公司财务数字化进程 - 南方航空已于2017年建立财务共享中心，采用单中心运行模式，组织机构设在广州 [1] - 公司目前已广泛应用机器人流程自动化技术 [1] - 公司在影像智能化、智能审核、AI智能体应用等方面均有不同程度的探索和实践 [1]

全球民间AI智能体应用委员会(GAAAC)的成立与使命 - 全球首个聚焦AI智能体规模化、规范化、普惠化落地的民间治理机制GAAAC于2026年初成立，由铭派国际集团创始人刘晓春发起并担任首任主任 [1] - 该组织旨在填补当前AI治理体系中“应用层规则”的空白，推动AI从“工具”进化为“伙伴”，赋能个体创业者、中小企业及国家机构实现生产力跃迁 [1] - 其愿景是在AI应用领域做到全球第一，服务中国，服务全球 [1] AI治理的多元共治新范式 - 当前全球AI治理主要由政府监管、科技巨头的企业自律以及学术与非营利组织的伦理倡议主导，但普遍存在“重技术、轻应用”、“重安全、轻赋能”的倾向 [2] - GAAAC以“民间”身份切入，旨在保持独立与中立的同时，快速响应市场真实需求，特别是为非技术背景的个体与中小企业提供系统性支持 [2] - 其成员来自30多个国家，涵盖创业者、自由职业者、小微企业主、教育工作者、社区组织代表、AI开发者、法律及伦理学者，形成“使用者—构建者—监督者”三位一体的治理闭环 [2] 核心制度：《AI智能体应用宪章》 - GAAAC成立后的首要任务是制定并发布全球首套《AI智能体应用宪章》，包含六大核心制度 [3] - 制度包括：可信身份认证制度（数字人格注册）、场景适配评估框架、一人公司赋能协议（含“失败兜底”保险机制）、跨文化伦理准则、开源协作激励机制以及危机熔断机制 [3][4] - 该宪章被定位为一份“社会契约”，旨在确立AI智能体作为全人类公共基础设施的规则，并由使用者共同制定 [3] 铭派国际集团的战略演进与AI赋能成果 - GAAAC的诞生基于铭派国际集团创始人刘晓春十余年的人才战略演进，其早期提出的“一人一猎”家庭化猎头模式已在全球200多个城市落地，形成超千人的分布式人才网络 [4] - 2025年，铭派旗下“人匠金库”平台引入AI智能体，帮助自由职业者自动生成简历、模拟面试、匹配项目，使用户接单效率提升300%，平均收入增长45% [4] - 2026年1月，铭派国际集团启动“百位主播联合直播计划”，由刘晓春AI智能体领衔普及智能体使用技能，一周内覆盖用户超200万 [5] - GAAAC是铭派战略的制度化延伸，旨在构建一个去中心化但有秩序、开放但有底线的全球AI应用生态 [5] 技术中立定位与全球协同 - GAAAC章程明确规定不接受任何单一国家政府资助，不参与地缘政治站队，所有规则制定需经全球成员投票通过，旨在提供中美科技脱钩背景下的“第三空间” [6] - 委员会与中国本土生态深度协同，已与杭州、深圳、成都等地的“AI+产业”示范区合作，将《宪章》本地化为中文版，并试点“AI智能体创业孵化营”，首批支持1000名乡村青年、残障人士、退休专家开启“一人公司” [6] 发展模式与未来展望 - GAAAC将采用“沙盒监管”模式，允许新智能体在限定场景试运行，表现良好者逐步放开权限，同时设立“全球公平基金”，用部分认证收入补贴低收入地区用户 [7] - 该组织的长期目标是重塑工作与生活的定义，当个人能借助AI智能体同时运营多项业务时，传统“就业”、“失业”、“职业”等概念将被重构 [7] - 2026年被展望为“一人公司”元年，GAAAC定位为“秩序的编织者”，旨在让每个普通人在智能革命中拥有自己的位置 [8]

核心财务表现 - 上半年实现营业收入29.97亿元 因信用减值损失2.72亿元导致归属于上市公司股东的净利润亏损0.85亿元 [1] - 经营性现金流达3.50亿元 同比增长9.2倍 [1] 业务结构优化 - 三级医院收入占比达51.18% 同比提升5.43个百分点 [2] - 新增参与紧密型县域医共体建设20家 辐射310家医疗机构 [2] - 累计与超210家医院、高校、科研院所达成产学研合作 [2] 人工智能技术应用 - 开发落地55个智能体应用 AI辅助诊断年调用量达220万次 [3] - 分子病理平台发单效率提升70%以上 [3] - 智能体应用"小域医"月活医生数超6万 报告解读数超360万 [3] - "五维一体"数智化解决方案累计落地超500家医疗机构 [3] 数据要素开发 - 积累超30亿例医检数据 21款数据产品在数据交易所上架 7项完成交易 [4] - 作为唯一医疗机构入选国家首批可信数据空间创新发展试点 [4] - 与IVD企业、疾控部门等开展20项数据合作 [4] - 呼吸道病原微生物靶向测序数据集入选国家知识产权局典型案例 [4]

多智能体系统性能提升 - 以Claude Opus 4为主智能体、Claude Sonnet 4为子智能体的多智能体系统比单独使用Claude Opus 4性能提升90.2% [1][9] - 多智能体系统使用的token是普通聊天的15倍 [1][10] - 通过两层并行化（主智能体同时启动3-5个子智能体，每个子智能体并行使用3个以上工具）使复杂查询研究时间缩短90% [26][27] 系统架构设计 - 采用编排器-工作器模式：主智能体分析需求并制定策略，创建多个子智能体并行探索不同维度信息 [12][15] - 每个子智能体拥有独立上下文窗口，可同时处理不同搜索任务，最后汇总给主智能体 [1][8] - 相比传统检索增强生成(RAG)方法，采用多步动态搜索能灵活调整策略并深入分析 [15] 提示工程原则 - 资源分配需明确规则：简单查询1个智能体执行3-10次工具调用，复杂研究需10个以上子智能体 [2][22] - 工具设计是关键：优先使用专门工具而非通用工具，每个工具需有独特明确用途 [22][23] - 采用先广后精搜索策略：从简短宽泛查询开始，逐步聚焦细节 [23][27] 评估方法创新 - 使用LLM作为评判者，从事实准确性、引用准确性、完整性等维度评分 [30][31] - 从小规模测试开始：20个代表真实使用场景的查询即可验证改动效果 [29] - 人工评估发现自动化遗漏问题，如信息源选择偏差 [32] 生产环境挑战 - 采用彩虹部署策略逐步迁移流量，避免中断运行中的智能体 [34][35] - 同步执行造成瓶颈：主智能体需等待每批子智能体完成才能继续 [35][36] - 错误处理需结合AI智能体适应能力与确定性保障（重试逻辑和定期检查点） [33][34] 应用场景分布 - 主要使用场景：开发跨专业领域软件系统(10%)、优化专业技术内容(8%)、制定业务增长策略(8%)、学术研究(7%)、验证组织信息(5%) [3][39]