FALL www.a.45% 2 02 The 2 Hollast all 中国人民政治协商会议 北京 The Beach 8 从中国人民大学的校舍向东出发，距离字节跳动位于大钟寺的办公区不过十分钟车程。 北三环上一段不算远的路，让高校学术研究和企业技术研发间的距离也自然拉近——两会期间，来自教育界的市政协委员、中国人民大学高瓴人工智能学院 执行院长文继荣在接受北京商报记者采访时提到，这种地理上的贴近让双方协作少了很多阻碍，学生能便捷地走进坐标北京的大量科技企业实习、交流，企 业的技术需求也能反馈给高校团队、学者。文继荣称，学院过去一年里曾有十余位学生进入字节跳动，有些还参与了豆包大模型相关研发。 日前，在北京市第十六届人民代表大会第四次会议上，政府工作报告明确提出全面实施"人工智能+"行动，支持中关村科学城建设人工智能集聚区。这意味 着，北京高校与企业间的联动，有了更扎实的政策支撑。 政策明确导向与产学研协同配合，让北京已然成型的人工智能产业优势加速释放，也成为这座城市建设"人工智能第一城"的底气——多位学界、产业界人士 在两会期间都向北京商报记者谈到，北京的人工智能产业发展家底丰厚，密集的人才储备、完整的 ...

有投资者在互动平台向威士顿提问："请问公司在MAS（多智能体协同系统）有涉及或相关的涉及 吗？" 本文源自：市场资讯 作者：公告君 针对上述提问，威士顿回应称："投资者您好，公司智能体产品已经发布，对于包括多智能体协同在内 的行业前沿技术，我们会持续关注与研究 ，未来的产品升级路线将根据市场需求与技术成熟度来规 划。感谢关注。" 声明：市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。 ...

公司人工智能战略与成果概览 - 国金证券于2024年2月前瞻性成立人工智能实验室，系统开展大模型在金融领域的创新研究与应用探索，致力于推动AI技术与业务核心的深度融合 [2][35] - 实验室坚持“让AI深入于业务核心，使成果落地于关键场景”的导向，研究覆盖量化交易、投资管理、公司估值、风险管控、组织运营等核心价值领域 [2][35] - 历经一年多攻关，已形成覆盖六大科研方向、兼具理论深度与应用广度的成果体系，旨在为公司和证券行业智能化发展提供思路与参考 [2][33][35] 估值与投资研究体系 - 该体系聚焦利用大语言模型提升估值分析与投资研究能力，旨在重构传统估值体系，通过AI赋能提高分析深度和效率 [3][36] - 已申请多项专利，包括基于并行博弈的大语言模型动态估值算法、基于信创环境的产业链智能挖掘算法及证券业大模型因子挖掘回测方法 [4][37] - 在《金融科技Times》、《证券信息技术》等期刊发表多篇论文，探讨大模型与财务数据融合的估值算法及智能估值模型构建 [5][38] - 承担深交所2025年立项课题《证券行业大模型赋能投资研究探索与实践》及2025年度行业共研信创课题《基于全栈信创的证券行业大模型投研平台建设》 [6][7][39][40] - 相关投研决策支持方案入选2024年度人工智能大模型金融领域示范场景及创新案例（上海金融科技产业联盟） [8][41] 风险管理与治理体系 - 该体系围绕大模型应用中的风险管理与治理展开，旨在建立健全的大模型风控体系，提升模型应用的安全性与可靠性 [9][42] - 发表论文探讨证券行业大模型场景幻觉容忍度评级及容错控制，并介绍垂直领域大模型测评体系的构建与实践 [10][43] - 承担多项重要课题，包括中国证券业协会的《证券行业人工智能模型应用风险研究》、2025年科技监管课题《大模型风险防护系统在金融科技监管中的关键技术研究》等 [10][43] - 利用AI模型识别异常交易并预测市场“流动性黑洞”，应用大模型研究公司网络与系统性风险传导 [11][44] - 大模型风险治理创新实践获评2025年上市公司可持续发展优秀实践案例（中国上市公司协会） [11][27][44][61] 多智能体协同与自适应体系 - 该体系研究大语言模型驱动的多智能体系统及其在金融领域的协同应用，旨在构建能够自适应学习和进化的智能系统架构 [11][45] - 已获得多项授权专利，包括证券期货行业大语言模型多Agent协同控制算法与系统、结合LSTM的多Agent系统等 [12][46] - 在信创环境下实现了大模型的多智能体部署方案，并提出了多模态大模型构建方法 [12][46] - 有专利在申请中，涉及基于涌现行为调控的自适应智能交易系统及基于并行博弈与策略演化的自适应量化交易系统 [13][47] - 承担课题将联邦学习与多智能体技术结合，并在全栈信创环境中开展智能投研研究 [14][48] - 构建的“人工智能+”多智能体自治协同平台覆盖证券业务全链路场景，被评为2025年度上市公司“人工智能+”典型实践案例 [14][48] 信创大模型建设与联邦学习训练体系 - 该体系致力于构建基于国产自主可控“信创”环境的大模型底座和联邦学习架构，为行业提供安全高效的基础设施 [15][49] - 专利成果包括在信创环境中构建多模态大模型的方法，以及基于全栈信创环境的大模型联邦学习及多方安全计算系统与训练算法 [16][50] - 发表多篇论文，涉及基于信创算力的DeepSeek推理性能评测、大模型联邦学习及分布式训练的探索与实践 [17][51] - 承担多个重要项目与课题，包括2024年成都资本市场金融科技创新试点项目、深交所2024行业共研课题《证券行业生成式人工智能平台建设与场景探索》等 [18][52] - 参与编制《中国资本市场金融科技发展白皮书》等行业报告，为行业提供智库支持 [19][53] - 相关成果获得多项奖项，包括2024年度中国数字化金融与科技创新应用优秀案例奖、第十五届金融科技创新奖以及中国人民银行2023年度金融科技发展奖三等奖 [20][54] AI赋能组织智能化转型体系 - 该体系关注大模型如何赋能证券机构的组织转型和知识管理创新，探索构建“AI友好型”组织以推动新型生产力的形成 [21][55] - 已申请“基于大语言模型的自然语言交互操作系统”专利，旨在通过自然语言交互提升员工效率 [22][56] - 发表多篇具有前瞻性的论文与书籍，探讨大模型的演化路径、AI友好组织构建实践及大模型在人力资源管理等领域的应用 [23][24][57][58] - 承担中国证券业协会2024年度重点课题《证券行业大模型引领产业变革：打造AI友好型组织，培育新质生产力》 [25][59] - “数字人技术在证券行业的应用场景探索与实践”课题入选第四届“金信通”金融科技创新应用典型案例 [25][60] - AI赋能组织转型的实践荣获2025年第九届拉姆·查兰管理实践奖（哈佛商业评论） [26][60] 复杂金融系统建模与量化交易体系 - 该体系侧重于利用大语言模型重新审视和建模复杂金融系统，旨在突破传统方法，实现对金融复杂系统的认知增强和投资策略的范式重构 [28][62] - 专利成果包括在信创环境下利用大模型自动化挖掘投资因子并进行回测的方法，以及基于涌现行为调控和并行博弈的自适应交易系统 [29][63] - 发表系列论文，论述大语言模型驱动的金融复杂系统建模、逆向推理范式及量化策略反推方法，为量化投资提供新范式视角 [30][64] - 承担中国资本市场学会课题《基于大语言模型的公司网络与系统性风险传导研究》，利用大模型模拟风险在复杂系统中的传播机制 [31][65] - 基于可信执行环境的大模型证券投研探索获评第5届数字金融服务创新与场景应用案例暨第九届中关村“番钛客”金融科技国际创新大赛优秀案例 [32][66]

文章核心观点 - AI智能体正从实验室走向广泛应用，成为AI时代的新一代超级入口和基础设施，其发展在政策支持与市场共振下加速，并展现出巨大的商业价值和应用潜力 [1][2][4] - 行业正经历从生成式AI向目标驱动的AI智能体演进，智能体在制造、金融、医疗等多个垂直领域实现价值落地，推动生产力提升和业务模式重构 [4][7] - 尽管前景广阔，但智能体应用仍处起步阶段，面临“伪智能体”、技术瓶颈与生态标准化等挑战，未来将向更自主、更协同的方向发展 [10][12] 智能体成为新一代超级入口与市场加速 - 2026年1月15日，千问App全面接入淘宝、支付宝等阿里生态，实现从外卖到订机票的AI购物全流程自主操作，在全球率先完成决策到支付的AI购物功能闭环 [1] - 国内厂商加速推出智能体产品，如Monica的Manus、智谱的AutoGLM沉思、夸克的“AI超级框”等，国外苹果、谷歌和OpenAI也将其列为年度研究重点 [3] - 各类智能体开发平台争相面世，包括阿里的AgentScope 1.0、腾讯开源的Youtu-Agent以及字节的“扣子空间”，推动智能体从实验室走向应用前线 [4] - 2024年中国智能体市场规模达47.5亿元，同比增长64.4%，预计2025年将达78.4亿元（增速超60%），到2026年将接近150亿元，连续两年实现翻倍增长 [5][6] - 百度超级智能体“伐谋”上线一个月，超2000家企业申请试用，已在汽车设计研发、空间站精密仪器优化等领域落地 [5] - Gartner指出代理型AI已成为关键技术趋势，2025年是其走向主流化的重要节点，智能体正进化为能协同运作的复杂生态系统 [5] 智能体在多行业场景的价值落地与进化 - 人工智能发展正从以内容生成为核心的生成式AI，向以目标驱动为核心的AI智能体演进，具备更强的目标导向性、自主决策和实时交互能力 [7] - 在制造业，预测性维护智能体通过实时监测设备数据、提前预警，可将生产停机时间降低50%；生产调度智能体能动态调整生产计划 [7] - 在金融业，智能体应用于客服、风控、营销、信贷等场景以提升效率，银行AI智能客服开通率超60%，31%完成大模型部署 [8] - 金融科技玩家路径分化：蚂蚁数科、腾讯云等大厂依托集团能力切入；奇富科技聚焦信贷环节，采用LangGraph多智能体框架自动化数据分析流程；度小满发布“原力AI平台”重塑风控体系 [8] - 在医疗健康行业，智能体已应用于院内患者服务、辅助诊疗、医院管理，以及院外的AI家庭医生、健康管理、药物研发等领域 [9] - Gartner预判，未来三到六年内，聚焦特定复杂工作流程的专家型智能体将加速兴起，提升行业运营效率与决策精准度 [9] 政策支持、现存挑战与发展趋势 - 政策端强力支持：全国工业和信息化工作会议提出推进“人工智能+制造”专项行动，培育重点行业智能体；国家数据局提出2026年在智能体等前沿方向布局数据标准 [1] - 国务院《关于深入实施“人工智能+”行动的意见》设定战略目标：2027年AI与六大重点领域深度融合，智能终端普及率突破70%；2030年完成全面赋能；2035年全面步入智能经济和社会新阶段 [10] - 当前挑战之一为“伪智能体”泛滥，许多产品只是大模型与RPA的简单线性组合，缺乏深度协同与动态适配能力，并非真正智能体 [10][11] - 当前挑战之二为技术瓶颈，多数智能体仍局限为LLM添加基础规划与工具调用，在复杂场景下的决策质量和专业深度不足，需推动高质量数据集建设以打破“数据孤岛” [11] - 当前挑战之三为生态与协作标准化问题，单智能体的安全风险缺乏统一的全链路测试标准，阻碍多智能体协同共治，如豆包手机案例引发了安全、隐私、伦理及商业模式的争议 [12] - 未来趋势：面对复杂业务场景，单一智能体难以应对，行业将向“更自主、更智能、更协同”的多智能体协同方向发展，并重构AI时代的商业模式和治理体系 [12]

AI战略与总体布局 - 公司自2023年起布局AI领域，推出自研AIGC生态平台“LEO AIAD”，并围绕算力基建层、模型算法层、数据层三大维度筑牢技术底座 [3] - 公司确定以AI为核心驱动力，为客户提供“品效销”一体的全链路服务，致力于成为中国最具商业价值的数字营销集团 [3] - 公司已搭建覆盖需求洞察、创意生成、广告投放、投后优化、客服响应等营销全链路的AI智能体框架，形成数字营销技术闭环 [3] AI应用成果与平台 - 公司开发了“利欧数字AI一体化平台”向员工开放，其中的“AI创意工厂”模块已成功应用于汽车行业广告素材的多模态生产，并正在向3C数码、美妆、教育、旅游等多个行业推广 [3] - 该平台集成了广告素材审核智能体，能够对文本、图片和视频等内容进行统一审核与合规管理 [3] - 平台推出了一系列短视频广告生产工具，已在口型替换、人物替换等核心应用场景中取得显著落地成效 [3] AI智能体构建进展 - 公司以全链条业务场景为基础，打造策略、创意、投放、运营等营销各环节专属智能体，部分已构建并应用于实际业务 [4] - 公司正探索从“单智能体应用”升级至“多智能体协同”，通过项目调度和协作机制，让不同智能体分工协作完成全链路营销任务 [4] AI新赛道探索 - 公司正探索将AI能力延伸至AI漫剧新赛道，利用AI视频生成和内容生产能力，通过多智能体协同自动化处理策划、剧本、制作等环节，以降低制作成本 [5] - 公司结合自身广告投放和流量运营经验，探索“AI生成内容+自动化投放”的业务闭环 [5] AI能力建设投入 - 公司已组建专业的AI研发团队，并持续在算力等相关硬件基础设施方面投入，为AI模型控制、内容生成及智能体运行提供支撑 [6] 港股上市目的与进展 - 公司推进港股上市旨在深化全球化战略布局，搭建境外资本平台，提升全球运营能力 [8] - 港股上市工作正按相关监管要求有序推进，整体进展正常 [8]

行业趋势与核心观点 - AI视频生成领域正经历从“片段生成”到“系统化制作”的根本性转变，这不仅是技术升级，更是创作方式的变革[3] - 香港大学黄超教授团队开源的ViMax框架，专注于Agentic Video Generation的前沿探索，在GitHub上获得超过1.4k星标[2] - ViMax框架实现了从创意构思到成片输出的完整自动化，将传统影视制作的每个环节都搬进了AI世界，使“一人剧组”成为可能[2] 核心技术挑战 - 长视频生成面临两大核心技术瓶颈：叙事规划的复杂度爆炸以及跨镜头视觉连贯性难题[4][7] - 叙事规划挑战在于需要统筹数百个镜头的逻辑，涉及角色发展、情节推进等多维度，超出了当前语言模型的单轮处理极限[5] - 视觉连贯性难题源于现有生成模型缺乏对前序内容的记忆能力，导致角色形象、场景风格在不同镜头间频繁“变脸”[6] ViMax系统架构与工作流程 - ViMax采用端到端多智能体协同架构，将长视频制作分解为五个相互协调的阶段[8] - 第一阶段为剧本创作，编剧智能体能将一句话想法、小说或剧本片段重新组织为标准化的影视剧本[9] - 第二阶段为分镜规划，分镜智能体运用专业电影理论，为每个场景设计精确的镜头语言，形成拍摄蓝图[10] - 第三阶段为视觉资产生成，制作智能体采用“先图后视频”的两步策略，确保视觉风格的精准控制[11] - 第四阶段为质量把控，质检智能体运用视觉语言模型评估多个版本，并自动调优参数重新生成未达标内容[12] - 第五阶段为统筹协调，导演智能体担任总指挥，监控全流程协调运转，维护风格统一[13] 递归规划与上下文管理 - ViMax采用三层递归规划体系来驯服叙事复杂性，将完整剧本分解为事件层、场景层和镜头层三个管理单元[14][15] - 事件层捕获核心叙事节点，构建故事骨架；场景层将事件具象化为可执行的戏剧单元；镜头层输出精确的执行指令[16] - 为应对上下文碎片化风险，系统集成检索增强生成（RAG）机制，确保每个局部规划决策都能“看见”更大的故事图景[17] - RAG机制通过建立全局知识库、动态上下文检索和上下文融合生成，避免了角色性格突变、情节逻辑矛盾等问题[26] 视觉一致性解决方案 - ViMax设计了基于图结构的视觉元素追踪机制，自动识别共享视觉元素并构建反映依赖关系的有向图[18][19] - 在生成执行阶段，系统对依赖图进行拓扑排序优化，实现独立镜头的并行生成和依赖镜头的条件引导生成[19] - 该图网络驱动方案在确保视觉连贯性的同时，通过智能并行化处理显著提升了整体生成效率[20] - 针对同一场景的多视角拍摄，系统引入过渡视频生成技术来维护空间几何的严格一致性，避免3D布局冲突[21] 多智能体专业化分工 - ViMax的核心智能体包括：导演智能体、编剧智能体、分镜智能体、视频生成智能体和质量控制智能体[23][27] - 系统采用VLM驱动的迭代质量优化机制，通过多候选并行生成和综合评估来确保输出专业级别成果[24] - 当所有候选版本均未达到预设质量阈值时，系统会基于VLM的详细反馈自动调优生成参数并重新执行[24][25] - 这种闭环质量控制机制为最终的完整视频奠定了坚实基础[25] 技术展望与未来方向 - ViMax标志着AI视频生成从“碎片化拼接”向“体系化创作”的重要跃迁，其核心价值在于将专业制作经验转化为系统化流程[29] - 未来提升方向包括：通过模型集成或蒸馏技术降低计算开销，提高响应速度[29] - 未来将支持交互编辑功能，允许用户在制作过程中介入调整，让创作更灵活[29] - 系统将扩展多元文化支持，以创作更有地域特色的内容，并整合音频制作环节以形成完整的影视制作流程[29]

公司核心理念 - AI医疗发展遵循三大原则：不替代医生、不脱离场景、不放弃普惠 [1] - 行业本质逻辑是提供贴合工作流的精准解决方案，而非“万能AI” [3] - 技术终极使命是实现普惠，让普通人享受可及、可负担的健康服务 [4] 技术基础与产品架构 - 公司“AI医疗大脑”YiduCore已累计处理分析超过60亿份医疗记录 [4] - 疾病知识图谱基本覆盖所有已知疾病 [4] - 构建超过1000个细分场景智能体，覆盖从智能病历生成到辅助诊疗决策的全流程 [4] - 采用“多智能体协同”架构，精准嵌入诊断、治疗、随访各环节 [4] 市场应用与业务实践 - 在肿瘤专科领域，AI诊疗助手通过TNM分期评估等功能提升临床效率与规范性 [4] - 参与5省13市惠民保项目，利用AI精算模型设计年保费低于100元的保险产品 [6] - 惠民保项目已累计服务参保用户超4000万人次 [6] - 通过医生数字分身技术将优质医疗资源下沉至更广阔人群 [7] 国际化与本土化战略 - 全球化路径强调“技术通用+本土适配”，与本地伙伴共创价值 [8] - 在文莱，BruHealth数字健康平台覆盖当地60%以上人口 [8] - 在新加坡，参与国家项目“MIC@Home”，为SingHealth集团旗下四家医院提供定制化应用Dr Buddy [8]

公司活动与战略定位 - 公司作为数字化服务商为“雅典娜杯”两岸青年人才创新创业大赛决赛提供数智原生底座 [2] - 公司希望通过共创共享新模式精准链接企业数智发展痛点与创新解决方案 [2] - 公司以“智能+”战略为引领持续深化技术研发与生态构建 [5] 工业AI应用挑战与解决方案 - 通用大模型在工业领域存在“水土不服”问题难以理解特定工厂来自“经验中的隐性Know-how” [2] - 工业知识数字化核心在于情景化通过多模态碎片化抓取完成对非结构化数据的捕捉例如录屏收音抓取CNC操作日志配合传感器获取工具寿命和工件良率 [3] - 关键解决方案在于非结构化数据的抓取与工业知识图谱搭建通过智能数据套件统一封装数据并进行一致性唯一性检查构建专属“工艺知识图谱” [3] 多智能体技术平台与应用 - 公司今年一季度正式更新迭代Indepth AI智能体开发平台并发布首个制造业多智能体协议MACP旨在消除AI智能体间沟通壁垒 [4] - 多智能体协同平台工作流程示例主智能体调集销售计划成本费用等六类单智能体并行执行通过动态敏感性分析和查询知识库生成完整经营计划 [4] - 智能体协同调度实践需搭建多智能体协作平台作为调度中枢通过多智能体上下文协议灵活调度企业资源 [5] 行业趋势与前景 - 行业测算显示企业内部AI应用发展速度可能符合“摩尔定律”规律即每隔18个月AI相关应用数量翻一倍 [3] - AI大模型在各垂直产业中的商业化正逐渐加速但在工业应用场景中存在落地应用“最后一公里”难题 [2]

公司技术与产品 - 公司深耕数智领域43年，构建了云-边-端协同架构的雅典娜数智原生底座，核心为场景化智能算法研发 [1] - 公司凭借“AI+工业互联网”技术体系与制造场景深度融合，衍生出零部件云、财务云等一系列应用，旨在破解企业AI落地从点到面的难题 [1] - 公司展示了Indepth AI多智能体协同平台，该平台可通过主智能体调集销售计划、成本费用等六类单智能体并行执行，完成经营计划的沙盘推演与生成 [2] 行业趋势与公司战略 - 行业观点认为企业未来竞争力将相当程度取决于内部AI应用密度，其发展速度可能符合摩尔定律，即AI应用数量每隔18个月翻一倍 [3] - 公司通过举办创新创业大赛，为具备硬核技术的创新项目与产业生态搭建桥梁，以共创共享模式链接企业数智发展痛点与创新解决方案 [1][3] - 大赛分为创新组和创业组2个组别，设置先进制造、数字未来等4条赛道，共吸引两岸约300支队伍参赛，最终19支队伍进入决赛 [5]

教育大模型产品形态演变 - 对话类教育大模型原生APP热度下降，聊天框形式已从多家教育APP首页撤下[1][3] - 10月份国内月活前30名的大模型APP中仅有三款教育产品上榜，月活用户均不超过300万[3] - 头部通用大模型月活用户突破亿级，挤压了垂直教育产品的生存空间，免费服务使付费订阅模式面临困难[3] 行业转向多智能体协同 - 教育公司不再执着于开发独立原生APP，转向用大模型重构传统产品，赋能自主学习[5] - 教育大模型正从单智能体向多智能体协同演进，以提升学习互动的多样性和深度[5] - 多智能体搭载在共同基座模型上，共享思维链、知识图谱、数据库等资源[6] - 洋葱学园AI智能学伴系统设置预习、作业、复习、答疑等多智能体协同架构，华图教育推出约20个智能体覆盖具体学习场景[5][7] 商业化进程与用户使用情况 - 教育智能体商业化进程尚未有明显起色，有的产品单价较低或更新速度慢于销售[8] - 行业认为教育智能体还未到商业化的时候，当前更看重调用次数和质量[9][10] - 华图教育AI产品用户调用量几乎每月翻一番，洋葱学园AI自学大师模块月访问量达393万次，互动量突破1212万次[10] - 学员自主使用率提升，如课后自发使用AI批改使做题量增加一倍，产品初步通过市场验证[10] 研发投入与成本挑战 - 高质量教育智能体需要高昂的研发与算力投入，华图教育前三季度研发费用同比激增160.41%至1.45亿元[11] - 华图教育老师每年约300万个工时用于教研内容建设，相当于4-6亿元的人力成本投入[11] - 即便是学而思学习机等已完成商业闭环的教育硬件也未跨过盈亏平衡点，市占率达16.6%但盈利时间尚不确定[11] 未来竞争壁垒与发展路径 - 教育智能体的核心壁垒在于用户黏性与数据深度，深度数据比海量用户数据更具价值[12] - 具备最及时、全面、高质量数据集的公司将在AI产品上更具优势[13] - 华图教育AI推进将分两步走：先完成50个场景智能体的会员产品小闭环，再打造智能陪伴数字人大闭环[14]