文章核心观点 - 北京凭借其顶尖的人才密度、丰富的科研与产业资源、前瞻性的政策支持以及独特的创新生态，已从全球AI科研的“追赶者”转变为“核心策源地”和“引领者”，并正在打造“AI第一城”，为中国及全球人工智能发展贡献核心力量 [1][4][9][10] 北京AI产业的人才优势与创新氛围 - AI行业员工工作强度高，由AGI（通用人工智能）愿景驱动，乐于沉浸于技术探索 [1][3] - 北京以7340.3篇调整后论文数和402.59的AI指数位列全球AI科研城市第一，显著领先于中国香港和旧金山湾区 [4] - 北京依托清华、北大等顶尖高校，人才密度极高，便于学生就近在AI公司实践，形成了天然的高端、跨学科技术人才池 [2][3] - 与南方偏重商业化不同，北京对短期无收益的基础技术研发和创新容忍度高，更适合前沿探索 [4] - 创新发生在人才密集度高的地方，北京的人才密度从国际范围看都足够高，预期未来将发生更多创新 [4] 北京AI产业的生态与集群效应 - 北京聚集了大量科研和产业资源，拥有完善的人工智能自主生态系统，便于企业协同创新，避免闭门造车 [2][5] - 北京AI公司数量众多且多元，2025年全市人工智能核心产业规模预计达4500亿元，企业集聚超2500家 [6] - 截至2025年末，全国共有748款生成式AI服务完成备案，其中北京市备案模型数量为209个，占比28% [6] - 以海淀区“原点社区”为代表，形成了浓厚的AI创业氛围，工程师、创业者、投资人在办公区乃至街边酒馆咖啡店进行高频技术交流 [7] - 北京市打造以海淀为核心的“一核多点”布局，并首批发布了包括海淀原点社区、经开区模数世界、朝阳区光智空间等在内的多个“人工智能创新街区” [8] 代表性企业、机构与技术进步 - 智源人工智能研究院发布面向多种AI芯片的系统软件栈“众智FlagOS 1.6”，旨在解决不同芯片训练大模型的兼容问题 [2] - 智源研究院被誉为中国AI企业的“黄埔军校”，月之暗面、智谱AI、生数科技等公司的核心创始人均曾在此工作 [2] - 光轮智能作为仿真合成数据企业，其全栈自研仿真平台为全球前三的世界模型团队及超过80%的国际主要具身智能团队提供仿真资产和合成数据 [5] - 北京在各类模型产品上全面领先：豆包、文心、GLM、Kimi等基础模型持续迭代；生数科技Vidu、快手可灵等多模态产品受关注；面壁智能的端侧模型MiniCPM-o 2.6性能比肩GPT-4o；中科院自动化所发布全球首个全流程国产化类脑脉冲大模型“瞬悉1.0” [6] 政策支持与发展规划 - 北京市政府对科技前沿认知深入，沟通效率高，愿意支持长期投入和早期创业项目 [2][8] - 政策支持具体案例：海淀区推动全球首个高端数据标注示范基地，强调高阶人才参与数据生产 [8] - 北京市鼓励形成“一委一业、一区一品”发展格局，推动各部门、各区结合自身优势先行先试“人工智能+” [8] - 已在医疗健康、政务服务、法律服务、计算视听、电力保障等领域落地一批典型示范应用，并取得商业闭环、企业培育等阶段性成效 [9]

文章核心观点 - 北京凭借顶尖人才密度、浓厚的学术与创业氛围、完善的产业生态系统以及前瞻性的政策支持，已从全球AI科研的“追赶者”转变为“核心策源地”和“引领者”，正全力建设人工智能创新高地，为中国及全球AI发展贡献核心力量 [4][8][22][23] 北京AI产业的整体地位与规模 - 北京已成为全球AI科研核心策源地，以7340.3篇调整后论文数和402.59的AI指数位列全球第一，显著领先于中国香港和旧金山湾区 [8] - 2025年北京人工智能核心产业规模预计达4500亿元，集聚企业超2500家，产业规模全国领先 [16] - 截至2025年末，全国完成备案的生成式人工智能服务共748款，其中北京市备案模型数量为209个，占比达28% [16] 人才与创新生态 - 北京拥有极高的人才密度，尤其是高端、跨学科技术人才，这是创新的核心基础，人才分布具有天然优势 [4][9] - 以清华大学、北京大学等顶尖高校及北京智源人工智能研究院为核心，形成了紧密的产学研生态，地理上的极近距离便于学生参与产业实践，智源研究院被誉为中国AI企业的“黄埔军校” [5] - 行业从业者由AGI（通用人工智能）愿景驱动，工作投入度高，形成了浓厚的奋斗与创新氛围，许多员工工作时间灵活且自愿延长，以探索技术天花板 [3][6] 关键企业与技术成果 - 基础模型领域：抖音豆包、百度文心、智谱GLM、月之暗面Kimi持续迭代，其中豆包在C端用户数量上国内断层领先 [14] - 多模态与端侧模型：生数科技Vidu、快手可灵、抖音即梦等产品受关注；面壁智能的端侧模型MiniCPM-o 2.6性能比肩GPT-4o；银河通用发布了创历史最大数据体量的具身抓取基础大模型GraspVLA [14] - 新架构探索：中国科学院自动化研究所发布全球首个全流程国产化类脑脉冲大模型“瞬悉1.0”；智源研究院发布全球首个跨本体具身大小脑协作框架RoboOS 1.0 [14] - 产业链上游企业：光轮智能作为仿真合成数据提供商，其仿真平台为模型训练提供高质量数据，全球前三的世界模型团队已全部与其合作，国际主要具身智能团队中超过80%的仿真资产和合成数据来自该公司 [12][13] 产业生态系统与协同创新 - 北京构建了完善的人工智能自主生态系统，便于企业与各类产业伙伴协同创新，避免闭门造车 [4][14] - 北京场景多元且复杂，为仿真数据等技术的落地验证提供了丰富基础 [11][14] - 产业链协同案例：光轮智能位于多模态、具身智能企业的上游，为其模型训练提供不可或缺的高质量数据 [13] 政策支持与发展规划 - 北京市政府对科技前沿认知深入，沟通效率高，愿意对长期投入和早期创业项目给予有力支持，提供了良好的政策环境 [4][18] - 北京召开“2026北京人工智能创新高地建设推进会”，会上智源研究院发布了旨在解决不同芯片兼容性问题的系统软件栈——众智FlagOS 1.6 [5] - 北京发布首批人工智能创新街区（如海淀原点社区、经开区模数世界、朝阳区光智空间等），打造以海淀为核心的“一核多点”布局，目标在未来两年内将其建设成为全国人工智能创新地标 [18] - 推行“一委一业、一区一品”发展格局，鼓励各部门、各区结合优势方向先行先试，形成产业闭环 [19] - 具体政策案例：海淀区推动建设全球首个高端数据标注示范基地，强调高阶人才参与数据生产和质量控制 [18] 具体区域与园区发展 - 海淀区“原点社区”（涵盖清华科技园、智源大厦等）AI创业氛围浓厚，是初创团队、工程师、投资人的聚集地 [16] - 朝阳区“光智空间”汇聚了中关村（朝阳）互联网3.0产业园、798·751 AIGC创意设计园等，将重点开展产业发展提质等三大工程 [20] - 中关村互联网3.0产业园（星地中心）已入驻387家企业，园区二期将开园建设，未来聚焦AIGC和人工智能方向 [21] 技术落地与应用示范 - 北京市已会同多部门及各区，在医疗健康、政务服务、法律服务、计算视听、电力保障等领域落地一批典型示范应用，并在商业闭环、企业培育等方面取得阶段性成效 [22]

核心观点 - 当前AI领域的核心架构Transformer存在根本性技术瓶颈，其单向信息流设计导致模型在处理长上下文时智商快速下降，无法支撑具备长期记忆和持续学习能力的通用智能体（Agent）的下一步发展 [1][3][4] 行业技术瓶颈与现状 - Transformer架构是当前生成式AI和大语言模型的基石，其核心创新在于“自注意力机制” [1] - 行业看似进入“稳态”，各种创新模型架构最终都收敛到以Transformer为核心的变体上 [3] - 针对长上下文处理效率瓶颈，业界通过线性注意力、稀疏注意力等技术进行“小修小补”，但未改变Transformer的本质建模能力 [3] - 当前Transformer模型，无论宣称支持多少Token，基本上到8万个就不可用 [3] - Transformer的单向信息流设计缺乏从深层向浅层的反馈与压缩机制，与人类大脑的“无限流”记忆机制存在本质差异 [3] 技术缺陷的具体分析 - 人类大脑能对海量经历进行动态压缩和选择性回溯，而Transformer结构无法实现这种类似“无限流”世界的智能处理需求 [4] - 模型的智商会随着文本变化快速下降，制约了AI向具备高度自主性、能长期持续学习的通用Agent演进 [3][4] - 人类记忆是历史上所有信息的函数，无法用层数固定的网络来表示 [4] 行业反思与探索 - Transformer架构的共同创造者Llion Jones已开始寻找下一次重大突破，并警告研究者因过度依赖现有架构而错失下一个重大突破的风险正在加剧 [4] - Mamba、TTT（Test-Time Training）等新架构正吸引越来越多目光 [4] - 英伟达、Meta、腾讯等巨头已在探索将Mamba与Transformer融合 [4] - 中国科学院自动化所与沐曦合作研发的类脑脉冲大模型“瞬悉1.0”，展示了构建非Transformer架构生态的可行性 [4] 公司研发动态 - 阶跃星辰团队正在探索新的架构方向，一些小规模实验已取得积极结论 [5] - 公司认为未来的架构可能是基于非线性递归网络的全新架构 [5] - 这种架构革新将给系统效率和可并行度带来巨大挑战，需要协同设计才能落地 [5]

天桥脑科学研究院发布类脑脉冲大模型“瞬悉1.0” - 天桥脑科学研究院成立尖峰智能实验室，并发布国内首款类脑脉冲大模型“瞬悉1.0” [1] - 该模型借鉴人脑脉冲信息处理机制，旨在突破AI面临的高能耗、长序列建模和泛化能力受限等核心难题 [1][2] - 模型在国产GPU算力平台上完成训练与推理，并与沐曦科技协同打通了从类脑基础模型、国产算力平台到类脑芯片的全栈式研究链条 [1][3] 类脑脉冲大模型“瞬悉1.0”的技术特点与性能 - 模型架构不同于主流Transformer，其借鉴人脑以脉冲形式进行信息传递和处理的机制 [2] - 人脑以仅约20瓦的功耗支撑千亿级神经元的运作，为AI提供了极致的能效范例 [1][2] - 瞬悉1.0的7B开源模型仅使用主流大模型约2%的预训练数据，在多项基准测试中实现了阿里千问7B模型约90%的性能表现 [2] - 模型的训练和推理全过程均运行在国产算力平台之上，未依赖海外GPU体系 [2] 类脑计算与国产算力协同的战略意义 - 以GPT-3为例，其1750亿参数模型的训练需要约1000张GPU，能耗高达30万瓦，而人脑仅消耗约20瓦能量，凸显了类脑计算在能效上的潜在优势 [3] - 通过与国产GPU企业沐曦科技深度协同，研究团队打通了“国产类脑基础模型—国产GPU算力平台—类脑芯片”的全栈研究链条 [3] - 类脑模型在低功耗推理、复杂时序建模和跨任务泛化方面具备天然优势，未来有望在更多场景中形成应用突破 [3] 脑机接口技术的临床落地进展 - 脑虎科技自主研发的国内首款、国际第二款“全植入、全无线、全功能”脑机接口产品，在复旦大学附属华山医院完成首例临床试验 [4][6] - 一名高位截瘫8年的患者成功植入该产品，术后通过“意念”即可完成光标控制、网页浏览、精准点击及视频播放等操作 [4] - 该系统将电池模块植入胸前皮下，而非头部，沿用了成熟的脑深部电刺激临床路径，提高了系统安全性 [6] 脑机接口产品的技术特点与性能 - “全植入、全无线、全功能”被视为脑机接口走向长期临床应用的关键，全植入避免了体外接口的感染风险，全无线使患者不再被设备束缚 [6] - 从临床数据看，患者脑控解码速率已达到5.2 BPS，与国际顶尖水平接近 [6] - 系统在安全性和功能扩展性上具备明显优势，为后续语言解码、复杂交互乃至与大模型、机器人系统的联动提供了空间 [6] 人工智能与脑机接口的融合发展趋势 - 人工智能与脑机接口是一种双向塑造关系：AI提升了脑电信号解读、预测与泛化能力；而对大脑机制的理解，也在倒逼AI架构向低能耗、更高效的方向演进 [7] - 脑机接口的发展正在推动“医—研—产”关系变化，临床问题反向牵引科研和产业，提升了技术转化效率 [7] - 随着人工智能、神经科学与临床医学的加速交汇，脑机接口产业正进入技术路线并行探索、应用场景加速验证的阶段 [6]

市场行情 - 2025年12月15日A股主要指数收跌，沪指跌0.55%报3867.92点，深成指跌1.10%报13112.09点，创业板指跌1.77%报3137.80点 [1] - 同日半导体主题ETF表现疲软，科创半导体ETF跌1.41%，半导体材料ETF跌0.50% [1] - 隔夜美股主要指数亦普遍下跌，纳斯达克综合指数跌0.59%，费城半导体指数跌0.61% [1] - 美股半导体个股表现分化，恩智浦半导体涨1.61%，应用材料涨0.79%，而美光科技跌1.51%，ARM跌4.98% [1] 公司动态与资本运作 - 沐曦股份公告其股票将于2025年12月17日在上海证券交易所科创板上市，由于上市时未盈利，将自上市之日起纳入科创成长层 [2] - 中国证监会已为壁仞科技出具境外发行上市备案通知书，公司拟发行不超过3.72458亿股境外上市普通股并在香港联交所上市，同时57名股东拟将所持合计约8.7327亿股境内未上市股份转为境外上市股份流通 [2] - AI芯片厂商寒武纪发布公告，拟使用母公司资本公积27.78亿元用于弥补母公司累计亏损，以将2024年末母公司未分配利润负数弥补至零为限 [3] 行业技术与研发进展 - 天桥脑科学研究院宣布成立尖峰智能实验室，并发布了由李国齐团队研发的国内首款类脑脉冲大模型“瞬悉1.0” [2] - “瞬悉1.0”模型在国产GPU算力平台上完成训练与推理，并与国产GPU企业沐曦科技协同，打通了从类脑基础模型、国产算力平台到类脑芯片的全栈式研究链条 [2] 行业趋势与机构观点 - 中信建投表示，国产算力板块热度提升带动了半导体设备板块，在行业扩产整体放缓背景下，国产化驱动下的渗透率提升依然是设备板块后续增长的重要来源 [3] - 机构预计未来设备国产化率将实现快速提升，头部整机设备企业2025年订单有望实现20-30%以上增长，卡脖子零部件国产化进程有望加快 [3] - 半导体设备和材料行业被视为重要的国产替代领域，具备国产化率较低、国产替代天花板较高的属性，并受益于人工智能革命下的半导体需求扩张、科技重组并购浪潮及光刻机技术进展 [3] 相关金融产品 - 科创半导体ETF及其联接基金跟踪上证科创板半导体材料设备主题指数，该指数囊括科创板中半导体设备（61%）和半导体材料（23%）细分领域的公司 [3] - 半导体材料ETF及其联接基金的指数成分中，半导体设备（61%）、半导体材料（21%）占比靠前，聚焦半导体上游产业 [4]

公司动态与战略 - 天桥脑科学研究院于12月13日宣布成立首个采用In-House模式的尖峰智能实验室，致力于类脑大模型和脉冲神经网络的研发，探索人工智能与人类智慧的深度融合 [1] - 该实验室由中国科学院自动化研究所研究员李国齐领衔，标志着公司从“外延式”捐赠支持向增强“内部自主”专项研发的战略转型 [1][6] - 尖峰智能实验室是公司创始人陈天桥提出的“发现式智能”理念的重要落地载体之一 [2] 技术研发与突破 - 实验室主张借鉴人脑仅约20瓦功耗支撑千亿级神经元运作的能效范例，重点研发具有神经动力学特性的类脑大模型 [5] - 研发方向包括将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合，以构建具备强大感知力、深刻记忆与思考能力的“全脑架构” [5] - 实验室主任李国齐带领团队于今年成功研发出首款类脑脉冲大模型“瞬悉1.0”，标志着我国在类脑计算与大模型融合创新方面取得重要突破 [5] 行业地位与过往成果 - 天桥脑科学研究院是全球最大的私人脑科学研究机构之一，成立9年，坚持以超前布局支持中国脑科学研究 [10] - 公司通过捐赠和联合共建赋能顶尖科研团队，合作方包括加州理工学院、复旦大学附属华山医院和上海市精神卫生中心等 [6][10] - 由公司孵化的脑虎科技已成为中国脑机产业的领军企业，是具备运动和汉语言双解码能力的侵入式脑机接口公司 [10] - 公司与上海市精神卫生中心建立的人工智能与精神健康前沿实验室，利用AI技术进行精神健康的筛查与诊疗，相关成果已在全球顶尖学术期刊和人工智能大会上发表 [10] 学术交流与科普 - 公司在全球主办及支持了逾300场具有国际化、跨学科、年轻化特色的学术会议，涵盖AI驱动科学、人工智能与精神健康、脑机接口等主题 [10] - 公司推出的AIGC科普视频媒体“大圆镜”，上线仅一年，视频全网播放量即超2亿次，吸引全球粉丝逾300万 [10]

机构动态 - 天桥脑科学研究院宣布成立非营利研究机构“尖峰智能实验室”，致力于类脑大模型和脉冲神经网络的研发，探索人工智能与人类智慧的深度融合 [1] - 该实验室由中国科学院自动化研究所研究员李国齐教授领衔，目标是为实现“发现式智能”提供关键能力 [1] - 天桥脑科学研究院已宣布将投入超过十亿美元建设专用算力集群，为年轻科学家提供即时实验的资源环境，以探索结构而非比拼规模 [2] 技术理念与路径 - 公司创始人提出实现通用人工智能的“结构路径”，主张借鉴人脑这一自然界最精巧的智能载体，而非依赖当前主流的“规模路径” [1][2] - “结构路径”被视为智能的“认知解剖学”，其认为大脑是一个通过神经动力学，并基于记忆、因果和动机，形成知识系统并随时间不断演化的系统 [2] - 尖峰智能实验室重点研发具有神经动力学特性的类脑大模型，旨在将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合，构建具备强大感知力、深刻记忆与思考能力的全脑架构 [1] - 人脑以仅约20瓦的功耗支撑起千亿级神经元的复杂运作，为类脑研究提供了高效能参照 [1] 技术成果与突破 - 李国齐团队于今年研发出首款类脑脉冲大模型“瞬悉1.0”，在类脑计算与大模型融合创新方面取得突破 [2] - “瞬悉1.0”模型具有“小数据、高性能”的特点，仅需约主流模型2%的数据量，就能在多项语言理解和推理任务中达到与之相媲美的性能 [3] - 该模型已在国产GPU平台上完成了全流程训练与推理，展示了构建国产自主可控新型大模型架构生态的可行性 [3] 行业挑战与机遇 - 当前主流大模型的基础架构Transformer依赖增加网络规模、算力和数据量来提升智能水平，这种利用外生复杂性的模式存在资源消耗瓶颈，且处理超长序列的能力受限 [3] - 类脑脉冲大模型的研究将为新一代人工智能发展提供新的技术路线，并启迪更低功耗的下一代神经形态计算理论和芯片设计 [2]

机构成立与核心目标 - 天桥脑科学研究院于12月13日在中国神经科学学会脑机接口与交互分会年会上宣布成立非营利研究机构——尖峰智能实验室[1] - 该实验室由中国科学院自动化研究所研究员李国齐教授领衔[1] - 其核心目标是打造天桥脑科学研究院创始人陈天桥提出的“发现式智能”的关键能力[1] 核心研究路径与理念 - 实验室主张借鉴人脑，研发具有神经动力学特性的类脑大模型，构建具备强大感知力、深刻记忆与思考能力的全脑架构[1][3] - 研究路径被称为实现通用人工智能的“结构路径”，区别于当前依赖规模法则堆叠参数的“规模路径”[3] - “结构路径”被视为智能的“认知解剖学”，旨在通过研究神经动力学、记忆、因果和动机等机制，构建具有连续性、可解释性和方向感的智能系统[3] - 人脑以仅约20瓦的功耗支撑千亿级神经元的复杂运作，是类脑研究的重要参照[3] 技术路线与模型突破 - 研究重点是将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合[3] - 李国齐团队于今年研发出首款类脑脉冲大模型“瞬悉1.0”，在类脑计算与大模型融合方面取得突破[4] - “瞬悉1.0”模型具有“小数据、高性能”特点，仅需约主流模型2%的数据量，就能在多项语言理解和推理任务中达到相媲美的性能[5] - 该模型已在国产GPU平台上完成全流程训练与推理，展示了构建国产自主可控新型大模型架构生态的可行性[5] 对主流AI模式的批判与资源投入 - 当前主流大模型基于Transformer架构，其基本计算单元为简单的点神经元模型，通过增加网络规模、算力和数据量提升智能[4] - 这种依赖外生复杂性的模式存在资源消耗瓶颈，处理超长序列的能力受限[4] - 为支持跨学科创新，天桥脑科学研究院宣布将投入超过十亿美元建设专用算力集群，为年轻科学家提供实验资源[4] - 该算力集群旨在探索结构、验证记忆机制、新的因果架构或神经动力学假说，而非用于比拼规模[4]

行业投资评级 - 报告未明确提供行业投资评级 [1] 核心观点 - AI 行业处于高速创新阶段 多家企业发布重大技术突破与产品更新 [1][3][4][5][6][7][8][9][10][11][12][13][14] - 中国 AI 企业在模型性能、开源生态及人才培养方面展现全球竞争力 [4][7][9][10][13] - 技术演进聚焦多模态能力、推理效率及低功耗架构 推动商业化应用落地 [5][6][8][9][10][11][12][13][14] AI 行业动态 - 2025 外滩大会于上海开幕 汇聚 16 个国家 550 位嘉宾 探讨智能时代创新与商业未来 [3] - MiniMax 启动全员期权激励计划 覆盖工程、产品、运营及实习生 强化人才组织创新 [4] AI 应用资讯 - 字节跳动上线即梦图片 4.0 支持 4K 清晰度生成及中文字生成 领先海外模型 [5] - 腾讯发布 CodeBuddy Code 工具 实现开发运维全流程自动化 编码时间缩短 40% AI 生成代码占比超 50% [6] AI 大模型资讯 - 阿里发布 Qwen3-Max-Preview 模型 参数量突破 1 万亿 在 SuperGPQA（64.6分）、AIME25（80.6分）等基准测试中全面领先 [7][8] - 自变量机器人开源 WALL-OSS 模型（4.2B 参数） 支持多模态端到端输出 同日完成近 10 亿元 A+轮融资 [9] - 中科院发布类脑脉冲大模型"瞬悉 1.0" 仅需 2% 数据量即可媲美 Transformer 性能 [10] - 百度文心 X1.1 发布 事实性能力提升 34.8% 指令遵循提升 12.5% [11] - B 站开源 IndexTTS 2 文本转语音模型 支持本地部署与声音克隆 [12] - 阿联酋 MBZUAI 联合 G42 推出 K2 Think 开源模型（32B 参数） 推理速度达 2000+ tokens/秒 [13] 科技前沿 - 香港科技大学与地平线团队推出 SAIL-Recon 方法 实现万帧级视觉定位与 3D 重建 计算效率显著提升 [14]