1.马斯克：人工智能将在3年后超过所有人类智能；

2.迈入“词元时代”，中国AI模型调用量为何爆发式增长；

3.人工智能科技向善发展；

4.人工智能赋能科学研究提速

1.马斯克：人工智能将在3年后超过所有人类智能

3月27日，埃隆·马斯克在社交平台X上回复网友发布的视频时表示，人工智能将在3年后超过所有人类智能。

稍早前，马斯克在社交平台X上表示，Grok Imagine下周将有重大发布。

北京时间3月26日，据彭博社报道，马斯克表示，他的AI公司xAI计划升级其AI视频生成器，以抓住竞争对手OpenAI本周决定停用其Sora产品所留下的市场空白。马斯克周三在X上表示：“下一版Grok Imagine的发布将会非常震撼。我们正在加倍投入。”Grok Imagine是xAI的视频生成工具。

此外，马斯克还在周三还分享了一系列由Grok聊天机器人生成的AI视频。他试图通过让用户快速创建逼真的图像和视频等功能，与ChatGPT及其他聊天机器人展开竞争。在今年2月马斯克出席的一次员工会议上，Grok Imagine视频产品被描述为xAI的四大核心领域之一。（文章来源：凤凰网）

2.迈入“词元时代”，中国AI模型调用量为何爆发式增长

全球主要人工智能（AI）模型聚合平台“开放路由器”数据显示，今年2月以来，中国AI大语言模型每周以词元计算的调用量大幅上升，已超过美国的AI模型。分析人士认为，“开放之爪”智能体等AI应用的兴起极大提升了对算力的需求，中国AI模型凭借开源、成本及架构等方面的优势得到广泛认可。

“开放路由器”允许用户切换使用不同的AI模型。其数据显示，用户通过该平台调用AI模型总量已经从今年年初的一周约6万亿词元大幅上涨到截至3月22日一周的20.4万亿词元。当周排名前四的AI模型均由中国企业研发，中国主要的AI模型总调用量超过7.3万亿词元，较此前一周增长超过50%。而美国主要AI模型当周总调用量约为3.5万亿词元。

除“开放路由器”平台外，中国的AI模型在全球知名开源平台“抱抱脸”（HuggingFace）上的全球使用排名同样处于前列。

有分析认为，近期AI智能体兴起，是算力需求快速提升的原因之一。以“开放之爪”为代表的智能体可以在现实世界执行任务，在科技界乃至普通民众中引起广泛兴趣。

“开放之爪”本身可以免费部署，但需要AI模型驱动并通过大量词元执行任务，词元调用量和调用成本就成为影响产品应用的重要因素。在AI世界里，词元指模型处理和生成信息的基本单位，AI不直接认识字或词，而是通常把语言切割成词元，再映射成AI可以理解和处理的数字ID。

英国《泰晤士报》科技商业编辑凯蒂·普雷斯科特日前撰文说，中国AI模型之所以受到欢迎，一个重要原因是其能够以远低于美国模型的成本完成同样的任务。以词元输出定价为例，中国深度求索公司的DeepSeek-V3.2模型每输出100万个词元收费0.28美元，而美国开放人工智能研究中心（OpenAI）的GPT-5.4模型收费则为15美元。

普雷斯科特认为，中国AI模型成本优势源自采用开源模式、中国电力供应更加充足等因素，并通过高效模型架构弥补硬件方面的不足。她说，从技术层面看，中国的AI开发者持续优化“混合专家”等架构，使模型在处理任务时仅激活相关的部分进行计算，而非调用全部模型能力，从而显著提升计算效率并降低成本。

在美国，中国AI模型吸引的不仅仅是使用者。据美国科技新闻媒体“科技关键”报道，美国初创企业阿尼斯菲尔公司近日推出一款新模型，号称具有“前沿级别的编程智能”。然而，很快有网民在社交媒体上指出，这款模型是基于一款中国开源模型，却在发布公报中只字未提。

“科技关键”的报道指出，除了可能因为自己没有从零开始打造模型而感到尴尬外，阿尼斯菲尔公司方面的顾虑也许在于，在美国舆论不断渲染所谓“中美AI竞赛”背景下，承认基于中国模型进行开发可能会招致麻烦。然而，据业内人士估计，目前约80%美国AI初创企业利用中国的开源AI模型开展研发。

美中经济与安全评估委员会日前发布的一份报告说，尽管面临打压和算力限制，但开放的产业生态使中国仍能够在接近前沿的领域进行创新，“中国AI实验室已经缩小了与西方顶级大语言模型的性能差距”。报告认为，中国在工厂、物流网络和机器人等领域应用AI，所产生的“真实世界”数据可以用来改进模型，形成“数字循环”与“实体循环”的融合。《南华早报》援引美国分析人士的观点报道说，中国不同的开源模型可以形成生态体系，相互借鉴，为AI发展形成正反馈机制。

路透社评论，尽管西方不断有声音宣称中国开源AI模型存在所谓“安全风险”，但许多企业还是“用脚投票”。有分析认为，开源模型允许企业审核源代码、验证安全属性并确保数据隐私，对于一些受监管产业和需要处理敏感用户信息的企业尤为重要。

西门子股份公司董事会主席博乐仁日前表示，中国开源AI模型具有成本优势，且易于定制参数，用于训练该公司专门用于工业自动化的AI模型“没有不利之处”。（文章来源：新华网）

3.人工智能科技向善发展

随着人工智能（AI）从技术研发走向规模化应用，这一技术正深刻重塑着全球产业格局与社会生活形态。在近日举行的博鳌亚洲论坛2026年年会上，人工智能也成为最具人气和讨论度的话题之一，相关主题分论坛常常是座无虚席。

当前全球人工智能发展有哪些趋势？“AI+”如何深度赋能各行各业？未来如何更好实现AI治理？政商学界嘉宾围绕这些热点话题进行深入探讨，为AI发展贡献“博鳌智慧”。

迈向智能体时代

多位与会人士认为，全球AI发展正迎来跃变的关键时刻，亚洲有望在全球AI发展中扮演重要角色。

中国工程院院士、清华大学智能产业研究院院长张亚勤曾在10年前出席博鳌亚洲论坛时预言“互联网+”将转向“AI+”，如今昔日预判已成现实，他分享了自己对未来AI演进趋势的判断：一是从生成式AI发展到智能体AI，AI不再仅输出内容，而是作为主动执行者参与决策和行动，今年将成为智能体AI元年。二是从信息智能走向物理智能和生物智能，如机器人、无人驾驶、生物制药等。三是从AI走向“AI+”。AI正走向每行每业，它不仅是一个工具，更将重塑企业管理的底层逻辑和思维方式。

“人工智能时代，产业和企业的作用变得更加重要。”中国社会科学院大学教授江小涓强调，过去10年，中国前沿大模型研发主体发生根本性转变；2014年前约60%由高校提出，2014年后90%由平台型大企业主导。传统的“科研—转化”线性创新路径，已经转向依靠数据、算法、算力等海量资源投入带来的融合创新。

在全球AI发展格局中，各国因资源禀赋、人才储备、应用场景等差异呈现出不同路线。多数嘉宾认为，亚洲尤其是中国在AI方面异军突起，具备独特优势，人工智能合作有望成为区域经济一体化新增长点。

德勤中国研究主管合伙人陈岚表示，很多亚洲经济体都将人工智能明确上升为国家战略，并出台了中长期规划。中国、韩国等在算力基础、核心算法方面具有优势，印度、印尼等潜力型经济体则拥有丰富的应用场景和数据积累，这种差异化能力互补促成了联合创新，成为亚洲人工智能一体化的主要模式。

清华大学苏世民书院院长、人工智能国际治理研究院院长、中国科技政策研究中心主任薛澜表示，当前全球AI发展形成了良好的开源生态，中国的开源大模型为全球人工智能技术普及作出了重要贡献。由于全球拥有大模型研发能力的国家有限，许多国家依赖开源大模型作为发展底座，中国的开源成果有效降低了这些国家的技术门槛。

“在AI区域合作方面，亚洲有非常强劲的需求与活力。”中国信息通信研究院院长余晓晖表示，2025年全球人工智能独角兽企业中，亚洲的中小企业约占28%。中国信息通信研究院协助国际电信联盟开展“人工智能向善”征集的全球案例中，55%来自亚洲，集中于医疗、教育、政务服务等领域。

赋能千行百业

与会人士普遍认为，AI技术不断成熟，正加速渗透千行百业，推动产业升级，塑造全新经济业态。

在博鳌亚洲论坛2026年年会“人形机器人的进阶与飞跃”分论坛上，“论坛最年轻的机器人嘉宾”北京人形机器人创新中心具身天工3.0，首位数字人嘉宾百度智能云数字人薇薇·朵拉（ViviDora），以及星动纪元Q5机器人轮番自我介绍并现场互动，直观展现了具身智能与人工智能融合发展的成果，引来现场观众纷纷拍照。

针对人形机器人何时能迎来颠覆性突破，北京人形机器人创新中心CEO熊友军表示，技术突破并非在瞬间发生，而是一个与技术成熟度、商业价值、社会需求深度耦合的渐进过程。目前，在结构化环境、简单重复的应用场景中，依托世界语言行为大模型，人形机器人已开始落地应用。去年中国人形机器人发货量近2万台，预计今年将实现大幅增长，其应用落地速度可能超出市场预期。

“目前对于普通大众来说，手机是体验和接触AI最便捷的设备。”vivo AI副总裁张飞介绍，vivo把大模型的研发重点放在端侧，持续发力智能体手机，即整个手机表现得像一个智能体，普通用户同手机的交互更加自然拟人、符合直觉，同时手机具备学习和进化能力，操作变得越来越简便。

京东集团副总裁、首席经济学家沈建光则以AI赋能供应链全流程为例，介绍了AI赋能的可行路径。“京东是以供应链为基础的科技公司，目前仓储物流的各个环节都已实现AI赋能，有效提升了劳动生产率与运营效率。实践证明，人工智能大模型正在为企业高质量发展注入强劲动力。”沈建光说。

除了科技领域，像家政业、采矿业等传统领域，如何更好适应AI也已成为企业发展的必答题。

“国家刚刚出台了《关于加快建立长期护理保险制度的意见》，这将催生巨大的家政护理服务需求，同时也要求家政服务行业必须借助AI提升效能。”作为家政服务业的领军企业，天鹅到家创始人兼首席执行官（CEO）陈小华表示，天鹅到家正积极拥抱AI。在软件方面，以后公司的家政服务将接入人工智能生态，家政服务人员将使用各种人工智能体（AI Agent）服务来提升效率。硬件方面有三大类AI工具正在落地，分别是劳动者工具类、安全与服务监督类和体验与效率增强类。未来希望通过人机协同提升家政服务效率，优化消费者体验，进一步拓宽服务消费领域和质量。

福德士河集团是来自澳大利亚的铁矿石巨头，该公司执行董事长及创始人安德鲁·福瑞斯特认为，新能源技术必须与人工智能相结合。他举例说，当阳光照射太阳能光伏板时，初始效率很高，但一片云飘过时效率会立即变化——人脑无法跟上这种天气的瞬息万变，但人工智能可以。因此，在太阳能光伏系统及光伏与电网接入处加入AI，能实现更高效的太阳能能源电网管理。

携手推进AI治理

前不久，OpenClaw掀起风靡全球的“养虾热”，给民众普及了智能体的概念，但随之而来的安全漏洞、权限风险等问题也让人们对AI应用有了更多理性思考。“AI治理”“AI向善”成为本届年会上的高频词。

新西兰前总理希普利认为，AI发展需兼顾技术创新与人性守护，应推动实现AI向善，并充分考虑其社会影响。她表示，AI与机器人的发展需明确责任主体，当技术应用出现不良后果时，开发者应承担主要责任。同时，大模型的发展依赖全人类贡献的数据，但目前数据整合缺乏明确许可流程，个人视频数据使用涉及隐私与道德问题，需保障个人知情权与同意权。此外，不同国家监管政策存在差异，未来仍需共同探讨个人数据应用边界，避免机器人技术挑战人性、加剧社会不公。

“AI要发展，但发展不能丢了人。”江小涓用3个词来描绘向善的标准：合理，看它能否提升效率、增进社会福利和公平分配；合用，看它是否给人民群众带来生活改善、幸福增加等获得感；合意，是否符合人的本真需求。

“面向智能体时代，未来人工智能治理的重点将集中在垂直应用场景。”薛澜认为，如今AI带来的影响较以往工业革命更为广泛，过去的工业革命主要替代了人类的体力劳动和信息处理能力，当前人工智能直接冲击的是人类引以为傲的智力能力。各国政府应当严肃认真地对待这种深刻变化，通过政策手段科学引导产业发展和应对冲击。

针对AI技术飞速发展与相关治理决策滞后性之间的矛盾，张亚勤提出三点建议：首先，AI生成的内容要有标识。其次，所有的智能体要能追溯到实体，拥有它的实体要承担相应的责任。再次，智能体不能自我生成、自我复制。

英国牛津大学马丁学院人工智能治理倡议高级顾问兼多边人工智能主任萨姆·道斯表示，各国监管需兼顾创新与安全，目前中国、欧洲、英国已出台相关框架，未来需推动建立国际统一技术标准，兼顾不同语言和文化适配性。（文章来源：新华网）

4.人工智能赋能科学研究提速

2025年8月，《国务院关于深入实施“人工智能+”行动的意见》发布，“人工智能+”科学技术被列入重点行动，涉及加速科学发现进程、驱动技术研发模式创新和效能提升等内容。

随着通用大模型能力加速迭代，人工智能赋能科学研究（AI for Science，简称AI4S）正成为全球科技创新的核心赛道，掀起一场关乎科研底层逻辑的范式革命。

中国信通院发布的《人工智能产业发展研究报告（2025年）》显示，2023年至2025年上半年，我国人工智能+科研垂直领域投融资活跃度不断走高，2025年上半年，AI科研应用在全国范围内获投规模约10亿元。

然而，与产业一片火热形成鲜明对比的，是摆在科研人员面前的现实矛盾：现有的科学多模态模型往往依赖海量且难以获取的数据，训练过程如同“黑盒”，难以复现和改进。数据需求量大、生态亟待培养、国际竞争加剧……科研工作者正在探索重构AI4S开发范式，致力于驱动“AI科学家”自主进行科学发现。

小数据+开源 实现AI4S“四两拨千斤”

是否真的需要数以亿计的数据才能教会AI理解科学？这是萦绕在众多科研工作者，特别是AI4S领域研究人员心中的疑问。

2026年开年，一份最新“科学智能实战指南”在开源社区发布。来自上海交通大学、深势科技（DP Technology）、记忆张量（MemTensor）、中国科学院理论物理研究所等机构的研究团队，联合发布了Innovator-VL多模态大模型。

研究人员表示，Innovator-VL的训练过程证明，无需盲目堆砌数据，仅凭不到500万条精心挑选的科学训练样本与透明的训练策略，便在多项科学基准测试中超越了许多数据量动辄上亿的模型，打破了科学大模型“唯数据量论”的“暴力美学”，验证了“质量优于数量”的技术路径。

Innovator-VL论文第一作者温子辰向记者表示：“在缺乏大规模数据的情况下，高效且可复现的科学多模态模型不仅是可能的，更是通向未来科学发现的实用途径。”

据介绍，作为专为科学领域定制的多模态大模型，Innovator-VL实现了跨尺度、跨学科的全场景科学理解能力。从微观世界的分子式、晶体结构、冷冻电镜图像，到宏观宇宙的天文光变曲线、遥感影像，再到数理逻辑领域的复杂公式、算法流程图，模型均能实现深度解析与逻辑推理。在实测案例中，面对天文学核心的天体光变曲线分析任务，通过光变曲线特征、波段演化规律完成严谨的逻辑推导，模型精准识别Ia型超新星的光变特征；在有机化学场景中，模型识别反应物结构、拆解官能团特性、匹配反应类型和选项，辅助化学领域推理。

值得注意的是，不同于行业内“仅开放模型权重”的常规开源模式，Innovator-VL研发团队完整开源了端到端可复现的全流程开发流水线，涵盖数据采集清洗方法论、完整的指令微调与强化学习策略、超参数优化方案与评测框架。

上海交通大学人工智能学院助理教授张林峰认为，AI在科学研究中的角色，正在从“加速工具”逐步演变为“认知参与者”。“过去我们更多关注的是让模型更快地处理数据，但未来更关键的问题是它能否参与科学问题本身的定义与重构之中。”张林峰表示。

在这一视角下，Innovator-VL的意义不仅在于性能提升，还是对“AI是否能够成为科研过程一部分”的一次前瞻性探索。这种探索，或将重新定义人机协作在科学发现中的边界。

以Innovator系列模型为代表的AI4S领域接连突破与全面开源，不仅为科研工作者提供了高效可复用的研发范式，更让缺乏海量算力与数据资源的高校、中小科研机构，得以低成本参与科学智能的创新探索。中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南直言，当前AI4S的关键基础设施已逐步成形，Agentic Science at Scale（规模化自主智能体科研）的新时代正式开启。

全链条纵深突破 中国AI4S竞速新赛道

Innovator系列模型的成功，只是我国AI4S蓬勃发展的缩影。当前，我国正形成“底座模型突破—科研能力迁移—产业场景落地”的全链条发展格局，协助科研人员破解传统科研“周期长、成本高、试错难”的核心痛点，全力竞逐全球AI4S研究高地。

中国工程院外籍院士、香港科技大学首席副校长郭毅可认为，AI4S不仅是技术革命，更是认知革命，正推动科研范式从“试错驱动”向“数据+模型驱动”转变，让AI从被动的效率工具，升级为可主动推理、自主演化的科研合伙人。

“产业需求牵引+产学研协同创新”的特色路径，形成了基础创新与产业落地的正向循环，开源成果也大幅降低了行业研发门槛。但AI4S的规模化落地仍面临诸多共性挑战，包括多模态信息对齐、高质量标准化数据稀缺、模型幻觉与可验证性等瓶颈，以及跨学科人才缺口、行业标准缺失、算力成本高企等问题。

未来，随着产学研协同持续深化、开源生态不断完善，中国AI4S创新将持续为全球科研范式变革贡献可复用的中国方案，推动AI真正成为科研工作者的“最佳助手”与“超级合伙人”。（文章来源：新华网）