产品表现与市场影响 - 高德扫街榜上线23天后累计用户突破4亿大关 [1] - 产品覆盖全国超过300个城市 [1] - “十一”当天烟火小店流量增长300%为线下服务业带去数千万客流 [1] 核心技术：空间智能 - 产品基于与通义实验室共建的大模型簇以通义千问Qwen为底座包含多模态空间感知行为认知等多个专业模型 [3] - 空间智能通过融合视觉声音定位等多模态信息构建物理世界的三维几何结构使AI从二维迈向三维 [3] - 该技术能深度理解规模化的人车路店等动态信息将导航到店远距离前往等真实行为科学量化纳入评分体系 [3] - 技术应用能够快速降权或剔除非真实评论从源头大幅削弱低成本刷好评现象 [3] 技术路线验证与模型能力 - 扫街榜的高速增长验证了“模型+场景”融合技术路线的可行性 [4] - 通义千问Qwen系列大模型已成为全球主流基座模型之一其下载量达6亿次衍生模型数量超过17万个 [4] - 新发布的Qwen3-Max模型在代码和智能体能力上进一步提升各项基准测试成绩稳居顶尖模型行列 [4]

美国经济与政策 - 美国第二季度实际GDP年化季率终值大幅上修至3.8%，创近两年最高增速[14] - 特朗普政府宣布新一轮关税措施，10月1日起对进口建材、家具等征收25%至100%关税[7][11] - 10年期美债收益率升至4.18%，受强劲经济数据和通胀粘性推动[7][12] - 8月核心PCE物价指数同比上升2.9%，环比上升0.2%，显示通胀压力顽固[14] 中国市场动态 - 中国1-8月规模以上工业企业利润总额46929.7亿元，同比增长0.9%[13] - 央行提出探索证券、基金、保险公司互换便利等工具维护资本市场稳定[7][13] - 创业板指年初至今涨幅42.84%，恒生科技指数涨幅37.65%[10] 全球资产表现 - COMEX黄金年初至今上涨44.75%，COMEX白银上涨57.64%[10] - 日经225指数年初至今上涨13.69%，东证指数与日经走势出现背离[7][18] - 纳斯达克指数年初至今上涨15.38%，但上周下跌0.65%[10] - 多资产FOF组合最新年化收益率41.55%，配置比例为股票60%、固收30%、商品10%、贵金属10%[8] 其他地区经济 - 日本9月东京核心CPI同比上涨2.5%，显著低于市场预期的2.8%[17] - 欧元区9月综合PMI初值升至51.2，创16个月新高，但制造业PMI降至49.5[21] - 英伟达与OpenAI签署战略合作意向书，计划投资至多1000亿美元支持AI基础设施[14]

格隆汇9月24日｜1. 美国三大股指期货小幅上涨，纳指期货涨0.24%，标普500指数期货、道指期货涨 0.17%。 8. "木头姐"Cathie Wood时隔四年重新建仓阿里巴巴，价值逾1600万美元。 9. 美国政府寻求获得美国最大锂矿公司美洲锂业(Lithium Americas)高达10%的股权。 2. 欧股主要指数涨跌不一，德国DAX指数涨0.08%，英国富时100指数跌0.17%，法国CAC指数跌 0.73%，欧洲斯托克50指数跌0.23%。 3. 美联储主席鲍威尔对未来降息的前景持谨慎态度，美国财长贝森特：本应发出降息100至150个基点的 信号。 4. 据报OpenAI与英伟达商讨AI数据中心合作模式，将租赁而非购买AI芯片。 5. 阿里巴巴与英伟达开展Physical AI合作，包括数据的合成处理、模型的训练等。 6. 阿里巴巴2025云栖大会首提"超级人工智能"，将积极推进3800亿的AI基础设施建设，并计划追加更大 的投入。 7. 通义千问Qwen推出Qwen3-Max，为迄今为止规模最大、能力最强的模型。 美股时段值得关注的事件： 22:00 美国8月新屋销售总数年化 10. 美光科技 ...

文章核心观点 - 全球AI竞赛范式已从模型竞赛转向全栈技术体系竞争，胜负关键取决于迭代速度和成本效率[4][5][7] - 阿里巴巴是全球四朵“超级AI云”中唯一的中国公司，并与谷歌同属“全栈自研”战略路径，具备长期竞争优势[2][3][10] - “全栈自研”模式通过对AI芯片、云计算平台和基础大模型的端到端控制，实现更快的创新迭代和更优的成本结构[8][17] - 阿里云在AI基础设施上投入激进，过去四个季度累计投入超过1000亿元，支撑其全球竞争力[11] 全球AI竞赛范式转变 - AI竞赛终局形态是构建集模型、云平台、芯片、生态于一体的强大AI全栈技术体系，而非决出最聪明的单一模型[5] - 大模型性能出现“平台化”现象，顶尖AI能力正从少数公司的专利转变为人人可用的普惠基础设施[4][5] - 决定竞争胜负的两个核心变量是迭代速度和成本效率，优化它们需要垂直整合的AI全栈技术体系[7] “超级AI云”的四大要素与格局 - 构建“超级AI云”体系需要四大要素：千亿级资本投入、百万级集群云计算能力、世界级基础大模型、自主AI芯片布局[7] - 全球科技版图中，仅美国谷歌、微软、亚马逊和中国阿里巴巴四家公司集齐了四大要素，形成第一梯队[10][11] - 阿里云在全球IaaS市场位列前四，是合计份额近80%的第一梯队中唯一的中国公司[10] - 阿里巴巴宣布未来三年投入3800亿元用于云和AI基础设施建设，金额超过去十年总和[11] 战略路径分化：“全栈自研”vs“云+生态” - 四家“超级AI云”公司分化为两种战略模式：“全栈自研”（谷歌、阿里巴巴）和“云+生态”（微软、亚马逊）[13][15] - “云+生态”模式通过投资/绑定AI明星公司快速集成先进能力，但面临协同效率和战略稳定性的挑战[15][16] - “全栈自研”模式通过对技术栈的端到端控制，实现更快的创新迭代和更优的成本结构，但投入巨大且研发周期长[8][15][17] - 采用“全栈自研”的谷歌云和阿里云收入增速显著提升，分别加速至32%和26%，显示该模式正转化为业绩增长[17] 阿里巴巴的竞争态势与成果 - 阿里巴巴采取“模型开源吸引生态，硬件自研控制成本”策略，通义千问Qwen衍生模型数量已突破17万，成为全球第一AI开源模型[10][17] - 公司近期密集发布并开源Qwen3推理模型、Qwen3-Coder编程模型等多个重量级模型，技术成果显著[17] - 在AI芯片层面进行自主布局，旨在实现硬件与模型的深度协同，以构筑长期成本优势[3][10]

阿里巴巴AI战略定位 - 阿里巴巴成为全球四朵"超级AI云"中唯一的中国公司 采取全栈自研路径 在AI芯片 云计算平台和基础大模型三个核心层面追求顶尖自研能力[4] - 公司股价创2021年8月以来新高 市场对其AI战略价值重新定价 基于云业务超预期财报 通义大模型高频迭代和自研AI芯片进展[3] AI竞赛范式转变 - AI竞赛从"模型竞赛"转向全栈技术体系竞争 模型能力正快速平台化 高质量开源模型使顶尖AI能力成为普惠基础设施[5] - 竞赛胜负取决于迭代速度和成本效率两个核心变量 需要构建垂直整合的AI全栈技术体系[6] 超级AI云四大要素 - 千亿级资本投入：阿里巴巴宣布未来三年投入3800亿元建设云和AI基础设施 超过去十年总和 过去四个季度已投入超1000亿元[6][10] - 百万级集群云计算能力：为大规模并行训练提供计算环境 决定模型迭代速度上限[7] - 世界级基础大模型：通义千问Qwen衍生模型数量突破17万 成为全球第一AI开源模型[12] - 自主AI芯片布局：实现软硬件协同设计 降低推理成本 构筑长期成本优势[8] 全球竞争格局 - 全球IaaS市场由亚马逊AWS 微软Azure 阿里云和谷歌云主导 合计份额近80% 阿里云是唯一进入第一梯队的中国公司[10] - 美国三大科技巨头（谷歌 微软 亚马逊）和中国阿里巴巴形成全球四大"超级AI云"格局[10] 战略路径分化 - 微软和亚马逊采用"云+生态"模式：通过资本注入与OpenAI/Anthropic形成战略同盟 但存在协同效率和战略稳定性挑战[11] - 谷歌和阿里巴巴选择"全栈自研"模式：通过对AI芯片 云计算平台和基础大模型的端到端自研 实现更快创新迭代和更优成本结构[12] - 全栈自研模式已显现业绩增长：谷歌云收入增速从28%加速至32% 阿里云收入增速从18%大幅攀升至26%[12] 中国AI产业进展 - 中国开源模型技术表现优异 通义千问Qwen和DeepSeek等模型通过庞大开发者生态影响全球AI技术范式[13] - OpenAI2025年8月宣布开源两款核心模型 被认为是对中国开源力量的直接回应[13] - 完整全栈AI能力成为将开源优势转化为系统性产业优势的关键 需要自研芯片 云计算平台和基础大模型的垂直整合能力[13]

中美AI竞争格局 - 美国在私营部门创新、前沿研究、模型开发和先进计算基础设施方面领先，2024年全球50个顶级AI模型中美国机构独占40个[4][9] - 中国通过"AI+"举措在农业、制造业和监控等领域大规模部署人工智能，在AI相关出版物和专利总量上领先，2024年中国工业机器人安装量超过全球其他国家总和，全球市场份额从2023年51%上升至2024年54%[4][13] - 中国拥有全球最丰富的AI应用场景，在计算机视觉和自然语言处理的应用层专利上优势明显[13] 中国开源战略 - 中国引领AI开源浪潮，阿里巴巴通义千问、深度求索、字节跳动豆包、智谱AI ChatGLM、上海稀宇MiniMax等高性能大模型纷纷开源[19] - 开源模型性能快速追赶世界顶尖水平，性能达到SOTA 95%以上的模型几乎免费可用，冲击西方昂贵的API调用和软件授权模式[21] - 开源模式降低全球AI开发门槛，引导用户使用中国硬件生态，形成基于成本、习惯和技术路径依赖的生态绑定[23][26][27] 硬件战略布局 - AI时代软件正在"富余化"，硬件重新变得稀缺，高端芯片制造困难且供应链壁垒高[33] - 中国具备稳定、低成本、大规模制造复杂硬件的能力，能够提供与开源模型适配最好、成本最低、品类最全的硬件矩阵[25][34] - 中国生产全球三分之二以上的电动汽车和一半以上的工业机器人和智能家电，创造全球最具活力的技术扩散环境[39] 发展路径探索 - 算法优化派通过软件极致优化弥补硬件短板，实现软件定义算力[38] - 生态一体化派提供从算力到应用的全家桶服务，锁定企业用户[38] - 底层自主派打造100%自主可控的备用系统，如华为昇腾、寒武纪[38] 未来竞争推演 - 美国可能联合欧洲、日韩建立基于高安全标准的硬件制造联盟，或让顶级闭源模型与特定硬件平台深度绑定[40] - 中国"开源+硬件"战略具有去中心化和向下兼容特点，能以极低成本赋能发展中国家市场，构建非西方AI生态圈[41][42] - 全球科技价值链正在重构，掌握智能生产力工具生产资料的一方将拥有定义世界的话语权[43]

人工智能发展趋势 - 人工智能发展正从"数据时代"进入"经验时代" 训练大模型的数据几乎耗尽 智能体通过观察、行动和奖励信号与世界交互 [3] - 强化学习带领进入新经验时代 但需持续学习和元学习技术释放全部潜力 [3] - 人工智能替代不可避免 权力和资源将流向最聪明的智能体 [4] 开源与资源开放 - 开源成为AI竞争关键变量 从代码开源演进为资源开放 [5] - 开放数据和计算资源是推动AI发展的必需环节 [6] - 之江实验室将8B参数模型部署至太空星座 提出"计算卫星"新概念 [6] 机器人产业发展 - 具身智能发展面临高质量数据采集和模型算法挑战 多模态数据融合不理想 [7] - 机器人控制模态对齐存在技术难点 [7] - AI落地应用仍处于爆发性增长前夜 [7] 企业AI转型 - AI转型最大瓶颈在组织文化 必须由CEO主导且业务驱动 [8] - 需聚焦利润而非应用场景 打破组织壁垒和惯性 [8] - "本地对本地"模式成为全球现象 企业需建立分散化全球布局 [8] 中国企业全球化 - 中企海外收入占比仅8% 远低于韩国的65% [9] - 全球品牌百强中仅12家中国企业 美国有61家 [9] - 全球化3.0阶段需输出IP和专长 建设国际化团队 [10] 能源需求与核聚变 - AI用电量占全球1.5% 预计将增长至20%以上 [11] - 核聚变能量密度极高 1克燃料相当于8吨石油 [2][11] - 全球核聚变公司累计获投71亿美元 同比增长9亿美元 [12] - 89%企业看好2030年代末实现并网发电 [12] 技术突破路径 - 可控核聚变存在激光惯性约束和磁约束两大技术方向 [12] - 磁惯性约束混合路径可降低造价和建造时间 [12] - AI技术助力解决核聚变物理过程理解难题 [12]

大会概况 - 2025外滩大会汇集来自16个国家和地区的550位嘉宾，包括顶尖学者、产业界人士和科学家 [1] 人工智能发展范式 - 人工智能正从依赖人类数据的模式进入以持续学习为核心的“经验时代”，潜力远超以往 [1] - 对人工智能的恐惧被夸大，目标不同的智能体可通过去中心化协作实现双赢 [1] - 人类将真正理解并创造智能，超级人工智能将远超人类智力水平，权力和资源将流向最聪明的智能体 [2] 开源与AI竞争格局 - AI时代的“开源”含义已从代码开源演进为资源开放，开放数据和计算资源是推动AI发展的必需环节 [4] - 开源模型与闭源模型的选择是AI竞争的关键变量，2025年开源成为重要影响因素 [4] - 通义千问Qwen和DeepSeek的开源促使OpenAI承认在开源上站在历史错误一边 [4] AI基础设施与产业化 - 大模型的“规模定律”仍然有效，AI正驱动基础设施大规模扩张 [6] - OpenAI的Stargate和Musk的Colossus等项目，100万个GPU的耗电量相当于北京市用电量的八分之一 [6] - 2025年美国主要科技公司的AI相关资本开支预计超3000亿美元，带动IDC产业大规模建设热潮 [6] - 模型和GPU算力将成为未来组织的核心资产，Agent将重塑企业流程 [6] 智能的本质与技术挑战 - 当前AI缺乏对智能本质的科学理解，仅具“知识”而非“智能”，是静态知识存储库 [8] - 智能的核心在于“自我验证与自我纠错”能力，需从“黑箱”系统转变为基于数学原理的“白箱”模型 [8] - 必须构建具备个体记忆与闭环自治能力的系统，推动机器向“自主智能”演进 [8] AI医疗应用前景 - AI在相当长时间内无法替代医生，应定位为医生的助手，人机结合是唯一出路 [9] - AI医疗可让名医“分身有术”，专注科研和疑难杂症，同时让基层医生拥有好助手 [9] - AI医疗落地面临高质量数据、抑制幻觉和医学伦理三大核心难题 [9] 具身智能与机器人产业 - 当前AI在内容生成方面表现卓越，但在真正让AI干活（具身智能）领域仍是一片荒漠 [10] - 具身智能发展面临高质量数据及模型算法挑战，如生成视频与机器人控制模态的对齐问题 [11] - AI时代创新创业门槛大幅降低，小组织爆发力越来越强，年轻创新者迎来好时代 [11]

AI行业发展趋势 - 开源模式成为AI竞争的关键变量 从代码开源演进为资源开放是AI时代的革命性变化[1][3][4] - 2025年开源成为行业分水岭 此前最好基础模型集中在美国头部公司 随后通义千问Qwen和DeepSeek实现开源[3] - OpenAI CEO承认在开源问题上站在历史错误一边 印证开源模式的重要性[3] 资源开放模式 - 模型权重开放本质是数据资源和计算资源的开放 可避免重复消耗计算资源[4] - 开放数据和计算资源是推动AI发展的必需环节 规模千倍万倍增加带来天翻地覆的变化[1][4] - 太空成为重要资源领域 人工智能不应缺失太空应用 将出现第四种"计算卫星"[4] 太空AI应用突破 - 之江实验室将12颗卫星同时送上太空 首次将8B参数完整大模型部署至太空[5] - 星座系统实现太空任意位置数据处理能力 命名为"三体计算星座"向全球开放[5] - 太空AI算力为深空探索奠定基础 太阳轨道数据传输受限 必须依靠太空AI处理能力[5] - 火星探索需要计算和AI陪伴 是未来10-20年最激动人心的方向[5]

人工智能发展现状与趋势 - 人工智能进入以持续学习为核心的"经验时代"，潜力远超以往，人类数据红利正逼近极限 [3][4] - 当前AI技术仍缺乏对智能本质的科学理解，仅具静态知识存储能力而非真正的智能，存在逻辑混乱和幻觉问题 [11][12] - 智能的核心在于自我验证与自我纠错能力，需构建基于数学原理与闭环反馈的白箱模型实现自主智能演进 [12][14] 开源与闭源模型竞争格局 - 开源模型与闭源模型的选择成为AI竞争关键变量，开源含义从代码开源演进为资源开放（开放数据与计算资源） [6][7] - 2025年开源成为革命性变化，世界顶级基础模型从集中在美国头部公司转向开源化，例如通义千问Qwen和DeepSeek开源 [7] AI基础设施与产业化进程 - AI驱动基础设施大规模扩张，OpenAI的Stargate和Musk的Colossus等项目需100万个GPU，耗电量相当于北京市用电量的八分之一 [10] - 2025年美国主要科技公司AI相关资本开支预计超3000亿美元，IDC产业大规模建设带动电力生态和经济发展 [10] - 模型和GPU算力成为未来组织核心资产，Agent将重塑企业流程，"超级个体+agent"带来结构性变革 [10] 垂直领域应用与挑战 - AI医疗领域坚持人机结合路径，AI无法替代医生但可作为助手拓展医生能力边界，解决多学科会诊等场景需求 [16][17] - AI医疗落地面临三大核心难题：高质量数据、抑制幻觉和医学伦理 [17] - 具身智能领域存在高质量数据与模型算法挑战，视频生成与机器人控制模态对齐仍需突破 [20] 创新环境与产业机遇 - 创新创业门槛大幅降低，年轻创新者可用AI工具实现新创意，小组织爆发力持续增强 [20] - 去中心化协作可实现多智能体双赢，权力和资源将流向最聪明的智能体 [4]