文章核心观点 - 2026年将是AI技术从炒作转向实用化的关键一年 行业焦点从构建庞大模型转向让AI真正可用 包括部署轻量模型 嵌入实体设备以及设计无缝工作流系统 标志着行业从粗放扩张转向新架构研究 从演示转向针对性部署 从空谈自主转向赋能人类的协作工具 行业开始回归理性 [3][4] Scaling Law的极限与架构创新 - 自2012年ImageNet论文和2020年GPT-3发布后 AI进入“规模化时代” 其核心信念是更多算力、数据和更大的Transformer模型将推动突破 [7][8] - 当前许多研究者认为AI产业正在接近Scaling Law的极限 性能进入平台期 预训练成果趋于停滞 需要全新的思路和比Transformer有显著改进的新架构 [9] - Meta前首席AI科学家Yann LeCun长期反对过度依赖规模化 OpenAI联合创始人Ilya Sutskever也指出当前模型性能已进入平台期 [9] 小型专用语言模型的崛起 - 下一波企业AI应用的驱动力将是更小巧、更灵活的小型语言模型 它们能针对特定领域进行微调以提供解决方案 [9] - 经过微调的SLMs将成为大趋势 并在2026年成为成熟AI企业的标配工具 因其在针对企业业务应用的准确度上能够媲美更大的通用模型 且在成本和速度方面表现出色 [10] - SLM的精密度、成本效益和适应性使其成为定制应用的理想选择 其特性也意味着更适合部署在本地设备上 这一趋势因边缘计算的进步而加速 [11] 世界模型成为关键突破方向 - 许多研究者认为下一个重大突破将来自“世界模型” 这类AI系统通过学习物体在三维空间中的运动与交互 从而能够进行预测并采取行动 而非仅仅预测下一个词语 [14] - 越来越多迹象表明2026年将成为世界模型的关键年份 包括LeCun创办世界模型实验室并寻求50亿美元估值 谷歌DeepMind持续深耕Genie项目 李飞飞的世界实验室推出首个商业化世界模型Marble 以及多家初创公司获得融资或发布产品 [15][16] - 游戏领域的世界模型市场规模预计将从2022至2025年间的12亿美元 增长至2030年的2760亿美元 得益于该技术生成交互式世界和更逼真非玩家角色的能力 虚拟环境有望成为下一代基础模型关键的检测场 [16][17] 智能体从演示走向实践 - 2025年智能体未能达到市场预期 主要原因是难以将其与真实工作系统对接 缺乏获取工具与场景信息的途径 [18] - Anthropic公司推出的Model Context Protocol被誉为“AI领域的USB-C接口” 它让AI智能体能够与数据库、搜索引擎及API等外部工具进行交互 正迅速成为行业标准 并获得OpenAI、微软、谷歌等巨头的支持 [18] - 随着MCP降低连接实际系统的摩擦阻力 2026年很可能成为智能体工作流从演示阶段真正融入日常实践的元年 技术进步将推动智能体在各行业承担起“记录系统核心角色” [19][20] AI增强人类而非简单替代 - 2026年的讨论重点将更多地转向AI如何辅助人类工作流程 而非取代人类 预计人工智能治理、透明度、安全性以及数据管理领域会出现新的职位 [21] - 有观点认为2026年失业率平均值会低于4% 表明AI的发展将更多地与人类工作协同 [21] AI走向实体化与物理场景 - 小型模型、世界模型和边缘计算等技术的进步将推动机器学习在更多物理场景中落地应用 物理人工智能将在2026年成为主流 [24] - 新型人工智能设备如机器人、自动驾驶车辆、无人机和可穿戴设备开始进入市场 其中可穿戴设备凭借消费者接受度成为更具成本效益的切入点 例如配备AI助手的智能眼镜和AI健康指环等 [24] - 连接服务提供商将致力于优化其网络基础设施以支持这波新设备浪潮 在提供连接方式上具备灵活性的运营商将占据优势 [24]

常州人工智能发展战略与政策 - 常州市政府与清华大学签订专项合作协议，启动常州—清华人工智能创新引领行动，旨在融合高校科研与地方产业优势，筑牢智能体发展根基 [1] - 常州市系统推出2026年"人工智能+"行动计划暨人才政策，构建"12345"核心体系，即建设1个国际社区、实施创新与场景双轮驱动、构建3个先导区、建设4个协同区、建强5大创新底座 [1] - 常州市设立总规模50亿元人民币的人工智能专项基金，其中首期规模为10亿元人民币，旨在打造全国"智能体+场景应用"示范城市 [1] 产业生态与基础设施构建 - 中国常州城市可信数据空间作为国家试点正式上线，旨在通过技术融合、场景支撑、标准验证和机制建设，构建覆盖常州并辐射全国的数据基础设施底座 [2] - 常州市全维度构筑人工智能发展产业生态，具体举措包括聘任人工智能智库专家、中国人工智能学会西太湖创新基地入驻、中国移动（常州）OPC社区及常州硅基智能OPC社区启动，并同步启动首届中国"人工智能+"创新创业挑战赛 [2] 应用案例与场景需求 - 大会发布了全国十大智能体典型应用案例，覆盖工业制造、智慧城市、健康医疗、金融保险等多个关键领域 [2] - 在发布的全国十大智能体典型应用案例中，常州国创决策智能技术研究所的"Delta Deep Research"和理想工业智能科技(江苏)有限公司的"连山多智能体协作Agent"成功入选 [2] - 大会同期发布了江苏省"人工智能+"应用场景案例和常州市智能体应用场景揭榜挂帅需求清单 [2]

港股市场表现 - 本周（2025年12月29日-2026年1月2日）恒生指数上涨2.01%，恒生科技指数上涨4.31%，恒生中国企业指数上涨2.85%[4] - 本周港股通资金净卖出34亿元人民币[4] - 2025年全年南向资金净买入13,015亿元人民币，相当于2024年全年净买入的174.92%[4] - 本周南向资金重点加仓中芯国际（净买入20.78亿元）、招商银行（净买入16.95亿元）、工商银行（净买入10.45亿元）[20] AI行业动态 - Meta以超过20亿美元收购通用AI智能体初创公司Manus[4] - 百度子公司昆仑芯于1月2日以保密形式向香港联交所提交上市申请表格，拟分拆上市[4][6] - MiniMax发布MiniMax M2.1模型并同步上线Agent平台，且已通过港交所上市聆讯[4] - DeepSeek发布新论文，提出“流形约束超连接”(mHC)框架，旨在降低训练AI系统的算力和能源需求[4][6] 互联网公司估值与动态 - 腾讯控股2026年预测市盈率(PE)为18倍，预计Q4国内游戏环比加速[4] - 快手2026年预测PE为11倍，主业稳健增长符合预期[4] - 阿里巴巴2027财年预测PE为16倍，推出新图像生成模型及AI硬件[4] - 哔哩哔哩2026年预测PE为25倍，2025年跨年晚会直播峰值超3.5亿[4] - 小米集团2026年预测PE为19倍，小米17U徕卡版本热销[4] 新消费与智驾领域 - 泡泡玛特2026年预测PE为14倍，估值处于历史低位，Labubu系列二手市场价格近期回调[4] - 名创优品2026年预测PE为11倍，公司于2026年1月2日斥资约195.2万港元回购5.26万股[4] - 小鹏汽车2026年预测市销率(PS)为1.2倍，增程X9订单持续增长[4] - 理想汽车2026年预测PS为0.9倍，前期发布AI智能眼镜反馈良好[4] - 禾赛科技2026年预测PS为5.4倍，ADAS业务受益于智驾渗透率提升[4] 投资建议与风险 - 报告建议关注平台型互联网公司（如腾讯、快手、阿里巴巴、百度、哔哩哔哩、小米、美团）及具备模型或应用能力的AI生态企业（如京东健康、阿里健康等）[4] - 提示地缘政治风险、政策监管风险、消费复苏不及预期、行业竞争加剧等风险[4][22]

文章核心观点 - Meta以数十亿美元收购通用AI智能体公司Manus，是其史上第三大收购案，旨在抢占AI智能体赛道制高点，解决公司在AI应用落地和商业化方面的短板，是应对AI战略焦虑与实现破局的关键举措 [1][13] Meta的AI竞争处境与战略转向 - 尽管拥有强大的AI研究院和开源的Llama大模型系列，但在与OpenAI的GPT、谷歌的Gemini等顶尖模型的直接竞争中，Meta被认为已稍显落后 [3] - 公司将AI定为首要战略任务，优先级超过元宇宙，并成立了Meta超级智能实验室以研发高级模型 [3] - 为追赶AI赛道，Meta在2025年以140亿美元收购了Scale AI 49%的股权，并将其创始人Alexandr Wang挖来领导核心部门 [3] 收购目标Manus的核心价值 - Manus的核心是通用型AI智能体，能够自主规划步骤、调用工具并交付成果，实现了从“聊天”到“做事”的质变，这弥补了Meta现有AI能力的缺口 [5][7] - 自2025年3月上线至分析时点，Manus已服务全球数百万用户和企业，累计处理超过147万亿个令牌，创建了8000多万台虚拟计算机 [7] - 上线仅8个月，其年度经常性收入（ARR）突破1亿美元，成为全球最快达到此里程碑的初创公司，年收入运行率超过1.25亿美元 [7][9] - 其采用的中小企业订阅制模式，为Meta提供了现成的高增长企业级服务入口和收入来源 [9] Meta收购Manus的战略图谋 - 收购旨在“一箭三雕”：抢占智能体时代制高点、将AI能力通过现有平台（如Facebook、Instagram、WhatsApp）转化为产品价值与商业收益、获得顶尖人才 [9][11] - 智能体被视为继大语言模型之后的下一个颠覆性方向，谷歌、微软等巨头均在加紧布局 [9] - 此次收购使Meta获得通向智能体时代的入口、一套已验证的商业引擎以及一支优秀团队 [13] - Manus创始人肖弘将加入Meta担任副总裁，其产品思维与商业化经验被Meta所需 [11] 对行业的影响与意义 - 收购标志着全球AI竞赛从模型参数比拼转向应用落地肉搏的关键节点 [13] - 向市场传递明确信号：智能体作为能让AI真正“动手做事”的核心形态，已成为科技巨头布局未来的必争之地 [13] - 由中国创始团队打造的Manus被全球巨头青睐，证明了中国创业者在AI应用领域的实力 [13]

行业趋势与市场数据 - 中国大模型市场规模在2024年已达294.16亿元，同比增长62% [2] - 多模态大模型市场规模为156.3亿元，占大模型总市场规模超过一半 [2] - 预计到2026年，中国大模型市场规模将突破700亿元，年增速保持在50%以上 [10] - 企业联络行业正从效率驱动转向价值重构，迈向智能化、生态化与价值化的新阶段 [2] 技术驱动与能力重构 - 大模型与智能体深度融合，重构服务底层逻辑，使企业从“回应需求”转向“主动理解、提前洞察” [3] - 通过语音识别（ASR）、自然语言处理（NLP）和知识检索（RAG）等技术融合，系统能准确捕捉用户真实意图 [3] - 智能体具备情绪识别与语气调节能力，实现情感化交互 [4] - 大模型引入使语音、视频、短信、APP等渠道实现无缝协作，形成一体化智能通信网络 [5] 应用成效与效率提升 - 在政务与金融领域，数字人客服的满意度分别达到99.2%和94分以上 [4] - 某大型电商平台接入数字人客服后，品牌曝光度提升300%，转化率提升近20% [5] - 企业部署数字人客服的月均成本仅为人工坐席的15%-20% [5] - 某商业银行部署智能体数字人客服后，年节省人力成本超过3800万元，仅6个月便收回投入成本 [5] - 某家电企业采用“数字人+人工协同”模式后，客户等待时长减少67%，疑难问题处理效率提升40% [5] 运营模式与价值转型 - 智能体接管高频、标准化咨询，释放人工客服专注于复杂需求和高价值服务 [6] - 某金融企业通过智能客服释放人力转向交叉销售，通过用户行为分析年增收超2000万元，实现从“成本中心”到“利润中心”的转型 [6] - 智能联络系统转化的客户画像准确度达92% [6] - 预测式服务通过分析历史与实时数据提前识别风险与需求，例如将物流延迟的投诉率降低一半 [7] 垂直化与定制化发展 - 智能联络系统结合行业特性进行深度定制，例如金融行业注重合规，汽车行业强调全生命周期服务，跨境电商需要多语言支持 [8] - 某跨境平台智能联络系统支持12种语言实时互译，实现咨询转化率提升27%，国际市场拓展成本降低60% [8] - 在保险领域，智能体可将理赔材料审核时长缩短70% [8] - 在家装服务中，系统能根据预算与工期提供建议，使有效沟通率提升60% [8] 公司战略与领导者背景 - 点控云（北京）智能科技有限公司服务客户规模已突破3000家 [11] - 公司创始人兼CEO王学良毕业于北京大学，曾任港股上市公司天润云呼叫云平台总经理 [11] - 公司制定了2025-2027年三年战略规划，明确以大模型技术为基石，构建端到端的智能联络生态系统 [11] - 公司依托道一大模型，已在语音转写、客服智能化、人机协作等场景实现深度应用 [11]

核心观点 - 文章通过对比高价值人才与普通职场人的跳槽案例 指出职场规则与评价标准存在双重标准 高价值人才的职业流动被赋予积极意义 而普通人的类似行为则可能面临负面标签与职业发展限制 [4][5][6][7][8] 人才流动与市场评价 - 前OpenAI研究员姚顺雨于2024年8月加入OpenAI 参与Operator、Deep Research等核心项目 于2025年9月离职 同年12月宣布加入鹅厂 其在OpenAI任职时间不足一年 [4] - 对于姚顺雨此类高价值人才的短期跳槽 市场舆论倾向于解读为“人往高处走”的积极职业选择 而非稳定性不足 [5][7] - 相比之下 普通职场人的频繁跳槽则容易被企业或HR贴上“缺乏稳定性”或“能力不行”的标签 可能在简历筛选阶段就被淘汰 [6][8] - 部分大型科技公司在招聘中存在明确的筛选规则 例如有评论指出阿里可能因“三年跳槽两次”的履历而过滤掉候选人简历 [9] 行业规则与双重标准 - 文章观点认为 职场中的许多规则更像是针对普通人的枷锁 而强者的职业选择往往不受同一套标准限制 [8] - 相关评论进一步指出 “所有规则只适用于普通人” 而“所有规则的解释权在于强者” 这反映了职场评价体系中的权力不对等现象 [9]

文章核心观点 本报告从技术发展周期视角，深度洞察中国金融智能体行业的落地现状与未来趋势，指出2025年是金融智能体发展元年，行业正处于初步探索期（投资建设期），市场规模达9.5亿元，预计2030年将增长至193亿元，年复合增长率达82.6% [1][12][35]。行业的发展由技术突破、业务创新与政策支持三重因素共振驱动，展现出强劲的内生动力 [2]。当前，金融机构普遍采取“战略积极、落地务实”的策略，项目多集中于外围场景试点，旨在验证可行性及业务价值 [2][12][16]。报告详细分析了行业在应用场景、项目部署、客户分布、商业模式等方面的现状，并基于行业周期推演了从初步探索期、敏捷实践期到规模扩展期的演进路径与关键趋势 [12][101][112]。 驱动因素 - **技术突破**：智能体能够弥补大模型在执行具体任务和对外交互方面的不足，解决落地应用的“最后一公里”难题 [6]。以DeepSeek为代表的大模型在对话理解、任务规划等能力上持续增强，同时MCP、A2A、LangChain等协议与开发框架降低了开发门槛，加速了智能体的实用化进程 [6]。 - **业务创新**：约33%的金融机构对智能体持较为积极的投资态度，致力于探索其在业务增长、客户体验升级、运营降本增效等维度的落地模式 [7]。 - **政策支持**：多项国家层面政策为金融智能体的发展提供了清晰的战略指引和目标规划，特别是金融“五篇大文章”（科技金融、绿色金融、普惠金融、养老金融、数字金融）为智能体的业务实践锚定了关键探索路径 [8][10]。 行业现状：应用落地及商用实践 - **周期阶段**：2025年是金融智能体发展元年，行业处于初步探索期（投资建设期），96%的应用实践处于此阶段，仅4%进入敏捷实践期 [12]。 - **场景应用**：当前应用聚焦于两类场景：一是职能运营类场景（如知识问答、办公助手），落地速度快、适配成本低；二是在业务场景外围进行初步探索（如生成报告、流水分析），主要提供辅助性工具，尚未深入核心金融业务 [16]。 - **项目部署实施**：主要有两种落地路径：一是在现有系统中嵌入智能体功能，进行轻量化改造；二是通过采购标准产品或定制开发进行独立应用开发 [18]。大部分2025年签约项目仍在交付阶段，整体按计划推进 [19]。 - **项目落地运行风险**：预计将有20%～25%的项目会面临效果不达预期甚至失败的风险，失败原因涉及产品技术能力、成本规划、真实生产环境制约等多方面因素 [22]。 - **客户分布**：银行业以43%的项目数量占比成为核心阵地，资产管理类机构以27%位居第二，保险业以15%位列第三 [25][26]。 - **项目类型分布**：分为“嵌入式智能体功能”与“独立智能体应用开发”两类，目前后者占比更高，但随着行业发展，对智能体平台的采购需求预计将持续增长 [27][28]。 - **项目金额分布**：智能体应用类项目金额多集中在30万至150万元区间，平台类项目多在100万至150万元之间，组合类项目价格更高，市场已出现少量由业务团队主导的千万级深度改造项目 [31][32]。 - **市场规模**：2025年中国金融机构对智能体平台及应用解决方案的投资规模为9.5亿元，预计2030年将达193亿元，年复合增长率为82.6% [35]。 - **商业模式**：主要分为产品交付模式和价值交付模式（RaaS），后者市场空间巨大但对服务商的金融业务KnowHow和效果保障能力要求极高，目前尚在探索中 [39][42]。 行业挑战与客户洞察 - **周期特点与挑战**：市场期望高涨但落地仍处探索期，53%的金融机构表示若项目成果显著低于预期将立即缩减或终止投入，行业需警惕信心透支风险 [43]。 - **从业者认知**：部分金融机构客户对智能体的能力边界和应用价值存在认知偏差，非技术背景从业者易“高预期、低辨别”，而部分技术背景从业者则可能因过度谨慎而低估价值 [47][51]。 - **客户价值期望**：对智能体的价值期望已从提升效率的工具，转变为驱动业务可持续增长与重塑客户体验的核心创新引擎 [53][56]。 - **客户投资意愿**：2025年Q4相较Q1，拥有积极投资意愿的机构占比增加了27.5%，驱动因素包括同业示范效应、政策引导以及RaaS模式缓解了投资回报不确定性 [58][59]。投资呈现分层特征，分为积极探索型、务实跟进型和审慎观望型 [64]。 - **客户关注方向**：金融机构关注四大核心方向：安全合规、价值评估、落地实践以及持续价值反馈 [68]。 - **安全合规**：是采纳智能体的前提与底线，58.9%的受访者关注智能体行为安全，47.0%关注数据隐私保护 [71][72]。 - **价值评估**：对价值的定义、衡量与场景适配已成为金融机构采纳智能体的关键决策锚点 [73]。 - **落地实践**：在安全合规、产品易用的基础上，深度适配金融场景、理解金融业务逻辑的智能体更具落地优势，66.2%的受访者最关注金融场景的深度适配 [76][77]。 - **持续价值反馈**：领先机构开始前瞻性关注，未来可尝试构建智能体战略办公室（ASO）来推动智能体应用的体系化落地和持续价值反馈 [80][81]。 基于行业周期的趋势推演 - **初步探索期（当前阶段）**：多数项目经历POC、部署、试运行，应用局限于职能运营及非核心业务场景 [94]。此阶段需重点关注市场教育、客户预期建设、甄别伪智能体产品，并解决数据有效性和可用性等关键问题 [95][96][98]。 - **敏捷实践期（回报初期）**：项目开始在业务中落地，进入价值回报初期，核心目标是抽象出规模化范式 [101]。此阶段将出现“大浪淘沙，竞争分化”的市场迭代，且RaaS（结果即服务）模式将成为重要选择，推动厂商角色升级为业务共创伙伴 [103][106]。构建增强信任的金融智能体安全架构变得至关重要 [109]。 - **规模扩展期（黄金回报期）**：预计2028年行业进入此阶段，智能体应用规模化范式形成，开始面向全量用户和业务开放 [112][114]。此阶段需重点关注智能体治理、安全合规及总拥有成本（TCO）管控，避免因隐性成本超支影响投资信心 [119][122]。面向价值增长的金融Agent Infra将成为能力建设必选项，且可能催生智能体金融网络平台及金融智能共生系统等更高级形态 [115][127][129]。

行业动态 - 2025年底科技行业焦点高度集中于AI智能体领域 [1] - 国际科技巨头Meta以数十亿美元收购AI智能体公司Manus的母公司蝴蝶效应 [1] - 国内各大厂商近期密集推出自有智能体产品 [2] 国内厂商布局 - 钉钉发布全球首个为AI打造的工作智能操作系统“Agent OS” [2] - 阿里通义实验室开源GUI智能体 可用于AI手机的跨应用操作 [2] - 联想在2025天禧AI生态伙伴大会上 宣布将天禧AI智能体升级至3.5版本 提升个性化、行动力和交互体验 [3] - 联想持续推进“天禧AI 一体多端”战略 “一体”指天禧AI 包含四大模块：多模态输入与纯自然交互的AUI、混合大模型驱动的天禧大脑、开放的天禧生态、“端云一体”的可信计算技术 [3] 联想天禧AI战略细节 - 天禧AI正嵌入联想AI PC、AI手机、AI平板以及AIoT等多类终端 [3] - 联想天禧AI的建设进程受市场关注 源于此前市场传闻联想计划与豆包联合打造AI手机 但未获官方确认 [3] - 联想中国区天禧AI生态事业部总经理陈学桂在大会上将天禧与豆包对比 强调天禧的安全性 [4] - 陈学桂指出 12月份豆包手机的发布引发行业对调用能力的讨论 其泛化的跨APP操作能力令人印象深刻 但现行版本部分设计也引起行业广泛讨论 [4] 联想天禧AI的安全特性 - 天禧的可信计算平台从底层设计实现算力数据的全安全 [4] - 安全架构基于三点：第一 基于硬件级加密安全格局 实现算法与数据的物理隔离 杜绝非法访问 [4] - 第二 采用同态加密技术 让数据可用但不可见 计算过程不泄露原始数据 [4] - 第三 通过透明的安全计算制度 每一步操作均可验证 [4] - 市场关注天禧的“安全牌”能否助力联想的AI终端产品斩获更多市场份额 [4]

实验室成立与战略定位 - 江苏省语言计算及应用重点实验室由思必驰牵头，联合上海交通大学、苏州大学共建，是江苏省第一个以企业牵头的人工智能重点实验室[7] - 实验室是江苏省在通用人工智能领域布局的重要战略科技力量，体现了对人工智能产业发展和以企业为主体开展科技创新的高度重视[7] - 实验室聚焦“语言计算+行业应用”的交叉融合，契合国家人工智能发展战略，为江苏省打造具有全球影响力的产业创新高地提供支撑[3] 技术路线与发展方向 - 实验室对当前人工智能技术演进从生成式智能向执行式智能转变的判断获得学术委员会专家充分肯定[1] - 实验室以“1+N分布式智能体系统”为核心的技术路线获得高度评价[1] - 实验室坚持“可靠性优先”的跨模态通用智能方向，重点攻关可信语音与多模态感知、跨模态语言大模型、智能体与人机高效协作等关键技术[7] - 实验室致力于打造高能效、可解释、高可靠的领域大模型基座，形成面向规模落地的智能体系统与整体解决方案[7] - 委员会建议实验室在多模态感知与理解、智能体通讯与协同、智能体可靠性与鲁棒性提升等前沿方向加大投入[3] 组织架构与产学研模式 - 实验室学术委员会由清华大学人工智能研究院名誉院长、中国科学院院士张钹担任主任，汇聚了来自鹏程实验室、清华大学、南京大学、哈尔滨工业大学、中国移动、同济大学、苏州实验室等多位资深专家[5] - 实验室以思必驰的产业平台为依托，汇聚上海交大、苏大的顶尖科研资源，形成“产学研用”深度融合的创新共同体[7] - 实验室发展的核心落脚点是原始创新推动产业应用高质量发展，以技术创新赋能实体经济，将AI技术深度融入千行百业[9] - 委员会建议实验室深化与本地高校、科研院所及龙头企业的合作，加快推动技术成果在重点场景的落地转化[3] 技术成果与产业应用 - 实验室在智能体工具开发、语音交互技术迭代、大模型等方面取得技术突破，代表性成果包括《基于智能体技术的海量数据处理工具链平台》、《从语音理解、语音生成迈向语音交互》、《面向可靠性的大模型能力精准调控》等主题研究[7] - 依托实验室的科研支撑与思必驰的产业积淀，多项AI技术已在智慧出行、智慧物联、智慧办公领域实现规模化落地[9] - 在智慧出行领域，思必驰基于自研全链路智能语音交互技术、AISPEECH DFM语言计算大模型构建“1+N中枢大模型”架构组合上车，已赋能梅赛德斯-奔驰、奥迪、比亚迪、五菱、长城等国内外主流车企[9] - 在智慧物联领域，思必驰解决方案已广泛落地于智能机器人、黑电、白电及消费电子等领域，与美的、海尔、智元机器人、追觅等行业头部企业深度合作，并推出了空调大模型解决方案、天穹系统3.0全屋智能解决方案、RTOS大模型解决方案[10] - 在智慧办公领域，思必驰面向政企办公推出了吸顶麦MC10、MC08、矩阵麦MA600D与拾扩一体吸顶麦MCS06等产品，并面向个人用户推出了思必驰AI办公本系列[10] 发展目标与未来规划 - 实验室力争在未来三年内建成国内领先、国际一流的语言计算原始创新策源地[3] - 实验室将持续深化产学研用融合，聚焦核心技术攻关，助力江苏省人工智能产业实现跨越式提升[12] - 思必驰将以实验室为依托，持续以AI技术赋能实体经济，为产业高质量发展注入创新动能[12]

行业背景与趋势 - 人工智能正以前所未有的速度重塑千行百业，成为推动经济社会高质量发展的核心引擎，不断突破传统产业边界，催生新业态、新模式[5] - 智能体作为人工智能走向复杂任务协同与规模化落地的重要载体，正进入生态共建与应用深化的关键阶段[5] - 健康领域被视为检验智能体价值的“高难度场景”，因其涉及多主体协作、多数据来源以及强专业约束，对智能体的理解、决策与协同能力要求更高[6] - 人工智能正从单点能力突破迈向体系化竞争，健康产业的智能化升级将是一场围绕技术底座、场景深度与生态协同的长期演进[9] 公司成就与行业认可 - 轻松健康集团在2025“人工智能+”产业生态大会上，凭借其在AI智能体、健康风险管理及保险服务创新领域的系统性突破，成功入选“智能体创新推进计划”合作伙伴单位[1] - 公司同时入选“2025智能体创新应用案例”，体现出健康科技企业在智能体应用路径上的可行范式与现实价值[6] - 公司在健康服务智能化体系构建上的长期投入，正逐步显现出行业层面的示范效应[1] 公司业务与技术战略 - 公司并未将AI技术视为局部效率优化工具，而是将其作为底层能力，系统性重构健康管理与保险服务的运行逻辑[8] - 通过持续研发投入，公司逐步形成覆盖“检、医、药、康、险”的服务体系，将原本分散的服务环节纳入统一的智能决策与协同框架之中[8] - 此举实现了健康服务从事后响应向前置干预的转变[8] - 公司围绕健康与保险核心场景，构建了以AIcare技术栈为核心的智能服务底座[8] - AIcare技术栈融合机器学习、大模型能力、知识图谱、规则引擎与数据治理能力，支撑多智能体并行运行与协同决策[8] - 该技术体系持续刻画多维健康画像与风险识别模型，为复杂健康服务场景提供稳定、可扩展的智能化支撑[8] - 通过AIcare技术栈，公司正在缓解健康服务长期存在的“信息孤岛”与“服务碎片化”问题，探索跨服务环节的协同机制[8] - 公司致力于使健康管理与风险保障形成连续、闭环的服务体系，为智能体在高复杂度行业中的规模化应用提供了可验证、可复制的现实样本[8] 未来展望 - 公司将持续围绕AI能力迭代、健康服务场景拓展与产业链协同深化，加大技术研发与实践探索力度[9] - 公司旨在为数字健康产业高质量发展提供更具参考价值的创新路径[9]