AI想要什么 | 看DAO2026

多客科技

作者：微信文章
这是我们第五次发布年度科技展望，从《看DAO2022》至今；也是我们第三年发布对AI的年度展望。2025年正在过去，我们的主题是《飞轮与内卷》。2026年，我们聚焦AI，已经被锁定在一场星球级的工业革命当中，一场为赢而赢的竞赛。



公众号简版正文如下：

目录：

AI想要什么

2026，对AI的10个展望

全球竞速 | 自动驾驶

生产力即产品 | 具身智能

个人通用智能体 | 智能终端

创新药下半场 | 生物医药

算力多极世界 | AI芯片

破墙超期周期 | 存储半导体

创造太阳 | 可控核聚变

晶体管时刻 | 量子计算

--AI想要什么

2026年，将是一个AI延迟满足之年。它从在实验室追求评测自己设定的性能，到连接起物质世界固有的节奏。

这个物质世界与数字世界的节奏转换，可以从上个世纪中叶讲起，伴随着二战的终结和冷战的开启，世界从大规模制造、电气和能源革命，进入信息革命。计算机的设计者约翰·冯·诺伊曼认为，技术发展的方向，正在经历一次重大变革：“短期内以及更遥远的未来，科技将逐渐从强度、材质和能量问题转向结构、组织、信息和控制问题。”

这句话来自他在1948年为维纳的《控制论》撰写的一篇书评，用来概括其中的一个重要思想，以及同时代的香农、图灵、布什等许多人的前沿研究所指向的未来趋势。冯·诺伊曼认为，化石能源技术已经成熟，加上原子能的大规模利用，人类将会进入一个免费能源的时代。这听起来，像是工业革命以来人类从自然界大规模开采和争夺物质的一次历史的终结。

信息技术的确通向一个非物质化的世界。工业化国家以摩尔定律的节奏进入后工业化经济、信息社会和数字文明。无形经济超过了有形经济，服务业超过了制造业，脏活苦活从欧美外包到亚洲，弄PPT的超过了熟练技工，写代码的超过了拧螺丝的。人类似乎正在远离物理世界，面对电脑屏幕或者更令人愉悦的界面，进入一个数字的和非物质的世界。而且这个世界至今运行在冯.诺依曼架构的计算机上。

但AI正在带回物质世界的法则。人们最近常谈的是杰文斯悖论。这是一个诞生于蒸汽机时代，关于煤炭需求的理论，如果人类使用煤炭的效率越高，它的应用就越广，进而对它的需求就越大。这其实是一种能源飞轮的理论，对煤炭、石油、电力都成立。



今天，算力陷入了同样的“悖论”。GPU性能的提升，大模型算法的改进，让算力成本以每年一个数量级的速度下降，但是依然无法满足对算力的需求。因为人们正在使用AI进行越来越复杂的运算，从简单的文本到视频生成，从快速的问答到慢思考的分析，从单智能体到多智能体之间的协同，直到编程、解奥数题、连续数小时工作，消耗的token数量爆发，才刚刚开始。从目前来看，AGI对于token的需求几乎是无限的——因为AI终将面对物理世界。

算力从电力转化而来。数据中心就是AI工厂，用黄仁勋的话说，智能将会成为一种商品，未来人类最不缺的，就是智商和聪明。所有这一切，都建立在前所未有的能源和物质消耗的基础之上。AI正在把文明带回物质的世界。

在冯·诺伊曼架构上，芯片每次运算，都对应着焦耳；服务器吐出的每一个token，都点亮了瓦特。芯片是人类所能制造的最复杂和精密的工业品，在一个板卡上嵌入了各种逻辑、存储、通信、交换、路由的芯片，服务器机架里充满了线缆和光模块，它们又连接成上万个芯片的超级节点，再扩展成几十万甚至上百万个芯片构成的集群。这是一个人类设计出来的电路和光路，让电子和光子流动成为智能；这是一个让沙子思考的过程，就像当年福特的工厂，输入的是铁矿石，输出的是汽车。AI工厂又需要一整套的供电和散热系统。能量密度在迅速提高，功率从一枚芯片的1KW，到一个机架的1MW，到一座数据中心的1GW，而1GW的数据中心，需要6.5吨铜，8.5吨银，它的周围，要配一座核能发电站，数百个兆瓦级的储能柜，或者占地几十平方公里的太阳能电站。当我们生产人形机器人时，它的大脑和小脑的“世界模型”，要完成从对周围环境的理解到完成任务，需要机械的控制和执行，这涉及到的关节等需要钛合金。

所谓的AI编程，更高一级并不是对认知世界的编程，实际上是对物质世界的编程。

数据中心让进入后工业化社会的经济，重新回到制造业，重新面临物质短缺的世界。能源、产能、矿产、制造业的劳动力和处理物质世界的熟练技工，都处于短缺状态。数据中心需要巨大的电力系统，它包括发电、输电网和配电网，以及新型的分布式的电力系统，包括燃料电池模块、锂离子储能模块、小型化的核电模块，还有燃气轮机和变压器。这个世界的政治地理正在重回冯·诺依曼所处的那个时代，地缘政治的角逐，大国竞争和军备竞赛，加剧了制造业的回归和物质世界的重建。

如果人类的工业革命是以能源和矿产的利用广度、深度、颗粒度及效率来衡量的，稀土是这次工业革命的一个重要物质标志。稀土金属影响着电气设备传输能量的方式，以及电子设备传输信号的方式。AI供应链也是如此，离不开稀土的特性。与半导体直接相关的用途，包括作为掺杂剂，用于降低晶体管的阈值电压等；作为芯片结构中的绝缘氧化层；作为化学机械抛光浆料配方中的添加剂。

比如镝，它有很强的耐热性，有助于芯片功率密度提升。英伟达和其他芯片制造商的芯片上，数百个微型电容器就用到了超纯镝。再如铒，可以在特定波长高效受激辐射，放大光信号，有助于提升光互联效率。

还有些稀土金属，虽然没有直接用在芯片里，却影响着造芯能力与成本曲线。氧化铈（CeO₂）成为化学机械平坦化（CMP）工艺的核心材料，主要则是基于它的化学与机械稳定性。抛光浆料直接影响晶圆的平整度与最终良率，这对于动辄上百层的NAND闪存而言尤为关键，每一层的质量波动最终将放大次品率。稀土之稀，已经成为了AI价值链上举足轻重的“杠杆”。



所有这些结合起来，才会让智能无处不在，就像自然界的物质、能源、光和热一样，封装在模型里，最终变得像电力、内燃机、微处理器那样，几乎可以与之前所有的技术组合，并且嵌入到几乎所有的新工业与科技产品中，直到它对于AI原生的一代来说，不再成为技术，而是一种日常的用品和工具的一部分。

已经进行了半个多世纪的非物质化的经济，正在被AI带回一个再物质化时代，发达经济体需要再电气化，与全球南方国家一起，对电力、能源、制造、矿产产生了空前的需求，以至于地球可能已经无法经济性、可持续地满足AI所带来的这一波对能源和矿产的需求。人类倾其所有在喂养AI，这个全人类的超级宠物。

它也带来了全球地缘经济和地缘政治的后果。无论是AI绑定国运，还是化石能源与可再生能源之间的博弈，以及围绕矿产资源的拥有、开采、提炼而形成的供应链，都将成为地缘科技、贸易和政治角逐的核心领域。

美国在重建物质世界。它既有制造业回流、重建中产阶级、保障供应链安全的考虑，也有基于AI主导第四次工业革命的雄心。美国将会在很多方面依赖中国，但又处心以AI 越超中国，并且向外太空扩展，建立新一代算力和能源基础设施。

先进制造业将会与以往不同。由于数据中心和电力系统的短期需求爆发，以及出于国防需求的大规模生产定制，将会催生一个从“定制化、建筑设计”的建筑世界向“模块化、可重复、可扩展”的制造领域转变的过程。AI正在与工业和设计软件融合，如船舶和数据中心建造公司已开始对其产品进行标准化和模块化处理，以实现规模经济，从而使其系统和子系统能够在不同地点进行大规模、一致性和可靠性的生产。这样做是为了能够快速、可重复地建造这些系统，并确保其子系统具有可靠的互操作性和可组合性。

人类开始尝试把数据中心放到围绕地球的轨道上，利用太阳能不间断地训练和推理；也需要在月球上建立基地、开采矿产，送到地球轨道上加工制造。马斯克称地球已经无法满足AI的需求，人类需要卡尔达舍夫的文明II，也就是进入太阳系获取能源和资源。

AI所引发的革命，是一场星球工业革命。如果把人类对于能源和资源的大规模利用，作为工业革命的标志的话，那么AI引发的这场技术革命，从本质上是一场工业革命，而且可能是地球上最后一场工业革命。下一场工业革命，可能发生在太空。



AI并不是安静地处在一个虚拟空间，或者封装在“服务器里的天才们”，AI将把地球上的能源和资源搜刮殆尽，给人类所赖以生存的物质世界带来巨大的消耗。围绕AI的竞争，是一场工业体系的竞争。它也伴随着大国的竞争，被锁定在对物质的争夺之中。

人类用指数级的资源投入，只获得了线性的AI能力增长，或者如奥特曼自己所承认的，AI能力的增长，只是投入资源总量的对数值。实际上，我们以为AI就是数学的，其实它更是物理的。

2026年，是一个回到物质世界节奏之年。这个世界，并不是软件吃掉世界，AI吃掉软件那么简单。如果你整天盯着AI圈子里为自己设计的测试来看，它的增长是指数级的，但回到物质世界，它仍然是线性的、甚至在许多国家是停滞的。这些指标迅速饱和，给人以AI一日，世界千年的感觉，但是回到物质世界，它依然呈现出一种长期的、渐进演变，尽管长期之后最终的结果可能比当初设想的还要好。

AI想要一场大国博弈，这样就可以把资源长期锁定在它想要的轨道中，以加速的能量碰撞那个奇点时刻。2026年，AI 及相关产业，依然是整个社会资本和国家资本优先投资的领域，这个大方向不会改变。

AI需要一个更加庞大的物质世界来支撑它。物质、能量、信息，深度耦合在一起。人们不约而同地把实现AGI的时间向后推迟了，中间相隔的，是人类要为这样一次AI革命做好一次空前的物质准备。
2026，对AI的10个展望

1，在中国的算力基础设施上，训练出中国的下一代前沿模型。2026年是中国走向自主算力的元年，海外AI芯片在中国市场上份额显著下降，自主设计、制造和封装的AI芯片将占据市场主流，国产万卡乃至十万卡集群出现。芯片算力系统与中国本土的前沿大模型协同设计，形成中国的AI生态，最重要的标志，是用中国的本土基础设施训练出前沿模型。



2，更强算力推动前沿大模型继续扩展。英伟达新一代GPU和谷歌TPU定制芯片，继续扩展模型预训练、后训练和测试时计算，并从单一模型向系统扩展。OpenAI与谷歌DeepMind将综合竞争制高点。前沿模型在原生多模态、复杂长链任务准确性、更长上下文、更强的记忆、持续学习、世界模型等领域扩展上限，并解锁出新的场景。新型AI实验室将探索出下一代AI范式，到2026年底，可验证性能有可能加速提升。

3，中国开源模型加速落地场景，美国形成新的阵型。DeepSeek、通义千问、Kimi等引领中国开源模型军团继续保持领先，阵容扩大; 更开放和更低门槛的基础设施和工具，帮助降低微调和蒸馏的门槛，成为落地场景加速器。美国的开源模型也在形成新的阵型，英伟达Nemotron将跻身一流，公开预训练和后训练数据；谷歌的Gemma，OpenAI的gpt-oss，以及明年Meta发布Avocado新模型后，其Llama开源模型家族的下一步，仍值得关注。

4，终端设备开始构建出真正的个人AI体验。AI向终端设备全面部署，成为消费者随身携带的智能体，是最为确定的大规模应用。除了运行在用户电脑上的智能体之外，厂商对AI手机、眼镜和其他AI原生硬件的设计更为积极活跃。中国是全球AI设备供应链的中心。苹果和谷歌可能真正启动软硬件消费AI市场。OpenAI将首次发布原生AI硬件。AI眼镜拍摄成为主流，品牌进一步丰富。

5，编程成为首个实际工作达到人类水平的AI应用。AI在数学和编程的成功，将会延伸到更多可验证领域。测评分数迅速饱和，难度更大的新基准将出现，其中包括更具实际工作意义的评价基准，引导智能体在研究、科学、服务等更多其他可验证领域创造经济价值。

6，训练数据来源从互联网转向环境。用于训练大模型的高质量互联网与公开文本数据基本耗尽。AI的学习，正在从接受公开数据灌输进入“经验时代”，即越来越多地从自己的试错中学习，更加依靠可验证合成数据。决定模型上限的，将不是谁拥有更多现成数据，而是谁具备构建环境、生成任务、吸收失败并持续产生学习信号的系统能力。而那些体现行业深度技艺和组织内部知识的非公开数据，构筑起AI竞争的壁垒。

7，政府和前沿AI实验室推进科学智能，加速科学发现。中国和美国从推出科学智能的政策阶段，进入到汇聚资源、组织实施阶段，谋求战略技术新制高点。一些科技巨头和领先的AI实验室利用算力优势，借助AI模型及工具加速研发进程，以新范式引领，努力在一些重要领域取得突破，如生命科学、材料科学、量子计算、气候变化等。

8，全球采用智能体的大型企业超过一半。人与AI开始认真磨合协作。智能体不是简单替代人类，人类也不是简单地使唤智能体去干活。企业开始既不把它当成工具，也不把它当成员工，而是改变传统的管理框架，新建协作关系，包括重新设计工作流程、角色、治理和学习机制，这一磨合过程将需要时间。

9，AI应用进展和基础设施投资存在不确定性，做空压力伴随AI。AI处于炒作高潮和短期高估阶段，已经具体表现为目前AI测评得分与工作表现脱节，芯片库存周期、数据中心建设周期、电力基础设施投资周期之间难以匹配。OpenAI 的资金链、甲骨文的负债和数据中心交付、和英伟达的GPU库存情况，将是足以影响整个AI生态、进而影响市场甚至经济的重要信号。



10，AI与电力系统更深度融合，形成智与能的革命。电力成为最重要的AI基础设施，美国数据中心建设达到高潮，电力短缺加剧；中国也正在通过全国性机制设计解决清洁电力供给问题。数据中心的耗电量和能量密度越来越大，将建立端到端的高压直流配电体系，以及不同层级的储能与冷却系统。更加分布式与多元异构的电力系统，在电力稳定 、廉价、绿色的不可能三角中，也日益依赖AI优化运营管理。数据中心成为“新物种”，将在AI基础设施与新型电力体系的协同演进中，发挥越来越关键的作用。

One More Thing

2026将是社会对AI信任的考验之年。随着AI渗透率越来越高，AI模拟人类认知与物理世界的能力进一步逼近临界点，现实与虚构的界限更加模糊。AI将不可避免进入教育体系，进一步发挥文明层面的影响力。随着AI自主学习能力的增强，长链条的自动化复杂工作逐步增加，挑战人类的能力去监督和核实AI学习和工作的过程与结果；这些考验着对齐，考验着治理，也考验着人类在各个场景中驾驭AI的能力。前沿AI实验室和科技巨头，更加关注AI研究与应用的正面社会影响及人口级用户福利，倡导AI（科技）向善，培养和建立公众对AI的信任。
全球竞速 | 自动驾驶

在各自经历国内市场的规模扩张后，中国与美国的自动驾驶企业将迎来全球市场短兵相接的一年。中国企业在验证本土低成本运营模型后，正转向海外高价值场景，但本地算力供应与数据合规跨境将是不可忽视的双重挑战。



自动驾驶正在跨越1%市场渗透率的鸿沟。年内，百度、文远知行与小马智行车队规模超过千辆。小马智行明年计划扩展至3000辆，是去年底的10倍，也接近Waymo此前规划同期3500辆的水平；滴滴今年上半年已部署超过3000辆自动驾驶测试车。以中国500万辆出租车保有量计算，1%的自动驾驶渗透率意味着约5万辆。预计未来两年内，无人驾驶出租车车队规模将增长十倍。这意味着里程碑式的突破就在眼前。

规模扩展的叙事同样发生在美国。Waymo驶入了高速，在旧金山湾区的市场份额超越了Lyft，明年进军包括伦敦在内的12座新城市，并预计于2027年为母公司做出“实质性”财务贡献。这意味着中国与美国的自动驾驶将走出隔空竞争的阶段，在全球展开正面对决。百度将于明年进入欧洲，伦敦将是两家巨头共同的重点市场。

但是，在规模竞争时代，它们都将面临出行巨头与量产车厂的夹击。特斯拉的robotaxi服务已经上线，量产车型Cybercab将于2026年投产；小鹏、曹操出行、哈啰等也相继加码。Uber目前在美国四个城市合作提供robotaxi服务，多于特斯拉，还与英伟达合作部署约10万辆robotaxi。它们将加速自动驾驶的数据飞轮。
生产力即产品 | 具身智能

与人形机器人相关的一切正在膨胀。在美国，FigureAI估值已达到390亿美元，声称已经为宝马生产3万辆汽车做出贡献；Agility的机器人在GXO物流搬运了超过10万个袋子。在中国，人形机器人企业超过150家，还在激增；上游供应链甚至在没有大规模确定性订单的情况下扩产。

然而淘汰赛已经开始。那家声称要在美国效仿宇树科技的K-Scale Labs已经倒闭，它没有硬件性价比优势；Aldebaran与一星机器人关停，还有数家企业传出资金链断裂。灵巧手发展滞后、触觉感知不成熟及训练数据匮乏，因为技术与产品尚未匹配市场，市场真实需求难以承载越来越多玩家的量产计划。国家发改委提醒要着力防范扎堆上市挤压研发空间。

机器人相关数据集已是HuggingFace上迄今为止增长最快的，仅用3年时间就从第44名上升到第1名。然而，跨越鸿沟，具身智能领域还需要自己的ScaleAI与ARC-AGI。在数据真正得以“精炼”之前，中国同样难言产业场景优势。



技术路线仍在分叉，市场耐心开始收敛。人形机器人最终也要回答自动驾驶当年那道选择题，是在资本窗口内押注通用人形机器人的长期成熟，还是从可落地的智能驾驶式场景切入，持续交付价值，以换取继续演化的时间。
个人通用智能体 | 智能终端

竞争窗口已经洞开，时钟开始倒计时。把智能终端纳入自己的战略布局，将是所有面向消费者的科技巨头的标准动作。这与它们的技术堆栈与产品生态息息相关，每家科技巨头都将补强自己短板。AI硬件的战略优先级也将不断提升。苹果的重心从Vision Pro转向了AI眼镜；Meta砍掉元宇宙预算，挪用到智能可穿戴等业务板块，近期还人才收购了Limitless。OpenAI也需要一款AI原生硬件强化叙事，明年，它与io的新设备将更为具象化。

2026年AI硬件最激烈的战场位于眼前的方寸之间。扎克伯格宣布超级智能很快降临，眼镜是AI的理想终端。Meta爆款的雷朋眼镜让市场相信，它可能触及智能手机的规模。谷歌、苹果，小米、阿里纷纷入局。中国庞大的供应链体系支撑起诸多初创企业打响“百镜大战”，几乎一周一款。明年将有更多中国品牌占据展台，也会有不少退出舞台。



年底，豆包手机的诞生，是这一场颠覆既有格局的预演。本质上，豆包手机助手就是一个系统级的智能体，读取应用内容，模拟用户点击。这威胁到了其他超级应用的核心价值主张。腾讯曾寄望于微信智能体，如今也面临来自系统底层的冲击。越来越多GUI智能体已经开源，为更多手机厂商定制自己的手机智能体降低了门槛。
创新药下半场 | 生物医药

在为中国创新药的“DeepSeek时刻”兴奋了一年后，中国企业正面临着不确定性，工程优势正在被技术范式重新定义；必须在新一轮创新周期中，将AI嵌入医药研发的深水区。

2026年，中国创新药出海的趋势不会停歇。具有竞争力的创新药在研管线大部分来自中国，临床进展最快的也几乎都来自中国。中国在全球临床创新候选药物中所占的份额已从2018年的8%上升至如今的30%。同期，美国份额从47%降至36%。全球160款在研减肥药，约三分之一来自中国；中国占据全球ADC与多抗50%左右的早期临床资产。



中国的竞争力来自跟随式创新的速度与效率。从仿制药、服务外包到跟随创新，中国逐步建立起齐备的供应链与庞大的技术团队，释放了快速试验迭代与低成本临床入组的优势。工程优化是当前阶段中国创新的重要优势。无论上市临床前阶段，还是临床阶段，中国团队花费的时间与资金都要比全球平均水平少一半左右。

然而，新一轮技术范式逼近，中国传统优势未必能无缝延伸。药物研发正经历从细胞外转向细胞内的范式迁移，从传统小分子和生物药，转向RNA、基因编辑与更复杂的细胞内调控机制。AI制药也在改变全周期创新节奏。美国与英国今年明确鼓励在临床前阶段使用 AI 模型、类器官（organoids）、器官芯片（Organ-on-Chip）等新型方法（NAMs）替代动物实验。

美国同时在AI与创新药两大领域领先中国。美国科技巨头正在寻找AI驱动的“可编程生物学”的路径。英伟达热衷于投资AI制药初创企业，近期与礼来共建医药超级计算机。今年最热门的交叉领域之一当属“虚拟细胞”。英伟达的RNA基础模型CodonFM将每三个核苷酸组成的密码子视为token，验证了扩展定律仍然生效；谷歌的C2S-Scale可以预测细胞对药物、基因敲除或细胞因子的反应。阿斯利康则预计，基于AI的临床试验患者筛选与招募可能在一两年内成为关键。
算力多极世界 | AI芯片

中国AI芯片生态开始初具雏形。华为的路线图已经解锁至2028年，明年的P950系列，性能堪比英伟达H200。华为与英伟达几乎同时完成了预填充（Prefill）与解码（Decode）阶段的硬件解耦。此后，算力、内存带宽与互联带宽几乎每年翻一番的速度，向着更易用，更多数据格式等方向持续演进。这意味着华为初步建立了设备、材料与代工等完备的供应链体系。百度、摩尔线程与壁仞科技也披露了未来几年的追赶计划。华为、海光与寒武纪，形成了主导国内市场的“3H”的格局。



在推理时代，token的工业化生产，需要“大规模、高带宽、低时延”的计算基础设施。至今没有一家芯片厂商，可以在单芯片性能层面挑战英伟达，但是谷歌的系统级工程设计使得TPU堆栈在性价比上与英伟达不相上下。中国科技企业在AI竞赛中从美国技术栈解耦，“用群计算补单芯片”的路径，不仅必要，而且正在变得可行。年内，华为昇腾384、阿里磐久128与曙光ScaleX640超节点相继亮相，单一机柜内部算力不断纵向扩展。

英伟达与AMD等仍然希望再次将稍稍领先的AI技术栈“倾销”至中国市场，如H200。它们的库存与产能足够庞大，完全放开，将对国产推理市场的份额造成一定冲击；但短期内又无法完全拒绝这一诱惑，DeepSeek-3.2坦言算力正在限制中国开源模型进一步追赶的后劲，影响涉及预训练和后训练等阶段。年初，蚂蚁集团尝试采用国产芯片训练千亿参数规模大模型，便宜、可行，但过程并不省心。

即便如此，明年，中国互联网巨头仍将迎着阻力继续推进自研AI芯片的战略部署。阿里和百度自研芯片继续迭代；腾讯下注燧原科技，合作研发了紫霄；字节跳动定制AI芯片也正在路上。与硅谷巨头借助博通定制AI芯片类似，不少中国互联网巨头，决意将关键算力环节握在自己手中。通过全栈整合，在模型与芯片的协同设计下，可以进一步提升token吞吐效率、压缩单位token成本。
破墙超期周期 | 存储半导体

大模型仍在持续扩展。更大规模、更多模态，以及更长程的推理与更频繁的交互，都在推动内存容量和带宽需求的爆炸性增长。供需失配也因此继续发挥作用。三大巨头明年的HBM（高带宽存储器）产能已全部售罄；DRAM（易失性存储）全球平均库存不足3周，远低于正常水平；NAND（非易失性存储）每周都在调涨价格。即便扩产顺利，在2026年，短缺与涨价已经不可避免。

市场已在向定制HBM过渡，部分GPU功能将被整合进基底芯片。为了压缩能耗、减少延迟与信号损失，AI芯片厂商开始与存储厂深度共设计，推出定制化基底裸片，针对特定AI架构优化信号路径、电源分配与接口协议，从而实现更高的能效和带宽密度，以优化推理效率，降低总拥有成本。SK海力士已与英伟达、微软、博通达成HBM4E定制合作，基片由台积电代工，明年下半年完成质量验证。定制芯片对架构设计革新起到积极作用。金正浩相信，到了HBM5阶段，嵌入SRAM（静态随机存取存储器）缓存将是重要创新方向。最近，英伟达200亿美元收购Groq，正押注了SRAM。



中国存储半导体的国产替代正在提速。酝酿明年上市的长鑫存储与长江存储，正在扩大DRAM与NAND产能，关键性能指标不断缩小与全球巨头差距，市场份额不断提升。尤其是在HBM领域，美国与韩国都确信，中国与其的技术代差缩短至4年以内，通过系统级创新，基于现有设备与工艺追至HBM4E也并非不可能。华为开源了统一缓存管理器（UCM），自研HBM明年也将适配昇腾950PR。

下一个技术堵点，在于如何突破先进制程对定制基底芯片的限制。从HBM4时代开始，行业已将基底芯片交给台积电代工，后者在HBM4E引入了N3P工艺。复制全球巨头的方案自然阻力最小，但正是外部封堵，驱动此前未被广泛采用的替代方案开始破墙而出，为中国存储半导体开启下一轮自主创新的可能。
创造太阳 | 可控核聚变

全球可控核聚变探索正进入一个决定性的转折点。曾经属于国家实验室与国际协作项目的前沿领域，如今迎来了风险资本和科技巨头的集中涌入。“创造太阳”的努力，正在加速迈向工程验证。

2025年，美国国家点火装置（NIF）号称实现了Q值大于4；2026年，美国SPARC项目预计启动，宣称有望实现10倍能量增益；再过一年，中国的紧凑型聚变能实验装置（BEST）项目投入使用，同样瞄准聚变能量增益，为商业发电验证技术与工程的可行性。

无论是基础研究，还是工程实践，竞争将主要在中国与美国之间展开。截至今年9月，提交给IAEA聚变能大会（FEC 2025）的论文第一作者，27%来自中国，是排名第二的美国（15%）与第三（12%）的日本的总和。尽管在累计融资金额上，中国约50亿美元，仍然不及美国的约75亿美元，但自2023年起，中国企业每一年的融资额都超过了美国。除了中国聚变能源公司这样的国家队，中国的民间资本在这场竞赛中也发挥着重要的角色。



AI正在加速这场竞争。随着装置复杂度上升，AI在预测、控制、材料设计与工程调参中的作用将呈指数放大。今年，谷歌DeepMind发布强化学习系统Torax，模拟等离子体中的热量、电流与粒子输运，并生成实时、可执行的控制策略，为寻找稳定与高增益反应路径提供全新方法。
晶体管时刻 | 量子计算

这将是中国与美国对未来的竞争。美国的“创世计划”与中国的“十五五计划”都将该技术放在关键位置。诺奖得主约翰·马蒂尼斯（John Martinis）警告，2019年谷歌宣称“量子霸权”时中国尚落后三年，如今已经追至“纳秒级”差距。今年超导量子计算机“祖冲之三号”，以及光量子计算机“九章四号”，证明中国能够在主流技术路线上驾驭对量子比特数量的全球竞争。

行业正在迅速从含噪声的中尺度量子阶段（NISQ）转向量子纠错（QEC）阶段，并逐步通往全面容错量子计算机（FTQC）阶段。行业对量子纠错算法的探索激增，相关论文一年内激增超过4倍。去年底至今，美国巨头已经行动起来，谷歌Willow芯片展示了“低于阈值”的量子纠错，微软拓扑量子芯片Majorana在硬件层面融入抗错能力，IBM在AMD的FPGA上实时执行核心纠错算法。Riverlane计划到2026年实现百万次无错误量子操作(QuOps)里程碑。



经典计算与量子计算的混合计算范式与软硬协同生态正在成型。量子纠错要赶在错误发生之前，英伟达开放架构NVQLink应运而生。它相当于量子计算版的NVLink，能在GPU与QPU之间建立低延迟、高吞吐量连接，加速纠错与反馈。而量子计算天然地适合模拟基于量子力学现象的分子动力学模拟，反过来又拓展了GPU的应用场景。

这是中国少数几乎能够与全球同步，从实验室走向工程化跃迁的关键技术竞争领域。与美国活跃的社会资本相比，中国市场驱动的创新能力仍略显不足；而在设备、材料与软件持续受限的背景下，对公共资金的依赖又在上升。能否通过公共资金撬动而非替代市场创新，将是量子计算竞争胜负，以及未来更多同步创新乃至领先创新的基础。

--

下载PDF版完整报告：

看DAO2026

以往的年度报告完整PDF版，在后台私信发送关键词：年度报告