行业背景与市场前景 - 呼吸道合胞病毒（RSV）是引起婴幼儿和老年人急性下呼吸道感染的常见病原体 可导致肺炎和支气管炎等严重疾病 国内每年约有350万5岁以下儿童感染RSV 老年患者住院率仅次于流感[4][5] - 全球RSV疫苗市场规模预计从2020年18亿美元增长至2030年128亿美元 年复合增长率超过20% 2023-2024年度全球销售额约40亿美元[4][5] - 国内RSV疫苗市场尚未有产品获批上市 处于空白期 是待开拓的蓝海市场[2][4] 技术路线与产品布局 - 全球已上市三款RSV疫苗：GSK的Arexvy（重组蛋白疫苗）、辉瑞的Abrysvo（重组蛋白疫苗）和Moderna的mRESVIA（mRNA疫苗） 主要针对老年人和孕妇群体[4] - mRNA技术平台具有研发周期短和易于快速迭代的优势 无需体外蛋白表达和纯化步骤[4] - 国内20余家企业获得RSV疫苗临床批件 包括重组蛋白和mRNA两种主要技术路线[5] 竞争格局与研发进展 - 艾棣维欣ADV110（重组蛋白疫苗）2024年8月完成Ⅱ期临床试验 为国内研发进度最快[6] - 迈科康生物MKK900（重组蛋白疫苗）2024年1月完成Ⅱ期临床试验入组 为首款进入国内Ⅱ期的国产RSV疫苗[6] - 阿法纳生物AFN0205（mRNA疫苗）是国内首个进入Ⅱ期的非新冠mRNA药物/疫苗[6] - 沃森生物RSV mRNA疫苗于8月3日获临床试验申请受理 目前处于临床前阶段[2][6] 公司战略与技术平台 - 沃森生物与复旦大学 上海蓝鹊生物联合研发RSV mRNA疫苗 复用mRNA技术平台开拓增量市场[2][7] - 公司建成年产2亿剂模块化mRNA生产线 跑通LNP国产化供应链 减少对海外原料依赖[10] - mRNA技术平台已覆盖RSV 带状疱疹等传染病及个性化肿瘤疫苗方向 均处于早期阶段[11] 研发挑战与历史经验 - 新药研发具有长周期 高投入和高风险特性 Moderna的RESVIA研发周期达5年 投入或超10亿美元[6] - 公司曾因LNP递送系统工业化放大后包封率骤降 导致新冠mRNA疫苗保护率下降至50%（野生株）和30%以下（Delta株）[7] - 2024年终止与艾博生物的新冠病毒mRNA疫苗合作 但通过组织架构调整设立mRNA疫苗BU[8]

行业趋势 - 全球AI行业正从技术探索转向价值深耕阶段 焦点从技术突破转向实际应用[2] - 当前大模型产品同质化严重 市场趋近饱和[2] - 通用大模型市场格局已近收敛 但行业应用正迎来爆发 新技术突破仍可能带来变量[2] 公司战略 - 无限光年2025年实施双领域布局：横向以启智平台形成可复用AI基础设施 纵向深耕金融与科学智能两大核心领域[3] - 公司提出"灰盒大模型"理念 融合大语言模型概率预测与符号推理逻辑推理 破解AI幻觉问题[2] - 构建"双引擎技术体系" 将神经符号计算与大模型有机融合 形成精准计算-可控推理-透明决策闭环[9] 金融领域应用 - 指数动态定制方案将成分股覆盖从600只拓展至2600只 调仓周期从季度压缩至分钟级实时响应[4] - AI投研助手5分钟内完成单份财报全维度分析 效率较人工提升超90% 覆盖A股5364家上市公司且财务指标计算零误差[10] - 智能信贷分析整合多源信息实现自动化风控 提升中小银行普惠金融服务质效[10] - 金融专业培训通过智能化体系大幅提高员工知识掌握率[4] 科学智能应用 - 联合推出星河启智科学智能开放平台 聚焦科研者核心诉求[5] - 专为平台打造启智Lab算力服务平台 采用智能容错 动态部署 GPU/CPU融合技术[5] - 创新CPU/GPU融合调度 将分子生成研究流程从8小时压缩至1分钟 效率提升99.7%[6] - 平台已完成昇腾 沐曦等国产化芯片适配[7] 可信AI技术 - 透明化推理机制使AI决策过程清晰可见 增强用户信任[8] - 强化学系框架INF-Aspire支持双引擎高效调度 确保系统稳定运行[9] - 智能体应用在科学智能领域自动分解科研任务 在金融场景通过多智能体分工协作实现合规可控决策流程[12] 发展理念 - AI竞争不是算力或参数比拼 而是价值创造能力较量[12] - 技术需完成从能用到敢用再到好用的三重跨越[5] - 关键看能否解决真实场景问题 而非概念包装[12]

AI行业发展趋势 - AI竞争从技术层面转向落地应用层面 2024年成为从"效率工具"向"认知伙伴"跃迁的拐点之年 [2] - 企业核心竞争力将取决于定制化AI应用和可量化的业务成果 AI试验阶段已经结束 [2] 企业流程变革需求 - 61%企业因流程僵化牺牲业务敏捷性 系统间数据孤岛使决策滞后3-5天 [3] - 传统线性流程无法快速响应全球竞争加剧、消费者需求个性化、技术迭代周期缩短等挑战 [3] - 企业需要全新自动化高效流程管理 通过打通内部数据流实现数据赋能业务 [3] AI与流程融合价值 - 2025年全球企业AI采用率将突破60% 生成式AI推动流程重构从"单点提效"迈向"系统再造" [5] - AI将在未来两年内自动化30%的业务流程 [5] - 同步重构工作流的企业EBIT提升幅度比仅部署AI工具的企业高出42% [5] - 73%高级管理者将AI部署于流程自动化任务 任务执行速度提升40%-60% [5] AI重构流程的三种作用 - 从经验驱动转变为数据驱动：零售企业通过AI分析用户浏览路径使线上购物车转化率提升30% [7] - 从固定规则转变为智能决策：银行用大模型将中小企业贷款审批时效从3天压缩至1小时 [7] - 从局部优化转变为全局重构：特斯拉通过AI算法将Model Y生产周期缩短40% [8] 流程对AI的反哺作用 - 流程变化推动AI技术升级与创新 如开发智能能耗管理模型和质量预测模型 [9] - 企业流程为AI提供训练数据源 如供应链环节产生的结构化和非结构化数据 [9] - 流程标准化需求推动AI技术标准化进程 如金融风控领域的模型开发标准 [10] AI for Process实施阶段 - 分为L1到L5五个演进阶段：从辅助工具(L1)到自主进阶(L5)的渐进过程 [11] - 目前大多数企业处于L1-L2状态 能突破L3的非常少 [12] - 实施采用Twin-Drive双驱动模型：自顶向下战略驱动和自底向上业务痛点驱动 [12] - 95%以上企业采用自底向上模式推进AI场景部署 [13] 未来发展预测 - 三年后AI以辅助为主 渗透率10%-20% [13] - 五年后人类指挥多个AI协作 渗透率30%-50% [13] - 十年后人类监督AI自动运行 渗透率可能达到50%-80% [13]

金融推理大模型Agentar-Fin-R1发布 - 蚂蚁数科在2025世界人工智能大会(WAIC)上发布金融推理大模型Agentar-Fin-R1，提供32B和8B两个版本[3] - 该模型基于Qwen3研发，在FinEval1.0、FinanceIQ等评测基准上超越同尺寸开源通用大模型及金融大模型[3] - 模型通过构建全面的金融任务数据体系及训练算法创新，显著提升金融推理能力及可信性[5] 金融大模型的行业需求 - 金融行业需要高度专业的金融知识、复杂业务逻辑推理能力及严格的金融级安全合规要求[3] - 2024年中国金融行业生成式AI平台及应用解决方案市场规模约9.14亿元，占整体AI市场的14%[3] - IDC预计到2027年该市场规模将达35.09亿元，较2024年增长384%[10] 技术特点与创新 - 构建6大类66小类金融场景分类体系，覆盖银行、证券、保险等全场景，基于千亿级金融专业数据语料[5] - 采用加权训练算法和动态资源分配，提高训练效率并减少二次微调需求[5] - 配套评测工具持续优化，确保知识、能力和合规性紧跟行业变化[6] 行业应用与案例 - 联合工商银行、宁波银行等机构推出Finova评测基准，考察智能体能力、复杂推理及安全合规[8] - 已推出100+金融场景智能体解决方案，覆盖银行、证券、保险等领域[11] - 案例显示某银行AI手机银行月活增长25%，大地保险模型部署效率提升80%[11] 行业发展趋势 - 生成式AI在金融行业正从"局部工具"向"企业级平台能力"升级[10] - 91%的金融行业生成式AI采用本地化部署方式[4] - 金融机构在合同审核、智能客服等场景仍会采用MaaS模式接入大模型[4] 公司战略与优势 - 蚂蚁数科聚焦金融与新能源两大行业场景，加速布局企业级大模型服务[11] - 优势来自蚂蚁集团底层技术能力和长期积累的金融know-how能力[10] - 已服务100%国有银行和股份制银行，超60%地方性商业银行[11]

产品策略调整 - 理想汽车发布i8六座智能豪华SUV一周后即调整版型配置 取消Pro、Max、Ultra分级 统一命名为"理想i8" [2] - 原Max版作为新标准配置 售价从34.98万元降至33.98万元 降幅达1万元 [2] - 后舱娱乐屏套装作为唯一选装配置 需加价1万元 其他核心配置如双腔魔毯空气悬挂/双电机智能四驱/冷暖冰箱均改为标配 [3] 用户选择偏好 - Pro版本销量占比不足2% 超过98%用户选择Max或Ultra版本 [3] - 实际成交均价集中在33.98-36.98万元区间 远超32.18万元起售价 [3] - 用户更倾向"一步到位"的完整配置 尤其看重VLA智能驾驶平台/双腔空悬/大屏座舱等高端功能 [5] 配置差异分析 - Pro版采用地平线征程芯片的AD Pro系统 无法支持VLA司机大模型 在30万元以上价位缺乏竞争力 [4] - 调整后免费赠送价值1万元铂金音响 变相提升配置性价比 [3] - 智能化软硬件融合能力成为消费者购买决策关键因素 [8] 战略转型背景 - 回归"一个车型一个版本"极简策略 早期该策略曾使理想被誉为最像苹果的汽车品牌 [6] - 新能源车市场进入高压淘汰赛阶段 价格战与配置战持续升级 [6] - 多版本策略导致选择成本与品牌认知分裂 未能有效扩大用户覆盖 [6] 运营体系优化 - SKU精简有助于缓解产线压力与供应链不稳定问题 [8] - 避免内部版本间价格竞争 防止整体利润率被拉低 [8] - 公司为已下单用户提供原价退订/差价退还方案 维护品牌诚信与用户关系 [2][7] 行业趋势映射 - 智能电动车市场呈现高阶化趋势 低配版本市场吸引力持续减弱 [8] - 消费者拒绝为"阉割功能"买单 对核心配置完整性要求显著提升 [8] - 产品策略需聚焦"集中火力"原则 确保单品竞争力最大化 [7]

AI Agent行业现状 - 2025年被普遍认为是"Agent元年"，To C和To B类型Agent成为行业焦点，To B类型Agent更贴近商业需求和真实场景 [2] - 行业呈现两极分化：一方面Agent应用繁荣，另一方面许多企业仍面临算力成本高、数据孤岛、场景价值模糊等落地难题 [2] - 2024年智能体构建平台中标项目570个，公开金额项目372个，总金额23.52亿元；2025年上半年中标项目已达371个，是去年同期3.5倍，接近去年全年三分之二 [3] - 火山引擎自2024年下半年起连续夺得中标数量第一，2025年上半年同时获得中标金额与数量双项第一 [3] 技术发展与商业路径 - 大模型产业从基础设施层向应用层延伸是必然趋势，应用层被视为更快拥抱新技术的路径 [4] - 企业更愿意为看得见的价值付费，自上而下的业务驱动模式更受青睐 [5] - 大模型商业模式演进：从卖算力(卡时)→按token收费→按使用量/订阅制→最终将按效果和价值收费 [6] - 智能体爆发需要达到技术临界点(大模型能力)、商业生态完善(工具使用协议等) [6] - 模型与智能体开发平台相辅相成，共同决定应用上限 [6] 企业落地实践 - 企业高层普遍高估AI Agent，一线人员容易低估，且多数企业将AI Agent视为传统软件工程，忽视其持续学习调优特性 [8] - 企业发挥新技术价值需要付出与技术服务商相当的精力，大模型生态分工尚未明确 [9] - 火山引擎HiAgent定位为"一站式智能体工作台"，提供数字员工全生命周期管理，实现从模型到应用全链路打通 [11] - HiAgent 2.0升级体现在"上下左右"迭代：向上提供行业模板库(0.8到1)，向下模应一体融入模型工具链，向左统一智能体入口，向右实现开发运营一体化 [15][16] 行业应用前景 - IDC预计2025年生成式AI优先落地办公助手等生产力场景，其次是金融、能源、零售、制造等垂直行业 [7] - 企业AI化路径：先迭代软件/硬件工具→业务流程变革→商业模式和组织形态变化 [7] - 没有通用智能体，智能体高度依赖场景，面临模型能力边界探索、工程实践缺乏等挑战 [7] - 未来软件应用将呈现Agent与传统模式长期共存的状态 [18] - 企业级Agent在垂直领域纵深远超消费级应用，并发能力等成为关键指标 [18] 基础设施与生态 - 大模型早期发展需要端到端把控，从芯片到云基础设施到大模型本身都不能有短板 [10] - Agent更依赖全栈基础设施，火山引擎注重模型效果和推理性价比投入 [20] - Agent天然具有用户黏性，源于数据沉淀形成的长期记忆和知识库 [21] - 相比传统云计算，Agent可能增加云厂商价值厚度，因其对基础设施的强依赖性 [20][21]

收购事件概述 - 京东拟以22亿欧元（约185亿人民币）全资收购欧洲消费电子龙头Ceconomy 旗下电器零售品牌MediaMarkt和Saturn 创下中国电商出海欧洲最高投资金额纪录 [1] - 收购达成后 京东海外将获得遍布欧洲多个国家约1000家实体门店网络 具备建立"线下门店+供应链"差异化优势 [1] 国际业务战略布局 - 2025年京东国际业务加速推进：4月英国重启Joybuy 6月京东物流JoyExpress沙特起网 7月初全球售推出半托管业务覆盖9个海外国家华人市场 [2] - 战略方向转向"重资产投入做本地化" 放弃传统跨境电商模式 印证刘强东"再造一个京东"构想 [2] - 国际业务历史上面临战略摇摆：业务方向在2B与2C之间切换 重点市场从俄罗斯、东南亚转向欧美 过去11年更换多任负责人且无任期超2年 [3][4][9][11] 历史业务发展历程 - 出海始于2014年 首站俄罗斯采用B2B分销模式与Ulmart合作 因卢布崩盘及速卖通占35%市场份额而受阻 [3][4] - 2016年转向B2C模式 重点布局东南亚：印尼站JD ID 合资泰国JD Central 投资越南Tiki和印尼Tokopedia [4][5] - 2017年推出"京东售全球"B2C业务 但物流时效长达7-15天 用户体验不佳 [5] - 2020年业务重心转向欧洲 整合跨境、物流和本地站体系 推进物流"全球织网计划" [9] - 2021年转型B2B模式 上线"京东全球贸" 与Shopify合作 截至2022年底京东物流拥有近90个海外仓 管理面积90万平方米 [10] - 2023年因竞争压力停止印尼、泰国业务 换帅后聚焦并购与成本控制 [11] 行业竞争格局对比 - 阿里巴巴2020年国际商业收入339 17亿元人民币（47 9亿美元） 年度活跃消费者超1 8亿 通过速卖通、菜鸟、蚂蚁联动实现5-7天物流时效 [6][7] - SHEIN 2020年净销售收入近100亿美元（2016年仅6亿美元） 凭借"小单快返"供应链和跨境空运极速时效崛起 [6][7] - TEMU 2022年9月上线美国后成为第二大电商平台 累计下载量突破3 4亿次 独立访客达4 67亿 [11] - TikTok Shop 2023年东南亚GMV达163亿美元 凭借社交电商抢占市场 [11] 物流能力建设 - 京东物流截至2025年3月拥有超120个海外仓 总管理面积超100万平方米 正构建海外仓配"2-3日达"时效 [14] - 收购Ceconomy的1000家门店可转化为"小型前置仓" 有望实现欧洲当地"次日达" [14] - 欧洲尾程配送依赖本地合作（如英国Evri） 2025年6月在沙特推出自营品牌JoyExpress探索自建可能性 [15] 品牌与流量挑战 - 海外品牌影响力薄弱：Joybuy英国重启后Google Play下载量超100次 Ochama下载量仅50万次 [15] - 英国电商市场格局：亚马逊、eBay、TEMU、Argos、Esty位居前五 速卖通总流量排名第五 [16] - 2023年TEMU通过超级碗广告（2个30秒位花费1400万美元）引爆品牌声量 [16] 产品差异化策略 - 计划与1000个中国品牌签约 通过5年时间协助合规认证进入海外市场 形成与亚马逊、TEMU的差异化竞争 [17] - 全球售"半托管"业务覆盖9国 京东负责营销 商家负责履约售后 要求商家持有海外公司主体及海外仓库存 [18] - 但半托管模式已被TEMU、SHEIN、TikTok Shop、速卖通等平台广泛采用 招商竞争激烈 [18] 战略实施挑战 - 需同时攻克物流时效、品牌知名度、产品差异性三场战争 且国内正与美团、阿里进行即时零售竞争 [18] - 跨国并购存在不确定性：2023年与Ceconomy谈判未果 收购英国Currys折戟 [19] - 重资产模式对资金实力要求极高 短期难转化收入 [10][18]

融资情况 - 帕西尼感知科技完成新一轮A轮融资 由京东战略领投 浦耀信晔 宏兆基金 张科垚坤 新国都 北京昌平先进能源制造产业直投基金 财鑫资本 复琢投资跟投 老股东湖南财信产业基金 钧犀资本 TCL创投 毅达资本加码 [2] - 公司在4个月内完成10亿元人民币融资 刷新全球相关领域融资规模与速度 [3] - 累计完成六轮数亿元融资 历史投资方包括比亚迪 北汽 上汽 新奥集团 TCL 商汤 新国都 奇绩创坛 招银国际等产业及财务机构 [6][7] 京东投资布局 - 近三个月投资第六家具身智能企业 包括智元机器人 千寻智能 逐际动力 众擎机器人 RoboScience等 [3] - 投资覆盖具身智能全产业链 包括机器人本体 核心零部件 运动控制技术 具身模型 交互大模型等领域 [3] - 京东发布附身智能品牌JoyInside 为机器人提供端到端对话解决方案 已有数十家品牌接入包括Fuzozo芙崽 火火兔 噜咔博士 元萝卜 心大陆 众擎 云深处等 [8] 公司技术优势 - 发布全球首款搭载HAPTA异构多核阵列软硬件架构的ITPU多维触觉处理单元 [4] - 开发基于触觉与视觉多模态感知模型的人形机器人TORA-ONE和触巧手DexH系列 [4] - 构建年产近2亿条数据的全模态具身智能数据集及OmniVTLA具身智能模型 [5] - 多维度大阵列触觉反馈系统为国内首创 填补市场空白 [5] 产品体系 - 产品包括多维触觉人形机器人TORA-ONE 多维灵巧手DexH13和DexH5 ITPU多维触觉传感器PX-6AX和PX-3AX [4] - 客户覆盖智能制造 康养医疗 工业生产 消费电子等领域 [5] 团队背景 - 创始成员来自日本早稻田大学机器人实验室 [3] - CEO许晋诚博士拥有8年人形机器人及高精度触觉传感器研发经历 [3] - CTO张恒第博士来自法国国家科学研究中心 专精力学感知与算法 [3] - COO聂相如毕业于美国伊利诺伊大学香槟分校 具科技行业运营经验 [3] 行业认知与发展 - 触觉感知研究处于早期阶段 2021年触觉分子机制获诺贝尔奖 [5] - 具身智能机器人需解决灵巧手控制 大模型结合 物体精准定位等技术难题 [9] - 发展路径将从陪伴功能向知识工具演进 最终成为可执行物理任务的平台型产品 [9] - 京东认为具身智能应符合"大脑 小脑加I/O接口"的广义概念 投资将提升用户体验并反哺服务生态 [10]

公司业务与定位 - PPIO是一家独立分布式云计算服务商 专注于边缘云计算和AI云计算服务 在中国独立边缘云计算服务商中排名第一 市场份额为4.1% [4][14] - 公司运营中国最大的算力网络 按计算节点数计 在中国边缘云计算服务提供商中排名第七 [4] - PPIO在IaaS PaaS MaaS三层都具备相应技术能力 为国内外领先科技公司提供服务 包括中国前十大互联网公司的大部分 [14] - 公司正式发布国内首个Agentic AI基础设施服务平台 包括兼容E2B接口的Agent沙箱和模型服务 支持百款主流开源与定制AI模型的快速接入 [5] 技术优势与创新 - 对DeepSeek-R1模型进行优化 采用PD分离等创新分布式计算技术 使吞吐量提高10倍以上 理论运营成本降低高达90% [4] - 通过算子融合 低精度量化及投机采样等技术 将模型输出效率提高7倍以上 理论运营成本降低85.7% [4] - 具备很强的调度能力 融合能力 模型优化 底层算子等技术能力 能提升GPU资源利用率 [14] - 研发国内首款兼容E2B接口的Agent沙箱 专为Agent执行任务设计 在云端环境运行 [5] 市场表现与增长 - AI云计算服务增长迅速 日均token消耗量从2024年12月的271亿次增至2025年6月的2000亿次 在中国独立AI云计算服务供应商中位列前两名 [5] - 公司于2025年6月正式向港交所提交上市招股书 启动IPO上市之路 [5] 行业观点与趋势 - AI Infra基础设施领域是非常低毛利 海量规模 长周期的市场 类比水电气煤等公共基础设施 [6][17] - 未来AI算力需求将从训练转向推理 从中心化架构转向分布式架构 推理计算卡将百花齐放 [7][18] - 推理算力占比将达到95% 训练只占5% 大量数据中心需要分布式以及海量的推理优化 [22] - 开源模型对于AI行业发展更有利 能让AI Infra公司有更多发展机遇 [6][10] 算力架构发展 - 中国AI算力底层做算力网络 东数西算 在算力调度和整合方面具有优势 类似高铁网和电力调度网 [22] - 美国算力底层在做星际之门 堆20万张卡 但面临散热 能耗 电网冲击等挑战 [22] - 训推一定会分离 训练集群和推理集群将是两个集群 目前训推一体是为了训练削峰填谷 [22] 应用场景拓展 - 边缘云和AI推理云业务将融合 满足云边端不同需求 特别是机器人 自动驾驶等对低时延有要求的场景 [25][26] - 机器人 自动驾驶的实时计算需要毫秒级处理速度 只能使用本地化算力 [24] - 复杂任务如任务拆解 推理 形成代码等需要至少30B参数规模 且Agent会运行在云端 [25] 硬件与软件协同 - 国产算力卡在推理时代迎来发展机会 特别是加了PD分离架构之后 [20] - 硬件软件快速迭代 良性结合推动AI时代加速 端到端垂直整合能力越来越重要 [20] - 多卡融合 多卡兼容解决方案成为普遍趋势 以应对AI芯片卡脖子风险 [21]

岚图与华为合作进展 - 岚图与华为于2024年1月签署战略合作协议 共同打造智能出行体验并加速智能化技术商业化落地 [2] - 合作首款车型岚图梦想家乾崑版搭载华为乾崑智驾ADS 3.0和鸿蒙座舱 累计销量突破10万辆 [2] - 第二款合作车型岚图FREE+上市15分钟锁单量超1.15万辆 大订订单突破2万台 [2] - 东风汽车与华为于2024年5月签署全面深化战略协议 覆盖汽车智能化、企业数字化和生态共建领域 [2] 智能化安全技术突破 - 岚图AEB系统支持130km/h刹停（国家高速限速120km/h） 最大起效车速达150km/h [4] - 新增GAEB功能可识别通用障碍物（如滚落柱子/失控车辆/石块）并触发制动或避让 [4] - 后向RAEB系统支持60km/h刹停 识别行人及儿童闯入场景 [4] - UAP防误踩功能可在误踩油门时切断动力并制动 [4] - 华为乾崑ADS主动安全系统累计避免可能碰撞238万次（截至2025年6月底） [5] WEWA云端驾校技术 - 岚图FREE+搭载乾崑智驾ADS 4 采用WEWA架构（世界事件引擎WE+世界行为模型WA） [6] - WEWA架构决策到制动延时降低50% 通行效率提升20% 冗余率下降30% [7] - WE引擎通过AI生成极端场景训练车辆大模型 每5000公里迭代一次 [7] - WA行为模型具备学习进化能力 从模仿人类到超越人类 [7] - 华为乾崑智驾ADS 4在2024年6月高温雨季避免可能碰撞12.32万次 [7] 行业合作模式与影响 - 岚图与华为形成"技术共同体"关系 共研共担智能化深水区挑战 [2][8] - 合作体现车企用户思维与华为AI技术工程化落地能力的双向赋能 [8] - 智能化发展需车企工程体系与合作方协同效率双重支撑 [9]