文章核心观点 - 2026年慕尼黑生化展（analytica 2026）集中展现了流式细胞仪行业三大发展趋势：高参数化、自动化集成、场景定制化，技术突破正推动其从科研实验室向临床诊断与工业应用场景延伸 [1][2] - 贝克曼库尔特、赛多利斯、Bio-Techne、安捷伦等公司展出的六款代表性新品，在纳米检测、高通量筛选及单细胞分选等关键领域实现突破，为免疫治疗、抗体研发、外泌体研究等前沿领域提供全面解决方案 [2] 核心技术参数与应用价值详解 - **贝克曼库尔特 CytoFLEX mosaic 88** - 全球首款“两栖”型流式平台，支持传统流式与光谱流式双模式自由切换，5分钟完成模式转换 [3] - 5激光配置，88个检测通道（含81荧光通道），可实现40色以上免疫亚群精细分型 [3] - 搭载线性最小二乘法与混合泊松算法双解混系统，光谱解析误差降低至4.2% [3] - 配套CytExpert Spectral软件可一键对接Cytobank云端平台，支持机器学习辅助数据分析 [3] - **贝克曼库尔特 CytoFLEX nano** - 纳米颗粒检测突破性产品，最小检测粒径达40nm，突破传统流式200nm检测下限 [3] - 4激光11通道配置，5个侧向散射通道，无需染色即可通过多SSC通道比值分析区分不同粒径小颗粒亚群 [3] - 携带污染率<1%，样本上样体积低至10μL，为外泌体标志物分析、病毒载体质量控制提供新手段 [3] - **赛多利斯 iQue 5** - 高通量筛选标杆产品，检测速率达35,000事件/秒，5分钟完成96孔板分析，20分钟完成384孔板分析 [3] - 采用专利“气隙间隔”采样技术，样本消耗仅为传统方法的1/3，最小样本吸取量1μL [3] - 支持48小时连续无人值守运行，配套Forecyt®软件可实现从样本处理到报告输出的全流程自动化分析 [3][4] - 已有超过1,200篇同行评审文献引用其检测数据，学术认可度领先 [4] - **Bio-Techne Pala 单细胞柔性分选系统** - 低压力分选模式使细胞活性保留率提升至92%以上，运行压力<2psi [4] - 单细胞沉积准确率达92.5%（96孔板），1分钟可完成96孔板分选，6分钟完成384孔板分选 [4] - 支持低至100个细胞的起始量分选，一次性芯片设计完全避免交叉污染 [4] - **安捷伦 Novocyte Penteon** - 高端多色分析主力机型，5激光配置，30个荧光通道，检测速率达100,000事件/秒 [4] - 动态范围达7.2个数量级，无需反复调整电压即可同时检测强弱信号 [4] - 具备体积法绝对计数功能，无需参比微球，新增细胞周期DJF分析模型与增殖自动分析功能 [4] - 搭载NovoSampler Q自动进样器，兼容多种孔板，自动化程度高，可实现无人值守批量检测 [4] - **安捷伦 Novocyte Opteon** - 新一代光谱流式产品，5激光配置，73个检测器，支持45色Panel验证 [4] - 通过自体荧光扣除技术与双重SSC优化设计，可无需裂解红细胞直接实现全血样本中血细胞分离检测 [4] - 最小检测粒径80nm，配备NovoSampler S自动进样器，支持自动化系统集成 [4] - 已于2026年1月获得国家药监局医疗器械注册证，可应用于临床免疫分型诊断 [4] 流式细胞技术发展核心趋势 - **检测能力边界持续拓展** - 检测下限从传统200nm延伸至40-80nm，填补了外泌体、病毒颗粒等纳米级生物颗粒的检测空白 [15] - 光谱流式技术成熟，高端机型支持40色以上同时检测，为复杂免疫图谱分析提供可能 [15] - 未来光谱流式、成像流式与质谱流式的多模态融合将成为重要方向 [15] - **全流程自动化** - 新品普遍搭载自动进样系统，兼容96/384孔板与机械臂集成，支持48小时以上连续运行 [16] - 人工智能算法融入工作流，实现自动圈门、智能配色、报告自动生成，降低操作门槛 [16] - 集成样本前处理、染色、上样、分析全流程的全自动流式工作站市场渗透率将持续提升 [16] - **场景化定制** - 行业呈现细分赛道专业化趋势，从通用平台向专用设备转型 [17] - 抗体研发领域优先保障检测速度与样本经济性（如赛多利斯iQue 5） [17] - 临床诊断领域重点提升自动化程度与合规性，配套验证试剂盒 [17] - 单细胞研究领域优先保障细胞活性与低起始样本适配性（如Bio-Techne Pala） [17] - 场景化创新推动流式技术向环境监测、食品安全、农业生物技术等跨界应用渗透 [17] 行业展望 - 技术迭代与应用拓展双向驱动，正推动流式细胞术从科研实验室走向更广泛的临床与工业场景 [19] - 随着自动化、智能化程度持续提升，流式细胞仪将持续巩固其在生命科学研究与精准医疗体系中的核心工具定位 [19]

投资评级与目标价 - 报告给予商汤-W“增持”评级，并上调目标价至2.72港元 [1][10] - 估值基于2026年15倍市销率(PS)，对应目标价为2.72港元 [10] 核心财务表现与预测 - 2025年公司总收入创历史新高，达50.15亿元人民币，同比增长33% [5][10] - 2025年归母净亏损为17.66亿元人民币，同比收窄59% [5] - 盈利能力出现质变，2025年EBITDA层面亏损收窄85%至4.71亿元人民币，并在下半年首次实现EBITDA转正（3.8亿元人民币）及经营性现金净流入 [10] - 报告预测公司2026-2028年营业收入分别为65.06亿元、81.07亿元和98.67亿元，对应增速分别为30%、25%和22% [5][10] - 预计公司归母净利润将于2028年扭亏为盈，达到1.72亿元人民币 [5] 业务分析：生成式AI成为核心引擎 - 生成式AI业务在2025年同比激增51%，收入达到36.295亿元人民币，占总收入比例提升至72% [10][13] - 该业务已成为公司核心增长引擎，标志着向生成式AI的战略转型成效显著 [10] - 报告预测生成式AI业务在2026-2028年将继续保持高速增长，预计增速分别为40%、30%和25% [13] 技术优势：NEO架构与多模态融合 - 公司凭借“语言与视觉深度融合”的技术信仰建立了代际优势 [10] - 2025年第四季度开源的Neo原生多模态架构，仅用业界1/10的数据量与算力即可达到SOTA性能 [10] - 预计将在2026年第二季度推出NEO二代架构的全新基模，实现效能与性价比倍增 [10] - 2025年11月发布的SenseNova-SI模型平均分位列同类模型全球第一，超越Gemini-3-Pro和Cambrican-S [10] - 开悟世界模型3.0的推理速度达到英伟达Cosmos 2.5的72倍，成为首个实现[多模态理解-生成-预测]一体化的开源具身原生世界模型 [10] 商业化进展与生态战略 - 生成式AI应用实现多点突破：“小浣熊”家族累计服务超1500万用户，入选沙利文十大最实用AI Agent；“Vimi”支持单机连续生成100集短剧，汇聚超30万创作者；“咔皮相机”登顶多国App Store [10] - 传统视觉AI业务通过方舟平台升级，连续九年蝉联中国计算机视觉市场份额第一，已进入规模化收获期 [10] - 公司依托“1+X”战略，推动智能驾驶、智慧医疗等生态企业完成独立融资出表，通过“母舰赋能、子舰冲锋”模式，实现集团与子公司的双向价值创造 [10] 市场数据与估值比较 - 公司当前股价为1.88港元，当前市值为759.97亿港元 [1][7] - 报告选取了云从科技、寒武纪、虹软科技作为可比公司，其2026年预测PS平均值约为20倍，而报告给予商汤15倍2026年PS的估值 [10][14] - 公司52周内股价区间为1.28-2.89港元 [7]

投资评级与核心观点 - 投资建议：维持“增持”评级，上调目标价至2.72港元 [1][10] - 核心观点：商汤科技AI商业化拐点确立、盈利与现金流双改善，NEO架构技术领先、全栈生态闭环成型，是AI行业核心标的 [10] - 核心观点：生成式AI成核心增长引擎，NEO架构引领多模态技术突破，算力-模型-应用全栈闭环推动AI商业化全面进入收获期 [2] 财务表现与预测 - 2025年实现总收入50.15亿元，创历史新高，同比增长33% [5][10] - 2025年生成式AI业务收入同比激增51%至36.295亿元，收入占比提升至72% [10][13] - 2025年净亏损同比收窄58.6%，EBITDA层面亏损收窄85%至4.7亿元，下半年实现上市以来首次EBITDA转正（3.8亿元）及经营性现金净流入 [10] - 预测2026-2028年营收分别为65.06亿元（+30%）、81.07亿元（+25%）、98.67亿元（+22%） [5][10] - 预测2026-2028年归属母公司净利润分别为-19.69亿元、-8.57亿元、1.72亿元，预计2028年实现扭亏为盈 [5][10] - 预测2026-2028年综合毛利率分别为39.26%、39.26%、38.92% [11][13] 技术优势与产品进展 - 2025年Q4开源的Neo原生多模态架构，仅用业界1/10的数据量与算力即可达到SOTA性能 [10] - Q2（预计2026年第二季度）即将推出NEO二代架构的全新基模，预计实现效能与性价比倍增 [10] - 2025年11月发布的SenseNova-SI平均分位列同类模型全球第一，超越Gemini-3-Pro和Cambrican-S [10] - 开悟世界模型3.0推理速度达英伟达Cosmos 2.5的72倍，成为首个实现[多模态理解-生成-预测]一体化的开源具身原生世界模型 [10] 业务进展与商业化落地 - 生成式AI应用多点突破：小浣熊家族累计服务超1，500万用户，入选沙利文十大最实用AI Agent；Vimi支持单机连续生成100集短剧，汇聚超30万创作者；咔皮相机登顶多国App Store [10] - 视觉AI业务通过方舟平台升级，连续九年蝉联中国计算机视觉市场份额第一，已进入规模化收获期 [10] - 依托“1+X”战略，智能驾驶、智慧医疗等生态企业完成独立融资出表，通过“母舰赋能、子舰冲锋”模式，实现集团与子公司的双向价值创造 [10] 估值与市场数据 - 给予公司估值2026年15倍PS，对应目标价为2.72港元 [10] - 当前股价为1.88港元，当前市值为759.97亿港元 [1][7] - 52周内股价区间为1.28-2.89港元 [7] - 可比公司（云从科技、寒武纪、虹软科技）2026年平均PS为20倍 [14]

电话会议纪要分析：MiniMax 一、 涉及的行业与公司 * 涉及的行业为**人工智能（AI）行业**，具体涵盖大语言模型、多模态AI、AI编程智能体、AI办公应用、AI视频生成等领域[2][7][9] * 涉及的**公司是MiniMax**，一家专注于AI模型研发与产品化的初创公司[1][2][4] 二、 核心观点与论据 1. 公司战略定位与核心竞争力 * 公司的战略目标是发展成为**AI时代的平台型公司**，核心驱动力在于持续提升模型的**智能密度**和**token吞吐能力**[2][10] * 核心竞争力基于三方面协同能力：**模型**的长期积累与快速迭代、**“模型+产品”一体化**能力、以及推动**生态**发展的能力[2][4][5] * 坚持**差异化战略**，有所为有所不为，例如2023年即明确不做移动端通用个人助手（类似豆包、ChatGPT），将资源集中于能创造独特价值的Agent与海螺视频等方向[10] 2. 技术路径：坚持多模态融合 * 公司认为**多模态融合**是持续提升AI智能的基本前提，并已系统布局多年[4][6] * 多模态推进分为两个阶段：第一阶段（过去4年）已在**语言、视觉、声音、音乐**等单模态上打造出行业内有影响力的模型；第二阶段（当前）致力于各模态能力的整合以形成新突破，预计2026年上半年推出的**M3与海螺3**将体现该阶段成果[6][7] * 公司是国内仅有的三家在各模态均能达到较领先水平的公司之一，且是其中唯一的初创公司[7] * 视频生成被认为是AGI领域中除编程与智能助手之外**最大的市场**，2026年有望推进到中长视频及接近实时生成，公司有望在该市场获得独特机会[2][7] 3. 市场机会与产品进展 * **编程智能（AI Agent）**：L4/L5级别将实现“同事级、组织级”的智能，2026年有望从“辅助工具”显著跃迁至“同事级协作”[2][8][11] * **办公智能**：潜在市场可能大于编程，覆盖人群更广（如数据分析、文档撰写、PPT制作等），预计2026年办公领域的推进速度可能达到2025年编程场景的增长速度[9][11] * **模型迭代与增长**：从M2到M2.5三代模型仅用**108天**，保持了行业内极快的迭代节奏[4][9] * **2026年前两个月业绩**：M2系列模型的**token使用量已达到2025年12月水平的6倍**，增速超预期，可能与Open Cloud生态发展及模型在coding能力与可用性方面的升级有关[3][11] 4. 研发理念与组织效能 * 强调**研发效率**而非单纯资源投入，胜负取决于模型智力进步速度是否能带来更大规模商业化收入[2][10] * 通过“**A准的实习生**”实践（AI Agent覆盖90%员工），将公司作为实验场，带来了两大增量认知：一是显著提升进步速度并压缩组织链路，加快从模型迭代到用户服务的闭环；二是反向澄清模型智能的目标定义，加速研发定向[4][12] * 在AI native的组织架构下，全模态研发费用相较其他创业公司并不高，且显著低于巨头投入，但各模态均已形成有竞争力的模型[7] 5. 行业趋势与竞争格局判断 * 认为AI行业仍处于高速增长阶段，更接近“**每年增量远大于存量**”的扩张型市场，并非典型的“winner-take-all”格局，具备持续创新与差异化能力的公司能获得结构性机会[4] * 行业增长将呈现**阶梯式上行**，而非线性外推[3][11] * 公司正积极准备迎接2026年智能涌现可能带来的多个“**超级PMF**”（产品市场契合），预计未来一年的渗透率与加速度将快于市场普遍预期[3][11] * 竞争的核心目标是建设成为AI时代的平台公司，长期来看全球范围内只会留下少数AI平台型公司，公司目标是成为其中潜在的独立公司之一[10] 三、 其他重要内容 * 公司在**OpenCloud生态**中已有大量早期开发者，因模型性价比较高，尤其适配大投放量场景，降低了开发者门槛[5] * 公司产品进一步集成OpenCloud，通过Agent的**MAAS Claw**降低终端用户门槛，并向**OpenClaw**贡献代码，体现了参与和促进生态建设的能力[5] * 公司判断，在巨头、创业公司与开源模型并存的格局下，**持续赢得关键战役的关键**在于两点：一是技术能力持续突破边界；二是利用边界突破推动产品与业务逐步具备生态属性[12]

文章核心观点 - 上海科学智能研究院与复旦大学联合发布了名为“大圣”的系统级、面向科学探索的高能动性智能体，旨在通过AI技术彻底变革科研范式，提升科研效率与成功率 [4][5] - “大圣”智能体具备“上天入体”的全域科学探索能力，覆盖生命科学、地球科学、物质科学、人文科学等多个领域，并能通过自驱动实验室链接物理世界进行实证 [11][12][39][74] - 该智能体的成功源于对底层AI架构的重构，包括多模态科学基础模型、多分支群体记忆架构、经过验证的Skills体系以及安全可信的闭环设计，背后是跨学科青年科学家团队的融合创新 [40][41][80][82] 产品与能力 - **核心定位**：作为“超级科研合伙人”，“大圣”是一个系统级、面向科学探索的高能动性智能体，致力于推动科研范式变革 [4][5] - **效率提升**：在演示案例中，针对心肌病基因调控网络的研究问题，智能体通过14个智能体并行工作，迭代11轮，将性能提升11%以上，而传统研究生完成类似工作需至少半个月 [1][2] - **干湿实验闭环**：在生命科学领域，智能体实现了“设计-执行-反馈-优化”的干湿闭环。例如，在siRNA药物设计实验中，联动自驱动实验室后，机械臂在16分钟内完成96个样本的转染操作，效率较传统手工提升3到4倍 [13][18][19] - **多模态科学理解**：智能体具备原生多模态理解能力，能直接处理RNA二级结构、分子结构等科学模态数据，无需转换为文本，避免了信息失真。在RNA序列设计任务中，能理解多源科学条件并直接输出高性能序列 [21][25][26][44] - **地球科学应用**：基于“伏羲气象大模型”，智能体已完成“空地数据互联—模型上天—星上计算”的闭环验证，模型已在轨稳定运行一个月，未来计划发射更多卫星星座以提供更精准的天气预报 [30][31][33][34] - **人文科学应用**：在人文社科领域，智能体能进行苏格拉底式思辨，编排教学流程以培养学生的独立思考能力，而非提供死板的百科定义 [36][37][38] 技术架构与创新 - **多模态科学基础模型（大脑）**：采用“神珍科学多模态基础模型”，为不同科学模态（如RNA序列、分子结构）配备专用Tokenizer，生成原生高保真的Science Token，实现多模态对齐与自反思能力，在文本科学推理上达到业界SOTA水平 [42][44][46][48] - **多分支群体记忆架构（记忆）**：创新性地引入Git版本管理思想，构建多分支群体记忆。该架构以海量文献为基础认知主干，每个并行探索的智能体分身拥有独立记忆分支，实现信息隔离与保护，成功经验与失败教训经审核后可回流至主体认知网络 [50][51][52][54] - **场景验证Skills（法器）**：Skills体系源自真实科研任务的反复实践，而非简单的提示词工程。目前已形成300余个可复用Skills，覆盖物质、生命、地球、人文社科四大学科群的20多个科研场景 [57][59][60] - **安全可信体系（紧箍咒）**：通过体系化三层设计保障安全：执行层（Skill安全、沙箱安全）、协作层（智能体互联安全、隐私计算）、存证溯源层（分布式账本）。隐私计算混合架构将性能损耗降至3%以内，实现“数据不外流、任务可进场” [65][66][67][69] - **自驱动实验室（物理世界链接）**：通过“自驱动生命实验室”和“天算实验室”，实现从数字世界到物理世界的全天候、跨尺度实证闭环，让AI建议得以进行真值验证 [72][74][75] 研发背景与平台 - **开发团队**：“大圣”由上海科学智能研究院（上智院）联合复旦大学发布，研发团队汇聚了领域科学家、AI专家和工程师，通过紧密的跨学科融合进行创新 [4][40][80][82] - **基础平台**：“大圣”是基于“星河启智科学智能开放平台”全面升级的成果。该平台已汇聚400余个科学模型，沉淀22PB级高价值数据与5亿篇文献专利资源 [40] - **科研环境**：上智院提供了自由度极高的探索环境，配备海量高质量算力与充足资源，支持科研人员将想法落地，此前已推动如“亲吻数”等数学难题的突破 [83] 行业活动与展望 - **AI4S智能体CNS挑战赛**：复旦大学与上智院将举办第四届世界科学智能大赛的创新赛道，要求参赛智能体独立完成从文献理解到实验验证的全流程，挑战顶级期刊成果的当前SOTA水平，旨在让智能体承担繁琐工作，解放科研人员 [84][85][87] - **商业价值案例**：基于智能体Skills体系的成果已产生实际商业价值，例如在新型补锂剂分子研发中成果转化2000万元并获得数亿元投资；在某难成药靶点药物研发中，潜在价值估计高达5亿美元 [62] - **产业化推进**：上智院孵化企业“格物智研”打造的AI科研验证基础设施平台将于今年6月上线，旨在推动AI从工具升级为科学家的“超级科研合伙人” [62]

文章核心观点 报告指出，2025年人工智能行业正经历三大核心趋势转变：从依赖算力堆砌转向注重算法效率与成本控制，从对话工具演变为深入业务流程的生产力工具，以及从无序发展进入全球监管框架逐步建立的阶段[1][4] 从拼蛮力到拼技巧：算法创新、开源浪潮与成本革命 - **算法创新推动成本大幅降低**：混合专家模型架构成为关键，例如DeepSeek-R1采用MoE架构，在推理时仅激活5.5%的参数，使其训练成本仅为5.57百万美元，不到竞争对手OpenAI同等性能模型成本的十分之一[7][9][12] - **开源模型崛起改变行业格局**：中国模型如DeepSeek实现完全开源，可免费使用、修改和商业授权[7] Meta发布的Llama 4同样采用MoE架构，其系列模型下载量巨大，并衍生出29个基于它的模型，推动了开源生态繁荣[14] 开源竞争压力甚至促使OpenAI在2025年8月发布了自2019年以来的首个开放权重模型GPT-OSS[17] - **技术民主化与门槛降低**：算法和开源生态的创新使AI使用门槛急剧下降，学生、小团队和创业者都能利用开源模型创造价值[10][20] 预计未来算法将持续优化，模型将更小、更快、更强，开源将成为主流[21] 从对话工具到工作伙伴：AI成为生产力工具 - **企业AI支出呈现爆发式增长**：根据硅谷风投机构报告，企业在生成式AI上的支出从2024年的115亿美元增长至2025年的370亿美元，年增长率达3.2倍[24][28] 这表明企业正从试用转向规模化部署AI[29] - **AI深度集成至核心业务流程**：企业支出重点从对话工具转向让AI“干活”，包括编程辅助、AI Agent自动化和业务流程优化[24] 例如，GitHub Copilot这类AI编程助手用户数在2025年初突破1500万，能提升编码速度、智能补全代码并改善代码质量，重塑软件开发流程[26] - **AI Agent与人形机器人推动应用落地**：AI正在从工具升级为工作伙伴，AI Agent爆发式增长，人形机器人开始量产，广泛渗透至多个行业[1][4]

公司动态与专利技术 - 中国建筑一局（集团）有限公司与北京中建建筑科学研究院有限公司联合申请了一项名为“一种基于多模态融合的混凝土结构渗漏检测方法”的专利，公开号为CN121543012A，申请日期为2025年11月 [1] - 该专利方法涉及多模态数据采集、预处理、特征提取、自适应加权融合、有限元辅助分析、渗漏溯源与可视化及决策建议生成等多个步骤 [1] - 专利技术旨在通过多模态数据同步采集与时空配准，结合自适应加权融合机制动态调整各模态权重，以解决单一模态易受环境干扰的问题，从而显著提升检测灵敏度与鲁棒性 [1] - 该技术引入有限元模拟渗流-热耦合数据辅助深度学习，并结合渗漏概率图溯源修正，实现从检测渗漏点到诊断渗漏源的跨越，最终生成可视化报告与专家级维修建议 [1] 公司背景信息 - 中国建筑一局（集团）有限公司成立于1953年，位于北京市，是一家以从事建筑安装业为主的企业，注册资本为1000000万人民币 [2] - 该公司对外投资了136家企业，参与招投标项目5000次，拥有专利信息5000条，行政许可4174个 [2] - 北京中建建筑科学研究院有限公司成立于1994年，位于北京市，是一家以从事研究和试验发展为主的企业，注册资本为1200万人民币 [2] - 该研究院对外投资了2家企业，参与招投标项目23次，拥有商标信息4条，专利信息279条，行政许可20个 [2]

市场概况与政策驱动 - 2025年中国智能体市场规模已达78.4亿元，预计2026年增速将超过70% [1] - 制造、能源、金融、政务四大领域需求占比超70% [1] - 政策层面，《“人工智能 + 制造”专项行动实施意见》明确提出培育1000个高水平工业智能体 [1] 行业核心痛点与挑战 - 传统智能体多依赖单一模态交互，难以应对复杂场景 [2] - 定制开发成本高，限制了中小企业参与 [2] - 部分产品执行链路不完整，无法实现“数据-决策-执行”闭环 [2] 技术突破：多模态交互升级 - 多模态融合已成为头部企业的共同选择，旨在提升智能体对环境的感知与需求理解能力 [4] - 阿里千问采用多模态扩展架构，将图像、音频、GUI界面等不同模态映射至统一语义空间，实现同步处理与融合理解 [5] - 智谱AI旗下CogAgent通过多模态感知实现全GUI空间交互，能以视觉形式感知界面并模拟人类进行点击、输入等操作 [5] - OpenAI旗下智能体Operator具备与图形用户界面交互的能力，可模拟人类在电脑上的操作行为完成任务 [5] - 科大讯飞星辰智能体平台打通语音、视觉、动作、业务流等多模态能力，整合AIUI全链路技术实现1.6秒极速响应 [8] - 星辰平台搭配多麦克风阵列降噪等技术，在-5dB高噪场景中也能保持92%以上的交互成功率 [8] - 阿里千问通过跨应用数据协同，实现文本、支付、物流等多维度信息整合调用 [11] - OpenAI产品强化自然语言理解与工具调用的协同，提升复杂任务执行精度 [11] 技术突破：降低开发门槛 - 星辰智能体平台通过原生MaaS架构，一键连接超50个业界优质开源模型，提供一句话精调、零代码可视化精调等多种定制方式 [12] - 平台深度集成原生RPA功能与AI原子能力，接入行业通用MCP工具，让智能体具备执行与链接能力 [12] - 阿里千问通过简化应用接入流程，让企业无需复杂适配即可实现智能体与现有业务对接 [13] - 智谱AI的Auto框架聚焦终端设备的快速赋能，降低移动场景部署成本 [13] - 星辰智能体推出的Astron开源项目基于Apache2.0协议，支持核心能力二次开发，在GitHub已获得13k+ Star [13] 生态构建与场景落地 - 星辰智能体平台在海外市场聚焦中东、东南亚区域，覆盖公共服务、基建招投标等八大场景，通过本地化部署提供适配服务 [15] - 其海外应用覆盖从数千页基建标书的自动分析，到多语言实时出行引导，再到复杂合同合规风险透视等场景 [15] - 阿里千问重点发力消费服务场景，实现外卖、购物、出行等高频需求的智能协同 [18] - 商汤医疗聚焦医疗领域，其肝脏智慧诊疗智能体实现分钟级三维重建，已在多家头部医疗机构落地 [18] - 星辰智能体依托讯飞开放平台资源积累，该平台聚集超过1026.5万开发者团队，累计覆盖终端设备42.8亿台 [18] - 平台在国内聚焦开发者赋能，在海外设立区域总部与本地化团队，构建全球化生态网络 [18] - OpenAI通过API开放策略，让第三方开发者能基于其核心能力构建垂直场景智能体 [18] - 阿里借助自身生态优势，实现智能体与电商、支付、物流等业务的深度融合 [19] - 智谱AI通过“工具赋能 + 创业辅导”模式，加速培育AI原生企业，丰富产业生态 [19] 行业发展趋势 - 智能体产业正处于从技术探索向规模化落地转型的关键阶段 [21] - 未来智能体的发展将更注重场景适配的精准性、开发的便捷性与生态的开放性 [21] - 企业与开发者的协同创新将成为产业进步的重要动力 [21]

公司业务表现与市场数据 - 华为乾崑智驾系统（乾崑ADS）于2024年4月推出，并于2025年4月发布ADS 4版本 [2] - 2025年10月至12月，搭载华为乾崑智驾的车型连续3个月销量超过10万辆 [2] - 2025年全年，华为乾崑用户辅助驾驶里程达54.2亿公里，累计避免可能的碰撞212万次，辅助泊车3.3亿次 [2] - 截至新闻发布时，华为乾崑智驾累计辅助驾驶里程已超过72亿公里 [3] - 辅助驾驶活跃用户占比达到98%，智慧助手唤醒26亿次，无缝流转1.32亿次，照明光毯开启2434万次，晕车舒缓开启343万次 [2] - 公司预计到2026年底，搭载乾崑智驾的车辆将达到300万辆 [3] 技术路线与产品发展 - 乾崑智驾ADS 4采用了世界引擎与行为模型结合的架构，代表“世界模型”技术路线，该路线认为语言模态并非构建驾驶能力的必需 [3] - 行业技术路线逐渐分化为VLA大模型和“世界模型”两种，VLA路线强调语言模态的必要性 [3] - 在硬件方案上，公司支持“多模态融合”，认为激光雷达在极限场景（如眩光、无光线）下对提升安全性是必要的 [3] - 公司计划在2026年对乾崑五大解决方案进行全面升级，其中乾崑智驾将发布ADS 5版本 [3] - 下一代安全产品计划首搭于尊界S800与问界M9旗舰车型 [3] 产品性能与用户反馈 - 针对外界关于ADS 4变得更保守的质疑，公司回应称在城区场景下，ADS 4的用户使用比例相较ADS 3.3实际增加了个百分点 [2] - 公司统计数据显示，ADS 4的安全性比ADS 3.3提升了50% [2] - 在每发生一次严重碰撞事故前，乾崑ADS平均已安全行驶的公里数是人类司机的3.58倍 [3] - 公司于2025年广州车展发布华为乾崑App，在一两个月时间内下载量超过100万，用户量达到66万 [4] - 通过该App，公司已收到用户关于功能优化的1.5万条心愿单 [4] 公司对外界质疑的回应 - 公司高管驳斥了关于乾崑智驾系统是靠堆规则、堆代码写出来的不实说法 [2] - 公司表示不认可外界某些不客观的质疑，但始终欢迎用户提出宝贵意见 [4] 未来规划与市场展望 - 公司预计2026年搭载乾崑智驾的车辆将超过80款 [3]

全球AI应用平台市场概况 - AI应用平台正成为AI技术规模化应用的核心载体，是集成了模型开发、部署与运营能力的一体化企业级平台，旨在将复杂技术转化为解决实际业务问题的产品与服务 [2] - 全球市场由美国主导，其市场规模占比超过55%，中美两国合计已占全球近七成份额 [2] - 欧洲市场增长迅速，预计2029年市场规模将达到约2500亿美元 [2] 全球AI市场融资与规模 - 2025年全球AI创业公司融资额达到2023亿美元，同比增长超75%，占全球总融资近50% [13] - 美国在AI融资领域占据主导地位，2025年美国本土企业融资总额达1590亿美元，占全球AI融资的79%，其中旧金山湾区贡献了1220亿美元，占美国融资的四分之三以上 [13] - 西欧市场规模占整个欧洲市场的九成以上 [12] 中国AI市场现状与预测 - 预计到2029年，中国人工智能总投资规模将达1114亿美元，五年复合增长率为25.7% [18] - 生成式AI在中国市场占比将显著提升，预计从2024年占总投资规模的18.2%提升至2029年的41.1%，投资规模超450亿美元，五年复合增长率为48.0% [18] - 中国AI产品在用户规模与产品数量上已具备全球竞争力，2025年数据显示，中国AI APP下载量为2.63亿次，产品总数为172个 [17] - 但在商业化收入和Web端渗透率上仍有提升空间，2025年中国AI APP内购收入为8040万美元，AI WEB访问量为14.25亿次，显著低于全球水平 [17][18] AI应用平台服务商分类 - 平台层/PaaS提供者（如微软Azure、百度智能云），提供开发工具与基础设施 [3] - 解决方案构建者（如Palantir、迈富时），聚焦行业场景交付完整解决方案 [3] - 传统软件服务者（如Oracle、用友），在现有软件中嵌入AI能力实现产品智能化 [3] 全球区域发展特点 - 美国扮演“定义规则”的角色，在基础技术、产品形态与商业模式上引领全球 [3] - 欧洲注重“深度整合”，将AI嵌入高端制造、汽车等实体产业，追求高价值与高合规性落地 [3] - 中国作为“规模应用”的场景大师，依托庞大统一市场，在消费互联网、智慧城市等领域实现快速规模化落地与迭代 [3] 未来技术发展趋势 - AI Agent智能体将向具备规划与工具调用能力的自主系统演进 [3] - 低代码AI开发工具将进一步降低开发门槛 [3] - 多模态融合技术将推动AI从文本向图像、语音、视频统一理解与生成跨越 [3] 全球AI关键趋势 - 大模型推理成本大幅下降，例如DeepSeek-V3使推理成本年降90%，其输入成本仅为GPT-4o的1/18-1/5，输出成本为GPT-4o的1/4-1/10，对比Claude3.5，其输出成本仅为其1/53 [25] - AI Agent已进入大语言模型驱动阶段 [24] - 行业AI应用平台正从工具转向集成化平台 [24] 中国AI产业链结构演进 - 算力方面，正从依赖进口转向国产芯片性能追赶并构建生态，未来目标实现接口算子库/训练统一及云边端动态调度 [20] - 算法方面，从预训练规模竞赛转向强化学习与多模态重点发展，未来目标实现多模态认知统一及深度决策 [20] - 数据方面，从依赖公开语料转向建设语料平台与数据要素市场，未来合成数据占比将超50% [20] - 生态与开发方面，从闭源主导、工程化工具链缺失转向开源模型性能比肩闭源、自动化微调平台缩短周期，未来低代码平台将覆盖80%场景 [20] - 应用方面，从集中于数字原生行业转向行业分化明显，未来将向垂直行业深化与专业化本地化部署发展 [20] 行业AI应用需求与渗透率 - 人工智能行业渗透率持续提升，互联网、电信、政府、金融、制造、交通、服务和教育等是AI技术积极探索和广泛落地的领域 [27] - 2024年数据显示，中国互联网行业的AI渗透率已接近90%，处于绝对领先地位 [30] - 电信、政务、金融行业的渗透率普遍超过70% [30] 制造业AI应用 - 需求围绕“提效、提质、降本、控风险”展开，旨在通过AI打通全链路数据，实现各环节的智能化决策与自动化执行 [28] - 具体应用包括：研发环节的生成式设计与AI仿真以提升效率；生产环节的AI质检与预测性维护；供应链环节的库存优化与风险管控；销售环节的精准获客；服务环节的预测性维护与智能客服 [29] 零售消费业AI应用 - 需求聚焦“精准、高效、降本、提体验”，旨在实现从获客、服务到履约的智能化决策 [31] - 具体应用包括：营销环节的AI内容生成与程序化广告；会员运营环节的个性化分层服务；门店管理环节的智能巡店与排班；供应链环节的精准销量预测与库存优化 [32] 金融保险业AI应用 - 需求正从单点效率提升向跨职能协同与业务模式创新演进 [33] - 具体应用包括：风控环节的智能核保、反欺诈与异常监视；客服环节的AI客服机器人；营销环节的客户流失预测与个性化推荐；合规环节的自动化合同与法规审查 [34] 医疗健康业AI应用 - 需求围绕“精准、高效、可及、经济”的核心价值展开 [37] - 具体应用包括：诊疗辅助环节的医学影像智能分析与电子病历处理；患者管理环节的长期状态监测与个性化干预；药物研发环节的靶点发现与化合物设计 [38] - AI+医疗细分赛道中，医学影像分析商业化能力与市场成熟度最高，电子病历、专病专科、医院管理等也是重点布局领域 [38]