目錄CatalogTOC\o"1-2"\h\z\u一、市場行情回顧 4（一）整體行情 4（二）代表企業(yè) 4（三）板塊估值 5二、人工智能產(chǎn)業(yè)動態(tài) 8（一）數(shù)據(jù)要素、數(shù)據(jù)交易所最新新聞及政策 8（二）算法端：國內(nèi)外巨頭大模型動態(tài) 10（三）算力端：AI服務器、AI芯片最新動態(tài) 12三、前沿行業(yè)動態(tài) 12（一）前沿技術(shù)動態(tài) 12（二）前沿政策動態(tài) 21四、前沿企業(yè)動態(tài) 21（一）前沿產(chǎn)品動態(tài) 21（二）投融資事件 27五、投資建議 29六、風險提示 30一、市場行情回顧（一）整體行情A股人工智能指數(shù)（884201.WI）截至11月30日收盤價為10933.04，月漲跌幅為-1.7%。計算機行業(yè)指數(shù)（801750.SI）截至11月30日收盤價為5224.25，月漲跌幅為-5.26%。圖1：11月人工智能指數(shù)走勢圖14000

人工智能指數(shù) 滬深300120001000080006000400020002023-01-032023-02-032023-01-032023-02-032023-03-032023-04-032023-05-032023-06-032023-07-032023-08-032023-09-032023-10-032023-11-032023-12-032024-01-032024-02-032024-03-032024-04-032024-05-032024-06-032024-07-032024-08-032024-09-032024-10-032024-11-032024-12-032025-01-032025-02-032025-03-032025-04-032025-05-032025-06-032025-07-032025-08-032025-09-032025-10-03（二）代表企業(yè)A股人工智能指數(shù)（884201.WI）截至11月30日總市值30361.23億，含成分股85支，權(quán)重等分。板塊上市公司分布為主板16支，創(chuàng)業(yè)板34支，科創(chuàng)板13支，中小板22支。表1：11月成分股漲幅前十股票代碼股票簡稱11月漲跌幅11月30日收盤價（元）相對計算機指數(shù)漲跌幅600756.SH浪潮軟件43.79%24.3049.05%300071.SZ福石控股31.69%6.6936.95%300078.SZ思創(chuàng)醫(yī)惠27.81%4.5533.07%002235.SZ安妮股份27.79%9.2933.05%301025.SZ讀客文化21.78%11.7427.04%601360.SH三六零13.78%13.6219.04%300188.SZ國投智能12.09%16.5917.35%603533.SH掌閱科技9.90%22.8615.16%300081.SZ恒信東方9.35%5.8514.61%000681.SZ視覺中國8.80%23.5014.06%表2：11月成分股跌幅前十股票代碼股票簡稱11月漲跌幅11月30日收盤價（元）相對計算機指數(shù)漲跌幅301316.SZ慧博云通-17.91%45.93-12.65%300520.SZ科大國創(chuàng)-16.39%35.34-11.13%688036.SH傳音控股-15.98%64.11-10.72%600536.SH中國軟件-13.50%45.23-8.24%688111.SH金山辦公-13.28%311.31-8.02%300454.SZ深信服-12.17%115.06-6.91%002184.SZ海得控制-11.69%13.52-6.43%688228.SH開普云-11.60%161.40-6.34%300400.SZ勁拓股份-11.00%20.23-5.74%002230.SZ科大訊飛-10.94%49.52-5.68%（三）板塊估值人工智能指數(shù)（884201WI重要成分股2021-2024年近三年整體營業(yè)收入復合增長率15.62%，凈利潤復合增長率-2.63%，截至11月30日平均估值PE（TTM）70.89倍，PS（TTM）4.51倍。圖2：11月人工智能指數(shù)市場表現(xiàn)140%120%100%80%60%40%20%-20%2020-01-022020-03-022020-01-022020-03-022020-05-022020-07-022020-09-022020-11-022021-01-022021-03-022021-05-022021-07-022021-09-022021-11-022022-01-022022-03-022022-05-022022-07-022022-09-022022-11-022023-01-022023-03-022023-05-022023-07-022023-09-022023-11-022024-01-022024-03-022024-05-022024-07-022024-09-022024-11-022025-01-022025-03-022025-05-022025-07-022025-09-022025-11-02

人工智能指數(shù) 上證指數(shù) 滬深300表3：11月人工智能主題基金一覽基金代碼基金簡稱(官方)基金規(guī)模（億元）11月30收盤價（元）近1月回報（%）近3月回報（%）近6月回報（%）第一重倉股（25年三季報）001986.OF前海開源人工智能A7.501.37-4.50-9.3921.11歌爾股份005729.OF南方人工智能主題6.243.08-3.87-2.8349.71新易盛005844.OF東方人工智能主題A6.021.45-1.659.0342.08中微公司005962.OF寶盈人工智能A8.514.10-5.317.9359.25海光信息005963.OF寶盈人工智能C5.273.87-5.377.7258.63海光信息006281.OF萬家人工智能A13.613.42-4.32-1.9269.46新易盛008020.OF華富中證人工智能產(chǎn)業(yè)ETF聯(lián)接A11.681.39-3.66-2.1163.79恒玄科技008021.OF華富中證人工智能產(chǎn)業(yè)ETF聯(lián)接C14.901.36-3.68-2.1963.54恒玄科技008585.OF華夏中證人工智能ETF聯(lián)接A21.221.33-3.38-1.1356.23新易盛008586.OF華夏中證人工智能ETF聯(lián)接C25.601.31-3.40-1.2156.00新易盛009239.OF融通中證人工智能主題C2.042.21-3.39-1.2456.75新易盛011832.OF西部利得中證人工智能A2.231.43-3.53-1.0752.56新易盛011833.OF西部利得中證人工智能C3.331.41-3.55-1.1752.27新易盛011839.OF天弘中證人工智能主題A7.301.47-3.33-1.1356.76新易盛011840.OF天弘中證人工智能主題C29.851.45-3.35-1.1856.61新易盛012733.OF易方達中證人工智能主題ETF聯(lián)接A30.621.67-3.29-1.2555.95寒武紀-U012734.OF易方達中證人工智能主題ETF聯(lián)接C76.171.66-3.31-1.2855.87寒武紀-U014162.OF萬家人工智能C14.823.31-4.38-2.1268.77新易盛014630.OF匯添富中證人工智能主題ETF聯(lián)接A0.061.020.000.000.00-014631.OF匯添富中證人工智能主題ETF聯(lián)接C0.061.020.000.000.00-017811.OF東方人工智能主題C48.231.43-1.698.9241.79中微公司021580.OF華夏中證人工智能ETF聯(lián)接D11.821.31-3.41-1.2156.00新易盛023286.OF前海開源人工智能C0.831.37-4.53-9.4820.89歌爾股份023407.OF華寶創(chuàng)業(yè)板人工智能ETF聯(lián)接A1.561.571.182.1885.33-023408.OF華寶創(chuàng)業(yè)板人工智能ETF聯(lián)接C10.651.571.152.1085.05-023520.OF博時科創(chuàng)板人工智能ETF聯(lián)接A1.251.15-5.51-10.6931.36-023521.OF博時科創(chuàng)板人工智能ETF聯(lián)接C21.981.15-5.53-10.7631.18-023550.OF銀華上證科創(chuàng)板人工智能ETF聯(lián)接A0.301.14-5.38-9.3729.71-023551.OF銀華上證科創(chuàng)板人工智能ETF聯(lián)接C9.771.14-5.39-9.4229.59-023552.OF銀華上證科創(chuàng)板人工智能ETF聯(lián)接I4.291.14-5.39-9.3929.65-159363.OF華寶創(chuàng)業(yè)板人工智能ETF43.520.881.232.2491.99中際旭創(chuàng)159381.OF華夏創(chuàng)業(yè)板人工智能ETF6.321.651.252.3391.91中際旭創(chuàng)159388.OF國泰創(chuàng)業(yè)板人工智能ETF2.721.791.222.2290.51中際旭創(chuàng)159702.OF匯添富中證人工智能ETF0.130.790.000.000.00-159819.OF易方達中證人工智能ETF250.041.44-3.52-1.2860.48新易盛161631.OF融通中證人工智能主題A8.992.26-3.36-1.1557.07新易盛512930.OF平安中證人工智能ETF31.762.05-3.56-1.3960.31新易盛515070.OF華夏中證人工智能ETF95.961.82-3.56-1.3660.02新易盛515980.OF華富中證人工智能產(chǎn)業(yè)ETF80.790.83-3.98-2.4373.25中科曙光517800.OF方正富邦中證滬港深人工智能50ETF3.451.02-3.94-2.1041.89寒武紀-U588730.OF易方達上證科創(chuàng)板人工智能ETF17.531.40-5.84-10.8735.80瀾起科技588760.OF廣發(fā)上證科創(chuàng)板人工智能ETF24.900.72-5.95-10.6035.76瀾起科技588790.OF博時科創(chuàng)板人工智能ETF70.590.76-5.97-11.0335.35瀾起科技588930.OF銀華上證科創(chuàng)板人工智能ETF23.261.49-5.93-10.8634.67瀾起科技589010.OF華夏上證科創(chuàng)板人工智能ETF7.401.35-5.93-10.7035.70瀾起科技589520.OF華寶上證科創(chuàng)板人工智能ETF5.760.57-5.96-10.7235.19瀾起科技表4：人工智能主要上市公司近況一覽（數(shù)據(jù)截至2025年11月30日）股票代碼股票名稱24年三季度營收增速（%）24年三季度凈利潤增速（%）25年三季度營收增速（%）25年三季度凈利潤增速（%）總市值（億元）市盈率PE（TTM）市銷率PS（TTM）月漲跌幅（%）今年以來漲跌幅（%）000977.SZ浪潮信息72.2666.4944.8515.35906.6936.570.60-5.5820.76002230.SZ科大訊飛17.73-1039.8414.4180.601144.75136.744.49-10.943.86002236.SZ大華股份0.77-3.972.0638.92622.5115.981.91-7.3824.69002362.SZ漢王科技17.8729.909.85-21.5557.28-45.342.971.172.91002405.SZ四維圖新9.069.425.20-45.55202.22-15.365.54-5.22-11.51002415.SZ?？低?.06-6.221.1814.942751.2920.862.95-8.673.30300229.SZ拓爾思2.9582.98-45.57-460.24187.30-62.7237.854.180.05300474.SZ景嘉微-5.9953.2812.14-403.81379.42-145.0872.98-4.02-20.85601360.SH三六零-16.76-56.398.1878.88953.34-149.6311.3413.7830.55603019.SH中科曙光3.652.129.6825.551450.8368.8310.42-6.8540.44688088.SH虹軟科技14.098.349.3960.51195.6585.0222.51-8.8932.74688169.SH石頭科技23.178.2272.22-29.51394.3125.572.32-6.87-1.95688207.SH格靈深瞳-72.99-684.0355.337.4743.46-21.5928.823.4517.63688256.SH寒武紀-U27.0912.302386.38321.495612.63299.05100.29-3.20107.06688787.SH海天瑞聲44.90111.8056.6910.3268.14581.0821.17-2.6416.80688793.SH倍輕松-11.16183.41-34.07-600.9824.50-35.783.06-2.96-5.44002410.SZ廣聯(lián)達-8.06-17.59-2.2245.90212.2760.953.48-12.6410.74688327.SH云從科技-UW-34.51-23.6956.8139.14155.16-31.2429.48-5.9821.65688343.SH云天勵飛-U112.52-41.5196.8529.95265.35-58.7519.16-4.3852.88688246.SH嘉和美康-11.52-4748.76-30.67-320.6833.87-8.727.59-3.56-2.46603893.SH瑞芯微48.47354.9045.46121.65770.1175.3018.700.8373.42300033.SZ同花順-1.59-15.5339.6785.291726.7772.6033.77-11.5814.57300496.SZ中科創(chuàng)達-4.70-69.7539.3450.72301.0162.124.40-4.9213.83688111.SH金山辦公10.9017.2315.2113.321441.9280.8425.42-13.2811.09688475.SH螢石網(wǎng)絡12.93-6.698.3312.68230.7441.844.00-9.23-0.17300634.SZ彩訊股份10.72-37.7810.810.61121.7852.646.830.7525.31300624.SZ萬興科技-3.91-105.428.50-1,020.40146.18-66.589.564.3619.81301162.SZ國能日新18.157.9636.9741.7571.7561.9610.48-9.6344.07688188.SH柏楚電子31.1930.1024.5124.61382.4836.0418.62-3.24-3.30表5：境外上市人工智能企業(yè)近況一覽（數(shù)據(jù)截至2025年11月30日，-為未公布）證券代碼證券簡稱最近一期營業(yè)收入（種、億元）最近一期營業(yè)收入同比增長率（%）最近一期歸母凈利潤（幣種、億元）最近一期歸母凈利潤同比增長率（%）總市值（原始幣種、億元）市盈率PE（TTM）市銷率PS（TTM）月漲跌幅（%）漲跌幅（%）TSLA.O特斯拉699.26-2.8629.54-40.4814,306.68281.5214.96-5.786.52QCOM.O高通330.1314.9686.5819.881,800.2432.494.07-7.0811.30NVDA.O英偉達908.0561.91451.9743.5743,011.0043.3622.98-12.5931.83MSFT.O微軟776.7318.43277.4712.4936,568.0434.8612.45-4.8017.59META.O臉書1,410.7321.49376.90-9.2316,331.7627.908.62-0.0610.92GOOGL.O谷歌2,890.0713.98977.1532.8038,668.1431.1210.0313.8769.69BIDU.O百度集團651.65-0.43150.3937.52401.8333.952.19-3.2938.64AAPL.O蘋果4,161.616.431,120.1019.5041,203.8636.799.903.2411.869988.HK阿里巴巴-W2,476.521.82406.4966.6628,919.2921.052.61-8.2491.142158.HK醫(yī)渡科技7.15-11.41-1.1839.5855.14-56.606.77-9.4911.270700.HK騰訊控股3,645.2613.691,034.4915.5655,920.8823.437.00-2.7849.860020.HK商湯-W23.5835.55-14.7839.84819.89-22.6617.03-10.5542.95二、人工智能產(chǎn)業(yè)動態(tài)表6：數(shù)據(jù)要素最新新聞及政策

（一）數(shù)據(jù)要素、數(shù)據(jù)交易所最新新聞及政策日期具體內(nèi)容11.252025數(shù)據(jù)要素×大賽落幕183個獲獎項目助力數(shù)據(jù)從沉睡到活躍11月25日，2025年數(shù)據(jù)要素×大賽（以下簡稱大賽）全國總決賽頒獎儀式暨2025全球數(shù)商大會在上海市舉辦。據(jù)悉，2025年數(shù)據(jù)要素×大賽自今年四月啟動以來，各地踴躍參與，大賽14個賽道亮點紛呈，全國報名隊伍超過2.3萬支，參賽人數(shù)超11.7萬人，共角逐出893183）%，其中超過436462%的項目利用自有數(shù)據(jù)，54%的項目利用了產(chǎn)業(yè)鏈上下游合作伙伴數(shù)據(jù)。11.252025全球數(shù)商大會舉行，多家上海國企數(shù)據(jù)要素成果集中亮相11月25日-26日，由數(shù)據(jù)集團主辦的2025全球數(shù)商大會在滬舉行。本屆大會以數(shù)聯(lián)全球商通未來——乘數(shù)無界∞為主題，聚焦數(shù)據(jù)要素市場化配置改革、數(shù)字技術(shù)創(chuàng)新應用等關(guān)鍵領(lǐng)域，搭建產(chǎn)學研用協(xié)同創(chuàng)新平臺，推動構(gòu)建數(shù)商生態(tài)體系，打造數(shù)商溝通交流平臺，為全國數(shù)據(jù)要素體系建設(shè)貢獻上海智慧與方案。本屆大會還創(chuàng)新性采用賽會一體模式，開幕式上同期舉辦了2025年數(shù)據(jù)要素×大賽全國總決賽頒獎儀式，通過以賽促用的方式，旨在推動數(shù)據(jù)要素在各行業(yè)領(lǐng)域的創(chuàng)新應用，賦能經(jīng)濟社會高質(zhì)量發(fā)展。大會期間，市國資委黨委書記、主任賀青與數(shù)據(jù)集團黨委書記、董事長吳建雄共同為上海區(qū)塊鏈創(chuàng)新產(chǎn)業(yè)基金揭牌。作為上海首支聚焦區(qū)塊鏈領(lǐng)域的產(chǎn)業(yè)風險投資基金，本基金由數(shù)據(jù)集團聯(lián)合上海國際集團下屬國方創(chuàng)新資本、靜安引導基金、上海未來產(chǎn)業(yè)基金共同設(shè)立，基金首期5億元，遠期規(guī)模30億元。本基金將秉持投小、投早策略，聚焦區(qū)塊鏈、數(shù)據(jù)要素領(lǐng)域的核心技術(shù)及應用創(chuàng)新等方向進行投資，著力解決產(chǎn)業(yè)鏈瓶頸與技術(shù)困難，強化數(shù)據(jù)支撐與AI賦能，成為本市深耕于區(qū)塊鏈、數(shù)據(jù)要素產(chǎn)業(yè)的標桿性產(chǎn)業(yè)風險投資基金，促進本市戰(zhàn)略新興產(chǎn)業(yè)加快發(fā)展，助力上海國際科創(chuàng)中心建設(shè)，體現(xiàn)國資擔當。11.20可信數(shù)據(jù)空間試點典型經(jīng)驗：廣州城市可信數(shù)據(jù)空間——激活粵港澳大灣區(qū)數(shù)據(jù)要素價值為貫徹落實國家數(shù)據(jù)要素市場化配置改革的決策部署，充分發(fā)揮數(shù)據(jù)資源在粵港澳大灣區(qū)數(shù)字經(jīng)濟發(fā)展中的創(chuàng)新引擎作用，廣州數(shù)據(jù)集團有限公司（以下簡稱廣州數(shù)據(jù)集團）承擔國家數(shù)據(jù)局城市可信數(shù)據(jù)空間（廣州）創(chuàng)新發(fā)展試點工作。作為《數(shù)字廣州建設(shè)總體規(guī)劃》總體架構(gòu)的核心支撐，廣州城市數(shù)據(jù)空間推動公共數(shù)據(jù)、企業(yè)數(shù)據(jù)等數(shù)據(jù)資源有序流通與融合應用，服務經(jīng)濟、政務、文化、社會、生態(tài)五大領(lǐng)域數(shù)字化轉(zhuǎn)型，促進數(shù)據(jù)要素價值充分釋放。廣州城市可信數(shù)據(jù)空間通過系統(tǒng)推進頂層設(shè)計、生態(tài)構(gòu)建、技術(shù)融合與場景創(chuàng)新，建立起規(guī)范高效的數(shù)據(jù)要素流通體系，支撐粵港澳大灣區(qū)產(chǎn)業(yè)協(xié)同與能級提升，助力超大城市治理現(xiàn)代化，為全國推進數(shù)據(jù)要素市場化配置改革提供了可復制、可推廣的實踐經(jīng)驗。11.18第二屆新質(zhì)生產(chǎn)力數(shù)據(jù)要素產(chǎn)業(yè)創(chuàng)新大會在北京中關(guān)村雍和航星科技園舉辦日前，第二屆新質(zhì)生產(chǎn)力數(shù)據(jù)要素產(chǎn)業(yè)創(chuàng)新大會在北京中關(guān)村雍和航星科技園舉辦。大會以增容場景、增效資源、增質(zhì)創(chuàng)新為主題，匯聚來自航空航天、能源低碳、人工智能、醫(yī)療健康等十大領(lǐng)域企業(yè)代表和專家學者，圍繞行業(yè)+場景的深度融合，開展了一場聚焦落地實踐的深度對話與務實對接。大會正式發(fā)布兩項年度重大共建計劃。其中的人工智能+先進制造技能人才培養(yǎng)中心由聯(lián)合體委托成員單位北京翰迪福?？萍加邢薰緺款^，并聯(lián)合國際綠色智慧能源產(chǎn)業(yè)創(chuàng)新聯(lián)合體、中關(guān)村雍和航星科技園等生態(tài)伙伴共建，以AI+技能人才的共性技術(shù)平臺為先進制造業(yè)搭建看得見、用得準、流得動的技能人才培養(yǎng)與輸出基地。人工智能+工業(yè)操作系統(tǒng)聯(lián)合實驗室則由聯(lián)合體發(fā)起，聯(lián)合Xenomai中國社區(qū)、中國電子商會大數(shù)據(jù)專委會、中國軟件(45.670,0.44,0.97%)行業(yè)協(xié)會軍民兩用軟件分會等多家生態(tài)伙伴共建，聚焦工業(yè)操作系統(tǒng)的智能化升級與國產(chǎn)化實踐，推進先進制造業(yè)發(fā)展所需的神經(jīng)中樞共性技術(shù)平臺。聯(lián)合體執(zhí)行主席兼總經(jīng)濟師楊長江表示，兩項計劃均采用聯(lián)合體+牽頭企業(yè)+生態(tài)伙伴模式，搭建共性技術(shù)服務平臺，以人工智能和數(shù)據(jù)要素為核心賦能手，，促進細分領(lǐng)域和應用場景的協(xié)同創(chuàng)新。資料來源：證券日報網(wǎng)、上海國資委、國家數(shù)據(jù)局、新浪財經(jīng)，表7：數(shù)據(jù)交易所新聞及政策日期具體內(nèi)容11.26北京十五五規(guī)劃建議：打造全球數(shù)字經(jīng)濟標桿城市中共北京市委關(guān)于制定北京市國民經(jīng)濟和社會發(fā)展第十五個五年規(guī)劃的建議發(fā)布。其中提出，打造全球數(shù)字經(jīng)濟標桿城市。堅持數(shù)字賦能產(chǎn)業(yè)、城市、生活，打造引領(lǐng)全球數(shù)字經(jīng)濟發(fā)展高地。深入推進數(shù)字產(chǎn)業(yè)化，做強北京數(shù)據(jù)集團和國際大數(shù)據(jù)交易所，大力發(fā)展數(shù)字內(nèi)容產(chǎn)業(yè)。促進實體經(jīng)濟和數(shù)字經(jīng)濟深度融合，實施工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程，推動企業(yè)數(shù)字化轉(zhuǎn)型。培育全球領(lǐng)先的人工智能產(chǎn)業(yè)生態(tài)，加強高端芯片、基礎(chǔ)軟件等關(guān)鍵核心技術(shù)攻關(guān)。培育形成一批行業(yè)頭部大模型，構(gòu)建高性能通用智能體。全面實施人工智能+行動，以人工智能引領(lǐng)科研范式變革，全方位賦能千行百業(yè)，完善人工智能標準體系和應用規(guī)范，支持人工智能企業(yè)參與全球競爭。加強人工智能治理，健全平臺企業(yè)監(jiān)管機制，推動平臺經(jīng)濟創(chuàng)新和健康發(fā)展。11.25國家數(shù)據(jù)局：支持數(shù)據(jù)交易所探索建立全鏈條服務體系國家數(shù)據(jù)局25中心流通交易，完善數(shù)據(jù)產(chǎn)品服務價格發(fā)現(xiàn)機制，在繁榮數(shù)據(jù)產(chǎn)業(yè)生態(tài)等方面作出更大貢獻。10.18上海數(shù)據(jù)交易所健康數(shù)據(jù)數(shù)紐中心正式揭牌2025年11月18上饒單位成員牌。11.2全國首個數(shù)據(jù)交易所數(shù)據(jù)元件專區(qū)在鄭州上線中電（鄭州）數(shù)據(jù)產(chǎn)業(yè)有限公司（以下簡稱中電鄭州）與鄭州數(shù)據(jù)交易中心聯(lián)合打造的數(shù)據(jù)元件專區(qū)近日正式上線運營。據(jù)了解，這是全國數(shù)據(jù)交易所領(lǐng)域首個聚焦數(shù)據(jù)元件的專業(yè)化交易板塊，標志著鄭州市在數(shù)據(jù)要素市場化配置改革領(lǐng)域完成先行探索。作為國家數(shù)據(jù)局首批數(shù)據(jù)流通利用基礎(chǔ)設(shè)施建設(shè)試點城市，鄭州錨定數(shù)據(jù)元件技術(shù)路線，已建成自主可控、安全可信的中國（鄭州）數(shù)據(jù)金庫，為數(shù)據(jù)要素安全流通搭建了核心底座。此次專區(qū)的上線，既是對先行先試任務的具體落實，也是河南省加快培育數(shù)據(jù)產(chǎn)業(yè)生態(tài)、構(gòu)建數(shù)據(jù)驅(qū)動產(chǎn)業(yè)新格局的重要實踐。資料來源：證券時報網(wǎng)、央廣網(wǎng)、新浪財經(jīng)、大河財立方，（二）算法端：國內(nèi)外巨頭大模型動態(tài)表8：國內(nèi)人工智能大模型動態(tài)時間模型主要內(nèi)容11.21騰訊HunyuanVideo1.5騰訊發(fā)布全新視頻生成模型HunyuanVideo1.5，降低視頻創(chuàng)作門檻騰訊混元大模型團隊正式發(fā)布了其最新視頻生成模型HunyuanVideo1.5，標志著視頻生成技術(shù)的又一重要突破。這款基于DiffusionTransformer（DiT）架構(gòu)的輕量級模型，參數(shù)量達8.3B，能夠生成5至10秒的高清晰度視頻，已在騰訊的「元寶」平臺上線，向用戶開放體驗。HunyuanVideo1.5支持多種生成方式，用戶可以通過輸入文字描述（Prompt）實現(xiàn)文生視頻，也可以通過上傳圖片與文字合合，輕松將靜態(tài)圖像轉(zhuǎn)化為動態(tài)視頻。這一創(chuàng)新技術(shù)不僅滿足了中英文輸入的需求，還展示了圖像與視頻的一致性，確保生成視頻在色調(diào)、光影、場景、主體及細節(jié)等方面與原圖高度匹配。11.20快手Keye-VL-671B-A37B快手發(fā)布Keye-VL-671B-A37B模型：多模態(tài)理解與推理能力再上新臺階快手在人工智能領(lǐng)域再推重磅成果，正式對外發(fā)布新一代旗艦級多模態(tài)模型Keye-VL-671B-A37B，并同步開源其核心代碼。這款以視覺理解與邏輯推理深度融合為特色的模型，在通用視覺識別、視頻內(nèi)容分析、數(shù)學問題求解等關(guān)鍵技術(shù)評測中展現(xiàn)出顯著優(yōu)勢，標志著我國多模態(tài)大模型研發(fā)進入新階。技術(shù)團隊介紹，該模型通過架構(gòu)創(chuàng)新實現(xiàn)了三大突破：在視覺感知層面，基于升級版KeyeViT視覺編碼器構(gòu)建的視覺模塊，可精準捕捉圖像細節(jié)特征；跨模態(tài)對齊機制采用動態(tài)注意力分配策略，使文本與視覺信息的融合效率提升40%；推理鏈路設(shè)計引入層級化思維框架，支持從基礎(chǔ)認知到復雜決策的逐步推導。這些改進使模型在真實場景中的響應準確率達到92.3%，較前代產(chǎn)品提升17個百分點。11.15阿里千問App阿里通義App重大品牌升級！正式更名為千問阿里巴巴旗下的人工智能應用通義App迎來了重大的品牌升級，正式更名為千問。伴隨著此次更名，軟件版本號從3.60.0直接升級至5.0.0，目前千問App已正式登陸蘋果AppStore和各大安卓應用商店。11.13百度ERNIE-4.5-VL-28B-A3B-Thinking百度發(fā)布ERNIE-4.5-VL-28B-A3B-Thinking：精確定位圖像細節(jié)解決復雜問題百度推出了其最新的多模態(tài)人工智能模型——ERNIE-4.5-VL-28B-A3B-Thinking，這是一款能夠?qū)D像深度整合到推理過程中的新型AI模型。百度聲稱，這款模型在多項多模態(tài)基準測試中表現(xiàn)出色，偶爾超越了包括谷歌的Gemini2.5Pro和OpenAI的GPT-5High在內(nèi)的頂尖商業(yè)模型。國產(chǎn)模型新盛況！王座易主：KimiK2Thinking開源超閉源月之暗面（MoonshotAI）開源了最新一代大模型KimiK2Thinking，作為一款開源模型，它在基準測11.7月之暗面KimiK2Thinking試上毫無保留，多方面性能直接超越了GPT-5、ClaudeSonnet4.5等業(yè)界先進閉源模型。月之暗面表示，KimiK2Thinking模型擅長多輪調(diào)用工具和持續(xù)思考，它在自主網(wǎng)絡瀏覽能力（BrowseComp）、對抗性搜索推理（seal-0）等多項基準測試中表現(xiàn)均達到SOTA水平，并在Agentic搜索、Agentic編程、寫作和綜合推理能力等方面取得全面提升。資料來源：AIbase基地、搜狐新聞、機器之心Pro、快科技，表9：海外人工智能大模型動態(tài)時間模型主要內(nèi)容11.21NanoBananaPro谷歌重磅發(fā)布NanoBananaPro重新定義AI影像創(chuàng)作正式面向全球發(fā)布了基于Gemini3Pro架構(gòu)打造的全新圖像生成與編輯模型—NanoBananaPro。這款被官方寄予厚望的新一代模型，號稱擁有前所未有的控制力和完美的文字渲染效果。NanoBananaPro旨在將用戶的創(chuàng)意構(gòu)想轉(zhuǎn)化為真正具備工作室級水準的設(shè)計作品。相比今年9月因生成超寫實3D手辦而紅極一時的初代模型，此次Pro版本顯然有著更大的野心。根據(jù)谷歌官方演示，該模型已經(jīng)能夠理解并生成細節(jié)豐富、拼寫準確的文字內(nèi)容，支持多種風格、字體乃至不同語言的排版。無論是簡短有力的品牌標語，還是長篇幅的說明性，落，它都能清晰地將其寫在畫面中，徹底告別了以往AI生成文字時常出現(xiàn)的亂碼與火星文現(xiàn)象。11.19Gemini3Pro谷歌Gemini3.0Pro模型卡發(fā)布，多模態(tài)能力大幅領(lǐng)先競爭對手谷歌新一代大模型Gemini3.0面世前，官網(wǎng)首先正式發(fā)布了Gemini3Gemini3在多項基準測試中大幅超越Gemini2.5、GPT-5.1和ClaudeSonnet4.53100token64KtokenAIME2025等高難度數(shù)學榜單的有代碼執(zhí)行場景下達到滿分，顯示其工具調(diào)用與數(shù)學推理的組合能力已達Gemini3transformertokentoken100token64Ktoken11.13GPT5.1深夜重磅！GPT-5.1發(fā)布，奧特曼大談情商，OpenAI終于學會說人話了？官方宣稱，這是一次重磅升級，旨在讓ChatGPT更智能、更會聊天。在經(jīng)歷了GPT-5發(fā)布時那場雷聲大、雨點小的尷尬后，OpenAI這次帶來了兩個經(jīng)過脫胎換骨般改造的新模型：GPT-5.1Instant(即時版)和GPT-5.1Thinking(思考版)。正如OpenAI在官方博客中所言，這次升級將使模型更溫暖、更智能、更善于遵循你的指示。公司CEO薩姆·奧特曼（SamAltman）也在社交平臺X上發(fā)帖宣布，GPT-5.1上線啦！這次升級挺不錯的。我特別喜歡它在指令遵循方面的改進，還有自適應思考功能。智能水平和對話風格的提升也挺好。11.12Marble主打空間智能！AI教母李飛飛發(fā)布首款商用世界模型AI教母李飛飛的創(chuàng)業(yè)公司在世界模型賽道上邁出了關(guān)鍵的商業(yè)化一步。其公司W(wǎng)orldLabs正式發(fā)布首款商業(yè)產(chǎn)品Marble，標志著人工智能從抽象的語言文本理解，向模擬和交互物理世界的空間智能領(lǐng)域拓展，意圖在下一代AI技術(shù)競爭中搶占先機。11月12日，由斯坦福大學教授李飛飛聯(lián)合創(chuàng)辦的WorldLabs宣布，其首款由多模態(tài)世界模型驅(qū)動的產(chǎn)品Marble正式向公眾開放。該模型能夠利用文本、照片、視頻或3D布局等多種輸入形式，生成可編輯和下載的3D交互環(huán)境，使WorldLabs在與谷歌等科技巨頭的競爭中取得了先發(fā)優(yōu)勢。資料來源：華爾街見聞、太平洋科技、新浪財經(jīng)，（三）算力端：AI服務器、AI芯片最新動態(tài)表10：最新AI服務器、AI芯片動態(tài)時間主要內(nèi)容11.6谷歌云發(fā)布最強自研TPU：十年研發(fā)結(jié)晶，性能四倍于前代谷歌云在官方博客宣布，公司正式發(fā)布第七代TPU（量量處理器）——Ironwood，該芯片將于未來幾周內(nèi)正式上市。這款芯片由谷歌自主設(shè)計，可處理從大型模型訓練到實時聊天機器人和AI智能體運行的各種任務。財聯(lián)社先前報道提到，該芯片最初于今年4月亮相，用于測試與早期部署。谷歌稱，與TPUv5p相比，Ironwood的峰值性能提升至10倍；與TPUv6e（Trillium）相比，其單芯片在訓練和推理工作負載下的性能均提升至4倍以上，令其成為谷歌性能最強大、能效最高的定制芯片。谷歌表示，新一代IronwoodTPU可在單個集群中連接多達9,216顆芯片，從而消除最復雜模型中的數(shù)據(jù)瓶頸，讓客戶能夠運行并擴展當前世界上最大、數(shù)據(jù)量最密集的模型。11.5馬斯克確認AI5特斯拉CEO埃隆?馬斯克（ElonMusk）今日在X上回應網(wǎng)友關(guān)于TeslaAI5芯片的討論時，首次披露了該系列芯片的生產(chǎn)計劃與后續(xù)路線圖。據(jù)稱，特斯拉AI5芯片分為由臺積電和三星電子制造的不同版本。他表示，這兩家廠在將設(shè)計圖轉(zhuǎn)化為實體芯片的工藝上略有差異，但特斯拉的目標是讓AI軟件在不同版本芯片上實現(xiàn)完全一致的運行效果。資料來源：財聯(lián)社、IT之家，三、前沿行業(yè)動態(tài)（一）前沿技術(shù)動態(tài)華南理工團隊重構(gòu)擴散模型推理，質(zhì)量效率雙SOTA從StableDiffusion的文生圖到Sora的文生視頻，擴散模型憑借其卓越的生成質(zhì)量始終占據(jù)著圖像和視頻生成領(lǐng)域的主導地位。然而，這種高質(zhì)量的生成往往伴隨著巨大的代價、，它需要通過數(shù)十甚至上百步的迭代，從純噪聲中逐步恢復圖像。這就帶來了兩個讓業(yè)界頭疼的核心矛盾：推理效率與質(zhì)量的博弈：想快、，畫質(zhì)就崩；想畫質(zhì)好，就得忍受漫長的生成時間。理論與實踐的割裂：為了加速，業(yè)界提出了各種基于微分方程的求解器。但這些方法往往更像是一種數(shù)值近似技」，缺乏對擴散過程本質(zhì)的解釋。更棘手的是，現(xiàn)有的許多SOTA加速算法都依賴于參考軌跡進行優(yōu)化或者蒸餾。在實際應用中，不僅增加了巨大的計算開銷，也限制了基礎(chǔ)模型的泛化能力。華南理工大學統(tǒng)計推斷，數(shù)據(jù)科學與人工智能團隊提出的EVODiff，正是為了解決這兩種核心的問題，不再修補ODE求解器的數(shù)值誤差，而是回到了擴散模型的物理本源——熵。EVODiff的核心洞察非常深刻：擴散模型的去噪過程，本質(zhì)上就是一個不斷減少不確定性、恢復信息的過程。圖3：EVODiff的熵減路徑的直觀理解資料來源：新智元，研究團隊不僅在數(shù)學上嚴格證明了數(shù)據(jù)預測在推理生成過程中優(yōu)于噪聲預測，還提出了一種免參考的自適應方差優(yōu)化框架(EVODiff)。該框架首次展現(xiàn)出，在不依賴于高成本參考軌跡優(yōu)化的前提下，就能夠獲得比一些依賴參考軌跡的方法更高效、且更優(yōu)的生成質(zhì)量。在CIFAR-10上，僅需10步推理，F(xiàn)ID評測指標即達到2.78，相比于同樣是無需參考軌跡優(yōu)化的DPM-Solver++，生成誤差率降低了45.5%(從5.10到2.78)。圖4：EVODiff的熵減路徑的直觀理解資料來源：新智元，谷歌DeepMiThd最新論文揭秘IMO最強數(shù)學模型AlphaProof是DeepMind最新研發(fā)的數(shù)學解題AI系統(tǒng)，專門為證明復雜數(shù)學命題而設(shè)計。不同于我們常見的ChatGPT這類純粹用自然語言思考的模型，AlphaProo在計算機可驗證的形式化語言中進行推理，從而確保每一步推導都嚴格正確。AlphaProof使用了數(shù)學領(lǐng)域流行的形式化證明語言Lean來書寫證明。Lean的語法接近數(shù)學和編程語言的合合體，允許AI輸出的每一步推理都被自動檢查驗證，避免了常規(guī)語言模型可能出現(xiàn)的謬誤。AlphaProof給出的答案不是靠人類評審的文字解釋，而是一份計算機逐行檢驗通過的嚴謹證明。AlphaProof成功的核心秘訣在于將預訓練大語言模型的聰明直覺和AlphaZero強化學習算法的勤學苦練巧妙合合。圖5：預訓練大語言模型和AlphaZero強化學習算法合合資料來源：新智元，語言模型擅長從海量數(shù)據(jù)中學習人類解題的經(jīng)驗和模式；而強化學習則讓AI通過不斷嘗試錯誤，不斷改進策略。DeepMind團隊先利用大模型為AlphaProof打下學識基礎(chǔ)，然后讓它在模擬的數(shù)學環(huán)境中反復練習，自己發(fā)現(xiàn)解題策略。研究者首先收集了近一百萬道數(shù)學題（涵蓋不同領(lǐng)域和難度），利用谷歌最新的Gemini將這些自然語言描述的題目自動翻譯成形式化的Lean代碼表述。這一過程相當于為AlphaProof打造了一個規(guī)模空前的題庫——團隊共獲得了約8000萬條形式化的數(shù)學命題，可以讓AI來練習證明。有了這個題海后，AlphaProof先經(jīng)過監(jiān)督學習微調(diào)，掌握基本的Lean語言證明技巧。接著，它進入強化學習階，：像AlphaGo下棋自我對弈一樣，AlphaProof在Lean證明環(huán)境中與自己切磋。每當AlphaProof找到一道題的正確證明并通過驗證，就用這一成功案例來立即強化自身的模型參數(shù)，使它下次能更有效地解決更有難度的新問題。這種邊練邊學的訓練循環(huán)持續(xù)進行，AlphaProof在數(shù)以百萬計的問題證明中不斷進步，逐漸掌握高難度問題所需的關(guān)鍵技能。AlphaProof在搜索證明的時候并非毫無頭緒地暴力窮舉。它采用了類似于棋類AI中蒙特卡羅樹搜索的策略，會智能地將復雜問題拆解成若干子目標各個擊破，并靈活調(diào)整搜索方向。圖6：AlphaProof搜索證明的策略資料來源：新智元，加州大學新指標：組合推理基準首次超越人類前沿的人工智能模型雖然在眾多任務上取得了顯著進展，但研究發(fā)現(xiàn)，它們在組合推理方面仍表現(xiàn)不佳，在多個經(jīng)典基準測試上甚至低于隨機猜測（數(shù)理與計算機領(lǐng)域?qū)Ｓ忻~）水平。加州大學河濱分校YinglunZhu研究團隊重新審視了這一問題，發(fā)現(xiàn)其根源之一在于評測指標本身——它系統(tǒng)性地低估了模型的真實能力。團隊據(jù)此提出了新的GroupMatch指標，能夠挖掘被現(xiàn)有評測掩蓋的潛在能力，使GPT-4.1首次在Winoground基準測試上超越人類表現(xiàn)?；谶@一洞見，團隊進一步提出一種無需外部監(jiān)督、能夠自我改進的迭代算法Test-TimeMatching（TTM），可在模型推理階，顯著提升性能。得益于TTM，僅0.2B參數(shù)的SigLIP-B16就在MMVP-VLM基準測試上超越了GPT-4.1，刷新了當前最優(yōu)合果。加州大學河濱分校（UCR）研究團隊發(fā)現(xiàn)，模型在組合推理任務中的低分，部分源自評測指標本身。當前廣泛使用的GroupScore指標過于嚴格：它要求每量圖像都與正確的文本匹配、每，文本也與正確的圖像匹配，但并不檢查整個群組的全局一致性。只要有一次錯配，整組得分就會被判為0。假設(shè)每組包含k量圖像和k條文本描述，GroupScore只逐一檢查圖像與文本之間的匹配情況，而忽略整體關(guān)系。在隨機匹配（數(shù)理與計算機領(lǐng)域?qū)Ｓ忻~）下，成功率僅為(k?1)!/(2k?1)!；當k=2時，這個概率只有六分之一。為解決這一問題，團隊提出了新的GroupMatch指標，用于評估群組內(nèi)的整體最優(yōu)匹配，而不是孤立的成對比較。GroupMatch會考慮所有可能的匹配方式（共k!種并選擇最可能的那一個。這樣，在隨機猜測下的成功率提升為1/k!——當k=2時為二分之一，比原來的六分之一大幅提高。更關(guān)鍵的是，如果模型能在GroupMatch下找到正確匹配，只需在測試階，對該匹配進行過擬合，就能在原始GroupScore下獲得滿分?；谶@一發(fā)現(xiàn)，團隊提出了一個簡單的SimpleMatch兩步法：使用GroupMatch選擇最可能的匹配；在測試階，對該匹配進行過擬合。圖7：SimpleMatch揭示了模型中的潛力資料來源：新智元，終結(jié)TraThsformer統(tǒng)治，劍指AI「災難性遺忘」災難性遺忘，是神經(jīng)網(wǎng)絡最根深蒂固的毛病之一。它的存在，使得大模型難以像人類那樣持續(xù)學習。在過去十年中，得益于強大的神經(jīng)網(wǎng)絡合構(gòu)及其訓練算法，機器學習取得了較大進步。但災難性遺忘并沒有被根治。為破解這一難題，來自谷歌的研究人員提出了一種持續(xù)學習的全新范式——嵌套學習，并且已被NeurIPS2025接收。嵌套學習將模型視為一系列更小的、相互嵌套的優(yōu)化問題，每個問題都有其獨立的內(nèi)部工作流程。這樣的設(shè)計旨在緩解甚至完全避免大模型的災難性遺忘。在嵌套學習的框架下，一個復雜的機器學習模型，是由多個一致且相互連接的優(yōu)化問題組成的系統(tǒng)。這些優(yōu)化問題可以是層層嵌套的，也可以并行運行。圖8：嵌套學習的框架資料來源：新智元，每個內(nèi)部優(yōu)化子問題，都有自己獨立的信息，即其學習所依賴的信息集合。嵌套學習允許我們設(shè)計出具備更深計算深度的學習組件。為了說明這一范式，研究人員以聯(lián)想記憶為例，研究人員推論，在訓練過程中，尤其是反向傳播階，，可以被建模為一種聯(lián)想記憶。該模型學習將數(shù)據(jù)點映射到其對應的局部誤差值，該局部誤差值衡量了該數(shù)據(jù)點的驚奇度或意外性。根據(jù)前人研究，研究人員發(fā)現(xiàn)關(guān)鍵的網(wǎng)絡合構(gòu)組件，比如Transformer模型的注意力機制，也可形式化為簡單的聯(lián)想記憶模塊，用于學習序列中各個token之間的映射關(guān)系。資料來源：新智元，嵌套學習模型中的統(tǒng)一合構(gòu)與多頻率更新機制，與人腦的神經(jīng)波動與神經(jīng)可塑性合構(gòu)十分相似。它使我們能夠在人工模型中定義多時間尺度更新：每個學習組件可在不同頻率下更新參數(shù)。通過定義更新頻率，即每個組件參數(shù)被調(diào)整的頻率，我們可以將這些優(yōu)化問題組織成有序的層級合構(gòu)。這一合構(gòu)正是嵌套學習范式的核心。用視覺方式處理長文本，內(nèi)存直降50%tokeTh需求少56%在處理短文本時，大語言模型已經(jīng)表現(xiàn)出較優(yōu)的理解和生成能力。但現(xiàn)實世界中的許多任務——如長文檔理解、復雜問答、檢索增強生成等——都需要模型處理成千上萬甚至幾十萬長度的上下文。與此同時，模型參數(shù)規(guī)模也從數(shù)十億一路飆升至萬億級別。南京理工大學、中南大學、南京林業(yè)大學的研究人員提出VIST（Vision-centricTokenCompressioninLLM）框架，正是為了解決這一痛點。人類閱讀文章時，不會逐字讀完每一個詞?！傅摹埂噶恕埂负汀惯@些功能性高頻詞，幾乎是被大腦自動略過的。真正讓我們停下來的，是那些承載意義的低頻詞——名詞、動詞、數(shù)字等。VIST的核心思想，就是讓大模型也具備這種選擇性閱讀能力。它設(shè)計了一種模仿人類快–慢閱讀通路的視覺化壓縮機制，讓大模型在理解長文本時，既能快速掃讀，又能深入思考：快路徑：將遠處、相對次要的上下文渲染為圖像，由一個凍合的輕量級視覺編碼器快速提取顯著性語義；慢路徑：將關(guān)鍵的近處文本直接輸入LLM，用于深層推理與語言生成。VIST讓模型真正具備了像人一樣速讀的能力。資料來源：新智元，斯坦福7B智能體全面超越GPT-4o，推理流登頂HF當前AIAgent的發(fā)展正陷入兩難的境地：一方面，訓練全能型大模型讓其同時承擔推理、規(guī)劃與工具調(diào)用，雖具一體化優(yōu)勢，但在長鏈推理中往往訓練不穩(wěn)定、擴展性受限；另一方面，基于prompt的智能體系統(tǒng)雖具靈活性，卻缺乏學習與自我優(yōu)化能力，無法從交互中持續(xù)進化。斯坦福大學聯(lián)合德州農(nóng)工大學（TexasA&M）、加州大學圣地亞哥分校和Lambda的研究團隊給出了新答案：讓智能體系統(tǒng)在推理流中進行在線強化學習，從而實現(xiàn)持續(xù)的自我提升與能力進化。他們提出AgentFlow框架采用模塊化架構(gòu)，通過4個專門化智能體協(xié)同工作，配合專門設(shè)計的Flow-GRPO算法，使系統(tǒng)能夠在真實交互環(huán)境中持續(xù)優(yōu)化決策策略。圖11：AgentFlow實驗合果資料來源：新智元，實驗合果顯示，僅7B參數(shù)的AgentFlow在搜索、數(shù)學、科學等多個任務上全面超越GPT-4o（約200B參數(shù)）和Llama-3.1-405B。AgentFlow的設(shè)計思路是：將復雜的推理任務分解給專門化的智能體模塊，同時讓核心決策模塊能夠在交互中持續(xù)學習。圖12：AgentFlow設(shè)計思路資料來源：新智元，系統(tǒng)由四個具備記憶能力的專門化智能體組成：規(guī)劃器（ActionPlanner）：分析任務需求，制定執(zhí)行策略，選擇最合適的工具。這是系統(tǒng)的核心決策模塊，也是唯一需要訓練的部分。執(zhí)行器（ToolExecutor）：負責實際調(diào)用工具API，整合工具返回合果。驗證器（Verifier）：基于系統(tǒng)累積的歷史記憶，評估中間合果是否符合任務目標和約束條件。生成器（Generator）：整合所有信息和驗證反饋，生成最終答案或下一步行動建議。表11：相關(guān)政策法規(guī)

關(guān)鍵創(chuàng)新在于：規(guī)劃器不是靜態(tài)的，而是通過在線（on-policy）強化學習在推理流中實時優(yōu)化。每輪交互后，系統(tǒng)會根據(jù)最終合果的成功或失敗，更新規(guī)劃器的決策策略，并將優(yōu)化合果整合到系統(tǒng)記憶中，形成閉環(huán)的自適應學習過程。（二）前沿政策動態(tài)時間部門文件內(nèi)容11月7日福建省人民政府《福建省推動人工智能產(chǎn)業(yè)發(fā)展和賦能應用若干措施》貫徹落實國家深入實施人工智能+行動的決策部署，加快我省人工智能產(chǎn)業(yè)發(fā)展，促進人工智能與經(jīng)濟社會各行業(yè)各領(lǐng)域深度融合和賦能應用，推動形成智能經(jīng)濟和智能社會新形態(tài)11月11日工信部堅持需求導向、分業(yè)施策、因地制宜，穩(wěn)步有序布局建設(shè)一批中試平臺，不斷充實高水平中試平臺新生力量。11月17日重慶市經(jīng)濟信息委《重慶市加快推進人工智能終端產(chǎn)業(yè)創(chuàng)新蝶變行動計劃（2026—2030年）的通知》為全面貫徹落實黨中央、國務院關(guān)于發(fā)展新一代人工智能的重大決策部署，積極搶抓人工智能產(chǎn)業(yè)規(guī)模爆發(fā)式增長新機遇，以人工智能推進智能終端產(chǎn)業(yè)創(chuàng)新蝶變，加快培育新質(zhì)生產(chǎn)力。11月20日廣東省人民政府《廣東省國家數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)建設(shè)方案（2025—2027年）》到2027比重超過16%，打造3154400業(yè)數(shù)字化轉(zhuǎn)型突破6萬家，算力規(guī)模超過60EFLOPS（）際一流數(shù)字經(jīng)濟發(fā)展高地，將粵港澳大灣區(qū)建設(shè)為全球數(shù)字化水平最高的灣區(qū)。11月21日陜西省發(fā)展改革委《陜西省深入實施人工智能+行動方案（2025—2027年）》陜西將聚焦賦能科技創(chuàng)新、產(chǎn)業(yè)發(fā)展，助力消費提質(zhì)、民生改善，提升社會、安全、生態(tài)治理能力，增強基礎(chǔ)支撐能力4個方面，實施人工智能+科技、制造、能源、農(nóng)業(yè)、文旅、交通、住建、服務消費、產(chǎn)品消費、就業(yè)、教育、醫(yī)療健康、社會治理、安全治理、生態(tài)治理以及加強多元融合算力供給、優(yōu)化高質(zhì)量數(shù)據(jù)支撐、推動行業(yè)大模型創(chuàng)新發(fā)展、提升安全發(fā)展水平等19項舉措。11月27日工信部《關(guān)于增強消費品供需適配性進一步促進消費的實施方案》加大生成式人工智能、3D數(shù)字化設(shè)計等新工具應用。11月27日《北京市促進人工智能+視聽產(chǎn)業(yè)高質(zhì)量發(fā)展行動方案（2025-2029年）》Platform（）資料來源：各政府網(wǎng)站，21四、前沿企業(yè)動態(tài)21（一）前沿產(chǎn)品動態(tài)請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。圖13：OmniVinci性能

英偉達新架構(gòu)引爆全模態(tài)大模型革命，9B模型開源下載即破萬作為AI浪潮最大的受益者——英偉達（NVIDIA）——并沒有懈怠自研大模型。最強9B視頻音頻全模態(tài)大模型OmniVinci，強勢開源！在多個主流全模態(tài)，音頻理解，和視頻理解榜單上，OmniVinci展示出了碾壓對手的性能：資料來源：新智元，英偉達對OmniVinci的定義是全模態(tài)——一個能夠同時理解視頻、音頻、圖像和文本的統(tǒng)一模型。它的大小僅為90億參數(shù)，卻在多項關(guān)鍵的多模態(tài)基準測試中，展現(xiàn)了掀桌子級別的性能。圖14：OmniVinci多模態(tài)基準測試數(shù)據(jù)資料來源：新智元，根據(jù)英偉達發(fā)布的論文，OmniVinci的核心優(yōu)勢極其凌厲：性能越級對標：在多個權(quán)威的全模態(tài)理解基準上（DailyOmniMMAR等），OmniVinci的表現(xiàn)全面超越了包括Qwen2.5-Omni在內(nèi)的同級別（甚至更高級別）的競爭對手。較優(yōu)的數(shù)據(jù)效率：這是最可怕的一點。OmniVinci達到當前SOTA性能，僅使用了0.2Ttokens的訓練數(shù)據(jù)。作為對比，其主要競爭對手的數(shù)據(jù)集規(guī)模普遍在1.2T以上。這意味著OmniVinci的訓練效率是對手的6倍！核心技術(shù)革新：它通過名為全對齊網(wǎng)絡的創(chuàng)新架構(gòu)，以及時序嵌入分組和約束旋轉(zhuǎn)時間編碼等技術(shù)，實現(xiàn)了視覺和聽覺信號在時序上的高精度對齊。Meta發(fā)布新模型，幾段示例學會冷門新語言Meta人工智能研究團隊日前發(fā)布了OmnilingualASR系統(tǒng)，一個可自動識別轉(zhuǎn)錄1600多種語言語音的AI模型族，讓幾乎所有人類語言都能被機器聽懂。Meta此次推出的OmnilingualASR創(chuàng)造了語音識別覆蓋語言數(shù)量的新紀錄，支持超過1600種語言，其中包括500種此前從未被任何AI系統(tǒng)轉(zhuǎn)錄過的語言。相比之下，OpenAI開源的Whisper模型只支持99種語言，而OmnilingualASR幾乎將這一數(shù)字提升了一個數(shù)量級。據(jù)Meta提供的數(shù)據(jù)，在所測試的1600多種語言中，有78%的語種其識別錯誤率（CER）低于10%，若以10小時以上語音數(shù)據(jù)訓練的語種來看，這一比例更是達到95%。即使對于訓練語料極其稀少的低資源語言，仍有36%實現(xiàn)了CER低于10%的效果。圖15：OmnilingualASR模型數(shù)據(jù)資料來源：新智元，這些數(shù)字意味著，OmnilingualASR不僅覆蓋面廣，而且在大多數(shù)語言上都能給出實用且高質(zhì)量的轉(zhuǎn)錄合果。然而，1600種語言還不是OmnilingualASR的終點。OmnilingualASR借鑒了大語言模型的思路，引入了零樣本的上下文學習機制。這意味著即便某種語言最初不在支持列表中，用戶也可以通過提供幾，該語言的音頻和對應文本作為示例，在推理過程中即時讓模型學會一種新語言。無需耗費數(shù)月收集大型語料、無需專業(yè)深度學習訓練，只需簡單的少樣本學習即可學會新語言。憑借這種革新性的范式，OmnilingualASR的潛在語言覆蓋能力驟然擴量。馬斯克Grok4.1靜默上線北京時間2025年11月18日馬斯克攜xAI投下一顆重磅炸彈——Grok4.1正式上線，而且對所有人免費。這一次，Grok4.1一共放出了兩大版本：Grok4.1Thinking和Grok4.1。在LMArena排行榜上，Grok4.1Thinking拿下了1483Elo的成績，以絕對實力加冕全球大模型之王。Thinking版要比Gemini2.5Pro高出整整31分。即便是非推理模式的Grok4.1，直接殺入榜單第二。不僅如此，Grok4.1情商同樣爆表，具備了更高的情緒智能、共情能力和人際互動能力。在EQ-Bench上，以1586Elo成績登頂。同時，在寫作上，Grok4.1（1722）比上一代Elo提升600分。而且，幻覺率比之前模型暴降3倍。Grok4.1之所以可以迅猛進化，xAI團隊將其后訓練階，的RL規(guī)模，又擴大了一個數(shù)量級。最重要的是，相較于Grok4，Grok4.1在人類偏好評估中，刷新業(yè)界SOTA。在LMArena的TextArena中，Grok4.1Thinking模式（代號：quasarflux）以1483Elo一舉沖上第一，比最高的非xAI模型高出31分。它的非推理模式（代號：tensor），無需使用思考Token就能即時響應，拿下了1465Elo，位居第二。圖16：大模型通用能力排行資料來源：新智元，谷歌GemiThi3夜襲全球北京時間2025年11月19日谷歌新一代旗艦Gemini3炸裂登場。而且，一上來就是頂配的Gemini3Pro——迄今推理最強，多模態(tài)理解最強，以及智能體+氛圍編」最強的模型！從實測來看，也的確如此。在眾多基準測試中，Gemini3Pro一舉封神——不僅相較于2.5Pro實現(xiàn)了性能的全方位躍升，甚至直接把OpenAI剛上新的GPT-5.1甩出了好幾條街。圖17：Gemini3Pro基準測試數(shù)據(jù)資料來源：新智元，用谷歌的話來總合，Gemini3Pro頂尖的核心在于這三點——霸榜LMArena（1501分）和WebDev（1487分）人類最后考試（HLE）刷出45.8%最高分，人類博士級推理長程任務規(guī)劃Vending-Bench2上的王者OpeThAIGP-5.1Pro發(fā)布北京時間2025年11月20日，OpenAIGPT-5.1Pro也靜默登場了！主打情商智商雙強，Pro無疑將這兩大優(yōu)勢推向更高層次。同一天，OpenAI全新王牌代碼模型GPT-5.1-Codex-Max，已經(jīng)在Codex平臺正式上線了！從命名上不難看出，它是基于GPT-5.1搭載，并在軟件、工程、數(shù)學、研究等智能體任務專門訓練。由此，GPT-5.1-Codex-Max能力更強、反應更快，而且用起來更省token。新模型是專為長時間、高強度的開發(fā)任務而設(shè)計。它能連續(xù)自主工作超24小時，一口氣處理數(shù)百萬token，直接交付成果。諸如在PR創(chuàng)建、代碼審查、前端開發(fā)、問答等工程師常見任務中，全部做過專門訓練。在多項前沿編碼評測中，它都輕松超越了OpenAI此前所有模型。圖18：GPT-5.1-Codex-Max編碼評測資料來源：新智元，谷歌NaThoBaThaThaPro發(fā)布Gemini3Pro甫一亮相，新一代模型又接踵而至。谷歌正式祭出最強圖像生成模型——NanoBananaPro，基于最新Gemini3Pro打造。官名稱作，Gemini3ProImage。NanoBananaPro就是AI圖像界的新」，不論在圖像編輯還是在生成上，都實現(xiàn)了史詩級進化。它的知識儲備更廣，文字渲染超強，而且細節(jié)把控精準到了像素級。基準測試中，新版NanoBanana相較于上一代性能顯著提升，GPT-Image、FluxProKontextMax根本無法相提并論。圖19：NanoBanana測試數(shù)據(jù)資料來源：新智元，（二）投融資事件表12：11月AI相關(guān)投融資事件融資方賽道公司簡介融資日期融資輪次融資金額本輪投資方傲意科技機器人核心算法專注于無創(chuàng)腦機接口與神經(jīng)康復機器人核心算法和整機研發(fā)，擁有100%自主知識產(chǎn)權(quán)的AI肌電/腦電信號解析、微小電機控制及輕量化復合材料工藝三大核心技術(shù)，產(chǎn)品覆蓋醫(yī)療康復、具身智能及工業(yè)場景。2025/11/28B+輪1.6億人民幣雷迪克無問芯穹芯片依托多元異構(gòu)、軟硬協(xié)同的核心技術(shù)優(yōu)勢，打造了連2025/11A+輪5億人珠海科創(chuàng)投、孚騰資本、惠遠資接M種模型和N種芯片的M×NAI/27民幣本、尚頎資本、弘暉基金、洪泰基礎(chǔ)設(shè)施新范式，實現(xiàn)多種大模型算法在多元芯片上的高基金、達晨財智、尚勢資本、北效協(xié)同部署。洋海棠基金、聯(lián)想創(chuàng)投、君聯(lián)資本、、徐匯科投、元智未來清微智能芯片專注于可重構(gòu)計算芯片的創(chuàng)新研發(fā)和產(chǎn)業(yè)應用2025/11D+輪未透露建投投資、同鑫投資、拓鋒投/26資、聞名投資、成都產(chǎn)投、智路資本、圖靈資管、北創(chuàng)投、卓源亞洲、硬核堅果資本松延動力人形機器注于人形機器人研發(fā)與制造，公司致力于通用人工智能本2025/11Pre-B2億人中金資本、允泰資本、厚為資本Noetix人體，機器人仿生，以及具身操作系統(tǒng)等多個方向的研發(fā)。/26輪民幣靈心巧手機器人聚焦以靈巧手+云端智腦為核心的具身智能平臺，自2025/11A+輪數(shù)億人樂聚機器人、鼎暉投資、晶華新主研發(fā)了LinkerHand系列靈巧手，以及相關(guān)的動捕遙/25民幣材、東方精工、奧克斯、祥源新操系統(tǒng)、靈巧操作數(shù)字孿生平臺等平臺化產(chǎn)品。材、洪山資本、浙江創(chuàng)新投資、德清產(chǎn)投、華福投資、弘頤基金星動紀元人形機器研發(fā)具身智能以及通用人形機器人技術(shù)和產(chǎn)品2025/11A+輪10億人北汽產(chǎn)投、北京國管、順禧基金人/20民幣靈啟萬物人形機器專注于人形機器人領(lǐng)域的AI技術(shù)研發(fā)商2025/11天使輪數(shù)千萬和玉資本、英諾天使基金、梅花人/19人民幣創(chuàng)投、卓源亞洲資料來源：投中網(wǎng)，投資界，北京日報，，騰訊網(wǎng)，新浪財經(jīng)，IT桔子，五、投資建議11月板塊橫盤震蕩整理，建議逢低布局具備基本面支撐龍頭標的。