智能化

AI发展阶段从推理者走向智能体，模型底座智能水平提升。目前，AI发展水平正从推理者向智能体Agent演进，AI产品逐步能够理解目标、具备外部记忆和推理能力，相关智能体产业链正经历从模型能力提升到应用商业化的系统性跃迁。AI大模型能力由预训练、后训练、测试时三条扩展曲线推进，其中，预训练奠定模型内部智能上限，后训练及测试时扩展分别释放模型在特定领域和推理方面的潜力，当前基础模型迭代放缓，逐步从训练扩展向测试时扩展转变，主次曲线迎来切换，从而对大规模集群依赖程度下降、推理算力需求攀升，更加聚焦AI产品的商业化能力和生态建设。

电子皮肤：电子皮肤是一种柔性触觉传感器，是机器人感知环境和完成任务的基础。具备1）温度感知：检测冷热变化；2）法向力感知：感知垂直压力，判断接触、抓握力度与物体硬度等；3）剪切力感知：识别滑动或摩擦力，助力稳定性判断、纹理识别与方向判断等操作。电子皮肤最常见的是压阻式、电容式、压电式，还有比较新颖的光学式和电磁式，其中压阻式技术简单应用广泛，电磁式因可以感知切向力而有望成为未来演进方向。未来，电子皮肤将朝着高精度、长寿命、多模态感知和自愈能力方向发展，但材料、制造工艺和算法优化仍是实现规模化应用的主要挑战。

AI+拍摄眼镜：产品形态成熟，产业变革有望到来。根据 WellsennXR，2024 年全球 AI 眼镜出货量 234 万台，其中 AI+拍摄眼镜销量 225 万台。当前，AI+拍摄眼镜的产品路径已基本成熟，后续发展重点或将聚焦于模型能力升级、软硬件性能优化，以及产业龙头间协同合作的深化。对于一款已相对成熟的产品形态而言，获得政府、产业界与消费者从高到低全方位的认可与接纳至关重要。近期，国内以雷鸟、Rokid 为代表的产品在政府活动、信通院、官方媒体及产业协会等层面频繁亮相发声；Rokid 与蓝思科技达成深度战略合作；XREAL、晶盛机电、龙旗科技与鲲游光电四家企业正式签署《AI/AR 产业链战略合作协议》；传音控股联合莫界科技推出 TECNO AI Glasses（AI 拍摄）和 AI Glasses Pro（AI +树脂光波导+单绿）。同时，上海市将 XR/AI 眼镜纳入消费品以旧换新补贴范围。这一系列举措正推动产品在消费者视野中逐步实现破圈。

自动驾驶技术的分级通常采用0到5级的标准。从0级到5级，代表着从应急辅助到完全自动驾驶的不同能力。随着等级的提升，自动驾驶系统的功能逐渐增强，车辆能够在更多情况下自主执行驾驶任务，减少对驾驶员的干预的需要。0级和1级主要是对驾驶员的辅助，而2级到4级则逐步实现更高程度的自动化，最终达到5级完全自动驾驶，车辆在任何情况下都能独立完成驾驶任务。自动驾驶能力的提升不仅意味着驾驶员的操作减少，同时驾驶的安全性也会有所提高。

我们认为人形机器人是继电脑、智能手机和新能源汽车后的另一个颠覆性产品的赛道。人形机器人产业链主要由上游零部件、中游人形机器人本体及下游终端应用等环节组成。上游包括减速器、电机、丝杠、控制器、传感器等硬件部分，以及软件系统部分。国内人形机器人起步较晚，但追赶迅速。目前行业尚处于产业化初期，入场企业繁多，国内入场企业基本全面覆盖产业链所有环节。根据 GGII 预测，预计到 2030 年全球人形机器人市场规模将达到 150 亿美元。

市场潜力：2030年Robotaxi市场规模规模剑指2000亿，Robotaxi占B端共享出行比例有望提升至36%左右。 政策加速：一线城市先行示范北京/深圳/武汉已开放无人收费运营，政策端Robotaxi支持政策陆续出台，2025年北京条例落地加速3000平方公里示范区建设，头部企业牌照获取进度领先（小马/文远/萝卜覆盖超一线城市） 技术成熟：L4能力比肩人类司机；头部企业测试平均车速达38km/h（接近出租车水平）；头部Robotaxi企业新一代前装车型即将量产，硬件成本从上百万元下探至数十万元级别，单车盈利模型有望跑通。

机器人引领“具身智能”，是新质生产重要发展方向。（1）人口结构变化背景下，机器人或可缓解劳动力短缺问题。据 2021 年刘骏等所著《机器人可以缓解老龄化带来的中国劳动力短缺问题吗》，实证结果证明，机器人能够弥补的劳动力工作可以部分抵消由人口结构变化带来的劳动力短缺问题，这对更全面地理解中国人口结构变化问题及相关政策调整有十分重要的意义。（2）机器人是新质生产力发展方向之一，首次出现在政府工作报告中。据《中国报道》，2025 年政府工作报告中首次提及“具身智能”和“智能机器人”。

大语言模型时代的AI4Science

2025年全球人工智能竞争力指数洞察报告

人工智能的发展主要依赖两个领域的创新和演进：一是模仿人脑建立起来的数学模型和算法，其次是半导体集成电路AI芯片。AI的发展一直伴随着半导体芯片的演进，1989年贝尔实验室的杨立昆（Yann LeCun）等人一起开发了可以通过训练来识别手写邮政编码的神经网络，但那个时期训练一个深度学习卷积神经网络（Convolutional Neural Network，CNN）需要长达3天，因此无法实际使用。硬件计算能力的不足，导致了当时AI科技泡沫的破灭。

当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek 等模型相继问世，推动 AI 全产业链进入加速发展阶段。短期来看，AI 主要通过资本开支、提振信心与畅通循环等途径影响经济，长期来看，人工智能的发展将会对潜在经济增速、通胀与国际格局等产生深远影响。此外，人工智能发展对就业的影响关注度较高。从市场层面来看，产业周期叠加政策支持，后续泛科技仍是投资主线，关注算力投资、国产替代与算法突破等带来的机会。

2017年谷歌团队提出Transformer架构，创造性推动注意力层以及前馈神经网络层的发展，加速提升模型性能。2018–2020年是预训练Transformer模型时代，GPT-3以1750亿参数突破大规模预训练的可能性界限，而SFT及RLHF等技术帮助模型加速对齐人类价值观。此后随着训练侧Scaling Law描述的幂律关系出现收益递减，叠加高质量文本数据或逐步被AI耗尽，推理模型开始进入人们视野；以OpenAI发布o1-preview将AIME 2024的模型回答准确率从GPT4o的13.4%提升至56.7%，模型维持加速迭代更新。