AI 主线扩散，算力业绩率先兑现。自 Chat GPT 于 2022 年 11 月上线，AI 产业化迈入第三年，投资主线已从单一算法向多元化场景延伸，AI 主题已扩散为算力、C 端应用、无人驾驶、机器人、AI for Science。对应 Gartner 曲线，我们认为算力领域已从初期 Chat GPT 横空出世的“技术触发期”逐渐经历“期望膨胀期”与“泡沫破裂低谷期”，并逐渐进入到“稳步复苏期”与“生产成熟期”。从年初算力板块的巨大波动到逐步回升，以及 24 年末以及 25 年一季度国内光通信厂商的业绩兑现（如新易盛 25Q1 归母净利润同比增长超 380%）已证明了这一点。

后续如何演绎——下游应用或同样遵循 Gartner 曲线进程。伴随三年的 AI 发展，以及今年 Deep Seek 等现象级应用的催化，部分 AI 应用如 AI Agent、无人驾驶、机器人、AI for Science 等或将加速迈入成熟阶段，并具备实际的商用价值。如 AI 医疗模型可使诊断时间从 30 分钟缩短到 10 分钟，并降低误诊率约 10%；工业互联网模型使企业生产效率提高约 30%；AI 平台可使建筑安全隐患发现率提升 99% 以上等。

机构持仓变化——从“科技博弈”到“价值成长”。我们认为，算力板块作为率先实现“概念→订单→业绩”全链条兑现的领域，其机构持仓逻辑已从早期的高风险偏好转向价值成长主导，如机构 25Q1 持仓环比变化中，中际旭创占 A 股流通比例减少 14%，天孚通信减少 12%，新易盛减少 20%。

海内外算力“钟摆效应”——基本面与筹码的再平衡。从基本面预期来看，算力行业的核心驱动力在于技术升级的确定性以及业绩兑现的阶段性验证，正如我们之前的观点，年初光模块在主升浪两年后形成“高低切”趋势，绩优股更受青睐。从筹码高低切换来看，估值较低的标的因技术突破或订单放量将吸引资金流入。我们认为，算力板块的“钟摆效应”是算力产业趋势确定性与市场筹码博弈的结果，基本面预期锚定长期价值，筹码高低切反应短期对估值差异的再平衡，建议关注技术壁垒强、订单可见度高的核心环节。

光模块价值成长的“春天”——产品升级 + 连接价值凸显 + 格局稳定。我们认为，光模块正迎来价值成长的黄金期，其核心动能在于产品迭代升级、连接价值拓展及市场格局趋于稳定的三重共振。从技术端来看，硅光、CPO 等创新加速推动光模块向 800G、1.6T 高速率、低功耗方向加速演进；连接价值方面，AWS、微软、谷歌、Meta、英伟达和 XAI 等引领算力集群 800G 光互连部署，根据迅石光通讯网数据，25 年北美数通市场 800G 光模块需求量达到 2000 万量级，同时还引入了 AEC 有源电缆用于服务器和交换机机柜内部互连，需求量达到 800 万量级；从竞争格局看，国内光模块厂商通过技术优势与与客户的深度合作建立卡位优势，根据 Light   Counting 数据，24 年中际旭创光模块市场份额为全球第一，新易盛也加速追赶到全球第三。“技术升级→场景扩容→格局优化”的正向循环，标志光模块从基础元件跃升为 AI 时代核心连接枢纽的价值重估。

我们认为，光通信行业已在技术迭代和市场分化中形成多层次标的矩阵。其中中际旭创、新易盛、天孚通信等通过技术壁垒 + 全球份额主导优势具备长期持有价值；太辰光、德科立、仕佳光子、博创科技等市值较小企业通过细分赛道突围实现高弹性，如仕佳光子的 DWDM AWG 产品已成功导入国内外主流设备商供应链并实现规模化量产，太辰光的 MPO 配合 shuffle 解决方案可解决柜间布线复杂难点等。

综上，我们认为海外算力复苏趋势已经较为显著，坚定推荐算力产业链相关企业如光模块行业龙头中际旭创、新易盛等，建议关注光器件“一大四小”天孚通信 + 仕佳光子 / 太辰光 / 博创科技 / 德科立，同时建议关注受关税影响跌幅较大，但具有新增量逻辑的公司如威腾电气（母线）等。

建议关注：

算力——

光通信：中际旭创、新易盛、天孚通信、太辰光、腾景科技、光库科技、光迅科技、德科立、联特科技、华工科技、源杰科技、剑桥科技、铭普光磁。铜链接：沃尔核材、精达股份。算力设备：中兴通讯、紫光股份、锐捷网络、盛科通信、菲菱科思、工业富联、沪电股份、寒武纪、海光信息。液冷：英维克、申菱环境、高澜股份。边缘算力承载平台：美格智能、广和通、移远通信。卫星通信：中国卫通、中国卫星、震有科技、海格通信。IDC：润泽科技、光环新网、奥飞数据、科华数据、润建股份。

数据要素——

运营商：中国电信、中国移动、中国联通。数据可视化：浩瀚深度、恒为科技、中新赛克。

风险提示：AI 发展不及预期，算力需求不及预期，市场竞争风险。

1.    投资策略：策略角度看 AI

本周建议关注：

算力——

光通信：中际旭创、新易盛、天孚通信、太辰光、腾景科技、光库科技、光迅科技、德科立、联特科技、华工科技、源杰科技、剑桥科技、铭普光磁。

铜链接：沃尔核材、精达股份。

算力设备：中兴通讯、紫光股份、锐捷网络、盛科通信、菲菱科思、工业富联、沪电股份、寒武纪。

液冷：英维克、申菱环境、高澜股份。

边缘算力承载平台：美格智能、广和通、移远通信。

卫星通信：中国卫通、中国卫星、震有科技、华力创通、电科芯片、海格通信。

IDC：润泽科技、光环新网、奥飞数据、科华数据、润建股份。

数据要素——

运营商：中国电信、中国移动、中国联通。

数据可视化：浩瀚深度、恒为科技、中新赛克。

本周观点变化：

本周受益于海外需求持续释放，全球算力基础设施有望进一步强化，算力板块震荡上涨。当地时间 6 月 11 日，英伟达 CEO 黄仁勋在 GTC 巴黎大会上宣布计划在欧洲建造 20 多座用于训练和支持 AI 模型的大型 AI 工厂，预计未来两年欧洲的人工智能算力将增长十倍。甲骨文于 6 月 11 日发布了 2025 财年第四季度财报，收入远超预期、算力需求增长，引发投资者乐观情绪，本周大涨近 24%。受益于海外需求增长，本周光模块板块持续上涨，中际旭创 6 月 12 日发布的投资者关系活动记录表显示，海外客户对 800G 光模块的需求预计将在 2026 年实现大幅增长，天孚通信、中际旭创、德科立分别上涨 14.3%、12.8%、6.1%。

我们认为海外算力复苏趋势已经较为显著，坚定推荐算力产业链相关企业如光模块行业龙头中际旭创、新易盛等，建议关注光器件“一大四小”天孚通信 + 仕佳光子 / 太辰光 / 博创科技 / 德科立，同时建议关注受关税影响跌幅较大，但具有新增量逻辑的公司如威腾电气（母线）等。

2. 行情回顾：通信板块上涨，光通信指数表现最优

本周（2025 年 6 月 9 日 -2025 年 6 月 13 日）上证综指收于 3377.00 点。各行情指标从好到坏依次为：创业板综>上证综指>沪深 300>万得全 A>万得全 A( 除金融，石油石化 )>中小板综。通信板块下跌，表现劣于上证综指。

从细分行业指数看，光通信、区块链、量子通信、卫星通信导航分别上涨 5.5%、3.9%、1.2%、0.9%，表现优于通信行业平均水平；通信设备、移动互联、物联网、运营商、云计算分别下跌 1.0%、1.8%、3.1%、3.7%、5.7%，表现劣于通信行业平均水平。

本周稳定币概念，银之杰上涨 15%，领涨版块。受益于参股《长安的荔枝》出品方，富春股份上涨 15%；受益于 CPO 概念，天孚通信上涨 14%；受益于数字货币概念，恒宝股份上涨 11%；受益于稳定币概念，四方精创上涨 11%。

3.周专题：策略角度看 AI

AI 主线扩散，算力业绩率先兑现。自 Chat GPT 于 2022 年 11 月上线，AI 产业化迈入第三年，投资主线已从单一算法向多元化场景延伸，AI 主题已扩散为算力、C 端应用、无人驾驶、机器人、AI for Science。对应 Gartner 曲线，我们认为算力领域已从初期 Chat GPT 横空出世的“技术触发期”逐渐经历“期望膨胀期”与“泡沫破裂低谷期”，并逐渐进入到“稳步复苏期”与“生产成熟期”。从年初算力板块的巨大波动到逐步回升，以及 24 年末以及 25 年一季度国内光通信厂商的业绩兑现（如新易盛 25Q1 归母净利润同比增长超 380%）已证明了这一点。

后续如何演绎——下游应用或同样遵循 Gartner 曲线进程。伴随三年的 AI 发展，以及今年 Deep Seek 等现象级应用的催化，部分 AI 应用如 AI Agent、无人驾驶、机器人、AI for Science 等或将加速迈入成熟阶段，并具备实际的商用价值。如 AI 医疗模型可使诊断时间从 30 分钟缩短到 10 分钟，并降低误诊率约 10%；工业互联网模型使企业生产效率提高约 30%；AI 平台可使建筑安全隐患发现率提升 99% 以上等。

机构持仓变化——从“科技博弈”到“价值成长”。我们认为，算力板块作为率先实现“概念→订单→业绩”全链条兑现的领域，其机构持仓逻辑已从早期的高风险偏好转向价值成长主导，如机构 25Q1 持仓环比变化中，中际旭创占 A 股流通比例减少 14%，天孚通信减少 12%，新易盛减少 20%。

海内外算力“钟摆效应”——基本面与筹码的再平衡。从基本面预期来看，算力行业的核心驱动力在于技术升级的确定性以及业绩兑现的阶段性验证，正如我们之前的观点，年初光模块在主升浪两年后形成“高低切”趋势，绩优股更受青睐。从筹码高低切换来看，估值较低的标的因技术突破或订单放量将吸引资金流入。我们认为，算力板块的“钟摆效应”是算力产业趋势确定性与市场筹码博弈的结果，基本面预期锚定长期价值，筹码高低切反应短期对估值差异的再平衡，建议关注技术壁垒强、订单可见度高的核心环节。

光模块价值成长的“春天”——产品升级 + 连接价值凸显 + 格局稳定。我们认为，光模块正迎来价值成长的黄金期，其核心动能在于产品迭代升级、连接价值拓展及市场格局趋于稳定的三重共振。从技术端来看，硅光、CPO 等创新加速推动光模块向 800G、1.6T 高速率、低功耗方向加速演进；连接价值方面，AWS、微软、谷歌、Meta、英伟达和 XAI 等引领算力集群 800G 光互连部署，根据迅石光通讯网数据，25 年北美数通市场 800G 光模块需求量达到 2000 万量级，同时还引入了 AEC 有源电缆用于服务器和交换机机柜内部互连，需求量达到 800 万量级；从竞争格局看，国内光模块厂商通过技术优势与与客户的深度合作建立卡位优势，根据 Light   Counting 数据，24 年中际旭创光模块市场份额为全球第一，新易盛也加速追赶到全球第三。“技术升级→场景扩容→格局优化”的正向循环，标志光模块从基础元件跃升为 AI 时代核心连接枢纽的价值重估。

我们认为，光通信行业已在技术迭代和市场分化中形成多层次标的矩阵。其中中际旭创、新易盛、天孚通信等通过技术壁垒 + 全球份额主导优势具备长期持有价值；太辰光、德科立、仕佳光子、博创科技等市值较小企业通过细分赛道突围实现高弹性，如仕佳光子的 DWDM AWG 产品已成功导入国内外主流设备商供应链并实现规模化量产，太辰光的 MPO 配合 shuffle 解决方案可解决柜间布线复杂难点等。

综上，我们认为海外算力复苏趋势已经较为显著，坚定推荐算力产业链相关企业如光模块行业龙头中际旭创、新易盛等，建议关注光器件“一大四小”天孚通信 + 仕佳光子 / 太辰光 / 博创科技 / 德科立，同时建议关注受关税影响跌幅较大，但具有新增量逻辑的公司如威腾电气（母线）等。

4.Meta 拟斥资超百亿美元投资 Scale AI：创私营公司融资新纪录

据 C114 报道，社交媒体巨头 Meta 正与人工智能初创公司 Scale AI 进行深入谈判，计划进行一笔价值可能超过 100 亿美元的投资。若交易达成，这将成为有史以来规模最大的私营公司融资交易之一。

Scale AI 由 CEO Alexandr Wang 于 2016 年联合创立，核心业务是提供高质量的数据标注服务，帮助客户训练机器学习模型。其核心价值在于解决“AI 燃料”问题——通过雇佣大量合同工整理、标记图像、文本等数据，确保 AI 模型的训练质量。该公司已成为生成式 AI 浪潮的重要受益者，客户包括微软和 OpenAI 等巨头。

Scale AI 增长迅猛：2024 年营收达 8.7 亿美元，预计 2025 年销售额将翻倍至 20 亿美元。在 2024 年的融资轮中（Meta 和微软均参与），其估值约为 140 亿美元。今年早些时候，有报道称 Scale 正就一项估值高达 250 亿美元的要约收购进行谈判。

Meta 创始人兼 CEO 马克·扎克伯格已将 AI 列为公司首要任务，并宣布 2025 年将在 AI 项目上投入高达 650 亿美元。其战略目标包括推动开源大模型 Llama 成为行业标准，并已将 AI 聊天机器人整合进 Facebook、Instagram 和 WhatsApp，月活跃用户已达 10 亿。此次对 Scale AI 的潜在巨额投资，彰显 Meta 强化其 AI 基础设施和数据能力的决心。

5. 法国 AI 实验室 Mistral 推出推理模型 Magistral 系列，Small 版已开源

据 C114 报道，法国人工智能实验室 Mistral 周二宣布进军推理人工智能模型领域。6 月 10 日，Mistral 正式推出其首个推理模型系列 ——Magistral。该系列模型通过分步骤解决问题，旨在提升在数学、物理等学科领域的一致性和可靠性，与 OpenAI 的 o3 模型和谷歌的 Gemini 2.5 Pro 等其他推理模型类似。

Magistral 系列包含两个版本：Magistral Small 和 Magistral Medium。Magistral Small 拥有 240 亿参数，已在人工智能开发平台 Hugging Face 上以 Apache 2.0 许可证开放下载。而 Magistral Medium 是一个能力更强的模型，目前处于预览阶段，仅在 Mistral 的 Le Chat 聊天平台、公司 API 以及第三方合作伙伴云平台上提供。

Mistral 在其博客文章中表示：“Magistral 适用于广泛的企业级应用场景，包括结构化计算、程序化逻辑、决策树和基于规则的系统。这些模型经过多步骤逻辑的微调，能够提升可解释性，并以用户语言提供可追溯的思考过程。”

Mistral 成立于 2023 年，是一家前沿模型实验室，致力于开发一系列人工智能驱动的服务，包括 Le Chat 和移动应用程序。该公司获得了 General Catalyst 等风险投资机构的支持，目前已筹集超过 11 亿欧元（IT 之家注：现汇率约合 90.22 亿元人民币）的资金。

尽管 Mistral 拥有强大的资源，但在某些领域，例如开发推理模型方面，其落后于其他领先的人工智能实验室。从 Mistral 自己的基准测试来看，Magistral 的竞争力似乎也不够突出。在评估模型物理、数学和科学技能的 GPQA Diamond 和 AIME 测试中，Magistral Medium 的表现不如 Gemini 2.5 Pro 和 Anthropic 的 Claude Opus 4。此外，在流行的编程基准测试 LiveCodeBench 中，Magistral Medium 也未能超越 Gemini 2.5 Pro。

或许正因如此，Mistral 在其博客文章中着重强调了 Magistral 的其他优势。Mistral 声称，Magistral 在 Le Chat 上的答题速度是竞争对手的 10 倍，并且支持多种语言，包括意大利语、阿拉伯语、俄语和简体中文。

该公司在文章中写道：“基于我们的旗舰模型，Magistral 专为研究、战略规划、运营优化和数据驱动决策而设计，无论是执行多因素风险评估和建模，还是在约束条件下计算最优交付窗口，都能胜任。”

Magistral 的发布是在 Mistral 推出“氛围编程”客户端 Mistral Code 之后不久。而在几周前，Mistral 还发布了多个专注于编程的模型，并推出了 Le Chat Enterprise，这是一款面向企业的聊天服务，提供人工智能代理构建器等工具，并将 Mistral 的模型与 Gmail 和 SharePoint 等第三方服务集成。

6.爱簿智能正式发布 E300 AI 计算模组：50TOPS 算力加速千行百业边缘 AI 高效落地

据 C114 报道，近日，爱簿智能正式推出面向边缘场景打造的 E300 AI 计算模组。这款产品搭载爱簿智能自研 AI SoC 芯片 AB100，具备高达 50TOPS 的 INT8 算力和 102GB/s LPDDR5 内存带宽，支持 FP16/FP32 混合精度计算，专为边缘侧高性能 AI 任务设计，旨在为各行业提供高算力、低延迟、强可靠的国产化 AI 解决方案。依托全栈 AI 工具链与端云协同架构，E300 深度融合边缘生成式 AI 与计算机视觉能力，可高效加速“云 - 边 - 端”等各 AI 场景的应用开发，为教育、能源、医疗、金融、交通等数字经济重点行业的智能化转型赋能。

01 技术创新：硬核算力，赋能边缘 AI 计算

E300 所搭载的 AB100 芯片，采用“全大核 CPU+ 先进 GPU+ 高能效 NPU”的异构计算架构，提供高达 50TOPS 的 INT8 算力，支持 FP16/FP32 混合精度计算，并配备 102GB/s 高带宽 LPDDR5 统一内存设计，可高效处理从轻量级推理到复杂模型部署的各类 AI 工作负载。通过架构级能效优化，AB100 实现优异的功耗控制表现，确保设备在复杂边缘环境下长时间稳定运行。

针对边缘 AI 场景中图像识别、视频编解码、科学计算及深度学习训练等高密度计算场景中，E300 展现出了卓越的性能表现：

大模型边缘推理：支持 DeepSeek、Qwen、Llama 等主流开源大模型；本地最高可部署 32B 参数的大语言模型。

计算机视觉全流程加速：支持 YOLO、RESNET 等上百种视觉模型的推理；基于 CoCo128 数据集的 YOLOv8s AI 训练，处理 128 张图的时间仅为 21 秒。

高性能图形处理：可实现 34 万面片的 3D 数字人实时 Unity 图形渲染，帧率最高达 120 帧 / 秒；在 WebGL-Aquarium 性能测试中，相较于其他国产独立 GPU，性能提升 13 倍。

科学计算优化：相较 Arm V8 架构大核 CPU，FFT 科学计算性能提升 6 倍。

专业级视频处理：支持 8K30 帧视频编解码，并可实现 16 路 1080P30 帧视频编码。

02 灵活部署：模块化设计，适配多元边缘场景

E300 以创新的模块化系统设计，将强大算力浓缩于 60mm×82mm 的小巧模组中，集成 SoC 芯片、内存、电源管理单元及多种高速接口，具备出色的扩展性与适应性，可灵活部署于工业现场、户外环境等多种边缘场景。

模块化 + 多接口，适配复杂场景：E300 是一款小型化且高度集成的系统模组（SOM），支持从嵌入式集成到独立设备的多种部署形态。该模组提供卓越的扩展能力，支持 4 个 USB 3.2 Gen1/USB 2.0、14 通道 PCIe 5.0 高速总线，最高支持 2 个 8K 或最多 8 个 4K 高清显示输出（DP1.4/eDP1.4b），最多可支持 16 个 8MP 摄像头（4x4-lane C/D-PHY），还支持双千兆以太网、eMMC 存储及丰富的工业接口（SPI/I2C/UART/I2S），满足边缘计算对多传感器接入、高速数据传输与多屏协同的应用需求。

完整的开发套件，快速实现产品化：爱簿智能提供 E300 模组的完整开发套件，包含模组、开发板、散热、存储和电源等组件，以及技术文档和专项支持，旨在大幅简化开发流程，降低开发门槛，显著缩短产品开发周期，助力用户快速实现产品化落地与规模扩展。

成熟的参考设计，推动商业化落地：依托爱簿智能完善的生态系统，用户可获取全面的软硬件设计参考方案，确保系统级的兼容性，实现从模组到整机的高效开发，加速 AI 边缘设备的商业化落地，助力用户在市场竞争中抢占先机。

03 全栈赋能：端云协同，覆盖“云边端”全场景

爱簿智能基于“芯片 - 系统 - 算法 - 应用”的全栈能力，构建了端云协同的智算基座，实现边缘 AI 的垂直优化与端云无缝协同，全面覆盖“云边端”全场景。

全栈 AI 开发与部署能力：兼容 PyTorch、vLLM 等主流 AI 框架，支持训练与推理全流程。在大模型优化领域，能够高效运行 DeepSeek、Qwen、Llama 等主流开源大语言模型，并通过量化与剪枝技术，实现百亿参数大模型的边缘侧轻量化部署。同时，支持从边缘侧设备到云侧智算集群的弹性扩展，满足算力的平滑扩容需求。

多场景高性能加速：针对业界主流大语言模型，YOLO、ResNet 等上百种计算机视觉模型，以及语音模型、文生图模型（如 Stable Diffusion）、多模态模型和科学计算（如 FFT）等各类模型，提供高效的推理加速，全方位满足多样化的边缘场景应用需求。

广泛的生态兼容性：支持国际主流的 CUDA 生态和国产 MUSA 生态，为开发者配备全套迁移工具链，可快速实现代码的跨平台迁移，显著降低技术适配成本。

全流程开发支持：提供从多传感器数据采集、模型训练到推理部署的一站式工具链，有效降低 AI 工程化门槛。

04 自主安全：打造国产可控的边缘 AI 平台

在数智化转型加速演进的浪潮中，算力自主可控逐渐成为产业发展的核心命题。E300 搭载自研的国产 AI SoC 芯片 AB100，构建起从硬件到软件的全栈安全。借助强大的边缘 AI 计算能力，E300 支持数据本地处理与私有化部署，能够有效保护数据隐私与系统安全，全面满足工业、能源、水利、气象、政务、教育等关键领域对高安全性、高可靠性 AI 应用的严苛要求，为行业用户提供高性能、自主可控的边缘 AI 计算解决方案。

爱簿智能创始人兼 CEO 孙玉昆表示：“E300 AI 计算模组的发布，是爱簿智能深耕智能计算领域的重要成果。这款全栈国产化的高性能边缘 AI 产品，将为各行业提供自主可控的算力新选择，加速重点行业智能化转型。未来，爱簿智能将持续以技术创新为引擎，联合产业链上下游生态伙伴，构建开放协同的智能计算新生态，推动 AI 算力在更多垂直场景中深度落地，为数字中国建设注入强劲动能。”

7. 中国科学院科学家首次证实：大语言模型能像人类一样“理解”事物

据 C114 报道，中国科学院自动化研究所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合团队结合行为实验与神经影像分析，首次证实多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。这项研究不仅为人工智能认知科学开辟了新路径，更为构建类人认知结构的人工智能系统提供了理论框架。相关研究成果以 Human-like object concept representations emerge naturally in multimodal large language models 为题，发表于《自然 机器智能》（Nature Machine Intelligence）。

人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义 —— 这种多维度的概念表征构成了人类认知的基石。

传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正“理解”物体含义。论文通讯作者何晖光研究员指出：“当前 AI 能区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式。研究采用认知心理学经典的“三选一异类识别任务”（triplet odd-one-out），要求大模型与人类从物体概念三元组（来自 1854 种日常概念的任意组合）中选出最不相似的选项。通过分析 470 万次行为判断数据，团队首次构建了 AI 大模型的“概念地图”。

实验范式示意图。a，物体概念集及带有语言描述的图像示例。b-d，分别针对 LLM、MLLM 和人类的行为实验范式和概念嵌入空间。

研究人员从海量大模型行为数据中提取出 66 个“心智维度”，并为这些维度赋予了语义标签。研究发现，这些维度是高度可解释的，且与大脑类别选择区域（如处理面孔的 FFA、处理场景的 PPA、处理躯体的 EBA）的神经活动模式显著相关。

研究还对比了多个模型在行为选择模式上与人类的一致性（Human consistency）。结果显示，多模态大模型（如 Gemini_Pro_Vision、Qwen2_VL）在一致性方面表现更优。此外，研究还揭示了人类在做决策时更倾向于结合视觉特征和语义信息进行判断，而大模型则倾向于依赖语义标签和抽象概念。本研究表明大语言模型并非“随机鹦鹉”，其内部存在着类似人类对现实世界概念的理解。

8.AI 大模型竞赛方兴未艾 垂直领域精准应用成关键竞争力

据 C114 报道，6 月 7 日至 8 日，2025 全球人工智能技术大会（GAITC2025）在杭州举行。本次大会以 “行业大模型应用与发展”为主题，汇聚众多科技公司创始人、高管及行业专家，深入探讨行业大模型在垂直场景中的突破与创新，彰显 AI 技术在推动产业数字化转型中的核心作用。大模型技术快速演进，从过去的大小模型之争，转向应用落地的竞争。

大模型竞争向场景化应用转变

随着人工智能技术的发展，人工智能大模型与电子、原材料、消费品等产业领域深度融合，在细分业务场景中推动实现降本增效。与此同时，科技企业在这一领域的竞逐也从“拼技术”走向“拼落地”阶段。

一方面，单一通用模型难以直接契合多场景需求，行业大模型则能够通过整合行业数据、算力和人才资源，赋能垂直领域，促进垂直行业数智化产业升级。另一方面，与通用大模型相比，垂类大模型的开发成本更低。

中国工业互联网研究院智能化研究所副所长顾维玺认为，人工智能在产业加快落地，形成了“通用模型 + 垂直领域模型”的协同应用范式。工业和信息化部表示，将一手抓供给，加强通用大模型和行业大模型的研发布局，加快建设工业领域的高质量数据集，夯实基础底座，推动“智能产业化”。

筑牢技术根基，构建坚实创新底座

根据 Gartner 的最新预测，到 2027 年，中国 80% 的企业将使用多模型生成式人工智能，以满足本地部署要求。这一数据表明 AI 技术在企业中的广泛应用前景，也凸显了强大的技术根基的重要性。算力和数据是影响大模型发展的关键因素。

在低成本、有限资源的情况下，如何训练出高性能的模型，这得益于高效的模型训练方法。IDC 最新预测结果显示，2025 年中国智能算力规模将达到 1037.3 EFLOPS，并在 2028 年达到 2781.9 EFLOPS。面对经济社会智能化转型的海量智算需求，“适度超前部署”成为一大重要举措。以运营商中国电信为例，其规划并建设了全国“2+3+7+X”公共智算云池，在京津冀、长三角地区建设两大万卡智算集群。

而数据供给决定了大模型能力的上限。高质量数据供给是大模型进入垂直领域应用的重要因素。在今年第八届数字中国建设峰会期间，国务院国资委集中发布了首批 10 余个行业 30 项央企人工智能行业高质量数据集优秀建设成果，并宣布成立交通物流、绿色低碳、智慧能源等三大行业中央企业数据产业共同体，深化数据资源开发利用和开放共享，以高质量数据集赋能大模型训练、助力高价值场景落地。

持续推进大模型生态建设

与传统数字化不同，大模型应用落地的路径要更长，技术门槛更高，服务比重也更大。生态建设不仅关乎落地进程和效果，也影响着大模型的反馈迭代。

由中国电信天翼云牵头发起的魔乐社区，可提供人工智能工具、模型、数据的托管、展示与应用协同服务。在今年 4 月，魔乐社区 Modelers 理事会正式宣告成立，并发布理事会章程，明确组织架构与权责体系。14 家首批理事单位代表几乎涵盖了 AI 全产业链。

经验表明，开源创新生态能帮助汇聚全球开发者智慧以推动大模型技术进步，并激发社会创新活力，加快大模型应用落地。从阿里云通义千问发布并开源了全新推理模型 QwQ-32B 再到中国电信人工智能研究院（TeleAI）开源全新升级的星辰语义大模型 TeleChat2.5 版本、复杂推理大模型 T1 正式版。今年以来，国产 AI 大模型掀起“开源潮”。据工信部消息，目前，中国已成为全球开源参与者数量排名第二、增长速度最快的国家。

9. 人工智能 + 加速释放数据要素价值 通信产业链将拓展更大发展空间

据 C114 报道，“2025 中国信息通信业发展高层论坛”于 6 月 10 日 -12 日在北京召开，全方面展示出了“人工智能 +”时代对通信业发展带来的机遇挑战。

人工智能时代，数据可谓是 AI 发展的“养料”。随着“数据要素×”“人工智能 +”等行动的推进，全社会“用数”氛围更加浓厚，数据要素的重要性愈发凸显，这也为通信业带来发展新机遇。以中国电信为代表的通信运营商作为数据的“生产者”和“消费者”，在加快数据融入社会化大生产中，在释放其作为生产要素的独特价值中起到了重要促进作用。

数据要素加速迈向市场化

在复旦肿瘤厦门医院，中国电信基于医疗云平台底座，定制开发了 6 套医疗信息系统，构建起“1 平台 +6 大系统”的生态体系，打造涵盖基础设施、运维保障、应用创新的全栈解决方案，成功打通了医院核心业务模块的数据壁垒，实现了诊疗流程一体化管理及数字化改造；在江西萍乡，“数字上栗”平台打通部门数据壁垒，实现应急指挥、消防预警等系统“一屏调度”，行政审批时限大幅压缩，让“数据多跑路、群众少跑腿”成为现实；在湖南龙山县石牌镇桂英村，260 个数字摄像头、10 个 AI 智能防控点位、44 个云广播为乡村织就了一张守护网，孩童靠近水库或河流，AI 摄像头会自动预警；热成像技术能精准识别森林烟雾，将火情扼杀在萌芽，据了解，2024 年，该村数字乡村平台累计预警危险行为 1237 次，意外事故率下降 68%。

从民生医疗到数字政务，从数字乡村建设到城市道路建设，数据在实际场景中的应用不断拓展，持续释放出强大的数据动能。2024 年，十七部门关于印发《“数据要素×”三年行动计划（2024—2026 年）》的通知。“数据要素 X”行动实施一年多来，对加快数据融入社会化大生产，释放其作为生产要素的独特价值起到了重要促进作用，越来越多的企业投身数据市场，激活数据价值成为各界共识。

通信运营商是数据供应商、数据服务商重要参与者之一，多方位参与数据要素市场各环节的建设，推动数据要素市场化配置。以中国电信为例，其不仅深度挖掘数据商业价值，推动产业数字化转型，还积极参与数据处理、数据交易等环节。根据中国电信 2024 年年度报告显示，中国电信将数据资源列示于“开发支出”科目下，计入金额 3.71 亿元。

技术创新，推进高质量数据集建设

要想“人工智能 +”行动到哪里，高质量数据集的建设和推广就要到哪里。

作为通信央企，中国电信积极响应国家“AI+"战略，充分发挥海量数据积淀和云网融合优势，持续推动数据要素的高效治理与应用创新。构建了“星海”数据智能中台，推进自有数据集、开源数据集和第三方数据集深度融合，形成了 10 万亿 tokens 高质量数据集，为模型训练提供了丰富且优质的数据资源。“网络大模型数据集”和“城市治理高质量数据集”两项成果成功入选国资委央企人工智能高质量数据集优秀建设成果。中电信数政科技牵头打造的城市治理高质量数据集，面向基层服务、城市管理、政务热线等重点应用场景，汇聚文本、图像、视频等多模态数据，通过“清洗—加工—脱敏—标注”四步法构建数据质量护城河。在杭州市“杭小信”政务大模型中，该数据集助力实现工单精准派发和应急事件预警，热线接通率提升 7%。

人工智能的发展离不开高质量数据集，而高质量数据集建设离不开数据标准工作。数据标注指的是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理。在数据标注方面，中国电信深度参与成都、沈阳、保定等国家数据标注基地建设和国家级数据赛事，推动公共数据开放运营和价值释放。在成都基地，已有 13 家标注企业入驻，从业人员超 900 人，标注产业逐步聚集成链；在保定基地，将围绕大规模多模态数据，打造智能数据标注生成管理平台，实现数据从采集到模型部署的全流程自动化，大幅提升数据集生产效率，降低 AI 模型训练门槛。

AI+ 筑牢数据基础上设施建设

深层次人工智能的快速发展，对算力和数据流通利用提出了更高、更迫切的需求。而数据的价值创造过程与数字基础设施是必不可分的。

中国电信通过三大平台提供全栈式数据要素服务。围绕大数据 PaaS、融 AI 多模态治理等 10 大核心能力，打造三大服务平台，覆盖数据底座、采集、清洗、加工、标注、安全、交易等全流程服务。其中，星海数据智能中台支持百万级混合任务调度，服务超过 150 家政企客户。灵泽 2.0 数据要素平台提供数据确权登记、数据融合计算等功能，服务 6 个省级、27 个地市级数据局进行数据要素市场化拓展。银河数据跨境平台则具备数据跨境存储、计算和传输全链路能力，已支持多地试点运行。

在数据流通方面，中国电信强化数据安全保障，构建了安全、高效的数据传输网络，保障数据在不同节点之间的快速、稳定流通；打造业界领先的数据集“阡陌数聚”，建立三级安全风险分类标签体系，覆盖超百亿 Token，显著提高数据安全性。值得注意的是，在 2025 数字中国创新大赛中，广东电信与天融信联合申报的“数据生态‘共生防护网’——多维联动的数据防泄露方案”荣获“数据安全产业优秀案例评比赛（通信行业）银奖”。该方案深度融合网络 DLP（数据防泄漏）与终端 DLP 技术，结合 AI 大模型业务场景数据风险分析，创新构建“时间 + 空间 + 业务”三维联动的数据防泄漏“共生防护网”。

10. 英伟达与三星斥资 3500 万美元 支持机器人初创公司 Skild AI

据 C114 报道，英伟达（Nvidia）与三星（Samsung）计划参与消费级机器人软件初创公司 Skild AI 的 B 轮融资。其中，英伟达将投资 2500 万美元，韩国供应商三星将出资 1000 万美元。

据了解，此轮融资后，Skild AI 估值将达约 45 亿美元，软银集团（SoftBank Group）将主导该轮融资，投资金额为 1 亿美元。

Skild AI 专注于开发适用于多种机器人设备和应用的人工智能基础模型和软件。2023 年，Skild AI 完成了 3 亿美元 A 轮融资，彼时估值为 15 亿美元。

值得关注的是，今年 1 月，三星刚收购了韩国彩虹机器人（Rainbow Robotics）股份，成为其最大股东。韩国彩虹机器人主要生产适用于多行业场景的协作机器人。

三星此前已设立未来机器人办公室，系统性强化机器人领域技术布局。

而今年 3 月，英伟达与通用汽车（General Motors）达成合作，双方联合开发定制化系统，用于训练面向下一代汽车、工厂及机器人的 AI 制造模型。

11.Meta 发布用于自动驾驶汽车和机器人的 AI 模型

据 C114 报道，Meta Platforms 正式推出了 V-JEPA 2，这是一款旨在理解送货机器人、自动驾驶汽车等物理物体运动规律的 AI 模型。

这款开源的“世界模型”使机器人和其他 AI 主体能够理解它们周围物理世界，并通过预测其他物体的动作，以更接近人类的方式做出决策。

Meta 在公开平台中提到，“作为人类，我们具备预测物理世界如何因自身或他人行为而变化的能力。例如，你知道将网球抛向空中时，重力会使其回落。”

V-JEPA 2 帮助 AI 主体模仿人类智能，使它们对物理世界有更深入的感知能力。通过“世界模型”，AI 系统能够推理、预测和规划以实现目标。Meta 在一段视频中表示，这些能力对于构建能够“先思考后行动”的 AI 主体至关重要。

Meta 声称，该模型是公司在开发先进机器智能方面取得的重要进展。V-JEPA 2 通过视频数据进行训练，“这使得模型能够学习物理世界中的重要模式，包括人与物体的互动、物体在物理世界中的运动以及物体之间的相互作用”。

“在我们的实验室中部署到机器人上后，我们发现机器人可以利用 V-JEPA 2 执行诸如伸展、抓取物体以及将物体放置到新位置等任务。”面对微软、谷歌和 OpenAI 的激烈竞争，Meta Platforms 首席执行官马克·扎克伯格正专注于拓展公司的 AI 能力。

12.  风险提示

AI 发展不及预期，算力需求不及预期，市场竞争风险。