事件核心 - OpenClaw创始人Peter Steinberger正式加入OpenAI，其开源项目OpenClaw将移交独立基金会运营 [2][35] - OpenAI首席执行官Sam Altman的推文宣布，Peter的加入将驱动公司在智能体互动上的核心突破 [8][41] - 此次事件被视为AI行业从“模型竞赛”转向“应用竞赛”的标志性信号，智能体革命的发令枪已响 [24][57] 人事变动与个人动机 - Peter Steinberger加入OpenAI是为了站在AI研发最前沿，并致力于打造“连我妈都能用的智能体” [7][40] - Peter认为与OpenAI合作是实现其“改变世界”愿景、将智能体带给每个人的最快途径，而非建立大公司 [7][40] - 此前Peter每月自掏腰包1万到2万美元维持OpenClaw项目，没有融资和大厂背书 [14][47] - 包括Meta在内的多家公司曾试图招揽Peter及其团队，但OpenAI凭借提供顶级计算资源和足够大的舞台胜出 [18][19][51][52] 公司战略转向 - OpenAI的战略目标是从“聊天机器人公司”转变为“智能体AI公司”，这并非小调整而是重大战略转向 [9][42] - 公司竞争焦点从比拼模型推理能力、知识广度，转向比拼AI执行复杂任务、融入用户工作流的能力 [10][43] - OpenAI判断智能体AI的窗口期就在未来12到18个月，因此在此节点招揽关键人才 [22][55] 项目安排与影响 - OpenClaw项目已移交给一个独立基金会，将继续以开源方式独立运营 [12][45] - OpenAI承诺对OpenClaw项目提供持续支持并已开始赞助，但不会控制其走向 [8][41] - 此安排使Peter无需再自费维持项目，开源社区权益得到尊重，OpenAI则同时获得人才与口碑 [13][46] 行业趋势与驱动因素 - 智能体AI成为焦点源于三大原因：模型能力已能理解复杂指令、基础设施（如函数调用）快速成熟、用户对AI能行动和执行的需求爆发 [20][53] - 行业竞争进入新阶段，巨头们正在争抢智能体AI领域的顶尖开发者，这些开发者已成为最稀缺的资源 [28][61][62] - 行业竞争重点从比参数、跑分转向看谁能率先做出“杀手级智能体应用”，从而赢得下一个时代 [25][26][27][58][59][60]

行业技术范式转移 - 人工智能正经历从“模型中心”向“系统中心”的关键范式转移，AI不再仅是生成内容，而是开始具备任务规划、工具调用、环境交互、多智能体协作及持续演进的系统能力[3] - 行业焦点已从讨论大模型能力边界，转向聚焦AI如何真正“做事”，即从“对话框里的助手”发展为“自主行动的智能体”[3] GOSIM Paris 2026大会概览 - 大会由GOSIM开源创新汇主办、CSDN协办，将于2026年5月5日至6日在法国巴黎Station F举办[4] - 大会旨在深度探讨并动手实践如何以开源方式，构建Agent（智能体）时代的模型体系、系统架构及应用生态[4] - 大会将全面聚焦Agentic AI（智能体AI），探讨AI如何走出云端，进入机器人、硬件与边缘设备，以及如何构建下一代人工智能的基础设施[11] GOSIM平台定位与历史 - GOSIM是一个完全以志愿者为基础、由社区组织并为社区服务的非营利性项目，其核心目标是提供一个让创新开源项目展示、协作与发展的舞台[2][46] - GOSIM已在杭州、巴黎、北京、代尔夫特、上海等地成功举办活动，连接全球智慧，见证开源力量打破技术壁垒[7] - 2025年在巴黎Station F举办的GOSIM大会已取得显著成果：邀请了89位来自Meta、NVIDIA、阿里巴巴、Hugging Face等全球顶级机构的演讲嘉宾；带来了82场硬核技术演讲；汇聚了来自全球28个国家和地区的970余位技术专家与从业者；并吸引了全法中国青年科创协会、Apache软件基金会等知名组织的深度参与[7][10] 大会核心内容板块 - 大会精心策划了七大核心技术板块，现面向全球征集议题[12] - **智能体AI峰会**：聚焦智能体系统的核心标准与软件范式演进，关注MCP、A2A等通信协议，主权AI架构趋势，以及以Codex类工具驱动的AI软件开发新模式[14] - **开源机器人**：探讨如何让代码驱动物理世界，关注基于Dora框架的自主机器人系统构建、真实世界的AI应用落地及具身智能的开源实践，并包含动手构建编程机器人的工作坊[15][16] - **开源模型**：关注开源模型如何成为Agent时代的核心算力，议题包括LLM及多模态开放基础模型、模型性能优化与推理效率，以及开源模型在Agent场景下的认知能力突破[17] - **AI生成式应用**：展示AI原生应用的设计范式升级，关注A2App、A2UI与生成式应用框架，结合Makepad、Splash等工具的创意生产流程，以及下一代AI工作流与交互体验设计[18] - **边缘智能体AI**：探讨在资源受限的环境中实现“本地智能”，关注模型压缩与量化、端侧推理加速、系统协同机制及隐私保护下的实时决策工程实践[19][20] - **智能体AI协议**：致力于构建“智能体互联网”的基础设施，深入解析MCP、ACP、A2UI、A2App等关键接口标准，探讨Claude Code、OpenClaw等开源编程智能体生态，以及多智能体协作框架与安全机制[21] - **AI硬件**：连接巴黎与深圳，打通软硬边界，关注AI芯片与加速器技术创新、算力架构演进、软硬件协同优化及开源硬件趋势[22][23] 大会特色活动形式 - 大会采用“会议 × 工作坊 × 黑客松 × 大赛”的全景式体系，强调动手与实战，拒绝枯燥的PPT宣读[24][25] - 特色活动包括：**GOSIM Spotlight Demo**，全球征集优秀开源项目进行现场展示；**DORA机器人黑客松**，使用开源DORA框架现场设计、构建并编程自主机器人；**Unaite Vibe Coding黑客松**，融合创意与AI辅助开发的极限编程挑战，利用最新AI工具从0到1打造应用原型[30] 合作伙伴与赞助机会 - 赞助GOSIM Paris 2026意味着与全球最具创新力的开源社区站在一起，是深入欧洲科技核心圈、挖掘潜力开源项目、寻找顶级开源人才的绝佳机会[34] - 赞助权益包括：获得高频品牌国际化展示；接触来自全球的1000多名顶尖开发者与工程师；与欧洲及全球的初创企业、投资机构建立直接商务联系；通过Workshop或黑客松等活动传播技术产品与生态[35][36][37][38] 举办场地价值 - 大会举办地Station F是世界上最大的创业园区，拥有超过1000家初创企业，是欧洲乃至全球科技创新的地标[8] - Station F以培育人工智能创新而闻名，微软、Meta、Naver等科技巨头均在此设立了孵化项目，汇集了尖端AI初创企业、顶级研究人员和企业合作伙伴[8] - 在此举办意味着不仅讨论未来，更身处创造未来的现场[8]

AI与计算的范式革命 - 当前正在经历60年来第一次真正重新发明计算 从显式编程转向隐式编程 从通用计算转向人工智能 整个计算堆栈包括处理、存储、网络和安全都在被重新定义 [11] - 计算范式的核心转变是从“预录制”的、基于检索的软件 转向基于语境、独一无二的“生成式”软件 [30][34] - 过去十年AI性能提升的目标是十年一百万倍 远超摩尔定律的每18个月翻一番（五年十倍，十年一百倍） [24] AI工厂与智能体AI - “AI工厂”是实现AI重构计算的核心概念 需要企业级领域共同努力实现 [11] - 当前聊天机器人式的AI（基于提示词和回复）虽然有趣但不算真正有用 真正的智能在于解决问题 [12] - 智能体AI的关键能力包括：知道自己不知道什么、推理、使用工具、进行研究、基于事实的检索增强生成（RAG）以及记忆能力 [13] 企业拥抱AI的战略与路径 - 企业拥抱AI初期不应从计算投资回报率（ROI）入手 因为新技术部署初期很难在电子表格中算出确切回报 [22] - 建议企业采取“百花齐放”策略 先让内部各种AI项目安全地实验和创新 不要过早控制 之后再运用判断力进行筛选和集中火力 [22][23] - 企业应找出自身最具影响力的核心工作 并为其赋予“无限”的能力和“光速”的效率 以此进行转型 [25] AI的行业影响与市场机会 - AI创造了“智能的极大丰富” 极大降低了智能的成本 使过去需要一年完成的工作可能缩短到一天、一小时甚至实时完成 [24] - AI带来的最大机会是帮助每一家公司转型成“技术优先”的公司 技术是超级力量 而各行业是技术的应用场景 [37] - 全球IT产业规模约1万亿美元 但全球经济总规模达100万亿美元 应用AI技术创造“增强型劳动力”（如数字司机）将打开一个比之前大100倍的潜在市场总量 [36] 软件行业与编程的未来 - 认为软件行业在衰落或被AI取代的观点毫无逻辑 AI（包括通用人工智能）更可能使用现有的、能提供确定性结果的工具（如ServiceNow, SAP）而不是重新发明 [35] - 编程语言正在变成人类的自然语言 实现了从显式编程到隐式编程的转变 企业可以用自己的语言向计算机解释意图 [38] - 写代码本质上就是打字 正在变成一种廉价商品 企业真正的价值在于其领域专长、对客户和问题的理解以及提出正确问题的能力 [5][39][41] 物理AI与下一代能力 - 下一代物理AI需要理解物理世界和因果关系（如物体接触、引力）这是当前大语言模型尚不具备的能力 [36] - 研发物理AI的核心逻辑是让AI像人类一样直接使用能提供精准、确定性答案的工具 而不是在已有标准答案的事情上进行猜测 [35] 企业AI部署与基础设施 - 企业部署AI时 不应是全租或全买的二元选择 而应根据需求混合采用租用和自建的方式 [40] - 出于数据主权、私有信息保护和安全性考虑 公司的部分AI能力应当建立在本地 [40] - 公司最有价值的知识产权不是答案 而是提出的问题 因此保护思考过程和认为重要的问题需要私密的本地环境 [41] 组织与AI的融合 - 未来的组织模式不应是“人在环节中” 而应是“AI在环节中” AI将捕捉公司的生命经验并协助每一位员工 成为公司未来的核心知识产权 [41][42] - 企业对待AI创新应像对待孩子探索生活一样 对团队想尝试新AI的第一反应是“好” 然后再问原因 而不是先要求证明其未来价值 [23]

AI计算范式的根本性转变 - 公司认为当前正在经历60年来第一次真正重新发明计算，核心是从“显式编程”转向“隐式编程”，即从需要一行行写代码转变为只需向计算机陈述意图 [6] - 计算堆栈的各个层面，包括处理、存储、网络和安全，都在被重新定义，这不仅仅是处理器层面的变革 [6] - 软件形态将从过去的“预录制”（基于检索）彻底转变为“生成式”，每个软件实例都将是基于独特语境实时生成的 [25][28] AI技术发展的现状与未来 - 当前基于提示词生成回复的聊天机器人被认为“有趣但不真正有用”，真正的智能在于解决问题，这需要具备知道自己不知道什么、进行推理、制定策略和使用工具等能力 [6][7] - 智能体AI是发展方向，其关键要素包括工具使用、研究能力、基于事实的检索增强生成和记忆能力 [7] - 下一代物理AI需要理解物理世界和因果关系，这是当前大语言模型尚未具备的能力 [31] - 自监督学习的突破是模型规模能从几亿参数爆炸式增长至几万亿参数的关键，使得AI能够编码海量知识和技能 [24] 企业拥抱AI的战略与建议 - 建议企业在部署AI初期不要急于计算投资回报率，而应鼓励内部“百花齐放”，安全地进行大量实验和创新 [17] - 企业应首先识别并聚焦于公司最具影响力的核心工作，并为其赋予“无限”的能力和“光速”的效率 [17][21] - 企业需要建立“AI思维”，即假设技术工具拥有无限速度，并以此重新思考所有业务流程和问题解决方式 [20] - 最终企业需要从“百花齐放”阶段进入“修剪花园”阶段，筛选出最佳方法和平台并集中资源，但不宜过早孤注一掷 [18] AI带来的行业机遇与市场重塑 - AI创造了从制造“工具”到创造“劳动力”或“增强型劳动力”的历史性机遇，其潜在市场总量可能比传统IT产业大100倍 [31] - 全球经济规模约为100万亿美元，而全球IT产业规模约为1万亿美元，AI技术有潜力帮助各行业公司转型为技术公司，从而切入更大的经济蛋糕 [31] - 所有行业公司都有机会通过应用AI技术转型为“技术优先”的公司，技术成为其超级力量，而行业知识则是技术的应用场景 [32] 编程与软件行业价值的重新定义 - 编程（写代码）的本质被描述为“打字”，而打字正在成为一种廉价商品，其价值在贬值 [33] - 企业真正的价值在于其领域专长、对客户和问题的理解，以及提出正确问题的能力，这些是AI无法替代的终极价值 [33][36] - 未来的编程语言将是人类的自然语言，企业可以用自己的语言向计算机解释意图，从而摆脱对大量传统软件工程师的依赖 [33] 企业AI基础设施的部署考量 - 建议企业亲手构建或深入了解AI计算基础设施，就像组装电脑一样，这对于理解技术至关重要，而非完全依赖租赁 [35] - 出于数据主权、隐私和对敏感信息的保护，企业的部分AI能力应该建立在本地，而非全部置于云端 [35] - 公司最有价值的知识产权可能不是答案，而是所提出的问题，因此保护内部的思考和问题至关重要，这强化了本地部署的必要性 [36] 组织与AI关系的未来愿景 - 未来的范式不是“人在环节中”，而是“AI在环节中”，AI将融入业务流程，持续捕捉和积累公司的经验与知识 [36] - 未来每位员工都将有AI辅助，这些AI将成为公司核心的知识产权和竞争力所在 [36] - 公司与思科的合作旨在将AI的极致性能与企业所需的可控性、安全性和易管理性相结合，以推动企业级AI的落地 [16]

服务器CPU供应趋紧现状 - 英特尔与AMD已向中国客户发出供应受限通知[2] - 英特尔部分服务器CPU产品的交付周期被拉长至最长六个月[2] - AMD部分服务器CPU的交付周期已延长至8-10周[2] - 英特尔服务器芯片在中国市场的整体价格已普遍上涨超过10%[2] - 英特尔对第四代与第五代至强处理器采取配额式供应[2] - 中国市场贡献了英特尔总营收的20%以上[2] 供应紧张的原因分析 - AI基础设施加速扩张引发对AI专用芯片的激烈争夺，并带动算力供应链连锁反应[2] - 英特尔自身面临良率挑战，限制了产能提升[3] - AMD依赖台积电代工，而台积电当前优先保障AI芯片生产，压缩了CPU产能空间[3] - 服务器关键部件内存芯片短缺，推动客户提前抢购CPU以锁定相对低价的内存资源[3] - “智能体AI”的崛起对CPU算力要求远高于传统应用，推高了整体需求[3] - 英特尔承认AI应用快速普及正在推高“传统计算”需求[3] 市场格局与公司应对 - 英特尔与AMD主导全球服务器CPU市场[3] - 英特尔市场份额从2019年的90%以上降至2025年的约60%[3] - AMD市场份额从2019年的约5%提升至2025年的约20%[3] - 在中国，阿里巴巴、腾讯等云厂商均为重要客户[3] - 英特尔预计一季度库存将处于低位，正积极扩产，目标在2026年二季度缓解供给压力[3] - AMD已提升产能布局，并称有信心依托与台积电等关键供应商的合作满足全球客户需求[3]

高通CEO对智能体AI的行业展望 - 高通CEO安蒙认为，智能体AI是塑造移动未来的前奏，AI正成为新的用户界面[1] - 智能可穿戴设备正在演进为个人AI伙伴，并迅速成为下一个移动计算类别[1] 字节跳动与中兴通讯的AI手机合作 - 字节跳动发布了首款智能体AI智能手机，搭载骁龙8至尊版移动平台，被视为迈向AI原生智能手机的重要里程碑[1] - 去年12月，字节跳动豆包团队与中兴通讯合作，推出了搭载豆包手机助手技术预览版的工程样机——努比亚M153[1] - 该工程样机使用骁龙8至尊版移动平台，旨在为用户提供更具主动性和场景理解能力的AI服务体验[1] 骁龙8至尊版移动平台的AI能力 - 骁龙8至尊版移动平台可直接在终端侧提供个性化的多模态生成式AI，支持语音、情境和图像理解[3] - 该平台全面增强从生产力到创意任务等各方面的体验[3] - 高通在2024年9月推出了第五代骁龙8至尊版，拥有更出色的性能、能效和终端侧AI处理能力[3] - 在智能体AI方面，骁龙8系移动平台赋能真正的个性化智能体AI助手，可以跨应用为用户提供定制化操作[3] 行业合作与AI规模化落地 - 目前，包括小米、荣耀、一加、努比亚等在内的很多手机品牌都发布了搭载第五代骁龙8至尊版的旗舰手机[3] - 高通与中兴通讯、小米、荣耀、中国移动、中国联通、中国电信等合作，共同开启“AI加速计划”，旨在推动终端侧AI规模化落地[3] - “AI加速计划”也包括将智能体AI的体验引入更多终端[3] - 在产业各方共同努力下，智能体AI预计将扩展到包括智能手机在内的更多终端产品上[3] 高通移动平台的竞争优势 - 字节跳动与中兴通讯的合作凸显了骁龙移动平台在端侧AI推理性能、功耗、连接与安全等方面的优势[1]

中国人工智能产业发展全景与核心趋势 - 截至2025年，中国人工智能企业数量超过6000家，核心产业规模预计突破1.2万亿元，同比增长近30% [2] - 国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国，在全球占比达60% [2] - 2025年1月以来，智谱、天数智芯、MiniMax等国内AI企业扎堆上市，行业竞争从以对话为核心的“Chat”范式转向“能办事”的智能体时代 [2] 技术范式：从“聊天”走向“做事” - AI发展沿两条主线并进：技术向上冲刺，寻求突破认知与协同局限；应用向下扎根，解决真实痛点 [4] - 行业从“拼规模”转向“拼密度”，精炼高效成为大模型演进核心逻辑，不再单纯依靠提升参数规模实现性能突破 [5] - 以DeepSeek的NSA、月之暗面的MoBA等为代表的稀疏注意力机制，成为提升模型推理效率的重要技术路径之一 [5] - 堆算力的边际效益趋于平缓，算法架构革新将是AI未来发展的突破点 [6] - 基础模型数量正持续收敛，“百模大战”落幕，竞争转向围绕真实场景渗透、产业生态构建与应用价值深挖的耐力赛 [8] 智能体与多模态融合成为前沿方向 - 人工智能正向智能体AI加速演进，智能体AI具有自主性、能举一反三和长期记忆三个特征，能够像人一样设定任务、规划路径 [10] - 未来AI不仅能听懂指令，还能“看”懂画面、“听”懂语气，成为具备综合认知能力的“全能感知者” [10] - AI的创新前沿将突破数字世界边界，未来的AI将是信息智能、物理智能和生物智能的融合 [11] - 2025年1月，中国一款具身智能模型在全球统一标准下获得第一，意味着中国团队训练出的机器人“大脑”具备了在物理世界理解和执行任务的能力 [11] 算力基础设施：系统化升级与协同 - 中国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列 [14] - 东数西算工程已形成覆盖东中西部的8大枢纽节点、10个数据中心集群，其中8大枢纽节点已建成智算规模超过全国智算总量的80% [14] - 算力网建设呈现集约化、一体化、协同化、价值化等特征，算力资源正在向枢纽节点集聚，跨地域调度平台逐步完善 [14] - 智算中心正向算力高密化、集群规模化、绿色低碳化方向演进，更大规模的万卡乃至百万卡级集群将成为支撑万亿参数模型训练的基础 [14][15] - 2024年中国数据中心用电量占社会用电量比例1.68%，预计到2030年底，按照中速增长趋势，这一比例将达3%左右，全国数据中心用电量将突破4000亿千瓦时 [16] - 腾讯的数据中心去年绿电占比已达80%，企业积极探索绿电直供、分布式新能源等模式 [16] 数据要素：从规模导向转为质量与专业化导向 - 数据标注行业正从劳动密集转向知识密集，注明“重点大学本硕博优先”的AI数据标注员岗位月薪最高接近2万元 [19] - 当算法边际效益递减、算力日益普及时，AI技术的竞争焦点正转向更基础也更难复制的高质量数据 [20] - 截至2025年第三季度，国家数据局指导建设的7个数据标注基地已形成医疗、工业、教育等行业的高质量数据集超过500个，带动数据标注相关产值163亿元 [23] - 中国信通院调研显示，78%的数据标注企业以行业数据集供给为主，重点是交通运输、医疗健康、教育教学、工业制造等领域 [23] - 合成数据技术将越来越普及，以突破现实数据难以获取或涉及隐私的瓶颈 [24] 产业赋能：驱动制造业转型升级 - 2024年初中国日均Token消耗量1000亿，截至2025年6月底突破30万亿，一年半时间增长300多倍，反映出AI应用落地的快速增长 [28] - 2025年12月，豆包大模型日均Token调用量突破50万亿，同比增长超10倍，累计使用量超万亿Token的企业客户突破100家 [28] - AI在制造业的应用呈现三个维度：研发设计、生产制造、运营管理，其中生产制造环节AI应用比例从2024年的19.9%提升到2025年的25.9% [30] - 国家部署为企业助力，提出到2027年推动形成特色化、全覆盖的行业大模型，推广500个典型应用场景 [32] - 中国拥有超600万家制造业工厂，将在纷繁多样的场景拥抱AI，实现生产方式的深刻变革 [33] 应用落地与社会价值重塑 - AI推动城市治理更智能精准，例如四川德阳“城市大脑”以分钟级发现路面问题，甘肃临洮大桥AI系统挽救了20多条生命 [36] - AI正锚定“需求”渗透消费场景，例如麦当劳中国与蔚来汽车联合推出国内首个车载AI语音点餐系统 [37] - 中金公司2026年展望报告显示，消费电子的“端侧AI时代”已经来临，今年有望成为AI消费终端大规模普及的关键年份 [38] - AI正重新定义工作和技能，腾讯有超90%工程师正在借助AI编码，AI辅助让工程师专注于创新 [39] - 随着AI向各行各业渗透，传统教育势必转型，培养学生“AI+技能”复合素养和可持续学习的自驱力成为核心 [39] 安全治理与规范发展 - AI风险被总结为数据隐私与安全边界模糊、技术滥用与虚假信息产生、算法偏见与决策“黑箱”等方面 [42] - “越狱攻击”是当前大语言模型安全领域的严峻挑战 [43] - 中国不断加固安全护栏，从柔性指导到加强法治保障，《人工智能拟人化互动服务管理暂行办法（征求意见稿）》提出建立应急响应机制，在极端情境下由人工接管对话 [45] - 2024年，中国信通院启动“大规模预训练模型（文本生成功能）安全认证”，标志着我国开始对大模型内容安全进行系统化、标准化认证 [46] - 规范发展已成为AI业界共识，从研究机构到企业平台均在探索建立健全AI安全伦理体系，明确数据使用、责任界定等关键规则 [46]

中国AI产业宏观图景 - 截至2025年，中国人工智能企业数量超过6000家，AI核心产业规模预计突破1.2万亿元，同比增长近30% [2] - 国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国，在全球占比达60% [2] - 2025年1月以来，智谱、天数智芯、MiniMax等国内AI企业扎堆上市，行业竞争从以对话为核心的“Chat”范式转向“能办事”的智能体时代 [2] 技术范式演进 - AI发展正沿“技术向上冲刺”与“应用向下扎根”两条主线并进，从“拼规模”转向“拼密度”，精炼高效成为大模型演进的核心逻辑 [4][5] - 以DeepSeek的NSA、月之暗面的MoBA等为代表的稀疏注意力机制，成为提升模型推理效率的重要技术路径之一 [5] - 行业共识认为，算法架构革新将是AI未来发展的突破点，堆算力的边际效益已趋于平缓 [6] - 人工智能正向智能体AI加速演进，智能体AI具有自主性、能举一反三和长期记忆三个特征，能够像人一样设定任务、规划路径 [10] - AI的创新前沿将突破数字世界，未来的AI将是信息智能、物理智能和生物智能的融合，中国一款具身智能模型已在全球统一标准下获得第一 [11] 算力基础设施发展 - 中国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列 [14] - “东数西算”工程已形成覆盖东中西部的8大枢纽节点、10个数据中心集群，其中8大枢纽节点已建成智算规模超过全国智算总量的80% [14] - 产业架构将从分散走向全国一体化，“十五五”规划建议提出推进“全国一体化算力网”，算力资源正在向枢纽节点集聚 [14] - 更大规模的万卡乃至百万卡级集群将成为支撑万亿参数模型训练的基础，例如百度计划将单一智算集群规模从3万卡推向百万卡级别 [15] - 2024年中国数据中心用电量占社会用电量比例1.68%，预计到2030年底，按照中速增长趋势，这一比例将达3%左右，全国数据中心用电量将突破4000亿千瓦时 [16] - 企业积极探索绿电直供，腾讯的数据中心去年绿电占比已达80% [16] 数据要素与质量 - 数据标注行业正从劳动密集转向知识密集，注明“重点大学本硕博优先”的AI数据标注员岗位，月薪最高接近2万元 [20] - 当算法和算力的边际效益递减时，AI技术的竞争焦点正转向高质量数据 [21] - 国家数据局指导建设7个数据标注基地，截至2025年第三季度，已形成医疗、工业、教育等行业的高质量数据集超过500个，带动数据标注相关产值163亿元 [24] - 对中国数据标注企业的调研显示，78%的企业以行业数据集供给为主，重点是交通运输、医疗健康、教育教学、工业制造等领域 [24] - 合成数据技术将越来越普及，以突破现实数据难以获取或涉及隐私时的数据瓶颈 [25] AI与产业融合赋能 - 2024年初中国日均Token消耗量为1000亿，截至2025年5年6月底，已突破30万亿，一年半时间增长300多倍，反映出AI应用落地的快速增长 [29] - 2025年12月，豆包大模型日均Token调用量突破50万亿，同比增长超10倍，累计使用量超万亿Token的企业客户突破100家 [29] - 业界预测未来的Token消耗将呈现“二八格局”，约80%来自企业，20%来自个人用户 [29] - AI在制造业的应用呈现渐进性特征，大模型应用超过40%聚集在客服等运营管理环节，生产制造环节AI应用比例从2024年的19.9%提升到2025年的25.9% [31] - 国家部署提出到2027年推动形成特色化、全覆盖的行业大模型，推广500个典型应用场景 [33] - 中国拥有超600万家制造业工厂，将在纷繁多样的场景中拥抱AI，实现生产方式变革 [34] AI应用场景与社会价值 - AI正深度嵌入社会运行，例如在重庆潼南区，智能监测系统守护独居老人，从预警到网格员上门仅需15分钟 [37] - 在消费领域，AI技术不断渗透到消费场景以拓展消费边界，例如麦当劳中国与蔚来汽车联合推出国内首个车载AI语音点餐系统 [38] - 消费电子的“端侧AI时代”已经来临，2026年有望成为AI消费终端大规模普及的关键年份，或将引发新一轮消费电子更新换代潮 [39] - AI正重塑工作流程，例如“氛围编程”成为趋势，腾讯有超90%的工程师正在借助AI编码 [40] - AI推动教育转型，培养学生的核心竞争力转向复杂问题解决能力、“AI+技能”复合素养和可持续学习的自驱力 [40] 安全治理与规范发展 - AI生成的低质量、无意义内容（被称为“slop”或“AI垃圾内容”）席卷全球，警示安全隐患与伦理挑战不容忽视 [42] - AI风险主要包括数据隐私与安全边界模糊、技术滥用与虚假信息产生、算法偏见与决策“黑箱”等方面，其中“越狱攻击”是当前大语言模型安全领域的严峻挑战 [43][44] - 中国人工智能治理走出一条从柔性指导到加强法治保障的特色之路，新修改的网络安全法于2026年施行，规定完善人工智能伦理规范，加强风险监测评估和安全监管 [46] - 2024年，中国信通院启动“大规模预训练模型（文本生成功能）安全认证”，标志着我国开始对大模型内容安全进行系统化、标准化认证 [47] - 企业与机构也在牵头制定行业标准，如腾讯和中国信通院联合发布国内首个金融行业大模型标准 [47]

中国人工智能产业全景与趋势 - 中国人工智能企业数量超过6000家，核心产业规模预计突破1.2万亿元，同比增长近30% [1] - 国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国，全球占比达60% [1] - 行业共识认为以对话为核心的“Chat”范式已告终结，AI竞争转向“能办事”的智能体时代 [1] 技术范式演进：从“聊天”到“做事” - AI发展沿两条主线并进：技术向上冲刺，寻求突破认知与协同局限；应用向下扎根，解决真实痛点 [4] - 行业从“拼规模”转向“拼密度”，精炼高效成为大模型演进核心逻辑，不再单纯依靠提升参数规模实现性能突破 [6] - 以DeepSeek的NSA、月之暗面的MoBA等为代表的稀疏注意力机制，成为提升模型推理效率的重要技术路径之一 [6] - 人工智能正向智能体AI加速演进，智能体AI具有自主性、能举一反三和长期记忆三个特征 [10] - AI的创新前沿将突破数字世界边界，未来将是信息智能、物理智能和生物智能的融合 [11] 算力基础设施的系统性升级 - 中国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列 [16] - 产业架构从分散走向全国一体化，东数西算工程形成的8大枢纽节点已建成智算规模超过全国智算总量的80% [18] - 算力中心正向算力高密化、集群规模化、绿色低碳化方向演进，更大规模的万卡乃至百万卡级集群将成为支撑万亿参数模型训练的基础 [18] - 头部科技公司正打造能兼容多种国产芯片的异构计算平台，百度计划将单一智算集群规模从3万卡推向百万卡级别 [18] - 2024年中国数据中心用电量占社会用电量比例1.68%，预计到2030年底按中速增长将达3%左右，用电量突破4000亿千瓦时 [19] - 国家引导算力向西部可再生能源富集区布局，腾讯的数据中心去年绿电占比已达80% [19] 数据要素：从规模到质量与专业化 - 数据标注行业正从劳动密集转向知识密集，注明“重点大学本硕博优先”的AI数据标注员岗位月薪最高接近2万元 [23] - 当算法边际效益递减、算力日益普及时，AI技术竞争焦点正转向高质量数据 [24] - 国家数据局指导建设数据标注基地，截至2025年第三季度形成医疗、工业、教育等行业高质量数据集超过500个，带动相关产值163亿元 [27] - 对中国数据标注企业的调研显示，78%的企业以行业数据集供给为主，重点是交通运输、医疗健康、教育教学、工业制造等领域 [27] - 合成数据技术将越来越普及，以突破现实数据难以获取或涉及隐私的瓶颈 [28] 产业赋能：驱动制造业转型升级 - 2024年初中国日均Token消耗量1000亿，截至2025年6月底突破30万亿，一年半时间增长300多倍 [33] - 2025年12月，豆包大模型日均Token调用量突破50万亿，同比增长超10倍，累计使用量超万亿Token的企业客户突破100家 [33] - AI在制造业的应用在三个维度展开：研发设计、生产制造、运营管理，生产制造环节AI应用比例从2024年的19.9%提升到2025年的25.9% [35] - 国家部署《“人工智能+制造”专项行动实施意见》，提出到2027年推动形成特色化、全覆盖的行业大模型，推广500个典型应用场景 [38] - 中国拥有全球最完整的工业体系、海量应用场景数据、强大的工程化能力和庞大的市场需求，构成AI时代实现跨越式发展的基础 [37] 应用落地与社会价值 - 各大厂商加快AI真实场景落地，腾讯已把自研大模型在内部超过900个场景和应用落地 [7] - 基础模型数量正持续收敛，在真实场景中的应用效果成为关注重点，百川智能深耕医疗，零一万物转向为企业部署定制解决方案 [7] - AI推动城市治理更智能精准，例如四川德阳“城市大脑”以分钟级发现路面问题，甘肃临洮大桥AI系统挽救了20多条生命 [41] - AI正渗透消费场景，拓展消费边界，例如麦当劳中国与蔚来汽车联合推出国内首个车载AI语音点餐系统 [43] - AI正推动消费从“需求牵引供给”逐步到“供给定义需求”，中金公司报告显示消费电子的“端侧AI时代”已经来临 [43] - AI重新定义工作和技能，腾讯有超90%工程师正在借助AI编码，并推出AI编程助手CodeBuddy [44] 安全治理与规范发展 - AI生成的质量低下、无意义或粗制滥造的内容（被称为“slop”或“AI垃圾内容”）成为全球性现象，警示安全隐患与伦理挑战 [48][49] - AI风险被总结为数据隐私与安全边界模糊、技术滥用与虚假信息产生、算法偏见与决策“黑箱”等方面 [49] - “越狱攻击”是当前大语言模型安全领域的严峻挑战 [50] - 中国走出一条从柔性指导到加强法治保障的特色治理之路，“十五五”规划建议提出加强人工智能治理，完善法律法规、伦理准则 [52] - 2024年，中国信通院启动“大规模预训练模型（文本生成功能）安全认证”，标志着我国开始对大模型内容安全进行系统化、标准化认证 [53]

行业概览与市场规模 - 中国人工智能企业数量超过6000家，AI核心产业规模预计突破1.2万亿元，同比增长近30% [1] - 国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国 [1] - 2024年初中国日均Token消耗量为1000亿，截至2025年6月底突破30万亿，一年半时间增长300多倍 [14] - 2025年12月，豆包大模型日均Token调用量突破50万亿，同比增长超10倍，累计使用量超万亿Token的企业客户突破100家 [15] 技术范式演进 - 行业共识认为以对话为核心的“Chat”范式已告终结，AI竞争转向“能办事”的智能体时代 [1] - 中国AI技术路线转向拥抱更轻的模型、更聪明的架构、更高的效率和更低的价格 [2] - 智能体AI具有自主性、能举一反三和长期记忆三个特征，能够像人一样设定任务、规划路径、试错反馈 [3] - 未来的AI创新前沿将是信息智能、物理智能和生物智能的融合 [3] - 算法架构革新被认为是AI未来发展的突破点，规模定律仍需要算力和数据作为基座 [2] 算力基础设施发展 - 中国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列 [5] - “东数西算”工程已形成覆盖东中西部的8大枢纽节点、10个数据中心集群，其中8大枢纽节点已建成智算规模超过全国智算总量的80% [6] - 算力网建设呈现集约化、一体化、协同化、价值化特征，算力资源向枢纽节点集聚 [6] - 智算中心将向算力高密化、集群规模化、绿色低碳化方向演进 [6] - 头部科技公司正打造能兼容多种国产芯片的异构计算平台 [6] - 2024年中国数据中心用电量占社会用电量比例1.68%，预计到2030年底按中速增长将达3%左右，用电量突破4000亿千瓦时；按高速增长或将突破7000亿千瓦时 [7] 数据要素与质量 - AI技术的竞争焦点正转向高质量数据，数据标注行业从劳动密集转向知识密集 [9][10] - 训练行业模型需要高质量的行业数据集，将专家经验转化为机器可学习的样本 [10] - 国家数据局指导7城市建设数据标注基地，截至2025年第三季度形成医疗、工业、教育等行业高质量数据集超过500个 [11] - 对数据标注企业的调研显示，78%的企业以行业数据集供给为主，重点在交通运输、医疗健康、教育教学、工业制造 [11] - 数据流通存在“不敢传”、“不愿传”、“不会传”的壁垒，导致数据“孤岛”现象 [11] 产业应用与赋能 - AI正成为传统产业转型升级的重要驱动力，并非高科技产业专属 [13] - 大模型会率先在数字化基础较好的行业落地，如互联网服务、金融、政务；在传统产业落地较缓 [15] - 未来的Token消耗预计约80%来自企业，20%来自个人用户 [15] - 在制造业，AI应用在研发设计、生产制造、运营管理三个维度展开 [16] - 目前大模型应用超过40%聚集在客服等运营管理环节，30%至40%应用于研发环节，生产制造环节应用比例从2024年的19.9%提升到2025年的25.9% [16] - 国家部署到2027年推动形成特色化、全覆盖的行业大模型，推广500个典型应用场景 [16] - 腾讯已把自研大模型在内部超过900个场景和应用落地 [2] 社会治理与消费应用 - AI融入政府公共服务，从事后处置转向事前预警，从“人海战术”转向智能调度 [18] - AI推动城市治理更智能精准，例如算法分钟级发现路面问题，AI识别危险行为与警务联动挽救生命 [18] - 在消费领域，AI使平台和产品从“猜你喜欢”变为“懂你需要”，消费起点从用户需求清单变为算法推荐 [18] - 消费电子的“端侧AI时代”已经来临，2026年有望成为AI消费终端大规模普及的关键年份 [19] - 国家政策提出推动智能终端“万物智联”，发展智能网联汽车、AI手机电脑、智能机器人、智能家居等 [19] 人才与教育变革 - AI降低了跨界难度，例如非技术背景人员转向计算语言学 [20] - “氛围编程”成为趋势，从“敲代码”到“聊代码”，AI渗透工作流程 [20] - 腾讯有超90%工程师正在借助AI编码，并推出面向企业及程序员的服务工具 [20] - AI+教育旨在培养学生使用AI创新的能力，其核心竞争力转向复杂问题解决能力、“AI+技能”复合素养和可持续学习的自驱力 [20] 安全、伦理与治理 - AI生成的低质量、无意义内容（被称为“slop”或“AI泔水”）充斥互联网，带来安全隐患与伦理挑战 [22][23][24] - AI风险包括数据隐私与安全边界模糊、技术滥用与虚假信息产生、算法偏见与决策“黑箱”等 [24] - 中国治理走出一条从柔性指导到加强法治保障的特色之路，新修改的网络安全法于2026年施行，规定完善人工智能伦理规范，加强风险监测评估和安全监管 [24][25] - “规范发展”已成为业界共识，研究机构与企业平台均在探索建立健全AI安全伦理体系 [25]