中国AI调用量首超美国，AI时代人才与商业模式加速重构

要点速览

中国AI大模型周调用量达4.69万亿Token，连续两周超越美国，全球前三被中国模型包揽
DeepSeek核心研究员郭达雅离职，曾参与V3、R1等关键模型研发
Reddit CEO称将大量招聘应届生，因为他们是"AI原生一代"
OpenAI宣布将在ChatGPT免费版投放广告，探索收入多元化
浙大团队破解多模态模型"盲目自信"问题，准确率提升近一倍
陶哲轩论AI辅助数学：需构建适配机器的新型基础设施
年轻人把社交"外包"给AI引发担忧，可能丧失真实社交能力
百度DuMate上线，首个国产企业级OpenClaw产品全量开放

市场格局重塑：中国AI调用量首次反超美国

中国 AI 大模型周调用量达 4.69 万亿 Token，连续两周超越美国

据央视财经报道，全球最大 AI 模型 API 聚合平台 OpenRouter 最新数据显示，中国 AI 大模型的调用量在 3 月 9 日至 15 日期间达到 4.69 万亿 Token，连续两周超越美国。全球调用量排名前三的位置也被中国模型包揽。

摩根大通预测，中国的 AI 推理 Token 消耗量将从 2025 年的约 10 千万亿增长至 2030 年的约 3900 千万亿，五年间增长约 370 倍。

深度解读 & 洞察：

Token（词元）是文本数据经分词处理后的最小单位，是衡量AI模型使用量的核心指标。4.69万亿Token的调用量，反映的是中国AI应用的实际使用规模，而非单纯的技术能力对比
这标志着中国AI产业从"追赶者"向"领跑者"的转变。调用量超越意味着中国企业在AI应用落地、商业化探索上已形成规模效应
摩根大通预测的370倍增长，背后是中国庞大的应用场景（电商、金融、制造业等）和用户基数。这说明中国AI市场已进入快速增长通道
值得注意的是，调用量领先≠技术能力领先，但应用规模领先往往能反过来推动技术迭代和成本优化

影响：

利多中国AI概念股：商汤、科大讯飞、百度等AI应用公司的商业化前景更明朗
投资启示：关注在垂直行业有深度应用的AI企业，而非纯技术厂商。中国市场的优势在于场景和数据，而非基础算法突破

人才流动：DeepSeek核心研究员离职引关注

DeepSeek核心研究员郭达雅被曝离职，引发业界关注

量子位披露，DeepSeek核心研究员郭达雅已离职。这位参与了V2、V3、R1等关键模型研发的技术人才，其职业动向引发业内广泛关注。

郭达雅2023年博士毕业后加入DeepSeek，几乎参与了公司主要模型的完整研发链条：

DeepSeek-Coder系列（2024年1月）：覆盖1.3B到33B参数规模，达到当时开源代码模型领先水平
DeepSeek-Math（2024年2月）：提出GRPO强化学习方法，成为R1模型的关键技术基础
DeepSeek-Prover（2024年5月）：在Lean 4定理证明任务上超越GPT-4
DeepSeek-V3和R1：R1论文登上Nature封面，训练成本仅约29.4万美元

深度解读 & 洞察：

DeepSeek以"小团队、高产出"著称，核心人才的流失可能对其后续研发节奏产生影响。R1模型的成功证明了"不依赖人工标注的纯强化学习"能激发大模型推理能力，这一突破性成果凝聚了核心团队的心血
郭达雅的学术背景亮眼：博士入学第三天就完成毕业论文发表要求，连续三年夺得腾讯广告算法大赛冠军（奖金超百万），谷歌学术引用超1300次。这类"明星研究员"的去向往往预示着行业资源流动方向
AI人才市场已进入"战国时代"：大厂、创业公司、高校研究机构都在争夺顶尖人才。核心研究员的离职可能是被更高待遇挖走，也可能是创业，无论哪种都说明AI人才的价值被市场高度认可
对于DeepSeek而言，关键是其技术积累和研发体系能否持续产出。单一人才的离职不应过度解读，但需要关注后续是否有更多核心成员离开

就业新趋势："AI原生一代"成为职场新变量

Reddit CEO：将大量招聘应届毕业生，因为他们是"AI 原生一代"

Reddit 首席执行官史蒂夫·霍夫曼表示，公司将大量招聘应届毕业生，因为他们是真正的人工智能原生一代。“现在刚从大学毕业的年轻人，是借助人工智能学习编程的。他们在这方面非常擅长。”

霍夫曼认为，招聘应届毕业生的竞争将会非常激烈。那些最优秀的应届生如果现在不招，以后就再也没机会了，因为他们太有价值，甚至不需要公开找工作。

深度解读 & 洞察：

颠覆传统认知：很多人认为AI会消灭入门级岗位，但霍夫曼的观点恰恰相反——"AI原生"本身已成为一项核心技能。这就像互联网时代早期，会用电脑、会上网的应届生反而更有优势
技能范式转移：传统编程能力≠AI时代的编程能力。借助AI工具，新人能更快地完成代码编写、调试、优化，这种"人机协作"的工作方式已成为新标准。企业看重的不再是"从头写代码"，而是"能否高效利用AI解决问题"
就业市场的分化：霍夫曼提到"最优秀的应届生甚至不需要找工作"，说明市场已出现两极分化——会用AI的应届生成为稀缺资源，而不会用AI的则面临更严峻的就业环境。这解释了为什么Anthropic等公司警告"AI可能让一半入门级白领岗位消失"，同时又有企业"抢应届生"
企业战略调整：Reddit选择"用AI提升效率，但做更多事情而非裁员"，这是明智的。AI提升的效率应该转化为更高的产出，而非单纯的人力成本削减。这种策略既能吸引人才，又能保持组织活力

商业化探索：AI巨头的变现路径分化

OpenAI：将在美国 ChatGPT 免费版及 Go 版投放广告

OpenAI 发言人表示，未来几周内，公司将开始向美国地区所有 ChatGPT 免费版及 Go 版用户展示广告。广告技术公司 Criteo 已接入测试项目，正在向广告主招商，要求承诺 5万至10万美元的广告投放预算。

随着 ChatGPT 使用量激增，OpenAI 一直在探索将广告作为新的收入来源。在生成式人工智能竞争日趋激烈、计算基础设施成本不断攀升的背景下，该公司正寻求实现收入来源多元化。

深度解读 & 洞察：

从"技术理想主义"到"商业现实主义"：OpenAI最初强调"让AI造福全人类"，如今走上广告变现之路，说明即使是AI巨头也难以承受高昂的基础设施成本。免费用户的商业价值只能通过广告来实现
广告模式的争议：AI对话中插入广告可能损害用户体验。ChatGPT作为生产力工具，用户对其"纯净性"有更高期待。如何在商业化和体验间平衡，是OpenAI需要解决的难题
对行业的影响：如果OpenAI成功验证"AI+广告"模式，可能引发行业跟风。这意味着未来AI产品可能分化为"付费纯净版"和"免费广告版"，类似于现在的视频网站、音乐平台

影响：

短期利空OpenAI品牌形象：用户可能对"商业化"产生抵触情绪
长期利好广告行业：AI聊天场景是新的广告位，Criteo等广告技术公司率先受益
投资启示：关注AI领域的"卖铲人"——为AI公司提供广告技术、云服务、算力的企业，而非AI应用本身

技术突破：多模态模型学会"知道自己不知道"

浙大团队破解多模态模型「盲目自信」：先校准置信度，再分配算力

浙江大学联合阿里巴巴、香港城市大学、密歇根大学的研究团队发现，当前视觉语言模型存在一种典型认知偏差：输入图像从清晰状态逐步加噪至接近不可辨认时，模型的准确率断崖式下跌，但置信度几乎纹丝不动——图都糊成一团了，模型依然信心满满地给出答案。

研究团队将这种现象定义为「感知钝化」（Perceptual Bluntness），并提出了 CA-TTS框架，该工作已被 CVPR 2026 接收。

核心突破：

CDRL训练方法：让模型在"看得清"和"看不清"两种情况下，给出与视觉证据相匹配的置信度。训练后，模型面对噪声图像时置信度下降幅度达到训练前的4.3倍
CA-TTS推理框架：将校准后的置信度转化为算力分配信号。当模型不确定时，自动调用更多计算资源进行验证
效果显著：在Math-Vision基准上，准确率从23.0%提升至42.4%，几乎翻倍

深度解读 & 洞察：

解决的是"安全感"问题：AI模型的"盲目自信"是长期痛点。在医疗、自动驾驶等高风险场景，模型给出错误答案却高度自信，可能导致严重后果。让AI"知道自己什么时候不该太自信"，是可靠性提升的关键一步
重新定义算力使用效率：传统方法是"对每个问题都投入相同算力"，CA-TTS则是"不确定的问题多投入，确定的问题少投入"。这就像考试时把时间花在难题上，而非平均分配。实验显示，CA-TTS的扩展效率是传统方法的2.2倍
从"先推理后感知"到"先感知后推理"：过去的研究假设模型已充分利用视觉信息，但CA-TTS提醒我们，模型可能根本没"看懂"图像就开始推理。先建立对视觉证据的敏感度，再进行推理，是更合理的范式
商业化前景：这项工作已在CVPR 2026发表，可能很快被集成到实际产品中。"置信度校准"能力可能成为AI产品的卖点之一——“我们家的模型更诚实”

深度思考：数学大师眼中的AI与知识生产

陶哲轩：AI 辅助数学证明如同汽车冲击城市，需构建新型基础设施

数学家陶哲轩将人工智能与形式化方法对数学研究实践的影响，比作汽车对城市发展的冲击。这一类比同样适用于包括编程在内的其他领域。

核心观点：

汽车比以往任何交通工具都快，但让原本为人、马匹和马车修建的道路变得拥堵。只有经过深思熟虑的城市规划与交通规则，才能以合理的方式将两种世界融合起来
AI辅助证明可以高效地从假设直达结论，却恰恰在过程中丢失了附加价值：研究者锤炼专业能力、勾勒数学版图、发现新的研究方向，并记录下那些富有启发意义的死胡同与迂回路径
更好的做法不是把AI强行塞进现有体系，而是创建适配机器的新型数学基础设施，用以补充而非取代人类的研究路径

深度解读 & 洞察：

"过程"的价值被忽视：传统数学研究不仅产出"结论"，还产出"过程"——那些失败的尝试、迂回的路径、意外的发现。AI能快速给出结论，却省略了过程，就像坐出租车直达目的地却错过了沿途的风景和发现
需要新的"知识基础设施"：陶哲轩提议建立"AI规划"学科，就像城市规划一样。传统期刊、会议体系是为人设计的（“窄路”），需要建立适配AI的新型基础设施（“高速公路”），让两者并行而非冲突
AI并未真正加速研究：陶哲轩坦言，AI虽然让他的工作"更丰富、更广阔"，但实际研究速度并没有比过去快太多。AI打开的是"全新的可能性"，而非单纯的效率提升。这打破了"AI让一切更快"的迷思
对其他领域的启示：这一类比同样适用于编程、写作、设计等领域。AI能快速产出结果，但可能削弱从业者通过"试错"积累经验的过程。如何在"高效产出"和"能力成长"间平衡，是所有人需要思考的问题

智能体突破：AI一夜找出人类遗漏的关键细节

特斯拉前 AI 负责人：调了几个月 GPT-2，AI 一晚上就找出人类忽略的关键细节

特斯拉人工智能和 Autopilot 原负责人安德里杰·卡尔帕西（Andrej Karpathy）花了数月时间手动调试GPT-2训练配置。随后，他让一个自主智能体接管了仅仅一个晚上，这个智能体就找到了卡尔帕西忽略的精细调优参数。

这些微调项之间还存在相互作用，人类很容易遗漏，但对系统性搜索而言却一目了然。

深度解读 & 洞察：

"人类直觉"的价值被高估：卡尔帕西指出，各大AI实验室的研究者对自己的直觉赋予了太多毫无根据的信任。AI智能体能进行系统性搜索，发现人类难以察觉的参数组合和相互作用
研究者正在"自动化自己"：卡尔帕西坦言，这其实也正是他们公开宣称的目标。在存在客观指标的领域（如模型训练、代码优化），研究者应该把自己从流程中抽离出来，让AI接管
局限与边界：卡尔帕西强调，这些进展难以迁移到"更难量化"的领域。在需要主观判断、创造力的任务上，人类的价值依然难以替代。这也说明AI智能体的优势在于"有明确目标的问题"，而非开放性探索
对行业的启示：AI研究本身正在被AI改变。未来可能出现"AI训练AI"的循环——让智能体去优化模型，再用优化后的模型训练下一代智能体，人类的角色从"参与者"转向"监督者"

市场研判：AI泡沫若破裂，冲击将小于互联网泡沫

专家：AI 泡沫若破裂冲击将小于互联网泡沫，科技巨头"护城河"是关键

银行家兼《科技财富》作者伊戈尔·佩伊奇表示，如果人工智能热潮崩盘，其后果不会像当年互联网泡沫破裂那样严重。科技巨头前所未有的统治地位和强大的"护城河"将限制市场下跌的幅度。

与互联网泡沫的对比：

核心业务盈利：Alphabet、微软等科技巨头拥有高盈利的基础业务，即使AI投资失败，股价也不会彻底崩盘
融资依赖度低：企业对银行贷款依赖度低，不易引发金融或现金流危机
投资者审慎：现在的投资者在挑选股票时比当年更加理性，不再盲从特定标签

潜在风险：

大量资金集中在"美股七巨头"等少数科技股上，一旦该板块走弱，将波及所有资产
市场最终可能只能容纳少数几家能够开发出最顶级AI模型的企业

深度解读 & 洞察：

“泡沫"不等于"骗局”：互联网泡沫破裂后，亚马逊、谷歌等公司依然活下来并成为巨头。AI泡沫即便存在，也可能只是"估值过高"，而非"技术无价值"
科技巨头的"安全垫"：与2000年的互联网公司不同，今天的科技巨头有巨额现金流和成熟商业模式。即使AI投资失败，它们也不会像当年的Pets.com那样倒闭。这降低了系统性风险
投资建议的务实性：佩伊奇建议"持有资源雄厚、业务多元的科技巨头股票"，而非押注单一AI概念股。这就像淘金热中卖铲子的稳赚，而挖金子的可能暴富也可能破产
市场集中度的隐忧："美股七巨头"占标普500权重的近30%，这种集中度本身就构成风险。AI竞赛可能加剧赢家通吃效应，进一步推高头部企业估值

影响：

对股市的影响：AI泡沫若破裂，可能引发科技股回调，但不太可能引发系统性金融危机
投资启示：分散配置，避免过度集中于AI概念股。关注有真实AI商业化能力的巨头，而非讲故事的概念股

产业生态：中国AI加速落地

苹果 CEO 蒂姆·库克：迫不及待想看看中国 AI 下一步进展

苹果 CEO 蒂姆·库克在中国发展高层论坛 2026 年年会上表示，中国机器人行业发展令人印象深刻。他对 AI 非常期待，并迫不及待想看看该领域的下一步发展。

库克强调，中国是苹果公司最重要的生产基地和最主要的供应链来源地。苹果公司持续深化在华创新合作、绿色发展与产业链协同，这与中国"十五五"规划方向高度契合。

深度解读 & 洞察：

库克的访华节奏：3月18日参加成都庆典，3月19日与游戏开发者交流，3月20日会见商务部部长，密集行程显示苹果对中国的重视。在全球地缘政治紧张的背景下，库克反复强调"美中经贸关系稳定"，说明苹果难以承受与中国脱钩的成本
对中国AI的期待：库克提到"中国机器人行业发展令人印象深刻"，这可能指中国在工业机器人、服务机器人领域的进展。中国在制造业场景上有独特优势，可能成为AI应用落地的试验田
新质生产力的例证：库克称中国开发者"利用技术构建工具帮人们学习技能、管理健康"，是"新质生产力的典范"。这说明中国AI产业已从"技术追赶"转向"应用创新"

全国农业高校人工智能学院院长研讨会召开，共建国产算力赋能农业AI生态

全国农业高校人工智能学院院长研讨会于 3 月 20 日至 22 日在海南三亚召开，吸引 40 余家农业高校、科研院所及行业企业的近 200 位专家学者参与。

会议形成共识：国产算力的自主可控与农业大模型的应用创新，是解决智慧农业人才短缺、技术落地梗阻、数据孤岛等瓶颈的关键抓手。

海南省科学技术厅副厅长杨文强发出联合倡议，提出四项具体行动：共建适配生态、共享资源要素、共育专业人才、共推标准落地。这一倡议由 34 家单位联合发起，涵盖中国农业大学、华中农业大学、沐曦、摩尔线程、燧原科技、商汤科技等产学研机构。

深度解读 & 洞察：

农业AI的特殊性：农业场景分散、数据非结构化、终端算力有限，与互联网AI有本质区别。需要专门的大模型和适配的算力基础设施
国产算力的机会：农业领域对数据安全敏感，国产算力有天然优势。34家单位联合倡议，说明政产学研已形成共识，"国产算力+农业AI"可能成为突破口
人才缺口的紧迫性：农业AI需要既懂农业又懂AI的复合型人才，这类人才极度稀缺。联合培养方案和实训基地的建设，是解决人才瓶颈的关键

2026全球开发者先锋大会即将在上海举办

2026全球开发者先锋大会（GDPS）定于 3 月 27 日至 29 日在上海徐汇举办。这场大会由"1场开幕式、3+赛事、50+工作坊、100+互动体验、N场嘉年华"组成。

亮点：

实操导向：现场提供OpenClaw等AI工具部署服务，半小时内完成从安装到配置的全流程
创业生态：聚焦"一人公司"（OPC）和"超级创业者"趋势，设置创新大赛
出海议题：邀请FunPlus、美高域等企业分享AI产品出海经验
产业对接：链接近百家国内外投资机构，帮助项目找到落地场景

深度解读 & 洞察：

从"演示"到"实操"的转变：大会提供现场部署、免费Token等，说明AI产业已从"秀肌肉"转向"帮落地"。开发者需要的是能用起来的工具，而非炫技的Demo
"一人公司"成为趋势：AI工具让个体创业者也能完成过去需要团队才能做的工作。大会上专门设置OPC议题，说明这一趋势已得到官方重视
上海AI产业集群：稀宇、商汤、沐曦、壁仞等企业聚集，加上创智学院、上海人工智能实验室等机构，上海已形成较完整的AI生态

社会影响：年轻人把社交"外包"给AI引发担忧

年轻人正把社交"外包"给 AI：用聊天机器人处理分手、拒绝等棘手社交场合

研究人员发现，越来越多的年轻人在人生中那些微妙、棘手的时刻，让 ChatGPT 等人工智能模型代自己出面。研究人员将这种现象称为**“社交外包”（Social Outsource）**。

典型案例：耶鲁大学一名学生用ChatGPT来拒绝一位女生。虽然这段话看起来非常得体，但对方确信这段话"99%是AI写的"。该学生承认拒绝短信是用聊天机器人代写的，因为他觉得自己不擅长写这种敏感措辞。

潜在影响：Common Sense Media 研究主管迈克尔·罗布指出："如果每一条棘手、难开口的消息都由AI代笔，可能会让用户形成一种观念——觉得自己的语言和直觉永远都不够好。"这种情况可能导致年轻人丧失真实社交的能力，并产生对自己表达能力的极度不自信。

深度解读 & 洞察：

"社交外包"的心理机制：年轻人用AI处理棘手社交，本质上是逃避焦虑。但社交能力就像肌肉，需要通过"艰难对话"来锻炼。如果这些对话都由AI完成，社交能力可能真的会退化
信任危机：当"AI写的"成为默认假设，人们可能开始怀疑收到的每条消息。这就像假新闻泛滥后，人们对所有信息都产生怀疑一样。真实性和诚意可能成为稀缺品
对AI产品设计的启示：AI工具是否应该帮助用户处理情感类任务？是否应该在产品中设置限制或提醒？这是AI伦理需要探讨的问题
更深层的社会问题：年轻人为什么越来越不擅长社交？是教育问题、社交媒体的影响，还是社会压力的上升？"社交外包"可能只是症状，而非病因