APEC深圳时刻|对话王喜文:AI降低创富门槛,但可能拉大贫富差距
作者|王迪
来源|凤凰网财经
2026年,当世界的目光聚焦于中国深圳,亚太经合组织(APEC)迎来了时隔12年的“中国年”。从2001年上海聚焦“贸易与投资”,到2014年北京力推“互联互通”,再到如今深圳叩问“创新、科技与未来”,这三个关键词的变迁,勾勒出了亚太经济格局的进化论。
在这个被称为“AI重构一切”的元年,凤凰网财经对话前工信部国际经济技术合作中心研究所所长、九三学社中央促进技术创新工作委员会委员王喜文。在他看来,2026年不仅是中国第三次担任APEC东道主的历史节点,更是全球AI产业从“烧钱炫技”走向“成本塌方”的转折点。
面对即将到来的APEC深圳峰会,王喜文提出了一个发人深省的核心命题:“AI视频的碳足迹,或将成为未来亚太贸易谈判的关键博弈点。”他解释称:“据AI普瑞斯报道,若按日均算力消耗占比测算,Seedance已占超80%的市场份额。当全球80%的AI视频由Seedance这类底层模型生成时,算力背后的电力消耗就不再只是技术问题,而是变成了新的关税壁垒和绿色贸易规则。谁能掌握‘生成式AI’的能耗标准,谁就能在亚太供应链中拥有新的定价权。这不仅是技术的竞赛,更是一场关于‘电’的看不见的争夺战。”
在本次对话中,王喜文不再局限于技术的浅层解读,而是直面AI狂飙时代的多个“灵魂拷问”,APEC新博弈、OPC冰火两重天、AI红利分配、中美科技博弈、百模大战终局、中国下一个“换道超车”赛道,以及AI的落地实践,以此预见2026年亚太经济的变局与机遇。
以下为凤凰网财经与王喜文的对话核心要点整理:
01谈APEC:AI视频碳足迹,或将成为亚太贸易谈判关键博弈点
GPT-3一天耗电50万度,算力与双碳的平衡是亚太面对的AI考题
凤凰网财经:您预测未来3-5年,亚太AI产业合作的三大核心趋势是什么?中国将扮演怎样的角色?
王喜文:我认为第一个趋势是技术的协同与标准的共建。各国不应再各自进行漫长的基础性研发,而应发挥各自优势,比如聚焦大模型和AIGC进行联合攻关。同时,在接口、安全、伦理等标准上要实现互认互通,这是技术通畅的基础。
第二个趋势是产业的深度融合。AI不能停留在技术层面,必须落地。未来在亚太范围内,AI+制造业、医疗、电商、教育等领域将率先实现深度渗透和应用。
第三个趋势是算力与绿色发展的平衡。大模型极其耗电,例如GPT-3那时候一天就耗电50多万度。如何在满足算力需求的同时,实现双碳目标,是我们必须面对和解决的问题。
中国将扮演两个核心角色:一是技术创新的引领者,中美在算法上领先,中国有DeepSeek、豆包等,提供新基建(新型基础设施);二是产业生态的整合者,基于我们深厚的行业实践,牵头构建一个包容普惠的亚太AI合作体系。
建议APEC成立“AI人才共同体”,中国将从“世界工厂”升级为“AI内容输出中心”
凤凰网财经:亚太AI人才竞争激烈,您建议APEC建立怎样的人才联合培养、技术共享机制,实现区域内人才与技术的双向流动?
王喜文:现在大国竞争其实主要就是中美,聚焦的硬件就是芯片,软件就是人工智能算法这两点。为什么中国可以做?人工智能分算法、算力、数据。一些规模不大的国家,恐怕没有大量的数据做训练。你有再先进的算法,没有数据,算法也没有用武之地。所以说,做人工智能只有大国才搞得起来:具备算法、具备大规模的数据、具备算力。未来人工智能这块肯定是中美一枝独秀。
那么,亚太APEC未来不仅仅是全中国,全世界都要智能化,这是大势所趋。全球新一轮科技革命和产业变革,就是以智能化为标志。APEC许多国家也认识到这一点,但他们的人工智能基础和研发投入并不多,没有那么多数据,没有先进的算法,那肯定要与中国合作,包括人才培养方面。
我建议成立一个“APEC AI人才共同体”,搭建跨境的产教融合平台。首先,联合制定核心课程和认证体系,比如针对不同国家的侧重点(医疗、制造、教育)开发课程,实现AIGC工程师、数据科学家等资格的互认。其次,可以借鉴中国的干部挂职制度,在APEC国家间推动科研人员和技术人员的互访与挂职锻炼,在实践中学习成长。
凤凰网财经:中国AI企业正在积极出海,您认为AI视频和生成式AI会如何改变亚太地区的价值链分布?
王喜文:肯定会重构价值链。过去依赖低成本代工,未来将转向高附加值的技术输出。以AI视频为例,以前拍摄需要演员、场地、道具,成本高昂。现在利用现在的模型,一个人、一台设备就能生成高质量视频。以前一个企业拍1分钟的宣传片,动辄要花几十万、上百万,还得准备大量素材给广告公司去拍。现在完全不用了,你只需要把这些素材上传给AI视频工具,然后通过大模型下达指令,它就能帮你生成,更高效,也更省钱。新的价值链将形成:中国的技术+亚太各国的本地创意+区域分发。中国的角色将从“世界工厂”升级为“AI内容输出中心”。
全球80% AI视频由Seedance生成,算力背后的电力争夺战已打响
凤凰网财经:APEC经济体占全球GDP约60%,也是算力消耗大户。您从产业落地角度判断:未来三年内,AI视频生成(如Sora训练和推理)的碳足迹会不会成为APEC贸易谈判中的新的关键点吗?
王喜文:很有可能。目前AI视频生成领域,尤其是今年,seedance2.0已经占据了全球约80%的市场份额。换句话说,全球每10条AI生成的视频中,就有8条是用seedance2.0来生成的。
从技术角度来看,AI视频属于多模态应用,而之前像用豆包写新闻稿、用DeepSeek写调研报告这类自然语言生成,属于单模态。单模态的算力消耗其实并不大,写一篇1000字的文章或小说,大概只用一两千个token。但AI生成视频就不一样了,生成一段10到15秒的视频,可能要消耗30万token。
而token的背后是算力,算力的背后是电力,电力的使用自然涉及碳排放和碳足迹问题。目前,真正在大规模建设大模型和数字基础设施的国家,主要是中国和美国,其他国家大多是在调用。当这些大模型实现商业化后,碳排放量势必会非常大。
一旦大规模商业化,国家级别的碳足迹可能会与亚太地区的绿色低碳目标产生冲突。一些发达经济体可能会以此为由,对高碳排放的AI视频产品征收碳关税,或限制其市场准入。我认为这是完全有可能的。
这些国家自身有需求,但又没有大规模算力、高级算法和数字基础设施,只能依赖中国和美国。因此,这方面很可能成为未来贸易谈判中的一个焦点。各国需要探讨如何合作、如何解决碳足迹带来的问题。综合来看,未来三年内,AI视频生成的碳足迹大概率会成为APEC贸易谈判中一个新的敏感点。
02谈OPC冰火两重天:政策热捧、资本冷遇
一人公司是阶层跳板还是新式个体户?
凤凰网财经:您的新书《seedance实战指南:AI视频时代的创富机遇》提到了OPC(一人公司)模式。但资本对此似乎比较冷淡,认为技术壁垒低、可复制性强。您如何看待政策鼓励与资本谨慎之间的温差?OPC究竟是普通人借助AI实现阶层跨越的新通道,还是只是披着AI外衣的新型微型个体户盈利模式?
王喜文:OPC确实是AI时代普通人实现阶层跃迁的一个通道,但它不是“躺赢”的通道,更不只是“用AI包装的微型个体户”。
过去一个人开公司是不可能的。你得搞研发、做设计、跑销售、管财务,环节太多了。现在有了AI数字员工,很多工作都能替代。比如用AI写宣传稿、做设计、拍宣传片,都成为了可能。这就是“AI工具×OPC模式”的底层逻辑。
那为什么资本冷淡?资本追求的是规模化、批量化复制。有些咖啡品牌一下开几万家店,有数据、有规模,即便当前不盈利,资本也愿意投。但OPC的天性注定了它是“小型的”,门槛低、同质化严重、盈利稳定性不足,资本看不上,这很正常。
政策热捧、资本冷静,本质上是两者诉求不同:政府侧重民生就业、产业扩容,资本聚焦短期收益和规模化回报。所以我建议:普通人不要因为政策热就盲目跟风,也不要因为资本冷就否定这个模式。关键在于打造差异化竞争力。不能别人做什么你也做什么,那肯定是同质化。要找一个好的赛道,利用好AI技术,结合自己的本业,做出特色来。
OPC不是风口是通道,别追热点,要追“差异化”
凤凰网财经:您早年深耕工业4.0、智能制造,关注的是大规模生产体系的智能化转型。而新书聚焦的OPC模式,恰好是组织形态的“最小单元”——一人公司。这种从“宏大叙事”到“个体赋能”的视角转变,是否意味着您判断:AI的第一波红利不在工厂端,而在个体端?
王喜文:我的判断不是“第一波红利在个体端”,而是AI的红利正在从“工厂端”向“个体端”延伸,而且个体端的爆发速度可能更快。
为什么?因为制造业的智能化改造是系统工程,需要设备投入、产线改造、人员培训,周期长、投入大。我国从2015年就开始推智能制造,确实落地了很多,但它是渐进的过程。
而个体端的AI赋能,门槛低得多。你今天下载一个软件,明天就能用AI写文章、做设计、剪视频。这种“即插即用”的特性,让个体端的红利来得更快、更直接。
但这不代表工厂端没有红利。恰恰相反,制造业是AI应用最成熟、价值最确定的领域之一。质量检测、智能排产、设备预测性维护,已经产生了实实在在的价值。只是这些价值是“润物细无声”的,不像“一人公司月入十万”那样有传播性。
所以我的视角转变,不是因为“工厂端不行了”,而是因为“个体端的机会到了”。
凤凰网财经:广东、重庆、辽宁等多省出台OPC专项政策,免费办公场地、算力补贴、创业基金陆续落地,叠加新《公司法》对一人公司的法律松绑,普通人该怎样抓住政策红利落地OPC创业?
王喜文:第一,选对赛道。不要为了拿补贴而做OPC,而是你本来就有某个领域的专业能力,只是用OPC的形式把它放大。你有制造业背景,就用AI做智能制造服务;你有设计背景,就用AI做创意设计。别盲目跨界。
第二,用好场地和算力支持。很多地方提供拎包入住的办公室、免费的算力资源,这些都是实打实的成本节约。但要注意,这些政策往往有考核指标,比如纳税额、带动就业等,要提前了解清楚。
第三,把合规放在前面。一人公司虽然注册门槛低了,但财税、知识产权、数据安全这些合规要求一点不少。建议找专业的代理机构或者用AI工具辅助管理,别在这些事上栽跟头。政策红利是“东风”,但你自己得有“船”。
03谈AI狂飙时代:红利分配、就业重构与治理思考
Seedance颠覆传统影视行业,15人14天50万美元落地95分钟AI长片
凤凰网财经:您提到字节旗下的Seedance已占据全球AI生成视频约80%的市场份额,甚至导致Sora停用。它的独特优势是什么?
王喜文:优势在于数据、生态和成本。首先,字节跳动拥有海量短视频数据,并重金购买了国内外影视版权用于训练,构建了极高的数据壁垒。其次,它能与抖音形成商业闭环,一键生成视频并发布,激励创作者。最后,OpenAI的Sora投入大、成本高,而Seedance2.0已经把成本降低至几十分之一乃至几百分之一。AI正在颠覆传统影视行业,甚至导致了中国传媒大学等院校宣布停招摄影、动画等16个相关专业。
凤凰网财经:Seedance2.0在戛纳电影节完成行业突破,15人团队14天耗资不足50万美元落地95分钟AI长片,传统同规格影片成本约5000万美元,这是否印证了“一人一剧组”的OPC变现逻辑?OpenClaw智能体如何串联全流程?零基础普通人上手这套工具有多难?
王喜文:15个人、14天、50万美元,以前想都不敢想。传统电影要5000万美元,差了两个数量级。这不只是“一人一剧组”,这是“一人一公司”在文化创意领域的最佳证明。
具体来说,Seedance2.0负责“生成”,你给它剧本、素材,它直接生成视频画面,真实场景的生成、创意相当灵活、高清高质量。Seedance 2.0虽强,但它只是"引擎"。从需求到成片之间还有大量环节:写脚本、准备素材、调参数、等待生成、质量检查、拼接。OpenClaw 的作用是将这些环节全部串联自动化。。一个负责创意生成,一个负责流程自动化,两者配合,一个人就能干过去一个剧组的活。
说实话,入门不难,精通需要时间。现在的AI工具已经越来越智能化了,你不需要懂技术原理,会用鼠标、会打字就行。但要想做出高质量的作品,你还是要懂一点镜头语言、叙事逻辑、审美判断。这些不是AI能替你完成的。
我的建议是:先从一个小的、具体的场景开始练手,比如给自己公司做一个1分钟的宣传片。做着做着就上手了。
AI降低创富门槛,或将加剧贫富两极分化
凤凰网财经:有一种声音认为:AI工具本身掌握在少数大公司手中,算力、数据、模型的获取并不平等,最终“一人公司”的红利可能仍然集中在原本就有资源、人脉、认知优势的人群手中。您怎么回应这种“AI平权vs AI垄断”的争议?AI降低了创富门槛,但会不会也拉大了贫富差距?
王喜文:我觉得未来恐怕是像您说的是拉大差距,两极分化,用AI用的比较好的,比较熟练的,他就会创造很多新的价值,同样道理企业也是如此。
未来3-5年,人际交互类岗位更具安全性
凤凰网财经:您曾任职于工信部直属单位,从产业政策高度看AI对就业的影响。您判断:未来3-5年,中国就业市场哪些岗位反而是“安全”的?
王喜文:简单重复性的工作肯定容易被替代。越是简单重复,人工智能越擅长。跟人打交道比较多的,可能不容易被替代,比如做市场、搞销售。销售要陪客户喝酒、唱歌,人工智能做不到。
我判断标准就是:跟人打交道多的,不容易被替代,像教师,不光教书,还要育人,人类灵魂的工程师,要了解学生心理,辅导成长。反之,简单重复性的,比如我年轻时做程序员、软件工程师,现在很容易被替代。
编程序写代码,人工智能很成熟。据字节对外说,包括抖音在内的一些软件,三分之二代码是人工智能写的,只有三分之一是人做。所以简单重复性的,很容易被替代。还有广告行业,影响也比较大。广告设计、广告创意,未来人工智能画画、设计海报宣传画、拍宣传片,这些行业影响肯定很大。
AI监管怎么走?业内观点:不搞一刀切,边发展边规范
凤凰网财经:您作为九三学社中央促进技术创新工作委员会委员,肯定关注AI立法和监管。最近AI换脸诈骗、AI伪造新闻、数据泄露等事件频发。您认为中国在AI监管方面,是应该“先发展后规范”,还是“规则前置”?目前最紧迫需要立法的领域是什么?
王喜文:这是个平衡问题。我的观点是:不能“先发展后规范”,也不能“规则前置”把行业管死,而是“边发展边规范”。
为什么不能先发展后规范?因为AI技术迭代太快,一旦出了问题,后果可能不可逆。AI换脸诈骗,一个视频发出去,影响可能已经造成了,事后追责很难。
为什么不能规则前置?因为AI还在快速演进,你现在立一个法,可能两年后技术形态完全变了,这个法就没用了。
所以最务实的方式是:划出红线,红线之内不要管太细,红线之外坚决管住。
目前最紧迫需要立法的领域,我认为有三个:第一,AI生成内容的标识问题。AI生成的视频、图片、文字,必须明确标识,让用户知道这不是真实的。这是防止造假和误导的基础。
第二,数据隐私保护。AI模型的训练需要大量数据,但这些数据怎么获取、怎么使用、怎么存储,需要有明确规则。不能随意抓取用户数据。
第三,AI生成内容的版权归属。用AI生成的一幅画、一首歌,版权归谁?是归使用者、开发者,还是属于公共领域?这个问题必须明确,否则没法商业化。
AI黑箱出问题谁负责?分层管控+权责对等双管齐下
凤凰网财经:OpenAI、Google等巨头的大模型能力越来越强,但也被批评“黑箱化”“不可解释”。您作为工学博士,如何看待AI的可解释性问题?如果AI做出的决策(比如信贷审批、医疗诊断)出了问题,谁来负责?是算法、开发者,还是使用者?
王喜文:通用大模型全链路可解释短期内难以全面实现,行业会走向分层规范:医疗、金融等强监管行业,强制落地轻量化、可溯源的专用模型;文娱、内容创作等领域适度放宽可解释要求。责任划分遵循权责对等原则:算法存在底层漏洞由研发企业担责;使用者违规篡改参数、恶意使用AI,责任归于使用方;平台未尽内容审核义务则需要承担连带责任。
04谈中美AI博弈与百模终局
算力短板客观存在,国产大模型走出差异化路线
凤凰网财经:在中美竞争中,有没有一条能换道超车的路径?
王喜文:我觉得量子计算可能是一条换道超车的路径。今年国家已经把量子列为六大未来产业之一,这个方向值得重点关注。
DeepSeek V4没有去年轰动,但百万token已碾压GPT
凤凰网财经:DeepSeek在今年4月升级到V4版本,但相比之前的R1感觉没有那么惊艳,您觉得新的版本主要有哪些亮点?
王喜文:肯定不是像去年那样轰动了。
去年DeepSeek刚出现时非常轰动,因为前两年我们跟美国大模型差距较大,差了两、三代,而DeepSeek一下子追平了GPT-4,逻辑推理能力不相上下,再加上它的混合专家系统、多令牌预测等科技含量,成为国内第一大热门话题。
但今年V4的升级,主要有两个亮点:第一,支持百万token长文本输入,相当于30万字的小说,上传后不到一秒就能读完并归纳中心思想、回答各种问题,而美国的GPT还达不到百万token;第二,实现了“稀疏注意力”机制,模型参数达1.6万亿,但每次只唤醒与问题相关的部分(比如钢铁话题就唤醒钢铁相关参数),而不是全部调用,从而大幅降低算力成本。
百模大战终局:只剩四家DeepSeek、字节、阿里、腾讯
凤凰网财经:最近国内“百模大战”打得火热,最终会剩下几家大模型公司?中小企业做垂直模型还有机会吗?
王喜文:百模大战从2023年开始,但2025年被DeepSeek击溃了。去年DeepSeek出来后,它比肩GPT-4还开放源代码,很多企业觉得没必要再自己搞了。最近DeepSeek宣布融资500亿人民币,估值500亿美元,创始人梁文锋自己投了200亿,大基金投了150亿,他直接间接持股80%多,身价几千亿。
未来DeepSeek肯定是一家独大。能跟它竞争的还有三家:字节跳动(资金雄厚舍得投入,多模态算法一枝独秀,买版权影视剧做训练数据)、阿里巴巴(千问模型不错,DeepSeek也承认前期借鉴了千问,还有电商生态)、腾讯(混元大模型,微信和QQ生态)。其他大模型的日子会很难过。其他中小玩家将很难生存。
对于企业,策略应截然不同:
中小企业:不必自研通用大模型,应定位在产业链下游,调用头部厂商的API进行应用开发。
大型企业/国企:可以基于通用大模型,开发垂直领域的行业专用模型,如石化大模型、汽车大模型。
豆包手机模式被看好?方向对,大规模流行需要时间
凤凰网财经:如何评价豆包手机这种模式?
王喜文:豆包手机是端侧AI的尝试,把模型放在手机本地跑,不用每次都访问云端。这符合“边缘计算”的趋势,能减轻云端压力、提升响应速度。但目前还没有大规模流行,需要模型和硬件的进一步适配。方向是对的,但还需要时间。
制造业AI落地最扎实,To C“AI助理”被高估了
凤凰网财经:您早年深耕工业4.0,现在AI被寄予厚望要赋能千行百业。从您的观察看,目前中国哪些行业真正在用AI创造价值(而不是讲故事)?哪些行业的“AI改造”被高估了?
王喜文:制造业是AI应用最成熟、价值最确定的领域。我5月初刚去金川集团调研,他们生产镍板,以前是一整条产线,一个环节出故障整条线都得停。现在拆分成几个自动化单元,用无人小叉车串联,后台AI调度,实现了柔性制造。质量检测也用AI替代人工,降本增效非常明显。工信部从2015年开始推智能制造,到现在已经十年了,落地很扎实。
医疗领域也有不错的应用,比如AI辅助影像识别、药物研发。
哪些被高估了?我觉得一些To C的“AI助理”被高估了。很多产品功能看起来很炫,但用户用两天就扔了,没有真正解决痛点。还有一些行业的“AI中台”项目,花了大价钱,最后就是个报表工具,跟AI关系不大。
我的判断标准是:能不能带来可量化的降本增效?能,就是真价值;不能,就是讲故事。
05谈中国下一个“换道超车”:不在老赛道,而在量子计算
2045年中国制造业超过美国:最关键看变量技术突破速度
凤凰网财经:您曾经说2035年中国会达到中等发达水平,2045年制造业才能超过美国,判断依据是什么?您认为决定中国能否如期实现这些目标的最关键变量是什么?是技术突破速度、制度创新能力、国际环境演变,还是人口与教育基础?如果只能选一个,您会选什么?
王喜文:今年两会正式公布的“十五五”规划提出了“2035年人均GDP达到中等发达国家水平”的远景目标,日本人均GDP属于发达国家里面较低的,届时我国人均GDP就会超过日本。《中国制造2025》里面提出过2023年中国制造业水平达到世界制造强国中等水平,2045年乃至新中国成立百年2049年时进入世界制造业强国第一阵营。
如果只能选一个最关键变量,我选“技术突破速度”。为什么?因为产业链、供应链、内需市场、人口素质这些基础我们已经有了,中国是全球唯一拥有全部工业门类的国家,工程师数量也是全球第一。这些是“存量优势”。
但能不能赶超,取决于“增量”,就是技术突破的速度。高端制造、AI算法、芯片、工业软件,这些领域突破得快,赶超就快;突破得慢,就会被拉开差距。
美国也不会原地等我们,人家创新底子本来就强。所以我们要做的,就是在存量优势的基础上,把技术突破的速度提上去。
机器人红利能对冲人口红利?效率赢了,但别指望美国原地等你
凤凰网财经:我们正在经历的这轮AI与机器人革命,核心价值是“替代或增强人类劳动”。如果这一进程在2030年前后出现关键突破,中国的“人口红利消退”问题可能被“机器人红利”对冲。这种情况下,人均GDP达到中等发达国家水平是否会提前实现?反过来,如果AI拉大了中美在尖端制造领域的代差,2045年赶超的目标是否会变得更难?
王喜文:先说人口问题。按照国家统计局数据,2025年末,我国总人口为 140489 万人,全年出生人口 792 万人、死亡人口 1131 万人,人口总量同比减少 339 万人。2025年一年人口减少了339多万,有专家推算按照这个速度,每隔40年中国人口减半,到2100年可能只剩3-4亿人。人口红利确实在消退,AI和机器人是必然的替代方案。
如果机器人红利能及时跟上,人均GDP达到中等发达国家水平是有可能提前的。因为机器人不会抱怨、不会辞职、可以24小时工作,效率比人高得多。
但反过来,如果AI拉大了中美在尖端制造领域的代差,2045年赶超确实会更难。美国创新能力强,人家不会等我们。
所以结论是:机会和风险并存。机器人红利是机会,中美代差拉大是风险。最终结果取决于我们技术突破的速度和外部环境的变化。
总量超过≠质量超过,还有芯片、机床、航发、标准四个主要短板
凤凰网财经:“超过”这个词在经济学中其实很模糊。从总量看,中国制造业增加值已超过美国;但从品牌价值、核心零部件、利润率、国际标准制定权等“质量指标”看,差距依然明显。如果“超过”指的是综合实力,那么在您看来,目前中国在哪些关键领域仍然落后?AI和机器人会是补齐这些短板的“关键变量”吗?
王喜文:您说得对,“超过”分两种:总量超过和质量超过。我们现在是总量超过,质量还有差距。
关键短板在几个领域:
第一,高端核心零部件。手机摄像头用索尼的,存储芯片用三星的,这些我们还不强。
第二,高档数控机床(工业母机)。汽车、电子、航空零部件的精密加工,离不开高端机床,这块主要靠日本、德国、美国。
航空发动机。
第四,芯片,这个不用多说了。
第五,国际标准制定权。很多领域的标准是美国牵头的,人家有国际行业标准的话语权,我们只能跟着走。
AI和机器人能补齐这些短板吗?能,但需要时间。AI可以通过优化设计、模拟仿真,加速高端零部件的研发进程。机器人可以提升制造精度,减少对人工经验的依赖。但这不是一朝一夕的事,需要长期积累。
十万亿机器人市场:存量转移是账本,家庭服务才是增量
凤凰网财经:吴晓波此前预判机器人产业将形成“十万亿级市场”。按这个量级,它足以成为继房地产、互联网之后的又一个支柱性产业。但问题是:这十万亿是“增量”还是“存量转移”?即:机器人创造的是全新需求,还是主要替代现有劳动力?如果是后者,对GDP总量的净拉动效应可能被高估。您怎么看机器人赛道的市场空间?
王喜文:我的判断是:既有增量,也有存量转移,但增量部分会越来越大。存量转移方面,机器人替代人工,确实不会直接增加GDP——一个人被机器人替代,他的工资没了,但企业成本降低了,这部分是存量再分配。
但增量方面非常可观。未来每个家庭可能会有2-3个服务机器人,扫地、擦玻璃、洗碗、做饭、当保姆。这是以前不存在的需求,就像30年前没有人会想到每个人都需要一部手机一样。这部分是纯增量。
类比一下:90年代大哥大手机卖1万多,功能就是打电话;现在智能手机人手一两个,功能强大、价格便宜。机器人也是这个逻辑,以前百八十万一个,功能简单;现在成本越来越低,功能越来越强,走进家庭只是时间问题。
所以我认为“十万亿”不是空谈。但短期看,工业机器人是主力;长期看,服务机器人会爆发。
供应链优势不等于技术主导权,高精度传感器才是具身智能真正命门
凤凰网财经:有数据显示,中国已占据全球具身智能供应链的65%,这是令人振奋的数字。但供应链优势不等于技术主导权,就像苹果供应链在中国,但利润和标准制定权在美国。在具身智能的核心环节——运动控制算法、世界模型、仿真训练平台、高精度传感器,中国与美国的差距有多大?
王喜文:您的判断非常精准。供应链优势确实不等于技术主导权。在具身智能的核心环节上,差距是这样的:
运动控制算法:差距不大。这方面中国积累了很多,机器人“半马”比赛都能办,说明运动控制能力已经不错了。
世界模型:这是难点。世界模型让机器人理解物理世界,杯子怎么拿、门怎么开、路怎么走。这方面美国领先,但中国在追赶。
仿真训练平台:差距中等。仿真平台是训练机器人的“虚拟实验室”,美国NVIDIA的Omniverse很强,国内也有企业在做,但还没到同等水平。
高精度传感器:这些高端传感器我们依赖进口,确实存在被断供的风险。
所以,整体来看,中国在具身智能领域处于“比较领先”的位置,尤其是人形机器人的应用落地方面比美国热闹。但在底层技术(传感器、世界模型)上,我们还有短板,需要持续投入。
电动汽车的成功“可遇不可求”,新兴赛道有机会
凤凰网财经:电动汽车是中国制造“换道超车”最成功的案例之一,但也正在经历最严峻的考验。它既是AI和机器人机遇的“先行示范”,也可能暴露出一些结构性问题。电动汽车的成功经验,能不能“平移”到其他制造领域?比如半导体、工业母机、航空发动机?
王喜文:坦率地说,电动汽车的成功很难简单复制到其他领域。
为什么?因为电动汽车的成功有几个特殊条件:
第一,技术路线切换。传统汽车的核心是发动机,我们搞了几十年搞不定。电动车不需要发动机,换成了电池,这个技术路线切换给了我们机会。
第二,电池技术成熟。如果电池技术不成熟、续航不行,电动车也起不来。正好在双碳背景下,电池技术突破了。
第三,国家大力扶持。对新能源汽车非常重视,政策力度很大。
如果有下一个“换道超车”的机会,我觉得可能是量子计算。这是一个全新的赛道,大家起点差不多,中国有机会。所以我的建议是:传统领域老老实实补短板,新兴领域大胆布局抢赛道。
06谈AI落地:制造业瓶颈、人机关系与普通人破局
制造业用AI最大瓶颈不是算法,是数据太乱、老板太“传统”
凤凰网财经:制造业是中国的立国之本。您认为AI在制造业的应用,目前最大的瓶颈在哪里?是数据质量、算法能力、算力成本,还是企业家的认知和意愿?
王喜文:最大的瓶颈是“数据质量”和“企业家认知”这两个。算法不是问题,开源模型很多,拿来用就行。算力成本也在下降。
但数据质量是硬伤。很多制造企业的数据是散的、乱的、不标准的。设备数据存在不同格式,产线数据没有打通,历史数据缺失。AI模型需要高质量数据训练,数据不行,算法再强也没用。
企业家认知是软瓶颈。很多制造业老板还是传统思维,觉得AI是“锦上添花”不是“雪中送炭”。他们愿意花几千万买设备,但不愿意花几十万做数字化改造。认知不改变,AI就推不下去。
所以,我的建议是:先做数据治理,再做AI应用。数据基础打好了,AI的效果自然就出来了。
人和AI最好的关系:人做创意判断,AI做计算执行
凤凰网财经:您认为AI最终会让人类生活得更好,还是会让人类陷入“被算法支配”的困境?在您理想中,人类与AI应该是一种什么样的关系?
王喜文:我觉得这两者会同时存在。一方面,AI会让生活更美好。人人都是创作者,我退休后可以用AI重拾儿时的梦想,画画、作曲、拍电影,这些以前做不到的事,现在都能做了。
另一方面,被算法支配的困境也会存在。大数据杀熟、精准营销、信息茧房,这些会越来越普遍。你想让生活更方便,就要让渡一些隐私,这是难以两全的。
我理想中的人与AI关系是“协同”。不是“机器换人”,而是人机协同,人做擅长的事(创意、情感、判断),AI做它擅长的事(计算、生成、执行)。一起解决工作和生活的问题。
国外一直倡导“人机协同”,我觉得这是对的。咱们国内以前提“机器换人”引发了很多恐慌,这个说法确实需要调整。
国产大模型没进全球Top3?开源生态长期可能反超闭源
凤凰网财经:此前有专家指出了目前中国大模型的三个残酷的现实:第一,国产大模型至今未能跻身全球Top3;第二,虽然日均Token消耗量已突破140万亿,远超预期,但算力缺口依然巨大;第三,单一的大模型训练已不是终点,“Agentic AI”的崛起让推理需求翻倍。您怎么看?
王喜文:这三个现实确实存在,但我觉得不必过于悲观。
第一点,没能跻身全球Top3。这要看怎么定义“Top3”。如果单论基础模型的参数规模和通用能力,GPT、Claude、Gemini确实领先。但DeepSeek在某些专项能力上(比如长文本处理)已经领先了。而且开源是DeepSeek的杀手锏,GPT闭源,长期看开源生态可能会反超。
第二点,算力缺口巨大。这是真的。目前我国Token日均消耗量140万亿,说明AI应用正在爆发,但算力供给跟不上。这既是挑战也是机会,会倒逼算力效率的提升和国产芯片的突破。
第三点,Agentic AI让推理需求翻倍。这是趋势。过去大家关注的是“对话”,现在关注的是“执行”。OpenClaw这类智能体的出现,意味着AI不再只是回答问题,而是去执行任务、完成工作流。这对算力的需求是指数级增长的。
但这也意味着AI的商业化价值更大了,从“聊天”变成了“干活”,用户愿意付费的意愿也更强了。
算力时代,存储和芯片是硬通货
凤凰网财经:最近海力士很火,员工待遇好,穿公司T恤都觉得厉害。您怎么看半导体和存储芯片这轮大涨?
王喜文:很多韩国人现在给孩子不买保险,而是买三星、海力士的股票,当作长期投资,觉得未来能翻好几倍。这侧面说明大家看好算力市场。大模型时代,各行各业都在智能化,需要不断扩大算力规模、采购高端芯片。所以不只韩国,中国A股、美国也都看好这个行业。而且,数据既要计算也要存储,半导体自然紧密相关。
马斯克的厉害不在于“靠自己”,而在于“政府支持+市场化创新”两条腿走路
凤凰网财经:马斯克的SpaceX号称史上最大规模IPO。您怎么看?
王喜文:之前SpaceX又成功发射了几十颗星链卫星。它的意义在于:不在建地面基站(成本高、覆盖半径小),而是低空部署卫星,覆盖整个地球。未来不管喜马拉雅山、撒哈拉沙漠还是公海,都能高速上网。其他国家可以不用自己建5G/6G基站,直接接入星链交服务费就行。另外SpaceX还要做火星移民、月球旅游。这两个商业模式支撑了它的高估值。
凤凰网财经:有种观点称,马斯克的算力卫星是资本泡沫,您怎么看?
王喜文:马斯克虽是民营企业,但得到了NASA等美国政府机构的研发资金和技术转让。他是在政府支持下市场化运作,自己突破了很多技术,比如火箭回收、猛禽发动机的冗余设计。不能说完全靠自己,但主要创新还是他的团队完成的。
凤凰网财经:您怎么看马斯克和黄仁勋这类美国科技创新领袖?
王喜文:马斯克被称为美国科技领袖,国内雷军也主动找他合影。美国人有大胆想象的基因,从小动手实践,教育体制鼓励创新。第一次工业革命前有文艺复兴,让人解放思想;现在工业4.0时代会引发“文艺复兴2.0”,用AI创作,让人更有创意。马斯克成功在于敢想,又深度应用人工智能,做特斯拉、无人驾驶、机器人擎天柱,让技术落地。
普通人转型AI建议:拥抱它、不丢本行、从小处开干
凤凰网财经:您是AI实战专家和畅销书作家,对想转型AI的普通人有什么务实建议?
王喜文:三条建议:第一,拥抱AI:时代已到,你不用,竞争对手、同事会用,效率就比你高。《爱丽丝梦游仙境》里红桃皇后说:你必须不停地奔跑,才能留在原地。不拥抱新技术就会被抛弃。
第二,立足于本业:别盲目跨界。你最擅长的还是你深耕多年的领域。你是搞制造业的,就用AI优化制造;你是做教育的,就用AI辅助教学。不要因为AI火了,就扔掉本行去搞什么AI创业。你的行业经验加上AI的能力,才是你最大的竞争力。
第三,从小场景和具体痛点入手,边做边学(如用AI做1分钟宣传片或写行业报告),干中自然精进。一句话总结:立足本业,拥抱AI,小处着手,持续迭代。
作者:访客本文地址:https://www.10000lamps.cn/post/8571.html发布于 2026-06-17 11:11:44
文章转载或复制请以超链接形式并注明出处新华经济网

还没有评论,来说两句吧...