文章核心观点 - AI基础设施投资规模并不过热 具备可持续性 宏观故事依然稳健 [1] - AI投资占美国GDP比例远低于历史上其他技术周期 [1] - AI带来的生产力提升将为美国企业带来8万亿美元资本收入 远超AI投资总额 [2] AI投资热潮可持续性分析 - 自2023年中以来 AI基础设施投资持续加速 2025年公开美企AI相关基础设施收入增量约3000亿美元 [4] - 美国国家账户数据显示 AI相关支出年化增速较2022年提升2770亿美元 [4] - OpenAI近期达成一系列重大投资协议 包括与Oracle的3000亿美元合作 获得英伟达1000亿美元投资等 [4] - AI模型规模年均增长400% 远超算力成本年均40%的下降速度 [5] - 训练查询和前沿模型的需求年增速分别达350%和125% [5] AI投资规模与历史对比 - 当前美国AI投资占GDP比重不足1% 而历史上铁路 电气化 IT等技术周期投资高峰占GDP比重为2-5% [7] - 生成式AI带来的生产力提升将为美国经济创造20万亿美元现值 其中8万亿美元作为资本收益流向美国公司 [7] - 在悲观或乐观假设下 资本收益区间为5-19万亿美元 显著高于当前和未来AI投资总额 [7] 技术背景支持AI资本支出 - 生成式AI全面应用后 美国劳动生产率将提升15% 这一过程将在未来10年逐步实现 [5] - 学界和企业案例显示 AI应用可带来25-30%的平均生产力提升 [5] - 目前仅2.5%的岗位面临自动化风险 主要集中在编程 客服和咨询等领域 [5] - 只要算力需求增长快于成本下降 AI基础设施投资就有持续动力 [5]

VR/MR行业市场前景 - 2025年全球VR/MR产品出货量预计回落至560万台[2] - 2030年全球VR/MR产品出货量预计将达到1,440万台[2] - OLEDoS显示技术在VR/MR装置的渗透率预计于2030年迅速提升至58%[2] 显示技术发展趋势 - 高性价比的LCD仍是近年VR/MR产品的主流显示技术选择[2] - OLEDoS技术因能实现高解析画质与轻薄化目标 其渗透率可望于未来几年明显提升[2] - 在成本与技术双重优化下 OLEDoS有望从中高阶市场逐步向主流市场渗透[6] 主要厂商产品与生态策略 - Apple升级版Vision Pro采用新一代M5芯片以增强运算能力并提升AI及应用程式运行速度[6] - Samsung与Google、Qualcomm联手推出搭载4K OLEDoS显示屏的Galaxy XR 并利用Android XR平台整合生态系[6] - Meta计划采用0.9吋OLEDoS搭配Pancake光学架构的组合 以满足VR/MR的轻薄化需求[6] OLEDoS供应链发展 - 除Sony外 Seeya、BOE、Sidtek等10多家中国业者积极建置12吋OLEDoS产线[5] - 制程技术良率持续改善 将有效推动OLEDoS生产成本下降[5]

AI产业规模与代际演进 - 人工智能时代产业规模预计将比前一代（移动互联时代）至少大100倍[5] - 移动互联时代产业规模比PC互联时代至少大10倍[5] AI技术发展的五大新趋势 - 趋势一：AI技术从鉴别式、生成式走向智能体AI，过去7个月智能体AI任务长度翻倍且准确度超过50%[7] - 趋势二：预训练阶段规模定律放缓，更多工作转移至训练后阶段如推理和智能体应用，前沿模型智力上限仍在提升但迭代速度放缓[7] - 趋势三：物理智能和生物智能快速发展，VLA模型推动智能驾驶规模化落地，预计2030年10%车辆将具备L4功能[7] - 趋势四：AI风险快速上升，智能体出现使AI风险至少增加一倍[8] - 趋势五：AI产业新格局形成，呈现基础大模型+垂直模型+边缘模型架构，后两者未来发展空间更大[8] 大模型发展格局预测 - 预计2026年全球基础大模型约8-10个，中国占3-4个，美国占3-4个[8] - 中国大模型发展具独特性，表现为更快算法、更高效率、更低价格[8] - 未来开源模型将成为主流，开源与闭源模型比例预计为4:1[8] 成本与算力动态 - 过去一年推理成本降低10倍，但智能体复杂性使算力需求上涨10倍，形成乘数效应[7] 长期产业机遇 - 新一代人工智能是原子、分子和比特融合，是信息智能、物理智能和生物智能融合[3] - 具身智能快速爆发，预计2035年机器人数量有望超过人类[8]

文章核心观点 - OLEDoS显示技术正迎来供应链与应用端的双重突破，预计2030年在VR/MR装置中的渗透率将迅速提升至58% [2] - 尽管2025年全球VR/MR产品出货量预计回落至560万台，但长期受惠于软硬件升级，2030年出货量预计将达1,440万台 [4] - 在成本与技术优化下，OLEDoS有望从中高阶市场向主流市场渗透，成为推动VR/MR产业转型升级的重要驱动力 [6] 市场出货量预测 - 2025年全球VR/MR产品出货量预计回落至560万台，主要因Meta、Apple、Sony等国际品牌出货表现未达预期 [4] - 长期来看，受益于主要品牌在软件与硬件上的双重布局与升级，2030年全球VR/MR出货量预计将增长至1,440万台 [4] 显示技术发展趋势 - 高性价比的LCD技术仍是近年VR/MR产品的主流显示技术选择 [5] - OLEDoS技术因能实现高解析画质与轻薄化目标，其渗透率在未来几年有望显著提升 [5] - 国际品牌如Apple和Samsung正积极运用OLEDoS技术，中国供应商如Seeya、BOE、Sidtek等也积极建设12吋产线以扩大布局 [5] 主要厂商战略布局 - Apple通过升级版Vision Pro布局VR/MR，采用新一代M5芯片以增强运算能力、增加续航并提升AI及应用程序运行速度 [5] - Samsung与Google、Qualcomm联手，推出搭载4K OLEDoS显示屏的Galaxy XR，利用Android XR平台整合生态系 [5] - Meta计划采用0.9吋OLEDoS搭配Pancake光学架构，以突破产品形态限制，满足VR/MR的轻薄化需求 [6]

公司转型背景 - 公司前身为图森未来 曾为自动驾驶第一股 市值在2021年底超过160亿美元 [2][3] - 受地缘政治压力及美国外资投资委员会审查影响 所有自动驾驶商业活动于2022年被强制终止 [4] - 此后三年市值蒸发超过99% 并于2024年初从纳斯达克退市 [5] - 2023年8月 公司宣布凭借剩余资金和完整技术团队全面转向游戏和生成式AI行业 并于年底启用新品牌名CreateAI [7][8] 新业务战略与资源 - 转型决策基于对赛道可落地性和资源可复用性的清晰判断 旨在规避产业链过长和依赖外部环节的风险 [10] - 公司保留的自动驾驶技术软件可作为IP授权 为公司换取现金流 [10] - 公司高管获得金庸武侠15部作品的IP打包授权 并基于此立项3A游戏《金庸群侠传》 [12][13] - 公司还拥有《三体》的IP 获得PC和主机的全球独家游戏改编权 [24] 核心业务一：游戏开发 - 核心项目为《金庸群侠传》 计划打造囊括金庸各部小说人物及世界观的3A级游戏 [13] - 游戏预计在2026年底至2027年初开启小范围内测 2028年完成公测和发售 [15] - 在3A游戏中 AI目前仅能完成约5%的工作量 大量内容如武术动作和混战场景仍需依赖动捕技术 [26] - 公司在北京怀柔建有亚洲最大动捕棚 由130台Vicon光学动捕设备组成 可支持15-20人同场混战动捕 [1] 核心业务二：AI生成平台 - 公司于2024年4月推出全球首个专注于动漫领域的视频生成工具Animon 首批市场定位于日本并取得刷屏效果 [16] - 国内版本名为"萌动AI" 可凭用户输入的一张图片或一个想法生成动漫视频 [1][19] - 平台核心竞争力在于成本优势 可将动漫短剧制作成本从每分钟7-8万元降低80% [19] - 公司计划将Animon发展为具备社区功能的UGC平台 降低动漫创作门槛并积累流量 [29][30] 商业模式与市场定位 - 公司定位为新一代电子娱乐内容制作公司 采取"内容制作+UGC平台"组合打法 [28] - 游戏和动漫的全球市场规模约为每年250亿美元 [28] - 3A游戏等IP内容定位为长期现金牛项目 有望带来每年数亿元收入以支持AI技术长期投入 [28] - UGC平台瞄准二次元主流化趋势 旨在为动漫爱好者提供垂直社区 [31]

Transformer架构的行业现状与挑战 - Transformer作为生成式AI的核心架构，几乎定义了整个行业的技术走向，其核心模块Self-Attention在视觉与语言模型领域几乎成为标配[1] - Self-Attention机制面临空间平方复杂度的挑战，这意味着昂贵的投入和巨大的能耗，导致模型训练陷入资源军备竞赛，令中小团队和企业望而却步[1] - 学界与产业界持续探索平衡效率与性能的方法，Linear Attention是代表性尝试，旨在通过核函数降低计算复杂度[1] Linear Attention的技术瓶颈 - Linear Attention通过核函数替代Softmax以降低复杂度，但存在两大硬伤：注意力分布变“平”（高熵）导致模型区分能力削弱，以及在精细细节或重要特征中丧失尖锐性[1] - 使用非负核函数近似Softmax时，所有负数信息被“截掉”，导致模型只能看到“正相关”而看不到“负相关”或“抑制关系”，使注意力图变得片面并影响表达力[2] PolaFormer的创新解决方案 - 针对高熵问题，研究提出通过设计一种新的核函数来降低权重分布的信息熵，要求映射函数一阶和二阶导数均大于0，从而重新缩放权重矩阵响应以降低熵[3] - 对于负值丢失问题，工作提出通过极性感知的计算方式，实现注意力权重矩阵所有元素平等地进行相似度计算，以不降低模型表现能力[3] - PolaFormer采用双支线极性建模与可学习幂函数的混合策略，将Query和Key向量拆成正负部分，并设计并行支线分别处理同号交互和异号交互[4] - 在Value向量侧也进行拆分并送入两条支路，引入两个可学习矩阵对支线结果进行加权调节并拼接，同时叠加可学习通道级幂函数使注意力分布更尖锐[6] PolaFormer的实验验证与应用前景 - 在目标检测、语义分割、图像分类和长序列基准等多种任务上的实验表明，Polarity-Aware Linear Attention可有效替代Vision Transformer中的Self-Attention模块，并显示出明显性能提升[7] - 研究背景源于产业界更在意模型部署效率，如在移动端或纯客户端上运行，而像LLaMA、qwen系列数十B规模的模型在资源受限情境下仍难落地[8] - 选择优化Linear Attention而非Sparse Attention的原因在于，后者在模型规模增大时性能不能很好维持，存在随机丢失信息的风险，而Linear Attention通过矩阵分解保证复杂度下降的同时不丢失全局信息[8][9] - 未来突破核心在于如何在保持表达力的同时将Attention做得更“轻量化”，尤其是在终端部署、算力受限场景和大模型训练中[29] - 算法与硬件协同设计是未来方向，长序列模型部署面临单卡GPU显存限制、通信开销等问题，需要共同解决部署瓶颈[30] - PolaFormer在长序列和高分辨率场景应用潜力大，如视频处理、大语言模型和高分辨率生成模型，在LLaMA长上下文设定上已显示出明显效率提升[31]

GPT-5数学“突破”事件概述 - OpenAI研究员高调宣布GPT-5解决了10个此前未解决的埃尔德什问题，并在另外11个问题上取得进展[3][4] - 该消息随后被证明存在严重失实，GPT-5仅是找到了文献中已有的解决方案，而非独立生成数学证明[6] - 相关研究员已删除宣传帖子，OpenAI内部承认沟通存在疏漏，此事引发AI社区广泛批评[5][6] 事件引发的市场与监管反应 - 事件导致“OpenAIFail”等话题在社交平台热度攀升，短短几天内相关推文超过1万条[7] - OpenAI与股票挂钩的估值指标在盘前交易中大幅下跌[7] - 美国联邦贸易委员会（FTC）已开始调查OpenAI的行为是否构成虚假广告，可能面临罚款[7] - 监管机构还加强审查OpenAI通过未公开资金关系获得对FrontierMath基准测试内部优先访问权的问题[7] AI在数学研究中的实际应用价值 - 著名数学家陶哲轩指出，AI在数学领域最富成效的应用是借助中等算力工具加速处理常规、耗时的研究任务，如文献综述[10] - AI工具在检索文献分布零散或术语不统一的研究问题时展现出实用价值，其输出结果可由人类专家独立验证[9][11] - 系统性使用AI进行文献综述时，同时报告“阳性结果”和“阴性结果”有助于更准确地呈现问题的研究现状，例如在检索的36个问题中，24个（占比66%）返回了新增相关结果[12] - 生成式AI有望推动数学研究“工业化”，但人类的专业判断在审查和整合AI生成结果时仍是关键[13]

科技领域与人工智能 - 未来五年最具投资价值的核心主题之一是科技领域，尽管当前科技类股票估值普遍较高[9] - 人工智能的发展呈现指数级增长，其核心驱动力是AI有效算力的提升，OpenAI估算2019年至2023年四年间AI有效算力增长了10万倍，并预计2023年至2028年将维持这一增速[13] - AI能力通过GPQA得分衡量，GPT-4的得分已接近博士回答非本专业领域问题的水平（正确率约38%），而AI的智能水平未来可能达到人类的上千倍甚至上百万倍[14] - 生成式AI正在加速落地，Hugging Face平台已上线超过200万个AI工具，企业可组合这些工具构建专属AI系统来解决特定问题[17] - 未来社会的大部分利润将来自生成式AI的应用而非大语言模型，因为大语言模型缺乏品牌忠诚度、关键技术壁垒和网络效应，已逐渐成为“大宗商品”[19][20] - 推理型AI是今年快速发展的领域，其思维模式更接近学者，擅长计算，最新版GPT等模型已采用“专家系统”来调用更合适的子模型处理任务[23] - 到2050年，约80%的人类工作有望由智能机器人完成，花旗银行预测到2050年全球智能机器人、自动驾驶汽车等智能物理设备将达到41亿台[28][29] - 创新型AI预计到2028年将能够根据抽象目标自主推进研究，量子AI则预计在2033年左右实现商业化应用，处理特定任务的速度可比当前顶级计算机快数百万甚至数十亿倍[25] 金属与采矿业 - 金属与采矿业是未来五年值得关注的另一大投资主题，部分金属价格需上涨460%才能回升至2010-2011年峰值，但实现难度较大[31] - 铀矿前景明朗，若回升至历史峰值涨幅可达225%，且当前已处于供不应求状态，库存持续下降，银、铂和铜等金属也面临类似的短缺格局[31] 激情投资 - “激情投资”主题涉及供给无法扩张的资产，如优质海滩土地、城市核心地段公寓、限量版汽车等，在创新爆发和财富增长背景下，这类资产需求将显著上升[33] - 此类资产价格的上涨往往会增加而非减少需求，因为价格本身成为排他性的象征和产品的一部分[33] 东盟与中国市场 - 亚洲市场，特别是东盟与中国，是未来有望迎来繁荣的优质投资标的[9][34] - 中国的创新能力突出，一项研究显示中国在全球62项未来关键技术中的57项位居第一，在2025年全球创新指数中升至第10位，GDP有望实现4倍增长[36] - 东盟市场当前远期市盈率平均为11倍，盈利增速约10%，具有估值优势，越南市场若升级为新兴市场可能推动其股市上涨30%左右[36] - 中国股市处于历史区间低位，居民存款规模是股市市值的2倍，与2014年水平相当，意味着有大量潜在资金可投入股市[37] - 中国股市股息率已超过10年期国债收益率（约1.7%-1.8%），形成坚实的“安全垫”，即便股市翻倍导致收益率减半，其水平仍将高于国债收益率，预示未来1-2年内可能出现大幅上涨[38] 生物科技领域 - 生物科技领域是估值温和且极具潜力的行业，国际生物科技ETF的市盈率约为10-11倍[40] - AI正显著降低生物科技领域的研发成本并加快研发速度，过去一年AI发现的分子数量呈指数级增长[40] - 该领域有望涌现大量新产品，如全基因组测序、脑机接口、液体活检、癌症疫苗及高度个性化的医疗服务等[42] 人工智能政策与能源趋势 - 美国为保持AI领先地位推行多项政策，包括加大AI算力基础设施投资、提供税收激励（如允许企业资本性支出在1年内全额税前扣除）、布局地缘政治“安全算力区”以及构建法律稳定性[55] - 美国AI数据中心的电力发展趋势倾向于使用本地电源，短期最便捷的方式是使用燃气轮机，但正计划转向核能，特别是小型模块化反应堆和核聚变技术[57] - 美国Helion公司进展领先，目标在2028年为微软数据中心供电，核聚变商业化可能在未来15-20年内实现，届时将能彻底解决全球能源需求[58][59]

AI冒名顶替综合征的定义与表现 - 生成式人工智能已成为办公室里的实习生，能以令人不安的速度批量生产备忘录、演示文稿等内容，导致部分职场人士陷入自卑情绪[2] - AI冒名顶替综合征是传统冒名顶替症的新变种，表现为个体不再与同事比较，而是与一台燃料无限、永不懈怠的勤勉学习机器相比较[3] - 该综合征的核心是因身为人类而感到某种失败的感受，具体表现为因撰写邮件耗时超过一分钟而自责，或当AI找到被遗忘的文献时感到尴尬[3] AI冒名顶替综合征的自我评估指标 - 个体可能因担心AI能优化文稿而在发送初稿时犹豫不决[5] - 搜索最佳ChatGPT提示词并视其为作弊码是潜在症状之一[5] - 因撰写Slack回复超过30秒而自责，或隐瞒某个创意实为自己所创而非机器人所作，均属相关表现[5] 应对AI冒名顶替综合征的策略 - 应对方法之一是重塑价值定义，将重点从速度转向创造AI无法企及的价值，如语境把握、审美判断与共情能力[7] - 锻炼认知肌力至关重要，需刻意避开数字捷径解决问题以保持思维敏锐，防止思维肱二头肌萎缩[7] - 将AI视为训练伙伴而非对手，优秀运动员借训练器材突破自我，当AI提升可能性门槛时应拥抱机遇而非退缩[8] 自然智慧的价值与人工智能的定位 - 自然愚蠢是孕育洞见的沃土，人工智能虽能消除错误，却可能剥夺那些塑造判断力的失败经历[9] - 在习题中挣扎、面对空白页手足无措等过程自有其价值，这些效率低下的过程是成长的养分和智慧的草稿[9] - 生成式人工智能颠覆了对智能的集体认知，记忆和初稿的价值被削弱，真正的智慧在于智慧运用AI而非与机器竞争[10] 人工智能时代的人类优势 - 明智运用AI是借力放大创造力，愚蠢运用AI则是让它取代好奇心[11] - 人类不应模仿AI的速度优势，而应加倍发挥自身优势，如好奇心、判断力、同理心、审美力以及从失误中学习的能力[12] - 自然智能（包括人性缺陷）是人类最强大的创造力源泉，正是人类发明了人工智能，这一事实提醒我们运用自身能力的重要性[12]

AI投资规模与可持续性 - AI基础设施投资在名义金额上创下新高，但当前美国AI投资占GDP比重尚不足1%，远低于历史上铁路、电气化、IT等技术周期投资高峰占GDP的2-5% [1][3][7] - 高盛研报认为当前AI投资规模并不过大，技术背景仍然支持AI资本支出，投资水平具备可持续性 [3] - 公开美国企业在2025年AI相关基础设施上的收入增量约3000亿美元投资规模，AI相关支出年化增速较2022年提升了2770亿美元 [5] AI投资驱动力 - 生成式AI全面应用后，预计美国劳动生产率将提升15%，学界和企业案例显示AI应用可带来25-30%的平均生产力提升 [6] - AI模型规模年均增长400%，远超算力成本年均40%的下降速度，训练查询和前沿模型的需求年增速分别达350%和125% [6] - 算力需求增长快于成本下降，为AI基础设施投资提供了持续动力 [6] AI投资的经济效益 - 高盛预计AI带来的生产力提升将为美国企业带来8万亿美元的资本收入，远超当前和可预见的AI投资总额 [4][7] - 生成式AI带来的生产力提升预计将为美国经济创造20万亿美元现值，即使在悲观或乐观假设下，收益区间也在5-19万亿美元 [7] - 近期OpenAI与Oracle达成3000亿美元合作，并获得英伟达1000亿美元投资，显示出巨额资本开支的势头 [5]