核心观点 - Agentic AI能够全流程辅助策略开发，实现“泛量化”，使无编程背景的研究员和投资者通过自然语言交互即可完成从数据收集、信号生成到策略构建、回测优化的完整流程 [4] - AI“泛量化”的具体流程始于知识智能体进行知识解构与跨域映射，随后由需求澄清代理拆解任务并执行流程，输出具备工程化说明的初稿，执行者只需校验经济逻辑并利用智能体辅助调试 [5] - 引入AI视角的Black-Litterman资产配置策略较等权基准实现了业绩飞跃，DeepSeek-V3与Qwen2.5-72B分别录得18.29%和20.37%的年化收益，远超等权基准的11.85%，夏普比率从0.99分别提升至1.56和1.81，最大回撤由-14.23%大幅收窄至-8.16%和-6.39% [6] - AI增强型风险平价模型对比300天固定窗口方案，在不增加波动的情况下显著优化了风险控制，Qwen2.5-72B方案年化收益达4.71%，提升0.12%，夏普比率从1.39提升至1.46，最大回撤由-4.50%大幅缩减至-3.00% [7] Agentic AI如何做到量化平权 - 从对话即服务到AI智能体：早期的AI应用（如交互式对话、API调用）主要作为“增强型工具”，提升单点环节效率（如会议纪要自动化、舆情归纳），但对“把观点变成策略、把策略变成交易”的端到端闭环帮助有限 [13][14] - 从专注提示词工程到运用合适的智能体：AI工具的使用重心从“怎么写提示词”转向“先把目标定清楚”，通过评估不同智能体的能力边界并将其嵌入研究、数据处理、策略构建与复盘等环节，实现对投研流程的结构化赋能 [16][18] - 从担心幻觉到拓展知识边界：Agentic AI结合Python等外接工具、Wind等数据与记忆能力，能够通过事实检索与推理拓展知识边界，使不懂编程的人员能用自然语言完成编程，实现“泛量化”投资 [20][22] AI泛量化具体流程 - **第一步：知识解构与跨域映射**：通过学习智能体完成从“投资直觉”到“数学公理”的深度转换，辅助识别观点与数学表达之间的映射关系，并推导出求解非线性优化问题所需的算法逻辑 [30] - **第二步：需求澄清与任务拆解**：利用“需求澄清”代理或具备追问能力的优秀智能体，通过CoT（思维链）技术将用户的自然语言表达具体化为具备明确目标和约束的任务单 [36][38] - **第三步：AI生成与调试代码**：优秀智能体生成的初稿代码基本能够跑通，并带有注释和章节化说明，便于非编程者复核，执行者只需围绕结果合理性与经济逻辑进行检查，再由长思考模型协助定位和修复Bug [39][40] - **流程总结**：该模式通过知识智能体保证知识解构与跨域映射，需求澄清代理拆解任务，执行者校验经济逻辑并利用智能体拓展知识边界进行调试，最终将业务意图高效转化为标准化、可复盘的量化成果 [43][44][45] AI视角驱动的Black-Litterman资产配置 - **策略简介**：该策略将大型语言模型（LLM）自动生成的资产视角作为Black-Litterman模型的投资者主观观点输入，每周调用LLM根据最新宏观经济数据和市场走势预测下周各资产的预期收益、信心度及方向 [52] - **输入与处理**：每周向LLM提供三类信息：资产横截面特征（如近期4周平均涨跌幅、波动率）、风险因素摘要（如资产间相关性）以及宏观市场快照，LLM基于此预测未来表现并以严格JSON格式输出 [52] - **观点量化与融合**：将LLM输出的预期收益作为观点向量Q，置信度映射为观点的方差Ω，然后与市场均衡回报结合，计算得到融合观点后的资产预期收益和协方差，最终求解出新的组合权重 [53] - **模型效果**：策略标的包括国内股、债、商等七类资产，回测区间为2023年初至2025年末，每周调仓，引入AI视角的策略大幅超越等权基准，其中Qwen2.5-72B模型策略年化收益率高达20.37%，夏普比率1.81，最大回撤仅-6.39% [55][57] AI增强型风险平价模型 - **策略简介**：引入AI动态决定风险平价策略中计算资产协方差矩阵的历史窗口长度，使其随市场环境自适应改变，以提升组合的稳健性与可解释性 [63] - **具体机制**：在每个调仓日，LLM基于近期宏观指标和市场行情特征，从预设的一组候选窗口长度中选择“最佳”窗口期，决策逻辑依据市场波动率、资产间相关性及宏观环境剧变程度进行动态切换 [63][64] - **模型效果**：策略标的同样为国内股、债、商等七类资产，回测区间为2026年初至2025年末，每月调仓且未使用杠杆，AI动态窗口方案在不增加波动的情况下优化了风险控制，Qwen2.5-72B方案年化收益4.71%，夏普比率1.46，最大回撤-3.00% [66][68] - **模型行为差异**：DeepSeek-V3的窗口选择更“进攻型”、切换更频繁，导致更高的换手率（平均月换手2.41%）和交易成本；而Qwen2.5-72B的窗口选择更“稳健型”、更集中在中长窗口（平均月换手1.98%） [69][71][75]

报告行业投资评级 - 科技行业评级为“增持” [6] - 英伟达股票投资评级为“买入”，目标价为280.00美元 [7] 报告核心观点 - 英伟达以约200亿美元收购Groq，是其迄今披露的最大交易，旨在获取低时延推理核心IP与人才，前瞻性布局AI“下半场” [1][2] - 该交易反映英伟达对Agentic AI时代需求变化的判断，即时延正成为继算力之后的关键约束因素，英伟达意图通过整合Groq技术主动定义AI“下半场”的技术标准 [1][3] - 通过将Groq的确定性“反射式引擎”深度整合至CUDA与GPU技术栈，英伟达旨在加速推动Agentic经济走向主流，并在训练与实时推理两种核心范式下同时建立领先能力 [1][3][46] 根据相关目录分别总结 Groq架构的战略意义与核心差异 - Groq的核心产品是面向推理的专用ASIC——语言处理单元，其设计出发点并非追求更高算力，而是解决通用GPU架构中的“时延-吞吐权衡”问题，核心价值主张在于确定性 [9] - Groq采用编译器驱动架构，在编译期对所有指令与内存访问进行预调度，消除动态调度带来的时延抖动，从而实现Batch Size = 1场景下的低时延下限 [9][12] - 当前AI计算正分化为训练导向和部署导向两条路径：英伟达GPU是“吞吐优先”，优化批处理吞吐能力；Groq LPU是“时延优先”，专注于对Time to First Token高度敏感的实时交互式Agentic AI应用 [10] - Groq与英伟达GPU是高度互补关系，Groq服务于时延敏感型推理部署场景，而英伟达仍是AI模型训练及高吞吐批量推理的通用标准 [11] Groq实现低时延优势的架构设计 - **存储架构**：Groq LPU单芯片集成约230MB片上SRAM作为主存，提供80TB/s的确定性内存带宽和低于10ns的访问时延，显著高于英伟达B300 GPU的8TB/s HBM3E带宽，但容量有限，部署70B参数模型需约576颗芯片 [14][22] - **调度机制**：Groq将系统控制权前移至编译阶段，通过自研编译器GroqWare进行静态解析与全局调度，实现“零抖动”的确定性执行，P99时延与中位时延基本一致 [14][17] - **互连技术**：Groq的RealScale互连采用由编译器统一调度的芯片直连结构，最多支持576颗芯片组成一个同步运行的Mega-Chip，实现线性扩展和亚微秒级时延，而GPU依赖NVLink或InfiniBand，会引入不确定延迟 [18][25] Groq架构的约束与经济性 - **结构性约束**：Groq的确定性优势存在物理边界，其RealScale互连同步系统上限约为576颗芯片，超过此规模需回退至标准以太网，重新引入网络抖动 [26][34] - **经济性限制（SRAM Tax）**：Groq的SRAM架构导致前期资本开支显著高于英伟达平台，例如部署70B参数模型，Groq集群硬件投入约300万美元，而英伟达双B300卡配置仅需约8万美元 [35] - **经济可行性**：尽管前期资本开支高，但Groq在Batch Size = 1条件下能维持较高算力利用率，其单位token能耗显著更低，在交互型、实时型业务中可能具备更具竞争力的token运营成本 [37] - **市场细分**：时延敏感型推理正从小众需求变为主流，特别是在实时语音/电话推理、交互式聊天等对尾时延有刚性要求、且时延本身即产品价值的应用场景中，Groq具备经济可行性 [39][40] 英伟达收购Groq的战略动因与行业影响 - **战略动因**：收购旨在引入面向实时Agentic推理的超低时延AI加速器架构，补齐英伟达在低时延推理的短板，在AI产业“下半场”率先确立技术标准 [44] - **整合目标**：交易本质是“授权+人才并购”，英伟达获得Groq推理技术授权并引入其核心团队，旨在将确定性计算DNA注入CUDA生态，构建由GPU承担训练/批量推理、Groq技术服务实时推理的异构Agentic技术栈 [2][45][46] - **行业定位**：此次交易使英伟达在巩固训练端主导地位后，前瞻性布局以Agentic推理为核心的AI下半场，旨在削弱云厂商依托自研芯片从推理侧切入竞赛的潜在空间 [3][46] Groq与英伟达GPU的互补及Agentic AI支撑 - **分工协同**：在Agentic AI时代，英伟达GPU仍是模型训练阶段不可替代的“AI工厂”，而Groq LPU则充当专用的“推理引擎”，负责在交互端支撑智能体以极高速度完成“思考与推理” [47][49] - **性能表现**：Groq LPU通过推测式解码可实现约1,000-1,600+ tokens/秒的生成速度，使智能体能够运行较长的内部思维链推理流程，同时在用户体验层面保持“即时响应”的感知 [48][50] - **多智能体工作流**：Groq的RealScale互连能力将数千颗芯片同步为Mega-Chip，为多智能体工作流中频繁的任务交接提供确定性，避免抖动影响系统稳定性 [51] Groq与Tesla Dojo及谷歌TPU的对比 - **vs Tesla Dojo**：两者均依赖片上SRAM，但定位分化。Dojo目标是高吞吐训练工厂，因制造复杂度高及英伟达优势而受挫；Groq专注于确定性推理引擎，在交互式AI场景取得成功 [55][56] - **vs 谷歌TPU**：Groq与最初的TPU v1（由Jonathan Ross主导）理念一致，均“以推理为先”。现代TPU已演进为面向超大规模训练与服务的吞吐型平台，而Groq则将“推理优先”基因进一步强化为面向Agentic AI的确定性计算工具 [64][65][70] - **架构与存储对比**：TPU v7p采用192GB HBM3E，侧重容量；Groq LPU采用230MB片上SRAM，侧重80TB/s高带宽，规避“存储墙”时延 [72][73] 并入英伟达后Groq技术的发展方向 - **整合路径**：Groq的确定性调度机制与TruePoint数值体系将被纳入CUDA/TensorRT技术栈，英伟达后续架构将引入面向智能体优化的运行模式 [52][78] - **独立路线图**：Groq下一代芯片可能基于4nm制程开发，旨在提升晶体管密度以增加单芯片SRAM容量，并可能通过RealScale 2.0扩大同步计算域的规模 [80]

2025年中国AI产品市场概览 - 2025年国内AI产品领域涌现多个关键趋势，包括深度思考、Agentic AI、多智能体协作、多模态生成和端侧AI [4] - 多个颠覆性产品引领各技术方向：DeepSeek凭借强推理和透明化思考引领智能助手迭代；Manus实现从“思考→规划→执行→交付”的全链路自主任务处理，成为“真正意义上的通用AI Agent”；Lovart等产品通过多智能体协作实现高效任务处理；即梦AI等在多模态生成上取得进步；豆包AI手机将系统级AI智能体深度集成于操作系统，重构人机交互范式 [4] 量子位智库「AI 100」榜单介绍 - 榜单旨在对过去一年中国AI产品发展进行全景式检阅，并深度洞察未来AI产业格局，目标是找到代表中国AI实力的巅峰力量 [4] - 榜单共分为三大板块：代表最强综合实力的「旗舰AI 100」、最具未来潜力的「创新AI 100」和十大热门赛道的代表产品 [6] - 「旗舰AI 100」聚焦2025全年表现，评选综合能力最强的100款AI产品，这些产品在技术上实现突破，并在实际应用场景中展现巨大价值 [7] - 「创新AI 100」旨在挖掘在2025年崭露头角、具备2026年爆发潜力的创新产品，这些产品代表了AI技术的前沿方向 [8] - 十大细分赛道TOP3评选针对热度最高的10个领域，依次为：AI浏览器、AI Agent、AI智能助手、AI工作台、AI创作、AI教育、AI医疗、AI娱乐、Vibe Coding和AI消费级硬件 [9] 榜单评估体系与内容 - 「AI 100」是量子位智库推出的AI产品风向标系列内容，旨在全维度提供AI技术驱动下产品长期创新和变革的第三方参考，主要由「旗舰 AI 100」和「创新AI 100」构成，按季度发布 [12] - 榜单采用定量与定性相结合的双重评估体系以确保客观性和准确性 [13] - 定量评估以真实用户数据为基础，涵盖用户规模、用户增长、用户活跃、用户粘性四大核心维度，包含下载总量、新增下载、活跃用户数、留存率等超过20个具体指标；对于硬件产品则考察产品出货量 [13] - 定性评估聚焦长期发展潜力，通过专家评估和用户调研，综合考量产品的底层技术、市场空间、功能设计、变现潜力、团队背景、增长速度等多重因素；对于硬件产品则考察具体功能设计和实际使用体验 [13] - 除榜单外，周边内容还包括数据解读文章、分赛道产品解析、1v1 AI产品深度访谈等 [14] 相关资源与参与方式 - 量子位智库已对外公开自研梳理的国内AI产品知识库，提供对国内AI应用生态全景式、结构化、实时更新的梳理 [15] - 榜单申报时间为即日起至2026年1月15日，榜单计划于2026年1月中下旬发布 [10]

Key Points D-Wave has the potential to be a leader in quantum computing. UiPath is looking to become the main platform to manage AI agents. SoundHound AI is trying to become a leading voice-first end-to-end customer service platform using agentic AI. 10 stocks we like better than D-Wave Quantum › If you're looking for stocks that could be millionaire makers, you're going to have to take some big swings. You are going to have to consider stocks that carry a higher risk, but could also generate hug ...

公司与谷歌云的合作扩展 - 克罗格公司宣布扩大与谷歌云的合作关系 将使用谷歌云新推出的Gemini Enterprise for Customer Experience解决方案 以简化和变革客户的购物与饮食方式 [1] - 此次合作旨在将尖端技术与克罗格所具备的关怀、食品知识和客户理解相结合 打造一个全新的个人购物助手 [1] 新技术的部署与应用 - 克罗格将在全国范围内推广部署Gemini Enterprise for CX 通过集成的膳食助手和购物助手 使杂货采购规划更便捷 在不牺牲客户独特偏好的前提下实现更快购物 [2] - 公司还将使用Customer Experience Agent Studio分析客户致电门店的互动与意图 以主动识别和更早解决问题 提升员工生产力 并在全国范围内提供更无缝的“白手套”式体验 [3] 个人购物助手的功能与特性 - 购物助手旨在减少客户完成复杂、多步骤任务所需的时间 且无需客户大量输入 [6] 1. 智能执行：具备智能体集成能力 可根据单一指令完成复杂任务 例如探索膳食创意、为大型场合构建复杂购物车、重新订购过往商品或比较产品详情 [7] 2. 从灵感到购物车流程：可将客户请求（如“我想做纯素番茄汤”）转化为带详细配料清单的引导式食谱 并一键加入购物车 [7] 3. 准确且基于实际：基于克罗格的专有数据资产 并结合实际商品分类、定价和库存情况提供推荐 确保建议相关、可靠且可立即执行 [7] 公司战略与客户体验愿景 - 公司高管表示 客户希望获得无缝且能适应其日常生活场景的体验 购物助手是变革客户互动方式的新途径 [4] - 该助手将能根据客户的即时需求、预算和家庭独特偏好创建购物清单 简化从构建购物篮、获取相关优惠和节省 到安排比以往更快速送达的购物全流程 使杂货购物更简单、更个性化 [4] - 克罗格的目标是成为客户全面的数字礼宾 在每一个客户触点上设定杂货行业的新标准 [6] 公司背景与规模 - 克罗格公司拥有超过400,000名员工 通过电商购物体验和多种品牌的零售食品店 每日为超过1,100万客户提供服务 [7]

战略合作与AI技术部署 - 家得宝与谷歌云宣布扩大战略合作伙伴关系 共同推出能够超越建议、采取行动的智能体AI工具 为房主和专业客户提供实时专家协助 [1] - 通过部署谷歌云的AI技术 公司将家居装修专业知识从商店货架延伸至客户指尖 创造个性化的、情境化的“AI优先”原生体验 [2] - 公司计划在未来几个月内 将其能力扩展到自有平台之外 参与谷歌搜索AI模式和Gemini应用中的新型智能体购物体验 [3] Magic Apron智能助手功能升级 - Magic Apron套件从简单的产品页面助手转变为跨数字平台的对话式专家数字伴侣 客户可用通俗语言描述项目 获得从修理水龙头到整体厨房改造的专家建议和个性化推荐 [5] - 通过集成Gemini Enterprise for CX的购物智能体 该平台将很快具备高级多模态功能 包括图像上传和可视化 以直观指导复杂的家装项目 [5] - 公司为Magic Apron构建了新的店内体验 整合实时本地库存和产品位置信息 提供精确到货架通道的指引和技术指导 目前正在部分门店测试 计划未来几个月全国推广 [6] 面向专业客户的AI工具 - 公司将在其专业数字网站上为装修商、承包商等专业客户提供新的AI驱动材料清单功能 客户可通过语音或文字描述项目或上传现有产品清单 AI智能体将快速生成全面、分组的材料清单 并建议可能遗漏的必需物品 [7] - 该功能于2025年11月推出测试版 并于本月在全国范围内推广 可帮助专业客户在极短时间内生成准确报价 从而更快、更无缝地获取新业务 [8] 物流与客户服务AI应用 - 公司利用Gemini和谷歌地图平台构建了更智能的“最后一英里”路线智能系统 该系统通过结合客户特定数据与天气、路况等外部因素 预测并防止配送失败 [9] - 公司正在重新定义客户获取帮助的方式 以能够理解意图并实时解决问题的对话式AI 取代僵化的菜单驱动自动化 该平台现已通过短信、聊天和电话实时运行 [10] - 由Gemini Enterprise for CX驱动的该方法已显著提升了客户参与度和问题解决率 公司目前正在部分门店测试下一代AI语音助手 [11] 员工赋能与运营效率 - 公司是首批为数千名员工配备谷歌云Gemini Enterprise智能体平台的企业之一 该平台可自动化端到端业务流程 [12] - 在商店支持中心 Gemini Enterprise帮助团队在几秒钟内自动化工作流程 从预测项目瓶颈到起草营销文案和审核数字设计 使员工能专注于创造性解决问题和高影响力战略 [12] 公司背景信息 - 家得宝是全球最大的家居装修专业零售商 在2025财年第三季度末 公司在美国、加拿大和墨西哥共运营2,356家零售店和超过1,200个SRS地点 拥有超过470,000名员工 [13] - 谷歌通过搜索、地图、Gmail、安卓、Google Play、谷歌云、Chrome和YouTube等产品及平台 在全球数十亿人的日常生活中扮演重要角色 [14]

2026年CES展会核心亮点与趋势 - 2026年国际消费电子展（CES）的最大亮点是“物理AI”，尤其以机器人为载体的应用，其发展状态被类比为10年前的自动驾驶，产品处于早期阶段但全球产业共识已形成 [2] - 英伟达首席执行官黄仁勋在CES主旨演讲中17次提及“物理AI”概念，公司目标从“AI的iPhone时刻”转向构建全球AI基础设施，旨在帮助机器人、汽车、智能硬件等智能体无缝融入并理解现实世界 [2] “物理AI”的定义与挑战 - “物理AI”被定义为使用运动技能理解现实世界并与之交互的模型，通常封装在机器人、自动驾驶汽车等自主机器中 [3] - 其核心挑战在于让AI理解物理世界的常识，如物体恒存性、因果关系，这对AI而言是未知领域 [3] - 英伟达通过发布全新计算架构Rubin和开源模型Alpamayo（涵盖AlpaSim仿真框架、Alpamayo-1模型等）来加速自动驾驶与物理AI布局 [3] AI技术发展趋势与落地应用 - 2025年是“物理AI”元年，2026年或将成为Agentic AI（智能体AI）落地元年，Meta收购Manus和英伟达部署Groq分别从软件和硬件层面印证此趋势 [4] - 英伟达通过吸收Groq在低时延、确定性推理方面的能力，与自身高吞吐GPU架构互补，前瞻布局Agentic AI，定义AI“下半场” [4] - 人工智能技术在消费端（C端）场景的落地应用是本届展会核心看点，从室内清洁、庭院护理到数据存储、智能穿戴，AI赋能下的产品创新全面提速 [4] - 2026年科技消费板块有望在技术创新与估值重估双重驱动下迎来新一轮增长周期 [4] AI硬件创新与消费电子机遇 - AI眼镜作为AI落地的重要载体，在2026年有望步入普及期，其演进主基调是轻量化设计与多模态交互 [6] - 中国厂商在CES上表现抢眼：阿里巴巴旗下夸克AI眼镜S1、Rokid Glasses亮相；极米科技推出智能眼镜子品牌MemoMind，发布Memo One与Memo Air机型，集成翻译、文本摘要等多功能，并支持OpenAI、Azure及通义千问多模型切换 [6] - 2026年，AI技术赋能与硬件创新将成为科技消费企业的核心增长引擎，智能家居、清洁电器、智能硬件及AI眼镜等赛道产品迭代周期显著缩短，技术护城河持续深化 [6] - 具备全品类布局与生态整合能力的平台型公司，有望凭借协同优势快速抢占市场份额 [6] - 部分估值处于历史低位的科技型消费企业，在AI概念催化与业绩兑现双重支撑下，或迎来系统性估值重估机遇 [6]

2026年CES展会核心亮点与趋势 - 本届CES最大亮点是“物理AI”，尤其是以机器人为载体的应用，其发展状态被类比为10年前的自动驾驶，产品处于早期阶段但全球产业发展共识已形成 [1] - 英伟达首席执行官黄仁勋在CES主旨演讲中17次提及“物理AI”概念，公司目标从“AI的iPhone时刻”转向构建全球AI基础设施，以帮助机器人、汽车、智能硬件等智能体无缝融入并理解现实世界 [1] “物理AI”的定义与挑战 - “物理AI”被定义为使用运动技能理解现实世界并与之交互的模型，通常封装在机器人、自动驾驶汽车等自主机器中 [3] - 其核心应用价值在于实时决策与适应能力，例如自动驾驶车辆需在毫秒间做出安全并线决策，制造业机器人需适应未见过的零件形状或突发的装配顺序变化 [3] - 训练此类AI面临根本性挑战，即如何让AI理解物理世界运作的常识，如物体恒存性、因果关系 [4] 行业巨头布局与“物理AI”发展路径 - 英伟达通过全新计算架构Rubin、发布Alpamayo开源模型（涵盖AlpaSim仿真框架、Alpamayo-1模型等）来加速自动驾驶与“物理AI”布局 [4] - 2025年被视为“物理AI”元年，2026年或将成为Agentic AI（智能体AI）落地元年，Meta收购Manus及英伟达部署Groq分别从软件与硬件层面印证此趋势 [4] - 英伟达吸收Groq在低时延、确定性推理方面的能力，与自身高吞吐GPU架构形成互补，以前瞻布局Agentic AI，定义AI“下半场” [4] AI在消费电子领域的应用与投资机会 - 人工智能技术在C端消费场景的落地应用是本届展会核心看点，从室内清洁、庭院护理到数据存储、智能穿戴，AI赋能下的产品创新全面提速 [4] - 2026年科技消费板块有望在技术创新与估值重估双重驱动下迎来新一轮增长周期 [4] - AI技术赋能与硬件创新将成为科技消费企业的核心增长引擎，智能家居、清洁电器、智能硬件及AI眼镜等赛道产品迭代周期显著缩短，技术护城河持续深化 [5] AI眼镜的演进与中国厂商表现 - 作为AI落地重要载体，AI眼镜有望在2026年步入普及期，轻量化设计与多模态交互成为本次展会AI眼镜的演进主基调 [5] - 中国厂商在本届CES表现抢眼：阿里巴巴旗下夸克展示AI眼镜S1，Rokid展示明星产品Rokid Glasses [5] - 极米科技推出智能眼镜子品牌MemoMind，发布Memo One与Memo Air机型，集成翻译、文本摘要、笔记记录、事项提醒及场景化指引功能，并支持OpenAI、Azure及通义千问多模型切换，展现强大生态整合能力 [5] 科技型消费企业的前景 - 具备全品类布局与生态整合能力的平台型公司，有望凭借协同优势快速抢占市场份额 [5] - 部分估值处于历史低位的科技型消费企业，在AI概念催化与业绩兑现双重支撑下，或迎来系统性估值重估机遇 [5]

核心观点 - 2026年开年，阿里云全面进军AI硬件领域，通过通义大模型赋能全品类硬件，并与产业链上下游广泛合作，争夺下一代智能入口和“云-边-端”一体化主导权 [3] - 行业普遍认为，AI硬件的核心发展趋势是从被动回应转向主动服务，其核心竞争力在于能否实现主动式AI能力 [32] 行业动态与厂商布局 - 除阿里云外，字节、京东等互联网大厂也纷纷入局AI硬件，本质是争夺下一代智能入口和“云-边-端”一体化的主导权 [3] - 京东成立“变色龙业务部”，全面承接AI产品商业化，其自研AI毛绒玩具首批上线即售罄并多轮补货，第二批面向全年龄段的AI玩具计划于1月中旬上线 [31] - 京东JoyInside平台已与40余家头部机器人和AI玩具品牌实现技术对接 [31] - 自去年以来，阿里夸克、百度、小米、理想等公司纷纷推出自家AI眼镜 [31] 阿里云通义大模型的硬件应用 - 阿里云发布多模态交互开发套件，集成千问、万相、百聆三款通义基础大模型，可应用于AI眼镜、学习机、陪伴玩具、智能机器人等设备 [3] - 阿里云通义大模型与所有的AI硬件品类都在合作，包括AI眼镜、AI音箱、AI闹钟和TWS耳机的衍生品等 [25] - 在具体合作模式上，阿里云选择向芯片、模组等产业链伙伴开放能力，通过与方案商、模组、芯片企业紧密合作，再由其与下游企业对接 [26] - 展会现场展示了大量搭载通义大模型的AI硬件，覆盖玩具、机器人、眼镜等多种品类 [4] - 优必选推出搭载通义千问大模型和自研情感智能体“点灵”的AI潮玩陪伴机器人和AI悟空智能机器人 [5] - 实丰文化基于通义千问大模型推出多款AI玩具，具备情感联动、百科全书问答、AI语音交互等能力 [7] - 量序环游AI大模型机器狗融合通义千问Turbo大模型，支持语音对话、指令互动、多语言实时翻译等 [9] - 汤姆猫AI童伴与随身AI融合通义千问大模型，打造儿童智能硬件，支持中英自由对话、百科问答等功能，其随身AI在京东平台10分钟左右卖出几千台 [11][13] - 瞳者助盲AI眼镜集成通义千问VL等大模型，具备毫秒级实时避障能力，并提供环境描述、物品查找等功能 [17] - 声网对话式AI引擎与通义千问大模型合作，可让智能硬件开口说话 [21] 具身智能布局 - 乐聚机器人与阿里云达成全栈AI合作，将基于阿里云算力、AI平台、千问模型，开展人形机器人训练场合作及具身智能联合解决方案开发 [3][26] - 双方将共同推动人形机器人训练场“数据采集”全链路流程优化，探索“具身大脑+本体+小脑”技术融合新路径 [26] - 阿里云在具身智能领域主要开展多模态交互和VLA模型两个方向的探索 [28] - 在多模态交互方面，不少头部机器人应用千问Omni模型进行交互，但受限于机器人总体市场规模，出货量不大 [28] - 对于VLA模型路线，阿里云预计2026年下半年会有更多新进展，涵盖2B到8B模型 [28] - 具身智能尚处非常早期阶段，行业路径多元，除工业机器人外，其他方向（如人形机器人）距离百万台级年出货目标仍有相当长的路要走 [28] 技术路线发展 - 在AI智能体范式上，存在GUI Agent（如字节跳动“豆包AI手机”）和Agent to Agent（A2A，如谷歌、苹果倡导）两条路线 [28] - 阿里云在两条路线上均有布局，其通义实验室多模态交互团队已开源通用GUI智能体基座模型MAI-UI [29] - 短期来看，A2A路线发展速度可能较快，因其体验更优、响应更快且模型运行成本较低；完全依赖GUI路线，长期累积成本可能更高 [29] - 行业观点认为，GUI与A2A两条路线将阶段互补、最终融合，形成混合共存形态 [30] 市场挑战与趋势 - AI硬件落地面临应用场景不明确等难点，若产品定位仅局限于“AI陪伴”卖点，可能难以充分满足市场需求，需转向更明确、具体的应用场景 [31] - 市场表现出色的玩家普遍有意弱化抽象技术概念，转而强调能为用户提供的实质功能与内容价值 [31] - 部分AI硬件面临用户高期望与实际体验的落差，例如有产业链人士透露部分AI玩具退货率高达30%-40% [31] - AI硬件的核心发展趋势是从被动回应到主动服务的革命，未来核心竞争力在于能否读懂场景、记住习惯、主动解决问题，即实现Agentic AI的主动式AI能力 [32]

2025年中国AI产品市场概览 - 2025年国内AI产品领域涌现多个关键趋势，包括深度思考、Agentic AI、多智能体协作、多模态生成和端侧AI [4] - 多个颠覆性产品代表了这些趋势：DeepSeek凭借强推理和透明化思考引领智能助手迭代；Manus实现了从“思考→规划→执行→交付”的全链路自主任务处理，成为“真正意义上的通用AI Agent”；Lovart等产品通过多智能体协作实现高效任务处理；即梦AI等在多模态生成上取得进步；豆包AI手机则将系统级AI智能体深度集成于手机操作系统，重构人机交互范式 [4] 量子位智库「AI 100」榜单介绍 - 榜单旨在对过去一年中国AI产品发展进行全景式检阅，并深度洞察未来AI产业格局，目标是找到代表中国AI实力的巅峰力量 [4] - 榜单共分为三大板块：代表最强综合实力的「旗舰AI 100」、最具未来潜力的「创新AI 100」和十大热门赛道的代表产品 [6] - 「旗舰AI 100」聚焦2025全年表现，评选综合能力最强的100款AI产品，这些产品在技术上实现突破，并在实际应用场景中展现巨大价值 [7] - 「创新AI 100」旨在挖掘在2025年崭露头角、具备2026年爆发潜力的创新产品，这些产品代表了AI技术的前沿方向 [8] - 榜单对10个热度最高的细分赛道进行专项提名，每个赛道评选出TOP3产品，赛道包括：AI浏览器、AI Agent、AI智能助手、AI工作台、AI创作、AI教育、AI医疗、AI娱乐、Vibe Coding和AI消费级硬件 [9] 榜单评估体系与内容 - 「AI 100」是量子位智库推出的AI产品风向标系列内容，旨在全维度提供AI技术驱动下产品长期创新和变革的第三方参考，主要由「旗舰 AI 100」和「创新AI 100」构成，按季度发布 [12] - 榜单采用定量与定性相结合的双重评估体系以确保客观性和准确性 [13] - 定量评估以真实用户数据为基础，涵盖用户规模、用户增长、用户活跃、用户粘性四大核心维度，包含下载总量、新增下载、活跃用户数、留存率等超过20个具体指标；对于硬件产品则考察产品出货量 [13] - 定性评估聚焦长期发展潜力，通过专家评估和用户调研，综合考量产品的底层技术、市场空间、功能设计、变现潜力、团队背景、增长速度等多重因素；对于硬件产品则考察具体功能设计和实际使用体验 [13] - 除榜单外，周边内容还包括数据解读文章、分赛道产品解析、1v1 AI产品深度访谈等 [14] 相关资源与参与方式 - 量子位智库已对外公开自研梳理的国内AI产品知识库，提供了对国内AI应用生态全景式、结构化、实时更新的梳理 [15] - 榜单申报时间为即日起至2026年1月15日，榜单计划于2026年1月中下旬发布 [10]