报告行业投资评级 - 报告未明确给出整体行业投资评级 报告的核心观点 - AI算力需求确定性强，台积电资本开支大幅增长及HPC业务高增长印证了AI训练/推理算力需求的持续强劲 [5][19] - AI Agent正逐步进入工作流，Anthropic推出的Cowork功能标志着AI从对话工具向自主代理升级，有望推动生产力工具革命 [5][19] - 美国自动驾驶政策取得关键进展，SELF DRIVE Act有望大幅提升车辆豁免上限并确立联邦优先权，将推动L4级无人车大规模部署 [5][19] - 服务器CPU市场呈现供不应求格局，AMD与英特尔库存售罄并计划提价，主要受超大规模云厂商升级周期驱动 [5][19] - 建议重点布局算力硬件上游，以及能将多模态推理能力落地于实体场景的平台型公司，关注标的包括英伟达、特斯拉、LITE、AVGO、GOOG等 [5][19] 根据相关目录分别进行总结 美股科技公司动态 - **台积电2025年第四季度及全年业绩超预期**：25Q4营业收入337.0亿美元，超彭博一致预期3.3%；毛利率62.3%，超预期2.8%；调整后净利润162.9亿美元，超预期10.4% [2][11]。2025年全年营业收入1225.6亿美元，超预期2.2%；毛利率59.9%，超预期1.0%；调整后净利润552.7亿美元，超预期4.2% [2][11] - **台积电业务结构以HPC为核心**：25Q4，高性能计算（HPC）收入占比55%，环比增长4%；智能手机平台占比32%，环比增长11% [2][11]。2025年全年，HPC收入同比增长48%，占总收入58% [2][11] - **台积电先进制程占比高且持续提升**：25Q4，3纳米制程收入占比28%，5纳米占35%，7纳米占14%，先进制程（≤7纳米）合计占比77% [11]。2025年全年，3纳米占比24%，先进制程占比74% [11] - **台积电制程技术进展顺利**：N2制程已于25Q4在新竹与高雄同步进入量产，良率表现良好，预计2026年快速放量；N2P与A16制程均计划于2026年下半年量产 [12] - **台积电发布强劲资本开支与业绩指引**：2026年资本支出计划达520-560亿美元，较2025年的409亿美元大幅增长 [2][12]。公司预计2026年收入将实现接近30%的同比增长，高于Foundry 2.0行业约14%的增长水平 [2][12]。预计26Q1收入为346–358亿美元，毛利率为63%–65% [2][12] 科技行业动态 - **Anthropic推出AI Agent功能Cowork**：Cowork核心定位是“协作”，能让Claude以“自主代理”方式工作，具备理解任务、制定计划、持续执行、与用户协同的能力 [3][13]。该功能允许Claude直接访问用户指定的本地文件夹进行读取、编辑、创建文件等操作，并支持多任务排队和并行处理 [3][13] - **Cowork具备更高自主性与安全性**：Claude能根据任务制定计划并执行，同时利用现有连接器链接外部信息以增强文档创建等能力 [14]。用户保持控制权，需明确授权Claude访问的文件夹和连接器，Claude在执行重大操作前会征求用户同意 [14] - **Cowork目前处于研究预览阶段**：限Claude Max订阅者在macOS应用中使用，后续计划改进并扩展到Windows等平台 [3][15] - **美国自动驾驶法规取得关键进展**：2026年1月13日，美国众议院能源与商务小组委员会审议了2026年SELF DRIVE Act草案 [4][17]。草案拟将每家制造商每年可部署的不符合传统安全标准（如无方向盘/踏板）的车辆豁免上限，从现行的2500辆大幅提升至9万辆 [4][17]。草案明确联邦优先权，即车辆符合联邦安全标准后，各州或城市不得禁止其上路 [4][17] - **服务器CPU市场供不应求，厂商计划提价**：根据KeyBanc报告，AMD和英特尔今年的服务器CPU库存均已售罄 [4][18]。需求主要来自超大规模云厂商将最新服务器CPU整合到现有机柜架构 [4][18]。AMD/英特尔计划将服务器CPU价格上调最高15%以确保供应稳定 [4][18]。KeyBanc预计今年服务器CPU出货量将增长25% [18]

行业背景与核心痛点 - 客服行业普遍面临团队规模与成本增长但用户体验恶化的问题[1] - 在高频服务行业如互联网打车、零售售后、物流、外卖、金融等领域问题尤为突出 这些行业用户规模持续扩大 服务需7×24小时 但客服体系仍高度依赖人工[2] - 在高频服务场景中 客服问题的复杂性源于多种压力的叠加 而非单纯的问题数量多[3] 案例平台面临的特定挑战 - 客户数量庞大且问题具有高时效性与高情绪特征 案例平台月活跃用户接近6亿 问题多发生在行程中或刚结束时 涉及安全与财产 用户诉求急切[4] - 服务需求与人力供给存在结构性错配 平台人工客服工作时间为早9点至晚6点 但出行需求覆盖早晚高峰及夜间 非工作时间只能留言或延迟处理 影响响应与体验[5] - 即便持续增加人手 也难以在效率、体验和成本间取得平衡[5] AI Agent解决方案的实施与效果 - 平台引入名为ZENAVA的AI Agent介入一线客服接待与问题处理 以重构服务模式[6] - ZENAVA接管大量基础咨询与标准问题应答 在订单查询、费用规则、常见投诉等场景独立完成接待 独立应答率超过65% 分担了人工座席压力[7] - ZENAVA实现7×24小时持续在线服务 打破了人工客服的时段限制 提升了客户满意度[7] - 实现效果的基础是对客服问题的清晰拆解 为AI划定明确业务边界并打通业务数据 使其与人工客服高效协同[7] AI Agent的具体问题处理策略 - 针对以“办事”为核心的问题（如优惠券未使用、费用异常） ZENAVA直接理解诉求并高效处理 独立解答率超过65% 在如多扣费场景中可自动创建工单并流转 无需人工干预[8][9] - 针对以情绪宣泄为主的场景（如对司机服务态度的投诉） ZENAVA会重点识别用户情绪 一旦判断情绪强烈则第一时间转接人工客服 避免激化矛盾[10] - 针对问题与情绪并存的混合场景（如贵重物品遗失） ZENAVA优先尝试协助解决问题 同时监测客户情绪 若出现情绪升级则及时转人工并同步沟通要点[12][13] 模式转变的核心结论 - 在高并发、高情绪、强时效的客服场景中 单纯依靠人力堆叠已难以支撑业务增长 传统以人工为核心的客服模式正逼近效率与体验的双重上限[13] - 真正的突破在于从人力驱动转向AI驱动 通过让AI Agent承接高频、标准化、流程型工作 使人工客服能专注于更复杂、更有价值的服务 从而实现客服体系效率与体验的同步提升[13]

OpenAI宣布ChatGPT引入广告 - OpenAI宣布将在ChatGPT免费版和入门订阅层级“ChatGPT Go”中引入广告功能，测试将在未来几周内率先面向美国成年用户展开[1] - 广告不会强行打断对话，只会在系统判断存在相关赞助产品时，安静地出现在回答内容的底部，并配有清晰标注[4] - 付费用户（Plus、Pro或企业版）界面将保持纯净，但月费8美元的ChatGPT Go订阅用户仍属于广告覆盖目标人群[6] ChatGPT订阅体系更新 - ChatGPT Go订阅服务已在所有支持ChatGPT的地区上线，月费8美元[6] - 该服务权益包括使用GPT-5.2 Instant模型，提供比免费版多10倍的消息、文件上传及图像生成额度，具备更长的记忆和上下文窗口[6] - 公司正式构建起三级消费者订阅体系：Go（8美元，入门级）、Plus（20美元，进阶级）、Pro（200美元，旗舰级）[6] 广告实施原则与新模式 - OpenAI强调广告不会干扰回答的客观性，AI依然会以对用户最有帮助的方式生成内容[8] - 公司承诺用户对话记录不会被打包卖给广告商，用户有权随时关闭个性化设置，未满18岁用户将被完全屏蔽广告[8] - OpenAI提出“对话式广告”新概念，用户可直接向广告提问互动以获取更多信息[10] - 引入广告是为了让更多人在免费或低门槛情况下使用工具，多元化收入对覆盖昂贵算力成本、实现“AI普惠”愿景势在必行[10] 行业背景与商业模式压力 - 在持续烧钱的大模型时代，“在AI里加广告”被视为最稳、最快的回血方式[14] - AI行业面临用户数狂飙但收入跟不上的处境，订阅教育市场慢，企业付费项目周期长，理想与现实之间存在巨大的亏损窟窿[16] - OpenAI年化收入约120多亿美元，但烧钱速度可能是公开数据的三倍[19] - 预训练和每次推理都需烧钱，尽管单位推理成本在下降，但用户会运行更复杂的模型，导致总需求增加，总成本未省[19] - 截至今年7月，ChatGPT约有3500万付费用户，占周活跃用户的5%，订阅营收占据以OpenAI为代表的绝大多数AI企业的大头[19] 行业竞争与“囚徒困境” - Google已先行一步，在Gemini聊天界面测试个性化优惠广告，其逻辑是当AI判断用户购买意图强时，自动将赞助商提供的限时折扣码嵌入回答下方[17] - Google将此称为“超越传统搜索广告”的新模式，广告靠AI实时判断用户意图触发，而非仅靠关键词[19] - 行业存在“囚徒困境”：只要有一家坚持不加广告，其他玩家就会有顾虑；一旦多家同时迈出这一步，顾虑就被集体摊平[16] 广告模式的风险与挑战 - 传统互联网广告本质是贩卖注意力，例如搜索引擎的竞价排名，曾引发事故和争议[23] - 在AI中插入广告可能更危险，因为用户可能对拟人化、共情的AI放下戒心，忘记其背后可能有销售团队，将AI的信任用于商业转化[24] - “生成式引擎优化”（GEO）可能导致“内容投毒”，即利益方优化网页内容以确保被AI优先引用并编入答案，使商业推广隐藏在“权威建议”中，这对用户构成风险[26] - 截至今年6月，仅2.1%的ChatGPT查询涉及购物，为此公司已接入Stripe支付、Shopify电商、Zillow房产和DoorDash送餐等功能，以培养用户购物习惯并为广告投放积累数据[22] AI Agent发展对广告生态的潜在重塑 - 具备跨应用操作能力的AI Agent可能成为大多数人默认的上网入口，接管用户与各类应用的交互[29] - 这可能导致原本靠广告赚钱的应用被迫给AI交“保护费”，或退回后台成为没有品牌存在感的接口[29] - 新闻网站已受类似影响，据Raptive预计，Google的AI概览功能最终可能导致许多出版商网站流量流失25%[29] - 在AI Agent主导的世界里，广告主首先要说服的是帮人做决策的Agent，而非直接面向用户[29] - 如果AI Agent同时是广告平台，它将拥有决定用户去向和所见内容的权力，并可在每个选择背后挂上自己的返佣和广告逻辑[31] - AI助手能深入理解用户意图，从而插入高度相关的广告推荐，效果可能类似真人顾问，且其积累的大量个人隐私数据可能使广告针对性前所未有地强[32]

公司战略与产品定位 - 阿里巴巴集团旗下AI产品“千问APP”的战略定位正从AI对话工具转向能实际“办事”的AI助手，旨在打造未来的超级入口 [2] - 千问APP上线不到两个月，月活跃用户已突破一亿，发展速度超出团队预期 [2] - 公司通过千问APP整合其生态内多项业务，包括淘宝、支付宝、高德、飞猪、阿里云等，进行战略集结，目标是让AI长出深入物理世界的“手脚”，向执行任务系统跃迁 [2][4] 产品能力与功能演进 - 千问APP的核心能力在于“执行”，已支持超过400项“一句话办事”的能力，例如点外卖、订机票、购买商品等，实现从理解意图到交付结果的闭环 [5][9] - 产品通过深度耦合阿里生态体系来履约，例如在本地生活领域接入高德扫街榜实现“AI代打电话”订餐厅，在电商场景整合淘宝商品信息精准推荐并引导下单 [7] - 千问APP具备强大的全模态理解能力，能处理超长上下文、“看懂”界面、“听懂”声音，并引入“双重核查”机制利用第三方Agent复核数据以解决大模型“幻觉”问题 [12] 技术路径与生态优势 - 公司的独特优势在于将自研的“Qwen最强模型”与“阿里最丰富生态”结合，其生态涵盖自研芯片、云计算、基座模型到电商、本地生活、支付与履约等全栈服务体系 [12] - 区别于行业通过“接管电脑屏幕”或“通用商业协议”打通外部伙伴的模式，千问APP通过系统级打通内部生态服务，实现服务在AI时代的“重组”，避免了协同效率与体验一致性的挑战 [10][12] - AI助手调用着淘宝的海量商品库、高德的实时地理信息、支付宝的支付与信用体系等阿里商业基础设施，构成了执行任务不可或缺的支撑 [18] 行业趋势与竞争格局 - 在生成式AI技术爆发的第三年，行业各巨头正争抢AI超级入口，竞争焦点转向对自然语言入口与生态协同能力的深耕 [4][18] - 当前AI行业存在“智力过剩、劳动力不足”的怪圈，以及模型智力与商业服务之间的现实鸿沟，千问APP的目标是填平这道鸿沟 [5][7] - 移动互联网的“APP孤岛”现象造成用户效率瓶颈，AI时代正尝试踏破这堵高墙，让服务去适配人的直觉和需求 [10][12] - 公司预测在未来两年，数字世界中60%-70%的常规任务将由AI直接执行和交付，意味着大量重复性、流程化的数字劳动将被AI接管 [14] 商业影响与未来展望 - 千问APP能力的展现不仅是体验的创新升级，也带来了商业模式的进化 [12] - 阿里巴巴重点投入的AI战略在消费者端正转向赋能实际生活场景，其整个生态的势能正被注入到这场AI跃迁中 [17][18] - 从“提问”到“行动”的转变，可能引发未来商业范式和服务格局的变革，AI办事时代才刚刚开始 [15][18]

文章核心观点 - 生成式AI技术发展进入第三年，行业正从简单的对话工具向能够执行任务的系统跃迁，目标是让AI长出深入物理世界的“手脚”，开启AI真正能办事的时代 [1][4] - 阿里巴巴的千问APP是这一趋势的实践者，其目标不仅是成为聊天机器人，更是要打造一个能基于对话理解用户需求、调用生态服务并完成实际任务执行的AI助手，实现从“提问”到“行动”的转变 [2][4][6] 千问APP的战略定位与能力演进 - 千问APP上线不到两个月，月活用户已突破一亿，发展速度超出团队预期 [2] - 千问APP的核心能力在于“执行”，其打造的AI助理已实现“From Question To Action”，能调用生态服务为用户履约 [6] - 千问APP已支持超过400项“一句话办事”的能力，直指大模型行业“有脑无手”的痛点 [10] - 千问APP通过模型基座的意图理解与阿里生态体系深度耦合，不依赖于改变用户的硬件载体 [8] 千问APP的“办事”能力与场景应用 - 千问APP能以对话方式帮用户点外卖、买东西、订机票等，完成多项生活与工作场景下的实际任务 [4] - 在本地生活领域，千问接入了高德扫街榜，可基于真实商户数据进行“AI代打电话”订餐厅 [8] - 在旅游场景，接入飞猪的千问能综合分析春运票价走势，在给出计划的同时帮用户筛选酒店，从“信息提供者”变为“决策执行者” [8] - 在电商场景，千问能深度整合淘宝商品信息与用户反馈，精准识别用户隐含需求并直接引导下单 [8] - 在工作场景，千问能在几分钟内将上百张混乱发票整理成清晰的报销台账，或将数据截图自动转化为带有趋势图和战略建议的可视化报告 [18] 阿里生态协同的独特优势 - 千问APP的独特优势在于“Qwen最强模型”与“阿里最丰富生态”的结合 [15] - 阿里构建了从底层的自研芯片、云计算、基座模型，到电商、本地生活、文娱、健康等丰富场景，再到支付与履约的全面服务体系 [15] - 千问APP实现了阿里生态服务在AI时代的“重组”，调用的是阿里深耕二十多年的商业基础设施，淘宝、高德、支付宝、飞猪等生态业务像其大脑延伸出的神经元 [10] - 千问“办事”能力背后，集中释放了阿里巴巴的生态能力，包括淘宝的海量商品库、高德的实时地理信息、支付宝的支付与信用体系等 [21] 行业趋势：从“APP孤岛”到AI超级入口 - 移动互联网存在“APP孤岛”现象，用户需要在多个APP间跳转，导致注意力被切割、交互效率存在瓶颈 [12] - 行业正尝试基于模型能力踏破“APP孤岛”的围墙，但OpenAI、Anthropic的“接管电脑屏幕”或谷歌的“通用商业协议”模式在协同效率与体验一致性上仍面临挑战 [12] - AI Agent时代下，行业竞争正加速转向对AI超级入口的争夺，关键在于谁能具备打通数字世界与物理世界的生态系统能力 [21] - 对于科技企业而言，竞争正转向对自然语言入口与生态协同能力的深耕 [22] - 阿里巴巴较早地调动多业务协同，将整个生态的势能注入AI跃迁，让千问长出了触及现实世界的“手脚” [22] AI“办事”时代的未来展望 - 千问C端的逻辑底层是“走向执行”，考验AI助理的是“智力水平”与“办事能力”并重 [8] - 千问APP通过跨应用、跨端的服务能力，正从让人适应机器的逻辑，转向让服务去适配人的直觉与需求 [16] - 在未来两年，数字世界中60%-70%的常规任务将由AI直接执行和交付，大量重复性、流程化的数字劳动将被AI接管 [18] - AI将从辅助人类慢慢走向帮人办事、执行，AI办事时代才刚刚开始 [18][21]

行业现状与痛点 - AI Chatbot领域出现明显内卷苗头 侧边栏罗列的AI软件入口大概有十来个 功能高度同质化 价值集中在问答 同质化竞争在所难免 [1] - 纯聊天的商业模式面临挑战 中国所有的chatbot都是免费的 但背后投入的算力和运营成本高昂 依赖广告变现可能损害回答质量 使AI走进下坡路 [6] 公司战略与产品创新 - 阿里千问通过“一句话办事”能力 跳出Chatbot范式 在全球首次实现点外卖、买东西、订机票等AI购物功能 上线超400项办事能力 [3] - 千问App全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务 实现从“推荐-下单-支付-履约”的完整服务闭环 使AI成为能办事的助理 [3] - 产品致力于解决用户“选不出来”的复杂决策痛点 结合淘宝真实用户评价和全网口碑内容 帮助用户做购物决策 目标是成为用户专属的助理而非平台的“特洛伊木马” [9] - 公司CEO明确大模型是下一代操作系统 未来三年将投入超过3800亿元用于云和AI基础设施建设 [13] 技术能力与生态壁垒 - 千问底层技术实现突破 包括全模态理解、超长上下文处理、Coding能力大幅提升 使其能从“聊天AI”进化到“办事AI” [13] - 最新的Qwen3系列模型在全球多项核心评测中表现卓越 为处理复杂任务提供了坚实的“大脑” [12] - 阿里同时具备Qwen大模型和淘宝、支付宝等实体服务网络 拥有补齐“从意图到执行”拼图的独特优势 市场上同时具备丰富生态的AI厂商极度稀缺 [12][13] - 公司积累了20多年的生态家底 如淘宝的商品库和支付宝的服务网络 为AI办事提供了原生、匹配的“超级生态” [13][14] 商业模式与行业趋势 - AI竞赛核心正从“对话与内容生成”迈向“办事与执行”新阶段 关键突破在于打通从“想法”到“结果”的“最后三公里” [11] - 行业共识是让AI在to C场景做入口、能办事 例如ChatGPT推出“即时结账” 谷歌与沃尔玛合作整合商品至Gemini [11] - 互联网商业模式正从“流量变现”切换到“服务变现” 从“为无效点击收费”转向“为成交结果收费” 阿里拥有庞大服务体系 千问让其无需重构即可在AI时代持续发展 [17] - “场景触发消费”模式颠覆了传统“商品触发消费”逻辑 能基于海量数据理解用户模糊、主观的真实需求 并智能生成具体商品推荐方案 [7][8] 生态协同与用户体验 - 千问作为桥梁 将阿里生态内各能力连接成一片大陆 例如帮助用户规划春节旅行时 可调用飞猪服务分析票价、筛选酒店 并通过支付宝“AI付”完成支付 实现生态内无缝流转 [16] - AI与生态是双向赋能关系 生态为AI提供落地场景和数据养料 AI为生态注入活力并提升用户体验和效率 [17] - 千问有望成为整个阿里生态的超级入口 用户无需在APP间切换即可完成生活所需 未来在大部分场景可能只用一个千问App就够了 [6][18]

活动概况 - 2025科技风云榜年度盛典于2026年1月15日在北京举办，主题为“启新智，赴新程” [1] - 多位院士、企业高管及投资机构合伙人出席并发表演讲，涵盖具身智能、AGI、Mobile AI、数字人、AI组织、招聘平台、6G及Agent等多个前沿科技话题 [1] 人工智能的现状与短板 - 人工智能凭借知识占有、数据处理、强大算力和先进算法四大要素，在高维度抽象、复杂性问题解决等领域展现出超越人脑的能力 [3] - 人工智能的研究方法是通过大数据归纳分析得出规律的表象学研究，具有重要启发意义 [3] - 人工智能存在短板，缺乏想象力、联想力、交叉组合能力及顿悟等快思维，无法主动发现问题 [3] - 以“从澡盆水流旋转现象中发现科里奥利力”为例，说明人类主动发现问题的能力不可替代 [3] - 人工智能战胜韩国原职业围棋九段棋手李世石，仅因围棋规则明确、边界有限，在快思维领域人类仍具优势 [3] 通用人工智能与具身智能路径 - 探路AGI需要更多结合人脑工作的机制，人脑是目前世界上最为先进的智能系统 [4] - 人脑的工作机制与当前大模型存在显著差异：大模型遵循输入、处理、输出的单向信息流，而人脑具备自上而下、自下而上的多重信息处理通道，且功能结构会持续动态变化 [4] - 大模型预训练后可能会微调，但不会根据不同问题采用不同的结构，而人脑具备这样的能力，能通过基因调控、神经调控等机制调整自身结构以高效处理不同任务 [4] - 具身智能作为物理AI的重要形态，将数字世界的智能能力嵌入实体设备与真实世界交互，这类应用多以推理为主 [5] 移动通信与AI融合 - 移动通信是“成万件事”的基础，过去一年移动通信网络正在被AI重塑 [5] - AI发展对移动通信网络提出了新需求，要求其具备更智能、可编排、安全可靠、覆盖广泛、成本低廉的特性 [5] - 此前很多功能需在云端实现，如今在端侧及边缘侧即可完成，从数据隐私保护、本地反应速度等方面来看，网络已能承载更多功能 [5] - 由于AI的介入，移动通信网络变得更加智慧，资源分配更合理，也更加安全可靠 [5] AI算力需求转移 - AI能力发展正从基础能力大模型向智能体AI演进，更注重提供具体功能以构建工作流 [5] - 行业分析机构预示，AI算力需求的重心正从训练向推理转移，这将消耗相应比例的算力 [5] 数字人发展 - 数字人即将进入4.0阶段，数字人不仅有世界模型与世界知识，实现持续自主进化，还能够支持千人千面的个性化情感互动 [8] - 数字人像是不知疲倦的数字永动机带来更大的生产力，将在更多的应用场景上超越真人 [8] AI驱动的市场变革与投资 - 从二级市场看，“七巨头”全面拥抱AI，其中五家是上一个时代平台经济、互联网经济的玩家，英伟达、特斯拉这两家和AI相关，形成了现代的“七巨头” [8] - “七巨头”约20万亿市值，相当于标普500里边1/3的市值，可以看到AI在里边带来巨大的变化 [8] 企业AI投入与组织变革 - 阿里巴巴去年提出未来几年投入3800亿元聚焦AI发展，钉钉是其中重要组成部分 [10] - 以工业革命类比，蒸汽机、内燃机等技术替代人类体力劳动催生了企业形态，而当前机器具备替代脑力劳动的能力，将引发智力革命，深刻改变企业组织形态与社会分工形态 [10] 招聘平台与AI应用 - 以3C工厂为例，大部分精细操作仍需人工完成，例如苹果、富士康的供应商所生产的零部件体积微小，机器人的灵敏度尚未达到如此精细的操作要求 [10] - AI虽已快速发展，但各行各业的运转都离不开软件、硬件与数据的支撑，未来从事软件、硬件及数据相关行业的从业者大概率不易被替代 [10] 具身智能商业化前景 - 不赞同人工智能专家李飞飞“机器人商业化还有20年”的观点 [13] - 具身智能承载的是不同场景、不同任务的广泛需求，无需像自动驾驶那样在开放环境中运行，只要能在特定场景胜任一类任务即可实现商业化 [13] - 这一特点决定了具身智能前沿技术会“沿途下蛋”，循序渐进渗透各行业 [13] 人形机器人发展现状与预测 - 人形机器人先把身强力壮的事做好，发布的T800身高1米73，奔跑能力、格斗能力以及各方面的能力超越了80%的正常男人，体能超过了90%的正常男人 [13] - 2025年完全可以说是人形机器人应用的元年，其规模化落地会分两种情况，具体取决于机器人类型 [15] - 其中，玩具类0.9米以下的人形机器人，2026年销量有望突破10万台，通过网红宣传、IP造势等方式，就能实现这一目标 [15] - 从供给与需求两大曲线来看，如今零部件、本体、大模型、具身模型等核心要素已逐步完善，将这些要素整合，就能打造出体能与智能兼具的机器人 [18] - 核心问题在于成本下降曲线与智能提升曲线的走势，当成本降至合理区间、智能水平达到脱离“恐怖谷”的状态时，人形机器人将迎来规模化发展 [18] 5G成就与6G展望 - 经过6年多的建设，中国建成了世界上最大的5G网络，有全球最多的5G用户，积累了非常丰富的场景和经验 [19] - 在5G的时候实现了标准和产业最大限度的资源整合，最大程度上从标准的层面，把所有的产业力量汇聚到这条技术路线上，商业部署得到最经济的成果 [19] - 统一的标准实际上是整个通信行业里面的第一性原理，只有标准统一了，才能打破技术、地域、文化的隔阂，整个产业的成本有很大的下降 [20] - 现在大家可以一起做的就是把5G-Advanced做好，决定了6G的初速度和加速度 [20] - 6G需重点聚焦两大方向：一是传统交互类通信的升级，充分发挥高速率优势，打造沉浸式、虚拟场景交互体验；二是挖掘新兴具身智能体与传统行业的真实需求，例如机器人在何种场景下需要6G支撑、如何通过端网协同满足行业应用 [20] AI Agent发展关键 - 2025年是Agent元年，并总结出Agent发展的七大关键指标，按优先级排序为：任务完成率、人机协作、精确性、可重复性、成本、速度、安全性 [24] - 这七大问题在技术上多数已有解法，技术方案趋于收敛，模型也在持续迭代，但真正的难点在于精准把握这些能力的当前上限与未来趋势，以及将能力组合成用户体验优良的产品 [24] - 智能体企业落地的关键挑战总结为三大核心问题：一是对企业业务规则或SOP的遵循能力，二是准确率要求，三是性价比问题 [26] - 解决这些问题不仅需要技术精进和产品设计与效果实施的融合，更需关注客户预期管理和落地顺序规划 [26] - AI Agent的发展需要找准应用场景，无论是教育、金融、医疗等领域，都需先挖掘那些需要提升效率或存在大量重复性工作的场景，再深入布局、重点突破 [28] - 要真正做好跨境电商，最大的门槛其实不是语言，而是能不能深刻理解海外用户的真实需求和痛点，以及当地的文化、气候、宗教、习俗、购物习惯等 [29] - 内部在打造智能体的时候要做到真正的“三懂”：懂生意、懂需求、懂供给，只有真正做到这三点，才可能真正帮用户做好生意 [29]

"虽然AI Agent能替代流程性工作，但这并不意味着HR这个岗位会被整体替代，比如'连接人与组织'的 人性洞察、锚定业务战略的人才布局思维、对候选人动机与潜力的精准判断、对组织文化的塑造，以及 在不确定环境下帮助企业作出关键的人才决策，这些基于经验沉淀与价值判断的核心职能，在可预见的 未来仍然高度依赖人。"刘之表示。 刘之非常赞同"2025年是AI Agent落地元年"的说法，在他看来，"未来，不懂得利用AI工具的事务型HR 会被淘汰，但善用AI、兼具人性洞察与战略思维的HR，将成为组织不可或缺的核心资产。" 据他透露，目前科锐国际已系统性地启动Agent相关的技术和产品准备；2025年7月，公司内部已上线了 工程版本的智能体Mira和Voice Agent。从落地效果来看，Mira在内部已经开放了200多个账号，过去六 个月中累计执行了6000多个真实任务；Voice Agent累计获取了超过1.2万个有效的求职意向。 刘之透露，在效率提升方面，通过AI Agent获取求职意向的方式，节省了大量电销沟通的人力成本，已 经能够达到"跟真人转化相当"的效果。（文猛） 新浪科技讯 1月16日下午消息，"2025 ...

涉及的公司与行业 * 公司：阿里巴巴集团控股有限公司 (Alibaba Group Holding, BABA.N / 9988.HK) [1][4][12] * 行业：互联网、电子商务、人工智能 (AI) 与 AI 代理 (AI Agent) [1][2] 核心观点与论据 * **产品发布**：阿里巴巴于2026年1月15日发布了“通义千问任务助手1.0” (Qwen Task Assistant 1.0)，定位为能够执行和交付广泛数字与现实世界任务的通用AI代理，标志着从聊天机器人向自主完成任务演进 [1][2][3] * **核心能力**：任务助手1.0能够执行超过400项核心数字任务，包括应用开发、办公自动化、学习支持、研究、数据分析与报告可视化 [3] * **具体功能示例**： * 代码生成：根据单句描述创建功能小程序 [6] * 发票处理：从发票中提取数据并生成结构化的汇总Excel报告 [6] * 数据分析和可视化：将原始数据图像转化为包含关键结论和战略建议的专业可视化报告 [6] * 深度研究：通过大规模并行搜索，在几分钟内编译关于某个主题的全面PDF报告 [8] * 复杂行程规划：在12分钟内创建详细的30天旅行行程，并与飞猪的旅行和预订服务集成 [8] * **生态系统整合**：通义千问应用将与阿里巴巴生态系统（包括淘宝、淘特、支付宝、高德地图、飞猪、大麦等）全面整合，旨在成为支持从决策到交易执行的端到端任务完成的“超级”AI代理 [1][7] * **整合功能示例**： * 购物决策：作为个人购物助手，分析复杂的用户需求并基于实际用户评价推荐1-3款最佳产品 [9] * 旅行规划：利用飞猪和高德地图的数据预订航班、酒店并推荐餐厅 [9] * 政务服务：通过支付宝集成，为超过50项政务服务（如护照申请）提供清晰的逐步指导 [9] * AI通话：助手可以进行类人通话以预订服务，如餐厅预订 [9] * **用户增长与预期**：通义千问在发布后两个月内月活跃用户数已超过1亿，预计阿里巴巴将在2026财年分配更高的推广预算以提升用户采用率 [1] * **行业展望**：展望未来两年内，AI应能直接执行数字世界中60-70%的常规任务 [2] * **投资评级与目标价**：花旗给予阿里巴巴“买入”评级，N股目标价197美元（基于2027财年各部分业务估值加总），H股目标价195港元，预期股价回报率16.0%，总回报率17.1% [4][10][12] 其他重要内容 * **估值方法**：目标价基于分类加总估值法，对电商集团采用10倍2027财年预期净利润市盈率，对云智能集团采用6.5倍2027财年预期收入市销率，对AIDC集团采用2.0倍市销率，对其他所有业务采用1.5倍市销率，并对净现金头寸给予30%折价 [10][12] * **下行风险**： * 新零售战略执行失败 [11][13] * 投资支出和利润率压力超出预期 [11][13] * 用户流量和在线总商品交易额增长放缓，对品牌和商家吸引力下降 [11][13] * 新收购实体的整合风险 [11][13] * 中国及全球经济放缓，以及中美或其他贸易争端的持续影响 [11][13] * 产品质量和商家诚信方面的监管风险 [11][13] * **利益冲突披露**：花旗集团全球市场公司及其关联方在2024年1月1日以来至少一次为阿里巴巴做市，在过去12个月内曾担任阿里巴巴证券发行的经办人或联席经办人并因此获得报酬，预计未来三个月内将寻求或获得来自阿里巴巴的投资银行服务报酬，目前或过去12个月内与阿里巴巴存在投资银行、证券相关及非证券相关的客户关系，并对阿里巴巴拥有重大经济利益 [18][19][20][21]

文章核心观点 - 阿里通过千问App上线400+项新功能并全面接入淘宝、支付宝、高德等生态，实现了从“AI聊天”到“AI办事”的质变，构建了全球首个在超级应用内完成“推荐-下单-支付-履约”全闭环的AI智能体[1][3][5] - 公司凭借“最强模型（Qwen3-Max）与最丰富生态（淘宝/支付宝/高德等）”的独特结合，在AI竞赛中建立了将数字智能与物理世界履约能力深度整合的竞争优势，这被视为其核心壁垒[4][11][12] - 全球AI竞争的焦点正从模型能力转向完整履约能力，阿里通过自有生态的“自建路”模式，相比OpenAI、谷歌等竞争对手的“协议联盟”模式，在数据真实性、体验闭环和可控性上更具优势[4][30][33] 千问App的功能升级与战略意义 - 千问App上线400+项新功能，全面接入淘宝闪购、支付宝、淘宝、飞猪、高德等阿里生态，用户可在应用内直接完成点外卖、购物、订机票酒店等操作，实现服务闭环[1] - 该应用成为全球首个实现AI超级应用内闭环的案例，标志着AI从“给答案”走向“交结果”，进入“AI办事时代”[1][5][9] - 应用已具备在购物、政务（约50项民生事项查询办理）、应用开发、Office办公、学习辅导等300+核心任务上的高交付成功率[9] 阿里的竞争优势：模型、数据与生态闭环 - **模型能力**：核心底座Qwen3-Max性能位居全球第一梯队，千问也是全球最具影响力的开源模型之一，被英伟达、Airbnb、亚马逊等广泛采用[15] - **数据优势**：利用淘宝海量真实交易与服务数据构建可验证的“场景真相”，用商业常识增强模型，剥离软文广告噪音，提升推荐客观性[19][20] - **生态闭环**：阿里拥有完整的“驱动程序库”（淘宝、支付宝、高德等），这是OpenAI、谷歌等竞争对手所缺乏或不完整的，使其能实现“自建路”式闭环[11][12][30] - **进化速度**：数百个常用工具中，过半由AI通过Coding自主生成，迭代速度可以秒计，远超传统App以周计的迭代周期[15] 行业竞争格局与对手分析 - **谷歌的“协议化”路径**：发布通用商业协议（UCP），联合Shopify、Etsy、沃尔玛、Target等盟友构建闭环，但存在数据共享、实时库存等松散联盟的固有问题[26][28][29] - **OpenAI的“借鸡生蛋”困境**：推出“即时结账”功能，但支付、物流、商品供给依赖Shopify、Stripe等合作伙伴，存在上游平台收紧数据与接口的风险，闭环覆盖面可能受限[31][32] - **竞争焦点转移**：行业焦点正从“谁的模型更聪明”迅速转向“谁能更完整地履约”[4] 组织战略与估值重构 - 千问App全面接入各业务线，反映了阿里组织战略的变革，旨在打破各业务板块相对独立的局面，以AI为粘合剂实现全域数据与跨端能力的协同[36][37][38] - 在智能体商业时代，公司的估值框架需要重构，其价值由入口、履约与数据真相共同决定，而不仅是电商或云业务[35] - 淘宝、支付宝、高德等商业基础设施被拆解为可编排的“原子能力”，在AI驱动下高频调用与组合，衍生出更多服务形态，实现价值跃升[38]