2025.12. 17 德勤中国高科技高成长项目全国主管合伙人赵锦东表示，在企业推动科技与创新时，人才、资本与 AI研发投入成为三大关键驱动力。调研显示，23%的中国50强企业和66%的明日之星企业，AI研发 投入占营收的50%以上。但无论是中国50强企业还是明日之星企业，都面临着高技术人才的短缺、 AI技术在业务场景中的应用不足以及研发成本攀升等挑战。然而，核心技术自主研发、产品的快速 迭代和多元化融资正成为企业韧性发展的突破口。此外，越来越多的科技企业将AI智能体从工具化 向数字员工化演进，以全面提升效率、创新力与竞争优势。 全球科技行业正经历一场由AI驱动的深层次变革，算力主权竞争、开源模型生态崛起、软硬件融合 下的具身智能落地、AI智能体进化，以及AI全域化赋能，共同构成当前AI科技的核心发展趋势。"在 这趋势的带动下，中国科技行业的高潜赛道已向多领域拓展布局，企业凭借技术创新与生态化场景落 地，在创新提质中抢占发展高地。"赵锦东说，2025~2030年，中国将进入"AI+制造/新能源/生命"多 技术矩阵爆发期，成为全球"算力替代人力"的受益方与备份提供方。目前，中国科技正在从AI全面渗 透、算力与连 ...

核心观点 - 中国高科技高成长企业增长强劲但增速略有放缓 三年累计营收增长率平均值达490% 头部企业增长稳定 同时行业呈现向硬科技转型的明显趋势 [1] - 人才、资本与AI研发投入是推动企业科技创新的三大关键驱动力 AI研发投入占营收50%以上的企业在明日之星中占比高达66% [2] - 全球科技行业正经历AI驱动的深层次变革 中国科技行业在多领域拓展布局 预计2025-2030年将进入“AI+制造/新能源/生命”多技术矩阵爆发期 [3] 企业增长与营收特征 - 2025年中国50强企业三年累计营收增长率的平均值为490% 相比2024年略有下降 Top10企业营收增长率与2024年基本持平 [1] - 营收规模在5000万至1亿元人民币的公司占比显著提升至38% 营收1亿元以上的公司占比为44% 与去年持平 显示中小企业营收区间占比提升 [1] 地域与行业分布 - 在地域分布上 大湾区占比达52% 深圳、上海、北京、广州稳居前列 一线城市凭借成熟的产业基底、人才储备与资本资源 仍是科技企业主要诞生地 [1] - 在行业分布上 硬件行业以28%的占比居首 高端装备以18%位列第二 清洁技术占比提升至10% 软件、生命科学占比下降 互联网行业降幅显著 体现行业向硬科技转型趋势 [1] 创新驱动力与挑战 - 23%的中国50强企业和66%的明日之星企业 其AI研发投入占营收的50%以上 [2] - 企业普遍面临高技术人才短缺、AI技术业务场景应用不足以及研发成本攀升等挑战 [2] - 核心技术自主研发、产品快速迭代和多元化融资正成为企业韧性发展的突破口 [2] AI技术发展趋势与企业应用 - 全球科技行业趋势包括算力主权竞争、开源模型生态崛起、软硬件融合的具身智能落地、AI智能体进化以及AI全域化赋能 [3] - 越来越多的科技企业将AI智能体从工具化向数字员工化演进 以全面提升效率、创新力与竞争优势 [2] - 中国科技正从AI全面渗透、算力与连接技术迭代、机器人技术爆发、能源与绿色科技突破以及空间与低空经济崛起五个方面加强技术创新 [3] 医药健康行业洞察 - 2025年逾六成上榜医药健康企业的估值突破10亿元人民币 [3] - 创新药与医疗器械合计占比达80% 是当前最具创新活力的两大核心赛道 [3] - 长三角、京津冀和珠三角三大区域汇聚了近九成的上榜医药健康企业 是关键创新策源地 [3]

测评设计与方法 - 采用双阶段混合策略解决大语言模型在大规模数据分析时的性能瓶颈问题，包括内存溢出、分析时间拉长、统计一致性下降和可视化绘制不稳定等挑战[3][4][6] - 第一阶段使用Python完成所有可量化分析任务，输出结构化summary.json文件，确保计算严谨性[7][10][12] - 第二阶段由语言模型基于JSON数据生成具有洞察力的完整HTML报告，包含可视化图表和策略建议[8][15][18][22][23] 模型性能对比 - Claude能生成逻辑正确的代码但需人工执行，Minimax Agent能直接生成可运行代码并自动输出JSON文件，集成体验最佳[25] - Step 3生成结果需人工修正，文件格式支持受限，不兼容JSON/TXT文件，文本输入上限偏低[25] - Claude与Minimax具备成熟的长上下文架构与多格式文件解析能力，能完整支撑跨阶段分析任务[25] 量子位内容策略分析 - AI技术类内容占比达62%，确立垂直领域权威地位，爆款层中其他类别占比35%显示潜在增长空间[29] - 周三周四为发文高峰，建议周二晚至周三上午发布重点内容以最大化触达效率[29] - 理性专业叙事占主导，品牌关键词"量子"出现183次强化品牌识别度，爆款层转发率为主要驱动因素[29] Founder Park运营特点 - 内容以AI测评为核心占57.29%，人物访谈为突破口，爆款层中人物访谈和创业经验主题占比显著提升[34] - 高表现内容集中于周三周五，标题长度控制在30-40字符，聚焦AI、模型、DeepSeek等前沿关键词[34] - 爆款层10%内容贡献超50%传播价值，呈现明显长尾效应，关键词集中于AI、Agent、创业[34] 数字生命卡兹克内容特征 - 内容100%聚焦AI领域形成高度垂直化定位，工作日发文占比超95%，周五为发文高峰达23.53%[39][43] - 理性叙事占60.75%，故事化手法占28.5%，形成专业与亲和双重风格，标题平均长度25.95字[43] - 平均阅读量4.37万，转发率9.35%高于行业均值，高表现内容倾向技术与实用场景结合[43] 头部科技号成功要素 - 理性型标题占比79.83%建立专业分析人格，工作日发布占68%体现计划性内容管理[55][72] - DeepSeek现象级传播权重0.23，AI Agent应用落地权重0.16，开源模型生态权重0.11为最具传播势能主题[52] - 模型与情绪词组合在高转发文章中占比较高，数字化表达强化信息具体性，时间词汇塑造独家人设[58][60][61] 高互动内容特征 - 高赞文章聚焦AI与现实场景结合，平衡知识密度与可读性[63] - 高转发内容兼具话题前沿性与实用落地感，激发读者分享新信息优势[65] - 高收藏文章兼具实用性与专业性，提供独特视角或操作指南[69]

阿里Qwen 3大模型发布 - 阿里发布新一代大模型Qwen 3，与DeepSeek共同形成中国开源生态"双子星"，正在取代以Llama为主、Mistral为辅的开源生态 [1] - Qwen 3的发布引发行业关注，多家AI创业公司代表就开源闭源选择、模型微调、能力瓶颈及大模型创业等问题展开讨论 [1] 开源与闭源模型选择策略 - 公司业务中90%以上场景使用本地化部署的微调模型，特定任务如数据构造、蒸馏等会直接调用GPT、豆包、Qwen等大模型的API [3] - 本地部署主要基于Qwen微调模型，根据业务需求使用不同量级模型，包括7B、32B、72B等版本，具身智能业务则采用0.5B、1.5B等多模态小模型 [3] - 选择7B模型主要考虑推理速度快、部署成本低及性能与速度的平衡 [3] Qwen模型选择原因 - 生态系统成熟稳定，推理框架(vLLM、SGLang)和微调工具链完善，相比其他模型生态更成熟 [4] - 中文支持能力强，预训练数据包含泛心理、情感陪伴相关内容，更贴合公司业务需求 [7] - 提供从0.5B到72B的完整尺寸系列，降低不同尺寸模型间的微调成本 [7] - 阿里在开源方面的持续投入和可信赖度，为公司长期依赖其模型开发提供保障 [7] 大模型使用与微调挑战 - 具身智能业务面临推理成本和生态适配挑战：英伟达方案端侧推理卡成本高，国产算力芯片生态不完善，适配周期长 [10][11] - 线上互联网业务面临模型能力和推理成本/延迟挑战：情感陪伴对多模态理解要求高，用户量快速增长带来推理成本压力，高峰时段流量达平时3-4倍 [12] 模型能力与业务适配 - 公司专注于情感、情绪化的泛心理应用场景，大多数模型厂商不会特别关注这部分数据，因此坚持进行Post-training [13] - 对基础模型要求主要是通用能力而非特定领域能力，通用能力足够好时更容易通过Post-training拟合到业务方向 [13] - Post-training会对模型其他通用能力造成一定损害，目标是将损害控制在2个点以内，核心领域能力提升10个点 [13] 开源模型发展现状 - 期待开源模型能追平闭源顶尖模型如Claude、GPT-4/4o，希望获得更多技术细节分享 [14] - DeepSeek在MoE、原生多模态、代码等方面探索前沿，Qwen和Llama更注重社区和通用性，技术选型相对稳健 [14][15] 大模型创业关键问题 - 模型与产品适配度及对AI在产品中角色的理解是关键，AI应作为后端能力而非前端界面 [17] - 正确模式应是"X + AI"而非"AI + X"，核心是挖掘用户需求并用AI解决，而非技术驱动寻找场景 [19] - 用户留存是重要观察指标，留存差往往意味着产品未抓住真实痛点或个性化不足 [19] 中国开源模型全球化发展 - Qwen、DeepSeek等中国开源模型在国际舞台崭露头角，推动技术生态驱动的全球化进程 [20] - 开源为中国企业提供弯道超车技术路径，创造"全球协作-垂直创新-生态反哺"的良性发展模式 [20]