各位家长请注意！人工智能正在成为中小学生的必修课程！人工智能走进中小学校园到底意 味 着 什 么 ， 这 对 个 人 未 来 的 专 业 和 职 业 选 择 ， 以 及 教 育 和 产 业 生 态 将 带 来 哪 些 影 响 ？ 本 期 《财经早察》用三个问题带你读懂AI时代的教育变局。 出品：财经早察工作室 总统筹：邓红辉 执行统筹：陈晨星 祝乃娟 本期主播：洪晓文 编辑：陆跃玲，曾婷芳 设计：王冰冰 本期编辑 金珊 《哪吒》，够让光线成为"迪士尼"吗？ "好房子"来了！楼市进入拼品质时代 机器人"开跑"：马拉松终点，行业新起点 SFC 21君荐读 ...

AI Agent发展 - Agent发展打开了人机协同全新范式，将为AI应用提供新的发展思路 [1] - 未来模型能力将持续提升，各领域Agent将成为模型触达终端用户的载体 [1] - 持续看好AI应用后续发展 [1] 字节跳动 - 发布通用Agent扣子空间开启内测，定位通用Agent [4] - 平台上用户可以选择精通各项技能的通用实习生或行业领域专家，通过与AI互动完成工作任务 [4] - 支持添加MCP扩展，AI Agent能力边界被进一步扩展，更多插件将接入 [4] - MCP有望成为AI时代的HTTP协议 [4] - 此举拉开大厂布局通用Agent序幕，阿里、腾讯等公司有望迅速推进 [4] 智谱 - 正式发布AutoGLM沉思，具备深度研究能力和实际操作能力 [4] - 利用全栈自研大模型技术，在多个测试环境中取得SOTA成绩 [4] - 核心模型逐步开源，推动相关生态扩展并快速催化应用场景 [4] Genspark - 发布超级智能体Genspark，综合性AI助手可协调多个AI工具高效执行任务 [5] - 采用整合多AI模型的混合代理（MoA）系统 [5] - 包含80多个工具集和10多个高级数据集，每个模型专门用于特定任务 [5]

行业前景与市场规模 - 外骨骼机器人作为融合机械、传感、AI等技术的可穿戴智能设备，2030年全球市场规模预计达146.7亿美元，年复合增长率42.2% [1][2] - 商业化早期主要应用于医疗康复和军工领域，后续逐步拓展至工业和民用场景 [1] - 外骨骼商业模式呈现"场景分化、技术支撑、生态协同"特征 [2] 产品技术分类与发展方向 - 无源外骨骼结构简单，完全依赖机械结构和材料特性提供助力，未来向轻量化和机械设计优化方向发展 [1] - 有源外骨骼集成传感器、控制系统和动力装置，可通过软件编程调整助力模式和力度，未来向AI融合、能源突破、柔性与轻量化驱动方向发展 [2] - 有源外骨骼通用结构分为机械系统、驱动系统、传感系统、控制系统、能源系统五大模块 [3] 核心技术壁垒 - 技术壁垒体现在结构设计、绑带设计、电源续航、步态检测技术、人机协同行走控制等方面 [4] - 步态检测准确性及可靠性是控制前提，传感器技术包括足底感知技术、肢体感知技术、混合感知技术三种 [4] - 人机协同行走控制是外骨骼机器人系统最关键技术，本质是外骨骼伴随人体运动时人机间作用力最小 [4] 产业链投资机会 - 上游硬件端受益标的包括美股股份(关节减速器)、宏昌科技(关节减速器)、华依科技(IMU) [5] - 中游产品端受益标的包括振江股份、探路者 [5]

外骨骼机器人应用场景 - 消费级外骨骼机器人售价2500元 上新15秒售出几百台并售罄 主要针对老年助行和户外运动场景 [2] - 产品采用轻量化碳纤维材料与仿生结构 无需电源即可提供步行助力 通过捕获行走动能转化为势能储能 [2] - 系列下肢外骨骼步行康复器已在全国700余家机构使用 累计服务超65.8万人次 针对脊髓损伤等患者提供数字化康复 [3] - 核心应用场景聚焦医疗康复 工业与物流及消费级人体机能增强领域 [3] 技术发展现状 - 外骨骼技术相比人形机器人成熟度更高 传感器 电控 动力系统等技术已通过商业化验证 [2] - 结构相对简单 对感知和智能化要求较低 技术迭代快 稳定性高 [6] - 采用人机工学 AI技术 机器人技术 多传感器信息融合技术 [3] - 未来将持续关注具身智能与人机协同 保留人类决策灵活性 [3] 市场规模与需求 - 2030年全球外骨骼市场规模预计达68亿美元 医疗康复领域占比超50% 工业领域增速最快 [4] - 中国中风患者残疾概率为全球平均水平2.5倍 康复治疗师占比仅3.6/10万 远低于国际标准50人 [5] - 中国康复医疗服务市场床位缺口达45万张 康复需求市场包含近百亿元B端和万亿元C端市场 [5] 产品竞争优势 - 成本优势明显 零部件复杂度低 量产成本可控 易于规模化生产 [6] - 功能聚焦单一场景 商业化路径清晰 技术容错率较高 [6] - 老龄化社会催生康复医疗需求 工业领域亟需降低工伤率 [7]

赛事概况 - 2025年4月19日在北京亦庄举办全球首场人形机器人半程马拉松 人类选手12000名与20余家企业机器人同场竞技 全程21.0975公里 [1][4] - 赛事主题为"亦马当先 智领未来" 由北京市体育局、经济和信息化局及经开区管委会联合主办 [4] - 赛道途经南海子公园、文博大桥、泡桐大道等11个标志性景点 包含平坦柏油路、短陡坡、沙地等多种地形 [4][5][31] - 机器人需应对坑洼裂缝路、石板路、草地等复杂地形 允许热插拔换电（平均耗时10余秒）并配备人类领航员与工程师团队 [5][29] 参赛机器人表现 - 天工战队Ultra机器人以2小时40分42秒夺冠 平均时速8公里/小时 身高180cm/重52kg 具备地形适应能力 比赛期间更换3次电池 [7][8][11] - 松延动力小顽童N2获亚军 用时3小时27分50秒 身高1.2米/重30千克 搭载18个关节和自研算法 独创30秒快速换电系统 [7][12][14] - 卓益得行者二号获季军 用时4小时00分56秒 身高1.7米/重28公斤 最高速度8公里/小时 可持续运行6小时 [7][15] - 宇树G1机器人展现自恢复能力 钢宝队仿生机器人"幻幻"中途退赛 [18] 商业价值与产业化 - 赛事通过"技术竞标"机制为20余家企业带来3.2亿元研发订单 京东与多个机器人品牌达成战略合作并同步销售参赛同款产品 [23] - 无锡具身智能机器人运动会（4月24日）设六大竞技项目 吸引近30家企业参与 预计商业价值达5亿元 [24][26] - 宇树H1机器人通过春晚积累30亿次话题播放量 与安慕希、比亚迪等品牌达成代言合作 [27] - 机器人经纪人职业兴起 2025年相关专业服务市场规模预计突破50亿元 [29][30] 行业活动规划 - 2025年国内规划三场大型机器人赛事：北京亦庄半马（4月19日）、无锡具身智能运动会（4月24-26日）、世界人形机器人运动会（8月15-20日） [26] - 赛事类型覆盖人机同赛、纯算法专项赛及智能体综合竞技 参赛规模最高达30个国家代表队 [26] 技术应用拓展 - AI乒乓球机器人已应用于国家训练基地 可同时带三名运动员进行多球训练 [36] - 中国智能健身市场规模预计2025年突破820亿元 智能健身设备年出货量复合增长率达164% [39] - 赛事奖牌采用可变形交互设计 参赛服融合科技面料与传统文化元素 [34] 赛事社会影响 - 开创"科技+赛事+文旅"的亦庄模式 串联科技创新区与文化地标 [31] - 推动建立人机共赛伦理规范 建议由国家体育总局牵头制定机器人赛事标准 [42] - 未来体育竞技可能分为传统项目保护区、人机共赛试验场和纯技术新赛道三大方向 [44]

行业概况 - 服务机器人行业当前处于技术迭代与商业化探索阶段，具身智能成为未来关键词 [1][5] - 行业面临物理世界数据匮乏的瓶颈，真实环境动作数据积累是技术突破关键 [6] - IDC预测具身服务机器人市场将在2025-2030年实现86.2%复合增长，2030年规模达1247亿美元 [5] 公司发展历程 - 公司成立于15年前，开创国内餐饮服务机器人先河，全球首创该领域应用 [2][3] - 2019年与海底捞合作成为转折点，通过机器人承担传菜工作实现人力成本优化（欧美市场成本仅为当地人力1/3-1/2） [4] - 产品已覆盖全球600+城市，累计部署超10万台机器人，客户包括海底捞、希尔顿等头部品牌 [2][5] 技术路径 - 采取"移动+操作"双轨研发策略，最新轮式人形机器人XMAN-R1配备双臂操作功能 [6][7] - 通过规模化部署积累多场景数据（餐饮/酒店/商场等），构建真实环境数据库 [6] - 具身智能需解决动态非结构化环境、人机高频交互、全流程闭环三大挑战 [7] 商业模式 - 国内以销售为主，海外采用租赁模式（商家按月付费），更符合当地消费习惯 [4] - 正拓展商场清洁、仓储物流等新场景，商用清洁机器人已进入大型物业 [9] - 坚持"先商用后民用"路径，预计家庭场景落地仍需5年以上 [8][9] 资本动态 - 2021年获软银愿景基金领投14亿元D轮融资，2024年完成新一轮融资（未披露金额） [1][2] - 投资方包括阿里巴巴、源码资本等明星机构，反映资本对赛道长期看好 [2] - 行业存在短期资本回报压力与硬科技长周期特性的矛盾 [8]

养老机器人国际标准发布 - 国际电工委员会（IEC）正式发布由我国牵头制定的养老机器人国际标准 为各类养老机器人产品设计、制造、测试和认证等提供基准 [1] 养老机器人发展时间表 - 资深业内人士预测 未来3年左右陪伴型养老机器人将走进家庭 [1] - 能像专业护工一样为失能、半失能老人提供护理服务的养老机器人 有望在5年左右时间内走入家庭 [1] 外骨骼机器人应用拓展 - 外骨骼机器人落地场景正逐步从工业向养老领域拓展 [1] - 外骨骼机器人可辅助护工搬动行动不便老人 帮助脑梗老人康复训练和恢复行走 [1] 养老机器人现存问题 - 价格普遍较高 配套服务不足 [1] - 不能精准聚焦痛点 导致产品设计存在缺陷 [1] - 助行机器人使用时仍需护理员辅助 需额外支付使用费用 [1] - 喂饭机器人对难以转动脖子的失能老人存在使用困难 [1] - 智能设备频繁提示升级 升级后需重新输入用户名密码 给健忘老人带来麻烦 [1] 痛点思维的重要性 - "痛点思维"是关乎机器人养老兴旺发展的关键 需关注用户体验中的困扰和烦恼 [2] - 目前不少智慧养老产品只是开发智能设备的副产品 先有产品再到养老场景寻找应用机会 [2] - 智能康复领域缺少专门的"老年版本" 产品同时适用于年轻人和老年人 [2] - 部分企业研发时闭门造车 想当然地锁定需求点 把锦上添花当成雪中送炭 [2] 智慧养老实现场景 - 我国养老模式呈"9073"格局 90%老人居家养老 7%依托社区支持养老 3%入住机构养老 [2] - 在这些场景中人作为重要护理者依然不可或缺 [2] - 机器人不会完全取代人 创新需在人机协同背景下展开 [2] - 破解智慧养老中的人机协同问题是当前创新的主要痛点之一 [2] 行业发展建议 - 需不断聚焦养老产业痛点 把"用户至上"理念贯穿研发、制造与销售全流程 [3] - 这样才能有效防止"朝阳产业未见朝阳"现象 实现智慧养老从"有"到"优"的转变 [3]

行业趋势 - 2025年被视为AI产业化元年，AI平权化时代来临，推动各行各业智能化转型至临界点[1] - 法律科技行业头部企业法大大基于自研法律大模型发布法务AI智能体产品iTerms Pro，强调AI需穿透专业场景实现人机协同[1][8] - 国内超50%企业已完成合同数字化管理，但多数仍停留在流程线上化阶段，非标合同依赖人工审查[6][7] 产品与技术 - iTerms Pro通过组合式AI和多模态适配实现智能合同审查、履约监控、法律研究等场景，支持多个Agent协同规划[8][10] - 产品采用CoT（思维链）和CoA（行动链）技术生成数字员工，提升人机协同效率[10] - 法律垂直大模型依赖高质量专有语料及专家经验算法转化，开源大模型在专业领域无法替代垂直模型[16][18] 商业化落地 - 企业客户主动参与共建，提供业务know-how数据训练垂类模型以提升准确性[10] - 合同审查场景中，AI可节省50%工作量（人工平均20分钟/份）[25] - 产品定位为开箱即用的上层应用，通过API接口与OA、ERP系统集成，强调开放性[29] 战略价值重构 - AI释放法务生产力，使其从低效检索转向策略优化，尤其在全球化出海场景中凸显法务部门风控策略价值[28] - 技术落地需聚焦人本思维，通过智能体自主规划（如MCP协议逻辑）打通业务流程与单点AI能力[29][30] - 法律AI应用壁垒包括多法域合规动态适配能力、RAG及Agentic AI等实用形态深化[19]

数字技术与工艺美术教育管理的融合 - 数字技术正在重构工艺美术教育管理框架，通过智能管理系统保留艺术创作特质同时提升数据驱动能力 [1] - 构建动态响应系统需解决工具理性与艺术感性耦合难题，实现资源流动与个性化评价 [1] - 虚拟与现实交织的新场域中，技术服务于人的发展是数字化转型核心命题 [1] 数字化管理的核心价值 - 云端调度平台打破校际资源壁垒，形成跨地域"艺术资源云"，实现陶艺窑炉温控数据与漆器工坊湿度参数的物联网交汇 [2] - 学生创作数字资产通过智能推荐系统反哺教师备课，形成教学相长的生态循环 [2] - 混合现实技术构建师生联合创作空间，智能评审系统双向更新创作建议与评价标准 [2] 当前管理困境 - 行政化管理系统与艺术创作规律冲突，量化指标切割传统工艺研习周期，消解技艺传承的时空连续性 [3] - 教学数据孤岛导致决策滞后，跨部门信息断层阻碍非遗技艺转译与新材料工艺适配 [4] - 标准化评估工具与工艺美术创造性要求失配，地域性技艺特质和隐性知识被系统性遮蔽 [4] 数字化转型策略 - 研发适配艺术学科特性的智能管理平台，采用云端渲染技术搭建虚拟创作空间并记录非线性创作轨迹 [5] - 构建全域数据中台，通过智能传感捕获多模态数据流，建立教学数字孪生体实现资源动态调配 [5] - 创新评价算法融合图像解析、动态捕捉与语义网络模型，生成可视化成长图谱匹配个性化学习方案 [6] 未来发展方向 - 数字孪生技术保障个性化表达空间，美学评价模型构建协同共治生态 [6] - 需平衡数字理性与艺术感性，推动传统工艺美学的现代转化与国际化传播 [6]

纪要涉及的行业和公司 - **行业**：AI行业、金融行业、医疗行业、教育行业、广告行业、SaaS软件行业、汽车行业、机器人行业、能源行业、芯片行业 - **公司**：MaxLinear、英伟达、百度、小米、DeepMind、谷歌、微软、Meta、多邻国、字节跳动、Proactis、Feec、OpenAI、SES AI、MiniMax、SpaceX、ServiceNow、Salesforce、Palantir、特斯拉、长安、比亚迪、吉利、英伟达、德赛西威、大疆展宇、元戎启行、理想、芯擎科技、亿咖通、黑芝麻、地平线、华为、Mobileye、Momenta、蔚来、小鹏、秦州重机、瑞萨、阿里旗下平头哥、小米集团、比亚迪电子 纪要提到的核心观点和论据 AI投资与应用现状 - **投资现状**：美国主导私人AI投资，中国和欧盟相对规模小；2024年美国企业重视AI基础设施建设，美股科技公司资本开支显著增长，如MaxLinear自2022年以来开支快速增长，推动英伟达等公司营收增加，使美股科技股表现强劲[4]。 - **应用现状**：美国职场AI渗透率约20% - 40%，更接近20%，2024年约20%员工使用AI，但仅5%企业使用，企业应用广泛度待提升；工作外AI渗透率高于职场，与90年代个人电脑普及路径不同[4][5]。 AI对就业市场的影响 - **增强效能为主**：当前AI更多增强效能而非完全自动化，如NVIDIA平台60%任务是增强效能，40%是自动化；2024年约27%美国企业尝试用AI替代部分任务，但仅2.6%企业因AI裁员[7]。 - **改变就业结构**：未来十年低复杂度职业如销售和办公室职位将负增长，高决策能力职业如律师和金融分析师有望增长，金融和投资分析师预计增速9.5%，高于整体就业增速4%[7]。 AI对经济的影响 - **直接贡献有限**：数据中心建设占美国GDP比重仅0.1%，信息技术等投资占比不到4%；2019 - 2023年美国劳动生产率有所提升，但低于90年代至2007年水平，目前AI对生产效率提升有限[1][8]。 - **长期潜力大**：若AI带动生产率腾飞，美国有望实现低通胀、高增长的“金发女郎经济”，中国可借此提高人均GDP，缩小与美国差距；当前AI相关投资对美国经济增速拉动约0.1 - 0.3个百分点，未来可能达1 - 2个百分点[1][2][11][12]。 AI商业化探索 - **面临不确定性**：全球AI投资自2021年高峰后下降，投资转向硬件、云计算和数据中心，未来两年不同领域AI商业化探索能否贡献业绩不确定，类似早期移动互联网发展[24]。 - **应用方向及进展**：海外主要应用方向有编程助手、企业级检索、AI办公、广告推荐系统、营销平台、教育领域口语教学和答题辅助等，均处于初步商业化阶段且前景广阔[52]。 AI时代企业变革 - **构建人机协同文化**：企业需推动员工寻找与AI联合办公平衡点，因AI搜索和生成内容有局限性，人的经验判断仍重要[25]。 - **降本增效**：AI在各行业对成本下降和效率提升效果显著，如IT运营和制造领域部分公司成本降低超20%，几乎所有公司收入提高超50%[26]。 - **流程重塑**：企业分业务重塑流程，全面改变组织模式，包括锁定算力资源、打破数据壁垒、使用开源大模型形成垂类模型等[26]。 AI基础驱动力 - **数据**：数据是重要壁垒，质量决定AI输出优劣，有数据飞轮效应；2024年下半年高质量数据投入大模型训练，出现数据耗尽问题，需探讨新数据来源[21][28]。 - **算力**：算力长期稀缺，企业需提前投资锁定资源，考虑公有云或私有部署方式；英伟达GPU芯片架构过去十年提升并行计算能力，但未来难以保持1000倍效能增长，算力成本将受关注[20][28][30][31]。 - **算法**：大模型采用transformer和扩散模型解决长序列数据关联问题，使训练取得突破，但慢思考及推理性任务仍在探索[32]。 AI在各行业应用 - **金融行业**：数据价值高且直接，是数据密集型行业，AI应用潜力大[21]。 - **医疗行业**：AI可建立良好的X - Y关系模型，提升诊疗效率和准确性[47]。 - **教育行业**：应用于口语教学和答题辅助，如多邻国和字节跳动的相关产品，处于初步商业化阶段[55]。 - **广告行业**：广告推荐系统通过大语言模型技术迭代升级，提升推荐效率，带来6 - 8个百分点的用户使用时长增长[54]。 - **汽车行业**：智能驾驶平权推广，算法、算力硬件及传感硬件供给成本降低；自动驾驶算法架构演进，驱动车载推理计算单元向高算力发展；未来驾舱融合与驾控融合、RISC - V架构采用率增加[70][71][76]。 其他重要但可能被忽略的内容 - **AI浪潮阶段**：当前AI浪潮类比2010年移动互联网浪潮，处于商业化拐点，中国公司技术领先程度提升，开源模型涌现，科技股表现强劲[3][14][15]。 - **流量入口和供应链演变**：AI时代流量入口重要性提升，是数据收集漏斗；供应链演变为数据生态系统，以链主企业为核心共享数据，提高协同效率[22][23]。 - **大模型应用及问题**：主要应用于智能搜索和深层次生成式应用；存在准确性和真实性问题，可基于知识库建立应用提升准确性[37][38]。 - **未来AI发展方向**：增加可信赖程度和提高推理能力，如思维链推理和价值观对齐等[41]。 - **智能化决策系统趋势**：深度数字化、决策知识整合、智能识别决策，反馈式输出与迭代是关键，如L4级自动驾驶和机器人领域的融合智能模式[42]。 - **AI在经济性评估和高效高复用场景应用**：在知识处理型行业和核聚变研究等领域有显著优势，预计2035年甚至2030年核聚变研究可能突破[44]。 - **AI在行业应用渐进式发展过程**：先进行行业知识库建设，再形成智能化决策子系统，最终发展为融合性的全域性企业大脑[45]。 - **美股视角下AI产业链进展**：从预训练转向强化学习，提高推理能力，未来AI独立完成任务将改变估值定价基础；谷歌等大厂将推出新agent项目，初创公司持续迭代创新[51]。 - **B端领域AI应用问题**：AI数据嵌入企业工作流面临定价基础调整问题；智能代理定价基于任务价值，与SaaS软件不同；推广面临数据安全、应用嵌入不明确、大模型能力不足等挑战[65][66][69]。 - **ADAS芯片格局及竞争策略变化**：算法、算力硬件及传感硬件供给成本降低推动智能驾驶平权；技术上有DSA去异构集成、存储融合、RISC - V加强自主可控性等新线索；自动驾驶算法架构演进[70][71]。 - **车载计算平台及技术**：主流平台如英伟达Orin平台集成异构计算单元；DSA架构融合实现算力优化，Chiplet技术提高设计研发制造灵活性和可扩展性[72][73][74]。 - **汽车智能化发展趋势**：驾舱融合与驾控融合层级演进；RISC - V架构采用率增加，政策将催化其渗透率提升[76]。 - **ADAS SOC芯片产业趋势**：算法引擎对DSA异构集成有新要求，快速融合可能集成到芯片层级，RISC - V渗透率增加[78]。 - **中低阶ADAS市场本土厂商情况**：国内市场空间受挤压，海外市场因质价普及滞后，本土厂商有望输出智驾技术[79]。 - **芯片厂商策略**：需配套完善供应链、工具链和功能软件，协助下游算法商或OEM进行算法开发和部署[80]。 - **国产供给企业情况**：地平线和黑芝麻是港股核心投资标的，华为能力全面，Mobileye全程交付见长，企业强化算法能力建设[81]。 - **算法供应商与芯片厂商合作趋势**：双向奔赴，有助于提高交付能力和竞争力，技术人才储备可复用外溢[83]。 - **主机厂智能驾驶策略和进展**：主要策略是深度学习算法自研，竞赛重点是UI模型；特斯拉进展最快，中国新兴车企基本实现高阶方案自研，传统车企采取双轨策略[84]。 - **智能驾驶全栈自研成本**：年化成本约20亿元，硬件设计和算法开发各占约8亿元，标准化外部供应商未来有增长机会[85]。 - **具有机会的公司**：小米集团、比亚迪电子股价表现良好且仍有机会，德赛西威是平台趋势下最受益公司[86]。