这一突破，也让AI真正踏入了"原创科研"的核心地带，为未来数学发现的方式打开了新的想象空间。 数学研究的"AI困境" 近年来，AI在数学领域的表现屡获突破： 然而，这些成果多集中在"短时间、标准化"的竞赛类任务中，与真实数学研究的需求存在巨大鸿沟。 清华AIR团队 投稿 量子位 | 公众号 QbitAI 当AI不再只是解题机器，而能与人类并肩完成严谨的科研证明，这意味着什么？ 清华大学科研团队以自主研发的 AI数学家系统（AIM） 为协作伙伴，通过人机交互的模式成功解决了一项均匀化理论研究问题，形成约17 页数学证明。 该成果系统性验证了AI从"数学解题工具"升级为 "科研协作伙伴" 的可行性，为复杂数学问题的突破提供了新路径。 当前主流AI系统在数学研究中存在明显局限：FunSearch、AlphaEvolve等依赖问题的程序化表述，仅适用于部分数学领域； AlphaGeometry系列则聚焦几何推理，难以覆盖更广泛的数学分支。 即便部分AI能提供碎片化见解，完整证明的构建与验证仍需依赖人类，难以真正融入研究全流程。 该研究的核心目标正是打破这一困境， 通过构建"人类分析+AI推导"的协同范式，让AI的推理 ...

而AI时代，不能仅将AI看作是一个由先进技术包装而成的工具。AI的出现，组织关系中增加了新的维度——从二维的"组织-人"，变成了三维的"组织-人- AI"。 这一范式转变的深层影响，将直接作用于管理学和组织层级结构的核心。现有的组织结构，是建立在人类管理者管理其他人类员工的基础之上的。管理者 的核心职能是分配任务、监督进度和评估绩效。而AI的引入，意味着组织中出现了能够自主完成复杂任务的非人类"员工"。人类管理者无法用传统的方式 去"管理"一个AI智能体（例如，通过激励谈话或职业发展规划）；人类员工也没法通过传统的方式和AI达成协作（例如，通过开会对齐工作目标）。这时 候"管理者"和非人类"员工"（即AI）之间，人类员工和非人类"员工"之间、甚至是原本的管理者和人类员工之间的关系都会发生根本性的改变。 编者按 根据《纽约时报》近日的报道，亚马逊正加速推进自动化战略，计划在未来数年内通过机器人系统取代超过 60万个美国岗位。多名知情人士 及内部战略文件显示公司希望在 2033 年前实现该目标。亚马逊的机器人研发团队正致力于将自动化应用于公司 75% 的整体运营流程，并预计 到 2027 年可减少约 16 万个美 ...

公司AI战略与财务表现 - 公司全面启动AI战略，目标是实现全岗位全人全时人机协同 [1] - 公司前三季度实现营业收入24.64亿元，同比增长15.63%，扣非净利润2.32亿元，同比增长127.53% [1] - 公司研发费用同比激增160.41%至1.45亿元，主要系AI相关投入增加 [1] AI产品矩阵与市场表现 - 公司已推出AI面试点评、AI申论批改、AI个性化辅导等20款新产品 [1] - AI面试点评产品在2025年3月发布后，一个月内实现100万次使用量，并保持每月翻倍增长 [2] - AI申论批改产品融合智能评测与生成式AI技术，能从审题准确度、逻辑通顺度、语言流畅性三个维度进行多元分析 [2] AI技术应用与效率提升 - 公司利用AI命题技术生成高质量模拟题，自今年5月起已使用30000多道题，单题成本仅为人工出题的42% [3] - AI命题在盲测中被选取率超70%，有效作答的区分度落在40%-60%之间，在考点精准度、真题相似度上远超教师命题 [3] - AI极简题库产品使题目缩减篇幅达30%，减少学员阅读量，提高做题效率 [3] 核心竞争力：内容驱动与人机协同 - 公司拥有20多年积累的海量优质题库、学员作答数据与教研成果，每年超过100万真实学员的使用体验推动产品迭代 [3] - 几千名教师和研究员团队结构化处理历年教研数据，并为AI模型赋能，包括解析2万多小时高质量授课视频 [4] - 人机协同模式使公司过去半年的招生转化率平均同比提升35%，销售人员工作效率提升50%以上 [4] 行业竞争格局与战略展望 - AI技术浪潮带来生产力革命，老牌机构因能更快提升生产力而在竞争中胜率更高 [4][5] - 公司构建“三位一体”AI战略体系，聚焦AI赋能工作、AI赋能产品、垂直AI大模型构建 [5] - 行业市场份额将加速向头部集中，第一波被蚕食的是中型机构，随后是走得慢的大机构，最后是情绪价值占优的小机构 [5]

人工智能对教育行业的重塑 - 人工智能技术推动教师角色从“知识传授者”向“学情分析师”和“教育引导者”深化转型 [1][3] - 行业目标为经过3至5年努力，使教师数字素养全面提升，熟练应用数字化手段开展教育教学成为新常态 [1] - 技术发展重构教师教学能力，打破传统“经验型”教学模式，要求教师掌握数据分析和智能工具应用等新兴技能 [2] 教师能力与职能的演变 - 教师能力结构正经历范式迁移，未来能力图谱需包含数字技术驾驭、跨学科知识整合及智慧课堂掌控能力 [4] - 教师职能转变为学生主动学习的协作者和综合能力指导者，从知识传递者进阶为“人机协同”的架构师 [3][4] - 人工智能替代部分机械重复工作，使教师能将更多精力投入课堂教学设计与学生个性化学业指导，提升育人效能 [2] 教学模式与教学场景的创新 - 人工智能助推教学模式从“一刀切”向“个性发展”转变，实现基于学情分析的个性化教学 [3] - 2025年世界数字教育大会勾勒出“师—生—机”协同共育的新模式，初步构建智慧教育平台五级应用 [1] - 教学场景经历智能重构，未来需设计“课堂学习—虚拟实践—岗位运用”三位一体的教学环境 [4] 行业未来发展方向 - 教师需同时扮演“数字实践者”和“教育改革引领者”角色，通过重构教育价值链构建人机协同的智慧教育新生态 [4] - 人工智能与教学过程的融合重塑了教学模式和教学环境，教师角色更加多元，教学效果显著提升 [3] - 行业共识为“技术维新”，确保技术赋能而非替代教师，最终优化教学效果 [4]

政策引领 - 国家层面连续部署“人工智能+”行动，推动科技与产业创新深度融合 [2] - 国家广电总局构建全链条管理规范，中国广播电视社会组织联合会发布“幻境”AI视听测评季成果，形成“客观算法+主观评审”的可量化评价体系 [5] - 北京市广电局鼓励产学研协同，支持打造人工智能在视听领域的示范应用案例和标杆项目 [5] 技术突破与应用 - 快手可灵AI 2.5 Turbo版本的视频生成能力无限接近影视级应用标准，在物理模拟、音画同步等方面实现质的飞跃，跻身全球第一梯队 [6] - AI技术大幅降低创作门槛，从文生视频到动态控制，AI从辅助工具演进为创作伙伴，构建覆盖广告、影视、游戏、文旅等领域的AI创作生态 [6] - 在纪录片《百年前的那次出发》中，全片390多个镜头绝大部分由可灵AI完成，实景仅拍摄两天，改变了生产秩序 [8] - 可灵AI启动的全球新影像创作大赛一个月内收到超过4600个作品，显示新内容生产方式对年轻人的吸引力 [9] 行业影响与效率变革 - 人工智能赋能精品创作已从政策引领走向大规模实践，进入快速迭代与深化应用并行的关键阶段，是行业生存的“必答题” [1] - AI与影视行业深度融合带来全流程效率变革：影视制作成本可降低至传统方法的四分之一，时间缩短约60% [9] - 以微短剧《山海奇境之劈波斩浪》为例，在可灵AI助力下投入产出比提升约10倍，重构了从前期策划到后期制作的行业生产逻辑，“人机协同”成为趋势 [9] - 可灵AI经过连续30多次迭代，拥有超过4500万用户和2万多家行业客户，并在釜山、东京、戛纳等国际电影节上受到瞩目 [9]

AI技术重构资产配置 - 大语言模型LLM将海量非结构化文本转化为可量化的Alpha因子 从根本上拓展了传统投研依赖结构化数据的信息边界 [1] - 深度强化学习DRL推动资产配置决策框架从静态优化转向动态自适应 [1] - 图神经网络GNN通过揭示金融网络中的风险传导路径 深化对系统性风险的认知 [1] AI投研系统架构与实践 - 贝莱德AlphaAgents实践显示 AI投研系统核心形态是模块化协作 通过模型分工实现从信号生成到组合执行的可复制技术栈 [2] - 具体分工为LLM负责认知与推理 外部API与RAG提供实时信息支撑 数值优化器完成最终资产配权计算 此架构有效缓解LLM幻觉问题并提升决策稳健性 [2] 头部机构AI竞争战略 - 头部机构竞争已升维至AI原生战略 核心是构建专有 可信且能驾驭复杂系统的AI核心技术栈 [3] - 摩根大通案例表明其战略围绕可信AI与基础模型 模拟与自动化决策 物理与另类数据三大支柱进行全链条专有技术布局 [3] - 摩根大通通过将合规性转化为信任护城河 市场模拟能力转化为战略风洞 另类数据转化为信息优势 建立难以短期逾越的复合壁垒 [3] 国内资管机构发展路径 - 国内资管机构破局之道在于战略重构与组织变革 走差异化 聚焦式的技术落地路径 [4] - 技术落地优先利用LLM挖掘A股市场独特的政策与文本Alpha 并构建以人类专家为核心 AI为智能副手的协同流程 [1][4] - 组织与文化上必须打破部门壁垒 锻造融通投资与科技的复合型团队 并将风险管控内嵌于AI治理全周期 [4]

中国智能机器人产业进展 - IROS 2025大会展示中国在低成本、高智能人形机器人赛道上的突围机遇，全球处于同一起跑线 [1] - 中国强大的工程化落地能力与产业化配套体系，为在人形机器人等新赛道迸发活力提供支撑 [1] - 国内灵巧手市场规模在2025年突破20亿元，同比增长67% [10] - 感知类传感器市场增速达83%，成为机器人产业增长最快的细分领域之一 [10] 核心技术与产品突破 - 一目科技发布仿生视触觉传感器，尺寸与人类指尖匹配，厚度仅为同类产品的二分之一 [3] - 传感器通过内置高清摄像头捕捉微米级形变，生成连续"触觉照片"，利用AI算法解算物体软硬、纹理及滑动趋势 [5] - 展会涌现多模态智能机器人、自主导航核心算法、高扭矩密度伺服电机等硬科技成果 [8] - 机器人应用从工业场景加速向家庭服务、医疗护理等多元领域渗透，操作任务日趋精细 [8] 产业生态与区域发展 - IROS 2025首次设立的萧山初创论坛促成12个项目与当地产业园签约 [10] - 产业园提供"技术研发+中试生产+市场对接"全链条支持，吸引海外团队将中国作为落地首选 [10] 行业发展面临的挑战 - 感知数据与操作执行之间存在"断层"，实现实时闭环协同是人形机器人落地关键难点 [12] - 跨企业"感知-操作"数据接口缺乏统一标准，导致设备适配调试成本占项目总投入30%以上 [12] - 精密部件依赖进口材料导致量产成本居高不下，制约灵巧手等产品的大规模替代 [12] - 不同品牌设备对接需单独开发驱动程序，存在"孤岛困境"，碎片化生态影响技术落地效率 [12] 未来技术发展趋势 - 深度学习与大模型技术融入，使机器人在感知层面具备前所未有的智能，AI正重塑机器人能力边界 [13] - 未来3-5年，人机协同技术将更成熟，高效的人机对话与意图理解有望在工业、服务场景率先落地 [14] - 触觉传感技术将进一步突破，大幅提升机器人操作精度与环境适应性 [14] - 移动与操作将深度融合，实现机器人"边行动边作业"，彻底拓展应用边界 [14]

大会与行业背景 - 第六届1024资管科技开发者大会（ITDC 2025）在上海举行 主题为"人工智能+：从产业AI到金融AI" [1] - 大会汇聚政府部门、金融基础设施、银行、保险、公募基金、券商资管、金融科技企业等领域嘉宾 探讨AI技术在资管行业的前沿应用与发展趋势 [1] AI Agent技术趋势 - 基础大模型能力跃迁及开源模型普及 推动AI Agent在金融行业落地应用 [1] - AI Agent技术成熟 从"单点功能"走向"流程自动化" 可自动理解、拆解并执行复杂任务 [1] - AI Agent实现对桌面端、数据中台、业务系统等资源底座的统一调度 [1] - 在投研、投顾等专业场景中 AI Agent成为推动业务效率跃升与模式重构的核心引擎 [1] 投研业务范式变革 - 在AI Agent赋能下 投研业务逐步迈入"人机协同"的范式突破 [2] - 以智能投研平台WarrenQ为例 帮助分析师从繁琐基础工作中解放 聚焦核心价值创造 [2] AI赋能投顾服务 - WarrenQ平台可赋能营销型投顾和产品型投顾 [2] - 针对营销型投顾 在客户分析、针对性推荐、个性营销、专业陪伴等环节助力快速生成个性化投资建议和资讯服务 [2] - 针对产品型投顾 在研究分析、构建投资组合、运作报告、直播路演等环节进行AI全程辅助 [2] - AI赋能下 过去一个投顾深度服务一位客户的时间 可服务5位到6位客户 且服务质量稳定在专业水平之上 [2] 公司业务进展与展望 - 公司智能投研产品与能力已服务数十家金融机构 助力投资研究全流程智能化升级 [3] - 投资研究是金融机构落实"人工智能+"行动的重要领域 [3] - 公司将持续跟进大模型技术前沿发展 为投研业务场景深度赋能 助力金融机构实现投研体系数智化跃迁 [3]

行业规模与增长 - 截至2025年6月，中国生成式人工智能用户规模达5.15亿人，普及率为36.5% [1] - 与2024年底相比，用户规模在半年内增长2.66亿，增幅高达106.6% [1] - 截至2025年8月，中国累计有538款生成式人工智能服务完成备案 [1] 技术成熟度与产品竞争力 - 已形成覆盖基础层、框架层、模型层、应用层的完整人工智能产业体系 [1] - 国产AIGC产品在逻辑推理能力、多模态能力方面取得显著进步，模型推理成本显著降低 [1] - 超过90%的用户首选国产大模型 [1] 应用场景渗透 - 应用场景覆盖回答问题、日常办公、休闲娱乐、内容创作等多个领域 [1] - 技术应用正从消费端向生产端、从通用场景向行业核心场景纵深渗透 [1] - AIGC工具极大降低了专业内容生产门槛，小团队或个人可产出接近专业水准的内容 [3] 产业变革与生产逻辑重塑 - 生产逻辑从“流程驱动”进入“人机协同”，催生“生成式生产”模式 [2] - 人工智能不仅替代重复性劳动，更开始承担知识性、创意性工作的初级部分 [2] - 在研发领域，AIGC能通过挖掘数据和模拟场景发现新规律，极大压缩研发周期和成本 [2] 产业组织形态演变 - 产业组织从“链式生态”发展到“网状生态”，打破固有产业边界 [3] - 大模型通过API成为基础设施，中小企业可无需自建团队而按需调用AI能力 [3] - 催生出更加灵活的网络状生态和“去中心化”的生产与创作模式 [3] 企业竞争核心转变 - 企业竞争逻辑从“规模”转向“生态”，竞争焦点转向动态的数据生态和用户体验优化能力 [3] - 拥有丰富场景并能形成“用户使用-产生数据-优化模型”闭环的企业将建立动态护城河 [3] - 对于应用型企业，核心能力在于对垂直行业需求的深刻理解及与业务场景融合的“最后一公里”能力 [3]

教育数字人的技术演进 - 教育数字人从最初的"视频生产工具"和"穿了皮囊的PPT朗读者"阶段，进化到具备"教学理解"能力的"认知型教学智能体" [2] - 技术融合迭代，包括生成式AI、多模态感知和语义建模，使数字人摆脱脚本依赖，能对学生答题行为和学习路径进行实时分析，提供个性化反馈与学习建议 [2] - 这一跃迁使教育数字人从"内容载体"转向"认知型教学智能体"，参与教学全过程，包括学生画像构建、知识盲点识别、教学任务调度和学习情绪识别 [2] 教育数字人的应用场景与价值 - 在职业教育领域，数字人广泛参与学生答疑、课程复习和学习提醒环节，采用"人机协同"模式，由数字人承担基础讲授任务，教师则聚焦启发和深度辅导 [4] - 在医学与理工类学科中，数字人配合三维可视化图谱，对实验教学进行前置讲解，帮助学生更清晰地理解结构复杂的知识点，提升课堂效率 [4] - 在基础教育阶段，数字人用于微课生成与个性化讲解，通过将城市优质师资内容标准化输出，展现出提升教育公平性的潜力 [5] 教育数字人面临的挑战 - 内容生成的准确性仍有波动，在答疑环节可能出现"逻辑跳跃"或"知识性错误" [5] - 部分学生对数字人产生过度依赖，弱化了与真人教师的主动互动 [5] - 不同平台之间的标准不一，造成了教学系统集成与运维的障碍 [5] 教育数字人的伦理与角色定位 - 教育数字人的拟人化设计使学生难以意识到其由算法驱动，可能导致学生弱化与现实教师、同伴的情感连接，影响学习动机与社交判断 [6] - 数字人没有责任意识，无法真正承担教育评价、情感支持等教师职责，一旦出现教学失误，责任归属难以厘清 [6] - 对学生数据的采集和处理过程尚无统一标准，不少教育机构未向学生充分披露数据使用范围，也未建立完善的风险防范机制 [6] 行业制度建设与未来发展 - 当前教育数字人的发展速度远快于行业规范与政策制定，在术语、能力分级、接口标准、安全监管等关键环节仍处于空白或碎片化状态 [9] - 亟需从国家层面推动标准建设工作，包括能力等级、教学评估指标、数据采集规范和伦理边界设定，构建完整的"教育数字人基础制度框架" [9] - 未来竞争的关键在于系统集成能力、内容专业深度与教学成效，教学系统协同与制度保障是真正的壁垒 [10]