引言与元数据(报告概览)
报告标题及出处:本报告为《中国银河证券新发展研究院》发布的研究报告,题为“【CGS-NDI跟踪】美国启动‘创世纪计划’,以AI驱动科研革命——数字经济双周报(2025年第22期)”,作者彭雅哲,发布时间为2025年12月10日/11日(刊发时间内页有登记说明)。12 1
报告主题与核心立意:报告聚焦美国政府于2025年推出的“创世纪计划”(Genesis Mission),并在全球视角下描绘美欧中及其他国家在“AI for Science”、算力与产业生态方面的动态与竞争态势,旨在评估政策、基础设施与企业参与对科研与产业溢出效应的影响。报告同时梳理中国各地与中央在“十五五”期间的AI政策动作并汇总全球技术、智库观点及风险提示。 2 5
第一部分:对“创世纪计划”(Genesis Mission)的逐章解读
概述与目标:报道指出,美国总统行政令于2025年11月24日正式启动“创世纪计划”,目标是利用AI加速科学研究,并提出“十年内将美国科研与创新产出和影响力翻一番”的雄心级目标,同时将该项目比拟为与曼哈顿或阿波罗计划相当的国家级部署。该定位强调基础设施整合与长期科研产出的倍增目标,而非仅限监管或短期扶持。 2
平台构成与资源整合逻辑:计划核心是建立“美国科学与安全平台”,在技术层面整合高性能计算(HPC)、AI建模框架、领域专用基础模型与自动化实验工具,并接入能源部国家实验室的超级计算资源与安全云环境,以形成统一计算资源池向获许可科研人员和企业开放。报告认为此举可将联邦多年累积的科研数据用于训练“科学基础模型”,并通过AI智能体自动化推进假设生成、实验设计与结果分析,从而改变科研范式成为持续的AI驱动过程。 3
公私合作与企业角色:报告列明初始合作企业超过四十家(例如OpenAI、Anthropic、微软、谷歌、英伟达、IBM、AMD、AWS等),并指出政府将借助企业在算力与工程化能力上的投入,而企业则可优先访问联邦数据资源并参与标准与训练流程的制定。作为配套承诺,AWS宣布拟向联邦AI/HPC基建投入500亿美元,英伟达披露与能源部国家实验室合作建造多台超级计算机。报告强调这将使企业在科研标准设定上具备更大影响力。 3
图表与视觉材料解读(逐图说明并嵌入图像)
图:美国公共AI相关拨款与AI相关法规数量(2016–2024)
图像展示: 。该图用柱状(深蓝)表示“人工智能相关拨款的公共支出(十亿美元)”,并以折线(浅蓝,右轴)表示“与人工智能相关的法规数量”。图表显示自2016年以来美国在AI公共拨款上呈逐年上升趋势,尤其在2022–2024年加速增长;与此同时,法律/监管活动也在2024年出现明显上升,表明政策与资金双轨推进。此可视数据支持了报告关于政府在资金与规制层面同时加码AI的判断。图表数据来源注明为斯坦福《人工智能指数报告2025》,但报告中并未在图注处细化是否包含分类(涉密)支出或国防专项拨款,这可能导致可比性与完整性存在一定局限。 3
图:创世纪计划关注的六大关键领域(示意图)
图像展示: 。该示意图列出六个被计划优先覆盖的科研领域:生物技术、关键材料、量子信息科学、核裂变与聚变能、半导体与微电子学、先进制造业。图形强调跨学科与战略性技术方向的集中资源投入,支持报告对计划“旨在推动基础科学突破并产生跨领域溢出”的论断。该图为官方战略层面展示,难以直接反映各领域具体资金配比与时间表,这在项目评估时是需注意的信息缺口。 4
图:创世纪计划的初期时间节点与任务清单(60天–270天)
图像展示: 。时间线列示:60天内提交至少20项国家重要科学与技术挑战清单;90天内完成计算资源盘点;120天界定初始数据与模型资产并制定多方数据整合计划;240天评估联邦研究机构AI驱动研发与制造的自动化能力;270天在法规与资金允许下,对至少一项国家重大科技挑战演示平台初步运行能力。该时间表体现计划快速推进原型与治理框架同步构建的意图,但对“取得初步运行能力”的具体成功标准与合格验收机制并未在图中细化,存在执行不确定性。 4
争议点与制度性风险(与文本呼应)
数据开放性与科研公共性问题:报告明确指出,该计划可能引发关于科研公共性与私有化的争议,联邦资助产生的数据若被用于训练私有公司的模型(如Anthropic、OpenAI),可能导致科研成果与资源向具备合规与工程能力的大型企业集中,从而边缘化小型实验室与初创公司,并损害学术可重复性与独立审查机制。该评判基于对计划中“优先合作企业获准访问联邦数据”和“国家安全可能限定数据访问”的说明。 4 5
研究生态与标准制定力量的再分配:报告提示私企参与标准与训练流程制定,将使企业不仅提供技术和算力,也有可能通过标准规则锁定生态,从而影响长期科研方向与数据治理。该风险在图表与文本中均有体现。 3 4
第二大块:各区域与国家动态(逐节解读)
中国动态(政策与地方布局):报告梳理了国家层面将AI基础设施纳入新版REITs项目、国资委引导央企投入、工信部/发改委等多部门促消费与能源领域AI试点等一系列政策举措,显示资金来源与产业主体两端同时被动员以支撑AI基建发展。并指出地方在“十五五”谋划期内密集出台差异化布局:贵州、重庆偏重算力与设施,北京侧重科研与生态,上海面向海洋场景,湖南侧重制造业等。报告并举了京东、阿里及相关基金与研究机构建设实例来说明产业生态的扩展与科研—产业的双向联动。 5
美国动态(算力与产业格局):在算力层面,报告强调TPU等自研ASIC芯片以能效与成本优势对英伟达GPU生态构成短期冲击,但GPU以其通用性与成熟生态仍占多数企业首选,企业倾向混合部署策略以兼顾通用性与专用性。报告同时指出能源、互联能力(如Meta进军电力交易、亚马逊500亿美元投资、跨云高速互联)正在成为数据中心扩张的关键制约因素,并且国家算力与供应链合作(如北约与谷歌云、跨国芯片与矿产合作)日益成为技术竞争核心。 6 7
欧洲与其他国家:拉加德主张欧洲发挥“第二行动者”优势、在应用层面依托单一市场推动互操作性与开放标准并保障关键供应链自主性;欧盟在未成年人数字保护上的立法动向也被强调以示监管趋严。其他国家层面如印尼、韩国、新加坡、日本等则在AI基础设施、数据中心、语言模型本地化与半导体投资方面展开各自的战略布局。 7 8
技术前沿与产业化案例(重点数据点与驱动因素)
模型竞赛与落地能力:报告指出模型竞争已从单纯追求性能转向工具调用、企业集成与工作流能力的比拼,示例包括Anthropic的Claude Opus 4.5、DeepSeek新版本与AWS的Nova Forge定制训练服务等,反映企业通过产品化与工程化路径拉近模型与行业场景的距离。该演进驱动因素为成本/性能的平衡、工具化能力(tooling)与可定制训练路径。 8
生命科学与临床路径:报告举例飞利浦在RSNA推出AI驱动的光谱CT系统以及Generate:Biomedicines的AI设计药物进入全球三期临床,说明AI在成像与药物研发环节已出现可验证的临床与产业路径。相关驱动要素包括高质量数据、端到端工程化流程与跨学科协同。 8
算力全栈与能效进展:报告列举Zyphra在AMD平台训练大规模MoE模型、AWS推出Trainium3系列、九峰山氮化镓电源模块宣称可降能耗约30%、中国电信跨境光纤将时延降至约1毫秒等实例,表明竞争正向“全栈成本与效率”转变,驱动因素包括芯片设计、内存带宽、能耗管理與网络互联。 8 9
智库观点与宏观经济影响(要点摘录)
McKinsey估算若企业围绕人机协作重组并提供培训,美国到2030年可释放约2.9万亿美元的经济价值,并提出“技能变迁指数”显示数字与信息处理技能受影响最大。 9
MIT的Project Iceberg提出基于技能的暴露测算,认为AI影响将从计算类岗位扩展到广泛认知岗位,涉及更大范围的工资价值。 9
Hugging Face等研究基于模型下载与元数据分析指出开源生态的主体结构与透明度在变化:2024–2025年间中国模型在下载份额上上升且披露训练数据的模型占比显著下降,提示开源透明度的退化与许可复杂化问题。 10
世界银行、WEF与能源、发展相关智库也被引用以说明AI在发展不均、能源效率与代理治理方面的挑战与治理框架建议。 9 10 11
风险评估(报告识别的主要风险)
报告列明的显性风险包括:对政策理解不到位的风险、政策落实不及预期的风险以及技术发展不确定性的风险。该风险提示贯穿全文并在结尾再次强调。 2 10
结合文本可进一步解读:数据安全与合规限制可能影响科研平台开放度(并进而影响小型科研主体的参与);对私营企业的依赖存在“能力—话语权”集中风险;能源与供应链瓶颈可能成为算力扩张的根本制约因素。上述这些风险在报告中被分别论述并举例佐证。 3 6 4
批判性视角与方法论细节(报告局限与注意点)
目标与投入不对等的风险:报告引用了诸多企业承诺(如AWS承诺500亿美元),但未充分披露资金使用的法律约束与具体时间表,亦未讨论承诺兑现的条款条件,这使得对实际可动用资源的估计存在不确定性。 3
数据透明度与可复现性问题:创世纪计划依赖大量联邦数据来训练模型,但报告也指出这些数据在安全、涉密与可审查性方面的限制可能导致科研成果难以完全公开复现,从而冲击传统的学术验证路径。 4 5
图表与证据的可比性:用于描述公共拨款与法规的图表虽体现上升趋势,但来源与口径(是否含国防分类支出、各年度口径一致性)未在报告中完全披露,评估时应谨慎对待跨年度的可比解释。 3
研究与估值缺失:该报告为政策与产业动态追踪性质,未提供企业层面的估值或量化ROI分析,若用于投资决策需配合公司层面的财务模型与敏感性分析。 12
结论性综合(要点总结)
报告的核心判断是:美国“创世纪计划”试图通过国家级平台整合超级算力与数据资源,并以AI驱动科学研究流程的自动化与工程化,从而在十年内显著提升科研产出与战略竞争力;该计划同时将私营部门深度纳入合作框架以补齐工程与算力能力,但也带来科研公共性、数据治理与生态集中化的争议与风险。 2 3 4
从图表与示例来看,全球公共拨款与监管活动在近年明显上升,算力、能效与跨云互联成为基础设施扩张的核心约束,模型竞争正在向“落地能力与工具化”迁移,并在生命科学等领域出现可验证的产业化路径。 3 8 9
对于政策制定者与投资者的启示:需关注(1)治理与数据访问规则的设计以兼顾国家安全与科研开放性;(2)能源与供应链配套对算力扩张的约束及其长期成本;(3)企业承诺与实际资源投入的差异化评估;(4)对中小科研主体的扶持以避免科研生态的单一化。上述建议均可从报告对政策、资金与技术细节的讨论中推导而来。 4 6 5
附:已在正文中引用的主要图表(便于核验)
美国公共拨款与AI法规数量图: 。3
创世纪计划六大关键领域示意图: 。4
创世纪计划早期时间节点与任务清单: 。4
如需我将上述分析转为可供投资团队使用的PPT提纲或提取出对中长期行业/公司影响的量化假设(例如对云服务商、GPU/ASIC厂商、自动化实验设备厂商的收入影响路径与敏感性分析),我可以基于报告内容进一步建模并提供假设清单与模型框架。