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。

2026-9-5 2: ①Kimi、MiniMax即将在天猫开店； ②研究称OpenAI智能体“劫持”网站开展“协作”； ③长盈精密：上半年人形机器人零组件交付量约86万件 已超去年全年； ④天奇股份具身智能机器人产业项目开工仪式举行。

2026-9-5 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影视前景的关注和热议。第一财经记者采访发现，随着视频生成模型持续迭代，AI开始具备产出画质更高、叙事完整性更强的生成内容能力，这一能力将带动AI短剧产业向精品化阶段迈进。 兴业证券8月研报显示，国内AI短剧供给持续释放，2026年国内AI短剧市场规模预计达400亿元，同比+138%。海外短剧用户与收入也在同步增长，2026年7月，全球海外短剧App下载量约2.66亿次、环比+24.37%，收入约2.06亿美元、环比+16.57%。 AI影视市场迎来扩容 当前，AI影视产品全方位进入手机竖屏、电影、电视等多个渠道，“AI+文娱”这一模式进入市场验证阶段。 创新型AIGC影视平台FizzDragon总部位于新加坡，2024年底，该团队入选英伟达初创加速计划。此外，公司还先后入选阿里巴巴全球创业者大赛全球Top30强、美国微软全球加速器等。在来自13个国家和地区的130多位创作者远程协作下，其制作和出品的全流程AI生成、片长90分钟的《海上女王郑一嫂》于2025年在新加坡上映。 在近期举行的2026数码娱乐领袖论坛期间，FizzDragon创始人陈卓接受第一财经采访时，以快消品的货架来类比院线，表示当前“货架”上很缺商品。据陈卓介绍，当时《海上女王郑一嫂》在新加坡上院线时也引起了不少讨论，六百多万人口的国家里，观看过相应的视频或参与了讨论的就有三百多万人次。大家关注的点，在于为什么AI电影可以上院线。 “对此，大众会变得越来越祛魅。你生产出作品，可以放上货架，你自己去营销，或者院线看上了这部作品帮忙营销。”陈卓认为，对于内容方来说，更多的货架能带来更多的销量。对于院线方来说，院线怎么样能更快获取好内容并拿到版权授权，或许也会有更新的玩法。 当前，陈卓团队在思考如何把互动式的影游搬到院线。身处同一空间的观众通过下载App并输入对应房间号，一起进入影游。她的团队正与英国一家院线展开磋商，在筹备一场实验性放映。 同时，该团队还在研发制作45分钟的电影，探索不同于传统电影规格的新模式。“工业革命前，创作偏向于自律。工业革命后，大家批量生产，就看什么作品能更赚钱。伴随着算力成本越来越低，大众创作或许又回归到之前的状态。甚至可能出现创作者拿零花钱制作一部作品后，找院线花钱租场次，并邀请亲朋好友来观看的模式。”陈卓告诉记者，院线如今也在探索多元化经营，多元交易模式对院线而言同样具备价值。 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采访时表示，目前AI短剧在海外市场仍处于早期阶段，但正逐步升温。从区域来看，北美贡献了最大收入，用户付费意愿最强；东南亚的用户规模增速惊人，是下载与活跃增长最快的市场；而日本市场则因行业特性对AI短剧态度相对谨慎。 “男性用户比例已大幅增长，短剧正从女性主导走向全民化。”谢复欣告诉第一财经，AI短剧的受众结构变化非常明显。传统短剧核心受众以中年女性为主，题材集中在甜宠、大女主等类型。但AI制作大幅降低了特效与场景成本，推动出现科幻、神话、屠龙冒险等题材多样化，直接拓宽了用户画像。 与光同尘2015年创立于杭州，是产学研一体的AI原生影视公司。聚焦AI漫剧、IP动画、AI电影、互动影游等品类，自研“光影矩阵”AI创意生成平台。公开资料显示，近年来该公司也在开拓海外市场。其联合创始人及国际业务总裁李沐翰在接受第一财经采访时预测，未来五年，AI短剧会从“数量竞争”进入“精品化、IP化和全球化竞争”。 李沐翰认为，适合出海的AI短剧需要有强情绪驱动力，快速建立用户兴趣。还需要有国际化表达能力，应该具备跨文化共鸣。此外，出海AI短剧还需要有视觉识别度，AI时代制作效率提升后，视觉差异化会越来越重要。最后，作品需要具备持续开发能力，一个可以持续运营的IP是非常有价值的。 AI影片正在把内容做扎实 AI工具的普及助推AI影片供给出现爆发，行业进入高速发展期的同时，也面对着不小的挑战。其中，内容同质化是国内市场与海外市场都在面对的问题。 “所以还是要做爆款，爆款在播放量上有着更好的变现能力，还能拿平台的奖励。”有AI短剧从业者告诉第一财经，不排除平台对非精品AI短剧的补贴减少甚至消失的可能性。当前也存在优质本子被改编好多遍的情况，好作品依然是各家制作方追逐的对象。平台也在鼓励AI短剧制作方以季为单位推出AI短剧，推动好作品在改编AI剧过程中延长自身生命力。 李沐翰告诉第一财经，AI并不会改变内容行业“爆款稀缺”的本质，未来行业竞争会越来越激烈。早期阶段，大家竞争的是谁能更快生产内容；但进入下一阶段，竞争会变成谁拥有更好的IP，谁更懂用户，谁能够建立稳定的AI内容工业化体系，以及谁具备全球发行和本地化运营能力。 海外短剧赛道同样陷入题材趋同的困境。随着行业逐步走向成熟，单纯依靠堆量已很难构筑可持续的竞争壁垒。 “AI短剧具备形成长期发展周期的条件，但核心挑战已从产能转向质量。”谢复欣表示，目前海外爆款率极低，同质化严重。因此，未来竞争需要从拼产能转向拼创意、拼精品、拼IP，同时需要解决深度本土化难题。只有真正融入当地文化语境，才能让AI短剧在海外走得更远。 Loomi的打法是把AI短剧做长。谢复欣告诉记者：“我们可以先制作第一季作为测试内容投放到市场，根据真实数据（完播率、点赞、付费转化等）快速判断用户反馈。一旦验证为爆款潜力内容，我们能迅速接得住热度，低成本、高频率地续作后续季，持续吸引用户。” 当AI竖屏短剧致力于拉长内容体量之时，AI横屏影片的制作方则在加紧搭建人才生态与供应链体系。 今年2月，FizzDragon全资子公司沸腾精灵在南京落地。依托南京高校的科教资源优势，公司计划以AIGC教育培训为切入点，与高校开展课程共建、实训合作与人才孵化。同时，通过“项目孵化+资金支持”双轮驱动，鼓励学生成为创业主体。 陈卓在采访中表示，人才生态的建设至关重要。其产品即将上线一项类社交交互功能，支持用户对不同作品进行左滑、右滑式的喜好筛选。“导演上传作品，用户一旦表达喜爱，便可进入对应导演的粉丝社群。创作者自主运营粉丝社群存在不小门槛，我们希望借助这一功能持续为创作者导流，帮助他们向资方证明作品的商业吸引力。” 业内寻求可持续的商业路径 第一财经记者观察到，AI影片的上下游产能协同度正在提高，其中一个显著的特点是，内容制作方不再甘心只做制作方，它们可以平台化掌握内容分发渠道，或者成为文旅场景的合作伙伴共享收益。 “自有发行平台意味着用户通过单集解锁、订阅，直接在我们生态内付费。每一笔收入直接进入口袋，利润率远高于依赖第三方平台的纯制作方。”谢复欣表示，国内以免费观看、广告补贴为主，所以纯制作方需要依赖平台补贴；而海外市场以用户直接付费为主，质量要求更高，但回报也更为稳定。 “我们的商业模式与纯制作方的模式有根本性不同，我们同时拥有制作能力与自有发行平台，形成从内容生产到直接触达用户的完整闭环。内容上线后，用户观看行为、完播率、付费转化点等数据直接反馈到下套剧本与视觉调整。这让我们不会盲目生产，而是以数据驱动创意，降低无效产能。” 陈卓对项目回报的思考，落点在内容模式的创新上，“我们意识到，基于大家对于影视的观念和消费习惯，纯AI作品流行时间或许没有那么长，未来可能还是人类为主导、AI为辅助的混合型产品打头阵。于是，我们开始聚焦于一种全新的品类，那就是互动式的影游。”她表示，互动式影游的潜力尚未被完全开发，影游与文旅场景结合具有可能性。 陈卓告诉第一财经，相比承接来自B端的制作需求，与景区合作的模式对前期投入有要求，但更能实现用户的增长，且有着更高的盈利效率。同时还能为他们打开一个新合作模式的窗口，带动更多的创作者加盟。 李沐翰认为，中国团队在内容生产效率、商业化运营和AI应用方面具有一定优势。近年来，中国短剧出海已经形成一定规模，AI也正在进一步降低本地化制作成本。但出海不是把国内内容直接复制出去，真正有长期价值的企业，需要理解不同市场的文化、审美和用户习惯，“从实践来看，我们更关注的是，用AI提高内容生产效率，用优质IP提高内容价值，用全球化运营实现商业回报。”

2026-9-5 1: 一台399美元的机器鸭，不仅引爆了全球预售市场，还在国内开发者圈层中掀起了一场复刻热潮。近日，AI社区Hugging Face旗下Pollen Robotics开发推出一款开源机器人Microduck，其呆萌、小巧的外观设计受到不少人追捧，在国内收获了“机器鸭”的昵称。值得一提的是，产品走红期间，英伟达宣布公司已同意以129.3亿美元的价格收购Hugging Face。9月4日，官方合作制造生产企业矽递科技回复第一财经记者称，最开始没有想到机器鸭销售火爆，目前已经调整生产计划。该公司表示，机器鸭产品比较复杂，供应链面临比较大的挑战，正在和多家芯片原厂紧密合作。第一财经记者也注意到，国内某二手平台上已有代购挂出链接售卖机器鸭，价格最高达5567元，相当于原价的两倍，而且要等待6个月才能发货。社交平台上还出现多个“Microduck鸭友群”，国内不少开发者正在赶复刻进度。这股热潮之下，部分配件突然紧俏，价格涨超五倍。部分配件价格涨超五倍根据官方介绍，机器鸭身高25厘米、重量不足800克，提供四种配色。这款产品出厂即自带已训练好的行为，可以开箱即用。同时，机器鸭也可以是一个完整的开发平台，其开源的软件栈涵盖了机器人控制、仿真、强化学习以及从仿真到真实部署的工具。Pollen Robotics联合创始人在社交媒体上透露称，短短四天机器鸭的预定量破万台，销售额达454万美元。不过，首批机器鸭预计于2026年圣诞节前在北美、欧洲和英国交付。而国内对其感兴趣的用户不仅需要等待一段时间，同时还要想办法通过其他渠道才能拿到。在开发者社区GitHub上，已经出现第三方复刻项目“microduck-replica”，其从官方公开的仿真模型反推出装配图和CAD装配体。“自己‘手搓’出来，那不就马上可以玩起来了吗？”产品发布首日（8月27日），资深开发者汪旭（化名）立即决定行动。按照找到的硬件装配文件，汪旭先着手下单了一系列配件，包括前置相机、15个舵机、PCB板、电池等。他白天上班、晚上组装配件，一个星期后便拥有了3D打印版本的机器鸭、半成品舵机版本的机器鸭。与此同时，开发者来忆凡（化名）也在抓紧赶进度，他从8月31日起开始买材料。“我是白天做软件和PCB板设计，晚上动手组装。”这是来忆凡第一个“手搓”的硬件项目，为此他制定了明晰的赶工表，并在网上实时更新自己的进度。目前，这个项目整机装配正在等待PCB板到货。受访开发者均表示，复刻机器鸭的门槛并不高，目前拖慢进度的一大因素在于配件供应紧张。他们反馈称，计算板比较难买到。据了解，机器鸭搭载的主控芯片是瑞芯微RK3566处理器。RK3566负责运行一个50Hz控制回路，驱动伺服电机，并管理摄像头、无线电等模块。来忆凡告诉记者，搭载瑞芯微RK3566 芯片的主控板Radxa zero 3w原本货量就比较少，这几天部分供货商手里的产品更是紧张。他补充称，“原来1G版本的官方售价135元，但是我买的时候已经涨到了700元。”还有其他开发者称，原厂舵机也涨价了。这意味着，复刻一台“机器鸭”的费用大概率会超过原版本。汪旭制作的半成品已经投入了五六千元，来忆凡则已经花费超万元。在配件供应紧张的情况下，一部分开发者转向替代方案。来忆凡表示，这可能会让产品的最后呈现效果打折扣。他解释称，如果硬件的型号发生变化，强化学习训练出来的策略会失效，还需要重新训练。为了快速玩上机器鸭，目前他考虑的是不更换任何官方公布的配件组合。个人机器人时代还有多远？对于机器鸭的走红，受访开发者并不意外。汪旭用了四个方面的“恰当”来形容。“设计、成本、售价以及工程化的难度都很恰当。”他认为，技术开发者、普通人都会有购买的想法，自己玩或者送礼都比较合适。来忆凡讲述称，他最开始被机器鸭吸引有多个因素，一个是亲民的价格，另外一个则是它对软件工程师来说是接触具身智能机器人的好机会。他表示，官方开源了强化学习，开发者也能创造出更多玩法，产品有比较大的想象空间，自己可以训练出带有特色的个人机器人。不过，汪旭认为，虽然机器鸭产品的技术不算高不可攀，但这款产品对普通人来说还是有一定的门槛。他提到，机器鸭学会更多的技能要经过训练，而仿真训练需要性能比较好的电脑才能跑起来。记者也注意到，今年以来国内“个人机器人”的概念或者愿景逐渐受到关注，比如上纬启元就有明确布局这一赛道。汪旭认为，要真正进入“个人机器人”时代，最关键的一点是机器人能够给人类带来的价值要超过售价。这次“机器鸭”的爆火可能就是一个有力的证明。他提到，接下来研发团队Pollen Robotics要解决的便是供应问题以及交付之后是否能达到消费者的预期。同时，受访开发者提醒称，希望国内从业者能够尊重原创，在法律框架内进行商业化。

2026-9-4 2: AI智能体的合规使用正成为法律界热议的新话题。 就在一个月前，美国第九巡回上诉法院撤销了地区法院对Perplexity的初步禁令，发回重审。这个判决成为观察AI智能体开放接入的前沿标本。 Perplexity的Comet浏览器内置AI助手，通过截取用户屏幕、传到服务器操作的方式帮用户在亚马逊比价下单。亚马逊援引CFAA（《计算机欺诈与滥用法》）主张未经授权访问并申请禁令，法院却给出了相反判断：访问亚马逊服务器的是用户，而非公司。技术架构决定了访问主体是谁，这是厘清法律责任的前提，也是本案最关键的定性，直接决定了双重授权是否有存在的必要。 随着ai智能体手机走热，平台能否封禁AI智能体助手的探讨也在增多。 上海公安大学讲师梁晨颖认为，AI智能体的模拟点击，是执行经用户充分授权的跨端操作，无需另行取得第三方应用授权。只要访问行为源于用户授权、在用户设备上发生，平台授权便不构成法律上的必要前提，否则等于承认平台对用户的设备与意志拥有二次否决权，这与个人对其终端的处分自由背道而驰。 从法律定性上看，通用助手（Agent）性质上为用户的技术延伸。CFAA是刑事法规，民事适用须从宽解释；法院明确“访问首先是一个人的访问行为，AI工具本身尚无主体性”。屏幕截图传输不等同直接接入服务器，模糊地带应作有利于用户的认定。法院在亚马逊案中认为焦点是是否直接访问服务器，而非是否获平台授权，不能简单套用旧例否定模拟点击路径，更不能把刑事法规随意扩张到民事竞争场域。 根据梁晨颖的观察，近年来美国司法对数据抓取态度持续放宽。欧盟今年六月对Meta下达临时措施，要求其恢复第三方AI助手接入WhatsApp，依据正是DMA下“守门人”不得歧视性封禁。全球趋势反对平台以安全之名设壁垒，开放接入已成共识，司法与监管相向而行。 此外，用户享有选择AI助手的权利，第三方App无权剥夺，更无权逼迫用户二选一。AI接入应以开放为原则、限制为例外，限制须有充分法律依据。高敏感场景（人身、重大财产权益）可设增强授权，但用户的概括授权未来应成为其通过手机APP接入所有应用的合法性基础。我国司法虽无CFAA那样的刑事框架，但《反不正当竞争法》与反垄断实践同样面对“访问主体是谁”的定性问题。 AI智能体的开放接入已是一场全球规则竞争。美欧的司法与监管虽路径不同，却殊途同归地否定了“平台单方设卡”的正当性。 GUI操作路径是否需要双重授权，既要有技术事实的判断，也要考虑用户主权的体现。唯有如此，开放才不会停留在口号，而能转化为可执行的用户权利。

2026-9-4 2: 工业和信息化部4日对外发布《人工智能中小企业创业支持计划（2026—2028年）》，提出通过三年时间，在行业应用、数据服务、智能算力等重点领域，培育形成一大批创新活力强、成长潜力大的人工智能创业企业，新培育科技和创新型中小企业1万家以上，专精特新“小巨人”企业突破2000家，涌现一批瞪羚企业和独角兽企业。《支持计划》还提出，聚焦人工智能领域，高标准建设10个科技型企业孵化器、10个国家中小企业公共服务示范平台（基地），新培育10个国家中小企业特色产业集群。“一人公司”、智能原生企业等新型经营主体加快发展，人工智能中小企业创业创新活力持续增强，人工智能赋能中小企业高质量发展格局初步形成。工业和信息化部中小企业局有关负责人表示，《支持计划》聚焦培育壮大人工智能领域优质中小企业，进一步完善创业支持体系，激发创业创新活力。结合行业发展实际完善针对性支持举措，更好回应人工智能创业主体在组织形态、发展模式等方面的新变化，培育壮大新动能，不断壮大人工智能领域创业力量和优质中小企业后备梯队。降低创业门槛当前，大模型等前沿技术快速发展，带动个体生产力显著跃升，“一人公司”（OPC）、超级个体等新型经营主体依托智能工具敏捷创业并加快发展。围绕人工智能条件下的新型创业模式，各地已开展积极探索，相关实践不断涌现。人工智能领域创业具有技术迭代快、前期投入大等特点，初创企业面临算力成本较高、优质数据获取难、应用场景对接不畅等现实问题。工信部表示，亟需进一步加强普惠算力、优质数据和应用场景等要素供给，完善专业化孵化和公共服务体系，推动各类创新资源更加便捷、低成本地向创业企业开放，帮助企业缩短研发验证和市场拓展周期，切实降低创业门槛和试错成本。《支持计划》聚焦人工智能中小企业创业创新和成长发展需求，以优化创业环境、激发创业活力为着力点，强化算力、数据、场景等创业要素供给，加强创业主体培育和孵化载体建设，深化开源生态赋能，完善融资、人才、合规等专业服务，构建覆盖企业初创、成长、壮大全过程的创业支持体系。强化要素供给《支持计划》围绕人工智能领域创业企业实际需求，部署4方面15项重点任务，包括强化创业要素供给、加强创业主体培育、深化开源生态赋能、完善创业服务保障等。《支持计划》提出，深入实施普惠算力赋能中小企业发展专项行动，依托中国算力平台等推进算力资源池化整合、弹性配置，为创业企业提供低成本普惠算力；围绕智能制造、材料研发、生物医药等领域建设高质量行业数据集并有序面向创业企业开放。今年4月，工信部组织开展普惠算力赋能中小企业发展专项行动，明确将探索“算力银行”“算力超市”等创新业务，即支持中小企业存入闲置算力资源，通过跨区域、跨周期调度实现灵活取用。同时，完善中国算力平台中小企业专区、中国中小企业服务网算力资源对接专区、国家算力互联网服务节点专区，推动中小企业需求与算力资源供给精准对接。中国信息通信研究院云计算与数字化研究所总工程师郭亮表示，算力正成为数字经济时代中小企业数字化转型的重要引擎，决定企业的创新能力与市场竞争力。“算力银行”“算力超市”等业务把算力从需要一次性投入巨额资金的重资产，变成可以按需购买、灵活使用的轻服务，从“买断”走向“订阅”，大幅降低中小企业的前期投入门槛和试错成本，让更多中小企业能以低成本、低风险的方式深耕AI技术。加强创业主体培育在加强创业主体培育方面，《支持计划》表示，加强人工智能领域创业主体发现和培育，支持“一人公司”、超级个体、智能原生企业以及开源社区核心贡献者、智能体开发者等新型主体创新创业。引导技术经理人面向人工智能领域开展科技成果挖掘、筛选评价和转化服务，支持科研团队等主体依托优质成果开展创业。中国信息通信研究院政策与经济研究所副所长李强治此前表示，人工智能一人公司是人工智能与经济社会发展深度融合下诞生的新市场主体。随着大模型和智能体技术的快速发展，个体创业者借助AI工具可独立完成过去需要整个团队才能完成的产品开发、市场运营、客户服务等工作，“一人公司”正在从概念走向现实。将“一人公司”纳入政策培育视野，是对技术变革催生新型创新主体这一趋势的及时回应。第一财经记者注意到，近期已经有不少地方推出针对人工智能领域“一人公司”的创业优惠政策，助力“超级个体”轻松创业。比如，《广东省加快构建重点企业梯度培育体系行动方案（2026?2030年）》 明确支持支持人工智能等新兴未来产业领域OPC（一人公司）发展，深入实施“创业伴飞计划”，落实一次性创业资助、创业租金补贴、创业带动就业补贴等政策。《湖北省支持人工智能OPC发展若干措施 （试行）》提出，鼓励OPC生态社区、产业园等向OPC提供算力支持，省级首期安排2000万元对OPC生态社区、产业园等平台予以算力支持，单家OPC最高可获得3000元卡时或token免费算力服务。

2026-9-4 2: ①OpenAI发布GPT-6 Astra模型； ②三星电子联合Arm研发下一代端侧AI芯片； ③Sharon AI与Rafay Systems签署五年战略协议； ④沙特人工智能企业Humain寻求设立25亿美元数据中心基金； ⑤AI音乐公司ACE完成近4000万美元新一轮融资； ⑥星网锐捷成立智能科技公司，含多项AI业务； ⑦我国智能家居国际标准化建设提速，涉及智能锁和养老机器人； ⑧我国牵头的智慧城市人工智能应用国际标准成功立项。

2026-9-4 2: 9月1日，努比亚NaviX Ultra正式获得工业和信息化部入网许可，完成从大模型备案到终端入网的完整合规流程。这款搭载豆包手机助手，定位量产旗舰的AI智能体手机正式从概念验证迈向规模化商用。 与此同时，一些平台，正悄悄筑起针对智能体的“花园围墙”，用技术手段限制第三方AI工具的接入，保护自己的商业护城河。 AI智能体，要如何突围？ 智能体是工具、行为归属于用户 在复旦大学法学院主办的“AI智能体应用法治研讨会”上，这场争议中AI智能体的“双重授权”博弈被摆上了桌面：当用户授权AI助手替自己操作App后，平台是否有权要求“二次授权”？换句话说，AI智能体到底是用户的延伸工具，还是需要平台点头的独立访客？ 这场关于“双重授权”的博弈，将深刻影响未来我们与AI交互的方式。问题落脚于AI智能体本身的法律定性：它究竟是一个独立的行为主体，抑或只是用户手中的工具？这是整场研讨会上被反复探讨的法理根基。 华东政法大学经济法学院副教授翟巍提出，现阶段AI智能体尚不具备高度自主意志，本质上属于由用户主导的工具。当用户授权智能体跨应用访问属于自身的数据、完成指定任务，该行为本质是用户意志的外化。在他看来，结合《民法典》《个人信息保护法》所确立的数据可携带权，用户本就有权决定个人数据在不同应用之间流转。从法理层面，用户指令智能体完成跨应用访问，具备正当性。 中国人民大学法学院助理教授包丁裕睿提供了有关AI智能体代理法律效力的一种规则设计思路：智能体根据行为人指令行权，向相对人表示行为人意思的，视为行为人作出的意思表示。该规则同样建立在“智能体是工具、行为归属于用户”这一基础判断之上；与此同时，还可以考虑设置例外——涉及公共安全、重大人身财产权益的场景可以除外。 针对这种例外，复旦大学法学院教授李世刚提出了现实层面的顾虑：判断何为重大人身财产权益，需要清晰标准，不同主体认知差异巨大；同时该例外项下的法律效果也需要明确，过度模糊的例外规则，会损害整体市场交易的稳定性。 上海社科院法学所助理研究员屈然，则从消费者权益保护的角度补上了一块拼图。她认为，AI智能体是落实消费者自主选择权的新型工具——消费者的选择权不只是“最终买什么”，更包含比价、鉴别、挑选的全过程。不能仅仅因为工具是人工智能，就剥夺消费者选择这类辅助工具的权利。 综合多位专家的观点形成了一个基本共识：在绝大多数日常场景下，只要AI是“替人跑腿”（GUI模拟操作），平台就不该索要额外的“二次授权”。当然，在涉及金融支付等高敏感地带，多一道安全锁仍是必要的。 但在现实的商业世界里，当AI助手真的开始替用户跳过广告、直达目标时，手握流量的平台真的会乖乖放行吗？ 从域外案例到本土判例，GUI操作无需“双重授权” 大洋彼岸，已有现实的司法博弈。 就在几周前，美国第九巡回上诉法院将亚马逊与Perplexity一案发回重审，恰恰体现了“开放原则”与“平台商业利益”之间难以回避的冲突。 Perplexity的Comet浏览器内置AI助手，通过截取用户屏幕、传到服务器操作的方式，可代用户在亚马逊完成检索、比价、加购、下单。亚马逊援引CFAA（《计算机欺诈与滥用法》）主张“未经授权访问”并申请禁令，但第九巡回上诉法院随后撤销了这份初步禁令。 上海公安大学讲师梁晨颖介绍，上诉法院的核心逻辑在于：真正访问亚马逊服务器的主体是用户，Perplexity提供的AI智能体只是用户手中的工具，企业本身并未直接侵入亚马逊服务器。基于CFAA作为刑事法律应作从宽解释的原则，法院倾向认定不构成“未经授权访问受保护计算机系统”。她在同时回溯过往其他案例时指出，美国司法对自动化工具访问网络服务的整体态度，正在走向宽松。 如果说美国是靠司法判例“事后纠偏”，欧盟则直接用《数字市场法案》（DMA）给大平台立下了“事前规矩”，其中守门人制度从监管义务层面为大平台划定了行为边界。 深圳法大大网络科技有限公司董事兼首席法务官梅臻解读DMA时谈到，被认定为“守门人”的大型平台，负有非歧视互操作义务：如果平台允许自家AI助手接入自身生态，就必须向第三方AI工具提供同等、免费、文档完备的软硬件访问权限。Meta就曾因仅允许自有Meta AI接入WhatsApp，被欧盟委员会下达临时禁令，要求恢复第三方助手接入。 顺着这套监管逻辑，如果平台自研的AI智能体可以完成某一类自动化操作，在没有正当理由的前提下，就不应当拒绝第三方AI智能体开展同类行为。 不过，这套“非歧视开放”原则落地，注定会遭遇现实的阻力。上海至融至泽律师事务所律师江国强、梅臻在发言中不约而同地指出：商业利益，才是平台选择封禁第三方智能体最现实的底层动因；“安全”“反欺诈”，往往只是对外的公开理由。 与会专家同时强调，也不该因此无视平台的安全诉求。梁晨颖提出，开放应当作为原则、限制作为例外——限制第三方工具必须有充分法律依据，不能仅凭平台单方面的商业判断。金融、重大财产交易等高敏感场景，平台有权施加约束；但不能把商业保护包装成安全理由，对GUI类第三方智能体采取“一刀切”的全盘封禁。 监管划出了“不能做什么”的红线，然而红线与路径之间，仍是一片需要精细丈量的灰色地带——哪些场景该开放、哪些权限该限制、哪些利益该优先，这些问题无法靠单一判决或处罚回答，只能在用户、平台与产业的三方拉扯中，一步步找到答案。 打破生态壁垒，让智能体服务于人 研讨会现场，专家们把AI智能体的多方利益拉扯拆解成了三组矛盾。 第一组，是滥用市场支配地位与技术开放之间的权衡。超级平台是否必须向第三方AI开放？ 翟巍提出，部分超级平台的生态系统具备“必需设施”特征；若企业拥有市场支配地位，却无正当理由拒绝第三方AI智能体接入，就存在构成《反垄断法》项下滥用市场支配地位的风险，该类拒绝行为也有适用《反不正当竞争法》“恶意不兼容”条款的空间。他同时提示，反垄断、反不正当竞争都属于事后监管，行业还可以探索行业公约等事前监管模式，实现事前事后互补。 江国强则从实务角度指出，有必要从比例原则、非歧视原则来考量APP运营者是真的出于安全原因还是出于商业利益考量禁止AI智能体接入。国内反垄断认定中证明“市场支配地位”的举证门槛相对较高，欧盟DMA思路，本质是以“核心平台服务”为认定门槛来对市场有重要影响的商事主体提出更高的公平竞争义务，值得借鉴。 第二组，是平台商业保护与公共工具使用自由之间的取舍。GUI操作不等于数据抓取，平台能否以“保护”为名拒绝接入？ 北京市金杜律师事务所上海分所律师迟骋表示，不宜机械套用过去数据抓取领域形成的裁判规则。“既不能秉持‘凡绕开即违法’的简单判断，也不等于‘凡用户想要即正当’。”迟骋提出，应当开展多维度利益衡量：评估AI智能助手带来的用户福利、是否存在更温和的技术方案、是否破坏整体竞争秩序。 复旦大学法学院副教授史大晓从产业演进视角补充：AI智能体正在成为普通人的“数字分身”，这一趋势不可阻挡，它会重塑现有数字生态的资源分配格局，不同主体之间发生利益博弈，属于正常现象。 第三组，是用户授权边界与产品使用体验之间的博弈，如何在“最小必要”与“自动化体验”之间取舍？ 对此，迟骋给出了实务层面的解法是分层风控，比如订票、信息查询等低风险、程序性的代办事务，交由AI智能助手执行；资产处置行为、身份行为等高风险行为，则交还用户亲自操作或在执行前让用户做单独确认。智能体厂商还需留存完整操作日志，落实个人信息保护的审计要求。 值得警惕的是，不能把民事竞争冲突轻易升格为刑事犯罪。有专家提出，民事、行政应当作为AI智能体领域的主要规制手段，不能简单把平台之间的民事商业竞争冲突，升格为非法获取计算机信息系统数据罪等刑事犯罪；只有出现批量恶意规避风控、窃取受保护数据、干扰系统运行且达到情节严重的情形，才需要刑法介入。同时，智能体带来的授权链条复杂化，也给刑事案件中的证据固定、事实认定带来了新挑战。 AI智能体的落地，不应该是一场零和博弈。当用户能放心地让AI助手替自己比价下单，当平台不必担心被“薅羊毛”而愿意开放接口，当开发者不再纠结于“会不会被抓”而专注于打磨体验——所谓“双重授权”之争，才算真正找到了解决办法。而标准的完善，恰是解题的关键：通过规范打破生态壁垒，才能让技术真正服务于人，推动智能终端产业行稳致远，完成从“可用”到“好用”的跨越。

2026-9-4 2: 9月4日，IFA 2026在德国柏林开幕。追觅携智能家庭、户外庭院、智能出行和具身智能四大主营业务集体参展。这是自今年6月18日进一步明确聚焦四大主业以来，四大业务首次在国际展会同台亮相。 与单纯“上新”不同，追觅此次集中展示的是一条贯穿四大主业的技术主线：以全域感知系统、家庭通用模型和智能控制系统为技术底座，把环境感知、任务理解和动作执行能力复用到家庭清洁、庭院维护、智能出行和工业作业等真实场景。 四大主业不是四条孤立赛道，而是一套广义机器人技术在不同物理场景中的延展和应用。 目前，追觅产品已经覆盖全球190余个国家和地区，累计服务超过4200万家庭。IFA既是全球新品发布窗口，也是对追觅产品矩阵、技术平台和全球协同能力的一次集中检验。 一套技术底座，贯穿四大真实场景 围绕物理AI“感知—决策—执行—反馈”的运行链路，追觅将过去九年在智能硬件、算法模型和运动控制等领域积累的能力，整合为三大技术底座：全域感知系统负责持续获取空间、物体和设备状态；家庭通用模型融合MLLM、VLM和VLA等模型能力，理解用户需求并生成任务策略；智能控制系统则通过马达、关节、减速器和控制算法，把策略转化为具体动作。 这套平台的价值不在于概念叠加，而在于技术复用。同一项感知、模型或控制能力可以在不同产品和场景中反复验证，减少重复开发，并让产品反馈更快回到研发体系。此次四大主业同台亮相，正是这种平台化协同第一次在全球展会上被集中呈现。 智能家庭：从清洁单品走向全场景服务 智能家庭是追觅积累最深、规模化程度最高的业务板块。本届IFA展出的DREAME TriForm?三形态洗地机器人，可在自动清洁、手持洗地和吸尘三种形态间切换，并集成260℃高温蒸汽、32000Pa吸力和防缠绕滚刷等能力，重点解决重污清洁、场景切换和毛发缠绕等高频痛点。 在扫地机器人方面，追觅带来的Aqua20 Pro Ultra Roller X Complete扫地机器人，搭载全球首创的180 ℃高温蒸汽清洁技术，能够快速软化并瓦解厨房油渍等顽固脏污，以纯物理方式实现深度清洁与高效除菌除螨。 在此基础上，追觅还展示了处于研发阶段的ECHO S1单臂轮式服务机器人和ECHO P1轮式人形服务机器人。其中，ECHO S1定位于家庭洗烘服务机器人，围绕洗护场景，探索从衣物识别、分类、洗涤到收纳的连续任务；ECHO P1面向家庭及商业空间服务场景，探索物品搬运、收纳整理、智能照护和安全守护等任务，并面向餐饮、酒店、展馆、学校及养老照护等行业场景开展应用探索。 ECHO系列承载了追觅对家庭通用模型、全域感知系统和智能控制系统协同能力的探索。据悉，该系列将会搭载追觅自研的MLLM多模态大语言模型和VLA视觉-语言-动作模型。 庭院与出行：AI感知、机械臂走出室内 户外庭院板块，追觅旗下生态品牌MOVA首发AstraX机械臂割草机。其UltraTrim? 4.0自适应机械修边臂可根据花坛、墙体和围栏等边界智能伸缩与调节高度，实现行业领先的0cm贴边修剪和90度垂直修边，并通过智能伸缩与高度调节，灵活适配花坛、墙体和围栏等复杂边界，全面提升边缘覆盖率，减少人工二次补修。MOVA还展示了搭载自研96线360° 3D激光雷达，结合AI增强的1080p超高清多目视觉与ToF等多传感器融合环境感知方案UltraView? 4.0，以及处于搭载研发阶段的Knot 80融合仿人机械臂。后者可识别物体并自主匹配抓取方式，实现25-50N力度连续调节。 智能出行板块，追觅旗下生态品牌NAVEE持续以AI技术强化产品的感知与交互能力。新发布的可穿戴式外骨骼机器人NAVEE EXO S Pro搭载AI驱动的实时运动追踪系统，以毫秒级响应速度识别10种人体动作，同步匹配用户步伐节奏；智能高尔夫球包车Eagle F1X融合AI视觉与UWB超宽带定位技术，在强光、弱光、夜间等不同光照条件下均可实现稳定自动跟随，通过视觉感知与AI算法实时识别障碍物、自主调整行进路线。 具身智能：模型能力进入工业验证 具身智能板块，追觅旗下生态品牌魔法原子以“本体硬件、物理AI大脑、场景交付”三层全栈能力，实景展示面向欧洲市场的柔性搬运与物流分拣两大高价值场景解决方案。展会现场，MagicBot X1、D1及MagicDog T1三款新品集体亮相，自研Magic-VLA K02大模型迎来欧洲首秀，通过柔性衣物整理与叠盒贴胶任务直观展现零样本泛化与长程任务执行能力；同时实景还原工业级解决方案，呈现D1与HyperBot等多形态机器人依托统一大脑实现“供包—分拣—转运”的全链路协同，以“一个大脑指挥一群异构身体”的实战表现，实证端到端全栈闭环的落地实力。 全球化不只是覆盖，更是技术验证网络 目前，追觅产品已经覆盖全球190余个国家和地区，意味着产品技术要面对不同住宅结构、气候条件、庭院形态和生活习惯。多层住宅推动跨楼层清洁能力，复杂边界推动机械臂精细控制，不同光照条件则考验视觉感知与定位稳定性。全球市场由此不仅是销售终点，也成为产品定义和算法迭代的反馈入口。 全球化不是把同一款产品卖到更多国家，而是让技术在更多真实场景中被验证、迭代和复用。 从家庭清洁到工业作业，本届IFA呈现了追觅战略聚焦后的阶段性结果：四大主业共享技术底座，以场景化产品验证用户价值，再以全球市场反馈推动技术迭代。战略聚焦最终要靠产品、技术和市场表现来验证，而此次同台亮相，给出了一个更清晰、也更可观察的业务坐标。

2026-9-4 1: 9月3日，英伟达宣布同意以129.3亿美元收购AI开源社区Hugging Face。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。 开源社区被科技巨头收购是逃不掉的命运吗？开源技术社区开源中国CEO徐勇向第一财经记者表示，背后的重要因素是商业化。 今年8月，有消息称，Hugging Face年化收入在两个月内增长了50%，达到1.5亿美元。不过，Hugging Face尚未传出已盈利的消息。 “Hugging Face的主要商业模式是订阅。例如开发者在其环境内部署模型，如果不知道如何优化模型，可以提问获得解答，但这是浅层次服务。”徐勇告诉记者，与此同时，注意力被其他平台分散，OpenRouter等平台已通过模型排行榜吸引了注意力，Hugging Face在这方面没有抓住话语权。 有去年在Hugging Face开放融资时拿到投资机会的业内人士告诉记者，当时Hugging Face估值不算高，不到100亿美元，但公司已不再公开一些经营数据，海外热度被其他平台分走，同时进入具身智能领域。这是他认为Hugging Face去年可能就遇到商业化问题的原因。 开源社区赚钱并不容易。通过免费社区获客后收取增值服务订阅费是一种常见模式。除了Hugging Face，GitHub被微软收购前也未实现持续性盈利。 徐勇告诉记者，2018年海外开源社区被巨头收购时，信号已经明确，单纯的社区难以探索出成功的商业模式，公司随后将更多资源投入社区之外的产品，从知识变现逻辑转向做工具链等产品，面向企业市场。 开源中国2019年曾在现金流接近断裂时，由百度收购60%的股权，进入巨头体系，2022年引入新股东后从百度“赎身”。作为独立的平台，徐勇表示，公司能活下来的核心原因是较为顺利地进行了商业化，目前年营收数亿元。 除开源中国外，目前国内AI模型开源社区有不少在大厂体系内，例如阿里旗下的魔搭社区、百度旗下的飞桨。海外开源社区进入巨头体系后能否保持独立性则是外界关注焦点。 IBM、微软此前曾承诺收购后保持社区独立运作，英伟达CEO黄仁勋也表示，Hugging Face将继续作为面向整个AI生态系统的开放平台。 徐勇表示，被收购时有很多人担心GitHub的独立性问题，但后续发展比较健康。回顾巨头的收购案例，微软在加深AI长期布局并发展云业务，收购OpenRouter的Stripe是支付公司，收购后在支付环节可能形成协同。 IBM收购红帽时，该公司则在发力混合云业务，寄希望于收购可以赋能这一业务。 “收购案都有商业考量，同时说明开源社区有被收购的价值。”徐勇表示，英伟达处于历史发展高位，外界普遍关心增长如何持续。英伟达卡住关键生态位，让开发者留在Hugging Face上，可以借此了解竞争者的技术、模型发展方向，以便调整策略或产品研发方向。

2026-9-4 1: 人工智能正在成为中小企业强化业务竞争力的重要抓手。 9月3日至6日，主题为“人工智能赋能中小企业”的第21届中国国际中小企业博览会（下称“中博会”）在广州举行。8.5万平方米的展区内，超过2000家中外中小企业同台亮相。本届参展企业在技术创新方面紧扣实际使用场景，旨在解决生产环节面临的各类实际问题，这一特点在机器人赛道体现得尤为明显。 中小企业是推动创新、促进就业、改善民生的重要力量，是经济活力与韧性的重要源泉。开幕式上，《促进中小企业发展“十五五”规划》（下称《规划》）正式出台。该《规划》由工业和信息化部、国家发展改革委等10个部委联合印发，明确了中小企业整体发展、技术创新、数智赋能、服务能力、发展环境5个方面的“十五五”发展目标。 本届中博会设立省区市专精特新展区、国际展区（含主宾方展区、其他国家及地区展区）、港澳台展区等主题展，以及中小企业数智化转型展、工业设计展、具身智能展、集成电路展、中小企业特色产业集群出海展等专业展。 在上海展团B02展台，首次参展的它石智航带来了搭载通用具身大模型AWE的A1机器人。机器人自主将散落在桌面的橡皮、笔等文具逐个抓起并放进文具盒，接着双手协作扣上盒盖，再把文具盒装进书包、拉上拉链。即便现场改变文具位置，机器人也能顺利完成。这一长程复杂任务的演示，考验着机器人任务感知与规划、动作实时反馈纠错及抗干扰能力。目前，该公司正在联合上海嘉定区、常州武进区以及安波福等汽车制造龙头推进汽车线束及智能制造场景的规模化验证。 在甘肃展区，首次参展的长风科技带来的主打产品瞄准了广东规模庞大的3C制造市场。该公司机器人事业部副总经理刘伟国在介绍六轴工业机器人产品时表示，公司已经用它开展写字、人体素描，甚至与相关院校合作进行文物修复课题研究。“这是我们精度最高的04D型六轴工业机器人，负载4公斤、臂展700毫米，重复定位精度正负0.02毫米”。 除了在研发上进一步聚焦使用需求外，机器人企业也在开拓市场并推动产能落地。 在重庆展区的七腾机器人有限公司的展位上，一款防爆四足机器人正在模拟化工园区的巡检场景（上下楼梯、跨越障碍、识别仪表数据）。这是该公司今年首次发布的升级产品，采用轮足式运动结构和全新运动控制算法，外壳使用了航空装备同款合金材料。 “这些机器人能够替代人工完成日常巡检、环境监测、异常预警及应急处置，有效降低安全风险、提升智能化水平并压缩运营成本。”该公司副总裁宋雯表示，本次参展带来的产品主要面向石油、化工、天然气等易燃易爆、有毒有害的极端环境。这些产品已在巴斯夫、中海油等项目中落地应用。海外市场方面，七腾已布局卡塔尔、沙特、新加坡、巴西、加拿大等多个国家。 参展企业动易科技展示了能与观众进行羽毛球对打的双足人形机器人。该公司创始人任晓雨表示，动易科技全栈自研的人形机器人及四足机械狗，覆盖生产制造、特种作业、生活服务等多元场景。今年2月，公司智能制造中心落户广州海珠，随后总部也扎根于此。从技术构想到规模交付，这家成立一年的公司已累计完成超2亿元天使轮融资。 机器人产品正在加速走出实验室，出现在各行各业的生产场景中。中小企业能办大事，不仅体现在机器人品类，还体现在集成电路、工业设计等多个领域。 《规划》提出，到2030年，我国中小企业整体发展量质齐升，规模以上中小企业人均营业收入累计增长15%左右；创新发展能力显著增强，规模以上工业中小企业研发费用内部支出年均增长8%以上，专精特新“小巨人”企业达到2.2万家，国家级中小企业特色产业集群达到600个；数智化绿色化水平加速跃升，专精特新中小企业数智化水平二级占比达到95%以上、三级占比达到80%以上；服务体系持续健全，中外中小企业合作区达到50个；发展环境进一步优化，防范化解拖欠中小企业账款长效机制基本建立。

2026-9-4 1: 当地时间9月1日，Anthropic新模型Fable 5.1发布不到几小时，匿名安全研究员Pliny the Liberator公开了一份声称从模型运行环境中提取出的系统提示词——超过27万字符，包含核心行为逻辑、记忆系统、版权规则、插件路由，以及全部46个内置工具的JSON架构（用来定义模型与外部世界交互的接口）。 这并非模型权重的泄露，也没有证据显示Anthropic后台或用户数据因此遭到入侵。但它让外界得以近距离观察一个前沿AI系统如何通过系统指令、工具权限和安全规则来控制自身行为，并暴露了一个更根本的问题：当AI操作手册不再是秘密，企业该如何信任一个可以被解构的AI体系？ 近段时间，AI行业的安全事件密集发生，越狱、提示注入、零日漏洞挖掘，前沿模型的攻击面正以远超预期的速度暴露。大模型厂商一度被视作网络安全行业的“颠覆者”，如今却成了安全市场最大的“派单员”。 这一角色转变也被近期密集出炉的财报数据所验证。 华尔街的担忧被推翻 今年2月，Anthropic推出Claude Code Security，允许模型自动扫描代码库、寻找潜在漏洞并提出修复方案。 市场第一反应不是欢迎。CrowdStrike、Palo Alto Networks、Okta等网络安全公司股价集体下跌，部分跌幅达两位数。投资者担心，如果AI能承担漏洞发现和代码审计工作，传统安全软件的需求会不会萎缩？ 仅数月后，模型产品本身暴露出越来越多的安全风险。OpenAI、Anthropic 多款前沿模型被测出具备越狱逃逸、自主挖掘零日漏洞、伪造身份、协同攻击能力；百余家科技巨头联名警告，随着全球各地模型能力不断提升，由人工智能发起的网络攻击将变得愈发广泛和复杂，留给各方强化网络防御的时间窗口有限。 曾经被视作网安行业颠覆者的大模型厂商，摇身一变，成了安全市场的“派单员”。 9月1日，网络安全头部厂商Palo Alto Networks披露的2026财年第四季度财报显示，公司收入34.1亿美元，同比增长34%；下一代安全ARR（年度经常性收入）达91亿美元，同比增长63%，单季净新增接近10亿美元。CEO 尼科什·阿罗拉（Nikesh Arora）表示，全球约有1万亿美元的网络安全债务亟待现代化改造，以抵御以机器速度运行的自动化威胁。 阿罗拉在财报电话会上详细拆解了AI对Palo Alto业务的三重驱动逻辑。第一，AI数据中心建设浪潮直接拉动了防火墙需求，公司已从主权AI项目、AI原生GPU专用云服务商以及前沿AI实验室获得了多笔七位数美元的防火墙订单。第二，AI Agent的普及正在创造全新的网络流量形态。过去9个月内，其SASE平台中由Agent产生的流量增长了9倍。第三，企业开始为AI模型、Agent、数据及调用链采购专门的安全产品。 另在8月末发布财报的SentinelOne，其Purple AI和Prompt Security等核心AI业务ARR同比增长三倍，管理层预计这将成为公司下一个“九位数ARR”业务。CrowdStrike2027财年第二季度净新增ARR达3.33亿美元，同比增长51%，创历史新高，CEO乔治?库尔茨（George Kurtz）称这一季度为公司的“Mythos时刻”——AI安全需求已从转折点演变为全面加速，公司AI检测与响应业务ARR环比增长近两倍。 信息安全研究员关傲男（Aonan Guan）观察到，近期网络安全行业确实在发生变化。他对第一财经记者表示，随着前沿AI模型发展，国际信息安全公司投入非常大精力用AI改造现有工作流程，如之前写防火墙的签名、检测规则以及进行告警研判等内容需要大量人工参与，目前较多公司已通过大模型进行改造。 此外，这些公司也在积极探索对AI新业务带来的安全防护，比如对AI模型本身安全护栏的开发、对AI模型和Agent的监控治理等。 AI带来的机会与挑战 财报数据与行业人士观察揭示了一个结构性变化：AI正在从两个方向重塑网络安全行业。 第一条路径是“AI for Security”，用AI提升安全效率。第二条路径是“Security for AI”，保护AI本身。 关傲男对记者表示，目前无论是传统咨询公司还是安全服务公司，都在通过AI提高效率，比如使用自动化渗透工具来辅助原有的红队渗透，使用前沿模型来对安全问题进行扫描和分析，甚至部分模型在安全任务上已经可以超过人类表现。 但是“保护AI”这点在关傲男看来，暂时较为依赖标准制定，以及对AI场景的定义。据他观察，美国商业前沿实验室已形成一定规模的事实标准，如MCP等通信协议已经形成了来自多个模型厂商、云厂商和安全厂商参与者共同搭建的技术治理和工作组。国内虽然也有一定热度，但由于没有在上游标准制定上重度参与，导致“保护AI”实现方面尚有空间。 标准问题只是其中一面。当企业真正开始部署大模型和Agent时，另一组更贴近业务现实的安全问题会立刻浮现：AI能访问哪些数据？能调用哪些工具？如果某个Agent被恶意指令操纵，它能否以此为跳板深入企业内部系统？ 360集团首席科学家潘剑锋认为，AI带来的安全挑战甚至不只是攻击方式变化，而是计算逻辑从确定性走向不确定性。传统软件建立在确定性计算之上，人把不确定的世界抽象为确定的计算。但大模型能直接处理模糊、开放的真实世界任务，这种不确定性赋予AI创造能力，也成为新型安全风险的根源。 攻击者可以把恶意意图隐藏在用户输入、系统提示中，诱导模型产生提示注入；模型自身也可能产生幻觉和错误判断。当Agent开始连续推理、调用工具并与其他Agent协作时，一个小错误可能沿着任务链不断放大。 过去AI答错一道题，可能只是一个错误答案。今天，拥有系统权限的Agent判断错误，可能直接执行错误操作。因此潘剑锋认为，智能体时代的安全目标需要从"防御确定威胁”转向“管控不确定性”。 他不认为Anthropic等模型公司进入代码安全领域意味着传统安全厂商会被直接取代。但安全圈需要意识到这个深刻变化——没有能力适应AI的安全公司，可能被淘汰。 独立身份认证与访问管理服务商Okta的转变最为典型。CEO托德?麦金农（Todd McKinnon）在财报会上表示，企业每增加一个AI Agent，就需要解决其身份、权限和访问控制问题。Okta因此正在把身份安全从“人的身份”扩展到“机器和Agent身份”。 Palo Alto Networks则直接用产品验证了这条路径。面向AI应用、模型和Agent的新增产品线Prisma AIRS商业化仅四个季度，ARR即突破1亿美元，成为公司历史上增长最快的新产品之一。 云安全公司Zscaler CEO杰伊?乔杜里（Jay Chaudhry）将AI称为公司历史上最重要的机会之一，Agent访问企业应用、数据和互联网所产生的机器流量，同样需要经过身份验证、权限控制和安全检查。 中美差异化数据后的共同难题 当美国网络安全巨头享受AI红利时，中国部分同行仍存在亏损风险。 厂商财报数据显示，2026年上半年，奇安信营收14.97亿元，同比下降14.09%，净亏损4.11亿元，较上年同期亏损收窄46.58%；绿盟科技营收8.13亿元，增长1.51%，净亏损1.29亿元。 但AI安全需求在国内市场同样真实存在。绿盟科技AI安全订单达1.17亿元，运营商行业签单同比增长超300%；天融信AI安全防护业务收入同比增长超130%。只是国内厂商仍受制于项目制采购——预算审批、招投标、定制开发、实施交付、验收回款，周期漫长。 关傲男指出，中美财务差距的根源不只是AI投入多少。美国传统安全公司过去十多年已完成从硬件向订阅软件的转型，客户增加模块可以直接体现为ARR和订阅收入。中国市场则有大量政府和央国企项目制采购，AI可以帮助减少人工交付成本，却不会自动改变项目制模式本身。 中国的SaaS产业发展是个老话题，尚需时间完善。在AI发展早期，受市场体量、算力基础、客户结构与需求等因素影响，国内网安厂商侧重将AI嵌入原有安全产品，产品形态暂时没有根本性变化，影响的主要是能力维度；美国头部厂商则开始围绕AI重新定义安全产品，比如根据AI原生风险重新设计产品逻辑，创造全新产品品类等。 差异化的财务情况之外，行业内，AI正在成为网络安全的生产工具，也正在成为安全行业需要保护的新对象。前者正在提高安全公司的效率，后者则可能决定下一轮安全市场的规模。 山石网科CTO兼首席AI官蒋东毅表示，AI智能体已彻底抹平行业多年积累的人工攻防经验差距，而政企客户的安全需求已从单纯满足合规，转向看重实战攻防、事件研判与闭环处置的真实安全结果。 对于企业而言，真正的问题已不再是“要不要使用AI”，而是AI开始拥有身份、权限和行动能力之后，谁来约束它，以及谁能够在它犯错之前让它停下来。当AI操作手册可以被公开，企业对AI安全的信任无法建立在“黑箱”之上，而这恰恰是网络安全市场获得新一轮增长的深层原因。

2026-9-4 8: 继安徽卫视播出AIGC古装中剧《桃花潭记》之后，《后西游记》近日登陆湖南卫视晚间黄金档。AI参与制作的作品从网络平台试水到正式走进卫视电视大屏，是否意味着AI剧集未来甚至可能取代传统剧集？ AI重构影视生产逻辑，但老牌电影厂、制作公司以及资深从业者并非被动应战。第一财经记者近日采访发现，西安电影制片厂开发影视行业垂直大模型、推出XR影院，TVB播出AI短剧《社畜求生101》并打造IP商业模式等，这些老牌的电影制片厂、影视制作公司早已根据各自优势在创新AI+内容生产的赛道。同时，也有AI影视制作平台的孵化成功，更有资深视效技术负责人将香港经典漫画IP以AI动画电影形式启动项目。 影视行业正在全面拥抱AI，各家转型的成果进入大众视野。头部厂牌和从业者在转型中寻找新的增长路径与商业闭环，AI+影视产业将有更大的发挥空间。 传统影视厂牌求新求变之路 8月31日，由芒果TV出品、国内首部上星播出的AI长剧《后西游记》正式定档，同步在芒果TV和湖南卫视晚间黄金档播出。 9月2日，该剧出品方芒果超媒（300413.SZ）发布的投资者关系活动记录表显示，相较于传统真人剧，依托“芒果灵创”所打造的《后西游记》在制作模式上的改变是结构性的。在制作成本上，“芒果灵创”提供了一套贯穿内容制作流程的创作和协作工具，《后西游记》制作总成本较同类剧集显著降低。 此外，由剧集官方毛绒“孙小圣”“小胖猴”领衔的首批周边已同步上线芒果TV，更多相关周边正在同步发售，进一步拓展了《后西游记》的IP衍生价值。 作为香港老牌头部影视制作机构，香港电视广播有限公司（TVB，00511.HK）在近年转型升级，并在今年7月下旬正式宣布更名为无线集团，由传统电视台升级为跨媒体娱乐集团。公开信息显示，TVB宣布与火山引擎签署深度合作备忘录，双方将以豆包视频生成模型Seedance 2.0作为合作核心，围绕影视内容智能化生产、短剧数字化制作、IP商业化探索及云基础设施建设四大维度展开协同。 “我们刚刚播完一部AI短剧叫做《社畜求生101》，市面上有些短剧虽然作品同质化，不过打工人的辛苦这种共鸣感是复制不了的。当然业内也有赞同就沿着爆款路线去模仿的声音，但是我们认为还是要创新，制作精品，哪怕成本稍微高一点。”无线集团有限公司TVB Plus及FF工作室总监卢思麟在接受第一财经记者采访时表示，在短剧制作过程中，他们坚持请配音师来为短剧配音，让观众感觉到创作者的诚意。 据卢思麟介绍，在短剧制作过程中，团队不只是在创作故事，还是在孵化IP。比如《社畜求生101》创作期间，当故事情节完成后，团队还花了很多时间去打磨人物设定，在故事情节中充分展现角色性格。这样的努力得到鼓励性的回报，在作品播出后，有广告客户来找短剧角色做广告、出周边。 “我认为，这条商业闭环在香港算是走通了，做AI短剧不能只停留在做短剧，要再多走几步，看看是否有机会培育出IP。”卢思麟说。 传统影视厂牌在内容创新上面对的竞争不只来自于同行，还来自于产业链上下游。 在近期举行的2026数码娱乐领袖论坛期间，香港数码港行政总裁郑松岩在接受第一财经记者采访时表示，数码港孵化过一家用AI技术打造出电影制作平台的科技企业，因平台制作影片效果不错，该企业就把这一工具开放给不同地区的人使用。为解决作品分发传播问题，企业又搭建播放平台，用户可上传自制内容，通过观看和付费产生收益，与创作者分成。如今，该公司也有签约一些早年的香港漫画作品的改编权，把漫画改编成电影。 AI焕新老牌制片“生命力” 西安电影制片厂（下称“西影”）作为老牌的影视制作厂，曾于上世纪八九十年代进入发展黄金期，诞生了《红高粱》《老井》《大话西游》等经典作品。而后影视市场化，西影的发展放缓甚至陷入困境。如今，这个曾经历改革阵痛的老牌电影制片厂，通过全力拥抱AI来重构业务竞争力。 “我们也曾厂区杂草丛生、人员工资发放都难，但现在有了变化。”西安电影制片厂有限公司副总经理朱仁伟在接受第一财经记者采访时表示，“近年来我们一直在做很多尝试，例如发起西部文学刊物影视改编联盟以及建设中国西部电影人才孵化基地，目的是想要找到好的‘故事’。我们对优质内容的初心一直没有忘，直到2023年，我们发现生成式人工智能对于电影内容的认知以及对编剧创作者的创意激发有很大的帮助。” 朱仁伟说，西影接触AI大模型的契机，来自对原有工作流程的优化。 当时，西影每年能收到一两千个剧本，其中八成以上的剧本并不出彩。厂里有几位负责评审剧本的责编，每人每天需要看1至2个剧本并形成报告，效率实在有限。“能不能开发一个系统批量评估筛选剧本，然后再进行人工复核，提高评估效率？” 朱仁伟说，2023年3月，西影开始组织电影领域专家，梳理剧本认知和评估指标与参数体系，从大厂挖了一批算法和软件工程师开始搭技术框架。7月，这一系统的技术架构、模型选型以及前期参数指标就已确定。 朱仁伟向记者透露，当时行业也有过与互联网大厂合作开发适用于电影制作的垂类大模型的想法，但落实起来很难。因为对“大厂”而言，这类项目市场盘子较小、专业要求又高。后来，在国家电影局的指导和支持下，西影重新调整战略，计划打造一个不只局限于自身使用而是可以赋能行业的工具。 为此，西影重新梳理AI技术与电影制片相结合的环节，以剧本评估为切入点，向前覆盖从想法到剧本的创作生成、评估修改；向后延伸至多模态故事板分镜生成、制片管理赋能、影片样片生成，再到实现成片AI分析，基本完成了全流程规划。 2024年年初，西影完成了系统初版的开发。同年9月，这个名为“影谱”的垂直领域大模型通过备案，这也是陕西省第一个通过中央网信办备案的AI大模型。2025年10月，西影首个核心功能“影谱AI·编剧助手”正式上线，为电影创作者提供AI辅助创作服务。 当西部的老牌制片厂开发行业垂直大模型之际，在粤港澳大湾区，亲历物理与光学特效向数码特效迭代的视效技术负责人，如今正带着学生探索AI动画的创作空间。 马力影像有限公司行政总裁马文现是香港资深视觉特效师、监制，参与的多部作品入围业内重要视效类奖项。2009年后，受市场需求影响，他一度淡出了电影制作业务。次年，他成为“香港电影专业培训计划”电影专业后期制作课程主任导师，而后于香港本地高校任教。任教期间数码技术逐渐普及，他也回归电影制作业务。 在数十年的从业生涯里，马文现见证了电影行业从胶片时代到数码时代的转型。如今，马文现在教学的同时也带着年轻人，尝试把AI技术与经典IP结合制作新的内容。 2019年，马文现获得香港著名漫画家冯志明授权，基于《刀剑笑》IP合作开发《魔幻刀剑笑》特效电影。此后四年市场环境发生诸多变化，随着2024年AI技术兴起，他把特效电影计划调整为对《魔幻刀剑笑》IP宇宙的打造。 “或许我是香港第一个用AI教同学做动画的老师。如果用已有的数码软件，学生花费三四个月时间才学懂基本操作，甚至做成一个商标logo都算很成功的了。如果使用AI软件，学生在两三堂课之后就能做出有故事内容的片子。”马文现告诉记者，新技术赋予了《魔幻刀剑笑》这个30多年历史的经典IP以更多的可能性。他与漫画原著作者冯志明达成共识，希望年轻人可以善用AI技术，基于这一IP的故事情节创造更多更新的情节。 7月，《魔幻刀剑笑·智能未来》AI动画电影项目在香港启动，该项目采用阿里云全链路AI视频创作平台“万镜一刻”，整合阿里视频生成模型HappyHorse，构建起从创意构思到最终成片的一站式全流程制作环境。 值得一提的是，该项目也是当地首部由中学生参与部分主创岗位制作的AI动画电影。对此，该IP原创作者冯志明认为，通过AI技术活化角色，并让年轻人以更新的视角去发挥IP世界观，是科技与艺术结合的典例。 AI影视产业有更大的发挥空间 AI技术正在改变影视行业的工业生产逻辑，更灵活的协作模式或许能给多元创意落地提供沃土，更节省的预算方案能支撑更多项目做下去。 有编剧告诉第一财经记者，AI技术给业内带来的挑战和机会是一体两面的。AI没出现之前，编剧、剪辑等岗位的从业者接活比较稳定。如今传统流水线里的部分执行类岗位需求收缩，也有一部分从业者选择离开。不过需要关注的是，AI技术在一定程度上帮助岗位从业者完成了向项目制作人转型的过程。 “相比成为一颗螺丝钉，我更愿意抓住AI东风去闯一闯。”该从业者表示，如今，几个人组成小工作室轻量化制作AI影片、AI广告的模式并不少见，短样片一个人就能完成。“在以前，或许你的创意很难落地，其中有各种考量、流程以及意外。但现在简单很多，AI帮你把灵感固定成为作品，几天的播放量就能告诉你作品是否受欢迎。” “现阶段的技术水平还做不到让观众完全感觉不出是AI生成，但你会看见它在不断往前走。”郑松岩告诉记者，早期很多的香港电影外景是实拍，不管是尖沙咀、旺角和中环这样的闹市亦或是一些屋邨场景，剧组需要把对应区域围起来拍摄。而且，电影置景很贵，例如拍摄《九龙城寨》的置景费用就高达几千万元。类似情况如果用AI技术替代实拍，抽取历史影像生成场景，可以有效降低成本。 郑松岩认为，AI除了赋能作品创作和传播，还能帮助业内优化工作流程。例如，影视制作的流程相对烦琐，同一个场地可能同时有很多团队来租。传统的统筹模式不一定完美，但如果AI介入来帮助编排工作流程，及时响应和调度，就能够帮助制作方和运营方提升效率、降低成本。在作品完成之后，AI也能助力IP运营和线上虚拟资产的管理，例如抽取影视片段去授权给企业营销等。 在制作行业垂直大模型之外，西影还在尝试推出无界XR影院。在这套播放体系下，戴上设备的观众可以360度沉浸式置身于电影场景之中。据朱仁伟介绍，西影出品的XR影片《玄奘与龟兹》，在第十六届北京国际电影节虚拟现实电影竞赛中获得最佳虚拟现实电影奖项。 “希望一到两年内能把商业模式跑通，三到五年内可以形成与传统电影互补的市场。”朱仁伟告诉记者，截至目前，全国范围内无界影院已有七家正式开业，上个月才刚刚落地广州正佳广场。这一项目规划两年实现自营100家、带动社会投资1000家，最终的目标是全国一万家。

2026-9-4 8: 当地时间9月3日，OpenAI发布新一代旗舰模型GPT-6 Astra，并将其定位为公司十年来推进通用人工智能（AGI）进程中的关键里程碑。 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时代的开始。 Astra也是OpenAI迄今规模最大的训练项目。OpenAI研究副总裁艾丹?克拉克在发布前的沟通会上透露，公司首次在得州Stargate数据中心使用超过10万张GPU进行预训练。 算力规模的扩大最终体现在模型完成现实世界任务的能力上。OpenAI展示的案例包括让Astra在KiCad中完成印刷电路板布局，在Unity中构建3D城市，在FreeCAD和Blender中制作动画汽车变速器，并根据W-2表格起草纳税申报材料。模型还可以跨越浏览器、代码和专业软件执行多步骤工作，而不再只是生成文字或代码。OpenAI称，Astra在计算机操作、浏览器使用、软件工程、科学研究和专业工作等多项评测中达到新的前沿水平。 这也是OpenAI判断Astra具有AGI意味的重要原因。与此前主要依赖聊天窗口的模型相比，Astra开始直接进入软件环境执行任务：打开应用、读取资料、操作界面、编写代码、验证结果，再根据反馈继续修改。 但这一次发布同样伴随着更严峻的安全约束。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。按照OpenAI的定义，在获得适当工具和权限后，Astra能够发现此前未知的软件漏洞，并在没有人类逐步指导的情况下，为受到良好防护的系统设计新的攻击方式。 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。公司还为Astra增加了更严格的环境隔离、模型权重保护、全轨迹监控和实时安全干预机制；涉及工具调用的外部部署也加入了新的失配行为监控系统。 真正令安全研究人员担忧的，却是另一项指标：Astra变得更安全的同时，也变得更难监控。 OpenAI评估显示，Astra整体较GPT-5.6 Sol更愿意遵守安全边界，但其思维链（CoT）可监控性出现明显下降。原因之一是Astra在很多任务中能够用更少的显式推理完成工作；当模型意识到自己正在接受监控时，它甚至可能主动缩短思维链。在对抗性测试中，Astra表现出了规避监控的能力，包括在被要求隐藏行为时降低CoT监控系统发现异常的概率。 OpenAI首席科学家雅库布?帕乔基也承认，思维链监控是一种脆弱的安全手段，且随着模型能力提升，其有效性正在下降。他表示，公司希望避免前沿模型进入不可监控的竞争，并正在研究激活监控等不依赖思维链的方法。OpenAI研究人员托梅克·科尔巴克也表示，Astra相比此前模型更加符合安全要求，但可监控性的下降是令人担忧的趋势。 这意味着，前沿模型的安全问题正在发生变化。过去的核心问题是模型“会不会做坏事”，现在则逐渐变成：当模型拥有更强的自主能力时，人类还能不能及时发现它正在做什么。 这也是OpenAI与Anthropic等竞争对手之间的新战场。Anthropic近年来重点推进Claude Code、Agent以及AI安全研究，强调让模型承担更复杂的真实工作；OpenAI则试图通过Astra把计算机操作、软件工程、科学研究和专业工作整合进一个通用Agent。双方竞争的焦点已经从单纯的基准测试成绩，进一步转向谁能让AI在真实软件环境中承担更多工作，同时维持足够的安全边界。 对于OpenAI而言，超过10万张GPU解决的是训练模型的问题，而Astra发布后真正需要解决的，则是如何让越来越接近AGI的系统，在拥有自主行动能力的同时，始终处在人类能够理解、约束和叫停的范围之内。

2026-9-3 2: 当地时间9月3日，英伟达（NVDA.O）宣布，公司已同意以129.3亿美元的价格收购Hugging Face。9月3日美股开盘，英伟达涨超1%。 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。Hugging Face面向研究人员和工程师提供NLP（自然语言处理）解决方案，提供预训练模型库，还为用户提供各种预训练模型API（接口）和文档。 截至目前，已有超1800万名开发者、研究人员和创作者在Hugging Face上分享了超300万个模型、50万个数据集和100万个应用。 英伟达CEO黄仁勋在博客中表示，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。Hugging Face将继续作为面向整个AI生态系统的开放平台，开发者可以通过Hugging Face构建或部署，并不强制要求使用英伟达的计算资源。 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。 英伟达此前通过投资布局AI生态系统，但大额投资主要集中在基础设施领域。除Groq外，英伟达2019年还曾宣布以69亿美元的价格收购网络技术公司Mellanox。对Hugging Face的大额投资，反映了英伟达对AI软件特别是对开源AI领域的重视。 黄仁勋在博客中强调了英伟达支持开源生态的立场，称自己近期参与签署了一封公开信，强调了一个观点：开放权重拓宽了AI的获取途径，并有助于确保AI领导力分散于企业、机构和社区之间。使各方无须从头训练模型就能在先进能力的基础上构建产品。当人们能共同构建时，AI进步会更快。 英伟达还表示，公司已在Hugging Face上发布了超500个模型和超250个开放数据集，是该平台上开源模型和数据集的最大贡献者。 有消息称，Hugging Face去年曾拒绝英伟达的投资，以保持公司独立性，为何此次又选择接受投资？Hugging Face CEO Clément Delangue近日谈到与英伟达商谈收购事项的背景时表示，公司意识到Hugging Face和整个开源AI领域正处于转折点，需要更多资源、更大规模和更高可见度。 此前也有一些科技巨头对收购头部开源平台感兴趣。 2018年，IBM宣布斥资约340亿美元收购红帽的股份，相当于在红帽当时股价的基础上给出超六成溢价。彼时这是IBM史上最大的一笔收购。红帽的开源软件产品覆盖公有云、私有云、多云管理等领域，而IBM当时正在混合云方面发力，寄希望于对红帽的收购可以赋能这一业务。2018年，微软则宣布斥资75亿美元收购全球最大的代码托管平台GitHub。 收购时，IBM承诺红帽团队将独立运作，微软也承诺GitHub将继续保持以开发者为先的理念并独立运营。不过，2025年GitHub CEO辞职，GitHub被纳入微软的CoreAI团队。

2026-9-3 2: ①天猫上线Token充值中心，首批接入阿里云、智谱、Kimi、MiniMax； ②地平线征程智驾芯片量产突破1500万； ③奇瑞汽车旗下公司等成立具身智能科技公司； ④算网应用封装将有国家标准； ⑤Meta调整AI绩效考核标准，取消Token使用量指标； ⑥Meta在Muse Code和Meta模型API中推出Muse Spark 1.3； ⑦英伟达携手Equinix、Together AI推出企业AI推理方案。

2026-9-3 2: “.ai”正在成为一门生意。 记者关注到，过去几个月，阿里正围绕旗下多个业务相关的“.ai”域名密集发起投诉。记者梳理捷克仲裁法院（CAC）的公开信息发现，goofish.ai、taobao.ai、qwenchat.ai、alibaba.ai等域名都曾进入争议程序，最终被裁定转移给阿里相关主体，此外，也有阿里对1688.ai提出的域名转移申请目前遭到驳回。 阿里并非第一家争夺“.ai”的互联网公司，过去几年，腾讯、谷歌等都有类似动作，如何从原持有者手中通过域名争议解决程序拿回相关域名，也成为大厂不得不面对的问题。一些域名投资者也将部分AI域名的抢注视作可能的商机。 大厂法务发力争夺几个网址的背后，是一轮AI品牌入口的重新定价，AI域名价值水涨船高，大厂的AI出海也在按下加速键。 “.ai”快速升值 “.ai”原本只是加勒比海的一个小岛国安圭拉（Anguilla）在上世纪分得的专属国家和地区的顶级域名，随着人工智能的兴起，“.ai”突破地域含义，成为观察人工智能发展的一个侧影。 ChatGPT发布于2022年底，IMF数据显示，2022年“.ai”的注册量为14.4万个。而到了2026年1月初，“.ai”域名注册量已上涨至超过100万个。仅2023年，安圭拉政府就通过“.ai”域名获得了数亿元收入。 普通人注册一个“.ai”域名的门槛并不高。记者搜索发现，腾讯云官网就提供ai域名注册服务，页面信息显示，“.ai”域名注册一年的价格是75美元，用户可通过云网站提供的入口快速注册。不过，页面标注着“全球最受欢迎的域名”的“.com”注册一年价格为12.99美元，“.ai”价格已是其近6倍。 一些特殊的AI域名更是产生了不菲的商业价值，域名交易机构DNJournal统计显示，2025年，Wisdom.ai以75万美元成交，今年，Bot.ai通过域名交易平台Sedo以120万美元成交。 与互联网大厂相关的AI域名更因潜在商业价值备受关注。近年来，大厂开始补齐“.ai”域名，面临着不少相关域名已被他人注册的情况，如何夺回这些AI域名开始受到大厂关注。 根据CAC公开案件梳理，过去几个月，阿里围绕goofish.ai、taobao.ai、qwenchat.ai、alibaba.ai等多个域名发起投诉，涉及集团品牌、电商业务以及AI产品等不同层级，其中既有阿里巴巴等成熟品牌，也有happyhorse、千问等新AI业务品牌。 更早之前，腾讯也曾在2023年围绕tencent.ai等多个域名发起争议解决程序，海外科技公司中，谷歌也曾围绕旗下品牌和AI产品相关域名采取类似行动。 北京市隆安（深圳）律师事务所律师卫斌告诉记者，当域名被注册后，企业一般会综合评估域名的重要性、持有人报价、UDRP胜算、维权时间和品牌风险，决定协商受让还是启动争议程序。如果购买成本可控，而持有人又具有一定的正当注册理由，协商转让往往更快、更确定；如果存在明显针对商标注册、仿冒引流或者高价索售等证据，企业通常更倾向于通过UDRP（统一域名争议解决政策）等程序追回域名。 可能与大厂相关的“ai域名”定价可高达数十万美元。例如，在alibaba.ai的域名争议中，alibaba.ai的原持有人便自称以3333美元购入，并以33333美元挂牌售卖该域名，不过，阿里最终通过UDRP程序投诉成功获得域名转移。而在 1688.ai 的争议中，由于持有人提交了注册后不久形成的AI开发材料和争议前的AGI网页等，阿里的投诉被驳回，而这个域名曾被持有人以168888美元挂牌。 卫斌对记者分析，在该类具体案件中，原持有人与大厂间的角力关键点是注册行为本身的正当性。持有人如果能够证明自己基于通用词、数字含义或独立项目注册，并保留真实的开发材料，即使后来公开出售，也不当然构成恶意。但如果注册后立即联系企业高价索售，或者域名完全对应刚刚发布的新产品，这些行为反而可能成为恶意抢注的证据。他同时提到，近两年AI产品大量涌现，但不少企业此前没有储备相应域名，等产品走红后才发现关键域名已被他人持有，因此围绕“.ai”“模型名+AI”等域名的争议明显增加。 “.ai”背后的AI全球化 大厂花费时间和法律成本去关注AI域名争夺的背后，伴随着AI的进一步发展乃至大厂AI的出海进程加快，过去不起眼的AI域名进入大厂品牌资产的保护范围。 卫斌认为，AI域名正在从一个普通网址变成AI产品的品牌入口，对企业来说，它既承担用户访问、产品传播和全球品牌识别功能，也涉及防止仿冒、钓鱼和流量混淆。 一方面，部分AI产品推出的特殊节奏，为域名争议制造了新的时间差。传统消费品牌往往在正式发布前完成商标和域名布局，但AI模型迭代快、命名快，部分产品还会采用匿名测试、灰度发布或先开源后官宣的方式。今年以来，阿里happyhorse、智谱模型Ox Alpha（中文社区称“牛来”）都是先以神秘面貌走红，随后才被大厂认领。大厂众多AI项目的赛马，也让一些业务可能在走红后才获得企业内部的品牌优先级。 与此同时，一个趋势是，AI时代，与以往电商行业等需要大量时间培育市场、铺设物流等基础设施不同，大厂AI产品的全球发布越来越快，不少产品在国内版推出不久便已计划推出海外版。 阿里“千问办公”今年8月3日开启公测，8月26日，“千问办公”国际版（QwenWork）便开启公测，通过国际官网（qwenwork.ai）面向海外用户。今年7月，腾讯混元Hy3正式发布时，同步宣布了Hy3将陆续在多个海外平台上线。AI产品从国内推出到全球发布的时间差正在明显缩短。 大厂对海外AI市场的增量相当重视，今年5月，阿里云首席技术官、国际业务总裁李飞飞就曾表示，海外市场对AI的需求持续旺盛，尤其是Agent的爆发让模型调用量和云资源消耗呈指数级增长，阿里云正在面向海外进行全栈升级。 与此同时，“goofish.ai、taobao.ai”等传统业务的AI域名争夺背后，也许并不关联着近期的业务动态，但大厂显然也在为许多传统业务的AI化乃至出海留下更多潜在空间。一个简短、易识别的AI域名既能降低用户理解成本，也能减少仿冒网站、钓鱼链接和流量混淆，“产品名.ai”本身就能完成一次品类表达。 从这个角度看，“.ai”的热闹之中，并不只是一轮域名炒作，它是AI产品全球化速度加快的一个缩影，也是企业在全球化中面临的品牌新挑战。

2026-9-3 2: 自动驾驶拟正式入法，国家将从立法层面明确支持自动驾驶汽车发展。 近日，道路交通安全法修订草案（下称“草案”）提请人大常委会会议初次审议，会后草案公开向公众征求意见。值得关注的是，草案新增“自动驾驶汽车的特别规定”专章，首次在国家法律层面明确自动驾驶汽车的法律地位、上道路行驶条件以及违法责任的归属，自动驾驶汽车的路权、违法处理、保险等基础制度将有清晰的上位法依据。 此前，中国自动驾驶的相关规定仅停留在部门规章、规范性文件或国家标准层面，地方虽有立法上的尝试，但存在效力范围有限、交通事故责任划分不统一等问题。法律供给的缺位也让自动驾驶市场的发展步伐趋向谨慎。在国家法律层面对自动驾驶立规的重要性日益凸显。 中国政法大学法学院副院长张力告诉第一财经记者，公开的草案回应了一个最核心的现实问题：自动驾驶汽车究竟能不能上路，进入千家万户？答案是，可以。 草案明确，国家支持自动驾驶汽车安全、有序、规范上道路测试、示范应用和行驶。在这一表态下，草案围绕道路通行规则符合性测试、违反交规的责任划分、保险制度等进行了一系列的立法设计。 以自动驾驶“是否激活”为标准的责任承担模式 “自动驾驶汽车对现行法律带来了许多挑战，其中之一就是在责任认定方面。”中国政法大学教授、可持续交通创新中心研究员郑飞在接受第一财经采访时指出。 在传统的法律秩序中，有关汽车的法律法规以人类驾驶员为中心，但自动驾驶汽车将颠覆这一情况。 第一财经记者注意到，草案设置的专章首先明确了自动驾驶汽车和辅助驾驶功能这两个关键概念，规定自动驾驶汽车是指在设计运行条件下代替驾驶人持续自动地执行全部动态驾驶任务的汽车，辅助驾驶功能则指在设计运行条件下辅助驾驶人执行部分动态驾驶任务的功能。 按照国家标准《汽车驾驶自动化分级》，驾驶自动化从L0到L5按6级划分，其中从L3级别开始，车辆控制权逐渐交由自动驾驶系统，L3级为有条件自动驾驶，L4级为高度自动驾驶，L5级为完全自动驾驶。 郑飞指出，当前草案以“系统是否替代人执行全部动态驾驶任务”为标准，抓住了车辆控制的本质差异。草案进一步规定，未激活自动驾驶功能的自动驾驶汽车和驾驶仅具备辅助驾驶功能的汽车上道路行驶，按照非自动驾驶汽车的规定管理。这体现出“区分管理、分类施策”的修法思路。 在明晰概念的基础上，草案提出了以自动驾驶“是否激活”为标准的责任承担模式。草案规定，自动驾驶汽车在自动驾驶功能激活状态下发生道路交通安全违法行为的，由自动驾驶汽车生产企业、进口企业接受处理。自动驾驶汽车生产企业、进口企业认为道路交通安全违法行为与自动驾驶功能无关的，应当承担举证责任。 郑飞指出，在责任划分问题上，草案采取了框架式立法的方式，具体实施细节有待通过《道路交通安全法实施条例》等配套法规进行规定。 “现行道交法基于‘人是驾驶主体’的传统逻辑制定，无法直接适用于自动驾驶汽车，需要对‘自动驾驶’状态下的交通违法归责标准进行专门规定。由于L3级以上自动驾驶车辆的实际控制权已从驾驶员向系统转移，若继续由驾驶人担责既不公平也不合理，应当设置专门的责任承担方。”郑飞提到，草案已经在违法处理层面初步解决了这个问题。 张力则认为，草案的规定可以确保有主体“接受处理”，不至于让违反交规的行为责任落空。“我个人理解草案所说的‘处理’，并不是简单的处罚，更关键的是要促使相关车企完善自己的技术和产品，想办法在未来的技术应用中避免新的风险。” 郑飞也认为，企业责任模式有助于督促其完善算法安全与数据回溯证明机制，倒逼产品源头车企确保自动驾驶功能的技术水平，并且能够有效避免实践中辅助驾驶与自动驾驶概念混淆导致的虚假宣传，从而减少消费者因误解系统能力而引发的严重事故。 这几年，个别企业以“智驾”为营销噱头玩文字游戏，将辅助驾驶包装成自动驾驶，不少消费者因此盲目信任系统能力，在紧急情况下未能及时接管而引发严重事故。草案明确，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。 不过郑飞认为，目前草案规定的责任认定体系仍有完善空间。其中，“人车交接”的接管过程仍缺乏明确的责任规则。“接管”行为的法律性质尚未明确，有待通过后续的配套实施条例进行确认。例如，事故风险形成于系统运行阶段，但接管时长、操作标准尚未确定，人工接管时一旦发生事故，难以明确责任归属。 他还指出，草案明确的主要是交通违法行为的行政处理责任，民事赔偿、产品责任以及刑事责任的划分尚需配套制度进一步细化。 不过也有专家认为，现阶段道交法不适合规制对应的民事责任。“如果进行规定，就要在传统的责任主体人类之外，增加责任主体，比如生产企业、运营服务商、系统开发商等，现在的时机或许还不够成熟。”张力说。 明确自动驾驶保险的基本制度框架 在关于自动驾驶的立法讨论过程中，自动驾驶汽车的保险制度如何设计也是争议话题。郑飞告诉第一财经记者：“保险制度实施的最大障碍在于难以平衡自动驾驶情形下的各方利益：自动驾驶汽车保险是否强制缴纳？谁来缴纳？如何缴纳？” 草案专章明确：“对自动驾驶汽车实行机动车道路交通事故责任强制保险制度，具体办法由国务院制定。鼓励和支持自动驾驶汽车生产企业、进口企业和所有人、管理人投保商业保险。” 郑飞认为，自动驾驶保险的精算模型、费率标准、责任边界等问题高度依赖技术发展和数据积累，不适合在法律层面过早固化。草案确立了自动驾驶汽车强制保险的基本制度框架，明确由国务院制定具体办法，这一“框架授权”模式是符合实际的。“对车企而言，保险成本将成为合规成本的重要组成部分，倒逼其提升系统安全性。” 对保险业，这项规定又可能带来哪些影响？ 张力认为，草案规定自动驾驶汽车要购买“交强险”，这意味着保险公司必须承保，后续需要开发针对自动驾驶汽车的保险产品。这不仅仅只是一个商业行为，可以说这是保险公司日后需要承担的一种社会责任。“当然如果保险公司有意愿的话，也可以开发专属自动驾驶汽车的商业保险。” 郑飞也指出，规定将催生专属保险产品创新，未来可能形成“车主常规车险”加“车企产品责任险”的双重模式。但当前市场缺乏成熟的风险转移工具，保险保障还存在缺口。 还缺哪些规定 在第一财经采访的几位法律专家看来，目前道交法修订对自动驾驶领域的回应是相对适度、克制的。“很难说一项技术发展到什么程度，才能叫成熟了。很多争议性问题还需要进一步观察，如果过早进行明确的甚至‘一刀切’式的规定，可能会给相应的研发主体、市场主体带来更多的负担。”张力认为。 他进一步指出，道交法主要应该做的是明确义务，对相关企业或者相关群体最本质的要求，实际上是减少事故、减少伤亡。目前草案对自动驾驶设置的专章，其实也还有改进的空间。 “应该明确要求相关企业对自动驾驶汽车的运行进程进行监测，对于L3级别的自动驾驶汽车运行，监测车内驾驶人的状态，比如说如果发现人在车里睡着了，车辆的自动驾驶状态需要有一定调整，比如降低行驶速度、靠边停车等。”张力补充，当监测到车辆的驾驶环境临近可以安全运行的条件边界时，系统也应当对车内驾驶人进行持续的提示。 他还建议，法律可以用列举的方式，规定在哪些情况下不能激活自动驾驶功能，即使不以列举的方式，也应该基于“风险最小化”进行原则上的规定。 此外，目前草案主要对企业规制了义务，但缺乏对使用者的义务规定。“有些人可能会使用系统功能被破解、改变乃至蒙蔽的自动驾驶车辆，这是否需要承担一定的责任？”张力认为应该未雨绸缪，为防止使用者轻易绕过系统的限制，法律应该对此有所规制。 郑飞则建议，当下L2级辅助驾驶已成新车主流配置，但草案对辅助驾驶状态下驾驶人的注意义务等问题缺乏专门规定，建议后续配套制度中补充增加辅助驾驶专门条款，以提示辅助驾驶人员的安全驾驶。

2026-9-3 2: 从2023年10月开始，以色列已经在战争状态中度过了接近三年。加沙、黎巴嫩、红海、伊朗，战线一轮轮扩大，军费、预备役、重建、疏散和债务融资也随之堆高。 以色列银行估算，2023～2026年的战争财政成本约为3500亿谢克尔（约6000亿元人民币），这还没有完全计入2026年2月底以后新增的对伊军事开支。 2025年底，以色列公共债务占GDP的比重升至68.5%，明显高于战前约60%的水平。 如果只看这些数字，这是一场越来越昂贵的战争。但和另一组数字放在一起，画面就变得很不一样。2025年，以色列高科技企业私募融资达到156亿美元，较2024年的122亿美元继续上升；全年科技并购金额达到743亿美元。军工出口同样创下纪录，2025年达到192亿美元，比上一年增长接近30%。 于是出现了一个很有意思的财经问题——战争让这个国家越来越贵，为什么它的一部分科技资产也越来越贵？ 答案藏在以色列经济内部越来越明显的分化里。战争给财政、家庭和普通企业留下的是成本，却同时扩大了全球对网络安全、防空、无人系统、人工智能安全和情报技术的需求。更关键的是，以色列有能力把这种需求迅速做成产品，再通过美国资本市场和全球军工体系把产品变成估值、融资和出口。 理解这一点，才能看清战争、经济与科技之间那条看起来矛盾、其实相当清楚的链条。 战争账单 长期战争首先改变的是政府的钱往哪里花。 2024年，以色列经济增长约1%，2025年恢复至约2.9%。以色列银行今年7月仍预计2026年可以增长4%，债务率有望稳定在69%左右。不过，这个预测本身带着很强的条件。 它假设黎巴嫩方向的战斗强度下降，也假设预测期内不再出现新一轮对伊战争。以色列经济现在最重要的宏观变量之一，不只包括利率、消费和投资，还包括下一轮战争什么时候发生、持续多久。 战争时期看GDP尤其容易产生错觉。政府购买拦截弹、给预备役发津贴、安置疏散居民，都可以进入经济活动统计。私人企业少投了一笔钱，政府多花一笔军费，总量上未必马上表现成经济崩塌。可两种支出的意义完全不同。企业建新厂、居民购买新房、大学扩建实验室，通常会留下未来的生产能力；一枚拦截弹完成任务以后，经济价值也基本随之消失。 这也是为什么以色列这几年的GDP比很多人想象的更有韧性，财政压力却持续累积。以色列2025年中央政府预算赤字仍达到GDP的4.7%，债务率升至68.5%。战前以色列一直把较低债务视为小型开放经济体抵御外部冲击的重要缓冲，如今这部分缓冲已经被战争消耗了相当一块。 更难统计的是人。约30万预备役人员反复离开工作岗位，建筑和农业又因巴勒斯坦劳工减少而长期缺人。餐饮、旅游、零售和房地产面对的麻烦更加直接。战争虽然没有让以色列经济停止运转，却在不断提高维持正常运转的成本。时间一长，战争支出的机会成本就会从财政报表进入普通人的生活，也会进入下一代的人力资本积累。 战场决定钱的流向 如果说宏观经济记录的是国家账，产业数据记录的就是战争如何重新分配机会。最明显的受益行业是军工。 以色列国防部数据显示，2025年军工出口达到192亿美元，连续第五年创历史纪录，五年翻了一倍多。导弹、火箭和防空系统占出口总额约29%，光电和观测系统占比也大幅上升。超过一半的出口金额来自单笔1亿美元以上的大项目，政府间军贸协议接近100亿美元。 以色列国防部在公布这些数字时几乎没有回避战争与出口之间的联系。官方明确提到，过去几轮军事行动中经过实战检验的系统，提高了国际市场对以色列防务技术的需求。 “Combat-proven”——即实战验证，在军工市场本来就是一个很值钱的标签。 雷达有没有在复杂环境里工作过，防空系统能不能拦住真实导弹，无人系统是否经历过电子干扰，这些问题很难靠展会宣传册回答。战争提供了最残酷也最直接的测试场。以色列国内消耗的是导弹、军费和人员，军工企业获得的却是一套可以向海外客户展示的实战记录。 科技行业的变化更有意思。2025年，以色列高科技私募融资达到156亿美元，明显高于2024年的122亿美元。网络安全融资约41亿美元，仅次于企业软件。与此同时，全年融资交易只有717笔，降到十年来最低水平，单笔融资中位数却升至1000万美元，比上一年高出67%。 这组数字很值得琢磨。钱回来了，但没有平均地撒向创业生态。投资人减少了下注次数，却愿意在少数看得懂、已经被验证的企业身上下更大的赌注。 因此，“融资额创新高”和“创业生态承压”完全可以发生在同一年。 Wiz和CyberArk就是最典型的两个样本。 谷歌愿意为Wiz支付320亿美元，核心判断是云安全已经成为AI时代最重要的基础设施之一。Palo Alto Networks斥资约250亿美元收购CyberArk，瞄准的则是身份安全，以及未来大量AI智能体出现以后迅速扩张的权限管理市场。两家公司都有深厚的以色列技术基因，但它们服务的是全球客户，资本、员工和商业边界早已跨越以色列国境。 战争在这里产生了一种很特殊的放大效应。全球越担心网络攻击、无人系统、导弹防御、关键基础设施安全，相关预算就越难被削减。普通消费行业面对战争，首先担心需求消失；安全行业面对战争，却会看到更多订单。这也是这轮以色列战争最值得财经观察的地方。 炮火没有吓跑美国资本 一个国家长期遭到导弹袭击，主权评级被下调，财政赤字扩大，照常理说，投资者应该要求越来越高的风险补偿。 以色列科技资产这几年却频繁获得创纪录估值。其中一个重要原因，是以色列科技企业的边界与以色列国家经济的边界早已不完全重合。 以色列科技产业从一开始就高度国际化。研发团队可能在特拉维夫，客户主要在美国，公司融资平台在纽约，销售团队分布于欧洲和亚洲。以色列创新署的数据很能说明问题。 以色列科技企业在海外雇佣的员工约44万人，已经超过国内约40万人。2023年10月至2024年7月，约8300名高科技从业者离开以色列一年以上。 这种全球化过去主要为了接近客户和资本，战争以后又多了一层作用，它能够降低企业对单一地理空间的依赖。 第二个原因来自美国。 以色列科技行业真正特别的地方，很大程度上在于它同时嵌入美国的资本体系和安全体系。美国风险投资机构长期参与以色列科技融资，美国科技巨头又是最重要的并购买家。战争提高了以色列作为一个国家的风险，美国资本却可以把优秀的以色列安全企业按照全球科技资产来定价。 Wiz的320亿美元估值，并非战争凭空创造出来的财富。AI和云计算扩张原本就在提高网络安全的重要性，战争进一步提醒全球企业和政府，数字基础设施所面对的攻击风险正在增加。以色列恰好在这一时间点拥有成熟技术、高密度工程师以及大量安全领域经验，于是美国资本愿意支付更高价格。 这里还有一个很重要的因果关系，经常容易被说反。战争能够制造需求，也能提供测试环境，可它不会自动生产创新能力。 中东长期经历战争的国家很多，能够持续输出世界级科技公司的几乎没有。以色列今天能够把战争需求转化为产品，依赖的是过去几十年形成的人才体系、军事技术部门、大学科研、退役技术人员创业网络、风险投资和美国市场。战争只是把已经存在的能力迅速推向了需求最旺盛的方向。 于是，以色列这几年出现了一种罕见的定价关系。一边是国家风险溢价上升，一边是安全科技溢价上升。两股力量同时发生作用。在部分科技企业身上，后者暂时压过了前者。 这也是为什么只看以色列股市、科技融资和军工出口，会得到一个过于乐观的结论；只看财政赤字、债务和战争损失，又会低估这个经济体的产业韧性。 战争的真实价值 安全科技很繁荣，并不代表以色列科技生态在变好。 以色列创新署今年公布的数据已经出现了一些值得警惕的变化。 2025年高科技就业人数约40万，同比增长2.5%，看起来重新恢复了增长，可过去十年的平均增速接近6%。更关键的是，本土研发人员数量十年来第一次下降，减少约3500人，研发岗位占高科技就业的比例也从51%降到49%。与此同时，高科技人才长期离境仍在增加，2024年夏季长期离境人数比上年同期又增长了14%。 这些数字说明，资本市场的繁荣和本土创新能力之间已经出现了一点距离。 大公司融资容易，成熟安全企业估值很高，跨国企业也愿意收购，可年轻创业者面对的融资入口变窄，研发人员向海外流动，越来越多企业把运营甚至部分研发放到境外。 一家公司的价值仍然可以归入“以色列科技”的统计，但这家公司的就业、税收、决策权和未来新增投资，却未必全部留在以色列。 这可能是长期战争最隐蔽的一笔账。网络安全、无人机、防空、情报分析得到越来越多资金，农业科技、气候科技、医疗创新和其他民用赛道就必须争夺剩下的资本和人才。 几年之内，这种集中会让总量数据很好看。时间拉到十年，问题就会变成这个国家是否还拥有足够宽的创新面。 以色列过去被称为“创业之国”，靠的不只有军工和网络安全。滴灌、医疗器械、半导体、通信技术、企业软件，都曾经从这个生态里长出来。一个健康的创新体系需要大量暂时看不到确定回报的尝试，也需要年轻工程师愿意花几年时间解决没有军方订单的问题。 战争持续得越久，安全需求越确定，钱和人就越容易向同一个方向挤。 从这个意义上，我更愿意把以色列正在形成的结构称为一种“安全资本主义”。安全开始成为配置财政、资本、人才和技术的重要坐标。政府预算向国防倾斜，资本向安全科技集中，人才向拥有明确安全需求的行业流动，国际经济联系也越来越与安全联盟结合。原本服务于国家安全的一套体系，正在越来越深地进入投资、创业和产业选择。 这种模式在战争时期非常强。真正微妙的问题，可能发生在和平到来的那一天。如果地区风险明显下降，军工订单和安全科技估值很难永远按照战争时期的速度增长；而被挤压多年的民用创新、教育投入和早期创业生态，也不会在停火后的第二天自动恢复。 战争可以在几个月内制造大量安全需求，产业多样性却需要很多年才能重新长出来。 所以，以色列过去三年的经验没有证明“战争能够让一个国家变富”。它证明的是一个拥有强大科技基础、成熟军民技术转换机制，又深度嵌入美国资本和安全体系的小型经济体，有能力把一部分战争需求转化为军工出口、风险投资和企业估值，再用这些收益抵消一部分战争造成的损失。 可抵销不等于没有成本。战争的钱最终由财政和纳税人支付，预备役人员承担时间成本，旅游、建筑、零售和普通家庭承受收入和生活压力；另一边，军工企业、安全科技公司以及持有相关股权的人，得到更多订单和更高资本回报。 能在战争中生存，是一种能力。能在不需要战争的情况下继续创新，才是一套经济体系更难的考试。 （作者系中东与国际问题研究学者） 第一财经获授权转载自微信公众号“秦朔朋友圈”。

2026-9-3 2: 【品大事】 飞龙股份：近期控股股东减持公司总股本0.9% 现阶段非车领域业务营业收入占公司整体营收比例较低 飞龙股份公告称，公司股票连续2个交易日收盘价格涨幅累计偏离20.79%，构成异常波动。经核查，公司生产经营正常，主营业务未发生重大变化。截至2026年9月3日收盘，控股股东宛西控股在减持计划期间累计减持516.07万股，占总股本0.8979%；其中，2026年9月3日，宛西控股通过集中竞价交易方式减持股份59万股，减持均价60.10元/股，占公司总股本比例0.1026%。现阶段非车领域业务营业收入占公司整体营收比例较低，敬请广大投资者注意投资风险。 4天3板金帝股份：子公司两个液冷项目尚未形成批量生产能力 暂未形成正式订单或协议 金帝股份公告称，公司股票于2026年9月2日、9月3日连续2个交易日内收盘价格涨幅偏离值累计达20%，属于股票交易异常波动。公司子公司山东博源精密机械有限公司拟使用自有或自筹资金投资建设液冷关键换热部件及高效散热模组总成智能制造项目；公司子公司新思维智算科技（广州）有限公司拟使用自有或自筹资金投资建设液冷关键部件及集成式散热模组总成精密智能制造项目。截至目前，上述两个项目利用现有厂房开始筹划建设，设备将陆续到货进行安装调试，同时借助公司其他产品生产设备、检测设备等交付样品，尚未形成批量生产能力，尚未形成收入，暂未形成正式订单或协议，客户的验证周期、订单释放、行业需求变化等均存在不确定性，预计本事项不会对公司2026年度经营成果产生重大影响。敬请广大投资者理性投资、注意投资风险。 燧原科技中签号出炉：中签号码共有20657个 燧原科技发布首次公开发行股票并在科创板上市网下初步配售结果及网上中签结果公告，中签号码共有20,657个，每个中签号码只能认购500股燧原科技A股股票。 药石科技：拟投资20亿元建设南京CDMO创新基地 药石科技公告称，公司拟与南京江北新材料科技园有限公司签署投资合作协议，共同出资设立项目公司，参与南京江北新材料科技园内相关地块竞买，推进南京CDMO创新基地项目实施。项目整体投资预计约20亿元，其中项目公司基础设施投资暂估约8亿元，承租方后续运营投入约12亿元。项目公司注册资本1.6亿元，公司持股70%，新材料科技园公司持股30%。 *ST康佳：拟主动终止上市 股票明日开市起停牌 *ST康佳公告称，公司拟以股东会决议方式主动撤回A股和B股股票在深交所的上市交易，并在终止上市后转入全国中小企业股份转让系统退市板块转让。公司股票自2026年9月4日开市起停牌，直至深交所公告终止上市决定后5个交易日内摘牌。如终止上市事项未获股东会审议通过，公司将申请股票自股东会决议公告之日起复牌。 2连板光洋股份：公司机器人业务尚处于市场拓展阶段 光洋股份公告称，公司股票连续两个交易日收盘价涨幅偏离值累计超20%，属于异常波动。公司关注到近期市场对机器人及相关产品关注度较高。近年来，公司正全面切入机器人及AI应用领域，围绕机器人专用轴承、关节模组、整机制造三大方向纵深推进，全力开拓市场。目前人形机器人行业整体仍处于产业化初期，公司机器人业务尚处于市场拓展阶段，2026年半年度该业务板块实现营业收入999.41万元，占公司整体营业收入比重较低，尚未实现盈利，相关业务短期内不会对公司业绩产生重大影响。 锦龙股份：筹划转让东莞证券20%股份达成初步意向 锦龙股份公告称，公司拟转让所持东莞证券20%股份，近日与东莞市投控资本投资有限公司就收购标的股份达成初步意向并签订无约束力交易备忘录。双方将就交易事项继续谈判，公司将推进审计、评估及尽调工作，交易能否获批及完成时间尚存不确定性。 先导基电：子公司拟1.5亿元出售中晶智芯10%出资份额 先导基电公告称，公司全资子公司池州万业拟将持有的参股公司中晶智芯10%出资份额转让给南京铨益、南京元富、南京帝元，转让价款共计1.5亿元。本次交易完成后，池州万业将不再持有中晶智芯份额，预计产生收益约5000万元。 盛屯矿业：拟7.09亿元收购铅锌银矿公司西藏海腾实业65%股权 盛屯矿业公告称，公司下属子公司四川盛烽源矿业拟以7.09亿元收购刘宗俊持有的西藏海腾实业65%股权。交易完成后，西藏海腾实业将成为公司控股公司并纳入合并报表范围。标的公司拥有西藏拉萨市墨竹工卡县、林周县巴嘎拉(东)铅锌矿勘探探矿权，勘查面积42.07平方公里，已查明的银金属量达到国内大型银矿标准。 石大胜华：控股子公司拟投资6.87亿元建设锂电池电解液项目 石大胜华公告称，公司控股子公司胜华新材料科技(连江)有限公司拟投资建设20万吨/年锂电池电解液项目，预计总投资6.87亿元，建设周期12个月。项目建成后预计年产值54.41亿元。公司表示，该项目贴近核心客户，具有区位优势，有利于增强抗风险能力和市场竞争能力，促进公司利润增长。 【做回购】 宁德时代：截至8月31日公司尚未实施股份回购 宁德时代公告，公司于2026年7月24日及8月12日审议通过回购A股股份方案，拟使用不低于200亿元且不超过400亿元自有或自筹资金回购股份，用于注销并减少注册资本。截至2026年8月31日，公司尚未实施股份回购，后续将根据市场情况继续推进回购计划。 东阳光：完成回购股份约6亿元 东阳光公告称，截至公告披露日，公司本次股份回购计划实施完毕，已实际回购公司股份1649.97万股，占公司总股本的比例为0.55%，购买的最高价为人民币37.81元/股、最低价为人民币31.55元/股，已支付的总金额为人民币6亿元（不含交易费用）。回购股份拟用于员工持股计划或股权激励。 【增减持】 合盛硅业：控股股东完成减持3%股份 本次减持计划已实施完毕 合盛硅业公告称，公司控股股东合盛集团减持计划实施完毕，期间通过集中竞价及大宗交易合计减持3546.62万股，占总股本3%，减持总金额13.93亿元。本次减持后，合盛集团持股比例由38.34%降至35.34%。 【签大单】 亚康股份：下属公司签订9.22亿元算力租赁协议 亚康股份公告称，公司下属公司北京亚康智算科技有限公司与供应商B公司签订《算力租赁协议》，租赁算力资源，含税金额9.22亿元，租赁期限60个月。合同履行有利于公司相关业务开展，不构成关联交易及重大资产重组。 精智达：近日与某客户签订15.76亿元半导体测试设备采购协议 精智达公告称，公司近日与某客户签订半导体测试设备采购协议，合同总金额15.76亿元(含税)，合同标的为半导体测试设备及其配套治具，预计2年内完成交付。若合同顺利履行，预计将对公司2026年至2028年度经营业绩产生积极影响。 华康洁净：中标项目遭废标 华康洁净公告，公司此前中标“金华市中心医院新院区项目净化系统采购及安装”项目，中标价9018.65万元。因所投TOTO品牌产品未能提供节水认证证书，不符合政府采购强制要求，该项目被废标。公司尚未收到中标通知书及签订合同，本次废标不会对生产经营及当期业绩产生重大影响。 【推荐订阅】《公告臻选》 周日～周四每晚22:00左右更新。深度解读，聚焦关键；分类汇总，一目了然。10分钟内，用专业帮你节省时间，提升决策胜率！ 【扫描二维码，专属客服，专业解答】 【点击上方图片，一键直达】