智能体发展趋势 - 智能体正从单一任务向编程辅助、社会互动、经济治理等复杂场景拓展[1][3] - 智能体由集中式云端算力向轻量化本地终端部署演进，ToC端对隐私保护、响应速度与个性化体验需求增强[3] - 轻量型终端智能体可在手机、穿戴设备等终端直接运行，具备自主推理与快速交互能力，谷歌助手、Siri、Alexa、Cortana等产品已广泛应用[3] - ChatGPT、Copilot等大语言模型智能体正向端侧迁移与轻量化适配[3] 多智能体协同发展 - 多智能体可信互连成为行业趋势，通过协同交互完成复杂任务[4] - 多智能体架构需实现高效通信、深度协作与动态交互，打破信息孤岛并优化资源配置[4] - 复杂任务场景要求智能体系统具备处理海量异构数据、动态环境与多元决策的能力[3][4] 终端智能体安全挑战 - 终端智能体安全边界突破传统信息安全范畴，延伸至数字与物理世界的边缘交互接口[3] - 多智能体发展面临数据泄露、越权操作、隐私侵犯、算法偏见等安全威胁[4] - 单一主体安全能力难以应对跨域协同、攻防升级的系统性挑战，需构建"数据共享、能力协同、标准互认"的安全生态体系[5] 安全生态建设 - 需通过多方参与、资源整合与技术协同构建终端智能体安全可持续发展根基[5] - 数据、技术、应用三方联动是构建终端智能体安全共同体的关键[5] - 高精度、高质量的安全评测数据集是安全风险探测的核心驱动力[6]

AI在医疗健康领域的应用趋势 - 人工智能正以前所未有的深度与广度重塑全球医疗健康产业链，覆盖临床诊疗、药械研发、医院管理等环节 [1] - AI技术为医疗健康产业打开新的发展空间和产业机遇，催生智能化、精准化、个性化的医学新范式 [1] - 全球约80%的医疗机构正在部署或设点生成式AI工具，这些系统被整合进运营、临床、行政等医疗工作流程中 [2] AI技术的具体应用 - AI技术在医疗健康领域的应用包括癌症早筛的智能诊断系统、阿尔茨海默症的AI预测模型、高效缩短新药研发周期的生成式AI以及高精度智能手术机器人 [1] - 从AlphaFold破解生命密码到大模型驱动诊疗效率革命，再到具身智能、生命纤维引领的医疗健康新可能，AI成为医药健康产业跨越式发展的核心引擎 [2] - AI技术呈现出从科研实验室走向临床医疗、卫生政策和医院管理体系的趋势 [2] AI在医疗健康领域的挑战 - AI在医疗健康领域的应用面临数据壁垒、监管伦理和技术标准等多重挑战 [3] - AI模型在医疗健康领域存在模型幻觉、逻辑不一致、缺乏可追溯性等具体问题 [3] - 信任危机与算法"黑箱"成为AI应用于医疗健康领域的最大障碍 [3] 行业应对措施 - 为确保AI医疗发展的安全性和有效性，需建立透明、包容和公平的制度，并加强机构合作 [3] - 推动数据安全网建设，加快制定医疗健康数据应用相关实施方案，完善数据分级分类管理体系，创新"数据可用不可见"的安全共享机制 [3]

开源模型竞争 - Kimi K2超越DeepSeek成为全球开源模型第一，总榜排名第五，紧追顶尖闭源模型 [1] - K2继承DeepSeek V3架构并进行参数调整，包括增加专家数量、减半注意力头数、保留第一层Dense及专家无分组 [1] - 全球TOP 10开源模型中唯二入选的均来自中国，"开源=性能弱"的印象正被打破 [1] 视频生成技术突破 - Decart发布MirageLSD，首个实时(40毫秒延迟)、无时长限制的扩散视频模型，可处理任意视频流 [2] - Karpathy成为天使投资人，预见其在实时电影制作、游戏开发和AR领域的广泛应用 [2] - 技术突破在于实时流扩散(LSD)架构，通过逐帧生成和历史增强方法解决误差累积问题 [2] AI音乐创作升级 - Suno V4.5+版本提供人声与器乐分层生成与融合功能，用户可上传个人人声或伴奏进行AI辅助创作 [3] - 新增"Inspire"模式允许用户上传3秒至8分钟的个人干声，AI学习演唱特点后创作符合个人声音气质的音乐 [3] - 谱乐AI平台已同步上线Suno V4.5+核心生成能力，优化创作门槛并提升AI协作效率 [3] 音乐AI助手整合 - 腾讯元宝App 2.30版本正式接入QQ音乐服务，实现"一句话搜歌、划线即播"功能 [4] - 混元大模型与DeepSeek-R1双引擎驱动，能识别模糊音乐描述并结合情境推荐 [4] - 用户体验包括无缝账号体系连接、多模态交互和创作辅助功能 [4] AI Agent竞争 - OpenAI推出ChatGPT agent，面向Pro用户，但遭到Manus、Genspark等竞品公司的直接对比和批评 [5] - ChatGPT agent整合了Deep Research、Operator和ChatGPT功能，能自动完成退休计划、购物清单等任务 [5] - 实测各有特色，Manus输出更美观，Minimax提供多种格式报告，Kimi内容详细且询问用户具体需求 [5] 角色动画技术 - PhysRig是UIUC与Stability AI提出的角色动画可微物理绑定框架，将刚性骨架嵌入弹性软体 [6] - 通过MPM可微分物理模拟替代传统LBS，解决了体积丢失与变形伪影问题 [6] - 在17类角色和120组动画测试中全面优于传统方法，支持跨物种动作迁移 [6] 通用推理模型突破 - OpenAI的神秘通用推理模型在IMO 2025中解出5道题目，获得35分，达到金牌水平 [7] - 该模型具备持续数小时的深度创造性思维能力，远超以往AI的秒级或分钟级推理 [7] - 这是通用强化学习突破而非特定任务训练的成果 [7] AI工具设计理念 - 最佳AI编程工具应是简单、通用的"乐高积木"，而非功能堆砌的复杂系统 [8] - Claude Code创造者主张将控制权还给用户，工具不应替你决定工作流，而是提供底层能力 [8] - 有效工作流包括：先探索规划再由用户确认后编码、使用测试驱动开发、对照目标迭代改进 [8] AI产品战略 - 聚焦Agent：预训练模型已含工具知识，只需激发能力，智能上限由模型决定 [9] - 开源：提升知名度、获取社区贡献，防止用技术捷径粉饰效果，倒逼模型真正进步 [9] - 选择DSV3架构：实验证明自研结构无法胜过DSV3，资源有限下避免引入无效变量 [9] AI未来发展方向 - 许多人构建的辅助工具与路由系统最终会被扩展模型取代，真正遵循扩展法则的方向是直接提高模型能力 [10] - 当前AI模型学习数据效率远低于人类，算法改进比简单扩大数据规模更重要 [10] - 多智能体研究新方向：研究如何让模型从15分钟推理扩展到数小时甚至数天，建立AI"文明" [10]

多智能体与游戏AI研究 - OpenAI开发的Cicero系统在《Diplomacy》游戏中达到人类玩家前10%水平，并通过AI反哺训练使开发者Noam Brown成为2025年世界冠军[3][4] - Cicero采用27亿参数的小型语言模型，开发过程中发现更大模型能显著提升性能[8] - 多智能体研究不仅关注博弈策略，更探索如何扩展模型推理时间至数小时甚至数天以解决复杂问题[55] AI推理范式演进 - 测试时计算成为下一代AI核心能力，模型思考时间从15分钟向更长周期扩展带来数量级性能提升[32][34] - 系统一（直觉）与系统二（推理）能力需协同发展，模型规模扩大后推理性能呈现涌现特性[15][16] - OpenAI通过o系列模型验证推理范式，o3已具备网页浏览和深度研究能力，性能持续迭代[11][26] 数据效率与算法改进 - 当前AI数据效率显著低于人类，算法改进是提高数据利用率的关键方向[38][39] - 强化学习微调(RFT)可针对性优化模型，收集的数据对未来模型迭代仍具价值[30] - 预训练模型需结合中训练和后训练才能实用化，纯预训练模型表现欠佳[88][90] 行业竞争与技术路线 - 自对弈在两人零和游戏(如围棋)中有效，但在多人非零和场景面临目标函数设计挑战[66][69] - 模型路由等辅助结构可能被扩展范式取代，开发者需警惕技术快速迭代带来的架构淘汰风险[26][28] - OpenAI采用集中资源进行大规模实验的策略，区别于传统实验室的小型分散研究模式[40][41] 应用场景与商业化 - Codex编程助手可独立完成代码提交，未来将覆盖从问题提出到PR审核的全流程[43][51] - 虚拟助手成为继软件开发后的重点应用领域，AI对齐需求使其可能超越人类表现[52] - 生成式媒体(Sora)与推理模型形成技术矩阵，推动商业订阅增长[71] 前沿研究方向 - 显式建模其他智能体的必要性存疑，大规模模型可能自发形成心理理论能力[64] - 万智牌等超复杂不完美信息游戏暴露现有AI方法的局限性，状态空间爆炸问题待解[99][100] - 生物模拟器开发被视为突破药物研发瓶颈的关键路径，需跨学科协作[86]

纪要涉及的行业和公司 - **行业**：AI算力、运营商 - **公司**：亚马逊、微软、谷歌、Meta、英伟达、华为、新一胜、中国移动、中国电信、中国联通 纪要提到的核心观点和论据 AI算力行业 - **核心观点**：AI算力景气度仍值期待，但市场对未来持续投入存在分歧，建议保持适当仓位，精选个股，关注北美链 [1][28][29] - **论据** - **资本开支强劲**：今年一季度北美四大厂商亚马逊、微软、谷歌和Meta资本开支总金额773亿美金，同比增长62%；Meta将全年资本开支由600 - 650亿美元上调至640 - 720亿美元 [2][3] - **算力需求大**：模型参数量增加、推理场景、agent应用等对算力消耗大；国内大模型商用落地日均token消耗量激增，如2024年下半年从千亿级到万亿级，月复合增长率45%；单个agent算力需求显著高于简单模型，单个用户查询token处理量预计两年内增加100倍 [5][8][9][10] - **历史复盘**：以光模块等算力公司为例，过去经历两轮大周期，当前基于PTTM计算公司估值较便宜，虽AI与云计算不同，但可作为参考 [21][22][27] 运营商行业 - **核心观点**：运营商虽面临经营压力，但业绩增速大概率可实现两到三年维度的平稳增长，是AI大赛道中有想象力的布局方向 [34][36] - **论据** - **业绩增速放缓但有望提速**：今年一季度三大运营商营收同比仅增长0.8%，但二季度开始随着政企订单恢复，预计收入和利润端业绩将提速 [35] - **收入端增长有持续性**：家庭端天照宽带用户渗透率有提升空间，宽带up值可提升；云计算等ICT项目和产品保持不错增速 [36][37] - **利润端平稳增长**：成本费用压降，资本开支持续下降，折旧和摊销占收比及绝对值可能下降，自由现金流变好，支撑净利润平稳增长 [37] - **股息充裕**：自由现金流强，可供分配股息充裕，虽一季度经济现金流下降，但全年有望平稳 [38][39] 其他重要但是可能被忽略的内容 - **AI算力行业** - **强化学习遵循scale law**：强化学习成为激发复杂推理的核心技术，遵循规模、参数量和算力的法则，agent构建也遵循此规律 [7][8] - **算力投资性价比**：英伟达和华为推出机柜方案，研究表明K = 36以上对性能提升明显，但大于72或等于5760时性价比不高 [16][17] - **估值锚点**：基于未来盈利预测的估值可信度不高，可基于历史PTTM给出合理估值锚点 [20][21] - **Agent应用** - **成为AI应用落地主要承载**：OpenAI给出agent公式，国内也在加速发展，如Manus提出通用Agent概念、智博的陈词成为国内首款公开可用的Digital Search等 [30][33] - **对算力和token消耗大**：agent从规划到执行各环节对token消耗大，如上下文窗口、验证模块、多模式场景等 [14][15] - **运营商行业** - **资本开支下降**：运营商资本开支在2023年出现拐点，2024年下降10%，今年预期下降9%，因6G商用远、AI投资可控 [39] - **资产质量高**：运营商资产质量高，坏账风险低，个人和家庭用户预付费为主，政企用户欠费少 [40]

AI行业趋势与预测 - AI领域权威人士对未来持超预期乐观态度，Geoffrey Hinton预测AI将取代多数人类工作，仅顶尖技能岗位不可替代 [2] - Andrej Karpathy提出"软件3.0"时代概念，自然语言成为新编程接口，大模型承担主要工作 [2] - 预计到2028年15%日常工作决策将由Agentic AI自主完成，2024年该比例近乎为零 [68] Agentic AI技术突破 - 智能体技术实现从被动响应到主动执行的跨越，可长期独立运行并自主使用工具 [3] - 多智能体协作系统已实现中央协调器自动分配任务，完成PDF解析、报告生成等复杂流程 [15] - 智能体遵循大语言模型测试时扩展规律，通过强推理持续提升解题能力 [3] 亚马逊云科技技术栈 - 提供全栈式Agentic AI开发工具：Bedrock Agents支持复杂流程编排，Strands Agents实现轻量级开发 [17][46] - Amazon Q Developer实现90%代码自动生成，支持从需求分析到部署的全流程自动化 [6][8] - Amazon Transform实现5000行代码环境迁移，1分钟完成4800行修改 [9] 行业应用案例 - 复星医药利用生成式AI将医学报告检查从1周缩短至5分钟，翻译成本降低30% [24] - 合合信息构建文档处理Agent DocFlow，分钟级完成文档分类与信息抽取 [21] - 汤森路透应用现代化改造速度提升4倍 [60] 企业效率提升数据 - Java版本升级项目节省4500+开发工时，实现2.6亿美元年化成本节约 [56] - 五人团队两天完成1000个Java应用升级，单应用耗时从2天压缩至10分钟 [54] - 医学领域AI处理1.6亿字翻译，制药企业文档工作量占研发30-50% [23][24] 技术架构创新 - Bedrock平台集成DeepSeek R1、Claude等12种顶尖模型，支持多模型智能路由 [33][42] - 独家推出自动化推理校验功能，有效防止大模型幻觉 [38] - 模型蒸馏技术提升500%响应速度，成本降低75% [41] 商业价值与战略 - Agentic AI被定位为亚马逊云科技下一个十亿美元级业务，已成立直属CEO的专项团队 [64] - 生成式AI在生产力提升、成本优化和创新加速三方面验证商业价值 [19] - 中国区已有超1000家深度合作客户，全球超10万企业使用机器学习服务 [63]

大会概况 - 首届国际通用人工智能大会在北京召开，聚焦通用人工智能（AGI）的国际学术盛会，吸引全球数十个国家和地区的近千位专家、学者、技术领袖参与[1] - 大会目标为探索AGI原创性技术路线，推动中国建立自主AGI技术叙事体系，抢占科技竞争制高点[1] - 大会由北京市科学技术委员会、中关村科技园区管理委员会等机构指导，为AGI发展注入新动能[14] 学术成果与框架 - 大会展示全球AGI最前沿研究，包含4场专题报告、6个专题会议，40余位国内外顶尖专家参与演讲[3] - 朱松纯教授提出"基于哲学思想的CUV框架理论"，强调中国需建立自主AGI技术叙事体系[3] - 《通用人工智能标准、评级、测试与架构》正式出版，填补AGI评测国际空白，提出在CUV框架数学空间中定义AGI[7] 专题会议核心方向 - 具身智能与机器人专题：聚焦多模态感知、运动控制、仿生机器人等领域，探索智能体环境理解与自主决策路径[10] - 多智能体与社会模拟专题：研究智能体交互协作、社会行为演化仿真及群体智能形成机制[10] - 多模态交互学习专题：围绕多模态表征对齐、动态场景感知等议题，赋能智能系统自然理解与高效决策[10] - 认知与社交智能专题：探讨AI与认知科学融合，推动类人认知能力和社交智能的通用智能体发展[10] - AI+X专题：研究AI与法律、经济、安全、艺术等领域的融合创新，拓展行业应用场景[11] - AGI芯片与系统专题：探讨大模型加速系统、AI芯片架构前沿，推动软硬件协同发展[11] 青年科研力量 - 大会展示百余篇青年突破性研究成果，评选18项人气Poster，展现AGI领域新生代科研活力[12] - 参会嘉宾与青年学者深入交流，促进学术合作与创新[12] 国际专家观点 - 权龙、张正友、费德里科・罗萨诺等专家围绕具身智能、自然智能、生成式AI作主题报告，呈现全球AGI最新突破[5]

文章核心观点 中贝通信战略孵化大公智能，布局人工智能领域，结合自身智算集群建设优势，构建智能时代创新生态体系 [1][2] 中贝通信战略布局 - 4月27日战略孵化大公智能揭牌成立，该AI企业以开发“通用数字分身技术”为愿景，重点布局“数字分身 + 多智能体”技术研发 [1] - 对大公智能投入是看好人工智能前景及企业转型升级的必然选择，布局将释放公司多维度协同效应 [1] - 近年来智算集群建设快速扩张，持续加码“人工智能 + 新能源”战略布局，已基本完成智算集群全国业务布局，运营算力规模超15000P [2] 大公智能发展规划 - 未来三年首年聚焦“多智能体工坊”与“数字分身工厂”技术路径，在教育、工业、康养等行业进行技术验证，逐年推动产品规模化应用，后续着眼国际市场，深化Web3.0分布式价值网络部署 [1] - 锚定“通用数字分身技术”目标，运用关键技术帮助个人、企业、社会创造更多共享与增值机会 [1] 双方合作方向 - 中贝通信联合大公智能，依托“新基建 + 新技术”深度融合，共同构建智能时代的创新生态体系 [2]

公司战略与产品发布 - 公司在2025春季发布会上推出超级智能体，涵盖影音、健康、生活、设备、创作、教育六大领域，并发布酷开学习机Y41 Air、酷开闺蜜机C20系列等硬件产品 [2] - 公司宣布正式以AI原生企业的定位面向未来发展 [2] - CEO提出"所有硬件都值得用AI重做一遍"的理念 [3] 行业现状与公司定位 - 当前智能体市场存在应用广度及深度不足、设备交互无法满足场景需求的问题，导致智能体应用价值未充分发挥 [5] - 公司强调自身作为应用厂商更注重性价比，与大厂专注大模型的逻辑形成差异化 [8] 技术规划与产品迭代 - 公司计划分三步推进超级智能体发展：用户数据闭环观察（3个月）、升级意图识别模型（7B→32B）、保持与行业领先大模型同步 [6] - 超级智能体将支持软件售卖、设备授权、PaaS服务、生态共赢等合作模式，Q1签约智能体销售中软件与硬件各占50% [7] 商业化与成本控制 - 公司内部重点核算大规模使用成本，确保成本足够低以实现商业化落地 [8] - 智能体需达到标准化产品要求才能销售，需确保用户数据达到基本程度 [8] 行业合作与场景落地 - 公司已在运营商、车载、酒店、办公等领域与知名企业合作，包括一汽奔腾、极氪汽车等车企及途虎养车等后装服务商 [9] - 公司提供智能座舱和影音娱乐系统软硬件全链路解决方案赋能汽车行业 [9]

作者 | 褚杏娟、华卫 在 4 月 25 日的百度 Create 开发者大会现场，百度创始人李彦宏发布了两大模型、多款热门 AI 应用，并宣布将帮助开发者全面拥抱 MCP。同时，百度 正式点亮了国内首个全自研的三万卡集群，可同时承载多个千亿参数大模型的全量训练，支持 1000 个用户同时做百亿参数的大模型精调。 "所有这些发布，都是为了让开发者们可以不用担心模型能力、不用担心模型成本、更不用担心开发工具和平台，可以踏踏实实地做应用，做出最好的应 用！"李彦宏说道。 李彦宏表示，大模型厂商卷生卷死，几乎每周都在发布新模型，但开发者不敢大胆用，因为担心自己的应用被模型迭代快速覆盖掉。李彦宏认为这是把 双刃剑：一方面，开发者确实需要理解技术发展趋势；另一方面，这么多日益强大的模型提供了更多的选择，打开了更多的可能性。 "只要找对场景，选对基础模型，有时候还要学一点调模型的方法，在此基础上做出来的应用是不会过时的"。他强调，"没有应用，芯片、模型都没有价 值。模型会有很多，但未来真正统治这个世界的是应用，应用才是王者。" 发布两大新模型， 价格最高降 80% 文心大模型 4.5 Turbo 和文心大模型 X1 Tur ...