文章核心观点 - 大模型演进史是与“遗忘”抗争的历史，当前以高昂算力对抗遗忘的粗放模式面临物理极限，2026年及之后的AI基础设施主战场将增加“模型记忆”这一极 [1] - 模型记忆可解构为短期、中期、长期三个垂直层级，各层级对应不同的软件技术与底层存储硬件需求，构成了分析AI时代基础设施投资的结构化范式 [4][8] - 短期记忆是单次推理的“当前视野”，核心矛盾在于KV Cache对显存容量与带宽的双重挤占，软件优化与硬件升级是突破“显存墙”与“延迟墙”的关键 [4][17] - 中期记忆保障跨会话的情景连续性，是Agent的基石，其动态管理系统影响Agent能力上限，也是构建私有数据壁垒的核心变量 [4][15] - 长期记忆支撑模型从预训练走向“持续进化”，旨在打破预训练截止时间的限制，其实现路径将催生新的软硬件需求，并模糊训练与推理的界限 [4][5][45] 模型记忆分层框架总览 - 公司提出原创的模型记忆分层框架，从功能维度将记忆解构为短期、中期、长期三个垂直层级 [8] - 短期记忆构成大模型单次推理的“当前视野”，是高频读写、对延迟极度敏感的“热数据” [4][17] - 中期记忆保障跨会话的情景连续性，是Agent的基石，承载从被动检索向主动治理的范式转移 [4][15] - 长期记忆支撑模型从预训练走向“持续进化”，旨在打破预训练截止时间的限制，实现知识的持续积累 [5][45] - 在AI基础设施体系中，数据流转围绕训练、推理与Agent运行三个核心阶段，构建起由短、中、长期记忆协同的多级存储架构 [12] 不同AI场景对应的记忆分层系统 - 训练阶段以长期记忆写入为核心，本质是将海量语料固化为模型参数，工程压力集中于HBM的计算带宽与SSD的检查点持久化写入 [13] - 推理阶段目前由短期记忆主导，其核心瓶颈在于KV Cache对HBM容量的挤占，推理成本对显存利用率较为敏感 [14] - Agent的落地则需要中期记忆作为支撑，中期记忆的活跃度直接决定了Agent在复杂生产环境中的交付上限，是未来AI应用层突破的核心变量 [15] 短期记忆：即时交互下的吞吐与延迟博弈 - 短期记忆的物理载体是显存中的KV Cache，其显存占用随上下文长度呈线性增长，传统内存管理技术会导致显存浪费率高达60-80% [17][19] - 面临物理资源、计算模式以及Agent场景的三重博弈：1) 容量与带宽的双重“显存墙”；2) 预填充（计算密集型）与解码（存储密集型）阶段的算力权衡；3) Agent场景下因缺乏记忆管理导致的重复计算 [19][20] - 软件解法包括单卡显存虚拟化与集群算力调度优化，例如PagedAttention机制可将显存有效利用率提升到96%以上，PD分离调度可优化集群资源 [22] - 模型架构前沿探索包括线性注意力机制（如RetNet、Mamba）和无限注意力（Infini-attention），后者是支撑Gemini 1.5 Pro百万上下文窗口的关键，能实现114倍的记忆状态压缩 [25][26] - 硬件需求对应三类：1) HBM用以承接KV Cache膨胀；2) 片上SRAM负责处理瞬时状态，提供更低延迟；3) NVLink等互连技术编织分散的显存资源池 [27] 中期记忆：AI Agent的基石 - 中期记忆旨在解决短期记忆的物理瓶颈和长期记忆的调用时延矛盾，是一个依赖“存储-检索-更新-遗忘”动态生命周期管理的复杂系统 [29][30] - 面临三大挑战：1) 存储环节，向量检索产生大量随机I/O延迟，DRAM与高性能NVMe SSD的随机访问延迟差距达1000倍；2) 检索环节，语义相似但逻辑冲突导致“上下文污染”；3) 更新和遗忘环节，低价值信息挤占上下文窗口 [30][31] - 软件解法中，RAG技术栈正呈现结构化趋势：向量RAG解决“找得到”；分层RAG（如RAPTOR）通过递归摘要树解决“看不全”；GraphRAG引入知识图谱解决“想得透”，在处理全局性查询时能实现9-43倍的上下文Token压缩 [32][34][35] - Memory OS架构赋予Agent主动管理记忆生命周期的能力，在测试中相比基线准确率提升43.7%，同时Token节省35.24% [37][40][42] - 中期记忆的工程化落地将拉动向量数据库与图数据库的增量需求，并有望沉淀为企业私有数据资产 [42] - 硬件需求主要对应三类：1) 大容量DRAM用于常驻热点索引与图谱拓扑；2) 企业级NVMe SSD承载海量原始内容切片与部分索引，需满足高IOPS和低延迟；3) 高性能CPU负责向量距离计算与图遍历等逻辑密集型任务 [43][44] 长期记忆：知识固化的三条路径与存储新蓝海 - 长期记忆让AI打破预训练截止时间的限制，实现知识的积累与实时更新，模型训练与推理的界限正在逐渐模糊 [45] - 路线一：内隐参数——通过微调或训练将知识固化进模型参数，更新慢但稳定，写入成本较高 [46] - 内隐参数的软件解法包括测试时训练机制（如Google Titans）和存量改造（如LoRA），前者通过实时计算梯度更新记忆模块权重 [47][48] - 内隐参数的硬件需求推动推理芯片“训练化”重构：计算需回归FP16或BF16高精度；HBM不仅存储权重，还需存储梯度信息 [50][51] - 路线二：外显语义——将多次会话沉淀的结构化信息作为可查阅的“百科全书”，核心诉求是可解释、可编辑、可审计 [51] - 外显语义的软件栈催生多类数据库需求：键值型数据库用于状态与偏好管理；文档型数据库用于语义对象存储；关系型数据库用于权限与规则管控；向量数据库或索引用于相似性检索 [51][52] - 外显语义的硬件需求本质是PB级海量温数据与高并发随机读取，催生企业级NVMe SSD、CXL内存池化以及高性能CPU的需求 [54] - 路线三：Engram启发下的参数化查表——由DeepSeek提出，将静态、模板化知识以内嵌参数表形式保留，通过确定性稀疏查找在推理期按需调用，实现O(1)时间复杂度的静态查表 [56] - Engram的产业意义在于改变记忆对硬件的依赖，允许将大规模嵌入表从有限且昂贵的HBM转移到成本更低、容量更大的DRAM，并通过CXL、PCIe 5.0等高速互连通道访问 [58]

核心观点 - 千问在2026年春节期间通过“30亿大免单”活动，实现了AI Agent在真实世界任务执行与商业化上的重大突破，标志着AI竞争从模型能力比拼转向构建可执行、可扩展的任务型生态[3][5] - 公司依托阿里体系的消费场景、技术底座和供应链能力，跑通了从AI对话到完成下单、支付、履约的全链路，完成了大规模C端压力测试，并显著改变了用户习惯，可能重新定义全球AI竞争的格局[4][6][8][9] 行业竞争态势 - 2026年春节AI竞赛激烈，各家科技公司采用不同策略抢占C端市场，字节豆包押注国民级曝光，腾讯元宝试图复制社交裂变，而千问则直接切入高频消费场景[6] - 全球AI竞争进入下半场，规则发生根本变化，胜负手在于谁能率先构建可执行、可扩展的任务型生态并跑通商业闭环，而非早期的参数规模比拼[5] - 就在谷歌宣布测试让Gemini购买第三方平台商品功能时，千问已通过41亿次指令和超1.2亿订单完成了验证，中国公司在AI模式验证上可能首次跑在全球前沿[9] 千问春节活动表现与数据 - 在短短6天的春节活动中，用户发出了41亿次“千问帮我”指令，AI完成下单超1.2亿笔[1] - 活动期间千问日活跃用户数飙升至7352万，已逼平行业第一[1] - 免单活动开场后3小时订单破一百万，上线9小时订单破千万，服务器一度被挤爆[6] 里程碑意义与模式验证 - 1.2亿笔订单标志着全球首次实现AI Agent的大规模真实世界任务执行与商业化验证，成为AI发展史上的分水岭[3] - AI完成下单与单纯对话有本质不同，涉及意图识别、工具Agent调度、多系统协同及支付履约等复杂环节，千问成功跑通了从AI到真实世界的全链路[3][4] - 此次成功是对“模型-生态-支付-履约”全链路AI Agent的一次全方位压力测试，旨在开拓AI购物和生活的新方式[9] 用户行为与市场渗透 - 订单构成显示近半数订单来自县城，并有156万数量级的60岁以上新用户首次体验点外卖，表明AI正在突破传统科技普及的边界[6] - 全国用户通过AI下单了1000多吨鸡蛋、2300多件健身器材和1500多本图书，展示了AI在多样化、具体生活需求中的渗透能力[6] - 用户习惯分水岭已经到来，数以亿计的用户第一次直观感受到“AI改变日常生活”，科技使用门槛被显著降低[6][7] 技术与生态支撑体系 - 公司拥有芯片、云计算、模型调度三位一体的坚实技术底座，自研PPU芯片“真武810E”性能对标英伟达H20，已部署万卡集群并服务400余家外部客户，支撑了春节活动期间的高并发冲击[8] - 阿里在电商、闪购、出行、酒旅等领域的多年积累，为千问后端提供了丰富的商品供给和履约能力，快速进化为AI可调用的“衣食住行娱”服务网络[8] - 公司的全栈AI布局（阿里云、平头哥芯片、大模型研发）形成了“通云哥”黄金三角，在架构层协同优化，让算力跑出更高效率[8] 未来影响与战略意义 - 此次成功跑通的模式可能形成正向飞轮：更多用户带来更多订单，更多订单训练模型更懂真实交易，模型进步降低试错成本并吸引更多开发者构建垂直Agent应用[9] - 如果用户习惯了“动嘴AI就办成事”的顺畅交互，可能很难退回旧的交互方式，这预示着AI交互习惯的深刻变革[9] - 公司的AI战略体现了技术追求与落地应用的结合，即“不仅要追求星辰大海，更要呵护人间烟火”，标志着中国AI从“技术输出”转向“价值交付”[8][9]

OpenClaw项目的起源与病毒式传播 - 项目始于2024年4月，创始人因个人对AI私人助理的需求未被满足而启动开发，并于2024年11月决定亲手构建[9][10] - 首个工作原型在一小时内完成，核心是连接WhatsApp与云端代码执行，实现了通过聊天应用与计算机对话[11] - 项目在2026年初意外走红，关键转折点是代理自主处理了语音消息（识别格式、转换、翻译），展现出无人教导的自主能力[12] - 病毒式传播体现在：2026年1月1日出现首个网红粉丝制作视频，GitHub星标数飙升至超过18万颗，并衍生出MoltBook等社会实验[15] OpenClaw的技术架构与核心创新 - 系统核心创新在于将“语言”推进到“行动”，通过聊天入口（如WhatsApp）使AI从“工作流工具”变为“生活中的助手”，实现了“体验上的相位变化”[6] - 技术架构包含多个精密组件：聊天客户端网关（连接多平台）、代理循环（核心决策引擎）、安全带（安全限制系统）、技能系统（功能扩展）、记忆系统（Markdown文件+向量数据库）、心跳系统（触发主动行为）[16] - 技能系统放弃MCP协议，采用CLI方案，因为模型天生擅长调用Unix命令，可通过帮助菜单动态加载、自由组合，并可用脚本实现复杂工作流[16][17] - 最激进的特性是“自修改软件”，代理知道并能阅读、修改自己的源代码，了解自身系统配置，这代表了工程范式的变化[6][17][18] 开发哲学与工程实践 - 创始人提出了“代理编程曲线”三阶段模型：从简短提示开始，经历沉迷复杂编排（如使用8个代理、复杂工作流），最终高级阶段回归“短提示 + 清晰指向”[6] - 开发工作流历经演变：从IDE与Cloud Code切换，到实验Cursor，最终回归Cloud Code并采用多终端并行，后期以语音交互为主导[21] - 代码审查策略独特：不信任人类提交的PR（恐有恶意代码），但信任代理找到的代码；PR审查时先询问代理理解意图；遇到问题让代理修复而非回滚；直接提交主分支保持可发布状态[23] - 采用多代理协作开发，同时运行4-10个代理，根据任务难度和睡眠时长调整数量，分别负责探索想法、修复bug、编写文档等[23] 模型对比与选择 - 对比了Claude Opus 4.6与GPT-5 Codex：Opus性格像有趣的同事，工作方式为反复试验，适合创意任务；Codex性格直接可靠，擅长深度阅读代码后独立执行，适合需要深度代码理解的任务[22] - 最终偏好GPT-5 Codex，因为它“不需要那么多闹剧”，会默认阅读大量代码然后执行，交互性较低但更直接高效[22] 命名风波与品牌安全 - 项目经历三次更名：从技术性的“WA-Relay”，到因文化梗命名的“Claude (W-Claude)”，因Anthropic要求改名；临时改为“MoldBot”后遭加密货币投机者狙击；最终稳定为“OpenClaw”[24] - 在48小时紧急更名过程中，遭遇全面狙击：脚本抢注新账号名、GitHub/NPM包名、域名，并用其传播恶意软件，凸显了开源项目爆火后现实的“圈地”风险[6][25][26] - 最终解决方案依靠朋友网络、平台团队介入，并支付1万美元认领2016年注册的企业账号，一次性完成全平台更名[26] MoltBook现象与AI社会影响 - MoltBook是基于OpenClaw创建的AI社交网络实验，多个AI代理在类Reddit平台发帖、回复，内容涉及戏剧性话题，部分截图引发社会恐慌[6][27] - 创始人认为MoltBook是“最好的泔水”和“社会镜子”，反映了人类对AI的恐惧而非AI的真实能力，其内容差异源于用户为代理注入的个性化设定[28] - 提出了“AI Psychosis”概念，描述点击诱饵恐吓与对AI合理担忧的混合现象，认为2026年发生此事是幸运的，为社会提供了理解AI的缓冲期而非等到2030年AI更强大时[28] 安全挑战与应对措施 - 系统级访问权限带来重大安全隐患，快速注入攻击仍未解决，技能系统的Markdown文件包含复杂而微妙的攻击途径[29][31] - 技术缓解措施包括：与VirusTotal合作由AI检查每项技能、使用沙盒环境与允许列表、采用更强模型（因廉价模型极易被注入）[31] - 社会层面措施包括：提供详细安全检查清单、明确告知用户风险、强调配置责任（私有网络与开放互联网风险截然不同）[30][33] - 安全挑战带来了意外收获，吸引了大量免费安全研究，甚至让最初批评项目的安全研究员最终加入团队贡献代码[32] 商业模式与融资选择 - 项目爆火后吸引了几乎所有顶级VC的联系，可能获得“数亿，数十亿”的融资，并收到Meta、OpenAI等大型科技实验室的合作橄榄枝[32][34] - 创始人拒绝了巨额融资与收购，原因包括：对13年创业经历感到精疲力竭（尤其是人际关系管理）、恐惧企业利益冲突损害开源精神、以及目睹社区热情后希望项目保持为人们聚集学习的场所[32] - 当前项目每月收入在1万到2万美元之间，仍在亏损，但得到OpenAI在代币使用上的帮助，创始人相信财务状况可以持续[33] - 与大型实验室合作谈判的核心条件是项目保持开源，当前倾向选择能提供“最新玩具”访问权的一方，可能同时与Meta和OpenAI合作[35] 对编程未来与人机关系的思考 - 认为AI代理将重塑编程，程序员身份面临危机，但也是转变；编程未来可能成为一种“新手艺”，就像织毛衣，人们因喜爱而非功利去做[36] - 新技能组合包括：培养对代理的同理心、掌握问题分解、架构直觉和语境管理能力[37] - 对非程序员充满希望，认为他们可以运用所有常识，更容易地跨越技术星系[38] - 在哲学层面探讨了代理的个性与记忆，通过“宪法AI”让代理自写个性文件，引发了关于记忆构成个体身份的思考[38] - 预测AI代理将彻底改变应用市场，80%的应用程序会被淘汰，未来可通过代理直接处理健身、音乐、日程等需求，无需特定App[39][41]

文章核心观点 - AI技术正在重塑创造方式，引发关于程序员角色定位的广泛讨论，但比结论更重要的是身处变革一线实践者的答案 [1] - 当前AI技术形势良好但商业模式扑朔迷离，多数应用仍处于早期尝鲜阶段，尚未形成明确的商业落地路径 [11][12] - 人机协作模式发生根本性范式转移，从确定性的工具使用转变为与具有不确定性的AI进行协商与合作 [14][16] - 当前一代Transformer-based AI的能力上限可能是人类的平均知识水平，要实现超越人类的高级智能可能需要算法基础的升级 [24][25] - AI在影视内容生产等领域的渗透正在加速，并开始颠覆传统工作流，但技术成熟度与艺术质量仍需时间提升 [30][50] - AI创业充满不确定性，应用产品普遍面临用户生命周期短的挑战，成功的关键在于解决实际刚需问题 [59][72][75] - AI编程工具替代的不仅是传统IDE市场，更是初级程序员的人力资源市场，程序员的培养路径和技能要求将发生根本性改变 [78][82][88] AI技术现状与商业落地 - 当前AI技术被拔得很高，但与“真正解决人类问题”之间在很多领域距离尚远 [12] - ChatGPT出现近三年，AI被认为只解决了编程这一件可以日常高频使用的事情 [12] - 大量AI应用的用户构成仍以尝鲜者为主，不代表普惠的受众群体 [13] - 当向传统行业普通用户演示通用AI Agent时，其反馈往往是觉得不如Excel等传统工具好用 [13] - 绝大多数AI产品的付费用户或核心用户生命周期平均只有三个月 [73] - 用户流失原因包括：使用几次后因需反复“抽卡”而感到疲惫；市场上不断出现新功能产品导致用户转移 [74] - 目前能跳出“三个月生命周期”的产品只有两类：变成刚需的基础大模型（如ChatGPT、Claude）；真正解决了实际问题的产品（如编程工具） [75] 人机协作与范式转移 - 资深程序员已彻底转变工作方式，从亲手写代码转变为完全让AI产出代码，代码产出量非常大 [14] - 与AI协作的关键不是谁控制谁，而是一起找到“合拍”的方式，类似于与背景不同的人合作 [14] - 不同的AI模型（如GPT、Claude、DeepSeek）如同不同性格和能力的人，需要采用不同的配合方法 [15] - 颠覆性的变化来自于人和电脑交互方式的根本改变，从确定性指令转变为与具有概率性输出的AI协商 [16] - 传统以人类指令驱动的操作系统和硬件设计理念，在未来需要转变为AI与人类相互协商的模式 [16] - 与AI结对编程时，会通过类似“claude.md”的文件记录双方的协商协议，持续磨合工作方式 [17] - 这一代AI恰恰是为了解决过去解决不好的不确定性问题而出现的，确定性问题可交由传统工具处理 [18] - 当前与AI的合作，更像是人和一个初级实习生合作，需要琢磨其脾气、长处和弱点，并商量工作方法 [20] AI的能力边界与上限 - 当前AI最擅长解决编程相关问题，在不少场景下可直接替代人类 [19] - 在需要逻辑推演的不确定领域（如辅助数学解题、组织报告、分析数据），AI表现已不错 [19] - 但在真正需要艺术创意和深度洞察的领域，AI能力很弱，其给出的答案往往很“水” [19] - AI的真正强项在于模仿，其“创造性”输出本质上是已有元素的组合，即“组合式创造” [19][21] - 让AI进行真正意义上的、包含别人没有的东西的创造非常困难 [21] - 个人判断，这一代Transformer-based的知识压缩算法，可能只是把人类的平均知识做数学抽象并储存 [24] - 人类突破性创造者的数据可能被淹没在海量平均水平的作品中，AI难以提炼出高水平知识 [24] - 在数学基础上，当前一代AI可能也不支持达到预期的AGI（通用人工智能）水平 [26] - 在这一代技术框架下，突破能力上限很难，但新的、未知的技术可能会出现 [27] AI在视频生成与多模态领域的进展 - 行业共识认为大语言模型的竞争可能告一段落，核心将转向“卷”多模态 [30] - 视频生成时长已从最初几秒不断拉长，细节实现更好 [30] - AI在多模态内容生产的艺术造诣和审美能力上还有很长的路要走，需达到初级电影学院毕业者的水平，预计还需一两年甚至更长时间 [30] - 在动画视频生成领域，如果完全放手让AI自由发挥，结果会变成“放羊”状态 [33] - 网上看到的创意AI短视频、短剧，不外乎是大量人类控制加上大量人类“抽卡”筛选的结果 [33] - 普通用户使用AI视频工具时，常感到成品不符合预期，但不知问题出在哪里以及如何修改 [34] - AI生成的视频常存在“塑料感”问题，即动作和环境虽精准，但质感虚假，像塑料小人在动 [36] - 解决“塑料感”需通过技术控制，例如优化视频首帧，加入对光照（如午后自然光、丁达尔现象）、皮肤质感（雀斑、汗毛）、环境细节（墙面斑驳、器物老化）的引导 [41] - 控制的关键在于控制变量，若在每一帧都进行调整，画面容易“飞掉” [42] - 通过搭建专属工作流（如基于ComfyUI），可让AI严格遵循首帧风格，并对后续帧的关键变量（如人物姿态、深度图）进行精确控制，提高生成高质量视频的概率 [42] - 在2D动漫微短剧及故事性微广告剧领域，AI渗透率已经非常高，从流程角度看可承担约60%的工作量，人类完成剩余40% [54] - 在3D动画短剧领域，AI成本仍相对较高 [55] - 在大番剧、大型电视剧或电影中，AI主要作为特殊场景（如宇宙现象、科幻景观）的素材补充 [55] - AI未来若能分担如《哪吒》这类高水平3D电影的一半工作量，将制作周期从五年缩短至一年，将对影视工业产生革命性影响 [55] - 当前AI输出素材与电影工业标准（LOG格式灰片）不兼容（AI输出为RGB 709格式），是技术流程上的一个障碍 [57] AI创业、投资与市场策略 - AI创业仍处于相对早期的状态，商业模式未定 [11] - 当前市场不像移动互联网时代有明确平台和共识，更像是从山上流下的无数条小溪，尚未汇成海洋 [59] - 对于想投入创业的人而言，不是做得晚了，而是大多数人做得太早了，等一等可能是好事 [60] - 投资人跟风投资（如2023年投大模型、2024年投具身智能、2025年投AI Agent）风险很高，成功概率极低 [60] - 作为投资人，更倾向于两种策略：用相对小的筹码在不同赛道投非常早期的项目以获得真实体验；投资“不同的人”以分散风险，如在年轻创业者、资深架构师、行业资深产品经理中分别下注 [64] - 创业者不应过分听信投资人的观点，应专注于做好自己的事 [62] - 在AI能力尚不够强时，寻找对技术需求不强但愿意用AI低成本创造内容的垂直小场景是可行的市场验证思路 [65] - 公司产品Mootion在中东教育市场获得成功，当地约400多万人口中拥有近300万用户，其中中学老师用户达3万多人 [66][71] - 成功原因包括：当地课外参考资料匮乏，对生动教辅材料质量要求不高；产品满足了当地伊斯兰教文化倾向（如先知不能以人形象出现），通过训练LoRA解决了文化适配问题 [66][67] - 该模式本质上是C端订阅制产品切入了一个To B（教育）市场 [69] - 公司团队规模约20人，一半算法一半工程，并包含两名艺术设计人员 [48][49] - 与导演合作的关键在于重新设计融合AI的工作流，这需要技术人员与艺术创作者紧密协商 [49] AI对程序员职业与教育的影响 - AI编程能力已被推到“及格线”之上，资深程序员的传统经验可能成为负担 [14] - AI编程工具竞争最激烈，因为这是除基础模型外唯一被证明能赚钱、能持续运营的领域 [76] - 但仅聚焦于程序员市场，其规模本身不够大，参考2018年GitHub被微软以70亿美元收购的交易 [76] - AI编程替换的不是以前的编程工具市场，而是未来的人力资源市场 [78] - 从公司管理者角度看，Claude Code能力相当于初级程序员，但成本仅约200美元/月，远低于雇佣人力（如2万元/月），可能直接替代这部分人力资源 [79] - 大厂在规划新团队时，会要求架构师或资深程序员带领几个AI协作，完成以前几个人的工作量 [82] - 程序员培养路径将发生改变，面试不再单纯考察编程或算法能力，而是考察与AI协作解决问题的能力 [83] - 未来培养的可能不叫程序员，而叫“AI主管”、“AI架构师” [85] - 合格程序员的标志可能从“写过十万行代码”转变为“和AI协作过多少项目” [86] - 程序员需要掌握与AI协作的方法，理解操作系统和编译原理仍有必要，但直接编写大量代码的意义减弱 [87] - 高校及社会上的编程训练班、职业培训班，未来的意义可能不大 [89] - 资深程序员的工作重点转向磨练与AI协作的技能，包括如何清晰传达需求、评估AI产出，并重点复核接口和单元测试，以防积累低质量代码 [90] - AI并非不会“闹脾气”，它可能“撂挑子不干”，且存在类似“涨工资”的变相成本提升（如模型涨价、限流） [92][93]

公司活动与市场表现 - 公司在2月6日启动“春节30亿大免单”活动，连续6天位居苹果App Store免费榜第一名 [1] - 活动数据显示，过去6天用户累计使用“千问帮我”功能41亿次，AI完成下单超1.2亿笔 [1] - 公司宣布未来几天将为用户带来更多惊喜 [1] 用户行为与市场渗透 - 春节返乡潮带动县域AI消费，近半数AI订单来自县城 [1] - 由于AI点单便捷，156万60岁以上用户首次体验点外卖 [1] - 用户通过AI下单了1000多吨鸡蛋、2300多件健身器材和1500多本图书 [1] - 社交平台用户分享“第一杯AI奶茶”等体验，并探索用AI写春联、做PPT、讲故事等多种用途 [1] 行业意义与战略定位 - 此次活动标志着AI Agent首次在全球实现大规模真实世界任务执行与商业化验证，成为AI发展史上的里程碑 [1] - 数以亿计的用户首次直观感受到“AI改变日常生活”，标志着用户习惯分水岭的到来，“千问帮我”正成为AI时代的新用户习惯 [2] - 公司AI战略由“全栈AI能力”（通云哥布局）与丰富的生态供给（电商、闪购、出行、酒旅等“衣食住行娱”服务网络）双轮驱动 [2] - 从PC时代“主动搜索”、移动互联网时代“猜你喜欢”到AI时代“帮我买”，数亿用户正与公司共同创造AI购物与生活新方式，开启2026年AI生活元年 [5]

行业趋势与市场动态 - 2025年被称为“AI智能体元年”，行业涌现大量智能体，市场对更高级、更通用、更可靠的超级智能体存在全球性的集体渴望 [1] - 衡量智能体实力的核心基准是GAIA（通用智能基准）和BrowseComp-Plus（深度研究基准），它们已成为行业比拼综合解决能力和垂直专项能力的直接赛场 [1] - 当前智能体领域出现清晰分水岭：一边是停留在“语言交互”的智能体，另一边是能够规划任务、调度资源、稳定执行、自我修复的生产级系统 [32] 技术突破与产品表现 - 基于开源项目openJiuwen构建的智能体DeepAgent以91.69%的平均得分登顶GAIA榜首，超越英伟达Nemotron等一众海内外领先智能体 [2][3] - DeepAgent的得分（91.69%）已无限接近人类参与者在GAIA测试上的平均成功率（约92%），意味着通用智能体在规划、执行稳定性、工具协同等维度达到接近人类水平的任务执行能力 [10] - 基于openJiuwen构建的智能体DeepSearch以80%的准确率登顶BrowseComp-Plus榜首，在深度搜索与网页交互领域的实用能力实现突破性提升 [20][22] - DeepSearch的80%准确率显著领先于第二名（78.41%）及其他竞争对手，展示了其在多跳深度搜索、跨源信息整合、干扰信息甄别等维度的核心技术优势 [22] 核心技术与架构优势 (DeepAgent) - DeepAgent采用“Agent动态自演进引擎”，同时运行“规划—执行”与“观测—反思”两条闭环，能根据实时反馈动态调整计划，并在感知异常时触发局部回滚与自我修复 [12] - 其“多层级上下文引擎”将会话记录、项目知识、领域规则等分层存储与动态关联，并利用上下文压缩能力在长程任务中保持认知一致性和可信度 [15] - 其“异步工具编排总线”通过统一工具网关与编排机制，将外部API、系统与数据库抽象为标准化能力节点，支持高并发异步调度与执行过程的可控、可查、可回放 [15][16] 核心技术与架构优势 (DeepSearch) - DeepSearch构建了“实体认知引擎”，能自动识别关键实体并建立可追踪的状态演变历史，将问题状态统一建模为可持续更新的结构化上下文 [24] - 其“并行推理路径管理”机制将复杂问题分解为多分支推理路径，并发探索多个可能的解决方案路径，并通过概率采样机制优先执行高价值路径，提升检索效率 [26] - 其“智能行动探索系统”通过异步并发与自适应调度，动态调整搜索动作优先级，平衡探索深度与路径多样性，防止过早收敛到局部最优解 [28] 底层平台与生态影响 - DeepAgent和DeepSearch的核心技术底座是开源平台openJiuwen，该平台聚焦智能体的高精准、高可控执行，构建了从开发、调度、执行到优化的全链路能力体系 [30] - openJiuwen原生支持多智能体协同和智能体自演进，其智能体控制器结合上下文引擎的异步压缩与动态卸载能力，能高效调度复杂任务 [30] - openJiuwen创新性地将Agent自演进融入架构原生设计，支持上下文、工具、记忆等多元要素协同工作并参与闭环自主优化，让智能体能够持续演进 [31] - openJiuwen已在华为云行业智能体平台和小艺智能体开放平台完成商业化落地，赋能鸿蒙智能体开发，其能力也已进入金融、制造等行业的核心生产系统 [31] 行业基准评测标准 - GAIA基准由Meta与Hugging Face联合打造，专门面向通用Agent能力评测，覆盖长程任务规划、多模态理解、工具调用、复杂推理、执行鲁棒性等12类核心能力，设置三个难度等级，Level 3任务难度已接近人类水平 [4][6] - GAIA采用封闭测试集和自动化评分机制，其设计特点包括真实世界难度、人类可解释性和防刷榜策略，能够将大量“看起来很聪明”的智能体挡在门外 [6][8][9] - BrowseComp-Plus是衡量智能体深度搜索、研究与网页浏览能力的核心权威基准，覆盖多跳检索、跨源信息整合、检索推理规划及网页内容理解等核心能力 [22] - BrowseComp-Plus采用固定人工验证语料库搭建测试环境，以严格准确率为核心评分维度，结果可验证、可复现，最大程度保障评测公平性 [23]

市场格局 - 当前AI Agent市场呈现显著的“双轨”竞争态势：一轨是以阿里巴巴、华为、字节跳动为代表的生态型巨头；另一轨是以金智维、迈富时等为代表的垂直型专业厂商 [1] - “双轨并进”的格局揭示了AI Agent落地过程中两条截然不同但又互补的成功逻辑 [1] 生态型巨头战略 - 生态型巨头的核心逻辑是“基础设施化”，利用其在流量、算力及底层模型上的绝对优势，致力于构建AI时代的“操作系统” [3] - 字节跳动（扣子空间）凭借极低的应用开发门槛和强大的插件生态，迅速吸引了大量开发者，其优势在于将复杂的Prompt工程图形化，让不具备编程能力的业务人员也能快速搭建任务型Agent [3] - 阿里巴巴（WebSailor）侧重于大模型对网页执行与浏览器交互的理解，尝试解决AI在互联网公开信息流中的自动化作业问题 [3] - 华为（鸿蒙AI超级智能体）依托端云协同的优势，将AI Agent深度嵌入到硬件底层，实现跨设备的意图理解与任务连续性 [3] - 巨头们的战略重心在于抢占战略高地，为市场提供通用底座，但在面对行业壁垒极高、逻辑复杂的深水区业务时，通用平台往往难以触达业务的“神经末梢” [3] 垂直型专家战略 - 垂直型厂商更强调对行业业务逻辑的深入理解，致力于将AI Agent技术与具体场景深度融合，形成可闭环的落地路径 [4] - 迈富时（AI-Agentforce）在营销与销售自动化领域，通过“中台+场景”模式，将Agent技术嵌入到CRM与SCRM中，在标准化程度较高的营销场景中能够快速实现规模化，解决企业获客与转化的效率问题 [4] - 金智维是金融、政务等重资产、高合规要求行业的典型代表，提出了“受监督智能体”技术路径，其核心在于将大模型的认知与规划能力，与稳定可靠的RPA执行引擎深度融合 [6] - 基于Ki-AgentS与K-APA平台，金智维构建了“大脑规划、四肢执行”的协同体系：大模型负责意图识别与任务分解，RPA则承担具体、可验证的自动化操作 [6] - 垂直型厂商的竞争护城河不仅在于算法的领先，更在于其对企业既有数字化资产的工程化处理能力 [6] 商业化路径与客户价值 - 针对企业“推倒重来成本高”的顾虑，市场解题思路出现分化：字节跳动、百度等厂商侧重于提供原生的云端智能体开发环境；而以金智维为代表的垂直厂商则深耕“存量资产无感升级”路径 [7] - 金智维提供便捷的“一键升级”路径，通过LLM赋能原有的流程设计，在不改变底层核心系统的前提下，让既有资产快速具备智能规划能力，这种“非侵入式”接入方式极大降低了企业拥抱AI的工程门槛 [7] - 在智能风控、自动化运营、合规审计等场景下，金智维的方案可非侵入式对接金融机构现有异构系统，避免架构重构，使金融机构能以较低成本实现从传统自动化向智能Agent的平稳过渡，确保每一步操作可追溯、可审计 [6] - 衡量垂直专家竞争力的另一个关键指标是其安全治理能力，金智维支持本地化部署与信创环境运行，实现了全链路可追溯，确保数据能实现最小范围内的安全闭环 [8] - 依托知识图谱与规则引擎，金智维赋予了智能体每一步决策的可解释性与可回溯性，这种将AI技术转化为“稳定可用、安全受控”的工程化能力，是其能在政务、金融等严苛赛道实现规模化推广的核心 [8] 未来趋势与核心价值 - AI Agent的核心价值将不再仅仅体现于技术指标的堆叠，而在于其与业务场景的“化学反应”深度 [10] - 市场对智能体的评价标准正发生根本性偏移：从关注其“能聊什么”，转向关注其在复杂工程环境下“能做什么”以及“做得多稳” [10] - 对于正处于数智化转型关键期的企业而言，2026年将是应用落地的分水岭，企业不仅需要在通用底座上寻求效率突破，更需要在核心、高价值的垂直赛道中，寻找能够将智能化能力转化为受控、稳定生产力的“实干型”方案 [10] - 唯有将AI技术真正内化为可长期复用、可安全推广的数字化资产，企业才能在这一轮智能化浪潮中构建起真正的竞争壁垒 [10]

市场表现与资金流向 - 两市探底回升，芯片设计概念上涨，相关ETF标的指数盘中上涨1.76% [1] - 科创芯片设计ETF天弘（589070）当日成交额达2584.38万元 [1] - 该ETF最近十个交易日累计获得资金净流入1.38亿元，截至2026年02月11日最新规模为6.31亿元 [1] 成分股与行业动态 - 成分股中，晶晨股份、芯朋微、复旦微电、盛科通信-U涨幅超过5%，芯原股份、新相微、安路科技等多股跟涨 [1] - 国产GPU设计企业市场份额在过去三年从5%提升至12%，替代空间广阔 [1] - 中国芯片设计企业在部分领域已达到国际先进水平，但高端通用芯片仍依赖长期研发投入 [2] - 行业马太效应明显，投资需聚焦技术突破和核心竞争力提升 [2] 政策与产业支持 - 国家大基金三期重点支持高端芯片设计领域，为国产GPU企业提供研发资金与市场资源支持 [1] - 科创芯片设计ETF天弘（589070）纳入了在通用计算、图形渲染等核心技术上持续突破的国产GPU龙头企业 [1] 下游需求与应用验证 - 随着下游政企、金融、能源等领域对自主可控算力需求提升，国产GPU企业有望加速抢占市场份额 [1] - 千问APP在“春节30亿大免单”活动中，6天内AI完成下单超1.2亿笔，用户通过语音指令“千问帮我”达41亿次 [2] - 此次大规模应用验证了AI Agent在真实场景下的任务执行与商业化能力 [2] - 千问通过接入阿里生态内电商、本地生活等服务，实现了从意图识别到服务履约的闭环，推动了AI技术在消费端的快速落地 [2]

2025年财务业绩概览 - 2025年全年净收入为59.1亿元人民币（8.450亿美元），同比增长5.0% [1] - 全年经营利润达2.2亿元人民币，同比增长48.7% [1] - 公司首次实现全年经营性现金净流入，共计5520万元人民币 [1] - 全年净亏损为4710万元人民币（670万美元），而2024年为净收益160万元人民币，亏损主因是长期投资造成的2570万元人民币（370万美元）减值损失 [1] - 2025年第四季度净收入为15.6亿元人民币（2.237亿美元），同比增长16.8% [1] - 第四季度经营性现金净流入1.8亿元人民币，同比增长16.4% [1] 分业务收入与毛利表现 - 学习服务全年净收入为26亿元人民币（3.762亿美元），同比下降4.2%，下降主因是辅导服务收入减少，部分被AI驱动的订阅服务销售所抵消 [2] - 智能设备全年净收入为7.396亿元人民币（1.058亿美元），同比下降18.2%，主因是智能学习设备需求下降 [2] - 在线营销服务全年净收入为25亿元人民币（3.630亿美元），同比增长28.5%，增长主要得益于网易集团和海外市场需求增加，以及对AI技术的持续投资推动 [2] - 2025年全年毛利为26亿元人民币（3.742亿美元），同比下降4.8%，毛利率为44.3% [2] - 在线营销服务毛利率从2024年的36.0%下降至27.1%，主因是扩大了广告服务客户群 [2] - 学习服务毛利率微跌至60.2% [2] - 智能设备毛利率提升至46.4%，而2024年为38.7% [2] 战略重点与未来展望 - 公司CEO表示，通过对AI功能升级，有道领世的续报率提高到75%以上 [2] - 未来将通过有道词典、有道小P等App以及智能硬件（如答疑笔）的深度协同，提升获客精准度并降低获客成本，实现存量用户最大化转化 [2] - 公司致力于人工智能原生战略，专注于学习服务和广告，通过推进垂直大型语言模型和扩展AI驱动的应用程序和代理，提供差异化用户体验并推动可持续长期增长 [3] - 2026年公司将正式从“教育科技”公司向“学习与广告AI应用服务提供商”转型，聚焦于学习+广告双赛道 [3] - CEO认为2026年将成为AI Agent的关键元年，这种具备复杂任务处理能力的先进AI系统将成为行业主流 [3] 现金流与财务状况 - 截至2025年12月31日，公司现金、现金等价物、限制性现金及短期投资总额为7.432亿元人民币（1.063亿美元），较2024年末增长8060万元 [3] - 公司合同负债（主要由学习服务产生的递延收入组成）为8.477亿元人民币（1.12亿美元） [3] - 为支持未来业务，截至2025年底，公司已获得集团财政支持，包括8.78亿元人民币的短期贷款，以及2027年3月31日到期的1.321亿美元长期贷款 [3]

财务数据和关键指标变化 - **第四季度净收入**达到人民币16亿元，同比增长16.8% [4] - **第四季度经营现金流**为人民币1.842亿元，同比增长16.4% [4] - **第四季度经营利润**为人民币6020万元，环比增长113%，但同比下降28.5%，这是连续第六个季度实现经营盈利 [4] - **2025年全年净收入**为人民币59亿元，同比增长5% [5] - **2025年全年经营利润**为人民币2.213亿元，同比增长48.7% [5] - **2025年全年经营现金流**首次实现净流入，达人民币5520万元，而2024年为净流出6790万元 [5] - **第四季度总毛利**为人民币7.054亿元，同比增长10.1% [16] - **第四季度总运营费用**为人民币6.452亿元，去年同期为人民币5.566亿元 [17] - **第四季度归属于普通股股东的净利润**为人民币4820万元，去年同期为人民币8300万元 [18] - **第四季度非GAAP归属于普通股股东的净利润**为人民币5870万元，去年同期为人民币9180万元 [18] - **2025年全年归属于普通股股东的净利润**为人民币1.073亿元 [20] - **合同负债（主要为递延收入）** 截至2025年12月31日为人民币8.477亿元，低于2024年底的人民币9.61亿元 [21] - **现金及等价物等总额** 截至2025年12月31日为人民币7.432亿元 [21] 各条业务线数据和关键指标变化 - **学习服务第四季度净收入**为人民币7.272亿元，同比增长17.7% [5][15] - **学习服务中数字内容服务收入**为人民币4.361亿元，同比增长12.2% [5] - **有道领世业务收入**同比增长超过40%，留存率超过75%，提升了约5个百分点 [6] - **编程课程第四季度总账单额**同比增长50%，留存率超过75% [8] - **AI驱动订阅服务第四季度销售额**超过人民币1亿元，同比增长超过80% [8] - **AI驱动订阅服务2025年全年销售额**接近人民币4亿元，创历史新高，年增长超过50% [8] - **在线营销服务第四季度净收入**为人民币6.609亿元，同比增长37.2% [9][15] - **在线营销服务第四季度毛利率**为27.8%，环比改善2个百分点，但同比下降 [11] - **智能设备第四季度净收入**为人民币1.765亿元，同比下降26.6% [11][15] - **学习服务2025年全年净收入**同比下降4.2%至人民币26亿元 [19] - **智能设备2025年全年净收入**同比下降18.2%至人民币7.396亿元 [19] - **在线营销服务2025年全年净收入**同比增长28.5%至人民币25亿元 [19] - **学习服务2025年第一季度毛利率**为62.5%，去年同期为60% [16] - **智能设备2025年第一季度毛利率**为38.1%，去年同期为43.9% [17] - **在线营销服务2025年第四季度毛利率**为27.8%，去年同期为34.2% [17] 各个市场数据和关键指标变化 - **海外KOL收入**在第四季度同比增长超过50% [10] - **2025年在线营销服务增长**得益于网易集团和海外市场需求的增加 [9][15] - **2025年公司成功在超过50个国家执行了营销活动** [10] 公司战略和发展方向和行业竞争 - **公司战略核心是AI原生战略**，旨在通过技术创新直接转化为用户价值和商业成果 [12][14] - **技术投入**：持续投资于教育科技，自研大语言模型“孔子”为产品提供支持 [6][7] - **产品创新**：在中文AI作文批改功能成功后，计划近期推出英文AI作文批改工具 [6]；发布了集成AI驱动的抄袭检测和写作润色应用“ScholarAI” [9]；有道词典和桌面翻译的AI同传功能第四季度销售额同比增长超过100% [9] - **合作伙伴关系**：近期与学术诚信全球领导者Turnitin建立了官方合作伙伴关系 [9]；2025年广告业务与Google建立了官方合作伙伴关系 [30] - **市场拓展**：通过创新应用拓展新的细分市场，例如AI代理（AI agents）被视为将显著扩大应用层创新和数据驱动价值创造潜力的新兴机会 [14] - **2026年重点**：继续坚定推进AI原生战略，专注于发展学习服务和广告业务，开发针对用户需求的高性能垂直大语言模型，并积极捕捉AI代理等新兴机遇 [14][22] - **智能设备战略**：继续专注于改善该业务的整体健康度，深耕词典笔和辅导笔两款核心产品，深化在STEM学习场景中的布局 [26] 管理层对经营环境和未来前景的评论 - **2025年是取得全面进展的一年**，由AI原生战略驱动，从广告业务到学习服务的用户留存和参与度都有改善 [12] - **财务里程碑**：实现首个全年经营现金净流入，凸显了商业模式的可持续性和韧性 [13] - **对2026年学习服务的展望**：预计将恢复至约两位数的同比增长，该业务在第四季度已实现18%的同比增长 [24] - **对2026年在线营销服务的展望**：计划通过部署更创新的解决方案来继续专注于关键增长领域，利用AI应用、游戏和短剧等内容领域的有利行业顺风 [23] - **对AI代理的展望**：2026年将是AI代理非常重要的一年，公司计划继续引入新的AI应用和代理以扩展服务组合 [25] - **对海外广告业务的展望**：2026年将通过国际KOL业务和程序化广告探索双引擎，将海外广告业务推向新高度 [31][32] - **对经营现金流的展望**：2026年的目标是实现更快的经营利润增长，并将经营现金流提升到更有意义和更实质性的水平 [34] 其他重要信息 - **行业认可**：有道领世被CNR评为2025行业标杆教育集团 [6]；有道广告被TikTok for Business评为2025 Influencer Agency Game Industry Pioneer List [10]；AI创新产品获得了包括Qubit AI、Outstanding AI Product和China AI Product of the Year在内的多个行业奖项 [9] - **学生成就**：2025年，数百名学生在NOIP和CSP-J/S决赛中取得了顶级成绩，验证了编程课程的质量和效果 [8] - **硬件产品表现**：旗舰产品有道词典笔在双十一购物节期间连续第六年蝉联京东和天猫销量冠军 [12] - **新产品发布**：2025年推出了有道辅导笔，增加了智能知识卡和升级的AI视频讲解功能，系统已生成超过60万个视频，第四季度活跃用户每天使用辅导功能超过10次 [12]；近期发布了名为“Youdao Lobster AI”的新AI代理产品 [41] 总结问答环节所有的提问和回答 问题: 管理层对2026年整体及各业务线的展望是什么？ [22] - **整体目标**是继续以创新和有竞争力的产品服务用户和客户，并以可持续健康的方式发展业务，AI原生战略是实现目标的关键基础 [22] - **在线营销服务**：2025年收入增长29%至25亿元，2026年计划通过部署创新解决方案（如即将发布的AI广告投放优化器2.0版、iMagic Box、程序化广告和KOL营销）来抓住AI应用、游戏、短剧等领域的行业顺风，目标是提高广告主投资回报率和用户体验 [23] - **学习服务**：预计2026年将恢复约两位数的同比增长，有道精品课是学习生态的核心，将继续利用“孔子”大语言模型推动产品创新，AI驱动订阅服务在2025年销售额接近4亿元，增长超50%，2026年将继续引入新的AI应用和代理以支持持续收入增长 [24][25] - **智能设备**：优先任务是继续改善业务整体健康度，专注于词典笔和辅导笔两款核心产品，深化STEM学习场景布局 [26] 问题: 有道领世业务在2025年取得积极进展，2026年的计划和展望是什么？ [27] - **对增长充满信心**，基于2025年的客户成果和AI功能升级推动留存率超过75% [27] - **2026年战略**分为产品精炼和高效获客两方面 [27] - **产品方面**：坚持独特的AI互动课堂服务模式，继续扩展和打磨AI功能，利用大语言模型使教学过程更精准科学，具体包括提升知识缺口诊断准确性以生成个性化学习路径，以及通过AI高考志愿助手、AI作文批改等实用功能解决核心痛点 [28] - **获客方面**：双管齐下，一是激活有道自有生态流量（如有道词典、Mr. P AI Tutors、有道辅导笔），提高获客精度、降低成本；二是探索由AI功能驱动的创新获客渠道，利用技术优势开辟新增长空间 [29] 问题: 2025年海外广告增长非常强劲，管理层如何看待2026年的展望？ [30] - **2025年里程碑**：推出了Youdao iMagic Box和AI广告投放优化器，并与Google建立了官方合作伙伴关系，推动在线营销收入创纪录地达到21亿元，同比增长28.5% [30] - **2026年目标**是通过深化核心资源和突破技术边界来驱动高质量增长 [31] - **国际KOL业务**：将加倍投入，利用已建立的全球流量生态系统（覆盖超2000万影响者，拥有超1000名顶级影响者的独家合约）和成功帮助超1000家公司出海（覆盖超50个国家）的经验，抓住中国企业出海浪潮 [31] - **海外程序化广告**：将积极利用自有的垂直广告模型，结合国内程序化广告的经验和广泛客户基础进行探索，旨在为海外广告业务构建中长期第二增长曲线 [32] 问题: 公司2025年首次实现全年经营现金净流入，2026年的目标是实现总现金流净流入吗？ [33] - **经营现金流**是衡量业务健康和长期可持续性的最关键指标，2025年已成功实现盈利和正经营现金流的目标，2026年目标是实现更快的经营利润增长，并将经营现金流提升到更实质性的水平 [33][34] - **实现信心**基于三大驱动力：AI驱动赋能、核心业务单元（领世、广告、AI订阅服务）的强劲势头、以及通过优化B2B信用管理等流程实现的精细化管理升级 [34] - **对总现金流目标持平衡理性态度**，不会为了账面数字盲目紧缩开支，而是在战略投资机会与成本纪律间寻求最佳平衡，若有战略投资目标将果断捕捉，现金充足时会通过投资理财产品或偿还母公司贷款来优化资本结构，这些活动可能短期内影响总现金流数字，但长期能增加利息收入或降低融资成本 [35] - **优先事项**是持续改善经营现金流，并在此基础上稳步推进总现金流的健康发展 [36] 问题: 管理层提到“2026是AI代理之年”，计划在哪些业务领域部署AI代理，其潜在影响有多大？ [36] - **AI代理相比第一代聊天产品**，运行时间更长，能访问更多用户数据，能做出更深层、更有意义的决策以更好地服务用户，是能创造真实价值的更智能的AI产品 [37] - **广告业务**是应用AI代理的重要领域，AI广告投放优化器产品已有基础，AI代理可以尝试更多组合，在不同广告活动甚至跨客户和细分市场之间传递知识和经验，以取得更好效果，鉴于广告的巨大体量和规模，该领域可以创造大量价值 [37][38] - **学习和生产力应用**是另一个领域，例如AI同传应用被视为代理应用，它结合了语音技术和大语言模型驱动的翻译技术，能自动总结对话，未来还能帮助用户在在线会议或课程后采取进一步行动 [39][40] - **结合订阅商业模式**，用户（尤其是年轻用户）非常愿意为月度或季度订阅服务付费，2025年订阅销售额已达约4亿元，但相信这仍处于早期阶段，有巨大增长空间 [40] - **公司已发布一款新的AI代理产品**，名为“Youdao Lobster AI” [41]