大模型发展路径 - 通用大模型与场景大模型相辅相成，通用大模型是基础，其强大的数据、算力和算法能力不断推高技术天花板 [1] - 通用大模型能力增强后，其解决场景问题的能力也会越来越强 [1] - 场景模型更专注于行业和应用场景的理解，能够满足时间、资源和环境等约束条件，实现精准落地 [1] 算力基础 - 算力是基础，国产算力正蓬勃发展 [3] - 百度昆仑芯已组成自研3万卡集群 [3] - 国内其他芯片厂商也在快速成长 [3] AI人才发展 - 人才是大模型发展的关键支撑，AI发展迅速，年轻人能快速掌握核心技术并发挥巨大作用 [3] - 优秀人才选择工作单位时不仅关注薪酬待遇，更重视研发平台、算力支持和成长空间 [3] - 企业争取AI人才需要提供综合支撑，确保技术创新得以持续 [3]

据港交所10月17日披露，明略科技-W(前称:汇智控股有限公司-W)通过港交所主板上市聆讯，中金公司（601995）为其独家保荐人。根据弗若斯特沙利文的 资料，按2024年的总收入计，公司是中国最大的数据智能应用软件供应商。 | [編纂]數目 : [編纂]股A類股份[編纂] | | --- | | 「編纂]數目 : [編纂]股A類股份[編纂] | | : [編纂]股份[編纂] [編纂]數目 | | [編纂] : [編纂] | | 面值 : 每股股份0.001美元 | | [編纂] : [編纂] | 招股书显示，随着大数据和人工智能技术的迭代进步，特别是通用大模型的快速发展，各行业和企业日益重视业务数字化和智能化。数据智能与业务决策的 深度融合已成为未来趋势。根据弗若斯特沙利文报告，预期中国数据智能应用软件市场的增长前景广阔，预计将由2024年的人民币327亿元增至2029年的人 民币675亿元，复合年增长率为15.6%。 据悉，明略科技是中国领先的数据智能应用软件公司。依托公司的核心技术与行业洞察力，公司提供数据智能产品及解决方案，涵盖营销和营运智能，涉及 线上及线下场景。公司致力于利用大模型、行业特定知识及 ...

文章核心观点 - AI视频生成应用Sora2在有限邀请制下迅速登上美国App Store免费应用榜首位，显示市场对AI视频生成的高度热情，全球科技企业正共同寻找能引爆市场的“超级应用” [1] - AI领域正分化为通用大模型和垂直模型两大阵营，2025年被视为人工智能应用元年，AI超级应用可能不止一个，中国厂商凭借应用场景和工程优化能力有望占据全球第一梯队 [3][5][10] AI行业发展路线 - 通用大模型如ChatGPT、Sora2正加速从技术提供商向应用平台服务商转变，通过构建生态系统和收购硬件公司（如OpenAI花65亿美元收购io）来扩大影响力 [3] - 垂直模型利用行业数据和知识在特定领域提供精准解决方案，例如彭博社的BloombergGPT和Cohere的Command-R模型 [5] - 业界普遍认为2025年是人工智能应用元年，AI正快速渗透各行各业，有影视公司使用Sora2后单部短剧成本降幅达30%-40% [5] - 通用大模型和垂直模型可能平行共生，通用大模型成为基础架构和流量入口，垂直模型在特定领域深耕形成互补优势 [6] - AI编程模型Cursor年重复经常性收入(ARR)已超5亿美元，美图秀秀的AI工具驱动公司整体付费率从2023年上半年的2.9%增加至2025年上半年的5.5% [6] 中国AI应用前景 - 中国科技公司拥有从1到N的产品能力，2024年中国电商零售规模已是美国的3倍，电商渗透率50%约为美国的2倍 [8] - 中国公司拥有AI应用运营推广优势，抖音“给豆包一张平平无奇的照片”热度超过1400万，可灵“快来惹毛我”话题播放量达7.2亿次 [9] - 中国AI产品具有成本优势，Sora2生成5秒视频需要0.5-2.5美元，比可灵等国产模型高出80%左右 [9] - 科大讯飞2025年上半年海外AI硬件同比增长超3倍，AI办公本在日本和韩国众筹平台成为销售额TOP1产品 [9] - 包括通义千问、腾讯混元、字节豆包、文心一言在内的中国先进大模型已开始构建自主技术生态 [9]

行业总体目标 - 2025至2026年机械行业营业收入目标突破10万亿元，年均增速达到3.5%左右 [1] 稳增长核心策略 - 方案核心在于找到拉动内需和提升供给的平衡点 [5] - 全方位扩大有效需求，聚焦挖掘存量市场潜力、培育新需求、扩大有效投资、推动产业数字化智能化转型、深化开放合作五项内容 [3] - 加大制造业重大技术改造和大规模设备更新工程的实施力度，为存量市场注入活力并推动高端智能制造和绿色节能技术落地 [5] 智能化转型重点 - 智能化转型成为行业发展重要抓手，通过深化技术融合和完善标准体系为高质量发展注入新动能 [8] - 实施智能装备创新发展工程，聚焦三大方向：攻坚工业母机和智能检测装备、发展智能农机与医疗机器人、攻关高端智能机器人 [8] - 加强通用大模型和机械行业大模型研发，推动人工智能、北斗导航等技术与装备深度融合 [8] - 大模型、北斗等技术融合赋能相当于给机械装上智慧大脑 [10] 政策与标准支持 - 积极出台有利于行业稳定运行的政策举措，助力装备企业开展技术创新和技术改造 [7] - 利用信息化平台强化运行监测，建立行业经济运行风险预警机制 [7] - 完善工业母机、农机装备、基础零部件等技术标准制修订，建设一批智能母工厂并推广成熟经验 [12] - 守住制造安全底线，确保核心技术及产品不被卡脖子 [10]

政策方案概述 - 工业和信息化部等六部门联合印发《机械行业稳增长工作方案（2025—2026年）》[1] - 方案旨在推动机械行业高质量发展，支撑工业经济稳定运行[1] - 机械行业是为国民经济、国防军工和民生事业提供技术装备的基础性、战略性和引领性行业，是工业经济"压舱石"[1] 行业增长目标 - 2025至2026年，力争营业收入年均增速达到3.5%左右[1] - 营业收入目标突破10万亿元[1] - 培育一批具有竞争力的中小企业特色产业集群和具有国际竞争力的产业集群[1] 行业现状与挑战 - 当前机械行业面临外部冲击影响加大、国内需求不足、非理性竞争加剧等问题[1] - 行业稳定运行面临挑战[1] 重点任务方向 - 方案从3方面提出14项重点任务，要求供需两侧同时发力，多方协同激发行业增长活力[1] - 重点任务包括加大制造业重大技术改造和大规模设备更新工程实施力度[1] - 开展数字化转型改造行动[1] - 支持工业母机、机器人、智能检测装备等攻关、验证和集成创新[1] - 加强通用大模型和机械行业大模型研发[1] - 着力整治非理性竞争，引导行业协会商会加强行业自律，促进产业有序发展和良性竞争[1] 政策保障措施 - 方案明确积极出台有利于机械行业稳定运行的政策举措，定期评估政策落实情况和实施成效[1] - 落实好工业母机等企业税收优惠政策，加大对装备企业金融支持力度[1] - 建立机械行业经济运行风险预警机制，加强经济运行监测调度[1]

智能装备发展 - 实施智能装备创新发展工程 加强通用大模型和机械行业大模型研发[1] - 推动人工智能 量子科技 先进材料 北斗导航等新兴技术与装备融合创新[1] - 突破工业母机 智能仪器仪表 智能检测装备 矿山深部安全开采装备 新能源工程机械 工业机器人等智能制造装备[1] 智能民生装备 - 发展智能农机 智能医疗装备 服务和特种机器人 智能物流装备 食品机械 安全应急装备 冰雪装备 养老适老装备[1] - 面向人民美好生活需求提升智能民生装备供给能力[1] - 突破发展智能机器人等高端装备应对全球科技创新趋势和未来产业发展需求[1] 装备智能化升级 - 提升装备产品数据获取 互联互通 人机交互 辅助决策 自主执行等智慧服务功能[1] - 鼓励装备企业联合产业互联服务商共同打造装备互联生态[1] - 分类分级促进行业数据资源开发利用 培育发展新技术新应用新业态[1] 智能制造系统创新 - 完善智能制造系统解决方案揭榜攻关机制[1] - 推动工艺 装备 软件成组连线创新突破[1] - 提高数智化转型服务商专业化 一站式集成服务能力[1]

360大模型战略定位 - 公司未开发大参数通用大模型 因需至少100亿美元投入且国外巨头已累计投资4000亿美元 [1] - 公司否认采用套壳模式 强调智能体需多专业模型支撑包括推理模型、编程模型及意图猜测路由模型 [1] - 公司保持千亿参数规模基座模型训练能力 并通过智能体工程化反哺基座模型优化 [1] 行业投资与技术路径 - 通用大模型领域存在极高资金壁垒 单企业基础投入门槛达百亿美元级别 [1] - 智能体开发需独立构建完整智力底座 涉及蒸馏板以外的多类型专业化模型协同 [1] - 巨头企业已形成规模化投资优势 行业资源集中度显著 [1]

行业专家观点 - AI教父杰弗里·辛顿对AGI态度转向乐观，并高度看好AI在医疗尤其是医学影像领域的应用，认为AI能通过分析眼底扫描预测心脏病风险甚至判断性别，这是人类医生难以做到的 [1] 公司技术与产品布局 - 联影智能已推出12个产品平台、超100款AI应用，其中15款AI应用获中国NMPA三类证，15款通过美国FDA认证，31款获欧盟CE认证，成为全球医疗AI领域认证数量领先的企业 [1] - 公司采取“开源模型+自主研发”双路径策略，在医疗影像领域基于千万级专业数据完全自主研发垂直领域大模型，在文本处理方面则基于开源模型进行上层优化和私域微调 [6] - 公司AI软件通过两种渠道部署：深度集成到影像设备中以优化影像质量与扫描效率，以及通过独立AI平台向医生端、医院管理端提供，产品已进入全球超4000家医院 [11] - 公司推出融合文本大模型、语音大模型等能力的电子病历智能体，可将医生撰写病历时间从20分钟缩短至5分钟，已在复旦大学附属中山医院等机构落地 [4][17] 关键技术与研发突破 - 公司团队在2017年攻克三维医疗AI推理引擎技术，通过内存显存优化将算法运行时间从十几秒缩短到一秒以内，显存占用降低75%，使高端算法能在普通工作站上运行 [19] - 基于十二万例中国人群肺部影像数据，公司联合华西医院开发适合中国人群的肺结节诊断分级系统C-Lung-RADS，提升了肺癌早筛的精准性和临床适用性 [4] - 公司在多模态大模型研发上取得进展，其胸部“一扫多查”智能体在复杂病例诊断上展现出优势，能自动输出媲美初年资医生的报告 [19] - 公司开发出全国首个获批三类证的肺栓塞AI软件，能第一时间预警阳性数据，减少漏诊误诊，该产品已获得国际CE、FDA、NMPA三大认证 [19] 数据策略与隐私保护 - 公司数据获取通过利用开源数据库和与医院建立科研合作等多途径实现，所有数据均经过顶级医生专业标注和检验，并在合规范围内合理利用 [8] - 为解决医疗数据敏感性问题，公司采取“数据不出院，研发走进院内”的方式，与医院合作在院内直接训练模型，实现患者隐私数据保护与模型优化闭环 [9] 行业挑战与未来方向 - 行业面临两大技术挑战：尚未出现真正通用、跨模态的医疗影像大模型，以及多模态信息有效融合方法仍有很大提升空间 [12][13] - 未来理想的技术路径是结合通用大模型的广度与垂直小模型的深度，针对医疗场景进行微调优化，以压缩模型规模与硬件成本，推动AI在基层及边远地区的普惠应用 [15] - 在医疗领域，AI与医生是相互共生的关系，人机协同是目前公认的最优解，AI应成为辅助工具，完成初诊报告撰写、病灶识别等繁琐任务 [5][16] 中国市场优势与发展 - 中国拥有丰富的医疗场景、庞大的医疗数据基础以及算力、数据、算法的协同落地支撑，为AI训练提供了丰富的数据土壤 [2][18] - 中国人口基数大、疾病谱系广泛，使得基于国内数据训练的模型不仅在国内适用，在海外市场也表现出优异性能 [3][10]

行业专家观点 - AI教父Geoffrey Hinton对AGI态度转向乐观 认为AI与人类是共生关系 尤其看好AI在医学影像领域的应用潜力[1] - AI可通过分析眼底扫描图像预测心脏病风险及判断患者性别 能力超越人类医生[1] 中国医学影像AI市场发展 - 中国医学影像市场正经历AI驱动的变革 AI全面渗透疾病筛查 诊断 风险评估和临床决策流程[1] - 联影智能作为联影集团AI子公司 已推出12个产品平台和超100款AI应用[1] - 获得15款NMPA三类证 15款FDA认证和31款CE认证 成为全球医疗AI认证数量领先的企业[1] 技术领军人物背景 - 联影智能高级研发副总裁高耀宗博士放弃美国优厚待遇回国 曾任职苹果公司计算机视觉与生成式AI领域[2] - 因推动医疗设备国产化贡献获2020年上海市五一劳动奖章和2024年上海市青年五四奖章标兵[2] 中国医疗AI发展优势 - 中国庞大人口基数和广泛疾病谱系为AI训练提供丰富数据土壤 罕见病数据量也具优势[3][19] - 医疗AI发展三要素完备：算力 数据及算法协同落地支撑[2][19] - 联影集团"设备+技术"全产业链生态提供独特优势 实现算法与临床设备深度融合[3][19] 产品技术突破 - 基于12万例中国人群肺部影像数据开发C-Lung-RADS系统 提升肺癌早筛精准性和临床适用性[4] - 智慧健康管理移动车搭载C-Lung-RADS系统 在四川多地筛查3万多人 发现100多例早期肺癌患者[4] - 电子病历智能体将医生撰写病历时间从20分钟缩短至5分钟 已在复旦大学附属中山医院等机构落地[4][17] - 2017年攻克三维医疗AI推理引擎技术 算法运行时间从十几秒缩短至1秒内 显存占用降低75%[20] - 开发全国首个获三类证的肺栓塞AI软件 具备CE FDA NMPA三大认证 实现危急症分诊突破[20] 技术路径与策略 - 采取"开源模型+自主研发"双路径：医疗影像领域完全自研 文本处理基于开源模型优化[6] - 通用计算机视觉模型在医疗三维多模态数据识别存在局限 需专用垂直模型[6][15] - 未来技术方向是通用大模型广度与垂直小模型深度结合 兼顾疾病识别多样性和关键任务精准度[4][15] 临床应用现状 - AI辅助诊断已成为放射科医生普遍使用工具 作为"第二双眼睛"降低漏检率[3] - AI应用已进入全球超4000家医院 通过两种渠道部署：深度集成影像设备或独立AI平台[11] - 天眼CT结合uAI vision技术实现全自动扫描 在疫情期间有效避免医患近距离接触[7] 数据策略与隐私保护 - 采取"数据不出院 研发走进院内"模式 与医院合作部署算力设备在院内直接训练模型[8][9] - 数据获取通过开源数据库和医院科研合作 所有数据经顶级医生专业标注和检验[8] - 与上海中山医院合作训练多模态大模型 实现一扫多查自动识别73种疾病 减少人工标注依赖[9] 医院合作模式 - 首选与头部医院合作 因数据质量高和专家标准严格 通过多中心验证确保模型泛化能力[10] - 知识产权分配视情况而定 医院注重科研探索和论文发表 企业注重技术转化和产品推广[10] - 基于中国医疗数据训练的模型在海外市场也表现优异[10] 技术挑战 - 尚未出现真正通用跨模态的医疗影像大模型 无法通过自然语言指令处理CT MR超声等不同影像[12] - 多模态信息融合方法仍需提升 如何将影像 文本 检验 心电图等多源数据在原层面有效融合是核心难题[13] 监管环境 - 医疗AI产品在国内按第三类医疗器械管理 已批准100多款AI三类证产品 以单模型单场景应用为主[14] - 企业积极参与国家药监局审评指导原则和行业标准制定 推动行业规范发展[14] - 针对大模型的AI产品在国内外复杂临床场景均尚未落地[14] 未来展望 - AI与医生是相互共生关系 人机协同是目前最优解 AI主要承担初诊报告撰写 病灶识别等辅助任务[5][16] - 电子病历智能体应用前景包括病历质控 诊疗辅助和医院管理三大方向[17] - 跨学科融合是趋势 需克服专业术语和思维方式差异导致的理解偏差[21]

文章核心观点 - Vertical AI成为AI投资新焦点 其价值在于跨越从通用能力到行业落地之间的"Massive Delta"鸿沟 [1] - 决定下一代赢家的关键不完全在于全Agent替代模式 Copilots和AI-enabled Services模式同样可能实现突破 [1][10] - Vertical AI公司已显示出与传统SaaS公司相当的商业指标 年度合同价值达传统SaaS的80% 同比增长率高达400% [6] 资本热度升温 Vertical AI能否成为下一阶段的重点赛道 - 2024年全球AI风险投资总额激增至1100亿美元 实现62%年同比增长 而同期整个科技领域风险投资下降12% [5] - 截至2025年8月15日 全球AI相关公司累计获得1180亿美元融资 其中8家公司共融资730亿美元 占AI融资总额的62% [5] - 2025年Q2美国和加拿大Vertical AI风险融资总额为174亿美元 在784笔交易中占交易总量的57% 但仅获得36%的资金 [6] - 生成式AI每年可能为全球经济增加2.6万亿至4.4万亿美元 银行、高科技和生命科学等行业受益最大 [6] - AI-native公司年度合同价值达传统SaaS公司的80% 同比增长率400% 毛利率保持在65%水平 [6] Copilots vs AI-enabled Services vs Agents 谁能跨越Massive Delta - 从通用模型到最终客户需求之间存在巨大鸿沟 即"Massive Delta" 由技术和商业挑战构成 [7] - 专业领域工作流程复杂 包含非公开、非结构化的"过程知识"和"专门工作流" 需要与领域专家合作精确定义 [7][8] - 通用模型面临数据隐私合规性和遗留系统深度集成等隐形成本 医疗和法律领域要求私有化部署 [9] - Vertical AI发展出三种商业模式：Copilots、Agents和AI-enabled services 代表从辅助到替代的不同价值交付程度 [10] 从Citizen Health到Ramp 哪一Vertical AI公司能实现资本期待 - Y Combinator预测Vertical AI Agent市场规模将是传统垂直SaaS的十倍 不仅能替代软件 更能将软件与人工操作融合 [7] - 专注于医疗、金融、法律和客服等专业领域的AI初创公司获得从几百万到上亿美元融资 [4]