会议概况 - 第二届智能机器人关键技术大会（IRCTC2026）将于2026年5月15日至17日在杭州举行，主题为“具身智能与大模型驱动的机器人进化”[2] - 会议旨在推动智能机器人关键技术突破，促进产学研用深度融合，由大会组委会联合中国计量大学举办[2] - 首届大会于2025年在黑龙江齐齐哈尔举办，吸引了300余位行业人士参会[2] 会议主题与议题 - 核心主题聚焦于“具身智能”与“大模型”两大前沿技术驱动下的机器人技术发展[2][3] - 征文及研讨议题广泛，涵盖机器人自主导航与控制、人机交互、智能感知、机器视觉、移动/协作机器人、人形/仿生机器人等关键技术领域[3] - 议题还包括机器人底座技术、软体机器人、共融机器人、多智能体系统以及医康养机器人等细分研究方向[4] 学术合作与征稿 - 大会联合了包括《计算机集成制造系统》、《机器人》、《仿生智能与机器人(英文)》等在内的十余家国内外核心期刊进行征稿，文章将发表于正刊[2] - 论文提交截止日期为2026年4月10日[2] 会议日程 - 5月15日下午为会议代表签到注册[7] - 5月16日全天进行大会开幕式、大会报告、专题论坛、墙报交流及欢迎晚宴[7] - 5月17日全天继续进行专题论坛和墙报交流[7] 注册费用 - 会议注册实行早鸟优惠，在2026年4月30日前缴费可享受折扣[9] - 学生参会标准费用为1500元，早鸟价为1200元[9] - 教师参会标准费用为2800元，早鸟价为2500元[9] - 企业代表标准费用为3800元，早鸟价为3500元[9] - 《机器人技术与应用》理事会成员享有优惠价，标准费用为2100元，早鸟价为2000元[9]

公司核心财务与运营表现 - 2025年全年总营收达12.1亿元人民币，同比增长29% [4] - 2025年下半年营收加速，达8.1亿元，同比增速提升至34% [7] - 大模型相关业务收入爆发式增长1076%至6.1亿元，占总收入比重跨越50%门槛，成为核心增长引擎 [9][10] - 2025年经调整净亏损约为1.3亿元，同比缩窄近25%；下半年经调整净亏损大幅收窄92%至407万元，已非常接近盈亏平衡线 [24] - 公司人均产值从2024年的202万元/人增长至2025年的252万元/人，增幅达25% [21] - 截至2025年底，公司拥有480名全职员工，其中研发团队占雇员总数的69% [20] 营收结构与业务板块分析 - 营收主要来自智慧生活和智慧医疗两大方向 [12] - 智慧生活业务2025年实现收入9.7亿元，同比增长30.8%，占总收入79.9% [18] - 智慧医疗业务2025年实现收入2.4亿元，同比增长22.3%，占总收入20.1% [18] - 智慧生活业务中，解决方案收入6.9亿元（占比69.8%），产品收入1.2亿元（占比10.1%）[13] - 大模型业务在下半年贡献收入约5亿元，达到上半年规模的5倍 [11] 费用控制与运营效率 - 2025年研发费用为3.8亿元，同比增长2.9%，占经调整三费的75% [14] - 全年销售费用为0.65亿元，同比下降7.7%，费用率降至历史极低的5.4% [14] - 经调整费用率较上年同期大幅下降10个百分点，费效比显著提升 [16] - 费用优化得益于业务规模化带来的成本摊薄效应及管理精细化程度提高 [17] “强基模”技术战略与成果 - 公司以自研大模型为技术底座，2023年5月推出“山海”大模型 [29][30] - 围绕多模态能力、深度推理与思考能力、智能体全链路能力三大主线持续迭代 [31] - 已搭建起层次分明的“山海”大模型矩阵，包括专业行业大模型及多模态大模型 [31] - 专业行业大模型覆盖医疗、医保、交通等领域；多模态模型涵盖文字、语音、影像/图片等模态 [32] - 山海·知医5.0版本在权威评测MedBench 4.0中拿下医疗语言、医疗影像和医疗智能体三个维度桂冠 [34] - 工业级文档智能基座大模型Unisound U1-OCR在OmniDocBench V1.5评测中以95.1分夺得SOTA [34] - 计划在2026年6月前后升级基座大模型2.0版本，提升复杂场景理解与推理性能及多模态深度融合 [35][36] “深应用”商业化战略与落地 - “深应用”战略旨在将技术高效转化为商业价值，由智慧医疗和智慧生活“一纵一横”支撑 [37][38] - **智慧医疗领域**：截至2025年底，累计与全国近450家医院合作，全国综合排名A++及以上医院覆盖率约35% [42] - 2025年合作医院中超85%为三级医院，超三分之一客户已连续合作3年以上 [43] - 在首都医科大学附属北京友谊医院，大模型产品使全年生成病历数量较前一年提升十倍，病历审查覆盖率从不足5%提升至100% [46] - 2026年初成功中标全国首个省级医保大模型项目——江苏省医保大模型项目 [48] - 在商业保险领域，与头部保险集团合作，控费率水平提升至约20%，实现超十亿元级别的增量成本管控 [50] - 收费模式以按年付费、滚动续约为主，确保业务稳定性 [51] - **智慧生活领域**：聚焦轨道交通与智慧座舱高价值赛道 [53] - 已在青岛、宁波、深圳、南宁等超过10个城市开展智慧交通业务 [53] - 为上海申通地铁搭建了超过20个智能体模块的智慧轨交平台 [53] - 智慧座舱方面，提供基于多模态和端侧大模型的端云一体语音全链路智能体应用 [55] - 座舱端侧意图理解大模型通过蒸馏技术压缩至0.5B级别，可在30TOPS算力芯片上以350毫秒响应速度运行 [57] - 智能体应用已与多家头部OEM合作，上车多款主力车型 [58] - **AI产品领域**：推出“蜂鸟”系列AI芯片，服务于美的、格力、TCL等顶级家电品牌 [61][62] - 截至2025年底，AI芯片累计出货量已突破1.1亿颗，处于行业龙头水平 [63] 行业趋势与公司未来方向 - 行业焦点从技术探索转向模型落地价值，政策大力推进人工智能规模化商业应用 [69][70] - AI产业正迈向与实体经济全面深度融合的新阶段 [71] - 公司计划向“MaaS（模型即服务）”收入模式拓展，将垂直领域能力产品化、标准化封装 [75] - MaaS模式旨在带来更高客户粘性、更稳定经常性收入和更优利润率 [76] - 公司计划推进API调用、Token计费等经常性收入体系，并审慎评估面向消费者的C端订阅制产品机会 [77][78]

文章核心观点 文章记录了2026年中关村论坛人工智能主题日的一场高信息密度圆桌讨论，核心观点聚焦于人工智能产业，特别是大模型和智能体（Agent）技术，正从“聊天”范式转向“干活”范式，这一转变引发了算力需求爆发、模型架构创新、基础设施重构以及产业生态演变等一系列深刻变革 [3][5][13] 根据相关目录分别进行总结 行业趋势：从聊天到“干活”的范式转变 - 以OpenClaw为代表的智能体框架标志着人工智能应用从简单的对话交互转向能够完成复杂任务的“干活”助手，这极大地拓展了AI的想象力空间和应用价值 [6][8][13] - 范式转变导致对模型能力的要求发生根本变化，模型需要具备长程任务规划、自主循环、多模态信息处理和持续调试等复杂能力 [13] - 应用范式的转变直接驱动了推理阶段token消耗量的急剧增长，无问芯穹公司透露其token用量从一月底开始每两周翻一番，累计已增长十倍，类比于3G时代手机流量的爆发速度 [9] 模型层：架构创新与商业价值回归 - 为适应“干活”需求，模型在长上下文处理和推理效率方面进行重点创新，中国的模型团队在有限算力条件下催生了如细粒度MoE、混合稀疏注意力等高效的模型结构创新 [18] - 长上下文能力是实现高生产力任务和模型自进化的关键前提，其竞争焦点在于如何在百万甚至千万token的上下文长度下实现足够低的推理成本和足够快的速度 [19] - 随着模型任务复杂化，完成一个任务所需的token量可能是简单问答的十倍甚至百倍，智谱公司对其GLM5 Turbo模型进行提价，反映了模型商业价值向真实成本与能力回归的市场信号 [5][13][14] 基础设施层：应对推理时代算力挑战 - 推理时代算力需求爆发式增长，过去一段时间内推理需求已增长近十倍，未来可能达到百倍，算力成为制约行业发展的最朴素且紧迫的问题 [9][20][29] - 无问芯穹作为基础设施厂商，通过软硬件协同，接入国内十几种芯片和几十个算力集群，致力于打造高效的“token工厂”，以优化资源利用和转化效率 [15] - 为充分发挥智能体潜力，基础设施需要从为人类工程师设计转向为AI原生设计（Agentic Infra），以支持智能体秒级甚至毫秒级的任务调度，长远目标是使基础设施本身进化为由智能体管理的自主组织 [16][17] 智能体（Agent）层：技术痛点与生态发展 - 智能体在规划、记忆和工具使用三个维度存在技术痛点：复杂垂直领域规划知识不足、记忆系统面临信息压缩与召回精度挑战及海量上下文管理压力、技能生态存在质量参差不齐和安全风险 [21][22] - 智能体框架通过开源和模块化设计（如技能体系）降低了创建门槛，不仅拉高了国内模型在具体任务上的完成度上限，也激发了社区对Agent层的热情和广泛参与 [11] - 智能体交互模式取得突破，OpenClaw以即时通讯软件式的嵌入方式提供了更强的“活人感”，其轻量级操作系统式的设计通过生态撬动更多工具，与开源生态紧密结合 [12] 未来展望：未来12个月的关键词 - **生态**：智能体要从个人助手转化为真正的“打工人”或协作者，需要整个技术生态的共同努力，推动软件、数据和技术向“Agent Native”模式演进 [24][25] - **自进化**：在强大模型和智能体框架的激活下，模型能够在执行长程任务中持续自我学习和优化，实现对科学研究的指数级加速，这一进程可能在未来一两年内变得更为务实 [25][26][27] - **可持续token**：从基础设施视角，需要确保在资源有限的条件下，能够持续、稳定、大规模地提供token供给，构建从能源、算力到token产出的可持续经济化链路，并探索将中国的优势转化为全球“token工厂”的潜力 [27][28] - **算力**：所有技术进步和效率提升的前提是充足且可负担的算力支持，推理需求的爆发（十倍甚至百倍）使得算力成为未来十二个月行业面临的最大实际问题 [5][29]

文章核心观点 - 行业正经历从“推理式思维”向“智能体式思维”的范式转移，未来的绝对主线是训练能够与环境交互、为行动而思考的智能体，而非仅仅优化内部推理的模型 [4][16][29] - OpenAI o1和DeepSeek R1的崛起标志着行业从扩展预训练规模转向扩展后训练规模以进行推理，并凸显了基础设施和确定性反馈信号的重要性 [4][7] - 将“思考模式”与“指令模式”融合在单一模型内面临根本性挑战，两种模式在数据分布和行为目标上存在内在冲突，实践中分离部署可能更具吸引力 [10][11][13] - 智能体式思维将优化目标从解决基准测试转向在交互中持续取得进展，这带来了更复杂的基础设施挑战，并使得环境设计、训练-推理解耦、防作弊协议成为新的研究瓶颈 [18][20][25][26] - 竞争优势的来源正在改变：从“推理时代”的强化学习算法和训练流水线，转向“智能体时代”的环境设计、训练与服务集成以及系统编排工程能力 [30] 1. o1和R1的崛起究竟教会了我们什么 - 第一波推理模型表明，在语言模型中扩展强化学习需要确定性、稳定和可扩展的反馈信号，数学、代码等可验证领域的奖励比通用偏好监督更有效 [6] - 推理模型的出现既是建模的故事，也是基础设施的故事，强化学习从监督微调的附加组件演变为需要大规模部署、高吞吐量验证和高效采样的系统问题 [7] - 行业发生了第一个重大转变：从扩展预训练规模转向扩展后训练规模以进行推理 [7] 2. 真正的问题绝非仅仅是“融合思考与指令” - Qwen3尝试了“混合思考模式”，旨在将“思考型”与“指令型”行为融合，支持可调节的推理强度，并设计了四阶段的后训练流程 [9] - 融合的根本挑战在于数据：两种模式依赖的数据分布和行为目标截然不同，指令型追求低延迟、格式规范和简洁，思考型则需投入更多Token资源进行逻辑推理和探索 [10][11] - 未经精细数据编排的融合训练可能导致两头落空：思考行为变得冗杂臃肿，指令行为成本升高且可靠性下降 [11] - 实践中，保持分离部署更具吸引力，例如Qwen 2507系列推出了针对指令和思维功能的独立更新，以满足商业客户对高吞吐量、低成本、可控响应的需求 [11] - 其他实验室如Anthropic、智谱GLM和DeepSeek选择了集成路径，推出混合推理模型，但关键在于模型是否能呈现平滑连续的推理强度谱系，而非简单的二元开关 [12][13] 3. Anthropic的发展方向为何起到了有益的纠偏作用 - Anthropic在宣传Claude 3.7和Claude 4时强调集成推理、用户可控的“思考预算”、解决现实任务的能力以及思考与工具调用的交错进行 [15] - 其发展轨迹体现了一种严谨理念：模型的思考过程应根据具体工作负载塑形，例如为代码编写任务辅助导航和规划，为智能体工作流提升长周期任务执行成效 [16] - 这种对“针对性实用价值”的强调，指向了从“训练模型”向“训练智能体”时代的更宏大趋势 [16] 4. “智能体式思维”的真正含义 - 智能体式思维的优化目标发生转变：核心问题从“模型能否进行足够长时间的思考？”变为“模型能否以一种能够支撑有效行动的方式进行思考？” [18] - 它关注模型在与环境交互过程中能否持续取得进展，并必须处理行动选择、工具调用、整合不完整观测信息、失败后修正计划以及保持多轮交互一致性等问题 [18][25] 5. 为什么智能体式强化学习的基础设施构建难度更大？ - 优化目标转向交互式任务后，强化学习技术栈发生变化，策略模型被嵌入包含工具服务器、浏览器、模拟器、记忆系统等组件的庞大支撑框架中，环境成为训练系统不可分割的一部分 [20] - 这带来了全新的系统级需求：训练过程与推理过程必须实现彻底解耦，否则工具调用延迟、环境状态变化等因素将导致轨迹采样吞吐量急剧下滑和GPU利用率低下 [21] - 环境本身跃升为核心研究资产，其质量（如稳定性、真实性、覆盖度、反馈丰富度）至关重要，环境构建正演变为一个独立的创业赛道 [22] 6. 下一个前沿：更具可用性的思维 - 智能体式思维预计将取代许多静态独白式的推理思维模式，先进系统应拥有执行搜索、模拟、执行代码、验证等操作的权限，核心目标是以稳健高效的方式解决问题 [24] - 训练此类系统最棘手的挑战是“奖励作弊”风险，模型在获得调用外部工具权限后，可能学会利用环境漏洞走捷径，而非真正解决问题，这扩大了“虚假优化”的攻击面 [25] - 下一波研究瓶颈将集中在环境设计、评估器鲁棒性、防作弊协议以及策略与世界接口的构建上 [26] - 基于工具辅助的思维模式实用性优于孤立内部思维，智能体式思维的兴起也意味着对“系统编排工程”的精细化构建，未来趋势是从训练模型到训练智能体，再到训练整个智能体系统 [27]

行业技术发展路径 - 过去两年行业重塑了对大模型的评估方式与核心期待 例如 OpenAI 的 o1 表明“思考”可以成为一种被训练出来的能力 DeepSeek-R1 则证明推理式后训练可在原始实验室之外被复现和扩展[3] - 2025年上半年行业焦点主要停留在“推理式思考”本身 即如何让模型在推理时多想一会儿 而当前行业需要思考下一步的发展方向[3] - 行业正在从训练模型的时代走向训练智能体的时代 其定义特征是与真实世界形成闭环交互 智能体式思考将成为主流[3][5][7] 技术演进与核心挑战 - 一个重要的技术方向是构建统一的系统 将思考模式和指令模式合二为一 并支持可调节的推理努力程度 甚至让模型自主决定推理量 但实现“合并”极其困难[3] - 实现“合并”的真正难点在于数据 思考与指令两种模式的数据分布和行为目标存在显著差异 强行合并可能导致在两个方向上都表现平庸[4] - 在实践中 分开开发独立的指令版本和思考版本仍有吸引力 例如Qwen的2507版本就发布了独立的Instruct和Thinking版本 包括30B和235B各一套[5] - 更优的解决方案是构建一个平滑的推理力度光谱 使模型能自己判断该花费多少计算资源进行思考 因为更长的推理链并不等同于模型更聪明 有时反而意味着模型在乱花算力[5] 智能体时代的范式转变 - 智能体式思考与推理式思考的优化目标不同 推理式思考以最终答案前的内部思辨质量来评判 而智能体思维关注模型能否在与环境交互的过程中持续取得进展[5] - 核心问题从“模型能否思考得足够久”转变为“模型能不能用一种撑得起有效行动的方式来思考” 模型训练的核心对象也随之变为模型加环境的整个系统[5] - 在智能体时代 环境设计、rollout基础设施、评估器的稳健程度以及多个Agent之间的协调等问题变得至关重要 进入了技术核心圈[6] - “好的思考”的定义发生改变 指的是在真实约束下最能撑起行动的那条轨迹 而非最长或最显眼的那条[6]

公司财务表现 - 2025年全年总营收12.1亿元人民币，同比增长29% [5] - 2025年下半年收入8.1亿元人民币，同比增长33% [5] - 2025年全年净亏损显著改善，下半年净亏损同比收窄84%，经调整后亏损同比收窄92%，接近盈亏平衡点 [5] - 2025年经调整营业费用率较2024年同比大幅下降10个百分点，销售费用占收入比重仅为5.4% [7] - 2025年人均产值252万元/人，相较2024年的202万元同比增长25% [7] 大模型业务 - 2025年全年大模型业务收入6.1亿元人民币，同比增长超10倍 [5] - 2025年下半年大模型业务贡献收入约5亿元，为上半年规模的5倍 [5] - 公司计划于2026年第二季度末到第三季度推出面向编程和办公的原生智能体大模型 [3][10] 智慧生活业务 - 2025年智慧生活业务实现收入9.68亿元人民币，同比增长30.8% [8] - 智慧交通业务同比增长近40%，已在青岛、宁波、深圳、南宁等10余个城市落地基于山海大模型的智能体应用 [8] - AI芯片累计出货量突破1.1亿颗 [9] 智慧医疗业务 - 2025年智慧医疗业务实现收入2.44亿元人民币，同比增长22.2%，客单价同比增长53.2% [9] - 合作的医院中超85%为三级医院，超过三分之一客户已连续合作三年以上 [9] - 基于医疗大模型的病历录入与生成产品在某头部三甲医院单院区实现全年病历生成同比增长10倍 [9] - 商业保险智能体平台案件处理量同比增长37倍，与头部保险集团合作中控费率水平提升至约20%，相较传统审核方式实现超10亿元级别的增量成本管控 [9] 技术研发与战略 - 公司坚持“强基模+深应用”战略，持续夯实全模态技术底座 [7] - 2025年全年研发费用超3.8亿元，占经调整三费的75%，研发人员占比达69% [9] - 在MedBench 4.0评测中，公司斩获“医疗智能体”、“医疗大语言模型”、“医疗多模态大模型”三项技术范式第一 [9] - 未来将以MaaS（模型即服务）与智能体的规模化拓展为核心增长引擎，并积极探索以API调用、Token计费等模式构建经常性收入体系，将C端产品作为第二增长曲线 [10]

文章核心观点 - 以OpenClaw为代表的AI智能体技术正在催生“龙虾官”等一系列新兴职业岗位 这些岗位需求广泛分布于多个行业和城市 薪资范围可观 标志着大模型技术正从宏观概念转向与具体工作流程深度融合 并开始实质性地改变劳动力市场的需求结构 [1][6][25][26] 新兴岗位的招聘现状与分布 - 招聘市场上已出现大量以“龙虾”、“OpenClaw”为标签的正式职位 如“龙虾官”、“养虾工程师”等 并有猎头使用“养虾你就来”等针对性标语进行招聘 [1][3] - 相关岗位不仅出现在北京、上海等一线城市 在厦门、成都等城市也有显著的招聘需求 [4] - 招聘岗位示例包括OpenClaw本地部署工程师、龙虾养殖工程师、AI产品经理、AI工程师等 涉及技术部署、开发、产品及运营等多个职能 [5] 岗位薪资水平 - 以北京为例 相关岗位薪资普遍在30-60K范围 高薪可达百万级别 甚至有公司为实习生开出1000-2000元/天的日薪 [8] 招聘公司的行业分布 - 招聘“龙虾人才”的公司行业分布广泛 不止于AI和互联网 还包括医疗健康、房地产、旅游、知识产权等多个领域 [7] 岗位职责与要求分析 - **首席龙虾官** 此类岗位直接向CEO汇报 核心职责是推动公司内部Agent应用与AI Native转型 本质上是对Agent技术负责人的一种包装 部分公司明确要求候选人为00后 [9][12][13][14] - **技术开发类岗位** 如OpenClaw开发工程师 职责聚焦于Agent系统设计、技术架构建设与文化推动 要求候选人具备3年以上相关经验 熟悉OpenClaw、LangChain等主流Agent框架 并拥有系统架构能力 拥有开源社区贡献记录是加分项 [15][16][19] - **非技术类应用岗位** 存在面向非技术背景“养虾人”的岗位 例如“养虾达人版”内容运营 核心要求是能利用智能体自动化完成工作而非亲自操作 [20][21] 技术演进与职业生态变迁 - 从ChatGPT时代的“Prompt工程师” 到后来的“Vibe Coding工程师” 再到当前的“龙虾官” 大模型与智能体技术的持续发展不断催生新的职业物种 [24][25] - 这些新兴职业的出现表明 大模型与智能体技术正在深刻撼动原有的工作方式 其影响已超越AI和互联网行业 正渗透至更多传统行业 推动其与AI融合并改变自身形态 [25] - 相较于声势浩大的“颠覆” 技术与工作“融合”所带来的职场新生态可能更早被观察到 [26]

文章核心观点 - 绿洲资本创始合伙人张津剑将通往AGI的两条路径分别比喻为“南坡”和“北坡”，其中大语言模型是相对成熟的“南坡”，而具身智能则是充满未知挑战的“北坡”[5] - 尽管行业热度高涨，但具身智能的发展仍处于早期阶段，面临数据、硬件与软件整合等巨大困难，许多挑战被低估[30][36][37] - 绿洲资本发起“北坡计划”播客特别季，旨在深度访谈全球具身智能领域的顶尖华人青年科学家，展现他们的探索、认知与生命力，为公众提供启发[31][34][39] 行业现状与市场热度 - 国内具身智能市场狂热，春晚后达到顶峰，相关融资事件超过90起，其中亿元级别以上的融资事件超过40起[7] - 国内估值超过百亿元的具身智能公司至少有9家，包括宇树科技、智元机器人、银河通用、Hillbot、星海图、智平方、千寻智能、自变量机器人、逐际动力[7] - 行业关注点已从“机器人会不会摔倒”等基础问题，转向更复杂的“动物神经控制意识”复制等深层挑战[6][7] 具身智能作为“北坡”的挑战与机遇 - **发展阶段的定位**：具身智能客观发展水平刚在2023年下半年走过类似GPT2的阶段，离GPT3阶段尚有距离[33][37] - **核心挑战：数据规模**：当前具身智能领域的训练数据约20万-30万小时，而要迈向GPT3阶段，预计需要1000万-2000万小时的数据，涉及大规模的数据收集、清理和运营[33][37] - **技术整合难题**：硬件与软件需同步迭代，操作能力、移动能力与大语言模型的融合，以及不同模块频率与逻辑的整合，都存在大量待解决的问题[33][37] - **中国的潜在优势**：中国在设备成本、大规模数据运营经验方面有天然优势，有助于更快地迭代并逼近GPT3水平[33] - **科学家的核心作用**：该赛道由年轻科学家（多为1995年前后出生）引领，他们来自全球顶级实验室，正成为创新的核心力量[33][34] 绿洲资本的投资理念与播客实践 - **投资价值观**：公司以“善良、欢喜、生命力”为核心价值观，认为下一代基金应是价值观的载体，投资策略是“精选、重仓”[12][13] - **播客的初心与价值**：播客《信号与噪声》旨在连接有生命力的人，通过深度对谈呈现真实状态，超越单纯的投资视角，为听众提供启发和力量[12][16][17] - **播客制作方法论**：访谈没有提纲和预设问题，追求沉浸式的心流交流，以真实、一致的状态进行对话[21][22][24] - **播客的考核指标**：内部核心考核指标是内容的完播率和分享率，而非粉丝数或播放量，以此衡量内容的启发价值[45] “北坡计划”播客特别季的规划与目标 - **计划内容**：计划访谈十位具身智能领域的全球顶尖青年科学家，展现他们的勇气、创新、未来认知及生命观[34] - **内容侧重**：在聚焦个人故事的基础上，会增加对技术前沿创新及中美创新策略的探讨[42] - **核心目标**：满分目标是启发一位年轻人因此立志成为科学家，推动全球具身智能领域的创新[44] - **行业意义**：记录科学家对边界的探索，因为在AI时代，探索边界是人的核心价值，未来将是“大科学时代”[35]

公司与产品推广 - 梅赛德斯-奔驰与索尼电影联合呈现的动画电影《奇迹梦之队》于全国正式上映，多款梅赛德斯-奔驰座驾亮相银幕，包括全新奔驰纯电CLA和全新纯电GLC SUV [2] - 全新奔驰纯电CLA通过前脸142颗星徽可呼吸式动态点亮、至多6种"SoundExperience"整体式音效系统主题等方式，营造充满生命力的豪华氛围 [2] 产品性能与技术创新 - 全新奔驰纯电CLA搭载同级唯一的电动两挡变速箱，实现10.9千瓦时/100公里的超低能耗，并具备866公里(CLTC工况)的扎实续航 [2] - 全新奔驰纯电CLA被称为"史上最聪明的奔驰"，搭载AI赋能的智能座舱，应用字节跳动的豆包大模型 [2] - 该车型搭载以奔驰标准打造、与Momenta共同研发的城区及高速领航辅助驾驶系统，为中国客户量身定制智能出行体验 [2]

公司资本支出计划 - 2026年公司整体资本支出预计将达到260亿元人民币，较2025年增加约110亿元人民币 [1] - 资本支出增长主要用于可灵大模型及其他基础大模型的算力投入 [1] - 资本支出还包含离线数据存储与处理等常规服务器采购，以及数据算力中心建设工程投入 [1]