本文内容转载自第一财经 2026 年 1 月 29 日报道 本文字数： 2842 ，阅读时长大约 4 分钟 全球人工智能（AI）竞赛的终局，可能并不取决于算法的参数规模，而取决于谁的电网更稳、谁的 工业基座更厚。 彭博行业研究高级中国科技分析师罗伯特·李（Robert Lea） 接受第一财经记者专访时表示，电力 已成为像空气和水一样的"核心大宗商品"，而中国长期超前的基础设施建设，正成为其AI竞赛中被 低估的"确定性优势"。 彭博行业研究发布的 《中国AI 2026年展望》报告 表示，在全面推进AI技术普及的背景下，中国经 济受益于其AI实力的持续增强。庞大的国内市场赋予中国企业独特的战略优势，使其能够依托海量 用户基础，获取训练模型所需的丰富数据资源。这些数据与注重实际应用的发展路径相结合，有望 推动中国企业通过低成本、开源化的策略，并开发出深度融入社会生产生活的AI工具。 作为报告主要作者，罗伯特认为，中国正在展现一种"务实导向"的发展逻辑。对内，通过"人工智能 +"行动，将技术深度嵌入全球规模最大的工业体系，把算力转化为实实在在的生产力提升；对外， 则借助开源生态与具备竞争力的定价策略，在新兴市场中逐步 ...

公司战略与技术布局 - 公司秉持开放协同的技术战略，密切关注并积极拥抱开源生态 [2] - 公司通过“混合云+混合模型”策略，将开源模型的通用优势与公司自研大模型深度融合 [2] - 公司的“训推一体机”已实现对主流国产开源大模型的全栈适配 [2] 产品与解决方案 - 针对各细分行业，公司的一体机产品能够提供“开箱即用”的私有化部署方案 [2] - 产品结合开源小模型的高效推理与低成本特性，以及公司软硬一体化的交付模式 [2] - 该方案有效解决客户对数据安全与部署门槛的顾虑 [2] 市场与商业化影响 - 公司的策略有助于进一步降低企业AI落地成本 [2] - 此举旨在拓展中小企业市场 [2] - 同时提升产品的场景适配性与商业化效率 [2]

电商新零售 - 麦德龙中国任命沃尔玛前中国副首席执行官兼山姆会员商店总裁文安德（Andrew Miles）为公司顾问，聚焦仓储会员店业态在中国市场的深化发展 [1] - 高鑫零售公告暂时无法与执行董事兼首席执行官李卫平取得联系，但认为该事项对集团业务及营运无重大不利影响 [2] - 美团以约7.17亿美元的初始对价，完成对叮咚买菜中国业务100%股权的收购，叮咚买菜2025年第三季度营收达66.6亿元人民币创历史季度最高 [3] 物流供应链 - 中国邮政、顺丰速运、京东物流、德邦快递等多家快递企业宣布春节期间服务“不打烊”，继续提供收派服务 [4] 生活服务 - 小红书宣布成为2026年央视春晚独家真人笔记互动社区，这是其连续第三年与总台春晚合作 [5] - 滴滴与海南航空建立合作伙伴关系，打通双方地面出行与空中出行权益，滴滴高等级会员在机场打车后可领取金鹏俱乐部消费积分 [7] - 千问App“春节30亿大免单”活动上线9小时，AI订单突破1000万单，用户可领取21张无门槛25元免单卡（总计525元） [8] - 阿里千问App与腾讯元宝的红包口令在微信内已恢复可复制状态 [9] 创新创投 - 在AI智能体OpenClaw的模型调用量中，来自中国的Kimi K2.5超过Gemini 3 Flash、Claude Sonnet 4.5等模型排名第一 [10] - 阿里巴巴开源新一代智能体编程模型Qwen3-Coder-Next，其推理成本仅为同等性能模型成本开销的5%～10% [11] - 阿里巴巴集团内部将AI的总称和核心品牌统一为“千问”（Qwen），以整合内部资源并提升市场竞争力 [13]

文章核心观点 - 资本市场对Waymo的巨额投资和超高估值，是基于对其在自动驾驶Robotaxi领域数据壁垒、先发优势、规模化潜力以及Alphabet全力支持的长期看好，标志着行业从技术论证迈向商业化的分水岭[4][24] - Waymo的估值逻辑并非基于当前财务表现，而是基于其作为“未来城市安卓系统”的生态潜力和对万亿美元出行市场的颠覆性预期[5][11] - 尽管资本热情高涨，Waymo仍面临技术长尾风险、特斯拉的差异化竞争、盈利周期挑战以及监管与公众信任等多重考验，行业黄金时代必然来临但过程充满坎坷[15][24][26] 估值与融资表现 - 2024年10月C轮融资时估值为450亿美元，16个月后（2026年初）新一轮融资估值飙升至1260亿美元，增长近3倍[4][5] - 最新一轮融资规模达160亿美元，成为科技行业史上规模最大的私募融资案例之一[2][4] - 谷歌母公司Alphabet在此轮融资中自身出资占比超过四分之三，表明其已将Waymo从探索项目升级为未来核心业务[10] 核心竞争优势与护城河 - **数据壁垒**：已完成超过2000万次真实商业化出行，全自动驾驶（无安全员）里程突破1亿英里（约1.61亿公里），数据量远超竞争对手[6] - **先发与运营优势**：已在凤凰城、旧金山、洛杉矶、奥斯汀、亚特兰大五城运营，形成“自营+平台”商业模式，与Uber合作拓展市场[5][8] - **规模化进展**：2025年周付费订单量突破45万单，用户习惯与网络效应开始形成[8] - **关键场景突破**：2025年攻克旧金山国际机场，计划提供自动驾驶接送服务，机场行程约占网约车总量的20%，是商业化最肥沃的试验田[11] - **生态协同**：背靠Alphabet在云计算、人工智能与地图领域的积累，可构建从感知、决策到运营的一揽子生态[13] 商业模式与长期想象空间 - 定位不仅是出租车公司，更是“未来城市的安卓系统”，未来底层系统和应用服务可能开源授权给车企、物流公司或政府机构[11][13] - 机场战略是关键落子，已在凤凰城机场开通无安全员接驳服务，圣何塞机场处于测试阶段，旧金山国际机场落地将助推接单量和品牌公信力[11][13] - 借助超级碗、世界杯等国际赛事高曝光场景进行压力测试和全球样板展示[13] 市场竞争格局 - 竞争对手Cruise因安全事故全线停摆，特斯拉FSD迟迟未能实现全无人驾驶，中国玩家受限于数据本土化与全球化节奏，Waymo成为西方市场唯一的规模化玩家[15] - 特斯拉作为主要竞争对手，推出差异化Robotaxi战略，计划2026年4月推出无方向盘、无踏板的Cybercab车型，并采用纯视觉方案以降低成本[18] - 特斯拉计划2025年底前在8至10个美国大都市区投放超1000辆Robotaxi，并推出“车主共享”模式，具备天然的可扩张性[20] 面临的挑战 - **技术长尾风险**：仍未彻底解决极端案例和长尾场景问题，例如2025年12月旧金山大停电时车辆因无法与交通信号灯通信而停滞，2026年初凤凰城车辆误入轻轨轨道[15] - **盈利周期挑战**：当前年收入仅约3.5亿美元，需将营收扩大近30倍方能匹配千亿估值，有分析师指出若单次行程成本无法降至传统网约车的70%以下，商业模式难以持续[5][22] - **监管与公众信任**：需“一城一策”进行谈判，旧金山机场的落地曾历时多年并收到过“禁止令”，各类安全事件不断消耗社会宽容度[24]

OpenAI广告商业化策略 - OpenAI将于2026年2月初在ChatGPT平台正式上线首批广告，初期面向免费用户及月费8美元的“ChatGPT Go”低价订阅用户开放，采用CPM（每千次展示收费）模式 [1] - OpenAI对广告的态度从CEO公开反对转变为接受，主要因用户规模爆发式增长与算力成本持续攀升 [1] - 截至2025年7月，ChatGPT周活跃用户已突破7亿，但付费用户占比仅5%，2025年上半年公司收入43亿美元，亏损高达135亿美元 [1] 大模型行业商业模式与成本挑战 - 大模型行业与传统互联网模式存在本质差异，每轮对话均需消耗独立算力资源，用户对话量增长曲线远陡峭于活跃用户数，导致成本随用户规模扩张同步激增 [3] - 2023-2025年OpenAI算力消耗与收入均以每年约3倍的速度增长，未出现边际成本递减效应 [3] - 预计到2028年，OpenAI的计算成本将增至千亿美元量级 [1] 行业收入结构预测与市场增长 - 机构预测，至2029年，OpenAI收入结构中40%将来自ChatGPT订阅，23%来自Agent产品，19%来自广告等新产品变现，18%来自API调用 [3] - 2025年上半年，中国模型即服务（MaaS）市场规模达12.9亿元，同比增长421.2% [3] - 2025年上半年，中国AI大模型解决方案市场规模达30.7亿元，同比增长122.1% [3] 商业化发展趋势与竞争格局 - 火山引擎、阿里巴巴等厂商通过分层定价、开源模型、多模态能力升级等策略降低企业接入成本，推动行业从概念验证阶段迈向规模化生产 [3] - 原生多模态模型将成为头部厂商的主流方向，推动交互式AI在复杂场景落地 [4] - 开源生态的崛起虽降低了使用门槛，但也加剧了同质化竞争与价格下探，监管趋严、算力供给与工程化能力将成为商业化落地的关键约束 [4]

行业动态概览 - 多家头部科技企业（百度、阶跃星辰、阿里、DeepSeek、Kimi等）近期密集发布自研大模型，覆盖OCR识别、多模态理解、具身智能、推理能力等多个前沿领域，且绝大多数选择了开源路径[1] - 中国AI开源生态正从“可用”迈向“好用”乃至“引领”的关键阶段，国内开源生态的逐步扩大与完善将加快人工智能领域的发展速度[1] 头部企业近期动作 - 阶跃星辰于2月2日推出Step 3.5 Flash模型，采用稀疏混合专家架构，总参数量高达1960亿，但每Token仅激活约110亿参数，在确保强大推理能力的同时大幅提高运行效率，尤其适用于复杂Agent工作流场景[2] - 智谱于2月3日正式开源GLM-OCR模型，这是一款仅0.9B参数的小型模型，支持vLLM、SGLang和Ollama等主流推理框架，显著降低了部署门槛[2] - 百度于1月29日发布文档解析模型PaddleOCR-VL-1.5，该模型以仅0.9B参数的轻量架构，在文档解析评测榜单OmniDocBench V1.5中取得全球综合性能第一的成绩，整体精度达到94.5%[2] - 优必选发布自研的“具身大脑”Thinker模型，以“小参数、高性能、全开源”为特色[2] - DeepSeek发布新的OCR2模型，月之暗面发布Kimi K2.5模型[2] 模型发布特点与背景 - 近期模型集中在2026年1月份至2月初密集发布，覆盖文本、图像、语音、具身控制及多模态融合等多个维度，且多数模型强调在特定场景下的性能优化，如文档解析、工业机器人响应、Agent协同等[3] - 经过三年的技术积累，国产大模型在架构设计、训练方法、工程优化等方面已形成较为成熟的技术体系，具备了规模化输出高质量模型的能力[3] - 应用场景愈发明确，从工业机器人到智能办公，从金融风控到教育医疗，下游需求促使模型向专业化、轻量化、高效化发展[3] - 当前正处于全球AI竞争的关键时期，国产大模型不仅是技术产品，更是国家战略科技力量的重要组成部分，中国企业正通过密集发布高水准模型积极争夺技术话语权与生态主导权[3] 开源成为主流趋势 - 近期发布的模型（如智谱的GLM-OCR、阶跃星辰的Step 3.5 Flash、Kimi K2.5、DeepSeek-OCR2）均选择发布即开源策略，标志着中国AI产业正从“闭源竞赛”转向“开源协同”[4] - 开源有助于快速验证模型能力、扩大影响力，在模型性能日益相近的当下，谁能率先获得开发者和企业的广泛应用，谁就更有可能成为事实标准[4] - 通过开源，企业可借助社区力量进行压力测试、场景适配与漏洞修复，形成“发布—反馈—迭代”的高效闭环[4] - 开源是构建国产AI生态的必经之路，以Qwen、智谱、Kimi、DeepSeek等为代表的国产开源模型矩阵日益完善，覆盖语言、视觉、语音、具身智能等多个模态，初步形成了从基座模型到工具链、从训练到推理的全栈能力[4] - “自主可控+开放协作”的模式，既保障了技术主权，又避免了重复建设，有效降低了中小企业和科研机构的创新门槛[4] 开源生态的反馈效应与未来展望 - 开源生态的繁荣反过来反哺模型本身，由社区贡献的评测数据、优化方案、插件工具等，成为了模型持续进化的“养分”[5] - 以阿里千问为例，AI开源社区Hugging Face的最新数据显示，阿里千问的衍生模型数量已突破20万个，全球开发者基于千问开发的衍生模型每天新增超过200个，涵盖机器人控制、代码生成、漫画后期制作、多语种翻译等多个方向[5] - 从密集发布到全面开源，国产大模型正走出一条兼具技术创新与生态共建的发展路径，这不仅是中国AI产业迈向成熟的重要标志，也为全球人工智能的多元化发展增添了新的动力[5] - 在开源浪潮的推动下，一个更为开放、协同、高效的国产AI生态正在加速形成[5]

行业动态：国产大模型密集发布与开源趋势 - 近期，百度、阶跃星辰、阿里、DeepSeek、Kimi等多家头部科技企业密集发布自研大模型，覆盖OCR识别、多模态理解、具身智能、推理能力等多个前沿领域，且绝大多数选择了开源路径 [1] - 业内普遍认为，中国AI开源生态正从“可用”迈向“好用”乃至“引领”的关键阶段，国内开源生态的逐步扩大与完善将加快人工智能领域的发展速度 [1] 头部企业具体进展 - **阶跃星辰**：于2月2日推出Step3.5Flash模型，采用稀疏混合专家架构，总参数量高达1960亿，但每Token仅激活约110亿参数，在确保强大推理能力的同时大幅提高运行效率，尤其适用于复杂Agent工作流场景 [2] - **智谱AI**：于2月3日正式开源GLM-OCR模型，这是一款仅0.9B参数的小型模型，支持vLLM、SGLang和Ollama等主流推理框架，显著降低了部署门槛 [2] - **百度**：于1月29日发布文档解析模型PaddleOCR-VL-1.5，该模型以仅0.9B参数的轻量架构，在文档解析评测榜单OmniDocBenchV1.5中取得全球综合性能第一的成绩，整体精度达到94.5% [2] - **优必选**：近日发布自研的“具身大脑”Thinker模型，以“小参数、高性能、全开源”为特色 [2] - **多模态领域**：DeepSeek发布新的OCR2模型，月之暗面发布KimiK2.5模型等 [2] 发布特点与驱动因素 - 模型集中在2026年1月份至2月初密集发布，覆盖文本、图像、语音、具身控制及多模态融合等多个维度，且多数模型强调在特定场景下的性能优化，如文档解析、工业机器人响应、Agent协同等 [3] - 经过三年的技术积累，国产大模型在架构设计、训练方法、工程优化等方面已形成较为成熟的技术体系，具备了规模化输出高质量模型的能力 [3] - 应用场景愈发明确，从工业机器人到智能办公，从金融风控到教育医疗，下游需求促使模型向专业化、轻量化、高效化发展 [3] - 当前正处于全球AI竞争的关键时期，国产大模型不仅是技术产品，更是国家战略科技力量的重要组成部分，通过密集发布高水准模型，中国企业正积极争夺技术话语权与生态主导权 [3] 开源成为主流战略 - 智谱的GLM-OCR、阶跃星辰的Step3.5Flash、KimiK2.5以及DeepSeek-OCR2等均选择发布即开源策略，标志着中国AI产业正从“闭源竞赛”转向“开源协同” [4] - 开源有助于快速验证模型能力、扩大影响力，在模型性能日益相近的当下，谁能率先获得开发者和企业的广泛应用，谁就更有可能成为事实标准 [4] - 通过开源，企业可借助社区力量进行压力测试、场景适配与漏洞修复，形成“发布—反馈—迭代”的高效闭环 [4] - 开源是构建国产AI生态的必经之路，过去中国AI产业高度依赖国外基础模型与框架，如今以Qwen、智谱、Kimi、DeepSeek等为代表的国产开源模型矩阵日益完善，覆盖语言、视觉、语音、具身智能等多个模态，初步形成了从基座模型到工具链、从训练到推理的全栈能力 [4] - “自主可控+开放协作”的模式，既保障了技术主权，又避免了重复建设，有效降低了中小企业和科研机构的创新门槛 [4] 开源生态的反哺效应 - 开源生态的繁荣反过来反哺模型本身，由社区贡献的评测数据、优化方案、插件工具等，成为了模型持续进化的“养分” [5] - 以阿里千问为例，AI开源社区HuggingFace的最新数据显示，阿里千问的衍生模型数量已突破20万个，全球开发者基于千问开发的衍生模型每天新增超过200个，涵盖机器人控制、代码生成、漫画后期制作、多语种翻译等多个方向 [6] - 从密集发布到全面开源，国产大模型正走出一条兼具技术创新与生态共建的发展路径，这不仅是中国AI产业迈向成熟的重要标志，也为全球人工智能的多元化发展增添了新的动力 [6] - 在开源浪潮的推动下，一个更为开放、协同、高效的国产AI生态正在加速形成 [6]

文章核心观点 - DeepSeek-OCR2的发布是一项颠覆性技术更新，其通过引入新型编码器结构和极低的成本，可能彻底终结OCR（文档识别）作为一个高利润行业的时代，将该技术转变为像水电煤一样的基础设施 [5][18][16] 技术革新与性能提升 - DeepSeek-OCR2的核心创新是名为DeepEncoder-V2的新型编码器结构，它引入了“视觉因果流”概念，能够根据图像语义动态调整视觉信息处理顺序，解决了传统OCR机械扫描、不懂逻辑的痛点 [6] - 新模型在OmniDocBench v1.5基准测试中整体得分达到91.09%，相较前代DeepSeek-OCR提升3.73%，阅读顺序准确度方面，编辑距离从0.085降至0.057 [7] - 模型输出不再是简单文本，而是直接输出Markdown或JSON等结构化格式，并能进行逻辑推理与质量控制，例如通过计算推理出被污渍遮挡的票据总价 [9] - 模型能保留文档中的格式信息（如加粗、红色、箭头），理解商业文档的潜台词，为深度分析（如解读财报）奠定基础 [9][10] 成本结构的颠覆性冲击 - 与行业领先的AWS Textract服务相比，DeepSeek-OCR2实现了超过200倍的成本优势 [11][12] - 处理1000页复杂表格金融文档，AWS Textract（使用特定组合服务）成本约65美元（约合人民币470元），而DeepSeek-OCR2成本仅约0.28美元（约合人民币2元），若命中缓存成本可低至0.028美元 [12] - 这种极致的成本优势源于其开源策略和高效的Token计费模型，使得企业可以本地部署以保护隐私并节省巨额预算 [14][15] 对传统OCR行业的影响 - 传统OCR是一个隐秘而暴利的千亿级市场，以合合信息（扫描全能王母公司）为例，其毛利率长期维持在85% [5] - DeepSeek-OCR2的泛化能力直接冲击了传统OCR厂商（如合合信息、汉王科技、ABBYY）依赖“积累十年票据模板”和“长尾场景”构建的技术壁垒叙事 [13] - 对于Adobe Acrobat，其“PDF编辑器”的核心价值受到威胁，因为AI时代用户需求从“编辑”转向“重构”内容，若PDF能被完美转化为可编辑格式并直接提取数据，工具本身意义可能丧失 [14] - 对于云服务商（如AWS），其将OCR功能封装为分层定价API（如每页0.0015美元至0.065美元）的商业模式受到开源免费或低成本方案的挑战 [11][14] 催生的新机会与生态变化 - OCR成本的大幅降低将激活海量沉睡在纸张、PDF和图片中的数据资产，催生新的商业机会 [17] - 具体应用包括：变得可行的小微企业征信服务、大规模的试卷批改与学习资料数字化、得以普及的病历与检查报告自动化处理、以及加速的合同审查与案例检索智能化升级 [15] - 技术发展体现了开源生态的胜利，DeepSeek-OCR2采用了阿里巴巴的Qwen2-0.5b模型等开源组件，这种协作加速了技术迭代，降低了研发成本，促进了整个生态系统的繁荣 [16] - 模型通过将视觉Token数量限制在256至1120之间，在保持高精度的同时实现了极致的效率优化，这是技术“基础设施化”的典型特征 [16]

文章核心观点 - AI技术发展已进入关键加速期，预计在2025年底或2026年超越人类智能，为普通人留下的转型窗口期可能不足一年 [1][2] - 达沃斯论坛的共识显示，AI发展重点正从概念炒作转向基础设施投资，并揭示了包括基建、能源优势、应用落地和开源生态在内的多个反常识投资与职业机会 [2][5][25] AI泡沫论破产，钱流转向基建赛道 - 黄仁勋驳斥AI泡沫论，指出2025年全球AI投资超过1000亿美元仅是开端，未来AI基础设施建设需要数万亿美元 [5] - 投资正从“炒概念”流向“搞基建”，其“五层蛋糕理论”指出投资层级为：能源、芯片、数据中心、AI模型、应用 [5] - AI基建相关岗位（如数据中心运维、电力工程、AI落地咨询）需求旺盛，技术工种薪资在美国可达六位数年薪 [5][6] - AI发展的最大瓶颈已从芯片转变为电力短缺 [6] 中国AI杀手锏：被忽视的电力优势 - 中国在2026年的电力产能已是美国的三倍，且电力成本更低，这构成了低成本算力的核心优势 [9] - 谷歌前CEO施密特警告，若欧洲不加速AI投资，未来将依赖中国的开源模型 [9] - 中国的电力与供应链优势是比技术更深的护城河，DeepSeek等模型推动中国开源AI模型的全球下载量占比从个位数飙升至17.1%，首次超过美国 [9] - 国家成立600亿人民币的AI基金，旨在将基建优势转化为产业优势 [9] AI褪去魔法光环，沦为刚需“水电煤” - 微软纳德拉指出，AI的边际成本正趋近于零，正从“高科技奢侈品”变为像水电煤一样的基础设施 [13] - 未来各国GDP增长可能与“每美元每瓦特能产生多少算力”的效率挂钩 [13] - AI技能将成为职场必选项，但重点在于用AI解决实际问题而非成为AI科学家 [13] - 企业AI落地存在巨大需求缺口，例如AI智能体可将客服响应速度提升3倍，AI做账可减少50%的人力成本，催生了AI落地咨询、培训与工具集成的市场机会 [13] 机器人时代加速到来，从冷门岗位突破 - 马斯克预测未来机器人数量将超过人类，特斯拉人形机器人Optimus最快可能在2027年底公开发售 [15] - 机器人将优先替代人力短缺的刚需场景，如育儿、宠物看护、老人照护，这些领域存在成本高或招工难的问题 [15] - 围绕机器人的服务生态（维修、软件更新、个性化定制、应用开发）将创造巨大机会，类比iPhone催生的App与配件市场 [15] - 中国凭借全球最完整的制造业供应链，在机器人零部件和应用开发领域具有优势 [16] 路线之争：中国开源生态的破局机会 - 美国大模型公司（如OpenAI、Anthropic）转向闭源，而中国模型（如DeepSeek、通义千问）坚持开源路线 [18] - 开源生态降低了个人开发者与小公司的参与门槛，使其能够基于开源模型进行二次开发、垂直应用和本地化部署 [20] - 机会在于深耕应用场景而非卷大模型本身，利用开源模型微调开发行业垂类应用（如法律、医疗、教育），成本可低至几千元人民币 [20] - 中国庞大的14亿人口基数为AI长尾市场提供了无数细分需求机会 [21] 普通人必看：3个落地方向（从易到难） - **职场人**：系统性地将AI工具嵌入工作流（如数据分析、写代码、市场调研），目标是成为“会用AI的那20%” [23] - **创业者/转行族**：聚焦两大刚需方向——AI落地服务（培训、咨询、部署）与垂直应用开发（基于开源模型做细分产品），这些方向需求大且门槛相对较低 [23] - **学生/深度学习族**：提前布局交叉领域技能，如AI+能源或AI+机器人，为2027-2028年可能的市场爆发做准备 [23]

激活消费与扩大开放 - 精准把握青年、银发等重点人群需求，打造具有强情感链接和社交属性的新消费场景，并深挖文旅、数智融合潜力，将“流量”转化为“消费增量” [3] - 强化县域消费支撑与商圈场景牵引，构建城乡互促的活力生态 [3] - 通过深化制度开放稳定外资预期，实施精准激励支持外资深耕，并优化外资结构布局，尤其要吸引高技术产业外资和新兴市场资本 [3] - 完善全生命周期服务保障，建设“服务最优、成本最低、效率最高”的开放环境 [3] 推动文化出海 - 聚焦文化“新三样”出海，提升内容传播效能，强化精品创作，引导资源向优质原创倾斜，推动出海模式从流量驱动向价值引领 [4] - 建立省级“文化出海转译中心”，提供“文化咨询+内容改编”专业化服务，破解文化转译瓶颈 [4] - 创新国际表达方式，打造具有情感共鸣力的文化符号与叙事体系 [4] 营造创新生态与产业融合 - 营造一流开源生态，需“线上织网+线下筑台”打造全球开源品牌地标，通过政府、高校、社区三方共育激活开发者活力 [6] - 开放“人工智能+”场景、促进高质量数据共享，以政策赋能与治理创新将开源社区建成高能级创新载体 [6] - 促进“四链”深度融合，针对科创型中小企业成长应打通创新链，建设概念验证与中试平台 [6] - 打通产业链，构建“链主企业+中小企业”协同生态，打通资金链，健全“科技-产业-金融”循环，打通人才链，推进校企共育共享并强化企业评价主体地位 [6] 建设大宗商品枢纽与城乡融合 - 协同建设大宗商品枢纽，应深化宁波、舟山港口一体化与产业融合，共建大宗商品贸易示范区 [7] - 加速口岸一体化监管与数据互通，高标准建设具有战略意义的大宗商品资源配置枢纽 [7] - 打造城乡融合共富单元，推进乡村片区组团发展，需深化要素市场化改革保障产业用地，构建专业化运营体系引进培育“乡村CEO” [7] - 健全联农带农利益机制，并坚持“一片区一策”发展特色产业，避免同质竞争 [7] 发展新型电力体系 - 加快发展新型电力，需在政策上优化海上风电管理、推动电价改革落地 [7] - 在供给上加快海上风电与光伏开发，在消纳上推动“源网荷储”协同，建设海上能源岛 [7] - 在管理上打造能源“数据一张网”，以构建清洁低碳、安全高效的新型能源体系 [7]