金年会,金年会官网,金年会平台,金年会登录,金年会网址,金年会网站,金年会官方网站,金年会体育,金年会数字站,金年会app,金年会电子娱乐,金年会体育赛事,今年会体育,金年会最新网址入口,金年会靠谱吗报告首先指出，当前的 SOTA（State-of-the-Art，即最先进）模型，仍在遵循扩展定律（Scaling Laws），即训练数据集更大、训练时间更长、计算量更大。从AlexNet 到 GPT-4 再到 DeepSeek V3 和 Llama 3.1-405B，训练计算量在对数坐标上几乎呈线 年以来，深度学习的训练计算量大约每六个月翻一番，远快于此前 1950 至 2010 年间每 21 个月翻番的速度。

　　但报告也指出了一个同样重要的反面趋势：达到同等性能所需的计算量正在逐年下降。对于一个在一万亿数据点上训练的模型，2021 年训练所需的计算量比 2012 年少了约 16,500 倍。换句话说，效率的提升和规模的扩张是同步发生的。这一点往往被只关注“大模型越来越大”的叙事所忽略。推理成本同样在快速下降。报告展示了从 GPT-3.5 到 DeepSeek-V3，在达到相同基准测试水平的前提下，推理价格从数十美元每百万 token 降到了不到一美元。

　　在 AI 模型的生态格局方面，Google、meta、Microsoft 和 OpenAI 继续主导着“值得注意的 AI 模型”的生产，但学术机构仍在发挥重要作用。每个后续模型在知识工作任务上的表现持续提高，从 Gemini 3 到 GPT-5.2，最新模型在与行业专业人士的对比测试中已达到了 74％ 以上的胜率。不过 OpenAI 的产品，特别是 ChatGPT，仍然在企业端占据最大的使用份额，约为 35.8％，其次是 Anthropic 的 14.3％。

　　开源模型是报告着墨较多的一个板块。DeepSeek 在 2025 年初的快速进展重新点燃了开源社区的热情。在 LMSYS 聊天机器人排行榜上，DeepSeek 的 Elo 评分已经逼近 OpenAI 的水平（1,362 分 vs. 1,366 分），Google 以 1,385 分暂时领先。此外，报告也提到 2025 年间中国的开源模型已经开始在西方主导的开放生态中占据上风。在 GitHub 的 AI 开发者仓库中，前 20 个最受欢迎的 AI 账号里有 6 个来自中国。中国模型的全球区域采用率也在上升，形成了一个“翻转”态势。

　　报告还用了一个章节讨论“世界模型”（World Models）。与现有 LLM（Large Language Model，大语言模型）基于文本的范式不同，世界模型试图构建具有内部一致物理规则和持久记忆的 3D 环境。许多 AI 研究者将其视为 transformer 架构的潜在替代路径。报告还提到一个意思的进展：随着现有人类生成数据的库存逐渐被消耗，世界模型可能成为生成合成训练数据的重要工具。据预测，公共文本数据的有效库存可能在 2027 至 2028 年左右被耗尽。

　　这种增速背后，是整个产业生态的系统性重构。meta、Google、Microsoft、Amazon 这四大超大规模云服务商（Hyperscalers）在 2025 年第二季度的资本支出已经逼近每季度 1,000 亿美元，其中绝大部分投向了 AI 计算基础设施。自 ChatGPT 于 2022 年 11 月发布以来，美国的数据中心建设支出出现了断崖式跃升，这一趋势在2026 年仍在加速。按照部分预测，如果芯片需求持续以当前速度增长，整个半导体产业的收入规模可能在 2030 年突破 1 万亿美元大关。

　　但从投入到产出，从算力到智能，这条路并不像数字看上去那么平滑。Contrary 的报告特别指出了一个容易被忽视的现实：即便在法律研究这样看似最适合 AI应用的垂直领域，专业工具生成内容时的“幻觉率”(Hallucination Rate，即 AI 生成虚假或不准确信息的比例)仍然高达 17% 至 33%。这个数字意味着什么？在需要百分百准确性的场景，医疗诊断、法律文书、金融审计，那 10% 到 30% 的不可靠性可能造成非常重大的事故。技术的“最后一公里”往往比前面的九十九公里更难跨越。

　　如果说软件是 AI 的大脑，那么芯片和数据中心就是它的躯体。Contrary 的报告用了相当篇幅梳理计算供给与需求之间日益扩大的缺口。中美两国在 AI 芯片生产上的竞赛，已经从技术竞争演变为带有明显地缘政治色彩的战略博弈。报告显示，2026 年，美国和中国的 AI 芯片产能预计都将出现快速扩张。英伟达虽然仍占据主导地位，但其他美国芯片设计商以及华为等中国厂商正在快速追赶。值得注意的是，面对 AI 芯片的巨大需求，超大规模云服务商们已不再满足于采购，而是纷纷投入自研芯片的怀抱。

　　但更深层的挑战来自能源。随着芯片和数据中心需求的飙升，能源消耗也在呈指数级增长。报告引用的数据显示，AI 占美国总电力需求的比例预计将从 2025 年的约 5%，攀升至 2030 年的 10% 以上。从 2025 到 2030 年，全球数据中心容量需求预计将增长 3.5 倍，其中 AI 工作负载占据了增量的绝大部分。按照“持续动能”情境的估算，2030 年全球数据中心的电力需求可能达到 219 千兆瓦，而 2025 年仅为 82 千兆瓦。

　　核能则是一个正在回暖的领域。全球核电装机在经历了数十年停滞后开始增长，其中中国是主要驱动力。美国在总核电发电量上仍居全球首位（781.9TWh），但中国紧随其后（417.5TWh），且后者的在建和规划反应堆数量远超美国。美国公众对核能的支持率已攀升至 75％ 左右，创历史新高——这与数十年前的核恐惧形成了鲜明对比。报告还提到了一个多少有些科幻意味的细节：美国太空部队已宣布计划在本十年末前在月球上安装一座 100 千瓦的核反应堆。

　　AI 从数字世界迈向物理世界，最直观的体现就是自动驾驶。Waymo 在 2025 年 7 月成为首个累计行驶里程超过 1 亿英里的自动驾驶出租车服务。截至 2025 年 11 月，Waymo 已计划在2026 年扩展到 15 个新城市，目标是年底前达到每周 100 万次出行。与之形成对比的是 Tesla 的Robotaxi 服务——它在奥斯汀上线 万英里的自动驾驶里程，而 Waymo 在同一城市上线万英里。在车辆密度上，Tesla 每平方英里 0.12 辆，Waymo 则为 1.1 辆。

　　报告列出了一个相当吸引人的数据：如果全部美国车辆都达到 Waymo 的安全水平运行，每年可避免约 37,000 人死亡，节省约 1 万亿美元的社会成本。自动驾驶出租车的每英里成本也已经低于人类驾驶的出租车或网约车。其对于城市空间的影响更是重大，美国百万人口以上城市平均将 22％ 以上的土地用于停车，AV（Autonomous Vehicle，自动驾驶汽车）有望通过优化停车效率将停车空间需求降低 80％。

　　自动卡车同样在起步阶段。Aurora 等领先供应商已完成约 2 万英里的无人驾驶里程。美国因其强劲的 TCO（Total Cost of Ownership，总拥有成本）优势、严重的司机短缺和长途货运距离，在自动卡车采用上领先；欧洲受制于跨境监管壁垒，中国则因较低的 TCO 优势和较高的前期投入而相对落后。值得留意的是，在美国 52 个州和领地中，有 35 个州的运输业是男性就业者最常见或第二常见的职业，约占全体男性就业者的 18％，自动卡车的推广将对这些劳动力市场产生深远影响。

　　报告提到了一个可能重塑航空业的方向：超音速旅行。像Boom Supersonic 这样的初创公司希望提供大幅缩短的飞行时间，消费者需求相当强劲。从华盛顿到伦敦，如果能从传统的 7 小时缩短到 3 小时 55分钟，97% 的受访者表示有兴趣；东京到火奴鲁鲁从 8 小时缩短到 3 小时 50 分钟，92% 感兴趣；伦敦到迈阿密从 9 小时缩短到 4 小时 40 分钟，87% 感兴趣。当然,超音速客机面临的技术、经济、环境挑战都不小，协和客机的前车之鉴就摆在我们面前。

　　制造业和回流（reshoring）是另一条重要线索。报告追溯了美国去工业化的历史：NAFTA 生效和中国加入 WTO 是两个关键转折点，自此后美国制造业就业从高峰持续下滑。但还有一个常被忽视的推手是工业机器人的大规模应用。数据显示，美国年度机器人出货量已从早年的几千台攀升至 2.1 万台。而这个增长曲线远未触及天花板。中国在 2020 年工业机器人安装量已超过全球其他国家的总和，而美国 90％ 的工厂仍然没有使用机器人。

　　人形机器人市场被一些研究认为有潜力产生超过 1,500 亿美元的收入，累计销售超过 1 亿台。报告将人形机器人的早期采用曲线与汽车的早期普及进行了类比，从商业销售启动到卖出 100 万台，汽车用了 17 年（1893 年至 1910 年），人形机器人被预测也将用大约 17 年（2013 年至 2030 年）。当然，风险同样存在，比如 Figure AI 因一名举报人指控其忽视安全标准（被指控的机器人被称为有能力“击碎人类颅骨”）而被起诉。

　　AI 在药物发现中的应用备受期待，但现实仍然骨感。AlphaFold 数据库的扩张推动了蛋白质结构预测的飞速进展，OpenAI 与 Retro Biosciences 合作开发的生物模型也取得了将干细胞重编程成功率提高 50％ 的成果。然而，AI 发现的药物中真正进入后期临床试验或上市的仍然极少。进入 II 期试验的 AI 发现药物的成功率仅比传统方法略高。AI 药物研发的投资也未能跟上 AI 整体投资的步伐。Varda Space Industries 提供了一种另类思路，利用零重力环境制造药物蛋白晶体，2024 年完成了首次成功的太空制药任务。