作者： admin

一、权威数据：2.7%差距的真相

1.1 模型性能：从望尘莫及到毫厘之间

报告显示，截至2026年3月，美国顶尖模型Claude Opus 4.6的Elo评分为1503分，中国顶尖模型Dola-Seed 2.0 Preview得分1464分，差距仅39分，折合2.7%。

回顾历史，这一路走来殊为不易：

• 2023年：美国顶级模型领先中国模型17.5至31.6个百分点
• 2024年底：差距迅速缩小至0.3至3.7个百分点
• 2026年：中美模型反复换位、轮流领跑

1.2 阿里Qwen的亮眼表现

阿里Qwen3.5在τ-bench测试中以68.4%任务成功率位列全球第三，MMLU-Pro测试准确率达87.8%，媲美Gemini 3.1 Pro、Claude Opus 4.6。

DeepSeek-V3.2周调用量突破1.02万亿Token，跻身全球前六。MiniMax、文心一言等模型，在多模态、推理、代码等领域持续突破，形成”百花齐放”的格局。

二、产业规模：中国应用全面领跑

2.1 调用量超越美国

2026年3月，中国大模型周调用量达4.69万亿Token，同比增长320%，连续两周超过美国的4.21万亿。

2.2 用户规模爆发

• 字节豆包月活用户突破3.15亿
• 阿里千问MAU达2.03亿，增速552%，全球第一

2.3 渗透率遥遥领先

在工业领域，中国工业机器人装机量占全球54%，AI与制造业深度融合；在民生领域，AI政务、AI教育、AI医疗、AI交通全面普及，AI渗透率达88%，远超全球平均水平。

三、科研创新：论文专利全球领先

3.1 论文数量全球第一

2025年，中国AI相关学术论文占全球总量的41%，高被引论文数量超越美国。

3.2 专利申请量全球第一

AI专利申请量占全球45%，连续五年位居首位。

3.3 产学研一体化

清华、北大、浙大等高校，与阿里、字节、DeepSeek等企业联动，形成”产学研”一体化创新体系，在大模型架构、AI智能体、多模态融合等前沿领域，不断产出世界级成果。

四、生态格局：中国军团强势崛起

4.1 全球AI机构排名

在全球前20大AI机构中，中国占据11家，美国9家，中国首次在这项数据上超越美国。

• 阿里以11个重要模型位列全球第三
• 仅次于OpenAI的19个、Google的12个

4.2 “六强争霸”格局

DeepSeek、MiniMax、智谱AI等中国企业，与OpenAI、Google、Anthropic等美国巨头同台竞技：

• Anthropic
• xAI
• Google
• OpenAI
• 阿里巴巴
• DeepSeek

六家里中国占据两席。

4.3 开源生态”东移”

中国开源模型数量、开发者活跃度、社区贡献度均超越美国，成为全球AI开源的核心引擎。

五、技术突破：从跟跑到并跑

5.1 硬件破局

华为昇腾950PR芯片性能达到国际一流水平，DeepSeek V4全面搭载该芯片，底层架构从英伟达CUDA转向华为CANN框架，成为首个全链路摆脱美系技术依赖的万亿参数大模型。

5.2 成本优势

中国算力基础设施快速扩张，依托电力、基建优势，建成全球规模最大的分布式算力网络，算力成本比美国低40%。

5.3 应用驱动

中国拥有全球最丰富的AI应用场景，14亿人口、全球最完整的工业体系，为AI技术迭代提供了无与伦比的”试验田”。

六、客观分析：差距仍在

6.1 局部优势

斯坦福报告明确指出，美国在芯片、高端算力、基础科研等领域仍有局部优势。

6.2 综合判断

中国在模型性能、产业应用、科研产出、生态规模等核心领域全面领先，但AI发展是长跑，2.7%的差距随时可能被逆转。

6.3 长期视角

从2023年GPT-4领先300多分，到2026年差距缩至2.7%，中国AI仅用三年时间完成了从望尘莫及到并肩领跑的蜕变。

七、未来展望

7.1 双雄并峙

全球AI”一超多强”时代终结，”双雄并峙”时代正式到来。

7.2 竞争加剧

中美AI竞争将更加激烈，技术路线、应用场景、生态构建成为主战场。

7.3 合作共赢

无论是中国还是美国，AI的发展最终都将造福全人类。开放、合作、共赢，才是AI发展的正确方向。

结语

当国产AI模型周调用量突破4.69万亿Token、连续两周超越美国，当中国11家AI机构跻身全球前20，我们终于可以笃定地说：中国AI，真的站起来了。

这不是结束，而是开始。

相关AI技术文章

• 大模型原理：什么是Transformer架构与注意力机制
• 人工智能入门：如何选择适合你的AI大模型
• 国产大模型崛起：通义千问登顶全球开源榜首

本文参考资料来源：斯坦福大学以人为本人工智能研究所《2026年人工智能指数报告》

一、为什么是DeepSeek V4

DeepSeek，这个由幻方量化孵化的AI独角兽，自2023年以来就以极低的训练成本著称。DeepSeek V2首次将MoE架构带入开源社区，V3更是以2000张H800、557万美元的训练成本，完成了对标GPT-4的能力。这一次，V4要做的不仅是性能上的追赶，更是生态上的突围。

1.1 算力依赖的困境

长期以来，全球AI大模型的训练和推理都高度依赖英伟达的CUDA生态。从H100到H800，从A100到H20，英伟达的GPU几乎是大模型的唯一选择。这种依赖带来三重风险：

• 供应风险：地缘政治导致的芯片出口管制
• 成本风险：高端GPU价格持续攀升
• 生态风险：技术路线受制于人

DeepSeek V4的出现，正是为了打破这一困局。

1.2 华为昇腾的底气

华为昇腾950PR芯片于2026年3月量产，FP4精度算力达1.56P，单卡算力较英伟达H20提升2.87倍，HBM显存达112GB。更重要的是，华为CANN（Compute Architecture for Neural Networks）框架经过多年迭代，已经具备了承载万亿参数大模型的能力。

二、技术架构：Ultra-MoE稀疏混合专家

2.1 万亿参数的高效能平衡

V4采用自研Ultra-MoE稀疏混合专家架构，总参数规模达1-1.5万亿，但每次token处理仅激活约370亿参数，约占总参数的3%。这种设计让推理成本与上一代V3模型基本持平。

打个比方，MoE架构就像医院的”专家会诊”模式：面对复杂问题，系统会自动调用相关领域的”专家模块”，而非激活全部科室。相比传统稠密模型，MoE架构在处理复杂任务时效率提升1.8倍，推理成本降低约40%。

这种”专家会诊”的设计带来了几个显著优势：

• 计算效率提升：每次只需调用相关专家，减少无效计算
• 参数量大但成本低：万亿参数规模，激活成本仅相当于370亿参数模型
• 专业能力更强：不同专家专注于不同领域，能力更精细

2.2 百万token的”超脑”突破

V4将上下文窗口扩展至100万token，较V3的128k提升近8倍。通过革命性的Engram条件内存架构，V4实现了97%的信息召回率。

100万token是什么概念？这意味着：

• 可以一次性处理整本《三体》三部曲
• 可以分析一个中型代码库的所有文件
• 可以阅读1000篇学术论文并提炼关键信息

这解决了传统大模型的”上下文遗忘”问题——之前模型在处理长文本时，往往会”忘记”前面的内容，现在这个问题得到了根本性解决。

2.3 原生多模态能力

V4实现了原生多模态融合，不再是文本模型的简单扩展，而是从底层架构支持文本、图像、视频的统一理解与生成。

这意味着模型能直接”看懂”视频内容、”理解”图像细节，并生成与之匹配的文本描述或创作新内容。在代码能力上，V4实现跨越式提升，支持50+编程语言，能处理百万行级代码库。

多模态能力的突破主要体现在：

• 视觉理解：能够准确理解图片中的场景、物体、关系
• 视频分析：能够追踪视频中的事件发展、人物动作
• 跨模态生成：能够根据文本描述生成图像，或根据图像生成描述
• 代码推理：能够理解代码逻辑，发现潜在bug并提出修复建议

三、迁移之路：从CUDA到CANN

3.1 “换芯手术”的挑战

DeepSeek V4最具颠覆性的举措，是彻底脱离英伟达生态。这不是简单的硬件替换，而是涉及底层代码、编译器、优化器的全面重构。

DeepSeek团队耗时8个月完成迁移工作，将底层代码从CUDA全面重写为CANN架构，解决了数千个兼容性问题。

3.2 兼容性验证

这场迁移面临的核心挑战是：在华为昇腾芯片上实现与英伟达平台相当的性能。DeepSeek团队通过深度优化，终于完成了这一”不可能的任务”。

值得注意的是，此次迁移未向英伟达或AMD开放早期适配，体现了DeepSeek坚定的算力自主战略。

四、战略意义：打破算力垄断

4.1 打破垄断

DeepSeek V4的迁移，终结了英伟达在前沿AI算力领域的绝对主导地位，为全球AI算力提供了”中国方案”。

这一突破的战略意义深远：

• 打破技术封锁：不再受制于芯片出口管制
• 降低成本：国产算力成本更低，服务更稳定
• 自主创新：掌握核心技术，不再依赖他人

4.2 降低风险

规避了地缘政治冲突导致的芯片供应中断风险，保障中国AI产业安全发展。

对于企业来说，这意味着：

• 供应稳定：不再担心芯片断供
• 成本可控：不再受国际市场波动影响
• 服务可靠：本土化技术支持更及时

4.3 生态构建

推动华为昇腾生态快速成熟，吸引更多企业加入国产算力阵营，形成良性循环。

生态效应的具体体现：

• 更多企业将基于昇腾开发应用
• 开发者社区将持续壮大
• 上下游产业链将加速完善
• 形成完整的自主可控技术体系

五、商业化布局：双版本战略

5.1 完整版

超万亿参数旗舰模型，适配华为昇腾950PR芯片，面向企业级复杂应用场景。

这是专门为大型企业设计的版本，具备：

• 完整的万亿参数能力
• 华为昇腾950PR芯片优化
• 企业级安全合规
• 专属技术支持

5.2 轻量版

2000亿参数精简模型，兼顾性能与部署成本，适合个人开发者和边缘设备应用。

这个版本的优势在于：

• 可以在消费级GPU上运行
• 支持本地部署
• 适合个人开发者和小团队
• 部署成本大幅降低

5.3 开源计划

DeepSeek计划以Apache 2.0开源协议发布V4，全球开发者可自由使用、修改和二次开发。

这意味着：

• 代码完全开放
• 允许商业使用
• 全球开发者可以参与贡献
• 将加速国产AI生态发展

六、未来展望

6.1 技术验证期（2026年Q2-Q3）

V4的实际性能、稳定性和兼容性将接受市场检验。若表现符合预期，将加速国产算力生态扩张。

这一阶段的关键任务包括：

• 在真实业务场景中验证模型能力
• 优化推理效率和服务稳定性
• 收集用户反馈持续改进

6.2 生态扩张期（2026年Q4-2027年）

更多企业将加入国产算力阵营，形成从芯片到应用的完整产业链，推动AI应用成本大幅降低。

6.3 全球竞争期（2027年后）

中美AI技术路线将在全球市场正面交锋，算力多元化成为行业共识。

结语

DeepSeek创始人梁文锋在内部信中写道：”算力自主不是闭门造车，而是为了在全球AI竞争中拥有平等对话的权利。”

DeepSeek V4预计于4月底正式发布。这场”算力革命”将如何演进，值得我们持续关注。

相关AI技术文章

• 大模型原理：MoE架构如何实现”大而不笨”
• 人工智能入门：什么是向量数据库与RAG技术
• 国产大模型崛起：通义千问登顶全球开源榜首

本文参考资料来源：The Information、华为官方、DeepSeek官方

引言

4月17日，安全研究社区披露了一个针对MCP（Model Context Protocol）STDIO实现的严重漏洞。这个漏洞影响范围之广，足以让每一个使用MCP的开发者警觉。

约20万台运行MCP服务的服务器可能受到影响，包括所有使用官方MCP SDK的应用，以及主流AI IDE如VS Code Cursor和Claude Desktop。

让我们深入了解这个漏洞的原理、影响和应对措施。

一、什么是MCP协议？

1.1 MCP的定义

MCP（Model Context Protocol）是Anthropic主导开发的模型上下文协议，旨在标准化AI模型与外部工具、数据源的连接方式。

简单来说，MCP就像一个“万能插头”，让AI模型可以方便地调用各种外部能力：文件系统、数据库、API服务、代码仓库等。

1.2 为什么MCP很重要？

在AI应用开发中，模型本身的能力是有限的。要让AI真正发挥作用，需要让它能够：

• 读取本地文件
• 执行代码
• 访问数据库
• 调用第三方API

MCP正是为了解决这些问题而设计的。通过MCP，开发者可以快速构建功能强大的AI Agent，让AI真正成为可以“做事”的智能助手。

1.3 MCP的应用场景

目前MCP已经被广泛应用于：

• AI编程工具（Cursor、Claude Code）
• AI助手应用（Claude Desktop）
• 企业级AI Agent
• 个人效率工具

正因如此，MCP的安全性直接影响着大量AI应用的安全。

二、漏洞详解：CVE-2026-30615

2.1 漏洞原理

MCP STDIO协议在传输数据时采用以下格式：

plaintext

header (4字节长度前缀) + body (JSON数据)

问题出在header部分。4字节的长度字段用于标识body的长度，但这个字段未做边界校验。

这意味着：

1. 攻击者可以构造超长的长度值
2. 这个超长值可以绕过安全检查
3. 攻击者有机会进行缓冲区溢出攻击

2.2 攻击方式

具体来说，攻击者可以通过恶意MCP服务器实现横向移动攻击。

攻击场景：

1. 用户连接到一个恶意的MCP服务器（可能被植入后门）
2. 恶意服务器发送特殊构造的数据包
3. 长度字段被设置为异常大的值
4. 由于缺少边界校验，客户端程序可能出现异常
5. 攻击者趁机执行恶意代码

2.3 技术细节

以下是一个简化的攻击示意：

plaintext

正常数据包：
[0x00 0x00 0x00 0x64] + {"method": "tools/call", "params": {...}}
                   ↑
              长度 = 100字节

恶意数据包：
[0xFF 0xFF 0xFF 0xFF] + {"method": "tools/call", "params": {...}}
                   ↑
              长度 = 异常大的值

当客户端程序读取这个异常大的长度值并尝试分配内存或读取数据时，就可能发生缓冲区溢出。

三、影响范围

3.1 受影响系统

• 约20万台运行MCP服务的服务器
• 所有使用官方MCP SDK的应用
• 主流AI IDE：
  • VS Code Cursor
  • Claude Desktop
  • 其他集成MCP的AI工具
  
  

3.2 风险评估

虽然官方尚未披露具体的攻击案例，但这个漏洞的潜在风险是严重的：

本地权限提升：如果被利用，攻击者可能在用户机器上获得更高权限。

横向移动：在企业环境中，攻击者可能通过一台被入侵的机器，攻击内网中的其他系统。

数据泄露：敏感数据可能通过恶意MCP服务器被窃取。

3.3 哪些情况风险最高？

• 连接不可信的MCP服务器
• 在生产环境中使用MCP
• 企业内网部署MCP应用
• 处理敏感数据的MCP服务

四、修复方案

4.1 升级MCP SDK

官方已经发布修复版本，所有用户应立即升级：

plaintext

升级目标：MCP SDK v1.4.2 或更高版本

4.2 检查当前版本

开发者可以通过以下方式检查当前使用的MCP SDK版本：

javascript

// Node.js
npm list @modelcontextprotocol/sdk

// Python
pip show mcp

4.3 升级步骤

对于Node.js项目：

bash

npm update @modelcontextprotocol/sdk

对于Python项目：

bash

pip install --upgrade mcp

对于Cursor用户：

1. 检查Cursor更新
2. 等待官方推送安全更新
3. 或考虑暂时禁用不可信的MCP服务器

4.4 临时缓解措施

如果暂时无法升级，可以采取以下临时措施：

1. 限制MCP服务器来源：只使用可信来源的MCP服务器
2. 网络隔离：在隔离环境中测试新的MCP服务器
3. 监控日志：密切关注MCP相关日志，查找异常行为
4. 最小权限原则：MCP服务使用最小权限运行

五、对AI开发者的建议

5.1 安全意识优先

这个漏洞提醒我们，AI系统的安全不能只关注模型本身，支撑模型运行的协议和框架同样重要。

在构建AI应用时，应该：

• 定期检查依赖项的安全性
• 关注安全公告和漏洞披露
• 建立安全更新机制

5.2 供应链安全

MCP服务器本质上是一种“插件”，可能引入安全风险。建议：

• 只使用官方认证的MCP服务器
• 在沙箱环境中测试新的MCP服务器
• 定期审计正在使用的MCP服务器

5.3 开发规范

对于正在开发MCP服务器的开发者：

• 严格验证输入数据的长度
• 使用安全的序列化/反序列化库
• 进行安全编码审计

六、相关安全事件回顾

6.1 DIJA攻击：扩散模型的“越狱”新方法

就在CVE-2026-30615披露不久前，上海交通大学研究团队发表了DIJA（Diffusion Jailbreaking Attack）论文，提出了另一种针对AI系统的攻击方法。

DIJA攻击利用扩散模型的噪声采样过程，在去噪阶段注入恶意指令。这意味着即使是图像生成模型，也可能被用于执行恶意操作。

6.2 AI安全：持续演进的攻防战

这些安全事件表明，AI系统的安全性是一个持续演进的领域。攻击者在寻找新的攻击面，防守者需要不断加强防御。

对于普通用户来说，这意味着：

• 保持软件更新
• 谨慎使用来源不明的AI工具
• 关注安全公告

七、常见问题

Q1：普通用户需要担心吗？

如果你使用的主流AI工具（如Cursor、Claude Desktop）已经推送了安全更新，及时更新即可。如果不确定，建议暂时避免使用第三方MCP服务器。

Q2：企业用户应该如何应对？

企业应该：

1. 立即排查所有使用MCP的系统
2. 升级到MCP SDK v1.4.2+
3. 审查正在使用的MCP服务器列表
4. 加强网络隔离和安全监控

Q3：这个漏洞会被大规模利用吗？

目前尚未观察到大规模利用。但鉴于影响范围广泛，建议尽快修复。

Q4：还有其他类似的安全风险吗？

是的。AI系统的攻击面在不断扩大。除了本次披露的MCP漏洞，还有：

• 模型提示注入攻击
• 训练数据污染
• 模型逆向工程
• API滥用

建议开发者持续关注AI安全领域的最新动态。

结语

CVE-2026-30615的披露，再次提醒我们AI系统的安全性不容忽视。

MCP作为连接AI模型与外部世界的桥梁，其安全性直接影响着整个AI应用生态。约20万台受影响服务器的数字，足以说明问题的严重性。

对于开发者来说，现在最需要做的是：

1. 检查是否使用了MCP SDK
2. 如果使用了，确认版本并尽快升级
3. 建立安全更新的长效机制

AI技术发展迅速，但安全永远是第一位的。在追求能力突破的同时，不能忽视基础的安全建设。

相关AI技术文章推荐

• AI Agent入门：什么是智能体？如何构建AI Agent？
• RAG技术详解：检索增强生成的原理与实践
• AI应用安全：提示注入攻击的防范指南

引言

4月17日，Anthropic正式发布旗舰模型Claude Opus 4.7。这家被称为“AI安全公司”的企业，用一款新品再次证明了技术实力。

最引人注目的是全新Symphony原生多模态架构——它不是简单地将文字、图像、音频、视频拼接在一起，而是从预训练阶段就在同一个高维特征空间里共同生长。

这意味着什么？让我们深入解析。

一、Symphony架构：真正的原生多模态

1.1 传统多模态的困境

在Claude Opus 4.7之前，大多数所谓“多模态”模型采用的都是“事后融合”策略。简单来说，就是先让模型分别理解文字、图像、音频等信息，然后再把这些理解结果拼接起来。

这种方式有两个明显缺陷：

信息损失：每次模态转换都会丢失一部分信息，最终的理解是“二手货”。

响应延迟：不同模态需要分别处理，然后再融合，增加了响应时间。

1.2 Symphony的突破

Symphony架构采用了完全不同的思路。它在预训练阶段就让模型同时接触文本、图像、音频、视频，让模型从一开始就把不同模态当作同一种东西来理解。

Anthropic的官方表述是：Symphony通过动态路由机制，根据输入内容自动选择最合适的信息处理路径。这意味着模型可以智能地决定重点处理哪些信息、用什么方式处理。

实测数据显示，Claude Opus 4.7在多模态理解任务上较前代提升37%。

1.3 技术原理简析

用更通俗的话说，Symphony架构就像一个全能型翻译官。以前，你需要把中文翻译成英文、再把英文翻译成法文，每一步都有损耗。现在，这个翻译官同时掌握中英法三种语言，可以直接理解不同语言的意思。

具体来说，Symphony在底层使用了统一的高维向量空间。无论输入是文字、图像还是音频，都会被转换成这个空间中的向量表示。这样，不同模态之间的“距离”就被消除了，模型可以无缝地理解和推理。

二、编程能力：64.3%基准分登顶

2.1 编程基准测试的意义

在AI领域，编程能力通常被认为是衡量模型“硬实力”的关键指标。与对话不同，代码编写需要严密的逻辑、精确的语法理解、以及对完整项目结构的把握。

SWE-bench是业界公认的编程能力测试，考察AI模型能否在真实软件工程场景中自主完成跨文件重构、理解整个代码库架构、在生产环境中修复Bug。

2.2 Claude Opus 4.7的成绩

Claude Opus 4.7在SWE-bench测试中得分64.3%。这是什么概念？

Claude Opus 4.6的得分是53.4%。

GPT-5.3-Codex的得分是56.22%。

Claude Opus 4.7不仅大幅超越自己的前代产品，还超越了被认为是“代码专家”的GPT-5.3-Codex约8个百分点。

这意味着Claude Opus 4.7已经具备了处理复杂软件工程任务的能力。企业级代码开发、Bug修复、重构任务，这些以前需要人类高级工程师完成的工作，现在可以交给AI了。

2.3 长文本检索：百万Token准确率76%

除了编程能力，Claude Opus 4.7在长文本处理上也有显著提升。在100万Token上下文中的检索准确率高达76%。

这是什么概念？相当于一次性处理一部《战争与和平》这样的长篇小说，然后根据其中的任何细节回答问题，准确率接近八成。

这对于需要处理长文档的企业应用场景（如法律文档分析、财务报告审核）来说，是巨大的效率提升。

三、定价策略：加量不加价

3.1 与前代一致的定价

Claude Opus 4.7的定价与前代保持一致：输入5美元/百万Token，输出25美元/百万Token。

在GPT-6刚刚发布、定价微涨的背景下，Anthropic选择不加价直接升级，被市场解读为明智的竞争策略——用极致性价比留住企业客户。

3.2 与竞品对比

从这个表格可以看出，虽然Claude Opus 4.7的编程能力大幅提升，但定价并非最低。GPT-6虽然编程基准分更高（92.3%），但那是HumanEval测试，与SWE-bench的考察维度不同。

3.3 企业市场的影响

Anthropic的年化收入在2025年底已达到90亿美元，超越OpenAI的250亿美元水平。更关键的是，Claude Opus 4.6发布两个月后，企业客户年化支出超100万美元的数量从500家翻倍至1000家。

这说明企业市场对Claude的“贵有贵道理”逻辑是认可的。Claude Opus 4.7的发布，有望进一步巩固Anthropic在企业级市场的领先地位。

四、与其他旗舰模型的对比

4.1 Claude Opus 4.7 vs GPT-6

GPT-6于4月14日发布，上线200万Token上下文窗口和原生多模态能力，在HumanEval编程测试中得分92.3%。

两者各有优势：GPT-6在长上下文处理上有明显优势，Claude Opus 4.7在复杂软件工程任务（SWE-bench）上表现更强。

4.2 Claude Opus 4.7 vs 国产大模型

国产大模型近期也在快速追赶。阿里Qwen3.6-Plus、智谱GLM-5.1等在性价比上表现出色，但在综合能力和编程基准测试上，与Claude Opus 4.7仍有差距。

Anthropic不开放GPT-Rosalind的决策，也体现了顶级AI公司对技术领先优势的重视——当模型能力足够强时，开放反而可能带来风险。

五、对开发者的实际意义

5.1 代码开发效率大幅提升

基于64.3%的SWE-bench得分，Claude Opus 4.7已经可以胜任：

• 跨文件代码重构
• 理解复杂代码库架构
• 在生产环境中自主修复Bug
• 生成高质量的测试用例

对于团队规模有限但技术要求高的创业公司来说，这意味着可以用更少的人力完成更复杂的开发任务。

5.2 长文档处理能力增强

百万Token上下文、76%的检索准确率，使得Claude Opus 4.7可以用于：

• 法律合同审查
• 财务报告分析
• 技术文档问答
• 代码库全局理解

5.3 多模态应用的深化

Symphony架构带来的37%多模态能力提升，为以下应用场景提供了更强的支持：

• 视频内容分析与摘要
• 图文混合文档理解
• 音频转录与语义分析
• 跨模态内容创作

六、技术观察与思考

6.1 评测标准正在分化

值得注意的是，不同的编程评测基准考察的是不同维度的能力。HumanEval测试的是算法实现能力，SWE-bench测试的是软件工程能力。

这意味着我们不能简单地用单一分数来判断模型强弱。在实际工作中，需要根据具体需求选择合适的模型。

6.2 闭源与开源的双轨竞争

Claude Opus 4.7（闭源）与Qwen3.6-35B-A3B（开源MoE）代表了两条不同的技术路线。

闭源路线追求极致性能和可靠性，服务高端企业客户。开源路线追求成本效率和社区生态，让更多开发者能够使用先进能力。

这两条路线的竞争，将塑造未来AI行业的格局。

6.3 定价策略的博弈

Anthropic在Claude Opus 4.7上选择“加量不加价”，而OpenAI在GPT-6上选择微涨。不同的定价策略反映了不同的商业考量和市场定位。

对于企业用户来说，这提供了更多选择空间。

结语

Claude Opus 4.7的发布，不仅是Anthropic产品线的更新，更是对当前AI竞争格局的一次回应。

Symphony架构证明了原生多模态的技术路径是可行的，而且可以带来显著的能力提升。64.3%的编程基准分，则将AI编程的可靠性门槛再次抬高。

对于开发者来说，这意味着更强大的工具。对于企业来说，这意味着更可靠的生产力。对于整个AI行业来说，这意味着竞争正在从“能力突破”转向“能力+体验+成本”的全方位竞争。

64.3%的编程基准分意味着代码工程类Agent应用的可靠性门槛被再次抬高，国内大模型短期内追平仍有压力。AI编程工具赛道的头部格局，或将进一步固化。

相关AI技术文章推荐

• 大模型原理入门：从Transformer到自注意力机制
• AI编程工具横评：Cursor、Claude Code、GitHub Copilot深度对比
• RAG技术解析：如何让大模型“看见”你的私有数据

AI算力：时代的超级风口

2026年的A股市场，如果要选一个最热门的投资主题，AI算力产业链毫无争议地占据榜首位置。

从年初至今，AI算力相关板块轮番爆发，成为市场最靓丽的风景线。中际旭创股价从年初的500元附近起步，一路攀升至800元以上，涨幅超过70%。这只是算力产业链狂欢的一个缩影。

支撑这波行情的，是全球AI大模型军备竞赛带来的算力需求爆发。微软、谷歌、亚马逊、Meta等科技巨头正在以前所未有的速度扩建数据中心，每一座数据中心的建成，都意味着海量的光模块、服务器、存储设备需求。

在这场算力竞赛中，中国企业的表现令全球瞩目。从光模块到服务器，从芯片到散热，中国企业在多个环节占据了全球领先地位。这种产业竞争优势，正在转化为资本市场的投资机会。

CPO：光通信革命的皇冠明珠

CPO（共封装光学）概念是本轮行情的绝对龙头。剑桥科技、光迅科技、中际旭创等个股轮番涨停，板块指数频创新高。

CPO技术的核心创新在于将光芯片和电芯片封装在一起，实现更高速率、更低功耗、更低成本的光互连。在AI服务器内部，GPU之间的互联带宽需求呈指数级增长，传统可插拔光模块已难以满足需求，CPO成为必然选择。

光模块龙头企业业绩的高增长，是这波行情的基本面支撑。以中际旭创为例，公司一季度实现营收194.96亿元，同比增长192.12%；归母净利润57.35亿元，同比暴增262.28%。

更令市场振奋的是，公司在机构电话会议上透露，已获得重点客户2026全年及2027早期的订单。这意味着高增长的确定性至少可以延续到明年，业绩的持续性为估值提供了坚实支撑。

从全球竞争格局看，中国企业已占据全球光模块市场的半壁江山。在400G、800G、1.6T等高速率产品上，中国企业的技术、产能、成本优势明显，国产替代率持续提升。

PCB：算力硬件的沉默基石

PCB（印制电路板）作为算力硬件的”沉默基石”，在本轮行情中同样表现亮眼。广合科技、东山精密、胜宏科技等个股持续走强，板块内多股创出历史新高。

PCB在AI服务器中扮演着”连接器”的角色，负责各电子元器件之间的电气连接。AI服务器对PCB的层数、精度、散热性能提出了更高要求，高端PCB的技术壁垒显著提升。

从供需格局看，AI服务器、数据中心建设提速，带动高端PCB、载板需求激增。行业供需格局持续优化，头部企业产能满负荷运行，业绩拐点明确。

相较于光模块等热门赛道，PCB板块估值相对偏低。以部分头部企业为例，当前估值处于历史中位数附近，估值修复空间依然可观。这吸引了部分资金低位布局。

笔者认为，PCB板块是算力产业链中值得重点关注的补涨方向。一方面，业绩确定性较强；另一方面，估值有修复空间。在主线持续发酵的背景下，板块轮动有望惠及这类相对低估的细分领域。

液冷服务器：散热的刚需之选

液冷服务器概念是本轮行情的另一大亮点。圣阳股份走出7连板，成为市场最高标之一。博杰股份、金富科技、康盛股份等多股强势涨停。

液冷技术的崛起，源于AI服务器功耗的急剧攀升。传统风冷散热已难以满足高功率芯片的散热需求，液冷技术凭借散热效率高、能耗低等优势，成为数据中心散热的主流选择。

行业渗透率正在快速提升。据测算，液冷技术在数据中心的渗透率已从2025年的12%快速提升至2026年一季度的28%。这一速度远超市场预期，行业正处于爆发式增长的前夜。

从竞争格局看，国内企业在液冷领域技术积累深厚，英维克、高澜股份、申菱环境等专业厂商已形成较强的市场竞争力。在数据中心建设加速的背景下，国产液冷产业链有望充分受益。

液冷板块的行情有望延续。随着AI服务器出货量持续增长，液冷散热解决方案的需求将保持高景气。投资者可重点关注技术实力强、客户资源丰富的龙头企业。

算力租赁：轻资产的高弹性赛道

算力租赁是AI算力产业链中变现能力最强的环节之一。利通电子、合力泰、品高股份等个股持续走强，板块热度不减。

算力租赁的商业模式相对简单：企业购入GPU服务器后，向需要算力的客户提供租赁服务。在AI大模型训练和推理需求爆发的背景下，算力供需缺口持续扩大，租赁价格水涨船高。

国内AI大模型训练与推理需求爆发，是算力租赁行业高景气的核心驱动力。百度文心、阿里通义、字节豆包、腾讯混元等国内大模型密集发布，算力需求呈几何级数增长。

值得关注的是，部分算力租赁企业已开始从单纯的算力出租向Token分成模式转型。这种商业模式的升级，意味着企业可以从AI应用的繁荣中持续获益，盈利模式的想象空间进一步打开。

半导体：国产替代的长期主线

半导体板块是AI算力行情的重要支撑。北方华创、中微公司、长电科技、兆易创新等个股持续活跃，板块指数表现强势。

半导体行情的逻辑在于双重催化剂共振。一方面，AI带来增量需求，GPU、HBM存储、光刻机等细分领域需求爆发；另一方面，国产替代加速推进，在外部封锁倒逼下，国内半导体产业链加速成长。

存储芯片涨价是近期板块行情的重要催化。受AI服务器对高带宽内存（HBM）需求激增影响，DRAM和NAND Flash价格持续上行，相关企业盈利能力显著改善。

SEMI预测，2026年全球半导体行业增速有望达到23%，这一增速远超行业长期平均水平。AI驱动的半导体超级周期已经启动，相关标的值得持续关注。

港股科技：另一片投资热土

港股市场的科技股同样受到AI算力行情的提振。恒生科技指数近期表现亮眼，剑桥科技、群核科技等个股涨幅惊人。

港股科技股的优势在于估值相对更低、稀缺性更强。部分在A股上市的公司估值偏高，而港股同类标的更具性价比。此外，一些尚未在A股上市的中国科技巨头，如字节跳动等，也给港股科技板块增添了吸引力。

南向资金近期持续净买入港股，显示出内地资金对港股科技股的看好。在A股和港股市场联动性增强的背景下，港股科技股的表现有望与A股形成共振。

北向资金重仓算力标的

北向资金（外资）对A股算力产业链的重视程度，从持仓数据可见一斑。

一季度数据显示，北向资金一季度加仓中际旭创约90.89亿元、天孚通信约74.51亿元、新易盛约65.89亿元。三者合计获加仓超231亿元。

外资的持续买入，为算力龙头标的提供了充足的流动性支撑。更为重要的是，外资的持仓变化往往领先于市场，其重仓布局本身就释放了积极信号。

从更广的视角看，北向资金对通信行业的持仓占比已来到历史新高。这一数据表明，外资对中国AI算力产业竞争力的认可度正在持续提升。

产业链传导逻辑

理解AI算力产业链的投资机会，需要把握其传导逻辑。

第一层是芯片和核心器件。GPU、光模块等核心器件是算力的基础，其需求最为直接，受益也最早。

第二层是硬件设备。服务器、存储设备、散热系统等将芯片组装成可用产品，需求随算力建设加速而爆发。

第三层是基础设施。数据中心、光纤网络等基础设施为算力提供运行环境，其建设周期较长，景气度持续性较好。

第四层是应用层。大模型、AI应用等直接面向终端用户，其商业化前景决定了整个产业的天花板。

不同层次的行情节奏有所差异。当前阶段，核心器件和硬件设备涨幅最大；往后看，应用层的想象空间最为广阔。

投资策略与风险提示

在AI算力行情持续演绎的背景下，投资者应如何把握机会、规避风险？

首先，建议聚焦核心龙头。算力产业链专业性强、技术壁垒高，龙头企业具有明显的竞争优势，其业绩确定性和抗风险能力都更强。

其次，关注业绩兑现情况。行情演绎到当前阶段，纯粹的概念炒作已难以持续，只有业绩真正释放的标的才能得到市场的持续认可。

第三，保持组合均衡。算力板块短期涨幅较大，存在回调压力。投资者应在组合中适当配置防御性品种，平衡整体风险。

第四，关注外部变量。地缘政治、贸易政策、技术路线变化等因素都可能对算力产业链产生影响，需要保持警惕。

需要特别提醒的是，AI算力板块当前估值处于历史高位。虽然产业趋势向好，但短期股价涨幅过大意味着调整风险的累积。投资者应避免追涨杀跌，逢低布局、波段操作可能是更为稳妥的策略。

风险提示：市场有风险，投资需谨慎。本文仅为信息分享与行情解读，不构成任何投资建议。投资者应根据自身风险承受能力自主决策，理性投资。

正文

一场特别的”运动会”

2026年4月19日，北京亦庄将上演一场史无前例的”人机共跑”。

300多台人形机器人、上百支参赛队伍，将在21公里的赛道上与人类选手同场竞技。机器人不是躲在隔离区里表演，而是真正和人类共用一条赛道、同时起跑。

这不是噱头。这是一场检验具身智能产业成色的大考。

一、从20台到300台：规模膨胀15倍

2025年4月，北京亦庄举办了全球首个人形机器人半程马拉松。20支队伍参赛，机器人完赛率不到50%。

当时很多人在质疑：花这么大代价办一场”机器人跑马拉松”的比赛，值得吗？

答案是：值得。

松延动力在那届比赛中拿到亚军，赛后一个月内意向订单突破2000台，公司估值从5亿元飙升至20亿元。一场比赛，带来了真金白银的商业回报。

尝到甜头后，今年的赛事规模急剧膨胀：

• 参赛队伍：从20支增长到100+支，增幅超5倍
• 参赛机器人：从20+台增长到300+台，增幅超15倍
• 赛道难度：弯道更多、坡度更陡，对机器人要求更高

这背后，是整个具身智能产业的信心膨胀。

二、赛事规则：逼出真本事

和去年不同，今年的赛事有几个创新的规则设计：

1. 自主导航组 vs 遥控操作组

比赛分两个组别：

• 自主导航组：机器人完全自主决策，考验算法能力
• 遥控操作组：人类远程操控，考验硬件稳定性

遥控组成绩乘以1.2系数，鼓励参赛队伍挑战自主导航。规则设计本身就逼着机器人提升真正的自主能力。

2. 限制人工干预

比赛对人工干预有严格限制。机器人一旦出发，团队只能在特定节点进行电池更换或简单维护。这对机器人的续航能力和可维护性提出了更高要求。

3. 专项奖引导技术创新

赛事还设立了”最佳续航奖””最美步态奖””最佳设计奖””最佳感知奖”等专项奖，引导技术创新往实际痛点方向走。

三、参赛选手：头部玩家齐亮相

目前确认参赛的头部品牌包括：

宇树科技——”速度担当”

宇树H1刚以10m/s刷新世界纪录，这次的目标显然不只是完赛，而是挑战更快的速度。据内部人士透露，宇树团队正在针对长距离奔跑优化步态和能耗。

智元机器人——”量产王者”

智元第10000台”远征A3″刚下线，在手订单充足。这次参赛更多是展示技术实力，而非追求名次。但万台量产的经验，意味着他们的机器人在稳定性上可能更有底气。

优必选——”去年的冠军”

2025年，优必选Walker系列拿下冠军。今年他们派出3支队伍，包括升级版的”天工”机器人。关节和散热等硬件全面升级，目标直指更好的完赛成绩。

松延动力——”卷土重来”

作为去年的亚军，松延动力显然不甘心。他们憋了一年的技术大招，据说在复杂地形适应方面有突破性进展。

四、为什么马拉松是机器人的”成年礼”

很多人不理解：为什么非要用跑马拉松来考验机器人？

答案藏在比赛的意义里。

1. 检验全身协调能力

短跑、跳跃这些动作，考验的是局部能力。但马拉松需要机器人从头到脚、从硬件到软件、从感知到决策的全身协同。能跑完马拉松的机器人，说明它的技术成熟度已经相当高。

2. 暴露真实问题

实验室环境可控，测试数据好看。但马拉松的开放环境——有坡道、有弯道、有不平整路面——会暴露很多隐藏的问题。这些问题只有在真实场景中才会暴露。

去年比赛中，有的机器人走了3公里就”趴窝”，有的在弯道失去平衡。这些问题被暴露出来后，厂商才有改进的方向。

3. 展示商业化潜力

对于投资人来说，一场能完赛的机器人马拉松，比一摞PPT更有说服力。能跑马拉松，说明机器人离”能干活”不远了。

五、产业观察：从”能跑”到”能用”还有多远

看完这场比赛，我们最关心的问题是：人形机器人距离真正大规模商业化还有多远？

乐观的信号：

• 智元万台量产，成本已降至8-12万元
• 宇树R1仅4.3万元，接近消费级心理门槛
• 宁德时代、比亚迪等头部制造企业开始真金白银下单
• 2026年Q1融资318亿元，热钱持续涌入

谨慎的理由：

• 马拉松只是21公里，真实工厂的工作是8小时连轴转
• 实验室场景和真实场景差距巨大
• 家庭场景更是人形机器人的”终极挑战”
• 高质量训练数据依然稀缺

行业普遍预期：2026-2027年是人形机器人从”展示”走向”实用”的关键窗口期。但要真正走进千家万户，可能还需要5-10年。

六、一场商业赛事的产业意义

回到文章开头的问题：举办这场机器人马拉松，值吗？

我的答案是：值，但要有清醒的认识。

马拉松不是目的，而是手段。它是：

• 技术的试金石：让真实问题暴露在阳光下
• 市场的广告牌：让更多人了解和接受人形机器人
• 资本的信心源：让投资人看到产业化的真实进展

但马拉松也不能代表一切。跑得快不代表能用，跑得稳不代表好用。

对于中国具身智能产业来说，这场比赛更像是一个节点——它标记着行业从”概念验证”走向”工程落地”的新阶段。

4月19日的亦庄，见证的不仅是一场机器人比赛，更是中国科技产业冲刺的一个缩影。

七、写在最后：期待那一声发令枪响

比赛还没开始，但我已经开始期待了。

想象一下这个画面：300多台机器人整齐列队，7:30准时鸣枪，然后——

有的机器人起步稳健，很快进入节奏；
有的机器人踉跄几步，差点摔倒；
有的机器人跑着跑着，关节发出异常响声；
还有的机器人，在某个弯道突然”罢工”……

这就是科技落地的真实模样：不完美，但一直在进步。

4月19日，北京亦庄，让我们一起见证这场机器人界的”成年礼”。

本文数据来源：中国电子学会、IDC报告、各企业官方公告，截至2026年4月16日。