第三类：用AI颠覆行业的新兴公司。这类公司的核心业务就是AI，大模型是它们的“产品本身”，必须自建才能形成壁垒。比如专注医疗AI的公司，需要开发“AI辅助诊断系统”，要能识别医学影像、分析病历，这就需要用海量的医疗数据自建大模型，形成自己的技术优势；再比如做工业机器人的新兴公司，需要让机器人理解物理世界、自主完成复杂操作，这也需要自建具身智能大模型，而不是靠通用模型“凑合用”。就像中国电信，作为央企，自建了“星辰大模型”，覆盖语义、语音、视觉等多种能力，不仅能服务自己的客服、政务业务，还能开放给其他企业，成为新的业务增长点 。

尤洋特别强调：“自建大模型不是‘越复杂越好’，而是‘够用就好’”。比如中小企业不用建万亿参数的大模型，重点是把自己的专属数据用好，训练出能解决具体问题的“小而美”的模型；传统大企业可以和科技公司合作，不用从零开始，重点是把模型和自己的业务流程打通。总之，自建大模型的核心不是“炫技”，而是“解决自己的专属问题”，这才是企业的核心竞争力。

小主，

四、高通万维星：终端侧大模型才是“刚需”，个性化+隐私安全双保障

提到大模型，很多人会想到“云端”——比如数据传到遥远的服务器上处理，再把结果传回来。但高通公司的万维星却强调：终端侧运行大模型，才是未来的大趋势，核心优势就是“个性化”和“数据本地化处理”。

先解释“终端侧”是什么：就是我们手里的手机、家里的智能家居、身边的机器人这些“终端设备”，终端侧大模型就是把大模型直接装在这些设备上，不用依赖云端，设备自己就能处理数据、完成任务。比如你的手机里装了大模型，不用联网，就能帮你写文案、翻译、整理照片；你的智能手表里装了大模型，能实时分析你的健康数据，给出运动建议。

第一个优势：个性化。云端大模型是“服务所有人”的，没法精准适配每个人的习惯；而终端侧大模型就像“专属管家”，天天跟你打交道，越用越懂你。比如你的手机大模型，知道你喜欢看科技新闻，会优先给你推荐相关内容；知道你不喜欢冗长的文案，会把复杂的报告提炼成简短摘要；甚至知道你的说话语气，帮你发消息时能模仿你的风格，不会显得生硬。高通和中国电信合作的“麦芒”AI手机，就是终端侧大模型的典型例子，它的AI通话助手、AI修图功能，都是基于终端侧大模型，能精准适配用户的使用习惯 。

第二个优势：数据本地化处理，安全又高效。现在很多人担心“用AI会泄露隐私”——比如你把聊天记录、健康数据、工作文件传给云端，万一服务器被攻击，数据就可能泄露。但终端侧大模型根本不用传数据到云端，所有数据都存在你自己的设备上，只有你能访问，安全性大大提高。比如你用终端侧大模型处理工作合同，合同内容不会离开你的电脑；用它分析健康数据，心率、血压等信息只存在你的手表里，不用担心被第三方获取。而且不用联网传输数据，响应速度也更快——比如你让手机大模型整理照片，秒级就能完成，不用等云端处理完再传回来。

万维星说，未来几年，“云+端”协同会成为主流：简单的、需要个性化的任务，交给终端侧大模型；复杂的、需要大量算力的任务（比如大规模数据分析、复杂模型训练），交给云端大模型。比如你用AI写一篇简单的工作周报，手机自己就能完成；但如果要分析公司一年的销售数据，生成详细的可视化报告，就可以调用云端大模型的算力，处理完再把结果传回手机。

现在终端侧大模型已经开始落地：除了AI手机，还有AI眼镜——高通和中国电信合作的天翼AI眼镜，能智能识物、分析食物成分、讲解展品，这些功能都是终端侧大模型实现的，不用依赖云端，随时随地能用 ；还有智能家居，比如你的冰箱里装了大模型，能识别里面的食材，推荐菜谱，还能提醒你食材快过期了，全程不用联网，既方便又安全。

五、自变量机器人王浅：具身智能，AI理解物理世界的“新地基”

前面聊的agent、大模型，大多是在“数字世界”里干活——处理文字、数据、文件；而自变量机器人的王浅，把目光投向了“物理世界”，他提出：具身智能模型是平行于语言模型的“物理世界基础模型”，简单说就是让AI“走进现实，动手干活”。

先区分两个概念：语言模型（比如GPT、通义千问）是“理解数字世界的”，它能读懂文字、分析数据、生成内容，但它不知道“杯子掉在地上会碎”“搬东西要用力”这些物理规律；而具身智能模型是“理解物理世界的”，它能像人一样感知环境、学习物理规律，还能动手执行操作——比如机器人用具身智能模型，能拿起杯子、打开抽屉、走路不摔倒；自动驾驶汽车用具身智能模型，能判断路况、躲避障碍物、平稳转弯。

王浅说，具身智能模型就像AI的“物理课老师”，让AI从“只会纸上谈兵”变成“能动手实践”。比如以前的机器人，只能按照预设的程序干活，一旦环境变了就会出错——比如预设好拿杯子的力度，要是杯子是易碎的，就可能被捏碎；但具身智能模型能通过学习，理解“不同杯子的材质不同，需要用不同的力度拿”，就算遇到没见过的杯子，也能根据物理规律判断该怎么操作。

现在已经有很多具身智能的研发成果，比如北京团队开源的WoW世界模型，能让AI“想象物理世界、预测结果、执行动作”——比如你让它“把杯子放到桌子上”，它能先在脑子里模拟“怎么伸手、怎么抓杯子、怎么放才平稳”，然后再让机器人实际操作，成功率很高。还有工业机器人，用具身智能模型能精准处理复杂的装配任务，比如给汽车零件上螺丝，能根据零件的位置调整力度和角度，不用人工干预；家庭服务机器人，能自己开门、拖地、整理物品，还能避开障碍物，不会撞到家具或人。

小主，

王浅强调，具身智能不是“替代语言模型”，而是和语言模型并行的“另一块地基”——语言模型负责处理“数字信息”，具身智能模型负责处理“物理信息”，两者结合，才能让AI真正融入我们的生活和工作。比如一个智能助手，既能用语言模型帮你处理工作邮件、写报告，又能用具身智能模型帮你整理办公桌、递文件；一个工业AI系统，既能用语言模型分析生产数据、优化流程，又能用具身智能模型控制机器人完成生产操作。

未来，具身智能会渗透到很多领域：制造业的工业机器人、医疗行业的手术机器人、家庭里的服务机器人、自动驾驶汽车、甚至是太空探索机器人，都会依赖具身智能模型，让AI从“数字世界”走进“物理世界”，真正成为能“动手干活”的帮手。

六、PPIO姚星：Agent基础设施，AI时代的“操作系统”

如果说agent是AI时代的“应用程序”，那PPIO的姚星认为，agent的基础设施就是AI时代的“操作系统”——就像Windows、iOS连接电脑、手机的硬件和软件一样，agent基础设施连接着各种agent、设备和人，让它们能协同工作、高效运转。