全球职业介绍公司Challenger, Gray & Christmas公布的数据显示，今年前11个月，美国企业计划裁员总数逼近117.1万人。 这个数字有多吓人？它不仅是疫情以来最高的年度裁员水平，也是近三十年来第六次突破110万大关。 裁员重灾区究竟是谁？ | | 2025 | 2024 | | --- | --- | --- | | January | 49,795 | 82,307 | | February | 172,017 | 84,638 | | March | 275,240 | 90,309 | | April | 105,441 | 64,789 | | May | 93,816 | 63,816 | | June | 47,999 | 48,786 | | July | 62,075 | 25,885 | | August | 85,979 | 75,891 | | September | 54,064 | 72,821 | | October | 153,074 | 55,597 | | November | 71,321 | 57,727 | | December | | 38,79 ...

据外媒Business Insider报道，在当地时间上周三公布了超预期的业绩后，英伟达CEO黄仁勋在全体员工大 会上鼓励员工们尽量多用AI，不用担心因此丢了工作。 为什么他突然提到这事，是因为他听到有人打小报告，然后在会上公开说："我听说一些管理层指示员工 减少使用人工智能，你们疯了吗？"随后他补充道："我希望所有可以用AI实现自动化的任务，都用AI来 做。我跟你们保证，你们都会有活干的。" 虽然AI的崛起可能意味着员工被替代，但老黄还是努力给员工心理按摩，称其他科技公司都在裁员，但英 伟达上季度却招了数千名员工，现在办公室停车位都不够用了。并且老黄认为人还是不够，"我们可能还 缺大概1万人。" 现在，国外的科技巨头都在大力发展AI业务，所以也都积极鼓励员工在日常工作里多用AI。 比如谷歌则要求工程师用AI写代码，CEO桑达尔·皮查伊在今年7月的员工大会上明确表示："员工需要利用 人工智能，谷歌才能在这场竞争中保持领先地位。因为竞争对手会利用人工智能，所以谷歌也需要确保自 己这样做才能参与竞争。" 而微软和Meta就比英伟达更激进，已经计划把员工的绩效和AI使用情况挂钩了。 此外，亚马逊也在员工提出要求之后 ...

核心观点 报告认为，人工智能正从“+AI”向“AI+”演进，2026年计算机行业将围绕“算力筑基，模型进阶，应用可期”展开[7] 具体关注方向包括：国内外大厂资本开支持续增长及AI规模化应用带动Token消耗，看好AI算力产业链；大模型多模态能力提升将极大拓展应用边界；“人工智能+”政策牵引下，企业级AI应用有望迎来规模化推广拐点，同时AI硬件终端革命和阿里等巨头生态布局值得关注[7][8] 2025年回顾：市场表现与业绩 - **市场走势**：2025年初，以DeepSeek为代表的国内AI大模型取得突破，推动计算机行业在2月走出一轮显著跑赢大盘的独立上涨行情[5] 4月受外部冲击与内部估值压力共振影响，板块出现快速回调，估值压力得到释放[5] 此后板块走势与沪深300指数呈现较高同步性[5] 截至12月11日，计算机板块全年累计涨幅为14.05%，在申万31个一级行业中排名第17位[13] - **行业业绩**：2025年前三季度，计算机行业（剔除特定公司后共314家）整体法下总营收为8329.43亿元，同比增长10.50%；归母净利润为102.91亿元，同比大幅增长47.77%；扣非后归母净利润为29.35亿元，同比激增535.39%[17] 中位数法下，营收中位数为6.00亿元，同比增长7.22%；归母净利润中位数为0.04亿元，同比下降48.62%[17] - **盈利能力与费用**：2025年前三季度，计算机行业整体毛利率为20.73%，同比下降2.26个百分点[21] 费用控制成效显著，销售费用率、管理费用率、研发费用率分别为6.56%、4.91%、8.17%，同比分别下降0.67、0.51、0.90个百分点，三费合计费用率同比下降2.08个百分点[21] 2025年回顾：公募基金持仓 - **配置比例**：2025年第三季度，计算机行业公募基金重仓股配置比例为2.6%，环比下降0.1个百分点，低配2.2个百分点[25] 该比例在2024年第四季度触底回升后，于2025年第一季度达到2.8%，随后连续两个季度环比下降[25] - **持仓结构**：2025年第三季度，机构重仓子领域包括AI算力、AI应用、金融科技、智能驾驶等[29] 持股市值前十的公司包括金山办公、中科曙光、科大讯飞等；持股基金数前十的公司包括金山办公（230个基金持有）、中科曙光、科大讯飞等[29] - **加仓方向**：2025年第三季度，机构加仓方向以AI算力、金融科技为主[29] 持股市值增加最多的公司是中科曙光（增加59亿元）和浪潮信息（增加36亿元）；持股基金数增加最多的公司是浪潮信息（增加29只）和德赛西威（增加26只）[29] 2025年回顾：大模型进展 - **DeepSeek突破**：2025年1月，DeepSeek发布R1模型，性能比肩国际顶尖闭源模型，其API定价约为OpenAI o1的1/30，极大地降低了部署门槛[32] 2025年3月，DeepSeek公布其推理系统理论成本利润率可达545%，重构了行业盈利预期[38] - **国际模型迭代**：2025年8月，OpenAI发布GPT-5，其出现事实错误的概率比GPT-4o低约45%，比OpenAI o3低约80%，且API价格更具性价比[42] 2025年11月，谷歌发布Gemini 3，在Humanity's Last Exam测试中得分达41%，在代表抽象推理能力的ARC-AGI-2测试中得分31.1%，显著领先于GPT-5.1的17.6%[52] - **国内模型进展**：2025年9月，阿里发布总参数超过1T的Qwen3-Max，其指令版在SWE-Bench评测中斩获69.6分，思考版在AIME 25和HMMT数学评测中均获满分[47] 2025年回顾：AI应用落地 - **AI视频生成**：快手可灵AI在2025年3月年化经常性收入突破1亿美元，第二季度营业收入超过2.5亿元人民币[82] 截至2025年11月，其全球用户规模突破4500万，累计生成超2亿个视频，为超2万家企业客户提供API服务[82] - **AI编程**：AI编程是增长最快赛道之一，海外独角兽Cursor年化收入突破10亿美元[87] 谷歌和微软均有约30%的代码由AI协助编写，腾讯超过90%的工程师使用AI编程助手[87] 预计全球AI编程工具市场规模将从2024年的62.1亿美元增长至2029年的181.6亿美元，复合年增长率为23.9%[91] - **企业级AI应用**：用友网络在2025年前三季度AI相关合同签约金额突破7.3亿元，仅第三季度单季就超过4亿元[95] 金蝶推出AI产品“小K”，已聚合近20个智能体覆盖多个业务领域[96] - **C端爆款应用**：谷歌Nano Banana图像生成模型拉动Gemini APP月活跃用户达到6.5亿，发布不到一个月已生成超5亿张图片[101] OpenAI推出的视频生成社交应用Sora APP，上线不到五天下载量突破100万次[107] 2026年展望：算力基建 - **海外资本开支高增**：主要云厂商资本开支持续增长，为AI算力需求提供支撑[114] 微软2026财年第一季度资本支出达349亿美元，同比增长74.5%；谷歌2025年第三季度资本开支为240亿美元，同比增长83%，并将2025年全年资本支出指引上调至910-930亿美元；Meta将2025年资本开支指引下限上调至700亿美元；亚马逊预计2026年资本支出将进一步增加[114][115] - **国内资本开支跟进**：阿里巴巴计划未来三年投入至少3800亿元用于云计算和AI基础设施建设[120] 报告预计中国云服务提供商明年的AI支出将大幅增长[120] - **Token消耗驱动**：AI应用规模化带动Token消耗高增，截至2025年9月底，豆包大模型日均Token调用量已突破30万亿，谷歌月均处理Token用量达1300万亿[124] - **国产算力加速**：DeepSeek-V3.1针对下一代国产芯片的特殊设计，有望加速国产AI芯片在推理市场的规模化落地[127] 北京大学开源的TileLang语言，有望推动国产AI芯片建立成熟的软件体系[131] 国产AI芯片性能持续提升，如平头哥PPU多项配置规格接近英伟达H20，华为也公布了昇腾AI芯片的三年发展路线图[136][137] 2026年展望：模型与应用 - **多模态能力**：报告认为多模态能力将极大降低大模型的理解与交互门槛，将其应用范围从文字世界拓展至物理世界，谷歌Gemini是原生多模态模型的代表[141] - **政策驱动与企业应用**：“人工智能+”顶层政策明确，到2027年新一代智能终端、智能体等应用普及率目标超过70%，企业级AI应用有望在2026年迎来规模化推广拐点[145] - **AI硬件终端**：OpenAI计划在2026年末至2027年初推出首批AI终端（如眼镜、录音笔等），其生态预热与产业链共振值得关注[147] - **阿里生态布局**：阿里巴巴发布通义大模型家族7款新成员，覆盖视觉、语音、多模态、代码等核心环节[152] 同时，阿里发力C端推出千问APP，全面对标ChatGPT，并计划接入各类生活场景，其生态合作伙伴有望率先受益[155] 投资建议 报告建议关注三大方向[159]： - **AI算力**：包括国产AI芯片（寒武纪、海光信息等）、AI服务器（中科曙光、浪潮信息等）产业链[160] - **AI模型**：关注阿里巴巴、腾讯控股、商汤、百度集团等公司[161] - **AI应用**：包括AI终端（海康威视、大华股份等）、AI+企业软件（金山办公、用友网络等）、AI+工具（快手、万兴科技等）[162]

尽管如此，他必定是疲惫的。不久前，这位前工程师执掌的还是一家专攻游戏显卡、成功却略显低 调的企业。如今凭借对推动全球AI变革的高端芯片近乎垄断的地位，英伟达已成为全球市值最高的公 司。网络迷因将其描绘成肩扛股市的阿特拉斯巨人。这家公司不仅是商业巨擘，更已成为国家战略工 具，运作在尖端科技、外交与地缘政治的交叉点上。"詹森，你正在征服世界。"前总统唐纳德·特朗普 ——如今已成为黄仁勋深夜通话的常客——在近期访英国事活动期间对他如是说。 全球市值最高公司英伟达的首席执行官如今已成为全球政治的关键人物。他认为人工智能将使全球 国内生产总值(GDP)增长五倍："每个国家都需要打造它。" 北京时间12月11日晚间，《时代》周刊官方宣布，2025年度人物授予"AI构建者"。该杂志为其"年 度人物"特刊发布了两张封面图片。图片对1932年的照片《摩天楼顶上的午餐》进行了重新演绎，将照 片中的铁匠换成了来自顶尖科技和AI公司的高管，包括马克·扎克伯格(Meta)、苏姿丰(AMD)、埃隆·马 斯克(xAI)、黄仁勋(英伟达)、萨姆·奥特曼(OpenAI)、德米斯·哈萨比斯(DeepMind)、达里奥·阿莫迪 (Anthropi ...

涉及的行业或公司 * **行业**：AI应用创业、软件开发、云计算与后端服务（BaaS/PaaS/IaaS）[1][2][3][4][5] * **公司/产品**： * **设计工具**：Figma、Sketch、Adobe XD、Photoshop[3] * **开发工具/IDE**：Visual Studio Code、Android Studio、Xcode、Flutter、React Native[1][3][4] * **后端服务（BaaS）**：Firebase（谷歌）、Supabase、AWS（亚马逊）服务（如Lambda）[1][2][7][9][16][17][20] * **全栈/自定义框架**：未具体命名，但讨论了相关架构[10][11] * **云服务商**：亚马逊AWS（占市场30%-40%）、微软Azure（约20%）、谷歌云GCP（约10%）、Vercel、Railway、Render（合计占小企业/初创公司用户50%）[25] * **数据库**：Firestore、MongoDB（文档型）、Redis、Amazon DynamoDB（键值型）、PostgreSQL（含PGVector插件）、MySQL[22][23][24] * **AI编程工具**：Cursor、GitHub Copilot、Tabnine、ChatGPT、Claude[2][32] * **安全与域名服务**：Cloudflare、Auth0、GoDaddy、Namecheap、Squarespace[30][31] 核心观点与论据 * **AI正在重塑软件开发格局** * 大语言模型显著降低了软件开发门槛，使个人创意更容易转化为应用[2] * AI编程工具（如Cursor、GitHub Copilot）已成为刚需，极大降低了编程门槛[32] * 但要实现复杂功能仍需专业程序员，且产品推广与商业化仍是重要挑战[2][33] * **现代软件开发依赖关键生态系统支持** * **设计生态系统**：如Figma提供一站式解决方案及强大的多人协作功能[1][3][4] * **集成开发环境（IDE）**：如VS Code提供代码编写、调试、测试及部署的一体化环境[1][4] * **跨平台框架**：如Flutter和React Native可一次编码运行于多平台，提高效率[4] * **云服务与后端基础设施**：BaaS等提供即插即用服务，减少前期投入[5] * **后端架构选择是权衡成本、控制与灵活性的关键** * **传统开发模式**：至少需要产品、设计、前端、后端、运维等多角色，成本高[6] * **BaaS（如Firebase、Supabase）**： * **优点**：方便快捷，提供免费额度，服务商保障安全，支持实时同步，自动扩展[7][9] * **缺点**：迁移困难，流量增加后费用可能迅速上升，定制化受限（如Firebase仅支持文档数据库）[1][9][16][17] * **成本示例**：Firebase免费额度包括1GB存储，每月10GB流量，每天5万次读取和2万次写入；超额后每10万次读取0.06美元，每10万次写入0.18美元[18] * **自定义后端框架**： * **优点**：完全控制系统，费用可预期，生态系统完善，迁移相对容易，适合复杂逻辑处理[10] * **缺点**：开发速度慢，需自行维护安全，扩容需手动操作[1][10] * **全栈式框架**：性能利用率高、维护方便，但不利于合作开发，更适合个人或小团队的小型项目[11][12] * **微服务架构**：尤其适用于AI应用，将服务（如图像识别、语音识别）拆分为独立部分，便于更新和针对特定功能扩容，支持多语言、多框架合作[1][14] * **数据库技术需根据应用需求选择** * **关系型数据库（如SQL）**：以表格形式存储结构化数据，便于查询和管理[22] * **文档型数据库（如Firestore、MongoDB）**：以JSON等文档形式存储，更灵活但缺乏数据关联[22] * **键值型数据库（如Redis、DynamoDB）**：通过键值对存储数据，适用于积分榜等场景[23] * **向量型数据库（如PGVector）**：随AI发展出现，主要用于语义搜索[23] * **PostgreSQL优势**：相比MySQL功能更强大，支持地理空间运算、插件丰富，能更好地处理非结构化数据整合[24] * **云服务市场呈现分层竞争格局** * **市场份额**：AWS占30%-40%，Azure约20%，GCP约10%（因AI功能强大占比有所提高）[25] * **用户选择差异**：小企业和初创公司更多使用Vercel、Railway和Render（合计占50%用户比例）[25] * **成本比较（以AWS和Vercel为例）**： * 微小规模（月访问量1千，流量5GB内）：Vercel免费，AWS可能花费两三百美元[26] * 实验性产品（用户<5千，流量50GB）：Vercel免费，AWS约15-25美元[26] * 中等规模（5万用户，300GB流量）：Vercel约20美元/月，AWS需80-150美元/月[26] * 大型应用（50万用户，2TB流量）：Vercel费用60-100美元/月，AWS需200-400美元/月[27] * **安全、验证与部署的实践考量** * **企业vs小型用户**：企业用户更关注启动速度、开发权限和安全验证（AWS/Azure复杂但功能强），小型用户倾向谷歌等简单快速的平台[28] * **用户验证方法**：从传统的数据库存储账号密码，到使用谷歌/苹果账户直接登录，以及外包的AaaS服务（如Firebase免费基础服务，Supabase支持10万用户收费25美元）[29] * **网络安全**：小型网站可用Cloudflare免费或低成本方案或AWS自带服务（月费10-20美元）；高要求企业级服务起步价可能达每年5万美元以上[30] * **域名管理**：GoDaddy低价注册但续费贵，Namecheap是常见选择，Squarespace提供一站式建站服务但价格较高[31] 其他重要但可能被忽略的内容 * **无服务器架构（Serverless）**：适用于事件驱动型应用，按需付费，可自动扩展，但不利于迁移且执行速度可能较慢[13] * **选择后端技术的五大指标**：性能、可扩展性、灵活性、成本、安全性[15][16] * **Supabase与Firebase的对比特点**： * Supabase是开源BaaS，请求次数无限制，只根据活跃用户数量收费[2][19] * 免费额度包括每月5万个活跃用户访问，不限请求次数，更适合频繁刷新页面或即时通讯类应用[21] * 提供预付费模式（如25美元档含每月10万活跃用户、100GB存储、50GB流量），成本更可预测[19] * **AI软件创业的制约因素**：技术门槛降低使创意更易实现，但复杂功能依赖专业程序员，且后续推广与商业化是重大挑战[33]

(一) 为什么独立的 Vibe Coding 必死，但 Personal Software 会火？ Personalized software (个性化软件) 这个方向最近很火。 蚂蚁的灵光上线后，听说一天内的数据就达到了团队定的年度目标。 Replika 的创始人 Kuyda 最近也再次创业，做了一个叫 Wabi 的产品，定位是 Youtube for Apps，一个 mini app 的集合平台。(类似方向的产品国内还有马卡龙、 Youware 等等) 姚顺雨（前 OpenAI 研究员）曾反反复复表达过一个观点，我印象很深： 「创业公司最大的机会，在于设计不同的交互方式。」 于是这期就索性围绕「交互」这个主题展开，分享一下我们最近观察到的一些机会。 目录 我最近听了她的两期播客，很有意思，摘录一些 insights： 1. 软件的未来将是「应用的 YouTube 化」。 在 Kuyda 看来，软件行业正在经历内容行业当年的变迁。 就像视频从专业制作走向人人可拍，软件开发也将从全球「2000 万开发者」的特权，泛化为「80 亿创作者」的日常媒介。 在这个语境下，未来的软件，更多会像快消品，它不再需要追求 S ...

编辑 | Tina 本文为《2025 年度盘点与趋势洞察》系列内容之一，由 InfoQ 技术编辑组策划。本系列覆盖大模型、Agent、具身智能、AI Native 开发范式、AI 工具链与 开发、AI+ 传统行业等方向，通过长期跟踪、与业内专家深度访谈等方式，对重点领域进行关键技术进展、核心事件和产业趋势的洞察盘点。 本系列力求以体系化视角帮助读者理解年度技术演化的底层逻辑、创新方向与落地价值，并为新一年决策提供参考。内容将在 InfoQ 媒体矩阵陆续放出，欢 迎大家持续关注。 "氛围编程"可以说是今年最热最出圈的话题了。然而，从"用 LLM 快速拼装应用"爆红，到现在也不过才六个月，就明显开始"退潮"了。 最直观的体现，是全线产品的用户流量出现大幅下滑。 降幅最大的当属 Lovable，其流量在近几个月内从 3500 万掉到不足 2000 万，几乎砍半。其它几个明星产品也没好到哪里去，Bolt.new 下降了 27%， 而 Vercel v0 自 5 月以来下降了 64%，Cursor、Replit、Devin 等平台也未能独善其身，唯一例外的是仍在依靠投放驱动的 Base44。 连 Bolt.new 的 ...

点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我-> 领取大模型巨卷干货 本文只做学术分享，如有侵权，联系删文 在AI重塑各行各业的浪潮中，代码智能领域正经历从"辅助工具"到"自主开发者"的革命性转变。从 GitHub Copilot 帮我们补全代码，到 Cursor 编辑器支持对话式 编程，再到字节 Trae、Anthropic Claude Code 等工具融入研发流程，大语言模型（LLMs）已彻底改变软件开发生态——曾经需要几小时编写的函数，如今通过自 然语言描述就能生成，部分模型在HumanEval等基准测试上的成功率更是突破95%，远超早期规则系统的单位数水平。 但代码智能远不止"生成代码"这么简单：如何让模型理解百万行代码仓库的跨文件依赖？如何保证生成代码的安全性与效率？如何构建能自主完成"需求分析-开发- 测试-部署"全流程的软件工程智能体？这些问题的答案，藏在近期由 北航、阿里、字节跳动、华为云、腾讯、香港科技大学（广州）等28家机构联合发布的304页 重磅综述 中。这篇论文不仅系统梳理了代码大模型的技术演进，更构建了从基础模型到智能体应用的完整技术体系，堪称代码智能领域的"百科全 ...

课程概况与市场反响 - 斯坦福大学计算机系新开设的课程《现代软件开发者》（CS146S: The Modern Software Developer）成为AI圈热门话题，课程主旨是教授在不编写一行代码的情况下进行编程开发[1][2] - 该课程在2024年9月首次上线即被学生挤爆，候补名单超过200人，反映了市场对AI时代软件开发技能转型的强烈需求[5] - 课程历时10个月精心打造，是首个专注于人工智能软件原理与实践的课程，资料齐全，涵盖阅读材料、作业练习、示例代码和全套课件[8][9] 课程核心教学理念 - 课程明确鼓励学生尽可能不写代码，专注于使用AI工具进行“氛围编码”（Vibe Coding），学生提交作业需附带与AI的对话记录[5] - 教学重点并非AI原理或调优，而是教授如何使用Cursor和Claude等AI代码工具，并应对AI的“幻觉”问题[5] - 课程旨在帮助学生完成从使用AI到构建AI驱动软件的转变，为成为未来的AI原生软件工程师打下基础[16] 课程具体内容与结构 - 课程为期十周，内容循序渐进，从LLM基础知识与提示工程开始[10] - 第二至四周深入编程智能体（Agent）的内部结构、AI集成开发环境以及人机协作模式[11][12][13] - 第五至七周涵盖AI增强的现代终端、AI在测试与安全领域的应用，以及AI在软件支持与维护中的价值[14] - 第八至十周探讨AI驱动的自动化UI/App构建、智能体部署后的运维管理，以及人工智能软件工程的未来发展方向[15] 行业趋势与技能转型 - 课程的出现表明，在快速发展的大语言模型冲击下，行业最关注的问题已转变为如何适应充满AI的世界[5] - 课程最终周主题为“人工智能软件工程的未来”，聚焦软件开发职业的未来方向、新兴的AI驱动编码范式以及行业发展趋势[6][15] - 讲师指出，AI技术发展迅速，明年的课程内容可能会大不相同，暗示了行业技术迭代的高速度[23] 目标学员与前置要求 - 课程兼顾实用与有趣，配套实践项目，要求学习者具备与CS111相当的编程经验（编程语言、操作系统和软件工程）[9] - 推荐学员已修完CS221/229课程（高等数学、机器学习基础），表明课程面向已有一定技术基础的学习者[9] - 讲师Mihail Eric计划在明年教授一个面向专业开发者的公开版本课程，名为《AI Software Development: From First Prompt to Production Code》，显示该技能培训正从学术向职业领域扩展[19]

又一家大厂，建起了自己的代码防火墙。 文 | 超聚焦 近日，据鞭牛士报道，相关人士爆料称，快手的研发线发布通知，对几款第三方编程软件收紧了使用权 限。不少同学发现，只要在自己办公电脑上点开Cursor，它就直接闪退，根本用不了。 这导致一些早已将AI编程工具深度融入日常开发流程的工程师措手不及。主力辅助工具的突然失效， 不仅打断了高度自动化的编码节奏，也让许多原本由AI即时补全或生成的环节被迫回归手动操作，整 体开发效率明显下滑。 原本几分钟就能自动生成的模板代码，现在又得手动敲；原本靠自然语言描述就能完成的函数逻辑，如 今不得不重新翻文档、查API。效率断崖式下跌，工作流被打断，甚至员工调侃："没Cursor的日子，我 连Hello World都写不顺了。" 而这其实并非孤例。在过去两年中AI工具从"新奇玩具"迅速演变为"开发标配"的过程中，越来越多技术 团队开始面临一个两难命题：一边是肉眼可见的效率跃升，一边是难以量化的安全隐忧。 当一行由远程模型生成的代码可能携带着未知的数据回传、训练偏见甚至知识产权瑕疵，企业不得不重 新评估——所谓"智能辅助"，边界究竟该划在哪里？ 那么，类似的情况在其他大厂是否也已 ...