政策+技術+產業爆發+生態壁壘=躺贏

3月6日，中國AI團隊Monica.im的一則發佈會引爆全球科技圈。其研發的通用型AI智能體Manus，在權威GAIA基準測試中以碾壓性優勢超越OpenAI的DeepResearch，這個意義重大，標誌著人類距離AGI（通用人工智慧）又邁出關鍵一步。

這款命名源自拉丁語"心智與手"的人工智慧體產品，首次實現了"從想法到執行"的完整閉環——使用者只需提出需求，Manus即可自主完成任務規劃、工具呼叫、跨平台操作，並最終交付可直接使用的成果。

在演示視訊中，Manus展現了令人震撼的能力矩陣，更顛覆性的是，它能在雲端非同步工作，使用者關閉電腦後仍可持續執行任務，完成時通過通知交付成果。這種"人類休息、AI工作"的模式，正在重塑人機協作的底層邏輯。

券商研報指出，AI智能體將重構三大底層邏輯：

1. 互動革命：從問答到指令執行
Manus的非同步任務處理能力，使AI從"資訊提供者"升級為"問題解決者"，催生全新的人機互動範式。

2. 流量重構：入口從App到智能體
智能體可直接呼叫跨平台服務，削弱傳統App的流量壟斷，為具備技術中台能力的企業創造彎道超車機會。

3. 商業進化：從軟體授權到任務訂閱
按任務收費的模式正在取代傳統SaaS訂閱制，預計到2028年15%的日常工作決策將由智能體完成（Gartner預測）。

Manus的火爆也絕非偶然，背後是算力、演算法、應用、硬體四大領域的協同突圍。根據市場公開資訊及技術壁壘研究分析，AI智能體類股中在技術上有核心競爭力、在產業鏈上具備核心優勢、或者在政策上享受紅利、在生態上形成壁壘、短期內難以被替代的公司主要包括12家，其獨特競爭力以及在細分領域的卡位將使得他們在這一輪發展中躺贏！

我們每天挖掘公司研報、市場熱點題材，挖掘整理創作不易，如果你覺得有幫助可以“關注+收藏”多點“贊+在看”！這是對我們最大的認可！

總結來說，有三種“躺贏姿勢”：政策躺贏、技術躺贏、場景躺贏！

重要提示：文章中所有個股和觀點均不構成投資建議，僅作探討研究用途。

獨特優勢：國內AI晶片領軍企業，覆蓋雲端、邊緣端全場景，產品矩陣完整（如MLU系列加速卡、訓練整機），技術性能對標國際頭部企業。在AI推理晶片領域市佔率領先，支援智能體的核心算力需求。

細分領域：AI晶片研發與生產，提供雲端智能計算解決方案。

類股關聯：作為算力基礎設施供應商，直接支撐AI智能體的訓練與運行，是類股底層技術的核心環節。

2，金山辦公（688111）

獨特優勢：國內辦公軟體龍頭，WPS AI已實現辦公全場景覆蓋（文件、表格、PPT、PDF），並推出企業版解決方案，商業化能力行業領先。與智譜AI、DeepSeek等合作，建構AI辦公生態。

細分領域：AI+辦公，提供智能文件處理、內容生成、知識洞察等功能。

類股關聯：AI智能體在辦公場景的典型應用，通過AI技術提升效率，是行業標竿企業。

3，中科創達（300496）

獨特優勢：全球智能作業系統技術領導者，推出一站式智能體解決方案，覆蓋企業級AI應用開發（如智能問答、數字人）。具備端雲協同能力，服務央企、網際網路、金融等多行業客戶。

細分領域：智能終端作業系統及AI應用開發。

類股關聯：為智能體提供底層系統支援，是端側智能的核心服務商。

4，海光資訊（688041）

獨特優勢：國產高端處理器領軍者，CPU（海光系列）和DCU（深算系列）性能對標國際主流產品，覆蓋資料中心、雲端運算等場景，深度受益於信創國產化及AI算力需求爆發。

細分領域：高性能處理器設計，算力基礎設施供應。

類股關聯：AI智能體算力底座的關鍵供應商，技術自主可控性強。

5，漢得資訊（300170）

獨特優勢：字節跳動B端大模型深度合作夥伴，開發智能導購、客服等AI智能體，技術適配企業級需求。具備豐富的行業經驗和客戶資源，推動AI在垂直場景的落地。

細分領域：企業數位化解決方案，AI智能體行業應用。

類股關聯：作為應用層代表，直接受益於AI智能體在B端的普及。

6，南興股份（002757）

獨特優勢：與微軟聯合開發“小鷺”智能助手，聚焦工業設計、電商營運等場景，形成生態互補。子公司唯一網路提供算力支援，強化技術協同。

細分領域：AIGC智能助手，工業與消費端場景應用。

類股關聯：通過微軟生態佈局AI智能體，技術落地能力突出。

7，世紀天鴻（300654）

獨特優勢：教育領域AI智能體龍頭，“小鴻助教”覆蓋教學全流程，自研大模型進度領先。結合教育出版資源，建構知識圖譜與個性化學習系統。

細分領域：AI+教育，智能教學輔助工具。

類股關聯：垂直領域應用標竿，體現AI智能體在特定場景的深度整合。

獨特優勢：與華為深度合作，基於華為盤古大模型、鯤鵬+昇騰算力等技術，打造了酷特AI Agents 2.0版本，實現生產流程的即時互動、協作和自主決策。

細分領域：工業AI/智能製造細分領域，核心聚焦於服裝定製的智能化生產。

關聯度：與華為雲共建AI智能體平台，聚焦製造業智能化，Manus的自主任務規劃能力可賦能其服裝定製、生產排程等業務。

獨特優勢：企業服務大模型YonGPT與Manus協同，加速企業級應用商業化。深耕企業服務36年，服務數十個行業的數百萬客戶，對製造業、財稅、供應鏈等場景理解深刻。與華為、DeepSeek等廠商合作，深化智能體技術應用（如基於華為盤古大模型最佳化企業服務）。

細分領域：聚焦於工業AI/智能製造領域，核心方向為ERP智能化升級。

關聯度：作為國內企業服務大模型的領軍者，用友與潤和軟體、漢得資訊等同屬AI智能體產業鏈，受益於AI在企業流程自動化（IoB）的滲透。

獨特優勢：是華為“鯤鵬/昇騰AI+行業大模型+開源鴻蒙+雲”全方位戰略合作夥伴，唯一同時覆蓋鯤鵬/昇騰算力硬體與開源鴻蒙作業系統的企業。算力伺服器訂單同比激增58%，液冷技術滲透率超40%。

細分領域：聚焦於AI算力基礎設施與垂直行業智能化。

關聯度：憑藉“華為全端技術+行業場景深耕”的雙輪驅動，在AI智能體領域形成差異化競爭力，核心壁壘在於硬體（算力）與軟體（鴻蒙）的協同佈局。

獨特優勢：與字節跳動、華為等科技巨頭合作，佈局AI大模型生態，推動多模態場景的智能體應用。

關聯度：通過旗下投資平台間接持有真格基金份額，而真格基金是Manus母公司Monica.im的早期投資方。

獨特優勢：垂直行業大模型龍頭，覆蓋媒體、金融、政務領域，適配Agent在B端場景的自動化需求。

細分領域：巨量資料以及人工智慧軟體

關聯度：獲騰訊生態加持，參與AI智能體技術鏈。

Manus的誕生並非孤例。2025年以來，國產大模型呈現群體性突破，DeepSeek開源R1推理模型，千問團隊發佈QwQ-32B，Monica團隊則以Manus重新定義智能體標準。這種技術共振，標誌著中國AI正從"跟隨者"向"規則制定者"轉型。

更值得關注的是，Manus團隊計畫開源部分技術，這將加速AI生態繁榮。正如其官網所言："我們相信，真正的技術進步源於開放協作。"這種開放精神，或許正是中國AI實現彎道超車的關鍵密碼。 (黑馬挖掘機)

DeepSeek 之後，又一個科技圈的不眠之夜。

3 月 6 日凌晨，Monica.im研發的全球首款AI Agent 產品“Manus”正式面世，引起全球範圍內的行業關注，邀請碼被一搶而空。

“Manus”成了AI圈今天所有人的話題！

“Manus”能夠解決各類複雜多變的任務。與傳統 AI 助手不同，Manus 不僅能提供建議或答案，還能直接交付完整的任務成果。

它不僅整合旅行資訊，還為使用者建立定製旅行手冊；它可以進行深入的股票分析，對股票進行全面的洞察；它可以為中學教師建立視訊演示材料，幫助教師更有效地教學；它可以幫你篩選簡歷，整理表格對候選人進行評估……

用一句話來總結就是，“Manus”是你在數字世界中，字面意義上的“代理人”。

Monica.im產品合夥人張濤
“Manus”首席科學家，原Magi創始人&真格基金EIR季逸超
混沌創新領教、雲九資本合夥人任鑫
混沌創新領教、洪泰基金董事總經理潘楊

一同參加混沌圓桌探索流，深聊了《創新範式轉移，AI革命下，創業何去何從？》。

這次圓桌探索流有兩位“Manus”背後的創業者參與，有助於我們深入瞭解這家公司的底層邏輯。

潘楊：關於AI“搶”人類的“飯碗”怎麼看？

張濤：我們預測今年將是人類歷史上AI產出程式碼首次超過人類工程師的一年。在我們公司，目前約40%的程式碼由AI生成。然而，我們的工程師並不擔心失業。他們不僅不擔心，反而越來越得心應手。原因在於尋找問題和需求的能力變得前所未有的重要。

如果過去你的工作是被動接受任務、解決問題，那麼在未來可能會面臨挑戰。但如果你的工作本就是主動尋找問題、解決問題，只是現在借助AI將解決問題的時間從8小時縮短到8分鐘，那麼你的能力就會被放大。任何技術變革都會帶來短期的衝擊，但從長遠來看，生產力會得到提升。就像紡織機的出現。

在這個時代，你應該思考自己是否是那個能夠發現問題、解決問題的人。如果是，AI將成為你的放大器。所以，你需要鍛鍊這種能力。觀察組織中誰在發現問題、解決問題，如果自己目前不具備這種能力，更要主動學習。因為未來重複性工作可能會被取代，沒有人能靠躺平被時代帶著走。

潘楊：怎樣控制一個AI創業項目的試錯成本？

季逸超：很多人覺得AI創業成本高，是因為一開始就沒從小目標做起。其實，現在很多熱門的AI產品，最早都只是個人開發者的小項目。就像我十幾年前剛開始做iOS獨立開發者的時候，也沒想著一開始就拿融資，高舉高打。我只是先找到自己真正想用的東西，先做出一個初步的產品，驗證它到底有沒有市場。等驗證成功了，再考慮擴大投入。所以，創業其實沒有所謂的“高試錯成本”。無論是十年前的網際網路創業，還是現在的AI創業，都是個人開發者的好機會。

潘楊：基於大模型的創業怎麼建構核心壁壘？

張濤：我有個很深的感觸。對於非技術從業者而言，他們在面對新技術時反而可能有獨特的優勢。我們技術從業者很容易陷入技術原理和技術層面的細節，而忽略了技術的本質價值——到底能解決什麼問題。而正是因為非技術從業者不懂底層原理，反而會跳過這些細節，把新技術當作黑盒看待，直接關注它的實際輸出和表現能力，從而思考它能為行業帶來什麼價值。這種從需求出發的思維方式，反而更容易發揮想像力，挖掘出技術的真正用途。

我發現AI正在變成像電和水一樣的通用商品，這種趨勢是必然的，而且已經成為現實。它的普及使得技術優勢不再侷限於少數機構或企業手中，而是向全社會開放。事實上，大多數創業公司失敗並非因為缺乏技術或產品開發能力，而是因為沒有找到真正可規模化複製的市場需求。就像電和水是家家都有的基礎設施，但為什麼不是每一家奶茶店都能成為霸王茶姬或蜜雪冰城呢？這些成功品牌的背後，有很多共通的商業邏輯值得研究。

潘楊：如果大家技術都差不多，技術不再是核心壁壘，那壁壘到底在那裡？

季逸超：創業時我們常犯的一個根本性錯誤，就是對壁壘的判斷對不對。我自己也反覆思考過這個問題，最後發現其實就是山姆·奧特曼說的話的道理：當OpenAI或者別的公司發佈新模型時，你是開心還是緊張？如果你開心，說明你在做自己的事，不受影響；如果你緊張，那可能就不該做這件事。

其實，過去一年裡很多不太成功的嘗試，都是因為大家在現有模型能力的基礎上，試圖去彌補它的不足，這是不對的。我們要相信AI能力會不斷進步，你的應用應該和模型能力是獨立的。也就是說，模型能力提升時，你的應用能在另一個維度上持續投入，並從中受益。不要因為現有模型的不足，就去最佳化它，這是典型的“過早最佳化”，也是AI創業中最大的誤區。

任鑫：核心壁壘並非憑空存在，而是在發展過程中逐漸形成。就像水電煤氣一樣，其滲透過程是不均勻的。比如倒水時，水面會均勻上升；但如果倒的是粘稠的蜂蜜，它會先堆成一團，然後慢慢平鋪開。在這個緩慢滲透的過程中，企業可以抓住紅利。以ChatGPT為例，雖然人人都能用，但它的滲透需要時間。Monica通過套殼ChatGPT並加入範本（如翻譯功能），讓那些處於滲透邊緣的使用者先嘗到甜頭，這就是抓住了紅利。雖然ChatGPT創造了市場勢能，但Monica通過這種方式獲得了使用者基礎。Monica積累了一定使用者後，其壁壘逐漸形成。比如，假設我有一個創意，可以讓瀏覽器一鍵切換到護眼模式，即使這是個好點子，當我試圖推廣時，Monica可能已經有1000萬使用者。他們要麼直接購買我的創意，要麼將其功能整合到自己的產品中，從而進一步加固了自己的壁壘。關鍵在於動態把握機會。第一步不是直接建構壁壘，而是先抓住一小塊紅利，積累力量。當紅利轉化為自身實力後，壁壘也就自然形成了。

潘楊：AI時代參與競爭是更容易還是更難了？

張濤：常年做創業項目（startup）的同學應該有這種感受：如果一個項目做了一年，卻沒有任何競爭對手，反而會讓人不安。你會開始懷疑：我選的市場是否真的有問題？為什麼連競爭對手都沒有？從推演的角度和實際入局的視角來看，感受截然不同。比如，我們已經投入半年，還在猶豫是否繼續時，突然有大廠進入，很多人可能會覺得慌張。但其實，我們只會覺得慶幸——終於證明我們的方向是對的。所以，在局中時，感受真的會非常不一樣。

潘楊：如果學習能力跟不上AI的來勢洶洶，普通人該如何自處呢？

季逸超：我可能是一個更純粹的技術進步主義者。我認為，雖然AI一定會替代很多任務作，但沒必要過於恐慌。因為AI有一個無法解決的問題——它無法替代人類承擔責任。比如程式設計師雖可能是受AI影響最大的群體，但公司不可能完全沒有程式設計師，因為即使程式碼由AI生成，仍需人類去稽核和承擔相應責任。其次，現在有很多一人公司，一人公司是一個人帶著很多AI，但人是法人，這種責任是AI無法取代的。此外，AI的學習和理解能力再強，也依賴於人類的輸入。在傳統公司裡，層級架構依然重要。大家不妨轉變心態，別擔心工作被AI取代，而是想想如何利用AI提升自己的價值。

任鑫：解決問題的工作容易被AI取代，因此要向產業鏈上游、甲方或領導靠近，調整自身定位。在這個過程中，不必過於擔心工作問題。大家真正擔心的不是工作被搶，而是工資受影響——這是兩個不同的問題。

潘楊：組織內的AI進化如何發生？比如對於偏向傳統企業企而言。

季逸超：我覺得首先不要硬上。比如最近網上有個“傳統企業加AI”的梗，就像在肥皂上插個洗手液按頭一樣，這種做法很可笑。很多時候，企業考慮AI轉型是因為老闆或CEO的焦慮，這其實很危險。一定要從自身業務的小處著手，不要盲目追逐Buzzword（流行），比如現在很火的DeepSeek系列。雖然我們講了很多關於DeepSeek的內容，但我一直呼籲大家保持冷靜。DeepSeek並不是萬能的。具體問題要具體分析，比如要做Function calling（函數呼叫），選擇千問模型可能更合適。

張濤：我之前在神策資料工作四年，當時巨量資料的浪潮和如今AI的熱度相當。我們的服務模式是年費制，續費留存率是公司最重要的經營指標之一。因為企業續費的前提是感受到產品在一年內的實際價值。從這個視角出發，我們發現一個重要的觀點：自上而下的“一把手工程”通常會失敗。原因在於，CEO雖然決策引入系統，但實際使用者是一線員工，而維護者可能又是IT部門。這三者——決策者、使用者和維護者——資訊不對稱，動機不一致，導致項目推行困難。

為此，我們調整策略。雖然CEO是項目的主導者，但我們會在企業中挑選一些重點培養的苗子，比如有上升空間的總監或小組長。我們不再做大規模培訓，而是改為一對一的陪伴式服務。通過精準輔導，讓他們在公司內部匯報時展現出不同視角和能力提升，從而引起上級關注。這種“示範效應”很快會吸引其他部門主動尋求合作。因為人不患寡但患不均。

實際上，大部分人是先看見才能相信。這有點像種子傳播的模式，先在核心群體中播種，再逐步影響周圍人，從而推動整個組織的變革。而不是從上到下強行改變機制，讓大家每天必須使用10次，這種做法很難奏效。

我這兩年在搞AI時感觸很深。過去十幾年的工作經驗給我帶來了太多思維負擔。每次思考問題，那些舊知識都會干擾我。然而，我在上海、杭州和那些剛畢業或還在讀書的年輕人交流時，發現他們沒有這些負擔。他們用AI原生的思路解決問題，很多想法讓我驚嘆：“這也能用AI做？”雖然我曾覺得效率很低，但他們真的做到了。所以，大家一定要相信年輕人，相信那些沒有過去經驗負擔的頭腦。他們創造的創新，是我們坐在這裡永遠規劃不出來的。

潘楊：對於傳統廣告行銷公司，想要通過AI實現組織架構的變革，該如何去操作？

季逸超：人同AI的協作在在那裡？無論是語言生成或者是圖像生成，都存在一個顆粒度問題，顆粒度就是你在跟AI交付任務的時候，最後誰來完成“改”的這個環節，如果還跟AI是拿語言作為這個介面，很難達到最後滿意的效果，團隊中還是需要一個人去完成最後的工作。人可能還會在一段時間內扮演AI到最後交付的最後一公里，因為這是顆粒度問題所導致的，這種現像在廣告行業尤其明顯。

張濤：廣告行業擁抱AI是特別積極的，但是需要明確幾個事項。首先，公司人員肯定是沒有什麼變化的，更多的還是賦能。比如，早期客戶的brief過來之後，公司需要考慮如何切入需求，廣告行業要拿著需求去投標，傳統小工作室的方式就是老闆帶著幾個核心員工一起商量，這個環節其實特別適合現在的AI去做，一是有Reasoning models（推理模型）它的思維方式更多，二是現在大部分的AI產品都和搜尋進行了結合，當公司去解決客戶的需求的時候，一定要對客戶進行研究，查清客戶的背景和真實需求，甚至AI可以查清使用者近期關注的事項，從而進行快速的資訊整合，傳統工作室就做不到這點。基於AI提供的資訊報告，再研究通過那種方式去打動客戶，會更加有效。就現在的AI大模型的能力而言，在策劃和產生方案領域，AI已經能取代很多非頂級的廣告策劃了。對於文案和圖像視訊生成等問題，用AI來做內部的概念驗證和客戶溝通是完全足夠的。但是短期內不要寄希望於AI可以交付商業等級的作品，這方面還是要靠專業人士。

潘楊：如何劃清人和AI的權責邊界？

季逸超：舉個例子。你不會把影響公司命運的重大決策完全交給實習生吧？實習生的作用是輔助決策，而不是替代決策。同樣，現階段AI也應被視為決策輔助工具，而不是最終決策者。我認為這種由人工進行最終稽核的模式會長期存在。因為目前的人工智慧和機器學習本質上無法保證絕對正確，這並非技術進步能完全解決的問題。

張濤：季總以前是做自然語言處理（NLP）的，對電腦視覺（CV）應該也有所瞭解。電腦視覺是AI的重要領域，但過去在應用落地方面一直缺乏好的方向。後來，我瞭解到一家公司，他們將國家安全生產的條文每一條轉化為一個特徵（feature）。比如，有一條規則是“煉鋼爐啟動時，該區域禁止人員進入”，他們將其轉化為一個特徵。整套條文有100多條，每條都是一個特徵，組合起來就成了一個非常好賣的產品。

當時我問了一個問題：如果出現漏檢，責任該由誰承擔——公司、工廠還是演算法？對方提出了一個有趣的觀點：不要總是用兜底的思路去思考。以前，即使安排真人盯著100多路Video（視訊），也很難做到全面監控，因為這是真實的需求。現在，技術從“做不到”變成了“能做到”，雖然不能保證100%精準，但至少可以預警。過去，人工預警需要兩個小時一輪，現在則可以做到秒級預警，將危險訊號拋出後由真人確認。所以，我認為這是一個完全不同的場景。大家在思考業務流程時，也應該從預警的角度出發，而不是一味追求責任交付。這種思路其實更合理。

潘楊：人類在使用AI大模型時，到底讓渡了什麼權利？

任鑫：首先，我不認為人有什麼天然的權利。比如我希望孩子能研究紅螞蟻，但這只是我的期望，如果生產力不足，他憑什麼擁有這種權利呢？這種想法大多是YY。其次，我認為這個問題無解。只要某種事物存在，無論是否進行對齊，都會有問題。在網際網路上，留下痕跡多的內容自然會更受關注，這是無法改變的。所以，最終只能通過市場經濟的方法解決。當你有更多選擇時，就像唐太宗“兼聽則明”一樣，你可以選擇不同的平台，瞭解它們各自的價值觀偏好，而不是把自己繫結在某一個平台上。這樣，我讓渡的權利就會更少。一旦我繫結在某個平台上，那怕它完全符合我的需求，我也已經讓渡了某些權利。

張濤：其實自古以來，人類就有一種習慣，會把使用的工具神化，賦予它們一種崇拜的色彩。但動態地看，這種現象只是暫時的。比如最近淘寶上有些賣家會在商品詳情頁寫“DeepSeek推薦”，並附上一張截圖，聲稱某產品是被AI推薦的。這其實是一種工具的異化過程。但這種狀態是短暫的。

以我們這一代接近40歲的人為例，小時候總覺得科技產品和數位裝置，只有美國或日本生產的才是好的，比如索尼的Walkman。當下來說，如果要買無人機或便攜攝影裝置，大家首先想到的一定是大疆，而不是美國品牌。這說明隨著技術的發展和市場的變化，人們的認知也在改變。

現在很多人還沒接觸AI，或者對AI還不熟悉。但再過一兩年，當AI的文字表達變得常態化後，真正有價值的、有深度的人類思考反而會變得更加稀缺。人們也會逐漸形成一種審美觀念，能夠區分“標準的AI回答”和“有深度的人類思考”。這種變化反而會讓人類的思考變得更加高級。

潘楊：是否可以認為在這種看似智力升級的幻想背後，隱藏著對普通人更多的認知剝奪？

張濤：我認為這種情況是必然會發生的，並且不僅僅存在於AI時代。在上一代的搜尋引擎時期就已經開始了。但我想強調的是，任何事物都符合熵減定律，所以人們一定要努力對抗熵增的過程，一定要每天根據收集的資訊進行思考，不要認為不努力就可以實現目標，這是人類的一個恆久命題。

季逸超：使用者問AI的問題，AI也是要進行上一層搜尋，它可能搜尋的是某一個媒體小編寫的一篇文章而已，中間隔了太多層的東西。所以，無論有沒有AI，人們都要掌握溯源的能力，這一點非常重要，國外寫文章還保留著超連結這個特別樸素的習慣，文章引用的那句話都可以通過連結尋找到根本源頭。在實操階段，如果我需要AI回答一些問題的時候，一定會讓它引述原文，我覺得這是人們所能做到的極限。

任鑫：大家可以把AI當做一個人，他幫你提供了更好的資訊，還能幫你做參謀，這個時候再談論讓渡或者犧牲你的權利，好像有點說不太過去。我並不覺得大部分人是被AI剝奪了資訊，反倒是得到了更多資訊。比如我們要做美國某個特定市場的一個調研，deep research在10分鐘內幫我出了四五份不同維度的報告，看上去感覺雖然不太好，但如果我自己要寫出一份類似的報告，可能至少要三個小時，大量的時間都會消耗在點選關鍵詞和搜尋方面，但是deep research節約了我大量的無意義的手工勞動，最後我獲得的資訊量是更全面和更有效的。

潘楊：對於今年DeepSeek引爆應用市場，後續的發展趨勢，您是如何看待的？

季逸超：首先可以確定，AI在中國的熱潮可能是DeepSeek帶起來的，我覺得這非常好。之前在國內，大家一直沒有一個非常好的開源大模型，但如果具體到agent和infra的話，其實還有需要探討的方面。

第一點，DeepSeek的模型（無論V3還是R1）本身更側重推理能力，在多模態、函數呼叫、長期規劃等能力上並不出眾。這可能是因為DeepSeek團隊前期將資源集中於推理最佳化，對多模態採取了戰略性後推策略。如果專注於智能體領域，可以借DeepSeek的東風，但需避免過度繫結其技術路線，需等待其多模態能力的進一步發展。

第二點，因DeepSeek的爆發，國內外對Infra的要求顯著提升。從DeepSeek最近的V3論文看，其架構已與傳統MA-like模型有顯著差異，但除官方外，國內推理廠商的Infra最佳化普遍不足，仍需大量工作。若要將智能體與 Infra結合，2025年將是一個關鍵機遇。傳統算力關注點主要在訓練階段，但智能體帶來的24小時持續推理需求將徹底改變格局——互動時長延長導致Token消耗量劇增，且多輪對話中上下文不斷累積，進一步推高資源需求。今年因DeepSeek母體模型的成熟，Infra有望迎來爆發。

潘楊：最後，請各位嘉賓分享一個關鍵詞。

季逸超：從自身的感受出發，我的關鍵詞是恐懼。人一定要活在恐懼之中，我覺得自己已經不年輕了，今年是我做AI或者自然員的第十三年了，一直驅動自身能夠堅持學習的根本原因就是壓力和恐懼。人不能沉浸在溫柔鄉中，一定要經常嚇嚇自己。

張濤：我的關鍵詞是好奇，我之前做了8年的C端產品，做了5年的TOB業務，近兩年又完全投身AI行業，最大的動力驅使就是我想弄清楚它是什麼，為什麼是這個樣子，未來會發生什麼事情？好奇心會驅使我去做很多事情。在一個不具有確定性的領域中，如果沒有底層的好奇心趨勢，很難真正學到東西，也很難前進。

任鑫：我建議大家想開一點，人類大概有一半的機率會被AI消滅掉，如果這種情況沒有發生，我們將會是最幸運的一代，可能享受到疾病被完全消滅、肉身上網、星際旅行等事情，現在AI為未來的這些可能帶來了機率，所以要想開一點，注重身體，努力看到那一天。 (混沌學園)

#Monica.im 你可以在這裡找到鉅亨號中所有使用「Monica.im」為關鍵字所發布的內容