核心观点 - 中国运营商的资本开支重心正从传统电信网络转向AI及计算基础设施领域 以把握国内日益增长的AI需求[2][3] - 尽管2025年整体资本开支预计将因电信网络支出缩减而下降 但智能计算能力相关投资的增长将部分抵消这一影响[4][8] 资本开支结构转变 - 2024年及2025年上半年 中国运营商资本开支呈现下滑态势 主要归因于传统电信网络（如5G）支出的减少[4] - 运营商正逐步调整投资重心 持续加大在AI及计算基础设施领域的资本开支以满足市场需求[4] - 运营商具备自有互联网数据中心（IDC）资源 无需依赖外部IDC供应商 这一优势有助于降低整体运营成本[7] 2025年资本开支展望 - 高盛预计2025年中国运营商的电信网络支出将进一步减少 但智能计算能力相关资本开支的增长将部分抵消影响 全年整体资本开支仍将有所下降[8] - 中国电信预计2025年资本开支为840亿元人民币 较2024年的940亿元人民币下降 其中计算平台相关投资将有所增加[8] - 中国联通预计2025年资本开支为550亿元人民币 较2024年的610亿元人民币下降 主要因5G相关资本开支缩减 但AI基础设施投资将同步提升[8]

市场整体表现 - 2025年第三季度拉美智能手机市场同比增长1%，出货量达到3520万部，为自2015年第四季度以来最高季度出货水平 [2] - 市场复苏得益于巴西和中美洲等关键市场的增长，以及智利、哥伦比亚和厄瓜多尔的经济回暖 [4] - Omdia预计2025年拉美智能手机市场将与2024年基本持平，全年出货量约1.37亿台 [8] 主要厂商竞争格局 - 三星以1160万部出货量、33%的市场份额排名第一，其低端A系列机型占整体出货量的68% [2] - 小米以630万部出货量、18%的市场份额位居第二 [2] - 摩托罗拉排名第三，但已连续六个季度下滑，本季度同比下降11% [2] - 荣耀位列第四，连续第三个季度创下出货量新高，达到290万部 [2] - 传音进入前五名，但同比下降19% [2] 关键区域市场动态 - 巴西作为最大市场占据29%份额，出货量达到1030万部，同比增长5% [4] - 墨西哥作为第二大市场，出货量为740万部，同比下降11%，并连续第四个季度萎缩，主要由于300美元以下设备出货量减少 [4] - 中美洲和厄瓜多尔等重要市场受低端设备强劲需求推动保持增长势头 [4] - 哥伦比亚和智利在通胀控制、投资增加和消费者支出上升等改善的经济条件下呈现复苏迹象 [4] 产品价格段结构性变化 - 占总出货量71%的300美元以下价位段下滑2%，主要由于库存压力、停滞的消费者需求以及厂商优先推动更高平均售价策略 [5] - 500美元以上高端与旗舰机型出货量同比增长20%，推动2025年第三季度平均售价上升8% [6] - OPPO、小米、荣耀、vivo、realme以及谷歌等品牌正在加大投入高利润细分市场 [6] 厂商战略动向 - 新进入品牌如realme、OPPO、荣耀和Jovi（vivo）通过本地制造以及与运营商和零售商合作强化市场地位 [4] - 厂商在低端市场趋于饱和背景下，为维持市场份额和提升品牌定位，努力推动高端市场出货量上升 [8] - 提高平均售价、增强生态系统盈利能力、强化用户忠诚度被视为实现持续财务稳健的关键 [8]

港股通持股比例排行 - 中国电信以100.87亿股持股数量位居榜首，持股比例达72.68% [1] - 绿色动力环保持股比例为69.12%，持股数量为2.80亿股 [1] - 大眾公用持股比例紧随其后，为69.03%，持股数量为3.68亿股 [1] - 昊天国际建投持股比例达68.75%，持股数量为74.58亿股 [1] - 凯盛新能持股比例为67.80%，中国神华持股比例为67.00% [1] 港股通近期增持情况 - 阿里巴巴-W在最近5个交易日内获最大增持，持股额增加33.29亿元，持股数增加2167.52万股 [1] - 美团-W持股额增加13.19亿元，持股数增加1375.26万股 [1] - 泡泡玛特持股额增加10.60亿元，持股数增加490.58万股 [1] - 中兴通讯、招商银行持股额分别增加7.66亿元和7.12亿元 [1] - 优必选、中国人寿、农业银行、中国平安及思摩尔国际持股额增幅在3.31亿至4.66亿元之间 [1][2] 港股通近期减持情况 - 紫金矿业在最近5个交易日内遭最大减持，持股额减少8.61亿元，持股数减少2626.40万股 [1] - 中芯国际持股额减少8.15亿元，持股数减少1212.52万股 [1] - 联想集团持股额减少4.30亿元，持股数减少4368.21万股 [1] - 中国移动持股额减少4.30亿元，中国财险持股额减少4.09亿元 [2] - 信达生物、南方恆生科技、中国联通、建设银行及中国神华持股额减幅在2.76亿至3.90亿元之间 [2]

核心观点 - EngageLab联合中国联通国际、香港电讯及华为推出OpenGateway跨运营商融合认证解决方案 该方案旨在为跨境企业提供安全、无缝、可扩展的用户身份认证 树立行业新标杆 助力企业加速全球化扩张 [1] 解决方案与技术创新 - 方案旨在解决企业全球化中面临的运营商能力碎片化、技术标准不统一及合规复杂等身份认证挑战 传统短信认证存在欺诈风险和运营效率低下问题 [2] - 方案聚合了中国联通、香港电讯、华为及EngageLab的号码验证和OTP短信能力 通过单一标准化API提供全球多运营商的安全认证服务 实现“一次接入 全球调用” [3] - 该模式将集成周期从数月缩短至数周 降低运营开销 并支持在新市场快速部署安全认证服务 [4] - 采用双层认证架构 以运营商级号码验证为主 短信验证为无缝备用 智能路由与多通道冗余确保高可用性与稳定性 从源头阻断欺诈注册和账户接管 [6] - 基于CAMARA框架的标准化封装使开发者能够快速、低门槛地集成 不受底层运营商差异影响 [7] 市场应用与商业成效 - 方案已在中国大陆和香港商用 每日处理超过2000万次认证请求 服务数亿用户 [8] - 在金融行业 帮助跨境银行将欺诈性贷款申请减少60% 大幅降低账户盗用风险 [8] - 在电子商务行业 虚假注册和促销滥用减少75% 营销资源浪费降低65% [8] - 在社交与游戏行业 简化认证使新用户留存率提升28% 并显著减少投诉量 [8] - 企业报告长期维护成本降低超过50% 反欺诈支出下降40% [9] 生态发展与全球布局 - 方案正在向东南亚（包括新加坡和印度尼西亚）扩张 旨在成为全球跨运营商认证的标杆 [10] - 其模块化设计支持快速复制和推广 以满足全球企业和用户不断变化的需求 [10] 公司背景 - EngageLab是一家全球领先的AI全渠道客户互动与营销技术解决方案提供商 通过AppPush、WebPush、电子邮件、OTP、短信、WhatsApp等渠道为企业构建高效的全球客户连接 [11]

活动背景与目的 - 活动以实施“百千万工程”为背景，旨在深化政企合作，加速沙堆镇产业数字化智能化转型 [2] - 活动聚焦于央企数字科技力量如何深度赋能地方产业高质量发展，为沙堆镇产业升级注入新动能 [2] - 活动通过实地参观和座谈研讨等形式开展 [2] 江门联通展示的数字技术方案 - 代表团参观了江门联通数字化展厅，通过实景演示与案例解析了解其在工业互联网领域的创新实践 [2] - 展示方案包括服务政务数字化的“数字政府”平台和助力工业升级的“天影平台” [2] - 展示方案还包括“工业老师傅”AI系统、智慧园区管理方案、5G工业应用案例 [2] - 展示方案涵盖能耗管理与预测性维护技术，以及AR远程协助在设备检修中的实际应用 [2] 沙堆镇产业现状与转型需求 - 沙堆镇党委委员梁永标介绍了当地产业发展现状及“百千万工程”推进目标 [5] - 沙堆镇提出在制造业、农业、服务业等多个领域存在数字化转型需求 [5] 江门联通提出的定制化解决方案 - 江门联通团队提出通过5G+工业互联网提升生产效率的解决方案 [5] - 解决方案包括利用云计算降低企业IT成本，以及依托物联网实现能耗精细化管理 [5] - 针对不同行业特性提供“一企一策”建议，例如制造业企业可优先部署5G+AR远程质检系统以降低人工成本 [5] - 建议传统园区引入智慧管理平台，实现安防、能耗、物流的一体化管控 [5] 企业反馈与合作展望 - 沙堆镇商会企业家代表对江门联通在数字政府建设、5G全连接工厂、工业AI赋能等领域的创新实践给予高度评价 [5] - 企业家代表认为江门联通的技术方案精准契合企业数字化转型需求 [5] - 代表团期待将合作意向转化为具体落地项目，加速数字技术与本地产业的深度融合 [5] - 目标共同打造“百千万工程”数字化转型示范样板，助力沙堆镇经济高质量发展 [5] 活动总体成效 - 考察活动为沙堆镇企业提供了接触前沿数字技术的机会 [6] - 活动为政府、央企、企业三方搭建了高效沟通桥梁，为区域产业数字化转型按下“加速键” [6]

核心观点 - 高盛认为中资电讯商可成为AI发展下的主要受益者，维持对中国移动、中国联通及中国电信的“买入”评级 [1] 关键指标分析 - 审视了资本开支、股息、用户数量、现金循环周期、自由现金流利润率、每月每用户平均收入(ARPU)、EBITDA利润率、新业务协同效应、互联网数据中心业务表现及估值共十个关键指标 [1] - 传统通信业务收入增长疲软，但公司可通过提供更多增值服务以推动消费 [1] - 新业务涵盖数据中心、算力、AI模型及应用等解决方案 [1] 业务前景与资本配置 - 预期三大电讯股的资本开支预算正转移至投放到计算基础设施，以把握中国AI需求增长 [1] - 新业务贡献度上升 [1] - 派息比率可望稳步提升，为投资者持续带来回报 [1]

核心观点 - 高盛认为中资电讯商传统通信业务收入增长疲软，但可通过提供增值服务推动消费，新业务如数据中心、算力、AI模型及应用等解决方案可使其成为AI发展的主要受益者 [1] - 高盛维持对中国移动、中国联通及中国电信的"买入"评级，预期资本开支转向计算基础设施以把握AI需求增长，新业务贡献上升及派息比率提升将为投资者带来持续回报 [1] 关键指标分析 - 审视的十个关键指标包括资本开支、股息、用户数量、现金循环周期、自由现金流利润率、每月每户平均收入(ARPU)、EBITDA利润率、新业务协同效应、互联网数据中心业务表现及估值 [1] - 资本开支预算正转移至投放计算基础设施 [1] - 新业务贡献度上升 [1] - 派息比率可望稳步提升 [1]

公司专利与知识产权 - 中国联合网络通信集团有限公司于近期取得一项名为“索引创建方法、装置和存储介质”的专利，授权公告号为CN116226118B，专利申请日期为2022年12月 [1] - 中国联合网络通信集团有限公司拥有专利信息5000条，商标信息3738条 [1] - 联通数字科技有限公司拥有专利信息1900条，商标信息24条 [1] - 联通云数据有限公司拥有专利信息709条 [2] 公司基本信息与业务活动 - 中国联合网络通信集团有限公司成立于1994年，位于北京市，主要从事电信、广播电视和卫星传输服务，企业注册资本为1048.1551957532亿人民币 [1] - 中国联合网络通信集团有限公司对外投资34家企业，参与招投标项目3281次，拥有行政许可11个 [1] - 联通数字科技有限公司成立于2006年，位于北京市，主要从事软件和信息技术服务业，企业注册资本为98.8983091327亿人民币 [1] - 联通数字科技有限公司对外投资54家企业，参与招投标项目5000次，拥有行政许可42个 [1] - 联通云数据有限公司成立于2013年，位于北京市，主要从事互联网和相关服务，企业注册资本为40亿人民币 [2] - 联通云数据有限公司对外投资1家企业，参与招投标项目2265次，拥有行政许可11个 [2]

行业基础设施规模 - 全国互联网宽带接入端口数量达12.43亿个，比上年度末净增4089万个 [1] - 三家基础电信企业的固定互联网宽带接入用户总数达6.97亿户，比上年度末净增2701万户 [1] 用户接入速率结构 - 100Mbps及以上接入速率的固定互联网宽带接入用户达6.63亿户，占总用户数的95.1% [1] - 1000Mbps及以上接入速率的固定互联网宽带接入用户达2.38亿户，比上年度末净增3113万户 [2] - 千兆及以上用户占总用户数的比例为34.1%，占比较上年度末提升3.3个百分点 [2]

技术突破与核心创新 - 中国联通数据科学与人工智能研究院团队提出HiMo-CLIP模型，成功突破现有CLIP模型在处理长文本时性能下降的局限[2][3] - 模型核心创新在于建模"语义层级"与"语义单调性"，使模型能自动捕捉当前语境下的语义差异点，无需改变编码器结构[2] - 该工作解决了视觉-语言对齐中长期被忽视的结构化问题，在长文本和组合性文本检索上达到SOTA水平，同时兼顾短文本性能[3][4] 现有技术痛点 - 现有CLIP等模型将文本视为扁平序列，忽略语言内在层级结构，导致文本描述越详细，其与图像的匹配度（对齐分数）反而可能下降[6] - 当文本从简短描述扩展为包含大量细节的长文本时，细节信息淹没核心语义，模型无法在复杂上下文中捕捉最具区分度的特征[6] - 如图1所示，多数SOTA模型在文本变长时对齐分数下降，而HiMo-CLIP（绿勾）分数稳步提升，例如HiMo-CLIP分数从0.242升至0.252，而CLIP从0.290降至0.219[9] HiMo-CLIP方法框架 - 框架包含两个核心组件：层级分解模块（HiDe）和单调性感知对比损失（MoLo）[10] - HiDe模块利用Batch内的PCA动态提取最具区分度的语义成分，自适应构建语义层级，无需人工干预[12][15] - MoLo损失函数强制模型同时对齐"全量文本"和"语义成分"，其公式为MoLo=InfoNCE(f1, feat)+λ*InfoNCE(f2, feat)，实现单调性约束[12][17] 性能优势与实验结果 - 在长文本检索任务中，HiMo-CLIP使用ViT-L/14骨干网络和仅1M训练数据，在Urban1k数据集上取得I2T/T2I 93.0/93.1的分数，优于使用400M数据的CLIP（68.7/52.8）和使用100M数据的LoTLIP等方法[20] - 在短文本检索任务中，HiMo-CLIP在Flickr30k数据集上取得I2T/T2I 92.5/78.2的分数，优于使用400M数据的CLIP（86.1/66.0）[21] - 在自建深度层级数据集HiMo-Docci上，HiMo-CLIP保持了极高的单调性相关系数0.88，远超对比方法，其对齐分数随文本描述完整度增加呈现完美上升趋势[22][25] 技术应用价值 - HiMo-CLIP具备高数据效率，仅使用1M训练数据就击败了使用100M甚至10B数据的方法，例如在长文本检索上优于使用10B数据的SigLIP[17][20] - 模型能动态提取机器认为的差异点，消除了人类语言和机器理解之间的隔阂，训练长文本的同时自动获得短文本匹配能力[19] - 该技术让多模态模型的对齐机制更符合人类认知逻辑，为未来更复杂的多模态理解任务指明方向[4]