AI开源生态现状 - 开源AI形成自我加速的良性循环，但"开放"定义权争夺战已悄然打响[1] - 部分机构通过限制性许可证进行"Open-washing"，享受开源声誉红利却不给予实际自由[3] - 传统软件许可证难以适应AI模型复杂性，需专门为开放模型/数据/权重设计的新型许可证[6][7] 行业标准化进程 - PyTorch基金会推出"模型开放框架"(MOF)分级标准和OpenMDW许可证，明确开放定义[4] - Linux基金会作为中立第三方推动协议标准化，降低厂商锁定风险[9][10] - 70%-80% PyTorch文档流量来自中国，反映其在该市场的广泛采用基础[6] 技术发展趋势 - 具身智能领域需机器人操作系统、行为模型等工具支持，PyTorch成为主流训练框架[10] - AI智能体架构创新加速，开源社区需建立通用接口协议构建技术底座[8][9] - 生成式AI工具需保持human-in-the-loop模式，避免完全自动化导致的幻觉问题[12] 企业战略动态 - Meta、谷歌、微软等竞争对手在PyTorch基金会实现开源协作，共同提升框架性能[8][9] - Adobe等公司通过隐形AI集成实现技术价值，降低用户学习成本[12] - 中国DeepSeek-R1与海外Llama 4等开源模型推动开放定义演进[6] 人才与教育 - AI时代教育者需率先掌握人机协作技能，平衡工具使用与核心能力培养[13] - PyTorch启动大使计划培育区域社区，通过20分钟短演讲展示多元创新项目[11] - 认证培训项目需应对氛围编码、智能体系统等新兴技能需求[13] 行业风险警示 - 数字内容真实性危机迫近，合成媒体以假乱真威胁信息生态[15] - 技术滥用导致假消息泛滥，需建立C2PA等数字水印验证机制[15] - 监管需平衡创新空间与风险防控，过度限制将阻碍行业发展[14]

报告行业投资评级 - 看好丨维持 [8] 报告的核心观点 - 美东时间5月20日谷歌2025年度I/O开发者大会带来以人工智能为核心的重大更新，涵盖多领域，展现其在生成式AI领域深厚实力，AI产品商业化进度值得期待，建议关注AI Agent相关标的、国产算力产业链、算力基础设施 [2][10] 根据相关目录分别进行总结 事件描述 - 美东时间5月20日谷歌2025年度I/O开发者大会开幕，带来以人工智能为核心的重大更新，涵盖搜索、浏览器、办公工具、硬件设备等多领域 [2][5] 事件评论 - 多款大模型发布，Gemini系列模型持续演进，发布Gemini 2.5 Pro与Gemini 2.5 Flash，Gemini 2.5 Pro在LLM Arena测评表现出色，Gemini 2.5 Flash相较上一代效率提升22%，使用Token可减少20% - 30%，还发布文生图模型Imagen 4、视频生成模型Veo 3及AI电影创作应用Flow，后续大模型性能竞争或更激烈 [10] - 结合搜索、购物等场景，大模型重构现有应用，搜索功能引入Gemini 2.5 Pro模型推出AI Mode功能，谷歌购物实现个性化推荐等功能，谷歌或借此加速AI大模型商用进度，增强营收能力 [10] - 订阅费率提升，谷歌探索新的商业化模式，推出全新AI订阅套餐Google AI Ultra，首在美国推出并将推广到其他国家，订阅者拥有高级AI功能访问权限，每月订阅费249.99美元，超OpenAI的ChatGPT Pro订阅计划，谷歌试图实现收入来源多元化 [10] - 海外大模型持续迭代，关注AI产业投资机会，谷歌开发者大会展现其在生成式AI领域实力，AI产品商业化进度值得期待，建议关注AI Agent相关标的、国产算力产业链、算力基础设施 [10]

活动基本信息 - 活动类别为特定对象调研 [2] - 活动参与方包括达实智能副总经理、董事会秘书吕枫，证券事务代表兼投资者关系总监管小芬，29 位机构及个人投资者 [2] - 活动时间为 2025 年 5 月 22 日 13：00 - 16：30，地点在公司会议室，形式为现场参观 + 现场交流 [2] DeepSeek对智慧空间行业的影响 - DeepSeek出现前，公司已在AIoT平台部署判别式AI能力，用于设备故障预警、能耗异常检测等场景 [2] - DeepSeek支持开源且可本地部署，使公司能在客户数据不出园区的前提下，将大语言模型能力融入AIoT平台 [2] - 公司将AIoT智能物联网管控平台与AI大模型深度融合，构建出更强大的智慧空间AI应用能力，包括智能问答、智能分析、智能控制与自然语言指令理解 [2][3] 各领域客户智慧空间AI应用投入意愿 - 企业园区客户在智慧空间AI应用方面展现出较强投入意愿 [3] - 2025年3月，公司推出AI大语言模型接入的AIoT平台V7内测版本，获国内某知名商业银行超2000万元的AIoT物联网平台订单 [3] - 公司服务的企业客户广泛分布于金融、科技、高端制造等重点行业，多为行业头部企业，如中金公司、小米、立讯精密等 [3] - AI大模型与AIoT平台融合，帮助企业客户实现节能减排、优化物业管理，提升园区智能化水平和用户体验，降本增效且增收创利 [3] - 公司依托优质客户资源和深化的AI能力，有望推动AI业务在企业园区场景规模化落地 [3]

纪要涉及的行业和公司 - **行业**：AI 行业 - **公司**：英伟达、中金公司、Deepseek、Minimax、谷歌、OpenAI、台积电、海力士 纪要提到的核心观点和论据 - **AI 技术发展与投资机会**：未来两到三年 AI 技术将快速迭代，由产业需求和开源大模型驱动算力需求增长 ，有望为中国 GDP 带来超 12.4 万亿人民币增量，对应每年约 0.8%额外增长率 ，云厂商和第三方算力提供商加大基础设施建设，AI agent 加速实现和智能终端应用涌现是商业闭环关键[1][2] - **英伟达对行业的影响**：英伟达是 AI 领域产业推动者，过去六年芯片算力增长 4000 倍 ，总裁强调硬件半定制化、架构升级和内存带宽提升是投资热点，高吞吐、低延时互联架构支持云端应用[1][3][4] - **算力需求影响**：云端算力需求增速旺盛，依赖算法支持；端侧算力直接影响消费者体验 ，未来具身智能时代端侧算力需求或超每秒 1000 个 TOKEN，核心芯片或 SoC 芯片领域成长空间大[1][5] - **AI 基础设施建设方向**：从堆叠服务器芯片转向系统优化与效率提升，涵盖算法模型、软件系统、硬件架构及跨区域数据调动整合能力 ，全产业链条工程优化与系统效率提升成主流共识[1][6] - **中国 AI 发展挑战与机遇**：中国 AI 发展迅速但有薄弱环节，国内算力能力提升及系统扎根后，生成式 AI 行业有望全球引领 ，美国出口管制促使加快自主研发，内循环打通后将在多方面领先[1][7][8] - **国内资本开支潜力**：2023 - 2025 年 AI 资本开支总量接近 300 亿美元 ，预计 2026 - 2027 年头部云厂商资本开支迎来上行周期[3][9] - **AI 对端侧设备影响**：英伟达优化蒸馏技术使更多模型可在端侧部署，国内 SoC 厂商制程进步 ，端侧算力需求 10 个 TOPS 以内可满足初步运行，工程优化使模型参数与体验关联减弱，端侧 SoC 迭代提升消费者认可度[10][11] - **AI agent 市场前景**：AI agent 分自主和生成式智能体，已形成较好闭环 ，未来两到三年可能快速普及，2030 年市场规模或达 400 亿美元 ，任务执行单元价值显现[12] - **AI agent 替代传统 APP 可能性**：AI agent 有可能替代传统 APP 成为新内容分发入口 ，C 端和 B 端都有应用优势，B 端付费场景或形成新生产变革[13] - **人工智能与移动互联网生态差异**：人工智能生态形成网状共生模式 ，大模型基础设施开发商涉足多领域，促进应用性能和交互体验提升，整合算力和数据资产[14] - **英伟达大会信息**：展示个人端小型化算力基础设施和 B 端半定制化硬件架构 ，推动 AI 进化加速，驱动 C 端商业模式闭环，解决伦理与安全问题是重要方向[15] - **英伟达技术创新体现**：半导体先进制程快速迭代，存储能力提升 ，保持 FP4 重密算力三年翻 10 倍迭代能力 ，系统端算力能力显著提升，未来或推出高集成度机架[16][17] - **英伟达数据传输进展**：推出 GPU 交换机，2025 下半年至 2026 年规模交付 ，光电合封及硅光引擎优化网络架构，提高传输速度和带宽[18] - **AI 应用发展方向**：从生成式 AI 走向代理 AI 再到物理世界模拟 ，国内有望快速进入 Federated AI 阶段，目标是实现硅基与碳基生命互动释放生产力[19] - **全球算力基础设施发展**：过去三年全球算力基础设施发展迅速 ，新生态形成推动商业闭环，AI 技术迭代促进社会生产力进步与变革[20] 其他重要但是可能被忽略的内容 - 2018 年以前国内 3G 和 4G 在移动互联网发展周期中迭代快，2018 年后迎来 5G 建设浪潮带动互联网应用迭代[9] - Minimax 从模型快速应用普及过程中，将不同能力分层，任务执行单元价值显现[12] - 英伟达 GB300 芯片是技术迭代路径清晰的重要体现[15]

生成式AI行业现状 - 全球科技圈因GPT-3等生成式AI技术爆发而加速发展，但主流闭源模型（如GPT-4、Claude 3）的运作机制不透明，商业化受限且API费用高昂[1][6] - 开源模型普遍仅公开权重，关键训练代码、数据集和配置被隐藏，阻碍学术研究与商业应用[6] Moxin-7B的核心突破 - 采用全透明开源策略，公开从数据清洗到强化学习的全流程细节，包括预训练代码、超参数配置、数据处理脚本等[2][5][7] - 数据集透明度高：预训练使用SlimPajama（627B tokens）和DCLM-BASELINE，指令微调采用Tulu 3和Infinity Instruct，强化学习数据来自OpenThoughts和OpenR1-Math-220k[7][8] - 高性能低成本：7B参数模型在零样本任务（ARC-C 58.64%）、数学推理（MATH-500 68%）超越更大规模模型（如70B参数的Llama-3-Instruct）[9][21] 技术创新与架构优化 - 基于Mistral-7B增强：36层Transformer（原版32层），4096维隐藏层，GQA+SWA支持32K长文本处理，推理速度更快且内存占用更低[14][17] - 数据策略严格：通过MinHash-LSH技术去重（相似度阈值0.8），清洗后保留627B Token（RedPajama原版的49%），代码数据来自The Stack-dedup（6TB开源代码）[15] - 训练成本仅16万美元（GPT-3训练成本460万美元），采用混合精度训练和滚动缓存机制优化效率[15][17] 评测表现对比 - Base模型：Moxin-7B-Enhanced在HellaSwag（80.03）、ARC-C（58.64%）等任务上超越LLaMA 3.1-8B、Qwen2-7B等同类模型[20] - Instruct模型：Moxin-7B-DPO在GSM8K（81.19）、MATH（36.42）等任务表现优于Qwen2.5-7B-Instruct[20] - Reasoning模型：Moxin-7B-Reasoning在MATH-500（68.6%）超越Llama-3.1-70B-Instruct（64.6%），验证小模型强化学习效果[21] 开源生态价值 - 提供完整开源资源：包括Base/Instruct/Reasoning模型权重、训练框架DeepScaleR和AReal，支持社区复现[12][23] - 为中小企业和研究团队提供可控AI解决方案，降低技术门槛[23]

财务数据和关键指标变化 - 2025年Q1营收1.269亿美元，同比增长23.5%，超指引190万美元且较Q4环比增长 [4][29] - 2025年Q1末ARR达4.939亿美元创纪录，同比增长22.7% [5][30] - 2025年Q1毛利率达创纪录的78.9%，较2023财年的76.5%大幅提升 [30] - 2025年Q1调整后EBITDA为4510万美元，同比增长40%，利润率达35.5%创纪录 [5][31] - 连续五个季度实现GAAP净利润，2025年Q1为690万美元 [32] - 2025年Q1研发投入3740万美元，占营收21.6%，较上市时杠杆提升超320个基点 [32] - 2025年Q1自由现金流2300万美元，同比增长168% [33] - 2025年Q1末现金及现金等价物2.829亿美元，净现金2.376亿美元 [33] - 2025年Q1净收入留存率为114%，较上季度的116%有所下降；毛收入留存率保持在98% [33][34] - 2025年Q1股权薪酬及相关工资税为2760万美元，占Q1营收21.7%，占比随规模扩大而降低 [34] 各条业务线数据和关键指标变化 - Infusion 2025年Q1初步营收5450万美元，较2024年Q1增长13% [37] 公司战略和发展方向和行业竞争 - 战略收购Infusion、Beacon和Bistro，目标打造行业首个完全云原生投资平台，整合前中后台运营，消除行业碎片化 [19] - 执行路线分三个阶段：第一阶段聚焦各独立业务2025年目标，提升市场竞争力和增长；第二阶段实施强大的交叉销售策略；第三阶段实现一个平台的长期愿景 [23][24][25] - 公司认为其单实例多租户架构具有颠覆性，未来客户将迁移至此架构，相比主要竞争对手的遗留平台有竞争优势 [9] 管理层对经营环境和未来前景的评论 - 市场复杂性增加，机构投资者需对全球投资组合进行持续调整，公司价值主张更显重要 [5] - 公司在监管报告方面表现出色，多数客户已符合新NAIC规定，单实例多租户模式优势明显 [7] - 对收购后的业务整合和发展充满信心，预计推动20%的增长、每年50个基点的毛利率提升和200个基点的EBITDA扩张 [27] 其他重要信息 - 2025年Q2，不考虑收购影响，预计营收1.29亿美元，同比增长约21%；收购业务预计贡献4500万美元，总营收预计达1.74亿美元，同比增长约63% [37] - 2025年Q2，不考虑收购影响，预计EBITDA为4500万美元，利润率35%；收购业务预计贡献800万美元，综合EBITDA利润率30.5%，较2024年提高约250个基点 [38] - 2025年全年，预计营收7.2 - 7.28亿美元，同比增长约59% - 61%；预计EBITDA为2.3 - 2.35亿美元，利润率约32% [39] - 2025年预计折旧和摊销费用1 - 1.2亿美元；股权薪酬费用约1.39亿美元，占营收约19%；净利息费用约4000万美元；股份数量预计约300万股；继续采用25%的非GAAP税率 [39][40] 总结问答环节所有的提问和回答 问题1: 如何看待2026 - 2027年的营收增长和利润率提升节奏 - 公司长期承诺保持20%的营收增长，Infusion业务预计从当前的13%逐步提升至20%，预计2026年开始加速增长，到2027年Q2达到公司增长水平；EBITDA利润率预计以每年200个基点的速度扩张 [47][49][50] 问题2: Bistro如何融入公司业务布局 - Bistro和Beacon提供的可视化和风险分析能力是横向能力，适用于公司运营的所有垂直市场，将推广到Clearwater的1400个客户和Infusion的900多个客户 [52][53] 问题3: 宏观环境对业务需求的影响以及是否在指引中考虑宏观风险 - Q1营收表现稳健，4月初步数据未显示业务放缓迹象，公司营收对下行风险有较好的保护；指引是基于各业务的相对贡献和现有信息制定，NRR在Q1略有下降是因为AUM增长的顺风因素减弱，但公司对逆风有较好的抵御能力 [59][60][61] 问题4: 收购后的协同效应实现速度 - 预计Infusion业务在两年内重新加速增长；成本方面，预计第一年和第二年分别提高400个基点的毛利率，并实现2000万美元的成本协同效应，部分G&A协同效应已在本周实施，预计在Q3和Q4显现 [65][66] 问题5: 从季节性角度看Infusion和Beacon的营收贡献以及是否考虑交叉销售协同效应 - 公司认为有机增长数据与年初预期一致，收购业务的整合将迅速进行，届时难以区分增长来源，但公司对指引有信心，指引是基于各业务的增长预期构建的 [71][72][73] 问题6: Infusion的定价和合同结构以及对增长加速的影响 - Infusion客户对建立类似公司的商业模型接受度高，公司已将财务和法律团队整合，统一推动该计划；但希望建立可持续的价格增长模式，预计2026年产生影响 [77][79][80] 问题7: 有机增长和无机增长的贡献分别是多少 - 可根据Q2的收购业务贡献按比例推算Q3和Q4的贡献；全年指引可按照Clearwater和Beacon 20%的增长、Infusion 13%左右的增长来计算 [85][87] 问题8: 公司如何深入拓展资产管理客户的股票业务 - Infusion在股票业务方面有不同的技术需求和专业知识，公司收购后将整合相关知识产权；通过三阶段战略，逐步实现前后端一体化平台，有望彻底改变投资管理技术 [89][90][94] 问题9: Infusion在对冲基金市场的表现以及近期可实现的改进 - Infusion的客户流失率已趋于稳定，与2024年情况一致；公司可将Infusion的前端和中端系统销售给Clearwater的1400个客户，同时整合资源加大研发投入，预计两年内将Infusion的增长率提升至20% [100][102][106] 问题10: 构建单一安全主数据的研发强度以及上线后的规模效应 - 公司各系统架构均为单一安全主数据，构建该系统将改变投资管理技术，但需要时间；联合公司有1000人从事研发，预计能够在不增加太多成本的情况下推进相关计划 [109][111][112] 问题11: 如何管理Infusion带来的股票风险以及其定价策略 - Infusion的定价与AUM无关，不受市场波动影响；公司认为其商业模型有待改进，计划快速启动相关工作，四个月后推向市场，新模型将应用于新客户 [116][117][118] 问题12: Bistro如何纳入指引以及其增长机会 - Bistro是资产收购，暂无营收；其提供的横向用例可应用于替代资产领域，市场上缺乏类似解决方案，公司将关注其发展，有望加速三家公司的增长 [120][121][122] 问题13: 公司过去的经验如何为整合收购业务提供信心 - 公司已迅速整合运营团队，认为可以复制之前的成功经验；Helios技术的存在将有助于提高毛利率，公司对实现收购时的指引充满信心 [127][128] 问题14: 整合过程中如何看待胜率和销售效率 - Infusion的胜率很高，是具有颠覆性的平台；随着业务深入，将评估其失利原因；交叉销售的胜率通常更高，公司的战略整合将增强交叉销售能力 [131][132][134] 问题15: Infusion业务的续约季节性 - Infusion业务的续约周期有年度因素，且更多业务在Q4获得，年初会有一些变化，Q4 - Q1是一个阶段变化 [138][139]

文章核心观点 - 生成式UI技术正从初代"玩具"阶段快速演进至具备复杂表达力和风格多样性的新阶段 通过"代码转UI"技术路线突破模板化限制 实现设计领域的生产力跃迁 [6][7][30] - AI在设计系统理解和遵循能力上的突破将成为行业拐点 未来70%+设计工作可由AI完成 设计师角色将转向创意决策等高价值领域 [5][41][43] - 界面设计工具将向四种可能形态演进：AI增强型专业编辑器、AI主导型编辑器、AI原生简化编辑器、一站式应用生成工具中的功能模块 [45][46][59] 01 无处不在的UI - 全球单日新增UI界面达千万量级 构成数字世界基础隐形设施 生成式AI在UI领域的变革潜力堪比其在文字图片视频领域的颠覆性影响 [6] - UI界面本质是信息容器 具有逻辑结构与视觉表现双重属性 这使其区别于普通图像生成任务 [14] 02 初代生成式UI - 早期技术路线分为"代码转UI"和"套模板"两种 前者受限于模型审美能力不足 后者受制于模板库丰富度 生成结果被专业设计师视为"玩具" [7][17][19] - 2024年6月行业数据显示 Galileo AI平台生成界面总数达160万 Figma因模板相似度问题被迫下线并重构AI功能 [8][20][22] 03 技术革新 - Claude 3.5 Sonnet在代码生成领域的突破成为关键转折点 使AI生成界面突破简单表达限制 实现"灵感涌现"式复杂设计 [25][27][30] - 新技术路线下 相同提示词可生成风格迥异的界面 彻底解决早期模板化导致的雷同问题 3D地图编辑器等非常规界面成为可能 [29][30][32] 04 基于设计系统的UI生成 - 大模型展现出对Airbnb等知名产品设计系统的理解能力 无需专门训练即可生成风格近似界面 但细节规范遵循度仍不足 [33][35][36] - Ant Design等开源设计系统已实现AI稳定生成 风格配置功能使健身房后台等专业界面能保持视觉一致性 [38][40][41] 05 AI-native界面设计编辑器 - 未来工具形态存在四种假设：传统编辑器+AI辅助(70/30分工)、AI主导型编辑器(30/70分工)、简化型AI原生编辑器(80%AI工作)、嵌入式生成功能 [45][46][59] - 专业编辑器与AI原生工具将长期共存 前者服务深度定制需求 后者满足快速原型设计 类似Photoshop与Canva的互补关系 [45][46][47] 06 设计与研发角色变化 - 传统UX/UI设计师岗位已合并为Product Designer 设计系统普及使视觉规范工作被工具替代 设计师价值转向创意决策 [49][51][52] - 未来"3D"角色(Definer/Designer/Developer)界限模糊 Maker将借助AI工具完成全流程工作 但面对不确定性的创意能力仍是人类核心价值 [51][52][53] 07 彩蛋问答 - Claude 3.5生成计算器界面时出现按钮样式偏差 反映当前AI在细节修改环节仍存在"最后100米"问题 [54][57][58] - 预测到2030年 四种工具形态市场份额可能为：AI主导型编辑器20% AI原生简化编辑器60% 嵌入式生成功能20% [60][61]

纪要涉及的行业和公司 行业：人工智能、自动驾驶、智慧医疗、电商、教育、文旅、机器人等 公司：商汤科技、麒麟软件、映宇宙公司、陆海公司、编程猫、声网、松景科技、银河通用、松云科技、索引科技 纪要提到的核心观点和论据 商汤科技技术实力与成果 - 核心观点：商汤科技在生成式AI技术领域综合竞争力居国内榜首，其日日新融合大模型表现优异 论据：权威研究机构报告显示商汤科技凭借技术创新等优势在多数关键模块获最高分；日日新融合大模型在SuperCLUE和OpenCompass测评中均列榜首[2][3][4][5] - 核心观点：商汤科技持续突破多模态模型技术 论据：2024年发布融合多模态大模型获年度冠军，2025年构建长序列思维链数据等，提升整体AI系统智力水平[13] - 核心观点：日日新6.0版本能力强大 论据：构造超200B高质量token多模态长思维链数据，实现64K长度思维链，数据分析能力领先GPT - 4，多模态推理对标国际领先水平[20][21] 上海市政府对人工智能产业的支持 - 核心观点：上海市政府大力支持人工智能产业发展 论据：2024年底产业规模突破4500亿元，超60款生成式AI大模型服务完成国家备案，推进“人工智能 +”行动，举办相关活动推动国际化合作[2][7] 商汤科技对上海市人工智能发展的贡献 - 核心观点：商汤科技为上海市人工智能发展提供重要支撑 论据：自主打造SenseCore AI计算平台提供算力支撑，日日新系列多模态融合大模型赋能多个领域，新一代模型为通用人工智能开辟新路径[2][8] 多模态模型的应用与价值 - 核心观点：多模态模型应用广泛且价值大 论据：在财务审核报销、电商比价、客户反馈分析、教育等场景表现出色，能解决非结构化数据处理问题，提升效率和决策准确性[2][24][25][27][28] - 核心观点：多模态是刚性需求 论据：用户群体中大量非结构化数据处理问题需多模态技术解决，超50%个人用户上传多个文件，部分为非标准或非结构化数据[29] 行业发展趋势与挑战 - 核心观点：AI行业呈现开源模型与工具主流、性价比关键、多模态技术热点等趋势 论据：开源模型能力接近闭源，成本控制是大模型应用重要考量，多模态技术带来更多场景拓展机会[61][63] - 核心观点：大模型发展面临性价比和供应链挑战 论据：单位训练和推理成本下降但需求供不应求，芯片市场供应链不确定[65] - 核心观点：具身智能领域前景广阔但面临挑战 论据：热门赛道训练数据不足，不同行业场景需求各异，需针对性解决方案[72] 商汤科技的应对策略与举措 - 核心观点：商汤科技帮助客户降低市场参与门槛、提升性能和效能 论据：提供AI专家服务模块、开源兼容性产品，为大型互联网平台推荐开源方案等[60][64] - 核心观点：商汤科技应对开源趋势提供高性价比方案 论据：整合自身与伙伴能力，提供审核、数据保护等方案，统一版本部署，发放代金券[69][70] 其他重要但是可能被忽略的内容 - 玄鸟计划由徐汇区政府合作平台与商汤科技联合发起，以商汤生成式AI为核心打造全产业链生态专区，推动区域AI产业发展[35] - 上海西岸借助科技和AI大模型转型文旅场景，游客数量同比提升至少10%，商汤视觉技术在人流监控系统中保障游客体验和安全[36][38] - 陆海公司新产品通过无感交互和隐形化设备改变孩子与世界互动方式，提升教育学习体验[45][46][47] - 编程猫与商汤科技合作提升编程教育质量，推动内容创新和青少年人工智能素养培养[52] - 商汤科技在视频编辑和青少年创作方面有创新技术，构想多智能体系统丰富用户体验[55][56] - 声网与商汤科技在流式多模态交互领域展开新合作，提升实时互动体验[57] - 商汤大装置2.0市场成绩显著，理念是降低人工智能产业从业门槛[58] - 松景科技与商汤大装置联合提供端到端研发全流程解决方案，加速具身智能落地[71] - 中国在人工智能领域算法紧跟美国，语料数据可能实现弯道超车，正采取举措推动生成智能发展[82][83][84] - VRA模型是具身智能发展未来方向，相比传统机器人有泛化性高、整合语义和动作等优势[90][91] - 商汤科技具身智能通过多层次方式落地，未来有机会实现低成本商用，推动产业转型[93][95]

钉钉AI生态扶持计划 - 钉钉推出免佣金、免保证金和免算力费的"三免"政策 降低AI应用开发和获客门槛 [4] - 提供品牌、销售、技术及投资等助力支持 并发布《AI创业行动指南》为创业者提供指引 [4] - 钉钉从应用卖场转型为AI应用和AI创业团队孵化器 加入更多底座技术能力和模型能力 [6] AI Agent发展现状与趋势 - 2024年被行业视为"AI Agent元年" 代理式AI具备全局智能能力 能理解任务并自主执行多步骤操作 [8] - AI Agent相比生成式AI能输出真正意义上的"成果" 在特定领域展现90分以上专业水准的工具具备实际应用价值 [8] - AI Agent将推动"第三次AI浪潮" 提升生产力与效率并辅助战略决策 [8] 钉钉AI应用合作案例 - 销帮帮CRM与钉钉合作开发AI销售助理 实现销售拜访录音自动整理、关键信息提取和CRM系统同步 [11] - 销帮帮内部100多个销售员已使用AI助理 传统需要数小时的文案录入工作现由AI自动完成 [11] - 恩君特为钉钉提供短视频营销AI Agent 包含策划、制作、运营等虚拟数字员工 服务制造业、SaaS等to B公司和高客单价to C公司 [14] - 恩君特累计110多个客户中70%以前不用钉钉 因AI Agent能力开始使用钉钉 [16] 平台与开发者合作模式 - 钉钉为传统SaaS公司提供大模型应用核心能力 降低开发门槛并共同寻找场景 [16] - 对原生AI团队主要提供客户资源与场景 让团队先赚到钱 [16] - 钉钉投入60人支持恩君特项目 恩君特仅需4名研发3个月搭好基础框架 若自建需20-30人 [17] - AI Agent客单价达数万至数十万人民币 转化率比传统SaaS高五倍以上 [17] AI应用未来发展方向 - 未来可能出现端到端方案 AI自动拆解需求并编排工作流输出结果 [18] - 数字员工将提升感知能力 了解公司变动和组织架构调整 并实现跨企业通信协作 [18] - 钉钉希望作为企业服务层平台 服务更多开发者并孵化有价值AI应用 [18]

纪要涉及的行业和公司 - **行业**：人工智能、数据中心、云计算、通信、芯片制造 - **公司**：英伟达、谷歌、微软、百度、阿里巴巴、腾讯、亚马逊 AWS、微软 Azure、Google GCP、Cisco Systems、T-Mobile US、美国通用动力（GMS）、OpenAI、Ynh Property、Personetics 纪要提到的核心观点和论据 1. **AI 发展前景与趋势** - 全球 AI 支出预计到 2028 年数据中心建设支出达 1 万亿美元，推理与训练结合推动算力需求增长，AI 应用将更广泛深入[2] - 未来几年 AI 产业计算需求持续增长，更多行业采用 AI 技术，跨学科融合增加，软硬件供应商推动行业进步[2][7] - AI 发展经历感知 AI、生成式 AI 和负责任 AI 阶段，新阶段需指数级增长计算资源[2][5] 2. **中美 AI 发展差异** - 美国在基础研究和技术创新领先，有谷歌、微软等巨头；中国凭借大数据和政府支持在应用层进展显著，如百度等企业投入研发[2][6] - 美国科技公司受开源影响但不采取开源措施，中国在算法和模型架构领先，但芯片制造受美国限制[23] 3. **英伟达相关情况** - 从硬件公司转型服务公司，通过 CUDA - X 库等软件服务增加收入，与多家企业合作推进 6G 网络标准[2][12] - 推出 H100 GPU 占据市场份额，CUDA - X 库支持软件利用 GPU 计算，扩展 AI 应用领域[9] - 与美国通用动力在智能化和无人驾驶领域合作，推出 Dynafond[15] - 技术优势无明显边际效应递减，生态系统是核心优势，短期内难以被替代[35] 4. **计算资源需求** - 大型语言模型对计算资源要求高，每个 token 处理需大量浮点运算，GPU 成主流选择[10] - 云计算服务提供商对高性能计算需求显著增加，预计到 2025 年达 3.6 ZettaFLOPS[11] - 未来算力需求因多模态交互发展而增加，处理视频计算量比文字高数百倍[29] 5. **AI 应用发展** - AI agent 应用预计到 2025 年底全面爆发，算力需求指数级上升，AI 会生成数据并自我训练[2][19] - AI 生成数据与代码趋势显现，未来 1 - 2 年将迅速扩展[21] 6. **芯片需求** - 未来 27、28 年间英伟达通用芯片需求更大，定制化芯片缺乏生态系统支持[27] - 数据中心和英伟达芯片需求长期呈指数级增长，短期内难以被取代[37] 其他重要但可能被忽略的内容 1. **AI 模型规模和性能提升**：早期 GPT 模型参数量从数百万到数十亿甚至上百亿，现在 GPT - 3 达数千亿级别，性能和应用范围显著提升[8] 2. **AI 在通信系统应用**：AI 优化 Massive MIMO 通信系统，提升无线通话速度和用户体验，自动化处理信号任务[13][14] 3. **个人电脑 AI 应用**：个人电脑运行大型 AI 模型不现实，计算时间长且效率低，适合云端或专业设备[18] 4. **算力需求选择**：公司规模大且算力需求高可买 GPU 卡，规模小可选云计算服务[22] 5. **美国 Starlink 计划资金用途**：特朗普政府投资 5000 亿美元推动美国 AI 发展，用于扩大模型规模、降低推理成本、科研创新和人才培养[31][32] 6. **量子计算影响**：量子计算对算力市场有潜在影响，但实现通用量子计算还需很长时间[36]