APEC深圳時刻｜對話王喜文：AI降低創富門檻，但可能拉大貧富差距

作者|王迪

來源|鳳凰網財經

2026年，當世界的目光聚焦于中國深圳，亞太經合組織（APEC）迎來了時隔12年的“中國年”。從2001年上海聚焦“貿易與投資”，到2014年北京力推“互聯互通”，再到如今深圳叩問“創新、科技與未來”，這三個關鍵詞的變遷，勾勒出了亞太經濟格局的進化論。

在這個被稱為“AI重構一切”的元年，鳳凰網財經對話前工信部國際經濟技術合作中心研究所所長、九三學社中央促進技術創新工作委員會委員王喜文。在他看來，2026年不僅是中國第三次擔任APEC東道主的歷史節點，更是全球AI產業從“燒錢炫技”走向“成本塌方”的轉折點。

面對即將到來的APEC深圳峰會，王喜文提出了一個發人深省的核心命題：“AI視頻的碳足跡，或將成為未來亞太貿易談判的關鍵博弈點。”他解釋稱：“據AI普瑞斯報道，若按日均算力消耗占比測算，Seedance已占超80%的市場份額。當全球80%的AI視頻由Seedance這類底層模型生成時，算力背后的電力消耗就不再只是技術問題，而是變成了新的關稅壁壘和綠色貿易規則。誰能掌握‘生成式AI’的能耗標準，誰就能在亞太供應鏈中擁有新的定價權。這不僅是技術的競賽，更是一場關于‘電’的看不見的爭奪戰。”

在本次對話中，王喜文不再局限于技術的淺層解讀，而是直面AI狂飆時代的多個“靈魂拷問”，APEC新博弈、OPC冰火兩重天、AI紅利分配、中美科技博弈、百模大戰終局、中國下一個“換道超車”賽道，以及AI的落地實踐，以此預見2026年亞太經濟的變局與機遇。

以下為鳳凰網財經與王喜文的對話核心要點整理：

01談APEC：AI視頻碳足跡，或將成為亞太貿易談判關鍵博弈點

GPT-3一天耗電50萬度，算力與雙碳的平衡是亞太面對的AI考題

鳳凰網財經：您預測未來3-5年，亞太AI產業合作的三大核心趨勢是什么？中國將扮演怎樣的角色？

王喜文：我認為第一個趨勢是技術的協同與標準的共建。各國不應再各自進行漫長的基礎性研發，而應發揮各自優勢，比如聚焦大模型和AIGC進行聯合攻關。同時，在接口、安全、倫理等標準上要實現互認互通，這是技術通暢的基礎。

第二個趨勢是產業的深度融合。AI不能停留在技術層面，必須落地。未來在亞太范圍內，AI+制造業、醫療、電商、教育等領域將率先實現深度滲透和應用。

第三個趨勢是算力與綠色發展的平衡。大模型極其耗電，例如GPT-3那時候一天就耗電50多萬度。如何在滿足算力需求的同時，實現雙碳目標，是我們必須面對和解決的問題。

中國將扮演兩個核心角色：一是技術創新的引領者，中美在算法上領先，中國有DeepSeek、豆包等，提供新基建（新型基礎設施）；二是產業生態的整合者，基于我們深厚的行業實踐，牽頭構建一個包容普惠的亞太AI合作體系。

建議APEC成立“AI人才共同體”，中國將從“世界工廠”升級為“AI內容輸出中心”

鳳凰網財經：亞太AI人才競爭激烈，您建議APEC建立怎樣的人才聯合培養、技術共享機制，實現區域內人才與技術的雙向流動？

王喜文：現在大國競爭其實主要就是中美，聚焦的硬件就是芯片，軟件就是人工智能算法這兩點。為什么中國可以做？人工智能分算法、算力、數據。一些規模不大的國家，恐怕沒有大量的數據做訓練。你有再先進的算法，沒有數據，算法也沒有用武之地。所以說，做人工智能只有大國才搞得起來：具備算法、具備大規模的數據、具備算力。未來人工智能這塊肯定是中美一枝獨秀。

那么，亞太APEC未來不僅僅是全中國，全世界都要智能化，這是大勢所趨。全球新一輪科技革命和產業變革，就是以智能化為標志。APEC許多國家也認識到這一點，但他們的人工智能基礎和研發投入并不多，沒有那么多數據，沒有先進的算法，那肯定要與中國合作，包括人才培養方面。

我建議成立一個“APEC AI人才共同體”，搭建跨境的產教融合平臺。首先，聯合制定核心課程和認證體系，比如針對不同國家的側重點（醫療、制造、教育）開發課程，實現AIGC工程師、數據科學家等資格的互認。其次，可以借鑒中國的干部掛職制度，在APEC國家間推動科研人員和技術人員的互訪與掛職鍛煉，在實踐中學習成長。

鳳凰網財經：中國AI企業正在積極出海，您認為AI視頻和生成式AI會如何改變亞太地區的價值鏈分布？

王喜文：肯定會重構價值鏈。過去依賴低成本代工，未來將轉向高附加值的技術輸出。以AI視頻為例，以前拍攝需要演員、場地、道具，成本高昂。現在利用現在的模型，一個人、一臺設備就能生成高質量視頻。以前一個企業拍1分鐘的宣傳片，動輒要花幾十萬、上百萬，還得準備大量素材給廣告公司去拍。現在完全不用了，你只需要把這些素材上傳給AI視頻工具，然后通過大模型下達指令，它就能幫你生成，更高效，也更省錢。新的價值鏈將形成：中國的技術+亞太各國的本地創意+區域分發。中國的角色將從“世界工廠”升級為“AI內容輸出中心”。

全球80% AI視頻由Seedance生成，算力背后的電力爭奪戰已打響

鳳凰網財經：APEC經濟體占全球GDP約60%，也是算力消耗大戶。您從產業落地角度判斷：未來三年內，AI視頻生成（如Sora訓練和推理）的碳足跡會不會成為APEC貿易談判中的新的關鍵點嗎？

王喜文：很有可能。目前AI視頻生成領域，尤其是今年，seedance2.0已經占據了全球約80%的市場份額。換句話說，全球每10條AI生成的視頻中，就有8條是用seedance2.0來生成的。

從技術角度來看，AI視頻屬于多模態應用，而之前像用豆包寫新聞稿、用DeepSeek寫調研報告這類自然語言生成，屬于單模態。單模態的算力消耗其實并不大，寫一篇1000字的文章或小說，大概只用一兩千個token。但AI生成視頻就不一樣了，生成一段10到15秒的視頻，可能要消耗30萬token。

而token的背后是算力，算力的背后是電力，電力的使用自然涉及碳排放和碳足跡問題。目前，真正在大規模建設大模型和數字基礎設施的國家，主要是中國和美國，其他國家大多是在調用。當這些大模型實現商業化后，碳排放量勢必會非常大。

一旦大規模商業化，國家級別的碳足跡可能會與亞太地區的綠色低碳目標產生沖突。一些發達經濟體可能會以此為由，對高碳排放的AI視頻產品征收碳關稅，或限制其市場準入。我認為這是完全有可能的。

這些國家自身有需求，但又沒有大規模算力、高級算法和數字基礎設施，只能依賴中國和美國。因此，這方面很可能成為未來貿易談判中的一個焦點。各國需要探討如何合作、如何解決碳足跡帶來的問題。綜合來看，未來三年內，AI視頻生成的碳足跡大概率會成為APEC貿易談判中一個新的敏感點。

02談OPC冰火兩重天：政策熱捧、資本冷遇

一人公司是階層跳板還是新式個體戶？

鳳凰網財經：您的新書《seedance實戰指南:AI視頻時代的創富機遇》提到了OPC（一人公司）模式。但資本對此似乎比較冷淡，認為技術壁壘低、可復制性強。您如何看待政策鼓勵與資本謹慎之間的溫差？OPC究竟是普通人借助AI實現階層跨越的新通道，還是只是披著AI外衣的新型微型個體戶盈利模式？

王喜文：OPC確實是AI時代普通人實現階層躍遷的一個通道，但它不是“躺贏”的通道，更不只是“用AI包裝的微型個體戶”。

過去一個人開公司是不可能的。你得搞研發、做設計、跑銷售、管財務，環節太多了。現在有了AI數字員工，很多工作都能替代。比如用AI寫宣傳稿、做設計、拍宣傳片，都成為了可能。這就是“AI工具×OPC模式”的底層邏輯。

那為什么資本冷淡？資本追求的是規模化、批量化復制。有些咖啡品牌一下開幾萬家店，有數據、有規模，即便當前不盈利，資本也愿意投。但OPC的天性注定了它是“小型的”，門檻低、同質化嚴重、盈利穩定性不足，資本看不上，這很正常。

政策熱捧、資本冷靜，本質上是兩者訴求不同：政府側重民生就業、產業擴容，資本聚焦短期收益和規模化回報。所以我建議：普通人不要因為政策熱就盲目跟風，也不要因為資本冷就否定這個模式。關鍵在于打造差異化競爭力。不能別人做什么你也做什么，那肯定是同質化。要找一個好的賽道，利用好AI技術，結合自己的本業，做出特色來。

OPC不是風口是通道，別追熱點，要追“差異化”

鳳凰網財經：您早年深耕工業4.0、智能制造，關注的是大規模生產體系的智能化轉型。而新書聚焦的OPC模式，恰好是組織形態的“最小單元”——一人公司。這種從“宏大敘事”到“個體賦能”的視角轉變，是否意味著您判斷：AI的第一波紅利不在工廠端，而在個體端？

王喜文：我的判斷不是“第一波紅利在個體端”，而是AI的紅利正在從“工廠端”向“個體端”延伸，而且個體端的爆發速度可能更快。

為什么？因為制造業的智能化改造是系統工程，需要設備投入、產線改造、人員培訓，周期長、投入大。我國從2015年就開始推智能制造，確實落地了很多，但它是漸進的過程。

而個體端的AI賦能，門檻低得多。你今天下載一個軟件，明天就能用AI寫文章、做設計、剪視頻。這種“即插即用”的特性，讓個體端的紅利來得更快、更直接。

但這不代表工廠端沒有紅利。恰恰相反，制造業是AI應用最成熟、價值最確定的領域之一。質量檢測、智能排產、設備預測性維護，已經產生了實實在在的價值。只是這些價值是“潤物細無聲”的，不像“一人公司月入十萬”那樣有傳播性。

所以我的視角轉變，不是因為“工廠端不行了”，而是因為“個體端的機會到了”。

鳳凰網財經：廣東、重慶、遼寧等多省出臺OPC專項政策，免費辦公場地、算力補貼、創業基金陸續落地，疊加新《公司法》對一人公司的法律松綁，普通人該怎樣抓住政策紅利落地OPC創業？

王喜文：第一，選對賽道。不要為了拿補貼而做OPC，而是你本來就有某個領域的專業能力，只是用OPC的形式把它放大。你有制造業背景，就用AI做智能制造服務；你有設計背景，就用AI做創意設計。別盲目跨界。

第二，用好場地和算力支持。很多地方提供拎包入住的辦公室、免費的算力資源，這些都是實打實的成本節約。但要注意，這些政策往往有考核指標，比如納稅額、帶動就業等，要提前了解清楚。

第三，把合規放在前面。一人公司雖然注冊門檻低了，但財稅、知識產權、數據安全這些合規要求一點不少。建議找專業的代理機構或者用AI工具輔助管理，別在這些事上栽跟頭。政策紅利是“東風”，但你自己得有“船”。

03談AI狂飆時代：紅利分配、就業重構與治理思考

Seedance顛覆傳統影視行業，15人14天50萬美元落地95分鐘AI長片

鳳凰網財經：您提到字節旗下的Seedance已占據全球AI生成視頻約80%的市場份額，甚至導致Sora停用。它的獨特優勢是什么？

王喜文：優勢在于數據、生態和成本。首先，字節跳動擁有海量短視頻數據，并重金購買了國內外影視版權用于訓練，構建了極高的數據壁壘。其次，它能與抖音形成商業閉環，一鍵生成視頻并發布，激勵創作者。最后，OpenAI的Sora投入大、成本高，而Seedance2.0已經把成本降低至幾十分之一乃至幾百分之一。AI正在顛覆傳統影視行業，甚至導致了中國傳媒大學等院校宣布停招攝影、動畫等16個相關專業。

鳳凰網財經：Seedance2.0在戛納電影節完成行業突破，15人團隊14天耗資不足50萬美元落地95分鐘AI長片，傳統同規格影片成本約5000萬美元，這是否印證了“一人一劇組”的OPC變現邏輯？OpenClaw智能體如何串聯全流程？零基礎普通人上手這套工具有多難？

王喜文：15個人、14天、50萬美元，以前想都不敢想。傳統電影要5000萬美元，差了兩個數量級。這不只是“一人一劇組”，這是“一人一公司”在文化創意領域的最佳證明。

具體來說，Seedance2.0負責“生成”，你給它劇本、素材，它直接生成視頻畫面，真實場景的生成、創意相當靈活、高清高質量。Seedance 2.0雖強，但它只是"引擎"。從需求到成片之間還有大量環節：寫腳本、準備素材、調參數、等待生成、質量檢查、拼接。OpenClaw 的作用是將這些環節全部串聯自動化。。一個負責創意生成，一個負責流程自動化，兩者配合，一個人就能干過去一個劇組的活。

說實話，入門不難，精通需要時間。現在的AI工具已經越來越智能化了，你不需要懂技術原理，會用鼠標、會打字就行。但要想做出高質量的作品，你還是要懂一點鏡頭語言、敘事邏輯、審美判斷。這些不是AI能替你完成的。

我的建議是：先從一個小的、具體的場景開始練手，比如給自己公司做一個1分鐘的宣傳片。做著做著就上手了。

AI降低創富門檻，或將加劇貧富兩極分化

鳳凰網財經：有一種聲音認為：AI工具本身掌握在少數大公司手中，算力、數據、模型的獲取并不平等，最終“一人公司”的紅利可能仍然集中在原本就有資源、人脈、認知優勢的人群手中。您怎么回應這種“AI平權vs AI壟斷”的爭議？AI降低了創富門檻，但會不會也拉大了貧富差距？

王喜文：我覺得未來恐怕是像您說的是拉大差距，兩極分化，用AI用的比較好的，比較熟練的，他就會創造很多新的價值，同樣道理企業也是如此。

未來3-5年，人際交互類崗位更具安全性

鳳凰網財經：您曾任職于工信部直屬單位，從產業政策高度看AI對就業的影響。您判斷：未來3-5年，中國就業市場哪些崗位反而是“安全”的？

王喜文：簡單重復性的工作肯定容易被替代。越是簡單重復，人工智能越擅長。跟人打交道比較多的，可能不容易被替代，比如做市場、搞銷售。銷售要陪客戶喝酒、唱歌，人工智能做不到。

我判斷標準就是：跟人打交道多的，不容易被替代，像教師，不光教書，還要育人，人類靈魂的工程師，要了解學生心理，輔導成長。反之，簡單重復性的，比如我年輕時做程序員、軟件工程師，現在很容易被替代。

編程序寫代碼，人工智能很成熟。據字節對外說，包括抖音在內的一些軟件，三分之二代碼是人工智能寫的，只有三分之一是人做。所以簡單重復性的，很容易被替代。還有廣告行業，影響也比較大。廣告設計、廣告創意，未來人工智能畫畫、設計海報宣傳畫、拍宣傳片，這些行業影響肯定很大。

AI監管怎么走？業內觀點：不搞一刀切，邊發展邊規范

鳳凰網財經：您作為九三學社中央促進技術創新工作委員會委員，肯定關注AI立法和監管。最近AI換臉詐騙、AI偽造新聞、數據泄露等事件頻發。您認為中國在AI監管方面，是應該“先發展后規范”，還是“規則前置”？目前最緊迫需要立法的領域是什么？

王喜文：這是個平衡問題。我的觀點是：不能“先發展后規范”，也不能“規則前置”把行業管死，而是“邊發展邊規范”。

為什么不能先發展后規范？因為AI技術迭代太快，一旦出了問題，后果可能不可逆。AI換臉詐騙，一個視頻發出去，影響可能已經造成了，事后追責很難。

為什么不能規則前置？因為AI還在快速演進，你現在立一個法，可能兩年后技術形態完全變了，這個法就沒用了。

所以最務實的方式是：劃出紅線，紅線之內不要管太細，紅線之外堅決管住。

目前最緊迫需要立法的領域，我認為有三個：第一，AI生成內容的標識問題。AI生成的視頻、圖片、文字，必須明確標識，讓用戶知道這不是真實的。這是防止造假和誤導的基礎。

第二，數據隱私保護。AI模型的訓練需要大量數據，但這些數據怎么獲取、怎么使用、怎么存儲，需要有明確規則。不能隨意抓取用戶數據。

第三，AI生成內容的版權歸屬。用AI生成的一幅畫、一首歌，版權歸誰？是歸使用者、開發者，還是屬于公共領域？這個問題必須明確，否則沒法商業化。

AI黑箱出問題誰負責？分層管控+權責對等雙管齊下

鳳凰網財經：OpenAI、Google等巨頭的大模型能力越來越強，但也被批評“黑箱化”“不可解釋”。您作為工學博士，如何看待AI的可解釋性問題？如果AI做出的決策（比如信貸審批、醫療診斷）出了問題，誰來負責？是算法、開發者，還是使用者？

王喜文：通用大模型全鏈路可解釋短期內難以全面實現，行業會走向分層規范：醫療、金融等強監管行業，強制落地輕量化、可溯源的專用模型；文娛、內容創作等領域適度放寬可解釋要求。責任劃分遵循權責對等原則：算法存在底層漏洞由研發企業擔責；使用者違規篡改參數、惡意使用AI，責任歸于使用方；平臺未盡內容審核義務則需要承擔連帶責任。

04談中美AI博弈與百模終局

算力短板客觀存在，國產大模型走出差異化路線

鳳凰網財經：在中美競爭中，有沒有一條能換道超車的路徑？

王喜文：我覺得量子計算可能是一條換道超車的路徑。今年國家已經把量子列為六大未來產業之一，這個方向值得重點關注。

DeepSeek V4沒有去年轟動，但百萬token已碾壓GPT

鳳凰網財經：DeepSeek在今年4月升級到V4版本，但相比之前的R1感覺沒有那么驚艷，您覺得新的版本主要有哪些亮點？

王喜文：肯定不是像去年那樣轟動了。

去年DeepSeek剛出現時非常轟動，因為前兩年我們跟美國大模型差距較大，差了兩、三代，而DeepSeek一下子追平了GPT-4，邏輯推理能力不相上下，再加上它的混合專家系統、多令牌預測等科技含量，成為國內第一大熱門話題。

但今年V4的升級，主要有兩個亮點：第一，支持百萬token長文本輸入，相當于30萬字的小說，上傳后不到一秒就能讀完并歸納中心思想、回答各種問題，而美國的GPT還達不到百萬token；第二，實現了“稀疏注意力”機制，模型參數達1.6萬億，但每次只喚醒與問題相關的部分（比如鋼鐵話題就喚醒鋼鐵相關參數），而不是全部調用，從而大幅降低算力成本。

百模大戰終局：只剩四家DeepSeek、字節、阿里、騰訊

鳳凰網財經：最近國內“百模大戰”打得火熱，最終會剩下幾家大模型公司？中小企業做垂直模型還有機會嗎？

王喜文：百模大戰從2023年開始，但2025年被DeepSeek擊潰了。去年DeepSeek出來后，它比肩GPT-4還開放源代碼，很多企業覺得沒必要再自己搞了。最近DeepSeek宣布融資500億人民幣，估值500億美元，創始人梁文鋒自己投了200億，大基金投了150億，他直接間接持股80%多，身價幾千億。

未來DeepSeek肯定是一家獨大。能跟它競爭的還有三家：字節跳動（資金雄厚舍得投入，多模態算法一枝獨秀，買版權影視劇做訓練數據）、阿里巴巴（千問模型不錯，DeepSeek也承認前期借鑒了千問，還有電商生態）、騰訊（混元大模型，微信和QQ生態）。其他大模型的日子會很難過。其他中小玩家將很難生存。

對于企業，策略應截然不同：

中小企業：不必自研通用大模型，應定位在產業鏈下游，調用頭部廠商的API進行應用開發。

大型企業/國企：可以基于通用大模型，開發垂直領域的行業專用模型，如石化大模型、汽車大模型。

豆包手機模式被看好？方向對，大規模流行需要時間

鳳凰網財經：如何評價豆包手機這種模式？

王喜文：豆包手機是端側AI的嘗試，把模型放在手機本地跑，不用每次都訪問云端。這符合“邊緣計算”的趨勢，能減輕云端壓力、提升響應速度。但目前還沒有大規模流行，需要模型和硬件的進一步適配。方向是對的，但還需要時間。

制造業AI落地最扎實，To C“AI助理”被高估了

鳳凰網財經：您早年深耕工業4.0，現在AI被寄予厚望要賦能千行百業。從您的觀察看，目前中國哪些行業真正在用AI創造價值（而不是講故事）？哪些行業的“AI改造”被高估了？

王喜文：制造業是AI應用最成熟、價值最確定的領域。我5月初剛去金川集團調研，他們生產鎳板，以前是一整條產線，一個環節出故障整條線都得停。現在拆分成幾個自動化單元，用無人小叉車串聯，后臺AI調度，實現了柔性制造。質量檢測也用AI替代人工，降本增效非常明顯。工信部從2015年開始推智能制造，到現在已經十年了，落地很扎實。

醫療領域也有不錯的應用，比如AI輔助影像識別、藥物研發。

哪些被高估了？我覺得一些To C的“AI助理”被高估了。很多產品功能看起來很炫，但用戶用兩天就扔了，沒有真正解決痛點。還有一些行業的“AI中臺”項目，花了大價錢，最后就是個報表工具，跟AI關系不大。

我的判斷標準是：能不能帶來可量化的降本增效？能，就是真價值；不能，就是講故事。

05談中國下一個“換道超車”：不在老賽道，而在量子計算

2045年中國制造業超過美國：最關鍵看變量技術突破速度

鳳凰網財經：您曾經說2035年中國會達到中等發達水平，2045年制造業才能超過美國，判斷依據是什么？您認為決定中國能否如期實現這些目標的最關鍵變量是什么？是技術突破速度、制度創新能力、國際環境演變，還是人口與教育基礎？如果只能選一個，您會選什么？

王喜文：今年兩會正式公布的“十五五”規劃提出了“2035年人均GDP達到中等發達國家水平”的遠景目標，日本人均GDP屬于發達國家里面較低的，屆時我國人均GDP就會超過日本。《中國制造2025》里面提出過2023年中國制造業水平達到世界制造強國中等水平，2045年乃至新中國成立百年2049年時進入世界制造業強國第一陣營。

如果只能選一個最關鍵變量，我選“技術突破速度”。為什么？因為產業鏈、供應鏈、內需市場、人口素質這些基礎我們已經有了，中國是全球唯一擁有全部工業門類的國家，工程師數量也是全球第一。這些是“存量優勢”。

但能不能趕超，取決于“增量”，就是技術突破的速度。高端制造、AI算法、芯片、工業軟件，這些領域突破得快，趕超就快；突破得慢，就會被拉開差距。

美國也不會原地等我們，人家創新底子本來就強。所以我們要做的，就是在存量優勢的基礎上，把技術突破的速度提上去。

機器人紅利能對沖人口紅利？效率贏了，但別指望美國原地等你

鳳凰網財經：我們正在經歷的這輪AI與機器人革命，核心價值是“替代或增強人類勞動”。如果這一進程在2030年前后出現關鍵突破，中國的“人口紅利消退”問題可能被“機器人紅利”對沖。這種情況下，人均GDP達到中等發達國家水平是否會提前實現？反過來，如果AI拉大了中美在尖端制造領域的代差，2045年趕超的目標是否會變得更難？

王喜文：先說人口問題。按照國家統計局數據，2025年末,我國總人口為 140489 萬人,全年出生人口 792 萬人、死亡人口 1131 萬人,人口總量同比減少 339 萬人。2025年一年人口減少了339多萬，有專家推算按照這個速度，每隔40年中國人口減半，到2100年可能只剩3-4億人。人口紅利確實在消退，AI和機器人是必然的替代方案。

如果機器人紅利能及時跟上，人均GDP達到中等發達國家水平是有可能提前的。因為機器人不會抱怨、不會辭職、可以24小時工作，效率比人高得多。

但反過來，如果AI拉大了中美在尖端制造領域的代差，2045年趕超確實會更難。美國創新能力強，人家不會等我們。

所以結論是：機會和風險并存。機器人紅利是機會，中美代差拉大是風險。最終結果取決于我們技術突破的速度和外部環境的變化。

總量超過≠質量超過，還有芯片、機床、航發、標準四個主要短板

鳳凰網財經：“超過”這個詞在經濟學中其實很模糊。從總量看，中國制造業增加值已超過美國；但從品牌價值、核心零部件、利潤率、國際標準制定權等“質量指標”看，差距依然明顯。如果“超過”指的是綜合實力，那么在您看來，目前中國在哪些關鍵領域仍然落后？AI和機器人會是補齊這些短板的“關鍵變量”嗎？

王喜文：您說得對，“超過”分兩種：總量超過和質量超過。我們現在是總量超過，質量還有差距。

關鍵短板在幾個領域：

第一，高端核心零部件。手機攝像頭用索尼的，存儲芯片用三星的，這些我們還不強。

第二，高檔數控機床（工業母機）。汽車、電子、航空零部件的精密加工，離不開高端機床，這塊主要靠日本、德國、美國。

航空發動機。

第四，芯片，這個不用多說了。

第五，國際標準制定權。很多領域的標準是美國牽頭的，人家有國際行業標準的話語權，我們只能跟著走。

AI和機器人能補齊這些短板嗎？能，但需要時間。AI可以通過優化設計、模擬仿真，加速高端零部件的研發進程。機器人可以提升制造精度，減少對人工經驗的依賴。但這不是一朝一夕的事，需要長期積累。

十萬億機器人市場：存量轉移是賬本，家庭服務才是增量

鳳凰網財經：吳曉波此前預判機器人產業將形成“十萬億級市場”。按這個量級，它足以成為繼房地產、互聯網之后的又一個支柱性產業。但問題是：這十萬億是“增量”還是“存量轉移”？即：機器人創造的是全新需求，還是主要替代現有勞動力？如果是后者，對GDP總量的凈拉動效應可能被高估。您怎么看機器人賽道的市場空間？

王喜文：我的判斷是：既有增量，也有存量轉移，但增量部分會越來越大。存量轉移方面，機器人替代人工，確實不會直接增加GDP——一個人被機器人替代，他的工資沒了，但企業成本降低了，這部分是存量再分配。

但增量方面非常可觀。未來每個家庭可能會有2-3個服務機器人，掃地、擦玻璃、洗碗、做飯、當保姆。這是以前不存在的需求，就像30年前沒有人會想到每個人都需要一部手機一樣。這部分是純增量。

類比一下：90年代大哥大手機賣1萬多，功能就是打電話；現在智能手機人手一兩個，功能強大、價格便宜。機器人也是這個邏輯，以前百八十萬一個，功能簡單；現在成本越來越低，功能越來越強，走進家庭只是時間問題。

所以我認為“十萬億”不是空談。但短期看，工業機器人是主力；長期看，服務機器人會爆發。

供應鏈優勢不等于技術主導權，高精度傳感器才是具身智能真正命門

鳳凰網財經：有數據顯示，中國已占據全球具身智能供應鏈的65%，這是令人振奮的數字。但供應鏈優勢不等于技術主導權，就像蘋果供應鏈在中國，但利潤和標準制定權在美國。在具身智能的核心環節——運動控制算法、世界模型、仿真訓練平臺、高精度傳感器，中國與美國的差距有多大？

王喜文：您的判斷非常精準。供應鏈優勢確實不等于技術主導權。在具身智能的核心環節上，差距是這樣的：

運動控制算法：差距不大。這方面中國積累了很多，機器人“半馬”比賽都能辦，說明運動控制能力已經不錯了。

世界模型：這是難點。世界模型讓機器人理解物理世界，杯子怎么拿、門怎么開、路怎么走。這方面美國領先，但中國在追趕。

仿真訓練平臺：差距中等。仿真平臺是訓練機器人的“虛擬實驗室”，美國NVIDIA的Omniverse很強，國內也有企業在做，但還沒到同等水平。

高精度傳感器：這些高端傳感器我們依賴進口，確實存在被斷供的風險。

所以，整體來看，中國在具身智能領域處于“比較領先”的位置，尤其是人形機器人的應用落地方面比美國熱鬧。但在底層技術（傳感器、世界模型）上，我們還有短板，需要持續投入。

電動汽車的成功“可遇不可求”，新興賽道有機會

鳳凰網財經：電動汽車是中國制造“換道超車”最成功的案例之一，但也正在經歷最嚴峻的考驗。它既是AI和機器人機遇的“先行示范”，也可能暴露出一些結構性問題。電動汽車的成功經驗，能不能“平移”到其他制造領域？比如半導體、工業母機、航空發動機？

王喜文：坦率地說，電動汽車的成功很難簡單復制到其他領域。

為什么？因為電動汽車的成功有幾個特殊條件：

第一，技術路線切換。傳統汽車的核心是發動機，我們搞了幾十年搞不定。電動車不需要發動機，換成了電池，這個技術路線切換給了我們機會。

第二，電池技術成熟。如果電池技術不成熟、續航不行，電動車也起不來。正好在雙碳背景下，電池技術突破了。

第三，國家大力扶持。對新能源汽車非常重視，政策力度很大。

如果有下一個“換道超車”的機會，我覺得可能是量子計算。這是一個全新的賽道，大家起點差不多，中國有機會。所以我的建議是：傳統領域老老實實補短板，新興領域大膽布局搶賽道。

06談AI落地：制造業瓶頸、人機關系與普通人破局

制造業用AI最大瓶頸不是算法，是數據太亂、老板太“傳統”

鳳凰網財經：制造業是中國的立國之本。您認為AI在制造業的應用，目前最大的瓶頸在哪里？是數據質量、算法能力、算力成本，還是企業家的認知和意愿？

王喜文：最大的瓶頸是“數據質量”和“企業家認知”這兩個。算法不是問題，開源模型很多，拿來用就行。算力成本也在下降。

但數據質量是硬傷。很多制造企業的數據是散的、亂的、不標準的。設備數據存在不同格式，產線數據沒有打通，歷史數據缺失。AI模型需要高質量數據訓練，數據不行，算法再強也沒用。

企業家認知是軟瓶頸。很多制造業老板還是傳統思維，覺得AI是“錦上添花”不是“雪中送炭”。他們愿意花幾千萬買設備，但不愿意花幾十萬做數字化改造。認知不改變，AI就推不下去。

所以，我的建議是：先做數據治理，再做AI應用。數據基礎打好了，AI的效果自然就出來了。

人和AI最好的關系：人做創意判斷，AI做計算執行

鳳凰網財經：您認為AI最終會讓人類生活得更好，還是會讓人類陷入“被算法支配”的困境？在您理想中，人類與AI應該是一種什么樣的關系？

王喜文：我覺得這兩者會同時存在。一方面，AI會讓生活更美好。人人都是創作者，我退休后可以用AI重拾兒時的夢想，畫畫、作曲、拍電影，這些以前做不到的事，現在都能做了。

另一方面，被算法支配的困境也會存在。大數據殺熟、精準營銷、信息繭房，這些會越來越普遍。你想讓生活更方便，就要讓渡一些隱私，這是難以兩全的。

我理想中的人與AI關系是“協同”。不是“機器換人”，而是人機協同，人做擅長的事（創意、情感、判斷），AI做它擅長的事（計算、生成、執行）。一起解決工作和生活的問題。

國外一直倡導“人機協同”，我覺得這是對的。咱們國內以前提“機器換人”引發了很多恐慌，這個說法確實需要調整。

國產大模型沒進全球Top3？開源生態長期可能反超閉源

鳳凰網財經：此前有專家指出了目前中國大模型的三個殘酷的現實：第一，國產大模型至今未能躋身全球Top3；第二，雖然日均Token消耗量已突破140萬億，遠超預期，但算力缺口依然巨大；第三，單一的大模型訓練已不是終點，“Agentic AI”的崛起讓推理需求翻倍。您怎么看？

王喜文：這三個現實確實存在，但我覺得不必過于悲觀。

第一點，沒能躋身全球Top3。這要看怎么定義“Top3”。如果單論基礎模型的參數規模和通用能力，GPT、Claude、Gemini確實領先。但DeepSeek在某些專項能力上（比如長文本處理）已經領先了。而且開源是DeepSeek的殺手锏，GPT閉源，長期看開源生態可能會反超。

第二點，算力缺口巨大。這是真的。目前我國Token日均消耗量140萬億，說明AI應用正在爆發，但算力供給跟不上。這既是挑戰也是機會，會倒逼算力效率的提升和國產芯片的突破。

第三點，Agentic AI讓推理需求翻倍。這是趨勢。過去大家關注的是“對話”，現在關注的是“執行”。OpenClaw這類智能體的出現，意味著AI不再只是回答問題，而是去執行任務、完成工作流。這對算力的需求是指數級增長的。

但這也意味著AI的商業化價值更大了，從“聊天”變成了“干活”，用戶愿意付費的意愿也更強了。

算力時代，存儲和芯片是硬通貨

鳳凰網財經：最近海力士很火，員工待遇好，穿公司T恤都覺得厲害。您怎么看半導體和存儲芯片這輪大漲？

王喜文：很多韓國人現在給孩子不買保險，而是買三星、海力士的股票，當作長期投資，覺得未來能翻好幾倍。這側面說明大家看好算力市場。大模型時代，各行各業都在智能化，需要不斷擴大算力規模、采購高端芯片。所以不只韓國，中國A股、美國也都看好這個行業。而且，數據既要計算也要存儲，半導體自然緊密相關。

馬斯克的厲害不在于“靠自己”，而在于“政府支持+市場化創新”兩條腿走路

鳳凰網財經：馬斯克的SpaceX號稱史上最大規模IPO。您怎么看？

王喜文：之前SpaceX又成功發射了幾十顆星鏈衛星。它的意義在于：不在建地面基站（成本高、覆蓋半徑小），而是低空部署衛星，覆蓋整個地球。未來不管喜馬拉雅山、撒哈拉沙漠還是公海，都能高速上網。其他國家可以不用自己建5G/6G基站，直接接入星鏈交服務費就行。另外SpaceX還要做火星移民、月球旅游。這兩個商業模式支撐了它的高估值。

鳳凰網財經：有種觀點稱，馬斯克的算力衛星是資本泡沫，您怎么看？

王喜文：馬斯克雖是民營企業，但得到了NASA等美國政府機構的研發資金和技術轉讓。他是在政府支持下市場化運作，自己突破了很多技術，比如火箭回收、猛禽發動機的冗余設計。不能說完全靠自己，但主要創新還是他的團隊完成的。

鳳凰網財經：您怎么看馬斯克和黃仁勛這類美國科技創新領袖？

王喜文：馬斯克被稱為美國科技領袖，國內雷軍也主動找他合影。美國人有大膽想象的基因，從小動手實踐，教育體制鼓勵創新。第一次工業革命前有文藝復興，讓人解放思想；現在工業4.0時代會引發“文藝復興2.0”，用AI創作，讓人更有創意。馬斯克成功在于敢想，又深度應用人工智能，做特斯拉、無人駕駛、機器人擎天柱，讓技術落地。

普通人轉型AI建議：擁抱它、不丟本行、從小處開干

鳳凰網財經：您是AI實戰專家和暢銷書作家，對想轉型AI的普通人有什么務實建議？

王喜文：三條建議：第一，擁抱AI：時代已到，你不用，競爭對手、同事會用，效率就比你高。《愛麗絲夢游仙境》里紅桃皇后說：你必須不停地奔跑，才能留在原地。不擁抱新技術就會被拋棄。

第二，立足于本業：別盲目跨界。你最擅長的還是你深耕多年的領域。你是搞制造業的，就用AI優化制造；你是做教育的，就用AI輔助教學。不要因為AI火了，就扔掉本行去搞什么AI創業。你的行業經驗加上AI的能力，才是你最大的競爭力。

第三，從小場景和具體痛點入手，邊做邊學（如用AI做1分鐘宣傳片或寫行業報告），干中自然精進。一句話總結：立足本業，擁抱AI，小處著手，持續迭代。