作者 | 褚杏娟、华卫 在 4 月 25 日的百度 Create 开发者大会现场，百度创始人李彦宏发布了两大模型、多款热门 AI 应用，并宣布将帮助开发者全面拥抱 MCP。同时，百度 正式点亮了国内首个全自研的三万卡集群，可同时承载多个千亿参数大模型的全量训练，支持 1000 个用户同时做百亿参数的大模型精调。 "所有这些发布，都是为了让开发者们可以不用担心模型能力、不用担心模型成本、更不用担心开发工具和平台，可以踏踏实实地做应用，做出最好的应 用！"李彦宏说道。 李彦宏表示，大模型厂商卷生卷死，几乎每周都在发布新模型，但开发者不敢大胆用，因为担心自己的应用被模型迭代快速覆盖掉。李彦宏认为这是把 双刃剑：一方面，开发者确实需要理解技术发展趋势；另一方面，这么多日益强大的模型提供了更多的选择，打开了更多的可能性。 "只要找对场景，选对基础模型，有时候还要学一点调模型的方法，在此基础上做出来的应用是不会过时的"。他强调，"没有应用，芯片、模型都没有价 值。模型会有很多，但未来真正统治这个世界的是应用，应用才是王者。" 发布两大新模型， 价格最高降 80% 文心大模型 4.5 Turbo 和文心大模型 X1 Tur ...

纪要涉及的行业和公司 - **AI大模型及语调服务行业**：库拉斯 - **机器人行业**：智源机器人、达塔科技、飞西科技 - **国产GPU行业**：沐锡、碧人科技、四元科技 纪要提到的核心观点和论据 库拉斯 - **核心观点**：在AI领域有重要地位，发展态势良好 [3] - **论据**：2024年3月成立，背靠国资，为大模型企业提供语调服务；语调服务规模达260T，合作伙伴超100家，签署几十家战略协议；正在建设大模型语调超级工厂，预计2025年底语调库总容量提升到2PB，每天语调加速加工速度达1000P [2][3] 智源机器人 - **核心观点**：具备AI加本体的全站技术，产品和技术有创新突破 [4][6] - **论据**：有远征精灵、灵犀等三大机器人系列家族，已量产下线超一千台通用巨神机器人；灵犀X2全身有28个自由度，能做高难度动作；3月10日发布智源起源大模型，提出VLM + MOE混合架构；3月11日推出新一代人形机器人零星XR，在四个痛点方面有改进，实现三大技术创新 [4][5][6][7] 达塔科技 - **核心观点**：创新性提出云端机器人架构并实现商业化 [8] - **论据**：通过人工智能、多模态融合AI、数字软生论等先进技术，实现机器人自我学习、进化和成长 [8] 飞西科技 - **核心观点**：专注工业化机械臂生产，产品应用场景广泛 [9] - **论据**：核心创业团队来自斯坦福大学机器人和人工智能实验室；飞西玄辉系列凭借多自由度力矩传感器，可在工业、医疗、科研教育、农业等领域应用 [9][10] 沐锡 - **核心观点**：在高性能通用GPU研发有成果和突破 [11] - **论据**：核心团队有近20年高性能GPU产品开发经验；有N、C、G三个系列GPU产品；联合联想发布首个国产Digifig一体机解决方案；实现中国首个四种以上异构芯片混训技术落地；2022年8月发布的BR100芯片创造全球算力纪录，16位浮点算力达1000T以上，8位定点算力达2000T以上 [11][12] 碧人科技 - **核心观点**：针对Queen32B推理模型有部署成果 [13] - **论据**：推出全面支持Queen32B大模型推理的TM106全系列一体机，该大模型接近DeepSea R1的推理能力水平 [13] 四元科技 - **核心观点**：在人工智能云端算力产品有优势 [14] - **论据**：计算集群布局领先，能为企业提供开箱即用的快速部署效果；依托智能加速卡和计算集群，为大型计算中心提供加速产品，降低客户成本；有预算和建算两个软件开发平台，还有内容生成服务产品；2025年率先完成对deepseq全量模型高效适配，一体机已在多地智能计算中心完成1万张卡部署 [14][15] 其他重要但是可能被忽略的内容 - 科技龙珠企业不仅在各自领域领先，在国际上有影响力，能突破国际巨头垄断，引领中国技术发展潮流，有望引发国家对科技企业的关注热潮 [16] - 建议加大对计算机等科技类资产配置，为未上市但有突破的科技企业提供资金支持 [16]

Meta推出Llama 4开源AI模型 - Meta发布Llama 4系列首批模型，包括Llama 4 Scout和Llama 4 Maverick两个版本，是公司迄今为止最先进的模型，也是同类产品中多模态性最强的模型 [1][5] - Llama 4是Llama系列模型中首批采用混合专家（MoE）架构的模型，与传统的稠密模型相比，MoE架构中单独的token只会激活全部参数中的一小部分，训练和推理的计算效率更高 [7] - Llama 4 Behemoth是Meta未来最强大的AI模型之一，总参数高达2万亿，作为对照，DeepSeek-R1总参数规模为6710亿 [8] Llama 4的技术特点 - 参数规模大：Llama 4 Scout共有16位"专家"、1090亿参数、170亿激活参数量；Llama 4 Maverick有128位"专家"、4000亿参数、170亿激活参数量；Llama 4 Behemoth具有2880亿激活参数量 [8] - 多模态能力突出：采用早期融合（Early Fusion）技术，可以用海量的无标签文本、图片和视频数据预训练模型，实现文本和视觉token无缝整合 [8] - 长文本能力突破：Llama 4 Scout模型支持高达1000万token的上下文窗口，刷新了开源模型的纪录，市场上其他领先模型如GPT-4o也未能达到此规模 [9] 开源模型竞争格局 - Meta是开源模型的重要奠基者，2023年开源Llama 2并免费商用，激活了开发者社区的创新潜力，基于Llama 2构建的应用项目数量大大增加 [11] - DeepSeek的崛起对Meta在开源模型社区的领先地位构成巨大冲击，仅用550万美元训练的DeepSeek-V3在基准测试中表现优于Llama模型 [12] - 阿里巴巴通义千问系列开源大模型也表现优异，阿里至今已向全球开源200多款模型，千问衍生模型数量突破10万，超越美国Llama系列 [12] 行业发展趋势 - OpenAI计划在几周后发布最新的推理模型o3和基座模型o4-mini，几个月后推出GPT-5 [13] - DeepSeek与清华大学研究团队联合发布重磅论文，提出两项核心技术，为提升大语言模型的推理能力提供新方法论 [13] - 大模型竞争进入推理强化和应用拓展的下半场，开源开放日益成为大模型的核心竞争力 [13]

西风 明敏 发自 凹非寺 量子位 | 公众号 QbitAI 深夜重磅！阿里发布并开源首个端到端全模态大模型—— 通义千问Qwen2.5-Omni-7B ，来了。 仅靠一个 一体式模型 ，就能搞定文本、音频、图像、视频全模态，并实时生成文本和自然语音。 堪称7B模型的全能冠军。 你的iPhone搭载的很可能就是它！ 现在打开Qwen Chat，就能直接和它实时进行视频或语音交互： 话不多说，先来看一波能力展示。 在大街上同它视频通话，它能正确识别周围环境，按照你的需求为你推荐餐馆： 走进厨房，它又化身"智能菜谱"，一步步指导你变成大厨： 在多模态任务OmniBench评测中，Qwen2.5-Omni表现刷新记录拿下 新SOTA ，远超谷歌Gemini-1.5-Pro等同类模型。 在单模态的语音识别、翻译、音频理解、图像推理、视频理解、语音生成任务中，Qwen2.5-Omni的全维度表现也都优于类似大小的单模态模 型以及闭源模型。 在seed-tts-eval语音生成基准中，Qwen2.5-Omni展现出与人类水平相当的语音合成能力。 这意味着Qwen2.5-Omni-7B能很好地和世界进行实时交互，甚至能轻松识 ...

引言 - 金融行业作为数据密集型产业，正面临技术与金融深度融合带来的机遇和挑战，人工智能正在重塑行业格局 [1] - DeepSeek作为新一代开源大语言模型，凭借低成本、高效推理能力和技术创新，为金融企业提供强大技术支持，成为金融数据领域的重要变革因素 [1] - LSEG Academy举办网络研讨会，从技术突破、应用场景、合规挑战及未来趋势四方面解析DeepSeek如何推动金融数据领域智能化转型 [1] DeepSeek的核心技术优势 开源战略构建全球生态系统 - DeepSeek采用最宽松的开源策略（MIT License），技术在全球范围内快速传播和应用，吸引众多企业和开发者参与，构建全球开发者生态系统 [3] - 中小企业得以以极低成本引入AI能力，快速实现智能化数字化转型，满足大模型私有化部署诉求 [3] - 开源模式打破大模型技术被闭源公司垄断的格局，使中国在全球AI竞争中占据一席之地 [4] 推理模型打开大语言模型黑盒子 - 传统大模型依赖海量文本训练，相当于"知识存储库"，随着训练语料枯竭陷入发展瓶颈 [5] - DeepSeek通过改进强化学习训练方法赋予大模型"主动学习"能力，类似于人类从"死记硬背"到主动"实践技能"的进化 [5] - 模型可通过反复试错学习金融数据分析，逐步提升决策能力，根据市场变化优化自身性能，主动适应复杂场景 [5] - 推理模型的可解释性满足金融行业对透明度的要求，清晰展示分析逻辑，助力风控与合规 [6] 全流程的工程优化 - DeepSeek通过优化混合专家模型（MoE），将普通专家分为共享专家与领域专家，优化分工，减少训练冗余 [7] - 路由优化使训练数据到达正确专家，数据压缩和并行预测技术进一步降低资源消耗，提升效率 [7] - 追求极致的工匠精神使训练成本降至"白菜价"，降低私有化部署门槛，推动AI技术普及和行业应用广泛落地 [7] AI在金融行业的应用场景 降本增效：提升运营效率 - AI通过智能客服、编程助手等工具化身数字员工，大幅提升运营效率，降低人力成本 [9] - 伦交所集团采用大模型技术将客服效率提升50%以上，且持续优化中 [9] - 高盛利用大语言模型自动化生成代码，大大缩短业务系统开发时间 [9] 风险管理：优化风控模型 - AI凭借强大语言能力优化风控模型，自动生成风险提示与报告 [10] - 通过对大量数据和非结构化文本的监测、分析和处理，精准识别潜在风险，提供及时风险评估和预警 [10] 投资决策：优化投资策略 - AI通过智能投顾提升研究能力，帮助金融机构优化投资策略，生成个性化投资建议 [11] - 对投资组合进行实时监控和分析，及时调整以应对市场变化，提升投资收益 [11] - 对冲基金TwoSigma利用大模型分析财报、新闻与社交媒体，识别潜在投资机会和风险 [11] 客户服务：提升客户体验 - AI支持个性化推荐和智能交互，根据客户兴趣和需求提供个性化金融产品和服务 [12] - 渣打银行与伦交所集团合作推出全球首个外汇市场AI视频自动生成的获客工具，大大提升财富管理客户满意度 [12] 合规挑战与应对策略 数据隐私与安全风险 - 金融行业高度依赖敏感数据，大模型应用可能加剧隐私泄露风险，如生物识别信息滥用导致身份盗用，钓鱼邮件和深度伪造技术威胁资金安全 [13] - DeepSeek的本地化部署和数据加密技术可保证数据安全性和隐私性，确保金融机构对数据的合法合规使用 [14] 智能时代的用户教育 - 金融投资者、消费者需警惕过度暴露个人信息，如随意授权生物信息可能被用于伪造交易行为 [15] - 金融机构可通过AI反钓鱼模型实时监控，识别异常行为，向用户推送风险提示，形成"技术+教育"双重防线 [15] 未来趋势 智能体（AI Agent） - AI Agent将替代人工，根据预设规则和任务要求自动完成复杂业务操作，提高效率，减少人为错误 [16] - 基本面分析、技术分析和宏观研判可由不同Agent分工协作，最终生成交易信号，改变投研、客服等岗位运作方式 [16] 多模态 - DeepSeek R1模型以文本处理为主，未来可能发展多模态大模型，支持图像（如K线图解读）、语音（如财报电话会实时解读）等场景 [17] Smart data+NLP编程 - 未来大语言模型开发人员可能使用中文等自然语言"编写代码"，用少量优质数据训练垂直领域小模型，降低AI开发技术门槛 [18] AI平权与生态重构 - DeepSeek的低成本AI发展路径将持续降低算力成本，使中小机构获得顶级投行分析能力，推动行业竞争战国时代 [19] - 传统金融数据服务商面临业态重构压力，DeepSeek擅长处理非结构化数据，将其转化为结构化洞察，改变传统数据服务模式 [19] 结语 - DeepSeek的横空出世被称为"AI界的斯普特尼克时刻"，更像15世纪的古登堡自动印刷机，通过开源与技术创新打破算力垄断，推动AI普惠 [21] - DeepSeek开启AI领域"战国时代"，促使金融领域从降本增效走向核心业务重塑，智能体、多模态技术成熟将更深层次重构金融价值链 [21]

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 听说了嘛？朋友， 元宝电脑版 新鲜出炉了！ 而且啊，从logo上来看，就是主打一个 "满血版" 。 果不其然，从内嵌的模型来看，元宝电脑版在配置了自家的 混元大模型 之外，还有就是大火的 DeepSeek 。 以及从功能上来看，也是非常DeepSeek模式，主要包含 深度思考 和 联网搜索 。 从官方介绍的功能特点来看，区别于其它大模型产品， 微信公众号 这个资源渠道成了元宝电脑版的一大特点。 当然，相比于早就已经上线电脑版的另一个产品——ima（艾玛），也有朋友提出了自己的困惑。 对此，腾讯官方也是下场做了回复，称二者各有侧重。 那么元宝电脑版到底体验如何？话不多说，我们实测走一波。 实测元宝电脑版 首先我们来一个 时效性 的问题： 截至2025年3月最新SpaceX星舰发射计划有哪些技术突破？ 截至2025年3月最新5paceX星舰发射计划有哪些技术突 破? 引用 7 篇资料作为参考 v 已深度思考(用时12秒) ^ 好的,我现在需要回答用户关于截至2025年3月SpaceX星舰发射计划的技术突破的问 题。首先,我需要仔细阅读用户提供的搜索结果,找出其 ...

AI市场发展回顾与展望 - 23年AI市场爆发初期，互联网从业者和美元基金迅速涌入，投资焦点集中在大模型公司，OpenAI背景人才备受追捧 [1] - 24年上半年一级市场跌至十年最低谷，大模型公司热度消退，Pre Training模式被质疑，具身智能成为新投资关键词 [2] - 24年9月后市场出现三大变化：融资复苏、多模态模型能力突破（图片/语音/视频生成达GPT-3水平）、AI创二代创始人涌现 [3] 技术演进趋势 - 大模型呈现四大趋势：基础设施化、开源快于闭源、多模型混合方案受青睐、产品价值高于技术 [2] - 多模态进展超预期，视频和3D模型发展速度显著快于语言模型，推理模型o1推动Agent落地 [3] - AI Native产品形态可能通过多模态实现突破，NotebookLM展示跨模态内容组织新范式 [13][14] 投资与创业格局 - 25年市场两极分化加剧：美元基金聚焦出海，人民币基金侧重硬科技/国产替代，初创公司首轮估值达3000-5000万美金 [4][5] - 应用落地成为共识方向，生产力工具类产品主导市场，20-30家应用公司估值超5000万美金，头部ARR达1000万美金 [2][6] - 创始人画像迭代：从互联网转型者变为AI创二代（大厂AI负责人/创业公司联创），认知水平和商业模式显著升级 [3] 商业模式变革 - Prosumer（小B大C）模式验证成功：兼具C端传播属性和B端付费能力，预计25年将出现千万美金ARR公司 [6] - Agent商业模式可能颠覆SaaS：按结果付费替代订阅制，销售体系重构，新创企业比现存SaaS公司更具转型优势 [7][8][9] - Perplexity案例显示搜索平台可能演变为任务完成型Agent，成为AI时代核心入口 [12] 未来重点方向 - Agent领域三大机会：2B场景落地、存量SaaS公司AI化、新商业模式创业公司反攻 [11] - 多模态潜在突破点：视频作为内容输出终局、用户从被动接收转向参与式消费、生产关系变革 [15] - 技术-商业协同效应：AI理解能力+多模态组织将重塑产品形态，如NotebookLM的交互式对话设计 [13][14]

市场趋势与行业动态 - 2023 年 AI 创业投资关键词是大模型，2024 年是具身智能，2025 年将是应用落地[2][4] - 2024 年 9 月后融资市场复苏，各种模态模型能力加强，创始人画像改变，市场进步将延续到 2025 年[4] - 2025 年市场环境将进一步变好，但会更加两极分化，资本方向上美元基金和人民币基金分化，创业融资更倾向背景好的人[4] 投资机会与潜在风险 - 2025 年看好应用落地方向，尤其是生产力工具类产品，预计会出现一批千万美金 ARR 的创业公司[4] - 2025 年看好 Agent 和多模态方向，Agent 主要在 2B 领域落地，新商业模式的 Agent 创业公司将冒头反攻现存 SaaS 企业[4][5] - 多模态可能藏着 AI Native 的答案，未来产品组织形态和使用逻辑可能彻底变化[7] 公司财务表现 - 当下市场约 20 - 30 家应用类公司估值超 5000 万美金，多数应用公司 ARR 年收入为 0，少数找到 PMF 的达 100 万美金 ARR，极少数头部项目达 1000 万美金 ARR[2] 技术发展趋势 - 大模型逐渐成为基础设施，开源进展速度超闭源，实际应用落地偏向多模型混合方案[3] - 推理模型能力提升解锁 Agent 可能性，未来各专业人群、垂直领域都有 Agent 机会[4] 商业模式分析 - Agent 若按结果付费，将对现有 SaaS 公司和模式产生颠覆式变化，销售人员管理和组织模式也会改变[5]

技术进展放缓 - 大模型行业在5月密集发布13场发布会和10多款新模型，但技术突破有限，GPT-4o语言能力与GPT-4持平，GPT-5未发布[2][4] - 多模态成为技术焦点，OpenAI、Google、微软推出能处理语音、图像的模型，但产品仍处Demo阶段并引发侵权和隐私问题[4] - GPT-4o在文本处理能力上提升有限：MMLU提升2.5%、HumanEval提升3.6%、MGSM提升2.3%、DROP下降3%[11] 行业竞争格局 - OpenAI和Google将核心模型API价格降低50%，中国公司降价更激进，幻方模型价格比行业低90%以上[8][29] - 字节、阿里、百度、腾讯等大公司跟进降价甚至免费，价格战加剧[8][30] - 降价驱动因素包括技术优化（模型架构调整、分布式推理）、小模型策略、芯片性能提升（英伟达GB200推理性能提高30倍）[31] 商业化挑战 - 红杉资本估算行业GPU投入达500亿美元但收入仅30亿美元，商业化进展慢于互联网等历史技术变革[21] - 微软、Google、Meta计划继续投入数百亿美元购买GPU为未来应用爆发做准备[22] - 杀手级应用探索集中在语音助手（GPT-4o与Siri整合）、搜索引擎（Google AI Overviews）、操作系统（微软Recall）等方向[24][26] 创业公司困境 - Adept、Stability AI、Humane等明星AI创业公司寻求出售，估值在7.5-10亿美元区间[33] - 中国头部大模型公司融资门槛提高，单轮融资达数亿美元，投资方集中于大型科技公司[33] - 应用层创业窗口仍在，秘塔搜索用户增长超500%，但受限于模型能力进展，半年内缺乏创新产品[35][36] 技术发展方向 - 优质训练数据接近耗尽，行业转向多模态和小模型策略[13][18] - GPT-4o实现端到端语音架构，响应时间从秒级降至毫秒级，更接近人类对话体验[13] - 图像理解能力显著提升，在MMMU数据集上得分69.1%，比GPT-4 Turbo提高6个百分点[17][18] 监管动态 - 欧盟通过《人工智能法案》，要求披露训练数据版权和AI生成内容标识[41] - 美国推进限制开源模型出口的法案，众议院外交事务委员会已投票通过[41] - 25位科学家联名呼吁加强AI监管，认为AGI风险迫近，而杨立昆等学者认为当前模型远未达到智能水平[38][40]