AI 行业日报

由多家运营商与地方国资联合建设的万卡级智算集群今日正式投运。集群一期部署加速卡超过 10 万张， 全部采用液冷方案，面向大模型训练与推理两类负载开放租用。

规模与利用率

官方披露的数据显示，集群的有效算力利用率达到 62%，高于行业平均水平约 15 个百分点； 通过统一调度平台，训练任务的平均排队时间从两周缩短到 3 天以内， 千卡规模任务的启动时间控制在 20 分钟以内。

价格为什么还在涨

与集群投运同时出现的是价格继续上行。第三方监测显示，高端加速卡的小时租用报价环比上涨 8%， 部分现货档期已排到两个月之后。需求端主要来自三类客户：大模型厂商的预训练与强化学习任务、 自动驾驶公司的数据闭环，以及生物医药企业的分子模拟。

• 供给端：新集群投运释放了增量，但高端卡型仍集中在少数运营商手中，短期议价能力偏强。
• 需求端：推理侧流量增长快于预期，不少客户把训练与推理预算合并采购，进一步抬高紧张程度。
• 结构端：中小团队更倾向按需租用，长租比例下降，运营商现货周转压力加大。

“算力不缺，缺的是随时能用的那一种。”——某运营商算力业务负责人在投运现场表示， 客户真正关心的是排队时间与互联带宽，而不是纸面规模。

接下来要解决的问题

多位受访工程师提到，集群规模上去之后，难点从“有没有卡”转向“用得好不好”： 跨机房互联带宽、故障自愈速度、以及算子与框架的迁移成本，都会直接影响实际训练效率。 此外，配套的运维人才仍显短缺，部分客户需要在集群侧驻场支持。

编辑部观点：万卡集群落地是国产算力从“单点可用”走向“规模可用”的标志， 但价格连续上涨说明结构性紧张还没有真正缓解。对使用方来说， 现在比过去更需要把任务调度、混合精度与显存优化做扎实，算力账单的差距往往就藏在这些细节里。

据多位接近项目的人士透露，国内一家头部大模型厂商已与手机巨头签署深度合作协议， 新一代 AI 助手将以系统级语音入口的形态预装进下一代旗舰机型，替代现有的独立语音助手应用。

怎么落地：端云协同的双模型架构

方案采用端侧小模型负责唤醒、断句、意图识别与隐私敏感内容处理， 云端大模型负责复杂推理与长任务编排。 端侧模型常驻运行，可在飞行模式下完成日程创建、消息摘要等基础指令； 需要联网的任务会自动携带上下文切换至云端，用户界面只呈现一条连续对话流。

首批能力清单

• 多模态实时对话：屏幕内容、摄像头画面与语音同时输入，支持“指着屏幕提问”。
• 跨应用任务执行：一句话完成“把会议时间发给同事并加入日历”这类多步操作。
• 离线基础指令：通话摘要、通知聚类、日程提醒在端侧完成，不上传原始音频。
• 记忆分区：工作、生活、家庭三类记忆独立存储，用户可逐条查看与删除。

隐私与合规怎么处理

双方在协议中约定，端侧推理产生的原始音频与画面默认不离开设备， 只有经用户确认的任务片段才会以文本形式上传； 所有云端调用均提供可关闭开关，并提供本地化的调用日志，供企业合规审计使用。

行业影响

语音入口一直是手机厂商与模型厂商争夺的关键位置。若此次合作顺利落地， 意味着模型能力将第一次以系统级形态进入数亿台终端， 对第三方语音助手与独立 App 形成直接冲击。 多位渠道人士认为，明年国内旗舰机的“AI 语音”卖点竞争将明显升温， 而中小开发者更现实的机会在于为这类入口提供可被调用的技能与服务。

调研机构今日发布的《企业级 AI 编程工具使用报告》显示， 已有 61% 的受访企业把 AI 编程助手纳入统一采购，比去年同期增长约 2.1 倍； 其中三分之一的公司要求所有研发席位默认开通。

提效体现在哪些环节

报告统计了从需求拆解到上线后的完整链路，提效最明显的三个环节分别是：单元测试生成、 代码评审意见归纳、以及历史代码理解。其中代码评审环节的平均耗时下降 34%， 是唯一超过 30% 的环节；写新功能的提效幅度反而只有 11%。

开始出现的反作用

• 评审依赖：部分团队把“AI 说没问题”当成结论，人工复核比例下降，缺陷逃逸率有所抬头。
• 代码同质化：多个团队提交的实现高度相似，架构层面的分歧被掩盖，后续演进成本上升。
• 新人成长：实习生跳过调试与阅读源码的环节，排障能力明显弱于上一届。

“工具替你写代码，但不替你在凌晨三点排查线上问题。”——一位受访的资深技术负责人在问卷开放题中写道。

采购方式的变化

与个人订阅不同，企业采购更看重私有化部署、代码不出内网、以及调用审计。 报告显示，超过一半的采购合同包含私有化或专属实例条款，按席位计费仍是主流， 但“按有效采纳量计费”的模式开始出现，用来回应管理层对投入产出的追问。

编辑部观点：AI 编程助手已经从“尝鲜工具”变成“基础设施”， 提效数字很好看，但真正决定收益的是团队有没有同步调整评审规范与责任边界。 少写一点样板代码，多留一点时间做设计评审，可能比再多买一批席位更划算。

开源社区的发布节奏在过去一周明显加快：共有 14 个参数量在百亿以上的模型开源权重， 其中 9 个采用 Apache-2.0 或 MIT 等宽松许可，另外 5 个附带了商用限制条款。

下载结构：代码与中文长文本最热

按首周下载量统计，代码相关模型占 38%，中文长文本与文档理解占 22%，语音与多模态占 14%， 其余分布在数学推理与多语言翻译上。值得注意的是，中文长文本任务的增速最快， 环比达到 46%，多数下载来自企业内网的文档检索与合同审阅场景。

微调成本继续下降

• 消费级双卡即可完成 7B 量级模型的全参微调，单次实验成本进入百元区间。
• 主流量化方案把显存占用再降约三成，笔记本本地推理长文本成为常规操作。
• 社区开始出现“配方化”微调工具包，数据清洗、评测与部署被打包成一条命令。

热闹背后的三个问题

一是评测榜单拥挤，多数模型只在自建榜单上给出分数，横向可比性有限； 二是许可证表述不统一，部分“开源”模型对商用规模、输出用途设置了额外限制，法务审核成本上升； 三是权重之外的训练数据与配方披露不足，复现与二次改进的难度并没有随数量增长而下降。

编辑部观点：模型数量爆发对使用者是好事，但选型时更该看三件事——许可证能否商用、 是否提供可核验的评测、以及社区是否活跃到能修 bug。参数规模已经不再是决定性的指标。

最新一批高校 AI 通识课程试点名单公布，共有 60 余所高校入选， 首批覆盖学生规模超过 12 万人，课程自本学期起陆续开课，纳入公共选修学分。

课程怎么设计：三层结构

• 第一层「原理与边界」：大模型如何工作、能做什么、容易在哪些地方出错。
• 第二层「工具与实践」：提示词方法、数据整理、结果核验，配套随堂实操任务。
• 第三层「学科交叉」：由各专业院系开设，如医学文献综述、法学案例分析、工程设计辅助。

师资与配套

试点高校普遍采用“计算机学院教师 + 专业院系教师”的双主讲模式， 并引入企业工程师参与实验环节。部分高校同步建设了校级算力池与统一调用平台， 学生凭学号即可获得每月固定额度的模型调用额度，避免个人付费与数据外流风险。

争议与回应

课程推进过程中，最大的争议来自“会不会变成教学生用 AI 写作业”。 多所高校在考核方式上做了调整：减少书面报告比重，改为现场答辩、过程记录与数据核验， 要求学生提交完整的对话记录与修改轨迹，把“如何使用”本身纳入评分。 也有教师坦言，如何在课时有限的情况下兼顾原理深度与工具熟练度，仍然需要持续打磨。

编辑部观点：通识课的价值不在培养算法工程师，而在让学生形成对 AI 能力边界的稳定判断。 与其禁止使用，不如把使用规范、核验习惯与责任意识一起教给学生， 这会比任何一条禁令都更有效。

关于 AI 生成内容标识的新规今日起正式实施。规定要求服务提供者对生成的图片、音视频与文本， 同时添加用户可见的显式提示和写在文件元数据中的隐式标识，并将标识信息登记到统一核验接口。

两类标识，各自负责什么

• 显式标识：面向用户，需在画面角落或音频起始处给出清晰提示，且不能遮挡主体内容。
• 隐式标识：面向机器核验，写入文件元数据与数字水印，要求经常见二次编辑后仍可检出。
• 登记要求：生成完成后 6 秒内完成标识入库，便于后续跨平台溯源与批量核验。

平台面临的技术账

对中小平台而言，压力主要来自三处：一是水印在截图、转码、加字幕后的存活率仍不稳定， 实测中经过两轮压缩后检出率会下降约 20%；二是登记接口必须与生成链路解耦， 否则高峰期延迟会直接拖慢出图速度；三是历史内容与新内容的处理策略不同， 存量素材需要一次性补标，成本不低。

对创作者与用户的影响

创作者最关心的是标识会不会影响观感与分发。从首批上线平台的实际做法看， 显式提示多以角标形式出现在右下角，用户可在导出时选择是否保留， 但上传到平台后仍会被自动补标。对普通用户来说， 最直接的变化是可以对可疑内容一键发起核验，系统会返回是否检出 AI 生成标识。

“标识不是为了让 AI 内容消失，而是让它在被看到时是透明的。” ——一位参与规则起草的专家在解读会上表示。

编辑部观点：新规把责任主要压在平台侧，短期内会带来标注与核验的成本上升； 但从长远看，可核验的标识体系是内容生态的基础设施。 对创作者而言，与其纠结标识会不会影响流量，不如尽早把 AI 参与的部分在自己的内容里说清楚。