核心观点 文章汇总了近期人工智能领域在硬件、模型、应用及前沿研究方面的多项重要进展，核心观点是AI技术正沿着硬件性能突破、模型能力泛化与智能化、应用场景大规模落地以及向具身智能等前沿领域扩展的方向加速演进，行业竞争焦点从单一模型能力转向包括芯片、操作系统级平台、开源生态及垂直应用在内的全栈竞争 [1][2][3][4][5][6][7][8][9] 硬件与芯片 - 微软发布自研AI推理芯片Maia 200，采用台积电3nm工艺，单芯片晶体管数量超1400亿，FP4性能超过10 PetaFLOPS，是第三代Amazon Trainium芯片性能的三倍 [1] - Maia 200配备216GB HBM3e内存和7TB/s带宽，每美元性能比当前最新硬件提升30%，专为AI推理打造，将为OpenAI GPT-5.2等大模型提供支持，并已开始部署 [1] 大模型与平台能力 - Anthropic为Claude推出MCP服务，整合Figma、GitHub、Canva等生产力工具，使其从聊天机器人转变为可调度外部资源的智能体平台，用户可用自然语言指挥跨应用工作流 [2] - 月之暗面开源Kimi K2.5模型，该模型原生支持视觉与文本输入，并首次引入Agent集群能力，可自主创建最多100个分身并行处理1500个步骤的任务，实际运行时间最高缩短4.5倍 [4] - 阿里发布千问旗舰推理模型Qwen3-Max-Thinking，具备自适应工具调用能力，可自动调用搜索引擎和代码解释器，采用经验累积式测试时扩展策略以优化推理效果 [5] - DeepSeek开源OCR专用模型DeepSeek-OCR 2，采用新型解码器让模型按结构顺序阅读，在OmniDocBench v1.5测试中得分达91.09%，较前代提升3.73% [3] 应用落地与商业化 - 腾讯搜狗输入法全面AI化，接入混元大模型，AI用户规模破亿，日均语音使用近20亿次，AI语音大模型识别流畅性提升40%、准确率达98% [6] - Hyper3D发布Rodin Gen-2 Edit，推出基于自然语言的3D模型局部编辑功能，是业内首个将3D生成与编辑整合为完整工作流的商用产品，支持导入任意现有模型进行编辑 [7] 前沿技术与研究 - 蚂蚁灵波科技开源高精度空间感知模型LingBot-Depth，采用掩码深度建模方法，无需更换硬件即可提升对透明、反光等复杂材质的深度感知质量，实测中灵巧手可成功抓取透明玻璃杯 [8] - Anthropic CEO Dario Amodei发布长文预警，预测最早2027年可能出现诺奖级别的AI，并可能形成拥有5000万“国民”的“数据中心天才国家”，同时剖析了AI可能带来的五大危机 [9]

政策目标与产业规划 - 政策设定了明确的工业互联网发展路线图，目标是到2028年建成超过450个具有影响力的工业互联网平台，并推动不少于5万家工业企业完成“新型工业网络”改造 [1] - 政策旨在推动人工智能与工业互联网深度融合，为工业互联网装上“大脑”，并设定到2025年核心产业规模超过1.6万亿元人民币的目标 [1] 技术演进与应用现状 - 工业互联网正从“连得上、看得见”的数据连接阶段，向基于生成式AI和工业大模型的“认知理解”与“智能决策”阶段跨越 [3] - 工业互联网已覆盖41个工业大类，累计实施超过2.3万个“5G+工业互联网”项目，黑灯工厂、无人矿山等应用已成为现实 [3] - 网络技术需向具备“自感知、自决策”能力的智能化方向演进，以支持柔性制造等高级应用，具体技术包括5G、时间敏感网络等 [7] 产业链生态与企业参与 - 政策利好刺激产业链活跃，数据显示2025年新注册的工业互联网相关企业数量同比大幅增长27.8% [5] - 行业呈现分层服务模式：大型企业倾向于构建专用大模型，而针对中小企业则推广“模型即服务”模式以降低使用门槛 [5] 实施路径与行业重点 - 工业互联网的落地实施需遵循从“设备-产线-车间-工厂”的渐进式路径，不能一蹴而就 [7] - 建议优先在生产控制、设备协同等价值深厚的环节进行技术投入与改造 [7] - 汽车、钢铁等重点行业被列为优先发展对象，需重点培育其数据集和智能体应用 [7]

本报讯 （记者舒娅疆）1月27日，记者从万兴科技（300624）集团股份有限公司（以下简称"万兴科 技"）获悉，该公司旗下AIGC视频创作平台万兴天幕创作广场文生图功能于近日推出全新写实版模式， 为创作者提供更高质量、更高效率的图像生成能力，满足商业摄影替代、人物海报与宣传物料制作、插 画创作及概念设定图生成等多类场景需求。通过持续对AI视觉创作能力的升级，万兴科技积极为用户 提供高价值、低门槛的专业工具，重塑内容生产工作流。 围绕视频、绘图、文档等核心创作场景，万兴科技正在持续完善底层模型能力，并推动场景化应用与商 业化落地。 为巩固AI产品的长期竞争力，万兴科技在人才领域持续加码。据悉，其正在推进的2026届全球校园招 聘开放产品、研发等五大类岗位，为应届生和研发人才提供较为丰厚的薪酬待遇，优秀者不设上限。此 外，万兴科技正在推进的AIGC实习生招募"Wonder Nova新星计划"，面向2026届及后续学年毕业的本/ 硕/博在校生，开放上千个实习岗位。 目前，生成式AI正加速走向实际生产与商业应用阶段。相关研究机构发布的数据显示，全球AI文生图 市场规模在接下来的十年内预计呈现较高速增长态势。 ...

中信建投此前指出，在生成式AI浪潮席卷全球的当下，MINIMAX以"反共识"的战略定力，聚焦模型智 力突破，正从行业竞争中脱颖而出。作为上海首批获得大模型备案的企业，公司凭借技术深耕与商业化 远见，展现出强劲的发展潜力。该行预测，2025-2027年公司营收将保持90%以上的高速增长，Non- GAAP毛利率有望提升至55%，净亏损率持续收窄。随着推理成本优化与新一代多模态模型落地，公司 有望在AI原生应用领域开辟更大市场空间。 消息面上，1月20日，MiniMax的AI原生工作台Agent2.0上线，其以Desktop App和Expert Agents两个核 心组件为载体。Desktop App注重执行力，可完成读取本地文件、操控浏览器、处理文档等工作任务； Expert Agents侧重于对业务场景的理解，核心逻辑是用户注入私有知识库，将其打造成专业领域的专 家，使得Agent执行任务并给出特定标准的高质量产出。 智通财经APP获悉，MINIMAX-WP(00100)盘中涨超12%，截至发稿，涨9.53%，报422.8港元，成交额 6.49亿港元。 ...

公司股价与市场表现 - 盘中股价一度上涨超过12%，截至发稿时上涨9.53%，报422.8港元 [1] - 当日成交额达到6.49亿港元 [1] 产品与技术进展 - 公司于1月20日上线了AI原生工作台Agent2.0 [1] - Agent2.0以Desktop App和Expert Agents两个核心组件为载体 [1] - Desktop App注重执行力，能够完成读取本地文件、操控浏览器、处理文档等工作任务 [1] - Expert Agents侧重于对业务场景的理解，核心逻辑是用户注入私有知识库，将其打造成专业领域的专家，以执行任务并产出特定标准的高质量成果 [1] 行业地位与战略 - 在生成式AI浪潮席卷全球的背景下，公司以“反共识”的战略定力，聚焦模型智力突破，正从行业竞争中脱颖而出 [1] - 公司是上海首批获得大模型备案的企业 [1] - 公司凭借技术深耕与商业化远见，展现出强劲的发展潜力 [1] 财务与增长预测 - 中信建投预测，公司在2025年至2027年期间，营收将保持90%以上的高速增长 [1] - 同期，公司的Non-GAAP毛利率有望提升至55% [1] - 公司的净亏损率预计将持续收窄 [1] 未来展望 - 随着推理成本优化与新一代多模态模型落地，公司有望在AI原生应用领域开辟更大的市场空间 [1]

行业趋势与市场动态 - 2026年初，AI领域焦点从大模型、生图、生视频转向更具挑战性的3D生成领域[1] - 2025年1月，Google收购3D生成公司Common Sense Machines并与Epic Games合作，引发市场对3D版“Nano Banana”的猜测[1] - 3D生成行业产品化起步较晚、生态分散、工具链长，多数团队仍停留在“随机抽卡”阶段[19] 公司产品发布与核心功能 - 全球领先的3D生成平台Hyper3D发布Rodin Gen-2 Edit，推出基于自然语言的3D模型局部编辑功能[3] - 该产品是业内首个将“3D生成”与“3D编辑”整合为完整工作流的商用产品，标志着3D生成进入可编辑时代[3] - 产品支持两种核心操作路径：在平台内文/图生3D后直接对结果进行局部修改；或导入任意现有第三方模型进行编辑[4][5] - 操作逻辑简单直接：框选需要修改的区域并输入文字指令即可完成局部调整，修改区域与原模型衔接自然[4][9] - 编辑功能已成为平台级基础设施，支持任何第三方3D资产导入编辑，而非单点功能[9][11] 技术路径与产品意义 - 产品意义在于首次将3D从“结果展示”推进到“可迭代工作流”，补上了AI工作流的关键一环[14] - 生成式AI的进化路径清晰：先生成 → 再可控 → 最终可编辑[14] - 该产品通过“选中局部+文本指令”的方式，将修改需求转化为明确路径，避免了反复推倒重来的“抽卡”模式[20] - 产品编辑功能与强大的“可控性”体系相辅相成，为专业用户提供了一套完整的工作流[21] 技术积累与核心能力 - 公司选择更艰难的原生3D路线，而非行业早期普遍的“2D升维3D”路径，以解决产业应用的致命问题[24] - 2024年，公司发布原生3D大模型框架CLAY，并基于此推出全球首个原生3D大模型产品Hyper3D.AI Rodin[24] - 公司从Rodin第一个版本就引入3D ControlNet，并在每个版本更新相关能力[24] - 随着Rodin Gen-2上线，公司推出了业内唯一的递归分件技术——BANG[24] - 公司核心技术体系包括：3D ControlNet控制、BANG分件、Smart Low-poly智能低模优化、Text-to-Edit基于自然语言的定向修改[25] - 公司获得SIGGRAPH 2025最佳论文的CAST技术，指向从单图生成包含物体、关系和物理约束的完整3D场景的未来方向[26] 商业化与生态建设 - 产品已打通Blender、Maya、Unity等主流工作流[23] - 与国内头部大型UGC游戏的合作验证了其在移动端大规模用户场景下的稳定性[23] - 与拓竹的合作使生成模型可直接进入3D打印流程[23] - 仅2025年，公司就连续完成由顶级美元VC和战略产业方投资的两轮融资[27] - 新功能已在Hyper3D平台上线，支持用户免费体验[28]

公司核心定位与愿景 - 公司DEEPX是一家韩国AI芯片公司，致力于让AI从云端走向边缘，嵌入物理世界的各个角落[1] - 公司创始人金錄元将公司定位为“帮助人类向真正智能文明演进的公司”，其创立源于AI可能是人类克服缺乏智慧的终极解决方案的信念[2] 核心技术突破与优势 - 公司通过“黄油测试”直观展示了其芯片在运行相同AI负载时，相比竞品在功耗和散热方面的巨大优势[1] - 公司核心产品DX-M2芯片能在5瓦功耗下运行200亿到1000亿参数的大语言模型，功耗仅为手机充电器级别，实现了物理安装可行性[5] - 公司能效提升源于其“极简主义”哲学，深入研究AI数学运算本质，对处理器架构进行针对性剪裁与优化，而非简单依靠工艺进步[5] - 公司已建立坚固的专利护城河，在美国注册的NPU专利数量已超过高通、ARM、英特尔和英伟达，全球专利申请超过400项，保护了NPU的核心工作原理[5] 市场验证与商业落地 - 公司第一代芯片DX-M1已在全球获得超过50个量产项目，覆盖机器人、国防、智能家电等领域，成功跨越了从技术演示到商业落地的鸿沟[8][9] - 现代汽车机器人实验室将在2026年开始量产搭载公司芯片的MobED和DAL-e平台，初期预计出货1万台[11] - 韩国钢铁巨头POSCO同时推进9个量产项目，涉及工厂自动化、物流系统、工业事故监控及自动叉车等领域[11] - 与百度的合作预计在2026年将为中国市场出货约4万台芯片，应用于OCR相机、数据解析系统和无人机等场景[11] 产品价值主张与市场需求 - 公司芯片解决了GPU在边缘部署中的核心痛点：功耗、散热和成本 主流GPU运行AI推理需消耗300瓦以上功率，而公司芯片仅需5瓦[5] - 在POSCO的案例中，使用公司芯片后，芯片价格已低于人工成本，使得工厂自动化的大规模部署成为可能，而此前使用GPU方案时人工成本竟比GPU卡便宜[11] - 在与百度的合作测试中，公司芯片性能比300瓦的GPU卡高出近5倍，而功耗仅为5瓦，证明了AI从数据中心转移到边缘设备的可行性[11] - 通过对全球700多家公司的调研，公司理解到客户的关键需求是：在功耗和成本最多比现有方案高20-30%的前提下，达到GPU级别的性能 这一“20-30%原则”是技术成功商业化的关键[11]

微软推出第二代自研AI芯片Maia 200 - 微软重磅推出由台积电3nm制程制造的第二代自研AI芯片Maia 200，旨在为云端AI训练/推理提供高能效比与性价比的算力基础设施，作为英伟达AI GPU的替代方案[1] - Maia 200在多项测试中性能超越亚马逊第三代Trainium和谷歌第七代TPU，被微软官方称为“所有超大规模云计算服务商中性能最强的自研内部专属AI芯片”[3] - 该芯片每美元性能比微软当前最新一代硬件提升30%，在FP4精度下的整体推理性能是亚马逊第三代Trainium的三倍，FP8性能超过谷歌第七代TPU[5] Maia 200的技术规格与性能 - Maia 200采用台积电3nm工艺，包含超过1400亿个晶体管，在750瓦功耗下，FP4精度算力超过10 petaFLOPS，FP8精度算力超过5 petaFLOPS[5][6] - 芯片配备216GB、带宽达7TB/s的HBM3e存储以及272MB的片上SRAM，每块芯片提供2.8TB/s的双向专用扩展带宽，支持在6144个加速器集群中实现高性能集合操作[6] - 微软已向开发者开放Maia 200软件开发工具包的预览版，并计划未来向更多客户开放云端服务器租用，该芯片将用于支持微软下一代AI大模型训练、企业版Copilot及托管型AI推理服务[3][5] 云计算巨头加速自研AI ASIC芯片 - 生成式AI热潮推动亚马逊、谷歌、微软等云计算巨头加速开发内部专属的AI ASIC芯片，以打造更具成本效益和能效的算力基础设施[2] - 经济性与电力约束是推动科技巨头自研AI ASIC的核心动力，旨在优化“单位Token成本、单位瓦特产出”，应对AI数据中心不断增长的能耗需求[7] - 自研AI ASIC能为云计算巨头提供“第二曲线产能”，在采购谈判、产品定价与云计算服务毛利层面获得更大主动权，并实现从芯片到软件的一体化设计，提高算力利用率并降低总拥有成本[8] AI ASIC在推理侧的优势与行业趋势 - 相比于英伟达AI GPU，AI ASIC在云端AI推理算力需求猛增的背景下，凭借更高的性价比和能效比优势，正迈入更强劲的需求扩张轨迹[9] - AI推理侧更看重单位token成本、延迟与能效，谷歌将其最新TPU Ironwood定位为“为AI推理时代而生”的专用芯片，并强调性能、能效与性价比[10] - 谷歌TPU v7 (Ironwood) 的BF16算力高达4614 TFLOPS，是上一代TPU v5p（459 TFLOPS）的十倍，针对特定应用，其架构可提供比英伟达Blackwell高出1.4倍的每美元性能[9] 行业竞争格局与市场影响 - 英伟达面临来自云计算巨头自研AI ASIC的竞争压力，正通过多架构AI算力、巩固CUDA生态及引进人才（如与Groq合作）来维持其在AI芯片领域约90%的市场份额[11] - 摩根士丹利研报显示，谷歌TPU芯片的实际产量预期被大幅上修，2027年和2028年将分别达到500万和700万块，较此前预期分别上修67%和120%[12] - 报告测算，谷歌每对外销售50万片TPU，便有望带来130亿美元的额外营收以及0.40美元的每股收益，这可能预示着谷歌将开启TPU AI芯片的直接对外销售[12]

文章核心观点 - 英特尔正通过多项前沿技术合作与内部技术储备，在AI驱动的存储新周期背景下，积极探索并布局重返高端DRAM市场的可能性，但其形式可能并非传统的独立制造，而是侧重于架构创新与系统整合[1][23][24][25] 存储巨头的浮沉：英特尔与DRAM的历史渊源 - 英特尔是全球DRAM行业的开创者，1970年推出的1103芯片是全球首款商业成功的DRAM产品，曾一度占据全球DRAM市场90%的份额[3][6] - 由于80年代日本厂商的激烈竞争导致成本劣势和巨额亏损，英特尔于1985年战略性退出DRAM业务，转向CPU领域[6] - 此后数十年，DRAM行业整合为三星、SK海力士、美光三大巨头垄断95%以上市场份额的寡头格局[7] 行业背景：AI驱动DRAM进入超级周期 - 生成式AI的爆发彻底改变了DRAM需求格局，AI工作负载推动数据中心HBM和DRAM需求爆炸式增长[7][9] - 据TrendForce集邦咨询预测，2026年一季度一般型DRAM合约价将季增55-60%，Server DRAM价格季增逾60%[9] - 市场研究显示，2025年DRAM行业营收将恢复至千亿美元级别，2029年有望达到1500亿美元，数据中心和汽车应用的复合年增长率分别高达25%和38%[9] AMT项目：与桑迪亚国家实验室的前沿技术合作 - 桑迪亚国家实验室与英特尔合作的“先进内存技术”（AMT）项目已进入产品化阶段，旨在解决国家关键任务中的内存带宽与延迟难题[1][11] - 项目中的下一代DRAM键合（NGDB）计划采用全新的内存组织与堆叠方法，旨在显著提升性能、降低功耗与成本[11] - 该技术打破了HBM与DDR DRAM之间的性能权衡，解决了“以容量换带宽”的痛点，使高带宽内存应用更广泛[11] - 英特尔已开发出新型堆叠方法和DRAM组织结构，原型产品完成了功能性验证，证实了大规模生产的可行性[13] Saimemory合资公司：低功耗存储的商业化路径 - 2024年末，英特尔与日本软银成立合资公司Saimemory，致力于开发替代HBM的堆叠式DRAM解决方案[15] - 其技术通过垂直堆叠DRAM芯片并结合英特尔的EMIB桥接技术，目标实现单芯片512GB容量、功耗降低40%-50%，量产成本仅为HBM的60%[15] - 该项目总投资预计达100亿日元（约合7000万美元），软银初期注资30亿日元成为最大股东，日本政府计划提供超50亿日元补贴[16] - 按照规划，Saimemory将在2027年前完成原型设计与量产评估，力争2030年前实现商业化，优先供应软银的AI数据中心[16] 技术储备：eDRAM领域的深厚积累 - 嵌入式DRAM（eDRAM）因低延迟、高带宽特性，被视为解决“内存墙”的有效手段之一，正重新成为行业焦点[19][20] - 相较于SRAM，eDRAM在相同芯片面积下容量可达SRAM的6倍左右；相较于传统DRAM，其延迟和功耗优势显著[20] - 英特尔早在十多年前的Haswell、Broadwell处理器时代就集成过128MB eDRAM作为L4缓存，在高性能计算领域（如Xeon Phi）也有应用[20][21] - 随着AI时代对极致性能的需求，英特尔在eDRAM领域的技术储备成为其重返高端存储赛道的关键筹码[21] 综合布局与未来展望 - 英特尔在存储领域采取多点布局策略：通过国家实验室合作保持前沿技术参与，借合资项目探索替代产品路径，同时内部保留eDRAM等集成化方案[23] - 在AI驱动的异构计算时代，英特尔可能凭借架构创新与系统整合能力，在存储领域重新定义自己的角色，而非与现有巨头在产能上正面对抗[24][25] - 未来的存储竞争将是架构、功耗、生态乃至地缘策略的复合博弈[25]

行业概述与定义 - 智能设计是指利用现代信息技术，使计算机系统模拟人类思维活动，在设计全过程中承担复杂任务，成为设计人员的决策助手，其核心目标是让机器拥有“设计思维”[2] - 智能设计的设计层次主要包括常规设计、联想设计和进化设计三个步骤[2] - 在工程实现层面，智能设计通常被划分为四条互补的技术路线：原理方案智能设计、协同求解系统、知识获取与表达型以及基于实例的推理（CBR）[4] 行业产业链 - 产业链上游主要包括AI芯片、服务器、专业设计数据库、数据标注、算法大模型、开发平台（如BIM、CAD）等硬件、软件、技术与平台[6] - 产业链中游为智能设计系统集成及服务环节[6] - 产业链下游主要应用于制造业、建筑业、医疗健康、消费电子、自动驾驶、数字孪生、太空设计等领域[6] 市场规模与增长 - 2024年，中国智能设计行业市场规模约为67.24亿元，同比增长20.70%[1][7] - 国家确立人工智能作为核心引擎的战略地位，并全面推进“人工智能+”行动以深化AI与制造业全流程融合，驱动行业技术革命性突破[1][7] - 生成式AI与多模态大模型的快速发展，实现了从“自然语言指令输入”到“实时方案生成与动态调整”的跨越式创新，使设计流程转向AI驱动的智能迭代[1][7] 上游核心技术（AI芯片）发展 - 2024年，中国AI芯片行业市场规模约为1447亿元，同比增长19.98%[7] - 国产AI芯片在架构创新（如存算一体、Chiplet）、制程工艺（3nm/2nm量产）及能效比提升上取得显著进展[7] - 具体技术突破案例包括：寒武纪思元590性能对标英伟达A100，阿里平头哥PPU芯片能效比超越英伟达部分产品[7] - AI芯片的国产化与技术进步为智能设计行业提供了“根技术”保障[7] 重点企业经营情况 - 阿里巴巴集团依托鹿班AI设计平台实现万级物料自动生成，并通过通义千问大模型推动多模态设计创新，形成“技术+生态”双轮驱动模式[8] - 中望软件以“All-in-One CAx”为核心，构建二维/三维设计-仿真-制造全链路解决方案，其自主Overdrive几何建模引擎实现3D CAD核心技术自主可控，产品覆盖全球90国，用户超140万[8] - 2024年，中望软件研发投入占比超30%，发布ZWCAD 2025、ZW3D 2025等新版本[8] - 2025年前三季度，中望软件营业收入为5.38亿元，同比增长4.99%；归母净利润为-0.41亿元，同比下降479.34%[8] - 天洑软件聚焦工业仿真领域，自主研发AICFD、AIFEM、AIPOD等系列软件，采用AI加速算法突破仿真耗时瓶颈，服务于能源、汽车、航空航天等高端制造领域[8] - 天洑软件产品适配银河麒麟操作系统，强化数据安全，并广泛应用于航空航天、新能源汽车“三电”系统、船舶海事等领域[8] 行业发展趋势 - 工作范式转型：设计师角色将从绘制静态界面转向定义动态的“生成规则”和架构AI智能体，主要职责是设定品牌基因、交互原则和安全边界，并维护设计组件库以指导AI自主生成方案[10] - 能力边界扩展：智能设计将从视觉和交互层面，扩展至构建全感知体验和精准的物理世界模型，例如进行“全感知设计”及利用“具身智能”和“世界模型”技术直接从概念生成可制造、性能优化的3D工程模型[11] - 产业流程重塑：智能设计将驱动整个“创意-制造”产业链重构，形成从需求洞察、智能生成、仿真验证到柔性制造的端到端平台能力竞争，催生“消费端创意直连制造”的大规模个性化定制模式[12]