本指南旨在探讨人工智能（AI）技术在中国职业教育与技能培训领域的应用。指南首先介绍了AI工具在职业教育和培训中的重要性，并总结了国内主流AI工具的核心功能及其在职业教育与培训场景中的典型应用方式，包括DeepSeek、豆包、WPS AI、文心一言等。指南还探讨了跨学科AI工具组合应用场景，如产教融合与实训、代码与智能制造教学、跨学科课程设计等。

指南重点介绍了教师必备的生成式AI工具，包括豆包和DeepSeek，并提供了详细的基础操作演示。此外，指南还总结了RTGO和CO-STAR两种提示词结构与应用，并提供了AI提示词设计方法与优化策略，帮助教师更高效地运用AI生成教学内容。

指南深入探讨了嵌入式AI简介及7个教学应用场景，包括WPS AI-WORD的事务性工作、WPS AI+DeepSeek制作演示文稿、WPS AI-Excel数据生成及分析等。此外，指南还介绍了生成式AI在教学中的5个应用场景，如课程教学活动设计、生成习题及试卷、学情分析与个性化学习路径生成等。

指南最后介绍了AI在职业教育和培训专业教学中的6个应用场景，包括电工技能提升与安全优化提升、AI工具辅助活动策划创新与提升、AI工具网络传播行业中的应用等。此外，指南还提供了生成式AI综合应用实践案例——跨境电商营销和运营，帮助教师掌握生成式AI如何赋能跨境电商运营与营销。

指南强调，AI技术正在重塑传统教学模式，为教师提供更高效、更灵活、更安全的教学工具，并推动职业教育和技能培训的数字化转型。教师需要提升AI相关工具的应用能力，并理解其背后的伦理与社会影响，从而培养出具备专业技术素养并适应数字化转型的技能人才。

AI硬件产业链发展分析

一、AI性能快速迭代与AI Agent爆发

• AI性能迭代：以ChatGPT为例，过去8年其参数量增长超过15000倍，上下文窗口增长超过2000倍，性能和架构不断升级，已在某些专业领域媲美人类。从预测词语到理解意图（RLHF技术），从处理文字到感知世界（GPT-4多模态能力），从回答问题到独立执行（GPT-5 Agent能力）。
• AI Agent商业落地：AI Agent是具备环境感知、推理决策及行动能力的系统，可自主规划、记忆、调用工具，帮助人类或独立完成专业任务。技术生态趋于成熟（LangChain、AutoGen等框架），商业模式不断落地，尤其在金融服务、医疗健康、制造业和客服领域将率先实现规模化部署。GitHub数据显示，AI辅助下开发者生产力提升至9万亿美元。

二、硬件产业链全栈式进化

• 硬件成为瓶颈：AI性能和应用的指数级增长要求硬件同步提升，但产能升级速度不足，导致多个硬件供应环节供不应求，硬件成为决定AI能力上限的核心瓶颈。
• 全栈式升级：产业链经历从芯片元件-服务器机柜-数据中心的革命性升级，需要芯片、封装、散热、电源、网络等多个环节协同创新。
• 半导体：AI应用驱动半导体市场加速成长，2025年实际成长率达23%，2026年预计达45%。先进工艺节点（CoWoS整合）驱动AI运算指数扩展，2024-2029年单一CoWoS封装内运算晶体管总数将增加48倍。
• 芯片：英伟达GPU从初代到Blackwell架构，性能指数级增长。下一代AI平台Vera Rubin采用台积电3nm工艺，集成72颗Rubin GPU和36颗VeraCPU，推理性能较前代提升35倍，单机架算力密度提升4倍。
• 算力重构：AI Agent时代，CPU重要性提升，CPU与GPU配比从1:4或1:8向1:1靠拢。英伟达发布VeraCPU，追求极致单线程性能和带宽；AMD发布搭载Zen5架构的Venice系列CPU，主打高性能与高能效。
• 存储：HBM容量大幅提升（H100的80GB到Rubin Ultra的384GB），推动HBM总需求持续增长。存储需求结构改变：HBM是带宽核心，DDR/LPDDR承担通用内存，eSSD支撑推理数据，HDD承接冷数据。需求被用户数、使用时长、任务复杂度、推理token消耗等多变量放大。
• 存储短缺：SK海力士宣布大规模扩产计划，应对AI基础设施建设带来的内存芯片持续短缺。TrendForce预测，2026年全球存储器产值达8,893亿美元，2027年达1.28万亿美元，年增率约44%。DRAM和NANDFlash价格获得支撑。
• AI服务器：AI服务器是适配大模型训练、推理任务的专用高性能算力硬件，核心架构为“CPU+多GPU加速卡”，具备超高算力、高速互联、大容量存储、高效散热四大特性。核心价值集中在芯片、高速互联和散热电源环节。戴尔将2027财年AI服务器收入预期大幅上调至600亿美元。
• PCB板：AI服务器、GPU等算力设备推动PCB层数从10-16层向20-64层发展，板厚增加，价值量和需求量有望长期增长。

三、AI产业仍处于早期

• AI渗透率低：全球深度使用AI的渗透率仍很低，约0.3%。大部分使用生成式AI的人群是免费使用。
• 物理AI市场：物理AI（PhysicalAI）市场规模预计达万亿美元。NVIDIA推出NVIDIACosmos 3，面向物理AI的开放世界基础模型，解决机器人、智能汽车等在现实世界泛化的核心难题。

四、AI硬件产业链的投资思路

• 估值合理：全球AI硬件龙头预期未来3年（2026-2028年）净利润将较快增长，PEG维持在1附近。
• 短期业绩超预期：存储、MLCC和PCB等核心元件价格可能进一步上调，推动公司净利润上升和PE下降。
• 中长期增长空间：AI渗透率提升和物理AI发展将扩大产业规模，相关上市公司业绩有望持续增长。
• 投资建议：积极关注AI硬件产业链，包括晶圆代工（台积电、中芯国际等）、算力芯片（英伟达、英特尔、AMD等）、存储（SK海力士、三星电子、美光科技等）、服务器（联想集团、戴尔科技等）、高速连接（迈威尔科技、剑桥科技等）、先进封装（胜宏科技、建滔积层板等）、MLCC制造和销售（天利控股集团等）。平台型龙头公司技术领先性和业绩增长稳定性更强，值得优先关注。

五、风险提示

• 短期风险：AI硬件行业整体估值可能受全球宏观因素（如美元利率、地缘动荡等）以及交易集中度等产生波动。
• 中长期风险：如果AI的使用未能在中长期产生符合资本预期的收益率，可能导致AI Capex下降，进而使得相关公司的订单和利润减少，同时也可能造成其估值中枢下移。

核心观点

• 头部模型厂商“大额融资+模型性能跃迁+Token/ARR高增+估值跃升”正循环仍在延续，模型厂自身收入有望延续高增，并继续加大对算力基建的投入，以及赋能垂直AI应用赛道商业化加速。
• 建议坚定把握AI主线，重点关注大模型、AI广告、AI漫剧/短剧、AI音乐/社交、算力云/算力租赁等细分领域。

关键数据

• 大模型厂商融资：Anthropic完成650亿美元H轮融资，估值9650亿美元，首次超越OpenAI；OpenAI也在筹备递交招股书草案，目标估值8520亿美元；可灵AI首轮融资投前估值达180亿美元。
• 模型性能：MiniMax发布M3，具备1M上下文、原生多模态、编程、Agent等能力；Qwen3.7-Plus多模态交互混合智能体能力突出；微软发布推理、代码、图像等系列模型。
• 游戏流水：《异环》海外单日流水破亿，国内流水创新高，海外及中国港澳台地区单日总流水超1亿元人民币。
• AI短剧：5月抖音AI短剧新增播放量高达1384亿，付费AI短剧的播放量占比约82%。
• 行业数据：《夜幕之下》获内地iOS游戏免费榜第一，《王者荣耀》获内地iOS游戏畅销榜第一；电影《给阿嬷的情书》获得周票房冠军。

研究结论

• 大模型：重点推荐快手、腾讯控股，受益标的包括阿里巴巴、Minimax、五一视界、智谱、昆仑万维。
• AI广告：重点推荐汇量科技，受益标的包括蓝色光标、易点天下。
• AI漫剧/短剧：重点推荐阅文集团，受益标的包括德才股份、中文在线。
• AI音乐/社交：受益标的包括盛天网络、赤子城科技。
• 算力云/算力租赁：重点推荐顺网科技，受益标的包括华策影视、浙数文化。
• 暑期文娱消费：继续看好《异环》长线表现，并有望给其研发运营商完美世界带来较大业绩弹性；随暑假临近，游戏运营活动及游戏消费或进入旺季。
• 世界杯：2026美加墨世界杯足球赛或对相关体育IP衍生品销售带来拉动，小红书首次成为世界杯持权转播商，或借世界杯大幅拓展男性用户规模。

风险提示

大模型ARR增速、游戏流水、世界杯关注度低于预期等。

韩国的 STEM 人才短缺问题并非人才管道不足，而是人才部署能力存在差距。尽管韩国每年培养大量 STEM 毕业生，但企业仍难以招聘到能够立即为先进工业做出贡献的工程师和计算专家。

核心问题：韩国的教育激励结构偏向医学而非工程。受保护的医学执照、稳定的收入和受监管的学费为医学创造了可预测的回报，而工程则涉及较慢的工资增长和更大的早期职业不确定性。

关键数据：

• 2025 年，韩国产生了 19,831 名新博士毕业生，其中工程占 25.8%，自然科学占 12.5%，信息通信技术占 5.0%，约 43% 的博士毕业生接受了与工程、应用科学和计算直接相关的核心技术 STEM 领域的训练。
• 66.7% 的新博士毕业生已就业，27.7% 失业，5.6% 经济不活跃，表明劳动力市场吸收不均。
• 在就业的博士毕业生中，39.6% 在大学工作，21.0% 在私营企业工作，5.8% 在公共研究机构工作，说明大量高技能人才集中在学术机构。
• 韩国医生的平均年收入约为 2690 万韩元，远高于科学和工程博士的收入。
• 与美国相比，韩国 STEM 专业的工资溢价较低，早期职业发展较慢，应用职业途径较少。

政策建议：

1. 改革专业学费政策：允许医学等高回报专业实行差异化学费，并将增量学费收入用于工程和计算教育能力建设。
2. 建立 STEM 再投资基金：管理专业教育调整后的再分配收入，用于博士奖学金、应用研究基础设施和大学-产业合作。
3. 改革研究生教育模式：借鉴美国奥林学院的基于项目的工程教育模式，以及丹麦的工业博士模式，将研究生教育围绕部署能力而非学术吞吐量进行设计。
4. 将大学资金转化为结果导向的融资：将部分大学资金与就业安置挂钩，明确与高质量技术角色相关的就业安置。
5. 扩大英语授课的研究生项目：增加优先工程和应用科学领域的英语授课研究生项目，以提高国内外部署能力。

研究结论：韩国应通过改革教育激励结构、重组研究生教育模式和建立大学-产业合作机制，将高等教育系统从以入学为驱动模式转变为以部署能力为中心模式，以确保足够的工程师能够为先进产业工作。