开源 AI 新趋势：模型普及化，竞争聚焦数据与服务
开源大模型随着基础模型日益丰富，真正的商业护城河将从“是否拥有模型”转变为“是否具备落地场景”。开源大模型开放权重模型本地化部署方案近期持续升温越来越多的企业意识到通用模型的能力获取正变得愈发便捷然而要将 AI 转化为实际业务成果依然离不开行业专属数据流程规划与用户场景基础能力将逐渐走向大众化应用价值将向垂直行业转移谁更精通行业谁掌握高质量数据谁能将模型融入真实业务流谁便更有可能构建竞争壁垒AI 发展的下半场并非每家公司都需自研大模型而是每家公司都需具备自身的业务智能与其盲目追逐最强模型不如先梳理企业内部
2026数据要素验收季:AI竞争的新赛点已转向数据资产化
国家数据局在7月6日至7日连续两天发出明确信号：优质数据集、流通机制与落地场景，正成为AI实现产业化的关键约束条件。国家数据局在7月6日至7日连续两天传达同一信息：优质数据集、流通机制与落地场景，正在成为AI实现产业化的关键约束条件。7月7日，国家数据局发布的一则消息，使数据要素这个看似偏重制度和政策的议题，再次回到AI产业的核心位置。同一脉络在前一天已经显现。7月6日，国家数据局举办2026年“数据要素×”系列发布会第二场，聚焦真实数据、真实需求、数据产权登记、数据换订单、换服务、换模型、换场景，同时涉
AI泡沫退潮后，产业智能才真正启程
——从大模型鏖战迈向垂直领域智能化的必然路径 近两年，人工智能成为全球资本聚焦的核心赛道。从大模型密集发布，到算力军备竞赛，再到AI初创企业蜂拥而起，行业一度进入爆发式增长期。 但与此同时，一个愈发清晰的现实浮出水面： AI行业正经历一场典型的“资本驱动型泡沫”。 一、当前AI仍处于高投入阶段 目前AI产业普遍存在以下特征： • 巨量GPU资源投入 • 持续攀升的训练成本 • 高企的人才薪酬 • 天价数据采购支出 • 推理费用居高不下 • 商业模式尚不清晰 许多企业年投入数十亿甚至上百亿元，却未形成可持续
AI创业的真正壁垒在于业务编排而非模型开发
近来常有人询问——开发AI产品，是否需要训练自有模型？我的建议是：不必。为何如此？讲一个相反的例子。近期有家名为Blitzy的公司，专注于为企业编写软件。一次任务能产出数十万行端到端测试代码——行业里多数AI编程工具一次仅生成两三百行，它却能一次输出五十万行。这家公司刚以14亿美元估值完成融资。但更引人注目的是其创始人公开表态的一句话："我们不发布自己的模型。那是错误的竞争。"那他们专注于什么？他们所做的就是——用Claude审查GPT的产出，用GPT审查Gemini的产出，再用Gemin
垂直领域数据乃AI发展根基
近期体验了多款主流大模型，包括豆包、千问、Gemini、ChatGPT，彼此间差距颇为明显。让AI撰写旅游攻略、工作报告、商务邮件等基础内容，表现尚属优异；然而一旦触及专业领域的数据分析，便破绽频现。诸如钢铁等建材的价格波动趋势，木材供应链等细分领域的调研分析，以及投研相关工作；皆存在大量数据失实的问题。因此，大模型若要进一步释放价值，数据乃是根本所在。倘若无法获取真实且持续更新的数据支撑，AI产出之物便毫无实践意义。举例来说，让AI解析新开工项目数量与水泥价格之间的关联，若模型无从掌握真实供需数据，便会
行业数据如何成为AI转型的制胜法宝
你家电器坏过吗？我之前洗衣机出了问题，网上一搜，全是乱七八糟的小广告，根本不敢相信。路边随便找了个维修师傅，上门检查后说"主板烧坏了"，张口就要600块。我有点犹豫，他就给我施压"不修的话就彻底报废了"。后来我咨询了懂行的朋友，才发现其实就是传感器的问题，材料费才几十块钱。家电维修这个行业，信息不对称严重到让人怀疑人生。你不懂技术，师傅说什么就是什么。价格？随便喊。售后？修完人都不见了。万师傅做了一件事，我觉得特别厉害。他们把12年积累的2亿多条订单数据、450万师傅的服务
胜宏科技否认涨价失败传闻，澄清股价波动原因
来源：21财经 近日，《21辟谣》关注到，有传言称“PCB巨头议价未果”，并将此与胜宏科技(340.120, -14.71, -4.15%)昨日（5月14日）股价大幅下跌联系起来，引起市场热议。 针对此事，5月15日中午，21快讯记者以投资者名义联系胜宏科技，公司接线人员答复称：“该（网络传言）系虚假信息，纯属谣言。导致股价变动的因素众多，今日可见整个PCB板块均出现一定程度的回调。” 对于市场关注的上游原材料成本传导压力，该工作人员指出，尽管铜箔、树脂、玻纤布等上游材料价格有所上涨，但CCL本身高频高速
工信部：挖掘工业数据潜力 构建高质量数据集
据记者了解，工信部于5月13日召开了相关会议，重点研讨并部署了高质量行业数据集的建设任务，旨在号召各地区及各行各业积极挖掘工业数据的潜力，从而促进制造业向数字化和智能化方向迈进。 会议指出，深入挖掘工业数据价值是推动AI技术革新、加速培育新质生产力以及促进制造业数智化升级的关键举措。鉴于我国工业数据储备充足、产业体系健全以及应用场景多元，其开发应用前景十分广阔。 会议明确指出，应重点攻克工业数据在采集、汇聚及使用方面的瓶颈，探索更优的实践路径，建立数据流通的激励机制，从而加速高质量行业数据集的构建。同时，
人工智能算力崛起与本土化替代提速:2026年关键行业数据与投资脉络
免责声明陕西巨丰投资资讯有限责任公司（下文简称“巨丰投顾”）发布的所有内容及观点，均依赖于相关市场研究报告作者所掌握的各项市场环境因素与企业内部要素。任何盈利预测及目标价格的设定，均建立在一系列特定假设与前提条件之上。因此，投资者唯有在充分了解研究报告中所涉标的的全部信息后，方能对我们所阐述的观点形成较为全面的认知。巨丰投顾发布的内容仅为对相关研究报告部分要点的援引或转述，受限于技术或其他客观条件，我们无法同时完整提供各类观点所依据的全部假设、前提等背景信息。因此，相关内容可能无法完整或精准地呈现原研究报
工信部公布人工智能行业数据集建设先行先试联合体名单
各省、自治区、直辖市工业和信息化局：为深入落实国家关于人工智能发展的战略部署，加速工业数据“采集、汇聚、应用”的落地，依据《工业和信息化部办公厅关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》（工信厅信发函〔2026〕64号），经各地推荐与专业评审，已选定先行先试联合体名单（详见附件），现正式对外发布。希望推荐单位进一步强化对先行先试联合体的支持与保障，确保试点工作取得实效。此外，鼓励各地结合实际情况开展地方工业数据筑基行动，促进本地高质量行业数据集建设，挖掘工业数据的
美国自助仓储产业陷社区抵制困境
各地社区居民开始反对仓储设施大规模扩张，运营商正尝试让这些建筑更好地融入周边环境 作者：弗雷德・A・伯恩斯坦 营销高管萨拉・瓦斯自称是 “仓储空间女王”。她在曼哈顿下城公寓附近租了一间狭小的储物间，在长岛东端还有另一间 —— 她之前在那里拥有一套住宅。她还从母亲、时装设计师琼・瓦斯那里继承了皇后区的三间储物间，花了数年时间才把物品归纳整理完毕。她说，光是曼哈顿那间的租金就快赶上一套公寓的价钱了，而且没有安装空调。这意味着她需要准备大量 “防虫樟脑丸”。 “如果你想保存一件亚历山大・麦昆的原始设计作品，”
工信部发布人工智能赋能行业高质量数据集试点联合体名单
为落实党中央、国务院关于人工智能发展的部署要求，加快探索工业数据“采”“集”“用”的有效实现路径，依据《工业和信息化部办公厅关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》（工信厅信发函〔2026〕64号）有关安排，经地方推荐、研究审议，确定先行先试联合体名单（见附件），现正式公布。请各推荐单位进一步强化对先行先试联合体的支持与保障，积极促进先行先试工作取得实效。同时，鼓励各地结合实际启动地方工业数据筑基行动，推进本地区高质量行业数据集建设，探索工业数据开发利用的模式和
拆解AI短剧赚钱逻辑：7300部样本背后的6张数据卡
新腕儿漫剧大会落幕后，接下来我们会陆续整理并发布现场嘉宾的演讲实录。3月20日举行的新腕儿漫剧大会上，有戏AI CEO林洪祥带来了题为《AI短剧工业化的最佳实践探讨》的主题分享。以下是本次演讲全文：大家好，我是有戏AI CEO林洪祥。大会已进入尾声，作为最后的分享环节，我不想泛泛而谈趋势，而是直接拿出一组可能让很多人感到扎心的真实数据。过去几个月里，我们联合47家生态合作方，深入拆解了7300多部真实短剧样本。在完成这批大规模数据分析之后，我们看到一个相当残酷的现实：当前AI短剧赛道中，很多团队不仅没有获
AI 演进：体系能力决定胜负
人工智能的角逐，关键在于体系能力数据是突破企业瓶颈的核心黄奇帆将人工智能演进划分为五个层级：探讨人工智能时，许多人往往只关注模型与应用，却忽略了本质：AI 并非单一技术，而是一个紧密相连的系统。黄奇帆将 AI 演进划分为五个层级，揭示了真相 ——AI 的博弈从来不是比拼单一优势，而是体系实力的较量。在此过程中，数据的重要性往往被低估，它实则是企业构建 AI 核心竞争力的关键护城河。○ 一、人工智能演进的五个层级：各层相互支撑，底层越关键 ○人工智能的运行依赖于芯片、算力基础设施、数据、算法模型及能源电力这