公司战略与核心观点 - TCL在2025全球技术创新大会上提出将持续加大AI技术投入，驱动研发、制造、供应链、运营等全链条革新，以实现大规模价值落地 [1] - 公司强调AI的终极意义在于场景落地与价值创造，而非概念堆砌，并以此为主题与业界探讨如何让AI从技术走向场景，创造可感知、可衡量、可持续的真实价值 [3] - 2025年，公司通过推进落实AI应用，已创造综合效益超过10亿元人民币 [3] AI赋能B端制造与研发 - 在半导体显示领域，TCL华星应用的ADC技术通过AI自动判断缺陷，将准确率从85%提升至95%，并已升级为ADR技术，实现检测、判定、修复全链路自动化，每年带来超5000万元效益 [5][7] - TCL华星发布的星智X-Intelligence3.0大模型是全球显示领域首个具备强推理能力的垂域大模型，在2025年全球工业大模型排名中位列第11位、显示领域排名第一，其能力已超越DeepSeek R1-671B [4][7] - 星智大模型可直接助力产品开发，支持产品问题解析效率提升20%，材料开发效率提升30%，并应用于新员工培训与客户问题解决，形成“因材施教”、“隔空抓药”等应用实践 [7] - 在新能源光伏领域，TCL中环借助深蓝AI模型实现单人远程操控384台单晶炉，在晶片环节实现智能化包装线全程零人工接触，碎片损耗率低于0.1% [8] - TCL中环在AI助力下推动G12大尺寸硅片大规模应用，并完成BC、TOPCon、叠瓦等多条技术路线布局，其组件产品已应用于全球60多个国家和地区的光伏项目 [10] AI赋能C端产品与应用 - 在C端，公司通过AI让产品回归“第一性原理”，重新定义出行、健康、观影、陪伴等智能生活场景 [3][10] - 在AI出行场景，TCL旗下雷鸟AI/AR眼镜与阿里通义千问深度合作开发定制化大模型，推出多款突破性产品 [11] - 在AI健康场景，TCL小蓝翼新风空调实现AI睡眠、AI新风等功能；TCL双磁鲜冰箱搭载AI高灵敏温度传感器智能控温；TCL AI超级筒洗烘一体机创造1.31超高洗净比，并提供个性化洗护方案 [11] - 在家庭AI影音场景，TCL自研电视行业首个超级大智能体，从AI画质、音质、内容生成、交互四大维度提升用户体验 [13] - 在AI陪伴场景，公司推出全球首款分体式AI陪伴机器人TCL AiMe，可实现情感陪伴与拟人化互动 [13] 产业布局与生态构建 - 公司通过TCL实业与TCL科技两大产业集团，布局智能终端、半导体显示、新能源光伏三大产业，其广泛的产业链为AI落地应用提供了丰富的创新场景与产业土壤 [4] - 公司战略孵化的工业智能企业格创东智，基于在质量、能源、物流自动化等多个场景落地的150多个AI项目实战经验，以“系统集成”与“算法创新”双轮驱动，推动工业AI落地 [10] - AI、工业软件、智能装备与制造业场景、行业知识的深度融合，被视为工业AI真正落地生根的关键，旨在为中国先进制造业搭建智能决策底座 [10]

活动概况 - 第十四届中国创新创业大赛工业智能体高质量发展活动在北京举行，主题为“平台化赋能 智能体定义”，聚焦工业智能体技术创新与应用推广 [1] - 活动由工业和信息化部火炬高技术产业开发中心、北京市丰台区人民政府联合主办，旨在推动人工智能与实体经济深度融合 [1] - 大赛吸引200余个优质项目报名参赛，最终评选出一等奖2个、二等奖4个、三等奖12个、优胜奖35个 [1] 获奖与支持政策 - 中关村丰台园为获奖企业提供最高300万元资金支持及300平方米“零租金空间” [1][2] - 获奖企业整合获得14万卡时国产算力、硬件验证平台和知识产权服务等专业支持 [2] - 提供丰台创新中心、华夏幸福创新中心AI+产业园、国联数智供应链创新园等合计1.68万平方米政策优惠产业空间 [2] 平台与资源发布 - 国内首个工业大模型、人工智能赋能新型工业化供需对接服务平台亮相，已集聚2000余项供给资源、1200余家供给企业，达成供需对接300余次 [1] - 发布《中关村丰台园工业智能体服务资源清单及应用场景清单》，整合15项全链条服务资源与13个高质量应用场景 [1] - 13个应用场景覆盖轨道交通装备设计与运维、高铁智能运维、智能制造与物流供应链三大领域 [2] 政府支持与生态建设 - 丰台区构建“政策护航+场景牵引+生态支撑”的产业发展体系，为创新项目落地提供全生命周期服务支持 [2] - 丰台区将持续完善“政产学研用金”协同生态，推动更多优质项目落地转化 [2]

文章核心观点 - 智能体技术正从大模型阶段迈入新阶段，凭借任务分解、工具调用、记忆传承和分工协作等核心能力，成为引领产业智能化转型的重要驱动力 [1][3] - 智能体产业化应用在2024年加速，被视为产业化元年，在通用场景和垂直行业展现出广阔前景，有望推动人工智能与实体经济深度融合 [1][4] - 智能体技术面临模型性能、数据集质量、决策确定性及跨场景协作等瓶颈，需在技术、信任和生态三方面发力以推动规模化落地 [7] 技术能力与优势 - 智能体具备环境感知、任务编排灵活性和复杂任务自动化处理能力，与云计算、大数据结合应用前景广阔 [2] - 技术实现从“脚本执行器”到“任务执行官”的范式转移，将非结构化任务纳入机器执行范畴，极大扩展机器能力边界 [2] - 智能体作为“超级连接器”整合企业内外部孤立系统，形成高效协同的“数字有机体”，实现组织运营效率指数级提升 [3] - 具备分解规划任务、记忆知识传承、使用工具和分工协作四大能力，可从头到尾执行复杂任务 [3] 应用场景与案例 - 通用场景如客服、营销、办公助手等重复性高、规则性强的领域可低成本实现任务自动化精准处理 [2] - 数字化程度高的行业如金融、零售、教育、医疗等落地进程更为迅速 [2] - 浪潮企业云数字病人智能体在山东大学齐鲁医院应用，为87位住院医师考核提供虚拟化“数字病人”，构建多模态交互训练与AI辅助考核体系 [4] - 联想城市超级智能体在上海虹口实现全领域智能覆盖，在湖北宜昌整合交通、能源、政务等全域数据推动城市精细化运营，并与福建武夷山、内蒙古呼和浩特等城市合作赋能文旅、交通、医疗、能源领域 [4] 市场预测与发展驱动 - IDC预测到2026年约50%的中国500强数据团队将使用智能体实现数据准备和分析 [5] - 部分跨行业通用智能体产品已开始规模化应用，垂类专业智能体产品商业化起步 [5] - 发展驱动力来自大模型提供的技术基础、开发应用门槛降低的生态保障以及清晰商业需求与资本市场推动 [6] 产业化挑战与建议 - 技术瓶颈包括模型性能、高质量数据集制约性能提升，决策质量不确定和跨场景协作能力不足阻碍规模化落地 [7] - 生态挑战存在安全防护、不正当竞争、科技伦理和成熟度评价等风险，多智能体应用领域存在工具调用不畅、云和算力调用不灵活等问题 [7] - 建议企业将智能体当人用并明确角色定位，优先在合同审核、市场调研等流程明确、人力密集岗位试点，构建虚拟团队处理复杂任务，关键决策保留人类监督 [7] - 建议持续完善开源框架，由云厂商提供一站式开发托管管理平台，构建行业级基准与数据集，建立标准测试平台加速垂直领域应用 [8]

技术核心突破 - 研发VMR²L系统，将虚拟机资源调度的推理时间压缩至1.1秒，同时保持与传统混合整数规划方法相近的资源优化效果 [1] - 核心突破在于动态计算效率与决策精度的平衡，通过分层注意力网络和异步策略梯度算法实现毫秒级状态评估与动作选择 [2] - 动态图剪枝技术使推理速度较传统MIP方法提升270倍，在50次迁移约束场景中，从50分钟缩短至1.1秒，碎片率仅比最优解高3% [2] 系统性能与效率提升 - 在典型云计算集群中，VMR²L可将资源利用率提升18%-22%，迁移时间从分钟级降至秒级 [2] - 数据中心测试显示，该系统使资源碎片化率降低20%，每年节省服务器采购成本达5%以上 [4] - 通过事件驱动通信协议将节点间延迟降至5毫秒，支持万级节点集群的分布式决策，任务完成效率较传统轮询机制提升40% [5] 工业级应用与适配性 - 采用两阶段智能体架构，显式约束过滤非法动作，在不同负载场景下泛化误差小于5% [2] - 系统设计兼容多种优化目标，支持碎片控制、迁移成本、能耗优化等多维度调度策略，在不同行业负载模型下性能波动小于8% [4] - 轻量化模型参数仅1.2GB，支持边缘端部署，在智能巡检场景中数据传输量减少70%，边缘节点响应速度提升5倍 [4] 技术生态与行业影响 - 标准化接口设计提供了与OpenStack、Kubernetes等主流云平台的兼容接口，降低企业技术迁移成本 [5] - 系统核心代码已在GitHub开源，吸引多家巨头企业参与工业场景适配，技术扩散加速 [5] - 技术革新为云计算IaaS服务商提升资源利用率，并为自动驾驶、工业机器人等对延迟敏感的领域提供技术支撑 [5] 未来发展路径 - 公司计划推进VMR³L系统研发，目标通过神经符号推理技术提升决策可解释性，并探索量子计算在超大规模调度中的理论潜力 [5] - 成果清晰勾勒出强化学习技术的产业化路径：从追求算法精度到平衡效率、成本与可靠性 [6] - 随着开源生态成熟，技术革新可能掀起智能决策系统的全面升级 [7]