行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2][3][13][14][15][16][17] 核心观点 - NVIDIA与阿里云共同明确了Physical AI“云端训练+虚拟仿真+边缘部署”的三位一体落地路线 该方案以Omniverse仿真平台与Cosmos世界模型为核心 扩展数据与能力边界 依托阿里云PAI的云上超算与异构调度完成模型训练与评测 最终通过Jetson等边缘平台部署至机器人与智能车辆 实现从虚拟到物理世界的高效规模化 [1][13] - 该技术框架已应用于机器人抓取、自动驾驶等典型场景 通过仿真生成、世界模型增强与闭环回采 显著降低对真实数据的依赖 有望推动制造业、物流业等千万级场景的自动化升级 [1][13] - “三台电脑”架构与样板管线方向正确且具备可复制性 大会所明确的系统路线图为行业提供了清晰的技术实施路径 [2][14] - 数据飞轮的校准与可追责是落地过程中的决定性变量 Cosmos/仿真技术能高效生成长尾场景数据 但其有效性高度依赖于多层级校准与完善的数据谱系管理 [2][14] - 工程化落地需采用严谨的试点节奏以规避“Demo成功、上线困难”的风险 核心是建立“仿真→影子运行→受限实机→放量上线”的四闸门递进流程 [2][15] - 优化推理经济学与明确架构分工是规模化应用的关键 多步规划会显著增加计算开销 需在系统层面落地多级缓存、请求合并与服务等级协定等关键技术以控制成本 [3][16] - 治理、组织与供应链是保障技术稳健落地的核心支柱 安全与合规须作为前置条件 组织层面应组建融合AI、机器人与控制仿真的复合型团队 供应链需着力提升韧性 [3][17] - 长期发展需重点关注世界模型通用化、多智能体协同与端云协同三大技术路线 这将决定方案的场景扩展能力与成本下降曲线 [3][17] 技术实施路径 - 必须建立传感器级、动力学级与任务级的三层校准机制 并严格记录数据的来源、版本及生成参数 否则Sim2Real误差将侵蚀技术收益 [2][14] - 建议在每轮模型训练前后固化仿真与实机的对齐评测流程 形成标准化回归测试套件 以系统化控制虚实差异 [2][14] - 推进过程需由分层的KPI体系予以约束 具体包括算法层的碰撞率与仿真真实性差距、系统层的时延与可靠性、以及业务层的效率与成本指标 [2][15] - 场景选型应优先考虑封闭半封闭、弱交互且价值密度高的应用 如仓内搬运与标准产线 通过小步快跑积累可复用的工程方法 [2][15] - 架构上应实现端云协同 由云端负责复杂策略的重规划与迭代 边缘侧专注于实时控制与安全守护 [3][16] - 配套的数字孪生、数据治理及集中监控等“参考架构六件套”是支撑上述技术闭环、缩短量产周期的必要基础设施 [3][16] 风险管控与组织保障 - 每一道闸门均应绑定明确的停机条件与回滚方案 以严格控制风险 [2][15] - 通过构建安全论证案例、失效模式库及双通道冗余控制体系 并完善安全日志与重放能力 为审计复盘奠定基础 [3][17] - 组织层面以周为节拍实现高效迭代 [3][17] - 供应链通过接口标准化与资产自有化规避锁定风险 并对关键环节进行双源验证 [3][17]

以下文章来源于暗涌Waves ，作者暗涌 暗涌Waves . 钱的流向，人的沉浮。36氪旗下投资报道账号。 AI能把人与人连接起来吗？ 文 ｜ 施嘉翔 编辑 ｜ 陈之琰 来源｜ 暗涌Waves（ID:waves36kr） 封面来源 ｜ IC Photo "暗涌Waves"获悉，AI初创公司指数引力已于年初完成pre-A轮融资， 由红杉中国种子基金和阿尔法公社联合领投。 于北川 ：看起来跨度大，但对我们来说是同一条路径。我们最初做AI influencer marketing，因为这是最集中、最紧迫的"找人"场 景：品牌要找达人合作，需求清晰、频率高、痛点深。 做着做着我们发现，本质上我们解决的不是"达人营销"，而是"找对的人"——无论是达人、客户、专家还是合作伙伴。我们就把 能力泛化，让AI能处理所有商业关系场景。 指数引力创始人于北川是抖音早期核心成员，历经抖音从几千万用户到6个亿的日活全过程，负责抖音早期社交关系的构建。 2022年年初，于北川选择创业。这场创业的开始是一家海外电商公司。于北川卖过穿戴甲、吸尘器，还有仅售20美元的无人机。 2023年5月，他们因TikTok店铺关闭导致资金链断裂，不得不停 ...

公司估值与融资 - 成立18个月估值飙升至100亿美元 [2] - 累计融资6.35亿美元现金 其中Greenoaks Capital领投3.5亿美元 [2][3][12] - 年经常性收入逼近1亿美元 [2] 创始团队背景 - 由前Salesforce联席CEO Bret Taylor与前谷歌高管Clay Bavor联合创办 [3][10] - Bret Taylor具有Google Maps和Quip经验 深度理解市场需求 [11] - Clay Bavor主导过Cardboard、Tilt Brush等前沿交互项目 [11] 商业模式与定位 - 专注AI客服赛道 用生成式AI替代企业客户体验人力 [3][10] - 瞄准中大型企业 平均合同金额15万美元起 [16][17] - 采用结果导向定价 按"成功解决客户问题"收费而非调用次数 [28] 技术实现方案 - 不自研大模型 搭建模型抽象层整合OpenAI、Anthropic等主流模型 [20] - 开发Agent OS工具包 内置PII数据安全防护机制 [21] - 引入Talbin基准测试和自监督机制 减少AI幻觉问题 [22] - 建立AI开发生命周期框架（ADLC） 支持版本快照和A/B测试 [23] 客户案例与效果 - 服务WeightWatchers、Sonos、Brex、Casper等数百家付费客户 [12][18] - 为床垫品牌Casper打造Luna 2.0客服 解决74%客户咨询并提升满意度20% [18] - 金融科技公司Brex通过AI实现低成本高互动服务 形成业务闭环 [18] 行业背景与竞争 - 美国客服行业存在人力成本高、流动性大等痛点 [3] - 语音AI技术成熟 成为AI应用重要突破口 [3][4] - 面临Intercom Fin、Kore.ai、Genesys等多类竞争对手 [32] - 中国AI客服公司主要服务跨境电商 多语种和24小时服务是刚需 [33] 增长驱动因素 - 深度嵌入客户CRM/ERP系统 实现端到端交付 [17] - 数据飞轮效应：行业客户越多 对话数据越精准 [17] - 提供7×24小时多语言服务 促进销售转化和复购 [17][18]

"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「 21 」篇文章。 18个月，估值飙到 100 亿美元，到账 6.35 亿美元现金，年经常性收入逼近 1 亿美元——放在任何时代都是"火箭"，在 AI 赛道也属罕见。 即便是在快速发展的AI创业时代，也很少见。 9 月，全球知名互联网投资公司Greenoaks Capital 又添一把火：领投 3.5 亿美元，让 Sierra 正式跻身"百亿美金俱乐部"。 这家由前 Salesforce 联席 CEO Bret Taylor 与前谷歌高管 Clay Bavor 联手创办的 AI 客服公司，只做一件事：用生成式 AI 替企业"包办"客户体验。成立伊 始，它就按下快进键：产品上线、拿下大客户、数据反哺模型、体验更优，飞轮越转越快。 "需求爆了。"嘉禾资本 CEO 袁子恒一句话点破玄机，因为美国客服是人力"黑洞"，工资高、流动大；恰好大模型最擅长多轮对话，企业换 AI 立竿见影。 如今语音 AI 又成熟，电话端节省的人力可量化、可计算尤其是随着AI语音技术的发展，语音客服会进一步带来增长。 如今，与AI客服密不可分的语音AI（Voic ...

老黄又投了一家具身智能公司！ Dyna Robotics，1年前刚成立，现在对外官宣了1.2亿美元 （折合人民币约8.6亿） A轮融资，新晋股东中，老黄治下的英伟达赫然在列。 众所周知，老黄已经明确下一波硬科技浪潮属于具身智能、属于物理AI……所以英伟达的投资押注，也已经在遍地播种了。 Dyna Robotics不是第一家英伟达投资的具身智能机器人公司。 但 全华班创业团队 ——三个创始人都是华人的具身智能机器人创业公司，似乎还是第一家。 Dyna Robotics有什么独特之处？ Jay 发自 凹非寺 量子位 | 公众号 QbitAI Dyna Robotics登场，老黄押注 就在最近，Dyna对外官宣了 1.2亿美元 A轮融资，投后估值6亿美元。更早之前的种子轮，大概获得了2000万美元融资。 有意思的是，这轮早期融资中，挤满了巨头产业投资部，包括英伟达、亚马逊和Salesforce。 Dyna披露，他们希望能利用这笔资金进一步完善其AI模型并部署更多机器人。 Dyna成立于2024年，目前公司只有大概30名员工，总部位于美国加利福尼亚州红木城，但他们在上海长宁区也设有分部，公司的中文名叫 达纳灵动 。 ...

中国自动驾驶技术公司海外扩张 - 禾赛科技获得美国头部Robotaxi公司超过4000万美元激光雷达订单 [1] - 均胜电子新获两家头部主机厂汽车智能化项目 全生命周期订单总金额约150亿元 [1] - Momenta与Uber签约 计划2026年在德国慕尼黑开启L4级自动驾驶Robotaxi测试 [1] 头部企业跨国合作进展 - Momenta已与梅赛德斯-奔驰、宝马等20余家全球主流车企达成深度合作 [2] - 轻舟智航与高通达成深度合作 2026年实现智驾方案全球交付并在德国设立欧洲总部 [2] - 百度将在Uber平台投放"萝卜快跑"自动驾驶汽车 2025年晚些时候在亚洲和中东地区投放 [2] - 文远知行与Uber、迪拜道路交通管理局签约 2026年第一季度实现纯无人商业运营 [2] - 小马智行2023年5月在迪拜落地Robotaxi车队 2026年推进全无人商业化运营 [2] 资本策略转型 - 哈啰出行Robotaxi业务完成超过30亿元战略融资 核心投资方包括蚂蚁集团 [3] - 蚂蚁集团将在身份认证技术上解决乘客与Robotaxi的交互信任问题 [3] - 均胜电子表示将把中国领先的汽车智能化技术向海外市场拓展 [3] 技术优势形成原因 - 中国复杂道路环境训练出的算法具备优秀问题处理能力 [4] - Momenta的"数据飞轮"算法通过40多万辆量产车回收海量极端案例持续优化模型 [4] - 无图端到端方案相比高精地图具有全球化扩展优势 避免高昂采集制作维护成本 [4][5] - 国际车企开始转向无图或轻地图技术路线 中国公司在此领域走在前列 [5] 成本降低与商业化进展 - 2026年成为L4级自动驾驶规模化落地关键时间点 [6] - Robotaxi制造成本过去五年下降80% [6] - 禾赛科技AT512激光雷达通过规模化生产大幅降低成本 [6] - 小马智行第七代自动驾驶套件总成本较前代下降70% 其中车载计算单元成本降80% 激光雷达成本降68% [6] 资本市场态度转变 - 投资关注点从技术可行性转向商业化时间表与现金流预期 [7] - 行业可能迎来并购整合潮 仿真软件、传感器公司、高精度定位服务商成为资本关注对象 [7] - 科技公司与出行平台结合盈利速度可能快于传统车企 Uber等平台欠缺自动驾驶系统而科技公司需借助平台实现商业闭环 [7]

核心观点 - 中国自动驾驶技术公司加速海外市场拓展 通过技术输出和跨国合作改变全球竞争格局 头部企业频获大额订单 [1][2] - 中国公司在算法技术方面具备优势 复杂道路环境训练出优秀的问题处理能力 无图方案在全球化扩展中具有竞争优势 [4][5] - 成本大幅降低推动行业商业化进程 Robotaxi制造成本五年下降80% 激光雷达等关键部件成本显著下降 [6] - 行业从技术验证转向规模化运营 2026年成为多家企业商业化落地目标 资本市场关注点转向商业化时间表和现金流 [7] 海外市场拓展 - 禾赛科技获得美国头部Robotaxi公司超过4000万美元激光雷达订单 [1] - 均胜电子新获两家头部品牌主机厂汽车智能化项目 全生命周期订单总金额约150亿元 [1] - Momenta与Uber签约 计划2026年在德国慕尼黑开启L4级自动驾驶Robotaxi测试 [1] - 轻舟智航与高通达成深度合作 2026年实现智驾方案全球交付 在德国设立欧洲总部 [2] - 百度将在Uber平台投放"萝卜快跑"自动驾驶汽车 2025年晚些时候在亚洲和中东地区投放 [2] - 文远知行与Uber、迪拜道路交通管理局签约 2026年第一季度实现纯无人商业运营 [2] - 小马智行在迪拜落地Robotaxi车队 2026年推进全无人商业化运营 [2] 技术优势 - 中国道路环境复杂训练出优秀算法 具备优秀的问题处理能力 [4] - Momenta的"数据飞轮"算法通过40多万辆量产车回收海量极端案例 持续优化模型 [4] - 无图端到端方案在全球化扩展中具优势 避免高精地图的高成本和扩展慢问题 [4] - 高精地图需要厘米级精度地图 采集制作维护成本高昂 每进入新城市都需要漫长审批流程 [4] 成本控制 - Robotaxi制造成本过去五年大幅下降80% [6] - 禾赛科技AT512激光雷达实现规模化生产 大幅降低原本数万美元的成本 [6] - 小马智行第七代自动驾驶套件总成本较前代下降70% 车载计算单元成本下降80% 激光雷达成本下降68% [6] 资本与商业化 - 哈啰出行Robotaxi业务完成超过30亿元战略融资 蚂蚁集团提供资本和技术支持 [3] - 资本市场关注点从技术可行性转向商业化时间表与现金流预期 [7] - 行业可能迎来并购与整合潮 仿真软件、传感器公司等细分领域头部企业受资本关注 [7] - 科技公司与出行平台结合盈利速度可能快于传统车企 高效整合技术、车辆与运营 [7] 全球化策略 - 均胜电子表示将积极把中国领先的汽车智能化技术向海外市场拓展 争取更多海外订单 [3] - 中国资本从纯粹投资者变成合作者 参与技术支持和解决方案提供 [3]

公司业绩表现 - 上半年收入24亿元 同比增长36% 超出市场预期[3] - 生成式AI收入同比激增73% 连续三次大幅提升 占总收入比重77%[3] - 毛利率维持在39% 经调整净亏损同比收窄50%[3] - 经营现金流净流出同比收窄82% 现金储备达132亿元[3] - 贸易应收回款金额同比大增96%至32亿元 应收账款周转天数缩短49%[3] 业务发展策略 - 采用"一基两翼"业务发展策略 产品矩阵快速渗透各行业[4] - 企业服务"小浣熊"系列拥有超300万用户 金融教育政务版本完成规模化落地[4] - 日日新多模态大模型V6.5支持多模态流式交互 交互时长年内增长超五倍[4] - 传统视觉AI服务客户超660家 复购率57% 计算机视觉市场份额连续九年第一[4] - 汽车座舱视觉AI软件市占率连续五年第一 海外商机储备与新订单显著增长[4] 技术创新能力 - 大装置运营总算力突破2.5万PetaFLOPS 国产芯片异构集群规模达5000卡[7] - 集群利用率达80% 异构训练效率达95% 上海临港AIDC二期持续扩容[7] - 日日新V6.5预训练吞吐量提升20%以上 强化学习效率提升40% 推理吞吐量提升35%以上[8] - 多模态推理成本降至原始30% 性能提升5倍 性价比提升3倍以上[8] - 获得OpenCompass和SuperCLUE评测双冠军 通过中国信通院大模型通用能力成熟度4+级测评[8] 资本市场反应 - 高盛将评级从"中性"上调至"买入" 目标价上调幅度接近五成[1] - 高盛设定目标价2.72港元 隐含约30%上行空间 远超大中华科技股平均9%水平[10] - 股价年初至今累涨近80% 区间最高涨幅逾110% 总市值突破千亿港元[12] - 多家券商集体看多 中泰证券首次覆盖给出"增持"评级 华泰证券维持"买入"评级[10][11] - 生成式AI收入占比预计2030年达91% 几乎构成核心业务全部[10] 行业政策环境 - 香港特区政府成立AI效能提升组 推进"AI+"发展 促进AI政务发展[1] - 国务院提出到2027年重点行业AI Agent渗透率达70% 2030年提升至90%[9] - 企业客户AI资本性支出预算2025年同比增长超40% 私有云大模型订单排至2026年[9]

就在刚刚，混沌君了解到一件大事！ 中国AI应用市场迎来历史性转折点，字节跳动旗下豆包月活跃用户规模达到 1.5742亿 ，环比增长6.6%，一举 超越此前领先的DeepSeek，登顶中国原生AI应用月活榜首 （ 据 QuestMobile发布的2025年8月AI应用行业月度 报告显示 ） 。 这一转折令人惊讶不已。豆包刚出道时一副憨憨的样子，如今却成功逆袭一哥。其成功背后，蕴含着怎样的第 一性原理思维？ 有些人将它当作聊天伙伴解闷，有些人把它当作高情商沟通导师学习日常人情世故，还有人把它当作恋爱军师 和旅游向导。这种极致的大众定位，使豆包打破了AI应用的技术壁垒，真正实现了"谁都可以用"。 产品的第一性原理是解决用户需求 第一性原理要求我们打破基本假设，直击本质。在AI领域，技术专家往往陷入"参数竞赛"的陷阱，而字节跳动 则回到了一个最根本的问题：AI对用户的价值是什么？ 豆包的答案异常清晰：AI不是炫技工具，而是满足大众日常需求的服务。这一认知使得豆包与其他AI产品形成 明显差异。 "很多学生和职场专业人士会更倾向于DeepSeek，因为它的深度推理能力方面确实出色。" 而豆包则走了另一条路——生活化和娱乐 ...

文章核心观点 - 语言是人类实现泛化的核心工具，是构建通用人工智能系统的最本质要素 [4][7][77] - AI Agent发展已进入下半场，重点从模型训练转向任务定义和环境设计 [5][62][63] - 创业公司最大机会在于设计新型人机交互界面，而非重复ChatGPT模式 [110][112][113] - 未来AI生态将呈现既单极又多元格局，由不同超级应用共同定义智能边界 [5][146][154] 姚顺雨背景与研究历程 - 清华姚班本科、普林斯顿博士，2019-2024年在普林斯顿攻读博士学位 [13] - 2016年接触多模态嵌入技术后转向深度学习，2018年系统性开始深度学习研究 [14][15] - 博士期间从计算机视觉转向语言模型研究，因认为语言是实现AGI的更核心方向 [15] - 专注Language Agent研究6年，2024年加入OpenAI [4][19] AI Agent技术演进 - 技术发展三阶段：符号主义AI（规则系统）→深度强化学习（环境特定）→大语言模型（泛化推理）[40][41][43] - 语言智能体与传统Agent本质区别在于具备推理能力从而实现泛化 [36][38][39] - ReAct框架成为最通用方案，实现推理与行动的协同 [26][50] - 代码环境是数字智能体最重要的"手"，提供天然机器表达形式 [53][54][55] 任务与环境设计 - 当前瓶颈从方法创新转向任务定义和环境设计 [62][63] - 优秀任务需具备：结果导向奖励机制、基于规则的白盒评估、可解释性 [64][66][71] - 任务分类标准：可靠性需求型（如客服）vs创造力需求型（如证明猜想）[70][72] - 评估指标需区分Pass@k（多次尝试成功率）和Pass^k（每次成功率）[74] 产业发展与创业机会 - 模型能力溢出为创业公司创造机会，关键在于设计新型交互界面 [110][112] - 成功案例包括Cursor（编程副驾驶）、Manus（通用交互）、Perplexity（研究型搜索）[117][127][129] - 数据飞轮形成需三个条件：自主训练能力、清晰奖励信号、数据好坏分离 [123][124] - 成本不是核心瓶颈，真正关键在于找到价值超过成本的应用场景 [139][141] 未来生态展望 - OpenAI五级能力划分：聊天机器人→推理者→智能体→创新者→组织者 [44][45] - 未来12-24个月趋势：Chatbot系统自然演进为Agent系统，新型Copilot应用涌现 [165][166] - 记忆系统（Memory）将成为核心竞争壁垒，特别是上下文管理能力 [51][158][159] - 最终生态将由多个超级应用共同定义，呈现中心化与分布式并存格局 [146][152][154]