标签: 人工智能
“AI消费者”助力韩企预测消费行为
新华社北京10月27日电从上架新产品到店铺布局, 如何提早知道顾客的消费偏好? 如今, 韩国零售商引入基于人工智能(AI)的虚拟消费者来预测购买决定、微调价格并发现购物体验中的潜在缺陷。 据《韩国先驱报》26日报道, 这些被称为“合成消费者”的AI购物者基于大型语言模型和消费者数据构建而成, 旨在模拟真人消费行为。借助它们, 企业得以在不耗费时间和费用进行传统消费者调查的情况下, 对新产品、营销活
重磅! 巨头合作 英特尔牵手AMD, 简化x86 CPU AI开发
曾经的竞争对手站到了一起。10月21日, 《每日经济新闻》记者从英特尔处获悉, 英特尔与AMD正展开合作, 将双方针对PyTorch的x86CPU优化成果, 整合到开源深度学习库oneDNN中。这一合作将为开发者提供一条通用软件路径, 优化英特尔和AMDCPU上的AI工作负载, 减少x86AI生态的软件碎片化, 进一步简化PyTorch应用在C86系统上的开发、维护和部署。 据悉, 根据x86生态
阿斯麦深陷产能不足困境
参考消息网10月20日报道据西班牙《经济学家报》网站10月14日报道, 14日, 芯片行业迎来了一个重要消息: 行业巨头荷兰阿斯麦公司(ASML)将无法完全满足市场对芯片制造设备的需求。作为目前欧洲市值最大的上市公司, 这家荷兰企业在其季度财报中指出, 受人工智能(AI)领域支出激增的影响, 公司正设法在未来两年内提高芯片制造设备的产量。 这家总部位于荷兰费尔德霍芬的企业表示, 根据目前的供应计划
10万亿美元AI狂欢成美国隐忧
[环球时报驻美国特约记者冯亚仁]“价值10万亿美元的美国人工智能基础设施热潮如今负债累累, 正出现裂痕。”英国《金融时报》18日报道称, 2025年至2032年, 美国人工智能基础设施支出预计将超过10万亿美元, 规模远超以往铁路、公路和电气化等基础设施建设浪潮。报道称, 如此大规模的资本支出激增却与发电厂、芯片和数据中心在实际建设中的缓慢进展与复杂经济效益产生冲突。这并非某个公司正在遭遇困境,
国家重视Ai投喂，这是大好事呀！Ai的创新普及，是一次革命性的进步，有报道称
国家重视Ai投喂，这是大好事呀！Ai的创新普及，是一次革命性的进步，有报道称已经可以破解数学难题。但Ai在意识形态，人文上的训练投喂，存在着现有资料的真实价值，是否客观公正的问题，我们眼前的事实就摆在哪里，历史虚无主义，修改文献，篡改历史著作，有的人为了给自己找功，甚至可以颠倒黑白。Ai没有立场，不会辩解别，你投喂什么训练，它就按什么标准分析判断，这是一个篡改历史，让黑历史，虚无价值从黑变红的途径，后患无穷。据报道，上海人工智能实验室做了个测试：给AI喂伪科学，它不拒绝，还给你写成论文！担心的事，原来国家层面己重视了，这是个很好的事，利国利民！论文叫PseudoBench，上海人工智能实验室牵头，西安交通大学和上海交通大学参与，2026年6月挂在arXiv上（2606.18060）。有兴趣的可以了解一下！也有报道，日本右翼长期在做数据投毒，把Ai武器化，海外AI回答歪曲南京大屠杀史实，把南京大屠杀淡化称为“南京陷落”，质疑30万遇难人数，甚至编造“日军善待平民”。另外日本政府自研政务AI源内，它本身的史料库就偏向淡化侵略历史，这套是日本国内自用的政务AI，不是国际通用大模型。Ai是个好东西，但被坏人利用，被投喂毒数据，就是祸害。Ai上海人工智能实验室上海交大西安交大Ai的利与弊
很多人惊叹老干妈智能化升级带来的效率优势，AI设备全天候作业，不用承担人力社保成
很多人惊叹老干妈智能化升级带来的效率优势，AI设备全天候作业，不用承担人力社保成本，大量拣椒岗位被替代。技术革新固然是产业升级大势，但背后的就业问题不容忽视在贵阳昌明生产基地，AI视觉设备正在取代传统拣椒工人，高速工业相机每隔0.3秒扫描一遍传送带上的辣椒，有斑点、发霉的次品直接通过气流吹入废料箱。过去这条生产线，有六百多名工人专门挑拣辣椒，长时间盯着辣椒，眼睛容易疲劳发花，手抖、漏检是家常便饭。而现在整条产线只保留48名老师傅，负责最后的人工复核。灌装生产线提升同样惊人，自动化设备每分钟可以灌装157瓶辣酱，人工操作最快一分钟只能完成16瓶，效率差距一目了然。根据企业年报公开的参保信息，贵阳南明老干妈风味食品有限责任公司城镇职工养老保险参保人数，2023年是1783人，2024年下降到941人，到2025年只剩下740人。两年时间参保职工减少1043人，降幅接近六成。企业投入AI自动化设备之后，生产不良率压到0.02%，产品品质更加稳定，连续三年营收稳定在50亿以上，2025年营收达到54亿。站在企业经营角度来看，老干妈没有偷税漏税，社保也依法足额缴纳，投入智能设备提质降本，完全是合规的产业升级。但技术升级带来的另一面，是大量岗位被机器替代，这也是我们需要冷静思考的社会课题。很多人容易忽略社保体系的底层逻辑，社保资金池，依靠企业和职工双方共同缴费支撑。企业雇佣一名正式员工，单位要承担养老保险16%，个人承担8%，叠加医疗、失业、工伤等险种，企业每月支出接近工资基数三成。可是机器没有工资，不用交社保，不需要休假，更不会退休。大量岗位被AI替代，直接带来的结果就是社保池子的流入资金随之缩减。被优化下来的工人，很难再找到一份稳定缴纳职工社保的岗位，不少人转为灵活就业人员。灵活就业人员参加养老保险，缴费比例为20%，原本由单位承担的16%部分，全部由个人承担。风里来雨里去赚钱，社保缴费压力全部压在劳动者身上，收入不稳定，议价能力弱，社会保障水平也随之下降。这些离开工厂的工人，去向大致分成两类。年纪偏大，学习新技能难度高的工人，选择返乡生活。剩下的大部分人，涌入外卖、网约车、摆摊这类灵活就业赛道。我们不能简单一句“劳动者要提升自身技能”就把问题一笔带过。制造业普通工人，大多没有高学历，长期从事流水线作业，职业技能单一。一旦离开工厂，转型的选择空间十分有限。灵活就业岗位虽然能够解决短期生计，但收入波动大，缺少工伤、医疗等配套保障，一旦生病或者遇到意外，抗风险能力非常薄弱。当越来越多稳定就业的工人转成灵活就业群体，社会消费能力也会受到影响，稳定拿工资的群体变少，日常消费自然收缩，长远来看，企业生产出来的商品，也会面临消费市场萎缩的难题。老干妈并不是制造业智能化转型里的孤例，这是一场席卷国内整个工业领域的大趋势。新华网2025年8月5日报道，IDC调研数据显示，国内工业企业应用大模型和智能体的比例，从2024年9.6%增长到2025年47.5%，一年增长近五倍。早年间贵州省政府公开材料就提到贵阳海信的智能化改造案例，企业员工从1000人压缩到500人，人员减半，产能反而翻倍。食品、家电、汽车、电子制造行业，都在大规模引入AI、自动化设备，削减人工岗位，提升生产效率。老干妈的辣椒拣选车间，只是这场产业变革里最直观的一个缩影，未来还会有更多制造业企业走上智能化升级这条路。放眼全球，不少国家已经开始探讨机器人征税，用来平衡自动化带来的社会矛盾。比尔·盖茨早在2017年就提出观点，如果机器人替代人类完成工作，机器人也应当像工人一样缴税，征收的资金用来培训被替代的劳动者。韩国已经对自动化征税政策展开深入研究，美国纽约州曾经提出相关草案，按照被替代员工对应的税费核算；意大利规定企业主要依靠机器人、AI生产，可以提高税率，如果资金投入员工技能培训，则享受税收减免。当然欧盟曾经讨论过相关方案，最后没有落地，英国也明确表示反对，担心过重的政策约束打击企业技术升级的积极性。我始终认为，智能化、AI改造一定是未来产业发展的大方向，我们不能为了保住传统岗位，拒绝技术进步。自动化带来产品品质提升，降低生产成本，最终消费者也能享受到稳定优质的产品。但是技术进步带来的红利，不应该全部转化为企业利润，而忽视技术替代背后的社会成本。社保体系建立的根基，是大量稳定就业的职工共同缴费。当AI持续替代人工，社保缴费的基础就会受到冲击。产业升级不能只算企业的经济账，也要算社会民生账。
可怕的拼多多，专注到极致……都说AI是风口，各大大厂砸钱allin，
可怕的拼多多，专注到极致……都说AI是风口，各大大厂砸钱allin，拼多多手握4564亿现金却淡定旁观，这定力真不是一般企业能有的！别人争先恐后抢赛道、搞大模型博眼球，烧钱也要抢占舆论高地，拼多多偏不跟着凑热闹。不高调发布AI产品，不在财报会上大谈AI战略，不是看不懂AI的价值，而是不盲目跟风烧钱。黄峥这套思路很清醒，不被行业喧嚣裹挟，不把资本浪费在概念炒作上。企业的核心是守住主业、创造真实利润，而不是为了蹭热点硬上项目。比起追着风口跑，沉下心做自己擅长的事，才是顶级的商业智慧。
贝佐斯说：人工智能有望让每周3天工作制普及。网友说，不用3天，5天就知足了[允悲
贝佐斯说：人工智能有望让每周3天工作制普及。网友说，不用3天，5天就知足了[捂脸哭]
好消息！好消息！Al应用端估计要大反弹了！ 高层会议点名AI！重点
好消息！好消息！Al应用端估计要大反弹了！高层会议点名AI！重点推人工智能+，应用赛道迎来机会，下周相关产业链稳了国务院常务会议定调人工智能，明确AI是影响未来发展的关键变量，依托国内完整产业体系与丰富场景，持续深化拓展“人工智能+”行动，用落地应用来带动技术层面的创新突破。第一，直接提振AI应用端板块的市场预期。这次会议重点强调落地应用牵引创新，不再只盯着算力硬件。资金的关注点会慢慢往AI+各行各业的应用方向倾斜，工业、政务、企业服务这类场景化标的会迎来更多关注。之前硬件持续走强，应用端一直偏弱，这条消息有望改变资金的选股偏好。第二，利好整条AI产业链，打开长期估值空间。会议肯定AI的战略地位，等于给赛道吃下长期定心丸。从底层算力、模型，到中间的工具组件，再到下游行业应用，整条产业链都会受益。市场会重新评估AI板块的长期价值，不再单纯当成短期题材炒作。第三，带动产业数字化主线轮动扩散。“人工智能+”不是单一技术，是AI和各行各业融合。资金会向外扩散挖掘，智能制造、智慧医疗、智慧交通等细分方向，都有机会被资金轮动。相比纯概念小票，真正有落地项目、产生实际订单的企业会更受青睐。但也要理性看待，政策是长期方向，不会马上兑现业绩。短期更多是情绪催化，板块容易出现冲高回落。不少公司只是沾概念，实际落地订单很少，跟风炒作风险不小。后续重点看落地政策细则，以及企业订单释放情况。行情机会会慢慢向有真实商业化落地的公司集中，单纯讲故事的标的很难持续走强。
![艺谋透露三体已经成立AI小组，都是90后精英。看出老谋子很想跟上这个时代[笑着哭]](http://image.uczzd.cn/2648751667625080485.jpg?id=0)
艺谋透露三体已经成立AI小组，都是90后精英。看出老谋子很想跟上这个时代[笑着哭]
艺谋透露三体已经成立AI小组，都是90后精英。看出老谋子很想跟上这个时代[笑着哭]
你们难道没有发现，清华现在是一台造富机器吗？中国AI创业圈有一张隐形的“清华校
你们难道没有发现，清华现在是一台造富机器吗？中国AI创业圈有一张隐形的“清华校友录”。月之暗面杨植麟、智谱AI唐杰、无问芯穹夏立雪、面壁智能刘知远、百川智能王小川、阶跃星辰印奇、腾讯AI一号位姚顺雨。从大模型到芯片，从底层算力到应用层，最硬的那几块拼图，几乎被同一所学校的校友包圆了。IT桔子2026年9月的数据，清华大学毕业生共参与创立了288家AI公司，其中240家获得至少一笔投资，获投率83.3%。北京大学184位AI创业者，获投率78.1%。上海交通大学81.8%，浙江大学83.5%。清华在AI创业人数上遥遥领先，比第二名北大多出近一倍。再看几个具体的人，杨植麟1992年生于广东汕头，三次被清华录取，从热能工程系转到计算机系，以年级第一毕业。在CMU四年拿下博士学位，是Transformer-XL和XLNet的第一作者。2023年创立月之暗面，两年内估值冲到315亿美元，个人身家突破1100亿元。他的导师唐杰，清华计算机系教授，KEG实验室二十年积累，2026年1月带着智谱登陆港交所，市值一度突破1.3万亿港元。姚顺雨1998年出生，高考704分安徽理科第三名进清华姚班，普林斯顿博士，在OpenAI做智能体核心研发。2025年12月入职腾讯，出任CEO/总裁办公室首席AI科学家。到2026年9月已统管基础模型部、AIInfra部、AIData部，覆盖混元大模型从研发、算力到数据评测的完整链路。他坐在马化腾右手边，混元团队80%是95后。值得看的，是这张图里有一个名字不在上面。梁文锋，DeepSeek创始人，浙江大学电子信息工程本科、信息与通信工程硕士。他不在清华的师承线上。DeepSeek核心团队里，跟着他从幻方量化出来的三位创始高管李欢、郑达韡、陈哲，全是浙大同学。浙大校友创办的独角兽企业共25家上榜，DeepSeek以3400亿元价值位列全球前15位、中国并列第4位。一个浙大人，在清华系占据绝对优势的AI大模型赛道上，撕开了一道口子。这恰恰说明了一个问题：清华系越强，圈子越紧。中国AI的半壁江山，走路十分钟就逛完了。搜狐网络大厦、原点大厦、清华科技园，一圈楼里扎堆着月之暗面、智谱、百川、面壁、无问芯穹。校友口中的“老师”“同学”“师兄师弟”，是AI创业圈里最重要的信任体系。唐杰的智谱转头就投了好几家师门后辈的公司。这种同源信任网络降低了协作成本，加速了人才和资金的流动。但同源网络有一个结构性风险：路径依赖和群体盲区。清华姚班2022级的学生说得很实在：大一到大三都没有接触过商业课程，“我们学的都是计算机相关的技术，没有关于商业的课，大家毕业后搞科研的比较多”。对比来看，CMU的人工智能专业设有《人工智能与未来市场》，斯坦福商学院为计算机学生提供《从创始人到首席执行官》系列课程。一个清华系AI创业者的圈子，如果大部分人都没有受过系统的商业训练，他们做出来的产品会倾向于技术驱动而非场景驱动，他们的融资逻辑会倾向于“参数更大、榜单更高”而非“客户更愿意买单”。这不是清华一家的问题。所有高度同源的技术创业集群都面临同样的考验。硅谷的“PayPal黑帮”也曾经是一个封闭的校友网络，但他们后来做的一件关键事情，是刻意引入不同背景的合伙人——法律、金融、设计、运营。健康的创新生态，需要异质碰撞，需要不同知识背景的人在一起摩擦出火花。当圈子里的每一个人都来自同一个实验室、同一个导师、同一套方法论的时候，大家对“什么是好问题”的判断会趋同，对“什么值得做”的边界会收窄。清华系是中国科技创业最硬的一支，这一点不需要否认。但越硬的一支，越需要警惕自己把自己围起来。梁文锋的出现，不是对清华系的否定，是提醒：最锋利的刀，有时候来自另一座山头。你觉得，当一个赛道里最有资源、最有话语权的一批人，全部来自同一条师承线的时候，真正被挡在门外的那些可能性，到底有多少？
许多人都还没发现？外媒审视中国的视角已经发生改变，这次真的不简单！最近美国《外交
许多人都还没发现？外媒审视中国的视角已经发生改变，这次真的不简单！最近美国《外交政策》刊文称，中国在人工智能应用方面或将超越美国，中国以协同的合作模式发展人工智能正赢得其他国家的青睐。这种宏观层面的应用突围，落到具体的商业战场上，就是正在发生的行业洗牌。斯坦福大学4月发布的《2026年人工智能指数报告》给出了硬数据。中国在论文发表数量、被引频次、专利产出总量、工业机器人安装量四项指标上全面领先。中美AI模型性能差距从2023年的17.5%到2026年3月的2.7%。报告特别提到一个趋势：美国对全球AI人才的吸引力在下降，中国的占比在上升。美国在前沿模型上确实还有领先。卡内基国际和平基金会的专家希恩在《外交政策》访谈里估算，美国顶级模型的领先窗口大约是六到九个月。Anthropic或OpenAI今天发布一个新模型，中国的对应产品大约半年到九个月后就能追上来。这个窗口在收窄，而且收窄的速度超出大部分人的预期。中国走了一条跟美国完全不同的路。美国把资源砸在AGI上，追求超越人脑的通用智能。中国把重心放在AI的实际落地和规模化应用上。国家发改委布局了30余个国家级人工智能应用中试基地，推进央国企开放1000余个应用场景。这条路不追求“炫技”，追求的是把AI变成工厂、矿山、港口、医院里能干活的东西。数据说明一切。截至2026年6月底，中国智能算力规模达2185EFLOPS，同比增长177%，建成70余条算力大通道。人工智能核心产业规模突破1.2万亿元，企业超过6200家，重点行业人工智能整体渗透率超过80%。80%这个数字意味着什么。AI已经不是在实验室里跑分的东西，它扎进了实体经济的每一根毛细血管。具体到车间里，变化更直观。上海宝鸟服饰把AI嵌入设计、排产和管理环节，定制西装从下单到交货的时间从20天压缩到5天，合格率升到99%。东风奕派基于智能体构建的“设备大师”，把工厂设备紧急故障响应时间从10分钟压到4分钟。吉林一汽的智慧座舱协同交互系统，重点模块测试效率提升超过60%。浪潮在石化、钢铁、制造行业累计完成300多个模型训练，落地近千个智能体，帮链上企业生产成本降低30%，效率提升60%以上。这才是真正让美国焦虑的东西。美国有全世界最强的大模型，但中国的AI已经跑进了工厂车间、港口调度室、矿山井下和电网控制中心。AI的价值正在从“技术先进性”的维度，迁移到“产线有效性”的维度。跑分高不如良品率高，参数大不如故障响应快。真正让《外交政策》坐不住的，是中国AI在全球南方市场的渗透。文章披露了一个关键细节：尼日利亚等发展中国家正在越来越多地选择中国AI模型来构建商业、法律和教育工具，而不是美国产品。原因很简单，中国模型大多是开源权重，任何人可以免费下载代码和数据模块，用极低成本定制本地化版本。美国的闭源模型不但贵，还附带各种使用限制。“数字丝绸之路”在这中间扮演了关键角色。中国在非洲、亚洲、欧洲、拉美投资港口、铁路和物流枢纽的同时，把电信网络、云服务、数据中心和卫星一并铺了过去。一个使用中国搭建的网络和智慧城市平台的国家，会顺理成章地接纳中国的AI技术栈。中国企业还特别愿意做美国公司看不上的活——高性价比的工具、小语种的本地化适配、基层医疗和教育场景的应用。这些看起来不起眼的角落，恰恰是大多数发展中国家最真实的需求。上海精智集团开源发布的沃土大模型2.0，目标是从读懂图纸到适配工厂工艺全流程打通。山东一次发布了七个垂直领域大模型，覆盖高端装备、化工、轻工、冶金、矿山和港口物流。《外交政策》这篇文章真正想提醒华盛顿的，是一件很朴素的事。AI竞赛的胜负，不只看谁的模型跑分高。关键看谁能把AI变成全球经济运行的基础设施，变成别人离不开的东西。美国如果把这场竞赛当成冲击技术指标的比拼，即便在模型性能上保持领先，也会在应用场景和规则制定上丢掉阵地。中国有全球唯一完整的工业门类，海量应用场景是AI迭代的独特土壤。从制造业到能源，从交通到医疗，从城市运行到乡村治理，AI正在中国经济的每一个角落扎下根。这套打法不追求一鸣惊人，追求的是日拱一卒。当AI从展厅走进车间，从论文走进产线，从“能用”变成“好用、耐用、敢用”，竞争的底层逻辑就已经变了。外媒的视角转变不是偶然。是中国AI企业在全球市场上一个订单一个订单抢出来的，是工厂里一条产线一条产线改造出来的，是开源社区里一次下载一次下载积累出来的。这种认可来得不情不愿，但来得实实在在。门开着，路走着，谁在往前跑，谁在回头看，时间会给出答案。
以前觉得人工智能是实验室里的高冷词汇，现在它真真切切成了我每天离不开的“万能搭子
以前觉得人工智能是实验室里的高冷词汇，现在它真真切切成了我每天离不开的“万能搭子”。写方案没思路，找AI列大纲；修图时路人太多，AI一键消除；甚至做旅游攻略，也是AI帮我安排得明明白白。它不再只是冷冰冰的问答机器，而是逐渐懂我脾气的搭档。但我有时也会焦虑：AI会替代我的工作吗？转念一想，就像当年电脑普及一样，AI不是来抢饭碗的，而是来帮我们“开挂”的。从“会聊天”到“能做事”，AI正在重塑我们每一个人的生活。如果没有AI，你现在的日常会有什么不同？欢迎评论区聊聊你的真实体验！
为什么世界AI的牌桌上只有中国和美国，没有印度？如果把全球人工智能竞争看成一
为什么世界AI的牌桌上只有中国和美国，没有印度？如果把全球人工智能竞争看成一张牌桌，到了2026年10月，最受关注的两大力量依然是中国和美国。真正拉开差距的，并不是谁家工程师多，而是谁能把科研、算力、数据、芯片、软件和产业市场连成一条完整链条。印度有人才，却还在补这套底座。印度今年2月举办人工智能影响力峰会后，一个变化很明显：开始把小模型和本土场景作为重要突破口。农业、多语言交互、基层服务，这些方向确实适合印度自身条件。但小模型能够解决“怎么用”，并不等于已经解决“怎么创造下一代核心技术”。这恰恰是印度当前最现实的差距。中国的优势，却越来越体现在AI真正进入现实之后。到2026年上半年，我国生成式人工智能用户规模已经超过7亿，普及率超过50%，规上制造业企业人工智能技术应用普及率超过三成。用户越多、场景越丰富，模型获得真实反馈的机会就越多，技术迭代也越容易形成正循环。算力同样如此。9月公布的信息显示，我国已经实现全国算力统筹监测，31个省份平台接入全国算力网。这件事表面看很“基础”，实际却关系到科研机构、中小企业和模型团队能不能更方便地获得算力。AI发展到今天，算力能否高效流动，本身就是竞争力。再看产业链，差别就更加清楚。9月我国发布“人工智能+软件”专项行动，到2030年力争实现关键软件全面智能化升级，同时推动智能体、智能编程等新业态发展。10月9日发布的相关意见又进一步提出全面实施“人工智能+”，把算力、算法、数据、基础理论和核心技术放在同一张发展路线图上。这说明中国AI发展的重点正在发生变化。过去大家容易盯着模型参数、榜单排名，现在越来越看重AI能不能进入汽车、机器人、工业软件、科研和制造现场。10月公布的信息显示，我国人工智能产业规模、企业数量和应用场景都在持续扩大，AI正在从单纯的互联网工具向实体经济生产力转变。印度的问题也因此更加明显。它并非缺少优秀程序员，也并非没有软件产业基础，而是传统IT服务模式与前沿AI研发所需要的能力结构并不完全相同。工信部9月就指出，单纯编码执行能力的重要性正在下降，需求理解、架构设计、系统集成、安全控制以及懂行业的复合能力越来越重要。美国则拥有另一套优势。2026年全球AI竞争中，美国企业仍在持续推出前沿模型，中国企业也在快速迭代，开源生态和产业应用成为新的竞争变量。由此可见，AI已经很难靠某一个企业单打独斗，真正重要的是国家能不能长期维持科研投入、产业协同和人才成长。印度并非没有机会。它已经开始增加AI基础设施投入，也在寻找低算力、本土语言和民生场景的路线。不过，从软件服务优势走向底层技术优势，中间还有很长一段路，需要解决高端人才培养、科研转化、算力供给和产业链协同等问题。在我看来，未来AI竞争真正比拼的，是谁能让聪明人持续产生新成果，又能让成果迅速进入工厂、市场和日常生活。模型只是台面上的牌，教育、科研、算力、产业链和超大规模应用场景才是牌桌下面真正支撑长期竞争的东西。中国接下来要看的，也正是这些决定未来的底层能力。
