大模型与智能体发展 - 大模型相当于头脑 能说会道 能思考规划推理 但没有手脚不会使用专业工具不能直接干活[3] - 如果AI发展只停留在大模型阶段会变成玩具而非生产工具 企业引入大模型多用于聊天机器人和客户服务 不能真正解决生产业务问题[3] - 人工智能上半场是大模型 下半场焦点转向智能体 大模型能力从知识型进化到推理型且成本越来越低[3] 智能体核心特征与应用 - 智能体是网络虚拟空间的机器人 具备记忆能力 使用专业工具能力 分工协作能力和分解规划任务能力[4] - 智能体将通用大模型变为专业化个性化数字员工 多智能体全自动协作30分钟可完成人工需1个月的视频制作[4] - 智能体演进分五个层级：L1聊天助手 L2工作流智能体 L3推理型智能体 L4多智能体协作 L5可能具备自我学习进化迭代能力[4] 人机协作新模式 - 当每人管理30-50个智能体时将解锁能力成为超级个体和超级员工[3] - 人类角色转变为智能体的规划者 领导者 管理者和监督者 形成碳基员工与硅基员工混合的超级组织[4] - 智能体替代人力与软件工具 实现真正降本增效 工业领域专业智能体发展前景比传统软件大十倍[5] 企业战略与行业机遇 - 360智能体工厂重点打造L3-L4智能体 已为中小企业提供5万个具备各种能力的智能体[5] - 360面向金砖国家开放智能体工厂技术 提供从智能体构建到场景落地的全链条赋能[5] - 智能体作为传统产业数字化转型最关键抓手 将带来无限发展机遇[5]

AI与人类能力对比 - AI在逻辑推理方面存在局限 尤其多步复杂推理常出现逻辑错误 而人类擅长辩证思维和持续学习[3] - 人类拥有AI无法替代的三大核心能力：担责能力、创造力与冒险精神、自驱力[3] - 人类是独一无二的碳基生物 其存在本身具有商业价值 而AI只是可无限复制的程序副本[8] 人类核心竞争优势 - 担责能力体现在人类提供可追溯的信用支撑 例如资金决策权等关键权限不可能完全交给AI[9] - 创造力要求创造出世界上尚未存在的东西 AI仅擅长基于已有信息组合优化[12] - 自驱力源于人类独有的意义建构能力 AI没有人生经历和历史记忆[17] 人机协作模式 - 人类应成为"微决策"主导者 AI帮助实现决策自由 例如AI出图后人类根据审美修改[23] - 智能体具备自主决策能力 可根据目标调用工具并分析现场情况 例如GPTs完成多步骤复杂任务[25][26] - 通过多AI协同可克服群体思维 例如让模型扮演不同角色或调用不同模型思考同一问题[27] 教育与发展方向 - 现行教育体系过度强调纪律性 抑制自驱力培养 需要允许试错空间[18] - 日本人均GDP从20世纪90年代超美国降至现在不足一半 证明过度从众会削弱社会创造力[21] - 可缩放的个人成长路径包括学习（积累已知）和搜索（寻找未知） 两者投入越多收获越大[30][31] 技术应用边界 - AI辅助科研已相当成熟 可独立承担科研项目 但成果价值仍需人类判断[14] - 在自动驾驶等领域 仍存在大量人群对AI持不信任态度[5] - 即使现有大模型技术停滞 仍足以引发社会结构深层变革[5] 商业创新本质 - 企业家创造力本质是冒险 需要押注真金白银和声誉 而AI没有这种风险承担能力[15] - 创新文化需要容忍逆反精神 美国人均GDP持续增长得益于颠覆式创新文化[20] - 100%确定能成功的事物早已存在 商业成功最终取决于决策冒险[14]

市场整体表现 - 市场震荡走高 创业板指一度跌幅超过1% 午后回升翻红 沪指涨0.04% 深成指涨0.45% 创业板指涨0.68% [1] - 沪深两市成交额2.34万亿元 较上一个交易日放量640亿元 [1] - 全市场超3600只个股上涨 个股涨多跌少 市场情绪明显回暖 [1] - 指数黄白线分化 中小盘股表现较强 微盘股以全天最高点报收 逼近8月26日历史高点 [9] 板块热点表现 - 机器人板块涨幅居前 受宇树科技开源世界模型架构及特斯拉创始人马斯克拟斥资近10亿美元增持特斯拉股票并召开擎天柱机器人会议等多重利好刺激 汉威科技 安培龙 三花智控 双环传动等多股涨停并创历史新高 [5] - 互联网电商及物流板块涨幅居前 新宁物流 怡亚通 供销大集等多只物流股涨停 线上线下录得20厘米2连板 丽人丽妆 省广集团等纷纷封板 [7] - 猪肉 有色金属 影视院线等板块跌幅居前 有色板块多数个股大幅高开后跳水回落 领跌品种为稀土永磁及钨等小金属 [7][8] 连板股及人气股分析 - 连板晋级率升至70% 最高标华建集团分歧转一致晋级4连板 [3] - 首开股份实现10天9板 上海建工 香江控股 山子高科 荣盛发展实现3连板 [1][3] - 淳中科技6天5板 必得科技8天5板 天际股份9天5板 [1][4] - 低价股方向获得资金深度聚焦 香江控股等多股实现2进3 板块涨停家数仍有十余家 [3] 细分领域动态 - 国产算力方向走出独立行情 腾讯云宣布全面适配主流国产芯片 海光信息 中科曙光盘中创历史新高 龙芯中科一度触及涨停 寒武纪午后一度站上1500元大关 [6] - 液冷概念表现偏强 受英伟达推动水冷散热组件刺激 淳中科技反包涨停走出6天5板 [6] - 统一大市场概念全天表现不俗 受《求是》杂志发表重要文章刺激 新宁物流 怡亚通 供销大集等多只物流股涨停 [7] 资金流向及市场结构 - 题材小票和权重股间跷跷板行情延续 上证50指数日线收出三连阴并一度跌破20日均线 [9] - 科创50指数实现日线5连涨 创2022年1月以来新高 创业板指日线形成揉搓线组合 短期均线向上发散 [9] - 黄金股午后重新得到资金回流 西部黄金 晓程科技等表现活跃 兴业银锡 北方铜业日内继续创历史新高 [8]

核心观点 - 华为发布智能世界2035系列报告 展望未来十年关键技术趋势及其对多个行业的变革性影响 包括AGI 智能体 自动驾驶 算力等十大方向 [1][6][13] - 到2035年 人工智能将助力预防超过80%的慢性病 超过90%的中国家庭拥有智能机器人 人类进入全息生活空间时代 [1][13] - 人工智能应用率超过85% 提升劳动生产率60% 通过自主系统重构企业价值创造方式 [13] 行业变革趋势 - AGI成为未来十年最具变革性驱动力量 需克服核心挑战实现奇点突破 走向物理世界是必由之路 [6] - AI智能体从执行工具演进为决策伙伴 驱动产业革命 [7] - 人机协同编程成为主流 人类专注顶层设计和创新思考 AI处理繁琐编码执行 [8] - 交互方式从图形界面转向自然语言 并演进为融合人类五感的多模态交互 通过语音 手势获得深度沉浸体验 [8] - 手机App从独立功能实体转变为AI智能体驱动的服务节点 AI调用相关服务节点提供极致体验 [8] - L4+自动驾驶汽车走入生活 成为"移动第三空间" 关键技术突破包括世界模型和AGI水平 [6][8][9] - 通信网络连接对象从90亿人扩展到9000亿智能体 实现移动互联网至智能体互联网跃迁 [13] - 能源成为制约AI高速发展核心要素 2035年可再生能源发电量占比突破50% AI通过Token管理瓦特实现高效电网 [13] 技术发展指标 - 2035年全社会算力总量增长10万倍 计算领域在架构 材料器件 工程工艺 计算范式四大层面实现颠覆性创新 [11] - AI存储容量需求比2025年增长500倍 占比超过70% Agentic AI驱动存储范式改变 [12] - 自动驾驶发展路径：2025年驾驶主体为人类 场景为高速L3和城区L2+ 技术为E2E；2030年特定场景完全接管 L3+规模商用 部分场景L4商用 技术为世界模型；2035年大部分场景不需人类接管 L4+规模商用 L5启动试商用 技术为AGI水平 [9] 生活与健康领域 - 人工智能助力预防超过80%慢性病 推动健康管理从被动治疗转向主动预防 [1][13] - 超过90%中国家庭拥有智能机器人 [1][13] - 人类逐渐进入全息生活空间时代 家庭场景迎来技术驱动的沉浸式变革 [1][13] 企业生产领域 - AI Agent驱动自主决策组织重塑生产范式 [13] - 人工智能应用率超过85% [13] - AI提升劳动生产率60% [13] - AI通过感知-分析-决策-行动自主系统彻底重构企业价值创造方式 [13]

人工智能技术发展进程 - 人工智能驱动的工业革命核心特征是从数字化转向智能化赋能模式 [2] - 行业从大模型为核心的上半场进入以智能体为核心的下半场 [2] - 大模型仅具备思考规划能力但缺乏执行工具能力 [2] 智能体核心能力与应用价值 - 智能体具备任务分解规划、记忆、工具使用和分工协作四大核心能力 [2] - 专业智能体路线聚焦单一领域任务 更易落地并深度融入企业业务流程 [3] - 专业智能体可同时替代软件工具属性和人力执行属性 降低运营成本并提升成果质量 [3] 智能体引发的组织变革 - 个人通过指挥100个智能体协同工作成为超级员工 实现生产力指数级提升 [3] - 组织通过员工管理大量智能体形成协同效应 升级为高效灵活的超级组织 [3] - 智能体演进分为五个层级 从L1聊天助手到L5自我学习进化的高级形态 [3] 360智能体平台发展 - 推出智能体工厂平台 支持无需编程通过自然语言定制L3和L4级智能体 [4] - 平台展示纳米AI多智能体蜂群功能 输入提示词即可一键生成宣传片 [4] - 面向金砖国家开放智能体工厂 提供从构建到场景落地的全链条赋能 [4]

21世纪经济报道记者孔海丽、实习生吴佳芸北京报道 人工智能时代，企业对AI工具跃跃欲试，却往往败在低于预期的投资回报率。投入巨大，产出有限， ROI难以兑现，企业应该如何跨过"试用期"，把AI变成驱动增长的核心引擎，成为企业共同面对的难 题。 企业AI落地应用从实验探索到实际用例，再到模型自动化，被IBM亚太区总经理Hans Dekkers称为企业 AI的"价值创造曲线"。他强调，企业只有在每一个阶段都实现规模化发展，才能成为以人工智能为核心 的"AI优先"型企业。 目前，更多企业正在将AI技术部署到自身业务中。IDC数据显示，66.5%的中国企业已在局部场景中应 用AI，27.2%正迈向规模化部署。 机器学习、深度学习、自然语言处理和其他AI技术可以帮助企业推动业务目标和决策。除了数据收集 和分析，AI还可以完成自动化、客户服务和风险管理等更为复杂的运营任务。 以IBM为例，在过去两年里，AI转型为公司创造了35亿美元收益；在支持案例(support case)总结方面， 每季度节省超过12.5万小时的工作。另据凯傲集团亚太区信息技术及数字化业务副总裁张犇介绍，作为 工业叉车生产商，凯傲集团已在推进基于识别 ...

产品发布与技术创新 - 华为Mate XTs非凡大师作为首款出厂全面搭载HarmonyOS 5.1的三折叠手机正式开售 实现业界首次将PC版金融应用装入手机的突破[1] - 东方财富PC版深度适配华为Mate XTs的10.2英寸大屏 整合全球行情 多维数据 交易理财和内容资讯等功能模块[3] - 鸿蒙版东方财富PC版支持全球企业库 股票综合屏 模型回测等专业功能 为专业投资者提供高效可靠的投资工具支持[5] 功能特性与用户体验 - 支持极速千档L2看盘体验 结合高速行情与海量运算 帮助用户瞬间洞察数据变动并精准把握投资动向[3] - 提供龙虎榜单 融资融券 年报季报 分红送转等多个专题数据 用户可基于丰富权威数据制定精准投资策略[3] - 全面覆盖多类交易品种 包含夜市委托 全景账户分析 新股申购 余额理财等特色服务 提供从选股到理财的全方位支持[3] 生态融合与服务创新 - 东方财富推出金融行业首款上架的鸿蒙智能体"妙想" 能够全天候响应用户金融疑问并做出准确专业解答[6] - 推出首批金融类元服务卡片"东方财富Lite" 用户可通过负一屏一步直达实时行情 自选股详情 财经资讯热点及极速开户操作[6] - 公司全面适配手机 平板 电脑等设备 高频迭代节奏和全新服务形态证明其深度融入鸿蒙生态[7]

核心观点 - 公司提出"向智能化要产业效率 向全球化要收入规模"作为企业增长两大核心动力 将打造智能化与全球化两大效率引擎助力企业稳健和可持续增长 [1][5] 智能化战略 - 正式发布腾讯云智能体战略全景图 通过智能体解决方案 SaaS+AI 大模型技术三大升级开放AI能力与场景优势 [3] - 腾讯元宝DAU排名国内AI原生应用前三 用户日提问量达年初月总量 IMA知识库文件数量突破1亿 QQ浏览器AI月活数比4月增长17.8倍 [3][6] - AI助力广告业务二季度营销服务收入增长20% 游戏业务实现双位数增长 [3][7] - 智能体开发平台ADP 3.0支持第三方数据库对接 插件生态扩容至140多个MCP插件 [8][9] - 与绝味食品合作全链路AI营销实战显示：AI组内容点击率是人工组1.8倍 支付转化率2.4倍 交易金额3.1倍 效率达人工组2-3倍 [10] - 腾讯内部40%新增代码由AI生成 35%任务由AI评审 程序员月交付数提升34% 交付周期缩短10% [11] - 腾讯会议AI功能用户量同比增长150%+ 腾讯乐享AI问答准确率达92% 腾讯电子签合同审核效率提升使合规风险降低80% [11][12] 大模型技术进展 - 腾讯混元过去一年发布30多个模型 包括0.5B 1.8B 4B 7B A13B等多款开源小模型 [13] - 混元翻译模型(7B)在2025国际机器翻译大赛31个单项中获30个第一 [13] - 混元3D模型开源社区下载量超260万 行业排名第一 正式发布3.0版本建模精度提升3倍 [13][14] - 推出混元3D Studio一站式工具覆盖从概念设计到动作系统全流程 [14] 全球化战略 - 腾讯云国际业务过去三年持续高双位数增长 服务海外客户数同比翻番 [4][15] - 90%以上中国互联网企业和95%以上头部游戏公司出海选择腾讯云 [4][15] - 海外开区速度在国内云厂商中最前列 在沙特投资1.5亿美元建设中东首个可用区 日本大阪新建第三个可用区 [4][16] - 全球设立11个区域办公室 部署9大全球技术支持中心 [16] - 产品国际化推进 音视频 EdgeOne等产品全球竞争力强劲 CodeBuddy ADP等推出海外版 [17] - 伙伴通过腾讯云的收入增速远超行业平均水平 SaaS服务客户数增长60% 带来商机规模同比增长330% [19] 客户案例 - 服务印尼GoTo集团 泰国正大集团 阿联酋电信e&UAE 法国电信Orange 日本Tabelog等国际客户 [4][15] - 助力美团Keeta 美的 泡泡玛特 杨国福麻辣烫 广汽 绝味食品等中国企业出海 [4][9][16] - 美的集团基于法兰克福数据中心构建新架构 将50个独立业务系统纳入标准化云原生架构 [16] - 泰国CP AXTRA将主要零售及批发业务系统迁移至腾讯云 [18]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][36][37][38][39][40][41][42][43][44][45][47][48][49][50][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124][125][126][127][128][129][130] 报告核心观点 - 生命科学行业在人工智能应用方面处于领先地位 但实现高额投资回报仍具挑战 仅23%企业获得较高或极高投资回报 而51%企业处于中等回报水平 [7][10][12][38][39] - 采用混合运营模式（职能与敏捷兼顾）的企业获得高投资回报的概率是传统架构企业的两倍 [7][41] - 人工智能应用正从数据分析转向生成式人工智能和智能体 89%企业放心让人工智能为特定流程进行端到端自主决策 85%企业已大力或逐步使用自主代理式系统 [13][27][28][29][44] - 数据问题是主要挑战 68%企业面临数据孤岛、格式和质量差异以及安全和隐私问题 [13][32] - 人工智能投资需平衡高价值高风险应用（如分子建模）与低价值低风险应用（如供应链自动化）以实现可持续回报 [73][74] 调研结论 - 生命科学行业在人工智能应用方面领先 97%企业已利用人工智能改善运营 86%企业认为拥抱人工智能将形成竞争优势 [10][23] - 69%企业对人工智能在未来五年角色制定明确战略愿景 92%企业清楚应投资哪些人工智能技术和能力 [10][11] - 73%企业已实现效率提升 但仅23%获得较高或极高投资回报 32%企业预计未来几年投资回报保持不变 [12][39] - 68%企业面临数据集成挑战 仅17%实现混合云集成 34%依赖手动或基础数据集成 [13][30][31][32] - 技能短缺制约进展 74%企业已开展员工培训 但机器学习、数据工程等领域人才不足 [40] 打造智能生命科学企业 - 企业需通过三阶段转型：阶段一（赋能）构建人工智能基础 阶段二（融合）将人工智能融入工作流程 阶段三（演进）发展生态系统 [59][61][63][64] - 智能生命科学企业需具备混合云基础设施、智能数据管理、负责任人工智能模型开发等基础能力 并在职能层面整合研发、制造和商业化流程 [55][56][57] - 人工智能战略需围绕价值实现 建立信任 构建可扩展技术设施 培养人工智能文化 [47][48] 阶段一：利用人工智能为员工赋能 - 73%企业已利用人工智能提高效率 39%改善财务状况 [66][67] - 重点包括任命人工智能高管、制定战略、提高员工素养、确保合规 并在研发、供应链等领域测试人工智能解决方案 [66][67][69] - 计算机视觉（78%）、生成式人工智能（73%）、推荐系统（73%）是广泛应用的技术 [70][71] 阶段二：将人工智能融入工作流程之中 - 人工智能深度融入药物发现、临床试验、制造和商业运营 推动系统性改进 [96][97] - 价值流涵盖药物开发（全球研发投资2,760亿美元）、临床试验（每天延迟成本50万美元）、供应链优化和市场准入 [98][99][100][101][102][103] - 需优先考虑道德、安全、合规和信任要素 确保符合行业法规 [96] 阶段三：发展企业自身生态系统 - 企业转型为人工智能赋能、生态系统驱动模式 与生物科技企业、监管机构、医疗健康系统合作 [107][108] - 人工智能与先进技术融合 推动远程研发、智能实验室和个性化医疗 缩短药物发现时间 [108][115] - 跨界融合催生人工智能赋能医疗健康新物种 挑战传统商业模式 [110] 演进阶段生态系统带来的机遇 - 人工智能实现生物制药、医疗科技、诊断和数字健康生态系统无缝对接 提供个性化及预测性服务 [112][113] - 人工智能驱动远程研发和智能实验室 通过模拟和合成试验缩短药物上市周期 [115] - 人工智能重塑临床试验过程 通过真实世界数据集成和自适应试验设计提高效率及多样性 [117] - 价值导向型生态系统聚焦疗效驱动模式 优化风险分担和供应链协调 [118] 主要建议 - 设计符合核心竞争力的人工智能战略 优先实施高影响用例（如分子建模、供应链优化）并确保可扩展性 [120][122][124][125] - 建立信任 实施可解释人工智能和偏见审计 让利益相关方参与模型开发 [127][128][129] - 构建灵活技术设施 投资企业数据平台和云基础设施 [48][55] - 培养人工智能文化 通过培训增强跨职能协作 [48][67]

数据质量 - 数据质量是大模型训练中最重要的一环 需通过无监督机器学习发现异常数据或有监督方法通过专家标签识别低质量数据 [2][4] - 数据量不足会直接影响数据质量 联合实验室需整合大湾区高校资源构建大数据平台 推动工业界合作项目积累高质量数据 [4] - 实验室可推出数据测试平台供各类大模型测试性能并改进不足 [4] 数据关联与应用 - 智能体落地需解决数据互联问题 当前技术难题在于智能体间缺乏协同与数据串通 应聚焦垂直行业具体应用场景 [6] - 大模型在产业应用具高价值 例如保险业可通过大模型文件处理能力提升理赔案效率 [5] - 数据驱动需实现良性循环 通过实际应用让用户体会便利性而非贪大求全 [6] 数据安全 - 数据安全涉及技术手段如同态加密和隐私计算 需在数据共享与安全间平衡 例如医疗数据隐藏姓名后仍可能通过其他信息映射身份 [5] - 需建立政策与制度层面的数据保护机制 包括数据共享协议和保密协议 引导正确使用数据 [5][8] - 大模型训练涉及商业与个人隐私 需设计保护机制防止敏感问题错误回答 警惕数据投毒等网络攻击风险 [9] 平台与联盟建设 - 联合实验室可整合大湾区高校研究力量 通过联盟协议推动数据安全使用 实现参与者共赢 [8] - 实验室应发挥枢纽作用 推动安全数据积累与开放共享 使大湾区成为数据安全使用典范 [8][10] - 实验室需建设大数据平台和数据测试平台 助力大模型性能测试与改进 [4][10]