行业趋势：小众App崛起成为互联网新焦点 - 近期多款小众App通过精准切入垂直场景需求而爆火，例如“死了么”App凭借每日签到、失联自动通知等极简功能登上苹果应用畅销榜首位，提供了低成本的社交安全保障[2] - 小众App热潮并非孤例，早在2022年，“电子木鱼”App通过简单的敲击交互满足年轻人情绪释放与解压需求，在B站吸引了330万人围观、获12.5万点赞，并登顶苹果免费榜[2] - 当前小众App赛道愈发拥挤多元，覆盖职场摸鱼、闲置母婴用品交易、城市小众打卡地导航等多个细分领域，它们通常没有大厂背书且初期宣传投入少，但凭借对垂直场景的精准切入在巨头市场中找到了生存空间[2] 产品策略：精准卡位细分需求，避免“大而全” - 成功的开发策略是瞄准“别人看不上”的细分需求，避免功能“大而全”，例如一款社区闲置交换产品针对中老年用户对跨城交易和复杂规则的痛点，聚焦“家门口的交易场”，支持当面验货和以物易物[3] - 产品设计极度精简，专注于核心痛点，例如上述社区产品仅保留“社区发布”、“同城定位”、“邻里互助”三个核心模块，用户注册需选择小区，信息仅推送给同小区及周边三公里用户，并通过“邻居认证”解决信任问题[3] - 另一款职场摸鱼追剧App精准服务22-35岁上班族的碎片化追剧需求，每天追剧时间不超过1小时，产品仅设三个栏目，并具备“悬浮窗播放”和“老板键快速切换”等防发现功能，不与主流视频平台直接竞争[4][5] 开发与启动：低成本验证与精准冷启动 - 开发成本极低，通常在几千元级别，逻辑是“先做精”而非“先做大”，通过微信小程序试水验证需求后再开发独立App，无需复杂算法、大量版权或双端适配[6] - 冷启动不依赖广告投放，而是通过扎根即刻、小红书等垂直社区精准捕获种子用户，例如一款职场效率工具开发者通过在即刻社区发长文详细阐述产品痛点，吸引了数百位初始用户，其中几十人成为核心种子用户[7] - 通过设计激励机制撬动种子用户自发裂变传播，例如效率工具推出“邀请有礼”，成功邀请同事注册并使用3天可解锁高级功能，邀请满5人可获得定制礼品，一个月内用户从几百增长至5万多，其中80%新增来自裂变[8] 用户获取与增长：基于社群的精准裂变策略 - 在小红书等平台通过内容分享积累精准粉丝并完成冷启动，例如一款香水分装交易App的开发者先分享香水收藏知识积累数千粉丝，App上线后邀请粉丝成为种子用户，并通过“分享得积分”活动激励用户发布体验笔记[8] - 裂变活动紧密结合用户场景痛点，例如一款考研刷题工具在小红书发布“免费领考研真题”干货笔记引流，并推出“组队打卡得会员”活动，契合考研用户的组队互助需求，上线半年用户量突破30万并曾进入苹果App Store畅销榜前100[9] - 精准营销效果远优于广撒网式广告，尝试在抖音花费1万元信息流广告仅带来2000多个下载，而通过一篇3000元的职场类公众号软文则带来1000多个下载，关键在于找到目标用户聚集地并以他们喜欢的方式沟通[10] 商业模式：多元化的变现路径 - 主要变现方式包括广告分成、增值服务和交易佣金，核心是贴合用户需求且不破坏体验，例如一款城市小众露营导航App上线一年用户破20万，月营收达30万元[10] - 该露营App收入构成多元：为周边装备租赁店、农家乐做精准推荐并抽取8%佣金，此部分收入占比超50%；销售19.9元的付费露营路线包，首月售出800多份；向野生营地收取每月500元的认证服务费，已有上百家营地入驻[10][11] - 一款职场技能分享App通过精准场景广告实现稳定增收，其聚集超2万职场初级用户，仅接入职场培训、简历优化等相关广告，采用内容植入和底部Banner形式，用户点击并完成购买后平台可获得20%-30%分成，同时单条定制内容合作费用达1万元，目前每月广告分成稳定在2万元[11] 增值服务与用户价值深挖 - 通过分层增值服务深度挖掘用户价值，例如一款手工爱好者社群App推出阶梯式会员服务：9.9元/月的基础会员可解锁高清教程和素材优惠；49.9元/月的进阶会员可享受直播课和商业化指导；199元/季的高阶会员可获得线下活动优先权[12] - 针对有变现需求的达人提供“匠人认证”服务，收取300元/年的认证费，认证后可开设付费课程和入驻精选店铺，目前该App增值服务收入占月营收的70%，月营收突破2万元，其中进阶会员付费占比达35%，复购率超60%[12] - 小众App证明了无需烧钱换流量，仅凭精准的场景挖掘和克制的商业化路径也能在巨头夹缝中生存并盈利，只要抓准用户需求，再小的赛道也能挖掘出大生意[12]

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技 术、新观点、新风向。 编者按：2026年，屏幕时长已死，记录系统退位。当AI开始为AI设计基建，商业的终极护城河正从流 量转向协作与个性化。此为系列文章的第一部分，文章来自编译。 作为投资人，我们的职责是深入研究科技行业的每一个角落，洞察未来的发展趋势。因此，每年12月， 我们都会邀请投资团队分享一个他们认为科技开发者在未来一年将全力攻克的重大课题。 今天，我们将分享来自基础设施（Infrastructure）、增长（Growth）、生物与健康（Bio + Health）以及 Speedrun 团队的见解。其他团队的观点将于后续发布，敬请期待。 基础设施 Jennifer Li：创业公司治理多模态数据的混乱 非结构化、多模态数据一直是企业面临的最大瓶颈，也是其尚未挖掘的最大宝藏。每家公司都淹没在 PDF、屏幕截图、视频、日志、电子邮件和半结构化的"泥潭"中。尽管模型变得越来越聪明，但输入数 据却变得越来越杂乱，这导致 RAG（检索增强生成）系统产生幻觉，智能体以微妙且代价高昂的方式 出现故障，而关键工作流依然严重依赖人工质检（Q ...

意识本质的理论探讨 - 一项最新研究提出“生物计算主义”观点 认为意识并非运行在硬件上的抽象代码 而是源自一种特殊的“会计算的物质” [1] - 研究认为传统关于意识的两种对立立场可能是个误区 即心智如软件论与意识生物独特性论 [1] - 意识是从大脑这种特殊的计算物质中涌现出来的 而不是从某段抽象代码中“跳”出来的 [2] 生物计算的关键特征 - 大脑计算是混合型的 包含离散事件（如神经元放电）与连续变化过程（如电场、化学梯度） 且两者彼此纠缠无法分割 [2] - 大脑计算无法按尺度分割 从离子通道到整个大脑的不同层级始终相互影响 改变物理结构本身就会改变计算方式 [2] - 大脑计算深受极低能耗的能量限制塑造 这种限制迫使它发展出跨尺度协同、稳定而灵活的智能形式 [2] 生物计算与人工智能的对比 - 当前AI系统本质上仍是在传统硬件上模拟功能 其计算与物理实现是分离的 时间是分步更新的 能量几乎不构成内在约束 [2] - 大脑的计算发生在真实的物理时间中 由连续场和离散事件共同驱动 这些机制被认为是支撑意识整合性和连续体验的关键 [2] - 研究者强调观点不意味着“只有生物才能有意识” 未来的人工意识可能需要全新的物理系统 而不仅仅是更复杂的代码 [3] 对未来人工意识的启示 - 关键不在于材料是否为生物 而在于是否具备混合连续与离散、跨尺度紧密耦合、并受到能量约束的计算结构 [3] - 真正重要的问题可能是：什么样的物理系统 才能让计算与自身动态不可分离 [3] - 只有当计算不再是附着在硬件之上的抽象描述 而成为系统自身的一种存在方式时 意识才可能出现 [3]

文章核心观点 - 机器人行业的研究进展迅速，已跨越“可行性”门槛，但规模化部署面临严峻挑战，真正的瓶颈在于从研究成果到生产系统的转化过程[2][3] - 制约具身智能落地的关键并非模型能力不足，而是一系列工程、部署和运营层面的系统性挑战，这些挑战构成了研究与生产之间的“部署差距”[2][10] - 填补“部署差距”需要构建机器人领域的基础设施和生态系统，而非仅依赖模型升级，这场竞赛与中美科技竞争路径高度相关[28][32] 机器人技术研究进展 - 视觉-语言-动作模型带来范式变革，将语义理解、视觉感知与动作生成统一建模，代表性工作包括谷歌RT-2、Physical Intelligence的π系列、GEN-0、GR00T N1等[5] - 仿真到现实的迁移持续改善，领域随机化和世界模型正在缓解仿真不真实的问题[6] - 跨平台泛化成为共识，例如Open X-Embodiment项目整合了20多种机器人平台的百万级轨迹数据，提升了模型在陌生硬件上的成功率[7] - 灵巧操作能力扩展至可变形物体、工具使用和高接触复杂任务[8] - 整体上，机器人智能研究已跨过“可行性”门槛[9] 研究与部署的现状对比 - 研究领域由大模型实验室和前沿初创公司主导，而部署领域的主角仍是工业机器人OEM和区域系统集成商，两套体系尚未真正融合[12][13] - 工厂中大多数工业机器人仍执行高度确定性的预编程流程，如重复焊接和固定抓取[10] - 仓库拣选是少数接近研究能力的场景，但部署系统通常只在结构化环境（受控光照、固定布局）中运行，实验室的“杂乱环境任意物品拣选”能力距规模化仍有差距[11] - 人形机器人更多停留在试点和展示阶段，是开发平台而非可直接采购部署的生产工具[11] 制约规模化部署的五大因素 - **分布变化与成功率幻觉**：研究系统在与训练数据分布一致的环境中评估（如95%成功率），但真实世界的光照、视角、物体材质等变化可能导致成功率骤降至60%[14][15] - **可靠性阈值差异**：研究中95%成功率是优秀结果，但生产中95%意味着每天几十次故障，制造系统通常要求99.9%以上的稳定性[16][17] - **算力与延迟悖论**：VLA模型参数规模增大导致推理延迟增加，而机器人控制需要20–100Hz的高频实时响应，即便7B级模型在边缘硬件上也难以满足，云端推理则引入网络延迟[19] - **被低估的系统集成**：部署需嵌入WMS、MES、ERP等既有系统，并面临安全认证挑战，现行标准是为程序化机器人设计，难以证明神经网络模型的安全性[22][23] - **维护体系缺口**：研究系统由研究人员维护，生产系统由技师维护，学习型机器人的异常行为（可能涉及感知、策略、控制、硬件）难以用现有维护体系进行“调试”[24] - 以上问题相互关联形成负反馈链：分布变化导致失败，失败增加人工干预与成本，成本限制规模与数据收集，进而加剧分布问题[26] 填补部署差距的潜在方向 - 需要构建机器人领域的DevOps和基础设施，而非仅依赖如GPT-5的大模型升级[28] - 在数据收集阶段建立远程操作基础设施，使机器人在劳动中创造价值的同时收集数据，形成飞轮效应[28] - 提升AI可靠性，使其学会“优雅地失败”（如无法完成任务时主动响应），并引入传统代码作为安全兜底[28] - 开发为边缘部署设计的高效模型（如Hugging Face的SmolVLA）或专用芯片，而非将通用GPU塞入机器人[28] - 机器人更可能以生态系统方式演进：通用能力打底，针对具体任务微调，逐步扩展应用边界[31] 行业竞争格局与中美路径 - 行业普遍认为美国在“大脑”领先，致力于打造超级智能和顶尖VLA模型；中国在“身体”上占统治地位，拥有最庞大的工业机器人部署量和最复杂的制造业场景[32] - 美国的策略是推高能力上限，中国的策略是拓宽应用广度，解决“部署差距”并将技术优势转化为经济价值的一方将成为下一个时代的赢家[32] - 模型能力领先不自动转化为经济价值，部署能力往往决定最终的产业规模，机器人部署差距与中美AI路径分化高度相关[32]

文章核心观点 - 新能源汽车行业已进入大众化阶段，用户对车辆性能的判断越来越依赖独立、公正、透明的第三方测试，以弥补车企营销与用户真实需求之间的信任鸿沟 [5][15] - 汽车之家通过投入高成本、建立标准化流程、进行大规模公开测试，旨在扮演“尺度制定者”的角色，重塑汽车媒体生态的公信力，争夺用户信任 [6][9][16] - 在信息碎片化和流量主导的时代，真实、公平、公正且经得起验证的测试本身具有稀缺价值，是构建长期用户信任的关键 [9][13][19] 行业背景与挑战 - 2025年中国新能源车渗透率已接近60%，行业进入大众化阶段，用户核心关切从性能上限转向日常使用的稳定性与可靠性 [5] - 车企主导的测试多侧重于验证产品能力上限和进行营销叙事，与普通用户的真实用车需求存在错位，难以有效建立用户信任 [5] - 电池、智驾等技术术语被压缩为营销话术，导致用户认知与专业判断之间存在巨大鸿沟，用户缺乏判断车辆表现的常识基准 [15] - 行业缺乏统一、透明的测试标准，任何不够严谨的测试都会迅速演变为对全行业公信力的质疑，引发广泛争议 [9][15] 汽车之家的冬测方法论 - 测试设计从用户真实的冬季用车场景出发，构建覆盖性能、安全、续航、越野、空调与可靠性的六大核心维度，并通过12项标准化测试形成可对比、可验证的结果体系 [6] - 为确保公平性，公司统一租赁所有67台参测的主流热门量产车型，从源头上排除“特调车”可能性 [11] - 测试在自建的约80万平方米冰雪场地进行，所有车辆统一使用一线品牌雪地胎，并严格统一胎压等条件，以消除外部变量干扰，让结果差异指向产品本身 [11] - 测试规模达67台车，旨在用足够大的样本量稀释单车表现的偶然性，为用户提供更稳定、可复用的判断基础 [11] - 整个测试由两百余人团队耗时一个月完成，并获得了吉尼斯“最大规模的实地汽车冬测”认证 [13] 媒体角色与公信力构建 - 在算法主导的内容环境中，流量易得，但能够被长期信任的判断基础（公信力）变得稀缺和脆弱 [9] - 汽车之家通过《冬测100问》直播等公开透明的方式，主动回应质疑，将测试过程置于全网监督之下，把判断权交还给公众 [3][10] - 公司选择以“冻真格，讲真话”为口号，通过高成本、高风险的投入，致力于在厂商技术叙事与用户真实感受之间建立一个可被信任的参照系 [7][13] - 此次冬测是公司推动自身从内容到服务平台转型的体现，旨在成为用户可信任和依靠的汽车消费中心 [16][17] 事件影响与行业意义 - 汽车之家的冬测直播引发了行业广泛讨论，抖音实时在线人数最高接近2万人 [3] - 测试引发的讨论（如“准冬测”事件）折射出行业对测试标准、公信力边界的重新拷问 [9] - 公司近期平台动作加速，包括9月主办全球AI科技大会，11月召开创作者大会，以及在双11周期与竞争对手正面交锋，均围绕构建平台能力与信任基础展开 [16] - 冬测争议的本质并非单纯的技术分歧，而是一场围绕用户信任如何被建立和验证的长期较量 [15]

如果你最近刷过游戏圈和创意产业的新闻，可能会产生一种错觉：只要不拥抱 AI，就等于跟时代作对。 EA CEO 说 AI 是他们的"业务核心"；Square Enix 刚完成一轮大规模裁员与重组，并明确表示要"激进地应用 AI"；《死亡空间》之父 Glen Schofield 希望 用生成式 AI"修复整个游戏行业"；前《战神》开发者 Meghan Morgan Juinio 更直言："如果我们不拥抱 AI，那就是在低估自己。" 就在所有人加速踩油门的时候，《战锤 40K》的母公司 Games Workshop（简称 GW，成立于 1975 年）却猛地一脚刹车：全面禁止员工在内容创作与设计 流程中使用 AI。 甚至，GW CEO 还补了一刀：公司目前没有一位高管对 AI 真正感到兴奋。 （图片来自《战锤 40K》官网） CEO 亲自定调：AI 可以研究，但不能用来"干活" 这一立场并不是媒体解读，而是GW CEO Kevin Rountree 在最新财报会上亲口说的。 他先是自嘲了一句："AI 是一个非常宽泛的话题，说实话我也不是专家。"然后开始抛出 Games Workshop 的官方内部政策，核心就一句话： ...

行业背景与核心挑战 - 制造业需求端正发生前所未有的变化，面临高强度、重负载、长周期的刚性任务与作业环境多变、劳动力缺乏的现实场景[1] - 现阶段更紧缺的是能进入真实制造体系、解决作业痛点的硬核生产力工具，而非停留在演示阶段的机器人[1] 产品发布与战略意义 - 银河通用于1月5日正式发布具身智能重载机器人Galbot S1，并已零遥操、全自主地应用于宁德时代等制造业巨头工厂产线[3] - 产品核心的具身搬运模型作为北京人工智能重要成果，由创始人向与会领导正式发布汇报，获得战略层面的权威认证[3] - 优秀的具身智能创新案例将作为一种“北京方案”向全国乃至世界输出[4] - Galbot S1的成功应用开始解答具身智能是“昂贵的科技秀”还是“能干实事的数字新基建”的行业疑问[4] 产品性能与技术突破 - Galbot S1是专为工业生产力目标设计的具身智能机器人，直面高强度、长周期、连续运行的工业环境[6] - 产品能适应粉尘、震动、遮挡、光照变化等非理想工况，并在人机混行的复杂流程中稳定作业[6] - 负载能力取得重大突破：双臂最大负载达50kg，手臂向前伸直时可稳定搬运32kg，突破了行业负载上限[6] - 产品构建了面向生产场景的具身智能搬运模型，注重确定性与可靠性，确保长期稳定完成关键搬运任务[7] - 具备纯视觉感知能力，不依赖二维码或标签定位，在复杂环境中仍能精准操作[7] - 具备强抗干扰能力，即便光照变化、遮挡或动态干扰也能稳定完成任务[7] - 借助硬实时响应和360°全向避障感知，能灵活应对动态环境，安全高效地展开人机协作[7] - 依托高可靠机电一体化架构与双电池设计，拥有8小时超长续航，并可实现自主换电，支持7×24小时连续运转[7] 实际应用与产业价值 - Galbot S1已在宁德时代工厂成功落地，并零遥操、自主服务于真实生产作业流程[10] - 标志着具身智能机器人首次真正承担起制造关键环节的重载任务，经受住了真实工厂环境的复杂检验[10] - 生产力正式融入产业升级主航道，对汽车制造、半导体、能源电力等多个工业领域具有极大参考意义[10] - 具身智能生产力应是能够持续部署、稳定运行、形成规模效应的智能劳动单元，而非表演噱头[10] - 产品解决了制造业“有力气的没脑子，有脑子的没力气”的尴尬断层，让机器人像真人一样适应多变生产任务，无需为迁就机器而改造产线[11] - 在劳动力短缺时代，产品不仅补位了人力缺口，也接上了断开的物流和生产环节，为生产效率带来质的提升[11] - 标志着具身智能开始真正进入中国制造的核心环节，补足了行业难以承担工业重任的空白[15] 公司战略与行业趋势 - 银河通用选择聚焦高强度、长周期任务，持续打磨工程可靠性与系统稳定性，贴近工业客户的长期需求[12] - 在这一路径下，具身智能正演进为可评估、可复制、可规模化部署的生产要素[12] - 公司的发展路径与国家推动制造业高质量发展、追求系统级智能化重构的战略节奏相契合[12] - 2025年12月，公司完成新一轮超3亿美元（约合21亿元人民币）融资，为具身智能领域单轮最大融资，公司成为国内估值最高的具身智能初创公司[12] - 此轮融资说明资本正在重新校准具身智能的估值逻辑：从看形态转向看机器创造的实际价值[12] - 具身智能的价值标准愈发明确：能否进入真实场景、承担真实任务，并长期稳定产出[13]

核心观点 - 2025年中国VC/PE市场整体强势升温，募资与投资数量及规模同比增幅均在三成左右，但头部机构投资仍显谨慎 [1][7] - 市场出资格局呈现“产业资本领衔、金融资本发力、国资精准调控”的新特征，国资从规模扩张转向精准赋能，企业资本配置意愿增强 [12][15] - 投资热点高度集中于硬科技与战略性新兴产业，电子信息、先进制造、医疗健康为前三大赛道，半导体、人工智能等领域领跑 [39][41] - 退出市场方面，中企IPO数量同比增长近三成，境外IPO占比达61%，但VC/PE渗透率小幅回落，退出回报率降至289% [7][47] VC/PE市场募资分析 - **募资规模与数量**：2025年新成立基金6,127支，同比增加27%，募资规模合计30,860亿元，同比增加26% [2] - **机构活跃度**：共有3,180家机构参与设立基金，同比增长13.01%，其中19.4%的机构完成了3支及以上基金的新设，活跃度显著上升 [2] - **地区分布**：浙江省新设基金1,367支位居榜首，江苏、广东紧随其后，浙江、江苏、江西、上海基金数量同比大幅增加 [8] - **LP出资格局**： - 按出手次数，企业投资者LP最活跃，占比37.3%，国资类平台占比31.1% [12] - 按出资金额，国资类平台仍是主力，占比41.8%，但同比下降8.3个百分点；企业投资者LP出资金额占比增至12.9%，同比增加24.7% [15] - 银行系LP出资次数同比增长21.7%，其中AIC（金融资产投资公司）是重要推动力量 [12] - **重点基金案例**： - 国家创业投资引导基金启动，目标规模1,000亿元，锁定集成电路、人工智能、生物医药等七大领域 [17][19] - 2025年完成募集的重点人民币基金包括：湖北高速公路发展基金（300亿元）、福建时代洋远基金（101.28亿元）等 [20][21] - 外币基金方面，太盟投资集团第十支机会型房地产基金募集40亿美元，为2025年亚太区大型美元基金之一 [22] VC/PE市场投资分析 - **整体投资情况**：2025年投资案例数量11,015起，同比上涨30.6%；投资规模13,396.8亿元，同比上升23.43%；投资均值1.22亿元，较去年小幅回落 [23] - **头部机构行为**：TOP250品牌机构旗下734个投资主体参与投资，占市场总投资机构数量的7.7%，其投资主体数量同比增加16.69%，但市场覆盖率仍处近年低位，出手谨慎 [27] - **投资阶段**：VC阶段投资数量占比77%，规模占比增至57%；PE阶段投资数量占比23% [30] - **热点投资地区**： - 交易数量：江苏省以1,972起领跑，广东（1,737起）、浙江（1,380起）、上海（1,303起）紧随其后 [37] - 交易金额：上海市最为吸金，融资规模1,927.13亿元，江苏、广东、北京分别位列第二至四位 [37] - **热点投资行业**： - 前三大行业：电子信息（3,485起，3,532.82亿元）、先进制造（1,983起，1,891.49亿元）、医疗健康（1,594起，1,552.32亿元） [41] - 高增长行业：先进制造投资数量同比大增75%，规模增85%；企业服务投资规模同比增115%；建筑建材投资规模同比增239% [42] - 细分领域领跑者：半导体（1,434起）、人工智能（891起）、新材料（521起）、机器人（472起） [39][41] - **重点融资案例**： - 年度最大私募股权投资：国网新源控股战略融资365亿元，可撬动抽水蓄能项目投资超3,000亿元 [43][44] - 其他大额案例：内蒙古中广核（118亿元）、聚变能源（114.92亿元）、院芯集成（95.5亿元）等 [44] - 高估值项目：Airwallex空中云汇（最新估值80亿美元）、Momenta（425亿元）、MiniMax（60亿美元）等 [45] - 融资次数最多项目：松延动力、灵心巧手、极佳视界等在年内均获投5次 [46] VC/PE机构退出分析 - **IPO退出概况**：2025年共有294家中企实现IPO上市，同比增长近三成，其中170家有VC/PE背景，渗透率为57.8% [7][47] - **退出回报**：IPO退出账面股权价值大幅回升，但退出回报率降至289% [7][47] - **上市地点**：境外IPO占比达61%，同比增加 [7][47]

文章核心观点 - 城市NOA功能正从高端车型的差异化配置快速迈向主流消费市场，渗透率显著提升，并预计在2030年成为辅助驾驶主流功能 [1][7] - 行业竞争焦点已从高速NOA转向城市NOA，市场呈现“车企自研”与“第三方合作”双轮驱动格局，其中自主品牌占据绝对主导地位 [1][3] - 以端到端大模型为核心的技术变革正在重构智能驾驶系统架构，推动其向一体化、拟人化方向发展，目标是提升安全与用户体验 [2][6] - 中国智能驾驶解决方案的全球供给能力日益凸显，全球知名汽车品牌正通过与中国头部供应商合作来补齐短板，“中国方案”获得全球认可 [1][4] 市场销量与渗透率 - 2025年1月至11月，中国搭载城市NOA功能的乘用车累计销量达312.9万辆，占同期乘用车上险量的15.1%，较2024年全年提升5.6个百分点 [1] - 其中起售价30万元以下的主流车型销量占比达到68.9%，表明该功能正下探至主流价格带 [1] - 预计未来城市NOA功能将进一步覆盖10万-15万元市场，实现规模化普及 [7] 市场竞争格局 - 车企自研是市场主导力量：2025年1月-11月，车企自研城市NOA车型销量约245.1万辆，占城市NOA总销量的78.3%，涉及品牌约19个，如特斯拉、蔚来、小鹏、理想、小米、鸿蒙智行等 [3] - 第三方合作市场呈现高度集中化“双强”格局：同期第三方合作城市NOA车型销量约67.9万辆，占比21.7%，合作品牌约29个，以传统品牌为主 [4] - 在第三方供应商市场中，Momenta与华为合计占据约八成份额，其中Momenta市场占比约61.06%，华为HI模式占比约19.76% [2][4] - Momenta搭载量41.44万辆，占第三方市场61.06%，与全球前十车企中的8家合作；华为HI模式搭载量13.41万辆，占19.76% [4] 品牌表现与产业链地位 - 自主品牌占据绝对主导：前11个月，自主品牌在城市NOA车型中的销量占比高达81.1%，搭载率达18.7% [1][4] - 合资品牌占比仅为8.3%，虽有所提升但仍明显落后 [4] - 为加速智能化布局，奔驰、宝马、奥迪、凯迪拉克、别克、丰田等合资品牌及全球知名品牌（如奔驰、丰田、通用）已通过与中国本土智驾供应商合作，落地城市NOA功能 [1][4] - 这标志着中国智能驾驶产业链提供的“中国方案”正获得全球认可，成为提升中国汽车产业全球价值链话语权的重要支点 [4] 技术发展趋势 - 端到端大模型已成为NOA技术迭代的核心引擎，推动行业从传统模块化架构向感知、预测、规划、控制一体化的全新架构深度重构 [6] - 造车新势力依托全栈自研实现全链路端到端，例如特斯拉、理想等企业已实现“一段式端到端”量产 [6] - Momenta以“强化学习+端到端架构”为核心，其R6强化学习大模型已于2025年第三季度实现量产上车 [6] - 华为发布的乾崑智驾WEWA架构，尝试通过“云端世界引擎+车端世界行为模型”的协同模式提升能力 [6] - 技术迭代的终极目标是安全与体验升级，端到端大模型有望系统性提升应对边角案例的能力，增强驾驶安全 [6] 未来展望与行业影响 - 报告预计到2030年，城市NOA将成为辅助驾驶主流功能 [2][7] - 工信部预计，高级别自动驾驶的规模化应用将为汽车产业创造万亿级产值增量 [2][7] - 在供应商技术平民化与消费者付费意愿增强的双重推动下，城市NOA功能正从高端车型下探至15万-20万元的主流价格带 [7]

全球亿万富翁财富与数量创历史新高 - 2025年全球亿万富翁总数攀升至2900人，一年内新增287人，增长速率仅次于2021年 [1] - 全球亿万富翁掌控的财富总额达15.8万亿美元，相较于2024年的14万亿美元增长13% [1] - 过去四年，全球新增727位亿万富翁，富豪总数增长了27% [4] 财富增长的核心驱动因素 - 全球科技股估值攀升及股市整体走强是核心驱动因素 [2] - 瑞银负责人预测，明年亿万富翁人口和财富将继续增长 [2] - 科技和工业的快速增长，特别是在美国，推动了财富加速增长 [3] 亿万富翁的构成与来源 - 全球2919位亿万富翁中，2059位是白手起家，860位继承财富 [5] - 2025年，全球共有91人通过遗产继承成为亿万富翁，继承财富总额达2980亿美元 [6] - 瑞银预测，未来15年内全球将有5.9万亿美元财富完成代际交接 [6] 白手起家富豪的行业案例 - 科技领域：Colossal Biosciences创始人本·拉姆聚焦基因技术 [5] - 能源化工领域：Stonepeak的迈克尔·多雷尔等人创立了Venture Global [5] - 消费领域：中国蜜雪冰城的张氏兄弟深耕下沉市场，以平价茶饮赛道为核心 [5] 区域分布：亚太领跑，美中最多 - 亚太地区亿万富翁人数从981人增至1036人，增幅位居全球首位 [8][9] - 中国内地以470人的规模稳居亚太地区第一，仅次于美国 [9] - 全球近三分之一的亿万富翁（924人）在美国，其总财富在过去一年飙升18%，达到17.5万亿美元 [9] - 四分之三的美国亿万富翁是白手起家，92名新的白手起家亿万富翁拥有1800亿美元的财富 [9] 亚太地区关键市场数据 - 中国内地：亿万富翁人数从427人增至470人（增长10%），财富从1,444.7十亿美元增至1,766.1十亿美元（增长22.2%） [10] - 印度：亿万富翁人数从185人增至188人，财富从905.6十亿美元增至888.19十亿美元 [10] - 新加坡：亿万富翁人数从47人增至55人（增长17%），财富从155.5十亿美元增至258.8十亿美元（增长66.4%） [10] - 日本：亿万富翁人数从34人增至41人（增长5%） [10] 资产配置偏好 - 43%的亿万富翁计划在未来12个月增持公募股，只有5%计划减持 [11] - 从投资区域看，北美吸引力下降，西欧、大中华区及亚太其他地区成为新热点 [12] - 认为美国有投资机会的受访者比例从80%降至63% [13] - 认为欧洲有投资机会的受访者比例从18%上升至40% [13] - 认为大中华区有投资机会的受访者比例从11%升至34% [13] - 从5年维度看，认为大中华区有投资机会的比例增长到48%，亚太地区（不含中国）增长到51% [13] 人口流动趋势 - 超过三分之一（36%）的亿万富翁已经搬迁，其中四分之一的人搬迁不止一次 [16] - 另有9%的人正在考虑搬迁，主要原因为追求更好的生活质量及考虑地缘政治和税务负担 [16] - 阿联酋、中国香港、新加坡成为全球富豪的核心聚集地与财富避风港 [16] 全球财富分配的K型分化与风险 - 全球基尼系数已接近0.7的警戒线，远超0.6的风险阈值 [3][25] - 美国最富的20%家庭持有70%的金融资产 [18] - 2025年标普500指数上涨15%，为高收入群体带来1.2万亿美元的财富增值，推动其消费意愿提升18% [18] - 美国顶层收入群体的年薪已是底层群体的5.3倍（2025年8月数据） [20] - 底层群体工资增速从2024年3月的8.6%骤降至2025年8月的6.8%，而顶层群体工资增速从3.8%微升至3.9% [20] - 美国占总人口10%的高收入群体贡献了当期消费增长的68% [21] - 占总人口60%的中低收入群体，实际可支配收入仅增长0.8%，消费支出增速仅为1.2% [21] - 第三季度信用卡余额严重逾期比例上升至12.41%，为14年来最高 [22] - 美国家庭债务创下18.59万亿美元的新高，消费者破产率升至五年来最高水平 [23] - 全球最富有的1%人口掌握了45%的财富，最底层50%人口拥有的财富占比不足1% [25] - 全球仍有近10%的人口处于极端贫困状态（每日收入低于3美元） [25]