上海人工智能战略布局 - 上海围绕制造、医疗、科学等5+6重点行业实施"模塑申城"工程，推动AI与传统产业、新兴产业深度融合 [1][3] - 浦东创投集团和张江集团联合战略投资智谱10亿元 [1] - 上海仪电牵头启动"算电模"新型基础设施合作，构建"能源+算力+模型+应用"产业闭环 [1] - 上海计划建设10万P级智算支撑体系，形成50个行业开放语料库 [3] 智谱公司发展动态 - 智谱开源发布新一代多模态模型GLM-4.1V-Thinking，在28项评测中23项达到10B级别最佳 [2] - GLM-4.1V-Thinking在18项任务表现持平或超越72B参数量的Qwen-2.5-VL [2] - 智谱上线Agent聚合平台"应用空间"，并启动数亿元专项扶持计划 [2] - 智谱开放平台已聚集百万开发者，"模力社区"落地浦东千行百业场景 [3] 产业生态建设 - "模力社区"已集聚近70家垂类大模型企业，其中25家完成安全备案 [1] - 上海通过发放算力券、模型券、语料券等政策赋能企业 [3] - 上海重点支持金融科技、生物医药、具身智能、智能制造等场景应用 [3]

生成式人工智能对初级白领工作的影响 - 自ChatGPT问世以来，英国企业招聘应届毕业生、学徒工、实习生等基层岗位的数量比2022年减少了31.9% [3][4] - 2025年5月英国初级职位仅占就业市场的25%，低于2022年的28.9%，降幅高于整体职位降幅21% [4] - 零售业入门级职位招聘数量下降78.2%，物流、仓储和行政管理行业降幅显著，IT行业下降54.8%，会计与金融行业下降50.8% [4] 行业具体案例 - 英国电信集团计划在2030年前用人工智能取代1万个职位，并可能进一步大幅裁员 [5] - 伦敦金融城毕业生招聘数量大幅下降，四大会计师事务所毕业生招聘广告数量同比减少44% [6] - 毕马威毕业生招聘计划削减29%，德勤削减18% [7] - 英国编码和工程岗位减少三分之一以上，AI机器人开始取代初级程序员 [8] 全球趋势 - 高盛预测生成式人工智能可能在全球范围内取代多达3亿个全职工作岗位 [10] - 国际货币基金组织调查显示人工智能将影响全球40%的工作，发达经济体60%岗位可能受影响 [10] - 麦肯锡预测到2030年，美国经济30%的工作时间可能被自动化 [11] - 欧洲科技公司入门级职位招聘率下降73.4%，行政类入门级职位招聘率下降35.5% [12] - 澳大利亚Z世代受生成式人工智能影响风险比婴儿潮一代高出15% [12] 行业应对与未来展望 - 加拿大智库认为生成式人工智能更可能改变而非完全取代工作岗位，文书和数据密集型任务自动化风险最高 [13] - 印度IT公司印孚瑟斯创始人表示人工智能将提升生产力并创造新型岗位，程序员将转向更复杂任务 [14] - Meta首席执行官预测人工智能将取代"优秀的中级工程师"工作，AI工具可能在2026年普及 [17] - 英伟达首席执行官认为编程不再是"必需品"，"现在世界上每个人都是程序员" [18] 社会与经济影响 - 科技公司研发人工智能产品以削减成本，初级员工和年轻求职者成为第一批牺牲者 [19] - 四大会计师事务所裁员以维持合伙人高额薪酬，人工智能取代初级会计师工作 [19] - 工业革命和信息技术革命曾伴随大规模失业担忧，但最终创造新产业和职业 [20] - 人工智能革命可能创造新产业、新职业，并弥补人类智能不足 [21]

国铁集团充电宝携带政策 - 标志清晰的充电宝单块额定能量不超过100Wh可携带上高铁 [1] - 铁路12306客服明确表示不查验3C认证和品牌仅关注额定能量 [1] 数字经济领域企业表现 - 字节跳动、腾讯、阿里巴巴等13家头部企业2024年合计营业收入同比增长11.9% [2] - 上述13家企业利润总额同比增长19.7% [2] - 数字经济、高技术产业、机器人产业2024年共减免企业所得税1.97万亿元 [2] - 三大领域总营业收入同比增长7.1%利润总额同比增长5.2% [2] 中国AI基础设施市场格局 - 2024年阿里云在中国AI IaaS市场份额达23%超过第二名和第三名总和 [3] - 阿里云在生成式AI基础设施领域同时取得模型训练和推理市场冠军 [3] - 2024年下半年中国GenAI IaaS市场规模同比增165%达87.4亿元 [3] - GenAI IaaS首次在整体AI IaaS市场占比超七成 [3]

模拟芯片市场动态 - 模拟芯片价格和交货时间正在上涨，制造商正在清理积压库存 [2] - 德州仪器将多种模拟元件的制程提高30%，部分数据转换器元件价格翻倍，旨在提高利润率而非应对短缺 [2] - 德州仪器在德克萨斯州理查森晶圆厂加大300毫米晶圆模拟部件产量，并计划投资600亿美元再建三座晶圆厂 [2] - 过去两年库存积压源于新冠疫情期间制造商多渠道订货导致的短缺，以及全球生活成本危机引发的需求下降 [2] 供应链与市场展望 - 德国分销贸易集团FBDi预计2025年下半年市场将因库存减少而好转 [3] - 供应链管理公司Octpart指出，新冠疫情后企业优先考虑供应链韧性，包括供应商多元化、自动化投资和数字化能力提升 [3] - 生成式人工智能（GenAI）在供应链管理中应用增多，通过分析结构化和非结构化数据提供风险整体视图并预测中断 [3] - 英国分销商Anglia表示市场迅速回暖，供应商担忧客户若不积压订单将因交货时间延长而面临问题 [4] 行业技术趋势 - 生成式人工智能持续分析海量数据集，帮助供应链经理识别风险并制定缓解策略 [3] - 德州仪器通过制程提升和价格调整优化元件利润率 [2]

芯片板块市场表现 - 2025年6月30日芯片板块全天活跃，思特威上涨6.01%，芯原股份上涨5.42%，安集科技上涨4.66%，翱捷科技、寒武纪等个股跟涨 [1] - 天弘中证芯片产业ETF发起联接(A：012552；C：012553)与芯片ETF天弘(159310)紧密挂钩，跟踪中证芯片产业指数，聚焦A股芯片全产业链 [1] - 中证芯片产业指数前十大成份股权重合计占比达54.62%，包括中芯国际(9.27%)、北方华创(7.47%)、海光信息(6.93%)、寒武纪(6.56%)、豪威集团(5.84%)等 [1][2] 行业动态 - 寒武纪将回购价格上限由不超过297.77元/股调整为不超过818.87元/股，截至6月27日收盘价为585.50元/股 [4] - SEMI报告显示全球半导体制造行业预计2024-2028年产能将以7%的复合年增长率增长，达到每月1110万片晶圆 [4] - 国金证券指出光刻机是自主可控最核心环节，中国大陆是最大半导体设备市场，国内晶圆厂将继续扩产 [4] 大模型与AI应用 - 6月国内大模型厂商MiniMax发布MiniMax-M1、Hailuo02等大模型及应用，月之暗面开源编程大模型Kimi-Dev-72B [5] - OpenAI CEO透露GPT-5将于今夏发布，看好重磅模型发布带来的AI应用产业链投资机会 [5]

报告行业投资评级 - 维持新材料行业“推荐”评级 [1][120] 报告的核心观点 - 新材料是化工行业未来重要发展方向，处于下游需求爆发阶段，随政策支持与技术突破，国内新材料有望加速成长，筛选电子信息、新能源等重要领域，挖掘上游核心供应链、研发与管理优异的新材料公司 [4] 根据相关目录分别进行总结 新材料产业动态更新 电子信息板块 - 产业动态：中科院上海微系统所联合宁波大学团队制备双向高导热石墨膜，性能突破可为高功率器件热管理提供支撑；2024 年阿里云在 AI 基础设施领域收入占比第一，下半年中国 GenAIIaaS 市场同比激增 165%；Rokid 与蓝思科技联合开发的 AI+AR 眼镜量产；三星推出采用 QD - OLED 面板的智能显示器；深圳印发措施发展数字服务消费；全球半导体制造产能预计 2024 - 2028 年 CAGR 达 7%，7 纳米及以下产能 CAGR 约 14%；我国自主研发龙芯 3C6000 等处理器 [23][24][25][26][27][28][29] - 企业信息：2025 年一季度全球半导体代工 2.0 市场总收入同比增长 12.5%；江丰电子董秘等人员变更，天奈科技商标被裁定无效，安集科技、华特气体董事长变更，濮阳惠成子公司拟投资项目 [31][32][34][35] - 企业关键数据：展示中芯国际、国瓷材料等公司 2025 年 6 月 27 日市值、股价及 2024 - 2026 年归母净利润、PE 等数据 [38] 航空航天板块 - 产业动态：中国航空工业集团启动人工智能专项行动；中国航发交付 AEP100 发动机助力 W5000 无人机首飞 [39][40][41] - 企业信息：联合发射联盟火箭成功发射亚马逊卫星；欧洲航天初创企业载人飞机再入舱测试突破；中天火箭决定不向下修正“天箭转债”转股价格 [45][46] - 企业关键数据：展示光威复材、中复神鹰等公司 2025 年 6 月 27 日市值、股价及 2024 - 2026 年归母净利润、PE 等数据 [48] 新能源板块 - 产业动态：我国光伏发电累计装机突破 10 亿千瓦；商务部将组织新能源汽车消费季活动；6 月车市热度攀升，新能源零售预计达 110 万辆 [49][50] - 企业信息：石大胜华收到责令整改及警示函 [68] - 企业关键数据：展示宁德时代、比亚迪等公司 2025 年 6 月 27 日市值、股价及 2024 - 2026 年归母净利润、PE 等数据 [69] 生物技术板块 - 产业动态：上海市科委立项 18 个合成生物学项目，资助 4200 万元 [70] - 企业关键数据：展示华恒生物、凯赛生物等公司 2025 年 6 月 27 日市值、股价及 2024 - 2026 年归母净利润、PE 等数据 [74] 节能环保板块 - 产业动态：生态环境部发布山西环保督察典型案例，部分地区垃圾焚烧设施建设滞后等 [75] - 企业信息：嘉澳环保被证监会立案；万润股份股东增持 [79][80][81] - 企业关键数据：展示卓越新能、山高环能等公司 2025 年 6 月 27 日市值、股价及 2024 - 2026 年归母净利润、PE 等数据 [82] 板块数据跟踪 - 展示费城半导体指数、多层陶瓷电容台股营收同比等多类指数及价格变化图表 [21] 行业评级及投资策略 - 新材料受下游催化放量迎景气周期，维持“推荐”评级 [120]

人工智能技术发展路径 - 人工智能发展呈现两条清晰脉络：生成式人工智能(AIGC)和具身智能 前者聚焦机器认知能力 后者侧重感知与行动能力 [3][6][7] - 生成式大模型本质是让机器具备人类大脑的认知功能 包括语言生成和逻辑思考能力 具身智能则模拟人类身体感知与环境交互能力 [6][7] - 认知智能与具身智能的下一个里程碑是身心协同阶段 需实现身体与大脑的双向塑造 [3][8][9] 技术革命性特质 - 判断技术革命性的三大标准：基础性(如水电煤)、生产力指数级提升、对社会上层建筑的颠覆性影响 [9][10] - 生成式AI符合三大标准：成为新型基础设施 脑力工作效率提升百倍 渗透社会各领域 [10] - 具身智能对生产力的提升作用有限 80亿机器人产能仅相当于人口增长1-2倍 且受安全伦理制约 [11][12][13] 模型发展规律 - Scaling law主导生成式AI初期发展 依赖海量数据(万亿token)和大规模算力 [14] - 后训练范式崛起(如DeepSeek R1) 数据质量与训练策略取代规模成为关键 参数规模让位于算法设计 [15][16] - 行业大模型落地瓶颈在于数据 央国企需投入80%精力治理行业数据 高质量数据集建设成产业护城河 [18][19] 具身智能发展挑战 - 数据缺口显著：最大具身数据集仅百亿token 较语言模型差2个数量级 仿真/合成数据质量不足 [21][22] - 泛化能力受限：环境表达复杂性(如办公室场景需建模高维身体状态)导致数据采集困难 [31][32] - 突破路径包括增加训练量(虚拟试错) 借鉴人类类比/归纳机制 但需敬畏"不可言说"的交互复杂性 [33][34] 产业实现范式 - 三大技术路线并存：连接主义(神经网络)、符号主义(知识图谱)、行为主义(强化学习) 分别对应数据学习、知识学习和实践学习 [36][37][38] - 机器人应走场景化路径而非绝对通用 功能受限于物理构造 机械臂案例显示需任务与身体适配 [42][43] - 集约化需适度 扫地机器人通过附加刷头扩展功能 但强行植入多能力违背产业逻辑 [42][43] 技术风险与治理 - 物理伤害风险远低于认知风险 需警惕AI通过决策误导造成的系统性危害 [45][46] - 安全治理核心是发展AI监管师职业 建立"拔插头"机制 同时加强价值观对齐研究 [48][49] - 身体限制可成为安全保障 思想无边界才是最大风险源 [46][47] 行业影响与教育变革 - AI将冲击产业分工基础 未来工作意义转向体验而非谋生 物质极大丰富改变经济逻辑 [62] - 教育需破除内卷 在保留核心技能(写作/编程)基础上 培养AI难以替代的鉴赏/批判能力 [55][61] - 学科交叉与内心探索是重建价值体系方向 需拓展认知边界应对文明转型 [56][57]

生成式AI与具身智能的发展路径 - 生成式AI以AIGC为代表，目标是让机器具备人类大脑的认知能力，包括语言生成和逻辑思考能力 [9] - 具身智能目标是让机器习得人类身体的感知和行动能力，实现与复杂世界的高效交互 [10] - 两条技术路线都是通往AGI的关键形态，下一个重要里程碑是身心协同阶段 [10] - 生成式AI已实现生产力成百上千倍提升，如合同审校、绘画制作等工作效率大幅提高 [13] - 具身智能对生产力的提升作用相对有限，可能仅相当于人口增长1-2倍的效果 [15] 技术革命的三重标准 - 基础性：技术需像水电煤一样成为基础设施 [13] - 生产力提升：需实现指数级效率提升，如AIGC极大提高论文生产力 [13] - 社会影响：需深度渗透社会各领域，改变上层建筑 [14] - 生成式AI完全符合这三重标准，是一场真正的技术革命 [14] - 具身智能对社会的影响力相对有限，更多是认知智能突破后的技术延伸 [16] 数据与模型的关系演进 - 业界观点：模型算法决定效果下限，数据决定上限 [20] - 大模型研发70-80%成本投入在数据上，剩余在算力运维和算法设计 [21] - 数据墙问题凸显：互联网公开高质量数据已接近枯竭 [22] - 后训练范式崛起：数据规模让位于质量，算力规模让位于算法设计 [18] - 数据不足可通过知识注入缓解，但培育高质量数据集仍是根本 [23] 具身智能的数据挑战 - 当前具身模型训练数据量仅百亿token级，与语言模型万亿级相差两个数量级 [24] - 数据采集面临个体体验表达困难和环境建模复杂双重挑战 [34][35] - 真机数据成本高昂，仿真数据质量有限，制约GPT时刻到来 [25] - 可能解决方案：穿戴设备普及形成动作轨迹数据 [26] - 训练策略调整：数据量不足时可增加训练量，借鉴人类泛化机制 [36][38] 产业落地逻辑 - 行业AI落地的关键在于行业数据治理和清洗 [21] - 央国企等大甲方应重点投入行业数据准备而非模型研究 [22] - 具身机器人应走场景化、任务化路径，而非追求绝对通用性 [48] - 身体构造决定功能边界，集约化需考虑物理可行性 [49] - 专用机器人价值明确，通用机器人是伪命题 [48] 技术范式演进 - 仍未跳出符号主义、连接主义和行为主义三大传统范式 [39] - 连接主义：模拟神经网络，处理感知任务 [40] - 符号主义：基于知识推理，处理认知任务 [40] - 行为主义：通过交互反馈进化，处理技能习得 [41] - 三种范式在完整AI解决方案中各有侧重 [43] 理性思维发展 - 人类能力分为知性、理性和感性三个维度 [28] - GPT4前主要训练知性能力，O1和DeepSeek R1开启理性能力 [29] - ToB应用需要专业理性思维，ToC需要共情感性能力 [31] - OpenAI布局完整：知性(GPT4)、感性(GPT-4o)、理性(O1) [31] - 国产大模型与国际差距主要在理性能力即知识应用水平 [29]

生成式AI引发的科技行业劳动力变革 核心观点 - 生成式AI正在美国科技行业引发深刻劳动力变革 渗透至工作流程 考核指标和岗位结构 导致员工面临重构 边缘化甚至被替代的集体焦虑 [1] - 科技公司强制推行AI工具 将其纳入绩效考核 员工不用AI可能面临淘汰 专业尊严受损 [4] - AI被用作压低成本 掩盖决策失误和裁员合法性的工具 而非真正提升效率 [7] 各公司具体案例 谷歌 - AI工具使用从"推荐"变为"必须" 成为OKR隐性评估标准 员工被公开批评未使用AI将落后 [2] - 员工担忧AI影响产品质量和职业伦理 但高层视其为"进步阻力" 氛围具惩罚性 [2] TikTok - 2024年底用AI审核系统替代人工团队 虽模型错判率高 但公司更在意其"不抱怨 不请假"特性 [2] - 用户因误判申诉时 公司选择优化模型而非重建人工团队 员工自嘲为"AI试验品" [2] Adobe - 前员工因反对生成式AI伦理和版权问题辞职 公司使用OpenAI方案却避谈风险 [3] - 未经授权使用创作者作品训练模型 内部反抗组织难以形成因员工害怕被贴"不创新"标签 [3] Dropbox - 2023年底推广AI写作工具 将内容撰写岗整合为"AI编辑支持" 员工沦为AI内容校对员 [5] - 员工职责变为检查AI生成内容通顺度 禁止大幅修改以防"损害模型学习效果" [5] CrowdStrike - 2024年5月以"聚焦AI效率"为由裁员500人 幸存者面临更重工作量和不可靠AI工具 [6] - AI渗透客服 工单 代码审查等全流程 但错误频出 员工需"高效配合AI"且无补偿 [6] 行业普遍现象 工作流程强制AI化 - 软件工程师被默认为需使用AI辅助编码 成为绩效考核隐性指标 管理层坚持"速度优先于正确" [7] - 健康科技公司员工不用AI会被贴"效率低下"标签 教育科技公司要求用AI撰写内部祝贺信息 [7] 企业文化异化 - AI未实现减负 反成压榨借口 员工需承担被裁同事工作量且无补偿 [7] - 部分公司为AI助手虚构"少数族裔"面孔制造多元假象 实际管理层缺乏真实代表 [7]

微软对OpenAI的投资进展 - 微软对OpenAI的投资正在取得成功，分析师上调目标股价至530美元 [1] - 公司在直接货币化方面实现增长，IT领域钱包份额提升 [1] - Azure AI业务取得进展，在生成式人工智能创新周期中处于有利地位 [1] 微软财务与增长预期 - 公司预计将保持支出纪律，实现中等两位数的复合年增长率 [1]