营销效率困局与AI Agent的崛起 - 企业营销面临效率困局，传统营销工具难以应对动态市场复杂决策，导致投入大收效微 [2] - 竞争对手的AI系统已能自主分析数据、制定策略并实时优化活动，固守旧工具的企业将面临代际差距 [2] AI Agent与传统AI的本质区别 - 传统AI是被动执行者，依赖人工指令完成孤立任务（如小李型AI仅记录订单） [5] - AI Agent是主动规划者，具备环境感知与自主决策能力（如小王型AI推荐菜品、洞察需求） [5] - 迈富时AI Agent解决方案已能像"数智员工"接管市场洞察到策略落地的全流程 [5] AI Agent的三层核心引擎 感官系统 - 通过自然语言处理、计算机视觉整合多模态数据，动态感知市场舆情、竞争动态与用户行为 [7] - 对比传统AI仅处理预设格式单一数据源，Agent构建全景视图为决策基石 [7] 大脑中枢 - 将模糊目标拆解为可执行子任务，通过强化学习优化策略 [8] - 长期记忆库沉淀经验避免重复试错，弥补传统AI目标导向规划能力的短板 [8] 行动机制 - 直接调用API执行任务（如连接CRM、调度社交媒体、调整定价） [9] - "思考-执行"闭环颠覆传统AI仅输出建议的局限，实现真正降本增效 [9] AI Agent的实战案例 乳业巨头全域增长引擎 - 整合小程序、微信、线下门店数据池，解决会员数据分散痛点 [12] - 智能场景推荐推送"早餐组合"等精准商品，自动化营销提升复购率 [12] 政府招商数智顾问 - 分析区域经济数据识别新能源产业薄弱环节，筛选全球补链企业 [12] - 监测落地企业运营辅助政策调整，将招商逻辑升级为"构建生态" [12] AI Agent的技术底座 - Tforce垂直大模型专注营销领域，规避通用大模型"知识泛化"弊端 [14] - Agent中台架构实现工具调用标准化、多智能体协同，强化学习机制持续优化策略 [14] 营销范式的四大变革 - 角色定位革新：Agent从被动工具蜕变为主动执行的"数智员工" [15] - 覆盖范围跃迁：实现市场洞察到执行监控的全链路智能 [19] - 决策依据升级：实时数据驱动取代人工经验判断 [19] - 用户体验颠覆：深度学习实现真正个性化营销 [19] 企业布局AI Agent的关键行动 - 基建升级：搭建统一数据中台打通API接口 [20] - 场景切入：从动态定价、智能客服等高频场景试点 [20] - 人机协同：培养团队调度Agent技能，人力聚焦创意与战略 [20] - 迭代机制：建立ROI提升率等指标持续优化模型 [20] 行业合作与未来展望 - 迈富时与华为云深化合作加速AI Agent渗透企业增长内核 [22] - Agent在数据洪流中自主规划行动路径，重构营销逻辑，定义市场规则 [22]

公司概况 - Pokee AI 公开测试版正式上线，公司定位为开发交互式、个性化、高效的 AI Agent [1][4] - 公司完成 1200 万美元种子轮融资，由 Point72 Ventures 领投 [8] - 团队从 4 人核心组扩张至 7 人，计划在收入规模扩大前将团队控制在 10 人以内 [2][26] 技术架构 - 以强化学习（RL）为核心构建 AI Agent，LLM 仅作为人机交互的“UI层” [5][17] - RL 模型的动作空间直接调用工具，而非 LLM 的 Token 生成，提升任务执行泛化性 [17] - 目标是通过 No Code/Low Code 方式让第三方开发者快速搭建 AI Agent [16] 产品愿景 - 通用 Agent 的终极形态是仅需用户提供 prompt 即可自动调用工具解决问题，无需人工配置 [14][15] - 当前行业尚未完成“决策能力”第一步，后续需攻克个性化记忆（Memory）和对齐（Alignment） [19][21] - 公司认为 LLM 的进步将直接提升其 RL 架构的理解能力，两者非竞争关系 [22] 行业定位 - 创业初期 RL 方向被视为“天方夜谭”，现逐渐成为行业共识 [7][11] - 公司节奏比 Meta 快 4-5 倍，7 个月内完成产品公测和融资 [9] - AI 时代创业更轻量级，远程办公模式高效，无实体办公室 [27][28][30] 商业化路径 - 优先聚焦解决实际问题能力，再逐步优化意图理解 [22] - 商业化初期不追求完美对齐用户意图，而是通过迭代实现三步走战略 [19][21]

报告核心观点 - GPT - 5预计夏季发布，AI产业链景气向好，重视AI成长弹性；产业链处于景气上行验证期，7月AI产业链行情或可期待，建议关注光通信、服务器等核心赛道 [1][2][23] AI产业链重点事件跟踪 - GPT - 5预计夏季发布，或实现一定AI Agent功能，迈向完全多模态，接近通用人工智能目标 [3] - 华为算力集群性能大幅提升，盘古大模型5.5与CloudMatrix 384超节点昇腾AI云服务发布，单卡推理吞吐量提升近4倍 [4] - 小米发布首款AI眼镜，重40克，续航8.6小时，支持快充、拍摄及多平台视频通话直播 [4] - 马斯克宣布新版本大模型Grok 4将于7月4日后发布 [5] - Meta与Oakley联合推出AI眼镜Oakley Meta HSTN Performance，7月11日预售，续航提升 [5] - 字节火山引擎大会，豆包大模型与火山引擎AI云渗透多行业，日均tokens使用量增长，Agentic AI成热点 [5] - 苹果宣布Xcode 26将集成ChatGPT，构建多元智能编程生态 [5] AI算力基础设施景气跟踪 - 海外算力需求旺盛，北美四大云厂商资本开支维持高增速，英伟达2025年Q1业绩亮眼 [7] - 华为CloudMatrix 384在多项指标超越英伟达GB200 NVL72，国产算力通过系统级创新弥补短板 [8] - 国产算力芯片厂商订单和库存逐步修复，产业链景气回暖 [8] AI端侧景气跟踪 - 2025年AI眼镜进入密集落地期，Q1全球AI眼镜销量同比增长216%，小米等入局或带动端侧产业链 [12][13] - 雷鸟创新、雷神科技等厂商发布多款AI眼镜，功能多样 [12] AI应用景气趋势跟踪 - 海外部分AI应用业绩亮眼，AI agent成龙头厂商布局焦点，GPT - 5转型或催化AI应用端 [20] - 微软、谷歌等科技龙头在产业大会展示AI agent相关成果 [20] - “AI + 应用”六大赛道部分指标有增长，如多邻国付费用户数同比增长40% [21]

智谱AI高管变动与创业动态 - 智谱智能终端行业部总经理何国帅即将离职 目前正在办理离职手续 离职后将作为联合创始人加入前COO张帆的创业公司 负责商业化相关工作 [2] - 何国帅于2023年7月加入智谱AI 曾任职商业化华南负责人 在6个月内将华南区业绩从倒数第一提升至第一 其带领的团队多次成为销冠团队 在内部评价较高 [3] - 何国帅曾在神策数据 禧云国际等公司任职 在销售与市场开发 生态规划与渠道拓展等方面表现突出 与MiniMax前商业化合伙人魏伟有过共事经历 [3] 智谱AI组织架构调整 - 智谱AI前COO张帆于6月离职创业 其创业项目已获得智谱投资支持 将成为智谱MaaS平台生态的一部分 [6] - 2023年初智谱商业化部门经历小规模人员流动 业务架构不再按ToB/ToG划分 改为CEO张鹏分管部分业务+分公司 COO张帆分管部分业务+区域分公司 [6] - 知情人士预测7月份智谱管理层可能出现频繁调整 具体情况有待观察 [6] 创业项目进展 - 何国帅已确定与张帆共同创业 其创业项目已获得种子客户 [4]

全球经济治理新范式 - 全球经济治理范式正经历深刻演化，从效率导向转向共建共享，从规则输出走向机制协商，以多边参与、制度重塑为特征的新范式正在形成[6] - 金融秩序重构成为全球治理结构调整的重要表现，单一主权货币供给安排显现出内在不均衡，主权货币在本国政策目标与国际责任之间形成错位[6] - 国际社会加快推动多元主权货币共存、有序竞争的格局演进，欧元地位稳固，人民币作用持续增强，SDR使用转向常态化[7] - 跨境支付体系建设不断提速，数字技术深度嵌入清算流程，推动体系朝高效、安全、包容方向演进[7] - 中国在全球经济治理中的角色正由规则接受者向制度塑造者转变，围绕数字支付、绿色金融等领域构建完整政策体系[8] 国际货币体系变革 - 国际货币基金组织第17次份额调整与治理结构优化将重塑未来全球经济治理格局[21] - 全球货币体系未来演进的重要问题是非美元货币能在多长时间并在多大程度上取代美元现有地位[21] - 人民币国际化正迎来战略机遇期，中国须肩负起金融大国的责任[21] - 国际数字货币体系有望通过"CBDC+稳定币"的协同并行构建双层架构[21] 全球金融治理 - 巴塞尔协议框架存在争议与挑战，中国应增强话语权并推动国际金融治理体系向更加公平、包容的方向发展[18] - 世界银行改革需团结新兴经济体推动股份结构调整和投票权等治理改革[19] - 国际货币基金组织变革将影响全球经济治理格局[21] - 美联储需要在数量型政策上和美国财政部形成配合，防止美债发行困难[21] 绿色金融与转型 - 转型金融面临标准不统一、碳核算基础薄弱、产品单一、激励机制不足等挑战[21] - 未来须加强标准建设、数据基础完善、产品创新和政策协同，推动转型金融发展[21] - 绿色金融已成为中国参与全球治理的重要领域[8] 数字金融与支付 - 数字技术深度嵌入跨境清算流程，推动支付体系朝高效、安全、包容方向演进[7] - 稳定币应用场景拓展的重点是跨境支付，而非境内支付[21] - 现实世界资产通证化(RWA)通过区块链技术为实体经济项目开辟高效透明的融资新路径[22] - 美国加密资产发展趋势对各国监管提出新挑战，需重新审视价值与安全的平衡点[22]

核心观点 - AI Agent明星项目Manus遭遇"野生BP"事件，引发对一级市场信息乱象的深度探讨 [1][3][6] - 一级市场信息不透明特性导致虚假融资消息和伪造BP长期存在 [8][9][80] - 当前流动性困境加剧了资金掮客通过SPV交易等复杂结构寻找套利空间 [23][25][29] - AI行业的地缘敏感性使创业公司在资本选择上面临特殊挑战 [34][36][38] 市场现象分析 - Manus融资传闻显示其估值从5000万美元飙升至15亿美元，但所有消息均未获官方确认 [1] - 伪造BP内容集中于外围行业信息而非核心业务数据，专业度存疑 [10][11][15] - 类似OpenAI等明星项目也遭遇虚假投资信息，显示全球性行业问题 [4] - 历史案例显示BP偷跑存在找钱、商战、求生三种典型场景 [60] 流动性困境 - 国资等机构投资者因流动性压力被迫多层穿透募资，导致交易结构复杂化 [24][25] - SPV交易在中美市场同步活跃，本质是流动性危机的自救方案 [29] - 双创时代遗留的散户化投资习惯仍在影响市场 [31] - 资金掮客通过包装老股交易等手法制造套利空间 [28][32] AI行业特殊性 - AI技术的地缘敏感性使公司对国资背景投资保持警惕 [34][36] - 国内监管要求(如模型备案)与全球化发展存在天然矛盾 [38] - 技术快速迭代导致商业路径选择困难，创业者面临"超纲"挑战 [38][52] - 社会价值论证成为AI公司必须面对的舆论课题 [49][51] 应对策略 - 明星项目通常选择沉默或否认作为标准应对方式 [42][43] - 专业BP应聚焦公司内生数据而非行业泛论 [75] - 预期管理能力成为核心投后服务价值 [83][85] - 头部项目需平衡技术理想与公共叙事的关系 [54][56] 市场演变 - 2014-2015年双创时期的乱象已逐步收敛但仍存残余 [67] - 字节跳动等成熟项目的二级交易已形成标准化流程 [86][88] - 行业专业度提升使低质量BP生存空间缩小 [66] - 信息差套利模式随LP经验积累逐步失效 [67]

公司背景与定位 - 华通金融集团是一家兼具科技属性的金融企业，通过收购香港老牌券商华通证券国际并转型为数字金融技术服务商 [2][9] - 公司采用双轨业务模式：To B提供券商云等金融科技服务，To C开展传统持牌券商业 [10] - 定位为"服务券商的券商"，专注于为中小型券商提供低成本、高效率的数字化解决方案 [8] 业务发展历程 - 2021年完成对华通证券国际的收购，初期目标是复制富途模式，后因监管调整转向技术服务路线 [6] - 发现香港600家经营券商中仅50家拥有APP的市场空白，推出券商云一站式解决方案 [7] - 2023年数字化产品带动营收显著增长，业务扩展至东南亚及"一带一路"市场 [8] 技术创新与产品 - 券商云服务包含数字后台、中台、前台全栈系统及清结算服务，是AWS唯一认证的券商云供应商 [7][8] - AI技术深度应用：已推出量化基金风控模型、AI客服/投顾系统等产品，实现7*24小时服务 [11] - 正在研发AI Agent产品，目标是通过自然语言交互提升投资工作效率 [12] 战略布局与优势 - 技术团队设在深圳，同时拓展硅谷人才，形成"香港总部+深圳技术+全球布局"架构 [2] - 核心竞争优势在于"金融+技术"复合能力，以及对中小券商需求的精准把握 [4][8] - 通过技术服务切入，后续延伸至持牌金融业务，形成业务协同效应 [8] 市场机遇与愿景 - 抓住香港券商数字化率不足8%的市场机会（50/600）[7] - 从"帮助中国人投资世界"转向"帮助世界投资中国"的战略目标 [13] - 人工智能技术全面渗透产品线，推动券商行业从概念验证进入实际应用阶段 [11][12]

AI创业与投资趋势 - AI创业正当时，创业者可选择小切口进入，要有独特数据与独特场景 [1][3] - 2025年是AI Agent元年，AI Agent是基于大模型，具备记忆能力、自主推理和规划工具使用能力的智能程序 [3] AI Agent投资方向 - 直面用户的通用型Agent是大厂主战场，竞争激烈，如Manus、Genspark等 [3] - Agent基础设施与框架层面临标准化缺失问题 [3] - 面向特定行业的垂直化Agent是需要重点关注的领域，如深度赋智等 [3] AI Agent物理落地场景 - 具身智能、自动驾驶、无人机、AI玩具是Agent的四大物理落地场景 [3] - 具身智能是中国引领世界的历史机遇 [3] - 投资偏好可关注整机、关节、触觉传感器、灵巧手等核心零部件，以及形成规模效应的定制化服务 [3] 投资逻辑 - "独角虎"理论以多维评价标准取代独角兽单一的估值评价标准 [4] - "投资小镇青年"理论指投资出身非顶尖资源圈层但具备极强抗压能力与草根创业精神的创业者 [4] - "人事时值四合一"理论强调在早期投资判断中，"人、事、时、值"四个关键要素不可或缺 [4]

核心观点 - OpenAI和Anthropic作为AI模型制造商增长迅猛，年化营收分别达120亿美元和40亿美元，估值倍数显著低于应用层公司（15-25倍 vs 70-116倍）[1][2][3] - 两家公司正利用模型优势向应用领域扩张，可能冲击估值过高的应用层初创企业[1][6] - 行业估值分化明显：模型商估值相对保守，而应用层公司如Perplexity（116倍）、Harvey（70倍）存在泡沫风险[3][4] - 模型制造商被视为创造新行业的基础设施提供者，类似Stripe在支付领域的生态地位[5] 增长数据 - Anthropic年化营收从年初水平增长4倍，提前半年达成40亿美元目标[2] - OpenAI年化营收突破100亿美元，全年预期120亿美元[2] - Perplexity年经常性收入从1500万美元（2024年3月）飙升至1.2亿美元（约1年后）[4] 估值对比 - Anthropic估值615亿美元（15倍年化营收）[2] - OpenAI估值3000亿美元（25倍年化营收）[2] - 上市软件公司估值中位数15倍，但增长率仅11%（远低于模型商）[3] - 应用层初创公司Sierra估值达年收入的200多倍[7] 竞争策略 - 模型商模仿云计算厂商策略：先建基础设施，再渗透应用层（如OpenAI开发AI代理，Anthropic推出Claude Code编程助手）[6] - 面临Meta开源Llama等低成本替代品的竞争威胁[7] - 核心优势在于构建生态系统的能力，如Stripe在支付领域的护城河[5] 行业动态 - AI领域投资热度高：成立5个月的Thinking Machines Lab获20亿美元融资（无产品/收入）[1] - 模型商与应用层公司的估值逻辑差异：前者基于实际收入，后者基于颠覆潜力（如Perplexity对标谷歌）[4][5] - 行业仍处早期阶段，增长可持续性存疑（资金消耗快/开源竞争/用户预期管理）[7]

活动概述 - 天润融通在上海黄浦江畔举办"向AI而行 与变革者同航"游轮之夜活动，聚集消费品、家电家居、汽车、金融、软件信息服务等多个行业的客户与合作伙伴 [1] - 活动探讨AI驱动下的组织重塑与增长新范式，分享AI发展趋势的深刻洞察 [1] AI Agent的核心价值 - AI Agent改变软件构建逻辑，从"预设规则，人工编排"转向"意图理解，自主决策"，推动企业客户联络模式从"人工为主，AI辅助"进入"AI为主，人工带教"的无人化阶段 [5] - 未来"业务专家+AI员工"将成为新型组织范式，AI员工接管标准化流程，人类员工转向业务理解与策略判断 [5] - AI Agent具备多模态识别、知识检索、内容生成、信息收集、API/MCP交互、深度推理等能力，可独立解决问题 [7] AI转型实践路径 - 天润融通提出AI转型实践六部曲：1)以客户为中心建立数字化连接 2)准备专属知识 3)培养业务与AI复合型人才 4)优化组织流程 5)优先闭环场景 6)结果导向的持续运营 [5] - AI价值关键在于真实场景落地成效，典型案例展示AI Agent在故障排查、售前留资、智能导购、售后定损等场景的卓越效果 [5][7] 行业应用案例 产品排障场景 - AI Agent结合多模态大模型远程引导用户自助解决问题，降低线下派工成本，提升服务效率和客户体验 [7] 导购推荐场景 - AI Agent精准识别客户意图，挖掘隐性需求，动态调用产品信息与优惠策略生成个性化方案，提升汽车、家电、金融等行业转化效率 [7] 售后定损场景 - AI Agent自动识别损伤类型、判定责任归属并输出处理建议，实现全自动化流程，已在鞋服箱包、家居、消费电子等行业落地 [7] 汽车行业深度应用 - 大模型技术从"技术热"进入"理性落地"阶段，关注能力与场景深度结合 [8] - 汽车销服领域三大核心场景应用：1)客户洞察构建丰富用户画像 2)销售转化精准识别高价值线索 3)服务体验处理开放场景与未知问题 [10] - 天润融通构建覆盖汽车行业全周期运营的解决方案，涵盖"线索-邀约-到店-回访"全链路，提升线索响应效率与客户体验 [10] 未来发展方向 - 天润融通将持续深耕AI应用场景，推动AI Agent从"工具"走向"伙伴"，引领组织效率变革 [13] - 公司致力于让技术进步照进现实，推动组织进化与业务潜能释放 [12]