2024年人工智能行业2025年投资策略报告：算力为基，自主可控大势所趋，Agent及B端应用崛起

一、算力：海外景气度高企，重视增量变化，国内自主可控大势所趋

1.1 算力投资核心要点

展望 2025 年，我们认为算力领域投资分为海外景气度投资以及国内自主可控两大类： 海外景气度投资：1）估值波动，AI 算力全球估值体系参照英伟达，参照台积电 Cowos 扩产节奏，我们看 好英伟达 25 年高增长及 26 年稳定增长，25 年算力产业链确定性较强，看好算力产业链；2）围绕增量变化及新 技术投资，25 年最重要的是英伟达 NVL36、72 机柜开始出货，以及为了应对更大模型参数量训练，单机柜中 AI 芯片互联数量将持续提升，其中铜连接、液冷、电源变化最大，25 年开始进入业绩兑现期，CPO 及 M P O 等 新技术也将开始在 2025 年不断走向成熟；3）围绕份额变化投资，随着产业链的深入，光模块、PCB 等环节的 供应商明年会有份额的变化。

国内自主可控：根据 2023 年底美国商务部和安全局（BIS）发布的一揽子规则，目前国内所能获取的 A I 芯 片性能上限基本就在 H20 这一级别，考虑到 H20 的 FP 16 算力只有 B200 芯片的 6.7%，其性能并不足以支撑国 内向更大参数量模型去探索，因此国内 AI 芯片发展紧迫性凸显。我们认为，未来国内 AI 芯片领军企业，将同 时在出货量、生态和产品力上具有领先性。同时，考虑到国产芯片制程、工艺以及明年国内互联网客户开始推 进机柜方案，建议重视国产电源、液冷等相关标的。

1.2 新技术：CPO 及 MPO 自 2025 年逐步迈向成熟

MPO（Multi-fiber Push-On）是一种高密度光纤连接器，广泛应用于光通信系统中。其设计允许在一次连接 中同时传输多路光信号，极大地提高了光纤连接的密度和效率。MPO 连接器通常用于数据中心、服务器和其他 高性能计算环境，以满足日益增长的数据传输需求。 MPO 技术起源于 20 世纪 90 年代，最初用于电信行业的高密度光纤连接。随着数据中心和云计算的快速发 展，MPO 连接器逐渐成为光通信领域的标准配置。近年来，随着大模型对大型算力集群的需求，以及 800G 和 1.6T 光模块的普及，MPO 技术的应用范围和市场需求进一步扩大。

其主要功能包括：1）高密度连接：支持多达 12 根光纤的并行连接，显著提高连接密度；2）快速插拔：设 计便于快速安装和拆卸，适合频繁更换和维护的场景；3）低损耗：优化的光学设计确保低插入损耗和高回波损 耗，保证信号质量；4）兼容性：可与多种光纤类型和标准兼容，适应不同的应用需求。 使用场景：1）数据中心内部互联：用于连接交换机和服务器，提供高带宽的光纤连接；2）服务器集群互 联：在高密度服务器环境中，MPO 连接器用于实现服务器之间的快速、高效连接；3 存储网络：用于连接存储 设备和服务器，支持大数据传输和高性能存储操作。 在高性能计算环境中，MPO 连接器通常用于光模块与光纤之间的连接。例如在一个 CPO 中，可能需要多 个 MPO 连接器来实现高密度的光纤连接。如一个 800G 光模块可能使用两个 MPO 连接器来支持 16 条光纤的并 行传输。GPU 通常需要通过高速光纤网络与其他计算节点连接。MPO 连接器用于实现 GPU 与交换机之间的高 带宽连接。 MPO 连接器市场主要由几家大型光通信设备制造商主导，包括 Finisar、博通、Molex 等。这些公司凭借其 技术优势和市场份额，在市场上占据领先地位。此外，随着技术的不断进步，越来越多的新兴企业也在进入这 一领域，市场竞争日益激烈。

MPO 技术凭借其高密度、低损耗和快速插拔的优势，在光通信领域占据了重要地位。随着如英伟达计算集 群中服务器数量、单台服务器中的 GPU 卡数量的快速增加，在未来的超大规模计算集群中，对于 MP O 互联的 需求量一定会快速提升，有望带动 MPO 整体市场规模的提高。

1.3 铜连接：机柜方案成为主流，铜连接需求高速增长

交换网络中常见的连接解决方案包括光模块+光纤、有源光缆（AOC）和直连电缆（DAC）。DAC 可以进 一步分为有源 DAC 和无源 DAC： 有源光缆由两端的两个模块组成，由在中间的一段光纤连接。光学模块和光缆是集成的，两端的光学模块 都需要激光组件。与其他电缆相比，AOC 具有许多优点。它提供高传输速率、远距离功能、低功耗、重量轻且 易于使用。这些好处是通过采用光传输而实现的，它克服了无源光纤电缆或其他电缆类型的局限性。AOC 有源 光缆设计轻质紧凑，信号信噪比表现好，抗干扰能力强，是数据中心、HPC 计算和 InfiniBand 交换机互连的理 想选择。 DAC（直连电缆）电缆是一种网络电缆，用于连接不同的网络设备（例如交换机、路由器和服务器）以形 成网络。它也称为双轴电缆，由两根绞合在一起形成电缆的导线组成。它可以以 10Gbps、25Gbps、40Gbps、 50Gbps 和 100Gbps 的速度传输数据，具体取决于所连接的网络设备。此外，DAC 电缆可以制造为各种长度， 例如 1m、3m、5m、7m 和 10m，以适应不同的网络设置。有源 DAC 电缆不仅可以转换信号，还可以放大信号， 它们不易随着距离的推移而丢失信号，非常适合较长的电缆长度。无源 DAC 电缆是将数字信号转换为模拟信号 的简单电缆。这些电缆不需要外部电源，只是通话的“可靠通道”。DAC 不包含光电转换器模块，电缆端由简单 的电缆连接器组成。这使得它们具有很高的成本效益，由于其经济实惠和高速性能，无源 DAC 已成为实现短距 离传输的优秀解决方案。

通信网络中常见的连接解决方案包括光通信和高速电通信，无源 DAC 作为电通信的主要解决方案其不包 含光电转换器模块，具有很高的成本效益和运营可靠性，成为实现短距离传输的优秀解决方案。目前的铜缆已 经实现 224G 以太网 Serdes 高速通信技术升级，短距离传输性价比突出，在 AI 服务器高集成度的趋势下，我们认为铜连接将成为 AI 服务器的重要组成。 GB200NVL72 服务器采用大量的铜连接作为机柜内部通讯方式。GB200NVL72 机柜中不同的计算托盘间采 用电缆进行互联，内部使用电缆长度累计接近 2 英里，共有 5000 多条独立电缆。计算托盘内同样采用大量铜连 接作为服务器内的 GPU 芯片互联。 铜连接的优势： 性价比优势：在短距离内，光模块价格显著高于铜缆以及连接器，铜连接方案的成本相对较低。并且其具 有高兼容度并不需要额外的转换设备。

可靠性优势：可靠性用平均无故障时间(MTBF)来衡量。无源铜缆的 MTBF 大约为 50000 万小时――通常比 光缆的行业标准高出一个数量级。铜缆为可靠的数据传输至关重要的企业数据中心提供了一大好处：避免停运 时间。随着数据中心中 GPU 规模数量的显著提升，通信方式的可靠性成为重要的考量因素。 散热及低功耗优势：DAC 消耗<0.1W，相比与有源光缆 AOC 和有源电缆 AEC 来说几乎可以忽略不计，相 对来说散热更容易。并且铜连接整体设计更加灵活，机柜扩展维护相对更加简单。

GB200NVL72 服务器中包含三种铜缆：三种柜内线（NVL72 机柜以内的定义为柜内线）以及柜外线（机柜 间的互联定义为柜外线）。

计算托盘间的铜缆连接：单张 B200 对应 1 条 NVLink5.0 连接，每条传输双向 1.8TB/s 带宽，Serdes 对应的 规格为 224Gbps 通信协议，铜缆也采用难度更高的 224Gbps 产品，即单张 B200 上面通常连接 72 个差分对（72 根线）即可以达到可支持的 1.8TB/s 的带宽。NVL72 单个 Rack 中共有 72 张 B200，可以得出需要 5184 根线 （72*72），加上 eprom 线，合计为 5544 根，平均长度约 0.6 米。则合计 5544*0.6=3326.4 米，考虑背板线主要 采用高端的 26AWG型号的线，单价按照 12 元/米计算，则单个 NVL72 机柜中背板线高速铜线价值量为 39916. 8 元/台。

交换机内部互联：NVSwitch 芯片全部通信带宽连接背板连接器，总共需要 576 根 overpass 线，每根 0. 3 米， 9 个交换托盘合计 1555.2 米，单价按照 7 元/米计算，则合计 10886.4 元/台。在 NVL36 解决方案中，NVSwitch芯片一方面连接背板连接器，一方面连前端 I/O 端口，其中连接背板连接器的 OverPass1 线共 288 根，每根 0. 3 米；连接前端 I/O 端口的 OverPass2 线目前也为 288 根（带宽前后端一致），每根 0.3 米，9 个交换托盘合计也为 1555.2 米，单价按照 7 元/米计算，则合计 10886.4 元/台。 计算托盘内部：由 PCIE线实现 CPU 与 I/O 端口之间的互联，单个 tray 预计 0.4*16*8*4=205 米，NVL72 合 计 18 个 tray 盘，则合计为 205*18=3690 米。单价按照 2.5 元/米计算，则价值量为 9225 元。

柜内线高速铜缆市场规模测算：对于中国厂商来说，交付能力、产品质量均处于领先地位，份额仍在不断 提升。我们考虑 NVL72 三部分柜内线，其价值量保守估计约为 39916.8+10886.4+9225=60028.2 元/台。考虑到 明年 NVL36、NVL72 机柜整体出货量（等效 NVL72 预计 4 万台以及 NVL36 两种版本合计约 3 万台），仅柜内 线铜缆高速线市场就达到 35 亿+。目前柜外线大批量出货，高速铜线增量明显。并且，明年 AMD、谷歌 TP U 以及其它大厂也纷纷采用机柜方案，其所用高速铜线规模也较大。 根据线束中国信息，目前安费诺是 GB200 NVL72 服务器铜连接的供应商，其产品可以支持 224G 高速通信 的批量交付，受限于产能和产品稳定性考量，部分国内企业或成为安费诺供应商从而受益于英伟达 NVL72 服务 器铜连接供应体系。

1.4 液冷：机柜功耗大幅增加，液冷黄金时代来临

单卡功耗增加以及更多的卡集中在一个机柜，散热方式从风冷升级为液冷。根据冷却介质不同，数据中心 冷却方式分为风冷和液冷，而液冷方案可分为冷板式、喷淋式和浸没式三种，当前伴随单台服务器功率的不断 提升，液冷服务器渗透率有望快速提升。数据中心作为持续的产热大户，高效且稳定的散热系统是重要的配套 设施，根据冷却介质差异可划分为风冷和液冷两种方案。与风冷方案利用空气作为冷却介质不同，液冷方案以 液体（导热油或氟化物）作为冷媒，利用液体流动将数据中心 ICT 设备内部元器件产生的热量传递到设备。相 比传统风冷，液冷技术具备更高的散热效率、低能耗、低 TCO、低噪声和低占地面积等显著优势，是单机柜功 耗持续增长背景下解决散热压力、应对节能挑战的重要途径。

功耗上限/PUE范围/经济效益三重优势加持下，液冷系统加速渗透具备较强确定性： 1）AIGC 推动功耗快速提升，单芯片功耗实现数倍式飞跃。随着内核数量的增加，处理器性能与功率实现 了同步增长，带动 CPU 单芯片功耗同步提升，而 GPU 由数百个内核组成，可同时处理数千个线程，功耗较 CP U 显著更高，英伟达 GB200 由两个 1200W GPU 与 300W CPU 构成，总功耗高达 2.7KW，单芯片功耗的翻倍式提 升使得其对散热的要求远远超过传统风冷能力范畴（实际上部分冷却板式液冷系统也仅能满足单芯片功耗 270- 500W 范畴）。

2）单机柜功率密度提升，已突破传统风冷散热上限。单台通用服务器通常仅配置 2 颗 CPU，单台服务器 功耗通常不到 1KW，而根据英伟达提供的数据，NVL 72 服务器配置了 36 颗 GB200 GPU，受新增多颗高功耗 GPU 配置影响，NVL 72 服务器的系统功耗可达 120 KW，较通用服务器大幅提升。当前我国主流风冷机柜功率 范围大致在 7-10 KW 范围内，则需要多台传统风冷机柜才可容纳一台 NVL 72 服务器，机柜空间冗余较多，且 机柜间排布需有一定间隔以完成散热，互联成本增加且机房使用效率将大幅降低。因此，伴随高功耗 A I 服务器 的上架，为在满足功耗要求的基础上提高机房的空间利用率，高功率机柜或将同步增长。

3）政策严控 PUE，更高效的散热方案是关键。PUE为数据中心总耗电量与 IT 设备耗电量的比值，其值越 接近 1，说明数据中心对于电能的利用越有效，是表征数据中心能耗的核心指标，而空调系统作为除 I T 设备之 外的第二大能耗方向，也是降低 PUE 的关键所在。随着碳中和碳达峰战略的深入推进，针对数据中心这一用电 大户，国家层面以及地方政府均出台了系列政策对 PUE 进行严控。新建项目方面，普遍要求新建的大型及以上 数据中心 PUE不超过 1.3，对国家枢纽节点的 PUE 要求更为严苛，“东数”节点要求控制在 1.25 以内、“西算”节 点要求控制在 1.2 以下；存量项目方面，要求逐步对 PUE>1.5 的数据中心进行改造。据统计，传统风冷方案的 数据中心 PUE一般在 1.5 左右，采用液冷的数据中心 PUE可以降低至 1.2 以下，从当前实际情况来看，实地运 行的数据中心 PUE较政策要求仍有较大差距，若想严格达成政策目标，液冷迫在眉睫。

4）全生命周期角度看，固定 IT 需求下液冷系统具备较强运营优势。数据中心全生命周期成本（TCO）包 含 CAPEX 和 OPEX 两部分，具体包括了数据中心配套设备购置成本（土建配电等）与建成后的运营支出（利 润维度主要是电费与折旧）。总体看液冷相对风冷系统具备较高的建造成本，以液冷造价 0.95-1.05 万元/KW（含 室外冷源），风冷造价 0.35 万元/KW 测算，若 NVL 72 单机柜功耗在 120W 左右，则液冷系统造成成本为 114- 126 万元（约 16 万美元），较风冷系统贵 78 万元。但从运营角度看，考虑到液冷系统 PUE远低于风冷系统，则 对应固定功率的 IT 设备，液冷数据中心的整体耗电量远低于风冷系统，且该耗电量节约带来的运营成本减少将 伴随数据中心功耗规模的扩大而快速扩大。从经济效益角度看，大规模高功耗数据中心使用液冷系统将具备较 高性价比。

1.5 电源：功率密度持续升级，量价齐升、格局优化，重视国产 AI 芯片电源

1.5.1AC-DC 电源是当前产业重点

从供电过程本质上，电源本身不产生任何能量，只是作为电网中电能的传导，其核心是实现整流与变压两 项功能。整流即是实现不同形态电能的转换（直流变交流、交流变直流），变压即是实现电压的升高或降低。此 外，针对于特定场景，电源会添加额外功能，如服务器电源就需要在散热、监控、电流调节上做额外的功能追 加从用途功能分类上，电源可分为嵌入式电源与非嵌入式电源，嵌入式电源通常被直接安装在设备内部或特定 空间内，又可分为普通开关电源与模块电源两类，其中模块电源往往是被镶嵌在电路板上。

整体来看，AI 电源的架构从供电次序的角度来看主要分为三级：UPS—AC/DC—DC/DC。在数据中心的电 力从电网传输到加速器芯片的过程中，电压要从 1-3 万伏特降低至 0.5~1 伏特以供芯片使用，其中电源主要指 AC/DC 与 DC/DC 部分。AC/DC 环节的输入是 PDU 输入的交流电，经过降压、整流两个过程最终输出 12V 直 流电，此后再经过层层降压以达到芯片的工作电压（AI 服务器因为耗电大,为减少损耗所以可能选择先输出较高 的 50V/48V 电压）。DC/DC 环节则进一步将电压调降至芯片可用电压，一般而言是将 12V 降至 1V 或 0. 8V，若 整体服务器功耗较大，也可能是先从 50V/48V 降至 12V，再从 12V 降低至 1V 或 0.8V。

1.5.2 算力需求飞跃带来用电需求急剧上升

AI 需求将带动能耗进入快速增长阶段。耗电量可以根据 AI 服务器的预计销售量及其额定功率进行预测， 考虑到 AI 服务器的快速放量，预计 2026 年 AI 带来的电力消耗有望达到 2023 年的 10 倍。当前算力需求主要由 模型训练所贡献，后续伴随 AI 应用快速落地，算力与算力能耗需求增长仍有进一步提速空间。 核心看，伴随服务器（尤其是 AI服务器）功耗总额的快速提升，在 OCP ORV3 标准限制下服务器电源必须通过提升功率密度并维持高能源转化率（钛金 96%以上）以满足服务器运转需要。更好的材料、更优的拓扑、 更多的集成是功率密度提升的主要途径，因此电源行业不仅享受了总功耗提升带来的需求快速上行，同时也因 为材料变更、散热需求加强等因素带来了单瓦特价格提升现象，并助力行业空间快速扩容。此外，考虑到近期 大陆区域外流片难度加大，伴随大陆区域流片芯占比增加，电源功耗需求有望呈现进一步提升趋势。

从实际配置角度看，服务器整机品类繁多，不同服务器芯片配置方案不同。以 DGX 系列为例，DGX A100 整机功耗上限 6.5KW，DGX H100 整机功耗上限 10.2KW，NVL 72 整机功耗 120KW。仅就 AI服务器电源而 言，可通过各类芯片的全球出货量预估出其每年市场空间的最小值（冗余配置带来不确定性），即 24/25 年 AI 服务器电源可实现 124/296 亿元市场增量，相较过去市场规模实现超高速增长。

此外，伴随单机柜容纳 GPU 数量逐渐增多，机柜功耗总额快速提升（NVL 72 总功耗已达 120KW）。机柜 类服务器占比的提升在三个层面对供电系统提出更高要求：1）更高性能的供电总线；2）更高压的交流与直流 电（如 DC/DC 模块电压输入可达 800V，从而大幅减少发热损耗）；3）更低损耗的内部供电电路。从而使得电 源获得了额外的溢价能力，市场空间更加广阔。

1.6 国产 AI 芯片：25 年值得期待，重视更可控、更具产品力的 AI 芯片

GPU具备图形渲染和并行计算两大核心功能。GPU 具有数量众多的运算单元，适合计算密集、易于并行的 程序，一般作为协处理器负责图形渲染和并行计算。对于国内来说，民用图形渲染领域买单的人是游戏爱好者， GPU 公司需要跟大型游戏厂商进行适配合作，背后的生态支持需要大量工作。对于智算领域，生态要求极高， 需要基础算子及应用程序算法的持续积累和优化，英伟达的 CUDA 具备绝对的生态优势，其次互联能力要求也 极高，并且由于海外对国内使用先进制程有诸多限制，也限制了国内 AI 芯片的迭代。

我们认为国内 AI 芯片厂商能否脱颖而出，核心看以下三点： 出货量至关重要：国产 AI 训练芯片研发周期 2 年， 人员 500 人以上， 则需要人员费用 500*80 万*2= 8 亿， 7nm流片费用 1500 万美金， EDA、 IP 数千万美元， 则一颗芯片整体投入约 10 亿。按照训练芯片单价 7 万，毛利率 50%测算， 则需要出货至少达到 3 万片才能分摊研发成本。 构建自主生态：兼容英伟达 CUDA 在短期可以减轻开发和迁移难度；长期来看，国产 GPU 如果完全依赖 CUDA 生态，硬件迭代将受英伟达的开发进程束缚。对于很多互联网大厂来说，自主生态的路会更长。 产品力：做产品而不是做项目，核心是互联网客户。

1.7 估值体系变化

2024 年开年以来，美国科技股价依然保持强力上涨态势，年中虽受到宏观经济及资金面扰动股价反复波动， 伴随着降息周期的开启以及大选结果的相继落地，美国科技股涨势得到恢复，截止 11 月 16 日，英伟达取得年 内 187%的涨幅同时突破前高。当前美股估值相对偏高，动态 PE 处于历史较高的估值分位数，但是整体业绩增 长及增长预期仍然非常稳健，参照台积电 Cowos 扩产节奏，以及英伟达 B 系列芯片的放量节奏，我们看好英伟 达未来业绩。近期美股 AI 软件展现较强业绩增长，进一步强化了 AI 带来的科技板块盈利预测上修。预期美股 科技板块仍然将维持较强的增长动能，同时看好整个板块向明年估值切换。

二、端侧 AI 手机端生态颠覆或将更快到来

2.1 AI 手机：AI+手机的三种路线抉择

2.1.1 智谱华章类：独立第三方 AI 手机助手

手机端 Agent——AutoGLM: 个人生活助理时代来临。2024 年 10 月 25 日，智谱带来了自己全新的 AI Agent 产品 AutoGLM，其适配于当下中国人的使用习惯，为手机端 Agent。在性能对比上，AutoGLM 在 Phone Use 和 Web Browser Use 上均表现出了更强的性能。在官方的演示视频中，AutoGLM 可以根据用户指令，自动完成： 朋友圈评论&点赞、微信抢红包/回复、外卖软件下单、订车票等个性化操作，智能化程度很高。 目前该功能仅针对安卓手机用户开放内测，博主测试其可实现限定条件下的酒店预定。在博主“数字生命 卡兹克”的测评视频中可以看到，在“帮我订今天罗湖地铁站附近 600 元以内的酒店”的任务中，AutoGLM 可 实现：1）自动打开携程 APP，在地点中输入了深圳和罗湖地铁站；2）并选定了目标日期的大床房，并按照价 格进行筛选；3）询问客户在列表酒店中选择；4）进入下单和付款界面。 尚不能完全满足用户的个性化需求，Agent 仍有进步空间。在演示 demo 中，我们可以看到 AutoGLM 已经 非常熟练的掌握使用微信、淘宝、美团、携程等 APP，但也仍有进步的空间。如在官方演示视频中，AutoGLM 在下单瑞幸咖啡时支付了 18 元以上，有着明显的溢价，似乎还没有掌握这些品牌复杂的“抢优惠卷”玩法。随 着互联网软件的种类、功能越来越丰富，智能体能否熟练的掌握每个软件的使用方法，满足不同用户的个性化 需求，真正成为个人助手值得期待。令人欣喜的是，在从以聊天为主的大模型 1.0 时代迈入个人智能助理的大模 型 2.0 时代，以智谱为代表的国产 AI 公司完成了从追赶者，到探索者的身份转换。

PC 端 Agent——Claude：个人工作助理新阶段。10 月 23 日，Anthropic 推出全新的 Claude 3.5 Haiku 和升 级版 Sonnet。Sonnet 的能力不仅全面超过 GPT- 4o，更带来全新的 AI 体验——计算机使用能力，可以像人类一 样操作电脑。它的功能包括移动光标、点击、通过虚拟键盘输入等，标志着 AI 真正从聊天机器迈入使用工具解 决问题的新阶段。 Claude3.5 Sonnet 性能领先。从下图可以看到，根据 Anthropic 的测试数据，其升级后的 Sonnet 在逻辑、知 识、代码、数学、视觉、工具使用等领先 GPT-4o 和 Gemini 1.5。因为 o1 模型与传统的预训练模型的技术路线 差异较大，因此并未放入比较，但是也有其他研究者在推特上发布了自己的测评结果，Sonnet 的性能优于 o1- mini。

除了性能以外，Claude 展现了使用计算机的全新能力。与过去 AI Agent 直接通过代码/程序，后台联网搜索/操作应用不同的是，Claude 可以像人类一样去使用电脑。其方式是先看屏幕，再使用鼠标操作，再通过思考， 重复以上步骤直到完成目的。在演示中，Claude 3.5 Sonnet 不仅可以理解多种人类的复杂任务，包括行程规划、 分析数据、编写代码。还可以根据任务内容，直接浏览电脑桌面上的文件，理解文件内容，操作浏览器查询， 下载安装包，编写程序，制作表格等。Claude 会直接展示在电脑上操作的每一步，并给出对应的理由，当出现 bug 时，Claude 还会尝试不同的解决办法，真正熟练的使用电脑上的不同工具。 升级版的 Claude 3.5 Sonnet 现在对所有用户开放。开发者可以在 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 上使用「计算机使用」的测试版进行构建。新的 Claude 3.5 Haiku 将晚些时候开放， Haiku 作为模型参数最小、速度最快的模型，已经在性能上超过了 Claude 3.0 的最强、最大的 Opus 模型。 下图是 Anthropic 的开发者关系负责人 Alex Albert 展示的一个演示的 demo。开始时，Alex 给 Claude 指示： 1）去美国政府数据网，下载一个最近有趣的数据。2）安装 sklearn（一个机器学习工具包）和 bash 相关工具（执 行程序的工具包）。3）写一个 python 文件，把数据分为训练集和验证集，然后创建一个分类器并训练。同时还 给出提示，需要 Claude 检查数据，以免出现模型不收敛的情况。4）最后使用浏览器可视化的展示分类的结果。 随之，Claude 开始操作电脑：1）使用工具：截图，以查看当前的电脑桌面并找到浏览器。（每一次查看都 需要使用这个工具）2） 使用工具：鼠标移动&使用工具：左键单击打开浏览器。3）使用工具：键盘输入网址。 接下来就重复以上三步，查看页面，并移动鼠标点选，并输入想要的数据。4）下载完成后，Claude 自动打开数 据进行分析。其中遇到了几步 bug，包括路径错误、数据类型错误等，Claude 都通过几次尝试解决了。5）通过 编写的 python 代码，完成了分类器的训练并展示结果。

在上述过程中，最能体现 Claude 表现出了像人一样操作电脑的智能是三点：1）Claude 理解了人类的意图： 比如下载最近有趣的数据是一个很模糊的指令，但是它在数据网上找到了 2024 年 4 月的纽约空气质量数据，并 给出找这个数据的解释：该数据适合分类器训练，并且数据时间很新，同时还有适合解读的 CSV 格式可供下载。 2）体现了思维链的过程：Claude 将任务拆解成了若干步骤，并对每一步给出了详细的解释，并使用合适的工具 去完成规划。3）自我调整的过程：在任务过程中，多次碰到失败，比如文件无法打开，该 Agent 想到了绝对路 径可能是错误的，于是使用相对路径来打开文件。遇到浏览器闪崩可以再次打开浏览器并展示结果。虽然目前 Claude 还有许多不足，比如任务的成功率有待提高（很多任务无法一次完成，或经常失败），比如目前的操作仍 主要在浏览器，还无法对更多的应用进行操作，比如 Office 软件、微信、Wind 等。但这仍是一个重大的进步， 过去 AI 大模型主要作为一个聊天机器人、多模态机器人，进入了可以自如使用工具的阶段。这背后反应的是 Claude 在 AI Agent、多模态理解、思维链上的研究成果。

其他科技巨头也将陆续推出类似的 AI智能体产品。OpenAI 透露正在组建一支多智能体的研发队伍，据传 已经可以操控计算机完成在线订餐、自动查询解决编程难题等任务。苹果在今年 5 月发布了可以让 AI 理解手机 屏幕的 Ferret-UI 模型，预计在明年发布跨多个 APP 屏幕识别能力。微软也开源了屏幕解析工具 OmniPars er，可 以完成自动订票等功能。谷歌的 Geimini 2.0 也有望在 12 月推出，同时正在开发同类新项目「Project Jarvis」，能 将 Chrome 网页任务自动化。在这样的大背景下，预计在不久的将来，我们将进入大模型时代的 2.0 时代：AI Agent。

2.1.2 苹果 Intelligence：AI 结合苹果原生应用，后续逐渐打通第三方应用

北京时间 6 月 11 日，苹果于 WWDC2024 上推出 Apple Intelligence 个人智能系统。苹果 Apple Intelligence 套件将生成式模型与苹果产品相融合，打造“个人智能”。Apple Intelligence 将生成式 AI 模型置于配备 A17 Pro 芯片的 iPhone 15 Pro 和 iPhone 15 Pro、配备 M1 芯片的 iPad 和 Mac 以及后续机型和硬件设备中，旨在结合苹 果现有的产品和服务，为用户打造特定的 AI 使用场景。 苹果 Apple Intelligence 功能主要包括语言、图片、跨软件指令和个人信息识别四方面。语言层面， Apple Intelligence 不仅将语音转文字、长文提炼摘要、错别字校对等基本功能整合到苹果原生应用中，而且可以提供 自动对信息进行识别提炼（摘要总结）和更改文风功能。图片层面， Apple Intelligence 可实现图片识别（自然 语言搜索图片）和图片生成等功能。跨软件指令和个人信息识别层面，Siri 可以基于 Apple Intelligence 实现横跨 多个应用的操作，比如根据照片、日程、消息、文件等信息，预测用户接下来的行程等，当前此项功能仅限于 苹果原生应用。同时，在个人隐私保护层面，苹果采用本地和云端 AI 混合处理的方式，将大多数任务优先在本 地处理，建立 Private Cloud Compute 系统来确保用户数据安全。 在发布会上，苹果官宣了与 OpenAI 的合作，将 Siri 与 ChatGPT 进行整合。在 Siri 无法提供满意的答案时， 系统将在取得用户同意后直接调用内置的最新版 GPT-4o 协助回答来取代之前直接网页搜索，提升了准确度和 智能化水平。

2024 年 10 月 28 日，苹果正式推送 Apple Intelligence，Apple Intelligence 是伴随着 iOS 18.1、iPadOS 18.1,及 macOS Sequoia 15.1 系统一同发布的，并且苹果官网 Apple Intelligence 页面上的“Coming Soon”也替换为了 “Available now”。目前 Apple Intelligence 仅支持 A17 Pro 及以上的芯片，包括 M 系列芯片，对于欧盟和中国地 区存在一些特殊限制。

随后，苹果推出了 App Intents 全新框架，使开发者可以在 iOS 18.2+、macOS 15.2+等平台上集成 Sir i 和 Apple Intelligence，实现对应用内容的读取和操作。使用最新版 Apple Intents 后， Siri 和 Apple Intelligence 功 能如下：1、屏幕内容读取与理解：Siri 现在可以更深入地理解上下文，用户可以直接询问 Siri 关于当前查看的 网页或照片中的特定对象的问题；2、内容摘要与问题解答：Siri 将具备在用户请求时总结文档和电子邮件的能 力，并能通过添加内容来完成文本，从而提升其交互性和实用性；3、跨应用操作：Siri 能够在各类 Apple 及第 三方 app 中完成上百种新操作。例如，用户可以说“从我的阅读列表里调出那篇关于蝉的文章”，或者“把周六 那天的烧烤照片发给 Malia”,Siri 便会执行；4、隐私保护：Apple Intelligence 在理解深层次个人场景的同时，也会做到对用户隐私的保护。Apple Intelligence 的底层逻辑在于在设备端处理任务时，所用到的模型很多全程仅 在设备端运行；5、ChatGPT 集成：在最新的 iOS 18.2 开发者测试版中，Siri 已经开始支持 ChatGPT 集成。

苹果还宣布将向开发者推出新功能 Genmoji、ImagePlayground 和 ImageWand，旨在通过生成式人工智能提 升用户互动与创作的能力。其中，Genmoji 允许用户根据文本描述生成自定义表情符号，这不仅拓宽了沟通的方 式，也为个性化表达提供了全新可能。而 ImagePlayground 则是一个基于用户描述生成卡通图像的工具，能够让 用户在社交媒体或线上创作中，展示独特的创造力。ImageWand 能够在 Notes 应用中将用户的粗略草图转化为 清晰的图像。

Apple Intelligence 在原生应用中表现较好，例如备忘录应用开始提供电话和音频的实时转录，照片应用也变 得更加智能，用户可以通过描述搜索几乎任何内容。此外，Apple Intelligence 还提供了跨应用操作的能力，例如 根据邮件内容创建日历事件，或从照片中提取信息填写表格苹果公司还计划将 Apple Intelligence 扩展到第三方 应用程序中。Apple Intelligence 的推出，不仅在原生应用中展现了其强大的功能，也为第三方应用的未来整合奠 定了基础。苹果公司强调，Apple Intelligence 的 AI 功能将在保护用户隐私的同时，提供更加智能和个性化的用 户体验。

2.1.3 华为鸿蒙：操作系统底层结合 AI，或可打通全部应用

华为原生鸿蒙操作系统推出。10 月 22 日，华为原生鸿蒙操作系统 HarmonyOS NEXT 5 正式发布，这也是 继苹果 iOS 和安卓系统后，全球第三大移动操作系统。此前已经发布过的鸿蒙系统，由于系统底座仍使用了部 分 AOSP 开放源代码，所以兼容了部分安卓应用软件。而此次发布的原生鸿蒙，实现了系统底座的全部自研， 系统的流畅度、性能、安全特性等提升显著，也实现了国产操作系统的自主可控。同时，原生鸿蒙实现了手机、 平板、汽车座舱等多设备、多场景的互联互通。目前，支持鸿蒙系统的设备数量已超过 10 亿，注册开发者 675 万，已经有超过 15000 多个鸿蒙原生应用和元服务上架，覆盖 18 个行业，通用办公应用覆盖全国 3800 万多家 企业。原生鸿蒙降低了接入新系统的难度和成本，流畅度提升 30%，很多应用一天一个版本迭代更新。

鸿蒙操作系统将实现“AI+OS”的深度融合。基于原生开发的应用，不仅能够直接与操作系统的功能和硬件 进行深度交互，因此通常在性能、用户体验和平台集成方面表现最佳。新的鸿蒙操作系统将实现“AI+OS”深度融 合，AI 大模型运行更高效。发布会上华为发布升级版 AI 助理“小艺”，这是华为首次将原生 AI 能力融入操作系 统，在盘古大模型加持下，“小艺”能力全面提升，具备更强的感知、推理能力，可实现 23 类 Top 场景记忆感知， 任务成功率超过 90%，知识量突破万亿。此次发布的原生鸿蒙系统，重新强调了“确保用户数据始终留存在设 备本地，敏感数据不上云”这个底线，同时用户可以随时删除这些数据。通过禁止开放 9 类不合理的权限请求， 从源头上降低了隐私泄露的风险。

2.2 AI PC：英特尔与联想 AI PC 进度更新

不同于注重计算能力和硬件性能的传统个人计算机产品，AI PC 更加注重智能化技术的渗透应用。P C 具备 全模态的人机交互条件，承载场景众多，是最强的个人计算平台，且有足够大的本地存储容量支撑，与大模型 高度适配，将 AI 与 PC 相结合能够更好地实现 AI 普惠与生产力升级。AI PC 产品在硬件上集成了混合 AI 算力 单元，可以在本地运行经过压缩和优化的个人大模型，创建个人知识库，提升了对用户需求的理解能力，从过 往传统 PC 的“应用为本”、“应用驱动”转向“以人为本”、“意图驱动”，在更好地保护用户隐私的前提下为用 户提供更加智能化、定制化的服务。

英特尔酷睿 Ultra 200V系列处理器拥有极具突破性的 x86 能效，在图形性能、应用兼容性、安全性和 A I 计 算能力上都有卓越表现，CPU、NPU 和 GPU 的整体平台 AI 算力高达 120 TOPS，在笔记本上流畅运行 NP U 驱 动的 Qwen 2-7B 大模型，miniCPM v2.6 秒速识图 1 秒完成。即使在较低型号中，仅 NPU 的计算性能也达到 40 TOPS，满足微软提出的轻薄型笔记本电脑品牌“Copilot+ PC”的要求。续航方面，酷睿 Ultra 200V可以实现在 生产力用例中续航长达 20 小时。

10 月 25 日，英特尔举办了英特尔酷睿 Ultra 200V 移动处理器品鉴会暨 AI PC 生态大会，以及英特尔酷睿 Ultra 200S 台式机处理器发布会。在现场，英特尔展现了全栈生态优势，与 50 家 ISV、OEM、渠道伙伴和 ODM 产业伙伴分享了产品和 AI 功能及应用，包括印象笔记、AiPPF、ExtendOffice 等合作伙伴生态应用。

作为全球最大的 PC 厂商，联想基于英特尔、AMD、高通的最新 PC 芯片推出了一系列革命性 AI PC 设备。 2024 年 9 月 5 日——在 IFA 百年期间，全球创新技术领导者联想集团在联想创新世界 2024（Innovation World 2024）大会上，展示了其在人工智能领域的最新成果，涵盖 ThinkPad、ThinkBook、Yoga 和 IdeaPad（小新）等 多个产品线，旨在改变企业和消费者的用户体验：联想针对商务用户推出了 ThinkPad X1 Carbon Gen 13 Aura Edition，搭载英特尔酷睿 Ultra 200V系列处理器，NPU 算力超过 45 TOPS，提供了卓越的 AI 功能和以用户为中 心的设计。同时，联想还展示了搭载 AMD Ryzen AI 处理器的 ThinkPad T14s Gen 6（ThinkPad T14s AI 2025 AMD） 和 ThinkBook 16 Gen 7+，这些设备在多任务处理、创意表达和能效方面展现了卓越的性能。此外，联想还发布 了搭载骁龙 X Plus 8 核处理器的 ThinkBook 16 Gen 7，为中小企业提供了强大的 AI 性能。联想还推出了 AI PC Fast Start 解决方案，帮助企业快速过渡到支持 AI 的设备，通过 AI 咨询和简化部署，最大化投资回报。联想的 这些服务在确保无缝实施的同时，加速了 AI 的普及。

2.3 自动驾驶

2.3.1 特斯拉算法进展：FSD V13 即将发布

FSD v12 在算法层面实现端到端。马斯克称 FSD v12 是完全端到端。FSD v12 完全是由神经网络训练而成， 没有任何一行人工写的规则代码，即此次直播汽车所做出的判断完全都是由 AI 进行决策，并没有针对特定场景 进行代码编写。马斯克称，控制是全自动驾驶最后一个难题，FSD Beta v12 使用 AI 替代传统控制模块使得控制 代码减少约 2 个数量级。特斯拉原先的自动驾驶算法 HydraNets，也被成为九头蛇网络，是将每一个任务划分 为单独模块，虽然在工程学上对每一个模块进行优化，但却没法从全局提升汽车自动驾驶性能。端到端将感知、 预测与规划集成在同一个网络流程中，将自动驾驶建模成一个神经网络驱动任务。端到端使得算法中的所有模 块都直接服务于规划，使得最终汽车做出规划的效率提高，避免了模块分散导致的数据重复流转。

特斯拉在最近一个月内推送了 FSD V12.5.2 版本，该版本在自动驾驶的接管率上有了显著的改进，据称接 管率改进了 3 倍。这意味着在自动驾驶模式下，车辆需要人类驾驶员介入的频率大大降低了，提升了自动驾驶 的可靠性和用户体验。特斯拉在 FSD V12.5.2 版本中上线了基于太阳镜的注意力检测能力。这一功能允许驾驶 员在启用 FSD 辅助驾驶时佩戴墨镜，同时系统能够准确检测驾驶员的注意力状态，确保驾驶安全。特斯拉推送 了智能召唤功能（Actual Smart Summon, ASS）。该功能使车辆能够实现自主泊车、在停车场内导航以及无人驾 驶接送乘客等任务。车主可以仅使用手机，就能将他们的车辆从停车位召唤到附近的特定位置，进一步提升了 自动驾驶的实用性和便捷性。此外，Autopilot/FSD 团队的负责人 Ashok Elluswamy 称特斯拉还将推送 Cybertruck 车型的自动泊车功能，这对于 Cybertruck 这样的大型皮卡来说是一个重要的功能升级，有助于提升驾驶便利性 和安全性。

北京时间 2024 年 10 月 11 日，特斯拉举办了名为“RobotaxiDay”（无人驾驶出租车）的演示活动。整场活 动一共展示了三个产品：Robotaxi、Robovan、TeslaBot，以及自动驾驶方面的新动态。无人驾驶出租车被命名为 Cybercab，它的内部不仅没有方向盘，还没有脚踏板，外部也没有后视镜。车门像蝴蝶翅膀一样向上打开，车舱 很小，只能容纳两名乘客。Cybercab 没有传统的充电接口，因为它依赖于感应式（即无线）充电。特斯拉计划 明年在德克萨斯州和加利福尼亚州推出全自动驾驶汽车，Cybercab 将于 2026 年投产，最晚可能要到 2027 年。 但是用户可以提前用 Tesla 现有车型体验到无人驾驶出租车。预计 Cybercab 运营成本将为每英里约 0.2 美元（约 为 0.125 美元/公里），含税价格可能为每英里 0.3 或 0.4 美元（0.19 或 0.25 美元/公里）。如果购买 Cybercab，成 本将低于 30,000 美元。

2.3.2 自动驾驶芯片：国产力量加速崛起

自动驾驶芯片以“CPU+GPU+NPU”的 SoC 异构方案为主，核心在 NPU 和 ISP/DSP。传统的汽车电子芯片 为 MCU，多依赖于单一 CPU 处理器，但面对复杂的自动驾驶任务，CPU 显得力不从心。目前自动驾驶芯片结 构是以“CPU+GPU+NPU”的 SoC 异构方案为主，结合了通用计算、图形加速和专用加速的优势，能够高效处理 自动驾驶中的海量数据和复杂算法，满足实时性和准确性的要求。自动驾驶芯片要完成瞬时处理、反馈、决策 规划、执行的效果，对 NPU 算力要求非常高。自动驾驶级别每升高一级，对计算力的需求至少增加十倍。L 2 级 别至少需要数十 TOPS 的算力，L3 需要数百 TOPS 的算力，L4 为数千 TOPS。ISP 是图像信号处理的核心芯片， 负责前期的数据准备和图像预处理，以确保输入数据的质量；ISP 生成的图像数据需要经过 DSP 进一步处理， DSP 则可以进行更高级的图像处理，如目标检测、道路检测等应用。

英伟达代表全球自动驾驶芯片最顶尖水平。2023 年 9 月，英伟达正式发布了智能汽车芯片 Thor。Thor 车载 计算平台分为两个版本，分别是单片 1000 TOPS 算力版本，和双片共计 2000 TOPS 算力版本。最早于明年开始 量产，同年上车。伴随着芯片架构升级，Thor 平台将搭载专为 Transformer、大语言模型和生成式 AI 工作负载 而打造的全新 Blackwell 架构。相比于其他主流的智能驾驶芯片，Thor 芯片性能具有代差优势。在 AI 算力上， Thor 远高于其他主流芯片，从而实现驾舱融合；在制造工艺上，Thor 采用 4 纳米的先进技术，有效降低功耗和 成本，减少发热问题。目前 Thor 超级芯片仍处于研发阶段，计划于 2025 年量产，而其他厂商同期规划产品算 力基本低于 1000TOPS，Thor 具有显著的代差优势。

Mobileye 作为较早布局自动驾驶业务的芯片厂商，曾经是国内智能汽车首选的芯片厂商，但由于其“黑盒 模式”以及整体性能扩展不如英伟达等厂商，因此一些厂商开始自研以及转向英伟达。但 Mobileye 在 ADA S 市 场份额依旧有较大影响力，中国市场约占其业绩的 1/3。外资 Mobileye 逐渐开始式微，其在中国的 ADAS 市场 也被中国本土企业所蚕食。Mobileye 二季度报告显示，全球多家 OEM 大幅下调了今年下半年的产量预期，中 国区市场下半年订单有所下降。

三 模型与应用

3.1 模型端：Openai O1 类模型陆续推出，推理能力大幅增强

2024 年，随着大语言模型进入到相对成熟的阶段，多模态的发展也相继成熟，GPT-4o 具备了多模态的输 入输出能力。大语言模型本身基于 transformer 架构，存在一定的局限性。例如逻辑性相对较弱，大语言模型在 文本的理解和生成上表现出色，但是涉及到数理逻辑推理时表现仍然有待提升。信息准确性和时效性有限：大 模型存在幻觉问题，可能产生误导性输出，同时信息的及时性取决于最近一次的训练时间。 OpenAI o1 是经过强化学习训练来执行复杂推理任务的新型语言模型。o1 在回答之前会思考，可以在响应 用户之前产生一个很长的内部思维链。该模型在作出反应之前，需要像人类一样，花更多时间思考问题。通过 强化学习训练，大模型学会完善自己的思维过程，尝试不同的策略，并认识到自己的错误。

在 OpenAI 的测试中，该系列后续更新的模型在物理、化学和生物学这些具有挑战性的基准任务上的表现与 博士生相似。OpenAI 还发现它在数学和编码方面表现出色。在国际数学奥林匹克(IMO)资格考试中，GPT-4o 仅 正确解答了13%的问题，而o1 模型正确解答了83%的问题。模型的编码能力也在比赛中得到了评估，在 Codeforc es 比赛中排名 89%。 为了突出相对于 GPT-4o 的推理性能改进，OpenAI 在一系列不同的人类考试和机器学习基准测试中测试了 o1 模型。实验结果表明，在绝大多数推理任务中，o1 的表现明显优于 GPT-4o。o1 在广泛的基准测试上比 GP T4o 有所改进，包括 54/57 MMLU 子类别。

在真实的大模型推理过程中，大模型会就一个问题作出多种可能的回答，同时就单一回答反复追问，从而 得到最后解答，过程中不断反复得到多种答案。在最后的回顾过程中，大模型会找到其中相对成熟的答案，同 时整理整个思维过程，给出最后的统一性答复。

推理过程中的Scaling Law:o1的性能随着更多的强化学习(训练时间计算)和更多的思考时间(测试时间计算) 投入不断提高，推理过程中的 Scaling Law 发现意味着大模型的逻辑推理能力有望大幅提升。 基于 o1 进行了初始化并进一步训练了其编程技能后，OpenAI 训练得到了一个非常强大的编程模型(o1- ioi)。 该模型在 2024 年国际信息学奥林匹克竞赛(IOI)赛题上得到了 213 分，达到了排名前 49%的水平。并且该模型参 与竞赛的条件与 2024 IOI 的人类参赛者一样:需要在 10 个小时内解答 6 个高难度算法问题，并且每个问题仅能 提交 50 次答案。当每个问题允许 10000 次提交时，即使没有任何测试时间选择策略，该模型也获得了 362.14 分——高于金牌门槛。

3.2 独立 AI 应用：北美 AI 应用分析

根据 AI 产品榜数据（aicpb.com），按网站访问量排名，2024Q3 的 TOP20 总榜中，三类应用仍是目前使用 人数最多的：聊天机器人、AI 搜索、AI 图像编辑/生成。其中 8-9 月份，AI ChatBots 品类有 3 家，AI Search Engine 品类有 4 家，另外 13 家为细分赛道产品；10 月份，AI ChatBots 增至 4 家，AI Search Engine 品类为 3 家， 另外 13 家为细分赛道产品。其中，ChatGPT、New Bing、Canva Text to Image 在每个月的均位列榜单前三。 ChatGPT 作为全球生成式 AI 的现象级产品，其网站访问量在 2024 年 10 月份达到了 37.8 亿次，在 9 月、 10 月依然能有 17%以上的增速。紧随其后的 New Bing 作为 AI 搜索引擎中的领军者，其访问量也达到了 18. 6 亿 次，虽然在 9 月份访问量有些许下降，但整体来看依然能保持相对稳定的增长速度。专攻图像生成领域的 Canva Text to Image 则以 8.18 亿次的访问量位居第三，8-10 月仍然逐月保持增长势头。总榜中的 Perplexity AI 排名逐 渐升高，360AI 搜索作为为数不多排名靠前的国内产品，其排名也在 10 月份跻身前五，此外，主攻虚拟角色的 Character AI，主打 AI 营销的 Salesforce AI 等产品均有上榜，主攻教育辅助的 Q-Chat，在图像领域除 Canva Text to Image 之外，也有 Remove. Bg 等产品上榜。

在国内总榜中，我们发现 AI 聊天和搜索也是国内最热门的领域，360AI 搜索、百度旗下的 AI 产品在这两 个领域占有极高的访问量，其中 360AI 搜索增速很快，这也反映在了该产品于全球榜单中的排名变化，百度搜 索 AI 智能回答的访问量也在 9 月份达到了 4.38 亿次。在以上两个领域外，以美图设计室为代表的图片生成类 产品，以 AiPPT. Cn 为代表的办公支持类产品也占有一席之地。

3.2.1 AI 搜索

2024 年第三季度，全球 AI 搜索领域依然热门，访问量持续上升，多个龙头产品占据市场主导地位。生成式 AI 技术的发展提升了信息获取效率，改变了用户与搜索引擎的互动方式。整体访问量显著增加，显示出用户对 AI 搜索引擎的强烈需求。市场上涌现出多种具备独特功能的 AI 搜索引擎，这些产品通过大语言模型提供更智 能和个性化的搜索体验。同时，AI 搜索引擎在自然语言处理和语义理解方面取得进展，使用户能够通过对话式 交互获取信息。总体而言，本季度全球 AI 搜索领域展现出强劲的发展势头，持续吸引关注与投资。 在该领域，Perplexity AI 是一款上升趋势明显的产品。自成立以来，该产品的访问量持续增长，9 月和 10 月 的增幅超过 25%。Perplexity 的目标是利用大语言模型为用户提供直接答案，而非传统搜索引擎返回的链接列表。 到 2024 年，Perplexity 已筹集到 1.65 亿美元的资金，估值超过 10 亿美元。其年化收入约为 5000 万美元，相较 于年初显著提升。

360AI搜索是国内产品在该领域的代表。2024 年第三季度，360AI 搜索的发展情况显著，标志着其在 A I 搜 索引擎领域的领先地位。在用户访问量方面，360AI 搜索在 2024 年 10 月的用户访问量达到了 2.87 亿次，连续 三个月保持全球访问量最大的 AI 原生搜索引擎地位。该平台的月独立访客量超过 9000 万，刷新了国内 AI 产品 的最高纪录，并已实现商业化闭环。

3.2.2 AI 营销

AI 在产品营销和市场推广方面的应用正在迅速发展，特别是在 2024 年第三季度，AI 技术的结合引发了显 著的市场变革。个性化推荐系统通过分析用户行为数据，为每位用户提供量身定制的产品推荐，从而提高购买 转化率和客户忠诚度；聊天机器人在客户服务中发挥重要作用，能够 24 小时提供个性化反馈；AI 还在数据分析与预测方面展现出强大能力，帮助市场营销人员识别市场趋势和潜在机会。在 2024 年第三季度，AI 营销领 域表现也尤为突出。总体而言，AI 技术不仅提高了营销效率，还增强了客户体验。随着技术的发展，未来的市 场营销将更加智能化和个性化，企业需积极拥抱这些变化，以提升竞争力和市场份额。 在该领域，Salesforce AI 的排名非常靠前。其核心组件 Einstein，旨在提升企业的市场营销效率。Salesforce AI 的主要功能包括：1）销售预测，利用用户数据帮助销售主管预测团队表现；2）机会评分，自动评估潜在交 易的成功概率；3）邮件洞察，分析邮箱内容以识别重要邮件并提供回复建议；4）聊天机器人，使用自然语言 处理技术为客户提供即时帮助；5）语音助手，支持通过语音管理日常任务；6）数据分析，自动发现行为模式 以支持决策；7）图像与文本分析，了解消费者反馈和趋势；8）个性化推荐，提供商品和内容推荐以提升客户 体验。这些功能广泛应用于 Salesforce AI 的 Sales Cloud、Service Cloud 和 Marketing Cloud 等服务中，帮助企业 提高运营效率和市场竞争力。 在 2024 年第三季度，Salesforce 报告总收入达到 87.2 亿美元，同比增长 11%。其中订阅和支持收入为 81. 4 亿美元，同比增长 13%。GAAP 运营利润率为 17.2%，非 GAAP 运营利润率为 31.2%。每股收益方面，GAA P 稀 释每股收益为 1.25 美元，非 GAAP 为 2.11 美元。经营活动现金流为 15.3 亿美元，自由现金流达到 13.7 亿美元。 此外，公司提高了对 2024 财年的收入指导，预计全年收入将在 347.5 亿到 348 亿美元之间。这些数据表明 Salesforce 在市场中的持续领导地位和强大的增长潜力。

AppLovin：是近期在营销领域比较热门的 AI 应用品牌，与其他营销 CRM 软件如 Salesforce 相比，AppLovin 更专注于移动广告领域，利用 AI 技术提升广告效果，而 Salesforce 则广泛适用于各行业的客户关系管理。这样 的差异化使 AppLovin 在快速变化的数字营销环境中占据了有利位置。 AppLovin 的核心竞争力来自其独特的 AI 技术产品与应用平台： 1）AXON：一款 AI 驱动的广告引擎，旨在通过 AI 算法优化广告效果，精准识别用户需求和优化广告投 放，以提升广告支出回报，在游戏广告、电商广告、应用内竞价等场景实现高效的变现效果和客户转化。 2）Adjust：一款全面的监测和数据分析平台，旨在为移动营销人员提供精准的归因数据和深度报告，以优 化广告预算、提高营销效率并追踪渠道表现。 3）AppDiscovery：主要功能是通过 AI 驱动的效果营销，帮助应用开发者在连接电视（CTV）渠道和流媒 体电视中精准获取用户，优化广告支出并提升投资回报率。4）MAX：一款集成了多种广告形式的移动应用内广告变现解决方案，通过实时竞价和智能匹配，帮助开发 者在游戏开发、移动应用、跨平台广告管理等领域实习最大化广告收入，同时保持良好的用户体验。 5）Wurl：一款专注于连接电视（CTV）广告的解决方案，旨在通过数据驱动的效果型营销帮助广告主在 CTV平台上实现精准投放和用户转化。 作为全球领先的移动广告平台，AppLovin 通过其强大的移动广告和游戏发行业务，帮助应用开发者实现有 效的用户获取和收入变现。在 2024 年第三季度，AppLovin 展示了强劲的财务表现，总收入达到 12 亿美元，同 比增长 39%。这一增长主要得益于软件平台业务的出色表现，该部门收入增长 66%，达到了 8.35 亿美元。净利 润方面，AppLovin 实现了 4.34 亿美元，净利润率达 36%，显示出其强大的盈利能力和市场竞争力。此外，自由 现金流也表现优异，达到 5.45 亿美元，同比增长 182%。展望未来，公司预计 2024 年第四季度收入将在 12. 4 亿 至 12.6 亿美元之间，保持稳定的利润率，有望进一步巩固其在广告科技行业中的地位。

3.2.3 AI 图像

在 2024 年第三季度，全球 AI 图像领域显著发展，市场竞争加剧，尤其是在大型模型和生成式 AI 技术的推 动下。IDC 指出，生成式 AI 逐渐应用于图像生成和编辑，改变了消费者体验并促进了商业创新。同时，企业面 临数据安全和隐私保护的新挑战，专家呼吁重视这些问题以确保数字化转型的安全性。移动端 AI 应用市场持续 增长，消费者对个性化服务的需求上升。尽管整体风险投资市场放缓，AI 初创企业仍吸引大量资金，显示出对 未来增长潜力的信心。这些因素共同推动了 AI 图像领域的快速演变。 Remove.bg：作为图片生成领域一家成立于 2018 年的公司，专注于图像背景去除技术，迅速成为行业领先 的解决方案提供商。该公司每月处理超过 1.5 亿张图片，拥有 3200 万月活跃用户和 240 多个企业客户。Remove.bg 提供在线背景去除服务及多种插件，并在 2024 年推出了“魔力笔刷”功能，以提升用户对复杂图像的处理灵活 性和控制力。其主要产品包括在线工具、批量处理功能和 Photoshop 插件，用户可以快速上传图片并在几秒钟内 自动去除背景。 在付费模式上，Remove.bg 提供按需付费和订阅计划，满足不同用户需求。2024 年第三季度，该公司网站 访问量持续增长，反映了良好的市场表现。Remove.bg 以其简单易用的在线工具和出色的客户服务而受到用户 欢迎，同时重视用户隐私与数据安全。在 2024 年 8 月至 10 月期间，该公司稳定跻身 AI 产品网站访问量前 20 名，展现出强大的用户基础与发展潜力。

海螺 AI：在视频编辑领域，2024 年第三季度，海螺 AI 的发展情况显著，网站访问量在 10 月达到了 1170 万次，同比增加 2772.92%，成为全球和国内增速榜的第一名。这一增长得益于其首个文本生成视频模型 ababvideo-1 的成功推出，该模型在上海人工智能实验室的 VBench 测试中综合排名领先，显示出其技术的领先性和 市场需求的强劲。海螺 AI 运用先进的多模态处理能力，基于 MoE（Mixture of Experts）语言模型，使其能够高 效处理文本、图像和语音等多种数据类型。 海螺 AI 的应用领域广泛，涵盖教育、媒体和金融等行业。在教育领域，可以帮助学生快速阅读和总结长篇 文章；在媒体领域，能够提取关键信息并生成草稿；在金融领域，可用于分析市场数据以支持投资决策。这些 应用展示了海螺 AI 在推动产业数字化转型方面的潜力。2024 年第三季度海螺 AI 凭借技术创新、市场表现及广 泛应用展现出强大的发展潜力和市场竞争力。随着大模型技术的成熟，海螺 AI 将继续在多个行业中发挥重要作 用，为用户提供更精准和个性化的服务。

3.2.4 AI 虚拟陪伴

AI 陪伴产品在技术进步与应用多样化方面取得了显著发展，越来越多的应用开始采用数字人化身，实现实 时语音对话，从而提升用户体验的沉浸感和个性化。2024 年第三季度的市场趋势表明，AI 陪伴类应用已成为人 工智能技术落地的主流方向之一，满足了用户对情感陪伴的需求，并提供个性化定制体验。该季度 AI 虚拟角色 陪伴领域的发展势头强劲，不仅体现在用户规模和收入增长上，也反映出技术创新和市场需求的不断演变。 Character AI：是该领域是一个不可忽视的力量，其在 2024 年第三季度的排名稳居前十。该平台利用深度 学习和大型语言模型（LLM），使用户能够创建并与虚构角色进行对话。Character AI 强调用户生成内容（UGC），允许用户根据需求定制 AI 角色，以提供情感支持和娱乐体验。随着用户数量的增加，Character AI 预计将通过 增值服务和广告实现盈利。Character AI 的核心竞争力在于其强大的技术团队和高效的模型能力。该平台开发了 自有的预训练模型，其推理成本低于竞争对手，具备明显的成本优势。此外，Character AI 在用户活跃度和产品 体验上表现出色，满足多样化需求。其经营模式主要基于 UGC 和个性化服务，允许用户创建和定制 A I 角色并 与之互动，形成丰富多样的内容生态。 2024 年 8 月 2 日，Character AI 宣布与谷歌达成收购协议，谷歌以超过 25 亿美元的估值收购该公司。这一 收购不仅提供资金支持，还吸纳了 Character AI 的核心团队参与谷歌的 Gemini AI 项目。通过收购，Character AI 获得了谷歌的资金和技术支持，加速产品迭代与优化，并决定专注于开发能够模拟各种人物和名人风格对话的 聊天机器人。这一转型反映了市场需求与资源配置之间的变化，未来 Character AI 将继续聚焦对话生成领域，并 关注伦理与隐私问题，以确保可持续发展。

3.2.5 AI 军事

AI 在军事领域也在发挥显著的作用，其中 Palantir 公司的 AI 产品已成为具有核心竞争力的典型代表。在 2024 年第三季度，Palantir 的财报显示出强劲的业绩，营收为 7.26 亿美元，同比增长 30%，高于市场预期的 7.04 亿美元。公司实现净利润 1.44 亿美元，创下历史新高，每股收益为 0.10 美元，显著高于分析师预期的 0. 04 美 元。Palantir 将 2024 年的收入预期上调至约 28.1 亿美元，而第三季度美国商业业务收入达到 1.79 亿美元，同比 增长 54%；美国政府业务收入为 3.2 亿美元，同比增长 40%。尽管国际业务表现相对疲弱，但约 70% 的收入来 自美国客户，表明公司在美国市场的需求持续。 Palantir：在军事领域的 AI 产品具有强劲的竞争力，这也是其能够同美国政府进行规模性合作的主要原因。 Gotham 是 Palantir 开发的一款先进数据平台，专为全球防务、国际情报和执法机构设计，其核心功能包括数据 集成与融合、强大的数据可视化和实时数据处理。Maven 智能系统（MSS）则通过人工智能和数据分析提升美 国军方的决策能力，并在战场意识和后勤管理中发挥关键作用。此外，TITAN（战术情报目标接入节点）是一款 移动地面站，通过整合多种传感器的数据支持复杂战场决策。 Palantir 在军事领域的核心竞争力体现在技术领先性、强大的客户基础以及灵活性与可扩展性，使其产品能 够满足现代战争对快速、准确情报处理的需求。通过与国防部的紧密合作，Palantir 不断扩展其产品线，并获得 多个重要合同，这些合同不仅提升了公司的收入，也进一步巩固了其在军事 AI 领域的市场地位。随着对 AI 技 术需求的增加，Palantir 预计将继续扩大市场份额，并推动更广泛的技术应用。

2024Q3，AI 应用的落地进一步加速。除了之前热度很高的比如 Perplexity 等继续保持快速增长，AppLovin、 Palantir 等应用也进一步看到了 AI 带来的生产力变革。同时涌现出了新的一批爆款应用比如 Hailuo、快手可灵、 Pika 等，而且值得欣喜的是其中国内优秀的 AI 应用开始逐渐崭露头角。随着技术的不断进步，更多创新型产品 将涌现出来，特别是在 AI 营销、AI 图像、AI 虚拟陪伴，以及 AI 军事等领域，这些细分市场的竞争将更加激 烈。同时，国内外企业将加大对 AI 技术的投资，以提升用户体验和产品功能。特别是在中国市场，360AI 搜索 等本土产品正在快速崛起，并逐渐占据重要位置。随着用户对 AI 工具需求的增加，可能会看到更多针对特定行 业需求的定制化解决方案出现，从而推动整个行业的进一步发展。

3.3 AI+ 行业：交通、教育、金融、医疗、工业、军事行业更新

3.1 国内大模型发展情况

国内第一梯队的大模型整体能力目前已经逼近 GPT-4：部分模型中文能力与 GPT-4 相差无几。第一梯队的 头部大模型例如 ChatGLM4、百度文心一言 4.0、讯飞星火 V3.5 整体表现已经接近 GPT-4，在中文领域，国内部 分模型表现已经可以比肩 GPT-4。5-6 月，国内多家大模型已迎来版本更新，预期我们将见到部分头部大模型整 体能力上逼近甚至超越 GPT-4。从海外经验来看，海外 AI 爆款的落地，也大致在 GPT-4 发布后的 2- 3 个季度 后，在应用领域实现百花齐放。

国内大模型价格显著下降。过去制约大模型应用的两个要素：模型能力和模型成本，模型能力不管是基础 理解能力还是多模态能力去年都取得了快速进步，在模型成本上，海外 GPT 从发布后已经经历了 4 轮降费，国 内大模型在一个月前也经历了一轮快速的成本下降，部分轻量级模型甚至免费开放，大模型应用的前置因素目 前已经具备。

国内大模型访问量不断提升。从全球大模型流量排行中可以看到，国内大模型已经稳定占据了第二梯队。 其中国内流量前三名分别为 Kimi、文心一言和豆包大模型，10 月单月的流量分别为 2950 万次、2170 万次和 1740 万次。其中 kimi 和豆包的流量都处于快速提升状态，单月环比增速均超过 20%，显著高于 ChatGPT、Google Geimini，与 Claude 增速相近。

3.2 政策大力支持 AI 落地行业应用

5 月 26 日山东省的企业和专家座谈会重点提及深化电力体制改革、发展风险投资和用科技改造传统行业。 会议中明确指出，传统行业改造升级能发展新质生产力，也属于新质生产力范畴。这为后续传统行业智能化改 造投入加大奠定了基础。 超长期国债将大力投入科技自立自强。5 月 13 日，财政部公布 2024 年超长期特别国债发行有关安排。其 中超长期国债今年共计发行 1 万亿，其中 20 年期 7 只，30 年期间 12 只，50 年期 3 只，均将在下半年陆续发布 完毕；从投入领域看，超长期国债将投入“科技自立自强”、“新兴城镇化建设”、“长江经济带高质量发展”、“提 升粮食安全保障能力”、“国防安全”等多个领域，具体资金获取方将以地方政府与国央企为主。23 年大模型出 现以来，地方政府与国央企对智能化建设关注度骤增，上述资金或将用于行业性智能化改造，这与“以旧换新” 等政策的提出也较为契合； 本次超长期国债的推出将受到过往诸多文件影响，如《扩大内需战略规划纲要（2022-2035 年）》：坚定实施 扩大内需战略、培育完整内需体系。并重点提出推动 5G、人工智能、大数据等技术与交通物流、能源、生态环 保、水利、应急、公共服务等深度融合，助力相关行业治理能力提升。

3.3 AI+工业

一直以来，工业 AI的应用就落后于其他领域，原因是工业领域更多的依赖对行业 know-how的经验理解， 而不是单纯从数据中挖掘规律。但随着 AI 通用性和专业性两方面的不断加强，越来越多的工业 know-how 被 计算机所理解，甚至表现出更好的性能。例如上世纪 60 年代专家系统诞生与 80 年代的工业领域应用间隔近 20 年，统计机器学习的工业领域应用滞后周期基本在 10 年左右，而深度学习、生成对抗网络等新技术于 2012 年 后在通用领域开展应用，不足 4 年便产生了工业领域探索实例。总体来看，由于人工智能技术可用性增强以及 工业信息化水平提升，通用技术的工业落地间隔由 20 年逐步缩短至小于 5 年。加之工业领域的关键技术如数字 孪生等本身就与深度学习密切相关，我们认为，伴随 ChatGPT 带来的通用 AI 大模型突破，工业领域 A I 应用将 迎来快速落地和发展。

从需求端看，不断增长的降本增效需求与多变的市场环境为“AI+工业”带来广阔的市场空间。Al+不仅提 升了生产效率，还推动了工业自动化和智能化的进程，为企业在全球市场中的竞争力注入了新活力。A I 大模型 有望推动工业领域迈向优化运营的自主系统阶段，在自主控制、机器视觉系统和演化建模三大环节实现显著进 步。 Smart Industry 指出，AI结合工业领域的显著进步主要体现在：（1）自主控制（Autonomous Control）：利 用 AI/ML，制造过程正在从自动化向自主控制的方向发展，使系统能够在没有人为干预的情况下做出实时决策 和调整；（2）机器视觉系统（Machine Vision Systems）：将先进的闭环控制策略与先进的感官机器视觉 AI 反馈 相结合，使 PLC 能够采取自动纠正措施，以实时减少缺陷；（3）演化建模（Evolutionary Modeling）：在数据科 学实践的早期，单点解决方案是常态，其中根据从可用数据中得出的各种标准选择单个模型。未来这种方法演 变为从潜在候选模型的集合中构建模型，这种方法要求每个模型在每一次迭代中都要成功适应，开发出更符合 实际物理过程和各自系统动态的高精度和稳健的模型。

3.3.1 AI+工业软件

工业软件是工业创新知识长期积累、沉淀并在应用中迭代进化的软件产物。工业软件的根基仍然是工业行 业本身，有赖于正向创新和行业创新知识的积累，是一个长期系统工程。任何工业知识都必须先形成完整的体 系，搭建出知识库和模型库，并在实践中反复应用、更改，与工程紧密结合并不断更新迭代，才有可能形成工 业软件。因此，工业软件是工业创新知识的载体，依靠软件化这一关键过程，通过强大的软件工程能力才得以 实现。软件平台与架构将直接决定工业软件产品的生命力。

3.1.1.1 海外进展

AI 与工业软件结合是产业新趋势，在研发设计，生产控制，经营管理和嵌入式软件四大类中，AI 与研发 设计的合作主要在于交互与预设计，与生产控制的结合主要在于参数修改，与经营管理的结合主要在智能文本 生成，与嵌入式软件的结合则主要在代码自动编写上。 CAD 行业中，Siemens 推出业界首个人工智能驱动的 CAD 草图绘制技术，在新版 NX 软件中利用了人工 智能和高级仿真功能等先进技术。在当前的设计环境中，大多数概念草图是在 CAD 软件之外进行的，因为用户 必须预先决定并构建到草图中的规则和关系级别。2020 年 6 月，Siemens 推出的 NX Sketch 软件基于人工智能 推断用户将要施动或修改的内容，并根据周围的几何图形识别几何关系，支持用户在没有预定义参数、设计意 图和关系的情况下进行草图绘制，摆脱纸质手绘草图。2022 年 10 月，Siemens 在发布的 NX 中引入人工智能和 高级仿真功能等先进技术，基于人工智能和机器学习，在选择和选择相似命令中，利用形状识别来快速识别几 何相似的组件。

Autodesk AI 四大主线应对 CAD 变革。（1）主线一：CAX 一体化。AutoCAD 的 Real-time analysis 和 ML deluge tool 都将风速风向、能耗、泛水等传统情况下在 CAE 环节考虑的因素融入设计流程，提升编辑效率；（2） 主线二：工作流程智能化。工程师不再需要经历复杂的设计流程，工作内容被简化。如 Mark-up assist 消弭了绘 制高精度图纸的必要性，给灵感更多空间；Construction IQ 辅助设计决策，简化送审流程；（3）主线三：减少机 械性劳动，释放人力。Drawing automation 和 flame 应用中的 machine learning 都借助 AI 技术，实现了重复工作 的自主完成，解放了工程师，同时缩短了产品的设计周期；（4）主线四：提升设计效率。Generative design 致力 于解决多次绘制不同版本稿件的时间消耗问题，可以在工程师一次设计过程中学习其设计思路，生成多个无需 进一步验证的选择。而 AI assisted workflows 引入大语言模型，可以实现简单任务的交互式落地。

ERP 层面，通过将大模型能力嵌入 ERP 系统，企业可实现报表整理与财务做账的智能化，极大地提升工 作效率。2024 年 7 月，SAP 发布 AI 助手 Joule。目前 Joule 已经可以实现理解自然语言，访问 SAP 所有数据并 提出分析方案，自动执行重复性的任务（数据输入、报告生成和审批流程）。用户可以比以前快 90%地执行任务， 到 2024 年底，SAP 业务应用程序中 80%的最常用事务将通过 Joule 完全自动化。未来，Joule 还可以为 SAP 顾 问提供实施方案，方案信息来自来自 SAP 社区共享的 20 多万页产品文档和知识中的见解。一旦推广到拥有 500 多万名顾问的生态系统，此功能每年最多可节省 6 亿个工作小时。此功能将于 2024 年年末推出。

3.1.1.2 国内进展

“AI+工业软件”，尤其是“AI+CAD”是 CAD 领域新产品趋势，“式说”大模型是代表产品。这是第四范 式推出的一款基于生成式 AI 的新型开发平台，具备文本、语音、图像、表格、视频等多模态交互及企业级 Copilot 能力，以生成式 AI 重构企业软件（AI-Generated Software），提升企业软件的体验和开发效率。式说大模型可以 用来辅助或自动生成 CAD 3D 模型，用户通过自然语言交互就可以调用工业软件的功能，辅助完成设计。这款 大模型可以根据企业内部的数据、功能和规则，自动执行复杂的工作，如在航空制造领域，帮助客户在上百万 零件库中找出相似零件，并进行自动组装；在物流企业，帮助客户设计物流装箱的最佳方案。这些应用都展示 了“式说”大模型在 CAD 领域的强大推理能力和创造力。

华为盘古大模型可以实现降本增效，推动更广泛商业化落地。新发布的盘古大模型 5.0 在全系列、多模态、 强思维三个方面做了全新升级，将重塑工业设计行业。以新车造型设计为例，周期一般需要 1-2 年，盘古大模型 可以让汽车的造型设计时间大幅缩短。造型设计师可以将自己的灵感，通过对话、画图与大模型交互，生成 3D 汽车数字模型，并可进行风格化调整、零部件编辑、颜色更换等。盘古大模型生成的数字模型还可直接输出成 3D 文件，支持 10 几种主流格式，设计师可以直接 3D 打印成样品，减少制作油泥模型的轮次，极大地节省成本 和时间。除了汽车造型设计，盘古大模型还可以用于汽车的工装设计、模具设计，以及电子产品领域的工业设 计等。

3.3.2 AI+机器视觉&机器人

3.3.2.1 AI+机器视觉

工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。从组成上，机 器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括传统的数字图像处理算法和基于深度学习的 图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，如下图深灰色 方块所示过程，然后依靠软件算法对数字图像信号进行处理，如下图中灰色方块所示过程。工业机器视觉在识 别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、数据价值方面都优于人眼。

此外，过去的工业机器视觉系统主要针对垂直场景的少量数据进行小模型的训练，而大模型的发展将助力 工业机器视觉实现应用性能的提升和应用场景的拓宽。以华为盘古大模型为例，6 月 22 日，在华为开发者大会 2024（HDC 2024）上，盘古大模型 5.0 正式发布，在全系列、多模态、强思维三个方面做了全新升级。（1）全 系列：盘古大模型 5.0 包含十亿级到万亿级不同参数规格的模型，能够更好地适配包括智能手机、PC、高效推 理、跨领域多任务等不同的业务场景。目前已在医药研发、机器人、煤矿、钢铁、自动驾驶等 30 多个行业、400 多个场景中落地。（2）多模态：可以更好识别文本、图片、视频、雷达、红外、遥感等不同模态。在图片和视频 识别方面，可支持 10K 超高分辨率；在内容生成方面，采用业界首创的 STCG（Spatio Temporal Controllable Generation，可控时空生成）技术，可生成更加符合物理规律的多模态内容。（3）强思维：将思维链技术与策略搜索深度结合，提升数学能力、复杂任务规划能力以及工具调用能力。盘古大模型 5.0 在自动驾驶、工业设计、 建筑设计、具身智能、媒体生产和应用、高铁、钢铁、气象等领域都具有丰富的创新应用和落地实践，有望打 开国产模型在全系列行业垂直落地的新思路，一定程度弥补目前国产大模型在专业场景应用相比通用场景的欠 缺，也有望带动算力、光通信、液冷、存储等产业链公司。

3.3.2.2 AI+机器人

3.3.2.2.1 人形机器人

人形机器人是一种相对较新的服务机器人，其形状与尺寸与人体相似，能够模仿人类运动、表情、动作， 以及行为特征，有时甚至可以与人类进行交互，或执行一些特定任务。它可以应用在各种领域，比如娱乐、接 待、教育、医疗，以及助老护理等，也可以提供社交陪伴，或者执行危险或重复性高的工作。相较于工业机器 人，人形机器人具有更智能、更灵活、更多元等特点。在社会各界的赋能下，随着技术的升级及产业形态的发 展，人形机器人有望渗透进入服务业、制造业等应用领域，市场潜力或将加速释放。 中国政府高度重视人形机器人的发展，并将其列为重点支持的战略性新兴产业之一。2023 年 9 月 13 日， 工业和信息化部印发《关于组织开展 2023 年未来产业创新任务揭榜挂帅工作的通知》，面向元宇宙、人形机器 人、脑机接口、通用人工智能 4 个重点方向提出了 2025 年的具体目标，为人形机器人的发展提供了有力支持， 也为整个科技产业的进步注入了新的活力。 人形机器人大模型应用取得显著进展。2024 年 3 月，英伟达发布人形机器人基础大模型 GR00T ，将推进 机器人在具身智能方面的突破进展。该模型采用语言、视频、人类示教等多模态指令作为输入，直接生成机器 人需要执行的下一个动作，搭载全新计算平台 Jetson Thor，在模拟环境的对 GR00T 进行训练。大模型通过学习 人类视频，学习人类动作，提升动作流畅性与拟人性，真正实现人机交互，提升其智能性。基于 GR00T 人型机 器人基础模型，可以实现通过语言、视频和人类演示，来理解自然语言，模仿人类动作，进而快速学习协调性、 灵活性以及其他的技能，进而能够融入现实世界并与人类进行互动。

优必选人形机器人 Walker S 集六大 AI技术于一身，搭载高性能伺服关节以及多维力觉、多目立体视觉、 全向听觉和惯性、测距等全方位的感知系统；全面升级视觉定位导航和手眼协调操作技术，自主运动及决策能 力大幅提高，实现平稳快速的行走和精准安全的交互，可在多种场景下提供智能化、有温度的服务。7 月 1 日优 必选宣布与一汽-大众达成合作，双方将在一汽-大众位于青岛的国家级智能制造示范工厂共同探索人形机器人 在工业场景的深度应用，打造高智能化和柔性化的生产线及汽车超级无人工厂。此次合作将引入工业版人形机 器人 Walker S 开展汽车制造过程中的螺栓拧紧、零件安装、零件转运等工作，双方还将在工业物流机器人、供 应链等多个领域开展合作，助力人形机器人硬件降本。

3.3.2.2.2 焊接机器人

焊接机器人是一种能够自动执行焊接（包括切割和喷涂）任务的工业机器人。根据焊接方式、结构形式、 负载能力、工作范围等因素的不同，焊接机器人业有不同种类。焊接机器人广泛应用于钢结构、航空、造船、 电子、机械等行业，可以提高焊接质量、效率和安全性，涉及的技术包括焊接电源技术、传感器技术、离线编 程技术、智能控制技术、仿真技术等。 全球焊接机器人市场：2022 年全球焊接机器人市场规模达 626 亿元，销量 30.4 万台，由此推算平均每台售 价约为 2000 万元，据《中国焊接机器人行业发展前景预测与投资战略规划分析报告》预测，全球焊接机器人市 场规模在 2025 年达 43.9 万台，折合 904 亿元。

国内焊接机器人市场：2022 年中国焊接机器人市场规模达 248 亿元，占全球市场规模比例约 40%，由上述 数据推算 2025 年国内焊接机器人市场规模约 358 亿元。

智能化焊接市场需求迫切。（1）钢构产业焊接技工招工难且成本高，供给需求缺口大，对自动化、智能化 焊接方案的需求迫切。国内钢结构产业渗透率持续提高，产品产量增加带动钢结构焊接市场需求。而钢结构主 要应用于建筑、船舶、重工行业非标小批量工件多的工业场景中，焊接工序自动化程度低，基本大部分依赖大 量焊接工人完成焊接。人工焊接技术要求高、技工培训周期长、焊接工作环境恶劣，已成为行业中最紧缺的劳 动力之一，焊接工人缺口量逐年递增，复合增长率高达 50%。2021 年国内熟练焊工的年薪已达 18 万元，对企 业带来较大的成本压力。（2）智能化焊接可以保证焊接质量稳定，提高生产效率。传统人工焊接受人为因素影 响较大，焊接质量稳定性差，生产效率低，且钢结构加工涉及组立、矫正、装配、打磨、抛丸、表面防腐等多道 工序，整个生产过程不透明，对生产进度、生产质量和生产异常的处理缺乏信息化管控，产品交付时常延期， 实现智能化焊接是提高生产效率和产品质量。

柏楚电子智能焊接底层技术与激光切割工艺核心技术共通：除焊接工艺之外，与激光切割控制中的视觉识 别工件、排样、工艺路径规划、运动控制所涉及的核心技术知识领域是相同的。具体技术方面，焊接与激光切 割在 CAD 技术、CAM 技术、NC 技术、传感器技术和硬件设计在智能制造和自动化领域存在共通性。

柏楚电子智能焊接机器人为弧焊、免示教机器人，通过离线编程生成焊缝加工路径。一个完整的工作单元 由必备部件智能焊接离线编程软件、智能焊缝跟踪系统、智能焊接控制系统，和可选部件工件视觉定位系统、 焊接变位机以及智能焊接机器人工作站等部分组成。通过智能焊接离线编程软件、智能焊缝跟踪系统、智能焊 接控制系统达到免示教，在智能焊接离线编程软件中编辑焊缝、生成焊接路径，并仿真模拟焊接过程，验证焊 接路径的合法性，从而取代人工示教编程生成焊接路径，缩短编程调试周期。

免示教智能焊接机器人符合钢结构行业需求。钢结构产业是典型非标生产行业，产品基本全为非标定制化 生产。钢结构生产原材料基本为钢板、钢管等，但由于规格、性能指标等因素的存在，原材料种类多，且受到 客户需求、政策和设计师习惯的影响，每个部件的加工内容、方式及尺寸都有特定的要求。钢构行业以中厚板 焊接为主，对设备精度和机器人技术要求高。大多应用弧焊机器人。 免示教机器人适合钢构行业小批量非标柔性加工场景。传统示教再现型机器人通过执行示教程序进行重复 性工作，对焊接工件一致性要求较高，且需要人工引导机器人进行预期动作编辑，多用于重复、标准化加工中， 如汽车、摩托车加工，对非标产品操作耗时长、效率低。免示教智能焊接机器人融合智能感知、智能规划、智 能控制等技术，构成以知识和 推理为核心的智能焊接系统，通过与智能技术、工艺数字化技术等先进技术融合， 实现了面向不同作业场景、作业任务、作业工艺，与钢构行业焊接需求高度契合。

柏楚智能焊接解决方案：柏楚已形成集合离线编程软件、智能焊缝跟踪系统、智能焊接控制系统、工件视 觉定位系统与智能焊接机器人工作站的完整产品解决方案，从而提升钢构行 业的自动化加工水平，解决行业用 工持续短缺的问题，满足钢结构产品规模持续扩大的发展需要。 智能焊接离线编程软件是智能焊接的第一环，通过自动解算焊接路径实现免示教。柏楚自主研发的智能焊 接离线编程软件可以自动提取焊缝，生成免碰撞空移路与焊接路径，并通过仿真模拟焊接检查焊接路径合法性， 提供给智能焊接控制系统加工，同时智能焊接离线编程软件的工件零件模型会用在工件视觉定位系统的模型匹 配上。

3.3.3 工业软件投资观点

3.3.3.1 CAD 软件-中长期增长逻辑：国产化下的份额提升

行业状况：2023 年中国 CAD 软件市场规模预计为 67 亿元，预期 2023 年行业增速为 24.9%。其中 2D CAD 市场规模为 16.9 亿，3D 市场规模为 50.1 亿。2022 年 CAD 市场规模为 48.6 亿元，2D CAD 为 17.7 亿，3D CAD 为 30.9 亿。

国产核心驱动力：CAD 软件是高渗透率，低国产化率的赛道，国产化率提升是核心。与 MES 软件等智能 化软件处于渗透率提升不同，CAD 软件（尤其是 2D CAD）是技术相对成熟，且渗透率高的行业。近年来 2D 国 内厂商的份额持续提升至 20%+。

竞争要素：目前看国产 2D 产品已经在产品性能上接近海外公司，直销渠道下沉与经销渠道扩张是主要替 代方式，中望 2023 年销售费用率提升至 52%处于较高位置。3D 目前看，ZWCAD 性能与 Solidworks 有技术两 年差距（Solidworks 可负担 5000 步建模步骤而 ZW CAD 仅可负担 3000 步），且从内核架构上难以达到 CAITA 水平。

3.1.3.2 MES 软件：中长期增长逻辑：渗透率提升

MES 市场规模：IDC 数据显示，202 年中国制造执行系统（MES）软件市场总规模达到 46.2 亿元人民币， 年增长率为 21.1%，仍保持平稳快速增长，预计到 2023 年规模会达到 61.1 亿元；包含咨询/实施服务收入的总 规模是 125.4 亿元。2024 年全球 MES 市场规模或达 1,898.6 亿元，同比增长 15.5%，全球 MES 市场空间同样广 阔。

市场格局：市占率整体呈现行业间分散，行业内集中特性。赛意在消费电子产业链较为领先，汉得在汽车 产业链较为领先，鼎捷在电子半导体领域领先。近年来制造业景气度下行，一些小型或弱势的供应商将面临淘 汰或并购的压力，尾部玩家逐渐出清，导致市场份额进一步集中。 国产增长动力：当前 MES 仍处于渗透率提升阶段，提升动力源自于企业在景气度上升周期的快捷扩产需 求。根据中商情报网数据，我国 MES 渗透率整体较低，汽车制造、制药、电子行业、基础化工、设备制造、电 器机械和器材、纺织和服装等行业 MES 渗透率低于 30%，未来仍有较大提升空间。 竞争要素：一方面行业具有较高工业 know-how 进入壁垒，另一方面行业内对于经营能力要求较高（人力 密集型企业要求具有较强人效管控能力以及现金流维持能力），现金流维持不好的企业会被快速出清（尤其是近 年来不好回款）。

3.1.3.3 工业控制：中长期增长逻辑：国产化率提升+以旧换新+海外新市场

PLC/DCS 市场规模：工业控制层面，2022 年国内 PLC 市场规模约在 86 亿元左右，增速受制造业本身景气 度较大。DCS 2022 年国内市场规模约在 121 亿元左右，年复合增速 6-8%；作为工控硬件而言 PLC 与 DCS 市场 规模均不算大，但其作为工业自动化的核心元件，外延的自动化设备（电机/仪表等）具有较大市场空间（是工 控市场空间的三倍以上）。国内公司核心增长动力：当前 PLC 与 DCS 渗透率已达到较高位置（工业自动化），国 产替代是国内公司的核心增长点。

市场格局：市场集中度均较为集中。当前 PLC 龙一为西门子，2022 年市占率 51.7%，优势领域为汽车产业 链；DCS 龙一为中控技术，2022 年市占率 36.7%，优势为化工石化行业。竞争要素：考虑到工业控制设备对工 业生产安全影响十分重大，PLC 与 DCS 的核心竞争壁垒均为大型项目标杆案例，其次才是软件运行算法（即如 何用 PLC/DCS 控制下游自动化设备），再次才是各类工艺制造细节（如机柜如何设计可以最大程度防灰防静电）。

柏楚电子是激光切割控制系统龙头企业，公司主营业务系为各类激光切割设备制造商提供以激光切割控制 系统为核心的各类自动化产品。中低功率切割控制系统技术达到国际领先水平，国内市占率约 60%，稳居第一； 高功率切割控制系统目前国产替代水平较低，公司保持国内第一的市场地位。公司横向拓展智能焊接、精密加 工业务。智能焊接方面国内外系统均未形成完整产品解决方案，公司基于五大核心技术积极探索该领域，目前 已在钢构行业应用场景有所突破；精密加工方面正在研发高性能振镜控制系统，有望进一步突破。 业务结构多元化，高功率及切割头份额占比显著提升：柏楚各业务份额情况正由早期的中低功率系统独占 鳌头向各业务多元化均衡化方向发展，其中高功率系统与切割头份额逐年走高，逐渐成为业务增长核心支柱； 随动系统份额下滑明显，主因是包含随动功能的产品出货逐渐增加，加之部分板卡系统也开始搭配随动功能； 在免示教焊接领域，行业已正式进入产业化初期阶段，柏楚相关解决方案持续完善中，已卡位第一梯队，后续 有望充分受益于免示教焊接技术的大规模应用。得益于高功率厚板切割需求成为新的业务增长极，高功率总线 系统产品功率上限提高，带动营收与毛利率提升。

激光产业链上下游情况：（1）上游主要为芯片、线材：原材料主要为各类电子元器件，市场竞争充分、供 应充足、价格透明，起到积极作用；（2）中游主要为控制系统、I/O 设备、激光器、切割头：公司激光切割相关 业务处于产业链中游，其中控制系统竞争对手有德国倍福、德国西门子、维宏，切割头竞争对手有德国 Precitec、 德国 LT、万顺兴、嘉强；（3）下游主要为激光切割设备制造：下游龙头企业有大族激光、杰普特等，下游行业 对中游的发展有较大推动作用，直接影响中游市场空间。激光切割应用的需求有望显著回暖，加之下游对控制 系统性能要求不断提高，国内企业也正从中低功率激光切割设备市场逐步进入高功率市场，促进中游发展长期 向好。

3.4 AI+金融成为行业趋势

金融行业的核心特征包括私有数据难以获取、高商业价值，以及较为领先的数字化基础。 在 ChatGPT 面世 前，金融行业长期占据大数据和 AI 应用的领先地位，这与其丰富独特的数据积累密不可分。金融行业在数字化 转型方面一直处于领先地位，这为大模型的发展提供了良好的基础。金融机构在数据收集、处理和分析方面拥 有成熟的技术和流程，这些都是训练和部署大模型的关键条件。 自 OpenAI 于 2022 年底提出 ChatGPT 后，大语言模型（以下简称大模型）在 C 端快速取得成功，目前月浏 览量超过 17 亿。B 端，在制造业、医疗业、零售业等行业开始了广泛应用。金融领域存在许多 GPT 可以解决并提升的痛点：如帮助分析师分析投资标的基本面、自动提取研报信息节省研究员时间、宏观新闻分析、成为智 能投资顾问等。2023 年以来，海内外众多金融公司或科技公司都以类 ChatGPT 的大语言模型为基座，投喂自己 的金融数据，训练金融行业大模型或应用。

财富管理领域应用：过去财富管理面临的问题是，不同投顾之间的水平相差很大，很多最新的行业咨询更 新的也不及时，客户满意度偏低。大模型可以成为每一个投顾的智能助手，甚至成为直接面对客户的智能专家。 将快速提高财富管理的专业水平和业务能力，加强财富管理板块的建设。 1）网点助手：以华为盘古为例，通过大模型的生成能力和检索能力，提供相关业务的解决方案。将原先需 要五次查询的复杂业务办理流程转化为方便快捷的一次查询，同时保证了业务执行和安全与合规。同时在每一 次查询后可以一键创建案例，将场景转化为案例（高质量的标注数据），帮助模型进一步迭代升级。 2）数据分析助手：通过简单的自然语言输入，数据助手可以实现相关 SQL 语句的生成和解释，同时提供 相应的数据源，并根据操作员不同的查询权限生成不同的查询语句。在此基础上，还可以进一步根据操作员的 需求来对查询出的数据进行进一步的下钻分析。

3.5 AI+交通：政策发力助推车路云协同开拓新篇

3.5.1 超越单车智能，智能网联力推自动驾驶降本增效

人工智能技术正深刻改变交通行业，提升交通系统的整体效率和安全性。在智能交通管理方面，AI 通过分 析交通流量、事故数据和道路状况，能够实时调整交通信号灯，优化交通流，并减少拥堵。例如，利用谷歌 DeepMind 技术的 AI 系统已成功实现对交通信号灯的有效控制。自动驾驶技术也是 AI 在交通领域的显著应用 之一，它使车辆能够通过深度学习和传感器技术感知环境，识别标志和障碍物，进而进行准确的驾驶决策。此 外，AI 还提升了智能出行服务的水平，包括智能导航、出行规划以及共享出行等领域。通过对用户出行需求和 交通数据的深入分析，AI 能够为出行者推荐最优路线和方式，同时在共享出行平台上实现智能调度，优化车辆 利用率。这些应用不仅增强了个体的出行体验，也提高了整个交通系统的运行效率和可持续性。

随着自动驾驶的不断升级，V2X 网联协同成为必然趋势。一方面，单车传感器可能存在遮挡物和感知盲区 的问题，存在安全隐患。另一方面，对车载传感器和计算平台要求高，成本高企。如果在路侧安装摄像头、毫 米波雷达和激光雷达等感知设备，例如路灯杆进化为多合一路灯杆，安装各类传感器，由于安装高度高，不容 易被遮挡，可最大化减少盲区，同时，车侧的部分激光雷达成本可以被节省下来，从而大幅降低车载成本。 车路云协同能够多方面提升交通安全和效率。宏观协调方面，车路云协同技术可以通过智能信号灯控制系 统，优化交通流，减少拥堵，交通事故发生时能够实现及时的救援力量调度。信息交互层面，车路云协同技术 可以实时收集和分析交通数据，及时发现并预警交通拥堵、事故多发路段等。微观驾驶层面，车路云协同技术 可以通过车联网技术，实现车辆之间的信息共享，提高车辆的安全性能。获取周围车辆的位置和速度信息，提 前做出反应，避免碰撞。 C-V2X 已进入大规模验证周期。目前，支持 V2X 通信的主流技术解决方案包括 DSRC 和 C-V2X。根据 5GAA 的《V2X 功能和性能测试报告》，预计商用的 C-V2X 产品在适应安全需求的前提下，范围、可靠性等指 标都明显优于 DSRC。C-V2X 技术包括 LTE-V2X（基于 4G）和 5G-V2X，后者更能满足智能网联汽车的需求。 据佐思汽研统计，2022 年 1-6 月，搭载 C-V2X 技术的量产乘用车约 4.6 万辆，装配率约 0.5%；2023 年乘用车 C-V2X 前装率约 1.2%，前装规模超过 27 万辆，预计 2026—2027 年迎来大规模装车期，乐观预测前装率最高可 突破 9%。

3.5.2 发挥通信基建优势，多主体齐发力构建车路云协同

相比美国，中国发展车路云协同具有比较优势。单车智能背后的核心能力是人工智能算法和决策芯片，美 国在这两方面具有独特的战略优势。中国则在 5G 技术、通信基础设施、宏观政策指引、路测设备数量等方面表 现突出，这些方面的特殊性将有力推动车路协同的发展。具体而言，以华为为代表的通信企业在 5G 技术方面世 界领先，工信部预计 2020 年底中国 5G 基站数将超过 60 万个。中国政府大力推行 5G 网络、物联网、卫星互联 网、数据中心、智能交通基础设施等新型基础设施建设，在道路的改造方面坚决推行 5G LTE-V2X 技术标准， 支持 LTE-V2X 向 5G-V2X 平滑演进。2019 年 9 月《智能网联道路系统分级定义与解读报告》的发布标志中国 有了清晰的道路智能分级标准，对智慧道路建设形成明确指引。此外，中国高速公路总里程世界第一，且收费 公路里程远高于美国，路侧设备 RSU 的数量和分布范围大于美国。

督促组建产业联合体，加快高阶自动驾驶功能上线。2023 年 11 月，工业和信息化部、公安部、住房和城乡 建设部、交通运输部发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，提出搭载自动驾驶功能的 智能网联汽车产品开展准入试点并在限定区域内开展上路通行试点。2024 年 6 月 4 日，据工信部网站，四部门 研究确定了 9 个联合体进入试点，包含长安、比亚迪、广汽、上汽、北汽蓝谷、一汽、蔚来 7 家乘用车企业， 以及上汽红岩、宇通 2 家商用车企业。业界普遍认为，入围首批名单是对相关车企智驾领域技术实力的一次高 度认可，尤其是 L3 级为代表的高阶自动驾驶。试点的组织实施共分为五个阶段，分别是试点申报、产品准入试 点、上路通行试点、试点暂停与退出、评估调整。目前仅完成试点申报阶段的遴选，并不代表具有自动驾驶功 能的智能网联汽车取得准入许可或允许上路通行。

城市交通方面，局部试点初见成效，重磅政策引导规模扩张。2024 年 1 月，工信部等五部门联合印发《关 于开展智能网联汽车“车路云一体化”应用试点工作的通知》，试点期为 2024—2026 年。其中提出，分类施策逐 步提升车端联网率，试点运行车辆 100%安装 C-V2X 车载终端和车辆数字身份证书载体；鼓励对城市公交车、 公务车、出租车等公共领域存量车进行 C-V2X 车载终端搭载改造，新车车载终端搭载率达 50%；鼓励试点城市 内新销售具备 L2 级及以上自动驾驶功能的量产车辆搭载 C-V2X 车载终端；支持车载终端与城市级平台互联互 通。据悉，截至 2024 年 5 月底，全国共建设了 17 个国家级测试示范区，7 个车联网先导区，16 个双智试点城 市，开放测试道路超 3.2 万公里，发放测试示范牌照 7700 余张，测试里程超过 1.2 亿公里。

北京发布近百亿车路云一体化新型基础设施建设项目招标公告，多地相继跟进。2024 年 5 月底，北京发布 车路云一体化新型基础设施建设项目招标公告，在 13 个区共选取约 6050 个道路路口开展建设，建设面积 2324 平方公里，投资额 99.4 亿。项目资金由政府投资 70%，国有企业自筹 30%。预计 12 月份前完成项目招标及合 同签订，2025 年 12 月份前完成调试、测试工作。继北京之后，6 月 14 日，武汉“车路云”一体化重大示范项目 获有关部门批准备案，备案金额约 170 亿元。此外，深圳、杭州、福州、鄂尔多斯等地也在陆续推进“车路云 一体化”建设与规划工作，相关项目相继获得审批；天津、长春、沈阳、芜湖、琼海等城市也陆续宣布就“车路 云”项目开启招标。

城际交通方面，公路水路交通数字化转型获批专项资金。2024 年 4 月底，财政部和交通运输部发布《关于 支持引导公路水路交通基础设施数字化转型升级的通知》，提出自 2024 年起，通过 3 年左右时间，支持 30 个左 右的示范区域，打造一批线网一体化的示范通道及网络，力争推动 85%左右的繁忙国家高速公路、25%左右的 繁忙普通国道和 70%左右的重要国家高等级航道实现数字化转型升级。在智慧扩容方面实现示范通道通行效率 提升 20%左右；在安全增效方面实现突发事件应急响应效率提升 30%左右。财政部表示，将按照“奖补结合”方 式安排资金。东部、中部、西部地区奖补比例分别为 40%、50%、60%。实施第一年补助每个示范区域奖补资金 的 40%作为启动资金。

车路云一体化建设涉及汽车、通信、电子、交通等多个领域，覆盖了从基础设施建设到上层应用服务的多 个环节，将带动产业链上下游协同发展。具体来看，基础层包括芯片、摄像头、雷达、云计算、高精地图、软件 系统等设备与终端的研发和生产；平台层包括云控平台、数据处理中心、运营服务等平台的建设和运营；应用 层包括智能交通管理系统、自动驾驶技术、车联网解决方案等应用功能的开发和实施。其中，自动驾驶汽车的 零部件中，决策层的芯片和算法，以及感知层的激光雷达和毫米波雷达属于较为核心的零部件，技术含量较高， 进入门槛较高，而感知层的车载摄像头和超声波雷达的技术含量相对较低，属于非核心零部件。

智慧交通建设者包括：1）地方交通项目运营商，以地方工程为主，根据地方资源与成熟的项目经验获得继 承类项目。2）央国企下属子公司。3）电信运营商开始入局，一方面交通建设绕不开通信平台，另一方面运营 商现金流充沛，由他们担任集成商，能缓解下游供应商与政府之间的资金矛盾。相关 A 股上市公司主要可以分 为两类，1）以千方科技、皖通科技代表的工程类公司，采购下游设备做集成，逐步开始生产标准化产品；2）以 万集科技、金溢科技为代表的产品类公司，通常直接销售产品，逐步去做整体解决方案，主要产品包括各种 OBU\RSU，以及激光雷达、边缘计算单元等。

3.6.1 AI 战场使用场景概括

1）替代重复性劳动。对于需要大量人力和时间才能完成的任务，尤其是那些可预测的、规则或模式相对固 定的任务，可以通过人工智能技术实现自动化操作，从而解放人力，快速完成任务。例如美军的“Maven 计划”， 就是应用人工智能技术处理无人机所拍摄的大量的视频，实现自动识别敏感目标，大大减轻这方面所需的人力 负担。 2）态势感知和实时决策。由于战场态势瞬息万变，海量的信息令指挥员无所适从，无法再短时间内对形势 作出精准的分析判断并做出决策。例如，AI 可以用来评估导弹来袭时被击中的可能性，以及对采取何种规避和 反击方式给出建议。3）非理想环境作业。人工智能技术可以在某些特殊的空间发挥作用，例如，人不能长期存在的核辐射、高 温高湿、缺氧等恶劣环境，人在这些非理想环境中作业存在难以克服的困难和危险，借助人工智能技术，可以 提高作业效率和安全性，例如扫雷机器人等。 4）无人系统。各大军事强国纷纷投入力量研制无人车、无人机、无人艇，无人系统必将成为未来战争中的 一支重要作战力量，人工智能可增强无人系统的自主性和生存性，使其具有更高的性能。

3.6.2 Palantir 战场 AIP 平台：问答模式大模型辅助战场态势感知和决策

Palantir 以服务政府机构情报业务起家，逐步向商业领域拓展。Palantir 成立于 2003 年，成立之初志在解决 美国政府机构数据处理低效的问题，为反恐行动开发软件；于 2008 年正式推出第一款产品 Palantir Gotham，主 要服务美国政府机构，如 FBI、CIA 等；2010 年通过与摩根大通的合作，逐渐扩展至金融等商业领域，此后商 业企业客户占比不断提高；2016 年推出 Palantir Foundry，不断深入各垂直行业；2018 年成功起诉美国陆军执行 FASA，政府订单受到法律层面支持。 Palantir 形成 Palantir 云、本地软件和专业服务三大业务模块，互为补充。三大模块分别是在 Palantir 控制的 托管环境中访问软件的 Palantir 云订阅服务、在客户自有环境中的本地软件订阅服务以及辅助前两者的专业服 务。2024 年 5 月 31 日，美国国防部授予 Palantir 4.8 亿美元合同，建造支持 AI 的 Maven 智能系统原型，用于 战场分析和目标识别。23 年，Palantir 还得到了 2.5 亿美元的美国陆军人工智能研究项目，用于研究和试验人工 智能和机器学习。 Palantir 的 AIP 技术在乌克兰战场上展示了 AI 辅助战场态势感知的能力，可以为军队提供全方位、实时、 智能的战场指挥系统，大大提高了乌克兰军队的作战效率和胜算。这种技术可以帮助军队快速获取敌军的位置、 装备、意图等信息，并制定多个攻击计划，包括使用无人机侦察、干扰敌方通信、发射导弹等。这种技术还可 以为军队提供实时反馈、解释和建议。另外，这种技术还可以让军队减少对人员的依赖，降低人员伤亡和资源 消耗。

问答模式：通过 AIP 平台命令无人机侦察和攻击，向 AIP 平台提问对方部队装备类别与数量（如榴弹炮数 量）信息聚合：动态聚合来自卫星、无人机和侦察员收集的数据并叠加在地图上，展示了战场上所有武器和军 队的位置。士兵可以使用该软件获得当前坐标与战场综合信息。潜在应用领域：帮助军事规划人员分析多源异 构数据，更全面地了解战场结构。无人作战，通过 AIP 平台远程控制机器作战。

3.6.3 Planet Lab：AI 助力快速图像分类识别+分辨率增强

Planet Labs 是全球每日卫星图像和地理空间解决方案的领先供应商，由三位 NASA 科学家于 2010 年创立， 每天从超过 300 万张图像中捕获和编译数据，覆盖 200 万平方公里以上的面积。公司为 900 多家客户提供关键 任务数据、高级见解和软件解决方案，其中包括世界领先的农业、林业、情报、教育和金融公司以及政府机构， 使用户能够简单有效地从卫星图像中获得独特的价值。

卫星状况：作为美国卫星遥感龙头之一，Planet Labs FY24 第二季度共有约 200 颗卫星处于工作状态，包括 约 20 颗最高分辨率达 0.5 米的高精度 SkySat 卫星和约 180 颗一天能扫描 3 亿平方公里面积的 SuperDove 卫星。 并将积极投入研发新一代卫星。主营业务：Planet Labs 以遥感影像处理与分析衍生出六大主营产品，包括行星 分析平台、行星高频监测、行星底图、行星广域监测、行星数据分析、行星历史数据档案。涉及的应用领域包 含农业（检测农作物发育状况等）、林业（检测森林健康、面积等）、国防（军事情报等）、政府（土地利用类型 等）、金融、地图等。

Planet Lab 正在通过与 Synthetaic 和 SI Analytics 等领先的 AI 初创公司合作，进一步提升其在地理空间数据 分析领域的能力。Synthetaic 的核心产品 RAIC（快速自动图像分类）能够自动处理和分析大量非结构化数据， 特别是地理空间影像，这使得即使是非技术用户也能在几分钟内检测出对象。这一创新使得企业和政府在应对 商业或国家安全重大问题时，能够快速获取必要的信息，节省了标记和分析数据的大量时间和成本 Synthetaic 曾 在 2023 年利用 Planet 的每日扫描和存档数据，成功识别并追踪了一个飞越北美的白色探空气球，同时使用卫星 遥感数据助力土耳其和叙利亚地震后的灾害响应和救援分配。 Planet Lab 与韩国初创公司 SI analytics 的新合作能够让 AI驱动的超分辨率和 GeoAI分析、对象检测/分割 算法，来增强卫星影像的分辨率。SI Analytics 在 GEOINT 2023 峰会上宣布已将公司的技术能力运用在搜索朝 鲜弹道导弹发射基地的项目中。

3.7 AI+医疗：大模型的出现带动 AI 应用精度上升

整体上，AI 在医疗领域的应用可分为三个阶段： 1）2017 年之前：此阶段为机器学习与深度学习突破阶段，卷积神经网络在计算机视觉领域取得重大突破， 推动了医学影像分析的进步，AI 算法在各类疾病（乳腺癌、肺癌、心血管疾病等）的影像诊断中逐渐显现出高 于常人的准确率，AI 与医疗开始进入初步结合阶段； 2）2018-2022 年：伴随 AI 应用的逐步深化，AI+医疗开始进入商业应用阶段。一方面，AI 与硬件设备的结 合逐步深化，部分诊断设备开始在无医生监督背景下运行；另一方面，AI 应用领域逐步推广，诸如健康记录、 个性化医疗、疾病预测与防控等多个领域也开始尝试与 AI 模型结合，2020 年起疫情的出现则极大加速了 A I 在 医疗领域的落地（图像识别被广泛应用于新冠肺炎检测识别）； 3）2023 年至今：2023 年大模型的出现对医疗领域的直接影响在于，过往 AI 应用的精度得到了大幅提升。 自 2023 年初 GPT-4 发布以来，医疗公司开始探索其在电子健康记录分析、病人数据管理和医疗文献综述等方面 的应用。此后，在传统 AI 应用领域，大模型也开始展现出较传统 AI 模型更高的预判精度，各行业龙头对于 AI + 医疗投入力度持续加大。

当前时点，海外 AI+医疗应用逐渐向制药领域深化。近期英伟达于 GTC 大会上推出医疗保健项目 GenAI， 聚焦医疗场景的 25 个新的微服务（包括小分子建模工具、OpenFold 蛋白质预测模型，以及与 Recursion 开发的 用于靶点和药物发现的 Phenom-Beta 模型等），医疗保健是此次 GTC 大会重视度最高的行业，也是英伟达重点 押注的下一个赛道。无独有偶，美国制药巨头礼来公司宣布已经与 OpenAI 达成合作，将利用大模型开发新型抗 菌药物。

国内 AI+医疗则更偏向于健康管理领域。美年健康 24 年初与润达医疗、华为云等达成合作，推出基于生成 式 AI 的数智健管师——“健康小美”，期望能有效提升健康预防和疾病管理的效率，为个人和体检机构带来全 新的健康管理体验。除医疗类公司外，AI 模型公司也在健康管理领域积极参与，商汤科技预计在 2024 年世界 人工智能大会上推出自研医疗大模型，可帮助患者在院内实现全流程高效就医，并在院外化身患者的“随身 AI 智慧健康管家”，实现全周期个人健康管理。

编辑：火腿肠