2026年AI行业发展趋势与竞争格局 - 2025年市场经历“祛魅”，认识到热潮不等于价值，试点不等于规模化应用，模型能力不等于组织能力，生成式AI并未在所有企业中转化为更高的员工创造力 [2] - 2026年AI领域的竞争将超越模型能力排名，进入认知方向、落地路径与组织能力的全方位比拼阶段 [2] - 全球范围内，OpenAI在企业市场暂时领跑，但Anthropic和Google等企业正在快速逼近 [2] AI“向人”进化：能力、价值与组织的迁移 - AI“向人”包含三层含义：机器“向人”（能力闭环化）、人“向人”（价值回归）、组织“向人”（向超级智体进化），本质是“向人立心” [4] - 2026年AI角色发生质变，从被动工具进化为具备自主意图、能规划执行复杂任务的代理或可协作伙伴，技术发展转向具备逻辑推理与“慢思考”能力的后训练阶段 [4] - 机器“上岗”带来更高风险门槛，错误从“输出错误信息”升级为“执行错误操作”，因此“治理”成为2026年关键词，涉及权限边界设定、人类复核机制及防止“工作垃圾” [4] - 企业需搭建能驾驭多种模型视角的组织智慧系统，将模型视为可替换的认知模块，用统一目标、规则与权限边界进行编排 [5] - 人类核心价值将回归AI难以替代的“脑资本”，包括愿景、判断、创造、同理、韧性及复杂系统协调能力，世界经济论坛强调需投资适应力、同理心、复杂问题解决能力与心理弹性等“脑技能” [5] - 人“向人”的核心是从执行者转变为指挥者、责任判断和价值管理者，价值从“流程中跑得快”迁移到“不确定里选得对” [6] - 组织“向人”的瓶颈在于组织自身，固守科层制、传统KPI与部门壁垒将导致效率幻觉、管理失控、AI工作垃圾泛滥及员工认知能力透支等问题 [6] - 企业用好AI的关键是以治理为基石、以端到端流程再造为核心，搭建适配人机协同的新组织形态，建立可持续学习的组织系统 [6] AI“向实”进化：规模化落地与价值创造 - “向实”的核心是“向实立命”，关注技术能否转化为生产力并在实体产业创造真金白银的价值 [7] - 2026年“向实”将成为验证技术变革历史地位的主战场，需抓住应用层规模化落地、模型层形态扩展及基建层全栈部署三层主线 [7] - “向实”首先意味着规模化，AI需从“试点热闹”走向“经营兑现”，进入高频工作流、产生可量化结果、形成可复制进化机制，评价标准变为能否打造长期运行、持续迭代的“智能工作流系统” [7] - 模型形态将扩展，不再局限于语言模型，可能包括更适合端侧设备的“液体基础模型”等高效架构，以及能理解物理规律、承载预测与控制的“世界模型”，使AI从“生成内容”走向“改变现实” [8] - 基础设施全栈部署和有效投入加速，以2026年资本开支预测为例：亚马逊约2000亿美元（同比增60%）、谷歌约1800亿美元（同比增97%）、Meta约1250亿美元（同比增73%）、微软约1175亿美元（同比增41%） [8] - AI竞争延伸至算力、数据中心、电力、网络与系统软件等基础设施层，2026年更多资金将流向机房、电力、运维治理等确保稳定性与安全性的“笨重”部分 [9][10] - 基础模型平台（如HuggingFace提供超百万个模型）拉平了技术使用门槛，使初创小企业能与世界500强企业共享同等顶尖的AI技术 [10] 超级智体：AI时代的企业进化方向 - 本轮AI变革彻底打破了生产力三要素（劳动力、生产工具和生产资料）的边界，AI具备了所有三要素的属性 [3] - “超级智体”是AI时代企业进化方向，指企业拥有像持续学习系统般运转的智慧大脑，并在反馈中持续迭代自身规则与能力，由机器、人与组织三部分构成 [3] - 生成式AI已迭代为以智能体为核心、重构企业流程与价值创造的核心力量，小团队搭配AI能压缩沟通成本、强化执行效率，形成对传统大型组织的竞争优势，推动企业向更扁平、更具学习力的超级智体演进 [6]

恒生指数系列季度检讨结果 - 恒生指数公司宣布截至2025年12月31日的季度检讨结果，小马智行获纳入恒生综合指数 [1] - 该指数变动将于2026年3月6日收市后实施，并于2026年3月9日起生效 [1] - 沪深交易所届时会相应调整港股通可投资标的范围 [1] 小马智行获纳入港股通潜力 - 据中金研报，小马智行有可能被调入港股通，因其满足了包括市值、流动性和上市时间等在内的一系列标准 [1] 小马智行战略合作 - 2月6日，小马智行与国产全功能GPU领军企业摩尔线程正式宣布达成战略合作 [1] - 双方合作将聚焦L4级自动驾驶技术落地与规模化应用 [1] - 合作将围绕小马智行的技术核心——世界模型及虚拟司机系统的训练与优化展开深度协同 [1] - 合作旨在以安全可靠的AI算力，赋能自动驾驶技术迭代和商业落地 [1]

文章核心观点 - 国家最高领导人考察国家信创园并强调科技自立自强的重要性 彰显了国家对未来产业和前沿创新的高度重视 为科技企业提供了明确的发展方向和信心 [1] - 北京在加快建设国际科技创新中心方面具备三大核心优势：政策与资本支持、原始创新与人才储备、丰富的应用场景 这为科技企业的研发和成果转化提供了坚实基础 [1][2] - 科技企业代表（VAST）表示将坚定投入长周期研发 致力于核心技术自主可控和创新成果赋能产业 推动AI技术与产业基础结合 助力国家科技强国建设 [1][2] 根据相关目录分别进行总结 政策与资本环境 - 北京提供了实实在在的政策红利 如税收减免等惠企政策 有效降低了企业的创新成本和经营负担 [1] - 北京拥有成熟的“耐心资本”市场 特别是政府引导基金的长期注资 支持企业敢于在长周期、高投入的关键领域（如3D大模型和世界模型）进行坚定投入 [1] 人才与创新能力 - 北京是国际知名的高水平人才高地 拥有顶尖的高校集群和科研院所 汇聚了全球最优秀的算法人才 [2] - 以VAST公司为例 其首席技术官和首席科学家均毕业于清华大学 体现了本地顶尖学府对产业的人才输送能力 [2] 技术研发与产业应用 - 北京市在智能制造、虚拟现实、互动文娱以及具身智能等领域 拥有充足的场景供给和完整的工程化验证链条 [2] - 丰富的应用场景使企业能够更快地将实验室算法转化为服务各个产业的规模化应用 [2] - 科技企业认为自立自强意味着核心技术必须自主可控 同时创新成果必须赋能产业 [2] - VAST公司立志通过自主研发和技术突破 让中国的AI技术与强大的产业基础相结合 助力“十五五”开好局 [2]

融资与估值 - AI视频生成初创公司Runway完成3.15亿美元E轮融资，公司估值飙升至53亿美元，较之前水平近乎翻倍 [2] - 本轮融资由General Atlantic领投，参投方包括英伟达、富达管理与研究公司、AllianceBernstein、Adobe Ventures、未来资产、Emphatic Capital、Felicis、Premji以及AMD Ventures [4] 战略与资金用途 - 新资金将使Runway能够预训练下一代世界模型，并将其引入新产品和行业 [2] - 公司计划运用新资金将其约140人的团队在研发、工程和市场拓展等岗位进行快速扩容 [4] - 公司近期与CoreWeave签署协议以扩大算力规模，此举可能增强了投资者对其在算力密集型领域运营能力的信心 [3] 技术发展与产品 - Runway以具备物理感知能力的AI视频生成模型闻名，于去年12月发布了其首款世界模型 [2] - 世界模型是一种能够构建环境内部表征的人工智能系统，从而能够对未来事件进行规划，许多顶尖学者认为这类模型对突破大语言模型的局限至关重要 [2] - 公司最新视频生成模型Gen 4.5支持用户通过文本提示生成高清视频，并引入了原生音频生成、长视频生成、多镜头生成、角色一致性保持以及高级编辑工具等功能 [3] - Gen 4.5模型在多项基准测试中表现优于谷歌和OpenAI的视频生成产品，为Runway在人工智能行业赢得了重要信誉 [3] 市场定位与行业竞争 - Runway历史上在传媒、娱乐和广告行业建立了坚实的客户基础，包括近期与Adobe建立合作关系 [2] - 公司在游戏和机器人领域的应用正日益增长 [2] - Runway的战略转型正值世界模型研发竞赛白热化之际，竞争对手包括李飞飞创立的World Labs与Google DeepMind，两家机构近期均已向公众开放其模型 [2] - 公司将世界模型技术视为攻克医药、气候、能源及机器人等领域重大挑战的核心 [2]

文章核心观点 - 智能驾驶行业正从概念验证阶段进入工程化落地阶段 技术路径的博弈结果取决于技术范式、工程约束与现实场景的融合[1] - 行业共识是强化学习正从“技术选项”变为“必选项” 被认为是决定智能驾驶能力上限的底层能力[7][9] - 智能驾驶的训练体系正从依赖模仿学习转向结合强化学习 模仿学习确保安全基础 强化学习实现策略进化与能力提升[21][25] - 强化学习的有效应用高度依赖精心设计的奖励函数和高质量的世界模型 这两者是提升系统“含模量”和智能水平的关键[30][41][49][60] 技术路径演进 - 行业早期依赖模仿学习 通过让AI学习人类驾驶数据来快速获得稳定、安全的驾驶能力 但上限受限于数据质量且难以应对未知场景[11][14][16] - 强化学习通过试错和最大化长期奖励进行学习 能让AI超越人类经验 应对复杂博弈和极端长尾场景 是能力进阶的路径[17][19][20] - 端到端模型为强化学习铺平了道路 它将感知、理解、控制打包 让AI能完整接管驾驶任务 两者常组合使用[19] - 当前主流训练范式是结合两者：先用模仿学习将模型拉到“能安全跑”的水平 再用强化学习进行精修和策略提升[24][25] 强化学习的核心机制：奖励函数 - 奖励函数是将“开得好”具象化为机器可理解分数的关键 它定义了AI的驾驶风格与水平[30][31] - 行业普遍围绕五个核心指标设计奖励函数：安全、合规、舒适、效率、稳定性 其中安全是红线指标且权重最高[32][33][36] - 奖励设计需在矛盾目标间找到精妙平衡 例如安全与效率 并通过提供多种驾驶模式来满足用户个性化需求[32][34] - 奖励函数设计是“代码的艺术” 需避免AI“刷分” 通过过程密集拆解和分层控制来引导正确行为 并可能引入人类反馈偏好[37][38][39][41] 强化学习的进阶：世界模型 - 强化学习在智能驾驶中的工程应用可分为三层：调参型、策略型、以及基于世界模型的强化学习[43] - 世界模型是一个高度拟真的虚拟现实系统 它为强化学习提供了可信的“试错”环境 能大幅提升其训练效果和上限[48][49][53] - 世界模型让AI具备长时推演能力 可以训练长期最优策略 而不仅仅是当前最优解[50] - 世界模型与强化学习结合能形成进化飞轮：真实道路数据、世界模型造场景、强化学习练策略、实车验证 形成高速迭代循环[51][52] 行业竞争格局与关键变量 - 头部企业如理想、小鹏、Momenta等都在将资源向强化学习路线倾斜[5] - 华为、文远知行、英伟达等头部玩家正将世界建模与强化学习深度耦合 以构建更强大的智能系统[54] - 竞争维度正在变化：在高质量世界模型与生成式仿真加持下 合成数据能力提升 原始数据的边际价值下降 对世界规律的建模能力变得更为稀缺[56][57][58] - 系统“含模量”成为关键指标 即系统能力有多少是模型自我演化而来 世界模型与强化学习的耦合旨在提升“含模量”[60][61][62]

行业现状与市场预期 - 2026年央视“春晚”舞台的焦点之一将仍然是人形机器人，银河通用机器人将成为“春晚”指定的具身大模型机器人[1][3] - 2025年国内人形机器人出货量预计达1.8万台，较2024年激增超650%；2026年国内出货量有望攀升至6.25万台[3] - 行业已过“机器人会跳舞就能卖得好”的野蛮生长阶段，重心已转向场景落地，脱离应用场景的公司将被淘汰[1][4] - 当前只有唱歌跳舞类娱乐机器人能实现稳定营收，整个行业仍处于“研发向工程转化”阶段[13] 核心发展驱动力：场景落地 - 行业共识是机器人必须从“刷屏表演者”向“实干劳动者”转型，走进工厂、工地、物流仓库等场景创造真实价值[2][3] - 投资人更看重企业是否有落地场景，没有成型产品的公司基本不会考虑投资，仅靠少数人拼凑、张口要融资的公司不被看好[1][4] - 技术的先进性本身不能直接导致商业成功，竞争核心在于“落地”，最终必须回归商业本质，形成销售[5] - 用户的具体诉求集中在：降低生产成本、将人类从重复枯燥或高危工作中解放、在文商旅等领域提供情绪价值[13] 技术路线竞争与挑战 - 行业分化出三条主流技术路径竞速：VLA（视觉语言动作）模型路线、世界模型路线、分层决策与软硬件协同路线[2][7][9] - **VLA模型路线**（如Figure AI、智元）：追求“通用智能”，依赖海量数据训练，具备强大语义理解能力，但计算开销大，对硬件续航、散热要求高[7] - **世界模型路线**（如特斯拉）：构建“数字世界”模拟器，重度依赖高质量仿真数据以降低对真机数据的依赖[9] - **分层决策路线**（如波士顿动力、智元）：将复杂任务拆解，模块化架构优势在于故障易隔离，确保控制回路的响应速度[9] - 各技术路线需协同发展，技术选型需综合考量部署环境、网络条件、算力支撑等现实因素[9] 关键技术瓶颈与攻关方向 - 机器人面临续航、稳定性、成本三大残酷考验，必须学会“干活”[2] - 提升机器人适应不同场景的“泛化能力”是核心难题[10] - VLA模型面临数据昂贵、算力消耗大、执行速度慢等挑战[10] - 触觉技术面临三大行业性难题：优质触觉传感器稀缺、缺乏高效利用触觉数据的算法、缺乏大规模触觉数据集[8] - 高频本地推理是保障机器人稳定性的核心，例如10赫兹的推理频率能在0.1秒内处理微小扰动[12] - 提升AI操作系统的“下限”（如连续工作10小时不犯错）远比展示“上限”更具技术难度和行业含金量[11] 商业化路径与场景分析 - 未来3至5年将是具体场景机器人落地的关键期[13] - 机器人的核心价值在于劳动力的补充，可以学习模仿老师傅的经验，在夜间或节假日工作[13] - **工厂场景**：相对简单，操作精密但高度重复，目前已有机器人展示进厂“打螺丝”能力[7][14] - **商超/零售仓场景**：复杂度高，需识别数十万种商品，但操作以“拿、放、摆”为主，若能解决物品泛化问题，可提升运营效率30%~90%[14] - **家庭场景**：是终极挑战，空间物品千差万别，任务复杂，目前从投入产出比看并不经济[14] - 商业场景正成为突破口，例如中国石油已启动基于加油站能源加注场景的人形机器人预研项目[3] 未来发展趋势 - 技术路线将根据场景适配：结构化工厂/物流场景适配“分层决策+软硬件协同”路线；复杂建筑工程场景适配世界模型结合轮足混合架构（能效比纯足式高3至5倍）；文旅与家庭服务场景适配VLA架构[16] - 2026年，智能机器人长时间作业的瓶颈将从“能不能走”转向“能干多久”和“够不够稳”[5] - 技术正以“月”为单位快速迭代，硬件差距将迅速收窄，真正的核心壁垒将是机器人在长时间作业中积累的非标环境作业数据及形成的数据闭环能力[18] - 硬件架构将逐渐统一化，软件可能形成“语义解析层-环境建图层-运动执行层”的三层解耦架构[18] - 软硬件深度协同将成为优先方向，单纯进行部件组装的企业或将被淘汰[18] - 国产化成为趋势，2026年国产行星滚柱丝杠、高功率密度伺服电机将逐步实现量产替代[19] - 商业模式逐渐清晰，面向B端客户，与本体厂商、场景方开展联合共创，核心价值在于无需改造现有基础设施，能与人在同一环境中共存作业[17]

大盘与板块表现 - 主要指数普遍上涨，其中创业板指领涨，单日涨幅达+2.98%，科创50指数上涨+2.51%，深证成指上涨+2.17%，上证指数上涨+1.41%，北证50上涨+1.36% [1] - TMT板块领涨市场，SW大众出版板块涨幅高达+7.93%，SW影视动漫制作板块上涨+7.48%，SW通信网络设备及器件板块上涨+6.68% [1] 国内产业动态 - **材料与制造整合**：赛伍技术完成对今蓝纳米的并购，旨在结合材料研发优势与品牌渠道，打通从研发到销售的全链条，加速高附加值汽车功能膜产品的推广 [1] - **光通信技术突破**：中国团队成功研制覆盖近红外至中红外的超宽带高速薄膜铌酸锂电光调制器，在O-U波段和2微米波段分别实现了单波速率超过200 Gbps和170 Gbps的信号传输 [1] - **显示技术研发**：芯瑞达联合高校科研力量，协同推进面向AR-AI显示的Micro LED微显示全彩化技术及核心光机方案攻关，相关样机验证工作正在进行中 [1] - **通信芯片发布**：新基讯发布新一代天地一体多模通信芯片IM3610，突破性实现4G、5G地面网络与低轨卫星通信全制式融合，原生支持5G非地面网络（NTN）再生架构，满足3GPP Release 19技术标准 [1] 海外产业与供应链 - **半导体设备进展**：韩美半导体计划在下半年推出面向HBM5、HBM6生产的“宽型TC键合机”，并计划在2029年16层及以上堆叠HBM量产节点同步推出新一代高端混合键合机 [2] - **CPU供应短缺**：英特尔和AMD已通知中国客户其CPU供应短缺，部分产品交货周期可能长达6个月 [2] - **内存价格暴涨**：截至2026年第一季度，内存价格较2025年第四季度已暴涨80%-90%，DRAM、NAND及HBM价格均创历史新高，2025年第四季度传统DRAM利润率已超过HBM [2] - **元器件需求强劲**：因AI服务器用电容（MLCC）需求强劲，村田上季整体接获订单额达5,007亿日元，同比增长11.5%，其中电容订单额暴增29.4%至2,681亿日元 [2] AI技术发展 - **AI视频产品研发**：小红书正在研发AI视频剪辑产品OpenStoryline，核心功能为对话式剪辑，利用自然语言指令让Agent自动完成剪辑，目前处于内测阶段 [2] - **AI模型开源**：商汤科技正式开源空间智能模型日日新SenseNova-SI-1.3，在空间测量、视角转换等核心任务中表现提升，在EASI综合评测平台上性能超越Gemini-3-Pro [2] - **AI代理应用**：根据Databricks报告，AI代理已接管了80%的企业数据库创建工作，其Lakebase产品正成为新一代代理应用开发的核心平台 [2] - **自动驾驶模拟**：Waymo推出基于DeepMind Genie 3构建的世界模型，可生成高度逼真且可交互的3D环境模拟罕见场景，其Waymo Driver已累计完成近2亿英里完全自动驾驶 [2] “十五五”前沿产业追踪 - **深空经济**：新西兰Dawn Aerospace研发的Aurora亚轨道航天飞机已升级为火箭动力并创下世界纪录，采用碳纤维主结构，可反复抵达近太空高度，在2023-2025年间完成了15次试飞 [3] - **具身智能**：金固股份具身智能事业部基于自主研发的阿凡达铌微合金等新材料开发的机器人结构件，成功获得头部机器人企业多个量产订单 [3] - **脑机接口**：智冉医疗团队成功研制出兼具高通量信号采集与生物力学顺应性的可拉伸柔性电极，打破了传统柔性电极在应对大脑动态运动时易移位、易脱出的瓶颈 [3] - **新材料**：欧文斯科宁推出SUSTAINA LOOP系列100%循环再生玻纤，以生产废料及退役玻纤制品为原料，性能与经典Advantex E-CR耐化学玻纤完全一致，可直接适配汽车、风电等多个现有应用场景 [3] 半导体现货市场价格 - **DRAM颗粒价格**：02月09日，部分DDR5与DDR4产品价格出现小幅波动，例如DDR5 16G (2G×8) 4800/5600盘平均价为37.833美元，日跌幅-0.44%；DDR4 16Gb (2G×8) eTT盘平均价为13.175美元，日涨幅+0.38% [5] - **半导体材料价格**：02月09日，百川盈孚发布的多种半导体材料价格保持稳定，包括锌系粉体材料（如4N氧化锌粉市场均价1.535元/千克）、高纯金属材料（如5N高纯钴市场均价1,500元/千克）及晶片衬底（如导电N型6寸P级单晶碳化硅衬底市场均价5,550元/片）等 [6]

公司与行业动态 - 小马智行-W与摩尔线程于2月6日正式宣布达成战略合作 [1] - 双方合作聚焦于L4级自动驾驶技术的落地与规模化应用 [1] 合作内容与技术协同 - 合作将围绕小马智行-W的技术核心——世界模型及虚拟司机系统的训练与优化展开深度协同 [1] - 双方将基于摩尔线程MTT S5000训推一体智算卡及夸娥智算集群，共同推进小马智行-W世界模型及车端模型的训练适配与验证 [1] - 合作旨在通过构建自动驾驶算力生态，实现“算法-数据-算力-应用”的全链路协同 [1] 合作意义与行业影响 - 此次合作是中国人工智能领域产业链协同创新的重要示范 [1] - 这是小马智行首次在关键训练与仿真环节规模化应用国产AI算力 [1] - 合作标志着摩尔线程国产全功能GPU正式进入自动驾驶核心领域 [1] - 合作目标为加速L4级自动驾驶技术的成熟与成本优化，为智慧出行与物流产业的高质量发展提供支撑 [1] 市场反应 - 新闻发布后，小马智行早盘股价高开，截至发稿时上涨7.33%，报111.30港元 [1] - 公司股票当日成交额为2070.68万港元 [1]

公司股价与市场反应 - 公司股价高开近6%，截至发稿时上涨5.88%，报109.8港元，成交额1564.88万港元 [1] 战略合作核心内容 - 公司与摩尔线程正式达成战略合作，聚焦L4级自动驾驶技术的落地与规模化应用 [1] - 合作将围绕公司的技术核心——世界模型及虚拟司机系统的训练与优化展开深度协同 [1] - 合作旨在以安全可靠的AI算力，赋能自动驾驶技术迭代和商业落地 [1] 合作意义与行业影响 - 此次合作是中国人工智能领域产业链协同创新的重要示范 [1] - 这是公司首次在关键训练与仿真环节规模化应用国产AI算力 [1] - 合作标志着摩尔线程国产全功能GPU正式进入自动驾驶核心领域 [1] 技术实现路径与目标 - 双方将基于摩尔线程MTT S5000训推一体智算卡及夸娥智算集群，共同推进公司世界模型及车端模型的训练适配与验证 [1] - 双方将合力构建自动驾驶算力生态，实现“算法-数据-算力-应用”的全链路协同 [1] - 合作目标为加速L4级自动驾驶技术的成熟与成本优化，为智慧出行与物流产业的高质量发展提供坚实支撑 [1]

公司股价与市场反应 - 公司股价高开近6%，截至发稿时上涨5.88%，报109.8港元，成交额为1564.88万港元 [1] 战略合作核心内容 - 公司与摩尔线程正式宣布达成战略合作，聚焦于L4级自动驾驶技术的落地与规模化应用 [1] - 合作将围绕公司的技术核心——世界模型及虚拟司机系统的训练与优化展开深度协同 [1] - 合作旨在以安全可靠的AI算力，赋能自动驾驶技术迭代和商业落地 [1] 合作的具体领域与方式 - 双方将基于摩尔线程的MTT S5000训推一体智算卡及夸娥智算集群，共同推进公司世界模型及车端模型的训练适配与验证 [1] - 计划通过合力构建自动驾驶算力生态，实现“算法-数据-算力-应用”的全链路协同 [1] 合作的意义与行业影响 - 此次合作是中国人工智能领域产业链协同创新的重要示范 [1] - 这是公司首次在关键训练与仿真环节规模化应用国产AI算力 [1] - 合作标志着摩尔线程国产全功能GPU正式进入自动驾驶核心领域 [1] - 合作旨在加速L4级自动驾驶技术的成熟与成本优化，为智慧出行与物流产业的高质量发展提供坚实支撑 [1]