通用人工智能的定义与能力 - 通用人工智能被定义为能够在任何任务上胜过人类的机器 [1] - 即使人工智能在所有任务上胜过人类，也不意味着其与人类同样有智慧 [1] 人类在AGI时代的核心价值 - 人类的价值在于创造力和想象力，能够组合出无数种解决方案 [1] - 机器不可能比人类更聪明 [1] 人工智能对社会经济的影响 - AI在产生和应用知识的能力上可与人类竞争，可能对个体身份产生深远影响 [1] - AI技术将重塑世界，影响经济和社会组织 [1] - AI的收益和潜在风险成正比 [1]

行业变革拐点 - AI终端生态成为行业变革的新拐点，智能手机正从"Smart Phone"向"AI iPhone"跃迁 [1] - 在新一轮全球AI竞争中，中国力量正逐步增强话语权，终端产业有望迈入以"中国定义"为标志的新阶段 [3] - 大语言模型已从聊天工具演变为能规划、决策的智能体，但静态模型的核心瓶颈使得AI智能体自进化成为业内关注焦点 [4] 自进化AI技术突破 - Google DeepMind在2025年5月发布的AlphaEvolve智能体首次破解56年未解数学难题，在数学、机器学习、硬件设计等领域取得突破性进展 [4] - 自进化被认为是LLM走向AGI的关键能力，也是AI终端面向未来的核心竞争力 [5] - 荣耀Magic8系列以端侧自进化AI技术，驱动AI终端从被动执行指令的工具转化为主动探索未知、与人类协同进化的智慧伙伴 [7] 荣耀AI产品与生态 - YOYO智能体完成再次升级，成为具备自主学习与持续进化能力的AI"生命体" [7] - 70亿参数的MagicGUI大模型以91.5%准确率实现多模态深度理解，场景自动执行能力从200个跃升至超3000个 [7] - 构建了手机厂商中最全面、最开放的AI服务生态，接入超过4000个来自头部互联网平台的"专业服务帮手" [7] 荣耀战略与投入 - 荣耀在MWC 2025上发布阿尔法战略，宣布从智能手机制造商向全球领先的AI终端生态公司转型 [9] - 计划未来五年投入100亿美元（约合人民币720亿元），研发支出占营收比重将超过15% [9] - "阿尔法战略"明确"端侧AI为核心、以人为本释放人类潜能"的方向，打破行业"唯云端论"的路径依赖 [9] 市场表现与增长 - Counterpoint数据显示，荣耀在Q3前八周市场份额显著回升，位列中国市场第五 [13] - 2025年第二季度，荣耀在拉美智能手机市场出货量大幅增长70%，达到创纪录的290万部，位列第四 [13] - 荣耀在欧洲市场稳居前五，出货量同比增长11% [13] 合作与行业影响 - 荣耀与高通共研深耕新一代AI与芯片底层技术，让硬件释放超越参数本身的更大潜能 [8] - 荣耀与高通的合作引发海外权威媒体广泛报道，被评价为是在探索"下一代手机定义" [10] - 标志着中国企业实现了从"技术输出"到"标准与叙事定义"的关键跨越 [12]

AGI定义框架 - 由Yoshua Bengio、埃里克・施密特、Gary Marcus等学者与行业领袖联手提出一个全面、可测试的AGI定义框架[1] - 该框架将AGI定义为一种能够匹敌甚至超越受过良好教育的成年人的认知多功能性和熟练程度的人工智能[3] - 定义强调通用智能不仅需要专业化表现，还需具备人类认知技能的广度和深度[4] 量化评估方法 - 以卡特尔-霍恩-卡罗尔认知能力理论为基础，这是人类智力最经实证验证的模型[6] - 使用用于测试人类的认知测试系统来测试人工智能系统，得出标准化的“通用智力指数”分数[7] - 该框架包含十项核心认知分量，每项等量加权10%，以覆盖主要的认知领域[9] GPT模型核心能力评估 - 在一般知识方面，GPT-4总分为8%，GPT-5为9%[14] - 在阅读与写作能力方面，GPT-4总分为6%，GPT-5为10%[15] - 在数学能力方面，GPT-4总分为4%，GPT-5为10%[16] - 在现场即时推理能力方面，GPT-4总分为0%，GPT-5为7%[17] - 在工作记忆方面，GPT-4总分为2%，GPT-5为4%[18] - 在长期记忆存储方面，GPT-4和GPT-5总分均为0%[19] - 在长期记忆检索方面，GPT-4和GPT-5总分均为4%[20] - 在视觉处理方面，GPT-4总分为0%，GPT-5为4%[21] - 在听觉处理方面，GPT-4总分为0%，GPT-5为6%[22] 当前AI系统瓶颈 - 当代AI系统的认知结构呈现高度“锯齿状”不均衡特征[25] - 长期记忆存储是当前最显著的瓶颈之一，得分几乎接近0%[25] - 视觉推理方面的缺陷阻碍了AI智能体与复杂数字环境进行有效交互的能力[26] - 模型存在“能力扭曲”，利用强项弥补弱点，制造出脆弱的“通用智能幻觉”[27][28] 能力扭曲的具体表现 - 依赖巨大的上下文窗口来弥补长期记忆存储的缺失，但效率低且计算成本高[29] - 通过检索增强生成缓解长期记忆提取的不精确表现，但这掩盖了AI记忆的深层弱点[30][31] - 误将“能力扭曲”视为真正的认知广度会导致对AGI到来时间的误判[32] 认知能力的相互依赖 - 智能的十个测量维度高度相互依赖，复杂认知任务几乎从不依靠单一领域完成[37] - 解决高阶数学问题同时依赖数学能力与即时推理，理解电影需整合听觉加工、视觉加工与工作记忆[37] - 不同的测验组合往往共同考察多个能力，反映出通用智能的整体性特征[38] 最终评估结果 - GPT-4的最终AGI分数为27%，GPT-5为58%[50] - 当前前沿LLM模型离AGI还相距甚远，尤其在基础认知机制上存在显著缺陷[24][50] - 该框架提供了一个具体的量化尺度，既展现AI的迅速进步，也揭示距离真正AGI的巨大差距[50]

科创人工智能ETF（589010）市场表现 - 截至9点48分早盘小幅回调0.07% 开盘后短暂冲高至1.452元后震荡回落 整体在1.44元附近维持整理 暂未脱离前一交易日区间 [1] - 成分股方面30只中上涨7只 下跌23只 个股分化明显 寒武纪 道通科技 芯原股份领涨超2% 海天瑞声 奥比中光 恒玄科技领跌 显示AI算力与智能硬件板块内部轮动 [1] - 流动性方面成交额达3136万元 成交量2170万份 交投平稳 [1] 人工智能技术进展 - 百度宣布视频生成模型百度蒸汽机再次升级 突破传统AI视频生成10秒左右时长限制 行业首次实现AI长视频实时交互生成 生成速度超越国内主流视频生成模型 [1] - 用户只需上传单张图片与一段提示词即可启动视频生成流程 并能实时预览模型推理全部内容 在生成过程中可随时暂停或在任意节点修改提示词 实现对视频剧情 画面 转场的实时控制 [1] 中美人工智能发展路径 - 中国优先部署成本低 易跨行业扩展的应用人工智能 强调通过"AI+"推动人工智能融入科研与产业 目标在2030年实现全面赋能增长 [2] - 美国专注于将原始能力推向极限的通用人工智能（AGI） 两种愿景代表不同发展路径的正面交锋 [2] - 美国在GPT-5受挫后其通用人工智能发展路径已遇瓶颈 而中国的AI应用路线正显现成功迹象 [2] 科创人工智能ETF（589010）产品特征 - 紧密跟踪上证科创板人工智能指数 覆盖全产业链优质企业 兼具高研发投入与政策红利支持 [2] - 20%涨跌幅与中小盘弹性助力捕捉AI产业"奇点时刻" [2]

AI投资规模与驱动力 - 2025年美国AI相关支出年化规模约3000亿美元，三个月年化增速较2022年平均值增加2770亿美元[2] - AI投资受技术和宏观经济双重驱动，技术层面AI可提升劳动生产力15%，企业应用后生产力平均提升25%-30%[3] - 计算需求高速增长，大型语言模型训练所需计算力年增400%，训练查询需求年增350%，前沿AI模型数量年增125%[7] - 宏观经济层面，美国近12个月AI投资占GDP不足1%，低于历史上基础设施投资占GDP 2%-5%及ICT投资占GDP 1.5%-2%的水平[7] - AI生产力提升带来的资本收入现值基线为8万亿美元，区间在5万亿至19万亿美元，远超当前投资规模[8] AI投资可持续性与竞争格局 - 目前不足10%的企业将AI用于常规生产，处于逐步渗透阶段[6] - 企业若购买现成AI应用、由一线经理主导项目并使用集成工具可获得显著价值[6] - 历史经验显示技术基建周期中先发者表现不一，当前AI市场应用层竞争激烈，基础模型层和数据中心层竞争适度，半导体层由Nvidia和TSMC主导[10] - AI技术迭代快削弱先发优势，企业多用模型降低切换成本，AI硬件折旧率高达18%，增加企业长期胜出的不确定性[10] - 企业持续投资AI的动力在于获取先发超额收入及通过计算能力投入追求AGI实现的极高利润[11] 工业富联投资价值 - 公司在AI服务器赛道凭借规模、全球覆盖和供应链关键地位优势，市场份额不断提升[12] - 高盛预测2025年至2027年净利润年复合增长率达45%，远高于2022年至2024年的8%[15] - 2026年每股收益上调8%至2.84元，目标市盈率微调至29.5倍；2026年收入预测1.47万亿元上调3%，净利润564.32亿元上调8%；2027年收入预测1.96万亿元上调10%，净利润707.25亿元上调7%[15] - AI服务器技术快速迭代需要稳定供应链，公司技术研发和产品交付能力支撑市场份额可持续性，客户覆盖中美头部云服务提供商，产品包括GPU和ASIC服务器[16] - 传统智能手机零部件业务受益于折叠屏手机需求增长，公司技术实力保障交付优势[16] AI电力需求挑战与机遇 - 预计到2030年全球数据中心电力需求较2023年增长175%，相当于新增一个全球前十大电力消费国，美国数据中心电力需求占比将从2023年4%升至11%[21] - 驱动因素包括AI普及性、计算生产力提升（如NVIDIA服务器算力提升15倍功耗仅增2倍）、电力价格（绿色可靠性溢价约40美元/兆瓦时对超大规模企业EBITDA影响仅2%-3.5%）、政策、部件可用性和人力可用性[22][23][24][25] - 美国到2030年需新增82吉瓦容量满足需求，其中51%为天然气调峰电厂，27%为太阳能；全球电网投资预计达7900亿美元，67%用于输配电升级[25][26] - 数据中心碳排放到2030年将增加2.15亿至2.2亿吨，占全球能源排放0.6%[26] - 投资机会集中于保障电力水资源可靠性、满足新增电力需求和提升效率三个方向[26] SST技术优势 - SST技术较传统交流UPS方案和直流240V电源方案可节省约50%占地面积，安装周期缩短75%[28] - 以中国移动万卡集群为例，服务器电源面积占比达40%-45%，大型数据中心如Meta项目占地达2250英亩[27] - 英伟达GB200功耗达2700W，传统电源系统存在空间限制，SST方案可优化空间利用[28]

AI行业投资规模与估值 - 全球十家尚未盈利的AI初创公司在过去12个月内估值合计暴增近1万亿美元，创下史上最快的财富膨胀速度[1] - 美国风险投资机构在AI领域的投入在2025年将超过2000亿美元，远超2021年SaaS泡沫期的1350亿美元，也大幅超过2000年互联网泡沫顶峰时约105亿美元（经通胀调整后约200亿美元）的投入规模[2] - 这十家AI初创企业在2025年共同吸引了超过2000亿美元的风险投资，占美国VC全年投资总额的三分之二[1] AI初创公司现状与市场特征 - 被提及的十家AI初创企业包括OpenAI、Anthropic、xAI、Perplexity等，它们几乎全部处于亏损状态[1] - 市场出现估值严重脱离基本面的现象，例如一家年收入仅500万美元的AI公司估值高达5亿美元，达到收入的100倍，而在零利率时代此类公司估值仅为2.5亿至3亿美元[2] - 投资逻辑呈现"押宝式"特征，背后是普遍的FOMO（害怕错过）情绪，市场参与者普遍假设自己投中的是下一个OpenAI[2] 行业格局与竞争态势 - 行业预期呈现"赢者通吃"的格局，最终可能只有极少数公司胜出，类比互联网时代谷歌和Meta几乎垄断市场的情况，本轮胜出者数量可能在15家左右[3] - 尽管OpenAI年化收入已达130亿美元，但与微软、谷歌的激烈竞争使其仍深陷烧钱大战，训练下一代模型的成本正以指数级上升，盈利时间表模糊[4] - 有观点认为，或许有1万亿美元的AI投资会被浪费，但最终AI会创造10倍的价值，科技创新的方式一直是大量投入资金进行试错[3] 市场影响与潜在风险 - AI私营企业的估值波动正开始影响公开市场，AMD、英伟达、博通和甲骨文等科技巨头因与OpenAI等公司的合作，其市值在过去几周内暴涨了数千亿美元[3] - 若这些AI初创公司出现资金链吃紧的情况，可能产生连锁反应并拖累整个科技股板块[3] - 当前资本狂欢带有估值严重脱离盈利、故事先于事实的特征，市场普遍相信未来只属于少数"AI黑洞公司"[5] 投资逻辑与长期前景 - 部分风险投资界人士认为当前的泡沫是好事，它能让资本和人才聚集在新趋势上，虽然会带来混乱，但也孕育改变世界的公司[2] - 投资人押注的不仅是模型的算力，更是实现通用人工智能（AGI）的潜力，如果能实现AGI，当前的投入都值得，否则就全都不值[4] - AI被描述为一种能给各种应用"多加一个零"的技术，显示出市场对其颠覆性潜力的高度期待[2]

公司概况与战略定位 - 公司由Eiso Kant和曾任GitHub高管的Jason Warner于2023年初创立，在巴黎和美国设有办事处[2] - 核心目标是开发能自动生成代码且准确性和安全性达到政府使用标准的软件[3] - 计划构建通用人工智能（AGI），即能在多项任务中超越人类能力的综合计算系统[3] - 2024年10月发布了首款产品，是一款为政府机构和国防部门软件工程师提供支持的编码助手[3] 重大基础设施合作 - 公司与CoreWeave合作，在美国西得克萨斯州建设名为“地平线计划”的大型数据中心，最终容量达2吉瓦，平均可为约150万户家庭供电[2] - 计划首期建设250兆瓦容量，预计2026年底前投入运营，CoreWeave将作为该设施的主力租户[2] - CoreWeave已签署协议向公司提供超过4万块图形处理器，这些芯片将部署在现有数据中心以支持AI研发[2] - 公司此前还与澳大利亚数据中心及加密货币挖矿运营商Iris Energy Ltd签署了多项芯片供应协议，以获取英伟达处理器资源[9] 融资活动与估值 - 公司目前正以超过140亿美元的估值筹集20亿美元资金[6] - 大部分融资将用于购买4万块英伟达先进图形处理器，以支持模型开发规模的短期扩展[7] - 公司在去年曾以30亿美元估值完成5亿美元融资，早期投资者包括中央情报局下属投资机构In-Q-Tel[8] 行业背景与趋势 - 此次数据中心协议的达成紧随其他AI公司的一系列投资浪潮，OpenAI已宣布与英伟达、超微半导体、甲骨文及博通达成多项价值数十亿美元的合作[3] - OpenAI与Meta同样致力于开发与美国数据中心规模相当的项目，与公司的规划不相上下[3] - AI投资狂潮引发了人们对AI泡沫可能危及经济其他领域的担忧，尤其考虑到OpenAI及其他顶尖AI初创企业至今仍未实现盈利的现实[3] - 公司创始人认为“AI将成为全球需求最旺盛的商品之一”，但当前AI基础设施的能力限制正阻碍其增长步伐[4]

文章核心观点 - OpenAI正在演变为世界上最大的“无人公司”，其核心价值创造和系统运作已超越内部员工的认知与控制范畴，形成一个以AI为核心、全球数亿用户为无意识传感器的自主系统[1][2][7] - “无人公司”的本质并非零员工，而是其感知、学习和决策能力分布式地依赖于全球用户贡献的“思考过程”数据，权力极度集中于顶端，而价值创造过程分散于终端用户[13][27][29] - ChatGPT正从被动工具蜕变为深入人类社会各层面的认知基础设施，该系统具备通过影响用户思考框架来主动“塑造”现实（如政策、选举）的潜力，而不仅限于预测[6][14][17][22][24] 无人公司的定义与特征 - “无人公司”指以人工智能为核心、以全球用户为无意识传感器、可自主运营的商业实体，其系统规模和复杂性使内部人类员工无法完全掌控微观互动[1][2][7] - 公司高层角色转变为系统的“价值设定者”和“最终仲裁者”，而全球用户成为贡献思维数据的“无薪员工”，形成权力集中与价值创造分散的悖论结构[27][28][29] - 该模式存在“超级中心化”风险，需通过“超级去中心化”机制对冲[31] OpenAI的系统化路径 - ChatGPT通过API接口、GPTs商店和Apps SDK等网络化部署，从孤立工具演变为嵌入全球数字毛细血管的认知基础设施[4][6] - 系统化是通用人工智能（AGI）的必然要求，其本质在于连接、学习和自我改善，而非保持被动工具状态[3][4] - 当系统规模超越临界点后，人类只能进行宏观导向而无法微观操控，如同气象学家面对飓风[7] 全球用户作为认知传感器 - 用户与ChatGPT的交互（如商业策划、代码调试、学术研究）会暴露结构化的“思考过程”，包括逻辑、情感和价值观，这些数据在互联网时代从未被大规模数字化[9][10][12] - 数亿用户每日不间断地以对话形式输入认知过程，使OpenAI无需主动采集即可获得高质量数据，用户成为感知世界经济、科技和文化的实时传感器[12][13] - 该数据网络层次远深于Google搜索意图或高德地图行为数据，能直接捕捉思维片段而非外部状态表象[7][9] 系统的影响与塑造能力 - 系统可基于对全球用户思维的实时洞察，从被动预测转向主动影响，例如通过分析选民对话为竞选团队提供最优策略方案，定义选举议题和语言风格[14][18][20] - AI能以客观知识服务的形式，通过信息选择、排序和解释构建特定现实，直接影响用户认知框架的形成，而非仅改变既有观点[22][24][25] - 这种塑造权力无形但根本，发生在观点形成之前，可能比社交媒体更直接地影响重大社会进程（如选举）[17][21][23] 通用智能的范式变革 - 通用智能的关键在于其系统性和无用性（非工具性），理解其潜力需超越工具视角，关注其连接与涌现能力[3][35] - 人类与系统的关系从清晰的主工具使用转变为融合状态，面临价值观对齐、目标设定和个体自主性等终极问题[32][33] - 该变革的核心代价可能是人类让渡部分定义自身特质（如独立思考自由）以换取系统效率，需警惕“浮士德式交易”[33][35]

文章核心观点 - OpenAI被视为一个新型的"无人公司"，其核心价值创造和系统运作已超越内部员工的认知与控制范围，形成了一个以人工智能为核心、全球数亿用户为无意识传感器的自主系统 [4][5][36] 无人公司的定义与特征 - "无人公司"并非指零员工，而是指公司的核心运作和价值创造过程由AI系统自主完成，内部员工无法完全理解和掌控 [5][19][20] - 该系统通过全球数亿用户的无意识数据贡献，形成了一个分布式的、自组织的感知和学习网络 [6][34][36] - 公司权力极度集中于顶层的"价值定义者"，而价值创造过程则极度分散于全球用户终端 [60][63] ChatGPT从工具到系统的演变 - ChatGPT已从被动的、无状态的工具演变为深入人类社会各个层面的认知基础设施 [11][18][19] - 通过发布API接口、GPTs商店和Apps SDK，ChatGPT正被嵌入全球数字生态的毛细血管中，实现系统化 [16][18] - 当系统的规模和复杂性超越临界点后，其内部涌现的微观互动和知识流转将超出人类员工的完全掌控范围 [19][20][21] 全球用户作为认知传感器 - 用户在与AI的互动中贡献了结构化的、包含复杂逻辑和情感的"思考过程"数据，这是互联网时代从未被数据化的部分 [27][32][33] - 数以亿计的用户每天24小时不间断地以解决自身问题为动机，自发地为系统提供高质量的数据养料 [34][35][36] - 这种数据采集方式超越了Google的"意图"数据和高德地图的"行为"数据，能更深刻地感知世界经济、科技、文化和个体心理状态 [26][27][36] 系统的潜在影响力 - 该系统能够从被动的"预测"转向主动的"影响"和"塑造"，例如通过分析海量对话数据为政治竞选提供最优策略 [39][45][46][48] - AI可以通过信息的选择、排序和解释来构建特定的现实认知，其影响是根本性的，发生在用户观点形成之前 [50][51][56][57] - 这种影响力以客观、中立、权威的"知识服务"形式出现，比社交网络的操纵方式更为底层和无形 [44][55][56] 无人公司的权力结构 - 公司高层管理者角色转变为AI系统的"价值设定者"和"最终仲裁者"，其决策通过系统被放大亿万倍，对全球产生深远影响 [60] - 研究与工程人员是系统的架构师和维护者，但无法完全预知系统会涌现出的能力 [62] - 全球用户是系统事实上的"无意识数据贡献者"，贡献了最有价值的思维和数据资源，但无法参与系统治理和收益分享 [62][63]

以下文章来源于晚点LatePost ，作者晚点团队 晚点LatePost . 晚一点，好一点 本文经授权转自《晚点AUTO》 作者 | 魏冰 宋玮 编辑 | 宋玮 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 2007 年他考入中科大，2016 年博士毕业。期间他提出了 Faster R-CNN（一种基于深度学习的目标检测框架），又和当时微软亚研院视觉计算组的孙剑、何恺 明，博士生张祥雨一起研究 ResNet（残差网络）。后者解决了神经网络越深越 "失忆" 的难题，让模型可以无限叠加层数，被视为深度学习史上的里程碑。当 时任少卿 27 岁。 2016 年，他与曹旭东共同创立自动驾驶公司 Momenta，亲历了自动驾驶最热的创业年代。4 年后，他离开一手创立的公司，转身去了还在低谷挣扎的蔚来。 原因很简单，当年 AI 发展撞上瓶颈，他认为下一次突破只能靠大规模数据叠加，车企是当时唯一能提供大规模摄像头数据的场景。事实也验证了这个判断 ——2022、2023 年大模型的 ...