行情表现 - 1月14日AI眼镜板块早盘集体走强，多只个股涨停或大涨，其中翰博高新（+20.01%）、比依股份（+9.99%）、博士眼镜（+19.99%）涨停，明月镜片（+13.37%）、天娱数科（+9.95%）等亦大幅上涨 [1] - 翰博高新作为MR/AR终端厂的上游供应商，提供背光源或显示模组核心零部件 [2] - 比依股份的参股子公司上海理湃光晶是国内AR眼镜光波导模组生产规模最大的供应商，已投产10万级规模生产线并启动投建100万级生产产能 [2] - 博士眼镜在智能眼镜领域主要承接验配和产品交付服务，已与星纪魅族、雷鸟创新、XREAL等多个品牌开展合作 [2] - 天娱数科高度关注VR/AR/MR产业布局，已在申请苹果Vision Pro开发套件，并开发了MR&AR软件解决方案MetaSurfingMR [2] - 明月镜片目前售卖的智能眼镜sasky具备语音助手、接打电话、导航及音乐休闲等功能 [2] 行业事件 - 据彭博社报道，因雷朋Meta眼镜销售势头强劲，Meta已建议其合作方EssilorLuxottica SA到2026年底将年产能提升至2000万副或以上，并讨论了建立3000万副以上产能的可能性 [3] - 苹果、谷歌、字节跳动等科技巨头加速布局AI眼镜，苹果计划2026年WWDC公布Apple Glasses，谷歌重启独立AI眼镜项目，字节跳动首款AI眼镜预计2026年一季度发布 [3] 机构观点与行业前景 - 以Meta为代表的AI眼镜产品销量持续攀升，AI眼镜有望成为下一款千万级至亿级销量的终端产品，据WellsennXR预测，到2030年全球AI眼镜销量有望达到9000万副，6年复合年增长率（CAGR）为97.42% [4] - 本轮AI眼镜的核心在于生成式AI驱动的交互革命，AI将眼镜从昂贵配件升级为可自然交互的智能体，降低了使用门槛，随着价格下探至千元级大众消费区间，AI眼镜有望成为AI时代的操作系统入口 [5] - 行业进入快速成长期，技术迭代与需求爆发形成共振，当前主流产品价格下探至1500元左右，AI对话、同传翻译、AR导航等功能渗透率超80% [5] - 产业链上游涉及芯片、光学（如光波导、摄像头模组），中游包括整机制造与算法供应，下游覆盖消费电子、运动健康、工业辅助等场景 [5]

复旦大学AI教育平台与指引发布 - 复旦大学于2026年1月12日正式上线AI3A教育共创平台，并同步发布《复旦大学生成式人工智能教育教学应用指引1.0版》，这是全国高校中首次将AI教育理念系统落地、支持师生共创的尝试 [1] 应用指引的核心内容 - 《应用指引》全文超万字，将AI应用场景细化为课堂教学、学业评价、自主学习支持等具体环节，并为每个环节提供行动建议、伦理警示和工具推荐 [2] - 《应用指引》包含11个可操作的附件，如《人工智能使用声明模板》和《教学评语中的“人工智能使用表现”评价维度》，旨在降低师生的实践门槛 [2] - 针对学术诚信问题，《应用指引》采用“环节区分+责任归属+过程证据”的判定逻辑，明确AI可用于语言润色、结构建议等辅助环节，但不得替代研究构思、理论构建、数据分析等核心学术劳动 [2] - 评价重点转向学生“如何使用工具、如何验证信息、如何贡献自己的思考”，而不仅仅是作业结果的正确性 [2] - 该指引强调风险治理，贯穿“凡进课堂必可控、凡入评价必可溯、凡涉数据必合规”的全过程 [3] AI3A教育共创平台功能 - AI3A平台集合了教学案例库、实训学习平台、全球高校AI案例精选及师生共创四大板块 [4] - 平台名称来源于“掌握AI（Acquire）-驾驭AI（Apply）-共创AI（Advance）”的进阶学习路径设计 [4] - 平台案例库收录了两年多来全校师生在AI教育领域的超100项优秀实践案例 [5] - 平台设有“师生共创入口”，催生了众多特色成果，如学生开发的“GPA精算师”和“论文时间管理助手”等轻量化应用 [6] 具体实践案例与成果 - 口腔医学院《口腔组织病理学》课程引入虚拟仿真平台和AI助教，实现7×24小时答疑，帮助学生通过数字切片理解三维病理 [3] - 国际关系与公共事务学院教授郑磊的《AI赋能的政务服务再造》完整课程设计被系统化沉淀在平台上，其“腌do鲜教学法”强调教师、学生与AI的协同作用 [5] - 未来信息创新学院副教授张浩与物理学系研究生杜子健等开发的“通用原子嵌入算法软件”，生成了两万余种候选晶体结构，并获得了数十种具备合成可行性的全新材料，相关研究成果发表在《自然-通讯》等顶级期刊上 [5] - 该平台促进了跨学科协作，例如在开发上述软件时，团队从大数据学院引入了一名本科生算法工程师，形成了“领域科学家+算法工程师”的新模式 [7] 教育教学模式的变革 - AI3A平台与《应用指引》的联动，旨在构建一套支持师生智教慧学的立体化支撑体系 [7] - 复旦大学自2025年初启动该项目，经过一年多的师生共创形成1.0版本，目标是构建AI与本校优势专业深度融合的教育教学新生态 [7] - 平台的价值在于打破专业教师的孤独感，连接跨学科资源，改变科研的组织模式和队伍构成 [7] - 探索表明，通过规则与创新的双轮驱动，AI进课堂成为提升教育质量的契机 [9]

报告行业投资评级 * 报告未明确给出行业投资评级 报告的核心观点 * 计算行业正同时经历**加速计算**与**生成式AI**两大平台变革，整个技术栈将被彻底重塑 [7][8][9][11][14] * **物理AI**（理解物理定律并与世界交互的AI）是下一个前沿，其发展依赖于模拟、合成数据和新的计算架构 [26][118][127][129] * 英伟达通过构建从芯片、系统到软件的全栈平台，并推动开源模型与广泛的生态合作，旨在成为全球AI工厂的引擎和物理AI时代的基石 [33][84][161][319][409] 根据相关目录分别进行总结 行业变革与趋势 * 计算行业正同时经历**加速计算**与**生成式AI**两大平台变革，整个技术栈将被彻底重塑 [7][8][9][11][14] * 软件开发范式从“编写代码”转向“训练模型”，应用运行从CPU转向GPU，应用构建从“应用优先”转向“AI优先” [14] * 内容生成从“预编译”转向“实时生成每个像素与Token” [18] * 行业研发预算正大规模从传统方法转向AI方法，规模达**10万亿美元** [21][22] * **2025年**被视为关键发展年份，标志性趋势包括：代理系统（具备推理、规划与工具使用能力）、开源崛起以及测试时扩展（实时思考） [25][28][29][30] 英伟达的AI战略与模型布局 * 英伟达致力于建造自己的AI超算，目标是锻造世界顶级的开源模型 [33] * 公司构建了**NVIDIA开源模型矩阵**，包括Nemo Tron（混合SSM架构，实现极速推理）、OpenFold（理解蛋白质结构与生成）、ForecastNet（革新天气预测方式）等 [36][37][41][42] * 未来的核心原子单元是**AI代理**，其特点是超越记忆，走向推理，并能使用工具、进行研究与执行 [43][45][46][47] * 单一模型不够，未来将是**专家混合模型**的组合，并通过**智能体路由**技术进行调度 [49][51] * 英伟达提供蓝图，帮助企业利用其平台（NVIDIA NEMO）、工具/API、世界级开源与专有模型以及智能体路由技术，结合企业专属数据，构建专属AI [63][64][66][67][70][72][73][75][76] 物理AI（Physical AI）的挑战与突破 * 当前AI缺乏对物理世界的基本常识，而收集真实世界训练数据缓慢、昂贵且永不满足，存在巨大的**数据鸿沟** [99][104][107][109][110] * **模拟**是物理AI几乎所有工作的基础，没有模拟就无法感知物理反馈和评估效果 [118] * 英伟达推出**COSMOS：世界基础模型**，旨在成为物理AI的“ChatGPT”时刻 [123] * COSMOS通过**计算炼成数据**，生成基于物理规律、具有无限多样性的**合成数据**，以填补数据鸿沟 [127][129][130] * COSMOS具备生成式物理AI技能、对齐多模态信息、生成物理连贯视频、进行交互式闭环模拟以及推理、分析与预测等核心能力 [132] * 通过“**模拟中学习，现实中适应**”的范式，COSMOS能生成海量模拟里程，教会机器人适应每一种场景 [135][136][139][141] 生态合作与平台定位 * 英伟达定位为**世界领先平台的AI引擎**，其合作伙伴生态覆盖几乎所有主流科技与云服务公司，包括微软、亚马逊AWS、谷歌云、甲骨文、Adobe、Salesforce、ServiceNow等 [84][85][86][87][88][89] * 报告以个人AI助手“RICCI”为案例，展示了基于英伟达全栈技术（本地DGX、云API、开源模型）构建的智能体应用 [78][79] * 未来的交互界面将发生根本变化，**系统本身就是交互界面** [90] 物理AI的应用落地：以自动驾驶为例 * 进入物理世界标志着**一场新工业革命的开端** [158][159] * 英伟达的**DRIVE THOR**芯片是专为机器人系统设计的地基，具备双处理器冗余、最高功能安全等级和代码级安全认证 [161][163][164][167][168] * **Alpha Mayo**系统采用端到端训练，从摄像头输入直接推理行动输出，旨在解决传统方法难以应对的长尾场景难题 [171][175][176][177] * 英伟达与**梅赛德斯-奔驰达成战略合作**，计划于**2026年第一季度**实现全球上路，并通过OTA持续更新Alpha Mayo [179][180] * 自动驾驶技术可适用于所有机器人系统，预示着机器人产业的黄金时代 [197][198] * **NVIDIA OMNIVERSE**作为机器人的创世引擎，提供物理级精准仿真，用于在元宇宙中训练机器人并生成海量合成数据 [201][203][204][205][209] * 英伟达与**西门子达成战略合作**，将AI全栈技术集成到工业软件中，贯穿设计、生产、运营全生命周期，共同定义“未来工厂 = 巨型机器人”的新工业革命 [217][223][231] 下一代计算平台：VERA RUBIN * 面对AI需求的指数级增长和传统晶体管缩放定律的放缓，行业需要**激进的极端协同设计** [239][247][248] * **VERA RUBIN平台**已全面投产，其设计哲学是极致协同设计，累计投入**15,000工程师年** [252][254][256] * 单个VERA RUBIN计算模块集成2颗VERA CPU、4颗RUBIN GPU、4颗BLUEFIELD-4 DPU和8颗CONNECTX-9 NIC，采用零线缆、零风扇设计 [260][261][262][263][264] * **RUBIN GPU**采用MVF P4张量引擎，实现硬件级自适应精度，其晶体管数量和浮点性能相比Blackwell有显著提升 [269][270][271][274] * **VERA CPU**拥有88核，采用时空多线程技术，并具备强大的I/O性能，专为AI超算定制 [276][279][280] * 平台网络架构分为两部分：机架内采用**NVLINK 6 SWITCH**；AI工厂互联采用**SPECTRUM-X AI以太网**，可提升25%网络吞吐，显著降低网络成本 [285][287] * **BLUEFIELD-4 DPU**作为每个计算节点的标准配置，通过卸载虚拟化、安全等任务，让CPU和GPU专注于纯粹的AI计算 [291][293][294][296] * 平台采用直接液冷技术，使用**45℃温水进水**，能效高且无需数据中心冷水机组 [304][308][368] * VERA RUBIN平台在峰值推理性能、峰值训练性能上实现碾压式飞跃，是全球AI工厂的关键基础设施 [311][312][314][319] 全栈架构重构与性能经济学 * 为应对万亿参数模型和超长上下文带来的内存与带宽挑战，VERA RUBIN平台进行了全栈重构 [327][328][331][332][335] * 突破一：采用**硅光子连接**技术，通过台积电Co-op工艺将光模块直连芯片，实现高速互联 [343][344] * 突破二：发起**上下文内存革命**，抛弃传统南北向存储架构，在机架内由BLUEFIELD DPU驱动构建高速东西向流量，单个节点可提供**150 TB上下文内存**和**200 Gb/s节点内东西向带宽** [350][351][355][358][359] * 新架构使数据中心能效翻倍，预计节省约**6%** 的总电力消耗，并实现全系统可信计算安全 [371][373][375] * 相比上一代Blackwell，训练一个10万亿参数模型所需的系统数量大幅减少，极大缩短了抵达未来的时间 [387][388][391] * **每瓦性能等同于数据中心营收**，VERA RUBIN相比Hopper实现了显著的每瓦性能提升 [394][395][396] * 平台通过规模效应降低Token成本，其推理成本相比上一代大幅下降，体现了“买得越多，省得越多”的经济学 [400][401][403] 总结：全栈生态与未来 * 英伟达的布局贯穿**芯片、基础设施、模型、应用**全栈，并与英特尔、AMD、三星、联想、戴尔等硬件伙伴，以及汽车（通用、蔚来、小鹏）、工业（西门子）等垂直行业巨头建立了广泛生态 [409][414][415][416][420] * 其核心是驱动一场由**物理AI**定义的**新工业革命** [215][231]

文章核心观点 - 公司主动修正了“DAU/流量=壁垒”的逻辑，深刻认识到AI时代的核心护城河是模型智力的代差[1] - 公司通过缩减低效的ToB销售团队和C端买量费用，将资源极度聚焦于高强度的模型研发与技术突破，这种“反共识”的收缩是向Scaling Law下半场（推理侧/架构创新）的精准抢跑[1] - 管理团队兼具顶尖科研与to B商业化及交付经验[1] 行业趋势与市场空间 - AI正定义新一代生产力，其总可寻址市场（TAM）正从软件预算转向劳动力预算[1] - 行业正经历从判别式AI向生成式AI的质变[1] - Scaling Law推动模型智能指数级提升，同时推理成本指数级下降（通缩属性），使得AI具备了推理、规划能力的“数字员工”属性[1] - 以美国为例，传统软件市场仅针对约3000亿美元的IT预算，而AI作为生产要素，将渗透全球约13万亿美元的劳动力成本市场[1] - AI不仅是卖License，更是按产出价值定价，市场天花板被打开[1] 技术路径与竞争格局 - 粗放的预训练Scaling（堆算力/数据）面临边际效应递减，行业进入“架构创新 & 推理侧Scaling”的新阶段[2] - DeepSeek（MLA/架构压缩）与Google（多模态关联）代表了不同的技术突围方向[2] - 技术壁垒回归到“工程能力+架构创新”的综合实力[2] - 在AI赛道内部，“基础设施层”与“原生应用层”的投资逻辑正在分化[5] - 相比于DeepSeek在成本侧建立的壁垒，公司在多模态（语音/视频）交互体验上的深耕，使其在用户粘性与商业化变现上具备更深护城河[5] 公司战略与管理团队 - 公司创始人兼具科研能力与to B交付经验，曾任商汤科技副总裁、智慧城市事业群CTO，具备卓越的技术和管理能力，在商汤带领过700余人的团队，智慧城市业务2021年收入超20亿元人民币[3] - 管理层深刻认知到“用户规模≠模型智能”，单纯堆砌DAU无法反哺模型智力[3] - 公司2025年战略重心从“做营收/投流”转向“技术迭代”[3] - 人事上，缩减ToB销售团队以应对API价格战，弱化纯C端运营，将资源集中于模型研发，意图通过代差级体验打造真正的Super App[3] - 公司战略重心回归技术研发，新一代多模态模型（如Video-01、端到端语音）预计将在FY26-27开始显著贡献增量ARR[5] 财务预测与经营状况 - 预计公司FY25-27分别实现营业收入0.80亿美元、1.85亿美元、3.51亿美元，同比增长162%、131%、90%[4] - 其中AI原生产品（To C）收入FY25-27分别实现0.58亿美元、1.39亿美元、2.63亿美元，同比增长超140%[4] - 开放平台（ToB）收入FY25-27分别实现0.22亿美元、0.46亿美元、0.88亿美元[4] - 预计Non-GAAP毛利润FY25-27分别实现0.20亿美元、0.74亿美元、1.93亿美元，对应Non-GAAP毛利率25.0%、40.0%、55.0%[4] - 预计Non-GAAP净亏损将逐步收窄，FY25-27分别录得亏损-2.4亿美元、-1.8亿美元、-0.8亿美元，对应Non-GAAP净利率-300%、-97%、-24%[4] - 公司C端产品已实现正毛利（4.7%），且营销费用率在收入翻倍背景下绝对值下降[5] - 随着推理成本下降，未来净利率有望迎来非线性拐点[5] - 公司目前隐含估值处于FY26 77x P/S[5]

苹果与谷歌达成AI战略合作 - 2025年1月13日，苹果宣布与谷歌达成战略合作，将在未来的基础模型和新版Siri等核心AI功能中，引入谷歌的Gemini大模型及云端技术作为重要底层能力 [1][10] - 此举被视为苹果在生成式AI时代的关键举措，旨在坚持系统控制权与隐私原则的前提下，通过外部合作加快AI能力的系统级落地 [2][11] - 合作消息公布后，谷歌母公司Alphabet股价上涨，市值首次突破**4万亿美元**关口，与英伟达、微软、苹果共同跻身4万亿美元市值俱乐部 [2][11] 苹果的AI战略路径与考量 - 苹果选择与谷歌合作是基于现实条件的战略平衡，并非放弃自研路线 [4][14] - 在生成式AI进入高投入、高不确定性阶段后，完全依赖内部推进意味着更长的研发周期和更高的试错成本，引入成熟大模型能力是更具确定性的选择 [5] - 苹果AI人才流失、Siri更新放缓等内部因素，也促使公司寻找外部解决方案以提前布局未来 [5] - 苹果强调AI对用户体验的服务属性，AI能力将以系统功能形式嵌入iOS、macOS等平台，而非作为独立产品存在 [5][14] - 苹果将外部模型定位为辅助角色，合作是在“充分评估”后作出的战略判断，旨在为用户带来更强大智能体验，同时坚持隐私和系统控制原则 [5][15] 合作细节与全球市场策略 - 与谷歌的合作不会取代苹果与OpenAI的现有协议，ChatGPT仍将在某些用户选择性场景中提供复杂查询支持 [6][15] - 在业内人士看来，谷歌的Gemini将进入苹果AI更核心的领域 [6][15] - 苹果在全球市场呈现出“双轨策略”：通过与OpenAI、谷歌等公司合作快速补齐能力短板；在中国等关键区域则保持更审慎的推进节奏，为合规落地预留空间 [6][16] - 受数据安全、模型合规等监管要求影响，苹果尚未公布Apple Intelligence相关功能在中国的明确上线时间 [6][12] - 多位行业人士指出，苹果在中国直接引入海外模型的可能性较低，更现实的方案是与阿里巴巴等本土具备大模型和云服务能力的企业展开合作 [6][15] 对谷歌的影响与AI产业趋势 - 此次合作是谷歌的关键一步，其AI技术将进入全球超过**20亿台**苹果设备，这种跨生态的能力输出极大增强了谷歌的平台价值和全球影响力 [8][17] - 谷歌在AI领域的布局正从技术展示转向规模化落地，持续加大对自研大模型的投入，并推动AI能力与搜索、云计算和开发者生态的深度融合 [8][17] - AI竞争逻辑正在发生变化：早期关注模型参数规模和单点性能；进入应用深化期后，竞争焦点转向谁能以更低成本、更高稳定性将AI能力嵌入不同生态，生态联盟因此增多 [8][17] - 科技巨头之间的竞合关系正在重塑，在AI这一高度资本密集、技术快速演进的赛道上，阶段性合作成为更高效的选择，类似逻辑也出现在微软与OpenAI、亚马逊与Anthropic等组合中 [8][18] 引发的讨论与关注 - 特斯拉创始人埃隆·马斯克公开评论称，考虑到谷歌已经控制了Android和Chrome，这样的合作将导致不合理的权力集中 [2][11] - 这种合作模式引发了关于市场集中度和监管的讨论，反映了外界对科技巨头联手可能形成新壁垒的担忧 [9][18]

苹果与谷歌达成AI合作协议 - 苹果与谷歌宣布达成多年期合作协议 苹果下一代基础模型将直接采用谷歌Gemini模型及Google Cloud基础设施 首批落地场景为预计2026年晚些时候推出的新版Siri [1] - 消息公布后 谷歌美股股价当日上涨1.09% 收于332.73美元/股 市值首次突破4万亿美元 [1] - 苹果方面表示 谷歌的技术为苹果基础模型提供了最强大的支撑 [2] 双方合作历史与AI战略调整 - 苹果与谷歌的合作可追溯至2002年 Safari首次把谷歌设为默认搜索引擎 2005年升级为收入分成协议 谷歌以广告分成换得独家默认席位 [3] - 自2014年起 谷歌每年向苹果支付约200亿美元 占苹果服务收入近两成 成为其搜索广告的核心流量入口 [3] - 人工智能层面的谈判早在2025年8月浮出水面 苹果拟每年掏10亿美元换取Gemini AI对Siri的底层赋能 11月进一步传出消息 新版Siri锁定2026年春季发布 [3] - 此次合作标志着苹果AI战略的重大调整 转而采用借力外部技术、叠加自有体验的路径 即在第三方AI能力之上构建独特的苹果层 [3] - 苹果公开强调 与OpenAI的现有协议不变 行业分析师认为 苹果刻意搭建多模型供应商架构 意在分散风险 避免单点依赖 [3] - ChatGPT目前仍留在苹果生态内 负责知识型与生成式查询 Gemini则下沉到内核层 承担更基础的模型推理 [3] 苹果在华市场面临挑战 - 2025财年第四财季（截至2025年9月底） 苹果大中华区营收为144.93亿美元 同比下降3.6% 成为全球唯一出现负增长的区域 [4] - 本土品牌凭借高性价比产品 不断挤压苹果份额 同时在当前消费者高度关注的人工智能功能方面 苹果相比中国竞争对手尚未形成明显优势 [4] - 2025年12月 字节跳动与中兴努比亚联合推出的豆包AI手机引发空前热度 官方定价3499元 发售价为4089元 初期溢价590元 其二手一度较发售价溢价超3000元 [4] - 2026年春季新版Siri的落地效果 将成为检验苹果AI战略成败的关键试金石 [4]

Anthropic发布AI办公助手Cowork - 公司发布AI办公神器Cowork，复用Claude Code底层逻辑，可创建文档、制定计划、分析数据并自动整理桌面文件 [1] - Cowork具备主动性与自主性，能自主制定计划并实时同步进度，支持连接器整合外部信息源并与Chrome联动，Claude Max用户可在macOS应用抢先体验 [1] - 该工具由团队仅用一周半开发完成，Claude Code编写了100%的代码，默认需用户明确授权且可随时叫停 [1] 苹果与Google达成AI合作协议 - 苹果与Google达成多年深度合作协议，下一代苹果基础模型将基于Gemini构建，新版Siri将基于Gemini彻底重造，数据通过私有云计算运行以保护隐私 [2] - 苹果AI团队面临严重人才流失，100多人团队已有数十名核心成员跳槽，Gemini拥有1.2万亿参数远超苹果现有1500亿参数，合作成为按时交货的必然选择 [2] - Google每月处理1.3千万亿Tokens，Gemini全球市场份额突破20%，马斯克批评这是权力过度集中，OpenAI地位从默认智能层降为辅助角色 [2] DeepSeek发布条件记忆模块Engram - DeepSeek发布新论文提出条件记忆Engram模块，与MoE条件计算互补，通过O(1)时间复杂度完成知识查找，解决Transformer缺少原生知识查找机制的问题 [3] - Engram将270亿参数扩展至等参数等FLOPs条件下显著优于纯MoE基线，MMLU提升3.4、BBH提升5.0、HumanEval提升3.0，长上下文检索准确率从84.2%提升至97.0% [3] - 结合元旦期间公布的mHC研究，DeepSeek V4的模样愈发清晰，条件记忆将成为下一代稀疏大模型核心建模原语，支持从主机内存预取且几乎无性能开销 [3] OpenAI收购AI医疗初创公司Torch - OpenAI以约1亿美元（约合人民币6.79亿元）收购AI医疗初创公司Torch，其中6000万美元立即兑现，其余用于员工留任激励 [4] - Torch支持接入Kaiser Permanente、Apple Health等医疗系统数据，统一查看实验室检测结果、处方信息及就诊记录，并通过AI进行归类整理和健康洞察 [4] - Torch四人创始团队全部加入OpenAI参与构建ChatGPT Health模块，此前曾创办并运营线上诊所平台Forward，于2024年末关闭后创立Torch [4] Anthropic推出医疗级AI服务 - Anthropic推出符合HIPAA标准的医疗级AI服务，允许医院医疗机构及个人用户在合规前提下处理受保护健康数据，明确引用PubMed、NPI注册表等权威数据库 [5][6] - Claude支持从Apple Health、Function Health等应用导出个人健康数据进行汇总和理解，承诺不使用任何医疗用户数据训练模型 [6] - 美国最大非营利医疗系统之一Banner Health已有超22000名临床服务提供者使用Claude，85%使用者认为工作效率提升，与诺和诺德、斯坦福医疗保健等机构展开合作 [6] 百川开源医疗大模型Baichuan-M3 - 百川开源Baichuan-M3医疗大模型，在HealthBench以65.1分综合成绩位列全球第一，HealthBench Hard以44.4分夺冠，全面超越GPT-5.2，幻觉率3.5%全球最低 [7] - M3首次具备原生端到端严肃问诊能力，提出SCAN原则（安全分层、信息澄清、关联追问、规范化输出），问诊能力显著高于真人医生平均水平 [7] - M3采用全动态Verifier System升级强化学习系统，设计新SPAR算法解决长对话训练问题，医疗应用百小应已同步接入M3面向医生与患者开放 [7] OpenAI计划量产特殊音频硬件Sweetpea - OpenAI硬件项目To-go确认为取代AirPods的特殊音频产品，内部代号Sweetpea，富士康已接到通知要求在2028年第四季度前为五款设备做好量产准备 [8] - 该设备由Jony Ive团队设计，主机采用金属材质外形酷似卵石，内部装有两个胶囊状单元可佩戴耳后，主处理器目标锁定2nm制程芯片让AI推理在本地运行 [8] - 预计2026年9月发布，第一年预估出货量4000-5000万部（AirPods年出货量约6000-7000万），定制芯片允许用户通过指令控制替代iPhone操作 [8] 美团发布稀疏注意力机制LoZA - 美团LongCat系列发布稀疏注意力机制LoZA，将50%低性能MLA模块替换为流式稀疏注意力SSA，形成ZigZag交错结构，计算复杂度降至线性级O(L·S) [9] - 处理128K上下文解码速度比原版快10倍，256K上下文预加载速度快50%解码阶段省30%算力，LongCat-Flash-Exp解锁1M上下文窗口，性能超越Qwen-3 [9] - LoZA无需从头训练在中期训练阶段即可完成改造，每个窗口包含1个全局块和7个局部块（单块128Token），设计1024Token稀疏窗口兼顾局部细节与整体逻辑 [9] 2026年十大突破性技术趋势 - MIT科技评论发布2026年十大突破性技术，涵盖超大规模AI数据中心、钠离子电池、碱基编辑、机制可解释性、先进核反应堆等十大方向 [10] - 其中，超大规模数据中心吞噬超1吉瓦电力足以供整座城市使用，钠离子电池已在特定车型应用，碱基编辑首例N=1定制治疗成功 [11] - 报告特别关注AI发展从“能做什么”转向“该做什么”，生命科学在伦理争议中持续突破认知边界，技术与伦理平衡成为核心议题 [11] AI内容生成趋势与价值 - Fal平台CEO透露生成5秒24帧视频算力消耗是生成200个token文本的12000倍，4K分辨率再增10倍，顶级视频模型半衰期仅30天 [12] - Fal平台支持600多个生成式媒体模型，前100名客户平均同时使用14个不同模型，团队认为动画、动漫或卡通类内容会最先实现AI生成规模化 [12] - 对话认为当内容生成变得无限时有限IP反而更有价值，视频模型架构需提升10-100倍才能实现4K实时生成，教育和个性化广告是最具潜力应用场景 [12]

财务数据和关键指标变化 * 未提供具体的财务数据、关键指标变化或量化业绩目标 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79] 各条业务线数据和关键指标变化 * 未提供各业务线的具体财务数据或运营指标 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79] 各个市场数据和关键指标变化 * 未提供按地理市场划分的具体数据 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79] 公司战略和发展方向和行业竞争 * 公司正将人工智能作为核心战略，致力于利用AI技术驱动全渠道零售业务的增长 [1] * 公司认为AI技术是“力量工具”，能够实现过去无法达成的客户体验，并计划从2024年开始将“探索”转变为“转型”，提供变革性的商业体验 [17][18][19] * 公司认为在AI驱动的商业世界中，信任和可负担性是“最重要的货币”，而这两点正是公司的核心品牌价值，这使其在代理购物体验中具备优势 [38][39] * 公司正在积极与领先的科技公司建立战略合作伙伴关系，例如与OpenAI和Google的合作，旨在通过AI代理的协作，在客户旅程的早期阶段触达客户 [1][25][26][27] * 公司认为与外部AI平台的合作是增长机会而非渠道冲突风险，关键在于其商品广度、价格和速度的组合优势，以及通过代理间协作实现智能化的客户交接 [45][46] * 公司致力于打造全渠道的AI体验，目标是将实体店的体验数字化到与线上同等的程度，而非将线上与线下视为对立 [55][56] * 公司正在内部广泛部署AI，特别是在供应链和员工赋能方面，以提升效率和客户服务能力 [68][69][70][73] 管理层对经营环境和未来前景的评论 * 管理层认为AI技术正从模式识别（机器学习）向具备理解能力的AI演进，这是技术的阶跃式变化，将带来商业体验的阶跃式变化 [12][13][14] * 管理层将“代理AI”定义为在深度理解客户的基础上，能够代表客户采取行动的AI，例如在客户用完之前自动发送洗衣液，公司正在朝此方向快速迈进但尚未完全实现 [14][15] * 管理层认为技术变革是渐进的，不会一夜之间发生，但预计一年后客户将能感受到与过去截然不同的购物体验 [19] * 管理层认为在AI应用上，不进行实验的风险远大于实验失败的风险，公司愿意通过大量尝试来找到真正有效的解决方案 [20][24] * 管理层指出，当前通过外部AI平台（如ChatGPT、Gemini）产生的订单主要集中在需要更多探索的非高频、高考虑度品类，如电视、时尚、婴儿用品、美容、汽车护理和电子产品等 [49][51][52][54] * 管理层认为，对于生鲜食品等高频必需品，AI代理的作用将更多体现在自动化重复性购买上，减轻客户负担 [54] * 管理层展望未来，AI将使体验更具个性化、沉浸感，并能更好地预测客户需求，逐步消除重复性购物任务 [74][75][76][77] 其他重要信息 * 公司拥有面向消费者的AI聊天助手“Sparky”，目前主要用于客户服务和启动重复性购买，其底层由大语言模型驱动，未来可能与搜索功能进一步融合 [62][63][65] * 公司为门店员工配备了名为“Squiggly”的AI驱动应用，用于优化补货路径、处理紧急任务（如清理洒漏）和提升客户服务效率 [68][70][71][72][73] * 公司在数据隐私方面采取保护性策略，与外部平台（如OpenAI、Google）合作时，客户在沃尔玛自身平台和门店积累的数据仍归公司所有，不与其他平台共享，且数据交换需获得客户明确同意 [42][43] 问答环节所有的提问和回答 问题: 生成式AI和代理AI的定义及其对沃尔玛的意义 [11] * 生成式AI是建立在机器学习之上但能形成理解能力的AI，例如在感恩节前推荐火鸡，或理解客户在制作煎饼而推荐相关食材 [12][13] * 代理AI是在此理解基础上，能代表客户采取行动的AI，例如预测客户洗衣液将用完并自动发送 [14][15] 问题: 客户是否真的需要这种由AI代理驱动的购物方式 [16] * 过去一两年行业处于探索阶段，2024年将是“从探索转向转型”的一年，公司将开始构建能深刻解决客户问题的应用 [17][18] * 举例说明AI能实现的全新体验：虚拟试衣，客户可以看到自己穿着衣服的样子，而无需浏览他人照片并进行想象 [18] 问题: 这些变革的时间框架和规模 [19] * 技术变革通常是渐进发生的，不会一蹴而就，但预计一年后回顾时，客户会感受到与过去使用沃尔玛方式的显著不同 [19] 问题: 在技术应用上过于领先是否存在风险 [20] * 风险在于可能构建一些不成功的应用，但更大的风险是不去领先探索 [20] * 公司将通过大量尝试来找到真正有效的解决方案 [20] 问题: 这是否会带来先发优势，扩大与竞争对手的差距 [22] * 公司更关注客户本身，致力于解决客户问题，这种客户至上的理念适用于消费者、供应链和门店员工等多个客户群体 [23] * 不进行实验的风险远大于实验本身的风险 [24] 问题: 与OpenAI和Google（Gemini）合作的差异及原因 [25] * 合作的核心目的是在客户旅程的早期（非购物意图阶段）触达客户，例如客户询问如何去除地毯红酒渍时，AI可以推荐产品并引导至沃尔玛完成购买 [26] * 与Google Gemini的新合作更深入，实现了AI代理间的协作，在Gemini环境内提供沃尔玛驱动的个性化购物体验，并能与客户在沃尔玛的现有购物车和会员权益无缝连接 [27][28][29] 问题: OpenAI合作与Gemini合作是否为代际演进关系 [30] * 公司角色是与各方合作探索客户旅程的最佳实践，预计所有相关产品都将持续演进 [31] * 无论平台如何变化，沃尔玛提供的巨大商品选择、有竞争力的价格和快速配送这一组合，对客户具有普遍价值 [32] 问题: 从1.0到2.0的体验具体有何不同 [33] * 在1.0阶段（如ChatGPT），客户可能被推荐产品并需要点击跳转到零售商网站 [33] * 在2.0阶段（如Gemini），沃尔玛的购物体验将直接嵌入在Gemini界面内，无需跳转 [33][34] 问题: 未来是否会实现完全无需操作的“一句话购物” [35] * 用户旅程将变得越来越简单，公司旨在服务即时购买和引导更多购物两种需求 [36] 问题: 外部AI平台如何选择由沃尔玛来履行订单 [37] * 成功的算法应服务于客户需求，做出与客户自身选择相似的决策 [38] * 在代理购物世界中，信任和可负担性是最重要的“货币”，而这正是沃尔玛品牌的核心，因此公司有信心在这些体验中表现出色 [38][39] 问题: AI代理对价格的影响，是否会帮助客户更容易找到最低价 [40] * 关键在于个性化理解客户：有些客户在某些品类上注重价值，而在其他品类上对价格不那么敏感 [40] * 公司的商品策略长期以来就是为了服务不同价格敏感度的客户 [40] 问题: 客户数据在沃尔玛与外部AI平台之间如何共享和使用 [42] * 客户在沃尔玛自身平台和门店产生的数据由沃尔玛保留，不与OpenAI或Google等外部平台共享 [42] * 为完成交易所必需的最小数据交换会明确告知客户，并需获得客户明确同意 [42][43] 问题: 与外部AI平台合作是增长机会还是渠道冲突（去中介化）风险 [44][45] * 明确视为增长机会，原因有三：1) 商品、价格、速度的组合使沃尔玛在这些平台中频繁出现；2) 代理间协作实现了智能化的客户交接，使沃尔玛能继续服务客户并提升订单价值；3) 这使公司能够服务那些并非以购物为起点的消费场景 [45][46] 问题: 这对毛利率是机会还是风险，是否存在收入分成 [47] * 这与公司在其他平台（如搜索广告）上的合作没有根本性不同 [48] * 关键衡量标准在于这是否带来了增量客户和增量需求，即触达了那些原本可能不会想到来沃尔玛购物的客户 [48] 问题: 当前AI购物工具的主要使用场景、用户画像和产品类别 [49] * 目前用户画像尚不明确 [49] * 订单主要产生于需要更多探索的非高频、高考虑度品类，如电视、时尚、婴儿用品等，而非每周必买的必需品 [49][51][52] 问题: 生鲜食品是否包含在此类AI购物中 [53] * 对于生鲜等高频必需品，AI代理的作用将体现在自动化重复购买上，这部分体验将主要集成在沃尔玛自有App中 [54] * 需要更多对话探索的品类（如婴儿用品、美容、时尚、汽车护理、电子产品）将经历更大变革 [54] 问题: 十年后实体店将如何变化 [55] * 人们仍然热爱购物，实体店不会消失 [55] * 公司的目标是利用AI将实体店体验数字化到与线上同等的程度，打造全渠道体验 [55][56] * 例如，虚拟试衣等在线体验同样适用于店内 [56] * 客户已在店内使用公司App，这一趋势将加速 [57] 问题: 未来五到十年App将如何演变 [58] * 将减少滚动浏览，基于对客户意图的理解，更智能地推荐所需商品及相关商品 [58][59] * 体验将变得更人性化、连接性更强 [59] 问题: AI聊天助手Sparky的现状和定位 [60][62][64] * Sparky是App内的聊天助手，目前擅长处理客户服务（如订单查询、退货）和启动重复性购买 [62][63] * Sparky同样由大语言模型驱动，但其设计围绕购物和沃尔玛相关服务展开，与更开放式的ChatGPT/Gemini定位不同 [65][66] * 未来可能整合搜索与聊天功能 [62] 问题: AI在内部运营和员工赋能方面的应用案例 [67] * 在供应链中广泛使用AI和机器人技术预测需求、优化物流，以实现快速配送 [69] * 为门店员工提供名为“Squiggly”的AI应用，用于智能补货排序、规划高效店内路径以及优先处理紧急安全任务 [70][71][72][73] 问题: 未来一至三年AI将解决哪些尚未被广泛讨论的客户问题 [74] * 体验将变得真正个性化，理解家庭、行为、饮食健康需求和社区环境 [74] * 体验将更具沉浸感，针对不同购物类别（时尚、宠物食品、必需品、电子产品）进行超专业化设计 [75][76] * 购物设备可能演进（如眼镜），但必须提供比手机更好的体验 [76] * 将更好地预测需求，自动化处理重复性任务，例如客户将不再用完洗衣液 [77]

财务数据和关键指标变化 * 无相关内容 各条业务线数据和关键指标变化 * 无相关内容 各个市场数据和关键指标变化 * 无相关内容 公司战略和发展方向和行业竞争 * 公司认为人工智能是推动商业体验变革的“力量倍增器”，正从探索阶段转向转型阶段，致力于利用AI解决客户实际问题 [16][17] * 公司正积极与领先科技公司建立战略合作伙伴关系，例如与OpenAI/ChatGPT和Google/Gemini的合作，旨在通过AI代理整合，在非购物场景中触达客户，将其转化为商业机会 [25][26][45][46] * 公司的核心战略是提供“海量商品选择、优惠价格和快速配送”的组合，这一价值主张被认为在AI代理购物世界中至关重要，是建立客户信任和实现可负担性的基础 [32][33][38][39] * 公司致力于打造全渠道体验，利用AI同时赋能线上和线下购物，目标是将实体店的体验数字化到与线上同等的程度 [56][57] * 公司认为在AI应用上领先的风险是尝试一些不成功的项目，但更大的风险是不进行尝试和创新，因此鼓励实验以解决价值链各环节的问题 [20][24] 管理层对经营环境和未来前景的评论 * 管理层认为AI技术正在经历阶跃式变化，从基于模式识别的机器学习发展为能够理解和解读的AI，这将带来商业体验的变革 [12][13] * 管理层展望，AI驱动的变革将逐步发生，不会一蹴而就，但预计未来一年内将开始提供变革性的商业体验，客户回顾时会发现与过去的使用方式有显著不同 [19] * 管理层预测，AI将推动购物体验变得更加个性化、沉浸式，并能更好地预测客户需求，例如在时尚、婴儿用品、电子产品、汽车护理等需要更多探索和咨询的品类中带来更大转变 [50][51][52][53][55][77][78][79] * 管理层指出，目前通过AI代理（如Gemini）产生的订单主要集中在客户不确定具体需求、需要更多咨询和对话的品类，而非高频必需品 [50][51][52] * 管理层相信实体店在未来十年仍将存在，因为购物本身是一种感官享受和社交体验，目前线上购物占比仍低于20% [56] 其他重要信息 * 公司内部已广泛部署AI，特别是在供应链和物流中心，利用AI和机器人技术预测需求、优化货物流动，以实现快速配送 [72] * 公司为门店员工开发了名为“Squiggly”的AI驱动应用，帮助员工优化补货路径、优先处理快速流转商品以及应对紧急情况，从而提升服务客户的效率 [73][74][75][76] * 公司推出了名为“Sparky”的聊天界面，集成在官方应用中，目前主要用于客户服务（如订单查询、退货）以及识别客户周期性购买习惯以简化购物流程，未来可能整合搜索功能，并扩展至支持药房、验光、汽车护理等店内服务 [64][65][66][69] * 公司高度重视客户数据隐私，与OpenAI或Google等平台合作时，客户在沃尔玛自身平台和门店产生的数据仍归沃尔玛所有，不会共享，仅在完成交易必需时，在获得客户明确同意后传递最小必要信息 [42][43] * 在AI代理主导的购物世界中，信任和可负担性被视为最重要的“货币”，公司认为其品牌核心价值与此高度契合 [38][39] 总结问答环节所有的提问和回答 问题: 生成式AI和智能体AI的区别及其对公司的意义 [11] * 生成式AI基于机器学习，但能形成理解层面，而智能体AI则能在理解的基础上代表客户采取行动，例如预测需求并自动下单 [12][13][14][15] 问题: 客户是否真的需要智能体AI提供的自动购物服务 [16] * 公司认为过去一两年是探索期，今年将进入转型期，开始构建能深刻解决客户问题的应用，并以虚拟试衣为例，说明AI能提供以往无法实现、且客户会喜欢的体验 [16][17][18] 问题: 这些技术变革的时间框架和规模 [19] * 变革将逐步发生，不会一夜之间或同时完成，但预计未来一年将开始提供变革性体验 [19] 问题: 在技术应用上过于领先是否存在风险 [20] * 风险在于可能构建一些不成功的项目，但更大的风险是不领先，公司鼓励尝试以找到真正有效的解决方案 [20] 问题: 这是否是为了获取先发优势、扩大与竞争对手差距 [22] * 公司主要驱动力是客户，致力于解决客户问题，这适用于消费者、供应链和门店员工等多个客户群体，不实验才是更大的风险 [22][23][24] 问题: 与OpenAI和Google合作的差异及原因 [25] * 合作是为了在客户旅程的起点（即使非购物意图）触达客户，与Google的新合作旨在实现双方AI代理的协作，在Gemini环境中提供个性化的沃尔玛购物体验，并能与客户已有的沃尔玛购物车合并，实现统一配送 [26][27][28][29][30] 问题: OpenAI/ChatGPT与Google/Gemini的演进关系 [31] * 公司角色是与各方合作探索客户旅程的最佳实践，预计所有产品都会不断演进，公司提供的“海量选择、价格、速度”组合是满足各类需求的基础 [32][33] 问题: 从1.0到2.0再到未来，购物旅程如何简化 [34][36] * 用户旅程将变得越来越简单，最终可能实现无需操作的自动送达，公司旨在服务从单一商品到整篮购物的各种需求 [35][37] 问题: 在AI代理环境中，如何选择由沃尔玛而非其竞争对手来履行订单 [38] * 选择取决于具体环境，但成功的算法需满足客户需求，在智能体购物世界中，信任和可负担性是最重要的“货币”，这与沃尔玛的核心品牌价值相符 [38][39] 问题: AI代理对商品价格的长期影响 [40] * 影响取决于客户对具体商品的敏感度，这凸显了真正个性化的重要性，即理解客户在哪些品类注重省钱，在哪些品类愿意多花 [40][41] 问题: 客户数据在合作伙伴间的共享问题 [42] * 沃尔玛自身平台和门店的数据归沃尔玛所有，不与OpenAI或Google共享，仅在完成交易必需且获得客户明确同意时，传递最小必要信息 [42][43] 问题: 与AI平台合作是增长机会还是去中介化风险 [44] * 这被视为明确的增长机会，原因在于：1) 沃尔玛“选择、价格、速度”的组合使其在这些平台上具有很强的出现概率；2) 代理间的协作实现了智能切换，使沃尔玛能继续服务客户并提升订单价值；3) 这使公司能捕捉那些非购物意图开始的消费场景 [45][46][47] 问题: 与AI代理合作对毛利率的影响 [48] * 这与公司在其他平台（如搜索广告）的合作没有根本不同，关键在于衡量是否带来了增量客户和增量需求 [49] 问题: 目前AI代理工具的高频使用案例和用户画像 [50] * 目前用户画像数据尚不明确，但购买品类更多集中在需要更多探索和咨询的商品（如电视、时尚、婴儿用品），而非每周必买的高频必需品 [50][51][52][53] 问题: 生鲜食品是否包含在此类AI购物中 [54] * 生鲜食品的变革将体现在周期性购买（如每周必需品）的自动化上，这部分可能更多由沃尔玛自身应用内的智能体完成 [55] 问题: 未来十年实体店将如何变化 [56] * 实体店将继续存在，公司目标是利用AI数字化店内体验，例如通过虚拟试衣等技术提升购物体验，且这一变化可能无需等待十年 [56][57][58] 问题: 未来五到十年官方应用将如何演变 [59][60] * 应用将减少滚动浏览，基于对客户意图的理解，更智能地推荐商品和关联需求，使体验更人性化、更便捷 [60][61] 问题: 聊天助手Sparky的现状和未来计划 [62][64][67] * Sparky目前主要用于客户服务和识别周期性购买以简化流程，它由大语言模型驱动，但设计专注于商业及相关服务，未来可能与搜索功能融合，并扩展至支持店内各项服务 [64][65][66][67][68][69] 问题: AI在内部运营和员工中的应用 [70] * 在供应链中，AI用于预测需求、优化物流以实现快速配送；为员工提供的“Squiggly”应用能指导高效补货、优先处理快流商品并管理紧急任务，赋能员工更好地服务客户 [72][73][74][75][76] 问题: 未来一至三年AI将解决哪些尚未被广泛讨论的问题 [77] * 未来AI将带来更真正的个性化（理解家庭、行为、健康需求等）、更沉浸式的购物体验（针对不同品类定制）、更好的需求预测（自动化周期性购买），并且购物设备本身也可能进化 [77][78][79][80]

公司核心竞争力 - 打造全功能覆盖的通用GPU产品 不仅聚焦AI计算加速 更整合3D图形渲染 超高清视频编解码 物理模拟等多元功能 具备高技术壁垒 能满足大规模AI训练需求 公司正推进256卡计算集群研发 并持续探索更大规模的算力解决方案 [1] - 构建覆盖广泛场景的全栈解决方案 从芯片 开放式加速器模块(OAM)到计算集群 搭配自研软件栈 形成端到端产品体系 成功赋能生成式AI 数字孪生 元宇宙及科学计算等多模态应用 在MUSA开发者大会上展示了80余个落地演示案例 涵盖娱乐 智慧医疗 智慧工业等多个领域 [2] - 客户群体持续扩容 市场渗透稳步推进 产品已全面覆盖AI数据中心 AI边缘设备及游戏显卡三大核心领域 近期面向数据中心客户发布的新品55000 凭借更强算力与更优性能获得市场关注 目前正与本土云服务提供商(CSP)客户开展产品验证 公司持续优化平台以适配深度求索(DeepSeek)等本土AI模型 助力客户完成AI部署 [2] 行业趋势与公司机遇 - 中国本土AI供应商正加速开发增强型AI模型及应用 亟需算力更强 效率更高的计算平台提供支撑 多模态AI模型生成视频和3D内容带来更高算力需求 [1][3] - 先进制程及生成式AI对中国半导体行业发展有推动作用 同时本土客户供应链多元化趋势也将带来新增量 [3] - 在技术迭代与行业景气度的双重驱动下 公司凭借通用GPU的全功能优势 全栈解决方案的场景覆盖能力及持续扩张的客户生态 正逐步在AI算力赛道占据重要地位 [1] 公司近期动态与产品 - 公司正式发布基于全新华罡架构的华山/庐山系列GPU 凭借多引擎集成 自研3D图形加速引擎及支持AI模型训练的FP8计算单元等核心技术 构建起差异化竞争壁垒 [3] - 公司展示了80余个落地演示案例 开发者迁移至该平台的学习成本较低 为生态扩张奠定基础 [2] - 近期产品55000正与本土云服务提供商客户开展产品验证 公司助力客户完成AI部署 例如天枢自动化多模态内容创作平台的落地 提升了客户粘性与市场竞争力 [2]