竞争迷局：三类玩家，无人真正占领 “智能舒适” 心智 核心痛点：为何现有产品无法定义未来？ 需求进化：从被动享受到主动关怀 未被满足的刚需：场景分化对 “自适应能力” 的新要求 购买决策重构：消费者正在为 “可感知的智能价值” 重新定价 产品趋势：从 “功能家具” 到 “家庭智能健康节点” 产业趋势：价值链从硬件制造向 “健康数据服务” 延伸 生态趋势：从单一入口争夺到 “核心能力中枢” 卡位 需求进化： 从被动享受到主动关怀 第一层级：功能满足 第二层级：情绪价值 第三层级：自我关怀 调研数据显示，高端家居消费者的需求呈现清晰的三级演进轨迹： 09 同时，“精致懒” 经济学正在崛起。调研中，76% 的受访者认为 “操作复杂的智能产 品不是真智能”，81% 认同 “最好的交互是无交互”。消费者愿意为 “解放双手” 和 “省 心省力” 支付显著溢价。 这一需求迁移与消费 三十 年的定价模型正在被新一代消费者瓦解。 调研结果显示，63% 的受访者愿意为 “入座即适配、无需任何设置” 的功能支付 15%-25% 的溢价。在深度访谈中，多位高净值受访者表达了类似逻辑： 45 岁 金融行业高管 这一认知转变的背后，是消费者对 “可感知的智能价值” 的重新定价。据品牌方市 场反馈，搭载 AI 自适应系统的产品获得了积极的市场反响，消费者正在将购买决策依 据，从

ONE Ecosystem Playbook PART 1 MORKETING 03 全球数智营销生态手册 2026 在经历宏观震荡、产业结构调整及技术加速演进的数年 之后，全球数字营销行业正在进入一个由 “战术驱动” 迈 向 “能力驱动” 的关键阶段。疫情后市场恢复、企业增长 压力提升、数据环境变化以及 AI 技术的快速成熟，共同 推动全球营销体系发生深层变革 —— 从过去以 “流量购 买能力不断完善，使得 CTV 成为品牌重新争夺的战略场 域。这种长短视频结合的内容体系不仅影响传播模式， 也进一步推动品牌在创意、预算与评估体系上进行跨屏 整合。 相比媒体端的显性变化，技术端的变革正在深刻而迅速 地重塑营销的全链路系统。其中最具颠覆意味的力量来 自生成式 AI。AI 已不再只是辅助工具，而是成为创意生 产、投放决策和营销测量三大领域的 “主驱引擎”。 在创意侧，AIGC 使内容生产从依赖人工创意与制作资 这一趋势已经在主流市场得到验证：越来越多企业加大对 CRM、会员体系、企业级数据中台、数据 治理能力的投入，同时构建跨平台可解释的 MMM 测量框架。华尔街日报也多次指出，隐私时代的 营销增长正在向 “实验设计 + 模型化测量 + 第一方数据” 体系迁移 。未来品牌的增长效率，很大程度 取决于其能否具备数据治理能力、用户数据质量、模型训练能力与跨平台测量体系。 在渠道生态的融合方面，全球用户的行为路径正从

长久以来，我们习惯了在有限游戏中思考和行动。而AI，正以一种不可阻挡的力 量，将我们所有人，从熟悉的有限赛场，抛入了一场宏大、神秘且充满未知的无 限游戏世界。 在这个AI推动的游戏空间中，边界正在消融，规则正在重塑。你完全有机会创造属于 你的游戏世界并设定全新的规则。探索、发现与创造，成为了新的主线。这是一个真 正有机会重新设定世界观的时代。 然而，这场巨大的跃迁充满张力。一边是 AI 令人目眩的迭代速度——以往需要半年才 合规划、记忆与工具调用等功能模块， 能够自主设定目标、拆解并执行复杂 任务。Agentic AI 标志着 AI 从“工具” 到 “伙伴”的跃迁，正在重塑企业的工 作流与组织模式。 价值重心上移： 从降本到拓展业务边界 企业引入AI的价值驱动力正在发生深 刻变化。在延续“降本增效”核心目标 的同时，价值重心明显上移。“增强办 公效率”与“借助新技术拓展企业经营 边界和价值空间”成为增速最快的两大 ，输出速度较2023年提升了十倍。这 极大地增强了AI服务的经济性和普惠 性，为更广泛的产业应用落地提供了 坚实的技术和成本基础。 AI平权： 重塑知识、技术与超级个体 AI带来的平权效应正在打破模型、知 识、信息和技术的壁垒。大模型让知 识获取极其便捷，稀释了部分依赖“知 识壁垒”的岗位。未来的核心竞争力不 再是单一的职业技能，而是“定义问题 + 调用 AI + 整合创新”的综合能力，催

红杉中国携手 239 位 CIO 全景调研 2025 企业数 智 化年度指南 — 红 杉 科 技 赋 能 伴 您 数 字 同 行 — 在这个 AI 推动的游戏空间中，边界正在消融，规则正在重塑。你完全有机会创造属于 你的游戏世界并设定全新的规则。探索、发现与创造，成为了新的主线。这是一个真 正有机会重新设定世界观的时代。 然而，这场巨大的跃迁充满张力。一边是 AI 令人目眩的迭代速度——以往需要半年 （ LLM ） 为大脑， 结 合规划 、 记忆与工具调用等功能模块， 能够自主设定目标 、拆解并执行复杂 任务 。 Agentic AI 标志着 AI 从“工具 ” 到“ 伙伴”的跃迁， 正在重塑企业的工 作 流与组织模式。 “ 不可能三角”实现： 更强、更快、更便宜 2025 年， AI 模型在性能（更强） 、成 本 （更便宜） 和速度 （更快） 上实现 了突破性的飞跃 。模型智能水平大幅 带来的平权效应正在打破模型 、 知 识 、信息和技术的壁垒 。大模型让知 识获取极其便捷， 稀释了部分依赖“知 识 壁垒”的岗位 。未来的核心竞争力不 再是 单一的职业技能， 而是“定义问题 + 调 用 AI + 整合创新”的综合能力， 催 生出能 够完成过去一个团队工作的“瑞 士军刀”式 超级个体。 价值重心上移： 从降本到拓展业务边界 企业引入 AI 的价值驱动力正在发生深

的全产业链上均有深厚布局，从底层的化合物半导体材料， 到中层的网络切片架构，再到上层的通感一体化应用 。  Pre6G 实战： 中兴通讯推出的“GigaMIMO”和中国移动的 800G MTN（城 域传送网）标准，显示出中国企业正在利用 5G-Advanced 的商用网络作 为 6G 技术的“练兵场” 。对于国内研发机构，紧跟运营商的试点项目（如 空天地一体化试验网）是获取实测数据、完善专利质量的关键。 欧美的“联盟反击”与“主权 个高价值的专利“白地”，研发团队应探索基于光子技术的 TTD 方案。 2.2 智能超表面（RIS）：从“镜子”到“计算节点” RIS（可重构智能表面）曾被视为低成本、低功耗的解决方案，但 2026 年的现 实是：它正在变重、变贵。  技术瓶颈： o 相位控制的复杂性：要实时控制成千上万个超原子（Meta-atoms） 的相位，需要巨大的计算开销。传统的暴力搜索算法在纳秒级变若 的信道下根本来不及响应 。 o 特征，减少导频开销 。研发建议： 重点布局“基于非完美 CSI 的 RIS 波束赋形算法”，这是工程落地的必经之路。 o 新材料的应用： 传统的变容二极管在高频下损耗大。专利情报显 示，液晶聚合物（LCP）和石墨烯正在成为 RIS 面板的新宠 。研 发团队应关注可调谐超材料的配方专利。 2.3 通感一体化（ISAC）：赋予网络“第六感” ISAC 要求基站不仅能通信，还能像雷达一样感知环境。华为在这一领域处于绝

大模型和传统控制理论为代表的两大学科正在碰撞融合， 行业发展的核心问题逐渐聚焦在具身大模型——如何在动作层实现一个通用控制器，并因此呈现出多元探索路径与深层 结构性挑战并存的复杂格局。 技术路线与能力正在探索中。语言大模型发展为具身智能提供了良好的任务理解和规划能力，但在动作控制层级， 具身大模型的路线和结构仍在多元探索。当前，行业主要采用端到端的 VLA（视觉 - 语言 - 动作模型）模型路线，模型 能力正在优化提 规模化以及多样性方面各有千秋，比如，遥操作数据能够获取高精度的多维度数据，但硬件成本和采 集规模、速度上略显劣势；动捕数据兼具真实数据和合成数据的优点，正在补充操作和全身运动控制 任务的数据需求；互联网视频数据和合成数据拥有巨大潜力，科研领域正在持续攻克应用中的难题。 本章节主要收集并归纳了部分重要科研原型和市场产品，并尝试讨论与其相关的数据使用场景和方法。 图 2 具身智能数据金字塔结构 在真实世界数据采集外，还可以用于仿真环境下的数据生成（虚拟遥操作）， 因此具有较好的通用性。 11 02 丨具身智能的数据采集路线 视觉技术应用还存在一条极简路径，即单目视觉实现手部动作跟踪和机器人模仿，目前有许多研究工作正在挑战。 纽约大学开发的 DIME（Dexterous Imitation Made Easy），是一种基于学习的框架，可以高效实现灵巧操作。通 过模仿学习，利用单目 RGB 相机采集人手动作，并

“软件定义汽车（Software Defined Vehicle, SDV）”的概念在过去几年中完成了从理论 雏形向工程落地的转变。然而，随着电子电气架构（E/E 架构）由分布式向域集中式 及中央计算平台演进，行业竞争的焦点正在发生深刻转移 [2]。早期的智能化竞争主要 集中在硬件配置的“军备竞赛”以及软件功能的简单堆叠。而在当前阶段，智能驾驶、智 能座舱以及基础的车联网能力已逐渐从“差异化卖点”转化为“行业准入门槛” 智能化能力开始深度渗透汽车全生命周期 随着价格战和配置战进入白热化，单纯依赖硬件冗余或成本缩减已不可持续。行业正 步入以算法能力、数据资产和在线决策效率为核心的“技术密度”竞争阶段。在此阶段， 汽车正在从“工程产品”转变为一个持续运行的智能系统。智能系统的核心特征在于：数 据持续产生，且必须被快速理解、分析并实时反馈。 主机厂正致力于构建“数据越用越精、算力越强越省、模型越练越优”的闭环 [3]。这要 据接管事件、急刹、异常轨迹、多模态感知冲突等特征，快速圈选出具有训练价值的 片段。这一过程往往涉及对时序信号、结构化标签、传感器日志乃至向量特征的联合 检索与分析。 1.4 智能座舱 —— 个性化体验与智能化服务 智能座舱正在演变为“第三空间”。通过分析用户的交互历史、位置信息和环境数据，座 舱可以实现从“人适应车”到“车适应人”的跨越 [2]。同时，远程诊断（Remote Diagnostics）和 OTA 能力使

中和下新能源是世界能源转型的方向、能源科技创新的前沿、能源强国建设的主 力、绿色地球建设的动力，肩负能源转型、能源安全和“能源独立”的使命。当整个人 类社会都被纳入碳中和体系，我们将获得并长久拥有一个绿色宜居地球。 全球气候问题正在对地球生态环境产生深刻影响，气候变化所涉及的政治、经济、环 境、科学和外交等综合性战略问题，目前已经成为全人类共同面临的巨大历史挑战。在 人类出现之前的地质历史时期，发生过不计其数的重大地质事件，如超级火山爆发、超 有里程碑意义，将大幅提升人类幸福感，为建设人类生态文明与宜居地球作出重要贡 献。在碳中和目标下，人类社会政治、经济、文化等领域均将受到深远影响和重大变 革。 当前，世界各国对能源系统的投入正在逐步由化石能源向可再生能源过渡，根据国际可 再生能源机构（IRENA）发布的预测，到 2050 年全球实现净零碳排放，可再生能源将 占能源系统总投资的 29%，而化石能源仅占 17%。在碳中和目标下，人类能源消费结 最终实现我国能源独立意义重大。 能源作为推动文明发展的基石，在人类文明发展历程中经历 3 次大的转型：第 1 次转型 是从薪柴时代向煤炭时代转型，第 2 次转型是煤炭时代向油气时代转型，目前全球正在 经历第三次能源转型——由化石能源向新能源转型。前 2 次能源转型推动了传统工业化 33 新能源是实现碳中和的主要途径 进程的历史性跃进，而碳中和驱动的第 3 次能源转型具备清洁化、低碳化的发展趋势，

2022年的市场数据进行趋势推演。 动作 产业已从2022年的“概念爆发期”进入2026年的“标准建 设与落地期”。 发现 步骤一：定义研究范围与时间坐标 P（政策）： 国家标准体系正在建立，政策导向明确支持“数实融合”。 E（经济）： 潜在市场规模巨大（5万亿美金），但短期内受全球经济波动影响，资本更趋理性。 T（技术）： AI生成内容(AIGC)的成熟解决了内容生产难题，空间计算技术提升了交互体验。 定性最高的赛道。 步骤三：产业链深度拆解 引用2022年至2026年的数 据，构建市场规模预测模 型。 到2026年，中国元宇宙市场规模 已达到数千亿元级别，其中To B 端的工业与企业服务占比正在快 速上升，超越单纯的娱乐消费。 02 01 步骤四：财务模型与市场规模验证 成功的元宇宙企业要么拥有不可替代的技术护城河（如英 伟达的算力），要么深度嵌入了实体经济流程（如工业数 字孪生）。

查询的语义场,实现高效渲染与交互查询,并可进一步 将高斯表示引入具身任务中,构建集语义理解、实时编 辑与抓取生成为一体的具身交互系统 [14]。 综上所述,现代具身智能机器人的多模态感知体 系正在由“感知融合”向“语义建模—反馈调节—任务 适应”的全面跃迁。 以大模型为核心的“语言-视觉”嵌 入结构、“体素化与高斯化” 场景建模、语义增强的行 为闭环控制,构成了具身智能多模态感知的关键技术 其大规模、低成 本的二维 / 三维数据合成能力在结合仿真与深度学习 的具身智能模型训练环节展现出巨大潜力(见表 3)。 2. 4. 1 基于深度学习的大模型生成方法 基于深度学习的大模型生成技术正在重塑多模态 内容生成方式,其核心依托于扩散模型和 Transformer 架构等主流技术路径。 扩散模型通过建模噪声添加与 逐步去噪的过程,能够合成高保真图像,典型代表如 Stable 输出范式,实现感知、操作、语言任务的多任务、 多模态集成。 从技术发展趋势来看,扩散模型偏重于生成质量 与细节控制,而 Transformer 架构在多模态理解与语言 引导方面更具优势。 二者结合正在推动生成模型向泛 表 2 运动控制算法的 3 种控制范式 控制范式 代表方法 优势 局限 基于规则 ZMP、PID 实时性高、实现简洁 自适应性差,难处理强非线性 基于模型 MPC、WBC