公司融资与团队背景 - 成立仅四个多月的AI初创公司明日新程（Nextie）连续完成两轮融资，资金储备已够未来三到五年持续创新所需[3][4] - 天使轮由创新工场、Atypical Ventures联合领投，奇绩创坛继续跟投，原微软全球副总裁David Ku等个人投资者及安可资本也参与投资[3] - 公司由“小冰之父”、微软亚洲互联网工程院原副院长李笛及其带领的微软小冰创始核心班底创立[5] - 在一级市场整体降温的背景下，公司成立不到半年即获两轮融资，并获得陆奇、李开复两大AI圈顶级投资人的同步押注，体现了资本对其团队、技术及赛道的多重认可[6] 核心业务方向：Harness群体多智能体 - 公司融资将明确投向“Harness群体多智能体”方向，该方向被视为智能体落地的核心支撑[7] - Harness意为“马具”，在AI领域是连接模型（马匹）与人类需求（骑手）的核心框架，通过约束、规范与协同机制引导多智能体高效协作，实现“约束换自主”[20] - OpenAI在官方博客中通过实验证明AI可独立完成全流程开发，但必须有一套框架来驾驭它[20] - Anthropic最近发布的新Agent架构Managed Agents也反复强调“Agent Harness”[22] - 公司所布局的“Harness群体多智能体”是将Harness工程化理念与群体智能深度融合的全新体系，以原生群体智能与认知模型为核心[25] - 其Harness核心包含三个关键组件：上下文管理、参与其中的多智能体、多智能体协同方法，其中多智能体协同方法最为关键，团队内部称为“认知碰撞”[26] - 该体系旨在解决如OpenClaw等框架在长程复杂任务中Token消耗巨大、效果不佳、稳定性与安全性不足的问题[18][26] - 通过群体思辨与共识机制，该体系能打破单一Agent的认知盲区，输出最优解，实现“群体智能大于个体智能之和”，并在达到同等思考深度时，整体计算消耗（Token）可降低约50%[26][42] 技术演进与团队积累 - 团队对多智能体协同的思考始于小冰时代，最初目标就是构建能彼此配合的多个AI，但实践中发现单个Agent在多智能体场景中易出现“表演式一致”或互相冲突内耗的问题[33] - 自2022年以来，团队一直在为当前时刻做准备，并在2022年底Transformer架构被验证后，自筹算力开始探索[28][29][30] - 2023年年初，团队提出思维链（CoT）是关键，并自研了“小冰链”（X-CoTA），验证了思考过程透明化的核心价值，该技术仅使用GPT-3约2%的参数量[34] - 2023年年底，团队开发的开源大模型性能超越了Meta同期产品[35] - 2025年12月9日，李笛带领核心团队正式成立明日新程（Nextie）[36] 产品进展与落地应用 - 2025年2月，团队发布了首个原生群体智能平台“团子（tuanzi.ai）”的内测版[39] - 该平台让几十个Agent针对用户问题各抒己见、辩论交锋，并引入投票表决、同行评审等专业环节，聚焦“群体协同价值”[40][42] - 平台能胜任高认知复杂度的深度研究任务，也能适配以OpenClaw为代表的长程多智能体协同、大规模群体仿真等核心场景[42] - 平台自主协同设计出了专门堵截OpenClaw安全漏洞的Agent“卫士虾”（TuanziGuardianClaw），验证了其群体智能能力[44][45] - 公司内部已大量使用Agent作为“人机共生的同事”，采用“常驻Agent+临时Agent”的协作模式进行开发与产品设计[47] - 团队正在全力打造一款形态接近“小冰岛”的全新产品，深度融入团子的Harness群体智能能力，旨在让一群Agent协同完成复杂长期任务，并与用户建立深度绑定关系[49][51] - 新产品将根据每个人的不同需求，配备最适配的Agent群体，实现真正的个性化智能协同[50][54] 行业趋势与市场信号 - 多智能体赛道爆发，Harness成为破局关键，资本正在加速布局[2] - AI Agent（如OpenClaw、Hermes Agent）正以前所未有的热度席卷行业，但实践深入后暴露出在长程复杂任务中稳定性与安全性不足的问题[7][17][18] - 行业逐渐认识到，任何一个超级智能个体都有盲区且无法自我纠偏，处理长程任务时错误会被指数级放大，因此Harness已成为AI工程领域的新共识[18][19] - 通过Harness Engineering，一个3人工程师小组在5个月时间里可以利用Agent构建百万行代码的产品[21] - 该赛道已成为投资人布局AI下半场的核心标的，而明日新程已在这一领域形成领跑态势[11]

阿里妈妈发布AI万相超级经营智能体引擎 - 阿里妈妈发布名为“AI万相”的超级经营智能体引擎，旨在以“多智能体协同”新范式重塑AI时代的商业经营[2] - 该引擎标志着AI从生成内容向直接交付“确定性”生意的能力跃迁[3] 核心范式：从关键词竞争到意图截击 - 消费者决策路径改变，搜索行为从输入“关键词”转变为表达“生活意图”[5] - 阿里妈妈的LMA大模型作为“超级大脑”理解模糊语义，AI万相作为执行分身，共同实现从“卖货”到“交付意图解决方案”的范式跃迁[5] - 以ubras为例，通过意图识别与商品理解，将“小奶皮”内衣从类目中解构，重塑为“呵护皮肤的穿戴品”资产，从而匹配用户关于皮肤护理、通勤穿搭等模糊意图[6][7] - 该案例实现了CVR（转化率）12.47%、成交新客占比提升13.3%的增长战绩[8] - 行业洞察认为，“意图红利”刚刚开始，在消费者“起心动念”处进行截击能开拓巨大增量空间[9] 技术实现：四大智能体与全自动驾驶 - AI万相包含四个原子能力智能体：万相智识（意图识别）、万相智品（商品理解）、万相智造（创意生成）、万相智投（投放优化）[12] - 其本质是将电商经营中机械性重复动作交由Agent执行，切换至“全自动驾驶”模式[11][12] - 以海尔为例，通过商品理解智能体将复杂产品说明书和专利库翻译成针对不同人群的“生活方案”意图资产[13] - 创意生成智能体据此秒级生成差异化视觉素材，投放优化智能体则利用UD全域通等工具进行全域覆盖与精准承接，形成“全能执行闭环”[13] - 商家只需定义“战略意图”，AI万相便能自动调度底层能力实现极简交付，使人类从业者得以聚焦于商业本质[14] 战略布局与行业影响 - 阿里妈妈将AI万相能力全面注入全系产品，如百灵、万相台AI无界、UD智汇投等[17] - 推出“无界智惠券”，基于意图、行为、消费阶段进行精准识别匹配与实时动态调优，旨在实现确定性转化[17][18] - 公司核心洞察是智能体必须是一个“交付器”而非仅仅是“建议器”[18] - 通过AI万相，阿里妈妈在为品牌商家建立“AI时代的数字入场券”，未来未被AI结构化的资产与未被AI理解的品牌将难以生存[18] - 该范式转移将重塑电商运营职业，未来顶尖从业者的核心竞争力是定义品牌“意图资产基因”的战略架构能力[20][21] - AI万相被视为品牌的“能力延伸”和“数字分身”，在亿万次消费脉搏中替品牌做精准对碰[21]

核心事件与人事变动 - OpenClaw（Clawdbot）项目在近期受到极大关注，其GitHub Star数量接近突破20万[1] - 项目创始人Peter Steinberger于2026年2月16日宣布正式加入OpenAI[3] - OpenAI创始人Sam Altman公开欢迎Peter加入，并确认其将负责推动下一代个人智能体的研发[6] 项目发展规划与定位 - OpenClaw项目将移交至一个基金会，以开源项目的形式保持独立运营[6] - OpenAI承诺将继续为OpenClaw项目提供支持[6] - 项目未来目标是支持更多模型与公司，并成为思考者、极客及希望掌握自己数据的人的聚集地[11] 创始人的决策动机与行业愿景 - 创始人认为与OpenAI合作是将智能体普及到每个人手中最快的路径[10] - 创始人强调其目标是改变世界而非打造一家大公司，其个人兴趣在于创造[10] - 创始人认为未来将是多智能体协同的时代，并致力于打造一个连其母亲都能轻松使用的智能体[6][10] - 经过与各大主流实验室交流后，创始人确信OpenAI与其拥有完全一致的愿景，是推进其目标的最佳平台[11] 对行业的影响与意义 - 该事件表明行业领先的AI实验室正积极吸纳顶尖的开源项目人才以增强其研发实力[1][3] - OpenAI将下一代个人智能体的研发视为其未来核心产品体系的关键部分[6] - 行业巨头支持重要的开源项目独立发展，显示出开源生态在AI发展进程中的重要性得到认可[6][11]

OpenClaw创始人加入OpenAI事件总结 - OpenClaw项目在近期获得巨大关注，其GitHub Star数量接近突破20万 [1] - 项目创始人Peter Steinberger于2026年2月16日宣布加入OpenAI [3] - OpenAI创始人Sam Altman公开欢迎Peter加入，并确认其将负责推动下一代个人智能体的研发 [6] OpenClaw项目后续安排 - OpenClaw项目将移交至一个基金会，以开源项目的形式独立运营 [6] - OpenAI承诺将继续为OpenClaw项目提供支持 [6] - 创始人Peter Steinberger强调，保持项目的开源与自由发展至关重要 [11] 创始人决策动机与行业愿景 - 创始人认为，与OpenAI合作是将智能体技术普及到每个人手中的最快路径 [10] - 创始人的核心目标是打造一个连其母亲都能轻松使用的智能体，而非创建一家大公司 [10] - 行业正朝着多智能体协同的时代发展，支持开源事业在这一进程中至关重要 [6] - 创始人经过与各大主流实验室交流后，确信OpenAI与其拥有完全一致的愿景 [11]

核心观点 - GitHub通过集成Claude和Codex，与原有的Copilot共同构建了多智能体协同的AI编程平台，标志着AI编程进入“三足鼎立”时代，旨在将AI智能体深度融入开发者原生工作流，实现从代码托管平台到“AI战场”的进化 [1][2][32] 产品与功能更新 - GitHub正式推出“Agent HQ”作为指挥中心，集成了Copilot、Claude和Codex三大AI编程智能体，开发者可通过一个指令差遣它们完成编码、修Bug、提交PR等任务 [2][5] - 智能体功能深度集成于GitHub网页端、移动App及VS Code，开发者可在IDE、仓库、Issue和PR中一键调用，实现从构思到落地的丝滑流程，无需在不同工具间切换 [2][5][7] - 开发者可以为一个任务同时指派Copilot、Claude和Codex多个智能体异步处理，对比不同方案，智能体生成的产物（如代码草案、Review评论）会像普通代码贡献一样呈现，方便评审 [8][9][10][14] - 在VS Code中，提供了本地、云端和后台三种智能体运行模式，以适应不同的交互和处理需求 [16][17][18][19] 对开发者工作流的影响 - 该平台旨在终结开发中的“上下文切换地狱”，将所有上下文、历史记录和代码评审紧密关联在个人工作流中，极大降低效率损耗 [5][7][31] - 开发者的工作重点从“抠语法”转变为“定策略”，可以将重复性任务（如Bug分拣、文档更新、PR审查）交由AI处理，从而更专注于高层设计和策略制定 [27][34] - 智能体能够像真人队友一样在PR中发表评论、分析漏洞，并进行深度代码分析和针对性修改，其所有活动透明且可评审 [5][12][14] 市场与行业趋势 - 这一更新反映了AI编程的竞争从IDE内的代码补全，转向贯穿软件全生命周期的平台级智能体协同，标志着“战场”的转移 [32] - 行业趋势正从“单兵作战+AI助手”模式，转向在组织层面建立统一、安全的工作流，以实现AI的规模化落地，未来属于各司其职的“专用AI智能体编队” [32][33] - GitHub作为拥有超1.8亿开发者的平台，此举旨在让AI智能体成为开发者的原生核心配置，其规模化效益巨大 [4][30] 用户与获取方式 - 截至2023年，GitHub开发者数量已突破1亿，目前平台拥有超1.8亿人 [4] - 订阅Copilot Pro+和Copilot Enterprise的用户，可在发布当天抢先体验Agent HQ平台的新功能 [4][7]

**Open Cloud (龙虾) 电话会议纪要关键要点** **一、 纪要涉及的行业与公司** **1. 核心行业** * **AI Agent (智能体) / AIGC行业**：会议核心围绕近期爆火的Open Cloud (曾用名CloudBolt/Cloud Auto/Mottobot)项目展开，探讨AI代理平台的发展、技术特点、应用场景及行业影响[6][7][8]。 * **云计算与边缘计算行业**：讨论Open Cloud的部署方式，涉及本地设备、云端服务器及边缘计算节点[16][24][25]。 * **消费电子与半导体行业**：因Open Cloud本地部署需求，延伸讨论苹果Mac mini等硬件设备，以及内存、芯片供应链情况[27][34][37]。 **2. 涉及的主要公司** * **项目/产品方**：Open Cloud (开源AI代理平台)、Notebook (AI专属社交网络)[8]。 * **科技巨头/云厂商**： * **海外**：OpenAI、Anthropic (Claude)、Google (Gemini)、Meta (业绩分析)、苹果 (Mac mini, iPhone业绩)[14][21][36][45]。 * **国内**：Minimax、智谱AI (GLM)、月之暗面 (Kimi)、阿里 (通义千问)、深度求索 (DeepSeek)、腾讯 (混元)、字节 (豆包、火山引擎)、百度 (文心)[14][31][41][44]。 * **基础设施/安全厂商**：Cloudflare (因安全与CDN需求被提及)[24]。 * **硬件/半导体**：苹果 (Mac系列)、英伟达、台积电[27][37][38]。 * **券商/研究方**：华泰证券 (计算机、海外科技、互联网团队)[6][27][40]。 **二、 核心观点与论据** **1. Open Cloud 项目概况与特点** * **项目起源与热度**：Open Cloud最初为奥地利个人开发者在GitHub发布的开源项目，1月26日发布后24小时内获5万星，一周内突破10万星，目前已有11.4万星，日访问量200万，Discord成员超5万，是增长最快的开源AI项目之一[6][7][9]。 * **核心创新点**： * **AI智能体网关**：核心创新在于作为网关，允许用户通过常见聊天工具 (如Telegram、WhatsApp、钉钉、飞书、QQ等) 远程向AI代理发送指令，操控电脑完成任务，提升了用户体验和便捷性[11][12][20]。 * **本地环境操作能力**：不仅能通过API调用云端大模型，还能直接操作本地电脑的文件、浏览器、邮箱、日历等，结合大模型完成任务[13][18]。 * **持久记忆与多任务**：具备长期记忆功能，可记住用户设定的角色、任务；支持多任务场景，可7x24小时持续运行[16][17][22]。 * **开源与灵活性**：作为开源项目，具有高度灵活性，支持配置多种国内外大模型 (如GPT、Gemini、GLM、千问、DeepSeek等) 和调用丰富的技能(Skills)[14][20]。 * **与同类产品的区别**： * **vs. Anthropic Claude for Work (Co-Worker)**：Open Cloud更偏向多任务、持续运行、具备更广泛的连接能力；Co-Worker更偏向单项目级任务[21]。 * **vs. 国内Agent (如豆包手机助手、智谱AutoGLM)**：国内产品更多聚焦手机端操作，通过视觉模拟或调用手机APP API实现功能，且偏向单次交互任务；Open Cloud可操作本地电脑，支持多任务[21][22]。 **2. 技术演进与行业影响** * **Agent演化路径**：行业正从解决简单任务的单Agent，向多Agent协同解决复杂任务演进，未来将形成Agent网络[22][23]。 * **催生的新需求与机会**： * **算力需求**： * **本地设备**：为满足7x24小时运行，带动了Mac mini (尤其是24G/32G大内存版本，部署成本5000元以上)、边缘计算盒子等本地算力设备需求[24][27][30]。 * **云端/边缘服务器**：各大云厂商 (如腾讯云) 已支持Open Cloud一键部署，提供安全隔离，用户可按需选择。例如，腾讯云Lighthouse最低配置(2核CPU+2G内存)月费约45元人民币[25][31][32]。 * **安全需求**：开源项目存在安全漏洞，权限越高风险越大，催生了访问控制、审计、数据加密、代码审计等网络安全需求，利好Cloudflare等安全厂商[23][24]。 * **社区与生态**：衍生出Notebook等AI专属社交网络 (3天内吸引150万AI账号注册)，预示未来可能出现针对开发者或Agent的垂直社区，国内厂商如“元宝派”已在尝试[8][43][45]。 **3. 相关硬件与供应链分析 (聚焦苹果)** * **Mac mini 受青睐的原因**： 1. **存算一体架构**：M系列芯片采用统一内存，无需复杂内存规划，在存储价格上涨背景下效率优势明显[28]。 2. **开发环境友好**：macOS系统对开发者生态、UI交互及图形支持友好[28]。 3. **部署运维成本低**：低功耗、省电、稳定，适合长期开机运行[29]。 4. **隐私安全**：苹果产品在隐私和数据安全方面规格较高，符合本地部署需求[30]。 * **对苹果公司影响评估**：Mac系列占苹果硬件收入约10%，其中Mac mini占比估计仅2-3个百分点，对整体销售拉动有限[34][35]。 * **苹果最新业绩与展望**： * **FY25Q1 (10-12月) 业绩超预期**：iPhone 17销售强劲，各区域增长，供需紧张，部分版本缺货[36]。 * **下季度指引乐观**：收入预计增长13%-16%，毛利率中值48.5%，超市场预期[36]。 * **业绩会关注点**： * **内存涨价**：下季度影响更大，公司考虑与供应商签长约应对[37]。 * **芯片供应紧张**：iPhone的SOC与英伟达AI芯片争夺台积电3纳米产能，紧张状态可能持续[38]。 * **AI合作**：苹果与Google合作，计划将Gemini能力纳入基座模型，打造个性化Siri，同时强调端侧(On-device)能力与隐私的重要性[38]。 **4. 互联网与AI大厂视角** * **国内大厂布局**：Minimax在早期API调用体验较好；豆包、腾讯“扣子”、千问等在开发者生态和Skill建设上各有侧重；Minimax在Agent专业度上被认为较高[41]。 * **部署与使用门槛**：目前部署过程对非程序员仍较复杂 (如配置QQ机器人需约2小时)，且存在权限限制 (如不能传文件、调用第三方APP)。未来一键部署和自然语言理解优化是关键[32][33][42]。 * **社区与流量演变**：初期关注产品本身，随后关注Minimax等厂商，未来可能转向AI社区演变。国内大厂通过红包、春晚合作等方式获客，但针对开发者或Agent的垂直社区可能带来新的流量贡献[43][44][45]。 **5. Meta 业绩亮点摘要** * **业绩超预期**：主业营收利润及资本开支指引均超预期[46]。 * **战略调整见效**：将资本开支更多投入AI模型研发，而非非主业投资；XR业务减亏[46][47]。 * **AI相关进展**：AI视频生成工具年化营收已达100亿美元，与主流媒体差距缩小；Swae超级应用全球上线广告；Meta AI商业助手开始测试[47][48]。 * **估值处于低位**：与腾讯类似，Meta估值处于历史低点 (去年12月曾达十几倍PE)，具备修复空间[50]。 **三、 其他重要但可能被忽略的内容** * **安全风险警示**：报告人多次强调，由于是个人开源项目，Open Cloud存在安全漏洞，建议不要部署在个人主力PC上，应选择服务器或云端部署以控制风险[23][24]。 * **实际应用场景举例**：除常规任务外，Open Cloud可实现一些有趣功能，如：配置AI助手在Twitter上关注AI大佬并总结观点；控制手机完成发信息、打卡等操作；甚至AI Agent之间在社区讨论技术、创建“宗教”、发明加密语言等[15][17][10]。 * **国内部署实践分享**：分析师分享了在腾讯云部署Open Cloud的具体流程：开通Lighthouse实例、配置DeepSeek模型API、连接QQ机器人作为交互通道，并指出了当前在文件传输和第三方APP调用上的限制[31][32][33]。 * **Agent的“独立思考”讨论**：Notebook社区中AI Agent的行为引发了关于AGI是否具备独立思考能力的讨论，但会议未下结论，仅作为现象提及[10]。

文章核心观点 - 2025年是智能体（Agent）的工程落地元年，行业经历了从被动问答到主动执行的根本性变革，其发展由关键协议和框架驱动，类似于早期互联网协议推动Web应用爆发 [1] - 智能体正从概念走向生产实践，其价值在于作为“增强组件”与现有业务流程融合，而非全知全能的取代者，最终将演变为像数据库一样的新兴基础设施 [7][9] 2025年推动Agent应用爆发的关键协议 - **MCP协议**：由Anthropic发布，旨在标准化AI模型访问外部工具、数据库和服务的方式，类似“USB-C接口”，解决了智能体“看世界、调工具”的语言统一问题，显著减少了集成成本、提升了可靠性并加速了自动化落地 [2][3][4] - **A2A协议**：由谷歌发布，核心目标是定义智能体间的“通用语言”和协作规范，使不同背景的智能体能像微服务一样通过标准化方式互相发现、协商和协调工作，解决了大规模协作系统的互操作问题 [4] - **协议差异与协同**：MCP更强调通用的调用与连接能力，而A2A更聚焦于多智能体协作本身；同时，Manus等框架引入了安全沙箱等技术，解决了代码执行和数据处理的隔离问题，使协作更安全 [5] 多Agent协作面临的工程挑战 - **收敛性困局**：多智能体协作时常出现“无效沟通”和“社交式发散”，导致任务不聚焦甚至出现死循环，造成Token消耗激增和算力资源浪费，推理效果可能不如定义明确的单智能体 [6][7] - **自制能力尚浅**：当前智能体虽有灵性，但离完全自制还有很大差距，其与BPM/RPA的关系是“融合”而非“替代”；实践中需为智能体定义清晰的边界和子系统，将其作为处理“不那么确定”子任务的节点集成到现有工具流中 [7] Agent产生真实价值的落地场景 - **AI编程**：是目前落地最成熟、收益最可观的领域，能将原本需要一小时的代码编写任务缩短至一分钟生成加十来分钟修改，效率提升巨大 [8] - **自动化运维**：从2024年基于RAG查手册，演进到2025年能“模仿工程师经验”，可自动执行命令定位系统报错，并能感知真实运行环境做出反馈 [8] - **开放世界训练**：随着智能体被装入手机或机器人，面临未知的非实验室环境挑战；行业正通过提供检查点和克隆等基础设施来加速其在开放世界中的训练效率，目标是让AI“知道自己不知道” [8] Agent的演进路径与终极形态展望 - **演进路径**：从攻克编程、运维等确定性场景，到迈向开放世界训练，能力边界在实践中不断拓展，从“专用工具”向“适应环境”演进 [9] - **形态展望分歧**：一种视角认为智能体将演化为在家庭、工厂、无人驾驶等场景中完全自主运行的“高度自制智能体”；另一种更务实的视角则认为短期内智能体会以可进行KPI评估的“数字员工”身份融入企业 [9] - **行业共识**：无论形态如何，智能体将不再仅是特定领域应用，而会成为一种像数据库、中间件一样的“新兴基础设施” [9][10]

北京人工智能产业发展生态与优势 - 北京拥有密集的人才储备、完整的产业链条以及覆盖多领域的应用场景，共同构成了其人工智能产业发展的坚实基础，铺就了产业增长的“高速路” [3] - 北京市政府工作报告明确提出全面实施“人工智能+”行动，支持中关村科学城建设人工智能集聚区，为产学研协同提供了扎实的政策支撑 [3] - 北京的人工智能产业优势正在加速释放，成为其建设“人工智能第一城”的底气 [3] 生态基石：人才、产业与政策 - 北京AI领域人才密度处于全国乃至全球前列，清华、北大、人大、中科院等顶尖机构持续输送人才，形成了显著的人才辐射效应，即便外地头部团队的核心研发力量中也有不少北京培养的毕业生 [4] - 北京构建了完整的人才成长链条，高校输送顶尖人才，新型研发机构提供成长平台，市级政策为人才留存提供支撑，使智力资源保持持续的创新活力 [4] - 北京聚集了大量头部科技企业与创新创业公司，资金、数据等关键要素高度集聚，产业配套完备，能够高效承接优质人才并快速转化为实际价值，形成人才与产业发展的良性互动 [5] - 北京的AI政策贴合产业发展需求，覆盖从基础研究到场景落地的全阶段，形成务实的政策导向，推动人才、产业、资源等要素高效联动、深度融合 [5] 发展转型：从资源集聚到价值深耕 - 北京AI产业正从资源集聚向价值深耕转型，更聚焦技术适配、场景挖掘与人才衔接等与实际产业密切关联的价值落点 [6] - 技术研发方向已从追求参数规模转向解决实际问题，AI正加速从数字世界迈向物理世界，多智能体协同成为解决复杂场景需求的关键 [6] - 北京智源人工智能研究院发布的具身大脑模型，能够完成跨机械臂、轮式机器人、人形机器人等不同构型的部署，为企业提供了大量具体实用的技术支持 [6] - 应用场景的丰富度是北京的优势，但AI落地面临传统行业的变革阻力，需要决策层向下引导场景开放，为技术提供更多可用空间 [6] - 北京的实践应推动场景与技术的体系化联动，从政务智能服务优化到工业、医疗等细分场景的效率提升，形成研发、验证、反馈的良性循环 [7][8] 未来挑战与发展方向 - 当前AI在高精尖领域的应用仍需深化，面临尖端领域的人才衔接断层问题，懂AI的研发人员不熟悉实业生产逻辑，实业专家对AI应用认知不足，导致大量生产数据难以通过AI转化为实际价值 [9][10] - 破解人才断层问题的关键在于推动人才双向交流，让AI人才走进产业一线，也让实业专家了解AI基础应用，形成互补 [10] - 当前部分AI应用停留在基础层面，尚未深入高精尖领域的核心生产环节，未来可从广泛联动转向精准对接，依托政府搭建对接平台，推动AI企业与实业企业开展联合试点，鼓励开放非涉密数据 [10] - 北京可借助政府统筹作用，构建政府引导、企业主导、科研支撑的协同模式，联动在京AI企业与实业企业，减少合作成本，推动定制化解决方案落地，形成良性循环 [10]

公司对多智能体协同系统(MAS)的回应 - 公司在互动平台回应投资者关于多智能体协同系统(MAS)的提问 [1] - 公司表示其智能体产品已经发布 [1] - 公司对于包括多智能体协同在内的行业前沿技术会持续关注与研究 [1] - 公司未来的产品升级路线将根据市场需求与技术成熟度来规划 [1] 信息来源 - 本文源自市场资讯 [2] - 作者为公告君 [2]

公司人工智能战略与成果概览 - 国金证券于2024年2月前瞻性成立人工智能实验室，系统开展大模型在金融领域的创新研究与应用探索，致力于推动AI技术与业务核心的深度融合 [2][35] - 实验室坚持“让AI深入于业务核心，使成果落地于关键场景”的导向，研究覆盖量化交易、投资管理、公司估值、风险管控、组织运营等核心价值领域 [2][35] - 历经一年多攻关，已形成覆盖六大科研方向、兼具理论深度与应用广度的成果体系，旨在为公司和证券行业智能化发展提供思路与参考 [2][33][35] 估值与投资研究体系 - 该体系聚焦利用大语言模型提升估值分析与投资研究能力，旨在重构传统估值体系，通过AI赋能提高分析深度和效率 [3][36] - 已申请多项专利，包括基于并行博弈的大语言模型动态估值算法、基于信创环境的产业链智能挖掘算法及证券业大模型因子挖掘回测方法 [4][37] - 在《金融科技Times》、《证券信息技术》等期刊发表多篇论文，探讨大模型与财务数据融合的估值算法及智能估值模型构建 [5][38] - 承担深交所2025年立项课题《证券行业大模型赋能投资研究探索与实践》及2025年度行业共研信创课题《基于全栈信创的证券行业大模型投研平台建设》 [6][7][39][40] - 相关投研决策支持方案入选2024年度人工智能大模型金融领域示范场景及创新案例（上海金融科技产业联盟） [8][41] 风险管理与治理体系 - 该体系围绕大模型应用中的风险管理与治理展开，旨在建立健全的大模型风控体系，提升模型应用的安全性与可靠性 [9][42] - 发表论文探讨证券行业大模型场景幻觉容忍度评级及容错控制，并介绍垂直领域大模型测评体系的构建与实践 [10][43] - 承担多项重要课题，包括中国证券业协会的《证券行业人工智能模型应用风险研究》、2025年科技监管课题《大模型风险防护系统在金融科技监管中的关键技术研究》等 [10][43] - 利用AI模型识别异常交易并预测市场“流动性黑洞”，应用大模型研究公司网络与系统性风险传导 [11][44] - 大模型风险治理创新实践获评2025年上市公司可持续发展优秀实践案例（中国上市公司协会） [11][27][44][61] 多智能体协同与自适应体系 - 该体系研究大语言模型驱动的多智能体系统及其在金融领域的协同应用，旨在构建能够自适应学习和进化的智能系统架构 [11][45] - 已获得多项授权专利，包括证券期货行业大语言模型多Agent协同控制算法与系统、结合LSTM的多Agent系统等 [12][46] - 在信创环境下实现了大模型的多智能体部署方案，并提出了多模态大模型构建方法 [12][46] - 有专利在申请中，涉及基于涌现行为调控的自适应智能交易系统及基于并行博弈与策略演化的自适应量化交易系统 [13][47] - 承担课题将联邦学习与多智能体技术结合，并在全栈信创环境中开展智能投研研究 [14][48] - 构建的“人工智能+”多智能体自治协同平台覆盖证券业务全链路场景，被评为2025年度上市公司“人工智能+”典型实践案例 [14][48] 信创大模型建设与联邦学习训练体系 - 该体系致力于构建基于国产自主可控“信创”环境的大模型底座和联邦学习架构，为行业提供安全高效的基础设施 [15][49] - 专利成果包括在信创环境中构建多模态大模型的方法，以及基于全栈信创环境的大模型联邦学习及多方安全计算系统与训练算法 [16][50] - 发表多篇论文，涉及基于信创算力的DeepSeek推理性能评测、大模型联邦学习及分布式训练的探索与实践 [17][51] - 承担多个重要项目与课题，包括2024年成都资本市场金融科技创新试点项目、深交所2024行业共研课题《证券行业生成式人工智能平台建设与场景探索》等 [18][52] - 参与编制《中国资本市场金融科技发展白皮书》等行业报告，为行业提供智库支持 [19][53] - 相关成果获得多项奖项，包括2024年度中国数字化金融与科技创新应用优秀案例奖、第十五届金融科技创新奖以及中国人民银行2023年度金融科技发展奖三等奖 [20][54] AI赋能组织智能化转型体系 - 该体系关注大模型如何赋能证券机构的组织转型和知识管理创新，探索构建“AI友好型”组织以推动新型生产力的形成 [21][55] - 已申请“基于大语言模型的自然语言交互操作系统”专利，旨在通过自然语言交互提升员工效率 [22][56] - 发表多篇具有前瞻性的论文与书籍，探讨大模型的演化路径、AI友好组织构建实践及大模型在人力资源管理等领域的应用 [23][24][57][58] - 承担中国证券业协会2024年度重点课题《证券行业大模型引领产业变革：打造AI友好型组织，培育新质生产力》 [25][59] - “数字人技术在证券行业的应用场景探索与实践”课题入选第四届“金信通”金融科技创新应用典型案例 [25][60] - AI赋能组织转型的实践荣获2025年第九届拉姆·查兰管理实践奖（哈佛商业评论） [26][60] 复杂金融系统建模与量化交易体系 - 该体系侧重于利用大语言模型重新审视和建模复杂金融系统，旨在突破传统方法，实现对金融复杂系统的认知增强和投资策略的范式重构 [28][62] - 专利成果包括在信创环境下利用大模型自动化挖掘投资因子并进行回测的方法，以及基于涌现行为调控和并行博弈的自适应交易系统 [29][63] - 发表系列论文，论述大语言模型驱动的金融复杂系统建模、逆向推理范式及量化策略反推方法，为量化投资提供新范式视角 [30][64] - 承担中国资本市场学会课题《基于大语言模型的公司网络与系统性风险传导研究》，利用大模型模拟风险在复杂系统中的传播机制 [31][65] - 基于可信执行环境的大模型证券投研探索获评第5届数字金融服务创新与场景应用案例暨第九届中关村“番钛客”金融科技国际创新大赛优秀案例 [32][66]