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]

随着智能体普及，人类角色将转变为AI的管理者，这种转变也带来了人与人之间能力的分化："无视 AI、不懂AI、不会管理智能体的人，注定会被淘汰。"周鸿祎强调，AI不是威胁，而是个体之间能力的 放大器，能让强者更强。 新浪科技讯 9月15日晚间消息，近日，央视《读书》栏目与360集团创始人周鸿祎围绕人工智能话题对 谈。"过去人们说'内事不决问张昭，外事不决问周瑜'，现在内外事不决其实可以问一问大模型。"周鸿 祎点出了大模型在工作和生活中的核心价值。 而智能体的出现，让AI从"光说不做"的聊天助理升级为"能落地干活"的数字员工。"大模型是大脑，负 责规划推理；智能体是手脚，负责调用工具。"周鸿祎解释，智能体能拆解复杂任务、还有思考和规划 的能力，这正是人类解决问题的核心逻辑。 "国内几个开源大模型已进世界一流梯队，软件层面差距很小，加上中国人才储备，AI领域已追上国际 水平。"周鸿祎更看重中国AI的生态优势："竞争是多维度的，开放才是关键。中国的很多大模型厂商坚 持开源免费，吸引全球开发者参与，形成"集中力量办大事"的效应，就连美国公司也在使用DeepSeek。 从互联网历史来看，开源一定会战胜闭源。" 面对这样的 ...

文章核心观点 - 2025年服贸会"数字开物·奇点π对"主题沙龙活动聚焦AI与算力生态 探讨大模型技术演进、AI应用落地、智算中心基础设施创新及产业链协同发展路径 [1][3][26] 大模型技术演进趋势 - 大模型成为人工智能发展核心方向 能力过去数年飞速提升 [5] - 产业面临关键转变：数据重心从公开数据转向私域及专业领域 算力焦点从模型训练大规模转向推理部署 [5] - 智能体成为大模型核心应用模式 包括三类产品创新：通用开发平台、通用应用、面向特定任务的专用智能体 [5] - 智能体商业落地呈现研发与营销服务端强、生产制造环节弱的"微笑曲线"形态 有望成为未来智能时代"核心原子细胞" [5] - 企业落地大模型面临高投入成本、效果不确定性和技术栈复杂等挑战 需采取系统化工程思维 [5] AI应用落地实践 - AI应用无需自建大模型 利用开源模型结合垂类行业数据积累是更高效路径 [7] - 来画科技打造AI数字人伙伴Vinabot 通过多模态大模型将虚拟IP与实体陪伴机器人结合创造情绪价值 [7] - 来画科技推出AI翻译产品线 包括翻译机、翻译耳机及无障碍会议室 凭借多年积累精准语料库打破语言边界 [7] - 思必驰利用自研AI语音算法和降噪技术提升会议通话效果 通过AI硬件私有化生成会议纪要保障数据安全 [9] - 思必驰核心产品"AI办公助理"将会议内容高效转化为结构化纪要 形成从前端开会到后端纪要生成的闭环管理 [9] 智算中心基础设施创新 - AI大模型推动服务器硬件形态改变 超节点驱动智算中心基础设施深刻变革 [11] - 大模型参数指数级增长及混合专家模型(MOE)等范式转变 需突破单节点GPU/CPU内存墙限制和通信带宽延迟不足问题 [11] - 业界全面转向Scale-up网络架构为核心的"超节点"解决方案 要求数据中心具备更高承重与层高 液冷和高压直流成为技术趋势 [11] - 未来智算中心需具备高密度、高效率、高弹性和大规模"四高"特征 浩云长盛已在京津冀及长三角布局新一代数据中心资源 [11] - AIGC从单一工具演变为多模态基础底座 推动智算中心向规模化、服务普惠化及PUE驱动绿色化格局演进 [13] - 优刻得通过规范化建设与高标准运维打造安全高效可靠智算基础设施 提供持续稳定算力支撑与服务保障 [13] 智算中心运营挑战与解决方案 - 智算中心建设运营面临严峻稳定性与投资回报挑战 大规模训练中GPU卡、显存和光模块损坏影响训练效率和成本 [15] - GPU技术快速迭代导致现有算力贬值及商业回报降低风险 平台框架效率低下和推理资源利用率不足阻碍算力价值转化 [15] - 沨呵智慧提出"精益智算"理念 通过智能调度引擎提升GPU利用率 预判式运维和Checkpoint断点续训保障训练稳定性 [15] - 沨呵智慧通过模型全生命周期管理提供一站式训推服务 系统性解决智算管理痛点 [15] 数据中心冷却技术演进 - AI产业向百万卡级超大集群演进 芯片与机柜功率密度爆炸式增长 传统风冷无法满足需求 液冷成为数据中心散热必然选择 [18] - 液冷市场中冷板式占主流 但面向未来超高密度AI集群 相变浸没式液冷是具有应用潜力方案之一 [18] - 曙光全浸没相变液冷技术具备性能强劲、兼容性好、高密度部署及安全可靠特点 已在多个国家级先进计算中心落地 [18] - AI兴起对算力中心散热提出巨大挑战 传统风冷在单机柜30千瓦以上功耗时显现瓶颈 液冷技术优势日益凸显 [20] - 液冷技术包括直接芯片冷却、浸没式冷却等类型 混合式液冷成为未来高性能计算关键技术方向 [20] - 通过能源梯级利用和余热回收技术 可将算力中心从散热负担转变为能源枢纽 提升整体能源效率 [20] 圆桌讨论：AI与算力产业发展 - AI陪伴是极具潜力应用赛道 预计2030年产业价值突破千亿美金 算力是未来"新基建"将衍生数字产业 [23] - 大模型驱动AI浪潮是没有终点的技术革命 AI产业链从上应用到下层算力基础设施构成"开辟式创新" [23] - 智算产业拥有巨大带动效应 催生从应用、算力、电力到解决方案的紧耦合生态 [23] - 应用落地滞后于技术发展为AI创业者创造巨大机会窗口 未来算力将像水电、WiFi一样成为无感便捷的社会基础设施 [23] - 液冷技术全球化交付面临三大挑战：缺乏国际统一标准、技术新难度高要求运维能力严苛、跨文化专业人才短缺 [24] - 液冷技术处于高速增长期 ByteBridge在海外市场提出"冷却即服务"新模式 未来将催生混合液冷模式 [24]

AI产业正处于技术奇点与商业爆发的交汇口 正从大模型向多模态、智能体和具身智能跃迁 [1] 三大细分投资赛道 - 算力、Agent和"AI+产业"三大细分赛道仍处于投资风口 [2][3] - 蚂蚁集团过去两三年在算力层公司上出手较多 认为未来Token消耗及能源支撑是需要解决的问题 [3] - 明势创投在智能体方面已布局6家成长较快Agent中的3-4家 认为即便优秀Agent在很多领域也只能做到三四十分 [3] - 经纬创投最关心AI与各行业的结合 包括消费电子、机器人、工业和零售行业的融合 [3] 智能体投资策略 - 智能体分为通用和垂类两种 前者天花板更高但投资风险更高 后者超额回报空间相对有限 [4] - 蚂蚁集团投资的智能体以垂类为主 选择标准是市场空间大、付费意愿强且能构建护城河 [4] - 智能体创业应避开大模型能力迭代主赛道 否则可能随大模型公司版本升级遭毁灭性冲击 [4] - 创世伙伴创投采取"哑铃策略"：投资与复杂工作流结合的To B应用和风险高但天花板更高的通用方向 [4] 中国AI应用优势 - 中国AI应用走在国际前列 多个全球"首个智能体"来自中国 [5] - 中国优势来自过去20年互联网和移动互联网积累的产品经理能力 同时技术跟进很快 [5] 创业者特征偏好 - 新一代创业者比上一代年轻10岁且越来越年轻 已出现00后创业者 [6] - 创业门槛提高 团队需对模型等技术有深刻理解 移动互联网时代产品经理找程序员就能打造产品 [6] - 偏好对技术有独到认知、有商业敏感度和快速迭代特征的创始人 [6] - 青睐拥有非共识的超级产品经理 如李想 Agent是生产力工具 核心指标是任务完成度 [6] - 不完美的创始人才能做出伟大产品 有激情但可能不够理性的人能做出伟大产品 [7] - 青睐投资经验丰富但AI经验不超过3年的创业者 因为3年前AI和现在AI不是同一物种 [7] - 应对年轻创始人多些耐心和宽容 允许更多个性化风格 而非用严格CEO标准要求 [7] 市场前景预测 - 未来全球最顶尖的智能体中 将有三分之二来自中国创业团队 [7] - AI时代的创新创业无论从商业还是赛道宽度来看都面临巨大机会 [7]

大模型发展趋势 - 大模型从依赖数据和算力扩展转向具备慢思考能力 能通过数学和编程学习推理而非仅快速生成[3] - 慢思考提升AI推理深度 实现自我训练及长思考教短思考 形成加速发展曲线[3] - 阿里通义千问和DeepSeek推动该趋势发展[3] 开源模式优势 - 中国模型以开源为主 相比美国闭源模式在生态构建和行业适配方面具独特优势[3] - 开源使行业模型和主权模型训练更易 大幅降低成本并提供更广阔创新空间[4] 智能体核心价值 - 智能体拥有记忆和执行能力 能理解企业需求并完成任务 成为超级员工[4] - 智能体从工作流智能体进阶为推理智能体 能自主拆解执行复杂任务无需人类编程[4] - AI可取代人类数小时至数天工作 商业价值体现为降本增效和增收而非仅API调用[4] 企业智能体部署 - 智能体部署需企业高层亲自推动 结合战略目标深度定制以实现业务重组和组织重构[5] - 零一万物通过新型战略咨询团队基于万智平台帮助企业制定转型战略并批量打造智能体[5] - 在能源公司战略设计 专利撰写 游戏优化 供应链管理和新能源转型等领域实现降本增效与增收并举[5] 行业合作倡议 - 智能体是下一阶段关键突破 能为整个商业世界创造巨大价值[5] - 呼吁传统行业积极与AI企业合作把握智能体带来的新机遇[5]

公司战略与产品定位 - 枫清科技推出个人专属智能体以提供可选择的数据安全方案 从企业级知识中台延伸至个人本地化部署 目标为打造一致的用户体验和云边端协同化智能 [2] - 个人专属智能体支持两种模式：联网模式下本地数据仅通过向量特征token与云端交互 断网模式下完全隐私化运行于本地硬件 均提供资料整理和智能写作功能 [3] - 公司认为智能化升级是长期趋势 智能体仅是技术环节之一 整个链条还包括数据编织 行业模型蒸馏和数据治理等技术突破 [1][6] 行业趋势与市场动态 - 2024年被国际科技圈视为智能体元年 2025年因全民性事件推动概念火爆出圈 [4] - 客户群体从头部央企扩展至大中小型企业 链主企业外其他客户因担忧被替代而积极寻求智能体赋能 全民智能化时代推动付费意愿提升 [5] - 企业智能化诉求从产业链融合延伸至多模态数据编织 需结合数据与模型双中心模式根据不同场景实现精准响应 [7]

9月12日，在2025年服贸会"中国AIGC创新应用论坛"现场，高雪峰的演讲信息量丰富，从企业全域智能化的驱动力和挑战，讲到企业场景智能实践最佳路 径，再到企业应用通用场景等，毫不保留地分享了自己在大数据和人工智能领域20多年的经验和观察。 一年前的服贸会上，高雪峰在接受北京商报记者专访时强调，企业数字化转型"要提升大模型推理能力""增强基于数据关系的推理能力""通过智能体平台提 供推理的思考路径"。 这一年间，服贸会为枫清科技带来了什么？行业在微观和宏观层面出现了怎样的走势？这些问题都可以在北京商报记者对高雪峰的最新专访中找到答案。 作为北京专精特新企业之一，枫清科技2024年就开始强调智能体，从科技圈的共识到2025年的热词，高雪峰的判断来自于对智能化趋势的前瞻，他告诉北京 商报记者，"企业的数字化、数智化、智能化升级是大浪潮，不会过去，智能体只是当下技术和能力的体现，是智能化技术的一环而已，我不担心智能体技 术会过时"。 Q：第二次参与服贸会，枫清科技有什么期待？ A: 去年（2024年）枫清科技第一次参与服贸会这样的盛会，结识了很多同行和产业端的客户，我们对人工智能行业在产业端的迫切诉求进行了交流，这 ...

腾讯刚辟谣「姚顺雨入职」，但行业并未松口气： 顶尖智能体人才去哪儿，或将决定AI下半场的走向。27岁、清华姚班、普林斯顿博士、OpenAI智能体核心项目，引用过万……他提出「评测将比训练更 重要」，把研究拉向产品与可度量价值。 姚顺雨昨天被传加入腾讯，今早「第37手」和腾讯旗下的「鹅厂黑板报」正式辟谣！ | 为什么姚顺雨能引起行业如此大的关注？为什么会传出来一亿人民币的天价薪酬传闻？ | | --- | | 自然少不了Meta在硅谷的天价挖角：小扎给OpenAI核心研究员的报价就是1亿美元！ | | 如此看来，一亿人民币绝对不算高；同理，如果他入职国内公司，谁给得起1亿美元的薪酬包？ | | 他绝对值得Meta给出1亿美元的报价——他是Deep Research的核心贡献者。 | 要知道，作为OpenAI Deep Research的核心贡献者Hyung Won Chuang已经加入了Meta的超级智能实验室。 这是OpenAI迈向AGI Levele 3的关键一步，代表着OpenAI将大模型能力落地为可自主执行复杂多步任务的实用型产品，开启从「会聊天」到「会办事」 的关键跃迁。 这次辟谣只能说明姚顺雨没去腾 ...

AI技术发展现状与影响 - OpenAI于2022年12月推出突破性AI技术，标志AI时代开启 [1] - DeepSeek等企业在2023年初推动AI技术深度应用，实现每周级迭代速度 [2] - 当前AI技术可生成内容、图片、视频，覆盖绝大多数应用场景 [2] 智能体发展三阶段 - 第一阶段为可靠代理：准确执行明确指令完成基础任务 [4] - 第二阶段为能干助理：主动规划任务并优化执行流程 [4][5] - 第三阶段为聪明伙伴：与人类共同定义问题并参与复杂决策 [6] - 智能体将在5-8年内从任务执行者进化为人类合作伙伴 [7] - 智能体具备泛化能力，可适应多场景并替代人类完成复杂任务 [8] 黑洞效应竞争理论 - 黑洞效应成为AI时代基本竞争优势来源，对应工业时代规模经济效应 [9] - AI发展三要素为算法、算力和数据，形成正反馈闭环 [10] - 更智能AI能获取更多数据，产生"知识黑洞效应" [10] - 私有知识和个性化知识价值显著提升，推动AI进入加速发展期 [10] - 智能体竞争需实现独立上岗和7×24小时不间断学习进化 [10] 知识吞噬与飞轮效应 - 智能体通过用户互动吞噬个性化思考过程知识 [11] - 预训练与推理一体化闭环使私有知识价值最大化 [13] - 更多用户带来更多私有数据，形成知识积累飞轮效应 [11] - 知识吸收能力差异将导致企业间宇宙大爆炸式分化 [13] 智能体竞争战略要点 - 实现智能体自主运行并达到最低智能门槛 [15] - 高维智能体对低维智能体形成认知能力碾压 [15] - 泛化能力使智能体快速适应新场景，形成跨领域优势 [15] - 传统行业壁垒被AI认知模式和效率差异重新定义 [15] - 竞争核心转为学习速度、知识吸收能力和泛化能力综合较量 [15] 技术驱动经济发展 - 技术进步是经济发展和文明演进最底层驱动力 [16] - 智能时代基本经济单元从工厂、公司转变为智能体 [16] - AI处理海量知识打破人类认知局限性 [16] - 智能体决策效率远超人类，传统经验型壁垒被效率型壁垒取代 [16] - 行业竞争壁垒从人类认知模式转向AI认知模式 [17] AI团队组织特征 - DeepSeek团队由清华北大年轻毕业生组成，含奥林匹克竞赛获奖者 [19] - Pika公司由三名斯坦福辍学生创建，获数亿美元估值 [19] - OpenAI推出GPT-3.0时团队不足300人 [20] - AI团队招聘标准：超级聪明、自驱、学习能力强且年轻化 [21] - 团队规模极小，7-8人为舒适规模，超过20人会被嘲笑 [21] 元认知能力价值 - 元认知能力体现为抽象建模和第一性原理思考能力 [23] - 人类价值在于从少量数据中抽象模型，与AI大数据统计形成互补 [24] - 应用数学系学生因建模能力成为就业市场第二受欢迎群体 [25] - 元认知强者擅长使用AI工具并持续自我提升 [26] - 单人借助AI工具可完成产品经理、研发、测试等多职能任务 [27][28] 单人能力扩展案例 - 单人通过AI合作可胜任销售、面试、财务等多岗位工作 [29] - 案例：CEO3天掌握抖音达人营销后创建智能体直接上岗 [30] - 案例：创建AI面试官，解决方案质量超越经验丰富专家 [30] - 一人公司模式兴起，独立开发者借助AI工具实现高效运营 [31] 人才结构变革 - AGI降低顶尖人才学习成本，数天可掌握领域专业知识 [32] - 元认知差异导致能力差距扩大，知识工作者被创智人才取代 [33] - 创智人才定义为原创性解决复杂问题能力 [34] - 三类创智人才：顶尖专家、跨界创新者、情感推动领导者 [35][37] - 除三类创智人才外，其余工作由"硅基员工"承担 [38] 组织形态演进 - 智能体从工具升级为合伙人级别合作伙伴 [42] - 创智人才核心工作为建设智能体并与之合作 [43] - 组织架构分为AI架构师、模块化团队和硅基员工三层 [45] - 科层制管理逐渐消亡，转向使命驱动型共创组织 [46] - 群体认知高度和提升速度决定组织竞争力 [48] 适应未来发展方向 - 个人需培养元认知能力、快速学习能力和创造力 [49] - 组织需推动智能体上岗、提升人才密度、建立共创文化 [50] - 竞争重点从运营效率转向认知竞争和群体智慧涌现 [46][50]

来源：环球网 【环球网财经报道 记者 冯超男】9月10日，2025年中国国际服务贸易交易会（下称"服贸会"）在北京首 钢园拉开帷幕。本届服贸会以"数智领航，服贸焕新"为主题，共设置九大专题，其中金融服务专题 以"数智驱动 开放共赢"为主题，打造"全球金融创新产品和服务展示、重要政策和行业规则发布、合作 伙伴洽谈、前沿金融体验"四大平台。 （图/服贸会金融服务展区，拍摄：冯超男） （图/服贸会金融服务展区，拍摄：冯超男） 逛展期间，环球网记者注意到，众多金融机构在数智化领域的展示成果充分彰显了AI的强大力量。进 一步来讲，如今金融机构在AI领域的投入，更侧重于场景应用层面。 AI+金融，交互场景应用成果大集合 当前，数字金融借助大数据、人工智能、区块链、云计算等前沿技术，对传统金融业务模式进行全方位 塑造，有力推动金融服务朝着智能化、便捷化与高效化的方向加速演进。其中，随着AI浪潮席卷金融 业，相关应用相关话题备受业内人士热议。 在今年服贸会的金融服务展区，很多金融机构展示了AI前沿实践，以交互场景应用为代表性成果，诠 释了AI在提升金融服务效率、驱动业务模式创新方面的强大效能。 "我们依托实时数字人与大模型技 ...