公司动态与荣誉 - 阿里商旅AI入选“2025人工智能年度杰出解决方案” 成为该榜单中唯一的差旅服务平台[1] - 该榜单以真实数据为基础 结合深度调研和专家意见评选 被视为“AI产业风向标”[1] 公司业务与市场地位 - 阿里商旅是飞猪旗下的一站式数字化差旅管理平台[3] - 平台已服务超过2万家行业龙头客户 超过百万家成长型企业客户 服务企业员工超2000万[3] 产品与技术方案 - 阿里商旅于今年8月正式发布一站式AI商旅解决方案[3] - 解决方案包含员工差旅智能体和企业管理智能体两大模块 分别服务于员工智能预订行中服务和企业智能决策[3] - 从技术视角看 该方案是一个由多智能体驱动的AI解决方案 通过多智能体分工协作、长短期记忆管理和MCP工具实时调用来处理复杂问题[3] - 方案得益于阿里商旅和飞猪的行业积累 在机、酒、车、餐等领域拥有海量实时价库数据 确保AI规划真实有效[3] 产品效能与数据 - 相关数据显示 阿里商旅AI规划出差时间可节省90%以上[3] - 该方案能为中大型企业综合避免约20%的差旅资源浪费[3] 行业趋势 - AI在各个垂直领域的落地仍在加速[3] - 行业报告指出 AI正在重塑应用入口 智能体正实现从“人找服务”转向“服务找人” 成为下一代交互范式[3]

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]

大会概况与行业共识 - 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 [8] - 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 [4] - 行业共识认为，AI正处在下一段增长曲线的起点，从云到端、从模型到智能体（Agent）、从软到硬均存在重要机会 [5] 人工智能发展趋势与范式演进 - AI正从鉴别式走向生成式与推理式，并在高效率、低成本和开源生态中加速落地 [10] - 新一轮人工智能是信息智能、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 [10] - AI行业演进被划分为四个阶段：感知AI、生成式AI、智能体AI（可自主行动）和物理AI（能理解并响应真实物理世界） [19] - 2025年被认为是“Agent元年”，智能体技术开始在各行各业验证价值 [81] - 人工智能的演进过程与生物进化相似，呈现“长期停滞+突然跃迁”的特点，开源对加速进化至关重要 [49] 大模型与AGI路径 - 未来5到10年，基础大模型将在全球范围内收敛到不超过10个，类似于操作系统 [10] - 大模型推动AI从弱人工智能迈向通用人工智能（AGI），并推动机器人进入通用具身智能时代 [16] - 通往AGI的必经之路是“智能体互联网”时代，智能体将取代大部分SaaS和App，成为默认交互形态 [10] - Scaling Law能走多远存在不确定性，但国内仍需有顶级团队探索其极限，一旦出现新的涌现现象可能打破发展饱和 [79] - 扩散语言模型架构（如LLaDA）提供了自回归模型之外的另一种路径，在相同计算量和性能目标下可能所需参数更小，并具备直接修改token等优势 [25] 智能体（Agent）的发展与应用 - 智能体的本质是可验证过程的自动化，擅长数学、代码和结构化决策，现已发展到拐点 [55] - 一个成功的智能体构建需要三个核心模块：提供决策的底层模型“大脑”、中间代码、以及作为“手和脚”的工具（tools） [22] - 认知偏差、落地断层、体验割裂是当前用户使用AI产品的三大痛点 [13] - 百度推出的超级智能体框架调度中枢GenFlow月活用户达千万级，自称是全球最大的通用智能体 [13] - 智能体将重写公司组织，重复操作的岗位将消失，取而代之的是过程架构师 [55] - 企业级智能体落地的关键在于三个平台：作为认知中枢的大模型平台、提供感知的AI能力平台、沉淀企业记忆的AI数据平台 [28] - 企业服务落地最容易的三个方向是：工程流程自动化、行业研究报告、智能化办公助手 [37] - 衡量“好用”智能体的核心标准包括：能交付相对完整的结果、具备可进化性、采用AI原生方式开发、以及具备可控性和可解释性 [92] - 当前多数智能体存在负毛利问题，完成任务的成本高于用户支付意愿，这是创业者和基础设施提供商的巨大挑战 [92] 多模态与具身智能 - 2025年往后，第三代Scaling范式的关键在多模态 [16] - 智源研究院的悟界·Emu3.5通过统一的自回归架构，将Next-Token Prediction升级为在多模态数据上的Next-State Prediction，标志着AI从语言学习迈入多模态世界学习 [16] - 具身智能应被视为独立或平行于虚拟世界语言模型、专门面向物理世界的基础模型 [67] - 当前具身大模型面临不好用、不通用、不易用的挑战，尚未达到“ChatGPT时刻” [16] - 视频是能够大规模获得的、模拟真实世界的高效载体，包含时间、空间、物理、因果关系等多种要素 [16] - 在物理场景应用中，需要解决“大脑”（大语言模型）与“小脑”（端侧快速执行模型）的双脑架构集成问题 [92] 从云端到边缘的AI部署 - 终端侧运行大模型的最大好处之一是个性化 [19] - 端侧模型能力快速提升：两年前只能运行1-2K上下文，去年达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 [19] - 终端侧正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 [19] - 端侧运行大语言模型面临内存、带宽和功耗控制等挑战，需通过量化与压缩、并行解码技术、先进NPU与异构计算架构来解决 [19] - 端侧模型的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，突破Transformer和反向传播算法是AI发展到下一台阶必须跨越的两座大山 [61] 算力、芯片与基础设施 - 商汤的算力总规模达32000P，其智算中心通过算电协同等技术，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% [46] - 国产芯片替代是渐进过程，大规模训练场景的替代是难点 [64] - 当前重要发展方向是混合专家模型（MoE），它能扩大参数规模而不增加激活参数，但会给系统带来通信占比提升等新挑战 [64] - 单颗芯片性能已成为AI算法发展瓶颈，需要如TC link这样的高速互联技术实现128卡间扩展，为AI算法增长提供硬件基础 [58] - Agent Infra（智能体基础设施）本质上是AI时代的操作系统，管理模型能力、工具调用与任务执行等“智能资源” [52] 行业落地与商业化 - 2025年行业更关心如何做行业落地、场景赋能和商业化变现 [37] - 大模型在千行百业中落地才能产生最大价值，其在很多场景的价值尚未真正发挥 [43] - 三类企业需要行业或私有模型：传统大型企业、有海量数据的中小型企业、颠覆行业的新兴公司 [43] - 用大模型做To B业务，最关键的是后训练或Agent化，仅调用API无法形成差异化 [43] - AI在工业制造落地是一个组合拳，需大模型融合视觉和时序模型来处理生产数据，作为大脑进行分析决策和工艺调优 [37] - 昆仑万维的Skywork Super Agents产品中，PPT模式可在五分钟内生成30页PPT，该模式被40%的日活跃用户使用 [55] - 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，曾登顶ProductHunt全球日榜第一 [13] - 光轮智能通过全栈自研的“测量-建模-求解”三位一体仿真解决方案，缩小仿真与现实的差距（sim2real gap），以加速世界模型与物理AI落地 [70] 自动驾驶与机器人 - L2+/L2++与纯无人的L4难度差距巨大，真正的L4公司需要至少有二、三十辆车的纯无人车队运营半年以上 [40] - 预测称，如果特斯拉不装激光雷达，三年之内其在旧金山无法达到Waymo的自动驾驶水平 [40] - 随着大模型发展，若算力等条件满足，预测8年后可能出现开车能力超越99.99%人类司机的自动驾驶“AlphaGo时刻” [40] - 未来几年内，人形机器人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 [79] - 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，甚至是遥遥领先 [76] 数据、仿真与开源生态 - 智源研究院过去两年多开源了2200多个模型，下载量突破6.9亿次；开源近百个数据集，下载量超120万次 [16] - 扩散架构模型LLaDA相比自回归模型更为data-hungry，对数据需求更大、吸收数据更快 [25] - 模型定制化面临挑战，Amazon SageMaker AI提供的Nova Forge能力允许在基础模型训练阶段就引入自有数据进行定制，效果优于训练后再微调 [22] - 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 [58] 经济影响与组织变革 - 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 [34] - AI改变了稀缺的概念，并可能引发人机竞争及算法间的竞争 [34] - 未来不应寻找不会被AI替代的“安全”行业，而应思考如何与AI共生 [34] - 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 [73] - 给AI创业者的建议包括：在增量中找市场、在专业里找空间、在业务中找场景、在结果中找收益 [73]

文章核心观点 - 豆包AI原生手机作为一款试验性产品，通过创新的AI助手实现了跨应用自动化操作，引发了市场高度关注和炒作，但其本质是一次小规模的“数据采集器”式尝试，旨在收集真实场景数据以迭代AI能力，而非意图颠覆现有主流手机市场 [4][6] - AI手机（或AI助手）的发展验证了AI Agent操作手机的可行性，但同时也暴露了跨App生态未打通、操作延迟、安全隐私标准缺失以及可能引发的“权限之争”等核心挑战，其普及面临重大障碍 [10][17][19] - AI手机的未来发展关键在于与现有超级App生态的合作与规则共建，需要在操作系统层面定义清晰的权限与安全边界，其形态也可能不局限于手机，向眼镜、耳机等穿戴设备演进 [20][21][24][26] 市场反响与产品定位 - 豆包手机发售引发市场强烈反响：其发售当天，合作伙伴中兴通讯A股涨停，成交额超137亿元；手机定价3499元，官网迅速售罄；在闲鱼等平台被炒至高价，有卖家标价1.29万元出售，溢价程度超过新发售的iPhone [4] - 社交媒体讨论热度极高：发售后3天内，相关讨论帖超过7000条，互动量近80万 [4] - 产品定位为试验机型：官方说明指出其面向需要体验AI助手的行业人士，不承诺功能完善度，普通消费者需谨慎选择；本质上是与努比亚合作的小批量“数据采集器”，旨在通过科技发烧友和开发者收集高质量训练数据与用户需求 [6] - 销量规模远小于主流厂商：当前销量仅3万台，下期备货计划在2026年底；作为对比，国产品牌主流旗舰首销备货通常在200-300万台级别，小众游戏手机品牌黑鲨在2022-2023年的出货量也达100-150万台 [6] AI技术能力与创新 - 核心能力是跨应用自动化：豆包助手能通过“所见即可问”的实时交互和“所言即可为”的自动化，在用户指令下跨电商平台比价、下单，或完成整理攻略等任务 [13] - 技术路径激进：并非通过传统App接口，而是结合大模型与计算机视觉理解屏幕内容，并借助安卓系统模拟人类点击和滑动来实现操作 [13] - 底层模型能力突出：官方透露其模型在视觉理解、推理及图像创作等维度性能处于国际第一梯队，具备精准的图形界面识别能力，能像人类一样理解按钮和输入框的含义 [15] 面临的挑战与行业冲突 - 引发超级App风控与限制：豆包助手在操作淘宝比价时触发平台风控验证码；农业银行、建设银行等App也出现针对AI手机屏幕共享的监测措施；豆包随后宣布计划在刷分、金融类应用及部分游戏场景限制使用AI操作能力 [10] - 暴露AI手机普及的三大障碍：跨App生态未能打通、操作延迟无法解决、安全隐私标准未定 [10] - 引发“流量入口与系统控制权争夺”：AI手机将微信、淘宝等构筑了“流量围墙”的超级App拉入竞争，背后是未来操作系统主导权的争夺 [10] - 存在效率与可靠性问题：实际测评中，由于AI需完整读取屏幕内容，人工操作有时更省时；自动化操作存在等待、被验证码卡住等不确定性和不可靠性 [16][21] - 安全、隐私与伦理问题悬而未决：包括用户对AI在系统底层权限的不安、可能形成依赖单一公司的“信息孤岛”、AI操作导致安全事故的责任归属、以及可能被黑灰产利用进行刷单等自动化违规操作 [16][17][19] 行业竞争格局与未来展望 - 主流厂商均已布局AI：华为推出A2A智能体协作技术，荣耀的YOYO智能体已实现3000个场景自动执行，小米推进“AI全生态”布局；百度、阿里则推出了AI眼镜等穿戴设备 [24] - AI手机需明确权限与边界：生存关键在于在操作系统层面定义新的权限体系，将操作划分为安全、高风险需二次确认、永远禁止等类别，明确AI能做什么与不能做什么 [21] - AI载体可能多样化：未来真正的智能体载体可能是AI眼镜、AI耳机等，只需实现及格线以上功能且足够便宜，就有机会在市场中脱颖而出 [21] - 发展路径在于合作与合规：豆包手机需要主动与各家App合作，遵守基本规则，在信息透明和战略互信的基础上，于合规前提下探索AI发展道路，而非一味对抗 [26]

2025年12月9日，在"超级连接·智见未来"EVOLVE 2025大模型与智能体产业创新峰会上，中关村科金公开企业级智能体落地路线图，并发布涵盖三大技术基 座、两大通用场景平台及两大行业智能体平台的"3+2+2"全场景产品矩阵。中关村科金还联合华为云、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，通过生态共建，赋能新质生产力发展。 中关村科金总裁喻友平认为，AI时代，智能体已成为新的超级连接器，将人们与数据、知识、智能紧密相连，打破知识和认知壁垒，实现人机协同下的价 值创造跃迁。智能体落地的本质是场景、数据、模型三个要素的循环迭代与持续进化。企业级应用场景对智能体的高准确率、高规则遵循能力提出明确要 求，这也反向推动企业提升数据与知识治理水平，进而最终实现企业效率与价值双重提升。 中关村科金总裁喻友平 尊敬的各位来宾，亲爱的朋友们，大家下午好。 EVOLVE2025大模型与智能体产业创新峰会是中关村科金一年一度的创新分享大会，我们与国内外业界学者媒体伙伴一起分享过去一年我们在智能化道路上 的收获和心得以及面向未来展望和期许。 当前，人工智能正在社 ...

行业趋势与政策导向 - 中国科普作家协会联合全国科学技术名词审定委员会共同评选并发布了2025年度“十大”科普热词 [1] - 评选旨在激发全民科学兴趣，在全社会营造崇尚科学、热爱科学的良好氛围 [1] - 评选原则基于“业内认同、媒体关注、公众关心”，并依托国家语言资源监测语料库等大数据平台进行统计分析 [1] 核心科技与前沿领域 - “大模型”入选2025年度科普热词，反映了人工智能基础模型领域的持续高热度和公众关注 [1] - “低空经济”入选2025年度科普热词，显示以无人机、eVTOL等为代表的低空飞行器及其应用生态成为科技与产业焦点 [1] - “人形机器人”入选2025年度科普热词，表明具身智能和通用机器人技术的前沿发展受到广泛瞩目 [1] - “智能体”入选2025年度科普热词，指向基于AI的自主或半自主代理技术及其应用成为科普与科技传播的重要方向 [1] 产业融合与创新发展 - “科幻产业”入选2025年度科普热词，体现了科学幻想与文化产业、科技创新的深度融合趋势 [1] - “工业遗产”入选2025年度科普热词，反映了将旧工业遗址与科学文化、科普教育相结合的发展方向 [1] - “场景创新”入选2025年度科普热词，强调技术创新在具体应用场景中的落地与实践成为关注重点 [1] 文化与生态建设 - “全国科普月”入选2025年度科普热词，标志着全国性、系统化的集中科普活动已成为重要品牌和公众期待 [1] - “科学家精神”入选2025年度科普热词，凸显了弘扬科学精神和科学家品格在科学传播中的核心地位 [1] - “创新文化”入选2025年度科普热词，指出培育鼓励创新的社会文化环境是科普工作的重要目标之一 [1] - 十大热词从科技、文化、社会等维度，勾勒出2025年中国科普事业发展、科技前沿动态及科学传播与社会文化融合的整体态势 [1]

公司财务表现 - 2025年1-9月，公司实现营业收入1.9亿元 [1] - 报告期内轨道业务验收同比减少9310万元，是直接导致公司营业收入下滑的原因 [1] - 研发投入同比增长7.82% [1] - 三项费用较上年同期增加1497万元 [1] 收入结构与业务动态 - 教育收入占比79% [1] - 收入波动主要受季节性影响 [1] - 今年轨交项目基本上将集中在四季度开通验收 [1] - 公司在智慧教育、智慧轨道等核心业务的订单储备充足 [1] 战略投入与布局 - 公司坚定在行业大模型、AIGC应用、智能体等关键领域投入和布局 [1] - 加速推进营销体系建设，扩张全国销售网络布局 [1] - 员工总数较2024年底增加约250人 [1] - 公司在AI等前沿技术领域持续布局 [1] 发展前景与基础 - 尽管受项目验收季节性和战略性投入影响，短期利润承压 [1] - 通过营销体系扩建与人才投入，公司正为下一阶段的恢复与发展积蓄力量 [1] - 长期发展基础不断巩固 [1]

AI超级周期与智能经济 - AI不仅是一个独立的技术赛道，它正站在一个高达10万亿的基础产业之上，将彻底改变现有工种和组织形态 [1] - 尽管今天AI可触达的市场只有200亿，但它实际上改造的是10万亿的市场 [4] - AI的价值会远超互联网，互联网时代的变化主要集中在营销层面，而AI将深入到“研、产、供、销、服”的每一个环节 [4][5] 大模型的技术原理与训练 - 大模型是参数规模大的模型，其发展本质上是基于模型的参数不断扩大，量变带来质变，智能开始涌现 [9] - 训练模型的三大要素是：足够多的数据、足够强的算力以及足够好的模型架构 [11] - 大模型的训练过程分为“预训练”和“后训练”两个阶段：预训练需要消耗约25万亿文字，后训练则需要大量人工标注数据进行指令微调 [13][15][17] - 训练一次大模型的计算量极其巨大，换算成人力需要全球80亿人不间断地打上1000万年才能完成 [17] 大模型的产业落地场景与形态 - 智能体（Agent）是大模型产业落地的最佳形态，可通过RAG（检索增强生成）、专精模型或整合外围系统来构建 [21] - 在交通优化场景中，大模型通过编程和模拟评估，能在人类最优解的基础上将红绿灯等待时间再优化18.9% [22][23] - 数字员工应用：在直播带货场景中，基于大模型的数字人可以实现无限知识、风格可配，并且其带货效果在长时间直播中可能优于真人 [25] - 在3D建模领域，合作伙伴在百度百舸AI计算平台上训练Tripo 3D大模型，大大提升了3D模型的生成效率 [27] AI在具体行业的应用实践 - 在制造行业，与三一能源装备合作，通过上传正确操作视频，AI可自动拆解步骤生成SOP（标准作业程序），并通过摄像头识别实时纠错，保障产品质量 [28][29] - 类似的应用已扩展至餐饮行业，用于确保食品制作标准，避免外卖订单中漏放配件、配错餐等问题 [29] AI时代的企业组织变革 - 未来的组织形态将发生变化，中层干部可能大幅缩减，形成由强有力领导层决策、下层由智能体落实的结构 [32] - AI战略必须是自上而下推动的“一把手工程”，主要原因包括：AI落地有成本且短期效果可能不明显；技术变革会创造新机会的同时淘汰传统岗位，面临内部阻力 [33][34] - 在智能时代，最需要的不是算法专家，而是那些能够定义需求、定义评估标准的人 [36] - “一人公司”（One Person Company）的现象可能会越来越多，借助AI能力，一个人有可能让整个公司运转起来 [31]

联想创投对智能体(Agent)的投资战略与核心观点 - 公司自2024年4月18日起将Agent定义为核心投资方向之一，在随后的600天内已投资Youmind、Aha Lab、Liblib AI等10余个Agent项目[2] - 公司认为，如果说AGI的前一波浪潮是大模型和算力，那么当前这一波的核心则是智能体(Agent)[2] - 公司坚定投资Agent的核心逻辑在于，大模型和算力很少直接接触最终客户，商业价值有限，而Agent是真正能够承载商业价值的载体[3] - 公司的核心判断及与其他机构的差异化在于，更看重拥有平台型机会的智能体[4] 八大平台型投资机会 - **机会一：内容领域**：AIGC的生成能力将重塑多模态内容生成，带来颠覆式创新，例如投资的Liblib AI，旨在通过自然语言交互降低创作门槛，目标是成为AI时代的Photoshop和Canva[4] - **机会二：AIOS（AI操作系统）**：坚信AI时代将出现覆盖所有终端的原生AI操作系统，其交互方式将超越现有的Windows/安卓/iOS和触摸操作，投资了光帆科技和阶跃星辰等在此方向努力的公司[5] - **机会三：Coding（代码生成）**：认为代码平台是与算力平台并列的数字世界基石，该赛道不会收敛于Cursor等少数公司，即使Cursor估值近300亿美元，但仍有巨大空间，公司投资了专注于用Agent将自然语言直接生成完整代码的企业[5][6] - **机会四：模型即应用**：看好基础模型本身即应用（Model as an Agent）的模式，以投资的智谱、Mistral AI为例，并寻找中国版的Palantir（其商业模式是将模型直接交付企业客户，过去一年股价增长5倍）[6] - **机会五：重塑双边关系**：认为用AI重塑生产关系（而不仅是生产力）将体现更大商业价值，例如投资的Aha Lab，在MarTech领域用AI重构品牌与KOC间的全流程协作，打造双边效率平台，其连续8周的数据和收入保持高增长[7] - **机会六：AI加硬件**：认为AI时代原生的新硬件作为新终端和AIOS载体，必将出现新的平台型机会，这也是联想自身的发展方向[7] - **机会七：AI时代的原生应用**：关注智能体如何重塑如社交等原生应用，探索真人、机器人共存的社交平台新形态[7] - **机会八：Agent基础设施**：关注围绕Agent的新基础设施体系，而非传统的算力基础设施[8] 最看好的Agent创业者四大特征 - **特征一：年轻人**：赛道需要创新和原创，优秀创始人中非常大比例是90后，强调开放与闯劲的心态[9] - **特征二：领域深度经验**：无论是ToC还是ToB，都看重创业者在所在领域的深度knowhow，例如Liblib AI创始人在视频工具领域的经验，或浙江中控创始人在工业OS领域的积淀，这是满足用户真实诉求和快速获客的关键[9] - **特征三：原创能力**：即从0到1的颠覆性创新能力[10] - **特征四：折腾能力**：许多Agent创业者并非在第一个方向就成功，而是在快速迭代和转变中使思路变得清晰，这种能力常与年轻特质捆绑[10] 给AI创业者的三项建议 - **建议一：领先模型代际**：Agent若想胜出，必须领先代际模型至少半年时间，以超过模型现有能力的标准打造智能体，从而起到引领作用，例如Cursor定义了AI Coding范式，使得Claude基于此领域的优势，年度营收接近60亿美元，而OpenAI的年度营收预测为200亿美元[11][12] - **建议二：敢于直面大厂竞争**：AI原生的平台型机会值得创始人投身与大厂竞争，AI Native的创新有机会在全球定义新品类，从而获取免费流量和用户关注，例如Liblib AI吸引了大量职业独立设计师这一活跃用户群体，中国公司在定义新品类上具有优势，且大厂的创新效率往往不及创业公司[13] - **建议三：从第一天瞄准全球市场**：优秀的AI Agent创业者从Day 1就瞄准全球市场，原因包括：AI原生创新是全球性机会、中国已培养出具备全球竞争力的软件工程师人才、有中国大厂背景的创业者天生适合做全球C端产品，美国AI创业以SaaS的AI化为主，单个机会小但数量多，而中国此波创业者（如Liblib AI、ONE2X、YouMind的创始人）多瞄准天花板更高的ToC机会[15][16] 联想生态的协同优势 - Agent的发展符合联想“混合式人工智能”策略，且当前AI生产力的构建多基于PC场景，联想的架构对Agent公司是重要的生态补充[14] - 联想是全球PC市场份额第一、唯一能实现全球出货的中国设备厂商，其摩托罗拉手机在美、欧、日市场位居前三，对于从第一天就瞄准全球市场的Agent而言，联想生态将是非常有益的助力[14]

AI智能体在旅游业的核心价值与潜力 - AI智能体被定位为能独立决策、自主行动、发现问题、提出方案并完成任务的“下属”，而不仅仅是提供建议的“顾问”，其核心价值在于通过重构流程来释放AI的全部潜能，提升效率、个性化水平与抗风险能力，并开辟新收入来源 [2] - 对于尚未兑现AI生产率红利的企业，智能体被视为关键的解锁工具，能实现任务自动化与流程重构 [2] 旅游业AI应用现状与接受度 - 旅游业AI渗透显著加速，Skift旅游200指数中提及AI的公司比例从2022年的约4%跃升至2024年的35% [3] - 行业高管调研显示，引入AI后：59%的受访者表示员工生产效率提高，36%认为产出质量改善，33%指出客户服务个性化水平提升，30%认为决策更迅捷，26%表示运营成本显著下降 [3] - 多数受访高管表示，过去三年AI带来了年均超过6%的营收增长与同等幅度的成本节约 [3] - 消费者对AI工具的接受度正在上升，越来越多旅客使用AI规划与优化出行 [3] 旅游业深化AI应用的主要挑战 - 旅游业AI成熟度落后于其他行业，11%的旅游业高管坦言所在机构未部署任何AI应用，几乎是其他行业的两倍 [6] - 挑战一：数据孤岛与系统壁垒，行业高度分散导致数据极度碎片化，企业难以训练高效AI模型或提供大规模个性化体验 [7] - 挑战二：重人际连接投资，轻技术创新投入，技术常被视为辅助工具而非业务核心，导致技术人才储备不足与投资滞后 [7] 智能体如何重塑消费者旅游体验 - 智能体能突破系统壁垒，直接操作用户界面，像人类一样点击、浏览、跨系统操作，整合碎片化信息并执行多步骤工作流 [10] - 智能体擅长融合结构化数据（如航班时刻）与非结构化数据（如客服记录），实现大规模端到端的个性化、决策制定与自动化 [10] - 智能体可驾驭复杂任务，例如自动处理航班取消后的多步骤协调，包括改签航班、延长酒店预订、更新账单等 [10] - 智能体擅长处理结构重复但需个性化调整的批量任务，例如为不同企业客户安排差旅行程 [10] - 目前仅2%的消费者愿意让AI工具在无人监督下全权接管行程预订或修改 [12] - 智能体旅行助手能识别用户兴趣，自动匹配假期偏好、历史数据与积分余额，生成并实时修改完整的个性化行程，用户只需确认即可完成全部预订 [15] - 已有实际产品案例：SkyLink作为“AI企业旅行智能体”嵌入企业系统，简化差旅预订；Layla专注于个人休闲旅行，能根据明确请求或宽泛需求规划个性化行程 [16][17] 智能体在旅游业运营端的优化应用 - **提升员工效率与工作体验**：智能体可自动化处理航班延误改签、退款审核等重复性任务，让员工专注于需要情感温度的客户服务，有助于缓解员工情绪负担与职业倦怠 [19] - **重塑酒店与物业管理**： - 自动分配客房：AI分房建议目前每日可节省前台约30分钟工时，智能体有望将节省时间提升至1~2小时 [20] - 预测性维护：现有AI技术可使客房停用时间减少约10%至15%，智能体自主处理全流程后，这一比例有望提升至20%至30% [20] - 客房清洁管理：AI目前可减少约5%至15%的清洁工时，智能体凭借实时状态掌控，可使清洁工时下降10%至30% [20] - 菜单优化：AI基础分析可带来约2%至5%的净利润提升，智能体通过实时个性化与自主执行，有望将增幅扩大至5%至15% [21] - **改善航空定价与收益管理**： - 动态捆绑销售：AI推送预设产品包可实现约5%至7%的营收增长，智能体自主生成超个性化产品包并实时测试，有望将收入增幅扩大至20%至30% [22] - 实时定价调整：AI生成需求预测可帮助分析师节省约15%至25%的时间，智能体系统有望将分析师投入时间减少40%至50% [22] - 载客率优化：AI可提升载客率约1%至2%，智能体有望将这一比例扩大至3%至4% [22][23] - 会员奖励个性化：AI客群细分带来约5%的收入增长，智能体凭借自主推送高度个性化优惠，可将增幅提升至15%至25% [23] 智能体的落地、部署与规模化挑战 - 行业应用仍处早期：九成行业高管称其机构已在一定程度上使用生成式AI，但38%表示尚未部署智能体；仅2%的受访者称智能体已在企业内广泛应用，而生成式AI的这一比例为22% [24] - 行业热度急剧升温：八成受访高管计划在未来三到五年内，于多个业务场景和职能环节大规模引入智能体，最受期待的应用方向是客户体验、服务交付、销售和市场营销 [24] 企业成功部署智能体的关键路径 - **技术打底**：构建智能体体系需要可扩展的云基础设施、强劲的数据管理能力及稳固的传统AI部署，许多旅游企业技术基础薄弱，受制于老旧僵化的系统 [25] - **规划先行**：企业需制定由高层背书、与业务成果直接挂钩的智能体集成路线图，聚焦明确战略愿景、关键应用场景，并由技术与业务领导共治，平衡短期成效与长期布局 [26] - **人才赋能**：企业需主动投入资源为员工提供系统培训，聚焦少数能真正落地、与岗位密切相关的高价值应用，并传达AI旨在赋能而非替代员工的清晰立场 [27][28] - **文化革新**：智能体性能平均每7个月翻一番，企业需培育鼓励试验、灵活适应的组织文化，持续关注新工具并评估自建与外购方案 [29] - **流程再造**：逾七成数字化转型项目在推广阶段失速，企业需系统评估智能体对上下游流程的影响，从根本上重新构想和优化业务流程，而非简单嵌入既有流程 [30]