炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ （来源：智通财经） 在AI技术快速演进的今天，企业面临的已不再是"是否采用AI"，而是"如何用好AI"。1月5日，国际消费 电子展（CES 2026）上，AMD首席执行官苏姿丰预测："未来五年，全球将有50亿人每天使用人工智 能。"这一数字背后，是AI从技术概念向核心生产力加速转化的全球趋势。 然而，在推进AI落地的过程中，企业普遍面临着"不敢用、不会用、用不好"的现实困境。 联想与IDC联合发布的《全球首席信息官报告》显示，尽管2025年全球企业AI支出将是2024年的近三 倍，仍有37%的企业对AI价值心存疑虑。模型输出不可控、数据来源不可信、安全机制不健全等问题， 正成为制约AI从试验走向规模应用的关键瓶颈。 在这一背景下，"可信"成为AI价值释放的重要前提。 01可信AI：一个系统化的构建框架 何为可信AI？国际标准化组织/国际电工委员会（ISO/IEC）将其定义为"以可验证的方式满足利益相关 方期望的能力"。 针对这一概念的落地转化，明略科技（2718.HK）依托长期实践经验，拆解出清晰路径，并提出"可信 生产力=可信模型+可 ...

21世纪经济报道记者 方海平 上海报道 当下，人人都对快速迭代的各类技术的巨大能量有了初体验，也深信其终将渗透并重塑经济和社会生活 的各个领域，在金融行业亦不例外。作为"金融五篇大文章"之一，金融机构尤其是银行对数字金融的重 视和投入似乎怎么强调都不为过。 如今银行业的数字化进程到了哪一步？大模型等新兴技术强势来袭，银行业有怎样的思考和顾虑？新的 数字化地基更新建成，下一步在技术应用上会有怎样的突破？对此，21世纪经济报道《对话数字金融30 人》高端访谈栏目近期专访了上海银行（601229）副行长、首席信息官胡德斌。 胡德斌拥有十分深厚的银行业数字化经历，拥有吉林大学软件工程博士学位。其职业生涯深度贯穿中国 银行业信息化与数字化历程，曾历任中国工商银行软件开发中心副总经理、数据中心（上海）副总经理 等关键职务。自2016年出任上海银行副行长，并于2021年兼任首席信息官以来，他主导推动了该行一系 列重大科技战略工程。 近期，上海银行历时27个月的"智芯工程"圆满收官，新一代全栈信创核心系统成功投产。该工程不仅实 现了从底层硬件到应用软件的全面自主可控，更依托腾讯云TDSQL数据库与TCE专有云平台，完成了 核 ...

2025年的最后两个月，混沌Black创新企业联盟的五家企业接连迎来 两场IPO 。 在对赌压顶、前路迷茫的时刻，两位创始人先后走进了混沌Black创新企业联盟。一年半后，他们各自带着一家上市公司走了出来。 一个月后，51WORLD的钟声在港交所响起，成为"Physical AI第一股"，技术闭环+生态协同叩响万亿新赛道，市值超150亿港元。创始人李熠（混沌学园5期学 员）的"克隆地球"梦想，第一次在全球资本市场的目光中，变得如此真切。 按照"克隆地球计划"，51WORLD通过16年（2015-2030）克隆地球5.1亿平方公里，以此不断解决真实世界中关于交通拥堵、AI训练、时空沉浸、安全预警、气候 预测、能源工业等应用领域的各种现实问题。到目前，公司已经集齐了地球克隆最基本的要素——"人与建筑"、"车与道路"、"水与城市"，在19个国家拥有超过 1000家客户。 资本市场在2025年格外冷静，这两声钟响因此显得尤为珍贵。而只有真正了解内情的人才知道，这两家公司有一个更重要的共同点： 2024年初，他们都遇到巨大的危机。 先是11月，明略科技登陆港交所，成为全球Agentic AI（自主智能体）第一股。创始人 ...

文章核心观点 - 冀北电科院发布“智序”电力智能体测评体系 旨在为人工智能在电力行业的有序落地提供系统化、工程化的评估支撑 推动新型电力系统与智能电网建设 [1] 体系构建与设计 - “智序”体系面向智能体全生命周期 构建系统化、工程化的测评方法 致力于以“可度量、可解释、可复现”的专业评估手段 支撑电力智能体实现“可用、好用、放心用” [1] - 体系聚焦智能体在真实业务流程中的整体表现 围绕感知理解、规划决策、执行控制、运行效率和安全可靠等关键能力 构建覆盖多个测评大类、25个测评维度、62项典型测评任务的测评框架 [1] - 体系严格对标国家及国际人工智能标准和技术规范 结合电力行业高安全、高可靠运行的业务特性进行系统化设计 兼顾通用技术视角与行业适配需求 [2] 标准化工作与行业价值 - 公司依托测评实践参与人工智能领域标准化工作 2025年参编4项国家标准 并牵头编写《电力智能体评测指标与方法》国家标准提案进入立项阶段 [2] - 体系为智能体应用提供了一套可复用、可推广的测评范式 有助于统一能力认知、降低应用风险、提升人工智能应用的可控性和规范性 为后续规模化应用和行业协同奠定基础 [2] 实践验证与技术认可 - “智序”体系已逐步在实际业务中接受检验 公司围绕变电运维辅助决策等典型场景对多类智能体开展测评 形成完整测评分析结果 [2] - 体系通过了“求索2.0”国家人工智能评测基准体系验证 公司成为国网公司内部首家通过该项测评的单位 体现了体系在技术先进性和行业引领方面的价值 [2] 未来规划 - 公司将持续深化“智序”测评体系建设 推动其在更多电力业务场景中的实践应用 [3] - 公司将加强与国家人工智能测评与标准体系的协同衔接 不断提升电力智能体应用的安全性、可靠性和工程成熟度 为新型电力系统建设提供坚实支撑 [3]

文章核心观点 - 多模态大语言模型在真实世界视觉退化下的性能崩溃是产业落地的致命瓶颈[1] - 由香港科技大学、西北工业大学等团队提出的Robust-R1实现了从“抵抗干扰”到“理解干扰”的范式转变[2] - 该方法将视觉退化问题重构为显式结构化推理任务，在多项权威评测中实现了质量与鲁棒性的双重突破[1] 技术方案与创新 - **核心思想**：为视觉大模型构建一套“退化感知推理系统”，执行三步诊断流程：退化参数感知、语义影响分析、鲁棒结论生成[3][5] - **范式创新**：首次跳出“隐式适应”的思维定式，将退化感知提升为显式的结构化推理能力[2][24] - **技术内核**：通过三阶段构建“退化感知推理引擎”，包括结构化推理链监督微调、退化参数精准对齐奖励、动态推理深度自适应调控[9][10][11] - **可解释性**：模型的每一个判断都伴随完整的推理链条，决策依据透明、可追溯、可验证[3][19] 数据与训练 - **数据引擎**：研究团队构建了业界首个大规模退化感知推理数据集，覆盖真实世界四大退化阶段和16种精细化退化类型[13][16] - **训练流程**：数据集包含11K样本，每个样本不仅包含退化参数，更包含完整的“诊断→分析→推理→结论”链条[13][16] 性能表现 - **真实退化基准测试**：在R-Bench基准上，Robust-R1在低、中、高三种退化强度下全面超越所有基线模型[14] - **综合性能领先**：Robust-R1 (SFT+RL) 在R-Bench上的综合性能得分为0.5017，高于通用MLLM Qwen2.5-VL-3B的0.4845和专用鲁棒模型TeCoA的0.3586[15] - **对抗退化压力测试**：在MMMB、MMStar、RealWorldQA三大通用VQA基准上，对图像施加25%、50%、100%强度的合成退化[15] - **抗衰减能力强**：随着退化强度从25%增加到100%，Robust-R1的性能下降幅度显著小于所有基线模型[18] - **极端场景可用**：在100%强度的极端退化下，Robust-R1在MMMB基准上的性能为75.35，大幅领先专用鲁棒模型TeCoA的51.76和Robust CLIP的53.33[15][17][18] - **全面领先**：Robust-R1 (SFT+RL) 在三大基准的所有退化强度下，均取得了最佳或接近最佳的性能[17] 行业影响与意义 - **开启新篇章**：标志着多模态大模型从追求“在清晰世界中表现完美”向追求“在复杂现实中可靠决策”的重大转变[23] - **可信AI**：提供完整的可解释推理链，极大增强了模型在关键应用中的透明度和可信度[24] - **高效实用**：动态推理机制平衡了性能与效率，更具实用价值[24] - **应用领域**：解决了自动驾驶、医疗影像、安防监控等关键领域落地的瓶颈问题[2]

公司融资与业务转型 - 彩智科技于2025年12月完成数千万人民币A轮融资，由致远互联独家领投[5][6] - 融资资金将用于深知可信智能体和精准业务认知工具的商品化，以及全国企业AI市场拓展[5] - 公司此前在2024年11月已完成数千万人民币天使轮融资，由智谱AI领投，盛景嘉成跟投[6] - 2024年公司总营收达4000万人民币，其中一半来自传统知识图谱业务，一半来自大模型业务[28] - 预计2025年公司营收将达6000万人民币，其中三分之二（约4000万）将由大模型业务贡献[28] 核心产品与技术：深知可信知识模型 - 核心产品深知可信知识模型旨在100%消除针对规章制度的AI幻觉，服务政府和企业市场[7][10] - 该模型针对的痛点是：大模型基于概率算法，在遇到规章制度时易产生幻觉，而互联网和历史文档中99.9%是旧版本，仅0.1%为最新版本，导致模型倾向于输出过时信息[10] - 模型通过API接口，可在几分钟内完成对政企内部制度条文等电子文档的训练，掌握从内控管理、经验案例到行业标准等所有工作知识[12] - 模型输出答案时可追溯到具体的规章条文，实现AI生成内容可溯源，并对齐规章制度的最新版本[15] - 该模型的知识底座是历时4年完成的“大知识工程”，覆盖了16亿个规章制度知识点，并能实现每月加工上百万知识点的实时更新[20][21] 产品应用场景与效果 - 在政务场景，为政府门户网站、政策问答平台、12345热线等提供可信政策知识[12] - 以全国政务热线为例，接入模型后，平均工单响应时间从6分钟缩短至1分钟[12] - 以广东省政务服务和数据管理局为例，接入模型后，在公文材料写作中整体完工率达到约80%，极大解放生产力[14][15] - 在企业场景，产品帮助政企搭建面向内部员工的智能体，覆盖智能问答、章程解读、公文写作等工作[12] - 精准业务认知工具（MCP）作为辅助工具，可接入其他通用大模型，帮助其更准确地理解章程知识[23] - MCP已入驻百度千方、腾讯元气、阿里百炼、智谱、字节扣子平台、火山引擎和华为鸿蒙等主流智能体生态[26] 公司发展历程与数据积累 - 创始人徐剑军在知识工程领域有近20年专研经验，团队于2017年成立创业[17] - 早期业务为定制化的知识图谱项目，2020年该业务营收已达千万级别[17] - 2020年承接“大规模知识图谱的自动化构建”课题子任务，开始构建大规模知识库[18][19] - 团队爬取了全中国20年内公开的、无版权纠纷的社会公共章程类知识，共100亿文件，去重后为20亿文件[19] - 通过自研一体化知识工程平台和知识工程母模型，实现了知识加工的自动化，目前99%知识点可由模型完成，仅1%需人工介入[20] 商业模式与市场定位 - 公司业务分为两大板块：标准化的可信知识服务智能体，以及可接入生态的精准业务认知工具（MCP）[23] - 可信知识服务智能体已有国家能源集团、北京控股、国务院办公厅等客户[23] - MCP作为工具，通过与携程等企业合作，为其智能体提供准确的章程知识支持，例如针对全国三百多个城市不同的护照办理流程给出准确指南[26] - 公司与本轮投资方致远互联达成合作，将企业知识服务组件融入致远的AI-COP智能协同运营平台，以加速在能源、金融、制造等行业的落地[29] - 公司定位为深耕千行百业的“章程大脑”，旨在补足通用大模型在制度知识上的短板[29]

文章核心观点 - 未来学家凯文·凯利认为，应以基于历史经验的理性乐观主义看待AI发展，未来由主动相信并愿意为之想象的乐观主义者塑造 [1][3][5] - AI技术发展遵循“缓慢起飞”的规律，其颠覆性应用被市场过于急切地预期，全球经济消化现有成果至少需要十年 [9] - 应超越国家竞争叙事，构建全球性的“公共智能”作为应对星球级挑战的公共基础设施，当前最大风险之一是“过早监管” [11][12][14] 乐观主义与技术演化规律 - 乐观是一种基于历史经验、蓄意选择的理性工具，是塑造复杂文明造物的起点 [3] - 数据显示AI并未直接导致大规模失业，长远看技术演进将像计算机催生“网页设计师”一样创造大量新职业 [5] - 预测科技未来的必要条件是“聆听技术”，即感受技术本身如同生命体般演化的“倾向性”，技术整体（技术元素）被视为继六大生命王国后的“第七王国” [5] AI投资热潮与“缓慢起飞” - 当前AI投资存在泡沫，并非每个投资者都能赚钱，可类比互联网初期的光纤建设狂潮，个体商业损失可能与整体社会巨大收益并存 [7] - 市场对AGI、自动驾驶等颠覆性AI应用的预期过于急切，即使技术不再发展，全球经济也需至少十年来消化吸收现有成果 [9] - 构建“可信AI”的成本与效率挑战，短期是负担，长期则是构建用户信任、规避系统性风险、赢得未来市场的必要战略投入，如同汽车的“安全带” [9] 全球协作与“公共智能” - AI领域人才与知识流动已超越国界，纯粹的国家竞争叙事显得片面 [11] - 倡议构建全球性的“公共智能”，应基于全世界的知识与语言训练，不被任何公司或政府独占，向全人类开放，以应对气候变化、公共卫生等挑战 [11][12] - 当前最大风险之一是“过早监管”，即在未充分理解技术本质前用规则扼杀创新可能性，应允许实验、鼓励探索，为全球协作奠定基础，成为未来人类会感谢的“好祖先” [14]

乐观主义与聆听技术 - 乐观是一种基于历史经验、蓄意选择的理性工具 是塑造未来的关键 人类复杂的文明造物最初都源于乐观者脑海中的蓝图[3] - 讨论AI的起点应是客观证据 数据显示AI直接导致的大规模失业并未发生 长远看技术演进会像计算机催生“网页设计师”一样创造大量前所未有的新职业[5] - 预测科技未来的必要条件是“聆听技术” 需摒弃自我意识去感受技术本身的“倾向性” 技术整体如同生命体般演化 可被视为继六大生命王国之后的“第七王国”[5] 投资快与慢 - 当前AI投资热潮存在泡沫 并非每个投资者都能赚钱 这与互联网初期的光纤建设狂潮类似 部分投资者蒙受损失但社会整体获得了至关重要的数字基础设施[7] - 市场对AI颠覆性应用（如AGI、自动驾驶）的预期过于急切 即使技术不再发展 全球经济也需至少十年来消化吸收现有成果[10] - 构建“可信AI”带来的成本与效率挑战 短期看是负担 长期看却是构建用户信任、规避系统性风险、从而赢得未来市场的必要战略投入 如同汽车的“安全带”[10] 全球协作的必然 - 在AI领域 人才与知识的流动早已超越国界 纯粹的国家竞争叙事显得片面[12] - 倡议构建全球性的“公共智能” 人类应共同拥有至少一个像互联网那样不被任何公司或政府独占的AI 它应基于全世界的知识与语言训练 并向全人类开放 成为应对星球级挑战的公共基础设施[12] - 当前最大风险之一可能是“过早监管” 在尚未充分理解技术本质之前便用规则扼杀创新可能性[14] - 当代人的责任是成为未来人类会感谢的“好祖先” 方式包括允许实验、鼓励探索 并为全球协作性的“公共智能”奠定基础[14]

行业宏观背景 - 全球基础设施行业面临变革，预计到2025年建设支出将达到10万亿美元，但行业生产率数十年来几乎未有改善 [1] - 人工智能被视为破解行业困局的关键契机，能提升效率并改变工作方式 [1] - 与消费互联网领域不同，AI在基础设施领域的融合相对艰巨，对信任、数据、安全和人才要求极高 [1] AI应用现状与价值 - 约一半的基础设施领域受访者已在试点或实施AI，并计划推广至全组织 [4] - 约三分之一的机构预测，三年内AI将应用于其超过一半的设计与工程项目 [4] - AI的价值在于自动化复杂任务、优化决策流程，并推动数据驱动的工作方式 [4] - 案例显示AI可实现显著效率提升：中国工程公司使变电站运行效率提升超过60%，土耳其项目将开发周期从五年压缩到一年，成本降低超过75% [4] 具体AI产品与应用场景 - Bentley软件推出AI助手Bentley Copilot，具备上下文感知能力，能引导用户操作、调用文档和修改模型 [5] - OpenSite+软件帮助项目交付速度提升10倍 [5] - Open Utilities Substation+支持多设计师实时协同建模，减少施工错误和返工 [5] - SYNCHRO+通过AI快速探索施工序列，生成效率更高的可操作结果 [5] - 计划2025年11月为Open Roads、Open Rail设计软件加入可自动生成图纸标注的AI智能体 [6] - 在中国市场推出生成式AI设计产品iPID，可将工作效率提升10倍以上 [6] AI战略核心与数据基础 - AI战略核心是"可信AI"，根植于基建场景的专业智能，而非通用大模型 [7] - 训练AI模型的数据取自真实的项目数据、地理信息数据、企业历史数据及工程数据，且均经过企业授权 [7] - 基础设施人工智能必须立足于现实世界环境，以实现AI赋能人类工程师 [2] 行业挑战与解决方案 - 数据孤岛是首要难题，解决方案在于开放、统一的数据基座 [8] - 工程逻辑的严谨性是第二重挑战，破局方法在于将工程逻辑嵌入AI [8] - 场景适配的复杂性是第三重考验，需应对地理环境、气候条件等独特因素 [9] - 企业与Bentley的深度共创，如"基础设施AI共创计划"，让用户参与AI工作流设计 [10] 未来趋势与愿景 - 基建AI已从"单点技术突破"进入"全周期生态协同"新阶段 [10] - AI将帮助工程师在时间、成本、质量的铁三角中实现多重目标 [10] - 在可预见的未来，AI是人机协作过程，愿景是赋能工程师而非取代 [11]

公司发展历程 - 创始人吴明辉拥有深厚的技术背景，本科保送至北大基础数学系，研究生保送至计算机系人工智能专业，博士进修多模态大模型方向[1][7][10] - 早期创业项目“秒针系统”专注于互联网广告监测，通过提供真实流量数据成为行业标准，并服务宝洁等大型客户[21][22][25] - 公司在2012年面临广告监测业务增长天花板，开始寻找第二曲线，内部孵化广告推荐系统，外部注册新公司“明略数据”[29][30] - 2018年、2019年明略与秒针合并，公司通过并购成为数据赛道第一大公司，并融资两轮各20亿，账上现金超10亿[1][40] - 2020年底收购企业微信SCRM工具夜莺科技，旨在获取企业微信内的销售数据用于AI训练[40] - 2021年因战略节奏失控、过度扩张导致资金链断裂，未能完成5亿美金融资，团队裁员95%[44][45][47] - 2022年底至2023年逐步偿还员工离职补偿，腾讯在危难时提供资金支持[48][55][56] - 近期公司拟通过港交所上市，并在IPO前发布新产品Mano和DeepMiner[2] 核心技术产品 - 新推出的网页GUI智能体Mano在Mind2Web与OSWorld两大国际权威基准上刷新纪录，双双登顶SOTA，具备在真实网页环境中完成复杂操作链的能力[1][17] - 专有大模型产品线DeepMiner正式亮相，专注于解决B端企业决策场景下AI的可信、可解释、可追溯问题[2] - DeepMiner的核心是链接企业内外部可信数据源，其数据分析全链路完全透明、可追溯，人类分析师可在任何环节进行提问和修改[68][69][70] - 产品具备强大的数据分析洞察能力，并链接到图像和视频生成能力，在效果广告领域可实现基于可信数据的内容生成和投放优化[71] - DeepMiner被定位为Foundation Agent（通用智能体），可裂变出多个垂直领域的智能体，终极目标是在各行各业帮助人类构建可信的AI决策模型[81] - 公司早期技术积累包括硕士论文研究的推荐系统和自然语言处理技术，为当前多模态大模型研发奠定了基础[16][17] 商业模式与战略 - 秒针系统通过坚持“中立第三方”定位，解决广告主与媒体间互信问题，并以数据作为结算标准成为行业基础设施[22][24][25] - 公司战略演进从广告监测到广告推荐，再到“everything的推荐”，最终聚焦于利用AI技术重塑数据驱动决策的商业模式[22][27][75] - 当前战略核心是利用AI新武器突破原有业务卡点，通过DeepMiner产品将数据分析能力赋能给更广泛的企业用户，降低使用门槛[61][67][74] - 公司选择To B赛道，认识到其难以爆发但需长期坚持的特点，愿景是打造可信的AI，成为商业决策的“守门员”[4][74][75][81] - 未来商业模式类似链家与贝壳的关系，DeepMiner有望成为承载各类数据服务的平台，而原有业务成为平台上的使用者[75] 行业趋势与定位 - 创始人经历了PC互联网、移动互联网、大数据和人工智能多个技术周期，公司业务随之持续迭代[2][32] - 行业趋势是AI从C端走向B端，从消费场景迈入企业决策，对AI的可信度要求越来越高[2][79] - 公司在AI时代的定位是解决商业社会中的数据造假问题，打造真正让人类信得过的可信AI[79][80] - 面对通用大模型的竞争，公司策略是在细分垂直领域深耕，通过Foundation Agent裂变出差异化、可落地的垂直智能体[81][85] - 行业存在创新空间，巨头无法覆盖所有领域，为具备独特定位和可衡量系统的创业者提供了机会[83][85]