Clawdbot/OpenClaw的爆火与行业动态 - 2026年2月，美团联合创始人王慧文发布英雄帖，瞄准并倾注热情于Clawdbot（现改名为OpenClaw）赛道 [1] - Clawdbot是2026开年最受关注的AI应用，它是一个由奥地利开发者开源的、能直接在本地设备运行的Agent框架 [2] - 其不设限的操作模式能基于用户指令和本地数据自主完成复杂任务，如运营企业、打理电商、炒股等，但也存在失控风险，例如有用户被删除所有邮件、亏光账户资金 [3] - 泼天流量下，行业迅速跟进：AI Coding平台Trickle创始人快速研发“开箱即用版”Clawdbot“HappyCapy”，官宣上线3天在X上获得**90多万**的互动量 [3] - 阿里、百度、昆仑天工等大厂纷纷发布自家“类Clawdbot”产品，不少Agent Infra创业公司也借此概念开启新一轮融资 [3] - 实在智能创始人孙林君在体验Clawdbot后，连夜研发并上线了面向办公场景的国产Clawdbot“实在Agent·无界版” [4] Agent的技术演进与核心趋势 - Agent发展经历几个阶段：从仅用大模型部分能力做角色扮演的GPTs，到在云端运行、掌握知识但无法操作本地软件的Manus，再到具备本地操作能力的Clawdbot [8] - Clawdbot爆火的核心原因是解决了Manus的局限性，赋予大模型更高的自由度，使其能在用户本地随心所欲调用各种接口和底层能力，实现真正的智能体形态 [9][10] - 关键演进趋势是“思考在云端，执行在本地” [6][14] - 执行侧（即大模型的“手脚”）必须在本地操作，才能完成如打开特定网站采集数据、通过本地通讯软件发送报告等任务，而Manus仅能调用搜索接口，报告内容质量有限 [12][13] - Agent的边界被显著扩展：从Manus的思考与执行均局限于云端，到Clawdbot可同时使用云端和本地环境的所有工具，甚至自行安装软件，覆盖场景更广，自由度更大 [28][29] Clawdbot的机遇、挑战与局限性 - **机遇**：证明了AI已可执行许多任务，让行业意识到仅调用接口或释放部分大模型能力不能算真正的智能体 [22][40] - **挑战一：高配置门槛与失控风险**：高自由度带来高风险，在企业端可控性低，直接交付复杂工作流风险过高 [6][17] - **挑战二：技术完成度与稳定性**：框架本身技术壁垒不高，但在底层能力未搞定前仅是“样子货” [6][18] - **挑战三：任务完成度与成本**：用户关注解决特定问题的性价比和ROI，而非单纯的技术前景 [19] - **局限性一：数据抓取与过程稳定性**：抓取数据可能存在缺失，过程稳定性未必能达到人类理想情况 [31][32] - **局限性二：软件接口适配**：并非所有软件都具备被大模型丝滑调用的完备接口，影响任务完成度，且像Claude的MCP框架适配工作量巨大，大厂核心业务不太可能开放供外界调用 [33][34] 本地化部署Agent的商业化与竞争格局 - **本地化部署的重要性**：许多客户软件安装在本地，且文档资料不能上传云端，因此本地化操作至关重要 [23] - **商业化模式探索**：企业先进程度的指标正从“机器人密度”转向“智能体密度”，未来可能按结果收费 [46][47][48] - **大厂未全面下场的原因**：一是想象力问题，需要极客突破；二是涉及商业边界问题，例如在阿里平台调用智能体操作京东平台较为敏感，这反而给非主流平台厂商（中立方）带来机会 [36][37] - **ToC与ToB场景差异**：ToC场景可探索，用户追求惊喜和情绪价值；ToB场景必须强调控制、精确与稳定，数据安全是首要顾虑 [38] - **未来核心竞争力**：一是产品化能力（整合基础大模型、工程化、底层能力与用户体验）；二是差异化与速度，当前是“快鱼吃慢鱼”的时代，灵活的小厂凭借快速布局和贴身服务能获取良好客户资源 [49][50] - **未来形态与扩展**：Clawdbot代表的本地化Agent未来会扩展到其他硬件设备，实现云端一体、软硬一体，打破物理边界 [35][44] - **接入端侧设备的难点**：在于Agent没有“见过”足够多的设备，缺乏操作各类设备的数据 [45]

市场反应与估值冲击 - 本周二，SaaS、数据和软件类投资公司的市值蒸发了约3000亿美元，直接诱因是一款人工智能产品的发布，而非盈利或宏观经济因素[1] - 市场危机已持续数月，IGV软件指数较9月下旬的峰值下跌了约30%，上周多家根基深厚的企业软件公司股价在一天内大幅下跌：Salesforce、ServiceNow、Adobe和Workday下跌约7%，Intuit暴跌近11%[2] - 整个行业的估值倍数急剧下降，软件公司的平均预期市盈率在短短几个月内从约39倍暴跌至约21倍[2] - 做空者已通过押注传统SaaS业务在2026年获利超过200亿美元，并且还在加倍下注[2] 核心逻辑的颠覆与假设打破 - 市场抹去巨大价值的核心原因是传统SaaS增长模式的可持续性假设被打破[3][4] - 过去二十年，企业软件受益于稳定的经济形势，高开发与转换成本、数据存储在专有系统中，使得平台一旦成为记录系统便具有高度粘性，这支撑了从估值倍数到私募信贷承销的整个逻辑[5] - 人工智能正在同时测试该逻辑的每个部分，真正的变化在于现代AI系统能够直接取代大部分人类工作流程，使研究、分析、起草、核对和协调可以跨系统自主执行，不再局限于单一应用程序[6] - 风险投资家Chamath Palihapitiya指出，“SaaS大崩溃已经开始”，一种全新的以AI为导向的工作流程即将到来，依赖高增长却长期低盈利的SaaS发展路径正在失去市场信任[7] AI对SaaS商业模式的重构 - 核心矛盾集中在：短期增长是否真正可持续？长期在AI冲击下盈利可能性是否正变得渺茫？[8] - 过去SaaS公司的蓝图是“先抢占市场，未来再兑现利润”，但AI技术可能颠覆这一逻辑，成本更低、以AI为核心的新解决方案可能迅速取代许多SaaS企业的增长[8] - 微软CEO纳德拉一年前提出“SaaS已死”，认为每一次真正的平台迁移都会带来核心应用架构的根本性变革，未来将进入以“智能体为中心”的时代，由任务和意图驱动[11] - 未来的智能体将能够跨越多个SaaS应用，对业务逻辑进行协调与编排，通过调用API实现跨系统操作，SaaS应用的本质可能只是一个集成了大量定制化业务逻辑的“增删改查”数据库，其调用与编排将从封闭业务逻辑中解放出来[11] - 纳德拉举例，只需向Copilot发出指令，它便能自动查询CRM、提取Office 365数据并生成报告，无需登录独立系统，这极大地提升了数据访问和使用效率[12] - 纳德拉强调，下一代SaaS企业必须主动拥抱智能体，将其深度集成甚至开放给Copilot等平台，并据此革新商业模式，这对任何现有SaaS公司都是强大的竞争向量[14] 市场重心与利润池的迁移 - 高盛研究预测，到2030年（本十年末），人工智能代理将显著扩大整个软件市场，并攫取不成比例的利润份额，超过60%的软件经济效益可能会通过Agent系统而非传统的SaaS服务实现[15][18] - 市场正在增长而非萎缩，但随着智能、内存和执行能力从静态应用程序转移到跨工具运行的自适应系统中，传统软件的经济效益正在被削弱[18] - 企业并非在软件本身上花费更少，而是在软件许可证费用上花费更少，在最终成果上花费更多[18] - 当利润池的流动速度超过收入的减少速度时，公开市场会立即做出反应，而私募市场则会随后跟进[19] - 过去十年大量资金涌入软件行业基于可预测收入、低客户流失率和高回收价值的假设，AI不会一夜之间摧毁投资，但会造成滞后效应：支出压缩先于客户流失，利润率下降先于违约[20] 平台与产品的战略分野 - MongoDB CEO CJ Desai指出，产品终将被替代，而平台方能长青，全球纯软件业务营收超百亿美元的公司屈指可数（个位数），原因在于真正的平台是稀有的[22][26] - 在技术转型（如互联网、AI、移动时代）中，速度至关重要，公司必须快速构建、学习并转向以保持领先，一旦落后就会被质疑未来[23][24] - 平台具有粘性，产品则没有，产品可以被替代，因为软件市场是颠覆性的，公司必须确保呈现给客户的是一个“平台”[25] - 平台意味着至少有两个或以上的产品被客户使用且能协同工作，并与客户的所有现有系统深度集成，这构成了真正的粘性[27] - CJ Desai以一家银行为例，该行在MongoDB上构建了300个应用（总应用数为9000个），深度集成使得平台替换成本极高，粘性很强[28] 对新兴开发模式的审视 - 针对“氛围编程”和按需创建应用的威胁，CJ Desai指出，企业级应用需要满足监管合规、高可用性、多云部署、内部部署（如气隙网络）等严格要求，这限制了简单工具快速进入大企业市场（TAM）的能力[29][30] - 大银行、医疗公司或公共部门等客户的市场进入需要克服大量检查、治理和安全审计，这构成了实质性壁垒[30] 当前投资焦虑与未来价值锚点 - 当前投资者环境焦虑，焦点集中在模型层而非应用层，对SaaS应用、数据基础设施和AI原生公司感到焦虑，担心所有价值最终都集中在模型里[31] - CJ Desai认为，在软件栈中，大型语言模型（LLM）层和数据层在可预见的未来是必然存在的恒量，其他一切都会演变[32] - 除了LLM层和数据层，顶层的、聚焦特定行业（如保险）用例的部分将始终至关重要，能够利用AI实现旧SaaS无法实现价值的新公司将有机会[33]

百度千帆平台业务进展 - 平台累计支持企业构建超过130万个智能体 [1] - 平台工具日均调用次数达到数千万级别 [1] - 平台已支撑智能硬件、制造、交通、能源等主流行业的创新应用 [1] - 平台已沉淀出包含获客营销、错题批改等在内的100多个高频应用场景 [1] 百度千帆平台生态与战略 - 平台扩大了开放模型生态，除支持百度原生的文心5.0等模型外，近期还将密集上线Kimi K2.5、GLM 4.7、MiniMax M2.1等多款开源模型 [2] - 行业观点认为，2025年行业已完成从技术验证到实际落地的范式升级 [2] - 行业观点预测，2026年将迎来“智能体原生”应用的爆发，智能体将进化为能进行复杂任务预测与自主规划的“数字员工”，并真正渗透到企业最核心、最复杂的业务命脉中 [2]

行业现状与竞争格局 - 2026年被行业视为智能体集中爆发元年，伴随政策、资本和科技巨头布局，行业对竞争阶段存在分歧，有观点认为巅峰对决已开始，也有观点认为游戏刚刚开始[1] - 赛道竞争激烈且拥挤，在CB Insights 2025年追踪的1500多个科技细分赛道中，投融资交易数量前10的赛道有5个直接与智能体相关，每5家新晋独角兽就有1家以智能体技术为核心产品，国内智能体平台已超过120家[3] - 智能体按成熟度可分为三个等级：“基础款”执行简单指令，“升级款”具备跨应用穿透能力执行复杂任务，未来的“完全体”或将能自主思考行动，目前国内大多数智能体仍停留在“基础款”[3][4] - 市场竞争梯队逐渐清晰：第一梯队是字节、阿里等技术自研、生态完善的“种子玩家”；第二梯队是蚂蚁、钉钉、科大讯飞等聚焦垂直领域的玩家；第三梯队是以技术工具或工程化服务为核心的玩家如Dify、实在智能[7] - 2026年中国智能体市场预计将告别普适性探索，以大型企业为主导，市场份额约80%[7] - 行业存在同质化、投入高、回报难、技术适配性不足等问题，AGI-Eval评测显示参测主流智能体产品均未达到“完全可用”状态，平均得分仅1.23~2.20分（满分5分）[5][6] - 市场可能呈现寡头效应，打造长期竞争力的智能体需要强大资金、算力、全栈自研能力与庞大用户生态支撑，小厂很难入局[13] - 智能体市场的广阔性与复杂性决定了未来格局很可能是一个多赛道、差异化竞争的“丛林生态”，而非“零和游戏”[18] 头部公司表现与战略 - 字节跳动旗下豆包是“升级款”智能体代表，凭借AI手机跨应用操作功能引发市场热议，2025年第四季度月均活跃用户高达2.3亿，连续两个季度登顶行业榜首，月均下载用户数也连续三个季度位居行业第一[4] - 阿里巴巴旗下千问是另一“升级款”智能体代表，借助阿里生态打通淘宝、飞猪、盒马、支付宝等多款应用，上线两个月C端月活跃用户数已突破1亿[4] - 字节与阿里的领跑优势源于三大核心支撑：拥有自研大模型作为技术基座；手握抖音、淘宝等超级应用提供的庞大生态与数据；拳头产品已实现规模化盈利或降本增效，商业化路径清晰[8] - 阿里的生态整合能力更胜一筹，智能体被视为激活其庞大商业生态的“超级入口”，巴克莱研报指出阿里可能是中国唯一同时具备世界领先大语言模型与多元消费场景的AI企业[11] - 字节跳动凭借抖音、TikTok等超级流量入口，以“闪电战”风格迅速铺开智能体布局，同时在探索手机、眼镜等端侧应用场景[11] - 头部玩家也存在短板：阿里的智能体生态强依赖于自身场景闭环，“围墙花园”现象突出，与第三方平台联动不足，且千问与夸克等产品间资源分配存在战略摇摆问题；字节的智能体布局起步较晚，垂直行业深度Know-how积累不足，其智能体开发平台“扣子”上娱乐类智能体占比超60%，能落地商业场景的不足10%[12] 其他主要参与者动态 - 百度C端通用智能体心响遇冷，核心产品文心一言月活跃用户从2025年Q1的995.8万，Q2骤降近33%至668.2万，Q4进一步滑落至517.3万，一年时间月活规模缩水近48%，月活、下载量均被挤出前十，百度正更聚焦基础模型和搜索等核心业务[14] - 腾讯初期采取保守跟随策略，后试图加快步伐，2026年启动社交AI“元宝派”内测并狂撒10亿红包拉新，但遭遇流量断崖式下降，产品在兼顾社交与写作需求上存在矛盾[15] - 阿里巴巴为加入AI红包战狂撒30亿[11] 行业挑战与未来展望 - 用户体验频次在减弱，大多数通用智能体产品缺乏让用户持续付费的吸引力[13] - 调研机构Gartner提醒，AI智能体概念热潮在很大程度上是炒作，很多项目的“智能体化”仅仅是品牌名称重塑，预计到2027年底将有超40%的智能体/代理人工智能项目被取消[17] - 行业竞争残酷，金沙江创投主管合伙人朱啸虎判断“90%的智能体会被大模型吃掉”[13] - 行业观点认为，AI圈红包大战的最终胜负手在于产品本身的核心能力，模型、智能体等AI能力才是根本，流量多少不再是唯一决定因素[17] - 国内智能体市场暂时由字节、阿里领跑，但远未形成垄断格局，其他厂商在垂直领域、技术差异化和生态协同方面仍有广阔机会，但留给其他选手争夺“入场券”的时间不多了[18]

报告行业投资评级 * 报告未明确给出具体的行业投资评级 [7][8][9][10][11][12][14][15] 报告的核心观点 * AI正从单点工具进化为企业运行的“新基础设施”，2025年智能体在金融、制造、能源、互联网等行业开始批量落地 [4] * 2026年是企业AI应用从试点验证迈向规模化价值兑现的关键转折点，智能体成为企业AI落地的核心抓手 [4][7][34] * 企业AI落地效果不及预期，核心原因在于技术不成熟、人才不适配以及对AI认知不足 [59][60][61][62][63] * AI时代企业渴求兼具业务洞察与AI技术能力的“超级员工”，这将对现存员工的岗位及职责造成冲击 [66][67] * 未来的企业组织将向更加扁平化、敏捷化、小团队与单兵作战并行的方向变革 [107][108] * “十五五”规划下，企业需从底层技术、业务价值、组织生态和产业体系四个层面进行AI前瞻规划 [118] 2025年企业AI应用现状总结 * **人才结构**：近五成中国企业中，狭义AI人才（AI算法及架构类人才）占比不足10% [20] 企业内部AI人才主要来源是内训培养，占比75% [23] AI应用人才必备的前五项技能均与智能体强相关 [26] * **项目落地范式**：近五成企业表示AI项目可在1个月内快速落地 [28] 项目团队呈现“小团队化”趋势，2-3人团队成为新范式 [30] AI生成代码被大规模纳入开发流程，部分企业项目中AI生成代码占比达50%–60%，新项目可达98% [30] * **应用进展**：75.3%的企业已能清晰感知自身的token使用量，71.4%已搭建智能体平台 [31] 日均token消耗量在百万级及以下的企业占比接近五成 [31] 规模在500人以内的企业，整体仍处于大模型应用的“规模化验证期” [33] * **2026年技术趋势**：企业管理者最关心的前五项AI技术是：多智能体协同、多模态大模型、AI辅助编程、统一知识库管理、智能体场景化落地 [34] 2026年企业AI应用重心将从能力验证转向业务闭环，技术架构从单模型升级为协同生态 [36][37] 智能体成为企业应用AI主要抓手的原因总结 * **技术突破与成本下降**：大模型在推理、规划等方面能力增强，推动智能体从被动执行迈向主动推理 [43] 工具调用框架完善，使其可连接外部系统 [43] 火山引擎等厂商将大模型调用成本降至原来的约三分之一 [44] Llama 3、DeepSeek等开源模型API调用成本低至0.1美元/百万输入token [44] * **生态逐步完善**：行业应用平台涌现，降低开发门槛 [45] 专用训练平台可将训练效率提升数倍，降低综合成本 [46] * **政策与市场需求**：北京、上海等地出台政策，直接支持通用智能体发展和应用落地 [47] 企业降本增效压力及业务流程数字化发展到高级阶段，是智能体大规模落地的根本动力 [48] 企业级AI技术落地效果分析总结 * **落地范式**：企业“AI+”项目周期分为技术验证、场景筛选、应用开发、MVP验证、合规评审、全流量切换六个阶段 [56][57] AI项目流程瓶颈在于沟通和决策，小团队配合AI可使代码合并量上涨51% [58] * **效果不及预期**：仅39%的受访者表示AI技术对企业息税前利润（EBIT）产生了实质性影响 [59] 业务流程的重新设计是AI落地成功的关键要素 [59] * **原因分析**：底层大模型能力仍有提升空间，辅助工具准备不足 [60] 传统业务人才缺少AI敏感度，AI人才技能参差不齐 [61][62] 企业管理者对AI认知不足，存在错误预期 [63] AI时代人才需求与组织变革总结 * **企业渴求“超级员工”**：企业需要能够覆盖从需求挖掘、产品研发到测试落地全流程工作的“超级员工” [66] 这导致传统岗位划分、技能要求和工作流程被重新审视 [66] * **未来AI人才特征**：应是“原子化”人才，技能可灵活组合 [68] 必须是技能叠加的快速学习者 [69] 需要具备单兵作战的主动型人格 [70] 必须善于与智能体协作 [71] * **组织变革趋势**：组织将更加扁平化，管理层级有望压缩至两到三层 [107][109] 组织将更加敏捷，业务流程中大量植入人机协同节点 [110] 小团队与“一人+多智能体”的单兵作战模式并行 [112] 组织的竞争力将由人才的能力密度与技能结构决定 [113] 云端协作与实体办公融合 [114] “十五五”规划下企业AI前瞻规划总结 * **政策指引**：“十五五”规划要求企业在底层技术、业务体系、组织生态和产业协同方面进行全方位升级 [118] * **赋能底层技术**：AI大模型从降低研发门槛、提升开发效率等维度，为数据设施、软件底座、硬件基础及AI自身的技术突破提供赋能 [119][120] * **助力业务价值升级**：智能化发展将迈向“业务+数据”深度融合，智能体是驱动产业升级的关键抓手 [121][123] 企业需准备数据资产池、进行大模型选型、并识别具备商业价值、场景成熟度和可持续运营可行性的业务场景 [125][126][127][128] * **推动组织生态变革**：需打造企业工程文化、完善AI人才梯队建设、建立AI人才激励机制、建设安全合规的治理体系、提升管理效率 [132][133][134][137][138] * **助力现代化产业体系建设**：通过打通产业链数据与知识壁垒、推动跨领域融合、培育新业态新模式、提升产业链韧性与竞争力来构建现代产业体系 [139][140][141][142][143] 企业AI落地实践案例总结 * **安克创新（智能制造）**：日均token消耗从年初100万跃升至年底500亿，单日Sota大模型使用成本约15万美元 [150] 基于自研平台部署超1000个AI智能体，代码生成提交占比达50%–60%，新项目高达98% [150] 建立“大六人”“小六人”双轨人才体系，计划2026年投入超1亿美元，向AI-native组织转型 [151][152] * **新奥泛能（能源）**：AI辅助编码覆盖30%–40%开发任务 [153] 在印染行业案例中，AI调控使良品率从85%提升至97%–99% [153] 员工中专职AI人才占比20%，30%–40%员工使用AI工具 [153] * **鞍钢（钢铁）**：采用“数据+AI”模式，初期投入数百万元，算力全靠云端租赁 [154] AI落地周期以年为单位，通过“双战队长”机制实现业务与IT协同 [155] * **平安壹钱包（金融）**：AI技术已在多模态统一知识库、大小模型协同工作流、LLM + MCP智能体三大场景规模化落地 [156][157] 人才培养以实践为核心，复合型人才需掌握AI编排、Agent设计等技能 [158] * **阿里云（科技）**：以“结果即服务（RaaS）”为核心，通过28个数字人上岗赋能十大核心业务场景 [159] 例如，技术文档翻译数字人将成本降至原1/200，网站AI助理将咨询响应时间从5小时缩至10秒 [159] 采用RIDE（重组、识别、定义、工程）方法论推动落地 [160]

公司荣誉与行业地位 - 360集团在中国人工智能产业发展联盟第十六次全体会议上荣获“2025年度突出贡献成员单位”称号 [1][8] - 该荣誉是对公司在人工智能技术创新、产业落地与安全治理等方面系统性贡献的认可 [1][8] - 该荣誉肯定了公司在推动“人工智能+”行动落地、促进人工智能与实体经济深度融合中的引领作用 [1][8] - 此次获评体现了公司在中国人工智能产业体系中的关键位置 [15] 行业背景与会议议题 - 中国人工智能产业发展联盟由国家发改委、科技部、工信部、中央网信办等部门指导支持，由中国信通院牵头多家单位共同发起成立 [3][10] - 本次联盟全体会议围绕“人工智能+制造”、“智能体发展”、“安全治理与产业生态”等关键议题展开 [3][10] - 会议集中展示了中国人工智能产业在规模、技术与应用层面的阶段性成果 [3][10] 公司战略与技术布局 - 360在2025年明确提出“All in Agent”战略，锚定智能体作为人工智能生产力落地的关键形态 [7][14] - 公司为破解智能体规模化应用难题，推出了“智能体工厂”，构建覆盖开发、部署、管理与安全防护的完整基础设施体系 [7][14] - 在技术层面，公司首创智能体L1-L5分级，并推动“多智能体蜂群”进入实际应用阶段 [7][14] 产业实践与应用案例 - 公司在产业实践中深入制造、能源、交通、政务等关键领域 [7][14] - 公司打造了一批可复制、可推广的“AI先进生产力”标杆案例，为行业提供了清晰可行的落地路径 [7][14] - 公司以“技术突破+产业实效”双轮驱动，成为AI产业化的重要推动者 [3][10] 安全治理与行业生态 - 公司将安全能力深度融入AI全生命周期，核心理念是“外筑‘以模治模’动态屏障，内固‘平台原生’安全底座” [7][14] - 公司助力推动人工智能行业向“安全、向善、可信、可控”方向稳健发展 [7][14] - 公司积极参与联盟人工智能安全承诺、算法治理及行业自律机制建设，为人工智能规模化应用保驾护航 [7][14] 未来展望 - 未来，公司将持续依托联盟平台，深化技术创新与生态协同 [15] - 公司计划推动人工智能在更广领域、更深层次释放价值 [15] - 公司旨在为新型工业化和数字中国建设注入更强AI动能 [15]

会议核心与战略定位 - 全市召开数智经济一线城市建设大会，核心目标是全力打造全国数智经济一线城市，以数智经济为抓手推动经济高质量发展，并为湖北省打造全国数智经济发展高地作出贡献 [1] - 加快发展数智经济被定位为重大使命、时代要求和因地制宜发展新质生产力的必由之路 [4] 发展基础与目标 - 公司所在城市发展数智经济具备创新策源能力突出、产业基础雄厚、综合成本优势明显、应用场景丰富等优势，且近年来发展态势良好 [4] - 锚定打造全国数智经济一线城市目标，围绕打造数智技术策源地、数智产业集聚地、数智应用先行地展开工作 [4] 核心行动方案与工程 - 会议解读了《武汉市数智经济发展行动方案（2026—2028年）》，并印发了数智经济项目清单、政策汇编、场景汇编、实践案例 [3] - 将系统实施智能产业跃升、智能赋能产业、场景培育开放、基础设施提升、数据要素开发、智能民生治理、创新能力突破、产业生态优化等8大工程 [4] - 全面推进数智产业化与产业数智化，突破性发展数智经济 [4] 关键发展领域与举措 - 在数据资源整合利用上，将大力实施“数据要素×”行动，加强公共数据归集，促进流通利用，发展数据产业以释放数据价值 [5] - 在智能体培育上，将开展关键技术攻关，打造标杆产品，构建城市智能体生态，培育智能原生企业，加速其规模化、商业化应用 [5] - 在拓展应用场景上，将全面实施“人工智能+”行动，政府带头开放科研、产业、民生、治理等场景，推动人工智能赋能千行百业 [5] - 在数智基础设施建设上，将坚持整体规划、分步建设、适度超前原则，构建算力、存力、运力新型基础设施体系 [5] - 在优化发展生态上，将强化金融支持，培育招引高层次人才，建强“一城三廊多带”等空间载体 [5] 组织与工作机制 - 将建立完善领导调度机制和“三链”协同机制，实施“965”重点产业链链长制、“五谷”优势产业集群群长制以及临空港、阳逻港片区片长制 [6] - 将建立完善“九个一”工作体系，围绕每条重点产业链建立一份产业图谱、一套创新体系、一套政策体系、一张招商地图、一批链主企业、一批产业园区、一个专家团队、一支产业基金、一张任务清单 [6] - 强调加强领导、强化统筹，压实责任，提升专业能力，勇于改革创新，以项目化推动工作落实 [7] - 强调凝聚合力，加强市级统筹、市区协同、“五谷”联动，完善调度推进机制，实施“项目化、目标化、绩效化、考核化”闭环管理 [8]

武汉市数智经济发展战略 - 全市召开数智经济一线城市建设大会 提出以科技创新为动力 以数据要素为基础 以智能体为关键 以应用场景为牵引 以数智基建为载体 以数智生态为保障的总体思路 [1] - 大会提出要在智能体培育上争创一流 开展关键核心技术攻关 打造智能体标杆产品 构建城市智能体生态 培育智能原生企业 加速智能体规模化 商业化应用 [9] - 实现目标需与在汉高校 科研院所 企业密切合作 打造更多应用场景 共同抢占制高点 [9] 智能体技术定义与趋势 - 智能体是一种能够自主感知环境 做出决策并采取行动的AI系统 具有与环境互动 持续学习和适应的能力 不同于传统静态模型 [1] - 全球人工智能正从“大模型时代”向“智能体时代”演进 [1] - 2025年国务院《关于深入实施“人工智能＋”行动的意见》提出 到2030年我国智能体应用普及率超90% [1] 建筑智慧运维应用 - 武创院联合中建三局设立建筑智慧运维企业联合创新中心 借助AI技术让建筑实现自我体检 思考与优化 [1] - 通过传感器 智能仪表 摄像头等设备为建筑建立“数字神经系统” 利用机器学习 深度学习等AI算法构建建筑“大脑” 通过AI智能体 终端AI语音助手等实现智能控制与反馈 如自动调节温度 发派维修工单 [4] 低空经济与遥感监测应用 - 武汉市测绘院打造“城市智眼”低空遥感监测系统 是全国首个实现超大城市全域覆盖组网的低空无人机遥感监测网络 [4] - 该系统可常态化开展耕地保护 矿山监测 安全文明施工 河湖巡查与水资源环境监测等工作 并为重大活动提供调度支撑 [4] 智能驾驶应用 - 百度集团旗下萝卜快跑在武汉已形成规模化测试与示范运营体系 武汉累计开放测试道路里程超过3900公里 覆盖14个区域 [5] - 2024年 萝卜快跑在武汉发布全球首个无人驾驶大模型ADFM 实现了自动驾驶从跑起来到用起来的飞跃 [5] - 萝卜快跑模式已成功输出至瑞士 英国 中东等国家和地区 [5] 未来展望 - 与智能体共生将成为一种新常态 智能体可能像水 电 网络一样成为生活基础设施的一部分 [10] - 华工科技发布“灵智·医疗智能体”系列产品 [10]

文章核心观点 - ClawdBot的爆火标志着AI正从对话式向执行式转型 市场对能够实际执行任务的AI存在巨大需求缺口 [1] - 行业过去存在集体性误区 试图制造全知全能的大脑而忽略了与物理世界交互的手脚 从智能体到技能的发展正在填补这一鸿沟 [3] - 未来AIoT的竞争焦点将从智能体本身转向技能生态 技能比智能体更实用 [3][6][7] - 万物智行意味着智能体作为一个独立物种 开始在物理和数字世界中自主感知、决策、行动乃至交易 [3][20] 智能体与技能的定义及关系 - 智能体是具有自主决策能力的AI系统 核心能力在于感知环境、理解意图、规划任务和协调资源 类似于项目经理 [5] - 技能是标准化、可复用的能力单元 核心价值在于完成某一项具体的、明确的任务 类似于专业工程师 [5] - 一个优秀智能体的价值不在于它本身有多聪明 而在于它能调用多少高质量的技能 [6] - 用户可能并不需要一个无所不能但什么都做不好的超级智能体 而是需要一个能精准调用各种技能、稳定完成具体任务的执行系统 [6] AIoT未来形态：从模型崇拜到技能编排 - AIoT的未来形态是设备作为拥有标准化技能并能被任何智能体调用的物理节点 而非追求每个设备都配备AI模型 [8] - 从智能体到技能 预示一种更具性价比的通往万物智行的迭代路径 可避免算力浪费和端侧AI模型成本过高的问题 [8] - 新旧模式对比：旧模式中设备是被动执行终端 新模式中设备主动“暴露”标准化技能 智能体成为技能的调度中枢 [9] - 关键转变在于设备从被动响应指令的终端变成主动暴露能力的技能节点 智能体从设备的附属品变成技能的调度中枢 [9] - Anthropic推出的MCP协议像AI时代的USB接口 让技能有了标准化的接入方式 未来AIoT的竞争将是谁的技能生态更丰富 [9] AIoT技术栈与硬件形态演变 - AIoT技术栈可重新划分为三层：协议层（如MCP 解决连接问题）、能力层（技能 解决会不会用问题）、调度层（智能体 解决怎么组合问题） [11][12][13][14] - 未来可能出现全新智能硬件形态 这类轻量级硬件没有APP、屏幕或内置AI模型 出厂只内置符合MCP标准的技能包 [14] - 硬件将成为技能的物理容器 硬件厂商的竞争力将来自于提供高质量、高可靠性的技能 而非设备本身的智能程度 [16] - 未来最有价值的不是拥有最多IoT设备连接的平台 而是沉淀最多可复用技能的生态 [16] 端侧技能与物理AI的应用前景 - ClawdBot的功能本质是数字员工的雏形 能通过定时任务和技能组合自动完成大量重复性工作 [17] - 真正的想象空间在于技能与物理AI的结合 短期内可能爆发的是端侧技能加边缘AI赋能的智能单品 [18] - 以零售场景为例 技能驱动模式可使零售终端自主完成库存预测、补货建议、促销定价和顾客互动的完整闭环 [18] - 在工业领域 技能驱动模式可使传感器从单纯上报原始数据 转变为直接输出异常摘要、预测性维护建议和投资回报分析报告的决策支持点 [19] - 麦肯锡预测AI智能体到2030年将贡献全球GDP的10% 价值数万亿美元 其中做出最大贡献的可能是端侧AI技能赋能的万物智行生态 [19] 技能生态的深层价值与政策环境 - 技能的价值不止于单个技能本身 而在于组合、编排与交易 [20] - 技能的引入将使“通感智值一体化”模型从基础设施协同跃升到价值交换协同 [20] - 《国务院关于深入实施“人工智能+”行动的意见》明确提出推动智能终端“万物智联” 打造一体化全场景覆盖的智能交互环境 [20] - 政策指向与技术演进形成共振 跨领域、跨场景的技能编排能力将成为“万物智联”愿景落地的关键指引 [20]

公司技术平台与产品进展 - 公司自研的坤元万象大模型平台已支持Agentic智能体产品的研发 [1] - 公司已推出的部分智能体产品初步具备自主决策、多任务协作等核心特性 [1] - 公司将结合业务需求持续迭代优化相关产品能力 [1]