大模型发展趋势 - 大模型从依赖数据和算力扩展转向具备慢思考能力 能通过数学和编程学习推理而非仅快速生成[3] - 慢思考提升AI推理深度 实现自我训练及长思考教短思考 形成加速发展曲线[3] - 阿里通义千问和DeepSeek推动该趋势发展[3] 开源模式优势 - 中国模型以开源为主 相比美国闭源模式在生态构建和行业适配方面具独特优势[3] - 开源使行业模型和主权模型训练更易 大幅降低成本并提供更广阔创新空间[4] 智能体核心价值 - 智能体拥有记忆和执行能力 能理解企业需求并完成任务 成为超级员工[4] - 智能体从工作流智能体进阶为推理智能体 能自主拆解执行复杂任务无需人类编程[4] - AI可取代人类数小时至数天工作 商业价值体现为降本增效和增收而非仅API调用[4] 企业智能体部署 - 智能体部署需企业高层亲自推动 结合战略目标深度定制以实现业务重组和组织重构[5] - 零一万物通过新型战略咨询团队基于万智平台帮助企业制定转型战略并批量打造智能体[5] - 在能源公司战略设计 专利撰写 游戏优化 供应链管理和新能源转型等领域实现降本增效与增收并举[5] 行业合作倡议 - 智能体是下一阶段关键突破 能为整个商业世界创造巨大价值[5] - 呼吁传统行业积极与AI企业合作把握智能体带来的新机遇[5]

公司战略与产品定位 - 枫清科技推出个人专属智能体以提供可选择的数据安全方案 从企业级知识中台延伸至个人本地化部署 目标为打造一致的用户体验和云边端协同化智能 [2] - 个人专属智能体支持两种模式：联网模式下本地数据仅通过向量特征token与云端交互 断网模式下完全隐私化运行于本地硬件 均提供资料整理和智能写作功能 [3] - 公司认为智能化升级是长期趋势 智能体仅是技术环节之一 整个链条还包括数据编织 行业模型蒸馏和数据治理等技术突破 [1][6] 行业趋势与市场动态 - 2024年被国际科技圈视为智能体元年 2025年因全民性事件推动概念火爆出圈 [4] - 客户群体从头部央企扩展至大中小型企业 链主企业外其他客户因担忧被替代而积极寻求智能体赋能 全民智能化时代推动付费意愿提升 [5] - 企业智能化诉求从产业链融合延伸至多模态数据编织 需结合数据与模型双中心模式根据不同场景实现精准响应 [7]

9月12日，在2025年服贸会"中国AIGC创新应用论坛"现场，高雪峰的演讲信息量丰富，从企业全域智能化的驱动力和挑战，讲到企业场景智能实践最佳路 径，再到企业应用通用场景等，毫不保留地分享了自己在大数据和人工智能领域20多年的经验和观察。 一年前的服贸会上，高雪峰在接受北京商报记者专访时强调，企业数字化转型"要提升大模型推理能力""增强基于数据关系的推理能力""通过智能体平台提 供推理的思考路径"。 这一年间，服贸会为枫清科技带来了什么？行业在微观和宏观层面出现了怎样的走势？这些问题都可以在北京商报记者对高雪峰的最新专访中找到答案。 作为北京专精特新企业之一，枫清科技2024年就开始强调智能体，从科技圈的共识到2025年的热词，高雪峰的判断来自于对智能化趋势的前瞻，他告诉北京 商报记者，"企业的数字化、数智化、智能化升级是大浪潮，不会过去，智能体只是当下技术和能力的体现，是智能化技术的一环而已，我不担心智能体技 术会过时"。 Q：第二次参与服贸会，枫清科技有什么期待？ A: 去年（2024年）枫清科技第一次参与服贸会这样的盛会，结识了很多同行和产业端的客户，我们对人工智能行业在产业端的迫切诉求进行了交流，这 ...

行业人才动态 - 顶尖AI人才姚顺雨从OpenAI离职的传闻引发行业高度关注，尽管腾讯已正式辟谣其入职消息[1] - 年仅27岁的姚顺雨拥有清华姚班本科和普林斯顿博士背景，是OpenAI智能体核心项目的深度参与者[5][7] - 其离职预示着全球AI人才生态正在发生更深层的迁徙与重组[6] 人才价值评估 - 行业传闻其可能获得高达1亿人民币的天价薪酬包，参照Meta为OpenAI核心研究员开出1亿美元报价的案例[3] - 作为OpenAI Deep Research的核心贡献者，姚顺雨的学术影响力显著，个人总引用次数达15,253次，h指数为24[11][12] - 其主导研究的ReAct论文引用4,354次，思维树论文引用4,022次，在语言智能体领域具有重要地位[12] 技术研究方向 - 姚顺雨专注研究语言智能体与数字自动化，参与开发了Operator、Deep Research及Computer-using Agent等OpenAI首批智能体产品[5][11] - 提出"评测将比训练更重要"的观点，认为AI下半场需从解题转向命题，重视定义问题与设定指标[18][19] - 强调AI发展需更靠近产品经理角色，通过测评定义真实世界中的可度量价值[20][21] 公司战略布局 - OpenAI通过智能体产品实现从"会聊天"到"会办事"的关键跃迁，代表其迈向AGI Level 3的重要一步[4] - 智能体人才的流向可能决定AI下半场的竞争格局，各大公司正积极争夺核心研究人员[1][3]

AI技术发展现状与影响 - OpenAI于2022年12月推出突破性AI技术，标志AI时代开启 [1] - DeepSeek等企业在2023年初推动AI技术深度应用，实现每周级迭代速度 [2] - 当前AI技术可生成内容、图片、视频，覆盖绝大多数应用场景 [2] 智能体发展三阶段 - 第一阶段为可靠代理：准确执行明确指令完成基础任务 [4] - 第二阶段为能干助理：主动规划任务并优化执行流程 [4][5] - 第三阶段为聪明伙伴：与人类共同定义问题并参与复杂决策 [6] - 智能体将在5-8年内从任务执行者进化为人类合作伙伴 [7] - 智能体具备泛化能力，可适应多场景并替代人类完成复杂任务 [8] 黑洞效应竞争理论 - 黑洞效应成为AI时代基本竞争优势来源，对应工业时代规模经济效应 [9] - AI发展三要素为算法、算力和数据，形成正反馈闭环 [10] - 更智能AI能获取更多数据，产生"知识黑洞效应" [10] - 私有知识和个性化知识价值显著提升，推动AI进入加速发展期 [10] - 智能体竞争需实现独立上岗和7×24小时不间断学习进化 [10] 知识吞噬与飞轮效应 - 智能体通过用户互动吞噬个性化思考过程知识 [11] - 预训练与推理一体化闭环使私有知识价值最大化 [13] - 更多用户带来更多私有数据，形成知识积累飞轮效应 [11] - 知识吸收能力差异将导致企业间宇宙大爆炸式分化 [13] 智能体竞争战略要点 - 实现智能体自主运行并达到最低智能门槛 [15] - 高维智能体对低维智能体形成认知能力碾压 [15] - 泛化能力使智能体快速适应新场景，形成跨领域优势 [15] - 传统行业壁垒被AI认知模式和效率差异重新定义 [15] - 竞争核心转为学习速度、知识吸收能力和泛化能力综合较量 [15] 技术驱动经济发展 - 技术进步是经济发展和文明演进最底层驱动力 [16] - 智能时代基本经济单元从工厂、公司转变为智能体 [16] - AI处理海量知识打破人类认知局限性 [16] - 智能体决策效率远超人类，传统经验型壁垒被效率型壁垒取代 [16] - 行业竞争壁垒从人类认知模式转向AI认知模式 [17] AI团队组织特征 - DeepSeek团队由清华北大年轻毕业生组成，含奥林匹克竞赛获奖者 [19] - Pika公司由三名斯坦福辍学生创建，获数亿美元估值 [19] - OpenAI推出GPT-3.0时团队不足300人 [20] - AI团队招聘标准：超级聪明、自驱、学习能力强且年轻化 [21] - 团队规模极小，7-8人为舒适规模，超过20人会被嘲笑 [21] 元认知能力价值 - 元认知能力体现为抽象建模和第一性原理思考能力 [23] - 人类价值在于从少量数据中抽象模型，与AI大数据统计形成互补 [24] - 应用数学系学生因建模能力成为就业市场第二受欢迎群体 [25] - 元认知强者擅长使用AI工具并持续自我提升 [26] - 单人借助AI工具可完成产品经理、研发、测试等多职能任务 [27][28] 单人能力扩展案例 - 单人通过AI合作可胜任销售、面试、财务等多岗位工作 [29] - 案例：CEO3天掌握抖音达人营销后创建智能体直接上岗 [30] - 案例：创建AI面试官，解决方案质量超越经验丰富专家 [30] - 一人公司模式兴起，独立开发者借助AI工具实现高效运营 [31] 人才结构变革 - AGI降低顶尖人才学习成本，数天可掌握领域专业知识 [32] - 元认知差异导致能力差距扩大，知识工作者被创智人才取代 [33] - 创智人才定义为原创性解决复杂问题能力 [34] - 三类创智人才：顶尖专家、跨界创新者、情感推动领导者 [35][37] - 除三类创智人才外，其余工作由"硅基员工"承担 [38] 组织形态演进 - 智能体从工具升级为合伙人级别合作伙伴 [42] - 创智人才核心工作为建设智能体并与之合作 [43] - 组织架构分为AI架构师、模块化团队和硅基员工三层 [45] - 科层制管理逐渐消亡，转向使命驱动型共创组织 [46] - 群体认知高度和提升速度决定组织竞争力 [48] 适应未来发展方向 - 个人需培养元认知能力、快速学习能力和创造力 [49] - 组织需推动智能体上岗、提升人才密度、建立共创文化 [50] - 竞争重点从运营效率转向认知竞争和群体智慧涌现 [46][50]

服贸会金融服务专题概况 - 2025年中国国际服务贸易交易会于9月10日在北京开幕，主题为“数智领航，服贸焕新” [1] - 金融服务专题以“数智驱动 开放共赢”为主题，旨在打造四大平台：全球金融创新产品和服务展示、重要政策和行业规则发布、合作伙伴洽谈、前沿金融体验 [1] 金融机构AI应用场景展示 - 金融机构在服贸会展示了AI在交互场景的应用成果，重点从基础能力建设转向场景创新 [5][7] - 瑞众保险展示了基于实时数字人与大模型技术的智能理赔报案智能体，旨在提升客户意图识别、业务执行和协同协作能力 [6] - 中国人寿通过AI技术建设智能问答交互机器人，实现“千人千面”客户服务和“自助报案”等高频服务的智能化替代 [6] - 工商银行展示了多语种AI透明屏对话翻译数字人客服，北京银行则推出智能交互数字机器人“京小宝” [7] AI技术驱动金融业务模式变革 - 数字金融借助大数据、人工智能、区块链、云计算等技术，推动服务向智能化、便捷化与高效化演进 [6] - 金融机构的AI应用从简单问答、内部办公逐步延伸至研发运维提效，并迈向对客户的业务流程重构及核心业务改造 [7] - 奇富科技副总裁宋荣鑫指出，有公司利用大模型技术和AI-Native架构重建银行信贷平台，在人员投入减少90%的情况下实现了十倍效率提升，并服务了更多小微企业 [9] - 金融大模型的应用正从支持性工具转向业务核心流程 [9] 金融业AI发展的策略与焦点 - 与金融大模型相比，智能体在保险业务中展现出优势，被描述为拥有“大脑+手脚”的主动执行系统，能调用工具完成任务 [8] - 中国银行业协会指出，国内外银行业大模型应用结构基本相同，主要集中在前台服务和后台支持领域，如知识库建设、运营优化、客户服务和软件开发 [8] - 行业普遍在探索智能体，政策、资本和产业共同推动AI走向金融场景的深度应用 [9] - 由于金融行业的特殊性，在追求技术进步的同时，需兼顾场景应用的安全、合规和实际价值 [10]

中国年轻科技创业者群体特征 - 平均年龄不足30岁 被称为"科创小虎队" 涵盖1985-2000年出生人群[1] - 具备四重核心基因：技术直觉如母语 跨维度思考锐度 产业落地紧迫感 全球技术应用视野[11] - 通过外滩大会等平台集结 参与四十余场论坛 三大技术赛事 一场创投活动[14] 前沿技术突破 - 中国科学院团队实现403秒放电实验突破 专注FRC可控核聚变技术研发与商业化[2] - 电子科技大学研发SlicerDMRI平台 将核磁共振成像时间从90分钟压缩至8分钟[2] - 中国传媒大学开发"白杨智鉴"音视频鉴伪平台 在AI安全赛道获得季军[3] 人工智能领域创新 - DeepWisdom开发全自动AI中台 支持图像 音频 视频 文本 表格五种模态AI设计与生产[9] - 清华大学与蚂蚁研究院合作推出AReaL开源强化学习系统 专为大规模推理模型打造[5] - IDEA研究院开源AI辅助编程工具auto-coder系列 获GitCode2024年度十大开源项目[8] 开源社区贡献 - CAMEL和OWL项目获GitHub超万星标 推动智能体从聊天工具向自主系统蜕变[6] - Deepseek开源R1模型引发全球技术开源关注中国[9] - 开源社区参与规模近2万人 其中00后占比超过一半 最年轻参赛者为初中生[1] 产业应用落地 - 宇树科技以四足机器人技术为核心 推动机器人从实验室走向现实应用场景[3] - Pokee.ai打造一站式通用Agent平台 基于强化学习模型改变企业工作流[10] - 汗青工作室AI歌手Yuri单曲全网播放量突破700万次 与国际一线品牌达成合作[10] 学术研究影响 - 加州大学圣地亚哥分校教授论文被引用近8万次 领导开发全球首个大规模3D数据集ShapeNet[5] - 电子科技大学教授被ExpertScape评为弥散磁共振领域全球Top1%专家[2] - 开源社区CAMEL-AI核心贡献者提出"通用Agent存在规模定律"[6]

文章核心观点 - 中国电信天翼AI发布星辰超级智能体 在DBC德本咨询2025企业级AI Agent榜单中位列央企第一 [1] - 智能体是当前人工智能发展的重点方向 国务院首次将其列为重点发展领域 [4] - 星辰超级智能体基于全栈国产化技术 具备多模态理解、复杂推理和增强记忆能力 定位为深入业务架构的数字化生产力单元 [9][12][13][16] - 智能体平台能直接产出应用 是大模型落地产业的主流模式和最佳模式 [8][20][65] 智能体技术架构与能力 - 星辰超级智能体支持全模态理解 包括语音、视觉、文本等模态 支持文生图、文生视频 [11] - 采用完全国产化技术栈 包括自研底层模型、国产算力和国产框架训练 [12] - 定向增强复杂推理和记忆能力 上下文可扩展到百万字级别 针对办公、客服、金融、工业等场景优化 [13] - 采用四模块架构：感知与理解、认知与决策、记忆与知识、行动与执行 [27] - 通过数据加密和容器化隔离保障安全 满足ToC和企业级用户安全要求 [14] 智能体发展路线与现状 - 行业存在三种智能体发展路线：自主规划智能体（全自动+简单任务）、工作流智能体（半自动+复杂任务）、超级智能体（全自动+复杂任务） [23] - 超级智能体具备动态调整能力 通过虚拟机环境自主修正错误 无需人工编排工作流 [25][26] - 当前超级智能体已达到70分水平 能为人类提供有效帮助 但执行时间可能长达几分钟至十几分钟 [8][30][32] - 能力上限取决于底层模型能力和系统嵌入程度 底层模型持续迭代中 [34] 产业落地与应用场景 - 智能体落地需要嵌入企业主业系统 中国电信江苏公司案例显示智能体可实现客服工单自动预处理 [36][37] - 优先落地场景包括客服、营销、办公软件和IT化程度高的行业 因业务流程清晰且与大模型适配度高 [52] - 在客服网络运维领域实际应用中 智能体使员工处理工单效率提升30%以上 [40] - 市场需求强烈 国外资本市场和科技企业大幅投入 国内推动AI+产业落地 [43] 市场竞争格局 - 市场存在四类玩家：大模型厂商、科技大厂、创业公司、央国企 [53] - 央国企优势在于内部海量落地场景、全国本地化服务团队和丰富产业经验 [54] - 中国电信2024年产业数字化收入达1466亿元 与中车、中物流、国能等国企有深度合作 [56] - 星辰智能体平台采用内部开源模式 允许省专公司二次开发以适应各种场景 [54] 研发背景与人才培养 - 中国电信2024年初开始布局智能体平台 提前卡位新兴趋势 [22] - 专职投入大模型算法研发团队约300人 与高校和科研机构合作攻关下一代技术 [59] - 获得工信部授权运营"智能体开发工程师"职业认证培训 培养专业人才 [50] - 通过应用创意挑战赛和方案实现赛挖掘企业核心落地场景 [44]

文章核心观点 - 中国政府正积极推动人工智能技术应用普及 目标是到2027年人工智能与六大重点领域广泛深度融合 应用普及率超70% 到2030年普及率超90% [1] - 中国企业正加速拥抱人工智能技术 特别是智能体应用 以提升效率并降低成本 53%的中国企业正将AI融合到多个工作流程中 比全球平均水平高出11个百分点 [1] - 人工智能技术应用带来革命性效率提升 例如广东某软件开发公司使用智能体后在3个月内开发出约50套软件系统 而以往年均仅能开发一两套 产品价格可下调约70% [1] 人工智能应用现状与效益 - 咨询公司埃森哲5月调查显示 226家中国企业中约53%表示正将AI融合到多个工作流程中 [1] - 智能体比聊天机器人更先进 可自动执行复杂任务并在最低限度人类监督下实现目标 [2] - 广东一家软件开发公司应用AI智能体后 产品价格可下调约70% 效率大幅提升 [1] - 广州吴曼华的公司使用智能体后 撰写报告时间从一周缩短至几小时 服务100家公司所需人员从10-15人减少至1-2人 [2] 市场前景与行业参与 - 中国智能体应用市场预计到2025年将达到109亿元 [2] - 成都某智能体开发公司高管透露 今年市场对其公司产品的需求将增长30%至40% [2] - 业内人士估计约30%的中国企业正尝试使用AI 对智能体投入最多的企业来自金融 软件和互联网以及制造业等行业 [2] - 许多最热衷采用AI的企业是运营更灵活的小公司 [2]

AI编程工具在企业应用中的效率与挑战 - AI编程工具显著提升开发效率但带来新型挑战 首要挑战是安全性问题 AI生成代码可能包含新安全漏洞 [2] - "Vibe Coding"导致大量低质代码涌现 API数量激增使企业运维负担加重 [2] - "黑盒子"问题凸显 人类开发者难以理解AI生成代码的内在逻辑 使调试和漏洞排查变得复杂耗时 [2] 企业应用安全现状与WAAP采用 - 应用交付与安全防护环节成为性能制约因素 身份验证的便捷性与安全性需要平衡 [4] - WAAP成为AI默认保护标准 超过91%用户已应用WAAP保护AI/机器学习模型安全 [5] - 基于AI的应用交付成为最大红利 2025年利用大模型分析应用和API性能的比例达54% [7] AI在运维流程中的应用 - 57%运维人员使用AI生成脚本用于配置部署与调整 56%用AI生成自定义策略 55%用AI执行脚本实现全流程智能化 [7] - 可观测性成为AI驱动自动化关键支撑 65%受访者利用可观测性驱动自动化 Open Telemetry成为主流选择 [7] - 现代应用占比从2020年29%提升至2025年53% 传统应用从71%降至47% [7] 企业落地AI应用的三大难题 - 复杂IT架构 特殊安全需求与成本控制目标构成企业落地AI必须攻克的三大难题 [9] - AI基础设施投入巨大 仅8卡服务器成本就达百万级 支撑海量算力业务需要巨大前期投资 [12] - 到2028年80%企业将嵌入AI能力 其中94%AI应用部署在混合多云复杂架构环境中 [12] F5的ADSP平台转型与能力 - 从传统ADC进化为应用交付与安全平台(ADSP) 功能从WAF升级至WAAP 核心目标转向API保护 [11] - ADSP平台可无缝运行于本地数据中心高性能硬件 虚拟化与混合环境及云原生SaaS环境 实现跨环境一体化运维 [14] - 平台提供融合能力 既保证应用安全又保证应用交付快速 特别适合边缘AI控制延时性需求 [15] AI网关产品的技术创新 - AI网关具备基于抽象化和上下文的大语言模型路由能力 可将提示词精准匹配至合适的大模型 [16] - TBLB AI推理网关通过实时判断后台算力 将GPU算力调用率提升30-60% 某芯片制造厂推理服务成功率提升至少8% [16] - AI网关集成多个安全小模型 做智能调度 不断扩充大模型安全防护能力 应对新型攻击 [16] F5平台的全方位服务能力 - 为所有应用提供全面整合交付服务 包括负载均衡 DNS CDN 多云网络及API网关 [17] - WAAP平台与零信任 AI安全 网络防火墙深度协同 实现代理式安全运营 [17] - 解决方案具备前所未有的部署灵活性 可部署于本地数据中心 公有云 主权云 SaaS平台 边缘网络及AI工厂等环境 [17] 跨职能运维支持与AI助手 - 平台覆盖NetOps SecOps DevOps和平台运维 提供统一策略管理 深度安全分析 自动化与编排工具 [17] - 发布AI助手具备"解释 生成 优化"三大核心能力 可跨平台应用于全系列产品 [19]