核心观点 - 瑞士深度科技公司LatticeFlow AI与全球企业应用和商业AI领导者SAP建立合作伙伴关系 旨在帮助企业规模化控制AI风险与治理 使使用SAP解决方案的企业能够将AI框架和监管要求转化为可验证的技术评估 [1] - 此次合作通过提供深度的技术风险与安全评估及持续监控 为企业提供关于AI系统在生产环境中如何表现及演变的可验证证据 从而在AI代理世界中实现企业对AI风险的控制 [1] 合作内容与目标 - 合作将提供深度的技术风险与安全评估 让组织清晰了解自主代理和AI应用在生产环境中的表现与演变 [2][5] - 通过合作 使用SAP解决方案的企业可以访问LatticeFlow AI平台 该平台现已在SAP Store上架 [3] - 该平台使组织能够将ISO/IEC 4200x要求转化为深度的技术评估 并在SAP生态系统内开发、定制或运营的AI系统中一致地应用这些评估 [3] - 这些技术评估通过为AI风险管理和监督提供客观、可验证的证据 直接支持企业遵守欧盟AI法案 [3] 平台功能与技术评估 - LatticeFlow AI平台支持对AI代理、基础模型和定制AI系统（包括聊天机器人或副驾驶）进行技术评估 [4] - 评估跟踪模型在定制、微调或嵌入到定制AI系统时 其性能、安全性和可靠性如何变化 [4] - 随着企业在受监管环境中结合专有、第三方和开源权重模型 这种能力变得至关重要 [4] - 管理AI安全与风险需要深入了解AI系统的实际行为 而非依赖清单或仪表板 [5] 市场背景与行业需求 - 随着AI应用加速 AI风险管理和治理不能再依赖高层政策或手动检查清单 [2] - 企业越来越需要能反映AI系统在生产环境中如何表现和演变的技术证据 以使AI监督可操作并在组织内建立信任 [2] - 随着组织越来越多地为关键工作流程创建自己的AI用例 它们需要技术证据来理解和管理风险在实践中如何演变 [5] - 通过与LatticeFlow AI合作 使用SAP解决方案的企业可以获得提供关于AI性能和风险的可验证证据的深度技术评估 支持受监管行业可信赖地采用AI [5] 公司背景与行业定位 - LatticeFlow AI是一家瑞士深度科技公司 致力于推进AI信任、风险和安全治理 [1] - 该公司通过深度的技术评估为AI治理树立新标准 支持基于证据的决策 并赋能企业自信地加速AI应用 [6] - 作为COMPL-AI的创建者 该公司与苏黎世联邦理工学院和INSAIT合作开发了全球首个针对生成式AI的欧盟AI法案框架 [6] - 该公司将瑞士的精确性与科学严谨性相结合 以实施建立在证据和信任基础上的AI治理 [6]

公司与行业合作动态 - 国际商业机器公司与玉山银行合作，创建了台湾首个面向银行业的企业级人工智能治理框架 [1] - 该合作旨在推动金融服务业负责任、可扩展且合规地使用人工智能 [1] - 合作成果包括一个全面的人工智能治理框架和相关的《人工智能治理白皮书》 [2] - 该框架为组织提供了从小规模实验性人工智能项目向安全、大规模部署过渡的清晰路线图 [2][8] - 框架融合了行业最佳实践和全球标准，以帮助组织安全有效地使用人工智能 [2] 人工智能治理框架详情 - 国际商业机器公司咨询部门与玉山银行开发的人工智能治理系统，可评估银行当前的人工智能能力并管理从开发、训练到部署和监控的完整人工智能生命周期 [3] - 该框架确保人工智能系统保持透明、可靠和可问责 [3] - 合作产生的一个关键成果是将复杂的监管要求转化为可操作步骤的结构化方法 [4] - 《人工智能治理白皮书》引入了96种工具，用于监控人工智能系统、确保合规性，并实现可衡量和可重复的治理流程 [4][8] - 通过此倡议，公司巩固了其在受监管行业中负责任的人工智能部署和治理驱动创新方面的全球领导者角色 [4] 行业竞争格局 - 在银行业，国际商业机器公司面临来自微软公司和甲骨文公司的竞争 [5] - 微软公司正帮助银行利用人工智能改善客户服务、管理风险，并使用Azure AI和Microsoft 365 Copilot等工具更新核心系统 [5] - 微软公司与KakaoBank合作，在其移动应用中推出了韩国首个由Azure OpenAI驱动的AI搜索和金融计算器，以增强数字银行服务 [5] - 微软公司还支持金融机构将人工智能用于监管合规和欺诈检测 [5] - 甲骨文公司推出了一个由人工智能驱动的新型银行平台，配备智能代理，以帮助银行改善客户互动、自动化流程并做出更明智的决策 [6] - 甲骨文公司还通过云和数字解决方案帮助金融机构实现核心系统现代化，从而提高效率和可扩展性 [6] - 甲骨文公司与Ajman Bank合作，在甲骨文云基础设施上为其下一代贸易融资平台提供支持，从而增强银行业务的创新 [6] 公司股价表现与估值 - 过去一年，国际商业机器公司股价下跌了0.4%，而同期行业增长了104.1% [7] - 从估值角度看，国际商业机器公司的远期市销率为3.25，低于行业平均的4.54 [9] 公司盈利预测 - 过去60天内，对国际商业机器公司2026年的盈利预测上调了1.06%，至每股12.37美元 [10] - 同期，对2027年的盈利预测上调了1.8%，至每股13.30美元 [10]

交易概述 - 提供鉴证与合规服务的注册会计师公司Schellman获得了Goldman Sachs Alternatives的私募股权投资 交易财务细节未披露[1] - 交易预计将于2026年第二季度完成 需满足惯例监管批准条件[4] - 2021年成为Schellman大股东的投资方Lightyear Capital将在交易完成后保留少数股权[1] 资金用途与战略方向 - 公司计划利用所获资金支持增长并扩展其服务[1] - 公司计划加强员工队伍 并将业务拓展至更多行业和地区[2] - 公司寻求专注于包括人工智能治理、联邦合规和数字信任在内的高需求领域[2] 公司治理与运营连续性 - 公司现有领导团队将保持不变[3] - 现有客户合作与服务交付预计将不受干扰地继续进行[3] 投资方观点与合作展望 - Goldman Sachs Alternatives私募股权科技部门负责人表示 公司的技术领导力、对质量的专注以及长期的客户关系使其能很好地把握全球对其服务日益增长的需求[4] - 投资方对成为Schellman增值合作伙伴充满信心 期待与公司团队合作推动业务增长 同时坚守其成功所依赖的价值观[5] - Schellman首席执行官表示 投资方理解公司的愿景、文化及未来机遇 其全球平台和长期视角将帮助公司在保持定义其品质与诚信的同时 持续审慎扩张[3]

人工智能对招聘策略与技能需求的影响 - 人工智能颠覆了大型企业的招聘策略，使部分岗位面临存疑，并引发了员工和求职者的焦虑[3] - 企业正在转变其技能优先事项，招聘数据开始反映自动化带来的更广泛影响[3] 人工智能对具体岗位招聘需求的变化 - 在Draup公司认定为具有“高人工智能增强潜力”的财务岗位中，财富500强公司的招聘发布量较去年下降了**40%**[3] - 相比之下，受人工智能影响较小的岗位招聘发布量仅出现个位数的温和下降[3] 企业工作模式与技能需求的新趋势 - 随着企业人工智能整合的推进，顶尖企业的领导者设计新工作模式时更关注执行而非层级[4] - 技能需求正在扩展，岗位正在整合，对人工智能操作者的需求旺盛[4] - 效率、治理和韧性已成为增长战略的基石[4] 人工智能治理与相关风险的关注度上升 - 随着人工智能系统更深入地融入日常运营，出于对浪费支出、影子人工智能和网络风险的担忧，对人工智能治理的关注度正在提高[4] - 近一半的员工通过个人设备使用未经批准的生成式人工智能工具，这凸显了敏感数据泄露的风险[5] - 即使IT部门可见的使用人工智能的系统也可能带来风险，大多数人工智能应用程序被发现易受对抗性活动攻击[5] 技能提升与培训的挑战 - 尽管领导者加大了技能提升力度以弥合人工智能技能差距，但技术发展的快速步伐阻碍了这些努力[5] - IT员工的核心任务现在每**1.5年**就会发生变化，但培训未能跟上步伐，导致企业当前所需技能的运用出现延迟[6] 新兴技能领域的招聘需求激增 - 随着人工智能技术的普及，企业增加了对具备人工智能治理专业知识人员的招聘[7] - 对人工智能治理和模型风险技能的招聘需求同比增长了**81%**[7] - 对具备成本优化和利润率保护技能人员的需求较**2024年**增长了**77%**[7] 非IT部门对人工智能技能的需求增长 - 全球最大公司对IT部门以外人工智能技能的兴趣也在增加[7] - 与去年相比，客户支持岗位对人工智能技能的要求增加了近**25%**[7] - 销售和市场营销岗位对人工智能技能的要求增加了**24%**[7] - 财务运营岗位对人工智能技能的要求增加了**21%**[7]

合作核心 - Trustible与Leidos宣布建立合作伙伴关系 旨在通过自动化重新定义人工智能治理 将治理流程从数周压缩至数小时甚至数分钟 同时保持严格的监督与控制 [1] - 合作结合了Trustible的自动化人工智能治理平台与Leidos在国家级任务中大规模构建智能体能力的经验 帮助机构在管理人工智能风险的同时释放创新 [3] 人工智能治理定义与挑战 - 人工智能治理指组织为人工智能使用设置护栏 确保系统经过审查、批准和监控 使领导者了解其工作原理、风险及何时可投入使用 旨在确保人工智能的部署是负责任的 具备透明度、可问责性 并符合法律、伦理和任务需求 [2] - 当前人工智能治理常被视为创新的阻碍 尤其是在机构开始采用更自主的智能体系统时 手动、事后处理的流程已不合时宜 [1][5] 解决方案与成效 - 合作通过自动化将治理操作化 使机构能更高效地从政策转向实践 其方法核心是确保人工智能治理是结果驱动的 既支持实际任务成果也确保合规 [4] - 在一个成功的概念验证项目中 利用Trustible的平台 将传统上需要数周的初始人工智能治理受理流程压缩至数小时 在特定情况下甚至仅需数分钟 具体取决于系统复杂性和风险 [5] - 通过自动化核心治理流程 能够在加强保障措施的同时 减少在复杂、受监管环境中历来阻碍人工智能采用的障碍 [6] 市场与应用前景 - 联合方案旨在支持Leidos所服务的所有任务和部门的人工智能采用 包括民用、国土安全、国防、情报和国际合作伙伴 [7] - 随着更先进的智能体能力正在开发中 预计治理时间线可能进一步压缩 使任务团队和监督机构能更专注于成果而非流程 [6] - 通过将治理自动化并直接嵌入人工智能工作流 该方法可跨人工智能能力和任务场景扩展 使组织能更一致地管理风险并推进现实世界的成果 [7] 公司背景 - Leidos是一家行业和技术领导者 为政府和商业客户提供更智能、更高效的数字和任务创新 全球拥有47,000名员工 截至2025年1月3日的财年 报告的年收入约为167亿美元 [11] - Trustible为商业和政府客户提供可操作的人工智能治理平台 简化合规流程 精简风险评估 并加速负责任的人工智能采用 [10] - Leidos已将Trustible的平台整合到其自身的企业治理中 以强化其交付经过测试、安全设计且可大规模问责的人工智能系统的承诺 [8]

**行业与公司** * **行业**：中国宏观经济、人工智能（AI）驱动的新经济、半导体、劳动力市场 [1][4][5] * **公司**：报告中提及的AI相关公司包括阿里巴巴、腾讯、小米、中芯国际、网易、快手、百度 [7][9][19] 以及美国的苹果、Meta、微软、亚马逊、谷歌、英伟达、特斯拉 [11][14] **核心观点与论据** **1. 新经济追赶与宏观贡献** * **技术快速追赶**：中国在大型语言模型（LLM）方面与美国的性能差距正在迅速缩小，特别是在DeepSeek-R1发布后 [4][15][16][17] 中国在2023年占全球AI专利的69.7%，而美国为14.2% [18][23][24] 中国已成为顶级AI人才的最大来源国，近半数顶级AI研究人员拥有中国本科学位 [22][27][28] * **硬件自给率提升**：中国集成电路（IC）的表观自给率（按数量计）已从2015年的15.0%上升至38.7% [15][20] 超过一半的全球新增工业机器人安装发生在中国 [22][25][26] 中国在2025年占全球发电量的32.3%，为大规模AI部署提供能源基础 [22][30][32] * **股市表现强劲**：DeepSeek-R1发布后，香港/中国股市出现由科技股引领的上涨行情 [7][8][9] AI相关公司（阿里巴巴、腾讯等）在2025年大部分时间引领市场，其营收和利润增长在宏观环境疲软下优于市场其他部分 [7][19] * **宏观重要性凸显**：新经济对GDP的贡献现在已具有宏观相关性，并可能完全抵消房地产行业的拖累 [1][4] 预计2025年AI资本支出约为4350亿元人民币，占GDP的0.3%，占固定资产投资的0.9% [34][35] 从狭义看，IT服务业占GDP比重（2025年为5.0%）预计将在2027年超过房地产业（2025年为5.9%） [34][36][37] 从广义看，“三新”经济（新产业、新业态、新商业模式）在2024年占GDP的18.0%，已完全抵消了房地产业（广义贡献率2025年为13.3%）的拖累 [37][38] **2. 宏观与微观的脱节（K型经济）** * **宏观增长与微观情绪背离**：尽管新经济支撑了整体增长，但未能提振微观情绪，形成了K型经济 [31][33] 2025年消费者信心指数维持在约90，较疫情低点改善不大，远低于100的中性基准 [39][40][41] * **脱节的原因**： * **资产负债表**：房地产下行周期持续产生负财富效应，房价每下跌1%可能抹去约2.5万亿元家庭财富，股市的财富效应不足以抵消 [43] * **现金流**：新经济带来了额外的就业压力，尽管增长和出口具有韧性，但家庭对收入和就业的预期变得更加悲观 [43] 平均每周工作时间在2025年底达到48.6小时，高于2019年的46.8小时和44小时的标准工时，表明劳动力市场竞争激烈 [45][49] **3. AI对就业的潜在影响与“无就业增长”风险** * **总体影响**：估计中国31.0%的就业岗位面临较高的AI暴露风险，其中9.6%（约7030万个工作岗位）面临直接替代风险，21.4%可能看到生产率提升但也面临更激烈的竞争 [1][5][62][66][68] * **行业影响不均**：服务业（如金融、IT）和年轻人面临的风险最大 [5][64] 估计20-29岁年龄组中，13.6%面临直接替代风险，26.4%面临间接竞争风险，显著高于50-59岁年龄组的6.2%和15.5% [64][70] 青年失业率在2025年底仍处于16.5%的高位 [64][70] * **制造业自动化先例**：自动化提升了制造业生产率但未创造新就业，大型工业企业就业人数自2014年峰值以来已减少2290万 [51][52][53] 即使是汽车制造等繁荣行业，在2017-25年营收增长49.3%的同时，就业人数基本稳定在约480万 [51] * **服务业面临新冲击**：服务业曾是吸收制造业失业人员的缓冲垫，但现在也面临AI驱动的颠覆风险 [5][73] 网约车司机人数在2024年10月达到750万，若Robotaxi等技术普及，这部分工人可能面临第二波技术性替代 [73][80][81] * **影响已显现迹象**：招聘信息已显示出向低AI暴露岗位转移的趋势 [72][77] 2025年，公务员报考人数（370万）首次超过研究生报考人数（340万），显示年轻人“求稳”倾向 [72][74][75] **4. 政策应对与治理挑战** * **避免“图灵陷阱”**：政策应优先考虑增强人类能力（Augmentation）而非替代（Substitution），以应对AI可能抑制工资、加剧不平等的风险 [1][6][82] 中央经济工作会议明确要求“完善人工智能治理”，人社部也准备出台应对AI对就业影响的新政策文件 [6][82] * **加强社会安全网**：在AI转型期，加强社会保障、劳动保护和再培训计划比以往任何时候都更加紧迫，这是大规模AI部署的经济前提 [6][82][83] * **公平分配AI收益**：财政政策可能需要调整，以确保AI生产率增益的更公平分配，这符合“共同富裕”方向 [82][87] 渠道包括：通过“城乡居民增收计划”和上调最低工资（2025年各省平均最低工资同比增长约8.1%）进行初次分配；以及未来可能通过税收体系进行再分配，甚至可能征收“AI税”来资助社会项目 [87] * **改善工作与生活平衡**：通过减少工作时间和增加假期来改善工作生活平衡，是将AI生产率增益转化为国内消费的关键渠道 [1][6][87] 政策正朝此方向推进，如国家发改委承诺优化假期安排，人社部提及修订带薪休假指引 [87] **其他重要内容** * **就业市场现状**：尽管2023-25年GDP增长达到约5%的目标，但城镇就业似乎已见顶，与经济增长脱钩 [44][46][48] 2014-24年期间，累计失业（含自然减员）达到5360万 [44][47][48] 约2亿人从事“灵活就业”，约占中国劳动力的26% [44][49][50] * **新经济的税收优势**：与旧经济（房地产+建筑业）相比，新经济（IT业）享受着更低的税率 [87][88][89] * **AI治理成为投资关键因素**：AI治理正成为影响中国AI投资的一个关键但未被充分重视的因素，其重要性可能不亚于技术能力 [1][82] 监管风险可能像曾经定义互联网平台投资一样，成为AI投资框架的一部分 [82]

产品发布与核心功能 - IBM发布了一款名为IBM Sovereign Core的软件产品 旨在满足企业、政府机构和服务提供商在安全可控的技术环境中管理AI工作负载的需求[1] - 该产品的核心目标是应对全球组织对基础设施操作权限日益增长的需求 以顺应不断演变的监管环境和可审计治理要求[1] - 该解决方案使客户能够在自己的管辖范围内构建、部署和监督AI就绪环境 解决关于数据操作与控制权以及整体系统治理的担忧[2] 技术架构与特性 - IBM Sovereign Core基于红帽的开源软件构建 为客户提供一种客户可控的操作模式 其中身份验证、加密密钥和访问管理完全保留在指定的司法管辖区内[3] - 该产品旨在生成全面的操作数据、系统遥测和审计追踪 并保留在管辖区内 以支持持续的合规要求[3] - 该产品允许AI模型部署和操作（例如推理执行）在本地进行 并具有监督和可追溯性 无需将数据导出到外部[4] - 用户可以在本地私有数据中心或通过受支持的区域云基础设施上部署IBM Sovereign Core[4] 市场定位与客户价值主张 - 公司表示 该产品通过结合开放性、合规性和操作自主性 帮助客户更快、更自信地行动 以满足AI时代的需求 同时无需牺牲主权要求[5] - 数字主权不仅包括数据驻留 还包括技术环境管理、访问协议、工作负载执行位置以及AI流程的法律监督[2] 合作伙伴与市场推广计划 - 公司已开始与IT服务提供商合作 在欧洲进行初步推广 首批合作伙伴包括比利时和荷兰的Cegeka以及德国的Computacenter[5] - 这些合作旨在提供本地操作控制 同时支持正在准备或运行大规模AI工作负载的客户[6] - 合作伙伴Cegeka表示 通过与IBM合作在其国内环境中提供预架构解决方案 能够向客户提供企业级软件 同时满足本地合规标准[6] - 公司计划从2月起提供Sovereign Core的技术预览版 预计全面上市时间为2026年年中[6]

AI治理与实施现状 - 在财富500强企业中，AI治理已成为董事会的首要任务，但许多公司仍在努力大规模部署AI [1] - 调查显示，70%的受访财富500强高管表示其公司设有AI风险委员会，67%报告在AI基础设施方面取得进展，41%拥有专门的AI治理团队，但仅有14%表示已为AI部署做好充分准备 [2] - 尽管高管们迅速建立了正式的监督框架，但将这些框架投入运营所需的基础（流程、控制、工具和融入日常工作的技能）并未跟上步伐 [3] - 主要的实施挑战是AI变化的快速步伐，其次是执行治理和管理数据隐私的困难，监管不确定性和变革管理也是主要障碍 [4] AI治理存在的核心差距 - 第一个差距是可见性：许多组织仍缺乏对其业务中AI使用情况的全面了解，影子AI和未经批准的工具激增，而已批准的项目并不总是在中央库存中编目 [6] - 第二个差距是概念性的：存在一种误解，认为治理等同于监管，但实际上治理范围更广，包括理解和降低风险、证明产品质量和可靠性以及与组织价值观保持一致 [7] - 第三个差距是AI素养：如果只有小型AI团队真正理解该技术，而组织的其他部门则在购买或部署AI工具，治理框架将无法转化为负责任的现场决策 [8] AI发展趋势与治理内涵 - AI格局正在从预测模型发展到生成式AI，再到可以在工作流程中自主行动的智能体系统，AI已成为董事会层面的强制性任务 [9] - 良好的治理是高度情境化的，组织需要将治理锚定在他们最关心的事情上，例如百事公司高度重视声誉，并大力投资负责任的人工智能，要求任何与客户互动的AI系统必须可靠、公平并反映其品牌价值 [9] - 对其他组织而言，良好的治理可能意味着优先考虑可审计性、偏见缓解或韧性，共同的主线是从纸面结构转向使AI安全、可信且适合用途的运营实践 [10] 高管人事变动 - Matthew Dunnigan被任命为免下车咖啡连锁店7 Brew的首席财务官，他来自餐饮品牌国际公司，曾担任首席财务官六年多，并在该公司工作了约十年 [11] - Mark E. Patten被任命为房地产投资信托公司Sun Communities, Inc.的首席财务官，于2026年1月5日生效，他来自Essential Properties Realty Trust, Inc.，曾担任执行副总裁、首席财务官和财务主管 [12] 宏观经济与投资展望 - KKR发布的2026年全球宏观展望报告预测，2026年大多数主要地区的GDP和盈利增长将好于预期，但鉴于周期更为成熟以及提升投资组合质量的成本相对较低，现在是进行"高质量升级"的时候 [13] - 报告认为，我们正处于一个持续多年的生产力复兴之中，尽管更多的上行空间已被市场定价，标普500指数当前估值中隐含的10年远期复合年增长率现已接近16%，而过去十年大部分时间约为8% [14] - 展望中强调的关键投资主题包括：公司改革故事、工人再培训和生产力提升，以及"万物安全"推动对关键投入的需求 [14] 行业领袖观点 - 博世互联工业首席执行官Norbert Jung在一篇观点文章中表示，应让人类专注于战略和判断，让智能体处理模式识别、协调和常规干预 [16]

公司动态 - ModelOp宣布加入NVIDIA初创加速计划，此举深化了双方长期的技术合作，并为企业与AI治理系统的交互开辟了新可能性[1] - 加入该计划使公司能够获得GPU资源、深度技术专业知识及市场推广支持，以加速其智能体治理能力的开发[4] - 公司CEO表示，此举不仅验证了其技术路线，还提供了将GPU加速的治理性能扩展到下一代企业AI系统的资源[5] 行业挑战与解决方案 - 随着企业在环境中部署数百或数千个AI和机器学习模型，治理领导者面临确保大规模性能、合规性和风险可见性的挑战，传统的基于CPU的监控系统难以承受实时组合层面监督的计算压力[5] - ModelOp平台与NVIDIA技术（包括CUDA加速的GPU处理和用于模型微调的DGX平台）的集成，使受严格监管的行业企业能够实时监控整个AI组合、自动检测偏差和异常，并快速精准地呈现合规洞察[6] 技术发展路线 - 通过加入NVIDIA计划，公司将加速开发对话式和智能体AI治理能力，这是一项重大飞跃[7] - 正在构建的功能将允许首席AI官、数据科学团队和治理领导者用自然语言提问其AI生态系统，并获得由NVIDIA AI Enterprise软件栈驱动的智能实时响应[7] - 具体能力包括：自动化任务的AI治理代理、跨业务单元的模型性能对话式查询、治理风险的即时洞察检索、新AI风险的交互式注册和文档记录、合规与政策报告的自动生成[8] 平台战略演进 - 借助NVIDIA的GPU基础设施、企业AI技术栈和深度技术专长，ModelOp Center正从一个记录系统演变为一个主动的智能治理平台，能够持续呈现洞察、自动化合规任务，并在整个AI资产中实现主动风险管理[9] - 这一转变对于企业积极进军生成式和智能体AI领域至关重要，公司必须在保持创新的同时，对日益复杂动态的AI系统进行严格监督[10] - 强大的治理基础设施与对话式智能的结合，为企业在保持合规和风险管理标准的同时快速部署生成式和智能体AI提供了一条可行之路[10] 公司背景与市场地位 - ModelOp是面向企业构建的领先AI生命周期管理和治理平台[12] - 平台提供集中的AI记录系统、从引入到退役的自动化流程以及可执行的政策，帮助企业将机器学习、生成式AI、智能体AI和供应商AI解决方案的上市速度提升10倍[12] - 公司客户包括全球最复杂和受严格监管的机构，如大型银行、保险公司、监管机构、医疗保健组织和全球消费品公司[12] - 公司被Gartner、Forrester和IDC认可为AI治理和端到端生命周期自动化领域的领先供应商，并在2024年和2025年获得多项行业奖项[12]

行业与公司 * 纪要涉及的行业为宏观经济与国际关系领域 聚焦中美关系 全球秩序和去全球化等议题[1] * 纪要核心内容基于花旗2025年中国会议上的嘉宾分享 嘉宾为清华大学国际关系研究院荣誉院长阎学通教授[1][4] 核心观点与论据 **中美关系** * 近期中美协议仅是对今年加征的贸易措施的部分回撤 其可持续性存在不确定性 双方可能以零敲碎打的方式执行 不能排除违反当前休战的可能性[5] * 美国在中国贸易中的份额大幅下降至**10%以下** 这为中国应对关税提供了坚实基础[5] * 中美中长期双边关系更可能是竞争而非合作[5] **中国外部环境与外交重点** * 中国外部环境呈现改善趋势 其他国家在"对中国的经济依赖"和"对美国的安全依赖"之间寻求平衡 2025年以来的发展可能强化了美中的"双极"地位 促使这种权衡趋向新的平衡[6] * 中国的外交重点发生转变 从过去以大国为关键和优先 转变为现在更重视与周边地区国家的关系[6] **去全球化与供应链** * 去全球化趋势预计不会很快逆转 全球经济市场化正在保护主义抬头中后退[8] * 全球供应链碎片化将持续 会为关键产品建立不同的"俱乐部" 但这些俱乐部可能没有清晰的地理集群[8] **人工智能治理** * 人工智能 特别是通用人工智能的极端重要性 是中美最需要协调与合作的第一大领域 全球社会需要制定AI生产规则 但对未来几年的期望是现实的[7] **全球产能过剩与紧张局势** * 全球最大的问题是产能过剩 因为人类无法消费每天生产的所有商品和服务 经济体是在争夺市场 本地偏爱和保护主义在竞争中自然上升[9] * 在这种背景下 OPEC式的机制可能是针对单一商品的全球生产和竞争中进行全球定价的一种解决方案[9] 其他重要内容 * 当前世界秩序与冷战时期不同[8] * 新冠疫情和俄乌战争放大了安全的重要性 导致世界其他国家向后者（安全依赖美国）倾斜[6]