多模态AI视频行业竞争格局 - 行业竞争焦灼 参与方在技术上均无绝对优势 长期优势难以维持[2] - 当前竞争焦点在于执行力与速度[2] - 近期Open AI发布Sora 2模型 国内AI视频公司亦频繁更新动态[3] 百度蒸汽机模型技术进展 - 百度蒸汽机模型于10月15日升级 重点提升交互体验[3] - 模型实现实时交互生成AI长视频 突破传统10秒时长限制[4] - 用户可通过上传图片和提示词启动生成 并可实时预览 随时暂停或修改提示词以控制视频剧情 画面和转场[4] 百度蒸汽机模型技术细节与迭代 - 为延长视频时长 行业普遍采用"首尾帧续写"技术 但易导致视频缺乏连贯性[4] - 百度团队升级基础架构 引入自回归扩散模型 并着手消除训推偏差及优化一致性以应对技术挑战[4] - 自7月发布以来 模型基本保持每月重大更新的迭代频率[4] - 百度蒸汽机的APP正在规划中[4]

技术发展趋势 - 人工智能正从工具演变为深度理解人类需求的智能伙伴，跨越软件、硬件、机器人等形态 [2] - 多模态、AR/VR、空间计算等技术融合，推动数字世界与物理世界的界限模糊并融合 [4] - 智能技术跨越产业、学科和场景边界，催生全新生态和机遇，成为驱动社会演进的核心动能 [3][14] 行业生态与影响 - 企业、技术与社会之间的连接与共生成为推动发展的核心动力，技术贯通产业链并催生新业态 [5][14] - 人工智能逐步成为基础设施，重塑人类未来的工作、生活和社会运作模式 [7] - 数字智慧开始重塑物理世界，提升全社会福祉和效率 [14] MEET2026智能未来大会 - 大会主题为“共生无界，智启未来”，聚焦人工智能+、AI Infra、智能终端、智能驾驶、低空经济、能源电力等前沿话题 [13][14] - 会议拟于2025年12月在北京举办，汇聚科技、产业、学术领域领军人物，包括李开复、张亚勤、多位院士及百度、阿里、腾讯、华为等公司代表 [7][9][24] - 大会作为年度科技商业峰会，过往吸引上千名科技从业者现场参与，百万观众线上围观，近百家合作媒体联合曝光 [12] 年度评选与报告 - 将发布“2025人工智能年度榜单”，从公司、产品、人物三大维度评选领航企业、潜力创业公司、杰出产品、杰出解决方案、焦点人物五类奖项 [16][17][18][19] - 量子位智库拟在大会上发布《2025年度AI十大趋势报告》，提名释放巨大潜力的十大AI趋势并进行深入分析 [22]

对话一：语言对于智能到底意味着什么？ - 语言模型在智能构建中扮演核心角色，其成功源于对语言在智能中核心作用的认知，ChatGPT和Transformer的成功均得益于此[6][9] - 语言具备时间维度，总是在生成下一个词，而序列模型（如Transformer）可处理包括语言、蛋白质、音频在内的各种序列，时间序列是表达智能的重要组成部分[7] - 语言训练具有实践优势，互联网上海量的语言数据使得训练非常方便且成本远低于视频训练[9] - 语言模型确实会形成独立于语言的抽象概念，例如在解决数学问题时，尽管用不同语言生成答案，但解题方式和错误类型相同，表明模型在抽象空间进行思考[10] - 然而，未经过大量多模态数据训练的模型，其概念（如"痛苦"或"爱"）可能与人类植根于物理世界的真实感受有所不同[11] 对话二：多模态与世界模型的挑战 - 现代大语言模型（如GPT-4）已是多模态模型，能接收和生成图像、音频，并已取得巨大进展，例如ChatGPT的语音模式可以对话、唱歌[12] - 当前多模态处理方式（如通过VQ-VAE将图像/音频编码为特殊代码）有效但不令人满意，未来需要更深入地将多模态融合到模型中，使编码更具可训练性并与语言有更多交互[13] - 语言对于为视觉对象赋予语义含义至关重要，否定语言价值的视觉派研究可能重蹈ChatGPT发布前的错误路线[14] - 现代大语言模型在某种程度上已是世界模型，在文本和数学方面表现卓越，但作为物理模型的表现不如语言模型，部分原因是视频训练数据不足、质量不佳及当前架构限制[14] - 通过改进架构、损失函数并增加更好更多的数据，结合像Sora、Genie和Veo这类从视频学习的模型，正在弥合"世界模型"与"语言模型"之间的差距[15] 对话三：AI编程：自然语言是终极目标，还是新的"巴别塔"？ - Transformer架构的创造者在早期就已预见其在自动化编程方面的应用潜力[17] - 未来语言模型将能覆盖大量编程工作，但数学符号和编程语言作为沟通工具，在解释复杂概念时比纯自然语言更高效，因此专业程序员仍需掌握这些概念以实现与模型的快速、高效沟通[18] - 编程的重点在于沟通和抽象，而非特定语言，AI有望帮助更好地使用现有编程语言来改进系统，而非必然需要创造新的为AI设计的编程语言[19] - 新的编程语言需求将来自新的计算硬件架构，而非AI编程本身[20] 对话四：Agent的泛化困境：是方法问题，还是根本限制？ - 所谓的"智能体模型"通常指在其推理过程中能调用外部工具（如代码解释器、网络搜索）的推理模型，这些模型使用强化学习训练且效果良好[21] - Agent泛化问题的主要挑战在于缺乏学习信号，当模型使用未经训练的工具时，没有像强化学习训练那样的反馈机制来检查答案正确性[22] - 要实现出色的多智能体系统，需要能够模拟整个环境进行训练，而这在当前难以实现，但即使没有大量训练，聪明的模型也能零样本完成许多任务[23] 对话五：算力与算法：Scaling Law是信仰还是路径依赖？ - 预训练的Scaling Law已带来巨大进展，但存在经济上的实践极限，因为用户不愿为每个token支付过高费用，且大模型可被蒸馏成更小模型[25] - 预训练的Scaling Law在解决某些问题（如GSM-8K数学数据集）时速度不可行，而强化学习推理能用小模型解决相同问题，显示出更高的数据效率[26] - 推理模型的Scaling Law（通过强化学习让模型运行更长时间以提升性能）受限于Transformer的上下文长度设计以及强化学习在长序列推理中的信用分配问题[27] - 推理的Scaling Law与预训练的Scaling Law有不同限制，这呼唤新的研究和可能的架构或强化学习算法改进[28] 对话六：具身智能的挑战：是数据问题？还是比特和原子的根本性差异？ - 具身智能可能更接近于当前的大语言模型，数据效率正在提高，例如推理模型能用极少样本学会困难任务[29] - 实现具身智能需要一个在大量视频上预训练好的多模态模型作为基础，再结合强化学习进行推理训练，但需要调整架构以适应现实世界行动的速度要求[30] - 第一个版本的具身智能模型可能基于现有成果调整，但未来会出现数据和计算更高效的新一代模型[31] 对话七：强化学习：是超级优化器，还是科学发现的引擎？ - 由强化学习驱动的推理模型可被视为一种数据效率更高的新架构或范式，能够从有限数据（如1000道数学题）中学习[32][33] - 强化学习只依赖一个奖励信号，若优化得当，模型有望从研究论文中学习并提出连专业人员都觉得新颖的想法，推动科学发现[33] - 该范式仍处于早期阶段（社区广泛关注约一年），需要更多尝试、发现和改进以提升效率和应用范围[34] 对话八：AI的组织跃迁：如何实现大规模Agent协作？ - 实现大规模Agent组织（如成千上万个Agent协作）的最大挑战在于开发下一代推理模型，需要类似Transformer之于RNN的架构创新[35] - 当前推理模型顺序生成token的方式缺乏并行性，未来需要为并行过程提供更多信号，并结合新的架构来融入并行处理[36] 对话九：AI记忆的瓶颈：模型离真正的"原生记忆"还有多远？ - 通过将记忆作为工具（如访问互联网或记忆库）并结合强化学习训练，模型可以有效地解决记忆问题，当前方案已相当可行[37][38] - 未来可能出现更优雅的记忆机制，如将记忆转化为连续的向量或通过类似LoRA的适配器微调模型权重，但这仍是待研究的问题[40] 对话十：大模型如何摆脱瞬时学习，而像人类一样持续学习？ - 利用上下文学习作为持续学习的记忆是当前已实现的进展，模型将对话信息放入上下文进行处理，但效率并非最高[39] - 通过记忆工具和像LoRA这样的适配器微调技术，实质性修改权重已变得更加可行，为持续学习提供了基础，但如何优化算法仍是研究重点[40] - 下一代推理架构有望实现更并行的处理，推动模型在科学发现等领域的应用，未来并不遥远[41]

股市表现比较 - A股市场表现强于美股市场 [1] - 中积电公司表现强于台积电公司 [1] 行业数据与趋势 - 9月和10月大模型tokens调用量持续增长 [3] - Gemini和Claude模型的日活跃用户数据表现良好 [3] - 人工智能与黄金板块出现同步上涨行情 [5] 大模型技术发展 - 多模态被视作大模型技术发展的下一个重要方向 [6] - 美国公司10月底即将发布的财报数据获得支撑 [1]

投资建议与核心观点 - 报告建议关注国内生成式大模型龙头科大讯飞[2] - AI硬件作为应用落地新载体，建议关注海康威视、虹软科技、禾赛等[2] - AI功能打磨有望带动付费率与Arpu值提升，建议关注迈富时等[2] - 计算机板块处于主业回暖改善、AI应用落地加速的周期[9] - 下半年经营强度预计在低基数和新技术落地加快背景下好于上半年[9] - AI落地进展相比前两年更多，下半年预计环比上半年有倍数增长[9] 行业关键事件与技术进展 - OpenAI于10月1日发布新一代AI视频模型Sora 2及社交应用Sora App，实现物理一致性、音画同步等重大突破[9] - 腾讯混元团队于10月5日发布开源文生图模型混元图像3.0，参数量达80B（推理激活13B），位列文生图综合榜与开源榜第一[9] - OpenAI在10月7日开发者大会发布多项更新，包括AgentKit、Codex正式版、Sora 2 API及GPT-5 pro API等[9] - Figure于10月10日发布新一代人形机器人Figure 03，具备感知3克压力的高精度触觉系统，可完成复杂家务任务[9] 细分行业景气度与市场表现 - 2025年高景气维持的赛道包括AI算力、激光雷达[9] - 加速向上的赛道有AI应用[9] - 稳健向上的赛道包括软件外包、金融IT、量子计算、数据要素、EDA、出海、信创[9] - 拐点向上的赛道包括教育IT、网安、企业服务[9] - 底部企稳的赛道包括智慧交通、政务IT、安防、建筑地产IT[9] - 略有承压的赛道包括工业软件、医疗IT[9] - 2025年9月29日至10月10日，计算机行业指数（申万）上涨1.47%，跑输沪深300指数0.88个百分点[11] - 同期A股日均成交额为2.6万亿元，同比上升36.3%，环比上升19.0%[18] - 截至2025年10月9日，两融余额为2.4万亿元，同比上升47.0%，环比上升0.05%[18] 重点事件前瞻 - 第十届中国国际人工智能大会暨人工智能算力算法高峰论坛将于2025年10月28日在上海举办[25] - 第二十七届中国国际高新技术成果交易会将于2025年11月14日在深圳举办，预计展示面积40万平米，其中人工智能与机器人产业链展超6万平米[25]

对话一：语言对于智能到底意味着什么 - 语言在时间维度上对智能至关重要，语言模型本质是序列模型，处理时间序列是表达智能的重要组成部分 [6][7] - 语言经过人类编码压缩，在智能表征上比视觉更高效，语言边界就是世界边界 [7] - 训练语言数据非常方便，互联网有海量语言数据，用语言训练比用视频便宜得多 [8] - 语言模型会形成抽象概念，当用多种语言训练时，模型在抽象空间解决问题然后表达出来 [9] - 模型概念与人类概念可能存在差异，特别是在与物理世界紧密相关的领域 [10] 对话二：多模态与世界模型的挑战 - 现代大语言模型如GPT-4已经是多模态模型，能接收和生成图像音频，但模态间迁移水平不尽如人意 [12] - 当前多模态处理通过VQ-VAE编码器，感觉不令人满意，需要更深入融合到模型中 [13] - 语言对多模态非常重要，离开语言视觉只是像素信号，语言赋予视觉对象语义含义 [14] - 现代大语言模型在某种程度上就是世界模型，文本数学方面表现优异，但作为物理模型表现不如语言模型 [14] - 通过架构改进、更好数据将弥合世界模型与语言模型差距，Sora等模型显示正在取得重大进展 [15] 对话三：AI编程：自然语言是终极目标，还是新的"巴别塔" - Transformer发明时已考虑自动化编程，认为比处理任意对话更容易 [17] - 语言模型将覆盖大量编程工作，但数学和编程语言是比纯自然语言更好的沟通工具 [19] - 未来复杂系统级软件需要专业程序员使用Copilot模式，应用软件可由大众用户自然语言编程完成 [20] - 编程重点在于沟通和抽象，不一定需要新编程语言，可以使用现有语言但要用得非常好 [20] - 新编程语言需求来自新计算架构，而非AI编程需求 [20] 对话四：Agent的泛化困境：是方法问题，还是根本限制 - Agentic Model缺乏坚实技术实体，指推理过程中调用外部工具的推理模型 [21] - 问题在于使用未经训练工具时缺乏学习信号，效果不好 [22] - 强化学习可泛化到更大系统，但需要训练期间接触所有工具，目前难以实现 [22] - 需要更多工作让系统可训练，即使没有太多训练也可能非常有用 [23] 对话五：算力与算法：Scaling Law是信仰还是路径依赖 - 预训练Scaling Law和强化学习Scaling Law不完全是一回事，有不同限制 [25] - 预训练Scaling Law存在经济限制，离经济极限不远，可将大模型蒸馏成更小模型 [25] - 推理模型不增加参数数量，让模型运行更长时间会变得更好，但有架构限制 [27] - 推理Scaling Law与预训练Scaling Law有非常不同限制，呼唤新研究和不同架构 [28] 对话六：具身智能的挑战：是数据问题？还是比特和原子的根本性差异 - 具身智能将更接近当前LLM，物理世界数据比互联网少，但数据效率在提高 [29] - 需要从多模态模型开始，加入RL训练，允许模型在行动前进行推理 [30] - 现实障碍是推理速度太慢，需要层级式架构输出动作 [30] - 第一个版本建立在现有成果上做调整，之后会有新一代更高效模型 [31] 对话七：强化学习：是超级优化器，还是科学发现的引擎 - 推理模型看作新架构，有思维链推理过程，用强化学习方式可行 [32] - RL数据效率高得多，可从有限数据中学习，如1000道数学题 [33] - RL只得到一个奖励，没有约束，能很好优化就可以学习 [33] - 处于范式早期阶段，需要尝试发现改进才能更高效 [34] 对话八：AI的组织跃迁：如何实现大规模Agent协作 - 最大挑战是开发下一代推理模型，需要Transformer创新级别的推理模型 [35] - 需要更多并行性，不能等模型思考一周才得到奖励 [36] - 需要为并行过程提供更多信号，结合架构融入并行过程 [36] 对话九：AI记忆的瓶颈：模型离真正的"原生记忆"还有多远 - 推理模型可使用工具访问记忆，通过RL训练会学得很好 [37] - 工具方式解决记忆问题对于大多数情况足够好，模型能区分互联网记忆和自己记忆 [37] - 未来架构可能做得更好，但目前有可行解决方案 [38] 对话十：大模型如何摆脱瞬时学习，而像人类一样持续学习 - 利用上下文作为持续学习记忆是进展，但效率不高 [39] - 记忆工具正在出现，模型在推理中访问记忆 [40] - LoRA模块等经济方式修改权重已更可行，每个人可微调自己模型 [40] - 需要更优雅方式实现持续学习，涉及实践和研究考量 [41]

AI投资与商业化趋势 - AI领域投资重点转向B端项目，核心考量商业化闭环和变现能力[1] - Token调用量成为衡量AI公司实际采用规模与增长潜力的核心标尺，如同互联网时代的用户数[1] - 大模型调用场景发生显著变化，从离线的打标和娱乐性场景，转向在线任务大幅上升，互联网公司和消费电子企业的大部分交互已开始由大模型取代[1] Token消耗规模与增长 - 中国日均Token消耗量从2024年初的1000亿增长至2025年6月底的突破30万亿，一年半时间增长超过300倍[2][4] - 2025年上半年中国企业级大模型日均调用量较2024下半年大增363%，已超过10万亿Tokens[4] - 大模型企业级市场呈爆发式增长，调用量最大的公司是互联网和消费电子企业，其次制造业、传统企业、政府部门和金融机构的调用量也有增长[4] 大模型市场竞争格局 - 中国大模型市场前三名份额合计超40%，其中阿里通义占比17.7%，字节豆包占比14.1%，DeepSeek占比10.3%[4] - 企业正从追求单一最强模型，转向为特定业务场景寻求最优解，对不同模态、尺寸和落地场景匹配的需求将爆发[4] - 模型供给呈现丰俭由人态势，快速匹配多元化市场需求[5] 行业应用与AI Agent发展 - 中国AI应用以生产力工具为主导，垂类行业的B端需求强劲，AI+工业的政策空间和应用空间较大[5] - 企业基于业务需要和成本考量，更倾向选择适配自身需求的底层大模型，而非一味追求大尺寸和强性能[6] - AI Agent被视为有望替代原有SaaS系统的技术，企业正加大布局，中基宁波集团计划在内部搭建100个有效智能体[5][6][7] 企业选型考量与模型趋势 - 企业在模型侧的选择主要考量五个方面：稳定性、效率、成本、服务响应和易用性[6] - 模型小型化成为未来几年的关键趋势，务实和好用成为B端企业调用大模型的基本原则[6] - 对于需要快速识别的场景使用小模型以降低Token消耗成本，对于深度推理则使用满血版模型[6] SaaS行业变革与商业模式 - SaaS行业长期面临用户付费意愿低、企业盈利难的问题，AI浪潮下有望改善边际，通过帮客户创造新价值来分得更多利润[7] - 钉钉颠覆SaaS商业模式，推行按结果付费，发布十余款AI产品，强调商业结果可交付[9] - AI应用的竞争最终将回到行业认知、模型工程能力以及实际应用效果，用户只会为效果买单[11] 技术演进与未来挑战 - AI技术从单一的大语言模型向多模态演进，从Copilot切换到Agent，从纯软件端向软硬件一体摸索[1] - AI Agent在稳定性方面有严格要求，不同企业对智能体的算力部署方式会提出严格要求，能力还需不断迭代[6][10] - 垂类行业应用中，知识库和数据库的沉淀积累将成为AI Agent企业的护城河，从数据到语料的处理是主要挑战，50%至70%的客户指导时间用于处理此关系[8][12]

行业技术趋势 - 计算机视觉领域传统算法需求锐减，检测、分割等已被归类为传统算法，类似SVM、SIFT的地位 [8] - 市场需求高度集中于大模型、多模态、文生图/视频以及自动驾驶端到端大模型等前沿方向 [8] - 自动驾驶公司的感知岗位是计算机视觉领域内少数仍有需求的领域 [8] 企业招聘动态 - 2024年求职机会相比2021年显著增多，各大厂及知名中小厂均能提供较多面试机会 [8] - 面试流程密集，存在单日进行多达8场面试的情况，反映出招聘活动活跃 [4] - 企业招聘考核标准趋严，几乎所有公司都要求手写LeetCode代码题，高频题目包括实现NMS、MultiHeadSelfAttention、MLP的前向和反向、岛屿数量等 [9][11] 业务部门价值 - 公司中台部门业务价值受到质疑，缺乏自有业务，主要承接其他部门已深度优化的算法任务，难以形成系统性业务积累 [6] - 行业出现去中台化趋势，中台部门对求职者吸引力较低 [6] - 相比中台，拥有稳定业务的部门（如内容安全）更具吸引力 [6]

财务预测与估值 - 东方证券预测快手25至27年经调整归母净利润分别为196亿元、230亿元和259亿元 [1] - 基于可比公司给予公司26年17倍市盈率估值，对应合理价值为3911亿元人民币，折合4281亿港元 [1] - 目标股价定为99.07港元/股，维持"买入"评级 [1] 多模态AI业务发展 - 快手可灵通过底模迭代保持领先优势 [1] - 2.5 Turbo版本采取性能升级与降价30%的组合策略，有望进一步带动用户增长和流水上行 [1] 核心主业AI赋能 - AI技术持续推动核心主业提效 [1] - 内容推荐系统OneRec为社区生态健康度提供支撑 [1] - 商业化系统的AI重构为主业稳健增长带来长效动能 [1]

TradePilot 2.0 技术架构升级 - 技术架构进行系统性革新，通过稀疏激活、门控单元等技术提升计算与存储效率 [4] - 训练算法结合强化学习与对抗训练，增强模型稳定性并提升对低频长尾任务的处理能力 [4] - 采用高效并行计算架构，整合混合精度训练、分布式数据并行等策略，训练效率较上一版本显著提升 [4] - 采用训练-推理一体化设计，在训练阶段融入推理优化逻辑，使模型能以更低计算消耗实现更高处理吞吐量 [4] 数据体系构建 - 打造全流程自主数据生产体系，涵盖采集、清洗、增强等环节形成闭环 [5] - 数据来源涵盖外贸知识库、外贸金融数据、行业公开数据等，构建多模态数据池 [5] - 清洗环节结合自动化筛选与人工审核剔除低质量数据，增强阶段利用主动学习、数据合成技术扩大规模并优化分布 [6] 多模态能力与应用拓展 - 多模态能力实现质的飞跃，能高效识别和解析商品图片、发票、报关单、物流单据及合同文件等贸易相关视觉信息 [9] - 在反洗钱风控领域构建更严密的风险识别体系，依托强大的上下文推理和自然语言处理能力对交易信息进行深度解析 [9] - 采用多模态信息抽取技术，在企业客户认证阶段精准提取证件信息，在收款创建订单阶段自动化识别PI单据信息 [10] - 深度嵌入智能客服体系，实现语义识别和理解能力的飞跃，智能客服解答率从原本的13%大幅跃升至90% [10] 行业趋势洞察 - 专业化分叉是大模型演化的重要趋势，金融等高合规行业正构建针对具体任务的行业/专业大模型 [10] - 多模态跃迁正推动大模型迈向新阶段，从文本到视频与高精度传感器的多模态输入让模型能够"看见过程" [11] - 未来系统形态为"边缘感知+云端认知"，企业的差异化优势将体现在感知侧覆盖、数据治理与端云协同能力上 [11]