英国金融监管机构表示，各大银行竞相采用具备决策与自主执行能力的智能体人工智能（agentic AI），这给零售客户带来了新的风险。该监管机构承诺，将确保零售客户的利益不会被忽视。 人工智能 "智能体" 有望彻底改变人们的预算规划、储蓄和投资方式。例如，它可自动将闲置资金转入 高收益账户，或根据市场波动调整投资组合。 英国国民西敏寺银行（NatWest）、劳埃德银行（Lloyds）以及星展银行（Starling）向路透社透露，它 们正与英国金融行为监管局（FCA）协作，筹备面向零售客户的试点项目。这与银行业此前仅将人工智 能用于后台办公的模式相比，是一次重大转变。 2026 年正式推向市场 英国金融行为监管局首席数据官杰西卡・鲁苏预计，面向消费者的智能体人工智能应用最早将于明年初 正式大规模投放市场。 鲁苏在接受路透社采访时表示："所有人都意识到，智能体人工智能带来了新的风险，这主要源于其高 速执行任务的能力。" 人工智能智能体的自主性及其与其他智能体交互的速度，放大了金融稳定和治理层面的相关风险。 鲁苏指出，英国金融行为监管局将实施高级管理人员制度及消费者权益保护准则，要求企业负责人对违 规行为承担责任，并确 ...

马斯克与特斯拉 - 马斯克表示若能重新选择，将不再领导美国“政府效率部”，认为其节省纳税人资金的成效远低于最初预计的2万亿美元 [2] - 马斯克指出，其领导DOGE的经历对特斯拉股价造成了负面影响 [2] 京东资产收购 - 京东控制的投资机构Jasmine Investment Development IV，以约34.73亿港元代价收购香港干诺道中3号一幢27层高办公大楼特定部份50%权益 [3] - 此举被视为京东在香港的战略布局 [4] 韩国电商Coupang高管变动 - 韩国电商Coupang首席执行官Park Dae-jun因数据泄露事件辞职 [4] - 公司任命美国Coupang公司首席行政官兼总法律顾问Harold Rogers为临时负责人 [4] 美团AI人才引进 - 前字节跳动视觉大模型AI平台负责人潘欣已加入美团 [5] - 潘欣拥有谷歌大脑研究员背景，并曾在百度、腾讯与字节跳动任职，业务方向集中在多模态领域 [5] - 此举被视为美团在补强视觉AI能力，加剧行业竞争 [6] 中国工业生产者价格数据 - 2025年11月全国工业生产者出厂价格同比下降2.2%，工业生产者购进价格同比下降2.5% [6] - 2025年11月工业生产者出厂价格和购进价格环比均上涨0.1% [6] - 2025年1月至11月平均，工业生产者出厂价格比上年同期下降2.7%，工业生产者购进价格下降3.1% [6] 万马科技业务合作 - 万马科技表示未持有宇树科技股份 [7] - 公司已与多家机器人、机器狗公司展开基于万马机器人智连CCa系统的服务和合作，其中包括多家头部人形机器人机器狗公司 [7] - 目前该类业务占公司整体营收比例较小 [7] AI行业组织成立 - OpenAI与Anthropic、Block共同发起成立隶属于Linux基金会的智能体人工智能基金会 [8] - 该基金会获得谷歌、微软、亚马逊云科技、彭博社和Cloudflare支持，旨在为开放互通的基础设施提供中立管理，助力智能体AI系统从实验迈向实际应用 [8] 谷歌印度AI服务 - 谷歌在印度正式推出Google AI Plus服务，月费为399卢比 [9] - 新用户在前六个月可享受199卢比的优惠价 [9] 台积电月度营收 - 台积电2025年11月合并营收约为新台币3,436.14亿元 [10] - 该营收较上月减少6.5%，但较去年同期增加24.5% [10] 飞天茅台价格动态 - 2025年53度/500ml飞天茅台原箱最新行情价为1520元/瓶，与前一日持平 [11] - 2025年飞天茅台散瓶行情价为1500元/瓶，较前一日下跌15元/瓶 [11] - 53度/1L原箱公斤装茅台价格为2900元/瓶，与前一日保持一致 [11] 小米业务拓展 - 小米集团发布多个AI教育相关岗位招聘需求，涵盖教研产品经理、儿童与教育高级产品经理等职位，表明其有意涉足AI教育领域 [12] - 教研产品经理职责包括搭建知识体系、把控课程质量、与合作方共同完成产品方案等 [12] - 此举被视为小米生态的扩张，瞄准未来赛道 [13] 机器人公司市场传闻 - 有媒体报道称智元机器人与宇树科技竞逐2026年央视春晚赞助商资格，智元开价6000万元，宇树报价1亿元 [13] - 智元机器人方面对此回应称“不是真的”，宇树方面暂无公开表态 [13]

文章核心观点 - 国际专业技术组织电气电子工程师学会(IEEE)专家预测，具备自主能力的“智能体人工智能”将在消费级市场大规模普及 [1] - 智能体人工智能的核心是无需人类持续操控即可独立达成目标的智能系统，与传统被动响应的人工智能工具差异显著 [1] - 尽管前景广阔，但该技术在数据隐私等方面面临风险挑战 [1] 技术定义与特征 - 智能体人工智能是新一代人工智能，正从概念炒作走向现实落地 [1] - 其核心是具备自主能力的智能系统，无需人类持续操控即可独立达成目标 [1] - 与传统人工智能工具只能被动等待用户询问并提供答案或固定建议不同，智能体系统能够长期推进目标执行、自主核查工作成果、在环境变化时调整策略 [1] - 它们不只是回答问题，更能将问题延伸为完整计划并落地执行 [1] 市场普及预测与调研数据 - 此类技术目前以企业级应用为主，但预计很快将影响消费级市场 [2] - IEEE一项面向全球技术领袖的调研显示，52%的受访者认为到2026年，个人助理类人工智能工具将实现消费级市场的大规模普及 [2] - 45%的受访者认为未来1年内，其有望作为数字隐私管理工具普及 [2] - 41%的受访者认为其将在健康检测领域普及 [2] - 41%的受访者认为其将在家政自动化领域普及 [2] - 仅有16%的受访者认为智能教学类的人工智能工具能达到普及水平 [2] - 文章预测未来3年至5年，在个人金融、健康、旅游出行、物流运输及家庭管理等领域，人工智能工具将广泛普及 [2] - 其角色更趋近于“受委托的专属工作人员”而非单纯的数字工具 [2] 潜在风险与挑战 - 考虑到人工智能在医疗健康、教育、购物等领域的预期应用场景，部分专家警告这类技术可能对个人数据隐私构成重大风险 [2] - 例如，预订一张机票就需要访问财务记录和出行记录，规划日程时可能调取个人健康档案 [2] - IEEE专家指出，在数据管理、决策流程等方面，均需要持续监督与定期审计 [2]

文章核心观点 - 智能体人工智能正在颠覆传统的大数据范式，从将计算资源部署到数据所在位置，转变为将数据主动引入以大型语言模型（LLM）为重心的智能计算平台 [1] - 数据工程师的角色和工作重点正在发生根本性转变，需要从构建僵化、预设的工作流程，转向创建灵活、情境感知的架构以支持人工智能代理 [27][29] - 行业正经历从以“构建者”为中心的模式向以“交互者”为中心的模式过渡，非技术用户能够通过人工智能代理直接与数据交互 [4] 数据使用方式的转变 - 企业应用和仪表盘的构建模式发生变化，从由技术用户创建以满足非技术用户需求，转变为非技术用户直接与数据交互并能够根据自身需求编写工具 [2][4] - 现有的SaaS应用程序正更原生地嵌入自然语言交互，具有前瞻性的开发者将AI代理嵌入应用程序，使其能够以工具调用的形式访问后端API [4] - 技术架构的重心从庞大的数据量转移到前沿人工智能模型（LLM），人工智能应用围绕LLM构建 [4][6] 对ETL/ELT流程的重新思考 - 现代人工智能的上下文窗口和工具调用能力正使许多传统的ETL/ELT流程过时，数据工程师需要彻底重新思考整个方法 [1] - ETL/ELT流程并未变得无关紧要，但可以依靠代理来解释模式、理解关系，并处理各种格式的数据，而无需进行大量的预处理 [7] - 需质疑每个数据规范化步骤的必要性，避免因过度处理、规范化和分散化而导致上下文信息难以传递 [9] 数据管理原则的转变 - 从优先数据收集转变为优先数据整理，因为情境式学习使得内容整理比资料收集更为重要，示例的质量比数量更为关键 [10] - 人工智能代理基于情境学习，即在其提示中提供一两个高质量示例，LLM可以有效地模仿这些示例 [10] - 数据工程师需要构建工具来找出最高质量、完整、准确且具有代表性的数据样本，并定期更新和验证这些示例 [12][13][14] 人工智能代理的基础设施需求 - 人工智能代理需要支持两种核心能力的基础设施：感知数据和根据数据采取行动 [15] - 基础设施需确保代理能够发现并使用工具，这意味着需要清晰的接口、完善的文档和可靠的执行 [15] - 需从人工智能代理的角度审核数据访问模式和工具，识别并消除导致运行不畅的环节 [17] 代理生成数据的管理 - 人工智能代理不仅消耗数据，还会生成大量数据，这些生成的内容（如输出、决策、代码、推理过程）也变成了需要管理的数据 [17][20] - 对代理生成的数据应与其他数据一样严格对待，需存储代理输出系统，并据此设计存储和访问模式 [20][21] - 这些代理生成的数据对于调试、审计、训练未来的代理以及理解系统行为具有价值 [20] 可观测性与训练的闭环 - 提升智能体性能的最快途径是实现可观测性和训练之间的闭环，需要双向管道将模型性能和可观测性与持续训练联系起来 [22] - 可观测性平台需要能够追踪数据质量指标，检测数据漂移和概念漂移，并监控关键的模型性能指标（如准确率、延迟和幻觉率） [22] - 需要建立完全自动化的重训练流程，在收到监控系统触发的事件时自动激活，进行模型重训练或微调，并进行评估和回归测试 [24] 数据工程师角色的演变 - 数据工程师需要保留决策日志和推理痕迹，并将代理生成的代码作为版本化工件进行管理 [26] - 过去十年构建数据基础设施的技能依然宝贵，但需要应用于创建能让代理自行设计工作流程的环境这一新目标 [29] - 数据工程的重要性并未降低，而是发生了变化，行业从僵化、预设的工作流程转向灵活、情境感知的架构 [27][29]

文章核心观点 - 当前企业部署的预测型人工智能系统存在静态和被动局限，无法自主行动，需要向能够理解业务背景并自主决策的智能体人工智能演进[3] - 传统数据平台专注于数据管道管理而非数据意义传递，无法满足智能体人工智能对上下文和记忆的需求，暴露出系统设计的根本差距[3] - 人工智能数据平台通过统一架构整合数据全生命周期管理，实现智能自动化，为智能体人工智能提供必要的基础设施支持[7][8][9] - 数据开发者平台作为数据团队的操作系统，抽象底层复杂性，构建AI就绪的基础架构，为企业大规模部署智能体人工智能提供关键支撑[23][25][28] 人工智能数据平台定义与优势 - 人工智能数据平台是改变架构的基础设施，统一管理数据摄取、转换、编目、治理和访问的全生命周期[7] - 核心优势在于智能自动化，使人工智能代理能够自动检测并适应数据变化，实现更快部署和更一致输出[8][9] - 平台设计目标是将数据视为意图而非输入，弥合当前系统机械性、被动性与智能体自主性之间的差距[3] 企业级人工智能数据平台关键组成部分 - 数据采集与集成：连接所有相关数据源，通过自动化管道处理分散、孤立且相互依赖的数据，避免人工瓶颈[10] - 统一数据存储和访问：构建单一统一层使结构化/半结构化/非结构化数据共存，确保人工智能工作负载获得一致且高保真的数据[11] - 嵌入式治理：将数据质量、血缘关系、安全性和合规性管理自动融入平台内部，建立信任核心要素[12] - 上下文和记忆层：保留历史知识、关系和业务意义，使人工智能系统能够随时间推移进行推理，避免智能脆弱性[13] - 可观测性和监测：跟踪数据健康状况、准确性和可靠性，提供持续改进洞察，确保系统从自身决策中学习[14] 人工智能数据平台商业效益 - 更快决策周期：通过统一存储和自动摄取实现近乎实时的决策，从应对市场变化转向预测市场变化[15] - 减少运营摩擦：整合数据流动、质量和访问，降低依赖关系代价，提高工作效率和交付速度[16][17] - 可信赖的人工智能成果：嵌入式治理确保决策可解释、可追踪、可信赖，增强企业领导者信心[18] - 情境感知自动化：上下文和记忆层使人工智能能够有意识地行动，理解业务重要性并自主调整[19] - 提高人工智能投资回报率：稳定数据基础使新模型和项目无需从头开始，实现价值创造[20] - 敏捷合规：嵌入式治理确保企业从设计之初保持合规，在创新和管控之间实现平衡[21] - 文化转变：推动组织从被动应对转向主动改进，实现自主性扩展[22] 数据开发者平台角色与价值 - 数据开发者平台是数据团队的操作系统，抽象复杂分布式子系统，提供以结果为导向的体验[23] - 通过集成数据全流程功能到统一架构，构建可靠、可重用且可扩展的数据环境[25] - 当结合人工智能数据平台需求时，形成为智能体人工智能构建的基础架构，从管理管道数据转向协调智能系统[25] - 数据开发者平台通过"数据即产品"理念使数据可寻址、可理解、可信赖，为人工智能代理提供业务资产而不仅是原始数据[26] - 平台将集成、存储、转换和API整合到单一基础设施，避免工具分支过多导致的AI项目失败，支持智能体记忆、学习和行动能力[27] 相关概念澄清 - 人工智能数据平台类似于数据和AI的平台即服务模式，提供完整功能而无需承担基础设施负担[29] - 人工智能数据中心是为训练和运行AI模型构建的高性能基础设施，利用GPU、高速网络和可扩展存储处理海量数据[30]

行业范式转变 - 人工智能行业正从“越大越好”的模型规模竞赛，转向注重效率的小型语言模型部署 [1][4] - 企业人工智能部署进入生产阶段，40%至70%的企业级AI任务可通过小型语言模型更高效处理 [4] - 小型语言模型具备速度快10倍、部署维护成本降低5-20倍、更可靠及设备端处理注重隐私等特点 [4] 小型语言模型定义与特点 - 小型语言模型是参数通常少于100亿的轻量级模型，针对特定任务或设备端任务进行优化 [4][13] - 典型参数范围为1亿至30亿，示例包括Microsoft Phi-3 Mi、Mistral 7B、GPT-4o mini等 [13] - 核心优势包括快速推理、资源高效、成本效益高、注重隐私、易于微调及环保 [21] 大型语言模型对比 - 大型语言模型通常拥有100亿到1万亿以上参数，擅长处理复杂的通用任务 [14] - 示例包括参数达700亿的LLaMA 3 70B、估计约1万亿参数的GPT-4及数千亿参数的Claude 3 [15] - 与小型语言模型相比，大型语言模型资源消耗极高，但复杂任务处理能力更强 [15][19] 关键技术驱动因素 - 知识蒸馏等智能模型架构使小型模型在参数减少40%情况下保持97%性能 [20] - CPU优化运行时框架如llama.cpp、GGUF实现在标准CPU上接近GPU的效率 [11][27] - 量化技术将模型从16位转换为8位再至4位精度，显著降低内存需求并加快推理速度 [11][27] 成本与经济效益 - 智能体人工智能市场规模预计从2024年52亿美元增长至2034年2000亿美元 [5] - 小型语言模型部署相比大型语言模型可节省5-10倍成本，响应时间从500-2000毫秒提升至50-200毫秒 [35][36][37] - 银行利用特定任务小型语言模型进行欺诈检测，相比大型模型方案节省10到100倍成本 [34] 应用场景与部署 - 边缘计算部署涵盖智能手机、工业物联网传感器、医疗设备、自动驾驶车辆及智能家居系统 [30][32] - 混合部署模式结合大型语言模型负责复杂推理，小型语言模型管理高频次特定任务操作 [22][27] - GGUF格式实现单文件可移植性，支持混合精度量化，在CPU上高效运行 [25][28] 未来发展趋势 - 模块化AI生态系统由专门小型语言模型协作，针对推理、视觉或编码等特定任务优化 [39] - 小型语言模型低能源需求对可持续AI部署至关重要，减少AI应用的碳足迹 [40] - 移动芯片设计和小型模型优化技术进步使得复杂AI可直接在智能手机上运行，无需云连接 [41]

公司合作 - IBM与甲骨文扩大合作范围，重点推进智能体人工智能和混合云技术 [1]

纪要涉及的行业和公司 - **行业**：科技、游戏、汽车、专业可视化、网络 - **公司**：英伟达、微软、谷歌、亚马逊、Oracle、xAI、META、思科、丰田、奥罗拉、大陆集团、艾昆纬、梅奥诊所、ARC 研究所、优步、Core Weave、OpenAI、DeepSeek、思爱普、ServiceNow、安世亚太、楷登电子、西门子 纪要提到的核心观点和论据 业绩情况 - **整体业绩**：FY25Q4 营收 393 亿美元（YoY +78%，预期 382 亿），Non - Gaap 净利润 221 亿（YoY +72%，预期 210 亿）；2025 财年营收 1305 亿美元，较上一年增长 114% [1][3] - **各业务业绩** - **数据中心业务**：2025 财年营收 1152 亿美元，较上一年增长超一倍；Q4 营收 356 亿美元，创历史新高，环比增长 16%，同比增长 93%，得益于 Blackwell 产品量产爬坡及 H200 产品环比增长 [4] - **网络业务**：收入环比下降 3%，与 GPU 计算系统配套业务表现强劲，占比超 75%；预计 Q1 恢复增长 [12] - **游戏及 AIPC 业务**：Q4 收入 25 亿美元，环比下降 22%，同比下降 11%；全年收入 114 亿美元，同比增长 9%；预计 Q1 收入环比强劲增长 [13] - **专业可视化业务**：Q4 收入 5.11 亿美元，环比增长 5%，同比增长 10%；全年收入 19 亿美元，同比增长 21% [15] - **汽车业务**：Q4 收入达创纪录的 5.7 亿美元，环比增长 27%，同比增长 103%；全年收入 17 亿美元，同比增长 5% [16] - **业绩指引**：FY26Q1 营收 430 亿（预期 422 亿），预计 FY26 年底达到 75%毛利率水平（FY25Q4 为 73.5%） [1] 业务亮点 - **数据中心业务** - **产品表现**：Blackwell 产品量产速度和规模史无前例，Q4 实现 110 亿美元营收；GB300 系列即将上线，下一代 Blackwell Ultra 将于 25H2 发布 [1][4] - **需求驱动**：Post - training 和模型定制、推理扩展推动需求增长；Blackwell 覆盖全 AI 市场，性能和创新速度快，实现最低 TCO 和最高 ROI [6][7] - **客户群体**：大型 CSP 贡献近一半数据中心收入，销售额同比增长近一倍；区域云服务收入占比上升；消费互联网业务收入同比增长两倍；企业业务收入同比增长近一倍；机器人、AV 与物理 AI 领域应用增多 [7][8][9][10] - **网络业务**：正从小型 NVLink 8 产品向大型 NVLink72 产品过渡，Spectrum X 和 NVLink 交换机收入增长；思科将整合 Spectrum X 技术推广以太网技术 [12] - **游戏及 AIPC 业务**：推出全新 GeForce RTX 50 系列 GPU，性能提升两倍，带来新渲染技术；DLSS 4 可提升帧率；发布搭载新架构笔记本电脑 GPU，续航延长 40% [13][14] - **专业可视化业务**：技术和生成式人工智能重塑设计等工作负载，推动对英伟达 RTX 工作站需求 [15] - **汽车业务**：自动驾驶汽车量产爬坡推动增长，丰田将基于英伟达打造下一代汽车，奥罗拉和大陆集团将大规模部署无人驾驶卡车 [16] 财务情况 - **FY25Q4 财务**：扩大 Blackwell 产品量产规模超预期，预计毛利率处于 70%出头水平，全面量产时有望降低成本、改善毛利率；环比 GAAP 运营费用增长 9%，non - GAAP 运营费用增长 11%；Q4 向股东返还 81 亿美元 [17] - **FY26Q1 展望**：预计总营收 430 亿美元，上下浮动 2%；预计 Blackwell 产品量产规模大幅提升，数据中心和游戏业务营收环比增长；其他收入费用预计约 1 亿美元；税率预计为 17%，上下浮动 1% [18] 市场与产品相关观点 - **训练与推理界限模糊影响**：预训练、后训练和推理阶段计算量都在增长，未来模型计算量可能大幅提升；英伟达架构通用，能运行各种模型，Blackwell 在各方面表现出色 [19][20][21] - **GB200 生产规模**：对 GB200 热情更高，已出货更多产品，成功扩大 Grace Blackwell 生产规模，Q4 实现约 110 亿美元营收，将继续扩大生产 [22] - **毛利率情况**：扩大 Blackwell 产品生产规模期间，毛利率处于 70%出头水平，全面量产可降低成本、提高毛利率，预计今年晚些时候达 70%中期水平 [24] - **需求持续性**：数据中心资本投资规模大，未来软件基于机器学习，有顶级合作伙伴预测和规划，初创企业带来新机遇，各领域人工智能发展处于早期阶段，需求将持续 [24][25] - **Blackwell Ultra 产品**：下半年推出，系统架构与现有 Blackwell 产品相同，过渡顺利；已与合作伙伴和客户规划，透露后续 Vera Rubin 产品信息 [26][27][28] - **GPU 与 ASIC 平衡**：英伟达架构通用，能端到端处理，应用广泛，性能提升节奏快，软件堆栈构建难度大，部署速度快，在市场竞争中优势明显 [28][29][30][31] - **地域业务增长**：人工智能成为主流，应用广泛，处于新时代开端，影响全球 GDP 比重，增长前景广阔；中国业务占比大致不变，规模约为出口管制前一半 [32][33][34] - **企业业务增长**：企业业务增长与大型 CSP 相似，企业既与云服务提供商合作，也自行构建业务；从长远看，企业业务增长规模更大，涉及智能体人工智能、物理人工智能和机器人系统等新领域 [35][36][37][38] - **设备更新换代**：不同架构产品因 CUDA 可编程性强，都有应用场景，可分配不同工作负载，已部署基础设施能得到充分利用 [39][40] 其他重要但是可能被忽略的内容 - 英伟达在为客户提供服务时将继续遵守出口管制规定，关税情况不明，等待美国政府计划进一步明确 [11][41] - 英伟达投资者关系网站提供新的财务信息人工智能智能体 [18]