人工智能领域 - 联想集团开发的"天禧"超级智能体系统正式发布，该系统将大模型部署到个人电脑、平板等终端设备上，通过模型训练、算法调优实现智能操控 [3] - 团队创新方向为智能体系统，通过"蒸馏"技术将大模型知识迁移到端侧模型，保护用户隐私 [4][5] - 应用场景包括办公领域的"周报生成"工作流，整合语种转换、文件生成、邮件发送等功能 [5] - 国内人工智能发展迅速，需在基础算法、框架和标准协议方面迎头赶上 [5] 气候动力学研究 - 自然资源部第二海洋研究所团队发现热带太平洋高频强大气事件能反馈于ENSO，与低频海气相互作用共同主导ENSO时空特征 [7] - 基于新发现，团队在国际上首次成功预测2023年年底发生的强厄尔尼诺事件 [7] - 研究借助智能观测、深度学习等先进技术手段提高气候研究效率 [9] 辐射探测技术 - 兰州大学团队成功设计出大面积均匀完整的光电探测器，利用非晶结构规避晶界问题 [10] - 西北地区科研条件显著改善，先进仪器设备普及，人才政策为学科发展注入动能 [10] - 研究聚焦西部核资源开发需求和"东数西算"工程，提供辐射探测技术支撑 [11] - 成果转化应用场景包括医疗设备、资源勘探等领域 [11] 高超声速空气动力学 - 华中科技大学团队攻克毫秒级快开阀控制技术，研制具有独立知识产权的路德维希式高超声速风洞 [13] - 风洞性能优于国外同类产品，运行成本更低，降低国内高超声速实验研究门槛 [13] - 成果已应用于行业龙头单位和高等院校，支撑国家重大任务研发 [13]

AI应用落地趋势 - 全球AI产业处于关键分水岭，生成式AI技术快速发展但规模化落地面临瓶颈，包括软件与硬件协同不足、跨场景能力薄弱、隐私安全争议和端侧算力限制 [1] - 混合式AI路线被视为实现AGI的潜力路径，通过终端设备入口结合私有云和公共云混合架构，构建覆盖个人与企业场景的安全AI生态 [1] - 终端设备厂商如苹果和联想正成为AI生态落地的试验田，但仍需解决应用堵点 [1] 超级智能体模式 - "超级智能体"是AI应用的升维，具备跨设备感知、多模态交互和自主任务拆解能力，从被动工具进化为能理解复杂意图、调用生态资源的"认知操作系统" [2] - 该模式瞄准AI应用的"最后一公里"，解决端侧算力不足、模型泛化能力有限和隐私安全风险等核心瓶颈 [3] - 联想通过"超级智能体"串联混合生态，在个人场景实现"意图即服务"，在企业场景深度融入运营并复用到城市治理层面 [4] 技术支撑与基础设施 - 联想推出"联想推理加速引擎"，通过软硬件协同优化使普通PC本地推理能力接近云端模型o1-mini水平 [4] - 万全异构智算平台3.0版本提升AI推理性能5-10倍，降低训练和推理计算开销15%以上，并将推理延时降低3倍以上 [5] - 相变浸没液冷技术将PUE压至1.035，达到业界领先水平 [5] 数据安全与隐私保护 - 数据安全和隐私保护是超级智能体的核心基础，联想通过隐私增强计算推出"深度伪造检测技术"并集成至智能体 [5] AI产业化路径 - AI技术突破与商业落地存在周期错配，当前生成式AI仍处于产业化探索阶段 [5] - 科技巨头形成两种主流模式：OpenAI的纯云端大模型路线和苹果的端侧包围云上路线，联想采用后者并从硬件向全面解决方案反包 [5] - 硬件厂商拥有终端入口与异构算力优势，联想全球激活设备数亿台，为混合式AI提供试验田 [6] 联想AI转型战略 - 联想从硬件厂商向AI服务商转型，以智能体为核心串联所有业务，形成AI终端、基础设施和解决方案的全栈布局 [3][6] - 公司探索端云协同技术细节，搭建智能体生态并创新AI服务商业模式，被视为硬件厂商把握AI机遇的"中国样本" [6] 全球化与业务模式 - 联想通过"OEM+"模式和全球化与本地化结合的业务架构应对关税波动，在全球10个国家建立33家工厂实现快速调整 [7][8] - 端到端集成模式涵盖市场营销、产品设计和生产制造环节，使公司能快速调整策略保持竞争力 [8]