主题演讲实录 | 数说AI:DIKI+创新情报赋能战略洞察实践

DATA·INFORMATION·KNOWLEDGE·INVEST

01

各位嘉宾、各位企业家朋友，大家好！

今天我将基于 DIKI 平台的能力和创新情报专委会的工程实践，为大家带来对人工智能产业的观察——通过数据和创新情报工程化的思路，看一看我们能从微小的信号中，得到什么样的关于 AI 产业的判断。

在做创新情报的过程中，我们发现它有两个特点。第一，从需求角度看，创新场景是多元的，我们永远没有办法穷尽创新情报所要适配的场景；第二，从解决方案角度看，创新情报的底层数据是多元异构的——有企业数据、专利数据等等，需要通过创新情报的方法把多元异构的数据组合到一起。

为了解决这两个痛点，我们沉淀了一套创新情报工程的解决方案，叫做 DIKI。

它指的是从顶层的数据（Data），到有信息量的、带标签的信息（Information）——这个部分我们通过知识图谱，构建了一个 10 亿+实体、20 亿+边的关系图谱，把 14大要素库的数据串联到一起；再到知识（Knowledge）——我们认为所有 AI 应用，能否洞察行业具体场景的痛点、能否沉淀行业 know-how 最为重要，我们用 300 个行业研究的 know-how，沉淀了研究员脑袋里的知识；最后是洞察（Insight）——决策的部分交还给人，通过情报平台看到数据之后，由人基于数据去产生决策。

接下来我们基于 DIKI 平台的数据，在人工智能领域演示一下：基于平台数据和创新情报工程的方法，可以得到什么样的结论。

02

首先从专利开始。先看全球 AI 领域的 PCT 专利。这张图里，各个国家的创新象限和创新特征不太一样。2025年全球AI专利授权总量达107,279件，中国以74%的全球PCT专利份额位列全球第一，呈现“大而全”特征；美国以10%的高价值专利占比位列专利质量全球第一，走“少而精”路线。

看完全球，再看全国的情况。我们把全国 AI 专利按产业一、二、三级图谱进行了加工。从专利总量看，AI 智能终端、智能芯片，以及 AI 行业应用中的智能制造等领域数量最多；再看高价值专利，在基础层领域，智能芯片是专利价值与密度最高的一个环节；在"AI+千行百业"的应用方面，智能制造领域的高价值专利在所有应用场景里排第一——这说明工业 AI 的价值被广泛认可。

看完整体产业，再看各个城市的专利布局特征。从专利总量和已授权专利数量看，北京依托广泛的高校、科研机构和服务基础，在 AI 专利领域的总量排名第一；深圳人均专利数量是全国第一，专利密度相对较高。从专利被引用和高价值专利看，北京、上海和南京的专利价值相对较高。

把专利加工落到产业和城市上，可以看到各城市 AI 领域的技术竞争力：深圳在 AI 机器人硬件环节的专利技术储备最好；芯片看上海和合肥，它们在 AI 芯片、存储芯片方面的技术储备相对较好；算法模型看北京——深度学习、传统机器学习、强化学习等领域，北京的专利技术储备都是最好的。

03

看完专利，接下来看投资。投资被认为是人工智能等新兴领域的风向标，可以看到行业发展的最新动态。

2026 年第二季度的融资数据显示：应用领域的融资最为集中，其中 AI+机器人、AI 终端和行业解决方案领域更加吸睛；从技术层看，视频生成模型、具身模型和物理 AI 是热点；同时，技术层的关注点正从过去看单个芯片的性能，转向看整体系统效率——与之相关的资源调度、编译优化、推理服务、数据工程等领域，成了技术层公司发展的热点和重点方向。

从城市来看，北京、上海、深圳的投资处于"铁三角"地位。三个城市之外，杭州虽然投资事件较少，但披露的投资事件金额是最大的，大额投资相对较多——这也是为什么去年我们看到以杭州、武汉为代表的第二梯队城市，能够依托各自的特色产业形成差异化竞争

04

前面看了三组数据，我相信在座各位更关心的是：什么样的赛道会更有优势？我们看到一个大趋势：从过去大家说 all in AI，到现在我们开始向 AI 要结果——希望 AI 真正在业务场景中落地。所以今天我们不谈算力、算法、数据这些老生常谈的故事，来谈一谈 AI 的变化和增量到底在哪里。

智能服务化：MaaS 与 RaaS

先看 MaaS（模型即服务）。2025 年中国 MaaS 调用量总计 1944 万亿 token，大家可能很难想象这是一个什么样的体量——假设按每百万 token 20 元的平均价格测算，2025 年 MaaS 的市场规模大概是 400 亿元。还有一个更有意思的现象：2026 年 6 月，火山引擎大约占了中国公有云大模型调用的一半；按这个量级测算，预计到 2026 年年底，MaaS 的市场规模将突破万亿。

再看 RaaS（Robot as a Service，机器人即服务）。具身智能机器人很火，它的商业化到底是一个什么样的模式？今年推出的"机器人即服务"，核心就是以租代售的模式，智元是其中的引领者。按智元的测算，其今年来自 RaaS——也就是机器人租赁服务——的收入规模预计能达到 5 亿元，相当于智元机器人去年全年营收的一半。同时，在工业领域，库卡等龙头企业也开始引进工业 RaaS 服务。

智能体：入口在收敛

从底层技术看，基础模型和 Agent 的边界越来越模糊。原来我们对基础模型的要求，是它要具备更好的 Agent 调用能力；现在我们发现，基础模型和 Agent 的入口慢慢趋向同一——比如 ChatGPT，已经把它的 GPT 入口和 coding 入口集成到了一起。

从上层通用型入口看，国内的互联网厂商开始在通用型入口上发力，钉钉、字节的飞书、腾讯的企业微信，是目前的三强。

再看终端。AI 智能终端的众筹主要发生在海外平台 Kickstarter、Indiegogo，以海外品牌为主。我们处理了今年 8 月份的所有众筹数据：AI 眼镜、AI 戒指、AI 耳机是目前最吸睛的三个品类；从整个赛道来讲，户外运动、健康医疗和摄影摄像这三个行业是相对吸睛的热门赛道。

具身智能：从“炫技”转向“干活”

今年具身智能机器人很火，大家大概已经听了很多百亿级、万亿级的故事，那么具身智能机器人到底到了一个什么样的阶段？具身智能机器人的 ChatGPT 时刻有没有到来？我们从三个部分来看。

第一是从机器人本体来讲。虽然 2025 年全球机器人出货量首次突破万台、达到 1.8 万台的量级，但看头部的具身智能机器人厂商，能够规模交付、出货量达到千台的只有一部分，剩下的都还在百台甚至小批量验证的阶段。

第二是从大脑来看。具身智能大模型目前的技术路线尚未收敛，VLA 路线和世界模型的技术路线短期内会同时存在。

第三是从场景来看。工业场景是目前商业化变现最现成、最成熟的场景，因为它有非常多简单、高频的任务场景；而当任务复杂度比较高时，商业化的推进就会相对慢一点。

那么未来什么样的机器人企业能跑出来？我们认为：有高质量的数据、有聪明的大脑，同时能够做到产品化运营、具备供应链降本控制能力的企业，能够最终跑出来。

05

我们构建了一套中国城市产业竞争力评价体系，从每一个城市的产业集聚、产业创新、产业成长等指标来评估各城市的竞争力，目前可以覆盖全国 333 个市、5000 多个区县。

以 7 月份的数据看，全国分成三个梯队：第一梯队是以北上广深杭为代表的"全能领导型"城市，第二梯队主要包含南京等城市。

第一梯队里，北京各方面都很强，是"全能冠军"——大模型备案数量、企业总数、创新人才储备都是全国第一；上海以大模型备案和资本投资的集聚为主要特征；深圳就是"硬件创新之城"，上下游 30 分钟之内可以配齐全部的产业链供应链；杭州则以创新成效引领，创新成效和研发投入强度都是全国领先。

省级尺度上，广东呈"双核引领、多极协同"格局：深圳定位全线AI核心引擎，广州定位模型应用高地，珠海、佛山、东莞等地市差异化布局，21地市全域覆盖。

06

我们构建了一套潜力企业评价模型，从企业的成长潜力、科创能力、综合实力等维度——底下有大概 22 项细分维度——去评价企业，并在AI芯片、AI Infra、大模型、行业应用、终端、具身智能与自动驾驶六个赛道，梳理出2025年后成立、B轮以前的潜力企业50强。

07

首先，数据永远是最坚实的底座。我们认为垂域数据有非常高的价值，我们也是这样去实践的：这里面既包含企业、专利、标准、产品等等 14 大基础要素库，也包含跟各个行业相关的 3000 万行业分布数据；通过研究员的投入和专业化的数据治理，我们对所有 400 亿条数据都打上了 4300 个产业节点。可以说，对于新兴产业和未来产业的布局与研究，我们这套数据是最具基础的数据底座。

第二，垂域的 know-how 非常重要。我们都觉得 AI 很强，但 AI 好像永远不能理解我们的场景。过去四年，我们把 300 个行业研究员都拉到场景里面去沉淀行业 know-how。目前我们提供 6 种开箱即用、深入场景的 SaaS 服务：面向企业家提供 DIKI 产业智能分析平台，可以提供"五看五找"的服务；面向政府部门，提供产业大脑（DIKI-Brain）、招商系统（DIKI-Link）、人才系统（DIKI-Talent）、产业监测系统（DIKI-Monitor）和政策系统（DIKI-Policy）。

当然，有了庞大的垂域数据和垂域 know-how 之后，我们永远不能覆盖长尾的场景。面对这一难题，我们的解法思路是：垂域数据+垂域KnowHow=聪明的AI。当前，高质量数据MCP与Skills正在内部探索试用，敬请期待。