华泰证券执行委员会委员、首席信息官韩臻聪在致辞中表示，大模型正从规模化扩张迈入与产业深度融合的新阶段。华泰证券积极探索以AI的思维和技术重塑业务场景的潜在可能，已落地集异构算力、大模型运营管理、大模型应用开发三位一体的“泰为”大模型平台体系，并充分利用公司在场景、数据方面的资源禀赋，在投研、投行等典型价值场景不断突破，提升智能化客户服务能力。公司也希望通过深度开展生态合作，打造行业最佳实践范例，带动人工智能等新兴技术在金融场景的更广泛应用。
郭健还分享了端到端建模和通用底座预训练大模型两种AI新范式给量化投资带来的机遇。端到端量化策略建模不再依赖金融因子挖掘、Alpha预测等中间环节，而是训练大规模深度学习模型实现从原始数据到交易仓位的预测，可以规避传统多因子模型的误差累计、因子研发周期长、市场迁移度低等局限。郭健进一步提出，基于跨交易市场、跨金融品种、跨频率训练出的量化投资通用底座模型，可以解决量化投资策略多样、长尾场景零散的瓶颈，只需要对底座模型用较小的特定策略任务数据进行微调或后训练，就可以实现低成本的跨市场策略迁移，降低模型研发成本。
华泰证券信息技术部数据科学研发中心联席负责人王鞅介绍了公司自研的智能研报这一智能体应用。他认为现在AI赋能模式正在从“人+智能助理”向“人+多智能体”演进，员工通过调动多个智能体，以团队协作方式完成工作，智能体不是只做基础重复工作，也开始承担一些关键工作。况客科技总经理郑汉涛则认为，在一些场景下，AI可以很大程度替代员工当下的工作，比如通过端到端投顾服务Agent体系，将投顾端和客户端直接相连，可以实现各类客户服务素材的自动生成和分发，当然也一定会创造出新的工作机会。
关于AI应用的具体落地，万得首席战略官、集团副总裁葛正琦介绍万得已将数百项AI应用无缝落地到各类金融机构的日常工作流中，她认为顺利落地的关键首先是数据，如何把内部、外部价值融合在一起，让数据治理结构适应AI语义化数据治理，实现数据实时可信；其次是金融机构和科技服务提供方之间怎么合作，只有采取非常开放的合作态度才能推动金融业务快速转型，赢得AI这场时间的赛跑。华锐技术总经理苗咏认为在TO B企业软件领域，AI Agent与平台化核心系统紧密结合，是AI能够快速融入金融机构核心业务、产生价值的基本路径。AI Agent的应用能给供给双方都带来显著效率提升，也将引发技术厂商与金融机构之间商业模式的转变，促进从以成本投入度量定价转变为价值产出定价。后续发展要始终重视客户总拥有成本，持续提升算力使用和算法执行效率。
卡尔动力CEO韦峻青表示，在货运卡车自动驾驶领域，无人化每年将为每台车节约20-30万元的人力成本。当前，卡尔动力已在内蒙古、新疆等地区运行L4自动驾驶编队车队，希望基于业务场景更快实现无人化。未来，自动驾驶的驱动力将是世界模型和强化学习，而车辆交互的强化学习将是落地提效的核心所在。元戎启行联合创始人刘轩以“做物理世界的可移动智能体”为企业发展方向，希望将当前与车企合作的模型，逐步升级到全无人化阶段，并最终迁移到其他具身智能的领域，未来希望通过VLA（Vision-Language-Action，指通过融合视觉感知、语言理解与动作控制实现端到端决策）技术将大模型中热门的思维链引入自动驾驶领域，使车端模型接触基本推理，帮助智驾系统进一步接近人类水平。商汤绝影执行总监王飞则更加关注数据驱动，王飞表示，世界模型及仿真数据将成为未来自动驾驶的刚需模块，无论是智驾系统还是辅助驾驶系统都需要基于对应的合成数据或世界模型引擎生产的数据进行训练测试。他认为到2030年，辅助驾驶系统有望达到人类普通司机的驾驶水平。
AI产业进入Token（指大模型中文本处理的基本单位）增长驱动的新增长阶段，关注AI Agent应用落地机会。
AI Agent的发展意味着对算力和基础设施的更高要求，电网基础设施和数据中心用地成为当前制约AI发展的瓶颈。未来，AI服务器有望取代智能手机，成为最大的科技硬件品类，可关注技术迭代带来的量价齐升机会。
物理AI的发展低于预期，因为物理世界的数据非常复杂，获取成本很高，目前看，生成式AI在B端的软件应用领先C端的终端形态，包括AI Agent也是B端的应用，机器人的真正成熟还需时日。
在产业投资方面，DeepSeek发布后，中美AI产业链从平行发展回到竞合状态，作为美国以外唯一具备完整AI产业链的国家，中国在物理AI上具有比较优势。
