1.特斯拉发布人形机器人年度报告：Optimus已学会功夫与家务；

2.OpenAI财务风险引发担忧 美经济学家：它绝非大到不能倒；

3.ChatGPT移动端消费额突破30亿美元 耗时31个月 快过其他等头部应用；

4.大模型下沉终端，先进制程如何破解端侧AI芯片算力与功耗困局？

1.特斯拉发布人形机器人年度报告：Optimus已学会功夫与家

12月19日 特斯拉官方今日发布了一份名为《特斯拉人形机器人2025年度报告》的视频回顾，详细披露了其人形机器人Optimus在过去一年中的技术迭代与进化路径。视频展示了Optimus从基础的运动控制到复杂场景交互的快速演变过程。

回顾显示，2025年5月，Optimuas便已展示了初步的肢体协调能力，不仅掌握了舞蹈动作，还在尝试多种舞姿的过程中，同步进行人类日常劳动工作的学习，例如整理衣物和处理垃圾，显示出其算法在通用任务上的泛化潜力。

进入9月，该机器人的外观设计更为精简，并开始在特斯拉Diner场景中实地“打工”，完成了制作爆米花并与儿童合影互动的服务测试，验证了其在人机交互环境下的安全性。

到了10月，Optimus的运动控制能力进一步提升，不仅能与人类教练进行功夫与体能训练，还亮相电影首映礼及股东大会，承担了引导投票等具体职能。

特斯拉CEO埃隆·马斯克在视频中重申了基于“第一性原理”的研发思路，即将产品分解至原子层面重新构建。他指出，制造人形机器人的全行业三大挑战在于：一双极具灵巧的手、一个能理解现实世界的AI大脑、以及实现大规模量产的能力。马斯克强调，特斯拉是目前唯一能够兼顾这三点的公司。

他在视频中展望，随着AI与机器人技术的结合，未来有望进入一个“可持续的富足时代”，并声称该产品有潜力从根本上消除贫困。视频以Optimus加速跑进2026年的画面收尾，暗示明年将有更大幅度的技术跨越。（文章来源：凤凰网）

2.OpenAI财务风险引发担忧 美经济学家：它绝非大到不能倒

OpenAI已在美国多所高校建立起“滩头阵地”，成功化解了大学管理层对人工智能的戒心，让ChatGPT在成为下一代劳动者首选助手的竞赛中抢得先机。

根据媒体查阅的采购订单，OpenAI已向约35所公立大学出售了超过70万份ChatGPT授权，供学生和教职员工使用。相比之下，微软公司通常将其Copilot助手与现有软件打包提供，在这些学校中的推广进展较为缓慢，而且更多是教师在用，学生使用率较低。

ChatGPT在校园内的普及来得非常快。根据与OpenAI签署合同的20所校园的数据，学生和教职员工仅在9月就使用ChatGPT超过1400万次。平均来看，每位用户当月调用ChatGPT达176次，用途包括写作、研究和数据分析等。

私立学校不受公共记录法约束，AI授权采购情况并不公开，这意味着高校合同的真实数量可能远高于已知数据。OpenAI发言人表示，在全球范围内，公司已向高校出售了“远超100万份”授权。微软方面则称，许多大学正在使用其多种AI产品。

科技行业长期以来通过向学生提供低价软硬件，试图将其培养为终身客户。苹果公司常年提供教育折扣，并在每年返校季推出促销活动；谷歌则凭借Chromebook笔记本和免费应用赢得了校园用户。

如今，OpenAI也在人工智能领域复制这一策略。微软的Copilot和谷歌口碑不断提升的Gemini未来或许能迎头赶上，但目前OpenAI已依托ChatGPT的高人气和大幅折扣抢得先机，这与其在白领和消费者市场建立优势的路径如出一辙。

合同显示，愿意批量采购ChatGPT的学校，每位用户每月只需支付几美元。这与OpenAI通常对少量教育用户收取的每月20美元相比，折扣相当可观；而企业用户的ChatGPT费用最高可达每月60美元。

美国在校生规模最大的大学之一——亚利桑那州立大学（ASU）于9月同意为所有学生和教职员工购买ChatGPT使用权。校方发言人称，截至11月底，已有近1万名学生和6400名员工使用了这些新授权。

多所大型高校采取了类似做法。2024年秋季，加州州立大学系统决定，必须让全部学生和员工（约50万人）都能使用AI，以确保那些负担不起个人订阅的人也能获得访问权。

该系统在评估多种工具后发现，ChatGPT无论价格还是学生熟悉度都遥遥领先，加州州立大学系统首席信息官Ed Clark表示。该系统同意每年向OpenAI支付1500万美元。

克拉克称，管理层最初对微软Copilot感兴趣，因为它能与学校已在使用的Word等应用无缝衔接。但微软给出的报价明显高于OpenAI：Copilot每位用户每月30美元，而ChatGPT折算下来约为每月2.5美元。

另值得一提的是，一些高校管理层原本怀疑人工智能可能催生作弊、抄袭等现象，但现在他们逐渐接受了现实，转而尝试为师生使用AI设定规则。

亚利桑那州立大学本科教育副教务长Anne Jones表示：“我们认为，未来不可能选择完全不用这些工具。企业们期待、也需要一支懂得如何与这些工具协作的劳动力队伍。”

与此同时，科技行业正加紧向学校推销AI的价值。OpenAI招募了专注教育领域的销售人员，并从在线学习平台Coursera挖来了一位高管，如今担任OpenAI教育副总裁的Leah Belsky表示，“大学生是公司特别关注的用户之一。”

在2025年春季期末考试前，OpenAI 向学生免费开放ChatGPT，并发起大规模广告推广，还在加州州立大学系统中招募学生大使推动工具普及。

“教育生态系统中越来越多的人意识到，AI已经不可逆转，”Belsky向高校推销的核心观点是：引入AI有助于将其用于促进学习、就业准备和教学；而如果仅把AI当作“答案机器”，反而会抑制学习。

OpenAI对自己已赢得大学生青睐充满信心。“很多大学本就能使用 Gemini、微软以及其他AI工具，但最终还是把我们引入校园，”Belsky说，“因为归根结底，学生最偏爱的技术还是ChatGPT。”

联邦和州层面的政策制定者也开始通过激励措施，鼓励学校正式采用AI项目。

本月早些时候，特朗普政府宣布新的高等教育联邦拨款优先事项，其中包括一项5000万美元的专项资金，用于支持扩大AI使用、并通过技术“提升教学、学习和学生成功率”的项目。

不过，一些学校仍对AI保持谨慎，并加紧研究其对教育的潜在影响。有学者担心，高校之所以急于与OpenAI达成协议，并非已经想清楚AI如何改善教育，而是害怕被时代甩在后面。（文章来源：凤凰网）

3.ChatGPT移动端消费额突破30亿美元 耗时31个月 快过其他等头部应用

根据应用情报公司Appfigures的估算，截至本周，人工智能（AI）研究公司OpenAI旗下的聊天机器人ChatGPT在全球移动端消费额已突破30亿美元。

这一数字涵盖了自2023年5月应用上线以来，用户在iOS和Android设备上的总支出——ChatGPT最初仅在iOS平台推出。

值得注意的是，其中绝大部分消费支出发生在今年。2025年全球消费者在ChatGPT移动端消费额达到24.8亿美元，较2024年的4.87亿美元同比增长408%。

在应用上线的首年（2023年），ChatGPT的收入仅为4290万美元，随后在2024年暴增1036%。

与其他热门应用相比，ChatGPT消费额增长速度十分惊人。据Appfigures称，ChatGPT仅用31个月便实现了30亿美元的消费者支出，而收入最高的应用TikTok则耗时58个月。

ChatGPT达成这一里程碑的速度也快于Disney+和HBOMax等头部流媒体应用，后两者分别用了42个月和46个月才达到30亿美元。

不过，在AI应用中，xAI旗下的Grok展现出了与ChatGPT相近的收入增长轨迹。

Grok于2023年底率先向XPremiumPlus订阅用户推出，并在去年逐步开放给更广泛用户。若比较各类AI应用开始商业化后的消费者支出增速，Grok累计收入增长速度最接近ChatGPT同期水平。

尽管30亿美元的消费额体现了消费者对ChatGPT的广泛接受，但这并非衡量AI应用普及度或长期收入潜力的唯一标准。

目前，ChatGPT移动端用户主要通过订阅付费，如每月20美元的ChatGPT Plus或面向高级用户的ChatGPT Pro（每月200美元）。但AI应用还可以通过其他方式实现变现，包括开发者服务，甚至未来可能引入的广告。

此外，ChatGPT于周三推出了一个类似应用商店的平台，OpenAI在博客中表示，该平台未来可能以某种方式实现商业化。

与此同时，谷歌也在探索将其成熟的搜索广告业务转向AI搜索的可能性，计划在AI模式、AI概览、AI购物以及日益AI化的发现页面等场景投放广告。

OpenAI的竞争对手Anthropic则将重点放在企业市场，据报道，Anthropic收入有望在2028年达到700亿美元。（文章来源：凤凰网）

4.大模型下沉终端，先进制程如何破解端侧AI芯片算力与功耗困局？

近年来，人工智能正经历从“云中心”向“终端侧”深度演进的关键转折。随着大模型能力的普及与多模态智能体（AI Agent）应用的兴起，用户对实时响应、隐私安全、个性化体验和使用成本的综合要求不断提升，推动AI推理任务加速下沉至手机、可穿戴设备、智能家居、车载系统等终端场景。这一趋势催生了对端侧AI芯片前所未有的需求——既要具备强大的本地算力以支撑复杂AI任务，又必须在电池容量、散热条件、物理尺寸和成本预算等多重严苛约束下实现高能效运行。

在此背景下，先进制程工艺作为提升芯片性能与能效比的核心技术路径，日益成为端侧AI芯片设计的关键支撑。然而，制程微缩并非坦途：高昂的成本、良率瓶颈以及供应链复杂性，正促使产业界探索更加多元和系统化的解决方案。本文基于11家A端侧AI芯片上市公司公开信息，系统梳理端侧AI芯片对先进制程的需求动因、实际应用成效、企业战略布局，并深入剖析制程升级过程中所面临的现实挑战与创新应对策略。通过分析可见，未来端侧AI芯片的竞争已超越单一工艺节点的比拼，转而聚焦于“先进制程+架构创新+先进封装+软硬协同”的全栈式系统级优化能力。

端侧AI芯片对先进制程的需求背景

端侧AI芯片对先进制程的迫切需求，源于人工智能技术从云端向终端设备大规模迁移的结构性趋势。附件资料明确指出，随着大模型和多模态AI Agent应用的蓬勃发展，用户对响应速度、使用成本、数据安全及个性化体验的要求日益提升，促使AI推理任务加速向端侧迁移，形成“云-边-端”协同的多层次算力架构。在此背景下，以AI手机、AI PC、智能可穿戴设备、IPC（网络摄像机）、车载终端等为代表的端侧产品，亟需在有限的物理空间和能源约束下，实现强大的本地AI处理能力。

具体而言，端侧设备普遍面临电池容量小、散热条件差、体积受限、成本敏感等多重硬性约束。例如，TWS耳机、智能手表、无线麦克风、IoT传感器等设备往往依赖小型锂电池供电，无法承受高功耗芯片带来的续航压力。然而，AI应用（如语音唤醒、图像识别、实时翻译、ADAS辅助驾驶等）又对算力提出了显著增长的需求。瑞芯微精准概括了这一矛盾：“SoC芯片的算力需求呈现爆发式增长，驱动SoC设计进入‘先进制程、算力升级、架构重构、能耗革命’的新阶段。”

为破解算力需求激增与能源供给有限之间的根本矛盾，先进制程成为关键突破口。其核心价值在于：在晶体管尺寸缩小的同时，降低单个晶体管的动态与静态功耗，并提升单位面积内的晶体管密度。这使得芯片能够在更小的面积上集成更多计算单元（如多核CPU、GPU、大算力NPU、VPU等），同时维持或降低整体功耗水平。恒玄科技采用6nm FinFET工艺开发BES2800芯片，正是为了在可穿戴设备的严苛空间内，集成高性能异构计算单元与完整的射频/音频子系统，从而提供“强大的算力和高品质的无缝连接体验”。同样，晶晨股份的6nm旗舰芯片能支持同声字幕生成等复杂AI功能，并实现千万级出货，也印证了先进制程对于支撑高能效AI落地的决定性作用。

因此，先进制程不仅是性能提升的工具，更是端侧AI产品实现商业可行性和用户体验闭环的基础保障。

A股端侧AI芯片公司部分旗舰SoC应用全景表

先进制程在端侧AI芯片中的具体应用体现

先进制程直接赋能端侧AI芯片的高性能与高能效。晶晨股份推出的6nm芯片自2024年下半年商用以来，2025年上半年销量已超400万颗，预计全年将达千万颗以上。该芯片集成自研智能端侧算力单元，支持同声字幕生成等AI功能，充分体现了先进制程对AI算力落地的支撑作用。全志科技亦指出，“7nm及以下先进制程已成为高端SoC的主流”，而3nm等更先进节点则因成本与良率问题尚未大规模普及。恒玄科技的BES2800芯片同样基于6nm工艺，集成了多核CPU/GPU/NPU，为TWS耳机、智能手表等设备提供强大算力和高品质连接体验。

低功耗是端侧AI芯片的生命线。安凯微在介绍其低功耗智能视觉芯片KM01A与KM01W时表示，整机在AOV模式下功耗低于30mW，这一指标的达成离不开制程工艺的优化。炬芯科技虽采用22nm成熟制程，但通过自研存内计算技术显著提升了能效比，说明即使在非最先进节点上，制程与架构的协同优化也能有效控制功耗。

先进制程使单芯片集成更多功能模块成为可能。瑞芯微指出，高性能SoC正标配“多核心、高频率、超高清和多路编解码能力、大算力NPU、高速多通道DDR”，这些特性高度依赖先进制程带来的晶体管密度与互连性能提升。晶晨股份的6nm芯片即集成了NPU、视频编解码器、无线通信模块等，实现了高性能与小体积的统一。

多家公司已在先进制程上展开前瞻性布局。瑞芯微正在研发下一代旗舰芯片RK3688，以适配AIoT 2.0时代对端侧算力的更高需求；全志科技已启动“下一代更高性能SoC架构”的研究，并明确将采用更先进制程；恒玄科技则通过6nm工艺实现射频、音频、电源管理等模拟与数字电路的全集成，进一步降低系统级功耗。

制程升级面临的挑战与应对策略

尽管先进制程优势显著，但其大规模应用于端侧AI芯片仍面临严峻挑战，主要体现在成本、良率、技术复杂度和供应链稳定性等方面。

首先，制造成本急剧攀升。全志科技明确指出：“3nm等更先进工艺面临成本高和低良率瓶颈”。随着制程节点进入5nm以下，光刻工艺（尤其是EUV光刻）的设备投入、材料成本和工艺步骤数量呈指数级增长，导致晶圆价格高昂。对于毛利率相对有限、价格竞争激烈的消费类端侧芯片市场而言，全面采用先进节点在经济上并不现实。

其次，良率问题制约量产爬坡。更先进的制程对工艺控制精度要求极高，任何微小的缺陷都可能导致芯片失效。低良率不仅直接推高单颗芯片成本，还会影响产品交付周期和市场竞争力。这对于需要快速迭代、抢占市场的AIoT和消费电子领域尤为不利。

面对上述挑战，行业并未止步于单纯追求更小线宽，而是转向系统级创新与异构集成作为应对策略：

· 发展先进封装技术：多家端侧AI芯片企业认为，“3D堆叠、Chip to Chip、Die to Die的芯片互联方式会越来越普及”。通过将不同功能模块（如逻辑计算芯粒、高速缓存、模拟/RF芯粒）采用最适合其特性的制程分别制造，再通过2.5D/3D封装技术集成在同一封装体内，可以在不牺牲性能的前提下，有效规避单一先进制程带来的高成本与低良率风险。瑞芯微明确提出，“Chiplet设计和先进的3D封装设计”将成为平衡性能与成本的关键策略。

· 推行混合制程设计（Hybrid Process Node）：并非所有电路模块都需要最先进制程。例如，数字逻辑部分可采用7nm或6nm以获得高密度和低功耗，而电源管理、射频收发等模拟电路则更适合采用28nm或40nm等成熟稳定、成本更低的制程。通过Chiplet或异构集成方式将不同制程的芯粒组合，既能发挥先进制程在算力核心上的优势，又能利用成熟制程在模拟/高压/高可靠性方面的长处，实现整体最优。

· 强化架构与算法协同优化：在制程受限的情况下，通过架构创新弥补性能差距。炬芯科技在22nm制程上成功商用“第一代存内计算技术”，即是在成熟节点上通过改变数据搬运范式（减少内存访问能耗）来大幅提升能效比的典型案例。此外，“AI驱动的任务调度算法”和“预测性功耗管理”等软件层面的优化，也是降低系统级能耗、缓解制程压力的重要手段。

小结：先进制程是端侧AI芯片发展的核心驱动力之一

综上所述，附件资料清晰表明，端侧AI芯片的发展高度依赖先进制程技术，以实现“高性能、低功耗、高集成”的产品目标。6nm、7nm及以下制程已成为高端端侧AI SoC的主流选择，支撑着NPU集成、多模态AI推理、超高清编解码等关键功能。然而，面对成本与良率的现实约束，行业并未单一押注于制程微缩，而是采取“先进制程+架构创新+先进封装”的组合策略。部分企业如炬芯科技在22nm节点上通过存内计算实现能效突破，印证了技术路径的多样性。未来，端侧AI芯片的竞争将不仅体现在制程先进性上，更体现在系统级能效优化、软硬协同设计以及异构集成能力的综合较量之中。