智通财经APP获悉，根据瑞银最新研报，该行将生成式AI的渗透曲线与电商、智能手机两大技术浪潮并置，给出一条陡峭得惊人的轨 迹：只需三年，美国企业层面的AI采用率就能从0爬升至10%，而智能手机花了五年，电商更用了漫长的二十四年。 报告核心数据显示，AI普及率已从2025年第二季度的9.2%提升至第三季度的9.7%，并预期年底突破10%关键阈值——这一速度远超智 能手机(达10%耗时5年)与电子商务(耗时24年)的历史轨迹。瑞银据此断言，10%的心理关口将在年内被正式突破，标志行业由"早期尝 鲜"迈向"指数扩散"的第二篇章。 图1 为了验证这一拐点判断，策略师们把智能手机2005—2015年的渗透率复刻到同一坐标系：五年前10%的基底期后，生态裂变——应用 商店、大屏化、安卓低价机——把渗透率五年间猛推至68%，完成"S曲线"最陡峭的中段。 图2 瑞银认为，生成式AI正站在类似的"第五年"，触发因子换成了推理模型突破、企业级及中小企业资本开支承诺、创投资金连续五个季 度正流入。一旦三大条件同时点火，AI便有望复制手机"10%—68%"的火箭段，而电商因缺乏硬件杠杆与网络效应，曲线平缓，不足 为训。 该报告同时把 ...

市场渗透与用户画像 - 生成式AI在中国成年受访者中普及率极高，使用率达到96.2% [1][4] - AI使用已深度嵌入日常生活，67.7%的用户每天使用，其中30%为每天使用多次的重度用户 [1][5] - 用户使用频率与学历、收入呈正相关，研究生学历用户每日使用比例高达81.8%，高收入群体使用率和频率也更高 [1][11] 使用场景与产品格局 - AI使用主要由工作和学习需求驱动，主要应用场景为学习（75.7%）和工作（70.6%） [2][24] - 核心应用功能聚焦效率提升，包括文本处理（72%）、信息检索（70.9%）以及生成或优化文字材料（66.6%） [2][24][26] - 本土AI应用占据市场主导地位，豆包、DeepSeek和腾讯元宝是使用率最高的产品 [2][15] 付费意愿与商业化前景 - 用户付费意愿强烈，16.1%的用户已付费，59%的用户愿意为优质服务付费 [2][19] - 已付费用户中，55.2%的月度支出低于100元人民币，显示出对价格的敏感性 [2][22] - 按月付费（30.2%）和一次性付费（28.4%）是接受度最高的付费模式 [21][22] 社会影响与公众态度 - 公众对AI的社会影响持审慎乐观态度，71.9%的受访者认为其影响主要是积极的 [40][42] - AI被广泛认可的价值在于提高生产效率（71.5%）、提升内容创作质量（57.5%）和激发创造力（41.5%） [43] - 主要担忧集中在虚假信息泛滥（60.4%）、就业岗位替代（59.7%）和个人隐私泄露（46.7%） [3][46] 职业影响与用户焦虑 - 公众对AI带来的职业冲击存在显著焦虑，77%的受访者担心专业技能贬值，70%担心岗位被替代 [2][29] - 焦虑程度与年龄和使用频率相关，越年轻、使用AI越频繁的用户焦虑感越强 [30][31] - 内容创作类（58.2%）和客服销售类（56.7%）职业被认为最易受到AI冲击 [32]

生成式AI对劳动力市场的资历偏向影响 - 生成式AI正以“资历偏向”方式重塑劳动力市场，对初级员工的影响远大于高级员工[3] - 2023年第一季度，采用AI的企业相较未采用者，初级岗位雇佣显著下滑，而高级岗位仍然上升，下滑主要来自放缓招聘而非裁员增加[4] - 各大行业均出现初级岗位下降，冲击最剧烈的是批发和零售贸易业[7] AI对具体岗位的替代效应 - 基于资历偏向与LLM擅长方向，客服/售前咨询、电商内容运营、销售支持/初级销售等工种受到较大影响[8] - 实践案例显示，一套AI客服系统可使200人的团队缩减至50人，2年内节约成本1000万[9][11] - 对10多家中小企业的调研显示，AI增效结果几乎全部指向裁员，具体岗位以客服、中后台人员（HR、财务）为主[12] 企业保留部分人工岗位的原因 - 企业不全部裁完客服是出于对AI事故的担忧，保留人手相当于购买保险，避免业务停滞[13] - 需要企业内最资深的客服持续优化、迭代AI系统的SOP，人工客服逐渐演化为业务专家和标注师[13] - 中美差异源于模型差距及市场行情，若公司业务成倍增长，则会用AI赋能现有团队而非裁员[14] AI对教育背景差异化的就业影响 - AI对就业的负面影响呈现“U型”模式，双非本科毕业生受影响最大，985、211大学毕业生和专科生受影响相对较小[15] - 精英毕业生从事复杂的非结构化工作，与AI形成互补关系，甚至能利用AI放大创造力[17] - 低学历人群从事体力劳动或非知识密集型工作，与AI知识工作能力重叠度低，受直接影响较小[18] - 中等教育背景毕业生处于尴尬中间地带，其重复性、基于规则的工作内容企业付费意愿正降低[19] AI加剧个人能力的马太效应 - AI成为高手的陪练工具，节省其大量资料查阅或验证时间，验证资料质量的时间原本会吃掉创作时间的2/3[22][24] - 对一般玩家而言，AI能轻易产出其能力值上限的作品，甚至偶尔突破上限，但这可能导致能力透支陷阱[25][26] - AI让效率成为标配，却让能力成为稀缺，所有中级玩家都使用AI外挂，最终赢家是真正“练过”的人而非看似效率更高者[27][29] - 中级选手依赖AI解决难题但未内化知识，脱离AI后面对复杂问题仍力不从心，与高手差距进一步加大[30][31] AI时代对初级玩家的冲击 - 初级玩家被AI消灭，小白玩家可通过AI生成高质量文章、代码或设计，短时间内伪装成中级人员[36][37] - 未来没有初级玩家的生存空间，中级玩家生存空间进一步压缩，高手以下人员差距急剧缩小[39] - AI缩短了传统成长路径，小白玩家无需锤炼基本功，但缺乏独立思考机会，难以内化真正能力[40][43] - 企业对新人的态度会更苛刻，小白玩家未来可能需要自己花钱体验学习机会，学校需开设相关课程及模拟工作体验[44][45] AI时代的核心竞争力 - AI加速形成新的能力金字塔：稀少的一代宗师、少量的高手、众多的中级玩家、庞大的不明群众[49] - AI+高手与AI+一般玩家的根本差异在于最基本的判断能力，即评价体系[50] - 高手的评价体系是宏观而微观、触类旁通、一以贯之的，具备对AI输出好坏判断及修改建议的能力是关键差异[52] - 遵循第一性原理，从AI回答中剔除正确但无用的部分，是急需修炼的内功[53]

阿里巴巴AI战略与股价表现 - 阿里巴巴港股盘中涨超7%创2021年10月以来新高 恒生科技指数涨超2% [1] - 阿里云宣布2032年全球数据中心能耗规模将较2022年提升10倍 算力投入将指数级增长 [1] - 公司在未来三年3800亿投资基础上将追加更多资本开支投入 [1] 阿里云技术突破 - 推出Qwen3-Max模型 为阿里巴巴迄今规模最大能力最强的模型 [1] - Qwen3-Max-Instruct预览版在LMArena文本排行榜位列第三 超越GPT-5-Chat [1] - 正式版本在代码能力和智能体能力方面进一步提升 全面基准测试达业界领先水平 [1] 港股科技板块表现 - 港股通科技ETF(159262)上涨2.84% ASMPT和华虹半导体涨超7% [2] - 前十大权重股合计占比78.47% 中芯国际涨6.68% 阿里巴巴-W涨6.59% [2] - 指数聚焦纯TMT行业 剔除医药汽车家电 科技属性更加纯正 [2] 资金流向与ETF规模 - 港股通科技ETF近1周规模增长5.18亿元 新增规模位居可比基金第一 [3] - 基金份额达38.85亿份创成立以来新高 近11天连续资金净流入 [3] - 累计吸金6.93亿元 最高单日净流入3.25亿元 [3] 行业结构与投资逻辑 - 阿里巴巴-W、腾讯控股、小米集团-W三大AI领军企业合计权重近45% [2] - 阿里巴巴-W作为第一大权重股占比超16% 叠加中芯国际等硬科技标的形成高浓度龙头组合 [2] - 科技行业上中下游齐发展 推动经济新旧动能转换有望超预期 [1]

核心观点 - 擎朗智能的双足人形机器人XMAN-R1展示具身智能能力 通过岗位化垂域模型ProS精准复刻餐厅服务流程 在复杂环境中实现灵活避障 [1] - 公司全球每日超10万台机器人在运行 国内及日韩地区运行里程超400亿米 周末高峰时日完成任务近50万次 [1] - 服务机器人通过"通用+专用"组合策略改变服务业 实现全球60多国600多城市覆盖 海外营收占比超50% [2][3] 产品技术特点 - XMAN-R1具备双足动态平衡技术 可适应酒店斜坡和狭窄过道等复杂环境 实现室内L4级无人驾驶级避障 [1] - 配送机器人采用激光雷达与视觉传感器导航 通过天花板路标设计解决人群遮挡问题 [2] - 酒店机器人配备加密舱门 需输入手机号开门取货 医院机器人表面耐酒精擦拭 可自动识别物料箱归属科室并优先配送急诊物资 [2] - 清洁机器人采用圆润造型减少碰撞风险 单次清扫面积达1000平方米 支持自动回充功能 [2] 市场战略 - 公司以80%价格提供120%性能的策略实现海外市场技术弯道超车 [3] - 拥有15年技术积累 从激光雷达到多维度摄像头传感器矩阵 专利覆盖80余国运营网络 [3] 行业发展趋势 - 生成式AI为机器人注入智能灵魂 具身智能成为科技热点 推动行业站上聚光灯下 [4] - 人形机器人被视为最新且最重要的产品品类 行业处于爆发早期阶段 [4] - 机器人分为机械本体 小脑运动控制和大脑决策智能三部分 前两者技术相对成熟 而具身智能所需的AI系统仍处于快速发展阶段 [4] 发展路径 - 注重技术与场景结合解决现实问题 围绕场景构建核心技术 在实际应用中积累数据和迭代模型 [6] - 除影响体验的核心技术外 其他部分可选择与生态伙伴合作 推动行业整体发展 [6]

公司战略与产品发布 - 神州控股旗下科捷供应链推出自研供应链智能体"小金" 这是公司推动"Data x AI"战略升级 强化"燕云Infinity平台"数据智能技术底座的成果[1] - "小金"旨在提升数据查询 智能决策 客户服务等环节效率 目前已开始与客户合作试用[1] - 该智能体基于通用大模型 灌入供应链专属知识 以科捷"KingKoo智链"物流垂类大模型为核心大脑[2] 技术实施与运营成效 - "小金"已在科捷昆山数智化旗舰仓完成部署 实现订单准点完成率提升 仓库管理效能提升 客户投诉率显著下降[2] - 智能体依托公司20余年积累的160余个仓库运营经验 300余座城市业务覆盖 以及日处理500万单订单的技术储备[2] - 公司通过整合实时业务数据动态捕捉企业需求 使智能体既能看懂物流数据又懂行业痛点[2] 行业背景与市场机遇 - 全球生成式AI市场规模未来将触及10万亿美元 反映各行业对智能化转型的迫切需求[2] - MIT 2025年8月调研显示 90%企业员工高频使用通用大模型 但仅5%企业能通过大模型获得可量化的商业回报[1] - 行业竞争主战场将聚焦于"AI应用工艺" 特别是能解决实际业务问题的工业化落地能力[2] 产品定位与发展规划 - 企业级大模型需具备五大核心能力 分解问题 熟悉企业 深耕行业知识 整合信息 集成实时业务数据[1] - 科捷锚定"实用"定位 通过实实在在的落地成为智能化转型引领者而非跟随者[3] - 未来将联合物流企业 电商平台 制造厂商等扩大供应链智能体生态 推动全链路智能协同新时代[3]

AI赋能能源行业智能化转型 - 人工智能研究院为能源集团开展AI赋能能源行业智能化转型内训 聚焦AI在能源行业的最新发展趋势 核心技术突破及落地应用场景 [1] - 培训从宏观 中观 微观三个维度系统讲解AI如何重塑能源产业格局 生成式AI作为技术革命核心引擎正深刻改变传统行业生产方式与服务模式 [2] - AI在能源领域资源勘查 发电调度 电网运维等环节实现降本增效 在推动双碳目标落地和构建新型电力系统中发挥关键作用 [2] AI在能源行业的应用案例 - 结合国家电网 南方电网 华为云 施耐德电气等案例 深入剖析AI在智能巡检 功率预测 客服系统 能源管理等场景的成熟应用 [5] - 国产大模型代表DeepSeek以其高效低成本训练优势 加速AI在能源等垂直行业的落地进程 [5] 能源企业智能化转型路径 - AI不是未来技术而是当下生产力 能源企业应积极拥抱AI技术 从顶层设计到业务场景逐步推进智能化转型 [11] - 构建以数据驱动 模型赋能的新型能源体系 [11] 培训效果与行业影响 - 培训内容详实案例丰富 使参会人员对AI技术在能源行业应用路径与商业价值有更系统深入理解 [14] - 为后续推动集团相关业务数字化转型提供重要参考 [14] - 人工智能研究院将继续深耕AI前沿技术与产业融合研究 推动AI在更多关键行业落地应用 [17] - 助力中国能源行业迈向智能化 绿色化 高效化的新阶段 [17]

文章核心观点 - 生成式AI的规模化落地暴露了传统集中式云架构的缺陷，企业需构建整合云、核心与边缘计算的现代化数字基座以满足低时延、高并发、低成本的计算需求 [1][5][7] 生成式AI应用现状与挑战 - 亚太地区31%的受访机构已将生成式AI应用部署到生产环境中，64%的机构正处于测试或试点阶段 [2] - 生成式AI从单一任务转向多模态交互的复杂场景，导致数据长距离传输引发实时性显著降低，在对延迟敏感的金融交易、工业控制等场景中存在业务中断风险 [3] - 企业因工具不一致、数据管理分散以及跨平台维护挑战而难以管理多云环境，出海企业尤其面临网络高延迟、跨境合规、成本敏感等挑战 [4] - 许多企业的遗留IT架构难以快速适配生成式AI对算力、网络带宽及数据处理能力的爆发式需求，老旧数据中心设备无法提供足够GPU资源，存在兼容性问题导致开发效率低下和运维成本增加 [4][5] 边缘计算的定义与优势 - 边缘计算是在靠近物或数据源头的网络边缘侧融合网络、计算、存储和应用核心能力的开放平台，能够就近提供边缘智能服务 [6] - 边缘服务重要性提升源于两点：性能需求，如智能驾驶、IoT服务需要更高的实时性和更快响应速度；安全性考虑，出于数据主权或个人隐私保护需求，倾向于在用户侧处理数据 [6] - 边缘计算通过将计算节点部署在靠近用户或数据源的位置，从根本上优化计算链路，降低算力损耗 [1] 边缘计算市场趋势与预测 - 到2028年，边缘的公有云服务的年复合增长率将达到17%，总支出预计达到290亿美元 [7] - 到2027年，80%的CIO将从云服务转向边缘服务，以满足AI推理的性能和合规性需求，这一转变标志着“边缘演进”的出现 [7] - 中国市场对云的采用率更高，边缘服务基本以云和IaaS形式交付，中国企业数字化创新能力在亚太区乃至全球处于领先地位 [7] 企业基础设施战略转变 - 企业迫切需要采用变革性方法构建高可靠性、面向未来的数字生态系统，构建整合“云—核心—边缘计算”基础设施的现代化数字基座 [1][5] - 亚太地区企业意识到仅靠集中式云架构无法满足日益增长的规模、速度和合规性需求，必须将边缘服务纳入基础设施策略以保持竞争力 [5] - 部分企业通过长期建设形成覆盖广泛的边缘网络，节点分布于全球多个国家的运营商网络中，边缘节点与核心计算节点相互配合形成分布式处理体系，实现数据就近处理以降低时延并提升服务稳定性 [7]

技术突破核心 - 联合研究团队开发出名为SCIGEN的AI新技术 用于加速量子材料发现 [1] - SCIGEN是一种可集成到生成式AI模型中的代码系统 能确保模型在每一步生成过程中都遵守用户设定的几何规则 [1] - 该技术成功生成了超过一千万个具有阿基米德晶格特征的候选材料 [1][2] 技术应用与成果 - 团队将SCIGEN应用于流行材料生成模型 设定目标为生成具有阿基米德晶格结构的材料 [1] - 经过初步稳定性筛选 从一千万候选材料中保留约一百万种 [2] - 对其中26000种材料进行高精度模拟 结果显示41%的结构表现出磁性特征 [2] - 基于计算结果 成功合成了两种此前未被发现的化合物TiPdBi和TiPbSb 其实验性能与AI预测高度吻合 [2] 行业背景与意义 - 面对具有奇异量子特性的材料时 现有生成式AI模型往往力不从心 [1] - 探索如量子自旋液体等材料时进展缓慢 十年研究仅识别出十余种候选材料 [1] - 某些阿基米德晶格可模拟稀土元素的电子行为 却无需依赖稀缺资源 具备重要应用前景 [1] - 该方法为实验科学家提供了成百上千的新候选材料 显著加快了研究进程 [2]

核心战略与愿景 - 公司提出高端化、数智化、绿色化作为转型升级核心战略 布局30余项新动能业务与产品 累计贡献千亿营收 [1] - 公司以成为高质量、受人尊敬的世界一流企业为愿景 全力培育新质生产力 [1] - 2025年是公司新五年战略规划落地、新质生产力加速构建的关键之年 [1] 高端化转型成果 - 蓝鲸1号半潜式钻井平台助力我国首次成功试采海域可燃冰 [2] - 建造国内最新一代深远海一体化大型风电安装船博强3060 [2] - 完成首个FPSO上部核心模块EPC总承包项目 打破国外企业长期市场垄断 [2] - 交付国内首例全船厂完成的FPSO修改造项目 [2] - 打造全国首个用于国车自运的汽车滚装运输船 [2] - 自主研发国内首款RAP主动式温控航空箱 实现药品运输精准温控 [2] - 建成全球首制高堆叠式LNG双耳燃料罐 满足零碳燃料动力船舶需求 [2] - 液氦罐箱、液氢储罐、液氢罐车等新产品相继问世 打破国外垄断 [2] - 公司拥有8项国家级制造业单项冠军产品 包括标准海运干货集装箱、冷藏集装箱等 均在全球细分市场领先 [1] 数智化转型进展 - 自2018年起全面启动数字化转型 深度融合工业互联网、人工智能、5G等技术 [2] - 打造1家国家级智能制造示范工厂（青岛冷箱） [2] - 拥有2家国家卓越级智能工厂（宁波中集与中集环科） [2] - 建设2家国家5G全连接工厂及22家省级智能工厂 [2] - 无人驾驶登机桥通过机器视觉实现飞机舱门全自动精准对接 在兰州机场部署86条自动登机桥 日均节省航班保障450分钟 效率提升65% [3] - 焊接机器人搭载3D传感技术 1.5秒内完成精准定位 焊接精度达0.5毫米 工效提升50% [3] - 机器人集群实现30分钟柔性换产 支持差异化产品定制 [3] - 推出集装箱远程监控系统 实现运输全程状态监测与智能预警 [3] - 智慧托盘通过物联网技术实现货物精准追踪与物流优化管理 [3] - 孵化维修助手、精益助手等20位数字员工 应用于百余项AI业务场景 [3] - AI维修助手凭13万条知识图谱 将故障处理响应时间从40分钟缩短至15分钟 [3] 绿色化发展布局 - 建造华南首个生物绿色甲醇示范工厂 预计今年第四季度投产 首期产能5万吨/年 未来总产能将达25万吨/年 [4] - 焦炉气制氢联产LNG项目年产氢气1.5万吨、LNG10万吨 年减碳47万吨 [4] - 构建LNG、氢能制储运加用一体化解决方案能力 [4] - 储能产品覆盖发电侧、电网侧及工商业应用 [4] - 与丹麦VESTAS合作研制全球首台套集装箱模块化风电机舱 [4] - 为北京冬奥会提供30多台氢气管束式集装箱及储氢瓶组 助力赛事实现零碳排放 [4] - 为香港首架氢能巴士提供Ⅳ型车载供氢系统 [4] 创新体系与研发投入 - 构建小兵团作战、大平台支撑冠军产品科技创新体系 [5] - 自2018年以来研发投入年均复合增长率达18.2% [5] - 构建全球化高层次科技人才队伍 [5] - 首期智能制造领军人研修班34名学员完成29个创新课题 预计创造经济效益超4000万元 [5] - 与清华大学、华南理工大学等建立10余个联合研发平台 [5] - 在竹木复合结构、深冷压力容器等领域突破多项核心技术 荣获2项国家科技进步奖 [5] - 在北美、欧洲等地设立20个海外研发中心/研究院 [5] 企业资质与荣誉 - 成功培育8项国家级制造业单项冠军企业（产品） [1] - 拥有16家国家级专精特新小巨人企业 [1]