11月14日消息，阿里巴巴旗下人工智能应用"通义"App迎来重大品牌升级，正式更名为"千问"。同时我们 看到，Android版本号直接从3.x升级至5.0版本，显示出阿里在产品路线与AI战略上的阶段性跃迁。 根据官方消息，"千问"定位为阿里旗下最重要的大模型应用入口，其核心能力基于阿里自研的大模型体系 Qwen（千问）。阿里将其定义为一款"真正会思考的AI助手"，可支持专业问答、长文本理解、智能写作、 多模态识别等复杂任务，并强化了图片识别、视觉推理和实景交互等功能。 随着本次重大版本更新，应用的核心功能也同步强化，包括更强的智能问答能力：支持结构化回答，面向 学习、职场与专业领域使用场景进行优化；多体裁智能写作：可生成新闻稿、邮件、营销文案、脚本等内 容，并支持自动调整语气与格式；全能视觉识别：可通过拍照识别物体、表格、文档，并结合推理能力给 出答案或总结。 · 韶强大模型 同答更聪明 18 朱 ★ 4.4 1936万 78.9M 安专 应用评分 下载次数 包,大小 年龄分 应用检测 > 详情 推荐 评论2899 实用工具 > | AI工具 > | Al助手 > | 学习辅导 > 应用详情:干问 APP是阿 ...

每经AI快讯，11月15日，从应用商店注意到，阿里旗下通义App名称已变更为千问App，版本号由3.59.1升级为5.0.0。 结构清晰 D 2K l] 研究中心和机构调研数据 Californ 聪明会思考的千问来了! 上千问 APP， 体验阿里最新、最强闭源 Qwen 大模型。 新功能 > 版本 5.0.0 17 小时前 Today 投资 游戏 App ...

财务业绩表现 - 第三季度营收1928.7亿元，同比增长15% [1] - 第三季度经营利润（Non-IFRS）为725.7亿元，同比增长18% [1] - 第三季度净利润（Non-IFRS）为705.51亿元，同比增长18% [1] - 营销服务收入达362.4亿元，同比增长21%，连续十二个季度保持两位数增速 [4][5] - 金融科技与企业服务收入达到582亿元，同比增长10%，其中企业服务收入同比增长达十几个百分点 [5] AI战略与生态整合 - AI战略投入为广告精准定向及游戏用户参与度等业务领域带来助益，并提升了编程、游戏及视频制作等领域的效率 [1] - AI战略从独立产品单兵突进转向与生态深度融合，在全场景中赋能用户 [2] - 腾讯元宝已接入数十个腾讯核心应用，覆盖社交、办公与消费等关键场景，单日提问量已达到年初“月总量”级别 [2] - 微信正在并行开发多项AI功能，包括将元宝能力接入微信、用AI增强搜索以及开发垂直领域的智能体等 [3] 产品与应用进展 - 第三季度腾讯元宝生态打通进程提速，7月打通QQ音乐实现“搜歌即听”，并与腾讯视频完成对接 [2] - 腾讯会议联合元宝推出“AI纪要”与“AI托管”功能，9月元宝全面上线微信公众号与视频号评论区 [2] - 公司正式对外披露智能投放产品矩阵“腾讯广告AIM+”，支持广告主自动配置定向、出价及版位，并优化广告创意 [5] - 从长期规划看，微信会推出一款AI智能体，帮助用户在微信生态内通过AI完成各类任务，但目前该智能体还处于非常早期的发展阶段 [3] 模型能力与基础设施 - 公司认为中国大模型市场还处于非常激烈的竞争中，不同的模型在不同使用场景中各有优劣，不认为腾讯在大模型上真的落后 [1][6] - 第三季度腾讯混元大模型能力不断提升，9月开源的混元图像3.0模型在国际权威榜单LMArena的文生图评测中获盲测第一 [5] - 截至目前，混元图像、视频衍生模型总数达到3500个 [5] - 公司拥有充足的GPU以满足内部使用，混元团队正在积极招聘更多顶尖研究人才，并持续优化整体架构，包括升级硬件与软件基础设施 [6] 行业观点与商业化路径 - AI智能体已逐渐成为全球主要大模型及AI应用厂商的布局重点，智能体和大语言模型的高度结合可以实现更高级的智能体应用 [2] - 行业分析指出，公司通过“生态整合+场景渗透”策略，将AI能力深度融入微信、视频号等超级应用，形成差异化优势 [5] - 相比一些竞争对手，公司的AI应用更贴近C端需求，商业化路径更清晰，技术投入与业务回报的平衡能力更强 [5] - AI正在驱动公司的长青业务提效、新芽业务成长，并对广告点击率、游戏内容制作效率、企业服务收入有显著拉动效果 [4][5]

◎记者 何奎 另一方面，强化穿越周期的资产配置能力。坚持从长期视角出发，提升对于大类资产的定价、筛选和主 动管理能力。做好低利率市场环境下的债券配置交易，利用好国债期货等对冲工具，精细化、差异化管 理利率风险。深化长期价值投资理念，重点布局资产质量优良、股东回报稳定的优质上市公司。优化多 元化配置策略，研究REITs等新类别资产的配置价值，提升组合风险收益特征，获取大类资产配置层面 的超额收益。 权益资产是提升长期回报的关键引擎 站在市场长期利率持续走低与资产管理高质量发展的历史交汇期，如何在支持实体经济发展、服务居民 财富保值增值方面发挥重要作用，这考验着每一家资管机构的管理能力和投研能力。 近日，太平资产在接受上海证券报记者专访时表示，资管机构要坚持金融工作的政治性、人民性，深刻 把握行业深层次经营逻辑，通过多资产配置的专业能力对接经济高质量发展的内在需求，将低利率环境 的考验转化为模式创新的动力，在服务居民财富保值增值与支持国家战略中实现高质量跨越，为金融强 国建设贡献资管力量。 投资是一场需要耐心和纪律的马拉松 上海证券报：在市场利率持续下行的背景下，老百姓应该如何做好资产配置？ 太平资产：对于老百姓 ...

该方案支持四大场景：全屋视觉问答（如宠物定位、物品识别）；规则智能触发（读书自动开台灯、玩 手机发送提醒）；复杂联动控制（检测学习状态播放提醒、调节灯光情绪）；动态场景推理（睡眠环境 优化、穿搭点评）。隐私安全方面，该方案的视觉数据本地计算，端侧部署保障隐私。 北京商报讯（记者 陶凤 王天逸）11月14日，小米集团副总裁、技术委员会主席屈恒在个人微博宣布， 小米推出智能家居未来探索方案 Xiaomi Local Copilot，以米家摄像机为视觉信息来源，以自研大模型 为核心，打通全屋IOT设备。基于大模型的开发范式，让用户能够以自然语言定义家庭的各种需求和规 则，实现更广泛、更具创意的智能联动。 ...

软银的资本运作 - 软银清仓英伟达，套现58亿美元，远超市场预期的27亿美元[2] - 交易发生在英伟达市值冲上5万亿美元高点后仅一周半[2] - 软银宣布将加注OpenAI，并称英伟达是其“最大的银行”，即AI野心的现金来源[2] - 软银的操作被视为在科技周期中“换座位”，从英伟达转向OpenAI，是在价值链中重新选择更靠前的位置站队[10][11] 美国AI的高估值困局 - 美国AI面临技术冲得快、收入涨得快，但利润兑现极慢，资本预期却已提前飙至未来5-10年的困境[8] - AI人才成本高昂，强一点的research scientist年包轻松150万美元起步，顶级梯队可达250-300万美元，明星公司年薪部分高达千万美金[8] - 大模型公司几十名核心成员，光工资一年就要烧掉上亿美元[8] - 算力成本极高，GPT-4训练成本估算在7000万–1.4亿美元，GPT-5只会更高[9] - Anthropic 2025年预计收入接近90亿美元，但算力和工程成本增长更快，必须不断加杠杆维持领先[9] - 英伟达股价上涨速度远超利润兑现，市值5万亿美元后，训练和推理端需求增速任何松动都可能带来冲击[9] 中国AI的务实路线与成本优势 - 中国头部云厂商23-25年AI资本开支总和比美国同行低82%，投资回报率远超美国[12] - 中国AI走“低成本高性能”务实路线，策略不是堆更大模型，而是把同样规模模型训练得更好、推得更快、成本更低[16] - DeepSeek是分水岭，其成功是工程化提效、算子优化等底层投入结果，证明竞争可以是“谁更聪明地用算力”[17] - MiniMax M2模型能力略逊于GPT-5仅10%，但训练成本远低于OpenAI[18] - MiniMax M1模型强化学习阶段花费约54万美元，用512块H800训练三周，体现极高效率[18] - 中国AI商业化速度更快，方法论是先选定明确产品场景，迅速推向市场，用用户反馈驱动迭代[20] 中美AI商业模式与路径对比 - MiniMax与OpenAI均构建“订阅收入+ API调用”双轮驱动商业模式，MiniMax今年ARR已达1亿美元规模[24] - OpenAI路线是“长线OS化”，构建覆盖文本、语音、视频等的巨大体系，节奏沉重[26] - MiniMax路线是围绕语音、音乐、视频等多模态模型构建可快速落地的能力矩阵，目标是立即商业化[27] - 在同等智能水平上，中国模型价格普遍低于美国模型，形成商业化上的“降维打击”[28] - 中国AI公司整体估值远低于海外，独角兽最高仅几十亿美金，而OpenAI、Anthropic动辄上百亿美元[15] 中国AI主要玩家格局 - MiniMax在技术、产品、商业化方面“三线全过关”，是挑战OpenAI的最有力竞争者[23] - 阿里Qwen依托阿里云算力与企业服务能力，在政企、金融、制造等场景深度落地[34] - Kimi在长文本能力上保持优势，提供高质量泛内容体验和资料整理能力[34] - 智谱在模型技术路线及ToB部署上保持扎实节奏，企业合作广度行业领先[34] - 国内头部玩家已形成差异化格局，分别满足产业链不同侧面需求[34][35]

公司战略与产品规划 - 百度在2025年11月世界大会上公布昆仑芯双旗舰芯片研发路线图，面向推理场景的M100预计2026年初推出，面向训练场景的M300计划2027年初发布 [3] - 公司正试图构建“大模型—芯片—云服务”的闭环体系，通过软硬协同模式增强其智能云解决方案的差异化竞争力 [4] - 前几代昆仑芯已在百度搜索、智能驾驶等内部业务中部署超百万片，积累了实际应用场景的运行经验 [5] 产品性能与技术细节 - 昆仑芯M100定位大规模推理芯片，通过架构优化和指令集升级，目标将推理效率从英伟达A100约70%的水平提升至90%以上，同时功耗降低约20% [3] - 昆仑芯M300聚焦超大规模多模态模型训练，采用先进制程，峰值算力预计可达1000TOPS量级，训练效率有望较通用方案提升3倍以上 [4] - M300将与百度“文心一言”大模型进行深度适配，以期在特定任务上获得优于通用硬件的性能表现 [4] 市场机遇与竞争格局 - 2024年中国AI芯片市场规模约为1500亿元，年增长率超过40%，但高端训练芯片市场仍由英伟达主导，占据近六成份额 [5] - 昆仑芯M100与M300分别切入中高端推理与高端训练市场，若顺利落地，有望在部分场景中提供国产替代选项 [5] - 国际厂商如英伟达、AMD以及国内企业如寒武纪等也在加速技术迭代，市场竞争日趋激烈 [6] 商业化影响与业绩驱动 - 百度智能云业绩走高与百度昆仑芯片的销售状况供不应求密切相关，智能云的一些订单增量基于客户对昆仑芯片的急切需求 [6] - 以目前国内芯片供求状况，百度昆仑芯片的销量在未来几年仍有望继续走高，能持续带动百度智能云的业绩向上 [6] - 公司商业化模型有望出现一些结构性变化 [7]

这很可能是智能家居的"ChatGPT时刻"，小米AIoT平台截至今年6月已连接的IoT设备数（不含智能手机、平板及笔记本计算机）达9.89亿台，数以亿计 的米家摄像头、小爱音箱、台灯等设备都有望用上大模型。 智东西11月14日报道，刚刚，小米推出了首个"大模型+智能家居"解决方案Xiaomi Miloco，全称为 Xiaomi Local Copilot（小米本地协同智能助手）。 | Q XiaoMi / xiaomi-miloco | | | | | A Notifications | Fork 5 | 2 Star 228 | | --- | --- | --- | --- | --- | --- | --- | --- | | O Issues 3 <> Code | I'l Pull requests 2 | Discussions Actions P Projects | Security | ~ Insights | | | | | 8 main - 2 Branches 0 1 Tag | | Q Go to file | | <> Code ▼ | About | | | | ahuiyo f ...

（原标题：21现场｜机器人售货员 正在批量"上岗"） 21世纪经济报道记者 吴佳楠 深圳报道 11月14日，第二十七届高交会开幕。现场，银河通用G1机器人展示了在无人零售店场景中的自动取货、自动送货功能。 资金流向: 最新份额为105.1亿份,增 加了3.4亿份，主力资金净 流出2435.8万元。 估值分位:23.44% 据介绍，在无人零售店中，消费者可以在前台的平板上下单支付后，机器人会根据点单指示到售货架上进行取货，并自动将货物送到前台的消费 者手中。 深圳银河通用高级商务经理雷杰鹰告诉21世纪经济报道记者，G1机器人搭载了银河通用自主研发的全球首个聚焦零售场景的端到端大模型 GroceryVLA大模型，目前不仅应用在无人零售场景，在智慧医疗、工业分拣、迎宾接待等场景均有应用。 "比如我们跟美团合作，消费者线上点单买药，机器人在一个仓库里可针对四五千款药品进行分拣，分拣后自动打包给外卖小哥进行配送，在工业 场景中搬周转箱方面，机器人也能做汽车零部件分拣工作。"雷杰鹰表示，该机器人今年预计有望实现量产1000台。 相关ETF 食品饮料ETF (产品代码: 515170) ★ 跟踪：中证细分食品饮料产业主题指 ...

核心观点 - GPU不再是算力竞逐的核心，超节点规模将是算力世界的决胜场[1] 超节点通过Scale-up架构实现远超Scale-out的卡间互联带宽，是大模型训练最理想的工具[1] 全球主流厂商已密集布局超节点产品，未来算力采购将以超节点为单位，而非GPU卡[1][34] - 超节点是中国算力突围的革命性机会，其重要性堪比大模型的“光刻机”[4] 国产算力可通过超节点架构，以更多卡数和更高能耗实现与海外同等算力，即“以规模换性能，以能源换性能”[3] - 超节点时代将带来显著投资机会，包括先进制程需求倍增、Scale-up交换芯片需求激增、以及电源与液冷等能耗相关环节的陡峭增长[1][2][3] 超节点架构趋势与产业演进 - 大模型参数规模指数级增长，对算力、内存与通信带宽需求攀升，分布式训练成为必然选择，但传统Scale-out架构存在通信绕行导致延迟高、带宽受限及算力利用率显著下滑等结构性瓶颈[16][20][22] - 超节点Scale-up架构通过NVLink、CXL等高速互联协议将加速器紧密耦合，构建高带宽（TB/s级）、低延迟（纳秒级）的直接通信域，突破“通信墙”、“功耗墙”与“软件墙”三大核心瓶颈[23][26] - 全球主流算力玩家已明确超节点产业演进路径：英伟达展出72卡、144卡、576卡方案；华为亮相384卡、8192卡、15488卡方案；阿里与中科曙光等也推出相应产品[1][34] 超节点互联协议呈现从私有封闭标准向下游客户主导的开放标准转移的趋势[55][58] 超节点对先进制程的倍增需求 - 超节点架构下，同等GPU数量集群将消耗数十倍数量的Scale-up switch芯片，其芯片数量与集群GPU数量比相近甚至超过，且Switch芯片采用与GPU同等先进制程工艺，将带动先进制程需求翻倍增长[1][59] - 以华为Atlas 950超节点（8192卡）为例，其使用9000+颗LRS与500+颗HRS交换芯片，Scale-up交换机价值量占整个超节点价值量超过6%[2] 相比传统Spine-Leaf架构，超节点架构交换机用量增长约36倍（LRS）至40.5倍（HRS）[59][63] - 在1000套8192卡集群情景下，NPU对先进制程产能需求约2.63万片/月，而LRS与HRS两类交换芯片合计消耗约1.46万片/月，接近NPU产能需求的60%[59][68][69] 交换芯片在先进制程产能结构中的权重正显著提升[65] 国产算力的规模换算力路径 - 受工艺制程限制，国产芯片单卡算力长期落后于海外，昇腾910C的FP16算力（800 TFLOPS）仅为英伟达H100（1979 TFLOPS）的约40%[76] 超节点架构打破了集群规模限制，使国产算力可通过堆叠更多卡数在集群有效算力上逼近海外水平[3][33] - 对标结果显示，在同等算力条件下，2025年国产超节点所需卡数规模是海外超节点的3.2倍，系统功耗约为2.3倍；到2027年，该卡数比值将提升至8.5倍，功耗比值提升至5.8倍[3][77][78][80] 国产超节点各环节中，与“量”相关的GPU、交换芯片、先进制程等将呈现更高增长潜能；与“能源”相关的电源、液冷等将有更陡峭增长斜率[3] - 国内超节点未来几年将以“柜内全铜、柜间全光”连接方案为主流，在EUV光刻机突破前可能持续该方案，因此在连接环节上“国内看铜，海外看光&PCB”[4] 超节点市场空间与投资机会 - 国内AI资本开支进入加速通道，预计C5（阿里巴巴、字节跳动、腾讯、美团、百度）AI CAPEX将从2024年的1688亿元人民币增长至2030年的19222亿元人民币，年复合增长率达50%[91][94][96] 超节点作为高密度算力核心设施，其采购占比预计从2025年的10%提升至2030年的80%，对应市场规模从253亿元增至1.54万亿元[103][104] - 以年出货1000套华为Atlas 950超节点测算，各环节市场空间分别为：先进制程晶圆代工388亿元、封装624亿元、HBM 793亿元、Scale-up交换芯片549亿元、高速铜缆模组656亿元、光模块492亿元、电源246亿元、液冷697亿元、PCB 246亿元[105][106] - 报告建议重点关注高景气与高弹性方向：先进制程（国内晶圆厂）、交换机&交换芯片（盛科通信、中兴通讯等）、高速铜缆模组（华丰科技、立讯精密等）、光模块（新易盛、中际旭创等）、液冷（英维克、申菱环境等）以及PCB/CCL（深南电路、生益科技等）[107][108][109]