人工智能技术架构 - 人工智能通过机器学习、深度学习实现感知、推理与决策，应用于语音识别、图像处理、自动驾驶等领域 [3] - 基础层包括数据中心、数据资源、算法框架，技术层涵盖AI技术、生产工具、LLM模型等，应用层涉及电商、医疗、金融等行业 [4] - AI芯片专为AI计算设计，相比普通芯片具有高度并行计算、高算力低延迟、功耗效率更优等特点 [8][9] AI基础设施 - AI服务器专为AI应用设计，配置高性能AI芯片、大容量内存，强调并行计算能力，适合深度学习训练和大数据处理 [10][11] - 算力需求增加推动海外ASIC芯片及配套产业链发展，国内推理芯片、存储方案等国产替代机会显著 [12] - 大模型需数据、算力、算法三要素支撑，通用大模型参数量达百亿级，垂直大模型聚焦特定领域需求 [14][16] AI应用场景 - AI Agent具备自主决策能力，可替代重复工作、降低使用门槛，或成为下一代交互入口重构流量分配 [18][21] - 机器人行业2024-2026年规模或从10亿增至1000亿，工业机器人、特种机器人将率先落地 [23] - 智能驾驶L4级别预计2030年实现，AI加速技术平权，Robotaxi等出行服务市场空间或达万亿级 [26][27] 智能硬件发展 - 穿戴设备集成传感器与AI算法，智能眼镜、医疗级设备等提升用户体验 [28][29] - 基金布局聚焦AI+智驾、终端设备、半导体、人形机器人等全产业链机会 [31]