工业经济整体表现 - 2025年全年规模以上工业增加值预计同比增长5.9% [2] - 2025年1月至11月工业投资同比增长4% 其中制造业投资同比增长1.9% [4] - 电气、机械等六个行业对工业增长的贡献率达到58.2% [4] - 十个工业大省中有九个省份的增加指数高于全国水平 [4] 制造业转型升级与高质量发展 - 2025年1月至11月规模以上高技术制造业增加值同比增长9.2% [1] - 2025年1月至11月规模以上装备制造业增加值同比增长9.3% [1] - 累计建成7000余家先进级、500余家卓越级智能工厂 [1] - 累计培育国家绿色工厂6430家、绿色工业园区491家 [1] - 大宗工业固废综合利用率达到57% [1] 数字经济发展与基础设施建设 - 2025年数字产业业务收入同比增长9%左右 [4] - 2025年电信业务总量同比增长9%左右 软件业务收入同比增长12%左右 [4] - 截至2025年11月末 5G基站总数达到483万个 占移动基站总数的37.4% [4] - 截至2025年11月末 5G移动电话用户达11.93亿户 占移动电话用户的65.3% [4] 人工智能与制造业融合 - 已全面实施“人工智能+制造”行动 人工智能终端和智能体加速应用推广 [5] - 已设立600亿元人民币的人工智能产业投资基金 [5] - 制造业企业人工智能应用普及率达到30% [5]

文章核心观点 文章总结了《麻省理工科技评论》评出的2025年度十大AI热词，这些概念正在重塑AI行业格局，反映了技术发展、应用模式、资本动态及社会影响等方面的关键趋势 [1] 氛围编程 - 编程方式被重新定义，开发者只需用自然语言向AI表达应用目标、功能需求和整体体验感觉，AI则负责自动生成代码、调整细节并通过反复对话迭代 [2] - 这种方式由OpenAI联合创始人安德烈·卡帕西提出，被称为“氛围编程”，它并非一种新编程语言，而是一种新的人机协作方式 [2] 推理模型 - “推理”成为AI讨论核心词汇，对应的是推理模型的崛起，这类大语言模型通过多步拆解与连续推演处理更复杂问题 [3] - 自OpenAI发布o1和o3系列后，DeepSeek迅速跟进，主流聊天机器人均已引入推理技术，在数学和编程竞赛中达到顶尖人类专家水平 [3] 世界模型 - AI研究正转向构建“世界模型”，旨在让AI理解现实世界的因果关系、物理规律与时间演化，而不仅仅是学习语言，从而判断合理性并预测未来 [4] - 谷歌DeepMind的Genie 3、李飞飞团队的Marble以及杨立昆离开Meta后的新研究，都通过预测视频演化或构建虚拟环境，让AI在模拟中掌握世界规律 [4] 超大规模数据中心 - 为满足激增的AI算力需求，科技巨头正以前所未有的规模建设专用“超级数据中心” [5] - 例如，OpenAI与美国政府合作的“星门”项目计划投入5000亿美元，在全美建设史上最大规模的数据中心网络 [5] 资本与泡沫 - AI成为资本最拥挤的赛道之一，以OpenAI、Anthropic为代表的公司估值持续攀升，但多数仍处于高投入、尚未建立稳定盈利模式的阶段 [6] - 与当年的互联网泡沫相比，如今顶尖AI公司收入增长迅猛，且背后有微软、谷歌等资金雄厚的科技巨头提供稳定支撑 [6] 智能体 - “智能体”是AI圈内热门但定义尚不统一的概念，各家宣传AI能像“智能助手”一样自主完成任务，但行业对真正智能体行为缺乏统一标准 [7] - 尽管AI难以在复杂多变环境中稳定可靠工作，“智能体”已成为产品宣传中最热门的标签之一 [7] 模型蒸馏技术 - DeepSeek在2025年年初发布的R1模型展示了“蒸馏”技术的巧妙之处，该技术让小模型学习大模型的精髓，以极低成本实现接近顶级模型的性能 [8] - 这表明打造强大AI模型未必只能依赖堆砌昂贵算力，高效的算法设计同样能带来新的可能 [8] AI垃圾 - “AI垃圾”特指为博流量而批量产生的劣质AI内容，该词汇已演变为一种后缀，被用来形容各种缺乏实质、空洞乏味的事物，如“工作垃圾”、“社交垃圾” [9] - 这折射出人们对AI时代内容质量与真实性的普遍反思 [9] 物理智能 - AI在现实世界中的行动能力仍是很大短板，虽然机器人在特定任务上学习更快，自动驾驶模拟更逼真，但不少“智能家庭助手”产品仍需人工远程操控 [10] - 为提升此能力，已有机器人公司开始向普通人征集做家务视频，表明让AI真正理解并适应物理世界仍前路漫长 [10] 生成引擎优化 - 传统搜索引擎优化正在让位于“生成引擎优化”，随着AI直接给出答案，信息获取方式发生改变 [11] - 新的竞争规则是：当用户直接问AI问题时，AI答案中是否会提及特定品牌、观点或引用其内容，内容提供者必须学会被AI引用和吸收，否则可能从视野中消失 [11]

2025年工业经济运行与展望 - 预计2025年全年规模以上工业增加值同比增长5.9% [1] - 1—11月规模以上高技术制造业增加值同比增长9.2% [1] - 1—11月规模以上装备制造业增加值同比增长9.3% [1] 制造业转型升级成果 - 累计建成7000余家先进级智能工厂和500余家卓越级智能工厂 [1] - 累计培育6430家国家绿色工厂和491家绿色工业园区 [1] - 大宗工业固废综合利用率达到57% [1] 重点行业与地区贡献 - 电气、机械等六个行业对工业增长的贡献率达到58.2% [1] - 十个工业大省中有九个省份的增加指数高于全国水平 [1] 投资与市场主体培育 - 1月至11月工业投资同比增长4%，其中制造业投资同比增长1.9% [1] - 累计培育超过60万家科技和创新型中小企业 [1] - 高新技术企业数量达到50.4万家 [1] 数字产业发展 - 2025年数字产业业务收入同比增长9%左右 [2] - 电信业务总量同比增长9%左右，软件业务收入同比增长12%左右 [2] 5G网络建设与应用 - 截至11月末，5G基站总数达到483万个，占移动基站总数的37.4% [2] - 5G移动电话用户达11.93亿户，占移动电话用户的65.3% [2] 人工智能与制造业融合 - 已全面实施“人工智能+制造”行动 [2] - 已设立600亿元人民币的人工智能产业投资基金 [2] - 制造业企业人工智能应用普及率达到30% [2]

文章核心观点 - 生成式AI在企业中的实际应用与市场炒作之间存在巨大鸿沟 绝大多数企业未能实现规模化部署和显著的财务回报 真正的成功者仅占少数 他们通过重构工作流程和战略性投入实现了增长与利润提升 [1][8] AI应用普及与规模化现状 - AI在企业中的触达率很高 常态化使用AI的企业比例从去年的78%上升至88% [2] - 然而 近三分之二的企业尚未全面启动AI的规模化部署 多数仍停留在探索或试点阶段 [5] - 企业规模与规模化程度正相关 营收超50亿美元的大型企业中近半数已进入规模化阶段 而营收不足1亿美元的小型企业该比例仅为29% [5] - 中国大陆地区表现突出 有45%的企业实现了AI的规模化或全面部署 高于全球38%的平均水平 且83%的企业常态化应用生成式AI [5] 智能体（AI Agent）的应用现实 - 市场对智能体寄予厚望 但实际应用仍处于极早期阶段 [3] - 62%的受访者正在试用智能体 但仅有23%的企业在至少一个职能中启动了规模化应用 [3] - 即便在推进规模化的企业中 应用也局限于一两个领域 在任何单一职能中 能从试点走向规模化的比例均未超过10% [3] - 科技、媒体与电信以及医疗健康行业是智能体应用的领跑者 IT服务台管理和知识管理是最成熟的应用场景 [3] AI对财务利润的实际影响 - 仅39%的受访者认为AI对企业的息税折旧摊销前利润产生了实质性影响 这意味着超过60%的企业尚未看到明确的利润回报 [1][6] - 在感受到EBIT影响的企业中 多数贡献率不足5% [1] - 虽然AI在软件工程、生产制造和IT领域带来了成本下降 在营销与销售领域带来了营收增长 但这些局部改善尚未汇聚成全公司层面的利润爆发 [6] - 目前AI应用呈现出“广泛但肤浅”的特征 资本支出正在发生 但投资回报严重滞后 [1] 高绩效企业的成功关键 - 调研定义了约6%的企业为“AI高绩效企业” 即EBIT因AI提升超过5%且创造了显著价值 [7] - 80%的普通企业只盯着效率与降本 而高绩效企业往往同步追求增长或创新目标 [10] - 高绩效企业从根本上重塑工作流的几率是其他企业的近3倍 [10] - 三分之一的高绩效企业将超过20%的数字预算投向AI 这一比例是其他企业的近5倍 [10] - 高绩效企业的管理层建立了清晰的人机协同流程和人工核验机制 [10] 劳动力市场与风险变化 - 对未来一年的员工规模预期变得悲观 32%的受访者预计未来一年员工规模会下降超过3% 而只有13%预计增长 大型企业更倾向于认为AI将带来人力缩减 [10] - 软件工程师与数据工程师的招聘需求依然旺盛 存在人才结构性短缺 [10] - 51%的应用企业至少遭遇过一次AI负面事件 最常遇到的风险是“结果不准确”（30%）即幻觉问题 [10] - 企业对隐私和合规的关注度提升 但对“可解释性”的关注仍然不足 构成了潜在的尾部风险 [10]

文章核心观点 - 当前AI产业正处于技术爆发初期，但面临技术迭代与应用创新脱节、商业化困境等挑战，其发展路径可借鉴工业革命初期“月光社”的经验，即需要建立跨界交流与协作机制，推动“产学研”闭环，将科学发现转化为成功的产业应用[3][24] - 中国科学院院士杨玉良发布的《科技预见与未来愿景2049》报告，系统预判了未来科技前景，为AI产业发展指明了方向，特别是智能体互联网、通用机器人、未来交通等关键领域，并强调应用是AI技术的终极价值所在[4][6][12][13] - 历史经验表明，革命性技术从实验室走向规模化应用，需要技术、产品、成本、基础设施等多维度系统性地协同适配，而非线性直达，AI产业需构建技术与应用间的坚韧协同纽带[23][24] 科技愿景与未来预判 - 《科技预见与未来愿景2049》报告由中国顶尖科学家和行业专家组成的编委会历时一年多研讨完成，提出了“十大科技愿景”与“十大未来场景”[4][6] - “十大科技愿景”包括人机共生、通用机器人、飞行汽车、虚实共生、量子计算、智能体互联网、常温超导、可控核聚变商业化落地、AI+分子医学、太空旅行[6] - “十大未来场景”覆盖生命健康、人才教育、科学研究、基础民生、未来交通、工业制造、经济金融、先进能源、城市与环境、空间探索，均将在AI改造下迎来巨变[9] 智能体互联网发展 - 智能体互联网是当下正在发生且被产业寄予厚望的愿景之一，其本质是使AI能基于知识主动思考、规划和解决问题[8] - 报告预测，到2030年全球智能体数量将突破2000亿个，2049年全球智能体网络节点将突破数万亿，通过分布式能力与网络协议协作，成为数字与物理世界融合的“神经系统”[8] 通用机器人赛道与挑战 - 通用机器人是当前海内外最炙手可热的赛道之一，但要走进生产生活仍面临数据匮乏、触觉感知不成熟、灵巧手设计不完善、电机扭矩与散热不足、成本过高五大核心挑战[9] - 报告判断，触觉感知、灵巧手设计、电机扭矩与散热等问题将在2030年前逐步解决，2030年后数据飞轮成熟、手部操作能力提升、成本快速下降，预计2049年左右通用机器人将走进千家万户[9] 未来交通场景变革 - 自动驾驶方面，预计2027年底开启L4试商用，2030年部分场景实现L4规模化应用，2035年达成大部分场景L4+，2049年L5+全面普及[11] - 交通基础设施将进化为具备自我感知与调节能力的智能神经网络，到2049年，交通拥堵造成的时间损失将减少70%以上[11] - 出行模式将转向“移动即服务”，人们可通过统一平台调用自动驾驶出租车、空中出租车(eVTOL)、高速磁悬浮等立体化工具，无需拥有汽车[11] AI技术发展现状与商业化困境 - 大模型技术迭代持续加速，频率从“年更”演变为“月更”甚至“周更”，一周内可诞生数款针对特定任务优化的新模型，上下文窗口已从数万扩展到200K（约30万汉字）[13][18] - 根据麦肯锡报告，在其访问的全球近2000家企业与组织中，有88%已开始使用AI技术，但只有36%表示改善了盈利能力，33%表示带来了实质性的收入增长[18] - 思科前CEO John Chambers指出，AI发展速度是互联网时代的五倍，但大多数商业领袖不知如何将技术转化为可持续竞争优势[21] 历史经验借鉴与产业协同 - 工业革命初期的“月光社”通过搭建跨界交流平台，形成了“产学研”闭环，直接推动了瓦特改良蒸汽机等重大发明的商业化落地[3] - 电动车发展早期曾因技术优势脱离主流市场需求和基础设施（如续航、成本、补能网络）而被市场淘汰，其近二十年的复兴是技术迭代与产业应用、大众需求系统性适配的结果[23] - 任何革命性技术从实验室走向千家万户，都需要产业链各方围绕共同目标，在技术、产品、成本、基础设施等多维度上主动构建协同桥梁，这是一个需要设计的系统工程[23][24]

文章核心观点 - 文章以18世纪英国“月光社”推动工业革命为例，类比当前AI发展初期，强调科学发现与产业应用结合的重要性[5] - 当前AI技术迭代迅猛，但应用端商业化困境凸显，技术价值未能有效转化为企业盈利，亟需建立技术与应用之间的协同纽带[5][18][28] - 引用《科技预见与未来愿景2049》报告及行业领袖观点，指出AI的终极价值在于广泛应用，产业各方需跨越藩篱、合力推动技术落地，方能开启新时代的产业革命[16][18][28] 科技愿景与未来场景 - 中国科学院院士杨玉良发布的《科技预见与未来愿景2049》报告，首次系统预判中国未来科技前景，由华为、中国移动、腾讯等机构专家共同编撰[7][9] - 报告提出“十大科技愿景”，包括人机共生、通用机器人、飞行汽车、虚实共生、量子计算、智能体互联网、常温超导、可控核聚变商业化落地、AI+分子医学、太空旅行[10] - **智能体互联网**被寄予厚望，其本质是具备记忆和学习能力的AI，能主动规划解决问题；报告预测到2030年全球智能体数量将突破2000亿个，2049年网络节点将突破数万亿[12] - **通用机器人**面临数据匮乏、触觉感知不成熟、灵巧手设计不完善、电机扭矩与散热不足、成本过高五大挑战；预计2030年前逐步解决部分硬件问题，2030年后数据飞轮成熟、成本下降，2049年左右走进千家万户[12] - 报告提出“十大未来场景”，涵盖生命健康、人才教育、经济金融、工业制造等，均将受AI深刻改造[13] - **未来交通**方面：自动驾驶预计2027年底开启L4试商用，2030年部分场景实现L4规模化应用，2035年达成大部分场景L4+，2049年L5+全面普及；智能交通基础设施将减少70%以上拥堵时间损失；出行模式转向“移动即服务”，释放城市空间[16] AI产业发展现状与挑战 - 华为创始人任正非指出，AI的终极价值不在发明而在应用，应用能强大一个国家[18] - 技术端“万模大战”激烈，模型迭代频率已从“年更”演变为“月更”甚至“周更”[18] - 大模型技术快速突破，上下文窗口扩展至约200K（30万汉字），从对话模型进化为能规划、使用工具的多模态智能体[22] - 应用端与技术端脱节：麦肯锡报告显示，在接受调研的全球近2000家企业中，88%已使用AI技术，但仅36%表示改善了盈利能力，仅33%带来了实质性收入增长[22][23] - 思科前CEO John Chambers指出，AI发展速度是互联网时代的五倍，初创公司可在一两个月内推出产品，但许多企业领袖不知如何将技术转化为可持续竞争优势[25] - 核心症结在于技术端与应用端各自为政，缺乏有效沟通与合作机制，导致技术迭代与市场需求错配[25] 历史经验与产业启示 - 以电动车早期发展为例，其曾占据美国市场38%份额（1990年），但因未能适配主流市场对长距离、低成本出行的需求，以及充电网络等基础设施短板，被福特T型车等燃油车淘汰[25][26] - 近二十年电动车复兴，是技术、产业应用与大众需求系统性适配的结果，例如开发长续航电池、建设充电网络、电池成本十年下降90%以及建设超级工厂[26] - 回顾工业革命，“月光社”通过搭建跨界交流平台，形成“产学研”闭环，直接推动了瓦特蒸汽机等发明的商业化，证明科学转化需要产学界开放协作[5][28] - 任何革命性技术从实验室走向普及，都需要产业链各方围绕共同目标，在技术、产品、成本、基础设施等多维度主动构建协同桥梁[26][28]

公司人事任命与组织架构调整 - 腾讯正式任命前OpenAI科学家姚顺雨为首席AI科学家，并向总裁刘炽平汇报 [1][2] - 姚顺雨同时兼任新成立的AI Infra部和大语言模型部负责人，并向技术工程事业群总裁卢山汇报 [2] - 腾讯对内部大模型研发体系进行力度空前的架构升级，新成立AI Infra部、AI Data部、数据计算平台部，旨在全面夯实大模型的地基能力 [2] 新任首席AI科学家的背景与成就 - 姚顺雨本科毕业于清华大学姚班，主修计算机科学，曾担任姚班学生会主席 [2][5] - 2014年获全国信息学奥林匹克竞赛银牌，2015年以安徽省理科第三名成绩考入清华 [5] - 2019年本科毕业后，前往普林斯顿大学直接攻读博士学位，并于2024年博士毕业后加入OpenAI [5][7] - 其主要研究方向为“智能体”，在OpenAI研究用于数字自动化的语言智能体，代表性成果包括ReAct、思维树、Reflexion、SWE-agent等 [9] - 其代表作“ReAct”和“思维树”被引次数分别超过4587次和4180次，总引用数近15972次，h指数为25，i10指数为30 [9][11] 行业趋势与个人见解 - 姚顺雨提出AI已进入“下半场”，重心正从“解题”转向“命题” [22] - 他认为“评测将比训练更重要”是当前最值得关注的趋势，核心问题是弄清楚究竟要让AI做什么 [22][23] - 要在AI新时代胜出，需要更贴近产品经理的角色：定义问题、设定指标、组织迭代，让AI能力在真实世界中转化为可衡量的价值 [23] - OpenAI的最新研究也印证了其观点，即评测方法是影响模型幻觉的关键因素，优化评测手段可进一步释放大模型潜力 [25]

重庆市人工智能+行动方案核心规划 - 重庆市人民政府办公厅印发《重庆市推动"人工智能+"行动方案》[1] - 方案设定了两个阶段性目标：到2026年，AI和数字重庆双向赋能取得显著成效，形成一批AI赋能综合应用场景，新一代智能终端、智能体等普及率超过70%[1]；到2027年，AI与科技、产业、治理、民生、消费、开放等6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超过80%，智能经济逐步成为该市经济发展的重要增长极[1] 行业发展目标与普及率 - 到2026年，新一代智能终端、智能体等普及率目标设定为超过70%[1] - 到2027年，新一代智能终端、智能体等应用普及率目标进一步提升至超过80%[1] 产业融合与经济增长 - 到2027年，人工智能将与科技、产业、治理、民生、消费、开放等6大重点领域实现广泛深度融合[1] - 智能经济预计将逐步成为重庆市经济发展的重要增长极[1]

重庆市发布“人工智能+”行动方案 - 重庆市人民政府办公厅于12月17日印发《重庆市推动“人工智能+”行动方案》[1][1] - 方案核心目标是加速生产性服务业的智能化创新[1][1] 重点发展领域与应用方向 - 推动“AI+”软件信息服务，深入实施“满天星行动”，旨在创新软件开发全过程，促进工业软件向智能体转型[1][1] - 推动“AI+”金融服务，加强信贷服务、交互式风控、金融反欺诈等垂类大模型的研发与应用，以提升金融服务质效[1][1] - 推动新一代智能终端、智能体在工业设计、交通运输、现代物流、人力资源服务等生产性服务业领域的广泛应用[1][1]

文章核心观点 - 量子位主办的MEET2026智能未来大会在北京举办，主题为“共生无界 智启未来”，汇聚了学术界、产业界及创业公司的近30位行业专家，共同探讨AI技术革新、产业应用及未来趋势 [1] 学术与科研前沿洞察 - 清华大学智能产业研究院院长张亚勤认为，新一轮人工智能是信息智能、物理智能和生物智能的融合，本质上是原子、分子和比特的融合 [3] - 北京智源人工智能研究院院长王仲远提出，AI正经历“觉醒之年”，发展路径是从数字世界迈向物理世界 [3] - 清华大学人工智能研究院常务副院长孙茂松围绕生成式人工智能和大模型，分享了其发展态势、核心挑战与未来路径 [3] - 上海交通大学上海高级金融学院教授朱宁从经济学视角，系统分析了AI时代带来的思维范式变化、全球影响及各行业的结构性调整 [4] 产业技术生态与落地 - 百度集团副总裁王颖展示了百度在大模型技术的突破，以及AI智能体在内容生产、团队协作与组织智能化方面的应用实践 [5] - Google Cloud大中华区负责人Dennis Yue认为AI的未来在于智能体之间的自主协作，并介绍了谷歌全链路赋能初创企业出海 [5] - 蚂蚁集团资深技术专家赵俊博聚焦大模型、世界模型和合成数据技术，其演讲主题为“LLaDA：AGI路上的非共识宣言” [5] - 小米集团首席语音科学家Daniel Povey用“生物进化”类比AI技术发展，分享了其对未来AI研发的启发及小米的实践 [5] - 昆仑万维董事长兼CEO方汉表示智能体技术让AI产品发生质变，并阐述了公司在智能体、多模态生成等方向的技术突破 [5] - 潞晨科技创始人尤洋以“AI大模型赋能千行百业”为题，介绍了公司在AI大模型训练加速和算力优化领域的成果与行业应用 [6] - 中关村科金总裁喻友平提出，从互联网到人工智能的演进本质是连接的进化，智能体作为超级连接器可连接企业核心要素释放新质生产力 [6] - 商汤科技大装置事业群副总裁宣善明展示了公司的AI计算中心布局、原生AI基础设施能力体系、行业落地成效及“以电促算、以算强电”的算电共生新范式 [6] - PPIO联合创始人兼CEO姚欣认为Agent基础设施是未来AI时代的操作系统，并介绍了PPIO如何构建此系统 [6] - 百度智能云AI计算首席科学家王雁鹏介绍了昆仑芯的规模化应用之路，包括硬件稳定性、集群扩展能力及对各类模型的训练适配与优化 [6] - 高通公司AI产品技术中国区负责人万卫星聚焦“混合AI：从云端到边缘智能”，介绍了相关最新进展 [6] - 亚马逊云科技大中华区产品部总经理陈晓建以“Agentic AI未来已来”为题发表演讲 [7] 前沿创业与创新探索 - 卓世科技合伙人赵策围绕“行业大模型及应用破局AI商业化落地”展开分享 [8] - 太初元碁联合创始人乔梁从超智融合应用、高性能计算系统演进、异构众核架构、算力生态建设等多个维度，阐述了AI时代算力底座的发展路径 [8] - RockAI CEO刘凡平以“硬件觉醒，让AI不再被Transformer束缚”为主题，提出未来智能硬件最需要原生记忆与自主学习，并介绍了公司在架构层面的创新 [9] - 自变量机器人创始人王潜以“构建物理世界基础模型”为题，指出虚拟与物理世界存在本质不同，物理接触的复杂性决定了机器人端到端控制的必要性 [9] - 光轮智能联合创始人杨海波介绍了公司在打造全栈自研仿真基础设施方面的实践，以助力世界模型与物理AI在更多场景落地 [9] - 云徙科技COO毛健指出，企业数字化迈向智能化面临系统性鸿沟，并提出以“运营×Agentic AI”驱动决策、执行与组织模式的全链路升级，以创造真实业务价值 [9] - 灵心巧手联合创始人张延柏展示了以灵巧手和云端智脑为核心的具身智能平台 [9] - 大会还设置了GenAI Talk及Agent圆桌讨论，主题分别为《第一批自动驾驶创业者的第二个八年》和《距离AI Agent革新千行百业还有多久》 [9] 行业趋势报告发布 - 量子位智库在大会上发布了《2025年度AI十大趋势报告》，为行业提供趋势洞察与价值参考 [10]