AI

2025年AI与6G网络融合报告-中国信科

本白皮书围绕人工智能(Artificial Intelligent,AI)与6G网络的深度融合,系统阐述了 6G 内生智能架构的核心设计理念、关键技术及发展路径,旨在构建具备内生智能、开放生态与智能孪生特性的下一代通信网络基础设施。 6G 智能网络以“内生、开放、孪生”为核心能力特征,构建了涵盖终端、无线接入网(RAN)、边缘智脑、核心网和智脑中心的五层智能架构,以及内生 AI 能力和多层次 AI 智算开放体系。通过定义能力调用、AI 数据交互等AI 接口,实现跨层协同、端到端高效协作与 AI 服务能力的开放。在多层智能体系中,引入智能孪生,引领 6G 网络向智能自主化方向持续演进。

虹软科技研究报告:AI视觉算法头部厂商,新场景打开营收新增量

战略定位:视觉算法创新应用,人工智能驱动增长。虹软科技股份有限公司创立于 1994 年,2019 年登陆科创板。公司专注于计算机视觉算法领域,核心业务覆盖智能手机、智能驾驶、AIoT 三大方向。公司总部位于中国杭州,为三星、小米、OPPO 等企业提供智能手机影像增强算法,为长安、吉利等车企提供车载视觉系统 VisDrive,并通过 PhotoStudio AI平台为电商提供智能商拍解决方案。在 AR 眼镜、机器人视觉等新兴领域,其多模态交互技术与雷鸟等合作伙伴共同推动行业创新。

AI产业深度分析:混合专家(MoE),大语言模型持续进化的核心架构基石

MoE 不仅是驱动大语言模型(LLM)持续进化的核心架构基石,更在重塑 LLM 的市场格局,推动 AI 领域的多元化竞争与开源生态的繁荣。随着 LLM 的竞争日益转向对更高性能与更大模型规模的追求,其背后急剧增长的算力成本与训练开销已成为行业发展的核心瓶颈。在此背景下,混合专家(Mixture of Experts,MoE)架构已从理论探索走向产业应用的核心,成为解决这一根本矛盾的关键。它通过解耦总参数量与单次推理激活参数量,为业界提供了一条在算力约束下持续扩展模型规模、提升智能水平的决定性路径。

理想汽车研究报告:全新产品周期扬帆,AI征程启航

目前真正跟理想一起在同一价格带拿份额的仅问界,以及潜在的竞争对手小米。而问界、小米和理想目前均锚定不同的客户群,问界产品定义更偏商务,小米产品定义更偏个人,而理想产品定义更偏家庭。随着 M8 正式发布开始交付,问界M 系列车型已全面对标理想 L 系列。而根据车 Fans 的数据,理想 L 系列的销量在 M8 热销的过程中销量相对稳定,且在过去几周随着自身车型焕新后销量回升,印证了我们上面的观点。

华丰科技研究报告:AI算力时代的高速线模组领军者

公司从早期专注传统连接器生产逐步拓展业务领域,发展成为电连接器领军企业,产品战略聚焦“高速互连”和“系统互连”领域,覆盖防务、通讯、工业三大应用领域,其中,通讯产品及防务产品的占比较高,且防务产品毛利率最高。公司高管具备多年行业工作经验,对连接器行业的发展具有敏锐的洞察力。公司持续加大前沿技术预研及产品研发投入,并具备技术、制程和客户资源优势,在行业竞争中处于优势地位。公司营业收入持续向好,2024 年营业收入同比增长 20.83%,2025 年 Q1 营业收入同比增长 79.82%。

智能眼镜行业分析:AI形态领航,探索AR新视界

智能眼镜:最具智能化改造潜力的 AI 大模型载体之一。AI 大模型能力的逐步提升,推动人机交互方式变革,为新型 AI 终端载体的诞生创造了条件。由于 AI 大模型的独特能力,新一代智能终端设备具备不同于以往互联网时代以网站和 APP 为载体的颠覆性创新与生态重构。其中,智能眼镜的 AI 赋能潜力尤为突出。眼镜形态靠近人的耳、眼、嘴这三个最重要的感官器官,且 AR 显示能力为 AI 提供文本和图像输出能力,让用户能接收到更多的图文信息,为充分挖掘 AI 大模型的落地应用的潜能提供了有效途径。

AI系列专题报告:算力,算力基建景气度高,国产AI芯片发展势头良好

AIGC蓬勃发展,对底层智能算力产生强劲需求。行业前期,训练是算力需求的主力,大量大模型训练需要海量算力支撑。2024年末,DeepSeek重磅发布,其轻量化、低成本、高性能特征大幅拉低了AI应用门槛,有望成为各类推理场景爆发的契机,推理算力市场需求潜力巨大。在此背景下,全球科技巨头资本支出维持在高位,国内智算中心建设如火如荼。根据中国信通院&浪潮信息报告数据,截至2023年底,全球智能算力规模为335EFLOPS,同比增长136%,智能算力需求旺盛,增速远超算力整体规模增速。

具身智能数据行业分析报告:AI时代的石油

数据是推动具身智能技术快速突破和落地应用的关键。借鉴自动驾驶汽车发展的路径,数据对于具身智能同样至关重要。优质的数据集能够驱动智能体感知与理解环境,能够加速具身智能模型的训练与部署,帮助机器人有效完成复杂任务。不同于大语言模型可以使用互联网海量信息作为训练数据,机器人所用的具身智能模型没有现成数据可以使用,需要投入大量时间和资源进行机器人操作实践或仿真模拟,以收集视觉、触觉、力觉、运动轨迹以及机器人本体状态等多源异构数据。符合通用标准、得到验证的数据集成为具身智能行业的刚需。当前具身智能本体形态多种多样,应用场景千差万别,对于具身智能训练数据的需求也更为多元。目前业内仍有部分数据集主要聚焦在特定机器人、特定场景和特定技能等方面,在整体通用性上有待提升。因此,构建高质量、多样化的感知数据集是不可或缺的基础工作,这些数据集不仅为算法训练提供了丰富的素材,也成为了评估具身性能的基准参考标准。

AI基建行业专题报告:AI基建产业梳理,基建加速迎景气周期

需求和政策驱动智算中心(AIDC)基建爆发,资本开支达千亿美元量级:智算需求驱动和顶层政策牵引下,全球政府、互联网企业、运营商均开启巨额资本开展计划,海外大厂(谷歌、微软、亚马逊、Meta)2025财年资本支出指引达3200亿美元,较2024年增长约39%;国内大厂阿里、字节、腾讯均投入大量资本开支建设AI基础设施,阿里宣布三年投入3800亿超过去10年总和。
加载更多