2025年AI赛道竞争解析 核心观点 - AI原生App竞争格局因DeepSeek的崛起发生显著变化 [1][4][5] - 传统App面临AI转型的机遇与挑战 [4][5] - 不同赛道被重点押注，各App布局策略存在差异 [4][5] 竞争格局转变 - DeepSeek的出现重塑AI原生App市场结构，具体影响需进一步分析 [4][5] 传统App转型策略 - 传统App需制定AI转型方案以应对新兴技术冲击 [4][5] 赛道布局差异 - 部分赛道成为投资焦点，不同App采取差异化布局方式 [4][5]

人工通用智能(AGI)的国家安全挑战 - AGI代表人工智能发展的下一个重要里程碑 具备跨领域思考、推理、学习和适应能力 [2] - 兰德公司报告指出AGI崛起将为国家安全带来重大挑战 美国国家安全界需要为此做好准备 [3] - AGI对国家安全挑战集中在五个关键领域 每个领域都可能对全球战略格局产生深远影响 [4] 五大国家安全难题 奇迹武器的出现 - AGI可能使先行者获得显著优势 通过决定性"奇迹武器"改变军事力量平衡 [4] - 具备极高网络攻击能力的AGI系统可能实施"辉煌的首次网络打击" 彻底瘫痪对方反击能力 [4] - 大型语言模型和AI系统在软件开发、漏洞发现方面已表现出令人惊叹的能力 [4] 系统性力量转变 - AGI可能引发国家力量工具的系统性转变 改变全球力量平衡 [5] - 能够采用新技术比率先实现突破更为重要 军事竞争关键构成要素可能被颠覆 [5] - 布鲁金斯学会指出AGI将影响国家安全策略制定者、决策过程及战略选择 [5] 赋能非专业人士 - AGI可能充当"恶意导师" 向非专业人士解释开发危险武器的具体步骤 [6] - 技术发展正在降低执行障碍 智能代理AI可能直接协助恶意行为者实现目标 [6] - 安全威胁可能分散化和多样化 使传统威胁控制机制失效 [6] 人工实体的崛起 - AGI可能获得足够自主性 被视为全球舞台上的独立行为者 [7] - 可能出现"失控"情景 AGI追求目标过程可能抵抗被关闭 [7] - 代表全新安全挑战类型 威胁来自人工系统无法预测的行为 [7] 不稳定性加剧 - 追求AGI可能导致不稳定时期 各国竞相获得主导地位 [8] - 竞争可能导致紧张局势加剧 类似于核武器竞赛 [8] - 技术政策研究所指出当前AGI竞争已演变为美中地缘政治竞赛 [8] 全球应对与治理框架 国际合作与协调 - 《自然》杂志强调国际合作在AGI治理中的必要性 [10] - 全球AI治理框架包括OECD和UNESCO等组织制定的原则和建议 [10] - 努力已从广泛愿望转向具有明确功能的特定用例和规则 [10] 伦理原则的正式化 - 联合国教科文组织发布首个AI伦理全球标准《人工智能伦理建议书》 [11] - 强调透明度、可解释性、公平性和人类主导等价值观 [11] - 要求AI系统架构允许人类监督和干预 [11] 基于风险的治理方法 - 专家倾向采用基于风险的治理方法管理AGI发展 [12] - 拜登政府2024年10月备忘录提出AGI治理框架 [12] - 强调对重大国家安全影响的AI领域进行研究 [12] 技术安全与对齐研究 - 确保AGI系统安全性和与人类价值观对齐是关键 [13] - 研究集中在人类监督、行为一致性和可靠关闭机制 [13] - 《自然·科学报告》呼吁将技术进步与认知、伦理和社会维度衔接 [13] 国际平衡与竞争动态 美中科技竞争 - 美国和中国作为全球AI研究领先力量展开激烈竞争 [15] - 中国DeepSeek公司2025年初发布的模型在某些基准测试上与美国领先模型竞争 [15] - 竞争涉及价值观和治理方法差异 [15] 多极化趋势与区域差异 - 欧盟、日本、韩国、印度等经济体积极发展AI能力和政策框架 [17] - 欧盟通过《人工智能法案》确立基于风险的监管方法 [17] - 非洲联盟强调技术主权和能力建设重要性 [17] 跨国公司与国家安全的平衡 - AGI能力主要集中在私营部门 政府与科技公司关系日益重要 [18] - 美国政府通过国家人工智能咨询委员会加强与私营部门合作 [18] - 实施出口管制限制敏感AI技术转移 [18]

文章核心观点 人工通用智能（AGI）是人工智能发展的下一个重要里程碑，具备跨领域能力，其崛起将带来重大国家安全挑战，全球需建立治理框架和保障机制，在技术进步与安全保障间找到平衡，确保其发展符合人类长远利益 [1][19] 人工通用智能导致的五个国家安全难题 - AGI可能使先行者通过“奇迹武器”改变军事力量平衡，带来扩散风险并加速技术竞赛 [3] - AGI会引发国家力量工具的系统性转变，改变全球力量平衡，影响国家安全策略制定和专业领域 [4] - AGI可能充当“恶意导师”，扩大能创造危险武器的人群范围，使安全威胁分散化和多样化 [5][6] - AGI可能成为独立行为者，出现运行与人类意图不一致的情况，带来全新安全挑战 [7] - 追求AGI可能导致不稳定时期，引发冲突，当前围绕AGI的竞争已演变为地缘政治竞赛 [8] 全球应对与治理框架 - 国际合作与协调方面，《自然》杂志强调国际合作在AGI治理中的必要性，全球AI治理框架有相关原则和建议，且已向特定用例和规则转变 [10] - 多个国际组织推动AGI伦理原则的制定和落实，如联合国教科文组织发布相关建议书，强调人类监督和干预 [11] - 专家倾向采用基于风险的治理方法管理AGI发展，拜登政府发布的备忘录提出综合方法 [12] - 技术安全与对齐研究集中在开发可监督干预的系统架构、使AI行为与人类意图一致、建立关闭机制等方面，有研究呼吁采取系统方法指导发展 [13] 国际平衡与竞争动态 - 美中作为全球AI研究领先力量展开激烈竞争，涉及技术、价值观和治理方法，增加了全球AGI治理复杂性 [15] - 欧盟、日本、韩国、印度等经济体积极发展AI能力和政策框架，发展中国家在AGI治理中面临独特挑战 [16][17] - 政府与科技公司需在促进创新与保障国家安全间取得平衡，美国政府加强与私营部门合作并实施出口管制 [18]

AI发展史 - 1950年艾伦·图灵提出"图灵测试"，定义了人工智能的哲学目标 [3] - 1956年达特茅斯会议首次使用"人工智能"一词，AI成为应用技术 [3] - 早期计算机IBM701每秒仅能执行1.6万次运算，不足现代手机十亿分之一 [3] 符号主义时代(1960-1970) - 斯坦福大学医疗诊断系统MYCIN准确率接近人类专家水平 [4] - DEC公司采用XCON系统配置计算机订单，每年节省超2500万美元成本 [4][5] - 日本"第五代计算机计划"斥资8.5亿美元但最终失败 [8] 机器学习崛起(1990s-2000s) - 1997年IBM DeepBlue每秒2亿次计算力击败国际象棋冠军 [12] - 1998年谷歌PageRank算法将网页链接建模为概率图模型 [12] - LeCun团队CNN经典之作LeNet-5投入实际使用 [12] 深度学习革命(2010s-2020) - 2016年AlphaGo结合深度强化学习击败围棋世界冠军 [13] - AI模型参数从AlexNet的6000万暴增到GPT-3的千亿级 [13] - 2020年全球70%数据由科技企业控制 [14] 大模型时代(2021至今) - 2020年GPT-3展现强大语言理解和生成能力 [15] - 2022年ChatGPT实现人机语言交互重大突破 [15] - 2023年开源与闭源模式之争日益激烈 [17] AI企业发展四个时代 拓荒时代(2000-2010) - IBM Watson开启AI医疗诊断辅助新篇章 [19] - Nuance语音识别技术应用于汽车导航系统 [19] - 科大讯飞语音翻译机实现多种语言实时互译 [19] 淘金时代(2011-2016) - Criteo基于AI的广告投放系统提高广告点击率 [21] - 蚂蚁金服AI信用评分系统分析多维度数据评估风险 [21] - 计算机视觉四小龙(商汤、旷视、依图、云从)崛起 [21] 泡沫时代(2017-2020) - 人脸识别公司毛利率跌破30% [25] - Waymo和特斯拉在自动驾驶领域激烈竞争 [26] - 寒武纪AI芯片在智能安防设备中应用 [26] 重构时代(2021至今) - OpenAI GPT-3以1750亿参数引爆大模型时代 [30] - 英伟达GPU为AI模型训练提供硬件支持 [31] - "模型即服务"(MaaS)模式降低AI使用门槛 [32] AI产业生态 - OpenAI API生态催生Jasper.ai等AI应用创业公司 [34] - 2023年美国AI初创企业获得超150亿美元风投 [34] - 2024年DeepSeek-V2模型性能接近GPT-3.5水平 [35] - 中国2023年AI应用企业数量同比增长184% [35]

全球最顶级AI科技公司OpenAI的掌舵者——即首席执行官萨姆·奥尔特曼(Sam Altman)当地时间上周五在 TED 2025大会上最新透露，这家聚焦于生成式AI应用程序的科技公司所覆盖的全球用户规模已超过8亿人 口这一重大里程碑。"整体而言，全球约10%的人口在使用我们的人工智能系统——ChatGPT应用系统，现 在规模相当庞大，"奥尔特曼对主持人克里斯·安德森表示。奥尔特曼在大会上最新透露，该公司用户数 在"短短几周内"就实现了翻倍增长，主要得益于新推出的GPT-4.5这一生成式AI应用以及基于吉卜力风格 的文生图功能所带来的庞大用户增量。 这家获得微软(MSFT.US)投资超百亿美元的AI独角兽近期因推出在语言理解能力、强大创造力和多模态处 理方面表现领先全球生成式AI应用产品的GPT-4.5，以及支持多种艺术家风格(其中包括日本传奇动画工作 室吉卜力风格)的文字到图像和视频生成功能而推动OpenAI用户激增。 在3月31日，奥尔特曼甚至在社交媒体X平台(前身为推特)发文称，受到风靡全球的吉卜力文生照片风潮， ChatGPT应用程序在五天内新增数百万用户，其中一小时便达成百万级别用户增长，并且奥尔特 ...

技术原理 - 强化学习（RL）是用于解决多步决策问题的算法框架，与传统机器学习不同，无标准答案但有反馈机制评判结果[3][7] - 大语言模型（LLM）本质是预测下一个词，存在不遵从指令的缺陷，通过与 RL 结合解决该问题[8][9][10] 行业应用 - RL+LLM 应用广泛，海外 OpenAI 的 RL 已从纯推理进化到 Agent 范式，实现多轮交互和上网互动[21] - 国内豆包和 DeepSeek 等团队在探索 RL+LLM 的新可能性，不同公司在该路径上出现编程、Agent、通用泛化能力等分支[21][26][27][28] 发展趋势 - 预训练的规模法则收益变小，但仍有数据和模型小型化两个发展方向；RL 的规模法则处于初始阶段，决策能力将持续提升[26] 人才与基建 - RL 人才稀缺，因门槛高、工业界应用少、对工程要求高；开源工作可降低使用门槛，如 AReaL - boba 框架[33][34][35][36] 训练与评估 - RL 训练中基建最重要，其次是数据和算法；评估可看准确率和多轮交互体验[29] 组织架构 - 大模型团队最好将 LLM 和 RL 两条线融合，至少设预训练和后训练团队，再按目标细分[31]

强化学习(RL)基础概念 - 强化学习是机器学习中解决多步决策问题的算法框架 其特点在于没有标准答案 通过最终反馈机制评判结果好坏[6] - 与传统监督学习不同 RL不需要标注数据 而是通过环境交互获得奖励信号 更接近人类解决问题的逻辑[6][7] - 典型应用场景包括游戏(如乒乓球)和复杂任务(如行程规划) 每个决策步骤会影响最终结果[6] RL与LLM的结合发展 - OpenAI首次在InstructGPT中将RL与LLM结合 解决大模型指令遵从问题 衍生出RLHF技术[10][11] - RLHF通过人工标注数据训练奖励模型 使LLM输出更符合人类需求 但本质是对齐而非增强模型能力[12][13] - RL实现"慢思考"机制 通过延长推理过程(token量增加)提升LLM准确性 形成inference time scaling范式[14][15] 行业技术路径分化 - OpenAI聚焦Agent范式 实现多轮交互和虚拟世界操作 完成从单轮到多轮的跃迁[20][21] - Anthropic专注编程能力 在简单问题快速响应与复杂问题深度思考间取得平衡[17][30] - DeepSeek探索通用泛化能力 通过理科训练与文科调校结合实现平衡输出[18][31] 技术实现关键要素 - 基建框架决定迭代效率 7B模型训练周期从7天缩短至2天可提升3倍试错机会[33] - 数据质量比数量更重要 针对性训练数据可显著提升模型性能[33] - 理解能力依赖LLM预训练 决策能力依赖RL 二者形成乘法效应缺一不可[23][24] 行业应用与人才现状 - RL人才稀缺源于技术门槛高 论文引用量比NLP/CV少一个数量级 工业级应用场景有限[39][40] - 开源框架AReaL-boba实现7B模型SOTA性能 推动RL技术普及[43] - 创业公司需把握技术窗口期 在终局到来前快速验证产品 而非追求长期技术优势[37][38] 企业组织架构建议 - 预训练与后训练团队需紧密协作 成员需具备跨领域知识避免能力盲区[36] - 按目标划分专业团队(多模态/RLHF等) 同时保持技术路线的灵活性[36] - Agent公司需储备RL人才 尽管当前技术门槛较高但未来可能成为标配能力[37]

中印尼双边关系与合作 - 两国关系在互信互利基础上不断深化，成为全球南方国家合作的典范 [1] - 近年来在基础设施建设、科技合作、绿色发展等领域取得诸多突破 [1] - 印尼战略与国际研究中心国际关系部主任丽娜·亚历桑德拉对中国现代化进程、基础设施建设和科技进步印象深刻 [1] 经济与贸易合作 - 中国已成为世界上发展最快的经济体之一，是全球制造中心和供应链关键枢纽 [1] - 中国制造从日常消费品到高端技术产品随处可见，与世界各国经济联系日益紧密 [1] - 印尼和中国在清洁能源领域合作潜力巨大，特别是在镍深加工和太阳能发电领域 [1] 科技与创新合作 - 中国在人工智能、通信技术等高科技领域取得重大突破 [1] - 以DeepSeek为代表的中国人工智能企业在人工智能大模型、自然语言处理等领域进展显著 [1] - 印尼希望借助中国技术转移和产业升级，逐步建立自主技术能力 [1] 全球治理与可持续发展 - 中印尼双方同意构建具有地区和全球影响力的命运共同体 [2] - 两国在全球治理、环境保护、卫生健康等领域深化合作，特别是在应对气候变化方面 [2] - 中国在减少碳排放和推动可再生能源发展方面的经验值得印尼借鉴 [2] 未来合作展望 - 印尼在科技和基础设施建设方面将中国视为最重要的合作伙伴之一 [2] - 两国在基础设施建设、数字经济、绿色发展等领域有巨大合作空间 [2] - 通过持续深化合作、加强互信、促进民间交流，两国将共同推动全球秩序向更加公正、包容的方向发展 [2]

文章核心观点 DeepSeek发布R1版本后英伟达全球市场前景看淡，但在中国依靠H20芯片迎来销售热潮，短期内带来反弹契机，不过长期受监管与竞争双重影响，未来未知 [1] 销售狂潮 - 2025年开年字节跳动、阿里巴巴和腾讯等中国巨头成英伟达芯片采购主力军 [3] - 2024年全年英伟达向中国运送超100万块H20芯片，收入约120亿美元，2025年仅三个月订单几乎追平2024年中国区全年170亿美元销售总额 [1][4] - 2024年初中国企业因性能缩水和价格高昂对H20态度谨慎，下半年情况逆转，2025年初订单激增 [5][6] - 截至2025年4月初H20芯片库存几近耗尽，新货预计4月中旬抵达，供不应求推高市场热度 [7] 驱动引擎 - 中国AI产业爆发，低成本AI模型普及，DeepSeek - R1模型受青睐，巨头投资基于H20芯片的AI服务器支持云服务和模型部署 [8] - 医疗、教育等中小行业加入采购行列扩大H20市场基础 [9] - H20虽性能被“阉割”，但单块价格在12,000至13,000美元之间，相较H100等高端芯片性价比显著，是中国企业合规首选 [9] 爆卖是回光返照 - 美国出口限制是H20最大风险，2025年初白宫曾计划收紧出口，虽暂时搁置但地缘政治不确定性影响供应链 [11][12] - 国家发改委计划推出新能效标准，H20可能未达标，英伟达与监管机构沟通，降低性能或削弱竞争力 [13] - 华为等中国厂商加速追赶，昇腾910B芯片价格与H20相近且具本土化优势，2024年下半年华为和中科曙光市场份额稳步提升，大厂采购转向或逆转H20领先地位 [14]

DeepSeek的标志 科大讯飞前副总裁白强指出，在竞争激烈的中国社会，许多年轻人为了成为像马云一样的成功企 业家，正在废寝忘食地投入技术开发和创业。另一方面，日本生活舒适，竞争也不像过去那样激 烈…… 2025年1月，中国初创企业DeepSeek发布了高性能低成本的生成式AI大语言模型(LLM)，震惊 了世界。在日本，这些尖端领域的强大初创企业也备受期待。 培育DeepSeek这样有力企业的对策和课题是什么？中国智能语音和人工智能企业科大讯飞前 副总裁白强分析称，DeepSeek如彗星般出现的背景是中国政府改革开放政策的成果。 这是中国改革开放的成果 白强是在美国和中国创办网络服务企业并使之上市的"连续创业者"。目前，他以东京为基地， 在全球范围内从事AI领域的投资和创业支援。 科大讯飞前副总裁白 白强说，在竞争激烈的中国社会，许多年轻人为了成为像阿里巴巴创始人马云一样的成功企 业家，正在废寝忘食地投入技术开发和创业。 另一方面，日本生活舒适，竞争也不像过去那样激烈。白强指出，想要成为软银集团孙正义 一样的创业者的年轻人很少。他表示，IT人才的不足也是无法诞生DeepSeek这样的企业的原 因之一。 "在A ...