活动概览 - 2025年“Inclusion·外滩大会”上揭晓“2025蚂蚁InTech奖”，10位青年科学家获“蚂蚁InTech科技奖”，每人奖金20万元，同时10位中国籍在读博士生获“蚂蚁InTech奖学金”，每人奖金5万元 [1] - 颁奖典礼有中国工程院院士陈纯、郑纬民及美国国家工程院外籍院士张宏江等学界权威亲临，Michael I Jordan和Jack Dongarra等国际知名学者通过视频寄语青年学者 [3] 获奖者研究成果 - 获奖者在通用人工智能、具身智能、数字医学、数据安全等前沿方向展现卓越创新能力，其成果被业界广泛采用 [8] - 金鑫（北京大学）提出软件定义的人工智能系统方法，优化大模型训练与推理性能 [8] - 李永露（上海交通大学）研究具身数据的挖掘与利用，以及面向物理理解与推理的具身模型基建 [8] - 汪定（南开大学）发现人类口令分布函数并建立定向口令猜测模型，引起美国身份认证标准修订 [8] - 王利民（南京大学）开发领先通用视频理解大模型InternVideo，下载量超500万，并提出“渐进式训练”方法赋能自动驾驶等场景 [8] - 王翔（中国科学技术大学）首创“零空间约束”知识编辑技术，实现对大模型中陈旧或敏感信息的精准“遗忘” [8] - 张帆（电子科技大学）将AI引入弥散磁共振成像，将术前影像神经纤维提取缩短至几分钟内，被多国临床机构采用 [9] - 张峰（中国人民大学）提出压缩数据直接计算理论与技术，为大数据高效处理提供新方案，成果曾获日内瓦国际发明展特别嘉许金奖 [9] - 张扶桑（北京航空航天大学）在泛在智能感知领域提出基于菲涅尔区衍射的无线感知理论，推动无线感知应用落地 [10] - 赵恒爽（香港大学）在计算机视觉领域开发多个性能领先的场景理解视觉基础模型，如PSPNet、Point Transformer和Depth Anything，推动自动驾驶和具身智能等下游应用 [10] - 张宇（华中科技大学）提出高性能图计算理论与方法，其图计算系统多项性能指标领跑Graph500 [10] 公司战略与行业影响 - 蚂蚁集团首席技术官表示科技驱动是公司立身之本，青年科研人才是创新的关键引擎，InTech奖旨在发掘并支持计算机与交叉学科领域的中国青年科研力量 [15] - 本届整体参评规模达去年3倍，海外申报者占比超20%，候选人来自牛津、耶鲁、斯坦福及清华、北大、港大等顶尖高校，显示海内外关注度显著提升 [15] - 近十年中国AI科研人员从2015年不足万人增长至2024年的52万人，显示中国科研人才生态蓬勃发展 [15] - 蚂蚁集团持续加大对AGI等前沿技术与青年人才的投入，包括推出“Plan A”全球招募AI顶尖人才，组建AGI攻坚团队，开源大模型与强化学习框架，并通过与高校共建联合实验室等举措构建青年人才生态 [15]

王兴兴及他所创立的宇树科技以在机器人领域的惊艳表现而为人所知。不过，据王兴兴透露，在2011年时他曾对AI也非常感兴趣，但当时AI非常冷 门，相关的学习资料也较少。 "当时我看了几本书，觉得能做的有限，后来就没花太多时间关注。AI确实是我最后悔的一件事。"王兴兴说，不过好在随着大模型的快速发展，现在终 于有机会，让AI与机器人结合，真正落地干活。 实际上，AI与机器人的融合发展正在催生全新的具身智能产业，也就是让机器人拥有AGI（通用人工智能）能力，能像人一样自主感知、规划和行动。 王兴兴认为，当前具身智能发展仍然存在一些挑战，包括高质量数据以及模型算法层面。 9月11日，2025Inclusion·外滩大会在上海举行，宇树科技创始人兼CEO王兴兴在圆桌论坛发言时表示，"现在AI写文作画，已经比99.99%的人都要做得 好。但真正让AI干活，还是一片荒漠。"这是宇树科技宣布IPO计划后，他首次公开现身，畅谈大模型时代机器人产业发展的机遇与挑战。 在数据层面，数据采集和质量问题比较突出，也需要提升数据的利用率。在模型层面，当前多模态数据的融合并不理想，并且在机器人领域，模型与机 器人的控制模态对齐也是难点。 除 ...

具身智能行业概述 - 具身智能成为通用人工智能（AGI）探索的关键方向 强调智能体与物理环境的交互与适应 聚焦感知环境、理解任务、执行动作和反馈学习的能力 [1] - 大脑和小脑构成具身机器人核心模块 大脑负责思考感知和语义理解 小脑负责高精度运动执行 [1] 国内外产业布局 - 近2年具身明星团队创业活跃 星海图、银河通用、逐际动力等从实验室走向商业和工业界 [3] - 华为2024年底启动"全球具身智能产业创新中心" 与乐聚机器人、大族机器人合作建设大脑和小脑关键技术 [5] - 京东自2025年5月连续投资智元机器人、千寻智能、逐际动力 强化物流科技与家庭服务场景能力 [5] - 腾讯、蚂蚁集团、小米等科技巨头通过战略投资与合作布局 加快构建产业生态 [5] - 国外Tesla/Figure AI推进工业与物流机器人应用 Wayve和Apptronik获投资机构支持落地自动驾驶与仓储机器人 [5] - 国内企业以产业链投资与综合平台驱动落地 国外科技巨头侧重基础模型、模拟环境与类人机器人原型研发 [5] 技术演进阶段 - 第一阶段聚焦抓取位姿检测 通过点云或图像预测末端执行器姿态 但缺乏任务上下文和动作序列建模 [6] - 第二阶段进入行为克隆阶段 通过专家演示数据学习端到端映射 但存在泛化能力弱和误差累积问题 [6] - 第三阶段兴起Diffusion Policy方法 通过扩散模型生成动作轨迹提升策略稳定性与泛化能力 [6] - 2024年进入Vision-Language-Action模型阶段 融合视觉感知、语言理解与动作生成模块 支持零样本或小样本快速泛化 [7] - VLA模型实现从"感知+控制"向"感知+推理+行动"的范式跃迁 代表工作包括OpenVLA、RT-2、PI0等 [7] - 2025年探索VLA与强化学习、世界模型、触觉感知等模块融合 弥补"只能理解不能反馈"等局限 [9] 技术融合方向 - VLA+强化学习提升长时任务试错能力与自我改进能力 [11] - VLA+世界模型引入环境动态预测 使机器人具备"想象未来"能力 [11] - VLA+触觉信息拓展多模态融合感知边界 实现更精细安全的操作 [12] - 技术演进从低层感知向高层理解发展 逐步迈向通用任务和开放环境智能体时代 [14] 应用与人才需求 - 技术发展推动人形机器人、机械臂、四足机器人等产品落地 [14] - 应用覆盖工业、家居、餐饮、医疗康复等领域 相关产品和融资活跃 [14] - 岗位呈现爆发式增长 大量人员转入具身智能领域研究 [14] - 工程与系统能力需求激增 需掌握Mujoco/IsaacGym/Pybullet等平台策略训练与仿真测试 [17] - 需具备训练部署Diffusion Policy/VLA/力触融合模型的能力 [17] - 需实现强化学习在VLA后训练的应用 支持机器人反馈微调 [17] - 需掌握从世界建模预测到策略学习再到物理执行的一体化架构 [17]

AI技术发展前景 - AI能力在未来18个月内将从“10”提升到“100”，实现十倍增长 [1][6] - 技术进步由更优算法、更强大计算力和更丰富数据驱动的“规模法则”推动 [6] - AI将加速自身研究进程，通过人机协作生成代码、测试新模型并独立验证假设 [6] 对企业格局的影响 - 现有《财富》500强企业将加速消亡，软件公司尤其脆弱 [2][3] - “即时生成软件”模式将颠覆现有价值数十亿美元的SaaS企业帝国 [3] - OpenAI的成长被视为新公司快速取代旧公司的加速效应典型案例 [3] 企业运营模式变革 - AI将成为“虚拟同事”，彻底改变企业运营方式 [4] - AI软件工程师是短期内最具颠覆性的力量，能加速开发使团队超越竞争对手 [4] - 客户支持和外向销售已开始转向AI，AI处理任务的比例稳步上升 [4] 行业应用与效率提升 - AI有潜力推动科学发现，治愈癌症或实现核聚变商业化 [4][5] - 企业应当将整个计算集群投入到解决真正困难的科学问题上 [4] - AI带来的效率提升可能引发“通缩效应”，使基本生活必需品成本下降 [7] 未来社会与经济影响 - AI效率提升产生的富余财富可能被投入荒谬的“炫富游戏” [7] - 数十亿人将能免费获得AGI、医疗建议、教育资源和软件，促进全球公平 [7]

AI技术发展趋势与成本预测 - OpenAI CEO预计十年后AI成本将趋同于电力成本 [1][12] - 技术变革的核心驱动力来自算法、计算能力和数据的持续优化 [6] - 未来将出现近乎免费的通用人工智能（AGI） [10] AI对软件行业和商业模式的颠覆性影响 - 未来软件可实现即时生成 传统SaaS商业模式将被彻底瓦解 [4] - 10人公司年收入可达10亿美元的案例可能已经存在或将在未来几年内诞生 [3][4] - 《财富》500强企业消亡速度将在2030年代显著加速 新公司增长速度将达到空前水平 [5] 未来投资逻辑与机遇 - 建议投资者将100%时间用于投资因AGI而成为可能的新商业模式 而非寻找下一个AI研究实验室 [1][4][9] - 投资范式需要根本性调整 应追逐未来而非复制过去成功的模式 [9][10] - 真正的巨大价值将来自AGI基础技术催生的遍布各行业的无数新应用 如同晶体管的历史 [9] AI时代的人类价值与社会变革 - AI将能胜任几乎所有的智力工作 但需要深度情感连接和同理心的职业（如教师、护士）将变得更加珍贵 [1][7] - 人类的生物性需求（社交、情感连接和家庭关怀）将保持恒定 [4][7] - AI将带来巨大通货紧缩效应 推动全球普惠发展 每个人都将获得优质医疗建议和教育资源 [11] 算力与能源成为未来价值核心 - 当智能成本趋近于零时 算力与能源将成为价值核心 [1][11] - 算力可能成为疯狂稀缺的资源 解决之道是制造更多算力 [11] - 能源不仅是经济血液 更将成为智能基石 [12] ChatGPT的定位与演进路径 - ChatGPT被定位为智能操作系统或个人AGI 而非简单的聊天机器人 [8] - 当前ChatGPT已成为全球第五大网站 若保持增长轨迹有望成为全球最大网站 [8] - 其目标是成为了解用户、连接各种服务、按照用户意愿行动的个性化智能伙伴 [8]

AGI发展现状 - AGI并非3~5年后的技术 而是已经存在于当前环境中 其发展是一个递归过程 深度和范围将持续扩大[1] - AI已在特定角色（如编程）实现全功能覆盖 这本质上是AGI的体现 因为每个角色都需要综合判断能力[2] - 当前AGI感知不明显的原因类似于坦克初发明时被误认为不如狗拉爬犁 属于应用场景错配[3] 智能原生概念 - 智能原生并非单纯技术 而是技术与组织模式匹配的思维模式 旨在改造产品和服务生产过程[8] - 智能原生企业被列入国务院"人工智能+"行动意见 成为政策重点方向[5] - 智能原生是以AI为主体、智能优先的价值创造体系 AI成为价值创造主体 AI-AI协作取代传统组织流程[29][30] 技术应用案例 - 编程领域出现范式变革：传统需要产品经理、架构师、前后端工程师、测试工程师协同的流程 现在可通过自然语言与编码助手（如Claude Code）交互完成 效率提升显著[24][25] - 实际案例显示：算法工程师一天完成过去一个团队需数周的工作量 且一行代码未写[26] - 运维领域实现突破：借助AI编程 一周内完成k8s/日志ELK/监控Prometheus/数据库等全套服务部署 效率较传统方式提升数十倍[33][34] 组织变革趋势 - 业务组织呈现可折叠特性 随着智能水平提升而递归演进：从编程团队扩展到运维 再延伸到多个职能 最终覆盖整个公司[31] - OpenAI五级模型体现内置逻辑：Agent与Organization本质相同 仅面对范围和复杂度存在差异[36] - 最终演进方向是"无人公司"或AI Level5状态 实现完全智能原生运营[13] 行业影响分析 - AI进化速度超越人类进化速度 2022年至今的应用形态已发生根本性变化[17][18] - 传统工具开发面临生存危机：业务周期和商业化周期可能长于技术更迭周期 导致时间窗口大幅缩短[41][42] - 价值创造范式发生迁移：关键不再是AI技术使用 而是如何用AI封装业务 需要找到由数据和工具构成的AI现实边界[44][46][47] 竞争格局演变 - 纯粹经济世界将形成"智能高者胜"的基本竞争原则[59] - 若智能水平持平 反身性将导致待计算世界持续变化 大规模计算难以获得相应回报 体系可能进入热寂状态[60][61] - 技术推动商业形式走向既有形态终点 并开启新文明状态[63] 发展路径选择 - 自下而上路径：从各种细碎工具起步 但必须持续演进 否则将被大模型折叠力量淘汰[49] - 自上而下路径：直接瞄准无人公司 以智能原生方式处理最终业务 锁定销售额和现金流 但需补全AI在数据、知识、工具方面的不足[50]

薪酬方案核心内容 - 特斯拉董事会提出新薪酬方案，若未来十年达成业绩目标，CEO埃隆·马斯克将获得价值约1万亿美元的股票奖励 [2] - 方案计划授予约4.23亿股特斯拉股票，分12个批次解锁，每批次解锁需同时达成市值和运营两类里程碑目标 [4] 业绩目标详情 - 市值目标要求特斯拉市值从当前约1.1万亿美元增长至8.5万亿美元 [4] - 运营目标包括：年交付量从不足200万辆提升至总交付2000万辆特斯拉汽车 [4] - 实现100万辆自动驾驶出租车（Robotaxi）的商业化运营 [5] - 交付100万台Optimus人形机器人 [6] - 获得1000万个全自动驾驶（FSD）订阅 [7] - 将调整后EBITDA提升至4000亿美元 [8] 战略方向与竞争优势 - 业绩目标揭示特斯拉聚焦三大方向：FSD、Robotaxi和Optimus [9] - Robotaxi App向全美ios用户开放后瞬间登顶苹果商店第一，其成本比Uber便宜37%，优势来自完全无人的成本节约和电动车的低能耗 [10] - 在自动驾驶领域，特斯拉被认为最有可能率先实现大规模应用，其拥有的全球最大规模真实驾驶数据、成本控制能力及"数据飞轮"效应是核心优势 [11][13] - 特斯拉被比喻为"带轮子的电脑"，而比亚迪是"装了电脑的汽车"，突显其在算法迭代速度上的领先 [13] 市场前景与转型愿景 - 实现目标后，特斯拉将构建由数千万搭载FSD车辆组成的"分布式运力网络"，形成硬件、软件和运营一体的生态闭环，从电动汽车制造商转型为"软硬一体"的人工智能巨头 [14] - 人形机器人Optimus指向的市场空间远比汽车市场广阔，若能进入家庭和服务场景，对应龙头公司市值可能达到20万亿至30万亿美元级别 [14] 方案通过预期与影响 - 股东普遍支持该薪酬方案，认为其股票有"加零"机会，方案有望在11月股东大会上获得通过 [17] - 硅谷"风险投资+股权激励"机制是培育科技巨头的重要土壤，该方案是极致激励机制与顶尖企业家结合的体现 [19]

AGI发展现状 - AGI并非3~5年后的未来概念 而是已经存在于当前技术环境中 其发展是一个递归过程 深度和范围将持续扩展[1] - AI已在特定角色（如编程）实现全功能覆盖 这本质上是AGI的一种表现 因为任何角色均需综合判断能力[1] - 当前AGI感知不明显的原因类似于坦克初发明时被误判为不如狗拉爬犁 属于应用场景认知滞后[1] 智能原生概念与特征 - 智能原生是技术与组织模式匹配的思维模式 其核心是改造产品和服务生产过程[5] - 智能原生企业被置于政策显著位置 国务院文件明确提及该概念[3] - 智能原生体系以AI为价值创造主体 遵循智能优先原则 AI-AI协作取代传统复杂组织流程[16][17] - 智能原生模式下生产流程高度简化 例如软件开发从多角色协作的"交响乐"变为AI辅助的"独奏"[13] 技术演进与产业影响 - AI进化速度呈现指数级提升 2024年AI与2022年AI已本质不同[9] - AI推动"一切皆可重建" 传统价值模式被快速解构与重构[11] - 技术更迭周期缩短至低于业务商业化周期 导致产品存续时间窗口大幅收缩[25][26] - 编程领域效率提升显著 案例显示AI可在1天内完成传统团队需数周的工作量[13] - 运维领域实现突破 借助AI编程可在1周内完成k8s/日志监控/数据库等全套服务部署[20] 组织形态变革 - 无人公司是智能原生发展的终极形态 对应AI Level5水平[8] - 组织内化为智能体间关系 业务职能按智能水平提升递归折叠[18] - 可折叠组织随智能水平提升而演进 从编程团队递归至运维职能直至整个公司[18] 价值创造范式转变 - 核心竞争力从技术驾驭转变为价值创造模式驾驭[27] - 关键成功因素是如何用AI封装业务 而非单纯使用AI技术[29] - AI发展导致执行能力贬值 范式发生本质迁移[29] - 需持续打破AI应用障碍 为其力量发挥铺平道路[31] 实施路径与挑战 - 双向理解困难成为落地关键障碍 技术理解与组织运作存在认知鸿沟[8] - 实施路径存在两种方式：从细碎工具逐步扩展 或直接从无人公司智能原生模式切入[32] - 核心挑战在于构建人类知识与局部AGI的无缝衔接体系[8] 思维模式变革 - AI思维表现为数字和智能空间优先的思维模式[36] - 智能优先对应虚拟先行 规模化试错 算力对冲不确定性等具体思维[34] - 角色边界重新定义 AI辅助人与人类辅助AI存在本质差异[35] 行业生态影响 - 反身性可能导致智能持平状态下计算回报跟不上成本 体系进入热寂状态[37] - 技术推动商业形式趋向既有形态终点并开启新文明状态[37] - 依赖倒置世界逐渐形成 虚拟世界开始牵引物理世界运行[36]

行业与公司 * AI行业 正处于从深度学习向大语言模型转变的关键时期 核心是智能涌现 包括理解 生成 记忆和逻辑四大能力 推动从感知智能向认知智能转化[1] * 海外科技巨头如 Meta 持续加大资本开支 预计2025年同比2024年将有五六十以上的高增长 以支持算力需求[9] * 在基础设施方面 值得关注的公司包括阿里巴巴 深信服 第三范式等Infra公司 以及航迹和海光等算力相关公司[18] * 在典型应用层面 值得关注的公司包括有场景 有空间且未来具有壁垒保护业务落地的相关公司 如石油股份 美图等[18] 核心观点与论据 * AI产业发展的三要素是算力 算法和数据 这三个要素共同驱动整个AI产业的发展 通过飞轮效应实现不断提升[5] * AI技术发展分为上下半场 上半场主要探索模型智力水平极限 算力为王 下半场主要完善系统能力 推动AI现实场景融合落地变现 应用为王[6] * Transformer框架的大规模应用引发了质变 包括理解能力和逻辑推理能力等新能力涌现 推动通往AGI的路径[7] * 短期内大模型升级逐渐显现天花板 发展路径包括效率提升（数学及编程领域） 推理提升以及全模态模型 是后续重点发展方向[8] * AI对人工替代分为辅助 替代和超越三个阶段 目前已在编程和内容审核等领域批量替代中低级人员 并逐渐扩展至更多行业[10] * AI中长期发展的逻辑在于算力产业的显著增长和应用场景的多样化 AI产品基于概率分布 需要面对不确定性 商业化基点相对较晚[12] * AI Agent代表了一种原生应用范式变革 可以与SOP PDCA OKR等传统管理工具适配 通过AI赋能实现升级[13] * AGI是能够自主感知环境并采取行动实现目标的计算实体 基于大语言模型的AGI能够使用传感器感知环境 并利用LLM进行记忆检索 决策推理和行动顺序选择[15] * 以Minus为例 其工作流呈现出清晰分层协作架构 在文件处理 数据分析 代码编写到内容创作等多个任务上展现出强大的整合能力[16] * 2025年将是AI制片元年 AI原生APP用户规模持续走高 各类垂直领域APP涌现 其繁荣发展将显著提升对算力需求 云计算将成为产业投资核心[17] 其他重要内容 * AI产业经历了三次主要浪潮 第一次是20世纪50-70年代的起步阶段 第二次是20世纪80-90年代以专家系统为代表的实践阶段 第三次是2000年以后以机器学习和深度学习为代表的算法革命阶段[2] * 复盘2023年以来的大型事件显示 多轮行情由模组预测边际变化驱动 例如2023年ChatGPT发布引发普涨 2024年kimi实现超文本突破带动办公软件上涨 2025年AGI加速落地促使金蝶 鼎捷等公司涨幅明显[11]

OpenAI法律行动 - OpenAI向支持马斯克立场的非营利组织发出传票 要求提供与马斯克相关的通信记录、文件 甚至包括Meta和扎克伯格的信息[2][3][5] - 被传唤组织包括AI伦理组织Encode和AI治理公益组织LASST 共同点是曾质疑OpenAI从非营利转型为商业公司[6][7] - OpenAI内部法律团队将名称含"Tesla"的实体视为马斯克关联方 尽管实际所有人为七旬老夫妻且命名源于街道历史[22][23] 马斯克与OpenAI法律争端 - 马斯克于2024年3月起诉OpenAI 指控其背叛"不为了盈利、AGI交给全人类"的初心 并让ChatGPT发展路线向微软商业利益倾斜[8] - OpenAI回应称马斯克当年投资时曾要求控制董事会席位、产品方向及推动与特斯拉合并 被拒后撤资并另起炉灶[9][10] - 争议核心涉及AGI控制权问题：开源非营利初心与数百亿美元算力成本及全球竞争压力的现实矛盾[14] OpenAI政治策略 - OpenAI于2025年成立政治行动委员会"Leading the Future" 可合法接收政治捐款、投放广告及游说国会议员[17][18] - 该组织任务从解释商业转型理由转变为在社交媒体、论坛及政策领域排查反对者 包括追踪转发马斯克内容及批评言论者[21] - OpenAI采用"反对即削弱美国AI优势"的话语策略 将马斯克、扎克伯格及eBay创始人奥米迪亚列为对手[25][26] 行业影响与争议 - 法律争端暴露AGI发展核心困境：非营利结构可能扼杀进化 完全市场化则存在科技新殖民风险[14] - 监管机构、非营利组织及科研团体作为社会监督体系的一部分 正面临被收编、冷处理及法务威胁的现象[29] - 争议从商业纠纷演变为权力话语权之争 焦点从"谁说了什么"转向"谁有权说话"[28][29]