报告行业投资评级 - 推荐（维持） [1] 报告的核心观点 - AI应用有望驶入快车道 Kimi K2等大模型杰出的Agent能力已具备大规模商用潜力 [7] 根据相关目录进行总结 算力动态：算力租赁价格平稳，智源和KIMI K2测试成绩优秀 - 数据跟踪：本周算力租赁价格平稳 如A100 - 40G中腾讯云16核 + 96G价格为28.64元/时，环比上周0.00% [15][17] - 产业动态：7月14日智源研究院发布具身大脑RoboBrain 2.0及跨本体大小脑协同框架RoboOS 2.0 RoboBrain 2.0在空间理解、时间建模和长链推理能力上实现全面突破 RoboOS 2.0整体性能提升30% 端云通信效率提升27倍 7月18日Kimi K2在AI竞技场上开源第一 总榜第五 单项能力可与主流闭源模型竞争 其采用DeepSeek V3架构并做了结构参数改动 [16][23] AI应用动态：Bing周平均停留时长环比 +166.21%，OpenAI推出通用智能体ChatGPT Agent - 周流量跟踪：2025.7.11 - 2025.7.17期间 Bing访问量环比增速166.21% 平均停留时长环比增速10.60% [26][28] - 产业动态：7月18日OpenAI推出通用智能体ChatGPT Agent 可自动利用多种工具规划完成复杂任务 已向Pro、Plus和Team计划订阅用户开放 该能力结合了Operator、deep research和ChatGPT的优势 在多个基准测试中表现顶尖 [27][30] AI融资动向：Thinking Machines Lab完成20亿美元种子轮融资，估值120亿 - 7月16日Thinking Machines Lab完成20亿美元种子轮融资 由Andreessen Horowitz领投 公司估值达120亿美元 公司将在未来几个月推出含开源组件的首款产品 此前已与Google Cloud达成算力支持协议 [6][42] 行情复盘 - 上周（7.14 - 7.18日） AI算力指数/AI应用指数/万得全A/中证红利日涨幅最大值分别为3.06%/1.52%/0.94%/0.49% 日跌幅最大值分别为 - 0.21%/-0.32%/-0.20%/-1.16% AI算力指数内部新易盛涨幅最大 高伟达跌幅最大 AI应用指数内部淳中科技涨幅最大 三七互娱跌幅最大 [48] 投资建议 - AI应用有望驶入快车道 建议中长期关注嘉和美康、科大讯飞、寒武纪、鼎通科技、亿道信息、迈信林、泓淋电力、唯科科技等公司 [7][56]

具身智能系统架构 - 具身智能系统由"大脑"、"小脑"和"身体"三部分组成，分别对应认知决策、运动控制和物理执行功能 [2] - "大脑"采用大语言模型和视觉语言模型，具备感知、理解、推理和规划能力，是系统的智慧核心 [2] - "小脑"运用运动控制算法和反馈控制系统，实现精准流畅的动作控制，被称为"动作艺术家" [2] - "身体"作为物理载体，负责将认知决策和运动指令转化为实际动作，完成"知行合一" [2] 当前技术挑战 - "大脑"需提升自主推理能力，实现无指令、无地图环境下的实时在线思考与路径规划 [3] - "小脑"需增强适应性，在复杂物理环境中实现类人类的直觉反应和精细操作 [3] - 系统需解决"大脑"与"小脑"的协同问题，目前存在信息传递延迟和动作响应滞后 [3] - 数据采集面临成本高、质量差等挑战，需构建真实多样且可迁移的训练数据集 [3] 行业技术进展 - 北京智源人工智能研究院和智元机器人正在开展具身智能相关研究 [3] - RoboBrain 2.0和RoboOS 2.0等系统展示了最新技术成果 [5] - 对抗性数据收集方法(Human-Collaborative Perturbations)可提升模仿学习效率与鲁棒性 [5] - 相关研究成果已在ArXiv等平台公开发表，涉及机器人操作系统和脑机协同等领域 [7] 未来发展方向 - 行业聚焦于提升具身智能系统的认知能力、运动控制精度和系统协同效率 [4] - 需建立更高效的数据获取与处理体系，解决数据质量与成本问题 [3] - 技术突破将推动具身智能向通用人工智能(AGI)方向发展 [3]

报告行业投资评级 未提及 报告的核心观点 报告聚焦AI产业最新趋势，涵盖行业动态、应用资讯、大模型资讯和科技前沿等方面，展示AI领域的创新成果与发展态势[1] 根据相关目录分别进行总结 AI行业动态 - MiniMax获约20亿融资，投后估值超287亿元，筹备赴港上市，其开源推理模型MiniMax - M1技术领先[7] - 英伟达创始人黄仁勋访华，盛赞中国科技企业与电动车行业，称英伟达将持续服务中国市场[8] - 国产模型Kimi K2登顶全球开源榜首，凸显国产开源模型实力，缩小与闭源模型差距[9] AI应用资讯 - 美图发布AI影像Agent “RoboNeo”，集成多种功能，降低中小商家制作门槛，但有一定短板[10] - 国产秘塔AI推出免费深度研究功能，在评测中表现优，可处理复杂问题，提供高效研究辅助[11] - MiniMax推出Agent全栈开发功能，可一键构建完整全栈应用，支持企业级应用开发[12] - 米哈游斥资5亿成立新公司，加码AI与虚拟领域，目标2030年建成全球十亿人愿生活的虚拟世界[15] AI大模型资讯 - 腾讯混元A13B模型采用细粒度MoE架构，推理吞吐量提升，开源后为开发者提供助力[16] - 智源研究院发布开源的RoboBrain 2.0与RoboOS 2.0，突破主流AI模型瓶颈，降低开发门槛[17] - 腾讯RLVER框架解决开放域RL难题，经训练的模型表现提升且通用能力未衰退，相关模型已开源[18] - 港科大提出S3PO - GS框架，解决户外RGB单目SLAM尺度漂移问题，为相关领域提供新方案，代码已开源[19] 科技前沿 - 北京师范大学团队借助模型分析唐宋花卉意象文化情绪，为文史研究提供量化新范式[20] - 孙鹏团队提出UCGM框架和RDED数据蒸馏技术，为生成式AI性能优化开辟新路径[23] - 清华北航校友创办的他山科技推出全球首款AI触觉感知芯片，推动具身智能商业化[24]

生物人工智能系统 - 澳大利亚悉尼大学研究团队开发出名为PROTEUS的生物人工智能系统 该系统通过模仿自然进化过程 能在几周内创造具有新功能的分子 为药物研发和生物技术带来突破性进展 [1] - 研究成果发表在《自然·通讯》期刊 展示了生物技术与AI融合的前景 可能为个性化医疗和精准治疗提供关键工具 [1] AI智能体运行安全测试标准 - 世界数字科学院在联合国日内瓦总部发布全球首个AI智能体运行安全测试标准《AI智能体运行安全测试标准》 由蚂蚁集团 清华大学 中国电信牵头 联合20余家国内外机构共同编制 [2] - 该标准解决了智能体安全测试技术标准的行业空白 [2] 教育智能体公约 - 中国民办教育协会携手10家人工智能头部企业联合签署《智能体赋能学生全面成长公约》 倡议强化与学校 家庭的协同育人 扩大资源普惠 不制造恶性竞争 不传播教育焦虑 [3] - 签署企业包括百度 深度求索 网易有道 学而思 猿力科技 月之暗面 钉钉 科大讯飞 腾讯 作业帮等 [3] 智源开源项目 - 智源研究院宣布全面开源RoboBrain 2 0 32B版本及RoboOS 2 0单机版 同步推出单机版产品线及RoboSkill技能商店 [4] - 模型权重 训练代码与评测基准全部可用 [4] 会员服务 - 睿兽分析会员可解锁人形机器人 商业航天 AGI等热门赛道的行业图谱和报告 活动期间加入可免费获赠产业日报 [2]

核心观点 - 智源研究院发布具身大脑RoboBrain 2.0 32B版本和跨本体大小脑协同框架RoboOS 2.0单机版，推动机器人从"单机智能"迈向"群体智能"[1][2] - RoboBrain 2.0突破空间理解、时间建模和长链推理三大能力瓶颈，在多项权威基准测试中刷新纪录[3][4][17] - RoboOS 2.0是全球首个具身智能SaaS开源框架，实现轻量化部署和多智能体协作，性能提升30%[21][25] - 两项技术已全面开源，与全球20余家机器人企业和实验室建立合作，共建具身智能生态[26][29] RoboBrain 2.0技术突破 三大能力突破 - 空间理解：支持精确点定位、边界框预测和复杂三维空间推理[5][6] - 时间建模：强化长期规划、闭环反馈和多智能体协作能力[5][6] - 长链推理：实现多步因果推理和决策透明性[5][6] 训练与性能 - 采用三阶段递进式训练流程，使用4.8M样本进行基础训练[11][12][13][14] - 在BLINK(83.95分)、CV-Bench(85.75分)等9项基准测试中超越Gemini、GPT-4o等模型[17][18] - 32B版本在RoboSpatial(72.43分)、Ego-Plan2(57.23分)等任务中表现最佳[17][19] RoboOS 2.0框架创新 技术特性 - 集成MCP协议与无服务器架构，全链路响应时延低于3ms[21][25] - 新增场景图共享机制和多粒度任务监控模块，通信效率提升27倍[25] - 代码量仅为传统手动注册方式的1/10，显著降低开发门槛[22] 多机协作流程 - 分层任务分解→子任务动态分配→并行执行→实时状态更新[26] - 支持商超、厨房、居家等多场景部署，实现技能模块智能匹配[20][26] 开源与生态建设 - 提供7B/32B模型权重、训练代码及评测基准，已在GitHub和HuggingFace发布[29] - 配套推出RoboSkill技能商店和开箱即用镜像，支持三行指令极速部署[1][29] - 与全球20余家机器人企业及实验室建立战略合作[29]

具身智能技术突破 - 智源研究院发布RoboBrain 2.0 32B版本和跨本体大小脑协同框架RoboOS 2.0单机版，RoboBrain 2.0作为"通用具身大脑"集感知、推理与规划于一体，32B版本在多项权威具身智能基准上刷新纪录，7B版本具备轻量化设计适配边缘设备部署需求 [2] - RoboOS 2.0是全球首个具身智能SaaS开源框架，创新性集成MCP协议与无服务器架构，实现轻量化部署，同步推出单机版产品线及RoboSkill技能商店，支持"三行指令"极速部署 [3] - RoboBrain 2.0突破三大能力瓶颈：空间理解精度不足、时间依赖建模薄弱、长链推理能力欠缺，显著提升对复杂具身任务的理解与执行能力 [4] RoboBrain 2.0技术架构 - 采用模块化的编码器-解码器架构，实现感知、推理和规划的统一，专门针对具身推理任务如空间感知、时间建模和长链因果推理 [9] - 依托全面且多样化的多模态数据集，融合高分辨率图像、多视角视频序列、场景图、3D场景数据及复杂自然语言指令 [12] - 采用三阶段递进式训练流程：基础时空学习、具身时空增强、具身情境中的推理链训练，训练样本量分别为4.8M、224K、195K [14][15][17][18] 性能表现 - RoboBrain-32B-2.0在BLINK-Spatial(83.63)、CV-Bench(83.92)、RoboSpatial(72.43)等空间推理基准上表现优异 [19][20] - 在时间推理方面，RoboBrain-32B-2.0在多机器人规划(80.33)、Ego-Plan2(57.23)、RoboBench(72.16)等任务中领先 [19] - RoboBrain 2.0 7B模型在Multi-Robot Planning以81.50分拔得头筹，32B版本在Ego-Plan2以57.23分登顶 [22] RoboOS 2.0框架 - 是全球首个基于具身智能SaaS平台、支持无服务器一站式轻量化机器人本体部署的开源框架，代码量仅为传统手动注册方式的1/10 [25] - 对端到端推理链路进行系统级优化，整体性能提升30%，全链路平均响应时延低至3ms以下，端云通信效率提升27倍 [27] - 新增多本体时空记忆场景图共享机制，支持动态环境下的实时感知与建模，引入多粒度任务监控模块提升任务执行稳定性 [27] 开源生态 - RoboBrain 2.0及RoboOS 2.0已全面开源，模型权重、训练代码与评测基准全部可用 [30] - 智源研究院已与全球20余家机器人企业与顶尖实验室建立战略合作关系 [33] - 提供多个开源资源链接包括GitHub仓库、模型检查点、技术文档等 [31][34]

核心观点 - 智源研究院推出全球首个具身智能SaaS开源框架RoboOS 2 0和通用具身大脑RoboBrain 2 0 实现感知、推理与规划一体化 [1][3] - 32B版本在多项权威基准测试中刷新纪录 空间推理能力超越Gemini、GPT-4o等主流模型 [2][21][23] - 开源框架RoboOS 2 0采用MCP协议与无服务器架构 端到端性能提升30% 响应时延低于3ms [3][27][29] 技术架构 RoboBrain 2 0 - 突破三大瓶颈：空间理解精度不足、时间依赖建模薄弱、长链推理能力欠缺 支持高精度物体定位、多步任务规划和因果逻辑提取 [5][10] - 采用模块化编码器-解码器架构 处理多模态输入（图像、视频、语言指令） 实现感知-推理-规划统一 [7][8] - 三阶段训练流程：基础时空学习（4 8M样本）、具身时空增强（224K样本）、具身情境推理链训练（195K样本） [13][14][16][18] RoboOS 2 0 - 首创SaaS模式 支持无服务器部署 代码量仅为传统方式的1/10 [27][28] - 三大组件：云端大脑模型、分布式小脑模块群、实时共享内存机制 新增场景图共享和任务监控模块 [28][29] - 多机协作四阶段：任务分解、动态分配、并行执行、状态更新 通信效率提升27倍 [30][29] 性能表现 - 空间推理：BLINK（83 95）、CV-Bench（85 75）等9项测试SOTA 超越基线模型5-15个百分点 [21] - 时间推理：多机器人规划（80 33）、Ego-Plan2（57 23）领先Qwen2 5-VL和Claude [23][24] - 提供7B轻量化版本 适配边缘设备 在低资源环境下性能仍超主流开闭源模型 [24] 应用生态 - 支持商超/厨房/居家多场景部署 实现多智能体协作任务执行 [25] - 配套推出RoboSkill技能商店和开箱即用镜像 支持三行指令极速部署 [32] - 模型权重、训练代码、评测基准全面开源 覆盖7B/32B版本及多芯片镜像 [33][34]

AI技术演进路径 - 人工智能正从单纯工具向能与现实世界互动的助手转变，具身智能和通用AI成为前沿议题 [1] - 生成式AI快速发展使大模型成为核心技术，能力边界从写作绘画扩展到编程视频生成 [2] - AI发展进入新阶段，需具备理解推理和行动能力，现有系统已在特定任务超越人类但存在行为不可控风险 [2] - 大模型发展触及人类数据极限，未来AI需从交互经验中学习而非依赖静态数据训练 [3] 技术突破方向 - 大模型性能提升可通过强化学习技术突破、高质量数据合成和多模态数据应用三种路径实现 [3] - 具身智能面临不好用不通用不易用问题，硬件不成熟和数据获取难制约模型训练与落地 [6] - 智源研究院发布开源"悟界"具身智能平台，包含RoboOS 2.0和RoboBrain 2.0，已与20多家企业建立合作 [6] 具身智能发展现状 - 具身智能成为行业热点，银河通用Galbot、宇树G1和天工2.0等机器人展示多样化应用场景 [4] - 机器人技术通过春晚表演和格斗比赛展示水平，未来将在家庭生活和医疗制造等领域广泛应用 [4] - 世界人形机器人运动会将在中国举办，比赛任务源自物流搬运和医疗分拣等真实企业需求 [5] - 当前具身智能处于初级阶段，初步展现物理智能能力但可靠性和泛化能力仍需突破 [5] 行业未来展望 - 具身智能研发门槛降低将吸引更多开发者参与，AI未来重点是与物理世界互动完成实际任务 [7] - 预计5-10年内具身智能可替代人类从事危险劳动，2045年有望代表人类进行星际探索 [7]

大模型技术发展现状 - 大语言模型性能提升速度明显放缓 主要受限于互联网数据使用瓶颈 [1] - 智源研究院推出"悟界"系列开源大模型 涵盖多模态世界模型 脑科学模型 具身大脑框架等创新方向 [1][3] - 行业从"百模大战"转向多元化探索 大语言模型竞争不再是唯一焦点 [1] 大模型性能突破路径 - 行业探索三种主要路径：强化学习提升推理能力 数据合成技术突破 多模态数据开发利用 [2] - 多模态数据规模是文字数据的成百上千倍 但当前利用率低下 [2] - 智源研究院聚焦原生多模态世界模型 旨在实现AI对物理世界的感知与交互 [2] 悟界系列大模型技术细节 - 包含Emu3多模态世界模型 Brainμ脑科学模型 RoboOS 2.0具身框架等四大核心模块 [3] - RoboOS 2.0与RoboBrain2.0适配轮式 双足 四足等各类机器人形态 已与20多家企业建立合作 [3] - AI Agent发展进入"好用"阶段 产业开始基于基础模型开发解决实际需求的智能体 [3] 具身智能与人形机器人进展 - 人形机器人2024年实现行走 2025年目标达到奔跑能力 但稳定性仍需突破 [6] - 行业面临"循环悖论"：具身能力不足限制数据采集 数据稀缺又制约模型发展 [6] - 解决方案包括降低硬件成本至数千元级别 以及通过仿真数据补充训练 [7] 产业合作与生态建设 - 智源研究院与香港投资管理公司建立战略合作 推动人才 技术 资本协同发展 [4] - 机器人硬件厂商聚焦展示能力上限与成本控制 认为亲民价格将加速数据积累 [7] - 银河通用等企业展示具身大模型在商超场景的落地应用 [6]

AI技术发展趋势 - AI技术从数字世界加速向物理世界转化，重点应用于人形机器人训练和落地[1] - 大语言模型性能提升遇到瓶颈，强化学习优化推理能力、合成高质量数据替代人类标注、激活海量多模态数据成为三大解法[1] - 多模态数据规模可达文本数据的"百倍乃至万倍"，将成为未来技术突破的关键[1] 世界模型技术路线 - 大模型技术路线从大语言模型转向原生多模态世界模型，以实现对物理世界的感知和理解[2] - 智源研究院推出"悟界"系列大模型，包括Emu3、见微Brainμ、RoboOS 2.0、RoboBrain 2.0和OpenComplex2[2] - Emu3的核心突破在于建立对物理因果关系的理解，而非简单的多模态信息拼接[2] 具身智能发展现状 - 人形机器人长期价值显著，因其更易融入社会基础设施且利于模型训练，但短期内四足、轮式等形态将共存[3] - 具身智能面临"硬件能力不足限制数据采集，数据稀缺制约模型进化"的循环困局，可通过互联网视频数据训练基础能力再微调解决[3] - 工厂场景成为具身智能优先落地领域，因其封闭环境可规避安全风险且存在重复任务刚需[3] 大小脑融合与泛化性 - 当前具身智能数据量不足以支持大小脑融合模型训练，预计5-10年内可能成熟[3][4] - 具身智能VLA模型泛化性不足，未来需突破专有任务达到跨领域泛化性[4] - 具身大模型发展处于早期阶段，类似GPT-3前的探索期，面临技术路线分歧和产业落地挑战[5][6] Agent与产业应用 - Agent成为产业界发力领域，类比移动互联网APP，基于可用基础大模型开发[4][5] - 基础大模型竞争已收敛至少数玩家，未来可能出现基于基座模型+垂类数据的"千模大战"[5] - 具身智能需解决"感知-决策-行动"协同、多模态数据融合等基础问题才能实现大规模商用[6] AGI发展里程碑 - 物理AGI的重要标志是机器人能真正理解物理因果关系，如"咖啡杯放桌沿会摔碎"[7] - 当前AGI刚过起跑线，具身智能仍需突破技术路线共识和产业落地障碍[5][6]