在AI大模型竞争趋于白热化、自研AI芯片的较量正如火如荼之时，OpenAI又在AI硬件市场点燃了"战火"，打造"AI时代的iPhone"。 近日，据多家媒体披露，OpenAI正以惊人的速度从苹果公司"挖角"，已招募超过20名硬件、设计与供应链领域的资深工程师，其中包括多位在苹果效力 超10年的核心人才。据悉，OpenAI正在开发的产品线包括一款类似智能音箱但无显示屏的设备、智能眼镜、数字录音笔以及可穿戴胸针等多种硬件产 品，目标是在2026年底或2027年初推出其首批设备。而在供应链层面，消息称OpenAI已与立讯精密、歌尔股份等"果链"公司建立或洽谈合作，相关传闻 也带动"果链"公司股价集体大涨。 | | Exclusive: OpenAl Raids Apple for Hardware Talent, Manufacturing Partners | | Save 25% and learn more | | | --- | --- | --- | --- | --- | | Pro V | Org Charts Finance | Tech | Weekend Events TITV Communit ...

行业投资评级 - 电子行业评级为看好（维持）[5] 核心观点 - 端侧硬件场景丰富，产业链有望迎来高增长机遇[2] - 智能终端呈现百花齐放态势，iPhone销量回暖，OpenAI等大模型厂商入局加速智能终端品类和形态创新[3] - 端侧AI产业链相关公司包括立讯精密、蓝思科技、领益智造、中石科技、华勤技术、歌尔股份、蓝特光学、瑞声科技、比亚迪电子[3] 行业动态与趋势 - OpenAI计划在2026年末或2027年初推出首款设备，包括无显示屏智能音箱、眼镜、数字录音笔和可穿戴胸针等产品，立讯精密已获得至少一款OpenAI设备组装订单，歌尔股份作为潜在声学部件供应商接洽[8] - 未来更多大模型厂商和互联网厂商入局硬件产品，抢占下一代数据流量入口，形成“模型—终端—用户”直达路径，例如阿里将发布AI眼镜产品，字节布局AI耳机、AI眼镜、VR等品类[8] - iPhone17系列销售表现优异，京东平台以旧换新销量达去年同期4倍，苹果要求供应链提高日产能，硬件升级包括外观、散热、电池等刺激销量[8] - 苹果AI进展加速，Apple Intelligence基础语言模型在跨语言、文本和视觉模式具竞争力，软件及系统端生态优势显现，硬件端多品类创新周期开启[8] - Meta发布3款AI&AR眼镜产品，包括Ray-Ban Meta升级款、Oakley Meta Vanguard运动AI眼镜和Meta Ray-Ban Display（右眼增加全彩单目显示屏，采用LCoS+阵列光波导组合），AR眼镜进入“0-1”市场培育阶段[8] - 量子计算有望加速落地，存储行情景气度持续，国产存储产业链看好，长存三期成立推动半导体设备国产化加速[7]

模型发布与开源 - 美团开源首款自研推理模型LongCat-Flash-Thinking 距离其首款大语言模型开源仅24天 [1] - 模型已发布于GitHub和Hugging Face平台 并提供技术报告和在线体验链接 [3] - 实际体验中模型推理和回答长度可能超出体验链接限制 导致答案不完整 [3] 技术架构与训练效率 - 基于自研DORA强化学习基础设施训练 训练速度提升至原来3倍以上 增幅超过200% [1] - 采用课程学习方式构建能力 经历推理增强的中期训练和面向推理的有监督微调 [5] - 强化学习采用三管齐下方案：系统层面通过DORA框架支持异步训练与灵活调度 算法层面改良PPO方法 奖励机制引入生成式奖励模型GenRM [9][10] - 在数万张加速卡上 RL训练速度达传统同步方式3倍以上 FLOPs投入约为预训练阶段20% [9] 性能表现与基准测试 - 在通用问答、数学推理、通用推理测试中与GPT-5-Thinking、Gemini2.5-Pro等主流模型基本持平 [1] - 数学推理能力突出：MATH-500取得99.2%接近满分 HMMT-25达83.7% AIME-24达93.3% [12][13] - 逻辑推理方面：ARC-AGI达50.3% 超越OpenAI-o3与Gemini2.5-Pro ZebraLogic达95.5% [13] - 编程能力：LiveCodeBench达79.4% 紧追GPT-5 [14] - 工具增强推理：τ²-Bench-Airline实现67.5%最佳成绩 AIME-25基准测试平均token消耗减少64.5% [1][15] - 定理证明领域：MiniF2F测试达67.6% 比次优模型高出18% [18] - 安全性测试在有害内容、犯罪、虚假信息及隐私四类风险中均获最高分 [18] 应用场景与业务协同 - 重点优化形式推理和Agent推理任务 通过双路径推理框架筛选工具依赖型高质量问题 [7] - 技术提升针对性服务于工具使用、指令遵循和安全性 可能应用于美团消费者Agent产品和AI搜索业务 [19] - 分布式沙箱系统支持数百万次并发代码执行 覆盖20多种编程语言 [10]

大数据智能找矿预测团队聚焦地质找矿预测新范式建设目标，创新研发了集地质大数据管理、大数 据挖掘、多要素信息提取、多尺度网格计算、智能预测评价、辅助决策等于一体的大数据智能找矿预测 系统。该系统深度融合地质找矿数据、知识库、算法库、模型库及工具软件，打造了一体化协同工作平 台，实现了地物化遥矿钻等多尺度多要素地质找矿数据的高效融合、智能分析与预测评价，可为地质找 矿提供信息化解决方案，显著提升了地质找矿预测的效率与靶区定位精度。 目前，大数据智能找矿预测系统建设已成为中国地质调查局推进AI技术在地质调查领域深度融合 应用的示范行动。下一步，该团队将以地质找矿预测场景驱动为牵引，持续深化AI、大模型、智能体 等前沿技术在地质找矿预测中的深度融合应用创新，形成以创新带应用、以应用促创新的良性循环，支 撑建立"AI+"地质找矿预测新工作模式，打造地质调查新质生产力，赋能新一轮地质找矿实现新发现。 （宋国玺 王斌） 本报讯 近日，"一种基于多尺度大数据融合的找矿预测系统"获国家发明专利。这项由中国地质调 查局自然资源综合调查指挥中心大数据智能找矿预测团队研发的创新性应用研发成果，将有力推动我国 智能化找矿预测技术迈入新 ...

商报讯 （记者 郭雨昕） 近日，长续航中大型豪华轿车——荣威M7 DMH上市。新车共推出160km舒享 版、160km悦享版、160km臻享版3款车型，官方指导价9.78万元—11.48万元；即日起至10月31日 （含）前完成大定并锁单的用户，可享限时美好价8.58万元—10.28万元。 荣威M7 DMH全球首搭豆包深度思考大模型，以"会深度思考的AI智舱"重新定义人车交互，实现从指令 式到自然人感交互的跨越。该系统具备行业领先的模糊语义理解能力，可准确处理倒装句、否定句和多 意图指令，理解准确率较传统模型提升14倍，覆盖15大核心场景。荣威M7 DMH还拥有同级领先的手车 互联生态域，覆盖OPPO、vivo、小米、华为、苹果等所有主流手机品牌，实现"手机桌面上车、应用无 缝流转"的便捷体验。新车搭载领先的DMH 6.0超级混动系统，实现CLTC纯电续航160km，满油满电 CLTC综合续航达2050km。 ...

阿里科技大会 - 大会于周三至周五在杭州举行 包含大模型 AI应用和芯片三大板块 [1] - 市场资金在会议前已提前布局国产算力领域 重点流向海光及存储相关标的 [1] 电子行业资金集中度 - 电子板块成为当前市场唯一资金聚集的行业 其他行业均出现资金流出 [2] - 光模块等前期强势板块亦出现资金撤离现象 行业热度显著下降 [3]

行业投资评级 - 强于大市 维持[1] 核心观点 - 中美差异视角下 TO B Agent 预计在2026年H1迎来破局时点 商业化落地大势所趋[2][4] - 中国企业软件付费意愿因Agent实现类人替代和清晰ROI而提升 商业模式转向SaaS订阅和按结果付费[3] - 国内大模型能力差距有望在2024Q4缩小 产品密集落地将推动万亿级白领劳动力市场重塑[4][48][58] 美国Agent现状与启示 - 底层大模型Tokens消耗量近一年增长2478.95% 反映Agent推动调用量激增[9] - 头部厂商商业化成熟：OpenAI 2025年收入预测100亿美元估值3000亿美元 Anthropic年化收入30亿美元估值1830亿美元[13][14] - 垂直领域商业化验证：20家头部Agent创业公司ARR突破百万美元 编程领域Cursor达5亿美元ARR 法律/客服/销售领域多企业实现规模化商用[16][17] - 市场呈现三大趋势：大模型即Agent、容错率低场景优先落地、大企业为核心客户（Sierra公司50%客户年收入超10亿美元）[18][20] 中国软件付费意愿变革 - 历史痛点：中国劳动力成本仅为美国11.7%-20.8% 传统软件ROI模糊导致付费意愿低[28][29] - Agent变革：实现类人替代使ROI清晰（如天润云语音Agent验证ROI＞1） 付费模式转向SaaS订阅与结果付费[3][32] 2026年破局关键驱动 - 能力差距缩小：国产大模型落后海外约半年 DeepSeek/阿里/字节预计2024Q4推出对标o3级产品[38][48] - 产品矩阵补齐：编程（阿里通义灵码/字节Trae）、搜索（元宝/夸克）、企业知识库（金蝶/深信服）、办公（金山WPS AI 3.0）等场景密集落地[4][58] - 万亿市场空间：Agent总目标市场TAM约3.61万亿元 核心场景IT（编程4357.84亿元）、金融（银行1774.32亿元）、客服（680.40亿元）替代潜力显著[62][63][64] - 交付能力突破：深信服/金蝶/亚信科技通过RAG、语义过滤等技术降低模型幻觉（如GPT-5事实错误率比GPT-4o降低45%）[4][25][68] 技术演进与商业化路径 - 降低幻觉成关键：Palantir依靠Ontology技术整合企业数据 GPT-5通过带惩罚评分机制大幅提升可靠性[2][25] - 多模态突破：字节Seedream 4.0实现文生图与编辑能力融合 阿里Qwen3-Next架构提升训练效率并降低推理成本[48][52]

2021年，一家叫Jasper的公司，用AI写文案，短短一年就成了资本的宠儿，年收入高达4000万美元，毛利高得惊人。所有人都觉得，这是一个完美的生意。 然而，仅仅一年多后，另一个AI产品——ChatGPT——横空出世。随之而来的是，Jasper的网站访问量在一个月内骤降40%。半年后，这家曾经的明星公司开始 裁员、转型，渐渐淡出了人们的视线。 这听起来像个警告，但并非所有人都被AI浪潮吞没。另一家笔记公司Notion，同样拥抱了AI，结局却完全不同。AI非但没有伤害它，反而成了它的"助推器"，用 户数从3000万一路狂飙到了一亿。 同样站在AI的浪尖，为什么一家石沉大海，一家却扬帆远航？ AI大模型重构了产品范式 人机交互 的演变 我们先来聊聊大模型对产品范式的影响。 什么叫产品范式？本质上就是人机交互的范式。简单来说，就是人怎么跟机器对话、怎么下指令，机器又怎么给我们反馈。 而解决这个问题的核心，就看两个关键要素：学习成本的高低，以及交互带宽的大小。 回顾一下我们经历过的历史，人机交互的变革是一次次大的范式跃迁。 为了搞懂这个本质问题，混沌今天请到了前智谱AI的COO、混沌学园6期学员张帆老师，为我们带来 ...

公司战略与投资 - 阿里巴巴对哈啰Robotaxi业务进行战略投资 具体金额未透露 但涉及智驾大模型 算力平台及Robotaxi落地等全方位支持[5] - 哈啰Robotaxi业务实体为造父智能科技有限公司 成立于2024年6月 获得阿里巴巴 蚂蚁集团及宁德时代共同支持 起步阶段筹集资金30亿元[3][15] - 阿里巴巴将发挥AI和云计算优势 与哈啰Robotaxi加速推进大模型和自动驾驶技术落地应用[5] 技术方案与基础设施 - 哈啰首款Robotaxi量产车与东风日产启辰合作 采用前装量产模式 目前已进入产线搭建阶段[9] - 车辆配备主副两套计算单元 合并算力超过2200 TOPS 支持14个高精度相机 8个激光雷达和6个毫米波雷达[11] - 技术采用一段式端到端自动驾驶体系 以扩散模型为输出核心 结合强化学习训练 旨在解决传统L4系统的泛化性问题[13] - 宁德时代提供换电网络及专为L4架构打造的滑板底盘 蚂蚁集团在算法层面给予支持[15] 商业化目标与时间表 - 哈啰Robotaxi计划在2年内实现商业运营落地 车队规模目标为10万台[5][6] - 公司采用自研全栈技术+自有出行平台运营的独特模式 同时保持平台开放 可接入其他Robotaxi产品[17] - 哈啰拥有运营2000万台路端智能设备的经验 覆盖中国500个城市 日均实战运营[17] 行业背景与竞争格局 - Waymo完成Robotaxi商业闭环耗时约10年 特斯拉也用了近10年启动公测[8] - 哈啰认为当前产业 技术及市场环境已成熟 公司凭借端到端技术路线及共享出行经验可快速实现商业化[17][19] 技术研发进展 - 阿里巴巴与昆士兰大学联合开发AutoDrive-R²框架 采用新型VLA架构 在nuScenes和Waymo数据集上达到SOTA性能[24][26][27] - AutoDrive-R² 7B模型在轨迹预测误差指标上表现优异：1秒误差0.11米 2秒误差0.19米 3秒误差0.29米 平均误差0.20米[27]

从昇腾迭代路线图看国产算力发展趋势 20250919 Q&A 华为近期公布了智能镜片三年迭代的产品路线图，具体有哪些重要信息？ 通信领域受益于华为的开放生态建设，服务器和通信协议的公开将促进 相关公司的成长与合作机会，国际市场的潜力为通信公司提供了积极布 局的机会。 烽火通信获得华为首批超节点集群服务器整体解决方案授权，允许其生 产制造超级节点服务器并以自有品牌销售，这种模式相比渠道代理销售 利润和毛利率更高。 光模块行业中的华工科技和光迅科技等公司，以及液冷产业链中的英维 克，有望受益于华为的发展，因为华为通过高效连接增强整体算力节点 实力，推动光模块需求量增长，英维克在液冷产业链中具有全产业链布 局。 华为加速芯片迭代对行业有何影响？ 华为加速芯片迭代显著提升了竞争力。从过去两年一代到一年一代的速度变化 表明，大模型持续加速后，对芯片要求逐渐提升。在这种情况下，加快迭代进 度有助于增强未来竞争力。此外，AI 推理逐渐由单卡转向超级节点系统，这背 后的原因是多步骤任务和多模态任务占比上升，通过超级节点整机方案可以有 效降低成本，提高单位时间处理任务数量，从而降低整体成本。这种转变也抬 高了竞争门槛，需要具备 ...