文章核心观点 - 2025年12月30日，英矽智能、林清轩、迅策、卧安机器人、美联股份、五一视界（51WORLD）等6家公司在港上市，强一股份、誉帆科技、双欣环保等3家公司在A股上市，9个IPO同日亮相，标志着2025年中国资本市场的火热收官 [3] - 2025年A股与港股IPO市场均显著回暖，上市数量与融资额大幅增长，反映出政策支持、市场情绪高涨以及中国优质资产获得国际认可 [17][19][20] 9个IPO公司概况 - **美联股份**：成立于1999年，从事预制钢结构建筑建造与综合服务，2024年收入超过15亿元，在中国预制钢结构建筑市场工业领域排名第三 [5] - **林清轩**：品牌注册于2003年，专注于高端护肤品，其核心产品山茶花精华油累计卖出超4500万瓶，连续11年蝉联中国面部精华油销量冠军 [5][6] - **双欣环保**：成立于2009年，业务涉及聚乙烯醇产业链上下游产品 [6] - **誉帆科技**：成立于2012年，专注于排水管网系统的智慧诊断、病害治理及运营维护 [6] - **英矽智能**：成立于2014年，利用AI驱动药物发现平台，已产生超20项临床或IND申报阶段资产，其中三项资产授权合约最高总价值达20亿美元 [6] - **五一视界（51WORLD）**：成立于2015年，利用数字孪生技术提供行业解决方案，已与摩尔线程合作探索智能驾驶与具身智能的AI基础设施 [7] - **卧安机器人**：成立于2015年，由李泽湘教授孵化，是融合AI技术的家庭机器人系统提供商 [7] - **强一股份**：成立于2015年，专注于面向半导体设计与制造的专业探针卡 [8] - **迅策**：成立于2016年，为资产管理行业提供实时数据基础设施及分析解决方案 [8] 上市首日表现与市值 - 港股公司开盘后市值分别为：英矽智能超193亿港元、林清轩超127亿港元、迅策超154亿港元、卧安机器人超164亿港元、美联股份超12亿港元、五一视界超160亿港元 [3] - A股公司开盘后市值分别为：强一股份超323亿元、誉帆科技超64亿元、双欣环保超245亿元 [3] 投资人阵容与融资情况 - **五一视界（51WORLD）**：获得光合创投、摩尔线程、途家、当代置业、Star VC、商汤科技、松禾资本等支持，融资至F轮 [11] - **英矽智能**：上市前华平投资为单一最大股东，投资方包括红杉中国、高瓴、启明创投、CPE源峰、沙特阿美等，2025年E轮融资后估值超13亿美元 [11][12] - **卧安机器人**：股东包括松山湖机器人研究院、盈湖智能、源码资本、高瓴创投等，高瓴是出资最多的基石投资人，李泽湘通过相关实体合计控制12.98%股权 [13] - **迅策**：从腾讯、KKR、高盛、云锋基金等机构融资超21亿元，估值超62亿元 [13] - **林清轩**：2021年连续完成两轮融资，投资方包括海纳亚洲创投基金SIG、头头是道基金、碧桂园创投等，2024年引入启承资本为股东 [13][14] - **美联股份**：融资轮次较少，招股阶段获得121倍超购 [14] - **强一股份**：获得华为旗下哈勃投资、丰年资本、元禾璞华、基石资本等青睐 [14] 2025年A股IPO市场动态 - 2025年沪深北三大交易所合计受理244家企业的IPO申请，其中180家是在6月科创板“1+6”等新政后受理 [17] - 2025年A股新上市企业数量合计111家，较2024年全年增长12.12% [17] - 2025年A股IPO募集资金合计1253.24亿元，较2024年全年增长96.25% [17] - 2025年初至12月29日，上市新股无一破发，上市首日平均涨幅达到256.77% [17] - 上交所发布指引，支持商业火箭企业适用科创板第五套上市标准 [18] 2025年港股IPO市场动态 - 截至2025年12月19日，共有106家公司在港上市，融资总额达2746亿港元，远超2024年的875亿港元 [19] - 若计入近期上市公司，2025年登陆港股公司数量将超115家，远超2024年的71家 [19] - 2025年港股新股市场融资额位居全球第一 [19] - 2025年约19项A+H股上市项目的融资金额将占港股新股融资总额的一半 [20] - 德勤预测2026年香港新股市场融资额有望至少达到3000亿港元 [21] - 目前排队申请在港上市的公司数量已突破300家，包括壁仞科技、天数智芯、智谱、MiniMax等公司 [21]

公司上市与市场表现 - 公司于香港交易所首次挂牌上市，股票代码06651，每股发行定价为30.5港元 [1] - 本次上市共发行2397.52万股股份，每手200股，募集资金净额约为6.528亿港元 [1] - 上市首日股价表现强劲，截至发稿时股价上涨14.75%至35港元，成交额达到1.14亿港元 [1] 公司业务与技术定位 - 公司是一家中国的数字孪生科技公司，其技术核心围绕Physical AI（物理人工智能）构建 [1] - 公司在Physical AI的三个关键组件（数据燃料、空间模型、训练平台）上拥有完善的技术能力 [1] - 公司构建了“合成数据-空间智能模型-仿真训练平台”全链条物理AI闭环生态，形成了技术与生态壁垒 [1] - 公司是全球少数真正具备Physical AI三要素的公司之一 [1] 产品线与商业化进展 - 公司已推出三大核心业务：51Aes（数字孪生平台）、51Sim（合成数据与仿真平台）及51Earth（数字地球平台） [1] - 公司的产品及解决方案已被全球超过1000家大中型企业广泛应用，业务遍及全球19个国家及地区 [1] - 其Physical AI产品系统已在智能驾驶、交通枢纽、智慧工厂、智慧能源等多个垂直场景实现商业化落地 [1]

港股新股上市概况 - 2024年12月30日将有6只新股在港交所主板上市 港交所将再现六锣齐鸣 上一次出现此情况是在2024年7月9日[1] - 6只新股暗盘表现分化 其中5只上涨 1只下跌[1] 各新股暗盘表现及市值详情 - **英矽智能 (3696.HK)**: 人工智能驱动药物发现及开发公司 暗盘收涨53.26%至36.86港元 总市值达205.46亿港元[1][2] - **五一视界 (6651.HK)**: 中国数字孪生科技公司 暗盘收涨23.54%至37.68港元 总市值达153.11亿港元[1][2] - **林清轩 (2657.HK)**: 中国高端国货护肤品牌 暗盘收涨18.75%至92.35港元 总市值达128.98亿港元[1][2] - **美联股份 (2671.HK)**: 预制钢结构建筑服务提供商 暗盘收涨18.31%至8.40港元 总市值达10.13亿港元[1][2] - **迅策 (3317.HK)**: 中国数据基础设施及分析公司 暗盘收涨2.04%至48.98港元 总市值达157.96亿港元[1][2] - **卧安机器人 (6600.HK)**: 暗盘收跌8.67%至67.40港元 总市值达149.78亿港元[1][2]

行业与公司战略 - 三峡工程作为世界上最大的水利枢纽工程 是国家“西电东送”和“南北互供”的骨干电源点[3] - 该工程正在大数据、云计算、人工智能、数字孪生等技术赋能下加速变革[3] 技术应用与转型 - 公司正利用大数据、云计算、人工智能、数字孪生等前沿技术推动工程智慧化转型[3] - 公司通过技术赋能 在新时代给出了智慧“三峡方案”[3]

上市事件概览 - 2025年12月30日，港交所主板将有6只新股同时上市，重现“六锣齐鸣”的景象 [2][10] 英矽智能 (03696.HK) - 公司是一家由人工智能驱动的药物发现及开发公司 [3][11] - 依托自研Pharma.AI平台，高效推进超过20项处于临床或IND申报阶段的管线资产，覆盖肿瘤、免疫、纤维化等重大疾病领域 [4][12] - 联席保荐人为摩根士丹利、中金公司、广发证券 [3][11] - 获得包括礼来、腾讯、淡马锡、施罗德在内的15家基石投资者合计1.15亿美元的基石认购 [3][11] - 招股价为24.05港元，发行9469.05万股，最高募资额约为22.77亿港元 [3][11] 五一视界 (06651.HK) - 公司是一家18C特专科技、数字孪生科技公司 [4][12] - 为生态合作伙伴提供接入及构建数字孪生的解决方案，致力于打造“数字孪生地球” [5][13] - 根据弗若斯特沙利文数据，公司是数字孪生行业内首家提出并实践地球克隆计划的公司，2024年在数字孪生行业收入排名第一，并且是中国该行业首家实现年收入超过2.5亿港元的公司 [5][13] - 联席保荐人为中金公司、华泰国际 [4][12] - 招股价为30.50港元，发行2397.52万股，最高募资额约为7.31亿港元 [3][11] 卧安机器人 (06600.HK) - 公司是全球最大的AI具身家庭机器人系统提供商 [5][14] - 由哈尔滨工业大学校友于2015年共同创立，推动AI具身技术在家庭生活场景的应用 [5][14] - 根据弗若斯特沙利文报告，2024年按零售额计，公司是全球最大的AI具身家庭机器人系统提供商，市场份额为11.9% [5][14] - 联席保荐人为国泰君安国际、华泰国际 [5][14] - 获得高瓴、信庭基金等基石投资者合计8998万美元（约7亿港元）的基石认购 [5][14] - 招股价区间为63.00至81.00港元，发行2222.23万股，最高募资额约为18.00亿港元 [3][11] 林清轩 (02657.HK) - 公司是中国高端国货护肤品牌，聚焦抗皱紧致类护肤品市场，主打基于山茶花成分的高端护肤方案 [6][15] - 根据灼识咨询资料，2024年按零售额计，公司在中国所有高端国货护肤品牌中排名第一 [6][15] - 联席保荐人为中信证券、华泰国际 [6][15] - 获得富达基金、大湾区发展基金等基石投资者合计6200万美元（约4.83亿港元）的基石认购 [6][15] - 招股价为77.77港元，发行1396.645万股，最高募资额约为10.86亿港元 [3][11] 迅策 (03317.HK) - 公司是中国数据基础设施及分析公司，战略重点是资产管理人，提供实时数据基础设施及分析解决方案 [6][15] - 根据弗若斯特沙利文资料，2024年按收入计，公司在中国资产管理行业的实时数据基础设施及分析市场中排名第一，市场份额约为11.6% [6][15] - 独家保荐人为国泰君安国际 [6][15] - 获得中视金桥、Alphahill基金等基石投资者合计约3.08亿港元的基石认购 [6][15] - 招股价区间为48.00至55.00港元，发行2250.00万股，最高募资额约为12.38亿港元 [3][11] 美联股份 (02671.HK) - 公司是预制钢结构建筑服务提供商，为工业领域建筑项目提供设计、采购、制造和安装等综合服务 [7][16] - 根据弗若斯特沙利文报告，2024年按收入计，公司在中国预制钢结构建筑市场的工业领域中排名第三，市场份额为3.5% [7][16] - 独家保荐人为申万宏源香港 [7][16] - 获得彩云家族信托等基石投资者合计5150万港元的基石认购 [7][16] - 招股价区间为7.10至9.16港元，发行2460.00万股，最高募资额约为2.25亿港元 [3][11]

世界模型与数字孪生概述 - 自动驾驶领域的研究离不开世界模型和数字孪生，核心目标是为感知模型构建虚拟训练环境并缩小其与真实世界的差距[5] - 世界模型的本质目的是理解世界动态并预测未来场景，所有研究路径均以此为核心共识[7] - 数字孪生的作用是在虚拟世界中定义自动驾驶车群的各个环节与要素，通过自由切换时空来低成本、高效率地研究关键技术，从而驱动现实世界技术的发展与落地[19] 世界模型的定义与发展 - 世界模型存在概念泛化问题，当前定义的核心是以视频为底座的“时空认知”，需要大量视频数据，游戏是重要的训练数据来源[7] - 研究分为两大分支：“内部表示”学派用潜在变量建模环境以辅助决策，“未来预测”学派生成真实视频并转向具身交互[7] - 具身环境的世界模型正从单纯模拟视觉动态，转向构建包含空间结构和物理交互的沉浸式环境，以为智能体提供全面学习平台[8] - 世界模型的发展历程包括：心理学起源（1971）、Ha等人首次系统构建（2018）、LeCun的JEPA框架（2022）、LLMs的隐性世界知识（2023）以及OpenAI的Sora实现显性模拟（2024）[10] 世界模型的核心要求与应用方向 - 世界模型需具备物理一致性、多尺度时空建模（从毫秒到分钟，从厘米到公里）以及因果推理能力[11] - 三大核心应用方向包括：作为基础模型的预训练方式、用于仿真和数据生成以补充真实数据不足、以及进行端侧推理以实现实时环境变化预测[11] - 在自动驾驶中，世界模型需要实时感知路况并准确预测其演变；在机器人技术中，则对导航、物体检测和任务规划等任务至关重要[11] 世界模型的技术路径与场景构建 - 3D高斯可能是最有前景的表征方式，但需解决核函数优化问题；神经辐射场（NeRF）与动态建模的组合也值得探索；分层建模可为不同目的服务[12] - 室内环境构建从纯视觉发展到多模态、社交交互及LLM驱动指令生成；室外环境构建早期通过检索3D资产，突破性进展包括使用3D生成模型构建可定制城市（如UrbanWorld）和程序生成的沙盒环境（如MineDOJO）[12] - 动态环境构建实现革命性转变，从静态预定义环境转向生成式模型实时动态模拟，代表工作有UniSim、Pandora和Streetscapes[12] 自动驾驶中世界模型的应用形态 - **学习隐式表示**：通过感知数据在潜在空间构建世界状态的抽象表征，将多模态输入转化为几何/语义空间以预测交通参与者未来轨迹与行为，技术演进从PointNet、CNN到Transformer多摄像头BEV融合及多模态LLM应用[16] - **世界模拟器**：直接生成车辆感知数据（如视频、3D占据网格）以模拟未来世界状态，传统几何空间模拟存在信息丢失、计算昂贵等局限，视频生成方案（如扩散模型GAIA-1/DriveDreamer）能直接生成逼真相机数据并支持文本控制[16] - 数据的表示形态包括图像/视频（如GAIA-1生成多视角驾驶视频）和BEV鸟瞰图（如BEVWorld统一感知-预测-规划）[16] 自动驾驶中世界模型的具体应用与车企落地 - 主要优势在于生成罕见场景（Corner Case），以降低实车路测成本，案例如MagicDrive3D实现可控3D场景生成，DriveDreamer-2用LLM增强多样性[17] - 支持端到端驾驶，如BEVWorld通过统一潜在空间整合感知、预测和规划，实现端到端优化[17] - 交通场景模拟可在几何空间、视频空间（基于扩散的视频生成模型）和3D空间（如OccWorld预测3D占据网格）中进行[17] - 车企落地情况：蔚来有NWM世界模型提供仿真闭环训练环境；小米有ORION框架集成仿真工具链；Wayve有GAIA-1生成式世界模型支持多模态条件[17] 数字孪生的层次与相关技术 - 数字孪生体现在多个层次：物理世界建模/数字化（将现实世界映射到虚拟空间）、模型迭代（利用虚拟环境数据训练感知模型）以及系统迭代（在仿真软件中研究系统并找出解决方案）[20][21] - 相关技术包括：3D占用网格（如OccSora）、点云预测（如Copilot4D预测雷达点云变化）、混合表示（如MaskGWM结合视频掩码重建）、利用LLM进行场景理解（如TOKEN将交通场景标记为对象级知识）以及运动预测（如Trajectron++预测多智能体轨迹）[22] 倾斜摄影三维重建流程 - 流程包括：图像预处理（畸变校正、曝光均衡）、空中三角测量（解算图像精确内外参）、密集匹配（生成高密度点云）、网格构建（生成三维几何网格模型）、纹理映射（生成纹理逼真的三维模型）以及模型优化与输出[23][24][25][26][27] MVSNET技术流程 - 流程包括：输入准备（接收多幅图像及相机参数）、特征提取（用CNN提取像素级特征）、代价体构建（计算特征相似度构建三维代价体）、代价体正则化（用3D卷积网络滤波）、深度图回归（计算深度概率分布生成深度图）以及后处理（优化深度图）[30][31][32][33] NeRF技术原理与演进 - NeRF用一个连续的体积函数表示3D场景，输入3D坐标和视角方向，通过训练神经网络预测点的颜色和密度，并使用体积渲染公式合成新视角图像[34][36] - 原始NeRF训练慢、渲染慢、内存占用大，后续改进包括：Instant-NGP+使用哈希编码将训练速度提升100倍；Mip-NeRF+解决抗锯齿问题；Block-NeRF+支持城市级大场景；D-NeRF+支持动态场景[37] - 与MVSNET区别：MVSNET是显式几何流水线，先生成点云/网格再渲染；NeRF是隐式场方法，直接学习连续函数并可通过体渲染生成任意视角图像[39][40][41] - 在跨场景泛化方面的改进工作包括：代价体编码（如MVSNeRF）、点云特征外挂（如Point-NeRF）、使用注意力机制聚合多视图（如IBRNet）、引入2D大模型先验（如DreamFusion）以及元学习/预训练流程（如Meta-NeRF）[44][45][46][48][50] 3D高斯溅射（3DGS）技术原理 - 核心思想是将三维场景显式地建模为数百万个可学习的3D高斯基元，每个基元包含位置、协方差（决定椭球形状）、不透明度和视角相关颜色（用球谐系数表示）等参数[52][53] - 基本流程：用COLMAP做SfM初始化稀疏点云和高斯球；进行视锥剔除；通过可微分投影将3D高斯变换到2D；采用分块光栅化（Tile-based splatting）按深度排序并行渲染；计算损失并反向传播优化所有参数；通过自适应密度控制（克隆、分裂、剪枝）来增删基元[57][58][59][60][61][62][63][64] - 自适应增删基元的依据：增基元依据梯度反馈、几何特征和多视角一致性；删基元依据全局重要性评分、多视角一致性和几何特征；通过克隆、分裂、直接删除或软剪枝等方式实现，并周期性执行以保持优化稳定性[71][72][74][75][76][77][79][80][82][83][85] 3DGS在自动驾驶领域的应用 - **高精度场景重建**：AutoSplat框架通过物理约束优化实现高度逼真的自动驾驶场景还原；GaussianOcc通过全自监督3D占用估计技术，在无LiDAR标注下使占用预测精度比传统方法提升15%-20%；LumiGauss解决极端光照场景重建失效问题；EGSRAL可实现大规模驾驶场景的自动化3D重建与语义标注[88][89][90][91] - **感知能力增强**：DepthSplat实现3DGS与深度估计的直接联动，可修正LiDAR因遮挡导致的深度误差，使对弱势交通参与者的深度估计误差降低至5厘米以内；3DGS与SLAM融合可实时区分静态背景与动态物体，使定位误差从传统SLAM的0.5米降低至0.1米以内[92][93] - **动态场景建模**：DrivingGaussian专为环视相机设计，采用分区域高斯建模策略，实现360°全方位动态场景重建；GaussianCity通过高斯点分层存储与动态加载技术，将城市场景重建速度提升60倍，可实现平方公里级区域的实时建模[94][95] - **仿真闭环**：3DGS通过高保真场景生成与实时交互，为自动驾驶算法迭代构建更真实的数字孪生仿真环境[97] - **动态场景建模技术**：S³Gaussian采用自监督学习，通过时空场网络和多头高斯解码器实现无需标注的动态场景分解；DrivingGaussian采用增量静态高斯和复合动态高斯图的分层建模策略，并通过引入LiDAR先验使静态背景重建误差降低40%[98][100][102]

核心观点 - 都江堰灌区通过建设数字孪生系统与智慧水利平台 实现了从传统人工管理向数字化、智能化调度的跨越 显著提升了水资源调配效率、工程安全与农业灌溉效益 [1][2][3][4] 数字化与智能化建设 - 构建了“一云、一网、一中台、一平台”信息化架构 汇聚海量数据资源 基本完成“算据、算法、算力”的协同配置 [3] - 建成都江堰渠首数字孪生系统 对26.7平方公里的渠首区域进行三维实景建模 接入了百余个视频监控与安全监测设备 [2][3] - 系统实时监控59孔闸门状态、三十多个关键位置画面及二十多处传感器数据 实现了工程运行的数字化同步 [2] - 通过数字孪生系统提前模拟水流与工程响应 在应对2024年近十年最大洪峰及2025年成都极端暴雨中为防汛提供了精准导航 [3] 运营效率提升 - 关键闸门自动化改造后 灌溉期间调闸时间从过去的动辄四小时缩短至十分钟内 [2] - 灌区在千余处关键断面安装了实时计量设施 并对近三百座关键闸门进行了自动化改造 [2] - 种植户通过信息化渠道反馈用水需求 水务部门响应解决时间可缩短至20分钟内 [4] - 通过智慧系统推行“轮灌”等精细化调度策略 科学平衡不同用户与区域的用水需求 实现“按需配水” [4] 灌区规模与经济效益 - 都江堰灌区幅员2.86万平方公里 年引水超百亿立方米 灌溉面积已达1165万亩 [3] - 灌区覆盖四川8市41个县(市、区) 服务人口超过3000万 年供水总量稳定在70亿立方米以上 [3] - 近年来灌区累计改善灌溉面积308万亩 新增粮食产能1.43亿斤 [3] - 按照规划 “十五五”期间现代化改造工程完成后 预计将新增灌溉面积22万亩、改善灌溉面积335万亩 [4]

2025年12月26日（周五），养心殿重新开放！ 养心殿位于乾清宫西侧，西六宫迤南，始建于明代嘉靖十六年（1537年），曾为明清多位帝王理政起居 之所。 转自：北京日报客户端 修缮前的养心殿建筑存在瓦顶天沟开裂、梁柱糟朽、墙体空鼓、油饰彩画剥落等问题，原状陈列文物也 受到紫外线光照、室内环境变化等因素的侵袭，部分出现老化、损伤情况。因此，经过慎重评估，2015 年12月，作为故宫"百年大修"的核心工程，养心殿研究性保护项目正式启动，这是养心殿历史上首次系 统性的、基于深入研究的保护与修复项目。 3 te 号根 三 歲 元 周 百 t T Press Black 四世史发 615 1 under and state the state 5 22 养心殿研究性保护项目以"价值评估、技艺传承、人才培养、机制创新"为核心，以"最大限度保留古建 筑历史信息、不改变古建筑和文物原状"为原则，组建了由资深专家组成的咨询委员会和技术质量顾问 组，联合多所高校与科研机构开展跨学科协作。 修缮前期，工作人员先是完成了殿内一千余件可移动文物的撤陈与数据采集，每件文物都配备量身定制 的四层防护箱匣，确保转运安全。亟待修复的文物们被送 ...

实战化军事训练取得新成效 - 军事训练历经白刃格斗、火器射击、现代兵器使用和信息化武器装备使用四次技术形态变化，其底层逻辑是技术创新、观念革新和严格训练落实 [2] - 作为战争的预实践，军事训练离实战越近，离打赢就越近，必须从难从严从实战出发进行训练 [2] - 革命战争年代，我军通过“三操两讲一点名”等贴合实际的训练组织形式，大幅提高了官兵作战技能和杀敌本领 [2] - 新中国成立后，探索了轮番训练和轮换训练方法，60年代初创立的郭兴福教学法将练思想、练作风与练战术、练技术结合，催生了群众性大练兵、大比武活动 [3] - 1981年组织的华北大演习对统一和规范训练方向、内容和重点起到了至关重要的作用 [3] - 2018年中央军委举行开训动员大会后，全军实战化训练目标更清、导向更明，涌现大批比武项目，综合训练基地涵盖各类特殊环境，各战区组织系列联合演练，全面加强实战化军事训练取得新成效 [4] 新型军事训练体系加快形成 - 全军部队以创新赋能训练方式方法，初步构建起新型军事训练体系，部队战斗力建设提质增效 [6] - 新时代通过深入开展战斗力标准大讨论、组织全军实战化军事训练座谈会，牢固确立了“战斗力这个根本的唯一的标准”思想，全力建设新的军事训练理论体系以指导实践 [6] - 陆军某部展开全潮时濒海训练提升跨海两栖作战能力，海军大批指挥员经过复杂电磁环境训练，空军“金头盔”比武上演高难度对抗，火箭军多支导弹部队完成快速发射训练，实战化训练使战斗力标准落地为战场实践 [7] - 2019年，《中国人民解放军军事训练监察条例（试行）》正式施行，这是我军军事训练监察领域第一部法规，对加强训练管理、深化实战化训练具有深远意义 [7] - 2021年年初，中央军委印发《关于构建新型军事训练体系的决定》，开始按“基础—合成—联合”战斗力生成新路径创新军事训练实践 [8] - 2023年召开全军基础训练现场会，2024年召开全军合成训练现场会，2025年举办全军训练场地建设观摩交流活动，战训一体耦合、理念模式先进的新型军事训练体系正在加快形成 [8] 科技练兵为战斗力跃升注入动能 - 当前以人工智能为代表的技术全方位渗透赋能，机械化信息化智能化交织叠加，新一轮科技革命和军事革命加速演进，无人智能作战系统广泛应用可能从根本上改变战场规则 [10] - 未来战争形态向信息化智能化融合发展，需统筹智能化引领、信息化主导、机械化筑基的融合发展关系 [11] - 可通过军事大数据、作战资源云、战场物联网及人工智能知识学习筑牢智能化思维根基，精细构想AI虚拟蓝军、可穿戴设备监测、预测性维护等智能技术训练应用场景 [11] - 可借助VR/AR、数字孪生等技术构建多域沉浸环境，利用大数据量化分析训练短板，引入AI作为虚拟战友或智能蓝军，在高度逼真的体系对抗中锤炼人机智能融合、功能分配共享乃至角色互换合作的能力 [11] - 富有生命力的智能化训练体系需构建以上带下训练穿透路径、以下带上训练反馈回路及上下互动训练协同生态，形成双向赋能、循环优化的生态系统 [12] - 可借助算法模型将宏观作战概念解构为可量化的战术指标与训练课题，形成能力图谱，体系化提升整体作战效能，缩短战斗力生成周期 [12] - 未来智能化训练需突破军种、领域、时空与环节壁垒，构建和完善全领域联合、全地域复合、全过程优化的训练体系 [13] - 可借助人工智能和数字孪生技术快速生成包含复杂电磁环境、城市巷战、混合战争场景及复杂气候地形变量的定制化虚拟战场 [13] - 可利用融合实兵、虚拟与构造技术构建高逼真、可交互、支持不同地域部队同步参训的联合仿真环境，让部队在未知高压的虚拟空间中反复磨炼策略 [13]

文章核心观点 - 生成式AI发展进入新阶段，行业共识认为未来将由“公共AI”与“个人AI”共同构成，确立“个人AI主权”是AI从助手进化为队友的关键分水岭 [2] - 当前AI智能体面临信任危机，因缺乏主权界定与统一标准，其试图通过侵入式技术（如后台录屏）跨应用协作的方式引发了隐私与安全担忧，加剧了数据孤岛 [2][3][4][5] - 解决之道在于由同时掌握终端、系统与架构的厂商，从底层操作系统层面重新定义协作规则与安全边界，构建以个人为中心的新产业架构 [5][7] - 联想作为全球PC市场份额第一的厂商，凭借其硬件入口优势，正通过推出天禧AI生态、制定开放协议（如MCP、A2A）及基础设施（如TAC、TAP），致力于构建基于主权互认的新秩序与可持续生态 [16][17][20][37] 架构之变：为主权寻找物理领土 - 落实个人AI主权需要一块完全由用户控制的“物理领土”，具备大算力、大存储且私有属性强的PC成为关键载体 [7] - 新型个人AI产业架构从以平台为中心的流量分发，转向以个人为中心的**三层服务交付架构**：整合层（整合算法、数据、算力）、服务层（智能体直接交付服务）、能力层（算力、模型、OS厂商支撑） [7][8] - 该架构将感知、预处理等隐私相关任务置于本地执行，复杂计算协同到云侧，并利用TEE安全隔区、可信计算平台等机制，从源头减少隐私担忧 [9] - 个人AI主权的核心是用户拥有对数字分身的绝对控制权，包括专属AI记忆、被遗忘权及让算法越来越像自己的算法主权 [10][11] 秩序之变：为AI生发繁荣生态 - 联想引入**模型上下文协议（MCP）** 与 **A2A协议（Agent to Agent）**，以基于用户授权的标准化接口取代侵入式的“截图+图像识别”模式，用协议重建信任 [17] - 商业逻辑从**SEO（搜索引擎优化）转向GEO（生成式引擎优化）**，以任务完成率为衡量标准，智能体竞争从入口曝光转向“能力参与分工” [18][19] - 联想构建了**智能体连接（TAC）** 与 **智能体支付（TAP）** 等基础设施，为智能体协作提供能力接入、身份管理及价值分账保障 [20] - 联想启动 **“天禧AI生态智能体先导计划”**，承诺在未来12个月内将智能体产生的利润100%让利给开发者，打破流量垄断，践行服务层变革 [20] - 目前天禧生态已吸引火山引擎、DeepSeek、ChatExcel等伙伴，孕育出**超过5000个智能体和AI应用**，生态的**月活跃用户突破2.8亿** [22] 体验之变：因为可信，所以孪生 - 在主权与安全基础上，天禧AI正向“数字孪生”终极形态进化，即“天禧AI一体多端”，其个人智能体将从助手升级为队友乃至用户的数字分身 [25][26][28] - **天禧AI 3.5**实现三大质的飞跃：**连续的记忆**（通过全时空主动记忆技术构建个人知识库）、**行动的协同**（通过A2A协议实现多智能体组队工作流）、**交互的平权**（通过AI用户界面AUI让软件适应用户） [30][31][33] - 具体应用场景包括：AI播客功能将微信公众号长文转为语音；ChatExcel根据用户指令自动将表格数据生成可视化分析图表 [31][32] - 未来的**天禧AI 4.0**将是硅基与碳基生命在主权框架下的深度融合，实现“思你所想、行你所愿”的主动服务，而不仅是等待指令 [33] 长期竞争与行业意义 - AI竞争正从模型能力转向**制度设计与主权定义的竞争**，关键在于保障个人AI主权，构建可信协作机制、清晰责任边界及可持续商业分配结构 [37] - 联想凭借**全球PC市场份额第一**的硬件入口优势，有能力推行一套涵盖TAC、TAP、THCP的安全开放标准，作为“数字宪法”划定数据归属与协作边界 [37] - 联想押注 **“主权基建”路线**，以物理AI（PC）为主权底座，以生态协同与开放协议为主权律法，让AI能力扩张与用户安全边界相互制衡 [37] - AI从助手变成队友，不仅需要更强模型，更需要能被广泛接受的规则体系，**PC正在成为这一转型的关键舞台** [38]