AGIX指数定位与表现 - AGIX指数旨在衡量通用人工智能（AGI）这一未来20年最重要的科技范式转换，定位类似于互联网时代的纳斯达克100指数[2] - 截至统计时，AGIX指数年初至今上涨27.70%，自2024年以来累计上涨86.70%，显著跑赢标普500指数（上涨12.96%和39.29%）和纳斯达克100指数（上涨16.58%和45.53%）[5] - 指数权重构成中，基础设施板块占比最高达39.99%，应用板块占比31.27%，半导体及硬件板块占比23.67%[6] AI技术范式演进 - 当前大语言模型（LLM）存在范式缺陷，主要问题在于缺乏目标驱动能力和实际体验学习能力，无法从连续互动中自主理解世界[10] - 视频模型可能成为重要过渡路径，如Veo 3模型展示出零样本学习能力，通过预测像素序列学习物理和因果规律，具备类似思维链（CoT）的帧序列链（CoF）能力[11] - 生成式视频模型本质上是视觉模拟器，能够预测动作带来的画面变化，为机器人提供视觉直觉，类似人类心理模拟的想象过程[12] - Pieter Abbeel的Daydreamer研究表明，通过"想象"模型算法，四足机器人仅用1小时就学会从仰躺到行走，被推倒后10分钟内学会翻身[12] 资本市场动态 - 北美市场出现动能反转，对冲基金降低方向性风险，全球股票出现净卖出，主要集中在北美和亚洲（日本除外）市场[13] - 美国多空基金净杠杆从59%的高位降至53%，但总杠杆上升至216%，接近近十年高位[14] - 亚洲基金表现领先，月度至今上涨3.2%，而美洲基金面临较大挑战，欧洲基金表现坚挺[15] 行业重要进展 - Oracle将参与TikTok美国业务投资，预计持有约50%股份，并负责开发管理新版TikTok算法，作为安全中介[15][16] - Instagram月活跃用户达到30亿里程碑，较2022年披露的20亿用户增长显著，Reels短视频功能是增长关键驱动力[16] - OpenAI、Oracle和SoftBank将投资5000亿美元新建五座AI数据中心，推进Stargate项目，总容量目标为10吉瓦[17][18] - Marvell Technology CEO表示公司定制芯片业务明年营收无缺口，预计下财年数据中心业务增长率为18%[19] - Cloudflare推出与美元挂钩的稳定币NET Dollar，旨在支持AI驱动互联网的新商业模式[20] - OpenAI在ChatGPT中推出Pulse功能，可在用户睡眠时生成5-10条个性化资讯摘要[21] ETF跟踪误差分析 - 跟踪误差衡量ETF回报与指数回报差异的波动性，是标准差层面的度量，不同于简单的累计收益差异（跟踪差异）[22] - 影响跟踪误差的主要因素包括管理费用、交易成本、现金头寸拖累、抽样误差、估值方法差异等[23][24] - 对于被动型指数ETF，较低的跟踪误差意味着更稳定的指数复制能力，但需结合费用、规模、流动性等指标综合评估[25][27] - 不同类型ETF的跟踪误差水平差异较大，大盘指数ETF可能仅几个基点，而新兴市场或债券ETF可能高达1%以上[26][29]

Surge AI公司概况 - 公司正进行10亿美元首轮融资 对应估值约240亿美元（约1712亿元人民币）[4] - 公司成立五年未对外融资 但实现年营收超10亿美元[4][7] - 公司创始人Edwin Chen持有75%股份 身家达180亿美元（约1281亿元） 首次入选福布斯美国最年轻亿万富豪[5][12] 业务模式与市场地位 - 主营业务为AI数据标注服务 被比喻为"卖铲子"的刚性需求[7][11] - 客户涵盖OpenAI、Anthropic、谷歌、微软、Meta等全球AI巨头[15] - Meta生成式AI部门去年在公司全流程标注服务上支出超1.5亿美元[15] 创始人背景与创业历程 - 创始人Edwin Chen为85后华裔 毕业于麻省理工学院 曾任职于对冲基金、谷歌、Facebook等机构[4][13] - 创业灵感源于大厂项目外包数据标注质量差 发现行业痛点[13] - 产品上线12个月内实现八位数营收 并抓住大语言模型兴起的风口[14] 行业竞争格局 - 主要竞争对手Scale AI获Meta约150亿美元入股 估值超290亿美元[8] - 竞争对手Scale AI已离职创始人Lucy Guo凭借5%股份成为最年轻白手起家女亿万富豪[8] - 数据标注行业被视为AI基础设施 无论技术如何演进都离不开高质量数据[10][11] AI行业投融资动态 - AI搜索引擎Perplexity获2亿美元融资承诺 估值达200亿美元（约1425亿元）[16] - 法国初创公司Mistral AI即将完成20亿欧元融资 估值达120亿欧元（约1000亿元）[16] - Mistral AI成立一个月凭借7页PPT融资1亿美元 刷新欧洲种子轮纪录[16][17] 二级市场表现 - 英伟达、甲骨文股价创历史新高 A股寒武纪市值突破6000亿元 超越贵州茅台成新任"股王"[17] - A股算力三巨头"易中天"（新易盛、中际旭创、天孚通信）股价五个月内均实现翻倍[18] - 海光信息股价较三年前发行价涨超7倍 与寒武纪、工业富联组成"纪连海"概念[17]

AI技术发展时间表 - 萨姆·奥特曼预测到2030年人工智能将在所有维度上超越人类[3] - Emad Mostaque预测未来1000天内AI将取代人类工作岗位并重塑经济结构[5] - AI将主导GDP增长，人类智能被机器智能替代，大量认知劳动被AI智能体取代[6] AI对就业市场的影响 - AI带来“偏向资历的技术变革”，初级岗位受冲击最大，平均减幅达7.7%[10][11] - 企业通过减少招聘新人而非裁员实现初级岗位数量下降[12] - 资深员工因能操纵AI获得更多内部晋升机会[13] - 受冲击最严重的是毕业于公立一般大学或中段私立大学的求职者，形成“U型效应”[14] 科技行业裁员趋势 - 2025年全球科技行业已有204家公司裁员，89964名员工被解雇[21] - 微软2025年5月裁员6000人（占员工总数3%），AI技术已能生成公司20%～30%的代码[22] - IBM2025年3月裁员约9000人，Cloud Classic团队25%员工受影响[22] - 2025年裁员针对性集中在可被AI替代的中层技术和管理岗位[23] 企业AI战略转型 - 多数裁员公司同时大幅增加AI技术投资，显示人力资源结构调整趋势[25] - 微软2025财年承诺投入800亿美元用于AI数据中心建设[28] - 软银愿景基金在盈利背景下裁员，将资源重新配置到AI等“突破性技术”[28] AI人才市场需求 - 2025年AI岗位量同比增长10倍，超1000家企业发布超7.2万个AI岗位[31] - AI领域非技术岗位数量增长7.74倍，产品、运营与设计成为三大热招方向[32] - 2025年1～7月，平均月薪5万元～8万元的应届生岗位占比42.66%，8万元以上岗位占比14.68%[33] 顶尖AI人才争夺 - 字节跳动启动“Top Seed人才专项”，以百万年薪和算力资源吸引顶尖院校毕业生[36] - 蚂蚁集团“Plan A AI人才专项”由CTO带队在顶级会议宣讲，董事长亲自与候选人交流[36] - 百度2026届校招释放4000余个offer，AI岗位占比高达90%[37] - Meta为OpenAI的GPT-4核心架构师开出超过1亿美元薪酬包，为苹果大模型负责人开出两亿美元合同[40] - 微软启动针对MetaAI人才的“精准打击”计划，提供最高数百万美元薪酬包[41]

英伟达市场地位与竞争格局 - 英伟达当前在AI芯片市场占据约90%主导地位，主要优势在于芯片设计、软件生态及网络通信技术[9][10] - AMD在推理端具备内存容量优势，但在训练端因网络通信瓶颈仍落后于英伟达[10] - 未来2-3年内AI硬件格局将转向多元化，专用芯片厂商如Cerebras、Grok、SambaNova将针对不同工作负载实现差异化竞争[23][24] AI芯片技术发展趋势 - 芯片设计将更适配Transformer、MoE等特定架构，工作负载集中化使专用芯片开发更易实现[10] - 稀疏计算（如MoE架构）增加芯片设计复杂度，需应对内存访问模式变化[13][14] - 硬件需支持三类工作负载：低延迟智能体系统（毫秒级响应）、高吞吐批量处理（海量数据生成）、交互式聊天机器人[24][96][111] 推理成本优化与技术突破 - 近三年推理成本下降约100倍，未来有望再降低10倍[73][90] - 量化技术推动参数表示从16位降至4位，GPT-oss模型1200亿参数仅需60GB存储空间[82][83] - 架构优化如Flash Attention减少内存访问，DeepSeek的multi-head latent attention压缩KV缓存规模[84] - MoE架构显著提升稀疏度，从Mistral的8专家激活2个（25%）演进至GPT-oss的128专家激活4个（1/32）[86][87] 模型架构演进方向 - Transformer仍是基础架构，但MoE、状态空间模型（如Mamba）等创新持续涌现[13][94][132] - 混合架构（Transformer+Mamba）在降低成本的同时提升推理性能[132] - 架构设计趋向"推理优先"，以最大化每浮点操作的推理效率[131][133] AI工作负载分类与优化 - 三类核心工作负载形成：传统聊天机器人（中等延迟）、极低延迟场景（代码辅助等）、大规模批处理（合成数据生成）[96][111] - 低延迟场景用户愿支付更高成本，高吞吐场景注重批量折扣（如OpenAI批量API提供50%折扣）[24][110] - 代理型工作负载成为新焦点，需整合Web搜索、工具调用等外部能力[20][115] 开发工具与抽象层进展 - Triton成为跨芯片抽象层关键，支持英伟达、AMD、Intel GPU，但需牺牲约5%性能换取开发效率提升[38][40][41] - Mojo、Gluon等领域专用语言快速迭代，解决GPU内核开发痛点[45][50][52] - AI辅助编程工具（如Claude Code）提升开发效率约1.5倍，但全自动内核生成仍处早期阶段[56][67][68] 新兴应用场景与市场机会 - 实时视频生成成为消费端趋势，代表企业包括Pika Labs、Hetra[117][118] - 机器人领域存在重大机遇，需解决多分辨率数据处理与现实世界交互数据缺失问题[135][137][138] - 合成数据市场被低估，在航空、金融等专业领域具有经济价值[99][102][148] 学术与产业协同创新 - 基础突破多源于学术界（如Attention机制、Adam优化器、LayerNorm），产业界负责商业化落地[143][144][145] - 学术探索周期长（2-3年），产业执行速度快（周/月级），形成互补创新模式[140][145] - 政府资金支持早期探索（5-10%成功率），风险投资推动规模化应用[142][146]

对未来AI能力的预测 - 山姆·奥特曼预测五年后AI将全面超越人类，人类智力霸权时代进入倒计时 [1] - 预计到2030年，GPT-8有资格成为真正的AGI，能解决量子引力等终极难题并阐述思考过程 [2][3] - 智库METR预测大语言模型能力每7个月翻倍，到2030年AI可在数小时内完成人类一个月的工作量 [8][9] 当前AI应用的实际效能 - 实验表明，使用AI工具的软件工程师组比纯人工组效率慢了19%，而非预期的提升40% [13][14] - 当前AI存在“能力-可靠性缺口”，其产出无法达到企业业务水平，人类需花费大量时间检查更正错误 [19][20][22] - 生成式AI目前只能胜任审核、阅片等重复性高的工作，因同质化和细节缺失问题，无法作为合格工具 [59][60] AI行业的市场现状与投资 - 全国现存人工智能相关企业超过424.3万家，2025年新增注册约28.6万家 [28][29] - 2024年全球生成式AI投资额较2023年增长超过70%，预计2025年总支出将达到2024年的3倍 [34] - 微软、Meta、谷歌、亚马逊四巨头2024年资本投入高达3000亿美元，大部分流入AI项目 [33] AI企业的经营困境与淘汰率 - 除英伟达外，目前几乎没有AI企业真正盈利，行业呈现高投入、低回报特征 [31][32] - 多家AI初创公司面临困境，如SD背负1亿美元债务，Stability AI核心团队辞职，Character AI卖身谷歌 [37] - 2022年11月至2024年7月，全国共有78,612家新注册AI企业处于注销、吊销或停业状态，占同期新注册总量的8.9% [40] AI在具体行业的潜在影响 - 在游戏行业，AI可替代初级策划的重复性工作，实现降本增效并提升游戏质量（如个性化NPC） [68][71][72] - 行业预测随着技术升级，游戏行业50%的从业者可能面临转行，其他行业亦感受到压力 [79][80] - AI真正产生变革的门槛是达到人类从业者平均水平，届时将彻底改变市场生态 [65][66] 企业对AI的认知与应用误区 - 许多中小企业管理层跟风强调AI降本增效并普遍裁员，但结果往往是只降本未增效 [84][87] - 部分企业将购买高配电脑、生成数字人主播等同于数字化转型，存在认知偏差 [90][91] - 当前AI应用市场规模虽预计突破5000亿元，但市场炒作成分较大 [89][92]

文章核心观点 - Scaling Laws本身并未失效，其是数据结构的内在属性，当前大模型发展的瓶颈在于训练数据的质量和分布，而非计算规模本身[1][7][14] - 互联网原始数据总量虽大，但针对特定任务的有效数据分布稀疏，且不同Token的价值不均等，导致模型通用智能发展受限[4][8][15] - 行业趋势正从追求通用大模型转向专注于高价值领域的专业化模型，通过使用合成数据提升数据密度，可在减小模型尺寸的同时显著提升特定领域能力[10][11][12] 数据与Scaling Laws的关系 - Scaling Laws反映了数据结构的内在属性，基于Transformer的下一词预测复杂度随计算量和参数数量呈对数线性下降[3][4][14] - 原始互联网数据混合体并非实现AGI的最佳数据分布，模型训练为每个Token投入的计算量相同，但不同Token的价值并不相等[4][15] - 通过改变预训练数据的幂律分布，例如均衡每个Token的智能含量，可以从根本上改进Scaling Laws[15] 大模型发展现状与趋势 - GPT-4级别的模型已基本消耗完互联网可用数据，其涌现的智能主要是基础的语言智能，而非行业专业知识[9] - 从Claude Opus 3开始，通过引入合成数据，模型的专业能力（如代码能力）得到增强，同时模型行为更具可控性[10] - 模型发展呈现专业化趋势，例如Sonnet 3.5相比Sonnet 3模型尺寸更小，但因合成数据密度更高，其在代码方面的能力更强[11] - GPT-5体现了极致专业化，模型尺寸减小、专业性增强，但通用聊天能力被削弱，这引发了用户争议[12] 行业驱动因素与影响 - 模型厂商面临成本压力，将逐渐放弃通用性和超大模型路线，将智能资源集中堆叠于高价值领域[7][12] - 高价值领域如编程和搜索市场规模巨大，搜索领域可能催生两万亿美元的估值预期[12] - 高密度合成数据结合强化学习，能显著提升模型在特定行业的模式匹配能力和自动化水平，但全球上千个行业中，仅有少数像编程和搜索这样具有足够高价值来吸引AI公司投入[12] - 当前“你喂我吃”的深度学习范式下，单个语言模型通向AGI的道路天然受到成本限制，对全球的影响力可能有限[12]

行业投资评级 - 看好 维持[8] 核心观点 - 阿里巴巴CEO提出AI发展三阶段演进路径：从通用人工智能（AGI）迈向超级人工智能（ASI）[2][5] - 宣布三年3800亿元AI基础设施投入计划 目标打造"超级AI云"[2][5] - 通义千问坚持开源开放路线 致力打造"AI时代的Android"[11] - 全球布局加速：在巴西、法国、荷兰首次设立地域节点 扩建墨西哥、日本等5地数据中心 2032年全球数据中心能耗规模将提升10倍[11] - 发布旗舰模型Qwen3-Max引领"参数革命" 展示模型实力前沿突破[11] - 与英伟达开展Physical AI合作 共同加速机器人在物理世界中的应用开发[11] - 国内AI Infra厂商受益于模型能力迭代与AI应用货币化 Agent投资逻辑持续强化[2][11] 技术演进路径 - AI发展分为四个阶段：智能涌现（学习人）→自主行动（辅助人）→自我迭代（超越人）→ASI[11] - 从学习人到辅助人的关键：大模型具备Tool Use能力连接数字化工具 大模型Coding能力提升解决复杂问题[11] - 从辅助人到超越人的关键：AI连接真实世界全量原始数据 实现Self-learning自主学习[11] 战略布局 - 两大核心判断：大模型是下一代操作系统（"Token就是未来的电"） 超级AI云是下一代计算机（全球可能仅存5-6个平台）[11] - 三大战略：通义千问开源开放 构建超级AI云提供全球智能算力网络 加速全球数据中心布局[11] 投资机会 - AI Infra厂商核心受益[11] - AI Agent相关商业化机遇[2][11] - 中国推理算力产业链[11] - CSP厂商推理需求推动[11] - 与头部大厂合作的IDC[11]

文章核心观点 - 公司通过自研实现从传统AI助手到大模型时代智能体的座舱智能化革命，将汽车定位为AI时代的空间机器人 [4][6][32][33] 座舱智能化战略转型 - 公司认为触控不是座舱主要交互方式，基于触控生态的车机系统是"用正确方式回答错误问题" [4] - 2023年5月推出自研认知大模型Mind GPT并以"理想同学"形式嵌入车机系统 [4] - 公司定位从车企转变为AI公司，目标是2030年成为全球领先人工智能企业 [19] 自研能力建设历程 - 2021年2月全面启动自研前，座舱技术依赖思必驰、地平线等供应商，用户数据由供应商掌握 [6][8] - 2021年底明确全部AI相关算法必须自研，打破供应商依赖局面 [9] - 通过SS1-SS4平台化策略实现车型结构可控，标准化配置避免定制化资源消耗 [9] - 自研切换周期从原计划两年压缩至一年，2022年11月首次在理想ONE完成自研语音落地 [10][13][16] - 2023年上半年基本完成座舱自研技术切换，彻底摆脱外部供应商依赖 [16] 大模型技术突破 - 2022年底ChatGPT出现后，公司意识到AI助手核心问题是"笨"，必须通过大模型解决 [18][19] - 2023年4月确定Mind GPT名称，6月推出首个版本，使用1.3万亿token进行基座训练 [20][23] - 团队每周进行版本迭代，累计获得近8000张芯片资源支持 [25] - 2023年底Mind GPT通过OTA 5.0版本上车，成为较早实际应用车端的大语言模型 [25] - 2024年3月在英伟达GTC大会宣布车端部署22亿参数MindVLA大模型 [30] 产品功能演进 - 聚焦"三助一师"场景：用车助手、出行助手、娱乐助手及百科老师 [23] - 2023年9月推出"方言自由说"功能，实现多模态互动和手势控制 [25] - 大模型使理想同学能理解复杂功能组合，用户交互更自然 [25] 组织架构调整 - 2024年1月成立AI委员会，由谢炎负责技术路线评审和投资决策 [27] - 2024年10月理想同学业务优先级降低两级，陈伟调任基座模型部门负责人 [30] - CTO谢炎70%时间投入操作系统和自研芯片研发 [30] - 2025年4月开源理想星环OS，成为全球首家开源整车操作系统车企 [31] 未来技术方向 - 公司认为AGI进入"iPhone 4时刻"，汽车将作为载体实现AGI的Agent阶段 [28][32] - 基座模型最终会融合成VLA模型，重点打造理想同学和自动驾驶两款AI产品 [31] - 不追求超大规模基座，注重投入产出比和场景结合度 [30]

英伟达重大投资与合作 - 英伟达宣布将向OpenAI投资最多1000亿美元，投资将随数据中心建设进程逐步到位，首笔100亿美元投资将在第一个吉瓦数据中心建成时投入[1] - 英伟达将助力OpenAI构建和部署至少10吉瓦的AI数据中心，包含数百万块英伟达GPU，首个吉瓦系统计划于2026年下半年部署在新一代Vera Rubin平台[1] - 阿里云与英伟达在Physical AI领域达成合作，整合英伟达用于机器人和自动驾驶汽车训练的AI开发工具[2] - 英伟达近期还宣布向CPU厂商英特尔投资50亿美元，被投公司体量巨大，英特尔市值上千亿美元，OpenAI估值在3月已站上3000亿美元[1] 阿里巴巴AI战略与市场表现 - 阿里巴巴未来五年计划保持与全球AI投资同步，预计全球AI投资达4万亿美元，公司正积极推进未来三年投入3800亿元用于云和AI硬件基础设施建设，并计划追加更大投入[2] - 阿里云在2025云栖大会发布七款大模型产品，包括通义旗舰模型Qwen3-Max、下一代基础模型架构Qwen3-Next及系列模型等[6] - 不到2年时间，阿里已发布超过350个模型，去除量化版本后官网显示已发布119个模型[6] - 阿里港股在云栖大会当天大涨超9%，创近三年新高，市值日增近3000亿港元，本月股价累计上涨超四成，年内涨幅接近翻倍，截至9月26日总市值达3.2万亿港元[2] - 华尔街明星基金经理Cathie Wood旗下基金本周重启对阿里巴巴持仓，这是四年来的首次[2] AI芯片与算力市场动态 - 摩尔线程IPO申请成功通过上交所审议，符合发行条件、上市条件和信息披露要求，公司拟募资80亿元投向新一代自主可控AI训推一体芯片、图形芯片和AI SoC芯片研发项目[3] - AI芯片公司燧原科技、壁仞科技、沐曦也在筹备上市，摩尔线程最早过会，或成为其中最快上市公司[3] - 美光2025财年第四季度营收113.2亿美元，同比增长46%，2025财年全年营收达373.78亿美元，同比增长近50%[9] - 美光HBM客户群已扩大到6家，公司预测今年数据中心服务器总出货量将增长16%，AI服务器需求增长将推高市场对DRAM的需求[9] 大模型技术进展与更新 - DeepSeek模型更新至DeepSeek-V3.1-Terminus版本，针对语言一致性和Agent能力进行改进，缓解中英文混杂、偶发异常字符等情况，优化Code Agent与Search Agent表现[4] - 官方App、网页端、小程序与DeepSeek API模型均已同步更新为DeepSeek-V3.1-Terminus，此次为小迭代，提升并不算大[4] - 谷歌DeepMind发布Gemini Robotics 1.5与Gemini Robotics-ER 1.5两款专为物理世界设计的AI模型，采用"大脑-身体"协作框架解决现实世界复杂多步任务[12] - 新模型展现出跨机器人形态的学习迁移能力，能将在ALOHA 2机器人上学到的技能直接应用于Apollo人形机器人和Franka双臂机器人等不同平台，无需额外训练[12] OpenAI相关动态与预测 - OpenAI与甲骨文、日本软银集团合作的"星际之门"项目将在美国新建5座AI数据中心，未来三年总投资预计超过4000亿美元，规划功率容量接近7吉瓦[8] - OpenAI CEO预测通用人工智能将在2030年前到来，AI将在未来接管人类经济社会中30%-40%的工作[10] - 原OpenAI战略探索团队负责人宋飏加入Meta，成为新成立的Meta超级智能实验室研究负责人，向从OpenAI转来的首席科学家赵晟佳汇报[7] - Meta自6月起发起AI人才争夺战，迄今为止已从OpenAI、谷歌、Anthropic等公司挖来顶尖研究人员至少10余人[7]

蔡浩宇新公司Anuttacon动态 - 公司近期发布远程招聘信息 招聘AI训练师岗位 工作内容包括标注和评估AI回复 创建高质量训练数据 时薪20-30美元(约140-210元人民币)[2][3] - 公司从去年9月起面向全球广纳精英 重点招聘预训练与LLM人才 办公地点包括硅谷 目前正大举招募LLM 多模态 infra 工程开发等人才 基地覆盖美国 新加坡 中国北京和上海[5][7] 公司团队与技术布局 - 核心团队云集技术大牛 包括前微软亚洲研究院首席研究员童欣(现任首席研究员) 上海首批人工智能高级专家叶理灯(负责底层架构) 前Meta高级研究科学家吴箫剑(大模型研究负责人) 前B站副总裁王宇阳 前亚马逊应用科学家Yunzhe Tao等[5][6] - 首款产品为融入大语言模型的科幻互动叙事游戏《群星低语》 团队规模约50人 其中半数成员出自米哈游团队[6] - 公司定位AGI创业项目 早期聚焦AI+游戏 后续拓展至内容平台 旨在通过前沿技术推动游戏开发变革[3][5] 全球AI人才竞争态势 - AI顶尖人才全球不足千人 主要集中在OpenAI 谷歌 Meta等科技公司核心团队 真正推动AI发展的核心人才可能仅数百人[12][13] - Meta为抢占人才斥资约150亿美元(约1078亿元人民币)收购Scale AI 并开出1亿美元奖金挖角其他公司AI人才[12] - 中国AI研究人员占全球50% 成为最大单一人才群体 名校出身的技术人才在竞争中尤为抢手[13]