2025人工智能產(chǎn)業(yè)30條判斷2025.12.3轟然成勢(shì)萬(wàn)象歸一01

定義：默認(rèn)式AI(Default

AI)判斷：人工智能產(chǎn)業(yè)30條判斷此刻：轟然成勢(shì)，萬(wàn)象歸一過(guò)去一年：

AI發(fā)生了什么反思：智能的詛咒Part

One

過(guò)去

一年

：AI

發(fā)生了什么?PartTwo

此

刻：轟然成勢(shì)，

萬(wàn)象歸一轟然成勢(shì)萬(wàn)象歸

一“轟然成勢(shì)”,是能量的臨界；“萬(wàn)象歸一

”,

是秩序的自覺(jué)。oDartThree定

義

：默認(rèn)式AI(DefaultAI)無(wú)需用戶主動(dòng)選擇或感知，默認(rèn)存在、默認(rèn)開啟的人工智能形態(tài)。默認(rèn)式AI(DefaultAI)數(shù)據(jù)來(lái)源：甲子光年智庫(kù)，2025年12月；默認(rèn)即智能智能成為常態(tài)，

AI

走向日用而不覺(jué)超過(guò)一半的成年人，在過(guò)去六個(gè)月中使用過(guò)人工智能近五分之一的成年人每天

都依賴人工智能數(shù)據(jù)來(lái)源：Menlo

Ventures,

甲子光年智庫(kù)，2025年12月；關(guān)閉才是例外不用才是例外不會(huì)才是例外默認(rèn)式AI特征默認(rèn)式AI特征系統(tǒng)綁定System-integratedAI不以獨(dú)立應(yīng)用的形式存在，而是嵌入操作系統(tǒng)、

平臺(tái)或設(shè)備的基礎(chǔ)層。用戶不再“決定是否使用AT”,而是在日常操作中自動(dòng)與AI

交互：AI的參與被隱形化和底層化，用戶甚至不察覺(jué)AI在起作用。數(shù)據(jù)來(lái)源：甲了光年智庫(kù)，2025年12月；選擇性TI-oplional低感知InvisibleAI

社會(huì)化三階段工具式AI→伴隨式AI→默認(rèn)式AI伴隨式AIAssistiveAI默認(rèn)式AIDefaultAI工具式AIToolAI具有工具屬性的AI

具有輔助特征的AI

以默認(rèn)存在為特征的AI數(shù)據(jù)來(lái)源：甲子光年智庫(kù)，2025年12月；“AI

就在那兒”“AI

在幫我”“我在用AI”Part

For

2025年全球人工智能發(fā)展趨勢(shì)30條判斷技術(shù)趨勢(shì)Anthropic0wen

Instruct

2BGPT-4o(May'24)Gemini1.5Pro(May'24)Claude3OpusGemim

170DHaClaude

2.at

14BDeepSeek-V2-Ch2024年4月18日2023年10月1日eepSeekGPT5Codex(high)

GeminiProPreview(high)ClaudeOpus

4.5(Reasoning)Kimi

K2

Thinking

t

pSs

e

IY3DDeepSeek

V3.1(RQwen3235B

A22B2507

InstructR10528(May'25)DeepSeek-V2.5(Dec24)Gemini2.0

Flash

(experimental)2026年6月27日

“智能基線”的提升：仍是AI本質(zhì)驅(qū)動(dòng)力，

AI

正在九個(gè)維度變得更強(qiáng)“更強(qiáng)仍在發(fā)生”:

AI

智能基線持續(xù)進(jìn)步，2025年競(jìng)爭(zhēng)更加激烈前沿語(yǔ)言模型智能隨時(shí)間推移不斷進(jìn)步，且競(jìng)爭(zhēng)更加激烈“更強(qiáng)仍是基礎(chǔ)”:智能基線提升的“九維能力體系”O(jiān)ECD

AI能力指標(biāo)語(yǔ)言能力(language)問(wèn)題解決能力(problemsolving)元認(rèn)知與批判性思維(metacognition

and

critical

thinking)視覺(jué)能力(vision)機(jī)器人智能(robotic

intelligence)社會(huì)互動(dòng)能力(social

interaction)創(chuàng)造力(creativity)知識(shí)、學(xué)習(xí)與記憶能力

操作能力(knowledge,learning

and(manipulation)memory)403020GPT-3

Turbo10ClaudeInstant2022年8月27日

2023年3月15日GPLlama2Chat

7BPALM-2數(shù)據(jù)來(lái)源：OECD,ArtificialAnalysis,甲

子

光

年

智

庫(kù)

，

2

0

2

5

年

1

2

月

；ArtificialAnalysisIntelligenceIndexv3.0MoonshotAIQwen3235B

A22B

2507(IDeepSeekV3.1

Terminus

(Reas⑨OpenAIMiniMax

BeyondTransformer:

“架構(gòu)級(jí)”探索仍在繼續(xù)，但仍未撼動(dòng)Transformer地位Transformer

本身在持續(xù)進(jìn)化，非Transformer

架構(gòu)也在同步發(fā)展

巖芯數(shù)智：用自研Yan

架構(gòu)替代Transformer

架構(gòu)ROCKAI巖芯數(shù)智RockAI為非Tran自主架構(gòu)大模型，且在PC端上布

國(guó)2025年7月發(fā)布全有原生記憶力的大

模型Yan2.0

Preview。Lin新型RNN

新型CNNRWKV

xLSTM

Mamba

RetNe

Hyena

Hierarchy計(jì)算復(fù)雜度~O(n2)LFM主要Transformer

架構(gòu)模型(部分)GPT-5.1、Llama4

、Qwen3、DeepSeekV3.2

、GLM4.6Transformer路徑改進(jìn)非TransformerHybrid

架構(gòu)發(fā)展計(jì)

)度~n雜數(shù)據(jù)來(lái)源：巖芯數(shù)智，量子位，甲子光年智庫(kù)，2025年12月；AI普惠：追求智能效率AT進(jìn)擊：追求智能上限Beyo

TransfoYan架構(gòu)o

mer架構(gòu)架構(gòu)探索rme1

智能與智能體互相鍛造：智能賦予行動(dòng)以可能，行動(dòng)回饋智能以演化智能與智能體：在遞歸循環(huán)中互相鍛造

協(xié)作縮放定律：多智能體通過(guò)特定結(jié)構(gòu)協(xié)作，其集體智慧會(huì)超越個(gè)體性能總和多智能體協(xié)作網(wǎng)絡(luò)(MACNET)

在不同拓?fù)湎露嘀悄荏w協(xié)作的擴(kuò)展性能牒

留

酸

智能體(Agent)數(shù)據(jù)來(lái)源：清華大學(xué)，北京郵電大學(xué)，甲子光年智庫(kù)，2025年12月；2°212223Scale(規(guī)模)

Scale(規(guī)模)Scale(規(guī)模Random

(隨機(jī)狀)Scale

(規(guī)模)scale

見(jiàn)Chain(鏈狀)Star

(星狀)任務(wù)

解決方案智能(Intelligence)行動(dòng)回饋雪能以演化Layered(分層狀)Tree(

樹

狀

)Mesh(網(wǎng)狀)超

智能體與世界模型“同源同宗

”:當(dāng)智能體足夠強(qiáng)，世界模型就出來(lái)了0.175

y=√

0.16/(N-4.

79)0.1500.125愈0.1000.0750.0500.025-

2

75

100

125

1508

=0.04)0.175

-y-0.01(0.3206865+1.12)0.1500.125盒0

.

1000.750.0500.025

-0.030

0.035

0.040(8(N=50))世界模型的平均誤差伴隨智能體學(xué)習(xí)推廣到更高深度的目標(biāo)而減少通用代理需要世界模型智能體-環(huán)境系統(tǒng)數(shù)據(jù)來(lái)源：

DeepMind,甲了光年智庫(kù)，2025年12月；0.050

0.0550.045過(guò)去幾年，業(yè)界在追求“更長(zhǎng)的上下文窗口”2023-2025年主流大模型上下文窗口演變趨勢(shì)(單位：千tokens)100001000

1000

104932

128

200GPT4

GPT-40

Claude3.5

GLM-4Long

GPT-5.1

Claude

Gemini

3.0

Grok

4Sonnet

Sonnet4.5ProFastPreview2023年

2024年

2025年AI

記憶“三難”:準(zhǔn)確-實(shí)時(shí)-經(jīng)濟(jì)實(shí)時(shí)憶難

”經(jīng)濟(jì)AI

記憶解法的三個(gè)“反直覺(jué)”分層過(guò)濾

異

步不按人工規(guī)則切段，讓主題自己“長(zhǎng)出來(lái)”

,

效果更好05

AI

記憶突破：從“能記住”到“會(huì)回憶、敢遺忘”記憶功能模塊對(duì)話記憶

長(zhǎng)期記憶

時(shí)間環(huán)境判斷己憶時(shí)間感基座模型語(yǔ)義錨點(diǎn)標(biāo)注

記憶動(dòng)態(tài)維護(hù)紅熊

AI科學(xué)”平臺(tái)，在原有記憶體系上動(dòng)態(tài)新增

非冗余存儲(chǔ)與圖結(jié)構(gòu)優(yōu)化，達(dá)到97%的多模態(tài)記憶精準(zhǔn)采集，92%的記憶機(jī)制模型預(yù)測(cè)準(zhǔn)確率。紅

熊AI:

破解遺忘難題，讓機(jī)器人學(xué)會(huì)人類記憶數(shù)據(jù)來(lái)源：浙江大學(xué)，子非AI,紅熊AI,甲子光年智庫(kù)，2025年12月；壓縮掉50%的

信息，準(zhǔn)確率

不降反升延遲更新比

實(shí)時(shí)更新更

準(zhǔn)確，更快準(zhǔn)

確Llama4Scout06下半場(chǎng)開啟：“AI

勝負(fù)手”從“訓(xùn)練更強(qiáng)”走向“定義更好”AI下半場(chǎng)：評(píng)估體系與真實(shí)效用為王重構(gòu)評(píng)估體系打破“自動(dòng)化評(píng)估”、聚焦真實(shí)效用開發(fā)面向真實(shí)效用

的新型評(píng)估體系，

用通用配方解決問(wèn)

題，或?yàn)榕浞教砑?/p>

新成分，循環(huán)迭代核心轉(zhuǎn)變：從“解決問(wèn)題”到“定義問(wèn)題”不再只問(wèn)“能否訓(xùn)練模型解決X”,而是追問(wèn)“該讓AI解決什么?如何衡量實(shí)質(zhì)進(jìn)步?”技能要求

研究者與從業(yè)者需轉(zhuǎn)向產(chǎn)品經(jīng)理視角，關(guān)注真將AI智能轉(zhuǎn)化為實(shí)用產(chǎn)品，實(shí)現(xiàn)從“技術(shù)突破”到“社會(huì)價(jià)值”的跨越通用配方三要素強(qiáng)

化

算法、環(huán)境、先學(xué)習(xí)

驗(yàn)知識(shí)·

海量語(yǔ)言預(yù)訓(xùn)練·

數(shù)據(jù)/算力規(guī)?！?/p>

推理與行動(dòng)機(jī)制“強(qiáng)化學(xué)習(xí)+通用配方”推動(dòng)泛化能力大幅提升各類基準(zhǔn)都在被快速突破一

自然給言維理二

網(wǎng)士級(jí)科學(xué)問(wèn)題人類基準(zhǔn)線2012

2013

2014

201520162017

2018

2019

20202021202220232024“定義更好”:放大器，決定AI

價(jià)值上限AI

上半場(chǎng)：

關(guān)鍵突破：“強(qiáng)化學(xué)習(xí)+通用配方”

成型，大模型與訓(xùn)練方法主導(dǎo)

幅推動(dòng)泛化能力與基準(zhǔn)攻克“訓(xùn)練更強(qiáng)”:基礎(chǔ)，決定AI

能力下限數(shù)據(jù)來(lái)源：Stanford

HAI,姚順雨，甲子光年智庫(kù)，2025年12月；“獨(dú)立同分布

評(píng)估”等傳統(tǒng)設(shè)置能力重心終極目標(biāo)實(shí)場(chǎng)景需求與效用落地效用多任務(wù)語(yǔ)言理解907大模型開啟“性價(jià)比”敘事：

從“堆規(guī)模”到“擠水分”,“每單位智能成本”成為賽道新基準(zhǔn)價(jià)格(美元/百萬(wàn)tokens)1000.1時(shí)間0.012021年7月23日名稱

deepseekDeepSeek-OCR

智譜

·AI

GlyphGLM-4.6Dynamic-LaVAZ1-7BDeepConf星

云

大

模

型訓(xùn)練計(jì)算成本(萬(wàn)美元，按2023年的美元計(jì)算)50000GPT-4.5Grok3□Llama

3.1405B

Mama4ehemoth(preiew)5000Gemini

1.0ultraCud

iSsont

GoaeMistal

Large

Nemotron43405Inflection25DeepSeek-V3500具體成本效益情況oken

壓縮7-20倍token

壓縮30%+,

Coding

API價(jià)格是Claude

的1/計(jì)算消耗減少50%-75%token

壓縮28%計(jì)算消耗減少84.7%計(jì)算消耗減少50%推理成本：迅速下降，且下降在加速

方法的改進(jìn)推動(dòng)性價(jià)比之路繼續(xù)，“成本效益革命”正在多點(diǎn)開花訓(xùn)練成本：

DeepSeek

打破了“砸錢堆料”的路徑依賴，行業(yè)開始兩極分化2

0

2

3

年

1

0

月

1日

2

0

2

4

年

1

月

9日

2

0

2

4

年

4

月

1

8日

2

0

2

4

年

7

月

2

7日

2

0

2

4

年

1

1

月

4日

2

0

2

5

年

2

月

1

2日

2

0

2

5

年

5

月

2

3日

2

0

2

5

年

8

月

3

1日數(shù)

據(jù)

來(lái)

源

：Epoch

AI,Artificial

Analysis,

甲子光年智庫(kù)，2025年12月；價(jià)格下降速度中等：每其他基準(zhǔn)測(cè)試與性能水平ZTE

中興通

測(cè)試DeepSeek-RI(MMLU)

中運(yùn)2022年8月27日2025年5月23日2023年3月15日2023年10月1日2024年11月4日2022年2月8日在博士級(jí)智譜-AI時(shí)間非GPU

相比GPU

的三大優(yōu)勢(shì)(TPU

、RPU

、LPU……)推理速度能耗

算力成本2-3倍

30%-50%

40%-90%推理速度性能提升

能耗大幅度降低

算力成本下降顯著非GPU

迎來(lái)爆發(fā)期，預(yù)計(jì)到2029年市場(chǎng)份額將占半壁江山2025H1-2029

年中國(guó)加速計(jì)算服務(wù)器市場(chǎng)份額北京構(gòu)建自主可控的AI“芯片矩陣”,四家明星企業(yè)中三家都是非GPU30%非GPU

加速計(jì)算服務(wù)器市場(chǎng)占比公司清微智能寒武紀(jì)昆侖芯摩爾線程核心技術(shù)路線可重構(gòu)計(jì)算專用集成電路自研異構(gòu)架構(gòu)GPU融資階段C輪已上市D輪已上市清微智能清微智能是國(guó)內(nèi)研發(fā)“非GPU”

新型架構(gòu)AI芯片的代表企業(yè)。

其研發(fā)的可重構(gòu)AI芯片在保留

GPU

通用性的同時(shí)，通過(guò)算子

的動(dòng)態(tài)重構(gòu)，趨近TPU

等專用

AI

芯片的能效優(yōu)勢(shì)，也被稱為

“通用型TPU”。2025H1

2029E0Q

算力迭代：非GPU

技術(shù)推動(dòng)AI芯片架構(gòu)革命非

GPU

成

為AI

芯片新寵，

TPU

和可重構(gòu)即將迎來(lái)拐點(diǎn)數(shù)據(jù)來(lái)源：

Google,SambaNova,Groq,IDC,

新華社，清微智能，甲子光年智庫(kù)，2025年12月；TPogle2015-2016年能

效

→Google

TPU時(shí)間重構(gòu)09

AI打破“分科”壁壘：從

“Science+AI”走向

“AI+Science”,AI

在跨領(lǐng)域?qū)ふ掖鸢傅鞍踪|(zhì)：65.2BRNA:27.5BDNA:19.8B本：14.4B中NatureLMNatureLM

展現(xiàn)出“規(guī)模法則”NatureLM

的縮放效應(yīng)：22個(gè)不同領(lǐng)域任務(wù)中，有18個(gè)任務(wù)隨著模型規(guī)模增大，性能都有所提升科研范式邏輯轉(zhuǎn)變：從

“Science+AI”走向

“AI+Science”AI+ScienceScience+AI微軟研究院NatureLM:一個(gè)跨學(xué)科科學(xué)大模型數(shù)據(jù)來(lái)源：微軟，甲子光年智庫(kù)，2025年12月；圍應(yīng)用跨領(lǐng)域：12.7教據(jù)DNA合物從拼接方案走向“原生統(tǒng)一”,是走向AGI的必由之路

“拼接多模態(tài)”與“原生多模態(tài)”

大型多模態(tài)推理模型的路線圖

2025業(yè)界進(jìn)展：原生成為“默認(rèn)配置”典型架構(gòu)對(duì)比10

原生多模態(tài)：以語(yǔ)言為核心的長(zhǎng)推理系統(tǒng)2思考與規(guī)劃2025年6月Gemini2.5Pro數(shù)據(jù)來(lái)源：華泰研究，哈爾濱工業(yè)大學(xué)，甲子光年智庫(kù)，2025年12月；2025年11月文心大模型5.0Gemini

3.0

Pro2025年11月2025年9月Qwen3-omni2025年8月智譜GLM-4.5V智源悟界

·Emu3.52025年10月以語(yǔ)言為核心的短推理系統(tǒng)1推理階躍星辰Step

32025年7月紫東太初4.020

25年9月非原生多模態(tài)原生多模態(tài)邁向原生多模

態(tài)推理模型感知驅(qū)動(dòng)的推理Audio具身智能大模型：架構(gòu)并未收斂，

雖然端到端VLA

火爆，但尚未形成具身版本的“Transformer”VLA

模型開發(fā)速度顯著加快端到端VLA:最符合第一性原理的解題思路每年新增VLA模型數(shù)量一

個(gè)端到端VLA框架代表6821現(xiàn)狀仍為多主線并行：端到端VLA+

分層+世界模型2022

2023

2024數(shù)據(jù)來(lái)源：哈利法大學(xué)，加泰羅尼亞理工大學(xué)，甲子光年智庫(kù)，2025年12月；端到端VLA

技術(shù)路線ψ

只

切

能

智元機(jī)器人GΛLBOT

TPhysical

Intelligence世界模型技術(shù)路線具身智能不同技術(shù)路線代表性企業(yè)UNITREE智元機(jī)器人A!WorldLabs2025產(chǎn)品趨勢(shì)

AI即系統(tǒng)：AI正在“操作系統(tǒng)化”,成為第一調(diào)度實(shí)體成長(zhǎng)值以AI為中心的全新OS,意味著全新的智能OS

架構(gòu)生產(chǎn)經(jīng)營(yíng)全鏈條智能化，組織形態(tài)重塑用戶無(wú)須意識(shí)到AT的存在默認(rèn)式AI(DefaultAT)Windows

、macOSAndroid

、ioSAIOSPC

PC、

手機(jī)

PC

、手機(jī)、可穿戴、XR、腦機(jī)接口

……科技推出企”的轉(zhuǎn)變

業(yè)數(shù)據(jù)建模與洞察能力浩鯨科技

on

Cloud的或功能調(diào)周度與

能力，以決策、流程、知識(shí)、記憶PC

時(shí)代移動(dòng)時(shí)代

智能體時(shí)代AI

逐漸操作系統(tǒng)化，驅(qū)動(dòng)AI

組織進(jìn)化AI

社會(huì)化演進(jìn)的三個(gè)階段操作系統(tǒng)硬件形態(tài)交互方式信息內(nèi)容二維信息三維信息

多維信息(文本、圖像、音頻)

(文本、圖像、音頻、視頻)(虛擬現(xiàn)實(shí)、XR、意圖、力感……)系統(tǒng)層融合AI,AI

能力下

沉，啟動(dòng)OS

智能化改造多崗位數(shù)字員工協(xié)實(shí)現(xiàn)整體應(yīng)用層集成AI,單

點(diǎn)特性的智能增強(qiáng)核心崗位單點(diǎn)突破，

驗(yàn)證業(yè)務(wù)價(jià)值鯨智百應(yīng)：企業(yè)AI

操作系統(tǒng)插件五大引擎構(gòu)建智能

底

座

驅(qū)，動(dòng)

I

變?yōu)榻M織“原生能力數(shù)據(jù)來(lái)源：浩鯨科技，華為，清華大學(xué)，甲子光年智庫(kù)，2025年12月；操作界面交互、自然語(yǔ)言交互、代理結(jié)果交互、物理AI

交

互

…

…OS

的演進(jìn)路徑及其特征用戶接受協(xié)助伴隨式AI(AssistiveAI)用戶主動(dòng)調(diào)用工具式AI(ToolAI)AI操作系統(tǒng)化AI組織

進(jìn)化鍵

盤、

鼠

標(biāo)

、平面圖形界面鍵盤、鼠標(biāo)、點(diǎn)觸交互“無(wú)頭商業(yè)”崛起：AI

正在成為所有軟件的默認(rèn)能力以前

現(xiàn)在%

人了

SaaS系統(tǒng)從完整套件向API

或微服務(wù)轉(zhuǎn)變2

AI

用“邏輯拼接”的方式調(diào)用和編排這些能力3

單體系統(tǒng)解耦為功能集群Agent-to-Agent:無(wú)頭商業(yè)崛起，競(jìng)爭(zhēng)邏輯改變未來(lái)AI與AI

之間的交互(A2A)將超過(guò)人與AI的交互(H2A)功能解耦：Sa

aS

退居幕后，從完整套件向API/

微服務(wù)轉(zhuǎn)變API

調(diào)用增長(zhǎng)趨勢(shì)82%的組織采用了某種程度的API

優(yōu)先方法

82%贏家策略·

開放API

,融入智能體生態(tài)·

成為AI時(shí)代的基礎(chǔ)設(shè)施·

案例：Salesforce早期布局API

與AI助手主語(yǔ)讓渡：AI

是中樞，SaaS

變組件·依賴復(fù)雜頁(yè)面操作和封閉功能套件●被AI繞過(guò)，逐漸邊緣化·無(wú)法適應(yīng)新競(jìng)爭(zhēng)邏輯數(shù)據(jù)來(lái)源：Postman,陳天AI實(shí)戰(zhàn)筆記，甲子光年智庫(kù)，2025年12月；輸家特征競(jìng)爭(zhēng)邏輯轉(zhuǎn)變趨勢(shì)封閉系統(tǒng)微服務(wù)集群?jiǎn)误w系統(tǒng)開放生態(tài)Do為主

——以界面操作為主，偶爾喚起AI快捷指令Do+Chat

均衡自然語(yǔ)言和界面操作均衡配合使用多模態(tài)聯(lián)動(dòng)交互一

Chat為主以自然語(yǔ)言為主，幾乎沒(méi)有界面操作助手式

網(wǎng)頁(yè)式100%對(duì)話0%結(jié)果50%對(duì)話50%結(jié)果75%結(jié)果25%對(duì)話VR

AR腦機(jī)接口914AI交互的靜默革命：從“聊天框”到“無(wú)形代理”,界面逐漸消失從“操作界面”到“聊天框”

從“聊天框”到“無(wú)形代理”

物

理AI

交互：AR

、VR

、

腦機(jī)接口等新興技術(shù)徹底改寫人機(jī)交互操作界面

自

然

語(yǔ)

言

代理結(jié)果

物理AI交互

交互

交互

交互數(shù)據(jù)來(lái)源：Ant

Design

X,AI

Design

iLab,

甲子光年智庫(kù)，2025年12月；AI

交互方式變革的四個(gè)階段從操作界面交互走向物理AI交互交互方式時(shí)

間Agent泛化方式：改造“車”來(lái)適應(yīng)所有“路”強(qiáng)化學(xué)習(xí)的進(jìn)展，顯著提高了泛化能力，使“改車不改路”成為可能強(qiáng)化學(xué)習(xí)的進(jìn)展推動(dòng)泛化能力升級(jí)“新路無(wú)窮”:環(huán)境千差萬(wàn)別、實(shí)時(shí)迭代，倒逼Agent

泛化能力與魯棒性目前幾乎所有專門測(cè)“泛化”的基準(zhǔn)，

都直接把“改車不改路”寫進(jìn)任務(wù)設(shè)計(jì)智能體能力評(píng)估·規(guī)劃與多步推理·

函數(shù)調(diào)用與工具使用·

自我反思

·

記憶特定應(yīng)用智能體評(píng)估·

網(wǎng)絡(luò)智能體·軟件工程智能體·

科學(xué)智能體·對(duì)話智能體>RLHF從反饋到偏好(FromFeedbacktoPreferences)>AlphaZero從規(guī)則到策略(FromRules

to

Strategies)數(shù)據(jù)來(lái)源：OSWorld,

耶路撒冷希伯來(lái)大學(xué)，IBM,耶魯大學(xué)，甲子光年智庫(kù)，2025年12月；智能體評(píng)估框架·

開發(fā)框架·

類Gym

環(huán)境6

策

略

泛

化名感知泛化行為泛化>

從

像

素

到

動(dòng)

作(FromPixelsto

Actions)通用智能體評(píng)估>DQN15

“AI

就緒型數(shù)據(jù)”:決定企業(yè)智能化上限的不再是模型，而是數(shù)據(jù)底座AI就緒型數(shù)據(jù)Gartner預(yù)測(cè)，到2026年，缺乏AI就緒型數(shù)據(jù)支撐的AI項(xiàng)目將有0

%

被

放

棄

。善思開悟SENSEARRAY善思開悟以善思開悟(雅安)超級(jí)計(jì)算機(jī)集群為數(shù)據(jù)服務(wù)提供強(qiáng)大算力基座，秉持“高精度、高效率、低成本”為核心價(jià)值，提供從數(shù)據(jù)清洗、標(biāo)注到模型訓(xùn)練反饋的全流程服務(wù)，擁有應(yīng)對(duì)各種突發(fā)需求的網(wǎng)絡(luò)資源，同時(shí)嚴(yán)格保障數(shù)據(jù)安全合規(guī)，致力為各行業(yè)客戶提供高質(zhì)量、就緒型數(shù)據(jù)支撐。當(dāng)前已在低空、金

融、醫(yī)療及測(cè)繪等領(lǐng)域落地項(xiàng)目，數(shù)據(jù)交付滿意度100%。79%

53%

m正在執(zhí)行正式的數(shù)據(jù)戰(zhàn)略，以指導(dǎo)IT

基礎(chǔ)設(shè)施投資“AI

就緒型數(shù)據(jù)”是企業(yè)級(jí)AI

應(yīng)用的核心保障2025年中國(guó)數(shù)據(jù)、分析和人工智能技術(shù)成熟度曲線“數(shù)據(jù)優(yōu)先策略”在AI

時(shí)代無(wú)比重要根據(jù)調(diào)研，全球的數(shù)據(jù)和AT領(lǐng)導(dǎo)者(物體檢測(cè)、語(yǔ)義分割等)實(shí)體識(shí)別等)視頻標(biāo)注(行為識(shí)別、運(yùn)動(dòng)追蹤等)·開發(fā)半自動(dòng)/全自動(dòng)標(biāo)注平臺(tái)

捉供標(biāo)注質(zhì)量檢測(cè)工具·

標(biāo)注流程管理系統(tǒng)善思開悟：為企業(yè)提供AIGC

數(shù)據(jù)服務(wù)，打造AI就緒型數(shù)據(jù)底座標(biāo)注質(zhì)控及數(shù)據(jù)資產(chǎn)管理蓋預(yù)黃協(xié)以運(yùn)出保障數(shù)張保用性·

整合、分類數(shù)據(jù)，實(shí)現(xiàn)高效調(diào)用與管理，助力數(shù)據(jù)價(jià)值提升37%數(shù)據(jù)清洗與處理·

數(shù)據(jù)去重·

數(shù)據(jù)增強(qiáng)·

數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)來(lái)源：善思開悟，Digital

Realty,Gartner,甲子光年智庫(kù)，2025年12月；84%數(shù)據(jù)標(biāo)注服務(wù)

智能標(biāo)注工具開發(fā)時(shí)間5~10年

●

10年以上將數(shù)據(jù)優(yōu)先策略與A1路線圖結(jié)合Data&AI

數(shù)據(jù)基礎(chǔ)設(shè)施：一體化架構(gòu)成為大型企業(yè)擁抱AI的關(guān)鍵投入各行業(yè)應(yīng)用智

能

應(yīng)

用

層代碼助手智能服務(wù)運(yùn)營(yíng)智能助手知識(shí)庫(kù)智能體市場(chǎng)智能工廠智能檢索數(shù)字人安全運(yùn)營(yíng)層用戶支持特行

大語(yǔ)言模型智能體開發(fā)工廠多模態(tài)模型行業(yè)模型數(shù)據(jù)處理和數(shù)據(jù)工程

數(shù)據(jù)標(biāo)注

高質(zhì)量數(shù)據(jù)集

元數(shù)據(jù)管理數(shù)據(jù)治理數(shù)據(jù)管理層

向量數(shù)據(jù)庫(kù)

數(shù)據(jù)湖

湖倉(cāng)

體

MPP數(shù)據(jù)庫(kù)數(shù)據(jù)質(zhì)量入計(jì)算存儲(chǔ)資源熱報(bào)合●

數(shù)據(jù)應(yīng)用○

人工智能Next數(shù)據(jù)基礎(chǔ)設(shè)施智能分析/數(shù)據(jù)治理大

數(shù)

據(jù)

/

數(shù)

據(jù)

平臺(tái)

大A一智能體分布式數(shù)據(jù)庫(kù)&數(shù)據(jù)湖深度學(xué)習(xí)機(jī)器學(xué)習(xí)1990年以前

1990年2000年

2010年

2020年Data&AI

數(shù)據(jù)基礎(chǔ)設(shè)施的定義Data&AI

數(shù)據(jù)基礎(chǔ)設(shè)施是為支撐人工智能規(guī)?；涞囟鴺?gòu)建的一體化基礎(chǔ)軟件平臺(tái)，核心目標(biāo)是打通數(shù)據(jù)存儲(chǔ)、治理、計(jì)算與AI

模型開發(fā)的全鏈路，實(shí)現(xiàn)“Data

for

Al”和

“Al

for

Data”的雙向賦能，融合開發(fā)Data

工程和AI

工

程。其本質(zhì)是傳統(tǒng)大數(shù)據(jù)平臺(tái)的升級(jí)形態(tài)，通過(guò)AI原生架構(gòu)重構(gòu)數(shù)據(jù)處理范式，滿足企業(yè)智能化轉(zhuǎn)型的底層需求。Data&AI

數(shù)據(jù)基礎(chǔ)設(shè)施概念詳解數(shù)據(jù)管理方面，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)融合處理資源接入方面，實(shí)現(xiàn)動(dòng)態(tài)異構(gòu)智能調(diào)度練數(shù)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行實(shí)時(shí)提取、治理與標(biāo)注，生成高質(zhì)量訓(xùn)客金銜幕方票運(yùn)維現(xiàn)高可用性、安全·

利用機(jī)器學(xué)習(xí)算法進(jìn)行數(shù)據(jù)分類分級(jí)、標(biāo)注、校驗(yàn)、異常檢測(cè)等開發(fā)(Data&AI

工程)方面，實(shí)現(xiàn)AT模型訓(xùn)練、推理·基于融合數(shù)據(jù)，模型訓(xùn)推一體化，降低推理延遲·

面向應(yīng)用需求，對(duì)各類模型進(jìn)行運(yùn)營(yíng)管理數(shù)智融合成為時(shí)代特征，推動(dòng)IT

范式躍遷數(shù)據(jù)應(yīng)用與人工智能關(guān)系發(fā)展·

保障業(yè)務(wù)連續(xù)性和數(shù)據(jù)安全智能應(yīng)用方面，實(shí)現(xiàn)一體化閉環(huán)落地·在追求性能的同時(shí)有效控制綜合成本

·低代碼開發(fā)：允許企業(yè)開發(fā)者靈活調(diào)用數(shù)據(jù)與AI工具鏈(如標(biāo)注、訓(xùn)練-

智體市場(chǎng):場(chǎng)景化智能體交付科杰科技是Data&AI

數(shù)據(jù)基礎(chǔ)設(shè)施的領(lǐng)軍者，搭建了資源接入層、數(shù)據(jù)管理層、Data&AI

工程化層、智能應(yīng)用層、安全運(yùn)營(yíng)層的“4+1架構(gòu)”:向下優(yōu)化算力與數(shù)據(jù)源、向上適配終端場(chǎng)景模型調(diào)優(yōu)與規(guī)?；疉gent開發(fā)，是這一范式的領(lǐng)先實(shí)踐。Data&Al

數(shù)據(jù)基礎(chǔ)設(shè)施的“4+1架構(gòu)”數(shù)據(jù)來(lái)源：科杰科技，甲子光年智庫(kù)，2025年12月；數(shù)據(jù)挖掘

數(shù)據(jù)倉(cāng)庫(kù)四

0DEAI

編程：正在寫代碼，卻還不會(huì)構(gòu)建軟件AI出碼率快速上升

AI

編程的局限：AI

代碼幻覺(jué)率高，開發(fā)人員對(duì)AI

代碼缺乏信心交付代碼的幻寬率76.4%8.0%的開發(fā)人員經(jīng)常遇到幻覺(jué)，且對(duì)AI代碼缺乏信心11.8%

3.8%難以寫出有效的提示詞無(wú)法準(zhǔn)確評(píng)估代碼質(zhì)量容易忽視邊界情況和安全隱患缺乏架構(gòu)設(shè)計(jì)能力可能導(dǎo)致技術(shù)債務(wù)積累能寫出高質(zhì)量的提示詞能準(zhǔn)確評(píng)估A1生成的代碼能處理邊界情況和復(fù)雜問(wèn)題能設(shè)計(jì)合理的軟件架構(gòu)能確保代碼安全性和質(zhì)量V

老

手

+AI經(jīng)驗(yàn)豐富的開發(fā)者能最大化AI

價(jià)

值“老手+AI”的組合能比“新手+AI”

產(chǎn)生更大價(jià)值新

手

+AI缺乏經(jīng)驗(yàn)的開發(fā)者面臨更多挑戰(zhàn)82%的開發(fā)人員AI

編程工具，其中，59.8%的人每天都使用AI編程工具AI

采納行數(shù)commit

的代碼總行數(shù)數(shù)據(jù)來(lái)源：Qodo(n=609),ByteSauna,Can

Elma,

甲子光年智庫(kù)，2025年12月；67%的人表示

AI

生成或影響了他們至少20%的代碼庫(kù)590%的人經(jīng)堂使用三個(gè)或以上的

AI編程工具780%的人表示

AI編程讓生產(chǎn)

力有所提高59提算

體代碼質(zhì)量AI出碼率67%VS××√√59%()AT919企業(yè)級(jí)Agent:快速普及，重塑組織運(yùn)作模式企業(yè)Agent

采用比例快速上升

Agent

成為企業(yè)數(shù)字化平臺(tái)的中樞大腦，翻轉(zhuǎn)數(shù)字化邏輯駕最技書掉1n.運(yùn)，。度復(fù)務(wù)面甲技

需要人來(lái)決策或確人“找”數(shù)字化流程

AIAgent

數(shù)字化流程“找”人AI原生思維重構(gòu)工作邏輯AIAgent成為企業(yè)數(shù)字化平臺(tái)的中樞大腦，靈活鏈接前后作業(yè)鏈路，粘合企業(yè)多種能力，每個(gè)企業(yè)都可打造

自己的數(shù)字化新范式供應(yīng)端(交易)品牌端(交易+運(yùn)營(yíng))平臺(tái)端(后臺(tái)管理)

渠道端/終端(交易)

用戶端(交互)企業(yè)數(shù)字化平臺(tái)千丁數(shù)科：AI

智能體平臺(tái)解決方案數(shù)據(jù)來(lái)源：KPMG,

千丁數(shù)科，甲子光年智庫(kù)，2025年12月；現(xiàn)在部署了一些代理的企業(yè)占比AI

Agent將模式轉(zhuǎn)為“流程找人”AAgent數(shù)科2025Q22025Q32025Q1從AI

Rea42%33%11%20

消費(fèi)級(jí)Agent:通用人工智能助手仍占主導(dǎo)地位AI

使用場(chǎng)景非常分散，沒(méi)有主導(dǎo)性任務(wù)

AI

更像“強(qiáng)者的放大器”日常生活中人們使用AI的10種最常見(jiàn)方式10

16%規(guī)

弋

膳

食15

0%管理開

理

筆

建

圖

像

研究健康問(wèn)題按就業(yè)狀態(tài)的AI

使用情況按收入的AI

使用情況AI

用戶75%70%52%51%45%

43%就業(yè)者

學(xué)生家庭

退

休

者

失

業(yè)

者

其

他主婦/夫消費(fèi)者AI支出：通用AI

助手占據(jù)了消費(fèi)者AI支出的80%

以

上1

2

1

億

美

元

全球消費(fèi)者A總支出53%低于5萬(wàn)5萬(wàn)-10萬(wàn)高于10萬(wàn)

美元

美元

美元通用Agent

仍占主導(dǎo)地位美國(guó)成年人使用通用AT

助手占比通用AI

助手：支

出

9

8

億

美

元專

業(yè)AI工具：出23億美元消費(fèi)級(jí)Agent

收入分布很集中33%其他OpenAIGoogle

Meta

Amazon

Apple數(shù)據(jù)來(lái)源：Menlo

Ventures,

甲子光年智庫(kù)，2025年12月；■AI

每日用

戶

85%740%21

AgentInfra:成為智能體時(shí)代的操作系統(tǒng)和數(shù)字底座維度AI

InfraAgent

Infra提供穩(wěn)定高效的算力與任務(wù)調(diào)度支撐可自治、可協(xié)作的智能體生態(tài)核心目標(biāo)離散任務(wù)持續(xù)交互的(開發(fā)機(jī)、訓(xùn)練、推理)智能會(huì)話任務(wù)模式貴票態(tài)南由Agent自主決策與協(xié)作控制邏輯任務(wù)性能、資源利用率、算力成本決策鏈路、行為質(zhì)量、安全性關(guān)鍵指標(biāo)INFINIGENCE無(wú)

問(wèn)

芯穹無(wú)問(wèn)芯穹是行業(yè)中率先進(jìn)行Agent

Infra升級(jí)的AI基礎(chǔ)設(shè)施企業(yè)。他們系統(tǒng)性地圍繞環(huán)境、上下文、工具與安全隔離等維度展開Agent

Infra建設(shè)，并提出“A2A-—Agent

to

Agent”的

Agentic

Infra基礎(chǔ)設(shè)施新范式，并期望最終可以實(shí)現(xiàn)“以Agents生產(chǎn)Agents”,

推動(dòng)智能體生態(tài)自我進(jìn)化與持續(xù)發(fā)展。從AIInfra到AgentInfra當(dāng)前人工智能基礎(chǔ)設(shè)施已不能滿足智能體建設(shè)需求無(wú)問(wèn)芯穹：從Agent

Infra到Agentic

Infra數(shù)據(jù)來(lái)源：無(wú)問(wèn)芯穹，甲子光年智庫(kù)，2025年12月；產(chǎn)業(yè)趨勢(shì)

大模型商業(yè)主戰(zhàn)場(chǎng)的分岔：

B

端競(jìng)逐“自動(dòng)化中樞”,

C

端爭(zhēng)奪“超級(jí)入口”與生態(tài)OpenAI90%Anthropic

有90%的收入來(lái)自API業(yè)務(wù)26%269%的收僅鞏固消費(fèi)者市場(chǎng)，Anthropic

在企業(yè)級(jí)API

市場(chǎng)占主導(dǎo)地位Anthropic

與OpenAI

API收入比較(單位：億美元)

Anthropic

與OpenAI

API收入增速比較(%)■

AnthropicAPI■OpenAIAPI1409070—

Anthropic

APl同比

增

長(zhǎng)

率

—OpenAI

AP同比增長(zhǎng)率662%233%133%670%42%43%39.07185.1210C端特征：AI

正在走向“超級(jí)入口時(shí)代”,而不是“百App

時(shí)代”ChatGPT

非工作相關(guān)消息增長(zhǎng)更快

接近60%的原生App

已陷入負(fù)增長(zhǎng)，新App

獨(dú)立做大變得愈發(fā)艱難■非工作消息占比■工作消息占比原生APP77%的商業(yè)使用涉及自動(dòng)化使用模式77%重新設(shè)計(jì)工作流程是成功的關(guān)鍵因素在部署AI時(shí)已從根本上重塑了工作流的企業(yè)占比B端特征：自動(dòng)化占主導(dǎo)，重新設(shè)計(jì)工作流程是關(guān)鍵73%頂級(jí)AI模型走向分化：

GPTtoC,ClaudetoB高績(jī)效者樣本量n=109;

其他群體樣本量n=16442024年6月數(shù)據(jù)來(lái)源：

BarclaysResearch,TheInformation,

麥肯錫

，OpenAI,Anthropic,QuestMobile,甲子光年智庫(kù)，2025年12月；其他所有受訪者

20%—

2.8×—2024

2025E

2026E2027E20242025E2026E2027E■正增長(zhǎng)APP占比■負(fù)增長(zhǎng)APP占比自動(dòng)化占主導(dǎo)AI

高績(jī)效者自API業(yè)務(wù)2025年6月80%30AI價(jià)值度量衡變化：“算得過(guò)來(lái)的ROI”

改變AI軟件商業(yè)模式正向的ROI

AI商業(yè)模式的理想方向：按席位收費(fèi)

→按用量收費(fèi)

→按結(jié)果收費(fèi)■

中度正ROI

(可衡量但收益有限)

■中

性ROI(成本與收益大致平衡)■

太早判斷/仍處于試點(diǎn)階段Tier3企業(yè)(年收入5000萬(wàn)-2.5億美元)Tier2企業(yè)(年收入2.5億-20億美元)數(shù)據(jù)來(lái)源：賓夕法尼亞大學(xué)沃頓商學(xué)院，

GBK

Collective,麥肯錫，甲子光年智庫(kù)，2025年12月；2025年不同類型軟件廠商主流訂閱定價(jià)模式(%)■固定費(fèi)率/平臺(tái)費(fèi)占比■按用戶收費(fèi)占比780%56%44%22%AI原生廠商

傳

統(tǒng)

廠

商定價(jià)計(jì)量：

AI

服務(wù)商正在采用不同的用量定價(jià)指標(biāo)

確定最佳用量定價(jià)模型是AI時(shí)代的關(guān)鍵決策AI+SaaS

用量定價(jià)模式類型及最佳適用場(chǎng)景(示意圖)四分之三的企業(yè)表達(dá)他們對(duì)AI

投入的“ROI”為

正定價(jià)模型：軟件公司越來(lái)越多地摒棄基于用戶數(shù)量的訂閱費(fèi)模式41%固定費(fèi)用按用戶收費(fèi)(含容量上限)、企業(yè)級(jí)訪問(wèn)(無(wú)用戶數(shù)量限制)、按坐席收費(fèi)MicrosoftCopilot:

每月按用戶收費(fèi)成功成果費(fèi)、按產(chǎn)生的收入避的Zendesk:

按AI智能體的成動(dòng)

用量量收費(fèi)務(wù)orcee:扌AI智能體的對(duì)

話量收費(fèi)68%示例指標(biāo)案例■

顯著正ROI

(明確收益)■

負(fù)ROI

(未達(dá)預(yù)期價(jià)值)Microsoftrity

Copilot:量的安全計(jì)r1

企業(yè)(年收入20億美元以傳統(tǒng)廠商整體(Total)ATI24

AI

云

：Agent

驅(qū)動(dòng)的數(shù)算模用全棧布局新范式人工智能與云計(jì)算技術(shù)發(fā)展演進(jìn)趨勢(shì)分析

北電數(shù)智：

Agent

驅(qū)動(dòng)的數(shù)算模用全棧布局新范式AI的三個(gè)階段應(yīng)用伴

隨

式AI(AssistiveAD)工具式AI(Tool

AI)Al云數(shù)算模用一體化云原生容器及編排、微服務(wù)、服務(wù)網(wǎng)格、無(wú)服務(wù)器虛擬化虛擬化及虛擬化管理模型壓縮技術(shù)數(shù)據(jù)智能知識(shí)工程

彈

性

數(shù)

據(jù)

庫(kù)算力運(yùn)營(yíng)智能算力調(diào)度

彈性計(jì)算與能耗優(yōu)化

多云與邊緣計(jì)算計(jì)算基礎(chǔ)與有儲(chǔ)來(lái)構(gòu)回產(chǎn)芯片與只構(gòu)計(jì)身高性能網(wǎng)絡(luò)與效據(jù)中心基屆及指追定性保勝耗優(yōu)化與可竹供系力

A

算安全與合云計(jì)算的三個(gè)階段數(shù)據(jù)來(lái)源：北電數(shù)智，甲子光年智庫(kù)，2025年12月；北電數(shù)智圍繞“國(guó)產(chǎn)芯片商用難、數(shù)據(jù)價(jià)值釋放難、大模型落地難”三大產(chǎn)業(yè)難題，構(gòu)建了Agent驅(qū)動(dòng)的數(shù)算模用全棧布局新范式和系列產(chǎn)品矩陣，為產(chǎn)業(yè)提供生產(chǎn)力引擎與共性技術(shù)服務(wù)平臺(tái)，目前已在政務(wù)效率提升、醫(yī)療精準(zhǔn)服務(wù)、工業(yè)智能升級(jí)等領(lǐng)域打造出一批服務(wù)國(guó)計(jì)民生的標(biāo)桿案例。寶塔

·模型適配平臺(tái)紅湖·

可信數(shù)據(jù)服務(wù)星火·AI算力平臺(tái)用好模型用好數(shù)據(jù)做好運(yùn)營(yíng)管好算力建好算力認(rèn)知核心智能體智能鍛造工廠智能模型構(gòu)建協(xié)

同

智

能

流

體

引

擎

智能神經(jīng)鏈接平臺(tái)be&做好賦能垂模矩陣&行業(yè)解決方案默認(rèn)式AI(Defaut

AI算力工程具身智能：初步進(jìn)入產(chǎn)業(yè)化階段，物理AI走向應(yīng)用拐點(diǎn)物理AI

市場(chǎng)規(guī)模快速放大

物理AI

核心卡點(diǎn)：高質(zhì)量、規(guī)?；?、可泛化的訓(xùn)練數(shù)據(jù)成為關(guān)鍵瓶頸各類具身智能數(shù)據(jù)生產(chǎn)方式及特征具身數(shù)據(jù)瓶頸特

設(shè)沒(méi)備成床鈣備

設(shè)揉高，場(chǎng)員限制多

成

本低效黎據(jù)

缺失特性受備腰未中等人力成本高、場(chǎng)限制中等橙設(shè)備成本中等人力成本中等，場(chǎng)量限制少特仙設(shè)備成本中等、人力成本中等、場(chǎng)景限制無(wú)證許身皮本啟，場(chǎng)舊肺無(wú)虛文遷核遍溝(5mzRel

gap)四

?

。2024-2034年全球物理AI市場(chǎng)規(guī)模(單位：億美元)679.1508.7381.12024

2025E2026E2027E2028E2029E2030E2031E2032E2033E2034E數(shù)據(jù)來(lái)源

Cervicorn

Consulting,深圳市人工智能與機(jī)器人研究院，穆罕默德本

·扎耶德人工智能大學(xué)，它石智航，甲子光年智庫(kù)，2025年12月，它石智航發(fā)布全球首個(gè)可規(guī)模化真實(shí)具身多模態(tài)數(shù)據(jù)集WIYH2025年10月10日，它石智航發(fā)布全球首個(gè)大規(guī)模真實(shí)世界具身VLTA

(Vision-Language-作場(chǎng)景和工作人員，采集覆蓋酒店洗衣、超市裝配、物流作業(yè)等多種具身場(chǎng)景人類標(biāo)準(zhǔn)操

作流程數(shù)據(jù)，讓數(shù)據(jù)“來(lái)自真實(shí)世界”。285.5213.91602真

實(shí)世界數(shù)據(jù)合

成

數(shù)

據(jù)仿真數(shù)據(jù)當(dāng)前具身智能數(shù)據(jù)生產(chǎn)碎片化且不可持續(xù)互聯(lián)網(wǎng)數(shù)據(jù)數(shù)據(jù)通用性數(shù)據(jù)

質(zhì)量67412037.850.589.9工業(yè)AI:推動(dòng)工業(yè)效率與人力價(jià)值的雙重提升YumiAlAgentCollaborationSystem自研大模型改進(jìn)流程優(yōu)化與控制提高質(zhì)量創(chuàng)造持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)

21%提升資產(chǎn)可靠性

19%加快產(chǎn)品上市速度14%提升客戶體驗(yàn)

11%Q貴公司投資變革性M4.0技術(shù)的最重要原因是什么?

(n=171)

捷配，甲子光年智庫(kù)，2025年12月；降本增效品質(zhì)改進(jìn)自動(dòng)化內(nèi)部績(jī)效指標(biāo)儀表系統(tǒng)生產(chǎn)計(jì)劃車間物聯(lián)網(wǎng)分析機(jī)器人的端到端硬件創(chuàng)新平臺(tái)。

YumiAI通過(guò)多Agent集群協(xié)作網(wǎng)絡(luò)，打造了一個(gè)“設(shè)計(jì)即可制造”的智能設(shè)計(jì)引擎，構(gòu)建了AI

PCB設(shè)計(jì)研發(fā)新范式。用戶通過(guò)自然語(yǔ)言

,即可生成可售賣、可制造、可交付、成本優(yōu)化的全套設(shè)計(jì)方案。AI

在制造運(yùn)營(yíng)中的角色流程改進(jìn)

54%預(yù)防性/預(yù)測(cè)性維護(hù)50%49%41%40%32%24%制造企業(yè)部署AT的

驅(qū)

動(dòng)

因

素降低成本并提高運(yùn)營(yíng)效率YumiAI:AI

原生的端到端硬件創(chuàng)新平臺(tái)隊(duì)

YumiAIAI

正在給制造業(yè)“減重”Q.在您的制造運(yùn)營(yíng)中，AI的主要應(yīng)用領(lǐng)域有哪些?

(n=171)增強(qiáng)運(yùn)營(yíng)可見(jiàn)性和響應(yīng)能力數(shù)據(jù)來(lái)源：

NIST,MLC,社會(huì)趨勢(shì)2015-2022年初級(jí)與資深崗位同步增長(zhǎng)，

2022年中期開始出現(xiàn)顯著分化平均在職人數(shù)(相對(duì)2015年1月，

%

增

長(zhǎng)

)

0GPT數(shù)

據(jù)

來(lái)

源

：

哈

佛

大

學(xué)

，HenleyWing

Chiu,

甲子光年智庫(kù)，2025年12月；2024

-

2025年全球新職位發(fā)布變化(%)-32.70%-29.23%□-28.14%27.89%

□-2760%-25.77%2495%□-24.839%6-24.6706-23.79%1.63%創(chuàng)意經(jīng)理設(shè)計(jì)/創(chuàng)意總監(jiān)

就業(yè)影響的分化：AI

重塑勞動(dòng)力結(jié)構(gòu)，初級(jí)員工面臨工作危機(jī)采

納AI

后，企業(yè)對(duì)初級(jí)員工大幅縮減招聘創(chuàng)意類崗位大幅減少，但創(chuàng)意總監(jiān)的職位需求依然在增長(zhǎng)企業(yè)對(duì)高層職位需求強(qiáng)于中層管理者與個(gè)人2024-

2025年全球不同層級(jí)新職位發(fā)布變化(%)8.00%高級(jí)領(lǐng)導(dǎo)層(總監(jiān)、副總裁。高管層)2

0

2

5

年

職

位

發(fā)

布

量

相

比2024年同期下計(jì)算機(jī)圖形藝術(shù)家合規(guī)專員攝影師作家可持續(xù)發(fā)展專家環(huán)境技術(shù)員生物信息學(xué)家生物統(tǒng)計(jì)學(xué)家?guī)r土工程師化工操作員企業(yè)希望更多人參與決策，更少人負(fù)責(zé)執(zhí)行。中層管理者

-5.70%個(gè)人貢獻(xiàn)者2015m拐點(diǎn)來(lái)自資深崗位初級(jí)崗位5.79%

企業(yè)級(jí)Agent

的終極潛力：提升整個(gè)組織的“管理科學(xué)”管

理AI

轉(zhuǎn)

型商業(yè)模式AI轉(zhuǎn)型產(chǎn)品AI轉(zhuǎn)

型ProducttSOPPDCAOKRSOP(Standard

OperatingProcedure)是用于指導(dǎo)員工如何執(zhí)行

特定的任務(wù)或操作的文件PDCA(Plan-Do-Check-Act)

廣泛應(yīng)用于質(zhì)量管理和持續(xù)改進(jìn)的過(guò)程OKR(Objectives

and

Key

Results)是一種設(shè)定和跟蹤目標(biāo)及其執(zhí)行結(jié)果的

管理工具和方法AI

將管理科學(xué)從“管理人的不確定性”中解放出來(lái)

金

蝶

：AI

時(shí)代企業(yè)的“七個(gè)轉(zhuǎn)型”2025年11月，金蝶宣布“金

蝶云”全面升級(jí)為“金蝶AI”,同時(shí)提出AI時(shí)代企業(yè)的“七個(gè)轉(zhuǎn)型”,涵蓋運(yùn)營(yíng)、產(chǎn)品、商業(yè)模式、生態(tài)、組

織、人才與領(lǐng)導(dǎo)力的全方位

重構(gòu)，體現(xiàn)了AI

時(shí)代企業(yè)管