围绕人工智能的产业叙事在本周出现显著分化。一方面，英伟达CEO黄仁勋在财报电话会上宣称AI已抵达产业拐点，彻底告别概念阶段，当前AI生成的Token具备实际生产力与商业盈利性，算力直接等价于收入，行业逻辑从“技术迭代”转向“商业变现”。另一方面，OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）则公开表达了对AI治理风险的担忧，称其担心人工智能有朝一日会被少数公司、模型或个人控制，使绝大多数消费者对这项技术如何发展失去话语权。
奥尔特曼在一档播客节目中表示，“正确的做法是，我们希望人们能够深度掌控未来。社会和各种模型将共同演化。”他同时提到，自己担心的另一种可能性是人工智能摆脱人类的控制。矛盾的是，他认为，对后一种可能性的恐惧，反而可能导致前一种可能性——即AI被少数人控制——成为现实。这一表态延续了奥尔特曼近期对AI安全与权力分配的持续关注。
英伟达在AI基础设施领域的角色也在本周受到更多审视。黄仁勋为公司日益深入参与人工智能行业融资进行了辩护，反驳了外界关于英伟达向其他AI公司提供资金支持、是为了人为推高自身营收增长的批评。他指出，这是第一代需要数百亿美元融资才能发展起来的初创公司，“上一次有人听说一家初创公司需要数十亿美元才能起步、还需要数百亿美元才能实现盈利，是什么时候？这种情况过去从来没有发生过。”黄仁勋强调，开发AI和部署AI的成本都非常高，这是一个高度资本密集型行业。
对于英伟达可能因被投企业经营困难而最终承担损失的担忧，黄仁勋予以反驳。他表示，英伟达的计算基础设施可以在不同客户和不同工作负载之间重新部署，因此公司对任何单一投资的风险敞口都是有限的。“我们投入的资金将带来非常可观的回报。我认为风险很低。”
微软联合创始人比尔·盖茨也在本周就AI转型发出警告。他在个人网站发文称，向AI时代的过渡将是人类历史上最动荡时期之一，而目前我们并没有为此做好准备，呼吁各国政府立即采取措施监管这项技术，以免其造成无法挽回的伤害。盖茨列举了向AI转型造成的三项主要风险：许多岗位将永久性消失，初级和中级岗位面临最大风险，蓝领工作也会受到影响；AI可能赋予人类更强的作恶能力，包括制造生物武器和计算机病毒；AI还可能损害人际关系和儿童成长。盖茨称，他之所以公开表达担忧，是因为AI的发展速度快于其预期，且科技行业在很大程度上已放弃此前倡导的谨慎态度。他另外呼吁对Token和机器人征税，认为这可在一定程度上延缓弃用人工的趋势，并筹集资金用于技能再培训及构建更稳固的社会保障网。
国内AI产业在本周同样动作密集。字节跳动发布全新Agent产品“豆包工作”，与飞书深度打通，可基于企业上下文自主拆解任务、调用工具并推进复杂流程。产品支持文档、表格、PPT、网页及应用等内容生成与编辑，还能直接操作浏览器和电脑执行跨软件任务。阿里AI应用搭建产品Meoo（秒悟）则打通了自然语言做App的全链路，不懂编程的普通用户只需用自然语言描述想法，Meoo即可自动生成页面与功能，支持真机测试、持续修改与一键打包，最终产出可直接安装使用的原生应用，覆盖安卓与iOS双端。
在AI基础设施层面，小米正式推出大模型专用AI加速芯片玄戒O100，采用6nm 3D晶圆级堆叠方案，带宽达1.22TB/s，运行Xiaomi MiMo 3B模型可实现330Tokens/s推理速度。小米还公布了玄戒O3芯片架构，采用3nm制程工艺，CPU采用6超大核、4大核的10核架构，最高频4.35GHz，相比上一代性能提升60％；GPU采用16核架构，性能提升85％。阿里视频大模型Wan3.0正式上线，单次可生成30秒视频，并首次支持doc、xls、ppt、pdf、md等文档格式输入。
智谱上线并开源GLM-5.3-Flash（320B-A18B），这是GLM-5系列的首个原生多模态模型，320B总参数，能力超过GLM-5.2。该模型全部线上流量由10万张国产芯片承载，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，与Anthropic的Claude Opus 4.8得分持平。GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣内为GLM-5.3的1/20，为Opus 4.8的1/40。
腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在腾讯内部刊物发文，回应外界对“腾讯做AI慢了”的质疑。他承认“一点不焦虑是不可能的”，混元大模型进行了多次重构，混元Hy3在同等参数的大模型中效果突出，但由于公司整体算力严重不足，拖慢了模型训练与产品发展。汤道生称，起得早也许不是最关键的，AI下半场才刚开始，熬得久才有机会抓住持续出现的新机遇。
从本周动态来看，AI行业正同时经历商业化的加速与治理风险的讨论。头部企业的投入规模与对基础设施的争夺仍在升级，而关于技术权力分配、就业冲击与监管框架的议题，也开始从学界与政策圈进入产业领袖的公开表述中。AI从技术验证走向规模落地的过程中，行业内部的共识与分歧将同样显著。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
