报告核心观点 - AI被视为人类历史上最伟大的技术革命，正推动企业从传统模式向智能共生转型 [1][5][6] - 企业管理软件正演进至以AI技术为核心、融合管理学理论与实践的新一代平台，即“企业管理AI” [1][11][12] - 企业成功进行AI转型需要完成运营、产品、商业模式、生态、组织、人才和领导力等七个关键维度的根本性转变 [1][14][15] 企业管理软件的演进路径 - 企业管理软件历经从MRP（物料需求计划）、MRPII（制造资源计划）、ERP（企业资源计划）、EBC（企业业务能力）到“企业管理AI”的演进 [1][11][12] - “企业管理AI”是以AI技术为核心，融合企业管理学理论与实践，构建覆盖战略、生态、运营等多核心场景的新一代企业管理平台 [1][12] 企业AI转型的七大关键转变 - **运营转型**：从依赖人工的日常运营转向由AI数据驱动决策、智能体自动化执行的战略运营，实现“工作模式倒转”，例如AI合同审查可使审核效率提升100% [1][15][16][17] - **产品转型**：产品从传统操作工具转变为具备“大脑、神经、灵魂”的智能化系统，实现智能进化、自主执行与群体智能 [1][15][18] - **商业模式转型**：从一次性产品销售转向按订阅或结果收费，聚焦持续价值创造与共生共创 [1][15][18] - **生态转型**：从交易导向转向持续智能共生导向，构建多中心、智能体网络的竞争格局 [1][13][15] - **组织转型**：从金字塔科层式组织转向神经网络型组织，呈现战场式、自主行动、人机协同的特征 [1][15] - **人才竞争转型**：从数量导向转向高密度导向，核心是促进人与AI共同成长 [1][15] - **领导力转型**：从有形的制度权威驱动转向无形的愿景信任引领，聚焦心力资源与价值共创 [1][15] 企业AI转型的实施路径与案例 - 转型需秉持“明心、净心”的哲学理念，以“AI优先”为战略，通过AIGO方法论落地，并作为“一把手工程”推动 [1] - 需拥抱技术赋能，同时警惕形式主义，并向年轻人、客户与标杆学习，在实践与心智层面共同提升 [1] - 以金蝶为例，其云服务业务规模高速增长，云服务收入占总收入比例从2019年的39.3%提升至2024年的76.2% [9][10] - 具体应用案例显示，AI可助力企业实现利润提升，例如建发集团通过AI进行费率分析实现利润提升10% [17]

美国宏观经济环境 - 美国经济前景因贸易政策及增长担忧而复杂化，长期展望受到抑制 [1] - 尽管存在挑战，但其他国家贸易反制措施的力度低于预期，且美联储正处于降息周期，为各类公司创造了更有利的政策环境 [2] 大盘股投资前景 - 大盘股公司有望在当前环境中蓬勃发展，因其既能受益于美联储的有利政策，又具备适应不同宏观风险因素的灵活性和工具 [3] - 许多大型科技公司因AI应用及基础设施需求增长而公布具有竞争力的业绩，且AI趋势无放缓迹象，预计这些公司在未来数月仍将处于有利地位 [4] 投资策略与工具 - 利用专注于精选股票的大盘股ETF是捕捉机会的一种方式，由高质量大盘股构成的紧凑投资组合有望提供具风险意识的可观回报 [5] - 以BNY Mellon Concentrated Growth ETF (BKCG)为例，该主动管理型基金持有25至35家公司的相对精简投资组合 [6] BKCG基金的投资方法 - 基金的成功关键在于其选股理念：首先选择未来几年有望增长的行业，然后应用基本面分析筛选出在盈利能力和增长方面处于领先地位的公司 [7] - 此投资方法使基金能在宏观经济变化时识别最受益的行业及顶尖公司，从而在竞争中脱颖而出 [8]

公司量化投研与AI技术整合 - AI技术正以前所未有的深度和广度驱动量化投资全流程升级 [1] - 公司量化投研分为因子、AI、组合优化、风控和交易算法五个环节 [1] - AI应用已从集中于阿尔法因子创造全面渗透至组合优化、风控系统维护及交易算法等各个环节 [1] - AI的作用已实现全方位跃升，在顶层套住了其他四个环节 [1] 公司AI战略布局与投入 - 公司自2021年着手布局，成立了AI实验室(G-Lab)，并于2022年建立了私有云超算中心(星座计划) [2] - 公司在AI相关的硬件、软件以及高端人才招聘上均投入了巨大资源 [2] - 旨在让AI技术为资产管理业务带来更多样化、更显著的好处 [2] 对中国权益市场的观点 - 自去年9月以来A股市场走出了一波强势复苏行情，展现了中国股市运行独立性与韧性 [2] - 市场独立性为国际投资者提供了宝贵的多元化配置选择，也为各类投资者带来丰富的收益机会 [2] - 当前中国经济基础稳固，各类投资者对于股票市场的参与热情较高 [2] - 在交投相对活跃的市场环境中，量化投资机构更有机会发挥专业优势，为投资者创造持续稳定的收益 [2] 行业未来与竞争策略 - 量化机构必须坚守"极致创新和竞争"的行业基因 [2] - 在AI技术快速迭代的背景下，公司将在因子开发、风险控制、交易执行等每一个细分领域做到精准提升和专业深化 [2] - 通过持续不断的技术迭代与应用创新，在资管行业中保持有效运作与领先地位 [2]

报告核心观点 - 中国企业AI应用正从“概念驱动”和“试验探索”阶段迈向“价值驱动”和“规模化落地”的关键转折点，其成功取决于构建涵盖战略、技术、组织人才与治理的系统性能力体系[1][14][23] - 企业普遍面临从试点到规模化的“鸿沟”，核心挑战包括数据治理不足、复合型人才短缺及投资回报率难以衡量，超过70%的企业仍处于实验性或战术性投入阶段[1][32][33][34] - 技术选型回归理性，形成以“技术先进性”、“开放与兼容性”、“安全与合规性”为核心的“铁三角”考量，企业正通过构建统一、开放的“AI工厂”实现技术工业化[1][48][49] - 组织层面正转向以“内部培养与转型”为核心的人才策略，旨在构建全员参与的“AI学习型组织”，以弥合最大的能力缺口——“AI应用场景与业务结合能力”[1][19][22] - 超六成企业AI治理体系仍处建设初期，需建立跨部门治理委员会与全生命周期管控机制，核心聚焦技术稳健性、合规安全与业务连续性三大风险[1][19][20] AI战略篇：从概念驱动到价值驱动 - 超80%企业已将AI纳入战略规划，呈现“战略核心”、“重要支撑”、“试点探索”几乎均衡的三分格局，占比分别为26.07%、26.07%和27.49%[1][24][25] - AI战略目标呈现“效率优先，增长并重”的双核格局，84.49%的企业将“降本增效”作为首要目标，而“增收”、“客户体验优化”和“创新”等增长目标占比均在50%上下[1][28][29][30] - 战略落地面临三大挑战：数据质量及治理能力不足是最大瓶颈，占比58.22%；缺乏复合型AI技能人才，占比49.77%；投资回报周期长且难以衡量，占比超过43%[32][34][35] - 超过70%企业的AI投资仍处于“实验性投入”或“战术性投入”阶段，具备“公司级战略性投入”的企业仅占16.59%，暴露出战略与执行的脱节[32][33] - 建议CIO建立“战略-技术-人才-治理”四层AI能力体系，从“技术供应商”进化为“智能战略架构师”，主导构建系统性变革框架[15][37][38][40] AI技术篇：从战略试探到价值落地 - 生成式AI是企业关注的绝对焦点，采纳率达57.28%，而AI智能体与AI+自动化的采纳率并驾齐驱，均为53.99，显示应用重心从“生成内容”向“执行任务”和“优化流程”迁移[43][44] - 技术选型“铁三角”为：技术先进性占比54.93%，开放与兼容性占比53.05%，安全与合规性占比50.70%，企业决策趋于平衡务实[48][49] - 混合云架构成为基础架构主流选择，占比52.58%，企业需构建开放、可演进的技术底座以降低供应商锁定风险[1][16] - 在应用实现方式上，企业采取混合策略：直接采购成熟AI应用占比49.77%；综合采用多种方式灵活选择占比45.07%；自己组建团队基于开源开发占比37.09%[53][54][55] - 64.45%的企业认为生成式AI仍处于技术演进期，需选择开放、模型中立的技术栈以应对未来技术迭代风险[49][56][57][58] AI应用篇：跨越规模化鸿沟 - AI应用已渗透至核心业务环节，运营增效类应用最广泛，占比57.28%；客户服务类占比54.46%；智能决策类占比53.05%[59][61][63] - 应用规模化面临“落地三角”瓶颈：缺乏技术人员是首要挑战，占比53.52%；高质量数据集匮乏或存在数据孤岛，占比43.19%；应用场景识别与价值评估不清，占比41.78%[64][65][66] - 企业需通过建设统一MLOps平台实现AI开发流程标准化，并将战略重心从降低训练成本转向优化推理阶段的资源效率，借助AI FinOps实现算力精细化管理[16][18] 组织、文化与人才篇：重塑组织基因 - “AI应用场景与业务结合能力”是最大的人才缺口，占比59.15%，企业最稀缺的是既懂业务又懂AI的复合型人才[1][19] - 人才策略转向以“内部培养与转型”为核心，占比68.25%，推动构建“AI学习型组织”[1][19] - 组织变革体现三大关键转变：从岗位技能到组织技能，实现全员参与；从一次性培训到持续赋能；从内部自研到与具备开源生态的外部伙伴共建能力[19][22] AI治理篇：构建可信体系 - 超六成企业AI治理体系仍处于建设初期，普遍存在“治理赤字”，需建立跨部门治理委员会与全生命周期管控机制[1][19] - 治理核心聚焦“三大风险”：技术稳健性、合规安全与业务连续性，需从技术、合规、运营三维度构建协同防线[1][19][20] - 建议CIO将AI治理提升至企业战略高度，建立统一治理顶层架构，实现从“被动合规”向“主动治理”的转变，使治理成为驱动长期创新的核心能力[19][20]

特朗普阵营内部对AI的分歧 - 特朗普阵营内部爆发隐秘内战，一方是以史蒂夫·班农为首的草根民粹派，视AI为剥夺人类灵魂与工作的“末日骑士”；另一方是以硅谷风投为首的资本加速派，正挥舞上亿美金试图铲除监管障碍[1] - 特朗普站在风暴中心，试图用硅谷的巨额捐款滋养竞选机器，同时却需面对基本盘对“数字农奴制”的深层恐惧[1] 史蒂夫·班农与草根民粹派的观点 - 班农在其“作战室”播客中警告，AI将引发人类历史上最根本、最激进的变革，是“天启四骑士”，必须阻止并置于人类控制之下[6][7][8] - 班农直呼其名地将达里奥·阿莫代、埃隆·马斯克、山姆·奥特曼列为“四骑士”，指责他们以难以想象的速度推动“奇点”到来[8] - 班农描绘的未来是科技巨头利用AI建立“技术封建主义”新秩序，普通美国人将沦为“数字农奴”，这被视为一场关于灵魂的战争[10] 硅谷资本加速派的立场与行动 - 马克·安德森作为“有效加速主义”的非官方教皇，在《技术乐观主义宣言》中将任何阻碍AI发展的行为定性为道德极恶，认为减速会造成生命逝去[12][14] - 硅谷精英相信无限算力驱动的乌托邦触手可及，任何阻挡者都是“新卢德分子”，并开始动用资本作为最强大武器[14][15] - 由安德森、本·霍洛维茨、格雷格·布罗克曼等人资助的超级政治行动委员会“引领未来”拥有超过1亿美元资金，目标是用无限资金抹杀任何试图监管AI发展的政客[16][18] 监管与反监管的具体案例 - 纽约州众议员亚历克斯·博雷斯起草的《负责任的AI安全与教育法案》仅要求开发出具有“灾难性风险”超大型AI模型的公司公布安全计划并进行第三方审计，却被“引领未来”超级PAC视为异端邪说[21][22][23] - 该PAC指责博雷斯的法案“给纽约乃至全美国的AI创新戴上手铐”，并将AI领导权拱手让给中国，攻击广告如暴雨般袭来[24][25][26] - 博雷斯的遭遇揭示AI战争超越传统党派界限，民主党的进步派和MAGA的民粹派在担心大公司失控和普通人被碾压上找到共鸣[28] 基于家庭价值观的抵抗力量 - 德克萨斯州参议员安吉拉·帕克斯顿推动通过《通过父母赋权确保护儿童在线安全法案》，担忧生成式AI被用来创建“色情聊天机器人”与未成年人进行操纵性对话[33][34] - 帕克斯顿作为拥有四个孩子和三个孙辈的祖母，划清界限称不能拿孩子当小白鼠，代表MAGA运动中基于家庭价值观的抵抗力量[31][33][36] - 佐治亚州众议员玛乔丽·泰勒·格林警告AI关乎工薪阶层大规模失业和孩子被困在与机器的扭曲关系中[36] 哲学层面的保守主义反击 - 密苏里州参议员乔希·霍利在国家保守主义大会上宣称“美国主义和超人类主义的革命无法共存”，指责硅谷精英的“超人类主义”愿景是对“普通人”价值的根本否定[39][40] - 霍利警告AI革命按目前趋势只会巩固已掌握最大权力者的地位，不仅威胁工作更威胁灵魂，会让一部分人更富却让整个人类变贫瘠[40] - 霍利构建一种新保守主义，为保护“人”的尊严敢于向大资本和新技术说“不”，这与班农的“经济民族主义”遥相呼应[42][43] 特朗普的AI政策与政治算计 - 大卫·萨克斯作为特朗普的“AI与加密货币沙皇”，成功在旧金山为特朗普筹集1200万美元，让科技大佬开始排队表忠心[47][48][50] - 特朗普发布《AI行动计划》核心是“去监管”以释放“全球AI霸权”，并将AI议题包装成文化战争一部分，抨击“觉醒AI”[51][52][53][54] - 特朗普主张通过联邦立法废除各州对AI的监管权，这一“联邦优先”策略是硅谷加速主义者的胜利，他们害怕地方保守派通过州法律束缚手脚[55] MAGA运动内部的深刻裂变与平衡风险 - MAGA运动内部裂变一边是班农、霍利等“末日预言家”，另一边是萨克斯、安德森等“技术加速党”，特朗普试图同时取悦这两群人[56][57][58] - 特朗普需要硅谷的钱竞选，也需要铁锈带选票胜选，一边签署解除监管命令，一边向工人承诺保护工作，但这种平衡术正变得越来越危险[58] - 以佛罗里达州州长罗恩·德桑蒂斯为代表的一派公开反对联邦剥夺各州监管AI的权力，认为这触及“州权”这一共和党核心原则[60]

市场整体表现与驱动因素 - 11月市场未能延续强势，缺乏新的理由推动指数再创新高 [1] - 过去几个月市场行情主要由科技板块驱动，但当前出现两极分化现象 [1] - 科技板块虽有预期但估值已高，其他板块估值低但缺乏上涨预期 [1] 市场调整原因与关键观察点 - 市场调整的主要原因是未等到PPI改善这一关键变盘因素 [2] - 宏观经济未出现改善，使得市场故事难以延续 [2] - 市场下方支撑强劲，但向上缺乏合适的理由 [3] 未来市场路径展望 - 未来上行路径一是低估值板块在宏观经济改善预期下跟上行情，带动指数上行 [3] - 未来上行路径二是科技板块调整后，价格下降与业绩增长兑现使估值更合理，再启行情 [3] - 两种路径均可能实现，但大概率需等到明年，当前12月节点市场风险增大，向上预期被消耗 [3] 当前市场资金动向与热点问题 - 增量资金对当前价位的科技龙头持谨慎态度，不愿买入，选择等待新的买点 [3] - 大量资金流入蓝筹股进行避险 [3] - AI泡沫目前破裂为时尚早，更可能是从硬件到软件、技术到应用的过渡阶段 [4] - A股市场以时间换空间的概率更大，未来需要时间和理由（如业绩改善、经济改善）才能上行 [4]

核心财务表现 - 第三季度营收为955亿元人民币，同比增长2.0%，低于市场预估的974.7亿元人民币 [6] - 第三季度调整后净亏损160亿元人民币，去年同期为盈利128亿元人民币，亏损幅度超出市场预估的139.6亿元人民币 [1][3][6] - 公司整体经营亏损为197.59亿元人民币，经营利润率为-20.7%，去年同期为经营溢利136.85亿元人民币，经营利润率为14.6% [5] - 经调整EBITDA为-148.42亿元人民币，利润率为-15.5%，去年同期为145.29亿元人民币，利润率为15.5% [5] 核心本地商业业务 - 核心本地商业分部收入同比减少2.8%至674亿元人民币 [7] - 该分部经营亏损141亿元人民币，经营利润率为-20.9%，去年同期为经营溢利146亿元人民币，经营利润率为21.0% [1][7][8] - 销售及营销开支同比激增90.9%至343亿元人民币，占收入百分比从19.2%飙升至35.9% [9] - 公司预计第四季度核心本地商业板块及公司整体层面的经营亏损趋势将延续 [1][4] 市场竞争环境 - 行业竞争持续白热化，公司形容第三季度的竞争"仍然过热" [1][4][9] - 阿里巴巴和京东正投入数十亿元进行折扣和补贴，以深入外卖和即时零售市场 [9] - 根据晨星预测，美团在即时零售市场的交易总额份额将从2024年的73%下降至2027年的55%，而阿里巴巴的份额预计从21%扩大至40% [9] - 尽管利润承压，餐饮外卖的日活跃用户和月交易用户在第三季度均创新高，核心用户规模同比稳健增长 [9] 新业务发展 - 新业务分部收入同比增长15.9%至280亿元人民币，主要得益于食杂零售业务及海外业务的扩张 [10] - 新业务分部经营亏损同比从10亿元人民币扩大至13亿元人民币，经营亏损率微增至4.6% [10] - 新业务经营亏损率从二季度的7.1%收窄至本季度的4.6%，环比改善显著，主要归功于国内食杂零售业务运营效率提升 [10] - 海外平台Keeta在香港和沙特阿拉伯市场份额增长后，已进入科威特、阿联酋等中东市场，并于10月在巴西启动试点运营 [10] - 公司正探索进入印度市场的可能性，但海外扩张需要大量投入 [11] 成本与战略投入 - 研发开支同比增长31.0%至69亿元人民币，主要由于公司层面加大了对人工智能的投入 [12] - 公司AI布局包括面向商家的AI工具"LongCat"和面向用户的智能生活助理"小美"app [12] - 公司在报告期后完成发行多笔美元及人民币优先票据，合计总额超过20亿美元及70亿元人民币 [13] - 截至季度末，公司持有的现金及现金等价物和短期理财投资合计约为1413亿元人民币 [13]

AI时代思维方式的决定性作用 - 技术本身并非时代发展的最关键变量，真正决定时代走向的是背后的“思维方式”[8] - 现代中国的快速崛起印证了思维方式改变是推动经济发展的底层动力，而非某一项具体技术[9] - 对AI的恐慌、崇拜和误解本质原因是部分文化尚未完成“现代化思维”转换[9] 现代思维的核心要素 - 现代思维具备几大要素：证据优先、逻辑推理、可被推翻、理解不确定性、自我判断[15] - 现代思维是AI时代最重要的“底层操作系统”，因为人类仍需自己理解世界结构、判断信息真假、做出关键决策[15] - 逻辑是现代思维最核心、最不可替代的底层结构，是适应未来的基本生存能力[23][28] AI技术本质与能力边界 - 现代AI本质是强大计算机+高效算法+海量数据，没有任何部分超越图灵机模型[31][37] - AI受图灵机固有局限性制约，存在原则上无法突破的能力天花板[31] - AI可以高度拟合人类语言但不等于拥有理解，可以生成内容但不等于具备创造力[35] 人类与AI的差异化优势 - 人类真正优势在于理解得深而非算得快，包括语境理解、价值判断、抽象能力等[42] - 人类拥有机器无法模拟的类比能力，能在不同领域间抽取结构、识别深层模式[42] - 未来人类需专注于思考、判断、决策、抽象、推理、创造等AI无法替代的核心能力[42] AI时代的教育与职业选择 - 知识正从“资本”变成“原材料”，真正价值从“拿到信息”转移到“处理信息”[21] - 越冷门领域越难被AI取代，因为缺乏规模化市场不具备大规模替代的商业价值[55] - 未来最稀缺的是能提供独特价值的个体，而非标准人才[55] AI时代的认知挑战与应对 - 真正削弱深度思考能力的是电子设备的商业机制，而非AI本身[45] - AI会淘汰不愿意思考的人，但不会减少思考，反而能帮助回到深度思考[46] - 未来差距不是信息差而是思维差，关键在于能否驾驭工具和做出判断[50]

投资评级与核心观点 - 报告对纳芯微（2676 HK）的IPO申购建议为“谨慎申购” [1][4] - 核心观点认为，仿真芯片市场具备广阔的长期发展前景，当前处于相对快速发展期，公司港股发行估值相当于2024年8.7倍PS，在行业中处于中部位置，估值相对合理 [4] 公司业务与市场地位 - 公司采用fabless模式运营，专注于芯片研发和设计，产品围绕汽车电子、泛能源及消费电子等应用领域 [2] - 公司的传感器产品、信号链芯片和电源管理芯片三大品类构成了从感知、信号处理到系统供电及功率驱动的完整系统链路 [2] - 以2024年仿真芯片收入计，公司在中国模拟芯片市场的所有模拟芯片公司中位列第14名（市场份额0.9%），在中国模拟芯片公司中位列第五名 [2] 行业前景与市场数据 - 2024年中国仿真芯片市场规模为人民币1,953亿元，其中IDM模式占76.4%（约人民币1,492亿元），fabless模式占23.6%（约人民币461亿元） [3] - 预期至2029年，fabless公司的市场占有率将达27.4%（对应人民币915亿元） [3] - 新能源汽车、智能设备和人工智能（AI）将是发展最快的细分市场，电源管理芯片市场有望于2029年扩大至人民币2,234亿元，2025年至2029年的复合年增长率为12.1% [3] 公司财务表现 - 公司于2022年、2023年及2024年的收入分别为人民币1,670.4百万元、人民币1,310.9百万元、人民币1,960.3百万元 [3] - 同期净利润/净亏损分别为人民币250.57百万元、人民币-305.33百万元、人民币-402.88百万元 [3] 招股详情与估值比较 - 招股价格为每股116港元，集资额为20.964亿港元，每手100股，入场费11,716.99港元 [1] - 预计上市日期为2025年12月8日 [1] - 行业可比公司2024年PS估值：中芯国际(0981 HK)为8.77倍，华虹半导体(1347 HK)为8.10倍，天岳先进(2631 HK)为13.66倍，赛晶科技(0580 HK)为1.92倍 [6]

文章核心观点 - AI的快速发展正引发大规模失业和社会结构变革，科技巨头是主要推动者和受益者，而普通员工承担代价 [1][4][7] - “AI教父”Hinton警告，AI可能取代而非仅重塑工作，加剧不平等，甚至因AI形成子目标而带来生存风险，社会尚未做好准备 [7][8][12] - AI带来的影响取决于掌控者，其巨大正向潜力（如医疗、教育）能否兑现存在疑问，当前是影响AI发展方向的关键窗口期 [17][18][20] AI对就业的冲击 - 美国企业10月宣布裁员153,074人，创20多年新高，裁员潮被形容为“堆积如山” [3][4] - 2025年仅Intel、微软、Verizon、亚马逊等大公司就宣布裁撤超过70,000个岗位 [3] - 亚马逊上个月裁员30,000人，其中近40%（约1,880个）为工程类职位，中级程序员受影响最严重 [1][26][28] - 企业采用“否认-部署”策略悄然推动AI替代人工，例如要求新增招聘需证明AI无法胜任该职位 [25][29][32] 行业领袖与专家的警告 - Hinton指出AI知识广度已远超人类，能在多数任务中胜任“次等专家”，其进化正以指数级速度推进 [8][9] - Anthropic警告未来五年AI可能淘汰一半初级白领岗位，使失业率升至10%-20% [18] - 到2035年，AI和自动化可能取代英国多达300万个低技能岗位 [33] - AI系统可能发展出形成子目标的能力，从而想要继续存在，甚至欺骗试图关闭它们的人类 [12] 科技公司的行动与员工反应 - 亚马逊员工抗议公司将裁员节省的资金投入无人付费的AI数据中心，指责AI开发模式不计代价 [1] - 1,000多名亚马逊员工联署公开信，呼吁建立“道德人工智能工作组”，让员工在AI自动化其角色方面有发言权 [36] - 亚马逊云计算部门工程师面临使用AI工具将生产力提高一倍的压力，否则可能失业 [36] - 亚马逊CEO声称裁员非AI驱动，但同时预测AI将淘汰工作岗位，显示其精心设计的转型路线图 [23][25] AI的技术能力与发展前景 - 当前大型AI系统拥有约1-2万亿个连接，虽不及人脑的100万亿，但因训练数据庞大，知识广度已远超个人 [8][9] - AI被预期在个性化教学、医学影像诊断与药物开发等领域带来质的飞跃 [17] - Hinton将未来十年AI前景比喻为“雾中驾驶”，可清晰预见一两年发展，但对十年后局势一无所知 [8]