卷一.宏观大环境

说明卷一 宏观大环境钱从哪来格局怎么分定位回答“谁在做、在哪做、用多少钱、被什么卡住”骨架三层结构 x 七个维度 x 一条铁律基准日期2026年9月框架速览骨架回答的问题核心内容三层结构​谁在做各多大规模学术体系 / 企业前沿实验室 / 产业与科学应用场一条铁律​为什么数字之间不能直接比论文≠预印本≠会议投稿≠录用论文≠模型≠专利≠引用量不可合并​七个维度​到底谁在领先产出 / 高影响力 / 资本 / 算力 / 人才 / 部署 / 治理没有任何国家全维度第一​决策转化​那该怎么投从押注哪个赢家→按维度分散 按落地距离分层推理链现象三层→ 冲突谁领先→ 工具口径铁律→ 拆解七维分布→ 结论分散配置1.1 全球研究规模与三层结构1.1.1 三层结构研究体系的分工全球 AI 研究已不是一条统一的前沿战线而是三层各自运转、相互喂养的结构。第三层 产业与科学应用场 ── 落地、扩张、可度量 ↑ 数据反哺 ↓ 能力输出 第二层 企业前沿实验室 ── 前沿、集中、封闭 ↑ 思想供给 ↓ 模型与工具 第一层 学术体系 ── 高产出、广覆盖、开放1.1.2 第一层学术体系——高产出、广覆盖、开放六大顶会在各自年份共披露87,578篇有效投稿这是主流会议社区规模与筛选强度的直接证据会议年份有效投稿录用录用率NeurIPS202521,5755,29024.52%ICLR202619,6315,34326.97% ※ICML202512,1073,26026.90%CVPR202513,0082,87822.10%AAAI202512,9573,03223.40%ACL20258,300主会 1,699 / Findings 1,39220.3% / 16.7%⚠️ 87,578不是全球 AI 研究总量也并非去重论文数——同一工作可重复出现在不同场所。它只证明规模与筛选强度。另一个更长的序列来自期刊口径全球 AI 期刊论文从 2015 年的308,900篇增至 2024 年的954,500篇年均增长 14%。投稿量正在压垮同行评议。瓶颈已不只是实验室算力而是程序委员会、审稿人与编辑流程的容量。ICML 2025 甚至有获奖论文专门讨论AI 会议同行评议危机——这本身就是体系承压的信号。1.1.3 第二层企业前沿实验室——前沿、集中、封闭2025 年产业界产出了超过 90% 的重要 AI 模型。​ 这一层最昂贵、也最不透明。透明度正在倒退指标数据基础模型透明度指数从上年58 分降至 40 分IBM 95 分领跑xAI Grok 与 Midjourney 仅 14 分去年发布的 95 个知名模型中80 个未公开训练代码​能力最强的模型披露的信息最少。​ 这构成一个评估难题独立研究者可以测试模型行为却无法验证厂商宣称的安全流程、成本结构或能力上限是否真实。1.1.4 第三层产业与科学应用场——落地、扩张、可度量这是价值正在兑现的一层领域进展编码智能体​SWE-bench Verified 一年内60% → 接近 100%​真实计算机任务OSWorld12% → 约 66%但仍失败约三分之一网络安全任务​2024 年15% → 93%​组织采用率​88%​人口采用率​生成式 AI 三年内达53%快于 PC 与互联网1.1.5 三层的分工与约束层级核心贡献主要约束大学与公共研究机构理论、基准、开放方法、可复现性算力、数据、职业激励、评审容量企业前沿实验室大规模训练、后训练、部署、安全运营资本、专有数据、披露有限国家实验室领域专用超算、科学数据、安全基础设施资助周期、采购流程、向用户转化初创与应用开发者行业适配、集成、评测、分发依赖模型供应商与基础设施定价学术思想仍在喂养商业系统企业发布的模型与工具也在支撑学术工作。分工本身不是问题——只有当资源不对称导致无法独立验证那些最影响经济与公共安全的系统时才构成问题。1.2 七个维度的领先分布1.2.1 先摆出冲突两个都真实的数字中国美国领先指标论文发表量、论文被引频次、专利产出总量、工业机器人安装量占全球装机54%顶级 AI 模型产出数量、高影响力专利私人投资124 亿美元2859亿美元23 倍以上矛盾若按论文与引用中国第一若按模型与资本美国第一。哪个算领先这两个数字都真实但衡量的根本不是同一件事。1.2.2 化解工具一条口径铁律论文 ≠ 预印本 ≠ 会议投稿 ≠ 录用论文 ≠ 模型 ≠ 专利 ≠ 引用量→ 不能相加成一个全球总数→ 因此产出总量推不出技术领先为什么成立一位研究者可以先在 arXiv 发布早期结果再投一次或多次会议之后发表修订版期刊论文并发布相关模型。分别计数会高估独立研究产出。论文数量还受语言、机构激励与国内科研评价影响。一国可能因研究者更多、发表激励更强、参与面更广而领先总量另一国则可能通过前沿模型训练、私人资本、平台控制拿到不成比例的价值。预印本的额外问题未经同行评议可被修订、撤稿、跨版本重复或跨类目重复列出。因此本报告不虚构全球预印本总量——cs.AI / cs.CL / cs.CV / cs.LG / stat.ML 的分类级当期序列未能从官方 arXiv 来源获得可审计验证宁可留空。1.2.3 拆解七个维度上各谁领先维度领先方关键依据研究产出​中国论文量、引用量、专利产出领先高影响力工作​美国顶级模型产出数量、高影响力专利仍居领先私人资本​美国2859 亿 vs 124 亿美元不含政府引导基金等公共支出算力​美国5,427 个数据中心为其他国家10 倍以上能源消耗全球第一人才​美国存量美国研究者最多但移美学者较 2017 年−89%、近一年−80%​部署​中国工业机器人占全球装机54%​治理影响力​欧洲欧盟《AI 大陆行动计划》《AI 法案》全球对 EU 监管信任度最高核心结论没有任何单一国家在所有维度上排名第一。AI 研究领先地位应被视为一组能力组合而非一个排名。中国强在广度与产业部署美国强在资本、算力与高影响力工作欧洲强在治理韩国以人均专利领跑创新密度。1.2.4 各区域的具体位置中国规模优势来自庞大的研究体系、广泛的机构参与以及 AI 方法向科学与工程各领域的扩散。机器人安装量领先具有实质意义——产业部署产生数据、工程反馈与应用场景反哺后续研究。这是中国的论文优势由运行经验、而非仅由科研产出所强化的领域。美国私人资本优势显示其将资本集中投向商业前沿的能力。生态由 OpenAI、Anthropic、Google/DeepMind、Meta、Microsoft 锚定。但要注意移美学者流量崩塌是迁徙流量统计不是美国 AI 研究者绝对存量的度量——它意味着人才自然流向美国这一历史假设不再稳固。欧洲与英国理论、安全、机器人与科学 AI 贡献重大但前沿模型生产落后。欧盟规划 13 个 AI 工厂、覆盖 17 个成员国、2021—2027 年超100 亿欧元英国规划公共算力提升20 倍。这些都是政策承诺不是已弥合差距的证明。印度人才池大、增长快但缺乏透明可比的前沿模型与算力数据本卷不给精确排名。其他韩国人均 AI 专利领跑全球44 个国家已拥有国家支持的超级计算集群南美与中东基础设施落后可能形成新的数字鸿沟。1.2.5 跨境走向并行生态但尚未完全脱钩现有证据支持走向并行生态的趋势并不支持全球研究已完全脱钩学术合著仍在继续跨国企业跨辖区运营许多开源组件仍全球可及。地缘政治限制、出口管制、数据与内容治理分歧、先进算力获取受限正在制造两套部分分离的技术栈——这不仅影响模型训练也影响标准、采购、人才流动、学术伙伴关系与科学数据共享。1.3 资本市场全景1.3.1 一句话结论2026 年 Q1 出现了一个关键分化中国是融资与上市同步回暖海外是融资边际回升但上市停滞。这不是周期性波动而是两种资本逻辑的分岔——中国一级市场在广撒网式扩张海外则在向头部收缩。1.3.2 中国融资回暖 上市打开指标2026 Q1表现信号融资事件数​同环比大幅增长​一级市场活跃度回升早期融资占比​64.6%​大量新公司刚起步尚处广撒网阶段资金流向​加速向AI 软件应用及物理 AI具身智能、智能驾驶集中从模型层下沉到应用层IPO 数量​同环比均上升​二级市场退出通道正在打开上市结构​芯片与应用层企业上市进程加速硬科技 落地能力两头受益64.6% 这个数字怎么读早期融资占比高说明市场还处在广撒网阶段尚未进入整合期。对投资的含义是双向的——机会是一级市场标的多、估值尚未泡沫化风险是退出路径不明朗早期项目死亡率同样高。1.3.3 海外融资集中 上市停滞指标2026 Q1表现信号融资事件数​同环比回升但非全面复苏​总量回暖 ≠ 普遍回暖资金分布​高度集中于头部基础模型与部分软件应用公司赢家通吃非头部企业​融资环境未实质改善​中间层被挤压上市端​2026 Q1 无 AI 企业上市​二级市场对高溢价 AI 项目趋于理性后续观察​2026 Q2 头部模型公司相继递交 IPO 文件或带动 2026 H2 回暖尚未验证中美对照的关键差异中国海外一级市场广撒网早期占比 64.6%头部集中非头部未改善二级市场IPO 数量上升通道打开Q1 零上市暂时关闭资金偏好应用层 物理 AI头部基础模型投资含义投应用层中国的融资环境更友好只能投基础模型海外资金集中度更高但门槛也更高。这两个市场不互通不能用同一套逻辑判断。1.3.4 私人投资的口径陷阱Stanford《2026 AI Index》原话U.S. private AI investment reached$285.9 billion​ in 2025, more than23 times​ the$12.4 billion​ invested in China.但斯坦福自己在同一句里加了限定though looking at just private investment figures likely understates Chinas total AI spending, given its government guidance funds翻译只看私人投资数据很可能低估了中国的 AI 总支出因为中国有政府引导基金。这是 A 级来源自己给出的口径提醒所以那个23 倍✅ 可读作美国私人资本市场规模是中国的 23 倍❌不能读作中美 AI 总投入差 23 倍原因两国走的是不同融资管道——美国偏私人资本 企业开支中国偏政府引导 国资 地方配套。用私人投资单一口径比总投入等于拿美国的强项比中国的弱项。1.3.5 其他关键资本信号指标数据来源等级美国新获投 AI 公司20251,953 家超过第二名 10 倍以上AStanford美国数据中心数量5,427 个超过其他国家的 10 倍AStanford移美 AI 学者较 2017下降 89%仅过去一年−80%​AStanford拥有国家支持超算集群的国家44 个​AStanford生成式 AI 对美国消费者的年价值1,720 亿美元2026 年初人均价值 2025→2026 翻三倍AStanford1,953 家 vs 10 倍值得单独注意它衡量的不是钱多钱少而是创业生态的密度。钱可以靠政府投出来但创业公司密度取决于生态——这是私人资本市场真正的价值也是中国目前的结构性差距。移美学者 −89% 的双面解读对美国是人才流入枯竭存量优势削弱对中国不等于自动回流可能流向第三国但竞争门槛在下降。1.4 地缘与供应链1.4.1 最硬的单点依赖TSMCStanford 报告原话A single company,TSMC, fabricatesalmost every leading AI chip, making the global AI hardware supply chaindependent on one foundry in Taiwan—though a TSMC-U.S. expansion began operations in 2025.这句话的分量全球 AI 硬件供应链的单点故障不是某个国家是一家公司 一个地理区域。缓释进展TSMC 美国扩建 2025 年投产。但这是产能地理分散不是技术替代——先进制程的根仍在台湾。对投资的含义任何依赖先进制程的商业模式都内嵌一个无法通过商业手段对冲的地缘敞口。这个敞口不能被多供应商解决因为没有第二家。1.4.2 美国 2025战略三连击时间动作核心内容1 月​星际之门计划​OpenAI 软银 甲骨文总投入5000 亿美元创美国 AI 基建投资纪录宣称创造 10 万个就业岗位7 月​《赢得竞赛美国 AI 行动计划》​三大支柱加速 AI 创新 / 建设 AI 基础设施 / 领导国际 AI 外交与安全30 项目标 103 条政策行动​12 月​AI 监管联邦化行政令​建立负担最小的全国性标准限制各州自行出台 AI 监管措施司法部长成立 AI 诉讼特别工作组专门对与该行政令相悖的州级 AI 法律提出异议12 月行政令最容易被低估美国在用联邦统一标准取代州级碎片化监管理由是为 AI 企业消除合规障碍。这是以放松监管换创新速度——与欧盟以统一立法降低合规成本路径相反但目的一致都在降低企业在本土创新的制度成本。第三支柱最值得盯领导国际 AI 外交与安全要求确保美国政府评估前沿 AI 模型国家安全风险的能力领先全球。这意味着技术管制会长期化不因政府更替而消失。1.4.3 欧盟与英国主权 AI 的两条路径欧盟13 个 AI 工厂覆盖 17 个成员国2021—2027 投资超100 亿欧元通过 PPP 部署 5 个超级工厂InvestAI 计划筹200 亿欧元通过 DARE 计划开发 RISC-V 架构 AI 芯片减少对外部供应链依赖。英国建多个AI 增长区、公共算力提高 20 倍、创建国家数据库、成立 AI 能源委员会三家科技公司承诺投资140 亿英镑、创造超 1.3 万个岗位。共同逻辑算力不足 → 建公共算力 数据不通 → 建国家数据库 / 数据联盟 企业不会用 → 建监管沙盒 / AI 体验中心 ↓ 目标主权能力 物理基础设施 应用需求关键提醒这些是政策承诺不是已弥合差距的证明。其经济价值取决于利用率、能源供应、网络基础设施、人才以及算力可及是否真的产出有竞争力的模型与应用。1.4.4 东南亚与中东第三股力量东南亚和中东依托地缘优势、能源禀赋和主权资本通过数据中心、制度创新和区域枢纽建设抢占差异化生态位。地区禀赋打法中东​能源 主权资本建数据中心用能源换算力东南亚​地缘位置 成本承接封装测试与中转做区域枢纽但 Stanford 同时警告南美和中东国家在 AI 基础设施上落后可能引发新的数字鸿沟。两条信息看似矛盾实则是分层的——主权资本在建的是点大型数据中心落后的是面整体基础设施与生态能力。投这类区域时要区分你投的是那个点还是那个面。1.4.5 第二个瓶颈能源比芯片更刚性指标数据AI 数据中心电力容量29.6 吉瓦接近纽约州峰值用电需求xAI 训练 Grok 4 碳排放72,816 吨 CO₂ 当量相当于 17,000 辆汽车一年GPT-4o 推理用水量可能超过1,200 万人的饮用水需求为什么这条比芯片更值得长期关注芯片受限是地缘问题理论上可通过政策变化缓解能源是物理约束只能通过建设解决而建设周期以年计。对投资的含义基础设施投资必须包含电力采购与输送、散热、可靠性、选址、硬件互操作性与软件利用率而不只是加速器数量。只看芯片数量的标的低估了真实瓶颈。1.4.6 开源地缘缓冲层Stanford 报告一个容易被忽略的发现Open-source development is starting toredistribute participation, with contributions fromthe rest of the world now outpacing Europe and approaching the United States​ on GitHub, fueling more linguistically diverse models and benchmarks.战略含义当硬件和前沿闭源模型在被隔断时开源层仍在流动且参与正在扩散。这印证了两条生命线生命线状态意义开源权重是否继续开放​✅ 仍在流动且参与在扩散底部连接存活学术合著是否继续​✅ 仍在继续ACL 2025 中国机构占中稿 51%知识流动存活只要这两条还在脱钩就是有底的。​ 它们比任何政策声明都更可靠。1.4.7 三层依赖结构可作为风险清单层级依赖什么集中度可否商业对冲算力硬件​TSMC 先进制程单点一家公司​❌ 无第二供应商能源​电力与散热区域分布⚠️ 可选址但周期长模型权重​开源 vs 闭源多源✅ 可通过开源降低判断标的时问一句它依赖的是哪一层​ 只依赖第三层 → 地缘风险低依赖第一层 → 风险无法通过商业手段对冲。1.5 全球落地现实与能力边界1.5.1 核心模式受控基准的进步快于开放环境的可靠运行现象数据含义会奥数不会看表​Gemini Deep Think 拿 IMO 金牌35/42但 ClockBench 读指针时钟正确率仅50.1%人类90.1%​能力高度不均数字世界进展快​OSWorld 真实计算机任务12% → 66%18 个月但仍约三分之一失败物理世界断崖​机器人仿真成功率89.4%真实家务任务叠衣服、洗碗骤降至12.4%​演示视频骗人编程是唯一已成熟的​SWE-bench Verified 一年内60% → 近 100%​最可靠的商业化场景Stanford 用锯齿状智能来形容这种能力分布的不均衡。知道 AI 不能干什么比知道它能干什么更值钱。1.5.2 劳动力市场已在变化信号数据美国 22—25 岁软件开发者就业率自 2024 年以来下降近 20%而年长从业者增加增强 vs 自动化57% 增强 / 43% 自动化Anthropic Economic Index专家 vs 公众预期73% 专家预期正面影响仅23% 公众差 50 个百分点57% vs 43% 这组数字很关键短期更可能是岗位演化而非消失。但 22—25 岁初级岗位入口收窄是真实的——这对判断 SaaS 与被 AI 替代类软件公司的长期人力成本假设有直接影响。1.5.3 治理没有跟上能力增长指标数据记录在案的 AI 事件2024 年233 起​ → 2025 年362 起​基础模型透明度指数58 → 40​负责任 AI 基准披露几乎全部前沿开发者披露能力基准但负责任 AI 基准披露零散​内在张力改善一个维度如安全可能降低另一个维度如准确性强劲的跑分并不自动产出可靠、可校准、安全可控的通用系统。​ 安全评估是持续运营要求不是发布时的一次性步骤。1.6 结论从押注赢家到按维度分散配置1.6.1 六条配置原则不押注单一国家赢家——没有任何国家在七维上全部第一押注单一赢家是赌博不是投资按维度分散而非按国别集中——美国资本、算力、高影响力 中国产出、部署 欧洲治理 印度人才与应用市场价值在应用层与落地端——模型能力会商品化落地系统不会独立评估是可投资的基础设施——前沿越不可观测第三方评测越值钱地域敞口要显式管理——出口管制、数据治理、资本限制须逐案评估对冲互联互通性下降的风险——不要把两套栈永远互通写进假设1.6.2 稳健押注跨情景都成立押注为什么在多个情景下都对能源 / 电力​所有情景下都是硬约束29.6 吉瓦已接近纽约州峰值用电推理成本效率​无论谁的模型成本下降都是刚需数据治理与合规基础设施​每个阵营都有自己的规则合规是普适需求垂直工作流与交付能力​价值从模型层流向应用层与地缘无关连接器能力​碎片化越深能跨栈工作的人/公司越稀缺1.6.3 最脆弱的赌注反面清单押注单一国家赢家——二十年尺度上是赌博押注跨境套利模式——把一边验证过的模式搬到另一边合规、数据、算力、生态全不同押注模型层本身——成本会崩、会被蒸馏、会开源押注单一硬件供应链——TSMC 集中度本身就是风险附一全球AI研究逻辑框架附二数据来源分级等级本卷来源A官方一手 / 权威机构​Stanford HAI《2026 AI Index Report》原文私人投资 2859 亿 vs 124 亿含自我口径限定、TSMC 单点依赖、5,427 数据中心、1,953 家新获投公司、人才 −89%/−80%、44 国超算集群、29.6 吉瓦、Grok 4 碳排放、透明度 58→40、事件 233→362、SWE-bench / OSWorld / 仿真 89.4% vs 真实 12.4%、开源参与度扩散六大顶会官方/高校披露OpenAI GPT-5 System CardDeepMind Gemini RoboticsAnthropic Economic IndexB权威转述​国泰海通《全球人工智能趋势全景白皮书2026》2026Q1 融资与上市分化、早期占比 64.6%、物理 AI 资金流向、海外 Q1 零上市新华网转述 Stanford2.7% 差距、ClockBench 50.1%商务部《国际商报》转述美国 2025 三计划欧盟《AI 大陆行动计划》、英国 AI 机遇行动计划C第三方整理​《科学智能白皮书 2025》转述数据中国 AI 出版物 30.04 万篇、占全球 29%引用量占全球 40.2%D未采用​无