近日，在新加坡举行的中国央企—淡马锡董事论坛(SASAC-TEMASEK DIRECTORS  FORUM)上，中粮集团外部董事、中国电信集团公司原总经理邵广禄围绕《从技术竞赛到经济增长——中国AI的新增长与中新合作新机遇》作交流发言，从全球人工智能技术演进、中国AI发展的差异化特征、中美AI产业链比较，到人工智能对经济增长和企业价值的影响，以及中新AI产业和投资合作机遇，进行了系统分享。

　　邵广禄出席中国央企—淡马锡董事论坛并作发言。

　　来自中新两国大型企业、投资机构的企业家参加论坛。发言所提出的“AI是经济发展的倍增器和分化器”“AI竞争正在从模型竞赛转向产业价值竞赛”“中国与新加坡可以共同推动AI从技术突破走向规模化经济增长”等观点，引起与会企业家广泛关注和讨论。

　　邵广禄首先从全球通信业的发展变化谈起。

　　过去十余年，随着传统通信市场逐步趋于饱和，全球主流电信运营商整体收入增长趋缓。Dell’Oro数据显示，占全球运营商收入约80%的主流运营商，2014年至2023年总收入之和的复合增长率接近零。

　　与之相比，中国运营商近年来保持了相对较好的增长态势，收入持续增长，研发投入和资本投入持续增加，公司市值和股价也实现了较高增长。

　　邵广禄认为，中国运营商的高质量发展，从技术和经济维度看，主要得益于持续推进数字化转型，坚定发展“第二增长曲线”。比如，互联网时代，虽然话音短信业务被社交App颠覆，但运营商发挥IP技术接入能力更广泛的特性，大力扩展接入设备，从电话扩展到计算机、电视，摄像头、汽车等各种智能终端，运营商从电话公司升级为泛在接入的网络公司。云计算时代，运营商大力研发云计算技术，拓展云计算业务，从网络通信，扩展到「网络+云计算」。现在，进入AI时代，运营商又从「网络+云」，进一步向「网络+  云+AI」演进。

　　这也成为他观察人工智能的重要出发点：

　　推进AI发展，重要的，不只是AI技术进步有多快，而是企业能否把新技术转化为新的经济增长。

　　对于当前人工智能的发展趋势，邵广禄概括了五个重要变化。

　　第一，AI正在从“大模型”向“智能体”演进。

　　AI已经不再只是回答问题，而是开始完成任务、调用工具、操作软件并与其他智能体协同执行。人工智能正在从“知识助手”向“数字员工”和“生产力工具”演进。以前大模型出错，只是“说错了”，现在智能体出错，则是“做错了”，风险也更大了。

　　第二，AI正从辅助办公进入企业核心生产流程。

　　研发、生产、网络运维、客户服务、营销、供应链乃至企业管理，都可能被智能体重新组织。人工智能的价值，也将从“增加一个AI聊天入口”，进一步重构生产流程、组织机构和人才队伍。

　　第三，AI竞争焦点正在发生变化。

　　过去的重要指标是参数量、训练规模和模型能力;未来越来越重要的问题将是：完成一个合格任务需要多少成本，是否能够稳定、可靠、安全地完成任务。

　　第四，AI投资正在从单点技术投资扩展到完整产业链投资。

　　AI系统，本质上已经成为相互关联的产业基础设施，算力、能源、网络、数据、模型、安全和应用，需要协同投资、协同发展。

　　第五，也是今年最重要的变化之一：

　　AI正在从“模型竞赛”走向“产业价值竞赛”和“经济增长竞赛”。

　　过去三年，全球关注“谁能训练出更强的模型”；未来三至五年，更值得关注的是：

　　谁能够以更低成本、更可信任的方式，把AI嵌入更多产业，并最终形成收入、利润、生产率等高质量经济增长。

　　AI发展的这些新趋势，已经明显表现出，AI已经具备成为经济增长新动能的基本条件。

　　谈到中国AI发展的特点，邵广禄认为，中国正在逐渐形成几个具有自身特色的发展方向。

　　首先，是大规模、体系化的AI基础设施建设。

　　从国产AI芯片和软硬件生态，到智算中心、智算集群、智算云，再到高速网络、光通信、存储和能源系统，中国正在建设完整的AI基础设施体系。

　　与此同时，在先进芯片、基础软件生态、超大规模集群效率、算力利用率以及部分高端存储和网络技术等领域，中国仍然存在需要加快突破的短板。

　　第二个特征，是中国AI产业较强的工程化能力。

　　一方面，中国企业持续追赶世界最前沿模型能力；另一方面，则通过开源模型、推理优化、模型压缩、MoE架构优化以及私有化部署，不断降低AI使用成本。

　　邵广禄将其概括为：

　　中国正在努力把相对稀缺和昂贵的AI能力，转化为能够大规模部署的产业化能力。

　　第三个重要特征，是丰富的产业应用场景。

　　中国拥有相对完整的制造业体系、大规模通信网络、能源、电力、金融、交通、物流等产业基础，这为人工智能进入产业核心流程提供了极为丰富的应用场景。

　　第四个特征，则是规模。

　　超大规模的单一市场、完整产业体系、丰富应用场景、大量工程技术人才以及激烈市场竞争叠加，使中国有可能成为全球AI规模化应用的重要“试验场”和产业化平台。

　　在邵广禄看来，消费级AI拥有巨大用户规模，商业模式仍在持续演进；企业级AI已经开始在客服、营销、研发、软件开发和供应链等领域产生效率和收益；而制造、能源、通信、交通、金融、医疗等产业级AI，很可能成为中国AI最具差异化优势的领域之一。

　　在备受关注的中美AI比较问题上，邵广禄从基础研究、芯片、算力、云、模型、应用和投融资体系等七个层次进行了分析。

　　他认为，从当前产业实践来看，美国仍然在基础理论创新、前沿技术突破、顶尖闭源模型、先进芯片、云计算平台、风险资本和全球市场扩展能力等方面具有明显优势。

　　Transformer、Scaling Laws、RLHF、MoE、Diffusion Models以及Test-time  Compute等过去几年改变AI发展路径的重要创新，大量诞生于美国企业和研究机构。

　　与此同时，中国在模型开源、工程优化、成本降低、产业应用和规模化扩散方面不断加快追赶。

　　邵广禄把双方的不同特点概括为：

　　美国更强于“0到1”的前沿创新和资本、全球市场放大，中国正在强化“1到10”的工程化、成本下降和产业扩散能力。

　　随着DeepSeek、Kimi、智谱等中国模型的快速发展，中美前沿模型能力差距正在缩小。

　　但在资本市场领域，双方差距仍然十分显著。

　　邵广禄引用Stanford HAI数据指出，2025年美国AI领域私募投资达到2859亿美元，中国为124亿美元；2025年新获得私募融资的AI公司，美国达到1953家，中国为161家。CB Insights数据显示，截至2026年第一季度，美国AI独角兽数量达到278家，而亚洲为48家。

　　这些数字表明，“技术创新+资本”正在形成相互促进的飞轮，推动美国AI快速迭代。

　　邵广禄同时表示，如果把视角拉得更长、更高，中美AI发展并不是零和竞争。

　　更强的技术竞争正在催生更强的模型、新产业、新增长和新的社会福利。

　　因此，“竞赛+合作”或许能够推动AI更大规模造福人类。

　　这是此次发言中备受关注的观点之一。

　　邵广禄提出：

　　AI首先是经济发展的倍增器。

　　AI可以提高研发效率、生产效率、资产利用率和组织效率，可以降低交易成本、服务成本和创新成本，从而放大一个国家、一家企业乃至一个人的能力。

　　但是，不同主体获得的“倍增系数”并不相同。

　　因此，AI同时又是一个“分化器”。

　　较早、更快、更深入投资和应用AI的国家、企业和个人，可能更早获得生产率提升和增长红利;反之，如果应用过晚、过慢、过浅，原有竞争优势就可能被削弱。

　　邵广禄用一句话概括这一判断：

　　“AI时代，不进则退，慢进也是退。”

　　他进一步表示：

　　“早晚都要用AI，晚用不如早用，早用早受益。”

　　这种“倍增效应”和“分化效应”，已经开始沿着AI产业链逐层显现。

　　从芯片、智算中心、云计算，到基础模型、智能体和行业应用，资本、利润、人才和市场价值正在向真正进入AI产业链、并掌握关键能力的企业加速集中。

　　在论坛上，邵广禄进一步把分析从技术竞争推进到了产业利润分配。

　　以AI算力产业链为例，为AI提供算力的智算集群，集成了GPU、HBM高带宽存储、先进制程、光刻设备、高速光模块、PCB、液冷、电源以及大量高性能电子元器件。

　　AI产业链的快速增长，并不会平均分配到每一个环节。真正获得更高利润的，往往是拥有技术壁垒和稀缺能力的核心环节。

　　他特别提出一个值得企业管理者和投资者关注的判断：

　　“决定市场份额和利润归属的，往往是产业链环节的垄断程度和不可替代性。在重大技术革命和产业变革的期间，企业家要有战略远见，提前布局，以坚定的领导力聚集人才和资源，调整资源投入结构，推动组织和激励变革，不要受产业成熟期的项目决策框架束缚。”

　　因此，即使进入战略性新兴产业，也不能只追求规模，还必须不断向高端、高附加值和关键能力升级。

　　从更大范围来看，AI不仅在创造一个新的产业，同时也正在重新分配产业链中的收入、利润和资本价值。

　　对于企业家和投资者关注的AI机会，邵广禄将其归纳为五条价值主线。

　　第一类，是AI基础设施，包括芯片、先进存储、高速网络、光通信、智算中心、智算云、液冷、能源、算力调度和AI安全工具等。

　　第二类，是AI模型企业。这类企业处在AI价值链的技术中枢，未来需要从单纯的大模型能力，进一步成长为拥有客户、开发者、产品、智能体和生态的平台型企业。

　　第三类，是降低AI成本的企业，包括开源模型、推理优化、端侧AI、开发工具和模型服务平台等。其中，持续跟踪借鉴前沿模型，集成各种优化方法，具备大规模交付和运营能力的企业，可能后来居上，取得规模效益递增效应。

　　第四类，是垂直AI和智能体，即把AI真正嵌入制造、能源、通信、金融、物流、医疗以及研发、供应链、销售和服务等核心工作流。

　　第五类，是传统龙头企业应用AI后的价值重估。

　　AI红利未必最终都由所谓“AI公司”获得。

　　拥有客户、渠道、行业数据、产业场景和组织能力的传统龙头企业，如果能够利用AI重构研发、生产、营销和管理，同样可能形成新的收入增长、利润增长和现金流改善。

　　换句话说，未来判断一家企业是否真正获得AI红利，一个非常重要的标准将是：

　　AI最终有没有转化为生产率、收入、利润和现金流。

　　作为全球大型综合信息服务运营商，中国电信也正在加快布局人工智能。

　　邵广禄介绍，中国电信的AI战略主要围绕三个方向展开：

　　AI for电信、电信for AI，以及“网络+云+AI”赋能千行百业。

　　在“AI for电信”方面，中国电信正在推动员工和生产流程广泛使用智能体。员工使用TeleAgent的场景已经从文档撰写、知识检索和数据分析，扩展到技术运维、软件开发、文件处理、跨系统操作等更复杂的生产环节。

　　在“电信for AI”方面，中国电信正在建设覆盖算力、平台、数据、模型和应用的智能云体系。

　　根据发言披露的数据，中国电信自有及接入智算规模已经超过118EFLOPS，建成4个可一体化调度的异构万卡算力集群；“息壤”算力互联调度平台支持20余款异构芯片，实现算力、网络和模型协同调度；数据层汇聚超过20万亿Token高质量基模训练数据和500个行业高质量数据集；模型层建设星辰大模型、TeleAgent和模型服务体系；应用层已经形成420多个行业智能体和100多个行业Skills。

　　这些实践也进一步印证了邵广禄的一个判断：

　　AI对企业的价值，并不是增加一个聊天入口，而是重新组织生产流程、服务流程和决策流程。

　　在发言的最后，邵广禄把视角转向中新合作。

　　他认为，中国和新加坡在AI产业中的优势具有较强互补性。

　　中国拥有较为完整的芯片—算力—云—模型—应用产业链，具备较强的工程化能力、丰富复杂的产业场景、规模化验证市场，以及模型、智能体和行业解决方案的产品化与交付能力。

　　新加坡则拥有长期资本和全球资源优势，是连接东南亚、中东以及全球市场的重要总部、融资和运营枢纽，同时在多语言、多文化适配、AI治理以及国际规则衔接方面具有独特优势。

　　如果把这些能力结合起来，中新双方完全有可能形成一个新的AI合作模式：

　　中国提供产业能力、工程能力和场景，新加坡提供资本、全球化能力、国际市场和治理能力，共同把AI技术转化为“可信、可投资、可规模化”的经济增长。

　　围绕下一阶段中新AI合作，邵广禄在论坛上提出三项建议。

　　一是建立中新AI产业与投资合作机制，可以围绕国资央企与淡马锡等新加坡机构，加强研究合作、基金合作和项目合作，并形成持续更新的合作机会清单、风险洞察和重点项目池。

　　二是推动AI产业合作示范项目，在医疗、教育、通信、制造、能源、物流等重点场景中选择一批具有代表性的项目，共同探索AI产业化和规模化应用。

　　三是建设可信AI出海平台，为中国AI企业进入东南亚以及更广泛国际市场提供治理评测、资本连接、本地化能力和区域市场入口。

　　这三项倡议所指向的，不只是单个项目合作，而是一种更长期的产业协同模式：

　　让中国的AI产业化能力与新加坡的资本、治理和全球化能力形成结合，共同推动AI从技术创新走向经济价值创造。

　　发言最后，邵广禄用两句话总结了对全球AI竞争与合作的判断：

　　“中美AI竞赛，推动AI技术前沿高度；中新AI合作，推动AI赋能经济增长。”

　　人工智能发展的上半场，更多围绕模型、算力和技术能力展开。

　　而随着AI进入智能体和产业应用阶段，下一阶段竞争正在越来越多地转向成本、可靠性、规模化应用和经济价值创造。

　　对于企业而言，这也意味着一个新的增长时代正在到来。

　　谁能够真正把AI从技术能力转化为客户价值、生产率、收入和利润，谁就更有可能赢得下一轮增长。

　　而对于中新两国企业来说，技术、产业、资本、治理与全球市场的结合，也正在打开一片新的合作空间。