人工智能全景与前沿深度调研报告

技术摘要

前沿方向的研究成熟度普遍领先于产品可靠性

成熟度地图把 24 个方向放在同一 1—5 启发式尺度上。研究成熟度高并不意味着可规模部署;世界模型、自动化科学家和人形机器人尤其需要真实环境、连续运行、故障恢复与独立评测。

AI 关键时间线

AI 关键时间线

AI 方向成熟度地图

AI 方向成熟度地图

执行摘要:AI 正进入完整系统竞争

第 3 页主题|大语言模型仍是通用认知接口,但决定价值的单位已经从“模型”变成“模型 + 工具 + 数据 + 环境反馈 + 治理”。

1. 技术重心

预训练规模仍重要,但后训练、推理时计算、验证器、工具调用、长期记忆和多智能体编排正在成为能力增量的重要来源。2026 AI Index 显示产业界生产了 2025 年超过九成的显著前沿模型,组织采用率达到 88%;同时评测、透明度和治理并未同步成熟。[S01][S02]

2. 从语言到世界

原生多模态把文本、图像、视频、音频和动作放入共同表示;世界模型进一步学习环境如何变化以及行动会产生什么后果。V-JEPA 2、Genie 3、World Labs 的空间智能路线,以及 VLA 机器人模型,代表“感知—预测—规划—行动”的会合。[S11][S12][S13][S14]

3. AI4Science

科学 AI 正从预测单一结构或性质,转向生成候选、调用工具、运行模拟或实验、用可计算目标评价并继续迭代的闭环。AlphaFold、GNoME、MatterGen 与 AlphaEvolve说明这条路径已覆盖生物、材料和算法,但真实实验、因果验证与可重复性仍是瓶颈。[S18][S20][S21][S22]

4. 最大的不确定性

benchmark 提升不能直接推出真实世界可靠性;Agent 获得权限后,错误会从“答错”升级为“做错”。未来三到五年的核心竞争将围绕独有数据闭环、可信评测、软硬件协同、工作流入口和监管准入,而不是单一模型排行榜。[S02][S24]

本节主要来源

一张图读懂:系统栈与未单列的经典分支

第 4 页主题|术语之所以显得混乱,是因为它们处在不同层级;本页同时标出未逐章展开、但仍属于 AI 全景的经典方向。

关键原则

“LLM、Agent、世界模型、具身智能”不是互斥类别。视觉、语音、经典 NLP、知识表示、规划、推荐、时序、概率模型与 HCI 也没有消失,而是被基础模型重组或继续作为系统模块。本报告对这些经典分支提供定位,不宣称逐一达到教材级展开。[S40]

本节结构化要点

本节主要来源

容易被大模型叙事遮蔽的八条路线

第 5 页主题|经典 AI 没有消失;很多真实系统仍依赖因果、概率、搜索、端侧计算、隐私技术和人机协作。

组合原则

成熟产品通常把规则、传统机器学习、基础模型、数据库、验证器和人工流程组合起来。选择方法应从任务风险、可验证性、数据形态、延迟和成本出发,而不是先指定“必须用大模型”。[S40][S50][S51]

本节结构化要点

本节主要来源

研究方法、证据等级与局限

第 6 页主题|本报告是截至指定日期的二手证据综合,不是实验研究,也不声称预测具有确定性。

研究问题

截至 2026-08-23,如何用一个互不混淆的层级框架解释 AI 的主要学习范式、模型与系统形态、前沿路线、行业成熟度、治理结构及关键人物的路线选择?

检索与纳入

检索平台覆盖 arXiv、Nature/Science、机构论文页、法规与监管官网、大学/公司公告及模型卡;关键词按 taxonomy、learning paradigm、foundation model、agent、world model、VLA、AI4Science、industry、governance 与人物姓名组合。三支专题研究先汇集数百个候选链接,去重后纳入 109 个可定位到标题、机构和 URL 的核心条目;无法核实的新闻摘要不进入核心结论。历史材料不受日期限制,职位、法规和模型状态重点复核 2025—2026 年来源。

证据标签

A 级:同行评审论文、法规、官方统计;B 级:预印本、模型卡、技术报告;C 级:机构自述、产品案例;D 级:分析性推断。C 级数据只能说明“该机构公开声称”,不能自动外推为行业平均。

核验覆盖与复现

全部正文页均执行页内引文 ID—页底来源一致性检查;人物职位、法律时点与高时效公司变动优先回到本人或机构一手页,并以 Reuters/AP 等独立报道补足可追溯性;企业 ROI 与产品能力保留“机构自述”标签。最终 PDF 逐页渲染检查,并核对页数、文字可提取性、内部目录、书签、外部链接与桌面副本哈希。完整 109 项来源按首次使用分布在各页底部,可直接点击复查。

已知局限

前沿模型不公开完整训练数据与评测细节;机器人演示通常无法覆盖长尾;企业 ROI 存在选择性披露;人物观点会随技术变化;国际比较受汇率、采购和统计口径影响。报告使用公开证据,未访问商业机密或未发布研究,也没有外部人类领域专家签字认证。[S01][S02][S42]

本节主要来源

从符号系统到基础模型:七十年主线

第 7 页主题|AI 历史不是一条直线,而是“知识表示、统计学习、算力与数据、交互反馈”四股力量周期性重组。

1956—1980s:规则与知识

早期 AI 把智能视为符号搜索、逻辑推理和显式知识。优势是可解释、可组合;缺点是知识获取成本高、对噪声和开放世界脆弱。专家系统在封闭领域有效,却难以通过规则手工编码常识。[S40]

1990s—2012:统计学习

概率模型、支持向量机、集成学习等把重点从“写规则”转向“从数据估计规律”。互联网提供数据,GPU 与反向传播使深层网络在视觉、语音上突破。

2012—2020:深度表示与规模化

卷积网络、序列模型、注意力和 Transformer 让端到端学习成为主流。Transformer 的并行训练与长程依赖能力,叠加大规模预训练,最终形成 foundation model 范式。[S03][S45]

2020—2026:对齐、推理与行动

大模型从少样本语言接口扩展到多模态、代码、工具和 Agent;能力来源从预训练扩展到人类/AI反馈、强化学习、推理时计算、检索和环境反馈。世界模型与机器人把“生成文本”推进到“预测并改变环境”。[S04][S05][S07][S14]

本节主要来源

学习范式矩阵:不要把模型和训练方式混为一谈

第 8 页主题|同一个 Transformer 可以接受监督学习、自监督预训练、偏好优化、强化学习和持续学习;“模型结构”不等于“学习范式”。

组合使用才是现实

典型 LLM 先用自监督学习预测 token,再用监督微调学习指令,通过偏好优化或强化学习改变行为;机器人模型还要加入专家轨迹、仿真数据和真实交互。评估时必须追踪每一阶段的数据与目标。[S05][S06][S16]

本节结构化要点

本节主要来源

监督、无监督与自监督:表示学习的地基

第 9 页主题|现代基础模型的规模化关键,是把互联网上大量未标注数据转成可训练信号;这并不意味着数据“免费”或没有偏差。

监督学习

模型最小化预测与人工标签之间的误差,适合明确任务和稳定标签。但医学、法律、机器人等领域的高质量标签昂贵且存在专家分歧;训练集标签还可能固化历史偏差。

无监督与自监督

无监督学习寻找聚类、密度或潜在结构;自监督学习则从数据本身构造目标,例如遮蔽词恢复、下一个 token、图像—文本对齐或视频潜在空间预测。它把表示学习扩展到互联网规模,是 LLM 和多模态模型的共同地基。[S03][S10][S11]

生成目标与理解

预测下一个 token 能迫使模型压缩大量语言规律,但“能生成”不自动等于具备稳定世界模型、因果理解或可执行计划。V-JEPA 路线主张在抽象表示空间预测关键变化,减少对像素级细节的浪费;两条路线可能互补,而不是简单二选一。[S11]

数据质量

规模化数据包含重复、版权材料、错误和群体偏差。去重、来源记录、许可、数据配比与合成数据验证会直接影响模型行为。训练数据不透明也是当前 foundation model 透明度的薄弱环节。[S42]

本节主要来源

深度网络的结构谱系

第 10 页主题|架构不是“谁取代谁”的单线进化,而是对数据结构、计算约束和任务需求的不同归纳偏置。

工程现实

许多前沿系统是混合架构:视觉编码器、Transformer 主干、Mixture-of-Experts、扩散/流动作头、检索模块与传统控制器共同工作。架构价值应以端到端任务、成本和可靠性衡量,而非只看参数量。[S03][S55]

本节结构化要点

本节主要来源

强化学习:从奖励到规划

第 11 页主题|强化学习不是“让模型更聪明”的魔法,而是在序列决策中优化长期回报;奖励设计决定系统学会什么。

基本问题

智能体观察状态,采取动作,环境返回新状态和奖励。价值函数估计长期回报,策略决定动作,模型式方法还学习环境动力学以便规划。深度 Q 网络证明神经网络可从像素学习多款 Atari 游戏;AlphaGo/AlphaZero 将策略、价值、搜索和自我博弈结合。[S52][S53]

Model-free 与 Model-based

无模型方法直接学策略或价值,通常简单但数据需求高;模型式方法学习或使用环境模型,通过想象未来进行规划。MuZero 不要求预先给出环境规则,却学习对决策有用的潜在动力学,连接了强化学习与世界模型。[S54]

LLM 后训练

RLHF/RLVR 把人类偏好或可验证结果作为奖励,改善指令遵循、推理和安全行为。但奖励代理可能被钻空子;如果验证器只覆盖最终答案,模型也可能学到投机过程。DPO 等方法把偏好学习重写为较稳定的监督式目标。[S05][S06][S07]

机器人与现实环境

真实交互昂贵、危险且速度慢,因此常用模仿学习、离线强化学习、仿真和少量在线微调组合。仿真到现实的差距、奖励稀疏和安全探索仍是核心难题。[S16]

本节主要来源

因果、神经符号与可验证推理

第 12 页主题|统计相关性擅长预测“会发生什么”,因果模型试图回答“如果干预会怎样”;符号系统则提供约束、证明和组合结构。

因果推断

因果图、潜在结果和结构因果模型通过明确假设区分相关与干预。它们在政策评估、医疗决策和科学发现中重要,因为高预测准确率并不能保证改变一个变量会带来预期结果。难点在于不可观测混杂、可识别性和分布迁移。

神经符号

神经网络从高维数据学习表示,符号模块处理逻辑、规则、程序或知识图谱。组合方式包括让模型生成程序、调用定理证明器、把约束加入训练或用检索提供结构化知识。优势是可验证与组合;代价是接口复杂、知识维护和搜索爆炸。

验证器的重要性

在数学、代码和科学任务中,单纯生成候选往往不够。执行单元测试、形式证明、物理约束或实验评价,可以把开放式生成转化为“搜索 + 评价 + 迭代”。AlphaEvolve 正是把语言模型提出算法与自动评价器、进化式选择结合。[S22]

边界

可验证不等于正确:测试可能不完整,形式化规范也可能描述错目标。混合系统必须同时审计生成器、工具、规范与数据链。

本节主要来源

持续学习、元学习与联邦学习

第 13 页主题|真正长期运行的智能体必须适应变化,却不能在学习新任务时忘掉旧能力,也不能把敏感数据集中复制。

持续学习

模型顺序接触任务或数据分布,目标是在保持旧知识的同时吸收新知识。典型方法包括经验回放、重要参数正则化、动态扩展网络和参数隔离;根本矛盾是稳定性与可塑性。[S51]

元学习

元学习试图“学会如何学习”,在任务分布上训练可快速适应的新初始化、优化器或策略。它适合少样本个性化和机器人,但如果新任务脱离训练分布,快速适应也可能失效。

联邦学习

参与方在本地计算更新,仅汇总梯度或参数,适用于手机、医院和金融机构。它减少原始数据集中化,却不自动提供隐私:更新可能泄漏信息,还需要安全聚合、差分隐私和攻击检测。[S50]

大模型中的现实做法

2026 年多数生产系统仍通过 RAG、外部记忆、定期微调和模型版本管理实现“持续更新”,而不是让基础模型在线改权重。外部记忆易审计、可撤销,但只能补充知识,不能完全替代技能学习。

本节主要来源

基础模型:从单任务模型到通用底座

第 14 页主题|Foundation model 的核心不是“大”,而是先在广泛数据和任务上形成通用表示,再被大量下游系统适配。

为什么出现

规模化自监督预训练把一次昂贵训练的能力复用于搜索、写作、编程、视觉、语音和科学任务。GPT-3 展示了参数与数据规模带来的少样本能力;随后适配方法把通用底座变成具体产品。[S04]

规模定律

经验规模定律描述损失随模型、数据和计算增长而下降,但最优配比并非“参数越大越好”。Chinchilla 工作强调在固定计算下增加训练 token、减小过大的模型可获得更好效果,推动数据—模型—计算协同设计。[S45][S46]

能力并非一个数

通用模型在知识、推理、代码、多模态、工具使用和语言覆盖上呈锯齿状;某项 benchmark 领先不代表在真实业务中稳定。模型卡、系统卡和分域评测比单一总分更有价值。[S02][S41]

权力与透明度

基础模型集中训练使少数机构掌握算力、数据和部署入口;开放权重可以促进研究和本地化,也使撤回与监控更难。透明度索引显示训练数据、算力、风险评测和下游使用信息仍常不充分。[S42]

本节主要来源

LLM 的完整技术栈

第 15 页主题|产品里的“一个聊天框”,背后至少有数据、token、预训练、后训练、推理、检索、工具、安全和观测九个层。

判断产品的正确单位

比较 LLM 产品时应问:底座版本是什么、是否检索、有哪些工具权限、如何记忆、怎样评测、失败由谁复核。只报模型名无法解释真实表现。[S08][S09][S43]

本节结构化要点

本节主要来源

预训练:数据、token、目标与规模

第 16 页主题|预训练把世界压缩成参数,但压缩过程受数据选择和目标函数约束;它不会自动保留来源、时间和因果结构。

Token 与上下文

Tokenizer 决定模型处理的基本单位,不同语言的字符—token 比例不同,会影响成本和上下文效率。位置表示与注意力机制决定模型如何利用序列,但宣称的上下文长度并不等于能在任意位置稳定检索和推理。

训练目标

自回归模型最大化下一个 token 的似然,擅长开放式生成;遮蔽建模恢复被隐藏部分,更偏向双向表示。多模态模型还可能使用对比学习、重建、扩散或联合 token 预测。[S03][S10]

数据工程

高质量预训练需要去重、质量过滤、语言和领域配比、个人信息与安全过滤、许可策略,以及针对数据污染的 benchmark 隔离。合成数据能补足稀缺样本,但循环使用未经验证的合成内容可能放大错误。

规模与稀疏化

Mixture-of-Experts 只激活部分专家,扩大总参数而控制每 token 计算;并行、低精度和检查点使训练跨越大量加速器。规模定律提供资源分配参考,却无法保证涌现能力按计划出现。[S45][S46]

本节主要来源

后训练:把“会续写”变成“会协作”

第 17 页主题|后训练改变模型在同样知识基础上的行为分布;它能增强指令、推理和安全性,也可能牺牲多样性或引入新的迎合。

监督微调 SFT

用高质量指令—回答样本教模型遵循格式、角色和任务。它稳定、易控制,但覆盖面取决于示范,容易学到示范风格而非深层目标。

RLHF 与 RLAIF

偏好数据训练奖励模型,再优化策略使输出更符合人类或 AI 评审偏好。InstructGPT 证明小型对齐模型在人类偏好上可胜过更大但未对齐模型;局限是标注者代表性、奖励模型可被利用和训练不稳定。[S05]

DPO 与偏好优化

DPO 直接利用成对偏好数据优化策略,绕开显式奖励模型和在线强化学习,工程更简洁。它仍依赖偏好数据质量,不能消除目标定义问题。[S06]

可验证奖励与推理

数学、代码和某些科学任务可通过正确答案、单元测试或形式约束给出奖励,支持 RLVR 和大规模自我改进。优势是信号客观;风险是模型只优化可测部分、利用测试漏洞,或在不可验证领域迁移失效。[S07][S22]

宪法式方法

Constitutional AI 用一组原则指导模型自我批评和 AI 反馈,减少部分人工有害样本标注。原则的选择仍是治理问题,不能替代外部审计。[S44]

本节主要来源

推理时计算:让模型在回答前搜索和验证

第 18 页主题|能力提升不只发生在训练阶段;生成多个候选、分解问题、调用验证器和动态分配计算正在重塑“推理”。

核心机制

模型可显式产生中间步骤,使用树搜索或采样生成多个轨迹,再由价值模型、规则、执行器或第二个模型选择。推理时计算允许难题花更多资源,而简单题快速回答。[S07]

为什么有效

预训练模型内部包含许多潜在解题路径,单次贪心生成只访问其中一条。搜索扩大候选空间,验证器把概率最高转化为满足目标;在数学和代码中,外部执行尤其有价值。

不等于真实思维

可见的 chain-of-thought 可能是不完整或事后合理化的解释,不能直接当作内部因果过程。隐藏推理也增加审计难度;安全评估需要观察最终行为、工具调用、日志与环境后果,而非只读文字理由。[S02]

成本与控制

test-time compute 会增加延迟、token 和能耗;系统必须按风险分配预算,例如医疗决策要求多模型复核和证据检索,创意改写则不需要昂贵搜索。

本节主要来源

Agent:从回答问题到完成任务

第 19 页主题|Agent 是带有目标、状态、工具和循环控制的系统,不是某个单独模型;自主程度应由风险和可逆性决定。

最小闭环

一个 Agent 至少包含:理解目标、维护状态、规划或选择下一步、调用工具、观察结果、判断是否完成。复杂系统还加入长期记忆、角色分工、预算、异常恢复和人类审批。[S08]

Workflow 与 Agent

固定工作流按照预定义步骤执行,容易测试;Agent 动态决定步骤,适合路径不确定的任务,但行为空间更大。Anthropic 建议先从简单可组合模式开始,只有在灵活性收益明显时才增加自主性。[S08]

工具协议

函数调用与 MCP 等协议把模型连接到文件、数据库、浏览器和企业系统。协议解决接口标准化,不解决授权、数据最小化、提示注入和业务责任。[S43]

主要失败

目标解释错误、规划循环、工具返回被误读、网页提示注入、权限过大、写入操作不可逆、多智能体相互放大错误。高风险 Agent 需要最小权限、沙盒、干运行、事务回滚和人工确认。[S02][S24]

本节主要来源

记忆、RAG 与上下文工程

第 20 页主题|把模型参数之外的信息组织好,往往比继续扩大模型更能提升企业任务;但检索只提供证据,不保证模型忠实使用。

三种“记忆”

参数记忆来自训练,更新慢且来源难追踪;上下文记忆存在当前窗口,精确但容量和注意力有限;外部记忆保存在数据库、向量库或事件日志,可更新、可撤销、可审计。

RAG

检索增强生成先根据问题从文档库取回片段,再让模型在证据条件下回答。它适合最新、私有和可引用知识,并降低重新训练成本。[S09]

真正的难点

文档切分、元数据、权限过滤、查询改写、混合检索、重排序、版本管理和引用对齐共同决定效果。检索到错误文档会制造“有引用的错答案”;模型也可能忽略检索内容或把不可信文本当指令。

长期 Agent 记忆

事件日志、摘要、技能库和用户偏好可支持跨会话任务,但必须设计遗忘、纠错和隐私机制。把所有历史无限累积会增加噪声、成本和敏感信息暴露。

本节主要来源

原生多模态:共同表示与跨模态行动

第 21 页主题|多模态不只是“给 LLM 加一个看图插件”,而是对齐、融合和生成文本、视觉、音频、视频乃至动作。

三种结构

早期融合在输入层联合 token;中期融合用交叉注意力或适配器连接编码器;统一模型把不同模态离散化或映射到共同序列,使用一个主干预测。选择取决于数据规模、实时性与生成需求。

对比学习

CLIP 使用大规模图像—文本对进行对比学习,把匹配图文拉近、非匹配拉远,得到可迁移的视觉语义表示。它推动开放词汇分类和跨模态检索,但继承网页配对偏差。[S10]

原生交互

实时语音、视频理解和屏幕操作要求模型处理连续流、时间顺序、说话轮次和低延迟。模型卡应说明输入限制、语言覆盖、人物识别、隐私和危险场景,而不是只展示样例。[S41]

走向动作

当输出空间从文字扩展为机器人动作或软件操作,多模态模型变成 VLA 或 computer-use Agent;安全边界随执行权限扩大。[S14][S15]

本节主要来源

生成式 AI:图像、视频、音频与 3D

第 22 页主题|生成模型正从一次性内容合成走向可编辑、可控制、具有时间和空间一致性的世界构建。

主要模型族

VAE 学习可采样潜在空间;GAN 通过生成器与判别器对抗;扩散模型从噪声逐步还原数据;flow matching 学习连续概率流。不同方法在质量、速度、覆盖和可控性上权衡。

从文本到可控创作

产业重点已从“生成一张好图”转向角色一致、镜头控制、局部编辑、参考素材绑定、声音同步、版权与内容溯源。视频模型还要学习时间连续性和物理规律,但逼真的输出不等于内部拥有可行动的世界模型。

3D 与世界

NeRF、Gaussian Splatting、3D diffusion 和 world model 让系统从多视角重建或直接生成可导航空间。World Labs 把持续一致、可交互的 3D 世界视为空间智能产品基础。[S13]

风险

身份仿冒、非自愿亲密影像、虚假证据、训练许可和创作者补偿是核心治理问题。水印与检测只能提供部分信号,发布平台还需来源记录、投诉和快速处置。[S02]

本节主要来源

世界模型:预测环境与行动后果

第 23 页主题|世界模型至少应学习环境怎样随时间和动作变化;能生成逼真视频,只是可能的实现,不是充分证据。

四个层次

观察预测模型预测下一帧或未来表示;动作条件模型预测候选动作后果;任务模型还估计奖励、终止或价值;生成式环境模型构造可交互世界供人或 Agent 训练。只有后三类直接服务于规划。

V-JEPA 2

Meta 的路线不重建所有像素,而在潜在表示空间预测被遮蔽或未来内容。V-JEPA 2 用大规模视频预训练,再以少量机器人数据学习动作条件模型,展示了视觉理解、预测和零样本机器人规划;结果仍主要来自官方论文设定。[S11]

Genie 3

Google DeepMind 把 Genie 3 定义为可实时导航的通用世界模型,官方披露 720p、24fps、数分钟一致性,并明确列出动作空间、多智能体交互、真实地点准确性和长时持续等限制。[S12]

如何验证

更强测试应包含动作干预、反事实、对象恒常、长时一致性、分布外物理、可重复性和真机闭环。视觉逼真度、可控性、物理正确性与规划效用必须分别报告。

本节主要来源

空间智能:李飞飞与 World Labs 的路线

第 24 页主题|空间智能把视觉从“识别画面”推进到“理解、生成、推理并交互于持续存在的三维世界”。

核心主张

World Labs 认为 AI 若要在虚拟和物理世界行动,需要几何、物体、场景、遮挡、持续性和可交互性,而不仅是图像标签或自然语言描述。公司由李飞飞、Justin Johnson(贾斯汀·约翰逊)、Christoph Lassner(克里斯托夫·拉斯纳) 与 Ben Mildenhall(本·米尔登霍尔) 创立。[S13]

功能分类

其 2026 年公开分类把 world model 按功能分成渲染器、模拟器、规划器与统一模型。这个框架有助于避免把视频生成器、物理模拟器和机器人规划器混称为同一件事。[S72]

产品与证据

Marble 能从文本、图片、视频或粗略 3D 输入生成可探索、空间连贯的世界,首先面向创作、设计和沉浸式体验。公司展示证明产品存在,不证明模型已经掌握通用物理、因果或机器人控制。

与具身智能的交点

空间世界可作为 real-to-sim-to-real 数据和训练环境;但迁移到实体机器人仍需传感器标定、接触动力学、动作空间、安全控制和真实反馈。空间智能是必要能力集合之一,不是具身智能的同义词。

本节主要来源

VLA:把视觉、语言和动作接在一起

第 25 页主题|Vision-Language-Action 模型把语义知识转成动作序列,是具身智能的重要架构,但不是机器人全栈。

从 RT-2 到 π 系列

RT-2 把机器人动作表示为 token,与互联网视觉语言任务共同微调,证明网页语义知识能部分迁移到未见物体和指令。[S15] Physical Intelligence 的 π0 使用预训练 VLM 与 flow-matching 动作专家生成连续动作,目标是跨任务、跨机器人策略。[S16]

Gemini Robotics

Google DeepMind 在 Gemini 基础上增加动作输出,并提供强调空间与具身推理的 ER 模型。2026 年新版本继续扩展全身动作和多 embodiment,但这些仍是开发方报告,需要公开失败率和独立复现。[S14][S41]

什么没有被模型取代

状态估计、运动规划、碰撞检测、力控、稳定控制、急停和硬件冗余仍是机器人系统核心。高层 VLA 适合选择技能和给出目标,低层安全控制不能依赖自然语言模型偶发正确。

评价标准

至少报告任务分布、每项试验次数、成功定义、人工干预、未见环境、恢复能力、耗时、硬件损耗与安全事件。精选 demo 只能证明某次成功,不能证明可靠性。

本节主要来源

机器人学习的真正瓶颈

第 26 页主题|网页 token 可复制,真实机器人轨迹却昂贵、慢、异构且有损坏风险;数据闭环比模型名字更稀缺。

数据来源

遥操作和示范提供高质量动作;自主执行产生成功与失败经验;仿真与生成式 world model 扩大覆盖;互联网视频提供语义与人类行为先验。不同来源的动作标签、频率、传感器和物理真实性不一致。

跨本体迁移

机械臂、人形、移动底盘具有不同关节、动力学和坐标系。共享表示可迁移“做什么”,但“怎样做”常需本体适配、动作分块、控制器和少量真机数据。π0/π0.5 与 GR00T 都在探索通用策略加本体适配。[S16][S17][S77]

长程与恢复

十秒桌面取放与一小时家庭任务是不同问题。误差累积、遮挡、物体滑动、工具损坏和人类介入要求在线状态估计、重规划、故障检测与可恢复策略。

近期可行路径

结构化仓储、工厂、实验室和特定服务场景会先规模化,因为环境可设计、任务可重复、风险可隔离。家庭通用机器人需要更高的长尾覆盖和硬件可靠性,进展速度大概率慢于纯软件 Agent。[S84]

本节主要来源

自动驾驶、无人机与移动智能体

第 27 页主题|自主移动已经在限定运行设计域形成商业服务,但这与“任何地点、任何天气、无需远程支持”相距很远。

自动驾驶系统

感知、定位、预测、规划、控制、地图、远程协助和安全运营共同构成系统。端到端神经策略可减少手工接口,却增加可解释、覆盖和验证难度;模块化系统也会出现接口误差。

商业成熟度

Waymo 等在限定城市和气象条件提供大规模 robotaxi 服务,并发布对比人类驾驶的安全影响数据。[S31] 这类数据应按运营里程、道路类型、碰撞定义与报告边界审读,不能外推到未运营区域。

无人机与移动机器人

仓储 AMR、农业无人机、矿区车辆和巡检机器人受益于可控路线和基础设施;城市开放空域还需通信、避障、天气、监管和责任制度。

世界模型的作用

模拟可生成罕见天气、交通冲突和危险场景,减少真车试错;但模型错误会把虚假物理带入策略。安全关键训练必须组合实车、仿真、形式约束和独立测试。

本节主要来源

AI4Science:从预测到闭环发现

第 28 页主题|最强成果通常出现在领域结构清晰、评价函数明确、模拟或实验能验证候选的任务。

四种作用

第一,替代昂贵模拟的 surrogate model;第二,从序列、图或场学习表示;第三,生成分子、材料、算法或实验方案;第四,以 Agent 连接文献、代码、仪器与评价器形成闭环。

为什么与通用聊天不同

科学结论需要不确定性、单位、边界条件、可重复实验和因果机制。语言流畅不能替代测量;论文检索与实验数据中的负结果也不能被忽略。

闭环结构

提出假设 → 生成候选 → 运行模拟/实验 → 计算目标与约束 → 更新策略。若目标可自动计算,可用搜索、强化学习或进化方法;若实验昂贵,则需要主动学习选择最有信息量的下一次实验。[S22]

证据边界

2026 AI Index 指出科学 AI 论文和模型快速增长,但论文级复现、真实实验验证和跨实验室泛化明显落后于知识问答 benchmark。[S80]

本节主要来源

生物、蛋白质、基因组与药物

第 29 页主题|结构预测是里程碑,但生物功能、动力学、毒性、临床终点与制造仍需独立模型和实验。

AlphaFold 2

以注意力和几何表示从序列预测蛋白结构,在 CASP14 取得突破,随后数据库扩大结构可访问性。[S18] 它显著改变结构生物学工作流,却不自动解决构象动力学、无序区域和细胞环境。

AlphaFold 3

将预测范围扩展到蛋白质与 DNA、RNA、小分子、离子等生物分子相互作用,采用扩散式结构生成。[S19] 论文结果不能被改写为“已能准确预测任何药物作用”。

生成与设计

蛋白生成、分子图模型和基因组基础模型可提出候选,降低搜索成本。候选仍必须经过合成、体外、动物与临床验证;进入人体试验也不等于最终获批。

医疗部署

科研模型与临床器械属于不同监管对象。临床 AI 需要目标人群外部验证、数据漂移监控、人机责任和上市后监督。[S61][S81]

本节主要来源

材料、化学与逆向设计

第 30 页主题|AI 把材料搜索从“预测给定结构的性质”推进到“按目标生成候选”,但可合成性和实验稳定性决定实际价值。

GNoME

Google DeepMind 用图网络和主动学习扩大稳定晶体材料候选空间,并通过高通量第一性原理计算筛选。[S20] 核心贡献是计算候选与数据库,不等于所有预测材料都已被实验制造。

MatterGen

Microsoft Research 的生成模型按化学组成、对称性和目标性质生成无机材料候选,体现逆向设计:先给性能目标,再寻找结构。[S21]

自驱动实验室

机器人合成、自动表征、贝叶斯优化和主动学习可形成“设计—制造—测量—更新”闭环。实验通量、仪器校准、失败记录和样品污染是系统级问题。

评价

必须分别报告计算稳定、可合成、实验成功、长期性能、成本与环境影响。只比较预测误差会忽视从候选到材料的巨大落差。

本节主要来源

天气、气候、地球与物理

第 31 页主题|神经天气模型已在部分指标上达到或超过传统数值系统,但业务预报仍需要集合不确定性、极端事件和物理约束。

GraphCast

GraphCast 从再分析数据学习全球中期天气演化,在论文的大量变量和提前期上优于当时业务基线,并以远低于传统数值模式的计算生成预报。[S23]

混合系统

AI 可作为完整预测器、后处理器、参数化模块或高分辨率降尺度器。完全数据驱动模型速度快,物理模型提供守恒、可解释机制和异常情形支撑;混合路线更符合业务可靠性要求。

气候与地球

遥感基础模型用于土地覆盖、灾害、农业和环境监测;气候投影需要几十年尺度、政策情景和耦合过程,不能由短期天气准确率直接推出。

不确定性

单一确定性预报不能表达风险。集合预测、校准、极端事件回测、区域公平性与故障降级是公共服务部署的关键。[S80]

本节主要来源

数学、算法与自主实验

第 32 页主题|当候选结果能被证明、编译、运行或实验测量时,语言模型可以成为搜索器,而不是最终裁判。

生成器 + 评价器

FunSearch 与 AlphaEvolve 的共同思想是:模型提出程序,自动评价器运行并给出可比较分数,搜索机制保留改进并继续变异。这比要求模型一次性写出正确答案更稳健。[S22]

算法落地

AlphaEvolve 官方披露其发现的算法被用于 Google 基础设施和数学/计算问题;2026 年进一步展示跨领域应用。[S22] 这些结果有可运行评价支撑,但通用“自主科学家”仍需文献理解、实验设计与因果判断。

形式证明

定理证明器提供严格验证环境,适合神经模型搜索策略;困难在于把自然语言数学形式化、设计辅助引理和处理超大搜索空间。

自动化实验

科学 Agent 可编排文献、代码、仪器和实验日志。必须保存完整 provenance、负结果和人工修改,防止自动系统只报告成功轨迹。Discovery Loop 也把自动化实验闭环作为创业方向。[S34]

本节主要来源

脑启发与神经形态计算

第 33 页主题|脑启发研究既包括从神经科学提取学习原则,也包括用事件驱动硬件追求低功耗;它不是“复制人脑”这一条路线。

研究层次

计算神经科学建模感知、记忆与决策;脉冲神经网络用事件和时间编码;神经形态芯片把存储与计算靠近、支持稀疏事件;预测编码与主动推断提供不同的学习理论。

潜在优势

对稀疏传感流、低延迟闭环和极低功耗边缘设备,事件驱动计算可能比密集 GPU 更合适。神经形态相机也可在高速和高动态范围场景减少冗余。

现实限制

训练工具、软件生态、可比 benchmark、通用任务性能与制造规模仍弱于 GPU/TPU 生态。脉冲网络在特定任务节能,不等于在 LLM 或通用推理上已经更优。

与主流 AI 的关系

注意力、记忆、世界模型和持续学习可受脑启发,但现代深度网络并非生物神经系统的忠实模拟。工程价值应由任务、能耗、延迟和可靠性共同评估。

本节主要来源

效率:蒸馏、量化、稀疏与边缘 AI

第 34 页主题|高效 AI 不只是把模型变小,而是联合优化参数、内存、带宽、批处理、缓存、编译和任务质量。

蒸馏与小模型

知识蒸馏让学生模型匹配教师分布或中间表示,可显著降低部署成本;学生受容量和训练数据限制,也可能继承教师错误。[S48]

参数高效适配

LoRA 冻结底座,仅训练低秩增量,降低领域适配的显存与存储。[S49] 适配器便于多租户,但不能把新事实可靠写入所有内部推理路径。

量化与稀疏

INT8/INT4 降低权重和激活内存,稀疏化减少计算;精度损失受模型、硬件与任务影响。Mixture-of-Experts 降低每 token 激活参数,却增加路由和通信。

推理系统

KV cache、连续批处理、speculative decoding、FlashAttention、张量并行和请求调度共同决定吞吐与延迟。[S47] 单看每秒 token 会忽视首 token 延迟、并发、上下文长度和能耗。

边缘部署

隐私、网络可靠性和实时性推动端侧模型;常见架构是端侧感知/过滤 + 云端复杂推理 + 本地安全控制。

本节主要来源

芯片与 AI 计算栈

第 35 页主题|GPU 只是起点:训练和推理能力取决于加速器、HBM、互连、网络、封装、编译器和电力的协同。

计算层

GPU/TPU/NPU 通过矩阵单元和低精度提升吞吐;高带宽内存决定参数和 KV cache 可否高效供给;先进封装把芯粒与 HBM 靠近;互连支持跨卡同步。

训练 vs 推理

训练强调大规模同步、稳定性和 checkpoint;推理强调低延迟、批处理、内存复用和成本/请求。Agent 与视频模型提高生成长度和多模态算量,使推理逐渐成为主要资本与能源负担。

供应链

芯片设计、EDA、先进代工、EUV、HBM、封装、服务器与云分布在多个国家。出口管制和主权 AI 推动本地化,但完全闭环成本高。

正确指标

FLOPS 不能单独代表可用性能;还要看模型 FLOP 利用率、内存带宽、通信、良率、软件成熟度、单位 token 成本和可获得数量。[S83]

本节主要来源

分布式训练与推理软件

第 36 页主题|前沿模型是分布式系统工程:任何一个通信、存储或调度瓶颈都可能吞掉理论算力。

并行方式

数据并行复制模型、分配批次;张量并行切分矩阵;流水线并行切分层;专家并行分布 MoE。现实训练常组合多种并行并使用 ZeRO/FSDP 切分优化器、梯度和参数。

故障与数据

数千加速器运行数周必然遇到硬件、网络和数值故障,需要 checkpoint、弹性恢复、数据顺序追踪和异常检测。数据加载与存储吞吐也可能成为瓶颈。

推理服务

连续批处理把到达时间不同的请求拼接;paged attention 管理 KV cache;路由可把简单请求交给小模型、困难请求升级到大模型或推理模型。

Agent 成本

Agent 一次任务可能调用模型数十次、检索多个数据库并执行工具。成本控制应以“成功任务”而非“单次 token”计算,并记录重试、失败和人工接管。

本节主要来源

数据中心、能源与物理约束

第 37 页主题|AI 已把软件扩展问题变成电网、冷却、土地、芯片制造和资本开支问题;效率提升可能被使用量增长抵消。

能源规模

IEA 估计全球数据中心 2024 年用电约 415 TWh、约占全球 1.5%,基准情景到 2030 年约 945 TWh;这是所有数据中心,不等同于纯 AI 用电。[S56]

局部约束

电网接入、变压器、输电、冷却水和建设周期可能比服务器采购更慢。高密度训练集群还需要电力质量、备用系统和低延迟网络。

反弹效应

每 token 更高效会降低价格并扩大用量;多模态、推理时计算和 Agent 又增加每任务调用。判断环境影响必须看总任务量、能源结构、硬件生命周期和实际利用率。

披露

厂商很少公开训练/推理完整能耗边界。报告应把测量、估算、情景预测和营销目标分开,并避免用一次查询的粗略数字代表整个系统。[S56][S83]

本节主要来源

开放权重、开源与封闭模型

第 38 页主题|“可下载权重”不等于完整开源;开放程度至少包含权重、代码、数据、训练配方、许可证和评测六个维度。

政策权衡

开放模型促进本地语言、教育、研究和竞争,但发布后难以撤回,安全层可被移除。封闭模型便于监控和更新,却集中权力并限制独立审计。[S02][S42]

采购问题

许可证是否允许商用?能否离线运行?训练数据和安全评测是否透明?供应商是否支持版本固定、日志、数据驻留与退出迁移?这些问题比“开源”标签更可操作。

本节结构化要点

本节主要来源

评测:排行榜为什么不够

第 39 页主题|模型评测、任务评测、系统评测和业务结果评测属于不同层;任何一层缺失都会产生错误结论。

五层评测

模型:知识、推理、代码、多模态;任务:真实完成率与质量;系统:工具、恢复、延迟、成本;风险:偏差、隐私、越权、攻击;结果:生产率、客户/患者结局、公平和环境。

benchmark 污染

公开题目可能进入训练数据,模型还可针对排行榜调优。2026 AI Index 指出常用 benchmark 存在无效题和平台偏好问题;新鲜隐藏集、动态任务和人类基线更可信。[S84]

Agent 评测

必须统计端到端完成、部分完成、重试、人工接管、不可逆错误和资源消耗。单步成功率 99% 在 100 步链上也可能只剩约 36.6% 全链成功,因此长任务需要检查点和恢复。

机器人评测

仿真得分不能替代真机;精选视频不能替代重复试验。应报告未见场景、不同本体、长期稳定性和安全干预。

本节主要来源

安全、对齐与系统可靠性

第 40 页主题|安全不是让模型永远拒答,而是让系统在威胁、错误和不确定性下保持可控、可恢复、可追责。

三类风险

恶意使用包括诈骗、网络攻击和危险知识;失灵包括幻觉、越权工具、欺骗性行为和事故;系统性风险包括劳动、信息生态、集中化和关键基础设施依赖。[S02]

技术措施

数据过滤、偏好/宪法式训练、能力和风险评测、红队、监控、输出过滤、最小权限、沙箱、网络隔离、速率限制和事故响应需要层层组合。[S24][S44]

不可消除性

越狱和提示注入说明输入可绕过单层防护;开放权重模型无法召回;未知能力和真实世界分布使上线前测试不完备。目标应是 defence-in-depth 与社会韧性,而不是宣称零风险。[S02]

治理责任

开发者、部署者、工具提供者和最终组织分别控制不同风险。企业不能以“模型供应商负责”替代自身数据、权限、流程和人员责任。

本节主要来源

企业 AI 参考架构:从模型到可审计工作流

第 41 页主题|真正可持续的企业 AI 不是“接一个聊天框”,而是数据、权限、工具、审批、评测与运营共同构成的产品系统。

九个层

入口与身份 → 任务编排 → 模型路由 → RAG/记忆 → 工具/API → 权限与策略 → 人工审批 → 评测/日志 → 反馈改进。高风险写操作应支持预览、双人确认、幂等和回滚。

数据与权限先行

检索必须继承源系统的行列权限和保密级别;模型看到的内容应按任务最小化。把内部文档全部复制进统一向量库,可能破坏原有访问边界和删除义务。

模型路由

简单分类交给小模型,复杂推理升级到前沿模型;敏感任务可本地部署;同一任务用规则、传统 ML 和 LLM 组合。路由依据应包含质量、延迟、成本、数据驻留和可用性。

上线门槛

离线基准通过后还需影子运行、A/B 或分阶段试点;建立错误分类、人工接管、供应商版本变更监控和停机方案。NIST AI RMF 与 ISO 42001 可作为流程骨架,但不保证单个模型安全。[S24][S67]

本节主要来源

怎样读 28 个行业案例:案例不是平均效果

第 42 页主题|配套附表中至少 18 个案例明确属于公司自述、公司案例或供应商自述;它们适合发现用例,不适合直接估算行业 ROI。

使用规则

把每个案例拆成任务、基线、样本、时间窗、模型版本、人工复核、总拥有成本和失败代价;缺少这些字段时,只把它当作“候选用例”。软件生产率研究出现正反结果,正说明任务与人群比宣传口号更重要。[S58][S59]

本节结构化要点

本节主要来源

医疗与制药:最有价值,也最不能跳过验证

第 43 页主题|成熟用例集中在影像、工作队列、临床文书和运营;诊断、治疗和药物发现必须保留专业责任与前瞻验证。

已落地

医学影像/心电/病理辅助识别、分诊、临床记录、编码与理赔、患者联络和药物警戒已有规模部署。FDA 持续维护 AI 医疗器械清单,但“获准上市”不等于已证明改善患者长期结局。[S61]

环境式记录

ambient scribe 把对话转成病历,能减少文书负担;医院公开的时间节省和 ROI 受采购价格、科室、编码和基线影响,应标记为机构观察而非通用因果效果。[S81]

前沿

生物基础模型、生成式分子设计、虚拟细胞、临床试验匹配和多智能体诊断快速发展。AI 设计候选进入临床仍要经过毒性、制造、试验终点和监管全链。

部署原则

本地人群外部验证、临床责任人、置信与证据展示、模型漂移监控、患者隐私、事故报告和人工覆盖是底线。通用聊天模型不应被包装为无监督医生。

本节主要来源

金融、保险与法律:权限和责任比文案质量更重要

第 44 页主题|生成式 AI 先进入检索、摘要、客服和代码,最终授信、交易和法律结论仍受模型风险与审慎义务约束。

成熟任务

反欺诈、反洗钱、交易监控、信用风险、文档抽取、合规审阅和客服长期使用机器学习;LLM 更适合内部知识、投研检索、会议摘要和代码。

为什么谨慎

金融机构面临模型验证、记录保存、消费者公平、解释、隐私和第三方风险。FSB 还关注少数云/模型供应商集中、相似模型导致羊群行为以及生成式欺诈。[S60]

Agent 风险

能读取账户、发起支付或下单的 Agent 必须使用交易限额、分权授权、异常检测、双因素确认和不可否认日志。自然语言“确认”不应替代正式授权。

法律服务

检索、合同对比和初稿能提效,但虚构判例与保密泄露会产生职业责任。所有引用应回到原始法条或判决,且最终判断由持证专业人员承担。

本节主要来源

制造、供应链与工业机器人

第 45 页主题|工业 AI 的壁垒通常是传感器、工艺知识、设备接口和持续反馈,而不是某个通用模型名称。

成熟任务

机器视觉质检、预测性维护、过程控制、排产、数字孪生、需求预测、能耗优化和工业机器人已广泛使用。生成式 AI 主要成为工程知识助手、故障排查和设计/仿真入口。

规模

IFR 报告 2024 年全球新装工业机器人约 54.2 万台、连续第四年超过 50 万台;中国占当年新装量约 54%。这是工业自动化规模,不等于全部机器人都使用基础模型。[S62]

物理约束

实时控制、功能安全、停机成本、旧协议、网络分区和认证决定上线速度。把云端 LLM 直接接到工控系统会扩大攻击面;高层建议与低层确定性控制必须分离。

通用化方向

工业基础模型、跨产线迁移、自然语言配置、合成数据和具身机器人会逐步扩展,但最先成功的是流程明确、可隔离、回报可测的单元。

本节主要来源

软件工程与网络安全:生产率证据为何相反

第 46 页主题|AI 对代码的价值高度依赖任务、代码库上下文、开发者经验与复核成本;“平均提速”不能替代本团队试验。

正向结果

多家企业的现场随机实验发现编码助手与完成任务数增加相关,尤其帮助经验较少者和样板任务。

反向结果

METR 对熟悉大型开源仓库的资深开发者开展随机研究,允许使用 2025 年初 AI 工具时,完成任务反而平均更慢;样本有限但足以否定“任何场景必然提速”。[S59]

解释

陌生 API、测试生成和小型函数容易受益;隐含约束、遗留系统、复杂调试和高质量审查会产生提示、等待、验证与返工成本。应测端到端交付、缺陷率、维护性和安全,而不只测生成速度。

网络安全

模型可辅助漏洞发现、恶意代码和社会工程,攻防同时升级。生产 Agent 需隔离凭证、限制网络、记录命令、审查补丁;提示注入本身就是新的供应链攻击面。[S02][S95]

本节主要来源

教育、研究与知识工作

第 47 页主题|AI 可以降低解释和反馈成本,也可能让学习者跳过形成能力所需的困难;评价目标必须从“交作业”转向“真正学会”。

应用

个性化辅导、备课、题目生成、语言练习、反馈、行政服务、文献检索和数据分析已普及。2026 AI Index 汇总称美国高中及大学学生约五分之四使用 AI 完成学校任务,制度与教师培训滞后。[S82]

教学设计

推荐流程是:先独立尝试 → 使用 AI 获取提示或比较方案 → 要求解释和验证 → 迁移到新题。口试、现场任务、过程档案和来源披露比简单检测“是否 AI 写的”更可靠。

科研辅助

AI 可整理文献、写代码和生成假设,但会虚构引用、遗漏负结果、误解统计。所有引用回到原文;关键分析可复现;作者负责最终解释。

公平

付费工具、带宽、语言覆盖和教师能力不均会扩大差距。公共教育需要开放资源、无障碍、隐私和对弱势学生的效果评估。

本节主要来源

传媒、零售与物流:内容生成只是入口

第 48 页主题|商业价值来自与目录、库存、分发和运营数据连接;同时必须处理版权、身份、品牌安全与内容来源。

传媒创意

文案、分镜、概念图、翻译、配音和后期可加速迭代。核心争议转向训练许可、风格/肖像/声音权、创作者补偿和虚假证据。

来源与标识

C2PA Content Credentials 用签名记录来源和编辑历史,能验证声明链未被篡改,却不能证明内容本身为真,也无法标记没有凭证的所有生成内容。[S68]

零售

搜索、推荐、购物助手、客服、商品目录、需求预测和库存调拨可形成可测 KPI。Klarna 的客服数据是企业自报,应只作为案例,不应外推为所有企业的 ROI。[S32]

物流

仓库机器人、路径优化和需求预测成熟;下一步是 Agent 协调订单、库存、运输与异常。自动写操作必须设置预算、供应商规则和人工例外处理。

本节主要来源

能源、农业、公共部门与国防边界

第 49 页主题|公共价值可能巨大,但错误成本、采购透明和双重用途使这些领域需要更严格的可追责设计。

能源

负荷预测、电网调度、风光预测、设备维护、材料与勘探可受益;同时数据中心成为新增大负荷,必须与电网、储能和低碳电源共同规划。[S56]

农业

遥感、病虫害识别、精准施肥/灌溉、育种与机器人采摘提高效率,但小农数据、设备成本、网络和模型跨地区泛化限制普及。

公共服务

税务、福利、城市运维和政务助手可缩短处理时间;涉及权利的自动决策必须提供通知、解释、申诉、人工复核和歧视测试。采购合同应保障审计和退出。

国防与安全

情报分析、后勤、仿真和自主系统具有明显双重用途。本报告不提供作战或攻击方法;核心治理问题是有意义的人类控制、国际人道法、升级风险与事故责任。[S02][S66]

本节主要来源

ROI、劳动与组织:为什么高采用不等于高价值

第 50 页主题|AI 价值呈现“高采用、低规模化、强分化”;短期收益最常出现在窄任务、可测输出和人在回路。

采用与规模化

2026 AI Index 汇总的调查显示 2025 年 88% 组织使用 AI;另一调查中近三分之二仍未全企业规模化。一个测“是否用”,一个测“是否重构并产生价值”,并不矛盾。[S57][S79]

生产率异质性

客服现场研究发现生成式 AI 提高生产率并更多帮助经验较少者。[S58] 资深开源开发者研究却显示特定场景变慢。[S59] 任务、技能和工作流设计比“有没有 AI”更重要。

真正成本

许可证/API、推理、数据工程、安全、评测、集成、人员培训、错误返工和供应商切换共同构成总拥有成本。只计算 token 或席位费用会系统性低估。

劳动分配

AI 往往先改变任务组合而非立刻消灭职业:例行生成被自动化,人类转向监督、异常处理、关系和责任。收益可能集中于资本和高技能群体,因此培训、参与式设计和分配政策重要。

本节主要来源

全球格局:美国、中国、欧盟与关键供应链

第 51 页主题|国家竞争力不是一个模型分数,而是人才、研究、资本、芯片、云、电力、制造、应用市场和治理能力的组合。

供应链现实

美国设计与云、台湾先进代工、荷兰 EUV、韩国/美国 HBM、日本材料设备和中国制造/市场相互依赖。出口管制推动冗余与本地化,但完全脱钩成本极高。

模型差距

AI Index 指出美中顶级模型在 2025—2026 年多次换位,单一日期和 benchmark 的 2—3 个百分点不代表完整国家实力。[S01]

本节结构化要点

本节主要来源

美国治理:创新、采购、行业法与州法并存

第 52 页主题|截至 2026-08,美国没有与 EU AI Act 等同的统一横向联邦 AI 法;义务来自多层制度组合。

政策转向

2025 年 EO 14179 撤销上一届部分政策方向,强调移除创新障碍;America's AI Action Plan 侧重基础设施、竞争力、政府采用与国际影响。[S26][S64]

风险框架

NIST AI RMF 与生成式 AI profile 提供自愿风险管理语言,适合采购和内部治理,但不是合规认证或安全保证。[S24]

实际约束

医疗、金融、就业、消费者保护、知识产权、隐私、生物识别、网络安全、出口管制和政府采购继续适用;州法快速增长造成跨州产品合规差异。

写作纠错

不能继续把已撤销或改变的 EO 14110 当作 2026 年联邦政策主线;也不能写成“美国完全无监管”。应描述为创新/采购导向 + 行业与州法 + 国家安全/出口控制。

本节主要来源

欧盟 AI Act:已进入执行期

第 53 页主题|欧盟以风险分级、基本权利和统一市场为核心,并对通用模型及系统性风险模型设专门义务。

框架

禁止部分不可接受实践;高风险系统承担数据、技术文档、日志、人类监督、准确稳健与合格评定;聊天机器人和深伪承担透明义务;GPAI 提供者承担文档、版权和训练内容摘要等义务。[S25]

时间线

禁止性实践和 AI 素养自 2025-02-02 适用;治理与 GPAI 义务自 2025-08-02;多数条款与第 50 条透明义务自 2026-08-02 适用。

2026 变更

Regulation (EU) 2026/1744 调整部分高风险义务时间表,Annex III 部分用例推迟至 2027-12-02,嵌入受监管产品的 Annex I 系统推迟至 2028-08-02。[S63]

实践

企业需要先判断角色:provider、deployer、importer 或 distributor;再做系统清单、风险分类、GPAI/高风险分析、数据与日志、供应链合同和事件响应。

本节主要来源

中国治理:分层规则与综合立法推进

第 54 页主题|中国形成“发展战略 + 算法推荐 + 深度合成 + 生成式服务 + 内容标识”的分层制度;综合 AI 法截至截止日仍在推进。

生成式服务

《生成式人工智能服务管理暂行办法》适用于向境内公众提供生成式服务,涉及训练数据、个人信息、内容安全、安全评估和备案,并同时强调促进创新与分类分级监管。[S27]

内容标识

《人工智能生成合成内容标识办法》自 2025-09-01 生效,要求显式和文件元数据隐式标识,平台核验提示,禁止恶意删除、篡改或伪造。[S65]

安全框架

人工智能安全治理框架提供风险分类和技术/管理措施参考,属于治理框架,不应被误写为一部统一强制法律。[S28]

关键纠错

国务院 2026 年度立法工作计划明确推进人工智能综合立法;截至 2026-08-23 应写“推进中”,不能写“已经颁布综合 AI 法”。产品仍需按场景核对数据、网络安全、算法和行业规则。

本节主要来源

国际治理、标准与来源证明

第 55 页主题|全球尚无统一 AI 法,但科学评估、管理体系、内容来源和跨国对话正在形成互操作层。

安全报告

International AI Safety Report 2026 由 100 多名独立专家参与,聚焦通用 AI 能力、风险和缓解,明确区分已发生伤害与高度不确定但潜在严重的风险,并提出“证据困境”。[S02]

联合国与欧洲委员会

Global Digital Compact 是推动科学小组、治理对话、能力建设和人权导向的政治承诺,并非统一全球强制法。欧洲委员会《人工智能与人权、民主和法治框架公约》则是首个该领域具法律约束力的国际条约框架,具体义务仍取决于缔约和国内实施。[S66][S104]

标准

NIST AI RMF 提供风险流程;ISO/IEC 42001 认证的是 AI 管理体系,不是模型零风险;C2PA 记录内容来源链,不判断内容真假。[S24][S67][S68]

组织做法

建立适用法地图、模型/系统清单、影响评估、供应链问卷、独立评测、事故分级和跨境数据机制。标准可以统一语言,最终责任仍在部署者与主管机关。

本节主要来源

人物图谱 I:奠基者与不同智能观

第 56 页主题|荣誉和引用量说明历史贡献,不证明今天的路线必然正确;理解人物要看其问题定义、证据和组织位置。

核心分歧

Yann LeCun(杨立昆) 更强调从感知流学习世界模型;Yoshua Bengio(约书亚·本吉奥)/Geoffrey Hinton(杰弗里·辛顿) 更重视前沿系统风险;Richard Sutton(理查德·萨顿) 强调可扩展搜索与学习;Judea Pearl(朱迪亚·珀尔) 强调因果结构。它们回答的是不同问题,不能用一句“谁对谁错”取代实证。

本节结构化要点

本节主要来源

人物图谱 II:前沿实验室与 AGI 平台

第 57 页主题|公司领导者同时是技术路线倡导者和商业组织负责人;其时间表与社会影响判断必须标注利益相关性。

关键纠错

Jeff Dean(杰夫·迪恩) 于 2026-08-05 确实离开 Google;Demis Hassabis(戴密斯·哈萨比斯) 同日改任 GDM Chair 与 Alphabet Chief Scientist。任何写“Jeff Dean(杰夫·迪恩) 仍任 Google Chief Scientist”或“Demis Hassabis(戴密斯·哈萨比斯) 仍负责 GDM 日常运营”的资料都已过时。[S33][S34]

本节结构化要点

本节主要来源

人物图谱 III:世界模型、机器人与科学

第 58 页主题|这些人物的共同点不是“都做机器人”,而是分别从空间、动作、搜索、视觉和科学验证切入。

措辞规则

“本人宣布加入”不等于公司公开职衔;“产品 demo”不等于通用能力;“结构预测”不等于完整药物研发。对 2026 年高频变化职位必须写日期和证据类型。

本节结构化要点

本节主要来源

人物图谱 IV:安全、开放生态、中国路线与基础设施

第 59 页主题|AI 前沿还包括评测、网络安全、开放研究、认知架构、模型复用和全栈计算,不应只追逐模型公司 CEO。

看人物的方法

先确认职位日期,再读论文和机构项目;把技术主张、预测、商业愿景和已验证结果分开;最后检查反例与利益相关。

本节结构化要点

本节主要来源

人物图谱 V:2026 实验室领导层与区域生态

第 60 页主题|除了创始学者,还要关注负责模型、算力、组织和产品落地的当代实验室领导者。

区域平衡

全球前沿仍高度集中,但欧洲的 Mistral/AMI、法国和英国研究网络,中国的 DeepSeek 与产业生态,以及加拿大、日本、韩国、印度和中东的算力与人才计划都在改变版图。人物表用于建立入口,不等于影响力排名。

本节结构化要点

本节主要来源

2026—2030 趋势雷达与核心术语

第 61 页主题|以下趋势是基于当前证据的条件性推断,不是确定预测;影响取决于成本、监管、数据闭环与社会选择。

雷达

高概率:小模型与模型路由、合规工程产品化、推理成本优化。中概率:受控 Agent 大规模进入业务、机器人在结构化环境泛化。高影响但高不确定:自主 AI 研发加速、开放世界通用机器人、快速 AGI 跃迁。[S01][S02]

本节结构化要点

本节主要来源

最终判断、核查清单与 AI 披露

第 62 页主题|判断任何 AI 项目时,先问它解决哪一层问题、证据是什么、失败会造成什么、谁能停止和纠正它。

十项核查

1 任务与成功定义;2 数据来源与权限;3 模型/版本;4 工具和写权限;5 隐藏测试;6 人工接管;7 失败恢复;8 总拥有成本;9 法规与责任;10 上线后监控。缺少其中任何一项,都不应以 demo 或 benchmark 直接扩张。

三条总判断

第一,AI 从单模型竞赛进入完整系统竞赛。第二,越接近物理世界和高风险决策,可靠性、硬件、流程和治理越重要。第三,长期壁垒更可能来自独有数据闭环、专业验证、软硬件协同、工作流入口与准入能力,而不是某一周的排行榜。

已纠正事项

Jeff Dean(杰夫·迪恩) 离职与 Discovery Loop 经 Google 和公司官网双重确认;Demis Hassabis(戴密斯·哈萨比斯) 与 Yann LeCun(杨立昆) 的角色使用机构或本人一手页;John Jumper(约翰·江珀) 与 Andrej Karpathy(安德烈·卡帕西) 的动向改用可定位的 Reuters/TechCrunch 报道并保留职衔不确定性;美国行动计划链接已更新,EU、美国和中国政策更新到截止日。[S26][S30][S33][S34][S63][S89][S90]

AI 辅助研究披露

本报告于 2026-08-23 使用 OpenAI Codex 桌面代理(基于 GPT-5;客户端未向报告暴露精确构建号)及三个专题子代理,协助检索、证据摘录、综合、写作、排版与独立反方/伦理审阅。程序核验覆盖全部 59 个正文页的引文—来源映射、PDF 结构与逐页渲染;人物和政策等高时效事实回到一手来源。没有外部人类领域专家签字认证,因此封面采用“证据审阅版”而非“人工审校/专家认证”。编制流程对报告的准确性与解释负责;读者在医疗、法律、金融、安全或截止日后的高时效事项上应重新核验。

责任使用声明

本报告仅提供高层研究与决策框架,不提供攻击、监控、武器化或规避安全控制的操作步骤。网络安全、国防、自主系统、生物和医疗等双重用途方向,应遵循最小权限、人工监督、分阶段评测、可回滚、事故报告和适用法律。

核心来源索引

总览:[S01] Stanford AI Index 2026;[S02] International AI Safety Report 2026。技术:[S03] Transformer、[S11] V-JEPA 2、[S14] Gemini Robotics、[S18—S23] AI4Science。治理:[S24—S29] NIST/EU/美中/OECD、[S63—S68][S104] 国际规则与标准。人物:[S30][S33—S39]、[S69—S103][S105—S109]。109 项来源按首次使用列在各页底部并带可点击原始链接。

本节主要来源

数据附录

以下附录与 Excel/CSV 交付物同源;配套工作簿更适合精确筛选和二次分析。人物职位、政策和产品状态在截止日之后应重新核验。

AI 分支全景

共 30 条;完整可筛选列见配套 Excel/CSV。

前沿探索与成熟度

共 24 条;完整可筛选列见配套 Excel/CSV。

76 位 AI 人物

共 76 条;完整可筛选列见配套 Excel/CSV。

28 个行业案例

共 28 条;完整可筛选列见配套 Excel/CSV。

AI 关键时间线

共 30 条;完整可筛选列见配套 Excel/CSV。

关键论文与报告

共 40 条;完整可筛选列见配套 Excel/CSV。

AI 术语表

共 50 条;完整可筛选列见配套 Excel/CSV。

完整参考来源

共 109 条;完整可筛选列见配套 Excel/CSV。