中新网7月31日电 据“工信微报”微信公众号披露，7月30日至31日，为强化汽车行业竞争规范、提高车辆生产一致性及质量安全水准，工业和信息化部装备工业一司对奇瑞汽车股份有限公司、蔚来汽车科技（安徽）有限公司及安徽江淮汽车集团股份有限公司，展开道路机动车辆生产企业的产品安全保障能力及生产一致性专项检查。此次行动聚焦于企业智能网联汽车安全防护能力、设计开发与制造实力、生产一致性保障等关键准入条件，并现场随机抽取样车及动力电池，送至指定机构进行国家标准的符合性检测与验证。

接下来，工业和信息化部计划联合相关部门，深入推进道路机动车辆产品的生产一致性与质量提升专项工作，着重强化对汽车产品“激进式”创新设计的准入审核及测试验证管理。同时，将督促汽车与摩托车制造企业全面排查产品安全隐患，加强测试验证与安全评估流程，规范市场宣传行为，坚守产品安全红线，从而切实保障消费者合法权益。

北京7月31日电——以“智能体时代的装备系统工程”为主题的“装备智能工程与数智化生态技术研讨会2026”近期在京召开。与会学者围绕人工智能与工业软件融合、系统工程方法论创新以及行业知识交互等前沿课题展开深入探讨，旨在共同塑造装备智能工程的全新范式。

随着人工智能技术持续突破数字疆域、迈入物理现实，装备系统的内涵正在发生深刻演进。传统装备涵盖感知、通信、控制等信息化维度，并与机械、电气、流体等物理域深度耦合；而如今的装备，已逐渐蜕变为集感知、判断、决策与执行为一体的智能信息物理系统。

华中科技大学机械科学与工程学院教授陈学东在会上指出，具身智能要求智能算法与实体装备、任务环境的高度融合，由此对装备建模、数据生成、训练验证以及系统集成提出了全新的工程挑战。他系统阐述了具身智能由传统机器人智能化向数据驱动、模型驱动的智能体演进的脉络，并着重剖析了视觉语言动作模型及世界模型等核心技术。

与会专家普遍认为，具身智能的突破绝不止于算法层面的精进，而是一项涵盖装备本体设计、环境交互、数据采集、训练验证的系统工程命题，为装备智能工程注入了崭新的研发动能。工业和信息化部人形机器人与具身智能标准化技术委员会主任委员、开放原子开源基金会理事长谢少锋强调，推动人形机器人与具身智能产业迈向规模化、高质量发展，需以应用场景为导向，夯实高质量数据基础，深化开源协作，加速标准体系构建，从而为技术从实验室走向工程化、产业化提供系统性支撑。

同元软控董事长周凡利在发言中表示，大模型在处理文本、图像、语音等数字空间任务时成效卓著，然而一旦进入机器人、无人装备等工业系统的研发实境，便遭遇确定性、精确性、安全性及可靠性等严峻考验。他认为，依托物理AI的具身智能正是破解这些难题的关键路径。

在与会者看来，装备工程智能体与基于物理AI的具身智能协同推进，将助力“装备数字工程”全面跃升为“装备智能工程”。同元软控总经理刘奇表示：“大模型与智能体技术的快速演进，正驱动AI从信息辅助角色转向自主执行主体，引发工程研发范式的系统性重构。”他提出，应构建由工程智能体引领的新型研发体系，囊括模型表征机制、知识库与大模型底座、工程智能体集群以及AI原生工业软件等要素，形成全新范式架构。

面向智能体时代装备研发的智能化升级需求，行业已形成MWORKS EI与MWORKS AI两条核心路径。前者聚焦具身智能装备，贯通本体—感知与环境建模、合成数据生成、综合仿真训练、系统仿真验证至部署应用的全链条；后者则以装备工程智能体为核心，推动智能能力渗透需求分析、方案设计、建模、仿真及验证等各阶段。业内评论指出，双路径协同发力，为装备智能工程的能力构建与落地实践提供了坚实支撑。

中国计算机学会副秘书长束庆山对相关自主创新成果表示肯定，并透露学会将携手产业伙伴，共同助推装备制造业的智能化转型与科技创新发展。

装备智能工程的深入推进，亦对人才培养体系和产学研协同机制提出了更高要求。中国高等教育学会校际合作研究分会理事长沈毅表示，面向物理AI与具身智能等新兴方向，未来工程人才既要具备扎实的专业素养和系统工程思维，也需娴熟运用智能化工具开展设计、建模、仿真与验证工作。他结合MWORKS工业软件教育生态建设的实践，提出应通过校企联动与产教融合，贯通课程教学、教材编写、科研训练与产业应用，着力培养兼具工程底蕴、智能化素养和创新能力的高层次复合型人才，为智能装备和高端产业发展持续输送智力资源。

据悉，MWORKS数智生态已汇聚超过35万用户，覆盖848所高校、1300余家企业及逾5000名开发者，支撑2000余门课程建设，出版教材26本，并持续积累模型、代码、案例、工具及创新作品等多维资源，为行业生态的蓬勃发展奠定深厚基础。

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。

中新社香港7月31日电 香港特区廉政公署（廉署）31日披露，廉政专员胡英明携廉署代表团已于当日圆满完成对马来西亚的访问行程。访问期间，胡英明现身东盟国家反腐败机构联盟（东盟反腐联盟）第22届秘书处会议，详尽阐述了国际反贪局联合会（联合会）的工作概况与显著成就，并积极呼吁东盟反腐联盟各方深化亚太区域内的反腐协作机制。

在此次会议上，胡英明以联合会主席的身份发表讲话。他着重指出，联合会与东盟反腐联盟始终坚守“团结力量 打击贪污”的核心理念，双方在反腐败事业中并肩前行，共同屹立于区域反腐斗争的最前沿。胡英明进一步分析称，当前贪污行为正逐渐呈现出跨境化和数码化的新趋势，其复杂性与隐蔽性显著增强，因此他热切期望能够与东盟反腐联盟携手构建一个区域性联盟，推动区域内更为紧密的反腐合作框架，以便更有效地应对这些新兴挑战。

此外，胡英明还参与了围绕大型基建项目反腐议题的专项研讨会。据统计，此次会议及研讨活动共汇聚了来自11个东盟国家的逾100名代表，涵盖反贪及执法人员、政府官员、学术专家以及国际机构成员，共同就反腐策略与经验展开深入交流。