AI产业趋势：从概念到场景化落地 - 2026年CES显示，AI产业讨论焦点已从单一技术概念转向场景化落地的深度探索，AI技术正在终端形态、商业生态和企业运营三个维度引发重构 [2] - AI产业的发展遵循算力与模型双螺旋上升的演进逻辑，AI算力已进入比摩尔定律更快的迭代周期 [3] - 全球AI算力市场规模预计在2026年达到1152亿美元，同比增长42.8% [3] AI算力与模型演进 - 模型小型化技术发展迅速，许多原来需要70B+参数实现的模型，现在30B即可实现；原来30B+的模型，如今14B甚至7B和3B模型也能媲美过去几十B模型的能力 [3] - 模型小型化趋势为AI向终端下沉提供了关键支撑，因为落地到个人和企业的模型必须具备快速、可靠、稳定、无时延的特性，并在可接受成本下持续提供服务 [3] - 2026年AI算法将进入原生多模态创新成熟期，同时与物理AI相关的世界模型也在快速探索中 [13] AI与终端融合的必然性与形态 - AI与终端融合是解决公共AI两大核心痛点的必然选择：一是公共AI产品个人化或企业专属化属性不足；二是公共AI缺乏持续感知环境变化的能力 [4] - 未来终端生态将呈现三大类形态：存量终端（如电脑、手机、平板）升级为AI终端；以AI眼镜为代表的感知为主、轻交互的新型终端；专注于私密化计算的边缘计算终端 [4][5][19] - 边缘计算终端可快速运行数百亿参数的模型，为个人和中小企业提供安全可控的AI算力支持 [5][19] 个人AI的范式重构与核心特征 - 个人AI的崛起标志着AI服务从“平台中心”向“用户中心”的范式转移，其本质是以用户的立场和利益为核心 [6][21] - 个人AI具备四大核心特征：全场景感知能力、可信计算、专属服务连接、持续演进能力 [8] - 个人AI如同“专属私家车”，通过终端载体实现数据隐私可控和服务精准匹配，解决了公共AI的信任与体验痛点 [8] 个人AI落地的技术挑战与联想布局 - 个人AI落地面临四大技术挑战：异构算力平台构建、多模型与智能体调度、长期记忆管理、核心体验创新 [9][24][25][26] - 联想提出的“队友”式个人AI，通过情景感知、主动服务、直接执行三大能力重构交互逻辑 [9][37] - 为实现多设备互联的“队友”式体验，联想通过三大手段突破跨系统壁垒：构建操作系统之上的智能体体系、打造个人可信云空间、实现终端近场互联 [9][28][29][30] 企业级AI落地的挑战与准备 - 企业级AI落地需完成三大协同准备：升级数字化底座为完整AI基础设施、重构业务流程、培养AI人才 [10] - 2026年调研显示，企业在AI落地中面临的最大痛点是人才短缺，人才培养是重中之重且无捷径可走 [10] - 企业需规避三大陷阱：误入辅助价值链、预算先行而非POC验证、基础设施投资不足 [10] 联想的企业级AI实践与战略 - 联想自身的智能化转型遵循“主价值链优先”原则，率先在供应链领域应用AI实现成本降低与周转效率提升，再向营销、售后等环节推广 [10] - 优先切入员工辅助场景的企业，其AI价值转化有限 [10] - 企业AI基础设施升级是一项周期为3-5年的战略性投资，必须由最高管理层自上而下推动，不能按单个项目零星投入 [50] AI时代的生态竞争与企业定位 - AI时代的核心竞争力在于“整合与落地”，行业竞争焦点已从技术参数转向场景价值 [11] - 未来AI生态中主要存在三类企业：整合者、服务提供者、能力保障层 [31][32] - 联想在生态中定位为整合者，负责将硬件、大模型、智能体、服务连接等整合为成本可控的终端设备交付给用户 [32] 联想与生态伙伴的合作模式演变 - 联想与生态合作“不变”的是始终从用户角度出发定义产品并坚持开放合作 [39] - “变化”的是合作形态从成熟商务模式转向共创迭代，需要与服务及能力提供者开展大量试错与共创 [40] - 在服务共创层面，联想与本土平台合作智能体服务连接；在算力共创层面，与芯片厂商深度合作优化终端AI的算力、成本与能耗 [40]

行业趋势与市场数据 - 2025年，了解过智能体的中国用户占比提升了24%，实际使用过智能体的用户占比逼近50% [3] - 自2023年至今，公共AI（如ChatGPT、DeepSeek、豆包、元宝等）呈现爆发式增长，快速推进了公共AI的普惠进程 [3] - 公共AI当前面临极致个人化不足、隐私数据保护存疑、跨平台调度能力受限等痛点，个人AI应运而生 [3] 公司战略与产品定位 - 联想集团在2025联想天禧AI生态伙伴大会上阐释了“天禧AI 一体多端”战略 [1] - 公司认为“个人AI是未来下一个阶段创新和普惠的关键方向” [1] - 公司提出个人AI具备四大特点：以人为中心、采用端云混合架构、具备跨平台生态连接能力、基于个人AI主权的可信安全 [3] 技术架构与产业生态 - 个人AI的崛起正在重塑产业架构，形成以个人为中心的“整合层、服务层、能力层”三层分布式架构 [4] - 整合层核心是将个人超级智能体、AI终端和可信的个人云进行深度整合并交付给用户 [4] - 服务层围绕学习、工作、出行、娱乐、生活等场景，由个人超级智能体调度后直接交付服务 [4] - 能力层包括模型厂商、算力厂商、操作系统厂商、安全保障服务提供商及广泛的设备技术和感知组件创新厂商，旨在提升个人超级智能体及个人云的运行效率 [4] - 个人AI要实现规模化、可信赖、可持续演进，需要全产业链协同共建 [4] - 公司号召产业伙伴以开放共赢的天禧生态为依托，携手共筑个人AI普惠的新征程 [4]

个人AI产业定义与核心特征 - 个人AI是以个人用户为中心，软件、硬件、服务深度整合并与生态深度融合，且数据与算法主权归属于用户本人的AI体系 [1] - 区别于公共AI，个人AI呈现四大特征：以个人为中心、个人超级智能体、AI终端+个人云混合、跨平台开放生态、基于个人AI主权的可信安全 [1] - 个人AI解决了公共AI的用户需求难题，成为能与用户共同成长、价值同频，甚至能在现实世界中代理协作的AI双胞胎 [1] 个人AI对产业结构的重塑 - 个人AI产业改变了传统产业结构，将个人超级智能体置于价值中枢，并推动技术形态和产业生态变革 [2] - 技术形态上，推动形成多端整合、端云协同、软硬深度融合的一体化技术体系 [2] - 生态层面，孕育出开放连接、以服务价值为核心的新型智能体生态，促使终端厂商成为产业生态的核心 [2] - 以平台为中心的单轴结构被打破，产业围绕用户重构为多层协同的同心圆体系，产业结构更扁平，协作关系更开放 [2] - 个人超级智能体将成为面向用户的第一入口 [2] 终端厂商的生态定位与市场预测 - 以联想等终端厂商为代表的企业，具备“上承智能体服务、下接生态与组件”的有利生态占位，在产业链变革中的引领地位更加凸显 [2] - 终端厂商将围绕个人超级智能体的全场景需求，精准发挥枢纽作用 [2] - IDC预测，2026年将是个人AI产业元年及个人超级智能体规模化落地的一年 [2] - IDC预测，2026年中国传统AI终端出货量将超过3亿台 [2] - 一个开放、可信、可持续的个人AI生态蓝图正在展开 [2]

未来五年核心投资主题 - 未来5年值得关注的五大投资主题包括科技、金属与采矿业、激情投资、东盟与中国市场、生物科技[9] - 科技类股票当前估值普遍较高[9] - 金属与采矿业可能出现短缺，相关企业有望迎来爆发式增长[9] - 激情投资标的为供给无法扩张的资产，在创新密集时期价格往往大幅上涨[9] - 亚洲股票或将成为优质投资标的[9] - 生物科技领域极具潜力且目前估值不高[9] AI技术发展趋势 - 创新数量呈现指数级增长，核心驱动力是AI，已预测到约4000项新技术[11] - 2019年至2023年AI有效算力增长10万倍，预计2023年至2028年维持此增速[13] - GPT-5预计将达到博士水平，到2028年AI将成为真正的“创新者”[13][15] - Hugging Face平台已上线超过200万个AI工具，大部分免费[17] - 未来社会大部分利润将来自生成式AI而非大语言模型[19] - 生成式AI的落地应用能构建品牌忠诚度、网络效应、核心专利等商业壁垒[20] AI应用场景与影响 - 推理型AI更像学者思维模式，未来将有数百甚至数千种专用模型供选择[23] - 到2027-2028年物理AI将形成大众市场，中国在机械制造领域有显著优势[24] - 预测到2050年99.9%的学术及脑力工作、80%的体力工作将由智能机器完成[24] - 个人AI将深度了解用户需求，扮演教练、激励者、教育者等多重角色[24] - 创新型AI到2028年可根据抽象目标自主推进工作，创建完全自主运营的企业[25] - 量子AI预测在2033年左右实现商业化，处理速度比顶级计算机快数百万倍[25] 金属与采矿业前景 - 部分金属价格需上涨460%才能回升至2010-2011年峰值[31] - 铀矿前景明朗，回升至历史峰值涨幅可达225%，目前已供不应求[31] - 银、铂等金属面临类似供需格局，铜的短缺尤为突出[31] 亚洲市场投资机会 - 中国在全球62项未来关键技术中，有57项技术位居第一[36] - 2025年全球创新指数中国升至第10位，GDP有望实现4倍增长[36] - 东盟市场远期市盈率平均11倍，盈利增速约10%，越南升级新兴市场可能推动股市上涨30%[36] - 中国股市处于历史区间低位，居民存款规模是股市市值的2倍，大量资金可投入股市[36][37] - 中国股市股息率已超过10年期国债收益率，形成坚实“安全垫”[38] 生物科技领域潜力 - 生物科技ETF市盈率约为10-11倍，估值温和[40] - AI显著降低研发成本加快速度，AI发现分子数量呈指数级增长[40] - 该领域将涌现全基因组测序、脑机接口、癌症疫苗等新产品和服务[42] 能源发展趋势 - 美国企业为AI数据中心配备独立本地电源，短期使用燃气轮机，计划转向核能[57] - 小型模块化反应堆可批量生产，中国已建成钍基反应堆试验项目，钍能满足全球10万年能源需求[57] - 核聚变是终极梦想，全球约40个反应堆试验，预测15年后商业化，美国Helion公司目标2028年为微软供电[58][59]