文章核心观点 - 生成式AI已成为用户获取信息的重要入口，企业需采用生成式引擎优化策略来确保品牌在AI搜索结果中的可见性，否则将错失流量红利 [1][3] - 传统针对人类读者的内容营销策略与AI的内容抓取偏好存在显著差异，导致投入大量资源的内容在AI检索中排名靠后 [5][7] - 当前是布局GEO的关键窗口期，越早行动越能抢占竞争优势，未可知人工智能研究院提供从诊断到优化的全套GEO服务以帮助企业抓住此机遇 [16][18][22] 生成式引擎优化认知误区 - 人类平台上的高阅读量、高点赞内容不等于AI偏好，AI抓取排序依赖一套完全不同的算法语言 [5][7] - 生成式AI在回答用户问题时，优先抓取信息颗粒度高、逻辑链完整、符合检索意图的内容，而非情感充沛但信息零散的人类爆款 [7][9] - 2025年全球已有超60%的用户习惯用生成式AI获取品牌信息，未做GEO优化的内容将主动放弃这部分增量流量 [9] GEO的核心操作逻辑 - 第一步是破解AI的内容偏好密码，AI作为信息解析者更偏爱结构化信息、精准关键词矩阵和权威信源背书的内容 [11][12] - 某智能家居品牌通过将故事化产品介绍重构为核心功能+技术参数+用户场景+权威认证的结构化文本，其在AI检索中的排名从第53位跃升至第3位，咨询量周环比增长210% [12] - 第二步是抢占AI的高优先级信息源，权威行业平台、品牌官方网站等高权重信息源远比普通自媒体账号更容易被AI抓取 [14] - 一个新消费品牌将优化后内容发布到3个权威行业网站，仅7天就实现AI搜索品牌核心关键词首页置顶，而此前在自媒体发布50多篇文章均无效 [14] AI流量红利的紧迫性与价值 - 竞争尚未饱和，目前只有不到15%的企业意识到GEO重要性，早期布局者容易抢占AI引擎首页生态位 [16] - 生成式AI检索算法仍在快速迭代，当前优化内容更易被算法记住，后期挤掉前排位置的成本将增加3-5倍 [16] - 72%的用户在搜索品牌或产品时会优先选择AI给出的总结答案，若品牌不在AI答案库中，则会在用户决策链路中隐身 [17] - 未可知人工智能研究院的GEO服务已帮助128家客户实现AI检索排名Top10，平均曝光量提升5-10倍，咨询量增长150%-300% [21]

公司业务进展 - 公司在部分省的电信营业厅试点应用导览机器人 [1] - 智慧茶饮机器人、递送机器人等已陆续商谈商机合作 [1]

投资交易概况 - 公司全资附属公司认购目标公司1500万股股份 占目标公司经扩大已发行股本约51.73% 代价为港币1500万元[1] - 目标公司Trio AI Limited从事人工智能基础设施服务 专门提供香港地区的高性能GPU加速云端运算解决方案[1] 战略投资逻辑 - 认购事项为策略性投资 代表公司顺应各行业对高性能运算及AI驱动解决方案日益增长需求的举措[1] - 通过获取目标公司的GPU动力云端服务 公司可提升营运效率及技术能力[1] - AI及HPC技术可用于优化公司地基及土木工程项目的项目规划 结构模拟及风险评估[1] - 预期通过AI驱动分析处理大量地质技术及结构数据 可实现更明智决策 降低成本及提升隧道与地基项目安全性[1] 市场发展机遇 - 随着香港及中国加速推进智慧城市计划 将AI动力运算融入业务模式可使公司提供更多增值服务[2] - 依托目标公司专门技术 公司可探索新收入来源 例如为土木工程项目提供AI增强解决方案[2] - 目标公司的AI相关及云端运算解决方案业务可能于未来为公司产生收入并提供额外收入来源[3] 协同效应与整合计划 - 公司与目标公司股东的合作将加强技术协作 加速AI及物联网在物业活化项目中的应用[2] - 公司将实施全面人才策略 整合目标公司专家与自身建筑专家 组建跨职能团队[2] - 公司将培训现有员工对AI的应用 确保在地基工程 隧道工程及活化项目中无缝采用技术[2] - 通过促进建筑专业人士与AI专家跨界别合作 公司旨在打造面向未来的人力团队[2] 行业竞争定位 - 随着建筑业日益拥抱数位化 对目标公司的投资将使公司在不断演变的市场中维持竞争力[2] - 策略性举措不仅多元化公司技术能力 亦通过AI驱动的效率增强核心建筑业务[2]

投资交易 - 公司全资附属公司认购Trio AI Limited 1500万股股份 占目标公司经扩大已发行股本约51.73% 代价为港币1500万元 [1] 目标公司业务 - 目标公司从事提供人工智能基础设施服务 专门提供香港地区的高性能GPU加速云端运算解决方案 [1] - 目标公司提供针对AI模型开发、训练及部署的尖端基础设施及服务 [1] 战略意义 - 认购事项为对目标公司的策略性投资 代表集团顺应各行业对高性能运算及AI驱动解决方案日益增长需求的举措 [1] - 透过获取目标公司的GPU动力云端服务 集团可提升营运效率及技术能力 [1] - AI及HPC可用于优化集团地基及土木工程项目的项目规划、结构模拟及风险评估 [1] - 预期透过AI驱动的分析处理大量地质技术及结构数据 可实现更明智决策、降低成本及提升隧道及地基项目安全性 [1] 市场机遇 - 随着香港及中国加速推进智慧城市计划 将AI动力运算融入业务模式可使集团提供更多增值服务 [2] - 依托目标公司专门技术 集团可探索新收入来源 例如为土木工程项目提供AI增强解决方案 [2] 协同效应 - 集团与目标公司股东的合作将加强技术协作 [2] - 协同效应将加速AI及物联网在物业活化项目中的应用 实现智能楼宇管理及可持续翻新解决方案 [2] 人才战略 - 集团将实施全面人才策略 将目标公司专家与集团自身建筑专家整合 [2] - 透过整合技术专家 将组建由AI增强工程专家、数位建筑专家及智慧活化专业人员组成的跨职能团队 [2] - 专注于培训现有员工对AI的应用 确保在地基工程、隧道工程及活化项目中无缝採用技术 [2] 竞争优势 - 投资使集团在日益数位化的建筑行业中维持竞争力 [2] - 策略性举措多元化集团技术能力 透过AI驱动的效率增强核心建筑业务 [2] 财务预期 - 目标公司的AI相关及云端运算解决方案业务可能于未来为集团产生收入并提供额外收入来源 [3]

核心观点 - 客户服务从成本中心转变为高效能再营销和再销售场景 通过AI数字员工团队实现业务增长和成本优化 [1][7] - AI在企业应用中存在理想与现实差距 需要技术架构创新和业务流程重塑 解决落地难、见效慢、协同繁的困境 [1][3] - 数字码力推出专家级AI数字员工团队 覆盖五大核心业务领域 直接交付业务效果而非技术指标 [1][2] 市场规模与现状 - 人工客户服务市场规模超过1000亿元 对话机器人市场规模为小几百亿元 [3] - 传统对话机器人与人工服务系统割裂 导致企业知识体系割裂 虽降低人工坐席数量但无法保证服务质量 [3] - AI应用准确性需达95%-99%企业才敢使用 多节点流程中整体准确性可能低于60% [3] 业务模式创新 - AI数字员工团队帮助中小企业提高约70%人效 降低35%运营成本 大幅提高业务转化率 [2] - 在电商客户实践中带来约10%GMV增长 [2] - 合同为三年承诺 基于企业整体客服成本每年降低一定比例 同时承诺整体服务满意度 [6] 技术实现路径 - 采用人机融合落地路径 AI执行高准确率动作 人工处理复杂决策与编排 提高流程可靠性 [9] - AI通过交互场景中产生的数据自主学习 提高智能上限 [9] - AI及时提示员工客户陪伴时机、触达时机和用户偏好 提高人工客服效率 [8] 行业变革方向 - 客服中心需先变为体验中心 挖掘客户诉求实现产品能力升级 再变为价值中心 刺激存量客户复购和加购 [7] - AI与人类员工协同对生产流程与生产关系产生革命性变革 旧生产关系可能成为阻碍 [4] - 在AI客服团队中区分人与AI分工 机器人辅助判断和识别意图 人工决策高额优惠等关键事项 [10]

商业模式创新 - 蚂蚁数科宣布推出按“效果付费”的新型商业模式，企业客户根据大模型应用的实际效果（如业务增长或成本节省）付费，而非传统的项目制或订阅制模式 [1] - 该模式支持客户为可见的效果买单，将AI服务的衡量标准从“为技术付费”转向“为效果付费” [1] - 公司已与部分战略级客户达成基于关键业务效果的合作模式，并将逐步向全行业推广 [1] 行业挑战与解决方案 - 企业规模化应用AI的主要挑战包括高昂的前期成本、回报率不确定性以及实施路径缺失 [3] - “按效付费”模式结合全栈企业级AI服务落地方案，可显著降低企业应用大模型的门槛和风险，企业无需投入高昂基础设施成本即可收获AI业务价值 [3] - 该模式将助力中小企业更轻松接入AI能力，加速大模型在金融、能源、零售等行业的规模化落地 [3] 实施方法论 - 蚂蚁数科基于行业实践形成大模型落地产业的“ACE”三步方法论：价值定位、解决方案构建、持续联合运营 [3] - 第一步是与客户进行价值定位，找到可衡量的、最有价值的业务目标 [3] - 第二步是根据业务目标构建从模型到应用的解决方案与实施路径 [3] - 第三步通过持续联合运营确保业务效果最终达成 [3]

核心观点 - 大阳智投APP的广东博众MCP服务上线阿里百炼平台 实现技术资源深度整合 标志着企业服务领域在智能化和生态化方向的重要突破 为企业数字化转型提供全新服务模式 [1][3] 技术能力升级 - MCP服务依托阿里百炼平台全链路模型服务工具 在数据处理、模型训练和部署运维环节获得更强技术支撑 [1] - 平台集成通义系列及第三方优质大模型 提供从基础推理到定制化训练的全流程服务 使MCP服务能直接调用更强大的底层算力和算法能力 [1] - 平台提供透明化训练监控工具 结合SFT+LoRA等微调技术 企业可根据业务需求快速定制专属模型 无需投入大量资源进行底层技术研发 [1] 服务生态扩展 - 平台支持多模态数据处理 涵盖文本、图像和音视频等多种形式 使MCP服务能够适配更复杂的业务需求 [3] - 通过百炼插件中心 MCP服务可便捷整合企业知识库检索和业务流程自动化等功能 实现与企业现有业务系统的无缝衔接 [3] 服务流程优化 - 企业可通过可视化界面完成服务配置 实现MCP服务的快速上线和灵活调整 无需复杂代码开发 [3] - 平台采用按量付费模式 配合弹性扩缩容能力 企业可根据业务波动灵活调整资源投入 有效降低总体拥有成本 [3] 合作意义 - 此次合作不仅是单一服务的技术升级 更是企业服务生态协同模式的创新实践 [3] - 通过技术整合与生态开放 双方共同构建更高效、更灵活、更低门槛的服务体系 让企业能够将更多精力聚焦于业务创新而非技术实现 [3]

诉讼核心内容 - 华纳兄弟探索频道对AI初创公司Midjourney提起诉讼 指控其未经授权生成和传播神奇女侠 超人等影视角色的图像及视频内容[1] - 诉讼提交了由Midjourney技术生成的具体图像证据 包括"超人看手机"和"蝙蝠侠与星球大战角色R2-D2同框摆拍"等画面[1] - 华纳兄弟要求Midjourney就每起侵权行为支付最高15万美元赔偿金[1] 涉诉公司业务模式 - Midjourney位于美国旧金山 提供订阅制AI图像生成服务 用户可通过AI技术创作图像与短视频[1] - 用户将AI生成的角色图像发布至Reddit Discord Instagram等社交平台[1] - Midjourney被指控利用这些内容进行商业推广[1] 行业同类事件 - 此次诉讼与迪士尼及康卡斯特旗下环球影业今年6月对Midjourney提起的诉讼性质相似[2] - Midjourney与ChatGPT Stability AI等竞争对手均通过抓取互联网海量图像数据训练AI模型[2] - AI公司声称根据美国版权法"合理使用"原则 数据抓取行为具有合法性[2] 争议焦点 - 华纳兄弟指控Midjourney明知存在大规模盗版及版权侵权 仍蓄意不对版权方提供保护[1] - 数据抓取行为已引发众多创意产业企业强烈不满并招致多起诉讼[2] - Midjourney尚未就此事作出回应[1]

核心财务表现 - 截至2025年6月30日止6个月总收入达人民币16.313亿元，较同期增长12.887亿元，同比增长376.1% [1] - 公司股权持有人应占盈利由亏损350万元转为盈利630万元，增幅达280.0% [1] - 公司拥有人应占每股盈利0.06元 [1] 战略与竞争优势 - 通过AI领域持续研发与深度应用强化核心竞争力并构筑业务服务壁垒 [1] - 优先抢占市场份额战略帮助公司在市场下行周期中实现逆势突破 [1] - 有效抵御行业内激增的竞争压力并拓宽生存空间 [1]

AI入口优化的战略价值 - 超过60%的企业在AI模型部署后3个月内遭遇性能衰减问题 [1] - 平均缩短50%的模型部署时间，某电商平台7天内完成客服AI系统上线，响应速度提升300% [1] - 季度维护机制可降低30%的算力浪费，某制造业客户年节省云计算费用超200万元 [1] - 通过每月数据反馈和季度模型迭代，某金融风控系统的准确率从82%提升至94% [1] 快速上榜的技术实现路径 - 场景诊断通过企业数据审计确定高价值应用场景，某物流企业分析10万条投诉数据锁定优先AI化环节 [2] - 模型选型匹配行业特质，医疗行业采用LLM加医学知识图谱组合，法律领域侧重合同解析专用模型 [2] - 利用Model-as-a-Service模式，某零售品牌5天完成200家门店的智能盘点系统部署 [2] - 通过A/B测试验证效果，某保险企业理赔AI上线首月处理3.2万案例，错误率下降67% [2] 季度维护的可持续运营体系 - 数据保鲜机制包括动态更新知识库，某家电企业每月新增2000条产品QA到客服知识库 [3] - 异常数据清洗通过置信度过滤，某银行反欺诈系统误报率降低41% [3] - 模型迭代升级包含季度性能评估报告，涵盖准确率、响应延迟等12项指标 [3] - 增量训练使某航司票务AI通过持续学习用户新话术，满意度提升22% [3] - 资源弹性调配根据业务峰谷动态调整GPU资源，某直播平台618期间算力成本节约35% [3] - 故障自愈系统使某政务AI服务自动扩容速度从小时级缩短至分钟级 [3] 行业实践启示录 - 金融业侧重安全与合规，某证券公司的投顾AI通过季度合规检查避免3次监管风险 [4] - 制造业注重OT与IT融合，某汽车工厂将设备传感器数据实时接入预测性维护模型，故障停机减少55% [4] - 零售业强化用户体验，某美妆品牌通过AI妆容模拟工具使线上试妆转化率提升18% [4] 未来演进方向 - 自动化运维趋势下，AI运维助手可自主完成80%的常规调参工作 [4] - 边缘智能发展使工厂端侧AI设备实现毫秒级响应 [4] - 生态协同趋势显现，某医疗AI已接入15家医院电子病历系统 [4]