文章核心观点 - AI技术正从工具销售转向价值创造 重点在于为企业提供可量化的收益提升[2] - 企业AI落地需聚焦高价值复杂场景 通过行业Know-How与AI技术融合实现闭环控制[3][5][14] - 垃圾焚烧行业通过"感知-预测-控制"三层架构实现AI规模化应用 自动投运率超90%[5][6][20] 中国垃圾焚烧产业发展阶段 - 进口技术引进阶段：早期依赖欧美日技术引进 如日立/卡万塔/马丁炉等技术[9] - 本土化适配阶段：针对中国垃圾含水率高/成分复杂特点改造技术 开发出三段式V型焚烧炉[9] - 技术出海阶段：2024年V型炉技术反向输出海外 实现从技术引进到输出的突破[10] 瀚蓝环境AI落地实践 - 设备规模：AI系统部署于9个项目18台焚烧炉 覆盖垃圾处理规模近10万吨/日[2][5] - 技术成效：自动投运率超90% 显著提升燃烧效率并降低人工操作强度[5][20] - 技术架构：通过精准感知（传感器与视频分析）/动态预测（AI建模）/协同控制（智能算法）实现闭环管理[5][6] - 数据基础：提前布设上千个传感器 积累多年运营数据形成历史数据库[15] 阿里云工业AI落地方法论 - 场景选择：聚焦制造业"研产供销服+金融管理"中的生产制造环节 因其价值最大且需求强烈[4][13] - 行业筛选：选择高价值设备且工艺复杂的行业 AI提升效能空间更大[5][14] - 技术适配：需结合物联网能力与工控领域认知 形成可执行的技术闭环[14] - 合作模式：需与行业用户深度共创 2019年派驻热工+控制+AI复合背景团队驻场数月[12] 行业痛点与技术突破 - 核心痛点：垃圾成分受来源/天气/时间段影响 含水率与热值波动大导致燃烧不稳定[17] - 控制难点：原有ACC控制技术不可用 需替代依赖老师傅经验的人工操作[12][17] - 创新方案：通过多模态视觉大模型识别垃圾成分 结合吊车/推料器/炉排数据预测热值[23] 企业AI战略实施路径 - 启动原则：在"模糊正确"理念下先行试点 通过小场景验证价值再推广[27] - 实施周期：瀚蓝环境花费6-7年时间 从点状探索发展到全面推广[27] - 生态建设：联合成立人工智能研究院 打造环保行业超脑集群与开放生态[21] 出海机遇与挑战 - 市场机遇：发展中国家如东南亚/中亚/西非垃圾焚烧需求巨大 正处于起步阶段[30] - 技术挑战：需适配欧美标准体系 应对垃圾成分与热值差异带来的超温问题[30] - 落地模式：中国技术出海核心逻辑是"客户带技术"而非"技术找客户"[31][38] 行业未来布局 - 瀚蓝方向：从单点验证转向全流程覆盖 构建数据驱动+主动干预的闭环管理[20][21] - 阿里云规划：拓展大模型应用 如垃圾投运助手提升操作员能力 缩小新手与老师傅差距[22] - 技术演进：将时序模型/视觉模型等多模态技术融合 持续迭代智能控制算法[23]

市场表现 - 沪指低开0.30%报3604.70点 深成指高开0.05%报11208.46点 创业板指高开0.65%报2382.97点 [1][2] - CPO PCB板块涨幅居前 军工 有色金属板块跌幅居前 [1] - 上证指数成交金额61.38亿 深证成指成交金额81.28亿 创业板指成交金额39.09亿 [2] - 纳斯达克中国金龙指数跌1.82% 热门中概股普跌 蔚来汽车跌4.25% 小鹏汽车跌2.01% 理想汽车跌3.40% [3] 光伏行业 - 光伏行业面临同质化低价竞争和产能过剩问题 行业回归规范化有序竞争后有望迎来价格回升和盈利修复 [4] - 技术创新是光伏行业走出同质化竞争困境的根本路径 具备差异化优势的厂商有望迎来业绩反转 [4] AI产业 - AI行业进入Token增长驱动新阶段 AI Agent在办公 医疗 金融等垂直场景应用显著丰富 [5] - 服务器算力需求持续增长 厂商重点推广大模型后训练和推理算力服务 [5] - 生成式AI发展呈现2B领先2C特征 B端商业化进展快于C端消费级产品 [5] 化工行业 - 化工行业"反内卷"重点关注纯碱 煤化工 有机硅等细分领域 这些行业亏损程度高 集中度高 老旧产能占比高 [6] - 纯碱 氨纶 染料 聚氨酯 钛白粉等行业同时满足多条筛选标准 建议高度关注 [6] 流程工业设备 - 流程工业设备受益于煤化工建设投资和存量设备更新政策 西北煤化工领域投资规划大力推进 [7][8] - 流程设备涉及压缩机 泵 阀门 仪表等多个环节 已成长出具备国际竞争力的龙头企业 [7][8]

市场表现 - 沪指涨0.17% 深成指跌0.77% 创业板指跌1.62% 三大指数涨跌不一[1] - 沪深两市成交额1.84万亿元 较上个交易日放量411亿元[1] - 影视 油气 婴童 食品等板块涨幅居前 稳定币 固态电池 软件开发 稀土永磁等板块跌幅居前[1] AI行业 - AI进入Token增长驱动新阶段 AI Agent在办公 医疗 金融等垂直场景应用显著丰富[1] - 服务器算力需求持续增长 厂商重点推广基于大模型的后训练和推理算力服务[1] - 生成式AI发展呈现2B领先2C 应用领先终端特征 B端商业化进展明显快于C端[1] - 国内外厂商形成良性竞争推动行业进步[1] 流程工业设备 - 流程工业顺周期属性明显 2024年石油化工资本开支显著下滑超20%[2] - 西北煤化工领域投资规划大力推进 为新增市场带来边际变化[2] - 存量设备更新政策持续发力 补贴逐步落地 提供中长期韧性[2] - 流程设备涵盖压缩机 泵 密封 空分设备 阀门 仪表及控制系统等环节[2] - 建议把握煤化工 存量更新 出海 国产替代四条逻辑主线[2] 光伏产业 - 光伏行业存在同质化低价竞争和产能阶段性过剩问题 是反内卷核心阵地[2] - 随着行业回归规范化有序竞争及潜在供给侧改革政策完善 产业链有望迎来价格合理回升和盈利修复[2] - 技术创新是走出同质化竞争根本路径 具备产品差异化 市场高端化 制造品牌化优势的厂商有望业绩率先反转[2] - 建议关注具备长期竞争力和量价回升弹性的龙头公司[2]

AI项目落地现状 - 全球仅有41%的生成式AI试点项目能成功进入生产阶段，近六成项目在实施阶段失败[1][2] - AI落地处于混沌期，缺乏既定成功路线图和方法论，企业普遍依赖模仿成功案例[3] - 行业面临信息过载与碎片化问题，传统会议模式无法满足深度交流需求[3] AI落地核心挑战 - 跨行业ROI评估框架缺失，导致价值对标困难[5] - 85%工业数据处于未激活状态，模型调优与数据治理方案透明度不足[5] - 53%高管认为缺乏AI与业务融合人才是首要障碍，50%企业现有组织架构无法支撑AI规模化部署[5] 2025 ITValue Summit创新举措 - 推出6小时年度演讲，聚焦AI落地10大问题及解决案例，采用互动串讲模式[7] - 设置10+闭门会，深度探讨航空、医疗、制造等行业的真实挑战与解决方案[7][8] - 评选50个年度创新场景案例，要求AI为必选项，获奖企业将现场分享经验[8] - 构建高价值社交场域，包括千亿俱乐部闭门会、CXO早餐会等无PPT交流活动[8] 参与方式 - 线下参会可通过官网报名，线上可通过钛媒体视频号观看直播[9] - 开放「创新场景50」榜单申报，截止日期8月22日，专家评审8月23-31日[9] - 社群讨论通过官方微信加入，提前参与AI落地话题交流[10]

AI时代的核心观点 - AI时代已经来临且速度远超预期 不转型的企业将失去存在意义 [4][6][81] - 趋势选择逻辑：趋势>行业>经营>管理 需先梳理AI业务流程再配置人才 [5] - AI三大红利：全工业品类供应链 全球化出海 AGI基座技术 [8][9][10][11] - 广东企业家精神需升级为系统性AI解决方案 务实敢闯需结合方法论 [13][14] AI落地障碍分析 - 中小企业面临七大障碍：业务场景模糊 数据质量低 技术人才缺失 成本ROI不确定 战略意识不足 系统集成难 期待值过高 [18][19][20][21][22][23][24] - 核心矛盾：资源整合需求与"三缺"现实（缺人缺钱缺资源） [25][59] 实践案例与转型路径 - 个人转型案例：AI助理使10人月工作量缩减为5人7天完成 内容创作效率倍增 [28] - 跨境电商案例：人力成本降50%同时打造爆品 从I型人格转型为AI教练 [31] - 方法论框架：3步落地法（拆流程→匹工具→小验证） 业务流程AI化改造 [32][38][39] 教育服务体系 - 混沌AI学院解决方案：在线交互+在地服务 L1岗位提效+L2业务提效分层设计 [42][46][47] - 团队学习机制：用老板商学费覆盖团队培训 超级学委计划促进知识共享 [49][62][63][64] - 实战支持体系：每月大课+每周辅导/沙龙/研学 从认知到交互的闭环 [55][57] 资源整合策略 - 社群互助价值：300人场域破解认知/资源瓶颈 30分钟解决工具支付问题 [58][65] - 小步快跑策略：小规模验证→快速迭代 资源互换实现优势互补 [60][61] 时代机遇与行动号召 - 企业家责任：用AI改企业命运 关乎员工生计 非选择题而是必答题 [78] - 行动哲学：向先行者学习 知识转化行动 无需等待完全准备 [77][75][83] - 进化本质：非工具学习而是系统能力升级 获取未来商业门票 [85][86]

文章核心观点 - AI Agent在零售业的应用正从技术概念转变为解决实际业务痛点的工具，尤其在库存管理、人力效率提升和决策优化方面效果显著[4] - AI落地成功的关键在于30%技术+70%组织调整，需要企业同步进行业务流程重构和考核机制变革[7] - 行业专用知识库和工具生态是AI Agent发挥价值的基础，企业需用自身数据训练模型并整合多种技术工具[7] - AI对零售业的改变将分阶段实现：短期替代规则明确的基础操作，中长期重构人机协作模式[9] AI在零售业的具体应用案例 - 女装品牌通过"AI买手系统"使试点门店售罄率提升17%[4] - 医药企业利用RPA+Agent处理全国5000家门店医保数据，对账错误率从30%降至10%[4] - 服装集团用AI智能派单处理退货审核，将原需人工单处理的流程缩短至几分钟完成[6] - 美妆品牌调整客服AI后标注数据成本降低90%，问题解决率提升15%[7] - Lola Rose借助AI拆解抖音爆款视频并进行切片化处理，快速制造爆款内容[9] 技术实施方法论 - 飞书提出AI落地五步骤：统一思想、组建跨部门团队、找准场景、小范围验证、持续改进[8] - 智谱强调行业知识消化能力的重要性，演示零售大模型能理解"法式慵懒风"等专业术语[7] - 来也科技通过整合DeepSeek、GLM等模型+RPA工具解决复杂数据处理问题[7] - 服装品牌用三年销售数据训练模型，将面料需求预测误差控制在3%[6] 企业实践建议 - 小仙炖建议通过对标学习行业最佳实践，技术与业务共创AI方案形成闭环[10] - 伊利提出三点经验：全局规划小步快跑、组建业务技术复合型团队、用业务指标倒逼优化[10] - 特赞科技观察到内容团队职能转变为"AI策展人"，专注策略制定而非内容生产[9] - 考核机制需同步调整，如导购使用AI生成文案后需同时考核销量和文案质量[7]

AI行业趋势与投资机会 - 马斯克指出AI训练与电池系统的强关联性，特斯拉储能业务与AI算力背后的电力基建存在深度协同，电池成为AI基础设施的刚需[7] - 2025年AI应用市场呈现分化趋势：AI写作等赛道持续火热，而聊天机器人领域出现下滑迹象[10] - AI基建领域存在潜在商机，需关注电力、储能等底层支持系统的技术突破与产业化进程[7][10] AI商业化落地路径 - 自媒体副业可通过5步实现闭环：选垂直赛道、构建最小可行产品、精准拆解用户需求、快速迭代验证、规模化变现[4][5] - AI营销领域出现零门槛工具，支持360°商品展示与特效视频生成，显著降低创意广告制作成本[8] - 3D建模领域形成标准化工作流：使用即梦图片3.0生成主体、视频3.0制作关键帧、剪映完成后期合成[6] AI内容创作方法论 - 短视频创作需在15秒内完成叙事闭环，重点在于镜头语言压缩与剧情密度提升[9] - 二次元IP开发形成技术模板，通过prompt工程可还原火影等经典角色的真人风格场景[11] - 潮玩设计实现参数化控制，包括角色特征（9颗尖牙）、场景元素（荷叶荷花）、材质风格（钢笔水彩混合）等维度[6] AI社区生态建设 - 浪岛社区聚集三类核心用户：技术极客（占比35%）、商业化操盘手（28%）、创意内容生产者（22%）[15] - 平台提供三大价值：前沿技术动态更新频率达日均15条、商业化案例库包含200+落地模板、精准人脉匹配成功率超60%[15] - 岛主特权体系包含流量扶持（每周10次首页曝光）、用户增长加速（3倍于普通用户）、产品共创权限等[16]

AGI发展阶段与现状 - AGI发展分为五个阶段：聊天者（L1）、挑战者（L2）、推理者（L3）、创新者（L4）、组织者（L5），当前行业处于从L2向L3跨越阶段，即从"会思考"向"会行动"演进 [1] - AGI是长期演进过程，当务之急是让AI能解决问题并落地生根，通过日常使用释放潜力 [1] AI落地的结构性改变 - 竞争焦点转变：从模型能力（参数、规模）转向落地能力，强调模型能否实际"跑起来干活" [2] - 价值定位转变：从工具效率（被动响应指令）转向结果闭环（主动完成任务），用户需求从辅助变为结果托付 [2] - 产品形态转变：从云端计算转向贴身存在，AI需融入用户设备、场景及生活细节，而非仅停留于服务器 [4] AI规模化落地的关键支柱 - 硬件载体是核心载体，智能体（Agent）是核心交互入口，需具备理解用户意图并自主执行任务的能力 [4] - 当前AI落地三大困境：场景割裂（设备间流转低效）、端侧算力不足（难以承载7B以上模型）、信任问题（隐私与伦理标准缺失） [4] 行业合作与产品动态 - 倡议共建AI终端生态联盟，联合模型企业、运营商、终端企业、互联网企业，在技术创新、标准定义、商业创新、人才培养四维度协同 [9] - 荣耀将于7月2日发布AI折叠旗舰Magic V5，定位全球最轻薄折叠屏手机及"行业最强"AI智能体手机 [9]

核心观点 - AI在零售消费行业已实现显著业务重构，如交个朋友通过AI智能选品实现GMV翻倍，叮咚买菜利用AI算法将损耗率控制在1.5%，物美AI样板间销售额增长5倍[4] - 多数企业仍处于AI落地观望期，面临"怕被割韭菜"与"怕落后"的矛盾心理，需通过一线实战案例破解落地难题[5] - AI落地研学营聚焦实战方法论，覆盖零售消费全链条场景，包括选品、供应链、营销服等，提供可复制的技术方案与ROI验证[6][7][12] 行业应用案例 - **直播电商**：交个朋友通过AI中控台实时优化流量分配，单场GMV突破千万[6] - **生鲜电商**：叮咚买菜前置仓采用AI算法管理400万品类组合，端到端损耗率压至1.5%[4][6] - **新质零售**：物美AI样板间实现选品、补货、出清全生命周期智能管控，销售额增长5倍[4][6] 技术落地方向 - **AI Agent应用**：智谱AI解析大模型技术底座到场景闭环构建，飞书AI提供协同零售的Agent趋势洞察[6] - **营销服一体化**：网易云商展示Agent实践，解决"AI如何帮企业赚钱"问题[6] - **供应链柔性化**：智能蜀海供应链构建消费者导向的全链路数字化方案，柠季分享AI全球化供应链实践[7] 研学营价值 - **实战内容**：1.5天高强度参访+案例推演，覆盖12家标杆企业如爱慕、特赞科技等，拆解智能客服、爆品预测等20+场景[7][9][12] - **资源网络**：提供30位CEO/CTO同行机会、头部甲方对接、50+AI案例报告及峰会门票[12] - **区域主题**：北京聚焦AI Agent颠覆效应（6月），杭州探讨营销服一体化（7月），上海主攻智能供应链（9月），北京研究AI组织文化（11月）[13] 目标受众 - **零售企业决策者**：解决库存压力、人力成本失控问题，明确AI落地切入点[9] - **数字化服务商**：破解技术能力与商业需求错位困局，直击甲方真实需求[9] - **产业观察者与投资人**：捕捉AI改造传统行业的早期信号与价值洼地[9]

AI在零售消费行业的应用案例 - 交个朋友利用AI实现60余个直播电商矩阵的智能选品与GMV翻倍 [1] - 叮咚买菜借助AI算法管理400万品类组合，将端到端损耗控制在1.5% [1] - 物美打造的AI新质零售样板间实现5倍销售额增长 [1] - 元气森林用智能选址避开红海竞争 [13] - 叮咚买菜前置仓通过AI算法将损耗率压至3% [6] AI落地研学营的核心内容 - 全年四期限额20人/期，每期1.5天高强度实战 [6][8] - 上午进企业看实战，下午拆案例做推演，晚上闭门谈合作 [6] - 涵盖智能客服、爆品预测、柔性供应链等20+可复用案例库 [11] - 30位CEO/CTO顶级决策者同行，参访间隙促成合作 [11] - 结营后持续获取虎嗅智库50+《AI落地案例报告》 [11] 研学营课程安排 - 6月北京站：拆解AI Agent对零售的颠覆效应 [12][15][16] - 7月杭州站：AI驱动营销服一体化 [12][17][18] - 9月上海站：给供应链装"智能大脑" [12][19][20] - 11月北京站：适配AI生产力的组织与文化 [12][21][22] 参与企业的AI实践分享 - 飞书AI负责人解析协同零售企业的AI落地实践 [15] - 智谱AI副总裁分享大模型驱动的零售实践 [16] - 交个朋友CTO展示AI如何赋能直播电商"人、货、场" [17] - 网易云商AI负责人探讨Agent如何帮助企业赚钱 [17] - 叮咚买菜大学校长分享前置仓的AI革命 [19] 适合参与的人群 - 零售消费企业决策者：急需确认AI落地的第一刀往哪儿切 [7] - 数字化服务商高管：破解技术能力与商业需求的"错位困局" [7] - 产业观察者与投资人：捕捉AI改造传统行业的早期信号 [7] - 成长期数字化及AI服务商总经理/CEO/高管 [28]