人工智能发展历程 - 人工智能发展经历了三次浪潮：第一次是1950年代的机器学习浪潮，目标是实现能像人类一样利用知识解决问题的机器 [4] - 第二次是2006年开启的深度学习浪潮，深度神经网络隐藏层可达150层，标志性事件是2016年AlphaGo战胜李世石 [5] - 第三次是2018年至今的生成内容大模型浪潮，代表性模型包括谷歌BERT、OpenAI GPT系列、Meta LLaMA、百度文心一言、华为盘古等 [6] - 2025年1月中国DeepSeek发布的V3与R1系列大模型性能与LLaMA相当但成本大幅降低 [6] 人工智能技术突破 - 2024年12月World Labs实现"空间智能"技术突破，可通过单张图像生成三维世界 [2] - 自2022年起生成式AI以月为单位加速迈向通用人工智能，训练数据集接近公共在线文本总量天花板 [7] - 通用人工智能定义为能跨领域学习推理的智能，超级人工智能则是假想的超越人类认知能力的系统 [6] - 马斯克预测到2030年AI超越人类的概率达100% [7] 人工智能经济影响 - 人工智能正在颠覆传统经济学原理，动摇"理性人"假设和资源稀缺性等基础理论 [8][9] - 人工智能将重构分工理论、就业目标、生产函数、价格曲线、储蓄投资模型等经济概念 [9] - 人工智能代表的技术创新表现为连续创新过程，由供给创造市场，不存在产品过剩问题 [9] - 未来将出现人工智能经济学、政治学、社会学等新兴交叉学科 [10] 人工智能产业应用 - 人工智能技术生态系统融合硬件、软件及基础设施，全方位渗透经济活动各领域 [10] - 人工智能劳动效率高于人类且无物质消费需求，可超越资源短缺限制进行内容生产 [9] - 人工智能将改变经济活动模式、经济结构布局和制度框架 [10] 人工智能企业动态 - OpenAI联合创始人预测超级人工智能将在2026年到来 [2] - 中国企业在AI大模型领域取得突破，百度、华为、DeepSeek等推出具有竞争力的产品 [6]

文章核心观点 - 人工智能是引领科技革命和产业变革的战略性技术，我国高度重视其发展，在技术创新与商业应用驱动下产业规模持续增长，虽已初步形成产业形态，但产业化仍需破解多重难题，需发挥场景优势加速应用创新 [1] 人工智能引领技术创新和产业变革 - 人工智能指模拟、延伸和扩展人类智能的技术，发展需数据、算法和算力支撑，经历“两落三起” [2] - 20世纪50 - 70年代是初期探索与理论奠基阶段，因计算能力及算法局限，70年代陷入低谷；80年代“专家系统”兴起，因依赖人工编写规则、计算资源有限，90年代初遭遇第二次瓶颈；21世纪得益于互联网等发展，技术迎来突破，深度学习成主流方向，在多领域广泛应用 [3] - 2020年大规模预训练模型兴起，高性能计算芯片、云计算等发展使训练和部署超大规模模型成为可能，大模型扩展能力边界，具身智能将人工智能扩展到物理世界 [4] - 人工智能未来发展方向是通用人工智能，可能从外延式转向内涵式发展，拓展类脑计算；其技术创新突破，嵌入多领域，赋能传统行业，成为推动科技、产业和经济发展的关键力量 [5] 人工智能产业形态初步形成 - 人工智能产业分为核心产业和融合应用产业，二者相互促进，推动形成相对完整产业体系，技术创新、产业投资和应用场景不断发展 [6] - 美国在人工智能领域领先，以技术创新为引领，按“通用基础模型—行业垂直模型”扩展，形成“技术优势—市场扩张—生态垄断”正向循环 [7] - 欧盟在行业数据资源和立法标准制定方面有优势；日本重点推动人工智能与制造业融合；但二者在技术创新与产业应用方面落后于美国 [8] - 我国人工智能发展注重整体布局与产业协同，结合制造业优势，应用优先，通过算法创新实现突破，产业从技术跟跑转为并跑和领跑 [9] 协同创新人工智能产业链 - 2017 - 2024年我国人工智能核心产业规模从180亿元跃升至6000亿元，企业超4700家，论文和专利量居全球第一，产业体系初步构建，产业链转向协同创新 [10] - 国内科技龙头企业布局人工智能，推出自研大模型并接入业务系统；初创企业不断涌现；企业主要集中在北京等地，北京产业优势突出 [11] - 部分企业深耕细分赛道，构建定制化服务平台，人工智能与细分产业结合助力转型升级，部分细分领域有成功案例 [11] - 语音助手、智能客服是大模型最先适配场景，目前大模型付费订阅模式不成熟；企业服务领域智能客服应用拓宽深化，2023年市场规模39.4亿元 [12][13] - 金融领域利用人工智能提升服务水平，降低不良贷款率，提高理财产品转化率 [13] - 智能制造领域大模型渗透全链条，推动制造业升级，但存在前期投入成本高问题，未来突破后或加速普惠应用 [14] - 矿产开采领域人工智能在多环节应用，提升效率、优化成本、保障安全 [15] - 智能网联汽车领域人工智能应用广泛，缩短设计周期，催生新业态，2024年末L2级组合辅助驾驶功能乘用车新车销售占比达57.3%，领航辅助驾驶功能新车渗透率为13.2% [15] 产业化之路需破解多重难题 - 我国在核心技术攻关和产业生态构建方面有待突破，算力基础未完全自主可控，算法底层框架依赖开源体系，前沿领域缺乏原创性突破，技术适配性不足 [16] - 产业生态建设中，中小企业协同发展生态未形成，专有服务平台建设滞后，资本层面投资放缓，2024年美国投资额约641亿美元，我国约为55亿美元 [17] - 大模型研发投入大、收益不确定，行业应用多在试点阶段，形成商业闭环面临挑战，头部企业持续投入与收益平衡成关键 [18] 发挥场景优势加速应用创新 - 强化顶层设计，将人工智能产业发展纳入“人工智能 +”战略部署，整合资源，挖掘应用场景，实施示范工程 [19] - 攻克关键核心技术，支持基础科研和大模型攻关，建设自主可控软件工具系统，鼓励龙头企业联合开发核心算法模型 [19] - 完善产业体系，加大产业主体和平台建设力度，引导行业主体参与布局，加强基础设施建设，完善监管制度和应用标准 [20] - 构建协同创新产业生态，打造“AI + 千行百业”生态，建设创新工程中心，强化需求侧管理，鼓励企业创新商业模式 [21]

人工智能发展历程 - 人工智能概念可追溯至1950年图灵提出的"图灵测试"，奠定了理论基础 [2] - 大众广泛接触人工智能以2022年11月ChatGPT发布为分水岭，至今仅两年多发展历程 [2] - 大模型时代标志着人工智能进入新阶段，通用人工智能是高阶阶段的标志 [4] 人工智能在工业领域的应用现状 - 人工智能在工业领域应用正由单点突破向系统集成发展，目标是与更多工业系统深度融合 [5] - 当前工业领域呈现大小模型并存局面，小模型处理结构化数据与精确预测，大模型处理复杂非结构化数据 [5] - 人工智能在汽车制造业等智能制造基础扎实的领域表现最佳，成熟度较高 [6] - 大模型在工业领域主流应用集中于智能客服、业务管理等边缘性建议，高阶自动化应用尚在探索 [8] 人工智能赋能制造业的目标 - 提升效率，如排产调度优化 [9] - 改进质检，通过视觉神经网络等技术提高检测效率 [9] - 降低成本，这是工业赋能的核心命题 [9] - 创新驱动，生成式大模型在产品设计、工艺优化等方面提供新思路 [9] - 决策优化，为企业管理层提供更科学、及时的决策支持 [9] 人工智能在工业领域落地的挑战 - 工业场景细分程度高，通用解决方案难以实现，智能体无法充分控制风险 [9] - 工业数据分散于不同系统，格式与标准缺乏统一性，整合难度大 [10] - 定制化人工智能解决方案成本高，投入产出比低，难以形成商业闭环 [10] - 数据治理是主要障碍，涉及数据获取、整合、处理、安全应用及权属界定 [11] - 大模型算法与工业逻辑存在冲突，工业追求决策过程可解释性、可控性和可追溯性 [13] - 生成式大模型无法满足工业级"四个九"或"五个九"的可靠性要求 [13] 人工智能与工业企业的双向对接问题 - 人工智能技术人员缺乏工业领域实践经验，工业专业人员对AI技术理解有限 [15] - 项目制、定制化合作方式制约大模型在工业领域的泛化应用 [15] - AI技术在工业领域价值变现面临不确定性，缺乏成熟商业模式 [17] 人工智能赋能新型工业化的推进策略 - 初级阶段优先在封闭场景采用小模型，开放场景试用大模型 [19] - 进阶阶段构建大小模型协同赋能体系，探索人工智能能力边界 [20] - 高阶阶段目标实现高度智能的"通用智能制造"，通过MOE架构串联大小模型 [21][22] - 工业模型培养需分阶段推进，初阶段优化提示工程，进阶阶段赋予检索增强能力，高阶阶段预训练原生工业大模型 [24] 算力与数据配套发展 - 初阶阶段政府打造区域算力中心，规划城市级算力网络 [24] - 进阶阶段建设高性能算力集群，加速部署市级算力网络 [25] - 高阶阶段扩容升级算力集群，构建核心算力枢纽 [25] - 需汇集各行业结构化与非结构化数据，形成闭环数据飞轮 [26] - 优先在数据基础好、数字化水平高的行业开展试点示范 [26] 企业协同与产业链优势 - 龙头企业应发挥引领示范作用，聚焦行业共性需求 [26] - 中小微企业聚焦场景迭代，参与大模型数据迭代 [27] - 中国拥有完整产业链体系和丰富工业场景，持续迭代数据是未来竞争关键 [27]

半导体行业经济利润增长 - 半导体行业经济利润从2000-2009年的380亿美元增长到2010-2019年的4500亿美元 [1] - 2020-2024年行业创造的经济利润达4730亿美元，超过前十年总和 [3][6] - 行业经济利润率排名从2000-2004年的第15位跃升至2020-2024年的第3位 [3] 行业价值创造集中化 - 2024年前5%的公司创造了1470亿美元经济利润，中间90%仅50亿美元，后5%亏损370亿美元 [6] - 2023-2024年行业前5%企业（英伟达、台积电等）分别创造1210亿和1590亿美元经济价值 [6] - 疫情后90%企业的平均经济价值从2021年1.3亿美元降至2024年1700万美元以下 [9] 行业复苏分化现象 - 剔除英伟达后行业复苏轨迹与2000年低迷后的漫长复苏相似 [12] - 供应商库存水平（不含英伟达）达69%，比包含英伟达的58%高出11个百分点 [15] - OEM/ODM/EMS库存占比从2022Q1的40%升至49%，供应商从55%升至75% [15] 中国市场扩张影响 - 中国大陆在半导体设备销售额份额从2010年6%增至2024年38% [18][22] - 中国本土半导体企业2010-2019年增长率达21%，2019-2023年（除海思）保持9-10% [22] - 2023年全球60%新注册电动汽车来自中国 [23] 人工智能驱动增长 - 2019-2023年AI相关半导体板块CAGR达21%，非AI领域仅6-9% [24] - 预计到2030年Gen AI将为半导体行业额外贡献3000亿美元营收 [24] - AI相关公司未来增长率可能达18-29%，内存领域达17-23% [24][27] 行业转型方向 - 需通过垂直扩张、业务重组和产品组合优化寻找新增长点 [27] - 部署AI可提升产品开发、制造等环节生产力并缩短上市时间 [28] - 需解决人才短缺问题，应对地缘政治和供应链挑战 [27][28]

中美科技巨头AI模型竞争 - 4月中旬OpenAI发布GPT-4.1 o3、o4 mini系列模型 [3] - 谷歌同期推出Gemini 2.5 Flash Preview混合推理模型 [3] - 豆包发布1.5·深度思考模型，多模态能力显著提升 [3] - 阿里下一代大模型Qwen3预计本月发布 [3] DeepSeek R2模型发布传闻 - Hugging Face CEO发布神秘动态暗示DeepSeek R2即将发布 [4][7] - 传闻称R2模型拥有1.2万亿参数，活跃参数780亿，采用混合MoE架构 [12] - 成本比GPT-4o低97.3%（输入0.07美元/百万次，输出0.27美元/百万次） [12] - 使用5.2PB训练数据，C-Eval2.0测试得分89.7%，COCO视觉测试92.4% [12] - 公司对传闻不予置评，但知情人士称真实性较低 [14] DeepSeek技术迭代与市场影响 - 公司保持季度重大更新节奏：2024年9月V2.5，12月V3，2025年3月V3-0324 [14] - V3-0324版本在基准测试中超越Google Gemini 2.0 Pro等顶尖模型 [17] - R2预计提升代码生成和多语种推理能力 [17] - 3月发布的V3-0324采用6850亿参数MoE架构，代码能力显著增强 [20] 国产芯片与AI发展 - 美国对英伟达H20芯片禁令促使华为昇腾910C、寒武纪MLUarch04等国产芯片加速发展 [21] - 公司已与部分国产芯片头部企业展开合作 [26] - 创始人梁文锋表示真正挑战是高端芯片出口禁令而非资金 [22] - 公司曾推出针对英伟达H卡的算力优化方案 [21] 公司战略与行业定位 - 创始人梁文锋致力于探索通用人工智能（AGI）本质 [18][20] - 公司早期主要依托自有资金，排除有退出顾虑的投资机构 [20] - 创始人认为技术实力比产品黏性更重要，可通过技术优势获取用户 [20] - 公司目标是通过技术创新改变全球AI格局而非仅服务用户 [20]

中美科技巨头AI模型竞争 - 5月将迎来中美科技巨头AI模型发布高峰，OpenAI发布GPT-4.1 o3、o4 mini系列模型，谷歌推出Gemini 2.5 Flash Preview混合推理模型，豆包发布1.5·深度思考模型[6] - 阿里下一代大模型Qwen3预计本月发布[6] - DeepSeek R2模型发布进入倒计时，Hugging Face首席执行官发布暗示性动态引发行业猜测[7][10] DeepSeek R2模型技术参数传闻 - 传闻DeepSeek-R2拥有1.2万亿参数，活跃参数780亿，采用混合MoE架构[12] - 成本比GPT-4o便宜97.3%（输入每百万次0.07美元，输出每百万次0.27美元）[12] - 使用5.2PB训练数据，在C-Eval2.0测试中取得89.7%得分，COCO测试集视觉能力达92.4%[12] - 公司对传闻不予回应，知情人士称网上消息真实性含量非常低[16] DeepSeek产品迭代与研发策略 - 公司保持每季度重大更新的开发范式，2024年9月推出V2.5，12月发布V3，次年3月升级至V3-0324版本[17] - 路透社披露公司正加快R2研发进程，原计划5月初发布，现希望尽早推出[17] - V3-0324版本在基准测试中力压Google Gemini 2.0 Pro、Anthropic Claude 3.7Sonnet等顶尖模型[17] 创始人梁文锋的战略布局 - 创始人梁文锋志向直指终极AGI，早期优先排除有退出顾虑的机构，主要依托自有资金[20] - 认为Chatbot产品可替代性强，技术优势是关键，DeepSeek R1发布证实这一观点[20] - 表示公司真正挑战是高端芯片出口禁令，而非资金问题[22] - 强调追赶下一代技术是真正的护城河，需要重建团队、付出时间和成本[22] 国产芯片与大模型适配 - 美国对英伟达H20芯片出口禁令倒逼华为昇腾910C、寒武纪MLUarch04等国产芯片加速发展[21] - 公司已推出针对英伟达H卡的算力优化方案[21] - 行业人士透露公司正与国产芯片头部企业合作，但合作进展和R2适配情况尚不明确[25][26] - 行业存在对稳定、便宜的大模型部署需求，公司需要解决这一问题[24]

就业是最基本的民生，牵动着千家万户的生活，也关系着经济社会发展大局。党的十八大以来，习近平 总书记围绕就业工作作出了一系列重要论述，科学阐释就业的重要意义，系统回答事关就业的一系列方 向性、根本性、全局性问题，为促进高质量充分就业提供了战略指引和行动指南。习近平总书记强调， 促进高质量充分就业，是新时代新征程就业工作的新定位、新使命。眼下，我国面临着经济增长、人口 结构、技术变革等诸多方面的新形势新变化，必须把稳就业摆在更加突出位置，丰富高质量充分就业的 内涵，探索新机制新路径，不断增强广大劳动者的获得感幸福感安全感，为推进中国式现代化提供有力 支撑。 聚焦新形势新变化 我国发展进入战略机遇和风险挑战并存、不确定难预料因素增多的时期，经济短期与长期因素交织、国 内与国外因素缠绕，人口结构与规模因素联动，技术替代与创造因素交错，就业客观与主观因素互动， 呈现出复杂多元、动态多变的新特点新变化，形成了促进高质量充分就业的新条件新形势。 先看经济增长。短期经济增长压力加大是首先要面对的问题。眼下，我国国内有效需求不足，部分企业 生产经营困难，风险隐患较多，经济运行面临不少困难和挑战，而世界百年未有之大变局加速演进， ...

中美科技巨头AI模型竞争 - 4月中旬OpenAI发布GPT-4.1 o3/o4 mini系列模型 谷歌推出Gemini 2.5 Flash Preview混合推理模型 同日豆包发布1.5·深度思考多模态模型 阿里Qwen3大模型预计本月发布 [5] - Hugging Face CEO发布神秘动态 附DeepSeek官方资源库入口 引发科技圈对DeepSeek R2模型发布倒计时猜测 [6][8] DeepSeek R2模型技术参数与市场预期 - 传闻技术参数：1.2万亿总参数/780亿活跃参数 混合MoE架构 成本比GPT-4o低97.3%（输入0.07美元/百万次 输出0.27美元/百万次） 使用5.2PB训练数据 C-Eval2.0测试得分89.7% COCO视觉测试达92.4% [10] - 公司保持季度迭代节奏：2024年9月V2.5→12月V3→2025年3月V3-0324 路透社披露R2原计划5月初发布 可能提前推出 [10] - V3-0324版本已超越Google Gemini 2.0 Pro/Anthropic Claude 3.7Sonnet/Meta Llama 3.3 70B 业界预期R2将强化代码生成与多语种推理能力 [11] 创始人梁文锋的战略布局 - 创始人梁文锋聚焦AGI本质探索 早期拒绝有退出顾虑的资方 主要依托自有资金 认为Chatbot产品可替代性强 技术实力是用户争夺关键 [13] - 提出"中国需成为创新贡献者" 芯片禁令是核心挑战 但强调"重建团队追赶下一代技术才是护城河" 公司已与国产头部芯片厂商展开合作 [15][18] 国产算力生态与行业需求 - 英伟达H20芯片禁令促使华为昇腾910C/寒武纪MLUarch04等国产芯片加速替代 DeepSeek曾推出针对英伟达H卡的算力优化方案 [14][16] - 行业存在旺盛的大模型部署需求 但当前面临稳定性与成本挑战 公司可能在新模型中深度适配国产算力 [17][18]

动荡的每日新闻 帕斯夸里耶洛指出，日常新闻流仍然高度波动，市场对中美关系和美联储政策的信号反应强烈。他表 示，最近的事态发展处于"二阶导数"阶段，贸易政策倾向鹰派，但避免了极端结果。 在一片嘈杂声中，技术指标已变得更加积极。"两个月来首次，技术因素净转为正面，"他写道，并指出 无论是自主交易基金还是系统基金在上周转向买入之前都"基本上已清仓"。 纯多头投资者的持续抛售压力似乎也已暂停，因为他们买入了英伟达和Meta Platforms等大型科技公司 的股票。 不过，在基本面方面，帕斯夸里耶洛表示他仍然保持谨慎："目前，市场参与者的主要工作是权衡局势 降级的概率与经济衰退的概率。除非在关税问题上全面缓和，否则还需要一段时间才能对美国经济增长 的真实轨迹有信心。" 智通财经APP注意到，截至4月25日当周，美国股市在大盘科技股熟悉的涨势推动下大幅走高。但高盛 对冲基金业务全球主管托尼•帕斯夸里耶洛表示，投资者应准备好迎接持续的波动，因为市场正处于 2025年交易区间的正中间。 帕斯夸里耶洛在4月26日的一份客户报告中写道，标准普尔500指数目前较特朗普总统所称"解放日"之后 的抛售完全回撤不到3%，以VIX指数衡 ...

蚂蚁金服IPO重启迹象 - 2024年底市场传闻公司可能重启IPO，2025年多项迹象显示上市计划可能推进 [1] - 2024年12月公司获批参与数字人民币试点，此前已获得钱塘征信、重庆蚂蚁消金等多张关键业务牌照 [1] - 2025年1月公司满足科创板申报时间要求（2023年1月完成实控人变更后满两年） [1] - 2025年3月新任CEO韩歆毅上任，其投行背景被解读为上市筹备信号 [1] 历史IPO中断影响 - 2020年公司估值超2万亿元时A+H股上市计划被紧急叫停 [2] - 暂停原因涉及监管环境变化和对系统性金融风险的审慎考量 [3] - 业务横跨支付、信贷、理财等多个核心金融领域，规模庞大 [3] 当前市场竞争格局 - 支付领域面临微信支付等强劲对手的竞争 [4] - 信贷业务受到银行等传统金融机构创新产品的挑战 [4] - 新兴金融科技企业和传统金融机构数字化转型加剧行业竞争 [4] 业务整改与转型 - 对花呗、借呗业务进行模式重构，加强风险管理和用户授信机制 [5] - 调整余额宝业务策略，注重资金安全性和流动性 [5] - 明确支付宝与网商银行的业务边界划分以降低风险传导 [5][6] AI战略布局 - 成立"NextEvo"部门专注AI创新研发，由集团副总裁徐鹏领导 [6] - 自研蚂蚁百灵大模型，推出生活管家"支小宝"、金融管家"蚂小财"等AI应用 [6] - 投资至少6家AI相关企业，涵盖大模型、视频生成、AI芯片等领域 [7] - 马云在集团20周年活动上强调AI将是未来20年变革核心 [8] AI发展挑战 - 大模型研发需要突破数据、算力和算法三重技术瓶颈 [8] - C端面临微信支付的生态竞争，B端遭遇传统金融科技企业的行业壁垒 [9] - 需平衡技术创新与监管合规的双重要求 [4][9]