发球机器人技术升级 - 新一代发球机器人通过具身智能大模型实现"教练式"功能升级，具备路径规划、力矩控制模块，可模拟马龙发球轨迹并调整球拍倾角至15° [1] - 研发方向从"懂球"转向"懂人"，目标打造配备"体育界ChatGPT"的具身智能产品，提供类似"AI刘国梁"的专业指导体验 [1] - 当前技术瓶颈在于分层架构与乒乓球快速反应需求的矛盾，需完善传感、算法和策略机制以提升实时性 [5][6] 商业化进展与成本优势 - 发球机器人使用成本显著低于真人教练，俱乐部收费约80元/小时（真人150元/小时），但现阶段主要推荐有基础学员使用 [3] - C端用户订单占比超50%，B端客户包括学校、专业训练场等教育机构 [8] - 网球发球机器人Acemate海外众筹30天获180万美元，显示市场潜力，乒乓球技术架构可迁移至网球领域 [9] 行业竞争与技术挑战 - 淘宝平台发球机器人价格跨度大（几十元到几万元），形态涵盖夹台式、落地式等，配套App支持训练数据可视化（球速、落点评分等） [8] - 垂类大模型需攻克三模态联通（图像/动作/语言）、推理延迟等工程难题，研发投入周期长 [9] - 全球网球发球机市场规模预计从2024年2740万美元增长至2035年4030万美元，创屹科技近期获华创资本等机构投资 [9][10] 未来发展方向 - 需提升模型泛化能力以覆盖零基础用户，建立"教练式"进阶系统是商业化关键 [10] - 竞争焦点将从功能型"懂球"转向个性化"懂人"，需通过智能化服务扩大客群边界 [1][10]

公司核心技术与产品 - 公司自研垂类大模型"行知大模型" 搭载于AI智能硬件 包括AI智能笔和AI智能鼠标 实现教育场景中实时书写数据采集与办公场景中一键生成PPT、文本、图片、表格等功能 [1][3] - 行知大模型基于开源通用大模型 通过专用知识库联合微调和知识蒸馏技术开发 训练成本低至数万元人民币 训练周期最短仅15天 算力成本为通用大模型的1/10 成本减少超90% [1][3][4] - 公司拥有300余项知识产权 其中143项专利技术 音视频识别分析算法和AI大模型平台开发技术处于前沿水平 行知大模型已成为盈利大模型 [5] 商业模式与市场应用 - 行知大模型已在教育、医疗、政务等领域实现落地应用 并实现盈利 公司与十余家三甲医院合作 在医疗场景提供低成本部署方案 医院初始投入可低至一两百万元 [1][5] - 公司通过小算力、低成本路径切入垂直场景 算法与行业痛点深度融合 产品快速迭代 技术研发与市场落地相互促进 成为省内最早盈利的大模型企业 [1][4][5] - 公司客户需求显著增长 得益于行业快速发展及DeepSeek等通用大模型普及 近期有大量客户主动联系合作 [5] 行业生态与区域发展 - 广州海珠区建设全国首个人工智能大模型应用示范区 落地行业大模型120个 集聚泛人工智能企业超7000家 产业规模突破30亿元 超50家大模型企业实现盈利 [2][6] - 广州依托千行百业场景优势 瞄准垂类大模型 走错位竞争路线 目标打造"垂类模型之都" 拥有3个国家级先进制造业集群和6个千亿级先进制造业集群 为垂类模型提供丰富应用场景 [2][6][7] - 广州市政府印发国内首个行业大模型产业发展方案 目标到2026年推动AI大模型在8个以上行业深度应用 带动示范区主营业务收入超5000亿元 [7] 战略规划与未来方向 - 公司将持续提升技术创新能力和应用水平 深耕教育领域 重点拓展医疗、工业、政务等领域 深化与行业巨头合作 将行知大模型融入更广泛产业体系 [8] - 公司考虑未来开源部分技术 通过开源认识更多合作伙伴 通用大模型与行业大模型将形成相辅相成、上下游共生的关系 [5] - 公司建议在医疗领域通过大模型助力医院分诊导诊 或开发名医生Agent智能体 将名医生服务人数从20人提升至200人 提高效率并降低工作强度 [7]

大模型技术发展与行业机遇 - 全球大模型技术发展多元化，垂类大模型通过定制化训练提供精准行业解决方案，中国在算力自主化、数据优化等方面取得进展[1][24] - 新技术降低大模型训练、运维和推理成本，推动金融行业流程重构，企业需平衡购置、推理和运维成本[1][29] - 国产大模型如DeepSeek和通义千问在成本控制与推理性能上突破，实现数据安全合规、低成本高性能和中文语义优化[1][26][27] - DeepSeek通过混合专家技术将6710亿参数活跃计算量压缩至37亿，训练成本仅为同规模模型的6%[26] - 通义千问融合预训练与垂直领域优化能力，在对话交互、代码生成等场景形成专项突破[27] - 腾讯混元T1模型解码速度提升2倍，在中英文推理基准中领先[28] 大模型赋能保险全链 - 保险机构加速接入大模型，应用聚焦内部提效，覆盖业务全链条及中后台管理环节[1][16] - 初期优先选择容错成本低的场景如智能客服、智能质检、营销助手等，建立调试与反馈机制[6][7] - 大模型推动行业由结构化数据向多源动态信息系统演进，提升风险识别广度与响应及时性[8] - 金融机构经营理念重塑，呈现金融服务精准化跃迁和跨行业生态化协同两大趋势[9] - 银行利用实时企业数据优化信贷评估，保险与医疗平台合作开发预防型保险产品[9] 合作范式演变 - 数据要素价值凸显，金融保险行业通过横向、垂直和政企协同构建高质量数据集[1][19] - 政企协同推动数据要素流通，垂直整合构建企业级智能协同底座，横向协同拓展跨场景联动[19][42] - 多模态大模型为金融保险带来智能化转型机遇，填补非结构化信息处理能力空白[62] - 多模态模型应用于智能客服、理赔审核、欺诈识别等场景，提升审核准确率与风控能力[62] - 通义干问通过双核架构实现全模态实时交互，视觉推理模块采用链式思维增强方法[53] 技术演进与成本优化 - 垂类大模型通过行业特定数据集训练，减少计算成本并提供精准解决方案[33][40] - GPT-4级别模型单周期训练成本近5000万美元，垂类模型更经济高效[33] - 国产模型生态呈现功能分化趋势，语言生成模型与推理模型分别专注语义理解和逻辑决策[48] - 轻量化技术如蒸馏模型降低终端部署成本，Qwen-32B等模型实现对OpenAI-o1-mini的局部超越[49] - 模型部署从"可用"向"可适配"迈进，聚焦跨架构柔性部署机制构建[31]

核心观点 - 大模型技术正从消费端向产业端加速渗透，遵循"C端先行、B端深化"的路径 [7][8] - 企业大模型落地最佳路径是"平台+应用+服务"的三级引擎战略 [7][11][12] - 行业Know-How与AI技术的结合能释放真正的商业价值 [17] - 大模型不仅是效率工具，更是企业重构服务模式、开辟价值增量的战略支点 [20] 技术渗透趋势 - 认知型AI遵循"C端先行、B端深化"的路径，与互联网、移动互联网、感知型AI发展规律一致 [7][8] - 未来五年企业级大模型市场规模将迎来爆发式增长 [8] - 算法开源趋势使得数据主权愈加重要 [7][12] 企业落地实践 - 智能外呼系统结合大模型与多轮对话技术，将转化率从1.5%提升至3.5%，逼近真人客服4.2%的水平 [8] - 智能化的落地需要与数字化深度融合，企业需要端到端的解决方案而非孤立技术模块 [10] - 场景适配重于技术堆砌，需经历需求拆解、数据调优与流程重构的闭环 [10] 平台架构 - 自研"得助大模型平台"覆盖算力、数据、模型和智能体四大能力工厂 [12] - 平台沉淀了金融、制造、政务等各行业的数百个场景化"样板间"，降低企业试错成本 [12] - 产品标准化与定制化的平衡类比为"精装房与个性化装修" [14] 产品体系 - "1+2+3"产品体系：1个全媒体全渠道联络中心，2类机器人，3类坐席智能辅助工具 [15] - 产品已在多个车企、头部金融机构及大型央国企中规模化应用 [14] 行业案例 - 工程大模型应用平台"灵筑"将项目筹备周期压缩40% [17] - 船舶行业大模型"百舸"显著提升研发效率 [17] - 道路检修辅助系统将专家响应耗时从数小时缩短至分钟级 [17] 新兴场景 - 证券行业"智能陪练"场景使培训效率整体提升60% [20] - 家居行业营销助手带动客户转化率增长15% [20] - 车企营销场景、券商行业财富助手、智能投顾等新兴需求涌现 [20]

核心观点 - 中关村科金与华为云联合发布昇腾云+得助大模型平台解决方案 加速垂类大模型应用落地和产业智能化升级 [1][3] - 公司通过"平台+应用+服务"战略和全栈能力产品 推动智能客服从本土化向全球化发展 [2][3] - 智能客服被IDC预测为2025年中国前三大AI应用场景 公司产品具备显著竞争优势 [3] 产品与技术 - 得助大模型平台具备算力工厂 数据工厂 模型工厂 智能体工厂等全链路开发能力 [2] - 智能客服4.0是业界唯一全栈产品 包含1个全媒体联络中心 2种大模型机器人 3类坐席智能辅助工具 [3] - 全新升级得助智能陪练2.0 得助智能质检2.0两大核心产品 [1] - Instadesk 2.0支持多语种大模型训练 实时跨语言翻译 多语言界面切换 小语种语料支持 [3] 市场与布局 - Instadesk解决方案已在跨境电商 海外金融 智能制造 车企&消费电子等出海企业广泛应用 [3] - 智能基础设施调配 AI赋能客户服务与自助服务 增强型联络中心为2025年前三大AI应用场景 [3] - 深圳作为人工智能前沿阵地 积极拥抱大模型技术变革 推动场景探索与行业深耕 [1] 合作生态 - 华为云提供AI应用全旅程联合方案构建与支持 包括云服务 算力工厂 数据工厂等方面 [4] - 方案融合华为根技术能力与公司产品技术和场景化能力积累 [3] - 华为云生态体系注重共建能力 共享商机 共育人才 共赢合作 [4]