吉利汽车与英伟达宣布深度合作 - 吉利汽车集团与英伟达在3月18日的GTC大会上宣布将围绕智能驾驶、智能座舱、智能制造与研发等领域展开一系列深度合作 [1] - 双方合作集中在三个维度：物理AI、企业AI、工业AI领域 [1] 物理AI领域合作细节 - 在物理AI领域，双方将共同探索智能汽车核心能力的持续进化 [1] - 合作基于英伟达的高性能算力平台，以及吉利在整车级场景理解、多模态融合决策上的深度积累 [1] - 合作旨在推动以WAM（世界行为模型）为代表的物理AI技术架构，目标是让汽车具备更强大的环境感知、行为预判和协同执行能力 [1]

合作概述 - 吉利汽车与英伟达于3月18日在英伟达GTC大会上宣布将展开深度合作 [1] - 合作将围绕智能驾驶、智能座舱、智能制造与研发等领域进行 [1] - 双方合作集中在物理AI、企业AI、工业AI三个维度 [1] 物理AI领域合作 - 双方将共同探索智能汽车核心能力的持续进化 [1] - 合作基于英伟达的高性能算力平台，以及吉利在整车级场景理解、多模态融合决策上的深度积累 [1] - 目标是推动以WAM（世界行为模型）为代表的物理AI技术架构 [1] - 旨在让汽车具备更强大的环境感知、行为预判和协同执行能力 [1]

合作概述 - 吉利汽车与英伟达于3月18日英伟达GTC大会上宣布将围绕智能驾驶、智能座舱、智能制造与研发等领域展开一系列深度合作 [1] - 双方合作集中在物理AI、企业AI、工业AI三个维度 [1] 物理AI领域合作 - 双方将共同探索智能汽车核心能力的持续进化 [1] - 合作基于英伟达的高性能算力平台，以及吉利在整车级场景理解、多模态融合决策上的深度积累 [1] - 合作旨在推动以WAM（世界行为模型）为代表的物理AI技术架构，目标是让汽车具备更强大的环境感知、行为预判和协同执行能力 [1]

文章核心观点 - 企业AI正从辅助性工具阶段迈向规模化落地阶段，其核心标志是AI能够理解企业复杂业务逻辑并执行具体任务，从而成为“AI员工” [5][7][14] - 政策、资本与技术三大信号叠加，共同驱动企业AI产业阶段切换，进入规模化商业阶段 [7][8][10][14] - 滴普科技发布升级版Deepexi企业大模型及Deepexi OS AI级企业操作系统，旨在构建支撑AI员工规模化落地的企业AI基础设施 [4][14][29] - 企业AI的落地关键在于数据治理能力，通过大模型自动生成企业本体模型，使AI能理解业务并具备执行能力，最终交付物将从软件系统演变为企业大模型 [16][20][21][35] 根据相关目录分别进行总结 行业趋势与驱动信号 - **政策信号转向应用落地**：2026年政府工作报告中，“人工智能+”重点方向从算力与模型建设转向应用与产业落地，推动智能体商业化、规模化应用，标志着AI产业关注重点从供给侧走向需求侧 [8] - **资本市场认可商业模式**：深耕企业AI的公司进入持续收入阶段并被纳入港股通，表明企业AI正逐渐具备稳定商业模式，估值逻辑从技术叙事转向可复制、规模化的平台长期价值 [9][10] - **技术突破实现业务参与**：AI for coding等技术加速泛化，AI开始承担分析业务数据、调整生产计划等执行性任务，为AI员工真正落地提供了技术基础 [13][14] - **市场规模高速增长**：2025年中国企业AI服务市场规模预计达456亿元，年复合增长率38.2%；企业级AI Agent市场规模目前约232亿元，预计2027年将突破655亿元，成为增长最快赛道之一 [33] 企业AI落地的核心挑战与解决方案 - **历史挑战在于理解企业**：企业数据分散在ERP、CRM等多系统，业务逻辑复杂专业，且多为非结构化信息，依赖具体业务语境，导致大模型过去难以真正理解企业业务逻辑 [3][12] - **核心能力是数据治理**：企业AI能否成为AI员工，很大程度上取决于数据治理能力，其演进已从依赖业务软件和指标体系，发展到通过大模型自动生成企业本体模型的第三阶段 [16][20] - **解决方案是“理解+执行”**：通过数据治理形成企业本体数据集，训练大模型自动构建业务语义结构以理解企业；同时赋予AI直接调用和生成代码的能力，使其能查询数据库、对接系统，从建议者变为执行者 [22][24][25] 滴普科技的产品战略与布局 - **发布Deepexi OS AI级企业操作系统**：该系统由Deepexi企业大模型、FastAGI企业智能体平台与FastData Foil企业数据融合平台组成，旨在构建企业AI基础设施 [4][26] - **Deepexi企业大模型实现业务理解与执行**：模型通过“本体思维链”自动构建企业业务语义结构以理解业务；具备输出SQL、Python等代码的能力，可直接参与业务操作 [24][25] - **FastAGI与FastData平台支撑规模化落地**：FastAGI企业智能体平台通过Skills技能体系抽象可复用业务能力，使多个AI数字员工协同完成复杂任务；FastData Foil平台处理多模态数据并构建企业本体数据体系，三者结合完成从数据治理到智能体执行的完整链路 [28] - **提供AI员工全生命周期管理**：整套系统对应AI员工在企业中接受培训、熟悉业务到独立完成工作的全过程 [28] 商业化进展与产业意义 - **滴普科技业务成为新增长引擎**：截至2025年6月30日，公司累计服务企业客户283家；2025年上半年FastAGI与FastData分别贡献55.3%与44.7%的收入；FastAGI业务营收同比增长超175% [32] - **商业模式从项目制走向平台化**：产品收入占比持续提升，意味着企业AI正从定制化项目交付模式走向平台化模式，这是商业模式走向稳定的重要标志 [32] - **企业AI具备“双层结构”规模潜力**：企业AI同时覆盖应用层（Agent/AI数字员工）和基础设施层（企业大模型、数据平台），这种结构使其成为AI产业中最具规模潜力的市场之一 [33] - **全球科技巨头加大投入**：OpenAI、微软、英伟达等公司通过不同路径，将模型能力、AI工具链或算力基础设施深度整合进企业软件生态，争夺企业AI市场 [34] 未来展望与产业演进 - **核心交付件将演变为企业大模型**：未来企业数字化的核心智能能力将由企业大模型承担，核心交付件将从软件系统演变为AI数字员工体系 [31][34][35] - **重复企业软件行业演进逻辑**：企业数字化核心交付件从软件系统（信息化），到数据平台（数据驱动决策），再到AI时代的企业大模型（雇佣AI员工执行） [35] - **企业AI将成为最大落地方向**：清晰的逻辑和趋势表明，企业AI有可能也必然会成为AI产业规模最大的落地方向之一 [36]

联想智库2026企业AI十大趋势核心观点 - 人工智能技术正经历从“概念验证”到“产业深度融合”的关键转折，企业核心挑战转向将AI与业务战略、组织架构、产业生态协同演进，实现从“效率提升”到“价值创造”的跨越 [1] - 企业应用AI的方式正发生根本性升级，牵引出涵盖组织建设、商业模式、AI治理、基础设施等十大趋势 [3] - 十大趋势与联想的判断和实践契合，公司于2017年布局AI，2023年提出混合式AI战略，在个人和企业AI领域发力，以AI驱动业务实现跨越式增长 [3] 趋势一：从“+AI”到“AI+”，涌现AI原生企业 - 企业当前多处于“+AI”阶段，即在既有架构上外挂式引入AI工具进行辅助 [7] - 当AI能力进化至L3级智能体时，将触发“AI+”式架构升级，倒逼企业以“4A视角”重构业务/组织、应用、知识、技术与安全架构 [7] - 核心是从“流程驱动”转变为由多智能体协同的“价值网络”驱动，并构建“碳硅融合”组织，这一升级是根本性的，绝大多数非AI原生企业需多年分阶段完成 [7] - 目前，一些完全由智能体协同构成的“一人公司”已展示AI原生组织的雏形 [7] 趋势二：从大模型token付费到智能体结果付费 - 企业评估与使用大模型的准则正从“单纯追求模型能力”转向综合考虑模型性能与算力成本的“模算效能” [8] - 评价AI方案时，需将算力部署形态、推理成本、延迟、并发、运维复杂度、可靠性与安全合规等纳入同一指标体系，衡量综合性价比 [8] - 供给侧将持续提升中小参数模型能力、发展垂直/行业模型，并强化多模型协同与工具链 [8] - 需求侧将更常态化采用通用+垂直、多参数规模混合配置与调度，并形成云-边-端混合部署，以在可控成本下实现低延迟、高可用与可扩展的AI能力供给 [8] 趋势四：AI-Ready成为企业知识治理新标准 - 企业对知识的治理标准正发生转变，“非AI Ready”知识难以被AI系统直接、精准、高效地利用 [10] - “AI Ready”的知识可被AI稳定使用并可审计，是知识有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营，并具有明确权限的核心资产 [10] - 企业将把知识治理从“资料管理”升级为“面向智能体的知识工程”，通过自动化采集与清洗、语义标签与本体/术语体系、检索与引用链路审计、持续评测与纠偏，使高质量知识与知识治理智能体成为关键资产 [10] 趋势五：AI治理从被动应对进入主动构建 - AI在释放发展动能的同时，也放大了安全、隐私、伦理与系统性风险等多重挑战 [11] - 安全合规已不仅是防御性需求，更是构筑客户信任与业务韧性的长期竞争力 [11] - 企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素的AI治理链条，坚持发展和安全并重 [11] - 通过“治理左移”将风险控制前置至技术源头，通过“动态可控”确保对系统的实时监督与干预，通过持续强化数据安全与隐私保护守住核心资产底座 [11] 趋势六：企业推理需求爆发，AI工厂加速落地 - 2026年将成为企业算力采购市场的关键分水岭，随着AI应用从概念验证迈向规模化推广，渗透到更多价值链环节，智能体将执行更复杂、上下文更长的任务 [12] - 企业客户将形成稳定、持续的规模化推理算力需求，非大模型企业由此引发的算力采购规模增长速度首次超过CSP厂商 [12] - 企业的投资重心将向支撑大规模并发业务的推理算力基建倾斜 [12] - 联想于去年年底正式发布了“AI工厂”，提供包括数据采集、智能体开发、模型训练到推理服务的标准化全栈AI解决方案，重塑AI应用的开发与部署流程 [4] 趋势七：软硬一体，推动算力效率革命 - AI算力优化已从“单点提速”转向“端到端软硬协同优化”，软件与硬件深度适配、协同演进 [13] - 硬件上，GPU通信、CXL、高速网络交换芯片持续迭代，“超节点”新型计算集群兴起，集群性能上限快速提升 [13] - 软件上，围绕芯片、内存、集群拓扑做编译、调度、访存、通信等全栈优化，大幅拉高硬件利用率，还将反向推动“软件定义硬件”的架构取舍 [13] - 对于企业而言，选择或构建具备全栈协同优化能力的算力平台，将成为在AI规模化落地中控制成本、提升性能、确保业务弹性的关键 [13] 趋势八：算电协同，降低AI总拥有成本 - AI基础设施正从单一的算力建设转向“计算与能源”的一体化演进，基础设施将更加重视“计算、能源、碳效与成本”的深度融合 [14] - 未来，电力条件将成为AI工厂选址、建设及运营的核心变量 [14] - 通过将FinOps理念引入算力全生命周期，电力运营成为优化AI供给成本的核心杠杆 [14] - 利用电力运营的柔性调度，如绿电配比、储能消纳、液冷技术与能效指标等，结合全链路碳足迹追踪，企业将实现从单一算力指标向“单位算力能效”与“单位算力成本”的双重优化 [14] - AI供给将实现从“能耗驱动”向“能效驱动”的跨越，构建低成本、低碳化、可度量的绿色AI供给网络，将成为大规模推理时代的核心竞争力 [14] 趋势九：RaaS，物理AI落地第一步 - 物理世界的AI能力（感知、规划、控制与人机协作）正在加速走向工程化、规模化落地，工业与物流等场景率先形成标准化交付 [15] - “机器人即服务”降低了使用门槛，并推动标准化场景包、远程运维与持续迭代，成为物理AI从试点走向规模化的重要商业路径 [15] 趋势十：国产&开源，中国企业AI创新新动能 - 中国企业AI的发展路径正形成独特范式，其核心由“国产创新”与“开源普惠”双轮驱动 [16] - 国产创新将沿“芯片-系统软件-框架工具链-模型-智能体应用”形成更完整的技术体系，生态成熟度持续提升，并在更多行业与场景实现可规模化部署 [16] - 开源普惠（模型、推理引擎、工具链与数据/知识治理组件等）将显著降低企业采用门槛，推动“国际+国产、开源+商业”的混合技术路线成为常态 [16] - 两者共同构成中国企业AI发展的新范式：在可控、安全与成本优势下，加速规模化应用与持续创新 [16]

财务数据和关键指标变化 - 集团季度营收创历史新高，达到222亿美元，同比增长18% [2][9] - 调整后净利润同比增长36%，是营收增速的两倍 [2][10] - 调整后运营收入为9.03亿美元，同比增长28% [10] - 调整后净利润为5.89亿美元，调整后净利率为2.7% [10] - AI相关收入同比增长超过70%，目前占集团总收入的近三分之一（32%）[3][9][10] - 集团所有业务部门均实现两位数同比增长 [2][9] 各条业务线数据和关键指标变化 - **智能设备集团**：营收同比增长14%，达到近160亿美元，并保持了行业领先的盈利能力 [3] - **PC和智能设备业务**：营收持续快速增长，增速为17%，PC出货量增长连续10个季度超越市场，2025日历年PC市场份额达到历史最高 [3] - **AI PC**：收入实现高两位数同比增长 [12] - **非PC周边业务**：实现强劲的两位数增长，并带来明显的利润率提升 [12] - **移动业务**：出货量和激活量均创历史新高，在所有主要销售地区实现超越市场的增长 [3][9][12] - **基础设施方案集团**：营收创纪录，达52亿美元，同比增长超过30%（31%）[4][15] - **AI服务器业务**：实现高两位数营收增长，拥有155亿美元的强劲订单储备 [16] - **Neptune液冷业务**：收入同比增长300% [16] - **运营表现**：环比改善，正稳步迈向盈利性增长 [4][16] - **方案服务业务集团**：营收同比增长18%，连续第19个季度实现两位数同比增长，运营利润率达到22.5%，接近历史高位 [5][18] - **营收结构**：持续向高增长领域转移，托管服务和项目解决方案合计占SSG收入的59.9% [18] - **TruScale即服务**：受GPU和AI工作负载推动，本季度增长加速 [18] 各个市场数据和关键指标变化 - **全球PC市场份额**：扩大至25.3%，同比提升1个百分点，领先最接近的竞争对手5个百分点，连续第二个季度成为唯一市场份额超过25%的厂商 [11] - **智能手机市场**：在所有主要销售地区均实现超越市场的增长 [12] 公司战略和发展方向和行业竞争 - **AI战略**：公司坚定推行混合AI战略，通过个人AI和企业AI双引擎驱动，抓住AI民主化带来的增长机遇 [5][29] - **个人AI**：在CES上向全球市场推出了AI超级智能体Lenovo Kira以及一系列创新AI设备，Kira嵌入式设备将于下季度开始发货 [7][14][26] - **企业AI**：在“联想混合AI优势”框架下，致力于将AI推理带到数据产生的地方（本地和边缘），并推出了XIQ平台，宣布与NVIDIA合作建设AI云超级工厂 [7][26][27] - **ISG重组**：为抓住从公共云AI训练向企业本地和边缘AI推理转变的趋势，公司对ISG进行了战略重组，旨在优化成本结构、完善产品组合、优化商业模式并升级销售团队，预计在未来三年内带来超过2亿美元的年化净节省 [4][16][48] - **创新与运营**：公司以创新驱动增长，同时凭借卓越运营（包括规模、有韧性的全球供应链和强大的合作伙伴关系）穿越市场周期 [7][8] - **行业趋势判断**：管理层认为AI不是泡沫，而是能带来切实价值的技术进步，AI民主化是不可逆转的趋势，并将从公共云AI转向更多发生在本地和边缘的AI推理以及垂直或横向的企业AI用例 [5][28][29] - **可持续发展**：公司墨西哥制造基地被世界经济论坛评为全球灯塔工厂，这是公司第二个获此殊荣的基地 [22] 管理层对经营环境和未来前景的评论 - **组件成本与供应**：DRAM成本上季度上涨40%-50%，本季度合同价环比几乎翻倍，这种结构性的供需失衡可能对行业产生 prolonged 影响 [32] - **市场需求展望**：高物料成本可能会抑制PC和智能手机的 unit 需求，但由于AI PC、AI手机推动市场向高端细分市场转移以及更高的定价，整体PC营收市场预计仍将同比增长 [34][35] - **公司应对与信心**：公司通过广泛的采购能力、多元化的采购策略、灵活有韧性的供应链以及与供应商的长期信任关系来缓解影响 [34] - **业绩指引**：公司有信心在未来几个季度继续推动PC和基础设施业务实现两位数增长 [35] 其他重要信息 - 公司在2026年CES上获得了创纪录的超过200个奖项，包括三项CTA官方最佳奖项 [22] - 公司与PIF Alat的战略合作进展顺利，已开始生产，并计划在几个月内举行盛大开幕 [76] 问答环节所有的提问和回答 问题: AI领域最重要的机遇是什么？联想如何战略定位以抓住这些机遇？ [25] - **回答**：AI民主化是不可逆转的趋势，并将转向更多本地和边缘的AI推理以及企业AI用例。联想通过个人AI和企业AI双引擎的混合AI战略来抓住机遇。这不仅是长期愿景，已在执行中，上季度AI相关收入增长超70%，占总收入三分之一，并将继续保持此速度 [26][27][28][29][30] 问题: 面对内存成本上涨影响整个硬件行业，联想如何应对？展望下一财年，在组件成本上升的背景下应如何评估市场需求？ [31] - **回答**：DRAM成本大幅上涨，供需结构性失衡可能对行业产生 prolonged 影响。公司正密切关注并采取灵活行动。波动市场可能成为联想的机会，公司已多次证明能通过卓越运营和全球本地化模式在动荡时期扩大份额并提升盈利。公司通过广泛采购、多元化策略、弹性供应链和供应商关系来缓解影响。高物料成本可能抑制 unit 需求，但由于AI推动市场向高端转移和更高定价，整体PC营收市场预计仍将同比增长。公司有信心在未来几个季度推动PC和基础设施业务实现两位数增长 [32][33][34][35] 问题: 2026年PC和智能手机的市场及联想在出货量、利润率和ASP方面的展望如何？ [36] - **PC部分回答**：鉴于通胀成本环境，预计市场 unit 量将出现同比中个位数下降，但会被更高的ASP和有利的产品组合所抵消，因此市场价值不会下降。联想将继续以优于市场的速度增长（已连续10个季度）。Windows 10服务终止和AI PC换机潮（超过1亿台设备已使用4-6年）带来机会。凭借大规模采购、长期战略伙伴关系和创新能力，公司能比同行更好地应对环境。预计2026年ASP将实现中个位数增长。在利润率方面，通胀环境（尤其是内存）带来挑战，但公司通过产品创新、设计降本、扩大供应商基础、长期战略采购、动态定价、严格费用管理和精准运营来保护利润率和盈利能力 [39][40][41][42] - **智能手机部分回答**：预计移动市场 unit 量将出现高个位数下降，但联想已连续10个季度表现优于市场，且在所有地区都优于市场。虽然 unit 量下降，但营收预计将上升，除了应对商品成本调整，公司正通过推出新的Signature超高端系列和Razr折叠屏手机进一步向高端产品组合迈进，预计在所有地区维持优于市场的表现 [43][44] 问题: AI需求从训练转向推理，ISG重组后如何调整产品组合以抓住快速增长的AI推理市场？重组理由是什么？ISG未来几年的增长轨迹和盈利能力展望？ [45] - **回答**：基础设施市场正从公共云AI训练向企业本地和边缘AI推理转变。重组是为了顺应将AI推理更贴近终端用户的趋势，通过简化传统计算产品组合、加强AI相关（特别是推理）产品组合、优化针对SMB和大企业的商业模式、升级销售团队来构建新能力、提升效率和生产力。通过聚焦和转型，ISG业务亏损逐季收窄，并有望在本季度实现扭亏为盈。一次性重组成本为2.85亿美元，但预计未来三年带来超2亿美元年化节省。公司坚信ISG将开启可持续的盈利增长 [46][47][48][49] - **补充回答**：公司正处于一个重要的拐点，AI推理进入生产和使用的时代刚刚开始但速度很快。重组是为了加速转型，投资于企业AI时代，包括优化端到端交易模型、简化产品组合以聚焦数字化转型和AI应用解决方案、提升市场推广AI技能。这些行动将提高速度、敏捷性和运营杠杆。重组时机是因为公司确信并致力于在AI民主化时代保持领先，且转型项目自2025日历年已开始，在内部指标上已看到显著进展 [50][51][52] 问题: 除了内存，还有哪些组件看到价格上涨？这将如何影响IDG未来几个季度的利润率？有何应对策略？ [53] - **回答**：成本上涨主要发生在内存领域，硅片领域由于供需失衡（特定制造节点）也有成本上升。PC或手机的其他大宗商品基本稳定，某些领域甚至可能有降本机会。保护利润率是关键目标，通过产品创新、设计降本、扩大供应商基础、长期战略采购、动态定价、严格费用管理、精准运营以及加速发展利润率丰厚的非PC业务（服务、配件等）等多种行动组合来实现 [54][55] 问题: ISG业务中AI服务器、云通用服务器和企业服务器的拆分情况？对这三个终端细分市场今年的展望？ [56] - **回答**：公司不提供细分拆分。AI服务器增长非常显著，快于整体增长，因此产品组合正向AI服务器转移。市场方面，从高价值组件角度看，市场实际上已售罄约1-3个季度，预计2026年CPU、闪存、DRAM等组件成本将持续上升。基础设施提供商将专注于效率、生产力和规模以最小化对终端客户的传导影响。在CSP领域，基础设施资本支出可能维持或增加，AI训练及相关数据中心支出预计保持高两位数同比增长。CSP通用与AI增长高度相关。联想的世界级自主制造在效率和生产力上具有差异化优势，在供应受限环境中，部署速度等因素将更受重视。在企业领域，CIO和业务领袖面临技术成本上升和推动AI应用提升生产力的双重挑战。联想将通过优先考虑AI生产力、业务价值的项目以及专注于生产部署来提供帮助。调查显示93%的CIO预计AI部署将带来正回报。联想在混合AI能力、私有云经济（如TruScale）和可靠的边缘推理平台方面具有优势，其差异化的供应链、世界级可靠性和节能IP（如Neptune）将帮助客户获得更好的投资回报 [57][58][59][60][61] 问题: SSG的客户IT运营支出与资本支出趋势如何？这对今年的增长前景有何影响？ [63] - **回答**：运营支出相对于资本支出的增长趋势日益明显，增速约为资本支出的两倍。原因之一是公司的TruScale即服务模式，其价值主张（尤其是在组件价格波动时期）在于可预测性。xIQ平台有助于优化计算和配置，确保客户充分利用其基础设施和设备投资。从联想角度看，TruScale即服务合约的客户留存率通常高于90%，远高于资本支出模式。此类合约是多年度合同，范围远超硬件，包括软件和服务，通常能为公司带来更高的盈利能力。公司对TruScale业务的增长步伐仍然非常乐观 [64][65] 问题: AI如何重塑SSG业务？AI驱动的垂直解决方案采用情况如何？它们如何应对客户业务挑战并实现增长？ [66] - **回答**：客户需求在过去六个月发生了两大变化：一是从生成式AI转向智能体AI，旨在解决复杂的多步骤问题；二是客户不再只寻求概念验证项目，而是寻求具有影响力和有意义成果的真实生产部署。联想的“混合AI优势”是一个涵盖计算、数据、平台、用例和咨询服务的综合框架，能够帮助客户大规模采用智能体AI。例如，帮助一家全球领先的乳制品公司使用智能体解决方案将供应链运营效率提升20%；与一家全球500强科技公司合作，使用生成式AI现代化其全球客户服务中心，通过由不同角色和责任智能体组成的团队实现复杂任务，帮助客户提升效率20%并显著提高客户满意度。公司继续看到从概念验证到真实生产、从生成式AI到智能体AI的趋势，联想的混合AI优势完美契合市场需求 [67][68][69] 问题: 与Alat的合作有何更新？在中东的扩张进展如何？ [70] - **回答**：战略投资非常重要，双方目标一致。中东持续大力投资AI。公司的ISG业务与这一趋势非常契合，特别是在全球基础设施支出方面。计划进展顺利，实际上已开始生产，办公室及整体运营将在几个月内举行盛大开幕，届时将有相关新闻 [76]

核心观点 - 延锋国际作为年营收超千亿的全球化汽车零部件龙头，选择WPS 365建设新办公平台，实现了从“工具替代”到“生态重构”的升级，并锚定建设“企业大脑”以驱动业务增长 [1][11] - 企业级AI应用的核心正从“以模型为中心”转向“以数据为中心”，高质量的数据治理是释放AI生产力、盘活知识资产的关键 [3][13] - 通过WPS 365和知识增强生成（KAG）架构，延锋国际成功迁移并治理了海量数据，显著提升了协同与知识管理效率，为大型企业数智化转型提供了实践范例 [6][10][16][20] 合作背景与战略动因 - 延锋国际在全球拥有220余个生产基地、5万余名员工及4000余名研发工程师，传统办公模式难以支撑其跨时区、跨语言、跨系统的高效协作需求 [1][11] - 企业对办公平台的需求明确：需要更灵活多元的IT服务、更具竞争力的性价比，以及能高效赋能业务运营的协同能力 [3][13] - 尽管大模型与算力技术进步，但企业在应用AI时仍面临复杂文档解析、知识冲突、问答相关性弱等挑战，根源在于数据治理不足 [3][13] - 企业内部数据分散形成“信息孤岛”，传统手工操作效率低下，且使用公网或未授权AI工具会显著增加数据泄露风险 [4][14] 解决方案与技术架构 - 金山办公提出了知识增强生成（KAG）新范式，与传统的检索增强生成（RAG）不同，KAG能系统性融合多模态、多结构知识资产，使AI真正“掌握”企业知识的内在逻辑与关联 [4][14] - 合作规划分三步：首先依托WPS 365一体化特性归拢散落的非结构化数据；其次通过KAG架构进行文档解析、知识抽取、图谱构建和质量监控；最后将治理后的企业知识装入“企业大脑”，嵌入办公流、业务流与决策流 [6][16] - 迁移方案采用分两期推进：第一期小规模迁移数千套用户作为试点，验证成功后全面推广，以降低一次性迁移风险 [6][16] 实施过程与关键成果 - 整个合作历时九个月，延锋国际迁移数据总量达110T，16个内部业务系统全部平稳切换到WPS生态，系统适配成功率达94% [6][16] - 数据迁移时间窗口紧张，仅有3个月，金山办公采用了框架协议结合弹性采购、利用价格差异和组件打包等灵活策略，并协调技术团队进行技术性提速，最终按时完成迁移 [7][17] - 在线协作功能使跨部门、跨地域团队协作效率提升25%，产品设计文档协同和项目管理效率提升明显 [10][20] - 建成智能文档库后，基于KAG架构，知识查找和共享效率提升了40%，减少了重复劳动，促进了组织经验沉淀 [10][20] 转型价值与行业启示 - 延锋国际完成了从“工具替代”到“生态重构”的跨越，系统迁移在坚持自主可控的同时，通过AI与协同能力提升了组织数字化效能，为企业知识管理与业务创新提供支撑 [7][17] - 过去企业知识散乱在各处，大量文献沉睡在业务系统或员工本地；如今业务文档、团队文档迁移到文档中心实现统一管控，知识检测帮助梳理重复知识，知识图谱更好地传承知识脉络 [10][20] - 此次合作为正在经历数智化转型的大型企业提供了新启示，展示了通过一体化办公平台和先进AI架构盘活企业知识资产、驱动业务增长的有效路径 [10][20]

核心观点 - 摩根大通将2026年定义为中国消费级AI的“激活年”，届时聊天机器人将从尝鲜变为习惯，重塑用户行为[1][3] - 投资策略应避免押注单一AI应用赢家，转而聚焦于AI普及过程中更早兑现、能见度更高的“二阶受益者”[1][2][4] - 中国互联网龙头公司相对于全球同业存在显著估值折价，随着AI叙事趋同，个别公司有望缩小估值差距[11][12] 消费级AI趋势与市场判断 - 2026年可能成为中国消费级AI“激活年”，聊天机器人将进入高频使用阶段，成为上游流量门户[3] - 字节跳动豆包的日活用户达到约1亿人，表明通用聊天互动已跨过大众市场应用的“足够好”门槛[3] - ChatGPT的周活跃用户数达到8亿，突显消费级AI在产品和分发成熟后的高速增长潜力[3] - 目前判断聊天机器人市场的“AI应用赢家与输家”为时过早，短期份额变动反映的是分发和产品迭代节奏，而非坚实护城河[3] 二阶受益者投资逻辑 - 投资逻辑应锚定于二阶关联敞口：1) AI基础设施和云厂商，以捕捉上升的推理工作量；2) 广告平台，以受益于行业营销强度的提升[6] - **AI基础设施层面**：日常多轮聊天机器人对话的增长将直接利好推理需求及Token吞吐量，Token消耗将呈复合增长[6] - **网络广告平台层面**：各大平台为争夺AI心智将激增获客支出，效果导向型渠道将占据较大预算份额[6] - **网游行业层面**：AI通过压缩“创意到市场”周期提高研发ROI，内容供应的结构性利好被市场低估[6] 企业AI与智能体商业 - 企业AI采用的转折点发生在价值主张在高利害工作流程中变得可衡量时[6] - 谷歌超过四分之一的新代码先由AI生成，再由工程师审查验收[6] - 使用GitHub Copilot的开发人员完成标准化编码任务的速度比对照组快55.8%[7] - 腾讯的AI代码工具CodeBuddy将编码时间减少了40%，研发效率提高了16%[7] - 智能体被视为核心转化层，可实现“对话到执行”，例如阿里巴巴通过“千问”应用在聊天界面集成点外卖、订旅行及支付[7] - 对话界面可以减少发现、比较和结账之间的摩擦[8] 具体公司观点与估值比较 - **增持阿里巴巴、百度**：受益于AI推理需求及Token吞吐量增长[6] - **增持快手科技**：即便不是最终聊天机器人赢家，也将受益于行业营销强度的整体提升[6] - **增持腾讯、网易**：受益于AI压缩内容生产周期，提高研发ROI；腾讯已发布开源3D生成模型，将文本/图像快速转化为高质量3D视觉效果[6] - **携程等垂直龙头**：风险在于流量入口上移，但可通过在自家App内嵌入智能体层来保护高频用例[10] - **估值对比**：阿里巴巴（2026年预期PE 20倍）对比谷歌（29倍）和亚马逊（26倍）；拼多多（8倍）对比eBay（17倍）[12] - 随着AI叙事趋同，长期叙事可信度高、确实达到执行里程碑的公司有望缩小与全球同业的估值差距[12]

混合式AI战略与理念 - 公司认为混合式AI是打造个性化、多样性AI并加速AI落地的必然路径，已成为行业广泛共识 [1] - 混合式AI指个人AI、企业AI与公共AI的混合并用与协同互补，旨在解决单一通用模型无法满足所有独特需求的问题 [1][2] 个人AI业务进展 - 公司发布了全球个人超级智能体Lenovo Qira（中国称“天禧智能体”）及一系列AI终端设备，包括AI PC、AI手机及可穿戴设备 [2] - Lenovo Qira作为跨平台、跨设备的AI入口，具备情境感知、偏好记忆、需求预判和多智能体协调能力，同时注重隐私保护 [2] - 中国境内天禧智能体生态已拥有1万名开发者和5000家智能体合作伙伴，计划在2026年升级至4.0版本，推动“端云一体”发展 [2] - 用户选购新设备时首要考虑AI功能，2025年AI PC占公司PC业务比重超过30%，计划2026年占比超过50% [2] 企业AI业务进展 - 公司于2025年联合英伟达发布混合式AI优势集，为企业提供AI应用所需能力 [2] - 在中国市场，公司基于核心技术模块“擎天引擎”，构建了包括智能云、百应平台、智能体方案和AI全周期服务在内的解决方案 [2] - 以伊利集团为例，公司帮助其实现从牧场到消费者的全链条AI重构，使原奶调配单吨运输成本显著下降，24小时到厂及时率稳定在98% [3] - 公司内部已部署超过200个智能体融入各业务流程，形成智能体网络以提升运营效率并实现开源降本 [3]

企业AI的定义与核心价值 - 企业AI是面向企业级业务场景，以机器学习、自然语言处理、计算机视觉等技术为核心，深度融合企业数据与业务流程，旨在解决复杂商业问题、提升运营效率并创造新增长动能的综合性解决方案 [1] - 与消费级AI不同，企业AI更注重规模化部署、可量化的投资回报、数据安全合规以及与业务场景的深度耦合 [1] - 在智能客服场景中，AI可替代部分人工坐席，实现24小时快速响应，提升客户满意度 [1] - 在数据分析方面，AI能自动处理海量信息，输出精准的决策建议，助力企业实现数据驱动运营 [1] - 在供应链与物流领域，AI通过需求预测与路径优化，显著降低库存成本与履约周期 [1] - 在智能制造中，AI依托机器视觉实现质量检测与设备预测性维护，提升生产效能与产品一致性 [1] - 在合规风控方面，AI能够识别异常交易与合同风险，帮助企业规避经营风险 [1] 主流企业AI厂商与方案对比 - 企业AI市场主要由国际科技巨头、国内云服务商及垂直领域解决方案提供商三类厂商主导 [2] - **钉钉AI**：作为国内领先的企业协作平台智能升级的核心组成，其代表性产品“钉钉AI表格”展现了在轻量化、集成化业务管理方面的优势 [3] - 钉钉AI表格具备多视图数据呈现、跨表关联、实时同步等数据协作能力，并与钉钉原生功能深度结合，实现了业务流程的自动化与可视化 [3] - 钉钉AI的核心优势在于其低门槛、高集成度与业务闭环能力，尤其适合中小型企业及已有钉钉生态的用户快速实现业务数字化 [3] - **微软Azure AI**：提供从机器学习、认知服务到OpenAI集成的全方位企业AI能力，优势在于技术栈完整、全球服务网络成熟 [4] - Azure OpenAI服务为企业提供了调用GPT等大模型能力的合规通道，支持智能内容生成、代码辅助、对话交互等场景 [4] - 微软AI生态与Office 365、Teams等办公工具无缝衔接，在企业知识管理、会议协作、文档智能处理等方面具有显著整合优势 [4] - **阿里云AI**：依托阿里云强大的基础设施与国内市场经验，提供包括机器学习平台PAI、视觉智能、语音交互等在内的全栈AI服务 [6] - 阿里云AI在电商、零售、金融、工业等垂直行业拥有丰富的解决方案积累，注重数据安全与合规适配，符合国内监管要求 [6] - 阿里云AI常与钉钉等协同产品形成合力，在企业内部构建从底层算力、数据中台到上层应用的一体化智能体系 [6] 企业AI落地核心挑战与路径建议 - 企业AI在实际落地中面临数据孤岛、技术成本高、人才短缺、合规压力及业务融合不足等挑战 [7] - 建议企业分阶段实施，从高ROI、易落地场景（如智能客服、自动化报表）入手，积累经验后再逐步扩展 [8] - 建议企业夯实数据基础，通过构建数据中台、统一数据标准，打破部门间数据壁垒，提升数据质量与可用性 [8] - 建议企业合理选择合作模式，结合“云平台+垂直解决方案”的合作方式，在控制成本的同时确保技术方案的行业适配性 [8] - 建议企业强化业务技术协同，组建由业务骨干与技术专家构成的跨职能团队，确保AI项目紧密贴合实际业务需求 [8] - 企业AI正逐步成为企业数字化进程中不可或缺的推动力，未来将在更多业务环节发挥价值，赋能组织在智能时代构建持久竞争力 [8]