粤港澳大湾区AI安全治理联合实验室成立 - 粤港澳大湾区生成式人工智能安全发展联合实验室于9月15日在河套深港科技创新合作区揭牌 旨在构建适应AI时代的创新治理联合体 通过安全服务举措推动产业高质量发展 [1][3][5] 大湾区AI产业基础与政策支持 - 广东人工智能核心产业规模突破2200亿元 居全国第一方阵 核心企业超1500家 国家专精特新"小巨人"企业147家数量全国第一 [7] - 广东拥有鹏城实验室等5家高水平研究院 25个省级以上AI开放创新平台 截至9月已完成92款生成式AI服务备案 近半为场景化定制应用 [4] - 政策明确支持实验室建设 包括《广东省推动人工智能与机器人产业创新发展若干政策措施》及省委二十届三中全会精神落实意见 [4][5] 实验室核心职能与实施路径 - 提供全生命周期安全评估服务 帮助企业建立安全管理机制 针对对抗攻击和数据泄露提供定制化解决方案 打造纯净基础语料库增强内容安全 [7] - 开发AI安全评测系统 防范模型黑箱/幻觉/算法歧视风险 建立技术监测与应急响应体系 支持分类分级监管 [8] - 构建"安全可信+量化评级"框架 对国内外大模型进行6大方面36维度评测 帮助降低合规成本 [12] 标准化与技术协同机制 - 建立"基础共性+行业特性"双层标准架构 推动国家标准与区域法规适配转化 形成区域统一安全评估体系 [12][13] - 依托腾讯算力/中山大学科研/深信服专业能力 输出轻量化防御方案降低中小微企业技术门槛 [12] - 训练安全智能评测引擎 实现测试题集自动生成与结果自动研判 覆盖模型输入输出全流程自动化评测 [14][15] 生态构建与区域协同 - 采用"政府引导+依托企业+产学协同"模式 整合粤港澳政府/企业/高校/科研机构/媒体资源 形成技术协同+敏捷治理+传播服务机制 [9] - 在香港/澳门/广州等地设立地方服务站 提供政策咨询与技术评测服务 支持产业园区企业发展与落地 [10] - 利用港澳国际化优势调动全球人才技术资源 探索跨学科联合攻关 涵盖基础理论/前沿技术/治理管理研究 [9][10]

文章核心观点 - 生成式人工智能更可能类似集装箱运输革命而非微处理器革命 价值将被客户捕获而非技术构建者 大量资金正投向错误方向[2] - 人工智能可能成为信息通信技术浪潮的尾声而非新浪潮开端 现有巨头控制实验空间限制分布式创新[37][38] - 正确投资策略是向下游捕鱼而非向上游游泳 投资受益于人工智能效率提升的行业而非技术本身[40][45] 技术革命历史对比 - 微处理器革命(1971年)催生分布式创新 个人计算机从无需求到彻底改变世界 英特尔8080芯片初始标价360美元(相当于2023年2300美元)[3][5] - 集装箱运输革命(1956年)改变世界但价值过度分散 仅一位创始人短暂致富 一位投资者略微获利 100亿美元投入集装箱船建造(相当于2025年800亿美元)[1][24][33] - 技术浪潮需要时间积累势头 电力用近30年覆盖美国一半家庭 个人计算机普及花费相近时间[8] 人工智能行业现状 - 人工智能面临全面竞争混战 缺乏受保护的利润期 模型研发运营成本巨额且竞争激烈[36][40] - 大型语言模型公司控制生态 垂直领域模型优势难以维持 应用公司成功可能引发模型层公司垂直整合[40][41] - 基础设施企业估值已反映预期 英伟达等公司面临需求崩溃风险 类似集装箱船舶建造行业低迷[43] 投资机会分析 - 模型层投资机会已过时 早期投资者可能通过行业整合退出 山姆·奥特曼等早期推动者可能积累财富[40] - 真正机会在下游行业 专业服务/医疗/教育/金融服务/创意服务占全球GDP三分之一至二分之一 将因效率提升增加利润[45] - 知识密集型服务将降价 消费者支出结构改变 食品服装支出占比从1918年55%降至2023年16%[48] 企业战略启示 - 成功企业需将成本降低纳入战略 宜家通过集装箱运输实现全球扩张 沃尔玛建立即时供应链[35][45] - 新公司可以高销量低成本战略进入市场 好市多1983年仅融资一轮 1985年上市[46] - 价值转移方向是从拒绝变革公司向拥抱人工智能公司转移 类似沃尔玛从西尔斯手中夺取份额[47] 技术演进路径 - 若实验变得廉价分布式且无需许可 人工智能可能开启新浪潮 但目前受现有巨头限制[37] - 人工智能是信息通信技术浪潮缩影 20世纪60年代计算机先驱目标如今实现 能力与方向毫无意外[38] - 经济学家预测人工智能推动全球GDP增长1%至7% 对应1-7万亿美元新增价值[39]

核心观点 - A股整体处于盈利磨底阶段但结构性机会显现 重点关注科技与高端制造、政策红利与低位方向三条主线 [3][4][11] - 生成式人工智能从概念探索快速走向应用落地 投资重心从互联网向金融、制造、医疗、教育等领域扩展 [4][28][34] - 中国大陆半导体资本开支维持高位 晶圆代工厂保持高产能利用率支撑扩产 [4][44][52] - 新消费板块热度从港股传导至A股 中长期看好情绪消费、渠道变革、品牌出海等主线 [3][4][56] 中观产业表现 - 全A股二季度营收18.08万亿元同比增长0.35% 非金融企业营收15.73万亿元同比下降0.16% [8][12] - 全A股二季度归母净利润1.49万亿元同比增长2.44% 非金融企业净利润8031亿元同比下降0.11% [8][12] - 利润-收入增速剪刀差显著收窄 全A非金融企业从一季度5.9%收窄至0.05% [8][9] - TMT板块营收同比增长10.5% 净利润同比增长17.6% 资本开支保持3.7%正增长 [10][22] - 高端制造板块营收同比增长6.7% 净利润同比增长11.0% 设备制造净利率回升至5.3% [10][22] - 消费板块营收同比下降2.6% 资本开支大幅收缩11.2% 但通过提效降本实现净利润增长4.3% [10][22] 高端制造领域 - 近六成企业进入生成式AI测试或生产阶段 其中17%已应用于实际业务场景 [4][28] - 企业AI投资重点集中于硬件升级（29%）和数据采集处理（24%） [30][31] - 应用场景从训练导向转向推理环节 客户互动（18.7%）、产品设计（13.3%）、市场营销（11.8%）成为最具潜力领域 [36][42] - 算力供给不足、成本高企及调度效率低下仍是主要制约因素 [38][41] 半导体产业 - 海外半导体设备龙头中国大陆营收占比保持30%左右 ASML2025Q2中国大陆份额27% [4][44][48] - 泛林集团将2025年全球半导体设备市场规模从1000亿美元上调至1050亿美元 主要因中国大陆市场增长 [4][50] - 中芯国际2025Q2月产能99.1万片等效8寸 产能利用率92.5% Q2资本开支18.9亿美元 [53][55] - 华虹半导体2025Q2月产能44.7万片等效8寸 产能利用率108.3% Q2资本开支4.1亿美元 [53][55] 消费板块趋势 - 东南亚潮玩市场规模约25亿美元 年均增长率达20% 中国品牌占据80%以上市场份额 [56][59] - 泡泡玛特2025H1海外收入占比40.3% 亚太地区（除中国外）收入占比20.6% 东南亚门店达69家 [60][62] - 生猪行业龙头温氏股份2025H1净利润34.75亿元 同比增长159.12% [62] - 反内卷政策推动能繁母猪存栏调减 促进行业产能平衡和猪价缓慢抬升 [62][66]

行业定义与分类 - 人工智能定义为利用计算机模拟人类智能的理论、方法、技术和应用系统[1] - 行业分为弱人工智能、强人工智能和超人工智能三类[1] 核心特征 - 以大数据为基底，算法为核心，通过数据挖掘形成知识模型[3] - 借助传感器等硬件实现人机交互与协作[3] - 具备学习推理能力，能随环境变化自动优化模型实现动态迭代[3] 发展历程 - 第一次浪潮（1956-1974）：以符号主义为主导，受限于计算能力进入低迷期[6] - 第二次浪潮（1980-1987）：专家系统商业化，因场景局限性和高维护成本遇冷[7] - 第三次浪潮（1993至今）：深度学习理论突破，2012年ImageNet大赛错误率降至15%推动商业化[8] - 三次浪潮均始于算法突破，两次寒冬因算力和数据量限制[9] 市场规模 - 2021年全球人工智能市场规模达850亿美元[10] - 2022年市场规模同比增长20%至1017亿美元，2025年将突破2000亿美元，CAGR达24.5%[10] - 中国市场规模从2017年709亿元增长至2025年5460亿元，CAGR为29%[10] - 2020年全球人工智能技术支出687亿美元，2025年预计达2212亿美元，CAGR26.3%[43] - 中国2020年市场规模295亿元，2025年预计达1671亿元，CAGR41.5%[45] 政策支持 - 2017年《新一代人工智能发展规划》提出三步走战略，2030年达到国际领先水平[13][16] - 政策重点支持技术突破、人才培养、创新平台和场景应用[15] - 2022年政策强调工业互联网和数字产业发展，提升关键软硬件技术创新能力[16] 细分领域 计算机视觉 - 2019年核心产业规模633.3亿元，带动相关产业1438.6亿元[17] - 2025年核心产业规模预计1537.1亿元，CAGR15.9%，带动产业4858.4亿元，CAGR22.5%[17] - 市场CR3达39.5%，商汤科技占比23.1%[18] 自然语言处理 - 2024年中国市场规模126亿元，同比增长14.55%[18] - 2025年全球市场规模预计突破336.8亿美元，CAGR28.8%，2037年达7348.2亿美元[20] - 小样本学习使训练数据需求减少90%[19][21] 生成式人工智能 - 2025年全球支出预计6440亿美元，较2024年增长76.4%[22] - 80%支出用于硬件，潜在市场规模至少600亿美元[22] - 通用AI工具流量从25%增至55%，代码生成与DevOps工具持续攀升[23] 技术演进 - 计算智能：已成熟，如1996年深蓝计算机战胜国际象棋冠军[24] - 感知智能：不断完善，如自动驾驶通过激光雷达实现环境感知[24] - 认知智能：未来方向，实现主动决策[24] 底层技术 机器学习 - 包括有监督学习、无监督学习、半监督学习和强化学习[25] - 算法涵盖线性回归、逻辑回归、BP算法、支持向量机等[27] 机器视觉 - 具备识别、测量、定位、检测功能，精度达256灰度级[28][30] - 快门时间10微秒，高速相机帧率可达1000以上[32] 自然语言处理 - 包括文本分类、信息检索、机器翻译等技术[33] 应用技术 智能芯片 - 分为传统芯片和专用智能芯片[36] - 通用计算芯片被Intel、Nvidia垄断[57] 生物识别 - 通过语音、人脸、虹膜等特征进行身份认证[39] - 具防伪性好、不易伪造等优点[39] 竞争格局 全球视角 - 美国技术领先，中国应用场景丰富，为第一梯队[46] - 欧盟、俄罗斯、德国、日本为第二梯队[46] 中国市场 - 基础层代表企业：阿里巴巴、华为、寒武纪[49] - 技术层代表企业：科大讯飞、云从科技、商汤科技[49] - 应用层代表企业：新松机器人、华为、小米[49] 产业链分析 基础层 - 包括数据资源、硬件设施和计算力平台[50][52] - 全球AI基础设施市场份额前三：浪潮16.4%、戴尔、HPE[54] - 计算力指数美国第一，中国第二[57] 技术层 - 包括通用技术、算法模型和软件框架[61] - 深度学习框架份额：TensorFlow 29.2%、Caffe2/PyTorch 28.2%、百度飞桨19.1%[62] - 近40个AI学习框架竞争激烈[64] 应用层 - 覆盖金融、教育、交通、医疗等垂直领域[67] - 中国企业包括华为、小米、阿里巴巴及众多中小企业[67] 社会经济价值 - 促进数字技术与实体经济深度融合[70] - 在设计、生产、管理、营销等环节提升效能[73] - 2021年长三角人工智能竞争力超过京津冀[76] 市场前景 - 行业大环境持续向好，与5G、大数据等同列新基建[80] - 政策红利凸显，多地设立专项资金支持[82] - 2021年核心产业规模1998亿元，2026年预计超6000亿元，CAGR24.8%[90] - 市场份额向头部企业集中[90]

人才流动 - Meta超级智能实验室两名人工智能研究员阿维·维尔马和伊桑·奈特在任职不足一个月后重返OpenAI [1] - 阿维·维尔马此前是OpenAI研究员 伊桑·奈特职业生涯早期曾在OpenAI任职但后来从xAI跳槽至Meta [1] - 另有一名研究员里沙布·阿加瓦尔周一公开宣布离开Meta [1] 高管变动 - Meta任职近10年的生成式人工智能产品管理总监查亚·纳亚克将加入OpenAI负责特别项目 [1] 企业竞争格局 - OpenAI持续从科技巨头Meta吸引核心人工智能人才 [1] - xAI与Meta均出现人才向OpenAI流动的现象 [1]

调查还显示，48.6%受访者认为人工智能会对社会发挥积极作用；32.3%的人愿意参与对人工智能的投 资。（完）（欧飒） 调查显示，韩国上班族平均每周使用生成式人工智能时间在5至7小时。这一技术平均缩短了3.8%的工 作时间，相当于能从每周40小时工作时间中节省一个半小时。 【新华社微特稿】韩国中央银行韩国银行18日说，该机构开展的一项调查显示，超过一半韩国上班族在 工作中使用生成式人工智能(Generative AI)。 这项调查于5月19日至6月17日进行，调查对象为5512名年龄在15岁到64岁的上班族。韩联社援引调查结 果报道，51.8%调查对象说在工作中用到生成式人工智能，17.1%说会经常用到。 从职业上看，医生和律师等持证专业人员有69%在工作中用生成式人工智能，比例最高；紧随其后的是 经理等管理人员，使用比例为65.4%；办公室文员的使用比例为63.1%。 ...

硅谷AI人才结构变迁 - 美国顶级AI研究机构中拥有中国本科背景研究人员占比从2019年29%升至2022年47% 预计2025年超50% [2][4] - 华人科学家成为硅谷AI发展中流砥柱 其AI论文被引量居世界首位 印度裔科学家影响力约为华人四分之一 [8] - 中国科研机构（清华/智源/中科院/上海AI实验室）高引论文数量跻身世界第一梯队 [10] 技术范式转移驱动需求变化 - IT时代（2000-2010s）核心需求为实现能力 依赖掌握编程语言与开发框架的工程师进行系统集成与维护 [4] - AI时代核心需求转为发现与创造能力 要求突破理论边界的新算法设计能力及顶级学术论文产出能力 [7] - 顶尖AI研究员需具备深厚数学功底（线性代数/概率论等）及顶尖院校计算机/统计学博士学位背景 [7][13] 中印教育体系差异分析 - 中国教育体系强化数理基础 PISA测试中华人地区（新加坡/澳门/台湾/香港）数学科学成绩包揽全球前列 [12] - 中国22.2%留美学生主修数学与计算机科学 2021年在美获科学与工程博士学位的中国学生占比33%（5496人）远超印度（2572人） [13] - 印度IITs培养目标偏向工程实践与商业管理 精英人才更倾向进入跨国企业或攻读MBA而非基础研究领域 [15][17] 文化因素对人才生态位影响 - 印度种姓制度残留影响职场关系 硅谷曾出现种姓歧视诉讼事件（如思科案例）破坏团队协作信任 [18][20] - 印度员工宗教信仰（印度教/锡克教等）带来饮食禁忌与仪式要求 与硅谷世俗化工作文化存在张力 [20] - 中国研究员普遍呈现低文化摩擦特征 无宗教禁忌且能快速融入以工作为核心的硅谷文化环境 [23] 人才供给管道结构性差异 - 中国形成持续向美国输送博士级研究人才的管道 依托扎实基础教育体系及重视学术成就的文化驱动 [13][14][24] - 印度人才输出优势源于英语能力/成熟IT培训体系（如Infosys/TCS）及成本优势 更适配传统IT时代需求 [5][24] - 硅谷AI顶尖竞争从"工程师规模化供给"转向"研究员精英化供给" 中国教育体系现阶段展现更强造血能力 [24][25]

生成式人工智能安全风险概述 - 生成式人工智能被列入企业路线图，但需避免发布不安全产品，模型应在沙盒化、受监控环境中运行[1] - 主要风险包括即时注入、代理权限滥用、RAG中毒、隐私/IP泄露、不安全输出处理等[1] - 企业现实加剧风险，如AI供应链不成熟、可观察性与合规性冲突、模型更新导致行为改变等[1] 生成式人工智能安全策略 - 采用零信任和纵深防御策略，限制输入、隔离工具并净化输出[2] - 部署前关键措施包括RBAC机制、DLP/PII扫描、版本锁定、防篡改日志等[2] - 若无法执行控制措施，需暂停发布[2] 生成式人工智能安全挑战 - 即时注入是新的"SQLi"，攻击者可通过聊天、文档等覆盖模型指令或泄露数据[4] - 代理/工具滥用导致权限边界问题，需采用严格RBAC和人工审批[4] - RAG中毒引入新攻击面，需强化提取管道和来源签名[4] - 隐私泄露和IP溢出风险需通过DLP和显式扫描程序解决[4][5] - 模型和AI供应链风险需通过出处验证和行为审查应对[5] 企业行动计划 - 未来90天重点包括GenAI安全审计、高价值低风险用例试点、评估工具实施[6][7] - 避免常见错误如无防护措施部署、用例与业务不一致、跳过评估监督[8][9] - 需建立安全治理框架，包括威胁建模、访问控制、第三方风险审查[10] 数据与人才关键因素 - 39%首席数据官认为数据质量是GenAI应用最大障碍，需建立集中式知识数据库[11] - 技能缺口需通过混合团队和员工培训解决，变革管理至关重要[12] - 需定义新KPI并采用实验性思维方式，通过A/B测试衡量业务成果[13] 成熟度差异与路线图 - 高成熟度组织关注安全威胁，投资即时防火墙和模型卡片文档[14] - 低成熟度组织聚焦用例探索，建议从横向用例入手积累经验[14] - 成功路线图需从实验阶段逐步发展为稳定AI平台[15] 案例研究 - 摩根大通通过代码片段检查器和内部工具政策防止IP泄露[16] - 微软Bing Chat通过提示隔离和对抗样本训练降低越狱成功率[17] - Syntegra医疗AI采用差异隐私技术确保HIPAA合规[18] - Waymo通过模型注册表和沙盒执行保障供应链安全[19][20] 30-60-90天行动计划 - 0-30天：威胁建模、速效防护、访问控制审计、事件响应计划[22][23] - 31-60天：红队模拟、高级控制部署、演练培训、数据治理检查[24][25][26] - 61-90天：外部审计、指标优化、持续改进与治理委员会[27][28][29]

政策布局与区域战略 - 安徽省、四川省、海南省、重庆市、北京市等多地积极布局未来产业 通过构建人才高地、创新投资体系、发挥数据要素效应等措施推动发展 [1] - 不同地区根据资源禀赋差异化布局 包括执法检查优化法治环境、细化量子科技/元宇宙等重点赛道、公示标志性产品并给予大额奖励 [1] - 布局未来产业可重构区域经济版图 打造新经济增长点并加快培育新质生产力 [1] 产业规模与政策导向 - 未来产业产值规模2024年达11.7万亿元 2025年预计增至13.4万亿元 年复合增长率约15% [2] - 工信部等四部门2023年发布《新产业标准化领航工程实施方案》 明确元宇宙/脑机接口/量子信息/人形机器人/生成式人工智能/生物制造/未来显示/未来网络/新型储能等重点领域 [2] - 2025年政府工作报告提出建立未来产业投入增长机制 重点培育生物制造、量子科技、具身智能、6G等产业 [2] 重点赛道与技术成熟度 - 人形机器人、生成式人工智能、新型储能最具新支柱产业爆发力 技术成熟度进入生产成熟期且生成式AI已形成开发者网络效应 [3] - 元宇宙与脑机接口需突破底层硬件 量子信息仍处于实验室阶段 [3] - 部分产业存在自主创新能力薄弱、制度保障滞后、基础设施支撑不足等发展瓶颈 [3] 创新发展机制 - 需完善创新激励机制与知识产权保护 激发企业创新主体活力 [3] - 企业应加强自主研发、成果转化与产品设计 推动科技成果应用场景落地 [3] - 金融机构与主管部门需构建覆盖企业全生命周期的耐心资本供给体系 [3]

全球家族办公室资产配置趋势 - 全球家族办公室资产净值自2020年以来呈现上升趋势[1] - 家族办公室减少现金持有 增加发达市场股票投资[1] - 48%亚太家族办公室计划增持发达市场股票 40%计划提高新兴市场股票配置[1] 另类资产配置偏好 - 家族办公室增加私募债权投资以实现收益提升和组合多元化[1] - 38%通过直接投资 37%通过基金/母基金增加私募股权配置[1] - 26%计划增持私募债权 24%拟增加基建投资[1] 黄金与贵金属配置 - 全球计划增加黄金/贵金属配置的家族办公室比例达历史新高21%[2] - 亚太地区33%家族办公室计划增加配置 为各地区最高比例[2] - 中东家族办公室同样有33%计划增加配置[2] 区域投资偏好 - 北美与西欧最受青睐 全球家族办公室79%资产投资于这两个地区[2] - 39%亚太家族办公室计划增加中国内地投资[2] - 全球家族办公室首选投资中国市场与印度市场[2] 行业投资重点 - 亚太家族办公室最熟悉医疗保健/医药(33%)和生成式人工智能(28%)[2] - 北亚家族办公室对生成式人工智能最熟悉(36%)[2] - 东南亚家族办公室对医疗保健/医药最熟悉(41%)[2] 生成式人工智能受益行业 - 75%家族办公室认为银行/金融服务最能受益于生成式人工智能[2] - 65%家族办公室认为制药与生物科技能因人工智能协助新药开发而获益[2] 风险担忧因素 - 61%家族办公室担忧未来五年重大地缘政治冲突[3] - 53%对全球经济衰退感到焦虑[3] - 50%担心政府借贷激增导致债务危机[3] 亚太地区特定风险 - 49%亚太家族办公室将气候变化视为未来五年三大风险之一[3] - 北亚家族办公室将债务危机(48%)和金融市场危机(48%)视作主要风险[3] 风险管理策略 - 40%家族办公室采用投资经理甄选或积极管理来增加组合多元化[4] - 31%使用对冲基金策略[4] - 27%增持非流动资产 26%投资优质短久期固定收益[4]