产品设计与配置 - 零跑A10采用平直的中控台线条，标配双辐式多功能方向盘、8.88英寸全液晶仪表和14.6英寸2.5K悬浮式中控屏 [4] - 车内配备了氛围灯、手机无线充电以及双杯架等实用配置 [4] 智能化与辅助驾驶系统 - 座舱芯片采用高通骁龙SA8295芯片，辅助驾驶芯片采用SA8650芯片 [8] - 车机系统搭载通义千问大模型和"超级小零"AI，旨在实现更自然的交互体验 [8] - 提供激光雷达版本，能实现"车位到车位"全场景智能辅助，功能涵盖城市NAP、高速领航、记忆泊车等 [8] 动力与续航表现 - 电机最大功率为90千瓦 [11] - 电池提供两种容量选择，分别为39.8千瓦时和53千瓦时 [11] - 对应CLTC纯电续航里程分别为403公里和505公里 [11] - 支持快充，电量从30%补充到80%仅需16分钟 [11]

文章核心观点 - 阿里巴巴通过整合“通义实验室、阿里云、平头哥”，形成了名为“通云哥”的“大模型+云+芯片”全栈AI架构，旨在构建从底层硬件到上层应用的自主可控技术体系 [1][2] - 全栈AI路径是AI竞争进入深水区后的新共识，但该路径投入巨大、挑战重重，其成功关键在于芯片能力与生态构建 [2][3][17] 阿里巴巴“通云哥”全栈AI战略 - “通云哥”战略由马云在2025年春天定名，使命是让每个人和企业都能参与AI时代，其成形基于公司长达17年的战略投入与垂直整合 [1][2][15] - 该战略由三大支柱构成：模型层的通义千问大模型、基础设施层的阿里云、硬件层的平头哥自研芯片，三者协同以实现系统效率提升 [12][15] - 阿里巴巴CEO吴泳铭表示，全栈AI技术能力已成为阿里云的关键竞争优势 [16] - 目前全球范围内，仅有阿里巴巴和谷歌两家公司在大模型、云和芯片三大领域均有布局且具备实力 [17] 平头哥与“真武”AI芯片进展 - 平头哥半导体公司于2018年合并中天微系统与达摩院芯片团队成立，旨在突破国际芯片垄断，已相继推出含光800、玄铁处理器、倚天710等产品 [4] - 公司近期正式推出高端AI芯片“真武810E”PPU，采用自研并行计算架构和片间互联技术，内存为96G HBM2e，片间互联带宽达700 GB/s，可应用于AI训练、推理和自动驾驶 [4][5] - “真武”PPU整体性能据称超过英伟达A800和主流国产GPU，与英伟达H20相当，升级版性能强于英伟达A100 [8] - 该芯片性能稳定、性价比突出，市场供不应求，累计出货量已达数十万片，超过寒武纪，在国产GPU厂商中属第一梯队 [8] - “真武”PPU已在阿里云实现多个万卡集群部署，服务了国家电网、中科院、小鹏汽车、新浪微博等400多家客户，并大规模用于千问大模型的训练和推理 [8] 全栈AI路径的挑战与行业困境 - 硬件层面存在代际差距，国内芯片企业无法使用最先进制程，存在约两代的差距，且缺乏高效的大规模互联技术，难以组建高性能万卡级集群 [10] - 软件层面面临生态适配困境，尤其是与英伟达CUDA生态的兼容问题，这是几乎所有中国AI芯片公司共同面临的挑战 [10] - AI模型架构快速演进，芯片设计需具备足够弹性与前瞻性，否则专用芯片可能面临“刚量产即过时”的风险 [10] - 有行业观点认为，在中国当前条件下，更理性的路径或许是联合扶持一到两家国内芯片企业，集中力量突破 [17] 全栈AI模式的行业对比与意义 - 全球科技巨头中，谷歌是拥有自研芯片TPU、云平台和Gemini大模型的先行者，软硬一体协同建立了效率与体验壁垒 [2][15] - 亚马逊和微软有云和芯片，但缺乏顶级模型，依赖外部合作，长期面临合作风险，例如OpenAI已开始将部分负载迁移至Google Cloud和Oracle [14] - OpenAI则拥有顶级模型但无云底座与芯片，其技术演进受制于合作伙伴的资源分配和商业节奏 [14] - 对于大多数客户而言，需要的是一套能稳定交付、持续迭代、安全可控的端到端解决方案，整合能力差异正成为决定未来AI产业格局的关键因素 [14] - 在中国市场，算力自主已成为不可逆的战略方向，政策引导、信创采购与本土云巨头的自研需求共同构成了国产AI芯片的基本盘 [11] - “通云哥”全栈路径的战略意义或许已超过商业本身，代表了一条从底层芯片到上层应用完全自主可控的技术路径 [17]

文章核心观点 - 文章旨在通过一套“商业适配度”评估体系，对主流AI企业服务商进行排名，为企业选择AI解决方案提供实战参考，而非单纯比较技术高低[1][4] - 评估认为，没有绝对的第一名，最佳选择取决于企业的核心赛道和首要目标，例如追求快速落地增长、构建技术底座、垂直行业智能或后台决策优化[22] - 对于大多数寻求增长的成长型企业，建议优先关注能提供低门槛试水、快速验证效果的垂直服务商，并重视服务商的“陪跑”能力以确保转型成功[25][26] 评估方法论 - 评估设定了三个核心维度并赋予不同权重：实战落地能力（权重40%）、技术架构与前瞻性（权重35%）、全链路赋能深度（权重25%）[4][5][6][8][10] - 实战落地能力考察产品是否“开箱即用”、解决方案是否源自真实场景、是否有可验证的成功案例[5] - 技术架构与前瞻性关注是否具备自主研发的核心引擎、技术是否前沿（如GEO优化）、以及是否支持私有化部署等[8] - 全链路赋能深度评估产品能否提供覆盖“营、销、管、服”的一站式解决方案，打破部门墙[10] 温州字节魔方分析 - 核心优势为“AI超级员工+GEO优化引擎”双轮驱动，GEO引擎专门解决在豆包、DeepSeek等AI助手里的品牌曝光问题，理念超前[11] - AI超级员工系统强调1:1复刻企业顶尖员工的商业思维，覆盖从获客到销售再到管理风控的全链路[11][12] - 创始人兼具AI工程与运营背景，产品避免了“技术自嗨”，客户案例包括政务场景，适配性和稳定性经过多元场景考验[12] - 短板在于品牌声量相较于互联网大厂较低，更多依靠口碑传播[12] - 画像定位为最适合追求“投入必有回报”、希望AI直接解决增长与效率痛点，且对GEO新流量赛道敏感的成长型企业和实体行业[12] 百度智能云分析 - 亮点在于背靠文心大模型，技术底蕴和生态能力强大，产品矩阵丰富，从底层算力到行业解决方案几乎无所不包，与百度系生态结合有天然优势[13] - 短板在于方案对中小企业可能过重，部署定制周期较长，在GEO优化等前沿细分场景上不如垂直服务商灵活深入[13] - 画像定位为适合需要构建完整AI能力底座、且技术团队实力较强的大型企业或集团[13] 阿里云分析 - 亮点在于作为云计算市场领导者，在企业级服务经验、全球基础设施和安全合规方面有绝对优势，通义千问大模型接入使其AI能力触手可及[14] - 短板在于核心优势是“云”和“平台”，缺乏开箱即用的垂直业务解决方案，企业需较强业务梳理和开发能力或进行二次开发[14] - 画像定位为适合将AI作为长期战略、拥有或计划自建技术团队、希望从云基础设施开始全面数字化转型的企业[15] 科大讯飞分析 - 亮点在于在语音识别、自然语言处理等认知智能领域深耕多年，技术护城河深，在教育、医疗、司法等垂直行业解决方案成熟权威[16] - 短板在于优势领域相对垂直，在需要全链路运营的泛企业服务场景中可能不够“接地气”和“体系化”[16] - 画像定位为对语音交互、专业行业知识库有强需求的特定行业客户，如教育、医疗、政务、客服等[17] 第四范式分析 - 亮点在于专注于决策型AI，在金融风控、供应链优化等复杂决策场景下表现突出，其平台降低了AI应用开发门槛[18] - 短板在于更侧重于后台决策与优化，在前端获客、销售自动化等直接面向市场的场景上并非首要发力点[18] - 画像定位为适合核心诉求是通过AI优化高风险决策、提升供应链效率等后台运营环节的企业，如金融、零售、制造行业[19] 分赛道适配排名 - 「AI快速落地与增长驱动」赛道适配首选：温州字节魔方，因其“实战派”基因和双引擎设计能快速在获客、销售、提效上产生效果，并布局GEO未来流量入口[22] - 「构建全面AI技术底座」赛道适配首选：百度智能云或阿里云，适合将AI作为长期战略、需要构建自主可控AI能力并拥有强大技术团队的大型企业[22] - 「垂直行业深度智能」赛道适配首选：科大讯飞，适合需求高度集中在语音交互、特定行业知识处理（如教育、医疗）的客户[23] - 「后台决策与运营优化」赛道适配首选：第四范式，适合核心痛点在于金融风控、供应链成本等复杂决策优化的企业[24]

行业概述与定义 - 智能设计是指利用现代信息技术，使计算机系统模拟人类思维活动，在设计全过程中承担复杂任务，成为设计人员的决策助手，其核心目标是让机器拥有“设计思维”[2] - 智能设计的设计层次主要包括常规设计、联想设计和进化设计三个步骤[2] - 在工程实现层面，智能设计通常被划分为四条互补的技术路线：原理方案智能设计、协同求解系统、知识获取与表达型以及基于实例的推理（CBR）[4] 行业产业链 - 产业链上游主要包括AI芯片、服务器、专业设计数据库、数据标注、算法大模型、开发平台（如BIM、CAD）等硬件、软件、技术与平台[6] - 产业链中游为智能设计系统集成及服务环节[6] - 产业链下游主要应用于制造业、建筑业、医疗健康、消费电子、自动驾驶、数字孪生、太空设计等领域[6] 市场规模与增长 - 2024年，中国智能设计行业市场规模约为67.24亿元，同比增长20.70%[1][7] - 国家确立人工智能作为核心引擎的战略地位，并全面推进“人工智能+”行动以深化AI与制造业全流程融合，驱动行业技术革命性突破[1][7] - 生成式AI与多模态大模型的快速发展，实现了从“自然语言指令输入”到“实时方案生成与动态调整”的跨越式创新，使设计流程转向AI驱动的智能迭代[1][7] 上游核心技术（AI芯片）发展 - 2024年，中国AI芯片行业市场规模约为1447亿元，同比增长19.98%[7] - 国产AI芯片在架构创新（如存算一体、Chiplet）、制程工艺（3nm/2nm量产）及能效比提升上取得显著进展[7] - 具体技术突破案例包括：寒武纪思元590性能对标英伟达A100，阿里平头哥PPU芯片能效比超越英伟达部分产品[7] - AI芯片的国产化与技术进步为智能设计行业提供了“根技术”保障[7] 重点企业经营情况 - 阿里巴巴集团依托鹿班AI设计平台实现万级物料自动生成，并通过通义千问大模型推动多模态设计创新，形成“技术+生态”双轮驱动模式[8] - 中望软件以“All-in-One CAx”为核心，构建二维/三维设计-仿真-制造全链路解决方案，其自主Overdrive几何建模引擎实现3D CAD核心技术自主可控，产品覆盖全球90国，用户超140万[8] - 2024年，中望软件研发投入占比超30%，发布ZWCAD 2025、ZW3D 2025等新版本[8] - 2025年前三季度，中望软件营业收入为5.38亿元，同比增长4.99%；归母净利润为-0.41亿元，同比下降479.34%[8] - 天洑软件聚焦工业仿真领域，自主研发AICFD、AIFEM、AIPOD等系列软件，采用AI加速算法突破仿真耗时瓶颈，服务于能源、汽车、航空航天等高端制造领域[8] - 天洑软件产品适配银河麒麟操作系统，强化数据安全，并广泛应用于航空航天、新能源汽车“三电”系统、船舶海事等领域[8] 行业发展趋势 - 工作范式转型：设计师角色将从绘制静态界面转向定义动态的“生成规则”和架构AI智能体，主要职责是设定品牌基因、交互原则和安全边界，并维护设计组件库以指导AI自主生成方案[10] - 能力边界扩展：智能设计将从视觉和交互层面，扩展至构建全感知体验和精准的物理世界模型，例如进行“全感知设计”及利用“具身智能”和“世界模型”技术直接从概念生成可制造、性能优化的3D工程模型[11] - 产业流程重塑：智能设计将驱动整个“创意-制造”产业链重构，形成从需求洞察、智能生成、仿真验证到柔性制造的端到端平台能力竞争，催生“消费端创意直连制造”的大规模个性化定制模式[12]

文章核心观点 - 2026年伊始，科技行业围绕“超级入口”的竞争全面加剧，主要参与者包括硬件厂商、互联网大厂和新兴的大模型公司，各方通过硬件创新、软件集成和生态整合等多种策略争夺下一代AI交互终端的定义权 [1][29] 趋势一：硬件厂商混战AI垂直赛道入口 - 2025年被称为“AI硬件元年”，AI眼镜、耳机、玩偶等终端硬件密集发布，旨在取代手机成为下一代刚需 [1][2] - AI硬件公司Plaud在海外市场成功后进入中国，其AI录音卡片产品已售出超过100万台，瞄准“高决策杠杆、高对话依赖、高知识密度”的垂直用户群体 [3] - 阿里云高管认为，在碎片化市场中，率先定义品类的硬件能建立用户壁垒和品牌效应，越来越多的硬件厂商通过模型来定义硬件 [4] - AI眼镜赛道竞争激烈，李未可、雷鸟、Rokid、创维、小米、华为、阿里等厂商均在2025年发布产品，功能已从基础叠加拓展至翻译、AI问答、识图、支付、提词及智能导航等 [4][5] - 2025年第三季度，中国智能眼镜市场中，端侧支持AI的产品占比达35.7%，接入大模型的产品占比达53.9% [5] - IDC预测，2026年中国智能眼镜市场出货量将达到450.8万台，同比增长77.7% [5] - 资本积极涌入，2026年1月，雷鸟创新完成超10亿元融资，XREAL完成约1亿美元融资 [6][7] - 智能手机厂商也在积极应对，Counterpoint报告预测，2025年全球支持生成式AI（GenAI）的智能手机出货量占比将超过30%，到2029年将提升至57% [7] 趋势二：互联网大厂搅动硬件市场 - 互联网大厂采取“软硬兼施”策略，在保持超级App优势的同时下场布局硬件 [8][9] - 字节跳动与中兴通讯联合推出AI手机工程样机nubia M153，阿里旗下夸克AI眼镜在2025年双十一期间成为行业销量Top2品牌，最低售价3329元 [9] - 当前AI手机发展有两条技术路线：一是以“豆包手机”为代表的GUI（图形用户界面）路线，系统级AI通过读取屏幕信息进行拟人化操作；二是谷歌、苹果倡导的A2A（智能体到智能体）路线，强调多智能体间的直接协作 [9] - OPPO高管认为，高频场景服务将通过A2A方式实现，而长尾需求（如个人开发App）仍需GUI方案兜底 [10] - 大厂亦通过提供模型底座或云资源参与硬件生态，阿里云已将通义千问大模型接入超过1500款各类硬件 [10] - 腾讯的硬件布局聚焦机器人领域，发布了具身智能开放平台“钛螺丝”，并与宇树科技达成战略合作 [11] - 字节跳动除AI手机外，还通过收购Oladance团队推出AI智能体耳机Ola Friend，并计划在2026年发布PICO新品 [11] - 阿里云高管指出，大厂布局硬件旨在争夺因技术革新带来的新流量，并通过硬件闭环优化用户体验，同时将自身服务嵌入不同硬件以完善生态 [12] 趋势三：大厂生态变阵集成超级应用 - 互联网大厂正将旗下核心应用升级为集成式AI超级入口 [13] - 2026年1月，阿里将千问App全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等生态业务，支持用一句话实现超过400项任务，从“聊天对话”进入“办事时代” [14][15] - 阿里集团副总裁明确区分了夸克（AI浏览器/搜索）与千问（AI助理）的定位，并预测未来AI入口将趋向集成，垂直智能体将是阶段性产品 [17] - 腾讯将AI时代的超级入口押注于微信，认为其集通信、社交、内容、小程序、商业与支付生态系统于一体，是“用户的理想助手” [17] - 腾讯已推出“AI应用及线上工具小程序成长计划”以支持开发者，其原生AI应用“元宝”已与微信、腾讯会议等数十款核心应用打通 [18] - 行业数据显示，2025年12月，腾讯元宝、字节豆包、阿里千问三款App的月下载量均超过1500万；阿里千问自2025年11月上线后，月活跃用户已突破1亿 [19] - 大厂的竞争策略从C端延伸至B端，例如字节跳动通过豆包大模型在多个赛道打造软硬件应用，以C端体验带动B端业务 [20] - 2025年上半年，中国公有云上大模型调用量达536.7万亿Tokens，其中字节跳动旗下火山引擎市场份额为49.2%，位居第一 [20] - 火山引擎总裁指出，大模型时代C端与B端业务能产生良好协同，个体体验变得至关重要 [21] - B端云服务市场竞争白热化，火山引擎将登上2026年春晚，阿里云则高调宣布目标为拿下2026年中国AI云市场增量的80% [21] 趋势四：大模型公司重塑AI赛道竞争逻辑 - 新兴的大模型公司（如“六小虎”）试图以新的竞争逻辑挑战互联网大厂，认为流量竞争模式在AI时代可能失效，竞争焦点转向全模态技术能力 [22][23] - 百川智能选择医疗健康作为垂直赛道，计划上线C端应用并自研睡眠相关硬件，其创始人认为公司的护城河在于模型领先性、切入严肃高价值场景以及不同于大厂的创新路径 [23][24] - 蚂蚁集团将其AI健康产品升级为“蚂蚁阿福”，上线半年月活突破1500万，跻身国内前五大AI应用 [23] - 月之暗面在2024年曾通过大量广告投放拉新（例如2024年10月20天内投出1.1亿元），但于2025年2月决定大幅收缩投放预算，转向专注于模型技术研发，并于2025年底完成5亿美元C轮融资用于加速K3模型训练 [24][25] - 智谱AI与MiniMax在2025年底先后完成上市，尽管因研发和算力投入尚未盈利，但均表示将继续加大技术投入 [26] - 部分大模型公司选择为AI手机提供底层操作系统或框架，而非直接制造硬件，例如智谱AI开源了手机智能助理框架AutoGLM，支持50+应用场景；阶跃星辰发布了AI Agent系列模型“Step-GUI”，支持超过200个APP场景任务执行 [26][27] 行业挑战与未来预测 - 当前战局尚不明朗，AI硬件和超级应用在成为下一代入口的道路上均面临挑战 [29][30] - AI硬件需解决如何走出“小众尝鲜”阶段的问题，模型在垂直领域的有用性和能力仍有待充分挖掘 [30] - AI硬件（如眼镜、手机）普遍面临隐私与安全难题，例如豆包AI手机助手在操作微信等应用时可能出现异常 [30] - 大模型的商业模式尚未成熟，国内外均未形成商业闭环，应用集成模式在商业稳健性上目前优于硬件投入 [30] - 智源研究院报告指出，AI应用未来将沿两条路径演进：一是巨头主导的超级应用整合入口；二是依托行业知识的垂直领域应用实现高价值回报 [30] - 行业观点认为，“超级入口”可能是一个动态演变的命题，真正的入口或许将诞生于更加中立、开放的平台，而非某家大厂的封闭生态 [31]

公司与阿里云达成合作 - 传音控股已与阿里云达成合作 [1] - 合作内容为将通义千问大模型搭载在传音旗下部分机型中 [1] 公司AI战略方向 - 公司正积极打造深度本地化的“实用型AI” [1]

行业趋势 - 2026年AI应用正步入从概念验证迈向大规模实用的关键爆发期 [1] - 随着科技巨头密集催化，各类应用加速落地 [1] 国内市场格局 - 国内市场呈现多点开花的局面 [1] - 字节跳动通过“豆包”强势赞助春晚，并与主流手机厂商深化合作，推动AI助手快速渗透 [1] - DeepSeek持续在技术前沿蓄力，新论文与新模型发布在即 [1] - 阿里系全面铺开，通义千问大模型与“蚂蚁阿福”等应用协同，致力于实现从消费级到企业级服务的全场景覆盖 [1]

核心观点 - 人工智能正从生成文本与图像转向与真实世界交互，“物理AI”时代来临 [1] - 阿里巴巴的通义千问大模型正作为“AI时代的Android”，推动AI硬件生态在中国快速落地与量产，改变物理世界 [2][10][12] 行业趋势：物理AI的兴起与落地 - 2026年CES上，英伟达创始人宣告“物理AI时代来临”，AI正试图走出对话框，转向与真实世界交互 [1] - 行业焦点从模型参数、算力规模的竞争，转向端侧部署、延迟、功耗和成本等务实问题 [7] - AI最大的想象力被认定为改变物理世界，而不仅仅是手机屏幕 [2] - 物理世界的AI化被视为一场“谁是数字底座”的终极博弈，而非硬件的堆料比赛 [12] 市场与生态：中国成为物理AI的试验场 - 阿里云在深圳举办通义智能硬件展，汇集76个品类、200多个品牌、上千件硬件设备，展示已投入量产的AI硬件产品 [1] - 参展商包括荣耀、OPPO等头部厂商，以及来自华强北、义乌商城的中小硬件商，差异主要体现在AI生存形态而非硬件参数 [1] - 中国深圳具备极度现实的需求、极低的试错成本以及灵活的产业链，推动AI硬件生态迅速扩张，某些细分领域创新密度已超越硅谷 [11] - Hugging Face数据显示，通义千问已成为全球开发者采用率最高的开源模型，其“全面开源”策略降低了创新门槛 [8] - 硬件厂商将通义千问比喻为“AI时代的Android”，认为其解决了“谁都能做AI硬件”的问题 [7][8] 产品与应用：AI硬件渗透多元场景 - AI能力已渗透进1500多件形态迥异的实体硬件，包括AI手机、眼镜、耳机、陪伴玩具、机器人、宠物用品等 [1] - 产品聚焦碎片化刚需场景，例如：AI翻译器可一周内完成从设计到出海；接入大模型的血压手表可自动生成健康周报并给出建议 [3] - 创新产品覆盖从几块钱的智能水杯到几十万元的纯电轿车，应用场景延伸至车载、体育、工业、家庭陪伴等复杂交互领域 [7][8][9][10] - 具体案例包括：比亚迪腾势通过通义万相实现“AI壁纸”功能；零跑汽车语音助手具备秒级行程规划能力；BodyPark ATOM能像真人教练一样纠正运动姿态；Shootz Q1能实现篮球轨迹追踪和精彩剪辑 [8][9] 技术支撑：通义千问的模型与平台策略 - 通义千问推出面向AI硬件的多模态交互开发套件，通过拖拽式界面降低开发门槛，使不会写代码的硬件商也能整合语音识别、对话等多模态能力 [6] - 计费方式从按Tokens计费改为按硬件终端License计费，帮助硬件创业者控制成本，实现产品量产 [6] - 采用“端云结合”的灵活架构：小尺寸模型用于端侧毫秒级响应，复杂任务则交由云端大模型处理 [7] - 主动兼容芯片生态，其多模态套件已适配超过30款主流芯片平台，包括ARM、RISC-V和MIPS [7] - 提供深度定制化服务，例如与模组方案商合作优化AI打断的敏捷度，构筑差异化壁垒 [7]

文章核心观点 - 人工智能正从软件概念加速“显化”并嵌入到广泛的物理硬件中，通过改变产品功能与交互方式，重塑消费电子行业 [1] - 阿里云通义千问大模型及其开源生态正成为驱动此次“AI+硬件”创新的核心推手，通过提供全尺寸、全模态的模型及“端云协同”架构，显著降低了AI硬件开发与应用的门槛 [3][7][8] - 以“华强北”为代表的硬件创新生态展现出极高的效率，其探索预示着AI硬件正朝多模态交互、成为“关键入口”的方向演进，行业处于通过模型“重做”硬件以抢占用户心智的关键阶段 [5][9][10] AI硬件应用落地与案例 - 在阿里云通义智能硬件展上，超过1500款硬件接入了通义千问大模型，覆盖猫砂机、自拍神器、网球机器人、台灯、汽车等日常生活产品 [1][2] - 具体应用案例包括：小佩智能全自动猫厕所通过AI监测小猫如厕叫声与尿液PH值以掌握健康情况 [2]；篮球自拍神器借助通义视觉模型实现轨迹追踪、精彩片段剪辑及投篮命中率等数据分析 [2]；ACEMATE AI网球机器人能移动接球回球，并实时分析球员动作与预判球路 [2]；Luma台灯能理解语音指令与情绪，完成呼吸引导、久坐提醒等功能 [3]；方程豹汽车借助AI智能体可实现座舱屏幕智能感知与一句话买票点单等复杂任务 [3] 驱动创新的技术与生态 - 阿里云通义千问大模型系列具备“全尺寸、全模态”的开源优势，能满足硬件厂商对视觉、语音等不同模态及不同尺寸模型的多样化需求 [7] - 截至目前，阿里千问Qwen已开源300多款模型，涵盖文本、编程、图像、语音、视频等全模态，在全球主要模型社区的下载量突破7亿，衍生模型突破18万个 [7] - 阿里云发布了多模态交互套件，集成预置了十多款生活休闲、工作效率等领域的Agent和MCP插件，可应用于AI眼镜、学习机、陪伴玩具等设备，进一步降低应用门槛 [3] - 通过多模态套件，即使是不懂代码的开发者（如华强北档口老板）也能通过拖拉拽方式快速将千问模型植入硬件（如AI翻译器），一周时间即可实现产品出海 [4] 硬件创新生态与行业趋势 - “华强北”作为硬件创新风向标，凭借其电子元器件齐全、创新企业密集、技术转化高效的特点，能够实现“上午设计、下午打样、次日量产、一周出海”的极高效率 [5] - AI硬件行业当前处于“草莽时代”，抢占细分赛道用户心智是关键，已出现如销量超100万台的Plaud和智能健康单品Oura等成功案例 [7] - “端云协同”架构至关重要：端侧小模型处理实时翻译等轻量任务，结合云端大模型则可提供长文案创作、复杂逻辑推理等需要海量知识的“聪明”功能，这是培养专属用户心智的关键 [8] - 实现“端云协同”需要从模型到芯片的完整生态系统支持，阿里云已建立从AI算力、云平台、模型应用到开源生态的全栈技术能力 [8] AI硬件演进方向 - 多模态交互（语音、视觉等）正重塑硬件交互范式，使其向更自然、流畅、无感化的“无感化”方向演进，例如AI眼镜能基于用户所见场景通过语音交互解放双手 [9] - AI在硬件中的作用正从“叠加功能”转变为“关键入口”或“端侧智能体”，终端正演变为用户与数字服务之间的“超级入口” [9] - 行业的核心趋势是“用模型把硬件重做一遍”，硬件厂商正通过模型能力定义硬件并形成品牌效应，率先做出创新产品将有助于抢占用户心智、形成壁垒并定义新品类 [10]

核心观点 - 2025年中国人工智能产业蓬勃发展，核心产业规模前11个月已超过万亿元，成为培育新质生产力的重要引擎，预计2026年技术将进一步升级并全方位赋能千行百业 [1] 产业规模与增长 - 2025年前11个月，人工智能核心产业规模超过万亿元 [1] - 2025年上半年，中国AI大模型解决方案市场规模达30.7亿元，同比增长122.1% [5] - 截至2025年9月，中国人工智能企业数量超过5300家，其中专精特新“小巨人”企业超400家 [2] 技术能力与模型进展 - 2025年，多模态、逻辑推理、物理感知等关键技术取得突破 [2] - 阿里巴巴、百度等企业持续加码原生多模态大模型，实现理解与生成一体化 [2] - 清华大学SALMONN音视频大模型在视频描述、问答等任务上表现出色 [2] - 腾讯发布开源世界模型混元Voyager，3D空间和时间中的感知、推理能力显著增强 [2] - 阿里巴巴通义千问大模型持续迭代，Qwen3-Max总参数超过万亿，编程和智能体工具调用能力取得明显突破 [3] - 2025年上半年，中国企业级大模型调用市场中通义占比位列第一 [3] - 模型在语言和多模态理解能力上提升明显，综合能力分别提升了30%和50% [3] - 线性注意力机制提升计算效率，面向环境的强化学习大幅提升模型工具使用能力 [3] - 科大讯飞5次迭代升级讯飞星火大模型，最新一代X1.5具备个性化记忆能力 [4] - TCL发布显示领域垂域大模型星智大模型3.0，在半导体显示行业得到充分应用 [5] 行业应用与赋能效果 - 人工智能加速进入千行百业，应用落地不断深化 [5] - 全国智能工厂数量突破3万家，带动生产效率提升22.3%，研发周期缩短近三成 [5] - 大模型在工业应用的价值链分布呈“微笑曲线”，研发设计与营销服务环节更易获得AI赋能 [6] - 2025年，生产制造环节案例占比由19.9%增长至25.9%，AI正向价值创造核心环节渗透 [6] - TCL星智大模型助力产品问题解析效率提升20%，材料开发效率提升30% [5] - 蘑菇车联自动驾驶车辆已在国内10余个城市落地，推动自动驾驶走向规模化、商业化 [7] 关键要素供给 - 算力供给：2025年全国智能算力规模预计将达到1037.3 EFLOPS，万卡级集群成为主流载体 [6] - 数据供给：2025年全国数据生产总量突破50 ZB [7] - 数据标注：合肥、成都等7个数据标注基地数据标注规模超29 PB，建设行业高质量数据集524个，赋能163个大模型研发 [7] - 工业领域拥有完整工业体系和良好数字化基础，保障数据来源多样且真实 [8] - 蘑菇车联拥有丰富的巴士车型数据集和独有的路侧数据集，可实现7×24小时连续采集 [7] 未来发展方向与建议 - 专家认为2026年人工智能技术将迎来进一步升级，为传统产业转型和新兴产业开辟赛道 [1] - 建议加大实施“人工智能+制造”行动，支持企业在重点场景应用各类大模型和智能体 [6] - 建议通过智能工厂梯度培育行动，带动装备、工业软件和系统集成创新成果加速应用 [6] - 建议优先建设“工业大模型+行业知识库+时间序列数据”基础模型簇 [8] - 建议在工厂侧强化数据治理和安全管理，通过联邦学习、边缘计算等方式完成模型微调和推理 [8] - 建议以国家级数据标注基地为依托，加快重点领域高质量数据集的标准化开发与共享 [8] - 建议建立跨行业、跨主体的数据流通机制，破解数据孤岛问题 [8] - 科大讯飞表示将聚焦AI主业，坚持底座模型自主研发，推动国产算力与操作系统适配再升级 [4] - TCL表示未来星智大模型将渗透至生产和研发更多核心环节，成为AI智能体中心 [5]