文章转载自"北大纵横"
“人工智能”（AI）无疑是当前科技圈乃至大众生活中最火热的关键词之一。从聊天机器人ChatGPT掀起全球热议，到各行各业争相尝试AI赋能，人工智能正以前所未有的速度渗透进我们的工作和生活。2025年中国人工智能核心产业规模已超过4000亿元，带动相关产业规模超5万亿元 ，预计到2029年将突破万亿元。在这场智能革命中，谁将引领未来？AI技术将如何进一步融入我们的日常生活？政策环境又将如何塑造人工智能的发展方向？值得强调的是，AI虽然强大，却并非魔法。它更像是一个能力超群但需要正确使用的“万能助手”——用得好，它可以极大提高效率、创造价值；用不好，也可能带来误导甚至风险。接下来，我们就从技术趋势开始，一步步揭开人工智能产业的神秘面纱。人工智能领域的技术进步日新月异，尤其是在最近一两年出现了一系列令普通人也能直观感受到的突破。总体来看，技术的发展带来的感觉就是AI越来越聪明，也越来越全能。从只能听懂看到单一的信息，到能读能看还能说；从被动回答，到主动帮忙办事；从云端大脑，到本地小脑。然而，这些进步也对计算资源、能源消耗提出了更高要求。大模型继续变强，但更“接地气”：过去一年，聊天型AI不止会聊天，写作、翻译、总结资料、写代码都更靠谱了；评测榜单上也能看到更强的新模型出现，特别是在真实软件问题上的修复能力明显进步，这意味着“AI当助手写代码”越来越实用。“小模型”在手机和本地设备上开花：除了动辄上万台服务器的大模型，“小而精”的小模型正在手机、电脑等本地设备上落地：响应快、成本低、隐私更好。微软的 Phi 系列就是代表之一。苹果也把“端侧+云侧配合”的做法变成系统能力，让很多AI功能直接在设备上跑，必要时再上云。AI 不止能“看文字”，还会“看图”“听声音”“做视频”：多模态AI能同时理解文字、图片、声音甚至视频，并且把它们灵活组合起来用。最直观的例子是文本生成视频：输入一句话，AI能合成一段有镜头感的短视频，创作门槛大幅降低。“AI小助理”开始学会“自己办事”：新一代“智能体（Agent）”不只回答问题，还能按目标自己查资料、分步骤执行任务、再给你结果。谷歌把这种“多步执行”的能力引入到开发者工具里（如 Agent Mode），正在把“能聊”升级为“能办”。机器人更“聪明手巧”了一点点：AI 让机器人不再只会“照做一步”，开始能组合多步动作：比如上网查天气再决定该往包里装什么；同一种技能还能在不同的机器人之间“迁移”，训练更省事。虽然离家务机器人走进寻常百姓家仍有距离，但路线更清晰了。算力和芯片仍是“发动机”，大家在拼效率：更强的模型需要更猛的芯片。英伟达发布的 Blackwell 架构被视作新一代“AI发动机”，目标是更快、更省电。背后还有海量电力、散热和内存（HBM）等硬件链条配合。行业一边追求“更强”，一边也在想办法“更省”。规则在补齐：更安全、更可控：欧洲的《AI 法案》已经生效并分阶段落地：哪些高风险应用要更严格，哪些直接禁止，时间表都定了；对通用大模型也明确了合规要求。对企业来说，“合规上线”会成为标配流程。“更强的通用模型 + 更专业的小模型”并行：我们会同时看到更强的通用模型上线，以及一批为行业场景量身定做的“小模型”在本地设备或私有环境里稳定工作：前者解决“能做什么”，后者解决“怎么便宜、快、合规地做”。“从能聊到能办”：AI 真正变成“办事助手”：不只是回答，而是接单、拆解、执行、回报的整套流程更成熟——比如写代码、做运营、做客服、做表格报表，都会有可量化的效率提升。相关评测（如 SWE-bench/Live）也会继续推动“能办事”的质量门槛。端侧AI更普及，手机、PC、家电自带“私密小脑”：越来越多的常用功能直接在设备本地完成，速度更快、隐私更好；遇到复杂任务再“云助攻”。这会带动一批“端云协同”的新应用形态。视频与多模态成为内容新常态：生成视频、智能剪辑、数字人讲解，让个人和小团队也能做出过去要大团队才能做的内容；企业营销、教育培训、客服说明书都会用上。机器人从“演示级”走向“试运营级”：会先在半结构化环境落地（仓储、分拣、摆放、巡检等），与网络检索、规则库结合，实现“先能用后好用”。家庭级机器人仍需时间，但方向明确。算力与合规成为“基础设施门槛”：谁能以更低成本、更稳定供给拿到算力（芯片、电力、散热、内存）并满足合规，谁就能把AI规模化地、长期地跑下去。Blackwell 等新平台落地与欧洲法规时间表，会共同影响行业节奏。AI 再聪明，也离不开强大的算力支持。如果把大模型比作一辆高速飞驰的跑车，那么提供算力的芯片和电力就是源源不断的“燃油”。近年来，支撑人工智能的核心硬件（尤其是GPU芯片）变得炙手可热，一度出现“一卡难求”的局面。GPU与算力需求暴涨：GPU（图形处理器）原本是用来加速图形渲染的芯片，但因为其擅长并行计算，如今已成为AI训练和推理的主力。训练一个大型AI模型需要成百上千块高性能GPU协同工作数周甚至数月，计算量以“亿亿次”计。随着AI热潮兴起，全球对于高端GPU的需求呈爆炸式增长。芯片巨头英伟达（NVIDIA）的最新AI芯片被各大AI公司争相采购，甚至出现供不应求、价格飞涨的情况。一时间，“谁手里有更多GPU，谁就在AI竞赛中更有优势”成为业内默契。一些大型科技公司不惜重金打造自己的AI超级计算中心，里头部署成千上万颗GPU来训练模型。有趣的是，因为算力需求太旺盛，坊间笑言“现在开数据中心都得先考虑电够不够用，会不会跳闸”——这虽是玩笑，却折射出AI算力消耗的惊人规模。电力与能耗挑战：要驱动海量GPU不停运转，电力供应必须跟上。有人估算，全球用于数据中心和AI运算的电力在近年飞速上涨。一块顶级AI GPU一年消耗的电能，比一个中等家庭全年的用电量还多，当一间机房里几千块这样的芯片马力全开，其耗电量堪比一个小型工厂。这也引发了对能源消耗和环保的担忧。如果AI模型越做越大、部署越广泛，那么如何提供足够的清洁电力，将成为必须面对的问题。甚至有科技业内人士调侃：“未来为了AI，我们可能需要给数据中心配备小型核反应堆来发电！”虽然听起来夸张，但确实有公司开始研究用微型核电站为大型计算中心供能的方案，可见算力时代的能源挑战不容小觑。供应链与芯片自主：除了电力，硬件供应链也是AI产业的命脉。当前最强的AI芯片制造主要依赖全球顶尖半导体公司，特别是台积电(TSMC)等代工厂以及英伟达等设计商。然而，地缘政治和贸易政策也给这一领域带来变数。例如，美国对中国的高端芯片出口限制，让中国公司难以获取最新一代的GPU。这促使中国本土企业加大对国产AI芯片的投入，包括华为的昇腾系列AI芯片、阿里平头哥和多家创业公司的芯片方案。虽然在性能上国产芯片与全球最顶尖的还有差距，但“自己动手，丰衣足食”的努力正在进行。同时，全球供应链紧张也让大家意识到，不仅芯片本身，相关的高带宽显存、光刻机等供应都很关键。一个大型AI模型的训练，不仅需要芯片算力，还需要海量的数据存储和高速网络来支撑——每一个环节都有可能成为瓶颈。总的来说，算力就像AI时代的石油和引擎。GPU等核心硬件的性能提升，为AI模型的进步提供了源动力；而供应链的任何风吹草动，也直接影响AI产业的发展节奏。当前，算力和能源已经成为各国在AI竞争中的重要考量。中国正建设更多的数据中心和超级计算设施，以支撑国内AI研发；同时也在探索更节能高效的算法和芯片，让每一瓦特电力发挥更大AI算力效益。可以预见，未来几年，关于“算力”的较量仍将持续，而任何技术突破（比如更高效的芯片架构、更低功耗的AI算法）都可能成为游戏改变者。当人工智能技术突飞猛进之时，各国政府和监管机构也在密切关注其带来的影响，试图通过政策法规来规范AI的应用，以确保安全可控。中国和欧盟是其中动作比较快的两个区域，我们分别看看它们的动向：欧盟：《人工智能法案》：欧盟率先推出了全球首部综合性的AI立法——《人工智能法案》（AI Act）。这部法规将AI系统按风险等级进行分类管理：如果某类AI应用被认为对人类权益有“不可接受的风险”，比如社会信用评分、实时人脸识别监控等，将被直接禁止；对于那些“高风险”的AI应用（如用于招聘、银行信贷评估、医疗诊断等），要求开发者必须遵守严格的合规标准，包括数据的质量、透明度、人工监督机制等等；而对于聊天机器人这类应用，则要求至少告知用户“你正在和AI交互”以保障知情。同样重要的是，AI法案还特别关注了像ChatGPT这类通用的大模型，要求这类“基础模型”的提供者对其训练的数据来源、偏见风险等进行评估，并在生成内容时采取防止违法或有害输出的措施。简而言之，欧盟的监管思路是既不妨碍低风险创新，又要对高风险用例加以管束，从源头降低AI可能带来的社会风险。据悉，该法案已在2024年正式生效，并会有一段过渡期让企业调整。如果违反规定，企业可能面临高额罚款——这和欧洲在数据隐私领域实施的GDPR类似，体现了欧盟对科技治理的强硬态度。中国：促进创新与安全并举：相较于欧盟详细的立法框架，中国的AI监管体现出“鼓励发展与底线管理”并重的特色。2023年8月，中国实施了《生成式人工智能服务管理暂行办法》，对向公众提供生成式AI服务的企业提出了要求。具体而言，这些规定包括：生成式AI所使用的训练数据应来源合法、确保不侵犯他人知识产权；AI生成的内容必须符合法律和公序良俗，不得生成违法、色情、暴力等有害信息；企业需对模型进行安全评测并向监管部门备案，用户也需要实名制使用此类服务；此外，要求提供显著标识或采取措施，避免公众将AI生成内容误认作真实信息。这些举措旨在在保护社会安全和伦理的前提下，给新技术留出发展空间。除了专门针对生成式AI的规定外，中国更早些时候还出台了《算法推荐管理规定》《深度合成管理规定》等法规，对推荐算法、深度伪造（deepfake）技术的使用设置了红线。可以看到，中国监管层希望通过完善法规体系，防范AI可能被用于诈骗、造谣、侵权等不良用途，同时引导企业走“安全创新”的发展路线。当然，这一领域的监管也在不断完善中，比如有消息称中国正在酝酿更全面的人工智能立法，将来可能出台“人工智能法”这样更高层级的法规。其他国家和国际合作：除了欧盟和中国，其他国家也在行动。美国目前还没有统一的联邦AI法案，但政府通过发布AI伦理指南、推动企业自律承诺等方式来影响行业走向，并对敏感领域的AI（如自动驾驶、医疗AI）制定了行业标准。一些国家（如英国、日本等）选择成立AI治理机构或出台原则性文件。值得一提的是，人工智能的影响是跨国界的，因此国际合作也很关键。今年多个国际论坛上，AI伦理和监管都是讨论热点，科技公司高管们也频频表态支持“负责任的AI”。可以预见，在未来几年，全球范围内关于AI的法律和规则会更加明确，这既是为了保护公众利益，也是在为AI产业的长期健康发展奠定基础。总的来说，AI监管的核心思想是在鼓励创新和保障安全之间取得平衡。一方面，不让科技的脚步因为过度管制而停滞；另一方面，也不能任由AI野蛮生长危及用户和社会。对于企业而言，了解并遵守各项法规将成为开展AI业务的必修课；对于我们普通人来说，法规的完善能让大家更安心地享受AI技术带来的便利。AI技术听上去高大上，但它的价值最终要通过一个个具体应用场景来体现。如今，随着AI能力的大幅提升，各行各业都在探索将其落地，以解决实际问题、创造新机会，当前生成式AI在行业应用的落地主要集中在以下几个方面：如今越来越多的企业开始使用AI客服系统，来为用户提供7×24小时不间断服务。在电商平台的网页聊天窗口，或者银行的手机App里，你可能已经和“智能小助手”聊过天了。它们可以迅速理解你的问题（比如咨询订单物流、修改密码等）并给出准确回复。如果遇到复杂问题，AI还会帮你转接人工专员。相比早年那种机械回复的客服机器人，现在的AI客服因为有大模型赋能，语言更自然，能处理的事务也更多。有客户半夜询问航班改签，AI客服照样能立即答复；电信运营商的热线用AI来解答套餐咨询，新手老人都觉得沟通顺畅。对于企业来说，AI客服减少了人力成本，还能同时处理海量咨询，再也不用担心“客服排队等待时长过久”影响用户体验了。这一应用场景是AI在服务业落地最典型的例子，未来几乎所有需要客服的地方，AI都可以成为企业的得力帮手。在办公室场景，AI正逐渐成为白领们的贴身小秘书。比如，许多人写不出工作报告时，会求助AI写作助手，让它先产出一版初稿，再由自己修改完善；开会时，以往要专人做会议记录，现在有了AI实时转写与摘要工具，会议一结束，你就能拿到整齐的纪要和行动清单；收发邮件方面，AI可以根据邮件内容自动生成回复建议，比如当老板问项目进度，它能草拟一段得体的回复供你参考，让你省时省力。不仅如此，AI还能帮助分析数据和制作图表，过去要花几小时整理的数据报表，现在把数据交给AI，几分钟就能出初步分析结果和可视化图形。科技公司推出的办公软件，纷纷集成了这类AI“协同办公助手”功能（比如自动写PPT大纲、智能校对文档等）。对职场人士来说，掌握并善用这些AI工具，能有效提升工作效率，把更多时间花在需要创意和判断的任务上。可以说，智能办公领域让人切身感受到AI带来的“偷懒”福利：它就像一个不会喊累的助理，帮我们处理繁杂琐事，我们则可以把精力投入更有价值的创造。在娱乐和内容产业，AI打开了令人惊叹的新可能。以前，制作一个视频广告可能需要摄制团队、美工、配音等多人协作，耗时又烧钱。而现在，通过AI生成技术，只需要一段文字脚本，就能快速生成一段视频：画面里的主持人其实是AI合成的“数字人”，背景和配乐也是AI自动搭配的。一些初创公司已经推出让用户“一键生成短视频”的平台，用AI来帮助中小企业制作宣传片。再比如，在短视频应用上，AI可以根据你的几张照片生成个人卡通形象，或者让你扮演电影中的角色，效果栩栩如生。这在过去是不可想象的。有设计师感慨：“感觉多了一个无限创意的搭档”。通过AI，个人创作者可以更轻松地完成过去需要团队才能完成的作品，降低了创作门槛。当然，目前AI生成视频的精细度还比不上专业团队实拍，但技术在进步，如今已有AI可以生成简单的动画片段、音乐MV甚至以假乱真的换脸视频。在不远的未来，或许我们看新闻时，主播就是一个AI数字人；你想看小说里的场景，也能让AI给你“拍”成短片。可以预见，内容创作行业将因为AI而百花齐放，既有新的商业机会（比如定制化视频内容服务），也对传统制作模式带来冲击。除了上面提到的，AI在日常生活中还有不少看得见摸得着的应用。例如，智能家居领域，AI可以学习主人的生活习惯自动调节灯光空调，把家变得更舒适节能；医疗领域，AI辅助医生读片筛查疾病，帮患者在线咨询分诊，让看病更高效；教育领域，AI可以做学生的个性化辅导老师，因材施教解答问题；交通领域，AI算法优化红绿灯配时和路线规划，缓解城市拥堵……这些应用听起来不再是科幻，而是真切发生在我们身边。对于创业者和企业来说，每一个行业痛点都可能通过AI找到创新解决方案——这正是AI带来的巨大行业机会。有人把现在比喻为“AI的互联网时代”刚刚开启，就像当年智能手机催生了一批新应用一样，人工智能技术也在引发新一轮的创新创业热潮。只要抓住AI赋能的机会，传统行业也能焕发新生，个人创作者也可能变身“AI时代的新明星”。百花齐放的AI热潮背后，是各路科技巨头和创新企业在激烈竞逐。以下简要盘点几家在AI领域具有代表性的公司，以及他们在竞争格局中的位置：OpenAI 近来的动作格外引人注目。从 2025 年 8 月正式推出 GPT-5 开始，OpenAI 把其技术重心更明确地移向“多模态推理能力 + 工具调用 + 实时路由”的整合方向。GPT-5 不再只是写作文或答题，而是试图把“思考链条”与“工具接口调用”整合起来，让模型能够在对话过程中自动判断是“解答”还是“去查”“去执行”。与此同时，为了支撑未来更大规模的模型训练和服务部署，OpenAI 正在推进其“Stargate”基础设施计划，该计划预计建设多处大规模算力中心、配备数千乃至上万 GPU，用以支撑模型运行与训练。最近 OpenAI 与 NVIDIA 签署合作协议，共同部署至少 10GW（吉瓦）级别的系统，NVIDIA 承诺斥资 1000 亿美元分阶段投资支持这一基础设施扩展。 为了多渠道布局，OpenAI 还在积极扩大计算资源供应商，不再完全依赖某一家，通过合作、租赁、债务融资等方式确保芯片与机房资源的弹性与多样性。在产品方向上，OpenAI 最近也推出了名为 ChatGPT Pulse的新功能，它会在你睡觉的时候“悄悄整理”你过去的聊天、日程、应用数据，为你生成早晨简报，推动 ChatGPT 从被动交互工具迈向更主动的智能助理角色。此外，OpenAI 也在探索在不同国家合规部署的路径，比如与 SAP 合作推出 “OpenAI for Germany”，把 AI 能力安全地引入政府与公共部门，同时兼顾数据主权与法规要求。作为老牌科技巨头，微软这两年因押注AI而焕发新活力。微软一直深度绑定 OpenAI，在 Copilot、Azure AI 等产品中将 OpenAI 的模型作为核心引擎。但最近微软在战略上更加谨慎和多元。它不仅继续强化自身云平台的 AI 基础设施，也在整合多种模型、提供给用户模型选择的能力——比如在 Microsoft 365 Copilot 中，用户能选择不同后端模型（包括合作方模型）以适配不同业务场景。微软内部也在设定更长生命周期的模型路线图，以减少客户对模型切换的恐慌与风险。如果说有谁在基础AI研究上有深厚积累，那非谷歌莫属。深度学习的许多核心技术（例如著名的Transformer架构就是谷歌提出的）。不过在这一波生成式AI潮流中，谷歌的反应略显保守，因而在公众热度上一度被OpenAI抢了风头。近期谷歌 AI 布局方面，核心围绕 Gemini 系列及其与Agent化、机器人结合的路线不断推进。谷歌把 Gemini 定位为其通用 AI 中枢，接下来版本（如 Gemini 2.0）强调支持 Agent 工作流：根据用户意图自动调用工具、分步执行。谷歌还在将 Gemini 的能力向浏览器、搜索、云端应用等边缘场景下延伸，让 AI 能在用户最常用的界面里发挥效率。与此同时，谷歌母公司 DeepMind 在机器人方向上也频出成绩，推动 AI 与物理世界的结合，让机器人不仅“听指令”而且“思考后行动”。Meta 在 AI 的路线上走的是一种兼顾开源与商业的混合策略。它在 2025 年推出 Llama 4 系列（如 Scout、Maverick 等版本），继续扩大其在开源模型阵营的影响力。与此同时，Meta 也在强化其 AI 基金会实验室（MSL），吸纳曾在 OpenAI 和其他机构工作的研究人员，希望提升其研究水平和战略视野。Meta 的目标不是简单做一个模型公司，而是将 AI 能力融入其社交、元宇宙、广告、内容平台中——它希望其 AI 能在其庞大生态（Facebook、Instagram、Meta 平台）里自然发挥价值。Anthropic 是以安全和可控性见长的公司。近年来，它在 Claude 系列模型（如 Claude 3.7、即将到来的 Claude 4）中加入了“可控思考深度 / 可控思维时长”机制，让用户或系统可以对模型的深入程度、资源使用、决策力度进行更细粒度管理。它在 Agent 与任务执行方向也在发力，试图让 Claude 不只是一个聊天工具，而是一个能分拆并执行任务的智能体。作为中国最早布局人工智能的公司之一，百度在国内AI赛道占据重要一席。百度在2025 年继续推动 ERNIE / X1 系列模型升级（如 ERNIE 4.5、X1 Turbo / X1.1 等），在大规模推理、多模态理解、降低使用成本等方面加速优化。百度将这些模型能力广泛嵌入自家搜索、地图、文档、智能写作、问答助手等产品，还向外向行业开放 API，以增强 AI 的商业普及能力。国内另一科技巨头阿里巴巴同样全力投入AI。其通义千问（Qwen 系列）正在朝更大参数、更强推理能力方向推进，并将 AI 能力与阿里云、商业应用深度绑定。阿里正构建“云 + 模型 + 行业方案”的闭环，使得企业能够方便地接入 AI 服务，同时保有面向行业场景的定制优化能力。拥有微信、QQ等国民级应用的腾讯，近来也在AI大模型上发力。腾讯偏重将 AI 与社交、内容、游戏生态结合。其 Hunyuan（混元）家族模型不断扩展，腾讯还重点在 3D 资产生成、游戏 AI、数字内容创作 等方向发力，试图把 AI 能力变成人们在微信、QQ、游戏里能直接感知的功能入口。腾讯也将 AI 与云服务、企业级服务结合，为不同行业提供落地解决方案。华为作为中国在硬件与系统层面具有深厚实力的公司，其 AI 布局尤其值得关注。2025 年华为发布了 Atlas 950 SuperPoD / 960 SuperPoD 超节点，分别支持上千甚至万级别的昇腾 AI 卡组合，同时还推出了由多个超节点组成的 Atlas 950 SuperCluster / 960 SuperCluster，算力规模可达数十万乃至百万张昇腾卡的联动集群，成为目前宣称的全球最强算力集群之一。 在互联技术上，华为还推出了面向超节点的互联协议“灵衢 2.0”，并宣布开放这一技术规范，期望产业各方共同构建底层算力生态。华为希望在算力层面自建根基、掌握核心基础设施，从而在 AI 未来竞争中占据更牢固的底座位置。除了上述巨头，还有许多玩家在AI领域发挥作用。美国还有IBM、甲骨文等传统企业软件公司也开发AI服务帮助客户转型。中国则有科大讯飞专注AI语音多年的企业推出了星火大模型、商汤科技利用在计算机视觉的积累开发多模态模型等。可以说，当前AI赛道既有巨头林立，也有初创迸发，呈现出群雄逐鹿的景象。竞争格局一方面是中美两大阵营的竞赛——美国公司在全球范围内技术领先，而中国公司在本土市场快速追赶；另一方面也是封闭与开源路线的竞赛——有的公司凭借数据和算力优势打造闭源顶级模型，有的则选择开放合作快速迭代。对于用户和社会而言，这样的竞争未尝不是好事：百家争鸣才能促进行业不断进步，也避免少数公司垄断技术话语权。未来谁能笑到最后？可能没有单一的赢家，因为AI应用非常广泛，不同公司会在不同领域各展所长。但可以肯定的是，这场AI盛宴才刚刚开始，我们正在见证科技史上一次前所未有的群雄争霸。“AI这么火，怎么把它变成钱？” 这是许多企业在投入AI研发时考虑的核心问题之一。同时，对于AI服务提供商来说，巨额的投入如何回本、持续运营，也是必须解答的命题。当前AI领域的商业模式，大致可以分为几种。首先是直接to C（面向消费者）收费，比如采用收费订阅版模式，用户按月付费就能享受更高级的AI服务。这类似于软件订阅或者增值服务。其次是to B（面向企业）售卖，很多AI公司提供API接口或定制解决方案给企业，按调用次数或项目收取费用。再次，有些传统产品内嵌AI增值：例如办公软件内置AI助手后，软件价格可以提高，或者云服务商通过AI能力吸引更多客户用它的云平台。还有一种模式是广告或引流：如搜索引擎引入AI回答后，可能在答案中植入广告推荐，或通过提升用户体验来留住用户，从而间接赚钱。对于硬件厂商，则可能通过卖硬件变现，比如卖搭载AI功能的智能设备或AI芯片本身。总体来看，AI商业化仍在摸索中，但万变不离其宗：要么向用户收钱，要么有人用AI帮他挣到钱。要理解AI服务为什么收费，我们得看看它背后有哪些成本。首先，算力成本是大头。训练一个顶尖大模型，可能需要上百万美元的算力投入——购买大量GPU服务器、长时间电费，以及维护散热、场地等等。这还只是训练阶段，一旦模型上线提供服务，每回答用户一次问题，其实都在远方的服务器上跑了个复杂运算，消耗了一点电和计算资源。有人打比方，说每跟ChatGPT聊1000个单词，相当于烧掉几美分的电费和机器磨损。虽然听起来不多，但架不住用户量巨大，累计起来就是天文数字。因此，提供免费无限制的AI服务是不现实的。其次，数据成本和研发人力成本也非常高。为了训练AI，需要收集清洗海量数据，有时还要付费购买专业数据集；调优模型需要经验丰富的AI科学家和工程师，而这类人才薪资在全球都是顶尖水平的。再次，服务器折旧和带宽也是运营成本的一部分——AI服务需要随时待命的服务器群，机器会老化需要更换，而且网络流量大也需要投入。最后，别忘了持续改进的费用：模型上线后需要监控效果、应对安全问题（比如防止AI出错乱说话得有人干预）、不断更新版本，这些都需要投入。很多AI公司早期都在“烧钱”阶段，前期投入巨大但为了抢市场可能先提供低价甚至免费的体验获取用户。一旦用户规模上来，他们就会探索逐渐商业化。比如一些AI绘画工具早期让大家免费用得爽，等积累了用户就开始推出收费高清版本。巨头公司如谷歌、百度，因为有原本搜索、广告等业务在赚钱，短期内可以承受AI功能不赚钱甚至贴钱，但长期也需要找到收益模式。对于中小企业，投入AI必须精打细算，通常会利用云上已有模型来降低成本，而不是自己砸钱训一个模型。有意思的是，开源运动在AI领域的兴起也给商业模式带来变量。如果优秀的开源模型免费可得，企业可以拿来自己部署使用，这在一定程度上压低了商用模型的价格。在这种情况下，AI服务商可能更多通过提供便利（例如更好的用户界面、技术支持、定制优化）来赢利，而不是模型本身的独占优势。简言之，AI商业模式还在快速演化。目前看，无论哪种模式，都需要应对高成本这个共性挑战。所以普通用户也能理解，为什么用一些先进AI服务需要付费——就像我们付电费、水费一样，背后是资源的消耗。当然，随着技术进步，AI算力效率提升，成本可能逐步下降，AI服务或许会变得像互联网服务一样普及廉价。但在当下，这仍是高投入、高风险，同时潜在高回报的前沿生意。科技的发展最终是为了服务人。面对汹涌而来的AI浪潮，企业和我们每一个普通人该如何拥抱它、利用它，同时避免踩坑呢？下面分别给出一些建议：- 积极拥抱，试点先行：无论您经营的是大型企业还是中小公司，都有必要关注AI动态并尝试将其引入业务。可以从一个小项目、小场景开始试点，让团队熟悉AI工具的使用，验证效果后再逐步扩大。别觉得AI高不可攀，如今许多云厂商和第三方已经提供了现成的AI服务接口，企业无需自建庞大的模型，就能以较低门槛用上AI。- 聚焦痛点，明确价值：引入AI不是为了赶时髦，而是为了解决实际问题。因此，梳理一下公司的业务痛点，看看哪些环节最耗费人力、哪些地方效率低下，可能就是AI大显身手的好切入点。例如客服咨询量太大可用智能客服，数据分析耗时可用AI辅助，生产质检可用机器视觉等等。目标清晰才能评估AI是否带来降本增效。- 重视数据和人才：AI的效果很大程度取决于数据质量。企业在使用AI时，要积累和善用自身的数据资产，同时确保数据合规使用、注意用户隐私。另一方面，要培养或引进懂AI的人才，即便不需要人人都会写算法，但至少团队里要有对AI技术有理解、能把AI方案和业务结合的人。可以通过培训提升现有员工的AI技能，让他们学会与AI工具协同工作。- 关注风险和合规：AI并非万能，也可能出错，所以企业内部要有相应的审核机制。例如AI生成的对外内容最好有人复核，AI给出的决策建议需要人最后拍板，避免盲目相信AI而造成失误。此外，密切留意国家相关监管要求，确保自己的AI应用符合政策规范，不触碰法律红线。只有在安全合规的前提下，AI才能真正为业务保驾护航。- 长远布局：AI的发展可能带来行业规则的改变。企业管理层可以思考，在AI时代自己的产品或服务是否需要转型升级？有没有可能出现全新的商业模式？提早规划，才能在行业变革中保持竞争力。同时，也要有心理准备：AI是长期演进的技术，投入未必立竿见影，但坚持积累会在未来回报您。- 拥抱新工具，提升技能：对于个人来说，不妨把AI当作一个新的强大工具，积极学习如何使用它。比如尝试和ChatGPT对话获取信息、用AI辅助翻译或写作、用AI绘画工具激发创意等等。这些体验会让你掌握AI的基本用法，在学习和工作中更游刃有余。在招聘市场上，会用AI的人才将更受青睐，因为他们意味着效率和创新力。- 保持理性，不迷信AI：AI很聪明，但它也会犯错。切忌把AI当成绝对权威来崇拜。比如，用AI聊天获取健康建议，请务必再向专业医生核实；看AI生成的新闻或图片，也别立刻相信，要用常识和其他渠道去验证真伪。记住，当前的AI并没有常识和道德判断，它回答得像模像样，不代表结论一定正确。理性看待AI的能力边界，才能既用好它又不被误导。- 保护隐私，谨慎使用：在享受AI便利的同时，也要注意个人信息安全。不要在与AI的对话中泄露自己的敏感隐私（如身份证号码、银行卡、家庭住址等），因为你并不完全清楚这些数据会被如何存储和使用。如果需要使用AI处理涉及隐私的事务，选择信誉良好的平台，并且阅读其隐私政策。总之，和AI交互时多一份谨慎，避免自己的数据被不当利用。- 防范AI陷阱：科技进步常常伴随着新型骗局的出现。例如，有不法分子用AI变声技术假冒熟人来电诈骗，或者用AI生成假视频散布谣言。普通公众要提高警惕：接到异常的电话要求转账，要通过其他方式核实身份；在网上看到劲爆视频，留心辨别真伪，不要人云亦云地传播未经证实的信息。掌握一些辨别AI生成内容的方法（比如识别怪异的细节、利用反查工具），可以帮助你避开这些陷阱。- 持续学习，顺应变化：最后也是最重要的一点，不要害怕AI可能带来的变化，而是主动适应它。也许某些岗位会因为AI而减少需求，但新的岗位也会因AI而产生。关键在于保持学习的心态，及时更新自己的技能储备。AI可以胜任繁琐重复的任务，这反而解放我们去发挥创造力和人性化的优势。对于孩子的教育，也可以适当引入AI工具帮助学习，但同时培养他们批判思考和创造的能力，这些是AI难以取代的。只要我们拥抱变化、不断学习，就能在AI时代找到自己的位置，甚至利用AI让生活和事业更上一层楼。结语：人工智能正加速走入寻常百姓家，改变着世界的运行方式。面对这场时代浪潮，企业和个人都应当做掌舵者，而非旁观者。希望这份报告为您提供了有益的洞察和指导。让我们以开放和审慎的态度，迎接AI带来的机遇与挑战——让AI成为我们的工具，而不是枷锁。未来已来，你准备好了吗？震荡下行的中国经济未来看哪里？
关于中国经济的未来我想说……
回顾与展望，2020宏观经济蓝皮书
打造“双循环”，我们的机遇在哪里？
2021年宏观经济，你最关心的九个问题可能在这里
2022：经济寻底，信心重铸
稳预期，促发展，先立后破，行稳致远！——2024年政府工作报告简评
深度分析：“国九条”的历史演变与现实影响
”查看所有原创作者 ↓↓
↓ 
