群发资讯网

当下中国经济的核心矛盾可以精准概括为两点：工业化过剩、城市化过度透支。依靠粗放式工业化、城市化扩张的老路已经走不通，向外输出产能面临霸权围堵，内部透支导致消费疲软，转型已是唯一出路。正因如此，2017年十九大将乡村振兴上升为国家级核心战略，绝非简单的惠农政策，而是应对全球变局、化解国内经济风险的压舱石。美国将中国定义为核心竞争对手，贸易、科技、金融接连脱钩，外部风险全面加剧，我们必须依托国内大循环稳住基本盘，而乡村就是抵御外部冲击的核心缓冲载体。这几年跑过一些县城和乡镇，有个感受特别明显：以前村里人往城里挤，现在开始有人往回走了。不是城里不好，是城里那套活法越来越贵。房贷、学区、通勤、外卖，一个月工资到手，转一圈又回去了。回头一看，老家那几间房、那几亩地，反倒成了退路。这个退路，就是缓冲。工业化过剩这事不难理解。工厂建得太多，产能堆得太高，东西造出来得有人买。以前指着出口，欧美订单一来，机器转得飞快。现在人家把门关了一半，关税加上去，供应链往外挪，货出不去，仓库就压着。内需这边呢，老百姓兜里钱不敢花，教育、医疗、养老三座山压着，谁敢敞开了消费？产能和消费之间那道口子，越拉越大。城市化过度透支，说的是另一件事。地卖了，楼盖了，路修了，账也欠下了。地方上靠土地财政撑了十几年，现在地不好卖，债还得还。城里一套房掏空六个钱包，年轻人背三十年贷款，哪还有力气消费。这种模式走到头，不是谁想不想的问题，是实在转不动了。这两件事凑一块，就逼出一个问题：下一步靠什么稳？外部脱钩越来越狠，科技封锁、金融施压、贸易壁垒，一样接一样。指望别人开门让你做生意，越来越不现实。能稳住的，只有自己家里这块盘子。国内大循环这个词听着大，落到地上就是：东西自己造，自己买，钱在自己人手里转。乡村在这盘棋里的位置，很多人低估了。它不是简单的种地吃饭，它是一张网。几亿人住在那里，有房有地有基本生活保障，外面风浪再大，回去有口饭吃，社会就不会乱。城里失业了，工厂关门了，起码不会一下子把人逼到墙角。这种托底的作用，平时看不出来，真到紧要关头，比什么都值钱。我认识一个在东莞开厂的朋友，前几年订单多的时候，工人招不够，工资往上涨。这两年外单少了，厂子缩了一半，工人走了一批回老家。他说走的那批人里，有些在老家搞起了养殖、种果树，有的在镇上开了小店。收入没以前高，但日子过得下去。他说了句话我记着：“城里混不下去还能回村，这是咱跟别人不一样的地方。”乡村振兴要干的，就是让这个“回得去”变成“回得去还能待得住”。路修好，网通上，学校医院跟上，产业有点苗头，人就能留下来。人留下来了，消费就在本地转，内循环才有底子。光靠城里那几亿人撑不起整个盘子，乡村这几亿人动起来，才是真正的纵深。外部压力越大，内部越要稳。稳不是靠喊口号，是靠一条条退路、一层层缓冲垫出来的。乡村就是那个垫子。它不显眼，但少了它，摔下来就是硬着陆。各位读者你们怎么看？欢迎在评论区讨论。

揭露以色列在加沙“工业化屠杀”的纪录片，在威尼斯首映获25分钟超长时间鼓掌，以制片人：让当事人把做过的事说出来，尽可能还原加沙地带的“杀戮系统”

你敢信，1850年英国工业产值竟然已经占到了全球39%，城市人口达54%，完成工业化，但是贫富差距悬殊，劳工平均寿命仅40岁。1860年比利时工业产值占欧洲约5%，采煤、纺织崛起，城市人口43%，属于早期工业国，绝非现代意义发达国家。当时评判指标只有工业规模、外贸体量，😡没有人均GDP、福利、医疗等现代标准。两国依靠殖民掠夺与剥削劳工完成原始积累，基建集中于矿山、铁路，民生保障薄弱。这段历史启示后人：工业化不等于民生富足，真正发达需要兼顾经济成果分配、[大笑]社会福利与民众生活质量。欧洲制造衰落19世纪英国英国经济增长英国钢铁产量英国社会变迁英国产业现状英国制造业危机

9月3日，英国《卫报》刊登专栏作家、经济编辑拉里·埃利奥特文章，《西方曾兴高采烈地预言中国衰落，而中国却掀起一场人工智能革命》。以下是凤凰网“天下事”全文编译：几乎从中国经济奇迹诞生之初，西方世界就一直在预言它的终结。各种书籍层出不穷，纷纷阐述着它将如何走向悲惨的结局。即便是那些​9月3日，英国《卫报》刊登专栏作家、经济编辑拉里·埃利奥特文章，《西方曾兴高采烈地预言中国衰落，而中国却掀起一场人工智能革命》。以下是凤凰网“天下事”全文编译：几乎从中国经济奇迹诞生之初，西方世界就一直在预言它的终结。各种书籍层出不穷，纷纷阐述着它将如何走向悲惨的结局。即便是那些对中国高速发展印象深刻的人，也抱有这样一种自我宽慰的想法：西方将继续把持高端制造业，而中国只会永远停留在电视机组装代工的层面。就在外界一遍遍预言中国衰败却迟迟未能应验之时，中国已经成长为世界工厂。这一发展过程分为两个截然不同的阶段。第一阶段，中国确实主要生产低成本工业品，廉价劳动力带来竞争优势。海外企业为追逐利润纷纷把产能转移至东亚。如果没有“中国1.0”，特朗普或许仍然只是纽约的房地产开发商，而英国脱欧也可能永远不会发生。然而，中国人并不满足于仅仅生产低成本消费品，而是开始大力投资高端制造业。“中国2.0”打破了西方世界的幻想：中国不会永远只是生产低端产品的国家。中国已牢牢掌控太阳能电池板的全球市场，并成为电池和电动汽车领域的全球领导者。中国机床也不再依赖德国进口，已经可以实现自主生产。德国极右翼政党选择党的崛起，很大程度上正是源于中国对德国制造业岗位构成的竞争压力。如今，中国正与美国在人工智能领域的竞争中争夺主导地位。欢迎来到“中国3.0”时代。今年7月，中国初创企业月之暗面推出KimiK3大模型，一经发布便大获成功。上线仅两天，算力就被需求挤爆，企业不得不暂停新用户订阅。这并不出人意料：KimiK3主打的卖点，就是可以免费对标OpenAI最新版ChatGPT等美国竞品。这并非偶然的昙花一现。正如意大利联合信贷银行的资深经济学家坎帕内拉（EdoardoCampanella）所指出的，中国正在推行一项清晰的人工智能战略：紧跟技术前沿、向全球输出模型、参与制定国际技术标准。这场人工智能竞赛有三点值得关注。第一，眼下美国正对加拿大大打关税贸易战，这实在算不上明智。美国本应尽可能争取更多盟友。第二，免费开源的中国AI模型面世，或将给全球市场带来巨大冲击。此前美国笃定自身技术优势会在AI竞赛中占据上风，这也为科技企业的巨额投资提供了合理性。尽管油价走高，华尔街股价依然反映出市场的乐观预期：人工智能会重塑经济，而美国将是最大受益者。但如果中国可以低成本开发、免费开放AI大模型，投资者就会开始质疑，美国科技企业的巨额投入，足以支撑科技公司高昂的股价吗？中国在人工智能领域的成功，可能会刺破股市泡沫。最后，英国等国家想要推进再工业化，可以从中国身上吸取经验。大约50年前，中国开始夯实制造业实力，当时它清楚自己是发展中国家，明白前路挑战巨大，但制定并坚持执行长期规划。中国不回避扶持重点产业，也不会把产业发展交给投机资本随意摆布，而是充分动用各类政策工具。结果就是我们现在看到的：中国已经完成了产业政策的转型，从以廉价商品为主导的产业政策转向了涵盖所有领域的产业政策。诚然，中国的模式并非完美无缺，但这与英国自20世纪70年代末以来对制造业的漠视形成了鲜明的对比——一个国家认真对待制造业，而另一个国家则不然。

接上一篇，由于至少存在5000多亿的缺口，而这个缺口恰恰是非美国家导致的。所以我非常怀疑汇率的问题的根本性，可能压根不在发达国家身上，而是在发展中国家。发展中国家对华大量的进口，并不是为了出口，很可能是为了完成本国工业化。工业化越推进，进口的反而越多，因为这属于生产性逆差。典型的就是印度。中国生产成本下降全球资本品价格下降发展中国家工业化成本下降发展中国家投资增加对中国机器、设备、零部件、材料需求增加中国出口增加中国贸易顺差扩大所以如果中国汇率产生变化，影响最大的可能反而是发展中国家。中国是全球发展中国家的工业化供应商，如果汇率上升，会导致发展中国家整个工业化投资成本上升。也是因为如此，现在对华施压的基本上是发达国家，发展中国家对汇率问题很少说话。

中国是工业强国，却不是发达国家为什么？翟东升说，中国没必要在乎国家债务数量，应该大量发债。卢麒元说，中国没必要发债，只需要直接印钱，操控供给与需求，生产与消费的均衡平衡就可以了。看来中国不是没有明白人，只是中国的蠢货和败类太多，卢麒元就说自己遭遇到了巨大的压力，很多人不允许他阐述自己的货币理论。公有制，和社会主义优势，被阉割了，巨大的潜在优势，没有真正发挥出来，直接发行人民币，投入到供给侧和需求侧，投入到生产，消费，保障，建设等各个领域，只要能够维持均衡平衡制衡，印多少人民币，也没有关系。这是一种全新的经济思想，可以称为——生态经济学。在自然生态之中，有三大关键，一是草原植被，二是雨水气候，三是均衡平衡。在农业时代，自耕农社会稳定发展的根本，凡是自耕农多的时候，往往就是和平的盛世，凡是土地兼并严重，自耕农少的时候，往往就是乱世末世。同样，到了工业时代，凡是自主企业多的国家，工业才能良性发展，凡是自主企业少的国家，就会陷入去工业。明白了么？资本化，与工业化，就如跷跷板，主要是此消彼长的关系。英美等国家去工业化的第一原因，就是过度资本化造成的。可能有人会不同意，西方一直都是资本主义，始终都在资本化，英美都长期是世界第一工业国家，资本化，应该主要有利于工业化，而不是有害于工业化？这主要是表象，甚至假象，而不是事实，因为，英美的工业化与殖民掠夺，和战争需求是紧密联系在一起了，真正有利于工业化的是殖民掠夺和战争需求，而不是资本化。一旦不能对外殖民掠夺，战争需求下降，资本化就必然会损害工业化，因为，工业会变成资本的附庸，就如自耕农失去了土地，变成了雇农。说的更直接一些，不能有利于工业农业的商业和金融，甚至主要有害于工业农业的商业和金融，就是祸国殃民。商业的根本，就是赚差价。金融的根本，就是寻租收息。过多的差价，过高的租金利息，损害了工业农业生产，跟农业时代的土地兼并是一回事。因此，更多的自耕农，更多的自主企业，就如自然生态中的植被，是经济生态的第一关键。很明显，公有制，和社会主义制度，更有利于经济生态的植被，美国的资本化程度，已经到了丧心病狂的地步，严重迫害了美国经济生态的植被。经济生态的第二关键是雨水气候。现在人民币的发行，主要以美元，欧元等外汇为锚定物，而美元发行的锚定物，则主要是美债，大宗商品，美国的资本市场，美国的军事实力，和大量移民留学美国的精神美国人。翟东升就多次说过，人民币的发行不能摆脱美元，欧元等外国货币，中国就不可能真正超过美国。那么，人民币的锚定物应该是什么？人民币的第一锚定物，应该是刚刚服役的福建舰，所代表的军事实力。因此，中国的军事实力，特别是海军的军事实力太弱了，已经严重阻碍了中国经济的发展，任何反对中国扩张军备，主张减少军事投入，更关注民生的建议，都是不懂经济的很傻很天真。军事实力，特别是海军军事实力，才是人民币的第一锚定物。由于美国拥有大量的海外军事基地，和大量盟友，因此，中国航母的数量，和海空军实力，必须超越美国，才能与美国维持基本的平衡。公有制，和社会主义制度，完全没有必要照搬美国，通过国债间接发行人民币，而应该直接发行人民币，投入到供给侧和需求侧，只要能够维持均衡平衡就可以了。现阶段可以设定一个参照物，成立货币平衡基金，参照贸易顺差，直接发行人民币，而不能继续只是以结汇的部分发行人民币。说到这里，经济生态的第三关键也就显现了出来，那就是供给侧与需求侧的均衡平衡，还有生产，消费，保障，投资，出口等各个领域的均衡制衡。最后做个总结——现今，中国经济的第一大问题，就是思想精神问题，有太多的蠢货和败类，迷信西方那套食物链生物链主义，认为中国必须位于西方的下方，不能也不该超越西方，而没有明白经济本质，工业的本质都是生态，而不是生物链食物链。中国经济的第二大问题，就是先富阶层大量转移资产，据卢麒元说，至少转移了三万亿到五万亿美元，按照七倍的货币乘数，相当于中国至少失去了两百多万亿人民币的财富效应，人均约二十万，也就是大量雨水没有降临到中国。中国经济的第三大问题，就是人民币的发行严重依赖美元，欧元等外汇，丢掉了大量货币主权，很多败类还鼓吹金融自由化，没有货币主权的金融自由化，大量先富阶层转移资产的金融自由化，只要还有点脑子，就会知道意味着什么。中国经济的第四大问题，则是中国的军事实力，特别是海军实力，已经严重束缚了中国的经济发展，因为海军实力，与货币主权直接相关，是人民币的第一锚定物，中国的航母数量，和海军实力不超过美国，就不能与美国实现基本的战略平衡，人民币的锚定物就不坚实牢固。

中国不欠任何国家的！越南总理在达沃斯论坛上公开讲，中国有义务帮助越南完成工业化升级，要中国多出钱、多出技术、多出力，带着越南往人工智能、5G、半导体这些高端产业里走。听听“义务”这两个字，用得可真轻巧。好像我们不帮，就是我们不对，就是大国不负责任。可越南的高端产业家底，其实没那么单薄。人工智能领域有765家初创企业，头部玩家如FPT、越南军队电信集团已站稳脚跟，还有1到1.5万块GPU支撑。在东南亚，这份实力仅次于新加坡。5G建设更是越南的骄傲。截至今年2月，近4万个5G发射站覆盖90%人口，2300万用户享受着188Mbps的平均下载速度，全球排名第14位。Viettel一家就建了3万个基站，还喊出2029年6G商用的目标。半导体领域也不乏外资青睐。英伟达、三星等巨头纷纷布局，累计吸引外资近160亿美元，228个项目落地。韩资占比最高，达73亿美元，本土还有50家芯片设计公司和7000名工程师。越南自己也在发力。今年1月，Viettel在河内郊区开建第一座本土高科技半导体制造厂。政府更是定下目标，2030年前让人工智能产业贡献6%的GDP，跻身东南亚研发前三。可这些光鲜数据背后，是难以回避的短板。人工智能的基础设施和人才队伍缺口巨大，想实现GDP目标难度不小。半导体产业虽热闹，却多集中在低附加值环节，高端技术仍被外资掌控。更关键的是，越南本土缺乏能扛事的财团。前100大企业中60%是家族企业，没有能比肩三星、现代的综合产业集团。制造业高度依赖外资代工，三星一家出口额曾占越南全国近两成。这种“低端锁定”的困境，让越南很难自主实现产业升级。重工业基础薄弱，机械设备、化工产品高度依赖进口，理工科人才储备也跟不上发展需求。金融体系脆弱，企业高杠杆率让投资风险陡增。其实中国对越南的帮助，早已落在实处。南部前江省的龙江工业园，十二年前还是一片菠萝地，如今已成为占地600公顷的现代化工业区。46家入园企业雇佣2.33万当地员工，2020年前9个月总产值就达27亿美元。中方不仅带来资金，更带来了成长机会。龙江工业园的陈氏玉蓉，放弃胡志明市的工作回乡，从普通员工成长为管理层。黄氏小诗从高校毕业生，在中企培训下变成车间主管，还在前江省安了家。农业领域的合作同样深入。广西明阳淀粉在越南深耕17年，引入高产木薯品种，手把手教农户标准化种植。合作区域的木薯年产量从300万吨跃升至1500万吨，200多名农民变身产业工人。2025年新建的山罗省生产基地，8个月就完成建设，年产9万吨高端变性淀粉。产品直供东盟、欧美市场，让越南农产品加工真正走上了全球高端供应链。这些合作从来不是单方面的“施舍”，而是互利共赢的选择。中企带来技术和市场，越南提供劳动力和区位优势，双方各取所需，共同发展。可越南总理口中的“义务”，却完全扭曲了这种合作本质。要知道，中国的高端技术也来之不易。5GSA网络全面商用、6G专利申请量占全球35%，背后是国家持续的资金投入和企业的不懈攻关。半导体领域更是如此。面对西方的出口管制，中国企业在EDA工具、高端芯片等“卡脖子”环节艰难突破。这些核心技术，既是中国的战略资产，也受出口管制政策约束，不可能随意输出。国际上，没有任何国家会把核心技术当“义务”拱手让人。美日韩在越南的高技术布局，都是带着商业利益的投资，从未有过“免费援助”的先例。越南自己也对外国企业提出技术转让要求，而非坐等别人施舍。越南一边享受着中企带来的就业和税收，一边在安全领域向美国靠拢。美制海岸监视雷达运抵岘港军港，同步推进“供应链去风险化”计划，这种“经济靠中国、安全靠美国”的策略本身就充满矛盾。所谓“义务”，从来不是国际合作的前提。中国的对外合作始终坚守平等相待、合作共赢的原则。从不干涉他国内政，从不附加政治条件，更不会把帮助当成必须履行的义务。能帮的，中国自然会帮；但不能帮、不该帮的，也没理由勉强。越南想要实现高端产业升级，更该靠自己。培育本土企业、完善工业体系、储备专业人才，这些基础工作没人能代劳。指望靠道德绑架获取核心技术，终究是不切实际的幻想。国际社会的规则很简单，等价交换才能长久。中国愿意和越南在高技术领域合作，前提是相互尊重、互利共赢，而不是被“义务”捆绑的单方面付出。中国不欠任何国家的。过去不会，现在不会，将来也不会。

中国以后不要搞建设这种资敌的了，特别是对于一些反复无常的国家（特别典型代表印度印尼）。自己想吧，中国工业化花了几十年时间，虽然比西方工业化花费的时间短了很多，但那也是千辛万苦，拼尽全力。举国上下付出了很多代价才实现的。有些国家现在就是打那个小算盘了，意图用资源、市场或者其他别的什么政治条件，去绑架中国的认知，让中国无偿的、甚至免费给他们搞工业化，这是行不通的。特别现在台海已经处于一个很关键的节点，究竟是万一台海发生什么事情，中国在外的投资会不会受到影响？现在还鼓不鼓励企业走出去，把自己的技术，资本，利润的都带到国外去，这种方法究竟对国家的民族长远来说，这负面影响怎么样？不能光凭一腔热情就跑到国外去投资，把自己的东西拱手让人。个人看法是应帮世界其它落后的国家和地区发展文娱，一方面影响他们看世界看美国的角度，另一方面落后地区的文娱才是未来新一轮科技发展的潜力市场。不是有些人哀嚎中国影视市场寒冬吗？好，走出去，给非洲拍部落文化宣传片定制片，拍文旅片，拍非洲的哥斯拉大战非洲的钢铁侠。给东南亚的旅游景点弄上水幕表演、3d特效，圆他们的剧本杀、美国白宫霸道总裁爱上菲律宾槟榔妹的小马儿子的梦。虽然我常骂国产影视导演烂编剧烂演员烂，但我也真觉得他们若能走出去，在国际市场上他们还是很强的。

装都不装了！印度外长苏杰生把话说得很直白，先拿中国的钱和技术搞工业化，等翅膀硬了再跟中国争高下。2026年8月22日，苏杰生在新德里《经济时报》世界领袖论坛上把对华关系摊开了说，中印都希望保持稳定关系，但边境和平是前提，经济合作必须为印度工业化和能力提升服务。2025至2026财年，中国超过美国重新成为印度最大贸易伙伴，双边贸易额1510亿美元，印度对华逆差高达1121亿美元，比全年国防预算还多。2026年上半年，印度从中国进口794亿美元，逆差又扩大到671亿美元。印度的电子制造、光伏、化工、制药这些核心领域，从设备到零部件再到中间材料，不同程度都得靠中国供应。嘴上喊着"去中国化"，身体却很诚实。印度也知道光靠买不行，得自己造，2026年3月，印度有限放松了对华投资规则，电子、资本品、太阳能这些急需技术的领域开了审批通道。8月1日，中断六年的中印边境贸易在乃堆拉山口和里普列克山口恢复。可问题是，资本不是傻子。法国外贸银行报告显示，中国对印直接投资占印度FDI比重已经跌到0.27%到0.32%，在所有外资来源国里排第23位。我倒觉得，印度真正的问题不是想不想学中国，而是学不了，中国制造业占全球28%，印度只有3%，这不是差一个量级，是差了一个时代。中国靠的是完整的产业链、海量的基建投资和几十年的技术积累，这些不是引进几家中国企业就能复制的。印度一边想拿中国的钱和技术，一边又在边境问题上强硬，还动不动审查中企、冻结资产，这种既要又要的心态，市场看得最清楚。苏杰生说要"自信地"跟中国打交道，可自信不是喊出来的，是靠实力堆出来的。你觉得印度能靠中国的技术实现工业化吗？评论区聊聊。信息来源于经济时报。

罕见！印度外长承认，印度发展落后于中国！8月23日，根据俄罗斯卫星通讯社报道，印度外长苏杰生在新德里举行的世界领袖论坛上表示，中国的工业化速度更快、规模更大、起步更早。我们则错失了开展工业化、扩大加工规模和提高效率的机会。这持续了整整半个世纪，从上世纪60年代开始。苏杰生表示，我们必须增强自身实力，与包括中国在内的整个世界打交道。我们要发展自身优势，遗憾的是，从1960年代开始的半个世纪里，我们未曾做过这一点。我们需要弥补失去的时间，纠正过去的错误。我相信，一个更强大、更自力更生、工业化程度更高、制造业更发达的印度，将能够与中国和其他世界主要大国公平竞争。苏杰生说“错失了机会”，这话没毛病，但“错失”两个字其实有点轻描淡写了。这哪是错失啊，这是眼睁睁看着隔壁邻居盖起了高楼大厦，自己还在那儿打地基打到一半发现图纸拿反了。有意思的是，苏杰生这番话其实说给两拨人听的。对内，他是敲打印度国内那些还沉浸在“大国梦”里不愿意醒的人，别整天嘴上喊着要当世界大国了，先把制造业的课补上再说。对外呢，他是告诉全世界：印度虽然落后了，但我们要奋起直追了，你们别把我们看扁了。但问题来了，追赶，说起来容易做起来难。印度这些年搞了个“生产关联激励计划”，给14个关键行业发补贴，电子、IT硬件、制药什么的都覆盖了。听着挺像回事儿对吧？可你仔细一瞧，印度工厂里贴的虽然是“印度制造”的标签，生产线上的核心零件、电子元件、化工材料，大量还是从中国进口的。2025到2026财年，中印货物贸易额1511亿美元，印度从中国进口1316亿美元，出口不到195亿，逆差1121亿美元。说白了，印度制造业越折腾，从中国买的东西越多，这不是自己给自己上眼药吗？苏杰生心里门儿清。他知道印度想绕过中国搞工业化，基本没戏。产业链这个东西不是靠喊口号就能建起来的，你得有港口、有电力、有物流、有工程师、有几十年积累下来的供应商网络。这些玩意儿，补贴买不来，政策也催不出来。这话听着像是励志演讲，实际上透着一种无奈。承认差距容易，补上差距难。印度这趟车晚点了半个世纪，现在想提速追上来，前面还有多少弯道要过，只有他们自己知道。不过话说回来，苏杰生能当着全世界的面把这话说出来，至少说明印度高层终于有人愿意直面现实了。对于一个习惯了嘴硬的国家来说，这本身就是个不小的进步。

同样是做动画电影，看到这两个故事，心里挺有感触的。其中一部是标准的工业化大片，前后有4000多人参与制作，整整打磨了5年时间，投入成本大概5个亿，上映之后拿到了150多亿的票房，回报十分可观，也是国产动画非常亮眼的成绩。而另外一部，则完全是另一种创作路径。整个核心主创就母子两个人，没有大公司加持，也没有高额的投资。导演之前从事装修相关工作，并不是动画科班出身，很多东西都是自己慢慢自学摸索。母子两个人沉下心，前后花了6年时间，几乎是纯手工一点点完成3D动画，整部影片投入成本仅5万元。谁也没料到，这部普通人做出来的动画，上映之后票房达到了2000万，投入回报比例很高。一边是资源充足的工业化团队，一边是普通母子凭着一腔热爱埋头坚持。电影创作本身有很多种模样，大制作有大制作的优势，普通人的热爱同样也值得被看见。不知道大家看完这两件事，有什么想法？

当AI开始自己做实验：JeffDean正在押注“发现”的工业化信源：JeffDean，2026Frontier&PioneerSymposium现场对谈，2026年。过去十几年，人工智能产业几乎围绕同一个问题展开：怎样训练出一个更大的模型。更多数据、更多参数、更多GPU，最终换来更低的loss、更好的benchmark和更​当AI开始自己做实验：JeffDean正在押注“发现”的工业化信源：JeffDean，2026Frontier&PioneerSymposium现场对谈，2026年。过去十几年，人工智能产业几乎围绕同一个问题展开：怎样训练出一个更大的模型。更多数据、更多参数、更多GPU，最终换来更低的loss、更好的benchmark和更强的推理能力。这套逻辑塑造了今天的AI产业，也催生了一个规模以万亿美元计算的基础设施周期。但JeffDean离开Google创办DiscoveryLoop之后，提出的其实是另一个问题：如果模型已经足够聪明，我们能不能开始规模化“发现”本身？这可能是理解下一阶段AI最重要的视角之一。JeffDean的职业轨迹几乎就是现代计算基础设施演进史。从MapReduce、Bigtable，到TensorFlow、TPU、MixtureofExperts，再到Gemini，他长期解决的其实是同一种问题：当某种能力开始变得重要，怎样把它从一个实验室里的想法，变成一个可以大规模运行的系统。MoE是一个很典型的例子。早期深度学习的直觉是模型越大越好，但模型越大意味着每次计算也越昂贵。MoE改变了这个关系：系统可以拥有巨大的总容量，但面对一个具体token时，只调用真正需要的那部分专家。JeffDean在访谈中回忆，他们当时已经看到了接近10倍的训练计算效率改善。对他来说，这种数量级变化往往意味着一项技术不再只是“有趣”，而可能成为新的基础架构。这种思维贯穿了他后来的很多工作：真正重要的创新，不只是让系统快10%，而是改变能力增长和资源消耗之间的关系。Gemini又把这个逻辑推进了一步。JeffDean介绍，Gemini最初并不是把语言、图像、视频和音频能力分别训练好，再把它们拼起来，而是从项目开始就坚持multimodal-native：模型一开始就应该理解文本、代码、图片、视频、音频，甚至为LiDAR等数据留下空间。这背后其实是一个更大的判断。语言并不是世界本身，它只是人类描述世界的一种压缩格式。如果AI最终要理解现实、进入机器人、控制设备、参与实验，那么text-only模型天然存在信息瓶颈。于是多模态最终很可能不是一个产品功能，而是通向worldmodel、agent和PhysicalAI的基础条件。但这场访谈中更值得注意的，是JeffDean对coding的评价。他坦率地承认，Gemini早期对coding的投入一度不够，后来团队发现，当coding能力提高以后，模型在很多非编程任务上的reasoning能力也随之改善。因为写程序本身就在训练一整套复杂能力：问题分解、规划、执行、检查、纠错和迭代。代码还有一个其他领域很难复制的优势：它天然拥有verifier。一段代码写出来以后可以直接运行。对就是对，错就是错。于是AI可以非常便宜地完成“生成—执行—观察—修改—再次执行”的循环。从这个角度看，今天看似火热的codingagent，可能不只是一个软件工具市场。软件工程正在成为AI学习长期任务执行和自我修正能力的最佳训练场之一。而这正好把问题带到了JeffDean新公司的核心——Loop。⸻很多人谈RecursiveSelf-Improvement，也就是递归式自我改进时，脑海里浮现的是一种极富戏剧性的场景：一个AI突然学会修改自己，然后更聪明的AI再创造更聪明的AI，最终形成所谓intelligenceexplosion。JeffDean给出的版本完全不同。它没有那么科幻，却可能现实得多。他认为，“用机器学习改进机器学习”本身已经存在很多年。NeuralArchitectureSearch就是一个例子：一个模型产生新的模型架构，训练之后得到结果，再根据结果学习什么设计更有效，随后生成下一轮架构。后来Google的EvolvedTransformer甚至通过类似方法找到过比普通Transformer更高效的结构。JeffDean真正想做的，是把这个闭环从“搜索模型架构”扩展到整个研发流程。什么数据应该加入训练？应该设计什么evaluation？下一轮应该尝试什么architecture？哪个实验最值得做？实验结果意味着什么？所有这些过去依赖研究团队人工完成的环节，都可以逐渐进入自动化loop。于是RSI的现实版本，很可能并不是“AI突然觉醒”，而是R&Dcyclecompression——研发周期被持续压缩。一年做一百次实验，和一年做一万次实验，是完全不同的研究组织。而如果下一轮实验本身又由上一轮结果自动决定，那么AI就开始拥有真正意义上的复利。⸻DiscoveryLoop把这种思想进一步扩大到了科学和工程。JeffDean对科学研究的抽象非常简单：先把一个大问题拆解成若干小问题，针对其中一个问题提出可能的解决方案，把方案实现出来，进行实验，然后评估结果，再把反馈交给下一轮实验。这就是科学方法。也是绝大多数工程研发的基本结构。过去真正昂贵的地方，不一定是“提出一个想法”，而是整个循环速度太慢。一个科学家一天能思考多少假设？一个实验室一周能运行多少实验？一组工程师一个月能验证多少设计？人的时间、组织协调和实验执行能力，决定了研发吞吐量。而JeffDean想做的，是把这套流程系统化。模型负责理解不同科学领域；agent负责分解问题；不同专业agent分别处理子任务；工具负责实施实验；evaluationsystem判断结果；实验数据重新进入系统，然后决定下一轮实验。DiscoveryLoop希望最终让一个模型同时具备多个领域的PhD级知识，从而组织跨学科的multi-agentresearchprocess。这里真正发生改变的，是AI的评价指标。过去我们最关心accuracy。后来开始关心reasoning。Agent时代开始关心taskcompletion。而AIforScience最终可能开始关心另一个指标：DiscoveryThroughput——单位时间内能够产生多少高质量发现。JeffDean对这个问题的描述非常直接：把一次原本需要一天甚至一周的实验迭代，缩短到一分钟或者一小时；同时并行运行成千上万个实验，再根据结果判断哪些实验值得继续。从系统角度看，DiscoveryRate大致可以理解为两个变量的乘积：实验速度×实验质量。这可能是下一轮AIScalingLaw真正出现的地方。过去十几年，我们不断扩大Compute、Data和ModelSize。下一阶段扩大的，可能是Experiment。⸻这也会带来一个容易被低估的产业变化。如果AI生成hypothesis的速度提高100倍，但真实实验仍然需要几天甚至几个月，那么瓶颈不会消失，只会向下游移动。软件最容易率先完成闭环，因为写代码、运行、测试、评价都可以发生在数字世界里，反馈成本接近于零。但生物、材料、机器人和制造业不同。AI可以一分钟设计出一百个蛋白质，实验室却不可能一分钟完成一百次细胞实验；AI可以生成一万个材料配方，真实设备仍然需要逐个完成合成、测试和测量。于是，当模型越来越强以后，真正稀缺的可能反而变成实验能力。自动化实验室、roboticlab、高通量screening、科学仪器、仿真环境、数据采集、实验管理系统，以及把真实世界反馈重新输入模型的基础设施，都可能越来越重要。这也是为什么“AIforScience”最终很可能不是一个单纯的大模型故事。它更像一个完整系统：Model→Agent→Tool→Experiment→Evaluation→Feedback→Learning。真正产生复利的不是其中任何一个节点，而是最后那个能够重新回到起点的闭环。⸻JeffDean为什么选择现在离开Google，也可以从这个角度理解。有人在现场提出了一个非常好的问题：AI需要海量算力、数据和分布式系统，按照第一性原理，大公司似乎应该天然占优，那么为什么大量frontierresearch反而不断流向创业公司？JeffDean的回答是云计算。过去如果想做世界级计算系统，首先必须拥有基础设施。现在一个十几人的创业团队可以直接租用大型云平台提供的MLcompute，不必自己重建整个distributedsystem。这实际上改变了创新的组织经济学。Hyperscaler没有因此失去价值。相反，它们正在把曾经只属于自己的基础设施能力变成整个AI创业生态的公共生产资料。创业公司因此可以把全部精力投入一个问题。JeffDean甚至承认，DiscoveryLoop做的事情“可能也可以在Google内部完成”，但一个十人左右、所有人只围绕scienceandengineeringautomation工作的小团队，可以减少大型组织中大量与核心使命无关的摩擦。某种意义上，这也是JeffDean四十年技术生涯中一个非常自然的下一步。MapReduce规模化计算。Bigtable规模化数据。TensorFlow规模化机器学习。TPU规模化AIcompute。MoE规模化模型容量。Gemini规模化多模态智能。而DiscoveryLoop想规模化的，是更上面那一层：Discovery。工业革命把生产变成可以规模化复制的过程，互联网把信息分发变成可以规模化复制的过程，云计算把算力变成可以按需调用的基础设施。AI模型正在把一部分智能变成可调用资源。JeffDean现在押注的是下一步：当智能变得足够便宜以后，“发现”本身也可能被工业化。如果这件事最终成立，那么AI历史真正重要的分界线，或许并不是某一天某个模型在benchmark上超过了另一个模型。而是某一天开始，人类第一次拥有了一套可以昼夜不停地提出假设、执行实验、读取结果，然后自己决定下一步该做什么的系统。到那时，AI不再只是帮助科学家找到答案。它开始参与制造新的知识。

印度人应该改掉打嘴炮习惯今天看到印媒一则消息真的把我逗笑了。印媒说：后发国家工业化捷径已被堵死。我不赞成这样的说法。首先工业化没有捷径可走。中国当初工业化是牺牲资源、环境和两代中国人民的幸福和健康换来的。印媒说的是捷径无非就是想投机取巧，想不劳而获的获得他国的先进技术和设备。其次中国没有对印度实行贸易壁垒、技术封锁、关税大战，所以不存在堵路一说。印度工业化实行不起来是印度自身问题，印度应该练好自己的内功，说中国堵路是为自己的无能找借口。第三，印媒说：印度靠廉价劳动力躺赢工业化的时代被堵死。在中国人的观念中，廉价劳动力只是发展初期无奈之举，并不是优点，更不可能躺赢，印度人没有中国人拼搏进取精神是主要原因。印度有这么多年轻人口都发展不好难道不应该找找自己的原因嘛。如果印度国内精英和大部分人还是抱着印媒这样的想法的话，印度工业化永远都发展不起来，因为他们总是在打嘴炮从不找自己的原因。

印度学者米希尔·夏尔马（MihirSharma）在美国《外交》杂志上发了一篇雄文。他说我国已经完成工业化，应该把机会让给其他国家（暗指印度），不能挤压别人（暗指印度）的发展路。这是什么歪理呢？就好比一个穷人跟富豪说，你已经实现财富自由了，应该把公司董事长让出来，不能阻碍其他人发财！退一万步说，我国把机会让给印度，印度有制度保障、人才劳动力和营商环境去把握机会吗？答案是没有。其实我国和印度的工业化都是同时起步，甚至基础比我国更好，但结果云壤之别。印度学者说我国已经完成工业化，应该把机会让给其他国家。其实就是一个借口，甩锅给我国，把我国塑造成一个强霸之国，欺凌弱小罢了。印度印度经济印度工业