核心观点 - 全国政协委员周鸿祎拟围绕推理算力、智能体技术与人才、智能安全三方面提交提案，认为在“百亿智能体时代”，专用推理芯片是产业差异化突围的重要方向，并建议优化算力布局、强化调度、发展国产芯片、加速产业应用及保障安全[3][4] 推理算力发展现状与挑战 - 我国经历“百模大战”后，拥有许多“国际一流”开源模型，国家主导的训练算力稳步提升，但推理算力需求在“百亿智能体时代”呈指数级增长[3] - 当前算力中心面向推理任务的专用集群存在缺口，区域间供需适配有待优化，专用推理芯片技术也亟需突破[3] 优化推理算力布局的建议 - 建议国家出台推理算力布局指导政策，依据各地场景密度、算力缺口、能源保障能力，建立“全国统筹 + 区域细化”的推理算力布局体系[3] - 建议在重点产业集聚区域，建设低时延、高密度的推理算力集群[3] - 建议强化一体化调度，推动跨层级、跨区域的算力资源动态调配，以提升推理算力利用效率[4] 专用推理芯片的发展建议 - 建议鼓励专用推理芯片的国产化发展，重点突破高精度、低时延、多模态的芯片技术，实现产业链自主可控，以支持智能体技术的深度应用[4] - 发展推理芯片不仅能够降低云端成本，还能支撑企业私有化部署与端侧智能硬件落地，具有重大战略意义[4] - 国产大模型未达及格线时重视训练算力合理，但当前行业重点已转向极度消耗推理算力的智能体落地[4] 智能体产业应用与安全建议 - 在加速智能体产业应用方面，建议实施技术与人才“双线赋能”战略[4] - 在智能体安全方面，建议推动安全智能体的场景化应用，支持安全技术生态化创新[4]

公司战略与行业机遇 - AI技术与办公场景的深度融合已成为行业确定性机遇，是公司提前3年布局智能体技术的核心发力点之一 [1] - 公司搭建的Rich AIBox一体化平台，其核心能力正迎来规模化落地的关键阶段 [1] - 公司的布局与Anthropic报告中“智能体协同、安全可控、人机协同”的行业趋势高度契合 [1] 技术研发与投入 - 2024年公司研发投入同比增长20.13%，核心聚焦“Rich AI全栈服务体系”优化 [1] - 公司已形成“主流大模型对接 + 自研AI模块深耕”的技术路径 [1] - 依托Rich AIBox平台构建了智能体低代码管控、多智能体协同、结构化监督、数据飞轮闭环及安全合规底座等核心能力 [1] 产品落地与客户 - 公司已完成RichMail等核心办公产品的鸿蒙原生适配 [1] - 公司为中国移动等客户的亿级用户产品提供技术支撑 [1] - 后续将遵循“从高频刚需场景切入”的路径，拓展多终端场景与行业定制化方案，让智能体技术融入协同办公、知识管理等核心场景 [1] 方法论与前瞻性 - 公司《企业服务AI白皮书》提出的“企服AI价值 = 安全合规 ×（场景 + 数据 + 模型 + 服务）”方法论具有前瞻性 [1] - 公司在智能化办公领域始终坚持“持续投入、务实落地” [1] - 公司将以Rich AIBox平台为核心，持续将智能体能力转化为客户可感知的业务价值 [1]

市场与行业对AI冲击软件业的反应 - 华尔街对AI冲击软件业的担忧持续发酵 引发软件股遭遇抛售 抛售潮迅速蔓延至全球市场[1] - 科技界发出截然不同的声音 英伟达CEO黄仁勋认为“AI将取代软件工具”的观点“极不合逻辑”[1] - OpenAI首席执行官奥尔特曼表示 软件的创造方式、使用方式和商业模式正在发生深刻变化 但“软件不会消失”[1] AI对传统软件功能与商业模式的冲击 - AI初创企业Anthropic推出的垂直工具对传统软件功能形成冲击 其AI法务插件能执行追踪合规事项、审阅法律文档等多项文书工作 这些正是许多法律软件产品的核心功能[1] - 悲观情绪从单一AI工具的冲击 演变为对软件行业整体商业模式的重估 核心问题是SaaS（软件即服务）的商业模式是否正在被AI动摇[1] - 过去十多年 SaaS模式是软件产业最稳定的增长引擎 但随着生成式AI和智能体技术发展 软件作为中间层工具的价值被压缩[1] - 智能体落地后能跨系统调用能力 将多个软件功能整合到一轮对话或一次指令中 进一步弱化单一软件产品的存在感[1] - AI代码生成能力提升 使软件开发周期明显缩短、开发门槛持续降低 行业正从“人力密集型生产”转向“智能化生产” 传统以功能与订阅为主的商业模式遇到直接挑战[2] AI如何重塑软件行业 - 软件开发范式正从“人写代码+工具辅助”转向“人定义目标+AI生成实现” 开发者角色由代码生产者转向系统设计者与AI协同者[2] - 软件使用方式从需要学习操作的工具 转向能够理解需求、主动执行任务的智能系统[2] - 未来的软件竞争 不再只是功能多少与丰富程度 而是智能程度与行业理解深度的比拼[2] - AI正在创造新的软件空间 包括模型训练平台、数据工程、AI安全与评测体系等基础设施需求快速增长[2] - 制造、医疗、金融等行业智能化升级 需要大量“AI+行业知识”的专业系统[2] - 以智能体为代表的AI技术 正在打开新的应用生态空间 这些新领域对软件工程能力提出更高要求 并孕育新的产业机会[2] 软件行业的未来展望 - AI正在终结“旧的软件时代” 软件的形态、开发方式和商业模式正被全面重塑 软件不会消失[3] - 能够将AI能力与行业场景深度融合的企业 将在新一轮产业变革中获得更大空间[3] - 缺乏技术与场景壁垒的传统软件公司 则可能在这场重构中加速淘汰[3] - 软件行业没有走向终结 而是正在迈入一个以智能为核心的新阶段[3]

百度千帆平台最新进展 - 百度千帆平台已累计支持企业构建超130万个Agents [1] - 平台工具日均调用次数达到数千万级 [1] - 平台已支撑智能硬件、制造、交通、能源等主流行业创新 [1] - 平台沉淀出包含获客营销、错题批改等在内的100多个高频场景 [1] - Agent已真正融入企业的生产线，不再是实验性“外挂” [1] 百度千帆开发者生态建设 - 百度智能云正式发起“百度千帆开发者大使计划” [1] - 该计划旨在联合具备实战经验与行业影响力的开发者，以平台为核心在全国开展Agent实训营与开发者活动 [1] - 计划采用“专家手把手带教+场景全流程实战”的模式，加速企业级智能体的批量化落地 [1] - 开发者大使将获得官方身份认证与曝光、全国场地资源开放、Agent培训与专家支持以及平台级开发资源与内测机会等四大核心权益 [1] 行业趋势与公司战略展望 - 2025年行业已完成从验证到落地的范式升级 [2] - 2026年将迎来“Agent原生”的爆发，智能体将成为能进行复杂任务预测与自主规划的“数字员工” [2] - 智能体将真正渗透进企业最核心、最复杂的业务命脉 [2] - 2026年，百度智能云将持续开放领先的Agent Infra能力，与更多企业和开发者深度共创 [2] - 目标是推动智能体技术在千行百业真正落地生根，探索更广阔的商业边界 [2] 百度千帆平台技术能力升级 - 针对企业落地痛点，百度千帆构建了涵盖模型服务、工具服务、Agent开发服务、数据服务以及Agent运行环境在内的企业级Agent Infra [2] - 通过全栈能力的系统性升级，助力企业实现从技术验证到生产场景的无缝跨越 [2] - 全新发布了企业级长记忆能力的MVP版本，支持跨Agent的记忆共享与智能抽取 [2] - 该能力能基于会话自动沉淀用户偏好与事实情景，赋予Agent在时间维度上的“思维延续性” [2] - 该能力旨在让智能体成为“懂业务、懂用户”的数字化资产 [2]

2025年度业绩预告核心观点 - 公司预计2025年度归属于上市公司股东的净利润为正值，但同比将下降50%以上 [1] - 业绩变动主要受公司加大“AI+”战略投入导致期间费用增加，以及加强应收账款管理、信用减值损失降低等综合因素影响 [3] 本期业绩预计情况 - 业绩预告期间为2025年1月1日至2025年12月31日 [1] - 预计的经营业绩为：净利润为正值且属于同向下降50%以上情形 [1] 业绩变动原因说明 - 报告期内，公司整体营业收入与上年同期基本持平，业务保持稳定发展 [3] - 智慧轨道业务在手订单按计划交付验收，推动该板块收入实现增长 [3] - 公司坚持推进“AI+”发展战略，持续加大对人工智能、大模型及智能体技术在教育、轨道等场景的研发投入 [3] - 公司积极扩充营销团队，强化市场推广与渠道建设，以应对AI教育从技术突破迈向规模化商用的关键阶段 [3] - 受上述战略投入影响，销售、研发及管理费用较去年同期合计增加约3,300万元 [3] - 公司加强应收账款管理，回款工作取得显著成效，信用减值损失连续两年降低，对经营质量与净利润水平产生积极影响 [3] 与会计师事务所沟通及审计情况 - 本次业绩预告相关数据是公司财务部门初步测算的结果 [1] - 公司就业绩预告有关事项与年报审计机构进行了初步沟通，不存在重大分歧 [1] - 公司本次业绩预告相关数据未经注册会计师预审计 [2] 未来展望 - 公司将继续聚焦AI技术与行业场景的深度融合，加速推动创新成果的规模化落地 [4]

公司商标申请动态 - 赛力斯集团股份有限公司近日申请注册3枚“艺芯智能体”商标 商标国际分类涵盖科学仪器、运输工具、网站服务 当前商标状态均为等待实质审查 [1] 公司基本信息 - 赛力斯集团股份有限公司成立于2007年5月 法定代表人为张正萍 注册资本约16.3亿人民币 [1] - 公司经营范围包括制造、销售汽车零部件、机动车辆零部件、普通机械、电器机械、电器、电子产品等 [1] - 公司股东包括重庆小康控股有限公司、东风汽车集团有限公司、重庆渝安汽车工业有限公司等 [1]

公司动态 - 中科曙光于1月9日宣布，其曙光云为甘肃省“5G+智慧公路”云平台项目提供的智能体服务被收录于国家工业信息安全发展研究中心发布的《2024—2025年中国智能体应用研究报告》[1] - 该智能体服务支撑了“公路交通建设智能决策”，成为智能体技术在交通基础设施领域深度应用的代表性实践[1] 行业应用 - 智能体技术在交通基础设施领域实现深度应用，具体体现在“5G+智慧公路”云平台项目中[1]

外交与地缘政治 - 韩国总统李在明将于2026年1月4日至7日对中国进行国事访问 此访是其就任后首次访华 也是新年首位来访的外国元首 [1] 教育政策与人才流动 - 2026年内地面向港澳地区研究生招收程序于1月4日启动 考生须在1月4日至11日期间登录指定网站进行报名 报名期间系统24小时开放 [2] - 每位考生只限报读一所招生院校的一个专业 逾期不得补报或修改信息 [2] - 网上确认阶段于1月15日至19日进行 考生须按要求上传个人身份和学历证明 [2] 科技产业与区域发展 - 2026全国智能体开发者大会于1月4日在常州举行 该大会是推动人工智能技术扎根地方、赋能实体的重要举措 [3] - 此次大会是常州立足雄厚产业基础抢抓智能体技术风口的关键一步 [3]

文章核心观点 - 2025年末，豆包手机助手因具备自主跨应用操作能力引发市场关注，但随后其功能在多款应用中使用受阻，揭示了AI手机在商业化落地过程中面临的核心挑战：跨应用操作的权责划分与数据权限标准缺失[1][3] - AI手机的发展已从追求云端模型性能，转向强调端侧（离线）模型能力，技术条件日趋成熟，但大规模商用仍需克服生态协同、隐私安全及硬件限制等多重挑战[4][13][18] - 行业竞争本质正从硬件参数和模型大小，演变为一场涉及端侧能力、生态开放与用户体验的综合性生态竞争，需要手机厂商、大模型公司、软件应用商等多方共同构建开放协同的体系[17][21] AI手机技术演进与现状 - **技术路径转变**：行业焦点从2024年前后强调云端模型跑分，转向2025年强调端侧（离线）大模型的能力拓展，AI手机在离线状态下能完成的任务越来越多[13] - **端侧模型能力飞跃**：得益于开源模型（如DeepSeek）的创新，端侧模型性能大幅提升。vivo举例称，2025年的700亿参数模型能力已强于2024年的1750亿参数模型，2025年的30亿参数模型能力已强于2024年的100亿参数模型[14] - **部署门槛降低**：模型小型化显著降低了端侧部署的内存占用。vivo的70亿参数模型需3.5G内存，而2025年的30亿参数模型仅需2G内存，已不影响高端手机使用[15] - **技术方案开源**：继豆包手机助手遇阻后，智谱于12月9日将闭源AI Agent模型AutoGLM全面开源，阶跃星辰于12月17日宣布GUI Agent升级，大幅降低了开发门槛，标志着“AI操作手机”进入工程化落地窗口期[3][12] 商业化与生态挑战 - **核心瓶颈：权责与标准缺失**：豆包手机助手面临的困境具有普适性，核心在于跨应用自动化操作缺乏明确的权责划分与数据权限标准。现有合规标准仅支持“一个应用一个界面一个操作确权”，无法适配AI一键完成跨应用任务（如多平台比价）的需求[3][7] - **生态博弈：入口争夺战**：AI Agent试图接管用户入口与超级App捍卫流量主权之间存在商业博弈，这是所有厂商推动AI落地时必须面对的“入口争夺战”。部分第三方服务厂商对开放调度权限持谨慎态度，限制了生态协同效率[8][17] - **生态构建处于早期**：智能体普及面临三大挑战：生态开放与协议统一（如谷歌A2A方案）、跨应用调度权限的获取、用户从GUI触控操作向“AI代劳”交互习惯的培养[17] 产业格局与竞争策略 - **手机厂商的战略转向**：手机厂商自建云端大模型投入巨大（如vivo提及需追加超20亿元投资且万卡集群不够用），且难以与第三方云端大模型公司竞争，因此转向发展端侧AI Agent，以此实现产品体验的差异化[14][16] - **计算范式变化**：从以云端模型推理为主，转向云端与端侧算力结合，这为终端厂商提供了关键机会点[15] - **软硬件边界模糊**：以LLM为代表的AI软件厂商亟需新的硬件作为数据采集和服务的入口，驱动软件厂商向硬件渗透。例如，阿里巴巴夸克、百度小度推出AI眼镜，OpenAI探索AI硬件[19][20] - **商业模式重塑趋势**：基于AI Agent的智能终端，可能推动产业从依赖一次性销售的硬件盈利模式，转向以软件服务订阅和生态服务为主导的长期付费模式[20] 供应链新要求 - **硬件新壁垒**：随着端侧模型能力扩大，核心壁垒从算力不足转向“内存墙”与“功耗墙”。当前LPDDR内存带宽难以支撑大模型高速推理的吞吐需求，高负载带来的发热与能耗也严重挑战电池技术[18]

行业增长模式转向 - 房地产行业过去依赖土地增值和高速周转的“外延式”增长已难以为继 未来核心将转向通过好产品和精准投入实现“内涵式”发展 [1] - AI是实现从“凭经验”到“凭数据做精品”这一转向的关键工具 使房企能像精密仪器一样理解客户、设计产品和测算投资 [1] AI优先应用场景 - 在产品设计与客户洞察方面 利用AI分析海量客户反馈、社群讨论及户型浏览数据 洞察真实细微的居住需求 驱动户型优化、社区配套和节能损耗 使产品在规划阶段具备更强市场吸引力 [3] - 在投资决策方面 AI可融合人口、产业、交通等多维数据进行更科学的价值研判和风险模拟 减少拿地失误 [3] - 在精准营销方面 AI能实现客户精准画像与渠道优化 并通过生成式AI快速制作个性化内容 极大提升营销转化效率 直接助力库存去化 [3] 深圳企业关键场景突破 - 通过数字孪生平台实现对大型园区或建筑群的全局、实时三维可视化管理 显著优化空间利用和能源分配 [4] - AI智能客服已能处理线上咨询与互动 部分系统经专门训练可流利使用粤语与香港访客互动 提升跨境服务亲切感 [4] - 结合物联网与AI视频分析的智能巡检系统可自动识别安全隐患 将设施管理从“人防”转向“智防” [4] - 创新趋势正从解决单点问题转向构建集成的智慧平台 服务设计深度融入粤港澳大湾区生活融合需求 [4] 技术融合与未来愿景 - 实现未来拥有“AI大脑”的楼宇 关键在于AI大模型、IoT、数字孪生与智能体技术的组合应用 [9] - 在投资与设计端 基于数字孪生和大数据分析可实现更精准的效益模拟和风险研判 [9] - 在建造与施工端 智能建造技术融入工业物联网可提升效率与质量控制 [9] - 在资产运营端 IoT传感器是实时采集数据的建筑神经 数字孪生是映射物理世界的虚拟躯体 AI大模型是提供理解、推理与预测的大脑 智能体则是执行巡检、能管、安防等任务的核心“数字员工” [9] - “智慧运维与资产管理”这一融合场景在下一个五年实现规模化落地备受关注 [8] 管理模式与人才变革 - 随着AI智能体承担巡检、客服、数据分析等标准化任务 不动产管理岗位角色将从任务直接执行者转变为人机协同的规划者与决策者 [6] - 未来管理者更像AI训练师 核心工作是精准定义需优化的复杂问题 为AI设定清晰目标和规则 并对其输出结果进行专业判断与纠偏 [6] - 建议由政府或行业协会牵头 联合头部房企、科技企业及高校 将本地智慧园区、楼宇作为开放实验室 让学员在产业一线操练前沿AI管理工具 以实践能力为核心认证标准快速培养复合型人才 [8]