文章核心观点 - 文章为一份2026年春季投资策略会的邀请函，核心观点是：在“十四五”圆满收官、“十五五”开启之际，中国经济在顶压前行中向新向优发展，产业加速变革，新动能汇聚，为投资者开启了前所未有的机遇窗口，本次策略会将汇聚智慧以洞察先机，共绘投资蓝图 [2] 策略会基本信息 - **时间**：2026年3月24日至26日 [2] - **地点**：中国深圳福田 [2] - **主办方**：国泰海通证券 [2] - **目的**：探讨未来投资布局，汇聚行业智慧，洞察投资先机 [2] 策略会内容亮点 - **科技前沿**：聚焦AI应用、算力、Agent落地等热点议题 [5] - **深度研讨**：设置超过25个分论坛，覆盖超过40个行业及超过800家公司，覆盖全研究领域 [5] - **全球视野**：包含地缘博弈、中资出海、国别研究等国际化视角的讨论 [5] - **特色专场**：设有资产配置与融资融券、大宗商品、投资方法论等专场 [5] - **高端交流**：内外资机构、行业专家、上市公司高管将齐聚一堂 [5] - **联合直播**：总量分论坛将通过君弘APP、道合APP进行直播 [5] 部分重磅嘉宾介绍 - **海闻**：北京大学校务委员会副主任、汇丰商学院创院院长，主要研究国际经济学、发展经济学 [7] - **金灿荣**：中国人民大学国际关系学院副院长、教授，兼任中国国际关系学会副会长等职 [7][9] - **廖百智**：中国现代国际关系研究院中东研究所所长、研究员，长期从事西亚北非和伊斯兰问题研究 [11] 中国经济与产业背景 - **经济回顾**：2025年，中国经济面对国际经贸秩序调整和国内供强需弱等挑战，成功顶压前行，经济实力、科技实力、综合国力跃上新台阶 [2] - **发展引擎**：“十五五”期间，创新驱动已成为高质量发展的核心引擎 [2] - **产业转型**：传统产业正全面迈向高端化、智能化、绿色化转型 [2] - **新兴动能**：新兴产业集群成势、规模渐显，未来产业前瞻布局、蓄势待发 [2] - **内需动力**：内需作为经济增长的主动力持续增强，带动商品消费提质扩容、服务消费潜能加快释放 [2]

中国宏观经济与政策 - 会议将探讨2026年中国宏观经济政策展望及其对资产的启示 [13][15] - 北京大学海闻将发表对中国宏观经济和政策的展望演讲 [2] - 中央财经大学姚东旻将分析2026年财政发力的逻辑与结果 [23] 美国经济与全球宏观 - 特邀嘉宾将展望美国经济和货币政策 [2] - 上海交通大学胡捷将分析全球货币政策变局与资产展望 [11] - 西京研究院赵建将探讨叙事演化、估值周期及2026年宏观经济与大类资产前瞻 [23] 地缘政治与国际秩序 - 中国现代国际关系研究院廖百智将分析中东问题的现状和未来 [2] - 多个分会场将讨论国际秩序重塑、大国博弈及中资出海等议题 [5][17][19] - 宏观政策分会场主题为“地缘博弈、货币重构与中国政策” [13] AI算力与基础设施 - AI分会场主题为“算力应用全面开花” [4] - 通信分会场主题为“智算引擎轰鸣，光连接重构范式”，内容涵盖国内算力建设、光通信、IDC及卫星通信需求 [12][14] - 海光信息应志伟将演讲“AI时代的算力底座：安全如何成为核心竞争力” [7] AI应用与商业模式 - 分会场讨论AI渗透率提升，寻找流量重新分配受益标的 [5] - 多个演讲将探讨AI在营销、漫剧、玩具、广告、游戏工具、社交网络、本地生活、投研Agent等领域的应用趋势 [5][6][7][16][19] - 将分析OpenAI广告模型对互联网格局的影响，以及OpenClaw引领的AI应用开发范式迁移 [16][19] 半导体与硬件 - 电子半导体分会场将讨论如何把握趋势性高成长股票 [22] - 将探讨AI记忆工程拉动内存暴涨，以及Agent落地拉动CPU需求 [6] - 有演讲主题涉及“打造‘中国版TPU’，布局AI多元场景” [5] 科技产业链与投资方法论 - 科技产业链投资方法论分会场主题为寻找“四高”龙头 [20] - 将寻找科技产业链中高价值、高通胀、高壁垒环节的高弹性引领者 [22] - 计算机分会场主题为“寻找最锋利的矛” [22] 金融与资产配置 - 金融分会场将讨论“存款搬家与居民财富管理” [14] - 大类资产与指数投资分会场主题为“国际新秩序与产业新变革” [8] - 多元配置分会场将探讨宏观波动下的多资产配置与杠杆应用，包括两融策略 [30][31][35] 固定收益 - 固定收益分会场主题为“不固方寸，债适新途：重塑固收资产的时间之间” [21] - 唐元懋将演讲“利率重定价：边界与节奏”及“重塑固收资产的配置逻辑” [5][23] 量化投资 - 量化投资分会场主题为“午市乘势，量化大年” [34] - 内容涵盖人工智能重塑量化投资、工程化投研与Smart Beta体系建设、可转债投资策略等 [34][36] 新能源与电力 - 电新分会场主题为“进击的新能源”，将展望储能、动力电池、风电、电网投资及特高压 [24][25] - 将分析“AI对用电的影响”及“电改终局：供需决定电价” [32][39] - 公用事业研究将探讨“136号文和电力反内卷” [10] 人形机器人与商业航天 - 人形机器人+商业航天分会场将探讨具身智能模型在家庭和工业场景的泛化、电子皮肤、力矩闭环等技术 [26][28] - 商业航天分会场将讨论火箭、卫星、太空算力、相控阵雷达、卫星激光通信及与科研院所的协同 [26][37][39] - 军工投资新方向被指向商业航天的星辰大海 [22] 医药健康 - 医药分会场主题为“创新破局，扬帆世界：中国医药的全球价值时刻”，将讨论肿瘤、代谢、自免药物全球研发进展，以及医疗器械出海和脑机接口 [22][25] 消费 - 消费分会场主题为“服务消费的春天”，将探讨服务消费迎政策利好，以及食品饮料、美妆等大众消费回升 [25][26] - 将分析科技赋能家电，静待大众需求复苏 [27] 地产与地产链 - 地产链分会场将展望2026年房价及深圳地产市场走势 [7][10] - 建筑工程研究将聚焦高分红和科技转型 [10] “反内卷”主题投资 - 多个行业研究将探讨“反内卷”下的投资机会，涉及电力、金属、快递、石化等行业 [10][39] - 建筑工程研究聚焦高分红和科技转型，非金属建材研究关注景气重构 [10] 大宗商品 - 大宗商品分会场主题为“商品的第二增长曲线”，将研判贵金属、有色、新能源品种、化工、农产品等 [29][32] - 金属新材料研究提出“金属：从商品到战略资产” [39] 交通运输 - 交通运输研究将探讨航空、油运的超级周期，以及高速公路、快递行业的投资机会 [10][32][39] 新股与IPO - 新股研究首席王政之将演讲“科技支持力度加码，2026年IPO提质稳速” [5] 国企改革与低估值 - 相关分会场将讨论长协电价、城燃、家电、轻工、纺织服装、农林牧渔等行业的国企改革与低估值机会 [27]

行业与公司 * **锡业股份**：全球主要的锡及铟金属生产商 [1] * **京东方A**：全球领先的半导体显示产品供应商 [4] * **广联航空**：航空工业产品供应商，参与国产大飞机配套 [8] 核心观点与论据 **锡业股份** * **全球锡供给预计小幅收缩**：东南亚锡矿主产国政策收紧，新兴产区规模有限且受地缘风险扰动，可能无法对冲传统产区产量下滑 [1] * **锡加工费处于低位**：2026年以来锡冶炼加工费虽有上调，但考虑到锡价和行业平均回收率，当前加工费水平仍较低 [2] * **公司铟资源储备丰富**：都龙矿区铟资源储量全球第一，截至2024年底铟金属保有资源储量4821吨，2025年前三季度生产产品铟101.62吨，铟价上涨将对业绩产生正面影响 [3] **京东方A** * **TV面板价格预计继续上涨**：需求端受体育赛事、春节备货等影响，品牌厂备货需求强劲；供给端厂商坚持“按需生产”，预计3月稼动率处于高位，2月各主流尺寸TV面板价格全面上涨且涨幅扩大，预计3月维持涨势 [4] * **8.6代AMOLED产线预计下半年量产**：该产线已于2025年12月30日提前点亮，预计2026年下半年量产，将更好匹配IT客户高端需求，强化公司竞争力 [5] * **折旧与资本开支将迎来向下拐点**：存量产线折旧持续减少，在建产线分阶段转固，折旧金额在2025年达峰；资本开支同样在2025年达峰，预计从2027年开始有望大幅下降 [6] **广联航空** * **公司积极参与国产大飞机配套**：公司参与C909、C919、C929机型的工装及零部件配套，派驻团队研发复合材料成型工装、柔性自动化装配产线等，深度参与机身、货舱门等关键部段技术验证，已有部分工装产品完成试用交付；同时聚焦机体结构类零部件配套，已完成多轮样品试制与性能测试 [9] * **公司已落地多家AI工厂**：多项领先AI+创新应用系统已在生产计划、物料供应、生产制造、品质管理、能源优化、环境安全等场景应用，提升生产制造质效 [7] [8] 其他重要内容 * 本次调研信息来源于三家公司于2026年2月25日的投资者关系活动记录表 [11] * 文档包含免责声明，内容仅供参考，不构成投资建议 [10]

联想智库2026企业AI十大趋势核心观点 - 人工智能技术正经历从“概念验证”到“产业深度融合”的关键转折，企业核心挑战转向将AI与业务战略、组织架构、产业生态协同演进，实现从“效率提升”到“价值创造”的跨越 [1] - 企业应用AI的方式正发生根本性升级，牵引出涵盖组织建设、商业模式、AI治理、基础设施等十大趋势 [3] - 十大趋势与联想的判断和实践契合，公司于2017年布局AI，2023年提出混合式AI战略，在个人和企业AI领域发力，以AI驱动业务实现跨越式增长 [3] 趋势一：从“+AI”到“AI+”，涌现AI原生企业 - 企业当前多处于“+AI”阶段，即在既有架构上外挂式引入AI工具进行辅助 [7] - 当AI能力进化至L3级智能体时，将触发“AI+”式架构升级，倒逼企业以“4A视角”重构业务/组织、应用、知识、技术与安全架构 [7] - 核心是从“流程驱动”转变为由多智能体协同的“价值网络”驱动，并构建“碳硅融合”组织，这一升级是根本性的，绝大多数非AI原生企业需多年分阶段完成 [7] - 目前，一些完全由智能体协同构成的“一人公司”已展示AI原生组织的雏形 [7] 趋势二：从大模型token付费到智能体结果付费 - 企业评估与使用大模型的准则正从“单纯追求模型能力”转向综合考虑模型性能与算力成本的“模算效能” [8] - 评价AI方案时，需将算力部署形态、推理成本、延迟、并发、运维复杂度、可靠性与安全合规等纳入同一指标体系，衡量综合性价比 [8] - 供给侧将持续提升中小参数模型能力、发展垂直/行业模型，并强化多模型协同与工具链 [8] - 需求侧将更常态化采用通用+垂直、多参数规模混合配置与调度，并形成云-边-端混合部署，以在可控成本下实现低延迟、高可用与可扩展的AI能力供给 [8] 趋势四：AI-Ready成为企业知识治理新标准 - 企业对知识的治理标准正发生转变，“非AI Ready”知识难以被AI系统直接、精准、高效地利用 [10] - “AI Ready”的知识可被AI稳定使用并可审计，是知识有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营，并具有明确权限的核心资产 [10] - 企业将把知识治理从“资料管理”升级为“面向智能体的知识工程”，通过自动化采集与清洗、语义标签与本体/术语体系、检索与引用链路审计、持续评测与纠偏，使高质量知识与知识治理智能体成为关键资产 [10] 趋势五：AI治理从被动应对进入主动构建 - AI在释放发展动能的同时，也放大了安全、隐私、伦理与系统性风险等多重挑战 [11] - 安全合规已不仅是防御性需求，更是构筑客户信任与业务韧性的长期竞争力 [11] - 企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素的AI治理链条，坚持发展和安全并重 [11] - 通过“治理左移”将风险控制前置至技术源头，通过“动态可控”确保对系统的实时监督与干预，通过持续强化数据安全与隐私保护守住核心资产底座 [11] 趋势六：企业推理需求爆发，AI工厂加速落地 - 2026年将成为企业算力采购市场的关键分水岭，随着AI应用从概念验证迈向规模化推广，渗透到更多价值链环节，智能体将执行更复杂、上下文更长的任务 [12] - 企业客户将形成稳定、持续的规模化推理算力需求，非大模型企业由此引发的算力采购规模增长速度首次超过CSP厂商 [12] - 企业的投资重心将向支撑大规模并发业务的推理算力基建倾斜 [12] - 联想于去年年底正式发布了“AI工厂”，提供包括数据采集、智能体开发、模型训练到推理服务的标准化全栈AI解决方案，重塑AI应用的开发与部署流程 [4] 趋势七：软硬一体，推动算力效率革命 - AI算力优化已从“单点提速”转向“端到端软硬协同优化”，软件与硬件深度适配、协同演进 [13] - 硬件上，GPU通信、CXL、高速网络交换芯片持续迭代，“超节点”新型计算集群兴起，集群性能上限快速提升 [13] - 软件上，围绕芯片、内存、集群拓扑做编译、调度、访存、通信等全栈优化，大幅拉高硬件利用率，还将反向推动“软件定义硬件”的架构取舍 [13] - 对于企业而言，选择或构建具备全栈协同优化能力的算力平台，将成为在AI规模化落地中控制成本、提升性能、确保业务弹性的关键 [13] 趋势八：算电协同，降低AI总拥有成本 - AI基础设施正从单一的算力建设转向“计算与能源”的一体化演进，基础设施将更加重视“计算、能源、碳效与成本”的深度融合 [14] - 未来，电力条件将成为AI工厂选址、建设及运营的核心变量 [14] - 通过将FinOps理念引入算力全生命周期，电力运营成为优化AI供给成本的核心杠杆 [14] - 利用电力运营的柔性调度，如绿电配比、储能消纳、液冷技术与能效指标等，结合全链路碳足迹追踪，企业将实现从单一算力指标向“单位算力能效”与“单位算力成本”的双重优化 [14] - AI供给将实现从“能耗驱动”向“能效驱动”的跨越，构建低成本、低碳化、可度量的绿色AI供给网络，将成为大规模推理时代的核心竞争力 [14] 趋势九：RaaS，物理AI落地第一步 - 物理世界的AI能力（感知、规划、控制与人机协作）正在加速走向工程化、规模化落地，工业与物流等场景率先形成标准化交付 [15] - “机器人即服务”降低了使用门槛，并推动标准化场景包、远程运维与持续迭代，成为物理AI从试点走向规模化的重要商业路径 [15] 趋势十：国产&开源，中国企业AI创新新动能 - 中国企业AI的发展路径正形成独特范式，其核心由“国产创新”与“开源普惠”双轮驱动 [16] - 国产创新将沿“芯片-系统软件-框架工具链-模型-智能体应用”形成更完整的技术体系，生态成熟度持续提升，并在更多行业与场景实现可规模化部署 [16] - 开源普惠（模型、推理引擎、工具链与数据/知识治理组件等）将显著降低企业采用门槛，推动“国际+国产、开源+商业”的混合技术路线成为常态 [16] - 两者共同构成中国企业AI发展的新范式：在可控、安全与成本优势下，加速规模化应用与持续创新 [16]

文章核心观点 - 2026年人工智能技术正经历从“概念验证”到“产业深度融合”的关键转折，企业核心挑战转向将AI与业务战略、组织架构、产业生态协同演进，实现从“效率提升”到“价值创造”的跨越 [1] - 企业应用AI的方式正发生根本性升级，并牵引出涵盖组织建设、商业模式、AI治理、基础设施等十大趋势，这些趋势与联想的判断和实践高度契合 [3] 行业趋势总结 趋势一：从“+AI”到“AI+”，涌现AI原生企业 - 企业当前更多处于“+AI”阶段，即在既有架构上外挂式引入AI工具进行局部优化 [6] - 当AI能力进化至L3级智能体时，将触发“AI+”式架构升级，企业需以“4A视角”重构业务/组织、应用、知识、技术与安全架构 [6] - 核心是从“流程驱动”转变为由多智能体协同的“价值网络”驱动，并构建“碳硅融合”组织，这一升级是根本性的，非AI原生企业需分阶段多年完成 [6] 趋势二：从大模型token付费到智能体结果付费 - 当AI从“辅助工具”变为“数字劳动力”，企业投入逻辑从“为技术付费”转向“为业务价值付费” [7] - 企业侧更强调价值投资，明确业务目标、衡量可量化收益与风险后再决定投入 [7] - 服务商侧定价与交付将更贴近结果，例如按“智能体工作单元”或“可验收成果”计费，推动商业模式向“按效果服务/外包”演进 [7] 趋势三：“模算效能”成企业选择和应用大模型第一准则 - 企业评估大模型的准则正从“单纯追求模型能力”转向综合考虑模型性能与算力成本的“模算效能” [8] - 评价AI方案时，需将算力部署形态、推理成本、延迟、并发、运维复杂度、可靠性与安全合规等纳入同一指标体系，衡量综合性价比 [8] - 供给侧将持续提升中小参数模型能力、发展垂直/行业模型，并强化多模型协同与工具链 [8] - 需求侧将更常态化采用通用+垂直、多参数规模混合配置与调度，并形成云-边-端混合部署 [9] 趋势四：AI-Ready成为企业知识治理新标准 - 企业对知识的治理标准正从“非AI Ready”向“AI Ready”转变 [10] - “AI Ready”的知识可被AI稳定使用并可审计，具有清晰来源与版本、结构化/半结构化表达、可追溯引用、可持续运营等特征 [10] - 企业将把知识治理从“资料管理”升级为“面向智能体的知识工程”，通过自动化采集与清洗、语义标签等使高质量知识成为关键资产 [10] 趋势五：AI治理从被动应对进入主动构建 - AI在释放发展动能的同时，放大了安全、隐私、伦理与系统性风险等多重挑战 [11] - 安全合规不仅是防御性需求，更是构筑客户信任与业务韧性的长期竞争力 [11] - 企业亟需构建安全、可靠、可信、透明、可解释、可持续的全过程全要素AI治理链条，坚持发展和安全并重 [11] 趋势六：企业推理需求爆发，AI工厂加速落地 - 2026年将成为企业算力采购市场的关键分水岭，随着AI应用从概念验证迈向规模化推广，企业将形成稳定、持续的规模化推理算力需求 [12] - 非大模型企业由此引发的算力采购规模增长速度首次超过CSP厂商 [12] - 企业的投资重心将向支撑大规模并发业务的推理算力基建倾斜 [12] 趋势七：软硬一体，推动算力效率革命 - AI算力优化已从“单点提速”转向“端到端软硬协同优化”，软件与硬件深度适配、协同演进 [13] - 硬件上，GPU通信、CXL、高速网络交换芯片持续迭代，“超节点”新型计算集群兴起 [13] - 软件上，围绕芯片、内存、集群拓扑做全栈优化，大幅拉高硬件利用率，并反向推动“软件定义硬件”的架构取舍 [13] - 选择或构建具备全栈协同优化能力的算力平台，成为企业控制成本、提升性能、确保业务弹性的关键 [13] 趋势八：算电协同，降低AI总拥有成本 - AI基础设施正从单一的算力建设转向“计算与能源”的一体化演进 [14] - 未来，电力条件将成为AI工厂选址、建设及运营的核心变量 [14] - 通过将FinOps理念引入算力全生命周期，利用绿电配比、储能消纳、液冷技术与能效指标等电力运营柔性调度，结合全链路碳足迹追踪，企业将实现从单一算力指标向“单位算力能效”与“单位算力成本”的双重优化 [14] 趋势九：RaaS，物理AI落地第一步 - 物理世界的AI能力正在加速走向工程化、规模化落地，工业与物流等场景率先形成标准化交付 [15] - “机器人即服务”降低了使用门槛，并推动标准化场景包、远程运维与持续迭代，成为物理AI从试点走向规模化的重要商业路径 [15] 趋势十：国产&开源，中国企业AI创新新动能 - 中国企业AI的发展路径核心由“国产创新”与“开源普惠”双轮驱动 [16] - 国产创新将沿“芯片-系统软件-框架工具链-模型-智能体应用”形成更完整的技术体系，生态成熟度持续提升 [16] - 开源普惠将显著降低企业采用门槛，推动“国际+国产、开源+商业”的混合技术路线成为常态 [16] 公司实践与布局 - 联想在2017年前瞻式布局人工智能，并于2023年提出混合式AI战略，在个人AI和企业AI两大领域发力，以AI驱动整体业务实现跨越式增长 [3] - 联想于去年年底正式发布了“AI工厂”，提供包括数据采集、智能体开发、模型训练到推理服务的标准化全栈AI解决方案，重塑AI应用的开发与部署流程 [4] - “AI工厂”的核心在于将原本复杂且孤立的AI开发任务，转变为一条标准化、高效率的现代“AI生产线”，呼应了“企业推理需求爆发，AI工厂加速落地”的趋势 [4] - 联想智库成立于2021年，是中立非商业性平台，目前拥有200多位高端专家，是面向全社会开放的高端交流、战略研究和创新实践平台 [6]

文章核心观点 - 湖北大数据集团投资建设的AI工厂在武汉正式建成并投入运营 该工厂旨在通过集约化、标准化的生产方式 降低人工智能应用开发门槛 为各行业数智化转型提供支撑[1] 破解开发难题：AI工厂因何而生 - 传统AI应用开发面临算力获取难、数据合规成本高、算法开发周期长三大门槛 开发模式以项目制、分散化为主[3] - 传统模式导致技术栈不统一 资源重复投入 开发周期动辄数月 投入成本高达数百万元 规模化落地困难[3] - AI工厂通过将算力、数据、算法三大核心要素深度整合与系统打通 提供全栈式AI服务以应对上述挑战[5] 看得见的生产线：四大中心与三大车间 - AI工厂在1700平方米的实体空间内 构建了算力运营中心、数据运营中心、模型运营中心和场景运营中心四大核心部分[6][7] - 算力运营中心通过湖北算力互联互通平台 实现全省算力资源的统一调度与按需取用 用户无需自建服务器[6] - 数据运营中心通过国家数据基础设施湖北节点对接全国数据资源 并通过数据车间进行清洗、标注、治理以提供标准化数据集[6] - 模型运营中心负责对接和管理内外部已投产模型 监测其运行状态与调用性能[6] - 场景运营中心作为应用展示与体验窗口 提供重点场景的全方位演示[7] - 工厂内设数据车间、模型算法车间、智能体车间三大核心生产车间 进行流水线协同作业[8] - 工厂规划了75道标准化关键工序 并配套了180余套自动化工具 覆盖从数据标注到部署上线的全部环节 确保服务交付及时与产品合规[10] 初步投产：一批惠及民生的智能体已投入应用 - AI工厂首期聚焦医疗健康领域 已上线多款AI智能体[14] - “楚大夫”AI云陪诊智能体已在15家三甲医院上线 为患者提供就医全流程引导、检查报告解读等服务[14] - 面向医生的电子病历智能质控系统为医疗机构提供病历书写规范性与逻辑合理性的校验服务[14] - 面向机构的医学影像智能分析服务 提供高效的影像质控与辅助阅片 能快速识别异常并生成结构化报告[14] 未来规划与发展方向 - AI工厂未来将聚焦政务、医疗、制造、农业、金融、教育、物流、城市等重点领域[16] - 计划系统构建覆盖多行业的AI垂类大模型与智能体矩阵[16] - 以“大模型+智能体”深度融合为核心抓手 推动数智技术与实体经济深度耦合 为各行业提供精准适配的AI解决方案[16]

区域经济发展战略与成果 - 临平区在“十五五”开局之年将“融合”作为核心发展主题，旨在打造杭州城东新中心与共同富裕示范区样板[3] - 2025年全区实现地区生产总值1216.31亿元，同比增长5.1%，完成财政总收入254.15亿元、一般公共预算收入146.27亿元[3] - 区域战略定位为“深度融沪桥头堡、产城融合示范区”，深度融入长三角一体化发展并联动G60科创走廊、杭州城西科创大走廊和城东智造大走廊[3] 交通基础设施与区域协同 - “十五五”期间，沪杭高铁、杭州地铁四期、杭州中环（临平段）、沪杭高速（乔司段）改建等重大交通工程将建成通车，以夯实协同发展硬件基础并凸显交通枢纽地位[4] - 通过交通建设全面融入长三角，旨在汲取上海外溢资源，联动三大走廊实现优势互补，将区位优势转化为发展胜势[4] 产业与城市融合发展 - 2026年将坚实推进“产城融合示范区”建设，临平数智城核心区与临平北枢纽等城市重要板块将从蓝图细化为具体场景[4] - 产业端推动“两新”融合，2026年计划新增3个行业垂直大模型，人工智能产业营收目标为110亿元，并深化智能制造与AI工厂建设[4] - 2026年计划新增国家卓越级智能工厂1家、省级未来工厂试点企业1家[4] 人才发展与创新创业 - 2026年将实施教科人一体化落地转化专项行动，并创新青年人才“AI+”OPC（一人公司）创业支持模式，以人才落地转化举措提升城市活力[5] 城乡融合与公共服务 - 2026年将推动教育、医疗、养老等优质公共服务延伸，包括加快建设19个学校项目、建设市三医院临平院区与10个区域诊疗中心、新（改）建居家养老服务照料中心及老年食堂（助餐点）各5家[5] - 深化“塘栖水韵风情”“运河乡村研学”等片区组团发展，推动农文旅深度融合[5] 乡村产业振兴 - 推动“土特产富”全链发展、支持青年入乡发展、培育农创客，以召唤“青年返乡”并重新定义乡村为新产业、新业态的承载地[5]

文章核心观点 - 英伟达CEO黄仁勋在对话中提出，AI革命不是IT部门的升级，而是一次商业逻辑的“重置”，企业需要从制造工具的思维转向创造“数字劳动力” [4][16] - 在算力指数级提升（过去10年提升100万倍）的“丰盈”（Abundance）时代，企业领导者必须用“无限快”和“零重力”的假设重新定义核心问题，否则将被以这种新思维运作的竞争对手颠覆 [5][11][12] - 企业最宝贵的知识产权可能不是答案，而是员工在战略思考中提出的“问题”，这促使公司需要建立本地的、受控的AI能力以保护核心资产 [13] 企业迈向AI的路径与管理哲学 - 企业迈向AI的第一步不是计算投资回报率（ROI），而是鼓励“安全地试错”，允许内部AI项目“百花齐放”甚至达到“失控”状态，以培养组织的“AI感觉” [6][7] - 管理逻辑应像对待孩子的好奇心：对团队提出的AI尝试先回答“可以”，再问“为什么”，而不是先要求证明价值，以保护创新探索的触角 [6][23] - 在经过一段充分的探索期后，领导者再凭借直觉“修剪花园”，将资源集中到重要方向，但过早集中力量可能会选错重点 [7][24] AI工厂与价值创造的根本转变 - “AI工厂”的本质不是存放服务器的机房，而是源源不断产出“数字劳动力”或“增强型劳动力”的新型价值创造中心 [9][10] - 行业正经历从“制造工具”（如软件、芯片）到“创造劳动力”的根本性转变，例如自动驾驶汽车的本质是数字司机，其生命周期经济价值远超汽车硬件本身 [9][35] - AI带来的最大机会是渗透和重塑实体经济：全球IT产业规模约1万亿美元，而全球经济总量是100万亿美元，潜在市场总量拓宽了百倍 [10][35] - 每个传统行业都有机会通过注入数字劳动力，将自己重塑为一家技术公司，例如迪士尼想成为Netflix，梅赛德斯想成为特斯拉 [5][10][35] 用“丰盈”思维重新定义问题 - 在算力过去10年提升100万倍的指数级“丰盈”前提下，昔日的摩尔定律（10年100倍）慢得像蜗牛爬 [5][26] - 企业领导者需要建立新的认知基准，以“无限快”、“零重力”、“光速”的假设来思考公司最核心、最棘手的工程与商业难题 [11][27][28] - 例如，面对拥有数万亿关联关系的复杂网络分析，新思维是“把整个图都给我，多大都行，我不在乎”，而不是分而治之 [12][27] 数据主权、知识产权与未来公司内核 - 企业应建立“切身的技术掌控力”，建议像教孩子学骑车一样自己动手构建AI系统，而非完全依赖公有云 [13][38] - 公司最宝贵的知识产权可能不是数据库里的答案，而是员工与AI交互中产生的、反映战略重点的“提问”，这些必须被保护在受控的本地环境中 [13][38] - 未来每个员工都会拥有许多持续学习其决策和疑问的AI助手，这些进化了的AI将成为公司沉淀下来的独特智能资产，即“未来的公司” [13][39] 计算范式的根本革命：从显式编程到隐式编程 - 计算正经历60年来的首次重塑，从“显式编程”（编写精确代码）转向“隐式编程”（告诉计算机意图，由其生成代码） [18][31][37] - 这意味着编程（被比喻为“打字”）能力变得平庸化，技术门槛极大降低，而深谙客户与业务问题的领域专长价值飙升 [16][37] - 软件范式正从“预录制”时代（如刻在CD-ROM中，基于检索）迈入“生成式”时代，未来的软件实例将是高度情境化、动态生成的独特存在 [14][15][32] 物理AI与工具使用 - 下一代AI是理解物理世界和因果关系的“物理AI”，它将能够理解如多米诺骨牌效应般的物理概念 [34] - 让AI学会使用现有工具（如CAD软件、ERP系统）是重要方向，因为对于已有确定性答案（如F=ma）的问题，应直接使用精准工具而非概率猜测 [34] - 最终目标是创造能够使用工具、进行研究和规划的“智能体AI”（Agentic AI），以解决从未见过的问题 [20]

文章核心观点 - 英伟达CEO黄仁勋认为，AI革命正引发计算范式的根本性重塑，企业应从追求投资回报率转向鼓励广泛探索，以抓住从“制造工具”转向“创造数字劳动力”的百万亿美元级市场机遇 [4][9][10] - 编程（打字）的价值正在被极大削弱，而深度的行业知识与领域专长将成为企业最宝贵的“超级力量” [4][19][70] - 企业领导者需以“丰盈”（无限快、零成本）的假设重新思考核心业务难题，并重视由“提问”构成的核心知识产权，在本地构建主权AI能力 [13][16][45] 企业迈向AI的第一步：管理哲学与路径 - 企业启动AI转型的第一步不应是计算投资回报率，而应允许内部进行广泛甚至“失控”的探索，即“让百花齐放” [6][39] - 管理逻辑应像对待孩子的好奇心一样，先对团队的AI尝试说“可以”，再问“为什么”，以培养组织的“AI感觉” [6][40] - 经过一段充分甚至略显混乱的探索期后，领导者再凭借直觉“修剪花园”，将资源集中到核心方向，但过早集中力量可能导致选错重点 [7][42] AI工厂与价值创造的根本转变 - AI工厂的本质不是存放服务器的机房，而是源源不断产出“数字劳动力”（如数字司机、客服、调度员）的新型价值创造中心 [9] - 行业正经历从“制造工具”（螺丝刀、锤子）到“创造劳动力”的根本性转变，自动驾驶汽车的生命周期经济价值将远超汽车硬件本身 [9][68] - 全球IT产业规模约1万亿美元，而全球经济总量是100万亿美元，AI带来的最大机会是渗透和重塑那剩下的99万亿美元实体经济 [10][68] - 每个传统行业都有机会通过注入数字劳动力，将自己重塑为一家技术公司，例如迪士尼想成为Netflix，梅赛德斯想成为特斯拉 [11][68] 颠覆性思维：用“丰盈”假设重新定义问题 - 过去10年，算力提升了100万倍，在这种指数级“丰盈”面前，昔日的摩尔定律（10年100倍）慢得像蜗牛爬 [4][44] - 企业领导者应以技术“无限快”、成本“零重力”的假设，重新思考公司最核心、最棘手的难题 [13][45] - 例如，面对拥有数万亿关联关系的复杂网络分析，新逻辑是“把整个图都给我，多大都行，我不在乎”，而非分而治之 [13][45] - 如果竞争对手或初创公司以这种思维方式发起挑战，将从根本上改变游戏规则 [14] 数据主权、知识产权与未来公司内核 - 企业应拥有“切身的技术掌控力”，建议像教孩子学骑车一样，自己动手构建AI系统以理解其组件 [16][72] - 公司最宝贵的知识产权可能不是数据库里的“答案”，而是员工与AI交互中产生的“提问”，这反映了公司的战略思考重点 [16][73] - 涉及战略的对话应在受控的本地环境中进行，以防止核心关切（提问）泄露 [16][73] - 未来，每个员工的AI助手将持续学习其决策和疑问，这些进化后的AI将成为公司沉淀下来的独特智能资产，即“未来的公司” [16][73] 计算范式的革命：从预录制到生成式 - 计算正经历60年来的首次重塑，从“显式编程”（编写精确代码）转向“隐式编程”（告诉计算机意图，由其生成解决方案） [28][49] - 我们正从一个“预录制”的软件时代（如CD-ROM，本质是检索）迈入“生成式”时代，软件将根据实时上下文、使用者和提示词动态生成独一无二的实例 [18][52] - 这一变革始于约15年前深度学习在计算机视觉（如AlexNet）的突破，而自监督学习的出现使模型参数从数亿爆炸性增长至数万亿，打开了知识编码的闸门 [18][49] 行业价值重构：领域专长成为王牌 - 随着从显式编程转向隐式编程，写代码被比喻为“打字”，而打字已经变得平庸化和廉价 [19][70] - 技术门槛的降低使得深谙业务但不懂技术的领域专家价值飙升，理解客户、理解问题的领域专长成为企业的“超级力量” [19][70] - 刚毕业的计算机专业学生可能擅长写代码，但不知道客户想要什么，而行业专家知道，后者结合AI将释放巨大能量 [19][70] 物理AI与工具使用 - 下一代AI的发展方向之一是“物理AI”，即能够理解物理世界和因果关系的AI，例如理解推倒多米诺骨牌的概念 [67][68] - 即使对于终极的通用人工智能，使用现有的、确定性的工具（如计算器、SAP）也比重新发明更为合理，AI应学会像人类一样使用工具 [67] - 这延续了从制造工具到创造劳动力的主题，但强调AI需与现有工具生态结合 [67][68]

公司动态 - 亚马逊在re：Invent 2025大会上发布多项AI产品，包括Trainium3 UltraServers、新Nova模型及自主“前沿智能体” [1][2] - 公司与英伟达达成合作，并提供本地部署的“AI工厂”解决方案 [1][2] 市场表现 - 美股周三早盘，亚马逊股价下跌1% [1][2]