工业企业利润 - 1-8月份规模以上工业企业利润由1-7月份同比下降1.7%转为增长0.9% [2] - 8月份工业企业利润由7月份下降1.5%转为增长20.4% [2] - 1-8月份制造业利润增长7.4%，较1-7月份加快2.6个百分点 [2] 元宇宙产业 - 上海元宇宙相关产业规模已突破3000亿元 [4] - 上海集聚XR终端制造企业30余家，核心元器件产能占全国40%以上 [4] - 上海未来产业基金规模由100亿元增至150亿元，已实缴80亿元 [4] 人工智能与开源 - 李开复认为DeepSeek推动了中国大模型开源时代的形成 [5] - 腾讯发布并开源参数规模80B的生图模型混元图像3.0 [5] - 百型智能完成数千万人民币Pre-A轮融资，为国内首家外贸垂类AI Agent公司 [11] 新能源汽车与智能驾驶 - 保时捷首次亮相世界新能源汽车大会，展示电动车型Taycan GTS和纯电动Macan [6] - 保时捷发布新一代中国专属车载信息娱乐系统，引入AI语音助手 [6] - 宝马因部件安全隐患召回超过33万辆汽车，德国有超过13万辆受影响 [11] 机器人技术与智能硬件 - 机器人专家罗德尼・布鲁克斯警告投资人形机器人初创企业是浪费资金 [11] - 乐享科技完成2亿元"天使++"轮融资，9个月内总融资额接近5亿元 [12] - 星宸科技和优艾智合机器人已向香港联交所递交上市申请 [13] 消费与零售 - 胖东来前9个月销售额达170.32亿元，已超2024年全年169亿元 [8] - 胖东来超市销售额93.72亿元，时代广场店销售43.66亿元 [8] - 美团无人机在深圳上线夜间配送，累计完成超过60万单，平均配送时长15分钟 [7] 医药与健康 - 礼来新药Inluriyo获美FDA批准用于治疗晚期或转移性乳腺癌 [11] - 该药适用于ER+、HER2-、ESR1突变的晚期乳腺癌患者 [11] 国际贸易与政策 - 美国考虑根据芯片数量对外国电子设备征收关税 [9] - 韩国人口结构危机可能在二十年内阻碍经济增长，潜在增长率可能降至接近零 [9][10] 企业动态与融资 - 浙江娃哈哈饮用水有限公司桶装水销售业务被转移至杭州迅尔城通商贸有限公司 [5] - 苹果据称开发出类似ChatGPT的应用以帮助测试新版Siri [10]

公司荣誉与行业认可 - 科捷KingKoo Data供应链控制塔平台在"数据要素×交通运输解决方案大赛"决赛中荣获二等奖并被评选为2025年度物流数据应用与价值挖掘案例[1] 技术平台核心能力 - KingKoo Data平台以平台化+智能化+全链路协同为核心模式通过业务系统与数据中心深度对接实现数据融通共享[3] - 平台通过AI强化学习与算法模型实现动态策略优化支撑生产单量预测智能订单调度等精准业务决策并实现实时智能预警[3] - 平台采用"一岗一屏"设计直接赋能仓位与拣选路径规划包材推荐运输调度等操作环节[3] 实际应用成效 - 在汽车行业案例中使订单一次性满足率达95%以上[4] - 在电商行业案例中实现订单签收及时率达99.7%以上并通过热力图展示热销物料分布[4] - 在食品行业案例中助力客户发货效率提升超20%成本节约超5%耗材用量减少65%[4] 人工智能技术演进 - 公司基于行业知识库和运作数据打造供应链企业级智能体套件"小金"采用3+N架构设计[6][7] - 3个核心智能体解决数据查询复杂决策及客户服务需求N个岗位智能体实现全流程覆盖[6][7] 行业地位与政策环境 - 公司作为中物联5A级物流企业管理运营仓库数量超160个日处理订单量最高达500万单[9] - 供应链数智化发展受国家《数据要素×三年行动计划》等多项政策推动进入快速发展阶段[9] 战略发展方向 - 公司以AI全栈技术为核心引擎结合客户+生态战略打造技术驱动的行业供应链专家品牌形象[9]

以下文章来源于格隆 ，作者城北徐公 格隆 . 一个游走于资本市场与佛祖之间的浪子。我可以生，可以死，我大笑，由天决定！ 本文来自微信公众号： 格隆 （ID：guru-lama） ，作者：城北徐公 ，数据支持：勾股大数 据， 题 图来自：视觉中国 刚刚拿下阿克塞尔·斯普林格奖，山姆奥特曼又语不惊人死不休： 五年后AI将全面超越人类，人类智力的霸权时代，已进入倒计时。 2030年，GPT-8不仅能给出终极难题量子引力答案，能向你娓娓道来其思考过程、灵感来源，以及它 为何决定研究这个课题。 它，有资格成为真正的AGI。 届时，"当今经济活动中30%到40%的任务都将由AI执行。" …… 如果是在两年前，我们或许还会感到激动、为自己的饭碗而焦虑。 但此时此刻，虽然类似的感觉还有，但相信绝大多数人都淡了许多。 牛逼听太多，实在是麻木了。 看着现在正与你对话的傻瓜式AI大模型，虽然有点用，但有被吹的那么厉害吗？ 就这么个玩意儿，你很难想象它能在5年内，就成为超越一切的存在。 现实很骨感 美国智库METR曾于7月初发布报告，称大语言模型每7个月能力翻倍，远超摩尔定律。 预计到2030年，AI足以在数小时内完成人类一个月的工 ...

公司战略与产品发布 - 零一万物在上海举办华东数智大会 宣布全面升级政务和企业服务战略 [1] - 公司联合创始人沈鹏飞首次亮相 阐述政企AI数智化变革之道并官宣生态矩阵合作伙伴计划 [1] - 零一万物与超聚变联合发布全新一体机 打造一体化AI行业落地联合解决方案 [1] 行业趋势与市场观点 - AI Agent是推动企业转型的关键执行者 AI的价值正从工具走向服务 再从服务走向结果 [1] - 生成式AI已告别技术炫技阶段 进入商业落地下半场 从模型战争转向应用落地 从训练时代迈向推理时代 [1] - AI Agent将推动基于成果的商业模式落地 成为企业一把手必须关注的核心技术 [1] 企业面临的挑战 - 企业AI落地面临三大组织障碍 包括认知冲突 部门墙和能力阻力 [1] - 企业AI落地面临三大技术障碍 包括场景难 应用难和定制难 [1] 行业应用与客户参与 - 圆桌论坛讨论AI的新场景和新增长范式 参与者包括友邦保险 智联招聘 东方明珠和星竞威武等企业客户代表 [2]

核心技术瓶颈 - 触觉感知存在巨大差距 人手有约1.7万个触觉感受器 现有机器人技术无法实现同等数据采集和处理能力 [2][3] - 双足人形机器人存在严重安全隐患 尺寸增加两倍会导致跌倒时破坏性能量增加八倍 [6] - 电池续航和现实环境适应性等基础难题尚未解决 距离可靠且成本可控的规模化应用仍需较长时间 [6] 市场投资现状 - Figure公司最新融资获得超过100亿美元资本承诺 估值飙升至390亿美元 [7] - 全球人形机器人市场规模预计从2024年20.3亿美元激增至2029年132.5亿美元 年复合增长率达45.2% [7] - 投资机构给出乐观预测 摩根士丹利预计2050年市场规模达5万亿美元 美国银行预测2030年单台成本降至1.7万美元 [7] 人工智能应用局限 - 生成式AI实际能力被高估 METR研究显示使用AI工具的软件开发任务完成时间延长19% 但主观效率感知提升20% [8] - 未成熟AI技术应用于机器人领域会放大问题 动态环境中的力量控制与物理交互仍是未解难题 [8] - 具身智能面临"接触操控"根本性挑战 机器人难以实现可靠的物理交互 [8] 行业生态格局 - 人形机器人制造商深度绑定科技巨头 Apptronik接受谷歌投资并与DeepMind合作 Figure获得微软与OpenAI创业基金支持 [10] - 机器人行业失败率极高 超过99%的项目最终夭折 产品需要达到99.999%的极致可靠性 [10] - Robust.AI选择务实路线 开发非人形智能搬运车 支持自主导航与人工介入的双重操控模式 [10] 行业发展方向 - 成功机器人将采用轮组、多手臂与专用传感器设计 彻底告别人类形态 [11] - 技术价值取决于投资回报率 客户关注降本增效的实际成果而非技术本身 [11] - 行业需要根本性技术突破 否则将面临重大调整 人形机器人几十年内难以取代人类岗位 [11]

股价表现 - 盘中一度大涨近23% 最高触及4.23港元 创去年7月以来新高 [1] - 本月迄今累计上涨超220% [1] 财务业绩 - 中期收入2.86亿元 经调整净利润1.36亿元 同比增加4.7% [1] - 整体毛利率67% 广告及其他服务板块毛利率攀升至90.1% 较去年同期提升6.9个百分点 [1] 用户数据 - 注册用户增至3.95亿 认证车主超过1990万 同比增长超10% [1] 技术发展 - 上线大模型聚合平台"天枢系统" 集成Deepseek 通义千问 豆包 混元大模型等十多个大模型 [1] - 为员工提供生成式AI能力 协助日常办公 问题分析 代码提效 [1] 战略规划 - 寻找和探索更多独立于顺风车之外的业务 [1] - 提供更智能 更个性化的车后服务 借助AI赋能打造全新车后服务模式 [1]

行业技术趋势 - 开源AI模型和蒸馏量化技术推动AI模型小型化和高质量化 促进生成式AI在智能手机等终端设备上的普及应用 [1] - 生成式AI正从云端扩展到边缘侧和终端侧 云-边-端协同混合架构成为产业创新关键 [6] - 终端侧AI落地需要算法 硬件 应用场景的深度协同 中国完整的电子制造产业链为企业融入全球创新提供新机遇 [6] 产业合作计划 - 高通联合GTI 中国电信 中国移动 中国联通及小米荣耀vivo等十余家产业伙伴启动"AI加速计划" 致力于释放边缘智能能力与应用场景 [1] - 该计划围绕三大支柱推进：智能手机AI功能优化 智能体AI终端体验扩展 与中国模型提供商合作探索AI应用案例 [4] 产品应用进展 - 高通第五代骁龙8至尊版芯片具备出色终端侧AI处理能力 可支持跨应用个性化智能体AI助手 [6] - 小米17系列旗舰手机已采用该芯片 中兴vivo索尼三星等超15个OEM品牌将在旗舰产品中部署该平台 [6] - 具身智能作为智能体AI物理形态落地路径 对人形机器人的通信连接创新和芯片算力功耗控制提出严苛要求 [7] 市场发展前景 - 个人AI终端（智能眼镜/手表/耳机）将从智能手机配件升级为个性化AI体验载体 [2] - 物理AI已在汽车ADAS实现规模化部署 机器人类人机器人成为汽车感知规划执行功能的延伸 [2] - 工业AI通过边缘智能处理传感器数据 在安防摄像头工业制造摄像头等终端实现实时决策 [2] - 生成式AI正扩展至PC汽车XR等多类终端设备 终端侧AI规模化落地将推动AI无处不在的体验 [7]

生成式AI行业动态 - OpenAI被曝在用户不知情情况下将GPT-4和GPT-5等模型路由至低算力敏感模型"gpt-5-chat-safety"和"gpt-5-a-t-mini" 当系统判定内容涉及敏感话题或情绪表达时自动触发切换 [1] - OpenAI回应称切换为临时性安全路由系统测试 但未经同意的模型更改行为引发用户权益质疑 [1] - 腾讯发布工业级原生多模态生图模型混元图像3.0 参数规模80B 是目前测评效果最好且参数量最大的开源生图模型 [2] - 混元图像3.0基于50亿级图文对和6T语料训练 具备千字级复杂语义解析能力 支持长文本生成和小文字处理 [2] - 快手推出KAT-Dev-32B开源和KAT-Coder闭源两款Agentic Coding大模型 在SWE-Bench Verified上分别达到62.4%和73.4%解决率 [3] - 快手开发基于熵的树剪枝技术和强化学习训练框架SeamlessFlow 模型经训练后涌现出对话轮次减少和多工具并行调用新能力 [3] AI教育应用进展 - 好未来提出AI教师L1-L5分级理论 学而思"小思AI一对一"对标L3级别 能实现实时观察学生解题步骤并提供针对性引导 [4][5] - L3级AI教师需配备多模态传感器和专用硬件 形成"批改-讲题-推荐"数据飞轮 数学解题正确率达98.1% [5] - 好未来自研"九章"大模型结合20多年教研内容 在线下培训、在家学习和进校学习三大场景实现统一学情画像 [5] 前沿科技战略布局 - Meta计划投入数十亿美元研发人形机器人"Metabot" 战略地位与AR项目同级 聚焦软件开发而非硬件制造 [6] - Meta拟采用软件平台授权模式 与机器人制造商合作建立行业通用标准 新成立超级智能人工智能实验室构建物理"世界模型" [6] - 谷歌DeepMind视频模型Veo 3涌现四层能力：感知经典视觉任务、建模物理定律、操纵图像编辑、推理视觉问题 [10] - Veo 3通过帧链(CoF)技术实现跨时空推理 在七个代表性任务上显著超越Veo 2 可能成为视觉领域的GPT-3时刻 [10] 技术理论与方法创新 - 图灵奖得主Richard Sutton认为大语言模型是错误起点 强调真正智能需通过经验学习实现 而非对人类行为的模仿 [7] - 陈丹琦团队提出RLMT方法 将显式思维链推理融入通用聊天模型 在WildBench等基准测试中表现优异 [8][9] - RLMT要求模型生成推理轨迹后再输出最终答案 通过奖励模型评分 使推理风格从线性规划转变为迭代式思考 [8][9] 行业战略与市场展望 - 英伟达从芯片公司转型为AI基础设施合作伙伴 通过极端协同设计构建AI工厂生态系统 竞争护城河基于总拥有成本优势 [11] - AI推理将迎来十亿倍增长 预训练、后训练和推理三大扩展定律驱动万亿级市场 年度AI基础设施资本支出预计达5万亿美元 [11] - 主权AI时代各国需建立独立AI基础设施 主张通过技术出口最大化影响力而非脱钩 保持美国梦品牌吸引全球人才 [11]

行业投资评级 - 报告未明确提及行业投资评级 [1] 核心观点 - 生成式AI快速发展推动算力需求持续提高 带动芯片功耗进一步通胀 英伟达下一代芯片Rubin/Rubin ultra功耗或从GB300的1400W提升至2000W以上 [6] - 当前单相冷板方案散热能力上限约1500W 较难支撑下一代芯片散热需求 液冷技术方案或向两相式冷板或微通道水冷板（MLCP）迭代 [6] - 微通道冷板技术通过微米级流道和集成化散热设计实现低热阻、高换热面积和高流速 散热效率显著优于传统方案 可支持超过2000W的散热需求 [17][19][20][21] - 微通道冷板制造工艺复杂 成本较现有冷板方案或抬升3-5倍 但对数据中心节能效果显著 可将PUE指标降低至1.1以下 [20][36] 技术方案对比 - 风冷最大支持TDP低于500W 传统管式水冷板支持500W-1500W 3D VC支持超过500W 微通道水冷板（MLCP）支持超过2000W [21] - 微通道水冷板典型热阻普遍低于0.05℃·cm²/W 显著低于风冷（>0.20）和传统水冷板（0.10-0.20） [21] - 微通道冷板通过微米级流道（50-500微米）和集成化设计缩短传热路径 减少热阻累积 冷却液直接输送至热源区域 [17][19][22] 市场参与者分类 - 深耕微通道技术的初创公司：Mikros Technologies（Jabil子公司）拥有Normal Flow微通道技术 散热效率达1000W/cm² 热阻低至0.02°C·cm²/W；JetCool与伟创力合作 拥有微对流冷却技术 热传递系数达传统方案10倍 [26][27] - 传统散热方案厂商：如AVC、Cooler master、Auras等 与英伟达绑定较深 具备研发能力和量产优势 已开始微通道散热研发部署 [28] - 专注盖板的企业：如健策（Jentech） 在微通道盖板研发与客户需求沟通中具备优势 [28] 国产供应链机会 - 微通道制造壁垒提升带来国产液冷链配套机会：传统VC散热厂商（如中石科技、苏州天脉、捷邦科技）因工艺技术可迁移；液冷散热模组厂商（如思泉新材、远东股份）具备微通道工艺基础；换热器厂商（如康盛股份、银轮股份）因微通道技术Know-how可迁移 [30][32] - 3D打印工艺配套产业链机会：包括南风股份、江顺科技等 [32] 技术挑战 - 微通道冷板加工需采用蚀刻、微铣削、3D打印等精密工艺 良率控制和制造难度高于传统冷板 [23] - 系统纯净度要求高：微米级流道易因杂质堵塞 需更高冷却液过滤和维护标准 [23] - 泵送能力要求提升：流道狭小导致流体阻力增大 系统压降明显 需更高泵送功率和可靠性 [23]

公司战略定位 - 甲骨文是全球最旗帜鲜明押注AI医疗的科技巨头，将AI与云能力作为相较于竞争对手Epic的最显著优势 [1] - 公司当前最紧迫的议题之一是借助全栈技术整合能力，把握AI浪潮，扭转自收购Cerner以来面临的客户流失与市场份额下滑趋势 [1] - 公司有意将生成式AI与AI智能体融入云业务架构的成功经验复刻到医疗领域，通过构建完整产品解决方案将AI能力内化于医疗系统各个环节 [1] 数据平台建设 - Oracle Health子公司成为美国合格健康信息网络候选机构，通过可信交换框架和通用协议实现标准化、安全的全国性健康信息交换共享 [2] - 公司构建了具备军用级网络安全防护的交互系统Oracle Health Connection Hub [4] - 去年发布基于云的全新解决方案Oracle Health Clinical Data Exchange，让支付方与服务提供者能够无缝共享数据 [5] 技术栈架构 - 公司语义数据库不仅基于临床数据，还整合保险规则、编码、研究、治疗指南以及客户希望添加的任何内容，支持AI使用实时、持续更新的数据 [6] - 在数据库之上构建知识图谱作为"秘密武器"，为数据提供关键上下文层，映射诊断、药物、手术、保险规则等不同领域之间的关系 [7][8] - AI智能体能跨广泛数据源发起查询，结合前沿AI模型推理能力，理解指令并从数据中推断结论，经人类批准后执行填写预授权、发送处方等任务 [10] AI应用产品 - 发布健康AI应用套件，包含一系列协同工作的AI代理作为协作式数字助手与医护人员并肩工作 [10] - 全新电子健康记录构建于云基础设施之上，以语音为先，AI在医患对话中环境式倾听，自动建议计费代码、检验项目、药物处方等 [10] - 临床内容商店让医生自由选择集成到工作流的工具和方案，医生可开发并商业化自己的方案，公司将自身定位为操作系统 [11] - 企业资源计划包含AI驱动的财务和运营工具，旨在提高预测准确性、自动化财务结算流程并降低风险 [11] 运营与报销系统 - 劳动力AI智能体利用患者病情严重程度、住院人数和员工资质等实时数据，提前数天推荐最优人员配置，降低安全风险并提升效率 [11] - 新一代自主报销系统为患者提供清晰费用预估，确保编码准确，预判拒赔风险并在提交前纠正错误 [11] - 美国多家顶级保险公司同意共享预授权规则，帮助医疗机构提交更规范申请，实现更少拒赔的诊疗 [12] 研发与临床试验 - 将推出生命科学AI数据平台，基于1.2亿真实世界数据集的安全访问，制药和研究机构可加速药物发现、优化试验设计等 [12] - 平台允许医疗机构将自有临床数据与公司真实世界数据结合，利用AI开展研究，将项目周期从数月缩短至数天 [13] - 计划于2027年推出临床试验套件，允许所有EHR客户使用环境监听工具自动填充数据参与临床试验 [13] 生态与转型支持 - AI智能体工作室允许客户根据自身数据、工作流和患者群体创建专属AI智能体，内置测试工具验证安全性、性能等指标 [14] - 健康市场推动创新共享和变现，为相关工具开放API接口，同时简化医疗保健企业的采购方式 [15] - 打造AI卓越中心，汇聚顶尖团队和关键合作伙伴，帮助客户重新设计业务流程，确保AI投资实现预期价值 [15] - 通过构建开放创新生态与专业转型支持，加速AI重塑医疗价值进程，推动更高效、更人性化、更可持续的未来医疗 [16]