新华财经上海10月28日电（葛佳明） 当地时间10月30日（周四）美股盘后，谷歌将发布2025年第三季 度财报。受广告业务和云计算需求旺盛的推动，谷歌股价此前持续上行，近6个月股价涨幅超过60%， 市值攀升至3万亿美元创历史新高。 瑞穗证券（Mizuho Securities)分析师劳埃德·沃尔姆斯利（Lloyd Walmsley）表示，谷歌通过运用AI驱动 的广告投放工具，不断推动AI货币化。YouTube在未来有巨大的变现潜力，在AI技术的支持下，预计 YouTube可以更好地提升用户体验和广告业务，提升其广告部门收入。 云计算部门正成为推动谷歌营收持续增长的关键，也被视为下一个增长点。谷歌云业务不仅包括谷歌 云，也包括自研TPU（张量处理单元）的硬件收入。 在竞争激烈的云基础设施市场中，谷歌云计算第三季度营收将达到146.6亿美元，同比涨幅29%。 新华财经统计数据显示，截至10月28日，在追踪谷歌股票的38位分析师中，32位给予"买入"评级，6位 给予"持有"评级，预计未来12个月的平均目标股价为273美元，相较于当前269.27美元的价格，还有约 1.3%的上行空间。目前来看，市场对谷歌的财报和电话 ...

随着 AI 原生浪潮的到来，智能体（Agent）正成为企业创新的新引擎。然而，在生产环境中大规模落地 Agent，却面临开发复杂、运维困难、成本高企 等挑战。那么，这些问题应该如何解决？企业内部大规模部署和运维 Agent 是否有捷径可走？本次直播邀请 阿里云云原生应用平台 Serverless 计算 负责人 不瞋共同探讨上述问题。 直播介绍 直播主题 百倍启动加速，大规模 Agent 部署和运维的捷径是什么？ 直播亮点 直播时间 如何看直播？ 10 月 28 日 19:30-20:30 扫描下图海报 【二维码】 ，预约 AI 前线视频号直播。 直播嘉宾 阿里云云原生应用平台 Serverless 计算负责人 杨皓然（不瞋 极客邦科技总编 赵钰莹 从"云原生"到"AI 原生"的技术跃迁 百倍启动加速、平均降低 40% 的 GPU 成本：AgentRun 解读 从开发到运维：智能体的全生命周期治理 Serverless AI 的未来演进 9 2025年 10月 28日 19:30-20:30 铝 ttp://www. littless 章 官倍启动加速, 大规模 Agent 部/著和 运维的捷径是什么? 直播亮 ...

文章核心观点 - AI行业当前陷入追求榜单分数的"应试狂热"，真正的智能体技术必须超越考试逻辑，走向解决现实世界复杂问题的"实干" [2][7] - 智能体赛道存在泡沫，许多产品仅是传统工作流自动化的"套壳"，但Workflow是智能体发展过程中的重要里程碑，而非终点 [3][10] - 群体智能被视为一条可能实现"弯道超车"的路径，其与基础大模型训练是螺旋上升的相辅相成关系，而非替代 [16][18][20] - 真正的智能体具备动态适应和问题解决能力，其核心标志是能够自主"绕路"应对意外情况，而非僵化执行预设流程 [23][24] - 开源是推动AI技术发展和建立行业生态的关键力量，代码背后的认知共享比代码本身更具价值 [32][33][35] 智能体技术与Workflow的关系 - 行业存在对智能体的质疑，认为其仅是Workflow自动化脚本的包装，即"智能体洗白"，导致用户体验后迅速流失 [3] - 大模型的出现是分水岭，用基于概率的语义理解替代了过去难以维护的、僵化的手写规则图 [9] - Workflow被视为智能体发展前期的成熟技术阶段和必经的里程碑，但智能体终将超越Workflow [10] - 根本性转变在于从遵循固定标准作业程序的过程导向，演进为以最终结果好坏为评判标准的结果导向 [13] - 真智能体的标志是动态适应能力，例如在工具调用失败后能自主寻找替代方案（如自己写代码），而非像Workflow那样流程中断 [23][24] 群体智能与模型发展的战略路径 - 面对大模型军备竞赛的资源消耗，群体智能提供了一种"弯道超车"的非对称战略思路 [16] - 群体智能的核心是构建协同框架，使多个相对较小的智能体像专家团队一样合作，完成复杂任务 [17] - 群体智能与基础大模型训练是相辅相成、螺旋上升的关系：群体智能系统作为"数据工厂"产生的高质量数据可反哺基础模型，增强其推理能力；更强的基础模型又能提升群体智能中单个智能体的能力 [18][19][20] - 通用智能体与基础模型的边界相对模糊，智能体团队的核心价值在于完成技术到商业价值的"最后一公里"，包括必要的模型后训练（post-train）和工程落地 [21][22] 智能体与真实世界的交互演进 - 智能体影响真实世界的三种介质包括：通过自然语言与人交互、通过API交互、以及通过GUI（图形用户界面）交互 [25] - API方式当前最主流但脆弱，依赖提供方且难以泛化；GUI方式模拟人类自然操作，泛化性和扩展性潜力最高，但实现难度也最大 [25][26][27] - 行业需要建立智能体间的通信与协作标准协议（如MCP、A2A），其最终形态可能由大公司推动或因其好用而形成稳定生态 [28] 开源策略与行业生态建设 - 开源是应对AI技术快速迭代、保持领先的关键方法论，其力量体现在集体智慧能加速AI发展，迅速缩小与闭源模型的差距 [32][33] - 开源项目超越代码本身，其核心价值在于共享背后的技术认知和设计哲学，接受检验并激发共创，是极佳的技术"名片" [35][37] - 智能体技术的硬性标准是"自己做出来的智能体自己能用"，强调实际应用价值而非空谈 [38] 智能体技术的未来方向 - 未来智能体的关键挑战是完成"长程任务"，即像独立个体一样7x24小时运行，处理持续数小时甚至更久的复杂任务，这将引出超长上下文管理、记忆等核心技术难题 [39] - 公司对智能体的未来规划聚焦于两点：一是让智能体在多种环境（如GAIA、IMO）中学习并沉淀经验至模型；二是将智能体作为开放的技术产品，让社区优先享受到技术红利 [40]

行业技术演进背景 - 传统数据分析方法依赖人工编写SQL、Python脚本及手动解读数据，存在耦合度高、扩展性差的问题，难以应对动态多模态的复杂数据[2] - 大语言模型与智能体的出现将数据分析从“规则执行”推向“语义理解”，使机器能够解读数据内在逻辑与关系，灵活完成查询、建模与报告生成等多样化任务[2] - 研究团队总结出LLM/Agent技术在数据分析领域的核心演进方向，共同指向让数据分析从“规则系统”迈向“智能体系统”的目标[7] 技术综述核心内容 - 该综述系统回顾了大语言模型在数据分析领域的整体演进，提出了构建“通用数据分析智能体”的新范式[2][11] - 论文重点讨论结构化、半结构化、非结构化及异构数据上的关键技术与演化趋势[4] - 不同于以往聚焦单一任务或模态的研究，该综述首次从全模态与全流程视角系统梳理了LLM/Agent在数据分析领域的整体格局[11] 五大核心演进方向 - 从字面理解转向语义推理：模型能洞察语义、推理逻辑，真正“理解数据”而非只“看数据”[10] - 从封闭工具转向自由协作：模型能调用外部API与知识库，与各类工具协同完成复杂任务[10] - 从封闭数据转向开放域分析：针对无结构约束的数据进行分析，摆脱原有工具限制[10] - 从静态工作流转向动态生成：智能体可自动构建分析流程与管道，使数据处理更高效灵活[10] - 从人工Agent框架转向自动生成框架：智能体可智能构建为特定工作服务的智能体，更灵活实现Agent工作流[10] 结构化数据分析技术 - 关系型数据分析正由NL2SQL向多样化的NL2Code、ModelQA过渡，研究方向包括语义对齐与模式链接、多步分解与检索增强推理、端到端表格问答[9] - 图数据分析以NL2GQL为代表，研究重点在图查询生成、语义级图推理与代理式操作，逐步实现从代码级到语义级的自动理解与执行[9] 半结构化与非结构化数据分析技术 - 半结构化数据的标记语言理解技术路线从模板+规则驱动向基于LLM的数据抽取与查询转变，强调树结构建模、层级编码、工具增强等[12] - 非结构化文档理解从OCR模板式向VLM转变，任务包括版面识别、RAG检索问答、摘要生成与多文档推理[12] - 图表理解将图像解析与自然语言推理结合，支持描述生成、问答与可视化推理[12] 异构数据与未来挑战 - 异构数据分析涉及跨模态整合多源数据湖，支撑统一语义查询与多模态推理，主要子任务包括模态对齐、自然语言检索接口、异构分析智能体[12] - 该领域未来挑战集中在可扩展性、评估体系与实际落地等方面，旨在推动通用数据分析智能体的发展与应用[4][11]

公司战略与核心信念 - 公司的终极使命是构建通用人工智能（AGI），并将其视为继农业革命、工业革命和计算机革命之后最重大的技术变革[11] - 公司坚决反对秘密研发超级智能后突然发布，一贯主张“迭代部署”策略，即逐步发布能力更强的模型，让社会有时间适应、理解并共同制定规则[11] - 公司认为计算能力是未来AI发展的核心瓶颈和最宝贵资源，将其视为“新世界的货币”，并以此解释其大规模基础设施投资计划[14] - 公司战略从软件扩展到智能体和硬件，认为未来的AI交互范式是能主动执行任务的“智能体”，并需要全新的硬件载体[14] - 公司从“非营利”转向“有限盈利”结构是出于现实的资金需求，因为构建AGI所需的庞大算力规模使得非营利结构无法筹集足够资金[14] 技术发展与产品演进 - 公司最新的视频模型Sora 2实现了从“文本到视频”到“现实与虚拟融合”的跨越，扩展了AI视频创作的边界，使其成为强大的“后期合成与世界模拟”工具[10] - ChatGPT正朝着“AI操作系统”演进，通过APP SDK、AgentKit和Codex构建最重要的基础设施[10] - 公司与AMD达成一项数十亿美元的战略合作，以部署其下一代AI芯片，此前已与Nvidia、Oracle、三星和SK海力士等公司合作推进AI基础设施建设[10] - 公司对AGI的定义从早期模糊的“通过图灵测试”演变为更具体的“当一个系统能够自主发现新的科学知识时，对我来说就是超级智能”，将AGI视为加速科学进步的引擎[14] - 公司预测GPT-5相较于GPT-4的提升将如同GPT-4相较于GPT-3一样巨大，并预测到2027年底大多数人会同意已出现由AI驱动的重大新发现[14] 行业影响与未来走向 - 公司引领的AI竞争已深入到产业链最底层，未来的竞争是涵盖芯片设计、供应链管理、能源获取和全球数据中心布局的全方位工业竞赛[23] - 未来最有价值的AI人才将是能够将AI推理能力与特定科学领域（如生物、材料、物理）知识相结合的“跨界人才”[23] - 随着公司将“科学发现”设定为AGI的里程碑，“AI+科学”将成为下一个投资热潮，资本和人才将涌入利用AI进行药物研发、新材料探索和基础物理研究等领域[23] - 公司未来将深度介入芯片和系统设计，打造专为自家模型优化的“全栈系统”，使“软硬件协同设计”成为其核心竞争力[23] - 未来的GPT模型将不仅仅是生成文本或图像，而是作为一种“推理即服务”对外提供，鼓励开发者和企业利用该能力解决科学、工程等领域的复杂问题[23] 商业模式与沟通策略 - 公司CEO多次表达对广告驱动商业模式的厌恶，认为这会扭曲产品激励机制，坚持ChatGPT应通过订阅和API调用收费以确保为用户提供最佳答案[14] - 公司CEO自陈其身份从“研究者”到“消费产品CEO”的转变是“意外”，原本意图是运营一个AGI研究实验室而非一家大型消费互联网公司[14] - 公司CEO在沟通中擅长用宏大使命叙事包裹激进商业和技术战略，其言论具有高度一致性的长期愿景，总能回归“构建AGI并造福人类”的核心使命[8][22] - 公司CEO在多次访谈中坦诚面对不确定性，频繁使用“我不知道”“这很难”等词语承认认知局限，这种脆弱性表露增加了其言论的真实感[22] - 公司CEO的沟通策略存在内在矛盾，一方面呼吁政府加强监管防止AI失控，另一方面又以极快速度推进技术，承认严格监管可能扼杀创新[17]

技术发展格局 - 美国在基础算法、大模型架构及核心专利领域保持优势，其科研生态更注重底层突破 [1] - 中国依托庞大的用户基数、移动互联网积淀及产业链协同，在场景化应用推进速度更快，部分领域体验已超越美国 [1] - 微信AI助手"元宝"实现社交生态无缝集成，腾讯豆包模型推理能力跻身全球第一梯队 [1] 产业生态与政策驱动 - 美国战略强化技术霸权主导地位，通过出口管制、标准制定及盟友合作遏制竞争者，2025年新政策主张放松监管、推动开源 [3] - 中国发挥制造业根基与数据规模优势，聚焦"AI+实体产业"融合，张亚勤指出中国将在5年内成为全球最大AI应用国 [3] - 中国AI发展的核心推力来自成熟的移动生态延续性及产业链协同效应 [3] 核心竞争优势与挑战 - 美国创新重心为基础理论与通用大模型，竞争优势在于学术原创性及全球标准主导，挑战为监管反复与政治干预 [5] - 中国创新重心为场景应用与工程化落地，竞争优势在于商业化速度与市场规模，挑战为核心技术自主性待提升 [5] 未来竞争焦点 - 双方竞赛将围绕智能体普及、混合专家模型降本增效以及多模态融合创造增量市场三大技术主线展开 [7] - 中国在移动互联网时代积累的5-8年领先优势，可能为AI应用层竞争提供关键跳板 [7] - 人工智能作为核心生产力引擎的地位已不可逆，两国终将在AI定义的新经济秩序中深度交织 [7]

SpaceX业务与财务表现 - 公司预计今年营收将达到155亿美元[1] - 星舰项目总投入已接近50亿美元 包括前九次试飞[1] - 每次星舰发射成本约为1亿美元[1] - 星舰为新一代大火箭 目标实现重复使用重复运载[1] - 第二代星舰全高123米 直径约9米 重约5000吨 搭载39台猛禽引擎[1] - 星链是SpaceX的一整套卫星网络 旨在提供高速互联网服务[1] AI内容创业现状 - AI内容创业者群体已躬身入局 既是内容创作者也是AI时代造浪者[4] - 创业方向涵盖技术解读 工具测评 行业分析及商业实践[4] 特工宇宙创始人背景 - 创始人仲泰为00后创业者 毕业于杭州电子科技大学[6] - 高三开始第一段正经创业 大学期间持续创业 项目从大三开始[6] - 选择AI专业因认为计算机和人工智能是万金油行业 对各行业都有应用[6] - 大三期间曾实习一年 主要担任AI产品经理 在大厂和初创公司积累经验[7] 特工宇宙业务模式 - 公司专注于Agent的研究与研发 业务分为三方面：Agent科技媒体 Agent开发 Agent社区和分发[11] - 团队已完成超过200个Agents开发项目 涵盖toC娱乐类和toB业务类智能体[6] - 与支付宝合作开发了"Emoji表情翻译器" "互联网黑话翻译器"等创新Agent[6] - 近期推出「观猹」平台 定位为AI内容社区和产品分发平台[11] 公司管理与文化 - 团队现阶段无考勤制度 倡导扁平化文化 鼓励随性交流[11] - 公司期望营造年轻人喜爱的工作环境 如设置Switch区域和猫咖[11] - 团队规模较小但工作强度大 公司现金流状况良好[10] - 团队自认为是AI Native团队 默认与AI共同完成工作量评估 任务执行和团队协作[10] 行业挑战与机遇 - AI行业创业者面临缺乏有经验人士提出有价值质疑的困境 反馈多为场面话或无人问津[10] - 企业落地AI存在缺乏经验和能力的痛点 市场存在优质AI应用缺乏曝光的痛点[11] - 短期主要困难是招聘志同道合且热爱AI的年轻人[10] - 公司愿景是建立AI行业标准 成为生态型企业[11]

AI发展现状与趋势 - AI进化速度被描述为“近乎疯狂”，大模型正从对话模式向服务人类、进行实体及工作层面交互的方向转变，2025年被视为大模型走向实际应用的开端 [2][4][5] - 当前两大重要进展领域是人形机器人（如宇树科技、智元机器人）和虚拟世界智能体（Agent），它们分别标志着AI向物理世界和虚拟世界的延伸 [3][4][16] - 推理大模型（如OpenAI o1、DeepSeek R1）的出现是革命性改变，其基于“思维链”的工作方式模仿人类“慢思维”，使大模型智商在国际奥林匹克数学竞赛中达到或超越人类顶尖水平 [6][7][8] AI技术瓶颈与未来突破方向 - 实现真正AGI需要两大关键标志：具备从0到1的颠覆式创新能力（解决OOD问题），以及突破现有Transformer架构的串行加工限制，获得类似人类的并行感知与运动能力 [25][26][27] - 当前大模型架构（如Transformer、MOE）自2022年11月GPT-3.5推出以来本质变化不大，仅增加参数量，但智能提升的关键在于架构复杂度和神经元模型复杂度，而非单纯参数量 [10][11][12] - AGI突破的“GPT时刻”难以预测，但明确的方向是向脑科学学习，脑科学与AI结合是重要研究方向，以期在感知、运动及创造力方面获得新启发 [12][27][28] AI对行业与职业的影响 - 垂直类Agent（如Cursor、Copilot）和通用Agent（如字节“扣子”）将深刻改变工作方式与组织架构，导致初级、中级程序员等知识密集型职位面临冲击，企业可能只需少数资深员工搭配Agent即可完成工作 [18][19][42] - 所有以知识密集型为核心的职业（如律师、程序员、会计、医生、教师）都将受到巨大冲击，“授业”、“解惑”等传统功能可被AI替代，职业价值将转向稀缺性和不可替代性 [40][41][42] - 未来职业分化加剧，顶尖创意人才（如音乐人）价值提升，竞争核心是“会用AI的人”取代“不懂AI的人”，掌握稀缺技能者将更具优势 [41][42][45] 教育领域的变革与应对 - 大学教育必须改革，核心从传授知识转向激发学生创造力和批判性思维，并大力推行通识教育以打通不同学科壁垒，在学科交叉处寻找创新点 [35][36][37] - “AI+学科”是必然趋势，但需避免简单“袋装土豆”式叠加，关键在于学科与AI的深度融合，培养“AI原生”人才，这要求教育推动者真正懂AI并吸纳年轻教师力量 [37][38][39] - 未来教育应借助AI工具，鼓励学生完成基础工作后聚焦独创性，同时教师角色转变为培养学生内驱力、批判能力和创造力，而非重复讲授知识 [35][40][43] 人类在AI时代的竞争优势 - 人类核心优势在于零到一的颠覆式创新能力（如开创印象派、提出相对论），这与AI目前的组合式创新有本质区别，在相当长时间内AI难以实现 [25][43][44] - 人类具备“在线学习”能力，能根据环境变化快速调整学习策略，这与AI交付后即固定不变的训练模式形成对比，未来需注重快速学习、理解和重构能力 [44][45] - 个人应对策略包括善用AI工具提升效率、利用AI进行批判性思辨以深化认知、以及寻求AI的情感支持，竞争关键是人与AI的协同而非对抗 [45][46][47] AGI的定义与发展路径 - AGI已从“任务特异AI”工具进化为“新物种”，其核心是具备与人类相似的通用智能，能全方位模仿人类行为，而非仅在单一领域超越人类 [21][22][23] - 通向AGI的三条路径（自然语言处理、强化学习、脑模拟）中，自然语言处理因Transformer架构出现已迎来“GPT时刻”，而强化学习（用于机器人交互）和脑模拟（用于感知创造力）仍在黑暗中摸索，等待关键突破 [29][30][31] - AGI发展不可阻挡，试图通过“对齐”限制其发展不切实际，因为人类三观本就多元，且国际竞争压力下任何一方停步都会落后，类似核武器发展历程 [32][33][34]

AI发展现状与趋势 - 2025年AI已进入几乎包围人类的时代，2024年诺贝尔物理学奖和图灵奖均授予AI领域，2025年初DeepSeek大模型和Manus完全自主AI引发广泛关注[5] - 大模型正从“你问我答”的对话模式向服务人类、与人类进行实体及工作层面交互转变，2025年是大模型走向实际应用的开端[10] - 人形机器人领域和智能体（Agent）领域是当前两大重要进展方向，代表AI向物理世界和虚拟世界的延伸[8] AI技术能力评估 - 2024年9月OpenAI推出o1推理大模型后，大模型已从单纯对话转向具备推理能力，能够模仿人类“慢思维”进行逻辑链思考[13] - 推理大模型的出现催生了智能体技术爆发，智能体核心是规划能力，能够调用各种工具完成实际任务[14] - 大模型在智商层面已经达到甚至超过人类顶尖水平，在国际奥林匹克数学竞赛中表现优异[14] - 但在感知和运动能力方面，当前基于Transformer架构的大模型存在串行加工缺陷，无法实现人类式的并行信息处理[33] AGI实现路径与挑战 - 真正的AGI需要具备两个关键能力：从0到1的颠覆式创新能力（OOD问题）以及完整的感知和运动能力[32][33] - 实现AGI的三条可能路径包括强化学习、脑模拟和自然语言处理，但目前都缺乏类似Transformer在NLP领域的突破性时刻[36] - AGI的实现可能需要向脑科学学习，开发受生物大脑启发的新架构，突破现有神经元模型的简单性限制[17][18][35] AI对行业的影响 - 垂直类Agent已在编程领域产生显著影响，如Cursor、Copilot等工具导致初级和中级程序员面临失业风险[24] - 通用类Agent如字节的“扣子”（Coze）具有广阔发展前景，未来将改变社会的工作方式和组织架构[24] - 所有知识密集型职业包括律师、程序员、会计、医生、教师等都会受到AI巨大冲击，传统教育模式面临根本性质疑[48] - 顶尖创意人才的价值反而会提升，如在AI生成音乐泛滥背景下，原创音乐人的客单价不降反升[49] 企业竞争格局 - AI发展具有不可阻挡的竞争特性，国与国、公司与公司之间的竞争使得暂停研发不切实际[40][41] - 类似核武器竞赛的格局正在形成，主要经济体都在加速AI研发以避免落后[41] 未来应用场景 - 物理世界机器人如马斯克的Optimus、OpenAI投资的Figure01重点关注“眼手合一”，用大模型驱动肢体适应环境[22] - 虚拟世界智能体将大模型与各类工具结合，能够完成购票、订房、行程规划等实际操作[23] - 未来手机可能不再需要多个APP，各种需求可通过大模型驱动的统一接口完成[23] 教育改革方向 - 大学教育必须从知识传授转向创造力培养和跨学科融合，推动通识教育发展[43][44] - “AI+学科”是所有学科的必然选择，但需要避免简单的“袋装土豆”式叠加，实现真正融合[45][46] - 未来大学分化将加剧，能够成功推行通识教育和跨学科融合的院校将占据优势[44] 个人应对策略 - 当前竞争是“会用AI的人”与“不会用AI的人”之间的差距，而非人与AI的直接竞争[53] - AI可作为助手、老师、批评者和情感支持伙伴，全方位提升个人能力[54] - 人类需要发挥零到一颠覆性创新的独特优势，这在相当长时间内仍是AI难以企及的[51]

文章核心观点 - 人工智能产业在“十四五”期间完成了从“技术”向“要素”的五大质变跃迁，为“十五五”期间AI要素的“量价齐升”奠定了坚实基础 [8] - “十五五”期间，AI Agent将成为核心载体，驱动AI要素通过价格发现、规模交易和跨境输出实现全面跃迁，并与实体经济深度融合 [8] - AI产业投资可遵循算力基础设施、AI Agent与MaaS服务、智能终端与机器人、AI+绿色低碳四大主线 [8] 技术演进 - Transformer架构统一了AIGC赛道，成为通用引擎，其自注意力机制提供了无与伦比的灵活性和可扩展性 [12][14][18] - 大模型参数量实现跨越式增长，从2018年GPT-2的15亿参数跃升至2024年GPT-4的1.76万亿参数，参数规模突破临界触发“涌现能力”，奠定通用智能雏形 [2][12][21] - 技术发展呈现“高参数量+轻量化”并行分化态势，超大参数模型处理复杂任务，轻量级模型适用于移动端和实时性要求高的场景 [21] - 视觉技术红利在“十四五”初期终结，ImageNet-1K精度逼近理论天花板，模型参数与算力投入的边际收益急剧递减 [11][13][45] 算力硬件 - GPU在算力硬件中占据主导地位，英伟达市场份额约为70%，同时ASIC、FPGA等异构芯片加速发展 [2] - 国产AI芯片奋起直追，华为昇腾910b、寒武纪思元370等产品单卡算力不断提升，能效比与海外差距逐级收敛 [8][26][32] - 数据中心形态由IDC向AIDC演进，功率密度和散热要求大幅提升，液冷等高效散热方案加速普及 [2][25][27] - 国家通过“东数西算”和“算力券”等机制介入算力定价，使算力具备公共事业属性 [25][28][29] 产业生态与数据要素 - AI要素化进程加快，数据经历资源化、资产化、资本化阶段，数据确权、定价、交易体系逐步完善 [2] - 公共数据完成“政务共享→授权运营→资产入表→财政分成”的跃迁，成为可交易、可分成的财政要素 [8][33][35] - 2024年《企业数据资源相关会计处理暂行规定》正式施行，截至2025年中报，110家A股上市公司数据资源入表总金额达26.52亿元 [33][42][44] - 智能体生态崛起，文心智能体平台、腾讯元器KUNLUN等开发平台涌现，通过调用制、订阅制、结果分成制实现价值捕获 [2][8] 应用场景与市场表现 - 企业服务因ROI明确、数据基础好成为AI优先落地领域，金融风控、制造供应链等场景逐步渗透，医疗、教育等领域探索深化 [2] - “十四五”期间视觉安防市场陷入红海，以海康威视、大华股份为代表的企业传统业务增速放缓，行业面临转型 [45][47][50] - 国内SaaS企业估值经历压缩，云计算SaaS的PS从高双位数回落，行业等待生成式AI原生等下一代平台技术带来反弹 [56][57] - “十四五”期间AI产业营收稳步增长，2025年上半年部分企业营收超900亿元，毛利率维持在42%-45%区间 [2] 政策支持 - 中央顶层设计完成“攻关-筑基-应用-变革”四段跳，AI首次写入社会治理层面，定位由“产业工具”升级为“转型引擎” [8][58][63] - 2024年《政府工作报告》首次在“社会治理”段落提及人工智能，2025年《关于深入实施“人工智能+”行动的意见》设定了2027/2030/2035三阶段量化目标 [63] - 政策体系强调场景落地、产业规模、安全治理三位一体，通过专项基金、税收优惠、政府采购等多措并举支持产业发展 [63][64] 未来展望与投资主线 - “十五五”期间AI Agent将驱动交互范式移至CUI，收费基准从Token计价转向“增量收益分成”，使AI部门由成本中心转为利润中心 [8] - 国产全栈闭环有望实现，通过Agent专用芯片、框架层标准定义和数据层资产化，取得要素定价权并实现规模化交易 [8] - 全球南方市场为AI出海提供广阔空间，其总人口超45亿，占世界总人口近60%，数字经济增长率远超传统经济 [8] - 投资建议聚焦四大主线：算力基础设施、AI Agent与MaaS服务、智能终端与机器人、AI+绿色低碳 [8]