峰会概况 - 工业富联于2026年1月16日在深圳举办年度科技创新峰会，主题为“AI Makes AI”，聚焦人工智能与智能制造的深度融合，探讨产业技术演进、应用落地与生态协同等核心议题 [1][21] - 峰会汇聚了三十余位AI与智能制造领域的重量级发言嘉宾，吸引了来自产业界、学术界及投资界的近五百位嘉宾出席 [2][21] 产业趋势与竞争本质 - 随着AI模型规模持续扩大，AI训练功耗几乎每年都在翻倍，算力密度越来越高，导致单位空间内的能耗和散热挑战日益凸显，这背后牵动的是整个产业链的全面升级 [2][21] - 产业竞争的本质正在发生根本变化：从比拼单一技术，转向比拼谁能更好地进行系统整合，未来的竞争是整个产业体系的共同进化 [2][21] - AI基础设施正从过去以“单点算力”为主的模式，迈向以“系统工程”为核心的新阶段，算力、算法与应用之间形成相互驱动、持续演进的闭环体系 [3][22] - 未来竞争优势在于实现跨层级、跨场景的垂直整合，建立从底层基础设施到上层应用的完整架构 [3][22] 核心技术驱动力：集成电路与人工智能 - 集成电路是仪器、装备、设施的“根”技术，而AI是驱动科学发现与技术进步的“本”力量，两者是支撑现代科技发展与科技自立自强的根本 [4][23] - 摩尔定律面临极限挑战，转折点临近，集成电路正向集成系统方向发展，这为我国半导体技术与产业实现变道超车提供了历史机遇 [4][23] - 人工智能的未来是类人智能甚至人类智能，其发展需要物理学、生命科学、哲学等多学科的交叉融合 [4][23] AI基础设施（智算中心）建设 - AI基础设施建设是一场全产业链的深度协同作战，不仅仅是技术革命，更是全产业链共同向上生长、实现价值重构的契机 [5][24] - 业界围绕万卡级集群网络拓扑演进、液冷与风冷转型成本测算、技术标准化等议题展开深度探讨 [13][30] - 思科阐述了超大规模算力集群架构的技术创新，台达则分享了机柜级电源散热的全链条解决方案 [11][28] AI应用落地与生产力革新 - 智能体已成为解决企业AI应用落地“最后一公里”的关键，通过结合知识引擎、工作流与自主规划能力，能有效嵌入生产流程，实现稳定高效的辅助处理与决策 [6][25] - 企业智能体的未来发展将更依赖于场景驱动、数据协同与生态共建 [6][25] - AI价值正从数字世界向物理世界延伸，制造业将迎来以数字员工和工业大脑为标志的深度变革 [8][26] - 具身智能（物理智能）的真正实现，需要上千万、上亿台机器人在各行业广泛应用，以形成“应用-数据-训练”的正向闭环，谁能更早构建这一闭环，谁就能在发展中占据关键位置 [7][26] 智能制造与智慧工厂 - 在智慧工厂领域，分析指出AI产业链资本开支与核心部件的供需态势 [15][32] - 具身智能方面，分享了人形机器人从硬件模块化到软件自主化的演进路径 [15][32] - 介绍了L4-L5级能效智能体的技术突破，通过物理AI模型实现工业控制的自主优化与闭环运行 [15][32] - 业界探讨了从工业4.0到5.0的本质变革、人机协同的管理挑战与机遇，以及效率与永续发展的双赢路径 [17][34]

行业峰会与产品发布 - 中关村科金联合甲子光年主办“超级连接·智见未来”EVOLVE 2025大模型与智能体产业创新峰会，并首次公开企业级智能体落地路线图 [1] - 中关村科金发布“3+2+2”智能体产品矩阵，包括大模型平台、AI能力平台、AI数据平台三大基础平台，智能客户平台、智能工作应用平台两大通用场景应用平台，以及金融和工业两大行业智能体平台 [1] - 中关村科金联合华为云、阿里云、百度智能云、火山引擎、亚马逊云科技、超聚变、软通动力等企业共同发布“超级连接”全球生态伙伴计划，旨在打造开放、连接、可持续的“人工智能+”产业生态圈 [1] 2025年生成式AI技术趋势 - 2025年生成式AI呈现技术融合趋势，包括扩散模型与Transformer结合的扩散Transformer、降低应用门槛的小型语言模型、成为标配的多模态能力，以及思维链、专家混合、蒸馏等新技术 [3] - DeepSeek被视为工程成就典范，因其首次将上述多种技术整合到单一模型中 [3] - 行业研究正致力于开发理解三维真实世界的“世界模型”，以超越语言模型的一维预测和图像模型的二维预测，让机器人能自然地与世界互动，相关探索者包括李飞飞创立的World Labs和Meta的Yann LeCun [3] AI智能体的演进与特征 - AI智能体正从“副驾驶”模式（如传统ChatGPT，协助人类完成任务）进化为“自动驾驶”模式，能够自主完成包含多步骤的完整工作流而无需人类干预 [4] - 智能体可执行从市场调研、产品设计、采购、生产规格说明、营销材料生成、销售培训到客户支持的全流程自动化 [4] - 智能体的核心运作机制是“感知-决策-行动-学习”的循环，使其能够突破传统脚本限制并应对环境变化 [4] 多智能体系统与评估 - 随着应用演变为多智能体系统，新的技术栈正在形成，涵盖硬件层、云服务层、语言模型层、编排层（如LangChain）以及最终的智能体应用层 [5] - “上下文工程”概念变得关键，它要求智能体深刻理解组织的完整信息、结构和真实目标，而不仅仅是执行单一任务，从而实现动态组建和解散的群体智能 [5] - 评估智能体的关键指标包括：准确性、效率、稳定性、用户体验、适应性，以及通过强化学习实现的自我提升能力和长期保持上下文的自我监控能力 [5] 智能体的行业应用与价值 - 在客户支持领域，真正的智能客服需能理解问题与上下文、识别客户情绪，并了解组织架构以精准找到答案，而非像传统聊天机器人那样答非所问 [6] - 江森自控为10万名员工打造了集成所有手册和技术笔记的AI系统，相当于最优秀工程师的集合体，大幅提升了维护和故障排查效率，并用于培训新员工 [6] - Strategy公司使用AI设计的金融产品Stretch，创造了今年美国股票发行中最大的IPO [6] - 生成式AI的核心价值在于“生成”原本不存在的东西，例如在旅游业，AI可通过分析用户社交媒体照片了解偏好，提供比传统旅行社更精准的个性化行程 [6] - AlphaFold获得诺贝尔奖证明，AI能够完成人类科学家无法做到的事情，从而加速各类科学研究 [6] AI信任与社会协作愿景 - “Waymo效应”指随着谷歌自动驾驶汽车在旧金山日益普及，公众对AI的信任正在快速提升，这为AI智能体的广泛应用奠定了社会基础 [7] - 对AI未来的愿景并非一个全知“神”般的AI，而是由多个智能体组成的动态协作群体，它们像人类社会一样交换信息、相互协作以达成目标，人类也将作为协作链条的一部分参与其中 [7]

海外token需求与AI算力 - 海外token需求持续增长 AI算力与应用实现正向循环 建议关注国内NV链相关企业及PCB 光模块 CPO公司 [1] - 海外推理算力供需剪刀差将不断扩大 2026-2028年推理算力需求增速分别为8倍 3.5倍 2.5倍 英伟达Vera RubinNVL144性能是GB300NVL72的3.3倍 RubinUltraNVL576性能是GB300NVL72的14倍 [1] 国内外AI应用活跃度对比 - 海外AI应用整体月活量呈现逐月增长趋势 月增速约4% 国内合计月活量环比下降明显 豆包增长突出 [2] - 豆包大模型日均tokens使用量超过16.4万亿 火山引擎占据国内公有云大模型调用量46.4%市场份额 [2] AI Agent商业模式转变 - AI Agent商业模式从"提供工具"向"交付价值"转变 垂直行业knowhow型卡位公司投资机会提升 建议关注布局领先的垂直领域卡位SAAS企业 [1][3] - 企业级智能体处于规模化应用爆发点 优先落地领域为企业服务(OA/ERP/CRM等) 金融/财务/风控 营销/电商 制造/供应链 法律/政务 医疗/教育 [3] 算力与芯片性能发展 - AI芯片性能进化无法赶超推理算力需求急剧增长 海外推理算力供需剪刀差持续扩大 [1] - 北美四大云厂商2025年资本开支受海外AI算力与应用正向循环驱动 [2]