行业技术演进核心观点 - 2025年人工智能技术演进的核心特征是“暴力美学”时代的终结，行业从单纯堆砌参数转向基础研究，重点突破流体推理、长期记忆、空间智能和元学习等领域，以解决通往AGI的能力不平衡问题 [2] 技术能力进展量化评估 - 根据CHC认知理论框架评估，2025年AI在多项关键能力上取得显著进步：即时推理能力从2023-2024年的0%提升至2025年晚期的8%，长期记忆存储从0%提升至3%，视觉处理从0%提升至5%，工作记忆从2%提升至6%，数学能力在2025中期达到10% [3] - 部分能力在2025年达到平台期：一般知识在2025中期达到9%后持平，读写能力在2025中期达到10%后持平，数学能力在2025中期达到10%后持平，听觉处理在2025中期达到6%后持平 [3] - 处理速度在2025晚期达到6%，较2025中期的3%有所提升 [3] 流体推理与Test-Time Compute革命 - 2025年最重要的范式革新是Test-Time Compute的诞生，其核心理念是智能不仅是参数的函数也是时间的函数，代表模型如OpenAI o1和DeepSeek R1通过在推理阶段投入更多计算资源进行“慢思考”，实现了推理能力从0到8的质变 [6] - 强化学习是提升推理能力的关键手段，研究证实RL的作用在于锐化基座模型中已有的原子推理步骤分布，并通过“链接”阶段组合新推理方法以解决未知难题 [7] - 强化学习工程在2025年取得明显发展，评分系统革新体现为基于可验证奖励的强化学习和稀疏奖励指标的全面崛起，尤其在数学、代码等有明确对错的领域效果显著 [11] - 参数更新算法因DeepSeek R1的成功而震荡，GPRO算法因节省50%显存且效果不差成为主流，国内公司在此基础上发展出多种变体，如Qwen的GSPO引入分值加权，Minimax的CISPO采用重要性采样 [15] - Meta的ScaleRL研究证明RL性能增长符合Sigmoid曲线，存在天花板，无法无限提升智力上限，但当前离天花板尚远，最佳工程实践包括使用长思维链和如2048 prompts的大Batch Size [16][17] 记忆能力与架构突破 - 记忆能力是AGI得分中的短板，2025年后半年最重要的模型变革是记忆能力提升，研究围绕三种方式展开：上下文作为记忆、RAG处理过的上下文作为记忆、将上下文融合到参数内化记忆 [18][19] - Google Research发布的Titans架构及Nested Learning是2025年记忆领域的最大突破，从根本上挑战了Transformer的无状态假设，Titans是一个能在推理时实时更新参数的深度神经长期记忆模块，通过“惊奇度”决定信息存储 [19][21][22] - Nested Learning将模型架构分成低、中、高三种更新频率的神经网络层，使整个模型参数可随时调整，低频层更新慢保证知识延续性，高频层处理快速反馈，其成本比SFT和RL达成同等效果更低 [25][27] - RAG在2025年发生质变，从静态资料库演变为具备反思与进化能力的系统，代表如DeepMind的ReMem引入了Action-Think-Memory Refine全链路，对记忆进行修剪、重组和定期清理，实现了经验复用 [28][30] - 针对灾难性遗忘问题，2025年提出了多种参数更新解决方案，Meta的稀疏记忆微调通过在Transformer中加入空白内存层进行稀疏更新，在TriviaQA任务中仅导致11%的旧知识遗忘，远优于全量微调的89% [31] - Thinking Machines提出的在策略蒸馏结合了RL的采样方式和SFT的监督信号，让学生模型在自己实时生成的轨迹中学习，提供密集即时反馈，创造了低成本且不会导致灾难性遗忘的更新方式 [33] 空间智能与世界模型发展 - 视觉处理能力在2025年得到有效提升，主要围绕三个主流派系发展：自监督生成模型、基于3D CV生成的符号主义World Labs派、以及Meta的预测式V-JEPA派 [35] - 自监督生成模型方面，Google DeepMind发布的Genie 3能以24fps帧率和720p分辨率实时渲染可交互的3D环境，并维持数分钟的场景一致性，展现了从海量视频数据中自发学习物理规律的能力 [36] - 研究发现扩散Transformer也遵循Scaling Law，但对批量大小和学习率极为敏感，Google通过打通视频生成的Scaling Law成功训练了Veo 3 [37][38] - Apple研究发现，原生多模态的晚期融合架构相比早期融合架构可能存在上限劣势，但参数利用率更高，同等规模下上限更高 [40] - 快手提出的SVG模型通过直接用图像理解模型代替VAE，统一了语义空间，极大地提升了训练效率和生成速度，在多项核心指标上击败了DiT和SDXL [42] - 李飞飞领导的World Labs派推出了商业产品Marble平台，这是一个“大型世界模型”，能从多模态输入生成可探索的3D空间表示，依赖3D高斯泼溅和神经辐射场技术，更稳定可控 [44][46][47] - Meta的V-JEPA 2通过预测被遮挡视频内容的训练机制，迫使模型学习物理规律，在使用了100万+小时视频训练集后，涌现出了“推演”和反事实预测的能力，但处理跨度仅64帧（约10秒），分辨率384x384 [48][50] 元学习与学习方法演进 - 2025年对学习的核心探讨围绕元学习展开，即模型应具备“学习如何学习”的能力，以应对未知任务和实现低成本快速适应 [51][52] - 关于Transformer是否具备隐式元学习能力存在争论，有研究证明其注意力机制在数学形式上与梯度下降更新步骤类似，但也有研究认为上下文学习只是激活了预训练知识而非真正学习 [53] - Test-Time Compute为隐式元学习提供了新可能，研究尝试引导模型在推理过程中更有效地探索思维路径和分配算力，例如通过累积遗憾最小化策略来优化 [56][58] - DeepMind的DiscoRL通过内外双循环让AI自主发现学习算法，其自主发现的算法Disco57在雅达利基准上击败了人类设计的顶级算法，并展现了强大的泛化能力 [59][61] - Meta的“中训练”方法让Agent在专家演示的每一步尝试备选动作并反思，建立起因果模型，能显著提升在复杂环境中的成功率（平均提升9.6%）并增强泛化能力 [61][63] - 神经科学研究为AI架构提供启示，研究表明大脑通过“动态路由”机制将结构化的神经子空间重新连线以执行新任务，这推动了2025年对模型进行分区（如记忆分区、快慢反应组别）的尝试 [64][66] 基础架构与训练范式演进 - 为对抗Scaling Law瓶颈，行业通过稀疏性、合成数据与强化学习结合实现突破，例如OpenAI在GPT-5.2中采用MoE、合成数据与RL加强三方结合 [68] - 合成数据方面，随着推理能力进步，模型可自主生成长思维链文本，DeepSeek R1的论文表明，利用其生成的长思维链对小模型进行微调，效果远超人类专家编写的CoT数据 [69] - 数据质量重于数量，研究证明筛选前10%推理路径最长、最复杂的样本进行训练，其效果可匹配甚至超越全量数据集 [70] - 针对大规模使用合成数据可能导致“模型崩溃”的问题，研究提出了利用自我验证机制过滤数据的方法，证明只要校准误差在一定界限内，仅凭自我验证就可在完全合成数据体制下持续训练而不崩溃 [72] - 模型蒸馏在2025年取得两大进步：针对MoE架构的特化蒸馏方案《Every Expert Matters》，让学生模型学习教师不同专家的组合输出；以及思维融合蒸馏，通过共识去噪原理将多个教师的稳健推理逻辑迁移给学生模型 [75][77] - 注意力机制方面，2025年是MLA及其变体普及的时代，同时线性注意力复归，Kimi Linear采用3:1混合架构，在1M超长上下文任务中达到94.8的高分，性能首次全面超越全注意力，且吞吐量可达全注意力的6.3倍 [80][81] - 行业出现向连续空间演进的趋势，代表如大型概念模型和腾讯的CALM，试图将多个Token压缩为连续概念向量进行预测，以增加语义带宽和提升效率 [83][85] 2026年潜在技术方向展望 - 记忆能力的工程化实践将成为重点，理论方向已明确，预计研究成果可能在一年内工程成熟并被采用，完成范式转换，更具学习性的记忆系统将被产品化 [87] - 标准架构可能发生变革，趋势是向分区、分层、增加更多功能层的混合架构演进，例如加入Titans记忆层或进行层级分区，以更符合人脑运作模式 [88][89] - 自进化AI探索将在2026年产生更多可能性，现有尝试包括让模型自问自答进行强化学习，以及像Alpha Evolve那样让LLM优化算法代码，但尚属早期阶段 [90][91][93]

那么，扎克伯格为什么会选择在这样一个时间节点，以极快的速度敲定这样一笔数额巨大的交易？作价20亿美元，到底是泡沫，还是AI爆发的新起点？ Meta需要Manus 人们总说，分则两伤，合则两利。而这句话套用在Meta和Manus身上似乎再合适不过。 我们先从Meta的角度来说，虽然现在的Meta似乎并没有像很多网友说的那样已到悬崖边缘、病急乱投医，要不断尝试抓住任何通往下一个时代的机会。 2025年底，Meta宣布收购AI智能体公司Manus，这笔交易似乎想要创造一个全新的世界纪录：交易谈判的速度与成交金额成反比，这笔作价预估近20亿美 元（同时有海外媒体称超20亿美元）的收购案仅用了十几天时间就拍板敲定。相比过去Meta的交易节奏而言不可谓不快。 这次的交易是Meta成立以来第三大并购案，仅次于220亿美元收购WhatsApp、140亿美元收购Scale AI 49%的股权。因此，随着交易的新闻传出，事件随 即成为互联网的头号热点。毕竟，作为一家2025年3月才推出首款AI智能体产品的公司，在不到一年时间后就能作价近20亿美元卖出，即使是对于充斥着 造富神话的互联网科技行业而言，也算得上骇人听闻。 同时Man ...

公司合规行动 - Meta Platforms Inc 为遵守澳大利亚新规 已移除近55万个账户 [1] - 该行动覆盖了多个Meta旗下平台 相关细节在一篇公司博客文章中披露 [1]

过去一年，超级智能与中美大模型PK 2024年末至2025年，随着GPT-o1的发布，迎来基于深度推理的大模型发展热潮，各家大模型厂商快速 面世了多个推理模型。 期间，以Meta为代表的科技巨头定义了"超级人工智能"（Superintelligence）一词，"通用人工智 能"（AGI）成为过去时。 图片系AI生成 日前，AI领域投资人、风投公司Air Street Capital联合创始人内森·贝奈奇（Nathan Benaich）与其团队共 同发布了《人工智能现状报告 2025》。该系列报告已连续发布八年，而本次报告长达300多页，由业界 和研究领域的顶尖AI从业者进行评审，涵盖了技术研究与产业、政策与安全、用户市场调研等多个维 度。 基于此，内森·贝奈奇对下一年度给出预测，他在报告中写道："对前沿AI模型的研究，中国的研究机构 会超越美国；开放式AI智能体（Agent）更值得获得进一步科研发现；AI安全领域，基于AI生成欺诈视 频的网络攻击事件将引发国际间讨论；美国某头部AI研究架构会最终转向开源生态以获得其政府支 持。" 笔者根据该报告调研数据及分析，梳理出三大类关键信息。 请输入图说 报告认为，开源 ...

文章核心观点 - Meta为遵守澳大利亚新法律 已在该国关停近55万个被认为属于16岁以下青少年的社交媒体账号 该法律是全球首个此类严厉措施 旨在应对日益加剧的社交媒体伤害担忧 [1] - Meta虽已采取行动 但仍反对该禁令 呼吁建立标准年龄验证机制和更广泛的行业保护 并担忧禁令可能导致青少年转向其他替代性平台 [1] 公司行动与数据 - Meta已关停澳大利亚近550,000个账号 其中包括约330,000个Instagram账号 173,000个Facebook账号以及近40,000个Threads账号 [1] - 公司采取行动是为了遵守澳大利亚自12月10日生效的新法律 该法律强制要求特定服务平台禁止16岁以下人群使用 [1] 监管环境与法律 - 澳大利亚新法律强制要求包括TikTok和Instagram在内的服务平台禁止16岁以下人群使用 违者面临最高4,950万澳元（约合3,300万美元）的罚款 [1] - 该法律标志着澳大利亚成为全球首个针对社交媒体伤害担忧而采取此类严厉打击措施的民主国家 [1] 行业影响与公司立场 - Meta反对该禁令 呼吁建立标准的年龄验证机制 并为使用任何应用的年轻人提供更广泛的行业保护 [1] - Meta指出替代性社交媒体平台下载量激增是一个令人担忧的领域 认为禁令可能导致“打地鼠式”局面 即青少年迁移到新应用而监管疲于奔命 [1] 受影响与不受影响的平台 - 根据法律 被禁止向16岁以下人群提供的服务包括 Facebook Instagram Kick Reddit Snapchat Threads TikTok Twitch X (formerly Twitter) YouTube [2] - 被允许向16岁以下人群提供的服务包括 Discord GitHub Google Classroom LEGO Play Messenger Pinterest Roblox Steam and Steam Chat WhatsApp YouTube Kids [2] - 受影响的服务必须从12月10日起阻止未成年账户持有人使用 [2]

文章核心观点 - AI行业竞争已演变为巨头之间的“权力游戏”，创业公司单打独斗难以生存，生态资源与变现能力成为竞争关键[6][28] AI行业竞争格局：巨头主导的“拼爹”游戏 - 谷歌、微软、Meta、字节、腾讯、阿里等互联网巨头凭借庞大资源与生态，在AI领域占据主导地位[6] - 谷歌自2025年11月起，在多模态领域性能反超OpenAI，位居评测第一，给OpenAI带来巨大压力[6] - 字节跳动的豆包凭借抖音的流量优势，已取代Kimi成为国内月活第一的LLM产品[10] - 腾讯的元宝借助微信入口，用户数据已反超其技术提供方DeepSeek[10] - 明星创业公司如Manus已被Meta收购，Kimi、DeepSeek等风头被巨头产品盖过[6][10] 巨头生态的碾压性优势 - 巨头能将AI产品深度集成至现有生态，获得巨大流量与用户基础[10] - 谷歌将Gemini植入安卓系统作为默认助手，并整合进Chrome、Gmail等应用[10] - 微软将Copilot融入Office套件[10] - 腾讯将元宝内置入微信聊天框[10] - 金山软件将AI融入WPS[10] - AI应用高度依赖外部生态与系统权限，创业公司难以复制[11] - Manus等智能体需要调用浏览器、支付等由巨头控制的服务，缺乏系统级权限[11] - AI搜索面临入口被手机厂商、百度、微信等把持的困境，如Perplexity并非苹果默认搜索引擎[12] - AI行业资产重，涉及数千亿美元固定资产投入，创业门槛极高[11] 商业模式与变现能力差异 - 巨头能通过生态捆绑实现高效变现，创业公司模式单一且面临激烈价格竞争[15][21] - 微软将OpenAI服务打包进Azure云服务销售，并通过对Office订阅涨价实现AI价值变现[15] - 谷歌将Gemini会员与谷歌One云存储服务捆绑，以20美元套餐出售，提供额外价值[15] - 豆包通过回答将流量引向抖音短视频与本地生活服务，实现广告与交易转化[18] - 创业公司主要依赖B端售卖Token和C端订阅，商业模式类似“一手交钱一手交货”，难以溢价[21] - C端订阅费被用户习惯限制在20美元或10-30人民币区间，难以突破[21][23] - 智普AI与MiniMax等创业公司亏损严重且呈扩大趋势，普遍面临盈利难题[24] - 即使拥有7亿用户的OpenAI也面临亏损问题[24] 创业公司的出路：依附巨头或艰难独立 - 被巨头收购成为AI创业公司的重要出路，可获得生态与权限支持[26][27] - Meta收购Manus后，后者可深度集成至WhatsApp、Instagram等应用，获得原生权限[27] - 苹果被曝考虑收购Perplexity[27] - OpenAI是罕见的拒绝被控制、意图自立为巨头的案例，但面临巨大挑战[27][28] - OpenAI与股东微软关系特殊，微软未获控制权，并自研AI产品与模型[27] - OpenAI自行开发浏览器Atlas，并与谷歌云合作，试图建立独立生态[28] - 互联网时代“以小博大”的创业故事在AI领域难度大增，巨头对系统级入口的控制力过强[7][28]

稳定币市场与Libra项目概况 - 截至2025年底，全球稳定币市值已突破3000亿美元，在跨境支付、数字资产交易和新兴市场中的应用不断扩大 [2] - 2019年6月，Facebook（现Meta）宣布推出名为Libra的全球数字货币，旨在打造无国界的金融体系，结合加密货币的技术优势与传统货币的稳定性 [3] - Libra最初由一篮子银行存款和短期政府债券等高流动性资产作为储备支撑，其官方钱包Calibra（后更名Novi）计划嵌入WhatsApp与Messenger [3] Libra的治理结构与合作伙伴 - 为确保透明度与治理独立性，Facebook在瑞士日内瓦成立了非营利组织Libra协会，最初有28家创始成员，每家投入至少1000万美元启动项目 [4] - 因监管担忧，多家核心成员退出，至2019年10月Libra协会正式成立时仅剩21位创始成员，理论上Facebook不直接控制Libra [4] - 项目核心成员如Visa、Mastercard、PayPal、Stripe等相继退出，严重削弱了项目前景 [5] 技术架构与设计演变 - Libra区块链被设计为高性能、许可型区块链，采用Move编程语言、拜占庭容错共识机制（LibraBFT）和Merkle树数据结构 [6] - 其许可型架构仅允许获批节点（协会成员）运行系统，旨在以低能耗支持每秒上千笔交易，并增强合规可控性 [6] - 最初设计为多币种篮子支持的单一全球货币，但在2020年第二版白皮书中调整为多种单币稳定币（如LibraUSD、LibraEUR）组成的体系 [7] 全球监管的强烈反应 - 项目公布后，美国监管机构反应激烈，美联储主席鲍威尔表示“严重关切”，美国国会举行听证会，时任总统特朗普称其“几乎没有立足之地” [8] - 法国经济部长与德国财政部长联合声明，指出Libra“对国家主权构成威胁”，并强调私人实体不应拥有货币主权 [8] - 欧盟在2019年12月声明，在风险充分解决前，任何全球稳定币不得在欧盟运营，此举为《加密资产市场监管法案》（MiCA）铺平道路 [9] 监管层担忧的核心风险维度 - 货币主权与金融稳定风险：欧洲央行认为，若被广泛用作计价货币，多币种稳定币会削弱货币政策效力，Facebook月活用户达24.1亿（截至2019年6月30日），可能在高通胀国家形成货币替代 [11] - 系统性金融风险：包括挤兑风险（储备资产存在市场波动和流动性压力）和“大而不能倒”的道德风险 [12] - 合规与消费者保护风险：其潜在匿名性与全球合作伙伴合规水平不一，可能为非法资金流动提供便利，且用户缺乏存款保险等法定保障 [12][13] - 信任危机：Facebook历史上的数据滥用丑闻（如2018年剑桥分析事件）严重影响Libra的公众信任度 [13] 项目的终结与后续影响 - 为应对监管压力，Libra于2020年底更名为Diem，最终于2022年初将其技术与资产以1.82亿美元出售给Silvergate Bank [5] - 项目负责人David Marcus反思，构建开放的全球货币网络需基于“最中立、去中心化、无懈可击的网络和资产”，这指向了比特币 [14] - Libra的推出如同鲶鱼，加速了全球央行数字货币（CBDC）的研发，据Atlantic Council统计，2023年全球有超过130个国家/地区正在探索CBDC，覆盖约98%的全球GDP [15] 后Libra时代：全球CBDC发展格局 - 欧洲央行于2023年11月启动数字欧元“准备阶段”项目，旨在使中央银行货币适应数字时代 [15] - 中国数字人民币（e-CNY）研发早于Libra，已于2014年成立研究小组，目前进入大规模试点阶段，是全球主要经济体中推进最快、试点最广泛的零售型CBDC [16] - 其他主要经济体如英国启动“Digital Pound Lab”实验，日本央行发布《央行数字货币方案》，美联储则持续探索CBDC的潜在益处和风险 [16] 当前监管与竞争态势 - 美国对稳定币及加密货币展现出主动拥抱姿态，试图通过《天才法案》等框架将其纳入金融体系 [17] - 欧盟推出MiCA监管框架，核心在于防范外部稳定币削弱欧元区的货币主权与金融稳定 [17] - 中国在2025年底由央行等多部门明确将稳定币定性为虚拟货币并禁止其境内相关业务，同时加速优化数字人民币管理体系 [17] 未来货币生态系统的展望 - 未来可能形成混合货币生态系统：央行数字货币作为大额结算与零售支付的基础设施，而USDC等合规私营稳定币在跨境贸易、DeFi等场景发挥辅助作用 [18] - Libra项目推动了全球监管者对数字货币的系统性思考，G7、IMF、BIS等国际组织相继成立工作组研究稳定币风险与监管框架 [18] - 该案例提醒科技公司，在金融领域“合规即竞争力”，技术领先不意味着能突破监管红线 [19]

The AI sector continues to grow, and there are plenty of promising ways to invest in it.Artificial intelligence (AI) investing continues to be a huge theme on Wall Street as we turn the calendar to 2026. Although some investors may be getting tired of it, the reality is that it's here to stay. So if you're looking for investment ideas now, I think these 10 stocks belong on your short list. 1. NvidiaAlthough this list is not in order of best to worst, I'd still rank Nvidia (NVDA 0.05%) as my top artificial i ...

涉及的行业与公司 * **行业**：端侧人工智能、消费电子、可穿戴设备、半导体系统级芯片[1][2] * **公司**： * **终端品牌**：苹果、Meta、三星、华为、小米、字节跳动、Rokid、雷鸟、Roku、Oakley[1][5][6] * **供应链/投资标的**：歌尔股份、立讯精密、领益制造、蓝思科技、宇瞳光学、长盈精密、隆祺科技[8] * **SOC公司**：瑞芯微、恒玄科技、乐鑫[9][11][12][13] 核心观点与论据 * **坚定看好2026年端侧AI在消费电子领域的投资机会**[2] * **驱动因素一：算力升级与技术成熟**：自2024年苹果提出Apple Intelligence以来，市场关注度持续提升，大模型爆发和算力设施进步为2026年AI应用落地奠定基础[1][2] * **驱动因素二：硬件迭代与形态成熟**：AI眼镜和AI玩具等硬件形态已相对成熟，可穿戴设备正逐渐占据消费者心智，CES 2026上AI交互功能已成为消费电子和家居产品的常规配置[1][2] * **驱动因素三：政策支持力度加大**：新的国家补贴政策将智能手表/手环等可穿戴设备纳入补贴范围，有望带来同比20%左右的增长拉动，Rokid眼镜入围浙江残疾人联合会辅具采购项目显示特定场景推广对需求有刺激作用[1][2][4] * **驱动因素四：抗周期属性与韧性**：在存储涨价预期下，可穿戴设备受影响较小，如Meta眼镜存储占比仅6%~7%，而传统消费电子受周期波动及存储成本上涨影响较大，端侧AI仍处于高速增长市场，竞争格局未固化且供应链溢价空间大[1][4] * **AI眼镜产品放量在即，出货量有望显著增长**[1][3][5][6][7] * **Meta**：计划2026年推出三款新产品，2027年推出自由品牌AI眼镜及迭代版Meta和Oakley产品，总计约五个SKU，对2027年的出货预期为2000-2500万部[1][3][5][6] * **三星与华为**：预计2026年一季度末或二季度初发布新品[1][5] * **小米**：可能在2026年迎来其一代产品的迭代[1][5] * **苹果**：有可能在2026年6月的WWDC大会上发布其AI眼镜，预计2026年第四季度开始拉货，2027年正式发售[6] * **其他品牌**：如雷鸟和Roku预计2027年出货30-50万部[3][7] * **总量预测**：2027年所有品牌AI眼镜总出货量有望接近300万部，相比2025年有两倍以上增长[3][7] * **SOC板块投资价值凸显，被认为是“只输时间不输空间”的板块**[3][9][13] * **核心逻辑**：投资者看好未来两到三年内从云侧到端侧的切换趋势，在端侧，SOC环节占据最高成本比例，相当于云侧中的PCB加GPU环节[3][9] * **公司质地**：中国A股市场上的SOC公司质地优良，具有提升市占率的潜力[3][9] * **投资价值**：该板块不仅具备长期投资价值，还能通过新品大周期和库存小周期实现短期收益[9] * **SOC板块的量价关系积极，库存已调整至健康水平**[10][11][12] * **量增驱动**：新品大周期是关键，包括从零到10%的渗透率，再从10%到100%的增长过程，AI耳机、手环手表、玩具和机器人等将带动主控性能需求提升[10] * **价升驱动**：AI功能推动ASP上涨，例如加上AI功能后的存算一体芯片售价可达4美金，而之前仅为2美金，各家旗舰产品（如瑞芯微3588、乐鑫ESP32）上市后均价显著提升[11] * **库存情况**：经过2022至2023年的库存高企阶段，到2024年初各家公司库存已调整至正常水位，此前库存小周期已对瑞芯微和恒玄等公司的EPS产生积极影响，推动其股价逆市上涨30-40%[12] 其他重要内容 * **投资标的推荐**：首推歌尔股份，作为高赔率、高弹性的AI眼镜标杆企业将率先受益于市场放量，此外建议关注立讯精密、领益制造、蓝思科技、宇瞳光学、长盈精密和隆祺科技等公司[8] * **SOC行业未来展望**：展望2026年至2027年，各家龙头公司的旗舰产品将进入快速成长阶段，例如瑞芯微182沙蝎处理器、卫星微3688主控芯片以及恒玄6000系列新款AP级别SOC都将在此期间释放，结合国补政策刺激及AI端侧新品爆发，将推动行业进入值得期待的发展阶段，由于当前市场预期较低，一旦行情启动将出现明显拉升机会[13]

公司合规行动 - 为遵守澳大利亚未成年人社交媒体禁令 元宇宙平台公司已在澳大利亚关停近55万个账号 [1][2] - 关停账号包括约33万个Instagram账号 173万个脸书账号 以及近4万个Threads账号 这些账号使用者均被认定为未满16周岁 [1][2] 监管政策背景 - 澳大利亚禁令于12月10日正式生效 要求Instagram等社交媒体平台禁止16岁以下青少年注册使用 [2] - 违规平台最高将被处以4950万澳元罚款 约合3300万美元 [2] - 澳大利亚由此成为全球首个因担忧社交媒体危害加剧而出台此类严厉整治措施的西方国家 [2]