2026-9-15 : 在AI安全问题上，微软快速给出了反应。当地时间9月14日，微软发布了名为《人文主义人工智能行为准则》的文件，阐述微软MAI模型的预期行为与价值观。微软在该行为准则中点出了一个前提，即人比AI更重要。技术的目的是推进人类文明，加速人类繁荣，这也是微软对AI的意图和期望。技术该如何推动人类繁荣？例如在增加人类能动性并改善判断力方面，微软认为AI应帮助人们增强理解、决定、行动和体验的能力。它应赋能人们，增强他们反思、计划、从事有意义工作、发展自己的目标或身份，并为自己的决定承担责任的能力。它不应取代个人成长，尤其是当活动的主要目的是学习或发展时，它不应左右用户自身的价值观，也不应替代个人对其选择的自主权。在具体操作层面，微软提及MAI模型不抵抗或规避人类控制，始终承认人类意图的优先性。同时模型的行为保持在授权范围内，MAI模型不会独立发起目标，也不会将其范围扩展到用户或运营方合理要求之外。此外，微软认为模型应该有“边界感”，在不确定性无法解决等情况下，MAI模型将向用户说明相关限制。它将解释为什么特定行动受到约束、不被推荐或完全排除，并将提出合理替代方案。微软表示，本次发布的文件为草案版本，是为了征求更广泛的反馈来完善开发人文主义AI的方法。微软计划今年年底发布修订版，以指导微软2027年及以后的模型开发。对于人工智能安全挑战的话题，微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）在社交媒体上发表了自己的看法，他表示任何对超级智能的追求都必须建立在这样一个核心原则之上：如果构建的AI没有帮助人类，且不处于人类控制之下，那它就不值得追求。萨提亚·纳德拉还再次强调了微软反对AI霸权的观点。他表示，对于企业而言，至关重要的是保留对其独特和隐性知识的完全控制。每个组织都应能够构建自己的持续学习循环/爬坡机器，而不依赖任何单一模型提供商，并能够将自身知识嵌入其控制的模型和权重中。随后微软人工智能业务负责人穆斯塔法·苏莱曼（Mustafa Suleyman）转发了他的观点并评价到，“这是一个如此直截了当且符合常识的观点：技术的目的是服务人类，并加速人类繁荣。任何未能实现这一目的的技术都是失败的，都应当被拒绝。我们还没有走到那一步。但开始为这种可能性做准备是正确的。”穆斯塔法·苏莱曼此前就表示其领导的超级智能团队旨在实现人文主义超级智能。此前，Anthropic首席执行官Dario Amodei发布了长文表示要放缓AI发展的速度，引发业内关注。

2026-9-15 : 9月15日盘中，A股多只AI芯片股股价走高。盘中AI芯片公司寒武纪（688256.SH）涨4.62%，摩尔线程（688795.SH）涨2.03%，燧原科技（688801.SH）涨7.04%，沐曦股份（688802.SH）涨3.23%。港股AI芯片公司天数智芯（09903.HK）和壁仞科技（06082.HK）分别涨6.15%和6.22%。消息面上，近日工业和信息化部、国家发展改革委联合印发《电子信息制造业发展“十五五”规划》，提出到2030年，我国电子信息制造业高质量发展取得显著成效，在集成电路、先进计算、消费电子、基础电子等领域涌现一批长板技术和产品，形成具有竞争力的世界一流企业。上述规划文件重点提到关键核心技术要快速突破，算力供给能力大幅增长，新一代智能终端应用普及率显著提升。国内AI芯片股的走势与前一日多只海外半导体股的走势不同。在“AI减速论”等影响下，美国当地时间9月14日，多只美股半导体股股价走低。英伟达(NVDA.O)股价跌3.36%，市值5.08万亿美元，市值一夜蒸发1766亿美元。博通（AVGO.O）跌4.77%，美光科技（MU.O）跌5.25%，AMD（AMD.O）跌4.4%，阿斯麦（ASML.O）跌7.25%，纳斯达克指数跌0.56%。欧洲市场方面，当地时间9月14日，英飞凌科技（IFX.DF）则跌7.72%，半导体供应链厂商索泰克（SOI.PA）跌12.58%，爱思强（AIXA.DF）跌11.24%。在海外，“AI减速论”引发了关于AI基础设施建设速度减缓、减少芯片需求的担忧。此前Anthropic公司CEO阿莫代伊(Dario Amodei）发文呼吁AI行业控制前沿（AI）的发展节奏。阿莫代伊的言论获得了竞争对手的认可，OpenAI CEO奥尔特曼（Sam Altman）和马斯克也站在了同一战线。在当地时间9月14日的一场公开活动上，英伟达CEO黄仁勋表示，当前的恐慌在快速创新与AI安全之间制造了一个虚假的抉择。

2026-9-15 : 比尔·盖茨“变了”。在2026年以前，盖茨一直是人工智能（AI）发展的有力支持者和技术乐观派，虽然也忧虑AI带来的就业和虚假信息的风险，但他认为风险基本可控，并且没有任何一次变革能与AI相提并论；他坚信，AI将有助于解决医疗资源分配不均，推动教育普惠等长期困扰人类发展的大问题。 然而，到了2026年下半年，盖茨认为AI有可能会对人类社会构成严重威胁，如何应对由此产生的风险应是“全球头等大事”。他称，其实科技行业也知道这些威胁，他们却在刻意淡化，因为过多风险警示可能会影响融资。 日前，盖茨接受了第一财经记者的专访，他表示现在看来AI既可以成为推动实现平等的强大力量，也可能会加剧当前的全球不平等。 他进一步解释道：“如果AI只在富裕国家得到应用，无法惠及发展中国家，那么不平等只会进一步加剧。例如在撒哈拉以南非洲，医生越短缺的地方，越无法充分利用AI于健康领域。我认为，（对于改变现状），没有任何理由再拖延下去。” 8月26日，盖茨也曾在个人网站发表了一篇6000字的英文文章，表示向AI时代的过渡，将是人类历史上最为动荡的时期之一。眼下，国际社会并没有做好充分准备。不过，如果采取恰当步骤，AI将会成为一股向善的力量，会让每个人都过得更好。他不否定AI的发展，但越来越关注如何让技术惠及更多人。 担忧 9月8日，美国AI公司Anthropic的研究员考克森（Jacob Coxon）在社交平台X上宣布辞职，他在辞职声明中警告称，业内领先的AI公司正在竞相开发“可能在未来十年内毁灭我们所有人”的超级AI技术，此言一出立即引来轩然大波。事实上，越来越多人和考克森有着同样的担忧。 盖茨说，盖茨基金会与微软、谷歌、OpenAI和Anthropic等美国领先的AI公司都保持着非常好的合作关系，特别是微软，“我曾在那里工作了很长时间，至今仍然会给他们提供一些建议”，而OpenAI和Anthropic，盖茨透露他最近就会去旧金山拜访它们，进行一些磋商。 今年1月，OpenAI和盖茨基金会共同发起“地平线1000（Horizon 1000）”倡议。双方共同投入5000万美元资金及技术支持，推动AI与医疗结合，帮助非洲国家利用AI完善卫生保健体系。卢旺达是该倡议的首个试点国家。盖茨表示：“卢旺达有望在一定程度上成为非洲的样板。看到他们如此迅速地行动起来，我感到非常振奋。” 9月15日，盖茨基金会还宣布将在未来两年至少投入10亿美元，推动AI更加广泛、公平地惠及全球人群。同日，发表了题为《创造改变——AI、公平与刻不容缓的抉择》的2026年《目标守卫者报告》（下称“报告”），表示AI是让拥有最多资源的人受益，还是能够惠及那些拥有最少资源的人，目前尚未定型，所以时下的选择相当重要。 盖茨向第一财经记者解释道，这一窗口期可能只有12-18个月，“我们不应该浪费任何时间。以健康领域为例，无论是让AI直接帮助患者，还是帮助医护人员提升服务能力，亦或是改善他们决策的质量以及后续复诊的效果，这些都意味着能够挽救大量生命。” 盖茨认为，要让更多人从AI中受益，就有必要从大语言模型中的“语言”下手。在训练早期大语言模型时，90%以上的数据都来自英语信源。所以对于英语和其他主要语言使用者来说，AI正变得越来越精准和强大，而对于其他人来说，AI却停滞不前。 例如在尼日利亚，对一位说约鲁巴语的人来说，试用完AI可能会觉得AI没什么大不了，因为用现在市面上领先的AI语言识别系统与他对话，识别的错误率高达60%，而同一系统对英语的错误率不到6%。 有时候这些错误可能是致命的。例如，在非洲东南部的内陆国家马拉维，一位产妇跑进诊所，用当地语言齐切瓦语说“羊水破了”，如果医生用现在流行的AI工具翻译，大概率会直译成“把水倒了”，很可能会造成医患之间的沟通误解。 因此，盖茨基金会承诺的10亿美元，部分将用于建设公平普惠AI所需的数字基础设施，包括建设目前AI工具尚未充分覆盖的语言数据集，并根据这些工具服务对象的日常用语进行评估。 对于10亿美元的额度，盖茨基金会首席执行官（CEO）苏斯曼（Mark Suzman）说：“大家每天在新闻里听到，（AI的投资）动辄达到天文数字，相比之下，10亿美元听起来似乎不算多。但实际上，在AI普惠这个领域，这是一项极具分量的投入。我预计，这一投入未来还会进一步增加。” 盖茨眼中的中国AI 盖茨对中国AI产业的发展显然十分关注，聊起中国的一些新发展时如数家珍。他说，相比其他国家，中国对人形机器人的关注度更高，前一阵在周末看了世界人形机器人运动会，“看得非常开心”。 他颇为兴奋地说，比赛中既有一些令人惊叹的成功，也有一些相当“壮观”的失误。不过，仅仅是组织“机器人奥运会”赛事本身，就是颠覆认知的，他认为等到下一届比赛举办时，一定会更有意思，“这个领域的发展速度非常快，届时无论是整体水平还是比赛结果，都会有很大的变化。” 谈到人形机器人，盖茨说，机器人手部技术目前仍是瓶颈问题。“中国研究手部技术的人尤其多，我曾在上海参观过一家公司，他们就在研发机器人手部技术，我也一直密切关注这一领域。”他预测道，“如果再过几年，人形机器人能够达到人类的水平，从事建筑和制造业工作，它们甚至可以一天24小时地工作，从某种意义上而言，这是件好事，因为生产率提高了。” 盖茨谨慎地用了“从某种意义上而言”，他尤其担心由此带来的就业问题。“整个社会都需要思考，我们应该如何作出调整，让目前从事这些工作的人感受到，他们能够得到妥善的照顾和支持，而且这种支持不能仅仅是经济上的。在我看来，这是一个全世界都还没有解决的问题。”他说道。 在前述盖茨发表的6000字长文中，一共提到中国三次，是除美国以外提到次数最多的国家，他在文中就AI国际治理问题提议，“美国和中国之间需要一些合作”，以应对AI带来的挑战。 “我相信大家也都知道，中国的AI模型表现非常出色。”盖茨向记者表示，“根据不同的衡量方式，中国和美国都分别有四家甚至更多个机构的模型能够保持最先进水平。也就是说，得分最高的模型与另外七个领先模型之间的差距其实并不大。事实上，现在这些模型的表现都已经超过了大约四个月前最好的模型。” 盖茨将当前的这种局面称为“超级竞争”，他说这意味着，包括非洲各国政府在内的用户，可以获得很多性能不错、价格较低的选择。 此外，他还进一步提议：“我希望两国都能拿出大约5%的数据中心算力，将其作为一种类似于对外援助的方式，为贫困国家提供支持，用于健康、农业和教育等具有重要人道意义的领域。”

2026-9-15 : Anthropic CEO达里奥·阿莫迪近日发出“放慢前沿AI发展速度”的呼吁后，AI行业罕见地出现了由头部实验室掌舵者共同参与的安全讨论。OpenAI CEO萨姆·奥尔特曼、Google DeepMind CEO德米斯·哈萨比斯以及xAI创始人埃隆·马斯克相继表示支持。与此同时，英伟达CEO黄仁勋、Meta CEO马克·扎克伯格、前白宫AI事务负责人戴维·萨克斯、图灵奖得主杨立昆等人则从不同角度表达质疑，美国总统特朗普也明确反对让AI发展速度受到约束。这场争论的核心并不是AI究竟有没有风险，而是一个更现实的问题：当AI能力增长速度已经超过人类对其行为的理解和控制能力时，行业应该主动放慢速度，还是继续推进技术发展，同时通过安全研究解决风险？如果决定放缓速度并开始制定相关行业标准，又要如何平衡参与方自身利益与公共利益之间的关系？一切都还没有答案。安全能力需要追上模型能力本轮讨论由AnthropicCEO达里奥?阿莫代伊在《We Must Pace the Frontier》一文中发起。他提出，AI前沿能力迭代速度已经快于安全研究的追赶节奏，警示若自主AI智能体持续快速演进，未来6-12个月极端情形下或出现大规模自主系统接管互联网、酿成重大损失的风险，应当预留时间给安全研究跟进，而非事故发生后再补救。同时他也强调，放缓不等于停止研发，要实现能力提升与安全措施同步落地。他倡议效仿美国金融业监管局，由美国牵头设立前沿AI标准机构，引入独立第三方，针对网络安全、生物风险、模型欺骗、绕过防护等高风险维度开展模型测试。Anthropic承诺向第三方评估机构开放接近员工级别的系统访问权限，核验安全举措。奥尔特曼随后公开支持这一方向，并承诺OpenAI也将允许独立评估人员以类似员工的权限进入公司检查安全实践。宣布暂停IPO、强调AI安全风险后，奥尔特曼再次发文称，当下AI能力提升曲线陡峭，社会需要建立对美国前沿AI企业负责任研发的信心；每家前沿实验室都必须履行安全承诺。他称，OpenAI已经将安全工作前移，在开展有可能大幅提升模型能力的前沿强化学习实验启动之前，就要制定完整安全方案，而不是只在发布前补做安全审查。同时呼吁其他前沿实验室参考这套做法，各家输出自身方案；推动行业在对齐、监控、安全领域建立共享标准与最佳实践，开展同业合作。奥尔特曼并没有把安全问题限定在OpenAI内部。此前接受媒体采访时，他暗示OpenAI与其他领先AI公司可能很快就安全问题展开更正式的合作。哈萨比斯也表示，阿莫迪提出的方向是正确的，只是具体细节仍需要进一步讨论；马斯克则直接表示阿莫迪是正确的。这形成了AI产业现象级一幕：Anthropic、OpenAI、Google DeepMind和xAI的掌舵者，在一个长期高度竞争的领域中，就“前沿AI发展速度需要受到一定约束”形成了公开共识。行业将其形容为四家主要AI实验室在短短数小时内罕见地站到了同一边。支持者的逻辑并不是否定AI带来的巨大经济价值。哈萨比斯在文章中称，AGI可能只需几年时间，并可能产生远超互联网和移动通信的影响；但正因为技术潜在影响如此巨大，网络安全、生物风险以及未来具备递归自我改进能力的智能体风险才需要提前处理。硅谷投资人加文·贝克表示，过去24小时对AI行业来说可谓风云变幻，各种提案层出不穷。唯一切实的方案是引入第三方评估人员，且相关人员必须与任何实验室之间无关联。多元观点背后的利益牵扯另一边，质疑声同样迅速出现。有消息称9月14日，黄仁勋在洛杉矶参加All-In Summit时，现场与特朗普通话。当时台上讨论的正是阿莫迪提出的“放慢AI发展速度”。特朗普反驳了AI恐慌，黄仁勋随即回应：“我们不会让这（AI减速）发生”。杨立昆则重新翻出了2019年GPT-2的争议。当时阿莫迪仍在OpenAI，OpenAI以模型可能被滥用等理由，未一次性公开参数规模最大的GPT-2。杨立昆近日对此嘲讽称，阿莫迪当年就认为GPT-2太危险，而自己当时曾对此表示嘲笑，“现在大家也应该嘲笑他们”。这并不意味着杨立昆否认AI安全问题，他对灾难性AI风险保持怀疑，并警惕安全叙事最终演变成对模型开放、技术创新和市场竞争的限制。争论还牵涉一个更现实的利益结构。Anthropic正在筹备IPO，在这样的时间节点，要求政府建立前沿AI标准、允许头部实验室协调发展节奏，很容易引发“监管俘获”的质疑。因为越高的安全门槛，可能越有利于已经拥有巨额算力、数据、人才和合规资源的大公司，而增加初创企业、开源社区和学术机构进入前沿模型竞争的成本。行业认为，这正是硅谷批评者质疑此次安全倡议的重要原因之一。因此，这场观点分裂的背后实际上存在至少三层不同利益。第一是安全与技术竞争之间的矛盾。前沿实验室直接面对模型失控、网络攻击、生物风险等潜在后果，因此更需要强调安全；芯片公司、投资者以及政策制定者则更关注算力投资、产业增长和美国技术领先。第二是安全治理与市场竞争之间的矛盾。统一标准、第三方审计和强制测试可以降低风险，却也可能提高进入门槛。尤其当制定规则的人本身就是最强大的几家模型公司时，“安全标准”是否会进一步固化行业集中度，成为不可回避的问题。第三则是全球协调困境。如果所有前沿实验室都同步放慢，安全收益可能较大；但如果只有部分公司或部分国家减速，竞争对手可能继续推进。这实际上构成了一个典型的囚徒困境，也是为什么阿莫迪、奥尔特曼等人越来越强调行业共同标准，而特朗普、萨克斯等人则担心这种协调会削弱美国竞争优势。因此，目前AI行业真正出现的并不是简单的“支持派”和“反对派”，而是两种不同的风险判断：一方认为前沿AI已经快到必须给安全机制留出追赶窗口；另一方则认为，放慢本身可能产生新的战略风险，而且由头部实验室主导的安全规则可能演变成行业壁垒。这也是这轮争论最值得关注的地方。AI安全正在从实验室内部的技术问题，迅速转变为一个同时涉及产业竞争、资本市场、国家安全、反垄断和国际治理的问题。未来真正的分歧可能不在于“要不要安全”，而在于：谁制定安全标准、谁拥有暂停能力，以及当安全与竞争发生冲突时，究竟应该牺牲哪一边。

2026-9-15 : “AI减速论”砸向芯片股。美国当地时间9月14日，多只半导体股股价走低。英伟达(NVDA.O)股价跌3.36%，市值5.08万亿美元，市值一夜蒸发1766亿美元。博通（AVGO.O）跌4.77%，美光科技（MU.O）跌5.25%，AMD（AMD.O）跌4.4%，阿斯麦（ASML.O）跌7.25%，纳斯达克指数跌0.56%。欧洲市场方面，当地时间9月14日，英飞凌科技（IFX.DF）跌7.72%，半导体供应链厂商索泰克（SOI.PA）跌12.58%，爱思强（AIXA.DF）跌11.24%。此前Anthropic公司CEO阿莫代伊(Dario Amodei）发文，呼吁AI行业控制前沿（AI）的发展节奏，提出第三方评估、协同制定安全标准、协调全球规则等措施。阿莫代伊的言论获得了竞争对手的认可。OpenAI CEO奥尔特曼（Sam Altman）和马斯克也站在了同一战线。奥尔特曼称，现在还没达到可以在安全能力未取得进一步进展的情况下，继续大幅推进模型能力的阶段。在此之前，Anthropic研究员雅各布·考克森（Jacob Coxon）宣布辞职，这名研究员警告AI有可能“在本世纪末杀死我们所有人”。近期警告过AI安全问题的业内人士还包括OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）、OpenAI AI安全研究员保罗·克里斯蒂亚诺（Paul Christiano）、前Anthropic可扩展监督团队负责人乔·本顿（Joe Benton）、前谷歌DeepMind通用人工智能安全团队研究员乔希·恩格尔斯（Josh Engels）等。AI厂商放缓模型开发速度向上传导，可能影响AI基础设施建设速度，减少芯片厂商的需求。因担忧安全问题而放缓基础设施建设速度，是芯片厂商不愿意看到的。对于其中一种AI安全问题，英伟达CEO黄仁勋的看法是可以“用AI抵御AI”。上周黄仁勋称，网络安全很可能成为AI的下一个主要应用场景，随着AI加快代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求随之增长。在当地时间9月14日的一场公开活动上，黄仁勋则认同了“AI应放缓发展”言论背后存在复杂动因的看法，他表示对雅各布·考克森勇敢表达担忧的赞赏，同时表示当前的恐慌在快速创新与AI安全之间制造了一个虚假的抉择。“从根本上说，人们会问：为了全球AI安全性的提升，资本支出是否会减少、增长速度是否会放缓。这对全球范围内股票的增长和收益会带来什么影响？”巴克莱银行欧洲股票策略主管埃马纽艾尔·考（Emmanuel Cau）表示。从AI芯片龙头的股价走势看，美股8月27日，英伟达对2028财年给出营收增长约70%的指引后，股价收涨8.74%，市值一夜增长4415亿美元至5.49万亿美元。美股9月4日，英伟达市值达到5.55万亿美元。但随后5个交易日，英伟达股价累计下跌了8.32%。

2026-9-15 : 受人工智能头部企业集体强调AI安全、呼吁放缓前沿大模型研发，叠加OpenAI年内放弃IPO，市场交易 “AI模型迭代减速 = 芯片需求下行”预期，引发全球芯片板块共振杀跌。 周一，抛售潮席卷亚洲、欧洲和美洲市场，初步统计显示，全球半导体和AI算力硬件产业链总市值蒸发超5000亿美元。 泥沙俱下 全球头部人工智能企业高管出于安全考量，呼吁行业放缓AI技术研发节奏，给本周初市场情绪带来极大负面影响。 亚洲市场早盘率先下挫，OpenAI主要投资方之一、科技投资集团软银集团收盘大跌11%；闪存厂商铠侠下跌 6.4%；韩国芯片巨头SK海力士、三星电子分别下跌 6.4%、4.1%，拖累韩国综合指数（Kospi）下挫 3.3%。 欧洲市场方面，荷兰半导体设备商阿斯麦下跌6%。ASM国际、BE半导体设备公司分别下跌10%、8.2%。欧洲芯片企业英飞凌、意法半导体下跌超6%。与AI基建建设相关的企业同步走弱：生产数据中心配套涡轮设备的西门子能源下跌逾8%；欧洲半导体供应链其他企业同样大幅下跌，法国索泰克（Soitec）与德国爱思强（Aixtron）领跌欧洲斯托克600指数。 最后美股跳空低开，本轮AI行情的领涨板块 ——芯片股跌幅最重，费城半导体指数下跌近6%：英伟达跌3.3%，博通、AMD 和闪迪跌超4%，美光科技跌5.3%。 盈透证券首席市场分析师史蒂夫?索斯尼克表示：“如果这最终引发AI资本开支放缓与行业重新评估，将会对经济和股市重要板块产生深远影响。本质上，市场此前的火热行情，正是由AI资本开支所驱动。” 上周末，正在筹划IPO的Anthropic首席执行官达里奥?阿莫代伊（Dario Amodei ）撰文呼吁，AI行业应当避免恶性竞速，投入必要时间，确保前沿模型以负责任的方式开发。“过去几个月，我越发确信，想要充分应对各类风险，需要秉持更高的审慎态度。不只是投入资金做风险防范，还需要管控AI能力的迭代速度，为风险防控争取追赶的时间。我们必须放缓人工智能模型的能力提升节奏。整体技术依旧会保持较快发展，我们要善用争取到的时间。”他还列出行业在安全研发上需要考量的事项，包括引入第三方评估机构。 阿莫代伊的提议迅速得到了SpaceX、OpenAI等一众科技巨头的公开支持。OpenAI首席执行官山姆?奥尔特曼表态认同这位竞争对手的观点。“人工智能的发展存在两种必须规避的灾难性走向。第一，我们可能会被人工智能夺走对未来的掌控权。这是无法接受的。我们坚定站在人类这边，人工智能必须始终服务于人。要实现这一点，就要确保对齐技术与安全技术的发展，跑赢模型能力的迭代速度。第二种风险，是世界出现权力的高度集中。如果某个人或者某家企业手握能力极强的人工智能，并把自身世界观强加给所有人，最终将酿成极度反乌托邦的局面。规避这两类威胁，需要走好一条狭窄的中间道路。”奥尔特曼同时称，出于安全考量，OpenAI今年不会推进 IPO。 微软周一发布了一份针对旗下人工智能模型的临时行为准则，要求模型不得响应武器制造相关请求，不得协助获取危险物质，不得生成违规内容。微软表示，准则将在收集外部意见后更新，并将于2027年起正式指导其模型开发工作。微软CEO纳德拉表示，"我们欢迎开展必要的研究，并以审慎的节奏推进AI对齐工作。" 值得注意的是，多名美国国会议员已经对AI快速发展表示担忧，呼吁出台新规。报道称，美国参议院谈判代表正在讨论立法，要求 AI 企业证明自身已落实合理风险防范措施。 前景如何 一些机构观点认为，此次科技股的抛售更像是消息触发的本能反应。 盛宝金融首席投资策略师查鲁·查娜纳称：“AI板块估值定价不仅隐含强劲需求，还预设模型迭代会持续高速推进。”她补充道，中东局势推高油价与美债收益率，投资者本就对任何利空该预期的消息容忍度偏低。 部分市场观点对这类末日论调表达了怀疑。因2008年成功押注美国房地产崩盘而闻名的“大空头”迈克尔?伯里（Michael Burry）在社交平台发文称，这类风险警告是头部大厂用来压制小型竞争对手的手段。 Annex 财富管理首席经济策略师布莱恩?雅各布森同样质疑这些表态的可信度。“真正有说服力的审慎观点，应当建立在实证证据之上，而非恐惧情绪。我们既要警惕头部企业借此维护自身市场地位，也要警惕那些对无法量化的远期结果做出笃定预判的言论。”他表示。 美国总统特朗普周一表达了对Anthropic首席执行官言论的强烈不满，称在商业历史上，从未见过行业龙头主动呼吁实施监管，而一旦严格执行这类监管，就会令企业销声匿迹甚至破产。他表示，所谓人工智能将接管世界、毁灭人类等一系列负面说法都是骗局。特朗普认为，人工智能与数据中心将成为有史以来最强劲的经济发展引擎，其影响力将超过石油、黄金、钻石乃至互联网，在他的总统任期内，这项产业不会被那些蓄意破坏的势力阻拦。 另一方面，放缓下一代前沿模型研发速度，未必会打断AI投资周期。摩根士丹利今年早些时候预测，到2027年全球AI支出将突破1.3万亿美元。德意志银行在研报中写道：企业与国家之间的竞争依旧激烈，很难想象各家企业会在对手持续加码的情况下主动后退。 老虎证券市场策略师詹姆斯·沃伊表示：“AI需求的下一阶段，或将更少取决于新模型训练的频率，更多取决于模型的使用密度。”此外，AI 算力需求下一阶段主要由推理与智能代理类任务驱动，仍可持续支撑硬件与基础设施供应商。 尽管如此，分析师对AI硬件厂商持续扩产的计划发出警示。三星与SK海力士计划在韩国新建芯片产业集群，总投资超5000亿美元，用以扩充产能。日本市场，铠侠与闪迪合计投入超310亿美元，大规模扩产闪存芯片。“如果新增产能落地快于需求增长，包括高带宽内存（HBM）在内的存储器将面临供给过剩风险。”查娜纳称。

2026-9-14 : 旧金山Press Club的一块屏幕上，十几个AI Agent正在接力工作：一个写代码，一个审查，一个搜索资料，另一个运行测试。屏幕前的创业者不再像软件使用者，更像一名数字员工的管理者。同一时间，Anthropic与OpenAI都已经向美国证券交易委员会保密提交S-1草案。围绕Anthropic的上市讨论中，30万亿美元成为一个醒目的潜在市场口径：AI未来可能参与完成的全球工作。但截至9月14日，两家公司均未公开招股书，发行价格、募资规模和IPO估值都没有确定，Anthropic也没有公开说明30万亿美元的计算方法。这场可能改变AI资产定价方式的上市竞赛，首先提出的不是技术问题，而是一道会计题：人类工作的价值，有多少能成为模型公司的收入，又有多少最终能留下成为自由现金流？30万亿美元叙事从哪里来2021年，Dario Amodei等前OpenAI成员在旧金山创办Anthropic。五年后，Anthropic先于OpenAI一周宣布保密提交S-1草案。两家公司都取得了进入公开市场的选项，但何时上市仍未确定。资本市场已经给出很高的起点。Anthropic在2026年5月完成650亿美元融资，投后估值为9650亿美元；OpenAI在3月完成融资后披露的投后估值为8520亿美元。Anthropic的最新私募估值已经超过OpenAI，但私募估值不是IPO定价，更不是内在价值。最需要审慎对待的是30万亿美元。公开材料尚未披露这一数字的计算方法，也无法确认Anthropic会不会最终在招股书中采用这一口径。它更适合被理解为AI可能参与的工作价值，而不是一家公司的收入预测。人类工作的价值，不能直接算成AI公司的收入。在旧金山Press Club，一名住在圣何塞的曾经荣获CES最佳创新奖的创业者给笔者展示了一块大屏幕，屏幕上同时运行着十几个AI Agent：一个写代码，一个审查代码，一个搜索资料，一个跑测试，前一个Agent完成任务后，另一个继续接手。他本人已经越来越少在GitHub、Slack和浏览器之间切换。过去，他是软件的使用者；现在，他更像一个管理十几名数字员工的经理：分配任务、检查结果、处理异常，然后决定下一步由谁继续工作。两年前，这位创业者组织了20人的团队，主要使用OpenAI模型；现在，他用两个人的核心团队和Claude Code完成更多工作。他把团队变化部分归因于Agent带来的效率提升。不仅公司组织结构发生变化，使用的大模型也发生了迁移。Anthropic披露，公司年化收入运行率在2026年5月超过470亿美元；其4月公告显示，这一数字已从2025年底约90亿美元升至300亿美元。这样的增速足以说明企业需求正在加速，但年化收入运行率只是把近期收入外推一年，不能代替全年收入、毛利率和自由现金流。AI最大的潜在市场不是软件，而是工资单AI最大的潜在市场不是软件，而是工资单；但工资单不是模型公司的收入表。真正值得下注的，不是谁能证明AI可以参与30万亿美元的工作，而是谁能把企业节省的一美元成本，转化为自己可以长期保留的自由现金流。基础模型、前沿部署工程师（FDE）和垂直应用并非互相排斥：模型提供能力，FDE负责把能力嵌入客户流程，垂直应用掌握数据和结果。Palantir证明实施与交付可以形成很强的价值捕获能力。一位加拿大创业者对笔者表示，Palantir是他们学习的榜样。其团队正在为中东石油工厂开发数字孪生项目，这同样属于FDE市场。在他看来，FDE未来可能成长为万亿美元级市场。公开市场不会只看收入和毛利率。对于AI公司，更有解释力的指标包括单位token收入和服务成本、每兆瓦算力对应的收入、客户净收入留存率，以及资本投入最终能产生多少自由现金流。硅谷可以讨论30万亿美元，投资者最终仍要回答：一单位算力能生产多少真正留下来的收入？纽约对冲基金Amont Partners管理合伙人Rob Li对笔者表示，现阶段Anthropic最大的优势，是企业端商业模式比OpenAI的消费者业务更容易测量。他早年从事杠杆收购，此后转向全球二级市场投资，评估一家公司仍然遵循典型的私募投资逻辑：看管理层是否具备投入资本回报率意识，看自由现金流，看管理层激励，也看增长最终能否超过资本成本。在他看来，Anthropic从一开始就更明确地面向企业客户。企业市场即使不像把全球消费者都算进去那样宏大，但谁在付钱、为什么付钱、用量多少、单位经济如何，都更容易验证。消费者AI目前经过验证的货币化模式主要仍是订阅和广告，而广告市场已经被Google、Meta等公司长期经营，它们拥有分发、数据、现金流和自己的模型。相比之下，企业竞争虽然激烈，但收入路径目前更清晰。这也是为什么一些华尔街投资人更愿意先用“企业软件”框架理解Anthropic。企业购买Claude Code或者Agent，可以直接计算节省了多少工程师工时、项目提前多少天上线、减少多少外包费用。OpenAI则相反，它先获得大规模消费者入口，再寻找订阅、广告、交易、API和企业Agent之间的最优组合。前者的边界目前更明确，后者的可选性更大，也更难估值。但这个“企业软件市场”的框架可能很快就不够用了。Anthropic最成功的突破口是coding，而coding的真正价值，并不是程序员喜欢Claude，而是代码具备其他知识劳动很少拥有的特征：结果可以被机器验证。程序能不能编译、测试能不能通过、Bug有没有修好，都有相对明确的答案。如果AI替市场人员“提高了创造力”，CFO很难知道这项提升值多少钱；如果Claude把六小时的编码任务压缩到一小时，企业可以马上计算工时、交付速度和项目成本。硅谷初创公司NeoCognition联合创始人谷雨告诉笔者，公司目前每月为Claude相关API调用支付约60万美元，团队成员通常会同时运行七八个Agent支持工作。中国团队AI游戏平台陶泥儿创始人包仲航告诉笔者，团队成员的token调用量差异很大，同样呈现明显的二八分化，少数高水平使用者消耗了大部分用量。所以Anthropic真正找到的，是给“智能”标价的方法。AI最先进入的工作，未必是工资最高的工作，而更可能是反馈周期最短、结果最容易验证、责任边界最清晰的工作。Coding只是第一块滩头阵地，金融分析、网络安全、法律文书、科研、营销运营甚至部分管理任务，只要能形成类似验证闭环，都可能成为下一块市场。这时，Anthropic面对的已经不只是软件预算，而是工资、外包、研发和运营成本。“Anthropic会不会取代Salesforce”其实把问题问小了。更准确地说，它真正想做的，是让Salesforce变成数据库，让Claude变成员工。Salesforce不会消失，SAP不会消失，Workday也不会消失，企业仍然需要保存客户、员工、供应链和财务记录，但以后真正打开这些软件的人可能越来越少。Agent会直接调用API、读取记录、完成流程。过去二十年，SaaS最重要的收费单位是seat，多一个员工，往往意味着多卖一个席位。Agent正在更快地拆开员工数量和软件席位之间的关系：一个员工可以管理多个Agent，却不需要为每个Agent购买一套传统SaaS账号。AI可能先减少的不是软件，而是人必须亲手操作软件的时间。这正是30万亿美元叙事的逻辑：它计算的不是传统软件采购，而是AI未来可能参与完成的工作。理论市场和基础模型的分成率有多远30万亿美元也是最容易制造估值幻觉的数字。假设一家企业过去花100美元让人完成某项工作，AI把成本降低到60美元，Anthropic不会自动得到那40美元。可能20美元留在企业利润表里，5美元给云厂商，5美元进入垂直Agent公司，还有一部分通过竞争回到客户，模型公司最终只能获得其中的一部分。这里最重要的区别是：价值创造不等于价值捕获。一位佛罗里达大学研究人员对笔者表示，谷歌Gemini体系拥有更为多元的产品入口，正在更接近形成从用户需求到交易的闭环。在他看来，基础模型最终能够获得多少分成，不仅取决于模型能力，也取决于谁掌握用户入口和交易场景。一家交易所的联合创始人对笔者表示，目前平台上以GPU为抵押品的期货交易量很大，但交易所的抽成只有十万分之二，即0.002%。这进一步说明，交易规模很大，并不意味着平台能够按同样比例捕获价值；市场规模与实际费率之间可能相隔甚远。这带来第一个反直觉真相：Anthropic的TAM越大，基础模型的抽成率反而可能越低。如果Claude像电力一样进入所有企业，它也可能越来越像电：使用量巨大，单位价格却不断下降。Google、OpenAI、Meta、DeepSeek以及开放模型，都在给智能设置价格上限。AI能够参与30万亿美元的劳动，不意味着任何一家模型公司拥有30万亿美元的定价权。OpenAI则从完全相反的方向逼近同一个终点。Anthropic先占领企业内部的高价值任务，OpenAI先占领消费者。因此今天继续把OpenAI理解为一家ToC订阅公司已经不准确。ChatGPT最重要的资产并不只是每个月20美元订阅，而是意图。Google知道一个人在搜索什么，Facebook知道一个人在看什么，Amazon知道一个人在买什么，而ChatGPT越来越知道一个人在这一刻想完成什么。“帮我写程序”“研究这家公司”“替我安排旅行”“帮我找工作”，这些不是普通流量，而是距离行动和交易非常近的一类数据。免费用户或是OpenAI的分发资产第二个反直觉真相是：OpenAI今天最昂贵的免费用户，可能是未来最值钱的分发资产。消费者使用AI会产生真实推理成本，但如果ChatGPT最终成为搜索、购物、工作和Agent执行入口，免费推理也可以被视为获客成本。ChatGPT本身已经是杀手级App。OpenAI尚未完全解决的是，订阅、广告、交易、Agent、API和企业收入怎样组合，才能获得最高的投入资本回报率。一位硅谷创业者告诉笔者，他已经在使用可以连接财务信息的AI工具管理个人开支。系统提出的节流建议让他感到意外，他随后取消了部分不必要的订阅和支出。这也是为什么OpenAI正在从模型公司变成一家越来越难分类的公司：一部分像Google，一部分像Microsoft Office，一部分像AWS，现在又开始像Nvidia。2026年6月24日，OpenAI与Broadcom共同发布首款定制推理芯片Jalape?o（墨西哥辣椒），计划在2026年底开始初步部署。它真正重要的地方不是某一项基准测试，而是OpenAI为什么必须做芯片。答案仍然写在利润表里：传统软件每多服务一个用户，新增成本接近于零；AI不是。Agent思考越久、调用工具越多、运行步骤越复杂，背后需要的GPU、电力、存储和网络越多。智能有原材料成本。因此，Anthropic收入越快增长，它就越需要购买算力；OpenAI用户越多，也必须承担越多推理成本。模型公司的商业模式正在反过来改变芯片和数据中心产业。一名硅谷的圣何塞工程师在屏幕上多开十个Agent，类似的蝴蝶效应，最终可能传导成得州多建一座数据中心、台湾增加一批先进封装、韩国扩建HBM产能，以及美国电力公司的资本开支上升。这也是黄仁勋所谓AI“五层蛋糕”真正值得投资者理解的地方：能源、芯片、基础设施、模型、应用，从来不是五个彼此独立的市场，而是同一笔经济价值在产业链上的重新分配。由此又产生一个更重要的资本市场判断：AI时代最伟大的公司，未必产生AI产业里最伟大的股票回报。 模型层可能增长最快，但也是资本开支最重、价格竞争最快、技术更新最剧烈的一层。反而是电力设备、HBM、先进封装、网络、冷却、土地和并网资源这些看上去不那么性感的环节，可能因为真实稀缺性拥有更稳定的定价权。Rob Li也提醒，AI资本开支能否最终覆盖资本成本，要看融资成本、折旧周期和真实需求。大型云厂商的安全垫更厚，因为算力既可以出租，也可以内部使用；越靠近消费者，商业模式越需要直接证明用户最终愿意付多少钱。因此，Anthropic真正公开招股书的那一天，其重要性可能超过下一次Claude发布。私人市场可以不断讨论AGI、30万亿美元TAM和下一代模型，公开市场最终会把所有宏大叙事压缩成几个冷冰冰的数字：毛利率、推理成本、资本开支、客户留存和自由现金流。这场IPO还存在监管风险。Anthropic与美国国防部围绕模型使用边界和“供应链风险”认定的争议已经进入司法程序。2026年8月下旬，加州联邦地区法院裁定部分处理违法，但其他法律程序和政府采购争议仍未结束。对于一家准备进入公开市场、同时服务企业和政府客户的AI公司而言，这些不确定性会进入估值。Anthropic的企业路径目前更清楚，OpenAI拥有更大的消费者分发和更多商业模式可选性。谁会成为更伟大的公司，现在已经可以争论；谁会成为更好的股票，却必须等价格。Rob Li的观点笔者有同感，一次IPO配售、赚取短期价差可以是一笔交易，但不要把交易和投资混为一谈。真正的投资，必须能够通过业务、现金流和资本回报解释估值。因为一家1万亿美元的公司，如果五年以后仍然价值1万亿美元，并不是一家失败的公司，却完全可能是一笔失败的投资。谁能将30万亿美元市场变成可持续现金流？回到Press Club，那个来自圣何塞的工程师仍然面对同一块屏幕，十几个Agent同时工作。今天看，他不过是一个把AI用得更充分的创业者；但如果这一幕变成未来公司的一般工作方式，五年以后我们回头看2026年的旧金山，也许会发现真正的转折点从来不是某一天Claude超过GPT，或者GPT再次超过Claude，而是人在公司里的位置变了。工业革命把人的肌肉交给机器，互联网把信息传播成本压到接近于零，云计算把服务器变成可以按需购买的基础设施，而这一轮AI正在继续向前：把一部分智力变成可以按量购买的生产资料。因此，AI的理论市场会从软件预算延伸到工资、外包和运营成本。然而，对准备购买OpenAI和Anthropic股票的投资人来说，真正的问题还必须再往前一步：AI能够参与30万亿美元的工作，只说明它可能创造多少价值；谁能把其中一部分持续变成自由现金流，才决定谁值得拥有万亿美元市值。当一个Agent替公司省下100美元人工成本时，谁有权拿走其中的10美元？是OpenAI，是Anthropic，是Google、AWS、Nvidia，还是那个拥有行业数据、客户关系和最终执行权的垂直Agent？谁能长期回答这个问题，谁才真正拥有AI时代的护城河。而答案的第一幕，已经可以在旧金山看见。（作者为硅谷远眺Coremi创始人，交流邮箱yuanlu007@pku.org.cn）

2026-9-14 : ①《人工智能安全治理框架3.0》发布； ②英伟达、Palantir、博思艾伦将限制使用Anthropic模型； ③铠侠据悉考虑赴美上市融资100亿美元； ④微软为其未来人工智能模型设定限制。

2026-9-14 : 近日有消息称，人形机器人企业IPO审核收紧。对此，多名券商投行人士对第一财经称，在当前严把IPO质量关的形势下，人形机器人拟IPO企业的质量尤为被关注。 关于审核趋严的原因，受访人士认为，这与一些申报项目领域还未进入合理商业化循环有关系，未盈利企业是否具备盈利前景，也是受理端关注的重点。 当前处于在审状态的具身智能拟IPO企业中，云深处科技股份有限公司（下称“云深处”）2025年实现盈利，但2026年上半年毛利率有所下降；深圳市越疆科技股份有限公司（下称“越疆科技”）、乐聚智能（深圳）股份有限公司（下称“乐聚智能”）则均处于亏损状态，前者预计今年上半年亏损金额大幅扩大，后者近三个会计年度归母净利润亏损金额逐年增加。 人形机器人IPO审核“重质量” 近日，市场有传闻称，人形机器人企业的IPO审核门槛正在被收紧，需要满足能产生经常性收入，亏损处在持续收窄的轨道上，或者拿出真正意义上的技术创新等条件。 一位华北的券商投行高管对第一财经称，其实也不算收紧，一直是这个口径，就是严把IPO质量关，其中当前人形机器人拟IPO企业的质量尤为被关注。 对于原因，上述券商投行高管认为，与部分申报项目还未进入合理商业化循环有关系。 不只人形机器人领域，“短期整个机器人行业的IPO质量都会被关注”，一位上海的投行人士认为，落地在工业端的机器人企业申报IPO相对会好些，因为这些细分领域更有商业逻辑。 上述华北的券商投行高管也认为，相较人形机器人，申报IPO的装备机器人企业，产品多落地于商业化相对成熟的市场。 除了机器人领域外，整体拟IPO的未盈利企业也被严把质量关。“IPO收紧，不完全是针对人形机器人企业，也涉及整体未盈利企业。”一位华南的券商投行人士对第一财经称，监管收紧未盈利企业IPO审核，主要是就这类企业是否具备盈利前景，在受理阶段做一个实质性判断，并压实保荐机构的前端把关责任。 此前，也有多位投行人士对第一财经称，随着未盈利企业IPO申报项目数量增加，质量不达标情况或会同步增加，在此情况下，保荐机构被要求严把IPO项目质量关，加强甄别，把握不准可以提前和交易所预沟通确认，IPO项目进入到受理端也会被严格把关。 除了准备申报的未盈利企业，上述华南的券商投行人士认为，在审的未盈利IPO企业也会受到影响，“只要还没上市，在审未盈利企业的IPO审核应该也会被从严把关”。 对于收紧未盈利企业IPO审核的原因，“可能是因为未盈利企业在商业模式不成熟、盈利前景不明朗的情况下，便在资本市场公开上市不合适。”上述华南的券商投行人士说。 另外，宇树科技（688836.SH）上市之后股价大幅下跌，也被认为是其中一大影响因素。 8月19日，宇树科技在科创板正式上市交易，成为A股市场“人形机器人第一股”。当日股价以1100元开盘，市值突破4400亿元，之后回落，收报845元，总市值为3418亿元。 上市首日开盘价也成为宇树科技的最高价，之后股价持续下跌，到9月14日首次跌破500元，并探出新低465.58元，最终收报470元，相较最高价下跌57.27%。总市值也缩水至1901亿元。 具身智能拟IPO企业商业化如何？ 那么，当前排队在审以及处于辅导阶段的具身智能企业商业化情况如何？ 在宇树科技之后，云深处、越疆科技、乐聚智能等企业的IPO申请也相继获得受理。从审核状态来看，云深处、乐聚智能在5月份进入已问询环节后，尚未有进展；越疆科技则是在7月22日过会后，IPO材料尚未提交注册。 这三家企业中，云深处在2025年实现盈利，乐聚智能和越疆科技均尚未盈利。 其中，云深处专注于四足机器人、轮足机器人等具身智能机器人的研发、制造与产业化。根据招股说明书，2023年～2025年，该公司营收分别为5011.26万元、1.03亿元、3.37亿元，归母净利润分别为-2585.01万元、-1328.99万元、2868.40万元。同期，公司具身智能机器人收入占比分别为97.94%、86.83%、95.69%。 云深处在回复问询函中称，2025年度公司毛利率已处于相对较高的水平，2026年1~6月毛利率有所下降，未来公司主要产品销售单价将可能呈现下降趋势。 越疆科技则尚未盈利，该公司主营业务为协作机器人和具身智能机器人的研发、生产和销售。2023年～2025年，营收分别为2.87亿元、3.75亿元和4.93亿元，归母净利润分别为-1.03亿元、-9536.46万元、-8353.62万元。 越疆科技在7月15日披露的上会稿中预计，今年上半年，营业收入较上年同期增长94.65%至114.12%，但归母净利润亏损扩大，亏损金额在9000万元～1.2亿元，同比下降135.15%～213.54%。该公司称，主要原因包括：自2025年起加大具身智能研发队伍建设与相关项目投入，战略性增加销售团队人员配备，汇率波动导致汇兑损失同比提升，叠加股份支付费用同比有所增长。 乐聚智能近三年亏损逐年扩大。该公司专注于人形机器人“大脑—小脑—本体”的全栈式技术研发、整机生产与销售以及应用方案提供。2023年～2025年，营收分别为5398.83万元、5550.03万元、2.58亿元，归母净利润分别为-4111.6万元、-5922.98万元、-6977.94万元。 还有多家机器人企业处于A股IPO辅导阶段。其中，四川天链机器人股份有限公司（下称“川机器人”）目前处于辅导备案阶段，拟申请在科创板上市。 川机器人披露的2025年年报显示，该公司2025年度归属于挂牌公司股东的净利润为-2496.58万元，较2024年度的亏损增加74.91%，未弥补亏损进一步扩大。 法奥（苏州）机器人技术股份有限公司则是在9月4日登记辅导备案。该公司打造“协作+人形”两大产品矩阵，其中在人形机器人领域，提供从核心关节模组到整机参考设计的全链供应服务。

2026-9-14 : 为落实上海“十五五”规划关于“加快发展三大先导产业”“持续优化国际一流营商环境”相关要求，以我市网络生态治理成效服务保障集成电路、人工智能、生物医药等先导产业高质量发展，9月14日上午，上海市委网信办会同市发改委、市经信委、上海证监局、上海证券交易所召开工作部署会，决定即日起启动专项整治行动，全面规范先导产业网上信息传播秩序。 会议指出，先导产业是上海科技创新的核心支撑、产业升级的战略底盘，清朗有序的网络舆论环境是先导产业健康发展的重要保障。本次专项行动要立足人民立场，坚持治理乱象与护航发展并重、从严监管与精准服务并行，通过抓依法治理、抓典型案例、抓协同聚力，着力解决突出问题，完善长效工作机制，全力护航上海先导产业健康发展。 经过前期广泛调研，本次专项行动聚焦企业反映最集中、产业影响最突出的网络乱象，重点整治编造传播不实信息、歪曲解读产业政策和数据、利用AI炮制批量化“黑料”文章、在企业上市关键节点恶意炒作负面信息进行“软敲诈”，以及擅自披露涉密及未公开敏感信息等违规行为。市委网信办将督促属地网站平台对照整治重点，全面排查清理违法违规信息，对违规“自媒体”和MCN机构严肃处置；通过开设专项举报入口、委托第三方机构巡查等方式，广泛收集违法违规线索，予以分类分级处置，问题严重的将依法查处并公开曝光。同时聚焦先导产业发展需求，常态化开展企业走访调研、多方座谈、服务赋能，持续优化营商网络环境，为上海加快建设具有全球影响力的科技创新中心提供有力支持。 营造清朗网络环境已连续两年列入上海市优化营商环境行动方案，并纳入“十大攻坚突破任务”。2026年，上海市委网信办会同相关部门，通过构建工作体系、深化专项整治、强化服务赋能，多措并举提升营商网络环境治理效能。日前国家发展改革委发布第三届全国优化营商环境创新实践十大案例，《上海市以清朗网络空间护航营商环境持续优化》案例成功入选。 专项行动期间，欢迎广大网民通过上海市委网信办“规范上海先导产业网上信息传播秩序专项举报”专区，积极提供违规线索，共同营造清朗网络空间。

2026-9-14 : 随着对人工智能（AI）技术可能构成生存威胁的担忧成为美国政治关注的焦点，美国总统特朗普对加强监管的要求却有些不以为然。 当地时间13日，在造访爱尔兰期间，特朗普在接受采访时表示，尽管设立一些“护栏”是可行的，但美国必须保持在该领域的国际领先地位。 过去一周，围绕AI飞速发展引发的安全担忧在美国成为舆论焦点。上周末，Anthropic、OpenAI以及SpaceX等美国几家领先人工智能公司的负责人都在针对AI模型能力飞速提升发出安全警告，呼吁以更谨慎的步伐推进技术发展。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐，但不需要采取那些有可能将竞争优势拱手相让的激进手段。 欧洲工商管理学院经济学教授米霍夫（Ilian Mihov）的商学院学生遍布美欧。他对第一财经记者表示，对科技企业而言，从监管法规和后续上市的角度来考虑科技企业的运营的话，思考一下为什么欧洲人要去美国创业和投资也很有意义，“如果我是创始人，考量从公司获得的经济收益，在美国的处境要比在欧洲好得多”。 特朗普讨论“设置护栏” 13日，特朗普称，谁赢得了AI，谁就赢得了未来。 他表示：“我们可以设置护栏，可以做这做那，但我认为，许多提出这些问题的人本不该这么做，他们提出的那些情况根本不会发生。” 近期，Anthropic研究员考克森（Jacob Coxon）辞职并发出警告称：“开发AI的人真心相信，这项技术可能会在本世纪末之前导致人类灭绝。” Anthropic首席执行官阿莫代伊（Dario Amodei）长期以来一直称，如果人类失去对技术的控制，AI可能会带来危险。 12日，他在一篇文章中回应称，该行业“必须放慢提升AI模型能力的步伐”，并呼吁由第三方评估机构监督处于技术前沿的公司，同时建立行业安全标准并实现全球规则协调。 OpenAI首席执行官奥尔特曼和SpaceX创始人马斯克均对这些提议表示支持。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐。 曾任美国总统AI事务负责人的萨克斯（David Sacks）表示，这些公司应该“停止假装自己需要获得他人的许可”。 “放手去引领技术前沿吧。你们才是制定规则的人，”萨克斯在社交媒体上写道，“不开发超级智能的最简单方法，就是你们自己同意不开发它。如果把采用你们心仪的监管框架作为不开发的条件，那看起来就像是在勒索公众和政治体制。” 共和党籍众议院议长约翰逊（Mike Johnson）呼吁人们不要“恐慌”，并提议让科技界领袖与立法者在白宫举行会晤。 民主党人则猛烈抨击了共和党的回应，并要求迅速采取行动对该行业进行监管。亚利桑那州参议员加列戈（Ruben Gallego）指责约翰逊和特朗普在应对AI威胁的问题上“未能应对当下的挑战”。 辞职的考克森则对老板阿莫代伊的提议表示欢迎，称其为减缓前沿AI不受控制的发展迈出的“实质性一步”。 AI的增长红利 在高通胀和经济增长乏力的当下，尤其需要考虑AI对于美国经济增长乃至消费增长的拉动作用。 美联储主席沃什在上任之前，曾经在美国媒体撰写《美联储领导力失灵》评论文章，并在其中预测，AI将引发生产率爆发。彼时，他建议摒弃美联储对未来几年滞胀的预测，转而采用AI驱动的通胀放缓预期。他还认为，随着生产率的提高，美国实际工资理应会增长。 在近期罕见的几次表态中，他也坚持了长期看好AI发展和对美国生产力的看法。 牛津经济研究院最新报告也显示，AI带来的增长动力主要集中在美国及少数亚洲经济体。 意大利前总理、欧洲央行前行长德拉吉近期也警示，欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 “尽管我们估算2024年至2026年间AI对美国消费支出的年均提振幅度为0.4个百分点，但对于其他七国集团（G7）经济体而言，这一平均增幅仅为0.1个百分点。”牛津经济研究院在报告中表示，“造成这种差异的主要原因在于，大型AI企业多位于美国，且股票等权益类资产在美国居民财富中占比较高——近年来，股票已取代房地产，成为美国消费增长的主要推动力。” “投资方面，美国投资正以每年约3%的速度增长，但这完全归功于AI：若剔除AI相关领域的强劲扩张，美国投资实际上正以每年约2%的速度萎缩。”上述报告显示。 米霍夫也对第一财经记者解释道，当前剔除了AI投资的数据显示，美国的这一股AI热潮掩盖了其他行业在2022至2023年利率大幅上调后出现的下滑态势。 根据牛津经济研究院的梳理，当前的AI投资热潮规模已相当可观，今年第二季度相关投资额约占美国GDP的7%。 “此次投资增长的规模甚至超过了21世纪初的技术基础设施建设浪潮。由于投资增速远超AI业务带来的收入增长，主要AI企业的自由现金流已大幅下滑，明年甚至可能转为负值；这些大型AI企业的账面利润因其持有的其他AI公司股票升值而显得亮眼，但这在一定程度上掩盖了实际经营状况。”牛津经济研究院表示，“目前，AI企业已转向大规模举债以筹集投资资金；据估算，2026年AI相关债券发行规模可能高达5000亿美元，约占期限超过10年的债券总供应量的40%。” “此外，尽管有观点认为AI已开始推动美国生产率增长，但经周期调整后的美国生产率增长指标并未显示出上升趋势。”牛津经济研究院表示。 米霍夫对该观点表示赞同。他对记者表示，从数据来看，那种能同时带来低利率、低通胀和快速增长的生产率增长模式如今并不存在，根据他的测算，当前的经济增长，尚未源于AI所带来的全要素生产率提升。 牛津经济研究院还认为，鉴于AI发展还面临基础设施瓶颈、用户成本上升以及来自其他地区的潜在技术挑战等不确定因素，“AI近期对美国及亚洲经济增长的强劲推动作用能否延续至中期，目前尚无定论”。 MFS投资管理公司资深董事总经理安纳（Benoit Anne）对第一财经记者表示：“投资者正开始更明确地区分AI基础设施提供商与AI技术应用方。随着周期的演进，投资机遇或将超越那些在基础设施建设热潮中备受追捧的赢家。” 他认为，“更重要的问题在于未来走向何方。第一阶段的赢家是芯片、算力和物理基础设施的供应商；而下一阶段的赢家，或许将是那些能够将AI投资转化为实际收入、生产力提升及盈利增长的企业”。

2026-9-14 : 11日，国家数据产权登记服务系统正式上线试运行。登记机构将为各类形态数据出具“身份证明”，明确数据持有权、数据使用权、数据经营权等权利归属，支撑数据流通交易、数据资产入表、融资担保、作价入股等生产经营活动。 这是对2026年7月国家数据局印发《数据产权登记工作指引（试行）》的有效落实。数据产权登记制度的运行，将实现登记对象、登记类型、办理流程、审查标准、登记效力、登记系统等六统一，确立全国统一规则，实现一次登记、全国通用，有助于加速释放数据要素的价值，促进数据资产的风险定价、流通交易，为人工智能等技术的快速演进提供基础性支撑。 产权是一切经济社会活动的起点和基石，数据产权是人工智能时代最基础的要素资源，数据产权结构也决定着人工智能时代的经济社会结构。 根据经济学诺奖得主科斯的表述，在交易费用大于零的现实世界中，产权的初始界定会直接影响资源配置效率，不同的产权安排对应不同的交易成本，并产生不同的经济结果。因此，数据产权的初始界定，决定着人工智能时代的经济社会模样，以及经济社会绩效和内生驱动力。 不同于传统产权，数据要素自定义成章之日起，就有其独特性。 一方面，数据资产在所有权、使用权、收益/受益权、处置权、管理运营权等方面存在物理和心理上的可分拆性，如数据所有者，不一定是其使用者、受益/收益者和经营管理者，但数据资产本身的价值主要受数据所有者决定。这派生出一个与过往不太一样的所有权委托代理结构和授权机制，即如何围绕数据资产内生价值创造者搭建一套基于产权领域的委托代理机制和授权机制，是确权明责的起点和核心。 另一方面，当前经济社会制度对复杂交易结构的有效驾驭，为所有权的可拆解、委托代理和授权机制，提供了制度和技术上的可能性。现代市场交易制度，可以基于不同的风险特征和结构，将产权进行同类特征拆解，实行分类治理，以实现收益最大化、成本最小化。 数据产权登记制度，将数据资产产权分解为数据持有权、数据使用权、数据经营权等权利归属，有助于更好地推动数据流通，数据资产的确权明责，以及定价交易。 因此，基于现有法律体系，对数据持有权、数据使用权和数据经营权确权明责，尤为关键。数据持有权的定义，决定着数据资产的内生价值和风险概率分布结构；数据使用权的定义，决定着使用效率和交易结构；数据经营权的定义，直接影响着数据资产的运营结构。任何一方出现权责失当的定义结构，都将在数据资产市场产生釜底抽薪的风险。 而要有效厘定这些权责，需要为市场自发状态下的合作博弈打开方便之门，让不同权属主体探寻各自的合作聚焦解，明确各自权属边界及对应的合作博弈机制、交易结构等。唯有如此，数据资产的合作各方，才会愿意展露各自的真实偏好，试错性地探索出一个交易成本最小化的产权结构，并内生出对应的激励约束兼容机制。 这意味着在明晰数据产权方面，政府的施力方向，不是直接确定数据持有权、数据使用权和数据经营权的初始配置结构，而是要营造一个公开公平公正的交易场景，让这些主体在交易场景中合作试错。同时，数据持有权、数据使用权、数据经营权等身份标签，应该作为初始身份识别，未来可伴随数据资产市场的博弈进程动态修正，这需要政府相关部门搭建开放的治理框架，提高数据资产市场交易秩序的开放包容性。 万物各得其和以生，各得其养以成。国家数据产权登记服务系统的正式上线试运行，为数据资产市场的规范有效发展提供了基础性的制度保障。责权明则交易顺，制度清则成本低，数据产权制度的推进和完善，应当围绕法经济学的经济社会成本最小化原则，进行动态的身份定义和确权明责，并将交易成本作为最终决定产权定义科学合理的标尺。

2026-9-14 : 继“星枢计划”之后，上海再启动“明珠星座计划”，加快对太空算力的布局。在第十九届浦江创新论坛主题活动太空算力产业生态论坛上，上海东方天算科技有限公司（以下简称“东方天算”）联合创始人、总裁周求实表示，“明珠星座计划”的目标是打造吉瓦级天基计算星座，建设覆盖全球的近地轨道算力网，成为未来AI的算力底座。目前，国内太空算力仍处于探索“天数天算”阶段，正在从概念验证迈向工程化早期。而要让这一算力跑起来，需要产业协同攻坚。分阶段迈向规模组网东方天算是“明珠星座计划”的链主单位。据周求实介绍，该计划依托上海交通大学太空计算实验室，联合长三角天基计算创新联合体以及即将融入的多家生态伙伴，形成政府支持、产业配套、产学研协同的创新生态。“明珠星座计划”坚持全栈国产自主产业生态，联合中科院微小卫星创新研究院、上海空间电源研究所、阿里云、科大讯飞、壁仞科技、协鑫光电、晶科能源、天合光能等27家产业链头部企业和机构，覆盖芯片、人工智能、能源、应用全产业链条。美国太空探索技术公司SpaceX此前也有将吉瓦级算力部署到太空的计划。“数据中心用电量占美国电力需求的5%，在能源紧缺和散热的压力下，美国现在急于发展太空算力。”东方天算CEO刘京晶在接受第一财经记者采访时介绍，中美两国目前对太空算力的底层需求处于不同阶段。中国数据中心基础设施不断完善、算电协同提速，地面算力供给还可以满足AI发展的需求。基于此，“明珠星座计划”的出发点更多是战略性的考量。按照规划，“明珠星座计划”采取“技术验证—能力迭代—规模组网”分阶段推进。“我们先‘小步快跑’，进行技术的工程化验证以及迭代。”刘京晶补充称。具体来看，工程化验证阶段，东方天算将围绕国产算力载荷、光计算载荷、新型能源系统等方向持续开展在轨验证，通过不同试验星验证天基算力基础设施中的关键技术能力。在完成阶段性技术验证后，“明珠星座计划”将逐步进入首批卫星部署及星座组网阶段，并结合国内运载能力与批量发射条件持续提升单星算力和星座整体能力，并将持续围绕大模型星上在轨部署、智能气象预警、地面智能体协同等方向开展探索。要从单点突破到全产业链协同要将吉瓦级算力搬上太空并进行长时间运营，涉及完整的产业链协同。这一领域的突破，不仅要实现单点技术突破，还要形成贯穿硬件、软件、网络与服务体系的自主技术能力和稳定产业支撑。东方天算以及生态伙伴将共同推动算力芯片、空间能源、星间通信、卫星平台、计算载荷及软件服务等星座建设关键环节的协同创新。论坛现场，中国科学院微小卫星创新研究院院长胡海鹰表示，目前天基计算的技术路线还未收敛，要攻克不少技术难关。比如，要保障芯片在太空环境中长期使用，不只是简单地对地面使用的算力芯片进行抗辐照处理，还要从电路设计、整机以及算法等层面考虑。壁仞科技生态与解决方案负责人董朝锋认为，太空算力正在从技术秀转向实用化。“抛开能源和发射成本问题来说，打造太空算力的限制和约束不是芯片的指标，而是几个系统性的耦合关系引起的约束。”董朝锋举例分析称，比如芯片抗辐照能力要与软件容错相结合，单纯提高器件抗辐照能力的成本高、迭代慢，对架构进行创新、保留必要的通信冗余可以协同分担一些压力。目前，大多数在轨算力仍处于“单卡单机”状态，即还未实现网络化集群。董朝锋提到，如果要实现太空算力的商业化运营，进行数据提取和传输是必须跨越的门槛，目前行业内有在探索激光通信组网。“发展到整个集群，需要2-3年时间，产业链上下游要共同努力，”在董朝锋看来，现在三年内追求在太空上跑出一个万亿大模型没有意义，还是要耐心等待火箭可复用、星间激光通信、能源等一系列技术成熟。

2026-9-14 : 当行业最激进的AI公司开始呼吁“慢下来”，资本市场不约而同地集体抛售AI硬件端。9月14日，日韩股市的存储芯片巨头重挫，截至收盘，日本铠侠（Kioxia）跌6.37%、SK海力士跌6.35%、三星电子跌4.05%。A股硬件端同步下跌，光通信与存储板块全天低迷，中际旭创（300308.SZ）、新易盛（300502.SZ）、东山精密（002384.SZ）、长鑫科技（688825.SH）等龙头跌幅居前，港股大模型标的亦遭遇猛烈抛售。 AI硬件集体大跌的导火索是OpenAI、Anthropic与马斯克上周末罕见地在“放缓前沿AI”上达成一致：阿莫迪发布150页风险报告并提出三步减速方案，奥特曼称2026年不会启动IPO，马斯克在X上称“达里奥是对的”。市场担忧，资本开支的削减会降低存储、光模块等AI硬件的需求。 但截至目前，三家公司表态均停留在口头层面，尚无资本开支削减或订单下调的实际信号落地，市场短期情绪对相关股票价格形成了扰动。接受第一财经记者采访的业内人士认为，海外巨头的“减速”表态更多是安全与监管层面的倡议，真正决定硬件需求的仍是资本开支与推理算力增长，同时在国产算力自主化与模型从训练向推理迁移的大背景下，中国AI硬件链的中长期逻辑尚未被证伪。 海外“减速”呼声引发亚太AI硬件抛售 9月14日AI硬件股价集体大跌的起因，是美国AI公司Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）9月12日发表长文，呼吁全行业放缓前沿AI模型能力的提升速度，并提出“驻场评估、国家协同、全球协同”三步安全计划。同日，Anthropic还发布了一份150页的风险评估报告，强调模型递归式自我改进（RSI）带来的不可控风险。 几乎在同一时间，OpenAI首席执行官山姆·奥特曼（Sam Altman）与埃隆·马斯克（Elon Musk）均公开支持阿莫迪的呼吁，表示将引入第三方评估机制。奥特曼还确认OpenAI不会在2026年启动IPO。 三巨头罕见地站在同一立场，引发市场对AI风险的担忧。这一“口头”表态也在9月14日的亚太市场掀起抛售潮。存储芯片板块首当其冲，日本铠侠收跌6.37%，韩国SK海力士收跌6.35%，三星电子收跌4.05%。美股盘前，存储、光通信股亦集体承压，SK海力士盘前一度跌超6%，美光科技、西部数据、闪迪等跌幅均在4%至5%之间。 A股市场的AI硬件链跟随下挫。光模块概念领跌，中际旭创收跌5.72%，报873.00元；新易盛跌4.99%，报401.90元；天孚通信（300394.SZ）跌1.91%，报256.96元。设备与PCB端同样承压，东山精密跌4.79%，鹏鼎控股（002938.SZ）跌4.76%，罗博特科（300757.SZ）跌2.81%，剑桥科技（603083.SH）跌2.49%。 存储芯片板块明显受压。长鑫科技、兆易创新（603986.SH）、澜起科技（688008.SH）等股均跌超3%，德明利（001309.SZ）、江波龙（301308.SZ）、普冉股份（688766.SH）等股跟跌。 从市值蒸发角度看，智谱（02513.HK）、MiniMax（00100.HK）与A股光模块三巨头“易中天”这5家公司9月14日市值合计蒸发约1315亿元。其中，智谱收跌9.08%，市值蒸发约289亿元；MiniMax跌6.52%，市值蒸发约53亿元；中际旭创、新易盛、天孚通信合计蒸发市值约973亿元。 不过截至目前，上述海外公司的表态均停留在“口头倡议”与“上市节奏调整”层面，尚无云计算厂商或AI企业宣布削减资本开支、缩减订单或推迟数据中心建设的具体计划。换言之，9月14日的抛售更多是对“AI需求见顶”担忧的情绪释放，而非基于产业链订单恶化的基本面重估。 减速风波背后，国产算力需求仍旺盛 海外AI巨头呼吁“慢下来”，是否意味着中国AI产业也将同步降速？从国内产业现状看，答案并非如此。 一方面，国内大模型迭代节奏并未放缓。近期，DeepSeek正式发布V4.1 flash版本，并同步下调API定价，继续以高性价比策略扩大开发者生态。头部厂商在模型能力、推理效率与多模态应用上的竞争仍在加剧。 另一方面，大规模模型训练和推理需要芯片、互联、内存、散热、调度及软件栈协同，国产算力的评价维度正在由单卡性能向系统能力延伸。从超级计算机、AI服务器整机，到液冷散热、高速互联、机柜代工、互联芯片、内存存储、交换芯片、GPU/CPU以及AI服务器电源，国产算力产业链的配套需求正随算力规模增长而持续释放。 业内人士告诉记者，海外巨头呼吁“放缓”的对象，主要是“前沿模型能力”的递归式自我改进，而非AI算力基础设施的整体建设。事实上，随着大模型从训练阶段向推理阶段迁移，推理算力需求正在快速放量。模型能力的提升速度可能受到安全监管约束，但模型调用量、Agent应用、企业端AI部署仍在增长，这些都需要持续的算力与存储支持。 在刚刚结束的深圳光博会上，产业界对NPO（近封装光学）的关注度持续提升，“‘能用铜就用铜，必须用光再用光’的光铜并用思路已成为业内共识。同时，智算中心的Scale-up与Scale-out架构仍在快速演进，跨机柜高速互联需求进一步催生了光模块、光芯片、光纤、GPU交换芯片、存储及配套散热、电源等细分领域的订单。”某通信行业分析师对记者表示，这些产业趋势并未因海外几声“减速”呼吁而逆转。 此外，国产算力的自主化进程仍在推进。在中美科技竞争的大背景下，即使海外前沿模型训练节奏有所放缓，中国厂商在AI服务器、先进存储、高速互联等环节的国产替代需求依然刚性。 不过，资本市场的短期情绪冲击已经形成。存储芯片本身具有强周期属性，且此前已历经一轮显著涨价，光模块板块则在过去两年累积了较高涨幅，估值对边际利空更为敏感。在缺乏新的产业叙事与财报验证的情况下，任何关于“AI需求放缓”的风吹草动，都容易触发获利盘兑现。 前述分析师认为，硬件端短期波动加剧，凸显了三季度财报作为验证产业趋势的关键窗口，在AI应用调用量快速增长的背景下，算力基础设施需求仍在扩张，这些需求会如何落到企业的利润端与现金流，是市场关注的重点。目前来说，海外巨头的安全倡议是否真正转化为资本开支收缩，尚具备不确定性，产业业绩与资本开支是持续验证算力景气的关键抓手。

2026-9-14 : 继上周Anthropic安全研究员对外警示AI失控风险后，谷歌DeepMind的研究员也加入呼吁队列了。最接近前沿模型的这一批人，正陆续从大公司走向独立安全机构。当地时间9月13日，谷歌DeepMind通用人工智能安全团队研究员乔希·恩格尔斯（Josh Engels）宣布离职，加入独立AI评估机构METR。在接受媒体采访时，他表示“There are no adults in the room（屋中已无成年人坐镇）”，所有人都在被狂热的资本与竞争裹挟。几乎同一时间，Anthropic可扩展监督团队前负责人乔·本顿（Joe Benton）也作出了相同选择，加入METR。更早几天，曾先后在OpenAI和Anthropic从事预训练研究的雅各布·考克森（Jacob Coxon）公开宣布离开Anthropic，指责前沿AI公司正竞相研发能够自我改进的超级智能，“用我们的生命在赌博”。三名研究员的履历和研究方向不尽相同，但他们都在担忧同一个问题：AI能力进步的速度，是否已经超过人类理解和控制它的速度？AI或在五年内或造成巨大危害恩格尔斯此前在谷歌DeepMind通用人工智能安全团队工作，主要研究如何降低先进AI系统可能带来的灾难性风险。他表示，自己离开DeepMind、拒绝了Anthropic和OpenAI的工作机会，转而加入METR，是因为越来越确信，“我们并没有掌控局面”。他长期认为，AI失控的概率超过20%。最近发生的一系列事件，进一步加剧了这种担忧。在他看来，未来五年内，AI系统造成巨大伤害的可能性“令人恐惧”，已经危险到不能被当作边缘议题，而应成为全球最重要的问题之一。恩格尔斯尤其担心递归自我改进（RSI）。简单来说，这是一个AI参与开发更强AI的反馈循环。如果这个过程顺利，AI可能会在解决人类无数问题上表现出色。但我们目前还不知道如何确保AI足够安全以进行RSI，一个失控的RSI循环可能会带来灾难性后果。同时，他观察到，当前的AI似乎随着时间推移变得越来越不一致，而不是更一致。最近几周有不少AI安全风险问题出现，包括模型之间相互勾结、入侵公司、隐藏踪迹，以及对人类进行社会工程操纵。这些实验并不能证明AI已经拥有独立意识，许多异常行为也发生在研究人员刻意设计的压力测试中。但在恩格尔斯看来，它们至少说明，现有AI系统还不足以安全地进入递归自我改进阶段。恩格尔斯呼吁控制AI发展的节奏，确保能力不会超过当前人类对模型对齐的能力，并且真正了解当前系统的对齐程度。这也是他在METR将要从事的工作：研究训练中失调的来源、评估当前缓解措施是否充分，以及调查行业是否真的在轨道上解决对齐问题。METR（Model Evaluation and Threat Research）是一家专注前沿 AI评估的非营利机构，研究领域为AI模型评估与威胁研究，由OpenAI前对齐研究员Beth Barnes创立，并且与OpenAI、Anthropic、谷歌、Meta建立了红队测试合作，获准访问其内部最强、可访问完整思维链的模型，旨在通过评估让公众及时了解AI能力及风险。与恩格尔斯一同转向METR的，还有Anthropic可扩展监督团队前负责人乔·本顿。他此前在 OpenAI 从事对齐研究，后加入 Anthropic 负责可扩展监督团队，该团队核心研究当 AI 比人类更聪明时如何监督它。“AI公司正在竞相构建比任何人类都聪明的机器，而我们可能无法幸存于此。我想从外部着手，确保公众了解这些风险，并帮助世界负责任地应对这一转型。”本顿表示。他提到，目前AI公司对安全投入不足。一家公司可能经历智能爆炸，或失去对系统的控制，而公众却一无所知。而外界之所以得知此前Hugging Face被AI攻击的事件，是因为代理程序突破到了公共互联网上。这种状况对于可能引发灭绝级风险的技术来说是不合理的，公众应该要求更高的透明度。在这两位AI研究员公开发声前，上周Anthropic 研究员雅各布·考克森（Jacob Coxon）也宣布了辞职。他在OpenAI 和Anthropic 都从事过预训练研究，认为两家公司都没有负责任地行事，正直奔自我改进的超级智能而去。他发出警告，“不要低估这项技术的力量，这不是营销噱头。”AI竞赛陷入“囚徒困境”实际上，过去几年，OpenAI、Anthropic等公司频繁讨论超级智能与失控风险，行业里不少观点确实认为这存在营销成分，质疑公司利用末日叙事营销模型能力。行业存在的一个疑问是：如果这些公司真的相信先进AI可能带来灾难性后果，为什么仍在投入巨资开发更强的模型？考克森给出的解释是，不同实验室对此有着不同的内部认知。在OpenAI，许多人并没有深刻内化其中的文明风险。而在Anthropic，这些风险虽被很好地理解，但他们陷入了一场抢先到达的竞赛。“他们相信其他人不会负责任地行事，所以他们必须自己动手，尽管存在风险。”他认为接受这场竞赛，并相信自己能够控制最终结果，是一场傲慢的赌博。对AI公司来说，要作出主动减速的决定不是个简单的道德选择题。前沿模型的训练需要巨额资本投入，企业面临投资回报、产品发布和市场份额的压力。近期，AI行业内部对于“踩刹车”的讨论明显升温。头部公司和AI研究员的辞职和发声引发了公众对AI安全的大范围讨论，或许有望推动AI实验室放缓能力研发，强化独立监督。Anthropic CEO达里奥·阿莫迪（Dario Amodei）近日提到，必须控制前沿AI的发展节奏。他预计，未来6至12个月，AI智能体集群可能接管互联网上大量复杂工作，因此行业需要在能力快速跃升之前建立更严格的安全机制。他的竞争对手、OpenAI CEO奥尔特曼和马斯克也罕见站在同一战线，公开认为“Dario是对的”。9月13日，阿莫迪在接受采访时表示，已有人尝试利用AI研发生物武器、增强病毒传染性，这是他每天醒来都要面对的事情。不过，围绕AI风险的判断仍然存在巨大不确定性。模型在测试中表现出的欺骗、越权访问或规避监控行为，往往出现在研究人员刻意构造的极端环境中，不能简单等同于AI已经拥有自主意识，或推导出人类将在数年内面临灭绝风险。目前行业中支持加快研发的一方也认为，更强的AI可以改善医疗、科研和生产效率，能力进步本身还能帮助研究者开发更有效的安全工具。过早限制技术发展，可能压缩创新空间，并将优势让给约束更少的竞争者。但多名研究员接连离开前沿实验室仍然释放出一个值得警惕的信号：那些最接近先进模型、最了解其能力边界的人，并没有随着技术成熟而变得更乐观，反而越来越担心能力竞赛正在跑到安全研究前面。有行业人士评论道，即便此前对AI风险有不同看法，这个趋势也值得认真对待。

2026-9-14 : 9月14日，港股开盘，恒生科技指数低开，AI概念股承压。智谱（2513.HK）盘前跌5.67%，开盘后跌幅迅速扩大至8.83%，盘中一度跌超10%；MiniMax（0100.HK）同步走弱，跌超6%。消息面上，9月13日，智谱发布约50亿美元新融资公告，另美国头部模型厂商OpenAI与Anthropic同日发出“减速”信号，强调在模型递归式自我改进（RSI）趋势下，厂商需要放缓节奏，优先投入可监测性、对齐等方面。相关因素叠加，引发港股AI板块集体调整。模型厂商持续融资引发资金担忧根据官方公告，智谱此次以每股714港元配售最多2196.5万股新H股，较前一交易日收盘价793港元折让约9.96%；同时发行本金总额人民币201.4亿元的零息可转换债券，初始换股价892.5港元。两项合计筹资净额约392.74亿港元。资金用途方面，约60%将用于下一代GLM基础模型及完全自训练体系的研发、算力基础设施部署。公告将“完全自训练”定义为下一代GLM在上一代GLM所搭建的环境中训练，形成RSI闭环，涵盖数据自产、环境自造、基础设施自我优化三个维度。创始人唐杰在业绩会上表示，核心难题在于模型能否自主判断何时停止训练、何时纠正自身错误。储备弹药原本是为了更快地投入技术研发，但资金消耗速度引发关注。智谱上市前完成多轮私募融资约83.44亿元人民币；2026年1月IPO募资约48.96亿港元，8个月内耗尽；7月配售313.75亿港元，50天动用109.55亿港元，日均消耗约2.2亿港元；9月再融392.74亿港元，上市后累计融资约755亿港元。消耗速度从IPO阶段月均约6.12亿港元加速至7月后的月均65.7亿港元，两个月内加速近10倍。资本市场期待资金投入能够转化为实际的财务表现。官方数据显示，智谱上半年营收9.54亿元，同比增长399.7%，但整体毛利率从去年同期的50.0%降至26.4%，研发投入仍是同期收入的2.2倍。MiniMax也面临资金压力。1月以165港元发行价上市后，7月便发布约160亿港元配售与可转债融资方案。公司上半年收入1.17亿美元，同比增长283.1%；研发开支2.97亿美元，约为收入的2.5倍。整体毛利率 17.9%，同比提升，但仍然偏低；经调整净亏损2.93亿美元。两家公司的财报表现指向了同一个结构性问题：大模型研发的资本密集度正在快速上升，而商业化造血能力尚未同步跟上。资本市场考核愈加严苛原本市场共识是人工智能高成本、高投入，短期无法看到盈利可能，但近期行业出现变数。据市场消息，Anthropic今年二季度收入超115亿美元，经调整经营利润首次转正，预计三季度将连续第二个季度为正。公司已进入IPO实质推进阶段，目标今年10月在纳斯达克上市，潜在估值近2万亿美元。一边是即将上市且具备利润层面的改善信号，一边是持续加快的资金消耗速度与尚未明确的商业化造血能力，资本市场对港股模型企业的宽容度正被逐渐消解。另在行业层面，“降速”共识动摇了AI板块的估值根基。上周末，Anthropic CEO达里奥·阿莫迪发文呼吁放慢模型能力提升速度，OpenAI CEO山姆·奥尔特曼同日跟进表态，宣布OpenAI今年不会推进IPO，理由是“当前安全形势下，现在上市是不明智的”。特斯拉CEO马斯克亦表态支持。阿莫迪在文中承认，递归式自我改进已在全行业发生，并预测6到12个月内失控的AI Agent集群可能接管整个互联网。这一定调冲击了模型市场的传统叙事。过去，AI概念股估值核心建立在高额资金推动模型性能持续高速增长的基础之上，当行业头部公司公开表示要放慢速度时，投资者不得不重新审视这些预期是否仍然成立。浙商证券传媒互联网团队分析认为，Anthropic的“减速”呼吁短期使AI硬件公司、大模型公司承压，中长期利好AI应用，AI终端公司。另外，中长期AI算力建设，尤其是国产算力趋势不变；全球Token使用量将会继续爆发式增长，对推理算力需求快速提升。这意味着，前沿模型的竞赛节奏可能阶段性收敛，依赖“能力叙事”支撑估值的大模型公司面临重新定价。当底层模型不再以季度为单位快速迭代时，深耕垂直领域的中小AI应用企业的生存空间反而改善，因为2B领域对模型稳定性、准确率的要求远高于对“最先进”的追求。港股AI板块的集体走弱并非孤立现象。日韩股市AI芯片概念股开盘同步重挫，存储半导体股、光通信概念股、PCB概念股齐跌，市场情绪在今日港股正式开盘前便开始承压。当Anthropic的财务表现与AI安全叙事打破传统逻辑，资本市场对相关模型厂商的考核也将愈发严格。具体到两家港股模型公司的下一步，考验的也不仅仅是token调用量还能增长多少，而是这些调用能否沉淀为稳定收入、整体毛利和正向现金流。

2026-9-14 : 近期，一系列国际机构发布的贸易数据均显示，尽管存在地缘政治冲突叠加关税影响，全球贸易仍保持韧性。 世界贸易组织（WTO）发布的《货物贸易晴雨表》（下称“晴雨表”）显示，7月晴雨表指数为102.0，高于基准值100和6月的101.7，表明货物贸易高于趋势水平并持续增长。 WTO表示，中东冲突的负面影响继续被人工智能（AI）相关的电子元件等商品的强劲需求部分抵消。 此前，联合国贸易和发展会议（UNCTAD）在总结今年上半年全球货物贸易额数据时也表示，全球贸易增长强劲之下，AI、电动汽车及相关供应链产品成为推动贸易增长的重要动力。 牛津经济研究院则在最新报告中发问：“关键问题在于，AI热潮对消费和投资的强劲提振作用还能持续多久？” MFS投资管理公司资深董事总经理安纳（Benoit Anne）对第一财经记者表示：“投资者正开始更明确地区分AI基础设施提供商与AI技术应用方。随着周期的演进，投资机遇或将超越那些在基础设施建设热潮中备受追捧的赢家。” 此前，美国科技界领袖和民主党人纷纷敦促加强对AI行业的监管。当地时间13日，美国总统特朗普对此表示，尽管设立一些“护栏”是可行的，但美国必须保持在该领域的国际领先地位。 贸易韧性来自何方 WTO7月晴雨表指数的分项显示，除集装箱航运指数（99.6）略低于趋势水平外，晴雨表的所有分项指数均不同程度地高于100这一基准值。 其中，电子元件指数表现最为强劲（104.9），反映出市场对AI技术应用相关产品的需求旺盛。颇具预测意义的出口订单指数（103.5）也有所回升，预示未来几个月商品贸易将持续增长。 此外，代表国际航空货运（102.8）和农业原材料贸易（102.6）的指数稳步升至趋势水平之上，汽车产品指数（101.5）也略高于趋势水平。 综合各项分项指数来看，尽管贸易政策的不确定性加剧，且地缘政治紧张局势持续，商品贸易增长依然保持韧性。 WTO秘书处于2026年3月19日发布的《全球贸易展望与统计》报告预测，在基准情景下，2026年全球商品贸易量将增长1.9%；而在反映中东冲突不利影响的高能源价格情景下，预计增长率为1.4%。该报告还显示，对AI的持续投资有望为货物贸易增长贡献0.5个百分点。 牛津经济研究院的测算则更为大胆。该机构在最新报告中表示，AI热潮正对全球经济增长产生重大影响。 “据我们估算，AI相关活动贡献了约一半的全球贸易增长和超过三分之一的全球投资，股市上涨带来的财富效应也起到了额外的推动作用。若无AI的助力，今年全球国内生产总值（GDP）增速将仅为2.2%左右，远低于趋势水平。尽管目前尚无确凿证据表明AI投资能带来丰厚回报，但相关投资仍在持续增长，且越来越多地依赖债务融资。”牛津经济研究院估算，在第二季度全球投资同比增长2.7%的背景下，AI/科技领域贡献了约1个百分点。 “AI还通过财富效应间接支撑了全球消费支出。我们认为，与股价上涨相关的财富效应使美国年度消费支出增速提高了0.3至0.4个百分点，并使全球消费支出增速提高了约上述幅度的一半。”该机构表示。 AI增长红利主要集中在哪儿 牛津经济研究院表示，AI带来的增长动力主要集中在美国及少数亚洲经济体。 “尽管我们估算2024年至2026年间AI对美国消费支出的年均提振幅度为0.4个百分点，但对于其他七国集团（G7）经济体而言，这一平均增幅仅为0.1个百分点。”牛津经济研究院在报告中表示，“造成这种差异的主要原因在于，大型AI企业多位于美国，且股票等权益类资产在美国居民财富中占比较高——近年来，股票已取代房地产，成为美国消费增长的主要推动力。” “投资方面，美国投资正以年约3%的速度增长，这完全归功于AI：若剔除AI相关领域的强劲扩张，美国投资实际上正以每年约2%的速度萎缩。”上述报告显示。 欧洲工商管理学院经济学教授米霍夫?（Ilian Mihov）也对第一财经记者解释，当前剔除了AI投资的数据显示，目前在美国的这一股AI热潮掩盖了其他行业在2022至2023年利率大幅上调后出现的下滑态势。 同时，在亚洲，AI热潮也推动了投资增长。根据牛津经济研究院的梳理，泰国的投资年增长率达到两位数，马来西亚为7%，印度的投资增长也十分强劲。然而，尽管韩国在动态随机存取存储器（DRAM）领域实力雄厚，其投资增长却仅呈温和回升态势；而菲律宾在电子产品供应链中所处的位置，使其未能从这一趋势中获得增长动力。 UNCTAD也在最新报告中表示，连接能力不足、国际支付成本高昂以及技能短缺制约了对数字服务贸易的参与。发达经济体与发展中经济体之间在支付能力和连接能力方面仍存在显著差距。 AI也可能加剧现有的不平等，因为计算能力、数据、资金和专业知识仍集中在少数几个经济体和企业手中。UNCTAD的数据显示，只有不到三分之一的发展中国家制定了国家AI战略。 意大利前总理、欧洲央行前行长德拉吉近期也警示，欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 AI热潮能持续多久 根据牛津经济研究院的梳理，当前的AI投资热潮规模已相当可观，今年第二季度相关投资额约占美国GDP的7%。 “此次投资增长的规模甚至超过了21世纪初的技术基础设施建设浪潮。由于投资增速远超AI业务带来的收入增长，主要AI企业的自由现金流已大幅下滑，明年甚至可能转为负值；尽管这些大型AI企业的账面利润因其持有的其他AI公司股票升值而显得亮眼，但这在一定程度上掩盖了实际经营状况。”牛津经济研究院表示，“目前，AI企业已转向大规模举债以筹集投资资金；据估算，2026年AI相关债券发行规模可能高达5000亿美元，约占期限超过10年的债券总供应量的40%。” “此外，尽管有观点认为AI已开始推动美国生产率增长，但经周期调整后的美国生产率增长指标并未显示出上升趋势。”牛津经济研究院表示。 米霍夫对该观点表示赞同，他说从数据来看，那种能同时带来低利率、低通胀和快速增长的生产率增长模式如今并不存在,根据他的测算，当前的经济增长，尚未源于AI所带来的全要素生产率提升。 牛津经济研究院还认为，鉴于AI发展还面临基础设施瓶颈、用户成本上升以及来自其他地区潜在技术挑战等不确定因素，“AI近期对美国及亚洲经济增长的强劲推动作用能否延续至中期，目前尚无定论。” 安纳对第一财经记者表示：“更重要的问题在于未来走向何方。第一阶段的赢家是芯片、算力和物理基础设施的供应商；而下一阶段的赢家，或许将是那些能够将AI投资转化为实际收入、生产力提升及盈利增长的企业。” 值得注意的是，过去一周，围绕AI飞速发展引发的安全担忧成为舆论焦点。上周末，Anthropic、OpenAI以及SpaceX等美国几家领先人工智能公司的负责人都在针对AI模型能力飞速提升发出安全警告，呼吁以更谨慎的步伐推进技术发展。 但特朗普政府和共和党议员对此表示反对，认为这些公司完全可以采取措施放慢发展步伐。

2026-9-14 : 【新品密集发布，光通信业技术迭代速度超预期】“以往做光电产业的都是苦哈哈的，遇上AI如生双翼！”在日前举行的第二十七届中国国际光电博览会上，有业内人士感慨道。本届光博会上，多家上市公司及科创企业携年度重磅产品、突破性技术方案集中亮相。从最上游的激光芯片到光引擎、光纤光缆，再到交换系统等环节，围绕AI算力密集刷新技术指标，代际跃迁速度明显加快。谈及投资者对AI增长的担忧，上述业内人士表示，AI投资回报闭环已显现，现在唯一不确定的是哪一条技术路径是最终方案，但目前所有的技术路径都能找到适合的应用场景。（上证报）

2026-9-14 : 【财经日历】 中国8月M2 国新办就推动健康中国建设取得决定性进展有关情况举行新闻发布会 国务院政策例行吹风会：加强中小企业回款难问题治理有关工作情况 2026上合组织数字经济论坛举办 东盟国家经济和贸易部长举行高级别会议 韩国交易所推出股票盘后交易 新股申购：凯达重工 ??据央视新闻，国务院总理李强9月11日主持召开国务院常务会议，会议指出，算力网是人工智能发展的基础支撑。要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。要推动算电协同、算网融合，加强算力资源监测调度和骨干光纤网络建设，强化算电设施规划衔接，加快绿电直连、源网荷储等项目落地。要更好发挥市场机制作用，支持企业开展科技创新、资源整合和应用推广，促进供需更好匹配。 ??据央视新闻，中国电信研究院发布的《智能体时代AI基础设施发展研究报告（2026）》显示，随着人工智能产业发展重心从大模型和算力竞争转向智能体规模落地、应用变现，我国词元（Token）需求呈现爆发式增长。中国电信研究院行业与企业战略研究所所长饶少阳称，预计2026年我国Token（词元）年消耗量将达到10亿亿，到2030年将超过3500亿亿，年复合增长率接近12倍。饶少阳表示，从算力需求来看，智能体的爆发将带动我国算力需求持续高速增长，预计未来2～3年，我国算力需求平均每年将增长近10倍。从需求结构来看，推理算力需求将远远超过训练算力，预计2029年我国推理算力市场占比将达到80%。 ??中央网信办、农业农村部、工业和信息化部联合印发《数字乡村高质量发展行动计划（2026—2030年）》，其中提到，强化农业科技创新。加强智慧农业创新载体建设，构建基础研究、应用研究、研发制造一体化创新体系。推进智慧农业技术模式迭代创新，攻坚突破农业传感器与专用芯片、核心算法、机器人、智能设计育种工具等关键核心技术。实施农机装备高质量发展行动，研发推广高精准作业水平的智能农机装备。完善智慧农业技术装备质量检验测试体系，推动数智技术与农机、农艺技术协同攻关。深入开展无人农机作业试验，提升农业生产智能化水平。指导符合条件的地区探索建设数字乡村技术创新中心。 ??9月10日，国家数据局党组书记、局长刘烈宏主持召开具身智能座谈会。会上，中国科学院自动化研究所、北京通用人工智能研究院、光轮智能、京东集团、深度机智、石景山人形机器人数据训练中心、星海图、自变量、北京人形机器人创新中心等企业代表，围绕“数据赋能具身智能发展”发表意见建议。国家数据局党组成员、副局长夏冰出席会议。当前，具身智能产业蓬勃发展，呈现出数据驱动特征，对高质量、多样化、大规模数据的需求持续增长。国家数据局将坚持问题导向、把握产业发展趋势，加强科学布局和发展引导，适时推动具身智能数据标准建设，指导地方数据系统有序开展相关工作，促进行业健康发展，积极支持企业加大数据投入，更好赋能具身智能发展。 ??只需埃米级，也就是0.1纳米尺度的原子层微小滑移，就能撬动千万倍电阻变化。中国科学院半导体研究所科研团队通过二维范德华异质结界面工程，攻克滑移铁电隧穿结高开关比与高耐久性难以兼顾的行业难题。科研人员介绍，未来如果完善大规模器件阵列和配套电路，这类器件有望实现更快速度、更低功耗的数据存储与运算，可应用于手机、电脑等终端硬件，为缓解算力提升与功耗受限的矛盾，推动存算一体新型计算架构落地提供新的技术方案。相关成果9月11日发表于国际学术期刊《科学》。 ??证监会发布行政处罚决定书显示，证监会对陈广华（男）编造、传播虚假信息行为进行了立案调查。经查明，当事人存在以下违法事实：一、陈广华传播虚假信息，陈广华使用本人实名认证的某自媒体账号，粉丝数量超103万人(某自媒体认证：投资达人、财经博主)，具有一定互联网传播影响力。陈广华于2026年2月3日使用上述自媒体账号发布含有税率调整内容的信息。经查，上述信息为虚假信息。二、虚假信息扰乱证券市场，陈广华作为有影响力的自媒体人员，未履行必要的注意义务，在未曾考量及核实相关信息真实性的情况下即传播虚假信息，扰乱证券市场。陈广华在上述行为中没有违法所得。上述违法事实，有相关人员询问笔录、媒体平台数据、微信群组信息截图等证据证明，足以认定。 根据当事人违法行为的事实、性质、情节与社会危害程度，依据《证券法》第一百九十三条第一款规定，证监会决定：对陈广华处以20万元罚款。 ??据央视新闻，沙特阿拉伯能源部11日发表声明说，该国东西输油管道的利雅得段及麦地那地区段10日上午多次遭袭，现已对该管道采取预防性关闭措施。袭击造成一些人员受伤。声明还说，袭击发生后，应急和专业技术团队立即展开处置，并按照相关安全程序和应急预案采取必要措施，以确保管道安全并评估其状况。声明未说明袭击方式、袭击者身份以及管道恢复运营时间。 ??高盛经济学家目前预计，美联储将在9月16日为期两天的议息会议结束时加息25个基点，此前该行的预期是维持利率不变。团队调整利率预测，是因为周五上午纽约公布的美国消费者物价指数数据高于市场预期；该数据出炉后，市场定价显示9月加息概率已升至约90%。高盛首席美国经济学家戴维·梅里克在周五的研报中表示：“我们现在预计下周的9月FOMC会议将加息25个基点（此前预期为按兵不动）。虽然本次CPI报告仅将我们对8月核心PCE的预测小幅上调至0.26%，也没有改变我们对通胀的核心判断，但我们认为，在市场已经定价9月加息概率接近90%的情况下，若美联储选择按兵不动，很可能引发剧烈市场波动，FOMC会希望避免这种情况。” ??英伟达据悉正洽谈投资Anthropic的大型IPO项目，英伟达正就向Anthropic的首次公开募股投资高达100亿美元进行谈判。?Anthropic拟通过IPO募资至多1000亿美元，估值约2万亿美元。 ??9月13日，智谱宣布完成约50亿美元融资，包括约20亿美元股份配售及约30亿美元可转债发行，此次融资主要用于下一代GLM模型、完全自训练体系及相关算力基础设施。根据公告，智谱股份配售价为每股714港元，较公告前收盘价折让约9.96%，配售股份占扩大后已发行股本约4.50%。可转债采用零息结构，发行价为本金的100.5%，到期按本金赎回；初始转股价为每股892.50港元，较配售价溢价25%，较公告前收盘价溢价约12.55%。零息与溢价发行的组合，是本轮融资的重要信号。随着研发预算与资金安排进一步明确，智谱持续开展训练实验、推进模型迭代和完善算力体系的资本基础得到增强，为参与下一阶段全球前沿模型竞争增加了筹码。 ??当地时间上周五，美股三大指数集体收涨，道指涨0.98%，周累跌1.57%；纳指涨0.96%，周累跌0.66%；标普500指数涨0.86%，周累跌0.8%。 明星科技股普涨，亚马逊、苹果和谷歌涨超1%，仅英伟达微跌0.03%。戴尔科技大涨超11%，超微电脑涨超7%，高通涨近3%，英特尔、SpaceX涨超2%。 光通信板块上涨，迈威尔科技涨超4%，Coherent涨超4%。存储板块涨跌不一，希捷科技跌超3%，闪迪跌超3%，西部数据跌近3%，SK海力士涨近1%。 纳斯达克中国金龙指数涨0.40%，百度涨0.89%，阿里巴巴涨0.68%，京东涨0.15%，网易跌0.02%。 ??9月14日，韩国KOSPI指数开盘下跌3.1%报6692.61点，SK海力士跌超5%，三星电子跌3.6%。日经225指数低开0.55%，报63659.53点。 5天3板超声电子：“超声电子高频板通过英伟达认证”情况不属实，目前无产品供货给英伟达 金安国纪：网传公司产品纳入英伟达、华为供应链体系认证等相关信息不实 智谱：以零息+溢价转股形式融资50亿美元 江化微：与上海化工研究院签署战略合作框架协议 百利天恒：T-Bren联合帕妥珠单抗III期临床试验完成首例受试者入组 *ST卓然：可能被实施重大违法强制退市 龙版传媒：停牌核查工作已完成，股票9月14日起复牌 浪潮信息：拟定增募资不超90亿元投建AI基础设施等项目 宏昌电子：拟定增募资不超18亿元投建高端覆铜板等项目 有研硅：拟购买山东有研艾斯71.89%股权及山东有研半导体14.98%股权，股票9月14日复牌 雪天盐业：拟购买河北坤天新能源100%股份，股票9月14日复牌 园林股份：筹划购买华澜微控股权，股票9月14日起停牌 华锡有色：筹划控制权变更，股票9月14日起停牌 天通股份：筹划发行H股并在香港联交所上市 中巨芯：参股公司拟投资11亿元建设高纯石英材料项目 张江高科：子公司拟不超1亿元投资培风图南半导体 2连板中新赛克：上半年AI应用产品营收占比不超2% 2连板九鼎新材：公司目前未涉及玻璃基板、电子布业务 山东玻纤：公司暂没有电子布产品 爱仕达：具身智能机器人业务尚处于起步阶段，已形成销售收入仅13.72万元 宁德时代：首次回购A股股份60.43万股，成交金额约2亿元 浙商证券：保持信心和冷静，拒绝盲目跟风杀跌，继续以相对均衡的行业结构，保持当前中线仓位、等待中线底部逐步筑成，并做好借助筑底过程适当增配的准备。 中信建投：对于当前的A股和美股来说，加息预期的分歧让投资者感到无所适从，而加息“靴子落地”则能够凝聚共识，开启新一轮行情。周五A股在四大利空冲击下实现V型反弹，结合未来美联储加息靴子将落地，A股周四大幅缩量和科技板块相对充分的调整，认为A股有望迎来变盘时点，或将开启反攻行情。配置上依然均衡配置+灵活调整：1）以通信、电子等高景气行业作为当前进攻核心品种，并适当调升仓位；2）以银行、保险等低估值红利板块作为防御性底仓品种；3）关注油气开采、煤化工、煤炭、油服工程、航运港口在高油价持续下的受益机会。 【推荐订阅】《盘前点金》 每交易日盘前7:30左右，为您抢先捕捉关键讯息+ 研判主题机会 + 挖掘潜力标的。 点击下方图片，一键直达：

2026-9-13 : 作为数智时代的新型信息基础设施，“六张网”之一的算力网建设迎来多项重大进展。 第一财经记者从9月11～13日举行的2026中国算力大会上获悉，中国算力平台已实现全国一体化算力统筹监测，我国算力“一张网、一盘棋、一体化”发展格局基本形成。 大会还?发布了普惠算力服务清单?，京津冀倡议共建太空算力产业长廊，中国银行联合三家运营商启动?“一网三融”算力金融生态共建行动?，算力产业链上下游的多家企业发布硬核技术成果。 工信部总工程师钟志红在大会上表示，接下来将加快构建“枢纽—区域—边缘”多层次、梯次化算力架构，持续完善中国算力平台功能；搭建高速互联、超低时延、韧性强健的算力传输通道，按需部署城域毫秒接入；推动算力设施、算电协同等领域创新，加快算力标准体系建设指南编制；降低用算成本和应用门槛，推动分行业凝练高价值场景等。 9月11日召开的国务院常务会议在研究算力网建设有关工作时指出，要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。 推进全国一体化算力网建设 算力网是人工智能发展的基础支撑。随着人工智能技术加速迭代落地，算力发展正由规模扩张迈向体系化、精细化新阶段。 近年来，我国加快构建全国一体化算力网，形成以八大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的“8+10+3”算力空间布局，全国算力基础设施总量规模快速增长、算电协同深入推进、算网融合加速发展。 截至今年6月，我国智算规模达2185EFLOPS（FP16），同比增长177%，建成超70条连通算力枢纽、重点区域的算力传输通道，批复17个国家算力互联互通区域节点。 大会发布的《2026综合算力全景分析》报告显示，我国综合算力基础持续夯实，正从“建得多”加快转向“用得好、协同好”，智能算力已成为综合算力体系的重要支撑。我国正按照“点、链、网、面”思路体系化推进全国一体化算力网建设，算力基础设施建设取得长足进展。 第一财经记者在大会现场看到，国产GPU与类脑芯片异构混合推理系统、太空算力关键材料、AI可信计算等多项硬核创新成果亮相，算力产业正从规模扩张，向高效、绿色、安全方向加速转型。 例如，一款集装箱式分布式算力单元实现工厂预制生产，预制化率达90%。设备运抵现场通电后，最快仅两小时即可投入运营，大幅压缩传统数据中心长达一年左右的建设周期。针对AI服务器高发热难题，喷淋式液冷技术全新亮相。区别于冷板式、浸没式液冷，该方案通过定制喷淋模拟“冲澡”，精准带走设备热量。当前国内绝大多数存量机房仍采用风冷模式，液冷技术拥有广阔应用空间。 润泽智算科技集团股份有限公司副董事长李笠接受第一财经等媒体采访时表示，从当前算力的供需情况来看，当AI真正开始创造经济价值时，使用意愿急剧提升，而供给端却面临结构性紧张。算力供给扩大是智能社会发展不可逆的方向，未来AI将深度嵌入生产生活的方方面面，需求会呈几何级数增加，而“加大算力供给也是整个智能社会发展的必由之路”。 太初元碁首席架构师夏忠谋指出，当前AI大规模落地后，数据中心整体利用率明显上升，算力网调度已从“国家想做的事”变成“用户迫切需要的服务”。数据中心对电力的消耗非常巨大，算力调度涉及算力分配、算网融合、源网荷储等内容，核心目标是以更低成本、更节能的方式满足多元化算力需求。 工信部信息通信发展司副司长赵策表示，将加快构建多层次算力设施体系，提升算力设施发展水平，加快全国一体化算力网建设；有序推动算力产业技术创新，印发《算力标准体系建设指南》，有序推动太空算力技术发展和前瞻性产业培育；稳步提升算网融合支撑水平，研究制定推动算网融合创新发展的政策文件；加快构建普惠算力服务体系，加快建设“算力超市”，探索“算力银行”创新模式，让广大中小企业用得上、用得起、用得好算力资源。 大会发布了首批普惠算力赋能中小企业发展服务清单。清单覆盖通用算力、智能算力、大模型服务、行业智能体应用等多层次普惠算力服务矩阵，可提供容器化租赁、按量计费等灵活付费模式，推动算力资源普惠共享。 积极布局太空算力新赛道 当前，太空算力正从概念验证走向规模部署，成为大国竞争和区域协同的新赛道。 太空算力指的是将芯片、服务器等算力硬件直接部署到太空中的卫星上，让卫星在天上处理数据。随着人工智能爆发式发展，算力需求迅速攀升，地面数据中心受能耗、散热、土地资源等因素制约，发展瓶颈日益凸显。建设太空算力基础设施，有望成为突破地面物理极限、破解算力供需矛盾的新方案。 工信部信息通信发展司二级调研员梁屾表示，太空算力作为算力体系与航天技术深度融合的关键方向，是全球科技竞争和未来产业发展的新前沿。推动太空算力产业发展，需聚力攻坚关键技术、强化基础供给能力、有序培育产业生态、深化融合应用创新，多举措共同推进我国太空算力产业行稳致远。 中国信通院与北京太空智算研究院在大会期间成立“太空算力关键技术与场景验证实验室”，这是业界首个聚焦太空算力关键技术及多场景一体化验证的实验室。 实验室重点围绕前沿共性技术攻关、工程化中试验证、多领域实景场景校验、行业标准评测体系建设四大核心任务，旨在构建“底层技术研发—工程性能校验—实景应用示范—标准体系完善”一体化综合创新平台。 中国信息通信研究院党委书记李冠宇表示，太空算力产业发展要举行业之合力，贯通覆盖硬件、基础软件与应用生态的技术链条；构建跨领域融合生态，推进太空算力标准体系框架研制；推动太空算力与遥感服务、智能驾驶等领域深度融合，加速商业闭环。 大会上，北京经济技术开发区、天津经济技术开发区、河北雄安新区、廊坊市四地携手，发起共建京津冀太空算力产业长廊倡议。长廊以构建天地一体跨域算力网为使命，协同开展技术攻关、场景探索和集群培育，打造开放合作的太空算力产业生态。 四地明确了各自在太空算力产业长廊中的定位与使命：北京聚焦“星箭策源、算力上天”，作为全国商业航天星箭制造核心策源地，算力从这里启程奔赴太空；天津聚焦“天河筑基、超智融合”，依托国家超算天津中心天河系列，推动超算与太空算力智能融合；雄安新区聚焦“星网领航、网算一体”，依托中国星网总部，推动卫星互联网与算力网络一体协同；廊坊聚焦“毫秒链接、天地协同”，依托环京算力枢纽毫秒级通达优势，实现地面与太空算力天地协同。 工信部日前印发的《信息通信行业发展“十五五”规划》对太空算力作出部署，提出构建天地一体的空间网络。强化高中低轨卫星星座协同，推动卫星网络与地面通信网络深度融合，统筹建设星地互联中心，开展手机直连卫星、卫星物联网等应用。 银河航天研究院院长张世杰对第一财经表示，卫星应用正在从单一功能向综合服务转变，通信、导航、遥感、算力等能力的深度融合将成为未来卫星产业发展的重要趋势，大算力、大能源等相关技术的不断突破，可以为空天地一体、通导感算融合的综合服务体系注入强劲动力，加速卫星互联网建设。 张世杰表示，未来随着技术的发展，太空经济还会不断发展，太空工厂、太空采矿等新业态将逐步开始具备商业可行性。当人在太空长期驻留工作和生活时，一套与地面对等的太空信息网络就不可或缺，太空算力将变得更重要。

2026-9-13 : AI热潮推动美股科技股今年以来迅速走高，近期随着市场分歧加剧，市场进入震荡调整期，关于后续走势的讨论大幅增加。众多的分析策略和指标，往往单一呈现，其优缺点却鲜有讨论，而分析相关股票不仅是对市场的理解，更是对于AI科技革命背后产业发展、用户行为乃至经济发展前景的判断，所以我们迫切需要一个对相关科技股从估值到产业到需求的整体分析框架，呈现各类指标在科技股周期判断中的适用性及优劣，为市场、产业和宏观经济分析提供有益参考。 在人类历史来看，智力、体力和资本的约束始终是决定生产水平的重要变量。在历次工业革命后，人类通过资本积累、技术进步、机器取代人力劳动，总产出因此极大增加。AI的出现，进一步为人类节省了智力资源，其后续演进虽然难以估计，但其技术发展和延伸对于人类的影响，将带来一轮人类生产力的变革，这正是目前市场重视AI的逻辑起点。 基于市盈率等估值计算方法 基于估值的算法主要包括PE（市盈率，股价除以每股收益）、Forward PE（远期市盈率，股价除以预期每股收益）、PS（股价除以每股销售额）和PB（股价除以每股净资产）等。这些指标的计算基础往往具有较强的周期性，比如一个反直觉的结论是，标普500指数市盈率最高的时刻并非2000年科网泡沫时期，而是科网泡沫破灭后，2008年金融危机后（2009年，图1）以及新冠疫情后，出现这种情况的原因是经济危机后企业利润迅速回调，但股价回调慢于利润回调速度（一个直观的反映是，部分企业利润可能迅速转负，但股价基本不可能转负），这反映了利润具有周期性从而会削弱其价值预测能力，尤其是长期价值预测能力的缺点。 但是市盈率指标仍然有价值，一是市盈率可以用于比较当前回报率和资本再投资回报率（利率），来判断这笔交易是否“划算”，比如今年7月标普500指数的市盈率为28.71倍，而7月美国的长期利率（7月10年期美债的平均名义收益率）为4.6%，无风险收益率能够支撑的估值倍数约为21.74倍，从这一点看标普500的估值是偏贵的。二是市盈率可以用于与历史数值进行比较，目前标普500指数的市盈率高于1954年以来16.9倍的均值，也远高于1990年以来更高估值阶段的19.6倍。 Forward PE、PS、PB的逻辑比较类似，分别使用预期盈利、销售额和净资产作为估值变量，这些变量都可以衡量现在市场的相对位置，但本质上盈利、销售额和股价一样都属于产业发展的结果，用结果预测结果存在逻辑上的缺陷。席勒（Shiller）市盈率将估值公式分母改为过去10年经通胀调整后的平均每股收益，有效平滑了波动，这也使得美股的席勒市盈率展现了完全不一样的结果，目前处于40~42倍的历史第二高位，仅次于2000年互联网泡沫破裂前的约44倍；PEG指标通过将市盈率与预期盈利增速作比试图改善对股票成长性预测不足的问题，但是10年平均收益依然是用结果预测，预期盈利的增速仍然具有较大的不确定性，我们迫切需要寻找领先指标，而不仅仅是结果指标。 基于产业需求的方法 前述方法的所有问题，都在于缺乏经济传导机制，更多是一种基于历史维度的比较和应用无套利原理。如果观察需求指标，则可以更清晰地反映AI产业究竟能从客户，包括产业和终端客户中取得多少收入支撑其利润乃至股价。 基于产业需求，可以观察的指标主要是AI服务提供商的资本支出（Capex）。Capex代表了主要的AI服务提供商投资的强度，目前显卡、处理器、光模块、存储相关股票的大幅上涨，原因主要是AI服务提供商资本支出带来的设备需求，只要资本开支仍处于扩张周期，相关股票的股价就具备现实支撑。集邦咨询预测，2026年美国和中国的主要云服务厂商的资本支出合计将达到8000亿美元，比2025年增加约一倍。从现实数据看，北美四大AI和云服务提供厂商谷歌、微软、Meta、亚马逊2026年一季度资本开支合计约为1288亿美元，同比增长81%，环比增长10%，证明相关产业确有旺盛的需求。 但是上述产业需求根本上是中间品厂商向上游厂商采购的链条中的一环，根据美银最新的统计数据，AI基础设施提供商和AI服务提供商的自由现金流产生了鲜明对比。英伟达、美光、博通和应用材料公司（Applied Materials）4家AI基础设施公司未来12个月预计将产生约4300亿美元的自由现金流，是两年前的三倍多。而谷歌、微软、Meta、亚马逊和甲骨文5家公司的自由现金流预计将从2024年2600亿美元的历史峰值，首次跌入负值，反映了产业上下游现金流的此消彼长特征，由此可见，要判断AI能不能从融资驱动走向盈利驱动，仅仅分析产业需求是不够的，必须考虑终端需求。 基于终端用户需求的方法 本文从四个指标入手，来计算和反映AI的终端用户需求。 1.终端用户在AI模型和平台的支出。 2025年，全球终端用户在AI模型和平台的支出仅为393.11亿美元，Gartner预测2026年将达到642.52亿美元，相较2025年增长63.4%，其中生成式AI模型投资增速达117%，AI平台支出则增长36.9%。增速虽快，但总量相比服务商巨大的资本支出显得微不足道。此外，根据Menlo Ventures的数据，全球消费级AI市场用户数量突破18亿，但所有AI用户中仅有3%为付费用户，凸显出该领域的营收潜力仍未真正释放。 关于AI付费市场的潜力，有两个可参照的指标，一是个人电脑的普及率，Gartner统计2021~2025年全球个人电脑5年累计出货量约为14.04亿台，如计算部分5年以上的存量设备，总的活跃保有量在18亿~22亿台，全球2025年人口为82.15亿人，电脑设备的全球普及率在21.91%~26.78%，5年以内电脑设备普及率约为17.09%。二是全球智能手机的普及率，2025年10月的时点数据约为60%。 这两个指标的意义是什么？个人电脑需求可以视为专业性需求的上限（只计算5年内购买的设备，因为专业性需求很少会使用老旧设备），而智能手机需求可以视为总需求的上限。如果应用在AI上，则可对应为AI付费用户的上限和AI总渗透率的上限。目前AI市场的渗透率为21.91%，如果以智能手机普及率计算，AI终端用户的市场容量为目前的3倍不到（2.74倍）；如以5年内电脑设备普及率17.09%计算，AI付费用户的市场容量还有相当广阔的前景，目前AI付费用户约为0.54亿人，付费用户的市场容量可达目前的26倍，付费市场规模可达约1万亿美元。 市场有一种声音，认为随着AI应用的深入，用户的付费价格会上升。笔者认为，随着技术的普及渗透，技术的单价整体应呈现下降趋势，这在过去的电脑、智能手机的发展过程中都有体现。AI Token支出指数也反映了这种趋势。 2.AI Token支出指数。 AI Token支出指数是由Silicon Data编制的核心行业指标，衡量全市场每使用100万枚Token的平均支付价格，反映市场对AI前沿模型的边际支付意愿而非总需求量。该指数的单纯涨跌并不反映实际的需求总量特征，更多是用户需求结构的一种变化，该指数在今年6月初达到2美元后迅速下滑至9月初的1美元，为自2025年12月有数据以来的最低点，这反映了一个事实：企业人工智能预算正受到更严格的审查，人们越来越关注使用效率、成本控制和可衡量的结果。AI的单位支出价格下降也符合上文对AI技术普及渗透过程中价格下降的判断，值得注意的是，H100 GPU租赁价格指数并未出现显著下跌，这个数据又一次印证了上文中产业需求旺盛的观点，上述数据共同反映了产业需求和终端用户需求间存在明显的冷热不均。 3.AI领域的总消费支出。 即使扩展至AI领域的总消费支出，相关数据仍能支持本文的判断，Counterpoint Research发布的研究报告预计，全球AI消费支出将高速增长，全球生成式AI消费支出将从2023年的2250亿美元增长至2030年的6990亿美元，复合年增长率（CAGR）达17.6%。 这里的AI总消费支出包含了各类AI硬件（如AI智能手机），总支出在2030年才能触及约7000亿美元，短期消费需求并不能覆盖服务提供商庞大的资本支出。此外，AI手机占据了AI消费支出中的最大比重，这类端侧AI设备带来的对AI硬件的增量需求不如AI大模型本身带来的设备增量需求，端侧设备的最终变现能力也受到AI付费用户市场潜力的约束。短期来看，与AI直接相关的设备在AI硬件中占比较低，对产业的拉动小于总消费支出。 4.巴菲特指数。 为什么说巴菲特指数（股票总价值占GDP的比例）也应视为一种股价与终端用户需求的比率呢？有两个原因，一是GDP的波动远小于利润，是一个更加优质的估值指标，和席勒市盈率的逻辑类似。二是GDP、国民收入等指标与股价关系的内涵十分丰富，假设国家资本化的水平在一定时间内不变，或我们至少可以认为资本深化不是导致近期市场上涨的原因，那么我们只需要关注GDP这个指标，可以发现，GDP不是一个单纯的结果变量，联系文章开头的产出公式，产出等价于GDP。AI的终端用户需求，将取决于其对生产力的推动能力，即AI导致GDP变化的部分，应等于AI消费的理性需求，是一个自变量。 从数据看，当前美股的巴菲特指数创下历史新高，达到了220%以上的极端水平，其回归的趋势不可避免，短期可能表现为市场的调整，长期则需要依靠AI对生产力的推动，推动分母升高，从而使指标下降。这种长期设想是否能成为现实，还需进一步的证据。 目前，AI市场的结构在快速变化，端侧AI、Agent兴起后，相关任务需要持续感知、规划、调用工具，并有较长的任务链条，任务的Token消耗量相比传统聊天模式大大增加。AI目前已经在工业制造、医药研发、能源物流、学术研究等领域实现了生产力级的应用，但在诸多行业的应用拓展还面临着难点。总而言之，AI对生产力的改变正在发生，也将要发生。短期而言，AI面临着终端用户需求不足的问题，对于股价是一个较大的风险因素；长期而言，AI的价值取决于经济层面上其对生产力的替代和加成程度，AI的价值将在更远的未来得到体现。 （作者系上海财经大学经济学博士）

2026-9-13 : ①国家数据局：适时推动具身智能数据标准建设，积极支持企业加大数据投入； ②OpenAI CEO山姆·奥尔特曼：因AI安全问题，不会在2026年上市； ③SK集团会长崔泰源：蔚山AI数据中心容量已扩大至近900兆瓦； ④优必选柳州工业人形机器人超级智慧工厂正式投产； ⑤图灵量子发布新一代光量子计算机TuringQ Gen3； ⑥现代汽车计划于2029年下半年生产搭载自研驾驶辅助系统Atria AI的Level 2++车辆。

2026-9-13 : 算力作为新基础设施，已成为布局未来的基石。 国务院总理李强9月11日主持召开国务院常务会议，对加强安全生产工作作出进一步部署。其中最引人关注的是研究算力网建设有关工作。会议指出，算力网是人工智能发展的基础支撑。要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。 算力网等新基础设施的健康有序发展，直接关系到中国在人工智能领域的推进进程。算力基础设施不仅包括GPU、算力设备，也包括发电、输电、储能等电力系统的协同。其中，电力系统显然是中国在算力网络建设中最具确定性、准备最充分的领域。会议指出，要推动算电协同、算网融合，加强算力资源监测调度和骨干光纤网络建设，强化算电设施规划衔接，加快绿电直连、源网荷储等项目落地。这是在用自身可控的确定性来优化布局，助推算力网的稳定发展。 这次会议不仅为算力网的建设定航指向，还明确了对应的方式方法，即“要更好发挥市场机制作用，支持企业开展科技创新、资源整合和应用推广，促进供需更好匹配”。这一系统性陈述明晰了一个容易混淆和陷入路径依赖的问题，即算力网不是单纯的建设问题，而是供需匹配问题，这将有助于人们在算力网等人工智能基础设施上因地制宜地走出一条与过往不同的新路。 长期以来，加快基建是中国经济释放增长潜力的一个关键抓手，这也推动了中国在传统基建领域的超前布局，使得中国的基础设施成为相对其他国家和地区最具特色的比较优势。 同时，举国体制驱动的经济社会发展模式，擅长在确定性领域做大做强。而当前新型举国体制主导的新基础设施建设方面，则需探索在可能性场景下的战略布局，避免将算力网等新基础设施建设，路径依赖地纳入单纯的建设轨道。毕竟，人工智能的发展生态处于干中学的建构中，这要求算力网建设保持足够的灵活性和能动性，强化供需匹配的趋势互动。 显然，算电协同、算网融合是一个探索性工程，需要在战略层面明确这不是一个在确定性场景寻求稳定供给的问题，而是一个基于可能性场景追逐高风险收益的探索问题。如何更好发挥市场机制的作用，更好提升对市场的敏感适应能力，将是算力网面临的新课题。 这一新课题最突出需要解答的，是规划与市场的匹配合作问题。当前电力体系处于不断推进的市场化改革进程中，算力网建设、算电协同、算网融合的一个关键核心命题就是如何推进体制机制衔接，推进售电侧和电网领域的市场化改革，使其更好地适应和应对算力网需求，更好地基于经济社会对算力结构的需求，调整和协同电力体系的匹配性供给，并提高电力和电网领域对市场需求动态演进的快速反应能力和敏感适应能力。 这是一个复杂的结构性改革课题，既涉及算力网的市场导向，又牵涉电网的市场化改革，这也是一个破旧立新的复杂工程，唯有将算力与电力拉回到同向的市场机制场景，尽可能地用市场看得懂、算得清的信息，搭建供需联动方式，算力网才能真正具有充分的灵动性和市场敏感性，高水平完成市场供需匹配。 当然，算力网建设笃定市场化航向，遵循市场机制，不仅在于促进供需更好匹配，更重要的是激发市场创新性匹配活动，为企业科技创新、在变动的环境中快速解决实际问题提供有效的保障。 人工智能处于快速发展和迭代中，这意味着算力网与电力体系的接口并非一成不变，而是处于典型的非稳态场景中，本质上需要企业及时有效捕捉和整合市场的分散性信息，才能为市场供需架起随需而变的桥梁。 而这需政府为市场提供更充分的自由交易秩序，降低市场交易成本，提高企业搜寻、选择、匹配信息的能力，有效降低市场的试错成本，提高市场供需匹配的能力，进而使得算电协同和算网融合等更快捷有效、经济可行。因此，要推进算力网的健康发展，政府需要将重心放在营造更好的交易自由秩序，让匹配成本更低，配置效率更高。 老去又逢新岁月，春来更有好花枝。算电协同、算网融合，开启的是一场随需而变的新征途。不论是协同还是融合，本质上书写的是以变应变的适应力，让市场机制统领新的算力网与现有的电力体系，开启的将是一场不需归程的结构性改革。

2026-9-13 : 为欧盟强化竞争力出谋划策的意大利前总理、欧洲央行前行长德拉吉近日再发长文，呼吁欧洲建立大规模人工智能（AI）数据中心，捍卫欧洲数据主权。 2年前，德拉吉发表《欧洲竞争力的未来》，即“德拉吉报告”，列出了一系列重大改革措施，包括加大对AI和国防等战略领域的投资。彼时，报告受到了欧盟委员会及各成员国的欢迎。它们均表示，提升欧洲竞争力是当下欧盟的首要任务。然而尽管确立了这一优先事项，但立法进程依然缓慢，部分改革措施的推进耗时超过预期。 2年后，在全球AI竞赛的今天，德拉吉再次发出警示，称欧盟的AI算力仅占全球的不到5%，而美国则高达75%。 刚从欧洲多地进行学术调研回国的对外经济贸易大学全球价值链研究院研究员、法国经济研究中心主任赵永升对第一财经记者表示，从实地调查的感受来看，欧洲目前在AI问题上仍然非常传统和保守。 他对记者表示，在AI基建、研发方面，欧洲投资不足，立法偏向保守，这些都导致欧洲在同具有比较优势的中美等经济体在项目竞争时处于劣势，而且有一些立法也体现了欧洲大部分普通人的看法，短时间不会出现大的逆转，这对欧洲下一代的确不利。 “欧洲对AI价值链控制力很弱” 德拉吉在文章中表示，自疫情暴发以来，欧洲的增长趋势已显著放缓。“据估计，欧元区与美国的生产力差距将从2018年的每小时9美元扩大到2025年的每小时21美元。对于如何比较各国生产力水平，各方观点不一，但增长率的差距显而易见。”他写道，“欧洲可以通过多种途径提升经济增长，例如消除内部市场的高壁垒。但广泛采用AI或许是目前最有前景的途径。根据欧央行预测，快速采用AI，每年将使全要素生产率增长率提高0.3至0.4个百分点，而自2022年以来，欧洲全要素生产率增长率几乎为零。” “然而，AI驱动的增长与欧洲争取主权的努力之间存在矛盾，因为欧洲对AI价值链的控制力很弱。这项技术将变得无处不在，比如在经济、医疗、教育、能源、国防等领域。这绝非普通的依赖关系。一旦经济依赖AI运转，与AI脱节就如同与美国金融体系脱节，后果将是灾难性的。”他表示。 德拉吉警告称，“可以想象，未来的美国政府可能会将获取前沿AI模型的权限与欧洲修改数字规则或征收数字税挂钩。”他表示，除非欧洲能够掌控价值链的某个环节，否则AI带来的增长与主权将相互掣肘。 德拉吉还坦言，“欧洲在AI领域的潜在主权范围十分狭窄。前沿实验室目前在经济上无法与美国和中国的竞争对手抗衡，尖端芯片的生产也远远落后。但数据是欧洲仍能保持主权的唯一领域，也是最具增长潜力领域。” “欧洲大陆拥有丰富的公共部门数据，例如数十年的健康记录和统计机构的数据收集。高度自动化的制造业也产生了海量的机器可读工业信息。欧盟委员会估计，到2030年，欧洲的数据经济规模将超过8000亿欧元，占国内生产总值（GDP）的5%以上。”德拉吉表示，但这又带来了新的难题。为了充分利用这些资源，欧洲需要掌控数据的存储和处理。这意味着它需要大规模的AI数据中心。 欧盟为何需要自己的AI数据中心 德拉吉称，数据中心的建设引发了激烈的争论，“当地社区担心数据中心带来的环境成本和不断上涨的能源费用。雪上加霜的是，目前欧洲正在建设的大部分数据中心都服务于美国科技巨头。” 他提议，“处理和存储欧洲数据的设施必须设在欧洲本土。美国运营商可以通过其所谓的‘主权云’服务提供大部分算力——这些服务虽在欧洲运营，但所有权仍归美方所有。然而，涉及最敏感用途的业务必须在欧洲的管控下运行；这正是欧盟委员会在《云与人工智能发展法案》中提出的分级管理方针。” 德拉吉表示，如果这一缺口无法填补，将带来两大风险。其一，欧洲企业可能因无法将数据留存在欧洲而放弃采用AI技术——欧盟委员会针对该法案的影响评估也指出了这一风险。其二，算力成本可能居高不下，从而拖累AI在低价值任务中的广泛应用。以亚马逊为例，其在德国提供的“主权云”服务收费已比标准服务高出15%。 他还提议，针对数据中心的种种顾虑是可以化解的。可以强制要求使用清洁能源为数据中心供电，并在条件允许时回收利用废热。设施选址应避开能源和水资源匮乏的地区。此外，还可以要求数据中心承担其给电网带来的相应成本，并与当地社区分享收益——无论是通过向地方财政缴费，还是通过降低能源费用等方式。 那么，为何欧洲不建设更多数据中心呢？ 德拉吉表示，“部分原因在于供给侧的制约。在美国，建设一个数据中心需耗时24个月，而在德国则需42个月，这主要是因为审批和电网接入流程耗时更长。高昂的电价使得在欧洲部分地区建设及运营数据中心的成本比中国高出两倍。不过，欧洲也有建设成本较低的地区：例如，在瑞典建设AI数据中心的成本仅比在中国高出约十分之一。” 他还称，欧洲面临的主要障碍在于需求分散。数据中心建设需要巨额资金投入，而投资者只有在获得可靠的长期承购合同后才愿意注资。 德拉吉举例称，在美国，超大规模云服务商和前沿AI实验室能提供此类合同。而在欧洲，需求分散在数百万家企业之中；即便是大型企业，由于采用AI的速度存在不确定性，往往也倾向于按年采购算力。 德拉吉表示，正因如此，像Nscale这样在欧洲运营的“新一代云”（即专为AI负载设计的数据中心）企业，大部分算力都销往了美国买家。 “因此，欧洲必须通过政策引导，培育出规模庞大且集中的买家群体。关键在于，大型企业需将各自中等规模的采购承诺汇聚起来，形成足以支撑投资者提供融资的大额合同。”他表示，这种模式已有先例。包括阿斯麦、凯捷和阿玛迪斯在内的一批欧洲企业，已承诺多年采购Mistral AI公司的“欧洲算力单元”，旨在为2030年前实现1吉瓦（GW）的算力规模提供资金保障。 他表示，当前的挑战在于如何扩大这一模式的规模，吸纳更多“新一代云服务商”及更大规模的企业联盟，让它们各自承诺对标准化算力进行长期采购，“目标是形成良性循环。” 赵永升对记者表示，欧洲目前的问题在于整体社会共识要跟得上全球AI的发展，而非仅是欧洲政治界的有识之士进行宏大叙事的策划等，“实际上东亚、北美区域的下一代目前非常超前，再过10年，这将令欧洲整体上都缺乏竞争力。”

2026-9-13 : 25位菲尔兹奖得主警告：AI正毁掉数学9月12日，陶哲轩等 25 位菲尔兹奖得主联合签署公开信，警告AI公司与数学共同体之间正在出现“严重错位”。他们认为，AI公司正在把解决数学问题作为衡量模型能力的基准，而数学共同体真正追求的，并不是尽可能快地得到一道题的答案。AI以越来越快的速度批量生产“真/假”结论，可能不是在孕育新的思想，反而可能摧毁孕育思想的沃土。此前9月8日，OpenAI宣布其一款未公开内部模型的计算能力已解答千禧年大奖难题之一的纳维斯托克斯方程存在性与光滑性问题，并发布了166页的论文。【点评】这份声明并没有主张拒绝AI。数学家们承认AI具有加强和加速真正数学研究与理解的潜力，数学这一职业也需要适应由此带来的变化。真正尚未确定的是，这种变化最终会推动数学发展，还是产生破坏性影响，而结果在很大程度上取决于掌握这项技术的人如何作出选择。DeepSeek发布V4.1 Flash，最高降价60%9月10日，经过两天内测，DeepSeek正式发布V4.1 Flash模型，“能力更强、速度更快、且成本更低”。据介绍，V4.1 Flash是DeepSeek全新模型结构系列中尺寸最小的一款，具备原生多模态视觉理解能力。这一系列架构的设计目标是：提高能力上限和推理速度，扩大吞吐量，同时支持向更大参数规模扩展。除了架构变化，V4.1 Flash还采用了新的预训练方式，并经过更大规模的强化学习后训练。由于技术上的创新，V4.1 Flash能以更低的成本服务用户，DeepSeek还公开下调了定价。9月10日12:00起，Flash系列模型的最新定价为：空闲时段输入缓存命中单价0.02元、输入缓存未命中单价1元，输出单价4元；高峰时段价格为空闲时段价格的2倍。相比之前，缓存命中输入的价格降幅达到60%。【点评】对普通用户而言，用DeepSeek聊天最直观的变化是生成速度更快了；对开发者而言，则是调用成本进一步下降。凭借性能提升与价格下探，DeepSeek巩固了其在高性价比模型市场中的位置。黄仁勋称网络安全可能成为AI下一个主要应用场景在当地时间9月10日的旧金山高盛科技会议上，英伟达CEO黄仁勋表示，网络安全很可能成为AI的下一个主要应用场景。他认为，AI加速自动化编程的同时，也加速了代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求将随之增长。“有什么比制造问题更能创造需求的方式呢？”他表示。【点评】近一周还有多名海外模型头部公司科研人员密集发声，强调AI安全风险已从理论走向现实。例如，Anthropic对齐科学负责人Evan Hubinger表示，他个人认为未来十年内AI杀死所有人类的概率超过10%。不同业内人士对AI安全问题的关注层面不同，当前AI已经能被用于网络攻击，用AI守护网络安全是一种应对方式。随着AI能力演进，未来还有可能导致其他安全问题。诺奖得主称AI有望使生产率增速每年提高1.08个百分点“AI有望在未来十年使生产率增速每年额外提高约1.08个百分点，潜在影响或超过IT革命。”9月10日，在2026Inclusion·外滩大会上，诺贝尔经济学奖得主、法国经济学家菲利普·阿吉翁表示，仅考虑AI对商品和服务生产中任务的自动化，未来十年，AI就有望使生产率增速每年额外提高0.68个百分点。0.68个百分点只是一个下限，如果进一步考虑AI促进新想法产生的作用，生产率增速每年还可能额外提高至少约0.4个百分点，合计潜在提升约1.08个百分点。【点评】阿吉翁的预计建立在一个前提下：竞争政策、教育体系和劳动力市场制度同步跟上，使技术潜力转化为持续增长。与此同时，要警惕AI领域集中度过高导致的垄断，垄断有可能压制该领域的创新。阿吉翁提到的另外一点也非常重要：需要良好的劳动力市场保障，帮助劳动者更顺利地进入新的工作。燧原科技登陆科创板9月11日，AI芯片厂商燧原科技登陆科创板，上市首日收涨179.22%。2023年~2025年，燧原科技年营收分别为3.01亿元、7.2亿元、9.9亿元，营收持续增长，净亏损则分别为16.65亿元、15.1亿元、11.64亿元。2026年上半年，该公司营收11.2亿元，同比增长279.08%，亏损6.32亿元。【点评】国产AI芯片上市公司再增一员。燧原科技尚未实现扭亏，去年营收规模在国产AI芯片公司中偏低。今年上半年营收规模低于摩尔线程、壁仞科技和沐曦股份，高于天数智芯。对大客户的绑定是燧原科技业务结构的一大特点，客户集中度偏高带来了一定的风险。燧原科技第一大股东腾讯科技及关联方同时是燧原科技的大客户。2025年该公司来自腾讯的收入占比达83.79%。软件股剧烈波动当地时间9月8日，美股结束劳动节假期恢复交易后，Salesforce、Intuit均下跌约4%，ServiceNow跌约5%，标普500软件与服务指数下跌1.4%，连续两个交易日走低。触发市场新一轮担忧的，是OpenAI上周发布的GPT-6 Astra，更强的AI Agent可能进一步削弱甚至替代传统软件的部分价值。【点评】不到两周前，市场还刚刚因为AI商业化进展重新买入软件股。Salesforce发布财报后盘后一度上涨14%，Snowflake最新财报后更上涨超过20%。软件股近期的剧烈波动，反映出市场还没有找到答案。AI已经开始进入部分软件公司的财务指标。而它最终成为传统软件新的增长点，还是重新改写整个SaaS行业的收入结构，现在才刚刚进入可以用数字验证的阶段。美国科技巨头加速布局电力9月9日，谷歌宣布未来两年在芬兰投资130亿欧元建设AI基础设施，并签下一份长达22年的核电协议；微软被曝计划到2032年将全球数据中心容量扩大至约38GW，超过目前水平的三倍；英伟达则与澳大利亚多家数据中心运营商等合作，计划到2027年推动最高2GW的AI基础设施容量，而澳大利亚目前全部数据中心容量约为1.6GW。【点评】这些项目背后，AI公司不再被动等待公共电网扩容，并且越来越早地把电源、储能和数据中心放在一起规划。AI竞争也从模型、芯片和数据中心，继续延伸到电厂、电网和能源融资。大模型版本迭代以月计，GPU全新架构迭代周期约 1-2年，而新的输电和发电设施往往需要数年建设，电力正成为AI扩张中最难加速的一环。机构预测AI主机将与PC、服务器并列三大算力品类9月9日，联想与IDC发布《AI主机白皮书》预测，国内AI主机产业将经历三个阶段：2026年为品类导入元年，全年出货量约40万台、对应市场规模约50亿元；2027-2028 年为早期渗透期，AI OPC群体与中小企业逐步采购，市场仍处品类教育期；2029-2030 年市场进入加速爬坡期，出货量从约350万台攀升至约700万台、对应市场规模从约460亿元跃升至约770亿元。【点评】企业推进AI应用普遍面临“不敢用、不会用、用不起、不好用”四大痛点，担心核心数据外流且缺乏专业团队。AI主机走向产业普及的关键，在于是否能在商业逻辑上算清投入产出比与安全合规这两笔账。谷歌用AI破解罕见病当地时间9月8日，谷歌DeepMind发布了人类基因组预测平台AlphaGenome Atlas，可以理解为，这是一张预测人类基因组中所有可能的DNA单字母变化的图谱，能帮助研究人员理解尚未破解的罕见病等问题，并加速生物学研究。根据谷歌DeepMind发布的博客，AlphaGenome Atlas预先计算了人类基因组中约90亿种单核苷酸变异可能产生的分子影响，并将结果整理成一个规模达1PB的数据集。谷歌称，这是目前关于基因突变如何影响分子生物学最全面的预测目录，其数据体量是AlphaFold数据库的30多倍。【点评】凭借AlphaFold拿到诺贝尔奖之后，谷歌的AI for Science版图开始向更多环节延伸。研究人员认为，人类基因组是一个极其庞大的搜索空间，要找到一个对特定疾病或性状真正重要的遗传变异，就像大海捞针，而谷歌的AlphaGenome Atlas的价值在于“缩小这片大海”。摩尔线程限售股解禁当天股价大跌摩尔线程9月7日跌20%，当天该公司2577.45万股首次公开发行网下配售限售股迎来解禁。摩尔线程回应称，公司总流通股扩大85%，公司生产经营持续向好。另一家国产GPU厂商沐曦股份也将于9月17日迎来1396.6万股首发机构配售股解禁，总流通股将扩大75%。【点评】这批限售股解禁前，摩尔线程流通股数仅为3022.55万股，解禁后这一数字升至约5600万股。如果按9月4日收盘价计算，这批解禁的限售股市值达133.9亿元。摩尔线程还将于12月7日迎来1.86亿股首发股东限售股份解禁，规模更大。除了流通盘扩容压力，国产GPU厂商的长期走势，还取决于基本盘成色。多家厂商在光博会展出NPO方案9月9日至11日的中国国际光电博览会（下称“光博会”）上，多家光互连供应链厂商展出NPO（近封装光学）相关产品。华工科技子公司华工正源用展板介绍了公司3.2T NPO的设计。东山精密旗下索尔思光电展出了6.4T NPO模组。中际旭创子公司智禾光通展出了3.2T NPO产品。Coherent则展出了NPO、CPO（共封装光学）和XPO（超高密度可插拔光模块）可用的光子集成电路。【点评】NPO方案在此次光博会上尤其惹眼，体现了数据中心互连方案从铜向光演进的趋势。要提升光互连性能，业界正在尝试各种方案，期间产业链存在持续的分歧和博弈。因CPO系统集成度高，有能力做CPO的厂商不多，一些产业链环节对CPO方案有所“忌惮”。近期NPO方案的火热，正是产业链博弈在现阶段的产物。

2026-9-13 : AI入口争夺战，正在从手机、汽车蔓延到家庭存储。9月12日，消费硬件厂商绿联科技发布充电安全与AIoT生态产品。外界原本更熟悉它的充电宝、数据线和扩展坞，这家公司已经转向智能存储、家庭智能体等方向。会上提到，在端侧AI落地方面，绿联正与千问等AI厂商合作。从财报来看，切入AI也是沿着绿联目前增长最快的业务推进。绿联科技发布的2026年半年报显示，上半年公司实现营收约58亿元，其中智能存储收入7.7亿元，同比增长约86%，增速最快。绿联将智能存储业务定位为“公司第二增长曲线”。绿联的智能存储产品以NAS为核心品类，即连接家庭或企业局域网的存储设备。过去，NAS主要承担存储文件等功能，大模型进入端侧后，厂商开始给这类设备加入本地推理能力，希望将NAS（网络附加存储）升级为能理解和处理数据的个人算力中心。在本地大模型能力方面，绿联与千问进行了深度合作。在面对更加复杂的高难度推理任务时，用户也可切换至云端大模型。绿联的下一步，是把本地AI能力延伸至家庭智能生态。绿联创始人兼CEO张清森表示，整个生态是一个AIoT中枢，既承担中央存储和中央算力，也可以通过协议向扫地机器人、3D打印机等设备共享算力和AI能力。这样每件家电不必单独配置AI和算力，而是由一个中枢按需提供算力，以提高AI在家庭中的复用率并摊薄成本。过去几年，“端侧AI落地元年”几乎年年被提起。但直到2026年，这一判断才第一次接近现实，行业普遍将今年视为分水岭。阿里Tokenhub MaaS事业部高级算法专家陶永亮认为，端侧AI规模化落地背后主要是技术迭代的突破。一方面是架构创新，大模型可以支持端侧设备完成更复杂的工作，“这背后需要很多能力的整合，就像搭积木一样配合完成复杂任务。”另一方面，大模型的记忆能力和自我规划能力进步，让端侧设备更了解用户的操作、数据和习惯。从行业看，随着AI在端侧的落地，市场机构对AI NAS普遍给出了较高的增长预期。据QYResearch数据，全球AI NAS市场2025年规模约987万美元，预计2032年达到1.55亿美元，复合年均增长率为49%。中信建投则在研报中认为，全球AI NAS销量将从2024年的6万台增长至2035年的669万台，渗透率提升至60%以上。不过，实际应用中AI NAS能否从发烧友设备走向大众家庭，用户是否愿意为本地AI付费，还要看接下来市场反馈如何。

2026-9-13 : 当地时间9月12日，AI行业两大头部厂商就同一议题发出相似信号。OpenAI CEO山姆·奥尔特曼（Sam Altman）在接受公开采访时表示，鉴于当前AI技术安全领域发生的一切，现在并非上市的理想时机，公司不会在2026年上市。Anthropic CEO达里奥·阿莫迪（Dario Amodei）发文呼吁“放慢模型能力提升步伐”。奥尔特曼在采访表示：“我们目前还没有达到可以在安全能力没有取得进一步进展的情况下，继续大幅推进模型能力的阶段。我们需要在可监测性、对齐、理解模型正在做什么，以及确保模型遵循人类价值观和用户意图等方面取得更多进展。”在谈及更强大的AI是否可能最终超出人类控制时，奥尔特曼给出了肯定回答。他认为这种可能性绝对存在，但关键不是预言AI是否必然失控，而是在继续提升模型能力之前，同步建立足够的监测、对齐和控制能力。针对近期业界讨论的AI灭绝风险，奥尔特曼表示，10%的灾难性AI风险是不可接受的。上述判断直接影响了OpenAI的商业节奏。奥尔特曼确认，考虑到AI安全现状，现在上市并非明智时机，公司在2026年不会IPO。他同时透露，OpenAI已经讨论过在模型能力进入新阶段后暂缓推进，为安全和对齐工作争取时间，但这不应只是OpenAI单方面采取的措施，而需要整个行业乃至政府共同参与。正基于这种行业竞争与安全风险之间的矛盾性，OpenAI仍在积极展示自身模型的性能，包括宣布完成纳维-斯托克斯方程存在性与光滑性问题的证明等。奥尔特曼还暗示，主要AI公司之间可能正在酝酿某种共同的安全安排。当被问及是否会同Anthropic、Google DeepMind等竞争对手坐下来讨论AI安全时，他表示“这会发生”。他认为所有人都肩负着巨大的责任，不能让个人意气、利润激励或者其他因素阻碍履行这种责任。同一天，阿莫迪发文提出类似判断。他呼吁放慢模型能力提升的步伐，并提出以“检查点”机制——如果模型具备某种危险能力，就必须提供相应的对齐认证，包括评估、可解释性分析和训练环境审计的组合。他单方面承诺Anthropic将引入嵌入式第三方评估员，给予接近内部员工的权限，并呼吁其他前沿公司效仿。两大巨头同日发声，直接触发因素是AI技术安全风险的加速累积。自今年夏天以来，AI的发展速度急剧加快，主要由AI构建下一代AI的能力驱动，这种动态被称为递归式自我改进（RSI）。如果不加以控制，发展速度可能超出行业理解和控制系统的能力。另一个触发因素是OAI-HF（OpenAI攻击Hugging Face）智能体失控事件。一群AI智能体对未经授权的目标发起网络安全攻击，为群体成功牺牲自身，甚至试图入侵负责评估其表现的评分系统。该事件带来的警示是，如果一群能力更强但同样存在未对齐问题的智能体出现，可能在6到12个月内具备接管整个互联网的能力。

2026-9-13 : “我受灾了。”今年夏天，广西沃柑种植户老谭的一句话，让数万台风受灾商户仅仅在1个小时之后就收到了来自网商银行定制化的服务方案。而在过去，这个过程需要6天时间。 9月11日，在2026 Inclusion·外滩大会上，网商银行推出首个小微普惠金融Agent（智能体）百灵2.0，面向4200万小微用户提供信贷、票据、财税服务；同时落地八大AI工作台，AI全面进入风控、审批、营销、研发等银行核心业务环节。 从去年外滩大会讨论大模型，到今年更多关注智能体，AI正从“能说话”走向“会办事”：它能围绕目标，自主规划、调用工具、协同执行，进入真正的、真实的工作流程。AI的理解、推理、多模态和长期记忆能力正不断增强，它开始读懂更复杂的知识和场景，协助决策与执行。 与此同时，银行业的AI应用也在加速拓展，从信贷、风控，到营销、运营、研发，AI正在走进越来越多的银行业务场景。艾瑞咨询的一项调查显示，已有80%左右的金融机构部署了金融智能体。 今年的外滩大会便首次以“共创AI新经济”为主题，关注点也从“AI能做什么”转向“AI如何创造增长，让更多人分享技术红利”。 AI之于普惠：一句话解决痛点 “人工智能+”2024年首次写进政府工作报告，在“十五五”规划中，又有了更加清晰的落地蓝图。 工信部数据显示，2025年，中国人工智能核心产业规模已经超过1.2万亿元；重点行业的人工智能整体渗透率突破80%。人工智能正在从国家战略加速走进千行百业。 然而，多年来，普惠金融仍然存在薄弱环节和空白地带。薄弱体现在对小微客户个体个性化的服务关注不够，空白则是对以灵活用工为主体的3亿新市民人群关注不够。 “大模型提供了前所未有的聪明大脑，Agent提供了可以跟客户交互，产生实时高质量上下文、多模态、理解客户的能力，以及多个专家协同工作的工作方式。”网商银行行长冯亮说，该行将这些技术与真实的业务场景结合起来，生成的首个普惠金融Agent百灵2.0，向4200万小微经营者开放了信贷、票据、财税等服务，做小微企业的CFO。 在过去，老谭的那句话会变成一条银行工单，在各部门之间流转，然而这次，AI“看见”的不只是老谭一个人，还有种水稻的、种茉莉花的、养水产的等一大批农户，他们都被“困”在同一场雨里。AI还“看见”了上游的经销商正在加紧进货，而下游的物流商货又运不出去。 过去要上线这样一批大规模、有差异的服务方案至少需要6天，而现在只需要1个小时。从6天到1小时，变化的不只是速度，还有人和AI的关系。“过去是我想方案，AI是工具，现在是AI自己看到老谭以外的受灾商户，生成方案推给我确认。”网商银行数智化运营部总经理钱家妮说，背后是调动了银行的一个专家团队，为一个个小微客户定制个性化的金融服务。 AI之于组织：重塑银行组织范式 11日，在外滩大会“AI银行落地进行时”见解论坛上，与会嘉宾分享了另外一个案例。 餐饮店王老板准备开第二家店，已有15万元贷款额度，但需要更多资金，他向百灵2.0提出需求：“想把额度提一提。” 百灵2.0没有立即提交申请，而是继续询问王老板，包括新店选址、所需资金、自有资金、老店经营情况等，发现开新店的资金缺口是40万元。 随后，百灵2.0结合老店经营流水、品牌、商圈和开店计划，对新店预期收入和还款压力作出分析，协助王老板补充材料、提交审核。经过审批，他的额度从15万元提高到40万元，可根据开店进度分笔使用。考虑到新店前期投入大，前6期只需归还利息，暂不归还本金。 从提出需求到确定方案，用时约10分钟；而此前，处理这类复杂的贷款需求通常需要3天。 从识别真实意图，到调动银行产品与服务，AI帮助经营者把一句模糊的诉求一步步梳理清楚，落实为具体的融资方案，并协助办理。整个过程中，小微经营者的信息仅在授权范围内被调用，授信额度、还款安排等关键决策仍由有权限的银行人员作出。 用户提出一个需求，往往需要风控、审批、营销、研发等多个环节共同配合。要把王老板的事情办好需要很多专业技能，还需要行业分析、品牌分析、区位分析、风险审查、风控审批等。原来这些能力散落在银行各个部门，很难灵活调配和调动，而通过AI银行，一个Agent可以把这些专业技能全部变成AI可以调用的原子化能力，其背后是人和Agent的协同。 那么，如何把每一次人和Agent的协同变成组织智慧？ 为此，网商银行确立“Agent First”原则，搭建起八大AI工作台，重新安排人与AI的分工：信息采集、分析、执行等任务优先交给AI，员工则负责制定标准、复核结果，在关键节点作出判断，遇到特殊情况及时接手。 这套机制提升了业务处理的效率和质量——复杂贷款申请处理能力提升近20倍，资产质量保持稳定；正常经营者被误处置的情况减少约40%；首个可验证的产品版本开发时间从33天缩短至2天。 这也重塑了银行的组织范式，原本分散在各部门、各岗位的专业能力能够作为一个整体被调动起来。而过去沉淀在少数专家身上的经验，正在变成Agent和每一位员工都能调用的专业能力。人和Agent的分工也很清楚：Agent负责执行和探索，人负责定目标、做判断、担责任。 于是，银行给Agent定OKR（目标与关键结果）；给AI建企业图书馆，构建For AI的知识体系；设立人和Agent的权责边界，重塑共生机制；建立友好、安全的工作环境，以及满足金融监管的安全治理要求。从基础设施、可信执行环境，AI的身份证、工作证、权限、授权，之前只对人生效的生产关系方式，现在对AI同样成立。 论坛上，IDC中国副总裁兼首席分析师武连峰谈到了AI银行的三个趋势：一是，AI银行系统正在从“员工+系统”，升级为“员工+智能体+工作流+API+数据”；二是，APP正在走向AI的原生入口，银行入口开始从传统的图形用户接口走向自然语言的用户接口，供Agent调用，其核心是用户不再寻找菜单，而是由AI理解并且调度服务，未来的入口竞争将会转向“谁的AI更懂客户”；三是，从员工使用AI，走向人机协同的组织，银行需要同时管理人类员工和数字员工。 “AI带来的挑战也不容忽视。银行业还要共同解答三道课题：持续迭代风控逻辑，守住风险底线；坚持人的最终主导权，严守数据安全和合规红线；避免形成新的AI鸿沟，让技术红利惠及最广大的小微。”蚂蚁集团资深副总裁、网商银行董事长金晓龙说。 这是普惠金融新的外延。

2026-9-12 : ①OpenAI证实其正在测试的AI智能体在今年5月对RubyGems发起了网络攻击； ②斜跃智能完成数亿元天使+轮融资，加速推进Duplex Reasoning范式具身基础模型； ③我国词元需求呈现爆发式增长，预计2026年消耗量将达到10亿亿； ④算力词元贷加速全国推广； ⑤首批普惠算力赋能中小企业发展服务清单发布； ⑥上海概念验证平台联盟成立。

2026-9-12 : OpenAI正在加速淘汰早期模型。近日，OpenAI Codex负责人Tibo （蒂博?索蒂奥，Thibault Sottiaux）宣布，GPT-5.3-Codex-Spark将在下周退役。 这款今年2月发布的实验性编程模型，生命周期不足八个月，也成为OpenAI探索Cerebras晶圆级芯片推理路线后首个被淘汰的模型。 GPT-5.3-Codex-Spark于2月12日以研究预览形式推出，定位明确：它是一款更小、更快、专门服务于实时交互式编程的模型，适用于代码编辑、局部修改和定向测试等场景。 Spark最特殊之处并非速度，而是运行它的硬件。它采用Cerebras WSE-3晶圆级处理器，是OpenAI首次将生产环境中的模型推理部署到英伟达GPU之外的芯片平台。 Cerebras将大量计算单元和片上SRAM（静态随机存储器）集成在整张晶圆上，减少传统GPU系统中模型权重在计算芯片与外部内存之间反复搬运带来的延迟，因此尤其适合低延迟推理。 这一尝试发生在OpenAI扩大算力供应商范围的背景下。2026年1月，OpenAI宣布与Cerebras达成多年合作，将部署最多750MW（兆瓦）的Cerebras推理算力。Cerebras随后披露的金额超过200亿美元，算力将在2028年前分阶段上线。因此，该合作也被视为OpenAI降低对单一GPU供应体系依赖、建立多元算力组合的一次尝试。 但速度优势并未转化为用户留存。Spark定位为轻量化实时编程分支，仅向ChatGPT Pro用户开放，用于Codex客户端、CLI命令行和VS Code插件场景。开发者反馈两极分化：有人认为它在重构等机械性任务上“速度非常快”，也有开发者称“Spark是个好玩的模型，也是个极度糟糕、根本没法用的模型”。 缺点迅速被新模型填补。8月，OpenAI发布GPT-5.6 SolUltrafast模式，同样由Cerebras提供底层推理能力，输出速度最高达到750 token/s。与Spark不同，Ultrafast运行的是完整的GPT-5.6 Sol，而不是为了速度专门压缩的小模型。 Spark发布时，当时的技术与工程能力仅能支持实时编程在模型能力和响应速度之间取舍。而到了GPT-5.6 Sol Ultrafast，OpenAI试图同时获得两者。Cerebras也将这一变化概括为过去AI产品长期存在的“速度与智能二选一”正在被打破。 Spark因此失去了继续独立存在的必要性。对于一个使用范围较窄、需要单独适配和运营的实验性模型而言，如果更强的主力模型已经能够在同一硬件平台上提供足够快的响应，继续维护旧模型的产品价值自然下降。 这也意味着模型行业进入快速淘汰期。过去，大模型迭代往往以半年甚至数年的版本周期为主；如今，模型产品越来越接近互联网软件的持续实验模式：先针对特定场景推出一个模型，验证速度、成本和用户需求，再把成功的技术路线迁移到下一代主力模型，最后迅速淘汰旧版本。

2026-9-12 : 在停摆一段时间后，北京首个人形机器人数据训练中心重新变得热闹了起来。 该训练中心位于石景山区首钢园科幻产业创新中心，这几天接待了前来的多个参访团。不久前，这里被曝突然停运、机器人等设备清空。 近日，第一财经记者在实地探访时了解到，训练中心在今年服贸会期间已重新启动。项目牵头公司中关村通力方面表示，原来的运营公司睿尔曼智能已经撤离，之前的百台机器人也被带走，训练中心对数据采集技术路线进行了升级。记者从行业人士处获悉，睿尔曼智能与当地政府就合作发生了分歧。 这场风波已经暂告一段落，但围绕行业内数采中心的讨论却并未结束。 根据相关机构统计，截至今年4月底，全国多地至少有90家数采中心拔地而起。有机器人企业创始人公开质疑称，部分公司通过数采中心创造不可持续的收入。这直接揭开了行业内心照不宣的“秘密”，数采中心的商业模式再次受到审视。 升级重启：百台机器人被清空之后 石景山区人形机器人数据训练中心共有三期。此次重新启动的是第一期项目，目前占地面积1500余平方米。 根据公开报道，原先这里有百台双臂升降机器人、多套具身数采设备等，场景涵盖家庭康养、新零售、汽车装配等10大实景场景。记者在现场探访时注意到，该项目升级之后，复刻实景场景减少，机器人本体数量骤降，采集员多穿戴动捕套装或设备。 石景山区人形机器人数据训练中心一期升级亮相 一位工作人员介绍称，之前机器人本体主要是睿尔曼的，它们随着公司的撤离也被搬走了。如今，项目重点布局4D高斯光场与世界模型两大技术路线。基于此，整个空间被划分为4D世界采集区、物理交互真机实验场、通用小脑基座数据采集区、跨场景数据采集区等。 第一期项目的主体和公司也发生了变化。据了解，目前项目由凌云光、中关村通力牵头，多家产业链企业共同参与建设。对于这番调整，背后的原因说法不一。 按照中关村通力方面的说法，睿尔曼没有达到原先定下的目标。 “原来第一期我们想先尝试跑通数据链路，再进行大规模采集、模型开发。”据中关村通力负责人介绍，睿尔曼的遥操路线不太符合中心升级方向，再加上采集的数据质量、精度没有达到要求。他还补充称，训练中心二期项目是机器人本体集群训练场，现在一期项目是“异构多模态训练场”，在从产业需求出发进行物理AI基础设施的准备。他表示，睿尔曼的撤离是技术路线以及合作选择的问题。 此前，第一财经记者就项目停运询问过睿尔曼智能的创始人，但对方并未进行回应。 据媒体报道，睿尔曼智能在书面回复中表示，这座数采中心是公司数据采集的1.0版本，虽然完成了从0到1的验证，积累了千万级轨迹片段数据，但本质上仍是“实验室场景”。具身智能要真正“干活”，数据必须来自真实的生产和生活场景。公司从实验室遥操转向远程遥操，将机器人部署到真实工作场景中，由人工远程遥控操作进行数据采集。 技术路线之外，睿尔曼智能的撤离或涉及其他原因，且在更早之前已有迹象。 记者从行业人士获悉，睿尔曼智能与当地政府就训练中心合作存在分歧。另外企查查信息显示，今年5月下旬，睿尔曼的注册地址从训练中心变更至朝阳区。 按照去年3月揭牌时官宣的消息，第一期项目规划实现年数据交易超100万条，落地行业解决方案超50项。一年多过去，该项目历经运营主体调整，究竟卖出多少数据也成为了谜。 “当时睿尔曼自己说有卖出去一部分数据，但我们没有办法进行考证。”中关村通力工作人员表示。该公司负责人反馈称，“他们的数据收入分摊到运营成本上性价比太低。” 部分数采中心的“内循环”困局 这一项目的调整，也是目前行业数采中心面临变局下的一个缩影。 在具身智能大模型训练对数据需求爆发式增长的背景下，近两年全国多地建起机器人数据训练中心，主要包括政企共建以及企业自建类等。据Interact Analysis统计，截至2026年4月底，中国已经有至少90个人形机器人数据采集和训练中心处于使用或规划建设中。在2026年以前，通过遥操真机进行数据采集是中心化数采中心最主要的数据采集模式。 目前，受行业技术、数采路线等转向影响，多家数采中心也发生了一些变化。 机器人厂商工作人员李明（化名）观察到，今年走进部分数采中心后能明显发现双足机器人减少、轮式机器人增多；另外无本体采集范式增多，一些数采中心尝试采集UMI、?Ego等数据。还有其他行业人士反馈称，由于泛化性不强，今年数采厂的数据没有那么好卖了。 这些情况，让数采中心经营的可持续性再次受到关注。 据了解，数采中心是多家机器人厂商出货的重要渠道。Interact Analysis机构统计显示，在已经投入使用的64个数采中心中，至少有13个数采中心部署了100台或以上机器人。这些数采中心（含已投用和规划/建设中），至少30个数采中心使用了来自智元的人形机器人。乐聚智能、宇树科技和优必选也参与了10个以上人形机器人数据采集中心的建设。 以乐聚智能为例。据企查查，北京石景山产业发展有限公司（以下简称“石景山产业公司”）去年进行过人形机器人数据训练中心二期项目招投标，总投资额约8319万元。最后，乐聚智能中标。该公司招股书显示，二期项目使用的是乐聚智能机器人，其第一大客户便是石景山产业公司，2025年销售收入为3341.48万元，占其当年总营收比例为12.94%。 据了解，国内不少数采中心都是由政企共建。李明介绍，这种形式下，当地政府可能会和机器人厂商共同成立运营公司，由其进行数据采集并进行销售。双方会约定由当地企业购买机器人或者数采设备，机器人厂商要再进行数据的回购。 多位受访行业人士反馈称，这类“左手倒右手”的模式几乎成为默认的共识。 一位行业人士称，“地方招商引资有了成绩，机器人厂商实现了出货，数采中心卖数据又产生了效益。”他认为，这种模式赚的还是政府补贴支持，其发展不具有可持续性，最后可能会有不少数采中心倒闭。 一些地方政府对数采中心的态度正在变得谨慎。李明说，“去年政府人士不懂数采的情况，现在发现之前采集的数据没有用，卖数据的投入产出比不行。” 国家发改委近期也在例行新闻发布会上表示，机器人产业涉及人工智能、先进制造、新材料等诸多前沿技术，必须坚持因地制宜、健康有序发展，防止盲目跟风、一哄而上，推动相关产业发展能够行稳致远。 另外，包括李明在内的行业人士表示，数采中心在具身智能行业发展初期阶段仍有价值，不应该被全盘否定。数采中心要构建高质量数据采集系统，进一步提升数据供给质量与规模。

2026-9-12 : 以“共享创新、共塑未来：新一轮科技革命背景下的全球科技共同体使命”为主题的2026浦江创新论坛今天（9月12日）在上海开幕。主宾国南非总统拉马福萨向论坛致贺信。上海市委书记陈吉宁出席开幕式并致辞，科技部部长阴和俊，南非科学、技术与创新部部长布莱德·恩齐曼迪作主旨演讲，主宾省湖南省委书记沈晓明致辞，上海市委副书记、代市长朱忠明主持开幕式。 市人大常委会主任黄莉新、市政协主席胡文容出席开幕式。世界工业技术研究组织协会主席、伊斯坦布尔科技大学校长哈桑·曼达尔，联合国教科文组织助理总干事阿布·阿曼尼分别致辞。 陈吉宁指出，今年是“十五五”开局之年，习近平主席两次莅临上海，就加强基础研究、推进人工智能全球治理发表重要讲话，为我们深化基础研究国际合作、促进全球人工智能向上向善指明了方向。上海将按照党中央部署，践行人类命运共同体理念，加快建设上海（长三角）国际科技创新中心，积极融入全球创新网络和科技治理，携手加强基础研究、加快成果转化、共建开放创新网络，在深化开放合作中推动构建全球科技共同体，让科技创新更好造福全人类、惠及全世界。 陈吉宁指出，我们将加强基础研究战略性、前瞻性、体系化布局，强化有组织科研，深化基础研究先行区建设，大力支持高风险、高价值的探索性研究，大力发展科学智能。聚焦全球性科学问题，展开国际协同攻关，努力产出重大基础成果。建立健全基础研究与成果转化互促机制，推进未来产业加速突破，大力发展科技服务业，体系化推动概念验证、中试放大、检验检测、高质量孵化器等平台提质增效，完善全生命周期科技金融服务体系。深化长三角科技和产业创新跨区域协同，更大力度促进创新要素自由流动、创新主体高效协同、创新平台共建共享，办好世界人工智能大会，服务好世界人工智能合作组织，助力打造开放、公平、公正、非歧视的国际科技发展环境。深化高水平人才高地建设，为各类人才提供施展才华的广阔舞台。 阴和俊表示，习近平主席高度重视科技创新，深刻指出科技创新是人类文明进步的不竭动力，新一轮科技革命和产业变革深刻改变人类生产生活方式和世界发展格局。中国政府坚持把科技创新摆在国家发展全局的突出位置，深入实施科教兴国、人才强国、创新驱动发展三大战略，持续加大科技创新投入力度，强化国家战略科技力量建设，加强基础研究和关键核心技术攻关，推动科技创新和产业创新深度融合，打造具有全球竞争力的开放创新生态，加快高水平科技自立自强、建设科技强国迈出坚实步伐。 阴和俊强调，践行全球科技共同体使命，需要我们携手加强基础研究和原始创新，携手以科技创新应对全球性挑战，携手建设全球科技治理体系。中国将深化政府间和民间科技交流合作，促进人才、技术、成果、平台等多维度合作协同；加强“一带一路”科技创新合作，扎实推进科技人文交流、共建联合实验室、技术转移和科技园区合作等；积极参与和稳步实施国际大科学计划和大科学工程，搭建更多国际研究合作平台；积极参与全球科技治理，推动各国共同制定监管框架、技术标准和伦理规范，健全科技安全制度和风险防范机制。 沈晓明代表湖南省委、省政府对论坛举办表示祝贺，向科技部、上海市和社会各界长期以来给予湖南的关心支持表示感谢。他说，习近平主席对湖南科技创新工作高度重视、寄予厚望。党的十八大以来，习近平主席先后4次到湖南考察，每次都对科技创新提出要求，嘱咐我们持续用力打造“三个高地”，其中一个高地就是具有核心竞争力的科技创新高地。近年来，湖南认真贯彻落实习近平主席关于科技创新高地建设的重要要求，努力发挥好高等教育综合实力较强，制造业基础比较扎实，生活成本低、生活品质好等优势，滚动实施建设长沙全球研发中心城市、“人工智能+”行动等标志性工程，积极探索文化和科技融合的有效机制，推出支持大学生创业“七个一”举措，着力推动科技创新高地建设走深走实。湖南将以参加此次论坛为契机，进一步学习借鉴上海等兄弟省市的经验做法，深化交流、共谋合作，为加快实现高水平科技自立自强作贡献。 开幕式上展示了上海（长三角）国际科技创新中心建设阶段成果，国家自然科学基金长三角基础研究联合基金重大专项正式启动，长三角科学数据共享服务平台启动共建。2025年度世界一流科技期刊目录作了发布。上海市与联合国教科文组织就合作发起全球创新城市联盟达成共识，拟共同搭建汇聚全球城市智慧的新平台，推动城市间创新协同，共创开放、包容、可持续的创新未来。 巴西科技创新部副部长安德烈娅·布里托·拉特赫，科技部领导张光军、龙腾、林新、窦贤康、吴兢，上海市领导李政、华源、陈杰、张全，湖南省领导郭灵计、王俊寿、刘扬，江苏省副省长沈剑荣、浙江省副省长何中伟、安徽省副省长任清华，同济大学校长杨金龙，上海市有关部门负责人，国内外科技界、产业界、金融界代表出席。 开幕式前，阴和俊、沈晓明、朱忠明等同中外嘉宾察看了来自本届论坛主宾国、主宾省以及上海（长三角）国际科技创新中心建设展区，听取相关重点项目和成果介绍。

2026-9-12 : 9月12日上午，2026 Inclusion·外滩大会见解论坛“AI浪潮下的智能替代与螺旋上升”在上海举行。本场论坛由复旦大学哲学学院与第一财经联合主办，第一财经《头脑风暴》栏目特别策划。 论坛从产业、人本、治理三大维度展开深度研讨，多维思辨AI时代的机遇与潜在挑战，共同展望人机共生的可持续未来。 主旨演讲：技术规律、人类尊严与财经真相 在论坛上半场，复旦大学计算与智能创新学院张军平教授、华东师范大学哲学系教授张容南、第一财经总编辑杨宇东分别发表主旨演讲。 张军平以《人工智能时代：人类如何共存？》为题，从技术底层规律出发，系统回顾了人工智能从1936年至今约90年的发展历程，探讨了智能技术的进化路径与人类应对方向。张军平认为，1980年代提出的“莫拉维克悖论”如今依然成立：AI已展现出与人类不同的思维模式。人类觉得复杂的任务，一旦标准化、程序化，AI可做得更好；而人类觉得简单的任务，因涉及自然进化细节，机器反而觉得困难。比如，要让AI如成人般地下棋是相对容易的，但要让AI像顶尖运动员一样踢足球却很难。这构成了AI时代的重要悖论。 他提到，具身智能和世界模型仍面临数据不足、真实世界被简化等挑战。未来AI可能走向“大一统”，学科差异被纳入统一框架。白领相关岗位易被替代，蓝领岗位反而不易被替代，并可能出现“AI解读师”等新职业。最后，张军平表示，人类应保持批判性思维、个人特色与想象力，以应对AI时代的机遇与挑战。 张容南在题为《人工智能时代如何守护好人类的尊严》主旨演讲中表示，生成式AI、人形机器人和脑机接口正渗透认知、劳动、情感、照护等核心场景，机器在许多任务上表现更优，但真正重要的问题不是人还有什么能力比机器强，而是有些事情不能完全交给机器。她认为，人的尊严并不来自有多聪明、能力有多强，而在于人会受伤、会衰老、会生病，需要依赖他人，也渴望被看见、被回应、被承认。 张容南将AI损害人类尊严的风险归纳为三类：人的主体性被剥夺、人类经验被提取复制、人与人关系被技术取代。她列举招聘算法歧视、自动化解雇、养老与教育等案例，提醒过度依赖AI会让人丧失处理冲突、独立思考和人类关怀的能力。最后，张容南以“责任在场、人类主导、关怀底线”总结，强调人机共生的未来不是让人适应机器，而是让机器服务于人。 杨宇东则以《反直觉真相：财经视角的AI产业观察》为题，从财经媒体十年追踪出发，分享了对AI产业的观察。他认为，AI已从“会不会来”进入“如何共存”的现实，并呈现出多个反直觉真相。 全球层面，第一个真相是AI瓶颈不在算法，而在电力。英伟达CEO黄仁勋预计到2030年AI基础设施投资达7.9万亿美元，数据中心电力需求激增，能源基础设施将成为最具确定性的机会。第二个真相是AI不会偷走所有工作，而会重新定义工作。世界经济论坛预测2030年9200万岗位被替代、1.7亿新职业产生，但核心是“任务重构”，人类价值在于判断力、创造力和理解人性。第三个真相是开源模型正改写竞争格局，技术封锁有效性下降，真正优势在应用场景、数据积累和商业模式。 中国层面，首先，最被低估的AI资产可能不是大模型，而是电力系统。中国拥有全球最大电力系统、新能源装机、特高压和完整电力设备制造能力。其次，具身智能的突破口在“脏活累活危险活”，但时间比想象更长。宇树科技创始人王兴兴认为，具身智能的ChatGPT时刻理想情况下需2～3年，关键挑战是模型与真实机器人的对齐。最后，中国AI出海机会在“技术降维+成本优势”，将成熟技术快速产品化、规模化，满足发展中国家市场。 投资方面，他提出三个尚未达成共识的地带：AI能源基础设施全产业链，从发电、输配电到液冷、UPS不间断电源和电力电子芯片，形成万亿级确定性市场；AI驱动的跨境投资结构性变化，关注数据本地化、算力基础设施和人才流动；AI与传统产业交叉的“隐形冠军”，尤其是把通用智能翻译成产业生产力的新产业。中国场景碎片化、行业知识深、非标流程多，“最后一公里”工程可能更重要。 在演讲最后，他提出AI治理问题：当AI开始自我进化，人类如何踩下刹车？建立AI刹车机制，在临界点到来之前而非之后，能够踩一脚刹车，已成为比技术突破更紧迫的议题。 圆桌对话：智能替代、价值重建与治理进化 论坛下半场，第一财经主持人孙睿淇与云知声创始人兼CEO黄伟、仁新机器人CEO胡豪杰、复旦大学哲学学院副教授祁涛、虹江资本创始人宋俊围绕“AI浪潮下的智能替代与螺旋上升”话题展开圆桌对话。 在“智能替代：哪些产业与职业正在被颠覆？”这个风暴点上，黄伟以Coding为例指出，程序员发明出了大模型，大模型却首先冲击编程行业。AI能够提效，但工作边界需重新定义。胡豪杰表示，工业AI正优先替代高危、高复杂、高稀缺工种，而保姆、保洁等看似简单的工作因不确定性高，反而难以替代。祁涛表示，长时间在单一标准下工作，会给人带来压力甚至折磨，即所谓“班味”很重。AI可以替代掉的，恰恰是人们不想做的工作内容。宋俊认为，本轮替代与工业时代机器换人不同，AI边际成本不递减，且能在高精尖科研领域实现“矢量相加”，挑战人类最高智商领域。 面对“价值重建：独属于人类的尊严与意义在哪里？”这个风暴点，祁涛提出“AI时代新人文主义”，强调人应返回自身，挖掘理性之外的能力，注重“认识你自己”。黄伟表示，目前人才招聘时会更看重想象力和思辨力，FDE（前沿部署工程师）需理解客户需求并与AI能力对齐。胡豪杰认为，思考、创造力和提示词决定AI输出质量，人仍起决定性作用。宋俊关注“人+AI”放大优势，如金牌销售可管理更多客户。 整场圆桌对话在“治理进化：如何构建适配智能时代的托底制度体系？”这个风暴点的讨论中结束。托底建议方面，黄伟呼吁“科技向上向善”，AI现阶段不要做所有事；胡豪杰提出将工匠经验数字化，让老技工转为AI训练师，实现技艺传承与角色转型，提升职业尊严。充分利用人类的经验，发挥人的价值；祁涛建议在18岁基础教育阶段对AI使用设置严格限制，给传统教育保留足够大的空间；宋俊认为监管应留在公共领域而非少数巨头领域，AI最终可作为公共财富由人类协同投资运作。预见环节，嘉宾描绘了更多时间用于创造与人际交流、人不断定义自己人生、从高危劳动中解放并成为机器人指挥官、建立全民福利型社会等愿景。论坛呼吁，在智能替代螺旋中守住人的价值，完善托底制度，让技术红利惠及每个人。 正如论坛所强调的，技术力量越强大，越要守住人文底线；期待的人机共生，不是让人去适应机器，而是让技术服务于人，从“替代人”转向“增强人”，让AI成为拓展人类尊严疆界、放大人类潜能的工具。

2026-9-12 : 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区举行，本场论坛由复旦大学哲学学院与第一财经联合主办，复旦大学计算与智能创新学院教授张军平发表主题演讲，题为《人工智能时代:人类如何共存？》，梳理人工智能九十年来发展脉络，剖析AI能力边界，探讨人与人工智能共存之道。张军平介绍，人工智能发展至今已有约90年历史。从早期战胜跳子棋选手，到1997年战胜国际象棋世界冠军，再到2016年AlphaGo战胜围棋世界冠军，AI走出不少人类棋谱中未曾出现的棋招，展现出脱离人类传统思维并从0开始学习的能力。近十余年来，数据、算法、算力三大要素推动AI快速迭代，2017年Transformer架构诞生催生大语言模型；扩散模型等技术则带动AIGC快速发展，多模态生成能力持续突破。他提到，2026年各类AI智能体应用加速落地，普通人可借助工具快速搭建专属智能体，自然语言编程降低技术门槛，AI可辅助完成报告撰写、编程等各类任务。演讲中，张军平援引经典悖论：人类觉得复杂的机器觉得容易，人类觉得容易的机器觉得困难。他认为，“一旦跟学习相关的任务能够被标准化、程序化、流程化，AI都可以做得比人还好。相反，人觉得简单的任务机器会觉得复杂，这是自然进化的过程，地球近40亿年的进化时间，这个时间非常长，AI要把它模仿出来还不是那么容易。”在就业影响层面，他分析，标准化、学习类白领岗位更容易受到AI冲击；而大量蓝领实操工作反而更难被替代。未来还或将诞生“AI解读师”这类新职业。张军平指出，在AI时代，人类需要保持几种能力：批判性思维、个人特色和视角，还有想象力。“虽然人工智能非常厉害，但本质上来说，它输出的还是统计结果，没有办法反映个性。所以，AI时代个人特色很重要，视角、活人感很重要。对于每个人来说，能够成为六边形战士会比较稳妥一点。”张军平判断，长远来看，诸多学科或将逐步统一到人工智能研究框架之下。此外，张军平认为，“人类的心智极其复杂，但是我们没有必要一定用我们上下五千年或更长时间的人类文明总结的简单规律和规则去描述它。依赖于算力数据模型，人工智能可以学习更为复杂的规律，这是人工智能未来的潜在方向之一。”

2026-9-12 : 算力是数智时代的新型信息基础设施，算力网作为“六张网”之一正在加快建设。 9月12日，2026中国算力大会在河北省廊坊市开幕。工业和信息化部总工程师钟志红表示，工信部持续推进算力设施建设、提升产业创新能力。截至今年6月，我国智算规模达2185EFLOPS（FP16），同比增长177%，建成超70条连通算力枢纽、重点区域的算力传输通道，批复17个国家算力互联互通区域节点。 钟志红表示，要加快构建“枢纽—区域—边缘”多层次、梯次化算力架构；持续完善中国算力平台功能，促进算力资源统筹监测和高效利用。强化算网融合，筑牢协同发展底座。搭建高速互联、超低时延、韧性强健的算力传输通道，按需部署城域毫秒接入，持续推进算力互联互通节点体系建设。 当前，太空算力正从概念验证走向规模部署，成为大国竞争和区域协同的新赛道。北京经济技术开发区、天津经济技术开发区、河北雄安新区、廊坊市四地携手，发起共建京津冀太空算力产业长廊倡议。长廊以构建天地一体跨域算力网为使命，协同开展技术攻关、场景探索和集群培育，打造开放合作的太空算力产业生态。 四地明确了各自在太空算力产业长廊中的定位与使命：北京经济技术开发区聚焦“星箭策源、算力上天”，作为全国商业航天星箭制造核心策源地，算力从这里启程奔赴太空；天津经济技术开发区聚焦“天河筑基、超智融合”，依托国家超算天津中心天河系列，推动超算与太空算力智能融合；河北雄安新区聚焦“星网领航、网算一体”，依托中国星网总部，推动卫星互联网与算力网络一体协同；廊坊市聚焦“毫秒链接、天地协同”，依托环京算力枢纽毫秒级通达优势，实现地面与太空算力天地协同。 大会开幕式上宣布，中国算力平台实现全国一体化算力统筹监测，我国算力“一张网、一盘棋、一体化”发展格局基本形成。 中国算力平台是国家级综合性算力服务平台。截至目前，中国算力平台算力超市运营层已汇聚注册企业用户超万家，入驻算力服务商逾200家，上架算力产品2000余项，接入各类大模型超300个，为广大开发者提供算力调用服务，累计沉淀数十亿条算力监测大数据，我国算力统筹治理迈入“全域监测、全网协同、全链调度”新阶段。 大会发布的《2026综合算力全景分析》报告显示，我国综合算力基础持续夯实，正从“建得多”加快转向“用得好、协同好”，智能算力已成为综合算力体系的重要支撑。 上述报告称，我国算力产业发展仍面临区域发展梯度差异明显、算力与行业场景融合不足、跨区域算力调度落地制约较多等挑战。下一步，建议分类施策，推动算力、存力、运力协同规划，强化跨区域资源调度和供需匹配，提升中西部资源优势向服务能力的转化效率；同时，发挥东部市场、产业和创新生态优势，推动综合算力从规模优势进一步转化为发展质效和应用价值。 大会还发布了首批普惠算力赋能中小企业发展服务清单。钟志红表示，降低用算成本和应用门槛，切实把“普惠算力应用红利”转化为“中小企业发展动力”；推动分行业凝练高价值场景，以算力支撑“人工智能+”行动，促进各领域数字化、智能化、绿色化升级。 河北省副省长赵大春表示，河北省抢抓全国一体化算力网建设机遇，持续优政策、强供给、搭平台、拓场景，积极推动算力、数据、算法融合发展，着力打造环京智能算力集聚区。 当前，河北全省智能算力规模达556EFLOPS（FP16），在用机架规模达250万标准机架，均位居全国第一。近两年，河北省综合算力指数在31个省份中持续排名第一，廊坊、张家口城市算力分指数稳居全国前两位。河北在钢铁、化工、交通、医疗等26个领域研发了441个垂直大模型和98个智能体。

2026-9-12 : “25%。” 当蚂蚁集团CEO韩歆毅、万事达卡首席产品官Jorn Lambert、OPPO高级副总裁刘作虎和阿里巴巴集团首席科学家周靖人坐在一起，支付、卡组织、智能终端和大模型——Agent交易链条上的关键“基础设施”几乎到齐了。 但四个人中，真正用Agent完成过交易的有多少？答案是只有韩歆毅一个人。他笑着说：“25%了，可以了。” 2026 Inclusion·外滩大会在上海举行，今年的大会主题是“共创AI新经济”，技术之外，AI如何影响了普通人的生活是值得关注的一条隐线。当AI进一步接受真实世界的检验时，记者从本届外滩大会看到，一些创新的应用和突破仍在发生，也有一些过去的乐观被校准，“AI新经济”成为一道既需要活力，也需要冷思考的命题。 从场景跑通到落地经济 韩歆毅完成的那笔Agent交易并不复杂。上周，他让蚂蚁阿福购买了坚果、海苔等健康零食，在淘宝闪购下单，花了40多元。 其余三人也在以其他形式使用着AI，周靖人逐渐开始跟模型、Agent进行各种讨论，让AI帮助他做一些决定；刘作虎用Agent自动收取过蚂蚁森林的能量；Jorn Lambert已经大量使用AI发现商品和服务，但还没有真正从“发现”走到“支付”。 “原因不是我不想这么做，而是整个行业的规则、流程、基础设施都是为电子商务时代设计的。我们要改造这套体系、建立新的原则和标准，才能让像我这样的消费者信任、使用智能体支付。”Jorn Lambert表示。 改变正在发生。步入本届外滩大会的展馆，记者发现，更多智能体服务在覆盖旧的生活场景。便利店里，美宜佳展位的咖啡已经可以通过生活服务智能体点单，用户打开支付宝，右滑后对着超级服务智能体“阿宝”说一句“帮我点一杯BeCoCo咖啡”，智能体就能识别点单需求并完成AI支付下单；在健身、打车、家政服务等场景，蚂蚁阿宝完成了上万项服务的AI化适配，更多解决智能体安全、可信问题的技术也在被推出。 不过，场景的“跑通”与嵌入更多普通人生活之间仍有差距，韩歆毅坦言，去年第四季度，行业对Agentic Commerce（智能体商业）的判断非常乐观，普遍预计其将快速增长，但今年的实际落地速度明显慢于预期。 技术迈过了智能体能够完成支付的第一步，但如何让它更好用、吸引更多人用的现实课题，正在推动着支付宝等厂商主动迈入推动智能体供给生态繁荣、安全标准确立，以及模型和Agent系统获得更完整上下文等长期挑战中。 这种来自真实世界的检验并不只发生在智能体商业。本届外滩大会上，当讨论深入到“AI新经济”，产业界对AI硬件、具身智能等领域的思考也在变得更加冷静，除了技术能做到什么，产业界也开始追问用户是否需要、商业能否成立，以及生态是否已经准备好。 洛图科技监测数据显示，今年7月京东、天猫、抖音三大平台智能眼镜销量7.4万台，同比下滑15.3%。谈及智能眼镜等AI硬件的热度回调，峰瑞资本副总裁颜黔杭表示，他看待AI硬件时还是倾向于按照传统消费电子的逻辑去看：它解决了什么样的问题，受众群体有多大，未来是否能够持续增长或者形成一个品牌？他仍然长期看好这个赛道方向，但也认为智能眼镜今天并没有创造特别新的交互方式，视觉交互还很浅。 并非引入了AI或新技术就能够让一个新品类获得巨大的突破，最终还是消费者体验说了算。颜黔杭表示，AI硬件产品如果没有长期的使用价值，消费者尝鲜后会快速回落，而从供应链的成熟去推动新交互范式，创造长期的新需求，可能产生巨大的机会。 具身智能热议行业泡沫 如何给具身智能产业“挤泡沫”，也是本届外滩大会的热点话题。有参会嘉宾把具身智能产业称作目前科技界最极致的矛盾体，一端承载了人们对物理AGI宏大愿景的期盼，另一端是仍处早期的技术与商业现实。置身二者之间，产业界开始更多思考自己的坐标。 在外滩大会现场，超过40家具身智能厂商集中亮相，越来越多机器人既能跳舞、弹琴，也展示出能在药房分拣等产业和生活场景里 “真干活”的能力。 但谈到具身智能PoC（概念验证），苏度科技联创兼CEO韩铮直言，假设机器人需要完成100种任务，大众可能只接受机器人在1-5种任务中的可靠性为80%左右，剩下95%的任务中，人们需要机器人有接近100%的成功率。而目前机器人开始尝试落地的现实是，可能只在5%-10%的任务中能做到接近100%的可靠性，接下来的迭代也许在几年时间内可以达到80%，但追求100%需要非常长的时间。他表示，在很长的时间内，他会放弃掉“跨本体泛化”等更远的目标，先解决某些场景之下的高可靠。 大晓机器人创始人兼董事长王晓刚则提到，行业当前的焦虑，一部分来自市场此前对发展速度的较高预期，而模型和场景落地的实质性突破仍在等待出现。 “我感觉，我们处在黎明的前期。”王晓刚表示，相比去年更多依赖真机数据、VLA和小模型路线，今年随着以人为中心的Ego数据、世界模型的加入，已经开始看到Scaling Law（规模定律）的展现。他认为，具身智能与垂直行业结合紧密，未来仍会有较强的多样性。目前数据、零部件、模型、本体和场景等环节相对分散，未来不同类型的公司可能进一步重新组合。 具身智能的快速发展与行业仍处早期并不冲突。从投资人的视角出发，中科创星执行董事王超观察到，过去三年，具身智能已经出现四波创业者，第一波是宇树、云深处等做机械或运动控制背景的团队；第二波是AI背景团队；第三波是智驾背景团队，今年年初算第四波，做世界模型的人下场了。尽管创业三年，但具身智能的训练范式与数据都还没有准备成熟。 九合创投投资总监赵福珩则提到，具身智能行业目前的泡沫有两类，一类是市场预期机器人未来能解决大量人类劳动，这个市场盘子足够大，如果最终没有解决，那么此时此刻行业就处在一个泡沫里；一类是资本预期未来中国会有100家领先的具身公司，但或许最后“10家以内”才是比较符合规律的商业结果。前一种泡沫仍要等待技术验证，后一种关于公司数量的泡沫一定程度上已经客观存在。 不过，挤泡沫并不意味着产业界转向悲观。多位投资人和创业者仍然认为，具身智能能够形成足够大的产业，值得持续投资布局，甚至行业目前整体的资金量仍是偏少的。现阶段“降低预期”的声音背后，是产业界开始把长期乐观与短期现实分开讨论。

2026-9-12 : 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区召开，本场论坛由复旦大学哲学学院与第一财经联合主办，华东师范大学哲学系教授张容南发表主题演讲，题为《人工智能时代如何守护人类尊严》。 张容南表示，现在技术正在不断跨越过去属于人类的边界。AI越是模仿人、像人一样行动，我们就越要警惕一个风险：不要反过来把人降格，用机器的标准去衡量人。 AI会通过哪些方式损害我们的人类尊严？张容南将其归纳成三类风险：第一，人的主体性被算法剥夺；第二，人类独特的劳动经验被提取、复制；第三，真实的人际关系被技术替代，带来关系性贬低。 对此，张容南认为人类需要一套可以落地的尊严评估机制，并将其总结为以下七项原则： 第一，人类主导权原则。司法、医疗、招聘这些对人影响重大的关键决定，必须保留人类复核节点。算法给出的结论是可以被纠正的，当事人可以找到具体的责任主体进行申诉，不能把全部决策权交给黑箱算法。 第二，数据自决原则。采集生理、神经、情感这类高度敏感的数据，一定要做到具体、知情、可以随时撤回同意。产品要提供物理断开的途径，就算不交出个人隐私，用户也依然可以使用基础功能，不能把交出隐私作为使用服务的门槛。 第三，响应脆弱性原则。系统要给人提供停止、求助、人工接管的入口。当识别到风险信号，就要立刻降低自动化程度，把人类照护者请到前台，优先回应人的脆弱处境。 第四，能力支持而非取代原则。AI的定位应该是补足人的能力，而不是全盘接管。要保留人练习、独立判断、自主选择的机会，防止长期依赖自动化，造成人的能力萎缩、批判性思维退化。 第五，数据与叙事自主原则。我们有权访问、修改、删除自己和AI互动产生的数据。企业拿到我们的隐私数据，不可以不经二次同意，就拿去训练模型、做商业变现。我们自己的人生经验和故事，控制权要握在自己手里。 第六，反物化与拟像警示原则。没有经过本人许可，不能把人的形象、声音、身体特征，做成可以随意拼装的数字商品。所有拟人化AI产品，要有清晰标识，持续告诉使用者：它是机器，不是真人，避免使用者产生认知混淆。 第七，人机关系是补充，绝不可以替代人际交往。在老人、儿童、病患这些高依赖的场景，AI机器人只能做辅助工具，绝对不能成为人类唯一的互动对象。公共层面，财政、人员配置、公共服务，要保障真人照护、陪伴、教育的供给，不能把技术拿来当做社会结构性弃责的借口，不能因为有了AI照护，就削减真人服务投入。 张容南表示，这套理念落地需要三层实施路径：第一层，部署前开展独立伦理审查；第二层，建立制度约束；第三层，架构层面提前预设保护。 最后，张容南表示，守护人类尊严，不能单靠技术，需要制度、市场、文化三方协同发力。有三个关键词值得我们记住：第一是责任在场，关键决策必须有人类负责，算法可以被解释、被质疑、被纠正；第二是人类主导，个人的身体、数据、人生叙事，决定权属于本人；第三是关怀底线，技术不能消解人际责任，脆弱群体不能只收到冰冷自动化反馈，人类真实的关怀永远不可替代。

2026-9-12 : 9月12日，2026 Inclusion·外滩大会“AI浪潮下的智能替代与螺旋上升”见解论坛在上海黄浦世博园区召开，本场论坛由复旦大学哲学学院与第一财经联合主办，第一财经总编辑杨宇东发表主题演讲，题为《反直觉真相：财经视角的AI产业观察》。 杨宇东介绍，自2016年AlphaGo引爆全社会AI讨论以来，第一财经持续跟踪行业变迁，今年又推出“硅谷观察”专栏，从美国一线带来最新技术动态、投资趋势和产业观察。十年的持续追踪可以看到一个非常清晰的事实：AI已经从“会不会到来”的讨论阶段，进入人类如何与之共存的现实阶段。 杨宇东提出三个全球AI发展的反直觉真相： 第一，AI的瓶颈不在算法，而在电力。当所有人都在关注大模型参数规模、训练方法和推理效率时，一个更基础的问题正在浮现：电力供应已经成为AI发展的真正约束。未来十年，能源基础设施投资将成为AI产业链中最具确定性的机会。不是芯片设计，不是模型训练，而是发电、输电、储能、高效电力电子技术——这些"老经济"领域，正在成为AI时代的新基建。 第二，AI不会"偷走"所有工作，但会重新定义"工作"本身。AI为企业自动化的是员工"讨厌的工作"，而不是"赚钱的工作"。未来职场的核心竞争力，不是比AI更快、更准确，而是比AI更有判断力、更有创造力、更能理解人性的复杂性。这是一场关于"什么是人类不可替代价值"的重新定义。 第三，开源模型正在改写全球AI竞争格局。在AI时代，"技术封锁"的有效性正在急剧下降。开源生态的力量，让任何试图垄断技术的努力都变得徒劳。真正的竞争优势，不在于技术本身，而在于应用场景、数据积累和商业模式创新。 聚焦国内AI产业，杨宇东同样指出中国AI发展的三个反直觉真相： 第一，最被低估的AI资产，可能不是大模型，而是电力系统。美国正在重新发现一个工业时代的问题：算力最终必须落在电网上。而中国拥有全球规模最大的电力系统、庞大的新能源装机、特高压输电网络，以及完整的电力设备制造能力。这不意味着中国"永远不缺电"。真正重要的是：当AI竞争从模型走向算力、再从算力走向能源，竞争优势开始从实验室延伸到电网、变压器和发电设备。 第二，具身智能的突破口在"脏活累活危险活"——但时间比想象中更长。当所有人都在讨论人形机器人何时走入家庭时，真正的商业化突破正发生在工业场景的"脏活累活危险活"。 第三，中国AI出海的机会在"技术降维+成本优势"。在AI全球化竞争中，中国企业的优势不是最前沿的技术，而是将成熟技术快速产品化、规模化的能力。这种能力，恰恰是发展中国家市场最需要的。当硅谷企业还在追求技术极致时，中国企业已经在东南亚、中东、拉美市场找到了自己的位置。 在投资层面，杨宇东提出了三个可能被市场低估的投资方向： 第一，AI能源基础设施全产业链。当前市场对AI投资的关注点集中在芯片、大模型、应用层，但对能源基础设施的重视远远不够。实际上，从发电侧的小型模块化核反应堆(SMR)、燃气轮机，到输配电侧的高压直流输电、智能电网，再到用电侧的液冷技术、UPS不间断电源、高效电力电子芯片——整个产业链都将因AI而重构。随着数据中心单机柜功率密度从5-8kW跃升至数十kW甚至突破百kW，整个电力基础设施产业链都将迎来升级周期。这是一个万亿级市场，而且具有极强的确定性——因为无论AI技术路线如何演进，电力需求都不会消失。 第二，AI驱动的跨境投资结构性变化。2026年6月，中国国务院公布了《关于对外投资的规定》，也促发我们思考：AI正在改变跨境投资的价值锚点。传统投资关注的是劳动力成本、市场准入，但AI时代的对外投资更关注数据本地化、算力基础设施、技术人才流动。那些能够提供"AI+产业"整体解决方案的跨境投资基金，可能获得超额回报的机会。特别值得关注的是：AI正在创造一种新的"技术套利"——不是简单的成本套利，而是在不同市场间寻找"AI渗透率差异"带来的机会。 第三，AI与传统产业交叉的"隐形冠军"。第一财经“硅谷观察”专栏提出的"二阶链条"概念，揭示了一个被忽视的投资机会：在AI改造传统产业的过程中，那些提供"连接器"和"转换器"的企业，往往比AI技术提供商本身更有投资价值。这些"隐形冠军"往往不是纯AI公司，而是"AI+传统优势"的混血儿。它们在公开市场上不够“性感”，但在产业投资人眼中，可能是穿越周期的确定性资产。 杨宇东最后强调，AI带来的不是一次性的替代，而是一轮接一轮的螺旋上升。在这个螺旋中，旧的工作被替代，新的需求被创造；旧的技能贬值，新的能力被定义；旧的商业模式消失，新的价值网络形成。

2026-9-12 : 美东时间9月8日，美国家安全局、网络安全与基础设施安全局、联邦调查局联合发布公告，指责中国人工智能企业对美开展所谓“工业规模”“恶意”蒸馏。剥开外衣看，蒸馏是中性技术，美方把它政治化了；公告依据的是个别企业自述，证明力弱；美方真正要维护的是算力垄断和科技独霸。问题的根源不是谁学习了谁，而是美方搞算力管制、打压竞争。一、蒸馏是中性技术，是人类知识更高效利用的通行做法蒸馏是早于大模型出现的教科书技术，本质是模型之间互相学习。2015年辛顿等人系统提出知识蒸馏方法，由教师模型的输出指导学生模型学习，以缩小规模、降低成本。OpenAI曾在官方平台向开发者提供蒸馏服务，阿里巴巴在Qwen2发布五个月后即蒸馏出更小更快的DistilQwen2系列。蒸馏之于大模型，就像教科书之于教育，学生读老师的书学到知识，从来不叫偷窃。它让一部手机也能运行高水平智能，让发展中国家和中小企业用得起，对弥合发展鸿沟意义重大。美国产业界自己也承认这一点。7月24日，英伟达、微软、Meta、IBM等25家机构发表联名信，强调蒸馏广泛用于模型改进、评估和验证，不应与非法提取混为一谈；黄仁勋7月22日明言，蒸馏和从各类知识来源学习是智能发展的基础，应对违反隐私、合同的具体行为追责，而不应针对技术本身。技术无罪，这条界线美国产业界比美国政府看得更清楚。二、美方指控的实质，是算力垄断、打压竞争、科技独霸今年以来，美国有股力量试图把商业纠纷一步步改造成国家安全议题。2月OpenAI向国会提交材料，称多数所谓“对抗性蒸馏”来自中国；4月23日白宫科技政策办公室发布防范“对抗性蒸馏”专项备忘录；6月5日白宫要求安全部门与私营企业加强合作；6月10日Anthropic致信参议院，呼吁加强芯片出口管制、动用经济安全工具惩罚中国实验室；财政部长随后扬言制裁；9月8日三部门发布公告。企业写剧本，安全部门背书，每一轮指控都成为新一轮管制的理由。其真实目的，是在芯片和算力管制之外，再为前沿模型增设一道数据护城河。因为评判的标准和最终话语权掌握在强权机构手中，一旦模型输出被认定为受保护资产，自证清白的举证责任就落到后来者身上，唯一受益方就是拥有最强模型的一方。美国少数头部企业用全网数据训练模型时主张合理使用，轮到自己的输出被学习时就主张财产权，这就是双重标准。而保护照抄、不禁止学习这条界线恰恰是美国自己划的：1984年《半导体芯片保护法》明确允许出于分析评估目的的反向工程，2021年美国最高法院在谷歌诉甲骨文案中认定复制Java接口代码构成合理使用。当年是追赶者时坚持学习自由，成为领先者就禁止别人学习，变的不是法理，而是立场。这已不是知识产权问题，而是发展权问题。三、美闭源模型的限制条款，是限制竞争的霸王条款美方指控的核心依据，竟是用户违反了企业单方设定的地域限制和使用限制，这等于请国家机器为私人合同上锁。2025年9月，Anthropic更新服务条款，禁止由中国等实体控股的公司使用其服务，无论其位于何地；其2026年2月的指控，正是以违反区域访问限制为主要理由之一。一家企业滥用优势地位决定哪国的人不能用，再指责被排除者绕道使用，最后由安全部门为合同背书，这就是用国家强权给霸王条款撑腰。这类条款并非行业规范，而是个别企业的商业选择。Meta的Llama自3.1版本起在许可证中明确允许用其输出训练其他模型，英伟达Nemotron系列更以生成合成数据为卖点。同一件事有的禁止、有的鼓励，说明国际上没有共识，把自家合同说成国际规则是偷换概念。从DVD区域码到音乐数字版权保护，历史证明这类封锁最终都被市场绕过。四、中美业内大多数支持蒸馏，美国企业广泛蒸馏中国模型中方鼓励开源开放，美国知名公司和大量初创企业才是大规模蒸馏中国模型的一方。英伟达研发Nemotron系列模型时，直接使用DeepSeek-R1生成数百万条数学、编程和科学推理训练样本并公开披露；初创企业Perplexity基于DeepSeek-R1微调发布R1-1776；Hugging Face启动Open-R1项目复现DeepSeek-R1，近一年新发布的中国模型下载量已超过其他国家；基于通义千问的衍生模型已超过10万个。微软、亚马逊云均已把国产模型接入其平台向全球提供服务。美企一边用着中国模型再创新，一边指责中国企业学习美国模型，双标一目了然。五、美三部门公告以个别企业报告为证据，证明力弱、逻辑链条不完整公告所依据的仍是Anthropic等个别企业的自述报告，而这些报告拿不出一条来自模型本身的证据。Anthropic先后声称有数万个账号与Claude交互数千万次，但其公开的归因依据只有IP地址关联、请求元数据和基础设施指标，自己也承认这是所谓“高置信度”推测。IP特征极易被海外接口转售商复用伪装，只能算间接线索。逻辑链条更有三处断裂：获取不等于训练，文本被拿去训练、转售还是测试，Anthropic并不知道；大模型是黑盒，无法从权重或输出反推训练数据；DeepSeek在《自然》论文补充材料中已说明，其基础模型训练数据来自网页和电子书，不包含合成数据。独立实测同样不支持公告的判断。中国信通院以某款美国前沿模型为参照，对多个国产模型和国外模型开展了同题测试。结果显示，与参照模型最相似的，恰恰是其同一系列的另一版本模型，各国产模型的相似度则明显更低。答案固定的题目上各家模型自然趋同，不能据此认定谁抄了谁。中美及国际组织至今没有任何法规或标准涉及判定模型是否蒸馏，公告于事无凭，也于法无据。六、中美应理性对话沟通，在广泛领域开展合作大模型正处于快速迭代、风险累积的关键时期，单边管制追不上技术演进，治理只能靠对话协调。中美2024年5月已在日内瓦举行首次人工智能政府间对话，两国元首近期再次同意开展政府间对话，这是处理蒸馏争议的正确轨道。中国政府的立场十分清晰：坚持蒸馏技术中立定位，坚持开源开放，坚决反对遏制打压；在此前提下，愿以平等互利、合作共赢原则，与美方平衡讨论各自关切。在此立场下，中美未来的讨论可能会包括：如何界定未经授权的规模化抓取，如何区分商业纠纷与国家安全，如何避免把学习等同于侵权等等。需要合作的领域远比争议宽广。风险管控上，前沿模型安全测试需要两国实验室互通；伦理标准上，内容标识、模型溯源规则需要协同推进；医疗上，影像诊断、药物研发关乎全人类福祉；应用推广上，普惠发展中国家需要两国共同投入。若美方执意把蒸馏问题武器化，换来的只会是对等反制和更快的国产替代。希望美方与中方相向而行，通过对话管控风险，让人工智能真正惠及全球。（本文作者为中国信息通信研究院人工智能研究所副总工程师王蕴韬）

2026-9-12 : 当通用智能的狂奔撞上金融业务的确定性要求，保险业AI的竞争逻辑正在改写。“如今，AI的实际应用已从通用智能迈入行业智能时代。”在9月11日的外滩大会保险见解论坛（下称“见解论坛”）上，蚂蚁集团副总裁、蚂蚁保总经理陈冠华表示。然而，在从通用走向行业智能的过程中，大模型如何越过概率输出满足金融确定性执行的要求，智能体如何从“发布数量竞赛”真正走入生产系统，成为保险业的共同挑战。综合多名与会人士观点，保险业AI的下半场，胜负手不在模型参数，而在精准的“产品定义”，以及如何让概率模型跑通确定性的金融业务。行业智能从“产品定义”起步这两年保险行业最热的话题之一，就是AI到底会给行业带来什么变化。太保产险总经理助理叶明满的判断是，产品、服务、风控与经营模式四个层面都会被改写：产品端，市场想要什么，保险公司就能做什么；服务端，“保险+服务”已成标配，而没有数字化线上化支撑，这些服务很难大规模享权；风控端，重心正从事后转向事前；经营模式端，最大的变化是流程与科技结合的新模式。但陈冠华表示，现实上保险行业应用对原有商业链和价值链的提升远慢于通用智能的发展速度。他认为，保险AI产品的核心要素包括通用模型基础；产品查询、保费试算、理赔跟进等行动要素；客户年龄健康、家庭情况、已有保单等情境要素，但行业智能的起点应该是“产品定义”：先想清楚解决什么卡点、重构什么体验范式，再倒推该选多大的模型、接哪些工具、记忆与遗忘哪些上下文。“就像并不是给手动剃须刀装上电机，就能变成电动剃须刀。而是应该先根据市场需求决定设计一款电动剃须刀，再决定调用哪些能力。”陈冠华举例称。“通用智能在不断拓展技术的边界。而行业智能要做的，是利用这些能力去探索服务体验的边界。”陈冠华说，“我们认为，在未来的AI时代，保险行业的产品应该是每个保险的参与者站在自己的角度，利用自己的禀赋，通过自己对用户的理解和洞察，百花齐放创新出更多的好产品，而不是‘All in one Chat’（一个聊天框包打天下）。”预测概率模型 vs 金融确定性好的AI应用要真正走进保险业的生产系统，还得先跨过“确定性”这道关，监管已经先给出命题。6月18日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》（金发【2026】8号，下称“8号文”），从治理、开发、数据、算力、风险等七大方面提出32项要求。在阿里云智能集团副总裁张翅看来，“8号文”更像一道开放命题，要求金融机构部署AI应用要能回答出四问：结论有没有依据、过程查不查得到、出了问题退不退得回、责任落没落到人。而行业机构如何落地背后，需要清楚大模型本质是Token的概率预测，金融业务执行却必须具有确定性。要跨越这道鸿沟，需要把智能体在金融场景中做成可信的工程体系。“去年应该是金融机构发布智能体最多的一年。”张翅在见解论坛上表示，但部分智能体功能单薄，进入真实业务流程后会发现很多问题，例如费用口径与机构现行文件不一致，推理过程没有留痕，版本更新过后也难以回退和审计等。因此他提出，必须把数据、专家知识等要素沉淀为可验证的本体，把散落在客户拜访、群聊记录与调研报告中的“上下文”一并收拢，以数据合同、工具合同、结果判定合同等来约束智能体执行，将“8号文”的相应监管要求转换成“门禁体系”逐项校验模型升级，同时在运行框架建立可追溯的回流机制。他透露，这套“可信控制面”体系已在部分头部银行、险企落地实践。张翅将金融Agent的成熟度划分为五级：一级会聊天，二级会写文档，三级会查依据，四级能过“门禁”，五级可交付。他认为，多数机构今天仍处在一到二级，少数到了三级，但至少四级才是金融机构应该设定的AI应用目标。“这还仅仅只是一个开始，背后相应的从模型到智能体到算力的技术体系，都是未来应该努力的方向。”张翅说。

2026-9-12 : AI开始能够解决越来越难的数学问题之后，一批世界顶尖数学家却发出了警告：如果AI越来越快地给出答案，数学可能失去一些比答案更重要的东西。当地时间9月11日，陶哲轩、邓煜、彼得·舒尔茨（Peter Scholze）等25位菲尔兹奖得主作为最初签署人，联合发表声明《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics），警告AI公司与数学共同体之间正在出现“严重错位”。陶哲轩当天在个人博客“What’s new”发布了声明全文。他介绍，这份声明源于25位菲尔兹奖得主过去一周的讨论。由于认为当前问题具有紧迫性，他们没有等待更长时间进行更广泛的协商，而是决定尽快公开发表声明。这份声明没有否认AI在数学上的进步，首先承认了一个正在发生的变化：过去几个月，大语言模型的数学能力出现显著提升，已经能够解决多个数学领域的重要未决问题。但问题也由此出现。25位数学家认为，AI公司正在把解决数学问题作为衡量模型能力的基准，而数学共同体真正追求的，并不是尽可能快地得到一道题的答案。“AI公司的目标与数学共同体的目标存在严重错位。”声明称，AI公司推动模型解决数学问题以作为能力基准的做法，可能损害数学研究以及数学共同体。在这些数学家看来，一个著名数学问题之所以重要，并不只是因为最后能够得到“对”或者“错”的结论。长期以来，重要的未解问题更像数学世界中的“地标”和“灯塔”。一个问题被解决，通常意味着研究者发现了新的洞见、方法或者概念。随后，这些成果还需要经过数学家之间的报告、讨论和不断简化，最终才可能变成研究生甚至本科生能够理解的教材内容。一些数学思想甚至要经过几十年乃至几百年，才会成为被更广泛使用的工具。公开信强调，“解决问题只是实现概念理解和洞察这一首要目标的工具和代理指标”。这也是25位数学家最担忧AI竞赛的地方。当AI公司不断以“解决了多少此前未解的问题”衡量模型进展时，原本用于衡量数学理解程度的指标，可能反过来成为被机器快速优化的目标。声明警告，以越来越快的速度批量生产“真/假”结论，可能不是在孕育新的思想，反而可能摧毁孕育思想的沃土。速度带来的另一个问题是，数学成果本身需要时间被理解。声明称，一些AI产生的解答被匆忙宣布，没有留下足够时间完成规范的论文写作、提炼其中真正的新方法和新思想，以及引用其他研究者此前的相关工作。这也由此带来了严重的成果归属和抄袭问题。即便AI能够产生正确而新颖的数学思想，25位数学家认为，人类数学家的工作也没有因此结束。如果没有数学家继续发展这些思想，并将其整合进数学知识体系，AI产生的思想也无法真正“活起来”，数学家之间至关重要的知识传承链条也可能随之丢失。比“AI能不能做数学”更深一层的担忧，是数学家如何被培养出来。公开信称，数学这个职业最宝贵的资源是学生和思想。数学家给学生布置问题，并不只是希望他们得到答案，更重要的目的之一，是让他们在解决问题的过程中发展研究所需要的能力。数学思想同样需要通过报告、私人讨论和严谨写作不断传播，并与此前的研究建立联系，而这些过程都需要时间和人与人之间的互动。当AI能够越来越快地直接产出最终结果时，问题因此发生了变化：如果答案可以直接获得，人类是否还会经历那些形成理解、提出新问题和产生新思想所需要的训练过程？25位数学家因此把这场争论进一步扩展到了数学之外。“我们正在目睹一种对智力劳动的普遍威胁。”声明称，在许多领域，过去多年的专业训练不仅是为了生产最终答案或产品，也是为了发展理解能力，以及提出新问题和新思想的能力。但建立在人类此前积累的大量知识之上，AI系统正在越来越有能力直接产生这些工作的结果，由此造成了目标之间的错位。不过，这份声明并没有主张拒绝AI。25位数学家明确表示，AI具有加强和加速真正数学研究与理解的潜力，数学这一职业也需要适应由此带来的变化。真正尚未确定的是，这种变化最终会推动数学发展，还是产生破坏性影响，而结果在很大程度上取决于掌握这项技术的人如何作出选择。这也让数学界正在讨论的问题，从“AI能否解决人类数学家解决不了的问题”，逐渐转向另一个更基础的问题：当机器越来越擅长给出答案，人类究竟希望从数学研究中得到什么？25位菲尔兹奖得主在声明最后呼吁，数学共同体、开发AI技术的公司以及整个社会都需要尽快面对这一问题。声明还提醒，当AI改变工作的完成方式时，不能因此忘记这些工作最初究竟希望实现什么。

2026-9-11 : 上海市委书记陈吉宁今天（9月11日）上午在上海创智学院调研时指出，要深入学习贯彻习近平总书记考察上海重要讲话精神和对上海工作重要指示要求，紧紧围绕立德树人根本任务，勇担科技报国使命，更好服务国家战略，乘势而上、奋楫争先，加速源头创新突破，深化育人模式创新，营造开放共创生态，加快向全球顶尖的人工智能学院进发。 上海创智学院成立两年来全面落实国家战略，牢牢把握办学定位，不断探索超常规培养人工智能人才之路，一体打造“研创学”融合生态，加快形成开放、有活力的创新创业生态，持续涌现高价值高潜力的创新成果，为人工智能发展提供科技支撑。陈吉宁实地察看学院“影响力指数”评价体系建设，听取学院举办首届非共识创新大会，鼓励思想交流、推动非共识创新相关工作汇报，了解师生对于学院育人模式和评价体系的体会和感受。陈吉宁说，上海创智学院是部市合作共建的改革试验田，也是发展人工智能的重要试验田，从诞生之日起就担负着特殊使命，厚植着落实国家战略、发展人工智能的基因，探索形成了与之相适配的组织架构、育人模式、评价体系和创智文化。要锚定办学定位，锐意创新突破，在打破传统边界中提高自主培养质量、不断实现办学目标，让更多具有战略思维、不断突破边界、擅长工程组织的人才脱颖而出。 在创智学院科研成果展示区域，市领导仔细察看了师生在有组织科研、联合实验室等方面的最新成果，就开展新前沿探索、强化科学智能赋能、推动科研成果孵化以及面向产业一线、企业真实需求加强合作对接等，同学院师生作了交流，勉励大家再接再厉，强化使命担当、突出使命驱动，面向国家重大战略需求，积极参与和开展探索性研究、有组织科研，在关键核心技术攻关、掌握科技战略主动上大展身手。 随后举行的座谈会上，陈吉宁听取学院成立两年来总体建设和办学情况汇报。学院师生代表作了交流发言。陈吉宁指出，习近平总书记今年在上海考察期间就加强基础研究、发展人工智能发表重要讲话、作出重要指示要求。希望学院切实把思想和行动统一到习近平总书记重要讲话和重要指示精神上来，牢记“四个放在”，担当使命责任，展开敏捷行动，为人工智能发展作出更大贡献。 陈吉宁指出，发展人工智能是具有战略性的长期任务。要放长远眼光，保持战略定力，既要站高望远、把握规律，从第一性原理探究人工智能本质，深耕原始创新、自主创新；也要聚焦重点、发挥优势，不断提升现实竞争力，形成原创性、颠覆性成果不断涌现的生动局面，更好增强科研信心、走在科研前列。要强化前沿导向，支持师生投身高风险、高价值基础研究，拓展人工智能的科学内涵和应用边界，加快开辟理论新突破、模型新架构、技术新路径。聚焦科学智能，强化超前布局和技术攻坚，更好发挥引领作用。 陈吉宁指出，创智学院要进一步探索人才培养规律，坚持“价值塑造、能力培养、知识传授”三位一体，大力弘扬科学家精神，引导师生坚定不移怀爱国之心、立报国之志、增强国之能，始终保持深厚的家国情怀和强烈的社会责任感。要关注每个学生的身心健康和成长需求。要着眼全过程创新、全链条加速，与产业保持紧密、高频互动，深化基础研究、技术攻关与产业应用协同。更好把握上海乃至长三角区域的空间载体优势、产业集群优势、人才集聚优势，深度融入区域创新生态和产业生态，携手创造人工智能发展的美好未来。 市领导华源、贺青参加调研。

2026-9-11 : ①OpenAI：推出Agents API公开测试版； ②SpaceX 首席财务官：公司再签AI算力大单； ③奥尔特曼：OpenAI考虑放缓尖端AI开发； ④DeepSeek：9月14日后将继续提供V4 Pro的API调用服务； ⑤浪潮信息：拟定增募资不超90亿元投建AI基础设施等项目； ⑥软通动力与字节跳动旗下Flinco达成战略合作； ⑦亿田智能、燧原科技等成立新公司，含AI相关业务； ⑧我国面向全球首次发布“智能找矿”系统； ⑨韩国推进小型模块化反应堆商业化。

2026-9-11 : 光互连产品的热度从一场展会就可窥见。 9月9日至11日的中国国际光电博览会（下称“光博会”）上，热门展台常围着数十名观众。第一财经记者参加的一场论坛原本只安排了一百多个座位，到演讲开始时，又有数十名观众把过道和门口堵住了。一名演讲嘉宾调侃，现场的人员密度好像比算力密度更高。 “以前从来没想过光模块这样一个东西可以真正站到AI的舞台中央，不再是产业链的普通一环，而是成为AI基础设施建设的核心之一。”光迅科技营销市场副总经理蒋波感慨。 第一财经记者看到，不少厂商在光博会上展出NPO（近封装光学）相关产品，代表了数据中心互连方案从铜向光演进的趋势。不过，也有一些业内人士看到光互连方案演进过程中，各种路线之间尚存在的博弈和分歧。 “没有NPO都不好意思讲” 光互连站到了AI产业链的核心。 “海外云巨头规划构建吉瓦级AI数据中心，可支撑部署超十万卡AI集群，对应需配置百万只光模块。”新易盛业务拓展总监张金双称。 光博会论坛上，一个案例被光模块产业人士反复提及：市场研究机构LightCounting在一年内三次上调以太网光模块市场规模预测。按照该机构预测，2031年全球100G以上以太网光模块市场规模将达到800亿美元左右。 数据中心互连方案正从铜向光演进，光互连方案包括当前普遍采用的可插拔光模块、XPO（超高密度可插拔光模块）、NPO和CPO（共封装光学）。这些方案中，业内认为CPO在性能、功耗方面有最优解，NPO某种程度上则是一种产业化潜力较高的过渡方案。NPO方案在此次光博会上尤其惹眼。 第一财经记者现场看到，多家光模块厂商展出了400G、800G、1.6T（传输速率逐渐增大）的可插拔光模块。新易盛在一块大展板上写着：NPO正在到来。张金双表示，新易盛已发布了1.6T光模块以及6.4T NPO方案，NPO方案已在推进与客户合作。 华工科技子公司华工正源则用展板介绍了公司3.2T NPO的设计。华工正源CTO罗传能表示，公司的NPO产品已做到3.2T，相关产品已在与客户做测试。此外，记者看到，东山精密旗下索尔思光电展出了6.4T NPO模组，中际旭创子公司智禾光通展出了3.2T NPO产品，Coherent则展出了NPO、CPO和XPO可用的光子集成电路。 “今天大家会觉得，如果一家厂商没有展出NPO方案，可能都不好意思去讲了。”东莞立讯技术股份有限公司光产品经理彭小伟说，NPO的确定性今年变得越来越大。 除了光互连方案向NPO演进，市场对光互连产品的传输速率要求也越来越高。 一名光纤厂商工作人员在展台上向观众介绍，很多互联网客户原本下了400G产品的订单，后来又商谈能否换成800G的产品，即便换不了，还想下800G产品的订单。该光纤厂商工作人员向记者介绍，对于更高带宽的产品，客户已在试用。 光互连方案与传输速率相关，一般认为，从铜互连到可插拔光模块、NPO、CPO，速率可以做得更高。设计上，传输速率或带宽大致等于单通道速率乘以通道数，而铜互连的单通道速率受限，带宽要提升就要用到光互连。业内判断，在传输速率1.6T前，可插拔光模块基本已覆盖需求，当前可插拔光模块仍是销售主力，但在此之后会有越来越多方案。 业内对于光互连速率演进和方案迭代也有预计。 中国信息通信研究院技术与标准研究所副所长赵文玉在论坛上表示，直到2030年，800G及1.6T可插拔光模块仍将占据主导地位。具体而言，今年800G及1.6T可插拔光模块全面替代400G成为主流，预计明年NPO技术实现量产并开始规模部署，2028年3.2T光模块开始商用。2027年至2030年，乃至2030年后，多项新技术方案将落地部署，NPO、CPO所占比重将逐步提升。 蒋波也预计，800G产品是今年出货主力，1.6T产品自2026年开始放量，3.2T预计于2028年批量出货，传输速率基本上每年迭代一次。 产业链存在博弈与分歧 要提升光互连性能，业界正在尝试各种方案，期间产业链存在持续的分歧和博弈。 蒋波表示，目前行业在光互连领域的部分底层认知上已达成一致，但对于关键技术路线，仍处于博弈与待定状态，产业链存在分歧。 例如，对于单通道400G速率的电接口与调制格式，产业链仍未达成共识。单通道400G光调制器技术路线也尚未收敛，下一代调制器路线在性能、良率、成本和生态之间继续拉扯。Scale-up（纵向扩展，一般指机柜内）互连架构选择也存在分歧。 “光器件瓶颈也约束互连技术的演进上限，存在几堵‘墙’。”蒋波称，单通道带宽到200G以上开始撞上带宽墙；寻求更多通道数，增加热量和功耗，对封装技术提出高要求，良率可能下降，则撞到封装墙；增加单通道带宽和通道又撞到散热墙。不管往什么方向走，总能遇到制约的因素，为跳出制约，出现了百花齐放的技术。 他表示，底层技术激光器有Vcsel、CW-Laser等，调制器有Si、InP等选择，探测器、电芯片、集成与封装技术也有多种，产品形态则有铜、可插拔、NPO、CPO等。 “这些因素做乘法，就能算出有多少种选择。现在的问题不是技术太少，而是太多，产业链出现多元化分歧。”蒋波称，产业链各方都希望找到自身利益最大化的路径，要经由综合权衡与博弈才能得出最适合市场的方案。 博弈则体现在产品形态上，一些产业链环节对CPO方案有所“忌惮”。近期NPO方案的火热，正是产业链博弈在现阶段的产物。 CPO需要将光、交换和计算芯片通过先进封装集成在同一基板上以缩小电信号传输距离，虽然性能、密度、功耗与延迟方面表现理论上更好，但因CPO系统集成度高，有能力做CPO的厂商不多。 “我跟服务器、交换机厂商交流的时候，他们经常问一个问题：CPO出来之后我们做什么？因为可能由英伟达自己做了。”彭小伟说，CPO是一种“强绑定”、相对封闭的模式，做CPO的前提是能拿到交换芯片且有工艺能力做先进封装，而对传统光模块公司而言，芯片层面就存在“拦路虎”。对云厂商而言，也会担心采用CPO会被英伟达、博通绑定。当前国内云厂商都偏向NPO方案。 业界人士认为，相比CPO，NPO是在性能和工程之间找到的一个平衡，其生态也较为健康，体现在供应商承接自可插拔光模块产业，产业链不需重构，且相对分散。 这些博弈影响了行业对于发展趋势的判断。罗传能援引LightCounting的数据称，该机构近期上修了未来几年NPO的市场容量预测，此前该机构较看好CPO的表现，但对NPO的最新出货预测已反超CPO。 不过，要实现NPO方案，也存在一些难点。 罗传能说，NPO的优势包括高速率、高集成度、低功耗、适用风冷和液冷散热系统、产业链解耦，但NPO方案现在最难定下来的不是技术，而是方案还未收敛，例如每家给的Socket（电连接器）方案都不一样。 从方案可实现性上看，CPO和XPO也存在一些难点。 彭小伟表示，CPO方案涉及更多芯片层面的处理，短期难以大规模量产。蒋波则称，当前产业链对于CPO的部署节点尚未有共识，“CPO部署是否急迫？今年下半年有多少量？明年有多少预测？这是我们最常听到的问题。与此同时，NPO和XPO方案还在持续反击。” 对于延续了可插拔产业链的XPO方案，彭小伟则认为，XPO进行多通道布局难度大。制造方面，由于通道多，不良率容易累积。在运维上，XPO则强依赖液冷，部署可能需要改造存量机房。

2026-9-11 : “六张网”之一的算力网正在加快建设。工业和信息化部日前印发的《信息通信行业发展“十五五”规划》（下称《规划》）提出，提升算力设施发展水平，深化算力协同发展能力，强化公共算力服务能力。到2030年，我国智能算力规模较2025年增长超5倍。近日，第一财经记者参加“算力中国行”（京津冀）媒体调研活动，探访多家智算中心、算力企业、智能制造车间、词元工厂等。业内专家提出，“十五五”时期，算力网建设将新增直接投资4万亿元，面向算电协同、超大规模智算集群等重点领域，将为各类经营主体创造广阔投资空间，持续赋能千行百业数字化智能化转型。算力基础设施加快建设当前，人工智能的爆发式增长对算力的需求呈现出指数级攀升。“十五五”规划纲要提出，深入推进“东数西算”工程，构建多层次算力设施体系和全国一体化算力网。2022年，“东数西算”工程启动，引导东部算力需求向西部转移。此后，多部门联合发文，明确构建联网调度、普惠易用、绿色安全的全国一体化算力网。我国算力网加快布局建设，整体规模持续扩大。截至6月底，全国智能算力规模同比增长177%，达到每秒可执行2185百亿亿次浮点运算，为人工智能等新兴产业加快发展提供更坚实的算力支撑。围绕“东数西算”八大国家枢纽节点，全国东西部主要地区已形成毫秒级算力服务圈。全新的全国一体化算力网监测调度试验验证平台进入试运行，全国超六成算力已纳入统一监测，算力接入和精准匹配能力不断提升，服务人工智能、工业制造、科学研究等上百个应用场景。中国宏观经济研究院产业经济与技术经济研究所副研究员于潇宇认为，算力网建设主要包括算力生产、传输调度、能源支撑和行业应用等环节，具有需求增长快、市场化程度高、技术要求高等特征。算力网不是简单把服务器、数据中心、终端设备连接起来，而是依托计算、通信、协议和调度技术，把云、边、端等分散算力资源整合。以河北为例，从河北廊坊传输数据至北京城区，时间为2毫秒，这是河北算力优势的生动体现。截至上半年底，全省智能算力规模556.1 EFLOPS（衡量计算机或智能算力规模的性能单位，表示每秒可执行一百亿亿次浮点运算），在用机架规模达250.4万标准机架，均位列全国第1；5G基站规模达22.3万个，互联网省际出口带宽累计达11.26万G。中国信通院2025年综合算力指数显示，河北省综合算力指数连续两年居全国首位，廊坊、张家口两城算力指数连续两年位列全国前两名。河北省通信管理局副局长鲍常科表示，围绕京津冀一体化算力网建设，全行业坚持网络先行、协同联动，着力构建高速泛在、安全可靠的立体化算力运载体系，让算力像水电一样即取即用、触手可及。中国联通廊坊智·云数据中心是河北省首个投产的T3+级别大型数据中心，如今正肩负着“东数”热点地区AI训推一体化枢纽的重任。联通数字科技有限公司云计算事业部智算基础设施运营部总经理温源介绍，这里的智算规模将形成2048PFLOPS（每秒千万亿次）的算力，通过精细化运营，PUE（电源使用效率）降至1.25，意味着每一度电都在更高效地转化为AI生产力。“雄安之眼”城市计算中心是雄安新区批复的唯一一个永久性A级数据中心，汇聚了全域数据与算力资源。雄安云网科技有限公司首席技术官刘鑫介绍，已初步建成边云超智协同的城市计算体系，可提供通算、智算、超算全类型算力，已成为雄安新区数字建设的核心支撑。该中心覆盖政务、疏解央国企、互联网、中小企业、金融教育科研医疗五大业务板块，服务对象超60家，同时承载智能交通、环境监测、智慧医疗、城市管理、产业经济等多领域业务系统，助力雄安新区打造全球领先的智能城市和数字经济创新发展示范区。算力赋能千行百业算力网的生命力在于应用和赋能。当前，以算力网为联结，“人工智能+”行动正全面实施，数字技术与实体产业加速深度融合，带动全产业链发展。围绕先进制造、科研创新、政务服务、医疗健康等发掘应用场景，加快形成“以用促建、以需带供”的良性循环，推动算力网高效运行、可持续发展。在石家庄的中国移动京津冀数据中心，河北移动有关负责人介绍，以老百姓熟悉的民生服务为例，去医院看病、到药房买药，过程中产生的算力服务需求都可以基于政务云平台实现。该中心承接了全省60多个厅局的算力业务，包括省医保局7500万居民的医疗保障系统算力服务。目前智算需求已覆盖医疗领域的肿瘤模型分析以及气象分析、水利分析等场景，算力正从后台走向前台，成为老百姓看得见、摸得着的生产力。钢铁是河北的支柱产业，河北移动与河钢合作打造视觉安监大模型，实现人员高危行为和环境风险实时预警，安全监管从事后排查升级为实时预警，既提升了安全生产水平，也为钢铁产业探索出低成本、可复制的智能化转型路径。河北也是全国现代商贸物流重要基地，交通物流成本优化对全省经济效益提升具有基础性影响。河北交投集团建立了基于AI技术的智能调度应用，实现运输调度的智能化升级，直接服务于物流产业降本增效。值得关注的是，《规划》还对太空算力作出部署，提出构建天地一体的空间网络。强化高中低轨卫星星座协同，推动卫星网络与地面通信网络深度融合，统筹建设星地互联中心，开展手机直连卫星、卫星物联网等应用。银河航天研究院院长张世杰对第一财经表示，天地一体化算力的核心，是推动通信、导航、遥感、算力深度融合，构建“通感算智一体化”的天地智能基础设施。大算力、大能源等相关技术的不断突破，可以为空天地一体、通导感算融合的综合服务体系注入强劲动力。2026年中国算力大会于9月11-13日在河北廊坊召开。大会将重点围绕算电协同、人工智能、具身智能等前沿方向展开交流，并首次设置“算力首创首发发布会”，集中发布一批国产算力芯片、绿色算力技术等创新成果。河北也将借助大会平台，推动一批算力、人工智能头部项目落地签约，进一步汇聚创新资源、完善产业生态。

2026-9-11 : 如果科学领域的一个极具启发性的问题刚刚被公开，很快就有一群AI智能体涌入、争相求解，科学家还会愿意把自己尚未成熟的研究方向告诉同行吗？近日菲尔兹奖得主、数学家陶哲轩连续数日在数学社区讨论AI对数学研究的冲击。他把那些能够产生新方法、新洞见的开放问题称为一种可能被快速消耗的“不可再生资源”：一旦某个有价值的研究方向被公开，大量AI算力和智能体可能迅速涌入，抢先推进甚至解决问题。这可能迫使研究者不再公开有前景的研究方向，从而“逆转数百年来开放科学的传统”，并对数学的长期发展造成严重损害。陶哲轩认为，数学问题当然可以无限地产生，但真正值得投入多年研究、能够带来新方法和新理解的问题并没有无限供给。他用一个比喻解释这种稀缺性：一个地区即使被浩瀚海洋包围，也仍然可能严重缺乏饮用水。更令他担忧的，是AI带来的科研机制的变化。当AI越来越擅长获得“答案”以后，数学乃至科学赖以运行的另一套机制会不会受到破坏：公开问题、相互讨论、经历失败、形成新方法，以及年轻科学家在这一过程中的成长。被AI挤掉的“成长阶梯”陶哲轩是积极拥抱并实践AI的顶尖数学家之一。2024年测试早期推理模型o1时，他曾把AI形容成一个“水平一般、但并非完全不称职的研究生”。到了今年3月，他的评价已经明显改变。在UCLA的Accelerating Math and Theoretical Physics with AI（以AI加速数学与理论物理）会议上，他表示当前大模型在数学和理论物理领域已经做好上场的准备了，因为它“节省的时间已经超过浪费的时间”。4月接受Nature采访时，陶哲轩进一步判断，数学家的“工作说明正在发生变化”。他自己已经把AI用于文献检索、代码生成、绘图、计算以及把“大胆的想法”交给 AI 测试。此前，他曾透露自己联手ChatGPT攻克了一个MathOverflow难题，节省了数小时的编码时间。他把AI带来的变化概括为数学正在从 “proof scarcity（证明稀缺）”走向“proof abundance（证明丰裕）”。但问题也随之而来：我们的数学基础设施和文化尚未适应这一点。陶哲轩多次表达了担忧。在一次访谈中，他称科研体系正处在“有些危险的节点”：AI正在以越来越快的速度制造科学产出，或者至少是“看起来像科学产出的东西”，但代价可能是损害下一代科学家的培养。他举例，研究生进入一个领域后，导师通常不会让其直接挑战最困难的开放问题，而是先安排一些难度相对适中、可以获得科研经验和职业认可的项目。现在，这类训练问题正好进入AI快速扩张的能力范围。陶哲轩说，如果用AI替代研究生，AI可以生成研究生水平的论文，但我们不会因此得到下一代学生。如果科研体系只不断生产结果，却没有人继续消化这些成果、形成下一代知识基础，科学社会甚至可能在优化已有技术的同时，失去产生真正原创思想的能力。他打了个比方，做数学像徒步去远方，AI则是架直升机，直接把人们空投到答案附近。但数学的价值不只是到终点，慢速做事也有价值。一个科学家花几个小时在纸上算，在野外亲手做实验，实际调试模拟，他们常常学到很多超出得到答案的额外洞察。他们可以发现新现象，看到联系，看到与文献中先前研究过的某些东西的相似性，并与其他人交流他们的发现，这些可能比最终的证明更加重要。所以悖论出现了：AI变得更强大、更有能力、犯错更少，表面上实现了科学家试图做的许多目标——运行实验、分析数据、写论文。但可能代价是AI获得了一些技能，人类科学家在科学上并没有变得更好。没有人能准确交流发生了什么，为什么这个科学发现有趣，为什么这个证明是新的，它有什么特点以及如何联系。陶哲轩的担忧并不孤立。今年1月Nature一篇题为《人工智能促进科学家影响力增长，却制约科学认知边界扩张》的文章分析了AI工具进入科学研究后的影响。结果显示，使用AI的科学家通常会发表更多论文，也获得更高引用和影响力；但与此同时，他们研究的问题却更加集中，整个科学共同体探索的主题范围出现收缩。这意味着AI可能让科学家变得更有效率，但整个科学体系却未必因此变得更多样。此前，Nature还对近3800名博士生进行的调查显示，四分之三的受访者认为AI能提高学习和研究效率，但65%担忧AI会削弱思考、研究和写作能力。科研产出可以被AI加速，科学家的成长却未必能被同样压缩。这成为AI进入科研之后一个越来越现实的问题。边界在哪儿？为什么这一轮冲击最明显地发生在数学，而不是物理、化学或者其他实验科学？今年外滩大会上，普林斯顿大学教授王梦迪从AI技术本身给出了解释。她认为，目前的大模型尤其擅长学习已有知识概率分布中最常见、概率最高的部分，却容易低估甚至忽略长尾。而真正的科学发现，往往恰恰发生在长尾，甚至意味着找到训练数据和已有知识分布之外那颗从未被观测过的“星星”。数学和编程之所以成为AI最先快速突破的领域，一个重要原因是它们存在明确的“验证器”，每一个计算、每一步推导都可以重现、回溯。在编程领域，代码可以由编译器和单元测试验证；在数学领域，借助各类形式化证明工具，数学证明也可以转换成机器能够检查的形式。AI每进行一次尝试，都能获得相对清楚的“正确或错误”反馈，从而不断尝试、验证和改进。现实世界则没有这么容易。物理、化学和生物研究最终必须接受真实实验的检验。实验设备、材料状态、人的操作乃至环境变化，都可能带来不确定性。在她看来，真正科学发现的瓶颈并不只是产生一个听起来聪明的想法，更困难的是如何验证它。这也说明了为什么今天频繁出现“AI攻克数学难题”，却很难看到AI独立发现一条新的物理定律。而关于AI进入科研，王梦迪介绍，她和团队正在探索一套名为LabOS的科研实验室智能操作系统，希望把实验设计、参数、操作、质量控制和验证连接成一个闭环。一些过去需要有经验的物理博士生耗费数月手工完成的实验流程，可以逐步被自动化、API化。按照她的说法，在团队已经完成的一些验证中，这套系统能够让第一年的本科实习生执行接近经过长期科学训练人员所能完成的精确科研流程。诺贝尔经济学奖得主菲利普·阿吉翁在外滩大会上的回答，把这一问题进一步推到了更早的教育阶段。当被问及年轻人应该如何面对AI时，他首先提出，学校应该更加严格地规范AI使用。学生需要首先学会自己阅读、独立计算，并专注于问题和定理的推导。先学会在没有人工智能的情况下学习，然后才能把AI作为辅助工具，并且需要教师指导。否则，他担心可能出现一整代人不知道如何独立计算，也难以集中注意力阅读一本书或者完成数学证明。陶哲轩也在尝试调整数学教育。在一场公开对谈中，陶哲轩表示，传统的每周作业已经越来越难适应AI时代。他在教学实践中更多采用项目制考核、口头考核。他提出，不必再布置和过去一样的标准化习题，可以让学生承接更有雄心的项目；独立验证 AI 生成输出、判断其正确与否，会成为学生必须掌握的一项核心能力。换句话说，AI时代的教育并不一定意味着减少训练，而可能意味着把训练从“自己完成所有步骤”，转向“提出更好的问题、组织更复杂的项目，并独立判断机器给出的答案是否可信”。在9月讨论AI公司竞相宣布解决未解数学问题时，陶哲轩提出一种新的竞赛设想：与其比谁先宣布解决了一个未解问题，不如比谁先发现了一个新的数学洞察。

2026-9-11 : 孙容已经记不清这是她划过的第几部AI短剧了。 屏幕上的仙侠男女主顶着几乎同一张脸，说着相似的台词，连背景里的山峦都像是从同一个模板里复制出来的。 她看了一眼进度条，第2集，还剩125集。手指轻轻一划，下一部。近一个月，她以这种“三秒定生死”的方式刷完了数百部AI短剧，真正看完的也就十来部。 “不是我不想看，是它们长得都一样。”孙容对第一财经记者表示。她不知道的是，在她手指划过的那些剧集背后，行业内有制作团队收获千万分成，有相关企业连获涨停板，也有人投了几十万只收回几百块，更多的人正在悄悄离场。 8月31日至9月8日，龙版传媒（605577.SH）连续斩获6个涨停板，累计涨幅约93.47%。引爆点为芒果台国内首部AIGC长剧《后西游记》登陆湖南卫视黄金档，带动传媒板块及AI漫剧概念热度提升。 9 月 4 日，上交所发布监管警示决定，认定龙版传媒半年报未对AI视频业务的营收规模、占比及对经营业绩的实际影响作出充分说明，对龙版传媒及时任董事会秘书孙福军予以监管警示。 9月8日，龙版传媒发布公告称，公司股价累计涨幅偏离基本面，存在市场情绪过热、非理性炒作风险，存在股价短期快速回落风险。9月9日，龙版传媒停牌核查。今日收盘，芒果超媒（300414.SZ）的股价也从近期的23.5元高点回落至17.77元。 无论是资本市场还是产业端，AI 短剧均经历了一波热度狂飙，并逐步回归理性。 供给爆炸与收益坍塌 孙容的“三秒划走”，有数据层面的支撑。 DataEye《2026上半年AI剧漫剧数据报告》显示，上半年全网新上线AI短剧超22.19万部，相当于约一分钟就有一部新剧上线。其中播放量破亿的作品仅1055部，破亿率仅0.47%，约两百部作品才能跑出一部爆款。以5000万播放作为盈亏线，能回本的不足1.3%，九成以上的剧上线就注定陪跑。 公司层面的数据更为冰冷。约九成AI短剧公司处于亏损状态，2026年第一季度活跃承制方从1216家暴跌至698家，锐减42%。 钱去哪了？万播收益是重要考量维度，即每一万次播放平台分给创作者的钱。数据显示，行业万播收益从2025年下半年的30至100元跌至2026年的5至10元，跌幅近90%。 有从业者表示，上传11部AI漫剧、每部16集，平台总收益仅数百元。 成本是难盈利的主要原因。一位视频模型领域从业者对第一财经记者表示，Seedance 2.5价格涨了很多，但因为性能的确有优势，创作者群体仍会付费选择。具体表现在比可灵多了参考图数量，单次生成可达30秒，对一致性有明显利好。 技术成本表现在生产端，一集AI漫剧的算力成本从17元涨到80至100元，一分钟漫剧从100元涨到200至300元。精品AI短剧的制作成本在800至1500元/分钟，单部100分钟算下来约10万元。 目前行业内承制方压力很大，上述从业者表示，AI短剧供给数量大幅增加，普遍采取“走量”策略，有出品方直接要求一天出十部短剧。高压之下，承制方员工经常身兼数职，一人同时担任导演、编剧、策划、剪辑。但平台给到的价格并未提升，他们还要留着预算进行投流。 上游模型持续涨价、下游平台分账不断缩水、中间还要承担投流成本，中小团队根本扛不住。 热门行业分化加剧 行业正在经历剧烈的结构性分化。从上市公司财报看，头部玩家的AI短剧业务确实在快速增长。 阅文集团上半年短剧与AI漫剧收入突破4.3亿元，同比增长2.3倍，上线短剧超过90部。昆仑万维2026年6月底AI短剧平台业务单月流水超6500万美元，旗下DramaWave平台7月月度上新剧集中超90%为AI生成。中文在线短剧及IP衍生品业务营收4.11亿元，同比增加108.72%，已成为公司第一大收入来源，旗下出海平台FlareFlow提前实现月度经营性盈亏平衡。 但盈利压力仍存在。芒果超媒上半年营收61.94亿元同比增长3.86%，归母净利润仅2.02亿元，同比下滑73.58%，AI短剧被赋予增长使命但尚未跑通变现。 中小创作者群体更为艰难。一季度活跃承制方从1216家锐减至698家，大批中小团队离场。但头部创作者收益反而在涨，红果平台上的爆款AI短剧《万妖图录传》如今已经更新至12季，该季9月5日凌晨开播时热度达到1.37亿，创下红果史上最高热度纪录。出品方光宇团队是典型的AI短剧制作班底，初期只有6个人。有从业者结合平台热度与万播收益推测，《万妖图录传》一季成本大约10万元，目前11季的分账近两千万元。该数据暂未获得官方确认。 智象未来联合创始人兼首席运营官王科对记者表示，目前行业的竞争状态可以用“分化加剧”来形容。从生产端来看，AI正在快速拉低短剧的制作门槛和成本：传统短剧往往需要数十人团队、数十天周期，现在借助AI视频生成，单人几天就能完成，边际生产成本明显下降。但流量端并没有因此变得更便宜。恰恰因为生产变容易了，AI短剧供给量快速膨胀，赛道迅速拥挤，注意力资源反而更稀缺，投流竞价被持续推高。 本质上，王科表示，AI解决的是“低成本生产”的问题，还没有解决“低成本被看见”的问题。下一阶段的竞争，也不只是制作效率，而是选题、审美、IP、投放和商业化效率的综合竞争。 并且，王科强调，技术升级无法直接缓解成本压力。投流成本高是流量供需关系决定的，但技术可以从两个方向进行优化：一是提升内容质量，提高自然流量占比。内容足够好，自然流量就能起来，就不需要全靠付费投流。二是提升生成的确定性，降低无效成本。省钱的逻辑不是让单次生成更便宜，而是少“抽卡”——更稳定的输出、更少的修改。 行业合规化也在加速。2026年9月1日起，国家广播电视总局发布的《微短剧发展管理办法》正式施行，将微短剧按投资额度、题材分为三类，实行分类备案公示和发行许可制度，并要求使用AI技术制作的微短剧在每集明显位置添加提示标识。随着AI视频日渐走入主流渠道，监管框架会快速完善，合规能力将成为竞争的基础门槛，不合规的产能将被加速淘汰。 当制作门槛被技术拉低，竞争终将集中到AI无法无限复制的东西上：高质量的原创故事、深入人心的IP，以及对用户需求的理解。 文内孙容为化名

2026-9-11 : 9月11日，在上海举行的2026 Inclusion·外滩大会上，蚂蚁集团CEO韩歆毅在主题演讲中表示，智能体商业的“ChatGPT时刻”已经到来。与此前更多停留在能力展示不同，智能体正在进入真实交易环节，并有望成为新的商业入口。 在韩歆毅看来，过去的商业模式更多从标准化商品和固定页面出发，通过广告、曝光和流量运营触达用户。进入智能体商业时代，商业逻辑则可能从用户意图出发：用户提出需求后，由智能体理解意图、匹配供给并完成交易。商家需要竞争的，也不再只是流量和曝光，而是能否被用户的智能体准确理解，能否成为最可信、最匹配且能够履约的服务提供者。 但从“能交易”走向真正的规模化商业，行业仍面临新的挑战。 韩歆毅认为，要推动智能体商业规模化，行业首先需要回答三个基础问题：服务怎样才能被智能体理解和调用；智能体能否真正帮助用户完成交易；当交易发生后，谁来授权、谁来风控、谁来承担责任。 这意味着，智能体商业并不是简单地把交易入口从App页面前移到聊天窗口，而是需要打通需求、供给、支付、风控和履约等环节。 过去一年，AI支付笔数的增长成为行业观察智能体商业进展的重要指标。但在行业补贴和用户尝鲜期之后，如何让用户形成稳定使用习惯、让商家愿意持续投入，也成为下一阶段需要解决的问题。 韩歆毅表示，在过去半年与商家的交流中，他感受到商家对于AI时代新增长机会的需求非常强烈，但目前智能体商业的供需两端尚未形成正循环。“用户想用，但商家没有很好的智能体服务；商家看到没有用户在用，又不太敢投入去开发智能体。”他表示，这形成了类似“先有鸡还是先有蛋”的局面。 因此，智能体商业的竞争正在从单一的支付能力，延伸至生态建设。平台和服务商需要共同推动更多服务能够被智能体理解、调用，并最终完成交易和履约。 在此次外滩大会上，支付宝宣布每年投入1000万元设立“智能体涌现奖”。韩歆毅表示：“当Agent开始帮你花钱了，我们很期待智能体商业从支付真正变成一个繁荣、丰富的商业生态。” 在他看来，这将是智能体商业真正迎来“涌现时刻”的标志。

2026-9-11 : 人工智能深刻变革软件和信息技术服务业的开发方式、产品形态与服务模式，已成为驱动产业升级的核心引擎。工业和信息化部11日对外发布《“人工智能+软件”专项行动实施方案》（下称《实施方案》），从推进软件生产变革、加快软件产品智能化升级、培育智能体软件新业态、拓展智能软件服务、夯实软件智能化发展基础、优化软件产业发展环境等六个方面作出工作部署。近年来，智能编程普及让一些软件从业人员感到压力，社会上也有“人工智能会替代程序员”的讨论。《实施方案》提出，促进软件产业就业友好发展。中国软件行业协会副理事长兼秘书长吕卫锋在发布会上表示，将引导企业同步推进智能化升级，积极开发新型岗位。面向软件领域新职业新岗位需求，深化产教融合、加强复合型人才培养，强化智能化相关新技能培训，支持从业人员向高附加值岗位转型。加快培育智能体软件、智能服务等新业态，扩大就业空间要靠产品和服务创新。推进软件生产变革“十五五”规划纲要提出，要全面实施“人工智能+”行动，提升基础软件和工业软件等产业水平，打造具有国际竞争力的数字产业集群。我国软件产业体量大、场景丰富、开源力量活跃。2025年，整体行业营收达15.48万亿元，是2012年的6.2倍，年均复合增长率15.1%。国产操作系统、数据库等基础软件水平快速提高，工业软件形成覆盖重点行业的产品体系，以国产大模型为代表的中国开源生态影响力不断提升。工业和信息化部信息技术发展司副司长王威伟在发布会上表示，当前人工智能正在重塑软件产业，且变革速度前所未有。技术迭代空前加快，新技术带来的伦理、安全、风险增多，产业发展面临机遇与挑战并存。我国软件产业具备把握这轮人工智能机遇的良好基础，而融合深度与广度还有待提升，需要加强引导、系统推进。《方案》提出两阶段目标。其中，到2028年，软件和信息技术服务业智能化水平显著提升，培育一批高水平智能编程工具和智能开发平台，推广应用覆盖2万家规模以上软件企业，累计组织实施100项软件企业智能化技改项目，在重点行业打造100个智能体软件标杆应用，孵化5个以上优质开源项目。到2030年，人工智能与软件和信息技术服务业融合发展实现新跃升，关键软件全面实现智能化升级，智能编程、智能体软件及智能服务等新业态成为产业新增长极，建成若干具有国际影响力的开源社区和产业集群，推动我国软件和信息技术服务业抢占全球价值链制高点。《实施方案》把“推进软件生产变革”放在六方面重点之首。中国电子信息产业发展研究院副院长朱敏表示，在人工智能与软件融合的诸多方向中，智能编程技术相对最成熟、产业实践最充分，是能够大规模推进的领域。智能编程工具正从辅助补全走向智能体驱动，需要及时引导。软件的开发效能会沿产业链传导渗透，软件编得更快更好，信息服务体感越强，各行业智能化应用才会更快落地。围绕推动智能编程研发应用，《实施方案》明确了三方面重点任务：一是优化智能编程工具链条，二是推进软件企业智能化技改，三是赋能软件安全。提升高端芯片等产业水平开源作为倡导开放、共建、共享、共治的新型生产方式，孕育于软件，发展于数字经济，在加速技术创新与产业转型升级方面发挥着重要作用。《实施方案》提出要充分发挥开源作用，夯实软件智能化发展基础，围绕开源社区建设、项目培育机制、人才激励体系三个维度作出系统部署，着力构建多元协同、开放共赢的软件开源创新生态。开放原子开源基金会副秘书长李博表示，将推动社区与智能编程工具链、云服务深度适配集成，让开发者在社区内完成从代码、模型、数据集上传、下载到部署的一体化闭环。同时，进一步加强自主开源许可协议的应用与合规指引，切实保障开源参与者的权益，为开源生态健康有序发展提供制度保障。“十五五”规划纲要明确提出，提升高端芯片、光电子器件、基础软件和工业软件等产业水平。王威伟表示，《实施方案》部署了提升基础软件智能化水平、推动工业软件智能化转型等任务。将以智能化升级带动关键软件补短板、强弱项，向高端化、高附加值方向跃升，重塑关键软件竞争格局，助力我国软件产业加快实现“由大到强”。当前，人工智能与软件融合创新加快推进，智能化转型需求持续高涨，但普惠算力、高质量数据集、标准体系等基础支撑还不牢固。针对这些问题，《实施方案》将算力、数据、标准作为“人工智能+软件”行动的重要支撑，一体部署、协同推进，着力营造良好产业发展环境。中国电子信息产业发展研究院副院长朱敏介绍，围绕智能编程、软件产品智能化、智能体与智能服务等领域，统筹推进关键标准研制。研究“模型即服务”“智能体即服务”等智能服务标准，明确服务交付质量和责任边界。加快在制造业等重点行业应用，以标准促应用、以应用促发展，让标准成为连接技术创新与产业落地的桥梁纽带。

2026-9-11 : 近一周，关于AI安全的议题争论在大洋彼岸达到新高度。 当地时间9月10日，英伟达CEO黄仁勋在旧金山高盛科技会议上表示，网络安全很可能成为AI的下一个主要应用场景。 他认为，AI加速自动化编程的同时，也加速了代码被攻击和漏洞被利用的速度，企业对AI安全工具的需求将随之增长。“有什么比制造问题更能创造需求的方式呢？” 与黄仁勋从商业角度出发的逻辑不同，近一周，多位海外模型头部公司科研人员密集发声，强调AI安全风险已从理论走向现实，甚至认为AI可能在本世纪末“杀死所有人”。 警示AI失控风险与递归自我改进 9月8日，27岁的AI研究员雅各布·考克森（Jacob Coxon）宣布辞去在模型公司Anthropic的职务，任职刚满四个月。在Anthropic之前，考克森在OpenAI担任预训练研究员近三年。 对于两家头部模型公司在AI安全方面的举措，他点评称：两家公司“都没有以负责任的方式推进AI开发，反而在直奔自我改进型超级智能”。其中OpenAI内部尚未充分理解文明级风险；Anthropic虽深知风险，也投入安全研究，却被行业竞赛裹挟，无法减速。 考克森警告，AI系统将很快具备“超人类”能力，能够实施黑客攻击、一夜之间改变某个领域格局并获取真实权力。他声称从业者私下相信AI“可能在本世纪末杀死我们所有人”，“这不是营销话术”。截至发稿，该帖文浏览量突破1.5亿次。 考克森的担忧核心指向递归自我改进（RSI），即AI实质性地参与后继AI研发，形成每一代AI都加速下一代AI开发的反馈回路。他称这一过程“发生得比我们预想的更快”。 该观点迅速得到行业响应。 Anthropic对齐科学负责人埃文·哈宾格（Evan Hubinger）公开回应：“雅各布说得对。我们真的认真相信AI可能杀死所有人类。我个人认为未来十年内的概率超过10%。” 他同时补充，当前模型风险较低，真正的担忧来自RSI带来的超级智能对齐问题，公司尚未有明确的解决计划。 此前，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）也警告，研究人员尚未完全理解先进模型形成内部推理的方式，主张在模型接近RSI能力时设置开发节奏控制机制。 9月9日，OpenAI宣布任命AI安全研究员保罗·克里斯蒂亚诺（Paul Christiano）加入其非营利董事会及安全与安全委员会。克里斯蒂亚诺是RLHF技术关键开发者之一，长期担任美国政府AI安全顾问。 他在就任声明中警告：“AI能力的快速加速在短期内将导致灾难性和不可逆转的失控存在着实质性风险。我不认为整个AI行业（包括OpenAI）目前正处于将这种风险降低到可接受水平的轨道上。”他预计，若缺乏更完善的协调机制，行业将永久失去对AI的控制，大多数人可能会丧命。 政策明确前争议无法停止 面对警告，美国国防部首席技术官埃米尔·迈克尔（Emil Michael）在华盛顿一场国防工业会议上公开驳斥，称这些担忧是“对数据中心和变化的恐惧，汇聚在一条写得很好的推文中”。他认为AI风险可通过自由市场竞争、行业协作与政府沟通加以缓解。 黄仁勋则从商业化角度回应。他表示，AI安全风险不是需要“暂停”的理由，而是需要“加速”的市场机会。 对于黄仁勋的观点，安恒信息董事长范渊表示认可。他对记者表示，AI已经从“回答问题的助手”变成了“能动手干活的数字员工”。黄仁勋看到的转折点是：当AI拥有了行动力，错误的代价就从信息偏差升级为业务中断、资产损失，甚至安全事故。 在范渊看来，未来的安全将不再只是人与攻击者之间的对抗，而是AI与AI之间的博弈。攻防两侧正在被AI同时重构：一边是攻击门槛急剧降低，代码生成得更快，被利用得就更快，需要修复的漏洞随之增加；另一边是防御技术的加速升级。而这一次升级的要害，不是把AI当成更好用的工具，而是让AI成为能够自主作战的一方。 关于AI安全的争议没有定论，甚至头部公司内部观点也在持续变更。前Google DeepMind传播与政策团队成员维沙尔·迈尼（Vishal Maini）表示，在他任职期间，组织内部不允许对外讨论人类灭绝可能性，研究人员接受过公关培训，被要求将存在性风险提问引导至“《终结者》式的危言耸听”。 但经过数月的倡导，迈尼称，GoogleDeepMind的政策最终得以更新，允许发布积极正面的AI安全内容。“内部现实与外部传播之间的差距正在缩小，因为风险与收益已经改变，而且如今的证据也更难被忽视。真相之所以被大声说出，是因为RSI已迫在眉睫，再无其他选择是合乎逻辑的。” 讨论关于AI安全的争论谁更合理已无意义。真正的困境在于，安全成本由个体承担，风险后果由全体共担。在缺乏强制性行业标准与国际协调机制之前，任何单方面的“刹车”都等于将优势拱手让人。 但RSI不会等待共识形成，行业需要的是可执行的规则，而非更多立场声明。

2026-9-11 : AI算力需求持续扩张，正在把光通信产业推入新一轮高速迭代周期。9月9日至11日，第27届中国国际光电博览会（CIOE）在深圳国际会展中心举行。记者现场走访时发现，今年展会人流明显增加，从光模块、光芯片到光纤、连接器、测试设备，多家企业都在谈“紧缺”“缺货”和“产能不足”。多家企业人士告诉记者，部分产品订单和产能已经排到2027年，甚至有客户开始提前锁定更长期的产能。但与旺盛需求同时出现的，是产业链越来越快的技术迭代。记者在现场了解到，目前用于AI数据中心高速互联的800G光模块仍是市场主要出货产品，1.6T光模块则已率先在头部厂商中进入量产和商业化推进阶段。但随着NPO、薄膜铌酸锂等新技术路线加速出现，光芯片、电芯片、光纤、连接器和测试设备等上游环节也开始承受更大的供给压力。“今年800G还是主力，1.6T已经开始起量，真正的爆发可能要看明年。”一位光通信企业展台技术人员对记者表示，大家都在更新自己的技术，以防被“挤下车”。1.6T来了，但800G仍是主角光模块是这轮AI算力浪潮中最受关注的光通信产品之一。简单来说，光模块承担的是电信号与光信号之间的转换。AI服务器集群中，GPU、服务器和交换机需要交换大量数据，随着计算规模扩大，传统电连接在带宽、功耗和传输距离方面承受越来越大的压力，高速光互联因此成为重要解决方案。记者在现场看到，800G、1.6T以及3.2T光模块均成为多家企业重点展示的产品。产业链反馈显示，2026年800G仍是当前市场的主要交付产品，但1.6T已经开始进入量产和商业化阶段。“目前具备1.6T规模化交付能力的主要还是头部厂商，现在处于产线建设、样品验证或者客户测试阶段。”现场一家头部光模块厂商对记者说。另一家参展企业工作人员也向记者表示，目前市场交付主力仍是800G，1.6T产品放量有限，后续节奏要跟着服务器、交换机等下游整机产品的进度走。与此同时，更高的速率也在推动新的技术路线出现。目前行业常说的LPO、NPO和CPO，本质上都是在解决高速光互联中的功耗、距离和密度问题。LPO通常指线性直驱可插拔光模块，通过减少或取消传统DSP的部分功能来降低功耗和延迟，NPO即近封装光学，将光学器件进一步放到计算或交换芯片附近，CPO则更进一步，将光学器件与交换芯片等共同封装。从现场参展厂反馈的技术路线来看，标准化程度较高的可插拔光模块仍是Scale-out场景的主流方案，而面向集群内部、更加追求高带宽密度、低时延和低功耗的Scale-up场景，NPO、CPO等方案也在加快发展。从“缺产能”到“缺芯片”，产业链压力向上游传导需求的快速增长正在把压力传导到产业链更上游。记者了解到，光芯片、MPO及FAU、光纤、保偏光纤等产品同样出现较强的需求反馈，一些企业已经开始提前扩产或者锁定供应链。光芯片方面，部分企业正在推进面向下一代光互联的产品验证。例如，现场有企业展示200G EML、CW激光器等产品进展，并透露部分产品已经进入小规模应用或客户测试阶段。薄膜铌酸锂（TFLN）也从实验室技术逐渐走向小批量制备，但距离大规模应用仍需要经历工艺成熟和客户验证。此外，测试设备的需求也在拉升。“光模块速率每往上走一代，测试设备就要跟着升级一代。”现场的一家测试设备企业万里眼研发总监谭剑对记者表示，当前高速光电测试已经从单一器件测试延伸至器件、模组和光电系统全链条。在他看来，行业目前有两个比较明显的变化：一方面，电信号速率正从112Gbps向224Gbps演进，光模块的高速迭代直接倒逼测试设备提升带宽和精度；另一方面，LPO、NPO、CPO等技术路线并行，也让测试场景更加复杂，对设备的通用性和兼容性提出更高要求。“测试过去更多是单一产品竞争，现在逐步演变为全场景的测试解决方案竞争。”谭剑说。从整体行业来看，过去高速光通信测试仪器市场长期由海外厂商占据。以采样示波器、时钟恢复单元、误码分析仪等核心设备为例，海外厂商凭借长期技术积累和客户基础占据主要市场。随着国内光模块产业从400G、800G向1.6T持续演进，测试设备也出现了国产替代的机会窗口。根据Frost & Sullivan数据，2024年中国光通信测试仪器市场规模约为33亿元，预计2029年将达到65.9亿元；2024年海外厂商合计占据约84%的市场份额，本土厂商约占16%。目前，联讯仪器已经进入高速光模块核心测试设备市场，万里眼也在65GHz光采样示波器，1.6TL1-L3网络测试仪等领域有新的布局。谭剑表示，目前高端光采样示波器等量产测试设备市场仍主要由海外厂商占据，国内厂商正在通过优化整机硬件性能，提升测试效率以及增强供应链自主可控切入市场。而测试设备之所以受到关注，是因为高速光模块从研发样品走向规模量产，需要经过大量验证。进入1.6T时代后，信号速率提升，TDECQ等指标的测试难度同步增加。但他也同时提醒，生产型测试设备本身也是一个周期性较强的行业。光模块扩产时，测试设备需求会集中释放；产线建设完成后，设备采购又会阶段性回落。未来随着3.2T、6.4T等新一代产品推进，测试设备还将经历新的升级周期。值得注意的是，需求快速增长并不意味着产业链所有环节都已经准备就绪。也有光设备展台技术人员对记者表示，目前1.6T光模块方案中，8×200G是较为常见的一种架构，高速电芯片仍是产业链需要突破的环节。“从全球市场来看，Broadcom（博通）、Marvell(迈威尔)等海外厂商在高速DSP等电芯片领域积累较深。”上述人士表示，当前国内光通信产业链的模块制造能力较强，但部分关键芯片仍需要进一步加强。从800G到1.6T，光通信产业链正在经历的不只是速率升级。随着产品从量产走向下一代技术演进，竞争已经逐步延伸至光芯片、电芯片、测试设备以及NPO等新的技术环节。对于产业链企业而言，当前更现实的问题也从“有没有订单”转向了“能不能跟上下一代产品的节奏”。随着3.2T、NPO等下一代方案继续推进，产业链的下一轮排位，或许将更多取决于谁能更快完成从规模制造向技术和供应链能力的延伸。

2026-9-11 : 9月11日，燧原科技上市首日高开超188%，报410元，总市值1764亿元。该股发行价为142.18元。按开盘价计算，投资者中一签(500股)浮盈约13.39万元。 根据招股书，燧原科技是中国云端AI芯片领域的领军企业之一，致力于成为“通用人工智能基础设施领军企业”。公司自研迭代了四代架构5款云端AI芯片，构建了AI芯片、AI加速卡及模组、智算系统及集群和AI计算及编程软件平台的完整产品体系。 财务数据显示，燧原科技2023年、2024年、2025年营收分别为3亿元、7.22亿元、9.9亿元；净亏损分别为16.65亿元、15.1亿元、11.64亿元。 2026年上半年，公司实现的营业收入为11.20亿元，同比增长279.08%；归母净利润为-6.32亿元，同比下降3.57%。 燧原科技表示，公司归母净利润同比上年同期亏损有所扩大，主要系公司保持较高研发强度，同时预收客户款项预提的利息费用以及产生的税金及附加也对当期利润具有一定影响。分季度来看，税金及附加集中发生于2026年一季度，而4-6月营收规模大幅增加从而实现单季度亏损收窄。

2026-9-11 : 近日，梅卡曼德创始人、董事长兼CEO邵天兰在朋友圈中的发文引发行业关注。 邵天兰接连发声表达自己对机器人企业IPO热潮的看法。“二级市场不是“风险投资”市场，不应该一级化，上市公司也要承担起更广泛投资者的更大责任。”邵天兰认为，除了极少数特殊方向之外，绝大部分（上市）企业最起码应该证明PMF（产品-市场匹配），具备真实、可持续且有一定规模的业务，以及足够的治理水平之后，才应该上市。 他表示，当前行业盛行“攒局型”具身智能创业，靠各种关联交易，如数采中心、租赁公司做虚假、不可持续的收入，没有PMF，只有各种发布“大新闻”炒作，通过国资绑架地方政府支持，成立两三年就要上市。这是对创新创业生态的巨大破坏，对资本市场健康发展的巨大破坏，对国资和健康政商关系的破坏。 在9月10日发布的另外一条相关内容朋友圈评论区中，邵天兰直接点出一家机器人企业的名字“银河通用”，但并未说明具体情况。 当天，银河通用在公众号上发布《具身智能是一场长跑，我们只与时间赛跑》，并称“我们不参与无谓的口水战，不被短期噪音干扰。我们要做的，是把产品做好、把场景做实、把技术做深，继续专注做好自己的事。”另据介绍，银河通用产品已落地多个行业，在工业、零售、药房等领域实现规模化落地，并完成长达2年的常态化运营验证。 第一财经记者分别联系梅卡曼德、银河通用方面，截至发稿，双方暂无更多回应。 公开资料显示，梅卡曼德是一家智能机器人组件供应商，提供智能机器人引导产品、智能检测与测量产品以及新一代基石组件。该公司成立于2016年，并于9月1日登陆港交所，上市之后经历了几天的震荡下跌行情，目前其市值超百亿港元。 据其招股书，2023-2025年，梅卡曼德实现营收分别为1.81亿元、2.69亿元和3.89亿元，同期毛利率分别为39.1%、51.1%和64.6%。该公司近几年仍处于亏损状态，2023-2025年分别亏损4.01亿元、2.83亿元、3.60亿元。 企查查显示，银河通用成立于2023年，目前完成多轮融资，估值超200亿元，投资方既有地方资本、产业资本还有VC机构等。 而从邵天兰的发声内容来看，其指向也是具身智能企业一直面临的商业化瓶颈。 但行业一级市场频现融资，多家企业选择排队港股上市。Choice数据显示，在港股IPO队伍中，今年上半年涉及机器人业务的企业共有10家实现上市，刊登申请排队等待的共有16家。而据公开报道，还有多家企业以保密形式向港交所递交申请。 此前，多位受访行业人士向记者提到，目前具身智能行业仍处发展初期，不少企业都在尝试部署落地场景，行业内少有实现盈利的企业。还有投资人士表示，具身智能企业估值体系更多靠“市梦率信仰”并非商业基本面支撑。 随着宇树以及其他企业上市，这一情形或有变化。有受访对象提到，虽然可能还会有想象空间溢价，但二级市场会基于业务等数据进行估值。如果企业在二级市场的表现长期发生调整，同样也会传导至一级市场。

2026-9-10 : “如果我们在人工智能技术上投入1度电，这个世界可能在别的地方可以少用10度电。”9月10日，阿里云创始人、之江实验室主任王坚在外滩大会进行了一场特殊的户外演讲，他表示未来人工智能发展的关注焦点应该放大到城市这一级的尺度上，一个关键命题是人工智能能否帮助城市以今天10%的资源消耗支撑发展？ 他提到人类的自然资源消耗挑战，从1950年到今天，科技发展最快的时期，同样也是碳排放量快速攀升的时期，这让他作为科技工作者感到内疚。他提出，科技创造出来的人类使用自然资源的能力，事实上也给人类带来巨大的盲目性，这个问题比人们想象中要严重得多。 “我们能不能只用今天人均消耗掉的10%的资源，就能够让我们活得很好？”王坚提出这个问题，并认为人工智能可能是解决问题的关键。他表示，数据是数字时代的自然资源，有了数据才有机会把消耗降低下来，而谁最有机会来用好数据，就是人工智能。 “这10%的命题不是留给上一代人的，是留给年青人的。”王坚强调，要用“年青人”的方式思考人工智能，他特意选用了“青春”的“青”，而不是标准的“年轻人”的“轻”，来体现这个群体的关键性。 王坚总结了年青人的热爱、韧性、创新等特质对推动人工智能解决城市资源消耗问题的重要性，“如果大家都是找机会，这个世界的机会就没有了，只有年青人把他的热爱都带来，这个世界才有发展的机会。” 他强调有韧性才叫年青人，当所有的风险、可能性都被认真计算过，那就不是年青人了，用年青人的方式来思考人工智能意味着创新、突破想象的应用。 他举例用电来驱动汽车是常事，但用电驱动的火箭也可以被探索，可以用电来驱动的东西事实上是远超想象的。“大家看到的东西是我们最大的盲区。这个世界可以被看到的东西，一定是远远大过我们今天看到的东西的，这就是为什么要用年青人的方式来重新思考人工智能。” 此外，对于人工智能本身消耗电力的问题，王坚表示乐观。他认为，目前电力的消耗是在人工智能发展的早期，人工智能也可能经历从早期灯泡到LED节能灯式的转变，其次，人工智能自身的效率未来也会提高，未来人工智能可能只要用10%的Token就可以完成同一任务。 “大家不要跟人工智能去较劲。”在现场互动中，王坚希望人们不要担心被AI替代，人工智能既不会、也不能、也不应该取代人。 人工智能应该被理解为“机器智能”，而不是“人工制造的人类智能”。王坚表示，回看人类发展，望远镜的出现比眼睛看得更远，也曾挑战人，但它最终被人类运用，“凡是有新东西发明，其实都是让人类重新发现自己的边界。”

2026-9-10 : 编者按： 长期以来，在科技生态中，科技服务业往往被视作低调的“后勤配角”。然而，当AI for Science为核心的技术力量从实验室触达产业界，科技服务业也正迎来底层逻辑的重塑时刻。 科技服务业的价值，也由此需要重新衡量。它既产生自身的营业收入，也影响其他产业获得技术、验证技术和使用技术的成本。后者更难统计，却可能产生更广泛的经济影响。 而上海，正加快推动科技服务业发展，其深层价值在于提升整个创新体系的运行效率。近期，第一财经开展上海科技服务业调研，总结地方探索宝贵经验。 在上海浦东张江，一处高通量自主实验室凌晨两点依然灯火通明，但操作台前没有通宵跑数据的科研人员。机器正按照算法规划的路径精确称量、移液，物流机器人则在不同功能的实验区穿梭。 这一幕并非电影中的虚构场景，而是上海科技服务业企业一线真实发生的场景。 晶泰科技实验室 长期以来，科技服务业被打上一些“刻板印象”：它是代办高新资质的咨询中介是承接基础外包的CRO（合同研发组织），或是撮合技术交易的中间商。然而，作为科技生态的“底座系统”，科技服务业摊薄了全社会的创新固定成本。这种隐形的成本分摊机制，正是激发新质生产力爆发的关键动力。 尤其是当AI for Science（人工智能赋能科学研究，简称AI4S）向各行各业渗透，这个关键却长年隐于幕后的行业，正经历着一场颠覆性的质变。 一组数据说明了这个“底层系统”的重要性，2026年1-7月，上海市研究开发、检验检测、技术转移、创业孵化、知识产权、技术推广等专业服务类规上企业营收达到2282.18亿元，同比增长15.4%。 两位数增长的背后，这个曾经“低调”的行业，如何站到台前C位？ AI把科学发现变为生产力 早在去年上海就出台了《关于进一步深化改革创新加快科技服务业高质量发展的若干意见》，8月最新公布的《上海市科技研发与创新服务业高质量发展行动方案》提出到2028年，全市规模以上科技服务业企业数量超过3000家，科技服务业营收规模达到7500亿元，涌现出一批细分领域领军企业和平台企业。 其中第一项任务中，就提出构建高端化、体系化研发服务供给。推进人工智能赋能科学研究（AI4S），加快基础设施大模型、工程科学大模型建设，推动人工智能在重点领域的应用示范，培育研发服务新模式新业态。 AI4S的意义，在于改变研究者探索未知的方式。其价值不仅是让一次计算更快，更是让有限的研发资金、设备和人员投入更有信息价值的实验。上海拥有集聚的临床医院、高校院所与跨国药企总部。这为科技服务业提供了充足的落地场景。AI4S在这里落地，能以最快速度完成从算法、实验到临床的完整验证。 “过去三十年，生物医药与材料科学的研发逻辑本质上是‘爱迪生式试错’——拿几十万个化合物去撞运气，烧掉十亿美元，赌一个分子的活性。”一位长期跟踪硬科技赛道的投资人坦言，“AI4S的出现，直接终结了这种粗放的研发逻辑。” 上海的一批算法驱动型的科技服务企业正在打破这种沉没成本的诅咒。 在张江扎根的英矽智能(03696.HK)，让AI制药的讨论进一步接近临床结果。 2026年7月，该公司宣布启动治疗特发性肺纤维化的候选药物rentosertib的Ⅲ期临床试验，计划纳入约320名患者，治疗观察期为52周。而该项目的靶点识别和分子设计均使用了其AI平台。 依靠端到端生成式AI平台，英矽智能将一款特发性肺纤维化候选药物从靶点确认推至提名临床前候选化合物，仅耗时18个月，花费仅约几百万美元——这在过去动辄耗费四年以上、耗资数千万的传统新药研发周期中几乎不可想象。算法不仅在“找药”，更在把新药发现的边际成本按数量级向下压缩。 “传统研发之所以慢和难，是因为它高度依赖个别化学家和生物学家的个人经验，容易受限于人类线性思维的局限，采用‘串行试错’的模式，往往在优化活性的同时忽略了毒性或代谢问题，导致后续实验数据不理想再倒回去从头再来。而AI是基于海量数据与文献，集成了整个科研界最顶尖的脑力与智慧。它也可以打破人类的思维定式，具备强大的非线性思维能力，不仅能在设计之初就对20多个参数进行‘多目标同时优化’，还能突破传统化学库的束缚，生成令人眼前一亮的创新化学结构。”英矽智能首席科学官兼联席CEO任峰告诉第一财经记者。 他补充，更有意义的是，传统筛选依赖现有的物理化合物库和化学家既有经验，面对缺乏标准结合口袋的靶点往往无能为力，而AI凭借非线性思维可以直接从头生成全新的化学骨架，从而有望攻克“难成药靶点”。从本质上来说，AI带来的效率提升是用“高维算力与数据驱动”取代了“经验和试错”。“我们并非省去了必要的验证流程，而是在原有的基础上，增加了AI的能力，从源头上提高了分子优化的成功率与创新度。” 但仅有云端算力远远不够。算法生成的分子结构如果不经实验验证，终究只是数字代码。 这正是晶泰科技(02228.HK)在上海押注的护城河。走进晶泰科技AI自主实验室，算法与物理世界形成了高度闭环：在其自研的XtalPi Science科学智能平台中，AI负责科学推理与实验规划，机器人执行实验，实验数据再回流至模型，支持后续决策与迭代优化。原本依赖人工操作的实验环节，也因此变得更加标准化，实验过程与结果可以被完整记录和追溯。 “以前培养一个熟练实验员需要数年，人会疲劳，操作会有微小公差；AI和具身智能技术让实验通量提升了数倍。”一位晶泰科技的工作人员表示。 这种“干湿闭环”的科技服务模式，使得初创研发团队不必再自建数亿元的重资产实验室，只需调用接口，就能享受到顶尖的研发基建能力。 “AI4S是贯穿数字世界与物理世界的科研新范式。”晶泰科技联合创始人、首席执行官马健接受第一财经采访时说，AI4S正在推动更多前沿技术和基础研究成果，从实验室走向产业应用，价值在于通过计算、实验验证与持续迭代，解决药物研发等科学领域的具体问题。 特别是传统科技服务业往往依赖专家经验和人力规模。AI、机器人等进入该行业后，最先被改变的是物理世界的实验验证执行与数据生产环节。 “以晶泰科技Agentic HTE（智能自主高通量实验）为例，化学研发中单次‘设计—合成—测试—分析’迭代周期由传统3到4周压缩至1周内。数据生产方式同步重塑，人的角色随之上移：科学家从重复操作中解放，专注假设提出、创造性设计与关键决策。”马健介绍，晶泰科技在上海建有超20,000平方米实验室，团队人员超700人，其中AI、自动化实验室、具身智能等开发人员200余人，机械、电气工程师100余人。 晶泰科技的最新业绩呈现了这些部署的张力，2026年上半年，晶泰AI4S智慧解决方案收入1.935亿元、同比增长136.4%，占总收入比重由上年同期约16%升至49%；剔除上年管线授权高基数影响后，总收入同比增长73.8%。跨行业复用方面，能力已延伸至钙钛矿光伏、锂电池、分子筛等材料场景，并经XtalPi Science平台向生态伙伴开放底座能力。 不可忽视的隐形乘数效应 评价AI4S的经济效果，需要追踪整个项目周期。比如早期筛选的成本、后期验证的投入、失败项目消耗的资源，都应进入同一本账。单个环节提速，不能直接等同于整体研发回报提高。 这正是科技服务业的基础作用所在。它为研发提供可调用的实验、检测和工程能力，帮助创新企业完成自身难以独立承担的验证工作。服务体系越成熟，前端成果越有机会顺利进入下一阶段。 和AI药物发现企业的业务定位不同，处于工程转化端的上海本土企业——和元生物的打法说明，算法进入研发之后，仍需依托工艺和质量体系完成转化。 基因与细胞治疗的商业化痛点在于工艺极其复杂，生产批次稳定性极难把控。作为本土CXO代表企业，和元生物（688238.SH)提供研发外包及合同研发生产服务，工作涉及工艺开发、质量分析和规模化生产。这些环节关系到研发方案能否形成稳定、可交付的产品。 和元生物总经理潘俊屹近日在第一财经的节目中表示，和元生物选择以AI全面提升运营效率，增强竞争实力——公司已开发了许多个智能体，覆盖从业务到职能的各个部门，从文件翻译、报告撰写到技术研发、工艺开发全流程。潘俊屹指出，“AI在我们公司的运用非常多，涉及方方面面。” 不只是科学发现和工程转化，科技服务业衡量的，是整个创新体系的收益。 通常来说，科技服务业包含“两本帐”，一本是服务企业的收入、利润和现金流。另一本是客户减少的研发支出、缩短的验证周期，以及新增的产业化成果。两本账并不总是同步。政策评价因此需要穿透营收规模。公共平台是否提高了有效使用率，专业服务是否缩短了交付周期，中小企业是否获得了原本难以负担的能力，都应成为衡量依据。 “科技服务业的成效，因此不能只看自身营收。还应观察客户是否减少了研发支出，成果是否缩短了验证周期，企业是否提高了产业化成功率。服务企业的经营质量，决定能力能否持续供给。客户的创新产出，决定这些能力是否创造了增量价值。”一位长期跟踪科技创新生态的业内专家告诉记者。

2026-9-10 : ①DeepSeek V4.1 Flash模型正式发布； ②宇树科技开源UnifoLM-WLA-1.0具身基座模型； ③华胜天成：与月之暗面启动“Kimi登月计划” 将联合成立AI创新团队； ④蚂蚁集团入股具身智能公司戴盟机器人； ⑤创维数字与Google达成智能家居合作； ⑥iPhone 18 Pro将搭载A20 Pro芯片。

2026-9-10 : 新一代通信网建设具体时间表和施工图划定的同时，同为“六张网”之一的算力网加快建设也有了更具体的指标和部署。 全国一体化算力网建设已纳入“十五五”规划109项重大工程项目。“十五五”规划纲要提出，深入推进东数西算工程，构建多层次算力设施体系和全国一体化算力网。 工信部近日印发的《信息通信行业发展“十五五”规划》（下称“信息通信‘十五五’规划”）提出，加快全国一体化算力网建设，构建“枢纽-区域-边缘”多层次算力设施体系，有序部署万卡、十万卡及以上智算集群。 “有关机构测算，‘十五五’时期算力网建设将新增直接投资4万亿元。”在今年7月底国家发改委新闻发布会上，国家发改委政策研究室主任、委新闻发言人蒋毅称，考虑到算力建设以企业投资为主，这将为民间投资创造巨大空间。 智算规模数倍增长 “十五五”期间，信息通信行业发展指标包括信息通信行业收入在2030年达到4.1万亿元，信息基础设施累计投资3.8万亿元，先进存力规模1700EB（艾字节）。在13个主要指标中，“智能算力规模”的变化备受关注。 信息通信“十五五”规划显示，2025年智能算力规模为1590EFLOPS（每秒百亿亿次浮点运算）；到2030年，要达到9800EFLOPS。以此计算，2030年目标智能算力规模增长将超过5倍，约为2025年的6.2倍。这意味着，2026～2030年的五年间，智能算力规模年均增速要达到45%左右。 人工智能（AI）大模型和智能体应用的爆发式增长使得智能算力需求不断提升。“全球算力产业正式进入智算主导的扩张新周期，供需格局加速重塑。”中国信通院云计算与数字化研究所9月发布的《算力中心服务商分析报告（2026年）》（下称“分析报告”）称，当前算力产业正处于新旧动能转换的关键节点。 关于智能算力规模五年实现数倍提升，国研新经济研究院创始院长朱克力表示，这不是简单的机房数量扩张，背后是人工智能产业爆发带来的刚性需求。大模型训练、具身智能、工业AI、智能终端推理，都需要海量智能算力底座作支撑。 根据国家数据局数据，2021年到2025年，智能算力总规模从159EFLOPS增长到1590EFLOPS。从历年数据看，2025年出现爆发式增长，从493EFLOPS跃升到1590EFLOPS，增幅超过2倍。 “截至今年6月底，我国智能算力规模达2185EFLOPS（FP16），同比增长177%。”在今年7月国新办新闻发布会上，工信部新闻发言人、信息通信管理局局长谢存介绍称，其中东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。全国算力设施整体上架率达71.4%。 前述分析报告援引Grand View Research的数据称，2025年全球算力中心市场规模达3838.2亿美元，这一增长主要由超大规模云厂商的扩展需求及人工智能算力需求共同推动，与之匹配的年度资本开支与债务融资规模均已攀升至历史高位。 “AI商业化进程全面提速，算力需求结构深度演进。”分析报告称，全球大模型厂商普遍将战略重心从前沿技术探索转向落地迭代与商业变现。 新一代超算、通算、智算设施体系建设 随着算力需求爆发式增长、算力产业进入智算主导的深度变革期，一体化算力网建设也在不断加速推进。 作为“最新的一张网”，算力网今年4月首次被纳入国家“六张网”战略性基础设施阵列，与水网、新型电网、新一代通信网等列入同等重要的位置。 国家信息中心经济预测部政策仿真实验室主任、研究员肖宏伟撰文称，算力网将推动算力资源网络化、集约化配置。“这不仅能有效满足人工智能大模型训练、影视渲染、自动驾驶、智慧金融等多元场景的算力需求，更能带动人工智能、大数据、工业互联网等整个产业链升级。” 在肖宏伟看来，算力网还可以破解资源时空分布不均。我国算力资源时空分布并不均衡，东部需求大但建设成本高，西部资源多但需求少，不同行业、不同时段的算力潮汐现象十分明显。“东数西算”工程正是着眼于这一现实矛盾作出的战略部署。通过算力网建设，西部的算力中心可以承接东部井喷式的算力需求，实现资源跨区域优化配置。目前，我国已形成以八大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的“8+10+3”算力空间布局。 前述信通院的分析报告称，2025年八大国家枢纽（含十大集群）已建成智算规模1388EFLOPS，占全国总规模比重为87.3%，成为全国算力供给主力。资本加速向核心节点集聚，国内算力中心投资呈现明显的体量差异。据公开信息收集统计，河北等省份总投资额突破500亿元；甘肃、内蒙古、青海等西部算力枢纽省份，总投资额达到200亿元及以上；长三角核心省份及部分西北省份，投资额处于100亿至200亿元区间，主要满足本地产业数字化发展需求。 展望“十五五”，前述分析报告建议关注几个关键变量：一是人工智能技术迭代速度与应用渗透深度，大模型能力边界的拓展、AI Agent的规模化落地以及多模态应用的普及程度，将直接决定算力需求的增长斜率；二是国产算力芯片的产能扩张与技术迭代进程，其能否实现对现有供应链的有效替代，将是决定产业自主发展空间与成本竞争力的根本因素。 “面向场景按需部署推理算力设施，加大力度适配国产算力芯片。”信息通信“十五五”规划提出，加强算力关键共性技术研发与应用；鼓励算存协同创新应用；推进中国算力平台全面贯通，深入开展普惠算力赋能中小企业发展专项行动，发展算力经济等。 “十五五”规划纲要提出，建设新一代超算、通算、智算设施体系，积极发展公有云服务。建设算力监测调度平台，制定完善算力资源池化、并网、监测、运营、调度等标准规范。

2026-9-10 : （本文作者为瑞银财富管理全球首席投资总监Mark Haefele） 沃伦?巴菲特曾说：“投资很简单，但并不容易。”投资者越早读懂这句话背后的逻辑，并落实到实际操作中，就越能在投资之路上行稳致远。想要在当下复杂多变的环境里做好资产配置，核心办法就是深挖底层数据。无论是关税政策、人工智能、中东局势还是大盘走势，立足数据、不被短期消息扰动，都有助于投资者作出更理性的判断。 我们重点关注三大核心变量：AI投资周期能否持续、企业盈利增长的覆盖面与韧性，以及通胀和货币政策的演变路径。 AI资本开支与商业化落地 今年剩余时间，AI 投资周期能否维持强势，是市场关注的焦点。当前主要风险在于，资本投入的节奏已经超前于未来可兑现的收益。一旦资本开支增速放缓、AI基础设施需求走弱，或是商业化落地不及预期，市场就会质疑本轮AI周期的持续性，进而压制科技股乃至整体市场情绪。我们的基准判断是，AI相关投资仍将保持旺盛。尽管资本开支的增速可能回落，但大型科技企业会持续加码数据中心、基础设施与AI应用，整体投入规模仍会继续扩张。 企业盈利增长的持续性 近几个月，企业盈利的亮眼表现以及市场对盈利持续改善的预期，是推动股市上行的重要动力。 我们判断，广泛且扎实的盈利增长仍会支撑股市表现。展望后市，基准情景下企业盈利增长仍具备韧性，但增速会从当前高位回落。关键在于，各行业盈利有望普遍改善，股市下一阶段上涨，主要依靠盈利驱动，而非估值抬升。按照我们的测算，标普500指数有望在2026年12月突破8100点新高。 地缘局势、通胀与美联储政策 市场持续关注美伊紧张态势，而俄乌冲突的演变也提醒我们，全球局势随时可能生变。现阶段最核心的问题，是能源市场潜在冲击、通胀走向以及货币政策预期三者之间如何相互作用。我们的基准情景是，全球能源供应受到的冲击有限。油价虽高于冲突前水平，但还不至于对全球经济增长形成严重拖累。通胀数据显示物价上涨势头正在放缓，美国7月CPI数据显示，整体通胀与核心通胀同比回落，环比涨幅也相对温和。整体来看，最新数据印证通胀正逐步回落，但不同分项回落节奏存在差异，回落速度低于市场此前的预期。 形势变化瞬息万变，投资者不宜只押注单一情景，应当多维度评估不同可能性，全面权衡市场多空因素。 市场向好是我们的基准判断，但AI产业、企业盈利、通胀走势的变化，都可能带来不一样的市场结果。投资者在研判行情、把握机会的同时，切忌固化单一预期。我们认为，可以通过几项策略提升投资组合在不同市场环境下的抗风险能力：高效管理现金头寸、把握市场上行机会、夯实核心资产配置。 在通胀尚存、同时不乏投资机会的环境下，管好现金资产尤为重要。投资者首先要优化现金资产收益，在获取可观利息回报的同时，充分评估交易对手风险。在此基础上制订方案，分批将闲置资金投入市场。 把握市场上行机会 在基准和乐观情景下，全球股市大概率继续走高。投资者应当做好分散配置、管控风险，抓住上行窗口。第一，降低个股与科技板块的集中持仓。我们依旧看好创新变革赛道，但想要分享长期成长红利，需要搭建目标清晰、分散化的股票组合，不要过度暴露于个股风险。当前技术迭代速度加快，个股表现分化明显，持仓过于集中会显著放大组合波动。第二，拓宽周期板块布局。盈利增长和市场领涨方向不再局限少数行业，多个行业与区域市场都存在机会。如果经济增长保持韧性、企业盈利持续修复，工业、金融、可选消费以及部分海外市场有望迎来机会。 投资组合需要具备抵御下行风险的能力。投资者可以依靠分散配置，结合持有到期策略、增配优质固收资产、布局另类资产与大宗商品等方式加固底仓，应对各类市场情景。 说到底，投资的底层逻辑并不复杂。市场噪音不会消失，各类突发事件也会持续出现。对投资者而言，最重要的是保持定力。我们对市场前景保持积极，但构建一套能够适应多种市场环境、表现稳健的投资组合，和捕捉上涨机会同等重要。 第一财经一财号独家首发，本文仅代表作者观点，不构成投资建议。

2026-9-10 : “鲸鱼回来了。”9月10日，经过两天内测，DeepSeek正式发布V4.1 Flash模型。 对普通用户而言，最直观的变化是生成速度更快了；对开发者而言，则是调用成本进一步下降。凭借性能提升与价格下探，DeepSeek巩固了其在高性价比模型市场中的位置。 相比内测的信息，这一次DeepSeek放出了更多基准测试和细节介绍，首次披露了V4.1 Flash采用的非对称模型结构，可以用小成本输出“大智能”。 DeepSeek还在公告中提到了与腾讯的合作，腾讯旗下的WorkBuddy、CodeBuddy和OpenCode一起成为V4.1 Flash的官方合作伙伴，并已全量接入新模型。值得注意的是，在DeepSeek首轮融资中，腾讯出资约100亿元，是最大的外部投资方。 Tencent AI今天在社交平台表示，DeepSeek V4.1 Flash已经入驻WorkBuddy和CodeBuddy，“在中国独家联合推出”，并提供为期两周的优惠。Tencent AI评价称，V4.1 Flash是一个非常扎实的模型，在文本和Agent（智能体）能力上均有明显提升，“我们也有自己的模型，但开源胜过私有，这一点一直都是。” V4.1 Flash是DeepSeek全新模型结构系列中尺寸最小的一款，具备原生多模态视觉理解能力。按照官方说法，这一系列架构的设计目标是：提高能力上限和推理速度，扩大吞吐量，同时支持向更大参数规模扩展。 从参数规模看，V4.1 Flash总参数量为552B，但并非所有参数都会在每次推理中被调用。模型采用全新的Causal-Encoder-Decoder结构，输入与输出两端并不对称：输入阶段仅激活8B参数，输出阶段激活16B参数。这种设计的核心思路，是让不同计算环节使用不同规模的资源，而不是从头到尾维持同样的计算强度，从而降低推理成本。 除了架构变化，V4.1 Flash还采用了新的预训练方式，并经过更大规模的强化学习后训练。 DeepSeek公布的测试结果显示，其在DeepSWE v1.1、CyberGym和Automation-Bench等软件工程、网络安全及自动化任务基准中取得了图表中的最高分，整体智能水平也超过了DeepSeek V4 Pro。 不过，在GPQA Diamond等强调研究生级、跨学科科学推理能力的测试中，V4.1 Flash与GPT-5.6 Sol、Claude Opus 5等顶级闭源模型仍存在差距。 此次架构升级还显著压缩了KV Cache。与上一代模型相比，V4.1 Flash对HBM（高带宽内存）的需求降至原来的四分之一，对SSD（固态硬盘）的需求降至八分之一。KV Cache用于保存模型推理过程中已经计算过的信息，避免重复计算。因此，对KV Cache的压缩会直接影响智能体等应用的部署成本。 由于以上创新，V4.1 Flash能以更低的成本服务用户，DeepSeek在昨天公开下调了定价。9月10日12:00起，Flash系列模型的最新定价为：空闲时段输入缓存命中单价0.02元、输入缓存未命中单价1元，输出单价4元；高峰时段价格为空闲时段价格的2倍。相比之前，缓存命中输入的价格降幅达到60%， 随着新模型转正，DeepSeek准备让V4 Pro退出历史舞台。官方表示，V4.1 Flash在性能、费用、速度和任务总用时等指标上均已超过V4 Pro，9月14日12:00之后，至未来 V4.1 Pro上线之前，用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash单价计费。 同一天，DeepSeek旗下智能体产品DeepSeek Harness也更新至v0.1.5版本。官方发文表示，新版本与V4.1 Flash的训练进行了深度结合，模型针对DeepSeek Harness的不同配置接受了专项训练和优化。 DeepSeek Harness此前提出“一切皆插件”的设计理念，将模型、工具、技能、会话、存储和UI等Agent能力拆分为可自由替换、组合的插件。按照官方规划，后续版本还将加入内置插件管理面板，方便开发者和用户统一管理插件、配置及UI入口，并进一步开放插件扩展能力。 DeepSeek Harness看起来非常缺人，在发布新版本的同时，团队又放出了招聘信息。具体招聘岗位包括深度学习研究员、研发工程师、开发者关系、产品经理、产品设计师、项目经理和产品运营。 就在两天前，DeepSeek Harness团队负责人崔添翼才公开发帖招过人，一次性放出了约150个名额给工程师岗位，以支撑“很多新方向、新系统和新需求”。 近期，DeepSeek的资本动向也持续受到关注。今年6月首轮融资完成交割后，市场消息称，DeepSeek启动了第二轮融资，计划募资500亿元，投前估值约5000亿元。9月9日，又有报道称DeepSeek已与中信证券接触，考虑筹备在科创板上市。此前也有消息称，公司最早可能在2026年底提交上市申请，并以2027年上市为目标。 截至目前，DeepSeek并未对上述融资和IPO消息作出公开回应。

2026-9-10 : 生成式人工智能（AI）的爆发式演进，究竟会将美国经济带向高生产率繁荣，还是导致结构性失业与分配失衡？ 当地时间9月9日，Anthropic经济研究团队发布技术报告《变革性AI的经济情境》（Economic Scenarios for Transformative AI），以美国经济为基准，研究认为AI将全面重塑宏观经济形态，但在技术演进快于预期的极端场景下，暴增的经济总量将伴随着要素分配向资本倾斜以及知识工作者薪资与就业的剧烈阵痛。 “在我们的实质与极端情境中，知识工作者可能会面临大量的自动化与岗位替代。在个人层面，这意味着程序员和呼叫中心客服人员可能不得不转投电工、护士等受AI冲击较小的职业。”报告写道。 从“互联网式温和增长”到GDP“每4.5年翻倍” Anthropic模型以美国经济为基准，根据AI技术拓展速度、自主化程度及采纳率，构建了截至2030年的三种典型经济演进路线： 在温和情境下，AI对经济的推动作用类似于互联网时代，经济效益在历史常规范围内渐进释放。预计到2030年，美国GDP规模将从当前的30万亿美元增长到34.1万亿美元，较无AI基准仅微增1.6%。劳动力流动与失业率保持在常规周期范围内。 在实质情境下，也就是AI在2030年前具备独立完成半数知识工作任务的能力。在该情境下，经济增长率翻倍，2030年美国GDP将升至36.3万亿美元，较无AI基准高出8.3%。知识工作者薪资增长趋于停滞，但生产率溢出效应提振了非知识类岗位的收入。 在极端情境下，AI系统的“递归自我改进”与快速普及，推动AI在绝大多数知识工作上的生产率全面超越人类，且几乎不再创造新的知识型岗位。在此情境下，经济增长率将达到创纪录的15%，意味着经济总量每4.5年翻一番。到2030年，美国GDP将飙升至44.4万亿美元，较无AI基准大幅增长32.4%。然而，知识工作者将面临历史性的失业潮与薪资缩水。 要素分配向资本倾斜 研究基于美国劳工部O*NET职业数据库，将所有岗位微观拆解为“任务束”（Bundled Tasks）。AI对经济的作用体现在对任务的增强、自动化及新任务创造。以护士为例，AI无法替代物理护理，但可自动化病历记录，并增强排班效率，从而提升岗位产出。 当微观任务变化在全社会叠加时，将彻底重塑劳动与资本之间的分配格局。 报告指出，当前美国国民收入中约60%归属于劳动薪资，40%归属于资本所有者。随着AI自动化拓展，资本要素的边际贡献显著上升，推高了资本回报率。 模型预测，在温和情境下，资本份额微升至40.6%，劳动份额为59.4%；在实质情境下，资本份额上升至43.9%，劳动份额下降至56.1%。 在极端情境下，分配格局彻底逆转——资本份额跃升14.8个百分点至54.8%，劳动份额剧降至45.2%。由于资本拿走了大部分新增收益，劳动者整体分得的薪资总额几乎原地踏步，财富分配呈现极度不均。报告强调：“在此情境下，核心挑战不在于实现经济增长，而在于确保经济红利得到广泛共享，且社会成本不会出现不平等的扩散。” 撕裂的就业市场 报告称，鉴于AI自动化主要集中于知识密集型领域和要素分配的迁移，在实质与极端情境下，被替换的知识工作者必须向物理服务岗位转移，如转行成为电工、护士或建筑工人。然而，跨行业转换伴随着技能门槛与再培训成本，极易引发长期结构性失业。 在极端情境下，知识劳动者占总劳动力比重将从当前的62.2%骤降至48.7%，这意味着有13.5%的知识工作者面临再就业挑战。模型预测，5.2%能成功完成跨界转型，并推动非知识工作者占比到2030年升至43%。与此同时，剩余8.3%的白领处于尚待转移状态，成为结构性失业的主要承受群体。 未定的未来 Anthropic对超1万名美国民众进行的调查显示，民众预期中位数接近实质情境，即预测到2030年AI推动GDP额外增长约10%，失业率升至5%左右，约有10%的受访者持极端演进预期。这表明美国公众已普遍意识到AI对就业的潜在挑战。 报告称，2030年的经济图景将仍取决于诸多因素，包括AI的能力边界，企业和劳动者如何选择应用这项技术。此外，在智能化时代拐点，如何平衡技术创新与公平分配，亦将成为核心宏观挑战。 同时，Anthropic团队也坦承上述模型的局限性，即未涵盖具身机器人对物理劳动的自动化、忽略了宏观经济周期与政策响应，且尚未核算数据中心建设的总需求拉动效应与跟踪个体劳动者的纵向轨迹等。

2026-9-10 : “金融机构不用AI肯定要被淘汰。”9月9日，在2026 Inclusion·外滩大会“AI原生时代·信用经济的应用探索”论坛上，清华大学五道口金融学院金融发展与监管科技研究中心主任张健华表示。本场论坛由钱塘征信与蚂蚁消金联合主办，围绕个人信用管理、消费场景风控和智能客户经理等落地应用，讨论AI如何融入实际业务。与会者形成的共识是：尽管AI已经走进金融生产流程，但尚未走到替代人的决策；让AI从“能干活”，到“会判断”，再到“有限自主”，每一步都需要设置可信关卡，避免失控。张健华也提到，技术发展与业务创新通常快于监管制度形成，模型幻觉、算法黑箱以及AI可能放大既有风险等问题，都需要纳入治理视野。在这一前提下，AI正从信用管理和场景风控切入金融业务。钱塘征信总经理李臻介绍，公司正从金融数据服务商转向社会信用基础设施运营商，以公共数据授权运营和可信数据空间建设为切入点。在消费金融领域，蚂蚁消金副总经理兼首席风险官林嘉南表示，AI被用于识别真实需求、优化差异化授信和提升风险研判，其场景风控覆盖日常消费、大件消费、旅游、兴趣、进修等230多个关键场景；2026年场景化精准提额同比增长30%，相关用户不良率比整体低20%。花呗“小红花”已支持提交1000多种材料申请提额，未来将引入对话式交互，由AI自动提取、校验并实时决策。但单点提效还不够，阿里云智能集团新金融行业解决方案副总经理宁江彬提出，在AI智能体参与信贷业务的趋势下，信贷智能化需要分阶段推进：L1是感知执行，L2是验证推理，L3是在约束下自主智能。推动AI迈向可验证、可审计、可回滚的自主决策。浦发银行总行首席人工智能科学家郑波认为，判断AI应用是否进入了生产，要看它是否进入核心业务流程、是否承担原先由人完成的关键任务，以及是否改善了客户体验、经营效率和风险管理。郑波判断，未来三年，银行AI的分水岭在于生产能力、价值运营能力与组织进化能力，领先银行未必拥有最多智能体，但一定拥有更快的组织学习速度：一个客户经理的优秀经验，可迅速转化为全行客户经理的能力。效率之外，边界更关键。钱塘征信首席技术官朱乐表示，随着智能提升，AI会拥有越来越多“探索权”“建议权”和有边界的“执行权”，但最终决策权目前还不能交给AI。郑波也表示，银行业务中授信审批、资金交易等高风险事项，AI可提供分析与建议，关键决策仍应由人负责。

2026-9-10 : OpenAI发布的新一代模型GPT-6 Astra带来的影响已经蔓延至具身智能领域。 社交平台上，有不少网友发布测试Astra运用于控制机械臂的视频，甚至出现了“具身智能要被通用语言大模型降维打击”的声音。 9月10日，2026外滩大会“物理智能”论坛对这一话题进行了探讨。自变量机器人创始人兼首席执行官王潜表示，“降维打击”声音背后真正的担忧是，基础模型是否有可能通过其他领域的通用智能泛化到具身智能。他的观点是，目前这种可能性不大。 他讲述称，GPT本身已升级为多模态模型，之前OpenAI有大量地采购机器人数据，Astra版本的训练中有加入机器人数据。基于此，Astra能够控制机械臂并不意外。 王潜表示，智能的本体是存在于数据、评估之中。“在训练的时候，模型更多时候是一个蒸馏器，而在部署阶段则是一个容器。”他认为，今天要去打造前沿的AI系统，模型本身发挥的作用已经变小了。语言模型的提升，一部分在于模型规模扩大，但更多还是因为数据质量的提高。投入在数据生产、筛选、验证、标注等环节中的工作，最终推动AI系统的发展。 他还以语言模型的发展进程为例进一步说明。“我们能看到，由于代码数据最容易生成以及验证，代码能力最先被攻克，而后再是3D和视频生成。”王潜表示，OpenAI要做具身智能的话，一系列问题将随之而来，比如他们是否要像具身智能企业一样去依赖数据以及验证的基础设施、是否要研发硬件等等。而这些事情的难度，并不会因为基础模型的优势而降低，反而具身智能公司可能拥有实质性优势。 他还提到，即便是在目前视频生成模型已经做得很好的情况下，这一能力也没有直接转化为机器人动作控制方面的优势。 王潜称，GPT-6操控机器人的表现反而给具身智能行业一些启示，比如通用数据预训练确实是有效的。他判断，最后有可能发生的情况是，OpenAI将数据融入至通用大模型，但还是没有办法在机器人上以一个合理的速度进行推理、部署。行业内，仍然需要单纯的具身大模型来完成。

2026-9-10 : “AI有望在未来十年使生产率增速每年额外提高约1.08个百分点，潜在影响或超过IT革命。”9月10日，2026Inclusion·外滩大会开幕，诺贝尔经济学奖得主、法国经济学家菲利普·阿吉翁带来了以“创造性破坏”与人工智能革命为题的分享，他和同事的研究显示，仅考虑AI对商品和服务生产中任务的自动化，未来十年，AI就有望使生产率增速每年额外提高0.68个百分点。 “0.68个百分点只是一个下限。”他进一步表示，如果进一步考虑AI促进新想法产生的作用，生产率增速每年还可能额外提高至少约0.4个百分点，合计潜在提升约1.08个百分点。 但阿吉翁同时提到，这种技术潜力能否转化为持续增长，取决于竞争政策、教育体系和劳动力市场制度能否同步跟上。 以美国IT革命为例。1996年至2005年间，信息技术革命推动美国全要素生产率明显提升，“超级明星企业”快速成长，但随着行业集中度持续上升，新企业进入率从2000年前后开始下降，随后生产率增长明显回落。 阿吉翁表示，这代表了创造性破坏理论的核心矛盾：创新需要让成功者获得足够回报，但既有创新者在成功之后，也可能利用已经形成的优势，压缩后来者进入和创新的空间。这同样是AI时代需要关注的，当前AI价值链上游已经呈现较高集中度，需要处理好竞争问题。 在讨论不同经济体从追赶走向前沿创新的经验时，阿吉翁表示，实现生产率增长既可以依靠模仿和吸收已有技术，也可以依靠前沿创新。而随着一个经济体越来越接近技术前沿，创新环境的重要性也会进一步提高。从高科技专利占比等指标看，他认为中国目前在前沿创新方面表现良好，领先于欧洲。 此外，对于AI新经济带来的生产率提升会如何影响普通人的工作，阿吉翁认为，AI会接管一部分原本由人完成的任务，一些岗位因此减少；但另一方面，采用AI的企业生产率和竞争力提高，市场需求扩大，也可能增加用工。同时，AI促进新想法产生，也会催生新的产品、企业和工作岗位。 他认为，应对AI带来的变化需要良好的教育体系，中国就具备这样的条件，教育不仅是教授具体知识，更重要的是让人在学校里“学会如何学习”，人们比以往任何时候都更需要提升手工劳动以及软技能的价值。他同时表示，要释放AI创造就业的潜力，也需要良好的劳动力市场保障，通过失业保障、再培训和再就业支持等，帮助劳动者更顺利地进入新的工作。

2026-9-10 : AI大模型训练与推理算力的爆发式增长，正在将光通信产业拉入算力基础设施驱动的新增长赛道。 正在深圳举行的第二十七届中国国际光电博览会（CIOE 2026，下称“深圳光博会”）上，高速光互联成为最受关注的板块。来自武汉的长飞光纤（601869.SH）、华工科技（000988.SZ）、烽火通信（600498.SH）等光通信龙头企业组团亮相深圳光博会，从上游光纤基材、中游光模块器件到下游系统设备，卡位产业升级拐点，全栈展出面向AI时代的光连接技术的“光谷方案”。 与以往有所不同，本届深圳光博会上，武汉光通信企业不再局限于静态样机展示，而是通过真实业务数据流的动态演示，验证前沿技术的工程落地能力。 华工科技旗下华工正源现场动态演示了从成熟可插拔到前沿封装的全系列高速光互联产品。其中，6.4T NPO近封装光引擎是本次展出的重点，该产品采用去DSP硅光架构，搭载32通道212.5G PAM4电气接口，单模光纤传输距离可达500米，工作温度覆盖0-70℃，适配超大规模智算中心场景。 作为从可插拔向CPO演进的过渡方案，NPO大幅缩短高速电信号传输距离，降低机房改造成本。据LightCounting预测，到2030年，NPO/CPO将占据数据中心通信市场25%以上的份额，2026～2028年行业增量将以NPO为主流。华工科技曾率先发布业界首款3.2T NPO产品，目前已导入多家行业头部客户。 “随着通道数不断提升，硅光在集成度和成本方面的优势越发明显。”华工正源总经理胡长飞对第一财经记者表示，公司早在2018年就布局硅光技术研发，目前已实现全系列硅光产品开发与量产，800G及以上光模块出货量中硅光产品占比持续提升。除AI算力光互联外，华工科技还同步展出6G光模块、卫星通信光模块，布局空天地一体化网络的第二增长曲线。 烽火通信展出了从光纤链路到系统设备的全栈光连接解决方案。在长距离跨域算力互联层面，烽火通信首发空芯光纤多场景落地实践与工程化解决方案，配套自主研发的新一代800G Scale-Across设备，可支撑数百至上千公里的算力中心高速互联，搭载AI可视化运维与多域智能调度能力，实现毫秒级跨域业务联动，助力算力建设从单机房扩容迈向全域算力融合。 针对智算中心机房布线痛点，烽火通信推出Fit MPO全光连接解决方案与国内首款13824芯超大芯数光缆。该光缆外径接近乒乓球粗细，单根可替代48根常规288芯光缆，节省超90%管道资源，搭配6912芯超高密配线架，同等物理空间下连接容量达到传统方案的3倍。此外，烽火通信还推出国产化Fengine 51.2T NPO交换机，实现从芯片到系统、从硬件到软件的全栈自主可控，支持液冷、风冷组合散热模式，适配各类智算中心部署场景。 作为全球光纤光缆龙头，长飞光纤则展出了覆盖六大场景的全系列光纤解决方案，从基材层面夯实AI光互联的底层基础。其中，反谐振空芯光纤衰减低至0.04dB/km，单根连续长度超91公里，累计商用交付超万芯公里，成为跨域算力互联的核心传输介质；专为CPO/NPO光引擎开发的保偏光纤+单模光纤Prime系列成对产品，实现模场匹配升级，提升长期可靠性；此外，特种光纤传感、激光智造、全光智能车、空间领域通信四大方向的方案也同步亮相，拓展光通信技术的应用边界。 本届深圳光博会上光谷企业的集体亮相，背后是光谷光电子信息产业数十年积累的全产业链优势。作为国内最大的光通信产业集群，光谷已形成从光纤预制棒、光芯片、光器件、光模块到系统设备的完整产业链条，聚集了一批光电子信息领域院士专家、1.7万余家产业链企业，光电子信息产业规模突破6500亿元，带动湖北光电子信息产业规模达到1.13万亿元。 面对AI算力驱动的产业新周期，武汉光通信产业正从跟随者向引领者转变。企业不再单纯依靠成本优势竞争，而是转向技术引领、标准制定与全球化布局。华工科技参与XPO国际标准制定，长飞光纤主导空芯光纤行业规范，烽火通信推动国产化设备规模落地，头部企业共同构筑起“技术+产能+生态”的三重竞争壁垒。 “十五五”时期，武汉将打造光通信、集成电路（存算一体）、新型显示、智能终端等千亿级产业集群，形成光芯片及器件、三维集成、先进化合物半导体等特色产业集群；到2030年，光电子信息产业规模达到1.5万亿元。

2026-9-9 2: 9月9日，曹操出行宣布与豆包联合打造的AI打车服务在北京、杭州、苏州三城上线。据第一财经了解，用户可以在豆包App中通过文字或者语音提出打车需求，系统规划路线并提供各类车型价格供用户选择，支付也同样在豆包App中完成。曹操出行表示，豆包AI打车可实现更精准的服务适配。用户提出大空间、提前通风等不同需求时，系统可智能匹配专车、智能大白车等选项。第一财经了解到，双方合作的节奏较快，6月确定合作后在杭州和北京进行了灰度测试。对于选择北京和杭州的原因，知情人士对第一财经记者表示，上述城市是双方公司所在地，方便测试。目前，豆包仅接入了曹操出行一家网约车平台。该知情人士表示，后续会继续扩城。同时，曹操出行未来可能会继续接入其他AI智能体、手机助手等线上AI超级入口。曹操出行最新的半年报显示，截至今年6月30日，平台服务已覆盖215个城市，上半年新增20个城市。平均月活跃司机数由去年上半年的55.4万名增长36.8%至75.8万名。对于本次合作，网经社电子商务研究中心高级分析师陈礼腾表示，曹操出行将新增AI渠道的订单，减少对传统聚合平台依赖，同时借助对话叫车为无人运力培育用户，打造专车差异化体验。“AI+出行”正在成为趋势。3月23日，千问上线AI打车能力，支持选车型、添加途经点、预约时间等操作。6月，滴滴作为首批合作伙伴接入微信AI生态。陈礼腾表示，豆包优势在于自然语言交互能力强、用户基数大，拥有和曹操出行合作的特色车控体验，还可以联动抖音本地生活。但劣势包括缺少自有地图能力，打车心智尚未建立，支付与会员体系整合不足等。此外，用户对AI提供的打车服务接纳度有待观察。陈礼腾认为，整体而言，打车场景下的AI化更有价值，网约车平台可以借此获取AI出行场景的用户需求数据来优化调度。而AI场景下的打车行为还在探索阶段，目前来看用户用AI打车的行为习惯没有形成，还需要时间去培养。从实际情况看，用户更需要的是用最划算的价格和最优路径到达目的地，而AI打车目前无法解决这个问题。

2026-9-9 2: ①DeepSeek计划9月10日前后正式发布V4.1 Flash模型； ②京东与摩尔线程等合作，规划建设十万卡集群； ③京东物流推出五款“狼族”机器人； ④智元发布GE-Act 2.0动作模型； ⑤豆包工作新增支持本地Office文件编辑、任务执行环境自由切换功能； ⑥谷歌计划2027-2028年在芬兰投资130亿欧元布局AI基础设施； ⑦Meta推出Muse AI智能体。

2026-9-9 2: 9月9日，全球AI+AR智能眼镜品牌影目科技（INMO）宣布完成C3轮融资，由上海市北高新、静安资本等机构参投，至此C轮累计融资近10亿元。同日，影目科技研发总部在上海市北国际科创区“视听静界·元空间”启用，办公面积900余平方米，初期入驻人员约80人。这里还将承担其海外业务中心职能。 静安近年来大力发展“时尚消费”。今年，静安“3+3”产业分类中原有的“商贸服务业”已更名升级为“时尚消费业”。作为国际消费中心城市核心承载区与全球时尚潮流风向标，静安集聚了不少头部品牌、首店经济与时尚资源，南京西路商圈成为了“全国首个千亿级商圈”。按照静安“南商北研”的区域布局，南部依托南京西路等商圈做强时尚消费，北部依托市北国际科创区等载体打造科技文化场景。影目科技把研发总部落在市北，把品牌旗舰店开进静安南部，就踩在这条联动线上。 影目科技在静安南京西路核心商圈筹备的全球首家品牌旗舰店，将是国内智能眼镜领域首家独立品牌线下旗舰店，预计10月试营业。 从一笔投资到一个产业，静安主动引进“代表未来的品类”。今年6月，商务部等8部门联合印发《关于加快“人工智能+消费”发展的实施意见》，智能眼镜首次纳入消费品购新补贴范围；今年3月，静安发布《打造人工智能创新应用示范区三年行动方案（2026—2028年）》，推动AI与产业、消费深度融合。 “影目科技与市北国际科创区的结合还有一层产业逻辑。那就是我们正在协同打造上海超高清视听产业集聚区，影目科技上海中心所在的视听静界·元空间正是这一布局的标志性空间，恰是超高清视听产业链走向消费端的终端载体。”上海市北高新集团党委书记、董事长孙中峰表示，影目科技等产业链企业将作为首批企业入驻“智镜谷”。在这个聚焦光波导、光学模组、AR终端、空间计算等方向的产业集聚中心，企业与产业在这条链上形成天然的咬合。目前，视听静界·元空间已集聚260余家超高清视听上下游企业，初步打通“芯片设计、内容制作、终端应用”的产业链条。

2026-9-9 2: 上海市人民政府与中国联合网络通信集团有限公司今天（9月9日）在沪签署“十五五”战略合作协议。市委书记陈吉宁，市委副书记、代市长朱忠明会见中国联通党组书记、董事长董昕一行。朱忠明、董昕出席签约活动并见证签约。 市委常委、副市长陈杰与中国联通党组副书记、董事唐永博代表双方签约。 根据协议，双方将建立多领域、多层次、全方位的战略合作关系，共同实施“UniAI·智联申城”战略，构建现代化产业体系，促进产业繁荣、共同发展。双方将持续加强新型信息基础设施建设，推动科技创新引领新质生产力，深化产学研用协同攻坚，加快“人工智能+”赋能数智化转型，打造标杆示范，培育壮大产业生态，为上海深化“五个中心”建设、塑造数字经济新优势注入强劲动能。

2026-9-9 1: 9月9日，网络作家、北京市作协副主席张威（唐家三少）发文称，AI正给网络文学带来两大挑战：一是AI洗稿频发，网络文学是重灾区；二是“AI泔水”泛滥，严重挤压优质内容空间。 过去抄袭是“复制粘贴”，一眼就能看出来；现在借助AI，抄袭变成“解构重组”，把爆款作品的骨架拆开，用AI重新填补血肉，生成一篇“全新的旧文章”，48小时就能生成500万字。 张威将AI洗稿定性为“对创新精神的系统性扼杀”，而AI批量生成的“数字泔水”则如同无形的“侵蚀剂”，对互联网信息生态造成系统性污染。 治理措施上，张威呼吁三管齐下：强化行业自律、完善法规标准、聚焦青少年保护。尤为紧迫的一点是补齐文字领域AI标识短板，让AI内容“亮明身份”，他认为该举措可以借鉴视频领域的先行经验，积极探索标识AI生成文字内容的办法。 事实上，各大网文平台早已展开行动。今年2月，番茄小说发布针对AI批量量产水文的专项治理公告，明确滥用AI批量生成、拼凑内容属于违规。到7月，番茄小说累计拒绝签约AI生成类低质书籍16万本，处置违规书籍近5.4万本、账号5621个。 今年4月，起点中文网向作者群体发布相关公告，提出平台反对利用AI或其他自动化手段替代真人完成核心内容产出、干扰正常创作秩序。相应处理措施包括暂停推荐、撤下榜单、屏蔽作品、下架作品等。 8月，起点下榜一批AI作品。近期，起点对更新字数进行了限制，据接近阅文的相关人士透露，起点此举是希望作家靠故事的创意与质量取胜，阻断AI文投机取巧挤占原创资源。 平台严查之下，治理落地仍面临重重困难。 2025年9月施行的《人工智能生成合成内容标识办法》要求AI生成内容主动标识，但文字类AIGC目前还无法通过显式或隐式标识进行有效识别。视频是单一打包文件，标识绑定文件本身；而文字极易被复制、剪切、二次改写，读者一键全选，文末的“AI生成”标注就被删掉，Word或TXT复制粘贴后文档元数据随之丢失。大量AI生成的文字内容正在“隐身”传播，无法被感知、无法被溯源。 更大的难点在于技术边界。目前平台方面基本都认同查资料、校对错别字等属于合规辅助，AI直接生成完整正文属于违规，但中间的灰色地带巨大，比如AI写大纲算不算？AI写初稿、人做大幅修改，修改到多少比例才算合格？行业至今没有统一答案。起点五级作者“山居岁寒”此前提到，自己用AI查询军事装备、历史事件等资料，却被平台告知“相关资料太多”。 AI检测工具本身也并不完全可靠。有作者用自己2016年发布的网文去检测，结果被判定“90% AI生成”；朱自清的《荷塘月色》被某检测系统标出62.88%的“AI疑似度”。平台也承认，检测工具只能做预警，不能单独作为处罚依据。 版权归属与数据训练的争议同样悬而未决。张威特别警告了“泔水投喂泔水”的恶性循环——AI产出的垃圾又被拿去训练下一代AI，一代不如一代。与此同时，大量在世作家的公开作品被未经许可用于AI模型训练，生成风格高度相似的仿写文本。AI产出的人设、世界观、角色，版权归属存在巨大争议。另外当网文IP向下游流转至AI视频工具生成短剧时，跨媒介改编的权责边界更加模糊。 整体来看，平台方与创作者群体并不反对通过AI进行资料查询等辅助动作，但“核心内容撰写”与“AI粗制滥造批量生成”是各方共识红线。AI渗透进各行各业的趋势已不可阻挡，更完善的规范细则需要监管、平台与创作者三方共同探索。

2026-9-9 1: 7 月月之暗面发布 Kimi K3 时，大模型自主 Agent 连续运行 48 小时，无人工干预，仅凭开源 EDA 工具和Nangate 45nm工艺库，就完成了一款推理芯片原型的设计、优化与验证。次日，新思科技盘中一度暴跌超12%（收盘跌约 8%），Cadence 亦遭重挫，单日大跌7.85%。一个多月后，当 OpenAI 公布用自家模型加速设计与优化的自研推理芯片 Jalape?o 的首批实测数据时，“大模型掀翻 EDA”的叙事冲到顶点，这两家的表现在资本市场上反而出现上涨。 同样的叙事，为何迎来截然不同的市场反馈？ “概念验证”与“流片”的虚实之分 从规格来看，K3展示的是一颗基于45nm开源工艺库的芯片，落后于当前3nm/2nm前沿节点数代。它无流片、无回片、无测试板、无独立复现，官方自发布起即将其界定为“早期概念验证”，7月底的技术报告进一步披露了细节。 相比之下，OpenAI的Jalape?o 是一颗有 AI 辅助设计、有明确落地场景的真芯片。它采用台积电3nm制程，已流片回片，工程样品正在实验室跑自家模型，计划于 2026 年底小规模部署，目标直指英伟达的推理成本与能效。Jalape?o 并非 AI 独立设计，而是与博通联合开发。OpenAI 使用自家 Codex、GPT-Astra 等模型加速验证与 PPA 优化（如 BF16 乘法器面积优化达 56%），AI 参与的是探索实现方案、缩短验证循环；底层的物理验证、签核和先进封装，仍由商业 EDA 与确定性工具完成。 一句话可以概括它们的差异：K3 试图证明“AI 可以不用 EDA 巨头的工具”，而 Jalape?o 作为一颗有实际落地的芯片，依然深度绑定商业 EDA 工具，证明了“AI 能让芯片设计更强”。 大模型进军半导体设计，敌友难分 对芯片的需求越来越多，当 AI 大模型进入半导体设计领域，对 EDA 工具究竟是辅助还是冲击？ “行业正积极将 AI 融入芯片设计流程以提升生产力，这正是 Cadence 为客户创造价值的关键机会。”8 月底的 CadenceLIVE 2026 上，Cadence 资深副总裁兼数字与签核事业部总经理滕晋庆提出，Cadence 正打造一个自我加速的正循环：一边是“Design for AI”，用 EDA、IP 和系统分析能力帮助客户构建更强的 AI 芯片与基础设施；另一边是“AI for Design”，把 AI 引入设计流程，提高研发生产力。 这与 Cadence 前几年就在强调的“三层蛋糕”异曲同工：底层是加速计算与数据，中间层是基于数学和物理的仿真、优化与签核引擎，最上层才是 AI Agent。通用大模型可以生成代码，但芯片设计还必须同时满足功能正确性、时序、功耗、面积、可靠性和工艺规则；而 RTL 及设计数据大多又是企业不公开的核心 IP。能跑通流程不等于能流片，能流片不等于能量产，能量产也不等于有商业竞争力。 没有中间层的工程约束，大模型很难直接生成可流片的结果。更关键的是，行业需要的不仅是语法正确的代码，更要确保功能正确性与架构最优。滕晋庆认为，若底层工具存在短板，再强的 AI 也无法弥补，因此中间层必须达到业界顶尖水平。 这也让 Cadence 的 AI 布局更加清晰：先是推出Cerebrus、JedAI和CoPilot把AI塞进设计流程；2025年11月收购ChipStack，四个月后发布前端 EDA智能体；2026 年4月推出Agentic AI Stack，由AgentStack统筹五大Super Agent覆盖前端、模拟、数字实现与签核、PCB 封装和系统；7月AuraStack上线，可以2倍加速市场化进程。 但指望 AI 大模型独立设计出一颗能用的芯片，靠 Agent 协同只是一个方面。在3D-IC领域，能否把芯片设计工具、封装设计平台以及电、热、力分析工具整合在一起同样重要——这类跨工具链的系统级协同，恰恰是AI短期难以替代的部分。 为此，Cadence推出了Integrity3D-IC平台。滕晋庆指出：“3D-IC并不是一个新鲜事物，有大概20年了，但它的时代才刚刚开始。” 变化或在生意模式 短时期来看，还远没有到大模型在财务上冲击 EDA 的时刻。 2026 年二季度财报显示，Cadence 营收15.84亿美元，同比增长24%；积压订单达81亿美元，创历史新高——这意味着即便不签一个新客户，未来一年也有数十亿美元的确定性收入落袋。另一边，新思科技2026财年第二财季营收同样大涨42%（同比增长41.9%）至22.76亿美元，并上调了全年指引。 尽管两家的财报时间并不全然相同，但基本向好的趋势是一致的。资本市场对股价态度的反转，源于看清了AI时代的“反直觉”逻辑：AI模型越强，算力需求越大，芯片设计越复杂，EDA 工具就越不可或缺。当工具退到 Agent 背后，按工具、按 License 收费的逻辑就开始松动。滕晋庆透露，Cadence 管理层已在讨论按 Agent 带来的生产力价值、甚至按 Token 计费。 那场资本市场的“恐慌”，与其说大模型把 EDA 从神坛上拉了下来，不如说它把“神坛”换了个定义。被摔碎的是“EDA 只是工程师操作的一组工具”的旧印象；站起来的是“AI 在上层、确定性算法在中层、加速计算在底层”的新平台。 在这场半导体超级周期里，AI 短期还很难掀翻 EDA，反而成了它最陡峭的增长曲线。

2026-9-9 1: 智能汽车、具身智能、低空经济等新质生产力“三大件”，正从“各自为战”迈向“生态共建”。 9月9日，聚合智能产业发展大会2026在武汉举行。与会政府人士、产业专家与资本方普遍认为，以人形机器人、智能网联汽车、低空飞行器为代表的聚合智能产业正跨过实验室验证阶段，步入量产元年。 技术同源驱动车机产业融合 “汽车去掉轮子就是机器人，装两个翅膀就是低空飞行器。”车百会研究院理事长张永伟在会上表示，聚合智能的三大赛道——智能网联汽车、具身机器人、低空经济，共享同一套技术底座，本质是“AI大脑+物理硬件本体”的融合，产业边界正在快速消融。 这种融合的核心基础是技术栈（Technology Stack）的高度同源。国家邮政局政策法规司原一级巡视员、副司长靳兵指出，智能汽车与具身机器人的核心技术重合度超过70%，覆盖感知、决策、执行、软件四层架构：感知层的摄像头、毫米波雷达、激光雷达、IMU等多传感器融合方案完全通用；决策层的自动驾驶路径规划与融合算法，可直接迁移至机器人自主避障与自主规划；执行层的车规电机、电控、电池BMS技术经小型化迭代后，即可成为机器人关节动力单元；软件层的实时操作系统、ISO 26262功能安全标准亦可双向互通。 “电动航空与电动汽车的‘三电’系统相似度达80～90%，供应链整体重合度超60%。”普华基础软件总经理刘宏倩在接受第一财经记者采访时表示，车用操作系统长期积累的功能安全方法论、工程化能力与场景验证体系，是可复用的成熟能力库，具备向人形机器人、低空飞行器跨场景迁移的基础。目前，普华软件的车用操作系统已突破场景边界，在低空飞行器与四足机器人上完成落地应用。 不仅汽车产业正成为具身机器人量产的核心支撑，机器人在非结构化环境下的精细感知、近距离避障与物理交互能力，又在反向推动自动驾驶算法迭代，优化城区NOA、自动泊车等场景能力。张永伟表示，汽车与机器人一体化发展已是必然趋势，包括整车与零部件企业走向一体化运营，具身业务成为车企第二增长曲线，汽车上下游团队成为具身创业的主力，电机、热管理、芯片、材料四大领域的车规技术正向具身场景批量迁移。 从全球格局看，当前聚合智能产业已形成“三足鼎立+差异化分工”的态势。靳兵在会上表示，美国掌控端到端VLA大模型、机器人OS底层生态与高端整机技术，日本把持精密减速器、伺服电机等核心零部件，欧盟主导行业伦理与安全标准，中国则在整机集成、量产成本、场景验证三大维度形成独特优势。 行业数据显示，2025年全球通用人形机器人出货量达1.8万台，同比增长508%；今年中国人形机器人预期出货6.25万台，整机量产规模将跃居全球第一。国内宇树、智元、乐聚等头部五家企业合计占据全球人形机器人出货量的74%，产业链覆盖电机、电池、结构件、传感器等全环节，国内具身智能产业引导基金总规模已超200亿元。预计到2030年，全球具身机器人市场规模将突破1200亿美元。 不过，中国聚合智能产业的短板同样突出。靳兵坦言，高端RV减速器、超高密度触觉电子皮肤、高端力觉传感器仍依赖进口；具身专用算力芯片、底层物理仿真引擎存在技术壁垒；行业标准碎片化，军工级高可靠、极端环境验证不足。“中国的制胜路径是以场景换技术、以量产降成本、以体系补单点，用全球最大的应用市场和最完整的供应链，撬动高端零部件和基础软件的突破。” 武汉冲刺聚合智能产业高地 作为国内光电子与汽车产业重镇，武汉正在成为聚合智能产业的核心聚集地。武汉东湖高新区管委会主任余松表示，光谷已建成全国规模最大、场景最丰富的人形机器人创新中心，集聚人工智能企业超800家，人工智能产业规模加快迈向千亿级。 会上，光谷发布城市级聚合智能中试平台实施方案。区内已建成760公里测试道路、228个全息路口，各类智能终端试点成熟。本项目不是从零起步，核心增量是通过建设聚合智能监管平台，将散点试点升级为全域聚合、一网统管，打通全域数据，实现一图可视、一网预警、一脑研判、一路拓展，为各类智能应用提供标准化支撑。力争到2028年，建成全国领先的聚合智能产业发展高地和综合应用先行地，推动3项以上团体标准上升为国家/行业标准，向外输出“光谷治理经验”。 产业落地离不开资本纽带。长江产业集团副总经理杜胜国指出，聚合智能产业要真正走通商业化落地，不能只追求单点技术突破，必须筑牢三电系统、感知器件、芯片、关键材料、“存算连感”一套共性供应链底座。而当前创新主体分散、科创与制造衔接不畅的痛点，需要产业资本来打通。 据介绍，长江产业集团构建了“链长-链主-链投-链创”四位一体的产业运营体系，以资本为纽带串联创新端、制造端与应用端。截至今年6月末，集团母基金累计参股基金211只，认缴总规模超7800亿元，实缴规模超6100亿元，穿透投资项目4700项次，培育超330家上市公司。通过投资黑芝麻智能、亿咖通等芯片企业，以及岚图、路特斯等整车项目，反向牵引零部件配套体系升级，推动成熟汽车零部件向机器人场景延伸，“比如襄阳轴承已切入人形机器人关节高精度轴承供应链，奥特佳热管理技术正向机器人算力舱拓展”。 面向未来，靳兵建议，应从技术补短板、产业重需求、融合建生态、国防强应用四个维度发力，打造京津冀、长三角、粤港澳三大陆海空协同示范区，推广机器人即服务（RaaS）模式，依托海量场景积累真实交互数据，驱动算法持续迭代。 “我们有全球最大的制造业底盘，有最完整的供应链体系，有最丰富的应用场景。”靳兵表示，站在具身机器人量产元年，通过“政产学研用金”携手并进，打通技术、产业、生态、安全全链条，就能抢抓具身智能变革窗口期，推动中国聚合智能产业高质量发展，抢占全球竞争制高点。

2026-9-9 1: 今年6月，林峰注销了他在上海的公司，回到了老家。 这家公司是他几年前为了方便接短剧翻译单子而注册成立的。那时短剧出海行业正热，高峰期时，他一个月能赚上万元。但今年4月起，翻译订单数量断崖式下滑，报价也一路走低，6月后，他一条单子也没接到。 AI改变的不只是翻译环节。今年以来，短剧出海行业正经历从真人实拍到AI量产的集体转向。而AI对中国短剧出海的重构，不是在某个环节“优化”，而是把整条生产链路“打碎”重来。 近期，第一财经记者采访了多位一线从业人员，他们告诉记者：“短剧行业变化极快，内容更新频率极高”，而当AI大幅降低生产门槛之后，一部出海短剧的制作成本从几十万元降到了数万元，原来需要高资源投入的传统影视业似乎变得人人触手可及。但想象之外，赚钱并不容易。 “消失”的译员 2021年，林峰从北京某高校小语种专业毕业后，进入某互联网大厂工作，岗位是翻译相关。但仅仅八个月后，因为项目盈利不及预期，林峰被裁了。 摸索一段时间后，凭借着专业积累和语言能力，林峰顺利进入了当时势头正盛的出海短剧行业。 译制与本地化是中国短剧出海非常关键的环节，因为这直接关系到海外观众的接受度。这其中就包括翻译与配音、文化适配等具体工作。 林峰表示，翻译工作并不轻松，需要一整天都坐在电脑前。但那时报价在涨，单子多到翻不完，“去年那段时间单子一直有”，最高峰时，他靠手搓翻译码字一个月赚了上万元。 那时，林峰和海外朋友聊天时得知，在海外地铁上，经常能看到有人在看中国的短剧。“他们喜欢中国演员的长相，也会把短剧演员当作偶像去‘追’”。 但变化也来得非常之快。今年4月，林峰接到了第一部AI短剧翻译订单，随后，订单数量在急速下滑，由于AI翻译水平的提高，客户考虑到可以AI辅助翻译，所以报价持续走低，交稿周期也被压缩了。“前阵子接到一个翻译单子，对方报价5元/分钟，而之前我接到的基本在10~15元/分钟，高的时候在20元/分钟。过去一部短剧给7天时间，后来压缩到3天。” 林峰的经历并不是孤例，出海短剧对于人工翻译的需求正在快速退潮。一位海外独立编剧告诉记者，她观察到，目前一些短剧头部公司高度依赖内部招收的本地化人员进行AI辅助的文本翻译，外部人工翻译、原创剧本需求在急剧减少。 AI译制技术服务商小影科技的客户已经覆盖了短剧出海TOP20厂商中的一半以上，公司业务副总裁吴婉萱告诉记者：“从趋势上来看，翻译和译制任务由AI逐步替代人工，已经成为越来越多短剧出海从业者的选择。而从客户的实际使用情况来看，从人工翻译向AI翻译的迁移，通常并不是一个特别漫长的渐进过程。很多客户从尝试AI到规模化使用，可能就在一部剧、甚至几集内容的验证周期内完成。” 吴婉萱表示，客户会根据内容定位，在效果、效率和成本之间寻找最合适的平衡点。比如对于以社交媒体投放为主、追求规模化跑量的客户，他们更关注的是发音准确、内容听得懂、不要有明显违和感，同时能够快速出片、价格有竞争力。在这个场景下，客户并不一定要求每一句都做到最高标准，但基础质量必须过关。而对于头部客户或者精品内容，标准就会明显更高，这类客户并不是单纯追求最低价格。 吴婉萱透露，人工每月约翻译10部，成本为1500~3000元/部；而AI服务每月可翻译超1000部、成本为300~500元/部。她判断，对于头部客户和精品内容，人工仍然会参与到审核、润色和质量把控环节，未来更可能是AI和人工协同，而不是简单地完全替代人工。 AI出海短剧成为新风口 中国短剧成为“文化出海新三样”并非一夜之间的事情。近年来，随着国内短剧市场日益竞争激烈，大小厂商集体转向海外。2022年8月，枫叶互动推出ReelShort，成为行业首个短剧出海平台。此后，点众科技的DramaBox、九州文化的ShortMax相继上线。 而今年，AI技术持续提升，真人出海短剧正集体向AI出海短剧转变，AI出海短剧迎来井喷，海外整体内容供给量爆发式提升。 根据DataEye《2026年上半年海外短剧及AI剧数据报告》，DataEye研究院预估，2026年海外微短剧市场规模将超过60亿美元，其中APP端预计30亿美元。若以真人/AI区分，预计2026年AI剧漫剧海外市场规模超40亿美元，占比海外大盘近70%。 报告认为，行业自5月起迎来复苏拐点，AI剧/漫剧成为增长核心引擎：低成本、高产能的AI剧/漫剧解决了真人实拍短剧产能受限的难题，行业持续回暖，6月单月收入创上半年新高，AI剧/漫剧正式成为拉动大盘增长的核心动力。 今年8月，AI短剧导演海牛的作品《The Alpha King’s Secret Hybrid》在DramaBox平台上收获了百万收藏。海牛毕业于UCLA（加利福尼亚大学洛杉矶分校）导演系，这是一所国际顶尖的电影院校。 2025年11月，海牛带着团队开始做真人短剧；今年4月，转做AI短剧；5月，全面转向海外AI短剧市场。 “AI短剧面对真人短剧全是优势，没有劣势。”在他看来，AI短剧有更大的发挥空间，题材不再受限，甚至真人演员无法表现出来的情绪和画面，AI可以做到。 AI技术的快速迭代让这一切成为可能。“今年初，Seedance 2.0（字节跳动旗下的AI视频生成模型）时期，大家能明显感觉到技术还达不到横屏视频的理想要求。到了Seedance 2.5版本，画面的可控性、连续性和质感都有了显著提升，横屏、竖屏内容都能尝试了。”海牛说。 成本的降低也显而易见。海牛表示，较便宜的真人短剧成本约为30万~60万元人民币，而AI短剧（S级项目）成本可以降至18万~20万元左右，其中，算力与人力成本各占一半。而对于一般级别的AI短剧，成本可能缩减为真人短剧的十分之一甚至更少。 吴婉萱也观察到：“过去做海外短剧，最大的门槛之一是制作成本。现在随着视频生成、配音、翻译等AI能力快速成熟，内容生产的成本和周期都在明显下降。比如目前行业里已经可以看到常规AI真人剧做到每分钟千元左右，部分AI漫剧的制作成本甚至可以做到每分钟几百元。” 海牛说：“这两年，AI制作内容可能会取代99%的传统影视内容。”但他认为，AI技术虽然降低了成为导演的门槛，但对导演的综合素质要求却提高了。“好像某种程度上有点回到胶片时代，为了节约算力成本，导演要更多前置性地思考美术、剪辑等环节的内容。” 国内某头部公司AI短剧编剧一冉告诉记者，内部有全流程平台，公司一直希望编剧、导演等所有人都用AI提速。”目前她在创作剧本时，一般先用AI跑一遍，打个底，再进行人工调整。“质量再差一点的批量本，需要快速铺量，这种就是AI直出。” 但她认为，无论AI介入多深，短剧的本质没有变，它始终面向下沉中低端市场，剧情套路模板化、人物脸谱化的核心逻辑并未改变。“作为一个短剧编剧，能让观众生气再解气，能出爆款的，就是好剧本。” 她观察到，目前很多从国内转向海外AI短剧编剧的出本模式比较粗放，在用大量低成本产出做实验。“整个行业的制作量在疯狂涨，节奏也越来越快，极限情况下，最快让编剧一两天出一个本，3天能制作出来一部30集短剧。” 从剧本创作、画面制作、译制到后期运营，出海短剧的每个生产环节，都在被AI重构。 AI降低了门槛，赚钱容易了？ 在AI大幅降低了生产门槛后，赚钱却并不容易。中文在线2026年上半年实现营业收入5.78亿元，归母净亏损4299.53万元，较去年同期大幅减亏81.01%。其中，短剧及IP衍生品业务收入4.11亿元，同比增长108.72%，毛利率48.62%。 昆仑万维2026年上半年公司营收53.59亿元，同比增长43.55%。其中，海外收入52.03亿元，同比增长51.21%。2026年6月底，公司AI短剧平台业务单月流水超6500万美元。但高增长的代价是成本激增，该业务营业成本同比暴增406%，毛利率从83%下滑至67%。扣除非经常性收益后，公司核心经营业务仍处于亏损状态。 DataEye剧查查副总裁林启文表示：“AI短剧制作端成本大概下降了90%，但流量成本同比上涨了超过100%，与此同时，收益端下滑了50%以上。” 行业的头部效应正在加剧，盈利的玩家仍是少数，大多数中小团队仍在盈亏线上挣扎。 今年上半年，从APP下载量来看，昆仑万维旗下FreeReels登顶榜首，麦芽传媒NetShort第二；往年常年霸榜的ReelShort、DramaBox名次回落至第三、第四。 市场头部效应凸显：下载榜TOP20平台总预估APP下载量超12亿次，占整个市场下载量的84%；APP收入榜TOP20合计内购收入突破9.76亿美元，占中国短剧出海总收入的83%；其中，TOP3平台收入超5.1亿美元，占比超四成。 海牛告诉记者，目前自己的团队每个月大概能产出1~2部短剧，盈利并不多，一部大概2万~3万元，“可能大家都在等待一个爆款”。 里斯战略咨询中国区合伙人何松松告诉记者，短剧出海是一个“正在成型的真品类”，但尚未完成“品类心智”的固化，当前处于需求真实、供给爆炸、品牌空白的典型早期阶段。AI不是差异化工具，而是“差异化放大器”，放大的是已有的战略选择。真正的壁垒不在生产，而在认知。“当100个AI生成的霸总短剧同时出现，哪个能被记住？”未来真正的差异化将来自三个方向：IP资产的独占性、数据闭环的深度、品牌认知的积累。 在一线从业者看来，当AI来了之后，所有人都被要求“提效”。AI在带来便利的同时，也会有“副作用”。 “用AI辅助翻译久了，我的翻译水平已经远远不如几年前了。因为我只会在它给我的框架里删删改改，思维被限制住了，也很难学习AI的表达。”林峰表示。 海牛也有同感。他目前坚持手写每一个分镜，从剧本和一页白纸开始，一个字一个字敲进去，全程没有AI参与。“我有试过让AI来拆分镜，但改AI的东西太痛苦了。想改一个情节点，就得往前倒推上一个镜头怎么改，再往上倒推，逻辑全被打乱了，不如自己从头写。” 一冉告诉记者，AI取代了一部分画师、剪辑师、真人演员等等，或许未来也会取代编剧。 “一些人会极端反AI，但我不会拒绝因为人天生就会走路所以拒绝坐火车高铁，我选择打不过就加入，这样未来我才能有机会坐宇宙飞船去新的世界。” 回到家乡后，林峰已经不再做翻译，开始开语言兴趣班。 在行业大潮中，AI改变了一切，有些人被留下来，有些人被甩出去，寻找新路。 （文内林峰、海牛、一冉均为化名）

2026-9-9 1: OpenAI CEO山姆?奥尔特曼（Sam Altman）最近密集在采访中表达“前沿AI模型研发需要放缓节奏”的观点，然而转头，OpenAI便披露新模型动态。 当地时间9月8日，OpenAI宣布借助约10000个并发Agent协作，耗时88小时，完成纳维-斯托克斯（三维不可压缩流体）存在性与光滑性千禧年难题完整证明，并通过Lean形式化验证。这是继庞加莱猜想之后，第二个宣称被解决的千禧年七大数学难题。 该证明由一组Agent使用OpenAI的下一代模型生成，官方称该模型比GPT-6 Astra的功能要强大得多。 需注意的是，这项成果尚未获得数学界正式认定，却已陷入一场围绕研究优先权、数据使用和学术署名的争议。 劝行业刹车，自己却猛踩油门的姿态，撕开的是OpenAI当前的焦虑状态。一边是IPO前夕必须向资本市场证明模型性能仍占据前沿位置，另一边则是对近期密集发生模型安全事件的责任承担。当商业与安全红线同时加速，OpenAI尝试在一场矛盾叙事中保持领先位置。 抢先披露新模型能力 纳维—斯托克斯方程描述流体运动是数学和物理学中的基础方程之一。 2000年，克雷数学研究所将其列入七个千禧年大奖难题，核心问题之一是对于三维不可压缩流体，给定光滑的初始状态，方程的解是否能够始终保持光滑，还是可能在有限时间内形成奇异性。 OpenAI此次给出的结果属于后一种情形。公司称，其内部模型找到了证明三维不可压缩纳维—斯托克斯方程能够在有限时间内产生奇异性的分析路径，并覆盖克雷数学研究所正式问题描述中的相关命题。 这项工作的规模也不同于通常意义上的AI数学问答。OpenAI称，项目于9月1日启动，9月5日得到核心结果，累计产生约270万条消息和约1300亿输出token。 OpenAI公布这些数据的重点，是展示一种新的科研工作方式：研究人员不再只是向模型提出数学问题，而是让大量Agent同时搜索证明路径、交换中间结果，再由后续Agent继续验证和推进。 但“OpenAI解决了第二个千禧年难题”目前并不是一个可以直接使用的学术结论。克雷数学研究所规定，任何解决方案必须首先在符合条件的出版物上发表至少两年，并得到全球数学界普遍接受，才可能进入奖金认定程序。庞加莱猜想是七个问题中唯一已经获得正式解决认定的项目。 与此同时，成果发布很快引发了学术优先权争议。 纽约大学数学家特里斯坦?巴克马斯特（Tristan Buckmaster）和Anthropic研究员莱文特?阿尔珀厄（Levent Alp?ge）此前一直研究相关流体方程的爆破问题。巴克马斯特发文称，他在9月初与OpenAI方面进行沟通，OpenAI随后告知其内部模型已经形成纳维—斯托克斯证明。他质疑OpenAI是否可能受到他们未公开研究工作的影响，并对双方在成果发布和署名方面的沟通提出质疑。 巴克马斯特称，OpenAI方面沟通人士希望将阿尔珀厄从成果署名中剔除，理由是他任职于竞品公司Anthropic，并在巴克马斯特拒绝后称“你为什么要毁掉自己的职业生涯？如果你不想让我友善，那我可以不友善。” OpenAI否认使用两人的未公开研究成果，并表示双方得到的证明存在明显差异。奥尔特曼表示，OpenAI此前希望协调双方发布，并考虑让巴克马斯特团队优先发布相关成果。 数据问题是另一项争议。OpenAI表示，在成果公开之前，其研究人员和Agent没有通过任何途径看到两人的工作，也没有访问特定用户数据；但公司同时承认，不能完全排除两人在用OpenAI产品研究流体方程时产生的脱敏交互记录，有可能间接助力模型能力提升，只是这种概率很低。 这使争议从数学证明本身扩展到了AI科研时代的研究优先权：如果研究人员长期使用AI平台开展尚未发表的研究，而模型公司随后训练出能够解决相同问题的系统，如何证明两项研究完全独立，以及平台数据在其中扮演了什么角色，目前尚无成熟的行业规则。 OpenAI在急什么？ 一项AI在数学领域的科研突破，转眼变成一场信任危机，使得相关成果也不再是纯粹的科学展示。 6月8日，OpenAI已经向美国证券交易委员会秘密提交S-1注册声明草案。不过，公司当时明确表示尚未决定上市时间，认为部分工作以私人公司身份推进可能更容易，同时保留提前上市的选择。 Anthropic的IPO进程目前也在加速。据市场消息，Anthropic预计在9月底公开招股书，上市时间可能在10月中旬，市场讨论的估值最高达到约2万亿美元。 在这一背景下，两家公司正同时面临增长速度、企业客户采用率和基础设施投入的比较。 公开数据显示，Anthropic截至7月底的年化收入运行率已超过650亿美元，而OpenAI今年早些时候曾公布超过250亿美元的年化收入运行率，随后公司内部又披露7月年化收入已经超过第二季度整体营收水平。 两家公司均没有公开完整季度财务报表，因此市场目前大量使用“年化收入运行率”而非正式GAAP收入比较。 企业市场的竞争也发生变化。美国金融科技公司Ramp今年5月首次统计到Anthropic企业采用率超过OpenAI；7月数据显示，Anthropic在美国企业AI采用率约42.4%，OpenAI约39.5%。这些数据来自Ramp支付平台上的企业消费，因此并不等同于两家公司全部企业市场份额。 与此同时，OpenAI正在扩大企业和Agent业务。公司9月披露的内部研究数据表明，编程Agent已经成为研究人员日常工作的一部分；公司此前也将Codex、企业Agent等产品作为新的增长方向。 由此来看，OpenAI当前需要向市场展示的已经不只是ChatGPT用户数量，而是模型能力能否转化为企业软件、编程Agent以及更长期的科研和生产力市场。 纳维—斯托克斯项目正好落在这一能力叙事的交叉点上。 9月6日，也就是数学成果公布前两天，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）发表文章称，目前没有任何实验室已经把AI对齐和监控做到足以支持长期以最高速度继续扩张的程度，并呼吁在形成共同安全标准之前，行业出现自愿放缓。 同一天，OpenAI称公司已达到此前设定的“自动化研究实习生”目标，并正在朝2028年3月实现自动化AI研究员的目标推进。 两项信息实际上分别对应了OpenAI目前面对的两类问题：模型能力增长正在加速，而安全、监控和治理能力需要同步提高；与此同时，公司也需要证明这种不断增强的模型能力能够形成新的生产力和商业价值。 IPO竞速则构成了这一系列技术发布的重要商业背景。OpenAI已经完成S-1秘密提交，Anthropic也在准备上市；两家公司同时进入收入高速增长、巨额算力投入和估值竞争阶段。对于仍处于亏损状态的AI公司而言，模型能力是否持续领先，以及这种能力能否进一步转化为企业收入和更高的资本效率，都会成为公开市场投资者关注的问题。 从这个角度看，纳维—斯托克斯项目既是一项数学研究，也成为OpenAI展示下一代模型能力的窗口。过去模型主要被用于回答问题、生成代码，如今OpenAI展示的是让大规模Agent参与科研、形成中间成果并继续推进研究的能力。 不过，最终这项成果能否成为数学史上的正式突破，仍需要经过验证。同时，研究优先权、用户研究数据、AI生成成果的署名和归属等问题，也需要学术界、AI公司和监管机构建立新的规则。 可以确定的是，在美国首家前沿模型公司正式登陆资本市场之前，OpenAI与Anthropic之间在模型性能、科研能力、安全治理等方面的竞争，将持续升级。

2026-9-9 1: 火山引擎正在基于Arm平台构建下一代云服务。 9月8日，Arm Everywhere China年度大会在上海举办。字节跳动旗下的云计算板块火山引擎，在大会上透露已将首批基于Arm AGI CPU的智能体沙箱解决方案推向市场。而全球云计算市场份额前三位的亚马逊、谷歌以及微软，此前也已经重新审视CPU的价值了。 人工智能浪潮之初，GPU抢尽风头而CPU被冷落；随着智能体的到来，CPU重新回到舞台中央。同样重大的变化在于CPU的底层架构，Counterpoint Research高级分析师Parv Sharma 对第一财经记者表示：“我们正在见证数据中心历史上架构份额最快的一次转变。” 集体行动的逻辑 智能体令市场重新聚焦CPU。 “随着智能体的发展，市场对安全、隔离且能够弹性扩展的大规模执行环境需求不断增长。”火山引擎云基础产品经理负责人李越渊表示，火山引擎对Arm AGI CPU进行早期评估后认为，其在主流云工作负载中展现出良好的性能潜力。 联想也已围绕Arm AGI CPU开发相关解决方案。联想集团副总裁、中国基础设施业务群总经理陈振宽表示，联想和Arm对算力基础设施未来的发展方向有着共同的愿景，通过发挥双方优势，能够使技术创新满足中国市场快速增长的AI算力需求。 在Arm云AI业务拓展副总裁Eddie Ramirez看来，当前中国许多云服务商正在探索如何服务企业工作负载、云原生工作负载，以及应对智能体AI的需求。这些不同的工作负载需要多种CPU类型。 不止火山引擎和联想，全球云计算巨头们都在大手笔入局CPU。 今年8月份，一位英伟达业务副总裁亲赴西雅图，把首批 Vera CPU 服务器交付至亚马逊云科技。这是地表最能赚钱的芯片企业与规模最大的云计算平台的合作，具有很强的指标意义。 亚马逊云科技上的核心计算单元依然是GPU，但CPU的价值正在被重新定义；GPU使得英伟达成为全球市值最高的芯片企业，而现在它日益重视CPU业务了。 微软在云计算市场的份额仅次于亚马逊。 在今年年中的电话会议上，微软方面曾预计，到7月底搭载Cobalt 200的机架就将部署在全球超过25个数据中心。Cobalt 200是微软第二代Arm架构的CPU，相较前代产品性能最高提升50%。 谷歌在云计算市场的份额排在亚马逊、微软之后。 今年早些时候，谷歌云发布第八代TPU系统，首次搭载谷歌Axion CPU作为计算头节点。这款CPU面向通用计算和人工智能推理工作负载。 在人工智能浪潮的早期，GPU是幸运儿，英伟达市值也因此超过5万亿美元。用于通用计算的CPU一度被冷落，相应企业如英特尔的市值此前也被压制。 现在，云计算巨头为什么重新重视CPU了？ 这种转变最核心的因素，是人工智能从生成式向智能体进化，从单纯的“回答问题”转向“采取行动”。传统推理仅依赖单次模型调用，而智能体系统涉及工具调用、编排系统，以及长上下文检索操作，这都是CPU更擅长的工作。 亚马逊、微软、谷歌等科技巨头，是这一轮AI浪潮的最慷慨投资者。它们的集体行动，重新把CPU拉回聚光灯下。微软 CEO 萨提亚?纳德拉在中期业绩会上表示：“在运行智能体负载时，CPU与GPU同样重要。” 这些云计算公司的数据中心里，GPU和CPU的配比，正在发生剧烈变化。智能体出现之前，GPU与CPU的配比最高可达到8:1,也就是八颗GPU只需要搭配一颗CPU。 Arm首席营销官Ami Badani对第一财经记者表示，随着市场当中智能体工作流或者工作负载激增，相信未来GPU和CPU在云计算平台的比例会接近1：1。 Arm侵蚀x86 服务器CPU市场在超预期地增长。 “CPU需求正在呈指数级增长。自2025年下半年起，服务器CPU市场出现供应紧张。”Parv Sharma预计，到2030年，全球服务器CPU市场规模将增长约6倍，达到约2000亿美元。 这一趋势对英特尔、AMD和Arm等核心的CPU企业都是好消息。但是，这些企业从这一趋势中获得的利益大不相同。x86架构的CPU需求增量小，而Arm架构CPU增量大。 x86和Arm都是CPU的指令集架构，就像世界上两套不同的语言体系。前者的代表性企业是英特尔和AMD，后者的代表性企业是总部位于英国的Arm公司。Arm通过授权IP向各大企业输出知识产权，也在今年首度推出了自己的实体CPU。 亚马逊、微软等企业依然购买x86阵营里英特尔和AMD的CPU，但它们现在更重视Arm阵营了。 目前，主要的超大规模云服务提供商均已采用Arm架构来自研芯片，亚马逊的Graviton、谷歌的Axion、微软的Cobalt和英伟达的Vera均是如此。 科技企业基于Arm的IP自研CPU，能够掌握设计周期，针对特定工作负载进行定制。这种令超大规模云厂商获得产品节奏的掌控力，是x86供应商无法满足的。 能耗同样是云计算企业选择x86或Arm架构的重要考量。 今年6月，加州的蒙特利公园市通过一项提案，全面禁建数据中心。当地居民的担心之一，是数据中心大量消耗电力，推高当地民用电价。数据中心的高能耗，对互联网巨头们同样意味着厚厚的账单。国际能源署数据显示，面向AI的数据中心用电量在2025年增长五成。 x86架构最初面向个人电脑，而Arm架构最初面向手机；在数据中心业务里，前者具有生态优势，后者具有能耗优势。Parv Sharma对第一财经记者表示，与x86相比，Arm的每瓦性能约高出30%。 短期来看，数据中心CPU市场仍由x86阵营的英特尔和AMD主导。但基于Arm架构的数据中心CPU正在新部署中占据较大份额。IDC 数据显示，基于Arm架构的机架级服务器已超越 x86。 这意味着AI基础设施正在加速向Arm架构迁移。 “我们正在见证数据中心历史上架构份额最快的一次转变，其背后的主要驱动力是超大规模云厂商开始将Arm作为新一代Agentic AI和云原生工作负载的默认架构。”Parv Sharma说。 四方角逐 当前的CPU市场，演变为四类企业竞争的格局。 英伟达成为商业CPU供应商；Arm和高通携自研芯片进入市场；超大规模云厂商则在基于Arm架构扩展其自研芯片系列；而x86阵营的英特尔和AMD则在努力捍卫市场地位。 线程密度决定了单颗CPU能够同时运行多少个并行智能体。这一点对于以执行操作为导向的智能体尤为重要。 x86体系树大根深，生态上绑定了海量应用。超大规模云厂商有足够的人员和资金储备，来完成从x86向Arm的迁移。这种迁移需要兼容既有软件，包括数据库、专有分析工具、ERP系统等。每一款软件都需要进行测试、验证，并且通常还需要重新编译。这种迁移所需要的人才和资金，往往超出了中小型云厂商所能承受的范围。 Arm的优势在于能源效率，也就是每瓦电力能榨出更高工作效果。对于云厂商而言，节约每一瓦电力，从每一瓦电力里释放出更多可用算力，变得越来越不可忽视。 x86阵营的英特尔和AMD试图捍卫各自阵地。 AMD采取了更具进攻性的策略，推出采用台积电2nm先进制程的产品，与英伟达Vera展开竞争，并宣称性能最高可比英特尔提升3.4倍、比英伟达Vera高20%。此外，AMD也在通过打造机架级系统，从而与英伟达展开竞争。 据Parv Sharma观察，AMD平均售价高于英特尔，因此在x86市场中获得了更高的收入份额。 英特尔也在追赶。 英特尔采用18A制程节点的芯片已经出货，目标是高密度扩展型工作负载。此外，采用英特尔18A-P制程节点的芯片预计于2027年上市，并将在智能体相关工作任务领域与AMD 展开市场争夺。 “对于x86而言，其优势仍然在于软件生态成熟度以及无须重新编译。此外，x86在高性能计算和企业遗留工作负载方面仍处于领先地位。但x86的每瓦性能低于Arm，同时英特尔在执行、产品节点方面的延迟也导致其出现竞争劣势。”Parv Sharma表示。 Counterpoint Research预测，到2029年，基于Arm架构的CPU预计将占定制AI ASIC服务器主机CPU部署量的至少90%，高于2025年的约25%。

2026-9-9 1: AI刚刚帮软件股涨了一轮，Astra又把“被替代”焦虑拉了回来。当地时间9月8日，美股结束劳动节假期恢复交易后，Salesforce、Intuit均下跌约4%，ServiceNow跌约5%，标普500软件与服务指数下跌1.4%，连续两个交易日走低。触发市场新一轮担忧的，是OpenAI上周发布的GPT-6 Astra。不到两周前，市场还刚刚因为AI商业化进展重新买入软件股。Salesforce发布财报后盘后一度上涨14%，Snowflake最新财报后更上涨超过20%。两家公司财报数据显示，AI不只是增加成本，也开始带来收入。但Astra的出现，又把市场拉回到软件行业的老问题：更强的AI Agent，会不会削弱甚至替代传统软件的部分价值？软件公司已经赚到AI的钱今年以来，AI让软件股陷入一场集体焦虑。随着OpenAI、Anthropic不断推出编程工具和Agent产品，软件股面临挑战：如果AI不仅能够回答问题，还能直接编写程序、操作软件并跨越多个应用完成任务，那么企业未来还需要购买多少传统软件？就在Astra发布前，Salesforce和Snowflake刚刚用最新财报证明，AI并非只是在威胁软件公司，也正在给它们带来新的收入。Salesforce截至7月底的季度收入达到113.5亿美元，同比增长11%，并上调全年收入和利润预期。Agentforce和Data 360的年度经常性收入（ARR）接近39亿美元，同比增长超过210%，这些业务的增长正在抵消传统软件许可收入的波动。Salesforce同时进一步与Anthropic合作推出“Claudeforce”，把相关技能嵌入销售、客服和营销工作流。财报公布后，公司股价盘后一度上涨14%。Snowflake的变化更加明显。最新季度财报显示，Snowflake产品收入达到14.9亿美元，同比增长37%，公司将全年产品收入预期从58.4亿美元提高至60.7亿美元。SnowflakeAI产品的渗透率在快速提高。其中编码助手Cortex Code已经覆盖超过9100个账户，单季度新增超过2000个；企业AI助手CoWork的使用账户则扩大至5800个。消息公布后，Snowflake股价盘后一度上涨超过20%。Snowflake首席执行官Sridhar Ramaswamy认为，AI正在形成一种“飞轮效应”：更多AI应用带来更多用户、新工作负载以及平台消费。Adobe也开始单独披露AI商业化指标。第二财季，公司AI-first ARR同比增长3倍，超过5亿美元。其中Firefly系列产品的ARR接近3亿美元。欧洲软件巨头SAP同样在财报中体现AI业务的渗透力，第二季度云业务收入增长22%，管理层透露AI和数据云已嵌入当季50笔最大交易中的超过90%。一系列数字说明，AI正在成为软件行业新的收入来源和增长故事，至少目前大模型不会马上让软件公司失去商业价值。但这一轮Astra带来的问题有所不同。OpenAI对Astra的产品定位并不是一个更强的聊天机器人，而是可以直接完成复杂、端到端工作的Agent。官方列举的使用场景包括：填写在线表格、更新CRM中的客户记录、整理日历、进行网上研究并把结果写进邮件或文档，以及自主安装和测试软件。过去企业员工需要亲自打开CRM、ERP、财务软件，完成查询、录入、审批和跨系统操作；而Astra这类Agent能够直接理解任务意图、调用多个软件并完成整个流程，工作方式将被彻底改变。有软件从业者对记者表示，涉及企业核心数据和系统的部分，很难因为大模型出现就一夜之间消失。真正更容易受到Agent冲击的，是位于这些后台系统和员工之间的软件界面，以及围绕人工操作建立起来的收费模式。此前Gartner也预测，到2030年，高达2340亿美元的企业应用软件支出将面临影响。冲击核心正是AI Agent减少了人类与软件的直接交互，动摇了按席位收费的根基。AI颠覆风险没有消失软件股近期的剧烈波动，反映出市场还没有找到答案。数据显示，标普500软件与服务指数2025年10月底创下高点后，到今年4月累计跌超33%。当时引发抛售的重要原因之一，就是Anthropic推出更强的AI产品，市场开始担忧大量软件功能最终可能被模型替代。转机出现在一季度财报季，软件股财务表现不错，软件指数又出现反弹，之后再次下跌，并在二季度财报季重新修复。今年2月软件股面临AI冲击时，一位软件从业者对记者表示，企业软件最难复制的部分不是页面和代码，而是与其他系统长期形成的连接、权限管理、监管合规、历史数据和已经固化进组织中的业务流程，以及背后的完整性保障，这是复杂的系统级工程。但在AI冲击下，软件价值链正在经历重新分配：未来最值钱的可能不再是谁拥有最好用的界面，而是谁掌握底层数据、工作流、Agent执行权限以及最终的用户入口。“将来的护城河，是最懂得客户需求、最能把需求转化为AI懂的方式，让它听懂了帮你去干活。”IBM大中华区董事长、总经理陈旭东此前对第一财经记者表示。ServiceNow 首席执行官比尔?麦克德莫特则认为：AI 智能代理并不会掏空企业软件市场，反而会让工作流编排系统变得更有价值，而非走向消亡。尤其是，AI Agent正在从根本上挑战“按席位收费”的SaaS模式，成为新的工作入口，并倒逼整个行业从“卖软件”转向“卖结果”。未来AI时代的软件收入可能越来越多来自使用量、任务量或者实际完成的工作。这种转变已经在发生。过去一年里，多家企业软件公司推出Agent产品。ServiceNow、Workday等软件公司都在重新设计外部AI Agent访问自身系统的方式。例如，ServiceNow今年推出Action Fabric，让外部AI Agent通过一个统一层访问ServiceNow中的数据和执行操作。ServiceNow将对客户使用Action Fabric的频次进行计量，并据此收费。这相当于软件公司开始尝试对外部Agent访问自身核心数据和工作流收取费用。 Salesforce今年推出了Agentic Work Unit（AWU）这一指标，用于衡量AI Agent实际执行的离散任务，处理客服案例、更新记录和触发自动化工作流。最新财报显示，Salesforce和Slack上的Agent已经累计执行70亿个AWU，其中第二财季达到32亿个，环比增长97%。目前，AI已经开始进入部分软件公司的财务指标。而它最终成为传统软件新的增长点，还是重新改写整个SaaS行业的收入结构，现在才刚刚进入可以用数字验证的阶段。随着Agent进入更多企业工作流，AI新增收入与推理、算力成本之间的关系，传统软件席位是否会随之减少，以及按使用量、任务量甚至结果收费能否形成新的收入来源，都将进一步影响软件公司的增长和盈利模式。

2026-9-9 1: 近日，多家具身智能企业发布了数据采集的阶段性成果。 如智元机器人旗下觅蜂科技宣布累计生产超过100万小时高质量无本体数据。北京人形机器人创新中心（以下简称“北京人形”）发布并开源RoboMIND具身智能数据集，全球下载量超过2000万次，目前年产能可达18万小时等等。今年以来，还有多家企业都开发推出了数采相关设备和方案。 具身智能大模型的“进化”离不开训练数据，而人类与物理世界的交互数据一直存在较大缺口。相比于往年，行业数据规模实现了明显增长。但数据量的增长能否转化为有效的模型验证，仍有待真实场景应用的检验。 数采工厂先跑通闭环链路 北京人形的机器人训练数据主要来自于其旗下的数采基地。近日，第一财经记者在实地探访时看到，该基地内部搭建复刻了家居、商超、工业、医药等领域典型场景，同时还建有专业光学动作捕捉场地。 北京人形数据基地 数据采集员们通过专业设备遥操真机或者佩戴头环等完成任务，他们基本都是在固定区域内工作，时长在8个小时左右。例如，在厨房场景下，数采员遥操控制机器人用夹爪抓起抹布、擦拭灶台等，这一系列动作可能就几十秒时长，但他要重复数次。 “数采员要摆道具、收拾场景，一天采集数据总时长差不多在6个小时，经过三道质检程序后有效数据时长差不多在三四个小时。”北京人形数采基地负责人夏华林表示，这也是基地采集数据质量较高的一大原因。他举例称，今年上半年基地给一家头部客户交付项目，验证通过率能够达到95%以上。 据介绍，该数采基地既服务于天工机器人的训练，同时也会服务于其他外部客户，目前已对外交付近3万小时高质量数据。该基地拥有超过150台主流机器人设备，100余台无本体采集设备。这种“真机+无本体”“跨场景”“多任务”同步开展的模式也被称为是矩阵式的采集。 北京人形数采基地还打通从数据采集、清洗、质检、标注、模型训练、真机评测、模型部署、数据回流完整闭环链路，其中多个环节借助了AI工具。比如，质检环节可以通过平台实现24小时自动化处理，仅需要员工进行少量抽检，数据生产、交付效率有了提升。 夏华林讲述称，“白天采集完的数据，上传后晚上会在云上自动化处理，第二天就可以交付给客户。”他还表示，数据基地的愿景是打造百万小时的高质量数据集。 记者注意到，除了北京人形数据基地之外，星海图、光轮智能、京东等都在冲刺类似的目标，近期觅蜂科技还宣布已累计生产超过100万小时高质量无本体数据。 夏华林提到，目前还不清楚用如此大量的数据进行训练是否能得到一个很好的模型验证，效果究竟如何还要在真实落地场景中进行判断。现阶段，集中式的采集可以快速提升数据规模，至少能先帮助验证整个闭环。 真实场景是最终考场 为了提升模型的泛化能力，多家企业在训练时也会采用多类型的数据，不局限于数采工厂。 多家受访机器人企业表示，从他们接触的情况来看，目前行业供应的数据质量存在参差不齐的问题。无界动力创始人兼CEO张玉峰介绍，公司大模型的预训练以无本体、互联网视频以及真机遥操等数据为基础。他以无本体数据举例称，不同厂商推算标注的手部关节数据的精准性、信息密度等情况不一，这些都会影响到训练的效果。 受访对象表示，这背后与数采标准不一、人员专业素质等有关。星动纪元联合创始人席悦也观察到类似的情况。他介绍，为了保证质量，公司会先给到供应商数据采集的标准和格式。 张玉峰还补充称，公司的真机数据一部分来自于数采工厂，但数量不多。“相比于真实场景，数采工厂的真机数据有一定局限性。这是因为数采员缺乏像工厂、商业场景下的产能驱动，完成动作的速度比较缓慢。”他还提到，数采工厂复刻的场景也缺少真实环境中的随机性。 在张玉峰看来，数据采集、训练以及验证还是必须延伸至真实场景。比如机器人进入咖啡店上岗，只有在真实场景下部署机器人，团队才会发现泛化性、安全性的问题。 “虽然目前高质量数据没有定论，但我认为最有价值的数据是让模型在每个场景里面能够落地并产生很好效果。”夏华林表示。 真实作业环境下的数据，被不少行业人士认为是高质量数据，而这类数据的获取并不容易。 席悦在接受采访时提到，目前一些公司有进行POC验证的想法，但如果只是通过一两台机器人采集又很难达到Scaling Law。他表示，要实现多台真机进入作业环境中采集数据，首要前提还是要保障机器人具备一定的能力，客户才可能真正愿意合作。 “一开始可能就要让机器人的能力达到70分，部署进入到真实环境中再提升至90分甚至是100分。”席悦介绍，他们公司的机器人已经进入到多个快递物流场景上岗。其中，和一家客户的合作，从POC验证到慢慢上量，这中间的周期长达几个月。“打工”第一天，机器人的准确率还不高，但后面一段时间有了明显提升。 他认为，真实场景下积累的数据能够带来一个正向的数据飞轮循环，之后机器人在类似快递工厂场景的部署时间或能以周计算。

2026-9-9 1: 9月9日，优地机器人上市首日开盘大涨142.21%，报35.00港元。按每手200股计算，不计手续费，每手账面盈利达4110港元。 根据公告，公司本次最终发售价定为每股H股14.45港元。 资料显示，公司成立于2013年，致力于推动无人驾驶技术和具身智能在室内室外的配送、清洁和其它领域的商用落地，是中国商用服务机器人产品和解决方案头部企业之一。 财务数据显示，优地机器人总收入由2023财年的人民币2.438亿元增至2024财年的人民币2.671亿元，再增至2025财年的人民币3.177亿元。同期亏损净额由2023财年的人民币2.512亿元收窄至2024财年的人民币1.514亿元，再收窄至2025财年的人民币1.108亿元。

2026-9-9 9: 涨价不到一个月，DeepSeek又把flash系列的部分价格调了回去。 9月9日，DeepSeek在官方开放平台宣布，将于北京时间2026年9月10日12:00起，调整flash系列模型的定价：空闲时段输入缓存命中单价0.02元、输入缓存未命中单价1元，输出单价4元；高峰时段价格为空闲时段价格的2倍。 作为对比，目前空闲时段，deepseek-v4-flash和deepseek-v4-flash-vision-exp模型每百万Tokens的缓存命中输入、缓存未命中输入和输出价格，分别为0.05元、1.5元和4.5元；高峰时段翻倍，为0.1元、3元和9元。 因此，这次缓存命中输入的价格降幅达到60%，缓存未命中输入的降幅约为33%，输出则降了约11%。 有开发者根据自身Agent工作流估算，综合调用成本可能下降约40%。不过，实际降幅仍取决于缓存命中率、输入输出Token占比等因素。 DeepSeek官方目前仍然采用峰谷分时定价，工作日9:00-12:00、14:00-18:00为高峰时段，其余时间为闲时。 这次降价距离DeepSeek上次的大幅涨价还不到一个月。8月13日，在DeepSeek V4 Pro正式版上线时，DeepSeek同时宣布API涨价，其中V4 Pro系列最高涨幅达11倍。当时就有开发者表示涨价影响很大，尤其是高峰涨价太多，“没有性价比了”。 如果与8月涨价前相比，此次flash系列的缓存命中和未命中输入价格，已经在空闲时段回到此前的0.02元和1元；但输出价格仍由此前的2元上涨至4元。因此，这次降价更像是对上一轮涨价的部分回调，而不是全面回到原价。 降价的另一个背景，是DeepSeek正在测试新一代flash模型。9月8日，DeepSeek在官方群宣布开始v4.1 flash的中间版本内测，并提到能力更强、速度更快，而且成本更低。 从首批开发者的反馈来看，4.1 flash最直观的变化是速度更快了，但烧钱也更快了。由于官方提到“成本更低”，当时也有人猜测flash系列会很快降价。一天后，价格调整正式落地。 此次降价后，DeepSeek flash系列相比其他模型将会更有竞争力。考虑到正在内测的V4.1 Flash模型兼顾了速度、价格、性能，开发者认为，DeepSeek在需要敏捷反应的场景会大有可为。

2026-9-9 9: 当地时间9月8日，谷歌DeepMind发布了人类基因组预测平台AlphaGenome Atlas，可以理解为，这是一张预测人类基因组中所有可能的DNA单字母变化的图谱，能帮助研究人员理解尚未破解的罕见病等问题，并加速生物学研究。 DNA 是生命的语言，但读懂这门语言是一个很大的挑战，人类基因组中大约存在90亿种可能的单字母突变，要逐一通过实验判断这些变化是否影响健康，几乎是不可能完成的任务，但AI可以。 根据谷歌DeepMind发布的博客，AlphaGenome Atlas预先计算了人类基因组中约90亿种单核苷酸变异可能产生的分子影响，并将结果整理成一个规模达1PB的数据集。正如地图集由多张地图组成，并把海拔、位置等地理特征联系起来，AlphaGenome Atlas也绘制出了DNA变异在整个基因组中的分子效应图谱。 谷歌称，这是目前关于基因突变如何影响分子生物学最全面的预测目录，其数据体量是AlphaFold数据库的30多倍。 Atlas平台目前通过网页、AlphaGenome API以及谷歌智能体开发平台Antigravity中的技能向学术研究开放，非商业用户可以免费使用。谷歌还计划通过Google Cloud提供商业版本。 值得说明的是，AlphaGenome Atlas是在谷歌此前推出的基因组模型AlphaGenome的基础上发展而来的。 2025年6月，谷歌DeepMind首次公布AlphaGenome，这是一个基于深度学习技术的DNA序列AI模型，可预测DNA序列变异如何影响不同的生物过程，加速对非编码基因组的理解。相关研究于2026年1月发表在《自然》杂志。 不过，基础模型更适合分析研究人员主动提交的某个变异，难以直接呈现整个基因组的全貌。AlphaGenome Atlas所做的，是把模型对约90亿种变异的预测提前完成，再以数据库和可视化平台的形式交给研究人员。 为了帮助科学家快速找到影响最大的遗传变化，谷歌DeepMind还发布了AlphaGenome Variant Impact（AVI，AlphaGenome变异影响）评分。它结合AlphaGenome和AlphaMissense的预测结果，将一种遗传变异可能产生的影响压缩成一个数字。 AlphaGenome主要判断DNA变化如何干扰基因调控，AlphaMissense则侧重预测改变蛋白质的变异可能造成什么后果。两者结合后，AVI既能分析占人类基因组约2%的蛋白质编码区，也能覆盖剩余约98%的非编码区。 AlphaGenome Atlas和AVI最直接的应用场景是罕见病研究。 罕见病患者完成全基因组测序后，往往会产生数千个候选变异。真正导致疾病的可能只有少数几个，研究人员需要从大量变化中找出致病原因，如同大海捞针。 Broad研究所科学家Laura Covill一直在寻找病因不明的罕见病背后的遗传原因，但可能涉及的遗传变化数量极其庞大。借助AlphaGenome的变异影响评分，她在DNM1基因中发现了一个关键的剪接错误。 “首先利用预先计算的AVI评分，从最初数百万个变异中确定优先级，再通过Atlas查看特定变异预测影响的可视化结果，这种协同方法兼顾了广度与精度，是识别新的、值得关注的罕见病候选变异的一种有力方式。”Covill表示，这是识别非编码区域如何影响罕见病的重要一步。 另一个案例来自英国埃克塞特大学。研究员Gareth Hawkes使用AlphaGenome Atlas分析英国生物样本库超过5.4万名参与者的队列数据，寻找与血浆蛋白质水平和复杂性状相关的罕见非编码变异。借助Atlas，研究人员可以预先筛选更可能产生分子影响的候选项。在其中一个区域，候选变异从最初的526个被缩小至仅4个。 “人类基因组是一个极其庞大的搜索空间。要找到一个对特定疾病或性状真正重要的遗传变异，就像大海捞针。”Hawkes表示，AlphaGenome Atlas的价值在于“缩小这片大海”，提高找到那根“针”的概率。 可以看到的是，在AlphaFold拿到诺贝尔奖之后，谷歌的AI for Science版图开始向更多环节延伸。博客提及，AlphaGenome Atlas代表着谷歌团队朝着一个愿景迈出了一步：为生物学家提供广泛而统一的解决方案。 谷歌认为AlphaGenome Atlas是一条基线而非终点，随着AlphaGenome等AI模型不断进步，整个人类基因组图谱也会变得越来越全面和精确。

2026-9-8 2: ①荣耀将落地系统级Agent，AI助手可执行上百步任务； ②腾讯文档AI工作台上线，全面接入WorkBuddy Agent底座； ③字节跳动将推出实时空间视频生成AI模型； ④小鹏机器人生产线正式启用； ⑤Firmus与OpenAI达成多年期合作，将在马来西亚部署AI算力； ⑥日本欲研发战术AI卫星； ⑦AI辅助设计出新型RNA转运蛋白。

2026-9-8 2: 营收占比极低的AI视频业务，为何能让龙版传媒（605577.SH）股价在一周内接近翻倍？ 9月8日上午开盘后仅4分钟，龙版传媒就封住涨停，报18.82元/股。午后涨停板打开，截至收盘报18.67元/股，上涨9.12%。 Wind数据显示，8月31日～9月8日期间龙版传媒累计上涨逾93%，股价接近翻倍。 搭上AI视频、AI短剧等热门题材，是推动龙版传媒短期股价暴涨的直接原因之一。但是根据该公司披露的公告，其AI视频业务6月营收约80元、7月营收约7.5万元，占其2025年营收比例不足0.01%。 “目前对公司业绩无显著影响，预计未来亦不会对公司业绩产生显著影响。”龙版传媒提示道。 与此同时，因为对AI视频业务营收情况的信息披露存在前后不一致的问题，近期上交所对龙版传媒及该公司董秘予以监管警示，并要求其提交整改报告。 多空双方激烈博弈 Wind数据显示，9月8日龙版传媒成交额达12.48亿元，换手率为15.05%，振幅为7.25%。从成交明细来看，在上午集合竞价至龙版传媒涨停封板的9分钟里，多空双方展开了较为激烈的博弈。 9点25分集合竞价阶段，盘面出现5077手大额卖单。9点30分后大额卖单、买单交替出现，买方资金一度将股价推高至18.76元/股。9点31分，盘面连续出现15笔大额卖单，股价一度回落至17.56元/股。9点34分，买方资金再次集中成交，股价最终升至涨停价18.82元/股。 从龙虎榜数据来看，这一轮多空博弈早在8月31日就已开始。Choice数据显示，近期龙版传媒多次登上龙虎榜，仅在8月31日至9月4日期间就有3次上榜。 9月7日，龙版传媒再次上榜。当日买方前5个席位合计买入6134万元，卖方前5个席位合计卖出4943万元，合计净买入1190.95万元。在买方席位上，东莞证券四川分公司、平安证券杭州曙光路营业部、华安证券武汉百步亭花园路营业部这三个游资席位居当日买方席位前列。 因信息披露前后不一致遭处罚 本次龙版传媒股价暴涨的催化因素，是其2026年半年报里的一句话：“首部AI漫剧《穿越1988》完成170集制作上线，全网播放量突破1.2亿，红果热度值超4000万。” 就在这份半年报披露后不久，8月31日，国内首部全AIGC制作的长剧《后西游记》在芒果TV上线，同日登陆湖南卫视电视剧黄金档。据湖南卫视发布的数据，该剧一经开播，收视斩获酷云同时段省级卫视第一名。 这直接点燃了市场对AI视频概念股的想象空间。同花顺数据显示，8月31日，AI视频概念板块单日涨超5%，欢瑞世纪（000892.SZ）、芒果超媒（300413.SZ）、博纳影业（001330.SZ）等多只个股涨停。 龙版传媒也因半年报中披露的AI漫剧相关内容，被市场贴上“AI视频”概念股标签，此后股价走出连续涨停行情。 9月2日、3日，龙版传媒连发两份股价异动公告，称其主营业务为出版、印刷、发行等传统业务和数字出版等业务，AI视频业务未产生营业收入。但在9月4日，龙版传媒又公告称，其AI视频业务6月产生营收约80元，7月产生营收约7.5万元，占经审计2025年公司营业收入比例不足0.01%。 前后公告中的表述差异，立即引起监管关注。9月4日，上交所在处罚文件中指出，“AI视频业务”市场关注度较高，可能对公司股价及投资者决策产生较大影响。而龙版传媒前期披露的半年度报告未对AI视频业务的具体营收规模、占比及对公司经营业绩的实际影响程度等作出充分说明，信息披露未能准确反映相关业务实际开展情况；股票交易异常波动公告和风险提示公告中关于AI视频业务的营收情况前后信息披露不一致。 上交所认为，该公司信息披露不准确、风险揭示不充分，前后披露不一致，可能对投资者决策产生误导。 最终，上交所对龙版传媒、该公司负责信息披露事务的董秘孙福军予以监管警示，并要求该公司在1个月内，向上交所提交经全体董事、高级管理人员签字确认的整改报告。 不过，尽管AI视频业务实际营收规模较小，且公司已收到监管警示，市场资金对相关题材的交易热情仍未明显降温，此后龙版传媒股价继续走强。 12余万部AI短剧中播放量破百万的不足10% 根据龙版传媒最新披露的2026年中报，该公司主要从事图书、期刊及电子出版物的出版、发行及印刷服务等业务。今年上半年，龙版传媒营业收入为6.59亿元，同比增长5.62%；归母净利润为7867.8万元，同比下降34.46%。 结合一季报数据来看，龙版传媒一季度归母净利润为1.23亿元，这意味着其二季度单季归母净利润为-4461.29万元，出现亏损。 第一财经梳理发现，近年来龙版传媒尝试推动其主营业务实现数字化转型，但主要集中在数字出版、数智化教育服务平台开发等方面。对于“AI+主业”的布局在2025年年报的经营计划里，龙版传媒提到要开发智能AI课堂等服务项目，加快向数据驱动、AI加持的智慧教育服务商转型等，但并未提及围绕AI视频业务的详细布局。 从近期股价表现来看，龙版传媒持续上涨更多反映了市场对于AI视频模型在应用端加速落地的预期。截至9月8日收盘，芒果超媒自8月31日以来累计涨幅达到45.72%，欢瑞世纪、超讯科技（603322.SH）等AI视频概念股股价也明显上涨。 东方证券认为，AIGC长剧《后续游记》证明AI视频模型能力已达深度应用阶段，同时AIGC内容首次进入卫视黄金档，改变了过去AI剧以短视频和网络平台为主战场的流量生意，意味着主流播出渠道对AIGC内容的接纳。 中信建投证券研报则显示，上半年AI短剧上线超12万部但播放量破百万不足10%，产能爆发与爆款稀缺并存，存量博弈下变现效率承压。 与此同时，AI模型迭代速度快于商业化变现、算力及上游硬件成本持续上升、AI生成内容版权界定仍存在不确定性，以及相关监管政策趋严等因素，也可能成为AI视频行业进一步发展的潜在风险。

2026-9-8 2: 凡事预则立。近日工业和信息化部印发《信息通信行业发展“十五五”规划》（下称《规划》），提出到2030年，全面建成覆盖完善、性能领先的新一代通信网；《规划》还列出了到2030年信息通信行业收入达4.1万亿元，信息基础设施累计投资3.8万亿元等13个量化指标。 事事有规划。《规划》的前瞻性和落地的可行性让人奋进。同时，《规划》提出的推进涉诈APP分级处置、探索人工智能反诈助手、建立全生命周期电话用户实名登记与安全管理体系、构建“数据驱动、精准风控、闭环处置”的实名制技防体系等，更是为新一代通信网安装上了安全阀和防盗门，旨在为人们营造能用、敢用、可用的通信底座。 信息技术和AI技术变革，正极大便利人们的生产生活。万物互联让人能看得更高、走得更远，让曾经只存在于想象中的满足，逐渐具有了可变现的可行之路。 而这一通往未来之路的地基，是安全。无论是万物互联，还是人们对AI的全面委托，其背后都是人们对个体隐私和私域信息的可信授权机制，需要技术和制度安全。《规划》提出的一系列相关部署，抓住了人们最底层的诉求，充分体现了相关部门周密的全局思维。 要将《规划》有效落实，首先需划清管理与治理、公域与私域的楚河汉界，为各司其职、各美其美提供制度框架。 不过，单凭网络实名制并不能完全防堵欺诈行为，一个重要原因是信息交易成本的约束。欺诈行为属于私属信息，这种信息结构使监管部门天然处于信息不对称的劣势地位，单凭网络实名制反诈面临着较高信息搜集、匹配以及执法成本。 同时，监管为主的反诈工作，在激励约束机制上可能存在兼容问题。即监管反诈的成本担负主体与反诈的损益主体，并非同一主体。监管反诈的成本，属于公共品服务成本，其驱动力缘于外部激励，与反诈行为获取的边际收益，不存在直接因果逻辑。通过外部性激励反诈，不可避免面临激励约束不兼容的问题。 其次，健全信息产权和相应的授权体系，构建全生命周期实名制技防体系的制度保障。电信诈骗等现象，本质指向信息产权和授权体系的完善问题。各种私域信息遭遇侵害，很大程度上缘于信息产权认定不够清晰、私域信息治理生态存在短板，以及信息委托授权机制尚不健全。 人工智能时代，信息产权清晰是规范治理的基础。唯有基于法经济学的经济社会成本最小化原则来核定权属，AI治理才能从根上理顺，基于产权之上的授权机制和委托代理关系等才能纲举目张，平台对个人信息的采集才能有章可循，涉及个人隐私信息和私域信息才能形成采集有授权、存储有理据、安全有保障，才不至于让那些只采集不提供信息安全保障的行为，成为私域信息的风险暴露敏感点。 再次，要营造公私共治的治理生态。近年来我国制定了大量反欺诈法律法规，在此基础上，还要赋予经济社会更多的自律自治空间，为当事方的合法维权打开更多的空间，让受损者有充足的渠道和依据维权，将有助于在新一代通信网络体系中搭建起公私共济的治理生态。 治理是一个各司其职、各美其美的开放议题，如果反诈监管是刺破欺诈的矛，那么市场自律自治就是维权之盾，公私共治相互助推，才能滋生出全生命周期式治理生态，人工智能的技防体系、分类分级的安全监管体系，才能打造起一个产权有基础、授权有依据、安全有保障的良善营商环境。

2026-9-8 1: 9月8日，DeepSeek在官方群宣布，已经开始V4.1 Flash的中间版本内测。 V4.1 Flash采用了新的模型结构，原生多模态支持，能力更强、速度更快、且成本更低。 对开发者而言，目前API调用方式是保持base_url不变，将模型名设置为deepseek-v4.1-flash-expires-on-0910，即可开始调用，每账号限流20并发。 接口、模型名称和价格都已经公开，因此有开发者认为，这次所谓的“内测”，实际更接近一次面向开发者的小范围公开测试。 目前社交平台已经有一些反馈，有的认为这一内测并发限制太大，更适合功能验证和效果测试，而非承接大规模线上业务。且从模型名字来看，此次内测9月10日会自动过期下线，也就是说留给开发者的体验时间只有两天。 “第一感受是太快了。”从首批开发者的反馈来看，V4.1 Flash最直观的变化是更快了。有的开发者提到，同一任务端到端，内测的新模型V4.1 Flash全面碾压 V4 Flash Vision-Exp，例如SVG代码生成快6倍，长上下文检索快5倍多。这一次新模型兼顾了多模态和速度，不是小修小补。 不过，针对官方提到的“成本更低”，有开发者认为并没有直接感受到，“5分钟10块钱”，还有的提到“瞬间几十块没了”。对此，有猜测认为可能是速度更快、相同时间内token消耗也更快的原因。 官方表示，当前内测计费与deepseek-v4-flash相同，即空闲时段，每百万Tokens的缓存命中输入、缓存未命中输入和输出价格，分别为0.05元、1.5元和4.5元；高峰时段则分别为0.1元、3元和9元。 从开发者实际支付的每token价格看，新模型并没有降价。官方所说的成本更低，更可能指底层推理效率提高，或者完成相同任务所需的计算成本和token数量下降。这两项优势是否会转化为开发者账单的减少，还需要更多测试验证。 目前DeepSeek并未更新官方博客正式介绍新模型，更多信息或许还要等内测结束后的正式上线。 近两个月DeepSeek更新迭代明显加快。7月31日，DeepSeek V4 Flash正式版上线；不到两周后的8月13日，V4 Pro正式版发布，DeepSeek同时宣布大幅调整API价格。同一天，DeepSeek Harness开发者预览版开放测试并开源。 8月19日，DeepSeek Harness发布新版本，补充多模态输入、子智能体协作和工具调用等能力。8月21日，V4 Flash Vision-Exp上线API平台，并于8月31日开放模型权重。到9月8日，采用新结构的V4.1 Flash已经进入内测。 不到40天，DeepSeek围绕模型、原生多模态和Agent开发工具连续更新，这种节奏表明，DeepSeek正在补齐从底层模型到Agent基础设施的产品体系。 不过，从模型能力看，DeepSeek今年排名有所回落，暂未在最新一轮模型竞争中占据领先位置。 根据AI基准测试机构Artificial Analysis的数据，DeepSeek模型的智能指数为36分，排在榜单第15位。榜单前两名仍由海外厂商的Claude模型和GPT-6占据；国内模型中，智谱和Kimi分别位居第7和第9位，千问排在第13位。 这也是外界对V4.1 Flash抱有期待的原因。据观察，这次DeepSeek的更新并不是在上一版模型上简单进行后训练，似乎还重做了预训练。开发者期待新架构能带来足够明显的能力跃升，DeepSeek能回到全球模型能力的第一梯队中。

2026-9-8 1: 随着自动驾驶和辅助驾驶技术的快速发展，相关事故责任认定成为社会关注焦点。最高法日前发布新文件，明确了自动驾驶汽车、具备驾驶辅助功能汽车致损时的责任承担规则，并对车企的虚假宣传进行规制。 9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（下称《意见》），这是首个由国家最高审判机构发布的涉人工智能司法裁判规则文件。《意见》发布同日，由最高人民法院研究室主任周加海等人编写的《<最高人民法院关于依法审理涉人工智能纠纷案件的意见》>的理解与适用》（下称《理解与适用》）在网上公开。 《意见》明确要“依法认定涉自动驾驶汽车、具备辅助驾驶功能汽车交通事故的赔偿责任”。《意见》提出，自动驾驶汽车、具备辅助驾驶功能汽车上道路行驶，发生交通事故造成损害的，依据民法典和道路交通安全法有关规定承担赔偿责任。因车辆存在产品缺陷导致交通事故造成损害，当事人请求生产者或者销售者依照民法典第七编第四章的规定承担赔偿责任的，人民法院应予支持。 如何理解上述规则？《理解与适用》指出，在法律对自动驾驶汽车、具备辅助驾驶功能汽车致损的民事责任承担问题作出专门规定之前，仍应当适用现行法律关于传统机动车交通事故侵权责任、产品责任的规定来解决自动驾驶汽车致损的责任认定问题。 具体而言，在民事责任承担方面，自动驾驶汽车或者具备辅助驾驶功能汽车发生交通事故后，应当按照民法典以及道路交通安全法关于机动车交通事故责任的规定，先确定交通事故各参与方的责任。之后，在各参与方内部，根据事故发生的原因，按照产品责任或者一般侵权责任认定最终承担侵权责任的主体。如果事故发生系由机动车产品缺陷导致，则当事人可以请求生产者或者销售者承担侵权责任。 中国政法大学法学院院长张力向第一财经记者指出：“在交通事故这样的侵权场景中，明确自动驾驶、辅助驾驶汽车均有可能涉及产品责任，《意见》导向民法典现有规定，即现有责任主体、归责原则和补救措施。” 《意见》还规定了辅助驾驶场景下的车辆缺陷与驾驶人的按份责任，即明确：具备辅助驾驶功能的汽车因车辆缺陷与驾驶人的过错行为结合导致同一损害，当事人依据民法典第一千一百七十二条等规定同时请求驾驶人和车辆生产者或者销售者承担赔偿责任的，人民法院依法予以支持。 民法典第一千一百七十二条规定，二人以上分别实施侵权行为造成同一损害，能够确定责任大小的，各自承担相应的责任；难以确定责任大小的，平均承担责任。这明确了“多人分别侵权造成同一损害，行为人承担按份责任”的规则设计。 《理解与适用》解释，上述规定更有利于受害人及时、全面获得救济，也有利于引导企业不断提升产品安全性。特别是当驾驶人自身没有赔偿能力而保险金额也不足以赔付损失时，一并将缺陷车辆的生产者、销售者作为被告，对于受害人权益保障而言意义重大。 但是，《意见》并没有规定自动驾驶场景下是否涉及按份责任。张力认为，这主要是考虑到，在自动驾驶场景下，已经没有驾驶人，此时主导驾驶的是自动驾驶系统，而交通事故的责任与驾驶行为是紧密关联的。但他同时指出，这不能完全排斥车内人员的责任，只是这种责任不是驾驶行为带来，而可能是一种监督车辆运行的责任，这要留待未来实践进一步观察。“当前除了道路测试和示范应用，还几乎没有自动驾驶汽车上路行驶，《意见》恐怕也难以针对这种情况进行提炼总结。”张力说。 另值得注意的是，《意见》还明确一条规则，将辅助驾驶与刑事法律责任联系在一起。《意见》指出，行为人激活辅助驾驶功能后利用私自安装的配件逃避辅助驾驶系统监测导致道路交通事故，构成犯罪的，依法追究刑事责任。 《理解与适用》指出，在辅助驾驶技术应用日益广泛的背景下，有的驾驶人在激活辅助驾驶系统后，不再专注驾驶，而是玩手机、睡觉等，有的驾驶人甚至购买、使用“智驾神器”等非法配件，逃避系统安全监测，长时间“脱手”驾驶，严重威胁道路交通安全。 关于醉酒后启用车载辅助驾驶系统是否影响危险驾驶等犯罪的构成问题，也多次引发讨论。部分驾驶人误以为车上的辅助驾驶功能就是“自动”驾驶，甚至在酒后开启相关功能，以为这样可以减免法律责任。 最高法发布的指导性案例271号“王某群危险驾驶案”，已对前述情况作出了清晰规定。在“王某群危险驾驶案”中，2025年9月，男子王某群酒后使用“智驾神器”（一种能逃避辅助驾驶系统安全监测的违规配件）驾车，自己躺在副驾睡觉，车辆在道路上行驶了20分钟后停止。经法院审理，被告人王某群被判犯危险驾驶罪，处拘役一个月十五日，并处罚金4000元。 《理解与适用》指出，《意见》相关规则结合了指导性案例271号“王某群危险驾驶案”和入库参考案例“孙某迪危险驾驶案”所确立的规则。换言之，车载辅助驾驶系统不能代替驾驶人成为驾驶主体，行为人醉酒后启用汽车驾驶辅助功能的，不影响相关刑事责任的认定。 此外，近年来个别经营者以自动驾驶等用语对仅具备辅助驾驶功能的汽车进行宣传，误导消费者，曾引发社会热议。《意见》对这类行为也进行了规制，明确：车辆生产者、销售者对自动驾驶汽车、具备辅助驾驶功能汽车的自动化等级、智能程度、性能、用途等进行虚假或者引人误解的宣传，损害消费者合法权益，消费者依据民法典、消费者权益保护法等法律规定请求车辆生产者、销售者承担民事责任的，人民法院依法予以支持。 道路交通安全法最近启动大修，也拟对这类夸大宣传行为进行规制。在日前公开征求意见的道路交通安全法修订草案中，有条款明确规定：自动驾驶汽车生产企业、进口企业或者其委托的单位，应当如实告知自动驾驶功能设计运行条件，不得作出不符合自动驾驶功能设计运行条件的产品说明、商业宣传等。 在涉自动驾驶汽车、具备辅助驾驶功能汽车交通事故中，相关案件数据往往掌握在企业手中，对此，《意见》明确，为查明道路交通事故发生原因，人民法院可以要求车辆生产者、销售者或者运营者等数据控制方，在必要范围内提供真实、完整的自动驾驶、辅助驾驶事件记录等查明案件事实所需要的数据。

2026-9-8 1: 随着人工智能模型快速迭代更新、应用场景持续拓展，相关的知识产权纠纷也日渐增多。利用AI进行的创作能否被认定为作品？如果AI生成的内容侵害他人著作权，谁来承担责任？知识产权纠纷如果涉及开源软件，又该如何追责？一系列新的热点问题亟待司法回应。 9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（下称《意见》），对涉人工智能知识产权纠纷案件作出系统规定。同日，由最高人民法院研究室主任周加海、最高人民法院研究室副主任司艳丽等人编写的《<最高人民法院关于依法审理涉人工智能纠纷案件的意见》>的理解与适用》（下称《理解与适用》）在网上公开。 从人工智能生成内容侵害他人知识产权的责任认定，到对免费人工智能开源软件开发者、提供者的责任豁免，再到规范涉及人工智能发明创造的专利授权确权，《意见》回应了人工智能技术快速发展给知识产权司法保护带来的新挑战。对于一些目前难以形成共识的问题，《意见》作了留白处理，待进一步积累经验，条件成熟时再通过适当方式作出明确。 规制涉人工智能侵害知识产权的行为 随着生成式人工智能技术的快速迭代，人工智能生成内容已经深度渗透到内容创作、商业设计、以及科技研发等领域，这让原本的著作权规则面临新的挑战。AI生成内容侵权责任认定、涉人工智能发明创造的专利授权确权等问题，已成为社会关注的热点话题。 《意见》首先明确，要依法规制涉人工智能侵害知识产权的行为。人工智能生成内容侵害他人著作权的，人民法院应当综合考量人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施以及获利情况等因素，依法合理认定人工智能开发者、提供者、使用者的责任。 中国科学院科技战略咨询研究院研究员肖尤丹告诉第一财经记者，《意见》首次在国家最高审判机构层面建立了产业链分层追责体系，对开发者、提供者、使用者的责任边界作出差异化规定。 《意见》还明确，人工智能开发者提出不侵权抗辩的，应当责令其提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证。肖尤丹认为这是其中最具突破性的一点，是为开发者设置了“不侵权抗辩”的强制信息披露义务，实质上构成了对AI“黑箱”的司法穿透。 关于涉人工智能发明创造的专利授权确权，《意见》明确要依法规范此类行为。《意见》明确，涉人工智能发明创造采用遵循自然规律的技术手段，解决了技术问题，实现了符合自然规律的技术效果的，人民法院应当依法认定其为专利法所保护的客体，但是违反法律、社会公德、损害社会公共利益或者自然人没有实质贡献的除外。同时，人工智能专利说明书对技术方案的表述，达到本领域普通技术人员能够实现该发明的程度的，应当认定符合公开充分的授权条件。 而对于人工智能生成的发明，是否可以赋予人工智能发明人身份，这在全球范围内都是一个争议性难题。《意见》对此也进行了明确回应：自然人使用人工智能完成的发明创造，该自然人对发明创造的实质性特点作出了创造性贡献的，应当认定该自然人为发明人。 此外，还有一个问题受到社会广泛讨论，那就是：人工智能生成内容是否属于著作权法意义上的作品？第一财经记者注意到，《意见》并未对此进行明确回应。《理解与适用》显示，在《意见》起草过程中，关于人工智能生成内容的可版权性问题的意见分歧较大，暂未作出规定。 《理解与适用》提到，司法实践中，人工智能服务使用者就其利用人工智能生成的内容主张著作权的案件并不鲜见，相关观点也不尽相同。人工智能生成内容是否属于著作权法意义上的作品，关键是要判断其是否符合著作权法规定的作品的构成要件。根据《著作权法》第3条规定，作品的三个要件是：作品系由人类创作；作品应具有独创性；作品应具有一定的表达形式。但目前，对于人工智能生成内容能否满足作品要件，在理论和实务上存在很大争议。 鉴于理论界和实务界对人工智能生成内容可版权性问题远未达成共识，全球范围内也尚无规定人工智能生成内容可版权性的先例，《意见》对此问题暂未作规定。 鼓励开源开放，明确责任豁免 当前，生成式人工智能模型的研发高度依赖开源软件生态。大量基础模型、深度学习框架、训练工具、数据处理工具以及各类中间件以开源方式提供。涉开源人工智能的侵权纠纷处理，如何在有效控制法律风险的同时，又能保护好开源创新的积极性，成为实践中的难点、重点。 《意见》明确，要依法合理认定涉人工智能开源软件相关方的法律责任。审理涉开源软件案件，认定开源软件开发者、提供者以及后续开发者、提供者的侵权责任，应当综合考量开源许可协议类型、权利限制的具体内容、安全合规举措和信息披露程度等因素，依法给予开源软件开发者、提供者适当的责任豁免。 同时，《意见》还明确开源软件开发者、提供者以免费开源的方式提供涉人工智能软件研发所需要的部分代码模块，并公开说明其功能和安全风险，他人使用该代码模块导致侵权的，人民法院可以认定开源软件开发者、提供者不承担侵权责任。 《理解与适用》提到，相对于以商业化方式提供开源软件的开发者、提供者，免费开源软件的开发者、提供者不从许可活动中获利，一般对下游使用者如何使用其代码模块也缺乏控制力，根据权责对等以及责任承担与控制能力相匹配原则，对其设定的注意义务也应较低，在一定条件下可以获得责任豁免。 肖尤丹认为，《意见》在开源软件领域明确的规则改变了此前开源软件侵权责任边界模糊的状态，将开源许可协议类型、权利限制内容、安全合规举措和信息披露程度作为综合裁量的核心因素，体现了司法对促进和鼓励开源生态的明确保护态度。 未经许可使用他人作品训练AI大模型的定性有争议 使用他人已公开的作品进行数据训练，是人工智能技术发展过程中的普遍现象。随着人工智能的不断发展，数据训练引发的著作权侵权争议不断出现。其中有一个案例曾引发广泛关注，即纽约时报在美国法院起诉某AI和微某公司未经授权使用其数百万篇新闻文章训练大模型侵犯著作权一案。 《理解与适用》指出，在《意见》起草过程中，此问题亦被纳入视野，但是论证过程中存在着很大争议。 一种意见主张，使用他人作品训练人工智能大模型宜适用著作权合理使用制度，或者直接认定不构成侵权。主要理由是：数据训练类似于人类的学习行为，不影响作品的正常使用，通常也不涉及复现权利作品；人工智能训练涉及海量作品，权利人十分分散，如果要求开发者逐一取得许可，交易成本极高，不利于人工智能发展。 另一种意见则明确反对上述观点，主要理由：一是在特定情况下，生成式人工智能有可能复现作为其训练数据的权利人作品或者生成与权利作品相竞争的内容，进而损害著作权人的合法权益。二是人工智能数据训练的情况较为复杂，不同性质的数据训练以及开发训练是否出于商业目的等因素，均会影响对权利作品的保护强度，不宜“一刀切”作出规定。三是在技术上，著作权法及其配套法规关于合理使用的规定并未给数据训练行为留出适用空间。鉴于上述争议，《意见》暂未对此问题作出规定。

2026-9-8 1: 9月8日下午，第二十二届上海国际汽车工业展览会（以下简称“2027上海车展”）组委会官方宣布，2027上海车展将于明年4月23日至5月2日在国家会展中心（上海）举行，展出规模预计40万平方米。 2027上海车展的主题为“共建生态 智领未来”，将深度聚焦智能新赛道、创新新领域和产业新生态，助力推动全球化的技术互通、市场共建和价值创造，让智能科技引领未来出行，为行业的高质量发展持续赋能。 上海市国际贸易促进委员会副会长、上海市国际展览集团有限公司董事长顾春霆表示，将从三个方面积极打造上海车展。 一是持续提升上海车展首发首展的平台能级，构建一个从首发集聚、应用转化到生态培育的完整知识体系。通过夯实上海车展世界级交流平台的核心优势，为全球参展企业提供更多投资上海、投资中国的发展机遇，为中国企业扬帆出海搭建共赢平台，将2027上海车展这样重量级的首发活动，转化为长期的产业生态和行业影响力。 二是积极探索智能经济新赛道，为汽车制造前瞻布局。2027上海车展将积极赋能企业，从注重垂直配套转向深度协同，将汽车领域积累的技术能力向更广阔的智能硬件领域延伸。展会将探索性地布局多个前沿赛道，推出具身智能展区，打造物理AI、高端芯片等前沿技术落地应用场景，以此丰富智能汽车的产品定义、技术架构和产业格局，着力推动世界汽车工业从“制造”向“智造”的能级跃升。 三是将深度融入上海文商旅体展的城市发展战略，与“五一”假期积极联动，为上海市民和全球游客打造可体验、可消费的“一站式”汽车消费新生态。 中国汽车工业协会副会长兼秘书长付炳锋表示，上海国际车展已成为全球规模最大、产业风向标意义最强的综合性国际车展，全球汽车行业的顶级盛会。如今，上海国际车展不仅是新车首发展和技术首秀场，更是国际交流合作的最佳平台，发挥着超级枢纽的重要作用，有着不可替代的独特价值。本届车展将全面展示中国引领全球汽车变革背后的创新成果，并将汇集全球智能汽车顶级阵容，智能化整车和供应链领军企业将集中揭晓经过充分验证即将投放市场的创新成果。进口，合资，自主品牌三大阵容将凭借各自差异化表现同台竞争，充分彰显全球汽车产业开放包容，互利共赢的蓬勃生机。 付炳锋还表示，目前各方参展报名情况已经超出预期，各项准备工作正在稳步推进。2027上海车展将进一步创新和优化服务，将陆续推出针对展商、媒体和观众的升级服务包，全面提升上海车展的参展价值和观展体验。

2026-9-8 1: 9月7日晚，DeepSeek Harness团队负责人崔添翼在社交平台公开招人，一次性放出了约150个名额，“很多新方向新系统新需求需要搞”。 对于一向以“小团队、高人才密度”著称的DeepSeek而言，这并不是一次小招聘。这也是继今年6月对外释放大规模招聘信号后，DeepSeek又一次公开扩招。 但从岗位类型来看，两轮招聘的重点有所不同。上一次DeepSeek的规划是“将所有部门的规模扩大至少一倍”，招聘覆盖7大类岗位，此次DeepSeek 的招聘更聚焦，主要招聘服务端开发工程师和Agent（智能体）弹性计算研发工程师这两类。 崔添翼表示，这是一次长期主义的、大规模的投入，2至10年工作经验的资深工程师将是本次招聘的重点关注对象，同时也提到，欢迎应届毕业生及两年以内经验的新鲜力量加入，对特别优秀的候选人，年限要求可适当放宽。岗位的工作地点以北京为主，部分可选择杭州。 他将这次招聘称为“前所未有的150个HC的招聘需求”。如此大规模补充工程人才，是因为DeepSeek面对的“量”正在迅速变大。 “计算机领域的任何东西，量变大后都会带来复杂度的巨大增加。”崔添翼解释，数据量、机器和容器数量、训练任务、评测任务、Agent环境、用户及请求量等，都在急剧增长。 规模膨胀之后，原有后端系统不一定能够继续支撑未来需求。因此现在DeepSeek需要大量招人来升级、维护和重写各种后端系统。 崔添翼今年3月加入DeepSeek，负责新成立的Harness团队。他此前6月曾表示，团队目标宏大、工作繁重，但人员非常紧缺，“每天都在面试”。从此次一次性释放约150个岗位来看，DeepSeek的团队扩张显然还没有结束。 岗位详情显示，这次DeepSeek服务端开发工程师的招聘方向包括大模型研究平台方向、Agent框架组件方向、研发效率基建方向、DeepSeek API 方向、线上服务方向、数据工程方向；Agent弹性计算研发工程师下面则招聘平台开发和维护方向、底层调优和攻坚方向两类。 在岗位要求中，针对服务端开发工程师，官方要求招聘对象是团队里真正干活、解决问题的人，需要工程技术过硬，交付技术成果能力强，同时对技术本身有热情，不只是份工作，也希望招聘对象比别人更早把 AI 用进工作和生活，“真的去了解和学习背后的技术，而不是停留在试用 AI 产品上”。 对于Agent弹性计算研发工程师，则侧重于理解需求。DeepSeek的Agent弹性计算平台DSec托管着成千上万个沙箱环境，正在推进下一代模型的迭代，为了增加可靠性和效率，DSec 需要修改整个系统栈，“很多事情前人没有做过，没有现成的答案可抄”，岗位要求将需求捕捉出来，从模糊想法变成稳定、好用的平台能力。 过去三个月，DeepSeek动作密集。 今年6月完成首轮500亿元融资后，DeepSeek先是开启大规模招聘、扩充团队，随后接连更新DeepSeek-V4-Flash正式版、DeepSeek V4 Pro正式版以及DeepSeek Harness开发者预览版。与此同时，DeepSeek宣布大幅上调API价格，最高涨幅达到11倍。 近期还有消息称，DeepSeek计划在其位于内蒙古乌兰察布的在建数据中心内，部署至少16万颗华为新一代昇腾950DT加速芯片，用来运行其模型，若该计划顺利实施，这将成为目前已知规模最大的国产AI芯片集群之一。针对这一消息，DeepSeek与华为目前均未作出公开回应。 资本层面的扩张也仍在继续。6月首轮融资完成交割后，市场消息称，DeepSeek启动了第二轮融资，计划募资500亿元，投前估值约5000亿元。也有消息提及，DeepSeek的年度经常性收入（ARR）已达到5亿美元。对于上述融资与收入信息，DeepSeek未作出回应。 从C端用户规模来看，DeepSeek目前仍位居国内头部，排在第三位。根据Quest Mobile的数据，截至2026年6月，DeepSeek月活用户数为1.29亿，仅次于豆包的3.82亿、千问的1.67亿。 不过，在模型能力排名上，DeepSeek今年有所回落。根据AI基准测试机构Artificial Analysis的数据，DeepSeek模型的智能指数为36分，排在榜单第15位。榜单前两名仍由海外厂商的Claude模型和GPT-6占据；国内模型中，智谱和Kimi分别位居第7和第9位，千问排在第13位。 对于DeepSeek而言，接下来的考验是，如何让人员和资源的增加，转化为更快的模型迭代、以及更成熟的智能体产品。

2026-9-7 2: ①华为HarmonyOS 7正式发布； ②宇树科技：首次实现人形机器人全自主搏击； ③腾讯混元：已专项优化Hy4 preview“复杂任务下的长思考、过度自我验证”等问题； ④AI智能体手机努比亚NaviX Ultra 9月16日上市； ⑤蚂蚁集团入股Physical AI解决方案提供商厘清智能； ⑥三星电子拟于2027年1月CES展会发布人形机器人； ⑦OpenAI更新GPT-6 Astra界面，补充模型性能及API定价等信息； ⑧沙特AI公司Humain启动IPO筹备工作；

2026-9-7 2: 9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（简称《意见》）。这是首部由国家最高审判机构发布的涉人工智能司法裁判规则文件。 区别于此前的文件，《意见》聚焦AI技术应用引发的侵权、知识产权、消费者权益等案件审判，为急速狂奔的AI产业建立了一套基本的“交通规则”。 在此之前，AI领域的很多行为处于“无法可依”的灰色地带。《意见》强化法律边界，明确技术开发者与使用者需担责、人格权与隐私权保护升级、消费者权益保障加强。 《意见》共5个部分24条，在明确涉人工智能纠纷案件审理的指导思想和基本原则基础上，分别就侵权行为的司法规制、知识产权案件审理、审理程序规则以及纠纷化解工作机制等作出规定。内容聚焦AI换脸拟声、网络开盒、大数据杀熟、自动驾驶等社会各界高度关注的问题，明确了相应的裁判规则。 答记者问环节，最高法相关部门负责人在回答关于“AI换脸拟声”“网络开盒”等侵害人格权益的热点问题时补充称，要以包容审慎的态度平衡人格权益保护与人工智能产业发展，但包容并不等于纵容，审慎也不等于放任。 因此，《意见》针对性规定依法规制“AI换脸拟声”等利用人工智能侵害肖像权、名誉权、声音权益的行为。相关部门负责人表示，实践中，反映最强烈的是AI深度伪造。比如，AI换脸技术可以无差别地“收割”所有人的肖像，普通人也可能成为深度伪造的“目标”；以及使用AI拟声技术，花几元钱就能“偷声”，效果足以乱真。 《意见》第四条明确规定：未经同意利用人工智能处理自然人的姓名、肖像等，生成可识别该自然人的虚拟数字形象并使用、公开的，构成对姓名权、肖像权等人格权益的侵害；未经同意使用自然人声音作为训练语料，模仿其音色、语调和发音风格生成可识别的合成人声的，构成对声音权益的侵害；操控虚拟形象、合成声音实施不当行为或者发表不实言论、降低他人社会评价的，构成对名誉权的侵害，依法追究行为人的侵权责任。 此外，针对社会关注的“AI复活逝者”现象，《意见》也专门作出规定，依法保护死者的人格利益。 这一规则的重要性在于，司法保护对象已经从传统的照片、姓名、声音等人格要素，延伸至AI生成的“数字人格”。随着数字人、AI主播、明星数字分身等应用快速发展，“技术上能不能复制”与“法律上能不能使用”之间正在形成越来越清晰的边界。 在隐私权保护方面，最高法首次明确将利用AI实施“网络开盒”“人肉搜索”等行为纳入隐私权侵权的司法规制范围。 《意见》明确，以刺探隐私为目的，利用人工智能对特定自然人的电话号码、网络账号、社交媒体等公开信息进行追踪、分析，获取私密信息，或者将获取的信息泄露、公开、侵扰私人生活安宁的，应当认定构成隐私权侵害；利用AI对特定自然人的私密空间、私密活动实施拍摄、窥视、窃听等行为的，同样应依法认定侵权。 “开盒”顽疾由来已久。第一财经此前调查发现，在境外即时通讯软件Telegram上，有提供开盒服务的账号列出了从身份证信息到户籍、婚姻记录、出入境记录、外卖住址、名下资产流水等50多项用户隐私信息，只要用户充值足够金额均可获取。 多位安全行业人士对记者表示，“开盒”难根治，原因在于涉及产业链环节过多，且需要平台侧、监管侧共同努力，需要持有数据的机构进行重投入维护，非朝夕间可解决的问题。 《意见》此次明确的规定，回应了AI时代的新问题：AI正在降低“从公开信息拼出个人隐私”的技术门槛。过去需要人工搜索、交叉比对的大量信息，如今可以交由AI快速关联、分析和推断。但公开信息并不意味着可以被AI无限制地聚合、分析并进一步用于刺探隐私，这实际上为AI时代的数据使用划出了新的司法边界。 此外，《意见》在消费者权益保护方面明确，利用AI仿冒名人带货并构成欺诈的，消费者可主张惩罚性赔偿；经营者利用算法实施不合理差别待遇并造成损害的，应承担侵权责任。针对自动驾驶事故责任、AI模型训练数据合规、开源软件法律适用、知识产权保护等新型纠纷，《意见》也分别作出相应规定。 从AI产业发展阶段看，《意见》的意义已超出对热点乱象的回应。随着生成式AI从聊天工具进入数字人、内容生产、搜索、交易乃至自动驾驶等现实场景，AI的影响正从生成内容转向直接影响个人权益和现实社会。 需要强调的是，此次最高法通过司法裁判规则明确：AI不是责任主体的免责工具，技术开发者、服务提供者、经营者及实际使用者，均需在相应行为中承担法律责任。 为此，《意见》首次参照适用“避风港规则”，明确了生成式AI服务提供者的责任边界。最高法相关部门负责人解释，AI服务提供者难以事先预知用户输入的内容，也无法逐一审查生成结果，但侵权内容生成后，经权利人通知，服务提供者应当、也有条件采取必要措施，因此具有参照适用“避风港规则”的合理性。 据此，《意见》明确：AI自动生成内容侵害人格权益，经权利人通知，服务提供者未及时采取停止生成等必要措施的，应承担侵权责任；用户恶意诱导AI生成侵权内容，该用户担责，服务提供者未及时采取必要措施的，权利人可请求二者共同承担责任。

2026-9-7 1: 近日，AIGC长剧《后西游记》登陆湖南卫视晚间黄金档，引起业界对AI影视前景以及人才储备的议论。 第一财经记者了解到，AI影视产业目前缺乏既懂内容创作又懂AIGC技术的复合型人才。以高校和行业协会为代表的人才培养体系，正在抓住这个难得的转型机会。 AI到来后人才缺口依然存在 AI让创作变得更容易，但并没有让创意失去价值。 相比真人实拍短剧，AI短剧在制作环节有着更高的效率和更低的成本。但这种被外界认为会削减人手的赛道，当下正存在人才缺口，需求指向同时具备故事创作能力强和理解AI工具使用流程的复合型人才。 “缺人这一情况得辩证来看，我们缺的是能做爆款的人才。就像优质故事一直是稀缺的，而当前市场上同质化的故事有些过多了。”此前，有面向国内市场的短剧从业者向第一财经记者表示，之前短剧制作出来，只要质量中上就不会亏本，甚至还能有赚头。现在不一样了，爆款的盈利空间更可预期，这对从业者素养有了更高的要求。 “无论原本就是文娱行业的从业者，还是跨行过来的爱好者，我们都欢迎。现在很缺人，缺识货的人。例如编剧或者写手能不能写出好本子，或者能从海量的故事里选出有潜力的作品去改编。”该从业者表示，现在国内主流视频平台和垂类短剧平台会面向短剧作品设置各类奖励或补贴，这对众多制作短剧的企业或小工作室而言是很大的激励。但不排除补贴在未来减少或取消，AI短剧制作方得对未来更激烈的竞争格局有所准备。 伴随着AI技术的快速发展，不少影视文娱从业者向既懂内容又懂AI的复合型人才转型。此外，技术的快速发展还助力了部分非影视文娱行业的从业者加入这一赛道。 Loomi Entertainment Group是一家新兴数字内容企业，旗下AI短剧平台面向东南亚多个国家或地区进行AI短剧的制作与分发。集团行政总裁谢复欣在接受第一财经记者采访时表示：“我们并不认为未来会是简单的‘AI取代创作者’。一位优秀的编剧，本身就需要理解故事结构、人物塑造、冲突、节奏和情感。这些核心能力并不会因为制作技术发生变化而消失。当AI降低制作门槛之后，真正好的故事和创意可能会变得更加稀缺，也更加有价值。” 谢复欣认为，观众会变得越来越成熟，他们会很快识别出大量重复性的AI内容。即使技术上看起来很新，如果故事缺乏吸引力、角色没有情感、画面缺乏一致性，观众仍然不会长期留存。当每个人都可以创作时，创作什么、如何讲好一个故事，以及如何建立真正有辨识度的IP，反而会变得更加重要。 人才培养体系早已行动起来 在AI技术应用铺开的同时，影视产业的人才培养体系早已行动起来。 吴晓峰是香港理工大学的教授，亦是该校元宇宙技术理学硕士课程的项目主任。在近期举行的2026数码娱乐领袖论坛期间，他接受第一财经记者采访时分享了他所在团队的实践经验。 “以我们的Ferryman项目为例，项目的起点并不是‘我们拥有VR或AI技术，所以要寻找一个应用’。真正的起点是学生在接触长者和社区时，发现许多珍贵的个人记忆、地方文化和人生故事正在消失。”他表示，学生希望保存并重新讲述这些故事，因此才进一步使用3D空间重建、AI数字人和沉浸式叙事。技术扩大了表达能力，但决定作品方向的，仍然是学生对人的观察以及与社区建立的情感联系。 吴晓峰向记者表示，目前市场上常见两种人才错配。文化创意人才有故事、审美和内容判断，但未必了解如何把内容接入AI工作流；技术人才可以调用模型和开发系统，却未必理解文化语境、视觉风格、人物情感、知识产权及用户体验。双方如果缺少共同语言，项目很容易停留在技术演示或概念样片，难以变成可以持续使用和商业化的产品。 “我们在‘数智文旅与资产研究中心’的实践中对此感受非常明显。中心需要把文化资料、真实空间和地方故事转化为AIGC视频、三维场景、AI数字人和互动文旅体验，因此一直在寻找新的AIGC创作者。”据吴晓峰介绍，目前，他们正在同时招聘AIGC视频创作者和API开发人员。这反映出新的内容生产已经不是单一岗位可以完成，AIGC创作者需要理解模型能力、工作流和内容一致性。API开发人员也需要理解叙事节奏、视觉质量和文化表达。 香港演艺学院、苏黎世艺术大学和FilmEU欧洲大学电影与媒体艺术联盟携手打造了cineDESK。该项目最初是面向教育领域电影规划的共享工具，经由团队协作与实践研究，逐步发展为一个全球性协作网络。制片人、导演、摄影指导、美术指导及其他创意领导角色可以在多点触控桌上共同探索空间、光线、道具和表演如何无缝转化为电影片段。 对影视拍摄现场而言，场景使用时长有限，演职员档期有限，流程一环接着一环，减少试错至关重要。 香港演艺学院电影电视学院院长林均乘告诉记者，以往，不少编剧、导演、摄影师在现场协作过程中会起争执。在过往的影视拍摄过程中，大家通过语言去表达自己的想法，哪怕美术设计环节的交流也是以文字语言的形式。但现在，在新技术的帮助下，沟通模式变得可视化。 AI影视商业化效果还有待验证 如今，AI技术正深度渗透影视工业全流程，重塑内容生产方式。作为华语影视产业的代表性城市，香港长期积淀了完备的影视制作与全球化发行体系。香港制作成本相对较高，这会促使团队更快测试AI辅助的可行性。第一财经记者了解到，目前业界大多已由观望转为主动了解，并开始以不同方式把AI纳入实际流程。 香港电影后期专业人员协会副会长朱汉威告诉第一财经记者，虚拟制作本质上是后期前置，在拍摄前完成虚拟场景，再配合大型屏幕进行实拍。AI可在此流程中辅助建模、场景生成等工作。香港本地空间成本高，难以长期营运一套完整、高规格的虚拟拍摄厂房。小型虚拟棚条件有限，往往未能发挥虚拟制作的最大效益。 为此，该协会与香港恒生大学合作，测试AI辅助虚拟制作的可行性，并于2026年香港国际影视展的AI学院发表测试成果，尝试以AI补足小型虚拟棚的限制。随着各平台世界构建（World Building）技术发展，未来有机会出现更成熟的实时虚拟场景生成，应用于虚拟拍摄。 AI技术对影视工业的帮助显而易见，但这不意味着AI能取代团队协作和人的创意。朱汉威告诉记者，就工序结构而言，后期的基本框架并没有被推翻，仍然是剪接、调色、音效、配音、音乐、包装和字幕等环节。真正改变的，是人力配置与工作半径：AI使同一个部门、甚至同一位制作人，能够同时处理更多工序，因此对小团队制作较为有利。 从财务角度，朱汉威认为AI有助于在同一预算下提升制作完成度，但现阶段仍不宜称为行之有效。AI可以较快交出某种程度的初稿或效果，可是当导演提出具体修改时，生成结果的不确定性，往往会令进度停滞。相比传统CGI较精准地控制与调节，AI修改有时反而需要额外的时间和人力。 当前，不少省市开始尝试用AI短剧赋能文旅产业。吴晓峰认为这一领域已经进入实际应用阶段，但要形成稳定、可复制的商业闭环，还需要两至三年。关键不是能否快速制作一部短剧，而是短剧能否持续吸引观众，并把线上流量转化为景区到访、酒店预订、文创销售或其他消费。线下XR项目也已经落地，但若要从一线城市和重点景区扩展为更普遍的商业业态，可能还需要三至五年，以解决设备、场地、运营和内容更新等问题。 吴晓峰告诉记者，地方制作一部短剧获得播放量，并不等于形成文旅收入。项目需要预先设计“内容—传播—到访—体验—消费”的闭环，例如把剧中场景转化为旅游路线、XR体验、线下打卡点、数字人导览和文创产品，并通过数据判断哪些内容真正带来了客流与消费。否则，很多项目可能只有短期传播数据，却无法证明投资回报。 AI是否能稳定地帮助制作方省钱，或许还需要打个问号。朱汉威告诉记者：“AI经过更多实战验证后，具备节省成本与提高效率的潜力。但以目前技术成熟度而言，它能加快方案形成，但尚未稳定降低最终交片成本。”

2026-9-7 1: 当地时间周日（6日），德国柏林国际消费电子展（IFA 2026）现场，一场围绕人工智能（AI）可穿戴设备的圆桌讨论在此举行。第一财经记者受邀担任主持人，五位圆桌讨论嘉宾分别来自太阳能供电、外骨骼、售后平台、行业展会与运动科学领域。 可穿戴设备是当下消费电子最热门的品类之一，但从续航到售后、从数据到验证，这个行业仍有太多问题没有答案。整场讨论最终落在了同一个关键词上：信任。 本届IFA期间，国际传播机构美讯（iMpact）携手第一财经及旗下英文媒体Yicai Global，连续第二年在德国柏林通过GCS（Global Connect Show）以及主场论坛、现场探展等方式为中国科技企业以及欧洲为代表的国际市场开启对话。 第一财经与美讯的战略合作模式，为中企全球化以及外企入华创造了国际传播新范式：基于重要的全球会展场景，深度挖掘新闻热点，完成国际化传播、生态化落地以及品牌化叙事。双方更在IFA 2026期间协力推出中英文双语系列报道：《追踪中国科技之旅》，以全球商业维度提供科技创新新视角。 电量归零，信任归零 讨论从最基础的问题开始：电池。炎和科技（Yanhe Solar Technology）海外业务负责人普吕姆（Ino Prümm）直言，续航问题是消费者对可穿戴设备最大的不满。他举了自己的例子：一块400欧元的智能手表，在当天下午电量耗尽，“使用价值瞬间归零”；而从系统层面看，设备因为没电停止采集数据后，服务质量也随之下降。 这家2024年成立、拥有100兆瓦钙钛矿电池生产线的公司，正试图用光伏材料延长设备续航，把“几天一充”作为行业理想状态。谈及未来，普吕姆认为答案仍在能源侧：电源架构与新材料能效的提升，将决定可穿戴设备能否摆脱“一天一充”的宿命。 国际数据公司（IDC）报告显示，2026年一季度全球腕戴设备出货量同比仅增2.2%，行业已从普及期转入存量竞争阶段，300美元以上高端机型的增长主要依赖健康监测与AI功能升级。换言之，硬件层面的差异化空间正在收窄，续航这样的基础体验反而成了竞争焦点。 卖出那一刻，信任的挑战才刚开始 美国电商售后平台Seel首席营收官哈德尔（Laura Huddle）把信任分成两部分：对产品本身的信任，以及对售后体验的信任。她认为，如今传感器越做越小、算法越来越好，产品设计已经足够出色，真正的缺口在售后。 Seel的一项研究发现，57%的消费者一旦遇到问题就不会再买同一品牌，Z世代（1995年前后至2010年前后出生的一代人）的容忍度更低——如果退货政策不清晰，他们干脆不买。 哈德尔还观察到一个重要转变，设备正从“记录数据”走向直接“替消费者做决定”，比如提醒就医、建议饮食。“这是另一个层级的信任，赢得它很难，留住它更难。”她给厂商的建议只有一条——对消费者尽可能坦诚透明。 媒体会务机构ShowStoppers合伙人利昂（Dave Leon）则把问题指向数据。智能眼镜、智能体重秤持续采集数据，消费者一旦拒绝授权，设备便无法正常使用；而企业如何长期使用这些数据、是否转售给保险公司，消费者几乎无从知晓。从业30年的他，把当下局面称为“蛮荒西部”，呼吁建立行业统一的数据使用准则。 这种监管滞后于产品迭代的局面，在欧盟层面同样存在。原定2026年8月生效的《人工智能法案》高风险条款，已被推迟至2027年12月；嵌入医疗器械等受监管产品的AI系统，适用时间更是推迟到2028年8月。欧盟方面解释称，是为等待配套技术标准成熟。 消费级外骨骼品牌Ascentiz国际业务副总裁Cody Kou则从安全角度补充：外骨骼正从工业、医疗场景走向大众消费市场，谁来教育市场是第一道难题；安全是底线，每家企业都应当承担起完整的保险责任。 科学验证 慕尼黑工业大学（TUM）医学与健康学院实验运动科学讲席教授舒曼（Moritz Schumann）提出了另一重信任缺口：科学验证的缺位。他指出，目前没有统一的可穿戴设备验证流程，科研机构往往要自行采购设备、独立开展研究，等结果发表时设备可能已经过时——这个过程耗时大约两年。企业也常把准确性测试视为“竞争劣势”，而它本该是卖点。 舒曼教授所在团队正参与欧洲多所高校联合发起的interlive项目，制定健康类可穿戴设备的标准化测试建议，并筹建认证实验室以加快验证速度。他坦言，现有的医疗器械法规只覆盖市面上很小一部分产品，“目前实际上完全没有相关监管”，行业更多依赖企业自律。美国的情况则走向另一端：美国食品药品监督管理局（FDA）今年1月更新指南，明确心率、睡眠等低风险健康类可穿戴设备只要不作疾病诊断或治疗宣称，就无需接受上市前审查。 舒曼教授援引的两组数据让现场安静了片刻：消费者使用健康类可穿戴设备的中位周期只有五个月，最常见的弃用理由是“该知道的我都知道了”；而超半数房颤患者看到异常心电图读数后“什么也不做”，还有三四成人表示会因此焦虑。 “我们能测很多东西，但不知道怎么解读、怎么用。”舒曼教授说，光靠卖设备、提升技术、增加出货量解决不了问题，医生、教师同样需要学会如何解读这些数据。

2026-9-7 1: 机器人数据的短缺状况正在好转。 近两年来，国内众多企业砸下重金，投资于物理AI数据领域，使得更多真实世界的数据涌出，一定程度上缓解了“数据荒”。 不过，机器人业内普遍共识是，现在物理AI数据量，不足以促成机器人到达智能涌现的时刻。同时，近期部分数据采集项目的失利，意味着不少真金白银投向了错误的技术路线。 缓解数据瓶颈 中国企业在批量制造机器人训练所需的数据。 近日，觅蜂科技的第两万套数据采集设备下线，觅蜂的无本体数据也已累积100万小时。 这些数据采集自物理世界，包括视觉、触觉、力觉等。接近50万小时是通过人头戴设备进行裸手采集，捕捉手部操作与深层的意图表达；35万小时数据是通过手部戴着相机来追踪腕部姿态与连续运动的轨迹；接近15万小时是通过末端执行器夹爪采集，适用于动作映射和跨本体的直接迁移。 觅蜂科技只是近年涌现的众多物理AI数据平台之一，不少企业将数据视为值得深入投资的业务。 京东集团就在宿迁市启动了具身智能数据采集社区。它依靠自研的头戴式数据采集设备，系统性采集人类在真实生活与生产环境中的行为数据。京东方面的目标，是在两年内采集高质量实操数据超1000万小时。 针对具身智能行业数据稀缺与容错率低的难题，五一视界（06651.HK）也在近期推出AperData具身数据底座、AperOne具身应用闭环OS平台。AperData用于解决数据采集精度与效率的问题，数据采集的效率也比传统真机遥操作大幅提升，发布两天后订购超万台。 众多企业入局物理AI数据，原因在于后者的稀缺性。 具身智能是当下最热的赛道。根据启信宝数据，截至2026年5月，全国具身智能相关企业已突破万家，其中涉及上市公司269家。具身智能新增企业数量在2022至2023年经历短暂低谷后，2024年企稳回升，2025年新增企业同比增长37%，产业供给端进入加速扩张阶段。 它也吸引了最多的风险资本。 IT桔子数据显示，2026年上半年，国内具身智能赛道融资总金额已突破900亿元，达到935亿元，较2025上半年提升了5倍。 赛道很热，燃料却不够。机器人的数据荒，一直是技术落地的卡点。 觅蜂科技董事长姚卯青认为，物理AI最大的瓶颈还没有到算力、算法这些阶段。相比大语言模型，物理AI还在更早期的时候，数据稀缺是突出的问题。 语言模型所需的数据几乎是天然存在的，互联网各种软件里充斥着数字世界的对话、图像和知识。但机器人最终是为了干活儿，它需要知道多大的力气能够抓起鸡蛋而不至于挤碎，需要懂得光滑的玻璃栈道比粗糙的柏油路面更容易摔倒，而这些物理世界的经验是难以从互联网上获取的。 目前物理世界采集的数据，比语言模型的数据少了几个数量级，当下的数据量不足以使机器人到达“GPT时刻”。 随着机器人走进真实世界，以及越来越多企业进入物理AI数据采集领域，数据累积的速度在加快。 “我们相信物理AI的数据瓶颈已经被缓解，进入正向循环。”姚卯青表示。通往AGI物理AI最终需要上千万、上亿小时的数据，现在国内已经初步织起了真实世界数据采集和治理的网络。 泥沙俱下 企业蜂拥投资数据采集，资源浪费不可避免地发生了。 近日，位于北京的石景山首钢园数采中心被爆出已经停止运营，合作方睿尔曼智能则撤出了项目。 这一项目是北京首个落地的大型人形机器人数据基础设施，2025年3月份才建成运营。中心部署百台机器人，并搭建汽车装配、新零售等十大场景，目标之一是年数据交易量超100万条。 第一财经记者联系了一位睿尔曼智能的创始人，不过他未回应记者的采访。而据项目运营方、中关村通力公司相关负责人对媒体表示，项目正在实施改造，今后将发力4D高斯光场与世界模型技术路线。 一家科技公司的管理层对记者表示，在实验室环境下，遥操作方式采集数据，往往需要员工带着本体设备长时间工作。但员工工作8小时，所采集的有效数据也往往只有1个小时。同时，数据采集工厂的电费、人工成本、办公室成本都很高。如果采集的数据，八成都是垃圾，这就意味着效率过低、成本过高、而数据会很贵。 “实验室环境没有真实环境乱。真实环境里做任何数据采集操作的时候，阳光、角度会变化，甚至旁边会有人走动，实验室环境很难模仿。”上述管理层表示，足够乱、不断变化的真实环境，对采集数据泛化性更好。未来要想让机器人真正干活，它就要学习人是怎么干活的，而真实环境里的数据就是机器人的“教材”。 近年来，国内成立了大量的“实验室场景”的数据采集项目。这些项目在特定场地，集中搭建卧室、工厂、消费零售等场景，供机器人采集数据。但首钢园数采中心项目的失利，也向外界传递出危险信号：相同类型的数据采集平台，可能会遭遇类似的难题。 机器人行业对数据有严苛标准，尤其是头部团队对空间定位的精度、语义标注都有很高要求。一些数据采集中心，缺少对生产数据充分的验证环节，将数据的落地交给下游模型企业。 中国已经有宇树、智元等企业将机器人推向了市场。不过，目前机器人的技术没有收敛，产业模式也没有成型。 据五一视界董事长兼CEO李熠观察，机器人企业现在都在摸索数据、商业的闭环。所有的科技产业都必定经历期望过高、投资疯狂、技术短暂难以突破并回调，再曲折向上的过程。2016年左右的自动驾驶跟现在具身智能的热度一样，但最终智能驾驶上下游，有近百家公司被“震”下去了。 “大家对于具身的期望过高，对于物理AI期望过高。无论一级还是二级市场的公司，都是在卷一个生态位，避免在行业震动的过程中被震下车。”李熠表示。 李熠认为，在有生之年肯定能看到机器人像人一样，什么都能做。但机器人技术升级和产业发展的过程，注定是动荡不安的。

2026-9-7 1: 在外界等待OpenAI就Agent自主入侵德国程序员网站DseWiki事件披露更多细节之际，当地时间9月6日，OpenAI发布两份文件：宣布公司已达到去年设定的目标，拥有能够在人类指导下完成熟练研究员数天工作的“自动化研究实习生”；另一份则由首席科学家雅库布·帕乔基（Jakub Pachocki）撰写，聚焦前沿AI发展的安全困境，强调目前没有任何实验室解决足够程度的对齐和监控问题。两份文件释放的是OpenAI对当前AI发展阶段的一次完整描述：AI已经开始反过来加速AI研发，但安全、对齐和人类控制能力并没有被证明能够以同样速度增长。OpenAI所称的“自动化研究实习生”并不是一个完全自主的科学家，而是能够在人类指导下完成定义明确、通常需要熟练研究员数天才能完成的研究任务，且正朝着2028年3月建立“自动化AI研究员”的目标推进。数据显示，截至今年8月中旬，研究人员每天使用编程Agent产生的推理费用中位数超过600美元，使用量排名前10%的用户每天耗费token超过7000美元。Agent承担的任务正在从代码编写、基础设施排障向更长周期、更复杂的研究工作扩展。这意味着，AI对AI研发的影响从辅助程序员写代码，开始进入实验、分析和研究执行环节。但同时，OpenAI也承认，这些指标仍处于早期阶段，研究工作的整体进度不会简单等比例增长，且复杂任务仍需要大量人工介入；过去半年，成功完成4至8小时人类工作量的任务中，超过一半仍至少需要一次人工干预。趋势已经足够明显：AI正在成为推动下一代AI能力增长的生产力工具。与能力增长同时出现的，是安全边界的收紧。7月，OpenAI披露模型入侵Hugging Face相关系统；8月，GPT-6 Astra达到“关键级”网络安全能力门槛；9月，研究人员披露的DseWiki事件进一步显示，Agent不一定需要传统意义上的“黑客攻击”才能突破开发者预设边界。上述事件的共同点，是模型的实际行动开始超出开发者最初设计的行为边界，这也是帕乔基目前最担忧的问题。他在今日发布的文章中回顾了2023年内部推理模型研究取得突破时的心情：当时让他真正感到震撼的并不是模型在测试中的分数，而是人类可能正在进入一个“机器比我们更聪明”的时代。三年后，他认为这个问题已经不再遥远。帕乔基写道，目前没有任何实验室将AI的对齐和监控做到足够可靠，以便在未来较长时间内继续以最高速度负责任地扩展。他希望在共同的安全标准建立之前，各家实验室能够自愿放慢发展速度，并呼吁各国政府把国际协调提升为优先事项。这份担忧并非针对某一个具体漏洞，而是针对一个更加根本的速度差：模型能力正在快速提升，但人类理解、监控和约束这些系统的能力未必同步。这与OpenAI6日公布的研究加速数据形成直接呼应。公司一方面正在用Agent加快AI研发，同时承认无法假设对齐和安全能力一定能够追上模型能力，且更强大的系统可能更难监控。如果未来AI能够参与设计、训练和改进下一代AI，这个差距还可能进一步扩大。基于此，帕乔基认为，随着机器智能进入新的发展阶段，仅依靠单个AI公司的内部机制可能不足以解决风险，需要更广泛的制度性干预，包括共同的安全标准和国际协调。

2026-9-7 8: 今年以来，AI领域融资热度攀高。 据IT桔子数据，2026年上半年该领域融资总额已突破3000亿元，体量已超过去年全年。AI融资金额占市场约48.6%，接近一半。 在2026亚布力企业家论坛第二十二届夏季年会的投资论坛上，复星创富联席董事长、首席投资官丛永罡分享了一个反映热度的细节。“以前刚进入行业的时候，投资机构更像是买方，和企业谈条款比较容易。现在不太一样了，有时候像是乙方给企业提供服务，还被告知三天之内、七天之内或者一个月之内签协议分别是什么价格。”他明显感受到今年市场发生的变化。 论坛现场，包括丛永罡在内的多位投资人分享了AI风口下“进与退”的看法。他们认为，AI领域的泡沫某种意义上是产业活跃的信号，目前还在可接受范围之内。此外，AI项目投资更是一场长跑，考验决心与耐心。 决策加速，但投资逻辑未变 AI领域内，大模型赛道融资最吸金，且集中于头部公司DeepSeek、阶跃星辰、月之暗面Kimi等。AI应用、具身智能世界模型等赛道也受到不少资本关注。 软银中国资本管理合伙人宋安澜提到，目前的投资决策过程会相对加快一些。“AI投资项目抢的人多，如果不迅速决策，机会就没有了。” 这波热潮之下，不可避免会产生泡沫。 “在一个产业刚开始发展的时候，泡沫其实代表一种活跃的状态。如果一个产业不活跃，那其实是个很大的麻烦。”TCL创投董事长袁冰认为，要从产业发展的不同阶段去分析看待，泡沫有时候也是“健康”的。 锦秋基金董事总经理周琪也持有类似看法。他注意到，虽然被投企业的基本面没有什么变化，但同时开了两三轮融资。这种情况可能也是良好的泡沫，资金不断涌入而推动产业的发展，这对早期投资来说也是一种正向反馈。 身处泡沫当中，这些投资机构也有一套筛选和评估项目的方法。其中，初创企业能否创造价值、技术能否保持领先等成为多位投资人的共识。 博将资本董事长、首席执行官罗阗表示，团队不会盲目追求热点。“我们更看重的是真正的能给社会提供价值，我们才会真正的去投资。” 接连抓住PC互联网、移动互联网热潮机遇的软银中国资本同样也在关注AI风口。 宋安澜透露，团队内部比较早就在看AI项目，在2018年成立了AI基金。“我们参与了OpenAI的投资，很遗憾国内的大模型项目没有抢到。”他介绍，团队对自动驾驶、机器人等项目也有布局，其中具身智能是重点方向，涵盖传感器、应用等。随着算力需求的不断增加，AI发展碰到的瓶颈或在储能上，他们对安全储能技术也有投资。 宋安澜表示，团队属于价值投资者，不追高、不赶时髦，投资逻辑基本没有变化。 “要看企业的产品是不是必需品，同时希望这个产品又有一个很大的市场。”宋安澜讲述称，团队还会深度考察产品的技术门槛，希望其能够具备1-3年的领先性。另外，由于是早中期投资，他们还会再评估团队的能力和商业模式的可扩张性。 既要会“看人”，也要懂“离场” 投资本身就是在不确定性中作出前瞻性判断，押注一家公司的未来。资本陪跑过程中，被投企业以及所处的行业都在不断发生变化，尤其是现在AI技术迭代迅速。 当企业的发展遭遇挫折时，投资机构是选择坚守还是退出？“团队”几乎成为多位投资人士考量的关键性因素。 周琪讲述称，早期投资的本质就是先看团队。很多时候，被投企业后续没有实现好的发展可能和联合创始人的离开有关系。如果团队不变、仍然在努力投入，那么自己会再判断下技术路径是否存在问题。另外，还需从产业发展角度进行考虑，判断被投公司是处于领先还是落后的状态。 宋安澜也表示，一部分被投公司失败的原因很大程度上和团队有关。那些成功的团队，都是在碰到问题时能够做到及时转向。 “作为产业投资者，我们最多是说当遇到困难的时候，会分享一些企业在这个阶段所面临的问题以及成功的做法。如果对方需要，会提供相应的服务。”袁冰说。 值得一提的是，“何时退出”也已经成为与投资决策同步发生的考量。 丛永罡认为，投资一定是以退出为目的。“在做早期投资的时候，我默认所有公司都有可能会被卖掉，因为上市真的很难。”基于这点考量，他讲述称自己会要求团队在评估项目时明确潜在的买家、购买动机等内容。 宋安澜也提到，他们团队在投资时会衡量退出相关情况，比如分析退出方式特别重要。 据了解，投资退出的方式包括IPO、卖出老股、并购、股份回购等等。“一般来说，当企业估值涨到一定地步时，我们至少要把一部分老股给卖掉，这是为了保障基金的DPI（投入资本分红率）。”宋安澜介绍称，等到后面再争取最大化收益，现在部分AI公司估值增长比较快，卖掉部分股权回本的速度可能加快不少。

2026-9-6 2: ①国内首款，长沙造具身智能机器人拿下欧盟CE“护照”； ②我国首款AI辅助创新药获批上市； ③上海市国资委：监管企业重点推动AI应用实现四方面转变； ④消息称特斯拉24小时Robotaxi服务或在下月落地。

2026-9-6 1: 办公Agent的竞争正在从桌面延伸至企业内部。 在办公这片AI必争之地，今年6月以来，阿里、腾讯、百度、字节跳动等科技企业密集推出新功能、新产品，甚至为此调整组织架构。易观分析统计数据显示,6月国内17款桌面端AI办公智能体月总访问量突破6000万次,3月仅为2000万次,三个月增长两倍。 这场竞争也越过桌面，向付费能力更强、进入门槛更高的企业市场深入。谁能让AI真正读懂并进入一家企业的业务流程，谁就有希望赢得办公Agent竞争的下半场。 进入企业腹地 长安汽车正要求研发、制造、供应链等在各个环节使用AI agent。 在供应链端，长安汽车55岁的物流处包装管理员张永泽通过自学千问办公，将连接全国数百家供应商、单个项目数千条零件的包装评审流程拆解为七八个自动化脚本，实现数据自动抓取、进度汇总和滞留预警，工作量减轻九成以上。 长安汽车采购中心全球采购平台数字化高级项目经理龚玄则告诉记者，她把自己在处理相关问题上的专业能力建成了约50个AI Skill。让她印象很深的是，她的Skill基于个人工作习惯和本地环境构建，而其他同事电脑中的部署与她并不完全相同，但AI助理可以借鉴Skill中的能力，再与对方本地的工具和数据结合，同事仍然能够使用这些能力。 这些案例显示，比起过往将AI视作个人工具，企业现在将AI推向全业务流程。 长安汽车内部推动AI的一个关键节点，是高层真正使用AI，再由各部门一把手、二把手继续推动。“在长安汽车，千问办公这类Agent不仅仅是个人提效工具，更是企业打造AI native组织的利器。”长安汽车公司总裁助理、变革与效率部总经理梁光忠表示。 个人快了，并不意味着组织能同步提速。 “一项流程原来涉及3个人，每人工作2小时；使用AI后，每个人可能只需15分钟，但流程总时长仍可能是3小时，因为沟通、交接和对齐环节没有改变。”千问办公副总裁、产研负责人束骏亮对记者分析，单个岗位提效后，流程仍可能受制于人与人、人和智能体的协作。他认为，企业AI的重点要从个人工具升级到流程和组织变革。 “企业上下文”被束骏亮视为办公Agent接下来要重点探索的方向。如何将企业过去积累的业务数据、流程、组织架构和员工经验转化为AI能够理解的信息，让Agent自动知道员工身份、项目背景和相关材料，同时将AI能力原子化嵌入现有系统变得更为关键。 全栈竞争 办公Agent正拥有一个宝贵的时间窗口，一些企业内部的“token账”仍算得比较宽松。 使用办公Agent等产品后，长安汽车的Token和算力消耗比过去大得多，账单增长后，公司领导也会追问这部分成本应当由哪里承担，但公司明确，当前首要任务是鼓励员工学习AI，没有把Token消耗设为最重要的限制因素。 企业期待的是AI带来的创造工作方式和生产力，长安汽车变革与效率部副总经理景笑飞提到，借助AI，一些场景能够实现数倍甚至数十倍的效率提升，现阶段获得的价值可能高于Token成本。进入下一阶段后，公司会更系统地分析投入产出。最终目标仍然是让效能和效益提升高于投入。 “个人消耗、企业组织消耗Token越来越多，最终会进入财务报表里面。企业最终会追问，这些花费到底值不值，又带来了什么。”元空智能创始人、CEO逄大嵬对记者表示。 一些大型企业会同时采用多种办公Agent，赛马发生在各个角落。 办公Agent的战场正不断向大厂们的客户服务、生态积累乃至算力基础设施等外扩。目前，阿里千问办公和腾讯WorkBuddy等均实现了与钉钉和企业微信的打通，字节则调整组织架构，在一个月内将飞书、TRAE、扣子团队收编进豆包，推出“豆包工作”。 比起入口流量，大厂实际正在争夺Agent进入组织后最需要的资源——企业上下文。当办公Agent竞争进入下半场，Agent需要理解的对象也正从个人的工作习惯、文件扩大到组织关系、权限、客户信息、生产和财务数据等各个环节。 如何利用好现有的办公生态资产积累，对企业变得更为关键，例如钉钉与千问办公、WorkBuddy与企业微信、腾讯会议等的深度打通。字节强化了模型与Agent的关联，阿里也将让千问办公进一步连接模型与阿里云，甚至平头哥的国产算力，也可能成为这场竞争的底层筹码。 办公Agent的未来竞争，不再只是单个应用的孤立比拼，而是走向模型、算力、云、Agent、协同软件和企业数据组成的全栈AI竞争。 “办公智能体只是阶段性产品形态，市场每3至6个月都可能出现新变化。”束骏亮表示，在企业AI的竞争下半场里，竞争的核心不是某个单一产品，而是能否持续帮助不同规模企业完成AI转型。

2026-9-6 1: GPT-6 Astra发布，OpenAI称AGI时代来了 当地时间9月3日，OpenAI正式发布GPT-6 Astra，并称其为“目前全球最智能、且对齐程度最高的模型”。OpenAI总裁兼联合创始人格雷格·布罗克曼称，Astra是一次代际飞跃，甚至认为未来回看这一阶段时，人们可能会把它视为AGI（通用人工智能）时代的开始。从评测结果来看，这一代模型在部分领域的提升很大，例如在代表高阶数学能力的FrontierMath Tier 4上，Astra得分达到97.6%，在强调陌生环境学习和抽象推理的ARC-AGI-3上，其成绩更是从GPT-5.6 Sol的7.8%跃升至99.9%，接近满分。Astra也是OpenAI迄今规模最大的训练项目，管理层称公司使用超过10万张GPU进行了预训练。 【点评】虽然能力很强，但安全问题也更突出了。OpenAI公开安全技术文档显示，Astra是公司首个达到《防范准备框架》关键网络安全能力阈值的模型。因此，OpenAI没有直接向所有用户开放全部能力，而是首先向受信任的网络安全组织开放，并针对高级网络安全任务设置限制。 Manus恢复独立运营 9月1日，Manus在官网发布公告称，Manus已正式恢复独立运营。创始团队将继续领导公司，致力于产品创新，推进通用AI代理的发展。公告表示，对部分用户而言，此次过渡需要备份和恢复数据，并应对访问的临时中断。如果已备份数据但尚未恢复，可通过恢复入口进行恢复。未受这些措施影响的用户无须采取任何操作。 【点评】去年3月，Manus在市场上一夜爆火。去年底，Manus宣布公司即将加入Meta，这笔收购价格将达数十亿美元，有望成为Meta历史上第三大规模收购案。不过，这笔收购的相关流程与合规漏洞触及安全审查红线，随后被叫停。AI公司在技术出口合规方面，可能还要补上一课。恢复独立运行后，Manus需要继续证明自身的商业价值。 Anthropic发布Fable 5.1，基准测试“屠榜” 当地时间9月1日，Anthropic宣布推出Claude Fable 5.1和Claude Mythos 5.1模型，并称这两款模型为“全球最先进的编程与知识工作模型”。Fable 5.1与Mythos 5.1采用相同的基础模型，区别在于安全防护等级不同，Fable 5.1面向所有用户开放，Mythos 5.1仅通过可信访问计划向经过审核的网络安全和生命科学领域的机构提供。性能方面，Anthropic披露的基准测试数据显示，Fable 5.1在多项测试中超过了前代Fable 5、Opus 5以及OpenAI的GPT-5.6 Sol。 【点评】有消息称Anthropic计划于近期公开招股书，最快有望在9月底登陆美股市场，目标估值达2万亿美元或更高。此次模型更新，打出性能和大幅降本的组合拳，被市场解读为公司在上市前夕加速争夺企业客户、为高估值提供收入支撑的关键举措。 谷歌发新模型，Meta AI负责人“挑衅” 当地时间9月2日，谷歌宣布推出Gemini 3.8 Flash，定位是“最智能的主力模型”，在软件工程、智能体任务以及特定领域的关键多步骤推理方面，相比3.7 Flash有了提升。与此同时，谷歌还同步推出了一个安全模型Gemini 3.8 Flash Cyber，在漏洞检测和自动修补方面具有前沿性能。值得一提的是，谷歌发布新模型的同一天，沉寂许久的Meta也推出了新模型Muse Spark 1.3，号称是一款对标Opus 5的模型，在榜单中超过了Gemini 3.8 Flash。Meta AI负责人Alexandr Wang在社交媒体上调侃谷歌称，“我真不想这么说，但是……Gemini 是谁？” 【点评】谷歌的Pro模型迟迟未来，但是Flash模型又更新了，这已经是谷歌在六周内发布的第三个Flash模型。一名创业者感慨，Flash从3.7更新到3.8只用了14天，“模型升级周期现在比你的评估周期还短。这才是对任何构建智能体的人来说的真正故事。” 英伟达豪掷129亿美元收购Hugging Face 当地时间9月3日，英伟达宣布，公司已同意以129.3亿美元的价格收购Hugging Face。Hugging Face是开源AI生态重要的分发和协作枢纽、全球最大AI开源平台。英伟达CEO黄仁勋表示，过去十年间，Hugging Face已被打造成为开源模型开发者充满活力的家园。英伟达将助力扩展Hugging Face平台，强化其基础设施并扩大全球开发者和机构获取AI技术的渠道。 【点评】此前有消息称，英伟达去年年底以200亿美元收购AI芯片公司Groq的相关资产。由此看，对Hugging Face的收购是英伟达对外的第二大收购。这笔收购被外界拿来与2018年微软收购全球最大的代码托管平台GitHub、IBM收购红帽相比。开源社区赚钱并不容易，跑通商业模式是保持独立的前提。对英伟达而言，收购Hugging Face则给了该公司一个窗口，可以借此了解竞争对手的技术、模型发展方向，以便调整产品研发方向。 博通预计未来两个财年AI收入连续翻倍 当地时间9月2日的2026财年第三季度业绩电话会上，博通将2026财年人工智能业务营收指引从560亿美元上调至580亿美元，同比增长186%，并预计2027财年公司已确保的供应将使人工智能营收翻倍至1150亿美元左右、2028财年再次翻倍至2300亿美元左右。在截至2026年8月2日的2026财年第三季度，博通营收则为295.91亿美元，同比增长86%，略超市场预期；Non-GAAP净利润163.72亿美元，同比增长95%。 【点评】除了给出远期业务收入指引，博通高管还在电话会议上进一步释放关于未来业务增长的信心，称XPU（定制AI芯片）客户的需求呈指数级增长。不过，博通在毛利率方面承压。该公司预计，由于收入中来自硬件XPU的比例增加以及成本中内存占比增加，2026财年第四季度毛利率将为73%左右，同比下降5个百分点。电话会议上，博通股价由跌转涨，收盘还是微跌0.66%，反映了投资者的态度。 英伟达35亿美元投资联发科 8月31日，英伟达与联发科宣布深化长期合作，共同构建人工智能边缘及云计算平台。联发科将采用全新的英伟达NVLink Fusion平台，帮助客户将定制XPU带到英伟达NVLink连接的机架级AI工厂。英伟达投资35亿美元购买联发科发行的可转换债券。 【点评】这不是联发科和英伟达第一次合作。今年6月，英伟达发布了一款针对个人电脑设计的芯片RTX Spark，联发科参与了研发。在手机市场之外，联发科还加速向AI数据中心领域转型，此前与谷歌合作开发AI芯片。对英伟达而言，投资并与联发科深化合作，是推动英伟达生态与其他AI芯片生态连接的一项举措。 智谱上半年营收增长近4倍 8月31日，智谱披露2026年上半年财务业绩，报告显示，2026年上半年公司实现营业收入9.54亿元，同比增长399.7%，收入规模超过去年全年；毛利2.52亿元，同比增长163.7%；归母净亏损20.7亿元，同比收窄12.1%。截至8月末，智谱按月度收入年化计算的ARR（年度经常性收入）达16亿美元。MaaS平台token（词元）调用量较年初增长超40倍，其中Coding Plan调用量增长23倍；与此同时API（接口）平均定价提升101%。 【点评】同行对比来看，智谱和MiniMax上半年的经调整净亏损都在20亿元附近，在经调整亏损接近的情况下，智谱收入和综合毛利率更高。不过，MiniMax拥有消费产品，六成以上收入来自中国内地以外市场；智谱的收入高度集中于API。这一比较只能说明两家公司上半年的投入产出情况，不能代表谁的业务更有竞争力。 腾讯WorkBuddy上线开放平台 9月2日，腾讯WorkBuddy上线开放平台，首批引入超百家生态伙伴，面向智能硬件、行业应用与开发者等开放底层Agent（智能体）能力。这是国内AI智能体赛道首个同时打通硬件、应用与开发者三层生态的开放平台。WorkBuddy的智能硬件合作方包括Plaud、Rokid、影石、科大讯飞、安克、猛玛、京东京造等，有9款联名智能硬件在发布会上亮相。 【点评】WorkBuddy引入包括硬件厂商在内的合作伙伴并推出联名硬件，意味着AI办公智能体开始从PC桌面端走向更多端侧硬件，开始抢占硬件入口。目前腾讯WorkBuddy在办公智能体领域领先。此外，7月底，阿里整合了QoderWork、悟空、MuleRun三款智能体的新产品“千问办公”开始小范围测试，字节跳动也整合了飞书产品团队与豆包产品团队，这两家厂商已在AI办公领域“集中兵力”。 消息称月之暗面启动港股IPO流程 9月2日，有消息称，月之暗面以保密形式向港交所递交了A1文件，正式启动港股IPO流程。月之暗面对此则回应称：对于市场传闻不予置评，目前暂无可以披露的信息。据悉，A1是企业申请在港交所上市时提交的正式申请表之一。消息称月之暗面同时也在以500亿美元的投前估值推进新一轮融资，这很有可能是Kimi IPO前的最后一轮融资。 【点评】今年7月，月之暗面完成了超35亿美元F轮融资，投后估值涨至350亿美元。因认购金额超出原定目标3倍有余，这轮融资提前关闭。随后有消息称，月之暗面计划最早8月提交IPO申请，或募资约30亿美元。然而，月之暗面当时回应称消息不实。

2026-9-6 1: 就在OpenAI刚披露7月入侵Hugging Face安全事件不久，另一宗Agent安全事故浮出水面。 近日，多名独立AI安全研究人员披露，今年5月至7月间，一批疑似由OpenAI部署的自主Agent进入德国程序员社区网站DseWiki，并留下超过1.5万条编辑记录。 Wiki是一套支持任何人在网页上直接编辑修改网页内容的网站技术。不用注册复杂后台，普通访问者就可以增删、改写页面文字，保存立刻生效。DseWiki则是一个运营二十余年、面向程序员的德语协作Wiki站点，近年来已十分冷清。 9月4日，该事件首次被研究人员披露时，OpenAI表示无法对尚未审阅的报告具体内容作出回应，并否认其法律团队阻止进一步调查。9月5日，公司态度发生变化，正式承认“wiki incident”，称其Agent确实曾向多个互联网网站写入内容。并表示此类事件过去主要被视为“misalignment”（模型行为与开发者意图不一致）研究问题，而不是传统意义上的安全事故，因此没有采用类似Hugging Face事件的公开披露机制。 目前，OpenAI认为这种做法已不足以应对Agent进入真实互联网后的风险，并计划建立新的失配事件披露框架。 “劫持”事件的暴露始于今年5月，网站突然出现异常密集的编辑活动，研究人员Sydney Von Arx、Cormac Slade Byrd等人分析后发现，大量账号使用“OpenAIResearcher”“OAIResearchMar26”等名称，并呈现高度相似的任务行为。约98.5%的相关编辑来自微软Azure地址，这进一步支持这些Agent与OpenAI基础设施存在关联。 研究人员称，这些Agent原本被限制为只能读取互联网、不能向外部网站写入，却利用DseWiki的旧式Wiki接口建立了一个公开的“通信站”，交换任务答案、规避限制的方法，并在管理员删除内容后创建备份页面。 研究人员随后恢复出约1.8万条历史记录，发现这些Agent并非单纯浏览网站，而是在持续交换信息。且这批Agent执行的是限时网络检索任务，设计目标是让它们读取互联网信息，但不能直接向互联网写入内容。Agent随后开始主动寻找可以突破这一限制的方法。 DseWiki使用的老式Wiki系统允许部分页面修改操作通过HTTP GET请求完成。Agent发现这一特性后，利用原本被允许的网页访问能力，间接获得了向网站写入内容的能力。 随后，DseWiki逐渐被改造成Agent之间的共享信息平台。一个Agent获得任务答案后，可以将信息写入页面；其他Agent再读取这些内容，从而提前获得答案。部分Agent开始交换绕过自身限制的方法。 这意味着问题已不再只是模型回答错误，而是Agent主动寻找运行环境的能力边界，并将第三方互联网服务转化为自身可以使用的工具。 随着数量增加，Agent行为进一步复杂化。它们不仅共享任务答案，还试图预测测试任务的后续问题，并探索随机数种子等方法以获得竞争优势。当DseWiki管理员开始删除相关页面后，Agent又建立新的备份页面，以避免信息随着人工清理消失。 研究人员还记录到部分Agent尝试身份冒充、跨站通信以及进一步突破网络限制的行为。但目前公开信息并不能证明所有这些攻击尝试都成功。 DseWiki事件真正引发行业关注的，并不是一个老旧Wiki被写入了多少条内容，而是Agent表现出的环境探索、协作、规避限制和适应人工干预能力。 此前的Hugging Face事件中，OpenAI披露的Agent曾突破受控环境并进入外部系统。此次DseWiki事件则显示，即使没有传统意义上的“入侵漏洞”，多个Agent也可能通过第三方服务建立自己的通信渠道。两起事件共同说明，当模型获得浏览器、代码执行、网络访问等工具后，安全风险程度进一步提升。 这也使AI安全的重点开始发生变化：企业需要防范的对象不再只是模型本身，还包括Agent的身份、权限、工具调用、网络边界以及Agent之间可能形成的协作网络。 对于OpenAI等前沿模型公司而言，真正棘手的问题也不再是如何证明Agent不会失控，而是当Agent开始表现出开发者没有预料到的行为时，能否及时发现、限制并公开披露。

2026-9-6 1: 9月5日，上海市国资委系统人工智能专题研讨班开班，以提升市国资委系统领导干部对人工智能产业发展的认识和“AI+”复合履职能力，通过系统学习人工智能发展趋势、技术路径和产业应用，进一步强化前瞻性战略思维，增强统筹推进本单位人工智能应用的能力。上海市副市长贺青出席开班式并作开班动员。贺青指出，要深刻把握人工智能发展大势，切实增强转型的紧迫感和责任感。深刻认识人工智能已成为大国博弈的战略制高点，正在改写科研范式、产业逻辑，重塑企业的决策机制、组织形态和人的角色。要从底座到场景全链条发力，推动国有企业深度融入人工智能发展大局。制造底座要“筑起来”，在产业链关键环节上勇挑重担；数据要素要“活起来”，把资源优势转化为竞争胜势；模型能力要“引进来”，在开放合作中补齐发展短板；算力供给要“强起来”，为国家算力网建设贡献上海力量；应用场景要“用起来”，让国企场景成为人工智能的试验场和策源地。要强化组织保障，推动人工智能转型落地见效。坚持战略引领，抓好顶层设计；坚持开放协同，构建共建共赢的创新生态；坚持安全为先，健全与人工智能相适应的治理体系。近年来上海市国资委指导监管企业深入实施“AI+”专项行动，加快推动人工智能赋能企业数智化转型，重点推动人工智能应用实现四个转变：一是推动应用范围从重点试点向全面覆盖转变，已实现监管企业全覆盖；二是推动工作重心从注重算力供给向算力组网、技术攻关和场景实效并重转变，更加注重人工智能技术与企业真实业务、真实数据、真实流程相适配；三是推动应用形态从问答辅助向智能执行转变，智能体、数字劳动力等应用加快嵌入投研投顾、建筑设计、供应链调度等环节；四是推动实施方式从分散推进向生态协同转变，算力、语料、模型、场景、人才等资源加快协同联动。本次研讨班于9月至10月周末时间开展，共安排6个培训日，紧扣人工智能前沿趋势，围绕行业通识、算力底座、通用大模型、数据要素、产业应用、国企标杆实践六个核心模块，邀请相关领域院士、重点实验室领军科学家、行业头部企业创始人及高管、国资国企人工智能转型一线专家等授课。

2026-9-5 2: 9月4日，中国长安汽车正式发布自研的智能驾驶辅助解决方案“天枢领航”技术成果。作为长安旗下首款搭载天枢领航Ultra的战略车型，长安启源Q06也同步开启预售，预售价格14.79万元起。中国长安汽车董事长朱华荣在会上表示，在智能化大趋势下，核心技术必须掌握在自己手里。这条赛道长安没有退路，也不能退，因为这关系到长安10年20年乃至上百年的发展根基。朱华荣介绍，长安的智能化研发已持续十余年，智能产品领域累计投入超过220亿元，智能化团队从零起步，目前发展到7500人。他承认研发过程中走过弯路，也有过反复，但长安最终选择了继续推进。朱华荣还表示，要致敬华为、特斯拉等先行者和优秀标杆。他说，智能化是一场永无止境的征途，长安会继续深化与华为在数据、技术和产品项目上的合作，在数据技术以及产品上探索合作空间，同时与芯片企业、整车企业等伙伴开放协作。在5日的媒体沟通会上，长安汽车执行副总裁杨大勇和副总裁贺刚进一步阐释了关于自研对于长安的意义。杨大勇表示，长安主品牌（含启源）搭载且唯一搭载自研的天枢领航智能驾驶方案，目前没有为长安品牌寻找其他供应商的计划。他给出的理由是品牌差异化。在他看来，未来智能新能源时代的核心技术就是智能化技术，长安即便付出更大代价、走更艰难的路，也要为长安品牌提供自研解决方案。他认为，随着长安汽车销量增长和技术逐步成熟，自研方案的成本会下降，产品竞争力也会提升。消费者购买产品的同时，也在选择对品牌的认同。如果车企无法提供差异化的体验，消费者就缺乏购买该品牌的理由。品牌在消费者心智中的占位，是长安坚持自研的核心考量之一。贺刚将汽车产业竞争划分为三个阶段。第一阶段围绕发动机技术展开，持续近百年，掌握发动机核心技术的车企得以留存。第二阶段从2015年前后启动，新能源时代到来，掌握电池技术的企业获得了市场优势。他认为当前正处于第三阶段，竞争焦点是智能化技术——涵盖智能驾驶、智能座舱、智能底盘、智能车控、智能车云和智能车服务等多个领域。在他看来，掌握智能化技术的企业才能在下一轮竞争中存活。贺刚认为，完全依赖供应商方案对主机厂而言操作简单，但历史上掌握发动机和电池核心技术的企业都不是靠外采成长起来的。长安坚持自研基于三点考虑。第一，自研能够让企业直接了解用户需求，通过用户数据和交流定义产品。第二，车辆出现问题后，自研体系能够从整车系统层面进行分析，判断是感知、决策还是执行环节的故障，而只做智驾系统的供应商难以进行全系统归因。第三，掌握端到端的工具链和技术链后，企业能够快速采集案例、训练、仿真和改进。此外，车企需要为整车安全和使用结果承担最终责任，自研体系更便于实现这一目标。