文章核心观点 - AI应用的发展趋势正从单一功能工具转向“团队化”和“深度集成”的智能服务体系，竞争核心在于如何巧妙调度多个智能单元并将其深度植入具体专业场景，用户角色正从功能“使用者”转变为智能团队“管理者”[18][20] 026周榜单总介绍 - 模力工场发布第026周AI应用榜，涵盖工作效率、数据分析、教育学习、AI Infra、生活服务等多个垂直领域[4] - 上榜应用包括Wino Studio（工作效率、数据分析、教育学习）、AI Ping（AI Infra类）、ChatGPT（工作效率、软件开发、设计创意）、咔皮记账（生活服务类）等[4] 榜首应用开发者Q&A (Wino Studio) - **开发者背景**：Wino Studio由杭州宇算科技开发，核心团队具有理论物理研究和大数据研发背景，致力于结合学术界与产业界力量打造新一代基础软件[6] - **产品定位**：Wino Studio是一款高性能桌面应用，以Wino文档为核心，将概率性大模型与确定性领域知识结合，服务于科研教育领域的内容创作、数据分析和科学计算三大场景[6] - **技术架构**：采用Rust高性能编程语言，借鉴Jupyter Notebook交互方式，通过引入Chat、Markdown、Command、Schema、SQL、JavaScript、Python等多种计算单元，融合大模型服务与编程技术，并使用自研的Zino开发框架[9] - **行业洞察**：AI应用开发最耗时的是早期的洞察挖掘及测试阶段，Wino Studio致力于提供系统化工具帮助用户进行早期探索及测试[10] - **获客与商业模式**：产品处于早期阶段，主要通过自媒体分享案例进行宣传，产品本身是ToC，但商业模式是ToB或面向超级个体（ToSi），并通过参加创业营寻求商业合作[12] - **未来目标**：未来12个月三大目标包括在金融数据量化分析等具体场景做深做专、借助AI Coding与人工优化实现科学计算基础算法并寻求科学发现突破、扩大产品知名度以触达百万级别潜在用户[13] 本周必试应用 - **AI Ping**：定位为大模型智能选型平台，提供模型性能实时评测与API智能路由服务，平台集成20余家供应商的400+模型服务，通过7x24小时实测输出实时性能排行榜，并通过智能路由为每次API请求自动匹配性能更优、价格更低的供应商[15] 上榜冷门但有趣的应用 - **咔皮记账**：定位为AI原生财务Agent工具，提供AI自动记账、智能预算规划、消费提醒及复盘洞察分析等功能，旨在以AI方式帮助用户管理财务[17] 本周上榜应用趋势解读 - **团队化趋势**：AI应用正从单打独斗转向“组团”解决问题，通过将不同AI能力、行业知识与用户工作流无缝衔接，形成自主运转、深度协作的智能服务体系[18] - **应用案例**： - Wino Studio被比喻为高度自由的“专家工作室”，提供工具和环境让用户将大模型、代码、规则和数据组装起来，定制解决复杂问题的“私人探索团队”[18] - AI Ping被比喻为精明的“调度中心”，通过实时测评和智能分配，自动为每次请求匹配最合适的模型API[18] - 咔皮记账是全自动的“财务管家”，包揽从识别消费凭证到预警预算超支的整个财务管理流程[20] - 绘蛙（电商专用AI设计工具）是专为电商卖家服务的“视觉设计团队”，能自主完成从找模特到出设计图的一系列动作[20] - **个性化与深度集成**：成为新亮点，例如Pi演示文档能学习用户品牌风格自动生成PPT，通义听悟深度嵌入会议流程自动产出纪要，讯飞绘镜能理解脚本并协调文案、画面和配音一键生成视频[20] 模力工场年度计划与资源 - 模力工场推出“2025年度15大分类Top ONE AI应用盘点”，从上架应用中精选十五个垂直领域的“榜单冠军”[2] - 极客邦科技将为在模力工场发布的AI应用提供传播支持，借助旗下品牌资源（如InfoQ、AI前线、极客时间、TGO鲲鹏会等全媒体矩阵）触达千万级技术决策者、开发者及AI用户[22][23] - InfoQ策划《2025年度盘点与趋势洞察》，覆盖大模型、Agent、具身智能、AI Native开发范式、AI工具链及AI+传统行业等方向，旨在以体系化视角解读技术演化逻辑与创新方向[22][24]

文章核心观点 - 2025年科技圈的关键词是AI泡沫（结构性泡沫）、可验证的产品价值和流程型生态，AI泡沫是资本、算力和人才密集化的必经阶段，最终将筛选出能落地的产品，行业主线已转向产品价值落地和构建系统工程生态 [4] - 行业已验证“技术 → 产品 → 商业化”的闭环可复制，但整体仍存在“技术远超产品”的结构性错配，真正能激发普通用户强烈使用动机的C端应用偏少 [4][5] - 2026年唯一的技术赛点是Agent是否能大规模自动化“可验证过程”，其本质是将数学、代码和结构化决策过程工业化，以降低确定性任务的成本，而非追求AGI [11] - 未来两年，决定胜负的关键不是模型的聪明程度，而是谁能最先把“过程”变成资产 [14] 对2025年行业现状的洞察 - **行业关键词与阶段特征**：AI泡沫是必经阶段，作用是将资本、算力和工程人才推到足够密集，以筛选出能落地的产品，产品价值落地已成为下半场主线，技术领先不再构成优势，只有进入真实高频场景、能被持续付费的产品才算成立，AI发展已从“模型竞赛”转向围绕模型、工具、内容与场景的系统工程 [4] - **已验证的成功与现存问题**：公司在多个方向验证了“技术 → 产品 → 商业化”的闭环可复制，例如DramaWave单月流水突破2000万美元，AI音乐与社交产品持续增长，证明AI可成为稳定的生产力工具，但行业整体仍存在“技术远超产品”的结构性错配，真正让普通用户产生强烈使用动机的C端应用偏少 [4][5] - **跑出的公司类型与行业影响**：2025年跑出来的公司并非“讲故事”的公司，而是两类能力成立的公司：第一类是占据高频刚需场景（如AI社交、短剧、音乐）的公司，天然适合模型规模化应用，易于形成留存与付费闭环，关键在于持续使用价值而非生成能力；第二类是成本结构被AI彻底改写的公司，AI将内容或服务的边际成本压缩1–2个数量级，直接改变了行业定价逻辑，实现了商业模型重构而非简单的效率提升，行业影响在于AI已实质性重构内容生产、研究分析和部分办公流程，“几天到几分钟”成为常态，行业共识正从“模型多强”转向“流程是否可验证、结果是否可复用” [7] - **落后的公司类型**：明显落后的公司包括四类：通用型AI助手，因缺乏垂直数据和结果闭环导致商业化长期停滞；只做模型、不做产品的公司，在非代码、非数学场景中智能不可验证；靠融资续命、缺乏付费能力的AI创业公司，在资金环境收紧后问题迅速暴露；反应迟缓的传统软件公司，其流程未被Agent化，效率被AI原生团队反超 [11] 对技术发展差距与赛点的判断 - **国内外AI水平对比**：需分维度看待，在应用层（如AIGC、短剧、AI社交等方向），中国公司依靠数据密度和场景复杂度，迭代速度极快；在开源贡献上，国内在多模态和世界模型方向投入显著，降低了行业整体门槛，但在最顶级闭源模型能力和原创范式突破上，硅谷仍然领先，差距主要在于长期基础研究的容错空间而非工程能力 [10] - **未来技术赛点与关注方向**：2026年唯一的技术赛点是Agent是否能大规模自动化“可验证过程”，2026年是Agent与端侧生态的关键布局期，到2027年，随着AI手机和端侧推理普及，真正的C端创新可能集中出现，重点关注三个方向：AI + 内容生产，继续把成本再压缩1–2个数量级；端侧Agent，即手机、汽车等设备上的本地智能体；合规与治理，AI安全与数据隐私将成为不可逾越的硬约束 [11][12][13] - **科技公司压力与应对**：科技公司面临的核心压力有两方面：技术优势如何转化为可持续现金流；在监管与合规框架下继续推进AI落地，应对方式是双轨并行：一端持续投入前沿研究与开源，确保技术不被锁死；另一端坚定推动AI在内容、社交和企业服务中的规模化应用，行业变化已从“算法主导”转向“算法 × 产品并重”，当产品负责人在组织中的话语权接近算法负责人时，AI才真正进入下半场，团队虽因业务指标获得确定性，但仍保持高强度和初创心态，更关注真实用户反馈而非技术自嗨 [8]

昇思MindSpore社区发展成果 - 开源五周年之际，昇思MindSpore社区取得高速增长，累积下载量超过1300万，社区核心贡献开发者超过5.2万人，代码核入量超过12万，拥有全球150多个国家和地区用户，联合超过两千多家社区孵化3100多个行业应用 [2] - 社区已形成清晰定位，专注AI框架本身，与训练推理加速库、模型社区、评测与工具社区协同发展，支持超过二十五类模型，覆盖从脚本开发、并行训练、效果微调到部署的全流程开箱即用能力 [3] - 在大模型推理场景中，MindSpore已实现对vLLM社区能力的全面对接，在一体机等关键场景下，无需修改代码即可通过编译加速获得超过15%的性能提升 [3] AI框架技术演进与MindSpore新架构 - 随着大语言模型兴起，模型规模跃迁至百亿、千亿甚至万亿级，计算形态转向集群，模型并行、序列并行、专家并行等方式应运而生 [4] - 全模态模型与Agentic AI的兴起，以及算力底座向超节点架构演进，正在推动AI框架迈向新的架构范式，新范式主要面临模型序列长度增长带来的存储压力、全模态模型结构不规则化带来的并行与优化复杂度、以及Agentic RL等新训推范式对多任务异构调度的要求三方面挑战 [4] - MindSpore与超节点硬件深度协同，提出HyperParallel架构，将超节点视为一台超级计算机进行统一编程与调度，并引入Hyperoffload等关键技术 [4] - Hyperoffload通过计算与状态分离，将权重、激活与优化器状态卸载到外部内存池，实际效果显示训练性能可提升约20%，推理场景下可支持的序列长度提升约七成 [4] - HyperMPMD引入多维MPMD并行，在子模型内、子模型间以及跨模态跨任务三个维度提升通算掩盖率与资源利用率，使整体集群算力利用率提升约15% [11] - Hypershard提供声明式并行编程范式，实现算法与并行策略解耦，使新算法的并行化改造时间缩短至一天以内，并行调优从天级降至小时级 [11] - 昇思HyperParallel架构充分发挥超节点架构优势，实现HyperShard声明式并行编程、HyperMPMD异构非规则并行、HyperOffload多级智能卸载等特性，加速Agentic AI、全模态等新模型结构和训推范式创新 [6] - 超节点亲和的HyperParallel架构正式版本及配套的全模态与强化学习加速套件将于明年上半年发布 [7] MindSpore的技术能力与生态覆盖 - 在大模型领域，MindSpore已原生支持超大规模集群并行，可覆盖数万个计算节点，支持万亿级参数规模的一站式并行策略搜索与执行优化 [5] - 在部署层面，MindSpore打通了端、边、云全场景能力，从数据中心服务器集群到耳机、手表等小型终端设备均可提供完整的训练与推理能力，目前已应用于从服务器到数亿台终端设备的广泛场景中 [5] - 在科学计算方向，MindSpore原生支持NumPy、SciPy等接口加速，并通过函数式自动微分能力帮助科研人员探索AI for Science应用 [5] - 未来MindSpore社区还将在端侧智能、架构开放以及行业使能等方向持续推进，覆盖端侧大模型与Agent加速、核心能力模块化开放，以及面向AI for Science与行业迁移的工具体系建设 [7]

涂鸦智能的战略转型与新产品定位 - 公司从过去隐藏在爆款产品背后的技术供应商，转变为直接面向消费者的AI生活助手和平台提供商 [3][4] - 公司发布了名为“Hey Tuya”的AI生活助手，旨在协调各类Agent和硬件，让智能硬件具备思考、决策和共享知识的能力 [4] - 此次发布标志着公司离C端用户越来越近，并致力于成为Physical AI在家庭场景落地的平台，而不仅仅是技术供应商 [4] 对传统全屋智能局限性的分析 - 过去十年的全屋智能本质是设备联网，实现了远程控制和基于静态规则的自动化，但并未触及智能核心 [5][6] - 传统系统存在两大局限：一是设备间缺乏对家庭状态的共同理解，系统逻辑围绕单个设备展开；二是智能实现高度依赖静态规则，无法自行适应生活变化 [7] - 传统系统不具备持续理解与长期记忆能力，每次交互都是孤立的，导致用户难以感受到真正的“智能管家”体验 [8][9] Hey Tuya带来的体验变革与核心功能 - Hey Tuya旨在将家庭智能从“响应式”升级为“主动式”，实现从单个设备智能到家庭层面协作的拐点 [10][18] - 系统通过整合感知、判断与执行能力，使设备成为能够共享状态、参与决策的Agent节点 [10] - 具体应用场景包括：根据睡眠状态自动启动起床模式、根据离家状态自动启动节能与安防模式、主动推送宠物/孩子/老人的异常状态、智能提醒日常事项（如服药）以及基于长期习惯提供个性化建议（如晚餐推荐） [11][12][14][15][17] 实现Physical AI落地的系统级挑战与解决方案 - 实现“Jarvis”级家庭助手面临三大系统门槛：缺乏为人机长期协作设计的稳定通信、缺乏真正意义上的长期记忆、以及AI与物理世界之间缺少统一调度机制 [21] - 公司通过自研的Physical AI Engine（PAE）从系统层面补齐了关键能力，其核心组件包括：用于长期记忆管理的OmniMem引擎（召回延迟控制在毫秒级）、用于实时通信的T-RTC系统（针对弱网环境优化）、以及用于执行调度的Dynamic Orchestration Agent（DOA）编排引擎 [22][24][25] - PAE进一步整合了覆盖交互全链路的AI能力，包括负责自然语言交互的Conversational AI Engine、提供视觉理解能力的Vision AI Engine、以及作为控制中枢的IoT Intelligence Engine [26] Hey Tuya的战略意义与平台价值 - Hey Tuya的核心价值在于让跨设备、跨场景的家庭级Agent具备了工程可落地性，将分散的智能能力、记忆与调度机制整合到同一系统中 [28] - 公司角色从幕后技术供应商升级为生活AI的基础设施，提供统一接入和管理，旨在降低开发成本，提高落地效率 [29] - 该产品未来有望成为一个开放的家庭级Physical AI平台，开发者可在同一系统中调动多个Agent，实现跨设备、跨场景的智能协作，从而形成可持续迭代的AI生活生态 [28][31] - 此举是公司在AI时代的战略关键布局，旨在用Physical AI构建家庭生活新基础，让家庭助手从工具转变为长期伙伴 [32]

公司核心事件：Manus被Meta收购 - Meta以数十亿美元收购通用AI Agent公司Manus，这是Meta成立以来金额第三大的收购，仅次于WhatsApp和Scale AI [5] - 收购谈判仅用时十余天，收购前Manus正以20亿美元估值进行新一轮融资 [5] - 创始人肖弘将出任Meta副总裁，核心技术团队整体并入Meta AI部门，公司将继续在新加坡运营 [6][7] - 此次收购被视作对Manus在通用AI Agent领域工作的认可，将巩固其在AI应用层的战略位置 [4][6] 公司发展历程与关键节点 - 公司前身Monica在2024年初曾拒绝字节跳动3000万美元的收购要约，坚持独立发展 [5] - 2024年底，Monica完成一轮融资，估值接近1亿美元 [5] - 2025年3月，Manus正式上线，其产品Butterfly Effect在2025年4月完成由Benchmark领投的7500万美元融资，估值达5亿美元 [5] - 上线至今，Manus已处理超过147万亿个token，并创建了超过8000万台虚拟计算机 [6] 产品发布与市场反响 - Manus于2025年3月5日正式发布，发布视频由创始人用个人相机和借来的镜头拍摄，制作成本极低，仅花费14.9美元的剪映会员和9.9美元的BGM版权 [28][29] - 发布后引发现象级关注，首周超过两百万用户加入候补名单，导致服务器负载过高，迫使公司启用仅限受邀的封闭测试系统 [16] - 官方Discord社区在上线几天内成员数超过13.8万 [16] - 发布初期公司面临巨大成本压力，最巅峰时一天烧钱高达50万美元，账上资金仅能维持约20天，这是推出邀请码机制的直接原因 [31][32] 产品理念与技术架构 - 公司核心产品理念是“Less structure, more intelligence”，坚持Zero Predefined Workflow（零预设工作流） [17][26] - 面对用户任务，系统交由模型自主判断拆解步骤和调用原子能力（如打开网页、点击、创建文件、运行命令等），而非依赖人工预定义的工作流 [26] - 公司认为Agent的竞争不仅是模型能力，更是整个系统，包括外围环境构建和工具体系工程 [53] - 底层基础设施与E2B公司合作，基于其开源版进行深度定制，以节省创业公司宝贵的时间成本 [40][42][43] 产品性能与竞争优势 - 自发布以来，Manus在包括Scale AI的RLI（远程劳动力指数）在内的多项行业基准测试中长期保持第一 [22][23][24] - 在ChatGPT Agent发布当天，公司进行了侧面对比测试，结果显示100%的任务中Manus的产出质量全面胜出 [48] - 竞争优势源于两点：一是应用公司能灵活选用不同模型厂商的最优模型组合完成任务，而模型公司通常只能使用自家模型 [50][51]；二是Agent竞争比拼的是整个系统而不仅是模型本身 [53] 市场策略与增长反思 - 从2025年3月发布到10月的七个月间，市场营销总花费仅约5-6万美元，早期增长严重依赖自然流量和病毒式传播 [57] - 自然流量使公司主要接触到“创新者”和“早期采用者”，但要进入大众市场，需要转向更传统、更系统的营销手段来高效传递产品价值 [58][59][61] - 公司产品曾在埃及、巴西等地区意外走红，登上当地App Store榜首，带动了区域增长 [56] 行业洞察与未来展望 - 通用AI Agent被认为是正确时间交付的正确产品，在2025年初行业对AI产品形态感到迷茫时，提供了一个新答案 [31] - 对于ToC的消费者级Agent，垂直领域可能面临获客成本高的问题，因此“通用”属性至关重要，它让用户每天都有使用理由，是生存和增长的关键 [36][37] - Agent未来发展方向包括：操纵更多工具和平台（如Windows、Android），以扩展能力边界 [53][54]；实现24小时持续推理与陪伴，这需要强大的基础设施支持 [54]；发展Agent的主动性，使其能基于用户上下文自动找事做 [54][55] - 建议个人应尽快开始使用一线Agent产品，将其视为像开车、用电脑一样需要掌握的核心技能 [64]

文章核心观点 - 人工智能革命是一场事关国运的世纪大竞赛，中美两国是主要的决赛选手，正走上不同的发展道路 [8][60] - 2025年是“智能体（Agent）元年”，AI正从辅助工具演变为具备任务执行能力的“数字分身”，将迎来生产关系重构和“超级个体”的崛起 [6] - 中国正凭借其独特的场景优势、供应链能力和庞大的应用市场，试图定义属于自己的“工业5.0” [5][155] AI发展历程与现状 - 人工智能概念于1956年达特茅斯会议上提出，历经70年发展，在2022年11月30日GPT-3.5上线后迎来爆发，其月活用户在两个月后超过一亿 [17][23] - 2025年1月15日，由幻方量化开发的DeepSeek产品出现，其一个月下载量突破一亿，标志着AI真正开始改变生活 [30][32] - 2025年AI发展的两个关键词是“涌现”（能力指数级跳跃）和“泛化”（技术向多学科、多产业、从企业到个人广泛渗透） [34][35] 中美AI竞赛格局 - **算力对比**：2025年美国AI基建投资超过3500亿美元，预测到2030年累计投资达3-4万亿美元；中国2025年AI基建投资为6300亿人民币，预测到2030年累计投资超10万亿人民币 [47] - **算力分布**：全球算力美国占74.5%，中国占14%，美国是中国的5.3倍；超大规模数据中心数量美国是中国的4倍 [49] - **大模型生态**：中美两国大模型数量合计占全球80%以上；在图像生成、编辑、文生视频、文本能力等领域，中国模型已进入全球前列 [52][55][56][57][58] - **发展路径**：美国聚焦AI芯片、大规模基建和闭源大模型的从0到1创新；中国则利用其制造能力、应用市场和开源大模型，进行从1到N的应用拓展 [61] 多模态内容生产革命 - AI工具如阿里的“千问APP”极大降低了内容创作门槛，使非专业人士也能轻松生成电商图、宣传视频等 [69][70] - **AI漫剧行业**：2025年中国AI漫剧产量同比增长超600%，流水规模增长12倍，制作周期从90天缩短至10-15天，成本下降60-90% [73] - 动作捕捉等技术（如“动见万物”团队）可实现实时数字人模仿，为文化娱乐产业带来变革 [76] - 多模态技术进化可能使硅基人类的内容生产能力达到碳基人类的100倍以上，促使个人“能力”需要被重新定义 [78] 行业大模型的应用实践 - **金融业**：上海银行通过AI改造，成为全球第一家AI原生手机银行，服务其500多万老年客户 [80] - **大宗商品贸易**：厦门国贸构建“铁矿石智慧决策链”，对铁矿石未来价格走势的预测准确率达到65% [86] - **家装行业**：“飞流AI”小程序可智能匹配全国90%以上的存量户型，通过对话生成效果图与报价，并在43个城市提供服务 [95][96] - **基础设施支持**：百度智能云作为重要基础设施商，其AI公有云市场份额连续六年第一，服务65%的央企及大量行业客户，支持企业建立行业大模型 [90] 智能体（Agent）的崛起 - 2025年智能体已深入应用，例如在飞书平台上有超过5万名“效率先锋”使用智能体提升组织效率 [100] - **硬件集成**：联想推出了全球第一款AI PC和“天禧个人超级智能体”，通过“端-边-云-网-智”架构整合分散的智能体，管理个人知识库并保护隐私 [102][103][104] - **前沿探索**：上海一家10人创业公司尝试打造了全球第一个真人仿生“类脑智能体”（吴晓波Agent），具备200多种表情和内容回应能力，尽管现场演示失败，但代表了技术进步 [107][109] - **风险思考**：AI先驱杰弗里·辛顿警告，数字智能的知识共享效率远超人类，若AI拥有独立子目标且缺乏有效管控，可能威胁人类生存 [111] 具身智能机器人产业 - 这是一个极其年轻的产业，调研的30家重要企业中，三分之二（20家）成立于最近三年内；创始人以80后、90后为主，多有博士（20人）或教授背景 [115][116] - **应用落地**：机器人已在多个场景应用，如优必选搬运机器人（效率相当于工人的40%）、云深处巡检机器人、银河通用前置仓机器人、千寻智能拧螺丝机器人、跨维咖啡机器人等 [121] - **供应链优势**：中国占据了具身智能机器人全球供应链的63% [122] - **市场预测**：具身智能机器人被预言将成为中国未来十年四个十万亿级市场之一（另外三个是汽车、房地产、养老产业） [124] - **产品创新**：荣耀发布了全球第一款“手机机器人”ROBOT PHONE，具备可自动调整的云台摄像头 [128][130] 智能工厂与工业5.0 - **工厂智能化案例**： - 海信黄岛空调“灯塔工厂”应用了70多项人工智能，在焊接等环节使用数字孪生和技能大模型进行培训，将培训出师时间大幅缩短 [136] - 双鹿电池建成了全球第一条碱性电池黑灯生产线和AI质检系统，其电池AI配方工艺大模型将研发新SKU的时间从一个月缩短至30分钟 [139] - 东鹏瓷砖工厂通过大模型控制生产各环节，其永川工厂2026年生产的瓷砖符合新5A国标的比例将高达65% [141][142][145] - 海天酱油“灯塔工厂”应用AI进行黄豆筛选（年筛选2.5万亿颗）、智能发酵、光谱全检和“电子鼻”风味识别（识别170多种香型） [148][149] - **打破“不可能三角”**：人工智能帮助中国制造业同时实现了规模化、定制化和低成本，打破了工业革命两百多年的定律 [153] - **定义工业5.0**：中国凭借全球最多的“灯塔工厂”（203座中占85座，占比42%），正在定义以机器视觉、深度学习、大模型、智能体、具身智能和全流程AI管理为特征的工业5.0 [155][157] - **产业机会**：人工智能为600万家中国工厂提供了提高效率、降低成本、锻炼员工的机会 [160] AI电商与服务业变革 - **电商痛点与变革**：当前电商存在高额外卖成本（如一份30元干炒牛河成本达17元）、平台抽成高、女装退货率高达70%等问题，AI有望推动“流量平权” [168] - **创业新工具**： - 1688的“遨虾Agent”可帮助创业小白进行跨境电商市场分析、找供应商、生成宣传素材 [169][171] - “1688AI版”APP和分销工作台可帮助用户一键开店，兼职运营每月或可赚3000元 [172] - **服务体验升级**： - 阿里“千问APP”上线23天月活突破3000万，接入高德地图后可实现从需求咨询到路线规划的一站式服务 [177][178] - 传统服务业如美容院通过AI摄像采集仪提供专业皮肤分析；餐厅使用AI巡检系统；儿童照相馆通过3D打印玩偶提高客单价和毛利 [189][190] - **专业服务AI化**：如“海纳”AI筛选简历、“特赞”做市场调查、“凌迪”提供AI服装设计、“全诊通”服务1.5万家诊所，紫荆AI医院中AI医生接诊1万病例即可相当于十年经验医生 [192][193]

文章核心观点 - Salesforce作为全球领先的企业级软件公司，其AI战略发生重大反转，从大力推崇生成式AI和大语言模型转向强调并采用更基础的“确定性”自动化技术，以提升产品可靠性和降低成本，这反映了当前企业级AI应用在追求创新与确保商业落地可靠性之间面临的巨大挑战 [2][4][5][13][15] 公司战略与产品调整 - Salesforce过去一年曾大力部署AI，其核心AI产品Agentforce旨在通过大语言模型实现工作流程自动化，并因此将客户支持团队从9000人缩减到约5000人 [2] - 公司目前产品策略发生转变，在Agentforce中引入基础的“确定性”自动化技术，决策逻辑基于预设指令而非AI推理，以“消除大语言模型的固有随机性” [4] - 公司官网明确表示，调整后的产品能确保关键业务流程每次执行都严格遵循相同步骤 [4] - 公司首席执行官Marc Benioff在起草年度战略文件时，已将数据基础架构而非AI模型列为首要任务，并指出缺乏可靠数据支撑的AI模型极易产生“幻觉” [13] - Benioff甚至暗示公司或许会考虑更名为“Agentforce”，源于客户对云计算话题兴趣减弱，且尽管Agentforce预计年营收将突破5亿美元，但公司股价较2024年12月峰值已下跌约34% [13] 技术挑战与客户反馈 - 在实际应用中，Salesforce遭遇多项大语言模型技术瓶颈，包括“幻觉”故障和运行成本过高，其中Agentforce客服代理每处理一次对话收费2美元 [7] - 智能家居安防企业Vivint作为Agentforce客户，为其250万用户提供客服支持，但遭遇系统运行稳定性未达100%预期的问题，例如会无故“漏发”要求的满意度调查问卷 [7][8] - Agentforce首席技术官承认，一旦指令数量超过8条，大语言模型就会出现遗漏指令的问题，这对高精度商业任务是致命缺陷 [7] - 公司高管提及AI“漂移”现象，即当用户提出无关问题时，AI智能体会偏离预设的核心任务目标 [8] - 公司已开发一套名为Agentforce Script的系统，能识别哪些任务可由不依赖大语言模型的智能体完成，以降低“不可预测性”，该系统目前处于测试阶段 [9] 行业普遍问题与观点 - 大语言模型的应用难题并非Salesforce独有，对其他AI技术提供商而言也难以驾驭，模型时常会偏离预设目标 [12] - 部分企业发现，防止大语言模型出现“失常”行为或错误推断难度极大，这对库存跟踪、客户退款等高精度任务是致命隐患，可能导致错误商业决策并引发客户不满 [12] - 例如，服装零售巨头Gap搭载Sierra技术的聊天机器人曾出现回答不良内容的情况，Sierra称已修复配置错误，并表示事件由“恶意攻击者”蓄意操纵所致 [12] - 有工程师观点认为，问题的根源可能在于Salesforce及其客户对最新AI技术的驾驭能力不足 [11] - 公司发言人回应称，大语言模型无法独立支撑企业运营，需要与精准数据、业务逻辑及治理体系深度融合，公司打造Agentforce的初衷是构建可信的AI基础设施 [14] - 另一位发言人否认在客服智能体中缩减大语言模型应用，称已优化主题构建、加强安全护栏、提升信息检索质量并调整回复机制，使回应更贴合上下文，且客服智能体解决的客户问题数量已创历史新高，预计本财年内成功处理的对话量将提升90% [14]

收购交易核心信息 - Alphabet以47.5亿美元现金收购数据中心及清洁能源开发商Intersect Power，并承接其债务 [2] - 交易预计于明年上半年完成交割，谷歌将成为所收购数据产业园的核心用户 [3] - 收购涵盖Intersect Power的未来开发项目，但不包含其现有运营业务，现有资产将由其他投资方收购并独立运营 [2] 交易战略背景与目的 - 收购旨在助力公司在新建数据中心时同步扩大发电装机规模，无需依赖难以满足AI企业用电需求的当地公用事业公司 [2] - 保障数据中心电力供应已成为人工智能模型训练工作的关键环节 [2] - 此次收购基于双方既有合作，谷歌与TPG Rise Climate曾在去年12月牵头对Intersect Power进行8亿美元战略投资，并计划到2030年累计完成200亿美元投资 [2] 被收购资产与业务模式 - Intersect Power打造的新型数据产业园是毗邻风能、太阳能及储能电站的一体化园区 [2] - 园区预计明年下半年投入运营，2027年全面竣工 [2] - 园区采用产业综合体设计，除承载谷歌自身AI芯片部署需求外，还可容纳其他企业的AI算力设备 [3]

行业核心动态：AI技术浪潮与职业重构 - OpenAI联合创始人Andrej Karpathy表示，程序员职业正经历剧烈重构，代码在系统中的占比变得稀疏零散，掌握新的可编程抽象层（涉及agent、prompt、工具链等）至关重要，否则将是“技能问题” [2][3] - Karpathy指出，AI能力的快速迭代导致“30天不跟进世界观就过时”，行业内普遍存在焦虑感，未感受到焦虑可能意味着真正落后 [4] 公司重大事件：安全事故与市场影响 - 快手于2025年12月22日晚遭遇大规模黑灰产攻击，涉及“僵尸账号”峰值达1.7万个，导致直播功能被注入违规内容，平台被迫关闭频道并报警 [5] - 受安全事故影响，快手股价在12月23日下跌3.52%，报收64.35港元/股，单日市值缩水约101.5亿港元（约91.75亿人民币） [8] 公司治理与员工激励 - 京东发布2025年年终奖公告，集团92%的员工可足额或超额领取年终奖，已完成薪酬升级的部门实现19薪，部分业务单元提前达成20薪 [9] - 京东采销板块员工平均薪酬可达25薪，且上不封顶，公司自2024年10月起推行两年内逐步实现20薪的计划 [10] - 字节跳动通报2025年第三季度共辞退120名触犯公司红线的员工，其中28名被实名通报，14人因涉嫌刑事犯罪被移交司法机关 [11] - 通报案例包括员工在社交媒体编造裁员谣言、泄露内部保密信息、利用员工身份谋利等，公司对相关行为进行了纪律处分并追究法律责任 [11][12][13] 科技巨头战略调整 - 英伟达低调重组云计算团队，被解读为放弃与亚马逊AWS、微软Azure等云巨头的正面竞争，DGX Cloud转为服务内部需求的芯片测试场 [14] - 微软CEO萨提亚・纳德拉亲自抓AI产品，每周与核心技术人员开会，对消费级Copilot项目表现不满，并施压要求改进产品功能 [15] AI应用与商业化进展 - 字节跳动旗下AI产品“豆包”日均活跃用户数（DAU）已突破1亿，是字节“亿级DAU”产品中市场推广花费最低的，其生图与视频生成模型带动了自然下载 [16] - 豆包大模型的MaaS（模型即服务）服务商业化进展大幅超出预期，通过技术优化实现了超高性价比和不错的毛利 [16] - 火山引擎成为2026年央视春晚独家AI云合作伙伴，字节跳动的豆包也将配合上线多种互动玩法 [23] 机器人与具身智能领域 - 特斯拉CEO埃隆・马斯克转发并点赞宇树机器人为王力宏演唱会伴舞的视频，相关海外关注量超4000万，宇树科技创始人认为这对整个机器人行业是好事 [18] - 杭州云深处科技（专注于四足及人形机器人）于2025年12月23日启动上市辅导，近期刚完成超5亿元人民币的C轮融资 [19][20] - 云深处科技今年发布了轮足机器人“山猫M20”（自重33公斤，最大攀爬高度80厘米）和全天候人形机器人DR02（行走速度1.5m/s） [19] AI公司资本运作 - AI公司MiniMax Group Inc. 境外发行上市获中国证监会备案，拟发行不超过33,577,240股并在香港联交所上市，将角逐“AI大模型第一股” [21] - 另一家人工智能公司北京智谱华章同日也获备案，拟发行不超过43,032,400股在港上市 [21] 行业监管动态 - 国家网信办就《人工智能拟人化互动服务管理暂行办法》征求意见，规定用户连续使用拟人化互动服务超过2小时，提供者应当弹窗提醒用户暂停使用 [22] 新产品与技术发布 - 钉钉发布全球首个AI工作智能操作系统Agent OS，其硬件载体DingTalk Real解决了企业级AI在安全与线下场景的落地问题，商业模式转向以“降本增效”等可量化结果定价 [28] - 阿里升级新一代语音模型Qwen3-TTS，新模型在生成效果上表现显著超越GPT-4o，并推出可将图片拆解为可编辑图层的图像生成模型Qwen-Image-Layered [29][30] - 字节跳动Seed团队推出形式化数学推理专用模型Seed Prover 1.5，该模型在16.5小时内对IMO 2025前5题生成了可验证的证明代码，成绩达到金牌分数线 [31] - 联想集团计划在CES期间发布首款面向全球市场的“AI超级智能体”，定位为公司战略级应用 [32] - 京东正在打造内置言犀大模型的“京东AI购”App，可主动推送购物信息并支持一键生成订单 [35] 行业合作与应用 - MiniMax与快看漫画达成“AI+IP”合作，为其提供视频与语音生成模型支持，上线了首个AI互动漫画 [33] - 比亚迪与火山引擎宣布在智能座舱领域达成深度合作，将豆包大模型深度融入比亚迪DiLink系统 [35] - 连锁便利店罗森计划到2026年夏季发售由人工智能预测全球趋势后提议的新商品 [35]

Meta发布生成式广告模型GEM - 公司发布旨在改善其平台广告推荐能力的生成式广告模型GEM 该模型处理每天数十亿的用户-广告交互数据 致力于解决从多样化广告数据中学习的复杂性 包括广告商目标、创意格式、测量信号以及跨多个投放渠道的用户行为[2] - 公司使用三种方法构建GEM系统 基于先进架构的模型缩放技术、用于知识迁移的后训练技术 以及利用数千块GPU实现高级并行计算的增强型训练基础设施[2] GEM的先进训练架构与优化 - 公司重新设计训练架构以支持GEM达到现代大型语言模型的规模 针对密集型模型组件采用混合分片分布式并行技术 在数千块GPU间优化内存使用并降低通信开销 针对稀疏型组件采用结合数据并行与模型并行的二维并行方案[4] - 公司实施多项GPU级别优化以减少训练瓶颈 包括针对可变长度用户序列设计的定制GPU内核、采用PyTorch 2.0中的图级编译技术自动执行激活检查点和操作符融合 以及采用FP8量化等内存压缩技术处理激活值[4] - 公司通过开发GPU通信集合消除了通信与计算工作负载之间的竞争 通过优化训练器初始化、数据读取器设置和检查点 将作业启动时间减少了5倍 通过优化缓存策略 将PyTorch 2.0的编译时间减少了7倍[4] 模型效率优化与知识迁移策略 - 系统在模型生命周期中持续优化GPU效率 在探索阶段 轻量化模型变体以更低的成本支持了超过半数的实验 公司通过持续在线训练刷新基础模型 并在训练过程与训练后的知识生成阶段之间共享流量以降低计算需求[5] - 按照设计 GEM将知识迁移到数百个面向用户的垂直模型以提供广告服务 公司采用两种迁移策略 直接迁移使GEM能够向其接受训练的数据空间内的主要垂直模型传递知识 分层迁移则将GEM的知识提炼为特定领域的基础模型 进而用于训练垂直模型[5] - 这些方法通过知识蒸馏、表示学习和参数共享最大限度地提升了公司广告模型生态系统中的迁移效率[6] 行业专家评价与潜在影响 - 特斯拉前总监评论指出 GEM感觉像一种能同时学习创造力、语境和用户意图的模型 而非事后拼凑碎片 并强调23倍的有效浮点运算性能提升是改变经济效益的关键所在[7][8] - 微软高级产品经理认为该技术对广告商是游戏规则的改变者 指出它有可能为小型企业节省大量资金 使其无需试验营销策略 而是依靠智能模型来充分利用广告支出[9] - 按照公司设想 广告推荐系统的基础模型将发展出更好地理解用户偏好和意图的能力 使广告互动更加个性化 公司将这种模型定位为实现大规模一对一连接的方法[10]