在上海浦东张江，有一片约1平方公里的土地，汇聚了人工智能企业成长壮大需要的各种"养料"：国内 首个"5G+AI"全场景商用示范园区——张江人工智能岛、"让创业者服务创业者"的产业生态圈载体—— 模力社区、股权投资的枢纽和高地——上海科技投资大厦……这些产业载体，组成了近日亮相的张江 AI小镇。 "张江AI小镇"繁荣的背后，是浦东新区致力于将人工智能打造成世界级产业集群的雄心。记者在调研中 发现，以张江AI小镇为代表的浦东新区人工智能产业，重点发力于"要素支撑、融合赋能"，正加速赋能 应用。浦东所拥有的高端制造、生物医药、金融科技等产业矩阵，正是垂类大模型、具身智能机器人探 索应用落地、验证技术能力的最佳演练场和庞大需求池。这种独特的发展生态和场景供给能力，打破了 创新孤岛，构筑起浦东人工智能产业的核心竞争力。 上下楼就是上下游 "以前拜访合作伙伴都要跨越很远的路程。如今在张江AI小镇，我在一个星期内就见了8拨合作伙 伴。"模力社区首批入驻企业极豆科技CEO汪奕菲在接受证券时报记者采访时表示，当新想法、新技术 涌现时，可以第一时间和产业伙伴面对面沟通，从而提高产品迭代效率。 对于蓬勃发展的人工智能产业而言，技术 ...

公司荣誉与行业地位 - 中关村科金入选《财富》2025年中国科技50强榜单 彰显其在垂类大模型领域的技术研发、平台应用和产业落地的全链条能力 [2] - 公司是唯一凭借领域大模型优势登上《2024胡润中国人工智能企业50强》的企业 并连续5年入选胡润全球独角兽榜 [6] - 根据IDC《中国智能客服市场份额报告（2024）》 中关村科金在智能客服领域排名第四 在垂类大模型厂商中位列第一 [6] 战略布局与技术体系 - 自2023年起战略布局大模型 提出企业大模型落地的"平台+应用+服务"三级引擎战略 成为推动产业智能化升级的重要范式 [5] - 构建以得助大模型平台为核心的技术产品体系 覆盖智能客服、智能营销、智能运营、智能办公的全场景产品矩阵 [5] - 依托自研人工智能、大模型、智能音视频、区块链等前沿技术 为金融、政法政务、工业制造、汽车、零售、中企出海等重点行业提供支撑 [5] 市场覆盖与客户基础 - 公司已为2000多家行业头部企业提供服务 包括50%的中国百强银行以及70%的省市级公安机构 [6] - 服务海外市场的Instadesk全球联络中心解决方案 形成"扎根中国、辐射全球"的产业赋能格局 [5][6] 行业应用与标杆案例 - 与宁夏交建合作打造全国首个交通基建垂类大模型"灵筑智工" [5] - 助力中国船舶集团推出船舶工业大模型"百舸" [5] - 为多家国有大行提供企业级全栈音视频服务 为达州市政府构建政务服务大模型 [5] - 与申万宏源证券合作开发证券行业合规大模型 与政法系统联合打造公安垂类大模型 [5][6] - 为乐橙构建智能化全球客户联络中心 推动中国技术与服务走向世界 [6] 上榜企业名单 - 北京字节跳动科技有限公司、杭州宇树科技股份有限公司、大疆创新、石药控股集团有限公司、联想集团有限公司、京东方科技集团股份有限公司、上海稀宇科技有限公司、大族激光科技产业集团股份有限公司、杭州云深处科技有限公司、顺丰科技有限公司、中控技术股份有限公司、金发科技股份有限公司、中山康方生物医药有限公司、万华化学集团股份有限公司、歌尔股份有限公司、澜起科技股份有限公司、亨通集团有限公司、伯恩光学控股有限公司、神州数码信息服务集团股份有限公司、通威集团有限公司、四川科伦博泰生物医药股份有限公司、永荣控股集团有限公司、TCL科技集团股份有限公司、天合光能股份有限公司、盛虹控股集团有限公司、创新奇智科技集团股份有限公司 [4]

"2到6岁是眼睛发育的关键期，小学阶段问题开始显现，早筛至关重要。"在眼科医疗领 域，赵德亚和团队研发的这款眼科模型可以辅助医生进行诊断。更重要的是，它能进行早期 初筛，让孩子们的眼睛问题尽早被发现。 近日，在武汉一所小学的临时检查室里，一场特别的"眼科检查"正在进行。孩子们排着 队，好奇地轮流坐在仪器前，检查过程十分简单，只需进行一段30秒的视频拍摄：孩子按照 要求上看、下看、左看、右看，最后聚焦一个点。短短几秒后，一份关于孩子是否存在斜 视、散光或曲率异常的初步评估报告就生成了。 这背后，是武汉国创超算科技有限公司（以下简称"武汉国创"）自主研发的垂类大模型 ——"国创眼科医疗大模型"。该模型基于深度学习算法与计算机视觉技术，能够高效处理眼 部动态图像数据，实现快速筛查与辅助诊断。 "我们选择深耕垂类大模型，就是要让AI扎进土壤，解决行业具体痛点。"武汉国创总经 理赵德亚说。赵德亚毕业于华中科技大学人工智能学院，2023年放弃了国企工作，创立武汉 国创，将目光锚定在垂类大模型与人工智能安全两大方向。 目前，该模型已经在武汉大学人民医院、复旦大学附属眼耳鼻喉科医院、深圳市龙华区 人民医院及多所学校进行试点， ...

行业趋势 - 人工智能产业正经历从技术崇拜到价值回归的本质转变 可信性成为变革的核心枢纽 [1] - 行业重点从通用大模型转向垂直领域模型和智能体开发 [3] - 技术发展需完成从能用 到敢用 再到好用的三重跨越 尤其在科研 金融 医疗等开放域场景 [7] 竞争格局 - 大部分赛道马太效应和先发优势不明显 个别细分领域可能存在 [5] - 未来竞争核心是价值创造能力而非算力或参数比拼 [1] - 技术没有绝对壁垒 真正的优势在于创新速度 [4] 产品战略 - 垂类大模型发展核心在于差异化的产品价值 需解决用户痛点 [4] - 产品市场匹配(PMF)成为下一阶段重点 需要行业深耕 [5] - 优秀合作伙伴能提升产品表现 行业积累形成优势 [4] 技术架构 - 可信AI架构包含三层: RAG检索增强生成层 强化学习奖励函数层 神经符号计算与深度学习融合层 [6] - 开放域场景需要结合行业知识定义奖励函数 解决真实场景问题 [6] - 2023年下半年强化学习应用后 大模型幻觉问题得到改善 [6] 展会规模 - 2025世界人工智能大会展出800余家企业 3000余项前沿展品 规模创历届之最 [1] - 展品涵盖40余款大模型 50余款AI终端产品 60余款智能机器人以及100余款全球首发或中国首秀新品 [1]

张江AI产业发展现状 - 浦东AI产业规模已超1600亿元 占全市约40% [1] - 张江聚集近200家AI上下游企业 其中28款大模型产品完成备案或登记 [1] - 张江智能算力规模占全市近1/2 重点建设模力社区人工智能岛等基础设施 [1] - 张江形成集成电路 生物医药 人工智能三大先导产业集聚效应 [1] 垂类大模型应用进展 - 模力社区聚焦具身智能和垂类应用 成为产业新高地 [1] - 20家科技企业展示生物医药 办公 低碳管理等领域的AI成果 [1] - 绘话智能推出首款AI主动式陪伴机器人"小白" 专攻银发市场 [2] - "小白"具备主动沟通能力 可实现生活提醒和健康话题互动 单价约2000元 [2] 应用场景拓展计划 - 张江将开放医疗 民政 公安等超30个AI应用场景 [3] - 绘话智能机器人已完成500多组用户调研 计划2025年上半年量产投放 [2]

大模型行业发展趋势 - 行业焦点从参数比拼转向开源生态争夺，头部企业开放核心模型代码和数据以加速技术迭代与场景落地 [1] - 2025年参数规模不再是行业关注重点，商业价值挖掘成为新阶段核心目标 [1] - 通用大模型企业加速向垂直行业渗透，如钢铁冶炼、医疗、矿山等领域 [2] 垂类大模型应用案例 - 华为云通过钢材成分大数据分析提升产品性能合格率 [2] - 科大讯飞医疗大模型提升基层医疗诊断效率 [2] - 阿里云通义大模型应用于矿山风险辨识，提升告警预警及处置流程效率 [2] - 中关村科金得助大模型平台3.0集成100+行业智能体和200+AI能力组件 [3] 交通基建行业转型 - 宁夏交建引入垂类大模型"灵筑智工"，专业问题准确率比通用模型高40% [5] - 施工方案生成时间从3-4天缩短至半小时，工程量核算效率提升至20分钟完成 [7] - 目标三年综合效率提升20%，聚焦业务痛点解决 [6] 金融行业效率提升 - 50%中国百强银行选择中关村科金合作大模型落地 [7] - 邮储银行营销活动策划效率提升200% [7] - 华瑞银行智能客服实现7*24小时服务，中信建投证券员工知识获取效率提升70% [7] 工业制造与政务应用 - 中国船舶集团"百舸"大模型融合百万级专业知识库，推动船舶行业"数智大脑"建设 [8] - 有色金属工业大模型实现全流程能源优化分析，助力降本减排 [8] - 杭州医保小智覆盖超1亿参保人，群众满意度显著提升 [8] 行业挑战与战略方向 - 数据安全与合规是核心关切，中小企事业单位私有化部署成本高 [9] - 中关村科金"平台+应用+服务"三级引擎战略推动垂类大模型落地 [9] - 垂类大模型推动交通基建从"经验驱动"向"数据+AI驱动"转型 [9] 产业智能化未来展望 - 垂类大模型渗透千行百业，重塑产业DNA [10] - 智能化成为实体经济核心引擎，推动高端化、绿色化发展 [11]

人工智能垂类大模型发展 - 人工智能发展历程跨越近70年 历经四轮发展浪潮 持续重塑世界面貌与人类生活轨迹 [1] - 垂类大模型是针对特定领域优化定制的人工智能模型 相比通用大模型具备更强专业性和精准度 [1] - 中关村科金已构建部署超过200个大模型应用 深度服务金融 政务 工业制造 汽车等十余个行业2000多家头部企业 [1] 中国垂类大模型市场现状 - 2024年中国模型即服务(MaaS)市场规模达7 1亿元 同比增长215 7% [2] - 2024年AI大模型解决方案市场规模达34 9亿元 同比增长126 4% [2] - 企业端对大模型准确性 安全性 内部适应性要求更高 需要端到端智能化解决方案 [2] 垂类大模型在企业应用 - 制造型企业核心关注生产配方优化 能源节约 产品质量提升 [3] - 服务型企业核心关注客户获取 服务质量提升 服务成本降低 [3] - 垂类大模型需融合边缘感知 用户信息 行业知识库数据 通过统一算力管理建立企业智能大脑 [3] - 垂类大模型可渗透企业研发 生产 运营 销售 服务各环节 实现智能化升级 [3]

发球机器人技术升级 - 新一代发球机器人通过具身智能大模型实现"教练式"功能升级，具备路径规划、力矩控制模块，可模拟马龙发球轨迹并调整球拍倾角至15° [1] - 研发方向从"懂球"转向"懂人"，目标打造配备"体育界ChatGPT"的具身智能产品，提供类似"AI刘国梁"的专业指导体验 [1] - 当前技术瓶颈在于分层架构与乒乓球快速反应需求的矛盾，需完善传感、算法和策略机制以提升实时性 [5][6] 商业化进展与成本优势 - 发球机器人使用成本显著低于真人教练，俱乐部收费约80元/小时（真人150元/小时），但现阶段主要推荐有基础学员使用 [3] - C端用户订单占比超50%，B端客户包括学校、专业训练场等教育机构 [8] - 网球发球机器人Acemate海外众筹30天获180万美元，显示市场潜力，乒乓球技术架构可迁移至网球领域 [9] 行业竞争与技术挑战 - 淘宝平台发球机器人价格跨度大（几十元到几万元），形态涵盖夹台式、落地式等，配套App支持训练数据可视化（球速、落点评分等） [8] - 垂类大模型需攻克三模态联通（图像/动作/语言）、推理延迟等工程难题，研发投入周期长 [9] - 全球网球发球机市场规模预计从2024年2740万美元增长至2035年4030万美元，创屹科技近期获华创资本等机构投资 [9][10] 未来发展方向 - 需提升模型泛化能力以覆盖零基础用户，建立"教练式"进阶系统是商业化关键 [10] - 竞争焦点将从功能型"懂球"转向个性化"懂人"，需通过智能化服务扩大客群边界 [1][10]

公司核心技术与产品 - 公司自研垂类大模型"行知大模型" 搭载于AI智能硬件 包括AI智能笔和AI智能鼠标 实现教育场景中实时书写数据采集与办公场景中一键生成PPT、文本、图片、表格等功能 [1][3] - 行知大模型基于开源通用大模型 通过专用知识库联合微调和知识蒸馏技术开发 训练成本低至数万元人民币 训练周期最短仅15天 算力成本为通用大模型的1/10 成本减少超90% [1][3][4] - 公司拥有300余项知识产权 其中143项专利技术 音视频识别分析算法和AI大模型平台开发技术处于前沿水平 行知大模型已成为盈利大模型 [5] 商业模式与市场应用 - 行知大模型已在教育、医疗、政务等领域实现落地应用 并实现盈利 公司与十余家三甲医院合作 在医疗场景提供低成本部署方案 医院初始投入可低至一两百万元 [1][5] - 公司通过小算力、低成本路径切入垂直场景 算法与行业痛点深度融合 产品快速迭代 技术研发与市场落地相互促进 成为省内最早盈利的大模型企业 [1][4][5] - 公司客户需求显著增长 得益于行业快速发展及DeepSeek等通用大模型普及 近期有大量客户主动联系合作 [5] 行业生态与区域发展 - 广州海珠区建设全国首个人工智能大模型应用示范区 落地行业大模型120个 集聚泛人工智能企业超7000家 产业规模突破30亿元 超50家大模型企业实现盈利 [2][6] - 广州依托千行百业场景优势 瞄准垂类大模型 走错位竞争路线 目标打造"垂类模型之都" 拥有3个国家级先进制造业集群和6个千亿级先进制造业集群 为垂类模型提供丰富应用场景 [2][6][7] - 广州市政府印发国内首个行业大模型产业发展方案 目标到2026年推动AI大模型在8个以上行业深度应用 带动示范区主营业务收入超5000亿元 [7] 战略规划与未来方向 - 公司将持续提升技术创新能力和应用水平 深耕教育领域 重点拓展医疗、工业、政务等领域 深化与行业巨头合作 将行知大模型融入更广泛产业体系 [8] - 公司考虑未来开源部分技术 通过开源认识更多合作伙伴 通用大模型与行业大模型将形成相辅相成、上下游共生的关系 [5] - 公司建议在医疗领域通过大模型助力医院分诊导诊 或开发名医生Agent智能体 将名医生服务人数从20人提升至200人 提高效率并降低工作强度 [7]

大模型技术发展与行业机遇 - 全球大模型技术发展多元化，垂类大模型通过定制化训练提供精准行业解决方案，中国在算力自主化、数据优化等方面取得进展[1][24] - 新技术降低大模型训练、运维和推理成本，推动金融行业流程重构，企业需平衡购置、推理和运维成本[1][29] - 国产大模型如DeepSeek和通义千问在成本控制与推理性能上突破，实现数据安全合规、低成本高性能和中文语义优化[1][26][27] - DeepSeek通过混合专家技术将6710亿参数活跃计算量压缩至37亿，训练成本仅为同规模模型的6%[26] - 通义千问融合预训练与垂直领域优化能力，在对话交互、代码生成等场景形成专项突破[27] - 腾讯混元T1模型解码速度提升2倍，在中英文推理基准中领先[28] 大模型赋能保险全链 - 保险机构加速接入大模型，应用聚焦内部提效，覆盖业务全链条及中后台管理环节[1][16] - 初期优先选择容错成本低的场景如智能客服、智能质检、营销助手等，建立调试与反馈机制[6][7] - 大模型推动行业由结构化数据向多源动态信息系统演进，提升风险识别广度与响应及时性[8] - 金融机构经营理念重塑，呈现金融服务精准化跃迁和跨行业生态化协同两大趋势[9] - 银行利用实时企业数据优化信贷评估，保险与医疗平台合作开发预防型保险产品[9] 合作范式演变 - 数据要素价值凸显，金融保险行业通过横向、垂直和政企协同构建高质量数据集[1][19] - 政企协同推动数据要素流通，垂直整合构建企业级智能协同底座，横向协同拓展跨场景联动[19][42] - 多模态大模型为金融保险带来智能化转型机遇，填补非结构化信息处理能力空白[62] - 多模态模型应用于智能客服、理赔审核、欺诈识别等场景，提升审核准确率与风控能力[62] - 通义干问通过双核架构实现全模态实时交互，视觉推理模块采用链式思维增强方法[53] 技术演进与成本优化 - 垂类大模型通过行业特定数据集训练，减少计算成本并提供精准解决方案[33][40] - GPT-4级别模型单周期训练成本近5000万美元，垂类模型更经济高效[33] - 国产模型生态呈现功能分化趋势，语言生成模型与推理模型分别专注语义理解和逻辑决策[48] - 轻量化技术如蒸馏模型降低终端部署成本，Qwen-32B等模型实现对OpenAI-o1-mini的局部超越[49] - 模型部署从"可用"向"可适配"迈进，聚焦跨架构柔性部署机制构建[31]