文章核心观点 - 通用人工智能（AGI）已从概念变为现实，其功能性定义是“自行解决问题的能力”，2026年将是AGI元年 [1] - 以编程智能体为代表的长时程智能体已落地，标志着AI从“对话者”向能够实际交付工作的“执行者”转型 [1] - AI智能体的能力正以指数级速度增长，将彻底改变企业的人才结构、生产力边界以及商业和投资范式 [1][2][7] 功能性定义与核心特征 - AGI的功能性定义被界定为“自行解决问题的能力”，对于企业而言，AI能否完成任务比其实现方式更重要 [3] - 长时程智能体具备在模糊环境中通过建立假设、测试、试错并调整方向直至达成目标的核心能力 [4] - 智能体能够自主执行复杂任务闭环，例如在招聘场景中，可在31分钟内完成人类专家的心理循环，包括跨平台搜索、分析潜在离职信号并起草联系邮件 [3] 技术路径与能力增长 - 实现AGI跨越的两种有效且可扩展的技术路径是：由研究实验室主导的强化学习，以及在应用层通过设计特定脚手架来规避模型局限的代理架构 [5][6] - 智能体处理复杂任务的能力正以每7个月翻一番的速度呈指数级增长 [2] - 根据趋势推算，智能体在2028年将能可靠地完成人类专家需耗时一整天的工作，到2034年将能完成一整年的工作量 [6] - 最新的突破是迭代能力，即AI能够像人类一样在数小时内自主工作、修正错误并自主决定下一步行动 [5] 商业影响与范式转移 - 商业逻辑将发生根本性变化，从销售软件转向直接“销售工作成果”，未来的AI应用将作为“数字员工”或“同事”全天候并行工作 [1][7] - 创业者面临巨大范式转移，2026年及以后的应用将是“执行者”，这使得针对“结果”而非“工具”进行定价和包装成为可能 [7] - 从医药领域的OpenEvidence、法律领域的Harvey到网络安全领域的XBOW，各行各业的专用智能体正在迅速涌现 [7] - 曾经宏大的路线图（如交叉比对20万个临床试验数据或重构整个美国税法代码）因智能体能力的提升而变得切实可行 [7]

诉讼核心与双方主张 - 诉讼核心已从理念之争升级为涉及人性私欲与AGI控制权的公开战争，争夺焦点包括数百亿美金归属和定义人类未来的权力 [2] - 马斯克于2023年起诉OpenAI及其联合创始人，核心指控包括：违反致力于惠及全人类的非营利创始协议、指控OpenAI沦为微软闭源子公司、指控奥特曼通过架构调整不当得利获取巨额个人财富、以及指责OpenAI与微软深度绑定带来技术垄断风险 [5][9] - OpenAI及奥特曼方发起全面反击，核心策略包括：展示马斯克试图控制公司及暴露其家族野心的内部证据、重构叙事指其因权力博弈失败和嫉妒而发起报复性诉讼、并质疑其“人类卫士”人设 [6][9] 关键证据与事实指控 - 关键证据“铁证A-17”是一封2018年邮件，其中马斯克在讨论AGI监管时提出，未来或许可以让他和奥特曼的儿子们成为监管核心AGI的候选人 [7][9] - OpenAI方解读该邮件暴露了马斯克内心深处将AGI控制权视为可在血缘关系中传承的“家族王朝”思维，与其公众形象相悖 [9] - 其他证据链条显示：马斯克在2017-2018年间多次提议由其本人获得OpenAI多数控制权或共享特别否决权，但均被拒绝；其曾承诺提供10亿美元资金，但在未能获得期望控制权后大幅削减出资并离开公司；内部聊天记录显示其对奥特曼影响力上升感到不安 [9] 双方叙事与公众形象博弈 - OpenAI方试图将马斯克的公众形象从“科技先知”重塑为渴望垄断下一代核心资源的传统大亨、充满嫉妒心的竞争者以及说教而非践行的伪君子 [12][16] - 奥特曼团队则努力将其形象从“利己主义者”重塑为在理想与现实间取得平衡的务实建设者、去中心化治理的捍卫者以及马斯克控制欲的制约者 [13][16] - 这场在媒体和公众中进行的叙事战争结果，将深刻影响人才流向、用户信任和监管机构看法 [12][13] 暴露的AGI治理困境与行业影响 - 诉讼暴露了AGI治理的三种潜在失控风险：被单一商业公司垄断的“微软式”失控、被强势个人或家族控制的“马斯克式”失控、以及因恶性竞争导致安全标准降低的“失控的失控” [14][16] - 诉讼揭示了现行治理模式的脆弱性，包括“初心”可被多重解释、非营利董事会本身可能陷入内斗、以及法律作为最后解决手段的笨拙性 [14][16] - 对行业与监管的深远影响包括：加速全球监管机构介入并可能推动更严厉立法、加大行业“开源”压力以换取信任、导致顶尖AI人才与资源在各类机构间进一步分流 [14][16] 对涉事公司的直接冲击 - 对OpenAI的冲击：短期声誉受损且内部士气面临考验，若成功捍卫叙事则可能巩固其“AGI主流建设者”地位，其与微软的关系将接受更严苛审视 [14][16] - 对马斯克旗下xAI的冲击：若马斯克在道德叙事上失分，其公司口号会显得讽刺，但诉讼也为其带来了巨大关注度，可能吸引对OpenAI不满的人才和资源 [14][16]

公司财务与增长表现 - 2025年年度经常性收入突破200亿美元，算力规模达到1.9GW [1] - 2023年算力0.2GW，收入20亿美元；2024年算力0.6GW，收入60亿美元；2025年算力1.9GW，收入超200亿美元 [3] - 三年内算力增长9.5倍，收入增长10倍 [5][17] - 2026年1月，公司周活跃用户和日活跃用户持续创下历史新高 [7][27] - 2025年预计将消耗80-120亿美元 [28] 商业模式与增长飞轮 - 公司增长由“算力-前沿研究-产品体验-大规模采用-收入-下一轮算力”构成的超级飞轮驱动 [7][17] - 商业模式随“智能交付的价值”同步扩展，从个人订阅、团队协作到开发者API，形成多层级系统 [9][10][19] - 商业版图正向“商业决策”场景和“广告业务”纵深演进 [12][13][14] - 公司衡量商业化的标准是：它必须是用户体验中自然且有价值的一部分 [17] 算力战略与基础设施 - 算力从依赖单一供应商转变为可主动管理的“投资组合”，包括用于训练的高端算力和用于推理的高效低成本算力 [18] - 成本结构的根本改变使得有用的智能成本降至每百万Token几美分，让产品真正融入日常工作流 [18] - 公司运营需要极强的纪律性，包括提前数年锁定算力、保持资产负债表轻盈、在多供应商间保持灵活性 [20] 产品演进与未来方向 - 行业下一阶段将是AI智能体和工作流自动化，AI将成为个人项目管理和组织知识工作的“操作系统层” [19] - 公司已构建覆盖文本、图像、语音、代码、API的全栈产品平台 [19] - 2026年的核心关键词是“实际采用”，旨在缩小AI能力与日常实际使用之间的差距 [20] 广告业务战略与预测 - 公司于2026年1月16日宣布在ChatGPT免费版和Go版本中投放广告 [27][28] - 广告产品原则包括：答案独立性、对话隐私、用户可控制关闭个性化、付费版本无广告 [31][32][33][34] - 报告表明公司广告收入目标为2026年10亿美元，2029年250亿美元 [35] - 广告推出计划：2026年Q1有限测试，Q4推侧边栏赞助与联盟营销，2027年全面国际扩张并上线自助平台 [31] - 公司聘请了前Meta高管Fidji Simo担任应用业务CEO，全权负责收入引擎 [63][64] 市场竞争与用户分析 - 用户规模达到8亿周活跃用户，约1.9亿日活跃用户，3500万付费订阅者，100万企业客户 [27] - 预测ChatGPT将在2026年2月达到10亿周活跃用户，其中95%为免费用户 [53][67] - 用户意图水平高，每天25亿个提示词包括产品研究、推荐和比较，与谷歌搜索意图相当 [51][56] - 主要竞争对手包括谷歌的Gemini，后者也在利用“强意图”广告漏斗急于变现 [27] 财务预测与估值 - 2026年3月，公司以2600亿美元估值完成400亿美元融资，创私营科技公司最大单笔融资记录 [27] - 基于“高意图”模型的收入预测：2026年总收入约300-350亿美元（基础收入250-300亿+广告收入约52亿） [68][69][70] - 远期预测：2027年总收入588亿美元，2028年910-990亿美元，2029年1400-1500亿美元 [70][71] - 广告ARPU预测轨迹：2026年5.50美元，2027年18.00美元，2028年30.00美元，2029年50.00美元 [59][60][61]

AI对软件行业形态的根本性变革 - 核心观点：AI大模型的出现，特别是AI代理的兴起，将终结当前SaaS全面开花的现状，并引发软件形态、价值及行业结构的根本性变革 [1][2][3] - AI被视为横向赋能层，将融入并改进所有应用 [1] - 软件行业将从“为人服务”转向“为AI代理服务”，面向人类消费的横向软件公司可能面临“灭绝级事件” [8][9] 通用人工智能（AGI）的发展路径与影响 - 预测2026年将成为通用人工智能（AGI）的功能性元年 [2] - AGI的核心是AI“解决问题”的能力，其发展关键趋势是“长视野代理”，AI将从“说话者”转变为“行动者” [2] - AI完成长任务的能力约每7个月翻一番，预计到2028年，AI代理将能可靠地完成专家一整天的工作量 [2] - 用户的角色将从独立贡献者转变为“管理代理团队”的管理者，各行各业都将出现专业的AI代理 [2] 未来软件生态的新架构 - 未来软件生态被比作计算机内存层级：基础知识（预训练）、推理能力（推理时间计算）、迭代执行（长视野代理） [4] - AI代理（如Claude Code）被比作DRAM（非持久性内存），充当“快速内存”处理信息、生成UI和执行工作流，过程是瞬时的 [5] - 传统软件/基础架构被比作NAND（持久性存储），角色转变为负责数据安全、长期存储和结构化输出的“事实来源” [5][6] - AI智能体及其上下文窗口将成为新的“快速内存”，基础设施软件则更接近持久内存 [6] 行业影响与价值转移 - 计算模式将变为短暂和瞬时的，每个计算周期是临时记录板，只有最终输出存入持久内存 [8] - 过去衡量软件好坏的标准（如工作流速度、UI、集成度）将贬值 [8] - 能提供持久信息的接口（如API）将变得极具价值，软件必须转向“为AI代理服务” [9] - Claude Code被视为AI时代的“第一个真正的网站”，将对软件行业很大一部分造成冲击 [9] 数据与基础设施的新机遇 - 专为AI而非人类构建的产品快速增长，例如一个为AI做的数据库ARR在一年内增长了6倍 [9][13] - 数据成为最有价值的底座，特别是真实、特定领域且不公开的数据，验证真实本身成为大生意 [9] - 一个专为AI提供特定领域数据的Infra产品，在短时间内获得超过6000万美元融资 [10] - AI继续进化的关键限制已从模型和算力转变为“可合法使用的高质量真实世界数据” [10]

AI对客户联络行业的颠覆性影响 - 行业核心观点：AI将彻底改变客服组织的运行方式，从以人力为核心转向以AI为执行主体，客服部门因其高度结构化、数据密集和数字化基础而成为AI驱动转型的首要和理想领域 [1][2][6][8][9] 马斯克关于AI发展的关键预测 - AI能力进展：AI已能完成一半以上涉及“敲键盘、点鼠标、处理信息”的白领任务，且接管过程正在加速 [2] - 通用人工智能时间表：预测2026年将出现真正的通用人工智能（AGI），到2030年，AI的总智能将超过全人类 [2] - 进化速度：从AGI出现到其指数级自我进化的窗口期会非常短 [3] 客服部门成为AI转型核心领域的原因 - 流程高度结构化：客服是标准化的信息流水线，其“理解信息+操作系统”的核心工作正是AI最擅长的事情 [8] - 数据资源丰富：客服拥有企业最密集的真实行为数据，包括对话、点击、操作路径及处理结果，是训练AGI的理想土壤 [8] - 数字基础设施完备：客服已具备CRM、工单系统、知识库等一整套可被AI直接操作的数字系统 [8] 企业向AI驱动转型必须回答的关键问题 - 数据可用性：企业需确保客服数据是结构化、可追溯、可训练的，形成完整的“判断-处理-解决”链路，否则AI只能作为辅助工具 [11][12] - AI能力定位：需区分AI是仅能回答问题的“问答工具”，还是能完成“查、建、改、推、闭环”全套动作并对结果负责的“数字员工”（Agent） [13] - 组织形态转变：需明确组织是“人+AI”（AI辅助人）还是“AI+人”（AI为主力执行者，人转为专家、训练者和决策者） [15][16] 未来客服组织的核心竞争力与转型路径 - 核心竞争力转变：未来客服中心最重要的资产不再是座席数量，而是训练出的、能真正干活的AI Agent的数量和能力水平 [17] - 转型窗口期行动：在AGI到来前的关键窗口期，企业应聚焦于完成从“人力驱动”到“AI驱动”的底层组织切换，而非简单裁员 [17] - 先发优势建立：率先完成以AI为核心的服务系统转型的企业，将在下一代客户联络体系中建立真正的先发优势 [17]

文章核心观点 - 文章认为追觅科技创始人俞浩提出的“20年打造百万亿美元公司”的目标虽看似宏大，但通过借鉴科技巨头成功路径并执行分阶段战略，存在理论上的实现可能 [2] - 核心逻辑在于利用公司现有的“高速数字马达+AI算法”技术底座，进行跨行业生态扩张，并最终突破地球局限，绑定人类未来，以获取无限的市值增长空间 [3][12][13] 公司核心优势与战略定位 - 公司最核心的资产是“高速数字马达+AI算法”技术组合，这被视作可平移到多种需要精准动力场景的通用技术底座 [3] - 公司出身清华“天空工场”，具备硬核科技基因和制造能力，例如其20万转马达量产已打破海外垄断，应强化“追觅=高端马达代名词”的品牌标签 [3] - 战略上应避免与巨头硬碰硬，而是采取“借势抄作业”的方式，借鉴英伟达、苹果、微软、谷歌等公司的成功模式进行生态构建 [3][5][6] 分阶段发展路线图 第一阶段：夯实底座 (2026-2030) - 目标市值达到500亿美元，聚焦夯实基本盘 [7] - 技术目标：将马达转速提升至30万转/分钟，专利数量冲击2万件，成立“追觅研究院”并绑定顶尖高校，研发投入占比提升至20% [7] - 产品目标：扫地机、洗地机做到全球市占率第一，智能家电进入行业前三，利用马达技术实现产品差异化 [7] - 市场目标：推动公司上市，将海外营收占比提升至30%，在欧美开设10家直营体验店，主打高端科技品牌避免价格战 [8] - 业务策略：汽车领域暂不造车，而是与比亚迪、蔚来等合作，提供电动车驱动电机等核心部件 [7] 第二阶段：生态扩张 (2031-2035) - 目标市值达到5000亿美元，核心是从单品公司转变为生态帝国 [8] - 汽车业务：正式推出5款以上智能电动车，主打“AI+高效马达”差异化路线，目标年销量10万辆，使汽车业务占营收40% [8] - 航天业务：启动航天业务，利用高速马达技术涉足小型火箭推进器，从卫星服务和小型火箭发射入手，主打低成本 [8] - 技术输出：开放算法和马达平台给全行业，收取授权与合作分成，目标使技术服务收入占营收20% [10] - 全球化：在全球建立10个区域总部，将海外营收占比提升至50%，在东南亚、拉美建立产能基地以降低成本并规避风险 [10] 第三阶段：全球称王 (2036-2040) - 目标市值达到3万亿美元，核心是从行业参与者转变为规则制定者 [10] - 市场目标：在智能生活、智能出行、商业航天三大生态均进入全球前三，特别是在摩根士丹利预测的2040年规模达9万亿美元的机器人市场中，抢占20%以上份额 [10] - 技术目标：牵头制定智能机器人、高速马达、小型火箭的全球标准，AI算法发展至通用人工智能初级水平 [11] - 资本与组织：通过并购海外顶尖技术公司补全能力，员工规模扩张至15万人，保持研发投入占比15%以上，并采用灵活管理模式防止大企业病 [11] 第四阶段：终极跃迁 (2041-2046) - 目标市值达到100万亿美元，突破地球商业局限，公司定位转向影响人类文明 [12] - 技术突破：致力于实现强人工智能落地、可控核聚变商用、脑机接口量产等颠覆性技术，旨在将人类生产力提升100倍 [12] - 商业模式：彻底转向“订阅服务+数据变现”模式，目标使服务与数据收入占营收60%，例如提供AI家庭管家或太空旅游的订阅服务 [12] - 生态扩张：打通“地球-太空”全链路，业务涉足星际探测机器人、太空移民舱，甚至扩展至生物科技领域如基因编辑和靶向药研发 [12] - 社会价值绑定：将公司发展与解决全球变暖、资源短缺等人类共同挑战绑定，以获取更高的资本市场估值溢价 [13] 对科技巨头成功模式的借鉴策略 - 借鉴英伟达：学习其“硬件锁死+生态捆绑”模式，建议公司打造一个开放的AI算法平台，吸引家电厂、机器人公司使用以构建技术依赖和开发者生态 [5] - 借鉴苹果：学习其“软硬一体化+用户闭环”模式，建议公司开发“追觅智能中枢”，实现不同设备间的数据互通与场景联动，打造无缝体验以增强用户粘性 [5] - 借鉴微软：学习其“开放平台+抱大腿”模式，建议公司将马达、算法技术开放给传统车企、航天公司乃至潜在竞争对手，通过合作扩大生态而非追求垄断 [5] - 借鉴谷歌：学习其“全球化本地化+创新容错”模式，建议公司在海外市场进行深度本地化运营（如在欧美开直营店、在东南亚适配产品），并允许研发团队有一定自由试错空间以激发创新 [6] 潜在挑战与应对建议 - 技术颠覆风险：前沿技术研发周期可能超预期，且存在被全新技术替代的风险，建议建立“技术雷达”监控全球动态，并分散投资于量子计算、生物技术等多元领域 [14] - 跨界竞争风险：汽车、航天赛道重资产、高壁垒，应避免与特斯拉、SpaceX等巨头正面竞争，而是利用马达技术主打续航、静谧性（汽车）或低成本、小型化（火箭）的差异化路线，并与本土企业结盟以降低风险 [14] - 组织管理风险：公司规模扩大后易滋生官僚主义，建议坚持扁平化管理，采用“平台化+小微化”模式赋予小团队自主权，并通过股权激励等措施稳定核心人才 [14] - 资金需求：实现目标预计20年需投入1.1万亿美元，建议通过自有资金、股权融资、债务融资、战略投资等多元化方式筹措资金，优先投入研发和市场，并预留5%作为风险储备 [16]

公司与项目进展 - 云知声自主研发的“山海”大模型为江苏省医保数据赋能实验室的智能经办、智能审核和辅助决策类智能体应用提供底层推理与全流程技术支撑[1] - 云知声于2025年12月成功中标全国首个省级医保垂直大模型项目——江苏省医保大模型项目，并同步斩获江苏省医保智能体应用项目[1] - 公司华东总部江苏云知声于2024年9月落户南京鼓楼高新区，并于2025年开启实质性运营[5] 技术与产品能力 - “山海”大模型通用能力跻身世界一流，在医疗等领域的专业能力全球领先[3] - 2025年12月22日，公司推出医疗领域专家级大模型“山海・知医大模型5.0”，实现从“智能工具”到“临床协作者”的关键跨越[3] - 依托“山海・知医大模型”构建的“智慧医疗产品矩阵”已覆盖诊疗全流程，相关解决方案在全国近400家医院落地部署，另有700余家医院进入测试阶段[3] - 江苏云知声重点推进三大核心工程建设：医保基础大模型与开源多模态大模型、高质量医保知识库、智能体管理平台，为全省医保AI应用提供全链条技术支撑[5] 行业与生态布局 - 江苏省深耕“人工智能+医疗健康”领域，以技术创新破解医保服务痛点[1] - 公司正大力打造“云知学院OPC社区”，聚焦AIGC等前沿方向，构建“技术赋能+场景深耕”的双轮驱动模式，帮助创业者实现从技术学习到原型开发的全流程闭环训练[5] - 鼓楼区将持续深化政企协同、开放应用场景、培育产业生态，全力打造具有影响力的“人工智能+医疗健康”创新高地[8]

文章核心观点 - 红杉资本合伙人断言，通用人工智能（AGI）在2026年已经以“长周期智能体”的形式到来，其标志是AI能够自主、持续地“把事情想明白”并解决现实问题，而非进行哲学辩论 [1] - AI的能力边界正从“聊天”扩展到“办事”，工作模式将从人类作为“执行者”转变为管理AI团队的“经理”，标志着生产力关系的重构 [3][11][12] AGI的务实定义 - 红杉资本提出了一个极度务实的AGI定义：“把事情想明白的能力”，这需要结合知识（预训练模型）、推理（更强计算模型）和迭代试错（长周期智能体）三种能力 [5] - 该定义不关心AI内部复杂性，只关注其能否真实解决问题和影响现实世界，能办到即为“通用” [5] AGI的应用落地实例 - 一个AI智能体在31分钟内，为一位创始人精准锁定了几乎完美匹配的招聘目标，完成了从模糊指令到具体人选和行动草案的全流程 [3][6][7] - 该智能体执行了类似资深猎头的复杂操作：在LinkedIn搜索、通过YouTube会议演讲评估实力、在Twitter分析真实性格与跳槽信号，并进行交叉验证排除 [6] - 整个过程展示了AI在模糊目标中自主探索、试错、转向并打通路径的能力，即“把事情想明白” [7] 技术核心突破：长周期智能体 - 当前AI能执行长时间任务的关键在于“长周期智能体”，它为AI提供了“持久专注”和“任务管理”能力 [9] - 主要通过两种方式实现：1) 使用强化学习训练模型以在长任务中保持专注；2) 通过智能体框架提供外部辅助工具来管理记忆和规划步骤 [9] - 独立评估机构METR数据显示，AI完成长周期任务的能力大约每7个月翻一番，呈现指数级进步 [9] 长周期智能体的发展预测 - 根据当前指数级进步速度推算：到2028年，AI能可靠完成人类专家一整天的工作；到2034年，能完成人类专家一年的工作；到2037年，能处理人类需要100年才能完成的任务 [10] - 100年工作量的例子包括分析所有历史临床实验数据、从海量客服记录中挖掘规律，或彻底重写庞杂税法 [10] 行业影响与工作模式变革 - AGI的试金石是能否“雇佣”它，专业化的“AI员工”正在涌现，例如AI专科医生、AI律师助理、AI网络安全员、AI芯片设计师和AI研究员 [11] - 2023-2024年的AI主要是“谈论者”（聊天对象），而2026-2027年的AI将成为“执行者”（真正的同事） [11] - 工作模式将被颠覆：从每天向AI提问几次，转变为每天有多个AI同时为人类工作 [11] - 人类的角色将从亲力亲为的“执行者”转变为管理AI团队的“经理”，使得“售卖工作”成为可能 [11][12] 结论与行动呼吁 - 长周期智能体的指数级增长已启动，当前能可靠运行30分钟，不久将能承包人类一天的工作，未来视野将以“世纪”为单位 [12] - 当AI不仅能回答“是什么”，更能持续探索“怎么办”时，意味着生产力关系的重构 [12] - 呼吁行业不再只将AI视为聊天机器人或搜索引擎，而是时候给AI“派活儿”了，这场静默的变革已经开始 [13]

文章核心观点 - 中国人工智能行业在2025年显著缩小了与美国的差距 中美两国的人工智能发展路径呈现出明显差异 美国侧重于前沿能力、闭源模型和平台化产品 而中国则侧重于开源权重、极致工程效率和快速产业扩散 [1][4] - 中国公司如深度求索和阿里巴巴通过开源模式和工程效率 在全球人工智能领域竞争力迅速提升 特别是在模型应用落地、供应链完整度和成本控制方面展现出显著优势 [2][3][7] - 行业专家预测 未来的竞争焦点将从“谁更聪明”转向“智能落地” 下一个突破性进展可能出现在人形机器人、工业大模型和低成本推理等与中国工程制造优势结合的领域 [10] 中国AI行业发展与竞争力 - 深度求索公司预计在2月中旬推出下一代AI模型V4 该模型被认为编码能力强大 表现可能优于Anthropic的Claude和OpenAI的GPT系列 [1] - 深度求索的R1大模型在2025年上线后引发全球关注 仅用两个月完成训练 成本远低于美国同行 但效果与ChatGPT和Meta的Llama模型不相上下 [2] - 中国的开源AI模型占全球AI技术使用总量的近30% 赢得了全球开发者的信任 美国公司如爱彼迎和Meta也在使用阿里巴巴的Qwen大模型 [3] - 阿里巴巴自2018年启动AI大模型研发 已开源近400个模型 全球衍生模型超过18万个 下载量突破7亿次 [3] - 更多中国大模型公司在2025年紧跟最新发展 跻身全球大模型第一梯队 [2] 中美AI发展路径对比 - 美国发展路径是“前沿能力持续拉高+闭源模型+平台化产品” 目标是将智能变成可控、可收费、可治理的基础设施 [4] - 中国发展路径是“开源权重+极致工程效率+快速产业扩散” 目标是将足够强的能力快速做成可复制、可落地的工程资产 让智能迅速进入真实业务系统 [4] - 在“最强模型的前沿能力”上 美国仍领先中国数月到一年 已非代际差 在“工程效率、成本和落地速度”上 中国几乎没有时间差 局部甚至更快 在“产品平台、生态与规则制定”上 美国依然领先一到两年 [5] - 美国AI渗透主要体现在“软处” 如算法推荐和办公渗透 已成为基础设施 而在“硬处”的物理硬件普及尚在爆发前夜 [6] - 中国在“工程落地速度”和“供应链完整度”上具有优势 在激光雷达、高能量密度电池和高性价比电机组件等领域占据半壁江山 机器人迭代快且具备大规模量产潜力和成本优势 [7] 行业技术趋势与未来展望 - 行业仍在发力研究“长思考、代码能力和多模态”的大模型 2025年AI改变最大的领域是代码编写 [8] - 阿里巴巴将AI发展归纳为学习人、辅助人、超越人三大阶段 认为当前仍处于“辅助人”的早期 终点可能是超级人工智能ASI [8] - 特斯拉CEO马斯克预测AGI最快可能于2026年出现 2030年前AI能力将超越人类总和 [8] - 专家认为AGI很可能首先在美国被技术实现 但其是否真正成立 取决于能否在社会中被大规模信任并被制度接纳 [9] - 中国更容易在真实社会中快速规模化部署AI 将其嵌入产业、政务和公共服务 让AI在现实系统中长时间运行并积累优势 [9] 潜在的下一个突破领域 - 下一个“DeepSeek时刻”可能出现在人形机器人结合大模型、工业/能源/供应链大模型 以及低成本推理与端侧模型突破等领域 [10] - 中国在“智能落地”方面具有优势 而美国在“智能上限”方面领先 [10] - AI硬件在2026年可能迎来“DeepSeek时刻” 因大模型技术成熟、供应链成本可控、消费者认知提升三大条件已具备 [10] - AI潮玩品牌珞博智能将2026年销售目标定为100万台AI玩具 百万台设备产生的海量交互数据将加速模型“数据飞轮”运转 形成良性循环 [10][11] - 100万台的销量意味着市场教育完成 AI玩具将从小众潮流品转变为能提供情感价值的“生活必需品” [11]

人工智能(AI)的经济影响与前景 - 核心观点：人工智能将开启“美国例外论”新时代，并有望在本世纪末将美国经济增速提升至最高4% [1] - 科技发展预计能推动潜在4%经济增速中的大约一半 [1] - 成功设计通用人工智能(AGI)的公司，其规模在短期内可能扩大五倍之多 [1] 人工智能(AI)的竞争格局与发展阶段 - 人工智能是中美之间的一场竞赛，但并非零和游戏，双方预计都会做得很好 [1] - 行业内部认为，距离实现通用人工智能(AGI)最多还有五年，最少还有三年 [1] - 并非所有“七巨头”公司都能实现AGI，但可能有三、四家会成功 [1] 宏观经济与政策环境 - 特朗普政府的破坏性政策，最大影响可能是拖累经济增速50个基点 [1] - 尽管存在地缘政治紧张（如乌克兰战争、中美局势），但金融市场对外部冲击（如油价短暂波动）的消化能力较强，全球经济抵抗力比投资者想象的要强 [1]