公司财务表现 - 2025年上半年营业收入9.88亿元，同比增长29.64% [1] - 归属于母公司所有者净利润2362.01万元，同比大幅上升453.67% [1] - 业绩增长主要源于AI技术驱动的降本增效及智能体布局 [1] 技术突破与产品进展 - DeepSeek发布V3.1模型，支持思考模式与非思考模式，思考效率显著提升 [1] - 新模型在工具使用与智能体任务表现有较大提升，被定位为"迈向Agent时代的第一步" [1] - 自研空间智能MaaS平台Behavision累计拥有超150万条3D数据和65万条多模态数据 [2] - 5个具身智能数据集完成北京国际大数据交易所资产登记，包含创新的3D铰接数据 [2] 芯片领域战略布局 - 战略投资芯明科技，共同构建软硬协同的国产AI生态 [2] - 芯明芯片是全球唯一单芯片集成实时3D立体视觉感知、端侧AI和SLAM的空间智能系统级芯片 [3] - 采用12nm制程，支持FHD分辨率60fps刷新率，异步时间扭曲延时优化低至1ms [3] - 提供3.5TOPS端侧AI算力，功耗最低仅0.5w，支持6路传感器接入 [3] 产业竞争力构建 - 形成从数据、平台到芯片的完整智能体产业闭环 [4] - 软硬协同模式显著降低系统功耗、延迟和计算负担，提高数据处理实时性 [3][4] - 国产AI通过"软硬协同、场景穿透"模式重构全球产业格局 [1][4]

公司战略与业务布局 - 国安股份携手子公司鸿联九五聚焦人工智能业务实际服务场景 推动核心能力向平台化、智能化、产品化全面演进[2] - 鸿联九五定下发展目标 于十四五期间完成数字化基础设施建设 十五五开局之年重点布局AI智能平台、大模型融合与智能体场景落地[2] - 公司组建专业标注团队 已在医疗、智慧交通、自动驾驶等七大领域形成专业化数据标注能力 与多家头部科技企业建立深度合作[3] 数据标注产业发展 - 数据标注产业迎来爆发式增长 市场呈现细分领域爆发、专业要求提升特征 需求方包括科技公司、互联网企业及AI研发机构等[3] - 数据标注从劳动密集型转向知识密集型 具有三大社会价值：为AI大模型训练提供支持、提升企业AI应用效果、成为数据要素市场重要资产[4] - 国家四部门提出到2027年数据标注产业年均复合增长率超过20% 培育一批具有影响力的科技型数据标注企业[6] 技术投入与创新 - 鸿联九五在技术投入上聚焦标注工具研发优化 开发智能化标注工具提高效率准确性 加强数据加密与访问控制技术确保安全[7] - 公司采用三轮驱动模式：专业团队+技术工具+垂直经验 持续提升技术水平和服务能力[7] - 未来行业将向智能化、自动化、专业化发展 通过自然语言处理、计算机视觉实现半自动或全自动标注 采用区块链技术增强安全性与可追溯性[6] 智能体系统建设 - 鸿联九五2025年初完成对DeepSeek等国产开源大模型的系统性接入 构建可调度、可扩展的智能体系统[8] - 在业务系统中部署三类智能体：坐席助手智能体处理工单与话术优化、运营督导智能体生成预警与分析报告、客户交互智能体驱动内容生成与多渠道分发[8] - 智能体系统提升各大业务平台运营效率 增强产品输出和服务模式可复制性 为外部市场拓展提供标准化支撑[9] 平台智能化升级 - 企信通融合消息平台中生成型智能体实现分钟级内容交付与动态调整 九五云客服平台中辅助型智能体提升坐席响应效率与服务一致性[9] - 智能对练场景中交互型智能体生成模拟对话与场景剧本 提升员工培训沉浸感与实战性[9] - 公司构建具备自主可控、模块复用、数据闭环的智能服务体系 推动技术能力从内部提效向外部赋能延展[9] 行业应用与竞争力构建 - 国安股份联合鸿联九五深化AI与主营业务融合 加快形成平台能力+模型生态+场景智能体的一体化服务体系[10] - 公司持续强化模型融合与智能服务布局 深化在金融、通信、政务、能源等领域的行业化应用[11] - 通过科技创新构筑可持续的智能化核心竞争力 赋能更广泛的企业客户[11]

AI卖课行业演变 - 营销话术从制造AI替代工作恐慌转向兜售低成本暴富神话 使用伪造收入截图和学员证言激发赌徒心理[4] - 技术包装专业化 盗用开源模型伪装成独家算法 虚构不存在的AI商业授权引诱学员[4] - 目标群体从大学生和职场人士扩大到三四线城市上班族 家庭主妇和老年人 通过算法精准推送广告[6] 商业模式创新 - 收入结构从单一卖课升级为会员 入股合伙人等多级分层收费体系[6] - 签约主体与收款主体分离 付款分散至多个个人账户增加追责难度[7] - 公司成立多个套壳公司打游击战 被举报后迅速更换主体继续运营[8] 课程内容实质 - 80%课程内容为网络常见基础知识 中层需额外付费购买进阶秘籍 顶层提供高价VIP服务[12] - 所谓智能体实际是简单问答机器人或直接套用开源模型 缺乏教学价值[13] - 课程质量低于B站免费教程 购买后概不退款条款导致用户维权无门[9] 营销策略细节 - 以高学历主讲人为噱头包装成大厂名师 实际网上查无此人或仅略懂皮毛[10] - 通过直播间情绪鼓动 雇佣下单演员制造名额紧张氛围诱导冲动消费[12] - 采用对比手法展示职场危机与智能体副业月入过万的强烈反差[6] 行业监管规避 - 使用模糊话术如"保证一个月见效"规避法律效力 即使写入合同也无法作为证据[7] - 设置复杂退款门槛 以未按要求操作或个人能力不足为由拒绝退款并收取8%管理费[8] - 利用技术快速迭代特性 使学员开发产品时面临被新一代模型淘汰或同质化竞争风险[16]

核心观点 - 英伟达最新论文指出小语言模型在Agent任务中比大语言模型更具经济性和灵活性 [3][4] - 实测数据显示6 7B参数的Toolformer调用API后性能超越175B的GPT-3 [6] - 7B参数的DeepSeek-R1-Distill推理表现优于Claude3 5和GPT-4o [7] 性能优势 - 小模型通过优化GPU资源和任务设计实现高效执行 [9] - 小模型体积小巧 可在GPU上并行运行多个工作负载并保持性能隔离 [11] - 更低的显存占用使超分配机制成为可能 提升并发能力 [12] - GPU资源可灵活划分 实现异构负载弹性调度和整体资源优化 [13] 成本优势 - 运行70亿参数小模型比700-1750亿参数大模型便宜10-30倍 [24] - 小模型计算资源占用低 更适合本地或边缘部署 [24] - 大模型依赖中心化云计算 需要更高计算成本 [24] 任务适配性 - Agent任务多为重复性 可预测 范围明确 适合小模型处理 [17] - 专业微调的小模型执行子任务可避免大模型资源浪费 [20][23] - 小模型在较小数据量和资源条件下可高效微调 迭代更快 [24] 争议与挑战 - 反对观点认为大模型通用理解能力更强 在专业任务中表现更佳 [26] - 小模型单次推理成本低 但大规模部署时规模经济可能更重要 [30] - 当前GPU架构主要为大模型优化 不完全适配多模型并发 [33] - 小模型缺乏市场认知度和通用评估标准 [33] 实施路径 - 通过数据采集识别常见子任务 选择合适小模型进行微调 [36][37][38] - 构建持续反馈闭环机制优化模型性能和资源利用率 [39] - 结合不同规模语言模型 与查询复杂度级别相匹配 [32] 行业讨论 - 网友实测显示在简单任务中小模型更具成本效益 [41][42] - 小模型专业性可能导致应对复杂情况时不够鲁棒 [43] - 小模型遵循Unix"一个程序只做好一件事"的设计哲学 [44] - 需在功能多样性和操作复杂度之间作出取舍 [45][46]

产品升级与功能拓展 - 智谱于8月20日将Agent产品AutoGLM升级至2.0版本 新增云端执行模式 与阿里云及腾讯云合作 不占用用户本地设备资源 [2] - 新版本支持操作美团、京东、小红书、抖音等数十个高频应用 较初期版本仅支持微信点赞、淘宝购物等功能显著扩展 [2] - 云端模式解决本地化运行限制（如3月版本需通过GUI界面操作） 确保任务持续执行且不影响用户其他设备使用 [2][3] 技术路线演进 - 公司采用"模型即Agent"技术路径 通过端到端强化学习直接赋予模型Agent能力 而非依赖人类专家轨迹学习 [3] - 实现Deep Research与Browser-use Agent技术融合 使Agent能处理大量数据并充分挖掘生产资料价值 与ChatGPT Agent技术方向一致 [3] - 技术迭代驱动从本地化运行（如小红书14天养号任务）向云端虚拟机架构迁移 解决设备依赖与任务中断问题 [2][3] 成本结构与商业化 - AutoGLM单任务成本约0.2美元（含模型与虚拟机） 预计随规模化和商业化推进进一步压缩 [5] - C端产品目前免费 B端采用定制化报价模式 未披露标准调用价格 [5] - 国内Agent单任务定价区间为0.008-0.04元人民币（中金数据） 海外商业化定价多为0.5-2美元/任务 [5] 行业市场动态 - 海外B端Agent市场处于结构性拐点 生态布局与技术演进同步催化市场空间打开 [5] - 2025年以来国内用户对AI应用认知度提升（受DeepSeek等推动） Agent市场需求端瓶颈逐步疏通 [5]

北京市数字经济标准化建设 - 北京市数字经济标准化技术委员会工作组成立大会暨标准宣贯活动月启动 旨在落实全球数字经济标杆城市建设实施方案 加快推进数字经济标准化体系建设 [1] - 会议由标委会主办 八家单位共同承办 包括北京市数字经济促进中心 中国电子技术标准化研究院 中关村东升科技园等 90余家企业及协会代表参会 [1] 标准制定重点领域 - 优先在自动驾驶 具身智能 数字消费 产业互联网 智能体等关键领域制定引领性示范性北京标准 [3] - 支持重点企业开展标准验证和试点示范 促进团体标准制定和企业标准转化 实现标准促进产业发展 [3] 标准化工作推进策略 - 搭建覆盖政府 科研机构 企业及行业协会的标准化协作网络 推动地方标准转化为行业和国家标准 [4] - 鼓励企业将先进技术和实践经验融入标准体系 支持科研机构开展标准化理论与技术研究 [5] - 以实际应用场景为驱动构建动态适配标准体系 总结固化优秀技术实践 打造规范产业发展典型示范 [5] 国际合作与生态建设 - 建立国际标准动态跟踪机制 积极推动企业和专家参与国际标准制定 助力构建开放公平的国际数字经济秩序 [5] - 东升科技园将与标委会建立深度合作关系 共同推动园区企业标准化能力提升 [5] 工作组架构与成果 - 设立五个标准工作组组长单位：自动驾驶及数字化设施（国汽智能网联汽车研究院） 具身智能机器人（北京人形机器人创新中心） 智能体（北京智谱华章科技） 产业互联网（北京软件和信息服务业协会） 数字消费（中关村现代信息消费应用产业技术联盟） [5] - 发布两项重要成果：《智能驾驶智算数据平台发展研究报告》和《数字消费个人信息保护合规管理平台》 [7] 标准宣贯活动月计划 - 开展五项重点工作：提升企业标准化能力 普及前沿技术趋势与应用场景 宣传新技术新场景标准体系 促进技术与应用深度对接 强化政策支持与生态营造 [7]

智谱AutoGLM单任务成本约0.2美元。 8月20日，大模型初创公司智谱将旗下Agent（智能体）产品AutoGLM升级至2.0版本，开启云电脑与云手机执行任务模式。据第一财经记者了解，此次智谱 主要与阿里云及腾讯云合作，不占用用户本地设备存量，在云端运行Agent程序，避免影响用户使用其他APP。 智谱在Agent方面的迭代从去年10月持续至今，初级版本可微信点赞、淘宝购物、携程订票。11月升级后新增会议总结、文档处理、网页搜索与总结等功 能。彼时智谱CEO张鹏对记者表示，智谱对智能体的理解更偏底层技术。 关于底层技术路线的变化，采访中智谱AutoGLM 技术负责人刘潇对记者表示，与其他Agent不同的是，智谱相信"模型即Agent"，即Agent相当大一部分能力 正直接被模型通过端到端强化学习的方式吸纳。去年智谱Agent方案更多依赖于对人类专家轨迹的学习，虽然当时产品可以点外卖，但只要是没有见过的任 务类型，就无法完成。这推动团队在沉思产品上实现Deep Research（深度研究）与Browser-use Agent（网页智能体）的融合，因为如果不使用Browser-use的 方式，便无法阅读大量数 ...

公司战略与行业参与 - 公司成为智能体创新推进计划首批24家核心合作伙伴之一 参与构建多元协同智能体生态 [1] - 公司明确All in Agent战略 将AI作为集团发展核心支点 [3] - 公司深度参与计划十大方向工作 包括建机制 瞰趋势 搭平台 推应用 倡开源 立标准 助融通 促共赢 育人才 保安全 [4] - 公司将依托人工智能大模型 数字安全 智慧应用等技术能力 与政产学研用各界协作促进技术创新和应用生态建设 [5] 技术能力与产品成果 - 公司打造国内排名第一的AI搜索及智能体应用纳米AI多智能体蜂群 [3] - 公司创新采用L1至L5五级智能体能力划分体系 覆盖从基础聊天助手到自我进化型智能体 [3] - L3级推理型智能体实现连续执行100步任务0出错 单次处理Token达100万 调用工具超100种 任务成功率98.2% [3] - L4多智能体蜂群完成1000步连续任务 Token消耗覆盖500万至3000万 任务成功率95.4% 可凭用户指令自动生成30分钟完整视频 [3] 行业发展趋势 - 智能体技术处于从突破到广泛应用的关键阶段 产业协同与生态共建需求迫切 [3] - 行业计划通过多元协同生态推动人工智能技术创新与应用落地 [1] - 中国互联网大会作为互联网领域最具影响力年度盛会 已成功举办24届 [5]

产品发布与定位 - 智谱于8月20日发布全球首个手机通用智能体AutoGLM2.0 由纯国产基座模型驱动 [1] - 该产品通过单一App实现手机智能化转型 具备云端自主执行和跨端协作能力 [2] - 产品形态体现公司对AGI早期形态的理解 基于3A原则（全时/自运转/全域连接）设计 [4][5] 技术能力与执行表现 - 智能体可在云端完成生活服务指令 如美团下单20杯奶茶并使用8元优惠券 仅支付环节需人工确认 [2] - 支持复杂办公任务全流程自动化 包括信息检索/内容生成/多模态创作及社媒发布 [2] - 实现跨App长链路操作 例如差旅场景中连续完成票务预订和酒店住宿安排 [3] 基座模型与AGI路径 - 采用专为智能体打造的GLM-4.5与GLM-4.5V基座模型 覆盖推理/非推理/编码/研究等多类任务 [4] - 模型致力于统一多样化能力 解决现有模型在专项任务表现突出但通用性不足的问题 [4] - 公司认为智能体需实现从对话型助手到任务型助手的转变 直接执行指令而非仅提供建议 [3] 行业意义与发展方向 - 具备多模态和思维能力的模型被视为通向AGI的重要里程碑 [1] - 智能体技术突破浏览器对话框限制 实现与手机/电脑/手表/家电等多设备连接 [5] - 该产品推动普通人机协作新范式 通过AI智能体并行任务提升综合执行水平 [1]

人工智能市场格局演变 - 人工智能市场在过去四年发生显著演变 从GPT-3问世到尺度定律公开讨论 发展轨迹预示革命性变化 [2] - 2022年期间代码与人工智能驱动软件工程领域重要性显现 但当时赢家尚未明确 [3] - 当前第一波人工智能市场已稳固 核心赢家浮现 新市场仍在形成过程中 [3] 基础模型领域竞争格局 - 大语言模型(LLMs)发展由规模驱动 需要数十亿美元资本投入 [4] - 核心参与者包括Anthropic、谷歌、Meta(Llama)、微软、Mistral、OpenAI及X.AI 其中3-4家公司在基准测试和采用率方面领先 [5] - 中国公司推出深度求索、阿里巴巴Qwen和Kimi等开源项目 在基准测试表现良好 [10] - 由于资本壁垒 未来新LLM公司出现概率较低 除非出现未普及的新突破 [11] - 其他基础模型领域(语音/图像/视频等)仍缺乏明确赢家 [12] 编码应用市场发展 - 编码成为生成式AI最早的大规模应用之一 GitHub Copilot2021年推出后广泛采用 [13] - 头部公司产品收入在两年内从0增长至5000万-5亿美元 [13] - 核心竞争者包括Anthropic Claude Code、Cognition/Windsurf、Cursor、谷歌/Windsurf、微软/GitHub、OpenAI及Magic/Poolside等初创公司 [13] - 智能体工作流与IDE工作流之争及基础模型公司功能整合将决定最终赢家 [14] 专业服务领域应用 - 法律市场由Harvey和CaseText主导 其他初创公司在细分领域崭露头角 [15] - 医疗服务文档领域主要玩家包括Abridge、Ambience、Commure/Athelas与微软Nuance [17] - 客户服务市场整合至Decagon和Sierra等初创公司 老牌企业通过增加AI功能竞争 [19] 商业模式变革趋势 - 出现从"卖座席"向"卖认知单元"或"等效人力"的商业模式转变 [20][32] - 推理模型进步与智能体基础设施加速这一转变 [21] - 搜索与信息检索市场由谷歌、OpenAI、Perplexity和Meta主导 Perplexity是主要初创公司 [22] 新兴市场机会领域 - 会计领域同时进行软件开发和行业整合 [24] - 合规领域(如制药合规)出现Blue Note Health等早期玩家 [24] - 金融工具、销售工具与代理、安全等领域存在大量机会 [24] - 安全领域将出现专门针对AI端点、智能体或基础模型使用安全的新公司 [24] 市场发展关键驱动因素 - 模型性能提升开启新市场 GPT-3.5到GPT-4改进推动法律工作流发展 Claude 3.5发布提升编程工具效果 [26] - 市场进入策略错误或既有企业锁定可能阻碍采用 [29] - 买家采用速度较慢但逐步跟进 [30] - 合适团队缺失或创始人需要时间学习迭代 [38] - 产品开发需要时间 市场格局需6-12个月才显现 [38] 智能体技术发展 - 从AI聊天工具向智能体工作流转变 智能体能代用户执行操作 [31] - B2B领域最早采用智能体工作流 如Devin编程工具和Decagon/Sierra客户服务工具 [31] - ChatGPT、Gemini和Perplexity等增加智能体功能进行深度研究 [31] - 新基础设施支持智能体部署和工作流 [31] 行业整合趋势 - 生成式AI驱动行业整合并购 通过收购实现更快采纳速度和经济效益 [33] - AI采纳是组织流程与人的问题 需要实际拥有公司才能重塑流程 [33] - 市场整合导致并购、合作、渠道锁定等战略举措 [34] - 通过合并初创领导者或既有企业/初创组合可能赢得市场 [34]