豆包大模型发布与升级 - 公司发布豆包大模型1.6、视频生成模型Seedance 1.0 pro及升级AI云原生服务[1] - 豆包1.6在复杂推理、竞赛级数学、多轮对话和指令遵循测试中跻身全球前列[1] - 豆包1.6支持多模态理解和图形界面操作，能自动完成酒店预定、购物小票整理等任务[1] 视频生成模型表现 - Seedance 1.0 pro支持文字与图片输入，可生成1080P高品质视频[2] - 该模型在Artificial Analysis评测中文生视频、图生视频两项任务排名首位[2] - 每生成一条5秒1080P视频成本仅3.67元，为行业最低[3] 市场份额与应用情况 - 豆包大模型服务全球TOP10手机厂商中的9家、80%主流汽车品牌、70%系统重要性银行及超50%985高校[2] - 日均tokens使用量达16.4万亿，较去年5月增长137倍[2] - 在中国公有云大模型市场份额占比46.4%，排名第一[2] 定价策略与成本优化 - 首创按输入长度区间定价，0-32K区间输入0.8元/百万tokens、输出8元/百万tokens[3] - 综合成本仅为豆包1.5深度思考模型或DeepSeek R1的三分之一[3] - Seedance 1.0 pro每千tokens仅0.015元[3] AI云原生服务升级 - 发布火山引擎MCP服务、PromptPilot智能提示工具、AI知识管理系统等新产品[3] - 推出多模态数据湖、AICC私密计算、大模型应用防火墙等AI Infra套件[3] - 超过80%字节工程师使用AI编程产品TRAE，月活用户超100万[4] 技术发展方向 - AI将发展为调度者，通过调用Agent和工具实现"all in one"开发[3] - 豆包1.6编程能力显著提升，已接入TRAE内测[3] - AI时代开发范式将从Web、APP转向Agent主导[4]

通信行业 - 博通CPO取得积极进展，5月推出单通道200G的CPO产品系列，6月交付支持CPO版本的Tomahawk 6交换芯片，预计科技巨头将推动CPO技术落地和产业链生态成熟 [2] - 看好CPO产业发展前景，推荐太辰光、天孚通信，建议关注中际旭创、新易盛、华工科技 [2] 多元金融行业 - 5月ETF市场总资产规模环比增长1.6%，股票ETF规模环比提升0.9%，债券型基金资产净值达2841亿元、环比增长15%，规模占比环比提升0.8pct至6.9%，龙头集中度环比小幅下滑，前3名地位稳固，5月新发产品较为分散、规模环比下滑 [3] - 《推动公募基金高质量发展行动方案》落地，股票ETF有望迎来快速发展机遇 [3] 银行/证券行业 - 2025年5月全市场发行理财产品5400份，环比-9.8%；公募基金新发份额环比减少，5月发行641亿份，月环比-31%；ETF资产净值持续提升，基准做市信用债ETF贡献核心增量 [3] - 推荐零售及财富管理标杆招行（AH）、财富管理战略地位提升的宁波银行，券商推荐大财富管理产业链具备较强优势的广发证券、东方证券 [3] 电子行业 - 运动相机和全景相机正从极限运动玩家的小众影像设备“破圈”成为大众创意生产力工具，行业处在快速增长阶段，影石创新（待上市）、GoPro、大疆是三大核心玩家 [4] - “全能型”个人影像设备或是发展方向，行业竞争核心正从硬件参数向AI、软件生态、差异化创新能力等多维度转变 [4] 金融工程行业 - 基于开源大模型Qwen3 - 8b增强BERT - FADT策略，构建LLM - FADT策略，增强后策略效果显著优于增强前 [6] - LLM - FADT Top25沪深300指增组合年化超额收益率为12.16%，LLM - FADT医药行业增强组合年化超额收益率为18.53%（回测区间均为20170126 - 20250530） [6] - 行业配置高度稳定、长期稳定在大盘价值风格的基金跑赢基准的平均概率较高，细分行业差异较大的医药主题基金跑赢基准的平均概率更高，消费和TMT主题基金跑赢基准的平均概率更低 [8] 固定收益行业 - 下半年利率或延续震荡市格局，信用债供需关系略好，中短端需求好于长端，供给以央国企产业、国股行二永债为主，关注科创债扩容、城投转型等机会 [9] - 化债下信用风险可控，信用利差仍有下行机会但空间或不大且波动较多，建议以震荡思路应对，票息策略+波段操作>品种选择>信用拉久期>杠杆，关注城投、二永、地产板块，高等级二永债尝试波段增厚收益 [9] 科技/计算机行业 - 2025年中期策略会显示AI算力保持积极向上趋势，推理端与训练端共同推进算力需求；国内外Agent进展提速，业绩有望加速释放；Agent产品有望在特定场景率先落地 [10] 交通运输行业 - 5月客货两旺，6月看多航空，短期暑运旺季催化、油汇利好，中长期供给增速放缓推动供需改善；配置高股息港股公路，Hibor走低支撑红利估值，公路板块业绩稳健；关税缓和推升集运运价，但市场预期或已充分，板块波动率加大 [11] - 推荐中国国航AH/中国东航AH/华夏航空/中远海能H/皖通高速AH/浙江沪杭甬/粤高速A/港铁公司/顺丰控股AH [11] 评级变动 - 极米科技（688696）目标价150元，评级调整为买入（首次），2025 - 2027年EPS分别为5元、5.77元、6.39元 [15]

大模型技术发展 - 多模态大模型技术成为主流，从单纯文本训练转向多模态能力，GPT-o3和GPT-4o为代表[1] - Scaling Law依然成立，未来可能通过人工智能合成数据实现自我学习和进步[3] - 大模型与硬件结合，通过具身智能解决实际生产生活问题成为可能[3] Agent产品化趋势 - 2025年被行业视为"Agent元年"，基础大模型达到可用状态后，Agent成为产业界发力重点[1][3] - Agent领域可能出现"杀手级"应用，创业公司需聚焦专业领域而非通用领域[3] - 一人或少数人组成的创业公司有机会在特定领域创造独特的大模型产品[4] 智源研究院最新成果 - 推出"悟界"系列大模型，包含Emu3、Brainμ、RoboBrain 2.0和OpenComplex2四个模型[4] - RoboBrain 2.0任务规划准确率较1.0提升74%，空间智能性能提升17%并新增空间推理能力[4] - 已开源核心资源，与20多家具身智能企业共建协同生态[4] 产业发展环境 - 人工智能进入产业爆发期"拐点"，需辩证看待技术快速发展阶段的落地现实[5] - 政府应创造良好创新创业环境，支持大中小企业及科研机构协同发展[5]

报告核心观点 - 全球AI发展呈现模型端新架构探索、算力端需求上行与硬件设计进入新范式、应用端商业模式变革的趋势，持续看好AI产业投资主线，全球AI应用将进入业绩收获期 [1] 模型：预训练Scaling Law有望开启新起点 - 大模型技术路线从预训练到后训练发展，2018 - 2024年9月为预训练阶段，2024年9月后进入后训练阶段 [13][15] - 腾讯混元Turbo - S通过创新架构实现性能与效率平衡，Google Gemini Diffusion在文本生成上有突破，大厂在预训练参数量和数据量扩大上有尝试，大规模算力集群支持预训练探索，模型架构改进或使预训练Scaling Law开启新起点 [23][24][25] 算力：训练推理两条主线共同推动算力需求持续上行 训练端 - 后训练阶段Scaling Law成大厂共识，新Scaling路径不断涌现，新架构探索有望重启预训练阶段算力需求叙事 [33][34] - 以“星际之门”为代表的大规模算力集群进展顺利，中东版“星际之门”落地，主权AI逐步落地，台积电新产能规划预示算力需求乐观 [38][41][42] 推理端 - Agent需求增长或使推理算力提升几十至上百倍，大量工具调用和信息交互使tokens消耗量大幅提升，产品用户数量增长带动算力需求提升 [43][46][52] 算力硬件新范式 - 大模型对系统综合能力要求提高，NVLink Fusion强化英伟达硬件生态优势，国产算力加速迭代，华为云推出新服务器，高密度机架方案为性能追赶提供路径 [57][58][60] 应用：Agent进展提速，看好AI应用进入业绩收获期 Agent发展情况 - Agent可能是AI应用终极形态，目前雏形初具，但完成复杂长期任务能力有限，“任务长度”是关键衡量指标且提升速度快 [68][73][74] - MCP统一了Agent工具调用生态，促进其快速构建和发展 [79] 海外AI应用 - AI Coding是重要垂类赛道，细分垂类商业化效果好，25Q1业绩大部分超预期，头部2B软件AI产品存量客户渗透率接近10%，全年收入有望加速增长 [82][84][85] 国内AI应用 - 加速从简单环节到复杂环节产品升级，25Q1利润指标率先改善，AI商业化24年初步验证，25年有望加速复制推广，MCP有望加速产业节奏 [88][90][94] 落地节奏展望：商业模式变革有望成为共识，看好细分领域率先放量 商业模式变革 - Agent应用从交付工具转变为交付结果，按效果付费新范式有望成行业共识 [99] 细分场景放量 - 数据复杂度低、幻觉容忍度高的场景率先实现规模化商业落地，2C场景商业化进展领先，2B应用分场景和行业来看，数据复杂度和预算影响落地节奏 [103][104][110] AI + 营销/销售 - 数据丰富、可量化ROI和流程标准化驱动AI快速商业化，企业需求从单一工具向全链路智能中枢升级，市场格局分散，AI有望重塑格局 [113][114][119] 重点公司推荐 - 推荐金山办公、福昕软件、泛微网络等多家公司，均给予“买入”评级 [7]

注意力机制与人类信息处理 - Transformer架构首次赋予机器注意力机制 推动AI技术飞跃 并促使人类重新审视自身信息感知方式 [1] - 人类感知-处理-行动系统存在巨大鸿沟：视网膜每秒接收10^9比特信息 大脑处理仅10^6比特 输出带宽仅10^1比特 [6][7] - 注意力机制作为主动过滤器 帮助人类在信息洪流中聚焦关键信号 但当前普遍面临机制崩溃导致独立判断能力丧失 [8][10] 社会分化与注意力失控 - 注意力失控导致世界分化加剧 体现为地缘政治冲突 贫富差距扩大及微观人际关系割裂 [1][3] - "拉尔森效应"普遍存在：信息输入输出端口过近导致信号循环啸叫 引发赛道投资极端化（过热或过冷） [12][13][14] - 创始人案例显示 专注冷门领域7年最终获得全球仅4张的国家牌照 验证注意力博弈价值 [19][20] AI与人类能力对比 - AI通过注意力机制实现能力飞跃 未来将具备全频谱感知能力（包括X光 伽马射线等人类不可感知频段） [34][35] - 人类局限性体现为：感知频谱仅占已知电磁波频谱1/10^9 依赖核磁共振等工具间接获取信息 [33] - 未来AI系统将是"传感器+Agent+具身智能"三位一体 需以AI为中心重构工作流而非简单赋能人类 [35][37][38] 人类在AI时代的核心价值 - 创造需求成为关键价值 需明确自身要解决的问题 而非依赖市场反馈贴标签 [40][42] - 审美作为超越多模态的处理结果 是人类独有的核心能力 能预判技术路径或感知潜在风险 [41][42][43] - 心力取代智力成为核心竞争力 优秀创始人特质体现为逆境坚持与克制 [44] 创业与投资启示 - 冷门领域存在未被充分估值的机会 需通过专注发现根本性变化（如2023年具身智能案例） [15][16][17] - 传感器技术将迎来爆发 创业者应探索人类未利用的数据频段（如α波 伽马射线） [34][35] - 区块链或成为Agent互联网的基础设施 当前多数项目仍错误围绕人类需求设计 [35][36]

大模型升级与行业竞争 - DeepSeek 5月29日上线升级版R1模型 腾讯元宝 搜狗输入法 QQ浏览器等产品在不到一天内接入该模型 显示腾讯对DeepSeek的高度重视 [1] - 字节跳动旗下火山引擎在腾讯官宣1小时后也宣布接入DeepSeek R1-0528 同时推出新客户5折活动 [2] - 升级版R1模型在数学 编程与通用逻辑等基准测评中取得国内领先成绩 整体表现接近GPT-o3与Gemini-2.5-Pro等国际顶尖模型 [2] - 用户对下一代大模型R2期待强烈 海外社交媒体上"我们想要R2模型"成为热门话题 [2] 智能体平台布局 - 腾讯云将大模型知识库升级为智能体开发平台 与字节跳动Coze平台目标一致 均旨在帮助企业落地原生AI智能体系统 [3] - 腾讯即将上线AI高考通智能体 QQ浏览器已推出基于腾讯混元和DeepSeek双模型驱动的Qbot智能体 [4] - 字节跳动早在去年就上线AI应用开发平台Coze 帮助B端企业搭建AI应用 [4] - 腾讯2025年一季度资本开支达274.8亿元 同比增长91% 主要用于AI算力基础设施和原生AI产品研发 [9] 知识库建设进展 - 腾讯发布面向B端的"腾讯乐享企业AI知识库" 科沃斯利用该知识库实现全国门店人效两位数提升 年运营成本节省数百万元 [5] - 字节跳动飞书上线"飞书知识问答" 集成DeepSeek R1满血版大模型 可调用企业文档 消息 文件等信息生成精准答案 [7] - 企业微信5天后升级"智能机器人" 新功能对标飞书知识问答 支持添加在线文档 微盘文件夹等知识集 [7] 汽车行业AI应用 - 火山引擎与一汽红旗 北汽 广汽等25家厂商成立汽车大模型生态联盟 腾讯智慧出行服务客户超过100家包括比亚迪 长安汽车等 [12] - 长安马自达EZ-60成为首款搭载豆包大模型车型 可语音调用车上超过1700项功能 [13] - 元戎启行 宝马 东风汽车等原腾讯云汽车客户转向与火山引擎合作 推进从AI营销到人车交互等层面合作 [3][13] 行业战略布局 - 腾讯提出AI落地四个加速：大模型创新 智能体应用 知识库建设 基础设施升级 [4] - 字节跳动认为AI发展必须走Agent路线 分为垂直Agent如Data Agent和通用Agent如OS Agent解决方案 [10] - 腾讯侧重智慧医疗 智慧教育 协同办公 能源制造 字节侧重金融 汽车 协同办公和医疗健康 双方在医疗 制造和协同办公领域直接竞争 [11]

AI行业人才需求与转型趋势 - 传统技术岗位面临降薪淘汰压力，而AI大模型人才招聘薪资高达60K*16薪，行业人才结构正在重构[1] - 80%公司已将AI工具应用列为员工必备技能，Cursor等编程工具普及加速工作提效[1] - 大厂招聘标准转向AI大模型实战经验（非单纯API使用），缺乏相关经验者面试通过率大幅降低[1] AI大模型技术培训核心价值 - 课程提供大模型原理、应用技术到项目实战的全链路学习，覆盖Transformer架构、RAG、Agent等核心技术[2][4][11] - 通过金融行业"支小助"、知乎直答等真实案例拆解，学员可复现项目并写入简历[8][12] - 2天直播包含业务场景解析、技术架构剖析及大佬答疑，完课赠送大模型案例集和商业白皮书[2][3][15] 职业发展支持体系 - 提供大厂内推机会，简历直达面试官，已有学员实现高薪职业跃迁[6][14] - 行业大佬深度解析招聘风向，包括岗位薪资（如60K*16薪）、技术迭代路径等[1][6] - 垂直领域经验（如医保风控系统改造、电商智能客服优化）可显著提升岗位竞争力[4] 技术应用场景落地 - RAG技术适用于需频繁更新知识的场景（如智能客服），无需重新训练大模型[16] - Function Call通过集成外部工具增强大模型复杂任务处理能力[16] - 个人开发者可完成AI原生应用全栈开发，Transformer架构在行业解决方案中具普适性[11][12] 课程市场反馈 - 已开班58期，服务20000+学员，学习效果获广泛认可[14] - 本期限100个免费名额，24小时后关闭报名通道[3][15]

研究方法论 - 通过卫星图像分析停车场流量等非常规手段可获取交叉验证信息 本质是信息论中的"等价信息"概念 [1] - 招聘数据作为公开信息源可反推业务战略 腾讯招聘官网提供事业群/岗位类型/城市等多维度筛选 [4][5] - 使用AI Agent工具批量获取170个岗位的细颗粒度数据 包括职责/要求等关键字段 [8][9] 微信整体招聘概况 - 微信事业群(WXG)社招岗位总数170个 横向对比CSIG(592个)/IEG(1071个)反映业务阶段差异 [6][16] - 企业微信/微信小店/微信搜索为招聘量前三业务线 企业微信岗位覆盖算法/产品/商务等全链条 [18][57] - 地域分布集中广州(总部) 北京(AI人才)/成都(成本优势)/深圳(总部)为辅 海外岗位聚焦支付业务 [22][136] AI战略布局 - 50个岗位直接关联AI 30个涉及大数据/推荐等泛AI领域 覆盖视频号/小店/搜索等全部业务线 [30][31] - 基础大模型训练深入底层 要求CUDA优化/算子编写等能力 显示自主训练意图 [34][38][39] - 同时布局端侧小模型部署 搜索/企业微信岗位明确提及Agent平台开发 [42][46][109] 重点业务分析 企业微信 - 招聘量居首且全链路覆盖 重点行业为零售/医疗/教育 商务岗要求"卫健委/医院场景挖掘" [55][64][65] - AI岗位细分LLM/RAG/AI搜索方向 反映对抗钉钉/飞书的AI军备竞赛意图 [58][63] 微信小店 - 31个岗位中19个为非技术岗 聚焦商品基建/物流/第三方生态等体系化设计 [72][80] - 业务爬虫项目/价格数据管理等岗位显示电商中台建设进入深水区 [89][94] 微信搜索 - 27个纯技术岗聚焦LLM/多模态/Agent 表情搜索优化等边缘需求反映全民产品特性 [100][105][107] - 搜索Agent岗位职责含"探索"字样 显示技术路线尚未定型 [115] 视频号 - 15个岗位中8个为推荐算法 探索LLM4Rec/生成式推荐等前沿方向 [118][120] - 多层级审核体系("外包/自有/子公司")反映内容治理复杂度 [123] 组织人才策略 - 岗位描述强调"元能力"和探索精神 如"新技术框架研究"/"下一代引擎方向"等 [145] - 要求"创业精神"/"想象力"等抽象素质 体现非执行导向的文化定位 [146][147]

Agent行业发展趋势 - 未来十年被视为Agent发展的关键时期，行业普遍认同Agent将成为重要技术方向[1][3] - Token成本下降和MCP资源丰富推动Agent产品从Demo走向B/C端应用[4][5] - 企业需求旺盛，部分Agent产品内测阶段即出现邀请码炒作和私有化部署咨询[6] Agent产品评估框架 - 核心评估公式：产品价值=能力×信任×频率，三项均为3分制，总分8分以上为优质Agent[7][8] - 能力维度关注任务完成度和交付稳定性[9] - 信任维度强调过程可控性和行为可解释性[9] - 频率维度考察场景适配性和调用便捷性[9] - 行业投资人普遍认同该框架，红杉资本提出"Always-On Economy"概念，a16z强调需求承接能力[11] 典型Agent产品分析 Manus - 首创完整动作链范式，但存在成功率低(20%以下)、入口重、上下文易断等问题[27][28] - 能力1分、信任2分、频率1分，总分4分低于基准线[28] - 行业意义在于确立Agent≠Chatbot的新范式[30][32] 扣子空间 - 首个实现MCP调用+任务编排+结果交付完整链路的系统[36] - 能力3分、信任2分、频率2分，总分7分接近基准线[38][40] - 优势在于豆包模型+火山MCP+完整架构的生态协同[42][43] Lovart - 设计领域垂类Agent，实现从需求到成稿的端到端交付[45][50] - 能力3分、信任3分、频率2分，总分18分达到优秀水平[54][58] - 商业化采用积分制，单任务成本约3美元[204][211] Flowith Neo - 特色在于并发任务处理和上下文管理技术[66] - 能力3分、信任3分、频率1分，总分9分[71][73] - 交互复杂度限制其日常使用频率[68][70] Skywork - 办公场景最强Agent，实现从分析到PPT的完整工作流[77][83] - 能力3分、信任3分、频率2分，总分18分[101][105] - 关键价值在于结果可直接交付且带溯源功能[99][100] 超级麦吉 - 专注OA流程自动化，实现审批、报销等企业高频需求[104][112] - 能力3分、信任2分、频率3分，总分18分[128][138] - 体现Agent在B端流程提效中的独特价值[126][137] 行业竞争格局 - 当前阶段垂类Agent更具留存优势，因其场景深度和交付确定性[139][140] - 通用模型存在执行链断裂风险，KnowHow构成垂类Agent短期壁垒[146][147] - 商业化面临信任挑战，用户对付费产品的容错率显著降低[220][225] - 入口争夺成为关键竞争维度，缺乏流量支撑的产品易被大厂复制[235][240] - 行业呈现"通才处理长尾需求，专才攻克核心场景"的共生格局[171][175]

报告行业投资评级 - 增持（维持） [7] 报告的核心观点 - 英伟达 FY26Q1 业绩超预期和 Coreweave 股价快速上涨，表明推理端对高性能计算需求快速释放，AI 算力景气度持续验证 [1] - 云大厂能力全面升级，加速 AI 应用落地 [2] - 算力是 Agent 爆发的前提，支撑中长期成长，从模型训练到服务推理，从应对高并发访问到保障服务稳定性，算力已成为支撑 Agent 发展的关键基础设施和核心瓶颈 [3] 根据相关目录分别进行总结 英伟达 FY26Q1 业绩超预期，验证 AI 算力长期景气度 - 2026 财年第一季度英伟达实现收入 441 亿美元，较上一季度增长 12%，较去年同期增长 69%，数据中心同比+73%，Blackwell 芯片贡献数据中心收入的 70% [1][12] - AI 推理的 token 生成量在短短一年内激增十倍，随着 AI 智能体成为主流，业界对 AI 算力的需求将加速增长 [13] - 游戏和 AI PC 第一季度收入达 38 亿美元，较上一季度增长 48%，较去年同期增长 42%；专业视觉收入为 5.09 亿美元，与上一季度持平，较去年同期增长 19%；汽车和机器人业务第一季度收入为 5.67 亿美元，较上一季度下降 1%，较去年同期增长 72% [14][15] - 英伟达对 2026 财年第二季度收入预计达 450 亿美元，上下浮动 2%；GAAP 和非 GAAP 毛利率预计分别为 71.8%和 72.0%，上下浮动 50 个基准点；GAAP 和非 GAAP 运营费用预计分别约为 57 亿美元和 40 亿美元 [17] - AI 基础设施服务商 CoreWeave 自上市以来持续上涨，英伟达持股占比 3.86%，它有 32 个数据中心，超 25 万个 NVIDIA GPU，获超 260MW 电力支持 [1][18] 云大厂能力全面升级，加速 AI 应用落地 - 字节：5 月 13 日火山引擎发布豆包·视频生成模型 Seedance 1.0 lite、豆包 1.5·视觉深度思考模型，升级豆包·音乐模型；Data Agent 正式亮相、Trae 接入豆包深度思考模型并升级；6 月 11 - 12 日将召开 2025 FORCE 原动力大会春季会议 [21] - 阿里云：4 月 9 日召开 AI 势能大会，算力上第九代 ECS 开启商业化，算力最高提升 20%、价格降 5%；存储上文件存储 CPFS 面向 AI 智算能力升级；运维上跨域网络 SLA 提升至 99.995%，网络智能服务 NIS 推出；管控上“灵骏”可主动发现故障并“自愈”；推理上人工智能平台 PAI 面向 MoE 架构及推理模型全面升级；上线业界首个全生命周期 MCP 服务，预告 AI Agent Store 愿景；启动“繁花计划” [2][27][35] - 华为云：4 月 10 日召开华为云生态大会 2025，推出 CloudMatrix 384 超节点；推动盘古大模型在行业场景落地；开发者规模超 1200 万 [2][36][38] 算力是 Agent 爆发的前提，支撑中长期成长 - Agent 需要处理长上下文和接入外部数据，增加了上下文长度和处理复杂度，加剧算力消耗 [40][42] - Agent 执行任务验证带来算力开销，如 Manus AI 的三重校验体系需额外计算资源 [43] - 多模态发展使 Agent 需处理整合多种类型数据，带来更大算力需求 [44] - 算力瓶颈影响 Agent 服务的用户体验，服务提供商需预留冗余算力应对用户流量波动 [45][46] - 算力需求不仅体现在用户端推理服务，也体现在模型训练阶段，如阿里 Qwen3 系列模型训练需海量算力 [47] 建议关注 - 算力：寒武纪、海光信息等 [4][50] - Agent：金山办公、泛微网络等 [4][50] - 垃圾发电：旺能环境、盈峰环境等 [4][50] - 互联网大厂 AI 链：寒武纪、恒玄科技等 [5][51] - 军工 AI：能科科技、品高股份等 [5][51]