文章核心观点 - 智能体（Agent）浪潮正引发SaaS行业的颠覆性变革，其核心是人机交互模式从“人单向操作系统”转变为“人与数字员工协同” [4][9][11] - SaaS行业若不进行智能变革，将被时代颠覆，但SaaS在五年内大概率不会消亡，而是会经历向嵌入式、局部性智能应用的转型 [4][5][14] - 智能体对SaaS业务流程的全面改造是渐进式的，在To B领域相对缓慢，全面升级可能需要2年到5年时间 [3][5][22] - 数据是SaaS厂商在Agent浪潮下的核心资产与生存关键，构建基于私域数据的高价值数据集是形成竞争力的核心 [7][27][30] SaaS行业面临的智能变革与未来形态 - 技术演变导致数字世界入口不断变化：软件时代是操作系统，PC互联网时代是门户与搜索引擎，移动互联网时代是App，云计算时代是SaaS，而智能时代人机交互范式将再次变革 [4][9] - 未来SaaS产品形态将演变：一部分保留传统必要界面，一部分承载业务流程，其余则由一组组专业化智能体构成 [5][14] - 人机协同模式将根本改变：从“人操作界面调用数据”变为“人向智能体下达指令，智能体自主完成工作并交付业务结果” [5][10][11] - 工作负载分配将逐步演化：从当前人类主宰80%、智能体辅助20%，向人类负责10%-20%指令、智能体承担80%-90%工作负载转变，最终实现全面由智能体主宰 [5][11] 智能体驱动的SaaS核心变化 - **技术层面**：真正的智能体具备记忆、任务规划、工具调用、数据应用及动态交付结果的能力，例如从人工静态生成报告变为智能体主动扫描风险并生成动态报告 [12] - **商业模式**：付费模式将从固定订阅转向更多按量、按结果付费，例如百望的智能体已采用按MCP调用次数收费，未来可能出现按业务价值分成等多种模式 [13] - **产品区别**：智能体驱动的SaaS将业务流程从“流程化作业”转向采用A2A（智能体互通协议）与MCP（模型上下文协议）的协同模式 [21] 智能体在SaaS领域的应用落地与挑战 - **应用场景**：在制造业，一个人带着四五个不同角色的智能体可替代原来需要一个项目经理带三四个专业工种团队的工作 [11]；在财税领域，智能体可完成凭证处理、记账、报税等重复手工劳动，释放生产力 [11] - **落地路径**：从实际应用看，渐进式创新更为现实，先在现有业务流程引入智能体以减轻人力、降本增效，再逐渐推展 [5][22] - **主要挑战**：在专业性强的“严肃”行业（如金融、财税），因受监管规定和业务流程SOP约束，变革进程会更慢 [6][22]；智能体面临与公有云发展初期类似的安全顾虑，在国企、金融机构的部署受到较多监管限制 [8][26] - **责任界定**：AI执行任务出错的责任归属问题，在法律和业务落地层面仍需论证 [24] 国内外市场差异与竞争格局 - **资本投入**：中国在大模型、智能体浪潮中获得的全球风投资金非常有限，2024年底数据显示中国大概只有美国的7% [18] - **竞争态势**：国内市场更“卷”，倒逼企业追求极致性价比和技术内核优化，可能卷到毛利率下滑，但也加速了前沿技术的普适化与平权化 [16][18] - **技术生态**：开源成为国内厂商关键突破点，如通义千问、DeepSeek等开源产品在全球获得认可，是中国技术全球化的重要因素 [19] - **企业类型**：颠覆性创新更多来自新一代AI原生企业，它们更激进，想推翻原有作业模式；而传统SaaS巨头（如SAP、Salesforce、微软）多在现有产品中通过插件形式增强能力 [6][25] SaaS厂商的转型战略与核心竞争力 - **核心资产**：数据是SaaS厂商的核心竞争力，例如财税SaaS的核心价值在于掌握的交易级数据 [7][27] - **转型必要性**：中国的SaaS厂商没有一家可以在原地生存，必须贴合自身业务DNA进行转型 [7][26] - **战略路径**：以百望为例，其发展曲线是分层战略：最底层是税控设备，依托其拓展电子发票业务，通过电子发票沉淀数据资产，再基于数据构建智能体护城河 [7][27] - **数据应用**：关键在于将私域数据提炼成高价值数据集，为垂类大模型和场景化智能体提供支撑，例如百望利用发票数据开发汽车经销商监控服务，形成数据驱动的ARR业务 [7][28][30] 智能体对SaaS行业的长远影响 - **行业内卷**：智能体可能加剧市场竞争，导致毛利率下滑，但当竞争使技术变成“白菜价”时，恰恰是千行百业实现全面智能化的时代 [16] - **中外差异**：中国SaaS盈利困难部分因客户偏好本地化部署和定制化开发，智能体化转型不一定能打破此困境，因为智能体本身也面临非标品化挑战 [20] - **未来演进**：人类目前仍在扮演“大脑”指挥官角色，如果“大脑”角色被替代，人类可能进入硅基时代，成为智能体的附属劳动力而非大脑 [21]

文章核心观点 - AI正从单一功能插件蜕变为可靠、高效且经济的底层系统能力，成为硬件的“默认能力”而非“可选功能”，开启了向现实世界的“大迁徙”[3][4][9][11] - 行业驱动力正从“模型炫技”转向“系统工程”，工程化能力的成熟彻底扭转了行业格局，极大加快了创新节奏[9][11] - 阿里云通义千问通过提供标准化、全栈的AI能力，正成为AI硬件的“通用底座”，降低了行业门槛并推动了规模化落地[10][14][16][21] AI硬件产业的现状与转折 - **展会盛况与产业信号**：2026年初的阿里云通义智能硬件展汇聚了超200家主流硬件厂商，覆盖AI眼镜、手机、汽车、机器人、芯片、出海新锐及玩具等多个领域[3]，展示了跨越76个品类、超过1000款接入大模型（千问）的智能设备，标志着大模型正通过硬件向现实世界迁移[4] - **历史困境与当前突破**：过去十年AI硬件多次陷入“概念先行、落地遇冷”的怪圈，受限于模型能力不可控、商业逻辑难闭环及工程复杂度过高三大难题[7][8]，当前转折点已至，行业驱动力转向“系统工程”，AI成为可靠的底层系统能力[9] - **市场规模**：中国AI硬件市场规模已突破1.1万亿元，标志着AI硬件正式从概念探索迈入规模化落地的新阶段[12] 工程化能力如何改变行业 - **提供标准化开发套件**：阿里云提供了多模态交互开发套件，将核心大模型能力与交互技术深度整合成标准化“智能基座”，并广泛适配超30款主流芯片，大幅降低了硬件选型与适配门槛[10] - **降低风险与加速创新**：厂商可直接调用稳定、优化过的能力，将技术风险转化为可控的工程集成，开发者得以快速组合功能，聚焦应用创新[11]，这使AI从“卖点”升级为“门槛”[11] - **加速产业链响应**：工程化成熟极大加快了行业创新节奏，在深圳华强北，AI化已可“上午提需求，下午调参数，明天量产”，华强北正加速向AI硬件创新中心转型，相关入驻企业超过350家[11] - **引发“存量革命”**：大模型能力标准化、工程化后，影响迅速从前沿品类蔓延至全行业，一场“存量革命”正在传统硬件领域展开[12] 阿里云通义千问作为“通用底座”的竞争力 - **全栈AI能力与战略定位**：阿里云凭借多年构建的全栈AI能力（覆盖模型、算力、工程平台与生态体系）系统性地解决了AI硬件落地痛点[16]，其战略是将千问打造为“AI时代的操作系统”，与AWS、Azure、GCP等全球巨头竞争生态高地[14] - **“全尺寸”与“全模态”模型矩阵**：千问提供了从云端超大规模参数模型到端侧轻量模型的完整梯队，为千差万别的硬件形态提供极致灵活性[17]，同时具备对视觉、语音等多模态信息的认知能力，为硬件装上理解世界的“眼睛”和“耳朵”[17] - **底层算力与云端协同**：底层算力与云端协同是千问规模化落地的基础保障[18] - **开源策略与生态构建**：千问通过开源实现“技术降权”，将产品定义权交还给产品专家，降低了研发门槛[19]，其衍生模型数量已突破18万，全球下载量超7亿次，据彭博统计已超越Meta的Llama成为全球第一AI开源模型[19]，开源生态形成了从“用模型”到“用云”的良性循环[19] - **行业权威认可**：Gartner报告显示，阿里云在GenAI云基础设施、工程、模型及应用四大维度均跻身新兴领导者象限，是唯一入选全部四项的亚太厂商[20] AI硬件发展的未来产业影响 - **AI从数字世界走向物理世界**：超1000款智能硬件接入千问是一个清晰信号，表明AI正在通过智能硬件这一关键入口深度连接现实世界[23] - **形成感知与进化的闭环**：分布在家庭、出行与生产场景中的智能硬件持续感知环境、生成数据，推动模型理解物理规律和人类行为逻辑，而进化的模型又反过来驱动硬件变得更智能，形成加速演进的闭环[23] - **创新重心转移**：技术逐渐退居幕后，智能成为硬件的默认能力，创新从写字楼下沉到工厂车间，真正走向前台的是产品定义与工程实现[23] - **通向ASI的现实路径**：当各类智能硬件规模化普及，AI将不再只是信息处理工具，而是通过无数物理入口持续学习与进化，这正是通向ASI（人工通用智能）的现实路径[23]，此刻被视为“AI走向物理世界的Android时刻”[24]

文章核心观点 - 英伟达以200亿美元收购推理芯片公司Groq，其核心战略意图是获取其创始人Jonathan Ross及其团队，以及其独创的LPU技术，旨在快速补齐公司在AI推理市场的短板，巩固并扩大其行业主导地位 [2][5][6] 重金收编的核心是什么？ - 交易本质是“收购式招聘”的升级版，以技术授权名义实现“人才+技术”双收，用最小监管风险获取核心战略资产 [5] - 支付总额200亿美元中，130亿即时到账，剩余部分包含核心员工股权激励，创始人Jonathan Ross个人获得数亿美元英伟达股权，团队核心成员及芯片设计、编译器开发等核心资产尽数归入英伟达 [5] - 收购的核心人物Jonathan Ross是谷歌初代TPU核心设计者，其创立的Groq所开发的LPU芯片在LLM推理上速度比英伟达GPU快10倍，成本与功耗均仅为1/10 [6] - LPU架构采用全片上SRAM设计，片上带宽达80TB/s，是英伟达Blackwell B300的HBM带宽8TB/s的10倍，旨在消除数据搬运延迟 [6] - 此次收购是英伟达“技术补位+生态垄断”并购战略的延续，其底气来自充沛的现金流，仅2026财年Q3自由现金流就达220.89亿美元 [8] 为什么是Groq？ - 全球仅谷歌和Groq两个团队掌握TPU架构技术，收购Groq补齐了英伟达在该技术路线上的短板 [10] - LPU专注于推理场景，其“顺序延迟优先”的技术路线源于Jonathan Ross的TPU开发经验，旨在解决低延迟、高能效、低成本的核心需求 [10] - 实测数据显示，Groq LPU运行Llama 3.3 70B模型时token生成速度达284 tokens/s，首token响应时间仅0.22秒，运行MoE模型时突破460 tokens/s [12] - 极致性能为Groq赢得沙特王国15亿美元的业务承诺资金 [17] - 英伟达现有H200、B300等推理芯片仍是GPU架构改良，未能突破冯·诺依曼架构局限，而谷歌TPU、AMD MI300等竞争对手均在专用推理架构上发力 [17] - 面临Meta、谷歌等大客户寻求算力多元化及Anthropic接入100万个谷歌TPU的竞争压力，收购成为英伟达抢占推理高地、留住客户的最优解 [17] - Groq代表的“去GPU化”技术路线可能颠覆产业，其可重构架构无需CUDA生态，采用GlobalFoundries和三星代工，不占用台积电稀缺的CoWoS产能，大幅降低AI芯片生产门槛 [17] 推理市场变天？ - 收购后，英伟达计划将LPU作为专用DAC硬件单元嵌入CUDA生态系统，保持CUDA编程通用性，短期通过NVFusion快速集成，长期在底层架构和编译器层面实现协同设计 [19] - 不同推理场景需求各异，推理芯片架构将呈现多样化趋势 [20] - 业内人士爆料，英伟达下一代Feynman GPU或于2028年集成Groq的LPU单元，采用类似AMD X3D的独立芯片堆叠设计，利用台积电SoIC混合键合技术 [20] - 由于在先进制程上构建SRAM成本高昂，可能将LPU单元堆叠到主Feynman芯片上，利用台积电A16制程的背面供电功能确保低延迟 [21] - 在CUDA生态中集成LPU风格执行面临工程挑战，需要“工程奇迹”来确保LPU-GPU环境充分优化 [21]

AI与机器人技术 - 千寻智能开源自研VLA模型Spirit v1.5，在RoboChallenge的Table30榜单上超越之前最强模型pi0.5登顶[4] - Spirit v1.5在单/双臂多种构型下展现出卓越的3D定位、抗遮挡及长序列任务处理能力，解决了pi0.5无法应对的复杂物理交互问题[6] - 深度求索（DeepSeek）预计将在农历新年前后推出新一代旗舰AI模型V4，内部测试显示其在代码生成领域表现优于Anthropic Claude和OpenAI GPT系列[11] - V4模型在超长代码提示词处理与解析方面实现技术突破，且训练全流程中对数据模式的理解能力得到优化，未出现性能衰减[12] - 腾讯新任首席AI科学家姚顺雨指出，AI在To C和To B领域的应用落地分化明显，Claude Code已在重塑整个计算机行业的做事方式[24][25] 汽车行业动态 - 前比亚迪腾势品牌总经理赵长江转发余承东关于智界V9的微博并高度评价，其微博IP地址显示为安徽，为加盟奇瑞与华为合作的智界品牌传闻增添可信度[16] - 比亚迪旗下新增全新汽车品牌“领汇”，该品牌主要面向B端市场，整合原对公事业部e系列车型，旨在推动公司高端化战略[18] - 2025年比亚迪全年累计销量超过460万辆，同比增长7.73%，其中定位高端的腾势品牌年销量约18万辆[18] - 网传大众迈腾380豪华版裸车价12.99万元，但4S店销售称该价格不可能，实际开票价约15.7万元，落地价17万多元，网传信息疑似不良商家低价引流套路[22] - 吉利控股正考虑向美国市场扩张，极氪和领克等品牌或是首选，公司可能在未来24至36个月内发布相关计划[40] 消费电子与互联网应用 - 一款针对独居人群的应用“死了么”爆红，冲至苹果AppStore付费下载榜第一，付费人数翻了200倍，估值达1000万元[8] - 由于技术壁垒不高，模仿者迅速入场，一款功能相似的“活了么”App已上架并提供免费下载[9] - 魅族因内存价格大幅上涨，取消了魅族22 Air的上市计划，并预告年度旗舰魅族23将不再采用白色前面板[32][33] - 发布15年的iPhone 4因在TikTok上被视为时尚怀旧象征而需求激增近1000%，但其运行的旧版iOS存在重大数字安全风险[48][49][50] - Instagram发生大规模数据泄露，近1750万用户的全名、电子邮件、电话号码及位置信息被泄露，但密码未被暴露[45] 企业战略与资本市场 - 半导体设备公司中微公司董事长尹志尧因从外籍恢复中国籍需办理税务事宜，计划减持不超过29万股公司股份，按股价计算市值约9764万元[28] - 拼多多为2026年春节加班设置阶梯式薪资补贴，除夕至初三期间报酬为当日工资3倍并含每日保底400元补贴，员工春节加班综合收入可达4900元至11000元以上[31] - 原小米高管王腾成立新公司“今日宜休”，已收到上百份简历，薪资对标大厂，公司初期重点组建产品研发团队，主要研发睡眠健康相关产品[37][38] - 移动电源品牌罗马仕遭供应商创益通起诉，一审被判支付拖欠货款1271.15万元及相应利息，此前亦曾被另一上市公司起诉追讨涉案金额1.36亿元的货款[40][41] - Anthropic正筹备以3500亿美元估值进行新一轮100亿美元融资，三个月前其估值为1830亿美元[54] 国际科技与监管 - 埃隆·马斯克宣布其社交媒体平台X将在七天内开源其核心推荐算法，并承诺每四周更新一次开源代码，此举被视为对监管压力的回应[43] - 因担心AI生成色情内容，印度尼西亚暂时封禁了马斯克旗下xAI的聊天机器人Grok，成为第一个拒绝访问该工具的国家[44] - 美国商务部撤销了一项旨在限制中国制造无人机进口的计划，而此前美国联邦通信委员会（FCC）已将大疆等列入“受管制清单”[36][37] - 印度拟出台安全措施要求智能手机制造商向政府共享源代码，引发苹果、三星等科技巨头私下反对[48] - 英伟达任命谷歌云业务资深高管Alison Wagonfeld出任公司首位首席营销官，以在AI需求高涨背景下系统化升级品牌与市场体系[53]

文章核心观点 - 公司在2026年CES上首次系统性地展示了其“全屋智能生态”，产品覆盖超过150款，标志着其从清洁电器单品公司向智能家居生态品牌的战略升级 [2] - 公司通过“技术生态化”与“生态本地化”的双轮驱动模式，在全球市场快速扩张，其核心竞争力建立在智能算法、高速数字马达和仿生机械臂三大技术底座上，并形成了“技术研发-产品创新-本地化落地”的闭环 [28][29][38] 扫地机品类发展 - 2025-2026年清洁电器行业的核心博弈点聚焦于“扫洗合一”，推动扫地机品类向“机器人洗地化”与“洗地机机器人化”两个方向延伸 [6] - “机器人洗地化”路径存在短板：湿垃圾处理易导致清洁效果打折和异味滋生，水箱容量有限导致重污场景清洁效果不佳，圆形机身结构存在清洁死角 [7] - 公司2025年发布的X60系列实现了两大突破：机身厚度压缩至7.95厘米，能自由进出床底、沙发底等低矮空间，显著提升了清洁覆盖率 [9][10][11] - X60系列搭载“超广角双目灵动导航避障系统”，能对房间进行实时三维建模，识别超过280种常见障碍物，并实现0.1秒级的动态避障反应，解决了传统扫地机的避障痛点 [12][13] 洗地机品类发展 - 行业面临参数内卷困境，公司认为洗地机成为家庭刚需需解决“零死角”、“零维护”、“零负担”三大核心问题 [15][16][17] - 公司产品布局采用“用户需求分层+场景精准覆盖”策略：中国市场T系列主打尖端科技和新体验，H系列主打极致清洁和重污场景 [17][19][20] - T60 Ultra以9.85厘米的躺平高度刷新行业纪录，其AI「双刮洗」机械臂能彻底清除顽固污渍，该产品上市两个月便登顶双十一3000元+价位段销量冠军，带动公司高端洗地机市占率跃居行业第一 [19][26] - 针对北美地毯环境，公司推出H15 CarpetFlex洗地机，通过更换滚刷实现地板与地毯清洁模式切换，该产品在亚马逊获得全五星评价 [23][24] - 在洗地机市场普及率仅5%的背景下，公司洗地机销量表现处于行业遥遥领先的位置 [26] 全屋智能生态与全球化战略 - 公司的全屋智能生态建立在智能算法、高速数字马达和仿生机械臂三大技术底座上，形成“技术生态池”，实现了技术在不同产品间的复用 [28] - 截至2025年底，公司拥有8000余件全球专利申请（3000余件已授权），技术复利效应是其全球化快速扩张的核心密码 [29] - 公司建立了用户共创机制，每年举办数十场线下沟通会，与超万名用户深度交流，其上市新品中80%-90%的功能源自用户集体选择 [32] - 公司实施深度本地化战略，拒绝简单产品出口，在重点国家和地区建立涵盖研发、渠道、市场、售后的“百事通团队” [33][34] - 渠道本地化案例：在欧洲与Boulanger、Coolblue等本地连锁渠道商合作；在美国入驻Target，并于2025年在洛杉矶、纽约开设旗舰店以提升高端用户转化率 [34][35] - 产品本地化案例：针对北美开发Aero系列洗地机，针对欧洲推出可拆卸电池机型，针对东南亚强化设备防潮性能 [35] - 公司通过自建工厂实现核心部件自主生产，保障技术领先性与成本控制，以“技术溢价+供应链优势”应对市场竞争，坚持不参与低价竞争 [37] - 公司业务已从中国市场扩展至全球120个国家 [38]

文章核心观点 - AI PC的增长在预期之内，而端边侧推理正在打开一个难以估量的新市场 [1] - 英特尔通过其基于Intel 18A制程的第三代酷睿Ultra处理器平台，旨在同时巩固AI PC市场的领导力并抓住万亿级别的端侧AI推理市场机遇 [4][29] PC处理器市场竞争格局与英特尔策略 - PC处理器市场迎来混战，苹果M系列重塑能效认知，AMD加强攻势，AI PC概念兴起给英特尔带来竞争压力 [2] - 英特尔将兼具高性能和高能效的新一代AI PC平台（第三代酷睿Ultra，代号Panther Lake）视为保持市场领导力的关键 [2] - 英特尔在CES 2026期间宣布，基于Intel 18A制程的首款产品已成功出货，且第三代酷睿Ultra系列芯片封装全部达成量产 [2] - Intel 18A的量产是英特尔在AI PC市场保持领导力的基石，联想、戴尔、华硕、微星等OEM厂商已展出搭载第三代酷睿Ultra的笔记本 [4] - 英特尔首次同时推出面向PC和工业市场的第三代酷睿Ultra平台，反映出其比竞争对手更快瞄准了万亿级别的AI推理大市场 [4] Intel 18A制程技术与量产进展 - Intel 18A是全球首个采用RibbonFET（全环绕栅极晶体管）和PowerVia（背面供电）技术的代工节点 [5] - PowerVia技术可使制程实现高达15%的每瓦性能提升与高达30%的芯片密度提升 [5] - 英特尔副总裁高嵩表示，目前Intel 18A产能爬坡符合预期 [6] - 采用Intel 18A的第三代酷睿Ultra平台性能提升幅度高达60%，功耗降低40% [6] 第三代酷睿Ultra的高能效与长续航表现 - 第三代酷睿Ultra的续航表现已可以按天计算，测试机型可实现长达27小时的续航时间 [5][6] - OEM厂商确认，搭载第三代酷睿Ultra的新款长续航笔记本续航在24-27小时之间，高性能及双屏幕形态笔记本续航也超过12小时 [8] - 实现长续航的关键技术是低功耗岛设计，包含4个能效核与专属4MB缓存 [10] - 在典型商务办公场景中，超过80%的时间负载可完全运行在低功耗岛内，显著提升实际续航 [10] - 第三代酷睿Ultra借助AI技术进行更精细化的功耗控制，使能效优势完全发挥 [10] - 软件层面的深度优化，如线程调度器智能分配负载至性能核、能效核与低功耗能效核，与OEM、微软等合作伙伴协同推进，是实现最佳体验的关键 [10][11] 第三代酷睿Ultra的高性能与游戏表现 - 集成的全新锐炫GPU B390（12Xe）提供最多12个Xe核心，拥有两倍缓存，相比上一代性能提升高达77% [11] - 锐炫B390 GPU内置96个XMX AI加速器，可提供高达120 TOPS的GPU性能，AI推理性能提升53% [11] - 相比相似功耗和内存配置的同级别产品，锐炫B390 GPU能够带来平均超过70%的更高帧率，部分游戏实现高达2倍的速度提升 [13] - 艺电（EA）高管对《战地6》在第三代酷睿Ultra上的性能表现感到震撼 [15] - 第三代酷睿Ultra中全新的锐炫显卡将成为首个Day 0支持基于AI的多帧生成技术的集成显卡，每渲染一帧可生成多达三帧的AI帧 [16] - 英特尔工程团队去年与开发者就300多款预发布游戏进行了合作，并支持了50个Day 0驱动发布 [17] - 高性能和高能效使该平台能够突破笔记本边界，推出完整的手持游戏平台 [17] 端侧/边缘AI推理市场的机遇与布局 - 相比传统PC存量市场，物理AI（端侧/边缘AI）蕴含着更大的想象空间 [17] - AI芯片从业者指出，对隐私有强烈诉求的场景（如会议、智能家居、AI NAS）及对即时响应要求更高的应用（如汽车、具身智能），对端侧AI芯片的需求明显增强 [19] - 谁能更早在2026年之前推出成熟、可规模化落地的端侧AI产品，谁就更有机会抓住AI推理大爆发的时间窗口 [20] - 英特尔策略转变，首次同时面向PC与工业等边缘场景推出新产品，并推动客户端与边缘同步推进 [21] - 英特尔已在全球和中国区完成组织架构调整，将边缘计算与PC业务整合，以更好响应边缘计算动态 [23] - 工业AI是率先落地的场景之一，许多工业场景选择PC作为最具性价比的解决方案 [23] 端侧AI的实时性优势与算力配置 - 合作伙伴新智慧游戏研发的GameSkill CS职业AI教练采用全端侧方案，实现了毫秒级的推理输出响应速度，满足了电竞游戏对AI反应速度的苛刻要求 [24][26] - 该方案使用4B、8B多模态模型，在16GB显存及酷睿Ultra芯片的XPU架构支持下，可在端侧流畅运行且不产生额外推理成本 [26] - Perplexity AI CEO指出，本地化计算因性能、隐私、安全、经济性及企业权限等因素变得越来越重要 [26] - 第三代酷睿Ultra的CPU提供10TOPS算力，NPU5提供50TOPS算力，GPU提供120TOPS算力，平台总AI算力高达180TOPS [28] - 英特尔提供灵活的算力选择：CPU适合快速开发和即时响应，GPU（12Xe）提供高性能，NPU强调能效 [28] - 软实力方面，英特尔有200家ISV合作伙伴，共同开发了500项功能，其中许多基于NPU实现低功耗AI应用 [28] 产品覆盖与市场展望 - 第三代酷睿Ultra有200种产品设计，覆盖高性能游戏本、商用vPro、移动工作站、机器人和工业AI设备，是英特尔有史以来覆盖范围最广的AI PC平台 [17] - 第三代酷睿Ultra可能是英特尔PC级别处理器实现出货量跃升的开始，并有机会成为物理AI爆发浪潮里的核心 [19] - 2026年被视为PC发展和英特尔的关键一年，Intel 18A量产和全新架构设计使第三代酷睿Ultra具备高能效、高性能和强大AI算力，有望在AI PC、游戏掌机及AI推理市场抓住时代机遇 [29]

文章核心观点 - 公司2025年业绩创下多项纪录，新能源与出口业务高速增长，标志着其多年技术深耕进入“兑现期”，并成功转型为传统车企向新能源与智能化转型的范本 [2][3][4] - 公司通过“油电同智”等差异化战略，在智能化领域实现弯道超车，并构建了覆盖多能源路径、全球研发网络及“超级技术货架”的体系化能力，为下一个“黄金十年”奠定基础 [12][15][17][18] 从默默耕耘，到站稳脚跟 - 2025年公司全年累计销量280.6万辆，同比增长7.8% [2] - 2025年新能源累计销量903,847辆，同比增长54.9%，增速达到行业平均增速的两倍以上 [2][6] - 2025年出口累计1,344,020辆，同比增长17.4%，创下中国车企单月、年度、累计出口三项记录，连续23年位居中国品牌乘用车出口第一 [2][3] - 公司坚持燃油、混动、增程、纯电、氢能多路径协同发展，构建了包括鲲鹏天擎混动专用发动机（热效率超48%）、C-DM 6.0高效混动专用发动机、无级超级电混DHT、2.0T增程专用发动机、犀牛固态电池与智能兆瓦快充技术在内的全能源形式技术矩阵 [7] - 旗下五大品牌产品矩阵覆盖10万至40万元全价格带及多元场景，星途、iCAR与智界三大品牌合计贡献近31万辆销量，其中iCAR与智界2025年累计销量超18万辆，增长率超过50% [9] “全栈可控”，奇瑞智驾弯道超车 - 公司是智能驾驶领域的“长期主义”者，早在2010年便开始研发智能互联技术，2015年第一代自动驾驶汽车已上路 [13] - 2024年4月，公司宣布未来五年将投入200亿用于智能化转型 [13] - 2025年3月，公司推出“猎鹰智驾”系统，划分为猎鹰500、700、900三个档位，其中猎鹰500将高阶智驾下放至10万级以下车型，最低价位的纯电A级车小蚂蚁智能驾驶版价格下探至6.59万元 [12][13] - 2025年5月，公司整合旗下智能化业务成立“奇瑞智能化中心”，构建覆盖“硬件-算法-数据-软件-生态”的全链路研发闭环 [14] - 2025年9月，公司发布“中国新燃油”战略，宣布自2025年起全系燃油车与新能源车型将搭载猎鹰智驾，实现“油电同智” [15] 奇瑞的下一个“黄金十年” - 公司规划了三条“增长曲线”：第一曲线为乘商汽车主业；第二曲线为备件、金融、软件订阅、绿能等未来科技；第三曲线为向Robotaxi、人形机器人等方向延伸 [16] - 公司通过全球“1+7+N”研发中心（覆盖德国、西班牙、巴西、日本等地）建立了超3万人的研发团队，其中软件研发人员超万人 [17] - 内部设立“瑶光实验室”集群，聚焦火星架构、鲲鹏动力、灵犀智舱、猎鹰智驾、银河生态五大领域；外部设立“开阳实验室”集群，与全国100多所顶尖高校合作 [17] - “超级技术货架”已覆盖5大技术领域、17个技术模块、400+货架，2025年发布了10+项行业领先核心技术 [18] - 在人形机器人领域快速推进，2025年1月成立机器人公司，4月交付首批人形机器人“墨茵”，12月完成千台机器狗交付 [18] - 机器人业务积累的感知、决策与控制技术将反哺汽车向“智能移动终端”演进，形成“研发-落地-反哺”的闭环 [18][19]

文章核心观点 - 亚马逊推出GWD仓新模式，旨在通过简化物流链条、降低卖家出海门槛以应对Temu等全托管平台的竞争，但该模式存在高准入门槛、隐性成本及复杂的合规要求，可能主要服务于成熟品牌卖家而非普惠中小卖家[2][3][5][7][11] GWD模式概述与定位 - GWD仓是亚马逊推出的物流新举措，首个仓位于深圳盐田港，可能以保税仓形式运营，头程海运为主，后半段由AGL负责承运[2] - 该模式将原本在海外进行的仓储、清关准备、跨境分拨等环节前置到深圳完成，卖家只需将货送至深圳，后续由亚马逊负责调拨至全球各站点并完成配送，大幅简化了跨境物流流程[3] - GWD本质上是一个“前置仓”体系，目标是将货物集中到全球节点再分拨至不同国家和地区，尤其有助于弥补墨西哥、巴西、中东等新兴站点当地仓配能力的不足[7] 推出背景与竞争压力 - GWD的推出是为了应对中国卖家出海的核心痛点：测品成本、海外备货和多站点试错门槛过高[3] - Temu、SHEIN、TikTok、速卖通等平台的全托管模式以低成本试错（如十几件货测市场）和简单操作（卖家仅供货至国内仓）分流了大量原本属于亚马逊的卖家与供给[4] - Temu全球全托管业务占比已接近80%，其在美国推进的Y2模式在部分品类GMV占比接近45%[4] - 亚马逊内部为应对竞争推出的“低价商城”项目因招商政策摇摆、目标不清晰而未达预期，目前基本仅维持现有盘子运转[4] - GWD被视为继低价商城后，亚马逊提供的又一个降低卖家出海门槛的解决方案，让卖家能以更小投入测品和验证多国需求[5] 准入门槛与目标卖家 - GWD首批内测采用官方定向邀请制，全国名额仅约30个，设置较高申请门槛[7] - 申请门槛包括：拥有信誉良好的美国站账户、持有有效的AGL账户、货源或发货地靠近深圳、单账户年销售额最好不低于220万美金[7] - 综合来看，GWD更可能被合规程度高、供应链成熟的品牌型卖家率先采用，这类卖家在税务、申报和清关环节更规范，且有稳定的备货计划[11] - GWD并非“普惠型”物流产品，很难从根本上改变产业带卖家对跨境复杂性的感知，货权仍在卖家手上意味着报关、清关责任依然由卖家承担[10][11] 潜在成本、时效与挑战 - 在费用层面，GWD定价逻辑可能参考AGL，AGL因需向以星、马士基等船公司采购舱位而市场价格不低，GWD预计不会走低价竞争路线，而是提供标准化、可预测的成本结构[8] - 在时效方面，业内人士判断整体在35-45天之间，但在旺季仓间流转可能拥堵，参考AWD转FBA在旺季能走一个多月[9] - 清关与合规问题影响直接，亚马逊禁止“双清包税”，卖家需选择自税模式，过去常见的低申报、瞒报等操作空间被压缩[10] - 服务机制可能存疑，参考AGL经验，其通过系统开case处理问题、缺乏固定对接人的方式导致异常件处理效率偏低，若GWD未改善，类似问题可能再现[10] - 卖家仍需自行提交报关资料和清关信息，需要对跨境物流链条有较深理解（如规范填写单据、处理查验、划分责任等），并非“交给系统就能解决”[10][11]

公司发展历程与关键转折 - 公司前身为大疆内部2016年的第九个预研项目，编号BR1609，最初团队不足10人 [2][7] - 2017年完成产品初始化并启动首次道路测试，2018年获得深圳首批自动驾驶测试牌照 [9] - 2019年建成首座车规级工厂并与大众中国达成合作，此合作倒逼公司构建了扎实的工程落地与质量管控体系 [11] - 2021年与上汽通用五菱合作，在10万级价位的KiWi EV上实现了包括高速NOA在内的高阶功能，成功在业内建立声量 [19][21] - 2023年，因外部环境等因素，公司启动从大疆体系内的分拆独立，面临从研发部门向自负盈亏市场主体的全面重构挑战 [25] - 2024年9月27日，大疆车载事业部正式独立并更名为卓驭，同年10月14日，公司做出“删库重炼”、全面转型端到端技术路线的决绝决定 [2][3][29] 技术路线与工程理念 - 公司技术起源于大疆在无人机视觉算法和传感器融合上的积累，早期优势在于视觉算法精度 [7][9] - 公司选择了一条与行业“高算力堆料”主流相反的技术路径：从低算力、低成本切入，追求用极低成本达到让用户“安全使用、普遍觉得好用”的临界线 [18] - 公司主打的7V+32TOPS方案基于TI的TDA4-VH开发，整体成本约为5000元人民币，目标是将高速领航功能价格打到5000元以内 [19] - 公司坚持“软硬一体”的全栈式交付打法，认为这是大疆C端硬件公司基因的体现，背后是“兜底责任” [25] - 公司内部研发氛围追求极致，奉行“精兵战略”，团队规模严格控制，崇尚人效 [12] - 公司具备强大的工程化落地能力，例如在北汽极狐阿尔法T5上成功实现高难度的舱驾一体，以及将油车辅助驾驶性能做得很稳 [14][15] 向端到端技术的战略转型 - 2023年之前，基于规则的决策规划模式陷入瓶颈，解决一个问题会冒出十个新问题，工程上进入“接近悖论”的状态 [27] - 2023年12月特斯拉发布FSD V12推动行业转型后，公司从2023年下半年开始投入端到端预研，并于2024年10月14日正式决定全面转型 [28][29] - 转型决策做出时，华为、Momenta等竞争对手已在端到端技术上积累了半年多的经验，公司转型相当于在落后情况下重新起跑 [29] - 转型后技术团队进入“战时状态”，为解决纯端到端架构的因果推理模糊和低频数据不足难题，公司将架构拆解为感知融合、场景理解、决策规划三个核心模块 [29][30] - 公司通过仿真技术构建了覆盖200多种长尾场景的测试库，以虚拟数据补充真实数据的不足 [30] - 经过三个多月奋战，公司的模块化端到端架构完成了初步验证 [31] “空间智能移动基座”与多元生态布局 - 公司正构建“空间智能移动基座”，其核心是一套统一的技术架构，可向上兼容不同算力芯片平台，横向覆盖多场景应用 [34][36] - 基座实现了从TDA4中算力平台(32Tops)、8650高性能平台到8775舱驾一体平台的向上兼容，核心架构可规模化复用，降低了研发成本和周期 [36] - 在TDA4平台上，公司方案能以32Tops算力实现同级唯一的中算力城市NOA，让10万元以下的A0级电动车享受高阶智驾 [36] - 公司业务正从乘用车向商用车延伸，已与徐工、陕汽、重汽启动重卡高速NOA项目，基于基座模型仅需两个月即可完成适配，首批车型计划2026年上半年量产 [37] - 公司正联合商用车头部企业共同定义无人物流车，应用于矿山、港口等场景，并深入参与产品设计等更多环节 [39] - 在乘用车领域，公司已与9家主机厂、15个品牌合作，实现50多款车型量产搭载，还有30余款车型待量产 [39] - 2025年8月，公司携手大众打造的“满血版”IQ.Pilot系统，成为国内首个通过大众集团及两家合资公司三方联合审核A-SPICE CL2认证的供应商 [39] 行业竞争格局与公司定位 - 2018年行业竞争激烈，百度Apollo已完成超100万公里路测并发布2.0版本，地平线发布了中国首款车载智能计算方案征程1.0 [9] - 2019年，华为车BU正式成立布局全栈方案，地平线凭借与长安、理想的合作突破市场，Momenta则从L4转向L2+量产 [10] - 2023年，地平线培育算法生态推出开放平台，华为构建从芯片到系统的全栈自研能力，行业竞争白热化 [24] - 公司在五菱车型上成功落地后，其高性价比方案被华为内部列为重要对标对象，“地大华魔”成为智驾第一梯队代名词 [21] - 公司的发展哲学被概括为“务实的浪漫主义”：务实在于立足工程化落地，浪漫在于坚守“科技平权”初心和“造真正厉害的移动机器人”的理想 [40][41]

文章核心观点 - 英伟达发布下一代AI计算平台Vera Rubin（六芯组合），标志着其战略从单芯片性能竞赛转向多芯片系统协同与全栈算力基础设施升级，以应对AI推理时代的挑战并巩固市场地位[1][4][5] - 该战略转向揭示了单芯片性能红利触顶的行业现实，多芯片协同与系统设计能力成为新的竞争关键，这为国产芯片厂商在长期内提供了新的发展机遇[6][11] - Rubin平台在追求高性能与低成本的同时，其大规模落地面临动态精度调整、能源功耗与散热等多重技术与实践关卡的考验[5][13][21] 根据相关目录分别进行总结 战略转向：从芯片到系统 - 英伟达在CES 2026发布集成Vera CPU、Rubin GPU、NVLink 6交换机等六种芯片的Vera Rubin组合平台，旨在应对模型规模年增十倍、推理算力指数级膨胀等挑战[2] - 此举打破了公司过往“每代新平台不超过一两个芯片变动”的原则，是其从“AI芯片厂商”向打造“AI工厂”转型的重要一步[11] - 行业观点认为，单芯片性能红利已经触顶，通过全局设计提升综合算力、推出整机乃至集群级解决方案成为新的破局关键[6][11][12] 性能与成本优势 - 训练一个十万亿参数规模的大模型，所需集群规模仅为Blackwell系统的四分之一[10] - 在同等功耗和空间条件下，一座Vera Rubin数据中心的AI计算吞吐量预计可达基于Hopper架构数据中心的约100倍[10] - 未来大规模AI服务的token生成成本，预计能降到当前水平的十分之一左右[11] 技术挑战：动态精度调整 - Rubin GPU的AI推理浮点性能相较上一代Blackwell提升五倍，核心驱动力是NVFP4 Tensor Core对精度与吞吐率的自适应调度能力[16] - 但提高FP4精度的推理会挤压FP16、FP32等更高精度的计算资源，且精度下降对文生视频等精度敏感场景的推理质量影响显著，测试显示从FP16降到FP8效果已肉眼可见变差[5][18] - 尽管精度压缩被视为行业必经之路，但市场对于向FP4精度跨越仍存疑虑，其技术落地效果有待验证[17][18][19] 技术挑战：能源与散热 - Vera Rubin的功耗是Grace Blackwell的两倍，其液冷计算托盘使用45摄氏度温水冷却，预计能为全球数据中心总电力消耗节省约6%[5][24] - 但业内分析指出，该方案进出液温差小，核心元器件实际工作温度可能维持在八九十摄氏度，机柜故障率难以下降，集群的模型浮点运算利用率可能仅停留在30%-50%区间[5][22][23] - Rubin架构单机柜功耗门槛极高，需要专用变电站及大量非标电压、电线等配套设施，给供电系统带来压力[25] 行业影响与竞争格局 - 推理业务的核心是成本，不同于训练业务的核心是效率，在新的价值逻辑下，英伟达开始以“性价比”为抓手坚守推理市场份额[7][11] - Rubin的发布短期对国产芯片利空，但长期利好，因它表明竞争焦点转向多芯片系统协同与系统设计，国内已有不少芯片创业公司在积极布局类似技术路径[6][11][12] - 大模型推理对存储要求高，未来CXL存储、LPDDR等新型高速存储技术有望被部署到GPU周边以提升性能，这对国内存储厂商有利[12] - 英伟达试图通过软硬耦合绑定客户，但客户更倾向于软硬解耦方案，采购决策的负担与顾虑可能加重[12]