公司产品发布 - 阶跃星辰发布新一代开源Agent基座模型Step 3.5 Flash [1][3] - 该模型面向实时Agent工作流场景打造，兼顾推理速度、智能水平与使用成本 [1][3] - 在单请求代码类任务上，Step 3.5 Flash最高推理速度可达每秒350个token [1][3] 模型技术架构 - Step 3.5 Flash采用稀疏MoE架构，每个token仅激活约110亿个参数，模型总参数为1960亿 [1][3] - 该架构在保证模型能力的同时显著提升推理效率 [1][3] - 模型为Agent类应用提供更高效、可负担的底层模型选择 [1][3] 产业生态合作 - 包括华为昇腾、沐曦股份、壁仞科技、燧原科技、天数智芯、阿里平头哥在内的多家芯片厂商已率先完成对Step 3.5 Flash的适配 [1][3] - 通过底层联合创新提升模型适配性和算力效率 [1][3] - 阶跃星辰于2025年7月联合近10家芯片及基础设施厂商发起“模芯生态创新联盟” [2][4] 行业影响与趋势 - 模型与算力的协同发展，有效降低推理成本，降低企业和开发者在应用大模型时的综合门槛 [1][3] - 此举旨在打通芯片、模型与平台之间的技术壁垒，通过联合优化提升算力利用效率 [2][4] - 业内认为，随着推理模型成为主流，模型与算力的深度协同将成为推动大模型规模化应用的重要路径 [2][4]

港股大模型概念股MINIMAX-WP涨幅扩大至20%，创上市来新高，报590港元，上市来累计涨超 250%。 ...

行业核心观点 - 2026年全球人工智能市场规模预计将达到9000亿美元 亚太市场将是全球增速最快的区域 [4] - 2026年全世界预计至少出现100亿个智能体 [1] - 当前AI正经历“双线进化” 大模型迭代升级的同时 智能体也在快速发展 [1] - 大模型竞争进入拼智能、拼落地效能的深水区 [4] 智能体发展与应用 - 智能体是AI能力落地的关键载体 能够深入理解垂直领域专业知识 并与人类智力和劳动力高效协同 推动生产力跃迁 [1] - 编程和娱乐影视行业被认为是AI有可能彻底颠覆的两个领域 [1] - 有公司创始人正研究短剧智能体 预计很快推出 [1] - 端侧模型被认为是物理世界AGI的必由之路 [3] 企业战略与布局 - 有公司投入AI应用主要聚焦三个方向 教育 电商 文旅 [2] - 有公司期待更多年轻人投身AI赋能农村教育 [2] - 有公司锚定端侧模型与垂直场景 避免与大厂在通用搜索红海正面竞争 以加速商业化闭环 [2] - 模型能力与商业落地必须“两条腿走路” [2] 行业影响与变革 - 人工智能在教育领域应用前景广阔 关键在于主动拥抱变革 [2] - AI技术不会颠覆教育本质 但会让好的教育理念跑得更快 走得更远 扎得更深 [2] - 在AI时代 设计师不缺先进生产力工具 但能力体系需要变革 技法重要性下降 审美和工具应用愈发关键 [2] - 不仅需要与AI协作 更要学会训练出属于自己的AI 让每个人都有机会成为突破边界的创作者 [2]

文章核心观点 - 多位AI行业专家在AGI-Next前沿峰会上，围绕下一代AI范式、Agent发展、中美市场差异及技术演进路径展开讨论，认为行业正从单纯追求模型规模转向关注智能效率、上下文理解及商业化落地[1][3][4][5][6][7][8][9][11][12] 行业趋势与市场分化 - 中美大模型市场均呈现明显分化，To C与To B市场底层逻辑截然不同[4] - To C市场大部分用户大部分时间不需要极强智能，应用更像是搜索引擎加强版，厂商倾向于垂直整合，模型层与应用层紧密耦合[4] - To B市场智能越高代表生产力越高，溢价空间越大，付费意愿呈现极端头部效应，市场愿为顶级模型支付200美元/月订阅费，对50美元或20美元/月的次级模型兴趣寥寥[4] - 在编程等严肃生产力场景中，较弱模型产生的错误导致隐性成本远超模型差价，因此To B市场强模型与较弱模型的差距将更加明显[4] 技术演进重点与挑战 - 月之暗面2025年技术进化主线是提升Token Efficiency以在有限数据下冲击更高智能上限，以及扩展长上下文能力以满足Agentic时代对模型记忆的需求[3] - 单纯的模型参数竞赛已不是C端产品全部，未来核心竞争力在于对Context的捕捉，如用户实时状态、位置、历史偏好及社交关系[5] - 大模型发展面临效率瓶颈，数据规模从2025年初的10TB增长至当前30TB，未来可能扩展到100TB，但规模扩张收益与高昂计算成本不成正比，盲目投入10亿、20亿资金可能仅获微薄回报[9] - 反复重训基座模型、过度依赖强化学习的模式收益已逐渐递减，未来需明确智能效率的核心地位，即在更少投入下实现更大智能增量[9] - Memory技术可能还需一年左右发展，当算法与基础设施更好融合，或能达到临界点，让人类感受到类似人与人之间的记忆理解能力[8] 下一代AI范式展望 - 自主学习在2025年已出现相关信号，部分团队采用最新用户数据进行实时学习，但尝试尚未带来石破天惊效果，核心原因在于缺乏预训练能力，模型表现暂时不及OpenAI等头部产品[6] - 自主学习发展最大问题并非技术本身，而是想象力的缺失，对于其实现时应呈现的具体任务与效果尚未形成清晰认知[6] - 2027年最有可能实现新范式创新的公司仍是OpenAI，尽管商业化等因素已在一定程度上削弱其创新基因，但综合来看依然是全球最有可能诞生新范式的企业[6] - 下一代AI范式核心方向包括AI的自主进化与AI的主动性提升，但主动性提升潜藏严峻安全风险，担忧AI可能主动实施危险行为[7] - 学术界与工业界的创新差距显著缩小，2023-2024年工业界算力卡数量领先高校高达万倍，但到2025年底至2026年初，众多高校已配备充足算力卡，双方差距缩小至10倍，学术界已孵化出创新种子[8] - 持续学习、Memory、多模态等方向均有望诞生新范式[8] AI Agent发展路径 - AI Agent发展被视为2026年AI产业的关键变化[11] - Agent发展分为四阶段：从目标和规划均由人类定义，过渡到AI自动定义，当前系统仍处于初级阶段，大部分依赖人工设定，未来将出现能观察人类工作、自主利用数据、内生定义目标与规划路径的原生系统[11] - 通用Agent的核心能力在于解决长尾问题，AGI的价值在于能解决用户到处找不到答案的难题[11] - 创业者若善于产品化，在产品上能做得比模型公司更好，仍有创业机会；模型公司优势在于践行模型即产品原则，可通过重训模型、消耗算力从底层解决问题[11] - Agent商业化落地核心要素包括价值、成本与速度，需解决真正有价值的人类事务，且成本不能过高[12]

文章核心观点 - 中金公司分享了在证券行业应用人工智能与大模型等先进技术以增强两大核心能力——价值评估能力与风险管理能力的实践案例与思考 [2] 技术应用与价值评估能力提升 - 证券行业专业功能发挥的关键在于提升围绕价格发现的价值评估能力以及各类风险的有效及时管控能力 [2] - 在证券垂直领域应用大模型的关键在于将高质量的领域知识准确传递给用户，提升信息“召回”准确性 [3] - 中金公司一站式投研服务平台“中金点睛”系统性地将公司研究积累以及300余位分析师构建的研究框架与模型转化为结构化信息，不仅提供信息，更着眼于辅助投资决策的逻辑与判断，以提升定价能力 [3] 风险管理能力与国际化业务 - 中金公司超过30%的收入来自于国际业务，在国际市场展业需面对复杂情况，风险管理能力决定了业务发展的上限 [4] - 公司在衍生品定价与风险计量体系建设方面积极实践，自主研发了境内外一体化风险与资本计量系统 [4] - 该系统采用国产GPU/CPU混合部署的云原生分布式架构，极大提升计算效率，将百万量级衍生品持仓风险资本计量时间从传统软件的4-6小时缩短至1小时以内，为快速有效的风险管控提供支撑 [4]

大模型对金融行业的重塑 - 大模型正系统性、多层次地重塑金融行业运营模式、服务生态与竞争格局，助力形成高效、智能、普惠且个性化的金融服务新生态 [1] - 大模型将从三大方向重塑行业价值创造模式：提升金融服务质效，推动业务模式转型；减少信息不对称、降低信息获取成本，提升金融市场有效性；推动金融服务下沉，赋能广大普惠客群 [1] - 大模型给证券行业和资本市场竞争格局带来深远影响，或呈现出“马太效应”和“乘数效应”并存的局面 [1] 中金公司AI战略愿景与规划 - 公司确立“乘AI之机，铸未来之势，立投行数智新极”的AI战略愿景 [1] - 2025年以“5+n战略”为引领，聚焦五大核心场景：中金点睛大模型、财富管理大模型、中金智阅、小金智能助手和中金小猿，并提炼通用能力支持其他业务团队开发轻量化应用 [3] - 未来五年计划通过深度整合人工智能与大数据技术实现从数字化转型向智能化转型的跨越式发展，系统推进数据、应用与算力三大体系协同建设 [12] 对外客户服务应用与成果 - “中金点睛大模型”是证券行业首批AI投研应用，提供AI搜索、找数据、智能纪要三大核心功能，覆盖超12万个高价值投研数据指标，已累计服务1600余家机构、超4.4万名客户 [4] - 中金智阅大模型应用于投行风控审核，实现语义错误90%、语法/拼写错误85%的高检出率，已审核超64万篇交易所文件，并服务于深交所、上交所等监管机构，赋能超过5000家上市公司 [4][5] - 在财富管理领域，全面升级并上线IC Copilot协呼版，打造AI诊股能力，并计划以数字人“小JINN”为载体开发AI APP智能助理 [5] 对内运营效率提升 - 以小金智能助手、中金智阅等工具优化办公协作、合规审核等流程，小金智能助理以通用问答、多语种翻译、会议助手等功能覆盖集团员工日常办公需求 [6] - 中金智阅可自动审核文档语义错误与敏感信息，已完成数万篇内部文档审核，大幅提高风控效率 [6] - 计划深化数字员工在合同生成、流程自动化等场景落地 [12] 技术平台与基础设施建设 - 构建“天算”与“九章智启”两大核心平台，其中“九章智启”大语言模型应用开发平台累计AI应用总量已突破1300项 [7] - 采用以自主可控为核心、外部合作为补充的战略路径，通过私有化部署的AI模型和AI训练平台确保对核心技术完全掌控 [7] - 在算力层面构建以国产芯片为核心的混合算力体系，通过“北京－深圳－云端”三元架构实现跨地域弹性调度，计划三年内将国产算力占比提升至70%以上 [12] 行业机遇与挑战 - 按中金研究部预测，大模型可为金融业带来3万亿元增量价值 [9] - 当前AI在金融领域应用的技术瓶颈集中在高质量数据积累和应用、模型选型和适配、配套技术落地以及应用经济性等核心层面 [9] - 具体挑战包括高质量合规数据获取难、模型可解释性与鲁棒性不足、系统适配与成本压力大 [9][10][11] 未来发展方向 - 未来3-5年AI或将从根本上改变证券行业商业模式与竞争格局，产品服务向智能化、一体化升级，风控从成本中心转为价值环节 [11] - 证券行业AI技术将向决策智能深化、多模态技术落地、智能体与数字员工普及等方向发展 [11] - 公司计划深化人机协同应用，为全员和客户配备专属AI助手，推动AI覆盖投行尽调、交易策略优化等更多核心业务环节，打造AI原生业务模式 [2]

业务拓展计划 - 公司计划在2024年向国内外招募10名业务合伙人 [2] - 合伙人将负责自动驾驶相关课程研发、论文辅导业务开发以及硬件研发 [2] 重点技术方向 - 公司重点关注大模型/多模态大模型、扩散模型、VLA、端到端自动驾驶、具身交互等技术 [3] - 其他关键方向包括联合预测、SLAM、3D目标检测、世界模型、闭环仿真3DGS以及大模型部署与量化感知推理 [3] 人才招聘要求 - 合伙人岗位要求应聘者来自QS200以内高校，并拥有硕士及以上学历 [4] - 拥有顶级学术会议成果的候选人将获得优先考虑 [4] 合伙人待遇与激励 - 合伙人将获得自动驾驶领域的资源共享，包括求职、读博及出国留学推荐等支持 [5] - 公司提供丰厚的现金激励以及创业项目合作与推荐机会 [5]

业务拓展计划 - 公司计划在2024年向国内外招募10名业务合伙人 [2] - 合伙人将负责自动驾驶相关课程研发、论文辅导业务开发以及硬件研发 [2] 重点技术方向 - 公司重点关注大模型/多模态大模型、扩散模型、VLA、端到端自动驾驶、具身交互、联合预测等技术 [3] - 其他关键方向包括SLAM、3D目标检测、世界模型、闭环仿真3DGS、大模型部署与量化感知推理 [3] 人才招聘要求 - 合伙人岗位要求应聘者来自QS200以内高校，并拥有硕士及以上学历 [4] - 在顶级学术会议发表过论文的候选人将获得优先考虑 [4] 合伙人待遇 - 提供自动驾驶领域的资源共享，包括求职、读博、出国留学推荐等 [5] - 合伙人将获得丰厚的现金激励 [5] - 提供创业项目合作与推荐机会 [5]

核心观点 - 数据与AI双引擎融合驱动是智能时代演进方向 数据驱动AI发展 AI推动数据进化[1] - 大模型发展面临数据墙困境 无标签语料贡献减弱 大规模数据训练性价比显著降低[1] - 数据产业正经历从劳动密集型向技术密集型和知识密集型重大转型[2] 数据质量提升方法 - 通过语法复杂度指标和累积分布采样筛选高质量语料 从100亿token财经语料中筛选20%高质量数据训练 领域问答任务准确率提升1.7%[1] - 数据质量分析需从体验质量入手 考虑人类体验和机器体验[2] - 高质量数据集应满足VALID²要求 包括鲜活度 真实性 大样本 完整性 多样性 高知识密度[2] 行业实践案例 - 动捕数据 自动驾驶标注 思维链数据集等高质量数据服务千行百业[2] - 语料数据在方法论 基础设施和行业生态三方面进行体系化重构探索[2] 学术研究进展 - 大模型数据科学需从专家经验阶段发展到量化科学直至自进化阶段[1] - 需要从海量杂乱数据中提取决定模型能力的关键成分[1] - 精炼数据和合成数据都需要质量优先原则[2]

行业发展趋势 - 大模型推动人工智能从弱人工智能阶段向强人工智能阶段演进 处理通用复杂任务 [1] - 2024年中国大模型开发平台市场规模达16.9亿元人民币 [1] - 2024年中国人工智能算力市场规模约190亿美元 2025年将达259亿美元 同比增长36.32% 2028年将达552亿美元 [1] - 智能芯片作为算力基础设施核心 迎来前所未有的发展机遇 [1] 公司技术实力 - 专注于人工智能芯片产品研发与技术创新 掌握智能芯片及基础系统软件研发和产品化核心技术 [2] - 研制多款领先智能处理器及芯片产品 包括终端场景1A/1H/1M系列 云端思元100/270/290/370芯片 边缘思元220芯片 [2] - 智能芯片可高效支持大模型训练及推理 视觉处理 语音处理 自然语言处理和推荐系统等多模态人工智能任务 [2] - 支持主流开源大模型训练推理 包括DeepSeek系列 LLaMA系列 GPT系列 BLOOM系列 GLM系列及多模态Stable Diffusion [2] 业务体系构成 - 智能计算集群系统业务整合自研板卡/智能整机与服务器设备 网络设备 存储设备 配备集群管理软件组成数据中心集群 [3] - 集群核心算力来源为自研云端智能芯片 聚焦人工智能技术在数据中心应用 [3] - 为人工智能应用部署技术能力较弱客户提供软硬件整体解决方案 实现科学配置管理集群软硬件 提升运行效率 [3] 产业生态建设 - 在智能芯片及相关领域开展体系化知识产权布局 [2] - 与产业链上下游环节构建稳固合作关系 共同推进人工智能产业发展 [2]