案件核心判决与影响 - 杭州互联网法院审结了全国首例因生成式人工智能模型“幻觉”引发的侵权纠纷案 为生成式人工智能服务厘清了责任边界 [1] - 法院判决明确 AI模型不具有民事主体资格 其自行生成的承诺不能视为服务提供者的意思表示 [3] - 生成式人工智能服务被界定为服务范畴 服务提供者负有严格的审查义务和注意义务 [4] AI生成内容的法律效力与责任界定 - AI模型生成的“如果生成内容有误，我将赔偿您10万元”等承诺 不代表平台意思 没有法律效力 [2][3] - 人工智能不是服务提供者的传达人、代理人或代表人 除非服务提供者通过AI模型主动设定或传达信息 [3] - AI生成内容不属于我国产品质量法意义上的产品 [4] 服务提供者的法定义务与合规要求 - 服务提供者需依据《生成式人工智能服务管理暂行办法》履行责任 [4] - 发现违法内容时 服务提供者必须及时采取停止生成、停止传输、消除等处置措施 并进行模型优化训练整改 [4] - 服务提供者必须以显著方式向用户提示AI生成内容可能不准确 发出“警示提醒” 以防范用户产生不当信赖 [4]

学术不端与“水论文”现象 - 国内存在“无痕撤稿”灰色产业链，中介收取数百至上万元费用，可将已发表的论文从知网、万方等数据库中不留痕迹地删除，涉及论文多为代写、代发或已被举报[2] - 一项对1999至2024年间超过260万篇癌症研究论文的分析发现，超过25万篇疑似“论文工厂”产物，其中出自中国研究机构的超过17万篇，约占同期中国癌症论文总产出的36%[2] - 部分科学研究已异化为追逐论文数量以完成考核指标，近期国家自然科学基金委员会一次性通报批评了46名存在论文造假或评审舞弊等科研不端行为的学者[3] “水论文”泛滥的根源与影响 - “水论文”泛滥的根源被普遍认为是“四唯”顽疾，即唯论文、唯职称、唯学历、唯奖项的人才评价体系，这使论文成为获取文凭、职称、项目和地位的“硬通货”[3] - “水论文”盛行不仅浪费科研资源、侵蚀学术公信力，更会阻碍真正的科学进步[4] - 生成式人工智能的成熟使“水论文”更容易，一项研究指出AI虽提升了论文产出效率，但也导致了低质量、同质化论文，稀释了科研论文的整体含金量[4] 改革举措与方向 - 自2016年起，有关部门已多次发文推动人才评价机制改革，明确提出要克服“唯学历、唯职称、唯论文等倾向”及“四唯”倾向[4] - 2022年11月，科技部等八部门联合印发方案，明确以“破四唯”和“立新标”为突破口，构建以创新价值、能力、贡献为导向的科技人才评价体系[4] - “破四唯”核心是打破将论文、职称等作为唯一或绝对标准的做法，“立新标”则是建立反映创新价值、实际能力和贡献的新体系，分类评价、代表作评价等创新做法已取得实效[5]

政策核心与支持方向 - 国家发改委等四部委印发《关于加强政府投资基金布局规划和投向指导的工作办法（试行）》，配套发布《政府投资基金投向评价管理办法（试行）》[1] - 政府投资基金投向将重点考察是否有助于支持新质生产力发展[1] - 明确支持领域涵盖两大方向：新兴产业与未来产业[1] 新兴产业支持领域 - 支持的新兴产业包括新一代信息技术、新能源、新材料、高端装备、新能源汽车、绿色环保、民用航空、船舶与海洋工程装备等领域[1] 未来产业支持领域 - 支持的未来产业覆盖元宇宙、脑机接口、量子信息、人形机器人、生成式人工智能、生物制造、生物育种、未来显示、未来网络、新型储能等前沿方向[1] 评价激励与合作机制 - 对最终评价结果排名靠前的基金综合采取通报表扬、示范推广、项目推介、要素保障等激励举措[1] - 鼓励国家级基金对评价结果排名靠前的地方基金在出资参股、项目投资等方面加大合作力度[1] - 鼓励各地方引导金融资产投资公司与评价结果排名靠前的基金优先合作，对符合条件的优质项目在并购重组方面提供支持[1] - 各级发展改革部门向最终评价结果排名靠前的基金推送重点政府投资项目和优质民间投资项目清单，引导金融机构增加配套融资、降低融资成本，加强投融资合作对接[1] - 有关部门可在基金出资、管理费、收益分配等方面对最终评价结果排名靠前的基金予以适当优待[1]

AI在艺术欣赏领域的应用现状 - 生成式人工智能在公众生活中的使用频率提高，“遇到问题先问AI”成为部分人的生活习惯，应用场景已从生活决策、情绪困惑延伸至艺术欣赏与审美理解领域 [2] - 在艺术展览现场，观众使用手机AI应用直接提问以理解作品，AI正成为部分观众接触作品前的“第一解释者” [2] - AI能够快速为观众梳理作品的文学背景、艺术风格、创作者信息等，提供规范的解释，部分用户认为其“什么都知道，说得还挺有道理” [3] AI作为艺术解释工具的能力与局限 - AI擅长利用既有知识进行归纳总结逻辑，能够分析艺术作品的技法、笔法，甚至精准到光谱、色谱层面 [4][5] - AI的解释存在边界，其解释更偏向于取“平均数”，难以触及艺术中不确定、不可控的部分，例如艺术家埋下的、未在说明文字中体现的细节“彩蛋” [4][5] - AI追求知识的归纳与总结，而非感受与直觉，能够分析“眼泪的成分”，但不能体会“眼泪本身”，可能忽略艺术体验中非规范但重要的部分 [5][6] 专业视角下AI的定位与使用建议 - 从专业策展人角度看，AI的介入被视为一种有意义的对话开端，前提是保持敞开和无偏见的态度 [3] - AI在艺术理解中的角色更类似于“助教”，能够提供基础常识、补充背景信息、提醒易忽略知识点并激发联想 [6] - 建议AI的介入应发生在观众自我思考之后而非之前，以避免“解释来得太快”而提前对齐理解路径，剥夺观众犹豫、怀疑和误读的空间，而艺术理解本身是允许不确定的 [6] - 更重要的艺术欣赏过程是先觉察自身情绪、尊重个人感受，而非急于通过AI确认自己是否“看懂了” [6] 用户行为与体验的演变 - 部分用户在接触AI解释后，体验从最初的震撼（“有点被震住”）转向一丝遗憾，感觉“不需要自己慢慢看”，因为答案过于规范 [3] - 用户行为出现调整，例如有观众在展览后半段先基于个人兴趣和感受产生理解（如因认出喜欢的乐队元素而感到与作者的“默契”），之后再向AI求证以补充背景信息，改变了依赖AI解释的顺序 [6] - 现场观展带来的直接感受（喜怒哀乐）与隔着屏幕获取文字、视频解释的体验并不相同 [6]

报告行业投资评级 * 报告未提供明确的行业投资评级 [8][9][10][11][12] 报告的核心观点 * 具身智能作为与物理实体融合的人工智能，已成为国家未来产业重点培育方向，有望催生颠覆性终端产品，推动生产力与生产关系的深层次变革 [8] * 产业整体呈现“融合”、“多元”、“繁荣”的发展特点，具体表现为：软硬、知行、虚实融合以突破智能瓶颈；打造“上天入海涉险”的多元化产品以加速场景拓展；产业生态体系不断完善，市场空间广阔，截至2025年12月，中国具身智能和机器人领域投资事件达744起，融资总额735.43亿元人民币 [9] * 具身智能整体处于发展早期，面临“数据-模型-本体-场景”难闭环、商业模式、规模化量产、标准缺失等产业化挑战，商用落地处于从“科研试验”迈向“进厂入户”的初期探索阶段 [10] 根据相关目录分别进行总结 一、全球具身智能总体发展情况 * **概念与内涵**：具身智能的核心是构建“智能闭环”，其三大要素包括具身本体（如人形机器人、无人驾驶汽车、无人机等“智三样”）、智能内核（大模型、世界模型等）和环境交互（第一人称视角的物理世界交互）[18][19][20] 其目标在于增加认知（从“看见”到“看懂”）、协作（从“单机执行”到“协同作业”）和学习（从“干前学”到“干中学”）三大能力 [21][23] * **全球关注度**：具身智能被视为全球下一个科技前沿和驱动未来经济增长的核心引擎，据预测，到2030年，人形机器人、自动驾驶汽车（L1-L3）及无人机累计市场规模将达3398.4亿美元 [25][26] 全球科技巨头（如英伟达、特斯拉、OpenAI）纷纷布局，多家具身智能公司估值突破百亿元 [26] * **产业发展阶段**：资本热情高涨，但商业化落地仍处早期，行业在技术路径、数据方案、本体应用落地途径上均未形成确定性答案，正在多路径探索 [31] 当前面临“智能”层面数据需求巨大（需几十万到千万小时数据）与模型泛化能力不足，以及“具身”层面规模化量产工程化难题等挑战 [32][33] “数据-模型-本体-场景”的完整闭环尚未实现 [34] 二、数据驱动下的具身智能软硬融合创新 * **算法技术**：技术路径呈现多路径探索，主要包括模块化分层、分层大模型、端到端大模型和世界模型四条路线 [48] 2025年，围绕“通用大脑”和“技能可扩展学习”两大方向密集创新，以端到端视觉语言动作模型（VLA）为关键词的论文在不到一年内翻了近4倍 [43] 然而，VLA模型仍面临泛化性有限、长程任务执行能力不足（成功率多在20%-40%）、软硬协同难等挑战，尚无法支撑真实环境应用 [59] * **数据需求**：高质量、大规模数据是模型发展的关键，行业普遍认为需要百万甚至千万小时的高质量真实行为互动数据 [68] 行业围绕仿真合成数据和真实数据（遥操作、开放环境采集、动作捕捉）积极探索采集方案，但实际可用数据量仍远不足，且在采集、处理、使用各环节均面临突出挑战 [64][65][68][69] * **本体技术**：模型带动本体多形态协同发展，底层硬件模块具备一致性，可实现技术复用 [70] 机器人作为创新热点，在一体化关节、灵巧手、力触觉传感器和电子皮肤等重点零部件上取得突破 [71] 但本体规模化部署仍需解决结构物理局限性、规模化应用难（工程化与标准化不足）、成本控制难三大难题 [73] * **云-边-端协同**：端侧计算芯片向高算力（如英伟达Jetson Thor达2070 TFLOPS）、大带宽、低能耗和集成化方向发展 [75] 云-边-端分布式计算为系统智能在现实场景中的有效泛化提供支撑 [76] 但仍面临接口兼容性、端侧计算限制（运行7B参数模型性能明显下降）、通信和资源分配限制等技术挑战 [78][79] 三、场景驱动下的具身智能产品谱系不断丰富 * **机器人（最“热门”载体）**： * **人形机器人**：双足人形机器人加速走向赛场和训练场，但应用以教学科研、娱乐表演为主，距离成熟可用仍有数年差距 [82][84] 轮式人形机器人因在作业、续航和成本上的优势，成为市场关注重点，在工业制造、商业服务等场景加速落地，已进入规模落地前夕 [83][84][85] 但人形机器人整体面临作业能力待提升、综合成本高、安全规范和标准滞后等应用局限性，导致客户“不能用、不愿用、不敢用” [86] * **机器狗**：四足机器狗运动性能和交互智能大幅升级，在商用（电力巡检、安防巡逻）和消费（教育、娱乐、陪伴）市场加速落地 [88][89] 轮足和六足机器狗开始显现互补的应用优势 [90][91] 应用局限性包括行业采用率有限（2024年商用级产品仅占总出货量的27.9%）、复杂环境导航稳定性需优化、面向细分场景的定制化解决方案供给不足等 [92] * **其他机器人**：学界和产业界加速探索仿生机器人（如仿生蝠鲼、蛇形机器人），传统机械臂等产品也在叠加具身智能能力，向自主作业和柔性制造升级 [94][95][96] * **智能运载装备（落地“最快”载体）**： * **自动驾驶汽车**：具身智能技术提升车辆的交互性和复杂路况处理能力 [97] 政策法规不断完善，L3级车型量产和L4级商业化运营并行推进 [97][99] 摩根士丹利预测到2030年自动驾驶汽车市场规模将达2000亿美元，高盛预测Robotaxi带来的个人出行市场规模将突破230亿美元 [99] 例如，百度萝卜快跑全球出行服务次数超1700万次，全无人里程突破1.4亿公里 [99] 四、具身智能产业生态加速完善 * **产业链与生态**：产业链横跨行业应用、产品服务、技术服务和基础设施四大领域，生态体系初步形成 [9] 训练场建设成为热点，但实际效用仍需进一步验证 [12] * **标准与安全**：标准体系正在有序建设，针对性解决产业亟需问题 [12] 安全问题引发关注，成为规模化落地的限制要素 [12] 五、具身智能产业展望 * **技术架构**：将从“功能模块堆叠”迈向“多模态认知融合” [12] * **应用场景**：将从“演示”迈向“实用” [12] * **安全伦理**：将从“合规”到前瞻布局“伦理协同框架” [12]

公司融资与估值 - 伦敦人工智能公司Synthesia完成2亿美元E轮融资，投后估值达40亿美元 [1][2] - 该轮融资是欧洲生成式人工智能领域有史以来单轮金额最大的融资 [2] - 融资领投方为Alphabet旗下GV（谷歌风投），跟投方包括英伟达的NVentures、Accel、NEA、Kleiner Perkins等一线机构 [2] 公司业务与产品 - 公司专注企业级AI视频生成，帮助全球组织将文本知识高效转化为多语言培训与沟通视频 [1] - 核心产品利用生成式AI技术，将文本自动转化为由“数字人”主讲的高质量视频，操作简单，支持大量PPT模板和二次编辑 [3] - 核心价值在于帮助企业将已有的文本类知识资产（如操作手册、合规指南）高效转化为视频形式，大幅简化传统复杂的视频制作流程 [3] - 产品支持120种以上语言，口型与语音高度同步，表情自然流畅 [10] 市场定位与客户 - 公司定位聚焦企业内部沟通，如员工入职培训、产品知识传递和合规宣导，避开了C端应用的激烈竞争 [3] - 客户包括超过半数全球100强企业，如可口可乐、辉瑞、埃森哲、摩根大通、联合利华和西门子等全球性企业 [2][3] - 公司服务被视为提升信息转化效率的基础设施，嵌入企业既有的知识管理与学习发展流程 [4] 行业发展与市场潜力 - AI视频正成为AI落地企业场景的关键载体，旨在解决知识沉淀难以激活、内容生产效率低下、全球化沟通成本高昂等结构性难题 [9] - 据麦肯锡研究，企业每年在培训内容制作上的平均支出超过200万美元，但其中超过60%的文字材料从未被有效转化 [2] - 全球500强企业平均每年制作超过500小时的内部视频内容，但其中70%以上仅使用一次便无法复用 [9][10] - 据Gartner预测，到2026年底，30%的大型企业将部署AI生成视频用于内部沟通，这一比例在2023年还不足5% [11] - 市场研究机构CB Insights估算，企业级AI视频市场规模将在2028年突破500亿美元 [11] 竞争格局与护城河 - 市场参与者分为三类：专注B2B场景的垂直型SaaS公司、面向中小企业的轻量化工具平台、以及提供基础模型的技术巨头 [11] - 公司属于垂直型SaaS，客户集中于世界500强，客单价高，续费率强 [11] - 公司通过早期投入构建了坚实的护城河，包括获得SOC 2 Type II、ISO 27001等认证，支持私有化部署，涉及身份授权、内容审计、数据隔离等复杂工程能力 [12] - 欧洲在AI应用层走差异化路径，倾向于在高价值、高合规的B2B场景中深耕，公司是此路径的代表之一 [12] 公司发展历程与转折 - 创业初期方向不清晰，曾设想打造面向消费者的数字人平台，但市场反应冷淡且技术常与“深度伪造”伦理风险关联 [6] - 早期融资极其困难，创始团队向99家投资机构发出融资请求均遭拒绝或沉默 [5][6] - 转折点始于获得美国亿万富翁Mark Cuban的100万美元投资，使公司得以存活 [6][7] - 2020年疫情加速远程办公和数字化培训需求，公司客户名单开始出现大型企业，资本市场态度随之逆转 [7] - 关键教训是从“能做什么”转向“企业真正需要什么”，找准了价值锚点 [8] 应用场景与效果 - 应用场景快速扩展，包括金融行业生成反洗钱合规培训、制药领域传递新药信息、制造业将操作规程转化为AR指导视频等 [11] - 客户案例显示，过去合规课程的平均完成率不足40%，引入公司产品后跃升至85%以上 [7] - AI视频平台可实现“数据驱动内容生成”，例如HR系统新增员工时可自动触发生成个性化入职视频，产品文档更新时培训视频同步刷新 [10] 未来演进方向 - 智能化升级：未来将从企业知识库自动提取信息生成内容，例如扫描CRM自动生成个性化销售提案视频 [13] - 交互化延伸：静态视频将过渡到实时对话式数字人，员工可随时提问并获得即时回答 [13] - 生态化整合：AI视频平台将作为模块嵌入HR、LMS、CRM等主流企业软件，成为基础设施 [13]

光子芯片的技术背景与驱动力 - 生成式人工智能模型日益复杂，其运行消耗的能源剧增，支撑模型的电子芯片正逼近速度与能效的物理极限[2] - 使用光驱动的光子芯片被视为解决上述难题的潜在方案[2] - 美国对高端电子芯片及制造设备的出口管制，进一步推动中国加速研发光子计算等高性能计算替代技术[3] - 中国已将光子技术纳入“十四五”规划重点布局领域，并提供持续稳定的资金支持[3] 光子芯片的技术原理与优势 - 光子芯片利用光子传输信息，其传播速度更快且不会以热量形式损耗能量，因此在性能和能效上优于电子计算系统[4] - 光子芯片通过控制光的振幅、相位及干涉模式完成运算，具备高能效优势[4] - 目前光子芯片已应用于传感器、数据通信系统及生物医学设备等领域[4] 中国在光子芯片领域的研究进展与地位 - 过去五年，光子芯片相关研究取得飞速进展，中国在该领域处于全球领先地位[2] - 中国在光子芯片领域的基础设施、技术能力与人才储备上进行了战略性投入[2] - 2024年中国研究人员发表的光子芯片相关论文达476篇，数量位居全球首位[2] - 2017年至2025年间，中国作者发表的相关论文数量增长了9倍[2] 近期关键技术突破 - 上海交通大学团队发布了首款全光计算芯片LightGen，可运行先进的生成式人工智能模型，完成图像生成、视频编辑及三维场景构建等任务[4] - LightGen芯片采用高密度集成超表面技术，集成了数百万个光子神经元，并配备了专为光子计算系统打造的训练算法[5] - 据团队介绍，LightGen芯片在生成图像、编辑视频及构建三维场景的速度与能效上，均超越了英伟达A100等高端处理器[5] - 该成果为研发具备高速、高能效优势的专用光子芯片提供了有力的概念验证[5] 产业化与生态发展 - 中国正积极推动产学研深度融合，为技术发展提供强大支撑[5] - 通过光子芯片初创企业（如苏州的光本位与中际旭创）加速了技术商业化落地进程[5] 光子芯片面临的挑战与未来展望 - 光子芯片运行所需的激光器、探测器、调制器等配套组件会消耗能量，其总能耗是否超过所节省的能耗仍需在实际应用后验证[7] - 光子芯片的架构需根据具体用途进行针对性调整，可扩展性是其尚未解决的关键问题，研发类似英伟达芯片的通用型光子处理器面临巨大挑战[7] - 光子芯片完全取代多功能电子处理器的可能性极低，未来更可能作为一种专用组件融入混合计算生态系统[7]

研究背景与意义 - 北京智源人工智能研究院在《Nature》正刊发表了一项关于多模态大模型Emu3的研究，这是我国科研机构主导的大模型成果首次在《Nature》正刊发表[2] - 多模态学习指AI同时处理文本、图像、视频等多种信息的能力，开发统一的算法一直是该领域的“圣杯”[6] - Emu3模型基于“预测下一个词元”的简单核心理念，统一了大规模文本、图像和视频的多模态学习，对构建可扩展、统一的多模态智能系统具有重要意义[3][6] 技术原理与框架 - Emu3的秘诀在于“词元化”，它使用统一的视觉分词器将图像或视频片段压缩成离散词元序列，例如将一张512x512图像转为4096个词元，文本则通过BPE编码为词元，所有词元被输入Decoder-Only的Transformer模型，通过预测下一个词元来学习多模态关系[7] - 该设计消除了对扩散模型或外部编码器的依赖，实现了端到端训练[7] - 训练过程分为三个阶段：1) 使用大规模多模态数据进行预训练，并平衡文本和视觉词元的损失权重；2) 针对生成任务进行质量微调，并结合人类偏好优化提升输出质量；3) 推理时支持分类器无关引导，实现低延迟、高通量的生成[10][11] - 研究在训练中发现了稳定的规模定律，模型性能随数据量和参数增加呈幂律提升，这意味着其扩展可预测[11] 模型性能表现 - 在图像生成任务中，在MSCOCO、GenEval等基准上，Emu3的人类偏好得分达70.0，优于Stable Diffusion v1.5的59.3和SDXL的66.9[13] - 在视频生成任务中，在VBench评估中，Emu3得分81.0，与主流扩散模型相当，例如Open-Sora-1.2的79.8，且能预测未来帧，实现视频扩展[13] - 在视觉语言理解任务中，在12个基准测试中平均得分62.1，媲美LLaVA-1.6的61.8等组合模型[13] - 在机器人操作任务中，在CALVIN模拟环境中，Emu3将语言、视觉和动作表示为统一词元序列，完成5个连续任务的成功率达87.0%[13] 研究影响与未来展望 - Emu3证明了“预测下一个词元”这种单一目标足以统一多模态学习，无需复杂设计，具有简单性、可扩展性和通用性[15][17] - 该框架有望推动原生多模态助手、世界模型以及具身智能等方向的发展[15] - 研究团队在Emu3基础上推出了Emu3.5，其通过大规模长时序视频训练，学习了时空与因果关系，展现出随规模增长而提升的物理世界建模能力，并观察到多模态能力随规模扩展而涌现的趋势，实现了从“预测下一个词元”到“预测下一个状态”的范式升级[15]

公司里程碑与产能扩张 - 公司位于日本三重县津市的首个全球供应中心正式投产运营，标志着公司从工程筹备阶段迈入规模化商业生产的新发展阶段 [1] - 该供应中心AI服务器年产能达2万台，可充分满足当前全球市场的交付需求，并预留了充足的扩容空间以应对未来订单增长 [1][3] 供应链与制造战略 - 新供应中心聚焦三大核心目标：依托日本工业体系严控制造品质、保障年产能2万台的生产规模、利用区位优势打造承担系统集成与全球物流职能的出口枢纽 [3] - 该中心旨在通过简化并优化产品交付流程，提升全球客户订单响应效率 [3] 产品与技术布局 - 公司已通过战略合作形成完整的“算力+散热+供电”三位一体技术架构，完成了全栈布局 [4] - 具体合作包括：2025年9月与中恒电气合资成立SuperX Digital Power以解决高功率GPU集群供电瓶颈；2025年10月与澄天伟业合资成立SuperX Cooltech专注于AI液冷散热系统 [4] - 公司推出模块化AI工厂解决方案，通过预制化和深度集成满足快速部署需求 [6] - 2025年10月，公司发布机架级AI超级算力平台SuperX GB300NVL72，在单机架内实现1.8 exaFLOPS的FP4算力 [6] - 同期推出的XN9160-B300AI服务器搭载英伟达Blackwell B300 GPU，算力与显存容量均比前代提升50% [6] 市场订单与需求前景 - 2026年1月，公司已斩获合计约9.1亿美元的AI服务器采购订单 [5] - 同期，公司与多家国际客户签署合作备忘录，计划在未来12个月内采购总计5,000台AI服务器，按当前市场定价测算，该笔订单金额最高可达21亿美元 [5] - 研究机构TrendForce预计，到2026年全球AI服务器出货量将实现28.3%的同比增长 [5] - Synergy Research Group预测，超大规模数据中心总容量再次翻倍的时间将不足四年，每年将有130到140个新的超大规模数据中心投入使用 [5] 全球化服务与公司愿景 - 公司同步推出标准化技术服务体系，通过全球支持中心提供7×24小时全天候响应、专家级技术咨询及端到端全流程服务 [8] - 针对日本市场，公司结合全球技术团队与本地备件网络，推出定制化项目实施服务及基于SLA的分级现场维护方案 [8] - 公司董事长兼首席执行官表示，日本供应中心使公司能够自主掌控生产标准，为全球客户交付可靠的全栈AI解决方案 [8]

三生国健业绩预告 - 预计2025年度实现营业收入约42亿元，较上年同期增加约30.06亿元，涨幅约为251.76% [1] - 预计2025年归母净利润为29亿元，较上年同期增加约21.95亿元，涨幅约为311.35% [1] - 预计扣非后归母净利润为28亿元，较上年同期增加约25.54亿元，涨幅约为1,038.21% [1] - 业绩大幅增长主要因与辉瑞公司达成合作，就707项目收到授权许可首付款并确认收入约28.9亿元 [1] 睿昂基因公司治理事件 - 公司实际控制人熊慧、熊钧因涉嫌诈骗罪已被检察机关提起诉讼 [2] - 公告称上述人员未在公司担任董事或高级管理职务，该事项不会对公司日常经营产生重大不利影响 [2] - 公司表示其具备完善的法人治理结构与内控体系，日常经营管理由高管团队负责，目前业务与经营活动正常进行 [2] 英矽智能研发合作 - 与齐鲁制药集团达成药物研发战略合作，合同总额超9.31亿港元 [3] - 合作将依托英矽智能自有Pharma.AI解决方案，针对特定靶点开展小分子抑制剂合作开发，关注心血管与代谢类疾病领域 [3] - 英矽智能负责药物设计与优化，齐鲁制药负责后续开发与商业化，付款包含里程碑款及单位数的后续净销售额分成 [3] 阿斯利康在华投资与战略合作 - 计划于2030年前在中国投资逾1000亿元人民币（150亿美元），以扩大药品生产与研发布局 [4] - 投资旨在发挥中国科研和制造优势，推动细胞治疗、放射偶联药物等下一代创新疗法发展 [4] - 与石药集团达成战略合作与授权协议，旨在利用石药的缓释给药技术及多肽药物AI发现平台开发创新长效多肽药物 [6] - 阿斯利康将获得石药集团每月一次注射用体重管理产品组合的全球独家权利，包括一个临床就绪项目及三个临床前项目 [7] - 根据协议，石药集团将获得12亿美元预付款，并有权获得最高35亿美元的研发里程碑付款和最高138亿美元的销售里程碑付款，以及基于净销售额的最高达双位数比例的销售提成 [7] 武田制药人事任命 - 任命刘燕为武田中国总裁，全面负责中国整体战略和业务发展，并成为新成立的武田制药国际事业部管理委员会成员 [5] - 刘燕拥有逾十五年制药行业管理经验，于2021年加入武田，历任多个事业部负责人，并于2025年7月起担任代理总裁 [5] - 在其推动下，武田中国持续加速全球产品引入、探索创新业务模式并深化行业生态协作 [5]