核心观点 - IBM商业价值研究院基于对1028名企业高管及8500名消费者和员工的调研，提炼出2026年五大核心商业趋势，指出企业需以AI为核心驱动力，平衡灵活性与安全性，通过员工赋能、客户信任、生态合作与风险管控，在不确定环境中构建可持续竞争优势 [1][3] 趋势一：主动拥抱不确定性，将其转化为战略资产 - 74%的高管认为经济与地缘政治波动将在2026年为其组织创造新的商业机遇 [1][33] - 81%的高管表示地缘政治和经济问题已在2025年对其企业的技术投资构成威胁 [1][33] - 90%的高管认为，一旦企业不具备实时运营能力，就难以保持竞争优势 [1][30] - 84%的高管表示智能体AI正帮助其组织做出更明智、更快速的决策，并重新分配资源以捕捉机遇 [1][33] - 70%的高管期望其组织在2026年底前具备让AI代理独立执行任务的能力 [1][36] - 企业需构建灵活的IT基础设施和数据架构，并让AI代理具备多源信号监测、复杂关联分析与实时情景建模能力，以将不确定性转化为战略资产 [1][36] 趋势二：员工对AI赋能的期待持续提升，而非缩减 - 各年龄段员工中，表示接纳雇主在2026年更广泛采用AI技术的人数均是持抵触态度的两倍 [2][41] - 77%的员工表示能接受当前技术对日常工作的更新速度 [2][41] - 61%的员工认为AI接手了单调的任务，让他们能更多地参与战略性工作 [2][45] - 48%的员工表示能够接受AI的管理 [2][44][45] - 56%的员工愿意为获得更优质的培训而跳槽，42%甚至愿意为此接受降薪 [2][45] - 高管预测到2026年底，56%的员工会因AI驱动的自动化而需要接受再培训 [2][45] - 82%的高管认为，要建立竞争优势，必须将最优秀的人才分配在AI无法发挥作用的领域，如做出判断、建立关系等 [2][45] 趋势三：客户要求企业对其AI行为负责 - 95%的高管认为，消费者对其AI产品的信任程度将决定其新产品和服务的成败 [2][47] - 89%的消费者希望在与AI交互时能明确知情 [2][51] - 80%的消费者表示，一旦发现某个品牌故意隐瞒AI的使用，对其信任度将大幅下滑 [2][51] - 三分之二的消费者在发现品牌隐瞒使用AI时会选择更换品牌，其中一半表示哪怕增加支出也要更换 [2][51] - 56%的消费者对前沿AI服务充满兴趣，愿意接受一些瑕疵 [2][51] - 企业应将客户视为共创伙伴，在AI产品设计中融入透明原则，让推荐可溯源，并赋予客户超监管标准的数据自主权 [2] 趋势四：全球化背景下，AI韧性离不开本地安全防护网 - 93%的高管认为AI主权必须纳入2026年战略 [3] - 73%的高管认同对AI的依赖使数据物理位置愈发重要 [3] - 50%的高管担忧过度依赖特定地区的算力资源 [3] - 75%的芯片采购企业将供应商集中视为重大挑战 [3] - AI韧性要求企业构建从数据中心到模型训练全链条的本地AI能力，同时具备跨区域无缝切换能力 [3] - 企业需建立可解释的AI模型，记录决策链路，并实时监测模型漂移，以夯实合规与安全防护体系 [3] 趋势五：合作共赢才能实现量子优势 - 量子优势有望在2026年底实现，但需跨组织资源整合，无单一机构能独立承担成本 [3] - 已踏上量子征程的组织参与多个生态系统的概率是其他组织的三倍 [3] - 89%的高管表示生态伙伴能帮助缓冲业务冲击 [3] - 79%的高管认为生态合作能加速技术采用，86%表示生态数据能提升AI能力 [3] - 企业需聚焦突破性技术，通过联合创新分担成本、降低风险，并选择互补性伙伴构建生态联盟，以生态数据训练AI [3]

2025届美国国家发明家科学院院士评选结果 - 2025届美国国家发明家科学院新增185位院士，其中包括169名美国学术与机构发明家及16位国际院士 [1] - 本届新增院士共持有超过5300项美国专利，其研究横跨量子计算、人工智能和再生医学等重大发现领域 [4] - 自2012年项目创立以来，NAI院士总数已发展至2253人，共持有超过86000项美国专利和20000项已实现许可的技术，这些创新成果预计创造了约3.8万亿美元的收入并带动了140万个就业岗位 [5] 华人学者的卓越表现 - 在185位新增院士中，华人学者约37人，占比20%，即平均每5位NAI院士中就有一名是华人学者 [1] 部分杰出华人院士及其研究领域 - **Hua "Kevin" Bai**：田纳西大学诺克斯维尔分校教授，研究电力电子领域，尤其是宽禁带器件及其在电机驱动、电动汽车电池充电器、辅助电源模块和电池储能系统中的应用 [6][8] - **Joseph Sylvester Chang**：新加坡南洋理工大学教授，研究涵盖模拟、数字与航空航天电路/系统，生物医学与生命科学领域，以及新兴的印刷电子技术 [9][10] - **Eugene Chen**：科罗拉多州立大学教授，研究高分子科学、绿色与可持续化学、均相催化及循环再生聚合物的设计与合成 [12][14] - **Ji-Xin Cheng**：波士顿大学教授，研究方向为化学键选择性化学，并专注于光子学与光电子学 [16] - **Sheng Dai**：橡树岭国家实验室企业院士，研究兴趣集中在离子液体、多孔材料及其在分离科学、能源储存和纳米材料催化方面的应用 [19][20] - **Zhiqun (Daniel) Deng**：太平洋西北国家实验室实验室院士，领导生物声学与流体实验室，专注于水电、风能、海洋能等系统的环境监测与风险评估，并在声学遥测、环境传感和储能领域开发了多项技术 [23] - **Hongyou Fan**：桑迪亚国家实验室杰出技术人员，主要从事功能纳米材料的设计、合成与自组装研究，重点关注应力调控纳米结构及其在能源、光电、纳米电子与国防安全等领域的应用 [23] - **Shanhui Fan**：斯坦福大学教授，研究方向主要包括纳米光子结构的基础研究及其在能源技术和信息技术中的应用，已发表700余篇论文并拥有80余项美国专利 [25][27] - **Jay Guo**：密歇根大学安娜堡分校教授，担任高分子科学与工程主任，并从事应用物理和机械工程领域的教学与科研工作 [28][30] - **Yali Jia**：俄勒冈健康与科学大学教授，专注于眼科成像，并将人工智能应用于视网膜病变检测，拥有多项发明专利 [31][33] - **Yue Kuo**：德州农工大学教授，全球知名的半导体材料与微纳电子器件专家，研究聚焦薄膜材料、半导体工艺、薄膜晶体管与超大规模集成电路技术 [34][36] - **Jih-Sheng "Jason" Lai**：田纳西大学诺克斯维尔分校博士，研究重点集中在面向电力系统与公用事业应用的高功率变换器领域 [38][40] - **Guoqiang Li**：路易斯安那州立大学教授兼研究生院副教务长，长期在机械与工业工程领域任教 [42][43][44] - **Jenshan Lin**：美国国家科学基金会项目主任，曾长期研究无线传感、生物雷达、射频/毫米波集成电路与无线电力传输，发表300多篇论文并拥有多项专利 [45][47] - **Lih-Yuan Lin**：华盛顿大学教授，曾从事用于光交换和光通信系统的微机电技术研究，已发表100余篇期刊论文并拥有40项专利 [48][50] - **Bin Liu**：新加坡国立大学副校长，世界著名的有机功能材料和聚合物化学专家，在高分子化学及有机纳米材料在生物医学、环境和能源领域的应用方面作出杰出贡献 [51][53] - **Jun O. Liu**：约翰斯·霍普金斯大学教授，研究聚焦于化学、生物学与医学的交叉领域，致力于通过化学生物学手段推动肿瘤药物发现 [54][56] - **Ping Liu**：加州大学圣地亚哥分校教授，曾任美国能源部高级研究计划局—能源署项目主任，负责电动汽车储能技术及建筑能效的热管理技术研究项目 [58][60] - **Yan-Fei Liu**：教授，在数字控制、驱动技术、高效率谐振开关以及电流编程控制建模等方向上有多项创新，拥有25项美国专利 [61][63] - **Jian Lu**：香港高等研究院高级研究员，在香港城市大学多个学系担任讲座教授 [64][66] - **Na (Luna) Lu**：普渡大学产业合作副校长，智能基础设施中心的创始主任 [67][69] - **Alan Luo**：俄亥俄州立大学教授，拥有28项专利和400余篇学术论文，是美国国家工程院院士 [70][72] - **Dehua Pei**：俄亥俄州立大学教授，研究聚焦于开发细胞穿透的环肽及其他创新分子，用于靶向传统药物难以作用的蛋白-蛋白相互作用 [73][75] - **Shunlin Ren**：弗吉尼亚联邦大学教授，长期专注于氧甾醇及其硫酸化衍生物在脂代谢、炎症反应与肝脏疾病中的作用机制研究 [76][78] - **Hung-Jue Sue**：德州农工大学教授，是高分子材料与纳米复合材料领域的杰出科学家，与工业界密切合作推动高分子材料应用发展 [80] - **Shang-Hua Teng**：博士，曾两次获得哥德尔奖，在编译器优化、互联网技术和社交网络方面的研究获得了十余项专利 [81][83] - **Andrew Z. Wang**：教授，已获得或申请38项专利，并成功创办了三家生物技术初创公司 [84] - **Lan Yang**：圣路易斯华盛顿大学教授，主持微/纳米光子学研究实验室，是IEEE、APS、AAAS以及OPTICA会士 [85] - **Yan Wang**：伍斯特理工学院教授，研究团队专注于能源存储领域中新型电极与功能材料的开发，涵盖锂离子电池、超级电容器、液流电池、电池制造技术、电池安全与回收等领域 [87] - **Tien Yin Wong**：清华医学创始负责人，已发表学术论文1500余篇，成果发表于《新英格兰医学杂志》《柳叶刀》等国际顶级期刊 [89] - **Tzong-Lin Wu**：台湾大学教授，在电磁相容、电磁封装与高速电路等领域具有深远影响 [91] - **Cheryl Xu**：教授，研究涵盖多功能材料的先进制造、恶劣环境下的传感器设计与制造、制造工艺优化，以及基于人工智能的传感器健康监测与智能控制 [92][94] - **Yajun Yan**：乔治亚大学教授，长期从事代谢工程与合成生物学研究，聚焦于微生物细胞工厂的构建与优化，用于可再生燃料、精细化学品、药用重要分子及天然产物的绿色生物制造 [96] - **Yasha Yi**：教授，研究方向涵盖集成光子芯片、纳米光电子器件、太阳能与可再生能源技术、智能传感器、LiDAR与自动驾驶光学系统、AR/VR光学器件等多个前沿领域 [99][100] - **Wen Zhang**：新泽西理工学院教授，研究目标聚焦于应对气候变化背景下的环境污染控制、系统韧性提升以及农业系统优化等关键挑战 [101][103] - **Otto Zhou**：北卡罗来纳大学教堂山分校教授，主要研究方向包括碳纳米管物理与器件、场发射电子源、X射线成像系统及其在医学成像与放射治疗中的应用 [104][106] - **Zi-Qiang Zhu**：香港理工大学讲座教授，研究方向为永磁电机及驱动系统的设计与控制，应用涵盖电动交通、风力发电、家电、工业传动与自动化系统，拥有200余项专利，发表论文1500余篇 [107][109]

行业与公司 * **涉及的行业**：企业级AI应用、IT技术、健康医疗、制造业、金融科技、教育、广告、编程、办公软件、工业、军用、财税、电商[1][3][12][14][15][16][19][20][21] * **涉及的公司**： * **海外**：亚马逊云、Adobe、AppLovin、Salesforce、Meta、Google、GitHub Copilot、Keras、Repl.it、Vicarious、OpenAI、Palantir[1][4][5][14][16][17][20] * **国内**：合合信息、金山办公、阿里巴巴、字节跳动、Deepseek、Kimi、MinMax、通义千问、汇量科技、蓝色光标、商汤科技、海康威视、中控技术、聚水潭、光云科技、卓翼科技、普元信息、360、复兴公司[1][4][6][14][16][17][18][19][20] 核心观点与论据 * **AI在企业级应用加速落地与兑现**：AI应用加速渗透企业级服务，龙头企业业绩开始兑现，预示应用大行情催化[1][2] * **企业级AI应用趋势深化**：企业级AI应用加速深化，消息传递量增长8倍，结构性工作流使用量增加19倍，平均推理Token消耗量增长320倍[11] * **中国模型调用量激增**：中国模型调用量从去年底至今增长近9倍，日均调用量达10万亿Tokens，同比增长363%[3][10] * **AI算力成为关键基础设施**：硬件驱动业绩增长，AI算力是基础设施建设的重要组成部分，类比互联网发展初期[1][2] * **大模型促应用生态繁荣**：大模型与编程结合降低APP发布门槛，但不会完全取代垂直领域数据服务，而是促进应用生态繁荣[4] * **行业影响分化**：大模型对行业影响深远，部分公司（如Adobe）面临转型压力，部分公司（如AppLovin、Salesforce）已触底反弹[1][5] * **深入行业者将胜出**：真正深入行业并持续反哺数据的玩家，将与大模型结合，启用AI战略并扩大团队[1][5] * **2026年AI发展核心方向**：Chatbot向Agent演进、多模态物理模型以及Agent[1][6] * **顶级模型竞争格局未定**：海外有Gemini、GPT，国内有千问、Deepseek、Kimi、MinMax等，头部交易尚未定局[1][6] * **未来三到五年潜在爆发领域**：增强现实（AGR）、核聚变、量子计算[1][7] * **开源模型的限制**：Deepseek V3.2论文指出开源模型在长文本处理效率、算力支持、AI代理能力（通用识别和指令执行）方面落后于闭源模型[1][8][9] * **AI编程广泛应用**：AI编程在企业中广泛应用，优化人力资源配置，减少低技能重复岗位，国内大厂员工愿意为此付费[3][16] * **AI决策技术应用广泛**：已应用于军事、金融、制造业等领域，帮助企业升级工作流程，提高决策效率[18] * **办公软件市场现拐点**：金山办公等公司月活跃用户数自2024年第二季度起环比持续增长，360公司第三季度利润数据也显示重要拐点[19] * **最具潜力的垂直方向**：工业、军用、财税、电商[20][21] * **工业**：中控技术通过预训练工业大模型部署，实现成本节约4000多万元，效能提升67%，生产效率提高1-3个百分点[20] * **军用**：美国Palantir的海陆空天一体化作战指挥系统是典型，中国在推进类似项目[20] * **财税**：税务自动化与AI深度融合将显著提高政府与企业效率[20] * **电商**：聚水潭、光云科技等通过匹配算法帮助商家节省成本，实现高效运营[20] 其他重要内容 * **增长最快行业**：采用企业级AI增长最快的三个行业是IT技术、健康医疗、制造业，金融科技也显著扩展[3][12] * **教育领域增速较低**：与预期相比，教育领域服务增速较低，可能解释了多邻国等海外AI教育公司收入不及预期[12][13] * **AI广告市场迅猛**：通过AI引擎优化广告投放，提高精准度并降低成本，Meta、Google等公司利用用户行为数据实现个性化推送，汇量科技、蓝色光标等业绩超预期[3][14] * **AI编程企业收入**：2025年，GitHub Copilot收入达4亿美元，Koa收入超过5亿美元[17] * **国内AI投入积极**：阿里巴巴、字节跳动等大厂，以及Deepseek、Kimi等公司都积极投入AI研发应用，卓翼、普元等较小公司也持续收益并全力提升AI能力[17] * **企业级AI操作系统**：四川省是AI决策领域龙头，其推出的企业级AI操作系统及应用商店为金融、银行和制造业提供解决方案[18] * **投资策略建议**：看好企业级服务中的广告决策与办公两大类跨行业服务，以及工业、军用、财税、电商四个垂直方向，建议布局这些细分赛道中基本面良好的龙头公司[21]

谷歌的成功经验与早期决策 - 公司早期确立了整合全球信息的宏大使命，并建立了学术化的公司文化，重视基础研发投入 [11][12] - 公司通过敢于尝试技术深度高、具有挑战性的难题来培育创新文化，例如在AI领域早期就确定了方向 [12][13] - 公司过去25年的重大创新决策包括收购YouTube、DoubleClick，发展Waymo以及自主研发芯片 [12] 谷歌在AI领域的得失与核心优势 - 公司在约8年前发布Transformer论文后出现决策失误，因担心聊天机器人说蠢话而未足够重视及快速推广技术，导致在AI商业化部署上失去先机 [3][10][15] - 公司在AI领域的持续竞争力源于对深层基础技术的长期投入，包括十多年前开始开发AI专用芯片TPU以及建设大规模数据中心 [4][16] - 公司拥有从算法、半导体到计算设施的全栈基础设施掌控能力，使其能够站在现代AI的前沿竞争 [4][16] 对未来AI技术发展的看法 - AI未来的突破将更多地依赖于算法进步和潜在的新架构，而非仅仅扩大数据和计算规模 [5][29] - 过去十年中，算法进步的速度实际上已经超过了计算能力的增长速度 [5][29] - 在算力受限的背景下，学界的研究方向可以聚焦于如何用更少的资源做更多的事 [30] 对教育、专业选择与学术界的看法 - 大学未来的形态可能不应再局限于地理位置，信息传播和远程协作将改变其概念 [20] - 学生应将AI作为增强个人能力的工具，用于头脑风暴和获取专业知识概览 [7] - 在AI擅长编程的背景下，学习计算机科学依然有价值，因为编程有巨大市场价值且能推动AI进步，而AI在处理如比较文学等创造性任务时可能更容易 [6][18] - 学术界在需要十年甚至更久、以纯探索为主的长周期基础研究上仍具有不可替代的价值，产业界往往不愿承担此类长跨度项目 [22][24] - 从学术到产业的路径时间已被大幅压缩，学术界在部分快速落地领域的“先行期”优势可能减弱，但在如量子计算等激进、底层的创新探索上仍适合 [22][23] 对创业者与其他技术领域的建议 - 创业者应避免在想法未完全成熟前过快商业化，需给予产品足够的发展时间，避免陷入外部期望滚雪球的困境 [26] - 材料科学是一个被严重低估的技术方向，其在AI和量子计算等领域的应用潜力巨大 [33][34] - 生物与健康领域，特别是分子科学和合成生物学，正在发生革命但获得的关注度明显不如AI [34]

核心观点 - 2026年计算机行业将迎来“产业周期”与“政策周期”的共振，是“存量任务的决战”与“增量空间的开启” [2][3] - 产业端面临“技术成熟”与“时间紧迫”，AI应用规模化落地，国产算力从“可用”到“好用”，信创“2027收官”硬约束倒逼2026年成为订单释放大年 [4] - 政策端作为“十五五”规划前瞻年，国家对新质生产力的布局将从概念走向规划，商业航天、低空经济、量子计算、具身智能、脑机接口等新赛道将成为新增长引擎 [4] 产业变化：在硬约束下兑现 AI应用 - **宏观判断**：2026年有望看到Agent智能体在垂直场景规模化落地，AI从“烧钱”转向“赚钱”，迎来“爆发临界点” [11] - **政策驱动**：《深入实施“人工智能+”行动的意见》与“十五五”规划将“人工智能+”上升为国家级系统工程，设定了到2027年、2030年的明确量化目标，锁定2025-2027年为建设窗口期 [15][17] - **中国路径**：以“产业政策 + 行业场景”驱动，优先推动AI在制造、交通、政务、医疗、金融等具体领域形成可复制方案，利好本土场景玩家 [15] - **基础设施**：算力、芯片、云平台投入已率先完成，模型能力趋于收敛，推理成本和开发门槛显著下降，应用端迎来“性能可用 + 成本可控”的成本拐点 [15] - **历史启示**：参考互联网、4G/5G、云计算发展史，应用层长期机会确定，但赢家多在第二轮或第三轮浪潮中出现，当前AI应用尚处范式成形但格局未定阶段 [30][31][32][33] - **投资策略**：采取右侧策略，等待行业“质变”信号，如AI业务收入占比持续提升或出现垂直赛道“爆款”产品 [34][35] - **选股逻辑**： - **政策指引**：紧扣“AI+”与“十五五”规划，关注AI+数据、工业软件、能源、教育、制造、医疗、交通、金融等赛道 [36] - **技术底座**：关注拥有大模型能力、算力工程能力、数据安全护城河及生态构建能力的平台型公司 [37] - **数据壁垒**：关注拥有私有高质量数据、能实现“数据飞轮”闭环的公司，2026年垂类数据价值将凸显 [38] - **流量入口**：关注在特定高频刚需场景下拥有垄断性用户触点的软件，其用户迁移成本极高 [39][40][41] - **利润兑现**：关注AI业务收入占比突破临界值（如20%）、成为公司收入支柱且毛利率上行的公司 [42] 国产算力 - **需求旺盛**：2025年是国内AI基建加快建设的元年，2026年大厂资本开支将进一步加大，如阿里巴巴计划在3800亿元基础上增加更多投入 [45] - **性能与成本突破**：DeepSeek-V3.2-Exp模型引入稀疏注意力机制，在几乎不影响效果的前提下显著降低计算资源消耗，其API调用成本降低超过50% [46][48] - **生态成熟**：华为昇腾、寒武纪、海光等国产芯片厂商已实现与DeepSeek-V3.2-Exp模型的“Day 0适配”，软硬协同生态加速 [49][50][51] - **替代加速**：英伟达H20芯片被曝安全问题并暂停生产，预计给该公司造成销售额损失，其市场缺口有望由国产芯片补上 [52] - **供给保障**：中芯国际、华虹半导体等代工厂加大先进制程投入，长鑫存储发布高端DDR5与LPDDR5X产品，国产AI芯片产能瓶颈有望缓解 [53] - **技术领先**：华为发布Atlas超节点集群，算力规模全球领先，并坚持“一年一代，算力翻倍”的芯片演进节奏 [55][56] - **份额提升**：预计2025年中国AI芯片市场规模达380亿美元，其中国产芯片销售额从2024年的60亿美元增长至160亿美元，占比从29%提升到42%，增速达112% [63] - **产业链标的**：覆盖国产芯片、IDC、电源、液冷、服务器代工、光通信、连接器等环节 [68] 信创 - **硬约束倒逼**：2027年是全面信创改造的收官之年，根据项目周期推算，2026年必须是招标和交付的最高峰，业绩确定性较强 [13][69] - **业绩验证**：相关公司如中国软件、海光信息、达梦数据、金山办公等2025年前三季度业绩呈现改善或大幅增长态势 [70] - **新方向-工业信创**：工业信创叠加AI升级是2026年信创发展新方向，政策要求2027年前关键行业核心系统国产化率需达70%，并强调通过融合AI实现智能工业软件“换道超车” [71][74][75] - **工业信创进展**： - DCS国产化率已达60%以上 [75] - 小型PLC国产化率超20% [75] - 工业软件国产化率从2023年的15%提升至2025年H1的25% [75] - **代表公司**：东土科技、中控技术、中望软件、能科科技等在工业操作系统、工业AI、CAD软件、AI Agent等新兴业务上订单或收入实现较大幅度增长 [76] - **鸿蒙生态**：鸿蒙系统有望成为统一国产操作系统技术路径的重要力量，截至2025年第三季度生态设备总量突破12亿台，纯血鸿蒙将设备整机性能提升30% [86][87] - **2026年催化**：华为存量2-3亿老用户将陆续开放鸿蒙升级，PC鸿蒙后续有望进入信创市场，政策可能进一步聚拢资源发展鸿蒙生态 [88] 互联网金融 - **板块属性**：互联网金融作为高β板块，其业务与成交量和风险偏好高度相关，在牛市中营收利润弹性大，涨幅明显跑赢大盘 [93] - **监管环境改善**：平台经济强监管、蚂蚁整改等压制估值的最大不确定性已靴子落地，监管进入常态化阶段，态度转向“稳增长+促消费+发展数字经济” [94] - **政策支持**：数字金融已成为国策主线，《金融科技发展规划》、“五篇大文章”、《推动数字金融高质量发展行动方案》等构成连贯政策体系，大型金融机构设立专项科技资金（如工行800亿元、中行500亿元）投向金融科技 [95][97] 数字人民币 - **长期工程**：作为金融基础设施长期工程，在支付体系升级、跨境应用与区块链底座完善中逐步放量，具备中长期战略配置价值 [5] - **进展显著**：截至2025年9月末，数字人民币累计交易规模达14.2万亿元，累计交易笔数33.2亿笔，个人钱包开立数量2.25亿个 [108] - **政策定位**：“十五五”规划提出“稳步发展数字人民币”，并将其基础设施建设和推广应用纳入新一轮五年改革总盘子 [108] 政策变化：“十五五”前瞻与新质生产力 商业航天 - **产业爆发元年**：“十五五”首次将商业航天提升至国家战略高度，在星座组网与可回收火箭放量共振下，2026年有望成为产业爆发元年 [6] - **产业链标的**：覆盖火箭、卫星、太空算力等环节 [6] 低空经济 - **进入实质性建设期**：从政策热转向产业热，基建标准落地与专项债、产业基金共振，推动2026年进入实质性建设期 [6] - **产业链标的**：覆盖空管、监视、试点城市、无人机、eVTOL整机及核心部件等 [6] 具身智能 - **迈向产业化起点**：被纳入未来产业核心赛道，伴随“大模型大脑+运动控制小脑”技术路径收敛，正从概念验证迈向产业化起点 [6] - **产业链标的**：覆盖底层技术、智能本体及应用场景 [6] 量子计算 - **早期商业化阶段**：进入“技术攻坚+早期商业化”阶段，在政策加码与中美博弈驱动下，成为高弹性的未来产业配置方向 [6] 脑机接口 - **加速商业化落地**：在政策体系、医疗器械标准和临床进展三重突破下，加速从科研走向商业化落地，成为“十五五”核心前沿产业之一 [6]

公司战略投资 - 天阳科技使用自有资金3000万元人民币投资入伙青岛红马金鑫创业投资基金合伙企业（有限合伙） 增资后持股47.54% 成为其有限合伙人 [1] - 此次投资旨在实现公司战略布局 借助专业机构的投资能力、优质资源和专业能力 为公司在战略层面持续良性发展提供优质项目储备 提升公司综合竞争力和整体价值 [2] - 通过投资红马金鑫基金 天阳科技将间接投资中国首家量子计算公司本源量子 [1] 被投基金概况 - 红马金鑫基金成立于2024年5月 普通合伙人暨执行事务合伙人为北京红马天安投资有限公司 [1] - 红马天安成立于2005年 注册资本2000万元 投资领域主要围绕新质生产力 聚焦战略性新兴产业和未来产业 包括半导体、新一代信息技术、人工智能、高端制造、生物科技等核心领域 [1] - 红马天安与金鑫国泰均由亚洲红马投资集团控制 该集团累计资产管理规模达500亿元人民币 在管规模50亿元人民币 专注于人工智能、半导体芯片、信息技术、大数据与云计算等高科技投资 [2] 间接投资标的：本源量子 - 本源量子成立于2017年9月 注册资本约3000万元人民币 系中国首家量子计算公司 团队技术起源于中国科学院量子信息重点实验室 [3] - 公司聚焦量子计算产业生态建设 全栈研制开发量子计算 业务涵盖量子芯片、量子计算测控一体机、量子操作系统、量子软件、量子计算云平台和量子计算科普教育 [3] - 本源量子是中国首家将量子计算正式推向商用领域的企业 已于2024年9月向安徽证监局提交了IPO辅导备案 [1][3] - 根据2024年8月宏力达以1598.15万元人民币受让其0.2323%股份的交易估算 本源量子估值约为68.8亿元人民币 [4] - 财务数据显示 本源量子2024年营收9938.49万元人民币 2025年第一季度营收2858.44万元人民币 [4] 行业应用与公司布局 - 天阳科技认为 量子计算凭借强大的并行计算和高效求解复杂问题的能力 在金融行业的风险管理、投资交易、金融监管、智能投顾及数据安全领域具有广阔应用前景 [4] - 金融市场领域是天阳科技未来的战略方向之一 公司已通过购买Algo市场风险软件及源代码在中国大陆地区的独家永久授权许可 并推出信创版产品进入该领域 [4] - 此次投资将加大公司在未来新一代算力、人工智能领域的投入 增强在金融市场领域的竞争优势 同时通过深化在半导体、人工智能等领域的合作 拓展在金融及相关产业链上的战略布局 [4] - 天阳科技前期围绕“数据+算法+算力”形成的纵深布局 成为公司推动量子技术落地金融场景的核心优势 [5]

行业动态与主要参与者 - 谷歌与英国国家量子计算中心合作 为其Willow量子处理器寻找应用场景 如破解疑难化学和医学问题 [1] - 英特尔前首席执行官帕特·基辛格预言 量子计算将在两年内普及并加速戳破AI泡沫 并将在2030年前彻底取代GPU [1] - 量子硬件初创公司QuantWare发布全新量子处理器扩展架构VIO-40K 计划于2026年实现量子芯片大规模量产 [1] - QuantWare正在建设全球最大且首个专门用于量子芯片生产的晶圆厂Kilofab 据称这将使其产能较现有水平提升20倍 [1] 技术进展与性能对比 - QuantWare宣称VIO-40K架构能够支持1万量子比特的量子处理器 相当于当前主流商用量子处理器的近100倍 [2] - 谷歌的Willow芯片是105个量子比特 IBM的Heron系列是156个量子比特 [2] - QuantWare的研发策略侧重扩大物理量子比特规模 与谷歌、IBM等采取的性能优先策略不同 [3] - 谷歌的战略路线图已实现“超经典量子计算”和“量子纠错原型”两个关键节点 其第三关键节点“长寿命逻辑比特”需要在现有系统质量下实现1000个量子比特 [4] 商业模式与生态融合 - QuantWare专注于量子芯片供应商定位 目标是成为“量子计算时代的英特尔” 其商业模式与谷歌和IBM的全栈模式不同 [3] - QuantWare的VIO-40K架构芯片能与英伟达的NVQLink平台相兼容 未来传统AI超级计算机可与大规模量子计算集成 并通过英伟达CUDA-Q平台为开发者提供访问接口 [3] - 英伟达CEO黄仁勋表示 量子计算的未来核心在于“纠错” 实现路径是将量子处理器与GPU超级计算机深度融合 [3] 技术路线与行业前景 - 量子计算技术路线尚未收敛 QuantWare、谷歌等采取的是基于固态体系的超导技术路线 另一类是基于原子体系的离子阱、光量子与中性原子路线 [4] - 各技术路线在稳定性、可扩展性和保真度等方面权衡取舍明显 目前尚无单一路线占据绝对主导地位 [4] - 2025年“国际量子科学与技术年”的设立及诺贝尔物理学奖对量子领域的认可 标志着该领域从理论研究向产业应用的关键跨越 [4] - 量子物理学家詹姆斯·惠特菲尔德质疑量子计算的商用可行性 认为其能突然解决经济上可行的问题略显牵强 [4]

行业动态与核心观点 - 量子计算行业正加速产业化，未来十年可能成为科技领域最具变革意义的时期之一 [7] - 行业存在技术路线之争，尚未收敛，主要分为超导（固态体系“人造粒子”）和离子阱/光量子/中性原子（原子体系“天然粒子”）等路线，各路线在稳定性、可扩展性和保真度方面权衡明显 [7] - 英特尔前首席执行官帕特·基辛格预言，量子计算将在两年内普及并加速戳破AI泡沫，并将在2030年前彻底取代GPU，与经典计算、AI计算共同构成未来计算的“神圣三位一体” [4] 公司战略与合作 - 谷歌与英国国家量子计算中心合作，为其Willow量子处理器（105量子比特）寻找在化学和医学等领域的应用场景 [4] - 量子硬件初创公司QuantWare专注于成为量子芯片供应商，目标是成为“量子计算时代的英特尔”，其VIO-40K架构设计意图是加入主流算力生态，而非取代 [6] - QuantWare的VIO-40K架构芯片能与英伟达的NVQLink平台兼容，未来传统AI超算可与大规模量子计算集成，并通过英伟达CUDA-Q平台为开发者提供接口 [6] - 英伟达CEO黄仁勋认为，量子计算的未来核心在于“纠错”，实现路径是将量子处理器与GPU超级计算机深度融合 [6] 技术进展与产能 - QuantWare发布了全新的量子处理器扩展架构VIO-40K，能够支持1万量子比特，相当于当前主流商用量子处理器（如谷歌105比特、IBM 156比特）的近100倍 [5] - QuantWare计划于2026年实现量子芯片的大规模量产，其正在建设的Kilofab晶圆厂将成为全球最大且首个专门用于量子芯片生产的工厂，预计产能将较现有水平提升20倍 [4] - QuantWare的VIO-40K架构采用侧重扩大物理量子比特规模的研发策略，这与谷歌、IBM等公司采取的性能优先策略不同 [7] - 谷歌的战略路线图已实现“超经典量子计算”和“量子纠错原型”两个关键节点，下一个关键节点“长寿命逻辑比特”需要在保证质量下实现1000个量子比特 [7] 市场观点与质疑 - 部分学者如量子物理学家詹姆斯·惠特菲尔德质疑量子计算的商用可行性，认为其技术进步虽令人印象深刻，但突然解决经济上可行的问题略显牵强 [7]

文章核心观点 本次股权投资年度大会的圆桌论坛探讨了在当前经济与产业周期下，中国股权投资市场的现状与未来 核心观点认为，行业正处于从底部复苏的阶段，AI、硬科技、生物医药等领域是明确的长期趋势和投资主线 投资机构需适应周期变化，调整策略，并通过深化投后管理和赋能来构建核心竞争力，未来行业格局将向头部化、专业化、早期化演变 [9][12][13][24][27] 与会机构概况 - 弘毅投资：成立于2003年，布局综合多元，涵盖一级市场股权投资、二级市场、不动产投资及跨境业务 [3] - 孚腾资本：成立近四年，管理规模约400亿元，产品线包括母基金+S基金（约200亿）、投早投小基金（约40亿）以及PE/并购基金（约150亿），聚焦AI、集成电路、生物医药等领域 [4] - 渶策资本：成立于2019年，管理三期基金，主要投资方向为全球范围内的人工智能和生物医药 [4] - 恒旭资本：成立于2019年，脱胎于上汽集团，管理规模超400亿元，关注硬科技、医疗消费及新能源资产投资，2025年新关账的旗舰基金首关规模11亿元，预计终关25亿元，年内有4个项目IPO [5] - 国新基金：隶属于中国国新控股，系列化基金认缴规模超3000亿元，累计投资金额超1200亿元，年内新设了规模100亿元的国新创投基金和首期规模510亿元的中央企业战略性新兴产业发展专项基金 [6] - 海通开元：海通证券全资子公司，管理规模600亿元，投资近700家企业，其中130家通过IPO退出 [7] - 丰年资本：成立于2014年，专注科技与高端制造业投资，风格聚焦且持股比例较大，拥有控股投资实践，2025年已有3家被投企业在创业板和科创板上市（年内创业板+科创板共约60家企业上市） [7][8] - 海松资本：成立于2018年，管理规模超250亿元人民币，聚焦硬核科技，过去一年多收获10家IPO [8] 对当前周期的判断与投资策略变化 - 经济处于L型平稳期，投资逻辑核心未变，仍聚焦进口替代和技术引领，但对量子计算、具身智能等超前技术的新经济投资增加 2025年投资金额25-26亿元，较去年不到20亿元有所加快，投资组合中盈利与非盈利（早期科创）公司各占一半 [9] - 行业处于又一个上升期，从资金端、资产端、资本市场端、政策端四个维度看均呈现积极信号 投资策略围绕“五个转变”优化：投资类型向“母基金+直投”协同转变；投资方式向兼顾战略性及并购投资转变；投资行业向人工智能、集成电路、生物技术等重点领域倾斜；投资阶段加大投早投小；投资方法向“主动点菜”、行研驱动转变，并坚持“以退定投”原则 [9][10][11][12] - 2021年是上一周期顶峰，随后进入行业冬天，2025年随着A股创十年新高、港股涨30%、纳斯达克涨20%多，成为从底部复苏的年度 全球经济面临通胀压力，而中国经济存在通缩现象，但AI、生物医药、硬科技、半导体等领域非常火爆 2025年迄今港股完成80多个IPO，融资超300亿美元，全球第一 市场呈现不平衡发展，投资人需思考是追逐热门行业还是寻找估值合理的差异化机会 [12][13] - 周期可分为资金周期、资本市场周期和产业周期 A股IPO市场约5-6年一个周期，当前IPO数量虽不多但“堰塞湖”已消失，是进入上行周期的典型信号，但预计不会回到一年500家的高点 产业周期方面，AI是明确的共识，同时中国高端制造和硬科技企业走向全球市场是一个大的周期起点 [14][15] 未来3-5年的周期性机会与赛道 - AI是未来大趋势最底层的动力，呈现全球龙头引领、国产替代加速、大厂生态整合的趋势 机会不仅在于通用大模型（已趋于基础设施化），更在于其带来的垂直领域应用、算力中心（从IDC到AIDC）、制冷工艺、存储芯片、光模块等全产业链变化，以及对各传统行业商业模式的颠覆 [15][16][17][18] - 除AI外，在双碳政策下的能源结构调整（如固态电池、新材料）、人口结构调整带来的银发经济与消费、以及自动驾驶、超导、量子、核聚变等前沿技术领域，均存在周期性机会 [19][20][21] - 先进制造行业存在巨大投资机会，预计将占未来投资机会的一半 随着产业成熟，制造业将出现细分行业垄断和头部化，许多具备最强制造能力和品质的企业将出海，带来投资机遇 [21] - 抓住机会需要提升行业认知、具备投资魄力与灵活的决策机制，并重视通过生态圈进行赋能 [20] 投后管理与赋能的方法论 - 投后赋能的核心是找到被投企业的共性缺点，并建立有壁垒的方法论体系去解决 例如，针对科技企业普遍存在的经营管理短板，建立了可复制、体系化的管理赋能组织与体系，以提升企业经营效能 [21][22] - 投后管理可简化为“找钱、找人、找业务”三件事 具体包括：帮助被投企业定价和后续融资；配备专职HR团队为被投企业招募关键人才（如财务）；通过产业资源整合，为被投企业对接业务场景和客户，甚至合作成立公司推进落地 [22][23] - 建立四维赋能体系：分类赋能（按投资金额、风险、协同价值对组合分类）；靠前赋能（投前即链接产业场景，特别是利用央企场景优势进行投资验证）；精准赋能（建立多层级客户经理机制，精准对接产业资源）；数智赋能（建设产融平台，实现供需智能匹配） [25] 未来创业与投资格局演变 - 行业将呈现“五化”趋势：机构头部化、募资集中化、投资前端化（早期化）、退出多元化、中后台一体化 [24] - AI作为颠覆式创新，不仅改变被投行业，也将改变投资行业本身，例如利用AI自动生成投决报告、风控报告等，提升生产效率 [24] - 创业投资基金的总体供应量在萎缩，但创业者依然踊跃 AI智能体的发展可能催生更多无需大量启动资金的单一创业者，这对机构化VC如何捕捉和扶持这类机会提出了新挑战 [26][27] - 创业门槛在提升，尤其在硬科技赛道，需要创业者同时具备顶尖科学家和卓越企业家的素质 GP格局也在分化，未来国资GP、产业GP、市场化基金等将各有其定位和玩法，头部GP与其他GP的分化将加剧 [28] - 未来格局是动态的，很大程度上取决于未来市场中的投资人偏好和创业生态，特别是AI的叠加影响 GP需要适应资本端和资产端的变化，不断调整自身定位 [27]

谷歌的成功经验与早期决策 - 公司早期确立了宏大的使命宣言“整合全球信息”作为理念基础[4] - 公司创建时具有学术化基因，创始人均来自博士项目，重视基础研发投入[5] - 公司文化鼓励尝试并敢于挑战技术难题，这在AI等深奥技术领域变得尤为重要[5] - 公司早期招聘方向正确，吸引了大量数学、计算机科学和物理学背景的顶尖人才[6] 对AI发展的反思与当前格局 - 公司承认约8年前发布Transformer论文时未给予足够重视，投资不足，且因担心聊天机器人说蠢话而害怕向用户展示，这给了OpenAI机会[8] - 公司在神经网络研发上有长期积累，可追溯到Google Brain，并幸运地雇佣了Jeff Dean等关键人才[8] - 公司是早期使用GPU的公司之一，并开发了自有芯片TPU，该芯片已有约12年历史，经历了多代迭代[10] - 公司拥有大规模数据中心、自研半导体和深度学习算法等完整技术堆栈，使其能在现代AI前沿竞争[10] 对计算机科学教育与AI的看法 - 尽管AI编程能力不错，但编程因其巨大的市场价值以及能推动AI进步而依然重要，公司大量使用AI进行编程和算法创意[12] - AI在创意性写作（如比较文学）上可能比编程更容易，因为编程错误可能导致更严重的后果[12] 对未来大学形态的展望 - 未来大学可能不应再局限于地理位置，信息传播迅速和在线开放课程已改变了学习方式[14] - 远程工作与跨地域协作成为趋势，但特定规模下的线下协作效果可能更好[14] - 个人创造新事物的能力不一定依赖传统学位，公司雇佣了大量没有学士学位的优秀人才[14] 学术界与工业界的角色演变 - 从学术到产业的转化路径时间已被大幅压缩，一个想法从出现到落地可能只需几年，这挑战了传统学术研究的长期性[17] - 在AI等领域，工业界与学术界都在进行类似研究，学术界的“先行期”优势可能不再明显[18] - 在更激进、底层的创新（如全新模型架构、量子计算）上，学术界可能仍适合进行最初的探索[18] - 需要十年或更久的纯探索性研究，因时间跨度长不符合商业逻辑，可能仍是学术界不可替代的价值[19] 对创业者的建议与过往教训 - 创业者应避免在想法未完全成熟前过快商业化，并以Google Glass为例，指出其在成本效益和消费者体验未准备好时就推出的错误[21] - 创业者需警惕“以为自己是下一个乔布斯”的心态，应给予想法足够长的发展时间，避免被外部期望和开支裹挟[21] AI的未来发展方向 - AI进步的主菜是算法突破，其重要性已超过单纯扩展算力和数据[23] - 算法进步的速度在过去十年里超过了算力提升，历史上N-body问题的解决主要依靠算法改进[23] - 高校在算力受限的情况下，专注于如何用更少资源做更多事的创新，这是一条持续的研究路径[24] 被低估的技术领域 - 材料科学是一个被长期低估的方向，其在AI和量子计算等领域的应用潜力巨大[27][28] - 生物与健康领域，特别是分子科学和合成生物学，正在发生革命，但获得的关注度明显不如AI[28]