科创板公司动态 - 海优新材拟在成都金堂县设立全资子公司并投建高分子特种胶膜生产项目 项目总投资预计3亿元 不涉及新增产能 属于存量产能结构调整 [1][4] - 海优新材拟以自有或自筹资金对全资子公司泰州海优威增资7000万元人民币 增资完成后其注册资本为15000万元 [4] - 赛微微电实际控制人葛伟国、蒋燕波、赵建华及一致行动人微合投资拟合计减持不超过86.14万股 不超过公司总股本的1.00% [3] - 德科立公司董事、副总经理、核心技术人员周建华计划减持不超过10万股 减持比例不超过0.0632% [1][5] - 中邮科技股东国华卫星及其一致行动人航天投资合计持股比例由8.87%减少至7.89% 权益变动触及1%刻度 [3] 科技产品与研发进展 - 中科曙光发布全球首个单机柜级640卡超节点scaleX640 可通过双超节点组成千卡级计算单元 相比业界同类产品单机柜算力密度提升20倍 在MoE万亿参数大模型训练推理场景可实现30%-40%的性能提升 [1][5] - 海光信息坚持基于x86指令集架构进行芯片研发 打造“CPU+DCU”双轮驱动产品体系 其DCU对标国际主流GPGPU 算子覆盖度超99% 兼容CUDA [1][5] - 海光光合组织已聚合6000余家合作伙伴 完成15000余项软硬件测试 在政务、金融、能源等领域的联合解决方案超15000个 [5] - 小鹏汽车在广州市获得L3级自动驾驶道路测试牌照 并启动常态化的L3道路测试 [2] 市场与行业事件 - 午后市场传闻涉及高科技公司税收认定趋严 恒生科技指数一度跌超2.5% 阿里巴巴、腾讯控股、京东、美团等股价跌幅加大 [2] - 有券商研究员表示 相关税收信息只是认定趋严而非一刀切 [2] 融资与上市动态 - 昆仑芯即将完成股改 加速冲刺上市 知情人士透露其2025年营收远超20亿元 若按30-40亿元收入及6万元芯片均价估算 对应芯片出货量为5-6.7万颗 [6] - 锂离子电池负极材料研发商江帆圭智完成近亿元Pre-A轮融资 资金用于推进硅碳负极材料产线建设及技术迭代 [6] - 光学元件企业贝耐特完成数千万元A++轮融资 该公司专注于硅基液晶光学器件与系统的研发生产 [7] - 生物医药公司奥赛瑞生物完成数千万元Pre-A轮融资 资金用于推进新型影像对比剂及诊疗一体化药物研发与临床转化 [9]

公司产品与技术进展 - 公司在第二届睿见大会上展示了其第三代灵石产品，该产品是为不动产配置的智控大脑，主题为“车要智驾、楼要智控” [1] - 灵石产品持续进化：1.0版本从摄像头集群切入实现算法工单调度；2.0版本链接能源、通行、消防等四大硬件集群，实现智控与算法节能，并将核心软件系统整合至边缘侧部署；3.0版本开始部署蒸馏大模型，衍生出端侧灵石植入机器人，构建涵盖软件、机器人、低碳及增值服务的生态 [1] - 灵石产品已实现44种场景的商业化，累计在800个以上外部项目落地，在成都天荟城、中山大学深圳校区等多个典型项目中应用 [1] - 以成都天荟城为例，灵石产品助力巡检人力成本下降20%、节能降耗19.6% [1] 产品商业化与定价 - 根据线上商场展示，灵石全功能版本产品在不同场景下的使用定价为每月1.3万至2.9万元人民币不等，签约年限为3至10年 [2] - 公司计划加速产品推广，以进一步打开企业成长动能 [2] 机构观点与估值 - 研究机构维持对公司原有的盈利预测不变 [2] - 研究机构维持“跑赢行业”评级和27.5港元/股的目标价，该目标价对应12倍2025年目标核心市盈率，隐含41.5%的上行空间 [2] - 公司当前股价交易于8.2倍2025年核心市盈率，并预计有9.8%的股息收益率（基于全年派出80%的2025年核心净利润的假设） [2]

市场表现与行情回顾 - 隔夜美股恐慌情绪蔓延，导致港股低开低走，AI主线跌幅居前 [1] - 主要互联网科技股普遍下跌：阿里巴巴-W盘中下挫逾4%，收跌2.96%；小米集团-W跌超2%；腾讯控股、美团-W跌逾1% [1] - 港股AI核心工具——港股互联网ETF（513770）回落至年线下方，盘中刷新7月8日以来新低，场内价格收跌2.06% [1] 港股互联网ETF（513770）交易数据 - 2025年12月16日，港股互联网ETF（513770）收盘价为0.524元，跌幅2.06% [2] - 当日成交活跃，总成交量为930.28万手，换手率为4.20% [2] - 盘中再现持续溢价，显示买盘资金逢低积极进场 [2] - 该ETF已连续8日获得资金净流入，合计净流入金额达8.26亿元 [2] - 该ETF最新规模超百亿元，年内日均成交额超6亿元，支持日内T+0交易，流动性佳 [6] 市场波动原因分析 - 港股AI短期行情波动主要受海外负面情绪传导 [4] - 一方面，美联储释放“未来降息门槛变高”的信号，未来政策不确定性增高 [4] - 另一方面，海外AI龙头公司利空扰动，博通AI业务低毛利率和甲骨文相关项目延期的消息，引发美股“AI泡沫担忧2.0” [4] 机构观点与后市展望 - 分析认为，美股正经历估值与风格的再平衡，AI主线并非趋势反转 [4] - 对港股而言，阶段性压力释放，也带来了逢低买入的良机 [4] - 东吴证券提示，港股仍处于反弹前夕，从中长期配置来看，当前位置有吸引力 [5] - 中信证券认为，互联网巨头在AI趋势中攻防兼备，继续看好互联网板块顺周期属性叠加AI的向上趋势 [5] 估值分析 - 截至2025年12月16日，港股互联网ETF（513770）跟踪的中证港股通互联网指数较10月2日的年内高点已回调21.52% [4] - 该指数最新市盈率PE（TTM）为24.92倍，位于近5年27.24%分位点的相对低位 [4] - 其估值较创业板指（PE 40.04倍）、纳斯达克100指数（PE 35.58倍）表征的A股、美股科技板块具有显著优势 [5] 产品结构与投资方向 - 港股互联网ETF（513770）被动跟踪中证港股通互联网指数，重仓阿里巴巴-W、腾讯控股、小米集团-W等互联网龙头 [6] - 其前10大持仓汇聚AI云计算、大模型及各领域AI应用公司，合计占比超73% [6] - 作为替代或补充，香港大盘30ETF（520560）采用“科技+红利”哑铃策略，重仓股既包括阿里巴巴、腾讯控股等高弹性科技股，也囊括建设银行、中国平安等稳健高股息股票 [6] 历史数据参考 - 中证港股通互联网指数近5个完整年度涨跌幅分别为：2020年涨109.31%；2021年跌36.61%；2022年跌23.01%；2023年跌24.74%；2024年涨23.04% [7]

部委动态 - 工信部修订印发《产业技术基础公共服务平台管理办法》，明确服务平台申报单位应明确服务行业领域及范围，重点行业包括装备、石化化工、钢铁、有色、建材、轻工、纺织、食品、医药、新一代信息技术、生物技术、新能源、新材料、新能源汽车、人工智能、元宇宙、脑机接口等，服务范围涵盖计量检测、标准验证与检测、质量可靠性试验检测、认证认可、产业信息、知识产权、技术成果转化等，该办法自2025年12月5日起施行 [1] - 国家发展改革委、国家数据局等多部门联合发布关于加强数据要素学科专业建设和数字人才队伍建设的意见，旨在建立数据领域学科专业设置调整机制和人才培养模式，激活数据要素赋能新质生产力的创新引擎作用，促进教育链、人才链与产业链、创新链融合发展 [1] - 生态环境部印发《产品碳足迹因子数据库建设工作指引》，以指导社会主体探索数据研制或数据库开发，支撑产品碳足迹管理体系构建 [1] - 工信部就《元宇宙产业综合标准化体系建设指南（2026版）》公开征求意见，目标到2028年制定国家标准和行业标准20项以上，到2030年制定50项以上，以初步构建并完善支撑元宇宙产业创新发展的标准体系 [1] 地方行动 - 山东省在“十五五”规划建议中提出，推动深海空天、具身智能、生物制造、脑机接口、量子科技、元宇宙、氢能等成为新的经济增长点，并支持济南、青岛建设未来产业先导区 [1] - 江苏省元宇宙标准化技术委员会在南京成立，将重点承担元宇宙标准化路线规划、发展策略制定及前沿标准前期研究等顶层设计工作 [1] - 上海市2025年度关键技术研发计划“元宇宙”专项对15个项目予以立项，市科委资助总额4600万元，其中2025年拨款1840万元 [2] 成员单位动态 - 博瑞传播拟以6649.02万元受让每经科技51%股权，交易完成后将成为其控股股东，旨在联手每经传媒打造智能传播头部企业 [2] - 智谱正式开源其工业级语音合成模型GLM-TTS，该系统仅需3秒语音样本即可复刻人声，支持多情感表达，推动AI语音技术走向产业深度融合 [2] 行业动态 - 北京GPU公司摩尔线程于12月5日在科创板上市，成为“国产GPU第一股”，发行7000万股新股，占发行后总股本14.89%，每股发行价114.28元，开盘价650.00元/股，较发行价大涨468.78%，总市值达3055亿元，为2024年以来科创板最大规模IPO [2][3] - 谷歌宣布向Google翻译引入Gemini模型能力，推出可通过耳机进行的实时语音翻译Beta版，并提升文本翻译的语境理解能力，同时通过Google Labs推出一款名为“Disco”的实验性AI浏览器 [3] 院士观点 - 中国工程院外籍院士张亚勤提出，新一轮人工智能是信息智能、物理智能和生物智能的融合，并预测基础大模型最终将不超过10个 [3] - 中国工程院院士谭建荣强调，在重视大模型的同时不应忽略小模型，指出大模型的根基在于“小模型”和建模能力，并预判行业将转向“面向行业、面向产品”的小模型与智能体 [3][4] 行业洞察 - 图灵奖得主Yann LeCun认为，硅谷对不断“堆大”大型语言模型的痴迷是一条死路，并指出当前AI智能水平有限，他正将学术声誉押注于构建“世界模型”这一不同技术路线 [4] - 斯坦福大学教授李飞飞在访谈中深度解读，认为空间智能是通往通用人工智能的关键技术，并回顾其构建的ImageNet项目如何成为AI领域的大数据拐点 [4] 技术与应用 - 工业和信息化部正式公布我国首批L3级有条件自动驾驶车型准入许可，两款车型将在重庆、北京指定区域开展上路试点，标志着L3级自动驾驶从测试迈入商业化应用的关键一步 [4] - 数学家陶哲轩与团队在多种AI工具辅助下，仅用48小时便解决了尘封50年的数学难题Erdős1026 [4]

文章核心观点 - 中日两国在机器人产业上采取了截然不同的发展路径：中国凭借AI大模型、成熟供应链、资本狂热和政府扶持，在人形机器人等前沿领域“大干快干”，而日本则基于其深厚的工业基础和经济理性，专注于提升工业机器人的可靠性与工程完成度，并已建立起近乎自给自足的完整产业链[5][17][29] - 日本在早期人形机器人（如ASIMO、Pepper）商业化上遭遇重大挫折后，已明确绕开由大模型驱动的通用人形机器人赛道，转而发展在限定场景下执行简单任务的“派遣机器人”，并在其优势的工业机器人领域深度融合“日式工厂AI”[9][10][26] - 中国机器人产业的崛起得益于电动车等先进制造业积累的经验、庞大的本土应用场景（如电商物流、3C电子）带来的强需求，以及成本下降带来的价格竞争力，未来可能在工业机器人赛道上实现弯道超车[18][30][31] 机器人产业中日发展路径对比 - **日本路径：聚焦工业，追求稳定可靠** - 日本选择性绕开了由大模型驱动的通用人形机器人赛道，认为“没必要像人”[10] - 日本工业机器人全球领先，在全球市场占有率前十的公司中占据六席，且ABB机器人业务以53.75亿美元出售给日本软银集团[22][23] - 产业第一要义是稳定，产品可持续供货与维护20年，且型号不断代，与丰田、本田等客户合作长达40年[29] - 建立了从上游核心零部件（伺服系统、减速机、轴承）到下游整机的完整、自给自足的产业链，进口依赖度极低[29] - 在工业机器人中嵌入“日式工厂AI”，如机器视觉、力控运动补偿、预测维护等，将性能从80分提升至90分，但应用层爆发慢[26][27][32] - **中国路径：AI驱动，规模迭代，场景丰富** - 中国将人形机器人视为除AI外的重要高科技热点，政策和资源倾斜，2025年国内机器人产业链投融资事件达557条，合计融资金额超839亿元[5][17] - 产业发展受益于电动车制造业积累的经验，自动驾驶的“智能大脑”与人形机器人底层技术相通[18] - 拥有来自电商、3C、物流与仓储体系的强劲且独特的工业需求，要求机器人具备对不规则物品的识别与抓取能力[18] - 凭借新兴制造业发展和强烈的进口替代需求，实现了量产成本下降和价格竞争力[19] - 在工业机器人赛道上也深度嵌入AI，在感知、抓取规划、协同调度层面有弯道超车潜力[30] 机器人市场与商业化现状 - **市场结构** - 机器人产业基础分类为工业与非工业机器人，2024年工业机器人占据全球机器人市场约71.4%的营收份额[21] - 全球人形机器人市场尚未成熟，缺乏“强需求”，买家多为科研机构、科技公司等实验型、营销型客户，长期商业模式未定[16] - 宇树科技的四足机器人在B端已有落地，但数量级和盈利结构尚不足以定义为成熟模式[16] - **商业化挑战与案例** - 人形机器人研发投入巨大且商业化艰难，美国特斯拉Optimus、Figure AI等均处于亏损状态[14] - 日本早期人形机器人商业化尝试均告失败：本田ASIMO售价250万美元/台，有价无市；软银Pepper总产量仅2.7万台后停产，相关业务出现数亿美元级别亏损[9] - 软银收购波士顿动力后，约以10亿美元估值将控制权卖给现代汽车集团，可能是一次巨亏[9] 技术发展层次与差异 - **技术底座与时代机遇** - 中国的人形机器人发展得益于AI、大模型、芯片供应链成熟的时代背景，而日本在应用级AI（如ChatGPT）方面存在感一般，普及率也最低[17] - 日本在机器人三层结构（上层任务决策、中层控制执行、底层执行机构）中，将智能化主要集中于中层，以提升稳定性与精度[26] - 中国的人形机器人则尝试将AI推向**上层任务理解与决策层**，旨在先理解世界再决定行动[26] - **具体技术应用** - 日本早期人形机器人主要依靠规则算法和传感器硬编码，而如今以宇树为代表的机器人配备了类似智能汽车的中央大脑，使用视觉大模型和动作生成大模型[25] - 日本工业机器人的智能化体现为“日式工厂AI”，包括机器视觉、力控与运动补偿、预测维护、参数自动优化等[27] 三国机器人产业格局概览 - **中国**：聚焦人形、AMR、协作、工业机器人；AI使用强度高，角色是拓展能力上限；优势在于成本、速度、规模；主要使用领域为制造、物流、3C、电商[32] - **美国**：聚焦人形、特种、医疗、军用机器人；AI使用强度极高，角色是定义智能范式；优势在于算法、系统、原创性；主要使用领域为医疗、国防、科研[32] - **日本**：聚焦工业机器人、协作、人机一体；AI使用强度低-中，角色是提升稳定性与精度；优势在于可靠性、寿命、工程完成度；主要使用领域为汽车、精密制造；出口强度极高[32]

公司战略与转型 - 公司作为行业数字化转型领跑者 秉持守正创新精神 不断加强数字化规划治理 培养数字化人才 打造“诚信、专业、担当、创新”的科技文化品牌 [1] - 公司在业内率先启动全面数字化转型 科技投入与科技水平领先行业 当前围绕“All In AI AI重塑发展新优势”的转型愿景 积极探索以AI思维和技术重塑业务场景 [4] 产学研合作与人才培养 - 公司与南京大学开展合作 设立科技奖学金奖励计算机、人工智能、数学等专业优秀学生 并与人工智能、新闻传播等学院深度合作 在AI赋能金融、AI创新内容生成和传播等多领域开展前瞻性探索 [1] - 公司与南京大学联合举办AI+创新创意大赛 聚焦大模型上市公司财报分析、金融场景API工具调用研究、金融视觉大模型应用研究三大主题 最终六个团队解决方案分获一、二、三等奖 [2] - 自2021年起 公司与北京大学、清华大学、复旦大学、上海交通大学等国内重点高校合作设立科技奖学金 已奖励1500多名科技与基础学科相关专业优秀大学生 [3] - 2024年公司进一步扩大覆盖高校 通过形式更多样的奖学金和奖教金、学生创新赛事、企业实习项目等 更有效挖掘高潜力科技人才 探索AI赋能金融创新及科技人才培养的全新路径 [3] 内部创新与文化构建 - 公司在内部开展科技人才培养与相关文化建设活动 通过HUATECH创新创意大赛、“攻城狮”文化节、员工AI认证赋能等方式 将守正创新精神融入科技基因 [4] - 2024 HUATECH创新创意大赛吸引了公司近700名员工参赛 形成了40余个创意项目、20个创新应用 并推动了一批成果落地 2025年大赛预计将于12月底举办决赛及成果展 [4] 合作目标与成果 - 公司与高校合作旨在发掘并培养科技创新人才 服务国家创新驱动发展战略 [3] - 与南京大学的竞赛旨在搭建前沿AI技术与核心金融场景深度结合的平台 引导学生跳出纯技术视角 理解如何用人工智能解构并解决金融领域的实际痛点 通过产学研用协同创新为年轻人打造历练舞台 [3] - 学生通过参观“数字华泰”运营指挥中心 对科技如何应用于实际金融场景有了更为具象的感受 [2]

文章核心观点 - 文章旨在推广“自动驾驶之心知识星球”社区，该社区定位为国内首个自动驾驶全栈技术交流与学习平台，通过整合行业动态、技术资料、学习路线、专家资源和求职服务，为从业者及初学者提供一站式学习与交流环境，以降低行业入门壁垒并推动领域进步 [8][22] 社区概况与规模 - 社区已运营超过三年，集视频、图文、学习路线、问答、求职交流为一体，目前成员已超过4000人，并计划在未来两年内达到近万人的规模 [8] - 社区成员背景多元，来自国内外知名高校（如上海交大、清华大学、CMU、ETH等）及头部公司（如蔚小理、地平线、华为、英伟达、百度等）[22] 内容与资源体系 - 社区内部梳理了超过40个自动驾驶技术方向的学习路线，内容覆盖从基础到进阶的全栈知识 [13][23] - 汇总了大量开源资源，包括近40个开源项目、近60个自动驾驶相关数据集以及行业主流仿真平台 [23] - 提供了结构化的知识目录，涵盖六大板块：行业与高校介绍、基础入门、算法进阶、实战落地、自动驾驶100问系列及原创直播课程 [15][16] 行业动态与技术前沿 - 社区持续更新最新的行业动态与技术进展，例如Waymo的基座模型、地平线技术生态大会洞察、英伟达2025年技术图鉴、理想汽车的最新数据闭环技术等 [7] - 重点关注前沿技术领域，包括端到端自动驾驶、视觉语言模型、世界模型、3D高斯溅射、扩散模型、BEV感知、Occupancy网络等 [7][10][23] 学习与课程支持 - 为入门者提供了全栈方向的学习课程，包括感知融合、多传感器标定、SLAM、规划控制、数据工程、模型部署等系列视频教程 [16] - 设有“自动驾驶100问”系列，针对TensorRT部署、毫米波雷达融合、车道线检测、规划控制、BEV感知、相机标定等工程实践问题进行深度解析 [15] 专家互动与直播 - 社区邀请了数十位活跃在学术界与工业界的一线专家作为嘉宾，为成员答疑解惑 [10] - 已组织超过一百场专业技术直播，内容涵盖VLA模型、V2X、3D检测、扩散模型规划器、3DGS等前沿主题，直播内容可回看 [95] 求职与职业发展 - 社区与多家自动驾驶公司建立了岗位内推机制，可帮助成员将简历直接投递至心仪公司 [16] - 提供职业发展咨询，包括offer选择、学习路线规划、跳槽建议、博士研究方向选择等实用问题解答 [10][26]

核心观点 - 北京大学等机构的研究团队提出了一种基于物理学“最小作用量原理”的理论框架，用以理解和统一大型语言模型智能体的宏观生成动力学 [1] - 研究发现LLM智能体的状态转移在统计上表现出“细致平衡”现象，表明其生成过程可能隐式地学习了一类潜在的“势函数”，这超越了不同的模型架构和提示词模板，是首次发现的不依赖特定模型细节的宏观物理定律 [3][4][16] - 这一发现将AI智能体研究从经验性的工程实践提升到了可量化、可预测的物理科学高度，为理解、预测和控制AI行为提供了新的科学测量手段 [4][6] 理论框架与方法 - 研究将LLM智能体的生成过程视为状态空间中的马尔可夫转移过程，其核心是转移概率P(g|f) [9] - 为捕捉智能体倾向于转移到“更好”状态的结构化偏好，研究假设存在一个反映状态“质量”的潜在标量势函数V [13] - 通过定义一个描述状态转移违背势函数排序程度的凸函数K(x)，并计算其全局平均违背作为“作用量”S，最合适的势函数是能使作用量S最小化的函数，这满足变分原理δS=0 [13][14][15] - 研究指出，若智能体的状态转移满足细致平衡条件（即π(f)P(g|f)=π(g)P(f|g)），则存在势函数V可明确表示为log[T(g←f)/T(f←g)] = βV(f) - βV(g)，并且该势函数满足最小作用量原理 [15] 实验发现与意义 - 通过在多个不同模型和任务上的实验验证，研究发现基于LLM的智能体在其状态空间中的转移在很大程度上满足细致平衡条件，表现出类似平衡系统的特征 [16][18] - 这意味着LLM的生成并非简单地死记硬背规则或随机尝试，而是在最小作用量原理驱动下，自然地向着势能更低（质量更好）的状态流动，如同水往低处流 [4] - 该理论框架使得可以用物理指标为不同大模型“画像”，例如Claude-4像急于交卷的优等生，倾向于快速收敛到某个答案（势井），但也容易固执己见；GPT-5 Nano则像探险家，收敛慢但更愿意探索状态空间 [5] - 这一发现为理解和优化LLM生成过程提供了新思路，例如通过研究偏离平衡的程度来理解模型过拟合水平，或基于势函数优化方法来提高生成任务的质量和多样性 [19]

冯诺依曼研究院的技术成果 - 2023年发布全球首个32K长文本上下文理解大模型技术LongLoRA，使大模型首次能阅读并分析长达四万多个Token（约两三万字）的书籍内容[5][13][16] - 2024年推出开源多模态模型Mini-Gemini，在GitHub上获得超3000个Star，曾是开源社区中性能最强的模型，具备高性能图像理解与推理式图片生成能力[5][18] - 2024年推出Mini-Gemini新版本，新增完整中文语音系统，支持长视频理解、无样本音色克隆及跨语言生成，解决了中文语音系统混乱的痛点[5][20] - 推出轻量化智能图像生成编辑技术ControlNeXt，可实现图像风格转换、动效生成和超级分辨率等功能，无需大量预训练资源[6][34] - 推出全球领先的智能图像生成编辑统一系统DreamOmni2，在开源系统中与投入超50亿美金、使用10万张卡的Nano Banana对齐，而该研究院仅由2名学生用500张卡、耗时半年完成开发[6][36] - DreamOmni2具备广告设计、图像编辑、虚拟试衣、一键美容、改变光照、产品设计等强悍功能，在部分评测中超越了Nano Banana、GPT-4o等模型[37][59] - 该研究院的图像生成编辑技术可实现精准的像素级编辑，例如将图片中的油灯替换成狗、替换人物、改变发型、一键试衣、改变物体材质或光线等复杂操作，处理时间从专业美工的三天缩短至约10秒[38][40][43][45][48][51] - 该研究院的技术可对图像、视频生成进行6到20倍的加速，有望为全行业节省95%的能源[61] 大模型与人工智能的发展方向 - 大模型的智力是综合多因素的结果，神经元数量不代表更聪明，更重要的是神经之间的连接方式、大脑皮层的复杂度以及大脑与其他器官的配合程度[7][70] - 大模型未来发展有两个关键要点：遵循Scaling Law是基本方向，同时需聚焦“改善神经元连接方式”，让模型在同等神经元数量上变得更聪明[7][70] - 从早期的卷积神经网络到后来的Transformer，都是在改变神经元的连接方式，这种改变让大模型的智能提升了约1万倍[7][71] - 未来还会有比Transformer更优的架构，能将智能再提升1万倍[2][72] - 未来人工智能发展的两大重心：一是训练方法要从一次性学习转为像人一样的连续终身学习；二是要结合机器人、机械臂等作为人工智能的感知载体，弥补当前AI无实体的短板[7][75] - AI与大模型的未来发展模式会走向感知机器与终身学习结合的训练模式，这一发展将在未来五到十年持续发生，并带来巨大进步[7][75]

平台核心升级概述 - 浪潮科技发布数智底座平台V4.0 此次升级是围绕融合大小模型技术、强化数据可信流通、推动一体化运营管理、提升智能研运水平、打造一体化行业知识库五大方向的系统性能力重构 [1] - 平台以焱宇行业大模型、可信数据空间、数字化运营平台及智能低代码平台为核心 全新推出高质量语料治理平台与一体化行业知识库 [1] - 平台旨在构建集可信数据、智能模型、一体化运营与可控应用于一体的综合能力体系 为客户提供覆盖监管、服务、办公、决策与运营的全链路数智化解决方案 [1] 数据可信流通与治理 - 平台构建覆盖全生命周期的数据流通技术支撑体系 从共享、交换到流通与交易 确保每一环节安全可靠 [3] - 通过融合身份可信、环境可信与隐秘存储、可信传输、安全计算等技术 实现数据在静态存储、动态传输及协同计算中的全程隐私保护 支撑跨域、跨组织的安全协作 [3] - 结合安全治理、合规控制与存证溯源机制 确保数据流通满足可用不可见、可用不可存、可控可计量的核心安全要求 [3] - 平台提供的数据资源治理平台与数据智能体 实现从采集汇聚、质量治理到共享应用的全流程覆盖 最终达成数据资源的可见、可查、可管、可控、可用 [3] 大模型行业落地与语料支撑 - 平台构建多智能体协同操作系统 搭载自规划智能体引擎 可自动拆解复杂任务、动态优化执行策略 并支持多智能体的安全协同 [4] - 平台深度融合多模态分析技术 能够对住建、公安、税务、应急、林草等多行业场景的文本、视觉、语音数据进行结构化解析与跨模态语义推理 [4] - 自主研发高质量语料治理平台V1.0 构建科学主动的多模态语料全流程治理体系 [4] - 依托知识编辑、因果推理图谱、小样本增强及分组激励反馈等机制 平台能够持续产出靶向优化语料 实现模型能力与语料质量的闭环协同进化 [4] 数字化运营与智能管理 - 平台围绕安全标准化、管理闭环化、决策智能化三大目标 完成运营功能体系的全面升级 [5] - 通过引入安全运营指引、需求管理、厂商绩效分析及智能报告体等功能 构建覆盖执行、监测、评估、优化的标准化运营闭环 [5] - 平台已梳理50余项标准化运维运营事项 建立涵盖厂商绩效、运营分析等在内的超百项评估指标体系 并可输出20余份安全作业指导书 [5] - 平台为政府及大型企业提供可量化、可追溯、可预警的智能运营管理支撑 推动运营工作从被动响应向主动治理转变 [5] 一体化知识库与智能应用 - 平台基于大模型与知识图谱技术 推出一体化知识库解决方案 贯通知识生产、汇聚、管理、应用的全流程 [5] - 通过智能搜索引擎 实现跨部门、跨系统知识的快速检索与精准定位 [5] - 依托AI问答智能体 提供自然语言交互式知识服务 实现即问即答 [5] - 借助公文写作辅助智能体 基于行业语料与规范 自动生成符合场景的文稿初稿 显著提升办公效率 [5] - 该体系有效破解组织内部信息分散、知识沉淀难的困境 推动知识管理向结构化、智能化方向转型 [5]