北京商报讯(记者陶凤王天逸)1月9日，中科曙光（603019）宣布，近日国家工业信息安全发展研究中心 发布《2024—2025年中国智能体应用研究报告》，收录了曙光云为甘肃省"5G+智慧公路"云平台项目提 供的智能体服务，该服务支撑了"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。 ...

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]

行业动态 - 2026全国智能体开发者大会于2026年1月4日在常州盛大启幕 [1] - 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 [1] - 常州正立足其雄厚的产业基础，抢抓智能体技术发展的关键机遇 [1]

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]

核心观点 - 长庆街道汇金国际商务社区创新打造“企航驿站” 通过政企协同与数字赋能提供一站式就业服务 成功帮助求职者转换职业赛道并解决工作问题 同时服务企业招聘与创业孵化 形成全周期闭环服务模式 [1][2] 服务模式与功能 - 驿站探索打造覆盖“企业招聘—人才求职—创业孵化—共同发展”的全周期闭环服务模式 [1] - 驿站充当高效对接的“纽带” 满足企业员工的多元化需求 [1] - 驿站设有“零跑腿”窗口 可提供人才落户、社保补贴、创业扶持、劳动争议调解等业务的咨询与办理 [3] 数字化与智能化应用 - 驿站融合“科技基因” 将智能体技术与就业服务场景深度融合 创新开发JobSeek就业智能助理 [2] - JobSeek通过AI赋能实现人岗精准匹配和政策精准推送 并集成了查询政策补贴、推送楼宇活动、归纳周边信息等多种功能 [2] 具体服务活动与成效 - 驿站每月在楼宇内安排企业现场招聘 平均每场提供岗位超200个 累计匹配意向人才1500余人次 [2] - 驿站为重点群体提供简历优化、面试技巧指导等一对一服务 [2] - 驿站聚焦新业态开展技能培训 今年以来在直播电商、数字营销、人工智能应用等领域累计开展培训28期 培训超1200人次 [2] - 驿站推动“技能培训+创业孵化”模式 已成功孵化小微企业5家 带动就业超30人 [2]

公司反诈能力建设 - 抖音官方智能防护助手账号“抖音反诈”上线全天候智能服务新功能，用户可通过搜索进入账号私信页面描述问题，获得实时分析、响应及甄别建议，实现从咨询、验证到举报的一站式服务 [1] - 智能服务依托智能体技术及平台长期累积的反诈治理经验，基于抖音反诈知识库与高发骗局识别模型对用户问题进行实时响应 [1] - 该功能是抖音在反诈工具上的持续升级，此前于2024年12月推出了官方信息验证工具“验证助手”，用于甄别可疑来电号码、短信或网址 [4] 反诈工具功能与案例 - “验证助手”功能历经多次升级，陆续上线了“一键查询官方联系记录”、“官方动态验证口令”等功能，并于今年11月新增“会员服务”与“仿冒APP”验证 [4] - 智能体可针对用户具体问题提供回应，例如解释“杀猪盘”为情感诱导类诈骗，或对可疑系统通知链接提供验证入口以防护假冒网址风险 [2] 反诈措施成效 - 过去一年，已有726.6万人次使用“验证助手”功能，日均约8万名用户通过其一键核验信息真伪 [4] - 基于用户提交的待验证内容，抖音诈骗识别模型已筛选出1万余项疑似高风险信息并转入人工核实，累计通过外呼成功劝阻超过1.5万名潜在受骗用户 [4] 公司战略与目标 - 抖音反诈和验证助手作为平台核心反诈功能，旨在持续提升全民防骗能力，保障用户权益 [4] - 未来，公司将继续通过技术升级与知识普及，系统化拆解诈骗手法，及时发布风险预警，助力用户精准识别风险，共建更安全的网络环境 [4]

AI发展演进阶段 - 阿里巴巴集团CEO吴泳铭将迈向超级人工智能的征程划分为智能涌现、自主行动、自我迭代三个阶段，当前正处于承上启下的自主行动阶段 [2] - 智能涌现阶段以大模型为里程碑，使AI具备认知理解、内容生成与逻辑推理的通用智能基础，为自主行动阶段做好了铺垫 [2] - 自主行动阶段是AI从感知与生成加速迈向决策与行动的关键时期，智能体技术推动AI实现从被动响应指令到主动感知环境、规划任务、调用工具的本质性转变 [3] 技术突破：构筑AI发展底层能力 - 云计算与AI深度融合构建全栈技术生态，其异构算力池化能力能将CPU、GPU、TPU等资源整合为统一资源池，根据任务需求动态分配，形成弹性可扩展的算力底座 [5] - 全栈AI云向上整合了数据管理、模型训练推理与应用开发的全流程服务，极大地降低了AI开发与部署的门槛，使企业无需投入巨额硬件成本即可按需使用资源 [8] - 大模型正从单一模态向多模态融合演进，能够协同处理文本、图像、音频、视频乃至3D信息，极大地拓宽了AI的应用场景 [9] - 通过引入基于人类反馈的强化学习等技术，并结合领域知识进行后训练，大模型正从被动响应指令转向主动求解复杂问题，成为AI自主行动的核心技术支撑 [10] - 智能体技术重塑了AI应用开发范式，任务规划与执行从预定义静态流程转向模型自主分解任务、动态决策的智能化模式 [11] - 应用架构正向AI原生阶段演进，初步形成以“大模型为核心、Agent为执行单元、工具链为延伸能力”的智能系统框架 [12] - 开源开放是推动AI技术普惠化与创新加速的关键力量，阿里云已贡献300余款开源模型，通义千问衍生模型超14万个 [13] - 魔搭社区汇聚了1600万开发者与7万个模型，成为中国特色开源生态的标杆 [14] 应用创新：开拓AI赋能多元场景 - 智能体深度融入真实业务流与数据流，例如在电商采购中能实时抓取数据、分析需求、筛选供应商并下达订单，重构了数字世界的运行模式 [16] - 人机协作重塑分工模式，智能体承担数据处理、任务执行等重复性工作，人类则专注于战略规划、创意设计等高价值工作 [17] - 多智能体自主协同可打破企业部门壁垒，实现跨部门、跨领域的流程流转与协作，催生更加扁平灵活的组织形态 [17] - AI正突破虚拟边界，以智能硬件、智能驾驶汽车、机器人等为载体融入物理场景，构建“感知-决策-执行”闭环，实现从数字智能到具身智能的跨越 [18] - 智能硬件如AI眼镜、AI PC、智能家居系统演进为具备情境感知与主动服务的智能伙伴，提供个性化沉浸式体验 [22] - 智能驾驶汽车借助大模型提升复杂场景认知与实时决策能力 [22] - 工业与服务机器人通过融合大模型，大幅提升环境感知、任务拆解和灵巧操作能力 [22] 产业升级：AI驱动系统性革新 - 在企业层面，AI正从单点辅助转向系统智能，全面渗透到研发、生产、供应链和服务等环节，例如药企利用大模型加速药物筛选，食品企业通过AI视觉检测提升质量控制 [20] - 面向消费者，AI从被动响应转变为主动服务，在衣着造型、个人健康管理、智能家居、日常出行等方面提供更加个性化的体验，促进更高效便捷的生活方式 [20] - AI正加速创新能力的全球扩散与协同创造，AI云作为全球创新数字基座，通过统一平台实现全球数据、模型、工具的共享，支撑跨国企业构建分布式研发网络 [21] - 云和AI技术的普及显著降低创新创业门槛，推动创新主体从科技巨头走向多元生态，中小企业可快速推出细分场景AI产品，个人开发者也能实现创意高效落地 [23][24] - 年轻人和女性凭借新鲜和细腻的视角开辟创新路径，拓展AI的应用边界 [24] - AI的正向价值已在医疗、教育、科研、能源等多领域落地，其本质被界定为“帮助谁”而非“替代谁” [25] - 为应对数据隐私、算法偏见等技术挑战，需构建以“AI向善”为核心、健全伦理规范与技术安全防护的负责任AI治理体系 [26]

公司技术应用与产品进展 - 国投智能已在其Qiko智能体平台中全面兼容并应用MCP（模型上下文协议）[1] - 该平台支持在智能体和工作流中对接MCP，实现大数据操作系统服务等能力与MCP协议的高效转化[1] - 目前MCP协议技术已应用于公司的公共安全大数据、政企数字化等多条产品线[1]

财务业绩 - 第三财季营收为570.06亿美元，同比增长62%，环比增长22% [1] - 第三财季净利润为319.10亿美元，同比增长65%，环比增长21% [1] - 调整后净利润为317.67亿美元，同比增长59%，环比增长23% [1] 未来营收指引与订单情况 - Blackwell与Rubin架构相关营收规模目标为5000亿美元，已有1500亿美元产品交付完成，未来14个月需完成剩余3500亿美元目标 [2] - 本季度已交付价值500亿美元的产品，并且存在更多潜在订单 [2] - 与沙特阿拉伯达成协议，未来三年内将额外供应40万至60万块GPU [2] - 新增埃瑟尔作为合作方，营收有进一步增长的空间 [2] 行业趋势与转型 - 行业正经历从通用计算向加速计算的转型 [4] - 生成式人工智能正在改变超大规模企业的工作模式，使其能将搜索、推荐系统等业务从CPU迁移过来 [4] - 人工智能模型质量持续提升，众多应用场景均能依托GPU顺畅运行 [4] - 生成式人工智能应用场景不断拓展，例如代码辅助工具，其使用已从软件工程师扩展至企业内部各类人员 [5] - 人工智能的日常使用率持续攀升，众多初创企业积极运用生成式人工智能与智能体技术 [5] 供应链与供需前景 - 供应链规划涵盖全球相关科技企业，包括台积电、存储设备供应商及原始设计制造商等合作伙伴 [3] - 算力供需平衡的实现还需要一定时间，原因包括通用计算向加速计算转型、生成式人工智能崛起、人工智能替代传统机器学习以及智能体人工智能新领域的出现等多重变革叠加 [3][4][6] 产品价值与能效 - Hopper系列每吉瓦对应的产品价值约为200多亿至250亿美元 [6] - Blackwell系列每吉瓦对应的产品价值约为300亿美元左右 [6] - Rubin系列每吉瓦对应的产品价值可能更高 [6] - 每一代产品性能实现数倍提升，客户总拥有成本随之数倍优化 [6] - 数据中心的电力上限通常为1吉瓦，因此架构的能效（每瓦性能）至关重要，直接决定最终营收 [6] 市场需求与资金来源 - 投资GPU能帮助超大规模数据中心提供商提升通用计算的规模、速度并降低成本，这是应对摩尔定律演进放缓的最佳选择 [7] - GPU计算能提升超大规模企业现有业务模式的营收，例如其核心驱动力推荐系统已全面转向生成式人工智能 [7] - 数千亿美元的资本支出完全可以通过客户的现金流覆盖 [7] - 智能体人工智能将带来全新的收入和消费需求，并催生快速增长的新应用 [7] - 未来基础设施建设资金不仅来自超大规模数据中心提供商，每个国家都会为自身基础设施提供资金支持，企业级计算领域将自行承担相关资金需求 [8] - 全球众多行业（如自动驾驶、数字孪生、药物研发等）已开始参与并将自行筹集资金 [8]