联想与英伟达的战略合作框架 - 联想与英伟达的合作是覆盖从规划、制造、部署到运维的全周期协同，而非单一产品绑定 [1][5] - 联想ISG业务模式高度灵活，既可作为ODM由合作伙伴提供核心技术，也持续引入自有IP，其成熟产品组合支持全球180个国家 [1][5] - 公司服务客户范围广泛，覆盖超大规模客户、新型云服务商、传统服务提供商及仅需单台设备的企业客户，形成从顶级云到企业级IT的完整光谱 [1][5] 联想在AI基础设施领域的核心优势 - 联想具备全球规模的制造能力，拥有相应的产能、电力和交付能力以支持大型AI系统部署 [2][6] - 公司在构建大型系统方面拥有数十年经验，涵盖大型机、高性能计算和超级计算机，在复杂系统的集成交付方面能力成熟 [2][6] - 联想掌握Neptune液冷技术的核心IP，该技术是大规模AI训练场景下唯一具备可持续性的部署方式，对支撑AI训练需求的持续增长至关重要 [2][6] 双方合作提供的具体解决方案与市场覆盖 - 联想与英伟达联合为全球AI训练云、推理云及新型云架构提供可复制的“蓝图”，加速客户从构想到业务落地的转化 [3][7] - 公司不直接建设数据中心，但在客户规划后提供咨询、技术支持与设备部署，以加快数据中心从建设到产出的进程 [3][7] - 联想将代表英伟达制造、部署并支持其基于Rubin架构的相关能力 [3][7] - 在企业级市场，联想不仅与英伟达合作，也与AMD等其他加速器厂商合作，帮助企业在云端、混合环境或边缘侧部署合适的技术方案 [3][7] - 双方的多维度合作延伸至服务器、数据中心、工作站和客户端设备等多个业务板块，具备系统性与战略深度 [3][7] AI落地与“最后一公里”的推进 - 随着Agentic AI在2025年成为主流使用方式，该趋势预计在2026年进一步加强，AI创造价值的关键在于尽快进入可持续的“消费”阶段 [4][8] - 联想与英伟达合作，通过智能体平台帮助企业加速从部署到使用的转化 [4][8] - 公司在CES上发布xIQ Agent平台，旨在硬件交付后，于数据管理、持续运营、智能体构建、评估与优化等环节压缩周期、提升效率，帮助客户更快实现具有实际业务意义的“第一个token” [4][8]

豆包AI手机的技术创新与行业影响 - 豆包AI手机自2025年12月发布以来，在国内科技圈掀起热潮并迅速引发海外科技博主及政策专家关注 [1] - 在美国智库亚洲协会的研讨会上，专家评价豆包AI手机代表真正的技术创新，是足以引领全球AI智能体发展方向的“游戏变革者” [1] - 豆包AI手机真正的突破在于将“与AI的交互方式”从文本时代推进到操作系统级、多智能体协同的新阶段 [2] 豆包AI手机的功能与市场反响 - 传统AI手机只能被动回答问题、执行单一指令，而豆包AI手机能理解用户真实意图，自主拆解并完成一系列复杂流程 [2] - 美国投资人Taylor Ogan实测后盛赞豆包AI手机是“全球第一款真正意义上的智能手机”，并称这是“中国又一DeepSeek时刻” [2] - 在演示中，用户仅用英文说“帮我找人替我排队”，手机便能自动选择合适的应用并设置好任务，全程无需手动操作 [2] - 字节跳动成为第一家与中兴合作、将系统级智能体做成手机并推向市场的公司，被专家视为行业“抢跑者” [2] 中国移动生态的碎片化挑战 - 专家指出，豆包AI手机暴露了中国移动生态的碎片化现实，让智能体落地充满挑战 [1] - 碎片化的第一个层面来自阿里、腾讯等建立的“围墙花园”模式，如微信形成了封闭生态，几乎等同于一个“操作系统” [3] - 这些“围墙花园”彼此之间并不互通，也不共享数据，而AI智能体希望打通的核心场景正位于这些生态内 [3][4] - 碎片化的第二个层面来自智能手机厂商各自的操作系统，进一步加大了智能体跨应用协同的复杂度 [4] 平台竞争与商业模式的冲突 - 豆包AI手机推出后不久，被多家互联网大厂旗下APP迅速“封锁”，出现用户退出异常、无法登陆现象 [4] - 封禁的背后本质是平台对用户注意力与商业模式的争夺，而非单纯的安全或隐私问题 [4] - 豆包AI手机采用GUI Agent技术路线，能直接替用户操作APP，导致用户不再需要打开平台、浏览页面、增加停留时长或点击广告 [4] - 一旦用户行为被智能体“接管”，平台将失去数据、对用户路径的控制，其广告价值、流量价值和生态锁定能力会被削弱 [5] - 专家指出，中国处于AI智能体发展前沿，却是智能体手机最难落地的市场，因为最有价值的使用流程被锁在几家超级应用内部 [5] AI智能体时代的全球标准之争 - 豆包AI手机引发的行业震动直指AI智能体时代的标准之争，谁先建立规则，谁就掌握未来 [1][6] - 美国企业如亚马逊曾尝试类似模式但未成功，核心原因在于缺乏统一的智能体标准，首要问题是身份认证 [6] - 其次缺乏智能体交互标准，美国Anthropic发布了开源协议MCP，OpenAI等公司已开始使用，中国字节跳动和阿里也支持MCP但在手机端尚未落地 [6] - 2026年开始相关标准制定工作将加速，美、英的AI安全研究所已开始关注AI智能体，Linux基金会也成立了Agentic AI基金会 [6] - 互联网实现互联互通得益于TCP/IP关键标准获得全球认可，智能体更加复杂，若无统一标准将阻碍发展 [7] - 专家认为，如果中国在智能体标准方面走在前面，那么这些标准将不可避免地扩展到全球层面 [7]

市场表现 - 今日A股科技赛道表现强势，AI智能体、AIGC概念、人工智能、脑机接口板块涨幅居前，软件开发板块震荡拉升 [2] - 创业板软件ETF华夏（159256）盘中大涨超3%，其持仓股昆仑万维、每日互动、卫宁健康、拓尔思、汉得信息涨幅均超10%，鼎捷数智、万兴科技等股涨幅居前 [2] 行业趋势与观点 - 清华大学基础模型北京市重点实验室发起的AGI-Next前沿峰会认为，大模型竞争已从“Chat”转向“Agent”阶段，重心从榜单分数位移至真实环境的复杂任务执行 [2] - 行业预判2026年为AI商业价值落地元年，技术路径正向可验证强化学习（RLVR）演进 [2] - 中信建投证券研报指出，AI大模型发展正从“生成”迈向“能推理、能行动”的智能体（Agent）阶段，行业竞争焦点已从基准测试转向改造用户行为与任务流程的能力 [3] - 模型强大的逻辑推理能力将支撑各领域智能体落地，推动企业端AI应用从“降本”到“增收”，2026年商业化进程有望持续加速 [3] 产业链定位 - 在AI产业链中，软件行业主要处于中游技术层和下游应用层，扮演核心技术支撑和应用落地的关键角色 [2] - 软件行业在中游技术层主要提供AI框架、开发平台和算法模型，这些技术是AI应用开发的基础 [2] - 在下游应用层，软件行业通过将AI技术与各行业结合，推动AI应用的落地 [2] 中美竞争格局 - 面对“中国反超”议题，行业领军者持冷静态度，将中国领先概率评估为20%以内 [2] - 认为中美在算力投入结构、新范式引领及toB生态上存在本质差距 [2] 相关金融产品 - 相关金融产品包括创业板软件ETF华夏（159256）、创业板200ETF华夏（159573）、人工智能AIETF（515070） [3]

AI智能体在B2B领域的应用与价值 - AI智能体通过用户画像分析与动态决策树，解决服务标准化与个性化矛盾，实现“千人千面”服务，例如某电子元器件平台复购率提升18% [2] - AI智能体核心引擎包括多模态交互引擎、行业知识图谱引擎和智能决策引擎，支持全场景交互与动态优化服务策略 [2] - 决策树模型根据客户问题类型、紧急程度等条件自动匹配最优响应策略，例如某MRO平台将紧急工单处理优先级提升30% [2] 知识管理与智能决策 - 知识抽取技术可将非结构化文档转化为结构化知识库，例如某钢材电商平台将20万份文档转化为可查询知识节点 [3] - 基于图神经网络的知识推理能解决复杂问题，例如某半导体平台将技术咨询解决率从65%提升至85% [3] - 智能报价功能集成ERP系统，根据客户历史数据自动生成个性化报价，例如某电子元器件平台将报价周期从2天缩短至10分钟 [5] - 需求预测通过分析询盘与历史交易数据推荐产品，例如某化工平台将交叉销售成功率提升22% [5] 客户服务与技术支持优化 - 多轮对话功能针对复杂技术问题通过追问澄清需求，例如某机器人平台将技术咨询解决率从70%提升至88% [5] - 远程协助集成AR技术指导客户操作，例如某医疗设备厂商将现场服务次数减少40% [5] - 知识库联动功能自动关联多维度支持材料，例如某航空零部件平台将技术咨询平均耗时从25分钟缩短至8分钟 [5] 运营效率与成本控制 - 智能工单分配根据问题类型、地理位置等信息自动匹配服务资源，例如某物流设备平台将工单处理时效提升35% [5] - 预测性维护通过分析设备数据预警潜在故障，例如某能源设备厂商将设备停机时间减少50% [5] - 通过AI优化，客户满意度提升至88分，响应速度从2小时缩短至15分钟，问题解决率从72%提升至89% [5] - 通过个性化推荐与需求预测，客户年均采购频次增加1.5次，复购率提升12% [5] - AI自动处理使工单处理时效缩短至8小时，人工处理效率提升3倍 [5] - 通过预测性维护与主动服务，客户留存率提升40%，客户流失率降至8% [5] - 供应链优化减少紧急备货与现场服务次数，实现供应链成本降低2000万元/年 [5] 技术发展趋势 - 行业趋势包括集成千亿参数大模型以提升复杂问题理解与生成能力 [5] - 数字员工通过机器人流程自动化实现工单处理、合同生成等端到端自动化 [4]

文章核心观点 - 本期“南都书单”重点推荐了近期出版的各类新书，涵盖文艺、社科、实用、童书四个类别，其中特别重点推荐了科技新著《AI智能体的崛起》[9] 文艺类图书 - 《心理诊疗室的24位来客》由精神分析师兼文学教授乔希·科恩所著，该书从“文学+精神分析”两个维度切入，聚焦童年、青少年、成年及老年阶段的八种重要人生议题，通过剖析24部经典文学作品中的角色来探讨生活困境[9] - 《夜：格言与随笔》是奥地利著名作家卡尔·克劳斯作品在国内的首次翻译出版，其作品以犀利讽刺和深刻洞见闻名，格言与随笔在短小篇幅中容纳高密度思想[10] 社科类图书 - 《AI智能体的崛起》由佩塔尔·拉丹利耶夫所著，该书对人工智能、区块链和量子计算三个领域进行了深度剖析，预判技术风险并提供应对方案，提出量子计算加速AI智能体崛起、区块链通过信任机制应对安全威胁等观点，并展望了技术融合的未来图景[4][9][11] - 《休谟书信集》分为四个部分，展现了18世纪苏格兰哲学家、史学家大卫·休谟的哲学体系构建思维轨迹、《英国史》创作背后的故事、个人情感以及关于帝国兴衰与苏格兰地位的探讨[12] - 《新疆干果》是一本关于新疆干果的地理分布、人文简史和健康食用的科普著作，介绍了新疆独特自然环境与气候对干果品质的影响，并甄选十大主要品类，详细介绍了品种分布、品质特点、营养价值及生产工艺[13] 实用类图书 - 《高效睡眠法》由睡眠领域专业人士角谷亮所著，为职场人士打造了7种睡眠策略，提供了从饮食、灯光、声音、设备等方面改善睡眠的方法，并指出“8小时睡眠”并非适用于所有人，为有特殊需求者提供了“5小时睡眠”、“3+3睡眠”等新方式[5][14] 童书类图书 - 《忠贞侯秦良玉》以连环画形式讲述了明末传奇女将秦良玉的故事，她是中国历史上唯一单独载入正史将相列传的巾帼英雄和唯一凭战功封爵的女将军，该书故事情节紧凑，绘图精美[15] - 绘本《美》由埃米·诺埃尔·帕克斯所著，探讨手机时代的亲子关系，聚焦家长对孩子的过度监控以及孩子对隐私和自由的渴望，通过故事鼓励孩子积极面对问题并探讨家庭关系和信任的重要性[16]

卫星互联网与频轨资源申请 - 2025年12月，中国向国际电信联盟申请了超过20万颗卫星的频轨资源，其中超过19万颗来自新成立的无线电创新院[1][2] - 此举标志着卫星频轨资源申请已上升至国家战略层面，无线电创新院作为“国家队”将整合产业资源，发挥超大规模市场优势以加快产业赶超[1][2] - 星地通信产业预计到2030年规模将突破2000亿至4000亿元人民币，年均复合增长率在10%至28%之间，产业正处在从“概念验证”向“规模化应用”的关键转折点[2] 人形机器人产业链发展 - 杭州新剑机电传动股份有限公司于1月9日启动上市辅导，该公司为人形机器人T链的一级供应商，与特斯拉Optimus产业链关系密切[3] - 2025年被视为人形机器人行业从0到1爆发的关键起点，随着头部公司推进零部件性能升级和成本降低，国产机器人出货量有望迎来大幅增长[3] - 核心投资方向包括核心供应链（如核心零部件、头部供应链及代工制造）以及应用场景订单释放带来的业绩弹性[3] 人工智能与AGI技术演进 - 月之暗面创始人表示，下一代模型将持续优化架构与技术，注重数据质量与模型“品位”，并计划长期迭代至K100，以推进AGI/ASI开发[4] - AI能力正从云端转向端侧，AI agent成为发展共识，豆包大模型在推理、视觉理解、图像创作等多方面性能达到国际一流水平，其手机助手可打通系统原生相册进行语音修图等操作[4] 上市公司股东减持计划 - 华特气体公告显示，三名股东计划在2026年2月4日至4月30日期间，通过大宗交易方式合计减持不超过240万股，占公司总股本比例不超过2%[5] - 美迪凯公告显示，持股5.0346%的股东计划通过集中竞价方式减持不超过410.93万股，即不超过公司总股本的1%[6]

量化模型与构建方式 **本报告未涉及具体的量化模型或量化因子的构建、测试与评价。** 报告内容主要为市场回顾、技术分析解读及行业主题展望[6][8][11][15][18][20][23][26][27][30][31][34][35][38]。 模型的回测效果 **本报告未提供任何量化模型的回测效果指标。** 量化因子与构建方式 **本报告未涉及具体的量化因子的构建、测试与评价。** 因子的回测效果 **本报告未提供任何量化因子的回测效果指标。**

文章核心观点 2025年是AI行业发展的里程碑之年，行业在技术、商业、产业和治理等多个维度经历了深刻变革，从技术范式的革新和商业逻辑的重构，到产业应用的落地和全球规则的博弈，标志着AI正从能力展示阶段迈向效率兑现和成熟发展阶段[2] 多模融合 - AI大模型从“拼装式”多模态方案转向设计“原生多模态”模型，从训练之初就在同一体系内处理文本、图像、音频、视频等信息[4] - 多模态模型的瓶颈在于能否将视觉、语言、时间与空间组织成可推理、可行动的统一表征，“世界模型”与“空间智能”成为重要理论依据，模型目标从回答问题转向介入真实任务[5] - 多模态AI成为新一代AI系统的关键底座，据Gartner预测，到2030年，**80%**的企业软件将植入多模态AI能力[6][7] 具身爆发 - 具身智能（Embodied AI）在2025年真正走向市场，行业叙事从“能不能做到”转向规模化、稳定工作和进入岗位，宇树、优必选、波士顿动力、Apptronik等企业产品进入量产与商业化试点阶段[8] - 人形机器人成本显著下降，根据美国银行研究院数据，典型人形机器人价格已降至每台约**3.5万美元**，比2023年下降至少**40%**[9] - 需求增长由原生多模态AI发展补足机器人理解能力短板，以及制造业、物流等领域用工成本持续抬升共同驱动，IDC估算显示2025年全球在仓储、制造等岗位的试点应用较2024年增长数倍[8][9] 算力竞争 - 算力竞争从“规模导向”转向“效率导向”，决定差距的不再是算力总量而是如何将有限算力转化为有效能力，国产模型DeepSeek通过多维并行等策略在更低投入下做出接近性能被视为象征[10] - 部分开发者开始直接介入芯片环节以降低对GPU的依赖，例如谷歌的TPU已在核心模型训练中大规模替代GPU[10] - 算力设施全面“基础设施化”，2025年的智算中心围绕AI负载设计，网络拓扑以并行训练为核心，选址需评估电力、能耗与时延[11] 范式争议 - 理论界对持续算力投入的理论基础“规模法则”提出反思，“图灵奖”得主杨立昆等研究者指出单纯扩大自回归大模型不会自然通向通用智能，继续堆参数与数据只会带来收益递减[12][13] - 规模法则仍有拥护者，认为以大模型为核心的路线能力边界仍在扩大，尤其在多模态和复杂推理任务上规模仍是重要前提，DeepMind联合创始人认为通向更高智能的关键在于世界模型等结构，是在规模基础上的方向修正[13] - 争议双方都对现有范式有所不满，这种争议可能推动AI界重新审视既有思路，寻找更优发展路径[13] 代理崛起 - AI智能体（Agent）在2025年崛起，代表案例是初创公司Monica的Manus，它能自动调用外部工具完成简历筛选、股票分析等复杂任务，随后被Meta以数十亿规模收购[14] - 智能体带来了人机交互方式的变化，从“人去找功能”转向“任务驱动系统”，用户只需提出目标，系统便自动规划路径，显著降低了学习和使用成本[14] - 智能体的出现是大模型在推理、多模态等能力增强，以及工具调用协议标准化共同作用的结果，使AI第一次具备跨步骤、跨系统完成任务的可行性[15] 开源盛世 - 2025年开源模型在性能、生态与采用率上全面逼近甚至部分超越闭源体系，在多份权威报告中，新发布的大模型中开源或“开放权重”模型已占据多数，在私有部署、微调等场景中占据主导[16] - 中国力量在开源生态中格外醒目，以DeepSeek与Qwen为代表的模型在工程效率、推理成本上形成优势，相关统计显示2025年全球开源模型使用中，中国来源已接近**三成**[17] - AI创新分工结构正在重组，基础模型更像底层平台，真正的创新越来越多发生在模型之上的微调、工具链与行业应用中，开源成为降低门槛、加速扩散的现实机制[17] 商业革新 - AI行业在2025年摸索出新的商业路径，形成分工清晰的产业生态，在技术底层，算力、训练与推理被标准化为可计量的“生产要素”，通过算力租赁、API等服务形成稳定收入[18] - 在平台服务层，“结果作为商品”（Outcome-as-a-Service, OaaS）模式崛起，定价从“功能售卖”转向按任务、流程或结果收费，成为利润潜力最大、竞争最激烈的地带[18] - 在应用层，垂直行业的价值被逐步释放，AI正深度嵌入软件开发、金融分析等业务流程，成为企业的长期系统投入，商业逻辑从“能力展示”转向“效率兑现”[19] 规则博弈 - AI治理在2025年全面展开，治理逐渐从“静态合规”转向“动态校准”，通过分层、分阶段、可调整的方式与技术演进保持同步，治理对象从单个模型延伸到数据、算力等完整链条[20] - 全球治理呈现不同制度体系间的纵向博弈，美国倾向将治理视为“护栏”，优先关注国家安全与极端风险；欧盟强调通过系统化规则塑造发展方向；中国更强调发展秩序与场景适配，规则与产业推进同步调整[21][22] - 治理博弈是AI迈向成熟的标志，如何在创新开放性与规则约束之间形成动态平衡，将决定AI能否长期、稳定嵌入社会结构[22] 大国竞合 - AI国际竞争从企业层面上升到国家层面，中美欧形成彼此错位、高度纠缠的竞争格局，美国在核心技术层面掌握最强话语权和“问题定义权”[23] - 中国的路径更强调在既有技术框架下，通过工程优化、系统集成和真实场景反馈，在训练效率、算力调度、具身智能与产业级应用等方面形成优势[23] - 竞争围绕芯片与算力供应链以及标准制定权展开，美国依托技术领先形成“事实标准”，中国在大规模部署中形成“用出来的标准”，欧洲则试图通过制度化规则在国际标准体系中发声[24] 少帅掌兵 - 2025年AI行业出现年轻科学家被赋予指挥权的趋势，例如腾讯任命27岁的姚顺雨为首席AI科学家，小米启用“95后”科学家罗福莉，Meta引入Scale AI创始人亚历山大·王担任首席AI官[25][26] - 这一趋势背后是AI发展逻辑的变化，行业进入“下半场”，核心从“解决问题”转向“提出什么问题、如何衡量进步”，这种能力往往出现在长期浸泡在一线研究的年轻技术派身上[26] - “少帅掌兵”是产业进入深水区后的结构性调整，当技术范式更不确定时，组织更需要愿意快速试错、敢于在不完全信息下判断的人，年轻科学家开始直接影响公司战略与技术路径[26]

文章核心观点 - 提出了一种名为SmartSnap的新型强化学习训练方法，旨在解决GUI智能体任务完成度难以验证的挑战 [6] - 该方法的核心思想是将智能体从被动执行者转变为主动自证者，使其在执行任务时主动收集并提交“证据快照集”作为任务完成的证明 [7][8] - 该方法通过强化学习训练，引导智能体在保证任务成功率的同时，提升所提交证据的质量，从而简化验证流程，并显著提升智能体在复杂任务上的性能 [6][14] 现有智能体验证机制的挑战 - 当前LLM/VLM驱动的智能体在完成任务后，其完成度难以评估 [2] - 传统的被动验证方法依赖庞大的监督系统，包括手工设计的复杂校验机制和轨迹级验证方法 [4] - 这些方法效率较低，难以泛化到新任务；冗长且带噪的轨迹会干扰LLM/VLM评判的可靠性；且依赖持续可观测的环境反馈，易因环境变化导致验证失败 [5][6] SmartSnap方法的三大核心突破 - **角色升级：双重使命的“自证代理”**：智能体不仅负责执行任务，还承担了自我验证的第二使命，会主动思考并收集证明任务完成的证据 [11][12] - **“3C原则”：高效率的证据美学**：为证据收集制定了完整性、简洁性、创造性三项原则，确保证据足以证明任务闭环，且只包含关键快照，必要时会执行额外操作以获取证据 [13][15] - **强化学习驱动：GRPO+内在奖励反馈**：利用GRPO算法和精心设计的奖励机制进行训练，在保证任务成功率的同时提升证据质量，并尽可能减少奖励黑客行为 [13][14] 性能表现与数据 - **性能显著提升**：在AndroidLab等复杂任务上，经过SmartSnap RL训练的不同规模模型均实现了显著的性能提升，最高提升达**26.08%** [16][17] - **具体模型表现**： - **LLaMA3.1-8B-Instruct模型**：经过RL训练后，任务成功率从基线的**5.07%** 提升至**31.15%**，提升**26.08%** [16] - **Qwen3-8B-Instruct模型**：经过RL训练后，任务成功率从基线的**10.14%** 提升至**36.23%**，提升**26.08%** [16] - **Qwen3-32B-Instruct模型**：经过RL训练后，任务成功率从基线的**18.12%** 提升至**34.78%**，提升**16.66%** [16] - **“以小博大”效应**：经过训练的中等参数模型（如Qwen3-32B），其表现可持平DeepSeek-V3、Qwen3-235B等更大规模的开源模型 [17] - **举证高效**：平均每个任务只需提交**1.5张**快照证据，极大降低了后端验证成本 [18] - **交互高效**：训练后智能体交互轮数不断减少 [18] 方法的价值与意义 - **简化RL训练准备**：在手机、OS等时效性强的操作环境中，传统外部验证器难以捕捉瞬时成功信号，SmartSnap让智能体自己边做边收集证据，无需预先撰写复杂校验脚本或全程监控轨迹，从而简化了训练准备工作 [19] - **便于拓展训练场景**：允许基于合成任务轻松拓展训练场景，并依据有限的证据链判断成功与否，使RL训练更加便捷 [20] - **推动AI发展**：标志着GUI智能体从“蛮力执行”走向“认知协同”，其主动寻找证据的能力提升了AI的可靠性，为未来大规模、低成本AI部署铺平道路 [21]

行业背景与公司战略定位 - 国内AI大模型产业进入商业化落地加速期 [1] - 公司是“LED+AI”战略的先行者，被视为AI技术赋能传统制造业的典型范本 [1] - 公司以“LED+AI”战略为核心，构建覆盖ToB与ToC的全场景AI生态体系，实现从“显示”到“智能交互”的跨越 [2] 关键战略合作与技术布局 - 2025年10月，公司与智谱华章等共同投资设立深圳市智显机器人科技有限公司，公司认缴出资2500万元人民币，持股50% [1] - 合资公司聚焦垂直行业细分模型开发、AI行业解决方案及智能体交互，形成“算法模型+硬件终端+感知交互”一体化解决方案 [1] - 与智谱的合作结合了其GLM系列模型的领先能力与公司的全球LED硬件制造能力、覆盖160多个国家的渠道网络及场景落地经验，协同效应显著 [2] - 公司AIAgent平台已成功接入微软AzureGPT5、谷歌CloudVertexGemini2.5、DeepSeekR1等多套主流模型，实现多模型智能调度 [2] - 公司通过技术合作与自主研发双轮驱动，在AI智能体方向形成清晰的产品布局和商业化路径 [2] ToB端产品商业化与规模化落地 - ToB端AI智能体产品已实现批量交付与场景复用，产品包括AI一体机、AI台灯系列、AI光堡盒子、AI数字售卖亭等 [3] - 产品凭借“垂直细分类模型+终端AI智能体”解决方案，已落地南京德基广场、国家博物馆、戴尔展厅、福建能化集团等标杆场景 [3] - 与香港科晫集团签署1500台AI一体机批量交付框架协议 [3] - 与广东华辉煌光电科技有限公司达成5年100万台AI智能硬件供货协议，标志着AI端侧产品进入规模化落地阶段 [3] - 嵌入AI智能体的产品具备内容生成、场景识别、互动反馈等功能，将传统LED屏升级为智慧终端，其毛利率显著高于传统显示硬件 [3] ToC端产品布局与核心能力 - ToC端精准切入情感消费与文化场景，打造AI情感硬件矩阵 [3] - 已推出AI情感陪伴助手，并规划AI语音智能潮玩等产品 [3] - 产品深度融合自研“山隐大模型”的情感陪伴与文化传承能力，满足家庭用户在情绪联结、教育引导、精神疗愈等场景的需求 [3] 发展前景与行业影响 - 通过与智谱等头部企业的战略合作筑牢技术根基，以多场景AI智能体产品矩阵打开增长空间 [4] - 随着“LED+AI”战略持续深化及智能体在更多垂直领域落地，公司业绩有望实现质的飞跃 [4] - 公司将持续引领传统制造业的智能化转型 [4]