大会概况与行业趋势 - 量子位主办的MEET2026智能未来大会吸引了近30位产业代表、近1500名线下观众及超过350万线上观众，反映了行业对AI未来的高度关注 [5] - 2025年AI领域呈现发展、分裂与重构的态势，迫使所有参与者明确未来方向，行业普遍相信下一段增长曲线就在眼前 [3] - 2025年被公认为“Agent元年”，AI智能体技术成为核心焦点，行业高能节点集中爆发 [1][57] 大模型与AGI发展路径 - 以DeepSeek为代表，AI正从鉴别式走向生成式与推理式，新一轮人工智能是信息智能、物理智能和生物智能的融合 [8] - 未来5到10年，基础大模型将像操作系统一样在全球范围内收敛到不超过10个 [8] - 主战场将走向“智能体互联网”时代，智能体会取代大部分SaaS和App，成为交互的默认形态，并被视为通往AGI的必经之路 [8] - 大模型推动AI从弱人工智能迈向通用人工智能，并推动机器人进入2.0通用具身智能时代 [11] - 所有生成模型本质上都是在拟合数据分布，开源模型LLaDA采用扩散语言模型架构，在相同计算量下可比自回归模型参数规模更小，并具备直接修改token等优势 [17] - 当模型与数据规模持续增大时可能出现能力涌现，预计未来几年，有标准答案的人类最难考试可能也难不住机器 [55] - Scaling Law能走多远具有不确定性，国内仍需有少量顶级团队紧跟全球前沿，探索其极限 [55] 智能体（Agent）的演进与落地 - AI正从“思考与回答”转向“自主行动与创造”，真正成熟的智能体必须具备自主分析、决策与执行落地的能力 [35] - 智能体是一套包含认知规划、行动协作、分析反馈三层能力的完整闭环智能系统 [35] - Agent Infra本质上是AI时代的操作系统，管理模型能力、工具调用等“智能资源”，其核心在于Runtime，以提供跨环境通用运行能力 [35] - 过去一年Agent进化明显，在PPT制作、编码等核心工作流中能交付实习生水平的结果，越来越多软件垂类在采用AI能力提升效率 [66] - 一个成功的Agent构建需要三个模块：底层的模型“大脑”、中间的代码、以及相当于“手和脚”的tools模块 [15] - 企业实现智能体落地，优化重点集中在场景选择评估、内部数据知识整理、模型选择构建三个需要循环迭代的环节上 [19] - 企业级智能体落地与ToC的最大不同，在于对“规模化、成本效率和精度”的极致要求 [19] - 多数Agent存在负毛利问题，完成任务的代价高于用户支付意愿，这对创业者和基础设施提供商是巨大挑战 [66] - 当前Agent在三四线城市和日常生活中的渗透率较低 [66] 多模态与第三代Scaling范式 - 2025年往后，第三代Scaling范式的关键在多模态，智源研究院的悟界·Emu3.5通过统一自回归架构，将Next-Token Prediction升级为在多模态数据上的Next-State Prediction [11] - 视频是能大规模获得的、模拟真实世界的高效载体，包含时间、空间、物理、因果关系及意图等各种要素 [11] - 今年多模态和执行端应用带来显著ROI，新的多模态模型提升了智能体对图像视频的理解能力，打开了更多数字空间场景 [66] 端侧与混合AI - AI行业演进分为四个阶段：感知AI、生成式AI、智能体AI、以及能理解并响应真实物理世界的物理AI [13] - 端侧大模型能力快速提升，两年前只能跑1-2K上下文，去年可跑4K，今年已支持8K-16K，特殊场景下甚至可实现最长128K的端侧部署 [13] - 终端侧正在从单一文字模态向支持文本、图片、视频、音频、语音等多模态甚至全模态方向演进 [13] - 在终端侧运行大模型的最大好处之一是个性化，但主要面临内存、带宽和功耗控制等挑战 [13] - 端侧模型不是云端大模型的小参数版本，其关键在于自主学习和记忆，而Transformer架构模型无法在端侧实现这一点 [42] 算力、芯片与基础设施 - 商汤大装置算力总规模达32000P，通过算电协同精准预测电力消耗，已实现年化降低7%电费，年度碳减排超3000吨，综合算效提升15% [31] - 商汤联合国内十余家厂商发布“商汤大装置算力Mall”，客户可自由组合调配国产算力资源、平台工具和行业模型服务 [31] - 国产芯片替代是渐进过程，昆仑芯已在搜索线上系统全量用于推理，但大规模训练场景仍是难点 [44] - 当前重要发展方向是MoE，能扩大参数规模同时不增加激活参数规模，但会带来通信占比提升等系统层面新挑战 [44] - 单颗芯片性能已成为AI算法发展瓶颈，太初元碁自主设计的TC link可实现128卡间的高速互联拓展，为AI算法增长提供硬件基础 [39] - 国内发展人工智能产业离不开开源生态，行业需要企业共同组建开源平台 [39] 具身智能与物理AI - 具身智能被视为一种专门面向物理世界、独立于虚拟世界语言/多模态模型的基础模型 [47] - 物理世界存在高度随机性，现有模型架构、训练方法和数据能力难以对其做出充分准确刻画 [47] - 如果以未来十年为尺度，具身智能基础模型甚至有可能反过来吞噬现有多模态模型的生存空间 [47] - 目前的具身大模型存在不好用、不通用、不易用的问题，尚未达到“ChatGPT时刻” [11] - 未来几年内，人形机器人要进入通用开放环境自主进行复杂工作几乎不可能，应立足于在特定真实场景实现“星火燎原”式的落地发展 [55] - 在物理场景应用中，需要解决双脑架构集成问题：大语言模型给出指令后，端侧需有类似小脑的模型进行快速执行 [66] - 灵巧手是具身智能的核心零部件，中国在机器人与灵巧手领域优势明显，灵心巧手在触觉传感器、电机、减速器三大核心部件坚持自研 [53] - 光轮智能全栈自研“测量-建模-求解”三位一体仿真解决方案，以缩小sim2real gap，加速世界模型与物理AI落地 [49] 商业化落地与行业应用 - 2025年行业更关心如何做行业落地、场景赋能和商业化变现 [25] - 企业服务方向最容易落地的三个方向是：工程流程自动化、行业研究报告、智能化办公助手 [25] - 大模型在千行百业里落地才能产生最大价值，其价值在很多场景尚未真正发挥出来 [29] - 有三类企业需要行业或私有模型：传统大型企业、有海量数据的中小企业、颠覆行业的新兴公司 [29] - 用大模型做To B，最关键的是后训练或Agent化，仅调API无法形成差异性，开源模型需经“专业训练”才能战胜闭源模型 [29] - 卓世科技在医疗健康领域，利用大模型融合2000多种常见病、常见药服务社区医院，并训练专业病种大模型辅助三甲医院诊疗 [25] - AI在工业制造落地需组合拳，大模型融合视觉和时序模型处理生产传感数据，作为大脑自动化调配生产和调优工艺 [25] - 百度文库的AI学习平台OREATE AI新版本上线一个月月活突破140万，登顶ProductHunt全球日榜第一 [9] - 昆仑万维的Skywork Super Agents产品，其PPT模式可在五分钟内生成30页PPT，40%的日活用户使用该模式 [37] 企业组织与生产力变革 - AI进程最直接的落地场景是AI Office [37] - Agent将重写公司组织，因为可验证的流程可以被自动化，重复操作岗位将消失，取而代之的是过程架构师 [37] - 对于企业，核心诉求不是买AI工具，而是能够直接对业务结果负责的AI运营智能体 [51] - 现在不是“AI+”的时代，而是“运营xAI”，AI从工具跃迁为业务主体 [51] - 年轻人是AI生产力释放的主力军，经验丰富的从业者需为企业创造释放AI潜力的生产关系 [51] 经济学影响与全球竞争 - 据估算，AI在今后的十年里每年可提升全球经济增长0.5到0.7个百分点 [23] - AI改变了稀缺的概念，当AI替代人进行工作决策时，可能会出现人和算法、算法和算法之间的竞争 [23] - 未来不应考虑哪个行业绝对安全，而应思考如何掌握AI技术并与AI共生 [23] - 通用Agent的渠道之争对传统渠道是生死之战，只有手机硬件厂商才能决定自己手机上可以装什么Agent [37] - 谷歌主导的A2A协议支持企业内部及企业间智能体的安全有效通信，Gemini模型拥有100万Token超长上下文并迈向AI行动时代 [21] - 开源对AI进化速度至关重要，如果每家公司都闭源，研究速度可能会降低为原来的千分之一 [33] 技术架构与未来突破 - 人工智能要发展到下一个台阶，需要突破Transformer和反向传播算法两座大山 [42] - 每台设备拥有自主学习能力并向物理世界学习，会产生群体智能，这才是迈向通用人工智能的最佳途径，现有大模型本身不产生知识，只是传播知识 [42] - 大公司应双管齐下：一方面使用当前领先技术，另一方面进行探索性研究以寻找下一个重大突破 [33] - 类比生物进化中的“间断平衡”，AI发展是“长期停滞+突然跃迁” [33] - 从POC迈向生产部署面临挑战，生产环境需解决安全、扩容、成本、高可用及处理非优化数据等一系列问题 [15] - 模型定制化面临挑战，Amazon SageMaker AI提供的Nova Forge允许在基础模型训练阶段就引入自有数据进行定制，效果优于训练后微调 [15] - 真正“好用”的AI智能体核心标准包括：采用AI原生方式开发以替代工作流环节、具备可进化性、能像靠谱同事一样持续稳定执行任务并支持人机协作 [66] - 每个人每天使用的最高频的三个APP中有两个是Agent时，才意味着AI Agent进入新发展阶段 [66]

公司概况 * 公司为C H Robinson Worldwide 一家大型物流平台和解决方案提供商[1][2] * 业务模式为连接发货方和承运方的双面市场 每年处理3700万次货运 拥有超过83000名客户和450000名承运商[2] * 公司正处于转型中 核心是基于精益运营模型的持续改进文化变革[3] 人工智能应用与效益 * 公司已从机器学习发展到生成式AI 并正迈向智能体AI[3][4] * 应用生成式AI和智能体AI实现流程自动化 例如报价流程 将单次报价时间从15-17分钟缩短至约30秒 并将报价机会覆盖率从约65%提升至100%[4][5] * 自2022年底以来 全企业生产率提升40% 定义为北美地面运输业务的人均每日货运量以及全球货运业务的人均每月文件量[4][6][7][12] * AI应用带来收入增长、毛利率扩张和运营利润率扩张等多方面效益[13] * 公司采用"精益AI"策略 将精益原则、运营模型与前沿技术结合 产生指数级效应[14] * 公司内部追踪从报价到收款的上千个流程的自动化机会 认为转型仍处于早期阶段（如棒球比赛的第三局）未来两年将比过去两年更令人兴奋[17][52] 技术架构与策略 * 技术栈主要与微软合作 使用Azure作为云合作伙伴和主要LLM提供商 但也使用Gemini和Claude 具备模型可选性[21][45] * 系统设计包含抽象层或网关 可轻松在不同LLM提供商之间切换 并通过测试框架确保可重复性和可预测性[22][24][25][47] * 关注价格绩效比 可根据需求选择不同代际的LLM 甚至回退到旧版本 公司令牌使用量同比增长10倍 成本下降25%[26][27][29][48] * 数据库供应商使用Microsoft SQL Server和Snowflake 但通过缓存和外部计算优化 避免运行成本失控[50] * 公司拥有自建技术文化 核心系统如Navisphere为自行构建 拥有应用层和控制权 实现快速定制化部署和近乎零的边际拥有成本[38][39][41][42] 竞争优势与市场定位 * 竞争优势包括领域专业知识、自建内部系统、精益运营模型带来的速度和节奏、以及被认为是全球最好的物流师团队[36][37] * 公司提供多式联运解决方案 竞争对手需跨越三到五种运输模式才能跟上 且公司持续创新[37][42] * 自建技术与"购买集成"文化相比 在速度、成本可控性和可扩展性上具有明显优势[39][40][41][43] * 公司视自身为AI生态系统的受益者 无需投入巨额资金即可享受技术规模带来的成本效益[26][27] * 在近四年的货运衰退期中 公司实现了收入增长、利润率扩张和盈利增长 展现了业务模式的韧性和AI效益的可实现性[16][19] 未来展望 * 管理层对未来充满信心 认为未来两年将比过去两年更令人兴奋 因为转型仍处于早期阶段 拥有更多的构思和发现空间[17][52][53] * 公司的运营模式、技术和人员是差异化优势 已解决运营层问题 并将继续在客户层面进行创新[52] * 公司被视为一个未被充分估值的AI工业领域投资标的[53]

产品发布与合作 - 字节跳动豆包团队与中兴通讯联合宣布，搭载豆包手机助手技术预览版的工程样机开始出售[1][5] - 豆包手机助手是豆包与手机厂商在操作系统层面合作的手机AI助手，可执行较为复杂的任务[1][5][6] - 搭载该助手的工程样机为努比亚M153，使用骁龙8至尊版移动平台，官方售价3499元，目前处于“售罄”状态[1][6] 市场反应与产品热度 - 在闲鱼平台上，该款手机的二手售价在4200元至4999元之间，较官方售价高出700元至1500元[1][6] - 二手市场价格显著高于官方售价，显示市场对该产品存在较高需求和热度[1][6] 技术能力与应用场景 - AI助手在购物、出行、商务等应用场景中表现出较强的智能体AI能力[1][6] - 用户可通过语音、侧边AI键、耳机等多种方式唤醒AI助手[1][6] - 骁龙8至尊版移动平台可在终端侧提供个性化的多模态生成式AI，支持语音、情境和图像理解[1][6] 行业趋势与前景 - 高通CEO安蒙认为，用户体验正从以智能手机为中心转向以智能体AI为中心[2][6] - 智能手机将迎来以智能体AI为核心的时代，用户可通过包括手机在内的各类终端获得新应用体验[2][6] - 高通发布的第五代骁龙8至尊版进一步提升了终端侧AI处理能力，可在手机等终端侧运行智能体AI助手[1][6]

“十五五”发展新格局 - 坚持推动高质量发展，确保“十五五”时期基本实现中国式现代化取得决定性进展[2] - 坚持以人为本、人民至上，把推动人的全面发展和全体人民共同富裕作为根本目的[2] - 坚持统筹发展和安全，确保中国式现代化进程不被重大国际事件所干扰[2] - “十五五”时期我国基本养老保险制度将成熟定型，多层次养老金结构将优化重组，对养老金融的需求持续增加[2] - 面对国际挑战，要坚持新发展理念，以高质量发展的稳定性战胜外部环境的不确定性[2] 推动金融体系质效提升 - 推动金融业聚焦主业和防止脱实向虚，增强金融韧性需要优化融资结构，大力支持新质生产力[3] - 鼓励商业银行发展直接融资业务，鼓励资本市场创新，大力发展企业债券业务，提高民间资本活跃度[3] - 鼓励商业银行通过市场化方式建立耐心资本机制[3] - 中国资本市场被赋予新的战略功能，成为科技创新资金融通的“高效配置枢纽”和国家创新战略的“坚定执行平台”[3] - 保险资金正通过稳步加码权益投资，支持国家重大战略实施和实体经济发展[3] 科技赋能金融服务创新 - AI现已由生成式AI进化成智能体AI，能够做到协同和自主完成任务[4] - 智能商业框架包括为智能体打造适应AI时代的数字标识，在保护用户隐私的基础上提供个性化服务[4] - 提供专属于智能体商业的支付交易服务[4] - 创新提升服务贸易的路径包括以国家战略为导向创新支持措施，以金融力量为引擎打造新增长极[4]

AI算力需求结构性转变 - AI算力需求正从训练阶段向推理阶段倾斜，智能体AI算力从2025年开始逐渐攀升并将超越传统训练和微调算力，成为驱动AI算力增长的核心动力[1] - 2023年之前训练与推理算力需求占比约为6:4，到2025年这一比例已实现反转[4] - 未来80%的AI计算将花在推理领域，其中智能体AI是产生客户价值的核心场景[4] 国产AI芯片产业现状与挑战 - 国内AI芯片主流采用12纳米与7纳米工艺，而北美地区已向2纳米工艺推进，工艺差距约两代[2] - 受工艺差距影响，国内单颗AI芯片算力仅为北美同类产品约30%，内存容量和数据带宽等关键性能指标仅为北美芯片40%至70%[2] - 在地缘政治影响下，国内智算发展在先进工艺、高带宽存储器、封装技术及设计工具等关键环节面临外部限制[2] 国内产业突破路径与策略 - 通过算力组网、超节点架构设计等技术路径创新，在384组卡部署规模下国内AI系统整体算力可达北美同类系统2.1倍[2] - 推理芯片更强调场景适配性、低功耗与成本控制，这契合中国芯片企业在特定领域的技术积累与产业链优势[5] - 国产芯片已基本解决"有无"问题，下一阶段产业核心目标将从"可用"向"好用"升级并提升性价比[5] 推理芯片市场机遇 - 推理端尤其是面向视频生成、边缘计算和行业应用的推理场景，正成为中国AI芯片企业实现差异化突围的赛道[1] - 高性能训练芯片市场增长空间收窄，而高性价比推理芯片市场仍是一片蓝海[4] - 智能体AI复杂度远超传统推理任务，其Token使用量达到传统方法100倍，对推理芯片性能、能效与兼容性提出更高要求[4] 国产芯片产业发展方向 - 中国芯片产业正加速向全球产业链中高端冲击，涵盖CPU、GPU等通用计算领域及车规级芯片等垂直细分领域[3] - VPU芯片凭借在视频AI推理、超高清处理等场景的专用性优势，为产业提供"换道超车"机遇[3] - 国内AI产业快速发展对推理算力需求呈爆发式增长，为国产芯片提供广阔应用空间[3]

公司动态与市场表现 - 阿里巴巴于11月17日正式宣布“千问”项目并上线App公测版，全力进军AI to C市场 [4][5] - 千问App上线次日（11月18日）即攀升至苹果App Store免费应用总榜第四位，上线第三天（11月19日）升至总榜第三位，火爆人气导致服务器拥堵并登上微博热搜 [5][6] - 受千问App发布消息影响，阿里巴巴港股直线拉升，截止中午收盘涨4.13% [3] 增长数据与行业对比 - 千问App的下载增长数据超越ChatGPT、Sora、DeepSeek，成为史上增长最快的AI应用 [2] - 对比显示，ChatGPT发布网页版后用时40天用户数量突破千万，其APP上线首周下载量为50万 [7] - 同为中国的爆款应用DeepSeek在2025年1月上线首周下载量为226万，20天用户破亿 [8] - 字节旗下豆包APP截至2024年4月IOS平台下载量为900万次 [7] 技术基础与行业认可 - 千问App基于全球性能第一的开源模型Qwen3，Qwen系列模型的全球累计下载量已突破6亿次 [5][9] - 阿里发布的旗舰级模型Qwen3-Max性能跻身全球前三，超越GPT5和Claude Opus 4 [9] - 硅谷市场被Qwen系列模型快速攻占，Airbnb CEO表示公司正“大量依赖Qwen”，英伟达CEO指出Qwen已占据全球开源模型市场大部分份额 [9] 战略定位与未来前景 - 公司管理层将千问视为“AI时代未来之战”，定位为“会聊天能办事的个人AI助手”，核心是发展Agentic AI能力 [10][11] - 公司计划将千问App与电商、地图、本地生活等业务生态深度整合，使AI能跨场景协同执行任务 [11] - 分析师认为，公司可能通过订阅制、流量入口等商业模式建立C端盈利闭环，千问APP可与集团其他生活服务双向赋能，实现流量共享与收入提速 [10] - AI技术正从被动工具向主动智能体形态演进，直接渗透到实体经济以提升社会运行效率 [11]

市场表现 - 千问App公测第一周下载量突破1000万次，上线后迅速进入苹果App Store免费总榜前三 [1] 技术支撑 - 应用底层技术为阿里通义千问大模型，该系列模型自2023年起通过开源策略累计下载量已突破6亿次 [2] - 模型性能获国际行业领袖认可，英伟达CEO指出Qwen占据全球开源模型市场大部分份额，爱彼迎CEO表示公司正大量依赖Qwen [2] 产品定位与发展规划 - 产品定位为“会聊天能办事的个人AI助手”，强调实用价值以吸引用户 [2] - 未来发展将聚焦于构建“Agentic AI”能力，目标是成为能理解复杂指令并直接完成任务的智能助理 [2] - 计划与集团旗下电商、地图、本地生活等核心业务生态进行深度整合，以构建差异化竞争优势 [3] 行业意义与竞争焦点 - 千问App的市场事件标志着国内大型科技公司在C端AI应用的布局进入新阶段 [1] - 初期表现标志着公司C端战略成功迈出第一步，未来竞争焦点将围绕“技术+产品+生态”的综合实力展开 [3]

公司表现 - 阿里巴巴旗下“千问App”公测第一周下载量突破1000万次，并迅速进入苹果App Store免费总榜前三 [1] 技术基础 - 千问App的底层技术支撑为阿里通义千问（Qwen）大模型，该系列模型自2023年起通过开源策略累计下载量已突破6亿次 [2] - Qwen模型获得国际行业领袖公开认可，英伟达CEO指出其占据全球开源模型市场大部分份额并持续增长，爱彼迎CEO表示公司正大量依赖Qwen，因其比OpenAI模型更快速出色 [2] 产品定位 - 千问App精准定位为“会聊天能办事的个人AI助手”，强调简洁、专业及解决实际问题的实用价值以吸引用户 [2] 未来战略 - 千问App未来发展将聚焦于构建“Agentic AI”（智能体AI）能力，目标是从提供信息升级为能理解复杂指令、跨场景协同并直接完成任务的智能助理 [3] - 阿里巴巴计划将千问App与集团旗下电商、地图、本地生活等核心业务生态进行深度整合，旨在打通数字服务链路，构建差异化竞争优势 [3] 行业趋势 - 千问App的初期市场表现标志着国内大型科技公司在C端AI应用的布局进入新阶段 [1] - 未来AI领域的竞争焦点将更多围绕“技术+产品+生态”的综合实力展开 [4]

AI服务战略定位 - 公司首次面向C端推出AI超级入口，整合金融、医疗、养老与生活服务，打造统一的AI入口，连接平安全量500多项线上线下服务，实现问答咨询、办事服务和应急救援等便捷直达 [1][5] - AI服务核心价值在于超级有用和超级好用，而非技术酷炫，其载体不局限于APP，可嵌入穿戴设备、居家养老嵌入式设备等，提供管家式体验 [1][5] - 该服务将在公司所有APP上线，包括口袋银行、金管家、好医生、好车主等 [6] AI行业发展趋势与公司转向动因 - AI发展呈现三大核心趋势：模型智能持续跃迁，ScalingLaw驱动智能上限提升，使AI在金融与医疗等行业接近专业级水平；AI边界从感知智能拓展至生成式AI的理解与表达，再至智能体AI的规划与执行，进一步走向物理空间；AI角色从辅助工具转变为工作学习的合作伙伴 [2] - 公司转向消费级AI产品的核心动因是技术成熟度让专业服务落地成为可能，AI技术在过去两三年发展迅速，使得开发消费级专业AI产品成为可能 [1][3] - 在公司内部，AI已实现部分代码生成，在客服、理赔、营销等场景中，1个人加AI可胜任原先一个小型团队的工作量 [2] AI服务入口与传统平台的区别 - AI统一入口与传统移动互联网APP一站式服务平台本质不同，后者是拉通独立APP形成一站式的货架，而AI超级客服提供的是综合管家体验，其逻辑是提供管家式服务而非简单整合 [4][5] - AI服务通过MCP协议实现智能体统一调度、连接和编排，将以往需要层层搜索、等待人工转接的事务在几秒钟内解决 [5] - 公司服务体系是一个向全市场开放的生态平台，会优选接入医疗健康、车险、上门照护等服务，供应链侧非常开放，但整体服务体验、评估标准和规范性保持统一 [5] 多元垂域场景的技术挑战与解决方案 - 在多元复杂专业垂域场景应用AI面临四大挑战：需将全量服务数字化并纳入MCP框架协议；金融医疗等领域需专家与AI分层协作；线下服务需物理空间感知；需严守合规安全底线 [7] - 公司通过四大技术方向破解难题：领域增强，利用近十亿次医患交互和数十年金融数据构建数据筛选-知识蒸馏-专业微调pipeline；AI优化飞轮，通过OnPolicy强化学习使模型在真实业务中持续进化；构建时空大模型，融合毫米波雷达和多模态信号实现体征预测干预；开发AI质量合规大模型进行全量数据质控，明确回答边界 [8][9][10] - 当前AI回答准确率达到98%-99%，对于不能回答的复杂问题转人工处理，并用AI加人的方式审查服务质量 [10]

公司AI战略定位 - 公司发布AI实践全景图，推出包括AI超级客服、AI家庭医生、AI养老管家在内的"三大AI服务"矩阵 [2] - 公司AI战略不追求通用"超级大脑"，而是基于"超级有用"的实用主义导向，致力于在金融与医疗养老等高壁垒服务场景中深入解决问题 [2][3][4] - 公司拥有2.5亿客户，其海量、高壁垒的服务场景决定了其对AI的诉求必须深入到问题解决，而不仅限于信息交互 [2] AI技术范式重构 - AI行业正从生成式AI阶段跨入智能体AI新周期，AI不再仅满足于理解与表达，而是开始具备规划与执行能力 [2] - 范式重构的核心是让AI从被动的问答者进化为主动的行动者，背后是三个底层技术质变：边界扩展（从数字空间到物理空间）、智能跃迁（模型智能上限提升）、角色重塑（进阶为负责任的合作伙伴） [5] - 公司已将超过500个线上线下的服务进行数字化，并通过MCP（模型上下文协议）接入系统，使智能体具备理解、匹配、调度乃至规划编排的能力 [6] AI超级客服与入口重构 - AI超级客服代表从"人找服务"的货架逻辑升级为"面向AI时代的综合管家"体验，用户通过简单对话框即可触达续保、理赔、就医、道路救援等复杂服务 [5][6] - Agent的载体超越APP，未来可以是穿戴设备或嵌入式硬件，例如利用毫米波雷达技术实现居家环境的无线感知，监控老人行为轨迹以识别跌倒风险 [7][8] 严肃场景的AI应用与人机协作 - 在金融与医疗等容错率为零的严肃场景，公司采用"人机协作"模式，即"AI建议+专家负责"的双重保障，AI处理标准化信息收集与预诊，专家保留最终决策权 [9] - 以AI家庭医生为例，系统通过AI预诊、专家服务实现高效分层协作，例如AI初诊发现严重问题后安排患者线下就医并确诊 [10] - 公司构建了AI质量合规大模型作为技术护城河，用于审核AI输出，明确"什么不能说"，并在遇到复杂问题时立即转人工处理 [11] 生产力变革与算力红利 - AI生产力渗透显著，公司内部有相当一部分比例的代码由AI生成，在特定场景下"1个人+AI"可胜任原先一个小型团队的工作量 [13] - 公司目前92%的电话服务由AI接听、拨打和互动，带来成本优化并实现服务体验的更规范、更标准、更专业 [13] - 未来企业竞争优势将取决于算力密度与人机协作深度，公司正从依赖"人力红利"转向挖掘"算力红利"，旨在让稀缺的专业能力得以规模化复制，服务2.5亿大众客户 [14][15] 技术普惠与社会价值 - 在基层医疗领域，公司的AI眼底筛查模型已部署500多家基层医院，年筛查20余万人，敏感度达98%（相当于专业眼科医生水平），阳性检出率超过30% [10]