DeepSeek トレンド
0post
2025.11.29 23:00
:0% :0% （40代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
AIの勢力図が、ついに逆転しました。
MITとHugging Faceの最新調査により、オープンソースAI市場における中国のシェアが米国を上回ったことが露呈しました。
1. 世界シェア：中国「17%」vs 米国「15.8%」
2. 牽引役：DeepSeekやAlibaba（Qwen）の台頭
3. 背景：米国の輸出規制が、逆に中国の自社開発とOSS化を加速
OpenAIやGoogleが閉鎖的な戦略をとる一方で、中国はオープンソースで世界を席巻しつつあります。AI覇権争いの潮目が、大きく変わるかもしれません。 November 11, 2025
11RP
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的美国AI规则
Joe Tsai's HKU Speech: China's Four AI Assets and and the Misread U.S. "AI Winner Rule"
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
2RP
【悪意あるAIツール】無料で利用可能なジェイルブレイクAIツール「KawaiiGPT」がGitHub上で拡散している。WormGPTの亜種として、DeepSeek、Gemini、Kimi-K2などの商用AIモデルを悪用し、安全制限を回避して悪意あるコンテンツを生成する能力を持つ。
GitHub上で188以上のスターと52のフォークを獲得しており、APIキーは不要でLinuxやTermux環境に数分でインストール可能である。ユーザーはパッケージの更新、PythonとGitのインストール、リポジトリのクローン、簡単なインストールおよび起動スクリプトの実行だけで展開できる。KawaiiGPTの中核は、pollination agentsから派生したリバースエンジニアリングされたAPIラッパーを採用し、DeepSeek、Gemini、Kimi-K2などのモデルをホストするバックエンドサーバーにクエリをルーティングする。
セキュリティ研究者は、KawaiiGPTがフィッシングメール、ランサムウェアノート、Paramikoを使用した横方向移動スクリプト、データ流出ツールを生成するプロセスを強調している。遊び心のある挨拶を特徴とするカジュアルな「kawaii」ペルソナが、ソーシャルエンジニアリングや基本的な攻撃のための強力なアウトプットを隠し、初心者の脅威アクターの参入障壁を下げている。2025年7月に初めて確認され、現在バージョン2.5となっている。
コードベースの難読化が議論を引き起こしており、作成者は不正なリパッケージと転売を防ぐためと説明し、マルウェア、RAT、スパイウェアの存在を否定している。180-500人のメンバーを持つTelegramコミュニティがヒントを共有し、Palo Alto Networksがサイバー犯罪自動化の増加について警告を発する中、その進化を促進している。WormGPT 4が月額約50ドルの有料サブスクリプションでカスタム/微調整モデルを提供するのに対し、KawaiiGPTは無料のオープンソースとしてプロンプトインジェクションでガードレールを回避する。倫理的ペネトレーションテストのためと位置付けられているが、GitHubでの利用可能性が二重用途AIの時代におけるリスクを増幅させている。
https://t.co/VRKsYMVEdZ November 11, 2025
1RP
谷歌+阿里千问 强关联的八家公司！（整理版）
近日，谷歌发布了最新的大语言模型Gemini 3，多位业内权威人士认为其已经“超越”了OpenAI的GPT模型。这款大模型采用谷歌自研的TPU（张量处理单元）芯片，其性能受到业界的密切关注。
据悉，作为英伟达Blackwell芯片的一种可行替代方案，谷歌计划将TPU大范围推向市场，抢占英伟达10%的市场份额。已有媒体报道称，Meta正在考虑从2027年起在其数据中心部署谷歌的TPU，价值达到数十亿美元，还可能在明年通过谷歌云租借TPU。
11月17日，阿里巴巴正式宣布“千问”项目，全力进军AI to C市场。基于全球性能第一的开源模型Qwen3，以及与各类生活场景生态的结合，全面免费的千问App与ChatGPT展开全面竞争。
上线次日，千问App迅速攀升至苹果App Store免费应用总榜第四位，排名超越DeepSeek，其火爆人气一度导致服务器拥堵。11月19日，千问App在公测上线仅两天后，就冲入苹果App Store免费应用总榜第三位。
在业内人士看来，此次阿里推出千问App，堪比AI入口之战的“诺曼底登陆”。西部证券分析称，未来，阿里可能将通过订阅制、流量入口等商业模式建立C端盈利闭环，以模型+场景驱动AI服务更广泛地触达和转化终端用户。
本文整理了A股中，同时与谷歌和阿里有深度合作的八家公司，仅供参考！
1.蓝色光标
公司亮点：头部出海营销服务商，AI广告技术落地成效显著，2025年三季度净利润同比增长265.4%，在数字人、虚拟直播等领域的技术与业务布局成熟。
谷歌关联：作为谷歌全球超级合作伙伴，超80%营收与谷歌广告生态相关，拥有谷歌出海双重业务牌照，旗下BlueAI平台整合了 Google Veo3等模型用于广告创作，还获谷歌独家API接口和算法优化权限。
阿里关联：和阿里达摩院合作开拓虚拟直播技术，与阿里云共建数字人平台，为淘宝、天猫等提供数字营销服务，自研营销工具对接通义千问能力，阿里系电商是其重要客户来源。
2.万兴科技
公司亮点：国内创意软件领域标杆企业，旗下视频剪辑等产品在全球拥有较高知名度，是国内谷歌 AI 生态链核心企业，AI 技术在创意产品中的应用处于行业前列。
谷歌关联：深度绑定谷歌AI生态，完成谷歌Veo - 3等模型接入，旗下视频剪辑产品作为唯一受邀的中国视频剪辑产品亮相 2025 谷歌开发者大会，该产品还获Google Play全球首页首屏推荐，集成谷歌 Gemini 2.5 Flash能力后集成效率增长70%。
阿里关联：其AI视频创作、3D设计等产品可对接阿里电商生态中商家的创意营销需求，为商家提供短视频内容生成等服务，助力商家优化营销内容产出。
3.数据港
公司亮点：国内领先的IDC服务商，PUE行业领先，是双巨头AI算力基建的重要合作方，2025年与阿里签订160亿元长期订单，算力服务能力契合AI大模型训练与推理的需求。
谷歌关联：公司的高功率机柜与数据中心解决方案，可间接适配谷歌在亚太地区的算力布局，为谷歌相关AI业务的本地数据处理提供支撑。
阿里关联：作为阿里云数据中心核心供应商，提供高密度算力及液冷解决方案，为阿里千问大模型的训练与推理提供AI推理专用集群等解决方案，推动其算力需求持续释放。
4.石基信息
公司亮点：酒店、零售行业SaaS服务龙头，服务全球超10万家酒店，阿里为其第二大股东，其零售SaaS系统在行业内应用广泛，具备对接智能体拓展场景的潜力。
谷歌关联：其面向全球的酒店、零售行业SaaS服务，可对接谷歌生态中的海外商旅、零售客户，借助谷歌AI技术优化多语言服务与智能运营能力。
阿里关联：深度绑定阿里生态，将通义千问集成至酒店管理系统，千问APP计划整合淘宝购物功能后，其零售SaaS系统有望接入智能体进一步拓展应用场景。
5.中际旭创
公司亮点：全球光模块领域龙头企业，2025年三季度净利润同比增长124.98%，1.6T光模块研发处于领先地位，在800G/1.6T光模块领域的产品份额优势明显。
谷歌关联：是谷歌800G/1.6T光模块核心供应商，相关产品份额超 50%，来自谷歌的收入占比达12.8%，为谷歌算力传输提供核心硬件支撑。
阿里关联：作为阿里云800G光模块的主力供应商，可为阿里云支撑千问大模型的数据中心提供高速互联保障，助力阿里云算力网络稳定运行。
6.值得买
公司亮点：知名电商内容导流平台，在电商导购领域具备独特优势，通过AI技术优化导购逻辑，能有效提升平台商家流量转化效率，形成双电商生态的导购协同优势。
谷歌关联：跨境电商导购业务可对接谷歌广告生态，利用谷歌AI的多语言处理与用户偏好分析能力，为海外商品进入中国市场提供精准导流服务。
阿里关联：深度适配阿里生态，借助通义千问优化电商导购逻辑，为淘宝等平台商家提升流量转化效率，其“海纳”MCP Server还入驻阿里百炼。
7.易点天下
公司亮点：出海营销领域头部企业，连续9年获谷歌优秀合作伙伴大奖，2025年一季度营收同比增长超93%，AI 技术在多语种广告投放、短剧出海营销等场景应用效果显著。
谷歌关联：作为谷歌广告国内一级代理商，持有Google Marketing Platform官方销售合作伙伴资质，旗下KreadoAI平台接入谷歌 Gemini 3.0等模型，为短剧出海提供多语种改编服务。
阿里关联：借助通义千问的多语言与数据分析能力强化海外程序化广告投放效果，同时是阿里云代理伙伴，联合发布“AI 营销+云服务”方案，为阿里多个出海项目提供营销服务。
8.省广集团
公司亮点：营销行业数字化转型典范，旗下灵犀AI营销平台入选广州市“人工智能 +”优秀解决方案，2025年Q2智能营销收入占比提升至 35%，在汽车、快消等行业营销领域经验丰富。
谷歌关联：旗下上海拓畅拥有谷歌国内和海外核心代理双牌照，是谷歌官方授权的一级代理商，依托谷歌全球营销网络，为中国企业提供专业出海营销服务。
阿里关联：与阿里在大数据营销领域深度协同，灵犀 AI 营销平台整合阿里云混合云技术，还是优酷核心合作伙伴，独家代理其区域运营商赛道业务，还借助阿里系平台为中国品牌提供跨境电商营销解决方案。
内容仅代表个人观点，不表明对相关产品服务的风险和收益做出实质性判断或保证，您须独立作出投资决策，风险自担。相关内容仅面向博众客户，股市有风险 投资需谨慎! November 11, 2025
書きました
米国と比べてチップ処理力不足？
中国はDeepSeekが怪しい？
生成AIで世界的な電力不足で中国も？
などなど中国の生成AIの疑問が読んで解決の記事です
「中国の生成AIの現在地を中国メディアの報道から分析する（サイエンスポータルチャイナ）」 #山谷剛史記事
https://t.co/WR6tstE7cZ November 11, 2025
ちょっと真面目に書いてみました。
SBGがNVIDIA全売却した理由色々あるんだろうけど、俺の中で何となく見えたのはGoogleのチップ(TPU)をOpen AI使い始めたのが理由だと思う。
孫さんが今全力投球してる自分の出資先がNVIDIAから高いGPU買わされ収益圧迫せれるのは一番の問題であり、投資家として当然改善させる行動を取る。
その代替えに安価なGoogleチップで AI開発できるのが見えて来たからは本質ではないかと思う。
Open AIがTPU一部でも採用することが決まる、決まりそう。この辺が見えてきた辺り、孫さんは全部売ろうと決めたんではなかろうか。
一旦この出来事からも、NVIDIA関連から頭を外し、AI半導体に一定程度価格破壊が起きることを想定しながらやらないといけない。
中国ディープシーク登場の時とは違い、今回GeminiはGoogle自社製オリジナルチップなので、インパクトは格段に違うものだ。
米国は感謝祭でのんびりムードだけど、これはGPUの在り方が再考されるのは間違いないくて、株式市場には今以上に先を見て売られる買われる所が出てくるだろう。
TPUがどんな業界に対してブレイクスルーを起こすのか考えて恩恵ある株、と言うことは企業間では既に動きが出てるだろうし関連性のある企業を探してみる
NVIDIAはcudaがとか、そう言うものでももうない。 November 11, 2025
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的所谓“赢家规则”
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议
：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的所谓“赢家规则”
Joe Tsai's HKU Speech: The Four AI Advantages of China and the Misunderstood So-Called "Winner's Rule"
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。
倭人速報公式アカウント
