文/新浪财经上海站 陈秀颖

　　8月4日至5日，第二十届全球增长 、科创与领导力峰会暨第五届新投资大会在上海静安香格里拉大酒店举行 。

　　在大会分论坛上 ，国泰海通投资银行TMT行业负责人及董事总经理张博文表示
，2026年上半年A股IPO受理数量同比增长37%，其中半导体和AI基础设施领域共有39家企业获受理 ，同比增长约86%
，占全部受理项目的比重由约12%提升至16%
。与此同时，IPO排队企业数量已降至约376家 ，沪深市场合计不足200家
，项目受理和审核节奏有所加快，撤回数量也在下降。在他看来 ，当前政策环境已从阶段性收紧转向对优质科技企业的有针对性支持，市场确实出现了较好的申报窗口
，但“窗口打开 ”并不意味着审核门槛降低，企业更不能等看到窗口后才开始规范 。

　　对于准备上市的硬科技企业 ，张博文给出了更具体的建议：首先要根据盈利能力、研发阶段和业务属性选择科创板 、创业板及相应上市标准
，并留出安全边际，不能刚好“踩线
”；其次要前置布局科创属性 ，包括核心专利
、重要奖项、高层次研发人才和持续研发投入；第三
，真正容易影响申报进程的，往往是财务规范 、内部控制和研发费用归集等基础问题
。此外 ，企业必须讲清同赛道差异化
，不能只是已上市同行的“弱化版”，仅强调国产替代有时也不够 ，还要证明自身产品和技术能够对标全球先进水平。他认为
，A股申报标准通常也能兼容后续赴港上市或并购等路径，企业应把握当下窗口 ，以更高标准尽早准备 。

　　忆芯科技首席科学家薛立成则认为，模型规模扩大
、上下文延长及推理需求增长
，使AI系统的评价标准发生改变
。如果存储和互联速度跟不上，大量GPU资源仍可能处于等待状态。随着KV Cache等推理数据膨胀 ，存储需要进一步承担检索、量化 、预处理等任务 。AI基础设施也将从简单“堆卡 ”走向存算协同
，通过缩短数据搬运路径提升GPU利用率
、降低推理成本。

　　论坛结束后，上海科学智能研究院量子科技方向产业合伙人叶瑜在与新浪财经对话时进一步表示 ，人工智能与量子科技的融合
，正在形成双向赋能的范式和路径
。

　　叶瑜表示，一是AI for Quantum ，人工智能赋能量子计算。AI可以提升量子计算的运行稳定性 。在纠错环节
，量子计算面临的核心难题信息极易受到噪声的影响，必须在极短时间内识别并修复错误 ，否则计算结果就会出错
。AI的引入能够加快纠错速度、提高计算结果准确率。在校准环节
，不同的量子计算技术路线（如超导 、中性原子
、离子阱）都需要对硬件系统做精细调控，AI算法和Agents可以帮助优化这些调控流程 ，并大幅提升校准效率 。在用户使用层面，AI智能体让用户可以通过自然语言下达指令
，降低使用门槛，让量子计算机更容易上手
。二是Quantum for AI ，量子计算赋能人工智能。把量子计算的优势用在它更擅长的环节
，为人工智能的底层模型和数据处理提供新工具 。在数据层面，面向科学智能（AI4S）场景 ，量子计算可以针对复杂体系生成经典计算机难以模拟的高质量数据
，服务于材料、化学等科学领域
。在算法层面，量子算法有强化部分模型的潜力 ，也可以为启发AI算法的设计
，提供新思路。

　　她强调，依托“研创一体
”机制 ，上智院将持续推动科学智能的产学研全链条创新 。面向量子科技
，探索让量子计算提供底层算力与数据的突破性支撑，共同服务于科学研究与产业应用的真实场景需求
。

　　AI提升效率的同时 ，也在放大风险。奇安信科技集团合伙人兼副总裁孔德亮指出，大模型正在降低漏洞挖掘和攻击工具生成的门槛
，网络攻击呈现高效化 、自动化和平民化趋势；防守端修复漏洞却需兼顾业务连续性，攻防速度由此进一步失衡 。他认为 ，传统静态、单点式防护已难以应对AI驱动的攻击
，安全能力必须从事后补救转向体系化建设，贯穿智能化转型全过程。

　　上市公司对AI基础设施的观察更贴近产业一线
。金盘科技副总裁靖沛然表示 ，随着单机柜功率和数据中心整体用电规模快速上升
，传统供电架构需要经过多级转换，既带来能量损耗 ，也增加设备占地和运维复杂度。更现实的矛盾是
，电网建设往往需要数年，而算力需求的增长周期远短于此 ，未来必须把算力布局与电力供给协同考虑 。她认为
，固态变压器可以减少电能转换环节，在大型智算中心中连接绿电
、储能和负载 ，扮演“能源路由器”的角色；在边缘算力场景中，则可通过更紧凑、高效 、易维护的设计提升部署效率
。公司已推进相关产品迭代
，并向海外大型客户送样，争取把电力电子能力转化为AI基础设施的新增长点。

　　思格新能源代表刘庆维则以公司的“AI IN ”战略说明 ，AI不应停留在演示和概念层面
，而要进入产品研发
、生产制造、客户部署及运营服务的完整链条 。衡量AI是否真正落地，关键要看它能否接入真实数据 、驱动真实设备和业务动作 ，并对结果持续校验和优化
。以能源智能体为例
，用户可以通过自然语言提出用电需求，系统结合光伏
、储能、电价和负荷预测自动形成调度建议；在安全预警和售后运维中 ，AI也可以提前识别异常 、辅助定位问题。刘庆维同时强调
，当前仍处于人机共生阶段，涉及电力交易等重要决策仍需由人确认 。AI的价值 ，不是简单替代人员
，而是让家庭及工商业能源系统变得更主动
、更高效
。

　　从多位嘉宾的发言可以看到，AI产业正在经历一次重心迁移：从追求更大的模型和更高的单点性能 ，转向更经济的推理、更高效的存算协同 、更可信的安全体系和更深入的行业应用；人才标准也从单一专业能力，转向技术
、商业、监管与人文素养的交叉融合。

　　真正的新质生产力
，不只是技术指标的上升，而是技术进入生产流程后 ，对成本结构 、组织方式和价值创造机制的重新塑造 。