活动基本信息 - 2025中国技术力量年度榜单报名将于11月30日截止，目前仅剩一天[2][3] - 今年是InfoQ连续第五年举办该榜单评选，每年收到超过100家企业案例申报[4] - 评选结果将于12月19日在AICon·北京站揭晓并举行颁奖典礼[8] 参与企业阵容 - 参与企业阵容强大，涵盖行业巨头与创新代表[4] - 包括阿里、腾讯、京东、百度、字节跳动、网易、科大讯飞、蚂蚁科技、神州数码、商汤科技等行业巨头[4] - 昆仑万维、博查科技、无问芯穹、小影科技等创新代表也积极加盟[4] 榜单主题与方向 - 榜单以"洞察AI变革，见证智能未来"为主题[4] - 围绕AI基础设施、工程与部署、智能体生产力、行业应用、数据智能、AI Coding、具身智能与开源八大方向展开[4] - 全面展现AI在技术突破与产业落地上的新成果[4] 具体奖项类别 - 共设置八大榜单类别，涵盖AI各细分领域[5] - 包括2025年度AI基础设施卓越奖TOP20、AI工程与部署卓越奖TOP20[5] - "人工智能+"行业最佳解决/落地方案TOP20、AI Agent最具生产力产品/应用/平台TOP15[5] - Data & AI最具价值产品/平台TOP10、AI Coding最具生产力产品TOP5[5] - 具身智能明星产品TOP10、AI开源明星项目TOP10[5] 评选规则与标准 - AI工程与部署卓越奖等五大奖项评审规则为专家团打分70%，InfoQ主编团30%[9] - AI基础设施卓越奖等三大奖项评审规则为专家团打分70%，InfoQ主编团与用户评分30%[11] - 用户评分在模力工场平台进行，由评论、点赞等数据构成的算法计算得出[11] - "人工智能+"行业最佳解决方案重点考察内部落地效果、资源投入情况、可复制性及行业参考价值[14] - Data & AI领域数据安全与合规是重要评分维度[14] - AI Coding奖项因大量工具出现和开发者试用，用户评分占比较高[14] - 具身智能领域除产品本身外，重点关注市场落地潜力[14] - AI开源项目评估技术和项目成熟度外，还关注开源协议遵守情况和社区活跃度[14] 活动议程与交流 - AICon·北京站为为期两天的盛会，汇聚头部企业和创新团队的行业专家[8] - 聚焦Agent、AI编程、具身智能和多模态等热门AI议题[8] - 参会者有机会与专家进行深度交流，探讨前沿技术落地经验与战略思考[8]

公司概况与核心业务 - Infinite Reality成立于2020年，原专注于企业级元宇宙解决方案，业务涵盖虚拟会议平台和数字资产交易系统[3] - 公司致力于构建沉浸式3D虚拟空间，结合AI与空间计算技术，推动下一代数字媒体和电商体验[6] - 拥有端到端平台"iR Engine"，支持虚拟空间创建、管理和分析，为音乐、娱乐、电商、社交等行业提供基础[7] - 2025年5月，公司更名为Napster Corporation，以统一其技术平台与音乐品牌Napster[6] 融资与估值动态 - 2025年初宣布从匿名投资者处获得30亿美元融资，并在全股票收购后自报估值飙升至155亿美元[2] - 2024年7月完成3.5亿美元新增投资，收购Landvault后估值升至约51亿美元[8] - 公司设定目标市值在2025年提升至500亿至1000亿美元[2] - 公司2024年营收达到7500万美元（高于2023年的5000万美元），但155亿美元估值相当于其营收的200倍，远超同业水平（Anthropic估值约为营收44倍，OpenAI约为24倍）[9] 收购与扩张战略 - 收入几乎全部来自2022年以来全股票收购的十余家公司，包括Thunder Studios、ReKT、Napster等[11] - 为增强AI能力，于2025年以约5亿美元收购AI公司Touchcast，其专注于"Agentic AI"技术[8] - 收购Landvault（专注于数字孪生技术）和社交体育平台Stakes，快速扩张业务版图[8] 估值与合作关系的质疑 - 公司将高估值归因于与谷歌的"五年战略合作伙伴关系"，但谷歌澄清其仅为谷歌云普通客户，否认特殊合作关系[11] - 30亿美元融资全部来自一位匿名投资者，耶鲁商学院教授指出这种巨额单一来源投资真实性存疑[12][13] - 元宇宙开发商Improbable和Animoca Brands均表示未接触过该公司，对其高融资表示不解[17][18] 融资承诺落空与内部动荡 - 2025年11月，公司CEO公开表示此前声称的33.6亿美元融资可能永远不会到账[18] - 公司第四次承诺股份回购后取消，导致员工和早期投资者无法套现[20][21] - 2025年7月公司裁员约三分之一（约100名开发人员），9月首席法律官和首席财务官离职[24] 行业背景与市场环境 - 2024年科技公司融资总额飙升至2090亿美元，较五年前1750亿美元和十年前870亿美元显著增长[15] - 元宇宙领域风险投资从2022年56亿美元骤降至2024年14亿美元，Meta投入超500亿美元但主要产品月活跃用户不足20万[16] - 公司与中介机构Cova Capital合作，后者曾因"未进行足够尽职调查"被FINRA罚款[24] 监管调查与潜在风险 - 美国证券交易委员会（SEC）正在调查公司2022年计划以18.5亿美元估值进行的反向并购交易[22] - 司法部（DOJ）调查聚焦于投资人及资金去向，但公司目前并非调查对象[23] - 法律人士指出若公司明知融资不具备兑现条件仍作出错误陈述，可能触及证券欺诈红线[24]

传统推荐架构的瓶颈与范式局限 - 传统级联式推荐架构将召回、粗排、精排与重排割裂，导致反馈难以闭环，模块间不一致性持续累积，算力利用效率长期偏低[2] - 从FM模型到基于行为序列的精排模型，单个推荐item的计算量提升了约5个数量级，但近两年LLM技术突飞猛进时，推荐领域创新却更多停留在精排等局部环节的微调上[5] - 直接采用LLM架构服务推荐面临三大挑战：推荐模型规模已达T级参数、毫秒级延迟要求严苛、大模型推理成本可能难以被业务收益覆盖[6] 大模型应用于推荐的可行性分析 - 对“模型已足够大”的判断应聚焦“激活参数”，推荐模型在线推理的激活参数远小于典型语言模型，例如快手约250M，同行baseline从16M提升至1B，说明仍有充足scale-up空间[7] - 在信息流场景测算中，假设CPM为20元，广告占比10%，则10,000次曝光收入20元，以DeepSeek模型为参照，20元可购买到输入与输出各2M Token的算力，理论毛利约84.5%[9] - 若单次曝光服务消耗1,000 Token，在保持80%计算毛利的条件下，单次曝光可投入0.0004元，对应约15.2T FLOPs计算能力，可支持约7.6B参数规模的模型在线服务[12] - 传统级联式推荐系统由于算力高度碎片化，广义MFU可能仅为1%甚至更低，而测算中按40% MFU计算，成本可行性结论与不少团队的直观感受存在差异[13] OneRec生成式推荐框架的核心设计 - OneRec将原有稀疏ID通过多模态表征离散化为一串Token序列（语义ID），使用Behavior Transformer处理用户行为序列，再以多层Decoder进行生成，反解回原始item ID完成推荐[18] - Tokenizer方案通过Vision-Language Model处理视频原始信息，引入item-to-item和语义保持两类Loss，确保表征既能理解视频内容又能抓住推荐关键信息，泛化性强，可编码新上传视频[19][23][24] - 强化学习设计了三类奖励：用户体验与兴趣偏好、业务与生态约束、编码规则约束，将传统多目标建模简化为统一逻辑输出，系统能在天级完成业务生态控制响应，所需样本量约为传统的1/1000[26][27] OneRec的落地应用效果 - 在快手单列短视频场景，OneRec带动主站综合LT提升0.077%，极速版综合LT提升0.118%，资源开销仅为线上大盘推荐系统的1/12[28] - 本地生活场景中，本地大盘GMV提升5.09%，本地短视频GMV提升21.01%，订单数提升17.89%，买家数提升18.58%，新买家数提升23.02%[28] - 电商商城场景中，买首feed GMV提升6.41%，订单量提升4.22%，买首feed商品GMV提升14.706%，订单量提升8.352%[28] - 全量推送中仅以原线上系统推理成本的1/10，在更低计算成本下使用更大模型并取得更优效果，用户更愿意持续下滑，为插入更多视频与商业化内容提供增量空间[29] OneRecV2的定制优化与Scaling Law验证 - 早期Encoder-Decoder架构存在计算与监督错配，训练资源近90%消耗在用户历史编码上但无直接Loss监督，优化后移除了用户历史编码阶段大部分计算，将主要算力集中到后端Decoder Transformer[33] - 优化带来约94%的训练资源节省，在等量资源下，模型规模从0.5B显著放大至8B，随着模型规模扩大，损失呈平滑且可预测的下降趋势，与scaling law拟合结果一致[33][35] OneRec-Think：生成与理解统一的进展 - 尝试将文本、图像与行为数据进行联合训练，构建既能“说话”又能“推理”的推荐模型，底层以ViT等组件处理图像得到图像Token，SID由自研Tokenizer产生，上层使用统一LLM完成解码与理解[36][38][40] - 模型具备交互式推荐能力，当用户提示发生变化时，思考路径会发生明显转折，在理解既往偏好基础上依据新提示生成匹配推荐，已实现“生成—理解”统一、覆盖多模态的模型原型[40][41] - 当前推荐效果尚未全面超越线上仅以行为数据训练的模型，且成本偏高不适合全量在线应用，但方向的可行性已得到验证，行为数据与语言、图像数据融合有望催生更智能模型[40][41]

模型发布与核心突破 - DeepSeek于11月27日无预告开源数学推理模型DeepSeek-Math-V2，参数规模达685B，是业内首个达到国际奥林匹克数学竞赛金牌水平且全面开源的数学模型[2] - 该模型在IMO-ProofBench基准测试中表现突出，Basic子集得分近99%，领先第二名Gemini DeepThink 10个百分点；Advanced子集得分61.9%，略低于Gemini DeepThink的65.7%[5] - 在真实竞赛中，模型在IMO 2025和CMO 2024达到金牌水平，Putnam 2024测试中获得118分（满分120），显示强劲定理证明能力[7] 技术架构创新 - 模型核心突破在于自验证机制，使模型具备检查自身推理链完整性和逻辑自洽的能力，避免“答案正确但过程错误”的问题[13][15] - 自验证机制让模型能在无标准答案的开放问题中继续提升能力，通过多次检查和修正思路，在使用更多算力时获得更高正确率[16] - 研发团队训练高精度验证器检查定理证明逻辑正确性，并作为奖励模型训练证明生成器，形成持续进化的闭环系统[16] 性能表现数据 - 在具体竞赛题目表现：IMO 2025问题P1-P5得分83.3%，CMO 2024问题P1、P2、P4-P6得分73.8%，Putnam 2024问题A1-B4、B5、B6得分98.3%[8] - 与前一版本DeepSeek-Math-7B相比，新模型参数规模从7B提升至685B，性能实现重大跨越[4] - 模型成绩是在未依赖大规模“题库答案”训练前提下取得，显示其真正的数学推理能力[7] 行业影响与评价 - 海外开发者社区对开源反应强烈，有评论称模型在Basic基准上以10个百分点优势击败谷歌Gemini DeepThink，远超市场预期[18] - 社区期待将强大数学能力应用于代码编写，特别是数学软件领域对数学正确性要求高的场景[20] - 有观点认为数学推理是AI推理任务中最苛刻的领域，DeepSeek数学团队可能是最具潜力的王牌团队[23] 技术发展趋势 - 自验证机制为处理无标准答案的开放问题提供路线图，使数学AI向“像数学家一样思考”迈进[17] - 该模型的开源重新定义大模型数学推理研究竞争格局，可自验证推理成为下一代数学型AI关键技术路径[25] - 过去一年强化学习技术提升数学推理任务表现，但正确答案不等于正确推理，过程验证成为关键突破点[12]

小米机器人团队人才引进 - 前特斯拉Optimus灵巧手团队成员卢泽宇加入小米机器人团队并担任灵巧手负责人[2][3] - 卢泽宇在特斯拉工作2年多深度参与Optimus手部研发包括触觉传感器开发、灵巧抓取与操作、手部结构设计等关键技术[3] - 卢泽宇于2025年10月入职小米已工作2个月其目标是加速灵巧手技术路径收敛和工程化落地[6][7][8] 卢泽宇专业背景 - 2023年博士毕业于新加坡国立大学专业方向为机电、机器人与自动化工程深耕机器人灵巧操作、嵌入式系统、触觉传感等技术[9] - 在特斯拉期间从实习生成长为全职工程师参与Optimus灵巧手核心研发链路涵盖触觉传感器概念评估、样机验证、手部结构设计等[13] - 具备从硬件到底层感知再到结构与操控的完整经验横跨模拟与数字信号处理、雷达感知、电源系统等底层硬件方向[13] 小米机器人战略布局 - 公司当前开放机器人相关岗位达257个其中包含12个灵巧手机器人方向职位覆盖机械设计、执行器研发、具身抓取算法等关键环节[19] - 2023年成立北京小米机器人技术有限公司计划五年投资20亿元在亦庄建设仿人机器人研发与制造基地[31] - 通过智造基金、长江产业基金、顺为资本等机构构建具身智能投资网络累计投资近50家企业金额超150亿元覆盖核心零部件、整机系统与应用场景[35] 技术研发进展 - 2024年11月开源首个跨域具身大模型MiMo-Embodied该模型在自动驾驶与具身智能两大领域共29项基准测试全部拿下第一[20][24] - 2025年2月新增两项与机械手及机器人相关的专利指向公司在灵巧手技术上的深入布局[33] - 公司通过投资强化核心零部件布局如入股国华智能聚焦谐波减速器与行星滚柱丝杠投资坤维科技强化六维力传感器产能[36] 行业动态与竞争 - 特斯拉将2025年机器人量产预期从5000多台削减至2000台手部灵巧性仍是瓶颈正在敲定Optimus V3设计预计搭载26个执行器[16][18] - 小米铁蛋机器狗首次将价格打至万元以下仅为波士顿动力机器狗的1/50但铁蛋2商业化失败后机器人业务一度陷入沉寂[24][29] - 2024年小米机器人整体并入小米汽车体系被产业界解读为通过自动驾驶技术更务实、产业化地推进机器人研发[31]

公司AI战略与产品发布 - 混元3D创作引擎发布国际版，API上线腾讯云国际站，同时开源版全球下载量突破300万次[2] - 公司AI战略路线基于业务需求端、技术端和生态端的复合能力，形成"业务—技术—生态"三位一体的独特优势[3][4] - 公司AI投入重点不是堆规模而是提效率，AI被定义为贯穿内部业务的基础能力，第三季度营收同比增长15%[33] 3D生成技术在游戏行业的应用 - 传统3D制作成本高昂，美术成本占游戏研发50%–80%，一个3D角色模型成本在几万元到近百万元，顶尖3D游戏投入高达数亿美元[6] - 混元3D通过两条技术主线提升效率：面向3D资产提升批量产出效率，面向世界模型解决场景级搭建问题[8] - 在《元梦之星》案例中，玩家输入描述后几秒钟即可生成可编辑3D资产，道具制作时间从2天缩短至0.2天，效率提升10倍[9][12] - 在《轻游梦工坊》中，新手可在一周左右完成游戏开发，约四成参赛者无游戏开发经验却完成了优秀作品[10] 3D生成技术面临的挑战与突破方向 - 技术上面临质量、可控性和速度三座大山，目前真正达到要求的内容比例不足10%[30][35] - 核心挑战包括组件化生成、低多边形拓扑平衡等问题，影响游戏工业化管线对AI产出的接纳[14] - 数据成为行业瓶颈，全球可用3D数据仅千万量级，远不及文本百亿级规模，限制模型泛化能力[38] - 公司正从数据层面、模型架构层面和交互面三个层面进行突破，包括扩充高质量数据和支持多模态输入等[42] 跨行业应用与商业化进展 - 超过150家企业通过腾讯云接入混元3D模型，应用横跨游戏制作、电商展示、影视特效等行业[25] - 3D打印领域率先跑通商业闭环，拓竹MakerWorld平台月调用量预计突破10万次，创想三维可实现5分钟生成Q版手办[26] - 电商场景中家居商家实现约35%的点击率提升，教育文博领域制作成本降至传统流程十分之一[29] - 在自动驾驶和具身智能领域，混元3D承担补齐仿真场景短缺的角色，被多家厂商用于补充真实道路采集[30] 技术竞争与生态建设 - 世界模型竞争白热化，Google DeepMind、Meta、OpenAI、NVIDIA、特斯拉等巨头都在推进相关技术[17][18] - 公司通过开源策略构建生态，开源版下载量超过300万次，社区反馈推动技术改进[20][22] - 混元图像3.0在LMArena全球26个模型盲测中登顶，获得最佳综合文生图模型与最佳开源模型两项第一[31] - 公司定位Model as a Service为核心竞争力，不急于求成，注重技术领先性巩固后的自然商业化平衡点[39]

活动概览 - 2025中国技术力量年度榜单评选报名即将于11月30日截止[2][3] - 评选结果将于12月19日在AICon·北京站揭晓并举行颁奖典礼[8] - 该榜单评选已连续举办五年，每年基本收到来自100余家企业的案例申报[4] 参与企业 - 参评企业阵容强大，包括阿里、腾讯、京东、百度、字节跳动、网易、科大讯飞、蚂蚁科技、神州数码、商汤科技等行业巨头[4] - 同时也有昆仑万维、博查科技、无问芯穹、小影科技等创新代表企业加盟[4] 评选主题与方向 - 本次榜单以“洞察AI变革，见证智能未来”为主题[4] - 评选围绕AI基础设施、工程与部署、智能体生产力、行业应用、数据智能、AI Coding、具身智能与开源等八大方向展开[4] 榜单类别 - 共设立八大榜单类别，包括2025年度AI基础设施卓越奖TOP20、2025年度AI工程与部署卓越奖TOP20、“人工智能+”行业最佳解决/落地方案TOP20、AI Agent最具生产力产品/应用/平台TOP15、Data & AI最具价值产品/平台TOP10、AI Coding最具生产力产品TOP5、具身智能明星产品TOP10、AI开源明星项目TOP10[5] 评选规则 - AI工程与部署卓越奖、“人工智能+”行业最佳解决方案、Data & AI最具价值产品/平台、具身智能明星产品、AI开源明星项目五大奖项的评审规则为专家团打分占70%，InfoQ主编团打分占30%[9] - AI基础设施卓越奖、AI Agent最具生产力产品/平台、AI Coding最具生产力产品三大奖项的评审规则为专家团打分占70%，InfoQ主编团与用户评分占30%[11] - 用户评分在模力工场平台进行，仅统计评审期间的分数，由评论、点赞等数据构成的算法计算得出[11] 评选维度与行业观察 - 针对“人工智能+”行业最佳解决方案，重点考察维度包括内部落地效果、资源投入情况、方案的可复制性及跨行业参考价值，而非仅靠堆砌资源带来的效果[14] - 在Data & AI层面，数据安全与合规是评分过程中特别注意的维度[14] - 在AI Coding层面，由于大量工具出现和开发者试用，该奖项的用户评分所占比重较高[14] - 在具身智能领域，除了产品本身，也关注产品在市场落地方面的潜力[14] - 在AI开源领域，除了技术和项目的成熟度，也在意是否遵守开源协议以及社区活跃度[14]

潜在合作的核心内容 - Meta正考虑斥资数十亿美元采购谷歌张量处理单元（TPU），相关芯片预计将于2027年在Meta的数据中心投入使用，且明年或将从谷歌云部门租赁该类芯片[2] - 部分谷歌云高管认为，该计划有望帮助公司抢占英伟达数据中心业务高达10%的营收份额，考虑到英伟达仅2025年第二季度的Data Center部门营收就超过510亿美元，这意味着数百亿美元的营收增量[2] - 若Meta最终落地TPU采购计划，这将成为谷歌的重大胜利，也是对其芯片技术的潜在市场验证[2] 谷歌TPU芯片的技术优势 - 谷歌今年4月推出了最新一代TPU芯片"Ironwood"，其采用双芯片设计，集成192GB高速高带宽内存（HBM）和六个定制化AI处理模块[4] - 每块Ironwood芯片包含四个专为处理大型嵌入向量优化的SparseCore核心，以及两个用于加速AI模型核心计算环节的TensorCore核心[4] - 谷歌将Ironwood部署于液冷集群中，单个集群最多可集成9216块液冷芯片，单集群算力可达42.5 exaflops的性能（1 exaflop相当于每秒进行百亿亿次计算）[4] - 谷歌还开发了全新配套软件，旨在降低TPU的使用门槛[2] 市场反应与估值影响 - 受Meta拟采购谷歌TPU消息影响，英伟达股价盘中最大跌幅达7%，11月25日收盘下跌4.3%，而谷歌母公司Alphabet股价在前一天大涨逾6%后，当日再涨4.2%[2] - Alphabet市值突破3.8万亿美元，2025年以来股价已累计上涨约70%，全球仅有微软、英伟达和苹果三家公司曾达到4万亿美元市值门槛[5] - 为谷歌TPU提供设计支持的Synopsys公司股价在11月24日大涨11%后，11月25日继续上涨逾1%[6] - 被视为英伟达GPU有力挑战者的AMD股价下跌6%，芯片设计公司Arm的股价也下滑4.2%[9] 行业竞争格局变化 - 全球AI基础设施建设企业正积极寻求芯片供应多元化，Meta预计今年资本支出将达到700亿至720亿美元[5] - 谷歌TPU正崛起为可靠且高性能的替代选择，上月Anthropic宣布将从谷歌采购多达100万个TPU芯片用于人工智能研究[5] - 英伟达回应称其技术领先行业一代，是唯一能运行所有AI模型且在全部计算场景中实现该功能的平台，与专用集成电路相比具备更卓越的性能、通用性和兼容性[8] - 尽管英伟达主导地位短期难撼动，但谷歌TPU的崛起正加剧AI半导体市场竞争[9] 合作背后的战略考量 - 对谷歌而言，向Meta供货不仅能带来数十亿美元营收，还能证明其TPU在性能和效率上能与英伟达产品抗衡[6] - 对Meta来说，引入谷歌TPU可降低对单一供应商的依赖风险，Meta计划2026年在数据中心领域投入至少1000亿美元，此举能增强其议价能力并有望压低长期成本[6] - Meta可能需要克服TPU与其现有基于AMD和英伟达芯片的集群在部署方式上的差异，以及其PyTorch框架在TPU上运行需转换层的技术挑战[11] - 合作可能旨在为Meta的Llama系列模型进行针对谷歌TPU的推理优化，或意味着其自研的MTIA芯片计划或将缩减规模[12][13]

公司近期动态 - 公司将于12月6日在杭州GTLC大会举办一场为期3小时的AI编程闪电黑客松分论坛活动，参与者可获得奖励，前三名有现金奖励 [2] - 公司于11月22日参与杭州AI开源生态大会，作为专注于AI应用生态的平台受邀参展，展示了九款热门应用 [2] - 公司在大会上承办了规模最大的分论坛，主题为“AI创业实战场的生存法则”，旨在连接应用开发者与创业者 [3] 平台生态与榜单 - 模力工场秋季赛正在进行中，榜单包括应用榜单、用户榜单和城市榜单等多个维度 [5] - 第021周AI应用榜显示，AI应用正从“辅助工具”向“业务底盘”加速升级，形成从开发、分析到执行的完整AI业务链路 [7] - 平台榜单的权重维度包括评论数、收藏与点赞、推荐人贡献，旨在反映社区真实反馈 [22] - 平台为上传的AI应用提供传播支持，可通过极客邦科技旗下品牌资源触达千万级技术决策者与开发者 [22] 重点应用案例分析：万象代码生成平台 - 该平台是由汽车之家技术平台部推出的基于大模型的效率提升工具，支持从图片、Figma等生成React、Vue、iOS、Android和Harmony等多种代码 [9] - 项目启动的核心驱动力是应对日益增长的业务需求，突破生产效率瓶颈，UI开发在研发链路中投入占比高，存在显著提效空间 [10] - 平台涉及设计稿结构化解析、智能布局算法、增强型OCR与页面拆分技术、机器学习驱动的组件识别技术等关键技术 [11] - 市场背景是前端开发中30%的工时耗费在“像素对齐”类重复性工作上，“从设计稿生成代码”需求将持续高增长 [12] - 未来12个月的目标包括构建可量化的代码还原度提升体系、深度融合技术与业务逻辑、优化AI代码生成实用性 [15] - 开发过程中最大挑战是将设计稿视觉表达转化为多端兼容的组件化代码，通过“视觉识别自动化+人工校准智能化”方案将核心组件识别准确率提升至86% [16] 行业趋势洞察 - AI工具正从“辅助型能力”走向“业务底盘级能力”，例如万象代码生成平台让复杂业务代码生成变得“写得准、接得上、跑得动” [20] - 商汤·办公小浣熊将“数据解读—规划生成—行动建议”打通，让AI直接介入组织的日常决策链路 [20] - GMI Cloud代表的“模型统一接入+高性能推理”能力成为企业真实刚需，使AI从实验室demo转变为真正的生产线角色 [21] - 融云灵犀对话Agent等应用聚焦于让企业将对话场景转化为可控的AI对话体，体现零门槛趋势 [19]

直播核心信息 - 直播主题为大模型时代下的搜广推系统实践 探讨生成式推荐如何上量等关键挑战 [2][4] - 直播时间为11月26日20:00-21:30 嘉宾来自荣耀 华为 京东及中科大等企业与学术机构 [3][4] - 直播将提供120+大模型实战干货解析 覆盖金融风控 智能制造 零售推荐等多行业应用案例 [7] 行业核心挑战与议题 - 生成式推荐落地后关键挑战包括 scaling law 在搜广推场景的有效性边界及线上推理延迟与成本的平衡 [2][4] - 大模型正推动搜索 推荐与广告系统进行全链路升级 多模态与行为大模型如何融入全链路成为焦点 [2][4][7] - 行业关注生成式内容 特征及策略在推荐与广告系统中的实际价值与应用路径 [4][7]