21世纪经济报道记者骆轶琪 北京报道 其中重要标志是，过去7个月间，智能体AI的任务长度翻倍、准确度超过50%，由此可以加速让智能体 应用到每个领域。 AI产业快速发展，正让诸多行业的迭代呈现加速度趋势。 2025骁龙峰会·中国期间，中国工程院外籍院士、清华大学智能产业研究院（AIR）院长张亚勤在演讲中 指出，新一代人工智能是原子、分子和比特的融合，是信息智能、物理智能和生物智能的融合。这将带 来巨大产业机遇。 从产业规模看，移动互联比PC互联时代至少大10倍；在工智能时代，整个产业规模将比前一代至少大 100倍。 AI产业在过去一年来，也呈现五大新趋势。 张亚勤分析道，第一大趋势是从鉴别式AI到生成式AI，如今则走向智能体AI。 第二大趋势是过去一年来，在预训练阶段的规模定律（Scaling Law）已经放缓，更多工作转移到训练 后的如推理、智能体应用等阶段。 "并不是说前沿模型就不需要了，整个智力上限还在不断往前走，但（迭代）速度比去年和前年是放缓 的。"张亚勤补充道，规模定律接下来有望在如智能体、视觉等其他领域重现。 在此过程中，过去一年来，推理成本降低了10倍，但智能体的复杂性，让算力同步上涨了10倍 ...

记者从业内了解到，一些端侧AI应用已经崭露头角。例如，当你想要利用AI为你制作一份旅游计划表 时，传统的AI会为你提供一份大众化攻略，但通过端侧AI，它可以自动识别你的日历表中哪些日期、 哪些时段已经安排了其他行程，在制作攻略时会主动避开这些时段，从而提供更合理的出行建议。 无独有偶，联发科在本周发布旗舰芯片时也对端侧AI功能着墨不少。该公司声称，其最新发布的旗舰 芯片率先支持Bitnet 1.58 Bit推理框架，端侧AI能力获得了史诗级的提升，大幅减少AI计算、图像识别 及自然语言处理能力运算对于云的需求，让以往需要依赖云端才能做到的4K超高分辨率文生图、128K 长文本处理、AI写真等功能得以在端侧实现。 近日，高通发布了年度旗舰芯片，在高通负责人的演讲中，频频提到一个关键词——端侧AI。 端侧AI是将AI模型部署在终端设备上，让终端设备具备本地的智能处理能力，无需依赖云端服务器就 能完成一些AI任务。与之相对应的是云侧AI，云侧AI是指将人工智能的模型训练和推理任务放在云端 服务器进行处理。 从名称上就可以感受到端侧与云侧两种AI处理模式的差异，在端侧处理，省去了信息在终端与云端的 交互时间，处理速度 ...

重磅推出的全新骁龙平台在终端侧AI计算、能效优化及多模态交互等多个方面实现突破，为本地大模型运行、实时语音翻译、图像生成等应用提供了有力 的硬件支撑，推动安卓旗舰从聚焦参数转向场景化服务提升。马蜂窝旅游研究院院长孙云蕾用直观的实例为与会嘉宾分享了移动端智能体AI旅行助手在旅 游场景中的全新体验。 孙云蕾为大家现场演示了智能体AI行程规划的功能，针对一位前往成都出差、已有会议安排和往返机票的用户，系统可通过小米日历自动识别空闲时段， 结合本地POI数据为其智能规划景点游览、餐饮推荐等行程。 9月24日至25日，2025骁龙峰会·中国在北京举行，马蜂窝作为旅游领域移动端智能体AI应用的合作伙伴亮相活动，展示其借助第五代骁龙®8至尊版移动平 台的端侧算力，以及小米的系统数据，规模化拓展旅游AI服务能力的前沿成果。 合作深度融合马蜂窝和小米技术优势，构建了从数据感知、本地计算到主动个性化服务的完整技术链路。结合马蜂窝的旅游行业垂直模型、旅游知识图谱、 RAG增强检索等多项技术，提供从行前攻略，到行中智能主动推荐、多语言翻译、餐厅预订等一站式服务。 ...

新产品发布 - 高通在骁龙峰会2025上发布第五代骁龙8至尊版移动平台，AI能力是最大卖点，支持个性化智能体AI助手，可跨应用提供定制化操作 [1] - 第五代骁龙8至尊版移动平台性能显著提升，CPU性能提升20%，GPU图形性能提升23%，NPU性能提升37% [1] - 公司更新骁龙X系列PC处理器，包括骁龙X2 Elite Extreme和骁龙X2 Elite，集成第三代Oryon CPU，在相同功耗下性能领先竞品高达75% [3] - 骁龙X2 Elite Extreme的GPU架构每瓦特性能和能效比前代提升达2.3倍，NPU支持80TOPS AI处理能力 [3] - 骁龙X2 Elite在相同功耗下性能提升高达31%，达到相同性能所需功耗降低43%，搭载该芯片的终端预计2026年上半年上市 [3] AI行业趋势观察 - UI正转向以人为核心，能适应用户需求并在端侧进行处理，AI时代将带来UI的根本性改变 [5] - 用户体验核心转向智能体AI，智能终端如手表、耳机、眼镜将直接与智能体交互，而不仅是手机功能延伸 [5] - 行业将迎来以智能体AI为核心的时代，不同品类智能终端共同定义全新移动体验，打造"以用户为中心的生态系统" [5] - 需要构建全新计算架构体系，包括操作系统、软件、芯片都需重新设计以支持新体验，智能体需具备情境理解能力 [7] - 大模型在打造之初就支持边缘侧"云+端"协同，使任务分配高效进行，该架构具备扩展能力 [7] - 边缘侧数据相关性高，能通过边缘数据训练优化模型，并通过AI协同部署形成动态自适应智能网络 [7] - 6G将成为云端与边缘间的连接桥梁，助力构建具备感知能力的智能网络，融合物理与数字世界 [7] - 公司已开始6G研发，为6G部署做准备，预计6G预商用终端最早2028年推出 [7]

文章核心观点 - 高通发布全球最快Windows PC处理器和移动SoC处理器 旨在重塑终端芯片以支持智能体AI体验 [1][5] - 公司提出以智能体为核心的六大AI趋势理解 预示个人计算体系将发生颠覆性变革 [2][6] - 新产品采用3nm制程和第三代Oryon架构 在性能、能效和AI处理能力方面实现显著提升 [7][25][27] 产品发布概况 - 同时推出面向PC的骁龙X2 Elite系列和面向手机的第五代骁龙8至尊版移动平台 [5] - PC处理器专为超高端PC打造 目标为轻松驾驭智能体AI体验和复杂数据处理任务 [1][15] - 移动平台支持真正的个性化智能体AI助手 具备终端侧学习和多模态AI能力 [1] 技术架构创新 - 全系产品采用3nm制程工艺和第三代Oryon架构 [7][25] - PC处理器采用12个Prime核+6个Performance核组合 [7] - 移动平台采用2个Prime核心+6个Performance核心架构 [27] 性能提升数据 **PC处理器性能提升** - CPU能效功耗比提升31% 功耗降低43% [10] - 单核CPU峰值性能提升39% 多核提升50% [13] - GPU峰值性能提升2.3倍 NPU峰值性能提升78% [13] - Hexagon NPU提供80 TOPS算力 性能提升37% [15] **移动平台性能提升** - 单核性能提升20% 多核性能提升17% 响应速度提升32% [27] - 游戏性能提升23% 光追性能提升25% [28] - GPU能效提升10% 性能提升38% [29] - NPU总体性能提升37% 每秒处理220 tokens [30] 能效比较优势 **PC处理器能效表现** - 相同功耗下较竞品性能提升75% [16] - 竞品需多消耗222%能量才能达到同等性能 [17] - 单核性能领先44% 竞品需多消耗144%能量 [20] - GPU相同功耗下快52% 竞品需多花92%能量 [22] **移动平台能效表现** - CPU功耗下降35% GPU功耗下降20% [33] - 整体功耗下降16% [33] - 游戏延迟降低50% [34] AI能力突破 - PC处理器NPU提供80 TOPS算力 支持复杂AI任务处理 [15] - 移动平台支持INT2和FP8精度 具备32K 2bit上下文窗口 [30] - 首创终端AI持续学习功能 实现实时感知和多模态理解 [1][31] - ISP支持逐帧AI增强和上下文感知的自动对焦功能 [33] 产品上市计划 - 搭载骁龙X2 Elite系列的笔记本电脑预计2026年第一季度上市 [24] - 搭载第五代骁龙8至尊版的手机平台即将面市 [35] 行业趋势判断 - AI成为新的人机交互界面 从智能手机转向智能体中心 [6] - 需要构建全新计算架构体系支持智能体发展 [6] - 模型混合化发展趋势明显 边缘数据相关性增强 [6] - 6G技术将成为云边端之间的关键连接桥梁 [6]

HOME 窦德景 ◎记者 李兴彩 近日，在上证首席讲坛第二十三期节目上，复旦大学计算机学院特聘教授、北电数智首席科学家窦德景 就AI大模型的突破点和未来应用场景进行了深入浅出的分享，并同期接受了上海证券报记者的专访。 作为人工智能领域的资深学者与产业实践者，窦德景深耕AI领域二十余载，既见证了行业有起有落的 发展历程，也亲身参与了从技术研发到产业落地的全链条实践。在生成式AI掀起全球变革浪潮的当 下，他以横跨产学研的独特视角，解读中国AI发展的核心逻辑与未来机遇。 AI要突破必须扎根具体场景 从学术殿堂到产业一线，窦德景的履历勾勒出一条跨领域的产业和个人成长轨迹。 1996年，窦德景从清华大学电子工程系本科毕业后，赴耶鲁大学攻读电气工程硕士学位，随后又师从世 界著名人工智能学者德鲁·麦克德莫特（Drew Mcdermott）攻读人工智能方向的博士学位。此后，窦德 景历任斯坦福大学生物医学信息研究中心客座副教授、美国俄勒冈大学计算机和信息科学系正教授，发 表超过250篇论文，谷歌学术引用量超1.3万次，成为国际AI领域的知名学者。 2010年后，随着深度学习技术的突破，AI迎来第三次高潮，窦德景选择投身产业实践 ...

市场趋势与需求变化 - AI从"百模大战"走向应用落地 算力需求从训练转向推理 [1] - 训推一体机满足企业开箱即用、安全、本地化部署需求 支持大模型训练、推理及AI应用开发全流程 [1] - 国内市场已有近百家厂商推出训推一体机相关产品 包括多家上市公司 [1][7] 产品销售与行业覆盖 - 中兴通讯上半年完成数百台训推一体机销售 覆盖政务、教育、医疗、通信等15个行业 [2] - 神州鲲泰训推一体机产品销售呈现显著增长 [2] - 金融、政府、能源三大领域需求突出 金融行业用于智能风控和量化交易 政府用于城市治理和政务智能化 能源行业用于新能源预测和智能巡检 [8] 技术特点与产品优势 - 训推一体机更偏重推理端 同时支持企业大模型训练与推理及应用开发全链条服务 [2] - 集DeepSeek等多种大模型于一体 大幅降低企业AI门槛和训练成本 [2] - 支持私有化部署 确保敏感数据安全处理 满足制造、能源、政务、医疗、金融等行业需求 [3] 市场前景与发展方向 - IDC预计2025年智能体市场规模将同比增长约260% [4] - 训推一体机成为混合云AI基础架构重要组成部分 提升云边协同平台构建能力 [5][6] - 通过软硬一体集成解决方案实现特定场景私有化部署 缩短部署周期 降低中小企业使用门槛 [6] 厂商布局与产品应用 - 中兴通讯AiCube智算一体机集成Qwen/DeepSeek国产大模型 在15个行业21个场景实现商用 [7] - 与浙江大学合作推出智海教育一体机 与三甲医院合作实现医疗诊断准确率突破95% 与东风汽车合作实现"一键成车"图片输出 [7] - 神州数码形成覆盖多场景、多算力需求的产品矩阵 新一代搭载DDR5、PCIe 5.0接口机型进入小批量试点 [7] - 拓维信息、广电运通、深桑达A、云天励飞等多家上市公司均已涉足该领域 [8] 行业挑战与发展建议 - 面临AI生态复杂性及垂直行业在AI软硬件集成与优化能力上的欠缺 [9] - 需要加强集群扩展能力并纳入云管理体系 支撑GenAI模型和应用的全链路开发 [9] - 需解决不同计算架构下AI计算资源的整合与兼容问题 [9] 厂商竞争优势分析 - 硬件与服务器企业在制造、能源等领域具备落地优势 [10] - 运营商及行业应用开发商在央国企、金融、医疗等领域的本地化部署中具备优势 [10] - 云计算厂商在全栈自主研发和性能优化方面有优势 支持高性能复杂推理 [10] - 大模型和AI基础设施创新企业让中小企业以低成本获得AI能力 [11]

训推一体机市场发展现状 - 人工智能从百模大战走向应用落地 算力需求从训练转向推理 训推一体机满足企业开箱即用、安全、本地化部署需求 支持大模型训练、推理及AI应用开发全流程[1] - 国内市场已有近百家厂商推出训推一体机相关产品 包括中兴通讯、神州数码等上市公司 产品销售火热[1] - 神州鲲泰训推一体机产品销售呈现显著增长 中兴通讯上半年完成数百台销售 覆盖政务、教育、医疗、通信等15个行业[2] 市场需求驱动因素 - DeepSeek开源、蒸馏、强化学习等优势降低企业AI门槛 训练大模型成本大幅下降 中小企业抢抓AI发展机遇 推动算力需求从训练转向推理[2] - 各地政府、央国企纷纷部署DeepSeek优化政务办公 私有化部署确保敏感数据安全处理 满足制造、能源、政务、医疗、金融等行业需求[3] - 训推一体机集多种大模型于一体 支持全流程开发 满足企业开箱即用需求 加速AI应用落地[2] 技术演进与市场前景 - AI正从Generative AI迈向Agentic AI IDC预计2025年智能体市场规模同比增长约260%[4] - 训推一体机作为精简高性能AI基础架构 成为小型化方案主流 整合统一管理不同IT基础设施 满足边缘环境轻量化云架构需求[5] - 训推一体机对边缘计算环境良好适配性 提升云边协同平台构建能力 将成为混合云AI基础架构重要组成部分[5][6] - 大模型从千亿参数向行业精调模型演进 训推一体机通过软硬一体集成解决方案实现特定场景私有化部署 缩短部署周期 降低中小企业使用门槛[6] 行业应用与厂商布局 - 训推一体机市场吸引硬件服务器、云服务、行业应用开发、大模型和AI技术供应商等多方参与[7] - 中兴通讯AiCube智算一体机集成Qwen/DeepSeek国产大模型 在15个行业21个场景实现商用 包括与浙江大学合作智海教育一体机 与三甲医院合作医疗诊断准确率突破95% 与东风汽车合作实现一键成车图片输出[7] - 神州数码形成覆盖多场景多算力需求产品矩阵 新一代搭载DDR5、PCIe 5.0接口机型及高性能多卡配置产品进入小批量试点[7] - 金融行业智能风控、量化交易等场景算力需求激增 政府城市治理、政务智能化升级需求迫切 能源行业在新能源预测、智能巡检等方面实现数字化转型[8] - 拓维信息、广电运通、深桑达A、云天励飞、恒为科技、大华股份、云从科技、中国长城、浪潮信息、紫光股份、烽火通信、深信服等公司均已涉足训推一体机领域[8] 行业挑战与发展方向 - 行业面临AI生态复杂性及垂直行业在AI软硬件集成与优化能力上的欠缺[9] - 训推一体机需要深度集成优化硬件设备与软件系统 整合底层硬件、上层软件及Agent应用 优化不足会导致处理复杂任务速度较慢[9] - AI算力厂商百花齐放 需整合兼容不同计算架构下的AI计算资源[9] - 应加强集群扩展能力并纳入云管理体系 支撑GenAI模型和应用全链路开发 满足运维规模扩充需求[9] - 硬件与服务器企业支持本地算力芯片混部调度 在制造、能源等领域具落地优势 运营商及行业应用开发商在央国企、金融、医疗等领域本地化部署具优势 云计算厂商在全栈自主研发和性能优化、软硬件融合调优和推理加速方面有优势 大模型和AI基础设施创新企业让中小企业以低成本获得AI能力[10]

AI对保险行业的变革影响 - 人工智能正深刻重塑保险行业的工作流程和产业革新 尤其生成式AI和智能体技术展现出前所未有的推理判断、创意生成与情感共鸣能力 契合保险行业对风险精准识别和高效有温度服务的核心需求[2][3] - AI技术改变消费者预期 要求更精准可靠的服务、拟人化交互、极致个性化方案和按需定制的即时体验 如同电子商务改变消费习惯般深刻[2] - 传统分析型AI善于识别数据规律 而生成式AI能进一步处理非结构化信息 使反馈更个性化且具人情味 智能体AI技术则将复杂流程高度自动化[3] AI转型的战略框架 - 保险公司需确立覆盖全域的AI战略 从底层重构核保、理赔、分销、客服等关键业务运营范式 而非碎片化试点或拼凑SaaS工具[4] - 生成式AI具备极强可扩展性 可复用组件使其能力可跨场景迁移 如客服回复能力可快速应用于内部IT支持、营销内容创作和法律文件草拟等领域[4] - 未来保险客户旅程将由虚拟同事全面接管 包括信息采集智能体、风险评估智能体、定价与产品智能体等协同工作 人类在客户接触点环节仍不可或缺[5][6] 行业领跑者的实践成效 - AI领先险企过去5年总股东回报（TSR）是落后者的6.1倍 远超其他行业2-3倍的差距[7] - 领域级转型在关键环节产生显著价值：新人产能与转化率提升10%-20% 保费增速提升10%-15% 获客成本降低20%-40% 理赔准确率提高3%-5%[7] - 英国英杰华在理赔端部署超80个AI模型 复杂案件责任评估时间缩短23天 案件分派准确率提升30% 客户投诉量减少65% 仅汽车险理赔转型2024年节省成本超6000万英镑[31] 六大关键成功要素 - 高层协同绘制清晰AI转型路线图 锚定可量化业务价值 聚焦重点业务领域开展端到端改造[8] - 打造数字人才梯队 70%-80%数字人才应来自内部 构建由技术专家主导的人才结构并设立专责团队[9] - 构建可扩展运营模式 选择与战略匹配的架构 强化产品管理能力[10] - 借助技术架构提升效率 依托可复用多智能体系统搭建灵活可扩展的AI能力架构[11] - 深度嵌入数据能力 将企业专业知识与"独门秘籍"嵌入AI系统构建知识产权护城河[12] - 每花费1元开发AI解决方案需匹配1元用于规模化落地 变革管理是转化为生产率的关键[13] 业务领域转型实践 - 寿险与健康险领域通过生成式AI创建合成数据提高风险评估精准度 借助AI分析海量数据预测客户健康趋势[19][22] - 商业财产险与意外险借助生成式AI构建精细化风险模型 模拟多种情景提升潜在损失评估精准度[25] - 个人财产险与意外险利用生成式AI自动化理赔流程 通过高级数据分析提升欺诈识别能力[28] - 销售流程自动化使线上交易占比飙升至80% 客户推荐意愿指标上升36个百分点[31] 技术架构与基础设施 - 现代化AI能力体系包含四个关键层级：重构交互体验、AI决策中枢、基础设施以及数据平台[34] - 生成式AI可自动分析遗留代码生成结构化文档 帮助沉淀关键技术资产 某金融机构借此将系统升级成本从1亿美元压缩至一半以下[43][44] - 采用混合云架构结合本地与公有云资源是实现扩展性的理想路径 需同步推进数据治理和IT架构现代化[45] 组织变革与文化适配 - 培育创新文化、转变思维模式并构建核心能力是落地关键 员工需掌握AI技能并理解其如何提升岗位价值[46] - 历史表明技术浪潮改变岗位形态同时创造新机会 培育组织内共同责任意识和广泛认同感至关重要[46] - 多数企业陷入五大陷阱：缺乏财务导向全局战略、低估投资需求、聚焦局部应用、未构建可复用组件、过度依赖外部解决方案[47]

核心财务表现 - 第二财季营收467.43亿美元 同比增长56% 超出市场预期的462.3亿美元 [1] - 净利润264.22亿美元 同比增长59% 显著高于市场预期的234.65亿美元 [1] - 调整后每股收益1.05美元 同比增长54% 超出市场预期的1.01美元 [1] - 毛利率72.4% 同比下降3.1个百分点但环比提升 高于指引的71.8% [1] 分业务营收表现 - 数据中心营收411亿美元 同比增长56% 略低于预期的412.9亿美元 其中Blackwell架构贡献约281亿美元 [2] - 计算业务收入338.44亿美元 同比增长50% 环比下降1% 主要受H20芯片销售减少40亿美元影响 [3] - 网络业务收入72.52亿美元 同比增长98% 环比增长46% Spectrum-X以太网年化收入突破100亿美元 [3] - 游戏业务营收43亿美元创历史新高 同比增长49% 超出市场预期的38.19亿美元 [3] - 汽车业务营收5.86亿美元 同比增长69% 略低于市场预期的5.93亿美元 [4] - OEM及其他业务收入1.73亿美元 同比增长97% 远超市场预期的1.11亿美元 [4] 业绩指引与资本运作 - 第三财季营收指引540亿美元±2% 超出市场预期的534.67亿美元 [5] - 预计GAAP毛利率73.3% 年底目标毛利率75% [5] - 上半年通过回购和股息向股东返还243亿美元 新增600亿美元回购授权 总回购额度达747亿美元 [5] - 若地缘政治问题缓解 Q3可能增加20-50亿美元H20收入 叠加15%政府分成后营收可达546.2-593.3亿美元 [5] 技术优势与竞争格局 - GPU具备云端/本地/端侧通用性 所有AI框架均支持英伟达平台 [6] - 提供全栈协同设计的系统级解决方案 包括GPU/CPU/网络产品 [6] - ASIC主要被大云厂用于自身训练推理 量产规模有限 [6] 中国市场动态 - 中国大陆市场收入27.69亿美元 同比下降24.5% [7] - 向非限制客户销售6.5亿美元H20芯片 释放1.8亿美元库存 [7] - 中国市场潜在规模达500亿美元 预计年增幅50% [7] - 若H20对华销售持续受限 寒武纪等本土芯片企业将受益 [7] 行业前景与产能布局 - 超大规模云厂商年度资本支出预计达6000亿美元 [9] - 2030年AI基础设施支出预计3-4万亿美元 远超此前万亿级预期 [9] - Blackwell Ultra已于Q2出货 GB300芯片全面生产 Q3将扩大产量 [10] - Rubin架构芯片进入晶圆生产阶段 预计2026年量产 [10] - 主权AI收入有望超200亿美元 实现同比翻倍增长 [10] 技术演进趋势 - 行业重点从生成式AI转向推理型AI和智能体AI [11] - 新型AI所需算力达聊天机器人的100-1000倍 [11] - 算力需求从语言生成向问题解决演进 支撑指数级增长预期 [11]