宏途:它最好的判断,写在最短的一章里
微信读书《宏途:人工智能引领的数字浪潮》(杨之曙 著,电子工业出版社,2026 年 1 月,ISBN 9787121517990)· 本次逐页翻阅 263 屏,从版权页读到「全书完」,前言与 13 章 81 节全部覆盖,抓取标记为全书读完(end=last_page),耗时 236 秒。中途遇到一次登录失效(在第 34 屏被登录浮层挡住「下一章」按钮),恢复登录后重抓,无会员卡遮挡。
说明:这本是产业全景书,作者把数字经济、大模型、端侧、企业 AI 化、空间智能、软件、数据资产、低空经济、政策响应一次性铺开。对这类书,我只看两件事:它有没有给出一个能拿去用的判断工具,以及它给的篇幅和它的判断力是否匹配。
263 屏,13 章,81 节,平均每章 20 屏、每节 3.2 屏。
先说结论:这本书里最值钱的东西,在第 7 章,只有 9 屏;而全书最短的三章(软件 9 屏、政策 8 屏、文前 8 屏)里,恰好装着它唯一能复用的分析框架。另外 250 屏铺得很整齐,整齐到你能猜到下一页要说什么。
一、先把账本摊开
263 屏的分布是这样的:文前(前言)8 屏;第一章「数字经济:中国与世界」21 屏;第二章「大模型掀起 AI 的巨浪」21 屏;第三章「大模型如何真正盈利」19 屏;第四章「端侧 AI:未来已来」26 屏;第五章「企业 AI 化的发展思路」29 屏;第六章「空间智能:一块关键拼图」21 屏;第七章「软件:数字经济的硬度」9 屏;第八章「数据:洞察力的货币」24 屏;第九章「新增长极:数据资产管理」23 屏;第十章「构筑企业的数字化领导力」13 屏;第十一章「万亿赛道:低空经济的演进轨迹与全球格局」22 屏;第十二章「技术创新的四个趋势」19 屏;第十三章「政策响应的六个维度」8 屏。
先看两个极值。最大的两章是第五章(29 屏,11.0%)和第四章(26 屏,9.9%);最小的三章是第七章(9 屏,3.4%)、第十三章(8 屏,3.0%)、文前(8 屏,3.0%)。
第七章讲什么?讲「软件」。这一章我读得很认真,因为软件是这一轮 AI 落地真正的承重墙——模型是别人训好的,算力是租来的,最后能不能变成钱,全看软件这一层怎么把能力装进流程。结果它给了 9 屏,占全书 3.4%,是除前言与结尾章之外最短的一章。
第十一章讲什么?讲「低空经济」。22 屏,占 8.4%,比软件多 13 屏,比数据资产管理(23 屏)只少 1 屏。
第十三章更值得说。「政策响应的六个维度」,一章 8 屏,六个维度,平均 1.3 屏讲一个维度。1.3 屏在微信读书里大约是六百字——一个维度一段。这不是「论述」,这是「提纲加解释」。而且它出现的时机很怪:这本书第一章已经把「数字经济」的全景讲完了(基础设施、产业、政策三层都碰过),到第十三章又回头讲一遍政策响应,两章的内容大面积重叠。
我把这个分布理解成一次诚实的取舍,而不是失误:作者想写的是「全景」,全景里哪一块都不能缺,所以只能按章节平均分配篇幅。可平均分配的代价很明确——最需要展开的地方(软件、政策工具)只拿到平均值以下的份额,最不需要展开的地方(低空经济这种政策热词)拿到了平均值以上。
顺便说一个数字:81 节,263 屏,3.2 屏一节。这个密度决定了这本书的写法——每一节只够说一件事,说完立刻换台。它读起来不累,但也不会在任何一个问题上停留到「说透」的程度。
二、它最值钱的九屏
第七章第二节叫「价值:关键技术与数字平台」。开头一段,作者做了一件很多技术书没做的事:他没有按「芯片/算法/框架」分类,而是按「如果你不掌握它,会失去什么」分类。
原文的四类是这么写的:「卡脖子」技术,这种技术的落后会导致经济领域的巨大损失;「护城河」技术,这种技术的领先将为保持竞争优势提供强大的防护能力;关乎战争风险的技术,这种技术的落后将对国家安全构成直接威胁;「加速器」技术,这种技术的发展能够提升整体创新能力。他还补了一句:部分关键技术可能同时具备多类属性。
这个四分类好在哪?它把「重要」这个含糊的词拆成了四种后果:丢钱、丢优势、丢安全、丢速度。四种后果对应四种决策:卡脖子要攻关,护城河要守,战争风险要冗余备份,加速器要开源扩散。你在会上听到有人说「这个技术很关键」的时候,可以追一句:关键在哪一类?
我拿它试了几个例子(这一段的推演是我的,书里没有):光刻机是「卡脖子+战争风险」,两条都占;EDA 是「卡脖子+护城河」;CUDA 生态是「护城河+加速器」,你换不掉它不是因为买不到,是因为迁移成本;开源框架是纯「加速器」,扩散得越快越好。这么分完之后会发现,四类里最难对付的不是卡脖子——卡脖子至少目标明确,砸钱砸人总有方向;最难的是护城河,它不卡你,它只是让你永远慢半步,而且你很难证明自己慢了。
同一节后面还有「数字平台的三大突破」:要素聚合器(用数据流打通产业链各环节,形成跨域协同的倍增效应)、创新加速器(基于平台沉淀的算力、算法、数据三要素,压缩研发周期)、生态构建器(用开放架构育出芯片-软件-应用联动的创新共同体)。这三个词不算新,但配上前面那个四分类就能对上:平台的作用,本质是把「加速器型技术」变成公共品——一个人用没意义,所有人用才有意义。
再往下翻一屏,是全章最锋利的一句:摩尔定律「实际上不是技术定律,而是经济定律,指出了计算机的发展规律是性能呈指数级进步」。这句话值钱的地方在于,它把「技术进步」还原成了「单位成本下降」,而成本下降是靠持续的投资密度换来的。所以摩尔定律会失效,不是因为物理极限,是因为投钱的回报率不再成立。这个视角,写技术的人通常给不出来。
9 屏,一个四分类、一个平台三分法、一条对摩尔定律的重新定义。密度大概是全书平均值的五倍。这本书如果只保留这一章,再加两章案例,会比现在这本 263 屏的书更有用。

三、一个经济学者的眼睛,和他的盲区
读到第七章的时候我大致判断出了作者的知识底色。他谈技术的时候,落脚点总在「价值」「成本」「要素」「配置」上:讲技术分类,用的是「经济损失」和「竞争优势」这两个尺度;讲摩尔定律,直接把它定义成经济定律;讲数据,从「确权」讲到「入表」再讲到「资本化」,用的是会计语言(第九章的节标题依次是:从数据到数据资源化、数据资产化第一步确权、数据资产化闭环入表、数据资本化——惊险的一跳)。
这套语言一般的技术作者写不出来。「入表」是财政部《企业数据资源相关会计处理暂行规定》里的动作,把数据记进资产负债表,这件事的意义不在技术,在融资和估值。「惊险的一跳」这个说法也准——数据从「资产」变成「资本」,中间要过一次市场定价,而市场至今没给出稳定的定价方法。
这种眼睛的好处很实在:它不被参数牵着走,它会一直问「这门生意谁付钱」。第三章「大模型如何真正盈利」19 屏,是全书少数直面商业模式的一章;第五章讲企业 AI 化,29 屏,落点在「组织」和「流程」,而不是「模型选型」。这两章的气质,跟那些「某某模型又刷新了榜单」的书完全不同。
坏处也很清楚:技术细节容易滑过去,而且滑得不留痕迹。第二章第一页就滑了一次,滑得还挺重,我在第五节单独说。
还有一个信号值得记下来。前言里写:「本书的写作历时两年,调研覆盖超过50家企业和机构。我们既记录技术领袖的洞见(如李飞飞对空间智能的阐述),又呈现一线创业者的实践(如『豆包AI耳机』的试错);既分析国家云的战略意义,又探讨小微企业如何用AI降本增效。」
50 家调研,落到书里能认出来的具名案例,我数了不到八个:中国电信构建数字经济国家底座、案例「道交一体化」调解大模型、中兴通讯的具身智能方案、豆包 AI 耳机,还有散在各章的几家厂商。50 进 8,剩下 42 家的材料去哪了?大概化进了那些没有主语的判断句里——「某制造企业通过……效率提升 30%」。这句话读起来像案例,其实是概括。
四、全书信息密度最高的一页
如果只让我挑一页带走,我会挑第 4 章里那一页(本次截图 p0078)。它列了一串名字:三星发布多模态生成式 AI 模型 Gauss2,苹果的 AppleGPT 研发取得突破性进展;国内厂商这边,OPPO 的 AndesGPT、vivo 的蓝心大模型、小米的 MiLM-6B、华为的「盘古」、荣耀的「魔法」、魅族的 FlymeAI;搭载大模型功能的系统有鸿蒙 OS4.0、ColorOS14;助手有小艺、小爱、Jovi。
同一页还有三条更硬的:联发科与 Meta 合作,优化 LLaMA 2 在天玑平台上的表现;魅族宣布停止传统智能手机新项目的开发,把精力全部投入到新的 AI 设备探索上;IDC 预计 2027 年中国市场新一代 AI 手机出货量达 1.5 亿部,所占市场份额超过 50%。再往下是一组背景数:全球每天搜索量超过 100 亿次,其中移动端占比超过 60%。
这一页为什么好?因为它可以当清单用。谁在做端侧模型、做到什么程度、谁在赌方向(魅族是唯一一个「停掉主业去赌」的),一屏就能看完。而且它给了一个可检验的判断:如果 2027 年真到 1.5 亿部、50% 份额,那端侧模型就不是「手机上多一个功能」,而是换机的主要理由。
但这一页也暴露了这本书的通病:它是行业动态的汇总,不是分析。它告诉你谁发布了什么,不告诉你哪条路线更可能赢——是端侧跑小模型,还是端侧只做推理、训练放云上?是压缩模型,还是改芯片?这些真正决定胜负的分岔,一页里一句都没有。IDC 那个预测也没给报告名和发布时间,你没法判断它是 2024 年的口径还是 2025 年的。
第四章 26 屏,占 9.9%,篇幅不小。可 26 屏读下来,能立住的判断只有一条:手机厂商做端侧大模型,是为了让换机周期重新变短。这条判断书里没有直接写,是我从「魅族停掉传统手机项目」和「IDC 预测出货量」这两处拼出来的——而这恰恰说明,作者手里的材料足够支撑这个判断,他只是没有把它说出来。
五、一个不能算笔误的硬错
第二章有一节叫「GPT 的发展历程」,开头一段是这么写的:
在预训练阶段,模型通常使用一种称为「掩码语言模型」(Masked Language Model,MLM)的方法,即其中一部分输入被随机掩盖或替换,模型需要预测这些被掩盖部分的原始内容。预测序列中的下一个元素,比如文本中的下一个单词、图像中的下一个像素等,是生成式 AI 的核心能力。
这两句话放在一起,是自相矛盾的。
「掩码语言模型」是 BERT 那一派的做法:把句子中间挖掉几个词,让模型双向看上下文把空填回来。它的产物是「填空能力」,不是「生成能力」——它不能从零写出一段话,只能判断哪个词更合适。而 GPT 走的是另一条路:自回归,一个字一个字往后接,每一步只根据前文预测下一个 token。前者是完形填空,后者是接龙。
作者在同一段里,先用 BERT 的定义解释 GPT 的预训练,紧接着又用「预测下一个元素」来描述生成式 AI 的核心能力。后一句是对的,前一句是错的,而且两者互斥。这不是笔误,是拼材料时留下的接缝:他从某份介绍预训练的资料里抄了 MLM 那段,又从另一份资料里抄了「next token」那段,两段各自都对,拼在一页里就打架了。
为什么我把它算成硬错而不是瑕疵?因为这一页是「GPT 的发展历程」的开头,读者对 GPT 的第一印象就是从这里建立的。一个没接触过大模型的读者读完这段,会以为 GPT 的训练方法是「挖空填空」。而他后面读到「生成式 AI 能写文章」时,会以为「填空填得好就能写文章」——这个误解会跟着他很久。
还有一层可惜:从全书其他地方看,作者其实知道正确答案。第四章讲端侧模型、第六章讲多模态,用的都是「预测」这套话。也就是说,这个错误完全可以在编校时被一个懂行的人拦下来。它没被拦下来,说明这本书缺一个技术审读。
六、22 屏的低空经济,没有一条航线
第十一章 22 屏,占了全书 8.4%。它讲的东西大致是这样的:通过实时监控低空飞行器的航线、飞行高度、速度等信息,构建数字化的低空交通服务系统;低空经济的稳健发展依赖产业链各环节的紧密协作,从原材料供应、零部件生产到整机装配及运营服务,每个环节都需要无缝对接;建设低空经济产业园区和产业支撑平台可能是促进低空经济产业生态发展的有效策略之一,园区里通常配备研发中心、测试场地、孵化器等;数字技术改变了低空经济产业生态系统的交互模式、组织结构和交易机制;专业人才的培养和引进——无人机操控员、航空器维护人员、飞行员——需要优化课程设置、强化实践教学。
我把这 22 屏的内容归类了一下,大概是四种句式:要建什么、要协同什么、要培养什么、要改革什么。全是「应该」。整章没有一条真实航线,没有一家具名公司,没有一次真实飞行的成本结构(一架 eVTOL 每飞行小时的运营成本是多少、电池循环多少次要换、空域审批要几天),也没有一个已经跑通的商业闭环。
低空经济是 2024 年以后最热的政策词之一,写它没问题。问题在于篇幅和证据不匹配:给它 22 屏,却一个数字都没给。而这本书里带数字的地方——IDC 的 1.5 亿部、2024 年底 28 个国家自主创新示范区、全球每天 100 亿次搜索——全都出现在别的章。这就形成了一个很奇怪的对照:一篇讲「万亿赛道」的章节,通篇没有一个数字能让你估算这个赛道到底多大。
第十三章的问题类似,但形态不同。它讲了「六基」:核心基础零部件、关键基础元器件、先进基础工艺、基础材料、基础软件和产业技术基础;讲了「点线面」三个层次:点上支持有条件的企业打造数字化转型标杆,线上推动产业链上下游协同、鼓励链主企业开放场景,面上推动产业集群;还给了个数字,2024 年底国家自主创新示范区有 28 个。这一章的信息是真的,但它是政策文件的转述——你能读到「国家要做什么」,读不到「这对你意味着什么」。
顺带说一句第十章。「构筑企业的数字化领导力」13 屏,是全书唯一正面谈「谁来做」的一章。但它谈的仍是认知层面——领导者要懂技术、要有数字化视野、要推动文化变革;没有一个具体答案落在制度上:CIO 该向谁汇报、数字化预算占营收多少合适、业务部门和 IT 部门打架时谁拍板。13 屏讲领导力,最后只证明了一件事:这个词在这本书里也是修辞。
七、它的短板
下面几条,都能指到具体位置。
第一,263 屏,3 个脚注。全书 81 节,正文里出现的引用标记只有 [1]、[2]、[3] 三个,分别在讲 LLaMA 2 天玑平台、中兴通讯具身智能,以及另外一处。没有参考文献页——第 263 屏是「全书完」,前面没有任何附录。这意味着书里绝大多数事实性陈述(IDC 的预测、搜索量的统计、各家模型的名字与发布时间)都没有可追溯的来源。对一本讲产业的书,这等于把「核查」这件事全部推给读者。
第二,厚度与判断力成反比。第七章软件 9 屏,第十三章政策 8 屏,第十章数字化领导力 13 屏;而低空经济 22 屏、企业 AI 化 29 屏。判断密度最高的那一章最短,铺陈最多的那两章最长。这不是偶然,是因为「全景」这个目标本身要求平均分配——但读者买的是判断,不是覆盖度。
第三,案例全是成功叙事。前言说调研覆盖 50 家企业和机构,书里具名的案例不到八个,且每一个都是「做成了」:中国电信建成了国家底座、道交一体化调解大模型上线了、中兴的具身智能打通了全自动线最后的断点、豆包 AI 耳机试错(这一处难得写了试错,但也只是「试错后找到方向」)。没有一家失败的公司,没有一次被砍掉的项目,没有一个「我们投了三千万发现路不通」的段落。一本讲产业的书如果只写赢家,它教不了你避坑,只能教你仰望。
第四,章节之间没有递进,只有并排。第一章讲数字经济(基础设施、产业、政策三层),第十三章又讲政策响应;第二章讲大模型,第三章讲大模型怎么赚钱,第十二章又讲技术创新的四个趋势。13 章更像 13 份专题报告的合集,而不是一本书的 13 章。最明显的证据是首尾:第一章和第十三章的内容大面积重叠,如果合成一章 15 屏,全书会更紧。
第五,语言里的公文腔。「助力」「赋能」「抓手」「闭环」「底座」「生态」这几个词在书里反复出现,多到会盖住判断。举一个具体的:讲企业 AI 化那章有一句「AI 将如同电力般渗透到企业的每根毛细血管」——这个比喻本身不坏,但它出现的位置,本该是一段说明「渗透到毛细血管之后,谁来维护、谁来付费」的文字。比喻替代了论证,这是全书最常见的写法。
八、那它值不值得读
值得读的部分,我列三个:
一是第七章那 9 屏。卡脖子、护城河、战争风险、加速器这个四分类,配上「摩尔定律是经济定律」那句话,是这本书唯一能带走、并在会上直接用的东西。
二是第九章那 23 屏。数据从「资源化」到「确权」到「入表」到「资本化」,这条链是很多技术书完全不碰的。尤其「入表」这一步——数据记进资产负债表,意味着它可以抵押、可以作价、可以进融资协议。这条链走通与否,决定了数据要素市场是真市场还是文件里的市场。
三是第五章的「双轨演进」。原文是:「从『有 AI』到『用好 AI』之间,横亘着数据治理、流程再造、技能升级等系统性工程。那些成功跨越鸿沟的企业,往往能在保持个人工具灵活性的同时,通过平台建设实现 AI 能力的标准化输出,最终完成从『单点智能』到『系统智能』的质变。」这段话把企业 AI 化的真实难点说清楚了:难的不是买模型,是把模型装进流程,还要让流程里的人愿意用。
不必读的部分也很清楚:第十一章(低空经济)通篇「应该」,第十三章(政策六维度)是文件转述,第一章(数字经济全景)后面会重复一遍。这三章加起来 51 屏,占全书 19.4%。
谁该读?在央企、国企、地方政府做数字化的人——这本书的语境就是他们的语境:谈的是「国家云」「示范区」「产业集群」「六基」,用的是汇报材料的语言。做 to G、to B 产品的人也该读,它能让你知道甲方脑子里的框架长什么样,你才知道该往哪个格子里塞你的方案。
谁不必读?想学技术的(全书没有一个公式、一段代码)、想找创业方向的(它不给机会判断)、想理解模型能力的(第二章的技术部分反而最薄)。
最后说一个细节,我觉得比任何评价都有意思。这本书读到末页,微信读书的评分区显示「待评分,0 人点评,推荐值 0%」。2026 年 1 月出版,我读到的时候还没有一条评分。这个数字当然不能当质量判断——新书都这样。但它说明一件事:这本书还没有进入读者视野。而它其实不该这样:一本把数据入表、技术四分类、企业双轨演进讲清楚的书,比那些讲「AI 将如何改变一切」的书有用得多。它只是把有用的东西埋在了 250 屏整齐的铺陈里。
一句话收尾:这本书像一份写得很整齐的汇报材料——信息是对的,结构是稳的,语言是得体的,但它不会替你做决定,因为它在每一个该下判断的地方,都退回到了「应该」。
书名:宏途:人工智能引领的数字浪潮 作者:杨之曙 出版:电子工业出版社,2026 年 1 月 ISBN:9787121517990
本次阅读:微信读书逐页截图 263 屏,版权页 + 前言 + 13 章 81 节,从版权页至「全书完」,耗时 236 秒,抓取标记
end=last_page。未读到:无。第一次抓取在第 34 屏因登录失效中断(登录浮层遮住「下一章」按钮),恢复登录后重抓完整。
判断依据:章屏数按 pages.jsonl 逐页章节归属统计(合章取并集);引文均来自截图原文,页码为本次截图编号(如 p0078 即第 78 张截图)。
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。
发表评论: