11態(tài)決策與閉環(huán)執(zhí)行，實(shí)現(xiàn)從被動(dòng)響應(yīng)指令到主動(dòng)解決復(fù)雜問(wèn)題的跨越。與此同時(shí)，各類AI硬件迎來(lái)新一輪迭代升級(jí)，從輕量化AI眼鏡到便攜AI錄音卡片，硬件設(shè)備在便攜性與場(chǎng)景適配性方面不斷突破?！岸嗄B(tài)模型”進(jìn)一步打破技術(shù)邊界，實(shí)現(xiàn)語(yǔ)言理解、視覺(jué)識(shí)別、音頻處理等核心能力的深度融合。“世界模型”扮演更為重要的角色，基于內(nèi)在模擬理解現(xiàn)實(shí)世界的物理與因果結(jié)2中國(guó)信通院人工智能研究所副總工程師—王蘊(yùn)韜中國(guó)信通院人工智能研究所副總工程師—王蘊(yùn)韜明略科技副總裁兼研發(fā)團(tuán)隊(duì)負(fù)責(zé)人—李夢(mèng)林31.1.AI演進(jìn)路徑與產(chǎn)業(yè)概況2.邁向AGI的關(guān)鍵領(lǐng)域3.智能體技術(shù)與應(yīng)用進(jìn)展4.智能硬件與典型AI應(yīng)用5.全球AI企業(yè)最新布局6.AGI未來(lái)發(fā)展路徑探究41.1.AI演進(jìn)路徑與產(chǎn)業(yè)概況人工智能演進(jìn)路徑何為通用人工智能人工智能全景圖譜人工智能發(fā)展路線圖5超級(jí)人工智能超級(jí)人工智能在特定領(lǐng)域具有感知能力的智能在特定領(lǐng)域具有感知能力的智能在跨領(lǐng)域達(dá)到人類認(rèn)知能力的智能任務(wù)專用任務(wù)專用深藍(lán)計(jì)算機(jī)：世界模型：實(shí)現(xiàn)AGI的關(guān)鍵路徑之一，世界模型融合物理理解、推理、規(guī)劃與持久記憶能力。具身智能：世界模型：實(shí)現(xiàn)AGI的關(guān)鍵路徑之一，世界模型融合物理理解、推理、規(guī)劃與持久記憶能力。具身智能：圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，最終擊敗李世石。在全領(lǐng)域擁有超越人類能力的智能）：基于量子力學(xué)原理設(shè)計(jì)的新型計(jì)算模型，將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)架構(gòu)與量子計(jì)算技術(shù)相結(jié)合。核心機(jī)制通過(guò)引入量子門避免量子比特的過(guò)早坍縮，提升計(jì)算效率。）：通過(guò)逆向工程復(fù)制生物大腦的認(rèn)知功能。包含神經(jīng)符號(hào)系統(tǒng)融合和意識(shí)連續(xù)性測(cè)試等技術(shù)體系。遞歸自我改進(jìn)（RSI）：在無(wú)人工干預(yù)下，自主增強(qiáng)自身能力。包含元學(xué)習(xí)控制器、代碼自主修改和目標(biāo)函數(shù)進(jìn)化等技術(shù)路徑。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。6?2025.9ZDInsights6多領(lǐng)域日益復(fù)雜問(wèn)題的系統(tǒng)。.Meta界、具備推理規(guī)劃能力、擁有持久記憶并服從目標(biāo)導(dǎo)向的智能形式。體但可以控制與其連接的任何機(jī)器人，訓(xùn)練資源可以重新部提出，真正的AGI需要證明“該系統(tǒng)能做到歷史上最優(yōu)秀的人類用相同大腦架構(gòu)做到的事情。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。7?2025.9ZDInsights7.-.資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。8?2025.9ZDInsights89?2025.9ZDInsights92025年全球人工智能全景圖譜包含應(yīng)用硬件層、模型層以及詳實(shí)的參考信息。66876779798注：數(shù)字代表圖譜所涉及的企業(yè)、產(chǎn)品應(yīng)用或模型數(shù)量。資料來(lái)源：至頂智庫(kù)整理繪制。?2025.9ZDInsights工業(yè)智能體編程智能體工業(yè)智能體編程智能體金融智能體營(yíng)銷智能體醫(yī)療智能體wn.dsiE賽意制造業(yè)人事智能助理通用智能體通用智能體辦公智能體辦公智能體BBxayer 客服智能體 客服智能體資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights國(guó)外國(guó)外Bricklayer?oppooppo國(guó)內(nèi)阿里云百煉騰訊元器騰訊云智能體應(yīng)用開(kāi)發(fā)平臺(tái)開(kāi)發(fā)平臺(tái)“百寶箱”智能體訊飛星辰智能體平臺(tái)國(guó)外Metaosiri國(guó)內(nèi)國(guó)內(nèi)訊飛星火超級(jí)小愛(ài)資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsightsAI錄音設(shè)備AI錄音設(shè)備智能汽車 西聯(lián)想nuwvea 具身智能nDianDiaQMiku""VERSE與it""VERSE訊飛智文訊飛智文資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsightsrr訊飛寫(xiě)作Effie寫(xiě)作Effie寫(xiě)作picsarpicsar像素蛋糕像素蛋糕ZB騰訊智影資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsightsG視頻模型視頻模型GrunwayGrunway豆包·視頻生成模型混元視頻生成模型可靈2.0視頻生成模型語(yǔ)音模型語(yǔ)音模型GG豆包·實(shí)時(shí)語(yǔ)音模型資料來(lái)源：主要體現(xiàn)2024年10月以來(lái)推出的各類模型，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights訊飛星火X1階躍AI資料來(lái)源：主要體現(xiàn)2024年10月以來(lái)推出的各類模型，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights envnaAIAI計(jì)算集群資料來(lái)源：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights端到端語(yǔ)音（開(kāi)源）端到端語(yǔ)音（開(kāi)源）GG01-Live圖視頻生成模型 視頻生成模型 G豆包·音樂(lè)模型豆包·音樂(lè)模型視覺(jué)理解模型基礎(chǔ)語(yǔ)言大模型視覺(jué)多模態(tài)大模型基礎(chǔ)語(yǔ)言大模型視覺(jué)多模態(tài)大模型視覺(jué)語(yǔ)言模型G視頻生成模型機(jī)器人基礎(chǔ)模型（開(kāi)源）（開(kāi)源）視頻生成模型資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights視覺(jué)語(yǔ)言模型視覺(jué)語(yǔ)言模型G 豆包·視覺(jué)理解模型（開(kāi)源）聯(lián)想法律智能體（開(kāi)源）聯(lián)想法律智能體視頻生成模型視頻生成模型G天禧個(gè)人超級(jí)智能體樂(lè)享企業(yè)超級(jí)智能體城市超級(jí)智能體視頻生成模型視頻生成模型G代碼嵌入模型代碼嵌入模型代碼生成模型代碼生成模型豆包·視頻生成模型豆包·實(shí)時(shí)語(yǔ)音模型豆包·視頻生成模型豆包·實(shí)時(shí)語(yǔ)音模型（開(kāi)源）視頻生成模型視覺(jué)深度推理模型端到端語(yǔ)音通話模型語(yǔ)音表征模型資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsightsGGG（開(kāi)源）豆包·同聲傳譯模型 G豆包·圖像編輯豆包·圖像編輯騰訊地圖旅游規(guī)劃騰訊地圖旅游規(guī)劃語(yǔ)音生成模型視頻生成模型語(yǔ)音生成模型視頻生成模型視頻生成模型視頻生成模型（開(kāi)源）視覺(jué)智能體（開(kāi)源）視覺(jué)智能體文GG文GG豆包·圖像創(chuàng)作模型資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。強(qiáng)化學(xué)習(xí)開(kāi)源生態(tài)強(qiáng)化學(xué)習(xí)開(kāi)源生態(tài)推理模型算力基建?2025.9ZDInsights美元構(gòu)建AI基礎(chǔ)設(shè)施，為大規(guī)模AI模型訓(xùn)練和推理提供算力基礎(chǔ)。四是開(kāi)源生態(tài)的廣泛構(gòu)建與繁榮共享。AI計(jì)算集群AI計(jì)算集群AI服務(wù)器資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights情境記憶形成動(dòng)態(tài)調(diào)整機(jī)制，并借助自一致性校驗(yàn)確保邏輯一致性。在訓(xùn)練層面，采用監(jiān)督微調(diào)（SFT）與基思維樹(shù)思維鏈提示推理與行動(dòng)策略優(yōu)化情景記憶代理情景記憶代理?2025.9ZDInsights動(dòng)態(tài)聚合與信息重組，為更復(fù)雜的非線性推理問(wèn)題提供更優(yōu)的解決思未評(píng)分正向評(píng)分負(fù)向評(píng)分聚合投票機(jī)制聚合投票機(jī)制自我精煉輸出?2025.9ZDInsights25）：并降低計(jì)算資源開(kāi)銷。該機(jī)制實(shí)現(xiàn)在保持模型性能的同時(shí)，優(yōu)化推理效率，適用于大規(guī)模參數(shù)部署。近年來(lái)，?2025.9ZDInsights模型蒸餾是指大型復(fù)雜模型（教師模型）的知識(shí)遷移到小型高效模型（學(xué)生模型）的技術(shù)，其核心目標(biāo)是在保持模型性能的同時(shí)，顯著降低模型的計(jì)算復(fù)雜度和存儲(chǔ)需求，使模型更適合在資源受限的環(huán)境中部署。教師模型規(guī)模龐大，性能較高，但在計(jì)算和存儲(chǔ)資源上存在較大壓力；學(xué)生模型結(jié)構(gòu)較為簡(jiǎn)單，通過(guò)模仿教師模型輸出的軟標(biāo)簽（概率分布）學(xué)習(xí)其知識(shí)和表示能力，軟標(biāo)簽包含類別間相似性和內(nèi)在關(guān)系的更多信息，蒸餾技術(shù)，用以在保持性能的同時(shí)提升效率，推動(dòng)輕量化模型的發(fā)展和普及。模型蒸餾的原理與機(jī)制教師模型資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights當(dāng)前，主流大模型利用強(qiáng)化學(xué)習(xí)技術(shù)進(jìn)一步提效。強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的核心技術(shù)之過(guò)執(zhí)行動(dòng)作來(lái)影響環(huán)境，并根據(jù)環(huán)境反饋的獎(jiǎng)勵(lì)智能體智能體初始狀態(tài)行動(dòng)策略初始狀態(tài)行動(dòng)策略下一狀態(tài)下一狀態(tài)獎(jiǎng)勵(lì)環(huán)境獎(jiǎng)勵(lì)環(huán)境模型模型企業(yè)強(qiáng)化學(xué)習(xí)方法deepseekAliOMeta?2025.9ZDInsights2.5傳統(tǒng)與簡(jiǎn)化強(qiáng)化學(xué)習(xí)成為大模型提效“雙渦輪”主流大模型在后訓(xùn)練階段采用的強(qiáng)化學(xué)習(xí)方法主要包含兩類。一類是傳統(tǒng)強(qiáng)化學(xué)習(xí)方法如人類反饋強(qiáng)化學(xué)習(xí)大模型可突破單一預(yù)設(shè)答案的局限，動(dòng)態(tài)適配不同偏好，生成結(jié)構(gòu)合理、契合上下文且更具創(chuàng)造性與高質(zhì)量獎(jiǎng)勵(lì)模型訓(xùn)練在微調(diào)之前，訓(xùn)練一個(gè)獎(jiǎng)勵(lì)模型（或獎(jiǎng)勵(lì)函數(shù)）在微調(diào)之前，訓(xùn)練一個(gè)獎(jiǎng)勵(lì)模型（或獎(jiǎng)勵(lì)函數(shù)）近似人類偏好并評(píng)估不同的LLM輸出。偏好微調(diào)在每次微調(diào)迭代期間，LLM會(huì)為給定指令生成多個(gè)響應(yīng)，每個(gè)響應(yīng)都使用訓(xùn)練完成的獎(jiǎng)勵(lì)模型進(jìn)行評(píng)分。策略優(yōu)化使用RL優(yōu)化技術(shù)，根據(jù)偏好分?jǐn)?shù)更新模型的權(quán)重，從而改進(jìn)在每次微調(diào)迭代期間，LLM會(huì)為給定指令生成多個(gè)響應(yīng)，每個(gè)響應(yīng)都使用訓(xùn)練完成的獎(jiǎng)勵(lì)模型進(jìn)行評(píng)分。策略優(yōu)化使用RL優(yōu)化技術(shù)，根據(jù)偏好分?jǐn)?shù)更新模型的權(quán)重，從而改進(jìn)響應(yīng)生成。?讓人類標(biāo)注員對(duì)LLM的多個(gè)響應(yīng)排序，用排序結(jié)果訓(xùn)練獎(jiǎng)勵(lì)模型，再基于獎(jiǎng)勵(lì)模型用RL優(yōu)化LLM，核心是“直接對(duì)齊人類主觀偏好”。?用能力較強(qiáng)的AI模型替代人類標(biāo)注員生成反饋，訓(xùn)練獎(jiǎng)勵(lì)模型并優(yōu)化目標(biāo)LLM，解決“人類標(biāo)注成本高、效率低”的問(wèn)題。?在DPO基礎(chǔ)上加入“獎(jiǎng)勵(lì)機(jī)制”，既能保留無(wú)獎(jiǎng)勵(lì)模型的簡(jiǎn)潔性，又能通過(guò)感知潛在獎(jiǎng)勵(lì)信號(hào)進(jìn)一步提升LLM輸出的質(zhì)量與一致性，兼顧穩(wěn)定與性能。?無(wú)需訓(xùn)練獨(dú)立獎(jiǎng)勵(lì)模型，直接用人類或AI的偏好數(shù)據(jù)構(gòu)建損失函數(shù)，通過(guò)梯度下降直接優(yōu)化LLM策略，流程簡(jiǎn)化且計(jì)算成本低。?核心目標(biāo)是讓模型輸出符合人類偏好。?2025.9ZDInsights術(shù)直接決定模型迭代更新速度。當(dāng)前，國(guó)際主流芯片廠商正圍繞高性能計(jì)算、低精度格式和系統(tǒng)級(jí)優(yōu)化展開(kāi)?適用于大規(guī)模推理AI場(chǎng)具有2080億個(gè)晶體管，GPU實(shí)現(xiàn)新突破，支持GB300系統(tǒng)計(jì)算能力是能大幅提升，推動(dòng)實(shí)現(xiàn)收益最大化。倍，密集FP4浮點(diǎn)運(yùn)算?算力上每個(gè)單獨(dú)的芯片耗效率上實(shí)現(xiàn)2倍提升，?Google迄今為止性能最強(qiáng)、可擴(kuò)展性最高的定制AI加速器，首款專為推理設(shè)計(jì)的加速器。端口更少。每瓦性能最多可提升50將成本延遲大幅降低；規(guī)模部署復(fù)雜模型。?專為以高性能訓(xùn)練大參數(shù)基礎(chǔ)模型和大語(yǔ)言模型構(gòu)建。成式人工智能構(gòu)建，于訓(xùn)練部署數(shù)千億至數(shù)萬(wàn)億參數(shù)的模型。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights理和輕量化訓(xùn)練場(chǎng)景中率先實(shí)現(xiàn)規(guī)?；涞?。與國(guó)外追求絕對(duì)算力峰值不同，國(guó)內(nèi)企業(yè)更注重架構(gòu)自主與性能優(yōu)化，并通過(guò)軟硬件垂直整合和性價(jià)比優(yōu)勢(shì)搶占市場(chǎng)?？傮w而言，國(guó)內(nèi)AI芯片盡管受到外部環(huán)境制約，但目前已取得顯著進(jìn)展。長(zhǎng)遠(yuǎn)來(lái)看，先進(jìn)制程、軟件生態(tài)、硬件穩(wěn)定性以及基礎(chǔ)架構(gòu)原創(chuàng)性仍將是未來(lái)需要持?顯存規(guī)格優(yōu)于同類主流更加友好，率先支持8bit推理，單機(jī)8卡即可運(yùn)行671B模型；可較好支撐?采用完全由昆侖芯自研的訓(xùn)練和推理任務(wù)的快速適起同類產(chǎn)品以更低成本實(shí)現(xiàn)更高良率、更快的量產(chǎn)矩陣級(jí)的資源供給模式轉(zhuǎn)大模型打造的訓(xùn)推一體通?可實(shí)現(xiàn)多卡互聯(lián)及千卡集群部署，為千億參數(shù)大模型的訓(xùn)練、微調(diào)和推理提供強(qiáng)勁算力支撐，兼具先?基于沐曦自主知識(shí)產(chǎn)權(quán)核計(jì)、制造到封裝測(cè)試的全流程國(guó)產(chǎn)供應(yīng)鏈閉環(huán)，集成大容量存儲(chǔ)與多精度混?滿足下一代生成式AI的訓(xùn)內(nèi)首創(chuàng)原生FP8低精度算資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights近年來(lái)，國(guó)內(nèi)外主要云廠商的資本開(kāi)支呈現(xiàn)出持續(xù)攀升態(tài)勢(shì)。放眼海外，美國(guó)頭部云廠商投資支出持續(xù)增加，國(guó)內(nèi)頭部云廠商投資持續(xù)加碼，投資目標(biāo)已從傳統(tǒng)數(shù)據(jù)中心轉(zhuǎn)向智算中心。阿里巴巴、騰訊、百度20數(shù)據(jù)來(lái)源：各企業(yè)財(cái)報(bào)，WSJ，2025年資本開(kāi)支為中金預(yù)測(cè)，至頂智庫(kù)整理繪制。數(shù)據(jù)來(lái)源：各企業(yè)財(cái)報(bào)，WSJ，至頂智庫(kù)整理繪制。?2025.9ZDInsights通過(guò)大規(guī)模投資和技術(shù)創(chuàng)新，不斷鞏固其在全球人工智能領(lǐng)域的領(lǐng)先地位。此外，美國(guó)算力領(lǐng)域的投資參與動(dòng)“Stargate”AI基建項(xiàng)目。該項(xiàng)目位于得克薩斯州，迄今累計(jì)投入已達(dá)1000億美元，以實(shí)現(xiàn)AI分布式訓(xùn)練的目標(biāo)。資90億美元，用于俄克拉何馬州的云和人工智能基礎(chǔ)設(shè)施。服務(wù)于新數(shù)據(jù)中心園區(qū)建設(shè)與現(xiàn)有設(shè)施擴(kuò)建。步擴(kuò)展Meta的AI基礎(chǔ)設(shè)施，支持更復(fù)雜的模型訓(xùn)練和推理任務(wù)。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights超節(jié)點(diǎn)是一種通過(guò)單節(jié)點(diǎn)內(nèi)增加芯片數(shù)量，具備超高互聯(lián)帶寬、縱向擴(kuò)展與集成化等優(yōu)勢(shì)的方案，在性能、成本、組網(wǎng)、運(yùn)維等方面表現(xiàn)突出。超節(jié)點(diǎn)能夠提供超高互聯(lián)帶寬與超低通信時(shí)延，有效支撐并行計(jì)算任務(wù)，實(shí)現(xiàn)單機(jī)內(nèi)運(yùn)行超萬(wàn)億參數(shù)大模型，并支持領(lǐng)先大模型機(jī)內(nèi)同時(shí)運(yùn)行及多智能體實(shí)時(shí)協(xié)作與按需調(diào)用；昆侖芯發(fā)布的超節(jié)點(diǎn)方案通過(guò)硬件創(chuàng)新提升全互聯(lián)通信帶寬，支持IB/ROE跨域低延遲傳輸，助力萬(wàn)卡級(jí)智算集群超節(jié)點(diǎn)特征超節(jié)點(diǎn)案例昆侖芯超節(jié)點(diǎn)超節(jié)點(diǎn)特征超節(jié)點(diǎn)案例昆侖芯超節(jié)點(diǎn) 超高帶寬互聯(lián)，極致低通從數(shù)千服務(wù)器集群到若干超高帶寬互聯(lián)，極致低通從數(shù)千服務(wù)器集群到若干?該產(chǎn)品基于超節(jié)點(diǎn)架構(gòu)，跨節(jié)點(diǎn)?通過(guò)系統(tǒng)工程優(yōu)化，實(shí)現(xiàn)資源高效調(diào)度，更好滿足模型訓(xùn)練和推理對(duì)低時(shí)延、大帶寬、長(zhǎng)穩(wěn)可靠節(jié)點(diǎn)服務(wù)器，采用創(chuàng)新的多主機(jī)低延遲內(nèi)存語(yǔ)義通信架映射技術(shù)，突破多主機(jī)統(tǒng)一優(yōu)化提升提供全棧解決方案；?通過(guò)硬件架構(gòu)創(chuàng)新，該產(chǎn)品高帶寬、低延遲數(shù)據(jù)傳輸，支持萬(wàn)卡以上規(guī)模的智算集資料來(lái)源：華為、浪潮信息、昆侖芯、至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights產(chǎn)業(yè)真正實(shí)現(xiàn)普惠共享。構(gòu)建生態(tài)飛輪形成良性循環(huán)推動(dòng)技術(shù)普惠分享智能紅利企業(yè)通過(guò)開(kāi)放源代碼，吸引開(kāi)發(fā)者優(yōu)構(gòu)建生態(tài)飛輪形成良性循環(huán)推動(dòng)技術(shù)普惠分享智能紅利企業(yè)通過(guò)開(kāi)放源代碼，吸引開(kāi)發(fā)者優(yōu)化貢獻(xiàn)，從而使得技術(shù)迭代加速，吸引更多參與者，最終使生態(tài)逐步完善。模型開(kāi)源降低研發(fā)門檻，促進(jìn)Al技術(shù)民主化，利于打破應(yīng)用壁壘，使中小企業(yè)共享智能紅利，以更低成本參與AGI研發(fā)，從而加速技術(shù)更迭。挑戰(zhàn)閉源霸權(quán)重構(gòu)全球生態(tài)打破算力壟斷助力產(chǎn)業(yè)升級(jí)模型開(kāi)源能夠幫助企業(yè)應(yīng)對(duì)算力封鎖、技術(shù)壟斷等挑戰(zhàn)，通過(guò)模型、權(quán)重、推理邏輯的全面開(kāi)放，企業(yè)得以加速實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型，提升生態(tài)競(jìng)爭(zhēng)力。中國(guó)開(kāi)源模式挑戰(zhàn)美國(guó)閉源霸權(quán)，避免AGI技術(shù)壟斷，使各國(guó)基于各自優(yōu)勢(shì)的差異化競(jìng)爭(zhēng)，形成互補(bǔ)共生的全球格局。G資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。3.智能體技術(shù)及應(yīng)用進(jìn)展3.智能體技術(shù)及應(yīng)用進(jìn)展智能體技術(shù)架構(gòu)智能體技術(shù)架構(gòu)行業(yè)智能體智能體特征智能體特征通用智能體企業(yè)智能體?2025.9ZDInsights對(duì)環(huán)境的實(shí)時(shí)感知，并通過(guò)自主規(guī)劃與調(diào)用工具完成復(fù)雜目標(biāo)。智能體具備記憶、自主規(guī)劃、工具調(diào)用與自記憶、工具使用等方面均實(shí)現(xiàn)突破，憑借其特有的自主感知與規(guī)劃執(zhí)行能力，實(shí)現(xiàn)從智能助理被動(dòng)調(diào)用單一短期記憶長(zhǎng)記憶工具規(guī)劃代碼解釋器工具規(guī)劃…執(zhí)行智能體自主感知、規(guī)劃并達(dá)成長(zhǎng)期目標(biāo)智能體自主感知、規(guī)劃并達(dá)成長(zhǎng)期目標(biāo)多模態(tài)感知+連續(xù)行動(dòng)+環(huán)境交互開(kāi)放、復(fù)雜、跨系統(tǒng)任務(wù)鏈高度自主、可主動(dòng)規(guī)劃、反思、糾錯(cuò)跨對(duì)話、跨任務(wù)長(zhǎng)期記憶任意工具組合（瀏覽器、數(shù)據(jù)庫(kù)、物理設(shè)備）個(gè)人/企業(yè)/政府主要目標(biāo)交互方式主要目標(biāo)交互方式任務(wù)范圍記憶能力工具使用用戶群體多輪對(duì)話+輕量級(jí)工具調(diào)用相對(duì)封閉、短期任務(wù)有限自主，需用戶確認(rèn)用戶長(zhǎng)期記憶（偏好、歷史）調(diào)用API與本地應(yīng)用個(gè)人資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights智能體的技術(shù)架構(gòu)主要由感知、認(rèn)知與執(zhí)行三大模塊組成。其中，感知模塊負(fù)責(zé)處理環(huán)境感知，接收用戶輸入、外部數(shù)據(jù)以及動(dòng)態(tài)反饋等一系列信息并進(jìn)行解析；認(rèn)知模塊分為情感、獎(jiǎng)勵(lì)、記憶、目標(biāo)與世界模型五個(gè)部分，作為智能體的認(rèn)知基礎(chǔ)，與執(zhí)行模塊協(xié)同運(yùn)轉(zhuǎn)，使智能體能夠完成“感知—規(guī)劃—工具調(diào)用—行結(jié)構(gòu)化推理過(guò)程結(jié)構(gòu)化推理過(guò)程輸出輸入觀察輸入環(huán)境感知輸出輸入觀察輸入環(huán)境感知心理狀態(tài)空間輸入輸出用戶/智能體心理狀態(tài)空間輸入輸出用戶/智能體環(huán)境狀態(tài)空間與狀態(tài)轉(zhuǎn)換函數(shù)智能體世界反饋傳遞物理世界環(huán)境狀態(tài)空間與狀態(tài)轉(zhuǎn)換函數(shù)智能體世界反饋傳遞物理世界世界保留過(guò)程檢索過(guò)程執(zhí)行行動(dòng)原始數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)執(zhí)行輸出世界保留過(guò)程檢索過(guò)程執(zhí)行行動(dòng)原始數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)執(zhí)行輸出?2025.9ZDInsights索子智能體及任務(wù)完成模塊協(xié)同完成研究工作。主導(dǎo)智能體可調(diào)用搜索子智能體執(zhí)行多方向檢索，并調(diào)度引證子智能體插入文獻(xiàn)引用，以增強(qiáng)信息可信度。記憶模塊在整個(gè)研究過(guò)程中持續(xù)存儲(chǔ)并更新?tīng)顟B(tài)，保持上下文的連貫性與一致性。用戶請(qǐng)求在系統(tǒng)內(nèi)部分配，經(jīng)由多個(gè)子智能體并行探索與引用增強(qiáng)后，生成最終報(bào)告主導(dǎo)智能體記憶模塊引證子智能體記憶模塊塊+運(yùn)行子智能體+任務(wù)完成模塊搜索子智能體搜索子智能體搜索子智能體?2025.9ZDInsights課程設(shè)計(jì)課程設(shè)計(jì)學(xué)習(xí)建議知識(shí)專家通用智能體已廣泛覆蓋生產(chǎn)生活的多個(gè)場(chǎng)景。既涵蓋數(shù)據(jù)分析、教育、研究、編程、生產(chǎn)力等多元任務(wù)板塊，提升日常辦公效率；又滲透攻略計(jì)劃制定、內(nèi)容創(chuàng)作、生活助手等個(gè)性化場(chǎng)景，為用戶提供精準(zhǔn)決策建議，投資分析市場(chǎng)分析數(shù)據(jù)可視化深度研究行業(yè)分析文獻(xiàn)綜述深度研究行業(yè)分析文獻(xiàn)綜述旅游安排團(tuán)建策劃教育攻略計(jì)劃攻略計(jì)劃數(shù)據(jù)分析Q文件處理文章排版數(shù)據(jù)分析Q文件處理文章排版會(huì)議紀(jì)要生產(chǎn)力創(chuàng)作研究智能播客繪畫(huà)大師腳本生成寫(xiě)作助手應(yīng)用設(shè)計(jì)游戲開(kāi)發(fā)編程生活應(yīng)用設(shè)計(jì)游戲開(kāi)發(fā)商品對(duì)比健康助手財(cái)務(wù)管家裝修指南最后以一份報(bào)告的形式，將預(yù)約的時(shí)間、地點(diǎn)等結(jié)果呈現(xiàn)供用戶了解用戶需求，在舊金山找一家評(píng)分高的壽司選擇一個(gè)空閑的晚上預(yù)戶偏好方面的評(píng)價(jià)與信進(jìn)行用餐預(yù)約，并將預(yù)約事項(xiàng)添加到用戶的資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights當(dāng)前，行業(yè)智能體應(yīng)用領(lǐng)域持續(xù)拓寬，場(chǎng)景創(chuàng)新不斷深化。智能體憑借“環(huán)境感知—自主決策—?jiǎng)討B(tài)執(zhí)行”新服務(wù)模式。在金融領(lǐng)域，智能體根據(jù)金融機(jī)構(gòu)的獨(dú)特需求和長(zhǎng)尾業(yè)務(wù)進(jìn)行深度定制，具有高度的針對(duì)性和專業(yè)性；在工業(yè)領(lǐng)域，智能體成為支持行業(yè)發(fā)展的“數(shù)字大腦”，推動(dòng)新型工業(yè)化的核心引擎；在教育領(lǐng)域，政務(wù)領(lǐng)域，中國(guó)移動(dòng)旗下移動(dòng)云發(fā)布的政務(wù)智能體集通用問(wèn)答政務(wù)領(lǐng)域，中國(guó)移動(dòng)旗下移動(dòng)云發(fā)布的政務(wù)智能體集通用問(wèn)答、事項(xiàng)指引、個(gè)性定制、熱點(diǎn)報(bào)告四大功能于一體。可對(duì)用戶提問(wèn)“秒回”并提供可視化指引，推動(dòng)基層政務(wù)平臺(tái)減負(fù)。教育領(lǐng)域，科大訊飛發(fā)布的星火教師助手具備對(duì)話、教學(xué)設(shè)計(jì)等多個(gè)模塊，推動(dòng)教師教學(xué)創(chuàng)新、提高思維能力。教師僅需語(yǔ)音下達(dá)指令，系統(tǒng)便能迅速結(jié)合班級(jí)數(shù)據(jù)診斷班級(jí)學(xué)情。法律領(lǐng)域，聯(lián)想聯(lián)合圖靈法思共同發(fā)布的聯(lián)想法思AI律師助手包含爭(zhēng)議解決、法務(wù)咨詢等八大功能，提高法務(wù)處理效率。用戶將案件材料上傳后，助手會(huì)自動(dòng)梳理案情、整理要素。診斷性但耗時(shí)的任務(wù)，包括預(yù)約準(zhǔn)備、術(shù)前術(shù)后電話溝通等。其也可根據(jù)用戶需求提供入院、服務(wù)設(shè)施等信息。工業(yè)領(lǐng)域，西門子發(fā)布計(jì)、規(guī)劃、工程等五大功能，可獨(dú)立執(zhí)行完整工業(yè)工作流程。設(shè)計(jì)工程師可借助其處理復(fù)雜任務(wù)。政務(wù)教政務(wù)教育電信電信工業(yè)工業(yè)Miner智能體包含智能規(guī)劃、數(shù)據(jù)連接、預(yù)置知識(shí)、報(bào)告生成等核心功能，助力企業(yè)即時(shí)獲取、整理、分析、洞察數(shù)據(jù)，提升工作效率，推動(dòng)數(shù)據(jù)向精準(zhǔn)決策轉(zhuǎn)化。金融領(lǐng)域，容聯(lián)云容犀Copilot&Agent，其七個(gè)業(yè)務(wù)智能體覆蓋智能質(zhì)檢、知識(shí)管理、坐席輔助與業(yè)務(wù)分析等核心場(chǎng)景，實(shí)現(xiàn)營(yíng)銷-銷售-客服-運(yùn)營(yíng)全鏈路提質(zhì)增效。法律營(yíng)銷金融醫(yī)療資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights企業(yè)智能體具備任務(wù)處理能力，作為具備自主決策能力的“數(shù)字員工”，為企業(yè)級(jí)用戶提供多樣化解決方案。一方面，不同行業(yè)先后涌現(xiàn)出適配自身工作流的智能體解決方案。在制造業(yè)中，企業(yè)智能體助力優(yōu)化生產(chǎn)流程；在互聯(lián)網(wǎng)行業(yè)中，企業(yè)智能體可被用于前期產(chǎn)品研發(fā)并協(xié)助銷售服務(wù)。另一方面，企業(yè)內(nèi)部辦公場(chǎng)景中，智能體可作為企業(yè)后臺(tái)支持部門的智能助手，協(xié)助處理日常行政、人力資源、財(cái)務(wù)管理等工作，幫助企業(yè)降本增效。企業(yè)智能體展現(xiàn)出廣泛應(yīng)用價(jià)值，正成為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略決策數(shù)據(jù)分析智能體制造流程采購(gòu)供應(yīng)鏈智能體物流運(yùn)輸采購(gòu)供應(yīng)鏈智能體物流運(yùn)輸供應(yīng)鏈智能體設(shè)備智能體制造智能體設(shè)備智能體制造智能體品控智能體前期規(guī)劃產(chǎn)品研發(fā)研發(fā)智能體前期規(guī)劃產(chǎn)品研發(fā)研發(fā)智能體銷售智能體行業(yè)洞察智能體客服智能體實(shí)施部署交付驗(yàn)收非制造流程郵件管理智能體員工培訓(xùn)智能體郵件管理智能體員工培訓(xùn)智能體會(huì)議紀(jì)要智能體文檔生成智能體差旅管理智能體后臺(tái)支持法務(wù)智能體資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights序的開(kāi)發(fā)和集成變得更加簡(jiǎn)單，使得開(kāi)發(fā)者能夠以一致的方式將各種數(shù)據(jù)源、工具和功能鏈接到AI模型，為特定API接口特定API接口特定API接口本地文件網(wǎng)頁(yè)服務(wù)數(shù)據(jù)庫(kù)本地文件網(wǎng)頁(yè)服務(wù)三個(gè)核心組件協(xié)同運(yùn)作，實(shí)現(xiàn)AI應(yīng)用與外部工具和數(shù)據(jù)特定API接口特定API接口網(wǎng)頁(yè)服務(wù)數(shù)據(jù)庫(kù)本地文件資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights協(xié)議可在無(wú)需框架或供應(yīng)商的情況下實(shí)現(xiàn)智能體在不同生態(tài)系統(tǒng)間的協(xié)作，由此推動(dòng)智能體在更廣泛場(chǎng)景中資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights負(fù)責(zé)提供命令行交互體驗(yàn)。上下文管理負(fù)責(zé)提供命令行交互體驗(yàn)。上下文管理“記憶”，負(fù)責(zé)收集和組織代碼相關(guān)信息。由項(xiàng)目結(jié)構(gòu)、代碼內(nèi)容，版本控制和配置信息實(shí)現(xiàn)。工具系統(tǒng)“手腳”，使之實(shí)現(xiàn)與外部環(huán)境交互。系統(tǒng)內(nèi)有文件工具、執(zhí)行工具，分析工具和元工具。核心引擎核心引擎“大腦”，負(fù)責(zé)協(xié)調(diào)各組件工作，由消息系統(tǒng)、查詢引擎、工具調(diào)度器構(gòu)成。輸出渲染器負(fù)責(zé)格式化并展示AI響應(yīng)和工具執(zhí)行結(jié)果。輸入處理器負(fù)責(zé)解析用戶指令，支持多種輸入模式（自然語(yǔ)言、命令、代碼等）。碼庫(kù)，智能搜索可實(shí)現(xiàn)無(wú)需手動(dòng)選擇文本亦能理解項(xiàng)目結(jié)構(gòu)與上下文關(guān)系。閱讀問(wèn)題、編寫(xiě)代碼、運(yùn)行測(cè)試到提交PR的完整工庫(kù)與上下文關(guān)系的深度理解高效執(zhí)行真正可用的多資料來(lái)源：Anthropic，至頂智庫(kù)結(jié)合公開(kāi)資料?2025.9ZDInsights明略科技作為數(shù)據(jù)智能應(yīng)用軟件提供商，為企業(yè)用戶提供以數(shù)據(jù)分析為核心的產(chǎn)品服務(wù)。以明略大模型秒針系統(tǒng)、金數(shù)據(jù)、微伴助手，以及明智會(huì)話、明奇科技、明勝品智在內(nèi)的全棧智能化產(chǎn)品及解決方案?；悄芤?guī)劃、數(shù)據(jù)連接、預(yù)置知識(shí)和報(bào)告生成等多種功能。明略科技相關(guān)產(chǎn)品協(xié)同發(fā)力，旨在推動(dòng)全球企業(yè)加速智能化轉(zhuǎn)型進(jìn)程。數(shù)據(jù)轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)化文件提出研究任務(wù)獲取數(shù)據(jù)數(shù)據(jù)轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)化文件提出研究任務(wù)獲取數(shù)據(jù)明智會(huì)話愛(ài)投明奇科技形成報(bào)告數(shù)據(jù)可視化分析數(shù)據(jù)明奇科技秒針系統(tǒng)金數(shù)據(jù)明勝品智微伴助手資料來(lái)源：明略科技，至頂智庫(kù)整理繪制。4.智能硬件及4.智能硬件及AI應(yīng)用進(jìn)展AIPC?2025.9ZDInsights重優(yōu)勢(shì)：硬件層面，夸克AI眼鏡進(jìn)行系統(tǒng)重構(gòu)，采用雙芯雙系統(tǒng)設(shè)計(jì)；AI能力音指令到自然對(duì)話系統(tǒng)的跨越；生態(tài)整合層面，夸克AI眼鏡深度融合阿里及支付寶生態(tài)，為用戶帶來(lái)更智能、品牌及產(chǎn)品品牌及產(chǎn)品AI功能計(jì)算平臺(tái)續(xù)航能力小米AI眼鏡夸克AI眼鏡AI助手、拍攝、音樂(lè)播放、免提通信、翻譯AI助手、拍攝、語(yǔ)音通話、支付AI助手、拍攝、音樂(lè)播放、語(yǔ)音通話、出行提醒、導(dǎo)航、支付、購(gòu)物、翻譯、提詞AI助手、拍攝、音樂(lè)播放、導(dǎo)航、翻譯AI助手、拍攝、音樂(lè)播放、導(dǎo)航、翻譯、提詞AI助手、拍攝、導(dǎo)航、翻譯、購(gòu)物、社交耗處理芯片功耗協(xié)處理器紫光展銳穿戴式芯片典型續(xù)航4h3h音樂(lè)播放4h連續(xù)藍(lán)牙電話典型續(xù)航3h資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。AIAI眼鏡功能AI眼鏡功能時(shí)環(huán)境獲取一系列建議和解時(shí)環(huán)境獲取一系列建議和解拍攝：按下捕獲按鈕或說(shuō)攝超高質(zhì)量的照片和視頻。音樂(lè)：內(nèi)置藍(lán)牙揚(yáng)聲器與麥克風(fēng)提供音頻播放與捕捉服免提通信：通過(guò)AI眼鏡實(shí)現(xiàn)文本發(fā)送、語(yǔ)音及視頻通話翻譯：提供法語(yǔ)、意大利語(yǔ)、西班牙語(yǔ)和英語(yǔ)的實(shí)時(shí)翻譯AI助手：基于夸克多模態(tài)大模型，實(shí)現(xiàn)百億級(jí)圖片檢索與專增強(qiáng)模式優(yōu)化夜景拍攝效果，AI算法實(shí)現(xiàn)超幀邊分，高性能導(dǎo)航：通過(guò)導(dǎo)航軟件隨時(shí)隨地定制近眼顯示導(dǎo)航系統(tǒng)。支付：通過(guò)眼鏡掃碼與聲紋識(shí)別實(shí)現(xiàn)安全支付。出行提醒：夸克眼鏡聯(lián)合飛豬旅行等應(yīng)用，綁定用戶行程，時(shí)刻提醒出行計(jì)劃。購(gòu)物：夸克眼鏡聯(lián)合拍立淘，實(shí)現(xiàn)海量商品搜索與比價(jià)。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights信息反饋；小米的自動(dòng)導(dǎo)航通過(guò)提取消息的地理位置并自動(dòng)發(fā)送至地圖實(shí)現(xiàn)導(dǎo)航。超級(jí)小愛(ài)超級(jí)小愛(ài)識(shí)圖問(wèn)答屏幕圈搜識(shí)圖問(wèn)答）：文檔問(wèn)答文檔問(wèn)答動(dòng)畫(huà)、插畫(huà)和涂鴉等風(fēng)格。可長(zhǎng)按相機(jī)按鈕拍攝物體圖片并提升自然語(yǔ)言處理能力，具備上下文理解能力及更自然的對(duì)話體資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights場(chǎng)景中的智能體驗(yàn)。同時(shí)，端側(cè)大模型+個(gè)人云的時(shí)，保障用戶的數(shù)據(jù)隱私。聯(lián)想現(xiàn)已形成覆蓋筆記本、臺(tái)式機(jī)、工作站與服務(wù)器的全方位產(chǎn)品矩陣，不斷豐供個(gè)性化智能服務(wù)，實(shí)現(xiàn)多模態(tài)自然語(yǔ)言交互、個(gè)人大模型部署以及本地知識(shí)庫(kù)搭建等一系列操作。針對(duì)法律行業(yè)痛點(diǎn)，聯(lián)想打造聯(lián)想法律智能體，該法律智能體共包含“爭(zhēng)議解決、法務(wù)咨詢、合規(guī)管理、合同管理、知識(shí)產(chǎn)權(quán)、公司治理、資源管AIPC在個(gè)人與公有兩方面與大模型深度融合，形成AIPC在個(gè)人與公有兩方面與大模型深度融合，形成助端側(cè)大模型部署+個(gè)人云方案成功化解“高性能、低成本、安全可靠”難以兼得的困境。端云協(xié)同AIPC在端側(cè)設(shè)備上實(shí)現(xiàn)大模型的部署與運(yùn)行，用戶可基于端側(cè)模型完成文檔的總結(jié)、撰寫(xiě)等一系列任務(wù)，充分保障數(shù)據(jù)隱私與離線可用性。資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。產(chǎn)品類型產(chǎn)品型號(hào)產(chǎn)品功能同時(shí)，天禧智能體全面血版大模型，在響應(yīng)速度、復(fù)雜指令執(zhí)行與跨端任務(wù)執(zhí)行等方面性能得到顯著優(yōu)化。為開(kāi)發(fā)者測(cè)試、微調(diào)或推理最新一代推理型服務(wù)器訓(xùn)練、大規(guī)模建模等場(chǎng)服務(wù)器資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights端到端自動(dòng)駕駛為高級(jí)別自動(dòng)駕駛發(fā)展提供全新的技術(shù)路徑?；诮y(tǒng)一的神經(jīng)網(wǎng)絡(luò)從傳感器數(shù)據(jù)輸入直接到控制指令輸出的連續(xù)學(xué)習(xí)與決策過(guò)程。核心技術(shù)主要體現(xiàn)在數(shù)據(jù)采集標(biāo)注、訓(xùn)練算法、模型設(shè)計(jì)訓(xùn)練、模型壓縮等方面。端到端自動(dòng)駕駛模型依賴數(shù)據(jù)閉環(huán)實(shí)現(xiàn)算法性能持續(xù)提升；訓(xùn)練算法旨在通過(guò)數(shù)據(jù)閉環(huán)建立原始傳感器輸入到駕駛規(guī)劃控制指令的映射，提高自動(dòng)駕駛系統(tǒng)性能和安全性；模型設(shè)計(jì)訓(xùn)練分為“分模塊模型”和“單模型架構(gòu)”兩種；模型壓縮主要包括模型剪枝、模型量化和編譯優(yōu)化，旨在降低網(wǎng)絡(luò)計(jì)算需求，提升車載計(jì)算平臺(tái)的運(yùn)行速度。數(shù)據(jù)采集標(biāo)注模型設(shè)計(jì)訓(xùn)練融合多模態(tài)大模型的數(shù)據(jù)采集標(biāo)注模型設(shè)計(jì)訓(xùn)練融合多模態(tài)大模型的端到端自動(dòng)駕駛分模塊“端到端”模型單模型“端到端”架構(gòu)單模型“端到端”架構(gòu)感感知預(yù)預(yù)測(cè)控控制模型壓縮技術(shù)典型訓(xùn)練算法保留參數(shù)被剪枝參數(shù)強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)不依賴于帶有駕駛操作標(biāo)簽的駕駛數(shù)據(jù)，通過(guò)車輛與環(huán)境的交互優(yōu)化和探索試錯(cuò)，逐步提升駕駛性能。監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)是對(duì)人類駕駛員示范數(shù)據(jù)的模仿，依托模型輸出和駕駛員決策控制量的差值對(duì)駕駛模型進(jìn)行迭代更新。模型剪枝模型量化模型壓縮技術(shù)典型訓(xùn)練算法保留參數(shù)被剪枝參數(shù)強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)不依賴于帶有駕駛操作標(biāo)簽的駕駛數(shù)據(jù)，通過(guò)車輛與環(huán)境的交互優(yōu)化和探索試錯(cuò)，逐步提升駕駛性能。監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)是對(duì)人類駕駛員示范數(shù)據(jù)的模仿，依托模型輸出和駕駛員決策控制量的差值對(duì)駕駛模型進(jìn)行迭代更新。模型剪枝模型量化編譯優(yōu)化校檢數(shù)據(jù)校檢數(shù)據(jù)資料來(lái)源：李升波，江昆等：汽車智能駕駛技術(shù)發(fā)展與趨勢(shì)展望，前瞻科技，至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。?2025.9ZDInsights接映射到控制輸出的完整閉環(huán)能力，不僅關(guān)注環(huán)境感知，也關(guān)注規(guī)劃與控制問(wèn)題?2025.9ZDInsights局限，實(shí)現(xiàn)從信息搜集到深度洞察的躍遷。深度研究由任務(wù)拆解、信息搜索、分析推理，交叉驗(yàn)證和結(jié)果輸出五個(gè)核心步驟構(gòu)成，可實(shí)現(xiàn)輸出結(jié)果的專業(yè)嚴(yán)謹(jǐn)。該功能正逐步成為現(xiàn)代知識(shí)工作者（如研究人員、分析師、驅(qū)動(dòng)復(fù)雜問(wèn)題解決與知識(shí)創(chuàng)新的關(guān)鍵應(yīng)用。1來(lái)源，權(quán)衡可1來(lái)源，權(quán)衡可靠性，保證結(jié)論嚴(yán)謹(jǐn)可信。任務(wù)拆解任務(wù)拆解 信息搜索分析推理交叉驗(yàn)證系統(tǒng)在相關(guān)平臺(tái)定位檢索高價(jià)值信息，基于時(shí)效性系統(tǒng)在相關(guān)平臺(tái)定位檢索高價(jià)值信息，基于時(shí)效性、可信度等多維標(biāo)準(zhǔn)過(guò)濾出高質(zhì)根據(jù)用戶需求生成格式規(guī)范的報(bào)告、論文、結(jié)論提供引用來(lái)源，確保成果專業(yè)可靠。運(yùn)用邏輯推理與知識(shí)圖譜技術(shù)，對(duì)已收集信息進(jìn)行深度分析和推導(dǎo)，并根據(jù)新信息繼續(xù)完善補(bǔ)充。 結(jié)果輸出5資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。1122細(xì)化拆解用戶指令在用戶發(fā)出生成描述汽車行業(yè)過(guò)去五年變化的報(bào)告并附帶表格的指令后，GPT-5進(jìn)一步細(xì)化拆分目標(biāo)任務(wù)要求并向用戶發(fā)出信息確認(rèn)請(qǐng)求。5生成標(biāo)準(zhǔn)化行業(yè)報(bào)告5在完成推理與驗(yàn)最終返回給用戶一份格式規(guī)范、詳實(shí)且兼具專業(yè)度的關(guān)于全球汽車行業(yè)過(guò)去五年變化的行業(yè)報(bào)告。威性等多重標(biāo)準(zhǔn)在國(guó)際能源署、愛(ài)立信、麥肯錫、益博睿等官方網(wǎng)站平臺(tái)搜集信息，整理編搜集整理高質(zhì)量信息?2025.9ZDInsights的解決方案。從全球格局來(lái)看，AI編程已進(jìn)入規(guī)?；瘧?yīng)用階段，國(guó)外以基礎(chǔ)模型創(chuàng)新和自主智能體開(kāi)發(fā)為主導(dǎo)，重視通用性與開(kāi)發(fā)者體驗(yàn)；而國(guó)內(nèi)重視工程化工具鏈整合，強(qiáng)調(diào)行業(yè)落地與本土化適配，形成差異化競(jìng)爭(zhēng)格局。從編程環(huán)節(jié)來(lái)看，基于大規(guī)模預(yù)訓(xùn)練模型的代碼生成系統(tǒng)能夠準(zhǔn)確理解開(kāi)發(fā)者意圖，完成從自然語(yǔ)言描述到可執(zhí)行代碼的轉(zhuǎn)換，同時(shí)支持多編程語(yǔ)言和復(fù)雜算法實(shí)現(xiàn)，可針對(duì)特定代碼庫(kù)提供優(yōu)化建議，實(shí)現(xiàn)代碼補(bǔ)全、錯(cuò)誤識(shí)別到代碼優(yōu)化的閉環(huán)。按部署方式劃分國(guó)外國(guó)內(nèi)獨(dú)立IDE/平臺(tái)型按部署方式劃分國(guó)外國(guó)內(nèi)獨(dú)立IDE/平臺(tái)型國(guó)外國(guó)內(nèi)插件/輔助集成型你通義靈碼按功能劃分代碼補(bǔ)全國(guó)國(guó)外國(guó)國(guó)內(nèi)代碼生成國(guó)國(guó)外國(guó)國(guó)內(nèi)資料來(lái)源：至頂智庫(kù)結(jié)合公開(kāi)資料整理繪制。5.全球5.全球AI企業(yè)最新布局?2025.9ZDInsights搭統(tǒng)B300作為AI基礎(chǔ)設(shè)施平臺(tái)，為數(shù)據(jù)中心提供高效的生成式AI和AI推理功能。超級(jí)芯片，搭載36構(gòu)GPU具有2080億晶體管。采用臺(tái)積電4NP工藝。代AI芯片代AI芯片Rubin亮相，密集FP4計(jì)算能力，相比B300提升超過(guò)3密集FP4浮點(diǎn)運(yùn)算性NVIDIABlackwell架構(gòu)適用于大規(guī)模推理AI場(chǎng)景，HopperGPU高出30倍，并支持實(shí)時(shí)性能下的高吞吐量。通過(guò)優(yōu)化BlackwellUltraGPU并行化策略（專家/張量/流水線）和跨GPU管理，基于BlackwellUltra的GB300系統(tǒng)推理效能相比3TensorCoreGPU具有800億晶體管，適用范圍廣泛，涵蓋從小型企業(yè)到百億億級(jí)高性能計(jì)算，再到萬(wàn)億參數(shù)的人工智第四代張量核心與A100相比，芯片間速度最高可達(dá)6倍，包括每個(gè)流式多處理器（SM）的加速、額外SM數(shù)量以及更高的時(shí)鐘頻率。全新Transformer引擎結(jié)合軟件和專門設(shè)計(jì)的Hopper張量核心技術(shù)，專門用于加速Transformer模型的訓(xùn)練和推理。?2025.9ZDInsightsNVIDIACUDA-XNVIDIACUDA-X基于CUDA?構(gòu)建，包含用于構(gòu)建應(yīng)用的多種微服務(wù)、庫(kù)、工具和技術(shù)，CUDA-X可為人工智能、高性能計(jì)算(HPC)等應(yīng)用領(lǐng)域帶來(lái)性能的提升。CUDA-X庫(kù)基于CUDA構(gòu)建，憑借400多個(gè)庫(kù)，開(kāi)發(fā)者可以使用CUDA平臺(tái)構(gòu)建、優(yōu)化、部署和擴(kuò)展各類應(yīng)用。AI應(yīng)用開(kāi)發(fā)涉及數(shù)據(jù)處理、特征工程、機(jī)器學(xué)習(xí)、驗(yàn)證和部署等環(huán)節(jié)，每個(gè)環(huán)節(jié)要處理CUDA-XAI包括：cuDNN（深度Retriever（企業(yè)級(jí)檢索增強(qiáng)生成工具）等工具，支持從數(shù)據(jù)預(yù)處理到模型部署的全流?2025.9ZDInsightsNeMoGuardrailsNeMoGuardrails是可擴(kuò)展的護(hù)欄編排平臺(tái)，用于確保LLM交互的安全性、精度和主題相關(guān)性。NeMoCurator通過(guò)大規(guī)模處理文本、圖像和視頻數(shù)據(jù)進(jìn)行訓(xùn)練和定制，提高生成式AI模型的精度。并具有較高的準(zhǔn)確性和更NeMoCustomizer作為可擴(kuò)展的高性能微服務(wù)，可針對(duì)特定領(lǐng)域用例簡(jiǎn)化LLM的微調(diào)和對(duì)齊。臺(tái)通過(guò)學(xué)術(shù)和自定義基準(zhǔn)測(cè)試對(duì)生成式AI模型和工作流進(jìn)行評(píng)估?！獭?2025.9ZDInsights景擴(kuò)展為數(shù)十億的有效里程，大幅增加實(shí)現(xiàn)安全和先進(jìn)自動(dòng)駕駛功能所需的數(shù)據(jù)集規(guī)模。機(jī)器人場(chǎng)景中，1）操作人員使用AppleVisionPro進(jìn)入數(shù)字孿生系統(tǒng)；2）操作人員通過(guò)少量遠(yuǎn)程操作演示捕捉動(dòng)作軌跡；3）通過(guò)IsaacGR00T運(yùn)動(dòng)合成系統(tǒng)將少量運(yùn)動(dòng)軌跡擴(kuò)展為更大規(guī)模的數(shù)據(jù)集;4）利用IssacSim和Cosmos所構(gòu)建的GROOT-Gen進(jìn)行3D圖像放大；5）在軟件系統(tǒng)中進(jìn)行測(cè)試驗(yàn)證，最終部署到物理機(jī)器人。?2025.9ZDInsights硬件層硬件產(chǎn)品芯片硬件產(chǎn)品?2025.9ZDInsights有大幅改進(jìn)，不僅可以對(duì)人物和寵物進(jìn)行精準(zhǔn)編輯，保持特征一致，還能實(shí)現(xiàn)多圖合成、多輪次修改與風(fēng)格遷移等復(fù)雜操作，并融入現(xiàn)實(shí)世界知識(shí)。術(shù)，尺寸更小的混合推理架構(gòu)模時(shí)兼顧，在推理、多模態(tài)、術(shù)，尺寸更小的混合推理架構(gòu)模時(shí)兼顧，在推理、多模態(tài)、代碼和長(zhǎng)上下文的關(guān)鍵基準(zhǔn)上性能表現(xiàn)得到了改進(jìn)，同時(shí)效率更高，是2.5系模型中速度最快、性價(jià)比思考模型，在推理方面一系列基準(zhǔn)測(cè)試中達(dá)到SOTA水平；編程方序和代理代碼應(yīng)用程序，以及代型能夠在做出反應(yīng)之前考慮多種角色角色一致性支持將同一角色置于不同場(chǎng)景、展示產(chǎn)品在多角度與多環(huán)境下的效果，或生成統(tǒng)一精準(zhǔn)圖像精準(zhǔn)圖像編輯支持通過(guò)自然語(yǔ)言進(jìn)行精準(zhǔn)的局部編輯與目標(biāo)性轉(zhuǎn)換?？蓪?shí)現(xiàn)背景模糊、刪除照片中的人物、調(diào)整主體姿勢(shì)，等多樣化操作。世界知識(shí)突破語(yǔ)義理解的局限，開(kāi)辟全新應(yīng)用場(chǎng)景。多圖像多圖像像。通過(guò)單一提示將物體置入新場(chǎng)景、為房間重新設(shè)計(jì)配色或紋理，或生成逼真的多圖融合圖像。?2025.9ZDInsights