文章核心观点 - 内存价格因AI需求挤占产能而暴涨，对消费电子行业造成严重冲击，导致手机、PC等终端厂商成本压力剧增，被迫将成本转嫁给消费者，并引发低端机市场萎缩，行业结构发生根本性改变[5][7][9][12][14][16][18][20] 一、内存暴涨，苹果也扛不住 - 内存价格在2026年第一季度同比暴涨400%，例如12GB+256GB组合从30多美元低点涨至120-130美元[5][7] - 传音公司因存储等元器件价格上涨，导致整体毛利率出现下滑态势[6] - 苹果公司承认内存涨价将对第二季度毛利率产生更大影响，但其凭借强大的现金流和利润率，在供应保障上仍具优势，不担心断供[7][8] - 存储采购合同已从按年签署调整为按季签署，反映出卖方市场下厂商的被动局面[8] 二、手机、PC跟风涨价 - 内存报价按季度谈判，预计2026年第二季度价格环比涨幅与第一季度接近[11] - 联想等厂商已与供应商签署长期合同并随后对部分电脑产品进行涨价，以应对成本压力[11] - 终端品牌通过涨价将成本压力转移给消费者，小米、传音、联想、OPPO和vivo已先后宣布涨价[5][11] - 中芯国际指出，即使终端厂商通过涨价消化成本，也会导致终端产品需求下降[12] 三、低端机走向死亡 - 2026年第一季度，DRAM价格环比上涨超50%，NAND价格环比上涨超90%[14] - 存储成本上涨对低端机（批发价低于200美元）冲击最大，以6GB+128GB配置为例，物料总成本环比增长25%，其中存储成本占比高达43%[14] - 为应对亏损压力，部分国内厂商已停止入门级产品线的生产[15] - 常规降成本措施（如规格优化）效果有限，预计低端机零售价格将上涨约30美元[15] 四、存储已经回不到从前 - 行业预测内存涨价将持续至2027年底或更晚[17] - 存储涨价的根本原因是AI需求（如HBM显存、推理任务驱动的NAND需求）挤占了消费级产能，美光等头部厂商已将产能重点转向AI领域[18][20] - 英伟达、AMD等公司对存储需求巨大，并表示存储厂扩产多少就用多少，进一步挤压消费市场供应[20] - 随着AI需求持续扩张，存储原厂缺乏支持消费市场的动力，存储产业格局已发生结构性改变，难以回到从前[18][20]

文章核心观点 - 当前AI技术正以“按天”甚至“按小时”的速度迭代，行业时间刻度被极大压缩，这正在从根本上改变工作模式、竞争格局和生产力[24][25][26] - AI发展的未来方向是“主动式AI”或“Agent”，即AI能够自主理解目标、规划并执行复杂任务，最终将演变为Agent与Agent之间的竞争，而人类角色将发生变化[7][8][9][34][35][36] - 行业正处于一个可能的事后回顾的“临界点”附近，标志是AI在智力上已开始接管人类，工作模式已彻底改变，但大规模生产力爆发有待于主动式AI的成熟[28][29][30][31][36] - 对于普通人和企业，关键在于转变思维，将AI深度融入工作流，并关注AI原生应用（而非AI+）的创造机会，同时提示词工程等新岗位需求旺盛[10][18][29][30][39][40][41] 一、硅谷裁员，AI是背锅侠？ - 近期美国科技公司大规模裁员，AI提升效率只是表面借口，深层原因是企业本就存在严重的人员冗余问题，AI只是提供了一个顺理成章的裁员理由[5][6] - 以Google的YouTube为例，核心内核维护可能只需三五人，但实际团队规模或达数百人甚至1400人左右，人员过多导致内耗和无效工作[5] - 资本和市场价值向AI头部企业集中，给其他企业带来收入和市值压力，这也是推动裁员的因素之一[6] - AI确实在创造新的岗位，如提示词工程师，但这类人才极度稀缺，培养过程具有探索性，且难以从传统代码工程师直接转型[10] 二、新加坡的局限与中美AI格局 - 新加坡在AI产品层面缺乏知名原生项目，市场体量小是其局限，虽政府推广激进，社会转型快于欧洲和东南亚，但更多扮演中转站角色[14][15][19] - 发展AI需要“双引擎驱动”：算法模型和提示词应用，新加坡本土缺乏培养顶尖算法工程师的能力，也缺少强大的本土模型和Agent产品团队[16][17] - AI应用分为“AI+”和“AI原生”，新加坡适合做“AI+”（即传统行业AI化），但发展“AI原生”应用（不依赖传统行业的新物种）需要全球市场，其本土用户基数难以支撑[18][19] 三、发红包推广AI，在中国有用 - 在中国市场，将AI产品视为消费品，采用类似过去打车、外卖的发红包等推广方式可能有效，因为用户更关注功能与结果，而非技术本身[21] - 这种推广方式在美国未必必要，最终效果取决于产品本身的成熟度，功能不全的产品采用旧式推广会显得过时[21] 四、时间刻度变了，AI一天，人类一年 - AI行业的发展速度已从过去的按月、按季度迭代，加速到“按天”甚至“按小时”升级，每一次升级都可能是颠覆性的[24][25] - 行业核心圈与圈外人的“时间刻度”完全不同，“AI一天，人类一年”，思想领先的窗口期从过去的数月急剧缩短至可能只有几小时[24][25][26] - 这种速度对创业者构成巨大压力，过去的“迭代”思维在AI时代已不适用，必须保持极高的思考与执行同步性，否则迅速落后[24][26] 五、AI的临界点可能来了 1. **可能的临界点标志** - ChatGPT出现“涌现”能力可能是一个关键节点，标志着技术跃升和新世界大门的打开[28] - 当AI的工作模式（如让AI读论文、做设计、交叉验证）成为行业常态，并可能普及至大多数人时，拐点或许已经发生[29][30] - 下一个重要临界点可能是“主动式AI”的成熟，即AI能主动规划并花数天时间完成复杂任务（如制定公司全年计划）[31] 2. **当前工作模式的变革** - 行业内部的工作模式已彻底改变，遇到问题首先让AI思考和处理，并通过不同AI交叉验证和修改结果[30] - 这区别于“AI+”（如用AI算法推荐图书），是“AI原生”模式（如让AI读完所有建筑书并直接输出设计方案）[29][30] 六、未来是Agent之间的竞争 - 当AI能接受“一个月挣十万块”这样的开放式指令并自主完成时，世界将迎来真正的拐点，开发成本极低将导致AI Agent数量爆炸式增长[35][36] - 未来竞争将是Agent之间的竞争，数量远超人类的AI机器人会抢占所有容易的盈利机会，甚至可能创造出机器人之间互相产生GDP的经济体系[35][36] - “主动式AI”已成为行业主流，其能力已从一两年前实验室阶段10%的成功率，提升到如今90%可商用的水平[33][37] - 一个自媒体案例显示，利用AI一天可生产300万篇文章，这种规模效应是人力无法竞争的[36] 七、普通人如何抓住AI红利？ 1. **转变心态与发挥优势** - 文科生无需畏惧，文理兼备在AI时代更具优势，能将需求表达清楚是成功的基础，这恰是文科生的长处[39] - AI具有平权性，无需深厚计算机背景即可使用强大工具，关键在于养成遇到问题首先咨询AI的思维习惯[40][41] 2. **具体行动建议** - 注册并使用多个主流AI模型（如DeepSeek、ChatGPT、Gemini），对比使用，将其作为日常工具[40] - 深度信任AI，将个人困惑、职业规划乃至商业计划等复杂问题交给AI，通过多轮对话引导AI给出具体、可执行的详细方案[41] - 如果AI回答不佳，应反思是否需求表达不清，可主动要求AI通过提问来帮助自己梳理真实想法[41]

文章核心观点 - 文章探讨了“生态”概念在中国商业领域的发展与演变，并指出其成功的关键在于坚实的技术底座，而非单纯的概念或产品整合 [3][7][33] - 文章将生态发展划分为三个阶段，并认为追觅公司所代表的“生态3.0”模式，通过核心技术自研与平台化复用，解决了前两代模式在技术壁垒、高端化与全球化方面的局限性，是生态在商业上得以成立的最终答案 [13][28][33] 生态概念的演进与阶段划分 - “生态”概念源自苹果、Google，用于描述开发者、用户、硬件共生的商业体系，约在2014-2015年移动互联网红利见顶时，在中国科技行业被广泛用作寻找“第二增长曲线”的叙事 [9] - **生态1.0（以乐视为代表）**：特征为“叙事先行，产品缺席”，试图用概念串联电视、手机、汽车、内容，但因缺乏产品与技术支撑而崩塌 [10][13] - **生态2.0（以小米为代表）**：通过“投资+IoT平台”整合产品，解决了品类“有没有”的问题，但产品体验受制于供应链，难以建立不可替代的技术壁垒，面临高端化与全球化天花板 [11][12][13] - **生态3.0（以追觅为代表）**：核心特征是在产品生态底层构建统一的技术平台与生态池，通过核心技术自研、平台化复用与跨品类渗透，建立深层技术壁垒，支撑高端化与全球化 [13][28][29] 追觅生态3.0的核心构建：技术底座 - 追觅的技术体系是一个有机生长的顺序结构，其核心是自研的“技术底座”，包括马达、算法、机械臂和芯片四大层级 [14][18] - **马达（心脏）**：以高速数字马达为起点，量产水平达20万转，技术储备达25万转，该技术平台可延伸至空调、洗碗机、洗衣机、汽车热管理等多个品类，实现一次研发，多品类价值回收 [15][22] - **算法（大脑）**：同步布局智能算法研发，涵盖视觉感知、语义理解、策略规划，形成可迁移的认知能力，可跨品类（如扫地机、自动驾驶、机器人）复用，边际成本极低 [15] - **仿生机械臂（手）**：让设备从“会动”进化到“会用手”，应用于AI机械臂冰箱等产品，结合视觉与AI算法，实现“手眼脑”协同，是公司向具身智能发展的路径 [17][18] - **AI芯片（神经系统）**：自研芯片用于端侧大模型推理，支持设备的实时视觉与语音处理，支撑整个技术有机体的运转 [18] - 公司研发结构分配为：三分之一用于现有产品迭代，三分之一用于现有领域新产品创新，三分之一押注全新领域探索 [18] - 截至2025年底，公司全球累计申请专利超过一万件，研发及设计人员占比约70% [18] 技术底座驱动的产品版图与商业逻辑 - 基于统一的技术底座，追觅的产品版图广泛拓展至“人车家天地芯”六个维度 [20] - **具体布局**：涵盖个人终端（手机、AI眼镜、智能戒指）、家庭场景（大家电、清洁、厨电）、出行（追觅汽车、概念车已亮相CES）、低空（eVTOL真机亮相AWE）、能源及算力芯片 [20][22] - **商业逻辑**：品类扩张的内核是同一套技术基因（如马达技术、算法能力）在不同场景的嵌入与复用，本质是技术底座的不断加固与跨品类复利效应，使进入新领域可从“80分”起步，重构了成本曲线 [22][26] - 在AWE 2026上，公司独占E7馆，展示了涵盖冰箱、空调、手机、汽车、扫地机、洗衣机、洗地机、飞行器、太空采矿车及芯片等上百个品类 [4][5] 生态3.0对高端化与全球化的支撑 - 技术自研带来的差异化能力是同时打赢高端化与全球化的关键 [24] - **全球化**：技术底座保证了“中国研发，全球一致”的稳定输出能力，公司已进入120个国家，在30个国家市占率第一，能应对欧美高端巨头与东南亚价格竞争 [25][26] - **高端化**：强有力的技术底座构成了真正的壁垒，使公司具备高端化的能力 [24] - 生态3.0的竞争是系统性的技术比拼，其建立的跨品类复利效应和深度技术壁垒，从结构上难以复制，是中国科技企业突破高端品牌天花板的结构性机会 [26][29][32]

文章核心观点 - 全球汽车行业正处于向智能化、电动化转型的关键时期，不同企业因战略选择与执行能力不同而命运迥异 [2][29] - Stellantis集团因战略误判，高估电动化转型速度并押注高端车型，导致巨额亏损，是转型失败的典型案例 [2] - 吉利汽车通过全面整合、坚定投入AI与智能驾驶自研，成功实现从传统汽车制造商向科技公司的转型，并取得显著市场与技术进展 [3][4][29] 行业转型挑战与案例对比 - Stellantis集团上半年巨亏超190亿欧元（约合人民币1550亿元），股价单日暴跌26%，并暂停2026年全部股息发放，其根源在于“高估了能源转型速度” [2] - Stellantis为修正战略误判，计提了高达222亿欧元的转型支出，并推迟欧洲电动车项目，是传统巨头因路径依赖和旧业务利益捆绑而转型困难的例证 [2] - 吉利汽车在同期成功完成战略转身，其千里浩瀚G-ASD辅助驾驶系统通过欧盟UN R171认证，成为首个在欧洲具有合法上路资格的中国量产辅助驾驶系统 [3] 吉利汽车的战略转型路径 - **战略聚焦与整合**：面对早期智驾路线分散的问题，吉利选择全面押注AI科技与自研智驾，以实现技术闭环和用户体验保障 [7][8] - **组织与资源整合**：2025年，吉利完成极氪退市并整合旗下极氪、吉利研究院、迈驰智行三大智驾团队，成立统一的千里智驾公司，打破了“部门墙” [9] - **整合成效**：整合后产品规划项目数量精简20%-30%，人员效率预计提升20%-30%，并在不到5个月内于CES发布了千里浩瀚G-ASD系统 [9] 吉利的核心竞争优势 - **研发与数据积累**：过去五年研发投入超千亿元，11年累计超2500亿元；截至2026年初，拥有850万辆搭载辅助驾驶系统的车型，累计超百亿公里行驶里程和2500万模型数据片段 [12] - **算力优势**：拥有23.5 EFLOPS的训练算力，在车厂中领先，高于蔚来、小鹏、理想等新势力2025年公布的超10 EFLOPS算力，支撑了更快的模型迭代 [13] - **企业文化与长期主义**：公司文化强调长期主义，不计较短期得失，以用户体验为核心，愿意为长远目标投入 [13][29] 技术突破与产品落地 - **技术领导力**：在首席智驾科学家陈奇带领下，吉利推出了WAM世界行为模型，构建了从“理解-规划”到“预演-判断-修正”的完整智能闭环，提升了系统预判能力 [17][18] - **舱驾融合体验**：超级Eva智能体与千里浩瀚G-ASD 4.0结合，实现了“Grok+FSD”式的全链路智能交互，用户可通过自然语言指令完成复杂出行任务 [20] - **市场认可与体验提升**：在汽车之家“2026智驾第一梯队”榜单中，千里浩瀚G-ASD以9.8分位居榜首，复杂场景通过率超98% [22] 市场拓展与行业影响 - **智驾平权与成本控制**：计划将高端智驾方案下放至领克与吉利银河多款车型，通过规模效应已将L2+系统成本压至8000元以下，推动普及 [22][24] - **高阶自动驾驶布局**：搭载千里浩瀚H9的极氪9X已获得L3测试牌照；与曹操出行合作的L4级Robotaxi已在杭州投入首批100辆运营 [24] - **全球化与生态开放**：千里浩瀚G-ASD获得欧盟认证，首款车型计划2026年6月在欧洲上路；公司采用开放生态战略，定义下一代智能出行的技术底座 [3][26] - **行业路径趋同**：吉利与特斯拉的智能化路径趋同，均选择用AI模型替代规则代码，依靠海量真实数据（吉利850万辆L2级车辆）和强大算力构建数据飞轮 [25]

新款小米SU7上市表现 - 新款小米SU7于3月19日上市，售价区间为21.99万至30.39万元，上市后34分钟锁单1.5万辆 [2] - 小米为新车破圈，首次签约汽车品牌代言人，包括短跑名将苏炳添和艺人舒淇 [3][4] - 多位知名企业家如王传福、李想、何小鹏等出席了发布会，显示公司对产品的重视 [2] 与初代车型市场表现对比 - 新款小米SU7上市34分钟锁单1.5万辆，成绩亮眼但未超越初代 [7][8] - 初代小米SU7于2024年3月28日上市，27分钟拿下5万大定，24小时拿下8.9万大定 [8] - 按华龙证券曾采用的40%订单转化率估算，初代SU7上市27分钟对应约2万个真实订单，在效率和数量上均优于新款“34分钟1.5万锁单” [10] - 新款SU7全系售价比初代仅贵4000元，并在三电、底盘、智驾等多方面有提升，价格因素对对比结果影响权重不大 [11] 公司面临的信任挑战与修复努力 - 2025年公司销量达41.2万辆，同比增长近200%，但年内发生两次重大事故及陷入“锁马力”等争议，严重损害消费者信任 [13] - 知名咨询机构杰兰路报告显示，2025年下半年小米汽车“百人青睐指数”中，“不喜欢”比例上升约10个百分点，“喜欢”比例下降超10个百分点，成为变化最突出的品牌之一 [13] - 2026年公司尝试通过雷军直播、重建“小米汽车安全顾问委员会”邀请外部专家评估等方式来消解质疑、挽回信任 [14] - 公司市场表现与口碑高度联动，声量高涨时订单激增，信任受损时销量回落 [15] 新款SU7的核心任务与公司战略布局 - 相比于销量，新款小米SU7更重要的任务是帮助小米汽车尽快走过“信任修复期”，在消费者口中建立安全可靠的口碑 [12][14] - 若新款SU7成功修复信任并带动公司重回火热状态，将有助于完成2026年55万辆的销量目标 [15] - 2026年是小米汽车最密集的产品发布期，计划除新款SU7外，再推出SU7行政版、一款增程五座SUV和一款增程七座SUV，旨在打破“米粉圈层”进入主流家庭市场 [17] - 增程式SUV与家庭用车联系紧密，此举被视为公司打开增长天花板的关键，而成功“破圈”的前提是新款SU7成功建立良好口碑和赢得更多信任 [17]

小米发布会与战略重心转移 - 发布会时间分配呈现巨大反差，小米汽车环节耗时近110分钟，而“重磅回归”的小米笔记本仅约10分钟，智能手表仅5分钟，表明公司战略重心已明确转向智能电动汽车等创新业务[4][5][7] - 公司2024年年报将智能电动汽车等创新业务单独罗列，其营收占比已达9.0%，2025年第一季度进一步将AI业务加入该板块，而手机、AIoT等传统业务被合并[7] - 发布会现场氛围差异明显，雷军在汽车环节情绪亢奋、积极互动，在笔记本环节则语速加快、如同例行公事，凸显不同业务在公司内部的地位差异[4][5] 小米笔记本业务的现状与挑战 - 小米笔记本长期处于国内市场份额第8到第9名，因行业通常只披露前五名，故其份额被归入“其他”[7] - 产品线“偏科”，主要聚焦于有限的超轻薄笔记本市场，在利润丰厚的商用和高性能游戏领域未能真正入局[8] - 新品小米Pro 14起售价8499元，叠加优惠后最低约6800元，而苹果MacBook Neo正以3000-6000元的“毁灭级”定价杀入同一市场，使小米的定价与高端越级话术面临压力[9][10] - 笔记本业务的财务数据不透明，其营收被包含在庞杂的“IoT与生活消费品”类目中，与手机业务精确到小数点后一位的披露形成鲜明对比[11] 重启笔记本业务的战略意图 - 在存储芯片成本集体跳涨、行业普遍提价的背景下，重启小米品牌笔记本是为了对冲利润压力，并试图填补“人车家全生态”中移动办公的最后一块拼图[10] - 新品内置小米IoT网络模组、支持远程唤醒，可与平板联动，旨在超越单纯硬件，强化生态连接[10] - 借助AI PC仍在逆势增长的窗口期，该笔记本成为公司大模型落地的练兵场，发布会上提及了AI知识库、端侧大模型深度学习等功能[10] AI与大模型战略的投入与质疑 - 雷军宣布小米在AI领域三年将至少投入600亿元，2025年相关研发资本支出就超过160亿元[13] - 发布会推出了三款大模型，其中MiMo-V2-TTS拥有上亿小时预训练语音数据量，旨在未来联动超级小爱提升语音交互[11][13] - 公司大模型团队平均年龄25岁，负责人为95后，雷军提及一位19岁的实习生，有分析认为这暗示了公司认为经验丰富的模型专家可能因过往经验成为拖累[11] - 在正式发布前，公司曾以代号将模型上架API平台进行盲测，并凭借高调用量冲上榜单，但分析师认为这种“打榜式”热度更多是心理博弈和尝鲜效应，而非技术代际领先[12] - 分析师质疑大模型全面开放免费试用带来的高昂算力成本会吞噬公司本就不丰厚的硬件毛利，认为“蒸馏出来的小模型”可能是其唯一退路[13] 手机业务与市场环境压力 - 研究机构IDC于2026年2月底更新预测，受存储芯片供应短缺及价格上涨影响，全球智能手机全年出货量将下降12.9%，PC下降11.3，实质性反弹将推迟至2028年[14] - 针对市场热点“手机龙虾”，雷军仅用一页PPT宣布启动封测，但资本市场（如华兴证券报告）已将其脑补为“重新定义小米为操作系统级AI智能体入口”的关键[14] - 华兴证券虽重申“买入”评级，但将小米目标价由66港元下调至44港元，暗示对即将发布的年报持谨慎态度[16] - 该机构预计存储芯片价格涨势将在2026年末至2027年初放缓，并预测“手机龙虾”在小米17系列上商业化落地，可能推动产品结构优化与平均售价提升，使手机毛利率在2027年底加速复苏[14]

文章核心观点 - 公司通过一场“AI含量”极高的发布会宣告新十年战略，核心叙事从续航动力转向AI重构人车关系，并借鉴汽车技术进行“豪华下放” [2][5] - 公司面临数据护城河可能被跨越、供应链共享稀释首发优势的双重不安，但其真正的机会与长期护城河在于“科技+人文”的结合，即通过情感连接和社群文化构建生态壁垒 [12][24][32] - 公司的新十年故事中，AI和算力是骨架，但真正的血肉是骑行路上的真实人生与情感连接，其未来在于将线性技术优势转化为生态文化优势 [30][32] 公司新战略与产品技术方向 - 发布两款旗舰产品NXT2与NX2，配置上引入高通骁龙数字底盘、禾赛激光雷达、斑马智行智能座舱方案等汽车级技术 [2] - 核心推出“小牛灵犀AIOS”，接入Qwen3.5大模型，使AI语音助手可自然对话并不断进化 [5] - 硬件层面引入L2级智驾同源技术，配备三摄+高速雷达、AR实景导航，并将激光雷达作为前瞻储备 [5] - 采用“用旧技术进行水平思考”的哲学，将汽车上已成熟的技术迁移至两轮车领域，实现成本控制与技术下放 [7] - 实施“753战略”，即“看7年，筹备5年，量产3年”，通过长期供应链整合控制成本，例如激光雷达成本从七八年前的千元以上降至量产前的200多元 [7] - 安全成为核心考量，新国标取消后视镜后，激光雷达成为必选项，新车还配备弯道ABS、头盔识别、疲劳提醒及高德超视距来车预警 [8] - 通过采用镂空框架式设计和HC420汽车级材料进行极致减重，为智能功能腾出“重量配额”，在重量与功能间寻求平衡而非单纯在安全与成本间取舍 [8] - 针对电摩（NX2）与电动自行车（NXT2）的不同国标与场景，在底层重新定义安全基线，坚持统一的高于标准的安全“底色” [9] - 产品设计需在安全、成本、智能化三个维度间取得平衡，智能化补充安全性能但也消耗成本，而安全配置（如更轻更强的车架）又能强化智能化表现 [9] 公司面临的挑战与应对 - 公司积累的130亿条骑行数据是其核心资产与底牌，但友商的数据正指数级追赶，有分析认为其数据壁垒可能在三年内被追平 [13] - AI时代的“摩尔定律”压缩了公司的领先窗口，AI行业迭代以“周”为单位，且大模型开源、芯片通用、算法透明，导致技术易被快速跟进 [14][17] - 公司的AI领先更多是“执行层面的领先”，即更早动手、更懂两轮场景，但AI行业无秘密，竞品可能在三年内完成从追赶到并跑的转变 [17] - 发布会上的核心供应商（如高通、禾赛、斑马）未来同样会向竞争对手供货，供应链的开放性可能稀释公司的首发优势 [18] - 为应对供应链挑战，公司与核心供应商是联合研发关系而非简单采购，例如能比竞品早半年拿到芯片样片，并对雷达进行针对两轮车的定制化标定 [20] - 公司认为真正的壁垒在于与供应商的联合研发、价值重构和专属定制，以此将供应商绑定在自身车型上 [23] - 公司通过推出女性向新车、高端车早鸟补贴等方式提升市场占有率，以巩固数据护城河 [13] 公司的核心优势与未来机会 - 公司拥有超过1105万用户，其品牌势能建立在用户真实的情感连接与口碑之上，例如供应商高管分享的因产品质量提升而“再也不用推车”的故事 [25][26][31] - 用户社群（如“牛油”）中产生大量真实故事，代表了外卖员、职场新人、宝妈等核心用户群的情感联结，这是竞争对手难以复制的资产 [26][27] - 产品细节如“不吹腿”的导流设计、冬季手把加热等，体现了对用户的人文关怀，是建立深度情感认同的关键 [28] - 公司的真正机会在于用三年时间，将“数据-技术-供应链”的线性优势，转化为“社群-情感-文化”的生态壁垒 [32] - 公司产品的“生命力”源于真实用户故事带来的情感连接，而非参数本身 [32] - 公司的未来取决于能否证明“科技+人文”是更宽的护城河，若能成功，领先优势将换一种形式存在；若不能，三年后将是拐点 [32]

核心观点 - 文章核心观点：中国通过规模庞大的基础设施建设和制造业体系，实现了全球最低的现代生活成本，这主要得益于“学习曲线效应”带来的巨大规模经济优势[7][18][20]。然而，当前多个行业产能已占全球50%-90%，规模扩张的降本模式已触及物理极限，导致行业“内卷”和通缩压力[30][31]。因此，政策导向正从追求“价格竞争”转向“价值竞争”，并通过“积极推动物价合理回升”来改善居民收入、企业利润和政府财政，打破“低物价-弱预期-少消费”的恶性循环[4][26][32]。 一、基建与制造业全球占比 - 中国拥有多项全球占比极高的基础设施，支撑了现代低成本生活：高铁营业里程5.04万公里（占全球70%）、高速公路18.4万公里（占全球40%）、公共及私人充电桩合计超2000万个（占全球75%-80%）、4G/5G基站超1200万个（占全球60%-70%）[8] - 强大的基建支撑了规模巨大的现代消费市场：2025年快递业务量1990亿件（占全球66%）、新能源汽车国内销量1387万辆（占全球65%）、外卖日均订单1.5亿单（占全球50%-60%）[9] - 中国制造业多项产品产量全球占比极高：手机15.4亿台（约70%）、新能源汽车1664万辆（70%）、空调2.67亿台（80%）、太阳能电池832GW（90%）、锂电池1755.6GW（80%）[11][12] - 庞大的制造业产能建立在全球占比50%-95%的基础工业品之上，如钢铁、水泥、有色金属等，并消耗了全球50%的工业用电（2025年6.64万亿度）[12] - 中国是多种大宗商品的最大进口国，进口量占全球贸易极高比例：铁矿石12.95亿吨（75%-80%）、大豆1.1183亿吨（60%-65%）、铜矿砂3031万吨（55%-60%）、铝土矿2.01亿吨（75%-80%）[14][15] - 中国扮演“全球生产者”角色，其制造业产出主要匹配全球需求，2025年制造业顺差约2万亿美元，货物贸易顺差1.19万亿美元[14][16] 二、“学习曲线效应”降低生产成本 - “学习曲线效应”是解释中国低成本的核心经济学原理：随着累计产量倍增，生产成本会以10%-30%的恒定比率下降[20] - 中国在多个制造业领域实现了最大规模的产量倍增，使生产成本降至西方竞争对手的1/2至1/5，基建成本甚至降至1/10[20] - 中国在部分高端技术领域仍存在卡点，主要集中在需要高精度的领域，如高端半导体（EUV光刻机）、大飞机发动机、高端数控机床、高端科学仪器等[21] - 一旦中国在高端半导体等领域实现体系化突破，相关产品（如HBM、GPU）价格可能跌至十分之一[22] - 制造业竞争已不仅是人力成本竞争，而是综合科技能力的竞争，发展中国家（如越南、孟加拉国）的规模化生产也需依赖从中国等国进口先进设备与材料[23] - 中国占据了全球制造业50%的产出、35%的产值、30%的增加值，规模经济构成了坚实的产业壁垒[24] - 全球产业呈现分化格局：中国产能占优的领域（如光伏、锂电池、家电）价格下降；而中国未控制的领域（如高端芯片、能源、部分原材料）则出现价格暴涨[25][27] - 中国凭借全球占比50%以上的制造业产能，从“价格接受者”转变为“价格制定者”，能够通过释放或收缩产能来调节全球价格、平抑波动[27] - 尽管面临全球货币宽松和地缘冲突带来的通胀压力，中国通过强大的制造业产能和充分竞争，在多个领域实现了价格的长期下行，展示了全球价格控制能力[28] 三、规模效应到了转折点 - 中国在多个制造业领域的产能已占全球50%-90%，物理上接近极限，出现全球性产能过剩，通过“产量倍增”降本的旧模式难以为继[30] - 以光伏行业为例，2025年各环节名义产能均突破1200GW，远超全球年新增装机需求（570-630GW），导致全行业亏损，龙头公司股价普遍下跌70%以上[30] - 当需求无法高速增长时，行业继续强行降本会导致“内卷”，表现为减员增效、增加工时、拖延付款等非科技创新手段，引发社会紧张[31][32] - 政策导向发生转变，从鼓励“价格竞争”转向推动“价值竞争”，并通过“积极推动物价合理回升”来改善劳动者收入和企业利润，打破通缩循环[26][32] - 已观察到反内卷的进展：2025年全国企业就业人员周平均工作时间从49小时降至48.6小时；2026年法定节假日增加2天；政府工作报告提出“综合整治内卷式竞争”[33][34] - 政策调整信号包括：取消或下调部分产品（如铝材、铜材、光伏产品）的出口退税，引导行业减少低价竞争[35][36]

核心观点 - 阿里巴巴在2026财年第三季度业绩电话会上披露了多项关键业务进展与未来目标 其发展叙事已从电商主导转向以云和AI为核心 公司正通过“芯片+云+模型”的全栈AI布局 构建面向AGI时代的增长飞轮 以期实现云和AI收入的跨越式增长并推动公司价值重估 [2][18][19] 云与AI业务 - 阿里云截至2026财年2月底的外部商业化收入突破1000亿元人民币 [2][5] - 公司目标在未来五年内 将包含MaaS在内的云和AI商业化年收入提升至1000亿美元 这意味着年复合增长率将超过40% [3][4][5][7] - 过去三个月 百炼MaaS平台的Token消耗规模激增了6倍 MaaS收入预计将成为阿里云最大的收入产品 [2][7] - 公司认为AI Agent将在2026年迎来爆发元年 并为此成立了Alibaba Token Hub事业群 旨在通过Token Hub全面服务AGI时代指数级增长的AI需求 [7] - 公司的全栈AI能力是其实现千亿美元收入目标的底气 布局涵盖基础设施、芯片、云、MaaS平台及大模型应用 [8][9] - 摩根士丹利研报将阿里巴巴上调为AI行业首选 认为其与谷歌是全球唯二在大模型、云和芯片三大领域均具备顶级实力的公司 [9] 平头哥与自研芯片 - 平头哥自研GPU芯片已实现规模化交付 累计交付量达47万片 [2][10] - 自研芯片为阿里构建了成本护城河 在当前全球云厂商因GPU供给短缺而集体涨价的背景下优势凸显 芯片年化收入已近百亿元人民币 [11] - 管理层首次对外表示 不排除未来为平头哥进行对外融资或支持其独立上市 以反映优质资产价值 市场给予其估值最高达860亿美元 [13][14] 淘宝闪购业务 - 淘宝闪购在市场份额提升的同时 实现了单位经济效益显著改善 且减亏幅度大于竞争对手 [16] - 过去一年 闪购业务拉动电商大盘年度活跃买家增长1.5亿 实物电商年度活跃买家增长1亿 后者增量超过过去三年总和 [16] - 公司维持2028财年即时零售整体交易规模过万亿元人民币的目标不变 并预计在2029财年实现该板块的整体盈利 [3][16][17] - 闪购业务已成为淘天电商板块的基石性业务 对新用户ARPU和购买频次提升、以及食品生鲜等品类的增长拉动明显 [16]

AI Agent的技术定位与产业发展阶段 - 当前AI产业的发展处于“预期膨胀的顶峰期”，OpenClaw和AI Agent本质上是围绕技术讲故事，从技术到产品仍有相当长距离[6] - 类比互联网泡沫期，泡沫能孵化出优秀的技术、商业模式和公司，如同火箭推进器，快速推动技术发展，泡沫破裂后将进入“幻灭期”，随后技术成熟并被普遍使用[6] - OpenClaw与AI Agent并非同一代技术，OpenClaw更极端，它赋予了AI工具执行能力，能直接操控电脑、下单、写文章等，是AI Agent的进一步延伸[8] - 产业已开始关注为AI准备数据的相关领域，包括数据后处理、预处理、标注、合成数据等[8] - 未来AI将进入“启蒙期”，届时大众不再过度讨论，AI要么成功落地，要么就此消亡[9] AI Agent作为未来需求入口的商业范式变革 - AI Agent将成为未来一切需求的入口，用户将不再逐个打开APP，而是通过向AI Agent表达需求来调用各种应用完成任务[9] - 商业模式将从移动互联网时代的“人找服务”转变为“服务被AI Agent调用”[9] - 智能手机时代的数据由各平台分散收集，而AI时代数据很可能集中到一个AI Agent上，使其成为最了解用户的数字系统[9][10] - 这种集中化引出了隐私让渡与责任界定的核心问题[9] AI Agent时代的隐私、伦理与责任挑战 - AI Agent时代个体的隐私权可能不再由自己掌控，为了获得AI带来的颠覆性好处（如疾病治疗），用户可能需要让渡包括生活作息、基因信息等在内的全部隐私数据[12] - 用户对隐私让渡的接受度取决于两个核心因素：一是能获得的实际好处，二是掌控AI技术的企业是否具备足够的可信度[14] - 理想的隐私与数据治理机制核心是实现“数据获取与收益对等”，每一次隐私数据的让渡都必须让贡献者获得高于让渡成本的实际回报，且数据获取必须有明确目的性与相关性[14] - 责任界定是更复杂的核心问题，AI Agent可能的发展范式包括“一家企业垄断入口”和“统一入口+多元应用生态”，从治理角度看后者更健康，便于国家适度管控和不同公司分场景承担责任[15] - 当AI替代工厂所有管理人员并掌握控制权时，工厂的实际运营主体和责任归属将面临界定难题[12] 从ESG框架看AI Agent对企业治理的重塑 - AI治理应作为横跨环境（E）、社会（S）与治理（G）三大维度的复合议题来理解，而非ESG之外的第四支柱[19] - 对于深度部署AI Agent的企业，其治理问题可能演变为具有财务实质性的风险与机遇，有必要纳入ESG视野[19] - 企业治理重点必须从传统的数据安全、模型准确性前移到行为约束、权限边界、问责机制、人类监督等方面[20] - 企业责任边界从关注“输出结果”延伸到关注“行为过程”，必须对AI Agent如何行动、在何种权限下行动、是否触发高风险决策等负责[21] 1. AI治理不仅是技术控制问题，也是涉及社会影响与基本权利保障的责任议题，关涉员工公平、数据隐私、算法歧视、消费者知情权等[21] 2. AI Agent为企业打开了新的风险传导渠道，可能放大网络安全风险、权限失控、虚假信息传播等风险，应纳入企业整体风险管理体系协同处理[21] 3. AI既可能是ESG风险源（如高能耗、劳动力替代压力），也可能是ESG价值创造工具（如气候建模、资源效率提升），关键在于企业在什么治理条件下使用AI以及能否形成净的可持续价值[22] AI治理在ESG各维度的具体实践 - 在治理（G）层面：企业需明确AI的治理架构与责任归属，包括董事会的监督职责、管理层对部署与审查的管理职责，以及各部门间的分工边界[25] - 在社会（S）层面：重点应放在AI对人的实际影响上，包括偏见测试、员工影响评估、数据权益保护、建立申诉与补救机制等，许多议题（如算法歧视）需要交叉治理而非分栏管理[25] - 在环境（E）层面：企业应同时衡量AI的环境足迹（如训练推理能耗、硬件生命周期）与环境效益（如帮助其他业务环节减排），AI不能因“数字化”标签自动被视为绿色[25] - AI Agent正在推动ESG治理更加关注行为本身、系统逻辑及长期影响，企业责任边界扩展到管理那些代表企业行动的半自主数字系统的行为[26]