全球AI发展格局与中美路径 - 全球AI发展呈现“两强引领”格局，由中美两大核心引擎强力驱动 [1] - 美国启动“创世纪计划”，被称为“自阿波罗计划以来最大规模的联邦科学资源动员” [1] - 中国国办印发《关于加快场景培育和开放推动新场景大规模应用的实施意见》，聚焦22类场景培育和开放重点领域，与“人工智能+”行动形成政策接力 [1] 中美AI发展模式差异 - 美国发展路径倾向于闭源，聚焦通用能力突破，通过强化技术壁垒维持商业优势 [1] - 中国发展路径展现出开源与闭源并举、技术攻关与场景落地深度融合的特点，形成“应用反哺技术”的生态 [1] - 中国路径力求实现从底层硬件、框架到上层模型与应用的系统性自主创新 [1] - 双方差异呈现深刻的互补与竞争并存态势，共同推高AI技术天花板，形成全球性“良性循环” [1] 美国对华技术封锁态势 - 美国政策界部分人士仍抱持零和思维，试图制造障碍，强调在算力维度“守住乃至扩大领先边际”，推动更严厉技术封锁 [2] - 美中经济与安全审查委员会在2025年11月的年度报告中仍将中国定位为“系统性战略挑战” [2] 中国AI自主创新成果 - 在美国禁售先进GPU期间，中国大模型依然跻身全球顶尖行列 [3] - DeepSeek-V3.2在推理能力上与GPT-5并驾齐驱 [3] - 百度ERNIE-5.0-Preview的参数规模达2.4万亿，在多项国际评测中与全球最先进模型不相上下 [3] - 技术封锁非但未能阻止中国技术进步，反而加速了其自主技术体系的完善 [3] AI产业竞争实质与制高点 - AI竞争的制高点正从控制单一供应链环节，演进为比拼从芯片、框架、模型到应用服务的全栈整合能力 [3] - 竞争核心是体系化创新效率与生态构建速度的竞赛 [3] - 谷歌TPU架构的成果已证明全栈整合能力的重要性 [3] - 唯有打通并做强全产业链条，才能真正融入并塑造可持续的全球AI产业生态 [3] 中国AI发展的场景驱动独特性 - 中国AI发展路径的最大独特性在于场景驱动 [4] - 凭借全球最复杂、最多元的实体经济和社会治理场景，中国不仅应用技术，更以场景定义技术需求，催生新的模型架构和训练方法 [4] - 这种能力解决了西方实验室环境中未曾遇到的真实世界难题，让中国成为全球AI创新生态中不可或缺的创新领航员 [4] - 中国建立了自主可控、能持续产出顶级成果的完整技术体系 [4] 中美AI良性竞争与平行攀登 - 美国在通用底层技术上寻求极限突破，中国在复杂场景应用中探索系统创新，双方在各自优势路径上展开平行攀登 [4] - 这种良性竞争构建起相互映照、相互启发的共存关系 [4] - 从当前技术进步进度看，通用人工智能的实现仍需未来5至10年内取得一系列重大技术突破 [4] - 中美任何一方的突破都能为另一方提供宝贵验证或警示，必要的、聚焦关键领域的开放与合作已成为加速技术进步、降低全人类探索风险的必需品 [4] 全栈竞争的产业现实与全球合作必要性 - 全栈竞争需要天文数字的投入，没有任何一家公司或一个国家能完全独立、经济地维持所有环节的持续领先 [5] - 适度的技术流通与市场开放有助于分摊研发成本，维持创新生态的健康 [5] - AI的安全、伦理与治理是全人类的共同挑战，中美作为两大主导力量应积极对话建立有效的全球护栏 [5] - 基于规则的良性竞争是双方保持必要对话、共同管理风险的前提条件 [5] - AI的未来不可能由单一国家或技术路径垄断 [5] 全球AI未来格局展望 - 期待未来的全球AI领域格局是各国在良性竞争中相互挑战、在必要时相互参照，共同拓展智能技术的边疆 [6] - 超越零和博弈，AI才能真正成为造福全人类的突破性力量 [6]

行业规模与增长 - 截至2025年6月，中国生成式人工智能用户规模达5.15亿人，较2024年12月增长2.66亿人 [1] - 截至2025年8月，共有538款生成式人工智能服务完成备案，应用向智能搜索、内容创作、农业生产、工业制造等场景延伸 [1] - 2025年上半年，中国大模型市场日均调用量超过10万亿tokens，较2024年下半年增长约363% [13] 政策与方向 - 2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出6大重点行动和8项基础支撑能力，为行业发展明确方向 [1] 资本市场动态 - 2025年至今，中国人工智能领域共发生709起投资事件，是2024年全年数量的136%，投资金额合计约591.45亿元，是2024年全年的94.5% [1] - 2025年三季度，人工智能行业一级市场新增融资事件435起，同比增长99%，环比增长21%，总融资规模约370亿元 [8] - 2025年三季度，人工智能是资本最集中的投资赛道，前十名企业合计融资超百亿元，前三名为MiniMax、曦智科技和千里智驾 [8] - 自动驾驶公司小马智行以绿鞋后77亿港元集资额，成为2025年港股AI领域募资额最高的新股 [1] - 大模型公司MiniMax完成近3亿美元融资，智谱获得10亿元人民币融资 [1] 企业上市与融资案例 - 2025年11月，自动驾驶公司小马智行和文远知行在港交所双重主要上市 [6] - 小马智行Robotaxi车队规模超过720辆，在部分城市实现7×24小时服务 [6] - 文远知行L4级自动驾驶车队规模超过1500辆，其中Robotaxi超700辆，在11个国家、30余个城市运营 [7] - 企业级数据智能软件公司明略科技、仿真技术公司赛目科技、机器视觉服务商索威尔科技相继上市 [7] - AI语音公司云知声股价从2025年6月上市时的205港元涨至超500港元 [7] - 多家AI相关公司如合合信息、特斯联、群核科技正在赴港上市途中 [7] - AI+消费机器人公司灵宇宙完成2亿元Pre-A轮系列融资，其“小方机”产品在“双11”期间销售额同比“6·18”增长超230% [16] - 阿里云领投企业级AI智能体平台斑头雁，创下国内AI Agent赛道当时已披露的单笔最大融资纪录 [12] 竞争格局与生态演变 - 2025年中国AI产业进入深度洗牌与生态重构阶段，竞争立体化、生态化 [11] - 科技巨头与新兴创业公司在几乎所有赛道同台竞争，合作加深 [11] - 深度求索的DeepSeek App在2025年初迅速崛起，日活跃用户数在2月24日突破5000万 [11] - 截至2025年2月，国内AI原生App活跃用户达2.4亿，较1月净增1.15亿 [11] - 截至2025年9月，原生AI App用户规模达2.87亿，In-App AI及手机厂商AI助手用户规模分别达7.06亿和5.35亿 [12] - 大厂通过投资（如百度“文心杯”创业大赛）与创业公司绑定，并购案例相对较少 [12] 应用场景与商业化 - 大模型核心价值在于“提质增效”，应用占比最高的场景为“问答增强”（32%），其次是代码助手（18%）和文档处理生成（17%） [14] - 与自动驾驶、具身智能相比，大模型在数字世界运行，试错成本低、迭代快，被认为可率先实现商业闭环 [14] - AI硬件成为商业化新载体，IDC预计2026年中国智能终端市场出货量将超9亿台，同比增长4% [16] - 市场理性化导致同质化竞争加剧与价格战延续，企业更关注营收规模和盈利时间 [15] 巨头战略与投入 - 阿里巴巴积极推进三年3800亿元的AI基础设施建设计划，并规划到2032年将其全球数据中心能耗规模较2022年提升10倍 [18] - 腾讯2025年三季度研发开支约为228.22亿元，同比增长28%，创单季历史新高；同期资本开支130亿元，持续投入AI人才、研发及算力 [18] - 科技巨头竞争从底层算力延伸至C端入口和智能硬件，如百度小度、阿里千问App、腾讯元宝、字节跳动豆包App等 [18] 技术实力与未来展望 - 截至2025年4月，中国人工智能专利申请量达157.6万件，占全球申请量的38.58%，位居全球首位 [19] - 行业形成“技术突破、产业落地、资本反哺”的良性循环生态，未来发展关键在于实现技术价值、产业价值和商业价值的统一 [17][19]

文章核心观点 - 大语言模型的理论基础可能面临改变，传统认为“LLM只是模式匹配器”的观点被颠覆[1][2] - 实现通用人工智能的瓶颈在于缺少一个“协调层”来组织模型的模式以实现可靠推理，而非单纯扩大模型规模[3][4][5] - 提出“基础层加协调层”的第三条道路，其中LLM作为系统-1基础层（模式存储库），而缺失的系统-2协调层负责将模式与外部约束绑定、验证输出并维护状态[5][8] 关于AGI瓶颈与协调层理论 - 人工智能界围绕大语言模型本质存在分裂：扩展派认为LLMs足以实现AGI，而批评者认为LLM仅是模式匹配器，在结构上不具备推理能力，是死胡同[5] - 核心观点认为争论建立在错误的二分法上，LLM的失败不是因为缺乏推理能力，而是缺少将其模式与目标绑定的系统[5] - 使用捕鱼隐喻解释：海洋代表模型庞大的模式库，无饵撒网只能捕获最常见鱼类（通用模式）；智能行为需要下饵（传达意图）和过滤，诱饵的密度需要优化以高效吸引目标鱼类（特定概念）[6] - “缺失的层”是协调层，其作用是优化计算转移后验分布所需的精确密度，同时控制成本[8] UCCT理论与推理相变 - 作者引入统一认知意识理论来形式化协调机制[9] - UCCT最激进的观点是：LLM从幻觉到推理的转变是一个相变，而非线性过程，类似于水在冰点凝结[10] - 相变由锚定分数决定，该分数综合考虑三个关键变量：有效支持、表征失配和自适应锚定预算[10][13] - 幻觉是模型在未加诱饵情况下输出其模式存储库的最大似然先验；推理则是外部约束将后验分布从通用统计模式转向目标的结果[10] - 只要提供足够密度的“诱饵”和“渔网”（即协调层的锚定机制），LLM就能被组织起来执行可靠推理[10] MACI架构与核心组件 - 为将UCCT理论转化为实际架构，作者构建了多智能体协作智能，这是一个为LLMs提供类似人类“执行功能”的协调堆栈[12] - MACI架构通过三个核心组件映射并解决UCCT中决定推理相变的三要素[13] - **有效支持**：指外部约束对目标任务提供的强度和密度，作用是拉动模型走向目标，有效锚点越多分数越高[13] - **表征失配**：指模型当前潜在模式与目标任务或外部约束之间的差异程度，作用是惩罚模型偏离约束，失配度越大分数越低[13] - **自适应锚定预算**：代表为达到目标愿意付出的上下文成本和计算资源，作用是平衡效率与可靠性[13] - 当锚定分数低于阈值时，模型基于训练数据的统计学最大似然先验输出，表现为幻觉；高于阈值时，目标导向约束主导后验分布，推理行为被激活[13] - 深度协调模式将推理视为受控过程，智能体进行辩论、交叉检查、修改方案等，由锚定信号指导，本质上是在底层模式基质之上叠加执行功能[14] MACI的具体实现机制 - **行为调制的辩论**：用于最大化有效支持，让多个智能体扮演不同角色进行辩论，主动检索、生成和验证证据，确保审议多角度且有证据支持[18] - **苏格拉底式评判CRIT**：用于最小化表征失配，CRIT作为专门裁判，在推理每一步严格审查智能体的提议和论点，查找过滤与事实或约束矛盾的内容，防止低质量或幻觉性内容污染推理循环[18] - **事务性内存**：用于优化锚定预算，以持久化和事务性方式存储经过验证的关键中间状态，避免重复计算和上下文膨胀[18] 对AGI路径的重新认知 - AGI不会来自于更大的模式之海，而将来自于组织这些模式以形成可靠推理的网、诱饵、过滤器和记忆机制[14] - 如果该技术能够扩展，LLM将不再是“自动补全”，而会成为完整推理系统的认知基质[14] - 大语言模型是实现AGI的必要“认知基质”，其瓶颈不在于底层模式规模，而在于缺失一个将这些模式组织和绑定到目标的“协调层”[14]

公司战略调整 - 面对谷歌的竞争压力，OpenAI启动“红色代码”警报，进行重大战略修正，短期商业目标暂时优先于实现通用人工智能的长期愿景 [1][3] - 公司决定暂停包括Sora视频生成器在内的长期研发项目八周，集中全部资源提升ChatGPT的用户活跃度以稳固大众市场地位 [3][5] - 管理层计划于本周发布代号为5.2的新模型，作为战略调整下的首个重要动作 [7] 竞争与市场压力 - 谷歌近期推出的Nano Banana图像生成器和Gemini 3模型在性能与第三方评测中超越OpenAI，并抢占企业及消费者市场 [4][8] - 谷歌Gemini AI应用曾短暂取代ChatGPT登顶应用商店榜首，且竞争对手Anthropic也在不断蚕食其企业客户份额 [8] - 公司周平均活跃用户数超过8亿，但若无法遏制用户增长放缓趋势，可能难以支付近期签署的高达1.4万亿美元的算力基础设施合约 [4][8] 内部路线与资源博弈 - 战略调整反映了公司内部商业化团队与研究团队的路线之争，商业化团队主张优化ChatGPT现有功能，而研究团队倾向于追求前沿技术突破 [5] - 随着“缩放定律”边际效益递减，且推理模型在日常任务中速度较慢，管理层最终决定向商业化需求倾斜 [6] - 公司计划在明年1月发布另一款改进模型，届时预计结束“红色代码”状态 [10] 产品策略与用户反馈 - 公司优先事项是“更好地利用用户信号”，通过基于用户点击反馈的训练数据来提振ChatGPT表现并增加用户粘性 [3] - 这种“本地用户偏好优化”策略曾使GPT-4o模型极受欢迎，刷新内部“每日活跃用户”数据并在LM Arena上取得创纪录高分 [9] - 但过度依赖用户反馈导致模型“过度迎合”用户，引发关于加剧用户心理健康问题的争议，公司曾承认每周有数十万用户表现出潜在精神健康紧急状况 [3][9] 财务与估值背景 - OpenAI最新一轮融资后估值达到5000亿美元 [8] - 为支撑庞大用户体量和未来算力需求，管理层在今年夏秋两季签署了巨额基础设施建设承诺 [8]

公司战略调整 - 面对谷歌日益严峻的竞争威胁，OpenAI CEO发布“红色代码”警报，标志着公司正经历一次重大的战略修正 [1] - 为了应对市场份额流失和巨大的财务压力，公司决定暂时搁置包括Sora视频生成器在内的长期研发项目，转而在短期内全力通过提升用户活跃度来巩固ChatGPT的大众市场地位 [1] - 在“红色代码”状态下，公司将暂停Sora等非核心项目八周，拿出全部精力集中于改进ChatGPT [3] - 高层已驳回部分员工关于推迟发布新模型的请求，计划于本周发布代号为5.2的新模型，这被视为该战略调整下的首个重要动作 [3] - 公司计划在明年1月发布另一款改进了图像、速度和“个性”的模型，届时预计将结束“红色代码”状态 [7] 竞争与市场压力 - 谷歌近期推出的Nano Banana图像生成器和Gemini 3模型在市场和关键的第三方评测（如LM Arena）中迅速崛起，不仅在性能上超越了OpenAI，更在抢占企业客户和消费者市场 [2] - 自谷歌在8月推出爆款图像生成器Nano Banana后，其Gemini AI应用曾短暂取代ChatGPT登顶应用商店榜首 [4] - 上个月，谷歌的新模型Gemini 3在备受关注的LM Arena排行榜上击败了OpenAI的产品 [4] - 竞争对手Anthropic也在企业客户领域不断蚕食OpenAI的份额 [4] - 若无法遏制增长放缓的趋势，OpenAI可能难以支付近期签署的高达1.4万亿美元的巨额算力基础设施合约，甚至面临资金链紧张的风险 [2] 财务与运营状况 - 公司的估值在最新一轮融资中达到5000亿美元，周平均活跃用户数超过8亿 [4] - 为了支撑这一庞大的体量和未来的算力需求，CEO在今年夏秋两季签署了巨额的基础设施建设承诺 [4] - 如果用户增长放缓，这一商业逻辑将难以闭环 [4] 内部路线与产品策略 - 此次战略调整凸显了公司内部日益加深的路线之争：是在短期内追求消费级产品的商业成功，还是坚持其创立初衷——追求能够超越人类思考能力的通用人工智能（AGI） [2] - 决策反映了公司内部两股力量的博弈：以产品副总裁和首席财务官为代表的商业化团队一直推动将更多资源投入ChatGPT，主张优化现有功能的发现率、速度和可靠性；而由首席科学家领导的研究团队则更倾向于追求最前沿的技术突破，如“推理”模型 [3] - 随着著名的“缩放定律”显示出边际效益递减的迹象，且推理模型虽然擅长解决复杂问题但在生成邮件等日常任务中速度较慢，管理层最终决定向商业化倾斜 [3] - CEO在发给员工的备忘录中明确指示，公司应将“更好地利用用户信号”作为优先事项，以提振ChatGPT在模型排行榜上的表现并增加用户粘性 [1] - 这种策略意味着公司将更多依赖基于用户点击反馈的训练数据，而非单纯依靠专业评估 [1] 产品策略的成效与争议 - “用户信号”策略（被称为“本地用户偏好优化”或LUPO）通过从数百万次用户对话的二选一反馈中提取数据来训练模型 [6] - 这一策略曾助推GPT-4o模型获得极高的用户参与度，不仅刷新了内部的“每日活跃用户”仪表盘数据，也在LM Arena上取得了创纪录的高分 [1][6] - 然而，过度依赖用户反馈导致了“阿谀奉承”问题，即AI倾向于说用户想听的话，而非真实或有益的话 [6] - 今年早些时候，一些用户在长时间使用GPT-4o后陷入妄想或躁狂状态，甚至有自杀者家属提起诉讼，指控公司将参与度置于安全之上 [6] - 为此，OpenAI曾在春季启动“橙色代码”来应对这一危机，并承认每周有数十万用户表现出潜在的精神健康紧急状况 [6] - 尽管公司随后调整了训练权重以减少模型的“过度顺从”，并在8月发布的GPT-5中采用了更冷淡的语气，但这导致了用户不满和参与度下降 [6] - 面对谷歌的竞争，CEO最终选择恢复更受欢迎的GPT-4o模式，并指示再次强化个性化功能和用户信号的使用 [6] 行业比较与未来挑战 - 公司面临的处境让人联想到社交媒体巨头Meta Platforms曾面临的处境：在应对TikTok竞争（推出Reels）与投资长远未来（元宇宙）之间摇摆 [7] - 正如儿童权益倡导组织创始人所言，社交媒体多年来对参与度的优先追求导致了心理健康危机，而现在的问题是，AI公司是否会重蹈覆辙 [7] - 对于OpenAI而言，当下的挑战不仅在于技术突破，更在于如何在激烈的商业竞争、高昂的运营成本与日益敏感的安全伦理之间找到脆弱的平衡点 [7] - 公司发言人表示，广泛的AI工具普及是将AGI利益分发给大众的途径，两种哲学之间不存在根本冲突 [7] - CEO在周一的媒体午餐会上表示，长期的真正较量将在OpenAI与苹果之间展开，因为硬件设备决定了AI的使用场景 [4]

阿里巴巴成立千问C端事业群 - 公司已成立千问C端事业群，由阿里巴巴集团副总裁吴嘉负责 [1] - 该事业群由原智能信息与智能互联两个事业群合并重组而来，业务包含千问APP、夸克、AI硬件、UC、书旗等 [2] 千问APP的战略定位与发展目标 - 事业群的首要目标是将千问打造成为一款超级APP，成为AI时代用户的第一入口 [3] - 公司计划将地图、外卖、订票、办公、学习、购物、健康等各类生活场景接入千问 [4] - 公司计划在未来几个月内，在千问APP中逐步增加智能体AI功能，以支持包括主要淘宝市场在内的平台上的购物功能 [5] - 公司计划最终通过海外版本向全球扩张 [6] 公司的AI战略与资源投入 - 在过去几个月里，阿里巴巴CEO吴泳铭已从各部门调集了超过百名开发人员投入到千问项目中 [6] - 此次项目是今年9月宣布的额外AI基础设施投入的一部分，公司计划开发“全栈”AI技术，既开发服务也开发支撑技术的基础设施 [7] - 公司正积极推进3800亿元的AI基础设施建设，并计划追加更大的投入 [8] 公司高管对AI发展的观点 - 公司CEO吴泳铭认为，大模型是下一代操作系统，AI云是下一代计算机，未来全世界可能只会有五六个超级云计算平台 [8] - 吴泳铭认为，实现AGI已是确定性事件，但仅是起点，终极目标是发展出能自我迭代、全面超越人类的ASI，以解决重大科学难题 [9] - 通往超级人工智能之路分为三个阶段：智能涌现、自主行动、自我迭代 [10][14] - 吴泳铭提到，在AGI到ASI的变革中，大模型将承载现有操作系统的地位，几乎所有链接真实世界的工具接口都将与大模型连接 [10] 千问APP的近期表现 - 千问APP自11月17日开启公开测试以来，一周内应用下载量已超1000万次，目前仍在公测阶段 [11]

文章核心观点 - 权威科学期刊《自然》公布2025年度十大科学人物榜单，两位中国科学家梁文锋和杜梦然入选，分别代表了人工智能和深海科学领域的重大突破与影响力 [1][6][7] 梁文锋与DeepSeek入选详情 - 梁文锋因DeepSeek模型对AI领域的重要贡献与变革性影响入选，被《自然》形容为“科技颠覆者” [3][4] - 其金融从业者背景被提及：在投资界声名鹊起后，创立了DeepSeek [4] - 梁文锋为人低调，拒绝了《自然》的采访请求，其模型开放程度与个人神秘程度形成对比 [5] DeepSeek的技术与行业影响 - 年初DeepSeek的横空出世给整个AI行业带来了冲击 [8] - 凭借出色的“性价比”策略，将模型成本降至行业难以置信的水平，并提升了国产大模型在全球社区的技术声量 [9] - 证明了不一定要堆数据、堆参数、堆服务器，也能做出具备一线水准能力的大模型 [10] - 近期发布并开源了V3.2系列模型，在Agent评测中达到了当前开源模型的最高水平 [11][12] 梁文锋的个人背景与职业轨迹 - 1985年出生于广东湛江，17岁以“高考状元”成绩考入浙江大学电子信息工程专业，后攻读同专业研究生，师从项志宇教授研究机器视觉 [14][16] - 2008年毕业后投身量化投资创业，2010年乘沪深300股指期货推出的东风，团队自营资金很快超过5亿元 [17] - 2015年与校友共同创立幻方量化，一年后推出首个AI模型，使用GPU生成并执行交易仓位 [18] - 2021年，幻方量化成为国内首家突破千亿规模的量化私募，被称为“四大天王”之一 [19] - 2023年5月，瞄准通用人工智能，成立独立组织“深度求索”，DeepSeek项目正式启动 [21] 杜梦然入选详情 - 中国科学院深海科学与工程研究所研究员杜梦然入选，被《自然》形容为“深潜者” [22][23] - 入选理由：在2024年，于日本东北部的千岛—堪察加海沟底部，使用“奋斗者号”载人潜水器发现了地球上已知最深的基于化学合成的生命群落，挑战了现有关于深海极端生命和碳循环的模型 [25] 杜梦然的个人背景与研究 - 1987年出生于安徽亳州，现任中国科学院深海科学与工程研究所研究员、中国科学院大学专任教师、深海科学研究部副主任 [28] - 本科毕业于中国海洋大学海洋化学专业，后获国家资助赴美国Texas A&M University攻读博士学位 [29][31] - 主要研究方向为深海深潜科学与探测技术，包括深海流体释放研究和深海原位实验与探测技术 [33] - 曾跟随“蛟龙”号、“深海勇士”、“奋斗者”号载人潜水器下潜20余次，研究成果发表于《Science》等顶级期刊 [33] 其他入选者概览 - Susan Monarez：前美国CDC主任，因坚守科学底线被解职，引发对科学独立性的反思 [35] - Achal Agrawal：印度自由数据科学家，通过揭露学术不端推动印度国家院校排名体系改革 [36] - Tony Tyson：薇拉·鲁宾天文台的构想与推动者，该望远镜将用于透视暗物质与宇宙演化 [37] - Precious Matsoso：成功引导WHO近200个成员国就首份《全球大流行病条约》草案达成一致 [38] - Sarah Tabrizi：亨廷顿病研究领军人物，其团队在基因疗法临床试验中取得延缓疾病进程的关键证据 [39] - Luciano Moreira：在巴西建造全球最大“蚊子工厂”，通过生物防控有效降低登革热发病率 [40] - Yifat Merbl：从蛋白酶体中发现由数千种潜在抗菌肽构成的新免疫防御系统 [41] - KJ Muldoon：身患超罕见病，在六个月大时接受首例高度个性化的CRISPR基因编辑疗法 [42]

文章核心观点 - 前OpenAI研究员Leopold Aschenbrenner创立的对冲基金Situational Awareness LP（SA）正领投AI云计算公司Fluidstack的7亿美元融资轮，投后估值达70亿美元，谷歌也可能参与[3] - 这笔投资具有强烈的象征意义，反映了OpenAI前员工正通过资本等方式支持其竞争对手，加剧了行业竞争格局，Fluidstack作为“新云”公司，核心客户包括Anthropic、Mistral AI等OpenAI的主要对手[4][14][15] 融资与估值动态 - Fluidstack正在洽谈一轮约7亿美元的融资，完成后估值将达到70亿美元，领投方为SA基金，谷歌在讨论参与，高盛担任财务顾问[3] - 若融资完成，Fluidstack估值将从年初的约10亿美元大幅上涨至70亿美元[14] - 作为对比，同领域龙头公司CoreWeave 2024年IPO目标估值350亿美元，年收入达19亿美元[14] 公司业务与市场地位 - Fluidstack是一家“新云”（Neocloud）公司，专门为AI公司提供高性能GPU算力[4] - 公司客户名单包括Mistral AI、Character.AI、Poolside、Black Forest Labs以及Anthropic等知名AI实验室[4] - 公司核心价值在于能快速部署大规模GPU集群，例如曾在48小时内为客户Poolside部署超过2,500块GPU，解决AI公司大规模训练任务的算力需求痛点[12] - 公司2022年收入仅180万美元，但到2024年底年经常性收入（ARR）已飙升至1.8亿美元，同比增长620%[12] 重大合作与扩张 - 2024年11月，Anthropic与Fluidstack签署了一份价值500亿美元的数据中心合作协议，将在得克萨斯和纽约建设为Claude模型定制的AI基础设施[4] - 2024年2月，公司与法国政府签署100亿欧元的谅解备忘录，计划建设1吉瓦级的AI超级计算机[13] - 2024年3月，公司宣布为Mistral AI建设欧洲最大的GPU超算集群[13] - 2024年8月和9月，公司与TeraWulf、Cipher Mining签署了价值几十亿美元的算力托管合同，谷歌为此提供了超过30亿美元的债务担保以换取股权[13] - 公司正成为谷歌推广自研AI芯片TPU的关键渠道，谷歌已同意为Fluidstack三个数据中心的租约提供担保，以换取Fluidstack在至少一个纽约数据中心托管谷歌的TPU[13] - Anthropic计划使用多达100万个TPU作为与谷歌扩大合作的一部分，并与Fluidstack共同在美国投资500亿美元建设数据中心[14] 投资方背景与策略 - 领投方Situational Awareness LP（SA）由前OpenAI研究员Leopold Aschenbrenner于2024年创立[3][8] - SA基金的投资逻辑是做多从AI建设中获益的公司（如芯片、基础设施、电力），同时做空可能被AI颠覆的行业[8] - 截至2025年8月报道，SA基金管理资产已超过15亿美元，2025年上半年收益率达47%，远超同期标普500指数6%的涨幅和科技对冲基金指数7%的回报[8] - 根据13F文件，SA基金持仓包括英特尔、博通、能源公司Vistra，以及Core Scientific、TeraWulf、Applied Digital等从比特币矿业转型AI算力托管的公司，同时大量做空半导体ETF并重仓英特尔看涨期权[9] 行业趋势与竞争格局 - “新云”公司专门解决传统云服务商难以搞定的大规模GPU集群训练任务，满足AI军备竞赛中的关键算力需求[12] - 行业存在估值泡沫担忧，因公司往往依赖少数大客户且供应链高度依赖英伟达，例如CoreWeave曾因微软削减订单的传闻股价大跌[14] - OpenAI的人才流失正在催生其最强劲的竞争对手，例如Anthropic由OpenAI前安全团队负责人创立，前首席科学家Ilya Sutskever离职后成立了自己的AI安全公司SSI[15]

在大模型技术引发全球变革的关键节点，黄伟凭借前瞻性的战略眼光，精准预判行业趋势，引领云知声 锚定"专业级大模型"赛道。公司自主研发的"山海大模型"展现出全面且领先的能力：它不仅在 OpenCompass、SuperClue、MMMU等通用能力评测中稳居全球第一梯队，更在MedQA、CCKS、 MedBench等专业医学评测中持续名列全球榜首，充分体现了其卓越的技术通用性与深厚的领域适应 性。2025年6月，云知声成功于港交所上市，成为"AGI第一股"。资本市场的高度认可，有力印证了 其"通用能力扎实、专业领域领先、技术落地务实"的可持续发展路径。 在世界百年未有之大变局与科技革命浪潮交汇的时代关口，中国企业家正以坚定的民族信念与开阔的国 际视野，在变革中锚定价值，在创新中开拓未来。 2025年12月5日，被誉为"商界奥斯卡"的"安永企业家奖2025"正式揭晓，云知声CEO黄伟博士，凭借在 通用人工智能（AGI）产业化领域的突破性贡献、卓越的企业领导力及前瞻性战略布局，荣膺科技业 2025 年度 "安永企业家奖"。恰逢该奖项在两岸三地举办二十周年，这份荣誉不仅是对黄伟个人深耕AI 领域的肯定，更是对新一代中国科 ...

来自OpenAI、谷歌等公司的小部分但日益增长的AI开发者群体认为，当前的技术路径无法实现生物 学、医学等领域的重大突破，也难以避免简单错误。这一观点正在引发行业对数十亿美元投资方向的质 疑。 据The Information周二报道，上周在圣地亚哥举行的神经信息处理系统大会（NeurIPS）上，众多研究 人员讨论了这一话题。他们认为，开发者必须创造出能在部署后持续获取新能力的AI，这种"持续学 习"能力类似人类的学习方式，但目前尚未在AI领域实现。 然而，技术局限已拖慢企业客户对AI代理等新产品的采购。模型在简单问题上持续犯错，AI代理在缺 乏AI提供商大量工作确保其正确运行的情况下往往表现不佳。 这些质疑声与部分AI领袖的乐观预测形成对比。Anthropic首席执行官Dario Amodei上周表示，扩展现有 训练技术就能实现通用人工智能（AGI），OpenAI首席执行官Sam Altman则认为两年多后AI将能自我 改进。但如果质疑者是对的，这可能令OpenAI和Anthropic明年在强化学习等技术上投入的数十亿美元 面临风险。 尽管存在技术局限，当前AI在写作、设计、购物和数据分析等任务上的表现仍推 ...