纪要涉及的行业或公司 * 行业：AI应用、传媒、互联网、港股互联网、A股相关细分板块（如出版、游戏、影视、营销、计算机）[1] * 公司： * 港股互联网巨头：阿里巴巴、腾讯、百度（BAT）、字节跳动（未上市）[8][18][22][23][26] * 海外科技巨头：谷歌、苹果[26][28][30] * 提及的A股相关领域：出版、游戏、影视、营销、电商直播相关公司、分众传媒等[9][10][11][24][25] 核心观点和论据 * **AI应用行情在春节前后出现的三大原因**： * 第一，存在“两套时差”：元旦至春节期间的产业规划展望期，与年报/一季报数据真空期重合，形成全年情绪比重最重的窗口[2] * 第二，深刻的时代背景变化：当前处于政治、货币、科技、人口四重共振的大时代背景下，AI作为技术革命承载着应对更宏大命题（如中美关系、通缩、人口问题）的使命，主题行情背后有深层逻辑[3][4][5] * 第三，AI与互联网存在本质不同：AI适配“收缩”或“降本”，与互联网的“全球化连接”逻辑相反，导致其发展路径、玩家梯队与互联网时代差异巨大，总是超预期[5][6] * **AI应用板块的筛选与排序框架**： * **时间周期决定关注焦点**：2023-2025年，市场关注创业型明星公司（如Deepseek、Sora）；2026年开始，焦点转向BAT等生态级巨头[7][8] * **市场环境的影响**：2024年9月前后可能分别对应熊市与非熊市，市场偏好和筹码结构特征不同[8] * **主题发酵成行情的条件**：需要相关上市公司数量、规模（市值区间）、事件共振（如大模型发布）、业绩共振共同作用[9] * **业绩的角色**：业绩（如出版、游戏板块市盈率在10倍左右）是快速形成一致共识、实现估值修复的“压舱石”，但并非行情起因[10][11][12] * **AI应用的产业分类与投资逻辑**： * **两大方向**：应用（如抖音、B站）和内容（如游戏、营销、短剧）。互联网时代先出爆款应用，再出爆款内容[12] * **应用的两条路径**：1）大模型在计算平台（电脑、手机）上的应用；2）大模型与端侧硬件结合，出现在现实物理世界（中国擅长领域）[13] * **中美应用发展可能分化**：美国擅长To C（如ChatGPT），中国可能在“逆人性”领域（如教育、管理约束类应用）出现爆款[13][14] * **寻找AI应用的核心**：关键在于场景需求方（甲方），而非大模型等供给侧（乙方）。真正的AI应用案例可能出现在各行各业[14] * **业绩兑现与利基市场**： * **业绩兑现时间**：真实的AI应用业绩兑现最早于2026年年中开始呈现，最晚从2027年下半年开始[16] * **高兑现度领域**：目前看，只有广告（营销）和电商这两个市场规模达10万亿甚至几十万亿级别的利基市场，最容易出现规模性呈现。游戏市场规模仅几千亿，相对较小[16][17] * **对港股互联网（BAT）的看法与逻辑**： * **26年核心看点**：BAT等拥有自家生态的巨头是产业C位，核心看其在自身生态中落地模型、进行玩法创新[22][23][26] * **红包大战的本质**：是BAT等巨头以其问答类大模型和Agent两类平台（共约6-8个超级应用）争夺有限的To C用户。预计中国To C问答类应用的DAU天花板约2.5亿，争夺激烈[19][20][21] * **受益逻辑分化**： * BAT自身：是产业变革的主导者，但26年可能呈现“杀敌一千，自损八百”的局面，核心观察点是资本开支而非短期利润兑现[23][24] * **生态合作伙伴**：A股中卡住关键生态位、与电商、广告营销相关的公司（如党媒、直播电商公司、分众传媒等）可能“躺着受益”[24][25] * **指数与个股**：由于大模型技术仍处革新期（25年底多模态、26年底全模态），非BAT公司可能受损，因此对恒生科技指数整体持谨慎态度，更看好个别生态巨头[26] * **国内外市场逻辑差异**：海外是“全球叙事”，中国是“内循环”，因此国内业务大战（如红包大战）会非常激烈且贯穿26年全年[27] * **未来半年到一年的催化与节奏**： * **时间窗口**：A股看好一季度（春节躁动）和三季度（产业周期上预计真实AI应用开始呈现），尤其三季度更重要[28] * **关键催化**： * 海外：谷歌/苹果在安卓/iOS生态中基于多模态的爆款应用；25年11月“创世计划”相关的海外科技创新映射[28][29] * 国内：阿里（电商/本地生活）、字节（营销广告）、腾讯（Agent）基于自身生态的玩法创新；国内业务大战的持续与扩散（可能不止于当前领域）[28][29][30] 其他重要但可能被忽略的内容 * **对AI历史地位的认知**：分析师认为AI的历史可比性在于工业革命、文艺复兴和大航海时代，其影响可能更深刻、更深远[6] * **A股实操建议**：可按照申万等行业分类的三四级子行业，筛选业绩总体较好的板块（如出版、游戏），作为估值修复的抓手[11][15] * **港股波动特性**：指出港股与A股差异大，其波动性（大涨大跌）更为显著[18]

大消费 (AI应用) - 国内AI应用市场已诞生3个月活用户数过亿的超级APP：豆包(2025年MAU约3.2亿)、DeepSeek(2025年MAU约1.5亿)、千问(截至2026年1月中MAU约1亿)[4][7] - 腾讯、字节、百度三家互联网大厂为抢占春节营销窗口，营销投放金额已超45亿元[4][13] 高端制造 (光伏) - 马斯克计划三年内在美国建设总计200 GW的光伏产能，并力争在2030年前达成首个100 GW太空光伏装机里程碑[4][14] - 光伏行业面临巨大生存压力，龙头企业如隆基绿能、通威股份、TCL中环2025年亏损金额均超过60亿元[4][16][17] - 受“反内卷”政策驱动，截至2025年11月，光伏产业链主要环节价格较年初回升，其中多晶硅价格涨幅达38.9%[17] 硬科技 (电子产业链) - AI服务器拉货导致电子产业链景气度分化，上游存储及设备厂商业绩超预期：西部数据25Q4营收同比增长25%至30.2亿美元，希捷25Q4营收增长21.5%至28.3亿美元[4][19] - 半导体设备厂商ASML 25Q4营收达97亿美元创历史新高，Q4新签订单规模132亿欧元，环比增长144%[19] - 下游消费电子需求疲软：预计2026年全球智能手机SoC出货量同比下滑7%，其中150美元以下低端机型受冲击最重[4][22] - TrendForce预计2026年第一季度全球笔记本电脑出货量将环比下滑14.8%[4][22] 大健康 (CXO与创新药) - CXO龙头企业2025年业绩大幅增长：药明康德净利润预计同比增加102.65%至191.51亿元，泰格医药净利润同比增加105%-204%[4][25][26] - 全球生物医药投融资在2025年开始回暖，全球和中国的同比增速分别为2.7%和6.2%[4][28] - 2025年中国创新药对外授权(BD)交易金额达1356.55亿美元，同比增长143%[4][31][35]

●于海斌 现代人工智能是先进计算的产物，也是赋能千行百业的技术。从早期符号主义在有限算力下的踯躅前 行，到神经网络思想历经沉浮，直至大数据与图形处理器（GPU）的邂逅，引爆了深度学习的革命，使 复杂模式识别与认知成为可能；再到今天，支撑起超大规模模型训练的已是千亿乃至万亿参数级别的并 行计算集群和高速互联网络。正是这样一场波澜壮阔的计算进化，将人工智能从实验室推向了产业应 用，成为一股赋能千行百业、重塑社会的颠覆性力量。 对智能的向往从未停止 人类对于智能的向往并非源自现代，而是深植于数千年的文明积淀之中。当远古的先民发出第一个有意 义的音节，创造出能够指代事物、表达意图、传递复杂信息的符号系统，存在于个人大脑中的思维便获 得了在群体间流通的载体，语言成为人类智能的第一次伟大迸发。结绳记事、刻画符号，直至体系化的 文字出现，人类首次突破了大脑记忆的时空限制，将思想、律法、天文观测、生产工艺等宝贵信息固化 于泥土、金石与竹简之上，树起了一座人类"智能存储"的里程碑。从打磨第一件石器开始，人类就走上 了一条通过创造"智能实体"来放大自身能力之路，随着车轮、指南针、火药、蒸汽机等的发明，人类始 终渴望通过制造工具和 ...

公司/行业 * 公司为Kimi，专注于通用人工智能（AGI）大模型开发，其最新产品为Kimi K2.5模型[1][3] * 行业为通用人工智能（AGI）及大模型行业，涉及国内外主要参与者如谷歌（Gemini系列）、OpenAI、DeepSeek等[1][3][7][10] 核心观点与论据 **Kimi K2.5模型的核心能力与定位** * Kimi K2.5是公司迄今为止功能最全、性能最强的版本，亮点包括多模态输入输出、前端生成及智能体协作系统[1][3] * 多模态能力是其最大亮点，全球范围内仅有谷歌的Gemini 3具备类似能力[1][3][5] * 该模型被认为是2026年AGI领域的“国货之光”，发布后获得市场从业人员和投资人的广泛关注[2] **技术优势与特点** * 通过端到端训练实现多模态能力，优于其他模型（如豆包）[4][16] * 模型为开源，在透明度和可复制性方面优于闭源的Gemini[4][16] * 支持大文件多模态输入（每个文件最大100兆，可同时输入50个文件，总量达到5个G），通过分布推理和分布记忆处理大量内容[13] * 在产品设置上细化任务类型（如长思考、慢思考等），提高了用户意图理解和任务完成度[8] **性能对比与存在的差距** * **多模态理解与透明度**：在解析多模态信息融合时，会将图表转为文本，并公开整个思考过程及数据来源，透明度高[9]；但Deepseek生成的报告在专业深度上不如Gemini 3[10] * **前端生成能力**：Gemini 3表现更优，可快速完成复杂UI设计（如10分钟完成复古拍立得相机项目），而Kimi 2.5速度较慢（需约7分半钟），细节处理不足[11] * **空间推理能力**：Gemini 3表现出色，Kimi 2.5在此方面仍不够准确，存在差距[15] * **执行效率与精准度**：在处理复杂任务时，Kimi 2.5执行时间较长（如生成激光眼效果需13分钟，Gemini仅需2分半到3分钟），且有时会出现错误定位等精准度问题[12][14] * **人机交互**：Kimi 2.5通过图形化和多媒体方式增强互动，但仍处于初步阶段，与Gemini 3存在距离[17] **智能体系统的现状与挑战** * 智能体协作（Swarm）系统能够管理上千个并行工作的子智能体，展示了强大的技术实力[6] * 但该系统成本高（每次任务约需10至15元），且对于浅显任务而言成本偏高，目前实用性有限，更多是技术展示[6][18] * 成本高的原因包括每个子智能体调用都会产生token和计算资源开销[6] **国内外AGI发展水平比较** * 国内AGI发展水平与国际头部公司差距不大，仅晚约两个月左右，前沿模型与国际领先水平基本同步[7] 其他重要内容 **市场推广与产品策略的挑战** * 公司缺乏直接面向C端用户的产品（如Docs或Office套件），目前对本地Office套件的优化与国际主流云服务策略相悖，在推广时面临用户更倾向选择微软原生优化产品的挑战[19] **对能力变化的解释** * 感觉文本处理能力削弱并非能力下降，而是由于视频数据权重增加导致信息量偏移，使得文本输出相对减少[20] **成本优化前景** * 多Agent系统并非完全分散执行任务，而是在固定套路内进行（如生成前端代码的七步流程），未来有可能通过优化固定流程来降低整体成本，提高效率[21][22]

杭州市人工智能发展战略目标 - 杭州市提出全力建设“人工智能创新发展第一城”的目标，并计划在“十五五”时期加快建设人工智能创新高地 [2] - 杭州市政府工作报告提出“重塑数字经济新优势”，加快推动从以“互联网+”为代表的平台经济向以“人工智能+”为代表的智能经济转型 [5] - 杭州市目标到2030年，培育国际顶尖水平的开源基础大模型3个以上，建成高质量数据集300个，规上人工智能核心产业营收超6000亿元 [7] 杭州市人工智能发展基础与优势 - 截至去年年底，杭州已建成56000P的算力 [3] - 在数据方面，杭州已与国家语料库建立长期合作，并推出106个企业的数据集 [3] - 在模型方面，诞生于杭州的阿里千问、Deepseek等开源基础大模型综合性能全球领先，汇聚12万个模型的“魔搭社区”成为中国规模最大的模型开源社区 [3] - 杭州已表决通过《杭州市促进具身智能机器人产业发展条例》，成为全国首部针对该产业的地方性法规 [3] 杭州市人工智能发展具体举措与规划 - 2024年，杭州市将支持阿里千问、DeepSeek开源基础大模型迭代升级，支持之江实验室科学基础模型和海纳数据枢纽建设，助力“魔搭社区”打造国际一流开源社区 [5] - 2024年，杭州市将实施“杭州AI+”场景开放示范工程，开放人工智能领域标杆场景200个 [5] - 杭州市将积极争取具身智能等领域国家中试基地落地，并举办具身智能创新发展大会 [5] - “十五五”时期，杭州将以“人工智能+”为引领推进开源生态建设、具身智能创新、制度创新示范三大行动 [7] - “十五五”时期，杭州将推进高端芯片、基础软件、模型算法、数据工程、智能体、智能终端、具身智能机器人等全产业链发展，并支持人工智能企业“合作出海” [7] - 杭州市将打造制度创新的“第一先锋”，重点关注打造数据的制度、推动法治的制度、建立国际合作的制度三件事情 [3] 行业与企业反馈 - 企业代表认为，杭州从开放设立算力券支持研发到推动具体场景应用，再到立法保障，为行业发展提供了重要支撑 [5] - 企业代表坚信在“AI+医疗”新赛道上，杭州正成为重要起点 [5] 社会应用与民生结合 - 在2024年杭州市民生实事候选项目中，包括新增老年大学学位数4500个，新开发人工智能、养生保健等老年教育课程15门 [8]

人工智能产业整体发展 - 2025年中国人工智能产业活力迸发，核心产业规模预计突破1.2万亿元，企业数量超过6000家 [2][10] - 工信部着力推进科技创新与产业创新深度融合，人工智能为工业经济增长注入强劲动力 [2][10] - 下一步将加快推动产业高质量发展，重点抓好技术创新、融合应用、企业培育、生态建设和安全治理 [2][11] - 市场对芯片产业链反应积极，截至1月21日收盘，华天科技、龙芯中科等十余只股票报收涨停 [2][11] 产业政策与顶层设计 - 2025年7月，国务院发布《关于深入实施“人工智能+”行动的意见》，部署到2027年实现AI与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70% [3][12] - 已启动运行国家人工智能产业投资基金，资金规模达600亿元 [3][12] - 深入实施人工智能标准化专项行动，2025年累计研制发布40余项关键国家标准、行业标准 [3][12] 技术底座与算力发展 - 国内企业发布多款人工智能芯片产品，智能算力规模达1590 EFLOPS [3][12] - 行业高质量数据集加速涌现，国内大模型引领全球开源生态 [3][12] - 下一步将加快突破训练芯片、异构算力等关键技术，体系化推动大小模型、智能体实现突破 [2][11] AI终端产品与应用普及 - AI手机、AI电脑、AI眼镜等终端产品加快普及，2025年前三季度智能眼镜市场出货量超过178万副，其中近八成是AI眼镜 [3][12] - 人工智能应用已覆盖钢铁、有色、电力、通信等重点行业，并深入到产品研发、质量检测、客户服务等重点环节 [3][12] 智能制造与工业升级 - 2025年培育了15家领航级智能工厂，作为全球智能制造最高水平的“中国样板” [4][13] - 人工智能已渗透领航工厂70%以上的业务场景，沉淀了超6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用 [4][13] - 形成一批具备感知、决策和执行能力的工业智能体，推动智能制造从“自动化”向“自主化”演进 [4][13] - 下一步将深入实施智能制造工程，持续开展智能工厂梯度培育，支持领军企业探索未来制造模式 [4][13] 人形机器人（具身智能）产业 - 以人形机器人为代表的具身智能产业规模正以超50%的增速跨越式发展，预计2030年市场规模将达到千亿元 [5][14] - 2025年被认为是人形机器人量产元年，国内整机企业数量超140家，发布产品超330款 [5][14] - 标杆企业宇树科技已于2025年年中开始申请A股IPO，并完成上市辅导 [5][14] - 未来将持续推动技术创新，提升大模型、一体化关节、算力芯片等技术水平，并强化国家产业投资基金的支持 [5][14] 技术发展对就业的影响 - 技术进步伴随就业结构的重构与岗位迭代，但历史表明最终能通过产业转型实现生产力提升、就业结构优化和岗位新增 [6][15] - 未来需在推动组织模式、工作方式重构的同时，提升劳动者AI素养，培养既懂AI又懂制造业的复合型人才 [6][16]

人才引进与储备 - “十四五”时期杭州累计引进35周岁以下大学生超200万名 [1] - 2025年杭州新引进35周岁以下大学生42.9万名 [1] - 2025年杭州实现全职引进诺贝尔奖获得者“零”的突破 [1] - 杭州连续15年入选“外籍人才眼中最具吸引力的中国城市” [1] - 2025年杭州通过“企业认定、政府认账”累计授权企业2752家、认定人才4.3万名 [5] - 2025年杭州新增“青荷驿站”房源964套(间)，为外地年轻人提供免费短期住宿 [5] - 2026年杭州计划新引育顶尖人才15名以上、省级及以上领军人才300名、35周岁以下大学生35万名以上 [5] 经济发展与产业表现 - 2025年杭州GDP达到23011亿元 [3] - 2025年杭州数字经济核心产业增加值增长9%以上 [3] - 2025年1—10月，杭州人工智能核心产业实现营收同比增长26.3% [3] - 杭州经营主体数量突破200万户 [5] 创新环境与未来规划 - 杭州被誉为“创新活力之城”，拥有数字经济底蕴和人工智能等未来产业的先发优势 [3] - 诞生于杭州的阿里千问、Deepseek等开源基础大模型综合性能全球领先 [3] - 杭州持续擦亮“无事不扰、有求必应”营商环境品牌 [5] - 杭州将推进青年发展型城市建设，实施更加积极开放的人才政策 [5] - 杭州计划推广高层次人才“校企双聘”等改革举措 [5] - 杭州提出要主动拥抱人工智能时代，全力营造一流科技创新生态，构建一流产业创新体系 [5]

AI驱动新药研发行业研究纪要关键要点 涉及的行业与公司 * 行业：AI驱动的新药研发（AIDD）行业 [1] * 提及的公司：某西智能（采用GAN模型，已进入临床二期）[16]、某泰科技（以传统CADD为主，拓展深度学习）[16]、星耀科技（曾技术优秀但已倒闭）[16] * 提及的技术/模型提供方：AlphaFold（预测蛋白质结构）[1][2][4]、OpenAI（生成模型）[2]、扩散模型（Diffusion Model）[1][2][4]、Deepseek（对话模型）[7][18]、ChatGPT（对话模型）[7]、GPT系列（大规模参数模型）[11]、DeepMind（智能体应用）[18]、Anthropic（大模型趋势）[18] 核心观点与论据 AI制药的原理与优势 * AI通过预测蛋白质结构（如AlphaFold）加速靶点发现，并利用生成模型（如扩散模型）设计先导化合物，提高新药研发效率和成功率 [1][2] * 人工智能驱动的新型药物发现（AIDD）跳过传统计算机辅助药物设计（CADD）复杂的物理规则，通过海量数据直接预测分子效果，提高了预测准确性和数据集处理能力 [1][3][4] * AI在临床前研究中可预测小分子的毒性、安全性等性质，减少实验筛选时间和成本 [2] 关键技术方法与应用 * **图神经网络（GNN）**：擅长处理小分子结构数据，但随着分子复杂性增加，学习效果显著下降 [1][13] * **多模态学习**：整合图像、文本、指纹和点云等多种数据模态，更全面表征小分子特性，提高研发效率，已在KRAS靶点研究中取得成果（使用3,400多个小分子结构及活性数据）[1][15] * **AI模型类型**：分为解决特定垂直领域问题（如药物结构生成、基因诊断）的“小模型”和用于对话及调用（如撰写报告）的“大模型” [1][7][11][12] * **智能体应用**：可根据用户需求自主设计并监控整个工作流程，例如ADM MEC智能体可自动调用约14个工具生成报告，降低化学家和生物学家使用门槛 [18][20] 行业评估与发展趋势 * **评估AI制药公司能力**需考察：是否采用深度学习等先进算法（非仅传统CADD）、拥有高质量数据、已有成功案例、持续创新能力 [1][5][6] * **未来趋势**：小分子设计复杂化（如雷帕霉素等新型大分子胶）[13][17]、多模态融合技术主流化 [1][17]、新型编码器和深度学习算法涌现 [1][17]、智能体在工作流设计中应用增加 [1][20]、公司技术保密更严格 [17] * **模型选择**：基于测试，上百亿参数的大模型与32B或8B的小模型在调用工具时效果相似，需权衡参数量、效果及成本 [21] 其他重要内容 * AI模型的训练过程类似于人类学习，包括非监督学习的初步分类和引入外部标签的监督学习 [8] * 选择适当的数据编码器（如CNN处理图片、RNN/Transformer处理语言、GNN处理图结构）对提高AI模型性能至关重要 [10] * 当前一些主流AIDD公司的技术特点各异，包括模型类型（如GAN）、技术透明度（开源或保密）和市场化能力 [16] * AI编程（AI coding）是当前最成熟的大模型应用之一，已催生市值数百亿甚至上千亿的公司 [18]

AI技术进展与产业现状 - AI技术快速进步并改变世界，CES展会完全以AI为主题，机器人、自动驾驶等赛道异常火爆[5] - 机器人技术进步神速，能完成翻跟斗、打拳击、端盘子等复杂动作，Optimus机器人被内部人士认为未来成就将超越特斯拉[5] - 自动驾驶进展迅速，Waymo无人驾驶出租车已在旧金山、洛杉矶运营，特斯拉FSD试驾体验丝滑，行业领袖认为可直接跳级至L4/L5级别[5] - 大模型和AI智能体渗透率快速攀升，Manus被Meta以数十亿美金收购，Deepseek等模型已成为高效工具，豆包手机可调用大量APP，阿里千问和腾讯元宝大模型在全球公测中领先[6] - GPU竞赛激烈，英伟达暂时领先，国内GPU公司股价暴涨，谷歌TPU也被Meta、苹果等大厂采用[7] AI算力、能源与基础设施需求 - 物理AI（为AI赋予身体）未来市场空间巨大，智能驾驶、机器人、AI眼镜等领域将爆发式增长[12] - 未来全球AI算力需求有**一百倍**的增长空间，将驱动GPU、电力、铜等需求[12] - 2025-2026年是大宗商品爆发元年，美元贬值叠加AI基础设施巨额资本开支，推动铜、锂、白银价格大幅上涨[12] - 未来AI超级应用和算力大爆发需要新的能源技术突破，可控核聚变受市场追捧，马斯克甚至提出在太空建设光伏电站和算力中心的构想[12] - AI竞赛本质是能源战争，中国在能源基建（特高压与光伏）方面被马斯克认为具有巨大优势，芯片短缺之后的下一个危机可能是变压器和电力短缺[12] 自动驾驶发展现状与趋势 - 特斯拉FSD最新版本体验丝滑，无需L3中间环节，可直接跳级至L4无人驾驶，全程无需接管[16] - 特斯拉采用纯视觉方案（摄像头），无激光雷达，并利用星链网络保障信号，人车互动性好[17][18] - Grok语音助手中文流利，但国内特斯拉FSD仍是低配版，尚未完全放开[19] - 特斯拉自动驾驶基于第一性原理设计，模仿人类驾驶学习方式，依靠数据、算力和模型蒸馏技术优化[20] - 特斯拉采取单车智能路线，无需车路协同，凭借庞大算力投入（至少10万张GPU）和数据积累实现高性能自动驾驶[21] - 特斯拉垂直整合能力强，从整车制造到算法、芯片均自主研发，数据闭环，算力投入规模远超竞争对手[22] - 华为ADS方案采用自研激光雷达和毫米波雷达，认为其更适应国内复杂路况，能力不亚于特斯拉[23] - 2026年可能是自动驾驶重要转折年，技术进步迅速，若大规模落地将缓解拥堵、减少事故、淘汰燃油车，并导致出租车司机失业及私家车需求下降[24] - 自动驾驶将导致汽车行业重新洗牌，拥有核心智驾技术的特斯拉及中国车企将引领行业，日本、德国许多车企可能被淘汰[25] AI对社会、经济与未来产业的重构 - AI将大量替代白领和蓝领工作，使廉价劳动力优势归零，机器人+AI将带来极度通缩，商品趋近免费[28] - 在AI导师面前，传统知识灌输效率低下，未来学校可能退化为社交场所，“鸡娃”和“做题家”模式将没有未来[28] - 在强大算力支持下，生物学、化学问题可被暴力破解，解决癌症和衰老可能只是一个数学问题，长寿技术将获突破[28] - AI大模型将助力人类发现暗物质及全新的物理、化学、经济学规律，推动科学进步进入加速阶段[29] - 未来将出现AI医疗健康、创新药、AI眼镜、专业智能体、AI安全等新物种，而APP、PPT文员、司机、客服、蓝领工人等旧岗位将大量消失[30][31] - 未来十年机器人将成长为最大赛道，应用于工厂、家庭、酒店、物流等场景，自动驾驶汽车本质也是机器人，该行业将诞生百万亿元市值的巨型公司[31] - AI智能体将成为最大的流量入口，取代现有流量平台、APP和门户网站，在超级通用大模型下出现若干专业超级智能体，全球订阅量以**10亿**起步[32] - 公司组织将被重构，可能出现员工百人以内、市值万亿以上、人均产出**100亿**的公司，核心竞争力是创新力[32] - 每次科技革命都可能伴随泡沫破裂，缺乏核心技术和企业家精神的团队将被淘汰[32] 中美AI竞争格局 - AI科技竞赛的主角是中美两国，遥遥领先，欧洲、日本、印度、拉美和东南亚等地区存在感较弱[13] - AI革命将拉大国家与国家之间的差距，目前已经呈现美股科技七巨头与中产斩杀线并存，中美争霸与其他地区无存在感并存的局面[13] - 中国企业在国际舞台影响力增强，在拉斯维加斯随处可见TCL、联想、追觅等中国企业的广告[13]

文章核心观点 - AI的普及导致内容创作领域出现“作者有罪推定”现象，人类创作者需要不断自证清白，而“创作本真性”的传统观念及其三个前提（孤独天才神话、人性不可穿透、价值源于稀缺）正在崩塌[1][4][6][7][8][9] - 追求“作品是否由人创作”这一标准本身已经过时，真正的价值应转向作品是否回应了真实的人类生存困境，以及创作行为所嵌入的关系网络[10][11][13][14] - AI工具在提升效率的同时，也导致依赖创作谋生的普通创作者被迫支付“人性税”（包括时间、尊严和署名税），使得“人类手工创作”可能像“有机食品”一样成为溢价特权[16][18][19][20] - 人与AI共存的出路在于重新定义“创作者”为“混合主体”，其核心特征是创作权基于问题定义、人性被承认为创作成本、以及建立“创作血缘”溯源系统，但这面临现实困境，因为创作群体分裂且缺乏新的哲学语言来描述混合主体[21][22][23][25] 当一个人被指控"这看起来像 AI 写的"，究竟发生了什么？ - 创作默认来自人的前提被取消，进入“作者有罪推定”时代，创作者需要不断证明自己是人且拥有署名权[1] - 指控源于大脑难以区分AI与人类的“完美”，在信息过载环境下，读者采用“宁可错杀”的简单策略以规避受骗风险，这本质是内容信任机制崩溃后的社会自保[2] - 指控最讽刺之处在于，它通常来自最无能力辨别真伪的人，并成为一种权力倒置的手段，让无法创造完美的人通过质疑来获得道德优越感[2] - 这类指控是对创作者时间、主体性和存在感的否定，将其长期训练成果压缩为“几秒生成”，并将其声音降格为信息噪音[4] - 指控具有无法证伪的暴力特性，任何自证行为（如展示创作过程）在怀疑论者眼中都可能被视为更深层的伪装，形成指控零成本而辩护需无穷精力的权力陷阱[4] 真正泛滥的AI垃圾与指控的双标机制 - 互联网上充斥大量低质、瞎编乱造的AI生成内容（如“震惊体”标题、语法不通的SEO文章），但这些“赛博泔水”很少遭到“是否为AI创作”的指控[5] - 指控机制存在阴险的双重标准：被质疑的永远是“好到可疑”的作品，而非“烂到确定”的垃圾[5] - 在AI内容泛滥的背景下，公众形成一种模糊直觉，认为AI内容要么是低质噪音，要么是过于平滑的模板输出，这迫使人类创作被挤压到既不能太乱也不能太顺的狭窄位置[5] 追求“是不是人写的”还有意义吗？——关于创作本真性的探讨 - AI技术正在飞速迭代，通过模仿人类的口吃、笔误、情绪波动等方式进行“AI去AI化”，最终可能完美模拟一切曾被视作“人性痕迹”的不完美[6] - “创作本真性”概念建立在三个正在崩塌的前提之上：1）创作是孤独天才的神话，而AI暴露了绝大多数创作本质是模式识别、混合与优化[7]；2）人性是不可穿透的黑箱，但神经科学与AI表明“灵感”可能只是大脑在噪声中寻找模式的结果[8]；3）价值来源于稀缺性，当AI使高质量创作变得充足，基于稀缺性的定价逻辑面临挑战[9] - 问题的意义发生转移：重点不应再是“谁写了它”，而应是“它是否参与并回应了一个真实的问题”[10] - 真正不可数据化的并非创作行为本身，而是创作行为所嵌入的关系网络，以及作品与特定生命碰撞产生的“关系中的真实”[10][11] - 人类执着于在作品内部寻找人性证明是一场必输的战争，真正的出路是将战场转移到作品之外的创作生态、关系网络和生存实践中[13] - 对个体创作者，短期内追求“人写”仍有意义（因市场仍依此定价），但对文明而言，此概念必须被废弃，未来的创作者身份应被定义为带着个人经历、思考能力及读者关系去生成回应的“问题意识”[13] - 人性最终体现在“不得不创作”的绝望与对有限性的恐惧中，而非创作成果里[14] 内容上的人性，会变成一种特权吗？——关于“人性税”的分析 - 技术革命的“初心”是解放生产力，但历史表明，生产力红利往往首先被用于提高生产标准而非减少劳动，AI让“更快、更多、更像样”成为可能，随即被组织和市场吸收为新的KPI，填满了创作者的产能缺口[16] - 对依赖创作谋生的普通创作者（如网文作者、商业画师），AI更像是一种被迫接受的生产制度升级，他们需要支付三种“人性税”：1）时间税：不使用AI会导致产能不足和竞争力下降[18]；2）尊严税：使用AI可能被贬为“提示词工人”，职业尊严被稀释[18]；3）署名税：创作成果归因模糊，署名权变得脆弱[18] - 能负担“低效创作”（即保持人性化工作方式）的人，因拥有时间、资源或声誉护城河，越来越像享有特权，而“人类手工”在创作领域可能走向类似“有机食品”的溢价模式[18][19] - “人性税”的本质是效率至上的评价体系导致竞争更密集、标准更高、议价权更集中，迫使普通创作者用更少时间交付更像样的结果，从而必须额外付出才能保留原本默认属于人的工作方式与尊严[20] 人与AI在创作领域应该如何共存？——关于“混合主体”的构想与现实困境 - 需要重新发明“创作者”概念为“混合主体”，其特征包括：1）创作权基于“谁定义了问题”，而非“谁动了笔”，将创造力的核心从执行提升至认知与提问[21][22]；2）承认“人性”（如不完美、情绪）是创作的一种“冗余成本”，应为其不可控性定价，而非将其作为价值来源或自证工具[23]；3）建立“创作血缘”溯源系统，以贡献图谱取代单一署名，记录创意、执行、情感等多重贡献[23] - 实现这一构想需要法律承认多重主体创作、平台支持贡献度追踪、教育转向培养提问能力，并形成一种新的文化契约，将焦点从“这是谁写的”转向“这解决了什么问题”[23] - 现实实现前景悲观，因为创作群体本身分裂：顶尖创作者可依靠肉身创作生存，底层创作者已接受作为AI插件，而承受身份焦虑的中间层最为脆弱和分裂，既抵抗又利用AI，无法形成统一战线[25] - 根本困境在于缺乏哲学突破和新的概念工具来描述“既非纯粹人性，也非纯粹机器”的创作主体，导致讨论被困在“我不是AI”的否定句中，无法形成肯定的身份表述[25] - 对当前创作者的实践建议是：不要试图证明自己不是AI[25]