1.2 多元场景涌现，驱动产品差异化发展 3 1.3 核心要素协同，推动eVTOL商业化加速实现 4 2. 未来可期：中国eVTOL市场规模展望 10 2.1 个人飞行eVTOL：多元化飞行体验载体 10 2.2 出行eVTOL：公共与私人出行渗透 16 2.3 中国载人eVTOL商业化进程展望 20 3. 奋楫扬帆：中国eVTOL企业发展展望 22 3.1 发展路径 eVTOL的诞生并非依赖单一技术的发展，而是电机驱动、分布式推进、全新构型与智 能化系统四项关键技术共同突破的结果。这些底层技术的进步为飞行器设计与运行带来了 全新的可能性，也使得eVTOL首次具备了技术可行性和商业化潜力。 • 电动化：重新定义飞行动力来源 相比传统内燃机，电机驱动系统更为安静、清洁且结构简洁，大幅提升了eVTOL在城 市内及低空空域运行的可接受性。同时，电机内部的机械部件更少，显著降低维护成 本研究未涵盖 来源：专家访谈；案头研究；BCG分析。 图2 | 主流eVTOL分类及特征 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书 4 1.3 核心要素协同，推动eVTOL商业化加速实现 eVTOL因其快速、灵活的特性，有望成为在地面交通与传统民航之间开辟“第三空间” 的新一代交通方式。然而，受限于技术、监管和基础设施等因素，eVTOL在过去很多年间 始终未能进入实质性

们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、 药企、械企多方的供需逻辑，分析先驱者们的实战案例，为 AI 企业下一步的布局、选 品、研发、商业化提供参考建议。 核心观点 1. 伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 .........................................................................................8 2.1.3 商业化及应用................................................................................................ .................................................................... 28 2.4 讨论：颇具规模的 AI 产品矩阵，能够破解商业化难题吗？................................. 29 第三章：融资寒冬，医疗 AI 尽力改善现金流...................................

能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。 在运营和生产环节， AI 通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 商业化领域也受益于 AI 。使用 AI 工具直接协助与医务人员互动的应用日益增多，更快速为团队提供重要的医疗信息。 AI 还可 以通 过使用市场表现数据为销售、营销和市场准入环节提供独到洞察。 将 AI GenerativeAi.net, Techtarget, Press 3 AI 在制药领域的应用 ■ ■ ■ ■ 高 二 二 二 二 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 利用市场表现数据， AI 可以为销售、营销和市场准入环 节 提供独到见解，例如内容创作、知识管理和报销建模等。 同时， AI 也可以收集和预测市场表现数据。 使用 AI 的公司通常聚焦于监管和医学事务或商业化。因 此，制药公司往往倾向于收购针对特定业务部门或任务的 AI 工具或服务，或独立开发公司平台以便在全公司范围内 进行推广。 药物警戒和医学事务 • 追踪并预测批准后的医疗真实世界数据

点城市陆续发标， 完整 20 个首批试点城市名录已发布。本次试点在此前车联网先导示范项目 发展的基础上，首次将试点范围拓展至城市全域，我们认为意义在于：探索 并推出一套可跨域使用、可规模化复制、可商业化落地的城市解决方案，以 加速车路云一体化的全国普及。 未来建设重点在于提升“两率”，车路云一体化产业空间可达万亿级 未来车路云建设将主要聚焦于提升：智能路侧基础设施覆盖率和车载终端装 配率 4）边缘计算单元：莱斯信息、东土科技等；5）云平台：通行宝、启明信息、 莱斯信息等；6）通信服务商：中国移动、中国电信、中国联通；7）高精地 图及定位：四维图新、中海达等。 风险提示：1）地方政府推进不及预期；2）场景需求及商业化不及预期；3） 本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整 理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (39) (28) (18) (7) 4 云 体系可以通过路侧感知为单车补盲，数据获取方面，车路云一体化可以凭借车端、路侧、 云端获取海量数据帮助单车智能迭代智能驾驶的模型，以促进单车智能的持续发展；2）车 路云一体化有望助力单车智能实现商业化，调动整车厂的投资积极性。车路云一体化将凭 借国家基础设施投资完善路侧、云端建设，将高昂的计算成本由车端转移到路、云，使单 车智能的成本得到有效控制，更易实现商业闭环（例如国内“车路云一体化”代表车企百

基于大语言模型的AI Agent架构 及金融行业实践 周健 2024.8.17 企业数智化发展趋势 商业化成熟度 时间 2022.1 1 2023.2 2023.8 2023.5 Llama3 GPT 4o GPT4 GPT4 GPT 3.5 Sora Gemini 2023.1 1 2024.2 闭源模型（文本） 开源模型（文本） 多模态模型 实时模型 Llama2 Llama2 Claude 3 GPT 4o 2024.5 Qwen2 Qwen Qwen VL 大模型的发展趋势：文本、多模态、实时，开源、闭源，商业化成熟度 模型的智能化水平与使用成本的演进趋势 • 数据作为 信息媒介 • 信息获取效率 提升 信 息（感 知）系 统 • 将数据转化成 知识表达 • 大模型带来 推理能力 提升 ？ • 数据与 真实环境交互 • 具备 任务拆解与实现

以实现规模化推广。因此，产品线过于单一的 制造商可能会提供给用户分散且割裂的体验， 这不仅提升了用户的决策成本，也限制了服务 机器人大规模商业化落地的步伐。 1.3.2. 服务机器人的通用性与泛化性壁垒 服务机器人的通用性与其执行任务的泛化性也 是行业发展的关键挑战。从商业化角度来看， 尽管当前服务机器人在餐饮、酒店、零售、工 业、医疗等众多行业的不同场景中实现了应用 覆盖，且在餐饮等场景中实现了规模化渗透， 作系统和维护要求，增加了操作和使用的复杂 性，也增加了培训和技术支持的成本。 图表1-10：通用具身机器人的5个泛化性挑战 来源：德勤研究 与此同时，从技术角度来看，服务机器人的通 用性受限于多个维度的泛化性壁垒，这些壁垒 在商业化进程中制约了服务机器人的广泛落地， 共同构成了服务机器人在实现高度通用性和泛 化性过程中面临的复杂挑战。 • 单一操作对象的泛化性：服务机器人往往需要 抓取和操作各种形状、材质和重量的对象。在 这一过程中，针对不同对象的操作能力具有很 的机器人能够协同工作，为客户提供无缝的体 验。该生态的发展路线图以可持续和普惠的创 新为核心，推动行业的可持续发展，使得智能 服务机器人技术更加普及，惠及更广泛的用户 群体。这条发展路线不仅为智能服务机器人的 更大规模商业化落地提供了可行的方案，也为 行业内的各方参与者提供了一个共同成长和创 新的平台。 图2-1：行业下半场的生态发展路线 来源：德勤研究 2.2.1. 生态技术基础：基于模块化设计与AIoT的R2X

“创新落后”的机会成本被不断放⼤ 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 产品：典型的2B能⼒集合 ‰ 快速推出全家桶和云服务矩阵 市场：典型的B端商业模式 ‰ 快速市场预热和商业化 6 再看DeepSeek, ⼜⼀个“⼯程奇迹” 7 DeepSeek&是“深度求索” 开发的⼀系列⼈⼯智能模型。DeepSeek&通过持续的技术 创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际市 DeepSeek对于医疗体系有那些影响？-医院 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通→数据要素商业化变 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤

动化”一体化平台。 138.1 17.1 144.5 117.3 92.3 300725.SZ 药石科技 83 公司主要从事生物医药中小分子药物研发产业链上从 药物分子砌块设计、研发、工艺优化到商业化生产所 有涉及化学的业务。同时,公司的主营业务还包括技术 服务。 利用AI技术搭建药物发现和优化平台。 47.4 5.3 43.0 36.2 30.1 688131.SH 皓元医药 93 AI 制药领域进展及具备潜力的海内外前沿公司：晶泰控股-P、皓元医药、药石科技、药明康德、成都先导等。 请务必阅读正文之后的免责声明及其项下所有内容 风险提示 ◼ AI相关产品和服务研发或商业化不及预期，行业政策风险，市场竞争加剧风险。 请务必阅读正文之后的免责声明及其项下所有内容 免责声明 分析师承诺 作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断

大模型成发力方向，金融领域已率先落地 ................................................................ 6 2.2 保险行业具备 AI 大模型落地的商业化场景与现实基础 .............................................................. 10 3 保险机构接入大模型有望重塑行业生态 .. Finance》，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 10 行业专题报告/证券研究报告 2.2 保险行业具备 AI 大模型落地的商业化场景与现实基础 政策层面，金融科技政策持续推出，为保险机构 AI 大模型的发展提供了良好的 政策环境。近年来，国务院、央行、银保监会、中保协等部门/协会不断推出推动 保险等金融机构数字化转型的政策措施，驱动保险科技快速发展。今年 数据革命带来效率升级。保险行业 属于数据密集型行业，信息化与数字技术应用广泛，信息交互频率高，且大型险 企深耕保险科技多年，在数据层面、大模型以及知识图谱方面都有较为深厚的积 累，具备垂直大模型落地的商业化场景与现实基础。 保险行业人力成本高企，监管趋严背景下，具备科技创新赋能意愿。一方面，保 险产品条款复杂、专业术语繁多，对保险公司销售人员的招募与持续培训等方面 的投入提出了远高于其他行业的

落地的重要场景，国内 AI+教育厂 商均在自身的优势领域推出了 AI 产品（例如科大讯飞在 G/C 端布局，佳发教育 在智慧教学中的应用，竞业达在教学评测中的突破），在国产模型加持下有望加 速产品打磨与商业化落地。 ➢ 投资建议：DeepSeek 引领国产大模型突围，字节豆包、阿里通义、Kimi 等 近期都发布了重磅更新，国产大模型呈现百花齐放的良好态势。而 DeepSeek 崛 起，一方面