文章核心观点 - Personal Agent的竞争正从模型能力上限延伸到交付工程下限，核心是在没有判卷标准的生活服务场景中建立稳定的训练信号与任务完成率 [2][5] - 千问以真实用户需求为考卷，将线上请求聚类为30多个行业需求分布、拆解为8000多项原子能力，通过后训练逐项检查稳定性，样本量不必大但关键在覆盖，此类数据依赖大流量C端产品积累 [2] - 模型与Harness不是两套系统而是一个整体，需训推一体化对齐训练与线上执行环境，更换底层模型后即使沿用类似Harness框架也需重新适配 [22][23] - 记忆的核心问题是"记什么、怎么用"，需从实际用户需求反推Memory Schema，合理决定内容、粒度及召回时机，并随用户状态和时间持续更新 [4][30] - 生态是生活服务侧最大的墙，模型能规划步骤却未必能连接每个实际服务接口，生态不通就是不通 [5][6] - 主动服务的分寸比主动本身更难，需通过类似"产品宪法"的文本语义约束设定行为边界，优先选择需求明确、时间节点清晰的场景 [6][33] - Agent以助理身份执行任务，支付、修改数据、对外透露个人信息必须由用户确认或授权，约束写入Skill并在系统框架层加硬约束 [6][37] - 面向大众长期提供服务，产品能力下限必须足够高，拼上限能吸引尝鲜，守住下限才能留住用户 [41] 一、为什么是现在：技术到了这个阶段 - 千问从发布产品起宗旨即为"能聊天、会办事"，AI产品终局是个性化Personal Agent，过去长期围绕该目标建设能力 [7] - 技术能力发展到现阶段：模型已能推理、调用工具、串联单点功能完成任务，结合个人记忆与Context等个性化信息，有条件形成Personal Agent [7] - 工具和生态逐步成熟，早期模型主要调用搜索引擎完成信息检索整理，现在越来越多工具和现实服务开始适配模型 [7] - Agent能力起点是模型能思考，模型可判断自身生成结果是否合理、路径规划与工具调用是否正确，发现效果不好就重新规划，将多个单点功能串联形成复杂任务能力 [8] - 代码能力增强使Vibe Coding效果更好，也让模型更方便调用工具、规划任务执行流程，思考能力与代码能力结合使模型具备Agent初始能力 [8] - 当前用户集中场景为财经、教育、医疗及部分生活服务，需求专业性较强；医疗主要是信息服务包括专业医疗知识、长期病程管理，财经需求包括查询实时行情、解读社会热点、分析公司公告和财报 [10] - 做好Personal Agent核心三要素：模型、个性化数据（记忆和Context）、生态工具和服务体系 [10] - Coding Agent发展较快因三条件相对成熟：模型代码能力强、代码库提供完整上下文、编辑编译运行工具集中；生活场景个人信息分散、外部服务尚未充分适配模型 [11] 二、从需求倒推能力：30多个行业、8000多个原子能力 - GUI是Agent连接现有互联网生态的重要方式，特别在缺少标准化API和MCP接口时，但有执行成本、稳定性及平台授权挑战；海外服务多建立在PC、网页和邮件生态，国内以移动互联网为主，技术实现方式有差异 [12] - 千问建立用户需求透视图，分析不同行业用户核心需求，结合模型当前能力水平判断哪些环节需提升、哪些需补充专业知识库、工具和外部服务 [13] - 以财经为例，用户分析一只股票涉及财报、研报、公司信息、市场行情、行业趋势甚至市场情绪，将信息与任务环节组合形成相对完整的需求视图，再拆解为原子能力要求逐项补齐 [14] - 场景后训练核心是保证模型能力下限的稳定性，基础模型可不断探索能力上限，但具体场景稳定性有时更重要，需提升常见任务覆盖度和稳定性 [16] - 后训练需缩小用户需求分布与模型能力分布之间的偏差，通过后训练和强化学习提升原子能力稳定性与组合效果，推动模型与Harness训推一体化 [16] - 建设模型通用能力主要需对齐真实世界需求分布，个人信息在实际使用时作为上下文输入，无需将每个人资料放进模型训练；真实任务执行结果可提供重要反馈 [17] - 后训练不单纯追求样本数量，更重要是覆盖关键原子能力和典型执行轨迹，保证数据多样性与质量 [18] - 复杂任务稳定交付看三个环节：任务规划合理、每个单步骤成功率高、遇到失败能合理回溯重新规划 [19] - 生态和Skill体系重点保证单步骤执行可靠性，工具越完整单步骤成功率越高；重新规划时需考虑用户上下文和个人记忆，任务路径可调整但始终围绕用户真实目标 [19] - Skill和生态体系补足行业专业能力，大致分三类：行业知识工具、连接实际服务商的工具、处理具体环节的单点工具；医疗场景既需专业医疗知识也需将诊断报告文字提取、格式化、结构化 [20] 三、模型与Harness：不是两套系统而是一个整体 - 模型能力接近通常从公开评测集或通用任务看，但实际应用中最终任务完成效果可能存在明显差异，模型和Harness需紧密协同 [21] - 模型负责推理和规划，Harness组织个人记忆、任务信息、Skill和工具，模型能获得什么上下文、调用什么工具直接影响最终交付 [21] - 分工原则：具体任务中能通过工具、Skill、专家经验和个人记忆解决的部分尽量由Harness体系承担，模型持续提升推理、规划、阅读和信息整理能力 [23] - Harness组织个人记忆、任务信息、Skill和工具能力为模型提供合适上下文，模型结合当前任务判断需要哪些信息及何时调用工具，记忆检索贯穿任务执行过程 [24] - 多智能体使用较克制，核心判断标准是子任务功能是否独立、边界是否清晰、是否需要与主任务复杂状态对齐；多Agent协作应尽量减少复杂状态同步 [25] - 模型升级后Harness上部分为弥补当前模型不足而建设的工程逻辑未来可能不再需要，关键是区分哪些能力具有长期价值、哪些只是当前技术条件下的临时补充 [26] - 围绕30多个行业梳理用户需求持续建设专业工具、知识库和服务能力，这些积累不会因模型版本升级失去价值；为弥补模型短板增加的业务逻辑将来调整替换的代价可接受 [27] 四、记忆：记住什么由未来的任务决定 - Personal Agent与联网Deep Research最大差别在于能否结合个人信息、长期记忆和任务上下文，在用户授权前提下结合历史关注话题、此前咨询问题和相关个人背景形成更贴近个人需求的分析 [28] - 个性化以用户愿意分享的信息为基础，不需要用户开始使用时提交大量个人资料，随着持续使用偏好、关注方向和个人背景逐渐沉淀 [29] - 记忆设计最关键两个问题：记什么、怎么用；存储粒度非常重要，如用户说月薪8000元可记录具体数字也可理解为拥有稳定收入，两种抽象程度适合不同应用场景 [30] - Memory Schema定义事实及其关联关系，同时从实际用户需求反向判断哪些内容值得记住及记到什么程度 [30] - 长期与短期记忆没有固定划分，很多信息随时间变化包括职业、兴趣和健康状态；技术上更重要是建立持续更新的记忆体系，识别不同信息变化规律和有效性 [31] - 用户表达新的与Memory Schema相关信息即可更新相应记忆，后续召回时需判断历史内容是否仍符合当前情况 [31] 五、主动服务：克制比主动更重要 - 主动提醒第一条原则是帮助用户而不是增加困扰，涉及授权第三方信息时首先要分清谁的情况及哪些信息明确、哪些仍有歧义 [32] - 主动服务优先选择需求明确、时间节点相对清晰的场景，如某些疾病康复过程中有明确复查或康复节点 [33] - 时机和内容需结合模型专业知识、事件关联关系及用户个人记忆；行为边界更多通过文本和语义表达，类似一套"产品宪法" [33] - 主动服务必须精准、克制，避免让用户觉得被过度干预 [34] - 比较明确的长期目标已能较好理解和跟进，如半年后跑马拉松并设定目标成绩；但"半年内升职"这类目标复杂得多，当前任务在多大程度上服务长期目标仍难可靠判断 [34] - 人的需求本身会变化，用户分享吃烧烤感觉开心时个人助理没必要立刻用训练目标纠正，需判断用户当下是寻求建议还是单纯分享生活 [34] - 孩子高考等长期复杂目标现阶段难完整管理，但可把具体环节做好，如分析高二数学试卷薄弱知识点、制定针对性学习计划，先稳定解决明确任务再逐步探索复杂长期目标管理 [35] 六、安全边界：Agent是助理不是本人 - 航班延误理赔案例中用户要求现金赔付，Agent未将代金券视为任务完成，继续围绕用户目标沟通寻找其他解决路径，最终帮助用户获得70元现金赔偿，体现复杂任务执行中的目标保持、路径调整和失败回溯 [6][36] - Personal Agent已形成模型、Harness和生态协同执行任务的体系，可通过系统工程增加必要检查和控制 [37] - 订机票场景中Agent可帮助查询、筛选和推进任务，但涉及具体舱位、时间、订单修改及支付等关键环节仍需用户确认，系统在Skill中定义接口行为和交互条件再通过框架层面强约束形成双重保障 [37] - Agent始终以助理身份执行任务，需遵守用户授权和操作边界，不能完全代替用户行使权利、承担义务 [37] 七、成本与速度：降本靠体系不靠单点技巧 - 用户使用时间越长历史信息越多，但不需要每次推理时全部放进模型上下文，千问对历史对话合理压缩，一部分抽取成个人记忆，近期内容根据当前任务进行Context筛选，记忆本身也是一种压缩方式 [38] - 模型侧采用模型路由、大小模型切换、缓存和推理优化等手段；Harness同样关键，不同Harness完成同一任务可能产生完全不同执行轨迹 [39] - Skill全部平铺给模型还是按功能分层组织、存在相似工具时如何让模型找到完成度更高的那个，都会影响执行效率 [39] - 千问与Skill提供方共同厘清功能和适用范围，提高单步骤成功率减少不必要重试，将常见执行模式沉淀为Skill避免每次重新规划整个流程 [39] - 通过上下文压缩包括从历史对话提取记忆、筛选短期Context、精简工具和Skill信息，过去一段时间千问相关任务上下文规模降低约40% [39] - 可能出现执行成本高于任务收益的情况，但长期看模型推理成本将继续下降，Harness和工具体系优化也能减少Token消耗，随着单步骤成功率提高、执行路径缩短，完成同类任务所需计算资源预计显著降低 [40] 八、留存与商业化：拼上限能吸引尝鲜，守住下限才能留住用户 - 新Agent产品往往能展示AI能力上限引发关注和尝鲜，但面向大众长期提供服务产品能力下限必须足够高，如用户知道Agent能订票就会预期大部分订票任务稳定完成 [41] - 很多场景需求频率不高，但只要用户形成稳定预期需要时就会回来使用，财经、教育、医疗等领域也有类似特点 [41] - 过去三个月千问Agent用户单个任务的平均Token消耗量约为此前的1.6倍，反映用户正在尝试更复杂的任务 [41] - 用户使用AI首先希望解决具体问题，以任务完成为核心的功能更有利于留存，千问目前更聚焦这一方向；情感陪伴也有价值但Personal Agent首先需把用户交付的事情处理好 [42][43] - 阿里做Personal Agent优势首先是生态，拥有较丰富电商、本地生活等服务体系，已有成熟工具和Skill可完成的环节直接调用通常比让模型重新推理更高效、任务成功率更有保障 [44] - 第二是模型与应用协同，千问基模持续发展，围绕C端Personal Agent开展大量需求挖掘、数据对齐、原子能力定义和后训练工作，实际产品更需关注具体场景稳定性、服务效率和任务完成率 [44] - 第三是长期积累的专业知识和行业工具，生态覆盖集团内部服务及医疗、教育、财经等领域专业知识库、Skill和第三方服务 [44] 九、终局：不要神化Personal Agent - 今天还不能过度神化Personal Agent，行业仍处比较早期阶段，现阶段更重要是稳定完成目标清晰、可验证结果的具体任务 [45] - 现实中很多需求包含大量没有明确表达的条件，如规划旅行用户可能默认酒店位置、预算、天数和交通偏好但Agent并不了解，条件不充分规划结果容易偏离预期 [45] - 当任务目标、约束和验收要求比较清楚时Agent通常完成得更好，未来随着个人记忆、专业知识和生态服务完善才有条件进一步理解更复杂长期需求 [45] - 未来半年个人记忆及Context相关技术会迎来一次跃迁，记忆技术继续解决怎样准确理解个人和组织长期信息及在不同任务中合理调用上下文 [46] - 生态方面，今天互联网服务主要围绕传统互联网和移动互联网建设，未来会逐步适配模型调用，从单点工具到信息服务再延伸到外卖、机票等实际服务，更多分散能力有望逐渐形成完整执行链路 [46] - 期待两种增量：第一是提出用户原本想不到的方案而不只是替用户做已知的繁重工作，结合用户已有资料、专业知识和工具补上知识缺口；第二是适时主动帮助发现用户遗漏环节，期待体验不只出现在App里也能延伸到汽车、具身智能等载体 [48] - 最期待生活中的复杂问题有更好用解决方式，买房、买车、孩子上学等生活问题涉及大量个人背景、信息筛选和长期决策，边界不明确却消耗大量时间精力，若Personal Agent能结合模型专业能力、个人记忆和真实服务生态帮助解决则可能创造更大价值 [49] - 更进一步是让个人助理适时主动提供服务，直接说就是要么帮用户挣钱要么帮用户省钱 [50]

南下资金整体流向 - 南下资金今日净买入港股24.15亿港元 [1] - 净买入腾讯7.6亿、美团6.55亿、阿里巴巴5.95亿、华虹宏力3.77亿 [1] - 净卖出小米集团12.24亿、长飞光纤光缆7.7亿、建滔积层板7.25亿 [1] - 南下资金已连续6日净卖出小米，共计75.1536亿港元 [1] - 连续3日净买入中芯国际，共计14.593亿港元 [1] 阿里巴巴 - 里昂发表研报指，阿里巴巴9月底止次财季业绩料表现强劲，云业务增长加快、电商业务稳定 [2] - 预期集团收入同比增长8.9%至2700亿元，经调整EBITA同比急升230%至297亿元 [2] - 阿里云料优于预期，AI云及计算服务收入料同比加速增长52%至605亿元，利润率达13% [2] - 资本开支料于2026年同比升75%至2200亿元，但2027年增幅应较温和 [2] - 该行维持阿里"跑赢大市"评级及目标价190美元不变，明年有望随盈利反弹及资本开支增幅放缓迎来拐点 [2] 华虹宏力 - 公司董事会主席兼总裁白鹏表示，人工智能相关产品持续拉动全球半导体市场需求 [2] - 工业及汽车市场正逐步改善 [2] - 作为拥有广泛技术组合的特色工艺晶圆代工企业，华虹宏力的微控制器、闪存、电源管理及功率器件等产品需求日益增长 [2] - 即使公司持续扩充产能，部分细分领域的供应仍相应趋紧 [2] - 预计量价齐升的态势将持续一段时间 [2] 腾讯 - 里昂降腾讯目标价至685港元，维持"高确信跑赢大市"评级 [3]

文章核心观点 - 2026年世界互联网大会乌镇峰会于11月2日至5日在浙江乌镇举行，以“开源开放、携手构建网络空间命运共同体”为主题，互联网之光博览会汇聚全球54个国家和地区的670多家企业，公开展示1000多项前沿技术成果，其中20多款产品为全球首发[1] - 杭州未来科技城组织创新企业代表团参展，集中展示计算基础设施、通用大模型、具身智能和脑机接口等全AI产业链创新成果，彰显杭州作为国家战略科技创新高地的技术实力与创新动能[2] 博览会参展企业与技术成果 - 阿里巴巴Qwen3.8-Max全模态大模型、杭州海曼科技SG100工业可重构灵巧手、魔芯科技MoWorld 2.0先进4D世界模型等亮点产品在全球首发或首次公开展示[2] - 参展企业覆盖计算基础设施、通用大模型、具身智能和脑机接口等领域，呈现完整AI产业链[2] 杭州未来科技城发展历程与规模 - 杭州未来科技城2011年在余杭区启动，成立时符合统计口径的企业合计营收仅为203亿元（RMB 20.3 billion），当时文一西路两侧仍是农田[3] - 目前区内符合条件企业总营收已达1.2万亿元（RMB 1.2 trillion），为初始水平的60多倍，复合年增长率保持在30%以上[3] 创新生态与企业培育 - 科技城现有29家上市公司，累计吸引和培育7400多名海内外高层次人才[4] - 思看科技由海外博士和资深技术专家团队于2015年落户海创园，逐步打破国外长期垄断，于2025年1月在科创板上市[4] - 智云健康于2022年在港交所上市，印证了该生态培育初创企业的卓越能力[4] 人才服务体系 - 科技城提供覆盖招聘、发展和留任的全周期人才服务，运营博士创新创业学院，推出“产业教授”“企业认定人才”等前瞻性方案，并与顶尖高校开展联合研究生培养项目[5] - 过去三年35岁以下青年人才池每年增长超过8%[5] 科研基础设施与成果转化 - 科技城拥有浙江实验室等4家省级实验室、杭州超重力实验设施、200多家省级以上研发机构、多个概念验证中心及专业科技孵化器集群[6] - 与浙江实验室共同建设海纳数据枢纽创新中心，推动实验室成果转化为商业可行方案[6] - 2013年至2025年间共签约1055个人才创办项目，716个保持稳定运营，创业成功率达67.76%[6] - 思看科技董事长王江峰表示，支持性政策、可靠孵化服务和活跃营商环境是创新者选择在此创业的关键吸引力[6] 新兴产业布局与项目引进 - 科技城提前布局高潜力新兴产业，2018年脑机接口尚属小众领域时，招商团队专程赴波士顿成功引进BrainCo落地[7] - BrainCo已成长为全球认可的脑机接口独角兽，并入选杭州“六小龙”[7] - 仅2026年上半年，科技城就引进86个重大产业项目，总投资额达144.56亿元（RMB 14.456 billion）[7] 企业服务机制 - 服务团队在日常沟通中主动识别企业未言明的需求，例如协调杭州康基唯精医疗机器人加快政策资金拨付[8] - 管理委员会拒绝通用化、一刀切的支持方式，定期开展企业走访并运行“周三面对面”政企对话机制[8] - 2026年5月11日发布《全方位友好创新生态十二条措施》，将服务理念固化为稳定的制度框架[8] 融资支持与知识产权金融 - 通过投资、贷款、补贴和担保一体化模式强化融资支持，2025年推出浙江省首批面向AI商业化和生物医药核心设备的保险产品[9] - 迄今18个知识产权证券化产品为189家本地科技企业融资17.92亿元（RMB 1.792 billion），发行数量和融资规模均居浙江第一，将无形资产转化为有形发展资产[9] 城市配套与公共设施 - 城市展厅、脑机接口示范中心和灵境沉浸空间等场馆用于展示BrainCo、Rokid等企业的前沿产品[10] - 未来科技文化中心、国际演艺中心和国际体育中心等重大公共设施正在加速建设[10] - 优质学校和连接杭州西站的新高铁线路进一步提升区域宜居性和交通便利性[10] 未来发展方向 - 科技城将继续完善面向未来的产业体系，试点人才发展改革，推进原始创新和商业转化，推动AI赋能产业升级，并提供更专业化服务以支撑企业高质量增长[11]

文章核心观点 - 速卖通在英国推出史上最大规模节日购物活动，活动从11月1日持续至12月3日，覆盖11.11、黑色星期五和网络星期一，平台优惠券可在促销价基础上额外节省最高20% [1][2] - 活动主打科技与品牌商品，强调以规格为导向的产品兼具性能与价格竞争力，消费者无需在品质与精明消费之间妥协 [1][6] - 公司通过延长促销周期、强化品牌频道、升级物流与价格保障，全面提升英国市场的用户体验与价值主张 [2][5][3] 促销活动安排 - 11.11全球购物节活动期为11月1日至12月3日，为该公司迄今最长的促销窗口，覆盖11.11、黑色星期五和网络星期一三大节点 [1][2] - 英国消费者使用平台优惠券可在商品折扣基础上解锁最高20%的额外优惠，并可叠加PayPal额外权益 [2] - 11.11专场销售期为11月1日至18日，黑色星期五与网络星期一销售期为11月19日至12月3日 [6] 品牌+频道 - 品牌+频道迎来上线一周年，为英国消费者提供精选科技与创新产品 [2] - 该频道汇集超过2000个品牌的产品，包括小米、Anker、李宁、特步、Lefant、FIFINE、WOLFBOX、THINKCAR、Super Run等，在整个11.11购物节期间提供专属优惠 [2] - 品牌+频道销售占该公司英国总销售的比例持续增长，该频道复购率达到65%，近三分之二客户会再次购买品牌产品 [7] 价格保障 - 公司继续对选定商品提供价格匹配，带有"最佳价格保证"标签的产品对标亚马逊、eBay、Temu和Shein等电商平台 [3] - 若消费者在购买后七天内发现其他平台价格更低，公司将退还差价 [3] 物流与客户体验 - 公司今年重点转向用户体验与更快配送 [5] - 通过Local+服务，更多商品从英国仓库发货，通常1至3天内送达；跨境包裹一般7至10天到达 [5] 品类与消费趋势 - 最大幅度的节省集中在消费电子与科技品类，英国消费者对该类目价格最为敏感 [6] - 产品涵盖发烧级耳机、兼容主流生态的智能家居设备等，公司主张英国消费者无需为品质支付溢价 [6] - 11.11前公司报告品牌产品与AI驱动产品需求增长 [6] - 2026年关键趋势为AI驱动电子与小工具日益流行，1月至7月跨境销售同比增长100% [8] - 计算机处理器、迷你主机等AI能力增强产品及智能家居设备连续数月占据平台销售榜前列，公司正快速成为AI驱动品牌的首选平台，覆盖智能家居到笔记设备等领域 [8] 管理层观点 - 英国总经理Finch Li表示，英国消费者是全球最具鉴别力的群体之一，追求品质、选择与价值 [4] - 公司聚焦将最新产品与品牌引入英国市场，以性能和价格兼具的规格导向产品参与竞争 [4] - 节日季临近，消费者正在谨慎规划，11.11购物节是发现礼品与日常必需品的机会，今年活动规模更大、价值更高 [4]

文章核心观点 - UniPat AI完成3亿美元（约20亿元）融资，投前估值25亿美元（约168亿元），由阿里巴巴领投，腾讯和红杉中国共同参与，创下中国AI测评赛道公开最高估值、全球同行业单轮融资前列、赛道内最短创业史三项纪录 [3] - 公司不研发模型，而是为模型提供训练数据与评测标准，切入数据供给短缺与评测可信度不足两道行业“墙”，掌握标准制定权，属于AI淘金热中的“卖水人”逻辑 [8][10] - 阿里、腾讯、红杉三家罕见同框，共同判断模型层已被瓜分殆尽，下一轮议价权必然转向模型之外的数据、评测、标准三个节点 [14] 公司概况与团队背景 - 创始人李宽出生于1995年，去年还是阿里巴巴通义实验室实习生，主攻训练后分析、数据合成和强化学习方向，是BabyVision论文通讯作者，从实习生到近170亿元独角兽仅用一年 [3][5] - 联合创始人陈亮为北大计算语言学研究所博士，师从国内NLP领域知名学者常宝宝 [5] - 团队核心成员大多处于学术生涯早期，不少人本身是学生身份，拥有阿里通义实验室、清华大学、北京大学等机构研究背景，由十余位来自头部大模型公司的顶尖研究员联合创立 [5] - 2025年末李宽离开通义，在上海注册成立UniPat，公司名称取自Universe of Patterns，意为“模式的宇宙” [5] 产品与技术成果 - 公司开源视觉智能体框架SWE-Vision，让模型以编写Python代码方式验证自身视觉判断 [6] - 在覆盖基础感知、图表推理、数学问题求解、空间理解与多步骤视觉挑战的五个主流视觉基准中，SWE-Vision全部取得当前最优结果，其中BabyVision得分64.4，MathVision得分94.0 [6] - BabyVision已被多家近期发布的重磅模型纳入评测体系并在技术报告中被引用，从开源框架到获行业头部认可用时不到一年 [6] - BabyVision由UniPat与红杉中国xbench联合发布，瞄准AI纯视觉能力，围绕人类婴幼儿期具备的原子级视觉技能设计388道题、22个子任务 [6] - 测试结果显示，Gemini 3 Pro-Preview等顶尖模型仅得49.7分，不如6岁小孩，成年人平均分为94.1，最先进AI在“看”这件事上仍不如幼儿园小朋友 [6] 业务模式 - 公司基于真实使用场景设计测试与评估环境，生成高质量训练与评测数据，出售给AI研究机构与企业 [8] - 基准测试覆盖三个方向：AI编程智能体的软件工程能力、浏览器智能体的网页操作能力、前沿多模态模型的视觉推理能力 [8] - 生意前提是造模型机构越来越多，却没有谁能说清楚谁家模型真正好用 [9] 行业背景与痛点 - 过去两年AI竞争主旋律是堆参数，模型更大、算力更多、数据更海量就意味着更强，如今撞上两道“墙” [10] - 第一道墙是数据供给：版权与隐私限制收紧，互联网高质量文本快速枯竭，大模型训练面临数据短缺，合成数据从备选项变成必选项 [10] - 第二道墙是评测可信度：模型公开榜单分数亮眼但真实场景常失准，刷榜、过拟合测试集、数据污染几乎成为公开秘密，企业客户受此困扰 [10] - UniPat同时解决数据从哪里来和模型究竟行不行两个问题，并将两个环节的标准制定权握在手中 [10] 竞争格局与估值对比 - 全球AI测评赛道玩家大致分三类：数据标注派以Scale AI、Surge AI为代表；人工数据交易与测试服务派以Mercor为代表；独立基准测试派以Artificial Analysis与Chatbot Arena为代表 [12] - UniPat同时跨越三类边界，既做合成数据生成又做独立评测标准，全球范围内几乎找不到完全对标对象 [12] - 去年6月Meta出资143亿美元入股Scale AI获49%股权，对应估值约290亿美元；Mercor正洽谈按200亿美元估值融资，较UniPat高出一个量级 [12] - Mercor三位联合创始人平均22岁，去年10月以22岁年龄成为全球最年轻白手起家亿万富翁；Artificial Analysis与Chatbot Arena均无公开估值与融资数据 [12] - 在AI测评全球竞争格局中UniPat不是最贵的，只是中国公司中估值最高的 [12] 投资方考量 - 阿里与腾讯同时出现在同一份股东名单中，在过去十年中国创投市场属于稀缺事件，能让两家合投的项目通常要么是不得不投的卡位赛道，要么是稀缺到必须争夺的资产，UniPat两者兼备 [13][14] - 对阿里而言，投资前员工顺理成章，通义系列处于国内第一梯队，投资从通义实验室走出来的公司等于押注通义系创业生态扩张，既是业务协同也是组织能力延伸 [14] - 对腾讯而言，这是基础设施层的卡位，腾讯大模型走应用驱动路线，混元对外影响力不及通义，但对AI下一步瓶颈判断并不逊色，数据、评测、标准三节点掌握在谁手中谁就掌握未来模型采购与生态构建的议价权 [14] - 红杉中国属于老股东加注，早期进场的砺思资本、锦秋基金仍在股东名单中，头部VC连续投资为后续产业资本与二级市场提供背书 [14] - 三家考量不同但下了一个相同判断：模型层已被瓜分殆尽，下一轮议价权必然转向模型之外的数据、评测、标准三个节点 [14]

公司治理与董事会安排 - 董事会将于2026年11月18日举行会议，审议截至2026年9月30日止三个月和六个月的未经审核业绩及业绩公告等议案[3] - 业绩及业绩公告将于2026年11月19日由董事会或其代表批准，并于同日公布[3] - 公告日期为2026年11月6日，由公司秘书张锦玮承董事会命发布[4] - 董事会成员包括董事蔡崇信先生（董事会主席）、吴泳铭先生、J. Michael EVANS先生及武卫女士[4] - 独立董事包括杨致远先生、Wan Ling MARTELLO女士、单伟建先生、利蕴莲女士、吴港平先生及Kabir MISRA先生[4] 股权结构与投票权 - 公司只有单一类别股份，每一股份对应一份表决权[1] - 阿里巴巴合伙的董事提名权被归类为不同投票权架构，公司被视为有不同投票权架构的公司[1] 上市与交易信息 - 美国存托股份于纽约证券交易所上市，股份代号为BABA，每股美国存托股份代表八股普通股[1] - 股份代号为9988（港币柜台）及89988（人民币柜台）[2]

文章核心观点 - 阿里巴巴集团控股有限公司宣布将于2026年11月19日美国市场开盘前发布截至2026年9月30日止季度的未经审计财务业绩 [1] - 公司将于同日美国东部时间上午7:00（香港时间晚上8:00）召开电话会议讨论财务业绩 [1] - 所有参会者必须预先注册 [1] 财报发布安排 - 财报发布主体为阿里巴巴集团控股有限公司，纽约证券交易所代码BABA，香港交易所代码9988（港元柜台）及89988（人民币柜台） [1] - 财报涵盖截至2026年9月30日止季度，数据为未经审计财务业绩 [1] - 发布时间为2026年11月19日星期四，美国市场开盘前 [1] 电话会议安排 - 电话会议时间为美国东部时间上午7:00，对应香港时间晚上8:00 [1] - 参会者须预先注册方可参加 [1]

行业投资评级 - 澳门博彩运营商中，报告偏好MPEL、STCITY及SJMHOL'31，认为其风险回报比同业更具吸引力 [11] - 报告将WYNMAC'27和'29视为收益率提升选择，其中WYNMAC'29较其美国母公司债券交易溢价约130bps [11][12] - 报告对MGMCHIs、SANLTDs及SJMHOL'28估值维持中性看法 [12] 核心观点 - 亚洲信用市场昨日开盘收紧5-10bps，但中国TMT及台湾寿险类债券（BABA、TENCNT、KUAISH、MEITUA、TME、NSINTW、SHIKON）出现获利回吐，从最紧水平回吐2-3bps [2] - 韩国市场维持收紧偏向（-2/3bps），由公用事业类（KOSOPW、KOMIPW、KORELE）及金融股空头回补带动，但HYNMTR等前端品种出现抛售（+2/3bps）[2] - 金融板块方面，新发行的INTNED 7.75永续债较重新发行价上涨1pt，双向交投于101附近；HSBC宣布新发8%非赎回5.5年期永续债，其现有31/32赎回永续债遭RM卖出但仍收高0.25-0.375pt [2] - 日本AT1及保险次级债收高0.5-1pt，但触发DAIL、RESLIF、MYLIFE及KAMPOS的大量获利了结 [2] - 高收益板块中，中国开发商持续复苏，CNH ZHHFGR反弹1.5-4pts，BCDHGR/CPDEV上涨0.2-0.5pt，CHJMAO/GRNCH上涨0.2-1pt [3] - LGFV表现疲弱，广东名称卖压较大且买家有限，KCGZIG'28下跌1.5pts，GZDZCD'28进一步下跌4.4pts [3] - 新发HSBC 7.625永续债较重新发行价上涨0.3pt至面值，早盘双向交投活跃；KR IG利差基本不变；TW寿险T2亦表现坚挺；中国TMT MEITUA/BABA走阔2-4bps；LGFV企稳并见RM买盘 [4] - 宏观方面，标普跌4.35%、道指跌5.52%、纳指跌3.44%；美国最新初请失业金人数+189k，低于预期的+197k；UST收益率回落，2/5/10/30年期分别为4.46%/4.59%/4.84%/5.25% [7] - 在岸一级发行方面，昨日发行52只信用债合计RMB36bn；月至今发行244只信用债合计RMB236bn，同比下降13.9% [18] - ADSEZ拟以USD2.88bn估值收购Evos [18] - Moody's向Medco Energi拟发行的优先无抵押票据授予Ba3评级 [18] - 媒体报道NWD向UOL出售其香港Hyatt Regency酒店的谈判已破裂 [18] - Wynn Macau 3Q26运营收入同比下降8.2%至USD919mn，adj.物业EBITDAR同比下降17.2%至USD255mn [18] MPEL/STCITY经营表现 - 3Q26 Melco Resorts（MPEL）运营收入同比下降10.4%至USD1,174mn，受滚码及 mass market 桌游表现疲弱及非博彩业务放缓拖累 [8] - 3Q26博彩收入同比下降11.5%至USD939mn，降幅大于澳门GGR同比降幅3.8% [8] - adj. EBITDA同比下降24.8%至USD265mn，adj. EBITDA利润率从3Q25的26.9%压缩至22.6%，反映博彩收入疲弱及运营成本上升 [8] - 估算MPEL市场份额从1H26的约15%降至3Q26的约13% [8][4] - 分物业看，澳门三个物业City of Dreams、Studio City及Altira Macau的GGR同比变动分别为-14%、-7%及+40% [9] - City of Dreams adj. EBITDA同比下降37%至USD130mn，受滚码及mass market桌游疲弱拖累；滚码量同比下降17%，赢率从3Q25的3.68%降至2.49%，低于预期区间2.85%-3.15% [9] - Studio City adj. EBITDA同比下降13.5%至USD91mn，主要受mass market表现疲软拖累；持有率从3Q25的33.1%提升至3Q26的34.3%，但被mass table drop同比下降10.0%所抵消 [9] - Altira Macau adj. EBITDA亏损从3Q25的USD0.7mn收窄至USD0.3mn，受mass market及角子机表现改善支撑 [9] - 澳门以外，Manila及Cyprus合计adj. EBITDA同比下降7.8%至USD59mn，因City of Dreams Manila表现疲弱超过Cyprus增长 [9] MPEL流动性及债务状况 - 截至2026年9月，MPEL现金（不含受限现金）为USD762mn，可用信贷额度约USD1.1bn，分别较2026年6月的USD913mn及约USD1.8bn下降 [10] - 3Q26期间MPEL赎回USD600mn的MPEL 5.625'27及部分赎回STCITY 6.5'28计USD165mn，主要通过银行额度提取融资 [10] - MPEL净债务基本持平于约USD6.3bn [10] - 报告认为其近期再融资风险有限，因2027年无债务到期，而MPEL 5.75'28及STCITY 6.5'28合计2028年到期USD1,185mn [10] - 虽然EBITDA疲弱制约去杠杆，但顺畅的融资渠道仍支撑其信用状况；博彩量复苏有助于建立流动性缓冲并改善信用指标 [10] 澳门博彩债券选择 - 报告列出的澳门博彩美元债选择包括MPEL 5 3/8 12/04/29（YTM 7.2%、久期2.7）、MPEL 7 5/8 04/17/32（YTM 7.7%、久期4.4）、MPEL 6 1/2 09/24/33（YTM 7.9%、久期5.3）[13] - SJMHOL 6 ½ 01/15/31（YTM 9.9%、久期3.4）、STCITY 6 1/2 01/15/28（YTM 6.9%、久期1.1）、STCITY 5 01/15/29（YTM 8.2%、久期2.0）[13] - WYNMAC 5 1/2 10/01/27（YTM 6.0%、久期0.9）、WYNMAC 5 1/8 12/15/29（YTM 6.9%、久期2.7）[13] SJMHOL经营表现 - SJM Holdings 9M26总净收入同比下降22%至HKD15.3bn，adj. EBITDA同比下降4.8%至HKD2.4bn [4] - SJMHOL债券早盘持平至下跌0.1pt [4] 交易台表现最佳与最差债券 - 表现最佳：WESCHI 9.9 12/04/28上涨2.9至89.0；GENTMK 8.3 PERP上涨2.7至85.2；PALPM 7 3/4 07/16/31上涨2.3至89.8；SONYLF 7 1/8 09/24/56上涨1.4至102.0；VEDLN 7 3/4 07/13/37上涨1.4至98.1 [5] - 表现最差：WLISRC 7 7/8 06/23/36下跌4.4至85.0；GZDZCD 4.39 03/13/28下跌4.4至93.8；KCGZIG 5.4 03/11/28下跌1.5至95.2；HKIQCL 5.4 04/09/28下跌1.2至98.4；SOFTBK 9 3/4 04/01/34下跌1.0至98.7 [5] 离岸亚洲新发行 - 当日无离岸亚洲新发行定价 [14] - 当日无离岸亚洲新发行 pipeline [15]

国际油价反弹，市场重新评估中东 局势及潜在供应风险；科技股重挫 推升避险需求，叠加美债收益率回 落，支撑金价上涨。 固 定 收 益 美国中期选举后 AI 监管担忧升 温，科技股重挫推动避险资金流入 债市，美债大涨；全球主要债市同 步走强，中国 10 年国债收益率创 历史新低。 产品及投资方案部 注：bp/bps=基点；pt/pts=百分点 中信证券财富管理 (香港) 免责声明请参考封底 2026 年 11 月 6 日 环球市场动态 港 股 互 联 网 迎 来 修 复 股 票 A 股震荡上行，市场成交额连续突 破 2 万亿；港股大涨，权重科网 股有力反弹；欧洲股市冲高回落， 科技股受美股影响大跌；美股在民 主党 AI 监管担忧下大幅下挫，标 指创 2025 年 4 月以来最大单日跌 幅。 外 汇 / 商 品 ▪ 美债利率下行叠加资金回流，港股互联网有望迎来新一轮修复行情。中期选举后美债利率下行预期升温，属 于相对慢变量，全球流动性外溢有望带来持续的资金回补。估值端，恒生科技 NTM PE 为 17.6x，处于近 5 年 16.2%分位，对利率敏感、估值处于低位的恒科有望率先受益；资金端，外资与内资对互联网的配置 ...

业绩预期与盈利反弹 - 阿里巴巴9月季度业绩预计表现强劲，云业务增长加速、电商业务稳定、即时零售亏损大幅减少，集团收入同比增长且调整后Ebita同比跃升[5] - 阿里云有望超预期，受强劲AI需求和平头哥芯片推动，AI云和计算服务收入在9月季度同比加速[6] - AI产品贡献不足35%的外部云收入并保持三位数增长，AI MaaS ARR到8月已超过200亿元人民币（28亿美元），年底前可能超过目标，其中超过一半来自通义千问模型[6] - 平头哥芯片在阿里云渗透率长期可能上升（对比当前10%）带来成本节省，下一代真武V900 AI芯片计划2027年一季度发布，性能提升3倍，超过1000颗V900芯片可作为单一系统协同工作[6] 电商与即时零售 - 中国商业受消费疲软压力，剔除会计调整后淘宝天猫CMR预计同比增长，受即时零售流量和补贴减少推动利润增速可能超过收入[7] - 即时零售亏损可能环比进一步减少，阿里巴巴电商调整后Ebita可能同比上升[7] 资本开支与算力 - 9月季度资本开支可能保持高位，自由现金流可能仍为负但环比改善[8] - 阿里巴巴目标到2032年实现20GW算力容量，平均每年增加2.5GW，但只有一半将是自筹资本开支，2027年资本开支增幅应趋缓[8] 估值与市场数据 - 股价（2026年11月4日）105.29美元，12个月最高/最低价177.18美元/94.81美元，市值2619.30亿美元，3个月日均成交额11.20亿美元，市场共识目标价183.94美元[14] - 主要股东软银持股13.70%[14] - 收入按产品分类：淘天集团中国商业零售38.8%、云智能集团10.8%、国际数字商业零售9.9%、菜鸟9.2%；按地区分类：亚洲85.7%、欧洲10.4%、中东和非洲3.7%、美洲0.2%[12] 催化因素与风险 - 催化因素包括借助更精细化营销工具提高电商货币化率、中国IT/云支出回暖、包括阿里云在内的业务板块IPO进展[9] - 投资风险包括激进收购可能继续、市场对集团增长设定很高预期、蚂蚁集团股权所有权取决于股东协议最终执行、物流网络建设成功无法保证、反垄断和数据安全等法规可能挑战现有业务安排并导致负面财务结果[10]