人工智能技术发展进程 - 人工智能技术从数字化向智能化演进 新工业革命本质由人工智能驱动 核心特征为智能化赋能模式[1] - 人工智能上半场焦点集中于大模型 下半场关注重心从大语言模型升级为智能体[1] 智能体核心能力与价值 - 智能体具备四大核心能力：任务分解规划、记忆、使用工具、分工协作 被比作虚拟空间机器人[2] - 专业智能体路线优于通用智能体 聚焦单一领域或任务 更易落地应用并深度融入企业业务流程[2] - 工业领域专业智能体市场前景比传统软件大10倍 可同时替代软件工具属性和人力执行属性[2] - 智能体实现降本增效 降低运营成本并提升成果质量[2] 智能体对组织形态的影响 - 智能体推动个人角色变革 每人指挥100个智能体协同工作使个人生产力指数级提升 形成超级员工[2] - 智能体推动组织形态变革 员工管理大量智能体产生协同效应 企业升级为更高效灵活的超级组织[2] 360集团智能体战略 - 公司推出智能体工厂平台 低门槛快速打造智能体 无需编程能力 通过自然语言定制L3智能体和L4多智能体蜂群[2] - 平台演示纳米AI多智能体蜂群功能 输入简单提示词一键生成宣传片[2] - 公司面向金砖国家开放智能体工厂 作为传统产业数智化转型技术底座 提供全链条赋能[3] 行业发展趋势 - 智能体成为驱动新工业革命的关键力量 大模型仅相当于大脑 缺乏执行能力 需智能体实现实际应用[1][2] - 传统工业智能化转型带来无限发展机遇 智能体将深刻推动产业变革[3]

人工智能政策与战略方向 - 工业和信息化部强调以人工智能 5G 工业互联网 云计算等新型技术赋能工业化 充分释放数字技术潜力 [1] - 2025年人工智能+再次写入政府工作报告 8月底发布《关于深入实施人工智能+行动的意见》将人工智能发展推上高潮 [1] - 中方成立金砖国家人工智能发展与合作中心 开展技术交流与产业对接 下一步将搭建创新共享平台 分享大模型工具和优质数据集 助力降低技术壁垒 [2] - 政策与监管协调 数字基础设施互联互通 创新技术普及应用被列为重点跟进方向 [2] 国际合作与生态构建 - 金砖国家具备引领全球南方创新进程的独特优势 通过规模庞大且多元的资源禀赋加速成员国发展 降低外部依赖 [3] - 急需构建更大范围 更广领域 更深层次的产学研用创新联合体 推动创新链 产业链 资金链 人才链协同对接 显著降低AI研发和应用门槛 [3][4] - 中国移动面向金砖国家联合当地信息通信企业构建AI+国际生态联盟 壮大GTI平台 提供AI算力 模型 应用等多样化能力支持 [4] - 知识共享 技术联合开发和基础设施共建是加快全球南方创新步伐的关键 需通过多边机制制定明确规则确保透明度 公平性和安全性 [3] 技术演进与产业应用 - AI赋能新型工业化由单点突破进入协同推进 群体演进的关键阶段 [1][3] - 智能体成为赋能新型工业化的焦点 360集团主张走专业智能体路线赋能新工业革命 [5] - 《意见》提出目标 到2027年人工智能与6大重点领域深度融合 智能体等应用普及率超70% 到2030年普及率超90% [5] - 中国移动研发万亿参数九天基座大模型 打造多模型和智能体融合服务引擎MoMA 建设超大规模计算机集群覆盖多个行业 [6] - 新华三集团推出ICT智能体 在无线运维领域实现对话式运维 通过智能体调用后台数据提供问题解决方案 计划在巴西 马来西亚 印尼等项目国家落地 [6][7] 发展现状与挑战 - 全球产业数字化转型中各国政策法规和技术发展水平不一致 被企业视为推动开放合作与创新驱动的最大挑战 [3] - 许多全球南方国家难以获取关键技术 存在数字基础设施缺口 技能人才短缺及科研能力不足 阻碍全面参与新一轮工业革命 [2] - 大模型及相关技术运用仍处于爬坡阶段 智能体在业务流程复杂且不确定性强的场景下仅能达到人类水准的0.2或0.3 需进一步提升仿人类智能水平 [7][8] - 目前尚未真正实现通过智能体替代人为干预 智能化自动化进程仍在推进 未来或演进至人类协同群体智能时代 [7][8]

人工智能赋能新型工业化 - AI赋能新型工业化正由单点突破进入协同推进、群体演进的关键阶段 [1][6] - 需构建更大范围、更广领域、更深层次的产学研用创新联合体以释放AI应用潜能 [1][6] - 中国移动联合金砖国家信息通信企业构建AI+国际生态联盟 提供算力、模型、应用等支持 [6] 政策与全球合作 - 工业和信息化部强调以人工智能、5G、工业互联网、云计算等新型技术赋能工业化 [1][3] - 中方成立金砖国家人工智能发展与合作中心 将搭建创新共享平台分享大模型工具和数据集 [3] - 全球南方国家存在数字基础设施缺口和技能人才短缺 需通过知识共享和技术联合开发弥补差距 [4][5] 智能体技术发展 - 智能体成为赋能新型工业化的焦点 到2027年智能体应用普及率目标超70% 2030年超90% [7][8] - 中国移动研发万亿参数九天基座大模型 打造多模型和智能体融合服务引擎MoMA [8] - 新华三集团推出ICT智能体实现对话式运维 可一键解决网络问题 计划在巴西、马来西亚等国落地 [8][9] 技术挑战与现状 - 全球政策法规和技术发展水平不一致 被企业视为开放合作与创新驱动的挑战 [1][5] - 智能体目前仅能达成人类满分水准的0.2-0.3 在复杂流程和不确定性任务中表现受限 [9][10] - 产业通过WAA联盟推动标准互认 形成统一产业联盟以拓展市场 [5]

核心观点 - 理想汽车和字节跳动在2025年8月至9月期间独立探索Agent技术时发现了相同的关键问题 即模型学习信号的强度（梯度大小）与决策不确定性（熵）存在有害的耦合关系 并基于各自业务特点提出了类似的解决方案 [2][4] - 理想汽车的AWE算法更偏向高效实用的工程解决方案 聚焦于监督微调(SFT)中的token级处理 而字节跳动的EMPG框架有更形式化的数学定理支撑 覆盖强化学习(RL)中的step级处理 并额外解决信用分配问题 [3][6][27] - 两者核心思路一致 都采用自适应或动态调制方法 利用模型自身的预测不确定性来校准学习信号 而非对所有token或step一视同仁 [4][27] 技术方案对比 - 理想汽车的AWE算法（自适应权重估计算法）应用于MindGPT 3.1中期训练阶段 动态调整每个token对参数更新的影响力 降低高难度和已掌握token的权重 集中学习中等难度token以提升训练效率和稳定性 [9][24] - 字节跳动的EMPG框架包含两个组件：自校准梯度缩放（动态干预学习信号强度 对低熵动作放大梯度、高熵动作衰减梯度）和未来清晰度奖励（引导Agent选择低熵路径的内部奖励机制） [10][11] - AWE主要解决梯度大小问题 相当于EMPG中的自校准梯度缩放组件 但不包含未来清晰度奖励部分 [5][6][28] 应用场景差异 - 理想方案聚焦token级处理 认为解决token不确定性即可自然扩展到step级 主要应用于模型SFT/RL算法本身 [7][28] - 字节方案同时处理token和step级不确定性 特别针对长序列RL任务中的学习效率和信用分配问题 其未来清晰度奖励组件与智能体场景强相关 [7][17][28] 行业技术发展 - 强化学习领域近期重点关注奖励函数设计 包括基于规则（如代码、数学）、基于量规（如写作、医疗）和基于模型自学习（如熵置信度）三类方法 [29] - 理想汽车在MindGPT 3.1中应用的ASPO算法借鉴了DeepSeek R1 GRPO的选择性学习思想 并进行了创新优化 显示公司具备快速学习并内化行业优秀技术的能力 [20] - Agent技术代表AI从被动信息处理器向主动任务执行者演进 能自主思考、规划并调用工具完成复杂任务（如理想卡片大师） [18] 时间线与行业影响 - 理想汽车于2025年8月21日发布MindGPT 3.1 其Agent能力（如卡片大师）和AI产品化潜力被市场低估 [20] - 字节跳动于2025年9月11日在arXiv发布EMPG论文 为长序列LLM Agent提供理论框架 其研究结论与理想汽车实践经验相互印证 [20][21] - 两家公司独立发现相同问题并给出类似解决方案 反映行业对Agent训练过程中梯度-熵耦合问题的普遍关注 [2][4]

行业趋势：消费平台加速部署AI智能体 - 多家消费平台正在将AI智能体嵌入核心产品 淘宝内测AI助手实现多轮对话导购 美团推出独立App"小美"提供本地生活服务 支付宝推出国内首个"AI付"服务实现自动支付[1] 技术实现：AI导购的数据驱动机制 - AI导购系统高度依赖用户历史数据提升推荐准确性 美团"小美"通过对比用户历史订单推荐相似商品 淘宝"AI万能搜"根据浏览和购买记录生成个性化推荐[2] - 平台收集的数据类型包括浏览记录、搜索查询、加购数据、交易记录等敏感信息 美团收集浏览、搜索、点击、收藏、分享、评价数据 淘宝收集浏览记录、点击查看记录、搜索查询记录、收藏添加记录 瑞幸使用历史订单数据实现产品推荐[3] 合规要求：数据使用的双重监管框架 - 平台使用数据需通过合规文本和功能设计双重关卡 个人信息保护法要求明确告知并取得单独同意 算法推荐管理规定要求提供便捷关闭方式[5][6] - 当前平台已实施差异化合规方案 美团设置单独授权同意步骤 淘宝提供【购物偏好】实时开关功能 瑞幸需通过设置菜单统一关闭个性化推荐[6] 发展挑战：数据应用的风险与限制 - AI导购可能引发大数据杀熟和信息茧房问题 平台可能利用数据实施差异化定价 过度依赖AI推荐可能限制用户商品发现范围[9] - 多业务线接入增加数据安全管理复杂度 需防范越权访问和数据外泄风险 需确保跨生态参与方的数据分享获得用户充分授权[9]

行业转型与核心理念 - 机器人行业正经历从"机器工具"到"AI同事"的转型 强调深度人机协同而非单纯工具属性 [1][3] - 具身智能需与离身智能结合 催生高度适配细分场景的"行业智能体" 释放"机器人口红利" [4][11] - 机器人应具备六维能力：学习力 适应力 交互力 自主力 情感力 社会力 以服务人类健康与设备效能为终极目标 [3][7][8] 企业实践与场景应用 - 云迹科技深耕机器人领域11年 产品覆盖超3万家酒店 累计完成5亿次服务 行走2033万公里(相当于绕地球500圈) [3][6] - 酒店场景中机器人日均完成130次任务 响应时间1秒 任务完成时间3-4分钟 每年为单酒店节约成本10万元 [10][11] - 医院场景机器人日均完成100+次任务 负责运送手术器材 放射性药品 规避配送风险并优化手术资源协同 [11] - 工厂场景机器人日均运输1万米 管理成本下降30% 停靠时间可预判生产节拍 保障生产连续性 [11] 技术架构与协同机制 - 人机高效协作需满足四大关键：目标明确 过程可控 结果可溯 反馈必应 [4][10] - 通过AI云脑进行任务派发与优先级排序 实现机器人 机械臂 用户终端的场景智能体协同 [12][13] - 机器人通过环境反馈优化策略(学习力) 在长尾场景保持稳定(适应力) 理解情感诉求(交互力) [3][9] 价值创造与市场验证 - 酒店OTA好评平均分达4.93 每增加0.1分可使RevPAR提升2.86% 单机器人年均获250条好评 [11] - 盲人无障碍设计等情感连接功能使机器人获得"同事"身份 甚至出现酒店为2017年型号机器人过生日的案例 [9][10] - 机器人替代简单重复任务 使人类专注于高情感价值工作 提升人类附加价值 [9] 未来发展方向 - 在机器人底盘叠加机械臂 通过大模型训练替代刷马桶 擦地 放射药物运送等人类服务工作 [15] - 与美团 顺丰合作探索"原子柜"模式 与无人车实现楼宇内外运输接力 达成"最后100米手臂配送"目标 [15] - 机场等2C场景存在巨大应用潜力 可通过低成本智能化服务提升客户体验 [14]

大模型与智能体发展 - 大模型相当于头脑 能说会道 能思考规划推理 但没有手脚不会使用专业工具不能直接干活[3] - 如果AI发展只停留在大模型阶段会变成玩具而非生产工具 企业引入大模型多用于聊天机器人和客户服务 不能真正解决生产业务问题[3] - 人工智能上半场是大模型 下半场焦点转向智能体 大模型能力从知识型进化到推理型且成本越来越低[3] 智能体核心特征与应用 - 智能体是网络虚拟空间的机器人 具备记忆能力 使用专业工具能力 分工协作能力和分解规划任务能力[4] - 智能体将通用大模型变为专业化个性化数字员工 多智能体全自动协作30分钟可完成人工需1个月的视频制作[4] - 智能体演进分五个层级：L1聊天助手 L2工作流智能体 L3推理型智能体 L4多智能体协作 L5可能具备自我学习进化迭代能力[4] 人机协作新模式 - 当每人管理30-50个智能体时将解锁能力成为超级个体和超级员工[3] - 人类角色转变为智能体的规划者 领导者 管理者和监督者 形成碳基员工与硅基员工混合的超级组织[4] - 智能体替代人力与软件工具 实现真正降本增效 工业领域专业智能体发展前景比传统软件大十倍[5] 企业战略与行业机遇 - 360智能体工厂重点打造L3-L4智能体 已为中小企业提供5万个具备各种能力的智能体[5] - 360面向金砖国家开放智能体工厂技术 提供从智能体构建到场景落地的全链条赋能[5] - 智能体作为传统产业数字化转型最关键抓手 将带来无限发展机遇[5]

AI与人类能力对比 - AI在逻辑推理方面存在局限 尤其多步复杂推理常出现逻辑错误 而人类擅长辩证思维和持续学习[3] - 人类拥有AI无法替代的三大核心能力：担责能力、创造力与冒险精神、自驱力[3] - 人类是独一无二的碳基生物 其存在本身具有商业价值 而AI只是可无限复制的程序副本[8] 人类核心竞争优势 - 担责能力体现在人类提供可追溯的信用支撑 例如资金决策权等关键权限不可能完全交给AI[9] - 创造力要求创造出世界上尚未存在的东西 AI仅擅长基于已有信息组合优化[12] - 自驱力源于人类独有的意义建构能力 AI没有人生经历和历史记忆[17] 人机协作模式 - 人类应成为"微决策"主导者 AI帮助实现决策自由 例如AI出图后人类根据审美修改[23] - 智能体具备自主决策能力 可根据目标调用工具并分析现场情况 例如GPTs完成多步骤复杂任务[25][26] - 通过多AI协同可克服群体思维 例如让模型扮演不同角色或调用不同模型思考同一问题[27] 教育与发展方向 - 现行教育体系过度强调纪律性 抑制自驱力培养 需要允许试错空间[18] - 日本人均GDP从20世纪90年代超美国降至现在不足一半 证明过度从众会削弱社会创造力[21] - 可缩放的个人成长路径包括学习（积累已知）和搜索（寻找未知） 两者投入越多收获越大[30][31] 技术应用边界 - AI辅助科研已相当成熟 可独立承担科研项目 但成果价值仍需人类判断[14] - 在自动驾驶等领域 仍存在大量人群对AI持不信任态度[5] - 即使现有大模型技术停滞 仍足以引发社会结构深层变革[5] 商业创新本质 - 企业家创造力本质是冒险 需要押注真金白银和声誉 而AI没有这种风险承担能力[15] - 创新文化需要容忍逆反精神 美国人均GDP持续增长得益于颠覆式创新文化[20] - 100%确定能成功的事物早已存在 商业成功最终取决于决策冒险[14]

市场整体表现 - 市场震荡走高 创业板指一度跌幅超过1% 午后回升翻红 沪指涨0.04% 深成指涨0.45% 创业板指涨0.68% [1] - 沪深两市成交额2.34万亿元 较上一个交易日放量640亿元 [1] - 全市场超3600只个股上涨 个股涨多跌少 市场情绪明显回暖 [1] - 指数黄白线分化 中小盘股表现较强 微盘股以全天最高点报收 逼近8月26日历史高点 [9] 板块热点表现 - 机器人板块涨幅居前 受宇树科技开源世界模型架构及特斯拉创始人马斯克拟斥资近10亿美元增持特斯拉股票并召开擎天柱机器人会议等多重利好刺激 汉威科技 安培龙 三花智控 双环传动等多股涨停并创历史新高 [5] - 互联网电商及物流板块涨幅居前 新宁物流 怡亚通 供销大集等多只物流股涨停 线上线下录得20厘米2连板 丽人丽妆 省广集团等纷纷封板 [7] - 猪肉 有色金属 影视院线等板块跌幅居前 有色板块多数个股大幅高开后跳水回落 领跌品种为稀土永磁及钨等小金属 [7][8] 连板股及人气股分析 - 连板晋级率升至70% 最高标华建集团分歧转一致晋级4连板 [3] - 首开股份实现10天9板 上海建工 香江控股 山子高科 荣盛发展实现3连板 [1][3] - 淳中科技6天5板 必得科技8天5板 天际股份9天5板 [1][4] - 低价股方向获得资金深度聚焦 香江控股等多股实现2进3 板块涨停家数仍有十余家 [3] 细分领域动态 - 国产算力方向走出独立行情 腾讯云宣布全面适配主流国产芯片 海光信息 中科曙光盘中创历史新高 龙芯中科一度触及涨停 寒武纪午后一度站上1500元大关 [6] - 液冷概念表现偏强 受英伟达推动水冷散热组件刺激 淳中科技反包涨停走出6天5板 [6] - 统一大市场概念全天表现不俗 受《求是》杂志发表重要文章刺激 新宁物流 怡亚通 供销大集等多只物流股涨停 [7] 资金流向及市场结构 - 题材小票和权重股间跷跷板行情延续 上证50指数日线收出三连阴并一度跌破20日均线 [9] - 科创50指数实现日线5连涨 创2022年1月以来新高 创业板指日线形成揉搓线组合 短期均线向上发散 [9] - 黄金股午后重新得到资金回流 西部黄金 晓程科技等表现活跃 兴业银锡 北方铜业日内继续创历史新高 [8]

核心观点 - 华为发布智能世界2035系列报告 展望未来十年关键技术趋势及其对多个行业的变革性影响 包括AGI 智能体 自动驾驶 算力等十大方向 [1][6][13] - 到2035年 人工智能将助力预防超过80%的慢性病 超过90%的中国家庭拥有智能机器人 人类进入全息生活空间时代 [1][13] - 人工智能应用率超过85% 提升劳动生产率60% 通过自主系统重构企业价值创造方式 [13] 行业变革趋势 - AGI成为未来十年最具变革性驱动力量 需克服核心挑战实现奇点突破 走向物理世界是必由之路 [6] - AI智能体从执行工具演进为决策伙伴 驱动产业革命 [7] - 人机协同编程成为主流 人类专注顶层设计和创新思考 AI处理繁琐编码执行 [8] - 交互方式从图形界面转向自然语言 并演进为融合人类五感的多模态交互 通过语音 手势获得深度沉浸体验 [8] - 手机App从独立功能实体转变为AI智能体驱动的服务节点 AI调用相关服务节点提供极致体验 [8] - L4+自动驾驶汽车走入生活 成为"移动第三空间" 关键技术突破包括世界模型和AGI水平 [6][8][9] - 通信网络连接对象从90亿人扩展到9000亿智能体 实现移动互联网至智能体互联网跃迁 [13] - 能源成为制约AI高速发展核心要素 2035年可再生能源发电量占比突破50% AI通过Token管理瓦特实现高效电网 [13] 技术发展指标 - 2035年全社会算力总量增长10万倍 计算领域在架构 材料器件 工程工艺 计算范式四大层面实现颠覆性创新 [11] - AI存储容量需求比2025年增长500倍 占比超过70% Agentic AI驱动存储范式改变 [12] - 自动驾驶发展路径：2025年驾驶主体为人类 场景为高速L3和城区L2+ 技术为E2E；2030年特定场景完全接管 L3+规模商用 部分场景L4商用 技术为世界模型；2035年大部分场景不需人类接管 L4+规模商用 L5启动试商用 技术为AGI水平 [9] 生活与健康领域 - 人工智能助力预防超过80%慢性病 推动健康管理从被动治疗转向主动预防 [1][13] - 超过90%中国家庭拥有智能机器人 [1][13] - 人类逐渐进入全息生活空间时代 家庭场景迎来技术驱动的沉浸式变革 [1][13] 企业生产领域 - AI Agent驱动自主决策组织重塑生产范式 [13] - 人工智能应用率超过85% [13] - AI提升劳动生产率60% [13] - AI通过感知-分析-决策-行动自主系统彻底重构企业价值创造方式 [13]