全球AI行业趋势与竞争格局 - 全球科技界已进入“多体系并行”的常态，对AI的讨论重心从对开源模型的惊叹，转向更务实的技术路径、成本竞争、能源瓶颈等深层博弈 [1] - 谷歌强势回归，构建全栈式人工智能生态，其推理成本不到OpenAI的30%，并通过浏览器和搜索收集高质量真实世界反馈以加速迭代 [5] - 开源生态活跃度超乎以往，中国在全球开源生态中已成为“重要贡献者”，例如Kimi的K2等项目，提升了其在全球技术协作网络中的影响力 [5] AI技术路径与成本竞争 - AI竞争不仅是模型能力竞争，更是系统优化和成本的竞争，推理成本、数据隐私与安全、数据孤岛等是规模化落地必须跨越的鸿沟 [9] - 大量应用型初创公司不再执着于打造底层大语言模型，转而基于开源生态中的“小语言模型”和垂直领域Agent，结合自身高质量数据进行微调优化 [6] - 在To B场景和本地化部署中，小模型比大模型更实用、更经济，意味着更低的可负担成本、更高的数据隐私安全以及更便捷的私有化部署 [6][9] 地缘政治与区域市场需求 - 欧洲企业出现“数据主权”焦虑，由于美欧政治摩擦，许多欧洲巨头对于将核心数据交给美国AI公司心存芥蒂 [1][7] - 欧洲企业开始渴望本地化、可控的AI解决方案，这打破了硅谷公司“天然全球化”的旧有叙事，为全球技术格局带来新变数 [8] 能源瓶颈与基础设施 - 能源成为AI发展的基础瓶颈，在耗尽GPU之前，人类可能最先耗尽电力，硅谷科技巨头焦虑于陈旧的电网设施和升级乏力 [10] - 科技巨头不得不亲自下场应对电力问题，例如微软自掏腰包补贴当地居民以平抑电价波动，马斯克和扎克伯格也投身电力设施建设 [10] - 中国拥有全球最强的电力基建和网络，为AI算力提供了坚实的能源底座，在AI拼成本、拼能耗的下半场，这种基础设施优势将转化为巨大竞争力 [13] AI与产业融合落地 - AI与产业结合加速落地，重点领域包括医疗与金融、太空经济 [11] - 2026年被视为AI医疗大年，美国最大的非营利医疗机构之一正以前所未有的速度推进数据与AI整合，AI应用已从“辅助诊断”向“治疗手段”进化 [11] - 金融、保险及相关产业占美国GDP约20%，是一个被低估的巨无霸市场，针对特定场景的AI Agent能够撑起百亿美元的估值 [11] - 太空经济领域，SpaceX的发展轨迹展示其从火箭发射服务公司演进为AI Native和Robotics Native的完整生态构建者，并且已实现盈利 [12] 中国科技竞争力 - 中国在机器人领域拥有显著成本优势，以宇树科技为代表的企业，其人形机器人成本可能只有美国的十分之一，基于强大供应链的“好用且便宜”构成独特比较优势 [13] - 中国在制药层面的创新能力已可与美国比肩，越来越多的跨国药厂开始收购中国的新药研发企业，证明其在生物科技等前沿领域的商业化取得显著进展 [13] 对AGI的展望 - 距离真正的AGI（通用人工智能）还很远，其定义为AI能做人类90%以上的工作，同时比90%的人类做得更好 [13] - AI既能实现商业自动化、削减成本，也能助力业务增长、创造新岗位，若能将人们从繁重复劳动中解放，将开启人类更自由探索的新阶段 [14]