Gemma 4模型的技术特点与性能 - 谷歌开源的新模型Gemma 4采用了与Gemini 3同源的技术架构，支持原生全模态，在Arena AI排行榜上位列全球第三 [1][3] - 模型提供多个型号，其中较小的型号如E2B（有效参数2.3B）和E4B（有效参数4.5B）可直接部署在手机端本地运行，上下文窗口达到128K [3] - 在苹果芯片手机上，通过针对优化的MLX框架，模型的推理速度可以超过40 token/秒 [5] - 在三星Galaxy等设备上也能跑出类似的高速，即使在开启思考模式的情况下 [6] 端侧AI模型的应用潜力与影响 - 模型在手机端的高运行速度（超过40 token/秒）使得手机端运行AI模型成为未来可接受的选项，尤其在医疗等敏感场景中非常有用 [5][6][8] - 128k的上下文窗口增强了这些小模型在移动端的吸引力 [9] - 用户可通过谷歌官方App“Google AI Edge Gallery”轻松在手机上下载并运行模型，降低了使用门槛 [11] - 端侧模型的发展趋势可能使大量的日常查询、聊天、简单推理、代码生成、图像理解任务实现本地运行，无需购买token，这可能冲击依赖售卖token或API订阅的商业模式 [20][24] 当前模型的局限性 - 在更强的硬件（如M5 Pro版MacBook Pro）上运行更大的Gemma 4 Mixture-of-Experts 26B模型时，直接对话和文本生成、代码解释表现顺畅 [13][15] - 但当将其作为coding agent处理需要大上下文（256k窗口）、复杂prompt和稳定工具调用的任务时，模型经常出现卡住、报错或输出结构错误的问题 [16] - 与专门优化的模型（如qwen3-coder）相比，Gemma 4在工具调用和结构化输出方面可能优化不足，导致其在多步任务执行上存在差距 [17] - 有观点认为Gemma 4在智力水平上仍显不足 [19] 行业竞争格局与未来展望 - 当前开源模型与最前沿的闭源模型之间仍存在差距，大部分能打的开源模型受硬件能力限制，暂时无法在端侧达到可用级别，这为提供云端推理服务的公司提供了缓冲期 [22][23] - 短期来看，云端闭源模型在最前沿的复杂推理和超大规模多代理协作上依然保持领先 [23] - 长期趋势是，随着硬件进步和量化技术优化，端侧模型将逐步蚕食云端的高频简单任务 [23] - 依赖售卖token和API订阅的厂商将被迫更专注于卷“真正难啃”的部分，如超强Agent、超长可靠上下文以及需要海量实时数据的专有能力 [24] - Gemma 4仅是一个开始，未来端侧模型可能发展到让用户感觉不到本地与云端区别的程度，届时将引发整个AI产业商业模式的洗牌 [24]

产品发布与定位 - 公司推出全新MacBook Neo产品线，起售价为4599元人民币，叠加补贴后价格可低至3000多元，成为苹果史上最便宜的Mac笔记本电脑 [1][2][10] - 该产品定位为入门级和年轻版，旨在吸引Windows用户、轻度办公用户及学生群体，补齐了公司从入门到高端的笔记本产品线 [37][38][43] - 产品发布节奏经过设计，在推出高性能的MacBook Pro M5系列之后发布Neo，通过价格对比显著降低消费者的心理门槛 [44][47][48] 核心配置与性能 - 核心处理器首次在Mac电脑上搭载手机芯片，采用为iPhone 16 Pro设计的Apple A18 Pro芯片 [4][11][12] - A18 Pro芯片采用台积电第二代3nm工艺，并为端侧AI模型（Apple Intelligence）做了专门优化，提升了文本理解、图像识别等场景的AI推理速度 [13] - 该芯片在MacBook Neo上为“非满血”版本，配备6核CPU和5核GPU（满血版为6核GPU），性能可能略低于iPhone 16 Pro，适用于日常办公及轻负载场景 [16] 设计与显示 - 提供黄色、粉色、深蓝色和银色四种鲜艳配色，是自1999年iBook G3以来苹果笔记本中最鲜艳的配色组合 [5][23] - 采用13英寸Liquid视网膜显示屏，分辨率为2408×1506，亮度为500尼特，支持10亿色彩，无刘海设计 [7][19][21] - 机身采用铝金属，厚度为1.27厘米，宽度为29.75厘米，重量为1.23千克，比MacBook Pro轻约300克，薄约0.28厘米，便携性高 [7][26][27] 续航、存储与连接 - 电池续航支持最长11小时的无线网络浏览或最长16小时的视频播放 [30] - 标配8GB统一内存，提供256GB和512GB两种存储版本 [32] - 配备两个USB-C接口，一个为USB 3（速度10Gb/s），另一个为USB 2（速度480Mb/s），未配备MagSafe磁吸充电接口 [34][35] 多媒体与输入输出 - 配备1080p前置摄像头、双扬声器、3.5mm耳机接口以及支持音频隔离的双麦克风阵列，满足视频会议、影音娱乐等日常需求 [35][36] 市场策略与影响 - 通过使用上一代手机芯片并降低配置，在控制成本的同时推出了高性价比产品，被解读为一种清理芯片库存并拓展市场的策略 [1][37] - 产品命名“Neo”在消费电子领域通常意味着“新一代、年轻版、更亲民版本”，明确传达了其市场定位 [39][42][43] - 此举被视为培养下一代Mac用户生态的策略，通过降低入门门槛让用户习惯苹果系统和生态，从而增加未来复购的可能性 [38]

产品发布与核心策略 - 苹果公司推出全新MacBook Neo产品线，起售价为4599元人民币，成为其史上最便宜的Mac笔记本电脑 [1][10] - 该产品被市场解读为旨在吸引Windows用户、轻度办公用户及学生群体，以极低价格门槛培养下一代Mac用户并扩展生态系统 [37][38] - 公司通过先发布高端MacBook Pro M5系列，再推出低价Neo的策略，形成强烈对比，有效降低了消费者的心理购买门槛 [44][45][46][47][48] 产品核心配置与性能 - MacBook Neo首次在Mac电脑上搭载iPhone 16 Pro的同款A18 Pro芯片，该芯片采用台积电第二代3nm工艺 [4][11][12][13] - 该芯片为端侧AI运行进行了专门优化，旨在提升文本理解、图像识别等场景的AI推理速度 [13][14] - 笔记本采用的A18 Pro为降频版本，配备5核GPU和6核CPU，而非满血的6核GPU，性能较iPhone 16 Pro有所保留 [16] 设计与显示 - 产品提供黄色、粉色、深蓝色和银色四种鲜艳配色，这是自1999年iBook G3以来苹果笔记本最鲜艳的配色方案 [5][23] - 采用13英寸Liquid视网膜屏，分辨率为2408×1506，亮度为500尼特，支持10亿色彩，无“刘海”设计 [7][19][21] - 机身采用铝金属，厚度为1.27厘米，宽度为29.75厘米，重量为1.23千克，比MacBook Pro轻约300克，薄约0.28厘米 [7][26][27] 续航、存储与接口 - 官方标称续航支持最长11小时无线网络使用或16小时视频播放 [30] - 标配8GB统一内存，提供256GB和512GB两种存储版本 [32] - 配备两个USB-C接口：一个USB 3（10Gb/s）用于高速传输，一个USB 2（480Mb/s）用于连接键鼠等外设，未配备MagSafe磁吸充电接口 [34][35][37] 其他功能与定位 - 配备1080p前置摄像头、双扬声器、3.5mm耳机接口以及支持降噪的双麦克风阵列，满足视频会议与影音娱乐需求 [35][36] - 产品命名“Neo”在消费电子领域通常隐含“新一代、年轻版、更亲民版本”的定位，与苹果此次的产品策略相符 [39][40][41][42][43] - 该产品补齐了苹果笔记本从入门到高端的产品线，在MacBook Air和Pro之下提供了新的低价选择 [38]

产品发布与核心策略 - 苹果春季新品第三波推出MacBook Neo，起售价为4599元，成为苹果史上最便宜的Mac笔记本，将Mac的价格门槛拉至史上最低[1][8] - 该产品被定位为“新一代+年轻版+更亲民版本”，旨在吸引Windows用户、轻度办公用户和学生党等新用户群体，补齐苹果笔记本“从入门到高端”的产品线[36][40][41] - 公司通过先发布高价位主力机型（如MacBook Pro/Air），再推出低价Neo产品的节奏，形成强烈对比，有效降低了消费者的心理购买门槛[43][44][45][46][47] 核心硬件配置 - MacBook Neo首次在Mac电脑上搭载了iPhone 16 Pro的同款A18 Pro芯片，该芯片采用台积电第二代3nm工艺[4][9][10][11] - 该芯片为端侧AI模型（Apple Intelligence）做了专门优化，在文本理解、图像识别等场景的AI推理速度更高[11][12] - 但笔记本使用的并非“满血”版本，其GPU为5核（满血为6核），CPU为6核，性能可能略逊于iPhone 16 Pro[14][15] 产品设计与显示 - 产品提供黄色、粉色、深蓝色、银色四种鲜艳配色，这是自1999年iBook G3以来苹果笔记本中最鲜艳的一组配色[5][22] - 采用13英寸Liquid视网膜屏，支持2408×1506分辨率、500尼特亮度和10亿色彩，且屏幕无刘海设计[7][18][20] - 机身采用铝金属材质，厚度为1.27厘米，宽度为29.75厘米，重量为1.23公斤，比MacBook Pro轻约300克，薄约0.28厘米，属于轻薄本[7][25][26] 续航、存储与接口 - 官方标称续航支持最长11小时无线网络使用或最长16小时视频播放[29] - 标配8GB统一内存，提供256GB和512GB两种存储版本[31] - 未配备MagSafe磁吸充电接口，仅提供两个USB-C接口：一个USB 3（10Gb/s）和一个USB 2（480Mb/s）[33][35] - 配备1080p前置摄像头、双扬声器、3.5mm耳机接口以及一组定向波束成形的双麦克风阵列[34] 市场定位与潜在影响 - 产品以高性价比为核心卖点，结合可能的国补后，价格可低至3000多元，极具市场吸引力[2][8] - 其配置足以满足日常办公、网页浏览、多任务处理及简单视频剪辑等轻度使用场景，但处理复杂任务可能能力有限[15][32] - 此举被视为培养下一代Mac用户的有效策略，通过低门槛产品让用户习惯苹果的系统和生态，从而增加其未来继续选择Mac产品的可能性[36]

纪要涉及的行业与公司 * 行业：移动互联网广告推送与分发、生成式AI（AIGC）、搜索引擎优化（SEO/GEO）、智能终端（手机）软件生态 * 公司：万咖壹联（核心公司）、苹果、华为、小米、vivo、OPPO、荣耀、腾讯、网易、三七互娱、抖音、快手、小红书、百度、Google、OpenAI、中兴努比亚、豆包（AI助手/搜索引擎）、小艺/小爱同学（智能体）[1][2][3][4][11][15][21] 核心观点与论据 **1 万咖壹联的市场地位与核心优势** * 公司是专注于智能终端广告推送与分发的公司，主要业务包括手机应用商店、浏览器及开机屏的广告推送与分发[3] * 与苹果、华为、小米、vivo、OPPO、荣耀六大顶级手机厂商深度合作，市场占有率超过50%[2][3] * 覆盖腾讯、网易、三七互娱等1,300多家主流游戏公司，并随苹果出海覆盖约20亿手机用户[2][4] * 是硬核联盟、快应用联盟和金标联盟的重要成员，推动了中国安卓手机应用商店标准统一和智能终端软件生态技术标准化[2][4] **2 生成式AI（AIGC）对广告与搜索行业的变革** * **模式转变**：AI将广告推送从传统的点击转化模式转变为精准需求满足，内容本身即广告，实现更高效的流量匹配[2][5][6][9] * **效率提升**：通过AI助手（如豆包）进行信息搜索，能根据用户需求快速提供准确答案和推荐，大幅提升信息获取效率和广告投放效果[2][5][11] * **能力要求**：在大模型时代，关键能力包括强大的大模型能力、理解用户需求、进行上下文关联并提供准确答案，这要求内容必须结构化和标签化[2][7] * **行业影响**：传统搜索引擎的护城河受到冲击，例如苹果为Siri引入AI搜索选项后，Google市值曾蒸发1,500亿美元[15]；未来SEO的目标将是抢占AI推荐权和引用权[6] **3 AI技术驱动的商业化进展与商业模式** * **万咖壹联的进展**：在浏览器业务中，已有25%的收入来自GEO相关业务[16]；通过AI实现更精准的广告推送，将投资回报率提升至150%至200%之间，提高了客户复投率和整体收入[16][17] * **提升毛利率**：由于更精准推送带来的投资回报率提升，公司能够与客户分享更高收益，从而提高自身毛利率[2][17] * **智能体营销**：智能体（如手机助手）能直接理解用户需求并完成从搜索、推荐到支付的全流程，将用户需求直接转化为消费行为，提高广告效果[14] * **GEO业务潜力**：GEO业务目前占浏览器和搜索引擎业务总收入的25%至40%，虽处前期但潜力巨大，是公司未来的重点发展方向[18] **4 手机厂商的AI布局与商业化逻辑** * **布局方式**：华为、小米、vivo等厂商在采用百度、Google或搜狗作为基础搜索引擎的同时，积极开发自研AI搜索引擎（如中兴努比亚全面使用豆包）[11] * **合作模式**：多数手机厂商因财力所限，选择与独立第三方大模型合作，而非依赖互联网巨头[11]；合作模式包括开放操作系统底层以提升销量并分享广告收益（如努比亚与豆包）[21] * **商业化逻辑**：主流厂商（如小米）希望掌握商业化话语权，在借助外部大模型的同时保留端侧模型控制权，因为每部手机的一次性销售利润约为50元，而每年每个用户带来的利润达139元，用户生命周期价值更高[21][22] **5 技术架构与用户体验** * **模型结合**：采用大模型与端侧模型结合的架构，大模型处理80%的推理任务，端侧模型处理20%，以平衡能力与响应速度[12] * **用户体验改变**：在GEO时代，AI能高度匹配用户需求，节省用户搜索比较的时间，使高效能工作者能更专注于核心事务[20]；通过语音助手完成任务（如删除照片）提高效率[20] 其他重要内容 * **优质内容新定义**：需具备观点创新性、实践赋能性以及鲜明的数据支持，在中文世界中提供定量数据对比尤为重要[8] * **海外GEO发展**：分为完全原创型公司（服务大客户）和传统SEO公司迅速拥抱AI技术实现转型两类[10] * **业务扩展领域**：公司在二次元电商平台及小游戏应用推广方面取得成功，大幅提升曝光率及投资回报率[17] * **未来展望**：公司期待AI技术进一步进步，以便在应用商店等其他领域推广使用GEO技术，实现全面增长[19]

行业核心动态：AI Agent与手机操作能力开源 - 智谱华章于12月9日宣布开源其AI Agent模型AutoGLM，该模型被定义为全球首个具备“Phone Use”（手机操作）能力的AI Agent [4] - AutoGLM的自动化操作能力与豆包手机助手及部分手机厂商展示的AI功能演示相似，其已支持微信、淘宝、抖音等超过50个高频应用 [1][4] - 公司开源此模型的初衷在于，希望将这种智能化能力转变为行业可共同拥有和打磨的公共底座，同时确保数据与隐私永远留在用户侧 [1][4] 技术发展趋势：端侧AI与数据安全 - 行业推动模型小型化趋势取得显著进展，使得手机有充足算力支撑小型化模型的端侧部署 [4] - 端侧模型因反应更快、数据更安全，并利于终端厂商控制，成为今年手机厂商积极推进的方向 [5] - 开源模式被认为彻底改变了隐私博弈关系，通过将AI完整搬回用户本地设备运行，实现数据无需上云，所有操作记录和处理均在本地完成，从而消除数据泄露风险 [5] - IDC预计，到2026年中国新一代AI手机出货量将达到1.47亿台，同比增长31.6%，占据整体市场的53% [5] - 未来主流服务模式将是端云结合，厂商在调用外部云侧大模型的同时，将自身资源集中于端侧多模态模型的轻量化与深度推理能力建设 [5] 当前面临的挑战与行业博弈 - AI Agent的落地，特别是跨应用自动化操作（如发红包、点外卖），面临用户隐私和数据权限边界标准空白的挑战 [1][6] - 现有合规标准通常仅支持“一个应用一个界面一个操作确权”，缺乏对身份授权、场景授权的明确依据，导致跨应用任务功能陷入“标准真空地带” [6] - 涉及支付、聊天记录等敏感数据时，权限边界模糊，厂商不敢贸然推进 [7] - 当前AI生态体系处于硬件厂商、APP开发商、大模型提供商三方争夺未来分发权和流量的阶段，各方互不相通，建立壁垒 [7] - 大型APP开发商和大模型提供方往往归属相同集团，集团之间更不会互通数据合作，进一步加剧了生态割裂 [7] 厂商合作与行业探索 - 中兴终端与豆包（字节跳动）选择以开放姿态进行合作，旨在通过强强联合为用户提供更好的产品体验 [8] - 软件厂商跨入硬件领域成为趋势，例如夸克和百度入局AI眼镜，类似微软做PC、谷歌做手机，意在向硬件厂商示范如何更好发挥软件能力，或展示自身作为软件服务商的能力 [8] - 行业共识认为，需要手机厂商、互联网厂商、大模型提供商等多方角色共同探讨，推进制度边界和完善标准，才能推动智能体发展 [1][9] - 厂商应聚焦于降低使用门槛、解决实际问题的场景，在保护隐私安全的前提下逐步探索，而非盲目追求全场景自动化 [9]

全球大模型格局 - 全球大模型发展呈“双核驱动”态势，技术路径上闭源与开源并行，地缘格局上美国与中国成为两大核心力量[10] - 美国在算力、算法和人才方面积累深厚，主导闭源领域；中国将开源作为重要发展方向，有助于应对供应链不确定性和外部制约[13] - 头部闭源模型形成OpenAI、Anthropic与Google“三驾马车”之势，OpenAI的GPT系列在综合能力方面具备优势，Anthropic聚焦专业场景，Google的Gemini路线更倾向于“全面而均衡”[17] 开源模型的崛起 - 2025年是中国大模型发展的“破局之年”，DeepSeek横空出世，在全球范围内率先以开源方式复现具备“长链推理”能力的大模型[18] - DeepSeek通过创新训练机制将推理过程中的Token成本大幅压缩，实现“低成本，长推理”范式，迅速引爆开发者社区[18] - 除DeepSeek外，通义千问和Kimi等国产大模型也已陆续开源，共同探索兼具技术深度与生态广度的新型开源路径[18] - 开源对中国而言是一种系统性战略，本土开源模型获得广阔应用试验场，并激活了中国庞大的工程师红利，实现算力、数据与人才的高效协同[19] 端侧模型发展 - 2025年“端侧推理”成为模型落地的重要战场，在云端训练昂贵、推理成本上升的背景下，部分推理能力迁移到设备端执行[20] - 端侧模型参数量级在几亿到数十亿，具备低延迟响应、强隐私保护和几乎可忽略的运行成本优势[21] - 家庭与办公场景成为端侧模型的典型载体，安防摄像头、家用机器人等开始依赖本地推理完成视觉理解和任务执行[21] 大模型关键技术演进 - 大模型从单一文本能力迈向更复杂综合形态，四大技术趋势包括原生多模态融合、推理能力、长上下文窗口与记忆机制，以及智能体能力[22] - 前沿大模型正转向原生多模态架构，将图像、语音、文本等多种模态嵌入同一共享向量表示空间，实现更高效一致的理解与生成[23] - 推理能力成为核心标配，模型在训练阶段学习“如何一步步思考”，在推理阶段采用“延长思考时间”等机制提升判断能力[24][26] - 新一代模型支持超长上下文并结合外部记忆存储机制，能够在多次交互中持续追踪用户身份和偏好，成为具备长期认知能力的数字伙伴[27] 训练范式与架构探索 - 大语言模型经历范式转变，从以大规模预训练为核心单一路径，演进为融合后训练精调与运行时计算增强的多阶段协同体系[31] - 能力提升遵循三条“规模法则”：预训练规模法则构建基础能力，后训练规模法则注入任务导向行为模式，测试时规模法则提升准确性[32][33][34] - Transformer仍是绝对主流架构，但研究者积极探索线性注意力模型、混合注意力机制和文本扩散模型等替代或混合方案[37] 物理AI和世界模型 - 世界模型和物理AI成为行业新焦点，物理AI指能够感知现实环境、理解物理规律并采取有效行动的智能系统[38] - 世界模型是AI在“脑海中构建的微型世界”，能模拟和预测未来状态，具备“内部模拟-预演-规划”能力，提升系统泛化能力和安全性[38] - 2025年世界模型领域迎来多项标志性进展，DeepMind发布Genie3，OpenAI推出Sora2，World Labs发布Marble，NVIDIA Isaac Sim获得业界广泛关注[44] 产业链与基础设施 - 算力基础设施层面英伟达领先地位依然稳固，市值一度突破5万亿美元，多元化生态虽已萌芽但远未成熟[47] - AI行业从依赖少数云厂商支持转向多方参与的“循环式资金支持”模式，形成以英伟达和OpenAI为核心的“软硬双核”驱动结构[48][51] - 截至2025年8月全球AI应用的年度经常性收入约300亿美元，但行业全链条成本需达到约6000亿美元年收入才能实现合理回报，存在数千亿美元亏损缺口[51] 应用层发展机遇 - 大模型公司通过打造“超级助手”和布局开发者工具、AI搜索等，希望成为下一代人机交互的入口掌控者[53][54] - AI应用创业者的机会存在于大模型边界之外的垂直领域，需要深度行业理解、复杂工作流整合或强用户关系沉淀的场景[55] - 成功创业路径包含三个关键策略：抢跑模型能力、搭建灵活脚手架、将护城河转向用户数据侧积累[56] AI应用进化与挑战 - AI应用从被动响应的对话工具向具备目标感与自主性的智能体进化，经历对话、Copilot、有限智能体和自主智能体四个阶段[61] - 软件开发方式发生根本转变，核心工作转向“上下文工程”，即动态编排提示词、记忆、状态与工具调用[62][65] - 高达95%的组织未能从生成式AI投入中获得可衡量的商业回报，出现“生成式AI鸿沟”，主因是应用场景错配和难以捕捉隐性知识[65][66] - AI应用面临“成本悖论”，尽管单位Token推理成本下降，但由于链式推理导致Token调用量大幅攀升，公司整体支出可能不降反升[67] 2026年AI行业展望 - 技术方向关注在线持续学习，期待模型能实现终身学习模式，在线持续地学习、感知反馈、自我调整[73] - 经济影响关注AI能否打破“生产率悖论”，当大模型承担智力工作、机器人接管体力任务，可能推动全要素生产率提升[74][75] - 投资逻辑从“技术叙事”回归“商业基本面”，投资者更关注项目是否具备真实竞争壁垒、清晰可持续的经济模型和规模效应[76]

产业总体目标 - 到2027年，上海市智能终端产业总体规模突破3000亿元 [1] - 打造3家以上具有全球影响力的消费级终端品牌，培育2家领军企业 [1] - 实现人工智能计算机、人工智能手机、人工智能新终端规模各达到千万台以上 [1] 核心产品发展举措 - 培育人工智能计算机领军品牌，建设年产千万台产能生产基地，支持传统计算机产能向人工智能计算机全面转型 [2] - 推动人工智能计算机发展成为融合端侧大模型、分布式算力调度、多模态人机协作的下一代智能生产力中枢 [2] - 引育人工智能手机终端品牌，加快布局人工智能手机生产能力，填补上海市手机终端能力空白 [3] - 打造能听会道、有情商、有智商、有技能的人形机器人产品，支持产品研发和量产制造，推进端侧芯片、灵巧手、电池等核心零部件产业化突破 [3] - 围绕AR、MR、VR三类眼镜产品形态，加快打造一批智能眼镜头部品牌，形成覆盖消费级、企业级和专业级的完整产品矩阵 [3] - 建设卫星终端智能产线，打造卫星终端上海品牌，加快形成十万级卫星终端整机生产规模能力和出货规模 [4] - 支持企业研发适应人工智能技术趋势的工业控制、工业检测、供应链管理等工业终端产品 [5] 关键技术突破方向 - 加强端侧人工智能芯片布局，加快SoC、CPU等核心芯片布局，覆盖X86、ARM、RISC-V三大技术路线，依托服务器算力芯片能力布局端侧GPU芯片发展 [6] - 支持智能终端用大模型发展，打造有竞争力的端侧模型产品，加快轻量化多模态端侧模型技术研发 [6] - 支持6G、卫星通信多频段融合模组研发，实现智能终端通信低延迟、高可靠、泛连接 [6] - 聚焦轻量化、低功耗、高分辨率、大视场角等指标，推动Micro LED、硅基OLED、光波导镜片等关键部件迭代创新 [7] 产业生态与支持政策 - 通过高质量专项资金对核心芯片、端侧模型、模组、板卡等关键环节攻关给予支持 [8] - 用好算力券、模型券、语料券等人工智能产业支持资金，支持终端企业加快人工智能应用 [8] - 通过产业转型基金、先导基金等相关产业投资基金，加大对终端企业融资支持，引导社会资本参与投融资 [8] - 支持智能终端整机链主企业开放终端应用场景，引导创新产品在工业、教育、医疗、金融、文旅等领域加大应用 [9] - 加快浦东新区、松江区、青浦区、临港新片区等智能终端重点区域发展，打造产业集聚区 [9]

行动方案核心目标 - 到2027年上海市智能终端产业总体规模突破3000亿元 [20] - 打造3家以上具有全球影响力的消费级终端品牌并培育2家领军企业 [20] - 实现人工智能计算机、人工智能手机、人工智能新终端规模各达到千万台以上 [20] 终端核心产品打造 - 推动人工智能计算机发展 建设年产千万台产能生产基地 支持传统计算机向人工智能计算机全面转型 [3][21] - 布局人工智能手机产品 引育人工智能手机终端品牌 加快布局人工智能手机生产能力 [3][21] - 提升智能算力终端规模 加快边缘智算一体机终端布局 打造即插即用人工智能边端解决方案 [5][21] - 打造智算服务器终端产业集群 集聚国内智算服务器整机优质企业 实现百亿级规模 [6][21] - 强化机器人终端能力 打造人形机器人产品 支持产品研发和量产制造 [7][22] - 支持智能眼镜能力跃升 围绕AR、MR、VR三类产品形态打造头部品牌 [8][22] - 培育卫星互联网终端产品 构建覆盖海洋、航空、应急等领域的终端体系 加快形成十万级卫星终端整机生产规模 [9][22] - 激发银发经济终端活力 支持人工智能助听器、自动驾驶轮椅、智能导盲设备等创新产品发展 [10][23] - 推出工业终端产品 支持工业控制、工业检测、供应链管理等相关终端产品研发 [11][23] - 加速未来终端研发 推动下一代移动通信、量子计算、光子计算等前沿技术产业布局 [13][23] - 创新新型消费终端产品 研发智能车载终端、智能穿戴终端、智能家居终端等产品 [15][24] 终端关键技术筑基 - 加强端侧人工智能芯片布局 加快SoC、CPU等核心芯片布局 覆盖X86、ARM、RISC-V三大技术路线 [17][25] - 提升端侧模型性能 支持智能终端用大模型发展 打造有竞争力的端侧模型产品 [18][25] - 促进下一代显示技术发展 推动Micro LED、硅基OLED、光波导镜片等关键部件迭代创新 [19][27] - 强化智能模组能力 推动集成端侧模型推理能力的边缘计算模组开发 支持6G、卫星通信多频段融合模组研发 [26] 产业生态环境优化 - 提升上海智能终端品牌竞争力 征集品牌清单 加强专项政策支持 用好"以旧换新"政策 [28] - 打造智能终端规模化生产基地 提升政策对企业的补贴力度 支持中试平台、软硬件适配中心建设 [28] - 加快形成产业集聚效应 深化市区协同 加快浦东新区、松江区、青浦区、临港新片区等重点区域发展 [29] - 提升金融对产业支撑力度 通过产业转型基金、先导基金等加大融资支持 引导社会资本参与投融资 [29] - 鼓励智能终端产品应用推广 支持整机链主企业开放应用场景 引导创新产品在工业、教育、医疗等领域加大应用 [29]

模型技术突破 - 公司构建了全球首个专为端侧Agent（智能体）构建的30亿参数模型，具备多模态、推理、长文本、面向UI Agent等五大能力优势 [1] - 该30亿端侧多模态推理大模型在10B以内大模型中能力断层领先，在权威榜单OpenCompass、SuperCLUE手机端侧大模型测试中表现出众 [2] - 该模型在行业内率先实现用2G运行内存支持128K长上下文能力，并能理解手机界面、执行跨应用操作，成为全球首个为端侧Agent构建的3B模型 [4] 用户体验提升 - 端侧模型小型化使AI具备“即时响应”和“离线工作”能力，可在无网络环境下处理长达128K的本地文件，实现无时无刻的可靠陪伴 [5] - AI从“对话者”进化成“执行者”，具备“看懂世界”和“动手操作”的能力，能理解图片并自动完成跨应用操作 [6] - 行业首个“端侧模型训练引擎”赋予手机本地学习进化能力，用户习惯和偏好可塑造专属于个人的“数字生命体” [6] 生态开放战略 - 公司搭建“蓝心个人智能框架”，从感知、记忆、规划、执行四个维度建设，旨在用户与智能体服务间搭建桥梁 [8] - 面向开发者的“蓝心智能开放平台”将个人化能力开放，意图框架2.0全面兼容MCP协议，推出适配智能体协议A2A，积极推进端侧模型能力开放 [10] - 已有超过50家生态伙伴接入开放平台，引入200多项服务，通过建立行业标准、开放技术能力推动产业从“技术竞赛”走向“生态共赢” [10][12]