智能驾驶行业动态 - 2026年以来智能驾驶板块在政策、技术与成本等多重利好推动下持续活跃 尽管在2026年1月13日板块出现回调 但资金借道ETF布局的意愿增强 [1][6] - 行业成长动力来自L3级智驾法规逐步落地、硬件成本下降、AI大模型开源赋能以及Robotaxi商业化推进 [1][6] - 英伟达在2026年CES展会上发布开源AI模型Alpamayo 并配套仿真工具与数据集 旨在提升自动驾驶系统在复杂场景中的决策能力 此举有望降低L4级研发成本、缩短开发周期 加速产业化进程 [1][6] - 中金证券指出 Alpamayo模型体现了英伟达“软硬一体”的战略布局 通过整合算法、工具链与算力硬件提升方案附加值并反哺硬件迭代 开源模式或为整个智能驾驶生态带来更高关注与普及动力 [2][7] 智能驾驶ETF（516520）资金与规模 - 智能驾驶ETF（516520）在2026年1月5日至1月13日连续7个交易日获得资金净流入 累计吸金5.42亿元 [1][6] - 资金流入助推该基金规模和份额接连创下历史新高 规模达12.40亿元 份额达8.98亿份 [1][6] - 该ETF紧密跟踪中证智能汽车主题指数 指数前五大申万二级行业及占比为：汽车零部件（24.0%）、半导体（19.6%）、乘用车（14.4%）、软件开发（11.3%）、通信设备（7.1%） 涵盖智能汽车产业链多个环节 [3][8] 基金管理人华泰柏瑞及相关产品 - 智能驾驶ETF（516520）的基金管理人华泰柏瑞基金是境内首批ETF管理人之一 [3][8] - 华泰柏瑞管理的华泰柏瑞沪深300ETF（510300）是A股市场规模居首的ETF 于2026年1月9日起启用新场内简称“沪深300ETF华泰柏瑞” [3][8] - 华泰柏瑞沪深300ETF（510300）最新规模达4342亿元 市场活跃度高 同时是上交所沪深300ETF期权唯一现货标的 [3][8] - 该基金将实施现金分红 每10份基金份额派发现金红利1.23元 按最新份额测算 本次分红总额或接近110亿元 有望创下境内ETF单次分红新高 [4][9]

AI芯片技术格局演变 - 2026年初，AI芯片战场正悄然转向，三大技术流派成形：GPU派、ASIC派与可重构数据流派[4] - GPU派以英伟达为代表，是当前AI芯片领域的绝对霸主，但其性能提升受制于“内存墙”、高功耗等问题[4] - ASIC派以谷歌TPU为代表，通过硬件与算法深度绑定实现极致能效，但存在算法迭代后硬件难匹配的风险[4] - 可重构数据流派以Groq的LPU和清微智能的RPU为代表，核心是“软件定义硬件”，兼具ASIC高效能与GPU灵活性[4] 行业领导者动态与竞争 - 英伟达在CES上发布Rubin平台，宣称推理成本降至十分之一，但面临战略焦虑[1] - Meta被曝考虑弃用英伟达GPU、转投谷歌TPU[1] - 2025年圣诞节，英伟达以200亿美元闪电收购估值仅69亿美元的初创公司Groq，溢价近3倍[1] - Groq的核心武器是其LPU，在大模型推理中性能可达GPU的5–18倍，能效比提升10倍[1] 可重构芯片技术优势与案例 - 可重构芯片（如LPU/RPU）绕过传统GPU的内存墙，实现几乎“确定性延迟”的Token吞吐[1] - 清微智能的旗舰芯片TX81支持万亿参数大模型的训推一体[2] - 搭载TX81芯片的REX1032服务器可高效运行DeepSeekR1/V3等主流大模型，推理成本降低50%，能效比提升3倍[2][5] - 该技术路线正从细分走向主流，成为头部企业争相布局的核心方向[7] 中国关键玩家：清微智能 - 北京AI芯片公司清微智能自研的RPU与Groq的LPU同属可重构数据流架构，被业内称为“中国版高阶TPU”[2] - 2025年12月，公司完成超20亿元C轮融资[2] - 公司已实现从IP、芯片到服务器的全栈自研，并在全国部署超3万张AI加速卡，稳居国产第一梯队[2] - 清微RPU已落地国家“东数西算”工程，新疆双河市中树云智算中心全部采用其芯片构建[2] - 在生态层面，清微深度适配国产开源操作系统FlagOS，并与华为昇腾、寒武纪等共同组成“FlagOS卓越适配单位”[4] 市场定位与未来展望 - GPU派在训练和通用计算中保持核心地位[7] - ASIC派正用极致能效比主攻特定模型的推理场景，帮助云厂商降本增效[7] - 可重构数据流派以其灵活、高效、确定性，成为多元化AI芯片生态的重要力量[7] - 在这场决定下一代算力话语权的竞赛中，清微智能和它的RPU被视为中国打出的一张关键牌[7]

Wolfe Research对英伟达的投资观点 - Wolfe Research将英伟达列为2026年最看好的AI股票，并纳入其首选名单Wolfe Alpha List，取代了美光 [1] - 分析师认为公司股价相对落后的表现，为进一步涨势留下了空间 [1] 市场对英伟达的疑虑因素 - 股价落后主要受三项因素影响：Blackwell架构推出时间较晚、外界对整体AI支出能否持续的疑虑、以及对市占可能被客制化AI解决方案侵蚀的担忧 [1] - 随着公司产品路线图持续推进，这些疑虑正逐渐消退 [1] 公司的营收增长前景与定价能力 - 公司近期给出的展望显示，2026年营收相较市场共识，至少仍有400亿美元的上行空间 [1] - 若H200芯片恢复对中国出货，将为营收带来额外利多 [1] - 公司的定价能力正在改善，分析师对Blackwell Ultra与Rubin的定价感到正向惊喜，这被视为公司具备竞争护城河的明确证据 [1]

中美AI产业发展路径与投资逻辑分化 - 当前中美在AI产业的投资逻辑存在显著差异，美国投资重点集中于通往通用人工智能（AGI）的核心技术领域，如大语言模型（LLM）与GPU等底层硬件及基础模型研发，遵循“拓展律”（Scaling Law）[1][2] - 中国AI发展更聚焦应用层面，通过技术落地触达消费者以构建清晰商业模型，在自动驾驶、机器人、具身智能等细分赛道表现出色[1][2] - 分化根源在于产业基础与发展路径差异：美国受算力投入与模型性能领先优势推动，加码底层算力建设；中国则凭借庞大的AI人才储备与广阔市场空间，从应用端实现突破[3] 美国AI投资现状与趋势 - 美国四大云服务商（微软、亚马逊、谷歌、Meta）在2024年整体服务器支出中，GPU占比约40-55%[6] - 美国GPU资本开支正处于指数增长期，市场预计其2024-2026年复合增长率超50%[8] - 英伟达预测，2028年全球数据中心资本支出将达1万亿美元，其中GPU相关占比超50%[8] 市场焦点从AGI转向物理AI - 此前备受关注的AGI（人工通用智能）概念热度消退，近几个月市场焦点已转向物理AI（Physical AI）[4] - 物理AI属于人工窄智能（ANI），核心应用场景包括机器人、机械臂、自动驾驶车辆等，这些领域与中国当前的产业优势高度契合[4][5] - 物理AI的核心应用场景正是中国当前重点发展的机器人与自动驾驶领域[5] 全球AI产业长期趋同于物理AI - 从长期来看，全球AI产业最终将向物理AI（Physical AI）趋同[1] - 随着时间推移，全球AI产业都将向物理AI领域聚焦，这与全球AI产业从基础研发向实体应用渗透的大趋势相契合[8] - 中国在应用端的先发优势有望在长期竞争中进一步凸显[8] 美国在物理AI领域的投入与布局 - 美国在具身智能领域投入力度扩大，并获得政策战略性扶持，重点开发人形机器人、多模态感知融合、智能工厂、自动驾驶等Physical AI实际应用领域[9] - 科技巨头进行巨额投入：特斯拉已在Optimus人形机器人项目投入超40亿美元，目标2027年商业化；英伟达投入超100亿美元构建Physical AI全栈平台；谷歌旗下DeepMind投入50亿美元用于机器人研发[9] - 市场预计，2025-2026年美国在物理AI领域的总投入将在500亿美元以上[9]

美国政府批准英伟达H200芯片对华出口 - 美国政府已批准英伟达向中国出口其人工智能芯片H200 [2] - 对华销售由美国商务部负责审批和安全审查，美方将从相关交易中收取约25%的费用 [2] 美国对华半导体出口审查政策变更 - 美国商务部工业与安全局修改对华半导体出口许可审查政策，将默认拒绝机制改为个案审查制度 [4] - 适用产品包括英伟达H200及其等效型号，以及技术含量较低的芯片 [4] - 这意味着英伟达H200入华已获得美国政府许可 [4] 新政策下的具体限制条件 - 要求出口产品在美国市场供应充足，且不会分流美国终端用户对同类或更先进产品的全球代工产能 [4] - 要求接收方（中国）已建立完善的安全防护措施 [4] - 明确规定中国不得接收超过美国市场客户芯片总量的50% [4] - 有意出口中国的产品还需通过美国第三方机构的独立测试以验证性能指标 [4] - 英伟达需证明美国境内至少有出口量一倍的H200芯片，并提供中国客户安全机制等证明 [4] 英伟达产品迭代与市场现状 - 目前英伟达在美国市场主力出货产品已迭代为Blackwell系列 [4] - 今年下半年最新的Rubin芯片也将进入交付阶段 [4] - H200的产能主要是供给中国等外部市场 [4] - 随着时间推移，要求证明美国境内有足量H200的规定似乎会变得愈发难以达成 [4]

文章核心观点 - 英伟达联合多家研究机构推出名为TTT-E2E的新方法，旨在通过“测试时训练”和“上下文压缩”技术，动态地将长文本关键信息压缩到模型权重中，从而显著提升大模型处理长文本的效率与性能，同时保持模型轻量化和易于部署 [1][2][6][7][12] 技术原理与创新 - 核心思路是将长文本建模从架构设计问题转化为“持续学习”任务，模型在测试阶段基于当前上下文进行下一个词预测，并通过梯度下降实时更新自身参数，将文本信息动态压缩到权重中，无需额外存储 [12][13] - 该方法基于带滑动窗口注意力的标准Transformer架构，并未依赖复杂特殊设计，因此易于部署 [11] - 在训练阶段采用元学习方法为模型初始化，通过内循环模拟测试时训练、外循环优化初始参数，实现训练与测试的端到端对齐优化 [14] 性能表现与优势 - 在128K超长文本上，处理速度比全注意力模型快2.7倍，处理2M上下文时提速达35倍，且性能不打折 [3] - 在3B参数模型的测试中，TTT-E2E在128K上下文长度下的测试损失与全注意力Transformer持平甚至更优，而Mamba 2、Gated DeltaNet等同类模型在长文本场景下性能出现明显下滑 [19] - 推理延迟不随上下文长度增加而变化，在H100显卡上处理128K文本时，速度比全注意力模型快2.7倍，无论处理8K还是128K文本，用户都能获得一致的快速响应体验 [19][23] - 在解码长序列任务中，经Qwen-8B模型评估，TTT-E2E生成的文本质量稳定，损失值持续低于传统模型 [21] 关键技术优化 - 采用“迷你批处理+滑动窗口”组合策略，将测试时训练数据分多个迷你批，配合8K大小的滑动窗口注意力，解决单token梯度更新易爆炸问题，提升计算并行度 [17] - 实施精准更新策略，只更新模型的MLP层（冻结嵌入层、归一化层和注意力层），并且只更新最后1/4的网络块，以减少计算成本并避免参数更新混乱 [17] - 采用双MLP设计，在需更新的网络块中加入一个静态MLP层存储预训练知识，另一个动态MLP层负责吸收新上下文，防止模型学新忘旧 [17] 技术局限 - 在“大海捞针”这类需要精准回忆细节的任务中，表现远不如全注意力模型，因为其核心是压缩记忆，会过滤掉看似无关的细节 [25][26] - 训练阶段的元学习需要计算梯度的梯度，目前实现比标准预训练要慢 [27] 项目背景与现状 - 项目总负责人是斯坦福博士后研究员Yu Sun，其自2019年以来就在开发“测试时训练”概念框架，TTT-E2E项目的早期构想由他提出 [29][30] - 目前，TTT-E2E的代码和相关论文已完全开源 [28]

贵金属市场表现 - 国际白银现货价格于1月14日首次突破每盎司90美元，创历史新高，截至发稿报89.70美元/盎司，当日上涨3.21% [1][12] - 今年以来，白银价格累计上涨25% [1][11] - 受价格提振，白银总市值首次突破5万亿美元，达到5.039万亿美元，超越英伟达成为全球第二大资产 [4][18] - 黄金以32.162万亿美元的市值位居全球资产榜首，现货黄金价格报4623.36美元/盎司 [4][5][16] - 沪银期货价格涨幅超过7% [2][15] 全球资产市值排名 - 根据CompaniesMarketCap数据，全球市值前十资产排名为：黄金（32.162万亿美元）、白银（5.039万亿美元）、英伟达（4.523万亿美元）、Alphabet（4.061万亿美元）、苹果（3.857万亿美元）、微软（3.498万亿美元）、亚马逊（2.593万亿美元）、比特币（1.904万亿美元）、台积电（1.717万亿美元）、博通（1.681万亿美元） [7] 价格上涨驱动因素 - 美联储独立性受挑战及中东地缘政治局势动荡，推动避险需求涌入贵金属市场 [8][20] - 美国2025年12月CPI同比上涨2.7%，核心CPI同比上涨2.6%，数据公布后交易员加大了对美联储较早降息的押注 [8][20] - 市场预测美联储4月降息的概率从CPI公布前的38%升至约42%，降息预期变化推动白银价格飙升 [21] 机构观点与预测 - 花旗集团预测白银价格将在未来三个月内达到每盎司100美元，并预计牛市在近期将保持不变 [8][21] - 广发期货指出，全球库存紧张加剧以及机构资金通过ETF和实物交割大量增持现货，驱动白银价格偏强运行，预期价格中枢不断上移 [8][21] 其他有色金属表现 - 伦敦金属交易所（LME）期锡价格突破51000美元，创历史新高 [9][21] - 上海期货交易所沪锡期货主力合约触及涨停，涨幅达8% [9][21]

白银市场动态 - 现货白银价格于1月14日强势拉升，盘中一度上涨3.55%，首次站上90美元关口 [1] - 白银总市值首次突破5万亿美元大关，达到5.039万亿美元 [1] - 白银市值超越芯片巨头英伟达，成为全球第二大资产 [1] 全球资产市值排名 - 黄金以32.162万亿美元的市值位居全球资产榜首 [1] - 白银以5.039万亿美元市值位列第二 [1] - 英伟达以4.523万亿美元市值滑落至全球资产市值第三位 [1]

行业投资评级 - 强于大市（维持）[1] 报告核心观点 - 在AI模型尺寸和token消耗量持续高速增长的背景下，对AI基础设施的需求持续增加，以英伟达为首的科技巨头通过产品迭代赋能AI发展并享受产业红利 [3][46] - 以Kimi K2 Thinking、DeepSeek V3.2为代表的国产大模型持续迭代，能力提升，正推动国产大模型从“可用”到“好用”，加速在千行百业的应用落地和产业发展 [3][46] - 国产大模型的迭代升级及应用的普及，将带来国产AI算力市场的持续高景气，坚定看好中国AI产业发展前景 [3][46] 英伟达：Rubin平台完整发布与自动驾驶、机器人新进展 - **Rubin平台完整发布**：在CES 2026上，英伟达完整发布了NVIDIA Rubin平台，该平台由Vera CPU、Rubin GPU等六款芯片极致协同设计，旨在打造超凡AI超级计算机 [2][4] - **显著降本增效**：Rubin平台推理token成本最多可降低至Blackwell平台的十分之一，MoE模型训练所需GPU数量仅为Blackwell平台的四分之一 [2][4] - **关键芯片性能大幅提升**： - **Vera CPU**：采用88颗定制核心，系统内存达1.5TB，是Grace CPU的3倍，内存带宽1.2TB/s，数据处理性能翻倍 [12] - **Rubin GPU**：引入Transformer引擎，NVFP4推理性能高达50 PFLOPS，是Blackwell GPU的5倍；训练性能达35 PFLOPS，是Blackwell的3.5倍；支持HBM4，带宽达22TB/s，是Blackwell的2.8倍；晶体管数目达3360亿个，是Blackwell的1.6倍 [16] - **NVLink 6 Switch**：每颗GPU实现3.6TB/s的全互连带宽，是上一代的2倍 [18] - **BlueField-4 DPU**：计算性能是上一代的6倍，内存带宽达3倍，GPU访问数据存储速度提升至2倍 [21] - **推出新型AI原生存储**：全新推出搭载BlueField-4 DPU的NVIDIA推理上下文记忆存储平台，专为扩展GPU内存容量和加速代理式AI推理设计，可将每秒处理的token数量和能效提升高达5倍，预计2026年下半年上市 [2][22] - **以太网CPO技术**：NVIDIA Spectrum-X以太网硅CPO交换机系统可将能效和持续运行时间提高5倍，从而降低数据中心总拥有成本(TCO) [2][27] - **自动驾驶领域突破**：发布业界首款面向辅助驾驶的思维链VLA推理模型Alpamayo 1，拥有100亿参数，可部署于车端或作为基础架构 [2][30] - **机器人领域进展**：推出用于物理AI的全新开源模型（如Cosmos系列、Isaac GR00T N1.6），CEO黄仁勋称“机器人开发的ChatGPT时刻已然到来” [2][34] - **机器人硬件升级**：推出全新Jetson T4000模组，将Blackwell架构引入机器人领域，千片单价1999美元，性能较上一代提升至4倍 [37] AMD：推出Helios AI计算机架与未来路线图 - **推出Helios AI计算机架**：在CES 2026上，AMD推出面向Yotta级AI算力需求的新一代机架级平台Helios，采用全液冷设计，重近7000磅 [41] - **Helios强大性能**：每个机架拥有4600个“Zen 6”CPU核心和18000个GPU计算单元，提供2.9 exaflops的AI计算能力，配备31TB HBM4显存，提供260TB/s的纵向扩展带宽和43TB/s的横向扩展带宽 [41] - **核心芯片MI455X GPU**：性能比MI355X提高了10倍，拥有3200亿个晶体管（比MI355多70%），包含12个2纳米和3纳米制程的Chiplet及432 GB的HBM4显存 [43] - **EPYC Venice CPU**：性能和效率将提升70%以上，线程密度提高30%以上 [43] - **未来路线图**：计划于2027年推出下一代MI500系列GPU，将基于CDNA 6架构，采用HBM4E显存和2纳米制程工艺，AMD有望在四年内实现1000倍的AI性能提升 [2][46] 投资建议与关注标的 - **建议持续关注AI主题投资机会** [3][46] - **AI算法和应用标的**： - 强烈推荐：恒生电子、中科创达、盛视科技 [3][46] - 推荐：道通科技、金山办公、科大讯飞、福昕软件、万兴科技、彩讯股份、同花顺、宇信科技 [3][46] - 建议关注：合合信息、鼎捷数智、汉得信息、赛意信息、索辰科技、普联软件、泛微网络、致远互联 [3][46] - **AI算力标的**： - 推荐：海光信息、龙芯中科、工业富联、浪潮信息、紫光股份、神州数码、深信服 [3][46] - 建议关注：协创数据、寒武纪、摩尔线程、沐曦股份、华勤技术、软通动力、拓维信息、中际旭创、新易盛、天孚通信、光库科技、东田微 [3][46] - **自动驾驶标的**： - 推荐：德赛西威 [3][46] - 建议关注：光庭信息、经纬恒润 [3][46]

市场整体表现 - 尽管华尔街多数股票上涨 但主要股指受部分银行和大型科技股拖累收跌 [1] - 标普500指数下跌0.5%至6926.60点 连续第二个交易日下跌 此前曾创下历史新高 [1][6] - 道琼斯工业平均指数微跌0.1% 下跌42.36点至49149.63点 [1][6] - 纳斯达克综合指数下跌1% 下跌238.12点至23471.75点 [1][6] - 罗素2000小型股指数上涨0.7% 表现优于市场整体 [5] 银行业表现 - 富国银行股价下跌4.6% 因其最新季度利润和收入低于预期 分析师指出交易费用和其他杂项收入减少是原因 [2] - 美国银行股价下跌3.8% 尽管其报告的利润强于预期 但市场对其即将到来的支出规模感到担忧 [2] - 花旗集团股价下跌3.3% 在其公布利润报告后下跌 该公司正处于董事长兼首席执行官Jane Fraser领导下的转型期 [2] 科技行业表现 - 科技股是市场最大的拖累因素 回吐了部分近年来由人工智能技术热潮带来的巨大涨幅 [4] - 英伟达股价下跌1.4% [5] - 博通股价下跌4.2% [5] - 部分批评者认为 科技股此前的出色表现导致其股价变得过于昂贵 [4] 能源行业表现 - 埃克森美孚股价上涨2.9% 雪佛龙股价上涨2.1% 它们是阻止标普500指数出现更大幅度下跌的主要力量 [5] - 美国基准原油价格上涨1.4% 至每桶62.02美元 [5] - 近期油价反弹 因伊朗爆发抗议活动 该国是帮助设定原油价格的OPEC组织成员 抗议活动可能导致生产中断并挤压原油供应 [6] - 国际标准布伦特原油价格上涨1.6% 使其年初至今涨幅一度接近10% 随后在下午晚些时候油价回落 [7] 其他公司表现 - 生物技术公司Biogen股价下跌5% 因公司预计2025年第四季度利润将受到研发费用和其他收购成本的影响 [4] 市场背景与预期 - 各行业公司面临报告强劲利润增长的压力 以证明其近期高企的股价是合理的 [3] - 根据FactSet的数据 分析师预计标普500指数成分股公司2025年最后三个月的每股收益将比去年同期增长约8% [3]