报告行业投资评级 - 报告未明确给出对美股科技行业的整体投资评级，但基于其核心观点和推荐标的，其隐含的行业观点为积极 [5][29] 报告的核心观点 - **硬件侧**：存储行业维持高景气度，美光（MU）2026年HBM（高带宽内存）供应已锁定，并预测到2028年HBM总潜在市场规模（TAM）年复合增长率（CAGR）约40%，将达到1000亿美元，验证了存储环节的高景气 [2][5][11][29]。同时，AI发展的瓶颈正从单一算力向“HBM+互连”转移，叠加美国能源部“创世纪计划”引入国家级AI需求，AI资本开支可能从云厂商向主权级市场扩散，建议关注供应链紧缺周期中的存储和光通信标的 [5][29] - **软件侧**：AI范式正发生结构性转变，算力重心从预训练向RLVR（可验证奖励强化学习）和推理时计算转移 [3][25]。谷歌发布的Gemini 3 Flash模型以极低成本实现了高性能推理，有望降低智能体（Agent）部署成本并提升任务解决能力 [3][5][16][17]。看好拥有闭环工作流数据、能率先将Agent能力转化为收入的平台型企业 [5][29] 根据相关目录分别进行总结 1 美股重点科技公司动态 - **美光科技（MU）业绩超预期**：FY26Q1（2026财年第一季度）收入为136.4亿美元，超出彭博一致预期5.3%；调整后毛利率为56.8%，超出预期8.9%；调整后净利润为54.8亿美元，超出预期21.0% [2][11]。收入、毛利率及每股收益（EPS）均大幅超出此前指引上限 [2][11] - **美光分项业务表现**：按产品分类，DRAM收入108.1亿美元，超预期7.0%；NAND收入27.4亿美元，超预期11.9% [11]。按业务部门分类，CMBU收入52.8亿美元，超预期0.8%；CDBU收入23.8亿美元，超预期38.6%；MCBU收入42.6亿美元，超预期9.4%；AEBU收入17.2亿美元，超预期15.1% [11] - **美光HBM业务前景**：公司2026自然年的HBM供应已完成价格与供应量锁定 [2][11]。公司预测到2028自然年，HBM的TAM（总潜在市场规模）年复合增长率（CAGR）约为40%，将达到1000亿美元 [2][11]。公司认为内存已成为实现AI认知功能不可或缺的战略资产 [11] - **美光业绩指引**：公司预计FY26Q2收入为187.0（±4.0）亿美元；GAAP毛利率为67.0（±1.0）%；Non-GAAP毛利率为68.0（±1.0）%；GAAP稀释每股净收益为8.19（±0.02）美元；Non-GAAP稀释每股净收益为8.42（±0.02）美元 [12] - **Robinhood（HOOD）发布AI创新**：公司于2025年12月16日发布了预测市场功能的重大更新，包括全新的Robinhood Cortex体验和个性化投资组合摘要 [2][12]。预测市场是公司历史上营收增长最快的产品线，并推出了预设组合、自定义组合（2026年初支持）和球员合约等新功能 [13] - **Robinhood Cortex与个性化摘要**：下一代Robinhood Cortex将无缝嵌入App，于26Q1向Robinhood Gold订阅用户推出，特点是回答准确性高（源自实时市场数据、分析师报告等）和个性化 [13]。由Cortex驱动的个性化投资组合摘要将于2026年初向Gold用户推出，能根据客户持仓提供AI驱动的个性化洞察 [14] 2 海外科技行业动态 - **谷歌发布Gemini 3 Flash模型**：2025年12月17日，谷歌发布Gemini 3 Flash，这是一款专为速度打造且成本大幅下降的前沿智能模型 [3][16]。它将Gemini 3 Pro级的推理能力与Flash系列的低延迟、高效率和低成本结合，在Agentic Workflows方面表现出色，并已面向全球开发者、大众用户和企业用户推出 [3][16] - **Gemini 3 Flash性能与成本优势**：该模型在多项基准测试中表现优异，例如在GPQA Diamond中得分90.4%，在MMMU Pro上取得81.2%的成绩，达到当前最优水平（SOTA） [17]。其速度是Gemini 2.5 Pro的3倍，成本仅为零头，定价为输入每百万Token 0.50美元，输出每百万Token 3.00美元 [17]。在处理日常任务时，平均使用的Token数量比Gemini 2.5 Pro减少30% [17] - **美国能源部推进“创世纪计划”**：2025年12月18日，美国能源部宣布与24家机构达成合作协议，共同推进“创世纪计划”，旨在利用AI加速科学发现、加强国家安全并推动能源创新 [3][19]。该计划将动员能源部下属的17个国家实验室、产业界及学术界，构建一体化发现平台 [19] - **“创世纪计划”参与机构**：已签署谅解备忘录的机构包括Accenture、AMD、Anthropic、Amazon Web Services、Google、IBM、Intel、Microsoft、NVIDIA、OpenAI、Oracle、xAI等24家领先科技公司 [20] - **谷歌DeepMind支持“创世纪计划”**：谷歌宣布支持该计划，将为所有17个DOE国家实验室的科学家提供加速访问计划，使其能够使用谷歌的“AI for Science”模型和智能体工具，包括基于Gemini构建的“AI co-scientist”虚拟科研协作系统 [4][21]。2026年初，访问计划将扩大至AlphaEvolve、AlphaGenome和WeatherNext等模型 [22] - **OpenAI支持“创世纪计划”**：OpenAI与美国能源部签署谅解备忘录，旨在探索AI和先进计算领域的进一步合作，以支持包括“创世纪计划”在内的倡议，这是其“OpenAI for Science”工作的一部分 [4][23][24] - **Andrej Karpathy发布2025年LLM年度回顾**：其观点指出2025年AI范式发生结构性转变，主要包括：1) 技术栈变革，RLVR成为新标准，算力重心从预训练向RLVR和推理时计算转移 [3][25]；2) 应用层价值体现，垂直领域应用层（如编程）价值正在体现，出现了类似Cursor的垂直领域LLM编排器 [3][26]；3) 交互终端向本地（Localhost）转移，如Claude Code [27]；4) 编程方式向“Vibe Coding”（自然语言描述需求，AI全权生成代码）革命 [27]；5) 下一代用户界面（UI）将是LLM直接生成的GUI（图形用户界面） [28] 3 本周观点 - **宏观环境**：本周纳斯达克指数小幅上涨，宏观层面美国11月CPI低于预期，11月失业率超预期，市场预计2026年降息50个基点 [5][29] - **硬件投资建议**：基于美光HBM的锁定与千亿美元TAM展望，确认存储高景气度及AI瓶颈向“HBM+互连”转移的趋势 [5][29]。叠加美国能源部“创世纪计划”引入国家级需求，AI资本开支可能从云厂商向主权级市场扩散，建议关注在供应链紧缺周期中的存储和光通信标的 [5][29] - **软件投资建议**：结合AI范式向高频推理应用转变以及Gemini 3 Flash的低成本发布，看好拥有闭环工作流数据、能率先将Agent能力转化为收入的平台型企业 [5][29] - **建议关注标的**：报告列举了建议关注的股票代码，包括【AVGO】（博通）、【LITE】（Lumentum）、【NVDA】（英伟达）、【GOOG】（谷歌）、【APP】、【MU】（美光）等 [5][29]

凤凰网科技讯12月20日，摩尔线程在北京首届MUSA开发者大会(MDC2025)上公布了新一代全功能GPU 架构"花港"，并展示了其万卡规模AI训练集群及多项技术进展。 此次发布的核心内容涵盖架构升级、集群能力与推理性能等方面。新架构"花港"支持从FP4到FP64的全 精度计算，算力密度提升50%，能效实现10倍提升。基于该架构，公司计划推出专注于AI训练与推理 的"华山"芯片，以及面向图形渲染的"庐山"芯片。 在训练集群方面，摩尔线程推出"夸娥"万卡智算集群，称其具备全精度通用计算能力，训练算力利用率 在稠密模型上达到60%，在混合专家模型上达40%，训练线性扩展效率为95%。在推理侧，公司与硅基 流动合作，在DeepSeek R1671B模型上实现单卡Prefill吞吐量超过4000tokens/s，Decode吞吐量超过 1000tokens/s。 软件生态方面，MUSA5.0版本对编程模型、计算库和编译器进行了优化，核心计算库muDNN的GEMM 与FlashAttention效率超过98%，通信效率达97%。公司还计划逐步开源部分核心组件，包括计算加速库 与系统管理框架。 在图形领域，新架构集成硬件 ...

AI科学发现转化为生产力的现状与挑战 - AI科学发现已成为继实验、理论、计算和数据密集型科学之后的“第五范式”，在蛋白质结构预测、新材料发现、药物研发等领域显著缩短科学发现周期并拓展人类认知边界[2] - 以AlphaFold为代表的突破使人工智能研究者首次走上诺贝尔奖领奖台，标志着AI for Science进入加速发展阶段[2] - AI科学发现向现实生产力转化面临严峻挑战，形成“堰塞湖”现象：AI模型每天可产生成千上万预测结果，但人类实验验证和产业化能力仅线性增长，无法消化这些成果[2] - 以新材料研究为例，数十万种AI预测材料中，真正完成实验验证并进入应用的比例不足千分之几，大量成果停留在论文和算力消耗层面[2] 转化“堰塞湖”的成因分析 - 高质量数据集和权威评估体系缺失，导致模型推理深度不足、预测可信度参差不齐[3] - AI模型“黑箱化”与幻觉风险削弱了科研人员对预测结果的信任[3] - 现有实验室体系以“人为操作”为核心，难以适配AI自主实验需求，跨平台协同和系统集成能力不足[3] - 在政策、投资、人才和安全等方面，小试、中试和自主实验环节仍面临现实约束[3] 推动转化的系统性对策 - 加快建设高质量数据集、高价值知识中心和AI预测结果评估标准体系，在重点行业推动公共数据平台建设，减少重复研究和无序计算[3] - 加快AI自主实验室建设，通过开源化、模块化降低建设门槛，探索“人在回路中”的混合增强智能模式，结合数字孪生与多智能体协作，推动自主实验从概念验证走向规模应用[3] - 强化中试平台建设，依托丰富的应用场景优势，打通“小试—中试—工程化”关键环节，推动科技成果真正落地[3] 深化协同与创新机制 - 深化学术界与产业界协同，培育更多兼具理论深度与应用导向的“巴斯德象限”研究者，即研究既面向科学前沿又回应现实需求[4] - 推动AI for Science与AI for R&D协同发展，通过“企业出题、科学家答题”、揭榜挂帅和监管沙盒等机制，加速技术从“0到1”再到“10”的全过程转化[4] - 科学家需主动拥抱产业、贴近应用，成为懂转化的新型科研人才；企业家需敢于尝试新技术、承担创新风险，推动前沿成果应用落地[4] - 政策制定者需在AI时代重构规则体系，为科学发现转化为生产力营造更加包容、灵活和安全的发展环境[4] 宏观背景与核心命题 - 在“十四五”规划收官、“十五五”规划谋篇布局的关键节点，以科技创新引领高质量发展是中国经济迈向下一个五年的核心命题[1] - 破解“堰塞湖”的关键不在单点技术突破，而在于构建贯通数据、实验、产业与制度的创新体系[4] - 这既是“十五五”时期科技创新的重要课题，也将深刻影响中国经济迈向高质量发展的未来路径[4]

21世纪经济报道记者冉黎黎 北京报道 12月16日，"国是论坛：2025 年会"在北京举行。论坛上，国务院 发展研究中心原党组书记马建堂表示，基本实现现代化有一个标志性指标，人均国内生产总值达到中等 发达国家水平，按照目前和未来实际情况看，预测到2035年我国人均GDP达到2.3万美元是完全可能 的。 中央经济工作会议在部署明年重点经济工作时将扩大内需被放在了首要位置，此次论坛上，"服务消 费"成为谈及扩大内需时的焦点话题之一。粤开证券首席经济学家、研究院院长罗志恒在论坛上提到， 2024年我国居民消费率的比重与美国相差约28个百分点，差异主要体现在服务消费。 北京大学经济学院教授、国民经济研究中心主任苏剑也对21世纪经济报道记者表示，实物商品消费的扩 大空间已经很小，未来还会越来越小，所以扩大消费的方向在于服务消费，且主要指高端服务消费，随 着经济发展，服务消费占比会越来越大，这是一个长期趋势。 另外，"人工智能+"近年来备受关注。工业和信息化部原副部长、工业和信息化部电子科技委主任王江 平在论坛上提到，AI for Science正在成为科学研究第五范式，但AI科学发现存在"堰塞湖困境"，堵住了 科学发现 ...

对此川宁生物方面在交流中表示，从目前实验数据来看，由该AI虚拟工程师所调控的发酵罐平均产量 超出对照组3%—5%的产量，并能够实时提前预测发酵趋势，提前干预调控，显著提升生产水平的稳定 性。在合成生物学研发方面，AI大幅提升酶活与研发效率，并逐步应用到各项研发工具中进行开发使 用。 此外，在合成生物学产品订单方面，川宁生物方面也表示，2025年前三季度合成生物学产品整体收入已 达到4880万元，目前的新产品已在生产状态，由于公司市场部对市场的积极开拓和新产品的市场容量情 况，订单情况相较去年同期已有所改善。明年的收入随着疆宁生物逐渐满产，以及市场的逐步开拓，预 计合成生物学产品收入会有较大程度的改善。 12月16日晚间，川宁生物（301301）作为国内生物发酵技术领域的标杆企业公告，公司控股股东四川科 伦药业（002422）股份有限公司(下称"科伦药业")及其控制的成都科伦宁辉企业管理合伙企业(有限合 伙)(下称"科伦宁辉")基于对公司未来发展前景的信心和对公司内在价值的认可，同时本着对中小股东负 责的态度，以实际行动维护资本市场稳定和公司股东利益，进一步促进公司持续、稳定、健康发展，增 强投资者信心，自愿延 ...

文章核心观点 - 在AI、具身智能等赛道高度拥挤、共识形成极快的市场环境下，早期投资的决胜点已从“赌赛道”转向对“人、周期及非共识”的深刻理解，即挖掘“认知红利” [1][2] - 投资机构正通过全链条布局、深度研究输出、个人IP打造等不同方式构建独特的“认知模型”和项目雷达，以在红海中识别机会 [1] - 保持投资“手感”、建立正向反馈循环以及在行业低谷期坚持布局，是捕捉下一个成功项目的关键 [1] 投资机构概况与策略 - **红杉中国种子基金**：成立于2018年，管理规模超过100亿人民币，7年来支持了400多家早期公司，其中约70%为第一轮投资，致力于成为创业者“最早的”投资人 [3] - **元禾原点**：成立12年，为元禾控股旗下早期投资平台，已投资300多个项目，主打硬科技、早期及医疗健康标签，依托国资背景与市场化结合 [4] - **峰瑞资本**：成立10年，为综合型早期基金，覆盖医疗、科技和消费，旨在赛道热起来之前进入，以对抗板块轮动周期 [5][6] - **心资本**：专注于科技与数字化领域的早期风险投资机构，团队曾投资小鹏汽车、满帮、速腾聚创等项目的早期轮次 [7] 当前重点投资方向 - **具身智能与AI硬件**：被视为重要方向，包括机器人、AI驱动的消费电子等 [8] - **AI应用与基础设施**：包括AI模型、应用、GPU、推理芯片等 [8][12] - **前沿与交叉学科**：包括AI for Science、量子科技、生物制造、核聚变、氢能、6G等“十五五”未来科技方向 [9] - **非共识与留白**：机构均保留一部分资金用于布局确定性不高、处于极早期的新兴技术和方向 [10][12] 构建认知差异的关键要素 - **投人重于投赛道**：早期投资的核心是识别优秀的创业者，例如红杉投资宇树科技主要基于对创始人王兴兴坚韧品质的认可，尽管当时行业共识不足 [14] - **长期跟踪与体系化布局**：通过长期（如5-10年）持续关注和投入，在赛道爆发前形成前瞻性认知，例如元禾原点自2011年投资江苏北人后，体系化布局了机器人及自动驾驶赛道 [16] - **穿越周期与低谷期布局**：在行业低谷期坚持投资，以便在技术拐点或市场回暖时抓住机会，例如红杉在去年市场不热时投资了外骨骼公司极壳和智能眼镜公司Even Realities [14][19] - **个性化认知模型**：投资决策如同大模型，每个人的背景、经历和过往案例（参数）不同，导致对同一创始人的评估和兴奋点截然不同 [21] 项目来源与机构影响力构建 - **红杉的全链条与孵化机制**：通过从想法阶段到IPO的全阶段布局，积极进行人才追踪和创业孵化，构建持续迭代的行业认知 [13][24] - **峰瑞资本的内容影响力**：通过创始人李丰（丰叔）的活跃输出、团队深度研究分享以及线上线下活动（如播客、美国路演）提升品牌能见度，间接促进优质项目触达 [25][26] - **心资本的思考开源**：通过运营“AI大航海”公众号（年更新5-6篇深度文章）开源关于AI的思考，旨在吸引志同道合的创业者，形成学习、投资、输出的正向循环 [26][27][28] - **元禾原点的资源融合**：作为人民币基金，学习美元基金开放打法，依托地方产业资源和国家方针引导，同时坚持市场化竞争，在硬科技领域与头部美元基金出现更多交汇与合作 [30][31] 未来投资展望关键词 - **AI全面聚焦**：机构普遍表示将大部分资金投向AI相关领域，峰瑞资本计划将70%资金投到AI上，近乎All in AI [33] - **AI基础底座**：元禾原点强调将更加注重在AI基础底座发力 [34] - **AI应用细分**：红杉中国表示将继续聚焦AI应用的各个细分领域 [34] - **投有积累的人**：心资本强调投资那些在特定领域有“10万小时积累”的创始人 [32]

行业核心观点 - 人工智能正在引发一场科研范式的根本变革，成为理解宇宙和探索未知的新工具[3] - 人工智能与科学研究的深度融合，正在重塑人类认知的边界[12] 行业应用与变革 - 科学研究的范畴正从传统的试管、望远镜与公式推演，扩展到由人工智能驱动的新模式[3] - 人工智能的应用覆盖从宏观宇宙探索到微观粒子发现的广泛科学领域[3][5] - 人工智能在科研中的角色正从辅助人类的“人工操控”工具，向能够自主设计和创新的“智能自驱”体演进[7][9] 政策与区域发展 - 北京市于2025年7月发布了全国首个专注于“AI for Science”的专项地方政策，旨在推动人工智能与科研的深度融合[11] - 北京正成为科学智能发展的“策源地”[11] - 行业正通过培育和发展以人工智能为核心引擎的新质生产力来推动实践[12] 市场推广与认知 - 相关机构通过制作《AI向新力》等主题纪录片，全景展现人工智能在科技创新中的应用，以提升公众与行业认知[12] - 市场宣传强调当前正处于科学智能发展的黄金时代[12]

论坛概况与核心定位 - 2025年度河套创新论坛于12月11日在河套深港科技创新合作区深圳园区举办，聚焦“AI for Science Hub”主题 [1] - 论坛采用“1场主论坛+5场分论坛”形式，汇聚政、产、学、研、资各界代表，共话人工智能前沿与场景实践，探讨“产学研金服用”协同与制度创新 [1] - 论坛旨在共同勾勒“AI for Science”科创生态圈的未来蓝图 [1] 主办方与战略愿景 - 活动由深圳河套学院与深圳深港科技创新合作区发展有限公司联合主办，多家科研与创新中心协办 [3] - 深圳河套学院执行院长罗智泉表示，河套合作区是粤港澳大湾区唯一以科技创新为主题的重大合作平台，致力于打造汇聚智慧、链接资源、催化创新的“Hub” [3] - 该平台不仅推动AI技术发展，更探索AI如何赋能科学研究、推动产业升级、构建开放协同的创新生态 [3] - 目标是深化深港协同，扩大国际开放，完善创新生态，将河套建设成为世界级科研高地 [3] 重要机构与项目落地 - “一带一路”生命科技促进联盟与粤港澳大湾区标准创新联盟两家重要组织，与共熵产业与标准创新服务中心签约，正式落地河套深圳园区 [5] - 此举将助力河套打造国际科技组织聚集区 [5] - 中国企业家俱乐部及《Energy Use》期刊正式落地河套 [7] - 《Energy Use》作为《The Innovation》的第一本合作期刊，聚焦能源利用全链条的多学科交叉研究，计划打造成为国际性、开放获取的学术期刊 [7] 嘉宾观点与行业洞察 - 深势科技合伙人李琴以《AI4S基础设施革新，引领科研范式变革》为题，介绍了AI技术与工业研发的前沿进展 [9] - 香港高才通人才服务协会创会会长尚海龙指出，深港携手打造河套AI创新高地是吸引全球AI人才的最优解 [11] - 深圳河套学院兼职副院长刘仁辰阐述了产学研深度融合与创新生态构建的核心逻辑和落地路径 [13] 圆桌讨论与区域发展优势 - 峰会对话环节由深港科创公司总裁吴寅骁主持，多位行业嘉宾围绕“深港携手推动河套打造人工智能新高地”主题展开深度交流 [15] - 深港科创公司副总裁华海宁表示，论坛关键词“Hub”点出了河套的重大使命——深港共建世界级科研枢纽 [15] - 河套拥有“一区两园”的独特优势，正打造一流科研空间，集聚顶尖科研机构，加快深港及国际规则衔接创新，打破创新要素跨境流动壁垒 [15] 未来规划与影响 - 作为园区建设运营主体，深港科创公司将继续加快吸引全球AI顶尖科研机构落地河套，构建“AI+”创新融合生态，打造国际领先的AI源头创新枢纽 [17] - 随着论坛成功举办，更多AI新种子将在河套扎根，未来这里将加速成长为国际领先的AI源头创新高地、人才集聚高地与产业转化高地 [17]

核心观点 - 美国近期启动的“创世纪计划”旨在通过人工智能全面重塑国家科研体系，以在全球科技竞争中保持主导地位，该计划整合国家实验室的超级计算机、科研数据与安全云环境，建设统一的“美国科学与安全平台”，并推动企业深度参与 [1] 一、本期焦点：美国启动“创世纪计划” - 美国政府于2025年11月24日通过总统行政令推出“创世纪计划”，目标是在十年内将美国科研与创新的产出和影响力翻一番，被视为自阿波罗计划以来联邦科学资源整合力度最大的一次部署 [5] - 计划核心是建设国家级基础设施“美国科学与安全平台”，整合高性能计算、AI建模框架、领域专用基础模型和自动化实验工具，接入能源部国家实验室的超级计算资源（如阿贡国家实验室的“极光”系统）和安全云环境 [6] - 计划强调与私营部门深度合作，初始合作企业超过四十家，包括OpenAI、Anthropic、微软、谷歌、英伟达、IBM、AMD、AWS等，这些公司将获得优先访问联邦数据资源的机会并参与标准制定 [7] - 作为配套承诺，AWS于2025年11月24日宣布将投入500亿美元支持联邦机构的人工智能与高性能计算基础设施建设，英伟达也正与能源部国家实验室合作拟新建七台超级计算机 [7] - 计划存在争议，部分观点认为联邦资助的科研数据用于训练Anthropic、OpenAI等公司的私有AI模型，可能导致公共科学资产转化为企业竞争优势，加剧科研资源与成果的集中与垄断 [12] 二、中国动态：多地出台“十五五”人工智能政策 - 国家层面政策加速成型，国家发展改革委将人工智能基础设施纳入新版REITs项目范围，国务院国资委引导中央企业把更多资源投入人工智能等新兴领域 [14] - 工信部等六部门发布促进消费的方案将人工智能纳入提升供需匹配能力的工具体系，国家能源局启动“人工智能+能源”试点，工信部就人工智能终端行业协会的设立征求意见 [14][16] - 地方进入人工智能规划密集期并形成差异化布局，贵州、重庆侧重算力与设施，北京关注产业生态与科研引领，上海结合“AI+海洋”，湖南偏重制造业应用，辽宁强调工业软件与算网协同 [17] - 人工智能产业生态多样化且规模扩大，京东宣布在南京投资35亿元建设AI研发中心，阿里巴巴表示AI服务器供给依旧紧张将继续增加投入，北京发布年度AI产业白皮书预计本年度核心产业规模有望突破4500亿元 [18] - 科研与产业落地双向展开，中科院工业人工智能研究所在南京成立，北京提出吉瓦级太空数据中心构想，首支面向AI领域的孵化培育型创新基金在北京启动 [19] - 低空交通、机器人和金融科技进入示范与测试阶段，交通运输部提出低空经济发展方向，北京市长调研后人形机器人获得更多关注，金融科技论坛展示了大模型在投研、风控等领域的初步成果 [20] 三、美国动态：英伟达主导地位受到挑战 - 谷歌TPU等自研芯片以成本和性能优势切入市场，谷歌计划向Meta推出可在客户本地部署的TPU，其性价比更高，SemiAnalysis报告称由于TPU对外开放，英伟达部分产品价格下降，算力集群成本整体下降约30% [21][22] - 英伟达强调GPU在通用性和现有生态系统的兼容性仍是企业重要考虑，市场呈现企业采购GPU与大型公司尝试通过ASIC获得优势两种趋势，一些大型科技公司倾向于混合使用GPU与专用ASIC [22][23] - 能源和互联能力决定数据中心扩张效率，Meta申请进入电力交易市场以保障数据中心长期供电，亚马逊宣布计划向美国政府投资500亿美元建设AI/HPC专用基础设施，亚马逊和谷歌推出标准化多云高速互联服务 [24] - AI企业通过融资和并购开展规模化与生态构建，汇丰报告指出OpenAI在算力和长期采购合同下可能面临巨额融资需求，谷歌与Accel在印度设立AI基金，OpenAI通过入股Thrive以“技术换股权”，Anthropic收购Bun [25] - 国家算力和供应链战略成为关键，北约与谷歌云签署高安全主权云合作协议，美国计划与八国深化AI芯片和关键矿产供应链合作，美国政府正将战略重点向机器人产业倾斜 [26] 四、欧洲动态：欧洲正在面对人工智能落后焦虑 - 欧洲央行行长拉加德指出欧洲在人工智能上已落后于美中，建议欧洲在算力与关键供应链环节保持最低限度自主能力，并利用单一市场强化互操作性和开放标准，以在应用层面发挥“第二行动者”优势 [27] - 欧盟正加强未成年人数字保护，欧洲议会表决通过的报告建议将社交媒体最低使用年龄定为16岁，并对参与度驱动的推荐算法和无限滚动等设计实行限制 [28] - 法国把“科技主权”写进研究资助清单，在France 2030框架下拨付3亿欧元支持15个战略项目，其中包括建立国家级AI评估体系和主权AI加速器 [29] - 英国和德国宣布联合投入1400万英镑用于量子技术合作，推动在量子测量与标准方面的合作以加速从研究到产业应用的进程 [30] 五、其他国家：AI基建成新兴经济体海外布局重点 - AI基础设施成为新兴经济体配置海外资本的主要方向，印尼社保基金表示若获批准将把最多5%的资产投资于海外AI基础设施企业，DigitalBridge与韩国KT计划在韩国建设大型AI数据中心 [31] - 韩国政府与三星、现代汽车、SK电信和Naver云等企业成立联合工作小组，准备部署超26万块英伟达GPU，覆盖政府数据中心、企业级AI工厂、自动驾驶研发等多个领域 [31] - 新加坡人工智能协会发布Sea-Lion新版本，首次在国家级模型中采用中国开源技术，底座从Meta的Llama转向阿里云的Qwen3-32B，以更好适配东南亚语言 [32] - 美光科技确认将在日本广岛投资约1.5万亿日元建设新的HBM工厂，日本政府承诺提供不超过5000亿日元的补贴，新加坡公布“研究、创新与企业2030计划”，未来五年投入将达370亿元，比上一周期提高三成 [33] 六、技术前沿：大模型竞争回到真实任务表现 - 模型竞争从比拼性能转向围绕实际工作流能力展开，Anthropic发布Claude Opus 4.5强调编程能力和智能体功能，DeepSeek推出V3.2改进工具调用方式，AWS发布Nova Forge定制训练服务，基础价格为每年10万美元 [34] - AI在生命科学领域形成可验证的临床与产业路径，飞利浦推出全球首款由人工智能驱动的探测器基光谱CT系统Verida，Generate:Biomedicines宣布其AI工程化设计的药物GB-0895进入全球三期临床，上海人工智能实验室等团队发布“丰登·基因科学家”计划 [35] - 端侧AI向系统级入口移动，夸克发布整合通义千问能力的AI眼镜并接入阿里生态场景，字节跳动发布获得手机厂商系统级授权的豆包手机助手技术预览，阶跃星辰开源面向GUI的Agent基建GELab-Zero [36][37] - 算力体系竞争转向全栈成本与效率平衡，Zyphra在AMD MI300X上训练出MoE模型ZAYA1，AWS发布Trainium3和Trn3 UltraServers，九峰山实验室推出氮化镓电源模块宣称可降低数据中心约30%能耗，中国电信发布跨境空芯光纤系统将粤港互访时延降至约1毫秒 [38] - 机器人现实执行实现突破，字节跳动Seed团队发布GR-RL框架，在“穿鞋带”类精细操作任务上把成功率从约46%提升到83% [39] 七、智库观点：人工智能驱动技能重塑 - 麦肯锡报告指出未来工作将更多依赖人机协作，现有技能中超过70%仍具相关性但使用方式会变化，到2030年几乎所有职业都需要进行技能调整，若企业优化流程并提供培训，美国有望释放约2.9万亿美元经济价值 [40] - MIT与橡树岭国家实验室等的研究提出“Iceberg指数”，分析显示AI对行政、金融和专业服务等领域的潜在影响涉及1.2万亿美元的工资价值，是计算与技术类岗位（2110亿美元）的五倍 [41][42] - MIT与Hugging Face等的研究显示，美国在开源模型生态中的主导地位正在减弱，2024年8月至2025年8月来自中国模型的下载量占比达到17.1%，超过美国的15.8%，其中DeepSeek和Qwen表现突出 [43] - 同时，模型透明度下降，披露训练数据的模型下载占比从2022年的79.3%降至2025年的39%，首次出现未开放训练数据的模型占比超过严格意义开源模型的情况 [44] - 世界银行报告指出全球AI发展高度集中于高收入国家，对中低收入国家而言，经济实惠的小型AI能在农业、教育和基层医疗等领域产生直接效果 [45] - 实现更公平的AI影响需要四项基础投入：连接、算力、数据语境与能力 [46] - ITIF报告预计到2028年数据中心用电量占美国总用电量的比例可能升至6.7%-12%，数据中心约有40%的用电并不依赖具体时间，可通过调整负荷缓和电网高峰压力 [47][48] - 德勤报告预测，到2030年AI在能源领域可实现超过3700 TWh的节能量，每年可节省超过2000亿美元的成本，到2050年累计节省达11万亿美元，在2030年的潜在年减排贡献可达660 MtCO2eq [51][52]

全球AI研究格局 - NeurIPS 2025接收论文总数达5825篇，刷新历史记录，但核心变化在于中美双极格局固化、LLM架构红利边际递减以及强化学习与具身智能成为主导[1][29] - 全球顶级AI研究高度集中于三个核心地理区域：美国湾区（以Google、Meta、Stanford、Berkeley为代表）、中国北京（以清华大学、北京大学、中国科学院大学为代表）和中国上海（以上海交通大学、上海AI Lab、复旦大学为代表）[6][7][35] - 学术界与工业界的界限已被打破，算力与人才的深度绑定成为取得顶尖研究成果（SOTA）的关键，双重身份（同时任职于高校和工业界实验室）的研究者成为主流[11][28][41] 机构研究成果排名 - 在全量论文统计中，清华大学以390篇（占比2.18%）超越Google的388篇（占比2.17%），在总量上位列全球第一[4][32] - 在Top 50头部机构的加权份额排名中，Google以4.84%的份额略高于清华大学的4.73%，显示美国科技巨头在精英研究中的持续领先地位[5][34] - 在高质量论文（仅包含Oral和Spotlight，约占总数的14%）筛选中，Google份额反弹至2.82%（72篇），重夺第一；清华大学以2.54%（65篇）紧随其后，两者在顶尖成果上的差距仅为7篇[8][10][39] 中美研究生态差异 - 美国的研究优势集中于Google、Meta等科技巨头，而中国的核心引擎是清华大学、北京大学、上海交通大学等高校集团军[6][35] - 在自然语言处理领域，中国的研究份额达到33.8%，已超过美国的31.4%，成为全球最大的NLP研究产出国[17][19][49] - 在强化学习与机器人学领域，美国以32.1%的份额居首，但中国以81.1%的惊人增速获得了29.9%的份额，显示出在该赛道的激烈竞争与快速追赶[15][17][47] 前沿技术赛道趋势 - 强化学习与机器人学成为增长最快、最热门的AI赛道，论文总量达到2302篇，年增长率高达39.4%[12][14][44] - AI for Science是年增长37.4%的蓝海领域，呈现美国（31.7%）、中国（29.5%）和欧洲（23.1%）三足鼎立的均衡竞争态势[20][22][52] - 欧洲采取差异化战略，在可解释性AI领域占据23.5%的全球份额，仅次于美国（32.0%），专注于构建AI的安全、公平与透明度护栏[23][25][55] 产学研模式变革 - 顶尖研究者普遍身兼学术职务与工业界实验室职位，以同时获取前沿理论和大规模算力支持，纯粹的学术研究面临挑战[11][40] - 对于学生而言，进入大型科技公司研究院实习已成为追求顶尖研究成果的必备条件，而非加分项[11][41] - 技术发展正从纯对话的LLM时代向拥有物理身体的“具身智能”或“Physical AI”时代演进[12][28][42]