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]

人工智能技术发展进程 - 人工智能驱动的工业革命核心特征是从数字化转向智能化赋能模式 [2] - 行业从大模型为核心的上半场进入以智能体为核心的下半场 [2] - 大模型仅具备思考规划能力但缺乏执行工具能力 [2] 智能体核心能力与应用价值 - 智能体具备任务分解规划、记忆、工具使用和分工协作四大核心能力 [2] - 专业智能体路线聚焦单一领域任务 更易落地并深度融入企业业务流程 [3] - 专业智能体可同时替代软件工具属性和人力执行属性 降低运营成本并提升成果质量 [3] 智能体引发的组织变革 - 个人通过指挥100个智能体协同工作成为超级员工 实现生产力指数级提升 [3] - 组织通过员工管理大量智能体形成协同效应 升级为高效灵活的超级组织 [3] - 智能体演进分为五个层级 从L1聊天助手到L5自我学习进化的高级形态 [3] 360智能体平台发展 - 推出智能体工厂平台 支持无需编程通过自然语言定制L3和L4级智能体 [4] - 平台展示纳米AI多智能体蜂群功能 输入提示词即可一键生成宣传片 [4] - 面向金砖国家开放智能体工厂 提供从构建到场景落地的全链条赋能 [4]

21世纪经济报道记者孔海丽、实习生吴佳芸北京报道 人工智能时代，企业对AI工具跃跃欲试，却往往败在低于预期的投资回报率。投入巨大，产出有限， ROI难以兑现，企业应该如何跨过"试用期"，把AI变成驱动增长的核心引擎，成为企业共同面对的难 题。 企业AI落地应用从实验探索到实际用例，再到模型自动化，被IBM亚太区总经理Hans Dekkers称为企业 AI的"价值创造曲线"。他强调，企业只有在每一个阶段都实现规模化发展，才能成为以人工智能为核心 的"AI优先"型企业。 目前，更多企业正在将AI技术部署到自身业务中。IDC数据显示，66.5%的中国企业已在局部场景中应 用AI，27.2%正迈向规模化部署。 机器学习、深度学习、自然语言处理和其他AI技术可以帮助企业推动业务目标和决策。除了数据收集 和分析，AI还可以完成自动化、客户服务和风险管理等更为复杂的运营任务。 以IBM为例，在过去两年里，AI转型为公司创造了35亿美元收益；在支持案例(support case)总结方面， 每季度节省超过12.5万小时的工作。另据凯傲集团亚太区信息技术及数字化业务副总裁张犇介绍，作为 工业叉车生产商，凯傲集团已在推进基于识别 ...

产品发布与技术创新 - 华为Mate XTs非凡大师作为首款出厂全面搭载HarmonyOS 5.1的三折叠手机正式开售 实现业界首次将PC版金融应用装入手机的突破[1] - 东方财富PC版深度适配华为Mate XTs的10.2英寸大屏 整合全球行情 多维数据 交易理财和内容资讯等功能模块[3] - 鸿蒙版东方财富PC版支持全球企业库 股票综合屏 模型回测等专业功能 为专业投资者提供高效可靠的投资工具支持[5] 功能特性与用户体验 - 支持极速千档L2看盘体验 结合高速行情与海量运算 帮助用户瞬间洞察数据变动并精准把握投资动向[3] - 提供龙虎榜单 融资融券 年报季报 分红送转等多个专题数据 用户可基于丰富权威数据制定精准投资策略[3] - 全面覆盖多类交易品种 包含夜市委托 全景账户分析 新股申购 余额理财等特色服务 提供从选股到理财的全方位支持[3] 生态融合与服务创新 - 东方财富推出金融行业首款上架的鸿蒙智能体"妙想" 能够全天候响应用户金融疑问并做出准确专业解答[6] - 推出首批金融类元服务卡片"东方财富Lite" 用户可通过负一屏一步直达实时行情 自选股详情 财经资讯热点及极速开户操作[6] - 公司全面适配手机 平板 电脑等设备 高频迭代节奏和全新服务形态证明其深度融入鸿蒙生态[7]

核心观点 - 公司提出"向智能化要产业效率 向全球化要收入规模"作为企业增长两大核心动力 将打造智能化与全球化两大效率引擎助力企业稳健和可持续增长 [1][5] 智能化战略 - 正式发布腾讯云智能体战略全景图 通过智能体解决方案 SaaS+AI 大模型技术三大升级开放AI能力与场景优势 [3] - 腾讯元宝DAU排名国内AI原生应用前三 用户日提问量达年初月总量 IMA知识库文件数量突破1亿 QQ浏览器AI月活数比4月增长17.8倍 [3][6] - AI助力广告业务二季度营销服务收入增长20% 游戏业务实现双位数增长 [3][7] - 智能体开发平台ADP 3.0支持第三方数据库对接 插件生态扩容至140多个MCP插件 [8][9] - 与绝味食品合作全链路AI营销实战显示：AI组内容点击率是人工组1.8倍 支付转化率2.4倍 交易金额3.1倍 效率达人工组2-3倍 [10] - 腾讯内部40%新增代码由AI生成 35%任务由AI评审 程序员月交付数提升34% 交付周期缩短10% [11] - 腾讯会议AI功能用户量同比增长150%+ 腾讯乐享AI问答准确率达92% 腾讯电子签合同审核效率提升使合规风险降低80% [11][12] 大模型技术进展 - 腾讯混元过去一年发布30多个模型 包括0.5B 1.8B 4B 7B A13B等多款开源小模型 [13] - 混元翻译模型(7B)在2025国际机器翻译大赛31个单项中获30个第一 [13] - 混元3D模型开源社区下载量超260万 行业排名第一 正式发布3.0版本建模精度提升3倍 [13][14] - 推出混元3D Studio一站式工具覆盖从概念设计到动作系统全流程 [14] 全球化战略 - 腾讯云国际业务过去三年持续高双位数增长 服务海外客户数同比翻番 [4][15] - 90%以上中国互联网企业和95%以上头部游戏公司出海选择腾讯云 [4][15] - 海外开区速度在国内云厂商中最前列 在沙特投资1.5亿美元建设中东首个可用区 日本大阪新建第三个可用区 [4][16] - 全球设立11个区域办公室 部署9大全球技术支持中心 [16] - 产品国际化推进 音视频 EdgeOne等产品全球竞争力强劲 CodeBuddy ADP等推出海外版 [17] - 伙伴通过腾讯云的收入增速远超行业平均水平 SaaS服务客户数增长60% 带来商机规模同比增长330% [19] 客户案例 - 服务印尼GoTo集团 泰国正大集团 阿联酋电信e&UAE 法国电信Orange 日本Tabelog等国际客户 [4][15] - 助力美团Keeta 美的 泡泡玛特 杨国福麻辣烫 广汽 绝味食品等中国企业出海 [4][9][16] - 美的集团基于法兰克福数据中心构建新架构 将50个独立业务系统纳入标准化云原生架构 [16] - 泰国CP AXTRA将主要零售及批发业务系统迁移至腾讯云 [18]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][36][37][38][39][40][41][42][43][44][45][47][48][49][50][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124][125][126][127][128][129][130] 报告核心观点 - 生命科学行业在人工智能应用方面处于领先地位 但实现高额投资回报仍具挑战 仅23%企业获得较高或极高投资回报 而51%企业处于中等回报水平 [7][10][12][38][39] - 采用混合运营模式（职能与敏捷兼顾）的企业获得高投资回报的概率是传统架构企业的两倍 [7][41] - 人工智能应用正从数据分析转向生成式人工智能和智能体 89%企业放心让人工智能为特定流程进行端到端自主决策 85%企业已大力或逐步使用自主代理式系统 [13][27][28][29][44] - 数据问题是主要挑战 68%企业面临数据孤岛、格式和质量差异以及安全和隐私问题 [13][32] - 人工智能投资需平衡高价值高风险应用（如分子建模）与低价值低风险应用（如供应链自动化）以实现可持续回报 [73][74] 调研结论 - 生命科学行业在人工智能应用方面领先 97%企业已利用人工智能改善运营 86%企业认为拥抱人工智能将形成竞争优势 [10][23] - 69%企业对人工智能在未来五年角色制定明确战略愿景 92%企业清楚应投资哪些人工智能技术和能力 [10][11] - 73%企业已实现效率提升 但仅23%获得较高或极高投资回报 32%企业预计未来几年投资回报保持不变 [12][39] - 68%企业面临数据集成挑战 仅17%实现混合云集成 34%依赖手动或基础数据集成 [13][30][31][32] - 技能短缺制约进展 74%企业已开展员工培训 但机器学习、数据工程等领域人才不足 [40] 打造智能生命科学企业 - 企业需通过三阶段转型：阶段一（赋能）构建人工智能基础 阶段二（融合）将人工智能融入工作流程 阶段三（演进）发展生态系统 [59][61][63][64] - 智能生命科学企业需具备混合云基础设施、智能数据管理、负责任人工智能模型开发等基础能力 并在职能层面整合研发、制造和商业化流程 [55][56][57] - 人工智能战略需围绕价值实现 建立信任 构建可扩展技术设施 培养人工智能文化 [47][48] 阶段一：利用人工智能为员工赋能 - 73%企业已利用人工智能提高效率 39%改善财务状况 [66][67] - 重点包括任命人工智能高管、制定战略、提高员工素养、确保合规 并在研发、供应链等领域测试人工智能解决方案 [66][67][69] - 计算机视觉（78%）、生成式人工智能（73%）、推荐系统（73%）是广泛应用的技术 [70][71] 阶段二：将人工智能融入工作流程之中 - 人工智能深度融入药物发现、临床试验、制造和商业运营 推动系统性改进 [96][97] - 价值流涵盖药物开发（全球研发投资2,760亿美元）、临床试验（每天延迟成本50万美元）、供应链优化和市场准入 [98][99][100][101][102][103] - 需优先考虑道德、安全、合规和信任要素 确保符合行业法规 [96] 阶段三：发展企业自身生态系统 - 企业转型为人工智能赋能、生态系统驱动模式 与生物科技企业、监管机构、医疗健康系统合作 [107][108] - 人工智能与先进技术融合 推动远程研发、智能实验室和个性化医疗 缩短药物发现时间 [108][115] - 跨界融合催生人工智能赋能医疗健康新物种 挑战传统商业模式 [110] 演进阶段生态系统带来的机遇 - 人工智能实现生物制药、医疗科技、诊断和数字健康生态系统无缝对接 提供个性化及预测性服务 [112][113] - 人工智能驱动远程研发和智能实验室 通过模拟和合成试验缩短药物上市周期 [115] - 人工智能重塑临床试验过程 通过真实世界数据集成和自适应试验设计提高效率及多样性 [117] - 价值导向型生态系统聚焦疗效驱动模式 优化风险分担和供应链协调 [118] 主要建议 - 设计符合核心竞争力的人工智能战略 优先实施高影响用例（如分子建模、供应链优化）并确保可扩展性 [120][122][124][125] - 建立信任 实施可解释人工智能和偏见审计 让利益相关方参与模型开发 [127][128][129] - 构建灵活技术设施 投资企业数据平台和云基础设施 [48][55] - 培养人工智能文化 通过培训增强跨职能协作 [48][67]

数据质量 - 数据质量是大模型训练中最重要的一环 需通过无监督机器学习发现异常数据或有监督方法通过专家标签识别低质量数据 [2][4] - 数据量不足会直接影响数据质量 联合实验室需整合大湾区高校资源构建大数据平台 推动工业界合作项目积累高质量数据 [4] - 实验室可推出数据测试平台供各类大模型测试性能并改进不足 [4] 数据关联与应用 - 智能体落地需解决数据互联问题 当前技术难题在于智能体间缺乏协同与数据串通 应聚焦垂直行业具体应用场景 [6] - 大模型在产业应用具高价值 例如保险业可通过大模型文件处理能力提升理赔案效率 [5] - 数据驱动需实现良性循环 通过实际应用让用户体会便利性而非贪大求全 [6] 数据安全 - 数据安全涉及技术手段如同态加密和隐私计算 需在数据共享与安全间平衡 例如医疗数据隐藏姓名后仍可能通过其他信息映射身份 [5] - 需建立政策与制度层面的数据保护机制 包括数据共享协议和保密协议 引导正确使用数据 [5][8] - 大模型训练涉及商业与个人隐私 需设计保护机制防止敏感问题错误回答 警惕数据投毒等网络攻击风险 [9] 平台与联盟建设 - 联合实验室可整合大湾区高校研究力量 通过联盟协议推动数据安全使用 实现参与者共赢 [8] - 实验室应发挥枢纽作用 推动安全数据积累与开放共享 使大湾区成为数据安全使用典范 [8][10] - 实验室需建设大数据平台和数据测试平台 助力大模型性能测试与改进 [4][10]

随着智能体普及，人类角色将转变为AI的管理者，这种转变也带来了人与人之间能力的分化："无视 AI、不懂AI、不会管理智能体的人，注定会被淘汰。"周鸿祎强调，AI不是威胁，而是个体之间能力的 放大器，能让强者更强。 新浪科技讯 9月15日晚间消息，近日，央视《读书》栏目与360集团创始人周鸿祎围绕人工智能话题对 谈。"过去人们说'内事不决问张昭，外事不决问周瑜'，现在内外事不决其实可以问一问大模型。"周鸿 祎点出了大模型在工作和生活中的核心价值。 而智能体的出现，让AI从"光说不做"的聊天助理升级为"能落地干活"的数字员工。"大模型是大脑，负 责规划推理；智能体是手脚，负责调用工具。"周鸿祎解释，智能体能拆解复杂任务、还有思考和规划 的能力，这正是人类解决问题的核心逻辑。 "国内几个开源大模型已进世界一流梯队，软件层面差距很小，加上中国人才储备，AI领域已追上国际 水平。"周鸿祎更看重中国AI的生态优势："竞争是多维度的，开放才是关键。中国的很多大模型厂商坚 持开源免费，吸引全球开发者参与，形成"集中力量办大事"的效应，就连美国公司也在使用DeepSeek。 从互联网历史来看，开源一定会战胜闭源。" 面对这样的 ...

文章核心观点 - 2025年服贸会"数字开物·奇点π对"主题沙龙活动聚焦AI与算力生态 探讨大模型技术演进、AI应用落地、智算中心基础设施创新及产业链协同发展路径 [1][3][26] 大模型技术演进趋势 - 大模型成为人工智能发展核心方向 能力过去数年飞速提升 [5] - 产业面临关键转变：数据重心从公开数据转向私域及专业领域 算力焦点从模型训练大规模转向推理部署 [5] - 智能体成为大模型核心应用模式 包括三类产品创新：通用开发平台、通用应用、面向特定任务的专用智能体 [5] - 智能体商业落地呈现研发与营销服务端强、生产制造环节弱的"微笑曲线"形态 有望成为未来智能时代"核心原子细胞" [5] - 企业落地大模型面临高投入成本、效果不确定性和技术栈复杂等挑战 需采取系统化工程思维 [5] AI应用落地实践 - AI应用无需自建大模型 利用开源模型结合垂类行业数据积累是更高效路径 [7] - 来画科技打造AI数字人伙伴Vinabot 通过多模态大模型将虚拟IP与实体陪伴机器人结合创造情绪价值 [7] - 来画科技推出AI翻译产品线 包括翻译机、翻译耳机及无障碍会议室 凭借多年积累精准语料库打破语言边界 [7] - 思必驰利用自研AI语音算法和降噪技术提升会议通话效果 通过AI硬件私有化生成会议纪要保障数据安全 [9] - 思必驰核心产品"AI办公助理"将会议内容高效转化为结构化纪要 形成从前端开会到后端纪要生成的闭环管理 [9] 智算中心基础设施创新 - AI大模型推动服务器硬件形态改变 超节点驱动智算中心基础设施深刻变革 [11] - 大模型参数指数级增长及混合专家模型(MOE)等范式转变 需突破单节点GPU/CPU内存墙限制和通信带宽延迟不足问题 [11] - 业界全面转向Scale-up网络架构为核心的"超节点"解决方案 要求数据中心具备更高承重与层高 液冷和高压直流成为技术趋势 [11] - 未来智算中心需具备高密度、高效率、高弹性和大规模"四高"特征 浩云长盛已在京津冀及长三角布局新一代数据中心资源 [11] - AIGC从单一工具演变为多模态基础底座 推动智算中心向规模化、服务普惠化及PUE驱动绿色化格局演进 [13] - 优刻得通过规范化建设与高标准运维打造安全高效可靠智算基础设施 提供持续稳定算力支撑与服务保障 [13] 智算中心运营挑战与解决方案 - 智算中心建设运营面临严峻稳定性与投资回报挑战 大规模训练中GPU卡、显存和光模块损坏影响训练效率和成本 [15] - GPU技术快速迭代导致现有算力贬值及商业回报降低风险 平台框架效率低下和推理资源利用率不足阻碍算力价值转化 [15] - 沨呵智慧提出"精益智算"理念 通过智能调度引擎提升GPU利用率 预判式运维和Checkpoint断点续训保障训练稳定性 [15] - 沨呵智慧通过模型全生命周期管理提供一站式训推服务 系统性解决智算管理痛点 [15] 数据中心冷却技术演进 - AI产业向百万卡级超大集群演进 芯片与机柜功率密度爆炸式增长 传统风冷无法满足需求 液冷成为数据中心散热必然选择 [18] - 液冷市场中冷板式占主流 但面向未来超高密度AI集群 相变浸没式液冷是具有应用潜力方案之一 [18] - 曙光全浸没相变液冷技术具备性能强劲、兼容性好、高密度部署及安全可靠特点 已在多个国家级先进计算中心落地 [18] - AI兴起对算力中心散热提出巨大挑战 传统风冷在单机柜30千瓦以上功耗时显现瓶颈 液冷技术优势日益凸显 [20] - 液冷技术包括直接芯片冷却、浸没式冷却等类型 混合式液冷成为未来高性能计算关键技术方向 [20] - 通过能源梯级利用和余热回收技术 可将算力中心从散热负担转变为能源枢纽 提升整体能源效率 [20] 圆桌讨论：AI与算力产业发展 - AI陪伴是极具潜力应用赛道 预计2030年产业价值突破千亿美金 算力是未来"新基建"将衍生数字产业 [23] - 大模型驱动AI浪潮是没有终点的技术革命 AI产业链从上应用到下层算力基础设施构成"开辟式创新" [23] - 智算产业拥有巨大带动效应 催生从应用、算力、电力到解决方案的紧耦合生态 [23] - 应用落地滞后于技术发展为AI创业者创造巨大机会窗口 未来算力将像水电、WiFi一样成为无感便捷的社会基础设施 [23] - 液冷技术全球化交付面临三大挑战：缺乏国际统一标准、技术新难度高要求运维能力严苛、跨文化专业人才短缺 [24] - 液冷技术处于高速增长期 ByteBridge在海外市场提出"冷却即服务"新模式 未来将催生混合液冷模式 [24]

AI产业正处于技术奇点与商业爆发的交汇口 正从大模型向多模态、智能体和具身智能跃迁 [1] 三大细分投资赛道 - 算力、Agent和"AI+产业"三大细分赛道仍处于投资风口 [2][3] - 蚂蚁集团过去两三年在算力层公司上出手较多 认为未来Token消耗及能源支撑是需要解决的问题 [3] - 明势创投在智能体方面已布局6家成长较快Agent中的3-4家 认为即便优秀Agent在很多领域也只能做到三四十分 [3] - 经纬创投最关心AI与各行业的结合 包括消费电子、机器人、工业和零售行业的融合 [3] 智能体投资策略 - 智能体分为通用和垂类两种 前者天花板更高但投资风险更高 后者超额回报空间相对有限 [4] - 蚂蚁集团投资的智能体以垂类为主 选择标准是市场空间大、付费意愿强且能构建护城河 [4] - 智能体创业应避开大模型能力迭代主赛道 否则可能随大模型公司版本升级遭毁灭性冲击 [4] - 创世伙伴创投采取"哑铃策略"：投资与复杂工作流结合的To B应用和风险高但天花板更高的通用方向 [4] 中国AI应用优势 - 中国AI应用走在国际前列 多个全球"首个智能体"来自中国 [5] - 中国优势来自过去20年互联网和移动互联网积累的产品经理能力 同时技术跟进很快 [5] 创业者特征偏好 - 新一代创业者比上一代年轻10岁且越来越年轻 已出现00后创业者 [6] - 创业门槛提高 团队需对模型等技术有深刻理解 移动互联网时代产品经理找程序员就能打造产品 [6] - 偏好对技术有独到认知、有商业敏感度和快速迭代特征的创始人 [6] - 青睐拥有非共识的超级产品经理 如李想 Agent是生产力工具 核心指标是任务完成度 [6] - 不完美的创始人才能做出伟大产品 有激情但可能不够理性的人能做出伟大产品 [7] - 青睐投资经验丰富但AI经验不超过3年的创业者 因为3年前AI和现在AI不是同一物种 [7] - 应对年轻创始人多些耐心和宽容 允许更多个性化风格 而非用严格CEO标准要求 [7] 市场前景预测 - 未来全球最顶尖的智能体中 将有三分之二来自中国创业团队 [7] - AI时代的创新创业无论从商业还是赛道宽度来看都面临巨大机会 [7]