【编者按】 企业社会责任（CSR）指的是企业对一系列利益相关方负有的责任，这些利益相关方包括客户、员工、 供应商、股东、政府、企业所在社区以外范围更广的社会团体和个人，以及周围的环境。企业社会责任 又可称为企业的公民身份，在联合国17个可持续发展目标（SDGs）的引领下以及ESG责任投资机制的 影响下，企业的公民身份已经不再是可有可无的附加项，越来越多的企业将其作为自身战略规划的重要 组成。 为履行智通财经作为一家互联网新型主流媒体的企业社会责任，澎湃公益事业部特别推出《公益湃CSR 周刊》，每周一刊。周刊旨在加强对各行业CSR动态的监测观察，分析不同企业的CSR运营逻辑与模 式，提供澎湃公益的思考，以期共同建构一个可持续的责任生态体系。 本期周刊（2026年8月22日至2026年8月28日）期间，西藏吉隆等地因尼泊尔泥石流灾害遭受严重损失， 企业界迅速响应。腾讯公益慈善基金会首期投入2000万元备灾资金，安踏集团、比亚迪、小米公益基金 会捐赠1000万元，双汇、伊利、信也科技、茉莉奶白、阿里巴巴等多家企业也紧急驰援。环境保护领 域，安姆科联合杜邦等企业连续第七年开展长江源环保实践，蚂蚁集团赴内蒙古开展公益项 ...

股份数据 - 2026年8月27 - 28日已发行股份总数（不含库存股）为9,103,146,761，库存股份为0[3] - 2026年8月多日有已购回作注销但尚未注销股份，各日数量、占比、每股购回价不同[4] - 2026年8月28日购回股份659,000股，付出总额300,279,083.3港元[10] 购回授权 - 购回授权决议2026年5月13日获通过[10] - 可购回股份总数为911,799,163股[10] - 已根据授权购回42,791,700股，占0.46931%[10] 其他 - 股份购回后新股发行等暂停期截至2026年9月27日[10]

这份报告是摩根士丹利对腾讯控股有限公司的研究分析，涵盖了腾讯Hy4预览版的发布情况、性能表现、公司财务数据、估值方法、风险因素等内容，以下是主要观点和逻辑总结： 1. Hy4预览版亮点 - **发布时间提前**：腾讯在二季度财报中表示Hy4将在今年内发布，早于摩根士丹利此前预计的2026年第四季度（9月预览）。自2025年第四季度姚顺宇加入担任首席AI科学家后，模型迭代速度加快，4月推出Hy3预览版，7月推出Hy3 [2]。 - **性能表现优异**：在腾讯内部盲测中，Hy4预览版平均得分2.99/4，略高于GLM - 5.3（2.92/4）和Kimi K3（2.94/4）；在Arena.ai的Code Arena: WebDev中排名第5（1,633分），位居Kimi K3（1,674分）、Qwen - 3.8 Max（1669分）和GLM - 5.3 Flash（1,634分）之后 [3]。 - **提升生产力**：Hy4预览版在软件、办公效率、游戏开发和科学研究等实际任务中带来显著提升 [4]。 - **模型参数升级**：这是一个具有7700亿参数、490亿激活参数、100万个token上下文的混合专家模型（MoE），而Hy3为2950亿参数、210亿激活参数、25.6万个token上下文 [11]。 - **API定价上调**：腾讯云API定价调整为每百万输入缓存命中/输入缓存未命中/输出分别为0.3/6.0/18.0元人民币，而Hy3为0.25/1.0/4.0元人民币 [11]。 2. 腾讯控股财务数据 | 项目 | 详情 | | --- | --- | | 股票评级 | 超配（Overweight） | | 行业观点 | 有吸引力（Attractive） | | 目标价 | 550.00港元，较2026年8月28日收盘价455.20港元有21%的上涨空间 | | 流通股（百万股） | 9,279 | | 市值（百万美元） | 538,771 | | 企业价值（百万美元） | 458,191 | | 日均交易额（百万美元） | 1,723 | | EPS（人民币） | 2025年为24.32，2026e为24.76，2027e为24.92，2028e为25.21；共识数据2025年为27.99，2026e为29.64，2027e为31.70，2028e为34.27 | | 净收入（人民币十亿元） | 2025年为751.8，2026e为829.4，2027e为908.7，2028e为989.6 | | EBITDA（人民币十亿元） | 2025年为307.6，2026e为345.6，2027e为388.2，2028e为440.9 | | ModelWare净收入（人民币十亿元） | 2025年为224.8，2026e为229.8，2027e为231.3，2028e为233.9 | | 市盈率（P/E） | 2025年为22.1，2026e为15.8，2027e为15.7，2028e为15.5 | | 企业价值/EBITDA（EV/EBITDA） | 2025年为14.2，2026e为8.8，2027e为7.7，2028e为6.5 | | 企业价值/收入（EV/收入） | 2025年为6.8，2026e为4.5，2027e为4.1，2028e为3.6 | | 市净率（P/BV） | 2025年为4.3，2026e为2.7，2027e为2.3，2028e为2.0 | | 净资产收益率（ROE，%） | 共识数据2025年为21.2，2026e为19.2，2027e为17.6，2028e为16.8 [9] | 3. 估值方法与风险 - **估值方法**：采用分部估值法，基本情况目标价为550港元，其中核心业务估值475港元（采用贴现现金流法，贴现率10%，终端增长率3%），联营投资估值75港元/股（基于报告账面价值，并对投资价值应用30%的折扣） [12]。 - **上行风险**：新游戏国内外成功推出、社交和短视频广告市场份额增加、社交网络和在线娱乐竞争中保持韧性、2C端人工智能应用加速 [14]。 - **下行风险**：游戏行业监管不确定性、社交网络和广告预算竞争加剧、反垄断监管收紧以及中美关系紧张 [14]。 4. 摩根士丹利评级与行业覆盖 - **股票评级分布**：截至2026年7月31日，超配（Overweight/Buy）占比42%（1529只），平配（Equal - weight/Hold）占比43%（1582只），未评级（Not - Rated/Hold）占比0%（3只），低配（Underweight/Sell）占比15%（560只） [35]。 - **行业覆盖**：对中国互联网及其他服务行业多家公司进行评级，如Autohome Inc（平配）、Full Truck Alliance Co. Ltd（超配）、JD.com, Inc.（低配）等 [71]。

核心观点 - 腾讯在AI领域的策略是“熬得久，比起得早更重要”，将AI竞赛视为马拉松，而非短跑，强调长期投入与穿越周期的能力[3][6] - AI应用不止于大模型本身，算法与工程能力并重，场景是腾讯做AI最厚的底牌[7][8] - 创新不可规划，但能力可以积累，AI原生应用需基于场景痛点自由探索并快速迭代[11][16] - 企业Agent应用分为个人Agent与服务Agent，两者并存互补，构成完整架构[18][22] - 需用AI原生的方式重构组织力，推动产品、研发与组织的协同变革[23] - 坚持长期主义与以人为本两个“不变”，技术服务于解决真实问题[29][30][33] 关于AI战略与市场节奏 - 外部声音普遍认为腾讯做AI慢了，但公司判断起得早不是最关键，AI下半场才刚开始，市场格局与商业模式未定型[4][5] - 混元大模型经历多次重构，Hy3架构化繁为简，注重数据质量，在同等参数模型中效果突出，但公司整体算力严重不足拖慢了训练与产品发展[5] - 回顾移动设备历史，苹果也经历了十多年探索才抓住市场，起得早的品牌如诺基亚、摩托罗拉等最终掉队，重要的是坚定长期投入[6] - 大模型竞赛像马拉松，现在可能才跑完头一公里，熬得久才有机会抓住持续出现的新机遇[6] 关于AI应用与场景 - 对腾讯这样的平台公司，必须确保大模型投入并紧跟前沿基础技术研究，但眼睛不能只盯着模型层[8] - 腾讯拥有大量to C和to B产品，连接真实用户与场景，如腾讯会议用大模型生成会议纪要，腾讯乐享做企业知识助手[8] - 混元已支持公司内部数百个应用，各产品团队打造的智能体在快速增加，场景是腾讯做AI最厚的底牌[8] - 很多产品会接入多个大模型，针对不同模型能力与价格分类任务，选择性价比高的模型[9] - AI应用落地是算法与工程的结合，算法决定天花板，工程能力决定多快触达它，从数据整理到场景落地都需要AI Infra工程加持[9] - 模型能干活、能规划、能调用工具、能验证结果，企业更愿意为此买单，但企业对AI应用有更多要求，包括数据安全、权限管理、成本管理与系统打通[10] - 丰富的企业应用生态（通过skills与MCP接入大模型智能体）可能是长期的护城河[10] 关于产品创新与能力积累（CodeBuddy/WorkBuddy案例） - CodeBuddy/WorkBuddy团队并非提前预料到办公智能体机遇，而是基于长期积累逐步发展而来[12] - 腾讯云早期收购coding.net做代码托管与DevOps，后增加Web IDE与代码沙箱技术，这些产品曾长期亏损，在降本增效时差点被砍掉，但幸好保留[12] - 2021年微软发布GitHub Copilot后，腾讯云DevTools团队开始研究AI写代码，构建了Coding Agent早期的代码模型与Harness[13] - 2024年推出CodeBuddy，通过私有化部署获得项目收入，让团队继续探索[13] - 到2025年底，Claude Opus 4.5发布后，大模型能长时间执行编程任务，司内AI生成代码比例快速攀升，tokens消耗爆发式增长[13] - 2026年初，基于CodeBuddy底座打造出WorkBuddy，面向非技术研发人员，处理产品经理写方案、运营做数据报告、管理者处理邮件等任务[14] - WorkBuddy上线后获得市场关注，接住逐步衰减的龙虾热，团队以原生AI工作方式疯狂迭代，三个月迭代四十多个版本[15] - 产品迭代方式改变：先让AI做出来，人围着一个能跑的原型看效果、提意见、再调整，代码基本由AI生成，人转向做判断、调试和把关[15] - 过去要花几个小时的工作（如清洗数据、做经营分析、起草文书），现在只需20分钟左右就能打磨出像样初稿[16] - 元宝的探索也在积累做大模型产品的经验与能力，包括实验平台、评测体系和反馈闭环[16] - 元宝在巨大用户增长压力下曾花较多精力做推广与引流，当时模型与产品未ready，效果不满意，但现在公司AI战略清晰，元宝团队可更有节奏打磨产品[17] - 元宝与混元Hy3的Co-Design加持下，搜索体验持续改善，留存率不断提升，单位运营成本持续下降[17] 关于个人Agent与服务Agent - WorkBuddy扮演“个人助手”角色，站在用户侧，理解用户意图，高效创造或完成任务[19] - 企业中有大量持续在线的服务场景，如智能客服、售前产品知识库、人力资源咨询等，需连接CRM、知识库、工单、OA、ERP等系统，对信息准确性、时效性、数据权限、流程约束等有严格要求[19] - 服务Agent遵循服务提供者与管理者的意图，对数据输出承担责任，避免滥用，可被个人Agent调用[20] - 腾讯内部有技术团队基于tRPC或langchain等开源框架搭建场景化服务Agent，支持在Knot（腾讯内部Agent平台）上被调用的skills[20] - 对大多数传统企业，用开源组件拼装智能体工作量不小，腾讯云智能体开发平台ADP提供开箱即用配置，让客户快速打造稳定、安全、可扩展、可运维的服务Agent[21] - ADP提供工作流编排、RAG、工具调用、调试评测、安全治理和系统集成等能力，可通过OpenAPI体系嵌入客户已有系统[21] - 个人Agent和服务Agent并存互补，如WorkBuddy做客户分析报告时，可调用服务Agent获取客户数据、产品知识等，由服务Agent核实身份、把关数据权限[22] 关于组织力重构 - AI在改变做产品方式的同时，也在重塑传统组织形态和产品研发模式[24] - 过去产品研发是长流水线：产品经理写需求、设计师做交互、工程师写代码、前后端联调、测试跑用例、运维部署，流程一环扣一环，沟通成本高[24] - 有了大模型，产品经理可更早搞原型验证想法，开发能用AI直接生成前后端代码和测试用例，简单功能产品经理就能vibe code完成[25] - 同样事情只需更少人完成，研发时间大大缩短，大团队流水线变得臃肿低效，AI原生组织里跨界是常态，小团队办大事[25] - 模型和产品的深度协同（Co-Design）非常重要，否则易造成灵魂与肉体分离，产品为模型展示用户需求分布，提供提升模型能力的宝贵数据[26] - 混元团队与元宝、WorkBuddy团队的Co-Design，让模型架构和产品体验在同一过程中共创迭代[26] - 推动企业微信、腾讯文档、ima、腾讯会议、iwiki等产品与WorkBuddy打通，实现一站式文档处理、知识管理、会议总结、协作办公和人机共创[26] - AI原生是从产品设计、研发协作到团队组织都要用新方式重新思考，团队要更扁平，目标提前对齐，评测指标清晰，实验与试错成为研发流程一部分[27] 关于长期主义与以人为本 - 第一个不变是长期主义，AI马拉松才刚起步，真正决定终局的是谁能穿越周期、持续把耐心和资源押在长期价值上[31][32] - 第二个不变是以人为本，技术只是手段，人才是目的，做AI是为了用技术解决真实问题[33] - 北京密云一位基层干部用WorkBuddy开发防汛小程序，打通地灾预警、雨情、群众转移等信息，过去几十人通宵电话核对的工作，现在一人一小时完成16个乡镇预警下发和转移统计[33] - AI不是替代人，而是帮助人把繁琐、重复、低效但重要的事情做得更好，当抱着纯粹以人为本的心态做产品时，产品口碑和商业回报自然水到渠成[33] - 技术越是变化，越要回到商业最朴素的底层逻辑：持续为用户创造价值，把能力做厚，把产品做实，把场景吃透[35] - 真正能make a difference的，不是最勤快抓风口的人，而是了解自己优劣势、把精力聚焦在喜欢的事与可改变的地方、低谷期仍坚定投入的长跑手[35]

核心观点 - 腾讯混元发布并开源新一代大语言模型Hy4 preview，定位为“为生产力而生”，在软件工程、办公、游戏和科学研究等场景重点升级，模型性能进入开源模型第一梯队[1][6][12] 模型技术参数与架构 - Hy4 preview总参数达770B，单次推理激活49B，支持1M上下文，采用混合专家架构，主干共78层，其中77层为MoE层，每层包含256个路由专家和1个共享专家，每个token调用8个路由专家及共享专家[1][7] - 与上一代Hy3 preview的295B总参数、21B激活参数和256K上下文相比，Hy4 preview在模型容量和上下文窗口上大幅提升[1] - 模型内置一层原生MTP用于推测解码，注意力模块采用Gated DSA并通过IndexCache复用跨层稀疏索引，残差通路引入iHC扩展层间信息流，分别指向长上下文计算、解码效率和深层网络信息传递[7] - 模型权重及FP8版本已开放，采用Apache 2.0许可[1] 性能评测与排名 - 相较Hy3，Hy4 preview在软件工程和Agent任务上提升明显：Terminal-Bench 2.1从70.8升至85.4，DeepSWE从28.0升至64.3，Toolathlon-Verified从56.2升至74.1；科学与推理方面，BioMysteryBench从54.9升至71.3，GPQA Diamond从90.9升至92.3[7] - 在大模型竞技场平台Arena.ai的Code Arena: WebDev榜单中，Hy4 preview以1633分暂列约第5名（AutoEval），相比Hy3的总榜第31名提升115分；在开源模型中约排第3，而Hy3此前为第7[9] - 腾讯组织163名内部专家对203个工程任务进行盲测，Hy4 preview平均分2.99分（满分4分），略高于GLM 5.3的2.92分和Kimi K3的2.94分[19] 应用场景与产品集成 - 软件工程场景升级重点在长程任务，模型需理解需求、规划改动、调试代码并完成验证，同时改善前端页面视觉与交互质量[13] - 复杂办公环境加强理解能力，可从多个文件中提取和交叉核对信息，执行数据分析与金融分析，产出文档、表格或演示文稿[14] - 游戏开发场景从一句需求生成可玩原型，能在配套工具环境中使用Unity、Unreal等游戏引擎，并在多轮交互中补充玩法、资产和工程细节[15] - 科学研究场景覆盖AI研发、分子动力学模拟、凝聚态物理和基础数学等任务[16] - 用户可在WorkBuddy、CodeBuddy国内版及国际版、元宝和ima中体验，并通过腾讯云TokenHub、OpenRouter调用API[1] 训练与反馈机制 - 训练引入软件工程、游戏、金融和安全等领域的腾讯内部专家，专家参与高质量数据共建，CodeBuddy、WorkBuddy等产品将真实使用问题和反馈带回模型研发，形成更短的反馈链[12] API价格与体验 - API价格为输入每百万tokens 6元，输出每百万tokens 18元，缓存命中输入每百万tokens 0.3元[3] - WorkBuddy和CodeBuddy将开启为期两周的限时免费体验[3] 基础设施优化 - 在一轮推理基础设施优化中，模型分析系统瓶颈并围绕算子融合、通信优化持续迭代，最终将端到端吞吐较基线提升31.8%[1]

公司动态 - 反作弊专家(ACE)连续第四年参加科隆游戏展,展示针对复杂游戏运营的全生命周期安全框架[1] - ACE与腾讯云在科隆游戏展期间与德国游戏开发商Sandbox Interactive GmbH签署合作协议[1] - Sandbox Interactive的沙盒MMORPG《阿尔比恩Online》安卓客户端将集成ACE反作弊标准版,受保护版本计划于2026年第三季度前发布[1] - 经过超过一年的评估、测试和技术咨询,Sandbox Interactive选择了ACE反作弊标准版(安卓版),并由腾讯云提供技术和本地化服务支持[4] - Sandbox Interactive技术总监Jon Davis表示,ACE提供了项目所需的检测覆盖范围,ACE和腾讯云团队的响应能力推动了国际集成的效率[5] - 过去21年间,ACE已服务数百款游戏和全球数亿玩家[6] 行业趋势 - 随着游戏跨平台和跨区域扩展,安全风险已超越单场对局,作弊可影响竞技公平性、玩家资产、虚拟经济及长线运营游戏的长期健康[2] - 开发者需要能够随游戏玩法、运行环境和威胁模式变化而演进的安全系统[2] - ACE整合反作弊保护、游戏与客户端加固、游戏内经济风险管理及游戏威胁情报,结合技术防御、风险评估和持续运营支持[3] - ACE帮助移动端和PC端开发者从应对孤立事件转向管理游戏全生命周期的安全[3] - ACE连续四年参展科隆游戏展,反映了其将持续在腾讯游戏内部大规模验证的安全专业知识转化为全球开发者可适配服务的努力[6]