新一轮金融领域“黑灰产”集群打击工作部署 - 公安部与国家金融监督管理总局联合召开视频会议，部署开展新一轮金融领域“黑灰产”违法犯罪集群打击工作，旨在整治金融非法中介乱象、维护金融管理秩序、保护金融消费者合法权益，以高水平安全护航金融高质量发展 [1] 打击工作的策略与重点 - 强调以更高标准统筹集群打击，通过刑事打击遏制犯罪，并推动完善金融服务以消除滋生土壤，将发挥“专业+机制+大数据”新型警务运行模式优势 [1] - 提升打击质效，深挖犯罪链条和团伙，分类制定策略，延伸打击幕后操控者，聚焦打击非法存贷款中介、非法网贷平台和助贷机构、非法保险代理中介、信用卡不正当“反催收”中介等重点领域 [2] - 强化部门、警种及区域协作，健全线索通报等长效机制，严格依法办案，坚持以打促治、以打促防，并加大防范宣传力度 [2] 过往打击成果 - 在去年6月至11月的首次集群打击中，公安经侦部门共立案查处金融领域“黑灰产”犯罪案件1500余起，打掉职业化犯罪团伙200余个，涉案金额累计近300亿元 [2]

《移动电源安全技术规范》国家标准发布 - 中国将于2027年4月1日正式实施移动电源强制性国家标准《移动电源安全技术规范》[1] - 该标准由工业和信息化部组织制定，旨在规范市场、推动产业升级及保护消费者权益[1] - 标准设置了12个月的过渡期，为企业产品研发和生产线调整预留时间[3] 行业背景与现状 - 移动电源包括便携式移动电源和便携式储能电源，即“充电宝”和“户外电源”，使用场景广、保有量大[1] - 中国是全球移动电源最大的生产国和消费国[1] - 行业存在部分企业工艺技术落后、质量管理体系不健全、产品质量参差不齐的情况[1] 标准核心安全要求 - 强化电池本质安全要求，提升产品在高温、过充、挤压等滥用场景下的安全防护能力，并新增电池针刺试验[1] - 新增循环老化后析锂检测，以降低产品长期使用后的内部短路风险[2] - 提出智能管理要求，明确需对电池电压、温度等关键参数进行实时监测，并要求产品具备异常信息存储与读取功能[2] - 推行产品唯一性编码管理，要求移动电源标注专属编码，消费者可查询电池品牌等核心信息[2] - 加强生产制造全流程管控，明确提出对原材料和生产过程的管控要求[2] 标准制定过程与影响 - 标准起草组由移动电源、电池、材料、芯片等生产制造企业，以及共享充电宝运营企业和民航、铁路等运输单位共同组成[3] - 标准研制过程中开展了大量行业调研，并针对过充、挤压、针刺等关键指标进行了数百次试验验证[3] - 通过广泛征求社会意见，先后收到千余条意见建议，并组织召开多轮技术研讨会[3] - 标准实施后，消费者已购买并取得强制性产品认证的合规产品可继续正常使用[2] - 企业需严格按照新标准开展产品研发、设计与生产，加强供应商筛选与管控[2] - 工业和信息化部将会同有关部门继续加强行业管理，以规范市场秩序、提升产品质量、保障消费安全[4]

日本国债市场异动 - 日本国债市场出现显著抛售，各期限收益率大幅攀升至多年高点 日本10年期国债收益率升至2.395%，为1999年2月以来最高水平 日本2年期国债收益率升至1.385%，创1995年5月以来新高 日本5年期国债收益率上行0.5个基点至1.805%，30年期收益率上行2.0个基点至3.7% [1][2] - 日本财务大臣表示市场波动性正在上升，并重申准备采取大胆行动干预市场，以应对投机行为增加的影响 [1][3] 日本股市资金流向 - 尽管日经指数在4月3日有所反弹，但外资正持续大幅流出日本股市 截至3月27日当周，海外投资者净卖出约1.51万亿日元的日本现货股票，为连续第三周净卖出，且抛售规模创下自2024年9月以来之最 [2] - 日本主要股指在3月经历大幅下跌，东证指数和日经225指数在3月均下跌逾11% [2] 货币政策与日元汇率压力 - 市场对日本央行加息的预期急剧升温，隔夜指数掉期市场定价显示，日本央行4月加息的可能性已达到70% [4] - 日本央行面临艰难的平衡抉择 若加息延迟，可能导致日元贬值加剧和通胀居高不下 若加息过早，则可能对正面临物价和工资成本上升压力的中小企业造成进一步负担 [3] - 日本财务大臣已多次表态准备干预汇市以支撑日元，但分析师警告美元兑日元汇率在交易清淡时可能触及160关口 [3] - 日本央行与政府之间的关系（特别是与首相高市早苗的关系）被认为是决定下次加息能否成功提振日元的关键因素 [2] 全球市场潜在影响 - 日本货币政策正常化（加息）可能导致两个关键变化：国债收益率上升和日元套息交易退潮 [4] - 套息交易逆转可能对全球市场造成显著冲击 据中信建投研报，狭义套息交易规模约千亿美元，广义规模达5万亿美元 其逆转将触发杠杆平仓与全球流动性收缩，加剧市场波动，并对原有高估值核心资产的定价模式造成系统性重估 [5] - 地缘政治因素（伊朗战争）推高油价，加剧了日本的通胀压力，这成为促使日本央行考虑加息的一个新变量 [4]

文章核心观点 - 上汽跃进通过举办品牌日活动，发布了全新的新能源智慧轻卡架构及三款战略新品，旨在以技术创新和精准的产品定位，解决当前物流行业的成本痛点，并展示了其在新能源商用车赛道实现快速增长和领跑市场的决心与实力 [1] 产品发布与战略新品 - **天元架构全球首发**：上汽商用车全球首发了新能源智慧轻卡“天元架构”，该架构具备模块化、智能化、多能源适配特点，支持充电、换电、增程等多种能源形式，适配轻卡、微卡等多种车型平台，旨在为未来产品迭代提供技术底座 [1][7][8] - **三款战略新品集中亮相**：发布了福星S90荣耀版、大拿T2换电版-81°、大拿T3-71°长续航纯电小卡三款新品，旨在精准覆盖多元物流场景 [1] - **大拿T2换电版-81°**：针对城配租赁市场，搭载高能量密度CTC电池系统，能量密度较传统方案提升15%，循环寿命超10000次，可实现3分钟极速换电；采用上汽自研电驱动系统，综合效率达95%以上；换电费用较燃油车能耗成本降低40%以上；为租赁用户提供包月换电套餐，最低至1200元 [4] - **大拿T3-71°长续航纯电小卡**：针对末端配送场景，搭载71kWh电池，CLTC综合续航超300公里，支持30分钟快充至80%；单公里能耗低至0.3元，较同级别燃油车使用成本降低50%；车身设计灵活小巧 [6] - **福星S90荣耀版**：针对轻载高频场景，搭载柳机动力大排量发动机，较同级竞品多出20匹马力；承载能力较竞品提升1吨；货箱容积3.05米，较同级多出1.5立方 [6] 市场背景与用户需求 - 油价高位波动导致物流行业运营成本高企，新能源商用车的经济性和稳定性优势凸显，成为市场刚需 [2] - 公司推出的新品旨在精准覆盖城乡货运、末端配送、城配租赁、个体创富等全场景物流需求，直击用户成本焦虑 [2] 技术优势与生态构建 - **技术护城河**：公司围绕“智慧电卡生态”，从三电技术自主可控、车联网与生态技术深度融合、场景化技术定制三个维度构建核心技术壁垒 [10][11] - **天元架构技术细节**：底盘架构以电驱后桥为核心；三电架构由上汽商用车技术中心自主研发标定；电子架构与大通MIVA同源，融合智能辅助驾驶及智能座舱技术，可实现车辆状态监控、智能路径规划等功能 [8] 公司业绩与市场表现 - **销量跨越式增长**：凭借差异化竞争与精细化运营，公司在2025年实现了从1.7万辆到4万辆的销量增长，同比增幅高达127% [11] - **2026年目标与开局表现**：公司立下2026年5.6万辆的销量目标；2026年前两个月，新能源轻卡销量达2895辆，同比增长260%，市场份额从6.1%跃升至17.4%，蝉联新能源轻卡市场月榜冠军 [11] 渠道、服务与用户运营策略 - **渠道网络**：构建“场景化+数字化”渠道网络，针对不同物流场景优化布局，在B端市场推行“批量定制+长期合作”模式 [11] - **服务体系**：打造“全生命周期+场景化”服务体系，推出“终身免费基础维保”、“电池终身质保”等专属服务，并为不同场景用户提供定制化服务方案 [13] - **用户运营**：构建“数据驱动+情感连接”的运营体系，将用户分层并定制专属运营方案，实现从“产品销售”到“用户经营”的转型 [13]

文章核心观点 - 在人工智能技术能力普适化、内容创作成本趋近于零的时代，获取并维持“人类注意力”以及强大的叙事能力正成为关键的竞争优势和护城河[1] - 行业领先的人工智能公司正通过收购媒体平台来加强其叙事能力和公众影响力，这已成为一项战略举措[1][4] - 人工智能技术正在催生并赋能超高效的“一人独角兽”公司，这些公司通过将复杂环节外包并聚焦自身核心优势，实现了惊人的商业成功[5] 行业趋势与战略动向 - 风险投资机构正积极布局媒体以强化叙事能力，例如a16z收购播客平台Turpentine并邀请其创始人担任负责媒体与投资的普通合伙人[1] - 行业分析师与内容创作者正深度融入风险投资行业，如The Generalist创始人同时担任Hummingbird Ventures合伙人并运营自己的基金[1] - 人工智能巨头正收购具有影响力的媒体平台，OpenAI收购了科技脱口秀媒体TBPN，收购金额估计在1亿至3亿美元之间[1][4] - 此次收购由OpenAI应用部门首席执行官Fidji Simo推动，其目标是通过发展节目，以帮助公众理解人工智能对日常生活影响的方式，将技术带给更多人[4] 被收购方TBPN分析 - TBPN是一个以直播形式为主的科技行业脱口秀，每日在YouTube和X平台直播3小时[2] - 该媒体以反应迅速著称，能对突发新闻进行即时直播探讨，并曾邀请到Meta创始人扎克伯格、微软首席执行官Satya Nadella、Marc Benioff和Sam Altman等科技领袖，因此在硅谷积累了大量粉丝[2] - 其商业化表现突出，去年广告收入为500万美元，今年收入有望超过3000万美元[2] - 公司团队极为精简，仅11人，创立约两年即取得上述成绩[2] 人工智能时代的商业范式变革 - OpenAI首席执行官Sam Altman曾预测人工智能时代将出现“一人独角兽”公司[5] - 这一预测已成为现实，出现了未进行融资、在一年内实现近20亿美元年销售额、净利润接近3亿美元的一人公司[5] - 该公司的策略是将最复杂困难的环节交由合作伙伴处理，自身则利用人工智能专注于最擅长的部分，从而将复杂流程极度简化[5] - 该公司成功切入了一个全球范围内存在爆款需求的赛道[5]

文章核心观点 - 文章以“张雪机车”项目为引，深入剖析了政府引导基金“返投落地”政策在实际执行中面临的巨大挑战和低效根源，指出繁琐的官僚程序、部门间的责任推诿以及不合理的估值计算方式，共同导致了大量优质项目在落地过程中被消耗，最终难以投出好项目 [1][2][3][46] 政府返投落地执行中的障碍 - **向上级推诿责任**：地方政府常以等待上级文件、细则、或需报请更高层级政府决策为由拖延，将决策责任上移 [4][5][6][7][8][9] - **部门间横向推诿**：事项涉及多个部门时，各部门常互相推诿，称需其他部门牵头或出具意见，导致项目无法推进 [10][11][12][13][14][15] - **依赖集体决策与流程**：决策过程依赖会议研究、领导签批和多部门联审，流程漫长且效率低下，常因领导事务（换届、出差等）或时间节点（如年底封账）而搁置 [16][17][18][19][20][21][22][23][24][25][26] - **将责任转移给基金管理人**：作为有限合伙人的政府方，常以不干预市场化运作为由，将项目筛选、决策及返投标准协调的责任完全推给普通合伙人，自身仅履行程序性投票 [27][28][29][30][31] 返投要求中的估值计算争议 - 投资机构与政府LP在计算投资浮盈和确定返投比例时，存在根本性的估值计算方法分歧 [32][33][34][35] - **投资机构算法**：以最新一轮融资后的整体估值乘以持股比例计算持股市值，案例中A机构持股市值为12.5亿元 * 16% = 2亿元，相较于1亿元成本，浮盈1亿元 [33][34] - **政府LP新算法**：以投资成本除以持股比例反推其应占估值，案例中为1亿元 / 16% = 6.25亿元，相较于该机构进入时的5亿元投后估值，仅增加1.25亿元，因此浮盈仅为2500万元 [34] - 这种更保守的算法导致政府LP认为机构浮盈低，从而要求更高的返投比例，加剧了双方矛盾 [35][36] 各地政府对热点事件的反应差异 - **浙江**：反应迅速，成功将“张雪机车”的体育热血与创投神话进行绑定营销，通过宣传“夺冠2个月前投资9000万”和“96年投资经理梳理技术细节”等细节，有效助推了当地招商引资 [43] - **重庆**：仓促应战并主打工业牌，但因被张雪本人指出“重庆一个子儿都没有给”而宣传受挫 [44] - **湖南**：作为张雪家乡，反应相对迟缓，尚未形成有力的宣传策略，目前主要打家乡感情牌 [45] 官僚系统的应对策略与文化 - 通过“马科长”的案例，揭示了地方官员在面对产业政策与监管压力时，可能采取“揣着明白装糊涂”的应对策略，以保全地方产业和个人仕途，这种策略甚至可能成为后续职业发展的“经验” [38][40][41][42] - 这种官僚文化是导致企业（尤其是非明星项目）在落地过程中面临重重困难、被“折腾到拉稀”的系统性原因之一 [46]

AI Agent工程概念演进与产业价值重构 - 2022年底至2024年，行业焦点是提示词工程，通过优化指令提升模型输出[5] - 2025年6月，Shopify CEO提出上下文工程，关注为模型提供恰到好处的上下文信息[5] - 2025年11月，Anthropic提出harness概念，旨在通过上下文管理、工具调用等方法提升agent运行时间和成功率[5] - 2026年2月，HashiCorp联合创始人提出harness engineering，OpenAI和Anthropic随后发布相关研究，使其成为agent圈新共识[5] - 约一个月后，硅谷出现新观点“Harness将死，未来属于environment engineering”，认为应重构环境接口而非依赖复杂harness[6] - 这些概念快速更迭的核心，是在探讨AI Native时代新兴公司应如何构建长期价值与壁垒[6] 环境工程的杠杆价值与局限 - 底层模型正“基建化”，OpenAI等将重试机制、JSON格式约束等复杂功能简化为API参数，使仅封装基础逻辑的套壳框架被降维打击[10] - Anthropic实验证明，在高度结构化的数字环境中，agent表现远超在真实终端的混乱环境，表明重塑环境接口收益可能大于打磨驾驭工程[11] - 环境工程在代码开发、本地文件管理等天然数字化且高度结构化的场景中收益可观[17] - 在传统商业场景中，环境工程面临“隐性知识与遗留系统”的挑战，如文档不全的ERP系统、非结构化的邮件和经验知识，重构成本与难度极高[19] - 商业世界惯性大，企业难以轻易为适配agent而重构运行多年的核心业务系统，因此环境工程是局部、垂直的，难成统一标准平台[19] 驾驭工程作为控制平面与策略层的核心价值 - 大语言模型是基于概率的非确定性系统，而真实商业世界要求确定性结果，这构成了根本的工程悖论[15] - 企业需要可观测性、成本与路由网关、系统级容错等，这些商业铁律决定了harness的本质是复杂系统的“控制平面”与“策略层”，而非简单的中间件[15] - API可以包揽工具调用、记忆存储等“机制”，但无法替代“策略”，如触发降级方案、动态切分任务、解决多Agent决策冲突、保证行业合规性等[16] - 在概率与确定性的鸿沟之间，harness是agent的方向盘，更是防止AI系统在商业环境中造成灾难的“安全气囊与刹车”[16] - 一个基座模型在粗糙脚本驱动下，面对复杂任务成功率可能只有20%，但在深度优化的harness驱动下，成功率可跃升至70%以上[24] - Devin、Cursor等项目的核心壁垒正在于其harness系统，包含了精密的任务规划、代码执行与沙箱、持续学习与反思等逻辑[24] AI产业价值演进的三阶段模型 - **第一阶段：模型为王**：时间约为2023-2025年，是AI的“蛮荒时代”，AI应用能力约等于模型能力，模型厂拥有最高话语权[21][22] - **第二阶段：Harness为王**：时间约为2025-2028年，当前正处初期，价值公式演变为“AI应用能力 = 模型能力 × Harness效率”，竞争焦点从“谁的模型更强”转向“谁的控制层更优”[23][24][25] - **第三阶段：数据与环境为王**：时间在2028年之后，当模型成为基础设施、harness系统标准化后，终极能力公式为“AI终极能力 = (模型能力 × Harness效率) (数据 × 环境)”，核心竞争力在于将模型和控制层深度嵌入真实业务场景并重构环境[26] - 环境工程是提前押注第三阶段，最强大的AI系统将能重构环境交互接口，并利用产生的闭环数据微调模型和优化Harness决策逻辑，形成自我进化闭环[26] - 微软Microsoft 365 Copilot是范例，其orchestrator是面向办公场景的标准化Harness系统，在结构化环境中调度模型，用户反馈形成闭环数据反哺系统优化[27] 对AI创业公司的战略启示 - 当下及未来2～3年，做深特定领域的Harness系统架构是有价值的创业切入点[30] - 类比云计算时代，AWS吞掉底层技术，但Datadog和Snowflake因掌握“运营控制层”而成长为千亿巨头，这同样是AI时代的财富密码[30] - 环境工程是长期目标而非短期捷径，应提前布局但不可幻想一步到位[30] - 今天构建的强大harness，是未来撬动环境改造、构建数据飞轮的唯一杠杆[30] - 公司应将注定成为基础设施的基础工作交给模型厂，不应在注定基建化的地方建名存实亡的壁垒[28] - 在新概念浪潮中形成原生世界观，并扎进去把该做的事做到最好，是当前最值得做的事情[30]

理解压力本质 - 压力本身并无好坏之分，其生理反应（交感神经系统激活、肾上腺素与皮质醇飙升）旨在提升身体力量和头脑清醒度以应对威胁，威胁消散后副交感神经系统会帮助身体恢复休整 [2] - 将压力视为必须消灭的"负资产"并硬撑或压制，反而会使其更难被有效管理，正确的态度是将其视为成长与巅峰表现的引擎 [1] - 没有任何一段有意义的人生是没有压力的，关键在于学会读懂、优化压力，将负面影响降到最低并激活其正向价值 [1][3] 慢性压力的风险与影响 - 当压力源连绵不绝且缺乏修复过程时，压力会演变为慢性状态，导致情绪失控、同理心下降、冲动控制力减弱，并增加心血管疾病和中风等健康风险 [6] - 慢性压力是职场倦怠的温床，表现为身心疲乏、工作效能下滑和对工作态度冷淡，约三分之二的全职员工在任何时间点都受倦怠影响 [9] 压力管理核心：寻找最优压力点 - 压力管理的核心在于找到个人的"最优压力点"，这需要理解自身的压力模式并主动驾驭身体的应激反应，而非被其控制 [9] - 通过练习，可以在投入（精力饱满、专注高效）与恢复（大脑沉淀吸收、积蓄能量）两种状态间自由切换，此过程类似于体能训练中的"超量恢复"原理 [9] - 实现持久改变的第一步是提升对压力的自我觉察，注意力所至能促进新的神经通路生长并最终形成新习惯 [13] 提升自我觉察的方法 - 管理者需觉察并描述自身压力，需了解何种情境最易引发紧张、一天中何时精力最足以及自身对压力的典型反应模式 [13] - 可通过定期重温自我提问、记录活动反应日志或测量心率变异性来加深对自身压力反应的理解 [13] - 许多管理者对自身压力模式浑然不觉，且受"永远冲锋、永不示弱"的领导者刻板期待影响，难以清晰描述压力影响 [13] 为高效投入创造空间 - 应每天在日程中预留一至三小时的深度工作时段，关闭通讯工具，确保不被打扰，例如谷歌CEO会在日程中留白用于阅读和思考 [17] - 减少外界干扰，如关闭手机邮件提醒、为应用设置使用时限或将手机调成黑白模式以降低使用诱惑 [17] - 可尝试改变沟通形式以缓解疲劳，例如在视频会议中偶尔关闭摄像头，仅专注声音交流 [17] 为有效恢复创造条件 - 必须主动重建休息恢复的空档，并认真对待睡眠、运动、饮食等有效恢复路径 [16] - 睡眠方面，应尽量保持固定作息并睡足7至9小时，避免睡前摄入酒精、重餐、使用电子屏幕和咖啡因，下午两点摄入的咖啡因到午夜仍可能有四分之一残留体内 [20] - 规律运动能改善情绪、降低炎症，即便是10到15分钟的快走等低强度运动，只要形成习惯也能提升精力和缓解疲惫 [20] 实现投入与恢复的交替切换 - 应学会有意识地在投入与恢复状态间切换，使用过渡仪式帮助大脑清晰区分不同模式，从而更有效地掌控自身节奏 [18] - 可在会议间隙安排五分钟甚至三十秒的微休息，有意识地用于看绿植、翻旧照等放松活动，但应避免刷手机，因为研究显示休息时刷手机在认知消耗上几乎等同于没休息 [18][20] - 建立明确的下班仪式感，如设置下班闹钟或进行固定对话，用身体节奏告诉大脑工作已结束，并遵守既定工作时长，不将其拉长作为默认选项 [21] 领导者帮助团队管理压力 - 领导者的压力会真实传染给团队，一项研究显示，仅观看陌生人做高难度算术就有四分之一的人出现"共情压力"导致皮质醇升高 [18] - 应为团队优化会议安排，如尝试散步会议、纯语音会议等形式，并在日常安排中为团队加入微休息时间，以提升专注或改善恢复 [19][20] - 需清晰划定工作与休息的边界并尊重他人，例如在邮件中注明无需在非工作时间回复，或设定每周无会议日，且必须坚持执行以避免增加团队负担 [22] 识别与干预团队倦怠 - 领导者需细心观察团队中出现的冷漠、疲态等异常表现，多安排无固定议程的一对一交流以捕捉状态，尤其要关注表现优异但可能不堪重负却鲜少求助的成员 [23] - 看到倦怠苗头应提早介入，提供理解、支持与关怀，必要时可引入心理咨询师或职业教练等外部支持 [23] - 必须清楚高强度、长工时的"危机模式"无法长期维持，应如实告知团队所处阶段，适配节奏，并在高强度时期后主动引导团队进入恢复轨道 [22][23]

AI新贵与互联网大厂资本市场表现分化 - AI新贵智谱与MiniMax股价自2026年开年以来大幅上涨，而传统互联网大厂股价则呈下跌趋势 [1][2] - 截至4月1日，智谱股价单日上涨32%，市值达4079亿港元，超过京东、百度、携程，约为快手的2倍 [2] - 智谱自1月8日上市至4月2日，股价上涨近6倍；MiniMax自1月9日上市首日大涨109%，累计涨幅超过475% [2][11] 互联网大厂财务表现与市场反应 - 2025年主要互联网大厂均实现盈利，腾讯净利润最高，达2248.42亿元，百度净利润最低，为55.89亿元 [5] - 净利润增速方面，仅腾讯、网易、快手实现同比增长，其余公司同比下滑 [6] - 收入方面，京东收入最高，达1.3万亿元，网易收入最低，为1126亿元；除阿里、美团和网易外，其他公司收入增速均为两位数以上 [6] - 财报发布后次日，除京东外，其余公司股价均下跌，其中快手跌幅最大，达13% [6] - 市场担忧主要源于对AI高投入的质疑，例如快手预计2026年资本开支将新增110亿元至约260亿元，主要用于大模型算力支撑 [6] 互联网大厂的AI业务现状 - 大厂主要收入仍依赖游戏、电商、广告等传统业务，AI收入贡献占比较小 [6] - 百度明确公布2025年AI收入为400亿元，占其核心业务收入的39% [7] - 快手公布其可灵AI在2025年收入超10亿元，截至2026年1月ARR已超过3亿美元（约20.66亿元），并预计2026年该收入同比有望翻倍 [7] - 腾讯称广告业务19%的同比增长主要得益于AI驱动；阿里云AI相关产品收入连续第十个季度实现三位数增长；京东JoyAI大模型已落地2000多个场景，2025年Token调用量同比激增近100倍 [7][8] - 拼多多是唯一未在文中提及AI业务的公司 [9] - 大厂的AI支出巨大，2025年资本开支最高的是阿里（1039亿元），其次是腾讯（792亿元），其余几家也均在百亿元级别 [9] AI新贵的财务表现与增长潜力 - 智谱与MiniMax均处于亏损状态且亏损额扩大，但收入增速极高 [11] - 智谱2025年经调整净亏损31.82亿元，同比扩大29.1%；收入7.24亿元，同比增长131.9% [11] - MiniMax 2025年经调整净亏损2.5亿美元（约17.5亿元），与2024年基本持平；收入7903.8万美元（约5.69亿元），同比增长158.9% [11] - 智谱开放平台API的年度经常性收入约17亿元，同比增长约60倍，较2025年底增长2.4倍 [2] - 资本市场看重其高增长预期与技术突破，例如“龙虾”等个人智能体产品的爆火，使AI原生厂商相比大厂入场速度更快 [11][12] AI新贵的战略定位与市场认知 - MiniMax创始人提出公司将由大模型公司向AI时代的平台型公司迈进 [12] - 智谱CEO将公司对标对象从OpenAI换为Anthropic，认为“当模型足够强，API本身就是最好的商业模式” [12] - Anthropic的年度经常性收入从1亿美元到10亿美元只用了一年，再从10亿美元到100亿美元也只用了一年 [12] - 分析师认为AI新贵受追捧的原因包括：AI产业风口、稀缺标的引发的FOMO情绪、高增长预期、技术突破，以及流通比例小、纳入指数预期等 [13] - 其估值特征与2021年快手上市初期相似，提示高成长赛道在早期情绪过热后，估值可能需要较长时间消化 [13] 市场对行业代际更替的认知 - 传统互联网公司年龄均在20岁以上，被自嘲为“老登”或“传统公司”，在AI时代开展新业务比新公司更困难 [2][3] - 市场观点认为，虽然大厂仍在盈利，但赚的是“上个时代的钱”，目前缺乏新的增长故事 [3]

Wind ESG 2026版评级体系升级与启动 - 2026版Wind ESG评级方法学已正式启用，升级以“贴合监管、强化实质、提升透明”为核心，旨在提升与当前披露框架、市场实践和应用场景的匹配度，更准确地映射企业在治理、风险管理、关键指标等方面的实质表现[4] - 方法学升级的背景是中国可持续披露准则与交易所指引的出台，市场关注点正从规则发布转向落地执行，2025年是沪深交易所首批适用公司的首个强制披露执行期，可持续发展信披正加快进入首次集中实践阶段[3] - 评级体系以ESG内涵为基础，以数据驱动为核心，接轨国际标准并考虑中国政策与现状，通过科学方法学预见性评估企业实质性ESG风险及可持续经营能力[13] 评级覆盖范围与数据服务 - Wind ESG评级结果与底层数据已全面覆盖全部A股、港股上市公司，超过6,000家公募信用债发债主体以及超过8,000只国内公募基金[13][14] - 针对上市公司提供接轨国际、适用中国企业的指标体系及全量底层数据、得分与评级[14] - 针对发债主体提供适用其特征的指标、全量底层数据、得分与评级[14] - 针对公募基金提供基金ESG评级、基金碳核算（碳足迹）、基金ESG分类与标签等服务[14] 2026年度评级工作安排 - 2026年度Wind ESG评级工作与预评级已同步开启，评级将围绕新方法学体系有序推进[9][10] - 预评级为受评主体提供了前置的观察与准备窗口，是识别重点议题变化、校验信息口径、完善数据准备、加强内部协同的关键阶段[10] - 受评主体可通过发行人沟通平台关注预评级进展及相关提示信息，并及时反馈，为后续正式评级做准备[10] - 公司将持续做好预评级阶段的沟通与支持，帮助受评主体准确把握新体系下的评价重点，推动评级与信披实践顺畅衔接[11] 市场赋能与解读计划 - 为帮助金融机构与受评主体准确把握新评级体系，公司将通过万得课堂推出《Wind ESG评级框架如何落实信披新规？》专题培训，由评级专家围绕方法学调整、重点议题变化及研究应用场景进行分享[5][6] - 公司将陆续推出“2026版方法学升级”系列文章，围绕气候变化、生物多样性、董事会与高管、公司治理等重点议题，分期解读指标设置逻辑与评分方法[9] - 此举旨在持续推进评级方法学的透明化建设与应用支持，帮助市场更全面、系统地掌握新体系，高质量回应可持续发展信息披露与价值发现的新要求[9] 产品应用场景 - 服务于机构ESG投资，通过专业模型、研发技术和科学评级体系，以数据驱动ESG投研决策、管理ESG风险并应对监管要求[15][16] - 助力企业ESG实践，提供企业ESG信息可视化展示、同业ESG表现一键对比功能，并为企业提供路演平台，向投资者展示自身ESG管理能力[17] - 支持机构ESG研究，提供自2017年至今全透明的底层数据，超过500个指标支持各类ESG研究，全市场覆盖的碳排放数据库及科学估算方法支持气候变化分析[18]