AI行业迈入盈利与商业变现新阶段 - 2026年被多家机构视为AI应用从技术验证迈向大规模商业推广的关键之年 成为AI应用的“黄金元年”和放量落地之年 [1][13] - 大模型作为流量入口与商业化落地双重枢纽的核心逻辑已完全跑通 行业正站在商业变现、开花结果的新起点 [1] - 在算力硬件板块连续多年增长后 AI应用迎来最佳投资窗口期 随着技术迭代与商业模式日趋成熟 相关企业业绩将逐步得到验证 [8] 资本市场表现与行业信心 - 2025年1月12日 A股AI应用板块全线爆发 蓝色光标、易点天下、中文在线、昆仑万维等多只个股斩获20CM涨停 [1] - 同日 港股头部大模型企业智谱盘中涨幅一度超60% 收盘涨31.4% MiniMax盘中冲高逾30% 收盘涨幅达15.36% [3] - 两家头部大模型企业成功上市 不仅打通自身“资本闭环” 更给整个AI应用行业注入强劲信心 为行业后续估值体系搭建、企业融资落地提供了关键锚点 [3] 行业竞争态势与未来展望 - AI行业绝非“躺赢”赛道 大模型赛道竞争十分残酷 上市对企业而言更像是一场囚徒困境 企业都想抢先融资获资本加持以抢占优势 [3] - 若无法成功上市 不仅估值空间难以打开 后续生存都会面临巨大挑战 [3] - 预计两三年后 伴随市场心理预期调整、企业经营指标兑现及更多企业登陆资本市场 行业估值将逐步回归合理区间 [4] - 多位投资人达成共识 此次AI企业上市行情火爆在预期之内 当下也是港股上市的窗口期 但行业未来行情仍需持续观望 [5] 新兴概念与市场热点 - **AI for Science (AI4S)**：被业内视作继实验、理论、计算、数据之后的第五科研范式 2026年有望成为其重要突破年份 [3][7] - **生成式引擎优化 (GEO)**：是面向大模型的内容优化策略 核心目标是让AI生成答案时优先引用、采纳自身内容 从而直接实现品牌曝光与用户信任沉淀 [7] - GEO受关注的核心原因在于 2026年上半年行业服务商将密集推出相关产品与战略 大模型厂商也会在信源治理、GEO优化领域出台新政策 [7] - 多家公司澄清GEO业务进展 引力传媒表示其GEO事业部仍在组建筹划阶段 相关业务尚未形成成熟商业模式且未产生收入 博瑞传播称其GEO业务营收为0 蓝色光标提到AI驱动相关收入占公司总营收比重较小 [8] - **AI+医疗赛道**近期动作频频 OpenAI推出ChatGPT Health健康功能 “蚂蚁阿福”新版上线不足一个月 月活用户已破3000万 日均响应健康提问超1000万次 [8] 2026年AI应用发展方向与核心技术 - **智能体 (Agent)** 成为年度核心亮点 2026年有望成为真正的智能体元年 垂直行业智能体将全面发力 为政务、制造等场景高效降本增效 [10] - 行业集体判断智能体今年将实现重大跨越 从当前可完成人类1-2天工作量 升级为能自主承接1-2周任务流的自动化工具 [10] - 智能体在To B领域的发展呈持续上升态势 且没有放缓迹象 [10] - **视频生成技术**将颠覆影视短剧行业 从剧本创作到配音字幕全流程赋能 大幅降低行业创作门槛 [10] - **AI与3C硬件的融合创新**加速推进 尤其是AI手机前序技术布局提速 [10] - **开源生态**持续追赶 编程、图像视频生成等领域的开源模型正不断缩小与闭源方案的差距 [10] - 未来智能体需实现“模型即产品”一体化发展 并与具身智能深度融合 指挥机器人完成真实实验 加速制药、科研等领域的创新效率 [11] 机构观点与驱动因素 - AI应用爆发源于三大核心拐点：一是技术成熟度达标 2025年GPT-5、Gemini 3、Qwen-Max等模型已具备强工具调用、多模态理解与自主规划能力 二是政策持续护航 “人工智能+”行动深入推进 三是市场需求共振 B端降本增效诉求迫切 C端应用加速普及 [13] - 2026年AI应用将实现从“可用”到“好用”的跨越 多元化商业模式落地见效 AI应用有望成为全年AI产业行情核心主线 [13] - 重点看好三类企业：一是手握流量入口、用户粘性强、持续加码投入且产品成熟度高的互联网平台 二是深耕医疗、交通、金融、教育、工业、娱乐等垂直领域且产品化落地能力突出的应用企业 三是受益于国内应用企业资本开支增长的国产算力与AIDC产业链 [13] - AI下游应用正加速进入商业化验证阶段 随着模型能力持续提升 尤其是推理与长窗口应用成本大幅下降 行业将迎来新的增长契机 [14]

文章核心观点 - 大模型行业正从单纯追求模型规模扩展(Scaling up)转向追求系统效率、长期记忆与状态管理等可持续能力，竞争焦点从模型性能转向系统架构和工程化落地能力[2][8][17] - 智能体(Agent)是下一阶段核心主赛道，但现有模型的推理稳定性与可持续性不足，真正自主的智能体需要模型在推理过程可控、状态保持及系统协同三方面优化，竞争关键在于围绕模型构建的记忆、推理和系统架构能力[2][14][15] - 大模型公司正在演变为系统公司，核心竞争力在于构建具备长期记忆与状态管理能力的智能基础设施，而非单一的模型产品[2][17] - 若2026年各家模型能力无法形成代际差异，价格战将愈演愈烈，模型厂商需通过提供记忆增值服务、MCP增值服务等超越纯Token售卖的增值服务来获取溢价[2][16] 2025年行业现状与公司表现 - 2025年涌现出如MiniMax和智谱等冲击港股上市的“赛点公司”，以及Mannus等现象级Agentic产品，展示了商业化价值和场景可行性，但上市招股书也揭示了大模型公司普遍面临的投产比低、亏损严重等问题[4] - 科技公司面临技术节奏加快与商业回报不确定性放大的多层叠加压力，需同时应对持续投入算力与成本现金流约束，包括POC项目需评估收益[5] - 行业应对压力更趋理性，更强调系统效率、真实使用场景和可持续技术积累，而非单纯追逐参数规模或热点概念[5] - 员工整体状态“压力不小，但方向更清楚”，行业正从早期红利阶段走向拼工程、拼长期价值的阶段[5] 国内外AI发展水平对比 - 国内前沿AI在基础模型能力、多模态理解、推理效率和工程化落地方面取得实质性进展，涌现出DeepSeek-R2、Qwen3系列等优秀模型，在成本控制、系统优化和应用适配上形成自身优势[6] - 在部分通用能力和工程执行层面，与硅谷的差距正在快速缩小，甚至在某些场景下具备竞争力[6] - 但在长期基础研究积累、原创范式探索及面向下一代智能的系统性布局上，整体仍存在差距[6] - 竞争正进入更健康阶段，从单点能力对标转向技术路线和系统能力的分化[6] 技术发展趋势与路线变化 - Scaling up(扩大模型规模)仍能提升模型能力，但经济效益下降，已不再是单独成立的答案[8] - 行业瓶颈在于模型“用不好已有的信息”，如长上下文稳定性、跨时间一致性、复杂任务持续推理能力，多模态发展放大了此问题[8] - 技术路线关键变化是从训练时把模型做大，转向运行时让模型用得更好，强化学习、测试时计算、显式推理结构被大规模引入以补足纯预训练的不足[11] - 记忆、工具调用和系统编排成为核心能力，而不再只是外挂能力，模型能力提升正从一次性参数写入转向可持续的系统演化[11] - MoE架构在2025年成为主流，是在参数规模与推理开销间找到平衡的工程选择，解决了“算力怎么省”的问题，但并未改变智能范式或自动带来更好的推理稳定性[12] - 非MoE路线企业的差异化竞争力在于系统层面构建独特能力，如更有效的记忆机制、更稳定的推理流程或更贴近真实应用的数据闭环[12] 情境感知与智能体发展 - 2025年行业对情境感知的理解进步快于能力本身，意识到其不等于上下文长度，而是对环境、历史、目标和约束的综合理解能力[13] - 模型在短期情境理解、多轮对话连贯性、多模态即时状态感知上有提升，但在长期、跨任务、跨时间的情境一致性上能力仍有限[13] - 技术路线变化体现为将情境感知从模型内部的隐式能力转向系统层面的显式建模，如引入长期记忆、状态表示、环境建模和任务轨迹管理[13] - 情境感知正从一个模型特性演变为一个系统能力，这是智能体和长期智能成立的关键[14] - 大模型需在三个方面优化以支持智能体：推理从一次性回答转向过程可控；对状态的理解和保持能力；与工具、环境和记忆系统的协同能力[14] - 现有模型的推理能力不足以支撑真正意义上的自主智能体，瓶颈在于稳定性和可持续性，模型会漂移、遗忘、在长链路决策中逐步失真[15] 合成数据与推理数据集构建 - 大规模合成数据替代人工数据是正在发生但易被误读的趋势，合成数据已成为高质量训练数据的重要来源，尤其在推理能力、复杂任务分解场景[9] - 高价值合成数据需被严格约束、可验证、能放大信息增益，而非模型随意生成[9] - 构建高质量推理数据集需关注两点：是否有明确的推理结构(如中间状态、决策分支和失败路径)；是否引入对抗性和反事实设计以暴露模型盲区[9] 模型价格战与商业模式演进 - 2025年模型价格战最关键的影响是模型性能提升上限受阻导致模型Tokens售卖溢价降低，不同厂商模型性能差异减小及模型开源使得纯售卖模型Token难以获得企业溢价认可[15] - 若2026年开源与闭源模型、不同公司模型间无法形成代际差，价格战将继续甚至愈演愈烈[16] - 部分国产卡下场且效率提升后，由于算力补贴存在，价格将逼近冰点，甚至越用越亏[16] - 模型厂商需在纯模型Token售卖模式上提供增值服务，如MCP增值服务、记忆增值服务等，通过额外能力提升来提供溢价空间[16] 未来竞争核心与代际飞跃方向 - 2026年大模型竞赛的核心是“记忆能力如何完成一次系统性升级”[18] - 技术演进趋势是从底层算力和KV Cache等激活记忆管理，到基模型层引入记忆原生机制，再到上层通过显式记忆支撑Agent和应用的长期运行能力，形成完整的记忆技术栈升级[18] - 下一次“大模型代际飞跃”可能来自系统层面管理参数记忆、激活记忆和显式记忆，跨推理过程进行调度、复用和隔离的能力，这将带来智能形态本身的跃迁[18] - 大模型公司的核心竞争力是构建具备长期记忆与状态管理能力的系统，这能让AI长期运行、持续进化，公司本质是在构建新的智能基础设施[17]

A股市场整体表现 - 2025年1月12日，A股市场主要指数全线上涨，上证指数、深证成指、创业板指分别上涨1.09%、1.75%、1.82% [1] - 科创综指与北证50表现尤为强势，分别收涨2.88%和5.35% [1] - 全市场超过4100只个股上涨，A股全天成交额达3.64万亿元，连续第二个交易日突破3万亿元，刷新了2024年10月8日创下的历史成交额纪录 [1] 行业与概念板块表现 - AI应用概念爆发，万得互联网指数和软件指数分别大幅上涨9.81%和7.75%，天润科技、众诚科技等超过20只个股涨停 [2] - 商业航天板块延续强势表现，国博电子、理工导航等10余只股票涨停 [6] AI行业资本动态 - 埃隆·马斯克旗下AI初创公司xAI完成E轮融资，实际融资额达到200亿美元（约合人民币1400亿元），投资方包括英伟达、思科等 [5] - 国内大模型公司Kimi近期完成5亿美元C轮融资，由IDG资本领投，阿里、腾讯等老股东超额认购 [5] - 大模型公司智谱和MiniMax近日相继登陆港交所，上市后涨幅分别达到80%和141% [5] AI行业技术发展与趋势 - 在AGI-Next前沿峰会上，智谱、Kimi、阿里和腾讯共同表示，大模型竞争已从“Chat”转向“Agent（智能体）”阶段 [5] - 据外媒报道，DeepSeek计划于2月中旬推出下一代旗舰大模型DeepSeek-V4，重点强化代码生成与长代码上下文处理能力 [5] - 国际方面，英伟达在CES 2026正式发布新一代AI计算平台“Rubin平台”，AMD公布了“Helios”平台并预览了新一代MI500系列GPU [5] AI行业政策与市场前景 - 政策层面，中央密集出台政策文件，提出“适度超前建设数字基础设施”并印发《关于深入实施“人工智能+”行动的意见》，提出到2027年智能体渗透率达到70%的目标 [6] - 技术突破方面，国产大模型在编程能力和更长上下文窗口支持上的进步，有望推动智能体在更多复杂场景落地，助力企业数字化、智能化建设，AI下游应用场景正加速进入商业化验证阶段 [6] 商业航天与AI产业的协同 - 商业航天与AI产业有望形成共振，卫星互联网已成为国家信息基础设施体系重要环节 [6] - 基于卫星申报规则，远期我国年化卫星发射数量有望突破万颗，可回收火箭有望迎来密集试飞，这将助力发射成本降低与频率提升，更好满足激增的卫星发射需求 [6]

核心观点 - 报告为一份市场日报，核心观点是当日A股市场全线上涨，呈现普涨格局，成交额显著放大，科技成长板块表现尤为强势 [1] 市场回顾 - **指数表现**：A股主要指数全数上涨，截至收盘，沪指涨1.09%，收报4165.29点；深证成指涨1.75%，收报14366.91点；创业板指涨1.82%，收报3388.34点；科创50指数涨2.43%，收报1511.84点 [1][10] - **个股与成交**：全市场个股涨多跌少，4141只个股上涨，1179只个股下跌，144只个股收平；沪深两市合计成交额36014亿元，较上个交易日放量4787亿元 [1] - **行业板块表现**：申万一级行业涨多跌少，传媒、计算机、国防军工、社会服务和通信等行业领涨，涨幅分别为7.80%、7.26%、5.66%、3.21%和2.74%；石油石化、煤炭和房地产行业下跌，跌幅分别为1.00%、0.47%和0.29% [1][14] - **概念板块表现**：涨幅居前的概念板块包括Kimi、拼多多合作商、小红书平台、卫星互联网、ChatGPT、智能体、虚拟人、DeepSeek、中文语料库、AIGC、网红经济、抖音豆包、多模态模型、WEB3.0、商业航天；回调的概念板块包括锂电负极、央企煤炭、保险精选等 [2][12]

市场表现与战略合作 - 1月12日午盘，智谱领涨港股AI概念，盘中最高涨幅超过60%，市值一度超过1100亿港元，截至发稿时涨幅回落至56.37%，股价报248港元/股 [2] - 智谱与滴滴达成战略合作，双方将围绕通用人工智能关键技术及其在出行领域的智能体应用开展前瞻性协同探索 [5] - 滴滴持续加大在大模型与智能体方向的技术投入，已依托出行场景推进了AI出行助手、商旅助手等智能体的创新应用 [5] - 智谱在大模型架构、训练范式和智能体技术上积累深厚，合作将共同推进Agent场景落地、大模型领域人才培养，并深化出行场景的意图对齐与推理能力建设 [5] AGI技术发展路径 - 智谱创始人唐杰在“AGI-Next”前沿峰会上明确了公司2026年推进AGI探索的三个方向 [5] - 方向一为继续“Scaling”，即在已知领域不断加数据以探索上限，并在未知领域探索新范式 [5] - 方向二为技术创新，通过全新的模型架构创新，解决超长上下文、更高效的知识压缩问题，并实现知识记忆和持续学习 [5] - 方向三为多模态感统，目标是让AI能像人类一样统一理解和处理视觉、语音、触觉等多模态信息，形成协同感知与决策，以在人类工作环境中执行长任务，最终实现具身并进入物理世界 [5]

行业核心观点 - 当前大语言模型（基础模型）行业普遍处于亏损状态，盈利前景尚需数年[1][2][3][4] - 基于大模型的智能体应用同样面临普遍的盈利困境，但存在少数以生产力工具为核心的例外公司[6][7][8][9] - 智能体实现商业化的核心挑战在于“精度墙”和“成本墙”，这限制了其在多数高确定性业务场景的落地[10][11][12][13][14][15][16][17][18][19][20][21] - 实现盈利的可行路径是构建以智能体系统为核心驱动力的“无人公司”，重构生产关系[22][23][24][25][26] 基础模型行业现状 - OpenAI据称每年亏损140亿美元，预计2029年才能盈利[1] - Anthropic据称预计2028年盈利，目前同样处于亏损状态[2] - 刚上市的MiniMax以及智谱AI每年亏损约5亿美元[3] - 基础模型行业基本确定处于亏损状态，主要依赖风险投资（VC）支持[4][5] 智能体应用盈利状况 - 多数明星智能体公司面临亏损，例如Glean公司年经常性收入（ARR）超过2亿美元，拥有1000名员工，人均创收20万美元，在AI行业仍可能亏损[6] - 部分智能体公司通过大额融资或并购维持运营[7] - 存在少数盈利例外，如Midjourney在年收入5亿美元时仅有40名员工，主要依赖自然流量[8] - Base44年收入350万美元，仅1名员工，实现盈利[9] 智能体落地挑战：精度墙 - 精度指在具体业务场景中，是否敢于将关键决策与行动完全交由智能体执行，而非人类[10][11] - 营销文案、海报生成等容错率高的场景，精度要求低[11] - 自动下单、投放广告、签订合同、与客户谈判、信贷决策等涉及真金白银或法律风险的场景，精度要求极高，几乎不允许误差[11][12][19] - 精度墙的根源在于：智能体在行动时获取的信息量通常不如人类，加之模型幻觉问题，导致其在需要确定性行动的复杂业务中表现不佳[12][13] - 语言模型并非为“确定性行动”而设计，通过增加规则、审批和人工干预（HITL）提高安全性，会使智能体更像自动化脚本，失去自主性[15][16][19] - 编程领域因规则清晰，是智能体相对理想的落地场景（如Claude Code），其他领域难度更大[16][17] 智能体落地挑战：成本墙 - 成本主要包括模型成本和流量及人员成本[20][21] - 模型成本：海外模型（如GPT、Gemini、Claude）价格高但能力强；国产模型便宜但精度稍弱；Token单价持续下降[20] - 以生成一篇3000字配图文案为例，综合成本约2元人民币，但通过该内容直接赚回2元的可能性很低[20] - 视频生成成本更高，导致内容创作必须追求“爆火”，而爆火具有不确定性，大量尝试和投放流量大概率导致亏损[20] - 流量投放（投流）在内容与产品销售中普遍存在，但大部分投入是亏损的[21] - 人员成本高昂：月薪2万元的员工，企业综合年成本接近40万元，这意味着人均年营收需达到100万，并在扣除模型、设备、流量成本后仍有40万毛利才可能盈利[21] 可行的盈利模式与路径 - 盈利的关键在于将智能体作为生产力工具，替代高昂的人力成本，而非直接对外创造收入[22][23] - 用成本2元的智能体生成内容替代日成本超1000元的人力工作是划算的，智能体在内容产出量上远超人类[22][23] - Midjourney等成功案例表明，盈利公司通常是生产力工具的制造者和高效使用者，其特征是人员精简[8][23] - 构建盈利的、不依赖风险投资的公司，其必经之路是打造“无人公司”[24] - “无人公司”并非完全无人，而是构建一套由智能体系统完整驱动核心业务（如客服、营销、编码），人类进行辅助的新型生产关系[24][25] - 建立以AI为主的公司比以人为主的公司简单，但面临不同的挑战，需要彻底改变传统生产组织方式[25][26] - AI行业的落地节奏将比互联网慢，因技术尚未完全稳定，且重构生产关系需要更大努力[26]

市场行情与板块表现 - 1月12日A股市场分化，沪指震荡上行盘中再创近10年新高，而创业板指跌幅明显 [1] - 在消息面催化下，AI应用领域爆发，虚拟人、DeepSeek、AIGC、智能体等概念集体大涨 [1] - 电网设备板块出现小幅回调，被视为布局机会，截至当日10点04分，全市场唯一的电网设备ETF（159326）跌幅为0.44%，成交额达2.15亿元 [1] 电网设备ETF表现与资金动向 - 电网设备ETF（159326）持仓股中，中国西电领涨，涨幅超过7%，宝胜股份、三晖电气、通光线缆、麦克奥迪、国网信通等个股跟涨 [1] - 该ETF今年以来获得资金净流入超过2亿元，最新规模达到43.53亿元，创成立以来新高，成为全市场规模最大的电力相关ETF [1] - 该产品是全市场唯一跟踪中证电网设备主题指数的ETF，其智能电网权重占比高达89%，特高压权重占比高达65%，均为全市场最高 [2] AI发展对电力需求的驱动 - AI算力爆发引起全球数据中心缺电已成共识，微软、英伟达等科技巨头先后发声，指出AI发展的瓶颈在于电力 [1] - 高盛预计，未来10年，由AI推动的全球数字基础设施及能源体系投资规模将高达5万亿美元 [1] - 在此投资浪潮中，电网设备被视为最直接的受益者 [1] 全球电网投资前景与行业观点 - 叠加欧美电网老化亟需升级的背景，全球电网投资前景广阔 [1] - 中信证券表示，全球电网投资将超过4000亿美元，行业高景气度将延续 [1] - AI将强势带动全球用电需求增长，从而显著增加配套电气设备的需求 [1] 相关金融产品 - 绿电ETF（562550）是同指数中规模最大的产品，能够一键打包电力行业龙头 [2] - 该产品不仅包括以水电、风电及光伏发电为代表的清洁能源企业，同时也纳入了火电、核电等能源转型样本 [2]

毕马威中国金融科技主管合伙人黄艾舟指出，复盘过去十年国内金融科技企业的发展脉络，地域分布上 呈现京、沪、深领跑的第一梯队格局，长三角、粤港澳和京津冀三大城市群发展格局强化；技术要素层 面，人工智能持续领跑，细分技术应用协同深化；细分赛道中，AI与大数据、数智赋能赛道近五年快 速增长，赛道分布趋多元化布局方向。 毕马威中国客户及业务发展主管合伙人江立勤指出，金融科技作为连接金融与产业生态的核心纽带，正 通过AI、区块链、量子计算等前沿技术的深度介入，重塑金融服务模式，推动金融资源更精准、高效 地注入科技创新领域。他指出，金融科技已从经营管理、业务创新、风险防范等环节为金融业提供新价 值锚点，并通过耐心资本与科技创新的深度融合，助力构建"科技-产业-金融"良性循环，进一步强化金 融回归本源、服务实体的战略定位。 北京商报讯（记者 马换换 李佳雪）1月9日，毕马威发布金融科技"双50"十周年报告，同时揭晓了"2025 年度第十届毕马威金融科技企业双50"榜单。 展望行业长期发展，黄艾舟提出三大核心趋势：其一，以支持科技创新和产业发展为导向，金融科技赋 能金融服务向科技企业全生命周期渗透；其二，金融业大模型应用建设渐 ...

AI产业趋势：从概念到场景化落地 - 2026年CES显示，AI产业讨论焦点已从单一技术概念转向场景化落地的深度探索，AI技术正在终端形态、商业生态和企业运营三个维度引发重构 [2] - AI产业的发展遵循算力与模型双螺旋上升的演进逻辑，AI算力已进入比摩尔定律更快的迭代周期 [3] - 全球AI算力市场规模预计在2026年达到1152亿美元，同比增长42.8% [3] AI算力与模型演进 - 模型小型化技术发展迅速，许多原来需要70B+参数实现的模型，现在30B即可实现；原来30B+的模型，如今14B甚至7B和3B模型也能媲美过去几十B模型的能力 [3] - 模型小型化趋势为AI向终端下沉提供了关键支撑，因为落地到个人和企业的模型必须具备快速、可靠、稳定、无时延的特性，并在可接受成本下持续提供服务 [3] - 2026年AI算法将进入原生多模态创新成熟期，同时与物理AI相关的世界模型也在快速探索中 [13] AI与终端融合的必然性与形态 - AI与终端融合是解决公共AI两大核心痛点的必然选择：一是公共AI产品个人化或企业专属化属性不足；二是公共AI缺乏持续感知环境变化的能力 [4] - 未来终端生态将呈现三大类形态：存量终端（如电脑、手机、平板）升级为AI终端；以AI眼镜为代表的感知为主、轻交互的新型终端；专注于私密化计算的边缘计算终端 [4][5][19] - 边缘计算终端可快速运行数百亿参数的模型，为个人和中小企业提供安全可控的AI算力支持 [5][19] 个人AI的范式重构与核心特征 - 个人AI的崛起标志着AI服务从“平台中心”向“用户中心”的范式转移，其本质是以用户的立场和利益为核心 [6][21] - 个人AI具备四大核心特征：全场景感知能力、可信计算、专属服务连接、持续演进能力 [8] - 个人AI如同“专属私家车”，通过终端载体实现数据隐私可控和服务精准匹配，解决了公共AI的信任与体验痛点 [8] 个人AI落地的技术挑战与联想布局 - 个人AI落地面临四大技术挑战：异构算力平台构建、多模型与智能体调度、长期记忆管理、核心体验创新 [9][24][25][26] - 联想提出的“队友”式个人AI，通过情景感知、主动服务、直接执行三大能力重构交互逻辑 [9][37] - 为实现多设备互联的“队友”式体验，联想通过三大手段突破跨系统壁垒：构建操作系统之上的智能体体系、打造个人可信云空间、实现终端近场互联 [9][28][29][30] 企业级AI落地的挑战与准备 - 企业级AI落地需完成三大协同准备：升级数字化底座为完整AI基础设施、重构业务流程、培养AI人才 [10] - 2026年调研显示，企业在AI落地中面临的最大痛点是人才短缺，人才培养是重中之重且无捷径可走 [10] - 企业需规避三大陷阱：误入辅助价值链、预算先行而非POC验证、基础设施投资不足 [10] 联想的企业级AI实践与战略 - 联想自身的智能化转型遵循“主价值链优先”原则，率先在供应链领域应用AI实现成本降低与周转效率提升，再向营销、售后等环节推广 [10] - 优先切入员工辅助场景的企业，其AI价值转化有限 [10] - 企业AI基础设施升级是一项周期为3-5年的战略性投资，必须由最高管理层自上而下推动，不能按单个项目零星投入 [50] AI时代的生态竞争与企业定位 - AI时代的核心竞争力在于“整合与落地”，行业竞争焦点已从技术参数转向场景价值 [11] - 未来AI生态中主要存在三类企业：整合者、服务提供者、能力保障层 [31][32] - 联想在生态中定位为整合者，负责将硬件、大模型、智能体、服务连接等整合为成本可控的终端设备交付给用户 [32] 联想与生态伙伴的合作模式演变 - 联想与生态合作“不变”的是始终从用户角度出发定义产品并坚持开放合作 [39] - “变化”的是合作形态从成熟商务模式转向共创迭代，需要与服务及能力提供者开展大量试错与共创 [40] - 在服务共创层面，联想与本土平台合作智能体服务连接；在算力共创层面，与芯片厂商深度合作优化终端AI的算力、成本与能耗 [40]

市场整体表现 - 2026年1月9日A股主要指数普遍上涨，沪指上涨0.92%收于4120.43点，深证成指上涨1.15%收于14120.15点，创业板指上涨0.77%收于3327.81点，科创50指数上涨1.43%收于1475.97点 [1] - 市场呈现普涨格局，全市场3918只个股上涨，1344只个股下跌，201只个股收平 [1] - 沪深两市成交额合计31227亿元，较上个交易日放量3224亿元 [1] 行业板块表现 - 申万一级行业涨多跌少，传媒、综合、国防军工、计算机、有色金属等行业领涨，涨幅分别为5.31%、3.60%、3.29%、2.90%、2.78% [1] - 银行、非银金融行业下跌，跌幅分别为0.44%、0.20% [1] 概念板块表现 - 涨幅居前的概念板块包括拼多多合作商、小红书平台、Kimi、抖音豆包、WEB3.0、虚拟人、ChatGPT、AIGC、网红经济、稀有金属精选、多模态模型、短剧游戏、智能体、中文语料库、直播带货 [2] - 回调的概念板块包括硅能源、电源设备精选、光伏玻璃、保险精选、银行精选等 [2]