合作概述 - OPPO与蚂蚁集团于10月23日在杭州签署战略合作协议，将在AI智能体、服务生态、近场交互、医疗健康及保险等多个领域展开深度合作[1] - 此次合作被视为终端厂商与互联网服务平台在AI生态建设方面的一次重要实践[1] AI智能体合作 - 双方将共同推进多端智能体协同方案Agent Hub Access（AHA）的建设，该方案旨在实现OPPO系统级AI与支付宝Agents的高效协同[1] - 合作覆盖出行、政务、医疗、物流、外卖、生活缴费等智慧服务场景，用户未来可通过小布助手直接唤起乘车码等支付宝服务[1] 近场交互功能 - 合作计划于10月底推出国产手机中首次实现的“支付宝碰一下发红包”功能[1] 保险与医疗健康合作 - OPPO钱包将与蚂蚁保展开合作，覆盖车险、意外险等多类险种[1] - 双方将在医疗健康服务方面加强联动，共同推进AI健康应用AQ的普及与服务升级[1] 公司战略观点 - OPPO高级副总裁、首席产品官刘作虎表示，此次合作旨在探索垂直领域的多智能体协同，共同打造行业领先的AI技术解决方案[1]

报告发布背景 - 中国汽车工程学会于2025年9月16日在2025国际汽车智能座舱大会期间正式发布《2025年汽车智能座舱技术趋势》报告 [1] - 报告系统梳理未来三年智能座舱领域的关键创新趋势与发展路径 [1] - 报告旨在凝聚行业共识并助力相关企业进行科学布局 [1] 硬件与算法创新 - 硬件与算法创新突破加速座舱大模型的端侧部署与应用 [3] - 端侧大模型架构优化、模型压缩与加速技术将提升沉浸式智能体验的流畅度与安全性 [3] - 2025年行业将聚焦于降低推理延迟与成本 推动大模型在车侧的规模化应用 [5] 多智能体协同 - 未来智能座舱将超越单一功能堆叠 通过多智能体协同提供沉浸式、一体化用车体验 [7] - 多智能体协同涉及任务分解与原子化调度 可构建更智能的系统并减少用户操作步骤 [9] - 2025年美国在路径规划等领域的探索将推动以多智能体协同为核心的复合应用发展 [9] 电子电气架构演进 - 电子电气架构正从分布式向域集中式转变 并进一步向中央计算平台演进 [10] - 架构转变旨在打破智能座舱与车辆其他域之间的数据壁垒 [10] - 未来1-3年技术实现将遵循特定融合路径 涉及车窗车灯调节以及信息融合等领域 [13] HUD技术升级 - HUD技术通过光学创新、算法进化以及与自动驾驶感知融合进行升级迭代 [14] - 技术升级旨在增加驾驶安全性与用户对智驾系统的信任度 [14] - 2025年HUD将实现对不同场景的差异化显示 并与ADAS实时融合 [14] 内饰功能进化 - 汽车内饰从提供单一舒适乘坐体验向多功能化及第三生活空间进化 [16] - 进化通过视觉、触觉、生物传感等多模态技术实现 [16] - 2025年部分车型拟采用生物基复合材料 未来1-3年将结合传感器自动调节等技术 [18] 模块化与生态联动 - 舱内硬件模块化、拓展接口标准化与软件生态联动重新定义座舱空间 [19] - 模块化设计旨在推动座舱从单一功能空间向可自定义的空间转变 [19] - 2025年长城等公司将探索屏幕布两侧的拓展配件 未来1-3年应用将更加多样 [22] 技术研究前瞻 - 智能座舱发展是汽车产业全面智能化升级的侧影 背后是整车技术系统性协同演进 [25] - 中国汽车工程学会自2021年起持续开展“CSAE汽车技术预见”系列研究 [25] - 系列最新成果《2026年度中国汽车十技术趋势》将于2025年10月24日发布 [26]

核心观点 - vivo在2025年开发者大会上展示了其全新的端侧AI能力，标志着AI手机从概念走向实用化[6] - 公司战略核心是坚定不移地走“更懂用户的个人化智能”之路，而非单纯的参数竞赛[8] - 通过推出蓝心3B端侧多模态推理大模型及端云协同的模型矩阵，旨在打破API成本高墙，解决AI规模化落地难题[8][9] - 基于对脑科学的研究，vivo模拟人类思维架构构建AI操作系统，通过感知、记忆、规划、执行四大引擎让AI具备理解、思考和行动的能力[18][20] - 公司通过开放端侧AI能力、模型矩阵和统一框架，携手开发者共建生态，愿景是在未来三到五年让超过3亿设备拥有强大的本地AI能力[23][24][31] 模型战略与技术突破 - 提出全新的One Model：蓝心3B端侧多模态推理大模型，作为战略核心[8] - 打造端云协同、端侧部署优先的大模型核心引擎，包含语言、语音、图像、3B端侧多模态推理大模型和个人专属模型五大模型[9] - 蓝心3B模型以30亿参数实现优化，以60%的参数量效果比肩行业最优的4B级纯语言模型，推理速度达200 Token/s[9] - 该模型在多模态权威榜单OpenCompass上实现越级挑战，性能超越一众先进的8B模型[11] - 支持语言及多模态任务深度思考，通过混合推理架构自动切换思考/非思考模式，使复杂推理不再是云端独有技能[13] - 端侧能力提升使多智能体协同工作成为可能，如能看懂屏幕并模拟操作的UI Agent[14] 系统整合与个人化体验 - 大模型能力已融入OS系统底层各个模块，使AI成为无处不在的系统级智能[15] - AI操作系统基于对人类思维架构的模拟，通过感知、记忆、规划、执行四大引擎协同工作[18] - 实时感知涵盖图像、文本、声音等多模态内容识别，记忆是对用户数据行为的存储理解，执行包括调用工具与服务，自主规划可主动思考拆解复杂任务[20] - 通过多智能体协同形成“群体智能”，驱动手机中多个应用分工协作，动态调度规划以完成复杂通用任务[20][21] - 蓝心小V已与多家合作伙伴合作，打造覆盖健康、教育、出行、情感、办公等场景的智能体[21] 开放生态与合作伙伴 - 公司开放强大的端侧AI能力、端云协同模型矩阵、统一开放的Agent框架及与OS深度整合的系统级能力[24] - 开发者构建的新能力最短仅需10分钟即可上架vivo智能体生态，通过平台与蓝心小V的A2A协议发布上线[26] - 展示了与蚂蚁集团旗下AI健康应用AQ的合作成果，AQ升级后在蓝心小V健康流量占比提升三倍[28][29] - AQ具备“医学思维”，通过多轮对话、拍皮肤、识报告等方式分析身体状况，连接全国超5000家医院、近百万医生、超300位名医AI分身[29] - 生态已接入50多家合作伙伴，提供100多种非常识别能力及200多项服务及智能体[25]

数字资产安全威胁演变 - 以Lazarus集团为代表的黑客组织自2017年以来累计窃取加密货币总额超过60亿美元，其中2025年盗取金额已超过20亿美元，创下历史纪录[2] - 威胁主体已从犯罪团伙升级为由国家力量支持的专业黑客组织，其攻击活动具有明确战略目的，即为朝鲜核武器与弹道导弹研发计划提供资金[2] - 数字资产领域的高级持续性威胁具有三个严峻特征：攻击目标直接锁定可即时转移的巨额金融资产，攻击链条短平导致资产瞬间流失，攻击手法高度定制化以针对高净值个人和企业高管[3] 人工智能驱动的安全范式变革 - 数字资产世界的全球性及数据透明特性为人工智能提供了绝佳的训练场与应用场景，所有链上交易、地址关联及行为序列均为可分析的结构化数据[4] - 人工智能实现了从“规则驱动”到“行为驱动”的防御范式转移，能够通过学习行为模式发现高度伪装的攻击手法，有效应对社会工程学等威胁[4] - 人工智能具备从“被动响应”到“主动预测”的能力跨越，可通过分析链上数据为地址建立行为基线，在黑客发起异常转账时瞬间识别并告警[5] 多层级智能体防护体系 - 在个人层面，AI智能体能7x24小时监控钱包活动，实时分析合约风险并强制中断可疑操作，并在发现异常登录时自动触发多因子认证[7] - 在企业层面，AI系统可实时分析充提款模式，自动识别与黑客地址关联的可疑账户并进行冻结，同时驱动漏洞扫描工具对智能合约进行自动化审计[7] - 智能体技术可构建“AI追踪网”，利用图计算能力自动绘制黑客组织资金流向图，穿透混币器等伪装，并为全球协同打击提供精准情报[7] 链上防火墙核心能力 - 链上防火墙具备主动预测与实时监控能力，监控智能体可分析区块链内存池中的待处理交易，在攻击被确认前的关键窗口期识别恶意意图[9] - 阻断智能体能够基于深度学习模型对高风险交易自动触发毫秒级实时阻断机制，在资产转移完成前进行干预，特别适用于DeFi协议攻击等场景[10] - 该系统构建了一个可持续学习、自主进化的数字免疫系统，将安全防护升级为覆盖预测、防护、检测、响应的全生命周期安全体系[10]

AI Agent技术发展 - AI Agent经历符号Agent、反应Agent、基于强化学习的Agent、具有迁移学习和元学习的Agent、基于大型语言模型（LLM）的Agent五大发展阶段[6] - 基于LLM的Agent使用LLM作为大脑组件或控制器，通过多模态感知和工具利用等策略扩展感知和行动空间[6] - 基于LLM的Agent通过思维链（CoT）和问题分解技术展示与符号Agent相当的推理和规划能力，并能从反馈中学习获得环境交互能力[6] AI Agent技术框架 - AI Agent整体框架分为感知、定义、记忆、规划、行动五类模块，技术框架与智能语音助手存在相似性[10] - 感知模块从单一模态向多模态延伸，涉及文本、图像、视频、3D等多种模态[14] - 规划模块包括子目标分解、反思及提炼等核心功能，其能力来自于底层模型的推理能力[21] - 行动模块输出形式包括文本、工具使用、具身动作等，工具使用主要通过调用外部API实现[23] 多模态感知技术突破 - 端到端原生多模态模型逐步落地，2023年11月Google推出原生多模态模型Gemini，实现在文字、音频、图片、视频、PDF文件等多模态数据训练的突破[16] - 2024年5月OpenAI发布GPT-4o，跨文本、视觉和音频端到端训练，所有输入输出由同一神经网络处理[16] AI Agent与AGI发展路径 - 基于LLM的Agent是通向通用人工智能（AGI）的路径之一，据Google DeepMind分级，当前AGI处于L1阶段，典型代表为ChatGPT、Bard和Llama[25] - 通向AGI的具体路径包括模态丰富、具身智能、多Agent协同、系统优化等[25] - Agent具有语料库-互联网-感知-具身-社会五个层级，多数LLM建立在互联网层级，未来有望通过多Agent协同产生涌现的社会现象[27] Agent工作流优化 - 斯坦福大学测试显示，在HumanEval数据集中，GPT-3.5（Zero-shot）正确率为48.1%，GPT-4（Zero-shot）为67.0%，而与Agent workflow配合后GPT-3.5正确率达到95.1%[30] - Agent workflow包括反思、工具使用、规划、多智能体协作四种模式，通过对LLM应用流程优化提升任务准确性[30] AI在科学研究中的应用（AI4S） - AI4S在数学、物理学、生物医学、材料科学等领域取得成绩，如DeepMind开发机器学习框架帮助数学家发现新定理，AlphaFold将蛋白质结构预测误差缩小到原子尺度，计算时间从数年缩减到数分钟[35] - 材料基因组计划借助高通量计算、大数据、AI等技术，有效缩短材料研发周期、降低研发成本[35] AI赋能材料科学 - 传统材料研发周期长达10-20年，我国高端新材料自给率较低，关键材料依赖进口率达到84%[42] - AI技术能够加速材料研发所有子流程，通过构建行业大模型对齐各环节目标，优化生产流程[43][46] - 材料数据库是AI+材料科学的核心，国内外主要数据库包括Materials Project、AFLOW、OQMD等，中国建立全球首个材料基因工程通则标准[53][57] AI Agent在科研中的具体应用 - AI Agent for Science是AI4S的下一代核心技术，通过构建研发全流程智能体填补研发人员短板[51] - 智能科研平台实现数据、模型、实验效果端到端管理，提升全流程交付效果[62] - 材料领域主要发布模型包括GNOME（生成38万种热力学稳定晶体材料）、MatterGen（无机材料设计）、DARWIN 1.5（材料属性预测和发现）等[58] 2025年AI应用趋势 - 2025年AI应用方向包括端侧Agent、营销技术（Mar-tech）、企业方案决策、CRM、实时互动（RTE）[72] - 端侧Agent功能初步实现，如Anthropic的Claude 3.5 Sonnet显示出色Computer Use能力，智谱AutoGLM展示线上购物及点外卖等Phone Use能力[72] - 企业方案决策受益于AI工具支持，如Palantir的AIP平台推动2024年第三季度美国商业收入同比增长54%[72] AI Agent创投趋势 - 企业数字化转型推动AI Agent开发需求爆发，70%的CEO认为未来3年AI Agent将改变其经营模式[75] - 创投资金从头部通用型Agent向金融、医疗等垂直场景分散，初创企业通过解决细分需求构建壁垒[75] - 多智能体协同成为趋势，AI Agent从单一任务执行向多智能体协作演进[75] - Gartner将AI Agent列为2025年十大战略技术趋势之首，预计2025年成为其商业化元年，2030年市场规模超千亿美元[75]

智能体工厂建设进展 - 美的洗衣机荆州工厂获得WRCA"世界卓越的首个多场景覆盖的智能体工厂"认证 [1] - 工厂部署14个智能体覆盖38个核心生产业务场景 [4] - 采用"美的工厂大脑"作为神经中枢 通过分布式多智能体架构实现智能体自治协同 [4] 人形机器人技术应用 - 美罗人形机器人实现设备巡检、润滑油添加及零部件搬运等操作 [1][4] - 玉兔-AI巡检机器人移动速度超越人工 可进行昼夜不间断检测 [4] - 人形机器人结合多模态感知技术和具身智能操作技术实现黑灯工厂自主作业 [4] 机器人业务战略布局 - 公司围绕工业机器人智能化、家电机器人化、人形机器人价值化三大方向推进 [2][5] - 库卡机器人主要应用于消费电子、半导体、医疗及汽车零部件等工业场景 [5] - 积极拓展家庭和商业领域应用场景 持续扩大智能体覆盖场景数量 [4][5] 智能制造技术整合 - 工厂大脑集成工业领域大模型推理引擎增强智能决策能力 [4] - 通过Agent-to-Agent通信实现智能终端与机械臂、AMR等设备协同 [4] - 融合制造经验、大模型技术与具身智能构建无人化作业生态 [4]

核心观点 - 多智能体协同系统在IMO 2025竞赛中展现出超越单模型的解题能力，通过「解题者+验证者」双角色对话机制实现复杂数学问题的求解[6][10][19] - AWorld框架在6小时内复现DeepMind的5/6道IMO解题结果，并开源可运行的多智能体系统[2][15] - 多智能体协同通过动态构建高质量输入信息、实施元认知功能和降低信息熵，解锁基础模型的深层潜力[8][11][14] 技术突破 - 多智能体系统首次工程验证：群体智力上限超越依赖的单个模型（Gemini 2.5 Pro等）[6][10] - 实现"元认知"功能：通过角色扮演执行自我监控、评估和修正，避免单模型思维定式[12][13] - 事件驱动架构超越LangChain框架，支持智能体间异步通信与复杂实时交互[16][17] 系统架构 - 双智能体机制：做题家生成数学证明，验证者进行严格验证，通过多轮迭代优化解答[19] - 模型即插即用设计：30秒内可切换OpenAI/Gemini/Claude等主流大模型[20] - 全链路可观测性：提供决策追踪、工具调用监控和完整日志记录[18] 性能表现 - 在GAIA Test榜单达到77.08分，开源工作中排名第一[15] - 单模型连续10次推理失败的第3题，多智能体系统在第5轮迭代即完成解答[10] - 当前系统数学能力超越99%人类选手（测试集有限）[23] 行业影响 - 证明AI智能上限取决于组织方式而非单纯模型规模，开辟群体智能新路径[24] - 开放训练接口形成"数据-训练-部署"闭环，支持智能体持续自我进化[26] - 下一步将探索「多智能体+形式化验证」组合，目标直指Lean4形式化证明[25]

行业核心观点 - Agent从概念验证阶段进入大规模应用阶段 成为人工智能行业的必答题 [1] - WAIC 2025展示800余家企业3000余项展品 展品数量比往年增加一倍 [1] 技术发展趋势 - 万物皆可Agent化 从工业生产到医疗健康等多领域实现应用落地 [2][4] - 智能体系统展示工业场景协同能力 西门子Industrial Copilot实现从订单输入到物流调度的全流程自动化 [2][4] - 多智能体协同(Multi-Agent)成为解决复杂任务的关键方式 蜜度展示的办公系统将数小时工作缩短至分钟级 [7] - 从工具思维转向协作伙伴思维 智能体具备自主决策和任务规划能力 [7] 企业战略转型 - 科技巨头从展示大模型转向展示Agent应用 智谱AI AutoGLM模型实现跨平台任务执行包括抢红包 电商下单等操作 [5] - 交付模式从SaaS转向RaaS(结果即服务) 强调实际交付结果而非功能数量 [9][11] - MiniMax Agent展示全栈开发能力 半小时内生成可运行的横版冒险游戏框架 [9][13] 市场应用扩展 - C端产品出现井喷式爆发 WPS灵犀支持自然语言多轮对话完成文档创作和演示文稿生成 [14] - Agent被确立为AI时代的软件形态产品 类比PC时代的网站和手机时代的App [14] 基础设施发展 - 阿里云发布"无影AgentBay"云基础设施 开发者仅需三行代码即可接入高性能环境 [16] - PPIO搭建全栈式Agent基础设施服务平台 包含国内首个Agent沙箱和模型服务 [17] - 星环科技展示10分钟打造AI产业问答智能体 将数周开发过程极致压缩 [17] - 月之暗面聚焦开发者工具型模型 主力模型Kimi K2主打代码能力和Agentic任务处理 [17]

WAIC 2025 与 AI 行业格局 - 2025 年世界人工智能大会（WAIC）全网流量达 23.6 亿，同比增长 21.6%，但 OpenAI 的 GPT-5 和 DeepSeek 的 V4 或 R2 模型未亮相 [2] - AI 行业由互联网大厂主导，抖音、腾讯、阿里和百度构成第一梯队，去重用户规模分别为 12.66 亿、12.48 亿、11.68 亿、11.05 亿 [2] - AI 应用市场 TOP30 应用中，80% 来自互联网企业，四大集团占据 66.7% 的份额；原生 APP 增长前三为 DeepSeek、豆包和腾讯元宝 [2] AI 应用类型与插件趋势 - AI 插件规模增长趋势高于原生 App 和 AI PC 网页，因传统 App 通过接入 DeepSeek 分流原生 App 流量 [4] - AI 应用插件规模前三为百度 AI、抖音 AI 搜和微信 AI 搜 [4] Agent 技术发展与行业焦点 - Agent 是使用 AI 能力帮助人类规划并执行任务的应用系统，解决复合型问题，行业进入以智能体应用为核心的下半场 [5] - 互联网大厂重点加速 B 端 Agent 在具体场景落地，需兼顾通用能力与场景化聚焦 [5] 腾讯的 Agent 战略与产品 - 腾讯在 WAIC 展示 10 多个垂直领域智能体，覆盖健康管理、营销、旅游攻略和代码诊断等场景 [6] - 推出具身智能开放平台 Tairos（钛螺丝），为机器人提供多模态感知和规划模型，但需验证商业化可行性 [6][7] 阿里的 Agent 实践与落地 - 阿里云百炼应用开发平台获“镇馆之宝”奖，超 20 万开发者创建 70 多万个 Agent 应用 [7] - 企业构建 AI 应用多选择改造现有业务，将业务入口从传统服务改为 AI Agent [8] - 阿里国际智能退款 Agent 节约纠纷处理时长 30%，降低退款成本 15%；瓴羊退换货 Agent 缩短处理时长 60%，提升人工效率 60% [11] 字节跳动的开源与商业化 - 火山引擎开源 AI Agent 开发平台扣子（Coze Studio 和 Coze Loop），三天内 GitHub stars 数破万和超 3000 [12][13] - 火山引擎 2025 年智能体中标金额达 1.55 亿，中标数量蝉联第一；2024 年营收超 120 亿，2025 年目标超 250 亿 [16][17] - 企业案例包括为爱玛电动车打造四类 AI 场景、北大光华智能体“豆角”和海亮集团 150 个智能体 [15] 百度的 Agent 布局与挑战 - 百度侧重通用性 Agent，推出“多智能体协同”平台秒哒，一季度应用数超 20 万 [18] - 上线移动端通用超级智能体 App“心响”，但 ToC 方向未突破，公测后减少投入 [19] - B 端聚焦场景化，推出新一代数字人技术 NOVA，具备交互和对话能力，试点教育和医疗行业 [20] Agent 商业化与行业竞争 - Agent 商业化竞争激烈，火山引擎、阿里云和百度云在中标数量和金额上领先 [16] - C 端 Agent 市场空间大，B 端需结合具体场景推动规模化普及，成为生产力工具 [21]

智能理财行业概述 - 智能理财运用大数据、云计算、人工智能等技术，依据投资者个性化需求提供自动化资产配置建议 [2] - 与传统理财相比，智能理财具有门槛低、费率低的特点，服务对象扩展到长尾市场客户 [2] - 2024年全球智能理财市场规模约16,450亿美元，北美地区尤其是美国处于领先地位 [3] - 中国智能理财市场预计2025年规模达215亿元，年复合增长率38%，但渗透率仅0.0068% [3] 技术驱动与商业模式 - 多智能体协同框架将理财任务拆解为专业子模块，上海银行专利系统效率提升超20% [4] - 金融大模型专业化突破通用能力瓶颈，蚂蚁"蚂小财"和银河证券DeepSeek-R1实现"千人千面"服务 [4] - 主流采用2B2C模式，国金证券、华安基金等通过AI赋能理财间接服务客户 [4] - 蚂蚁数科Agentar平台提供低代码工具，让金融机构快速部署智能体应用 [4] 京东金融京小贝产品特点 - 采用多模型融合与多智能体协同机制，搭载京东大模型与金融垂类模型 [6] - 构建"通用能力+垂域深耕"混合大模型体系，强化数学建模和复杂问题拆解能力 [5] - 接入海量金融数据，实时解析市场动态，生成多维度量化评估报告 [5] - 通过持仓分析、行为建模及风险偏好追踪构建智能服务体系，降低误判风险 [6] 风险控制与市场应对 - 引入多模型"圆桌讨论组"机制，对政策影响进行多视角激辩 [6] - 自动监测资产组合目标偏离情况，触发风险预警并提出再平衡建议 [6] - 预设特定品类投资上限值，通过智能体辩论确定阈值，控制黑天鹅事件影响 [7] - 将用户非理性操作降低60%，强调70分的稳定性大于100分完美 [7] 行业发展趋势 - 竞争焦点从"智能密度"转向"人性温度"，重新锚定理财AI的本质 [10] - 京东金融升级京小贝，新增"财富管家压力测试"功能，深化用户画像技术 [8] - 开放式生态聚合头部金融机构策略库，形成可拓展的AI策略矩阵 [9] - 技术成熟推动行业向普及型"千人千面"服务靠拢 [4][9]