KeyFrame內部研究專用

EP17: Moonshot AI's Kimi k1.5 Sets a New Peak for Chinese AI Models! But the 2026 UN World Invest...

從科技產業 看透 ETF·7月26日週日·45 min中文

三句話摘要

全球AI投資在2025年成為主流,資料中心成最大投資對象,中美發展策略差異明顯。 AI投资浪潮已从芯片厂建设过渡到资料中心建设,电力与重电产业将成下一个风口,同时中美采取互为对立的发展策略,美国追求技术壟斷,中国推行生态扩散,全球产业格局进入"两个世界"的竞争阶段。 投資結構轉變:2025年成為AI投資元年,全球資金湧向資料中心建設。相比2024年,資料中心新增投資2350億美元,遠超石油天然氣(380億)和半導體(130億)。但這不代表半導體衰退,而是進入新週期—過去2022-2024年已大量興建半導體廠,現在接力進入資料中心建設階段,形成產業時序效應。

重點整理

重點
  • 1

    投資結構轉變:2025年成為AI投資元年,全球資金湧向資料中心建設。相比2024年,資料中心新增投資2350億美元,遠超石油天然氣(380億)和半導體(130億)。但這不代表半導體衰退,而是進入新週期—過去2022-2024年已大量興建半導體廠,現在接力進入資料中心建設階段,形成產業時序效應。

  • 2

    中美資金結構差異:美國民間AI投資領先(2850億美元),中國商業統計僅124億,落後歐洲。但中國政府資金、國企基金、地方政府資金實則龐大(估2000-3000億美元),只未列入商業資料庫。美國靠資本市場活躍吸納全球資金,中國靠政府戰略主導。

  • 3

    模型發展策略分歧:中國知名AI模型數(35個)接近美國(59個),但公司數差異大(1746家 vs 8909家)。美國專注少數大型前沿模型,持續高投入;中國採「百家爭鳴」策略,扶植眾多中小型開源模型供應用場景,目標為公共財輸出至全球南方。

  • 4

    能源成為關鍵瓶頸:資料中心電力需求預估2030年達2020年3倍。美國電力需求仍遙遙領先(用GW計算),後續發電、配電、變壓器、冷卻系統都將面臨投資爆發。電力短缺將成算力限制因素,推動重電產業新週期。

實用技巧與重點

乾貨
  • 投資金額(2025年新增,對標2024年)
  • 資料中心:2350億美元
  • 石油與天然氣:380億美元
  • 半導體:130億美元
  • 關鍵礦物:下降
  • 全球民間AI投資(至2025年)
  • 全球:3447億美元,同比成長127.5%
  • 美國:2850億美元(領先)
  • 歐洲:209億美元
  • 中國:124億美元(商業統計)
  • 中國(含政府資金估計):2000-3000億美元
  • AI創業與模型
  • 全球AI新創公司:美國8909家,中國1746家,英國200+家
  • 知名AI模型數:美國59個,中國35個,韓國8個,其他國家各1個
  • 中國AI六小龍:正在上海、西语科技、月之暗面、深度求索、智谱AI、零一万物
  • 資料中心分布
  • 美國:5427座(全球最多)
  • 德國:529座
  • 英國:523座
  • 中國:449座(商業統計,政府設施未計)
  • 加拿大、法國、澳洲、荷蘭各200-300座
  • 電力需求
  • 2030年資料中心電力需求:2020年的3倍
  • 美國電力需求最大,用GW(十億瓦)計量
  • 中國電力需求次之
  • 東協FDI(2025年)
  • 總額:576億美元
  • AI基礎建設:超50%比重(包含資料中心、雲端、電力等)
  • 半導體:佔大幅比例(2020-2024年增長後,2025年被AI超越)
  • 亞太AI市場規模預估
  • 2024年:690億美元
  • 2025年:1020億美元
  • 2026年:1750億美元(預估)
  • 2032年:8161億美元(預估)
  • 聯合國與史丹佛報告來源
  • 2026年聯合國全球投資報告(統計2025年資料)
  • 2026年史丹佛AI指數報告

結論

結論

AI投资浪潮已从芯片厂建设过渡到资料中心建设,电力与重电产业将成下一个风口,同时中美采取互为对立的发展策略,美国追求技术壟斷,中国推行生态扩散,全球产业格局进入"两个世界"的竞争阶段。

完整解析

詳細

2025年堪稱AI投資的轉捩年。根據聯合國全球投資報告與史丹佛大學AI指數,全球投資流向發生明顯轉變。過去2022-2024年,半導體廠建設熱火朝天—全球資金大量興建晶圓廠、封測廠。到了2025年,資金接力流向資料中心建設,單年新增投資額達2350億美元,遠超石油天然氣(380億)與半導體(130億)。這不代表半導體衰退,而是產業週期前進—半導體已在基礎建設階段大量投入,現在資料中心成為新主角,將在未來2-3年陸續落實,再帶動下一波AI晶片、先進封測、重電等供應鏈投資。

中美AI發展呈現截然不同的路徑。美國投資驅動力來自活躍的資本市場:全球民間AI投資達3447億美元,美國獨佔2850億,佔80%以上。中國商業資料統計僅124億美元,遠低於歐洲209億。但這數字迷惑性極大—中國AI產業的真正資金來源是政府、國企、地方基金,聯合國報告估計中國實際投入2000-3000億美元。美國策略是集中火力,專注少數大型尖端模型(OpenAI、Anthropic等)持續燒錢;中國策略是「百家爭鳴」,扶植眾多中小型開源模型以覆蓋細分應用場景,目標將AI做成公共財輸出至全球南方國家,與美國「技術壟斷」的思路截然相反。

模型數量對比反映這種策略分歧。美國知名AI模型59個,中國35個,數量不相上下,但背後的公司體量相差巨大—美國8909家AI新創 vs 中國1746家。中國單位效率看似更高,實則源於政府引導、資源集中的體制特性。而中国新创AI公司数快速追赶美国,从2022年的落后到2025年已是美国的近五分之一,显示中国AI生态扩张的速度。资料中心数量上美国遥遥领先(5427座 vs 中国449座),但这个统计有偏差—中国的政府、军事、国企资料中心未被纳入商业数据库,实际规模被严重低估。

到2030年,资料中心电力需求将是2020年的3倍。这一爆发将扩散至整个能源产业链:发电、配电、变压器、冷却系统等都进入投资高峰期。美国已因资料中心过多面临反弹—德州、亚利桑那州因用水、用电、环境污染等问题开始审视激励政策。这背后反映的是电力成为AI算力的真实瓶颈,未来"电力极过力"将同"算力极过力"一样成为限制因素。对台商而言,这意味着不仅要押注AI芯片供应链,更要关注台湾重电产业的机会—配电、变压器、冷却解决方案都将有新一轮需求。

东协国家在这波浪潮中地位快速提升。2025年跨境投资总额576亿美元,AI基础建设占超50%,超越半导体。这与传统东协劳动密集产业形象完全相反,代表东协从代工基地向高科技枢纽转型。但这也带来挑战—台商虽在美国设厂受欢迎,回到东协却面临中国厂商的直接竞争。中国在云端服务、主权AI建设、硬件供应等方面的本地影响力不断扩大,中国伺服器厂商众多且价格竞争力强。未来不同系统(美国系 vs 中国系)在海外市场的竞争将更激烈。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。