可控核聚变基础设施建设 - 瀚海聚能HHMAX-901主机建设完成并举行等离子体点亮仪式 成为公司推进可控核聚变技术研发和商业化的重要载体 [2] - 行业进入基础设施建设密集期 中国在建14个主要项目总投资规模达1362亿元 未来3-5年为招标关键窗口期 [2] - 投资主体多元化 涵盖科研机构（中科院合肥所、清华、中核）、国企（新能、联创光电、中国聚变能）和民企（新奥、能量奇点等） [2] 量子计算机技术突破 - 丹麦启动QuNorth计划 诺和诺德基金会与政府基金EIFO各投资4000万欧元（约6.68亿元人民币） 重点建设全球最强量子计算机Magne [3] - Magne将结合微软量子纠错技术和Atom Computing中性原子高保真量子比特 成为全球首批2级量子计算机之一 [3] - 量子科技产业化加速 产业规模估值达千亿美元级别 应用涵盖化学、金融、AI等领域 [3] - 国家连续三年强化量子科技布局 从"开辟新赛道"升级为"建立投入机制" 凸显其战略地位 [3] 具身智能机器人落地场景 - 智元机器人将展示世界首个数据驱动的具身智能机器人物流作业 物流搬运场景有望率先落地 [4] - 物流行业优势：工作体量庞大市场空间广阔 任务简单可复制性强 人工依赖度高易替代 [4] AI Agent商业模式转型 - OpenAI发布通用AI代理ChatGPT智能体 飞书推出AI开发套件包括飞书aily 微软上线DeepResearch预览版整合GPT-3与必应搜索 [5] - AI Agent商业模式从"提供工具"转向"交付价值" SAAS企业或迎价值重估 [5]

宏观新闻 - 雅鲁藏布江下游水电工程正式开工，总投资约1.2万亿元，建设5座梯级电站 [1][5] - 国家出口管制工作协调机制办公室部署打击战略矿产走私出口专项行动，要求加大执法力度并建立联合执法协调中心 [4][5] - 金融监管总局强调中小金融机构改革化险，防范重点领域风险，打击非法金融活动 [6] 行业新闻 - 市场监管总局约谈饿了么、美团、京东，要求平台理性竞争，促进餐饮服务行业健康发展 [3][7] - 工信部等三部门召开新能源汽车行业座谈会，部署规范竞争秩序，加强价格监测和产品质量监督 [7] - 中央第四指导组调研新能源汽车行业非理性竞争问题，与北汽、比亚迪等企业座谈 [7] - 工信部将实施十大重点行业稳增长工作方案，推动人形机器人、元宇宙等未来产业发展 [8] - 中钢协提议建立产能治理新机制，防范钢铁行业产能过剩风险 [9] - 美国对中国阳极级石墨征收93.5%反倾销税，外交部呼吁遵守市场经济规则 [9] - 发改委研究低空经济高质量发展，防止低效重复建设和恶性竞争 [9] 公司新闻 - 宇树科技开启上市辅导 [3][10] - 国务院国资委批准组建中国雅江集团有限公司 [10] - 东方财富股东沈友根拟询价转让1%股份 [11] - 诺泰生物被实施其他风险警示，股票简称变更为"ST诺泰" [11] - 中国船舶吸收合并中国重工获证监会批准 [11] - 芯联集成拟58.97亿元收购芯联越州72.33%股权 [12] - 南京高科上半年合同销售金额10.21亿元，同比增长729.83% [12] - 启迪设计联合体预中标8.6亿元河南空港智算中心项目 [12] - 长城汽车上半年净利润63.37亿元，同比下降10.22% [13] - 长鸿高科拟收购广西长科100%股权 [13] - 熙菱信息实控人筹划控制权变更 [13] - 红宝丽第一大股东及实控人拟减持不超2%股份 [14] - 华大九天大基金及上海建元拟减持不超0.5%和1%股份 [15] 环球市场 - 美股三大指数涨跌互现，纳指涨0.05%，标普500跌0.01%，道指跌0.32% [16] - 纳斯达克中国金龙指数上周涨3.93%，中国ETF创3月以来最大单周涨幅 [16] - 特朗普签署《指导与建立美国稳定币国家创新法案》，稳定币监管立法进入实施阶段 [2][16] 投资机会 - 可控核聚变进入基础设施建设密集期，中国在建项目总投资1362亿元，未来3-5年为招标关键窗口期 [18] - 丹麦将建设全球最强量子计算机Magne，投资8000万欧元，量子科技产业化加速 [19] - 具身智能机器人有望在物流场景率先落地，智元机器人将展示世界首个数据驱动的物流作业机器人 [20][21] - AI Agent商业模式转向"交付价值"，OpenAI发布ChatGPT智能体，微软上线DeepResearch预览版 [22]

产品发布 - OpenAI于7月18日发布ChatGPT Agent，整合Operator的视觉交互能力和DeepResearch的信息合成能力，旨在打造全能助理[1][2] - 新产品覆盖办公自动化、生活助手、深度研究等多场景，可自动生成会议简报、竞品分析PPT、规划菜单并采购等[3] - 功能目前仅向Pro、Plus和Team用户开放，且Plus与Team用户每月限用40次[5] 技术性能 - 在HLE测试中pass@1得分达41.6%，刷新纪录；SpreadsheetBench测试准确率45.54%，远超微软Copilot in Excel的20%[3] - 内部测试显示其50%知识工作任务表现比肩或超越人类，但用户反馈实际任务完成率同样约50%[4] - 采用虚拟机同时调度视觉浏览器、文本浏览器和代码终端，解决Operator与DeepResearch的原有短板[2] 用户体验争议 - 效率问题突出：15秒手动任务Agent耗时35分钟，且结果需额外2-3倍时间核对[4] - PPT生成功能美观度不足，被评逊色于竞品；服务器崩溃问题仍存[4][5] - 连接Google Drive等私密数据源引发安全担忧，99.99%成功率仍意味美国每周潜在7200次错误[4] 行业趋势 - AI竞赛进入下半场，从技术突破转向精细化运营，聚焦实际应用与商业化[5] - 公司采取实时监控、禁用记忆功能等措施应对生物化学武器领域的高风险能力[6] - 行业面临核心矛盾：强大能力与高昂成本间的可持续商业模式探索[5] 产品定位 - 此次更新属内部整合型常规升级，非颠覆性创新，反映巨头产品迭代策略转变[1][5] - 发布本质为大规模公开测试，非成熟商业产品，凸显能力与实用性的现存鸿沟[5][6]

秘塔AI搜索新功能DeepResearch 核心功能升级 - 秘塔AI搜索推出"深度研究"(DeepResearch)功能，取代原有的简洁/深入/研究三种模式，提供更专业的分析能力[5][6][7] - 功能设计具有游戏化交互体验，通过可视化界面展示AI的思考过程，包括token消耗量(324911)、信源数量(540)、调研时间(8.1分钟)等实时数据[23][25][43] - 采用多链式问题分析框架，将复杂问题拆解为可追踪的节点网络，明确标注结论待完善/检索中/需验证等状态[34][35][45] 行业应用案例 - 外卖行业分析： - 准确识别京东/美团/淘宝外卖大战本质为"高频打低频"的战略对抗，美团通过高频业务切入电商低频市场形成降维打击[54][55] - 生成超万字深度报告，包含四大章节的纵向(10年行业发展)与横向(三家公司对比)分析，严格遵循用户提出的横纵分析法[16][18][53] - 网红现象研究： - 仅凭"红姐"关键词自动关联抖音/B站/微博内容，分析TOP10二创视频完播率，输出包含10个网络梗的万字报告[76][80][86] - 展示完整信息溯源路径，包括视频链接跳转、原文悬浮窗预览等交互功能[46][49][61] 产品差异化优势 - 报告质量达到OpenAI DeepResearch水平，但免费用户每日可获得100搜索额度(每次消耗20-30额度)，付费用户年费179元享500额度/日[68][70] - 独创互动研究报告生成功能，自动将长文本转化为可视化网页，支持用户自定义信源偏好管理[63][64][67] - 严格区分浅度/深度研究模式，坚持功能成熟度达标后才正式推出，报告长度控制在1万字上限[94][97] 技术实现特点 - 突破传统AI黑箱模式，通过神经网络式节点连线展示信息关联过程，支持全屏模式下的细节追溯[41][42][45] - 信源处理能力覆盖文字/视频等多模态内容，右侧信息栏可直接跳转原始材料或调用讲解功能[61][49] - 语义理解精准度极高，能根据模糊指令(如"红姐")自动扩展搜索维度，避免误判关键信息[77][80]

行业趋势分析 - 全球最大稍后阅读工具Pocket宣布停服 将于2024年10月8日删除所有用户数据 该产品在被Mozilla收购后已进入慢性衰退期 高峰期曾服务1700万用户并保存超10亿篇文章[2] - 停服核心原因是用户网络使用习惯变化 母公司决定将资源转向更符合当代浏览需求的项目[3] - 该事件标志着"稍后阅读"商业模式的式微 反映AI时代信息获取方式的根本性变革[4] 用户行为变迁 - 2007-2017年间用户通过Pocket等工具缓解信息爆炸焦虑 将未读内容存入"数字冷宫"的行为本质是用空间换时间的幻觉[7] - 实际使用数据显示 绝大多数存入"稍后阅读"的内容最终未被阅读 类似健身房年卡的自我安慰效应[8] - AI技术使信息获取从"等待投喂"转变为"按需定制" 大型语言模型可在秒级生成定制化报告 消除延迟阅读需求[10] 技术替代效应 - AI实现阅读体验革命：GPT-4等模型能即时生成文章摘要 将万字长文压缩为分钟级可消化的核心观点 解决传统阅读时间稀缺痛点[11] - 文字内容消费效率已接近短视频的即时性 信息处理速度提升变相创造时间资源[12] - 创作端AI赋能使写作门槛从技巧要求降为表达意愿 普通劳动者可通过AI助手将生活经验转化为优质文字[19][20] 内容生产变革 - AI最核心价值在于赋能非专业写作者 使基层劳动者等群体能突破文字表达能力限制 释放其独特生活视角的价值[16][19] - 职业写作者面临结构性冲击 依赖转述他人生活的"代言人式"创作模式将被AI直接连接原生态经验的模式取代[19] - 文字创作周期从"十年积淀+一年写作"压缩为"十年积淀+两小时生成" 生产效率实现数量级提升[20] 媒介生态演变 - 文字媒介在AI加持下首次实现与短视频的速度对标 包括生产端和消费端的全链路加速[22][24] - 技术变革带来内容民主化红利 但同步引发对深度思考弱化、原创价值重估等产业争议[24] - 历史经验表明 类似印刷术取代手抄本的技术迭代 最终会推动行业整体进步[24]

公司分析 - Pocket成立于2007年，2017年被Mozilla收购，曾拥有1700万用户和10亿篇文章的存储量[1][6] - 公司关闭Pocket的原因是用户浏览习惯变化，资源将投向更符合当前需求的项目[5] - Pocket代表"稍后阅读"理念，但该理念在AI时代逐渐失去意义[5][12] 行业趋势 - 信息爆炸初期催生了Pocket等稍后阅读工具，帮助用户管理信息焦虑[7][8][9] - AI技术正在改变信息获取方式，用户可直接提问获取定制化内容，无需存储待读文章[13][14][15] - AI能快速提取长文核心观点，使深度阅读更高效，变相创造时间资源[14] - 文字内容消费速度已接近短视频的即时性[16][33] 创作变革 - AI降低了写作门槛，使表达能力不再是创作障碍[23][25][31] - AI赋能基层劳动者等群体，使其生活经验能转化为优质文字内容[25][26][27] - 职业写作者面临挑战，因其依赖观察转述而非个人体验[28] - 创作周期大幅缩短，十年生活积淀可在一两小时内转化为作品[30] - 未来创作取决于表达意愿和生活体验，而非写作技巧[31] 媒介竞争 - 短视频重塑内容生态，AI使文字媒介重新获得竞争力[35] - 文字创作速度在AI加持下已赶上短视频[33][34] - 技术变革带来内容生产力解放，类似印刷术取代手抄书[36]

报告行业投资评级 未提及 报告的核心观点 - 2025年是Agent元年，AI正从L2向L3进化，由技术成熟、标杆产品出现、MCP协议普及和市场需求驱动[2] - Agent重要性在于深度自动化、通往AGI和重塑互联网入口，预计入口级通用Agent竞争2025年下半年开启[2] - Agent竞争格局是“巨头环伺，新锐突破”，大厂主导通用Agent，垂直领域有创新机会但面临通用Agent威胁[2] - 投资建议重视2025年Agent投资窗口，长期配置平台巨头，关注垂直领域领跑者，知识工作领域尤其是编程领域会最先落地[2] 根据相关目录分别进行总结 为什么说2025年是Agent元年 - AI正从L2向L3进化，L3能自主规划和执行复杂任务，从“思考”走向“行动”[6][7] - 驱动力包括技术成熟，强大多模态基础模型和强化学习训练方法就绪；行业领导者推动，标杆产品验证；市场需求驱动，企业需要AI落地解决复杂业务问题[2][9][18] - MCP协议普及有助于推动Agent行业互联互通，解决交互碎片化和高成本问题[22] - 市场对AI需求从“尝试”到“落地”，渴望自动化复杂任务和显著提升生产力，Agent契合这些需求[40][41] - 只有同时具备对话、推理、长记忆和工具调用四项能力才能称之为Agent，工具调用是核心区分要素[43] Agent为何重要 - Agent带来深度自动化，能理解模糊指令，执行复杂认知型任务，打通端到端工作流，实现认知自动化[49] - 带来指数级效率提升，形成人机协作新范式，让人类聚焦高价值活动，赋能创新，处理速度快、可规模化、有成本优化潜力、减少错误[53][55] - 是通往AGI和具身智能的关键阶段，从L3到L4存在鸿沟，当前“只读”型Agent有PMF，未来向“读写”型进化[56][57][59] - 可能重塑互联网流量入口格局，挑战传统搜索引擎，部分APP被“管道化”，Agent本身可能成为入口，预计2025年下半年围绕通用入口级Agent的大战将开启[61][67][70] 竞争格局：模型即产品，通用Agent将由大厂主导 - Agent领域竞争围绕平台与应用、通用与垂直、成本与效率、交互范式、数据与护城河、人才竞争六个维度展开[75][76] - 模型即产品，爆款应用背后是模型能力更新，“浅层套壳产品”缺乏壁垒，易被颠覆，真正的壁垒来自复杂工作流编排、工具集成和领域知识[77][86][88] - Agent分为垂直型和通用型，大厂主导通用型Agent格局，通过基础大模型、平台与生态、应用集成等策略布局[90][92][95] - 通用Agent对垂直Agent构成长期威胁，但短期内垂直Agent凭借深度领域知识和定制化能力仍有发展空间[112][113][114] Agent将最先落地于知识工作（尤其是代码） - 未详细阐述相关内容 投资建议 - 重视2025年Agent投资窗口，跟踪基础模型、强化学习、工具调用、推理成本和标准化协议进展[2] - 长期配置拥有强大基础大模型、算力、数据和生态系统的大型科技平台公司，如海外的Google、微软，国内的阿里、腾讯、字节等[2] - 关注在特定垂直赛道建立深厚领域知识壁垒、有清晰商业模式和客户基础的垂直Agent提供商，知识工作领域尤其是编程领域会最先落地，已有成功案例，如Cursor、Devin等[2]

核心观点 - 2025年是Agent元年，AI正从L2向L3进化，由技术成熟、标杆产品出现、MCP协议普及和市场需求驱动 [2] - Agent重要性在于深度自动化、通往AGI和重塑互联网入口，预计2025年下半年开启入口级通用Agent竞争 [2] - Agent竞争格局是“巨头环伺，新锐突破”，大厂主导通用Agent，垂直领域有创新机会但面临通用Agent威胁 [2] - 投资建议是重视2025年Agent投资窗口，长期配置平台巨头，关注垂直领域领跑者 [2] 为什么说2025年是Agent元年 AI从L2向L3进化 - AI从L2（推理者）向L3（Agent）进化，代表从“思考”走向“行动” [6] - L1是聊天机器人，L2是推理者，L3是智能体，具备记忆、规划、工具使用和行为记忆四大核心能力 [6][7] 驱动力 - 技术成熟度达到临界点，强大的多模态基础模型和成熟的强化学习训练方法已就绪 [2][9] - 行业领导者推动，标杆产品验证，如OpenAI、Google等发布关键产品，RE - Bench测试显示顶尖Agent在特定任务上效率匹敌人类专家 [2][18][20] - MCP协议普及，解决Agent与外部世界交互的碎片化和高成本问题，促进互联互通 [2][22] - 市场需求驱动，2023年是“模型竞赛年”，2024年是“应用探索年”，2025年市场需要AI落地解决复杂业务问题，Agent契合需求 [2][39][40] 定义 - 同时具备对话、推理、长记忆和工具调用四项能力才能称之为Agent，工具调用是核心区分要素 [43] - Agent智能程度有层次和梯度，关于Agent定义存在诸多问题待明确 [46] Agent为何重要 深度自动化 - Agent能理解模糊指令，自主规划并执行复杂认知型任务，打通端到端工作流，实现认知自动化 [49] - 带来指数级效率提升，形成人机协作新范式，让人类聚焦高价值活动，赋能创新 [53] - 解放人类生产力与创造力，将人类从重复性劳动中解放出来 [55] 通往AGI和具身智能 - Agent是通往AGI和具身智能的关键环节，从L3到L4存在鸿沟，目前“只读”型Agent有PMF，未来向“读写”型进化 [56][57][59] 重塑互联网流量入口格局 - 对传统搜索引擎形成挑战，改变信息获取方式，将搜索升级为“完成任务” [62][65] - 部分APP被“管道化”，功能单一的服务型App入口价值下降，复杂或体验型App仍是入口 [67] - Agent本身成为入口，可能是APP、浏览器或OS操作系统，预计2025年下半年围绕“通用入口级Agent”的大战将开启 [69][70] 竞争格局 竞争维度 - 围绕平台与应用、通用与垂直、成本与效率、交互范式、数据与护城河、人才竞争六个维度展开 [75][76] 模型即产品 - AI应用核心价值在于模型能力，爆款应用背后是模型能力更新，API经济可能走向终结 [77][78][79] - “浅层套壳产品”缺乏可持续竞争壁垒，终将被颠覆，真正的壁垒来自复杂工作流编排、工具集成能力和深度领域知识 [86][88] 通用Agent与垂直Agent - 通用Agent由大厂主导，大厂在基础大模型、平台与生态、应用集成方面布局 [92][95] - 垂直Agent短期内凭借深度领域知识和定制化能力有优势，但长期面临通用Agent泛化能力的威胁 [113][114] Agent将最先落地于知识工作 最先落地的行业和场景 - Agent最先落地于知识工作领域，尤其是代码/软件开发领域，已有成功案例，如Cursor、Devin [2][4] 代码/软件开发领域进展 - 代码领域进展较快，Cursor成长曲线陡峭，ARR和估值大幅增长 [115] 法律AI Agent对比 - 文档未提及相关内容 投资建议 - 重视2025年Agent投资窗口，跟踪基础模型、强化学习、工具调用等进展 [2] - 长期配置平台巨头，如海外的Google、微软，国内的阿里、腾讯、字节等 [2] - 关注垂直领域领跑者，如编程、研究、法律等领域，总结了30家上市公司在垂类Agent方面的布局 [2]

OpenAI GPT-4o模型升级 - 优化记忆存储机制，提升对话信息记忆和回忆能力 [1] - STEM领域推理能力显著提升，更好解决数学、科学、工程等复杂问题 [1] - 对话风格更加主动自然，擅长引导对话方向，回复更贴近真实交谈 [1] DeepResearch轻量版发布 - 基于o4-mini的轻量版DeepResearch免费开放使用，付费用户获额外额度 [2] - 轻量版用时更短、内容更精简，但保持相近智能水平 [2] - 实测显示轻量版更注重梳理重点脉络，适合快速了解概况的场景 [2] Kimi开源音频基础模型 - Kimi-Audio开源模型支持多种音频任务，在十多个基准测试中实现SOTA性能 [3] - 采用音频分词器、大模型、去分词器三大核心组件的集成式架构 [3] - 预训练数据集规模达1300万小时，通过三阶段训练方法显著提升性能 [3] DeepWiki代码理解工具 - 为GitHub仓库提供AI驱动的实时交互式文档，免费免注册 [4] - 通过层级化分解和提交历史分析理解代码全局结构，已索引3万个仓库 [4] - 处理超40亿行代码，使用方式简单只需替换域名即可访问AI文档 [4] 百度开发者大会发布 - 文心4.5 Turbo和X1 Turbo两款新模型发布，价格最高降80% [6] - 发布高说服力数字人、多智能体协作APP"心响"、内容操作系统"沧舟OS" [6] - 推出"AI开放计划"，发布首个支持电商交易的MCP服务 [6] Perplexity浏览器追踪计划 - 计划推出浏览器"彗星"，追踪用户全部在线行为以销售超个性化广告 [7] - 已与摩托罗拉达成合作预装应用，正与三星洽谈合作 [7] - 未来有意收购Chrome浏览器业务 [7] 软体机器手研发 - 清北团队研发两款新型软体机器手，一款基于肌电控制可达10Hz点击频率 [8] - 首款软体假肢手重405.8克，30分钟即可掌握，满足日常办公需求 [8] - 成本控制在千元级，将应用于康复医疗、电竞等领域 [8] 美国政府AI行动计划 - OpenAI和Anthropic呼吁加强对中国AI封锁，建议限制高端GPU芯片输出 [9][10] - Meta和谷歌认为开源AI是美国竞争优势，过度管制会让美国失去主导权 [9] - 美国政府收到超1万份AI行动计划建议 [10] 大模型推理能力研究 - 清华研究表明强化学习未真正提升大模型推理能力，答案来自基座模型分布 [11] - 在数学、代码和视觉推理三大领域，基座模型大量采样后超越RL模型表现 [11] - RL只能优化现有能力而难以创造新能力，真正突破需基础架构创新 [11] Agent系统科普 - Agent核心是LLM与工具的循环交替调用，LLM负责决策，工具负责执行 [12] - 协作式Agent比完全自主Agent更有现实价值，可让用户实时观察和纠正AI行为 [12] - 评估Agent系统需关注多个维度而非盲目使用Agent解决所有问题 [12]

AI Agent技术演进与现状 - 智谱AI发布的AutoGLM沉思系统标志着AI Agent技术进入第三代演进周期，展现出垂直领域落地实践的适应性和创新潜力[2] - 2025年Q1行业突破：OpenAI的DeepResearch实现无提示词自主搜索，Anthropic的Claude 3.7代码生成超越人类工程师团队，智谱AutoGLM具备"边思考边行动"能力[4] - 技术发展三阶段：1.0时代（2022-2023）简单工具调用，2.0时代（2023-2024）基础任务规划，3.0时代（2025至今）自主思考决策[8] AI Agent核心挑战 - 执行可靠性问题：WebArena基准显示顶级系统成功率仅35.8%（SteP），GPT-4低至14.9%，存在推理不连贯、记忆有限、决策黑盒化缺陷[4] - 泛化能力短板：跨领域迁移表现不佳，模块优化可能引发整体性能下降的悖论[5] - 效率与成本压力：大模型API调用成本高，多轮交互延迟制约规模化应用，多Agent协作场景问题加剧[5] OpenAI技术路径 - DeepResearch采用强化学习自对弈训练，实现从搜索策略到页面交互的全自主操作，含动态自适应工作流、链式思维评分器、沙箱化Python环境三大突破[11] - 技术理念：主张端到端训练优于模块化设计，强化学习是下一代Agent关键技术，让AI自主寻找解决方案[12] - 终极形态构想：All-in-one Agent整合网络搜索、计算机操作、多模态功能（图像/图表生成）[12] Anthropic技术突破 - Claude 3.7 Sonnet三大进展：SWE-bench得分提升20%支持千行代码生成，混合推理模型整合LLM与强化学习，多模态CUA模型实现跨软件操作[15] - MCP协议成为战略重点：开源标准化接口获2000+服务支持，构建"MCP+Claude Code+Computer Agent"智能操作系统架构[16][17] - 战略转型：从单一模型优化转向开放生态系统建设，平衡技术领先与生态推进[17] 智谱AI创新实践 - AutoGLM沉思系统基于GLM-Z1-Air模型，推理速度提升8倍，成本降至1/30，支持20+思考步骤的深度反思能力[22] - 技术差异化：融合深度思考与环境互动，实现"边想边干"模式，可操作浏览器访问未开放API信息源（知网/小红书等）[22] - 自主研发路径：GLM-Z1-Rumination模型通过强化学习优化，性能对标DeepSeek-R1但具成本优势[23] 行业发展趋势 - 消费端"模型即应用"与产业端Agentic平台生态并行发展，智谱同时布局消费级产品和商业生态[25] - 技术范式转变：从预设流程转向动态自主，强化学习成为关键技术共识（OpenAI端到端训练 vs Anthropic混合方案）[19] - 中国厂商崛起：智谱通过AutoGLM重新定义人机协作可能性，技术路径兼具创新性与性价比[22][23]