浦东新区张江人工智能创新小镇建设方案核心要点 - 上海浦东新区政府印发工作方案 旨在推进张江人工智能创新小镇建设 [1] - 方案核心在于强化人工智能基金的赋能作用 通过多层次基金体系支持产业发展 [1] 基金体系与资金支持 - 发挥上海三大先导产业母基金及引领区基金作用 加强未来产业基金与高校院所联动 [1] - 设立规模达20亿元人民币的种子基金 重点投资垂类模型、具身智能等方向 策略为投早投小 [1] - 提升天使基金的直投比例 并布局概念验证基金和高质量孵化子基金 [1] - 推动设立企业风险投资基金、并购基金和二手份额基金 以赋能成长期与成熟期企业发展 [1] 发展目标与生态构建 - 依托张江人工智能创新小镇链接基金 旨在集聚海内外优秀创业者 [1] - 目标是通过基金赋能和生态链接 培育独角兽项目 [1]

浦东新区张江人工智能创新小镇建设方案 - 上海浦东发布《建设方案》，旨在加速打造世界级人工智能产业集群，建设具有全球影响力的垂类应用创新集聚高地 [1] 发展规划与量化目标 - 到2027年，计划集聚人工智能垂类大模型应用企业超800家，培育行业标杆企业3至5家，完成超100个大模型备案，打造超30个人工智能示范应用场景，人工智能产业规模达650亿元 [2] - 到2030年，目标实现集聚企业超1000家、产业规模超1000亿元的“双千”目标，形成一批可复制推广的标杆应用场景，成为全球人工智能创新创业人才首选地 [2] 空间布局与产业生态 - 张江人工智能创新小镇位于张江科学城核心区，规划面积约2平方公里，围绕模力双塔、模力社区、模力岛、模力场打造集研发、生态、应用、生活于一体的产业生态圈 [1] - 模力双塔定位为创新孵化、产业集聚、科技服务的垂直空间，模力社区服务成长期企业，模力岛重点承载明星企业及潜在独角兽，模力场聚焦示范应用场景展示与商业配套 [1] 企业培育与成长路径 - 浦东将完善人工智能企业培育体系，建立早期优质项目发现机制和高成长企业储备库，发挥大赛、耐心资本和应用场景的牵引作用 [2] - 计划通过强化金融赋能、创新协同、空间保障、示范应用，助力优质企业在2年内成长为瞪羚企业，3年内成长为独角兽企业 [2] 资金支持与基金布局 - 浦东将设立总规模20亿元的种子基金，聚焦垂类模型、具身智能等方向进行早期投资，该基金首期规模为5亿元 [3] - 将提升天使基金直投比例，布局概念验证、高质量孵化等子基金，并推动设立CVC基金、并购基金、S基金以赋能成长期和成熟期企业发展 [3] - 张江人工智能创新小镇链接基金由高瓴创投与浦东创投集团联合发起，旨在链接海内外创业者并培育AI独角兽项目 [4] - 浦东AI种子基金已完成专家评审9批次共93个项目，加速推动基础研究向产业应用转化 [3] 创新平台与基础设施建设 - 张江人工智能创新小镇将打造人工智能创新功能平台，包括建设人工智能实验室、新型研发机构以及概念验证、中试熟化、技术成果转化等平台 [4] - 将加快算力基础设施布局，打造智能算力公共服务平台，建设智算中心和算力调度中心 [4] - 将深化语料数据开发利用，支持行业可信数据空间建设，打造国家级数据要素集聚区 [4]

上海浦东持续加码AI投资布局！ 1月20日，上海浦东正式发布《浦东新区推进张江人工智能创新小镇建设工作方案》（以下简称《建设方案》）。根据《建设方案》，浦东将 推进张江人工智能创新小镇加速打造世界级人工智能产业集群，建设具有全球影响力的垂类应用创新集聚高地。 张江人工智能创新小镇位于张江科学城核心区域，规划面积约2平方公里，围绕模力双塔、模力社区、模力岛、模力场等，打造集"研发、生 态、应用、生活"于一体的人工智能产业生态圈。其中，模力双塔打造集创新孵化、产业集聚、科技服务为一体的垂直空间，模力社区服务成 长期企业加速发展，模力岛重点承载和吸引明星企业及潜在独角兽，模力场聚焦人工智能示范应用场景展示推广以及商业会展等配套服务。 《建设方案》透露，到2027年，张江人工智能创新小镇将集聚人工智能垂类大模型应用企业超800家，培育行业标杆企业3至5家，完成超100个 大模型备案，打造超30个人工智能示范应用场景，人工智能产业规模达650亿元。到2030年，实现集聚人工智能垂类大模型应用企业超1000 家、产业规模超1000亿元的"双千"目标，形成一批具有复制推广意义的标杆应用场景。建成充满活力的创新小镇、产城融合 ...

政策方案 - 上海浦东新区政府印发《浦东新区推进张江人工智能创新小镇建设工作方案》[1] - 方案旨在强化人工智能基金赋能作用[1] 基金支持举措 - 发挥上海三大先导产业母基金、引领区基金等作用[1] - 加强未来产业基金与高校院所联动[1] - 设立20亿元种子基金，聚焦垂类模型、具身智能等方向，投早投小[1] - 提升天使基金直投比例[1] - 布局概念验证、高质量孵化等子基金[1] - 推动设立CVC基金、并购基金、S基金，赋能成长期、成熟期企业发展[1] 发展目标 - 依托张江人工智能创新小镇链接基金，集聚海内外优秀创业者[1] - 培育独角兽项目[1]

人民财讯1月20日电，浦东新区人民政府办公室印发《浦东新区推进张江人工智能创新小镇建设工作方 案》，方案提出，发挥上海三大先导产业母基金、引领区基金等作用，加强未来产业基金与高校院所联 动。设立20亿元种子基金，聚焦垂类模型、具身智能等方向，投早投小。提升天使基金直投比例，布局 概念验证、高质量孵化等子基金。推动设立CVC基金、并购基金、S基金，赋能成长期、成熟期企业发 展。依托张江人工智能创新小镇链接基金，集聚海内外优秀创业者，培育独角兽项目。 ...

广州正处于抢抓人工智能产业的"关键窗口期"。不久前发布的《广州市加快建设先进制造业强市规划（2024—2035年）》明确提出，到2035年实现人工智能 与各行各业深度融合，产业规模稳步增长，培育超1000个人工智能行业垂类模型，打造若干具有自主创新能力的基础大模型；推动建设1000个以上典型应用 场景。 然而，从技术构想走向市场应用的路径仍存挑战。1月18日，政协第十四届广州市委员会第五次会议在广州白云国际会议中心开幕，广州市政协委员、广州 中源咨询有限公司总经理刘根生在接受南方财经记者采访时谈到，广州发展AI产业的核心优势在于产业门类齐全、应用场景丰富，但目前从技术创意到产 业应用仍存在"死亡之谷"，"许多企业和教授有想法和技术，但缺乏将创意快速转化为可演示模型并进行低成本试错的平台"。 "建议在高校与创新资源密集的天河区建立公益性的AI概念验证中心，一个教授有好想法，可以在这里花很少的钱，得到行业专家和投资人的'PK'和辅导， 让好技术更快脱颖而出。"针对AI技术创新转化的堵点，刘根生建议广州可以建设由政府主导的公益性"AI概念验证中心"与由龙头企业共建的"场景中试基 地"，二者接力，系统性降低从AI技术 ...

文章核心观点 - 摩根大通分析师姚橙认为，中国科技资产，尤其是国产替代方向，仍有超预期增长空间，AI投资领域的资本支出需求正从美国供应商向中国供应商转移 [1] - 全球AI行业已从模型“百团大战”迈入商品化阶段，垂类赛道与B端商业化成为核心发展方向 [1] 中国科技资产投资价值 - 尽管短期市场存在波动，但中国科技资产，尤其是国产替代方向，仍有超预期增长空间 [1] - 美国进入降息周期后，市场流动性宽松，资金会主动追逐潜在回报率更高的资产，中国资产作为新兴市场在全球配置中仍处于相对“低配”状态，具备显著增配空间 [2] - 中国的模型能力已受到全球大型科技公司认可，硅谷众多开发AI应用的技术人员已在使用中国研发的底层模型 [2] - 未来若在硬件领域实现突破，解决了芯片通信等问题，将提升全球投资者对中国科技的认可度 [3] AI资本支出与产业链转移 - 2025年，AI投资领域资本支出需求从海外供应商逐渐往国内供应商转移 [3] - 2024年下半年，中国科技公司的思路从多囤积进口硬件为主，转变为积极拥抱国产解决方案 [3] - 当头部公司开始大规模采购装载国产芯片的国产服务器，利润和资本回流到本土供应商，将形成良性循环，加快技术研发落地 [3] - 中国本身是一个巨大的市场，且作为“世界工厂”在电力等基础设施方面具备优势，足以让本土企业获得丰厚收益 [3] 全球AI市场格局演变 - 全球模型市场的整合阶段已基本结束，2023年中国AI领域还处于“百团大战”状态，如今市场上仅剩下5～10家机构仍在坚持开发模型 [4] - 模型基座能力正走向“商品化”阶段，各家模型的差异不大，选择不同供应商的基座模型最终效果差异可能很小 [4] - 在模型能力趋于同质化的背景下，垂直行业的专有数据成为形成差异化优势的关键，未来垂类模型的发展将呈现明显区分度 [4] - 垂类模型未必由科技巨头主导，小型公司可以基于开源模型蒸馏出小尺寸模型，利用垂直数据训练出极具竞争力的应用 [4] AI商业化落地路径 - AI商业化落地，B端路径比C端更清晰，实施起来也更容易 [5][6] - B端典型落地场景包括：在电商领域，AI虚拟模特可替代传统模特，节省场地租赁和后期设计成本；在编程领域，AI可自动生成基础代码、排查程序漏洞，提升效率 [6] - AI在B端的底层逻辑不一定是创造全新收入，而是融入现有运营模式实现成本节约，其商业化落地和盈利逻辑清晰合理 [7] - C端商业化面临挑战：商业化方向尚未完全明晰，竞争极其充分；中国市场免费服务体验佳导致用户付费意愿较低，变现更加困难缓慢 [7] - AI发展的关键已从“模型”转向“数据与应用”，垂直行业的数据壁垒和B端的降本逻辑是当前最清晰的路径 [7]

珠海AI产业发展战略定位 - 避开通用型AI正面竞争，聚焦智慧城市、智能家居、医疗AI、海洋科技等本地化场景，将AI技术与城市治理、民生服务深度结合[1] - 较小的辖区使得AI应用试错成本低，并为后续复制至大湾区其他城市提供了更广阔的可行性[1] - 城市定位为以城市作为试验场，聚焦构建“技术应用生态”，与深圳的“硬核科技”和广州的“商贸中心”形成差异化[22] 产业平台与模型发展 - 打造珠海首个大模型应用高地“模数空间”，定位为大模型产业孵化空间和产业应用转化平台，汇集超140个细分行业的垂类模型和AI硬件产品[3][6] - 未来模型赛场将聚焦在垂类模型上，因通用基础大模型市场格局已基本成型[4] - 2024年规划力争落地20家以上垂直和场景大模型企业，努力把珠海打造为中国知名“模都”，已有金山办公的“WPS AI”、远光软件的“远光智言”等实现商用[6] 代表性企业案例与商业模式 - 深译科技从数据切入，发展数据处理和垂类模型两大业务，研发出国内首个面向葡语国家市场的行业级大语言模型[7] - 金智维聚焦自动化、智能化赛道，将RPA升级为AI Agent数字员工，并在政务、金融、制造业等领域广泛落地[10] - 无界方舟倾向于与行业头部公司建立深度合作，基于对方开放的专业资源做定制化训练，进行联合研发和持续技术更新[11] 人才与历史基础 - 1992年珠海在全国率先“百万重奖”科技人员，最高奖励价值超过160万元，当年即引进科技型企业28家，总投资6亿元[13] - 通过人才立法、“珠海英才计划”、12年免费教育、人才子女任选优质学位、医保90%报销比例等政策吸引人才[14] - 截至2024年，珠海人均GDP达17.87万元，在广东位居第二，全国跻身前20[14] 区位与宜居优势 - 珠海是内地唯一与港澳同时陆路相连的城市，通过港珠澳大桥，5分钟到澳门，35分钟到香港，粤港澳大湾区一小时经济圈成为现实[16] - 宜居的环境适合智能产业聚合，是吸引高层次人才选择留下的主要原因之一[16] 政府政策与支持 - 设立总额最高5亿元的“算力券”，符合条件的企业可按实际购买算力费用的50%获得支持，每年度最高可使用1000万元的“算力券”[18] - 香洲区对经认定的企业给予30%算力补贴、最高80%贷款风险补偿、LPR100%贷款贴息、30%数字化改造补贴等政策[18] - 2024年全社会研发投入占GDP比重达4.06%，位列全省第二；每万人口发明专利拥有量184.6件，连续13年保持全省第二[21] 财政资源与差异化鼓励 - 2024年珠海一般公共预算收入475.16亿元，支出649.98亿元，其中科学技术支出为46.53亿元[21] - 差异化鼓励方向包括智能可穿戴设备、虚拟现实和增强现实设备、全屋智能家居产品、智能机器人等，结合了本地集成电路、智能家居产业基础[21]

浦东人工智能产业发展 - 浦东人工智能产业从"试水探路"到"繁茂成林"跃升 人形机器人从实验室走向生产线 AI药物加速萌芽 垂类模型赋能千行百业 [1] - 2025世界人工智能大会展示浦东AI产业"进化论" 创新因子见证产业跃升 [1] - 浦东模力社区投用一年 聚焦具身智能 科学智能 应用智能三大方向 以场景闭环打通AI落地最后一公里 [3] 智元机器人发展 - 智元机器人2023年扎根浦东张江机器人谷 半年内推出首款人形机器人 2024年自建生产工厂和数据采集工厂 2025年1月实现千台机器人量产下线 成为上海首个人形机器人量产企业 [1] - 智元机器人推出全能探索机器人灵犀X2 发布通用具身模型基座"智元启元大模型" 展示人形机器人"进厂打工"多种应用场景 发布业界首个具身智能操作系统参考框架"智元灵渠OS" [1] - 智元机器人将继续扎根浦东 打造人形机器人产业集聚区和创新引领地 [2] 英矽智能业绩 - 英矽智能2024年营收3.5亿元人民币 同比增长108% [2] - 截至2024年底 英矽智能有10条管线处于临床阶段 中国首个进入临床的AI药物Rentosertib完成临床药效概念验证 [2] 模力社区生态 - 模力社区助力企业将AI技术融入智能生产 生命科学 金融科技 城市管理等七大领域 [3] - 极豆科技为保时捷 小米等25家知名车企打造智能座舱 羚数智能推出30余款工业AI体 服务振华重工等制造业巨头 [3] - 模力社区吸引智谱寰宇 阿里通义千问两大模型巨头落户 张江已吸引近200家上下游相关企业 [3]

公司技术突破 - 夸克健康大模型于7月23日通过中国12门核心学科的主任医师笔试评测 成为国内首个完成该挑战的大模型[1] - 该模型在5月通过副主任医师职称考试基础上实现能力提升 展现出复杂医学推理任务的突破[1] - 核心突破为构建"慢思考能力" 融合链式推理与多阶段临床演绎路径建模 实现分阶段深入推导医疗问题[1] 技术实现路径 - 采用"双数据产线+双奖励机制"工程体系 将医学数据划分为可验证（诊断类）和不可验证（健康建议类）两类[2] - 训练方法引入过程奖励模型（评估推理链合理性）和结果奖励模型（评估结论准确性） 提升临床可解释性与推理一致性[2] - 通过多阶段强化学习流程 包括人工校验冷启动数据、多轮样本筛选与难度递进训练 以及防作弊识别机制[2] 资源与用户基础 - 拥有千人规模专业医师标注团队 其中超过400名为副主任医师及以上资历专家[2] - 夸克AI搜索在医学生群体中月活用户突破200万 覆盖全国过半医学生[2] - 医学生与医生群体使用该平台进行基础知识搜索、考试备考和临床辅助诊疗[2] 技术架构 - 以通义千问大模型为基础 采用面向垂直场景的深度工程化路线[1] - 通过真实医生标注和"问—思—答"整组数据驱动强化学习[2] - 训练目标聚焦医学思维培养而非简单问题回答[1]