文章核心观点 - 报告指出，2025年AI正从“工具时代”迈向“伙伴时代”，其发展将深刻重塑经济结构、社会形态和人类生活方式 [3] - 中国AI正从“参与者”转向“领导者”，在开源生态、芯片自主、AGI路径等基础层面加速布局，展现出从“跟跑”到“并跑”乃至“领跑”的体系化能力 [28][31] 算力与芯片 - 算力已成为影响国家和企业战略的关键资源，算力经济是智能产业第一大引擎，全球AI算力需求推动超大规模数据中心建设进入算力工厂时代 [5][6] - “东数西算”、“太空超级计算机”等国家工程正系统构建高效、绿色的全国一体化算力网络 [6] - 芯片层面，GPU主导地位受到挑战，NPU在端侧普及，ASIC/FPGA迎来增长 [8] - 中国正加速构建自主可控的算力生态，国产“芯片+SDK+框架”方案已在千亿级模型训练中得到验证，DeepSeek等模型针对昇腾芯片深度优化，标志着全栈国产化能力迈入新阶段 [11] 大模型技术与架构 - 预训练决定大模型格局梯队，架构创新决定预训练水平 [5] - 混合专家模型成为主流选择，其“大参数、小激活”的设计让模型可在不显著增加成本的情况下扩充容量，中国头部模型团队正普遍采用这一思路 [13] - 为突破Transformer的O(n²)复杂度瓶颈，线性注意力和稀疏注意力等新架构快速发展，让模型能够更高效地处理长文本、视频理解等需要长程依赖的任务 [13] - 2025年，大模型落地进入“推理时间”，模型在多模态深度推理、自适应推理、边缘推理加速等方面持续突破，任务复杂度推动推理框架持续进化 [15] 应用与交互范式 - 信息AI处于应用期，物理AI处于研发期，具身智能成合流风口 [5][17] - 世界模型与VLA（视觉-语言-动作）框架成为技术焦点，具身智能正从小规模商业订单走向更广泛的应用探索 [17] - 自变量机器人自主研发的“Great Wall”模型系列已实现从感知到高精度操作的端到端控制，在复杂任务中展现出了强大的泛化能力 [20] - AI正在重塑流量入口，从PC互联网、移动互联网迈向Agentic互联网，AI智能体具备感知、规划、决策、执行的闭环能力，正逐步取代传统App，操作系统亦向超级Agent演进 [5][20] - 构建智能助手的关键在于对用户个性化知识的理解与调用，例如腾讯的ima知识库允许用户构建专属知识库并与大模型深度结合，实现“知识即能力”的模式 [22] 多模态与硬件 - 多模态成为AI应用落地关键，视频、3D、代码依次展现生产力，新一代AI系统能够同时处理和理解文本、图像、声音、视频等多种信息类型，实现跨模态的关联理解和生成 [5][22] - 报告预测，未来2-3年内，随着技术能力成熟，AI会成为相关产业的标准工具 [22] - AI硬件百端齐放，轻量化模型和边缘计算技术成熟，推动AI能力向手机、汽车、IoT设备等终端普及，端侧AI解决了数据隐私、网络延迟和成本效率三大核心问题 [5][22] 科研与开源生态 - AI正从科研工具升级为科研主体，开启自主科学发现新范式，在材料、化学、生物、医疗等领域，AI的复杂问题解决能力已触及博士水平 [5][25] - 腾讯与广州呼吸健康研究院联合开发的DeepGEM病理大模型，仅通过常规病理切片图像即可在1分钟内高精度预测肺癌基因突变，将检测成本降低数倍 [27] - 开源AI进入中国时间，DeepSeek、Qwen等开源模型在全球社区影响力迅速提升，下载量位居前列 [5][28] - 在AGI领域，中国正通过开源生态、自主芯片、国家算力网络与产学研协同，走出一条独特的“中国路线” [30]

报告核心观点 - AI正从“工具时代”迈向“伙伴时代”，其发展将深刻重塑经济结构、社会形态和人类生活方式 [3] - 技术从模型竞赛走向场景融合，大模型不仅是前沿试验，也是触手可及的生产力 [34] - 中国在AI领域正从“参与者”转向“领导者”，展现出从“跟跑”到“并跑”乃至“领跑”的体系化能力 [31][35] 趋势一：算力基建化 - 算力已成为影响国家和企业战略的关键资源，算力经济是智能产业第一大引擎 [3][6] - 全球AI算力需求推动超大规模数据中心建设进入算力工厂时代 [6] - “东数西算”、“太空超级计算机”等国家工程正系统构建高效、绿色的全国一体化算力网络 [6] 趋势二：芯片AI化 - AI原生需求重塑芯片创新，GPU主导地位受到挑战，NPU在端侧普及，ASIC/FPGA迎来增长 [3][9] - 中国正加速构建自主可控的算力生态，国产“芯片+SDK+框架”方案已在千亿级模型训练中得到验证 [11] - DeepSeek等模型针对昇腾芯片深度优化，标志着全栈国产化能力迈入新阶段 [11] 趋势三：预训练与大模型架构 - 预训练决定大模型格局梯队，架构创新决定预训练水平 [3] - 混合专家模型成为主流选择，其“大参数、小激活”设计可在不显著增加成本的情况下扩充容量 [13] - 为突破Transformer的O(n²)复杂度瓶颈，线性注意力和稀疏注意力等新架构快速发展，以更高效处理长文本、视频理解等任务 [13] 趋势四：大模型推理 - 2025年大模型落地进入“推理时间”，推理需求倒逼模型创新 [3][15] - 模型在多模态深度推理、自适应推理、边缘推理加速等方面持续突破 [15] - 任务复杂度推动推理框架持续进化 [15] 趋势五：具身智能 - 信息AI处于应用期，物理AI处于研发期，具身智能成为合流风口 [3][18] - 世界模型与视觉-语言-动作框架成为技术焦点，具身智能正从小规模商业订单走向更广泛的应用探索 [18] - 自变量机器人自主研发的“Great Wall”模型系列实现从感知到高精度操作的端到端控制，展现强大泛化能力，代表中国在该领域的实质性突破 [21] 趋势六：AI重塑流量入口 - AI正在重塑流量入口，从PC互联网、移动互联网迈向Agentic互联网 [3] - Agent从“人找服务”转向“服务找人”，成为下一代交互范式，具备感知、规划、决策、执行的闭环能力 [22] - 构建智能助手的关键在于对用户个性化知识的理解与调用，例如腾讯ima知识库可将用户碎片化资料构建成专属知识库，使AI成为懂用户的“第二大脑” [23] 趋势七：多模态AI应用 - 多模态成为AI应用落地关键，视频、3D、代码依次展现生产力 [3] - 新一代AI系统能同时处理和理解文本、图像、声音、视频等多种信息类型，实现跨模态关联理解和生成 [24] - 其关键价值在于释放高价值劳动力，报告预测未来2-3年内AI将成为相关产业的标准工具 [24] 趋势八：AI硬件普及 - AI硬件百端齐放，PC、手机、汽车、眼镜、玩具等终端设备焕脑正当时 [3] - 轻量化模型和边缘计算技术成熟，推动AI能力向各类终端普及，解决数据隐私、网络延迟和成本效率三大核心问题 [25] - 端侧AI使设备能够在不依赖云端的情况下实时响应用户请求，提供个性化智能服务 [25] 趋势九：AI for Science - AI4S突破加速通用人工智能实现，AI在数理化等领域的复杂问题解决能力已触及博士水平 [3][28] - AI正从科研工具升级为科研主体，开启自主科学发现新范式，在材料、化学、生物、医疗等领域能自主设计实验、预测蛋白质结构等 [28] - 腾讯与广州呼吸健康研究院联合开发的DeepGEM病理大模型，可通过常规病理切片图像在1分钟内高精度预测肺癌基因突变，大幅降低检测成本 [30] 趋势十：开源AI与中国路线 - 开源AI进入中国时间，通用人工智能拥有中国路线 [3] - 中国AI企业从应用导向转向深度研发，国家层面将通用人工智能置于战略核心，推动技术自主与生态可控 [31] - DeepSeek、Qwen等开源模型在全球社区影响力迅速提升，下载量位居前列，中国正通过开源生态、自主芯片、国家算力网络与产学研协同走出一条独特路径 [31][32][33]

文章核心观点 - 人工智能正从“工具时代”迈向“伙伴时代”，其发展将深刻重塑经济结构、社会形态和人类生活方式 [3] - 中国AI正从“参与者”转向“领导者”，在开源生态、芯片自主、AGI路径等基础层面加速布局，展现出从“跟跑”到“并跑”乃至“领跑”的体系化能力 [30][34] 行业趋势：算力与芯片 - **算力基建化**：算力已成为影响国家和企业战略的关键资源，全球AI算力需求推动超大规模数据中心建设进入算力工厂时代，“东数西算”、“太空超级计算机”等国家工程正系统构建高效、绿色的全国一体化算力网络 [6] - **芯片AI化**：GPU主导地位受到挑战，NPU在端侧普及，ASIC/FPGA迎来增长 [9] - **国产算力生态**：中国正加速构建自主可控的算力生态，国产“芯片+SDK+框架”方案已在千亿级模型训练中得到验证，DeepSeek等模型针对昇腾芯片深度优化，标志着全栈国产化能力迈入新阶段 [11] 行业趋势：大模型技术演进 - **预训练与架构**：预训练决定大模型格局梯队，架构创新决定预训练水平，混合专家模型成为主流选择，中国头部模型团队正普遍采用这一思路 [13] - **架构创新**：为突破Transformer的O(n²)复杂度瓶颈，线性注意力和稀疏注意力等新架构快速发展，让模型能够更高效地处理长文本、视频理解等需要长程依赖的任务 [14] - **推理需求**：2025年，大模型落地进入“推理时间”，模型在多模态深度推理、自适应推理、边缘推理加速等方面持续突破，任务复杂度推动推理框架持续进化 [16] 行业趋势：AI应用与交互 - **具身智能**：物理AI与具身智能迎来研发热潮，世界模型与VLA（视觉-语言-动作）框架成为技术焦点，具身智能正从小规模商业订单走向更广泛的应用探索 [18] - **具身智能代表**：自变量机器人自主研发的“Great Wall”模型系列已实现从感知到高精度操作的端到端控制，在复杂任务中展现出了强大的泛化能力，标志着中国力量在具身智能这一前沿领域的实质性突破 [20] - **AI重塑流量入口**：AI正在重塑流量入口，Agent从“人找服务”转向“服务找人”，成为下一代交互范式，AI智能体具备感知、规划、决策、执行的闭环能力，正逐步取代传统App，操作系统亦向超级Agent演进 [21] - **个性化知识库**：构建智能助手的关键之一在于对用户个性化知识的理解与调用，以腾讯推出的ima知识库为例，它允许用户将碎片化的资料、笔记、网页内容构建成个人或团队的专属知识库，并与大模型深度结合，使AI成为真正懂用户的“第二大脑” [23] 行业趋势：多模态与硬件 - **多模态应用**：新一代AI系统能够同时处理和理解文本、图像、声音、视频等多种信息类型，实现了跨模态的关联理解和生成，为创意内容生成、智能交互等应用开辟了新可能 [24] - **AI硬件普及**：轻量化模型和边缘计算技术成熟，推动AI能力向手机、汽车、IoT设备等终端普及，端侧AI的兴起解决了数据隐私、网络延迟和成本效率三大核心问题 [25] 行业趋势：AI for Science与开源 - **AI4S突破**：AI正从科研工具升级为科研主体，开启自主科学发现新范式，在材料、化学、生物、医疗等领域，AI已能自主设计实验、预测蛋白质结构、发现新材料、甚至从病理图像中精准预测基因突变，其复杂问题解决能力已触及博士水平 [27] - **医疗应用典范**：腾讯与广州呼吸健康研究院联合开发的DeepGEM病理大模型仅通过常规病理切片图像，即可在1分钟内高精度预测肺癌基因突变，将检测成本降低数倍 [29] - **开源AI中国时间**：中国AI正从“参与者”转向“领导者”，DeepSeek、Qwen等开源模型在全球社区影响力迅速提升，下载量位居前列，开源AI已经进入了中国时间 [30][31] - **AGI中国路线**：在AGI这一关乎未来的领域，中国正通过开源生态、自主芯片、国家算力网络与产学研协同，走出一条独特的“中国路线” [33]

腾讯医疗业务的战略定位与演进 - 公司于2017年8月发布AI医学影像产品"觅影"，并在3个月后被科技部确立为中国四大AI平台中主攻医疗影像的实体 [1] - 公司总办层面在讨论医疗业务时常用"克制"一词，既未发展医药电商现金牛业务，也无意将医疗业务独立拆分以兑现短期资本市场利益 [1] - 在2018年"930"变革前，公司医疗业务紧密连接医院与患者，通过战略投资丁香园、微医，自产腾讯医典科普内容及探索AI医疗影像应用，致力于为医患创造价值 [1] - "930"变革后，医疗单元被划入新成立的云与智慧产业事业群（CSIG），标志着业务重心从C端用户向B端客户迁移 [2] - 公司医疗业务的理想态在内部达成一致，其定位是解决医疗本身的问题，而非涉足医药电商等领域 [18] 腾讯健康的组织架构与领导风格 - 2019年，医生出身的吴文达被赋予领导腾讯医疗业务的职责，其背景覆盖临床、公卫、商业咨询，并具备全球化视角 [3] - 腾讯健康在最新的组织框架下分为三条业务线：医疗健康事业部负责产品研发运营、生命科学实验室探索前沿技术、健康普惠实验室解决高社会价值的公共议题 [3] - 领导层强调"不会赚快钱"，并将医疗视为可做到退休的事业，在腾讯内部做事因"三观一致"而感到开心 [4] - 公司维护上下游良好生态的策略是学会克制，有所为有所不为，明确许多业务前景属于合作伙伴，公司不可能变成世界的全部 [32] 对人工智能在医疗领域作用的核心理念 - 公司认为AI不可能独立开处方、写诊断报告或做手术，医学的本质是人学，AI取代医生是一个伪命题 [6] - AI类工具的目标是辅助和解放医生，将其从排班、写病历等繁杂工作中解救出来，从而有更多精力了解患者与疾病，提高服务质量 [11] - 公司不追求证明AI比医生好，而是需要证明医生有AI比没AI好，其价值应通过医院或工具使用者的反馈和评测来体现 [20][22] - 在AI辅助诊断的责任归属上，公司指出存在医院封装开源大模型但算法厂商不知情的情况，并期待国家层面新规范的指导 [22] 腾讯医疗AI的产品布局与技术应用 - 公司AI产品布局包括底层模型能力（如Deepseek、混元等通用大模型和医疗垂类大模型）以及应用层的RAG检索系统 [27] - 未来AI应用场景可能出现二八分化：80%的疾病由通用模型微调提供参考指南，20%的专病疑难杂症由Top Class垂类模型优化诊断质量 [27] - 公司通过腾讯云智能体平台为科研院校、企业、医生提供模型工具，以搭建特异性需求的Agent和Workflow [27] - 具体落地案例包括在贵州落地村医AI辅助问诊系统、与微医在天津构建健共体、在深圳罗湖医联体落地AI临床助手、与金域落地DeepGEM大模型、携手迈瑞研发"启元"重症大模型等 [27] 商业模式与长期价值取向 - 公司医疗业务的商业模式是通过2B业务向客户提供云、软件、算法支持来维持发展，同时孵化与未来相关的科研项目 [29] - 公司明确不追求颠覆，其定位是工具的提供方，不可能替代工具的使用者如医院、医生、医保，并且卖药不是其生意 [14][15][18] - 在支付模式上，公司承认当前导向是数量而非质量，但作为大型科技公司做事不会只看眼前，而是着眼于为社会提供长期价值 [11] - 公司保留精力探索长尾效应病种如罕见病，并投入AI制药团队研究抗生素耐药机理等全球公共卫生问题，尽管这些探索不一定能转化为短期商业回报 [28][30] 对医疗系统未来的愿景与腾讯的角色 - 公司认为一个好的医疗系统应形成让大众少得病、更健康的共识，因此在面向消费者的业务上，通过微信触达用户，提高人们自我健康管理的意识 [12] - 面对中国老龄化、少子化的人口结构变化和基层医疗服务质量的挑战，公司认为AI是一个可能带来变化的技术要素，需要被利用好 [35] - 公司的终极目标是利用技术为医疗系统提供现代化工具，让医生群体在控费背景下能稍微轻松一些，并视公立医疗体系为普通人的最后安全网 [12][35] - 公司甘心扮演"乙方"角色，认为若未来各行各业以AI驱动，云、数据库等基建将成为水电WIFI一样的基础工程，只有底子铺好，生态才能长好 [35]

开放创新生态建设 - “深圳—香港—广州”创新集群创新指数跃居全球第一 [2][6] - 布局建设26个重点创新平台，2024年平台内创新主体累计申请PCT专利量约占全省总量的十分之一 [4] - 粤港澳三地通过规则衔接机制对接打破跨境合作壁垒，全省科研经费跨境拨付至港澳累计约5亿元，占全国一半以上 [5] - 广州超算南沙分中心已为港澳及海外超过260个科研团队提供服务，科创走廊内面向港澳的孵化载体已超40家 [5] 科技基础设施与投入 - 全省研发经费投入突破5100亿元，继续领跑全国 [2] - 以光明、松山湖、南沙等科学城为主阵地打造科技基础设施集群，中国散裂中子源已向港澳及全球科学家开放共享 [4] - 冷泉生态系统研究装置是我国自主研发的首个海陆结合大科学装置，建成后将向社会开放共享 [4] - 构建多元化基础研究投入体系，持续将超过三分之一的省级财政科研专项资金投入基础研究 [7] 前沿技术与产业创新 - 人工智能核心产业规模超2200亿元、约占全国1/3，人工智能核心企业超1500家 [2][9] - 率先实施“人工智能+”行动，连续布局5批“新一代人工智能”专项并在多个领域取得突破 [9] - DeepGEM病理大模型实现通过病理图像预测肺癌基因突变，精准度达78%至99%，1分钟内完成预测 [9] - 生产操作智能体覆盖20个生产现场复杂操作场景，助力企业降低超10%能耗，提高10%至15%生产效率 [11] 产业集群与未来产业 - 培育形成9个万亿级产业集群，数字经济规模居全国首位 [2] - 低空经济迈入千亿级规模，相关企业超1.5万家，占全国产业链企业30%以上，位居全国第一 [11] - 大力发展新能源汽车、低空经济、生物医药等新兴产业，培育生物制造、量子科技、6G等未来产业 [11] - 建成高水平多层次实验室体系，包括广州实验室、鹏城实验室引领的459家省重点实验室等 [8]