全國青少年田徑運動會：女子撐竿跳繆可妮奪冠
2025-12-03 23:11 4,723次浏览自2023年起，被外界譽為「人工智慧教父」的傑弗裡·辛頓每年都會在公開場合發出關於AI的警告。 那一年，他提醒人們，AI的發展將帶來越來越大的風險。 2024年，他聲稱，AI將操控人類。 2025年，他在上海舉辦的世界人工智慧大會上，將人類與AI的關係形容為「把小老虎當寵物」——當幼虎長大後，很可能傷人。 近日，2025世界機器人大會在北京亦莊舉行，各類機器人颳起運動旋風。圖/記者 賈天勇 攝 如今，在AI帶來的蓬勃機遇面前，越來越多的人並非害怕技術本身，而是擔心自己無法掌握方向盤。 人工智慧的發展正以難以預測的速度推進，而治理機制和國際共識仍然滯後。 面對這場技術變革，中國正在給出自己的方案——不僅考慮如何發展，更著眼於如何在發展中確保安全、在競爭中尋求合作。 其一是保證人工智慧健康有序發展。 「不發展是最大的不安全。」幾周前的中國網際網路大會上，清華大學智能法治研究院院長申衛星的這句話，引起了業內共鳴。 他認為，當前在人工智慧領域，不能因為治理或立法，扼殺掉產業發展的機會。「但人工智慧也確實必須保證健康有序發展，這個底線是應該明確的。」 業內普遍認為，人工智慧領域的治理，應在設定明確底線的前提下，為發展留出充足的空間。而鼓勵創新應該作為人工智慧治理的第一原則。 近期召開的國務院常務會議明確指出，當前人工智慧技術加速迭代演進，要深入實施「人工智慧+」行動，大力推進人工智慧規模化商業化應用，推動人工智慧在經濟社會發展各領域加快普及、深度融合，形成以創新帶應用、以應用促創新的良性循環。 其二是加快形成多元協同治理格局。 治理的目標不僅是防範風險，更要讓技術在可控範圍內釋放最大價值。國務院常務會議提出，要提升安全能力水平，加快形成動態敏捷、多元協同的人工智慧治理格局。 中國社會科學院法學研究所網絡與信息法研究室副主任周輝對三裡河表示，人工智慧技術屬於顛覆性技術，在治理過程中，需要將一致性評估、合規性審查等引入人工智慧監管機制。同時，考慮到人工智慧發展速度不斷加快，應適應性地構建敏捷治理機制。 此外，由於人工智慧技術在全球各領域都會產生深遠影響，其發展和應用帶來的風險與挑戰往往是跨越國界的，治理更需國際合作。對此，中國是倡導者也是積極實踐者。 中國工程院院士鄔賀銓在2025網際網路安全大會上指出，數字空間是人類共同的新家園，人工智慧與數字安全的挑戰是全球性的，單打獨鬥無法應對。 復旦大學中國研究院副研究員劉典認為，中國應摒棄個別國家的「小院高牆」政策，通過「一帶一路」等多雙邊框架，推動AI技術務實合作。 中國社會科學院法學研究所教授姚佳表示，打造一個全方位、多層次、匯聚廣泛共識，具有包容性、平等性和多元性的人工智慧治理框架，應是各國未來合作的重要方向。 其三是讓技術解決技術的挑戰。 面對人工智慧帶來的新挑戰，傳統、被動、碎片化的安全防護已力不從心，亟須變革。 鄔賀銓曾多次表示，要創新升級數字安全防護體系，構建AI驅動的主動免疫。 2025世界人工智慧大會期間，辛頓呼籲人類探索通用AI訓練方法，使人工智慧向善。 上海人工智慧實驗室主任周伯文指出，在面對長期風險，特別是管理可能超越人類智能的智能體時，要轉向「內生安全」的新思路，即從「讓人工智慧變得安全」(Make AI Safe)邁向「打造安全的人工智慧」(Make Safe AI)。前者是後置性的安全補丁，缺乏敏捷性和韌性；後者則強調安全的內生性和原生性。 人工智慧的未來，並不只是關於算力的競賽。更重要的是，誰能在技術創新與規則之間找到平衡，誰就有可能贏得真正的主動。 中國正在給出的答案，是一條兼顧發展、治理與技術安全的道路。 (「三裡河」工作室)
前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
成人免费直播
「活动」首次登录送新手大礼包
- 软件大小: 825.19MB
- 最后更新: 2025-12-03 23:11
- 最新版本: v15.11.16.2
- 文件格式: apk
- 应用分类:ios-Android 月神直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.79以上
客服热线：131-5479-5632
32
94
82763
64
2025-12-03 23:11
67342
53
2025-12-03 23:11
93718
67
2025-12-03 23:11
24961
27
2025-12-03 23:11
28315
97
2025-12-03 23:11
71893
51
2025-12-03 23:11
69372
36
2025-12-03 23:11
92561
46
2025-12-03 23:11
96257
82
2025-12-03 23:11
91364
14
37589
94526
86172
43
39758
27493
75921