案件核心进展 - 美国联邦政府和大多数州政府将于周二针对谷歌反垄断案裁决结果提起上诉 [1] - 谷歌也已就美国联邦地区法官阿米特·梅塔的判决提起上诉 [1] - 上诉程序可能持续数月之久 [1] 法官裁决要点 - 2024年，华盛顿一家联邦法院的法官裁定谷歌在网络搜索业务领域构成垄断 [1] - 法官裁定谷歌为遏制在线搜索及相关广告领域的竞争而违反法律 [1] - 法官否决了更为严厉的补救措施，例如要求谷歌出售其Chrome浏览器或Android操作系统，或禁止该公司向苹果支付数百亿美元以换取在苹果新设备上成为默认搜索引擎 [1] - 法官未强制要求谷歌分拆其Chrome浏览器业务，也未终止谷歌与苹果公司间利润丰厚的默认搜索引擎合作协议 [1] 案件影响与背景 - 这一裁决对谷歌而言是一场重大胜利，同时也让美国反垄断执法机构受挫 [2] - 美国反垄断部门发现，法官往往不愿在快速变化的科技市场中进行干预 [2] - 法官在判决中表示，自诉讼提起以来的五年间，像OpenAI这样的生成式AI公司已经崛起，成为对谷歌构成竞争威胁的力量 [1]

OpenAI发布桌面版Codex并调整访问策略 - OpenAI发布macOS桌面版Codex应用，定位为“AI智能体指挥中心”，支持多Agent并行工作，通过“工作树”模式隔离不同任务的代码变更 [1] - 该应用支持异步后台运行、技能系统和定时自动化任务，内置沙箱控制精确管理AI权限，公司CEO称“仅凭Codex就完成了一个完整项目” [1] - OpenAI同时为所有付费用户临时加倍速率限制两个月，并首次向免费用户开放Codex访问权限，正面迎战Anthropic和Cursor [1] 智谱发布并开源小参数高性能OCR模型 - 智谱发布并开源GLM-OCR模型，仅0.9B参数在OmniDocBench V1.5以94.6分登顶SOTA，性能接近Gemini-3-Pro [2] - 模型专攻手写体、复杂表格、代码文档及印章等高难场景，支持vLLM、SGLang和Ollama部署，API价格仅0.2元/百万Tokens [2] - 技术上采用自研CogViT视觉编码器，首次将多Token预测损失引入OCR训练，支持批量处理和RAG检索增强生成 [2] 腾讯混元发布研究揭示模型上下文学习能力短板 - 腾讯混元技术博客正式上线，发布姚顺雨团队研究成果CL-bench，揭示当前前沿模型从上下文学习的能力严重不足 [3] - 评测显示十个SOTA模型平均仅解决17.2%任务，最好的GPT-5.1也仅达23.7%，68.5%的候选解存在根本性错误 [3] - 研究指出AI竞争焦点将从模型能力转向“谁能提供最丰富Context”，记忆机制可能成为2026年另一核心研究主题 [3] xAI发布免费视频生成模型并取得高使用量 - xAI正式发布Grok Imagine 1.0视频生成模型，支持文生视频和图生视频，单次生成10秒720P视频，音频效果大幅提升 [4] - 模型具备电影级运镜理解、多主体自然互动能力，在Artificial Analysis文生视频排名综合第一，延迟和成本指标最优 [4] - 测试期30天内已生成12.45亿条视频，API已发布，官网免费开放体验 [4] 腾讯ima接入混元图像模型支持多场景创作 - 腾讯ima接入混元图像3.0图生图模型，支持上传照片生成旅游图、家装效果图、四格漫画等多场景创意内容 [5] - 产品可用于娱乐玩梗、家庭写真定制、设计稿快速生成、医疗科普配图等工作生活场景 [5] - 用户只需上传图片并输入指令，即可获得符合创意的生成图片，支持绘本故事定制和家装布置预览 [6] Adobe关停传统动画软件全面转向AI战略 - Adobe宣布3月1日停售拥有25年历史的Animate软件，企业客户三年支持、其他用户仅一年，之后将无法访问任何文件 [7] - Adobe未提供像样替代方案，仅建议用After Effects和Adobe Express部分替代，被批评为“用滑板替代汽车” [7] - 此举被视为Adobe全面转向AI战略的信号，用户质疑被逼使用尚未成熟的技术，历史上Flash曾推动互联网多媒体革命 [7] SpaceX收购xAI并计划部署太空数据中心 - 马斯克宣布SpaceX完成收购xAI，合并后估值达1.25万亿美元，xAI将成为SpaceX全资子公司 [8] - SpaceX计划推进太空数据中心部署，马斯克称每年可通过百万吨级卫星发射新增100GW AI算力，长期目标达1TW [8] - 合并让xAI获得稳定资金支持，此前xAI每月烧钱约10亿美元，SpaceX被认为是马斯克旗下“最成功最稳健”的企业 [8] 谷歌研究揭示AI辅助数学研究的实际挑战 - 谷歌用Gemini对700个Erdős未解数学问题进行系统攻关，推进13个问题，其中5个是模型自主新解，8个是从文献中挖出被遗漏的解答 [9] - 研究显示68.5%候选解存在根本性错误，真正有意义的正确解仅6.5%，大量时间消耗在核验、纠错和文献排查上 [9] - 谷歌坦言这些问题任何领域专家都能轻松完成，AI辅助数学研究的真实成本远超想象，需警惕AI“潜意识抄袭”文献的风险 [9] a16z报告阐述AI时代软件护城河的重要性 - a16z AI应用团队认为AI时代是所有技术周期的叠加，传统软件正全面走向AI native，greenfield机会大于brownfield [10] - 软件正在“吃掉”劳动力市场，但真正价值不在于省钱而在于增收，如Salient通过AI让回款率提升50%而非单纯降低成本 [10] - 围墙花园类公司因掌握专有数据而价值倍增，护城河在软件可快速构建的时代比以往任何时候都更重要 [10]

量化模型与构建方式 1. **模型名称**：中证360互联网+大数据100指数多因子选股模型[2][30][31] **模型构建思路**：该模型是一个量化策略指数编制模型，旨在通过引入独特的搜索因子，并结合传统的规模、成长、质量、反转因子，从“互联网+”概念股中综合筛选出评分最高的股票，以捕捉小盘科技股的投资机会[2][30][31]。 **模型具体构建过程**： * **样本空间**：以中证全指中属于“互联网+”概念的上市公司为样本，剔除ST股票和连续停牌超过5个交易日的股票[31]。 * **因子计算与评分**：对样本空间内的股票，分别计算以下五类因子，并对每个因子内的指标进行排序评分，然后取平均值得到该因子的最终评分[31]。 1. **规模因子**：选取总市值和流通市值，降序排列计算得分，两项评分取平均值为规模因子评分[31]。 2. **成长因子**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率，升序排列计算得分，三项评分取平均值为成长因子评分[31]。 3. **质量因子**：选取BP因子（账面市值比）和ROE因子（净资产收益率），升序排列计算得分，两项评分取平均值为质量因子评分[31]。 4. **反转因子**：选取日涨跌幅偏度、日均换手率和涨跌幅因子，升序排列计算得分，三项因子评分取平均值为反转因子评分[31]。 5. **搜索因子**：分别计算长期和短期搜索因子评分，两项评分取平均值为搜索因子评分。其中，长期搜索因子采用过去一个月搜索量环比计算；短期搜索因子采用过去5日搜索量环比计算[31]。 * **综合评分与选样**：将各因子评分相加得到每只股票的综合评分，选取综合评分最高的前100只股票作为指数成份股[31]。 * **权重与调整**：指数采用等权重配置，每月审核并调整一次样本股[31]。 **模型评价**：该模型是国内率先将实时搜索数据融入指数构建体系的主题量化指数，其构建的指数在小盘股内部展现出较强的持续超额收益能力[2][30][49]。 量化因子与构建方式 1. **因子名称**：规模因子[31] **因子构建思路**：衡量公司的市值规模，通常小市值公司被认为具有更高的成长弹性和市场关注度[31]。 **因子具体构建过程**：选取总市值和流通市值两个指标，分别对股票进行降序排列并计算得分，然后将两项得分取平均值作为规模因子的最终评分[31]。 2. **因子名称**：成长因子[31] **因子构建思路**：衡量公司的盈利增长能力，高成长性的公司往往能获得市场溢价[31]。 **因子具体构建过程**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率三个指标，分别对股票进行升序排列并计算得分，然后将三项得分取平均值作为成长因子的最终评分[31]。 3. **因子名称**：质量因子[31] **因子构建思路**：衡量公司的盈利质量和估值水平，通常结合估值与盈利能力指标[31]。 **因子具体构建过程**：选取BP因子（账面市值比，即市净率的倒数）和ROE因子（净资产收益率）两个指标，分别对股票进行升序排列并计算得分，然后将两项得分取平均值作为质量因子的最终评分[31]。 4. **因子名称**：反转因子[31] **因子构建思路**：捕捉股价的短期反转效应，即前期表现较差的股票在未来短期内可能反弹[31]。 **因子具体构建过程**：选取日涨跌幅偏度、日均换手率和涨跌幅因子三个指标，分别对股票进行升序排列并计算得分，然后将三项得分取平均值作为反转因子的最终评分[31]。 5. **因子名称**：搜索因子[31] **因子构建思路**：利用互联网搜索数据反映市场对上市公司的关注度变化，将用户行为数据转化为投资信号[31]。 **因子具体构建过程**：分别计算长期和短期搜索因子评分。长期搜索因子采用过去一个月搜索量的环比变化计算；短期搜索因子采用过去5日搜索量的环比变化计算。将长期和短期评分取平均值作为搜索因子的最终评分[31]。 6. **因子名称**：主题暴露度[45] **因子构建思路**：衡量指数或投资组合在特定市场概念或主题上的集中程度[45]。 **因子具体构建过程**：计算指数对第i个概念的暴露度，公式为： $$EXP_{i}=\sum_{j=1}^{N}k_{ij}\cdot w_{j}$$ 其中，$EXP_i$表示指数对第i个概念的暴露度；$j$表示指数中的第j只成份股，$N$为指数成份股数量；$w_j$为成份股$j$在指数中的权重；$k_{ij}$为指示变量，若成份股$j$属于概念$i$，则$k_{ij}=1$，否则$k_{ij}=0$[45]。 模型的回测效果 1. **中证360互联网+大数据100指数多因子选股模型**，年化收益率28.56%[3][47][53]，年化夏普比0.94[3][53]，年化波动率31.92%[53]，历史最大回撤52.48%[3][47][53] 因子的回测效果 1. **规模因子**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 2. **反转因子**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 3. **质量因子（PB_ROE）**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 4. **成长因子（归母净利润增长率）**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36]

书籍出版与作者背景 - 麦肯锡前分析师肖璟撰写的新书《如何快速了解一个行业》正式出版 [1] - 该书面向投资者、金融从业者、创业者及咨询顾问 [1] - 作者肖璟毕业于香港中文大学，曾在麦肯锡金融机构组工作，也是“很帅的投资客”公众号主创 [1] 书籍核心内容与框架 - 全书共424页，分为行研框架篇、行研实战篇、研究方法篇和研究工具篇四个部分 [1] - 书籍提供了一套系统的行业研究方法，旨在帮助读者快速把握行业脉络，作出更明智的决策 [1] - 作者将行业研究归纳为可行性、规模性、防守性、盈利性、估值、外部因素和景气度等关键维度，并逐章解析其分析方法 [1] - 作者在引言中指出，短时间内深入行业的能力基于一套系统的方法论，掌握正确方法后大多数人都能得出准确率很高的分析结果 [1] 书籍特色与实用案例 - 在行研实战篇中，以新能源汽车行业为例，完整展示了如何运用书中框架进行系统分析 [2] - 书籍专章探讨了生成式AI在行业研究中的应用，结合具体案例说明如何借助AI工具提升信息获取与处理效率 [2] - 书籍被定位为“工具书”，作者归纳了四种使用方式：作为模板、作为地图、作为培训材料、作为案例集 [2] 外部评价与定位 - 科幻作家陈楸帆评价该书用科学的方法解析行业的未来趋势，帮助读者像探索外星文明一样透析行业细节 [2] - 作者坦言书中框架是其思考多年后给出的答案，但“不一定适合所有人”，鼓励读者结合自身需求运用 [1]

渣打银行对中国市场及财富管理业务的战略观点 - 公司持续增加中国财富管理业务的客户经理和投资顾问人数，以扩充人手、增强服务能力并捕捉“存款迁移”机遇 [1] - 公司目前超配中国股票，在亚洲除日本外，看好中国和印度市场 [1][3] - 公司未来五年将投资15亿美元用于扩充全球财富业务的人才和平台升级，其中一半用于招募理财顾问和专业理财人员，中国内地是其全球第四大财富管理市场 [7] 对中国宏观经济与股票市场的看法 - 公司认为中国经济展现出强大韧性，基本面稳固，并上调2026年中国GDP增速预期至4.6% [2] - 公司认为中国经济正从主要依靠基建和出口的增长动能，逐步转向消费和创新驱动 [2] - 中国股票的吸引力体现在估值优势、增长前景和低关联性三个方面 [4][5][6] - 横向对比，亚太股票比欧美股票便宜，而中国股票估值又低于亚太平均水平 [4] - 市场普遍预期MSCI中国指数2026年的盈利增长将超过10% [5] - 中国资产与全球资产的联动性较低，可作为对冲风险的选择 [6] 对中国科技创新领域的看好 - 公司看好中国科技、电信和医疗保健等行业，这些领域蕴含创新概念，尤其是生物科技 [6] - 看好科技创新的主要原因是政策支持，以及相对于美国可比股票具有明显的估值优势 [6] - 2025年中国研发经费占GDP比例达2.8%，比上年提高0.11个百分点，首次超过OECD国家平均水平 [6] - 2025年中国设备制造出口增速超过9%，高端科技产品出口增速也超过9% [6] - 中国企业的创新逐步显现，如DeepSeek和阿里千问等大模型在全球排名中处于第一梯队 [6] - 资本市场关注中国创新，去年香港IPO的中国企业中，新消费加AI的募资比重超过60% [6] 中国财富管理业务的发展策略 - 公司2026年将聚焦于获客，2025年中国内地市场在亚太区新进富裕客群人数排名居前 [9] - 公司采用多种获客模式，包括与基金公司合作、与其他渠道合作，以及通过专门获客团队和客户介绍等 [9] - 全球财富管理市场正在转型，趋势包括生成式AI运用深入、客户注重全球多元化资产配置，以及未来5至10年将发生大规模财富转移和代际传承 [9] - 公司认为，在利率中枢下移的背景下，能提供投资者认可的低风险、收益稳健理财产品的机构将在“存款迁移”中掌握主动权 [10] - 公司在中国市场提供基础理财产品、有本金保障的结构化产品、公募及专户产品（包括通过QDII提供境外产品） [10] - 提供可替代存款的产品是公司重点，将引导高利率时期到期的定存资金转向理财产品，并为不同风险偏好客户提供差异化配置 [10] 人工智能在业务中的应用与开发 - 2025年，公司在部分市场推出SCGPT Copilot，提升了后台业务效率；在中国内地也推出了基于大语言模型的通用办公工具集 [11] - 在前台，公司推出了AI赋能工具“我的财富管理顾问”，帮助客户经理理解观点、整理信息、简化流程，并为客户定制投资组合 [11] - 该工具可检视客户风险承受能力，比较实际投资情况并自动给出调整建议，自动生成文档和邮件，2026年将推进到中国内地市场 [11] - 集团层面，公司正在开发全方位生成式AI应用，实现从生成投资建议到资产配置方案调整的全天候管理 [11]

量化模型与构建方式 1. **模型名称：中证360互联网+大数据100指数多因子选股模型**[30][31] * **模型构建思路**：该模型是一个多因子量化选股模型，旨在通过结合独特的搜索数据与传统财务、交易数据，从“互联网+”主题股票中筛选出具有潜力的标的，以构建一个兼具小盘风格和科技属性的投资组合[30][31]。 * **模型具体构建过程**： 1. **确定样本空间**：以中证全指中属于“互联网+”概念的上市公司为样本，剔除ST股票和连续停牌超过5个交易日的股票[31]。 2. **计算因子评分**：对样本空间内的股票，分别计算以下五大类因子的评分，每类因子内部子因子评分取平均得到该因子评分[31]： * **规模因子**：选取总市值和流通市值，降序排列计算得分，两项评分取平均[31]。 * **成长因子**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率，升序排列计算得分，三项评分取平均[31]。 * **质量因子**：选取BP因子和ROE因子，升序排列计算得分，两项评分取平均[31]。 * **反转因子**：选取日涨跌幅偏度、日均换手率和涨跌幅因子，升序排列计算得分，三项评分取平均[31]。 * **搜索因子**：分别计算长期和短期搜索因子评分，两项评分取平均。其中，长期搜索因子采用过去一个月搜索量环比计算；短期搜索因子采用过去5日搜索量环比计算[31]。 3. **计算综合评分与选样**：将各因子评分相加得到每只股票的综合评分，选取综合评分最高的前100只股票作为指数成份股[31]。 4. **权重设置与调整**：成份股采用等权重配置。指数每月审核并调整一次样本股，实施时间为每月第三个周五[31]。 * **模型评价**：该模型是国内率先将实时搜索数据融入指数构建体系的主题量化指数，通过多因子综合评分，旨在在小盘股中持续获取超额收益[30][49]。 量化因子与构建方式 1. **因子名称：规模因子**[31] * **因子构建思路**：通过市值指标衡量公司规模，通常小市值公司被认为具有更高的成长弹性[31]。 * **因子具体构建过程**：选取总市值和流通市值两个指标，分别对样本内股票降序排列计算得分，然后将两项得分取平均值作为最终的规模因子评分[31]。 2. **因子名称：成长因子**[31] * **因子构建思路**：通过营收和利润的增长速度来识别具有高成长潜力的公司[31]。 * **因子具体构建过程**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率三个指标，分别对样本内股票升序排列计算得分，然后将三项得分取平均值作为最终的成长因子评分[31]。 3. **因子名称：质量因子**[31] * **因子构建思路**：结合估值与盈利能力，筛选性价比高且盈利质量好的公司[31]。 * **因子具体构建过程**：选取BP因子（市净率的倒数，即Book-to-Price）和ROE因子（净资产收益率），分别对样本内股票升序排列计算得分，然后将两项得分取平均值作为最终的质量因子评分[31]。 4. **因子名称：反转因子**[31] * **因子构建思路**：基于市场交易行为，捕捉短期内可能出现价格反转的股票[31]。 * **因子具体构建过程**：选取日涨跌幅偏度、日均换手率和涨跌幅因子三个指标，分别对样本内股票升序排列计算得分，然后将三项得分取平均值作为最终的反转因子评分[31]。 5. **因子名称：搜索因子**[31] * **因子构建思路**：利用互联网搜索数据的热度变化，捕捉市场关注度的动态，作为前瞻性情绪指标[31]。 * **因子具体构建过程**：分别计算长期搜索因子和短期搜索因子评分，然后取平均。 * **长期搜索因子**：采用过去一个月搜索量的环比变化进行计算[31]。 * **短期搜索因子**：采用过去5日搜索量的环比变化进行计算[31]。 6. **因子名称：主题暴露度计算因子**[45][46] * **因子构建思路**：用于量化指数或投资组合在特定主题或概念上的覆盖程度[45]。 * **因子具体构建过程**：计算指数对第 i 个概念的暴露度，公式如下： $$EXP_{i}=\sum_{j=1}^{N}k_{i j}\cdot w_{j}$$ 其中，$EXP_i$ 表示指数对第 i 个概念的暴露度；$j$ 表示指数中的第 j 只成份股，$N$ 为指数成份股数量；$w_j$ 为成份股 $j$ 在指数中的权重；$k_{ij}$ 为指示变量，若成份股 $j$ 属于概念 $i$，则 $k_{ij}=1$，否则 $k_{ij}=0$[45][46]。 模型的回测效果 1. **中证360互联网+大数据100指数多因子选股模型**，年化收益率28.56%[47]，年化夏普比0.94[47]，年化波动率31.92%[53]，历史最大回撤52.48%[47]。 2. **大成中证360互联网+大数据100基金（A类）**，自2019年以来年化收益率25.35%[61]，夏普比率0.96[61]，净值波动27.36%[64]，最大回撤37.54%[64]，管理费率0.80%[64]。 因子的回测效果 1. **市值、反转、PB_ROE、归母净利润增长率因子**：报告展示了这些因子在TMT板块内的多空净值走势，显示其在测试期内能够持续贡献正向超额收益[33][36]。

英伟达GTC大会嘉宾选择与趋势背书 - 2026年GTC大会，月之暗面创始人兼CEO杨植麟是唯一一位来自独立大模型创业公司的演讲嘉宾，这被视为英伟达的观察和背书[1][6] - 英伟达GTC嘉宾席位具有风向标意义，黄仁勋的邀请基于对即将爆发趋势的洞察，过往嘉宾选择被证明是准确的趋势预言[6][7] - 2023年GTC邀请OpenAI首席科学家Ilya Sutskever，为生成式AI盖章，随后一年成为科技公司焦点[7] - 2024年GTC主题转向“本体”，宇树科技机器人等登上Keynote舞台，标志着资本对机器人领域的关注[9] - 2025年GTC风向从机器人“能走”进化到“能干活”，具身智能赛道爆发[11] 杨植麟与月之暗面(Kimi)的发展路径 - 2024年月之暗面风光但危险，Kimi与字节跳动豆包在App端形成双寡头，但过度依赖融资和广告的商业模式存在隐患[15] - 2025年DeepSeek以极低推理成本冲击行业，严重挤压Kimi日活数据，使其商业模式岌岌可危[15] - 面对冲击，公司砍掉单季度数亿元的营销预算，进行172天技术闭关，退出营销竞争回归硬核技术[17] - 2025年7月发布并开源Kimi K2模型，采用1T参数和MoE架构，在代码和Agent能力上达到SOTA水平[18] - 2026年1月发布Kimi K2.5，通过强化学习获得调度上百智能体的Agent Swarm能力，在HLE-Full、BrowseComp等测试中超越GPT-5.2、Claude 4.5 Opus等旗舰闭源模型[18] - 2025年底公司完成5亿美元C轮融资，投后估值达43亿美元，现金储备超过100亿元人民币[21] - 公司选择以技术、开源和模型能力重回聚光灯，获得开发者推崇，Kimi K2.5在开源社区成为抱抱脸上第一名[18][21] AI行业发展趋势与英伟达的叙事转变 - 2026年AI行业面临新痛点，单纯堆算力的“大力出奇迹”模式让人疲劳，英伟达需要新故事证明算力可用于高强度深度思考[14] - 杨植麟及其Kimi K2.5因专注于推理效率，成为英伟达展示算力新用途的“样板间”[14] - 2026年初大模型创业出现分水岭，智谱和MiniMax实现港股IPO，而月之暗面获得大额融资并专注于长远AGI目标[21] - 具身智能在2025年从单点开花变为全赛道爆发，银河通用等公司成为投资热点[11] - 银河通用作为泛化智能代表，成为英伟达机器人平台Isaac的落地案例[16]

文章核心观点 - OPC（一人公司）热潮的兴起是数智技术发展、经济引擎转变、全球不确定性增加以及生态化趋势强化的共同结果，其本质是以单一核心经营者为中心，依托数智底座和外部协作网络进行价值创造的最小组织单元[1][2][3] - OPC的成功运营依赖于三大核心议题：构建坚实的数智底座、准确识别市场与商业机遇并确立商业模式、以及进行有效的生态化协作[1][3] OPC的定义与本质 - OPC并非指一个人完成所有工作，而是指组织内部没有雇佣团队，通过外包、平台服务和合作伙伴等外部协作网络来完成业务链条[1] - OPC在统计上属于小微/微型企业，但在经营逻辑上是“极简内核+外部协作”的结构，呈现出更多向外管理的特点[1] OPC兴起的驱动因素 - **数智浪潮**：云服务、SaaS、自动化工具和生成式AI将公司能力转化为按需购买的服务，使创业者从琐碎工作中解放，专注于价值判断和客户沟通[2] - **经济发展引擎转变**：新增需求转向分散、细分和场景化的服务，客户更看重匹配度、响应速度和确定性，这天然偏好“高匹配度的小型供给者”[2] - **全球不确定性**：宏观波动和行业周期使企业更谨慎于固定成本，OPC因其内部固定成本低、方向调整快、能灵活切换客群与产品形态，成为一种“敏捷结构”[2] - **生态化趋势强化**：竞争演变为“系统对系统”，OPC的生存与发展依赖于其能否将工具、伙伴与平台规则组织成稳定运转的活动系统[3] 构建数智底座的关键与常见误解 - **常见误解一：依赖经验，无需流程**：经验若不固化成步骤与标准，将变成不可复制、易导致混乱的个人手艺[4] - **常见误解二：AI万能**：AI能降低起草、整理等成本，但输入不清会导致输出不理想，且重要结论仍需人工复核[4] - **常见误解三：无需战略，边走边看**：OPC最稀缺的是注意力，缺乏聚焦会导致陷入低毛利、低复用的杂活，需要有意识的战略管理来定死主战场、细分人群、场景和交付包，并用关键指标持续验证[5] - **常见误解四：模式高度灵活，完全定制**：高度定制会导致交付不可控、知识难沉淀、利润被返工侵蚀，正确做法是将业务拆分为“必选的固定模块+可选的增配模块”，并对固定模块进行标准化[5] - **构建要点**： - 明确AI能力边界，将工作分为三类：AI起草但需复核、AI参与但人拍板、原则上不让AI独立完成（如涉及合规、隐私、重大判断）[6] - 将服务模式拆分为固定模块（标准化）和可选模块（按需加价）[6] - 明晰业务流程四阶段（获客、转化、交付、复购），每阶段固定动作并留痕[6] - 进行战略思考，始终围绕客户/用户识别、价值提供、能力拓展及合作伙伴来确定和迭代商业模式[7] 市场机遇识别与商业模式确立 - **机遇区分**：市场机遇关注“有没有人需要”，商业机遇则需回答能否以可接受成本稳定交付并收回款项[8] - **方法适配**：OPC可对大型战略方法（如华为“五看三定”）进行“减重”，采用“两看一导一定”：看“想做的”和“善做的”，经专家引导后定夺“要做的”及“当下不做的”[9] - **商业模式特征**： - 价值主张宜聚焦单一、易被感知且能持续兑现的优势（如“更快”、“更省心”），并围绕其展开所有业务环节[10] - 通常只专注一个业务维度或价值链中最关键的一段，形成最短闭环[10] - 资源有限，需将时间投入最值钱、最不可替代的部分（如客户选择、质量把关），并将其他部分转化为可复用资产或交由可信赖伙伴完成[10] - 合作伙伴数量与业务占比通常高于传统小微企业，涵盖获客平台、交付供应商、专业服务及SaaS/AI工具等[11] 生态化协作与运营 - **生态的必要性**：OPC具有先天生态化特征，若不合作则难以做成、做大、做稳，必须借助平台、伙伴及工具来补齐能力短板[12] - **生态思维**：与追求控制交付的供应链思维不同，生态思维追求对齐协作，核心能力是接口和分工[12] - **生态融入**：OPC需基于自身商业模式选择合适的生态类型、生态位及角色融入其中，数智时代的通用技术和工具大大简化了多个OPC之间的有机协同工作[12]

美股市场前景与泡沫风险 - 瑞银核心观点为MSCI全球指数年底目标1130点，约8%的上涨空间 [3] - 市场目前仅给泡沫定价约20%的概率，但实际概率可能超过80%，这意味着股市仍可能再涨约20% [2][3] - 泡沫形成的7个先决条件已齐备：股票长期大幅跑赢债券、“这次不一样”的叙事、距离上次泡沫25年、整体利润率承压、高度集中、散户买入、宽松的货币条件 [3] - 泡沫顶峰的7个警示信号均未出现：Mag 6市盈率仅为33倍（泡沫顶峰时通常45-72倍）、股权风险溢价仍有2.6%（顶峰时降至1%）、信用利差接近历史低点、波动率未增加、美联储在降息、ISM新订单未暴跌、未出现极端并购交易 [7] - 泡沫破裂的潜在触发因素包括：科技领域过度投资导致利润率暴跌、债券收益率因财政担忧飙升、移民骤减推动工资增长加速、AI导致行业贬值、更高利率和公司税率的滞后影响 [8] 美国国债收益率与财政风险 - 瑞银核心观点为美国10年期国债收益率年底回落至4% [9] - 风险情景下，收益率可能突破5.04%的前期高点 [2][9] - 美国联邦赤字占GDP比重为4.2%，政府债务占GDP比重为125.1% [6] - 为稳定债务，美国需要初次预算盈余1.52%，但实际为-4.2%的赤字，缺口达3.4% [9] - 推动收益率上升的其他因素包括：通胀预期、收益率曲线仅处中性、日本和德国收益率的上行压力、全球增长上修、地缘政治风险影响外国持有美债、养老金计划转变导致债券抛售 [10] 美国经济增长与货币政策 - 瑞银核心观点为2026年美国GDP增长2.6%，美联储再降息两次 [15] - 风险情景下，GDP增长可能超过3%，美联储可能被迫加息 [15] - 上行风险包括：股市每上涨10%为家庭财富增加近6万亿美元，若其中3-5%被消费，可为GDP贡献0.7-1%；科技投资在过去四季度为GDP增长贡献了85个基点；超大规模云计算公司2026年资本开支预计增长30%；甲骨文将2026年资本开支预算从350亿美元上调42%至500亿美元 [15] - 若工资增长加速且核心PCE通胀升至3.1%，美联储可能迅速转向，导致2026年底利率达4%，而非市场预期的3.15% [15] 行业板块表现展望 - **制药股可能跑赢**：制药股是杠杆率最低的防御性板块之一，在信用利差扩大时表现出色；估值便宜；积极催化剂包括美元走强、市场转向防御、药品定价压力缓解、AI在药物发现中的应用将临床前试验时间从5年缩短至2年并将药物上市成本减半（通常为29亿美元） [2][17][19][21] - **科技股可能跑输**：资本开支占销售收入比的上升可能损害利润率；超大规模云计算公司的资本开支占销售比已突破电信公司在2000年达到的26%峰值；甲骨文在宣布资本开支增加42%后，2026年自由现金流收益率为-5.2%，净债务/EBITDA为3倍 [24] - **半导体行业风险**：半导体利润率处于历史高位，市销率接近此前峰值；英伟达53%的净利润率能否永久维持存疑；谷歌和亚马逊的自研芯片加剧竞争 [25] - **软件行业面临颠覆**：生成式AI可能导致白领工作岗位减少，进而减少软件订阅和许可证；Klarna提到将不再使用Salesforce和Workday；可口可乐使用OpenAI制作广告成本大幅降低 [27] - **铜矿股可能跑输**：铜矿股相对市场的市盈率已达极端水平，南方铜业2029年预期市盈率为36.4倍，Antofagasta为23.4倍；铜铝比价处于可发生20%替代的水平；58%的铜需求来自中国，其中70%与投资相关 [36] 区域市场与货币展望 - **美国市场可能持续跑输**：以美元计算，美股经历了近15年来相对全球市场最大的回撤；若全球增长加速至3.5%以上美国通常跑输；美元走弱、回购收益率不再突出、扣除科技股后的板块调整市盈率仍偏高 [27] - **美元可能全年持续走弱**：瑞银外汇团队预测欧元/美元在Q1达到1.22，但2027年底回落至1.14；风险在于美元持续走弱，因净外债约为GDP的80%、美元被高估、持有过度、对美联储信誉的侵蚀、特朗普总统不希望美元走强 [30] - **欧元区GDP增长可能强于预期**：综合PMI与约1.5%的GDP增长一致；储蓄率仍比疫情前高3%，超额储蓄存量为GDP的10%；瑞银预测天然气价格下跌25%；乌克兰停火可能在12-18个月内为欧洲GDP增长贡献0.3% [31] - **印度市场可能跑赢**：印度经历了自2009年以来相对新兴市场最大的回撤；名义GDP增长8.7%仍是中国的两倍；相对全球股市的市盈率回到历史平均水平；如果油价下跌10%，可为GDP增长贡献40个基点 [33] 投资启示与建议 - 避开高杠杆和低自由现金流的股票 [14] - 关注瑞士和台湾等财政状况优异地区的国内股票 [14] - 金融股和拥有未对冲养老金赤字的公司可能受益 [14] - 继续超配黄金以对冲债务货币化风险 [14] - 若经济强劲导致美联储转向，金融股可能跑赢，美元可能走强，市场可能整体转向防御性板块 [16] - 在科技板块内需更加精选个股，软件板块因已大幅贬值、盈利修正好于表现，存在从这里开始跑赢半导体的可能性 [27]

文章核心观点 - 月之暗面创始人杨植麟被选为英伟达2026年GTC大会主会演讲嘉宾，这被视为英伟达对AI行业新趋势的洞察和背书，表明其关注点正从“大力出奇迹”的训练转向高强度的深度思考与推理效率 [1][7][27][28][29] - 杨植麟及月之暗面在2025年经历DeepSeek的低成本推理冲击后，通过回归硬核技术路线、大幅削减营销、专注模型研发与开源，成功以K2和K2.5模型重新赢得市场信任和技术领先地位，并获得了巨额融资 [33][34][37][38][44][46] - 英伟达GTC大会的嘉宾选择具有强烈的风向标意义，黄仁勋通过邀请特定领域的代表，提前揭示未来12个月的产业趋势，如2023年的生成式AI、2024-2025年的机器人/具身智能，而2026年则指向推理效率 [11][12][13][17][22][23][30] 根据相关目录分别进行总结 GTC嘉宾选择与行业风向标意义 - 杨植麟是2026年英伟达GTC大会嘉宾中唯一来自独立大模型创业公司的代表 [2] - 过往GTC嘉宾选择精准预示了产业趋势：2023年邀请OpenAI的Ilya Sutskever为生成式AI盖章；2024-2025年聚焦机器人/具身智能，如宇树科技、银河通用，后者成为英伟达Isaac平台的落地案例 [13][14][17][23][24] - 英伟达的嘉宾邀请基于其生态位优势，旨在洞察即将爆发的趋势，并为未来12个月寻找“卖显卡的最佳代言人” [7][11][12] 月之暗面(Kimi)的发展历程与技术转型 - 2024年月之暗面风光但危险，Kimi与字节跳动豆包在App端形成双寡头，但过度依赖融资和营销埋下隐患 [31][32] - 2025年春节，DeepSeek以极低推理成本冲击行业，严重挤压Kimi的日活数据，使其商业模式岌岌可危 [33][34][35] - 面对冲击，公司创始人杨植麟选择回归技术，砍掉单季度数亿元的营销预算，进行为期172天的技术闭关 [37] - 2025年7月，公司通过发布并开源1T参数、MoE架构的K2模型，在代码和Agent能力上达到SOTA，重新证明技术实力 [38][39] - 2026年1月，发布K2.5模型，通过强化学习获得单次调用调度上百智能体的Agent Swarm能力，在多项测试中超越GPT-5.2、Claude 4.5 Opus等旗舰闭源模型 [41][42] 公司近期资本表现与战略定位 - 2025年底，月之暗面完成由IDG资本领投、阿里与腾讯超额跟投的5亿美元C轮融资，投后估值达43亿美元 [46] - 此轮融资使公司现金储备超过100亿元，为持续研发和争夺全球SOTA提供了充足资金支持 [46] - 相较于同赛道智谱和MiniMax的港股IPO，公司选择了以融资强化技术实力的路径，表达了追逐AGI的长远雄心 [46] - Kimi K2.5模型在开源社区（如抱抱脸）获得了开发者的广泛认可，位居榜首 [44][46] 2026年AI行业趋势推断 - 英伟达通过邀请杨植麟，暗示AI行业的新痛点和故事已从大规模训练转向推理效率和高强度深度思考 [28][29][30] - 在算力硬件需求背景下，能够展示如何高效利用算力进行深度思考的团队成为英伟达需要的“样板间” [30] - 黄仁勋在2026年初的中国行异常低调，未组织客户饭局，直到GTC嘉宾公布才揭示其新的关注方向 [47][48]