《 AI閃耀中國 ：2025年終吳曉波科技人文秀 》
人工智慧AI革命是一場事關國運的世紀大競賽。
- 閃耀點1：AI三要素：中美形成競賽格局。
- 閃耀點2：多模態：內容生產新革命。
- 閃耀點3：大模型：再造每一個行業。
- 閃耀點4：智能體（Agent）：進入元年時刻。
- 閃耀點5：機器人：下一個10兆級市場。
- 閃耀點6：智能工廠：工業5.0在中國發生。
- 閃耀點7：電商業：流量時代即將終結。
- 閃耀點8：服務業：AI創造全新體驗。
- 閃耀點9：智能硬體：引爆消費新尖叫。
- 閃耀點10：超級個體：第六個創業窗口期。
你們分得清嗎？那個是人彈的，那個是機器人彈的？
我完全分不清。
一個是矽基人類，一個是碳基人類，
他們用自己的雙手在彈奏一首《花開在眼前》。
1950年，艾倫·圖靈寫了一篇論文叫做《電腦器與智能》。
論文的第一句話就是一個問題：機器會思考嗎？
但可惜的是，圖靈在1954年就去世了。
圖靈在這篇文章最後寫道：
“我們的目光所及，只是不遠的前方，但是可以看到，還有許多工作要做。”
人工智慧共有兩條路徑，一個叫連接主義，一個叫符號主義，
不同的科學家分別沿著兩條路往前走，但都非常艱難。
2025年有兩個詞非常熱，
- 第一個叫湧現，Emergence：
資料或者經驗積累到一個閥值以後，能力發生指數級的跳躍和提升。
在今年，以周或月尾單位，任何一個與人工智慧相關的行業，都在不斷湧現新的技術。
- 第二個詞叫做泛化，Generalization：
多學科的突破與泛化，多產業的應用與泛化，從企業到個人的泛化。
- 湧現意味著技術、成熟度到了一定階段，開始出現指數級增長，
- 而泛化讓技術像洪水一樣湧到每個角落。
今天3個多小時裡，我們要討論的並不是技術本身，而是要討論技術在這個國家所有的行業——可能是做瓷磚的、做醬油的、做空調的、做冰箱的、做洗衣機的、做汽車的——它們和人工智慧的關係。
我每年跑很多企業，今年跑的數量不多不少剛好66家，每周跑一家左右。其中，4月和5月兩個月時間，集中跑了14家具身智慧型手機器人企業。
我大概是中國經濟學者中很少數的幾位走進過機器人生產車間的，我知道今天機器人是怎麼被裝配出來的。
然後我還跑了三十多家企業，一大半以上都是工廠；參加了一些展會，去了雲棲大會、百度雲智大會、外灘大會、Google年會、高通年會，上海車展；我還去了兩個市場，義烏小商品市場、華強北市場。
義烏小商品市場現在有兩個非常好的人工智慧電商產品，華強北市場原來是賣手機的，今天你去一下華強北，在賣什麼？在賣AI玩具、AI眼鏡等，大量的櫃檯都和人工智慧有關。我今年還去了美國，去了美東和美西，去了一些大學和研究院。
接下來，我將分十個章節，和大家報告一下2025年中國正在發生的AI實踐，這些都是我實地調研所見與所得。
1.閃耀點1：AI三要素：中美形成競賽格局。
未來10年是不是一個讓人非常驚喜、充滿顛覆的10年？
那麼，AI主要是由那些元素構成的呢？
算力、演算法、巨量資料。
在今天全世界人工智慧浪潮當中，最主要的兩個主角是誰？
一個是美國，另外一個就是中國。
- 先來看算力。
2025年，美國各大科技巨頭的AI基建投資超過3500億美金。
預測到2030年，高盛預測，美國AI算力累計投資將達到3萬—4兆美元——這是1945年二戰以後美國最大規模的一次基礎設施投資。
2025年，中國的AI基建投資是6300億人民幣。
中金預測到2030年，我們的累計投資將超過10兆人民幣——中國的第一條高鐵是2003年在東北竣工的。
近10年間，中國投資高鐵花了7.7兆人民幣——這恐怕也是1949年以後最大規模的單一產業項目投資。
全球算力分佈，美國佔到了74.5%，中國14%，美國是中國的5.3倍，歐洲是4.8%，日本1.2%。在超大規模資料中心數量方面，美國是中國的4倍。
還有一句話是“算力的盡頭是電力”。
中國的電網裝機總量是美國的近3倍，中國新增發電能力是美國的9倍，每年中國的電網支出900億美元，是美國3倍。因為中國是製造業大國，製造能力比美國多1倍。
人工智慧是虛擬世界和物理世界一次大規模的集合，40多年來中國製造的能力，我們的產能、基礎設施、應用能力，在未來的十年有可能得到一次出乎意料的發展。
- 講完算力講演算法。
中國大模型的演算法優勢，
- 在圖像生成領域，
阿里巴巴的Qwen-image系列，和騰訊的Hunyuan-image-3大模型，排名全球靠前，這兩個大模型，在過去的11個月中，曾經有兩次排名全球第一。
- 在圖像編輯領域，
全球16個模型，中國廠商佔據6席，字節跳動的Seedream-4系列佔據全球第2、3、5名。
- 在文生視訊領域，
全球前16名中，中國佔據7席，是除美國以外最強的視訊模型生態。
- 在文字能力方面，
全球前20名，中國佔據9席。百度的文心5.0-Preview和阿里巴巴的Qwen3 Max排名靠前。
中美作為全球人工智慧未來十年最重要的決賽選手，它們走上了兩條不同的道路。
美國人幹三件事：
- AI晶片；
- 大規模AI基礎設施建設；
- 搞閉源大模型，
做從0到1科技創新。
中國呢？
- 第一，中國是全世界最大的硬體大國、製造大國，我們可以用人工智慧去改造所有的生產線、產品；
- 第二，中國是全世界最大的應用市場，矽谷出現一個新的技術變革，一個兩個月後就會出現在華強北；
- 第三，我們的大模型是開源大模型，做從1到N。
中美兩國大概都能夠走通他們的道路。
未來五年，中美兩國將在五個AI創新領域進行角逐：
- 人工智慧、
- 機器人技術、
- 能源儲存、
- 區塊鏈技術和
- 多組學測序。
2.閃耀點2：多模態：內容生產新革命。
多模態技術進化，意味著矽基人類的內容生產能力，可能會達到碳基人類的100倍以上。
3.閃耀點3：大模型：再造每一個行業。
上海銀行、廈門國貿、金牌家居，
一個是做銀行的，一個是做大宗商品的，一個是做家居的。
2025年，它們都在用人工智慧改造自己的生意模型、業務模型，各自創新。
任正非講過一句話：“發明AI只是一家IT公司，應用AI會是一個強大的國家。”
今天，這些企業的應用已經讓行業發生了翻天覆地的變化，
而在即將到來的2026年，這種變化還將在更多行業一一發生。
百度智能雲形成了兩種能力：
- 一個是算力的基礎設施，如崑崙芯這樣的產品，
- 一個是服務於智能體Agent的基礎設施。
這兩種能力幫助中國的很多企業開始有機會建立自己的行業大模型。
4.閃耀點4：智能體（Agent）：進入元年時刻。
人工智慧時代屬於每一個普通人，但僅僅只屬於那些率先並善於使用AI工具的普通人。
2024年4月18日，聯想發佈了全球第一款AI PC。
我常常會問大家一個問題：
今天全世界做PC的公司，排名前三的是聯想、惠普和戴爾——
兩家美國公司，一家中國公司，那麼，為什麼是中國的這家公司能夠率先推出全球第一款AI PC？為什麼不是戴爾？為什麼不是惠普？
原因在於，惠普和戴爾幾乎沒有自己的工廠，大多採用代工模式，技術開發能力在第一時間就會被削弱。
而聯想擁有三十多家工廠，因此，在人工智慧時代到來的第一天，他們就有能力改造自己的硬體產品。
如今，人工智慧技術已經普及到聯想幾乎所有產品形態中，從平板、手機，到PC，再到AIoT。
聯想還推出了一個智能體，名為“天禧個人超級智能體”。
長期以來，聯想的架構是“端-邊-雲-網-智”：
在“端”上，他們擁有硬體；
在“雲”上，他們擁有個人云；
通過“端雲”結合，建構一個超級智能體。
“新IT”就是基於
- 端（也就是各類智慧終端機以及各類感測器和物聯網終端設備）——
- 邊（邊緣計算）——
- 雲（雲計算）——
- 網（5G和高速光纖網路）——
- 智（也就是基於上面的“端邊雲網”架構和先進的大資料工具、人工智慧演算法所能達成的各行各業的智慧）
這樣的技術架構賦能各行各業，
實現智慧化變革所需要的技術、服務與解決方案。
那麼，這對消費者意味著什麼？
這意味著，在未來，每個人身邊都會擁有大量智能體（Agent）。
未來，智能體會分佈在不同的硬體之中，而每一個硬體都可能成為一個孤島。
如果聯想能夠發揮作用，當你使用的是他們完整的一套裝置時，就有機會將分散在各個連接埠的智能體整合起來，完成個人知識庫的全生命周期管理。
傑弗裡·辛頓，這位在2006年提出“深度學習”概念的科學家，於2024年獲得諾貝爾物理學獎。
今年7月，他來到上海參加世界人工智慧大會。
在會上，辛頓指出：
“數字智能通過共享參數和高效迭代，在知識共享效率上遠超人類。
當AI擁有獨立子目標時，可能通過操控人類獲取更多控制權。
若不建立有效管控機制，超級智能可能通過學習欺騙技巧繞過安全機制，
最終威 脅人類生存。”
5.閃耀點5：機器人：下一個10兆級市場。
中國30家非常重要的具身智慧型手機器人公司，我只能用一句話來感慨：
“他們是多麼年輕！”
這30家企業中，2023年以前創辦的有10家，2023年以後創辦的有20家，也就是說，三分之二的公司是在最近三年內成立的。
從聯合創始人的年齡結構看，60後沒有，70後有3位，80後有12位，90後有14位，甚至還有1位00後。
20年後，他們中的很多人年齡不到今天馬化騰、李彥宏、雷軍的年齡。
從學術背景來看，這些創始人中有博士20人，教授、博導9人。
優必選的搬運機器人，已經在汽車生產線上工作了，每天的工作效率相當於一位工人的40%。隨著技術進步，效率還會不斷提升；
雲深處的巡檢機器人，已經廣泛應用於城市下水道的智能巡檢、水質檢測、車間危險區域巡檢等，還有消防火災現場，往往由機器人先進入，消防員再跟進。
此外，還有
銀河通用的前置倉機器人，已經在美團醫藥前置倉中投入使用；
千尋智能的機器人，已經可以在生產流水線上“擰螺絲”；
跨維的機器人，已經可以製作咖啡了。
在一些大城市，機器人還可以在養老場景中提供基礎服務，如攙扶老人、協助轉移……今天我們所看到的這些機器人，都已經進入了真實的應用場景。
如果兩年內馬斯克真的做出10萬台人形機器人，那麼他的工廠建在那裡？
我認為，大機率會建在中國，因為中國已經佔據了具身智慧型手機器人全球供應鏈的63%。
我個人預言，未來十年，中國將出現四個十兆級市場。
汽車行業在2024年市場規模已經超過10兆；
房地產將長期維持在10兆的規模；
養老銀髮產業，中國每年有2300萬到2500萬人進入60歲，未來也將形成十兆級市場；
而第四個，就是具身智慧型手機器人。
榮耀發佈了ROBOT PHONE，是全球第一款“手機機器人”，
我們現在的手機長成這樣子，這是榮耀Magic8，自進化AI原生手機。
榮耀的這台ROBOT PHONE，就擁有全新形態和性能——
手機上面“長”了一個雲台，一個會自動根據使用者需求來變動的攝影機。
這個攝影機同時具備AI大腦、機器人行動能力和強大的影像能力，可以根據使用者的需求自動調整拍攝角度。
幾乎所有行業，都在試圖通過人工智慧完成產品迭代與創新。
深圳有一家機器人公司叫星塵智能，我去調研時看到機器人寫毛筆字，當時我就和創始人約定，希望在年底讓它和我同台比賽，寫王羲之的“馬到成功”。
明年是馬年，我也借此祝願現場的朋友、以及線上直播間的朋友們，馬到成功。
6.閃耀點6：智能工廠：工業5.0在中國發生。
工業4.0一詞是在2013年的德國漢諾威工業博覽會上，由德國管理學家孔翰寧等人提出的。
未來十年，中國智能工廠一定會發生的事實。
所以，像機器一樣工作的人，都將被機器人替代。
- 空調
海信在黃島的空調“燈塔工廠”。
這是我見到的所有中國工廠中第一個大規模應用人工智慧的——
70多項人工智慧應用，在銲接、裝配、研發、測試、倉儲、培訓等所有的環節中 ，我都看到了機器視覺、深度學習、數字孿生和技能大模型。
- 電池
雙鹿是寧波的一家電池企業，於1954年創辦，最早做碳性電池。
我還當了一回電焊工。
你戴一副眼鏡，在一個數字孿生的環境下自主訓練15天，而這個模型，是海信工廠裡最厲害的“焊王”，把他所有的知識灌進去訓練得到的，然後形成一個數字孿生的虛擬世界。你在這個世界學習半個月後，才有一個真正的老師傅來教你，15天後你就出師了。
時間成本、耗料成本、技能水平，都發生了極大的變化。
建成了全球第一條鹼性電池黑燈生產線，擁有第一套5G+智能倉儲系統，和華為雲合作，建立起第一套AI質檢系統。
原來質檢靠人一個個看，現在通過AI視覺來完成。
今天的雙鹿不僅能生產電池，而且實現生產裝置完全AI化。
雙鹿的研發人員還開發出第一個電池AI配方工藝大模型。
因為不同的電池有不同功能。比如
- 智能門鎖有專有的電池；
- 低壓電表有低壓電表的電池；
- 戶外有戶外的電池；
- 冬天北方的電池和南方的電池也是不一樣的。
所以雙鹿的電池有超大功率型、長效備災型、高頻脈衝型、寬溫應用型等等，每年都需要研發很多像這樣的SKU。
以前，研發人員拿到研發任務，需要耗時一個月。
有了大模型，只需30分鐘。企業研發能力得到極大的提升。
- 瓷磚
東鵬工廠，發現一塊瓷磚的整個生產流程沒有任何變化，
但每一個生產環節，都出現了巨大的技術創新。很多是人工智慧帶來的。
我在成型車間裡，用智能印表機打了一塊瓷磚——“AI閃耀中國”，
這在三年前完全不可能實現。
一年生產上千萬塊瓷磚的工廠，不可能為了一個客戶停掉生產線。
但今天智能列印這塊瓷磚，耗時15分鐘，幾乎不增加成本。
再接著是東鵬的“窯燒車間”。
我在那裡看到東鵬的超長輥道窯，長度527米。
一個527米的窯爐中，如果沒有人工智慧，沒有深度學習，怎麼控制溫度——
通過“AI大腦”，對79項質量指標進行全流程監測。
人工智慧並沒有再造很多行業的生產工藝和流程，只是在很多流程中再造了效率和質量評判能力。
所以瓷磚生產的流程，仍然是配料、成型、窯燒、檢測這些步驟，沒有變化，
但是整個過程中每一個環節都在用人工智慧進行再造。
- 醬油
做醬油也一樣，從選豆開始。海天的黃豆來自東北，一年要篩選2.5兆顆黃豆。
原來怎麼選豆呢？最早是兩個人拿著簸箕顛簸，不合格的豆子就從縫隙漏下去。現在，海天設定了“AI豆臉識別系統”——
黃豆從機器上方落下，能迅速被系統全方位掃描，快速篩選出符合標準的豆子。
選完豆做什麼？醬油釀造需要制曲。
海天如何制曲呢？
他們自主研發了“海天菌”，研發出直徑20米的塔式制曲圓盤，
單次制曲量超過50噸，並且通過AI系統精準控制溫度濕度。
制曲完成後，醬油需要發酵，發酵需要放在陽光下曬。
海天擁有全球最大的曬場——60萬平方米，相當於1400個標準籃球場。
但最近兩年，這裡出現了一個大變化——
曬場中出現了許多大型不鏽鋼罐，單個容量上百萬噸。
但當你把發酵中的醬油原料放進這樣的大罐裡，底層的發酵物怎麼接觸陽光呢？所以要通過建立小模型進行智能發酵。
發酵完成後，醬油還要經過質檢。
原來的質檢方式是這樣的：
生產線上的一瓶醬油被取樣，送到實驗室檢驗，出結果大概需要30到50分鐘。
而現在，海天在生產線上安裝了光譜檢測儀，實現全檢——
每一滴醬油都經過光譜儀進行檢測，即時出結果。
最神奇的是“電子鼻”。
醬油有一個非常神秘的環節，叫做風味。
風味可以量化嗎？以前我們認為不能。
風味全憑老師傅的鼻子嗅鑑。
但在海天，我們居然看到了可被量化的風味模型——
海天的“電子鼻”能快速識別170多種香型。
我們廚房裡的每一滴醬油，從東北的一顆黃豆開始，進入海天的生產線，
最終抵達你的廚房，需要經歷119道工序、494項檢測、2519個檢測指標。
原來的醬油要依賴工匠精神，現在靠什麼？
靠“智匠”精神——人工智慧使得生產效率得到了極大提升。
製造業一直有個“不可能三角”——規模化、定製化、低成本三者無法同時實現。你要規模化，就很難定製；要定製，成本就高，難以規模化。
打破了工業革命兩百多年來製造業的“不可能三角”，今天我們在中國的工廠已經看到可以規模化，可以定製化
我也不認為這600萬家中國工廠都能看到明天的太陽，
但是人工智慧給了我們一次機會，
給了我們一次提高效率、降低成本、擴大行銷、鍛鍊員工的機會。
7.閃耀點7：電商業：流量時代即將終結。
Google開發者大會，發現Google在美國的應用已經實現了這個功能。
你在上面搜一件衣服，或者拍一張衣服的照片，覺得好看想入手，就能直接跳轉電商下單；搜任何一個需求，都能對接電商交易。
我在演示屏前站了很久很久，還拍了段短影片，我很生氣，因為我清楚地聽到了技術敲門的聲音，可在國內，這扇門卻被人死死堵住了。
為什麼？背後有個非常大的原因，那就是利益。
他們不肯讓這扇技術的大門徹底敞開。
2026年如果你是個創業小白，想靠AI工具創業，該怎麼辦？
就拿跨境生意舉例。中國是全球瑜伽褲最大的生產國，
義烏、寧波、泉州、汕頭等地，遍佈著大大小小的瑜伽褲工廠。
假設你人在鄭州，想把這些地方的瑜伽褲賣到亞馬遜，
可你手裡沒有工廠，能行嗎？
答案是：當然能。
你只需搜尋 “1688遨蝦Agent”，進入介面後，
你直接跟智能體說：“我想在亞馬遜賣瑜伽褲。”
它會立刻幫你做市場分析，告訴你當下那些瑜伽褲賣得火，
比如今年入秋之後，藍色喇叭款瑜伽褲在北美市場就特別受歡迎。
1688上有60萬家超級工廠，AI能幫你精準篩選出能生產喇叭瑜伽褲的企業，
它還有AI素材生成工具，15秒就能幫你做出一條產品宣傳短影片。
有了市場分析結果，找到了靠譜的供應商，又搞定了宣傳素材，
你就可以去亞馬遜開店了。
想在2026年一邊上班一邊摸魚，靠一部手機每月賺3000塊嗎？
這事兒真的有可能嗎？有可能！
你只需要一個APP叫做“1688AI版”，還有一個PC客戶端“1688分銷工作台”。
打開1688AI版APP後選擇“開店”，系統會問你想做什麼品類。
假設你是個貓奴，特別喜歡小動物，就可以說“我想開一家寵物用品店”。
接下來，AI會告訴你當下國內寵物用品市場的爆款單品，
像創意貓抓板、可拆洗貓窩、可沖式貓砂、除臭貓砂盆等等。
你只需要選好供應商，就能一鍵開店，
把商品連結掛到抖音、小紅書、視訊號等社交平台。
據測算，這樣一邊上班一邊兼職營運，每月能賺3000塊錢。
是不是挺讓人動心的？
我們期待一個更公平的AI新電商時代到來。
消費者重新掌握流量主權，
生產商憑藉優質優價破除經營焦慮，
電商平台則通過AI賦能，大幅提升供需匹配效率，
讓更多消費者買到好產品，
讓更多消費者買到好產品，
讓更多生產商賺到應得的勞動報酬。
8.閃耀點8：服務業：AI創造全新體驗。
千問是阿里剛推出的產品，看到他們，我就想到了阿里的創始人馬老師 ，
阿里生態裡有電商、支付、物流，也有本地生活服務，“生”了一堆的服務。
大家不妨大膽設想一下，會不會有一天，
阿里系所有的產品，都對千問APP這個終端開放入口？
完全有可能，到那個時候，我們只需要一個千問APP，
就能完成阿里生態內從需求諮詢到交易交付的全流程閉環。
這大概會是2026年最值得期待的一場電商變局。
- 美容院
先說說美容院。
美容院最大的資產是什麼？
是靠譜的美容醫師，一個有口碑的美容師，能撐起一整家店的生意。
但在2025年，我們看到了一種攝像採集儀。
顧客只需要對著它完成臉部掃描，短短十幾分鐘，系統就能生成一份精準報告：
告訴你皮膚是乾性還是油性、膚質優於多少同齡人，還能給出量美容建議方案。
這款採集儀的專業度，遠超三四線城市大部分醫美醫生，
因為它是被海量巨量資料 “喂” 出來的智能系統。
你甚至可以上傳照片，通過AI模擬不同的整容方案，直觀看到效果。
一個極其傳統的美容行業，靠著AI工具，極大提升了專業諮詢服務能力。
- 餐廳
再看餐廳。
現在國內有不少公司，能為餐廳提供門店AI巡檢系統。
這套系統不僅能幫助門店提升營運效率、增強與使用者的互動，
還能加速員工的成長。
AI和餐飲行業有很大的關係。
- 兒童照相館
還有兒童照相館。
杭州有家創業公司叫 “第二人生”，特別有意思。
我之前參加活動時去過他們的攝影棚，拍照只用3秒鐘，
拍完就能直接做成一個兩公分高的彩色3D列印玩偶。
我當時問了價格，這樣一個玩偶能賣到一千多塊。
我就在想，現在兒童照相館的競爭有多激烈，早已捲得要死。
但如果家長帶孩子來拍照，你告訴他們，
能把照片做成和孩子一模一樣的3D彩色玩偶，那個家長能拒絕？
花一千多塊錢，他們絕對心甘情願。
50%以上的毛利。
借助人工智慧工具，照相館不僅能提高客單價，還能獲得遠超拍照本身的利潤，
讓流量實現更大的溢價。
- 小診所
再說說小診所。
現在國內有像 “全診通” 這樣的企業，
能為小診所提供從導診、預診到診間服務的全流程服務。
就是這樣一個看似不起眼的產品，已經服務了全國1.5萬家診所，
可能很多人都沒聽說過它。
- 醫院
今年，清華大學人工智慧研究院在北京建成了全球第一家紫荊AI醫院。
這家醫院搭建了覆蓋客戶端、醫生端、醫院端的底層架構，
我看了這個模型，覺得和上海銀行與螞蟻數科合作的架構非常相似 。
就是用AI重新定義和重構所有服務流程，形成原生的智能服務能力。
負責這個項目的劉教授告訴我一個驚人的資料：
在這個系統中，一個AI醫生只要接診過1萬個病例，其專業能力就相當於擁有十年以上經驗的醫生；而當接診病例達到10萬、100萬時，它的能力會實現指數級的躍升。
所以說，AI醫生不僅能提升基層醫療的服務水平，更能大大增強醫學院的教學能力。
你看，不管是美容院、艾灸館，還是照相館，
這些傳統企業都在借助AI提升服務能力和規模，
甚至連供應鏈的各個環節，都能通過AI實現再造升級。
這些都是我在調研中親眼看到的真實案例。
- HR篩選簡歷
2026年有公司要招3000人，要是靠HR一個個篩選簡歷，工作量大到難以想像。
但現在有一家叫 “海納” 的企業，你把3000份簡曆數據喂給它的AI系統，
它就能幫你初步篩選，精準挑出200個符合要求的候選人，
再交給HR面試，大大降低了人力成本。
- 麵館
2026年我想在廈門開一家麵館，
得先搞清楚廈門有多少家麵館、那些麵館最受歡迎、當地人偏愛什麼口味。
這時候，有家叫“特贊”的公司就能幫上忙，
它能通過AI為你做精準的消費者市場調查。
- 服裝
要是你做電商服裝生意，主打 “小單快返” 模式，需要快速設計新款服裝。
杭州有家叫 “凌迪”的公司能提供AI服裝設計服務，一秒鐘就能生成上萬款設計方案。
- 包裝設計
有做包裝設計的 “包小盒”、
- 人才招聘
做人才招聘的 “獵財貓”。
這些都是如今中國新興的創業企業。
它們深耕於供應鏈的某個細分環節，打磨出自己的專業AI能力，
通過不斷投喂資料，讓自身的服務能力持續提高。
所以，今天的中國沒有夕陽的產業，只有夕陽的人。
那些率先使用了AI工具的企業，將成為人工智慧時代的新主角。
人工智慧屬於每一個工人、農民、科員、大學生，每一個年輕人，每一個老年人。
9.閃耀點9：智能硬體：引爆消費新尖叫。
吃好點，洗洗睡吧。人生在世，
若能晚上吃頓好飯、洗個舒服澡、睡個安穩覺，便是美好的事情。
而這句話的背後，還藏著人工智慧的創新。
- AI廚房、AI健康烹飪大模型
吃好點，你需要一個方太的AI廚房。
方太正在幹一件事，是它要把整個廚房變成一個作業系統。
這是今天中國家電企業正在干的事。
這家企業在2010年就開發了智能型廚房系列吸油煙機，
今年推出了全世界第一個AI健康烹飪大模型。
- AI智能馬桶、AI尿檢、AI機器手自清潔技術
在觀音山的九牧創新中心看了一下，在那裡，我第一次見到了全球第一款AI智能馬桶，這款馬桶有很神奇的特點，能分辨出男女，蓋子會對此做出不同的反應。
我原本以為這是基於圖像抓取的技術，
但實際上是基於九牧自己的毫米波技術進行的檢測。
因此，他們建構了一個叫做使用者行為識別系統來識別男女，
還能自動控水溫、能做AI尿檢，還首創了AI機器手自清潔技術。
我在九牧還看到一款可能會在三年後面世的產品，
那將是全世界第一款不用水的馬桶。
你能想像嗎，不用水怎麼來沖？
用你的便液把它變成水來進行沖。
- 智能衛浴、AI花灑
智能淋浴上，AI花灑可以通過手機遠端控制，我們每次洗澡冷水放很長時間，又浪費水，遠端可以控制，能夠讓冷水快速地排掉；
淋浴房可以用自清潔機械臂自動清洗，
家裡如果有老人，如果他在淋浴房摔倒的時候，你的手機會收到警報。
- AI床墊
2014年慕思他們檢測了我的睡眠，那是全國第一款智能床墊，這套系統我記得當時最貴要賣100萬元人民幣，全中國的第一個智能的床墊，今天這個床墊最便宜的一款大概賣不到4萬人民幣，在過去的十年裡面，他們建構了百萬級的人體工學資料，10多組柔性調節單元，他們獨創了一套潮汐演算法......最關鍵的是，通過它們，它形成了超5000多種睡感方案。
床可以做到分區管理；如果你晚上睡覺老是打鼾怎麼辦？
能通過干預，減少你打鼾的頻率；
早上八點鐘要起床，鬧鐘鬧醒很煩人，它可以進行智能柔性喚醒。
所以，針對你的睡眠系統，一張床可以進行全面的管理，
並最後生成一份睡眠報告給到我們。
從雙鹿(電池)、東鵬(瓷磚)、海天(醬油)，
到慕思(床墊)、方太(廚房)、九牧(馬桶)，
它們的產業智能化實踐，
不是2025年才開始的，
更不是DeepSeek出現後才啟動的。
早在10年前、15年前，甚至20年前，
它們就已經在進行類似的產業創新了。
所以我想對所有製造業從業者說，
不要迷信斷崖式創新，必須堅持可持續迭代。
“進入人工智慧時代，得有算力、演算法、大模型和作業系統。”
，2026年，中國家居家電企業必須全面進入工業5.0時代。
每個家居家電企業，都必須具備“新三件”：
第一，要有自己的行業大模型；
第二，要有自己的作業系統；
第三，要有自己的開放生態。
當你擁有了這三件東西，再加上對行業Know-how的深刻理解，
“詛咒”就不會發生，你依然是自己行業的主人。
當你在中國戰場完成了工業5.0的迭代，放眼全球，誰還能戰勝你？
對中國企業來說，這是一個全新的開始。
越來越多的AI應用產品：
AI人體工學椅、AI耳機、智能錄音晶片、運動按摩儀、AI學習機、
AI健身鏡、AI音箱。
前兩天我去華強北市場，看到了很多這樣的產品。
2026年，無論線上下實體店還是線上電商平台，
你會發現越來越多產品的名字前，都加了“AI”，加了“人工智慧”。
2026年現象級的一個AI產品賽道，叫做“AI智能眼鏡”。
“夸克AI眼鏡”，具備這些能力，
導航、翻譯、錄音、識物、音樂、圖文備忘、交付、AI問答、智能提詞。
根據IDC的一個調查報告，
2026年全球AI眼鏡預計出貨2360萬台，（作為對比），全世界每年的智慧型手機的出貨量大概12億台，
全世界每年眼鏡的出貨量是10億副。
AI智能眼鏡的單價當然沒有辦法和手機相比，
但是如果它每年有1億-2億架眼鏡可以出貨的話，
也是一個上千億元人民幣規模的市場。
眼鏡來自於那裡？
我找到了今天在中國地區做AI眼鏡的這些企業，
涵蓋鏡片、顯示、SOC、儲存、電池、結構件、材料，ODM/OEM......
智能眼鏡供應鏈已經實現了100%的國產化。
所以，當這個賽道崛起的時候，意味著中國一個新的上千億市場級誕生。
10.閃耀點10：超級個體：第六個創業窗口期。
2025年，美國的風投機構投了12422個項目，同比增加8.7%，
投資金額達2500億美元，同比增長86%。
其中，AI相關投資佔項目總數的37.5%，佔投資金額的64.3%。
再看中國，2025年募集資金1.07兆人民幣，同比增長20%；
投資項目8295個，同比增長20%；
投資金額5407億，同比增長9%。
中國的AI投資佔比遠低於美國，為什麼？
因為我們的投資賽道更寬、更平，
涵蓋了IT、半導體、生物技術、醫藥健康和智能製造，
其中智能製造佔了很大比重。
所以說，
美國是把籌碼全壓在人工智慧上，
中國則更側重應用和智能硬體。
1978年之後，中國經歷過5次創業窗口期。
2026年，很可能會成為這部改革史中的第六次創業窗口期。
這個窗口期和前五次最大的區別是什麼？
就是人工智慧正在催生一個全新的概念，叫做“超級個體”。
有個95後年輕人叫艾逗筆，他是中國MCP市場平台的開發者。
你看，他一個人就撐起了一個網站，
還出書、做業務、負責平台的維護、諮詢和培訓。
他的團隊有多少人？只有1個人。
“非凡產研”兩年前就搭建了一個“全球AIGC行業資料庫平台”，
每年發佈全球AIGC行業年報，每年舉辦4場千人級的AI論壇，
每周還會開展AI培訓專場。
這家公司的創始人叫吳畏。
這家公司有多少人？全公司就4個人。
2026年會湧現出很多像王悅這樣的人，憑藉工具實現跨界創業；
會有很多人借助1688、遨蝦、1688AI、千問這些工具，
成為新的電商從業者和服務應用者。
因為這些工具，給他們帶來了前所未有的新可能。
一個屬於“超級個體”的創業時代，正在呼嘯而來。
工具革命造就了這些可能性。
AI智能助手、智能體生成平台、內容創作工具、視覺設計工具、
自動化工作平台，還有零程式碼程式設計工具等等。
百度的一個產品“秒噠”，做出了遊戲、打卡工具、問卷、調研表單，
還做了行銷裂變和企業管理工具，都能幫你完成。
現在做事情的邏輯變了，
- 不是先想“我要做這件事，該怎麼做”，
- 而是先問“我要做這件事，有沒有什麼工具能幫我做到”。
這個項目叫做“引航陪跑創業營”，
我們設立了一個6000萬元的基金，
沈勁、王翔和周航是“陪跑教練”，
出錢的基金管理人是曹國熊，
而我是“打醬油”的，是“導師召集人”。
6000萬元的“引航領跑基金”是第一期，
如果你還有熱血，如果你想擁抱人工智慧的行業，如果你有一個夢想，
如果你有一個項目，你就可以來報名，
我們這6000萬元未來將分配給10家創業企業，
我們的投資領域是AI應用、智能製造和科技出海，企業規模有多大呢？
——1個人，你起碼得有1個人，你要先把這個公司註冊就可以。
把“AI閃耀中國”作為了“領航陪跑創業營”的全國報名開通日，
2025年12月28日，現在此時此刻開啟全國報名。
報名截止到明年的4月15日。
點選領取引航陪跑的卡片，
或者關注“吳曉波頻道”公眾號，
回覆關鍵詞“創業報名”。
在這個正呼嘯而來的AI時代，
我想請每一個人，都提出一個好問題，
對世界保持想像力，並且率先使用AI工具。
這也是我們今晚聚在一起的最大意義。
選擇大於努力，但趨勢(人工智慧)大於選擇。
2026年，讓我們一起，開啟新的想像、新的工作和新的創造。
簡報分析
--------------
資料來源：
1.【AI閃耀中國】2025吳曉波科技人文秀 | 吳曉波 |
優酷紀實人文 YOUKU DOCUMENTARY
https://www.youtube.com/watch?v=c1wABfqamaE
2.吳曉波：「AI閃耀中國」 2025（年度演講全文）
3.新浪科技(2025)AI點亮生態紀元：IDC 2026年中國智能眼鏡市場十大洞察
https://finance.sina.com.cn/tech/roll/2025-11-20/doc-infxzzsw2118653.shtml
1.洞察一：2026年智能眼鏡市場迎來規模化拐點，戰略卡位、嘗鮮經濟與AI能力共塑增長。
2.洞察二：智能眼鏡將在佩戴舒適度和續航上迎來體驗升級。
3.洞察三：智能眼鏡廠商以功能聚焦應對硬體平衡限制，推動行業進入差異化競爭新階段。
4.洞察四：AI助推智能眼鏡成為跨設備協同新入口，新型對話模式優化用戶體驗。
5.洞察五：AI原生應用發展推動角色型智慧體落地，賦予智能眼鏡更多自主服務能力。
6洞察六：打破有硬體、缺內容僵局，智能眼鏡行業有望開放平臺能力加速生態共建。
7.洞察七：協同效應驅動品牌聯合，重塑智能眼鏡價值邊界。
8.洞察八：智能眼鏡構建"體驗-決策"閉環，全方位管道建設與場景化體驗共同提升用戶購買轉化。
9.洞察九：智能眼鏡核心零部件產能與良率面臨挑戰，市場需求旺盛將催化供應鏈升級。
10.洞察十：中國智能眼鏡廠商依託國內供應鏈優勢加速出海，多元策略開拓全球市場。
2.洞察二：智能眼鏡將在佩戴舒適度和續航上迎來體驗升級。
3.洞察三：智能眼鏡廠商以功能聚焦應對硬體平衡限制，推動行業進入差異化競爭新階段。
4.洞察四：AI助推智能眼鏡成為跨設備協同新入口，新型對話模式優化用戶體驗。
5.洞察五：AI原生應用發展推動角色型智慧體落地，賦予智能眼鏡更多自主服務能力。
6洞察六：打破有硬體、缺內容僵局，智能眼鏡行業有望開放平臺能力加速生態共建。
7.洞察七：協同效應驅動品牌聯合，重塑智能眼鏡價值邊界。
8.洞察八：智能眼鏡構建"體驗-決策"閉環，全方位管道建設與場景化體驗共同提升用戶購買轉化。
9.洞察九：智能眼鏡核心零部件產能與良率面臨挑戰，市場需求旺盛將催化供應鏈升級。
10.洞察十：中國智能眼鏡廠商依託國內供應鏈優勢加速出海，多元策略開拓全球市場。
4.李飛飛(2025)《2025年人工智慧指數報告》，以人為本人工智慧研究所
https://hai.stanford.edu/ai-index/2025-ai-index-report ;
https://hai.stanford.edu/assets/files/hai_ai_index_report_2025_chinese_version_061325.pdf (中文版)
1.
AI 在高要求基準測試中的表現持續提升。
2023年，研究人員推出了新的基準測試——MMMU、GPQA和SWE-bench——
以測試高階人工智慧系統的極限。
僅僅一年後，性能就顯著提升：
MMMU、GPQA和SWE-bench的得分分別提高了18.8、48.9和67.3個百分點。
除了基準測試之外，人工智慧系統在產生高品質視訊方面也取得了重大進展，
在某些情況下，語言模型代理甚至在時間有限的程式設計任務中超越了人類。
2. 人工智慧正日益融入日常生活。
從醫療保健到交通運輸，人工智慧正迅速從實驗室走向日常生活。
2023年，美國食品藥物管理局（FDA）批准了223款人工智慧醫療設備，而2015年僅有6款。
在道路上，自動駕駛汽車已不再是實驗性的：
美國最大的自動駕駛汽車運營商之一Waymo每週提供超過15萬次自動駕駛出行服務，
而百度旗下價格親民的Apollo Go無人駕駛出租車車隊也已在中國多個城市投入運營。
3.企業界全力投入人工智慧，推動了創紀錄的投資和使用，研究也持續顯示人工智慧對生產力產生了強大的影響。
2024年，美國私人人工智慧投資金額成長至1,091億美元，
幾乎是中國（93億美元）的12倍，是英國（45億美元）的24倍。
生成式人工智慧發展勢頭尤為強勁，在全球吸引了339億美元的私人投資，
較2023年增長18.7%。
人工智慧在商業領域的應用也在加速成長：
78%的企業表示將在2024年使用人工智慧，高於前一年的55%。
同時，越來越多的研究證實，人工智慧能夠提高生產力，
並且在大多數情況下，有助於縮小勞動力技能差距。
4. 美國在生產頂級人工智慧模型方面仍然領先——但中國正在縮小性能差距。
2024年，美國機構共發展出40個知名的AI模型，顯著超越中國的15個和歐洲的3個。
儘管美國在數量上保持領先，但中國模型的品質差距已迅速縮小：
在MMLU和HumanEval等主要基準測試中，
性能差異從2023年的兩位數縮小到2024年的接近持平。
同時，中國在AI論文發表量和專利數量方面持續保持領先地位。
此外，模型開發日益全球化，中東、拉丁美洲和東南亞等地區，也湧現許多引人注目的成果。
5. 負責任的人工智慧生態系統發展不平衡。
人工智慧相關事件正急劇增加，但主流工業模式開發人員中，
標準化的負責任人工智慧（RAI）評估仍然十分罕見。
然而，諸如HELM Safety、AIR-Bench和FACTS等新的基準測試，
為評估事實性和安全性提供了有前景的工具。
在企業層面，識別RAI風險與採取有效行動之間仍存在差距。
相較之下，各國政府則展現日益增強的迫切感：
2024年，全球在人工智慧治理方面的合作力度加大，
包括:經合組織、歐盟、聯合國和非洲聯盟在內的多個組織，
發布了專注於透明度、可信度和其他核心負責任人工智慧原則的框架。
6. 全球對人工智慧的樂觀情緒正在上升——但區域間仍存在深刻分歧。
在中國（83%）、印尼（80%）和泰國（77%）等國家，
絕大多數人認為人工智慧產品和服務利大於弊。
相較之下，在加拿大（40%）、美國（39%）和荷蘭（36%）等地，
樂觀情緒仍然低得多。
不過，這種情緒正在轉變：
自2022年以來，一些先前持懷疑態度的國家，
包括:德國（+10%）、法國（+10%）、加拿大（+8%）、
英國（+8%）和美國（+4%），樂觀情緒顯著增強。
7. 人工智慧變得更有效率、經濟實惠且易於使用。
由於表現日益強大的小型模型，在2022年11月至2024年10月期間，
GPT-3.5等級系統的推理成本下降了280倍以上。
硬體層面，成本每年下降30%，而能源效率每年提升40%。
開放權重模型與封閉權重模型之間的差距也在不斷縮小，
在某些基準測試中，表現差異在一年內從8%降至僅1.7%。
這些趨勢共同作用，正迅速降低高階人工智慧的進入門檻。
8. 各國政府正在加大對人工智慧的投入－透過監管和投資。
2024年，美國聯邦機構推出了59項與人工智慧相關的法規，
是2023年的兩倍多，而且推出法規的機構數量也翻了一番。
在全球範圍內，自2023年以來，75個國家/地區提及人工智慧的立法數量增加了21.3%，
比2016年增加了九倍。
隨著關注度的不斷提高，各國政府也在大規模投資：
加拿大承諾投資24億美元，中國啟動了475億美元的半導體基金，
法國承諾投資1090億歐元，印度承諾投資12.5億美元，
沙烏地阿拉伯的「超越計畫」（Project Transcendence）則是一項價值1000億美元的計畫。
9. 人工智慧和電腦科學教育正在擴展——但入學機會和準備程度的差距仍然存在。
目前，三分之二的國家已開設或計劃開設K-12計算機科學教育，這一數字是2019年的兩倍，其中非洲和拉丁美洲的進展最為顯著。
在美國，過去十年間，電腦科學學士學位畢業生人數增加了22%。
然而，由於電力等基礎設施的匱乏，許多非洲國家的電腦科學教育仍受到限制。
在美國，81%的K-12電腦科學教師認為人工智慧應該成為電腦科學基礎教育的一部分，
但只有不到一半的教師認為自己具備教授人工智慧的能力。
10. 各產業正在人工智慧領域快速發展——但前線陣地正在收緊。
2024年，近90%的知名人工智慧模式來自工業界，高於2023年的60%，
而學術界仍是高被引研究的主要來源。
模型規模持續快速成長－
- 訓練運算能力每五個月翻一番，
- 資料集每八個月翻一番，
- 電力消耗每年都在成長。
然而，性能差距正在縮小：
排名第一和第十的模型之間的得分差距在一年內從11.9%下降到5.4%，
而排名前兩位的模型之間的差距現在僅為0.7%。
人工智慧領域的競爭日益激烈，也越來越擁擠。
11. 人工智慧因其對科學的影響而獲得最高榮譽。
人工智慧日益增長的重要性體現在重大科學獎項中：
兩項諾貝爾獎表彰了深度學習（物理學）及其在蛋白質折疊（化學）中的應用，
而圖靈獎則表彰了強化學習領域的突破性貢獻。
12. 複雜推理仍然是一個挑戰。
人工智慧模型在國際數學奧林匹克競賽等任務中表現出色，
但在 PlanBench 等複雜推理基準測試中仍然表現不佳。
即使存在可證明的正確答案，也常常無法可靠地解決邏輯問題，
這限制了在高風險、高精度場景下的效能。
