行业趋势 - AI在游戏开发中的应用成为国际游戏开发者大会的核心议题 微软 腾讯 谷歌 Meta等公司带来超过20场AI相关演讲[1] - 游戏美术精细度要求呈现指数级增长 导致工作量几何级增加[1] 腾讯VISVISE解决方案 - 公司发布游戏创作AI全链路解决方案VISVISE 包含动画制作 模型制作 数字资产管理和智能NPC四大管线[3] - MotionBlink工具可根据用户输入的关键帧自动补全中间帧 生成200帧动画仅需4秒 实现1.5秒间隔极限优化[3][5] - GoSkinning自动蒙皮工具通过两阶段AI解决蒙皮难题 处理2万顶点模型仅需30秒 效率提升8倍[11][15] - 工具以插件形式嵌入Maya等开发软件 开发者无需重构管线即可调用[23] 技术突破 - 传统动画制作中手动补帧占角色动画总工时的60%-70% 10秒动画需3-7人天完成[3] - 传统蒙皮流程中资深绑定师需花费60%时间处理权重点调整问题[9] - MotionGen大模型基于高精动捕数据 支持攀爬 舞蹈等动作风格 生成质量接近专业动捕[15] - 智能关键帧生成研究已被ACM SIGGRAPH 2025接收[20] 应用成效 - GoSkinning工具已在《和平精英》《PUBG Mobile》等近百款游戏中应用[8][28] - GoSkinning 1.0版本使《和平精英》动画蒙皮效率提升约40% 当前4.2版本效率提升达60%以上[24] - 2025年腾讯财报显示AI对长青游戏产生实质性贡献 头部产品在平台化演进中加大AI应用力度[27] 发展历程 - 公司2016年开始探索AI在游戏中的应用 2018年扩展至美术生产管线领域[24] - 2022年推出GoSkinning 1.0版本 2024年整合分散AI探索为VISVISE系统化产品矩阵[24][26] - 系统围绕模型生成 贴图制作 骨骼绑定 动画制作 场景构建及渲染六大环节构建[26] 行业前景 - 游戏作为AIGC最佳应用场景之一 具有丰富的2D 3D交互场景[29] - 游戏一直是AI技术的试验田和加速器 其"感知环境→决策→反馈→迭代"逻辑与AI训练底层逻辑一致[29] - 智能NPC是重点突破方向 需实现像人一样理解虚拟世界的能力[31][32]

全球市场与美联储政策影响 - 美联储鸽派表态明确9月降息预期 推动全球股市上涨 日本涨0.7% 韩国涨1% 澳洲涨0.3% [1] - 港股大幅上涨 恒生指数涨2%创4年新高 恒生科技指数涨3%突破7月高点 距3月高点差6% [1] - 中概股上周五涨3.8%创4年新高 与亚太市场形成联动走势 [1] A股市场表现 - 上证指数涨0.86%报3879.85点 深证成指涨1.61%报12361.36点 创业板指涨2.22%报2741.98点 [2] - 市场情绪活跃 上涨家数2750家 涨停60家 下跌家数2235家 跌停1家 涨停炸板率36.17% [2] - 全天成交额放大至3.4万亿 但涨停仅70余家 跌停7家 主力资金净流出350亿 [7] 领涨板块分析 - 稀土板块强势上涨 因进口稀土矿纳入管控 中国掌握稀土冶炼核心技术 [3] - 镨钕 稀土磁材 有色钨 液态金属 有色铜等大宗商品板块走强 受美联储降息预期推动 [3] - 芯片产业链持续强势 英伟达推出以太网及B30取代H20消息刺激 CPO 光通信 液冷服务器 制冷剂等细分领域上涨 [3] - 房地产板块走强 万科涨停 上半年营收1053亿 2027年无境外公开债 通过向大股东深圳地铁借债解决债务问题 [4] - 万通发展 荣盛发展 金地集团等多只地产股涨停 [4] - 白酒板块表现强劲 多只个股涨停 与科技股形成跷跷板效应 业绩利空已被超跌股价消化 [10] - 多模态概念异动 中文在线涨停 因AI技术可降低网络文学版权转化成本 [4] 领跌板块分析 - 两轮车 纺织服装 消防化妆品 水产养殖 冰雪产业等板块小幅下跌 [5] - 草铵膦 酚酞尼等概念跌幅较小 影响有限 [5] - 汽车整车板块领跌 行业竞争激烈 [5] - 纺织服装走弱与人民币升值影响出口有关 [5] 市场风格与轮动 - 本轮行情自4月7日启动持续90多天 上证指数从3040点涨至3825点 涨幅近800点 [8] - 行情以指数上涨为主 科技板块涨幅明显 其他板块轮动上涨 非普涨行情 [8] - 市场风格出现切换迹象 从科技股向白酒等低位价值板块轮动 [10] - 白酒消费板块与科技指数呈现明显跷跷板效应 科技股冲高回落时消费股走强 [10] 投资策略观察 - 市场量能放大但赚钱效应集中 需警惕追高风险 [7] - 超跌板块如煤炭 光伏可能存在修复机会 [4] - 房地产中介服务板块有所冲高但涨幅有限 无涨停个股 [4] - 体育产业虽有政策利好但板块未现活跃 [5]

核心人事变动 - 微软亚洲研究院前首席研究经理谭旭近期正式加入腾讯混元团队 负责多模态方向前沿研究 [2] - 谭旭在微软任职期间研究聚焦生成式人工智能及语音、音频与视频内容生成 论文引用量超过10000次 研究成果应用于Azure、Bing等核心产品 [2] - 该研究者去年8月才加入大模型创业公司月之暗面 负责研发端到端语音模型 其多模态研究在其入职前已展开数月 [2] 行业资源格局变化 - 多模态探索对算力与资金消耗极其庞大 创业公司难以承受 [3] - 对比当下风头正盛的DeepSeek仍以文字与推理能力为主 未在多模态方向实现大规模突破 [3] - 腾讯、字节等大厂在资源、生态与算力上优势明显 能为多模态研究提供长期稳定支持 [3] 产业发展阶段特征 - 中国大模型赛道正经历由野蛮生长到资源集中的转折 [3] - 早期创业公司依靠故事、融资与速度抢占叙事高地 但先发优势在竞争进入数据、算力、落地生态比拼阶段后迅速消退 [3] - 大厂凭借资本实力、算力基础设施和应用场景 正逐步收拢最顶尖人才与技术方向 [3] 人才流动象征意义 - 谭旭从创业公司转向腾讯混元 是中国大模型版图中具象征意义的信号 [3] - 当赛道进入淘汰赛阶段 个人要在多模态领域持续产出成果需依附大厂以确保研究持续性与产业化可能 [3]

大模型行业分化趋势 - 大模型公司正从通用模型向垂直领域分化 Google Gemini和OpenAI继续专注通用模型 Anthropic聚焦Coding和Agentic领域 Thinking Machines Lab探索多模态和下一代交互[6][7] - 行业呈现横向全家桶与纵向垂直整合两大路线 ChatGPT代表横向全家桶模式 Gemini代表纵向垂直整合模式[6][37] - 模型能力趋同导致前三名格局稳定 OpenAI、Gemini和Anthropic形成第一梯队 其他公司难以突破前三名壁垒[24][26] 头部公司战略与表现 - Anthropic通过聚焦Coding实现爆发式增长 2024年底ARR达9.5亿美元 预计2025年收入超120亿美元 月复合增速达20-30%[8][11] - OpenAI在C端建立强大壁垒 ChatGPT成为10亿用户最快增长产品 ARR达120亿美元 与Anthropic合计占AI产品营收70-80%[29][30] - Thinking Machines Lab获史上最贵天使轮融资 估值100亿美元融资20亿美元 团队来自OpenAI核心infra部门[13][18] - xAI面临战略定位困境 超大算力投入未带来相应回报 可能在未来半年并入Tesla[22] 产品与技术创新 - L4级别体验产品已出现 ChatGPT Deep Research和Claude Code分别实现信息搜索和软件开发的端到端体验[49] - Coding领域成为当前最大红利 Claude Code仅用3-4个月ARR反超Cursor 预计年底达15-20亿美元[33][50] - 模型保鲜窗口持续缩短 Perplexity窗口期近2年 Cursor窗口期9个月 Manus窗口期仅3个月[45] - Context能力成为关键差异点 Claude在long context领域具有独特优势 最新实现百万context能力[52] 市场竞争格局 - 头部效应加剧 OpenAI和Anthropic增速持续陡峭 其他公司出现明显断层[30] - 成本优势成为核心竞争力 不做模型的Coding公司将失去优势 未来竞争重点转向成本优化[3][53] - 谷歌规模效应开始显现 端到端整合TPU芯片、Gemini模型和安卓系统 后劲可能最强[37][60] - 产品形态趋向融合 ChatGPT计划推出广告平台 谷歌整合Gemini功能推出AI mode[55][58] 投资与创业环境 - 投资策略需要高度集中 头部公司拿走最大价值 错过头部项目意味着错过整个周期[65][66] - 创业窗口期缩小 科技巨头既看得懂又跟得动 留给创业公司的空间有限[37][39] - 华人团队全球影响力提升 在AGI领域扮演重要角色 需要积极开拓北美高价值市场[62][63] - 优秀AI产品经理画像变化 下一代PM需要算法或模型背景 才能更好利用模型红利[47] 技术发展前景 - 语言和代码仍是当前最大红利 多模态和机器人发展还需突破多个GPT-4级别技术[49][64] - 产品形态持续演进 可能打破APP端到端优势 介于手机屏幕和APP之间的新形态[60] - 世界模型与Coding可能本质相同 都是实现AGI的"虚拟子宫" 只是路径不同[12] - 智能与产品需要平衡 OpenAI在智能探索和产品转化方面做得最好[40][43]

模型发布概况 - 字节跳动开源360亿参数大模型Seed-OSS-36B 采用Apache-2.0协议 支持免费学术研究与商业部署 [1][4] - 模型命名呼应OpenAI的GPT-OSS系列 基于内部技术专为开源社区打造 未直接开源商业模型豆包(Doubao) [3][4] 核心技术特性 - 原生支持512K上下文窗口 是主流开源模型DeepSeek V3.1(128K)的4倍 预训练阶段直接构建非后期插值实现 [5][6][7] - 引入思考预算(Thinking Budget)机制 通过设定token数量(建议512整数倍)控制模型思考深度 适应简单任务快速响应或复杂任务深度推理 [9][10][12] - 采用成熟架构设计：360亿参数稠密模型(非MoE) 64层网络 隐藏层维度5120 词汇表155K 集成RoPE/GQA/RMSNorm/SwiGLU技术 [13] 性能表现 - 知识理解：MMLU-Pro达65.1分(超越Qwen2.5-32B-Base的58.5分) TriviaQA获82.1分 [16] - 推理能力：BBH基准87.7分刷新开源记录 数学能力GSM8K达90.8分 MATH达81.7分 [17] - 代码能力：HumanEval得分76.8 MBPP达80.6 指令微调版在AIME24数学竞赛获91.7分仅次于OpenAI OSS-20B [18][19] - 训练效率：仅用12T token达成性能 低于同规模模型15T+数据量 [20] 团队技术布局 - Seed团队成立于2023年 定位"打造最先进AI基础模型" 覆盖大语言模型/多模态/AI基础设施领域 [21] - 已开源项目包括：8B代码生成模型Seed-Coder(自主管理训练数据) 多模态模型BAGEL(处理文本/图像/视频) 实验性语言模型Seed Diffusion(离散状态扩散技术) 训练框架VeOmni(PyTorch原生全模态分布式) 同声传译模型Seed LiveInterpret(低延迟音色复刻) [22][23][24][25] 生态影响 - 模型发布于Hugging Face与GitHub平台 强化国产开源基座模型阵营 [4][26] - 提供含合成指令数据(高性能)与无合成数据(高纯净度)双版本 满足研究社区差异化需求 [14]

GPT-5技术突破 - GPT-5是OpenAI首个混合模型，通过路由器在推理模型与非推理模型间自动切换，降低使用复杂度[3] - 模型在数学、编程、物理等高智力任务上表现质变，能写出与国际奥林匹克竞赛（IMO/IOI）优秀人类相当的证明[3][5] - 物理学家反馈GPT-5的推理过程可重现数月研究成果，表明其已成为科研合作者而非单纯辅助工具[7] 技术范式转变 - 从GPT-4的"预训练+推理"转向"推理-反馈-强化学习"动态模式，这是实现可靠AGI的唯一途径[3][7] - 模型从静态训练迈向动态推理，通过"测试想法-获得反馈-强化学习"循环缩小与AGI差距[7] - 未来模型不再是"一次训练+无限推理"，而是边用边学的"推理+基于推理数据的再训练"模式[3][8] 超临界学习与算力需求 - 算力增加10倍至10000倍时将触发超临界学习，模型不仅能掌握任务还能推导二阶、三阶效应[8][10] - 算力是唯一稀缺资源，OpenAI正在建造"星际之门"超级集群以扩张基础设施[19][20][21] - 算力被比作能量：预训练将算力转化为潜在智力，推理将智力释放为动能[20] 工程实践与开发策略 - 开发者需构建AI友好型代码库（模块清晰、单元测试完整、文档详尽）并拆解任务由多智能体并行完成[13] - 需积累Prompt库探索模型边界，但Prompt非唯一正确答案而是发挥创造性的测试[13][14] - 模型应视为开发团队而非单一工具，可远程异步工作或实时协作，且能无限复制[14][15] 行业应用与未来展望 - AI在生物领域已实现DNA建模达到GPT-2水平，人类语言与生物语言对神经网络无本质区别[10] - 2045年可能进入物质丰饶时代，AI生成一切或使金钱失去意义，算力将成为新稀缺资源[24][26] - 医疗、教育等行业存在大量"未被采摘的果实"，AI应用空间无比广阔[24]

公司概况 - 心影随形由互联网资深人士Binson（刘斌新）于2023年4月创立，专注于AI陪伴型产品开发，创始人曾任职百度、360、B站等企业高管 [1] - 核心产品"逗逗游戏伙伴"定位为AI游戏陪玩桌宠，融合AI技术与二次元文化，测试阶段已获800万用户，入选2024年"全球50家最具潜力初创公司榜单" [1][3] - 公司累计完成四轮融资，总额达数千万美元 [1] 产品特性 - 产品实现跨场景智能陪伴，支持游戏攻略、情绪互动、工作学习等场景，采用VLM视觉大语言模型提升交互真实感 [9][31][33] - 游戏场景深度适配《英雄联盟》《原神》等热门游戏，提供BP建议、gank提醒、战后复盘等专业功能 [3][5][20] - 与老番茄、永雏塔菲等UP主合作开发虚拟角色，通过人格化设计增强用户情感连接，拒绝唤醒词以强化陪伴感 [7][25] 技术架构 - 基于开源模型进行多模态微调，针对游戏画面开发专用VLM模型，半年训练周期实现画面语义理解 [34][35] - 采用云端+本地混合数据处理架构，严格规避敏感信息，用户隐私数据仅以ID形式存储 [40][41] - 当前技术成熟度自评70分，目标实现AGI级陪伴体验，需突破长视频推理与环境感知能力 [30][37][38] 市场策略 - 优先垂直切入游戏场景，避免与通用AI产品直接竞争，通过"先做小再做深"构建壁垒 [47][71] - 日本市场表现突出，用户时长留存优于国内，归因于当地宅文化及社交压力差异 [42][43] - 商业化初期以角色皮肤、通话时长收费为主，未来规划B端广告分成占比超50% [44][45] 行业认知 - 判断AI陪伴需求将随社会孤独感加剧持续扩大，最终覆盖数亿用户规模 [39][67][68] - 行业竞争关键在于数据积累与情感连接，现有游戏内置AI助手难以实现跨场景支持 [47][49][50] - 多模态技术发展速度低于预期，但长期看好AI重构生产关系的变革潜力 [53][73] 创始人理念 - 坚持"工具是引子，情感是本质"的产品哲学，通过共同回忆建立用户与AI的情感纽带 [12][23][25] - 创业需把握技术信号提前布局，如2023年预判VLM价值并投入研发形成先发优势 [56][58][59] - 商业目标拒绝"小而美"，认为优质产品必然走向规模化，参考中国游戏玩家6亿基数制定增长策略 [69][70][72]

GPT-5发布与市场反馈 - GPT-5在测试集上登顶但用户反馈褒贬不一 部分用户希望保留GPT-4o [1] - 模型未出现显著能力突破或技术范式更新 主要改进为减少幻觉和提升易用性 [1][3] - 多模态性能进步有限 仅优化了描述性任务 理解能力仍存边界 [5] - 核心智能层面未展现革命性进步 仍存在编造事实和多步逻辑推理错误问题 [3] - 通过模型路由功能合理化算力分配 以不同成本满足用户需求 [1][5] 大模型技术发展现状 - GPT-5发布暗示Transformer技术发展曲线暂缓 大模型能力上限疑似撞墙 [1][6] - OpenAI选择对现有框架修补优化 将现有能力产品化到极致 [1][3] - 未来模型能力突破依赖底层技术创新 需研究人员重新定义技术方向 [6] DeepSeek技术进展与战略 - DeepSeek-V2系列首创多头潜注意力机制 支持128K token处理 API定价为每百万token 2元人民币 [8] - DeepSeek-V3以671B参数MoE架构实现每秒60token生成速度 性能达GPT-4o水平 [8] - DeepSeek-R1在AIME和MATH任务上匹敌或超越OpenAI o1模型 成本远低于同期模型 [9] - 团队论文《Native Sparse Attention》获ACL 2025最佳论文奖 实现11倍推理加速 [11][13] - 正将最先进大模型训练迁移至国产芯片 需解决硬件性能差距和软件栈重构难题 [9][10] 行业竞争格局演变 - OpenAI聚焦超级APP叙事 营收和估值一路飙升 [2] - DeepSeek探索AI能力上限并推进开源生态技术普惠 [2] - 大模型行业发展线路相交于DeepSeek R1和GPT-4o发布 分化于GPT-5之后 [2] - 国产化需克服国产GPU单卡性能代际差距和10万卡集群工程难题 [10]

行业与公司 - 行业涉及**人形机器人产业链**，重点关注**大模型端**和**硬件端**的发展[1] - 公司提及**特斯拉**作为硬件定型的核心推动者[3][4]，以及国内企业如**银河通用**、**心动剂元**、**青铜视觉**、**凌云光**、**天奇**等[22][23][24] --- 核心观点与论据 **1 大模型是行业发展的关键卡点** - 当前行业瓶颈在于**模型端**，尤其是多模态大模型的智能水平，而非硬件控制成熟度[1][2] - 大模型为人形机器人提供“智能大脑”，是推动本轮发展的底层逻辑[2] **2 大模型发展的三条主线** - **多模态输入**：从C-CAN（仅语音）到RT1（动作+视频）、RT2（动作整合），再到Helix（200Hz频率）[5][6][11] - **频率提升**：RT2（1-5Hz）→ 派林（50Hz）→ Helix（200Hz，超过人类反应速度）[6][10][11] - **泛化能力**：通过增强推理能力（如PALM-E引入大模型分析）实现任务迁移[6][9] **3 数据飞轮与硬件定型的关系** - **数据不足**是模型停滞的主因，需真机数据形成闭环，但当前硬件未定型导致数据采集风险高[3][15] - **特斯拉的核心作用**：硬件定型后，行业才能规模化采集真机数据，推动模型迭代[3][4][16] **4 模型架构演进** - 从**分层模型**（大脑与小脑分开训练）到**端到端模型**（联合训练，效果更优但难度大）[7][8] - **快慢脑架构**（如Helix）：快脑（80兆Transformer）+慢脑（7B BLM），数据回传实现200Hz高频动作[11][12] **5 数据采集的现状与挑战** - **数据类型**：低质量互联网数据（预训练）、仿真数据（成本低但真实性不足）、真机数据（质量高但效率低）[13][14][15] - **动捕设备**： - **光学动捕**（亚毫米精度，成本高，如青铜视觉、凌云光）[19][23] - **惯性动捕**（IMU，灵活低成本，如诺伊腾，特斯拉采购Xs为观察指标）[18][19] - 当前真机数据采集效率极低（每小时3-4条，单条成本超10元）[16] --- 其他重要内容 **1 未来大模型方向** - 融入更多模态（语言、视觉、传感器等）[20] - **世界模型**：用数学符号模拟物理规律，实现仿真数据≈真机数据（英伟达Cosmos目前效果不佳）[21] **2 国内企业布局** - **银河通用**：全仿真数据路线，发布Grasp VLA模型（无序抓取高成功率）[22] - **心动剂元**：ERA大模型采用双系统架构（快慢脑），早于Figure提出[22] - **天奇**：工业数据采集代工+仿真数据训练[24] **3 投资标的建议** - **动捕设备**：凌云光（光学动捕）、青铜视觉[23] - **摄像头**：阿比[26] - **遥操作**：当红科技、景业智能（工厂及协作场景刚需）[25][26] --- 关键数据引用 - 动作频率：RT2（1-5Hz）、派林（50Hz）、Helix（200Hz）[6][11] - 动捕成本：真机数据单条采集成本超10元，100台机器人日采8-10万条[16] - 光学动捕精度：亚毫米级[19]

大模型与AI硬件融合趋势 - 大模型全面进入协作与工具化时代，软硬件结合的价值被重新定义，硬件成为大模型交互的重要入口[1] - 未来AI硬件将在传统硬件无法胜任的场景中脱颖而出，软硬件一体化是实现这一点的关键[4] - AI硬件需在场景中高效获取上下文并将智能做到极致，形成核心竞争力[4][11] 行业实践与产品案例 - Plaud通过早期众筹产品实现盈利并积累生产能力，抓住大模型技术红利推出NOTE产品实现用户增长[6] - Rokid专注多模态核心应用十年，在空间计算领域投入获得海内外市场反馈[7] - Plaud在Kickstarter众筹达百万美元，成功关键在于真实需求洞察与出色设计结合[7] - Rokid眼镜实现"Always On"语音输入，结合AI快速输出结果节省人力成本[8] - 360 AI眼镜验证了智能硬件60分易得但80分需市场反复筛选的行业规律[10] 技术突破与挑战 - 多模态交互需解决实时性挑战，涉及端云协同、芯片功耗优化等复杂技术问题[17][18] - Rokid眼镜采用多指向性麦克风硬件设计，实现声源分离提升多模态处理基础[18] - 跨模态检索技术需融合视频、图像、文本等信息提升搜索精度[20] - 声纹识别+视觉的支付方案展示多模态在安全场景的应用价值[20] 市场竞争与生态构建 - 创业公司优势在于专注细分场景，避免与大厂在通用平台直接竞争[12][16] - 硬件行业需构建完整开发链路，包括数据飞轮、体验飞轮等环节[12] - 行业生态需要多样化参与者促进产品在价格、体验等方面优化[14] - Plaud通过隐私认证和端到端加密技术建立数据安全壁垒[23] 产品演进与用户需求 - AI硬件需平衡感知能力、算力与续航，通过NPU等专用芯片优化性能[24] - Rokid采取轻量化策略覆盖儿童、女性等更广泛用户群体[9] - 智能眼镜未来将分化发展，并非全部转向AR方向[25] - 用户高频使用依赖明确场景解决刚需，如翻译、语音识别等功能[26][31] 商业模式与全球化 - AI硬件+SaaS订阅形成可持续商业模式，用户为持续优化体验付费[31][33] - Plaud定位全球市场，通过本地化能力构建与大厂的差异化竞争[35] - 产品市场契合度(PMF)决定用户支付意愿，优化技术可承受更高成本[37] 行业发展趋势 - 智能穿戴设备将多元化发展，不存在单一终极形态[29] - XR行业经过十年沉淀，用户认知提升为AI硬件奠定基础[9] - 合成数据等技术降低AI应用开发门槛，减少对用户数据依赖[30]