文章核心观点 新一轮人工智能是信息智能、物理智能和生物智能的融合，在规模定律驱动下，智能从模式识别“涌现”为生成式与推理式AI，并正快速演化为智能体范式[2][3][12] 以ChatGPT和DeepSeek为里程碑，AI发展正从预训练时代迈向以推理为核心的“DeepSeek时刻”，并在高效率、低成本和开源生态中加速落地[4][11][12][14] 未来5-10年，产业将进入“智能体互联网”时代，智能体将取代大部分SaaS和App，成为人机交互的默认形态，这也是通往通用人工智能（AGI）的必经之路[6][12][38][40] AI发展范式演进 - **新一轮AI的本质是三大智能融合**：即信息智能、物理智能和生物智能的融合，本质上是原子、分子和比特的融合[2][8][12] - **智能涌现的关键驱动**：在规模定律（Scaling Law）持续作用下，当参数规模、数据体量与算力跨过阈值，智能从鉴别式AI“涌现”为生成式AI，再走向以智能体为代表的新范式[3][10][11] - **两大里程碑事件**：ChatGPT通过统一表征与token化，将文本、语音、图像乃至蛋白质、点云等数据纳入同一空间，实现了从鉴别式AI到生成式AI的跨越[4][10] DeepSeek则以高效率、高性能、低价格和开源路径，将大模型从“预训练时代”推向以推理为核心的“DeepSeek时刻”[4][11][14] AI发展的五大趋势 - **趋势一：生成式AI正快速演化为智能体**：智能体是近两年AI领域最重要的创新，其任务长度在过去七个月增长了两倍，准确度已大于50%，与人类对齐[15][17][18] - **趋势二：规模定律重心转移**：规模定律在预训练阶段已放缓，更多智能发展转移至后训练、推理和智能体阶段[19] 推理的单位成本在过去一年下降了10倍，而智能体本身的算力要求一年增长了10倍，两者成本效应相互平衡[19] - **趋势三：从信息智能走向物理与生物智能**：大语言模型正走向视觉语言动作模型（VLA）[20] 无人驾驶在2024年已到达“ChatGPT时刻”，预计到2030年（DeepSeek时刻），约10%的新车将拥有L4级无人驾驶能力[20] 机器人是未来最大赛道之一，预计未来10年左右，机器人的数量将超过人类数量[21] - **趋势四：AI风险同步放大**：随着智能体的出现，AI相关的风险至少翻倍[22] - **趋势五：开源成为主流生态**：开源将成为更大、更主要的平台和生态，预计约80%的模型为开源，20%为闭源[23] 未来产业格局：智能体互联网 - **基础大模型如操作系统般收敛**：基础大模型相当于AI时代的操作系统，全球范围内最终将收敛到不超过10个，主要由中美两国引领[6][12][23][35] - **智能体取代传统软件形态**：智能体会取代今天的大部分SaaS和手机App，成为企业和个人与世界交互的默认形态[6][30] 未来的企业架构将包含GPU、大模型、数据以及由人和智能体共同构成的人力资源[25] - **形成新的产业架构与经济形态**：产业将重构为“基础模型+垂直/边缘模型+智能体网络”的新格局[12][23] 智能体不仅在形成网络，也在形成新的经济形态[25] 整个产业规模将比PC时代、移动时代大一个、两个甚至三个数量级[37] - **是通往AGI的必经之路**：智能体互联网是未来5-10年最大的发展方向，也是实现通用人工智能（AGI）的必经之路，需要新的算法体系如记忆体系、世界模型等[12][38][40] 预计未来五年，现有的自回归架构、Transformer、Diffusion等技术可能被颠覆[41] 技术应用与展望 - **医疗智能体案例**：清华大学已开发出全球首个医疗智能体无人医院，利用多智能体网络模拟三甲医院，能在两天内完成相当于医院两到三年的病例处理，且准确度更高[31][33] 智能体主要作为医生的助理，未来每位医生都可能拥有自己的智能体[34] - **AGI实现时间表**：预计需要15-20年时间，依次完成从信息智能到物理智能，再到生物智能的跨越[12][42]

公司战略与市场定位 - 西门子在第二十届中国IDC产业年度大典上推出全新升级的数据中心解决方案5.0，并展示面向未来“AI工厂”的多款新品 [1] - 公司认为，随着生成式AI爆发开启新的算力革命，打造更智慧、更绿色、更安全的数据中心已成为算力产业升级的必答题，也是其创新使命 [3] - 公司旨在通过数据中心解决方案5.0，发挥其数实融合的技术优势及数十年行业经验，联合生态伙伴，为数据中心提供全生命周期技术支持，以“新质算力”释放AI时代的新质生产力 [3] 解决方案5.0核心特点 - 该解决方案贯穿数据中心从规划、建设到运营、维护的全生命周期，融合虚拟仿真软件、智能硬件和AI应用，赋能算力产业高价值转型 [3] - 解决方案中的多款产品已上架西门子Xcelerator开放式数字商业平台，公司借此拓展数据中心创新生态，加速与行业上下游企业共创共赢 [3] - 解决方案采用全集成一体化架构，全面整合中低压配电、柴油发电机、楼宇自控及制冷等系统，实现数据互联互通与动态协同优化，可将被动响应变为主动防御，减少30%以上的宕机风险 [4] 软件与数字化能力 - Simcenter软件可对工艺机械电气和热管理等系统进行仿真设计，例如模拟从芯片到制冷系统的复杂交互，或对“芯片—服务器—机柜—数据中心”全链条进行精准热流分析 [4] - PSS®SINCAL软件可对供电、配电、储能和用电系统的规划设计进行仿真、分析和计算，提高电力系统在运营阶段的能源利用率和稳定性 [4] - 公司绿色低碳解决方案融合智慧能碳管理平台Smart ECX、配电魔方NXpower Matrix、电柜管家Panel Manager、智冷魔方AI BOX等全套数字化产品，横向贯通源网荷储能源价值链，纵向深入高用能、高排碳场景，实现供电绿色化、能碳透明化和用能高效化 [4] 硬件与技术创新 - 公司为数据中心提供前沿的风液融合解决方案，确保热管理稳定、高效和动态匹配 [5] - 针对风冷系统，其白空间冷却优化解决方案通过AI算法实时优化制冷系统运行策略，动态调整冷却参数，可实现高达40%的冷却能耗节省，投资回报周期不到3年 [5] - 针对中压配电系统，公司提供高可靠的智能化NXAirS空气绝缘开关设备以及面向绿色未来的blue GIS环保气体绝缘开关设备 [5] - 针对低压配电系统，公司提供高品质的低压开关设备和SENTRON 3WA系列智能空气断路器等产品 [5] - 一体化电力模块通过模块化、预制化和智能化设计，显著提升数据中心的空间利用率、供电效率和运维可靠性 [5] 新品发布与本地化 - 适用于800/1000伏直流的SENTRON 3VA系列塑壳断路器首次亮相中国市场，它同时满足IEC和UL标准，帮助客户精准开拓海外市场 [1][6] - 西门子固态断路器产品也首次亮相，展现对于创新技术的前瞻布局 [6] - 针对未来“AI工厂”的HVDC高压直流电力架构，公司推出满足数据中心800/1000伏直流配电产品 [5] - 专门针对数据中心HVDC高压直流应用场景，公司正加速本地化创新，打造满足本地客户需求的配电产品，为AI算力集群等高端应用场景提供具有竞争力的解决方案 [6]

大会概况与行业趋势 - 量子位主办的MEET2026智能未来大会吸引了近30位产业代表、近1500名线下观众及超过350万线上观众，反映了行业对AI未来的高度关注 [5] - 2025年AI领域呈现发展、分裂与重构的态势，迫使所有参与者明确未来方向，行业普遍相信下一段增长曲线就在眼前 [3] - 2025年被公认为“Agent元年”，AI智能体技术成为核心焦点，行业高能节点集中爆发 [1][57] 大模型与AGI发展路径 - 以DeepSeek为代表，AI正从鉴别式走向生成式与推理式，新一轮人工智能是信息智能、物理智能和生物智能的融合 [8] - 未来5到10年，基础大模型将像操作系统一样在全球范围内收敛到不超过10个 [8] - 主战场将走向“智能体互联网”时代，智能体会取代大部分SaaS和App，成为交互的默认形态，并被视为通往AGI的必经之路 [8] - 大模型推动AI从弱人工智能迈向通用人工智能，并推动机器人进入2.0通用具身智能时代 [11] - 所有生成模型本质上都是在拟合数据分布，开源模型LLaDA采用扩散语言模型架构，在相同计算量下可比自回归模型参数规模更小，并具备直接修改token等优势 [17] - 当模型与数据规模持续增大时可能出现能力涌现，预计未来几年，有标准答案的人类最难考试可能也难不住机器 [55] - Scaling Law能走多远具有不确定性，国内仍需有少量顶级团队紧跟全球前沿，探索其极限 [55] 智能体（Agent）的演进与落地 - AI正从“思考与回答”转向“自主行动与创造”，真正成熟的智能体必须具备自主分析、决策与执行落地的能力 [35] - 智能体是一套包含认知规划、行动协作、分析反馈三层能力的完整闭环智能系统 [35] - Agent Infra本质上是AI时代的操作系统，管理模型能力、工具调用等“智能资源”，其核心在于Runtime，以提供跨环境通用运行能力 [35] - 过去一年Agent进化明显，在PPT制作、编码等核心工作流中能交付实习生水平的结果，越来越多软件垂类在采用AI能力提升效率 [66] - 一个成功的Agent构建需要三个模块：底层的模型“大脑”、中间的代码、以及相当于“手和脚”的tools模块 [15] - 企业实现智能体落地，优化重点集中在场景选择评估、内部数据知识整理、模型选择构建三个需要循环迭代的环节上 [19] - 企业级智能体落地与ToC的最大不同，在于对“规模化、成本效率和精度”的极致要求 [19] - 多数Agent存在负毛利问题，完成任务的代价高于用户支付意愿，这对创业者和基础设施提供商是巨大挑战 [66] - 当前Agent在三四线城市和日常生活中的渗透率较低 [66] 多模态与第三代Scaling范式 - 2025年往后，第三代Scaling范式的关键在多模态，智源研究院的悟界·Emu3.5通过统一自回归架构，将Next-Token Prediction升级为在多模态数据上的Next-State Prediction [11] - 视频是能大规模获得的、模拟真实世界的高效载体，包含时间、空间、物理、因果关系及意图等各种要素 [11] - 今年多模态和执行端应用带来显著ROI，新的多模态模型提升了智能体对图像视频的理解能力，打开了更多数字空间场景 [66] 端侧与混合AI - AI行业演进分为四个阶段：感知AI、生成式AI、智能体AI、以及能理解并响应真实物理世界的物理AI [13] - 端侧大模型能力快速提升，两年前只能跑1-2K上下文，去年可跑4K，今年已支持8K-16K，特殊场景下甚至可实现最长128K的端侧部署 [13] - 终端侧正在从单一文字模态向支持文本、图片、视频、音频、语音等多模态甚至全模态方向演进 [13] - 在终端侧运行大模型的最大好处之一是个性化，但主要面临内存、带宽和功耗控制等挑战 [13] - 端侧模型不是云端大模型的小参数版本，其关键在于自主学习和记忆，而Transformer架构模型无法在端侧实现这一点 [42] 算力、芯片与基础设施 - 商汤大装置算力总规模达32000P，通过算电协同精准预测电力消耗，已实现年化降低7%电费，年度碳减排超3000吨，综合算效提升15% [31] - 商汤联合国内十余家厂商发布“商汤大装置算力Mall”，客户可自由组合调配国产算力资源、平台工具和行业模型服务 [31] - 国产芯片替代是渐进过程，昆仑芯已在搜索线上系统全量用于推理，但大规模训练场景仍是难点 [44] - 当前重要发展方向是MoE，能扩大参数规模同时不增加激活参数规模，但会带来通信占比提升等系统层面新挑战 [44] - 单颗芯片性能已成为AI算法发展瓶颈，太初元碁自主设计的TC link可实现128卡间的高速互联拓展，为AI算法增长提供硬件基础 [39] - 国内发展人工智能产业离不开开源生态，行业需要企业共同组建开源平台 [39] 具身智能与物理AI - 具身智能被视为一种专门面向物理世界、独立于虚拟世界语言/多模态模型的基础模型 [47] - 物理世界存在高度随机性，现有模型架构、训练方法和数据能力难以对其做出充分准确刻画 [47] - 如果以未来十年为尺度，具身智能基础模型甚至有可能反过来吞噬现有多模态模型的生存空间 [47] - 目前的具身大模型存在不好用、不通用、不易用的问题，尚未达到“ChatGPT时刻” [11] - 未来几年内，人形机器人要进入通用开放环境自主进行复杂工作几乎不可能，应立足于在特定真实场景实现“星火燎原”式的落地发展 [55] - 在物理场景应用中，需要解决双脑架构集成问题：大语言模型给出指令后，端侧需有类似小脑的模型进行快速执行 [66] - 灵巧手是具身智能的核心零部件，中国在机器人与灵巧手领域优势明显，灵心巧手在触觉传感器、电机、减速器三大核心部件坚持自研 [53] - 光轮智能全栈自研“测量-建模-求解”三位一体仿真解决方案，以缩小sim2real gap，加速世界模型与物理AI落地 [49] 商业化落地与行业应用 - 2025年行业更关心如何做行业落地、场景赋能和商业化变现 [25] - 企业服务方向最容易落地的三个方向是：工程流程自动化、行业研究报告、智能化办公助手 [25] - 大模型在千行百业里落地才能产生最大价值，其价值在很多场景尚未真正发挥出来 [29] - 有三类企业需要行业或私有模型：传统大型企业、有海量数据的中小企业、颠覆行业的新兴公司 [29] - 用大模型做To B，最关键的是后训练或Agent化，仅调API无法形成差异性，开源模型需经“专业训练”才能战胜闭源模型 [29] - 卓世科技在医疗健康领域，利用大模型融合2000多种常见病、常见药服务社区医院，并训练专业病种大模型辅助三甲医院诊疗 [25] - AI在工业制造落地需组合拳，大模型融合视觉和时序模型处理生产传感数据，作为大脑自动化调配生产和调优工艺 [25] - 百度文库的AI学习平台OREATE AI新版本上线一个月月活突破140万，登顶ProductHunt全球日榜第一 [9] - 昆仑万维的Skywork Super Agents产品，其PPT模式可在五分钟内生成30页PPT，40%的日活用户使用该模式 [37] 企业组织与生产力变革 - AI进程最直接的落地场景是AI Office [37] - Agent将重写公司组织，因为可验证的流程可以被自动化，重复操作岗位将消失，取而代之的是过程架构师 [37] - 对于企业，核心诉求不是买AI工具，而是能够直接对业务结果负责的AI运营智能体 [51] - 现在不是“AI+”的时代，而是“运营xAI”，AI从工具跃迁为业务主体 [51] - 年轻人是AI生产力释放的主力军，经验丰富的从业者需为企业创造释放AI潜力的生产关系 [51] 经济学影响与全球竞争 - 据估算，AI在今后的十年里每年可提升全球经济增长0.5到0.7个百分点 [23] - AI改变了稀缺的概念，当AI替代人进行工作决策时，可能会出现人和算法、算法和算法之间的竞争 [23] - 未来不应考虑哪个行业绝对安全，而应思考如何掌握AI技术并与AI共生 [23] - 通用Agent的渠道之争对传统渠道是生死之战，只有手机硬件厂商才能决定自己手机上可以装什么Agent [37] - 谷歌主导的A2A协议支持企业内部及企业间智能体的安全有效通信，Gemini模型拥有100万Token超长上下文并迈向AI行动时代 [21] - 开源对AI进化速度至关重要，如果每家公司都闭源，研究速度可能会降低为原来的千分之一 [33] 技术架构与未来突破 - 人工智能要发展到下一个台阶，需要突破Transformer和反向传播算法两座大山 [42] - 每台设备拥有自主学习能力并向物理世界学习，会产生群体智能，这才是迈向通用人工智能的最佳途径，现有大模型本身不产生知识，只是传播知识 [42] - 大公司应双管齐下：一方面使用当前领先技术，另一方面进行探索性研究以寻找下一个重大突破 [33] - 类比生物进化中的“间断平衡”，AI发展是“长期停滞+突然跃迁” [33] - 从POC迈向生产部署面临挑战，生产环境需解决安全、扩容、成本、高可用及处理非优化数据等一系列问题 [15] - 模型定制化面临挑战，Amazon SageMaker AI提供的Nova Forge允许在基础模型训练阶段就引入自有数据进行定制，效果优于训练后微调 [15] - 真正“好用”的AI智能体核心标准包括：采用AI原生方式开发以替代工作流环节、具备可进化性、能像靠谱同事一样持续稳定执行任务并支持人机协作 [66] - 每个人每天使用的最高频的三个APP中有两个是Agent时，才意味着AI Agent进入新发展阶段 [66]

行业趋势与人才需求 - 互联网行业进入存量竞争阶段，多家公司推行降本增效，导致传统互联网开发岗位数量缩减，招聘名额（HC）有所回收 [2] - 随着AI技术成为新的风口，AI开发相关岗位的数量和薪资水平持续增长，成为新的就业增长点 [3] - 大量企业正在向AI转型或利用AI为业务赋能，因此市场对能够落地AI应用的技术人才需求迫切 [5] 阿里巴巴员工结构变化 - 截至2024年12月31日，阿里巴巴集团员工总数为194,320人，较2023年12月31日的219,260人减少了24,940人 [1] - 从2021年底至2024年底，公司员工数量呈现持续下降趋势，例如在2024年第一季度单季员工数减少了14,369人 [2] AI算法岗位薪资与市场情况 - AI核心岗位薪资极具竞争力，例如DeepSeek招聘的大模型全栈工程师岗位开出了月薪11万元、14薪的条件，综合年薪高达154万元 [6] - 许多AI相关岗位的薪资较往年有显著提升，部分岗位薪资涨幅达到40% [6] - 市场对AI算法工程师的年龄容忍度更高，为从业者提供了更长的职业窗口期 [6] AI算法工程师培养计划概况 - 该培养计划由国内一线大厂的算法负责人（Leader）亲自主讲，课程设计在广度和深度上均符合大厂的招聘与用人需求 [7] - 计划承诺学习后与算法岗位需求的贴合度达到98%以上，旨在培养学员解决实际工作问题的能力 [7] - 计划提供就业保障：承诺在校应届生就业年薪不低于29万元，在职人员薪资涨幅不低于40%-50%，若未达成可全额退款 [8] - 该计划已帮助上千名学员获得offer，学员平均薪资达到35万元以上，最新一期学员最高月薪达到85K（即年薪超百万） [8] 课程核心内容与项目实战 - 课程教研团队由20位一线大厂顶级专家组成，历时两年打磨，内容涵盖基础理论与实战项目，旨在培养行业顶尖的算法工程师 [11] - 课程重点围绕主流热门行业的商业项目实战展开，通过企业级项目帮助学员快速掌握深度学习开发框架并具备工业项目动手能力 [11] - 课程包含八大实战项目，覆盖AI多个核心应用领域： 1. **意图识别技术与实战**：涵盖从传统机器学习到预训练模型（如BERT、Qwen）的技术演进，以及从数据清洗到模型部署的全流程 [13][15][16][17] 2. **RAG与大模型智能客服**：涉及智能客服全流程设计、FAQ问答匹配、RAG技术栈（Embedding、检索、重排序）及部署方案 [18] 3. **信息抽取与图谱问答**：核心技术包括实体识别（如BiLSTM-CRF）、关系抽取、Neo4j图数据库构建以及与大模型（如Qwen、DeepSeek）的融合方案 [19][20] 4. **Dify智能开发与应用**：学习低代码模型开发平台Dify，进行工作流编排、工具插件开发，并实战智能体（Agent）和行业应用（如Chat2DB、合同解析） [20][21][22] 5. **多模态内容理解与检索**：应用CLIP等多模态预训练模型，结合Faiss、Milvus等向量数据库，实现图像/视频与文本的跨模态检索系统 [23][24][25][26][27] 6. **ChatBI智能分析与可视化**：实现自然语言到SQL的转换（NL2SQL），利用大语言模型进行数据分析，并结合可视化库（如Matplotlib, Plotly）呈现结果 [28][29][30] 7. **PDF智能公式与计算**：涉及PDF解析、公式OCR识别、自然语言到公式/计算的转换（NL2Formula/NL2Computation），并利用大语言模型和符号计算库（如SymPy） [30][31][32][33][34][35] 8. **Agent与自动化工作流**：基于LangChain等框架构建智能体，学习高级提示工程（如思维链、ReAct）、工具调用、记忆机制和任务规划 [36][37][38][39][40][41][42][44][45] 9. **领域LLM高效微调**：深入实践LoRA、QLoRA等参数高效微调技术，并涵盖从领域数据处理、自动化训练到模型评估与部署的全流程 [46][47][48][49][50][51] - 以上项目解决方案可适配大型互联网、自动驾驶、工业检测、医疗、农业等多个行业场景，注重培养学员的业务思维和举一反三能力 [52] 学员转型与就业成果展示 - 上一期学员中，有90%成功拿到了国内外知名企业的AI或算法岗位offer [55] - 最新一期就业学员中，最高月薪达到75K [55] - **案例1：王同学**：拥有4年Java开发经验，本科学历，通过转型学习算法岗，年薪从25万提升至42万，涨幅达68% [56] - **案例2：谢同学**：原为后端开发，工作5年后转型图像算法岗，成功涨薪至月薪48K，综合年薪达到72万 [60] - **案例3：刘同学**：作为应届毕业生，成功获得百度大模型算法岗offer，薪资为30K*16薪，综合年薪达48万 [63][64] - **案例4：曹同学**：本科电子信息专业，原从事运维工作4年，转型AI算法后，在就业老师内推帮助下获得综合年薪50万的offer [66] - **案例5：车同学**：通过内推进入腾讯，担任NLP算法岗，月薪从13.5K跃升至27K*16薪，年薪增长近3倍 [68][69] - 该课程提供大厂内推机会，帮助学员高效入职，并强调口碑与结果负责 [71] 课程服务与保障 - 课程为学员提供3期、6期、12期等多种分期付款方案 [72] - 报名即签订保涨薪就业协议，对在职人员和应届生的最低薪资涨幅及年薪做出明确承诺 [72] - 若未达到承诺的就业薪资标准，将退还全部学费，但学员可保留所有赠送的学习资源 [72]

公司融资与资金用途 - 近期完成近5000万美元D轮融资，由鼎晖百孚领投，老股东新鼎资本、红杉中国持续加注，指数资本担任独家财务顾问 [1] - 募集资金将主要用于“多智能体协作网络”的技术研发迭代及全球交付网络的建设 [1] 公司发展历程与战略定位 - 公司成立于2017年，过去三年完成了从“单点AI技术验证”向“AI原生临床研究平台”的代际跨越 [1] - 公司已转型为能够交付临床试验全流程结果的核心业务伙伴，脱离了传统软件供应商范畴 [1] - 公司创始人认为医药研发的未来在于认知重构，而非单一功能替代 [1] - 公司愿景是打造新一代的“医药研发操作系统”，通过AI Agent将繁琐流程自动化，让科学家专注于科学创新 [5] 核心技术架构与壁垒 - 公司将底层NLP能力升级为拥有上万个垂直领域智能体的“多智能体协作系统” [1] - 核心壁垒在于用“认知原子论”重构研发流程，将复杂的临床试验拆解为上万个原子化任务，每个任务由专精的Agent负责 [2] - 智能体通过类似脑神经的突触网络连接，实现了远超通用大模型的专业度 [2] - 构建了“设计端”与“执行端”的互相校验机制，当AI被人类专家修正时，系统会触发“反思机制”，自动回溯并修正代码逻辑 [4] - 独创的“双向验证反馈飞轮”机制让系统具备了类似人类专家的直觉，实现举一反三 [4] 商业模式创新 - 在行业普遍采用“按人头/工时付费”的传统模式下，公司开始探索基于里程碑的价值付费模式 [4] - 服务模式可为客户提供“数字彩排”，通过“数字孪生”技术在真实入组前进行全流程推演，模拟从患者筛选到数据统计的整个链路 [4] - 该模式能提前规避可能导致高脱落率的风险点，例如帮助日本药企Immunorock的试验方案获得日本PMDA一次性审核通过 [4] 数据安全与运营原则 - 针对药企数据主权问题，奉行“数据不落地、模型不记忆”的原则 [5] - 每个客户项目均在独立的物理沙箱中运行，项目结束后沙箱销毁，仅保留经过脱敏的“错误逻辑”用于提升系统鲁棒性 [5] 业务规模与验证 - 公司累计已服务超过1000家药企 [5] - 通过40000余个项目的实战交付，验证了系统在复杂医药场景下的通用性与稳定性 [5] 行业趋势判断 - 医药研发行业正处于从“劳动密集型”向“智能密集型”转型的历史节点 [5]

公司战略演变 - 公司正从3D空间软件提供商转向空间智能基础设施提供商，致力于成为AI迈向三维世界过程中的“卖水人” [2] - 公司发展14年，从最初的云3D设计软件公司（酷家乐）演变为覆盖家居设计、工业制造、机器人训练等多场景的服务商，拥有酷家乐、SpatialTwin、SpatialVerse等产品板块 [1] 新产品发布：Aholo空间智能开放平台 - 正式发布Aholo空间智能开放平台，整合了空间重建、空间生成、空间编辑与空间理解四大核心能力，并以API或SDK形式对外开放 [5] - **空间重建**：通过3D高斯重建技术将现实场景转化为可漫游的数字空间，用户仅需拍摄照片和视频，十几分钟即可完成重建 [5] - **空间生成**：基于文本、图像或视频输入，自动生成符合物理规律的三维场景，例如通过一张老照片生成可漫游的数字空间 [5][6] - **空间编辑**：强调对3D空间的构建、修改和渲染，例如将重建的会场变为汽车营销的虚拟影棚 [6][7] - **空间理解**：通过空间语言模型SpatialLM识别物体、理解空间关系，生成包含物理结构化信息的场景数据，对机器人训练至关重要 [7] - 平台能力基于公司14年的数据积累，拥有全球最大的室内空间场景数据集，包括5亿个3D结构化场景和4.4亿个商品模型，每天有来自200多个国家的数百万用户在酷家乐和COOHOM平台创作 [7] - Aholo平台已启动内测，应用场景涵盖影视、XR、文化遗产保护、工业孪生、机器人仿真等领域，并与华策影视、PICO达成战略合作 [7] 新产品发布：3D AI内容创作工具LuxReal - 推出3D AI内容创作工具LuxReal，旨在解决当前AI视频生成中时空一致性差的痛点（如人物走样、物体位置偏移） [10][11] - 产品以自研的AI 3D生成模型Lux3D为底座，融合图像和视频生成模型，构建3D Agent系统，通过先生成3D物体和场景再渲染成视频来保证一致性 [11] - 该工具生成的内容更稳定、更逼真，旨在满足电商、影视、广告等领域的严格商用需求 [11] - 引入3D环节会消耗额外算力，但公司凭借大量GPU资源和实时渲染优化能力，使总体算力成本可控 [12] - LuxReal已开启全球内测邀请，将于12月中下旬正式启动内测 [13] AI商业化进展与挑战 - AI产品商业化面临挑战，关键在于产品必须为客户创造实际的商业收益，例如酷家乐AI智能设计平台让销售导购在5分钟内完成全屋设计方案，操作从点击1万次降至10次左右，但核心是生成的内容能否为客户带来数万元的收入 [14] - 产品效率提升需足够明显（达到80分），并能转化为提高成交率或降低人力成本等商业价值 [14] - 商业模式从传统的按坐席收费，调整为年费/月费与按token/credit收费混合的模式，以适应“人机混用”下机器调用频次高的新场景 [14] - 国内市场对AI产品的付费验证周期较长，公司优势在于已有大客户基础和较好的毛利水平，为持续AI投入提供支撑 [15] - 酷家乐AI智能设计平台已获得顾家家居、欧派、贝壳等30多家头部企业认可，其海外版已于12月初发布，正在与韩国、泰国、欧洲等地客户测试 [15] 机器人训练与工业AI应用 - 空间智能能力是机器人仿真训练的关键，机器人需在包含物理规律的虚拟3D环境中训练 [15] - 公司与谋先飞（Motphys）、地瓜机器人达成深度合作，共同推进机器人仿真训练解决方案落地 [15] - 公司优势在于拥有海量室内空间数据集，并引入3D高斯重建技术真实还原物理场景，缩小仿真到现实的差距 [16][17] - 训练数据构成壁垒，例如训练机器人学会在房间搬椅子可能需要10万个方案，按每个方案1000元计算，仅数据成本就达1亿元 [17] - 公司还推出了工业AI孪生平台SpatialTwin，服务于工业制造场景，该平台入选2025年世界互联网大会“互联网之光”博览会十大首发成果，已与杭叉集团、斯坦德等展开合作 [17] 公司使命与未来展望 - 公司使命从“让设计师的想象力所见即所得”（服务人），延展至服务智能体，通过空间训练平台让机器人在空间中更智能地交互 [18][19] - 公司认为实现空间智能是机器人与人类产生共鸣、共同生活的基础 [19]

累计服务超过1000家药企， 并通过40000余个项目的实战交付。 "我们不再是交付单一功能的模块，而是交付一个能够协同完成临床试验全流程的'AI智能体集群'。"李星对36氪表示："我们的核心壁垒在于用'认知原子 论'去重构研发流程，系统将复杂的临床试验拆解为上万个微小的原子化任务，每个任务由专精的Agent负责，它们通过类似脑神经的突触网络连接，实现了 远超通用大模型的专业度。" 图源：深度智耀 这种技术架构的演进，在一定程度上推动了商业模式的变革。在行业普遍采用"按人头/工时付费"的传统模式下，深度智耀开始探索基于里程碑的价值付费 （Outcome-based Model）。 文 ｜ 胡香赟 编辑 ｜ 海若镜 封面来源 ｜ IC Photo 36氪获悉，AI制药全球领军企业深度智耀近期获近5000万美元D轮融资。本轮融资由鼎晖百孚领投，老股东 新鼎资本、 红杉中国持续加注，指数资本担任 独家财务顾问。募集资金将主要用于"多智能体协作网络"的技术研发迭代及全球交付网络的建设。 深度智耀成立于2017年。相较于早期在单一技术点上的探索，过去三年，深度智耀完成了从"单点AI技术验证"向"AI原生临床研究平台（A ...

财务数据和关键指标变化 - 公司2025财年全年营收创纪录，达到237.7亿美元，同比增长11% [4][27] - 2025财年非GAAP每股收益为20.94美元，GAAP每股收益为16.70美元，分别同比增长14%和35% [4][27] - 第四季度营收为61.9亿美元，同比增长10% [29] - 第四季度非GAAP每股收益为5.50美元，GAAP每股收益为4.45美元，分别同比增长14%和17% [29] - 2025财年运营现金流超过100亿美元，期末现金及短期投资为66亿美元 [27][28] - 2025财年数字媒体年度经常性收入为192亿美元，同比增长11.5%，超过此前11.3%的目标 [9][28] - 2025财年总Adobe年度经常性收入为252亿美元，同比增长11.5% [28] - 第四季度运营现金流创纪录，达到31.6亿美元 [30] - 第四季度剩余履约义务增加20.8亿美元，年末剩余履约义务总额为225.2亿美元，同比增长13% [28][30] - 2025财年执行了近120亿美元的股票回购，流通股减少超过6% [27] - 受汇率变动影响，2025财年末重新估值后，总Adobe年度经常性收入从252亿美元增至256.6亿美元，作为2026财年起点 [34] 各条业务线数据和关键指标变化 - **数字媒体业务**：第四季度营收为46.2亿美元，全年营收为176.5亿美元，均同比增长11% [9][27] - **数字体验业务**：第四季度营收为15.2亿美元，全年营收为58.6亿美元，创纪录，全年同比增长9% [21][27] - **数字体验订阅收入**：第四季度为14.1亿美元，全年为54.1亿美元，均同比增长11% [21][28][29] - **业务专业人士与消费者群体**：第四季度订阅收入为17.2亿美元，同比增长15% [30] - **创意与营销专业人士群体**：第四季度订阅收入为42.5亿美元，同比增长11% [31] - **生成积分消耗**：在创意云、Firefly和Express中的消耗量环比增长3倍 [10][32] - **移动端年度经常性收入**：同比增长超过30% [31] - **Acrobat和Express的月活跃用户**：超过7.5亿，同比增长20% [31] - **Adobe体验平台及原生应用**：年度经常性收入同比增长超过30% [32] - **Firefly Services和Firefly Foundry**：年度经常性收入同比增长超过一倍 [32] - **GenStudio解决方案**：年度经常性收入同比增长超过25% [32] - **年度经常性收入超过1000万美元的客户**：数量同比增长25%，超过150家 [33] 各个市场数据和关键指标变化 - **用户获取与活跃度**：公司产品总月活跃用户同比增长超过15% [7] - **创意免费增值服务月活跃用户**：在第四季度超过7000万，同比增长超过35% [18][20] - **Acrobat Web月活跃用户**：同比增长超过30% [14] - **企业市场**：在欧洲、中东、非洲和亚洲地区企业业务创下纪录季度 [25] - **中小企业、企业和新兴市场**：在所有销售渠道和地区表现强劲 [18] - **大额交易**：第四季度全球超过100万美元的交易预订额创纪录，年度经常性收入超过1000万美元的客户数量同比增长超过25% [8] 公司战略和发展方向和行业竞争 - **AI核心战略**：公司正利用AI加速创新，服务商业人士、消费者、创作者和营销专业人士三大受众群体 [4] - **生成式AI模型**：持续开发自有商业安全的Firefly模型，并大幅扩展与第三方生成式AI模型的合作伙伴生态，Firefly应用现已集成超过25个领先合作伙伴模型 [9][10] - **对话式与智能体界面**：在Adobe Reader、Acrobat和Express中提供新的对话式和智能体界面，并在ChatGPT、Copilot等平台提供成像、视频和生产力功能以覆盖新场景 [4][11] - **企业内容供应链转型**：通过整合创意应用、工作流管理、数字资产管理、Firefly Services和Firefly Foundry定制模型，转变企业内容供应链 [5][17] - **客户体验编排**：提供统一的AI驱动平台，涵盖品牌可见性、内容供应链和客户参与，Adobe体验平台每天处理超过35万亿细分评估和700亿用户档案激活 [21][22] - **收购战略**：宣布有意以约19亿美元全现金交易收购Semrush，以增强品牌在AI搜索中的可见性，交易预计在2026年上半年完成 [7][23][33] - **行业领导地位**：被Forrester Wave评为数字体验平台领导者，并在Gartner的三个魔力象限（多渠道营销中心、B2B营销自动化平台、数字资产管理）中获认可 [26] 管理层对经营环境和未来前景的评论 - **AI影响力**：由AI影响或AI优先的年度经常性收入已超过总业务量的三分之一，AI正深度融入解决方案 [30] - **市场机会**：公司服务于巨大的市场机会，产品创新和客户群体战略推动了2025财年的强劲业绩，并为2026财年总Adobe年度经常性收入增长超过10%的目标奠定基础 [8] - **生成式AI流量增长**：根据Adobe数字指数，2025年假日季至今，生成式AI流量增长了760% [22] - **智能体网络重要性**：来自大语言模型和智能体浏览器的AI流量正在上升，需要不同的转化方法，凸显了智能体网络日益增长的重要性 [23] - **长期信心**：基于第四季度的强劲表现和领先指标，管理层对实现行业领先的创新、双位数的年度经常性收入增长和世界级的盈利能力充满信心 [36][37] - **宏观经济假设**：2026财年财务目标基于当前宏观经济条件，且未计入Semrush的贡献 [34] 其他重要信息 - **产品创新**：第四季度发布了Premiere Mobile（与YouTube整合）和Photoshop Mobile，为创作者提供移动端服务 [5] - **Firefly Foundry**：为企业提供基于自身内容、数据和品牌目录训练的专有基础模型，早期客户兴趣浓厚 [17] - **Acrobat Studio**：将AI助手、PDF空间与Express的生成能力及传统PDF工具整合，市场反响强烈，第四季度近50%的商业ETLA续订客户已升级至此产品 [13][31] - **合作伙伴扩展**：第四季度为Express生态系统新增超过45个合作伙伴，包括Bynder、Hootsuite和Sprout Social [14] - **Adobe MAX活动**：作为全球最大的创意活动，吸引了超过1万名创意社区成员现场参与，线上数百万，展示的创新获得了超过2000篇文章报道和8.2亿次视频观看 [17] 问答环节所有的提问和回答 问题: 关于Firefly Foundry的早期客户使用情况和经济潜力 [41] - 管理层认为Firefly Foundry为企业和媒体娱乐工作流带来了巨大机遇，允许基于客户自身内容和品牌指南定制模型，实现内容创作和交付的自动化 [42][43] - 举例说明，一家媒体娱乐公司在原有约1000万美元年度经常性收入的核心创意产品基础上，新增了约700万美元的Firefly Services和Firefly Foundry业务，并在两三个月内完成模型训练，现已用于构思和生产流程，提高了内容生产效率和收入机会 [44][45][46] - 愿景是为每个品牌或影视系列创建专属的Foundry，以实现内容自动化生产的巨大潜力 [47] 问题: 关于新生产力增强功能如何与企业投资回报率挂钩 [50] - 公司的价值主张在于能够帮助客户优化和加速内容生产，并且是唯一能够闭环从活动创建、执行到最终商业效果分析的公司 [51][52] - 营销预算的10%-20%用于内容创作和生产，公司的内容供应链解决方案（通过GenStudio）既能帮助降低成本，又能更敏捷地创造更多内容，从而提高营销效果和投资回报率 [53] 问题: 关于收购Semrush的战略理由和整合策略 [55] - 收购Semrush是为了满足营销人员对品牌可见性，尤其是在大语言模型等新渠道中品牌定位的迫切需求 [56] - 结合Adobe和Semrush的能力，将为营销人员提供一个全面的解决方案，使其能够在自有渠道、大语言模型、传统搜索引擎和更广泛的网络中管理和提升品牌可见性 [57][58] - 该整合也将帮助公司分析跨渠道（搜索引擎和生成式引擎）支出的相对效率，提供独特的统一分析方法 [59] 问题: 关于用户增长和模型使用量上升何时能转化为整体增长加速 [62] - 管理层认为第四季度是一个拐点，领先指标（如业务专业人士和消费者群体的月活跃用户增长、创意免费增值服务使用量）表现强劲，这为2026财年总Adobe年度经常性收入增长10.2%（约26亿美元净新增）的目标提供了信心，这也是年初指引的历史最高水平 [63][35] - 在创意专业领域，核心创意订阅业务已实现连续环比增长，Firefly新应用和Firefly Foundry自动化服务共同推动了创纪录的数字媒体年度经常性收入 [64] - 公司对基础业务的转型（如移动端、AI融合、高价值产品）和执行感到满意，并认为需要继续保持 [65][66] 问题: 关于2026财年总年度经常性收入增长指引低于2025财年实际增长的原因 [69] - 管理层强调需关注增长的绝对值，2026财年约26亿美元净新增年度经常性收入的指引显示了在所有客户群体中的发展势头 [70] - 该指引基于对所有三个客户群体（业务专业人士与消费者、创作者与创意专业人士、营销专业人士）的信心，而非依赖单一群体，并反映了公司在Express、Acrobat、Firefly、创意云、AEP及GenStudio等产品上取得的进展，以及即将完成的Semrush收购带来的补充 [71] 问题: 关于在Adobe生态系统外（如ChatGPT）扩展服务时的货币化策略 [73] - 公司将大语言模型视为重要的顶级流量入口，可以触达传统渠道难以覆盖的新用户，并提供将其转化为完整付费计划的机会 [73] - 随着大语言模型采用模型上下文协议端点，公司能够将其强大的创意和生产力API能力接入，这构成了持久的差异化优势，并有助于推动免费增值用户体验和月活跃用户增长，最终转化为业绩 [74][75] 问题: 关于生成积分消耗增长、第三方模型影响及对大模型市场份额的看法 [77] - 生成积分消耗的3倍环比增长是由多个因素驱动的：支持生成功能的应用程序数量增加、支持的媒体类型（尤其是视频）扩展、集成的用例和工作流增多，以及模型质量的提升 [78][79][80] - 公司推出了具有吸引力的Firefly应用入门价格计划，集成了Adobe和第三方的最佳模型，这促进了用户增长和积分消耗，并开始看到用户向更高价计划升级或购买积分附加包 [80][81] - 公司的愿景是与所有优秀的模型提供商合作，并日益成为用户访问这些模型的单一目的地，不偏袒特定大模型 [81] 问题: 关于2026财年创意与营销专业人士群体的增长构成、付费席位增长预期及定价杠杆 [84][85] - 公司通过针对不同用户（业务人士、创作者、创意专业人士）的多样化产品组合（如Express、Acrobat Studio、Firefly应用、创意云专业版计划、Firefly Services/Foundry）来推动增长 [86][87] - 免费增值服务月活跃用户增长超过35%，并且已开始通过现有计划（Express、Acrobat Studio、Firefly）将其中的一部分转化为付费用户，同时生成积分使用量持续强劲增长 [88] - 公司继续看到强劲的席位增长，相信用户获取仍有很大空间，并且对于创意专业人士而言，基于价值的定价仍有很大机会，同时企业端的自动化服务将成为额外的增长引擎 [88][89]

生成式AI 2. 开发者实测显示OpenAI生图质量尤其在人物面部生成效果上不如谷歌Nano Banana Pro，推测可能仍基于GPT- 4o训练但相较上一代有所提升； 3. 谷歌Nano Banana Flash新模型也将本周登场，同时Gemini 3 Flash即将发布，OpenAI与谷歌正面争锋AI"大 戏"即将上演。 https://mp.weixin.qq.com/s/VsFTC-85bLSvma7icsbb_w 二、Mistral再开源！发布代码模型Devstral 2及自家原生CLI 1. Mistral AI发布下一代代码模型系列Devstral 2（123B）和Devstral Small 2（24B），在SWE-bench Verified 上分别达到72.2%和68.0%，成本效率比Claude Sonnet高出7倍； 2. 同步发布原生CLI工具Mistral Vibe，提供项目感知上下文、智能引用和多文件编排功能，已作为Zed扩展程序提 供； 3. 采用修改版MIT许可证增加收入限制条款，月收入超2000万美元的公司无权免费使用，需联系Mistral AI购买商业 授权。 http ...

行业峰会与产品发布 - 中关村科金联合甲子光年主办“超级连接·智见未来”EVOLVE 2025大模型与智能体产业创新峰会，并首次公开企业级智能体落地路线图 [1] - 中关村科金发布“3+2+2”智能体产品矩阵，包括大模型平台、AI能力平台、AI数据平台三大基础平台，智能客户平台、智能工作应用平台两大通用场景应用平台，以及金融和工业两大行业智能体平台 [1] - 中关村科金联合华为云、阿里云、百度智能云、火山引擎、亚马逊云科技、超聚变、软通动力等企业共同发布“超级连接”全球生态伙伴计划，旨在打造开放、连接、可持续的“人工智能+”产业生态圈 [1] 2025年生成式AI技术趋势 - 2025年生成式AI呈现技术融合趋势，包括扩散模型与Transformer结合的扩散Transformer、降低应用门槛的小型语言模型、成为标配的多模态能力，以及思维链、专家混合、蒸馏等新技术 [3] - DeepSeek被视为工程成就典范，因其首次将上述多种技术整合到单一模型中 [3] - 行业研究正致力于开发理解三维真实世界的“世界模型”，以超越语言模型的一维预测和图像模型的二维预测，让机器人能自然地与世界互动，相关探索者包括李飞飞创立的World Labs和Meta的Yann LeCun [3] AI智能体的演进与特征 - AI智能体正从“副驾驶”模式（如传统ChatGPT，协助人类完成任务）进化为“自动驾驶”模式，能够自主完成包含多步骤的完整工作流而无需人类干预 [4] - 智能体可执行从市场调研、产品设计、采购、生产规格说明、营销材料生成、销售培训到客户支持的全流程自动化 [4] - 智能体的核心运作机制是“感知-决策-行动-学习”的循环，使其能够突破传统脚本限制并应对环境变化 [4] 多智能体系统与评估 - 随着应用演变为多智能体系统，新的技术栈正在形成，涵盖硬件层、云服务层、语言模型层、编排层（如LangChain）以及最终的智能体应用层 [5] - “上下文工程”概念变得关键，它要求智能体深刻理解组织的完整信息、结构和真实目标，而不仅仅是执行单一任务，从而实现动态组建和解散的群体智能 [5] - 评估智能体的关键指标包括：准确性、效率、稳定性、用户体验、适应性，以及通过强化学习实现的自我提升能力和长期保持上下文的自我监控能力 [5] 智能体的行业应用与价值 - 在客户支持领域，真正的智能客服需能理解问题与上下文、识别客户情绪，并了解组织架构以精准找到答案，而非像传统聊天机器人那样答非所问 [6] - 江森自控为10万名员工打造了集成所有手册和技术笔记的AI系统，相当于最优秀工程师的集合体，大幅提升了维护和故障排查效率，并用于培训新员工 [6] - Strategy公司使用AI设计的金融产品Stretch，创造了今年美国股票发行中最大的IPO [6] - 生成式AI的核心价值在于“生成”原本不存在的东西，例如在旅游业，AI可通过分析用户社交媒体照片了解偏好，提供比传统旅行社更精准的个性化行程 [6] - AlphaFold获得诺贝尔奖证明，AI能够完成人类科学家无法做到的事情，从而加速各类科学研究 [6] AI信任与社会协作愿景 - “Waymo效应”指随着谷歌自动驾驶汽车在旧金山日益普及，公众对AI的信任正在快速提升，这为AI智能体的广泛应用奠定了社会基础 [7] - 对AI未来的愿景并非一个全知“神”般的AI，而是由多个智能体组成的动态协作群体，它们像人类社会一样交换信息、相互协作以达成目标，人类也将作为协作链条的一部分参与其中 [7]