AI对社会组织方式的冲击 - AI的普及将导致社会组织方式剧烈变化，可能使普通人"植物化"，减少人际互动需求[7][8] - 掌握军事、政治、经济、智力四种力量的人群可能通过AI加剧社会两极分化[8] - 技术必须与恰当的社会组织方式结合，否则会带来系统性风险[9][10] AI在专业领域的应用表现 - DeepSeek在文学创作和诗词生成方面表现优于国内其他大模型[11] - 处理哲学专业问题时表现较弱，尤其在指导学术论文等深度内容上存在局限[11] - 医学保健类问题的回答质量处于中等水平[11] 应对AI幻觉的方法论 - 三重验证法：信息源可靠性核查、逻辑自洽性检验、元认知方向评估[12] - 全知可能带来决策瘫痪，适度保持无知有助于维持探索欲望[13][14] - 信息过载会导致注意力分散，需聚焦核心问题[19][20] 突破信息茧房的策略 - 跨平台对比法：同时使用不同AI系统和小红书/抖音等差异化平台[17] - 反向操作法：在单一平台主动搜索非偏好内容打破算法推荐惯性[18] - 管理实践启示：避免仅听取身边人意见，需主动接触一线未过滤信息[18] 苏格拉底提问法的商业应用 - 管理沟通三步骤：引导员工表达→植入观点→差异化处理合伙人关系[62][64] - 产品开发哲学：通过减法思维凸显核心价值，类似雕刻去冗余的过程[32][34] - 赛道创新逻辑：用新提问方式开辟"小而美"细分市场，如宠物店卖诗集[45][46] 近代精神对企业家的启示 - 马斯克模式：通过技术开源保持持续创新而非依赖专利保护[67][68] - 教育范式转变：梁文锋等创新者多成长于非功利性提问的家庭环境[73][76] - 分配制度挑战：AI普及可能需配合全民基本收入(UBI)保障创新生态[70][72] AI内容生产的本质特征 - 概率计算本质：仅掌握文字相关性而缺乏真实世界指向性[57][58] - 迭代共生关系：人类与AI相互促进演化，类似农耕/工业文明转型[49][50] - 二手思考辩证：有效思考不应拘泥于原创性而应注重问题解决实效[51]

行业投资评级 - 电子行业评级为"强于大市" [1] 核心观点 - DeepSeek开源周发布五大技术，包括FlashMLA、DeepEP、DeepGEMM、Optimized Parallelism Strategies和3FS，显著提升AI模型训练和推理效率 [6][9][11][16][19][23][28] - OpenAI发布GPT-4.5，计算效率较GPT-4提升10倍，但API成本高达75美元/百万tokens输入、150美元/百万tokens输出 [34][35] - 三星与长江存储签署3D NAND混合键合专利许可协议，计划2025年下半年量产420-430层V10 NAND [40] - 英伟达2025财年Q4营收393亿美元，同比增长78%，数据中心业务收入356亿美元，同比增长93% [30][32] - 阿里巴巴宣布未来三年投入3800亿元建设云和AI硬件基础设施 [36] - 台积电先进封装订单激增，英伟达包下七成CoWoS-L产能，预计全年出货量突破200万颗 [37] 目录分组总结 1 DeepSeek开源周发布五大技术 - **FlashMLA**：为Hopper架构GPU设计的高效MLA解码内核，在H800平台上实现3000GB/s数据吞吐与580 TFLOPS算力，性能较FlashAttention-2提升2倍 [6][8] - **DeepEP**：优化MoE模型训练和推理，节点内通信带宽达153GB/s（NVLink），节点间稳定在43-46GB/s（RDMA） [11][12] - **DeepGEMM**：FP8矩阵运算库，计算性能达1358 TFLOPS，加速比最高2.7倍 [16][17] - **Optimized Parallelism Strategies**：包含DualPipe和EPLB技术，优化并行计算和负载均衡 [19][21] - **3FS**：分布式文件系统，聚合读取吞吐量6.6 TiB/s，GraySort基准测试吞吐量3.66 TiB/分钟 [23][26] 2 全球产业动态 - **英伟达财报**：2025财年收入1305亿美元，同比增长114%，数据中心业务收入1152亿美元，同比增长142% [30][32] - **OpenAI GPT-4.5**：SimpleQA基准测试准确率62.5%，幻觉率37.1%，API成本为GPT-4o的30倍 [34][35] - **三星与长江存储**：合作开发420-430层V10 NAND，采用W2W混合键合技术 [40] - **阿里巴巴**：未来三年投入3800亿元建设云和AI基础设施 [36] - **台积电**：英伟达包下七成CoWoS-L产能，预计全年出货量200万颗 [37] - **SiC AR眼镜**：天科合达与慕德微纳合作，利用碳化硅衬底实现80°全彩视场角 [41][42] 3 本周市场回顾 - **SW一级行业**：钢铁（+3.2%）、房地产（+2.2%）、食品饮料（+1.8%）领涨，电子行业下跌4.9%，排名28/31 [44][47] - **SW三级行业**：半导体材料（+0.4%）、数字芯片设计（-2.1%）、半导体设备（-3.4%）表现较好 [47][48] - **海外市场**：费城半导体指数下跌11.7%，恒生指数上涨1.6% [51][53]

深圳人工智能终端产业发展行动计划 - 深圳市发布《深圳市加快推进人工智能终端产业发展行动计划（2025—2026年）》，目标到2026年全市人工智能终端产业规模达8000亿元以上、力争1万亿元 [1][4] - 计划提出集聚不少于10家现象级人工智能终端企业，人工智能终端产品产量突破1.5亿台，推出50款以上爆款产品，打造60个以上典型应用场景 [4] - 重点发展人工智能手机、计算机、平板电脑、大模型一体机、可穿戴设备等品类，推动智能手机从"智能工具"向"智能助理"升级 [1][5] - 在可穿戴设备领域，重点布局智能眼镜、智能手表、智能耳机、AR/VR设备等细分赛道，聚焦空间感知、实时翻译、健康监测等场景 [5] 人工智能终端产业重点任务 - 加快发展端侧大模型，鼓励企业通过模型压缩、蒸馏等技术提高部署效率，建立高质量数据库优化模型 [6] - 提升基础软硬件水平，包括操作系统功能架构优化、芯片核心技术攻关、下一代显示技术发展等 [6] - 推动形成强大企业梯队，培育"隐形冠军"，吸引全球企业在深设立创新总部和研发中心 [6] - 拓展应用场景，在政务服务、城市治理、智慧教育、医疗等领域开放场景，支持工业机器人、智能检测等制造业应用 [7] 智谱AI融资动态 - 智谱AI宣布完成新一轮超10亿元人民币战略融资，投资方包括杭州城投产业基金、上城资本等 [8] - 融资将用于国产基座GLM大模型技术创新和生态发展，服务长三角地区数字产业转型升级 [8] - 公司在2024年12月刚完成30亿元融资，用于GLM大模型系列研发，提升复杂推理和多模态任务能力 [8] - 智谱源自清华技术成果，已推出GLM-130B预训练模型、ChatGLM对话模型等产品矩阵 [9] 行业开源趋势 - DeepSeek举办"开源周"连续开源五个软件库，涵盖AI基础设施多个领域 [9] - 智谱表示将发布全新开源大模型产品，包括基座模型、推理模型、多模态模型等 [10] - 2025年以来字节豆包、阿里通义千问等企业纷纷加入开源行列，促进AI产业生态繁荣 [10] - 开源模式推动大模型从"重资本军备竞赛"转向"合作共创平台"，降低研发成本提高创新效率 [11] 金融领域AI应用 - AI大模型在金融机构非核心决策环节已有较多落地应用，如智能客服、业务助理等 [11] - 奇富科技ChatBI与Deepseek-R1融合可优化营销效率，实现复杂数据分析任务拆解 [11] - DeepSeek-R1开源模型有望促进AI在金融机构核心决策/风控环节的加速探索 [11]

图片来源：腾讯 腾讯在其官方渠道表示，推出快速思考模型Turbo S ， 被设计为尽可能快速地思考并且做出响应 , 与 DeepSeek 的深度推理方法有所不同，其部署成本也大 幅下降。 阿里巴巴在腾讯发布的一个月前，其最新的 Qwen AI 模型做了基准测试，以针对 DeepSeek 。周四， 微信运营商分享了数据表明其自身的 Turbo S 在常用 的 AI 测试中与 DeepSeek 的 V3 模型具有竞争力。 百度公司在周五表示将在 3 月 16 日推出其最新的 "Ernie" 平台。而字节跳动公司正在测试一个类似 DeepSeek 的 R1 的新模型。 图片来源： DeepSeek 许多公司和政府机构都在使用 DeepSeek 。其受欢迎程度居高不下 , 以至于由于服务器容量不足 , 一度暂停了某些服务。为了应对需求激增 , 它在非高峰时 段大幅降低了应用程序接口的价格。 上周 , 该公司承诺向公众发布关键代码和数据 , 这是一个不同寻常的举措 , 比以往竞争对手如 OpenAI 所做的更多地分享其核心技术。 通过这一举措 ,DeepSeek 正在更积极地推动 AI 开发的开源方法 , 这已经赢得了 ...

RISC-V行业发展趋势 - RISC-V已完成从新兴势力到中坚力量的蜕变，大厂如高通出货6.5亿个RISC-V内核[1]，英伟达累计量产30亿颗基于RISC-V内核的芯片[1] - RISC-V在MCU和AI芯片市场取得突破，消费电子、汽车、工业、PC及服务器市场均开辟新天地[1] - 行业进入高性能时代，阿里巴巴达摩院玄铁团队率先布局服务器级CPU[2] 玄铁处理器技术进展 - 玄铁处理器家族涵盖C、E、R三大系列，覆盖智能终端、网络通讯、AI智算及服务器等场景[5] - 玄铁处理器出货量超40亿颗，成为国内最受欢迎RISC-V处理器IP之一[5] - 新一代旗舰处理器C930采用15级乱序超标量流水线设计，SPECint 2006达15分/GHz以上，支持PC、边缘服务器和自动驾驶场景[7] - 新增AI专用处理器C908X（支持4096bit超长数据位宽）、车载处理器R908A及高速互联解决方案XL200[8] 生态建设与合作 - 玄铁构建以RISC-V为核心的软硬一体化生态，与劳特巴赫、兆松科技、Arteris等伙伴协同推动工具链、操作系统及解决方案发展[12] - 中国科学院软件所基于玄铁C910推出首款开源RISC-V笔记本"如意BOOK甲辰本"，并量产64核C920处理器的"如意BOOK乙巳本"，AI算力提升3.8倍[13] - 玄铁联合新思科技、Arteris等成立"无剑联盟"，推出"无剑300"芯片设计平台，助力芯片厂商缩短开发周期[15] - 西门子EDA、Cadence等头部企业加入联盟，推动车规级解决方案（如经纬恒润）、教育硬件（网易有道）及电网（国网南瑞）领域落地[16] AI与开源战略 - DeepSeek开源模型成功验证低算力大模型可行性，打破传统架构依赖[19][20] - 玄铁C930集成8 TOPS Matrix引擎，AI算力较前代Vector引擎实现飞跃[21] - RISC-V作为唯一"生而开源"指令集架构，潜力受期待，玄铁率先提出Matrix扩展指令[18][22] 未来发展方向 - 玄铁持续迭代处理器产品线，聚焦高性能与AI两条技术路线[22] - 联合国际合作伙伴完善软件生态，贡献标准建设，推动RISC-V在服务器及AI场景渗透[18][22]

大模型开源趋势与行业影响 - DeepSeek重塑全球大模型格局，扭转行业对开源的理解，推动百度、MiniMax、阶跃星辰等公司转向开源[2][3] - DeepSeek计划开源5个训练、推理相关的代码库，超越多数公司仅开放模型权重的做法[4] - 开源大模型通过降低创新成本、建立生态可能形成"事实标准"，如DeepSeek模型推理成本低推动生态自然形成[5][17] 开源数据集与模型性能 - 激进主张认为真正的大模型开源需包含训练数据集，类似维基百科由非营利机构牵头共建[6][9] - 开源模型串接（Llama/Mistral/Qwen）评测表现优于GPT-4o近10个百分点，证明开源数据集潜力[10][11] - 模型能力核心依赖训练数据质量，建议采用GPL类传染性许可证强制商业公司回馈数据集[13][14] 开源商业化路径 - DeepSeek未融资使其能专注技术追求，但未来需探索开源生态商业化如Red Hat的订阅服务模式[23][24] - 开源成功案例显示商业化可通过API服务、技术支持实现，生态需允许其他玩家盈利[28][39] - 中国开源受限于企业定制化需求强、软件采购方强势，但工程师规模全球第二[25][26] 公司开源策略差异 - Meta因错过云计算选择开源AI构建生态，阿里开源驱动因素包括技术品牌建设与云计算业务协同[29][30] - 阿里通过开源委员会流程化管理，将开源贡献纳入职级评审，推动外部贡献者占比提升[35] - 字节闭源、阿里部分开源、DeepSeek全开源的分化源于商业化路径选择差异[28] 开源生态建设经验 - 阿里早期开源tair缓存系统提升技术声誉，工程师因代码公开更注重质量[34] - 开源虽可能被竞品利用（如京东使用阿里开源软件），但能积累不可复制的数据资产与人才吸引力[38] - 中国大模型开源将持续，需多方共建生态形成正反馈，类似Linux成功模式[27][37] 技术演进与行业竞争 - OpenAI闭源因商业化压力难以回头，其有限开源o3-mini模型被视作挽回关注度的举措[19][21] - 芯片禁运背景下，DeepSeek开源策略为中国大模型发展提供关键路径启示[18] - 未来行业可能并存开源非营利巨头与闭源商业巨头，中等规模玩家共存[39]

核心观点 - DeepSeek的出现打破了AI大模型研发需要巨额资金和技术积累的固有认知，由一家中国金融领域的初创企业开发出性能卓越的开源大模型[1][4][5] - DeepSeek的成功在于通过算法优化提升算力的边际产出，以技术进步突破规模定律的约束，这背后体现了中国在数字基础设施和人才规模方面的优势[1][8][11] - AI发展同时受规模定律和规模效应影响，规模定律带来后发优势，规模效应带来先发优势，中美在AI领域各有比较优势[15][16][22] - DeepSeek选择开源模式有利于构建更大规模的创新生态，加速AI应用层的渗透，发挥中国在应用端的规模优势[24][26][28] - 金融与科技存在天然联系，金融领域的创新本就是数字科技创新的一部分，金融科技与科技金融需要协同发展[36][38][39] AI经济学：规模定律与规模效应 - 规模定律指在给定算法框架下，增加数据、参数、算力投入可提升AI性能但边际收益递减，规模效应指规模扩大带来单位成本下降和效率提升[8][9][10] - DeepSeek通过算法优化提升算力边际产出，以技术进步突破规模定律约束，在算法框架改善下AI性能可呈现规模报酬递增[11][12][14] - 算法创新依赖于规模经济构建的创新生态，包括企业内部规模经济和上下游协同的外部规模经济[14] - 中国在数字基础设施和人才规模方面的优势为算法创新提供了支撑，体现大国规模经济效应[1][14][15] AI经济学：后发优势与先发优势 - 规模定律隐含后发优势，落后者要素投入边际产出更高，有利于差距收敛；规模效应隐含先发优势，规模报酬递增强化领先者地位[15][16][22] - 中美AI发展指数显示两国在研发端和应用端均具规模优势，美国研发端略强，中国应用端略强[16] - 中美发展路径分化：美国侧重算力优势，中国侧重算法优化和人才规模，2022年中国培养的AI优秀人才占比已达47%[18][19][21] - 美国限制算力出口可能促使中国更聚焦算法优化，强化比较优势，算法技术进步是AI发展的核心驱动力[19][22] 开源促进外部规模经济 - DeepSeek开源模式降低应用层商业壁垒，有利于加速"人工智能+"进程，2025年1月其APP在157个国家和地区下载排名第一[24][26] - 开源系统更依赖外部规模经济，闭源系统更依赖内部规模经济，如Android用户数近iOS三倍但开发者收入更低[25][28] - AI应用层潜在市场规模是算力层和模型层总和的两倍，开源加速渗透可释放大国规模优势，促进经济增长[27][28] - 开源将规模经济收益更多分配给生态伙伴，实现创新社会正外部性，弱化技术进步的贫富分化效果[28] 创新发展模式 - 科技创新与产业创新需要融合发展，中国需摆脱重供给轻需求、重资产轻人才的路径依赖[31][32] - 大市场需求优势是产业创新根本驱动力，如《黑神话悟空》《哪吒之魔童闹海》等成功案例[32] - 大企业擅长渐进式创新，小企业更具颠覆式创新活力，CVC模式可实现两者优势互补[33][34] - 知识产权保护与个人破产制度对激励人才创新创业至关重要[34] 金融与科技关系 - 金融活动尤其是资本市场关键在解决信息不对称，金融领域创新本就是数字科技创新的一部分[36][39] - 量化基金等金融科技是科技工具在金融领域的重要应用场景，AI大模型要素也是其竞争力所在[38] - 资本市场通过外部规模经济支持创新生态，与多样化创新生态更契合，大国资本市场更具优势[37] - 需平衡金融科技监管与包容"动物精神"，重点防范不当行为而非限制超额收益本身[39]

微软量子计算突破 - 微软发布全球首款拓扑量子芯片Majorana 1，采用半导体砷化铟和超导体铝材料，基于全新"拓扑"物质状态构建[3][4] - 该芯片历时近20年研发，目标在2030年前上市并实现百万量子比特规模，被视为量子计算的"晶体管时刻"[3][15][16] - 技术突破在于验证了马约拉纳零能模在新物相中的存在，使量子信息可被可靠隐藏和测量[15][16] 量子计算战略布局 - 微软采用软硬件分离策略，同时与中性原子、离子阱团队合作开发多种量子计算机类型[17] - 计划2027-2029年推出容错量子计算机，预计可容纳百万物理量子比特和数千逻辑量子比特[17] - 量子计算将专注于化学物理、生物学等非数据密集型但需探索指数级状态空间的领域[17][18] AI与量子计算协同 - AI可作为"模拟器的模拟器"，量子计算则作为"自然模拟器"，两者结合可生成合成数据训练更优模型[18] - 量子计算不会取代经典计算，但能增强高性能计算能力，尤其在材料科学等领域的模拟应用[17][18] AI市场格局判断 - 超大规模云服务（如Azure）和模型层将共存，但AI市场不会形成赢者通吃格局，企业客户会要求多供应商并存[7][8] - 开源模型将制约闭源垄断，政府监管也将介入防止私营公司主导AI领域[7] 计算基础设施需求 - AI工作负载（如ChatGPT）推动计算需求指数级增长，训练和推理阶段均需大规模计算集群[6][9] - 全球分布式计算集群成为刚需，需就近部署存储与计算资源以突破"光速限制"[9] AGI经济影响标准 - AGI实现的真正标志是全球经济增长率达到10%（当前发达国家平均2%），而非技术基准炒作[10][20] - 若实现10%增长，全球年新增价值将达10万亿美元（基于100万亿美元全球经济规模）[10] 智能成本与普及 - 遵循"杰文斯悖论"，智能成本下降将刺激需求弹性，尤其在发展中国家医疗等领域的应用[14] - 智能需同时提升能力并降低成本，类似云计算通过弹性付费模式扩展市场的历史路径[14] 技术投资方法论 - 公司选择进入TAM（潜在市场总量）大且能容纳多个赢家的赛道，避免押注赢者通吃领域[8] - 研发需平衡短期需求与长期相关性，保持对失败的高容忍度以探索未来技术[23] 认知劳动演变 - 当前认知劳动可能被自动化，但会催生更高层次的认知任务，形成动态平衡而非完全替代[23][24] - AI工具应作为人类认知增强器，例如开发具备长期记忆的会议协调代理提升决策效率[25] 材料科学革命愿景 - 量子计算+AI有望加速新材料研发，目标在25年内实现传统需250年完成的工业革命级突破[25]

文丨贺乾明 张家豪 制图丨黄帧昕 编辑丨程曼祺 黄俊杰 中国正在经历自己的 "ChatGPT 时刻"。过去三周，DeepSeek 的官方应用永远被人流挤到瘫痪边缘，与此 同时数百家公司正式接入了它研发的大模型。MiniMax、阶跃星辰等与它有竞争关系的 AI 创业公司接入 了，元宝、文心一言这样的大公司 AI 产品也接入了。 高潮是上周末，微信，这个几乎从不追赶任何潮流的国民级应用也在搜索页面接入了 DeepSeek-R1。根据 我们了解，腾讯最高层在近期曾与 DeepSeek 创始人梁文锋见面。除了微信以外，QQ 浏览器、QQ 音乐、 腾讯文档等腾讯的十几个产品也都接入 DeepSeek。 一个没花一分钱营销的技术公司实现了 "DeepSeek Inside" 的品牌奇迹。 这个奇迹只能诞生在中国： 互联网渗透最彻底的人口，每天 6 小时泡在数字世界里，抖音、小红书、微信、微博等平台接力将 DeepSeek 送到每个人眼前。 先在全球技术社区引发热议，后在国内发酵，完美贴合在全球 AI 竞赛激发的情绪。 春节假期造就社交裂变温床，被子女 "安利" 的长辈们点开小鲸鱼图标，完成 AI 在中国的首次全民 级破圈 ...

量化投资行业发展 - 2018年量化市场初现格局，幻方量化当时管理客户资金约45亿，自营盘约10亿，已是行业第一梯队 [5] - 2019年幻方规模超过百亿，稳居国内量化私募"四巨头" [8] - 量化私募行业进步符合摩尔定律，每18个月投资能力翻一倍 [14] - 量化投资使命是提高中国二级市场有效性 [8][14] 幻方量化发展历程 - 2015年成立幻方科技，目标是打造世界一流量化私募团队 [11] - 2019年投入近2亿自研深度学习训练平台"萤火一号"，2021年"萤火二号"投入达10亿 [9] - 萤火一号机房面积约1个篮球场，萤火二号预计达10个篮球场 [9] - 采用独特报酬计提方式：客户赎回时才提成，对客户友好 [5] 梁文锋个人特质与理念 - 技术理想主义者，专注编程开发，生活简朴 [5] - 愿景是建立不收业绩报酬和管理费的公司 [6] - 2019年提出想做开源策略平台让普通投资人使用 [8] - 2023年成立人工智能研究公司深度求索，推进"最终梦想" [6] 人工智能领域布局 - 认为开源是文化行为而非商业行为，给予是额外荣誉 [8][15] - 中国AI发展需要原创而非模仿，需建立技术生态 [15] - DeepSeek定位基础模型和前沿创新，希望业界在其技术上构建业务 [15] - 团队选人标准是热爱和好奇心，专注解决世界最难问题 [15][16] 量化投资方法论 - 金融市场公平透明，人类与计算机模型站在同一起跑线 [13] - 市场有效时直接买指数就是价值投资 [14] - 需要大量程序员和研究员支持量化投资发展 [13] - 引用西蒙斯理念"一定有办法对价格建模" [10][13] 技术创新理念 - 硬核创新需要信心和高密度人才组织 [15] - 创新驱动不仅靠商业，还需好奇心和创造欲 [15] - 颠覆性技术面前闭源护城河短暂 [15] - 价值沉淀在团队成长和组织文化上 [15]