科研 Agent 真正进入实验室，最缺的可能是一套能把论文、代码、数据和研究决策串起来的工作台。 上海人工智能实验室这篇论文提出 SciForge，一个面向科研流程的 AI 原生环境。 它会把论文、数据、代码、模型参数和人工决策连接到同一张 Evidence DAG 上，让研究过程能够持续保存，也方便后续追踪和复查。 研究者主要负责判断和审批，文献搜索、数据分析、绘图、实验执行和写作则交给后台 Agent 与工作流。 论文展示了基因发现、蛋白质设计、分子优化和论文复现等 8 个案例，其中一个长期任务经历了 132 个阶段，留下 199 次以上 Git 提交。 这项工作把科研 Agent 从单次任务工具，推进成了一个能够维护长期研究现场的系统。 科研自动化越深入，证据链和可复查性就越重要。 真正进入科研流程的 Agent，需要把做过什么、结论从哪里来，一起留下来。 📎 arxiv:

🚨炸了！上海AI实验室推出新模型Sage-A1.5 ！仅35B硬刚Kimi-K3、GLM-5.3、GPT-5.6-sol！同级第一还能反超巨无霸！ 35B MoE智能体模型，仅3B激活，主打长程执行与科学探索。 它不仅全面碾压同级A1、Ornith-1.5，在多个指标上还压过Kimi-K3、GLM-5.3、GPT-5.6-sol： 🔹FS-Olympiad 81.0、CMT 80.0、PinchBench 90.0 🔹SWE-Bench Pro 61.2、BrowseComp 82.8、IFBench 81.6 🔹支持子代理并行编排、内置验证协议、开放科学发现 小参数做出大模型级Agent与科学能力，效率与实力双在线。 技术报告： 模型： #上海人工智能实验室# #SageA15# #开源大模型# #AIAgent# #科学智能# #中国AI# #KimiK3# #GLM53#

关于 WAIC 2026 第一天，你应该知道的 8 件事 1. 人才是 AI 时代真正的核心竞争力 ——图灵奖得主 John Hopcroft 2. AI 产业下一轮爆发 = 智能体模型 + 终端硬件 ——阶跃星辰董事长、千里科技董事长印奇 3. Research 是下一个 Coding ——上海人工智能实验室主任周伯文 4. 静态数据标注已到天花板，经验驱动是下一代 AI 的核心路线 ——强化学习之父 Richard Sutton 5. 解决大模型幻觉的关键是物理智能 ——复旦大学苏昊教授 6. 科学数据应成为大模型的“原住民” ——中国工程院院士、阿里云创始人王坚 7. AI 的核心价值是放大个体能力，而非替代人力 ——商汤科技董事长徐立 8. 智能体的实用性与风险都来自同一个特征：自主性——图灵奖得主 Yoshua Bengio

独家｜百度招 95 后任大模型一号位 近日，大模型领域技术专家孙天祥正式加入百度，就任基础模型研发部（BMU）负责人。 孙天祥此次同时进入百度模型委员会（BMC），从研发 MOSS 到提出 MaaS 再到其后续创业方向，他的学术与产业路径与百度基础模型的战略投入方向高度契合。 此前，百度分别成立基础模型研发部（BMU) 和应用模型研发部（AMU），其中应用模型研发部由贾磊负责。 孙天祥作为年轻的大模型领域技术专家，在博士期间他是类 ChatGPT 开源大模型 MOSS 的主导者，并在国际上提出了 Model-as-a-Service (MaaS) 概念，孙天祥在 ICML、ICLR、NeurIPS、ACL、NAACL 等 AI 顶会发表论文四十余篇，博士期间先后在 Amazon AI Lab、上海人工智能实验室等机构实习，积累了从自然语言处理到大规模语言模型训练与工程化的丰富实战经验。 过去一段时间，百度在 AI 组织架构和人才梯队上持续迭代：设立百度模型委员会、多批次引入年轻技术力量，围绕基础模型的系统性人才布局逐步成型。

《收藏！2026下半年最值得关注的10场AI大会》⭐ 号外！号外！🥳 继昨天Biteye整理了Web3下半年的跑会指南后，经 @xingpt 老师催更，我们加急整理出了2026年后半年的AI跑会指南！ 从 OpenAI、NVIDIA，到阿里、华为、微软、AWS，再到 NeurIPS，接下来几乎每隔一阵就会有一场重磅活动。 👇如果你下半年有AI跑会计划，这份指南可以直接收藏！ 一、【大模型与开发者生态 】🔥 1⃣OpenAI DevDay 2026 ⏰️时间：9月29日 🗺️ 地点：美国·旧金山 🏢 形式：线下开发者大会 + Keynote线上直播 💼 适合人群：AI开发者、技术创业者、工程师、产品负责人 ⭐ 亮点：下半年最值得蹲新品的一场。核心关注新模型、API、Agent、开发工具和AI应用开发范式。 🔗 报名链接： 2⃣2026 云栖大会 ⏰️时间：9月22日—24日 🗺️地点：杭州 🏢形式：线下主论坛 + 140+分论坛 + 大型科技展区 💼适合人群：AI开发者、创业者、产品经理、企业技术负责人、投资人 ⭐亮点：重点关注Qwen、Agent、AI Coding、云计算和Physical AI，适合看阿里系AI技术和产业生态的新进展。 🔗报名链接： 二、【AI算力与基础设施 】🔥 1⃣NVIDIA GTC Berlin 2026 ⏰️时间：10月20日—22日 🗺️ 地点：德国·柏林 🏢 形式：线下技术大会 + 黄仁勋Keynote直播 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：重点关注GPU、AI Factory、推理、Agentic AI、机器人、Physical AI。 🔗报名链接： 2⃣HUAWEI CONNECT 2026 华为全联接大会 ⏰️时间：9月17日—19日 🗺️ 地点：上海世博展览馆、世博中心 🏢 形式：线下大会 + 峰会 + 技术论坛 + 展区 💼 适合人群：企业技术负责人、云计算/算力从业者、开发者、政企数字化团队 ⭐ 亮点：重点关注昇腾算力、AI基础设施、Agentic Computing、华为云、企业智能化。 🔗报名链接： 三、【企业AI与云端落地 】 1⃣AWS re:Invent 2026 ⏰️时间：11月30日—12月4日 🗺️ 地点：美国·拉斯维加斯 🏢 形式：大型线下大会 + Keynote直播 + Workshop 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：全球云计算领域最重要的大会之一，AI已经成为核心板块。重点关注Bedrock、Agent、SageMaker、AI推理、Trainium以及企业AI基础设施。更适合看“大模型怎么真正被企业部署”。 🔗报名链接： 2⃣Microsoft Ignite 2026 ⏰️时间：11月17日—20日 🗺️ 地点：美国·旧金山 🏢 形式：线下技术大会 + Keynote + Hands-on Lab ⭐ 亮点：重点看Copilot、Azure AI、Agent和Microsoft 365，是观察微软企业AI生态的核心大会。 🔗报名链接： 四、【AI创业与融资 】🔥 1⃣TechCrunch Disrupt 2026 ⏰️时间：10月13日—15日 🗺️ 地点：美国·旧金山 🏢 形式：创业大会 + Startup Battlefield + AI专题舞台 💼 适合人群：AI创业者、Founder、VC、BD、产品团队 ⭐ 亮点：融资和创业资源密度很高，适合看硅谷AI创业趋势、找项目和对接投资机构。 🔗报名链接： 2⃣Web Summit Lisbon 2026 ⏰️时间：11月9日—12日 🗺️ 地点：葡萄牙·里斯本 🏢 形式：超大型科技大会 + AI Summit + 创业展区 💼 适合人群：AI创业者、VC、产品团队、增长和BD团队 ⭐ 亮点：重点不是“最前沿模型”，而是AI创业、融资、AI产品、SaaS和全球创业生态。适合找项目、找投资趋势以及观察AI创业公司到底在做什么。 🔗报名链接： 五、【具身智能与前沿研究 】🔥 1⃣AGIC 2026 深圳国际通用人工智能产业博览会 ⏰️时间：8月26日—28日 ⭐ 地点：深圳国际会展中心（宝安） 🏢 形式：线下展览 + 论坛 + 新品发布 + 机器人体验 💼 适合人群：AI创业者、机器人/具身智能团队、AI硬件公司、投资机构 ⭐ 亮点：重点覆盖具身智能、人形机器人、大模型、AI Agent、国产算力、脑机接口和AI硬件。相比纯论坛，它最大的优势是现场实物和Demo多，很适合拍视频、找机器人和AI硬件选题。 🔗报名链接： 2⃣NeurIPS 2026 ⏰️时间：12月6日—12日 🗺️ 地点：澳大利亚·悉尼，另有巴黎、亚特兰大Satellite 🏢 形式：学术主会 + Workshop + Poster + Satellite会议 💼 适合人群：AI研究员、博士生、实验室、基础模型团队、技术投资人 ⭐ 亮点：全球AI研究风向标之一，适合看推理、多模态、Agent、World Model、机器人等下一阶段前沿方向。 🔗报名链接：

前段时间，美国风投机构Dimension Capital的几个合伙人来中国深度拜访了一圈AI公司，用于修正自己的投资判断，他们回去后发给出资人的内部信传得挺广的，全文翻译如下： 跨太平洋的AI棋局 1、稀缺催生进化 美国的出口管制本意是为了拖慢中国的AI发展，但结果却意想不到的制造出了一种进化压力，导致中国的AI实验室拥有了世界独有的竞争围栏。 因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek在刻意削弱性能的H800上训练模型，并绕过CUDA在更下面的PTX上编程，甚至要把每张GPU里的一部分流式多处理器专门分配给跨节点通信。 我们认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。 美国的AI公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。 最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。 2、中国开源模型完成了过去20年中国SaaS都没能做到的事情——进入西方生产环境 不到18个月，中国模型在OpenRouter上的Token消耗份额从不足2%飙升到了45%，Qwen成为Hugging Face上面最快突破10亿次下载的模型家族，大约80%的美国AI初创公司，已经在内部部署了至少一款来自中国的开源模型。 开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在「供应商」让你放进黑名单。 但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。 因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供Token的云厂商。 所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。 这不是说中国AI公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。 3、中国前沿模型的内部竞争，比西方预计的更加激烈 我们的判断是，目前中国模型的第一梯队包括DeepSeek、Qwen、Kimi、Doubao和GLM，它们之间的差距非常小，洗牌也相当频繁。 五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。 我们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。 4、今天，AI要从太平洋两岸来回跑两趟，才能最终落地到客户那里 现在的循环大致上是这样的： 美国的前沿实验室训练出SOTA级的模型； 中国的前沿实验室对这些模型进行蒸馏，然后开源； 美国的AI服务商再基于中国的开源模型进行微调，做成产品卖给美国企业…… Cursor所谓「自主研发」的Composer 2，被发现是用Kimi K2.5改的，Cognition的SWE-1.5看起来也像一个定制版GLM。 就在我们坐在从上海去北京的高铁上时，Harvey发布了自己的专有模型Harvey Tenet——它是对Kimi K3进行了后训练所得到的产物。 如果是一年前，这些公司大概率会选择Llama，或者Mistral。 如今，美国垂直AI行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。 5、数据层似乎也在发生类似的事情 Mercor、AfterQuery、Turing这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。 同时，我们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。 比如UniPat。 这家公司成立于2025 年12月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。 UniPat发布的 基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于Rubric的监督方法训练一个小模型，也取得了很好的效果。 这种思路还是在用更高质量的监督替代更多算力，与我们在第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。 我们在北京和上海见到了好几家这样的公司，绝大多数成立不到24个月，其中少数几家的收入已经很快的突破了1亿美金。 6、美国和中国面临的难题完全不同，而且恰好相反 2024年，中国新增的电力供给是429GW，美国大概是51GW。 根据预估，一直到2030年，中国每年新增的电力供给，都将在400GW以上。 美国的情况是，目前光是数据中心的扩建项目，就有241GW的电力缺口，因为电网接入的积压，需要排队等上5年时间。 中国真正的瓶颈，正如我们提到过的，是算力资源不足。 最直接的例子就是月之暗面：Kimi K3发布后不到两天，就因为推理能力不足而暂停了新用户注册。 所以： 美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。 我们可以确信的是，中期AI局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。 7、中美两国的AI产值差太远了 Anthropic在7月的年化收入超过了650亿美金，OpenAI的同期数字在400亿美金左右。 相比之下，中国收入最高的模型是字节跳动的Seedance，年化收入大概在20-30亿美金之间。 中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如DeepSeek正在接近5亿美金的水位。 消费端也有同样的困扰，豆包的月活用户已经达到3.45亿了，超过Qwen和DeepSeek之和，但每天产生的收入仍然不到100万人民币，而且基本全部都来自购物佣金。 中国的消费者不愿意为软件付费这个死结，我们也不知道该如何解开。 当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。 那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够AGI而回避它。 8、硬件和半导体在脱钩，软件和数据在融合 两个国家的政策反应速度已经跟不上了： 美国的产品跑在中国的模型上； 中国的实验室在新马泰租用英伟达的GPU训练模型； 专家标注的数据则在两个方向上互相流动； 所以我们觉得「到底哪边在赢」是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。 除非RSI（递归自我改进）的实现能从根本上改变整个系统结构。 9、中国的一些顶尖研究员相信他们已经拥有弱形式的RSI了 在此语境下的RSI，仍然受到算力限制。 更准确的说，这些系统如同RSI的早期雏形： 研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。 打比方来讲，这一阶段的RSI，最接近1990年到2010年之间流行的「半人马国际象棋」： 机器加人类的组合，比单独的人类或单独的机器都更强。 10、接下来会有一个至关重要的分叉 假设RSI会随着算力规模的增长而进化，那么美国所处的位置就相当有利了。 目前，美国那两家顶级实验室各自运行有大约2GW的算力基础设施，同时每家已经锁单超过5GW，计划到2030年达到约30GW的水平。 理论上，这些公司拥有巨额收入和资本市场的全力支持，可以大力出奇迹的推动RSI，而中国根本没有足够的芯片追赶。 但另一种情况是： 如果真正的瓶颈并不在于算力，而是质量； 或者，这条技术线所需要的时间足够长，长到足以让中国的优化能力和替代芯片发展到可用水平； 那么过去18个月已经出现的趋势可能不仅会继续，还会加速： 美国前沿模型能力进一步商品化； 中国开源模型变得越来越无处不在； 美国垂直AI公司则获得新的机会——在外国开放权重模型上做微调和应用； 与此同时，大量新增的调用量和利润，会流向负责提供推理服务的公司，目前来看，主要就是超大规模云厂商和新型算力公司。 当然，这一判断建立在电力基础设施按中性预测发展的前提之上。 11、还有一种未来的可能性是，美国的前沿实验室不再对外提供最新版本模型的API了 现实是，目前这一代模型的能力，已经可以满足绝大多数商业需求了。 未来顶尖的高端模型，可能不会再按调用量定价，而是像交付SaaS系统那样，按结果定价。 这样做还有另一个效果：限制中国实验室的蒸馏行为。 美国公司的代价是要放弃不断增长的API调用收入，作为回报，它们可以切断太平洋对面的竞争威胁。 或者至少，这会迫使中国进行昂贵的预训练，从而进一步挤压中国已经存在的算力资源。 12、监管政策砍不断跨太平洋的暗通款曲 到了今天，如果还认为可以简单切断这种联系，实在是过于天真了。 中美两国的技术人员正在通过各种媒介「对话」： 模型蒸馏、开放权重、数据标注、推理服务，以及越来越多的软件执行框架和智能体基础设施。 眼下正在讨论的一些粗暴限制措施——实体清单、托管禁令、采购禁令——几乎肯定会抑制美国自身的创新，并让美国在这些领域失去领导地位。 而空出来的位置，必然会迎来快速跟进的中国竞争者。 13、西方一直在讨论的估值泡沫，在中国市场明显更加突出 中国AI公司的收入规模更低，却享有更高的估值倍数，这是资本市场的一大奇观。 月之暗面的估值是年化收入的115倍，智谱、MiniMax在上市之初也都是100倍，相比之下，Anthropic只有20倍。 我们的判断是，这可能源于中国的资本市场仍不够成熟。 过去二十年，这个市场更习惯于给消费软件公司定价，而现在才刚刚开始建立一套能够理解企业软件和开源商业模式的成熟估值框架。 对于合适的投资机构来说，中国内地和香港存在着相当大的机会，能够找到新兴行业的领先标的。

日本这次彻底破防了！他们 捂了整整半个世纪、连美国 盟友都不肯松口的半导体核 心绝密，居然被中国用 AI 这 个 “降维打击” 的武器给掀了 个底朝天。 就在 5 月 11 日，上海人工智 能实验室联合国内多所顶尖 高校，突然抛出一个炸翻全 球半导体圈的重磅消息。 依托国产 “书生” 大模型，我 们实现了，KrF 光刻胶树脂 的完全自主创制，而且各项 核心指标均达到国际顶尖水 平。 这事儿有多狠。 这么说吧，光刻胶就像是芯 片制造里的 "特种油墨"，没 有它，再先进的光刻机也只 能当摆设。 而 KrF 光刻胶又是目前全球 用量最大、应用最广的中端 光刻胶，从 28 纳米到 90 纳 米的芯片都离不开它，咱们 平时用的手机、电脑、汽车 里的绝大多数芯片，都是用 这种光刻胶做出来的。 过去半个世纪，这块市场几 乎被日本企业牢牢攥在手 里。 JSR、东京应化、信越化 学、富士胶片这四家日本公 司，加起来拿走了全球 KrF 光刻胶 80% 以上的市场份 额。 更气人的是，他们卖的不是 产品，是 "黑箱"。你花钱买 他们的光刻胶，只能拿到一 瓶液体，至于里面到底是什 么成分、怎么合成的、反应 条件是什么，人家一个字都 不会告诉你。 这就好比你去饭店吃饭，菜 做得特别好吃，但老板死活 不告诉你配方，还说 "你爱吃 不吃，反正全世界就我会 做"。 更过分的是，他们还会根据 你的身份定价，卖给中国企 业的价格往往比卖给其他国 家的贵好几倍。而且一旦国 际形势有个风吹草动，人家 随时可以断供，让你整个芯 片产业都停摆。 以前咱们也不是没想过自己 搞，但实在是太难了。 光刻胶这东西，差一点都不 行。金属杂质含量要控制在 十亿分之一以下，相当于在 一个标准游泳池里不能有超 过一滴水的杂质。分子量分 布稍微有点波动，做出来的 芯片就全是废品。 传统的研发模式就是 "经验试 错"，科研人员要在几千种单 体配比、几百种聚合体系和 无数个反应条件里一个一个 试，一轮实验下来就是好几 个月，有时候辛辛苦苦干了 好几年，可能连门都没摸 着。 日本人就是靠着这种 "笨办 法"，花了三四十年时间，一 点点积累经验，才筑起了这 道技术高墙。 他们以为只要把这个 "黑箱" 捂得严严实实，咱们就永远 也追不上。可他们万万没想 到，咱们根本没走他们的老 路，而是直接开了一条新赛 道 —— 用 AI 来搞科研。 这次上海 AI 实验室搞出来的 这套 "AI 决策 + 自动化合成" 闭环体系，简直就是降维打 击。 以前需要科研人员熬夜做实 验、记数据、分析结果，现 在全交给 AI 和机器了。"书 生" 科学大模型就像是一个超 级大脑，它能在几秒钟内模 拟出几百万种可能的分子结 构和合成路径，精准找到最 有潜力的那几个。 然后自动化合成平台就按照 AI 给出的方案，在全密封的 环境里精准完成所有实验步 骤，从根本上杜绝了人工操 作带来的污染和误差。 结果怎么样呢？咱们不仅成 功合成出了 KrF 光刻胶树 脂，而且关键指标一点都不 比日本的差。 金属杂质含量稳定控制在 10ppb 以下，PDI 指标稳定 在 1.3 以下，这两个都是日 本企业长期把持的核心技术 指标。 更重要的是，研发周期从原 来的几个月缩短到了几天， 成本也降了一大截。 这就相当于日本人花了半个 世纪、用无数次失败堆出来 的 "经验宝库"，被咱们的 AI 用几天时间就给 "抄" 明白 了。 而且 AI 还能不断学习、不断 优化，越用越聪明。 以后再研发更先进的 ArF 光 刻胶甚至 EUV 光刻胶，咱们 也不用再从零开始一点点试 错了，直接让 AI 帮咱们找最 优解就行。 现在厦门恒坤新材已经基于 这套体系完成了树脂适配， 关键性能指标都达到了预 期，接下来就要进入客户端 验证阶段了。 用不了多久，咱们自己生产 的 KrF 光刻胶就能大规模上 市，到时候日本企业再想靠 "黑箱" 垄断市场、漫天要 价，可就没那么容易了。 其实这事儿最有意思的地方 在于，它证明了一个道理： 在 AI 时代，很多传统的技术 壁垒可能会变得不堪一击。 以前那些需要几十年经验积 累才能掌握的 "手艺活"，现 在可能被 AI 在很短的时间内 就破解了。日本人捂了半个 世纪的 "绝密配方"，被咱们 用 AI 几个月就搞定了，这就 是最好的例子。 当然，咱们也不能太骄傲, 这次突破的是 KrF 光刻胶树 脂，更先进的 ArF 和 EUV 光 刻胶还有很长的路要走。但 至少咱们已经找到了正确的 方向，而且走在了世界前 列。 相信用不了多久，咱们就能 在更多的 "卡脖子" 领域实现 突破，让那些曾经看不起我 们的人刮目相看。

习近平主席亲自出席上海人工智能大会。 并于 29 个国家一起签署了《成立世界人工智能合作组织协定》 中国领先美国先一步，制定人工智能合作标准，接下来看川普怎么出牌了？👀

上海世界人工智能大会上，多家中国人形机器人公司集中秀产品：机器人跳舞、叠衣服、做三明治。中国正把机器人当成新一轮科技实力橱窗。 展台动作再花哨，也不能直接算成量产能力和真实应用。中国党国那套科技民族主义，向来喜欢先把演示包装成国家叙事。