炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：第一财经资讯）

7月27日下午，上海市委常委、常务副市长吴伟表示，将紧抓人工智能+战略机遇，着力构建全球领先的人工智能发展新生态，将来在AI赋能场景落地上实现新突破，将在科技金融精准滴灌上实现新突破。

吴伟是在2025世界人工智能大会中信集团“智慧中信·共创新可能”科产融创新发展论坛上，作出上述表述的。

据吴伟介绍，上海市产业规模持续扩大，创新企业产业规模，人才数量实现倍增，规上企业数量近400家，产业规模超4500亿元，人工智能人才约占全国1/3；基础能力全面提升，建成市级算力、语料等公共服务平台，布局50个行业开放语料库，成品语料总量超过1800TB；创新生态日益完善，形成一东一西、一软一硬差异化发展格局，打造国家人工智能产业投资基金，上海人工智能母基金等千亿级资本矩阵，构建了多元化多层次科技金融服务体系。

展望未来，“我们将紧抓人工智能+战略机遇，着力构建全球领先的人工智能发展新生态，努力在科技、产业、金融高水平协同发展中，探新路，走在前，做示范。我们将在共建共享良性生态上实现新突破，进一步完善人工智能产业政策体系，聚焦高端芯片、基础软件、智能算力等关键领域，支持金融机构科技企业等各类创新主体，深化与大院大所（国家实验室、高校科研机构）的战略合作，共同营造支持颠覆性技术、潜力企业成长的发展生态。”吴伟称。

他同时称，将来在AI赋能场景落地上实现新突破。深入实施人工智能+行动，推动AI科技、金融科技在金融市场交易、支付结算服务、智慧银行建设、智能投资管理服务等全流程、全领域的深度应用，打造高价值行业应用场景。

“我们也将在科技金融精准滴灌上实现新突破。加大对人工智能企业信贷支持力度，进一步创新金融产品和服务，拓宽企业融资渠道，鼓励金融机构围绕科技企业全生命周期探索开展知识产权、质押融资、投贷联动等业务，为企业发展提供全方位、多层次金融服务，让金融活水更精准地流向创新土壤。”吴伟说。

那么，当前AI+产业的发展情况如何？中信智库专家委员会主任，中信建投证券党委委员、执委会委员武超则认为，AI大模型继续向更强大、更高效及更可靠的方向发展：一是参数量规模扩大性能提升依然有效；二是后训练部分强化学习明显提升了大模型的推理性能；三是模态融合越来越丰富，原生多模态较好地解决了输入延迟等问题；四是迈向AGI核心任务之一是拓展能力树，大模型不能停留在纸上谈兵阶段；五是实时数据集成和检索增强生成，2025年大模型在实时数据集成能力上呈现显著提升态势，有效地降低了幻觉；六是数据紧缺比较明显，合成数据较大扩充了数据范围。更高效方面，则是架构上做了新的创新以及使用了更低精度。

“2025年是AI应用加速落地之年。受互联网大厂推动AI与业务结合、Agent推出、主权AI需求及多模态渗透等因素影响，AI算力消耗从训练转向推理，带来显著增量，国内算力自主可控趋势凸显。本轮AI渗透较互联网时代大幅提速，B端落地进程或超预期。”武超则称。

27日中信智库发布的《AI新纪元：砥砺开疆・智火燎原》AI+产业发展深度研究报告（下称《报告》）指出，进入2025年，大模型的应用落地进程呈现显著加速态势。作为AI应用的重要载体和下一代人工智能的具体形态，AI Agent将成为2025年AI发展的重要方向。生物群落带来生物群体智能涌现，多智能体集群也将带来AI群体智能涌现，进一步提升大模型性能。具备数据优势、生态体系构建的企业未来将更具发展潜力。

根据《报告》，中国的互联网企业在多媒体领域具有全球影响力，游戏、电影、短剧、短视频等领域将是目前多模态落地的第一阶段，随后在自动化装备、机器人、自动驾驶等产业也将快速渗透。

“随着各方面应用的加速，AI算力消耗开始从训练走向推理，同时主权AI加大投入，带来显著的算力增量。”《报告》认为，从投资角度来看，算力方面可关注三点：一是随着推理占比的提升，云计算厂商投入产出比逐渐清晰，并且超卖率有望继续提升，从而带动利润率提升；二是围绕机柜增量变化及新技术投资，2025年下半年核心是英伟达NVL72机柜上量，其中液冷散热、铜连接、电源变化最大；三是围绕估值性价比、景气度投资，重视PCB、光模块等供应链。

武超则认为，人形机器人是AI最有前景的落地方向之一，未来在工业、商业、家庭、外太空探索等领域具有广阔应用场景，将人类从低级和高危行业中解放出来，提升人类生产力水平和工作效率。预计当人形机器人产业迭代成熟之后，所对应的年度市场规模会有数万亿元。

近几年，人形机器人正从“实验室”迈向各类“应用场”。“目前有各种各样的人形机器人不断被研发出来，也有很多具身智能技术发布，但是总体来讲，我们人形机器人产业目前处于起步阶段，还有很多问题亟待攻关。”浙江大学求是特聘教授、浙江人形机器人创新中心首席科学家熊蓉称。

她认为，主要需要攻关四方面问题，一是实现大规模高质量交互数据的快速便捷获取，二是可跨场景跨任务的知识学习与迁移泛化，三是可泛化高精准技能自主学习与发育进化，四是核心零部件和部组件及整机性能提升。