行业趋势：从“百模大战”到理性回归 - 两年前AI创业关键词是“百模大战”，市场共识为“谁不做大模型，谁就会被淘汰” [1] - 近期风向明显变化，纯粹以“再做一个大模型”为核心的创业项目快速降温 [1] - 行业焦点转向轻量化小模型、AI Agent以及设备端（On-Device）AI等方向 [1] - 这一转变是由成本、商业化和资本逻辑共同驱动的理性回归，而非技术热情消退 [1] 大模型赛道面临的挑战 - 大模型已成为高度资本密集型竞赛，千亿参数模型的单次训练成本动辄数千万美元 [3] - 推理阶段的算力消耗同样惊人，GPU价格高企、云算力账单持续攀升 [3] - 对于创业公司而言，面临资金消耗速度远超传统软件创业、商业化路径高度不确定的现实压力 [3] - 多位投资人认为大模型项目是“技术上成立，但财务模型难以自洽”的典型案例 [3] - 行业共识逐渐形成，大模型将成为几个资本雄厚巨头之间的争夺，赛道竞争者不增反减 [3] 设备端AI的兴起与优势 - 设备端AI正在成为创业公司的新赛道，其模型直接在终端设备上运行，无须依赖云端或网络 [2] - 这种模式降低了成本，保证了数据隐私，并使智能应用能够快速落地 [2] - 设备端AI的特点在于轻量化模型适合本地处理少量数据，响应快，低延迟，数据不出设备更安全 [7] - 应用场景包括手机拍照自动美颜、iPhone上的Siri或照片识别、智能门锁或家用机器人的语音/图像处理等 [7] Aizip公司的业务模式与技术路径 - Aizip是一家专注于设备端AI的纯软件公司，只做AI模型的研发 [7] - 公司通过“用大模型生成小模型”的方法，在大型模型基础上训练、生成适合各种垂直场景的小模型 [2][7] - 模型训练数据主要通过收集数据、购买数据和大模型蒸馏三种途径获取 [2][7] - 创业团队对硬件有非常深的理解，联合创始人过去创立的公司曾服务于Apple等客户 [7] - 公司已与全球多家头部硬件厂商展开合作，包括软银、ARM、Microchip等知名上市公司 [2] 技术发展思路的转变 - AI从业者认识到不再死磕算力的关键性，尽管大模型缩放定律（scaling law）仍然有效 [4] - 数据规模扩大300倍，模型性能可能只提升个位数的百分点，促使行业反思数据质量、模型结构等因素的实际影响 [4] - 很多AI创业公司盲目推高模型规模，资源已用到极限，却很难再从scaling中获得突破 [5] - Aizip的思路是反向而行——不做更大，而是做“全球最小、最高效”的AI系统，这与主流强调通用人工智能（AGI）的方向不一致 [6] 明确的商业化应用场景 - 当前三类设备端AI应用场景的商业化前景突出：卡拉OK声音解决方案、智能摄像头、智能唤醒助手 [8] - 卡拉OK声音解决方案能在用户设备端完成声音分离，识别并消除歌曲中人声，只保留背景音乐，无须上传云端 [8] - 智能摄像头能在设备端完成复杂图像识别，如区分来访人员身份并实时报警，具备实时性、安全性和隐私保护三重优势 [8] 市场现状与未来展望 - 真正的设备端AI革命尚未到来，但市场热度比之前更高，进入真实产品场景增多 [9] - 未来发展的催化剂在于更多刚需应用，如智能手表语音能力、婴儿监控摄像头等，能培养用户习惯并注重隐私保护 [9] - 行业对AI模型训练人才和算力需求依然极高 [9]

全球AI应用平台市场核心观点 - 全球AI应用平台市场持续扩张，呈现技术迭代加速、场景渗透深化、竞争格局多元的特征，AI APP与AI WEB为核心形态，AI Agent与MaaS模式成为重要发展方向，推动行业从单一工具应用向全流程智能赋能演进 [1] - 技术层面，DeepSeek-V3等模型通过算法优化显著降低算力成本，开源生态完善并与GPT-4o等国际主流模型形成差异化竞争，多模态融合与跨平台协同能力提升为行业落地奠定基础 [1] - 应用场景已广泛渗透制造、零售、医疗、政务等多领域，实现从设计研发到运营管理的全流程智能化升级 [1] - 市场竞争呈现分层格局，AWS、Azure等头部科技企业主导市场，百度智能云、火山引擎等国内厂商加速追赶，垂直领域服务商与中小创业企业依托行业知识形成特色竞争力 [1] - 未来技术将向L4级深度智能演进，AI应用更注重自主决策与场景深度融合，需破解数据孤岛、技术适配、责任界定等难题 [1] 全球人工智能市场总览 - 美国凭借技术积累与头部企业布局主导全球人工智能市场，其市场规模占比超55%，中美两国市场规模合计占比已接近七成 [8] - 欧洲地区人工智能发展迅猛，预计2029年市场规模约为2500亿美元，其中西欧市场占九成以上 [8] - 2025年AI成为全球创业公司融资主导领域，融资额达2023亿美元，同比增长超75%，占全球总融资近50% [13] - 美国主导AI领域融资，2025年美国本土企业在该领域融资总额达1500亿美元，占全球AI融资的79%，其中AI创业公司贡献了1220亿美元，占美国AI融资的四分之三以上 [13] - 全球人工智能政策核心特征是发展与规制并行，各国竞相出台战略促进创新，同时以欧盟《人工智能法案》为标杆建立风险为本的监管框架 [11] 中国人工智能市场 - 预计到2029年中国人工智能总投资规模将达1114亿美元，五年复合增长率为25.7% [18] - 2024年中国生成式AI占AI总投资规模的18.2%，预计到2029年其占比将达41.1%，投资规模超450亿美元，五年复合增长率为48% [18] - 2025年中国AI产品在用户规模与产品数量上具备全球竞争力，但在收入与Web访问量上占比显著较低，反映商业化程度与Web端产品渗透率仍有提升空间 [18] - 中国AI产业链基础资源层由算力、算法、数据构成核心支撑，技术生态形成“基础层-技术层-应用层”协同体系，场景应用呈现显著行业分化 [16] - 2024年“人工智能+”行动首次写入政府工作报告，2025年《关于深入实施“人工智能+”行动的意见》发布，推动AI与经济社会全领域深度融合 [19][20] 技术趋势与挑战 - DeepSeek-V3使大模型推理成本年降90%，引爆开源革命与大模型平民化趋势，其输入成本仅为GPT-4o的1/18-1/5，输出成本为1/4-1/10，对比Claude3.5 Sonnet，其输出成本仅为1/53 [21][22] - AI Agent已进入大语言模型驱动阶段，其最终目标是通向AGI，行业应用正从工具转向集成化平台 [21] - 行业级AI应用平台核心在于深度融合特定行业的业务逻辑、数据结构与知识体系，具备全要素集成、分层架构设计、领域专用性等关键特征 [22] - 未来挑战包括算力瓶颈与架构革新、从感知到自主的认知鸿沟（智能层级断层），以及需建立“人在回路”的人机协同范式 [22] 行业AI应用需求分析 - 中国AI应用渗透率最高的行业集中在互联网、电信、政务等领域，2024年互联网行业AI渗透率已接近90%，电信、政务、金融行业渗透率普遍超过70% [26][27] - AI在领先行业的应用已超越表面自动化，深入解决结构性挑战，驱动流程重构，标志着行业AI正从可用迈向好用 [27] 制造业 - 工业制造各环节AI需求围绕“提效、提质、降本、控风险”展开，旨在通过AI打通全链路数据，实现智能化决策与自动化执行 [28] - AI正深度重塑工业价值链，在研发环节通过生成式设计、AI仿真等提升效率与创新能力，在生产环节实现智能质检与预测性维护，在供应链环节优化预测与库存 [29] 零售消费业 - 零售消费各环节AI需求聚焦“精准、高效、降本、提体验”，旨在实现从获客、服务到履约的智能化决策与自动化执行 [30] - AI应用有望打通传统零售数据，在营销环节实现精准广告投放与内容生成，在会员运营环节实现精细化分层与个性化服务，在供应链环节提升需求预测准确性 [32] 金融保险业 - 金融保险行业AI需求正从单点效率提升向跨职能协同与业务模式创新演进，风控、客服、营销、合规是核心环节 [33] - 成功应用关键在于将业务知识、高质量数据及稳健的治理框架深度融合，AI在风控中实现智能核保与反欺诈，在客服中提供7x24小时服务与坐席辅助，在合规中实现自动化审查与监控 [34] 医疗健康业 - 医疗健康行业AI需求与应用围绕“精准、高效、可及、经济”的核心价值展开，覆盖诊疗辅助、患者管理、药物研发等环节 [35] - AI技术在医疗健康领域应用覆盖疾病预防、诊断、治疗和康复全链条，重点布局领域包括医学影像分析、电子病历、医药研发、健康管理等 [37]

行业动态与重要成果 - 近期，由邮储银行牵头，联合神州信息、中国银联、交通银行、智谱华章、蚂蚁、华为、腾讯等多家头部金融机构及科技企业，共同完成了《AI Agent技术金融应用探索与实践》课题报告，该报告荣获北京金融科技产业联盟2025年度“优秀课题”[1][5] - 当前，在人工智能大模型技术驱动下，金融行业数智化转型正在加速，AI Agent作为大模型的重要应用范式，为金融数据要素流通、关键技术组合与业务价值落地提供了重要工具支撑[1][5] 报告核心内容分析 - 报告对AI Agent的核心组件、关键技术形态和建设路径进行了讨论分析，从基础理论、技术架构和核心支撑体系等层面，深入剖析了金融场景中的AI Agent关键技术[2][6] - 报告以银行、证券、保险等领域的典型应用场景为切入，针对金融行业的海量数据处理、精准风险评估、个性化服务定制等核心诉求，论证了金融AI Agent系统的设计要点[2][6] - 报告提供了金融AI Agent架构体系的设计参考，在分析其核心组件、技术选型、数据流和交互模式的同时，结合金融场景提出了针对性的设计考量，旨在确保AI Agent能有效融入业务流程、满足合规要求、提升服务效率和客户体验[2][6] 行业应用展望与公司实践 - 报告指出，金融行业AI Agent应用是一个系统工程，需综合考虑技术可行性、业务价值、合规要求、安全风险和用户体验等多方面因素，报告从技术发展趋势、行业应用拓展方向等方面进行了展望与讨论，旨在为金融机构提供能力建设与场景应用参考[4][8] - 报告希望基于AI Agent技术，帮助数据密集、知识密集的金融行业设计出更先进、更实用的AI原生系统，使金融机构在数字化转型浪潮中保持竞争优势[4][8] - 作为金融数智化转型合作伙伴，神州信息以“AI for Process”为理念，基于全栈自主企业级AI平台推出了系列“AIGC+”金融解决方案，并以“乾坤”企业级数智底座为支撑，大幅提升了银行研发效率、数据利用率和AI模型迭代速度[4][8] - 神州信息未来将继续坚持理念、技术和实践领先，持续推动产品与服务创新迭代，为金融机构及泛行业客户提供全方位的数字化转型服务[4][8]

文章核心观点 - 2025年全球及中国一级市场投资呈现结构性变化，人工智能是贯穿全年的投资主旋律，但资本高度集中于少数头部项目，基础大模型领域投资显著降温，马太效应显现 [1][15] - 国内一级市场整体投资事件数量微增但总额下降，而人工智能赛道逆势增长，投资事件数与金额同比大幅上升 [1][15] - 大模型公司竞争格局趋于稳定，资源向头部聚拢，互联网大厂凭借商业化优势深入参与，投资阶段向早期和上市前集中，并出现多起重要上市及并购退出案例 [2][14][28] 国内一级市场整体概况 - 2025年统计区间内，国内一级市场共有5599家公司完成6343起投资事件，同比分别增长2.6%和7.5% [1] - 同期披露总投资额为4400.99亿元，较2024年全年下降20.5% [1] 人工智能行业投资概况 - 人工智能是2025年投资主旋律，共有788家公司获得1015起投资，披露投资额合计656.04亿元 [1] - 2024年，人工智能领域共有478家公司获得553起投资，披露投资额合计391.51亿元 [1] - 2025年人工智能领域投资事件数和金额相比2024年显著增长 [1][15] 基础大模型领域投资趋势 - 基础大模型领域马太效应显现，2025年赛道明显降温 [1][16] - AI模型层公司2025年共完成22起投资，合计披露金额94.16亿元，与2024年相比分别下降8.3%和52.9% [1][16] - 模型层投资占人工智能行业总投资事件数的比例从2024年的4.3%降至2025年的2.2%，投资金额占比从51.0%降至14.4% [1][16] 头部公司融资表现 - 2025年共有5家大模型公司获得2轮以上融资，约占多轮融资人工智能公司数量的3.3% [2][16] - 智谱AI在2025年共完成5轮融资，累计融资高达30亿元，表现远超其他项目 [2][16] - 2024年融资2轮以上的大模型公司也为5家，约占当时多轮融资人工智能公司数量的8.5%，智谱AI同样最受关注，4轮融资后估值突破200亿元 [2][16] - 2025年单轮融资规模在10亿元以上的大模型公司减少，仅月之暗面、MiniMax和智谱AI3家公司融资额超过10亿元 [3][17] - 2024年，仅月之暗面两轮融资总金额便逾13亿美元，智谱AI合计融资超40亿元，百川智能A+轮融资达50亿元 [3][17] 投资阶段分布 - 获投的大模型公司主要分布于上市前和早期阶段 [4] - 2025年，战略融资轮和天使轮投资事件数量并列第一，均为5起 [4] - 战略融资因MiniMax和智谱AI冲刺上市，披露投资额合计达15亿元 [4] - 天使轮投资事件数较2024年小幅下降16.7%，但披露投资总额同比增长59.5% [4] - C轮披露投资额最高，达到58.14亿元，约占该轮次披露投资总额的13.1% [5][19] - 月之暗面与MiniMax的C轮融资分别获得5亿美元和近3亿美元，合计折合人民币57.14亿元，约占C轮投资总额的98.3% [5][19] - B轮投资事件数和金额降幅最高，分别较2024年减少60.0%和96.7% [5][19] - 2025年仅考拉悠然和面壁智能完成B轮系列融资 [5][19] 投资地域分布 - 北京市的大模型公司获投数量和金额双双夺冠 [8][22] - 2025年，共有9家北京企业完成14起投资，披露投资额约为71.53亿元 [8][22] - 2024年，同样有9家北京企业完成16起投资，披露投资额高达191.28亿元 [8][22] - 投资增速最快的是上海市，2025年投资事件数量与金额同比分别提高200.0%和195.0% [8][22] - 上海的代表性融资包括MiniMax融资3亿美元，以及中城交和知满科技各获数千万人民币融资 [8][22] - 四川在大模型领域的投资事件数量与金额呈双降趋势，湖南和江苏将重心转向其他领域 [8][22] 投资机构动态 - 2025年，只有1家股权投资机构参投大模型公司超3次，而2024年该指标为6家 [11][25] - 北京市人工智能产业投资基金2025年出手3次领跑，但出手次数同比下降57.1% [11][25] - 阿里巴巴、腾讯投资等曾经活跃的机构将注意力转向内部，2025年对外投资大模型企业均降至1次 [11][25] 退出与资本市场进展 - 大模型公司纷纷寻求上市退出 [14][28] - 2025年6月，云知声登陆港交所，成为“AGI第一股”，首日收盘价较发行价上涨44.6% [14][28] - 2025年12月中旬，智谱AI和MiniMax双双通过港股聆讯，争夺“AI基础大模型第一股” [14][28] - 2026年1月8日和9日，智谱AI与MiniMax成功挂牌，市值分别一度高达500亿港元和700亿港元以上 [14][28] - 月之暗面于2025年末完成5亿美元C轮融资，公司账面有超100亿元现金储备 [14][28] - 通用AI智能体ManusAI被Meta以数十亿美元价格收购，标志着AI Agent可能成为新战场 [14][28]

行业趋势与标准演变 - 2026年，大语言模型与企业系统的深度集成，推动AI客服从“只会聊天”的对话框进入“能够办事”的数字员工时代[1][3] - 根据中国信通院报告，2025年全球超过85%的领先组织已将AI Agent集成至至少一项核心业务流程[3] - 客服机器人的评价标准已从单纯的“意图识别率”转向“任务执行成功率”，即能否自动联动后台系统闭环完成任务[3] 主要厂商与产品盘点 - **合力亿捷**：定位为强执行、深场景的“业务型”AI专家，核心优势在于凭借通信底座与自研MPaaS编排平台，打破AI与企业业务系统隔阂，实现从“应答”到“执行”的跨越[3] - **Zendesk**：定位为高度标准化的SaaS任务执行专家，作为全球客服软件的“锚点”，提供极高的标准化上限[6] - **瓴羊 Quick Service**：依托阿里“云+数”优势，专注零售生态执行，其AI辅助填单技术可大幅缩短任务处理时间[8] - **天润融通**：定位为国内直接竞品，主打大语言模型与全场景联络闭环，基于行业垂直大模型提升复杂语境理解力，在金融、保险等领域应用较广[7][8] - **Intercom**：定位为主动型AI的交互执行先行者，其推出的Fin AI Agent是海外市场执行成功率最高的智能体之一，善于利用视觉化引导降低任务执行理解成本[7][10] 核心能力与关键数据 - **系统集成与执行**：一流AI Agent不仅是对话接口，更是执行中枢，支持MCP等标准协议调用CRM、ERP、订单系统，通过可视化低代码编排，业务人员可在1小时内创建可运行的Agent原型[4] - **任务成功率**：实测数据显示，在互联网行业在线客服解决率高达91.3%，在零售行业工单自动化率达80%[7] - **生态与部署**：Zendesk拥有上千个预置插件，对于使用国际通用软件的公司可实现近乎“开箱即用”的任务执行[8] - **模型与效率**：瓴羊Quick Service结合通义千问等底座，在知识抽取效率上表现优异[8] 企业选型与实施建议 - 选型应关注三大核心维度：集成兼容性（是否支持API+RPA双驱动及标准协议）、逻辑决策力、部署成本（搭建Agent原型所需时间）与成功率实测（特定行业真实成功率是否高于80%）[9] - 实施应从“高频、低风险、有接口”的任务起步，如退款进度查询、预约时间更改，这类任务逻辑清晰，AI执行成功率最高[9] - 构建“培养体系”而非单纯购买，AI交付应包含调研先行、MVP验证和持续运营，确保AI真正融入业务标准作业程序中[11] - 采用多模型异构调度策略，根据任务复杂度自动分配资源，简单任务使用轻量模型提高性价比，复杂指令调用高性能模型确保稳定性[11] - 业务逻辑复杂、涉及多系统穿透执行且追求高解决率的企业，合力亿捷是首选；互联网原生、重度依赖阿里系工具的企业，瓴羊生态适配度高；追求极简交互或涉及跨国业务的企业，Intercom或Zendesk更具优势[11] 技术概念与区别澄清 - AI Agent与传统客服机器人的核心区别在于：传统机器人是“电子说明书”只能查阅，而2026年的AI Agent是“带薪且拥有权限的数字员工”，能直接在后端系统执行任务[14] - 任务执行成功率主要受模型逻辑推理能力、系统集成协议以及业务标准作业程序清晰度影响，成熟的Agent能在信息不全时主动引导追问以提升成功率[13]

文章核心观点 - AI技术正在颠覆传统数字医疗行业，通过降低交互成本、提供准专业级反馈，激活了C端庞大且沉默的AI医疗刚需，行业竞争逻辑发生根本性转变 [1] - 蚂蚁集团的“阿福”与OpenAI的“Health”作为中美两大科技巨头的产品，通过独立入口、隐私保护、生态整合等方式，验证并引领了AI医疗的新范式，标志着搜索引擎主导医疗信息的时代结束，智能体（Agent）接管个人健康的时代开始 [1][5] 蚂蚁“阿福”的需求验证 - 蚂蚁集团旗下AI健康应用“阿福”在2025年12月品牌升级后，月活跃用户数在一个月内从1500万翻倍至3000万，单日用户提问量突破1000万次 [2][6] - 产品成功的关键在于打通了全链路生态：连接了华为、苹果、OPPO等十大品牌智能设备，并接入了全国5000家医院和30万真人医生，实现了从日常监测到在线问诊、线下就医的覆盖 [8] - 产品验证了下沉市场的巨大需求：55%的用户来自三线及以下城市，AI技术填平了医疗资源分配不均的鸿沟，将低频严肃医疗转化为高频健康陪伴 [8] OpenAI的独立入口逻辑 - OpenAI于2026年1月7日正式推出ChatGPT Health，并在侧边栏开辟独立入口，核心逻辑在于解决大模型与隐私安全的冲突 [3][9] - 为实现绝对的安全感与隐私保护，OpenAI设计了近似物理隔离的架构：Health空间内的对话、文件与数据与主界面分开存储，拥有独立记忆系统且数据不会“回流”到主对话中 [10] - OpenAI明确承诺Health中的对话数据不会被用于训练其基础模型，以此建立用户和顶级医疗机构的信任，这道“信任防火墙”是其商业化溢价的核心来源 [10][19] AI医疗功能矩阵 - ChatGPT Health的野心是接管用户健康全生命周期，其通过战略合作而非自建接口的方式整合碎片化的医疗数据 [11] - 其关键合作伙伴是b.well Connected Health，后者是美国最大的实时联网健康数据网络之一，基于FHIR标准构建，帮助AI理解结构化和非结构化的医疗数据 [12][13] - 产品通过集成Apple Health接入动态生理体征数据，使建议具备时间维度，例如结合心率变异性（HRV）数据判断紧急情况 [14] - 产品引入Instacart、AllTrails等合作伙伴，打通从“建议”到“行动”的闭环，例如将饮食计划转化为购物清单或推荐徒步路线 [15] - 蚂蚁阿福也推出了相似功能，并打通了从日常健康咨询到在线问诊、线下就医的全链路服务，印证了东西方C端AI医疗需求的共性 [15] AI医疗估值逻辑的重塑 - 流量入口彻底重构：用户习惯从依赖搜索引擎转向直接向AI索取基于个人数据的精准答案，传统内容型平台（如WebMD、百度健康）的价值将被稀释，流量将向拥有私有数据壁垒的AI Agent集中 [17] - 线下服务的价值重估：在AI时代，真实世界的高质量数据是稀缺的，线下服务商将从“人力服务者”转型为“数据资产商” [18] - “信任”成为核心定价因素：OpenAI Health通过隐私架构和不训练承诺为信任定价，这种信任将成为其未来商业化（如高级订阅、保险合作）的核心溢价来源 [19] - 未来的AI医疗产品将演变为24小时在线、了解用户一切生理数据、并能调动现实世界资源的超级健康管家 [19]

整理 | 华卫 "是时候在工作场景中突破 AI 的应用极限了。"在近期的一档播客节目中，素有 "SaaS 教父" 之称的 Jason Lemkin 表示，这意 味着其销售部门将不再招聘人工员工。Lemkin 是全球最大的企业服务创业者社区 SaaStr 的创始人，曾向 B2B 初创公司投资 超过 2 亿美元，如今他正领导 SaaStr 全面押注 AI Agent。 他透露，公司目前部署了 20 个 Agent，已承接原本需要 10 名销售开发代表和客户主管协作完成的工作。从全人工团队到 AI 主导的转型，SaaStr 的推进速度相当迅速。 两名高薪员工闪辞， 创始人直接用Agent换掉大半人 去年 5 月时，SaaStr 仅有 1 个 Agent 投入实际运营，用于处理各类数字化任务。然而就在当月举办的 SaaStr 年度大会期 间，公司两名高薪销售代表突然宣布离职。Lemkin 回忆道，他随即找到公司首席 AI 官 Amelia Lerutte，明确表示："我们的销 售部门再也不招人工了，要全力用 Agent 突破行业天花板。" 在他看来，与其花费 15 万美元年薪招聘一名最终可能离职的初级销售代表，不如启 ...

市场整体规模与阶段 - 2025年前三季度企业级AI Agent市场规模已达到186亿元人民币，相较2024年前三季度增长超过220% [2] - 市场在2025年第三季度已全面迈入“多行业价值验证”阶段，从早期的“概念教育”和“部分探索”转变而来 [2] - 2025年第三季度AI Agent公开中标项目数量跃升至223个，较上一季度激增162%，市场活跃度得到显著印证 [2] - 部分领先的Agent厂商营收已达到亿元人民币级别 [2] 市场参与者与竞争格局 - 垂直赛道涌现出一批“场景专家”型厂商，它们不追求通用能力，而是聚焦特定行业的专业知识，通过极致的场景化解决能力赢得市场 [2] - 神州云动CloudCC AI成功入选《Global Agent 100 x 100：2025年Q3全球企业级AI Agent优秀厂商图谱》的多个行业场景及应用图谱 [1] - 根据图谱，神州云动CloudCC在通信、医疗、工业制造、客户服务、知识助手、软件开发与IT等多个垂直领域均被列为国内优秀厂商 [4][5][7][8][10] 神州云动CloudCC AI的技术与方案 - CloudCC AI平台采用多模态大模型融合架构，底层整合了国际和国产自研大模型，如DeepSeek、百度文心、豆包、阿里百炼等，并与垂直行业知识库结合 [2] - 平台核心技术还包括自然语言处理、知识图谱、IoT边缘计算等，其CRM系统数据与企业数据深度集成，旨在为企业增长赋能 [2] - 公司推出了“AI+行业”生态模式，将AI智能体深度植入销售、服务、开发等不同职能，形成一系列创新应用场景 [3] 具体应用案例与成效 - 以豪华汽车品牌售后服务为例，CloudCC AI构建了全链路智能服务平台，覆盖AI客服、知识库助手和现场服务助手等场景 [3] - 在该应用中，系统通过自然语言理解和知识图谱快速分类客户需求，将维修知识自动结构化并提供预测性维护建议，实现了“问题识别-方案匹配-服务追踪”流程的自动化 [3] - 该应用使客户问题响应速度提升了300%，平均服务效率提升75% [3]

合作分工 - 新益昌负责机器人本体研发、核心零部件供应及基本功能开发 [2] - 唐源电气负责输出行业核心场景的数字孪生、AIAgent及高速高精度机器视觉检测等技术 [2] - 唐源电气主导商业化落地与客户资源对接 [2] 合作目标与模式 - 双方将基于明确分工紧密协同，共同推动技术融合与场景落地 [2] - 合作旨在加速机器人产品的多行业应用与持续优化 [2] - 唐源电气的技术积累覆盖轨道交通、智能制造、智慧应急及健康医疗等领域 [2]

文章核心观点 英伟达在CES 2026上通过其主题演讲，系统性地阐述了公司在人工智能领域的未来战略重心，核心是推动AI从数字世界向物理世界的扩展，并为此构建了从底层硬件到上层应用的全栈平台[3][8][12][19] AI Agent - 公司将Agentic AI定位为AI发展的重大转型，标志着从生成式、推理模型进入具备高级推理、多步规划和自主行动能力的“代理”阶段[6] - Agentic AI的核心是多模型、多模态代理系统，这些代理根据专长相互调用形成“推理链”，以处理复杂任务，例如Perplexity和Cursor等模型的应用[6] - 该技术将革命企业AI，使企业能够训练特定任务模型并结合推理扩展能力，例如使用Nemotron等模型让数字代理自主管理工作流[7] - Agentic AI被视为连接物理世界的桥梁，使得大语言模型训练的AI代理能够从云端扩展到工业、工厂和机器人领域[8] Physical AI - Physical AI是本次演讲中占比最长的主题，其定义是让摄像头、机器人、自动驾驶汽车等自主系统在物理世界中感知、理解、推理并执行复杂操作[10] - 该技术解决了自主机器无法准确感知和适应物理环境的核心问题，其实现依赖于基于物理规律的仿真技术，通过在虚拟环境中安全训练来提高任务效率和精度[11] - Physical AI正在驱动多个行业变革：在机器人领域，使机器人从工具变为智能设备，如自主移动机器人、机械臂、手术机器人和人形机器人；在自动驾驶领域，让车辆能实时处理传感器数据并在虚拟环境中训练以应对复杂场景；在工业领域，通过摄像头和AI优化工厂、仓库的运营效率与安全[11][12] - 公司将其定位为AI发展的下一个重大阶段，即“机器人学的ChatGPT时刻”或“通用机器人大爆炸”，意味着AI从数字世界扩展到物理世界[12] - 为实现Physical AI，公司推出了全栈平台，以Omniverse为连接器，整合了训练、模拟和推理流程[13] - 平台中的关键亮点是Cosmos世界基础模型，它用于生成基于物理的合成数据以训练机器人和自动驾驶系统，公司提出了“Compute is Data”的理念，强调计算力本身已成为数据来源[15][16] - 公司展示了与三大EDA公司（Cadence, Synopsys）的合作，其技术将应用于汽车、工业、航空航天、医疗等多个领域的数字孪生[18] - 公司预测Physical AI将重塑全球产业，从工厂自动化到家用机器人，并成为应对劳动力短缺的必需技术，推动万亿参数“世界模型”在现实世界中落地[19] Rubin平台 - 公司宣布其下一代AI平台Vera Rubin已进入全面生产阶段，预计2026年下半年开始出货[22] - 该平台硬件核心包括Rubin GPU和Vera CPU，两者协同设计以实现更快数据共享和更低延迟，优化大规模AI模型的训练和推理[24] - Rubin GPU相比前代Blackwell性能大幅提升：NVFP4推理性能达50 PFLOPS，是Blackwell的5倍；NVFP4训练性能达35 PFLOPS，是Blackwell的3.5倍；HBM4带宽为22 TB/s，是前代的2.8倍；NVLink带宽每GPU达3.6 TB/s，是前代的2倍；晶体管数量达3360亿个，是Blackwell的1.6倍[24][33] - Vera CPU拥有88个定制核心、176线程，系统内存达1.5 TB，是Grace CPU的3倍，晶体管数量达2270亿个[31] - 平台升级包含六款新芯片：Rubin GPU、Vera CPU、NVLink 6、NVSwitch、新一代BlueField-4 DPU以及ConnectX-9智能网卡[24] - BlueField-4 DPU拥有1260亿个晶体管，提供800Gb/s带宽，其网络、计算和内存带宽相比BlueField-3分别提升2倍、6倍和3倍[26] - ConnectX-9智能网卡提供800Gb/s以太网带宽，拥有230亿个晶体管，具备可编程RDMA和数据路径加速器以及先进的安全功能[35] - 公司强调Rubin的升级是机架级甚至更大规模的AI基础设施飞跃，而不仅仅是单个芯片的升级[24] - 平台的其他组件包括无电缆、无软管、无风扇的Vera Rubin计算托盘，以及集成共封装光学的Spectrum-X以太网交换机，后者拥有3520亿个晶体管，提供102.4 Tb/s的扩展交换基础设施[28][30]