2024 年 7 月，OpenAI 公司向公眾披露了其對 AI 發(fā)展階段的界定標(biāo)準(zhǔn)，以幫助人們更清晰地理解 AI 的安全和未來發(fā)展。
結(jié)合文本、語音、圖像等多模態(tài)能力的大模型不僅改變了人機交互方式，還催生了新的“工種”——智能體。
業(yè)界通常認為，AI 智能體是指具有自主性、反應(yīng)性、交互性等特征的智能“代理”，能夠自主理解、規(guī)劃決策并執(zhí)行復(fù)雜任
務(wù)。其核心在于自主性的增強，即能夠獨立完成某項工作，無需人類進行過多的審核校正，可以顯著降低時間、金錢
等成本。對于人來說，這將J大程度地解放生產(chǎn)力，助力創(chuàng)新和提升效率。特別是通過在個人智能終端或邊緣設(shè)備
（如電腦、手機、平板、頭顯乃至汽車）上運行 AI 大模型壓縮技術(shù)，通過自然交互接收指令并執(zhí)行推理，形成個人智
能體（Agent）。
在這些搭載了智能體的設(shè)備上，AI 大模型能夠依據(jù)個人旅行記錄、購物偏好等信息，更好地進行推理并采取行動；它甚至可以根據(jù)用戶的思維模式和行為頻率預(yù)測下一個任務(wù)，并主動提出建議、自主尋找解決方案，
促使人機之間形成更佳的協(xié)同關(guān)系。終，智能化系統(tǒng)將逐漸具備自主決策和行動能力，不僅能提供建議，更能代
表人類行動和自主處理信息——人與機器之間的界限將被重新界定。
強大的生成能力使 AI 能夠在沒有直接人類指令的情況下創(chuàng)作出全新的作品;便利的自然語言交互;廣泛的應(yīng)用場景可以在醫(yī)療診斷、金融分析和技術(shù)故障排查等L域 發(fā)揮重要作用
起步發(fā)展期（1943-1960 年）;黃金時代（1960-1974 年）;D一次寒冬（1974-1980 年）;再次繁榮（1980-1987 年）;D二次寒冬（1987-1993 年）;深化發(fā)展（1993-2015 年）
體能型和智能型,聚焦兩大商業(yè)化落地場景的方向;體能型以美國波士頓動力的Atlas,特斯拉Optimus為代表;智能型以香港Hanson Robotics的Sophia以及英國Engineered Arts的Ameca為代表
厘清具身智能的概念內(nèi)涵、演進歷程、技術(shù)體系，通過梳理當(dāng)前具身智能技術(shù)發(fā)展現(xiàn)狀，研判分析 具身智能應(yīng)用潛力與可能影響，提出面臨的問題挑戰(zhàn)，展望思維智 能和行動智能融合的未來發(fā)展趨勢
通過對“醫(yī)”、“食”、 “住”、“行”、“城市”、“企業(yè)”、“能源”、“數(shù)字可信”八個維度在下一個十年的展望，來嘗試 描繪智能世界 2030 的美好圖景，智能 世界擁有無限可能
性關(guān)鍵技術(shù)和應(yīng)用開發(fā)類計劃項目形成 標(biāo)準(zhǔn)成果的比例達到 60％以上,標(biāo)準(zhǔn)與產(chǎn)業(yè)科技創(chuàng)新的聯(lián) 動水平持續(xù)提升,新制定國家標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn)50 項以上
人形市場對比分析、國內(nèi)人形創(chuàng)企對比分析、人形公司基本概述、融資情況、人形機器人產(chǎn)品及參數(shù)、產(chǎn)品迭代及商業(yè)化進展、眾人形機器人產(chǎn)品參數(shù)和商業(yè)化進展對比、人形機器人L域核心技術(shù)
深入分析了存儲行業(yè)的現(xiàn)狀與格局。可以說，存儲行業(yè)的“強者恒強”趨勢十分明顯;未來數(shù)據(jù)量將以每年超過30%的速度增長
安全監(jiān)測智 能布控球 危險作業(yè)安 全監(jiān)測預(yù)警 設(shè)備及系統(tǒng) 人員定位監(jiān) 測預(yù)警系統(tǒng) 有限空間數(shù) 據(jù)采集預(yù)警 裝備 工業(yè)聲紋監(jiān) 測設(shè)備 無線無源超 聲波測厚設(shè) 備
科技板塊市值權(quán)重有較大提升空間， 部分估值已具備優(yōu)勢；隨著近年持續(xù)向創(chuàng)新驅(qū)動轉(zhuǎn) 型，盈利相對優(yōu)勢提升，中國科技股投資性價比突出
2023年中國低空經(jīng)濟規(guī)模突破5000億元，2026年有望突破10000億元。低空經(jīng)濟存在 三層萬億空間，D一層是低空飛行活動牽引，D二層是低空空域管理與開發(fā)利用帶動
視頻生成模型算法主要由基于SD逐幀生成和基于時空Patches兩種范式構(gòu)成，是效率與效益的比拼;Sora訓(xùn)練算力需求是GPT-4的4.5倍，而推理算力需求接近GPT-4的400倍
