技术演进路径 - 自2017年Transformer架构出现以来，生成式AI、行为式AI、物理AI等技术方向持续演进，技术能力不断外扩 [2] - 中国AI产业路径加速形成，基础投入、技术能力和市场需求构成当前产业化的三大支柱 [4] - 中国推动AI产业化的支撑要素包括可得可控的算力体系、多样化的大模型生态、广泛的真实业务场景以及在软硬结合领域形成的供应链优势 [4] 应用发展趋势 - 2025年是真正的AI应用元年，应用用户规模全面起势，场景渗透持续深化，AI进入更接近产业价值的阶段 [7] - 2025年三季度中国AI应用App端MAU达4.67亿，豆包与DeepSeek跻身亿级用户行列，全球前50的AI App中中国占比达44% [7] - To C软件领域创新快、竞争强，创业公司胜出核心在于差异化定位和AI native思考逻辑 [7] - To B垂直领域依托行业理解、数据结构与客户关系形成天然壁垒，呈现更多结构性机会 [7] - To C硬件看点在于能否打造让AI有形化的PMF品类 [10] - To B通用应用从降本增效向提升业务增量过渡 [10] 核心竞争力演变 - 模型能力之外，真正决定AI应用公司竞争力的是对Context的理解能力 [9] - Context包含数据语境、用户语境与场景语境，三要素共同决定AI产品的最终效果 [9] - AI应用下一阶段竞争将从技术领先走向理解领先 [9] 物理AI与具身智能 - AI正从云端走向物理世界，具身智能代表能力结构的自然延伸 [12] - 具身智能进入更加工程化阶段：模型路线尚未收敛，数据闭环逐步完善，本体供应链趋于成熟 [12] - 当前具身机器人能在厘米级精度下完成动作，并通过百条左右真机数据训练单一任务 [12] - 具身智能商业路径从开发者工具走向服务型场景，再进入生产型场景，并逐步延伸至消费级应用 [12] 资本与生态协同 - 全球AI应用领域融资规模在两年内显著提升，AI Coding、视频生成、AI办公等方向持续增长 [14] - 具身智能融资活跃度在两年内增长近十倍，虽处早期但投入意愿明确 [14] - AI产业正从能力涌现阶段迈向产业验证期，需要科研、产业、创业与资本的协同推进 [14] 行业共识与机遇 - 行业对AI推动生产力跃迁已形成基础共识，但在路径选择、落地节奏与商业模式上仍存在大量非共识 [1] - 真正的机会往往孕育在非共识的空间中 [1] - 短期内行业对于技术路径、应用节奏与商业模式等存在非共识甚至阶段性高估，但更长周期看AI的基础价值已形成稳固共识 [16] - 当前阶段AI基础价值可能被低估，真正机会将来自在大趋势共识下坚持探索非共识路径的参与者 [16]