Meta青少年AI功能政策调整 - Meta在全球范围内暂停其全平台应用中青少年用户对人工智能角色功能的访问权限[2] - 该举措并非放弃相关研发，而是计划为青少年群体开发专属版本的人工智能角色[2] - 此政策调整出台的几天前，Meta在美国新墨西哥州有一桩关于未能保护平台儿童免受性剥削侵害的诉讼案即将开庭审理[2] OpenAI高管动态与印度AI峰会 - OpenAI首席执行官萨姆・奥尔特曼计划于2月中旬访问印度，并可能出席同期在新德里举办的首届大型人工智能活动——2026印度人工智能影响力峰会[2] - 该峰会预计将吸引Meta、谷歌以及Anthropic等企业的高管出席[2] - OpenAI计划借峰会契机在新德里举办闭门会议及专属活动，受邀对象包括风险投资家和行业高管[3] 行业领袖对AI发展趋势的预测 - 360集团创始人周鸿祎预测，到2026年，全世界至少会出现100亿个智能体[3] - 周鸿祎认为，百亿级公司在AI领域都算小公司，因为大模型需升级成智能体才能真正在各行各业落地[3] AI在医疗健康领域的应用进展 - 蚂蚁阿福App、支付宝App已与好大夫在线打通，好大夫在线平台实名注册医生规模增至30万[4] - 阿福App月活跃用户超3000万，日均健康咨询量超1000万次[4]

英伟达 - 英伟达CEO黄仁勋于2026年初再度来华，首站到访上海新办公室，并参加上海、北京和深圳分公司的新年晚会及供应商答谢会 [3] - 黄仁勋在上海期间现身陆家嘴锦德菜市场体验市井风俗 [3] 苹果公司 - iPhone Air上市三个月价格大幅下跌，官方起售价从7999元降至5499元，三个月下跌2900元，第三方平台叠加补贴后到手价约5099元 [5][6] - iPhone Air是苹果最薄iPhone，重量165克，厚度5.6毫米，采用内置eSIM技术，无实体SIM卡槽 [5][6] - 苹果首款折叠屏手机iPhone Fold机模曝光，采用内折设计，配备7.8英寸内屏和5.5英寸外屏，合上厚度为9mm，预计定档2026年秋季发布 [22][28] 新东方 - 俞敏洪谈及2021年教育政策调整后的转型，称其个人性格通常是被动变化，但能快速转化为主动求变 [6] - 政策调整后，原教育业务基本清零，新东方在线成为独立上市公司，后转型做了东方甄选 [6] 百度 - 百度新设个人超级智能事业群组，合并文库和网盘事业部，由王颖担任负责人，直接向CEO汇报 [8] - 此次调整旨在整合人才与技术，强化百度在AI应用方面的整体协同创新能力 [8] 人工智能行业观点 - 360集团创始人周鸿祎预测，2026年全世界至少会出现100亿个智能体，百亿级公司在AI领域都算小公司 [8] - 他认为大模型需升级成智能体才能真正在各行各业落地 [8] 特斯拉 - 特斯拉计划于2月在其奥斯汀超级工厂开始收集数据，以训练擎天柱人形机器人，使其能在该工厂开展工作 [10] - 特斯拉推出Model 3部分车型限时优惠，在2026年1月24日至2月28日期间订购可享8000元保险补贴 [10][12] Meta - Meta更新青少年安全政策，在开发新版AI角色期间，将暂停全球青少年用户访问现有人工智能角色的权限 [16] - 此限制适用于所有提供青少年生日信息的用户，以及经年龄预测技术判定为青少年的用户 [16] OpenAI - OpenAI截至2025年底年营收已超过200亿美元，相比2024年的60亿美元和2023年的20亿美元显著增长 [16] - OpenAI的API业务单月年度经常性收入（ARR）增长约10亿美元，约占公司总ARR的5% [16] - OpenAI启动“Codex发布月”，将在未来一个月推出多个Codex相关产品，首款产品于下周推出 [16] - Codex被描述为集模型、工具和工作流于一体的“AI软件工程师”生态系统 [16] Alphabet (谷歌母公司) - Alphabet CEO桑达尔·皮查伊于1月21日出售32500股公司股票，套现1060万美元 [21] - 谷歌收购3D图像生成初创企业Common Sense Machines，该公司可将二维图像转化为三维数字资产，此前估值达1500万美元 [21] 机器人及AI基础设施融资动态 - 四足机器人企业具微科技完成近亿元A轮融资，由正强股份领投，资金用于产品研发、团队建设及场景拓展 [21] - 物理AI基础设施供应商飞捷科思完成近亿元Pre-A1轮融资，由经纬创投、东方富海领投，资金用于完善自研物理仿真引擎及推动具身智能应用落地 [21] - 智能机器人企业目心智能完成超亿元B轮融资，资金将用于加速AI视觉算法迭代、量产交付及海外认证拓展 [21] 消费电子与汽车行业 - 保时捷正在测试经过伪装的Panamera改款原型车，推测为高规格混合动力车型，可能是现款Turbo S E-Hybrid的升级版或更高性能衍生车型 [26] - 2025年中国折叠屏手机出货量约1001万台，同比增长9.2%，但增速较2024年的30.8%明显回落 [28] - 2025年第四季度中国折叠屏手机出货量231万台，同比下降8.0% [28] - 华为在2025年中国折叠屏手机市场份额超过70%，呈现一家独大格局，荣耀、vivo、OPPO、三星等品牌份额均不足10% [28]

Meta调整青少年AI功能策略 - Meta在全球范围内暂停其全平台应用中青少年用户对人工智能角色功能的访问权限[2] - 公司计划为青少年群体开发专属版本的人工智能角色，而非放弃相关研发[2] - 此举措出台前，Meta在美国新墨西哥州面临一桩诉讼，被指控未能有效保护平台上的儿童免受性剥削侵害[2] OpenAI高管计划访问印度并参与AI峰会 - OpenAI首席执行官萨姆・奥尔特曼计划于2月中旬访问印度，时隔近一年再度到访[2] - 访问行程恰逢印度新德里筹备举办首届大型人工智能活动——2026印度人工智能影响力峰会，时间为2月16日至20日[2] - OpenAI计划借峰会契机在新德里举办闭门会议和专属活动，奥尔特曼预计将出席[3] - 峰会预计将吸引Meta、谷歌、Anthropic及英伟达等公司的高管，以及印度商界核心人士出席[2][3] 行业领袖对AI智能体发展前景的预测 - 360集团创始人周鸿祎预测，到2026年，全世界至少会出现100亿个智能体[3] - 周鸿祎认为，百亿级公司在AI领域都算小公司，因为大模型需升级成智能体才能真正在各行各业落地[3] 蚂蚁集团健康咨询平台数据更新 - 蚂蚁阿福App、支付宝App已与好大夫在线平台打通[4] - 好大夫在线平台实名注册医生规模增至30万[4] - 阿福App月活跃用户超3000万，日均健康咨询量超1000万次[4]

文章核心观点 - 2025年是中国金融智能体发展的元年，行业整体处于初步探索期（投资建设期），96%的应用实践处于此阶段，仅有4%进入敏捷实践期 [12] - 金融智能体在技术突破、业务创新与政策支持三重因素驱动下展现出强劲的内生动力，金融机构普遍采取“战略积极、落地务实”的策略 [2] - 行业预计将从初步探索期逐步迈向敏捷实践期和规模扩展期，市场规模将从2025年的9.5亿元增长至2030年的193亿元，年复合增长率达82.6% [35][36] 驱动因素 - **技术突破**：以DeepSeek为代表的大模型在任务理解与规划能力上持续增强，同时MCP、A2A等协议与开发框架降低了智能体的开发与部署门槛 [6] - **业务创新**：约33%的金融机构对智能体持较为积极的投资态度，致力于探索其在业务增长、客户体验与运营降本增效等维度的落地模式 [7] - **政策支持**：国家“十五五”规划、“人工智能+”行动、金融“五篇大文章”等顶层设计为智能体发展提供了战略指引，并明确了科技金融、绿色金融、普惠金融、养老金融、数字金融等重点探索领域 [8][10] 应用落地现状 - **场景应用**：当前应用主要集中在职能运营类场景（如知识问答、办公助手）和在业务场景外围提供辅助工具（如报告生成、流水分析），尚未深入金融核心业务流程 [16] - **项目部署**：落地路径主要包括在现有系统中嵌入智能体功能进行轻量化改造，以及通过采购标准产品或定制开发进行独立应用开发，大部分项目按计划推进 [18][19] - **客户分布**：银行业以43%的项目数量占比成为核心阵地，资产管理类机构以27%位居第二，保险业以15%位列第三 [25][26] - **项目类型与金额**：项目分为“嵌入式智能体功能”与“独立智能体应用开发”两类，后者当前金额多集中在30万至150万元区间，但也出现了少量由业务主导的千万级体系化改造项目 [27][28][31][32] 市场规模与商业模式 - **市场规模**：2025年中国金融智能体平台及应用解决方案的市场规模为9.5亿元，预计2030年将达193亿元 [35] - **增长动力**：增长源于存量项目续购扩容、新机构入场布局、政策目标驱动以及头部机构的示范效应 [36] - **商业模式**：主流为产品交付模式（销售软件产品），价值交付模式（RaaS，按业务效果分润）正在探索，后者市场想象空间大但对服务商的金融业务KnowHow和效果保障能力要求极高 [39][42] 行业挑战与客户认知 - **周期特点**：市场期望高涨但落地处于探索期，53%的金融机构表示若项目成果显著低于预期将缩减或终止投入，行业存在信心透支风险 [43] - **认知偏差**：非技术背景从业者对智能体存在“高预期值、低辨别力”的特点，而部分技术背景从业者则可能因过度谨慎而低估其价值 [47][51] - **价值期望演变**：机构对智能体的价值期望正从提升效率的工具，转变为驱动业务可持续增长与重塑客户体验的核心创新引擎 [53][56] 客户投资与关注方向 - **投资意愿提升**：2025年Q4拥有积极投资意愿的机构占比较Q1增加了27.5%，受同业示范、政策引导及RaaS模式推动 [58][59] - **投资分层特征**：机构分为积极探索型（战略投资）、务实跟进型（价值驱动）和审慎观望型（风险规避）三类 [64] - **核心关注方向**：客户关注四大维度，依次为安全合规（前提）、价值评估（决策锚点）、落地实践（业务适配）及持续价值反馈（长远发展） [68][71][73][76] 基于行业周期的趋势推演 - **初步探索期（当前-2027）**：重点在于市场教育、客户预期建设、防范伪智能体产品，数据的有效性和可用性是影响项目推进的关键 [94][95][98] - **敏捷实践期（回报初期）**：核心目标是抽象出规模化范式，市场将经历“大浪淘沙，竞争分化”，RaaS模式将有助于推动行业发展 [101][102][103][106] - **规模扩展期（预计2028年起）**：行业进入黄金回报期，需重点关注智能体治理、安全合规及总拥有成本（TCO）管控，并可能涌现面向价值增长的金融Agent Infra和智能体金融网络平台等新形态 [112][114][115][119][127]

文章核心观点 - 国内云计算市场的竞争逻辑正经历深刻切换，从比拼算力规模与模型参数的“上半场”，转向聚焦于让AI融入企业业务流程、创造可量化商业价值的“深水区”竞争 [1][2] - 行业正从“资源驱动”的粗放增长，转向“应用驱动”的竞争，云厂商的战略选择与生态构建均围绕此展开 [2] 竞争逻辑切换：从“卖资源”到“卖场景” - AI的上半场更多是偏卖资源，企业追逐稀缺GPU算力，售卖方式简单粗暴，但客户对AI如何真正降本增效、优化业务流程并未想清楚 [3] - 2025年出现拐点，随着大模型应用和智能体概念普及，市场活力显现，客户焦虑从“如何活下去”转变为“如何抓住AI的新机会” [3] - 竞争核心从底层资源转向前端应用，单纯售卖API调用被视为黏性极差的非健康生意模式，真正好的生意是以应用场景为导向 [3] - 腾讯云业务结构呈现“4-4-2”格局，即四成IaaS、四成PaaS、两成SaaS，其中约四分之一的营收来自SaaS [3] - 其商业赋能类SaaS产品年增长率超过128%，部分产品增速达200% [3] 生态伙伴重塑：转型与挑战 - 腾讯云生态中已有30%—40%的合作伙伴开始尝试或涉足AI业务 [4] - 合作伙伴从“资源转售商”向“价值服务商”转型面临两大核心痛点：内部共识与执行力存在落差甚至抵触；能力重构挑战，需从“价格型销售”转向深度理解客户业务场景的“价值型销售” [4] - 腾讯云的生态策略从“技术开放”升级为“场景融合”，与合作伙伴共同探索垂直行业场景，实现技术与业务深度融合 [4] - 为支持伙伴转型，腾讯云推出“助跑计划”，通过AI共创营、混元训练营等方式进行全链条赋能，第二期AI共创营报名伙伴超过2400家，最终与百余家企业建立深度合作关系 [4] “出海”与“价值战”：新增长与竞争策略 - “出海”成为云厂商与合作伙伴寻求增量的共同选择，腾讯云出海业务同比增长30%，成为伙伴业务的重要增长引擎 [5] - 赢得海外客户的关键因素包括领先的技术能力、有竞争力的价格体系以及专业的本地服务支持，以印尼GoTo集团为例 [5] - 面对国内大模型厂商的价格战甚至免费化趋势，腾讯云明确拒绝内卷，认为卷价格无意义，AI是价值导向的新兴市场，最终变现需通过为客户创造应用价值来实现 [5] - 行业认为，云厂商的AI竞争已告别早期概念喧嚣与资源堆砌，进入比拼生态健康度、应用渗透深度与可持续商业模式的“深水区” [5]

阿里千问App功能升级 - 阿里发布最新版千问App，支持AI点外卖、订机票、订酒店等功能，打通从需求表达、任务执行到支付完成的全流程，实现AI办事闭环 [1] - 用户只需说“帮我点两杯咖啡”，千问便可调用淘宝闪购服务完成定位、推荐、下单，并通过“支付宝AI付”一键付款，实现“说一句，就送到” [1] - 千问App已全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务，实现AI购物功能，并上线超400项AI办事服务 [2] - 深度接入“支付宝AI付”和政务服务后，用户无需页面跳转，用一句话即可查询签证、户口、公积金等50项民生服务事项 [2] AI技术演进与能力支撑 - 千问“办事能力”的爆发得益于底层大模型技术的突破：编程能力提升使其能实时构建工具；全模态理解能力增强可看懂界面、听懂声音、读懂图文；超长上下文处理能力提高了复杂任务交付上限 [2] - 中国信息通信研究院测试结果显示，模型在语言和多模态理解能力方面的综合能力分别提升30%和50%，推理、编程等能力呈现“又好又快”发展态势 [3] - 基础大模型在技术层面的迭代升级，为大模型实用化打下坚实基础，AI正由辅助性工具转变为具备交互学习能力的智能伙伴 [3] AI行业发展趋势与竞争格局 - 从“聊天对话”到“办事服务”，AI正加速从工具属性向超级入口演进，阿里、字节、腾讯等企业纷纷入局 [1] - 行业开启一场面向C端的入口争夺战，旨在重塑未来流量分发逻辑和商业生态格局 [1] - AI入口的本质是用AI智能体取代传统操作系统的人机界面，对端侧设备进行全局性驱动，用户可直接通过自然语言调用所需AI能力，无需基于操作系统启动App [1] - 这种全局性驱动延伸至手机、电脑、智能眼镜、智能电视等各类终端设备，设备只需具备基础联网能力并接入云端AI [2] - 智能体成为大模型应用落地的主要形式，逐步显现“数字劳动力”雏形，通用智能体在网页交互、信息整合等场景表现印象深刻，专用智能体在编程、法律等垂直场景实现应用落地破局 [3]

文章核心观点 - 2026年全球人工智能发展将由技术突破、产业应用、能源压力与治理落地等多重变量共同塑造，竞争焦点将从单一模型能力转向安全、合规、能耗与产业落地的系统性整合[1][8] 技术发展 - 顶尖AI企业将继续在大模型领域竞争，发布规模更大或效率更高的新版本，并聚焦提升模型的推理与任务执行能力[1][2] - 人工智能研究的下一个前沿是空间智能，旨在使大模型具备语义、物理、几何及动态复杂交互等方面的理解力[2] - 智能体应用将日益普及，从传统的一问一答模式转向具备深度目标导向、多步骤规划能力的任务型智能体[2] - 预计到2026年，40%的企业应用将嵌入任务型AI智能体，相比2025年的不足5%实现大幅跃升[2] - 部分智能体已能执行自动点击、填表、跨软件切换等操作，例如微软Office智能体可对话后自动创建文档和演示文稿，使其具备数字员工属性[2] 产业应用 - AI对企业的浅层价值是降本提效，深层价值是以能力迸发驱动范式转换，引发成本结构、组织形态和竞争逻辑三方面的变革[3] - 数字孪生与AI智能体结合正在重塑产品设计流程，“智能制造”迎来战略机遇期[4] - 预计2026年，40%配备生产调度系统的制造商将升级采用AI驱动的生产排程，实现生产资源管理的自主化运行[4] - 到2028年，全球头部1000家制造企业中65%将把智能体与设计、仿真工具结合，用于持续验证设计变更[4] - 2026年将是“主动智能体”之年，AI可从“反应式”转向在设备上快速运行、始终在线并主动为人类在后台完成任务[4] - 中国制造业的产业智能化浪潮机遇大于挑战，AI赋能将增强企业的市场感知力、产品创新力和国际竞争力，推动形成以新兴产业和未来产业为基础的现代产业群[4] 能源挑战 - AI大规模应用带来的能源压力将持续高企，推动能源绿色转型需求增大[5] - 国际能源署报告预测，到2030年全球数据中心电力需求将增长一倍以上，达到约945太瓦时，AI是主要推动力[5] - 全球AI活跃用户已超10亿，预计未来将超50亿，为实现AI无处不在的愿景，未来几年需将全球算力提升100倍[5] - 受算力负载攀升、能效法规趋严及低碳设施落地驱动，全球绿色AI数据中心市场将强劲扩张[5] - 预计2026年全球绿色AI数据中心市场规模达676亿美元，到2035年可能增长至约1230亿美元[5] - 中国正从供给能力、布局优化与绿色低碳等维度夯实产业底座，为AI发展提供可持续支撑[5] - 推进AI基础设施建设需加快高能效芯片研发、保障新能源电力稳定供给，并突破新一代冷却技术的规模化应用与能源管理智能化[6] 治理与合规 - 2026年被视为全球AI治理措施加速落地的关键一年，行业焦点从理念争论转向合规能力、产业适配与跨境协同[7] - 欧盟《人工智能法案》作为全球首部全面监管AI的法律，大部分规则将于2026年8月开始生效[7] - 美国联邦政府于2025年12月要求统一AI监管规则，预计2026年将出台更多措施[7] - 中国AI治理路径日益清晰，国务院2025年8月印发的文件在推动“人工智能+”深度融合的同时，要求完善法律法规与伦理准则，推进相关立法工作[7] - 国际社会对中国AI发展的关注从“规模扩张”转向“制度供给与治理实践”，认为中国以适配性监管与坚实基础设施为支撑的战略为全球树立了典范，在创新与安全间取得平衡[7]

2026年AI行业发展趋势与核心观点 - 2026年被视为AI智能体走向成熟的一年，特别是多智能体系统将成熟并产生显著影响[11] - 当前存在巨大的“能力鸿沟”，即AI工具能力强大但用户尚未掌握充分利用它们的方法，如同将法拉利钥匙交给了刚学车的人[5][6][7][12] - 行业处于范式转移中，AI是真实的增长动力，其需求受限于算力可用性而非其他因素[22][23] AI技术发展现状与挑战 - “凭感觉编程”在2025年已成熟，但能让AI像靠谱员工一样处理复杂任务的智能体技术尚不完善[5][11] - 大语言模型在记忆力、持续学习能力和降低幻觉等方面仍有提升空间[11] - 目前只有个位数百分比的用户用到了AI 30%的能力，充分挖掘AI潜力将是一个长达10年的旅程[14] - 谷歌报告显示50%的先行企业已将AI投入生产，但极少有公司将核心业务完全交给AI[5] 企业应用与生产力变革 - 采用AI的公司生产力显著上升，麦肯锡研究显示前四分之一的公司生产力提高了27%到33%[30] - AI能接管组织中的枯燥任务，例如通过智能体阅读合同、分析非标准条款并提供业务洞察，使团队规模更小、绩效更高[25] - 出现“一人加AI顶十人”的案例，例如一家公司用一个销售开发代表加AI替换了10个销售开发代表[27]，另一家公司会计部门仅有一人[26] - 目前约14%的客户在使用某种智能体技术，但很多CEO表示其60%的生产代码由智能体编写，显示巨大增长潜力[36] OpenAI的战略与运营 - OpenAI认为其在企业级竞争已经获胜，90%的企业表示正在使用或计划在未来12个月内使用OpenAI，公司是历史上最快达到100万企业用户的平台[35] - 公司将算力投资视为增长核心，算力与营收增速强相关：2023年底算力200兆瓦对应年度经常性收入20亿美元，2024年底600兆瓦对应60亿美元，2025年底2吉瓦对应超过200亿美元[21] - 公司采用“魔方”战略，在基础设施、产品和商业模式层创造可选性，以支持实现通用人工智能所需的算力投资[23][29] - 每周有超过8亿消费者使用ChatGPT，其中每周有2.3亿人咨询健康问题[16][19] 医疗健康领域的AI应用 - 66%的美国医生在日常工作中使用ChatGPT[19] - AI有潜力变革医疗健康领域，普及医疗专业知识，但面临FDA监管和美国医学会等既得利益者的制度阻力[17][18] - AI在健康领域可作为医生的强大辅助，帮助掌握最新研究成果，并为消费者提供研究症状和获取第二诊疗意见的能力[19] 算力需求与行业投资 - 算力需求巨大且几乎无限，目前需求只受限于算力的可用性，存在价格弹性[23] - 过去一年，全球AI硬件投资总额增加约2200亿美元，芯片预测增加约3340亿美元[22] - 确保未来算力供应需要提前多年规划和投资，例如为2028至2030年的需求做准备[21] 商业模式与消费者市场 - OpenAI 95%的用户免费使用其服务，公司考虑引入广告等商业模式，但坚持模型永远提供最佳答案的“北极星指标”，并保证存在无广告的付费层级供用户选择[31] - 未来用户可能订阅多个AI服务，但切换平台会损失连贯性体验[32] - AI未来将像电力一样融入一切，成为无处不在的基础设施，而非需要刻意调用的工具[33] 创业公司与投资机会 - 创业公司机会在于拥有独特数据访问权、结合复杂工作流以及在基础模型之上构建垂直解决方案[37] - 仅仅智能本身并非解决方案的全部，围绕数据权限、定制模型、智能体身份验证和智能体商业等领域存在大量机会[37] - 现在可能是比以往任何时候都更有趣的创业时期[37] 长期展望与社会影响 - 预测15年后机器人产业规模将超过今天的汽车产业[39] - 家庭机器人潜力巨大，不仅在于处理家务，更在于提供陪伴以应对孤独感这一全球流行病[39] - 在下一个十年的末期，可能出现大规模的通货紧缩经济，劳动成本和专家服务成本将趋近于零，政府保障的最低生活标准将大幅提高[40] - 免费的初级医疗和每个孩子拥有AI私人导师的教育可能成为现实[40]

技术演进 - 2026年，顶尖AI企业将聚焦提升大模型的推理能力与智能体执行任务能力，推动AI从“会生成”向“会规划、会行动”进化 [1] - 大模型竞赛将延续，OpenAI、谷歌、深度求索等公司将发布规模更大或效率更高的新版本大模型 [1] - 空间智能被认为是人工智能下一个前沿，大模型在文本、多模态数据处理基础上，正于空间理解力方面取得进步，目标是具备语义、物理、几何、动态复杂交互等能力的模型 [1] - 智能体将日益普及，具备深度目标导向、多步骤规划及擅长特定任务能力的智能体将越来越多地应用于工作 [2] - 高德纳咨询公司预测，到2026年，40%的企业应用将嵌入任务型AI智能体，而2025年这一比例不足5% [2] - 部分智能体已可实现自动点击按钮、填写表单、在不同软件间切换，例如微软Office智能体可自动创建电子表格、文档和演示文稿，使AI具备数字员工属性 [2] 产业应用 - 数字孪生与AI智能体结合正在重塑产品设计流程，推动“智能制造”迎来战略机遇期 [3] - 国际数据公司预测，2026年，40%配备生产调度系统的制造商将升级采用AI驱动的生产排程，实现生产资源管理的自主化运行 [3] - 到2028年，全球头部1000家制造企业中预计有65%将把智能体与设计、仿真工具结合，用于持续验证设计变更与配置方案 [3] - 2026年被认为是“主动智能体”之年，AI将从“反应式”转向可在设备上快速运行、始终在线并主动为人类在后台完成任务 [3] - 预计这一趋势将在中国制造业显著体现，工厂生产计划将更多由AI智能体根据订单变化、设备状态、供应链波动实时优化 [3] - 产业智能化浪潮对中国制造业机遇大于挑战，从制造向“智造”转变将增强企业的市场感知力、产品创新力和国际竞争力，并有望带动中国经济走向下一个长周期发展 [3] 能源挑战与市场 - AI大规模应用带来的能源压力将持续高企，数据中心耗电量将持续高企 [1][4] - 国际能源署2025年4月报告称，到2030年，全球数据中心的电力需求预计将增长一倍以上，达到约945太瓦时，人工智能是主要推动力 [4] - 超威半导体公司首席执行官指出，全球AI活跃用户已超10亿，预计未来将超50亿，实现AI无处不在的愿景需在未来几年内将全球算力提升100倍 [4] - 受算力负载攀升、能效法规趋严及低碳设施落地驱动，全球绿色AI数据中心市场将迎来强劲扩张 [5] - 加拿大优先研究公司报告显示，全球绿色AI数据中心市场规模在2026年预计达676亿美元，到2035年可能增长到约1230亿美元 [5] - 中国正从供给能力、布局优化与绿色低碳等维度夯实产业底座，为AI发展提供可持续资源与工程体系支撑 [5] 治理与监管 - 2026年被视为全球AI治理措施加速落地的关键一年，行业关注焦点可能从理念争论转向合规能力、产业适配与跨境协同 [5] - 欧盟《人工智能法案》作为全球首部全面监管AI的法律，大部分规则将于2026年8月开始生效 [6] - 美国联邦政府于2025年12月要求在联邦层面统一AI监管规则，预计2026年将出台更多相应措施 [6] - 中国AI治理路径日益清晰，国务院2025年8月印发的《关于深入实施“人工智能+”行动的意见》指出要完善人工智能法律法规、伦理准则，推进相关立法工作 [6] - 国际社会对中国AI发展路径的关注从“规模扩张”转向“制度供给与治理实践”，认为中国以适配性监管与坚实基础为支撑，在创新与安全间取得平衡，正引领全球AI治理 [6]

AI驱动新药研发行业研究纪要关键要点 涉及的行业与公司 * 行业：AI驱动的新药研发（AIDD）行业 [1] * 提及的公司：某西智能（采用GAN模型，已进入临床二期）[16]、某泰科技（以传统CADD为主，拓展深度学习）[16]、星耀科技（曾技术优秀但已倒闭）[16] * 提及的技术/模型提供方：AlphaFold（预测蛋白质结构）[1][2][4]、OpenAI（生成模型）[2]、扩散模型（Diffusion Model）[1][2][4]、Deepseek（对话模型）[7][18]、ChatGPT（对话模型）[7]、GPT系列（大规模参数模型）[11]、DeepMind（智能体应用）[18]、Anthropic（大模型趋势）[18] 核心观点与论据 AI制药的原理与优势 * AI通过预测蛋白质结构（如AlphaFold）加速靶点发现，并利用生成模型（如扩散模型）设计先导化合物，提高新药研发效率和成功率 [1][2] * 人工智能驱动的新型药物发现（AIDD）跳过传统计算机辅助药物设计（CADD）复杂的物理规则，通过海量数据直接预测分子效果，提高了预测准确性和数据集处理能力 [1][3][4] * AI在临床前研究中可预测小分子的毒性、安全性等性质，减少实验筛选时间和成本 [2] 关键技术方法与应用 * **图神经网络（GNN）**：擅长处理小分子结构数据，但随着分子复杂性增加，学习效果显著下降 [1][13] * **多模态学习**：整合图像、文本、指纹和点云等多种数据模态，更全面表征小分子特性，提高研发效率，已在KRAS靶点研究中取得成果（使用3,400多个小分子结构及活性数据）[1][15] * **AI模型类型**：分为解决特定垂直领域问题（如药物结构生成、基因诊断）的“小模型”和用于对话及调用（如撰写报告）的“大模型” [1][7][11][12] * **智能体应用**：可根据用户需求自主设计并监控整个工作流程，例如ADM MEC智能体可自动调用约14个工具生成报告，降低化学家和生物学家使用门槛 [18][20] 行业评估与发展趋势 * **评估AI制药公司能力**需考察：是否采用深度学习等先进算法（非仅传统CADD）、拥有高质量数据、已有成功案例、持续创新能力 [1][5][6] * **未来趋势**：小分子设计复杂化（如雷帕霉素等新型大分子胶）[13][17]、多模态融合技术主流化 [1][17]、新型编码器和深度学习算法涌现 [1][17]、智能体在工作流设计中应用增加 [1][20]、公司技术保密更严格 [17] * **模型选择**：基于测试，上百亿参数的大模型与32B或8B的小模型在调用工具时效果相似，需权衡参数量、效果及成本 [21] 其他重要内容 * AI模型的训练过程类似于人类学习，包括非监督学习的初步分类和引入外部标签的监督学习 [8] * 选择适当的数据编码器（如CNN处理图片、RNN/Transformer处理语言、GNN处理图结构）对提高AI模型性能至关重要 [10] * 当前一些主流AIDD公司的技术特点各异，包括模型类型（如GAN）、技术透明度（开源或保密）和市场化能力 [16] * AI编程（AI coding）是当前最成熟的大模型应用之一，已催生市值数百亿甚至上千亿的公司 [18]