市场表现 - 2024年2月10日早盘，多只港股AI医疗概念股表现活跃 [1] - 截至10时25分，云知声股价上涨11.64% [1] - 截至10时25分，英矽智能股价上涨9.46% [1] - 截至10时25分，医渡科技股价上涨2.94% [1] - 截至10时25分，晶泰控股股价上涨2.66% [1] 云知声公司动态 - 云知声于2024年2月9日公告配售事项已完成交割 [3] - 公司合计配售100.8万股新H股 [3] - 配售股份约占交割后经扩大已发行H股总数的2.32% [3] - 配售股份约占交割后经扩大已发行股份总数的1.38% [3] - 每股H股配售价为310港元 [3] - 配售事项所得款项净额约为3.07亿港元 [3] - 所得款项净额中约65%将用于核心技术研发，以构建公司在AGI时代的长期竞争护城河及成本优势 [3] - 所得款项净额中约35%将用于提升主营产品和方案的核心竞争力 [3]

文章核心观点 - 当前AI行业过度聚焦于提升模型的推理与生成能力（“智力层”），而忽视了“记忆层”尤其是视觉长期记忆的基础设施建设 [1][2] - 视频是现实世界的主要信息载体，但现有处理方式（切片、打标签、生成描述）原始且低效，无法满足未来全天候感知设备和智能体（Agent）的需求 [1][2] - Memories.ai公司选择了一条差异化路径：不把视频当作待描述的内容，而是将其视为机器可长期存储、高效检索和持续回溯的“记忆”本身，致力于构建视觉长期记忆的底层基础设施 [1][2][9] 创始人背景与创业动机 - 创始人Shawn拥有剑桥大学计算机工程背景及Meta Reality Labs的多模态AI研究经历，这些经历使其坚信未来AGI必须能“看懂”而不仅是“读懂”世界 [4][5][6] - 在Meta期间，Shawn观察到两个关键趋势：1）未来设备将全天候感知并重建3D/4D世界；2）大量涌现的智能体因缺乏对用户完整上下文的理解而受限 [7] - 基于此判断，Shawn认为未来需要一个位于“人”与“所有智能体”之间的个人AI系统，其核心是保存用户完整、真实、长期的记忆，这也是公司命名为Memories.ai的原因 [8] 技术路线与核心壁垒 - 公司核心技术是LVMM（大型视觉记忆模型），这是一套为机器构建视觉长期记忆的底层系统，而非更会说话的多模态模型 [2][23] - 技术聚焦于两个核心方向：1）**编码层**：将视频全量编码为AI可直接消费的结构化数据，而非依赖提示词（prompt）触发的局部理解；2）**搜索层**：构建视频原生（video-native）的高效检索体系 [10][12] - 采用“世界模型编码器”技术路线，让模型像人类一样先形成对世界的整体概念理解，再进行视觉与语言的对齐，从而实现全量、连续的编码，避免传统方案的注意力缺陷 [25] - 与传统通过生成文字描述（caption）再检索的方案相比，该路线避免了因token计算成本高导致的处理速度慢、成本昂贵、无法并发扩展等问题，更适合真实工作流与效率场景 [14][15] 市场定位与商业应用 - 公司定位为“视频记忆基础设施”提供商，专注于编码与记忆层，不与专注推理（reasoning）的大模型厂商竞争，而是形成互补协同关系 [33][36][37] - 短期已与安防公司、电商平台展开合作，中长期计划与国内一线大厂、AI硬件初创公司及人形机器人团队合作 [10] - **企业端应用**：已在安防与企业运营管理领域落地，例如实时监测危险事件、基于多模态理解的人物画像与行为建模，以及连锁餐饮的员工操作规范检查 [21][26][27] - **个人/消费端应用**：未来可作为“AI相册”实现基于自然语言的记忆检索，并为健身、膳食等垂直领域智能体提供底层视觉数据支持 [18][19][20] - 公司长期愿景是成为“中央化视觉记忆平台”，统一处理来自各种摄像头和智能设备的影像内容的存储、编码与理解 [28] 融资情况与公司策略 - 公司在短时间内完成了超过800万美元的种子轮融资，老股东随后追加约500万美元，累计融资金额接近1300万美元 [30] - 领投方为Susa Ventures（Robinhood早期投资人），投资方还包括Samsung Next、Seedcamp等 [31] - 公司策略极度专注（focus），只攻克“视觉记忆与视频编码”这一基础设施层，暂不涉足消费级硬件，以建立明确而独特的技术定位 [31][33] - 为吸引顶级研究人才，公司提供了高达千万美元级别的薪酬激励，并已提前搭建了包括硬件平台、评估框架和大规模数据集在内的完整研发基础设施，以加速技术迭代 [32][33]

内存价格暴涨现象与市场反应 - 消费级与企业级产品均面临巨大成本压力，例如蔚来汽车表示2025年最大的成本压力来自内存涨价，联想、惠普等OEM厂商已通知将上调笔记本价格 [1] - 内存价格达到历史极高水平，256G DDR5服务器内存单价已突破4万元，部分高端型号高达49999元/根，一箱100根总价近500万元，被形容为“一箱内存条能换上海一套房” [1] - 内存现货价格加速狂飙，消费级DDR4合约价格在2025年Q3飙升超60%至85%，渠道商、模组厂、OEM厂商出现恐慌性囤积与惜售行为，加剧供应紧张 [12] 涨价驱动因素与产业链变化 - 涨价源于存储行业经历漫长熊市后的产能调整，2022至2024年因需求不振，DRAM与NAND Flash价格跌至谷底，主要厂商亏损并削减资本开支，至2025年年中全球DRAM库存仅能维持六周供应，远低于行业安全线 [6] - AI需求爆发驱动存储产能结构转变，自2025年5月起，三星、SK海力士、美光等存储巨头将大量晶圆产能从消费级产品转向高端AI存储领域（如HBM与DDR5），导致消费级内存产能被抽离，供小于求 [8] - 投机行为与市场预期炒作加剧价格上涨，低端内存实际并不缺货，供给短缺很大程度上是上下游控盘和预期炒作导致 [12] AI需求与“幽灵订单”的潜在风险 - AI创造了真实需求并为价格提供支撑，HBM价格涨势未放缓，最新一代HBM3E在2026年第一季度再度提价15%至20% [17] - AI需求链条存在多层“套娃”式风险：第一层是资金循环制造的虚假需求，例如科技公司间资金循环采购被多次计入营收；第二层是绑定未量产芯片（如英伟达H200）的内存订单；第三层是规划用于未落地数据中心（如“星际之门”计划）的GPU [18][19] - 内存涨价高度依附于AGI（通用人工智能）必然成功的单一假设，若底层AI服务器订单被抽空或数据中心无法落地，则支撑涨价的基础将崩塌 [20] 行业盈利结构与成本传导 - 存储厂商利润主要来自传统消费电子市场，而非AI产品，例如SK海力士2025财年营业利润同比增长137%，营业利润率达58%，其中67%的利润来自传统DDR内存 [23] - AI成为内存涨价的借口，但最终成本由消费者承担，消费电子产业需求萎缩且无力消化上游成本压力，导致涨价传导至终端产品，部分安卓机型被迫采取减配策略 [25] - 消费级内存价格已出现回落迹象，例如华强北市场DDR4 8GB内存条价格自2月初高点260-270元回落至180-200元区间，但整机消费者难以短期内享受到降价 [25] 市场波动与泡沫预警信号 - 2026年2月初，AI产业链集体回调，算力、软件、存储芯片及下游应用板块全线重挫，存储厂商及其供应商股价大幅跳水，显示内存上涨已超出真实需求，更多由市场情绪与资本叙事主导 [27][28] - 存储行业是强周期性产业，历史教训表明盲目扩产易导致产能过剩、价格暴跌与行业洗牌，例如2000年互联网泡沫破裂后DRAM价格18个月内连续暴跌，以及2017年加密货币崩盘后DRAM价格跳水 [30] - 内存泡沫的本质是将AI未来的技术红利过度透支到当前价格中，当前价格已在很大程度上透支了市场预期，一旦AGI假设不成立，可能导致高价囤货者、二级供应商及中小模组厂现金流断裂，甚至引发区域性半导体产业危机 [30][31]

Seed部门新任领导吴永辉的背景与使命 - 吴永辉于2025年初接管字节跳动大模型研究部门Seed，当时部门情况是：上千人团队投入上百亿元追赶两年，研发出的基础模型虽进入中国第一梯队，但迅速被规模更小（仅上百人）、资源更少的团队超越，部门负责人承认失误，公司CEO在全员会点名批评[2] - 吴永辉背负明确使命：将模型能力做到国内第一，并与国际领先模型公司竞争[2] - 吴永辉拥有深厚技术背景：2008年博士毕业后加入Google，前7年从事核心搜索排名工程，后转至Google Brain从事AI应用研究，2023年成为Google DeepMind研究副总裁，参与Gemini大模型研发[5] - 其管理风格被描述为“沉稳”，上任后密集与100多位核心研究员进行一对一沟通，并提拔了数位模型架构方向的研究员[3] 吴永辉接管Seed后的核心工作与组织调整 - 吴永辉聚焦两件核心事务：一是提升基础模型能力与研究效率以保证交付；二是营造研究导向的氛围，目标是“做第一流的研究，打造第一流的AI研究团队”[3] - 2025年1月，组建名为“Seed Edge”的虚拟团队，设置3年考核期，鼓励骨干研究更基础、更长期的AGI（通用人工智能）课题[6] - 随后抽调人员组建“Focus”团队，打破部门边界，负责基础模型的攻坚，研发下一代模型需要提升的部分；剩余基础模型团队划为“Base”团队，负责工程、数据、测评及当前一代模型研发[6] - 调整后，可以同时推进三代模型研发，人员与课题可相互轮换，实现资源盘活：Edge团队的成果可下放，Focus团队发现的长期课题可转入Edge，其成果可用于改进当前模型[6] - 推动内部数据与代码库透明化以提高效率，但对外保密[6] - Seed部门整体规模维持在约1500人，扩张速度较前两年放缓，几乎不再从外部招聘中高层技术管理者，更重视招聘应届毕业生和提拔年轻人[9] Seed部门的主要研发成果与进展 - 吴永辉接管一年来最核心的产出是即将发布的豆包2.0模型，这是一款类似Gemini的多模态模型，参数规模达10000亿（1万亿），是Seed成立以来训练的最大模型[17] - 在基础语言模型方向，Seed迭代了4版模型（包括豆包2.0），能力有较大提升，持续追赶海外领先模型，但承认仍需补课，填补过去几年留下的“技术债”[5] - 在多模态生成方向，Seed的文生图（Seedream）、文生视频（Seedance）模型在一些基准测试榜单上排在全球前列，豆包手机助手模型成为行业关注焦点[5][8] - 吴永辉加入后的三个月内，Seed团队发布的论文数量就超过了2024年全年，激发了研究者的自驱力[21] 研发过程中面临的挑战与应对 - 训练豆包2.0期间遇到基础设施（Infra）层面的重大挑战，由于过去两年持续追赶相对忽视了基础能力建设，扩大参数规模时系统不稳定，一度难以推进[18] - Seed的Infra团队有数百人，同时支撑内部数十款模型的研发，高层认为其水平国内第一，但重整难度大，需要投入大量人力物力并承担信任成本，最终采取“边开车边修轮子”的方式[19] - 为解决豆包2.0训练问题，多个团队配合，花费3个月时间，主要从模型架构、训练数据等方面入手，确保模型赶在春节前上线[19] - 公司内部存在资源分配矛盾：一方面鼓励创新和长期研究（可能只有20%的资源用于短期有用课题），另一方面又需要为应对竞争（如腾讯、阿里）提供短期“弹药”，资源不可避免向短期有成果的团队倾斜[21][22] Seed部门的文化与管理难题 - 吴永辉的目标是将Seed打造成一流的研究品牌，融合初创企业的专注活力与学术界的自由思维[20] - 公司为Seed提供了宽松环境：设置更宽松的考核机制（大部分取消OKR），2025年中发放独立于公司期权之外的“豆包虚拟股”激励员工，并多次提高薪酬[20] - 营造了宽松的工作与研究氛围，实习生能与最高层直接交流，甚至允许研究员自发研究方向，在得到上级认可后从上到下推进[20][21] - 但面临核心管理难题：创新需要适当的灰度和混乱，而应对竞争需要秩序和纪律，如何平衡长期一流研究目标与短期产出压力是持续挑战[1][22][23] - 从2023年三季度开始，公司管理层对Seed团队发论文提出了“高质量”、“内容与正迭代的核心技术无关”等新要求，之后每月发布的论文数量有所减少[22]

公司股价与交易表现 - 迈富时(02556)午后股价大幅上涨，截至发稿时涨幅达9.06%，报41.16港元 [1] - 成交额活跃，达到1.72亿港元 [1] AI Agent行业增长前景 - 根据IDC报告，各行各业对AI Agent的需求正以指数级速度膨胀 [1] - 全球AI Agent年度Token消耗量将从2025年的0.0005 PetaTokens暴增至2030年的152,667 PetaTokens [1] - 该消耗量的年复合增长率高达3418% [1] - 全球活跃AI Agent数量将从2025年的2860万飙升至2030年的22.16亿 [1] - 活跃AI Agent数量在五年内增长近80倍，年复合增长率为139% [1] 公司业务概况与市场地位 - 迈富时是全球领先的AI应用平台 [1] - 公司已累计服务超过21万家企业 [1] - 公司的GEO平台已深度落地多个行业，包括零售消费、B2B生产制造、汽车、家居、大健康、文旅、外贸出海等 [1] 公司产品与技术升级 - 迈富时Marketingforce日前宣布全新升级GEO智能助手 [1] - 升级强化了生成式引擎优化(GEO)技术 [1] - 目标是构建全链路AI原生营销闭环 [1] - 此举旨在助力企业抢占AGI时代的AI搜索流量高地，沉淀品牌AI认知资产，筑牢消费者决策全链路的竞争优势 [1]

公司股价表现 - 迈富时(02556)午后股价涨近10%，截至发稿时上涨9.06%，报41.16港元，成交额达1.72亿港元 [1] 行业需求与增长前景 - 据IDC报告，各行各业对Agent的需求正以指数级速度膨胀 [1] - 全球Agent年度Token消耗预计将从2025年的0.0005 PetaTokens暴增至2030年的152,667 PetaTokens，年复合增长率高达3418% [1] - 全球活跃Agent数量预计将从2025年的2860万飙升至2030年的22.16亿，五年增长近80倍，年复合增长率为139% [1] 公司业务与市场地位 - 迈富时是全球领先的AI应用平台，已累计服务超过21万家企业 [1] - 公司的GEO技术已深度落地零售消费、B2B生产制造、汽车、家居、大健康、文旅、外贸出海等多个行业 [1] 公司产品与技术升级 - 迈富时Marketingforce日前宣布全新升级GEO智能助手 [1] - 升级强化了生成式引擎优化（GEO）技术，旨在构建全链路AI原生营销闭环 [1] - 此举旨在助力企业抢占AGI时代AI搜索流量高地，沉淀品牌AI认知资产，筑牢消费者决策全链路的竞争优势 [1]

核心财务预测与评级 - 预计公司2025至2027年营收分别为12.36亿元、19.23亿元、29.18亿元，对应增速分别为31.6%、55.6%、51.7% [1] - 预计公司将于2026年实现盈利 [1] - 基于大模型业务增长验证及医疗应用潜力，给予2026年25倍PS估值，目标价750.58港元，首次覆盖给予“买入”评级 [1] 公司技术定位与优势 - 公司是中国AGI技术先驱，较早实现深度学习语音技术产业化、多模态技术融合及大模型商业化落地 [2] - 已打造多模态大模型与专业行业大模型矩阵 [2] - 其自研医疗大模型UniGPT‑Med在MedBench4.0测评中，于医疗智能体、医疗大语言模型、医疗多模态大模型三个项目获得第一，幻觉率低于3% [2] 医疗业务壁垒与布局 - 通过医疗大模型与各类Agent切入诊疗核心场景，与北京协和、北京友谊、湖南湘雅等顶级三甲医院合作 [3] - 业务已覆盖全国40%的百强三甲医院 [3] - 垂直领域的海量专业数据资产构成核心竞争优势，并形成高效数据飞轮 [3] - 其优质海量数据在医保及商业健康险降费领域应用潜力巨大 [3] 商业化战略与平台 - 采用“MaaS+SaaS”双平台高低搭配战略加速商业化扩张 [4] - MaaS平台通过区域/行业大模型私有化部署，服务政府及大型企业等高端客户，搭建专属算力与知识底座 [4] - SaaS平台打造标准化场景应用，面向中小客户实现轻量化、规模化交付 [4] 智慧生活业务进展 - 交通领域：多模态交互方案已在厦门地铁、南宁火车东站、福州长乐机场等多地落地 [5] - 家电领域：与TCL、格力等龙头企业深度合作 [5] - 汽车领域：智慧座舱解决方案已广泛应用于上汽智己L6、吉利星瑞等主流车型 [5]

文章核心观点 - 李飞飞提出反共识观点，认为单纯的大语言模型无法通往通用人工智能，空间智能才是AI发展的下一个前沿和更优路径 [4][5][6] - World Labs公司正致力于构建具有物理一致性的世界模型，其首款产品Marble是一个多模态空间智能模型，旨在让AI理解并与三维物理世界互动 [4][7][16] - 随着合成数据等技术的成熟，世界模型领域预计将迎来类似大语言模型的规模定律爆发时刻 [8][9] - 通用机器人是比自动驾驶更高维度的挑战，也是AI技术的“皇冠”，其成功需要空间智能的支持 [10] - AI技术的终极目标是像电力一样，成为赋能各行各业、提升人类文明的基础设施 [11][12] AGI发展路径与空间智能的重要性 - 从生物进化视角看，视觉、触觉等空间感知能力已有约5亿年演化历史，而语言仅有约50万年历史，因此空间智能是比语言更古老、更基础的智能形式 [5][14] - 如果AI只有语言能力，将被困在数字世界，只有补齐空间智能，使其具备理解、推理并与三维物理世界互动的能力，才能真正通往通用人工智能 [6][15] - 空间智能被定义为在真实3D、4D物理世界中进行理解、推理、交互和导航的基础性能力，是AI的下一个前沿领域 [13][15] World Labs的产品与技术：Marble世界模型 - Marble是公司第一代空间智能模型，能接收句子、图片、视频或简单3D输入，并将其转化为完全可导航、可交互且具有永久一致性的3D世界 [7][16] - 与Sora等视频模型不同，Marble生成的环境拥有几何结构和物理一致性，不仅仅是一段像素动画，而是拥有物理属性的虚拟空间 [7] - 该模型目前规模比GPT-5等大语言模型小几个数量级，GPT-5的训练量约在10^26 FLOPS级别 [23] - 公司采用混合数据策略来训练模型，结合互联网现有的文本、图像、视频数据、仿真模拟数据以及真实世界采集的数据，以解决物理世界数据信噪比低、难以大规模获取的瓶颈 [8][24][25] 应用场景与市场潜力 - Marble已应用于游戏开发、影视特效、机器人训练、室内设计等领域 [7][17] - 出现了意想不到的用例，如临床研究人员利用其生成个性化沉浸式环境用于治疗强迫症等心理疾病，以及用于个性化健身训练环境 [7][17][18] - 空间智能是一项横向技术，未来潜在应用领域广泛，包括医疗健康、教育、现场服务、金融服务、农业制造、仓储检测及城市规划等 [12][26] 行业发展趋势与挑战 - 世界模型领域仍处于早期阶段，在模型架构等方面仍在探索，但预计未来几年将见证其在规模定律曲线上实现飞跃 [24] - 物理世界数据（像素、体素）比文本数据更混乱、获取更难，这曾是发展瓶颈，但合成数据技术的成熟正推动该领域进步 [8][24] - 算力增强、芯片进步以及生态系统成熟（如三年前还不存在的数据供应商出现）正在加速该领域发展 [25] - 合成数据与模型生成能力可形成相互促进的飞轮效应 [25] 对关键AI技术领域的看法 - 通用机器人被视为比自动驾驶更高维度的AI技术挑战：自动驾驶是2D逻辑，核心是避障；通用机器人是3D逻辑，核心是在三维空间中以不破坏物体的方式进行精确接触操作 [10][25][26] - 实现通用机器人面临巨大挑战，包括手部模拟的高难度、视觉精准度以及空间理解的需求 [26] - 自动驾驶技术从概念到大规模城市街道运行（如Waymo）经历了漫长的旅程，预示通用机器人的发展也可能需要长期努力 [25]

苹果CEO继任规划与公司战略 - 苹果CEO库克在全员大会上深入谈及退休和继任规划，表示自己花很多时间思考5年后、10年后，甚至15年后的继任者问题 [2] - 库克强调思考继任并制定计划是领导力的重要组成部分，同时描绘了人工智能将如何重塑苹果的未来 [2] - 新任首席运营官萨比·汗已全面接手运营工作，并致力于解决内存芯片短缺问题，苹果面临选择创新者还是精明管理者的继任者问题 [2] 中国互联网巨头春节AI红包大战 - 2026年春节前夕，腾讯、阿里、百度三大巨头累计投入超45亿元进行红包营销，并首次将AI作为核心驱动 [2] - 阿里千问投入最高达30亿元，通过“请客奶茶”活动撬动用户，活动初期因瞬时流量激增导致系统短暂不稳定 [2] - 腾讯“元宝”、百度“文心”、阿里“千问”的红包链接在微信遭到“无差别”封杀，阿里千问活动带动订单量超1000万单并登顶App Store榜首，但也导致系统故障 [11] - 马云现身阿里总部千问春节项目组，彰显公司对该战役的重视，30亿“春节请客计划”是阿里历史上春节活动投入最大的一次 [10] - 巨头希望通过春节流量培养用户AI使用习惯，但依靠现金补贴带来的用户增长往往留存率偏低，竞争最终需回归技术实力与产品体验 [3][11] 松下控股结构性改革与业绩 - 松下控股宣布作为结构性改革的一部分，可能将在日本及海外的裁员规模从1万人提升至1.2万人，并坚持AI战略方向 [5] - 2025年4月至12月，松下控股销售额同比下降8%至5.8837万亿日元，净利润同比减少57%至1252亿日元 [5] - 改革旨在重组组织结构与成本、整合业务资源、并向可持续发展的业务模式转型，2026年4月前中国东北亚公司业务将分拆至三家公司以实现组织扁平化 [5] 美团收购与生鲜零售布局 - 美团宣布以约7.17亿美元初始对价完成对叮咚买菜中国业务100%股权的收购 [8] - 收购符合美团在食杂零售领域的长期发展规划，有助于整合资源，与小象超市、美团闪购等业务形成协同，巩固本地生活基本盘 [8] 亚马逊资本支出与业绩 - 亚马逊2025年第四季度财报显示，其云业务AWS实现净销售额356亿美元，同比增长24% [9] - 亚马逊预计2026年资本支出将达到2000亿美元，原因是市场对现有产品服务的强劲需求及人工智能、芯片等前沿领域的机遇 [9] 游戏行业动态与市场反应 - 超过20家游戏公司年会奖品以黄金为主角，包括100克金条特等奖及全员5克手链，部分公司赠送千万房产、特斯拉等 [4] - 2025年国内游戏市场收入与用户规模刷新历史，行业回暖，高调福利成为企业实力彰显与人才争夺战 [4] - 市场传闻互联网增值服务税率可能从6%上调，引发港股及A股游戏公司股价下跌，腾讯一度跌超6%，但业内人士普遍认为传言可信度较低 [13] - 米哈游发布反舞弊通告，涉及3起案件、5名员工及24家供应商，问题主要集中在周边供应链、市场营销等高预算环节 [14] 人工智能与AGI发展观点 - 陈天桥提出AGI的价值在于“发现新知”，应聚焦“发现式智能”与“通用求解器”，其终极产物应是新的定理、材料、药物等 [7] - 陈天桥认为模仿人类不是AI正确方向，AGI的目标应是实现高可信、可验证、可纠错的通用推理引擎以发现新知识 [7] 海尔集团业绩与生态布局 - 海尔集团2025年全球收入4268亿元，同比增长6.3%，全球利润322亿元，同比增长6.7% [15] - 2025年为海尔AI应用元年，公司推进“天上大模型、空中智能体、地面AI终端”三级体系，并布局六大产业生态 [15] - 机器人、新能源、汽车产业生态被提升至与智家生态等平齐的战略级别，公司发布了工规级具身智能机器人及家庭服务机器人等 [15]

2026年中国AI市场竞争格局 - 2026年是中国AI ToC市场大厂进行最后一搏的关键窗口期，竞争激烈程度不亚于历史上的打车、支付等大战 [2][58] - 字节跳动凭借豆包已占据AI to C一线位置，手握最大流量，其推出的豆包手机是对边界的试探 [2][58] - 阿里巴巴对“千问”进行战略级投入，2026年将更加淋漓尽致，例如投入30亿人民币进行市场推广 [2][58] - 腾讯同样会采取大动作，大撒“元宝红包”仅是开始 [2][58] - 对于“AI六小虎”（如智谱、MiniMax、月之暗面、阶跃星辰等）而言，随着部分公司完成港股IPO或大额融资，故事告一段落，自我造血和寻找差异化商业化道路迫在眉睫 [3][58][59] 主要科技公司战略与挑战 字节跳动 - 豆包的核心决策是早期确认多模态为核心能力，实现了AI能力平权，并在2025年抓住了最佳增长时机 [8][64] - 2025年通过引进以吴永辉为代表的世界顶尖人才，完成了顶尖模型人才储备，基础模型层稳居国内第一梯队 [8][64] - 2026年面临的核心挑战是如何在激烈竞争中留住顶尖人才 [8][64] - 长期挑战在于如何保持AI模型能力领先，并将AI助手与电商、外卖等线下服务联动，尽管公司组织年轻有活力，但内部协同仍是难题 [8][66] 阿里巴巴 - 千问是阿里集全集团之力打造的C端AI入口，产品路线从差异化的办事、办公场景切入，走专业路线，长期目标是成为AI入口 [10][69] - 千问未来不仅是对外AI入口，也将为阿里内部众多业务提供底层AI能力平台 [10][69] - 2026年的挑战在于，阿里业务体系庞杂，千问作为独立技术团队，理解并协同各业务单元对AI能力的诉求存在困难 [10][69] - 阿里通过组织变革（如成立千问C端事业群）来换取决策速度，以抓住AI助手可能成为新流量入口的短暂机会窗口 [11][70] - 行业观点认为，2026年将是大厂真正开打“ChatGPT之战”的一年，虽然市场已有DAU过亿的产品，但市场远未饱和 [10][69] 腾讯 - 元宝早期就明确了“模型即产品”的重要性，接入DeepSeek后强化了这一共识，2025年聚焦于提升模型能力及产品与模型的深度整合 [15][73] - 元宝选择聚焦高知人群走差异化路线，旨在利用其意见领袖效应形成示范 [15][73] - 截至2025年底，元宝的搜索服务部分基于混元，部分基于DeepSeek，但大多数用户仍选择DeepSeek作为默认模型，公司需摆脱对DeepSeek的依赖 [15][73] - 近期TEG搜推部门与元宝搜推合并，旨在提高效率并整合搜索链路，未来可能只存在统一的“元宝搜索” [15][74] - 腾讯整体节奏相对谨慎，混元策略可能避开基础模型正面竞争，聚焦Agent等差异化方向，2026年关键是要理清微信与元宝的战略定位 [16][17][75] 百度 - 百度认为AI正开启“超级周期”，其价值将远超互联网时代，将深度重构“研产销服”全产业链，撬动10万亿级市场 [18][77] - 智能体（Agent）被视为产业落地的关键形态，企业需构建AI原生组织，未来可能形成“决策层+智能体”的高效架构，中层可能大幅缩减 [18][77] - 百度指出当前AI产品存在三大痛点：认知偏差与幻觉问题、落地断层（手脑分离）、体验割裂 [18][78] - 百度致力于将百度文库和百度网盘打造为“超级个人智能体”，以解决上述痛点 [19][79] - 在数字人领域，百度将其发展分为三个阶段，并率先发布高说服力数字人进入3.0阶段，未来数字人将能持续自主进化并在更多场景超越真人 [20][21][80][82] 商业模式探索与分化 - 大模型主流商业模式有五种：ToC订阅和广告付费、ToB的API售卖、ToB/ToG定制化、按效果付费、软硬件一体 [4][25][60][85] - 选择ToC订阅模式的厂商基本都选择出海，因国内用户付费意愿不高 [25][85] - 售卖API的模式本质是云服务延伸，未来云厂商会将价格压得很低，独立模型厂商难规模化，故API只能作为短期商业化补充手段 [25][85] - 定制化模式在国内不仅需要技术交付能力，人脉也很重要 [25][85] - 按效果付费和软硬一体对初创公司有机会，但都对能力提出高要求：按效果付费需模型能力足够强，软硬一体需多模态模型矩阵和端云协同交付经验 [25][85] - 2023年以来许多模型公司有“OpenAI病”，但到2025年，因资源（钱和卡）有限，更多公司转向学习Anthropic，聚焦推理和Coding等有付费市场的方向 [25][26][86] - 目前没有商业模式是成熟的，仍需几年探索，产品形态也未定型，例如OpenAI也在探索ChatGPT采用广告模式的可能性 [4][27][60][86][87] 创业公司机会与策略 - 创业公司应寻找垂直场景切入，做端到端的服务交付，而非工具 [31][91][92] - 应聚焦信息生产场景，而非娱乐、社交等消费场景，后者是大厂必争之地 [31][92] - 创业公司相较于大厂有两个优势：技术更垂直深入、可以保持技术独立性（因部分场景客户与大厂存在竞争或数据安全顾虑） [32][33][93] - 2026年被认为是Agent“按效果付费”的元年，经济模型将从“订阅费覆盖算力成本”转向“任务分成覆盖算力成本”，这能帮助用户低门槛赚钱，传播速度快 [33][94] 融资与上市环境 - 2026年初，月之暗面、阶跃星辰获得新一轮大额融资，证明一级市场仍能支撑大模型发展 [39][100] - 此前智谱、MiniMax的港股IPO向市场释放了信号，但走向二级市场是“双刃剑”：带来融资渠道和市场声量，但也立即面临商业化压力和股价审视 [3][39][59][100][101] - 港股IPO越友好、上市公司越多，越能改善一级市场环境，为优质科技企业提供更顺畅的退出渠道和国际公允定价，反哺创新 [37][38][98] - 创业者应致力于全球创新而非区域创新，只要坚持创新，资本（包括海外资本）会主动进入，例如2025年DeepSeek和宇树的案例 [38][39][99] AI组织形态与效率 - AI时代，极小团队组织形式与全栈创新能力相辅相成，大公司中的AI研发团队也有必要简化以避免沟通瓶颈 [42][104] - 称职的极小团队创始人需具备三种核心能力：找机会（深挖行业痛点）、快速执行力（借助AI快速出Demo）、自我营销（利用社交媒体获客与验证） [42][104] - 在AI研发组织中，算法和基础设施（Infra）团队不应截然分开，强调分工易导致创新空间丧失和底层感知缺失，应共同设计、协同演进 [42][43][105] - 不应迷信一人公司，组织的关键评价维度是“人效”，公司80%的成本是沟通成本，AI可帮助规避此隐形成本 [43][44][105] - 一些头部AI公司已用AI进行内部分工，例如用Claude识别员工技能并分派任务，未来更需要具备批判性思维的通才来减少人际沟通问题 [44][105][106] 基础模型技术发展趋势 - 多模态需要走向“大一统”，即将图文、音视频等模态的理解与生成混合在一个模型中，以获得更强的上下文学习和零样本学习能力，天花板更高 [47][110][111] - AI时代真正的壁垒是“记忆”，这是所有AI产品的兵家必争之地，衡量指标应从DAU转向DTU（每日交流用户）和LMU（长记忆用户） [47][48][111][112] - 模型落地存在鸿沟，因中心化大模型缺乏高精尖领域或机构的私有数据，未来趋势是“去中心化”，通过提供低成本、易用的“脚手架”让各机构部署本地化模型，并通过模型融合构建领域基础模型 [48][49][112][113][114] 具身智能与世界模型 - 世界模型要真正有效，必须与下游场景形成验证闭环，例如商汤用上汽智己的实车检验其智能驾驶世界模型，大晓机器人用四足狗在巡逻任务中迭代模型 [52][118] - 预测物理世界的“ChatGPT时刻”可能在2-3年内到来，其定义为在100种常见任务中，90%的场景下达到95%的成功率，需VLA、世界模型和强化学习互相配合 [53][119] - 世界模型不同于数据驱动的VLA，它需要靠算法建模物理世界运动规律，让机器人能预知未来动作后果，是适合前沿实验室探索的方向 [53][54][119][120]