大模型上车，正从企业自发探索上升为国家产业战略。但一个更具体的问题摆在行业面前：端侧大模型，到底量产了没有？
不难看出，在开源模型赛道上，“DeepSeek们”的领跑地位没有被动摇，但要在大模型的全球博弈中走得更远，还需要解决算力问题。毋庸置疑，“DeepSeek们”不在意多一个对手，在意的是怎么补短板。
自动化开展对齐研究可能推动向着对齐人工智能的方向取得进展，但其效果难以衡量；而缓解对齐失效这项任务可以作为研究自动化对齐的天然试验台，其中许多对齐失效已经能够借助公开基准进行度量。
AI厂商如火如荼入驻电商平台的背后，是大模型API调用额度，从后台技术接口走向更加标准化的数字商品。
产业基础是制造业核心竞争力的根本体现，是制造强国、质量强国的重要基石。为加快提升产业基础能力，推进产业基础高级化，依据《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，制定本规划。
不可忽略的是，当大模型能够越来越快地给出答案，也对数学家的工作提出了新的挑战。如何提出值得研究的问题、创造新的方法，这些都是需要面对的新课题。
从买方角度看，中国大模型企业的付费能力与海外巨头不在一个量级。高盛预测中国AI模型的API及订阅收入将从2026年估算的350亿元人民币增长至2030年的8790亿元人民币，这个增长曲线看起来陡峭，但当前基数下的利润空间有限。
机器学习的应用正在从模型训练和效果验证，逐步深入到搜索、推荐、内容理解和业务流程自动化等实际场景。
近一两年来，腾讯、网易、巨人网络、昆仑万维、完美世界等头部以及腰部的游戏公司纷纷化身AI产业的战略投资者，频频出手好不阔气。从游戏走向风投，这步棋究竟有何盘算？
大模型的参数规模还在膨胀，AI芯片的散热压力也随之上升。一台满载的AI服务器，功耗是普通服务器的十倍以上；热量散不出去，再强的算力也只能降频运行。
过去三年，云端证明了AI能有多聪明，但最聪明未必与生活场景最接近，接下来端侧要证明的，是如何在智能、成本、功耗上把握一个平衡点，让AI真正成为设备的一部分。
