2025年12月17日，一场关于人工智能产业创新发展的思想盛宴在北京中关村拉开帷幕。在这场由中国电 子信息行业联合会和中国工业合作协会联合主办的大会上，一个明显的趋势已然显现——喧嚣的技术概 念正让位于务实的落地实践，而"场域智能"这一理念，成为贯穿全场的思想主线。易显智能创始人马宏 博士的演讲，为这一理念提供了最具象的注脚。 而马宏的第三个收获—— "触摸到了智能进化的完整图腾"，则展现了AI从理解到行动的完整闭环。他 分享的两个案例生动而具体：在进行变更车道练习时，易显智能自主研发的机器人教练能提前预警"右 侧有车辆靠近"；当车辆转弯过快时，它能立即警示"车辆有失控风险"。这些从二维屏幕走向三维场域 的AI，正以最直接的方式"将安全的基因深植于每一位驾驶人的习惯之中"。 "窄门"里的确定性价值 "过去十年，当大家都在热议AI的无限可能时，我们选择了一扇'窄门'：把AI从屏幕上拽下来，扔进充 满摩擦力和不可逆的物理世界。"马宏在主题演讲环节的开场白，立即为会场注入一股务实的清风。他 举了一个令人警醒的例子：当你驾车即将冲进绿化带时，需要的不再是炫酷算法，而是一次"不可撤 回"的精准干预。 这种从虚拟到现实的 ...

文章核心观点 - 华为创始人任正非在ICPC座谈会上强调，人工智能发展应聚焦未来三至五年的产业应用，而非沉迷于通用人工智能的宏大叙事，主张以务实态度解决具体产业问题[1] - 真正的技术革命在于贴近地面解决实际问题，而非追逐概念风口，华为在资源受限下选择在垂直领域进行“深水区创新”[1][5] - 创新需要厘清教育（培养可能性）与商业（实现可行性）的边界，二者应各司其职、协同合作，而非模糊利益捆绑[1][3] - 青年创新和女性参与科技是推动技术进步的关键变量，质疑精神与多元视角对创新至关重要[6][8] - 对通用人工智能（AGI）采取“跟踪而非冒进”的策略，认为扎实的产业应用是AGI长期发展的地基[10] 教育与商业的边界 - 任正非强调“教育是教育，商业是商业”，指出当前存在商业逻辑侵蚀教育本质的风险，如将高校实验室变为产品试验田、学生论文转为商业专利[3] - 教育的核心是“培养可能性”，让青年在试错中建立批判性思维；商业的本质是“实现可行性”，将技术转化为解决具体问题的工具[3] - 华为与ICPC的合作模式体现了边界感：ICPC挑战赛提供“质疑的土壤”，华为则提供产业场景（如工业互联网、医疗AI），将获奖思路接入实际需求，避免教育沦为“人才预科班”或商业困于“技术乌托邦”[3] AI落地的务实路径 - 华为在AI发展上选择从“炫技”转向“解渴”，聚焦垂直领域进行“深水区创新”，而非在通用智能上与巨头比拼算力和数据[1][5] - 面对外部限制，公司采用“压强原则”进行单点突破，例如在医疗AI领域，并非开发“全科医生AI”，而是针对肺癌早期筛查细分场景，通过与基层医院合作收集数据，利用小样本学习技术提升诊断准确率[5] - 这种“小切口解决大问题”的思路，是AI走出实验室、服务产业的关键[5] 青年创新与质疑精神 - 任正非寄语青年“敢于在质疑中前进”，指出创新本质始于对现有理论的怀疑，重大科学突破均源于质疑[6][8] - 华为通过ICPC座谈会交流“应对质疑与创新”，培养青年的逻辑是给予“提问的权利”而非“标准答案”[8] - 公司内部的“2012实验室”鼓励研究员“异想天开”，允许“90%的尝试失败”，建立容错机制以保护质疑精神，认为创新是从0到1的突破，第一步永远是提出“为什么必须这样”[8] 女性参与科技的多元创新 - 任正非特别提到“女性参与科技领域”，这不仅关乎性别平等，更是对创新多元性的洞察，旨在弥补长期由“男性思维”主导导致的视角单一问题[8] - 女性在细节感知、协作沟通、伦理考量方面具有优势，能推动“技术+人文”的双重创新视角[8] - 例如，华为医疗AI团队中女性工程师占比达40%，她们主导的“乳腺超声AI辅助诊断”项目，不仅关注诊断准确率，还优化患者心理感受，将设备界面改为暖色调并加入语音安抚功能，提升了患者配合度[9] 对通用人工智能（AGI）的策略 - 任正非并未否定AGI的长期价值，但强调应优先解决当下产业痛点，产业应用是“地基”，通用智能是“顶层设计”[10] - 华为对AGI采取“跟踪而非冒进”的策略，通过“量子芯片研究”储备底层算力，通过“技术应用建议”积累场景数据，待产业应用地基牢固后再向通用智能演进[10] - 这种“慢变量”思维与追求“速成”的行业风气形成对比，体现了不被短期热点裹挟的战略定力[10]

中国AI基础设施服务市场概况 - 2025年上半年市场规模达198.7亿元，同比激增122.4% [2] - 预计2029年市场规模将逼近1500亿元 [2] - 全球AI Infra市场规模在2025年将突破800亿美元，年复合增长率达58% [12] 企业AI应用落地的挑战 - 83%的企业将AI列为战略优先级，但实际落地成功率仅29% [3] - AI落地失败的主要根源是系统性架构失衡，涉及算力供给、数据治理、系统协同、安全合规 [3] - 超50%的AI项目因架构问题无法上线 [2] - 2025年全球AI训练算力缺口将达42%，中国市场这一比例将升至55% [4] - 制造企业平均存在4.2个独立算力池，跨池调度效率仅为28% [5] - 67%的制造企业表示算力与存储升级跟不上模型迭代速度 [5] - 53%的企业采用紧耦合AI架构导致迭代困难 [6] - 仅19%的企业实现边缘与中心算力的协同调度 [6] AI Infra的定义与核心价值 - 核心价值在于通过算力统筹、存储革新、架构整合、生态开放四大能力，实现AI落地的降本、提效、安全、可控 [9] - 通过全域调度、弹性伸缩、能效优化三大技术路径，提升算力利用效率 [9] - 部署新一代AI Infra的企业，AI项目上线率从29%提升至78%，投资回报率提高120% [11] AI Infra的技术路径与厂商格局 - 通过整合GPU/TPU/DCU等多元芯片，构建统一调度的异构算力池，实现按需分配、动态扩容 [9] - 国内厂商主要围绕信创适配、架构整合、成本控制三大本土需求，形成全栈型、垂直技术型、生态整合型三类玩家 [12] - 未来3年全球市场将呈现双轨并行格局：中国市场国产化率将从2025年的45%提升至2027年的65%，政务、金融等领域实现100%国产化；全球高端市场仍由NVIDIA、微软等主导，市占率保持70%以上 [14] 主要厂商布局与案例 - 青云科技AI Infra 3.0通过PrimusOS内核层与KubeSphere调度层实现多代际架构整合，某制造业企业IT部门响应业务部门的速度从1小时缩短到15分钟 [10][12] - 华为以昇腾芯片为核心的全栈布局覆盖芯片-框架-平台-应用，昇腾910B芯片支持千亿参数模型训练 [12] - 阿里云灵骏AI集群支持千卡规模训练，GPU弹性算力响应时间缩短至5分钟，服务比亚迪等车企，自动驾驶模型训练周期缩短50% [12] - 浪潮信息AI服务器全球市占率47%，液冷技术使PUE降至1.15，某智算中心采用其方案后节能40%，年均电费减少280万元 [13] - 燧原科技在庆阳异构智算中心的算力规模达100PFLOPS，成本较进口方案降低35% [13] - 某生物制药企业利用AI Infra将新型药物的分子设计周期从18个月压缩至12个月，将高性能复合材料的微观结构模拟时间从72小时缩短到43小时 [11]

AI转型的本质误区 - 当前企业普遍存在将AI技术简单替换到旧有业务流程中的现象 这类似于给马车换上喷气引擎而非创造全新的汽车[3] - 多数企业仅停留在技术表面应用 未能触及深层的流程、组织和思维变革[4] - 真正的AI转型需要构建全新的系统架构并配套相应的基础设施[5] 企业AI落地实践框架 - 提出"五个馒头"理论 强调AI成功落地需要循序渐进完成四个基础准备阶段：文化、人才、流程、数据[13] - 企业普遍存在跳过基础建设直接追求智能效果的倾向 忽略前四个阶段作为必要投入的重要性[14] - AI落地被定义为复杂的巨系统工程 需要从小处着手 优先从代码、财务和人事等具体领域开始改革[27] 人类在AI时代的核心价值 - 机器最擅长处理回归平均值的工作 而人类的独特价值在于提供异常值[17] - 在机器完美执行重复性任务的背景下 人类需要培养产生突破性思维的能力[19] - 个人能力发展的核心方向是强化提供异常值的能力 这构成未来素养建设的重点[8][23] 战略转型方法论 - AI落地不是单纯的技术转型 而是涉及文化、制度、流程与人才的深刻改革[25][35] - 强调实证大于空谈 人心大于技术 需要抵抗高估短期效果而低估长期投入的倾向[27] - 提出《AI改革宣言》作为实战纲领 旨在构建前沿组织与超级个体[26][32]

研讨会核心主题 - 工业大模型正成为制造业数字化的关键驱动力，从算法创新迈向“场景创造” [6] - 探讨工业大模型的场景跃迁，从车间智能到产业协同 [6] - 活动为2025大鲸榜·GenAI最强落地公司（工业智能方向）的前哨活动，旨在发现AI实战者 [17] 技术应用与案例 - 埃夫特机器人将探讨具身智能机器人如何借助大模型实现从任务型向通用型演化，分享人机协作与装配线智能化实践 [11] - 美云智数将分享美的集团在AI排产、库存预测、供应商协同中的落地经验，阐述大模型如何实现从单点优化到供应链闭环 [12] - 长亭科技将针对“系统智能”分享AI应用下的代码安全、系统防御与可信算力建设经验 [13] - 案例涵盖从“智能质检”“柔性排产”到供应链协同、设备预测维护与能源优化等场景 [6] 研讨议题与方向 - 圆桌研讨议题包括：如何让模型从实验室走进车间、智能体如何实现系统协同、大模型在安全研发场景的落地、ROI量化、标准化与生态构建 [14][15] - 深入讨论方向涵盖：大模型在制造业的ROI评估、从AI工具到工业智能体的人机协同新边界、工业AI的安全与可信机制、中国工业AI的国际竞争力与生态建设、投资机构判断AI落地信号 [16] - 活动聚焦AI在制造业的落地ROI与生态协同 [9] 活动看点与目标人群 - 核心看点包括：最前沿趋势、最真实案例、最深度思考、最实用价值，为制造企业提供可复制、可量化的AI应用路径参考 [17] - 目标参会人群为制造业企业高管/CIO/CTO、AI技术公司、工业软件与自动化解决方案商、科研与产业专家、投资机构产业研究员、高校与科研机构工业AI方向学者 [17] - 活动集结技术专家、企业领军者、产业资本与行业智库视角 [9]

南下资金流向 - 当日净买入港股总额为100.18亿港元 [1] - 主要净买入标的为盈富基金19.94亿港元、中国海洋石油14.25亿港元、中芯国际6.42亿港元、腾讯控股3.08亿港元、泡泡玛特2.4亿港元 [1] - 主要净卖出标的为华虹半导体2.97亿港元、小米集团-W 2.22亿港元 [1] - 南下资金已连续4日净卖出阿里巴巴，累计金额达43.4544亿港元 [3] 泡泡玛特业绩表现 - 公司三季度收入同比增长245%-250% [3] - 中国地区收益同比增长185%-190% [3] - 线上渠道收入同比增长300%-305% [3] - 海外收益同比增长365%-370%，其中欧洲及其他地区同比增长735%-740% [3] 腾讯控股财务预测与估值 - 华泰证券预测公司24-26年经调整净利润分别为2209亿元、2472亿元、2809亿元，同比增长40%、12%、14% [3] - 给予目标价582.08港币，对应25年调整后市盈率20.1倍 [3] - 目标价上调主要由于广告、金融科技及云业务估值倍数上调，考虑AI落地带来的科技股估值重塑 [3] 信达生物战略合作 - 公司与武田制药达成全球战略合作，共同加速推进新一代免疫肿瘤与抗体药物偶联物疗法的全球开发 [3] 阿里巴巴业务动态 - 菜鸟供应链参与淘宝闪购，为平台商家提供小时达履约服务 [3] - 首批试点已在上海、杭州、南京部分区域落地，覆盖3C数码、服饰服装、美妆个护、食品等品类 [3]

报告行业投资评级 - 报告未明确给出整体行业的投资评级 [1][2][3] 报告核心观点 - 9月实物商品网上零售额同比增长7.3%，增速快于社零总额的3.0% [1][2] - 2025年双11大促的核心看点包括AI全面落地、闪购模式以及出海联动 [2][9] - AI工具落地和闪购模式预计将对消费者行为及商户经营产生长期影响 [1][3] - 预计2025年电商大盘规模将实现高单位数增长，平台间竞争持续激烈 [3] 行业数据表现 - 2025年9月实物商品网上零售额为1.06万亿元，同比增长7.3% [2] - 2025年1-9月累计实物商品网上零售额为9.15万亿元，同比增长6.5%，其中吃类商品增长15.1%，穿类增长2.8%，用类增长5.7% [2] - 2025年前三季度跨境电商出口额为1.6万亿元，同比增长6.6%，占出口总额的8.2% [2] - 9月外贸旺季阿里国际站订单量增长30% [2] 双11大促特征总结 - **AI技术全面落地**：各平台在交易链路中部署多款AI应用，淘宝天猫推出6款AI导购应用，京东提供全链路AI工具，抖音接入豆包，快手提供AI商家工具 [9] - **闪购模式首次参与**：超400万家本地生活商家参与淘宝闪购，天猫首批3.7万个品牌的40万家门店上线该服务 [9] - **平台补贴力度加大**：淘宝天猫发放500亿消费券，拼多多推出百亿消费券，京东现货直降5%-20%，抖音单品直降15%+，快手提供20亿用户红包和10亿商品补贴 [9][11] - **出海战略联动**：平台通过Lazada、Temu等加大对跨境电商的补贴投入 [9] 平台表现与投资关注点 - **淘宝天猫**：10月15日首小时35个品牌成交破亿，10月20日首小时80个品牌成交破亿，关注其电商AI渗透及盈利提升 [3][11] - **京东**：截至10月20日超5.2万个品牌成交额同比增长超300%，APP活跃用户数同比增长48% [11] - **拼多多**：建议关注其海外业务Temu的模式边际变化 [3] - **抖音电商**：大促首日商城销售额同比增长211%，搜索销售额同比增长74% [11] - **快手**：建议关注其电商份额提升，平台提供全周期超千亿流量补贴 [3][11] 相关公司估值 - 报告研究的具体公司包括阿里巴巴、拼多多、京东、快手等，并提供了其最新市值、市盈率及市销率等估值指标 [14]

AI行业风向转变 - AI行业热度持续但风向已从技术竞赛转向投资回报率的较量 [2] - 全球AI产业投资总额继续攀升但项目数量明显下降 [2] - 资本从广泛投资转向精准押注 用户从尝试新鲜感转向关注实际效益 [2] 大鲸榜评选目的与标准 - 评选旨在聚焦真正将AI转化为生产力并推动业绩增长的公司 [3] - 公司比拼重点转向降本增效和客户留存等硬数据 [3] - 推动AI应用从功能展示转向实际价值创造的范式转移 [3] - 2025年评审体系三维升级 集结CIO评审团学术专家团与资本观察团 [4] - 参选企业须提交真实完整的新鲜落地案例并接受多维度审视 [4] - 评选标准聚焦产品能否真实帮助客户降本增效和业务增长 [5] AI落地应用案例 - BetterYeah为百丽集团规划800多个AI场景并为10000多家门店提供AI助手 大幅提升组织自动化处理效率 [6] - 中工互联与江山变压器联合研发大模型 实现运维能效安环等场景无人值守和自主决策 [6] - 美宝莲应用特看数字人后投资回报率达到真人五倍以上 并将直播时长延长2倍 [6] AI落地面临的挑战 - 工业AI落地难度在于理解场景而非算力 工业大模型仍处于初期探索阶段 [8] - 工业领域面临细分数据难积累语料稀缺等挑战 定制化场景适配是首要问题 [8] - 预计到2030年AI可能使制造业产出提升45%成本降低25% [8] - 工业AI下半场决胜关键不在通用模型参数规模 而在于场景中的数据知识技术突破 [8] - 企业客户对AI满意度下降但期待更高 需将AI与应用工作流程紧密结合 [9] - AI落地面临六大共性挑战：投资回报率与商业化数据安全与合规算力与供应链场景与行业知识人才与组织规模化复制 [10] AI应用未来发展方向 - AI应用未来不是创造新工具而是改写整个生产关系 [11] - 厂商需要更懂用户和行业 将AI融入工作流而非独立存在 [11] - AI下半场胜利属于能落地能算账并能持续创造价值的公司 [12]

AI行业资本支出与市场表现 - 2025财年微软、META、谷歌、亚马逊四家公司资本支出有望超过3172亿美元，较2024财年增长约49.6% [2] - 国内百度、阿里、腾讯等巨头股价显著上涨，百度创2023年10月以来新高，阿里大涨5.28%，腾讯控股市值重回6万亿港元 [2] - 商汤科技创近52周新高，市值突破千亿港元大关 [2] 科大讯飞财务与市场表现 - 公司2025上半年归母净利润亏损2.39亿元，扣非后亏损3.64亿元 [4] - 开放平台业务毛利率持续下滑至16.58%，智能硬件营收同比下滑3.27% [4] - 总市值1220.57亿元，股价52.80元，近期走势平稳未跟随AI股上涨趋势 [2][3] - 预测市盈率为亏损状态，市净率6.832，EPS为-0.1736 [3] 技术实力与商业化对比 - 讯飞星火V4.0Turbo七大核心能力全面超过GPT-4Turbo，数学和代码能力超越GPT-4o，国内外中英文14项主流测试实现9项第一 [4] - 但商业化落地能力较弱，智慧教育业务2025上半年营收35.31亿元（同比增长23.47%），占总营收32.36% [12] - 对比百度Robotaxi项目累计订单超1400万单，智能云等AI新业务收入破百亿（同比增长34%） [6][7] - 阿里云二季度营收同比增长26%，AI相关产品收入连续8个季度三位数增长，占外部商业化收入超20% [8] - 腾讯通过AI赋能广告、云计算、游戏三大主业提升商业化效率 [9] 学习机市场竞争格局 - 2024年中国AI学习机市场销量592.3万台（同比增长25.5%），未来销售额有望破千亿 [13] - 作业帮以33.4%市场份额领先，学而思占19.8%位列第二，科大讯飞以12.1%位居第三 [17][18] - 公司产品定价约6000元档次，在内容为王和强社交属性的学生市场中不占优势 [20][21][22] - 教培机构拥有内容优势（如作业帮18亿题库+547万真题试卷）和品牌渗透度 [20][26] 公司运营模式与挑战 - 非经常性损益中政府补助达8630.43万元，占上半年1.25亿元非经常性损益的较大比重 [5] - 曾因学习机内容审核问题引发舆论风波，对品牌形象造成潜在长期影响 [27] - 当前AI市场更注重落地转化而非技术概念，公司"B+G+C"业务模式面临商业化突破压力 [5][27]

FDE模式的核心概念与兴起背景 - AI模型能力快速迭代后，落地应用成为行业核心挑战，需要将AI能力融入复杂具体的业务流程中[1] - FDE（Forward Deployed Engineer）模式指驻扎客户现场的工程师，负责填补产品能力与客户需求之间的鸿沟[2] - 该模式近期在硅谷快速兴起，YC招聘网站上已有超过100家AI Agent公司招聘FDE岗位，OpenAI也组建了专门服务大客户的FDE团队[2] FDE模式的起源与Palantir成功案例 - FDE模式最早源于Palantir公司，该模式支撑起了Palantir目前4000亿美金的市值[2][3] - 2003年Palantir成立初期，为CIA等情报机构开发分析软件时发现传统需求收集和开发模式无法满足客户特殊需求[3] - 创始人Stephen Cohen通过关键反问"那你们希望它能做什么"促使团队转向现场与客户共同摸索的开发方式[3] - 在伊拉克和阿富汗战场，Palantir工程师通过现场观察开发出简易地图标注工具，有效降低士兵伤亡并沉淀为平台标准功能[4] - Palantir CTO Shyam Sankar将这种驻场工程师正式命名为Forward Deployed Engineers，将其定位为"产品探路者"[5] FDE模式的商业逻辑与核心优势 - FDE模式采用"规模化地做那些不规模化的事"的商业哲学，通过现场定制化解决方案积累平台能力[6] - 与传统SaaS公司标准化产品策略不同，Palantir选择持续投入重人力服务，将定制化本身变为竞争武器[5][6] - 该模式形成良性循环：FDE在现场铺设"碎石路"，总部团队将最有价值部分修成"高速公路"沉淀到平台[5] - 随着平台能力增强，新客户部署成本降低，FDE可专注于更深层次问题，实现成本下降和价值上升的曲线[10] AI时代FDE模式重新兴起的原因 - 传统SaaS软件销售逻辑在AI时代不再适用，AI应用缺乏统一定义和标准，客户需求差异极大[7] - AI代理领域没有现成标杆，每个客户如同"第一次接电网"，应用场景完全不同[7] - 以AI法律助手为例，大律师事务所关注合同条款标记，中小律所更在意初稿撰写功能，同一产品在不同场景需求迥异[8] - AI合同金额通常较大，动辄上千万美元，高价值合同足以支撑前期FDE模式的高投入[8] - YC投资的Castle公司通过工程师驻守银行客服中心，现场调试AI语音助手实现真正落地应用[8] FDE模式与咨询业务的本质区别 - FDE软件公司与咨询公司的盈利模式不同：咨询是线性收入模型，而FDE通过经验沉淀实现利润率拐点[10] - 咨询公司按项目收费，成本与收入呈线性关系，利润率难有质变；FDE公司前期投入大，但随着产品完善部署变轻，成本下降价值上升[10] - FDE核心价值在于将前线发现沉淀为产品能力，而非简单的外包开发，需要产品经理具备强大抽象能力[11] - Palantir通过抽象"对象+关系"的通用模型而非特定领域数据库，实现跨场景灵活复用[11] FDE团队的关键角色与运作机制 - Palantir的FDE团队包含两个关键角色：Echo（嵌入式分析师）和Delta（部署工程师）[12] - Echo团队来自客户行业背景，负责深入客户内部理解真实痛点并维护客户关系[12] - Delta团队是部署工程师，负责快速编写代码将Echo的想法转化为可运行的原型解决方案[13] - Echo需要具备叛逆精神的行业专家，Delta需要极客型工程师能快速交付可用原型[14] - 两者组合形成迷你创业团队，在陌生环境中用有限资源快速交付结果[14] FDE模式成功实施的关键原则 - 必须获得客户CEO支持，只做客户最关心的前5个问题项目，确保高层背书推动内部流程[16] - 初期敢于赔本赚吆喝，用"没效果就退款"方式建立客户信任，克服大客户对失败项目的顾虑[16] - 警惕沦为外包，避免做"容易交代"的小活，专注于解决能改变客户命运的核心问题[16] - 只有解决第一个核心问题后，才有机会渗透进客户更核心的系统[16]