AI产业趋势：从概念到场景化落地 - 2026年CES显示，AI产业讨论焦点已从单一技术概念转向场景化落地的深度探索，AI技术正在终端形态、商业生态和企业运营三个维度引发重构 [2] - AI产业的发展遵循算力与模型双螺旋上升的演进逻辑，AI算力已进入比摩尔定律更快的迭代周期 [3] - 全球AI算力市场规模预计在2026年达到1152亿美元，同比增长42.8% [3] AI算力与模型演进 - 模型小型化技术发展迅速，许多原来需要70B+参数实现的模型，现在30B即可实现；原来30B+的模型，如今14B甚至7B和3B模型也能媲美过去几十B模型的能力 [3] - 模型小型化趋势为AI向终端下沉提供了关键支撑，因为落地到个人和企业的模型必须具备快速、可靠、稳定、无时延的特性，并在可接受成本下持续提供服务 [3] - 2026年AI算法将进入原生多模态创新成熟期，同时与物理AI相关的世界模型也在快速探索中 [13] AI与终端融合的必然性与形态 - AI与终端融合是解决公共AI两大核心痛点的必然选择：一是公共AI产品个人化或企业专属化属性不足；二是公共AI缺乏持续感知环境变化的能力 [4] - 未来终端生态将呈现三大类形态：存量终端（如电脑、手机、平板）升级为AI终端；以AI眼镜为代表的感知为主、轻交互的新型终端；专注于私密化计算的边缘计算终端 [4][5][19] - 边缘计算终端可快速运行数百亿参数的模型，为个人和中小企业提供安全可控的AI算力支持 [5][19] 个人AI的范式重构与核心特征 - 个人AI的崛起标志着AI服务从“平台中心”向“用户中心”的范式转移，其本质是以用户的立场和利益为核心 [6][21] - 个人AI具备四大核心特征：全场景感知能力、可信计算、专属服务连接、持续演进能力 [8] - 个人AI如同“专属私家车”，通过终端载体实现数据隐私可控和服务精准匹配，解决了公共AI的信任与体验痛点 [8] 个人AI落地的技术挑战与联想布局 - 个人AI落地面临四大技术挑战：异构算力平台构建、多模型与智能体调度、长期记忆管理、核心体验创新 [9][24][25][26] - 联想提出的“队友”式个人AI，通过情景感知、主动服务、直接执行三大能力重构交互逻辑 [9][37] - 为实现多设备互联的“队友”式体验，联想通过三大手段突破跨系统壁垒：构建操作系统之上的智能体体系、打造个人可信云空间、实现终端近场互联 [9][28][29][30] 企业级AI落地的挑战与准备 - 企业级AI落地需完成三大协同准备：升级数字化底座为完整AI基础设施、重构业务流程、培养AI人才 [10] - 2026年调研显示，企业在AI落地中面临的最大痛点是人才短缺，人才培养是重中之重且无捷径可走 [10] - 企业需规避三大陷阱：误入辅助价值链、预算先行而非POC验证、基础设施投资不足 [10] 联想的企业级AI实践与战略 - 联想自身的智能化转型遵循“主价值链优先”原则，率先在供应链领域应用AI实现成本降低与周转效率提升，再向营销、售后等环节推广 [10] - 优先切入员工辅助场景的企业，其AI价值转化有限 [10] - 企业AI基础设施升级是一项周期为3-5年的战略性投资，必须由最高管理层自上而下推动，不能按单个项目零星投入 [50] AI时代的生态竞争与企业定位 - AI时代的核心竞争力在于“整合与落地”，行业竞争焦点已从技术参数转向场景价值 [11] - 未来AI生态中主要存在三类企业：整合者、服务提供者、能力保障层 [31][32] - 联想在生态中定位为整合者，负责将硬件、大模型、智能体、服务连接等整合为成本可控的终端设备交付给用户 [32] 联想与生态伙伴的合作模式演变 - 联想与生态合作“不变”的是始终从用户角度出发定义产品并坚持开放合作 [39] - “变化”的是合作形态从成熟商务模式转向共创迭代，需要与服务及能力提供者开展大量试错与共创 [40] - 在服务共创层面，联想与本土平台合作智能体服务连接；在算力共创层面，与芯片厂商深度合作优化终端AI的算力、成本与能耗 [40]