纪要涉及的行业 计算机行业、人工智能行业、金融行业、医疗行业、半导体行业 纪要提到的核心观点和论据 两会政策对行业的影响 - 关键核心技术公关：国务院政府工作报告提出发挥新举国体制优势加强关键核心技术公关，发展颠覆性技术，优化国家战略科技力量布局等。过去中国科技发展核心依赖海外，如今中美科技竞争背景下，基础软件和技术的自主可控是必然趋势。过去几年资本市场中操作系统等核心环节增长良好，未来关键芯片、操作系统、AI、量子技术等创新前沿核心技术将获更多政策支持和市场表现[1][2] - 人工智能+：国务院工作报告提出继续推进“人工智能+”行动，今年随着DeepSeek出现，中国AI应用落地掀起热潮，互联网公司、国企和政府都在加速人工智能落地，预计今年各行业人工智能领域将全面加速，旧资源和后续产业应用有大机会[2][3] - 发展新产能与建设现代产业体系：聚焦生物技术、量子技术、6G等未来产业，推动制造业发展。虽面临全球技术竞争压力，但新技术有望全面加速发展，今年中央和地方对相关产业的推动明显加速，是重要投资方向[3][4] 政策支持的具体方向 - 政府投资引导：以北京为例，2024年提出发展新经济，设立十亿美元政府投资基金，引导社会资本投资新产业[5] - 建设产业集群：各地依托自身资源建设产业集群，如北京围绕相关公司打造人工智能产业集群，上海培育大规模产业和机器人产业，合肥依托量子技术实验室培育量子信息产业区[5][6] - 金融支持：各地风险投资通过政府渠道投资新产业，出现更多政府引导的VCAP基金，为产业孵化和建设提供资金支持[6] AI应用领域的增长预期 - 政府领域：今年上半年内部文件流通和数据分析与大屏融合应用将增加，下半年从0到1起步并规模化，现有文本项目量增加，明年大规模区块链应用加速[7][8] - 金融领域：去年底到今年初风险管理和营销进入渐进周期，今年下半年金融各方面将逐步实施，“AI+金融”处于快速增长阶段[8] - 医疗领域：“AI+医疗”在辅助治疗已取得较好效果，健康保健领域是未来重要观察点和潜在大市场，下半年新商业模式有期待[8][9] 开源与闭源模型 - 闭源模型：目前大模型大规模独立项目较难，闭源模型与开源模型差距增大，若闭源模型未来能突破与开源模型差距，在高端场景仍有商业模式，但目前闭源模型较难独立发展[9][10] - 开源模型：阿里开源的32亿参数推理模型性能与6710亿参数模型相当，较小参数实现长模型效果符合产业发展规律，会使成本下降，推动模型参数受限场景应用加速，对未来模型处理水平和项目场景应用影响大[9][10][11] 模型参数缩小但性能不降低的原因及影响 - 原因：一是模型结构决定智能水平；二是数据质量提高，训练数据质量提升使模型性能提升；三是训练方法改进，如DeepSpeak的GPIO训练、OpenAI的Motorola Search等新技术使小参数下模型性能更好；还有模型流式等方法可降低参数并继承大模型知识[11][12] - 影响：降低成本，使更多商业应用摆脱高成本限制，开启更多应用场景；适合对性能敏感场景，如工业生产数据决策、监控等场景；对终端用户有帮助，如在离线环境使用更好模型性能，促进模型应用全面提升[12][13] AI Agents对传统软件服务模型的影响 - 发展阶段：软件与AI Agent结合分两个阶段，现阶段多数场景处于“添加AI”阶段，未来几年将逐渐进入“AI+”阶段，届时软件行业将从当前状态全面供应[15][16] - 与大模型区别：AI Agent整合多个大模型，能将复杂任务拆解、规划、选择工具执行、验证结果和反馈输出，大模型更倾向基础设施，AI Agent更倾向软件应用[16][17] - 技术障碍：一是模型理解复杂任务能力不足；二是模型识别和执行底层工具困难，目前在接触过的预设流程领域应用较好，通用领域准确性不高[17] 硬件发展情况 - 现状：近年来国内硬件发展快，硬件制造商和核心区块链芯片制造商有很大进步，但与海外相比有一定差距，主要受半导体产业发展和下游应用适配影响。目前国内硬件在处理方面已达可用水平，训练方面进展快，能实现超万卡持续训练[19][20] - 未来：随着国内半导体产业发展和新设计出现，如恒武纪和海光，未来发展潜力大[20] 市场未来趋势 - 云基础设施为核心：随着DeepSeek推动模型链发展，中国进入AI应用落地高峰期，应用需技术资源支持，自去年Q4起，各主体不断增加技术资源投资，云基础设施在行业发展节奏上确定性高且率先出成果，云与数据驱动资源未来前景好，关注公共云、私有云、IDC链和国家芯片等[21][22] - AI模型0到1突破：今年DeepSeeker相关模型流行，但尚未大规模商业落地，预计下半年产品有0到1突破，若实现将带动大量应用，模型进步会推动硬件和软件需求，投资中关注模型进展对短期股市有帮助[22][23] 其他重要但是可能被忽略的内容 - 学习使用AI方法：一是尝试将大模型融入自身工作；二是利用互联网上的技术培训课程，如吴文达系列培训，参考B站技术博主视频；三是在GitHub等开源社区搜索实际案例应用到工作环境[14][15] - AI应用的伦理和法律问题：在教育领域，模型存在幻觉问题，不能保证100%准确性，且存在伦理问题，如加强现有知识可能导致信息局限，未来需思考如何有限使用以达更好效果[18][19]