AI产业跟踪：百川开源医疗大模型bAIchuan-M2

中心思想 AI商业化进入盈利收获期 报告显示，腾讯二季度财报中AI技术已成为核心业务的重要驱动力，游戏、广告、金融科技等板块均受益于AI赋能，广告点击率提升15%-22%，标志着头部科技公司AI战略已从投入期转向盈利收获期，为存量市场下的AI商业化提供了新思路。 多模态与开源生态加速突破 多个机构发布了面向医疗、铁路、计算机控制、具身智能等垂直领域的多模态大模型和开源框架，如百川Baichuan-M2、智谱GLM-4.5V、字节VeOmni等。同时，原生类脑大模型BriLLM、计算机使用智能体OpenCUA等前沿成果不断涌现，表明AI产业正从通用能力向行业深耕和开源协作方向快速演进。 主要内容 AI行业动态 腾讯二季度AI盈利初显：腾讯2025年二季度营收1845亿元（同比+15%），归母净利润556亿元（同比+17%）。游戏收入增22%，广告增20%，金融科技及企业服务增10%。AI技术使广告点击率提升15%-22%，视频号广告收入占比超35%，CEO马化腾表示AI战略进入盈利收获期。 AI应用资讯 商汤携手铁一院落地铁路多模态大模型平台：该平台融合文本、图纸、公式等异构数据，提供知识检索、智能问答、文本生成、文本审核、多模态对话五大功能。测试中28000条问答准确率超90%，知识库覆盖420GB数据、20万份历史项目资料，可辅助铁路设计人员高效检索、报告编写与跨专业一致性审核。 AI大模型资讯 上海交大发布原生类脑大模型BriLLM：提出“信号全连接流动（SiFu）”机制替代注意力机制，支持无限上下文、100%全可解释性。发布BriLLM-Chinese（20亿参数）与BriLLM-English（10亿参数），参数量压缩近90%。获“交大2030”重点资助500万元。 港大联手月之暗面等机构开源OpenCUA：推出全面开源的计算机使用智能体框架，包含跨平台注释工具AgentNet、覆盖3大操作系统与200+应用的数据集。旗舰模型OpenCUA-32B在OSWorld-Verified基准上取得34.8%成功率，超越GPT-4o。 字节跳动开源全模态训练框架VeOmni：PyTorch原生训练框架，解决全模态大模型训练工程复杂性。可将开发时间从数周缩至几天，128卡训练300亿参数MoE模型吞吐量超2800 tokens/sec/GPU，支持160K超长上下文。 智谱发布GLM-4.5V多模态模型：参数106B，激活参数12B，在42个公开视觉多模态任务中获41项SOTA。支持图像、视频、文档理解及UI复刻，采用3D-RoPE位置编码、AIMv2-Huge视觉编码器及三阶段训练。 阿里达摩院开源Rynn系列模型：包括视觉-语言-动作模型RynnVLA-001-7B、世界理解模型RynnEC及机器人上下文协议RynnRCP，旨在解决具身智能开发中的数据、模型与机器人适配难题，实现机械臂平滑操控和连续空间感知。 百川发布开源医疗大模型Baichuan-M2：32B参数，在OpenAI HealthBench评测中超越gpt-oss-120B等前沿模型，仅GPT-5更优。支持RTX4090单卡部署，通过多轮强化学习训练，兼顾医疗推理与通用能力，贴合本土临床场景。 蛋白质基座模型AMix-1发布：首个将Scaling Law、Emergent Ability、In-Context Learning和Test-time Scaling系统化应用于蛋白质基座模型，具备性能可预测性、结构感知能力、上下文学习设计新蛋白及测试时扩展进化能力。 科技前沿 首个支持8Bit Rollout的开源强化学习方案FlashRL发布：在rollout生成阶段引入INT8/FP8量化，通过截断重要性采样（TIS）解决训练偏差，将速度提升1.7倍，在32B级大模型上加速效果显著，AIME基准准确率与BF16持平。同时推出Flash-LLM-RL包增强vLLM支持。 我国研制出首台杂交授粉机器人：中科院遗传发育所成功打造全球首台自动巡航杂交授粉育种机器人“吉儿”，结合生物技术与AI，构建“智能育种工厂”，创制出结构型大豆雄性不育系，有望推动我国率先实现大豆杂交育种、大幅提升单产。 风险提示 AI软件销售不及预期，capex投资计划变动，AI产品及大模型研发不及预期等。受AI产业链新建产能变化、上下游芯片产出及量产能力限制，可能影响产业产品研发进展。 总结 本报告梳理了2025年8月AI产业的最新动态，核心趋势包括：腾讯AI商业化已实现盈利突破，为行业提供标杆；大模型多模态能力持续升级（如GLM-4.5V、VeOmni），并深入垂直行业（铁路、医疗、具身智能）；类脑架构（BriLLM）、计算机使用智能体（OpenCUA）等前沿探索取得显著进展；开源生态活跃，多个框架和模型降低落地门槛；科技前沿涌现出强化学习加速方案和农业机器人等创新应用。整体来看，AI产业正从技术验证向规模化商业应用快速演进，但需关注下游销售和研发不及预期的风险。