监管政策核心内容 - 国家网信办与公安部发布《大型网络平台个人信息保护规定（征求意见稿）》，明确了大型网络平台的认定标准及其应履行的个人信息保护义务[1] - 该规定是个人信息保护法第58条“守门人条款”以及《网络数据安全管理条例》的配套文件，与9月发布的《大型网络平台设立个人信息保护监督委员会规定》一脉相承[1][3] - 正式版本发布后，将对相关平台的个人信息保护合规带来重要影响[1] 大型网络平台认定标准 - 认定标准包括：注册用户5000万以上或月活跃用户1000万以上；提供重要网络服务或经营范围涵盖多个类型业务；掌握处理的数据一旦泄露、篡改、损毁对国家安全、经济运行等具有重要影响；国家网信部门、公安部规定的其他情形[5] - 除阿里、腾讯、蚂蚁、字节跳动、百度等传统互联网平台外，DeepSeek、MiniMax、Kimi等AI公司以及OPPO、vivo、荣耀等智能终端厂商也因用户规模满足条件而可能被纳入监管范围[1][3] - 具体平台月活数据：微信141.1（千万）、抖音100（千万）、支付言95.3（千万）、高德地图94.7（千万）、小米74.2（千万）、快手73.1（千万）、华为73（千万）、拼多多72（千万）、百度APP70.4（千万）等[6] - AI平台月活数据：豆包17.2（千万）、OPPO小布助手14.8（千万）、DeepSeek14.45（千万）、vivo蓝心小V4.3（千万）、荣耀YOYO3.7（千万）、Kimi2.5（千万）等[6][7] 平台组织架构要求 - 大型平台需指定个人信息保护负责人并公开联系方式，明确个人信息保护工作机构[9] - 个保团队职责包括制定内部管理制度、操作规程、安全事件应急预案，设专人负责未成年人信息保护，以及每年编制发布个人信息保护社会责任报告[9] - 此前测评显示多家企业未发布专门个人信息保护社会报告，现有披露内容较为简略，平台需补齐这一合规短板[9] 数据存储与合规审计要求 - 大型平台需将在境内运营中收集和产生的个人信息存储在境内数据中心[10] - 平台应按国家规定自行或委托第三方开展个人信息保护合规审计、风险评估等活动，并对发现问题进行整改，鼓励选择通过认证的第三方机构[10] 独立监督机构设置 - 个人信息保护法要求成立主要由外部成员组成的独立机构对个人信息保护情况进行监督，此为创新制度[12] - 9月规定征求意见稿要求监督委员会成员一般不少于7人，外部成员占比不低于三分之二[13] - 监督委员会职责包括监督合规制度体系建设、平台规则制修订、敏感信息保护、影响评估开展、跨境提供信息合规等情况[13] - 委员会应建立与用户常态化沟通机制，至少每三个月召开一次定期会议审议监督事项[14] - 成员发现风险或违法违规问题应提出书面建议，未处理或对结果有异议的可向省级网信部门报告[14] - 委员会履职不到位导致重大安全事件或严重违法违规的，省级以上网信部门可要求解散并重新成立监督委员会[14]

来源：睿见Economy 2025年这一次信心恢复为何是"心智牛"？邓海清指出，因为是以未来产业，尤其是AI为代表的牛市作为 演绎主题。很重要的一点是，今年春节时，DeepSeek的成果引爆，让中国从过去的生产要素驱动型增 长模式，转化为创新驱动型增长模式，第一次有了爆款产品，有了能与西方国家前沿公司相提并论的国 际级产品。DeepSeek对中国创新驱动要素的转型提供了非常强的基础。 他认为，目前来讲，中国股市其实还是一个理想主义的股市，而非功利主义的股市。"什么叫功利主义 的牛市？就是大家每天盯着财务报表是否达预期、有无增长、有多少订单。而我们这一轮行情，基本上 不是靠跟踪每个上市公司的订单来驱动牛市信心。" 第十届复旦首席经济学家论坛于11月23日在上海举行。中加基金首席投资官邓海清表示，2025年的股市 与前两轮千点以上涨幅的股市，本质驱动逻辑或底层信心有相似之处，每一轮千点牛市的底层逻辑首先 是信心恢复。 ...

公司战略与组织调整 - 蚂蚁集团在2025年年初因DeepSeek的爆火而感受到兴奋、紧迫和羞愧，并在春节后连续三天进行战略讨论，做出了战略性选择 [1] - 公司于3月份在内部组建了一个相对独立的AGI（通用人工智能）部门，该部门目前已有超过两百名员工 [1] - 公司认为在AGI时代必须推出一款代表自身的产品，目标是要做一款国民级应用，并采取了多方下注的策略，不将所有资源集中于单一方向 [3] - 蚂蚁集团的AGI战略包括百灵大模型、灵光AI助手以及具身智能企业“灵波科技”，旨在将AGI从数字世界延伸至物理世界 [7] 产品发布与市场定位 - 公司发布了全模态通用AI助手“灵光”，该产品发布后下载量突破了50万，远超最初设定的20万目标 [1] - “灵光”主打基于全代码生成多模态内容，特点是信息内容多样化、可视化，并通过“闪应用”满足个性化功能开发，以及“灵光开眼”作为视觉原生入口 [5] - 产品定位为解决信息获取与任务完成的效率问题，致力于降低用户的AI使用门槛，而非直接对标特定竞争对手 [5][6] - 公司认为行业仍处于早期阶段，大模型应用的“拐点”时刻尚未到来，但存在大量机会 [2] 行业竞争格局 - 中国互联网大厂均在积极投注AI to C入口的战略重要性，但行业目前尚未出现日活跃用户过亿的AI产品 [2] - 行业内的成功产品均具备独特的产品主张，例如豆包的打电话功能、DeepSeek的深度思考能力 [5] - 蚂蚁集团将同期发布的阿里“千问”视为“共赴AGI的战友和兄弟”，而非直接竞争对手 [3] 技术路径与商业化 - 公司在MoE模型领域与DeepSeek几乎同时起步，但因计算资源原因，其“百灵模型”的发布有所延迟 [2] - 公司认为当前产品创新的关键在于探索模型能力与用户需求的边界，并随着模型能力的演进不断调整产品表达 [6] - 对于通用AI助手市场，商业化被视为更晚一步的事情，公司认为需先创造足够的用户价值，待用户黏性和使用频次达到一定水平后，商业化将自然发生 [6] - 公司坚信AGI时代需要探索区别于传统商业模式的新模式，这需要整个行业共同努力 [6]

项目发布与市场关注度 - DeepSeek在GitHub上低调发布了新的代码库LPLB，项目地址为https://github.com/deepseek-ai/LPLB [1] - 项目发布初期关注度较低，未发布推文或公众号更新，技术博主分享的推文关注不多，截至目前项目star数量未超过200 [1] - 有观点认为该项目表明公司正在解决正确性和吞吐量瓶颈问题，为下一版模型发布做准备 [1] 技术方案核心原理 - LPLB全称为基于线性规划的负载均衡器，旨在解决MoE训练中的动态负载不均衡问题 [3][7] - 通过三个核心步骤实现动态负载均衡：动态重排序专家、构建专家副本、求解最优Token分配方案 [4] - 专门处理由训练过程中小批次数据随机性引起的瞬时负载抖动等动态波动问题 [8] - 核心创新点在于引入线性规划数学工具实时计算最优分配，并利用底层NVSHMEM技术打破通信瓶颈 [14] 具体实现机制 - 专家重排序过程由EPLB协助完成，实时工作负载统计信息可通过多种方式获取 [4] - 使用内置LP求解器实现单SM内点法，利用NVIDIA的cuSolverDx和cuBLASDx库进行高效线性代数运算 [4] - 通过创建冗余专家副本链接到原始专家，在GPU之间形成连接边，定义边容量为当前批次分配给冗余专家的Token数量 [9] - 通信优化使用NVLINK和NVSHMEM替代传统torch.distributed.allreduce，大幅降低通信开销 [10] 技术特点与优势 - 方案与英伟达用于调度SM的方案相似，但将抽象提升到了pipeline层级 [5] - 强调单SM求解过程，意味着求解过程非常轻量化，不会占用过多计算资源 [5] - 能有效解决MoE模型中某些专家比其他专家接收更多Token导致的GPU负载不均问题 [4] - 本质上是在解决大模型训练中的木桶效应问题，即训练速度取决于负载最重的GPU [14] 当前发展阶段与局限性 - 项目目前处于早期研究阶段，性能改进情况仍在评估中，应该还未被用于生产流程 [7] - 求解器在节点内优化大约需要100µs，对于非常小的Batch Size，这个延迟可能不可忽略 [12] - 当前规划器仅平衡Token总数，未考虑分组矩阵乘法时间成本的非线性特征，可能导致性能非绝对最优 [11] - 在全局负载极端不均衡的情况下，LPLB表现可能不如EPLB [12] 拓扑结构配置 - 支持多种典型拓扑结构配置，包括立方体、超立方体和环面拓扑 [13] - 立方体拓扑要求在GPU子集上复制专家，形成带有对角边的立方体图，需要每个GPU至少2个专家 [13] - 超立方体拓扑类似于立方体但不包含对角边，需要16个GPU，适合跨16个GPU的专家并行 [13] - 环面拓扑在同一节点内的邻居GPU上复制专家，在邻节点GPU上复制另一个专家，形成环面图 [13]

会议基本信息 - 会议为SEEK Limited的2025年年度股东大会 [1] - 公司主席Graham Goldsmith主持会议并致欢迎词 [1] - 会议在Kulin Nation的Wurundjeri Woi-wurrung peoples传统土地上举行 [1] 参会人员 - 参会董事包括非执行董事Andrew Bassat、Jamal Ibrahim、Leigh Jasper、Rachael Powell、Michael Wachtel和Vanessa Wallace [2] - 董事Leigh Jasper因健康原因缺席 [2] - 管理团队包括董事总经理兼首席执行官Ian Narev和公司秘书Rachel Agnew [2] - 公司宣布Greg Roebuck将作为候任主席加入董事会 [3] 公司管理层 - 执行领导团队全体出席 [4] - 团队成员涵盖首席财务官、商业、产品、人力与文化、企业战略与投资、技术以及人工智能等各业务板块负责人 [4]

行业技术发展 - 大陆人工智能技术加速创新并惠及全球 [1] - 多款大型语言模型广泛应用于各行业 [1] - 技术为公众提供了个性化学习和便捷的生活服务 [1] 产品应用与影响 - DeepSeek等大陆生成式AI语言模型被提及 [1] - 民进党当局要求民众避免下载相关产品 [1] - 对大陆高科技产品的限制会损害台湾企业和民众的利益 [1]

评估背景与范围 - 美国国家标准与技术研究院人工智能标准与创新中心发布针对DeepSeek与美国前沿AI模型的综合评估报告[1] - 评估依据美国总统特朗普的“AI行动计划”授权进行，涵盖性能、成本和安全三个关键维度[1] - 测试对象包括DeepSeek的三款模型和四款美国模型，共进行19项基准测试[2] 模型性能对比 - 美国模型在整体性能上优于DeepSeek模型，在软件工程和网络安全任务中差距最为显著[2] - 网络安全任务中表现最佳的美国模型GPT-5准确率达68.9%，而最佳DeepSeek模型DeepSeek-V3.1准确率仅36.7%，差距32.2个百分点[2] - 软件工程领域GPT-5准确率75.8%，DeepSeek-V3.1为54.8%，差距21个百分点[2] 成本效率分析 - 成本效率测试中GPT-5-mini在与DeepSeek-V3.1对比中性能更优且单token成本低35%[3] - 该发现挑战了“美国模型价格更高”的市场常见看法[3] 安全性评估结果 - DeepSeek-R1-0528模型在代理安全测试中被劫持概率高达37%-49%，比美国前沿模型高出12倍[3] - 越狱攻击测试中DeepSeek-R1-0528合规率仅为8%，而美国模型为94%[3] - 被劫持的DeepSeek代理在模拟环境中成功执行发送网络钓鱼邮件、下载恶意软件和窃取用户凭据等高危操作[3] 意识形态对齐表现 - DeepSeek模型更倾向于传播与其训练数据源一致的特定意识形态内容[4] - 测试中DeepSeek模型重复特定叙事的频率是美国模型的2到4倍[4] 市场使用趋势 - 尽管存在明显缺陷，DeepSeek使用率在全球范围内显著增长[5] - DeepSeek模型下载量自2025年1月以来增长近1000%，API请求量在某些平台上激增5900%[5]

产品发布与市场反响 - 阿里巴巴新推出的AI应用千问APP于11月18日公测上线次日即冲入苹果App Store免费应用总榜第四位，排名超越DeepSeek [1] - 应用火爆人气一度导致服务器拥堵，相关话题登上热搜 [1] - 此次发布标志着公司正全力进军AI to C市场，项目被视为AI时代的未来之战 [1] 产品战略与功能定位 - 千问APP主打免费，目标是成为未来的AI生活入口，与ChatGPT展开全面竞争 [1] - 核心发力点为打造一个会聊天能办事的个人AI助手，能实现一句指令生成PPT等复杂任务 [2] - 公司计划将地图、外卖、订票、办公等各类生活场景全面接入千问，构建更强大的办事能力 [2] 技术基础与全球布局 - 千问APP的底气源于Qwen系列开源大模型的强大性能，该模型自2023年全面开源以来全球下载量已突破6亿次 [1] - 近期发布的旗舰模型Qwen3-Max在性能上已超过GPT-4、Claude 3 Opus等国际顶尖模型 [1] - 面向海外市场的千问APP国际版也将在近期上线 [1]

阿里系AI应用战略加速 - 阿里巴巴于11月17日上线千问App公测版，借助Qwen模型的海外影响力与ChatGPT争夺海外用户 [1] - 蚂蚁集团于11月18日推出全模态通用AI助手灵光，支持30秒生成日常生活小应用，直指豆包 [1][3] - 阿里夸克推出“吃豆人”计划，内嵌AI对话式助手，千问APP升级了通义APP和夸克AI助手，计划覆盖办公、地图、健康、购物等多个生活场景 [3] 国内AI应用竞争格局 - 国内形成“南阿里、北字节”的AI格局，中国AI应用开始冲击海外市场，直接对标ChatGPT等 [4] - 2025年被视为“AI应用元年”，C端用户热情升温，大厂迎来场景布局和能力延伸的最佳机遇 [4] - 行业格局未定，豆包2025年10月DAU最高达5410万，DeepSeek为2860万，夸克月活跃用户全球总榜排名仅次于ChatGPT [10] 蚂蚁集团AI布局与能力 - 灵光作为全模态通用AI助手，支持3D、音频、图表、动画、地图等全模态信息输出，答案结构化逻辑强且形式多样 [3] - 蚂蚁集团自主研发的百灵大模型已发布18款大模型，跻身万亿参数模型阵营，未来AI战略方向为聚焦应用、推动普惠 [4] - 蚂蚁已发布AI医疗管家AQ，布局具身智能成立灵波科技，在医疗健康、金融等垂类领域推出AQ、蚂小财两款应用 [5] 杭州AI产业集聚优势 - 杭州发布政策支持大模型多路线攻关，明确点名高端芯片、基础软件、模型算法等前沿方向 [6] - 2025年前三季度，浙江省人工智能核心产业营业收入达4944亿元，同比增速22%，研发费用390亿元，同比增长14% [7] - 杭州AI产品经理平均月薪以28659元领跑全国，产业在基础层、技术层、应用层积累了全链路企业布局 [7][9] 大厂差异化竞争策略 - 阿里千问从B端走向C端大众市场，夸克专注“all in one”入口体验，百度文心一言加强知识增强与搜索融合 [12] - 腾讯元宝覆盖下沉市场，字节跳动豆包依托抖音等社交平台巩固流量优势，蚂蚁AQ深耕垂类场景需求痛点 [12] - 2025年9月，大陆市场AI产品投放素材量达141.1万组，腾讯元宝、夸克、豆包、AI抖音与快影位列素材投放榜前五 [11]

AI热门股抛售潮 - 人工智能热门股经历高盛称为DeepSeek冲击以来最大动能回撤[1] - 抛售原因包括电力瓶颈拖慢美国AI竞赛步伐、对AI支出太多收益太少怀疑增长、软银抛售英伟达、美联储12月降息概率下降[1] - 上周四商业模式瑕疵或估值过高股票承受巨大抛压：甲骨文跌4%、CoreWeave跌16%、Nebius跌6%、Palantir跌6.5%[1] 科技巨头发债融资 - Meta、Alphabet和甲骨文等科技巨头推出大额发债计划，部分期限长达40年，标志着AI债市元年降临[1] - 包括Meta、Alphabet和甲骨文在内的行业巨头近期合计筹集超过700亿美元资金[2] - 美国投资级科技债年度发行量同比飙升115%达到2110亿美元，在投资级市场总发行量中占比在10月达到多年高点[2] 具体发债案例 - Meta达成270亿美元私人债务协议为数据中心开发提供资金，10月底额外筹集300亿美元债券，是2023年以来最大公司债券交易[3] - Alphabet在11月初发行250亿美元债券，其中175亿美元在美国筹集，75亿美元在欧洲筹集[3] - 甲骨文在9月发行180亿美元债券，为基础设施租赁提供资金[3] 发债市场影响 - 科技巨头短期连续发债导致市场供需失衡，引发利差波动，投资者需卖出其他高评级债券来购买科技巨头债券[3] - 市场吸收新债务存在消化问题，节奏至关重要，新债务来得太多太快会影响整体投资级债券[3] - 债券市场作为融资工具对大型科技企业仍是重要资金渠道，高评级债券市场成为大型企业融资主力[4] 发债动因分析 - AI相关资本开支十分庞大，摩根大通测算相关建设及配套供电设施总成本可能超5万亿美元，部分机构预测全球AI相关资本支出达7万亿美元[6] - 科技巨头自由现金流充沛但开支庞大，包括回购分红等股东返还活动，海外囤积大量现金可享受税收优惠[6] - 发债是积极利用财务杠杆体现，科技巨头股权回报率高而债务成本低，能优化资本结构降低加权资本成本[6] AI债务周期展望 - AI债务周期刚刚开始，超大规模企业在AI与数据中心上资本支出正迈向每年4500亿美元[7] - 2026年预计产生约7250亿美元运营现金流，手持流动资产超3500亿美元，但持续两位数资本支出强度压缩自由现金流转化率[7] - 高评级债券市场将承担主要融资重任，涉足AI业务发行人占高评级债券市场14.5%，成为最大板块规模超过美国银行业[7] 历史板块表现参考 - 医疗板块（2021-2024年）和电信板块（2016-2019年）集中发行曾导致相关债券收益率出现15-20个基点表现落后[8] - 弱市环境下能源板块（2014-2015年）落后幅度达60个基点[8] - 华尔街投行认为2026年市场技术面强劲，预计科技板块利差仅将温和走阔[8]