2026+人工智能發展白皮書

ShenzhenArtificialIntelligence人工智能作為引領全球新一輪科技革命與產業變革的理的系統性工程。站在2026年這一關鍵節點，深刻把握人析技術迭代的底層邏輯與突破路徑；第五章圍繞應用場景，以科學智能、工業智能、智能終端等領域為代表，呈現Al能夠成為政策制定者的決策參考、產業從業者的行2026年人工智能七大趨勢普及，AI助手從“語音助手”升級為“私人智能助理”,實及規模效應，Token成本持續下降，近2年下跌99.7%,預AI能力正在從AIGC(生成式AI)階段進一步走向AgenticAI(代理式AI)階段。過去幾年，AI能力主要體現在文本、圖像、音頻、視頻和代碼等內容生成能力，而2025年后，趨勢四：人形機器人邁入“商業化元年”隨著運動控制精度、續航能力、感知與決策能力的全面成本顯著下降，為大規模推廣應用奠定基礎，預計2026年我國人形機器人產能將達到10萬至20萬臺，工業制造、倉趨勢六：行業超額利潤將逐漸轉移到應用層規模化應用成為產業界關注的焦點，預計未來40%的企業應趨勢七：AI治理成為全球合作新“交匯點”第一章年度復盤：大事盤點與熱詞解析 1 1 2(三)具身智能落地：從“舞臺”走向“工廠” 4(四)科學智能突破：AI加速科學發現 4 5(六)全球治理：監管框架全面落地 (一)AIAgent智能體 7 (三)Token詞元 8 8 9 9(七)Edgecomputing邊緣計算 (八)Endtoend端到端 10 11 1第二章全球格局：雙極引領與差異發展 一、美國人工智能發展態勢 (一)市場規模位居全球首位 (二)資本市場占據全球主導 13(三)學術領域主導地位減弱 (四)算力產業生態持續領跑 15(五)軟硬協同構筑生態壁壘 (六)人工智能人才儲備豐富 二、中國人工智能產業版圖 (一)產業規模保持高速增長 (二)創業浪潮呈現理性回調 (三)技術創新能力全球領先 (四)風險投資規模接近千億 20(五)模型發布數量全球第一 (六)算力規模位居全球第二 2 三、深圳人工智能發展概況 24 (二)核心產業規模快速增長 26(三)產業鏈條以應用為主導 26(四)人工智能創業熱度回升 27(五)不同梯隊企業協同并進 28(六)算力供給規模持續擴大 31(七)數據產業形成“三大名片” (八)人才培育體系逐漸完備 38(九)人才需求側爆發式增長 43 44一、產業鏈全景 二、基礎層 三、技術層 四、應用層 第四章技術躍遷：關鍵領域的技術迭代 一、模型創新與演進 55(一)模型競爭格局 (二)模型演進趨勢 59 二、智能體從概念走向實用 (二)智能體技術架構 73(三)智能體落地場景 (四)風險與趨勢 77 (一)AI芯片競爭格局 80(二)AI芯片技術路線 83 第五章應用縱橫：跨界融合與賦能實例 88 (三)瓶頸與趨勢 (一)發展概覽 96(二)技術路徑 (三)重點場景賦能 (四)趨勢研判 (一)發展概覽 (二)重點場景賦能 (三)瓶頸與趨勢 四、智慧民生 (二)重點場景賦能 (三)瓶頸與趨勢 五、科學智能 (一)發展概覽 (二)細分領域進展 (三)瓶頸與趨勢 第六章未來展望：前沿突破與無限可能 一、世界模型 (一)世界模型的概念 (二)世界模型的技術路線 (三)世界模型的發展趨勢 二、太空算力 三、人形機器人 四、量子計算 第七章風險思辨：倫理、安全與可持續 一、資源消耗與可持續性 (一)資源消耗風險 (二)可持續發展路徑 二、數字鴻溝與發展失衡 三、勞動轉型與替代沖擊 四、數據讓渡與安全風險 關于協會 145關于投控數科 法律說明 一、版權聲明 二、免責聲明 1第一章年度復盤：大事盤點與熱詞解析一、2025年全球人工智能大事記(一)模型競技：開源崛起與性能突破1月20日，DeepSeek-R1發布，改寫大模型“燒錢”成本僅為29.4萬美元，其基礎模型DeepSeek-V3的訓練成本約600萬美元，遠低于行業水平。1月27日，受DeepSeek影響，英偉達市值單日蒸發約5930億美元，創下美國上市參數4000億，在創意寫作、代碼生成等基準測試中表現超4月29日，阿里發布開源模型Qwen3,被評為全球最強開源模型。旗艦模型Qwen3-235B-A22B采用混合專家 (MoE)架構，總參數2350億，激活參數量僅需220億，預訓練數據量達36萬億tokens。該模型在AIME25奧數測評獲81.5分，創開源紀錄；LiveCodeBench代碼能力評測超70分，超越Grok3。同年，Kimi、DeepSeek等中國開源模型頻繁霸榜HuggingFace,中國開源模型全球使22024年1.2%升至2025年30%。該模型包含gpt-oss-120b和gpt-oss-20b兩個版本，采用示“如果我們不這樣做，世界將主要建立在中理思考以提供專家級的答案。在編程基準SWE-benchVerified上得分為74.9%,超過03的69.1%和GPT-40的30.8%;在數學基準AIME2025上達到94.6%,展現極強的11月18日，谷歌發布Gemini3,突破多模態極限。該模型發布后以1501高分迅速登頂LMArena排行榜，超越3達到了37.5%的準確率。(二)智能體爆發：從“問答”進階“執行”3月6日，全球首款通用AI智能體Manus發布，開啟3在GAIA基準測試中Level3任務完成率達47.6%,超越 Anthropic推出的終端原生AI編程智能體，能根據自然語言指令拆解任務、調用工具，幫助開發者高效完成代碼編調試、重構和項目管理任務。在SWE-bench軟件工程基準測試中72.5%的準確度，被業界評為“全球最強編程模型”,2025年年化收入超過25億美元。10月，OpenAl全面開放編程工具Codex。2025年5宣布Codex對一般用戶開放使用，標志著Codex從前期的開啟OpenClaw雛形。2026年1月30日正式定名為OpenClaw(國內慣稱“龍蝦”),2026年2月OpenClaw憑借創新的自主決策架構與多模態環境適應能力火爆全球，2026年4月，OpenClaw的Github星標數突破35萬，創下Github歷史上最快星標增長速度，引發全球廣泛關注，4(三)具身智能落地：從“舞臺”走向“工廠”S1,并計劃于2025年上半年完成部署，被業界視為全球首得超過500臺意向訂單，主要來自汽車、3C、物流等行業。12月8日，智元機器人第5000臺通用具身機器人量產12月15日，中國首批L3級自動駕駛正式獲批上路。工業和信息化部正式公布我國首批L3級有條件自動駕駛車著我國自動駕駛技術從示范測試邁入真實道路運行和商業1月23日，“Humanity'sLastExam”基準測試發布。的多模態基準測試，其題庫包含2500至3000道高難度題目，覆蓋數學、自然科學、人文社科等100多個學科，旨在評估率不足10%;截至2025年底，頂級AI模型得分已提升至52月，人工智能“從零開始”設計蛋白酶。諾貝爾獎得“從零開始”設計具有復雜活性位點的全新酶分子，突面。論文披露R1單次訓練成本僅29.4萬美元，構建基礎模型DeepSeek-V3的訓練成本僅為600萬美元，在國際學術界引起轟動。DeepSeek-R1是全球首個經過同行評審的主流12月，StructBioReasoner在藥物設計領域取得突破。點蛋白的生物制劑設計系統StructBioReasoner。該系統依案。在針對Derf21蛋白的787個候選設計中，系統超過50%的性能優于人類設計的參考方案，在難度更高的靶點上，系統從97066個候選中篩出三類結合模式。該成果(五)算力博弈：全球算力基建競速6該項目的初始投資為1000億美元，并計劃在未來4年內擴展至5000億美元。首個建設的數據中心將設在美國得克薩斯州，隨后將擴展到其他州。特朗普稱其“史上最大的AI基礎設施投資項目”,預計創造超過10萬個就業崗位。4月10日，華為發布昇騰920芯片。華為在云生態大會上宣布新一代Al芯片昇騰920(Ascend920)已研發成功，計劃下半年正式量產。該芯片配備HBM3高帶寬內存 (4TB/s),BF16算力達900TFLOPS,訓練效率較昇騰910C提升30%-40%,專為Transformer和MoE大模型優化。其11月14日，谷歌宣布投資400億美元用于AI基礎設施投資。谷歌宣布在德克薩斯州投資400億美元，用于Al與云計算基礎設施建設，計劃2027年前建成三座新數據中心。單—州的最大規模投資。(六)全球治理：監管框架全面落地2月2日，歐盟《人工智能法案》禁止性條款正式生效。球年營收7%,這類禁止條款已于2025年2月起率先強制執8月2日，歐盟《人工智能法案》核心條款全面生效。78月，聯合國建立兩大AI治理機制。聯合國大會通過決議正式設立“獨立國際AI科學小組”和“全球AI治理對話”平臺，首次實現193個成員國全覆蓋參與AI規則制定。二、2025年人工智能熱詞解析及結果生成的AI系統。2025年初，Manus的走紅使通用型控、開放、本地化Agent的強烈訴求。當前，AI8體完成動作。隨著多模態大模型、世界模型、VLA模型(視覺一語言一動作模型)、模仿學習和強化學習的發展，具身年3月，在中國發展高層論壇年會上Token被正式譯為“詞一個符號、也可以是圖像或者音頻被離散化的表示單元。隨9劃和決策，尤其適用于智能駕駛、機器人操作、仿真訓量世界模型面臨數據獲取、物理規律建模、實時推理和安全指Al模型在手機、電腦、汽車、可穿戴設備、機器人和和實時交互需求。隨著Al手機、AIPC、智能座艙以及OpenClaw催生的本地硬件需求持續升溫，終端設備正從云視角來看，端側智能將重構傳統終端市場格局，帶動Soc、指Al系統從原始輸入到最終輸出由統一模型或整體架端方案被視為提升系統泛化能力和降低工程復雜度的重要代表，即模型將視覺感知、語言理解與動作形成整合起來，使機器人能夠根據環境信息和自然語言指令直接完成動作誤差傳遞和規則維護成本，使Al更適應復雜動態場景。Vibecoding更適合快速原型打造、個人工具和早期產品驗品描述和社交媒體信息流中。它反映出AIGC普及后內容生第二章全球格局：雙極引領與差異發展2025年，全球人工智能市場規模達7575.8億美元，人工智能企業數量約3.8萬家，產業進入技術、應用、生態協度、韓國、澳大利亞等，正依托市場與資源一、美國人工智能發展態勢(一)市場規模位居全球首位13725-15500家之間，占全球人工智能企業總數的36%-40%。其中，約7000家為初創公司，占美國人工智能企業數量的50%左右。2023至2025年，美國人工智能企業數量年復合增長率約為18%-22%,2025年美國新增獲得融資的人工智能企業達1953家、新成立的人工智能初創企業194家。得領域的持續投入，預測2025年美國人工智能市場規模將超過3500億美元，占全球人工智能市場規模比例接近50%。(二)資本市場占據全球主導美國人工智能領域風險投資占全球主導，資本向頭部公司集中。早期，美國人工智能領域風險投資規模小(2012年單筆均值608萬美元),2014年金額同比激增110.8%,源于核心技術突破和科技巨頭布局。中期(2017-2021年)進入高速擴張期，2021年風投金額達1138.4億美元，反映疫情催化的數字化轉型紅利及寬松貨幣政策驅動。但2022年金額驟降47.2%,暴露資本泡沫：美聯儲激進加息導致流復，投資再度活躍，2025年金額驟增至1803億美元，同比增長82.9%,創歷史新高，占全球Al風險投資金額超70%,但風投數量僅增長22.0%,平均單筆金額高達5177萬美元，頭部公司OpenAI、Anthropic和xAI融資合計約600億美元，注押注”,但過度集中可能抑制其創新多樣性。ShenzhenArtificialIntelligenceInAI風投金額(百萬美元)一AI風投數量(起)(三)學術領域主導地位減弱 (2012年到2021年),美國人工智能出版物數量快速增長，由3531.8份攀升至9847.3份的峰值，其中2018年和2019年增速尤為顯著,分別達到35.7%和25.6%,這得益于深度學習技術突破引發的學術熱潮及美國國家科學基金會持續資助。2022年出現負增長，跌幅達22.7%,或與疫情后科研12.6%源于生成式Al突破帶來的理論創新需求，2024年暴跌19.3%暴露學術研究體系的結構性矛盾，2025年顯著回升19.8%,達到8284.9份，反映出在全球生成式AI熱潮下，占比下降至9.5%,顯示中國、印度加速追趕。ShenzhenArtificialIntelligenceAIAI出版物(份)8000.02000.0占全球比例(%)圖2近年來美國人工智能出版物發表數量及份額變化(單位：份，%)數據來源：OECD.AI,深圳市人工智能行業協會、深圳市投控數字科技有限(四)算力產業規模持續領跑群。美國擁有5427個數據中心，占全球近45%,數量居世界首位，算力容量占全球60%;在前沿AI算力領域，美國控制了約75%的全球供給，高端GPU集群容量同樣占全球75%左右。在市場格局上，美國算力生態呈現出由科技巨頭主導的特征，微軟、亞馬遜、谷歌與Meta四家公司掌控著美國超大規模數據中心超過80%的算力資源。同時，美國科司Colossus集群已部署23萬張英偉達芯片，正在建設的Colossus2超級集群首期規模為55萬張，建成后將成為全等效400-500萬張芯片，第一階段預計2026年下半年部署。與此同時，美國面臨的能源壓力同樣顯著,數據中心激增的(五)軟硬協同構筑生態壁壘超過80%,2026年2至4月其數據中心業務(主要為GPU與加速器)收入達752億美元，同比增長92%。更具壁壘的是軟件生態。英偉達的CUDA(并行計算平臺與編程模型)經過十余年積累，已覆蓋全球90%以上的Al開發者，這種 AI開發框架與開發者社區也均由美國企業或機構主導，形成“硬件+軟件+開發者社區”的閉環體系，進一步強化了美國(六)人工智能人才儲備豐富2025年美國人工智能領域的人才規模同比增長33%,達到11.74萬人。從人才結構來看，產業界吸納了約9.5萬人，增長了31%,學術界儲備了約2.24萬人，增長了44.5%,為后續技術突破積蓄后勁。學術界人才中，有2700余人在球頂尖人工智能研究人員的58.5%,其中有1600余人來自研究能力。從技術棧分布來看，工程類人才占比達73.8%,看，美國AI人才高度集中于科技巨頭，Meta以9316人位居榜首，緊隨其后的是Google(870人)、Microsoft(3805人)以及Apple(3001人),美國科技巨頭核心人才70%的收入來自資本市場股票收益，全球二、中國人工智能產業版圖(一)產業規模保持高速增長中國人工智能產業規模保持高速增長。截至2025年底，我國人工智能企業數量超6200家，同比增長27%,占全球總量的16%左右，產業集聚效應持續增強；人工智能核心產業規模預計超過1.2萬億元，同比增長30%,凈增長超3000億元，年增量與2020年全年的產業規模相當，形成了覆蓋投控數科投控數科ShenzhenArtificialInteligenceIndustryAssocia(二)創業浪潮呈現理性回調創業活動呈現先陡升、后陡降、再企穩的特征，反映出行業從粗放增長向高質量發展過渡。2012至2018年中國人工智能企業年成立數量從155家激增至2124家，年均復合增長率達54.7%。這一階段驅動因素包括：政策層面利好不減少7.9%,此后進入長達六年的萎縮期，2022年美聯儲加入“出清”階段，企業成立數量腰斬式暴跌50.1%。2023年ChatGPT引爆全球大模型浪潮，AI創業公司涌現，2025年降幅收窄至7.3%以內，AI創業活動進入理性回調階段。AlAl創業企業成立數量(家)一○一同比增長率(%)(三)技術創新能力全球領先利方面，世界知識產權組織(WIPO)及國家知識產權局數能專利數量占全球總量的60%,專利申請量和授權量均連續至2016年受國際競爭擠壓及資金投入尚未到位影響，中國AI出版物發表數量小幅震蕩，全球占比從22.7%降至18.7%,2017至2024年在政策牽引與算力基建支撐下，科研效能加速釋放，2024年AI出版物規模較2012年增長361%,全球占比突破30.7%。2025年AI出版物數量增至15696篇，論文發表量、引用率均位居全球首位，但全球占比下降至18%,ShenzhenArtificialIntelligenceInAIAI出版物(份)一○一占全球比例(%)0圖4近年來中國AI出版物發表數量及份額變化(單位：份，%)(四)風險投資規模接近千億中國人工智能領域風險投資金額下降但數量青睞落地場景。2012至2021年間，投資金額從1.9億美元激增至519.8億美元，復合增長率約86.5%,投資數量增長映資本對Al在疫情催生的數字化轉型中應用場景擴展的較高預期。但自2022年起，受全球經濟承壓、地緣政治(如美國頒布對華人工智能投資限制規則)、監管趨嚴及技術商降68%,投資數量也呈現同步收縮態勢。2025年美國對華ShenzhenArtificialIntelligence金額下降至156.9億美元，風投數量增長至2098起，單筆投資強度下降至748萬美元，表明以中小額為主的人民幣或0AI風投金額(百萬美元)—AI風投數量(起)0數據來源：深圳市人工智能行業協會、深圳市投(五)模型發布數量全球第一截至2025年7月，全球共發布3755個人工智能模型，我國以1509個人工智能模型居首，占比40%,覆蓋50個重能模型數據集中，2025年中國發布了31個重要人工智能模差距已從2023年的17.5%、13.5%、24.3%和31.6%,迅速投控數科投控數科ShenzhenArtificialInteligenceIndustry收窄至2025年的0.3%、8.1%、1.6%和3.7%。以DeepSeek為代表的國產大模型在訓練效率上實現重大突破，DeepSeekV3模型的單次訓練成本約600萬美元，僅為GPT-4的1/10,成為“低算力高性價比”模型的典型代表。2025年我國公有云大模型對客側Token調用量有望達2000萬億，較2024年增長超16倍，頭部云廠商調用量已處全球第一梯隊。2025年我國生成式人工智能用戶規模達6.02億人，較2024年底增長141.7%;普及率達42.8%,同比大幅提高25.2個百分點。0圖62025年按國籍劃分的重要人工智能模型分布(六)算力規模位居全球第二網絡布局全面展開。截至2025年12月，我國已建成42個萬卡智算集群，智能算力規模超過1590EFLOPS(百億億次/23秒),全國在用算力中心標準機架超1000萬架、已建和在建的智算中心超1000個，算力基礎設施體系規模位居全球第二，智能算力在總算力中所占的比重從2016年的3%快速提升至2025年的35%。與此同時，中國成本優勢顯著,工(七)數據經濟生態持續活躍從數據廣度來看，截至2025年，我國總人口為14.05億，移動電話用戶總數達18.18億戶，網民規模超11億人，每據資源調查報告(2025年)》,2025年我國數據生產總量達到52.26ZB,相當于全國所有算力中心存儲容量的近30倍，數據生產總量占全球比重約27.44%,同比增長27.28%。業的“半壁江山”;具身智能和低空經濟領域數據生產量同比分別增長477.78%、75%,表現突出。從數據多樣性來看，了多樣化數據集合。從數據供給來看，截至2026年一季度，全國已建成高質量數據集超過11.6萬個，總體量超過960PB,相當于中國國家圖書館數字資源總量的336倍左右，數據供(一)深圳人工智能戰略部署深圳在我國人工智能發展全局中扮演著先行示范的關市”目標。2025年3月，深圳印發《深圳市加快打造人工智能先鋒城市行動計劃(2025-2026年)》,明確提出到2026年“建成具有國際影響力的人工智能先鋒城市”,形成“場2026年2月9日，深圳市七屆人大七次會議開幕，深加值增長10%以上，高標準打造光明實驗室、福田實驗室、能+”,推動人工智能全域全時全行業高水平應用。了多層次、分領域的政策矩陣。在人工智能終端產業方 (2025-2026年)》,明確提出到2026年全市人工智能終端產業規模達8000億元以上、力爭1萬億元，集聚不少于1.5億臺。在具身智能機器人方面，深圳發布《深圳市具身智能機器人技術創新與產業發展行動計劃(2025-2027年)》,明確到2027年在關鍵核心零部件、AI芯片、多模態感知技業10家以上，關聯產業規模達到1000億元以上。在“人工智能+”先進制造方面，2026年2月印發《深圳市“人工智能+”先進制造業行動計劃(2026-2027年)》,到2027年年1月印發《深圳市打造人工智能OPC創業生態引領地行動計劃(2026-2027年)》,到2027年底建成超10家面積均不少于1萬平方米的OPC社區，培育超千家高成長性人工智能創業企業，集聚超萬名人工智能創新創業人才。在Al服務器產業鏈方面，2026年3月印發《深圳市加快推進人工智能服務器產業鏈高質量發展行動計劃(2026-2028年)》,(二)核心產業規模快速增長收約2200億元，規上人工智能企業超2600家，人工智能產生企業加速聚集，2025年深圳新注冊的Al相關企業增長了32%,其中15%是智能原生企業。智能硬件產品的規模化應(三)產業鏈條以應用為主導產業鏈條完整，60%的企業布局在應用層。從產業鏈來技術層、應用層全環節，其中超60%的企業布局在應用層，集聚，深圳已有49款大模型通過國家網信辦備案，顯示深智能安全、智能制造、智能硬件、智能網聯汽車、具身智能(四)人工智能創業熱度回升式”發展軌跡。2012-2017年企業成立數量從20家激增至129家，年均增速超45%,這一階段主要受益于全球人工智子信息產業基礎和濃厚的創新創業氛圍。2018-2022年企業成立數量連續五年下滑，反映出行業進入調整期：一方面，一步壓縮了中小企業生存空間。2022至2025年企業成立數量回升，2025年新增企業55家，同比增長52.8%,標志著行業進入新階段，這一階段技術快速迭代、政策ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation圖7近年來深圳人工智能企業成立數量變化(單位：家)數據來源：深圳市人工智能行業協會、深圳市投控數字科技有限公司整理(五)不同梯隊企業協同并進深圳企業在人工智能領域展現出強大的創新力和產業全產業鏈的發展，比亞迪推動智能化與電動化的深度融合，ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation代表產品與應用構建了“芯-端-云-智”一體化人工智能產業鏈，涵蓋芯片、服務器、AI框架、平臺與大模型昇騰910/950系列芯片、昇思色能源、數字健康等領域聚焦算力、算法、平臺與應用的全鏈條布局，推出混元大模型，致力于推動Al與各行業的深度融合原生助手“元寶”、WorkBuddy知識引擎、AI客服、金融風控、桌面辦公等領域構建了“端-管-云-智”全棧Al技術體系，專注于5G、云計算與Al的融合發展昆侖服務器、大模型推理平臺、醫療等行業案，專注于人形機器人本體研發、核心零部件制造、AI算法平臺、操作系統及場景應用集成育機器人、物流搬運機器人，應用于工業制造、教育、康養等多個場景推動汽車智能化、電動化深度融合，通過璇璣AI大模型實現整車智能化應用于智能電動汽車、智能制專注于計算機視覺與機器學習，延伸至智能駕駛與AI教育等領域Phantom4無人機、D80智能駕駛系統、AI教育套件、ROMO2系列掃地機器人，應用于農業植保、智能駕駛、AI教育等領域ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation代表產品與應用通過預測AI、認知AI與決策Al技術，提供金融、醫療、智慧城市等行業的全棧式AI解決方案型、智慧城市平臺，應用于金融科技、醫療健康、智慧城市等多個領域聚焦“算法芯片化”與“端云協推動AI大模型在各行業的應用DeepEdge10芯片、云天天書多模態大模型、AI智能眼鏡，應用于公共安全、智慧城市、AI教育等領域構建了數據技術、人工智能、企務體系，以AI賦能基層治理與行業數字化轉型成效顯著度系統，應用于防汛水澇監測、違停治理等城市治理場景ShenzhenAtificialIntelligenceIndustryAssociat(六)算力供給規模持續擴大深圳已建和在建智能算力超70EFLOPS。深約2.01EFLOPS。按規劃，深圳將繼續建設多個10E級智能河套以及光明科學城等算力高地。預計2026年，全市實時可用智能算力將超80EFLOPS,整體規模在國內主要城市中表2深圳市智能算力基礎設施一覽表1高校及科研機構“鵬城云腦1”2“鵬城云腦II”重大科技基礎設施3“鵬城云腦Ⅲ”網絡智能重大科技基礎設施4IDEA數字經濟與金融超級計算集群濟研究院5光明實驗室公共AI算力平臺人工智能與數字經濟廣東省實驗室(光明實驗室)9深圳大學智算中心深圳大學7國家工程實驗室產業大數據服務中心GPU算力平臺深圳信息職業技術學院8南方科技大學科學與工程計算中心南方科技大學9北京大學深圳研究生院Al4S高性能算力平臺北京大學深圳研究生院深圳灣實驗室高性能計算與信息平臺深圳灣實驗室企業深圳百旺信云數據中心(二期)深圳易信科技股份有限公司深圳百旺信云數據中心(三期)深圳易信科技股份有限公司中國聯通深圳同樂智算中心2號樓(一期)中國聯合網絡通信有限公司深圳市分公司中國聯通深圳同樂智算中心1號樓中國聯通廣東云數據中心深圳開放智算中心據有限公司中國移動-商湯科技人工智能計算中心深智城集團、中國移動通信集團廣東有限公司龍華區新型工業智算中心中國移動通信集團廣東有限公司深圳分公司中國移動深圳寶觀機樓一期智算中中國移動通信集團廣東有限公司寶城機樓中國移動通信集團廣東有限公司光明數據中心深圳耀德數據服務有限公司媽灣資源場站數據中心據中心有限公司亞森工業園1號廠房中國電信股份有限公ShenzhenArtificialIntellige沙河IDC中心司深圳分公司締息星河5G邊緣算力中心深圳締息云聯科技有限公司互盟5G數據交換中心深圳互盟科技發展有限公司互盟(深圳)環球數據中心互盟(深圳)科興數據中心南灣云產業基地光明生命科學大數據中心光明科學城發展建設有限公司云引擎算力中心技有限公司前海深港人工智能算力中心前海科技創新集團與商湯科技龍華區“數字治理”Al支撐平臺(二龍華區政務服務和數據管理局深圳城市大數據中心(坂田)深圳市大數據資源管理中心龍崗智慧中心機房龍崗區大數據中心龍華區“數字治理”Al支撐平臺(一ShenzhenArtificialIntellige據管理局務平臺一期設投資集團有限公司中山大學附屬第七醫院智慧醫療聯合創新中心中山大學附屬第七醫院(七)數據產業形成“三大名片”數據流通體系領先。截至2025年12月31日，深圳市政府數據開放平臺累計提供開放數據目錄5089個，其中數據接口4018個，可下載文件數21490個，累計開放數據總量28.6億多條。深圳數據交易所作為全國標桿，截至2025年4月底，累計上市交易標的3218個，吸引4755家參與主體，覆蓋全國34個省級行政區。表3深圳數據標注領域代表性企業發展情況領域布局ShenzhenArtificialIntellige領域布局綜合型數據標華為多領域多業態布局，能實現多模態數據標注視頻)華為云大數據標注平臺騰訊云數據標注平臺平安金融領域AI數據標注解決方案標貝科技語音數據百川數安大模型數據大模型數據標注服務點通數據多模態數據多模態數據標注垂直領域數據云天勵飛智慧城市、智慧交通等智慧城市、智慧交通等圖像、視頻等標注智影醫療醫療影像醫療影像數據標注極視角自動駕駛、醫療健康等智能數據標注管理平臺，自注資料來源：深圳市人工智能行業協會、深圳市投控數字科技有限公司整理層面，華為云、騰訊云分別推出了華為云數據治理中心交易所作為深圳核心數據交易平臺，圍繞數據交易前、后全周期，出臺管理辦法19項、規則指引32項、技術規范9項，保障數據要素市場規范發展。企業簡稱主要數據治理技術/產品技術/產品簡介華為云數據治理中心DataArts數據治理中心(DataArtsStudio)是華為騰訊云數據開發治理平臺實現數據價值最大化。華傲數據華傲數據治理平臺華傲政務數據融合治理方案包括一整套覆蓋完整數據生命周期的數據智能企業簡稱主要數據治理技術/產品技術/產品簡介智制數據治理產品智制數據治理產品(Z-DG)以用戶為中心，以元數據為基礎，貫穿數據規劃、太極數智數據質量治理平臺括對元數據管理、數據質量管理、數據服務管理和系統管理等。資料來源：深圳市人工智能行業協會、深圳市投控數字科技有限公司整理(八)人才培育體系逐漸完備深圳地區擁有17所高等教育學校，形成較為完整的人文大學(深圳)、深圳職業技術大學、深圳信息職業技術大起從專科、本科、碩士到博士的完整人才培養體系，2025年人工智能專業畢業生約為約1100-1350人。隨著各高校新深圳技術大學與百度共建“人工智能菁英班”,深圳理工大投控數科表5深圳市高等院校人工智能人才培育情況“人工智能(騰班)”與“人工智能(卓越班)”2025年成立人工智能學院，現有教職員工80人，專職教師50名(含兩院院士2名、外籍院士1名、IEEEFellow2名、國家杰青等國家級人才3名)現有學生223人(本科生50人、碩士生166人、博士生7人);預計2030年達2100人(本科1200人、碩士750人、博士1502025年獲批人工智能本科專業，首批選拔25班”擁有圖靈獎獲得者1人、菲爾茲獎獲得者1人、人工智能領域院士18人2024年獲批人工智能本科專業，設人工智能基礎模型與算法、人工智能技術與應用、大模型與提示工程技術應用三個方向依托大數據與互聯網學院，2024年3月成立人工智能學科，現有專任教師23人(教授7人、副教授師9人)現有學生125人(本科生89人、碩士生36人);預計2030年達550人香港中(深圳)2023年增設人工智能與機器人碩士研究生項目；2025年成立人工智能學院現有教師10人(含兩院院士1名、外籍院士1名、IEEEFellow1名)2025年招生約240人(本科200人、碩士10人、博士30人)學與技術一級學科博士學位授權點；2024年10月成立智能科學與工程學院級職稱20人、副高級職稱4人)學深圳校區2017年設立智能科學與技術本科專業；2023年獲批智慧交通本科專業智能工程學院現有教職工147人、博士后16人(國家級人才4人、省級人才13人);網絡空間安全學院現有教職工50余人、博士后11人智能工程學院在校生1377人(本科773人、碩士417人、博士184人);網絡空間安全學院在校生527人(本科413人、碩士88人、博士26人)與騰訊云達成戰略合作，設立騰訊云大模型一一學深圳2019年設立人工智能工程碩士項目現有Al學科方向相關教師51人(含兩院院士1名、外籍院士1名、IEEEFellow2名)2020年以來共招收學生546人，已畢業274人學深圳2022年開設智能科學(Al4S)導論課程；2025年成立科學智能學院現有教師13人(含中科院院士2名、IEEEFellowl才4人)2025年招收本科生約40人(從北大本部大三/大四學生中選拔) 究院理、智能計算等領域培一一程技術、軟件工程技術、2019年成立人工智能學院，2025年成立人工智能專科在校1427人；本科在校142人；研究生26人；ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation大學大數據工程技術、計算與管理(5個)用、軟件技術、大數據云計算技術應用、虛擬技術應用(7個)114人(博士78人，占比68.4%),博士生導師3人，碩士生導師31人深圳信應用、云計算技術應用(專科)2024年8月組建人工智能學院，現有教職員工42名，專任教師博士(后)化率專科在校834人，累計畢業900余人產業學院”專科在校100人學院建成華為現代產業學院、院、優必選具身智能產教培養基地等。學院現有專碩士30名(九)人才需求側爆發式增長心崗位招聘量同比增幅普遍超過40%。一些前沿賽道的增速更為顯著,其中大模型相關崗位增長474.4%,智能芯片相關崗位增長192.2%,虛擬/增強現實相關崗位增長136.1%。2025年10月深圳“AI匯英才”校園招聘會中，超330家用人單位釋放超1.8萬個AI崗位，其中半數以上崗位年薪超30萬元，反映了深圳企業對Al人才的旺盛需求。龍崗區(10.3%)、福田區(8.5%)。南山區高校、科研單崗位平均月薪為1.92萬元，其中月薪萬元以下的崗位僅占25%,1萬-2萬的崗位占比達到30.4%,2萬-3萬、3萬-5萬的崗位占比均在20%以上。學歷方面，近一年深圳人工智能相關崗位學歷要求中，本科學歷占比55.2%,碩士學歷占比4.7%,博士學歷占比0.5%,大專學歷占比約25%,不限學歷的崗位僅占10.3%。第三章產業全景：鏈條解析與生態構建一、產業鏈全景級架構，基礎層提供算力、算法和數據“三駕馬車”,算力層則實現技術與各行業的融合，形成可交付的軟硬件產全球人全球人工智能產業鏈ShenzhenArtificialIntelligenceIndustry基礎層技術層應用層算力服務數據服務智能芯片智能傳感器開發框架大模型智能體機器學習知識圖譜自然語言處理智能語音計算機視覺生物特征識別智能機器人智能運載工具智能終端數字人智能服務智能法律智能政務智慧城市智能農業智能制造智能醫療智能教育智能交通智能金融智能能源智能物流智能安全÷騰訊云鵬城實驗室÷深智城÷奧比中光云天勵飛÷騰訊平安科技心云天勵飛÷速騰聚創必云天勵飛÷云天勵飛心平安科技心追一科技÷盛視科技÷思謀科技匯頂科技÷優必選帕西尼心普渡科技心眾擎機器人今鹿影科技÷言域科技÷得理云天勵飛圖元科技÷道創智能心華聲醫療心平安智慧城市心深智城集團÷農博創新÷深城交金溢科技÷量云能源夸克云智÷劍科云智÷順豐科技心貨拉拉今天國際心跨越新科技睿海天瑞聲睿昆侖芯嘗探維科技睿中國移動嘗摩爾線程嘗吉鍍科技睿阿里巴巴睿月之暗面睿百度睿字節跳動睿海致星圖嘗阿里巴巴睿字節跳動睿第四范式嘗歐拉智能睿科大訊飛睿出門問問睿捷通華聲嘗云從科技嘗曠視科技嘗新松機器人嘗智元機器人睿小馬智行睿小米嘗相芯科技睿用友政務睿蜜度學君逸數碼睿托普云農睿均普智能睿作業幫睿松鼠Ai睿金卡智能學海康威視睿華米科技嘗硅基智能嘗美圖公司睿魔音工坊嘗冪律智能嘗中科永為睿卓繁信息睿延華智能睿杰創智能嘗睿畜科技嘗麥飛科技睿創新奇智睿微億智造嘗聯影智能中科視語嘗恒生電子嘗東方財富嘗德馬科技睿啟明星辰OAWSOMicrosoftAzureOPolimorphicQCarahsoftOFanucORockwellAutomat圖8全球人工智能產業鏈全景圖ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation應用提供必要的硬件、數據和開發工具。它涵蓋了硬件(智表6人工智能產業鏈基礎層代表企業華為一智能芯片、數據、算力深圳市云天勵飛上市公司智能芯片深圳市地平線上市公司智能芯片北京市寒武紀上市公司智能芯片北京市四維圖新上市公司智能芯片北京市中芯國際上市公司智能芯片上海市鐳神智能上市公司智能傳感器深圳市奧比中光上市公司智能傳感器深圳市萬訊自控上市公司智能傳感器深圳市晶方半導體上市公司智能傳感器蘇州市上市公司數據深圳市一數據深圳市阿里巴巴上市公司數據杭州市百度云一數據北京市無限迭代一數據北京市投控數科一數據深圳市阿里云戰略融資算力杭州市浪潮云上市輔導算力濟南市中科曙光上市公司算力北京市潤澤科技上市公司算力廊坊市深智城一算力深圳市三、技術層ShenzhenAtificialIntelligenceIndustryAssoc實現特定目標的計算系統，OpenClaw的發布標志表7人工智能產業鏈技術層代表企業上市公司大模型/智能體/機器學習深圳市字節跳動戰略投資大模型/智能體北京市阿里巴巴上市公司大模型/智能體杭州市百度上市公司大模型/智能體北京市華為一大模型/智能體深圳市月之暗面大模型/智能體北京市智譜Al上市公司大模型/智能體北京市上市公司大模型/智能體上海市階躍星辰大模型/智能體上海市深度求索一大模型杭州市ShenzhenArtificialInte面壁智能大模型北京市科大訊飛上市公司大模型/智能語音合肥市網易智企一智能體杭州市聲揚科技智能語音深圳市云知聲上市公司智能語音深圳市百度上市公司智能語音北京市出門問問上市公司智能語音北京市捷通華聲上市輔導智能語音北京市云從科技上市公司智能語音廣州市奧比中光上市公司計算機視覺深圳市商湯科技上市公司計算機視覺北京市上市公司計算機視覺北京市曠視科技計算機視覺北京市斗象科技戰略融資機器學習上海市思謀科技赴港IPO申報機器學習深圳市英飛拓上市公司生物特征識別深圳市上市公司生物特征識別深圳市商湯科技上市公司生物特征識別深圳市ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation漢王科技上市公司生物特征識別北京市依圖科技生物特征識別上海市云從科技上市公司生物特征識別廣州市四、應用層業實現了賦能，創造了巨大的商業價值。AI終端包括AI手表8人工智能產業鏈應用層代表企業上市公司智能機器人蘇州市樂聚機器人創業板IPO申報智能機器人深圳市上市公司智能機器人深圳市ShenzhenArtificialInte智能機器人深圳市石頭科技上市公司智能機器人北京市宇樹科技科創板IPO申報智能機器人杭州市大疆創新智能運載工具深圳市小馬易行一智能運載工具深圳市元戎啟行戰略投資智能運載工具深圳市華為一智能終端深圳市中興通訊上市公司智能終端深圳市易瞳科技智能終端深圳市華大基因上市公司智能醫療深圳市智影醫療智能醫療深圳市可孚醫療上市公司智能醫療長沙市上市公司智能教育北京市點貓科技戰略投資智能教育深圳市一智能金融深圳市微眾銀行智能金融深圳市中電金信一智能金融深圳市戰略投資智能金融杭州市ShenzhenArtificialInte來畫戰略投資數字人深圳市幻影未來一數字人深圳市數字人杭州市硅基智能數字人南京市元始智能天使輪智能服務深圳市言域科技天使輪智能服務深圳市快手已上市智能服務北京智能服務廣州市一智能法律深圳市法狗狗智能法律深圳市北大法寶戰略投資智能法律北京市冪律智能智能法律北京市云天勵飛上市公司智能政務深圳市上市公司智能政務深圳市蜜度智能政務上海市戰略投資智慧城市深圳市圖元科技戰略投資智慧城市深圳市深智城集團一智慧城市深圳市延華智能上市公司智慧城市上海市智慧農業深圳市托普云農上市公司智慧農業杭州市極飛科技智慧農業廣州市智慧農業北京市工業富聯上市公司智能制造深圳市科瑞技術上市公司智能制造深圳市中控技術上市公司智能制造杭州市創新奇智上市公司智能制造青島市上市公司智能交通深圳市金溢科技上市公司智能交通深圳市佳都科技上市公司智能交通廣州市一智能交通青島市一智能能源深圳市夸克云智一智能能源深圳市國能日新上市公司智能能源北京市明陽智能戰略投資智能能源中山市順豐科技一智能物流深圳市上市公司智能物流深圳市德馬科技上市公司智能物流湖州市蘭劍智能上市公司智能物流濟南市上市公司智能安全深圳市戰略投資智能安全深圳市上市公司智能安全杭州市大華股份上市公司智能安全杭州市第四章技術躍遷：關鍵領域的技術迭代一、模型創新與演進2025年以來，AI模型競爭從單點能力突破進入系統化至2025年7月，全球已發布大模型數量達到3755個，其中中國發布大模型1509個，占比約40.2%。若以“重要模型”根據是否為最新技術、是否具有歷史意義或引用率等標準，定義了一個囊括900余個重要AI模型的數據庫，2025年產業界貢獻超過90%的重要Al模型；按國家/地區看，美國生產50個重要模型，中國生產31個。這說明前沿模型競爭高家網信辦2026年5月公告顯示，截至2026年4月30日，全國累計868款生成式人工智能服務完成備案，530款應用或功能完成登記；相比2025年8月538款服務備案、263京、上海仍是大模型備案高地，合計占比接近50%,依托雄的主引擎；廣東更偏場景導向，行業大模型占比超50%,廣個垂直領域；浙江依托杭州強大的數字經濟，更表9全國重點區域生成式AI服務備案數據對比區域數據解讀全國生成式AI服務備案，530款應用或功能登記用功能和行業產品；備案數不等于真實活躍量和收入北京成式AI服務備案通用基座、科研機構、平臺型公司上海成式AI服務備案多模態、企業服務、金融科技和長與企業級交付廣東截至2026年4月21日：廣東142款生成式AI服務備案；深圳54款生成式AI服務備案行業大模型占比超50%,廣泛滲透到政務、教育、交通、工業、農業、成式AI服務備案互聯網平臺、云服務、開發者社區和商業化分發能力強，高性價比與開放權重生態擴散是主要看點從AI支出來看，資金并非主要沉淀在模型層本身。Gartner預測，2026年全球AI總支出約2.59萬億美元，同比增長約47%;其中Al模型支出約326億美元，只占總支出的約1.26%。產業資金更大比例流向AI基礎設施(55.1%)、服務(22.6%)、軟件(17.5%),三者合計超過95%。這意味著AI落地的主要成本并不只在“買一個模型”,而在于全，并把模型能力嵌入真實業務。模型仍是AI產業的關表102026年全球AI支出構成(預測)類別金額(億美元)占比說明基礎設施數據中心/芯片/服務器/網絡服務云服務/咨詢/集成/運維軟件企業軟件/AI功能訂閱安全安全/治理/風控/合規模型資料來源：Gartner,深圳市人工智能行業協會、深圳市投控數字科技有限ShenzhenAtificialIntelligenceIndustryAssoc偏向代碼與可驗證任務，說明大模型競爭已經分化為體推理、代碼、成本、開放權重和產業生態等多個維度。以表11主要大模型評測榜單結果(截至2026年6月)榜單當前結果說明TextOverall前列仍以Anthropic、Google、OpenAl、Meta等型影響力更突出適合觀察通用對話體互風格適合同時觀察綜合能力、價格、速度、上下文窗口和開放權重格局(77.4%)等修復能力，以及模型、工具鏈和Agent框架的組合效果榜單前列包括o4-mini(High,適合觀察代碼生成、算法題和可驗證任務能力ShenzhenArtificialInt榜單當前結果說明構；中國在數量、備案、開源和應用擴散上進展顯著,但在(二)模型演進趨勢開源和開放權重模型的競爭，已經從單點追趕轉向能力、成本、上下文和執行效率的綜合競爭。2.后訓練與推理：從人類偏好對齊轉向復雜任務能力塑造后訓練正在從早期的“人類偏好對齊”轉向“復雜任方法主要用于提升指令遵循、回答質量和人類偏好到2025-2026年，后訓練已成為由偏好優化、可驗證獎代碼、ComputerUse、知識工作和多模態任務納入核心能理、Agent任務、工具交互、代碼工程推進。后訓練的目標已經不只是“回答更好”,而是讓模型多模態方向也從“看圖說話”走向原生多模態和連續內容處理。以Gemini、GPT系列、Qwen-VL、InternVL、工具調用和Agent機制把模型能力從語言空間接入軟件、數據和業務流程。MCP解決模型與工具、數據庫和企業系統的連接問題，A2A推動不同Agent之間發現、委托和協作；編碼Agent、辦公Agent和數據分析Agent則把這類能力推Agent的核心競爭力不在語言流暢度，而在任務能否被5.產業交付與端側部署：從云端API走向多層分發Qwen、Kimi、Llama、Mistral等開放或開放權重模型，支小、算力門檻更低，進入AIPC、手機、車載、機器人和邊ShenzhenArtificialIntelligenceShenzhenArtificialIntelligenceIndustryAssociation表12模型分發形態、適用場景與主要約束分發形態代表路徑閉源/托管旗艦臺模型復雜推理、長文檔、代碼工程、限高，工具鏈完整開放/開放權重Kimi、Mistral等路線私有化部署、行業微調、本地知識庫、內網Agent;可控性強，適合敏感數據場景端側輕量模型與NPU適配模型緣服務器；低延遲、低成本、隱混合部署架構云端旗艦+開放權重+端側內網；按任務分層兼顧能力、成本和合規VLA模型(視覺一語言一動作模型)代表大模型向物理世界延伸：模型不只識別圖像和理解指令，還要把感知結果轉化為動作決策。海外案例包括GoogleRT-2/RT-X把網頁和機器人動作數據結合用于機器人控制，FigureHelix用于人形機器人雙手協作；國內小鵬、理想等車企將VLA思路用于智能駕駛感知、規劃和控制，機器人企業也在搬運、巡檢、抓取等場景嘗試“看懂環境再行動”。VLA模型仍處在早期產業化階段，難點在于真實世界數據、物理規律建模、長程安全驗證和低延遲控制。它不會在短期內替代通用大模型競爭主線，但會成為機器人、自動駕ShenzhenAtificialIntelligenceIndustryAssoc表13模型演進主線、典型案例與產業含義主線代表方向典型案例產業含義架構效率MoE、稀疏激活、低精度、緩存復用降低單位推理成本，提升私有化和規模化部署能力復雜推理算、長程任務評估OpenAI推理模型、從回答質量轉向任務成功率和可驗證交付原生多模態一處理Gemini、GPT系列、Qwen-VL、InternVL、SenseNova等擴大模型進入教育、工業、醫療、內容生產和辦公流程的入口工具與工具調用、瀏覽器操作、工作流編排、權限控制模型從內容生成轉向跨系統執行端側部署適配、端云協同型、AI手機、AIPC、車載、機器人、邊緣服務器視覺一語言一動作統一建模FigureHelix、小鵬VLA、理想MindVLA-01大模型從理解數字內容走向驅動物理行動(三)模型發展瓶頸溯、可審計的生產要素”。2025-2026年，數據瓶頸的核心數據披露和高質量專業數據獲取同步收緊。Cloudflare在2025年推出AI爬蟲默認權限控制和“PayPerCrawl”機制，反映網站、出版方和平臺正從默認開放抓取轉向顯式授據摘要、版權政策和系統性風險治理納入義務。《The20因此，數據瓶頸更準確地說，是專業數據、授權數據、Reddit、新聞出版機構、代碼問答社區和專業數據庫與2026年專題報告將AI能耗問題從模型層拉到數據中心、電中心用電已從2023年的176TWh、占全國用電量4.4%,走向2028年325-580TWh、占6.7%-12.0%的預測區間。這說明模型競爭的邊際成本不只在GPU和API價格，也在電力表明大型算力投資正在外溢為區域電網擴容和能源項目壓算力和集約化智算基礎設施。國家能源局公開信息顯示，2025年我國已建成42個萬卡級智算集群，全國算力中心總用電量約1700億千瓦時，占全社會用電量約1.6%;預計“十五五”時期全國算力用電量年均新增1000億千瓦時以上，到2030年占全社會用電量約6%。2026年發布的《促進人為重點任務。企業端，阿里巴巴未來三年3800億元AI和云基礎設施投入、中國移動2025年算力領域373億元資本開3.長程可靠性與Agent失誤成本Agent的風險不在“不會生成代碼”,而在接入生產系統后模型能力越強，透明度和安全治理壓力越大。Stanford顯示，主要模型開發者平均透明度分數從2024年的58/100降至2025年的40/100;接受聯系并提交透明度報告的公司比例也從2024年的74%降至2025年的30%。歐盟《人工智能法案》下通用AI模型義務已于2025年8月2日開始適業一旦圍繞某一模型建立提示詞、知識庫、插件、Agent工作流、權限體系和評測體系，后續遷移成本會快速上升。2025-2026年的企業部署趨勢已經從“押注單一旗艦模型”系統、穩定完成任務，并帶來可計量的回報。這也是2025年至2026年行業關注的焦點。(一)智能體產品演進智能體走向規模化部署，市場規模高速增長。麥肯錫2025年全球調查顯示，約88%的組織已在至少一個業務職GrandViewResearch估算2025年全球智能體市場規模約年市場規模將達到109.1億美元，2026-2033年的年均復合ShenzhenArtificialIntelligence能體市場規模由2024年約86億元升至2025年約212億元，預計2026年約449億元、2029年約3320億元，2024-2029年的年均復合增速約107%。■■全球智能體市場規模圖9近年來全球智能體市場規模(單位：億美元)數據來源：GrandViewResearch,深圳市人工智能行業協會、深圳市投控■■中國企業級智能體市場規模02025圖10近年來中國企業級智能體市場規模(單位：億元)采用MIT協議，支持本地自托管，用戶可通過WhatsApp、了智能體從“對話”到“執行”的最后一公里，截至2026基于OpenClaw開源生態，國內廠商快速跟進。2026命名上普遍沿用OpenClaw的“Claw”,如月之暗面的KimiClaw、騰訊的QClaw、阿里巴巴的JVSClaw、百度的紅手指Operator、字節跳動的ArkClaw、智譜的AutoClaw三個方面：以微信、釘釘、飛書等為主要入口；默認接入智能體迭代速度進入每日小版本更新的高頻節奏。2026年2月推出桌面應用(支持多任務并行)Codex與新一代長時運行模型GPT-5.3(可長時間自主運行、并支持隨時介入),前后不到一年；AnthropicClaudeCode自2025年2月研究預覽起步，其后以月為單位持續融入MCP(模型上下文協議)、子智能體、聯網搜索和可觀測性等新能力，至2026年5月隨ClaudeOpus4.8發布動態工作流預覽，距離初始版本僅15個月。進入2026年，主流智能體產品普智能體能力的一項觀測指標是任務完成時長閾值。升到可完成數小時級任務。METR還指出，2019-2025年間前沿模型能夠獨立完成任務的時間跨度大約每7個月翻番；而在2023年后，這一速度加快為約每4個月翻番。時間跨表14全球代表性智能體產品產品起始應用場景解、修改、測試、調試和工程協作面向開發者終端和代碼庫，適用于大型項目理解、代碼解釋、重構與ShenzhenArtificialInte產品調試面向通用智能體開發與部署，適用于工具調用、任務執行和本地系統自動化面向復雜任務處理，適用于多步驟規劃、跨工具協同和流程自動化月之暗面面向知識處理與長文本任務，適用于資料分析、文檔整理和信息檢索面向辦公協同場景，適用于文案生成、數據處理、信息整理和工作流自動化阿里云務流程編排、系統集成和任務自動化紅手指百度智能云適用于移動端任務執行和自動化操作山引擎面向多模型智能體應用，適用于工具調用、任務規劃和跨平臺執行智譜面向自動化任務執行，適用于網頁操作、數據采集、流程處理和重復性工作面向Al原生工作臺，適用于網頁生成、圖表制作、內容創作和多模態辦公ShenzhenArtificialInte產品蝴蝶效應面向通用任務代理，適用于市場調研、數據分析、簡歷篩選、旅行規劃和文檔處理。小米適用于語音交互、設備控制、生活資料來源：深圳市人工智能行業協會、深圳市投控數字科技有限公司整理列表與人工確認點；工具協議層連接API、瀏覽器、代碼執工具協議層逐步成為連接智能體與外部世界的基礎設信協議)規范跨智能體的發現、通信與協作，支持組織已逾150家；AP2(智能體支付協議)面向智能體在用戶授權下的支付執行，參與組織逾60家；UCP(通用商務協議)由將知識庫、權限體系、審計鏈路與流程節點嵌aily、扣子、阿里云百煉等，多沿企業知識庫與流程嵌入的以下方向：代碼開發、界面操作(即通過模擬人機交互操作現有軟件界面)、客戶服務、企業辦公、平臺生態嵌入。Code均已覆蓋從倉庫操作、終端執行到測試運行和審查提內外實踐來看，美國財稅服務公司1-800A理公司Engine應用智能體后的案件處理時長下降約15%;海底撈“大明白”日均服務逾6000人次，解答率約87%;美宜佳智能客服覆蓋約3.6萬家門店，響應時長下降約58%。界面操作技術使智能體得以通過模擬人機交互操作現有軟件界面，但目前仍處早期階段。根據OpenAI公布的測試數據，其操作型智能體在WebVoyager基準(網頁導航任務)上成功率約87%,在WebArena基準(更復雜的網頁交互)上約58.1%,而在OSWorld基準(桌面環境操作)上僅約38.1%。可以看到，任務越接近真實桌面環境，成功率表15智能體落地場景、代表能力、關鍵指標與落地條件落地場景代表能力關鍵指標落地條件軟件工程代碼合并請求合并請求采納率、缺陷修復率、回滾軟件工程天然具備代碼等驗證鏈路；實際效果ShenzhenArtificialIntelligenceIndustryA代表能力率取決于代碼倉庫質量、測試覆蓋率及人工審查機制客戶服務與辦公工單分流與處理、一次解決率、轉人工率、平均處理時長量化、結果易歸因；涉及復雜判斷、投訴糾紛或合規事項時仍需人工界面操作后臺填表、訂單查詢、網頁檢索、費用報銷、跨系統操作任務成功率、誤操作(WebVoyager約87%、OSWorld約適用于缺乏API接口的存量系統，可通過界面自動化完成操作；需設置沙箱環境、權限白名單，并對敏感動作進行人工確認高責任決策資料整理、風險識別、建議生成、審計材料準備人工確認率、留痕完整度、建議采納率、復核通過率在金融、醫療、工業、城市治理等高責任場景中，智能體應定位為輔助工具；關鍵決策需保留人工審核，并滿足可解釋、可追溯、可回滾要求(四)風險與趨勢ShenzhenArtificialInteligenceIndustry為代表的開源框架，因系統權限較高、默認安全配置薄已被國家互聯網應急中心(2026年3月)和中國互聯網金融風險點典型表現默認治理配置預期效果可靠性/幻覺長鏈任務目標漂移、性檢查點降低執行偏差，提高可復核性成本累積長上下文、多工具調用與重復校驗推高單位任務成本由、緩存復用、輕重模型分層性敏感信息最小權限、沙箱環境、操作白名單、審計日志防止高風險操作失控提示注入網頁、郵件、文檔中的惡意指令誘導越權內容隔離、指令分級、外部內容不可信、敏感動作二次確降低外部內容劫持風險ShenzhenArtificialInt風險點默認治理配置預期效果認誤點按鈕、誤填字段、誤提交表單預覽確認、只讀優先、關鍵動作人工批準、回滾機制控制瀏覽器/桌面智能體風險多智能體失控相誤導、責任不清身份標識、任務邊界、消息日志、主控保持協作鏈路可追蹤組織適配責任不清、人工接管滾、業務指標閉環、讓智能體從試點平的企業應用將內置任務型智能體(2025年這一比例不足5%),到2028年，約三分之一的交互將由智能體前端替代原生應用界面。另一方面，失敗率同樣高企——預計到2027年底，超過40%的智能體項目可能因成本上升、價值不清或風險失全球AI芯片市場處于高速擴張階段。據PrecedenceResearch,2025年全球AI芯片市場規模約為944億美元，預計2026年將超過1200億美元。國產替代亦在加速推進。據ID