腾讯汤道生、月之暗面张予彤、南开大学龚克教授同台达沃斯！曝中国国家级AI+行动计划！张予彤：月暗收的简历已经没有PDF了，全是个人网站

今年的达沃斯，没有一个论坛不讲AI的。

那对于“中国AI+经济”的话题，又有哪些焦点需要关注呢？

昨天，腾讯汤高级执行副总裁汤道生、月暗联合创始人张予彤、南开大学龚克教授，会同 GF Edge Financial Group 集团CEO Hisham Aura，来了一场圆桌对话。

如果把这场圆桌放进一个更大的时间坐标里看，它讨论的并不是“AI 会不会改变经济”，而是一个更现实的问题：当 AI 已经开始嵌入生产体系、组织结构与个人能力时，中国正在用什么方式，把这股技术浪潮真正变成经济动能。

“AI应用的扩散实际上带来了就业增长机会。中国劳动力市场上，具备AI能力的人才缺口达到约500万。”

“中国AI生态系统本身极其活跃……这么多玩家叠加开源生态，使AI推理成本不断下降。”

“开发效率本身就是非常关键的竞争力，但不是很多公司都能做到。”

在 CGTN 主持人 Gwen 的引导下，这场围绕“中国 AI+ 经济”的对话，把视角从宏观政策、资本逻辑，一直拉到企业一线与个体生产力的真实变化。

坐在桌前的几位嘉宾，背景差异极大，但观点却彼此咬合。

作为中国互联网巨头，腾讯汤道生从产业实践出发，给出了一个关键词——ROI 与规模化落地；

月之暗面张予彤，则从创业公司的一线视角，讲清楚中国大模型公司为何能在有限算力下逼出“效率型创新”，用1%OpenAI的资源打造出比肩SOTA级的性能，以及 AI 正在如何重塑组织与人才标准；

南开大学中国新一代人工智能发展战略研究院执行院长龚克教授，则从国家级“AI+ 行动计划”出发，点出一个被频繁忽视的信号——中国关心的重点，非常务实，跟宏大的 AGI 叙事相比，让 AI 扩散、渗透与普及到每一个人，更重要。

而来自 GF Edge Financial Group 的 CEO Hisham Aura，则代表全球投资者的视角，直面“AI 是否存在泡沫”的争论，并给出一个冷静判断：真正的赢家，将是最先实现 AI 在全经济体系中规模化转化 的国家和市场。

这场讨论的锋芒在于，它不断把话题从“技术先进性”拉回到“经济有效性”：

AI 应该优先做大模型，还是先做可负担、可复制的生产工具？

国家级 AI 战略，究竟是在押注少数超级公司，还是试图让红利向中小企业与普通劳动者下沉？

当 AI 成为基础能力，组织、教育与个体竞争力又会发生怎样的重构？

这些问题，贯穿了整场对话，也构成了理解“中国 AI+ 路径”的关键线索。

此外，虽然时间有限，几位嘉宾很分享了不少内部的小料。

比如张予彤透露，现在自家公司收到的简历中，已经没有传统的PDF文件了，而全都是一个个通过AI模型生成的个人网站。

对话持续35分钟，以下是小编为大家梳理的精彩发言。

上下文语境：中国国家级“AI+行动计划”

主持人：

各位女士、先生，下午好，欢迎参加本场关于“中国 AI+经济”的议题简报会。我叫 Gwen，来自中国环球电视网（CGTN）。当前这个时刻，人工智能正迅速从技术前沿转变为全球增长的核心驱动力。

到2030年，AI 预计将为全球经济贡献约15万亿美元，中国预计将在2025年前后占据全球数据价值的约四分之一。87%的中国企业计划增加AI投资，超过一半的企业表示部署速度正在加快。

国家级“AI+行动计划”正推动AI加速融入制造、医疗健康等众多产业。中国的规模化、一体化政策路径与活跃市场，也为全球AI落地提供了独特范式。

为了进一步探讨中国“AI+”的发展，我们非常荣幸邀请到来自学术界、产业前沿、创新领域与全球金融界的重量级嘉宾。让我先介绍几位嘉宾：腾讯高级执行副总裁、腾讯云与智慧产业事业群CEO汤道生先生；月之暗面联合创始人张予彤女士；南开大学中国新一代人工智能发展战略研究院执行院长龚克教授；以及GF Edge Financial Group集团CEO Hisham Aura先生。非常欢迎各位。

投票显示：60%的人认为AI不是泡沫

越来越多的创业者走向全球融资

主持人：

我先从Hisham先生开始，因为他代表全球投资者视角。当前AI投资热潮前所未有，但关于AI泡沫的讨论也在升温：资本投入强度与回报路径不确定性并存。作为一位穿越周期的投资人，你认为AI今天在哪些领域真正创造了可衡量、可持续的经济价值？

Hisham ：

谢谢邀请。今天上午我们在治理分论坛里讨论过这个问题，当时有一个投票，大约60%的人认为现在不是泡沫，仍然存在巨大的价值捕获空间。我也认同这一点，这是一场深刻的市场变革型创新，不只是单点突破，而是贯穿从电力生产、数据中心、芯片、技术、软件到资本市场的完整链条，正在释放实质性价值和回报。

技术进步本身需要大量资本投入，而我们从财富管理和资产管理的角度，观察到无论是在中国、美国，还是我们所在的地区，政府投资都无法单独推动产业跃迁，因此你会看到越来越多创业者和公司走向全球融资。当资本市场更强劲时，研发节奏更快、成果交付更高效、投资回报周期也更短。我认为机会巨大，而我们才刚刚处在起点，谁能率先实现AI在全经济体系内的规模化转化，谁就会成为赢家。我也认为中国“AI+”在这方面展现出了非常明确、严肃的战略意图。

中国的国家级目标

2030年，智能体、智能终端的普及率达90%

主持人：

说得很好。那我们就聚焦到中国的“AI+行动计划”。龚教授，能否从学术角度谈谈这个计划，以及它如何体现AI作为中国经济新增长引擎的潜力？

龚克：

“AI+行动计划”是一个国家级倡议，于去年8月正式发布。如果你仔细阅读这份文件，会发现里面没有提到AGI，也没有专门谈芯片。这并不意味着中国政府不理解AGI或芯片的重要性，而是说明政策重点更多放在AI的扩散、落地与渗透层面，让AI真正进入生产体系与日常生活，创造现实价值。

整体方向是推动AI从“聊天工具”走向“产品”与“服务”。目标分为两个阶段：第一，到2027年，智能体与智能终端的普及率超过70%；到2030年，超过90%。这就是中国在AI扩散层面的国家级目标。

张予彤：中国市场优势巨大

对新技术很开放

主持人：

那我转向前沿企业视角。予彤，你作为领先AI公司的代表，如何看待中国这种强调扩散、而不是聚焦AGI的路径？如果谈AI在经济体系中的普及，最大的阻碍或关键推动因素是什么？

张予彤：

我认为中国是一个非常独特的市场，从多个维度看规模都非常大。中国拥有庞大的制造业、零售业体系，这为构建真实、可规模化落地的生产级系统提供了天然环境，有大量数据和应用场景可用于测试AI与现实业务的结合，这是中国市场的巨大优势。

第二点是对新技术的开放度。我们在电动车、光伏、智能手机、自动驾驶等多轮技术浪潮中都看到这种模式。我个人很惊讶的是，有85%的中国消费者认为自动驾驶是安全的，并且能改善他们的生活方式和效率。这也是为什么中国已经在几十座城市运行着成千上万辆机器人出租车。这种对新技术的开放心态，是中国非常独特的竞争力。

最后，AI已经在帮助个体实现超高生产力，即便在今天。我们还是一家创业公司，但所有简历都来自我们的网站，没有人再给我们发PDF了，大家直接用AI网页生成工具制作个人主页。很多以前零编程基础的人，现在也能快速做出漂亮的网站来求职。我看到AI的采用来自多个层次、多个驱动力。

汤道生：

与AGI不同，优化使用成本结构才能让AI更普惠

主持人：

没错，AI正在搅动各行各业，覆盖全产业链条。汤道生先生，能否谈谈中国科技与产业领军企业是如何把AI真正融入业务流程，并创造可落地成果的？

汤道生：

我们确实在与来自不同行业的大量客户合作，部署各种形态的AI。很多人谈AI时，会下意识想到一个超级系统，比如AGI，但现实中其实存在很多不同类型的模型，分别服务于不同业务目标。不同产业、不同企业，几乎在其运营的每一个环节都在尝试引入AI。

以腾讯为例，不仅大量程序员在使用编程工具更快开发新功能，我们也看到产品经理、设计师、财务人员等角色，都在用这些新工具自动化原本不可能实现的工作，从而显著提升个人生产力。

在零售领域，一些客户使用生成式图像和3D模型技术，大幅缩短产品设计周期；在营销方面，我们帮助客户通过更精准的投放和个性化服务提升转化率；在医疗领域，我们也在协助药企进行新药研发。整体来看，当前环境中支持AI的正向动能非常强。

但我想特别强调一点：中国客户普遍非常关注ROI，他们希望降低AI使用成本。作为云服务商，我们一直在优化AI使用成本结构，让AI能够更容易被分发、被普及到更广泛人群中，真正做到“一个都不落下”。

中国的“AI+哲学”是开放式结构

主持人：

那我再把话题拉回到Hisham先生的全球投资视角。现在你已经听到中国国家层面和企业层面的动态，你如何评价中国的“AI+”发展？在全球AI格局中，它处在什么位置？

Hisham：

我的看法是，首先要从顶层开始看问题，也就是“纪律性”和“方向感”——无论是国家、地区、主权体，还是一家企业，都是如此。在我们公司，我们给所有高管的年度目标中划出10%，专门要求他们思考如何采用AI，而且不是把AI当成一个界面工具，而是要真正转化为效率提升。

如果把这个逻辑放到国家层面，你就会看到对整个经济体系的叠加效应。再看中国“AI+”的哲学，它是开放式结构，而不是封闭式结构。这本身就释放出一个信号：他们希望AI红利向下渗透到整个经济、到中小企业，让AI变得可负担、可普及。这不是某一家公司、某一个产品、某一个人的收益，而是整个经济体层面的收益，这一点非常有意思。

在我们所在地区，比如阿联酋，也有非常领先的模式，把AI纳入国家级必修能力体系；巴林也是如此。不同国家的承诺强度不同，但总体趋势是，AI正在成为生活方式的一部分，关键在于你如何使用它。而从终局来看，我认为中国非常清晰地是在追求“全经济体系创造价值”，而不是局限于少数公司或行业，这正是其战略哲学上的核心差异。

龚克：中国AI+行动计划的六大重点

从小学就开始融入AI基础能力培养

主持人：

你这个判断非常到位，因为中国确实在把AI嵌入经济的各个方面。而说到经济，本质上就是“人的经济”。龚教授，想请你从劳动力视角谈谈：中国的AI推进正在如何影响人才培养与组织设计？

龚克：

回到国家层面的“AI+”倡议，它实际上明确了六个重点方向。第一是用AI赋能科技研发；第二是提升生产体系能力，包括农业，提高产品质量、降低碳排放等；第三是扩大国内消费，这一点非常重要，因为中国也希望从另一侧降低对外贸易顺差的依赖。今天上午我听到京东的分享，说他们的智能推荐系统带动消费规模同比翻倍。

第四个重点是提升民生福祉，包括教育和医疗健康。说到教育，中国目前正在推进一项非常雄心勃勃的计划：从小学到大学全面嵌入AI基础能力培养。

在我的大学里，现在已经有成千上万种智能体被教授和学生用于科研与学习辅助。我认为，让年轻人具备使用AI的能力极其重要。我们不知道未来的具体岗位会是什么，但可以确定的是，未来的工作一定需要AI能力。

张予彤：极高的开发效率本身就是关键竞争力

月暗用1%OpenAI的资源，训练出了SOTA级的性能

主持人：

没错，我认为中国在明确这些优先级方面走在了前面。予彤，你们身处产业一线，很多人也在比较中国与其他主要国家在 AI 发展环境上的差异，比如基础设施、能源等关键要素。在你看来，哪些支撑条件对于成功规模化 AI 最为关键？

张予彤：

我认为我们确实走了一条不太一样的路径。我们用大约领先实验室1%的资源，训练出了接近最前沿性能水平的模型。从第一天开始，我们就知道自己没有无限算力可以堆规模，所以我们的开发方式更强调基础研究与效率创新。

我们创始人本身来自学术界，深受开放研究文化影响，因此我们在基础研究上投入很多精力，核心目标是提升效率。我会说，开发效率本身就是非常关键的竞争力，但不是很多公司都能做到。很多研究停留在实验室阶段，而我们花了大量时间，把研究成果工程化，真正落地到生产系统中，让它可以在规模化环境下运行。

比如，我们最早把MoE优化真正用于大规模语言模型训练；还有我们提出的线性注意力机制“Kimi Linear”，比全注意力系统更快。所以我们在多个层面上都做了大量工作，确保效率极高，这也逐渐成为中国AI系统研发的一种典型特征。

从外部支持角度看，基础设施非常关键。中国一直有“先建基础设施”的思维方式：修高速公路、建电站、铺设大型数据中心网络。这让算力供给成本非常低，从而释放出更多前沿技术创新的空间。当然，企业自身也必须极端高效。

汤道生：中国AI生态极其活跃

要把最合适模型的选择权交还给客户

主持人：

所以效率是关键词。汤道生先生，你同意吗？你能否再补充几个在中国扩展AI发展的关键因素？以及中国是如何做到这一点的？

汤道生：

效率当然是中国市场非常重要的驱动力，但除此之外，我认为还有一个不可忽视的特点：中国AI生态系统本身极其活跃，技术生态整体也非常繁荣。与其他一些市场相比，中国在模型层面的玩家数量要多得多，实际上有数百家，而且很多是开源的，也形成了协同网络。

今年港交所最大的IPO就是AI公司，而且两家公司的方向完全不同：一家（MiniMax）主打海外消费者市场，另一家以开源模型为核心，更多面向企业客户。包括智谱，也是我们的合作伙伴之一，尽管我们自己也有模型。

有意思的是，这么多玩家叠加开源生态，使AI推理成本不断下降，过去18个月，中国使用AI的成本持续下探。对腾讯而言，我们知道客户需要选择权，不同企业、不同场景需要不同规模、不同类型的模型。因此，作为云平台，我们的策略是提供模型无关（model-agnostic）的工具和产品，支持多种模型类型，把“选择最合适模型”的权力交还给客户手中。

龚克：2030年前后，AI消耗的大量电力将来自可再生能源

主持人：

刚才还没有人谈到能源问题，而这在未来AI发展中会变得越来越关键。我想请龚教授谈谈：你认为中国在能源供给方面是否具备优势，来支撑AI所需的大规模算力？

龚克：

是的，这实际上是一个与AI发展高度相关的重要国家级工程。中国正在在西部地区大规模建设以绿色能源为主的能源基础设施，因为那里的风电和光伏资源非常丰富，同时通过超高压输电网络，把这些算力能力输送给东部沿海地区使用。

我们称之为“东数西算”工程：数据在东部，算力在西部。这意味着到2030年前后，AI所消耗的大量电力将来自可再生能源，这对可持续发展具有重大意义。

关于AI教育：中国是第一个发布该类白皮书的国家

主持人：

太棒了。接下来我们还有几分钟时间，可以向现场开放提问。请简单自我介绍并提问，谢谢。

提问者：

非常感谢各位分享精彩观点。我叫田中沙耶加，来自日本，是 Waffle Physicists 的创始人，我们的使命是推动产业发展，并促进积极沟通。我想请教关于中国中小学教育体系中AI教育内容的情况，特别是创造性教育方面，比如开发产品能力，不只是AI素养，也包括计算机教育。同时，我也关心教师是如何接受培训与支持，从而能够有效开展AI教学。

龚克：

关于AI教育与教师培训，这是一个非常重要的议题。中国在教师培训方面，已经系统性地开展了AI能力培养项目，同时也参考并采纳了联合国关于教师与学生AI能力框架。如果你有机会阅读中国发布的《人工智能教育应用白皮书》，会看到更详细的政策与实践内容，中国也是第一个发布该类白皮书的国家。

汤道生：

我补充一点。新一代学习AI，不仅来自学校和传统教育体系，也来自于这些免费、开放的工具环境。比如在我们这里，有像“元宝”这样的产品，很多年轻人可以像用ChatGPT一样去提问，满足他们的好奇心。我认为，鼓励年轻人保持好奇心，并使用这些高度可及的AI工具，是培养AI学习习惯的最佳方式。

龚克：AI应用的扩展，实际上带动了就业增长

中国AI人才缺口约500万人

主持人：

好，谢谢。下一位。

提问者：

谢谢这场非常有意思的讨论。我叫 Sari D. Soccer，是一名经济学家。我想请问，关于生成式AI对教育与劳动力市场的影响，尤其是潜在的负面影响，各位是否已经做过评估？历史上，每一次技术变革在带来收益的同时，也会对教育体系与就业结构产生冲击。我想了解你们是否已经观察到这些影响，以及你们的结论是什么。你们已经发布了AI教育白皮书，我也很高兴看到这一点，但是否已经出现了一些负面效应，比如对学习能力或传统岗位的冲击？谢谢。

龚克：

我先简要回答关于教育的问题。确实存在负面风险，最大的挑战在于如何引导学生用AI去增强深度思考能力，而不是满足于即时答案。这是一个非常重要的课题。

至于劳动力市场，从目前这个早期阶段来看，AI应用的扩展实际上带来了就业增长。去年和前年，中国劳动力市场中，具备AI能力的人才缺口达到约500万人。当然，随着更深度的应用，某些岗位会被替代，因此国家层面正在推进大规模技能再培训计划，帮助劳动者掌握AI工具、承担新的任务形态，实现由AI赋能的新型就业结构。

张予彤：自己几乎睡得很少

学习能力正在比过去经验更重要

张予彤：我想补充一点，对我来说，这不一定完全是负面影响，但确实正在改变我们想要合作的人才类型，以及组织运作方式。我们越来越强调“通用智能能力”，而不是高度细分的专业技能，因为AI可以按需提供某些领域的即时专业支持。

同时，传统以职能部门为基础的组织结构，也可能会被重构。另一方面，我感觉过去两年，人类创造新知识的速度比以往任何时候都快，我个人几乎睡得很少，因为进展实在太快了（笑）。这意味着“学习能力”正在变得比“过去经验”更重要，因为很多旧知识可能比以前更快过期。

所以，如果教育体系能够转向培养更强的通用思维能力、学习能力，以及扎实的AI素养，我们反而发现企业招聘依然很难，而不是相反。

汤道生：学会提出正确的问题

汤道生：我觉得学会如何提出正确的问题，本身就是一项非常重要的新能力。

张予彤：月暗很快就要发布K3模型

主持人：我们可能只剩下一个非常简短的问题时间了，可以吗？

龚克：所以当年大家都在谈论美国在AI领域的领先优势，后来出现了“DeepSeek时刻”，今年是否也会出现类似的节点，目前还很难判断。

张予彤：我们很快会发布一个新模型。

龚克：这个模型规模很大。Kimi，是一个非常不错的模型。

主持人：好，那我们就拭目以待吧。这个行业永远都有新的惊喜出现，我们也很高兴看到这样开放、前沿的参与者持续推动进展。非常感谢各位嘉宾参与本场讨论。

文章来自于“51CTO技术栈”，作者 “云昭”。