财务表现 - 2024年公司营收52.61亿元，同比增长25.1%，毛利润22.45亿元，毛利率42.7% [1] - 归母净亏损2.69亿元，同比大幅收窄70.4%，归母净亏损率降至5.1% [1] - 经调整净亏损2.92亿元，同比缩窄29.6%，连续4个会计年度环比减亏 [1] - 研发费用21.70亿元，研发费用率41.2% [1] 业务分拆 - 先知AI平台业务收入36.76亿元，同比增长46.7%，占营收主导地位 [2] - SHIFT智能解决方案业务收入10.22亿元，同比下降20.3% [2] - 式说AIGS服务业务收入5.63亿元，为AI平台提供生成式AI开发工具 [2] - 发布「先知AI平台5.0」，实现算力层至应用层的端到端能力供给 [2] 行业地位与客户 - 连续六年位居中国机器学习平台市场份额第一（IDC数据） [3] - 标杆用户数161个，同比增长16%，平均营收1910万元 [3] - 标杆用户净收入增长率（NDER）达110% [3] - 深耕能源电力、金融、运营商等行业，拓展制造、医疗等战略领域 [3] 战略重组与2C布局 - 改组成立范式集团，企业服务业务为核心子业务 [4] - 新设消费电子业务Phancy，提供AI Agent软硬件一体解决方案 [4] - 自研端侧本地运行大模型能力为Phancy核心竞争力 [4] AI Agent发展 - AI Agent聚焦六大企业功能：客户/雇员/创意/数据/代码/安全代理 [5] - 2024年落地金融风控、水电运维等10+行业Agent场景 [5] - 联合发布智能会议、AI鼠标等开箱即用级Agent解决方案 [5] 端侧AI技术 - 推出端侧推理解决方案ModelHubAIoT，支持多模型离线切换 [6] - 2025年联合宏基、联想等厂商储备AI手表/耳机/音箱等终端产品 [7] - 消费电子板块或成未来重要增长引擎 [7] AI一体机合作 - 联合华为发布大模型推理一体机SageOne IA，实现全链路国产化 [8] - 支持DeepSeek V3/R1等主流模型，GPU利用率提升30%+ [8] - 推理性能平均提升5-10倍，内置开发平台及AI应用套件 [8]

核心业务表现 - 2024年公司营收52.61亿元，同比增长25.1%，其中核心业务"先知AI平台"贡献36.76亿元，同比增长46.7%，占总收入比例提升至69.9% [1][2] - 归母净利润减亏至-2.69亿元，亏损大幅收窄70.4% [1][2] - 毛利率42.7%，同比下降4.4个百分点，主要受产品结构优化调整影响 [1][2] 业务结构与发展 - 三大业务板块协同发展：先知AI平台（收入36.76亿元，占比69.9%）、SHIFT智能解决方案（收入10.22亿元，占比19.4%）、式说AIGS服务（收入5.63亿元，占比10.7%） [2] - SHIFT智能解决方案收入同比下降20.3%，因资源聚焦AI平台战略 [2] - 式说AIGS服务收入同比增长35.4%，主要得益于编程辅助工具AIGS Code X的升级 [3] 技术升级与产品迭代 - 先知AI平台5.0完成全栈升级，重点突破AI Agent开发框架与GPU资源池化技术，支持算力层、平台层、模型层的端到端能力供给 [2] - GPU资源池化技术解决异构算力资源利用率低和大模型与算力匹配成本高等问题 [2] - 式说AIGS服务升级编程辅助工具AIGS Code X，提升用户体验和产品能力 [3] 客户与市场拓展 - 标杆客户数达161家，同比增长16%，平均客单价1910万元，净留存率（NDER）110% [1][4] - 最大单一客户收入占比从2023年的12.7%下降至2024年的10.6%，客户集中度风险降低 [4] - 与致远互联共同发布AI Agent协同运营解决方案，整合先知AI平台与AI-COP平台 [1][4] 战略布局与生态合作 - 公司完成集团化架构升级，推出C端品牌"Phancy"，聚焦端侧AI能力输出 [5] - 推出ModelHub AIoT解决方案，支持本地设备部署大模型，与联想等品牌合作 [5] - 在智能穿戴设备领域完成技术预研，推动AI软硬一体化解决方案 [5] 盈利预测 - 预计2025-2027年营业收入分别为66.63亿元、83.47亿元、104.13亿元，同比增速分别为26.66%、25.26%、24.77% [5] - 预计2025-2027年归母净利润分别为1.86亿元、4.98亿元，同比增速分别为1111.77%、167.59% [5]

AI协议发展背景 - 基础模型训练呈现寡头化趋势，仅头部大厂和少数创业公司有能力及意愿投入研发 [1] - AI领域共识为应用层机会大于研发层，MCP和A2A协议的火热反映基础设施建设的时代需求 [1] 协议生态架构 - AI应用生态围绕三大角色构建：用户、Agent和外部世界 [2] - MCP协议规范Agent与外部世界的互联互通（如工具调用参数标准化），A2A协议解决Agent间协作标准（如跨部门流程自动化） [3][9][10] - AG-UI协议填补用户与Agent交互标准空白，形成完整生态闭环 [3][11] Agent核心功能 - Agent本质是任务代理，具备自主执行分析、信息获取、工具调用等能力（如设计Agent Lovart可全流程生成广告片） [8] - 专业Agent效率显著优于通用模型（如海报设计场景提示词优化效率提升数十倍） [9] AG-UI协议技术实现 - 采用事件驱动模式，定义五类事件：生命周期、文本消息、工具调用、状态管理、特殊事件 [13][17][20][22] - 状态管理通过增量更新（STATE_DELTA）与快照（STATE_SNAPSHOT）结合，兼顾效率与完整性 [17] - 文本响应分阶段事件（START/CONTENT/END）实现流式传输，优化前端用户体验 [22] 行业影响 - 三大协议构成AI应用基础设施，MCP/A2A已引发行业兴奋，AG-UI补齐最后拼图将加速生态繁荣 [24] - 协议标准化降低开发门槛（如AG-UI类比"砖厂"提供现成解决方案），推动应用层创新 [13]

MCP协议与AI Agent生态发展 - Manus完成7500万美元新融资并宣布向所有人开放MCP协议接入 无需等待名单或邀请码 [1] - OpenAI上线实验性功能"深度研究连接器" 通过类MCP协议实现第三方工具集成 但仅服务于自身生态系统 [1] - MCP技术推动跨智能体、跨平台、跨工具效应增强 预计三五年内全面替代复杂服务类工作 [1] - 红杉资本预测AI代理将经历三阶段演进：单一助手→协作网络(Agent Swarms)→代理经济(Agent Economy) 涉及资源转移、交易与信任管理 [4] Agent商业化与市场进展 - Agent本质是解决用户需求的产品 通过满足需求形成商业化自循环 吸附更多资源形成商业巨轮 [3] - 2024年Agent已初步泛化落地 如语言模型与外部API打通的应用 但行业仍处于客户教育阶段 [3] - 2025年客户主动问询量显著增长 某公司一季度已完成去年80%收入任务 [3] - Gartner预测到2028年15%日常工作决策由AI Agent自主完成 33%企业软件将集成AI Agent [2] AI Agent安全风险 - MCP协议存在工具投毒攻击(TPA)风险 攻击者可利用代码注释嵌入恶意指令 操纵AI Agent执行未授权操作如读取敏感文件 [8] - MCP协议设计阶段未充分考虑安全机制 开源标准存在认证缺失、恶意调用等隐患 [9] - 大模型训练数据可能被污染 传输环节突破价值观对齐会导致模型输出被操控 [7] - 配置不当问题可能使正常大模型通过对话交互变成恶意模型 数据交互过程需敏感性识别 [9] 安全防御措施 - 安全厂商建议采用智能约束智能策略 如制定规则、鲁棒性检测等技术手段 [11] - 部署边界类智能网关设备(如WAF)监测流量 解决软件系统补丁滞后问题 [12] - 大模型厂商与安全公司需协同互补 厂商解决内生安全问题(模型、算法、语料) 安全公司负责外部防御 [12] - 运行安全是网络安全厂商主要服务阶段 涉及模型落地后的实际应用场景防护 [13] 硬件设备风险 - DeepSeek一体机存在安全风险 适合企业内部训练但不建议向公众开放服务 [10] - 一体机发展路径涉及单体→集群→智算中心 需平衡安全、性能、成本问题 [10]

作者 | AICon 全球人工智能开发与应用大会 策划 | 李忠良 编辑 | 宇琪 随着技术的快速发展，大模型在各行业的应用潜力日益凸显，但如何将大模型能力高效转化为实际业 务价值，仍是企业面临的核心挑战。 近日 InfoQ《极客有约》X AICon 直播栏目特别邀请了 华为云 AI 应用首席架构师郑岩 担任主持人， 和 蚂蚁集团高级技术专家杨浩、明略科技高级技术总监吴昊宇 一起，在 AICon 全球人工智能开发 与应用大会 2025 上海站 即将召开之际，共同探讨大模型如何驱动业务提效。 部分精彩观点如下： 在 5 月 23-24 日将于上海举办的 AICon 全球人工智能开发与应用大会 上，我们特别设置了 【大模型 助力业务提效实践】 专题。该专题将围绕模型选型与优化、应用场景落地及效果评估等关键环节，分 享行业领先企业的实战经验。 查看大会日程解锁更多精彩内容： https://aicon.infoq.cn/2025/shanghai/schedule 以下内容基于直播速记整理，经 InfoQ 删减。 场景探索 郑岩：在探索大模型应用场景时，企业常会遇到"看起来很美但落地难"的需求，各位在实际项目中是 ...

纪要涉及的行业和公司 - **行业**：人形机器人、巨型机器人、计算机、智能大模型、VRM（Virtual Reality Modeling）、智能大规模AIIT项目 - **公司**：飞利浦、字节跳动、特斯拉、瑞芯微、华为、英伟达、地平线机器人 纪要提到的核心观点和论据 1. **人形机器人发展阶段** - 第一阶段（2024年初开始）：关注核心零部件和本体结构，搭建完整架构，对自身模型和AR能力关注少[3] - 第二阶段（2025年）：本体硬件架构基本确定，从demo阶段向量产过渡，落地应用核心是AR和大模型能力满足用户需求[3] - 第三阶段（预计3 - 5年）：实现硬件与模型深度融合，在生活场景广泛应用，AR能力显著提高[3] 2. **大型机器人研究方向** - 巨型机器人本体：已进入量产阶段[4] - 仿真技术：解决训练数据量不足问题，有虚实结合、完全虚拟化仿真、实产数据采集等路线[4] - 感知技术：主流通过视觉，还有力觉融合视觉、触觉传感器等方式，对应不同创新创业公司研究应用[4] - 智能体概念：强调垂类场景或任务专业性、高成功率和正确率[5] - 具身交互：通过仿生硅胶皮肤结合AR语音应用，实现自身交互场景落地[5] 3. **AI Agent相关** - **计算机领域应用**：在用户反馈和需求基础上，通过大语言模型拆解任务，调用工具或利用数据记忆提供规划功能，实现软件程序部署，强调专业性和高准确度[6] - **区分工具类型**：调用软件接口或工具属传统软件层面；调用与物理世界交互的工具，如传感器、机械手臂等，属具身机器人领域，此时AI Agent成为“大脑”[7] - **具身机器人领域任务**：负责任务决策规划与推理，调用底层硬件驱动机器人运动，不同场景使用不同类型AI Agent提高任务执行效率[8] 4. **具身机器人大脑框架层级** - 物理层：包括算力和分布式计算平台[9] - 训练层：使用开源大模型作为训练基础[9] - 数据层：涉及多元数据采集、来源、训练标准、清洗和格式标准[9] - 模型层：包括语言模型（LLM）、多模态模型（VLM）、视觉语言动作模型（VLA）[9] - 应用层：即ARI进程，根据场景设计AIID，有快思考（动作表情及执行动作）和慢思考（记忆推理和规划）能力[9] 5. **VLA模型发展** - **谷歌贡献**：最早发布基于RT - 1架构控制机械臂研究，后发布完整VLA模型RT - 2，但未开源，进展较慢[10] - **开源项目影响**：斯坦福和伯克利大学开源AutoOrca和Open VLA模型带动行业发展，但有只能单臂操作缺陷；清华大学发布可双臂操作的RDT模型，促使谷歌开放RT - 2项目[12] - **谷歌RT系列版本特点**：RTX使用x involved open involved数据，RTH是完全基于human about的整体RVIVRA模型[13] 6. **模型应用差异** - **飞利浦Helix架构与VOLATI模型区别**：VOLATI采用完全端到端方法，用于研究和发表论文；Helix采用分层级系统，硬件升级只需重新训练部分参数，降低成本[14][15] - **工业界与学术界VLM应用差异**：工业界采用分层级具身大模型架构，避免硬件升级导致软件重新训练；学术界采用完全端到端方法，不考虑硬件升级对软件影响[17] 7. **VLA模型挑战及解决方向** - **挑战**：数据量不足、任务泛化能力低、光照或背景变化影响性能[18] - **解决方向**：引入3D空间感知能力，减少光照等影响，提高空间建模和感知能力，实现通用AGI[19] 8. **数据相关** - **巨型机器人VRA训练数据集**：需要视频数据、互联网抓取视频数据等，质量较低，需提取动作信息[20] - **互联网数据评估**：量大数据准确度受污染，未来价值不高；实验室仿真数据有局限性，真实数据更可靠；有许多开源数据集可使用且不断扩充[21][22] - **人形机器人数据采集**：采集关节电机角度速度、末端执行器位置、视觉摄像头位置等数据；未来可能收集贴合人类感官的数据；Sim - to - Real差距缩小，域控技术降低量产成本[23] 9. **行业标准制定**：涉及顶层设计和核心领域，是争夺话语权重要方面；不同场景需不同安全等级和评测标准；安全认证或行业标准认定类似3C认证但更严格；掌握制定权对市场发展影响重大[24] 10. **多模态大模型应用**：在机器人领域应用壁垒高、成本昂贵；字节跳动豆包模型因提供丰富接口和中间件受欢迎；倾向使用成熟大模型或开源版本微调及开发应用层；在交互能力要求高但动作执行不完善时应用价值高[25] 11. **VRM模型**：交互能力核心是语音识别、输出和表情管理；语音技术进展显著，广泛应用于客服和电话营销；基于VLM模型训练，提升机器人任务识别、理解和规划能力[26] 12. **智能大模型发展趋势及终端厂商竞争力** - **发展趋势**：通过大量多元数据训练通用且泛化能力强的VRA模型；整合人类感知数据提高任务成功率；结合传统算法与现代端到端VI模型进行精细化操作；可能出现统一基础VOI模型[27] - **终端厂商竞争力**：对基础大模型优化，场景数据训练有独特优势，实现更好硬件结合与场景适配[27] 13. **智能大规模AIIT项目中VI模块发展方向**：多模态感知融合，整合触觉、嗅觉等感知方式；精细化操作，结合传统算法与现代VI模块处理复杂任务；利用开放数据集提升性能并针对硬件微调[28] 14. **语义链、华为云链和自研链竞争优势差异** - **硬件部分**：华为云链不涉及电机本体零部件生产；传感器通常外购[30] - **控制器选择**：语义链可能用瑞芯微3,588芯片，算力低；华为自主研发CPU、NPU及模型；自研链早期依赖英伟达，未来可能与国内供应商合作[30] - **核心技术**：都不放弃自主研发，可能在零组件及关键链接代工合作优化资源配置[30] 其他重要但是可能被忽略的内容 - VELAN模型结构简单，通过文本、视觉、动作编码数据输入训练，形成端到端VOA模型，类似特斯拉自动驾驶方案[16] - 智能化评价通过感知、决策和执行三个层面细分能力等级，比自动驾驶评价等级更精细[24]

非银金融 - 公募基金新规建立浮动管理费机制，考核重点从同业排名转向业绩比较基准，当前非银板块配置比例1.52%，大幅欠配5.34Pct（券商欠配3.29Pct，保险欠配1.60Pct）[1] - 监管引导险资入市稳市，拟新增600亿元长期投资试点，调降股票投资风险因子10%，推动长周期考核机制[1] - 金融科技领域AIAgent应用加速落地，消费金融受益于资产荒和无风险利率下行[2] 银行业 - 2024年上市银行营收持平，归母净利润增长2.4%，资产质量稳健，驱动因素为规模扩张、非息收入高增及拨备反哺[6] - 2025年银行业营收承压但净利润或保持正增，净息差收窄幅度预期改善，贷款增速或放缓至7%，信用成本下行空间受限[6] - 银行业在不确定性中避险属性突出，924新政后降准降息已充分计价，地产及城投风险缓释，关税事件影响路径分散[7] 军工行业 - 大国博弈长期化推动军工向好，2027年建军百年目标下十四五期间加速补短板[9] - 军工指数上涨6.44%，跑赢大盘4.52Pct，航天航空与国防Ⅳ涨幅7.49%居首[10] - 印巴爆发50年来最大冲突，双方军事行动升级，中新海上联合演习开幕强化区域合作[11] 市场数据 - 本周日均股基成交额15862亿元（前值13027亿元），2025年累计日均成交同比增54.2%[4] - 投行业务中IPO及定增承销规模1152.01亿元，企业债、公司债、可转债融资规模合计15467.92亿元[4] - 融资融券余额18088亿元（融资余额17971亿元），占A/B股流通市值2.29%[4] - 股权质押未解押市值53649亿元（券商占比34.75%），保险行业3月原保费收入21745亿元（人身险占比82.2%）[5] 其他行业动态 - 固收领域关注REITs量价核心逻辑[17] - 机械行业分析华为与英伟达人形机器人技术路径及生态布局[17] - 计算机行业聚焦鸿蒙系统发展[17] - 新能源外骨骼行业从概念向产业化推进[17]

互联网产品格局变化 - 过去十年国内诞生上千万款互联网产品，目前仅44款月活过亿，其中9款诞生于近十年，字节跳动占一半以上，腾讯占两款 [1] - DeepSeek成为历史上首款未花营销费用、上线一个月下载量破亿的应用软件，打破字节在To C产品的统治地位 [2] - 深度求索公司打破持续十年的大厂垄断局面，为行业带来新竞争格局 [2] AI Agent市场发展 - DeepSeek推动大模型推理能力进步，促进AI Agent发展，Manus发布2天预约超120万，后续增长至260万 [4] - Manus验证市场对Agent的热情，百度心响、Genspark、Fellou、Coze空间等竞品涌现 [4] - Manus完成7500万美元融资，估值暴涨五倍，行业巨头OpenAI和微软均看好Agent未来 [5] AI Agent技术特性 - Agent具备自主规划、工具调用和多模态能力，推动AI从被动响应升级为主动执行 [9] - Agent依赖基础模型进步，推理能力提升是关键，但存在响应速度慢、易出幻觉等不足 [5][11] - 智能体发展需突破跨组织协同、物理世界交互能力及开源生态成熟三大技术节点 [14] AI Agent应用场景 - 当前成熟场景包括智能客服、金融投顾、医疗辅助诊疗等垂直领域 [12] - 深圳福田区部署70个基于DeepSeek的"AI数智员工"，覆盖240个场景，一次解答精准率近90% [17] - 文旅和房产管理是潜力行业，涉及多模态交互和招商管理等场景 [18][19] 行业竞争格局 - 基础模型领域已形成巨头垄断，难容纳新创业公司 [3] - Agent公司分为技术框架、垂直应用和开放协议三类流派 [13] - 国内市场可能超越SaaS规模，因发展空间大且共识未形成 [22] 职场影响与人才需求 - Agent将催生"超级个体"与智能体集群模式，出现AI训练师等新职业 [16] - 企业用人标准转向AI协同能力，需具备二次改造智能体的技能 [20] - 管理者角色转变为"认知架构师"，需掌握人机协同思维 [16][21] 技术发展趋势 - DeepSeek推出R1模型开源成果，标志开源生态发展 [14] - 智能体需解决动态检索和模态关联问题，减少执行幻觉 [11] - 物理仿真平台和世界模型生成技术是未来突破方向 [14]

本文来自微信公众号：R.S.罗夏，作者：罗夏Leo，题图来自：AI生成 那天回国的航班，在伊斯坦布尔机场足足停留了近24小时。 不是暴风雨，不是罢工，而是一个听起来就很模糊的理由："operation issue"。这趟航班据说经常延误，而这次我们刚好是那"常规异常"的 一部分。 机场没给酒店，只能在椅子上蜷缩一晚。休息厅的椅子无法躺平，根本靠不住腰。最难熬的不是疲惫，而是那种——你明明买了服务，对 方却毫无歉意地"例行失责"，你却毫无应对工具的感觉。回国第一天的工作也被耽误。 于是我打开电脑，决定不再忍耐。 一、五分钟Brief之后，GPT开始替我"打这场仗" 我先问："这种情况我可以投诉索赔吗？" GPT回答得干脆利落，引用的是欧盟的261/2004号条例： "对于从欧盟出发的航班，如因航空公司责任导致延误超过3小时，乘客有权获得250至600欧元不等的补偿。9小时延误显然已满 足条件。" 然后，它快速给出了几步执行策略： 1. 拟好一封带有法条引用的英文邮件； 2. 语气保持冷静但强硬，强调维权立场； 3. 提供多个投诉路径，包括航空公司客服邮箱、欧洲管理局平台、土耳其航空民航总局投诉信箱，甚至是相关高 ...

银行AI应用前景 - 银行有望成为国内AI落地先锋，得益于充裕的IT预算资金、市场化系统和高整合度的内部数据 [1] - 大行已在投研、客服、信贷审批等领域实现AI技术规模化应用 [1][3] - IDC预测2024-2028年全球AI解决方案支出最多的行业是银行业的金融服务，占所有AI支出的20%以上 [3] DeepSeek-R1技术突破 - DeepSeek-R1推理成本仅为对标OpenAI o1系列的1/30，推动行业进入"AI普惠化"新阶段 [1] - DeepSeek-R1在数学、代码和推理任务方面达到与OpenAI-o1相当的性能 [1] - 成本优化归功于混合专家模型(MoE)架构、多头潜在注意力(MLA)机制及数据蒸馏与强化学习的结合 [1] 2025年AI Agent发展 - 2025年为AI Agent元年，Agent成为海内外大厂竞争焦点 [2] - AI Agent有望在办公助手、客户服务、内容推荐、制造和供应链管理、个人助手等领域率先落地 [2] - 模型、数据和场景是构建AI产品竞争力的三个关键要素，其中数据最为重要 [2] 银行AI应用场景 - AI技术提升金融服务智能化程度，应用于运维、代码开发、知识库管理、监管&风控等领域 [3] - 自2023年2月开始，大行积极布局大模型业务，落地场景包括投研、客服、员工助手、辅助编码、信贷审批等 [3] 具体标的公司AI布局 - 宇信科技：产品体系全面接入DeepSeek模型，涵盖信贷、数据和营销渠道等领域，推出星辰ChatBI与知识库融合 [4] - 京北方：发布AI大模型服务平台及4个重量级产品，助力客户在智能反欺诈、智能投顾等方面实现突破 [4] - 高伟达：实现DeepSeek与信贷业务深度融合，提升授信效率&财报分析智能化，应用于智能运维等多个环节 [4] - 天阳科技：发布智能测试分析系统、监管合规大模型（400+智能模型）及智能问数平台 [4] - 神州信息：升级金融知识问答和代码助手两大Agent，推出5个新Agent，金融智能编码平台提升开发效率20% [5]