市场份额，本土厂商约占16%。目前，联讯仪器已经进入高速光模块核心测试设备市场，万里眼也在65GHz光采样示波器，1.6TL1-L3网络测试仪等领域有新的布局。谭剑表示，目前高端光采样示波器等量产测试设备市场仍主要由海外厂商占据，国内厂商正在通过优化整机硬件性能，提升测试效率以及增强供应链自主可控切入市场。而测试设备之所以受到关注，是因为高速光模块从研发样品走向规模量产，需要经过大量验证。进入1.6T时代后，信号速率提升，TDECQ等指标的测试难度同步增加。但他也同时提醒，生产型测试设备本身也是一个周期性较强的行业。光模块扩产时，测试设备需求会集中释放；产线建设完成后，设备采购又会阶段性回落。未来随着3.2T、6.4T等新一代产品推进，测试设备还将经历新的升级周期。值得注意的是，需求快速增长并不意味着产业链所有环节都已经准备就绪。也有光设备展台技术人员对记者表示，目前1.6T光模块方案中，8×200G是较为常见的一种架构，高速电芯片仍是产业链需要突破的环节。“从全球市场来看，Broadcom（博通）、Marvell(迈威尔)等海外厂商在高速DSP等电芯片领域积累较深。”上述人士表示，当前国内光通信产业链的模块制造能力较强，但部分关键芯片仍需要进一步加强。从800G到1.6T，光通信产业链正在经历的不只是速率升级。随着产品从量产走向下一代技术演进，竞争已经逐步延伸至光芯片、电芯片、测试设备以及NPO等新的技术环节。对于产业链企业而言，当前更现实的问题也从“有没有订单”转向了“能不能跟上下一代产品的节奏”。随着3.2T、NPO等下一代方案继续推进，产业链的下一轮排位，或许将更多取决于谁能更快完成从规模制造向技术和供应链能力的延伸。

2026-09-11: 9月11日，燧原科技上市首日高开超188%，报410元，总市值1764亿元。该股发行价为142.18元。按开盘价计算，投资者中一签(500股)浮盈约13.39万元。 根据招股书，燧原科技是中国云端AI芯片领域的领军企业之一，致力于成为“通用人工智能基础设施领军企业”。公司自研迭代了四代架构5款云端AI芯片，构建了AI芯片、AI加速卡及模组、智算系统及集群和AI计算及编程软件平台的完整产品体系。 财务数据显示，燧原科技2023年、2024年、2025年营收分别为3亿元、7.22亿元、9.9亿元；净亏损分别为16.65亿元、15.1亿元、11.64亿元。 2026年上半年，公司实现的营业收入为11.20亿元，同比增长279.08%；归母净利润为-6.32亿元，同比下降3.57%。 燧原科技表示，公司归母净利润同比上年同期亏损有所扩大，主要系公司保持较高研发强度，同时预收客户款项预提的利息费用以及产生的税金及附加也对当期利润具有一定影响。分季度来看，税金及附加集中发生于2026年一季度，而4-6月营收规模大幅增加从而实现单季度亏损收窄。

2026-09-11: 近日，梅卡曼德创始人、董事长兼CEO邵天兰在朋友圈中的发文引发行业关注。 邵天兰接连发声表达自己对机器人企业IPO热潮的看法。“二级市场不是“风险投资”市场，不应该一级化，上市公司也要承担起更广泛投资者的更大责任。”邵天兰认为，除了极少数特殊方向之外，绝大部分（上市）企业最起码应该证明PMF（产品-市场匹配），具备真实、可持续且有一定规模的业务，以及足够的治理水平之后，才应该上市。 他表示，当前行业盛行“攒局型”具身智能创业，靠各种关联交易，如数采中心、租赁公司做虚假、不可持续的收入，没有PMF，只有各种发布“大新闻”炒作，通过国资绑架地方政府支持，成立两三年就要上市。这是对创新创业生态的巨大破坏，对资本市场健康发展的巨大破坏，对国资和健康政商关系的破坏。 在9月10日发布的另外一条相关内容朋友圈评论区中，邵天兰直接点出一家机器人企业的名字“银河通用”，但并未说明具体情况。 当天，银河通用在公众号上发布《具身智能是一场长跑，我们只与时间赛跑》，并称“我们不参与无谓的口水战，不被短期噪音干扰。我们要做的，是把产品做好、把场景做实、把技术做深，继续专注做好自己的事。”另据介绍，银河通用产品已落地多个行业，在工业、零售、药房等领域实现规模化落地，并完成长达2年的常态化运营验证。 第一财经记者分别联系梅卡曼德、银河通用方面，截至发稿，双方暂无更多回应。 公开资料显示，梅卡曼德是一家智能机器人组件供应商，提供智能机器人引导产品、智能检测与测量产品以及新一代基石组件。该公司成立于2016年，并于9月1日登陆港交所，上市之后经历了几天的震荡下跌行情，目前其市值超百亿港元。 据其招股书，2023-2025年，梅卡曼德实现营收分别为1.81亿元、2.69亿元和3.89亿元，同期毛利率分别为39.1%、51.1%和64.6%。该公司近几年仍处于亏损状态，2023-2025年分别亏损4.01亿元、2.83亿元、3.60亿元。 企查查显示，银河通用成立于2023年，目前完成多轮融资，估值超200亿元，投资方既有地方资本、产业资本还有VC机构等。 而从邵天兰的发声内容来看，其指向也是具身智能企业一直面临的商业化瓶颈。 但行业一级市场频现融资，多家企业选择排队港股上市。Choice数据显示，在港股IPO队伍中，今年上半年涉及机器人业务的企业共有10家实现上市，刊登申请排队等待的共有16家。而据公开报道，还有多家企业以保密形式向港交所递交申请。 此前，多位受访行业人士向记者提到，目前具身智能行业仍处发展初期，不少企业都在尝试部署落地场景，行业内少有实现盈利的企业。还有投资人士表示，具身智能企业估值体系更多靠“市梦率信仰”并非商业基本面支撑。 随着宇树以及其他企业上市，这一情形或有变化。有受访对象提到，虽然可能还会有想象空间溢价，但二级市场会基于业务等数据进行估值。如果企业在二级市场的表现长期发生调整，同样也会传导至一级市场。

2026-09-10: “如果我们在人工智能技术上投入1度电，这个世界可能在别的地方可以少用10度电。”9月10日，阿里云创始人、之江实验室主任王坚在外滩大会进行了一场特殊的户外演讲，他表示未来人工智能发展的关注焦点应该放大到城市这一级的尺度上，一个关键命题是人工智能能否帮助城市以今天10%的资源消耗支撑发展？ 他提到人类的自然资源消耗挑战，从1950年到今天，科技发展最快的时期，同样也是碳排放量快速攀升的时期，这让他作为科技工作者感到内疚。他提出，科技创造出来的人类使用自然资源的能力，事实上也给人类带来巨大的盲目性，这个问题比人们想象中要严重得多。 “我们能不能只用今天人均消耗掉的10%的资源，就能够让我们活得很好？”王坚提出这个问题，并认为人工智能可能是解决问题的关键。他表示，数据是数字时代的自然资源，有了数据才有机会把消耗降低下来，而谁最有机会来用好数据，就是人工智能。 “这10%的命题不是留给上一代人的，是留给年青人的。”王坚强调，要用“年青人”的方式思考人工智能，他特意选用了“青春”的“青”，而不是标准的“年轻人”的“轻”，来体现这个群体的关键性。 王坚总结了年青人的热爱、韧性、创新等特质对推动人工智能解决城市资源消耗问题的重要性，“如果大家都是找机会，这个世界的机会就没有了，只有年青人把他的热爱都带来，这个世界才有发展的机会。” 他强调有韧性才叫年青人，当所有的风险、可能性都被认真计算过，那就不是年青人了，用年青人的方式来思考人工智能意味着创新、突破想象的应用。 他举例用电来驱动汽车是常事，但用电驱动的火箭也可以被探索，可以用电来驱动的东西事实上是远超想象的。“大家看到的东西是我们最大的盲区。这个世界可以被看到的东西，一定是远远大过我们今天看到的东西的，这就是为什么要用年青人的方式来重新思考人工智能。” 此外，对于人工智能本身消耗电力的问题，王坚表示乐观。他认为，目前电力的消耗是在人工智能发展的早期，人工智能也可能经历从早期灯泡到LED节能灯式的转变，其次，人工智能自身的效率未来也会提高，未来人工智能可能只要用10%的Token就可以完成同一任务。 “大家不要跟人工智能去较劲。”在现场互动中，王坚希望人们不要担心被AI替代，人工智能既不会、也不能、也不应该取代人。 人工智能应该被理解为“机器智能”，而不是“人工制造的人类智能”。王坚表示，回看人类发展，望远镜的出现比眼睛看得更远，也曾挑战人，但它最终被人类运用，“凡是有新东西发明，其实都是让人类重新发现自己的边界。”

2026-09-10: 编者按： 长期以来，在科技生态中，科技服务业往往被视作低调的“后勤配角”。然而，当AI for Science为核心的技术力量从实验室触达产业界，科技服务业也正迎来底层逻辑的重塑时刻。 科技服务业的价值，也由此需要重新衡量。它既产生自身的营业收入，也影响其他产业获得技术、验证技术和使用技术的成本。后者更难统计，却可能产生更广泛的经济影响。 而上海，正加快推动科技服务业发展，其深层价值在于提升整个创新体系的运行效率。近期，第一财经开展上海科技服务业调研，总结地方探索宝贵经验。 在上海浦东张江，一处高通量自主实验室凌晨两点依然灯火通明，但操作台前没有通宵跑数据的科研人员。机器正按照算法规划的路径精确称量、移液，物流机器人则在不同功能的实验区穿梭。 这一幕并非电影中的虚构场景，而是上海科技服务业企业一线真实发生的场景。 晶泰科技实验室 长期以来，科技服务业被打上一些“刻板印象”：它是代办高新资质的咨询中介是承接基础外包的CRO（合同研发组织），或是撮合技术交易的中间商。然而，作为科技生态的“底座系统”，科技服务业摊薄了全社会的创新固定成本。这种隐形的成本分摊机制，正是激发新质生产力爆发的关键动力。 尤其是当AI for Science（人工智能赋能科学研究，简称AI4S）向各行各业渗透，这个关键却长年隐于幕后的行业，正经历着一场颠覆性的质变。 一组数据说明了这个“底层系统”的重要性，2026年1-7月，上海市研究开发、检验检测、技术转移、创业孵化、知识产权、技术推广等专业服务类规上企业营收达到2282.18亿元，同比增长15.4%。 两位数增长的背后，这个曾经“低调”的行业，如何站到台前C位？ AI把科学发现变为生产力 早在去年上海就出台了《关于进一步深化改革创新加快科技服务业高质量发展的若干意见》，8月最新公布的《上海市科技研发与创新服务业高质量发展行动方案》提出到2028年，全市规模以上科技服务业企业数量超过3000家，科技服务业营收规模达到7500亿元，涌现出一批细分领域领军企业和平台企业。 其中第一项任务中，就提出构建高端化、体系化研发服务供给。推进人工智能赋能科学研究（AI4S），加快基础设施大模型、工程科学大模型建设，推动人工智能在重点领域的应用示范，培育研发服务新模式新业态。 AI4S的意义，在于改变研究者探索未知的方式。其价值不仅是让一次计算更快，更是让有限的研发资金、设备和人员投入更有信息价值的实验。上海拥有集聚的临床医院、高校院所与跨国药企总部。这为科技服务业提供了充足的落地场景。AI4S在这里落地，能以最快速度完成从算法、实验到临床的完整验证。 “过去三十年，生物医药与材料科学的研发逻辑本质上是‘爱迪生式试错’——拿几十万个化合物去撞运气，烧掉十亿美元，赌一个分子的活性。”一位长期跟踪硬科技赛道的投资人坦言，“AI4S的出现，直接终结了这种粗放的研发逻辑。” 上海的一批算法驱动型的科技服务企业正在打破这种沉没成本的诅咒。 在张江扎根的英矽智能(03696.HK)，让AI制药的讨论进一步接近临床结果。 2026年7月，该公司宣布启动治疗特发性肺纤维化的候选药物rentosertib的Ⅲ期临床试验，计划纳入约320名患者，治疗观察期为52周。而该项目的靶点识别和分子设计均使用了其AI平台。 依靠端到端生成式AI平台，英矽智能将一款特发性肺纤维化候选药物从靶点确认推至提名临床前候选化合物，仅耗时18个月，花费仅约几百万美元——这在过去动辄耗费四年以上、耗资数千万的传统新药研发周期中几乎不可想象。算法不仅在“找药”，更在把新药发现的边际成本按数量级向下压缩。 “传统研发之所以慢和难，是因为它高度依赖个别化学家和生物学家的个人经验，容易受限于人类线性思维的局限，采用‘串行试错’的模式，往往在优化活性的同时忽略了毒性或代谢问题，导致后续实验数据不理想再倒回去从头再来。而AI是基于海量数据与文献，集成了整个科研界最顶尖的脑力与智慧。它也可以打破人类的思维定式，具备强大的非线性思维能力，不仅能在设计之初就对20多个参数进行‘多目标同时优化’，还能突破传统化学库的束缚，生成令人眼前一亮的创新化学结构。”英矽智能首席科学官兼联席CEO任峰告诉第一财经记者。 他补充，更有意义的是，传统筛选依赖现有的物理化合物库和化学家既有经验，面对缺乏标准结合口袋的靶点往往无能为力，而AI凭借非线性思维可以直接从头生成全新的化学骨架，从而有望攻克“难成药靶点”。从本质上来说，AI带来的效率提升是用“高维算力与数据驱动”取代了“经验和试错”。“我们并非省去了必要的验证流程，而是在原有的基础上，增加了AI的能力，从源头上提高了分子优化的成功率与创新度。” 但仅有云端算力远远不够。算法生成的分子结构如果不经实验验证，终究只是数字代码。 这正是晶泰科技(02228.HK)在上海押注的护城河。走进晶泰科技AI自主实验室，算法与物理世界形成了高度闭环：在其自研的XtalPi Science科学智能平台中，AI负责科学推理与实验规划，机器人执行实验，实验数据再回流至模型，支持后续决策与迭代优化。原本依赖人工操作的实验环节，也因此变得更加标准化，实验过程与结果可以被完整记录和追溯。 “以前培养一个熟练实验员需要数年，人会疲劳，操作会有微小公差；AI和具身智能技术让实验通量提升了数倍。”一位晶泰科技的工作人员表示。 这种“干湿闭环”的科技服务模式，使得初创研发团队不必再自建数亿元的重资产实验室，只需调用接口，就能享受到顶尖的研发基建能力。 “AI4S是贯穿数字世界与物理世界的科研新范式。”晶泰科技联合创始人、首席执行官马健接受第一财经采访时说，AI4S正在推动更多前沿技术和基础研究成果，从实验室走向产业应用，价值在于通过计算、实验验证与持续迭代，解决药物研发等科学领域的具体问题。 特别是传统科技服务业往往依赖专家经验和人力规模。AI、机器人等进入该行业后，最先被改变的是物理世界的实验验证执行与数据生产环节。 “以晶泰科技Agentic HTE（智能自主高通量实验）为例，化学研发中单次‘设计—合成—测试—分析’迭代周期由传统3到4周压缩至1周内。数据生产方式同步重塑，人的角色随之上移：科学家从重复操作中解放，专注假设提出、创造性设计与关键决策。”马健介绍，晶泰科技在上海建有超20,000平方米实验室，团队人员超700人，其中AI、自动化实验室、具身智能等开发人员200余人，机械、电气工程师100余人。 晶泰科技的最新业绩呈现了这些部署的张力，2026年上半年，晶泰AI4S智慧解决方案收入1.935亿元、同比增长136.4%，占总收入比重由上年同期约16%升至49%；剔除上年管线授权高基数影响后，总收入同比增长73.8%。跨行业复用方面，能力已延伸至钙钛矿光伏、锂电池、分子筛等材料场景，并经XtalPi Science平台向生态伙伴开放底座能力。 不可忽视的隐形乘数效应 评价AI4S的经济效果，需要追踪整个项目周期。比如早期筛选的成本、后期验证的投入、失败项目消耗的资源，都应进入同一本账。单个环节提速，不能直接等同于整体研发回报提高。 这正是科技服务业的基础作用所在。它为研发提供可调用的实验、检测和工程能力，帮助创新企业完成自身难以独立承担的验证工作。服务体系越成熟，前端成果越有机会顺利进入下一阶段。 和AI药物发现企业的业务定位不同，处于工程转化端的上海本土企业——和元生物的打法说明，算法进入研发之后，仍需依托工艺和质量体系完成转化。 基因与细胞治疗的商业化痛点在于工艺极其复杂，生产批次稳定性极难把控。作为本土CXO代表企业，和元生物（688238.SH)提供研发外包及合同研发生产服务，工作涉及工艺开发、质量分析和规模化生产。这些环节关系到研发方案能否形成稳定、可交付的产品。 和元生物总经理潘俊屹近日在第一财经的节目中表示，和元生物选择以AI全面提升运营效率，增强竞争实力——公司已开发了许多个智能体，覆盖从业务到职能的各个部门，从文件翻译、报告撰写到技术研发、工艺开发全流程。潘俊屹指出，“AI在我们公司的运用非常多，涉及方方面面。” 不只是科学发现和工程转化，科技服务业衡量的，是整个创新体系的收益。 通常来说，科技服务业包含“两本帐”，一本是服务企业的收入、利润和现金流。另一本是客户减少的研发支出、缩短的验证周期，以及新增的产业化成果。两本账并不总是同步。政策评价因此需要穿透营收规模。公共平台是否提高了有效使用率，专业服务是否缩短了交付周期，中小企业是否获得了原本难以负担的能力，都应成为衡量依据。 “科技服务业的成效，因此不能只看自身营收。还应观察客户是否减少了研发支出，成果是否缩短了验证周期，企业是否提高了产业化成功率。服务企业的经营质量，决定能力能否持续供给。客户的创新产出，决定这些能力是否创造了增量价值。”一位长期跟踪科技创新生态的业内专家告诉记者。

2026-09-10: ①DeepSeek V4.1 Flash模型正式发布； ②宇树科技开源UnifoLM-WLA-1.0具身基座模型； ③华胜天成：与月之暗面启动“Kimi登月计划” 将联合成立AI创新团队； ④蚂蚁集团入股具身智能公司戴盟机器人； ⑤创维数字与Google达成智能家居合作； ⑥iPhone 18 Pro将搭载A20 Pro芯片。

2026-09-10: 新一代通信网建设具体时间表和施工图划定的同时，同为“六张网”之一的算力网加快建设也有了更具体的指标和部署。 全国一体化算力网建设已纳入“十五五”规划109项重大工程项目。“十五五”规划纲要提出，深入推进东数西算工程，构建多层次算力设施体系和全国一体化算力网。 工信部近日印发的《信息通信行业发展“十五五”规划》（下称“信息通信‘十五五’规划”）提出，加快全国一体化算力网建设，构建“枢纽-区域-边缘”多层次算力设施体系，有序部署万卡、十万卡及以上智算集群。 “有关机构测算，‘十五五’时期算力网建设将新增直接投资4万亿元。”在今年7月底国家发改委新闻发布会上，国家发改委政策研究室主任、委新闻发言人蒋毅称，考虑到算力建设以企业投资为主，这将为民间投资创造巨大空间。 智算规模数倍增长 “十五五”期间，信息通信行业发展指标包括信息通信行业收入在2030年达到4.1万亿元，信息基础设施累计投资3.8万亿元，先进存力规模1700EB（艾字节）。在13个主要指标中，“智能算力规模”的变化备受关注。 信息通信“十五五”规划显示，2025年智能算力规模为1590EFLOPS（每秒百亿亿次浮点运算）；到2030年，要达到9800EFLOPS。以此计算，2030年目标智能算力规模增长将超过5倍，约为2025年的6.2倍。这意味着，2026～2030年的五年间，智能算力规模年均增速要达到45%左右。 人工智能（AI）大模型和智能体应用的爆发式增长使得智能算力需求不断提升。“全球算力产业正式进入智算主导的扩张新周期，供需格局加速重塑。”中国信通院云计算与数字化研究所9月发布的《算力中心服务商分析报告（2026年）》（下称“分析报告”）称，当前算力产业正处于新旧动能转换的关键节点。 关于智能算力规模五年实现数倍提升，国研新经济研究院创始院长朱克力表示，这不是简单的机房数量扩张，背后是人工智能产业爆发带来的刚性需求。大模型训练、具身智能、工业AI、智能终端推理，都需要海量智能算力底座作支撑。 根据国家数据局数据，2021年到2025年，智能算力总规模从159EFLOPS增长到1590EFLOPS。从历年数据看，2025年出现爆发式增长，从493EFLOPS跃升到1590EFLOPS，增幅超过2倍。 “截至今年6月底，我国智能算力规模达2185EFLOPS（FP16），同比增长177%。”在今年7月国新办新闻发布会上，工信部新闻发言人、信息通信管理局局长谢存介绍称，其中东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。全国算力设施整体上架率达71.4%。 前述分析报告援引Grand View Research的数据称，2025年全球算力中心市场规模达3838.2亿美元，这一增长主要由超大规模云厂商的扩展需求及人工智能算力需求共同推动，与之匹配的年度资本开支与债务融资规模均已攀升至历史高位。 “AI商业化进程全面提速，算力需求结构深度演进。”分析报告称，全球大模型厂商普遍将战略重心从前沿技术探索转向落地迭代与商业变现。 新一代超算、通算、智算设施体系建设 随着算力需求爆发式增长、算力产业进入智算主导的深度变革期，一体化算力网建设也在不断加速推进。 作为“最新的一张网”，算力网今年4月首次被纳入国家“六张网”战略性基础设施阵列，与水网、新型电网、新一代通信网等列入同等重要的位置。 国家信息中心经济预测部政策仿真实验室主任、研究员肖宏伟撰文称，算力网将推动算力资源网络化、集约化配置。“这不仅能有效满足人工智能大模型训练、影视渲染、自动驾驶、智慧金融等多元场景的算力需求，更能带动人工智能、大数据、工业互联网等整个产业链升级。” 在肖宏伟看来，算力网还可以破解资源时空分布不均。我国算力资源时空分布并不均衡，东部需求大但建设成本高，西部资源多但需求少，不同行业、不同时段的算力潮汐现象十分明显。“东数西算”工程正是着眼于这一现实矛盾作出的战略部署。通过算力网建设，西部的算力中心可以承接东部井喷式的算力需求，实现资源跨区域优化配置。目前，我国已形成以八大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的“8+10+3”算力空间布局。 前述信通院的分析报告称，2025年八大国家枢纽（含十大集群）已建成智算规模1388EFLOPS，占全国总规模比重为87.3%，成为全国算力供给主力。资本加速向核心节点集聚，国内算力中心投资呈现明显的体量差异。据公开信息收集统计，河北等省份总投资额突破500亿元；甘肃、内蒙古、青海等西部算力枢纽省份，总投资额达到200亿元及以上；长三角核心省份及部分西北省份，投资额处于100亿至200亿元区间，主要满足本地产业数字化发展需求。 展望“十五五”，前述分析报告建议关注几个关键变量：一是人工智能技术迭代速度与应用渗透深度，大模型能力边界的拓展、AI Agent的规模化落地以及多模态应用的普及程度，将直接决定算力需求的增长斜率；二是国产算力芯片的产能扩张与技术迭代进程，其能否实现对现有供应链的有效替代，将是决定产业自主发展空间与成本竞争力的根本因素。 “面向场景按需部署推理算力设施，加大力度适配国产算力芯片。”信息通信“十五五”规划提出，加强算力关键共性技术研发与应用；鼓励算存协同创新应用；推进中国算力平台全面贯通，深入开展普惠算力赋能中小企业发展专项行动，发展算力经济等。 “十五五”规划纲要提出，建设新一代超算、通算、智算设施体系，积极发展公有云服务。建设算力监测调度平台，制定完善算力资源池化、并网、监测、运营、调度等标准规范。

2026-09-10: （本文作者为瑞银财富管理全球首席投资总监Mark Haefele） 沃伦・巴菲特曾说：“投资很简单，但并不容易。”投资者越早读懂这句话背后的逻辑，并落实到实际操作中，就越能在投资之路上行稳致远。想要在当下复杂多变的环境里做好资产配置，核心办法就是深挖底层数据。无论是关税政策、人工智能、中东局势还是大盘走势，立足数据、不被短期消息扰动，都有助于投资者作出更理性的判断。 我们重点关注三大核心变量：AI投资周期能否持续、企业盈利增长的覆盖面与韧性，以及通胀和货币政策的演变路径。 AI资本开支与商业化落地 今年剩余时间，AI 投资周期能否维持强势，是市场关注的焦点。当前主要风险在于，资本投入的节奏已经超前于未来可兑现的收益。一旦资本开支增速放缓、AI基础设施需求走弱，或是商业化落地不及预期，市场就会质疑本轮AI周期的持续性，进而压制科技股乃至整体市场情绪。我们的基准判断是，AI相关投资仍将保持旺盛。尽管资本开支的增速可能回落，但大型科技企业会持续加码数据中心、基础设施与AI应用，整体投入规模仍会继续扩张。 企业盈利增长的持续性 近几个月，企业盈利的亮眼表现以及市场对盈利持续改善的预期，是推动股市上行的重要动力。 我们判断，广泛且扎实的盈利增长仍会支撑股市表现。展望后市，基准情景下企业盈利增长仍具备韧性，但增速会从当前高位回落。关键在于，各行业盈利有望普遍改善，股市下一阶段上涨，主要依靠盈利驱动，而非估值抬升。按照我们的测算，标普500指数有望在2026年12月突破8100点新高。 地缘局势、通胀与美联储政策 市场持续关注美伊紧张态势，而俄乌冲突的演变也提醒我们，全球局势随时可能生变。现阶段最核心的问题，是能源市场潜在冲击、通胀走向以及货币政策预期三者之间如何相互作用。我们的基准情景是，全球能源供应受到的冲击有限。油价虽高于冲突前水平，但还不至于对全球经济增长形成严重拖累。通胀数据显示物价上涨势头正在放缓，美国7月CPI数据显示，整体通胀与核心通胀同比回落，环比涨幅也相对温和。整体来看，最新数据印证通胀正逐步回落，但不同分项回落节奏存在差异，回落速度低于市场此前的预期。 形势变化瞬息万变，投资者不宜只押注单一情景，应当多维度评估不同可能性，全面权衡市场多空因素。 市场向好是我们的基准判断，但AI产业、企业盈利、通胀走势的变化，都可能带来不一样的市场结果。投资者在研判行情、把握机会的同时，切忌固化单一预期。我们认为，可以通过几项策略提升投资组合在不同市场环境下的抗风险能力：高效管理现金头寸、把握市场上行机会、夯实核心资产配置。 在通胀尚存、同时不乏投资机会的环境下，管好现金资产尤为重要。投资者首先要优化现金资产收益，在获取可观利息回报的同时，充分评估交易对手风险。在此基础上制订方案，分批将闲置资金投入市场。 把握市场上行机会 在基准和乐观情景下，全球股市大概率继续走高。投资者应当做好分散配置、管控风险，抓住上行窗口。第一，降低个股与科技板块的集中持仓。我们依旧看好创新变革赛道，但想要分享长期成长红利，需要搭建目标清晰、分散化的股票组合，不要过度暴露于个股风险。当前技术迭代速度加快，个股表现分化明显，持仓过于集中会显著放大组合波动。第二，拓宽周期板块布局。盈利增长和市场领涨方向不再局限少数行业，多个行业与区域市场都存在机会。如果经济增长保持韧性、企业盈利持续修复，工业、金融、可选消费以及部分海外市场有望迎来机会。 投资组合需要具备抵御下行风险的能力。投资者可以依靠分散配置，结合持有到期策略、增配优质固收资产、布局另类资产与大宗商品等方式加固底仓，应对各类市场情景。 说到底，投资的底层逻辑并不复杂。市场噪音不会消失，各类突发事件也会持续出现。对投资者而言，最重要的是保持定力。我们对市场前景保持积极，但构建一套能够适应多种市场环境、表现稳健的投资组合，和捕捉上涨机会同等重要。 第一财经一财号独家首发，本文仅代表作者观点，不构成投资建议。