港股市场表现 - 2025年12月30日，港股三大指数集体走强，恒生指数收于25,855点（日跌0.86%），恒生科技指数收于5,578点（日涨1.74%），恒生国企指数收于8,991点（日涨1.12%）[1] - 权重科技股百度大涨近9%，机构分析指其AI全栈布局完善，智能云业务增速加快，AI芯片昆仑芯进入规模放量阶段[7] - 半导体板块强势拉升，英诺赛科大涨超15%，中芯国际涨逾4%，后者拟以406亿元收购中芯北方49.00%股权[7] - 机器人概念股活跃，越疆科技涨超13%，三花智控涨超12%，2025年11月中国工业机器人产量达70,188台，同比增长20.6%[7] - 影视娱乐股走势活跃，2025年贺岁档总票房突破53亿元，创近8年新高，2025年全国电影总票房突破516亿元[7] - 石油股延续强势，中国海洋石油涨近4%，WTI原油价格升破58美元/桶，布伦特原油逼近62美元/桶[7] 全球市场与宏观 - 美股三大指数连续第三个交易日集体收跌，标普500收于6,896点（日跌0.14%），纳斯达克收于23,419点（日跌0.24%），道琼斯收于48,367点（日跌0.20%）[1][11] - 美联储12月会议纪要显示，多数官员认为若通胀持续回落，进一步降息是合适的，但部分决策者主张未来一段时间内保持政策稳定[11] - 金属市场反弹，Comex白银期货大幅反弹近8%，伦铜涨幅超过3%，伦镍暴涨6%创近一年新高[11] - 日股在2025年最后一个交易日收跌，日经225指数收于50,339点（日跌0.37%），但全年累计涨幅达26.18%[1][11] - 在岸人民币升破1美元兑7元关口，创2023年来最高水平[13] 行业与政策动态 - OPEC+预计将维持原定的暂停增产计划不变[13] - 中国政府提前下达2026年第一批625亿元超长期特别国债资金，支持消费品以旧换新[13] - 软银据悉已完成对OpenAI的400亿美元投资承诺[13] - 英伟达拟以最高30亿美元的价格收购以色列AI21 Labs[13] - 特斯拉官网发布悲观预期，第四季度交付量料同比下降15%[13] - 中国对个人出售购入超2年的住房将免征增值税，2026年1月1日起施行[13]

文章核心观点 - 当前人工智能的发展已取得惊人成就，但正面临进一步增长的瓶颈[1] - 智能增长的核心矛盾在于如何将算力更有效地转化为智能，而非单纯的架构变革[6] - 现有以Transformer架构和超大算力为核心的范式，在进一步增长时难以充分消化持续增长的算力资源，导致“预训练红利递减”[6][33] - 未来突破的关键不在于工程优化，而在于底层范式的突破，以找到更高效的算力利用方式[8][42] - 尽管存在瓶颈，但通过更好的算力利用方式，人工智能的智能水平仍有巨大的发展空间，前景依然乐观[9][44] 智能的本质与现状 - 目前对于智能（AGI）尚无明确定义，其标准会随时代变化[15][16] - 智能的核心能力是预测和创作，预测未来的难度远高于解释过去[17][30] - 当前模型的智能主要来源于预训练（尤其是自监督方法），仅有少量来自微调或强化学习[20] - 预训练、微调、强化学习在计算本质上都是通过计算梯度（或其类似物）来更新模型参数[21] 当前智能增长瓶颈的根源 - 瓶颈的根源在于现有范式无法充分消化持续增长的算力[33] - 当前AI大模型的技术本质是将电力能源通过计算过程转化为可复用的智能，转化效率是关键[19] - 即使算力指数级增长，如果现有算法无法有效利用这些资源，智能提升仍将受限[7] - 衡量智能提升的根本指标是：使用同样的浮点数计算次数，能否获得一个更好的模型[34] 现有成功范式的分析 - Transformer架构能够胜出的核心原因在于其本质是一台并行计算机，完美匹配了GPU的并行计算单元[24][27] - OpenAI坚持的Next-Token Prediction损失函数，因其最小化人为干预且本质是预测未来，在实践中效果显著优于BERT的完形填空等损失函数[28][29][30] - 英伟达GPU设计的核心路线是在同样的物理空间里堆叠更多高带宽内存（HBM），这要求算法必须提供足够大的批处理量或并行度[22][23] 未来潜在的发展方向 - **硬件与基础设施层**：需要持续产生更大的绝对算力，可通过集群方式构建，核心目标是维持或提升“计算开销/通信开销”的比值[36][41] - **计算精度**：探索更高精度（如FP32、FP64）的计算能力，理论上应能带来更可靠的计算结果和智能提升[45] - **优化器**：采用更高阶的优化器，理论上能在学习过程中为模型提供更好的指导，计算出更优的梯度[45] - **模型架构与损失函数**：需要扩展性更好的架构或损失函数，以更高效地整合和利用算力[45] - **训练策略**：在参数与数据匹配的前提下，探索更多的训练轮次和更优的超参数，以“吃下”更多能源并转化为智能[45] - **并行计算**：通过增加模型每层的参数量（Tensor Parallelism）和序列长度（Sequence Parallelism）来提高并行度，从而利用更多算力[37] 对未来的展望 - 智能增长归根结底是算力利用问题，随着问题规模的不断扩大，行业终将找到更高效的算力使用方式[42][44] - 预训练可能才刚刚开始，大模型智能仍有巨大的发展空间[9] - 人工智能发展的历史经验表明，依托计算能力的通用方法最终将占据压倒性优势[44]

行业核心观点 - 2025年或将被铭记为AI工业时代的黎明 模型性能通过推理能力达到新高度 基础设施建设成为推动美国GDP增长的关键力量 顶尖科技公司为争夺人才展开前所未有的薪酬战 [1] - 随着技术更紧密地融入日常生活 新的一年将进一步巩固这些变革 [2] 基础设施建设与资本开支 - 以OpenAI 微软 亚马逊 Meta和Alphabet为首的科技巨头宣布了令人咋舌的基础设施投资计划 每一吉瓦数据中心容量建设成本约为500亿美元 [3] - OpenAI与其合作伙伴宣布耗资5000亿美元的"Stargate"项目 并计划最终在全球建设20吉瓦的容量 [3] - 微软在2025年的全球数据中心支出达到800亿美元 并签署一项为期20年的协议 计划于2028年重启宾夕法尼亚州的三里岛核反应堆以确保持续电力供应 [3] - 贝恩公司估计 要支撑这种规模的建设 到2030年AI年收入需达到2万亿美元 这超过了主要科技巨头2024年的总盈利 [3] - 电网容量不足已导致硅谷部分数据中心闲置 [3] - 出于对债务水平的担忧 Blue Owl Capital于12月中旬退出了为Oracle和OpenAI提供100亿美元数据中心融资的谈判 [3] 人才市场竞争与薪酬 - 随着AI从学术兴趣转变为革命性技术 顶尖人才身价已飙升至职业体育明星水平 [4] - Meta在2025年打破传统薪酬结构 向来自OpenAI 谷歌和Anthropic的研究人员提供包括现金奖金和巨额股权在内的薪酬包 部分四年期合同价值高达3亿美元 [4] - 扎克伯格亲自参与人才争夺战 成功招募了OpenAI的Jason Wei和Hyung Won Chung等关键研究人员 此前与Mira Murati共同创立Thinking Machines Lab的Andrew Tulloch最终也加入了Meta [4] - 作为回应 OpenAI为新员工提供了更激进的股票期权归属时间表和高达150万美元的留任奖金 [5] 技术进展与推理模型应用 - 2025年被视为推理模型广泛应用的元年 OpenAI的o1模型和随后的DeepSeek-R1展示了通过强化学习微调模型以进行"思维链"推理的能力 显著提高了在数学 科学和编程任务中的表现 [6] - OpenAI o4-mini在结合工具使用后 在一项多模态理解测试中达到了17.7%的准确率 [7] - 技术进步直接推动了"智能体编码"的爆发 到2025年底 Claude Code 谷歌 Gemini CLI和OpenAI Codex等工具已能通过智能体工作流处理复杂的软件开发任务 [7] - 在SWE-Bench基准测试中 基于最新大模型的编码智能体能够完成超过80%的任务 [8] - 虽然苹果和Anthropic的研究指出推理模型在某些复杂逻辑上仍存在局限性 且推理过程增加了推理成本 但这并未阻挡企业利用AI自动生成代码 降低开发成本的趋势 [8]

文章核心观点 - 2025年AI产业链在业绩趋势中从分歧走向共识，2026年有望成为本土硬科技收获之年 [3][7] - 电子行业景气周期自2021年下行近2年后，于2023年下半年筑底回升，目前仍处在由AI创新拉动的温和上行过程中 [3][7] - 行业在“宏观政策周期、产业库存周期、AI创新周期”共振上行及被动基金快速扩容的助力下，呈现出显著的估值扩张趋势 [3][7] - 在经历了2025年由DeepSeek兴起引致的“算力通缩”叙事逻辑冲击及美国关税战冲击后，行情在AI产业链亮眼业绩中走向共识，截至12月16日电子行业上涨40.22%，位居全行业第三 [7] - 展望2026年，AI大模型推理能力持续进阶，大模型与端侧应用的闭环正在形成，算力+存力硬件层面供不应求态势将延续，国内先进制程扩张和自主可控推进速度仍有较大预期差 [7] - 在2020年全面开启的5G创新周期中已有冒尖趋势的中国科技产业，在国内工程师红利支撑下，经历了逾5年的“人财物”快速累积后，正在新一轮AI创新周期中体现出更强的全球竞争力，2026年有望成为本土硬科技收获之年 [7] 2025年行情回顾：AI在业绩趋势中从分歧走向共识 - 2025年初至12月16日，电子行业整体上涨40.22%，涨跌幅位居全行业第三，其中元件、电子化学品、其他电子、消费电子、半导体、光学光电子分别上涨93.19%、46.88%、40.63%、39.40%、38.37%、7.66% [16] - 2025年1-2月，延续2024年末“字节火山引擎大会”引燃的AI端侧创新预期，端侧SoC带动半导体及消费电子上涨，期间电子上涨8.02% [19] - 2025年3-5月，受美国加征关税、技术限制、“算力通缩”叙事逻辑冲击及基金行业新规影响，期间电子下跌11.55% [19] - 2025年6-10月，在AI算力需求拉动下，全球逻辑类芯片月销售额同比增速大幅扩张，“算力通缩”预期被证伪，AI基建相关的光模块、PCB、服务器环节业绩全面超预期，传导至存储环节全面紧缺及大规模涨价，期间电子上涨60.68% [19] - 2025年11月以来，受抢出口透支订单、消费补贴退坡、存储缺货涨价及基金调仓预期影响，板块热度降温，自10月至12月16日电子下跌8.66% [19] - 估值方面，截至2025年12月16日电子行业整体TTM PE为62.61倍，处于近五年的94.5%分位 [20] - 截至三季度末，公募基金电子板块重点持仓市值排行前五的公司分别是寒武纪-U、中芯国际、海光信息、澜起科技、立讯精密 [22] - 截至2025年12月16日，沪（深）股通电子板块持仓市值排行前五的公司分别是北方华创、立讯精密、工业富联、豪威集团、澜起科技 [24] AI大模型群雄逐鹿，英伟达引领算力迭代，PCB、服务器产业链延续高增长 - 大模型通过架构创新持续提升效率与性能，混合专家架构通过稀疏化实现更高效推理，创新的注意力机制降低计算复杂度与内存需求，深度思考模式通过多轮推演减少幻觉 [8][27][33][34][36] - 得益于CSP、主权云等算力需求扩张及AI推理应用蓬勃发展，TrendForce预计2026年全球八大CSP合计资本支出将增长40%达到6000亿美元以上，全球AI服务器出货量将增长20.9% [8][43] - 英伟达新一代Rubin架构AI服务器将为分离式推理带来革命性变化，英伟达预计在24年底前，Blackwell系列GPU总出货将达2000万颗，合计订单将达5000亿美元 [8][54] - 基于算力军备竞赛的市场规模扩容及算力产品迭代带来的ASP提升，伴随Scale Up与Scale Out带来的智算集群扩展，2026年深度参与全球产业链分工的PCB、服务器产业链将迎来量价齐升的高速成长期 [8] - 超节点是一种新型AI算力基础设施架构，旨在应对大模型训练与推理对极致通信效率和高密度算力协同的需求，例如华为CloudMatrix384将算力从单台服务器的6.4 Pflops提升到超节点的300 Pflops，算力提升50倍 [57] - PCB行业自2024年年初进入景气上行阶段，随着2025年AI基建加速出现供不应求，预计将持续到2027年，日本10层以上PCB产值从2023年9月的15.87亿日元低位升至2025年7月的34.90亿日元高位，价格从2023年7月的21.04万日元/平米涨至2025年9月的40.08万日元/平米，涨幅90% [65] - 预计2026年全球算力类PCB市场需求将达到1815亿元，而全球Top13的PCB厂商相关产值约为1320亿元，预计将有近200亿元的供需缺口，2027年供需缺口将大幅收窄 [72] - 英伟达Vera Rubin系列机柜中，由于新增CPX GPU及布局变化，PCB价值量大幅提升，预计在满配的VR NVL144 CPX机柜中，单GPU对应PCB价值量达到8000余元 [79] AI算力+存力：国产算力通用芯片与ASIC方案齐发力，存力缺货涨价有望贯穿全年 - 国产算力芯片积极更新迭代，华为计划2026年推出昇腾950 Pro，2026年Q4上市超节点Atlas 950 SuperPOD；寒武纪、沐曦、壁仞、摩尔线程等国产卡顺利导入智算中心 [9] - 受限于美国BIS多次制裁，CSP大厂的合规/ASIC项目将同步迎来发展机遇，其中非一线云厂的自研项目有望为国内ASIC厂商带来可观增量 [9] - 存力方面，AI时代的DRAM从“附属角色”转变为“性能瓶颈突破口”，预计2026年DRAM位元需求量有望同比增加26% [9] - 随着AI推理兴起，传统HDD的局限性加速了SSD渗透，NAND缺货态势从局部应用蔓延至全盘，价格指数自2025年9月至12月已上涨超40% [9] - 预计2026年DRAM及NAND仍将呈现较严重的供不应求，价格有望延续涨势 [9] - 海外算力芯片存在后门风险，2025年7月美国议员呼吁要求美出口的先进芯片必须配备“追踪定位”功能，国家网信办约谈英伟达要求其对H20算力芯片漏洞后门安全风险进行说明 [83] - 蚂蚁集团已部署万卡规模的国产算力集群，训练任务稳定性超过98%，训练与推理性能可媲美国际算力集群，DeepSeek UEBMO FP8是针对下一代国产芯片设计 [86] AI运力+电力：运力成为算力提升的重要突破口，算力增长推动电源架构同步升级 - 运力环节需解决数据进出内存的问题，并实现服务器内部、机架之间以及集群间的顺畅通信，在国内高端算力芯片流片受限的背景下，运力环节的优化成为重要突破口 [11] - 预计2024-2030年全球高速互连芯片市场规模CAGR为21.2%，中国市场的占比将由25%提高至30%，为HBM内存、PCIe互连芯片、CXL互连芯片、硅光芯片、D2D等产业链创造增量市场 [11] - 随着数据中心芯片及机架处理功率水涨船高，英飞凌预测单GPU的功耗将呈指数级增长，到2030年达到约2000W，机架的峰值功耗将达到300kW以上 [11] - 机架侧大幅、快速波动的功率曲线对公共电网稳定性构成挑战，因此要求供电方案向HVDC方向发展，SST、Droop、ZVS、GaN器件将成为AI电源的核心方向 [11] AI端侧：AI Agent重塑交互范式，大厂争先布局端侧入口，消费电子创新大年开启 - 随着大模型在多模态理解、通用推理与任务执行能力上的持续演进，AI正由工具型能力升级为能够理解用户意图并自主执行任务的AI Agent，端侧消费电子产品是AI商业化闭环的关键承载层，有望系统性重构人机交互范式 [12] - 手机、眼镜、耳机以及家庭机器人等多种终端形态，有望围绕AI Agent构建协同网络，推动AI从单点功能升级迈向跨场景、跨终端的系统级体验 [12] - 语音、视觉及环境感知等多模态输入的重要性提升，对端侧算力、感知能力与连接能力提出更高要求 [12] - 当前端侧相关技术与产业基础已趋于成熟，商业模式的关键突破有望形成“非线性放大效应”，展望2026年，从年初的CES到年中的WWDC，以及头部厂商的持续探索，均可能成为引爆市场情绪与产业投资共识的关键催化 [12] 半导体：自主可控进程有望超预期的自主可控产业链，以及在景气复苏阶段加速国产替代的模拟芯片 - 据SIA数据，2024年中国占全球半导体销售额的28%，但本土供应比例仅4.5%，自给率仍偏低，且由于增量主要来自GPU、HBM等云侧增量，自给率较2023年有所降低 [12] - A股半导体公司的财务表现持续改善，据统计的146家公司中，单季度收入最高值落在2025年的占比54%，2025年Q3 SW半导体板块整体毛利率处于2020年Q2和2021年Q1之间，净利率与2020年Q4、2021年Q1水平相当 [12] - 全球半导体销售额已连续八个季度同比增长，2025年12月WSTS再次上修了对2025和2026年的预测值，预计2024-2026年全球半导体将实现连续3年两位数增长 [12] - 除了AI增量外，国内芯片设计企业崛起和在地化制造需求为自主制造链提供增量，重点关注晶圆代工、先进封装和上游半导体设备材料环节 [12] - 模拟芯片在半导体产品品类周期靠后，国际大厂TI、ADI 2025年收入开始同比转正，标志着行业进入复苏阶段，国内企业近几年推出的新品有望进入规模放量阶段 [12] - 长期来看AI数据中心以及自动驾驶、人形机器人等AI应用均为模拟芯片带来广泛增量，同时模拟芯片也是国产化空间较大的细分，将持续受益国产化率提高 [12]

行业投资评级 - 传媒行业评级为“强于大市”（维持）[7] 报告核心观点 - 报告核心观点是看好AI推理端算力的爆发，认为通过专注AI推理过程的算法优化并给予大模型充足的推理算力，能使模型表现变得更快、更好、更有效[6] - 报告认为谷歌的动向揭示了行业新趋势：从训练推理模型转向关注推理过程本身，推理过程正成为获取智能、处理复杂信息的关键环节，算力价值从后台训练转移到了前台实时推理[5] 行业动态跟踪：谷歌前沿产品进展 - 2025年12月4日，谷歌向Google AI Ultra订阅用户推送Gemini 3 Deep Think模式，运用并行思维技术推动思维能力前沿[3] - 其上一代模型Gemini2.5 Deep Think鼓励模型利用扩展推理路径，使深度思维随时间推移成为更优秀、更直观的问题解决者[3] - 通过延长推理或思考时间，让AI有更多时间去探索不同假设，并对复杂问题提出创造性解决方案[3] 行业技术趋势：推理算法进步 - 谷歌论文《Titans: Learning to Memorize at Test Time》提出新的神经长时记忆模块，能学习记忆历史上下文，并运用遥远历史信息协助注意力机制聚焦当前上下文[4] - 该神经记忆模块兼具快速并行化训练与高效推理优势，注意力机制被视为短期记忆，而神经记忆则发挥长期、更持久记忆的作用[4] - 论文提出同时具备注意力机制和元上下文记忆的结构“Titans”，能在测试时学习记忆[4] - 谷歌论文《Nested Learning: The Illusion of Deep Learning Architecture》提出全新机器学习范式“嵌套学习NL”，模仿人脑认知机制路径[5] - “嵌套学习”将短期内记忆快速更新、长期记忆缓慢沉淀的过程逻辑数字化，每个层级拥有独立上下文流和更新频率[5] - 从嵌套学习视角提出连续记忆系统CMS，每次更新仅包含少量参数，减少算力需求，使大语言模型能在不断学习新技能的同时不遗忘旧技能，计算效率将大幅提升[5] - 谷歌团队试图打破现有大模型训练即固化的静态模式，让学习不再仅限于训练过程，而是发生在推理现场[5] - 现有Transformer模型通过Attention机制处理长文本计算成本高，且本质上是短期记忆，一旦超出上下文窗口信息就被丢弃[5]

吴恩达2025年AI领域年度总结核心观点 - 2025年是AI工业时代的黎明，AI发展从算法竞赛演变为涉及人才、算力、基建和能源的工业革命[14][37] - 尽管AI基础设施和人才竞争变得空前“重”，但推理模型和编程智能体的成熟使得AI开发门槛降低，是软件开发的黄金时代[37] - 对于个人发展，建议通过系统学习课程、持续动手构建项目以及阅读研究论文来掌握构建AI系统的能力[7][15] AI技术发展趋势：推理模型与智能体 - 思考型（推理）模型成为主流，显著提升了模型在数学、编程及复杂问题解决上的性能[19][21] - OpenAI o1-preview在AIME 2024上比GPT-4o高出43个百分点，在GPQA Diamond上高出22个百分点，在Codeforces编程题中表现位于人类选手第62百分位（GPT-4o为第11百分位）[24] - 结合工具（如计算器、搜索引擎）后，模型性能进一步提升，例如带工具的OpenAI o4-mini在一项高难度测试中准确率达17.7%，比无工具时高出3个多百分点[24] - 机器人动作模型通过强化学习（RL）学会推理后，在任务上的表现比不具备思考能力的模型（如OpenVLA）提升约8%[24] - 编程智能体能力飞速进步，2024年Devin将SWE-Bench基准最高水平从1.96%提升至13.86%，而到2025年，使用最新大语言模型的编程智能体已能常态化完成超过80%的同类任务[31] - 2025年底，Gemini 3 Pro、Claude Opus 4.5和GPT-5.2成为编程和智能体工作流领域的顶尖模型[40] AI行业人才竞争与薪酬 - 领先AI公司展开激烈人才争夺战，提供堪比职业体育明星级别的薪酬，从竞争对手处挖走顶尖人才[23] - Meta为新成立的Meta Superintelligence Labs组建团队，向来自OpenAI、Google、Anthropic等公司的研究人员开出高达数亿美元的待遇[23] - 据《华尔街日报》报道，Meta为招募Andrew Tulloch（OpenAI前CTO Mira Murati的联合创始人）提供了价值15亿美元的奖金方案[28] - Meta聘请曾主管Apple AI模型的Ruoming Pang，其薪酬方案在数年内累计高达数亿美元，超过了Apple除CEO之外最高层管理者的薪酬[28] - OpenAI为抵御挖角，提供了更高比例的股票薪酬，加快期权归属进度，并发放高达150万美元的留任奖金[27] - Elon Musk的xAI从Meta挖走十多名AI研究人员和工程师[28] - Microsoft AI CEO Mustafa Suleyman从Google带走了20多名研究人员和工程师[28] AI基础设施与资本支出 - 2025年AI行业资本支出突破3000亿美元，大部分用于建设处理AI任务的新数据中心[27] - 头部AI公司宣布庞大的建设计划，预计未来几年将豪掷数万亿美元，消耗数吉瓦（GW）电力[27] - 据麦肯锡预测，为满足预期的推理和训练需求，到2030年建设足够算力的成本可能高达5.2万亿美元[27] - **OpenAI**：启动与甲骨文、软银等合作的5000亿美元“星际之门”项目，计划在全球建设20吉瓦数据中心产能，并预测需求是该数字的5倍[32] - **Meta**：2025年在基础设施项目上投入约720亿美元，其Hyperion项目包括在路易斯安那州建设一个价值270亿美元、容量5吉瓦的数据中心[32] - **微软**：2025年全球数据中心项目支出达800亿美元，计划将其在欧洲的云和AI产能扩展至200个数据中心[32] - **亚马逊**：预计2025年基础设施支出达1250亿美元，其耗资110亿美元的“雷尼尔计划”是在印第安纳州建设一个2.2吉瓦的数据中心[32] - **Alphabet（谷歌）**：预计2025年基础设施支出高达930亿美元，宣布了一项400亿美元的计划，到2027年在得克萨斯州增加3个数据中心[32] - 基础设施建设热潮为经济带来增长，2025年上半年美国GDP的增长几乎全部来自数据中心和AI领域的投资[30] 编程智能体与开发工具竞争 - 编程成为智能体工作流中最具直接商业价值的应用场景，是AI巨头竞争最激烈的战场之一[31] - 智能体系统不断推高SWE-Bench等编程基准测试上限，催生了SWE-Bench Verified、LiveBench等一系列新基准[34] - 到2025年底，许多公司（如Microsoft、Google、Amazon和Anthropic）报告称自身越来越多的代码正由AI生成，并开始自动化资深级别的任务[34] - Anthropic推出Claude Code应用，确立了智能体编程系统的标准；OpenAI随即推出基于GPT-5系列构建的Codex应用[40] - 模型制造商与集成开发环境（IDE）开发者展开竞争，导致Anysphere (Cursor)和Cognition AI (Windsurf)等IDE提供商开始构建自己的模型，而Google也构建了自己的IDE——Antigravity[40] - 开放权重模型（如Z.ai的GLM-4.5、月之暗面的Kimi K2）成为热门选择，使自动编程类初创公司得以大幅削减成本[40] - 7月发布的Qwen3-Coder是一个4800亿参数模型，在超过5万亿Token的代码数据上训练，性能几近匹敌Claude Sonnet 4[40] 推理模型的效率与成本 - 推理能力提升性能的同时也增加了成本与延迟，给LLM推理服务商带来更大性能压力[22] - Gemini 3 Flash开启推理时运行Artificial Analysis的Intelligence Index基准消耗1.6亿tokens（得分71），关闭推理仅消耗740万tokens（得分55）[22] - 研究人员正努力提高效率，Claude Opus 4.5与GPT-5.1在高推理设置下取得相同Intelligence Index分数，但前者消耗4800万tokens，后者消耗8100万tokens[22]

克罗内特将花旗的分析立场形容为评估人工智能(AI)发展动能时的"半杯水视角"(glass half full)，即更侧 重积极因素。 "关于繁荣期还是泡沫期的讨论一直都有，而我们正处于繁荣期阶段，"他表示。 智通财经APP获悉，花旗集团美国股票策略主管斯科特·克罗内特(Scott Chronert)认为，当前市场正处 于"繁荣期"而非"泡沫期";展望新的一年，他基于强劲的盈利预期和即将出现的行业板块扩散态势，对 市场前景保持乐观。 尽管坦言投资者可能正在为明年的基本面提前支付溢价，但克罗内特强调，当前整体市场环境仍呈 现"极具建设性"的积极态势。 第二个驱动因素，是涨势有望扩散至近期落后的其他板块。克罗内特指出，能源(XLE)、材料(XLB)、 REITs(XLRE)和公用事业(XLU)等板块今年对指数盈利增长构成负贡献。 展望未来，他认为这些落后板块将会好转，并为整体良性的盈利图景再添助力。 这一乐观预期的核心驱动因素在于大型科技股的持续超额表现。他进一步指出，由谷歌(GOOGL.US)、 亚马逊(AMZN.US)、Meta(META.US)、微软(MSFT.US)、英伟达(NVDA.US)、特斯拉(TSL ...

文章核心观点 - 2026年可能是谷歌旗下自动驾驶公司Waymo的关键扩张年份 其无人驾驶出租车服务在运营范围和运营规模上均领先于主要竞争对手特斯拉[1][3][7] - Waymo在完全无人驾驶的商业化部署和运营规模上已建立起显著领先优势 而特斯拉的自动驾驶出租车服务仍处于早期且有限的测试阶段[8][9] Waymo的运营现状与扩张计划 - 目前已在旧金山、凤凰城、洛杉矶、奥斯汀和亚特兰大等多个城市提供完全无人驾驶的付费出租车服务 车内无安全员[2][3] - 计划于2026年初将服务全面扩展至迈阿密、达拉斯、休斯顿、圣安东尼奥和奥兰多等新城市[3] - 正在底特律、华盛顿特区、费城、匹兹堡、圣路易斯、纽约市、伦敦和东京等人口密集的都市区进行测试[3][4] - 截至2024年底 每周完成约25万次出行 并计划在接下来的一年内将目标提升至每周100万次出行 相当于增长四倍[4][5] Waymo与特斯拉的竞争对比 - Waymo的运营规模和城市覆盖范围远超特斯拉 例如在奥斯汀 Waymo车辆随处可见 而特斯拉出租车仅观察到一辆[1][2] - 特斯拉的自动驾驶出租车服务自2025年中开始 目前仅限奥斯汀和旧金山 且车内仍有安全员[8] - 特斯拉宣布的下一个扩展目标是拉斯维加斯和凤凰城 但有分析师认为其宣称的明年进入30多个市场的目标过于乐观[9] 行业面临的挑战与风险 - 自动驾驶车辆的产能提升是扩张的关键制约因素 Waymo使用捷豹I-PACE和极氪车型 但其生产能力无法与特斯拉相比[6] - 地方监管政策和重大安全事故可能阻碍业务发展 例如Cruise在旧金山的事件就导致了业务暂停[7] - 特斯拉的自动驾驶出租车服务仍存在诸多不确定性 例如尚未在现有测试城市移除安全员[9][10]

文章核心观点 - 在作者对“科技七巨头”股票的分析排名中，Alphabet被评选为2026年最值得购买的股票，是排名第一的选择[2] 关于“科技七巨头” - “科技七巨头”股票代表了全球七家最大、最具影响力的公司，其市值合计约占标普500指数市值权重的三分之一[1] - 这些公司的股价表现对整体股市的每日涨跌有重大影响，因此受到分析师和散户投资者的密切关注[1] Alphabet的市场地位与核心业务 - Alphabet是全球最重要的互联网公司，其核心优势在于无可撼动的市场主导地位[5] - 旗下Google占据全球互联网搜索市场89.9%的份额，远超第二名Bing的4.2%[4] - 旗下Chrome浏览器占据71.2%的市场份额，远超第二名Safari的14.3%[4] - 这种主导地位为公司带来了在销售广告和推送网络内容方面的巨大优势[5] - 广告业务是公司核心收入来源，第三季度广告收入达741.8亿美元，同比增长12.6%[6] - 广告收入增长得益于强大AI工具的应用，例如利用AI提供更相关的搜索结果、推出位于搜索结果顶部的“AI概览”功能、优化广告创建与投放，以及帮助用户回复邮件等[6] - 在第三季度1023.4亿美元的总收入中，广告收入占比达72%[7] - 过去12个月，公司创造了惊人的735.5亿美元自由现金流[7] Alphabet的云计算业务 - 谷歌云是公司的重大增长机遇，目前以13%的市场份额位居行业第三，落后于亚马逊AWS和微软Azure[8] - 云计算业务增长显著，第三季度收入达151.5亿美元，同比增长33%[8] - 该业务第三季度运营利润为35.9亿美元，较去年同期的19.4亿美元大幅增长[8] - 云计算部门增长率超过30%[9] Alphabet的AI与硬件机遇 - 公司的张量处理单元存在巨大的市场机遇[9]

公司股价表现与市场叙事转变 - 公司股价表现强劲 是大型科技股中的赢家 第四季度创下328美元的新高 年初至今涨幅超过65% [1] - 自去年4月以来股价从140美元涨至314美元 涨幅约124% 这反映了华尔街对公司叙事的根本性转变 [2] - 市场观点已从将人工智能视为对公司业务的巨大威胁 转变为视其为巨大的机遇 这一转变是推动股价上涨的关键因素 [3][4][8] 人工智能业务进展 - 公司旗下AI产品Gemini增长迅猛 其月活跃用户数同比增长了7倍 [4] - 尽管基数较小 但Gemini的用户增长势头强劲 访问量同比增长300% 而竞争对手GPT的增长率为67% [5] - 在AI聊天市场份额方面 GPT仍占据主导地位 约为80-85% 但Gemini正在快速追赶 [5] - Gemini的日活跃用户平均每天进行约4次查询 而GPT为每天7.5次 但Gemini的月活用户中仅有约10%是日活用户 这一比例远低于GPT的27% [6][7] - 公司将Gemini深度整合至其默认搜索引擎中 通过提供AI概览功能来获取用户 其相关收入已非常接近搜索业务 [12][13][14] 核心搜索业务表现 - 核心搜索业务保持健康增长 付费点击量同比增长7% 同时每次点击成本也同比增长7% [9] 云计算业务表现 - 云计算业务增长强劲 收入同比增长34% 利润同比增长约85% [17] - 数据显示其云业务增长约28% 与收入增长趋势一致 [17] - 在年同比增长方面 公司云业务表现突出 而同期微软和亚马逊的云业务均出现下滑 [18] 流媒体业务表现 - 旗下YouTube是美国头号流媒体平台 占据了约13%的电视观看时间 作为对比 排名第二的Netflix占比为8% [19] - YouTube凭借其用户生成内容的平台模式持续扩大领先优势 而Netflix增长停滞 面临激烈的内容竞争与成本压力 [19][20] 其他业务与整体前景 - 公司所有主要业务部门均表现优异 市场情绪已从不确定转为对未来非常乐观的看涨 [10][20] - 公司拥有全球最大的用户基础之一 这使其能够快速推出新产品并追赶竞争对手 [14] - 自动驾驶业务Waymo被视为高风险高回报的尝试 但相对于公司整体规模而言占比很小 [21][22] - 行业对AI的关注和资本支出持续高涨 并未有停止迹象 [22] - 有观点认为 当前主要AI模型在可用性上的差异较小 竞争激烈 公司凭借其渠道优势有望胜出 [16][17]