讲座核心观点 - 讲座主题为企业AI智能自动化的未来，重点探讨智能体技术如何突破传统自动化局限，成为推动企业效率变革的核心力量 [1] - 智能体技术通过大语言模型的理解能力，只需接收目标指令即可自主规划执行路径，应对流程变化，区别于需预设所有操作的传统自动化 [4] - 企业智能自动化的核心目标是形成全新的人机协作模式，推动业务流程走向真正的智能自动化，而非简单替代人类 [18] 智能体技术发展与应用 - 自2023年大语言模型技术爆发后，企业在智能体应用上已形成四大核心方向 [5] - 四大应用场景包括：综合内容理解与审核、数字人工作助理、综合内容生成、业务流程端到端自动化 [7][8][9] - 在业务流程自动化场景，智能体实现从用户提问到解析、查询、反馈的端到端全自动化，无需人工干预 [9] - 以字节跳动、腾讯为代表的企业已在舆情监控领域广泛应用智能体，通过Prompt快速适配新需求，响应速度大幅提升 [7] 行业现状与问题 - 当前智能体市场算力层、平台层、垂直应用层均有大量玩家布局，涵盖金融、营销、教育、医疗等多个垂直领域 [10] - 行业普遍存在头重脚轻的问题，产品严重同质化，多数聚焦知识问答功能，真正能动手执行事务的产品极少 [10] - 某大型车企已搭建2000多个智能体覆盖众多业务领域，但采购申请、筛选供应商等核心执行环节仍需人工完成，存在知行割裂问题 [10][13] - 现有智能体大多聚焦信息传递而非系统操作，导致企业数字化转型卡在最后一公里，未能真正减轻员工工作量 [13] 九科信息bit-Agent解决方案 - 九科信息研发了新一代企业级GUI Agent——bit-Agent，核心差异在于操作能力，可模拟人类点击、输入等动作直接完成任务 [13] - bit-Agent不绑定特定大模型，可灵活适配GPT-4o、DeepSeek等多种模型，支持根据数据安全需求进行私有化部署 [14] - 具备流程固化独门秘籍，可将执行过的任务保存为模板重复调用，大幅降低token消耗和错误风险 [14] - 在实际落地中，bit-Agent将单个产品巡检耗时从5分钟压缩至30秒，巡检错误率降低超93% [15] - 已稳定服务某千亿级车企数月，成为国内目前唯一通过市场严格考验的GUI Agent [16]

中国工业总体成就 - 中国全部工业增加值达40.5万亿元，制造业增加值达33.6万亿元，总体规模连续15年保持全球第一 [1] - 预计“十四五”期间中国制造业增加值增量达到8万亿元，对全球制造业增长贡献率超过30% [1] - 第25届中国国际工业博览会吸引来自28个国家和地区的近3000家展商参会 [1] 智能制造与机器人技术 - 节卡智能机械臂重复定位精度达到±50微米，依托实时协同控制与图形化拖拽编程技术，已在汽车零部件搬运、航空发动机检测等领域完成批量验证 [2] - 越疆机器人展示多形态机器人协同工作的“未来工厂”缩影，其平台化兼容能力允许企业无需大规模改造现有产线即可实现机器人快速接入与协同作业 [2][3] - 上海交大智邦全球首发智能体机床μAI，实现全球首个“零人工经验”的加工路径自主生成，机床具备10个“大脑”的自主探索与自进化能力 [3] 绿色能源与高端装备 - 上海电气展示全球首个风电耦合生物质绿色甲醇一体化示范项目，利用玉米秸秆等废弃物通过“绿电制氢+生物质气化”模式生产绿色甲醇 [4][5] - 展会展示“华龙一号”核电装备、先进小堆浮式发电平台、可控核聚变等重大技术成果 [5] - 中广核数科“和睦系统”作为中国首个自主核电站核安全级数字化仪控系统，已应用于33台在运在建核电机组，保障安全稳定运行80堆年 [5] 前沿材料与产业赋能 - 上海超导展示第二代高温超导带材，在液氮环境下实现零电阻，可应用于可控核聚变、超导电力等前沿领域 [6] - 海智在线通过AI工具构建数字化产能地图，帮助浙江宁波一家工厂将工艺拉伸比从“1:2.5”提升至突破性的“1:3.5”，成功进入航空航天和医疗器械领域 [7]

企业家IP与网红经济 - 第一代网红为普通人提供传统路径外的上升通道 核心以带货和卖课等直接变现为主[3] - 企业家网红以俞敏洪和雷军为代表 核心目的并非销售消费品而是为企业做宣传 相当于新一代市场部和公关部[3] - 通过企业家自身影响力向社会传递企业价值[3] AI与智能体发展趋势 - AI整体进化速度远超预期 但AGI通用人工智能短期内不会到来[3] - 智能体是AI核心进化方向 能实现目标驱动加工具使用加推理决策[3] - 多智能体协作可实现1+1大于2的效果 类似人类社会组织的协同模式[3] Manus案例与行业启示 - Manus虽未做基座模型 但为行业探索出通过智能体完成任务的路径[4] - 互联网已迈入需要快速反应和快速调整的时代 创业公司弱小队伍更需要快速移动[5] - Manus虽存在套壳争议 但先圈到千万用户验证需求 成功融资后投入技术完善[5] 360公司战略定位 - 360定位行业配角 不做通用大模型避免重复造轮子 聚焦垂直领域[5] - 主动与行业巨头建立联系 联合16家大模型企业建立合作生态[5] - 从阿里云和腾讯云购买服务 将自身智能体技术与巨头算力结合[5] AI对就业市场影响 - 未来不是AI淘汰人 而是会用AI的人淘汰不会用AI的人[6] - 重复性文案和数据整理工作会被取代 但会诞生新岗位如智能体管理员[6] - 类比工业革命淘汰马车夫但增加汽车司机岗位[6] 企业关系战略调整 - 回顾当年与多家大厂矛盾 因巨头对创业公司较狠且自身选择极端死磕打法[5] - 近年多方关系缓和 公司争取休养生息时间[5] - 在抖音遵守平台规则 做视频号主动联系马化腾[5]

文章核心观点 - 智能体技术通过结合大语言模型的认知能力与工具调用功能，使AI从“辅助工具”进化为“自主生产力”，正在改变企业面临增长焦虑和效率瓶颈的局面[1] 智能客服与问答系统场景 - 传统客服系统基于关键词匹配，意图识别能力有限，以亚洲著名时装零售商I.T集团为例，其传统NLP机器人解决率仅78%，无法理解复杂意图[2] - 网易云商的客服Agent解决方案采用大小模型融合架构，将70%常见问题交给传统NLP机器人，30%复杂咨询由客服Agent处理，在I.T集团的实践中使售前询单响应速度提升60%，单个查询时间从2分钟缩短到最短17秒，复杂售后处理时长从7分钟降至3分钟，用户满意度达97%[2] - 实在智能的实在Agent融合大语言模型、屏幕语义理解和机器人流程自动化，为跨境品牌“倍思”提供7×24小时多语种客服支持，无需API集成即可直接理解屏幕信息并操作软件界面[2] 数据智能分析场景 - 腾讯企点的营销决策引擎Customer AI以用户为中心编排全旅程个性化体验，实现“人、内容、商品、权益”的四维匹配，能够进行智能用户价值分层并预测用户的转化概率和流失风险[4] - Magic Agent的智能体系由多个专门Agent构成，包括人群圈选Agent、旅程编排Agent、内容生成Agent、企微互动Agent和活动分析Agent，这些智能体协同工作使一个运营人员就能完成复杂营销活动落地[4] 自动化数据处理场景 - 跨平台数据智能化处理系统能够抓取钉钉审批流程实例详情，实现从本地向行业云平台的数据上传，优化企业级数据流转效能[6] - “数字员工”的应用实现跨平台、跨终端的数据自动实时获取、处理及通报，使原来需要两小时手工统计填报的营销内容分分钟完成，数据准确率达100%，数据处理周期从小时级压缩至分钟级[6] - 麦肯锡公司的生成人工智能平台Lilli有超过75%的员工每月持续使用来起草提案和制作Power Point幻灯片，接管了部分通常由初级员工执行的任务[7] 智能体技术架构与实现路径 - 智能体技术部署采用混合架构模式，如网易云商将70%常见问题交给传统NLP机器人，30%复杂咨询交给客服Agent，以平衡能力与成本[9] - 实在Agent的技术框架融合大语言模型、屏幕语义理解和机器人流程自动化三大核心技术，分别承担理解决策、识别屏幕信息和执行操作的功能[9] - 腾讯Magic Agent体系采用多智能体协作设计，不同功能Agent各司其职又协同工作，允许企业根据需求逐步从单点应用扩展到全链路智能化[9]

公司技术发展动态 - 公司密切关注智能体等前沿技术发展动态并进行持续技术跟踪与业务探索[1] - 智能体技术作为行业发展趋势之一 其具体应用及对公司业务潜在影响需结合市场成熟度、客户需求及公司实际发展情况综合判断[1] - 公司将继续立足主营业务发展 审慎推进相关技术研究与应用适配[1]

财务业绩 - 第二季度营收3.97亿元 同比增长40% [1] - 平台首年保费11.28亿元 同比增长73% [1] - 平台总促成保费17.96亿元 同比增长34% [1] - 实现净利润1088万元 [1] 产品与客户结构 - 长期险件均首年保费超过7600元 同比提升87% [2] - 分红型储蓄险战略巩固市场领导地位 年金险成为增长新引擎 [2] - 累计投保客户数突破1140万 本季度新增投保客户40万 [2] - 长期险投保客户平均年龄35.2岁 二线及以上城市客户占比超65% [2] 技术赋能与运营效率 - AI版APP日均服务用户数稳定超过1.5万人次 [1] - 新客户自主投保率同比提升超50% [1] - 智能体累计数量突破700个 赋能业务全流程 [1] - AI技术月均生成有效代码超20万行 相当于60位中级工程师产能 [1]

行业挑战 - 消费电子行业面临人才瓶颈 精密检测工程师需求激增但供给不足 人工质检无法满足每分钟数千件的单线产能需求 [1] - 产品质量管控难度高 缺陷种类庞杂且成像环境复杂 人工巡检易产生系统性误判 [1] - 传统机器视觉方案算法泛化能力不足 适配多品类产品及多元缺陷成本高昂 [1] 技术解决方案 - 依托工业大模型与智能体技术构建软硬件生态 实现全流程外观缺陷检测 无需专业算法人员即可完成模型训练与产线部署 [2] - IndustryGPT作为工业多模态大模型 提供从数据标注到模型优化的全流程智能化指导 智能体Agent可自动生成代码并动态调整参数 [2] - SMore ViMo智能工业平台覆盖1000个细分场景 提供数据管理、视觉方案设计及端侧运行一站式功能 支持轻量化部署与柔性化适配 [3] - 五轴AI-AOI设备采用5轴联动柔性设计 实现对多曲面复杂结构电子产品的360°无死角检测 检测精度和效率显著提升 [3] - 提供双面5轴和单面5轴两类检测一体机 覆盖大中小型电子产品需求 支持企业根据产能灵活配置设备 [3] 实施成效 - 可同时检测耳机盖和后壳的异色、油污等超过16种缺陷类型 [4] - 过杀率低于5% 重大缺陷漏检率为0% 单件检测时间仅需2秒 [4] - 单台设备支持4-20个穴位并行检测 可替代20名目检工人 [4] - 一套算法模型支持多型号产品 通用理解大模型具备快速迁移能力 大幅降低企业成本 [5] - 每年为生产商节省百万级资源损耗 通过减少原材料浪费与返工成本提升整体效益 [5]

核心财务表现 - 2026财年第二财季营收和盈利均超市场预期 销售增长将保持在50%以上 [3] - 股价今年累计上涨35% 但盘后交易小幅下滑 因数据中心收入连续第二个季度未达预期 [4] - 第二财季创下营收纪录 第三财季预计营收环比增长70亿美元 数据中心业务是主要贡献者 [16][21] 产品进展与技术优势 - Blackwell平台业绩创历史新高 环比增长17% 第二季度正式启动GB300芯片量产 [5] - GB200 NBL系统被行业广泛采用 OpenAI、Meta、Mastral等头部AI厂商已在数据中心规模部署GB200 NBL 72系统 [5] - Blackwell Ultra平台带来数百亿美元收入 云厂商向GB300过渡顺利 周产量恢复至约1000套机架 [5] - Rubin芯片进入晶圆制造阶段 计划明年大规模量产 将成为第三代NVLink机架级AI超算 [5][20] - 公司从GPU公司转型为全栈AI基础设施公司 开发包括CPU、高速内存、超级网卡等全系列技术 [11][13] - Blackwell在推理任务中能效较Hopper实现数量级飞跃 提升客户营收能力 [17] 市场需求与行业前景 - 全球数据中心基础设施和计算投资额今年达到6000亿美元 两年内接近翻倍 [6][12] - 推理AI和智能体技术推动算力需求激增 预计未来5年AI基础设施市场达到3-4万亿美元 [7][13] - AI市场年复合增长率保持50% 推动数据中心和企业级应用投资大幅增加 [7][18] - 头部AI初创企业营收从去年20亿美元跃升至今年200亿美元 去年AI初创企业融资1000亿美元 今年已突破1800亿美元 [18] - 客户正在建设从兆瓦级到吉瓦级的AI基础设施 部署规模从数千个GPU发展到数百万个GPU [20] 中国市场动态 - 中国市场2025年潜在营收规模达到500亿美元 年增长率保持在50%左右 [7][15] - 美国政府启动对华销售H20芯片许可证审批 部分中国客户已获许可 [6] - 若限制缓解 H20芯片第三季度可能带来20-50亿美元收入 [6][10] - 中国是全球第二大计算市场 拥有约半数顶尖AI研究者 诞生大量突破性开源模型 [15] - 公司正与美国政府沟通 强调进入中国市场必要性 希望获得Blackwell架构对华出口许可 [15][16] 竞争格局与客户反馈 - 公司GPU与ASIC有根本区别 ASIC领域项目众多但实现大规模量产产品有限 [11] - 公司提供覆盖云端、本地和边缘设备的统一平台 全球绝大多数开发框架原生支持其技术 [11] - 客户因公司卓越的"每瓦性能"和"每美元性能"广泛选择与其合作 [12][17] - 大型云厂商相互租用算力 AI初创公司全力争夺训练资源 行业处于供不应求状态 [19]

人工智能战略与政策支持 - 国务院常务会议审议通过《关于深入实施"人工智能+"行动的意见》，推动AI发展进入"技术攻坚+场景落地+安全护航"三位一体新阶段 [1] - 人工智能是培育新质生产力的核心引擎，深度融入产业核心领域并驱动产业变革 [1][2] 技术发展与产业应用 - 人工智能技术加速迭代，创新呈群体性突破之势，与实体经济深度融合特征明显 [2] - 大模型突破引领人类社会进入智能化时代，智能体能够理解目标、规划任务、调用工具并具备记忆，推动人机交互范式根本性变革 [2] - 基础大模型在垂直领域面临专业知识不足和场景适应性有限的"最后一公里"挑战 [7] - 企业智能化升级需依托算力支撑、模型研发、数据智能处理和应用开发等多维度AI基础设施 [9] 安全风险与挑战 - 技术脆弱性带来内生安全风险，恶意利用放大安全危机，治理复杂性日益凸显 [3] - 黑客组织可将黑客经验训练进大模型打造智能体黑客，将网络攻防变为人与智能体对抗，加剧网络不对称性 [4] - 全球网络攻击事件迅猛增加，攻击手段复杂隐蔽，需加强网络安全措施和新型威胁响应能力 [4] - 大模型存在系统安全、内容安全及幻觉等特有风险，需加速AI技术与安全防护深度耦合 [4] 智能体技术演进 - 智能体技术重构安全攻防体系，从被动防御转向主动免疫，从单点防护升级为全域协同 [6][7] - 大模型进化到智能体是必然趋势，智能体是AI从"能思考"迈向"能做事"的关键载体 [7] - 智能体发展分为L1（简单知识问答）、L2（预设流程提升效率）、L3（单领域深度推理）三个阶段 [8] - AI正处于从"答得妙"迈向"靠得住"的关键转折节点，需共建韧性智能体生态 [8] 行业协同与技术创新 - 需大模型技术提供方与金融、医疗、制造、能源、交通等垂直行业龙头企业紧密协作，构建高质量专业语料库 [11] - 需持续聚焦模型效率优化，投入模型压缩、高效训练和推理加速技术，降低计算与能耗成本 [11] - 需构建覆盖预测、防御、检测、响应、恢复全生命周期的体系化安全运营框架 [11] - 需加强国际协作，在AI伦理准则、数据跨境规则、网络安全威胁情报共享等领域深化对话 [12] 基础设施与产业生态 - 需聚焦深度学习框架、智能芯片等关键领域攻坚突破，加快自主创新步伐 [10] - 需构建通用与专用相结合模型体系，加快构建安全可靠、绿色高效的智能算力基础设施 [10] - 需强化芯片、服务器等底层硬件自主保障能力，筑牢基础设施安全底座 [10] - 需加强人工智能与安全产业深度融合双向赋能，培育壮大安全产业 [10]

北京数字经济和AI产业发展现状 - 2024年北京数字经济增加值达2万亿元 同比增长7 5% 有力支撑首都高质量发展 [4] - 人工智能核心产业规模近3500亿元 聚集全国超40%顶尖人才 企业突破2400家 [4] - 累计备案上线大模型132款 全国占比超三成 稳居首位 [1][4] 数字安全产业格局 - 北京数字安全产业规模达1046亿元 占全国总量48% [1][4] - 营收规模前十企业中北京占据6家 显示产业集聚效应显著 [1][4] - 行业面临智能体黑客威胁 单个黑客可管理上百个AI攻击工具 攻防不对称性加剧 [2] 技术融合与发展方向 - AI与数字安全融合成为关键 需推动防御模式向"事前预警 事中阻断"的主动免疫跃升 [1] - 安全智能体被视作破局手段 可应对AI重构的网络安全攻防格局 [2] - 需构建"人工智能+数字安全融合发展"新格局 打造全球数字经济标杆 [2] 行业协作与生态建设 - 需深化行业大模型协作以破解"最后一公里"落地难题 [1] - 全球顶尖专家汇聚 举办20余场技术论坛输出前瞻观点 [2] - 强调确保AI发展的安全性 可靠性 可控性和公平性 使其成为国际公共产品 [1]