核心业绩概览 - 公司2026财年第一财季（截至2025年12月27日）总营收达1438亿美元，同比增长16%，创历史新高 [3][11][23] - 季度净利润为421亿美元，摊薄后每股收益为2.84美元，同比增长19%，均创历史新高 [11][29] - 公司整体毛利率为48.2%，环比提升100个基点，高于指引区间上限 [26][77] - 季度经营现金流达到创纪录的539亿美元 [29] - 公司活跃设备安装基数超过25亿台，在所有产品类别和地理区域均创历史新高 [15][24][34] iPhone业务表现 - iPhone季度营收达853亿美元，同比激增23%，创历史新高，所有地理分部均创下营收纪录 [3][4][11][12][31] - 增长主要由iPhone 17系列驱动，其在美国的客户满意度高达99% [4][31] - 大中华区营收同比增长38%，主要由iPhone推动，创下该地区iPhone营收历史最高纪录 [1][5][11][42] - 大中华区增长动力包括创纪录的升级用户和来自安卓阵营的两位数“转换用户”增长，线下门店客流量也实现强劲的两位数增长 [5][43][44] - 强劲需求导致供应链吃紧，渠道库存非常精简，公司处于“供应追赶模式” [4][39] 其他硬件产品表现 - 服务业务营收达300亿美元，同比增长14%，创历史新高，在发达市场和新兴市场均创纪录 [11][17][25][34] - iPad营收为86亿美元，同比增长6%，升级用户数量创历史纪录，购买客户中超一半为新用户 [13][32] - Mac营收为84亿美元，同比下降7%，主要因去年同期M4系列产品发布造成高基数对比，但安装基数再创新高，购买客户中近一半为新用户 [13][32] - 可穿戴设备、家居和配件营收为115亿美元，同比下降2%，部分受AirPods Pro 3供应限制影响，安装基数创历史新高 [14][33] AI战略与合作 - 公司宣布正与谷歌合作开发下一代“苹果基础模型”，以为今年晚些时候推出的更具个性化的Siri提供动力 [1][3][6][16] - 公司认为谷歌的AI技术将为苹果基础模型提供最强大的基础，通过合作能解锁大量新体验并进行关键创新 [3][73] - AI功能将保持个性化、注重隐私的特点，并在设备端和私有云计算中运行 [16][51][74][141] - 自Apple Intelligence推出以来，已引入数十项功能，并支持15种语言，在支持的iPhone中，大多数用户正积极使用其能力 [15][16] 供应与成本挑战 - 公司面临供应限制，主要源于生产最新SoC芯片所需的3纳米等先进制程节点产能不足，预计将持续影响下一季度 [1][7][40][128] - 内存价格大幅上涨，对第一财季毛利率影响有限，但预计将对第二财季产生更明显影响 [1][7][40] - 尽管存在供应和成本压力，公司预计第二财季毛利率仍将保持强劲，指引区间为48%至49% [7][37][40][81] - 有利的产品结构（尤其是高端iPhone机型占比提升）和规模效应是支撑毛利率的关键因素 [7][26][27][78][79] 下季度业绩指引 - 公司预计第二财季（3月季度）营收同比增长13%至16%，该指引已包含对iPhone供应受限的预估 [37][63] - 预计服务营收同比增长率将与第一财季相似 [37] - 预计运营费用为184亿至187亿美元，同比增长主要由更高的研发投入推动 [37] - 董事会已宣布每股0.26美元的现金股息，将于2026年2月12日支付 [37] 区域市场与增长动力 - 除大中华区外，公司在美洲、欧洲、日本以及亚太其他地区均创下历史营收纪录 [11] - 印度市场表现强劲，实现了强劲的两位数营收增长，并在iPhone、Mac、iPad和服务业务上创下季度营收纪录 [11][133] - 公司认为印度作为全球第二大智能手机市场，其市场份额仍相对较低，存在巨大增长机会 [134] - 在2025全年，公司认为Mac业务实现了市场份额提升 [120] 服务与生态系统 - 服务业务增长广泛，在广告、音乐、支付服务和云服务方面均创下历史营收纪录 [34][65] - Apple TV观看量在12月同比增长36%，其作品累计已获得超过650个奖项和3200多项提名 [17][18] - App Store在季度内创下纪录，平均每周迎来超过8.5亿用户，自2008年以来开发者累计收入已超过5500亿美元 [18] - 公司持续拓展服务，例如在Wallet中新增数字身份证功能，在App Store搜索中增加新广告位 [34][66]

公司上市计划与进展 - 公司正在加快推进上市准备工作 计划最早在2024年第四季度启动公开上市程序 [1] - 公司估值约5000亿美元 约合3.48万亿元人民币 [1] - 公司已开始与多家华尔街投行进行非正式接触 并持续扩充财务团队 为潜在IPO铺路 [1] 公司面临的挑战与风险 - 公司面临高速扩张带来的管理与运营压力 近期频繁调整高层架构 [1] - 核心消费者业务正遭遇谷歌的强力竞争 内部甚至宣布进入持续数周的“红色警戒”状态 [1] - 公司将迎来马斯克提起的诉讼审判 后者索赔金额高达1340亿美元 约合9321.16亿元人民币 [1] - 投资者质疑公司未来几年在AI算力基础设施与芯片合作上的数千亿美元投入 是否有足够收入支撑 [1] 管理层态度与竞争动态 - 公司CEO奥尔特曼对成为上市公司在某些方面期待 在某些方面感到麻烦 [2] - 奥尔特曼可能将部分上市后管理压力 交由负责产品与商业业务的前Instacart CEO菲吉·西莫承担 [2] - 公司内部对竞争对手Anthropic可能抢先上市感到紧迫 [2] - Anthropic已向金融合作伙伴透露 愿意在2024年年底前上市 [2] - 谁先上市 谁就更可能率先吸引公共市场资金 包括大量希望参与生成式AI浪潮的个人投资者 [2] 竞争对手情况 - 竞争对手Anthropic近期收入快速增长 很大程度来自其爆红的编程AI智能体Claude Code [2] - Anthropic正在推进新一轮融资 规模可能超过最初100亿美元目标 [2]

生成式AI - MiniMax发布Music 2.5，在段落级强控制与物理级高保真两大技术难题上实现突破，支持14种结构标签精准控制歌曲情绪曲线和乐器配置 [1] - 该模型针对华语流行音乐深度优化，极大减少吞字糊音问题，实现中英文无缝切换，人声具备细腻转音颤音和共鸣切换 [1] - 模型扩充至100+种乐器音色库，可根据摇滚、爵士、Lofi等不同风格自动调整混音策略，保持人声与伴奏清晰分离 [1] - 昆仑万维Skywork AI开源视频生成模型SkyReels-V3，支持参考图像转视频、视频延长和音频驱动虚拟形象三大核心能力 [2] - 其参考图像转视频功能可根据1至4张图像生成高保真视频，在一致性指标上超越Vidu Q2、Kling 1.6等主流商用模型 [2] - 视频延长功能支持单镜头和镜头切换两种模式，虚拟形象模型可从单张肖像生成分钟级音视频同步内容 [2] - 蚂蚁灵波开源世界模型LingBot-World，专为交互式场景设计，可实现近10分钟连续稳定无损生成和约16FPS实时交互 [3] - 模型具备长时序一致性和记忆能力，镜头移开60秒后返回场景中核心物体仍保持结构外观一致 [3] - 模型采用混合数据策略结合网络视频和游戏采集，具备Zero-shot泛化能力，可为具身智能提供低成本高保真的数字演练场 [3] - Kimi K2.5模型Agent办公能力升级，支持Word智能排版修订、PDF视觉设计图文混排、Excel数据分析金融建模和PPT自动生成 [4] - 该Agent可完成大量数据录入、多版合同比对、超长文档翻译、论文速转PPT等任务，将数小时工作缩减至十几分钟 [4] - 其能力实现Office技能“平权”，用户可像指挥金融分析师、版面设计师一样让AI完成DCF估值建模、出版级PDF画册等专业任务 [4] - 谷歌DeepMind发布AlphaGenome登上Nature封面，可一次性处理100万碱基对DNA序列，精准预测数千种基因调控分子信号 [5] - 模型在24项基因组轨迹预测任务中22项达SOTA水平，能在一秒内评估遗传变异对多种生物过程的影响 [5] - 该模型可用于罕见病诊断、癌症致病机制揭示、合成生物学设计等领域，模型代码和权重已向全球科研界开放 [5] 前沿科技 - Figure发布Helix 02模型，实现运动与操控统一，机器人能自主判断用脚踢门、用胯顶抽屉等拟人动作，无需预先训练 [7] - 其核心组件System 0以1000Hz频率运行，通过学习超1000小时人类动作数据实现类脊髓反射的平衡控制，删除了10万行手工C++代码 [7] - Figure估值达390亿美元，计划四年内生产10万台机器人，Helix 02连续执行61个运动操作动作展示了全身自主能力 [7] - 马斯克宣布Model S和Model X将于2026年Q2停产，为弗里蒙特工厂生产Optimus人形机器人腾出空间 [8] - 特斯拉2025年总收入948亿美元同比降3%，净利润同比降46%，销量同比降8.5%，已被比亚迪取代全球最畅销电动车称号 [8] - 马斯克称人形机器人将使特斯拉估值达25万亿美元，FSD付费用户已接近110万 [8] 报告观点 - Andrej Karpathy发文称其工作流在短短几周内从80%手写代码变为80%让AI写代码，预测2026年程序员将分裂为“喜欢写代码”和“喜欢造东西”两类 [9] - 他指出AI犯错本质已从语法错误变为概念性错误，会过度设计用1000行实现100行能搞定的功能，缺乏“奥卡姆剃刀”式审美 [9] - 他认为AI编程带来的不是加速而是能力边界扩张，让人开始做以前“不值得写”的工具，并预测2026年将迎来垃圾信息大爆发 [9] - 月之暗面三位联创在Reddit举行3小时AMA，回应K2.5自称Claude是因预训练数据上采样而非蒸馏，并称K2.5在多项基准已优于Claude [10] - 杨植麟透露K3将在Kimi Linear基础上加入更多架构优化，相信即便没比K2.5强10倍也会强很多 [10] - 周昕宇强调“创新往往诞生于约束之中”，团队有“把事情真正做成并落地”的共同价值观 [10] - PSPDFKit创始人Peter Steinberger退休3年后重返编程，用AI实现一天600个Commit，同时操控5-10个AI Agent [11] - 他提出“Pull Request已死”观点，更想看生成代码的prompt而非代码本身，认为闭环验证是AI编程核心秘诀 [12] - 他的Moltbot（原Clawdbot）一周内GitHub star从100涨到8万+，认为痴迷算法难题的工程师反而难适应AI开发 [12]

公司研发进展 - 英矽智能正式提名其口服小分子GIPR拮抗剂ISM0676为临床前候选化合物，用于治疗肥胖及相关代谢性疾病[5] - ISM0676被定位为可与现有GLP-1疗法联用的候选药物，旨在探索在减重效率、体成分保持及长期可持续性方面的潜在改进[5] - 在临床前研究中，ISM0676单药治疗在27天内使饮食诱导肥胖的人源化GIPR小鼠体重相对基线下降约10.4%[5] - 当ISM0676与司美格鲁肽联用时，在相同27天周期内减重效果放大至31.3%，而同期对照组体重增加约3%[5] - 临床前数据显示，体重下降主要源于脂肪组织减少，肌肉量相对保留[5] - 临床前评估显示ISM0676具备较好的体内代谢稳定性、较低的药物相互作用风险及相对可控的安全性窗口[8] - 该分子从项目立项到被提名为临床前候选化合物耗时约14个月，合成并测试的分子数量不足200个，研发过程由其生成式AI平台Chemistry42驱动[10] 药物作用机制与定位 - 从机制看，GIP参与调节胰岛素分泌、脂肪储存、骨代谢及中枢食欲调控，是代谢网络的关键信号节点[8] - 公司选择GIPR拮抗作为切入点，并将其定位为与GLP-1受体激动剂联用的补充机制[8] - 该联合用药策略的目标在于应对现有减重疗法中常见的疗效平台期、肌肉流失及停药后体重反弹等问题[8] - ISM0676被纳入公司心血管代谢疾病方向的管线布局，相关研究还覆盖肥胖相关的2型糖尿病及潜在的心血管并发症（如肥胖相关心力衰竭）等适应症[10] - 公司正尝试通过多靶点、小分子与联合用药策略，在GLP-1主导的减重治疗格局外寻找差异化补充路径[10] 行业背景与竞争 - 近年来，围绕GIPR信号的激活或拮抗在肥胖治疗中的作用机制存在不同路径探索[8] - ISM0676使公司在竞争日益激烈的小分子口服减重药物方向中具备了进一步推进的基础条件[8] - 文章提及的行业关注药物包括司美格鲁肽、替尔泊肽、玛仕度肽等多种GLP-1类药物，显示了该领域的活跃度[16]

公司业绩与市场表现 - ServiceNow股价一度下跌超过11% 最低触及115.01美元 创下超过八年新低 [1] - 公司2023年第四季度订阅收入同比增长21%至34.7亿美元 调整后每股收益为92美分 两项数据均超过市场预期 [1] - 截至2023年12月31日 年度合同价值超过500万美元的客户数量从上一季度的553家增加至603家 [1] 行业与市场观点 - 投资者担忧生成式人工智能技术将重塑行业格局 可能削弱ServiceNow的市场地位 [1] - RBC Capital Markets分析师Matthew Hedberg指出 尽管公司财报和业绩指引在很大程度上符合甚至好于预期 但股价下跌仍令人意外 这反映了当前市场对软件行业估值逻辑存在深刻分歧 [1]

财务数据和关键指标变化 - 2025年全年销售额和收入达到创纪录的676亿美元，同比增长4% [6][10] - 2025年全年调整后营业利润率为17.2%，处于目标区间内 [6] - 2025年全年调整后每股收益为19.06美元 [6] - 2025年全年MP&E自由现金流为95亿美元，连续第三年超过90亿美元 [6][25][47] - 2025年第四季度销售额和收入为191亿美元，创单季度历史新高，同比增长18% [8][25] - 2025年第四季度调整后营业利润率为15.6%，调整后每股收益为5.16美元 [8][27] - 2025年全年服务收入达到240亿美元 [11] - 2025年公司向股东回报79亿美元，其中52亿美元用于股票回购，27亿美元用于股息 [7][11] - 2025年公司已连续32年提高股息，保持“股息贵族”地位 [12] - 2025年第四季度总经销商库存减少约5亿美元，而去年同期减少16亿美元 [26] - 2025年第四季度营业利润同比下降9%，调整后营业利润约30亿美元，与上年同期基本持平 [26] - 2025年第四季度每股收益为5.12美元，剔除重组成本和养老金等市场公允价值变动影响后为5.16美元 [27] - 2025年第四季度全球年度有效税率为24.1%，高于2024年同期的22.2% [28] - 2025年因股票回购导致流通股数量减少，对第四季度和全年调整后每股收益分别产生约0.14美元和0.66美元的有利影响 [29] - 2025年新增关税的绝对美元价值为18亿美元，通过成本控制等措施缓解了约1亿美元，净增关税影响为17亿美元 [39] - 2026年预计销售额和收入将增长，可能接近5%-7%长期复合年增长率目标的上限 [15][37] - 2026年预计调整后营业利润率将超过2025年水平，但在预期销售额下仍接近目标区间的底部 [16][47] - 2026年预计资本支出约为35亿美元，MP&E自由现金流将略低于2025年 [16][41][47] - 2026年预计增量关税成本约为26亿美元，比2025年增加8亿美元 [40] - 2026年第一季度预计增量关税成本约为8亿美元，与2025年第四季度水平相似 [40][45] - 2026年预计重组成本约为3亿至3.5亿美元，全球年度有效税率（剔除离散项目）预计为23% [41] 各条业务线数据和关键指标变化 - **建筑机械业务**：2025年第四季度销售额增长15%至69亿美元，基本符合预期 [30] 2025年全年对用户销售额增长5%，增速超过全球行业水平 [12] 2025年第四季度利润同比下降12%至10亿美元，利润率下降470个基点至14.9%，主要受关税导致的制造成本上升影响（约600个基点） [30] 2025年第四季度对用户销售额连续第四个季度增长，上升11%，超出预期，北美增长强劲 [9] - **资源行业业务**：2025年第四季度销售额增长13%至34亿美元，符合预期 [31] 2025年第四季度利润同比下降24%至3.6亿美元，利润率下降510个基点至10.7%，主要受关税影响（约490个基点） [31] 2025年第四季度对用户销售额下降7%，符合预期，主要因煤炭价格疲软导致矿业客户资本支出谨慎 [9] 截至2025年底，共有827辆卡特彼勒自动驾驶卡车在运营，较2024年底的690辆有所增加 [13] - **能源与交通业务**：2025年第四季度销售额增长23%至94亿美元，超出预期，主要因发电和油气业务销量强于预期 [32] 2025年第四季度利润同比增长25%至18亿美元，利润率上升30个基点至19.6%，关税影响约220个基点 [32] 2025年全年该部门销售额创历史新高，发电业务销售额超过100亿美元，同比增长超过30% [10][14] 2025年油气业务销售额也创下纪录 [11] 2025年第四季度对用户销售额强劲增长37%，所有应用领域均实现两位数增长 [10] - **金融产品业务**：2025年第四季度收入增长7%至约11亿美元，主要因平均盈利资产增加 [33] 2025年第四季度利润增长58%至2.62亿美元，得益于利润率提高、保险服务损失率降低、平均收益增加以及信贷损失拨备减少 [33] 客户财务健康状况良好，期末逾期率为1.37%，下降19个基点，为有记录以来最低年终水平；拨备率为0.86%，为历史最低季度水平 [33] 零售信贷申请增长6%，零售新业务量同比增长10% [33] 各个市场数据和关键指标变化 - **北美市场**：建筑机械业务对用户销售额增长超出预期，得益于非住宅和住宅建筑的强劲增长 [9] 2026年北美建筑市场前景依然乐观，对用户销售额预计将较去年适度增长，基础设施投资和法案（IIJA）资金及其他关键基础设施项目支撑建设支出保持健康 [17] 数据中心投资加速预计将进一步提振整体建设支出 [17] - **欧洲、非洲、中东市场**：建筑机械业务对用户销售额小幅下降，符合预期 [9] 2026年欧洲经济状况预计将增强，非洲和中东的建筑活动预计将保持强劲 [17] - **亚太市场（除中国外）**：建筑机械业务对用户销售额小幅下降，符合预期 [9] 2026年亚太地区（除中国外）经济状况预计将保持温和 [17] - **中国市场**：2026年预计将出现积极势头，全年10吨以上挖掘机行业预计将实现增长 [17] - **拉丁美洲市场**：建筑机械业务对用户销售额出现增长，好于预期 [9] 2026年增长预计将继续保持与2025年相似的速度 [17] 公司战略和发展方向和行业竞争 - 公司启动了以盈利增长为核心的更新版企业战略，围绕三大支柱：卓越商业、先进技术领导力以及工作方式转型，所有这一切都建立在持续卓越运营的基础上 [22] - 数字化和技术举措，加上不断增长的装机基数，使公司有望在2030年前将服务收入增加至300亿美元的目标 [11] - 在建筑机械业务，公司通过成功的营销计划支持增长，并计划在2030年实现销售额较2024年基线增长1.25倍的目标 [12] - 在资源行业业务，公司正稳步推进2030年目标，即让在运营的卡特彼勒自动驾驶卡车数量较2024年增加两倍 [12] 例如，公司与巴西经销商Sotreq达成协议，为淡水河谷的90多辆混合车队提供自动驾驶解决方案 [13][14] - 在能源与交通业务，公司正朝着2030年发电销售额较2024年翻一番以上的目标取得有意义的进展 [14] 公司正在按计划进行多年努力，以将大型发动机产能翻倍，并将工业燃气轮机产能增加一倍以上 [14] - 公司预计所有三个主要部门都将受益于约2%的有利价格实现以及服务收入的持续增长 [16] - 公司预计2026年所有三个主要部门都将实现销量增长 [15] - 公司致力于为长期盈利增长进行投资，包括将影响折旧费用的产能投资以及更高的技术和数字支出 [38] - 公司预计随着时间的推移，将管理关税的影响，目标是使调整后营业利润率在目标区间中点附近运行 [16] - 公司预计随着时间的推移，将绝大部分MP&E自由现金流回报给股东 [12][34] - 公司在2026年国际消费电子展上展示了工业人工智能和自动驾驶的下一阶段，推出了新的卡特彼勒AI助手，并承诺投入2500万美元用于培养未来劳动力 [22][23] - 公司认为其在发电领域是市场领导者，拥有最广泛的产品组合（38兆瓦以下的涡轮机和发动机）以及最快的解决方案交付速度之一 [82] 管理层对经营环境和未来前景的评论 - 创纪录的销售额和收入以及创纪录的积压订单证明了终端市场的实力和团队强大的执行力 [7] - 创纪录的510亿美元积压订单为今年开局提供了强劲动力 [15] 大约62%的积压订单预计在未来12个月内交付，低于历史平均水平 [15] - 在能源与交通业务，随着公司与客户密切合作根据其项目时间表安排工厂订单，开始获得多年的能见度 [15] - 2026年建筑机械业务对用户销售额预计将增长，受到较高订单率和强劲积压订单的支持 [17] 经销商租赁车队装载量和租赁收入预计均将比2025年增加 [17] - 2026年资源行业业务对用户销售额预计将增加，主要受铜和黄金需求上升以及重型建筑、采石和骨料领域的积极动态推动 [18] 大多数关键商品价格仍高于投资门槛，客户产品利用率高，车队机龄仍然较高 [18] 随着2026年商品价格预计小幅上涨，预计重建活动将比去年略有增加 [18] - 2026年能源与交通业务前景乐观 [18] 发电业务增长预计将受到数据中心建设相关的云计算和生成式人工智能带来的能源需求增加的推动 [19] 公司开始看到主要电力订单趋势上升，因为数据中心客户寻找替代电源解决方案以跟上其增长步伐 [19] 例如，公司宣布从美国智能与电力公司获得一份2吉瓦往复式发电机组的主要电力应用订单，用于支持Monarch Compute Campus的初始开发阶段 [19] 这是公司最大的完整电力解决方案单一订单之一 [19] 该订单价值将反映在2026年第一季度的积压订单中，预计从2026年底到2027年开始交付发电机 [19] 这是公司预订的至少包含1吉瓦卡特彼勒设备的数据中心主要电力订单中的第四个 [20] - 在达到2025年创纪录水平后，2026年油气业务预计将实现适度增长 [20] 往复式发动机销售额预计将增加，受气体压缩应用的强劲需求推动 [20] Solar Turbines的油气积压订单保持健康，订单和询价活动持续稳健 [20] 因此，预计2026年涡轮机销售额将保持强劲，与2025年的创纪录业绩相当 [20] - 工业应用的产品需求预计在2026年将适度增长，公司看到从先前低点的持续复苏 [21] - 在交通业务，预计2026年全年铁路服务和机车交付将实现增长 [21] - 公司预计2026年第一季度的销售额将是全年最低的，这符合正常的季节性模式 [38] - 公司预计2026年机器经销商库存将增加，而2025年减少了5亿美元，这对2026年销售额是一个有利因素 [37] - 公司预计2026年第一季度将出现超过10亿美元的典型季节性机器经销商库存增加 [42] - 公司预计2026年增量关税成本中，约50%将影响建筑机械业务，20%影响资源行业业务，30%影响能源与交通业务 [46] 其他重要信息 - 截至2025年底，公司企业现金余额为100亿美元，并持有12亿美元的稍长期限的流动性有价证券以提高现金收益 [34] - 公司预计在2026年第一季度执行一笔比2025年初执行的30亿美元加速股票回购计划规模更大的加速股票回购 [34] - 公司将在2026年3月提交8-K文件，重新列报历史数据，以反映将铁路部门从能源与交通业务移至资源行业业务的变化 [35] 此举旨在为评估未来部门层面的业绩和预期建立适当的基线，对企业层面的假设没有影响 [36] - 公司联网资产数量已增长至超过160万台 [11] - 对二手设备的需求保持健康，价格相对稳定，库存处于历史低位 [34] - 租赁期末更多客户选择购买设备，转化率保持在历史平均水平以上 [34] 总结问答环节所有的提问和回答 问题: 关于积压订单的强劲增长，其他部门的情况以及长期交付的定价和成本管理 [50][51][52] - 回答: 积压订单达到510亿美元，较上年同期增长70%，较第三季度末增加110亿美元 [54] 第四季度所有三个部门的订单都很强劲，不仅是能源与交通业务 [54] 建筑机械业务订单表现是有史以来最好的季度之一，资源行业业务订单率是自2021年以来最好的季度之一，能源与交通业务订单也非常强劲 [55] 对于长期订单，公司与客户有框架协议，其中包含通胀指数定价条款；对于非框架协议，如果超过正常的12个月期限，通常会有价格 escalator [57] 公司对第四季度的订单表现和未来前景感到非常满意 [58] 问题: 关于2030年50吉瓦发电产能目标的分阶段进展、产能过剩风险、订单条款和服务协议 [60][61][62] - 回答: 产能规划考虑了所有行业的需求，包括油气和发电 [63] 产能增加不仅涉及成品组装，还包括供应链、零部件加工以及支持服务业务增长的产能 [64] 预计第一波产能大幅提升将在2026年底至2027年初到来，涡轮机产能随后跟进 [65] 公司每周与超大规模数据中心客户沟通，确保与他们的计划保持一致 [65] 对于主要电力或连续运行的气体压缩应用， overhaul 周期将带来巨大的服务业务机会 [64] 问题: 关于2026年约7%的销售增长指引与积压订单强劲增长之间的 reconciliation，以及关税影响是否已考虑定价行动 [67][68] - 回答: 关税影响的8亿美元增量成本未考虑任何定价行动，2%的定价行动是独立的 [69] 销售指引需考虑建筑机械业务经销商库存的变化：2025年第一季度库存几乎没有增加，而2026年第一季度预计将增加超过10亿美元，这影响了积压订单与销售增长的关系 [70] 能源与交通业务目前受到产能限制，销售指引基于现有产能；如果产能能提前上线，下半年可能会有上升空间 [71] 问题: 关于AIP订单中电池储能系统的机会占比以及BESS产品的产能情况 [73] - 回答: 该订单大部分是天然气发电机组，如果包含电池，也只占总额的一小部分 [74] 产能规划已考虑此类需求，公司认为能够跟上主要电力业务的增长 [74] 主要电力业务将有助于未来的服务业务 [74] 问题: 关于主要电力应用中备用柴油发电机与BESS的未来角色，以及2026年发电业务收入增长势头 [76] - 回答: 目前发电业务的需求不是问题，限制在于供应链产能 [77] 目前看到的主要电力应用仍然使用备用发电机组，而不是100%的电池备份，并且使用快速启动的燃气发电机组作为备用电源 [77] 公司正在尽最大努力增加产品供应，如果产能提升计划能超前完成，可能会带来额外增长 [77] 问题: 关于积压订单增长中是否存在一次性因素或订单前置，以及2026年积压订单能否继续实现两位数增长，公司是否在夺取市场份额 [79] - 回答: 第四季度订单没有因无法发布而显著前置的重大项目 [81] 资源行业业务的订单可能具有波动性，不能指望每个季度都重复 [81] 积压订单是一个 nuanced 的数字；公司更关注在订单增加的同时尽可能多地交付产品 [82] 公司在建筑机械业务中增速超过行业，在发电领域是市场领导者，拥有最广泛的产品组合和较快的交付速度 [82] 公司对竞争地位和今年的发展势头感到满意 [83] 问题: 关于涡轮机业务在公用事业调峰电厂应用中的进展，以及2026年涡轮机出货量与2025年创纪录水平持平的指引是否考虑到了Titan 350的产能爬坡 [85] - 回答: Solar Turbines在2025年创下纪录，预计2026年业绩相当 [86] 产能提升计划刚于去年宣布，对2026年业绩影响不大 [86] 预计2026年将看到更多大型机架（如350型）的出货 mix [86] Solar的业务传统上 heavily weighted towards 油气，该业务仍然非常强劲，但现在也开始看到更多业务 mix 转向发电 [88] 问题: 关于Monarch Compute Campus项目中废热利用的效率比较，以及此类项目的询价和活动渠道情况 [92][93] - 回答: 对于希望快速进入市场的客户来说，自带电源是一种方式，公司可以支持他们 [94] 公司致力于与客户合作，利用废热进行冷却，以提高整个项目的效率和财务竞争力 [95] 公司宣布了与Vertiv的合作关系，并正在就此类高效解决方案与客户进行大量讨论 [95] 公司的产品组合允许根据客户现场的具体情况（燃料可用性、规模等）配置最佳解决方案，团队拥有丰富的微电网经验 [96] 问题: 关于建筑机械业务的需求驱动因素分解：正常更换需求、数据中心活动支持以及2026年市场份额增长预期 [99] - 回答: 预计北美市场将继续保持强劲，数据中心建设不仅利好能源与交通业务，也推动了大量建筑活动 [100] 还有许多其他建筑项目正在进行，基础设施投资和法案资金继续提供支撑，中东市场尤其强劲，中国市场有望从低位复苏 [101] 公司去年通过营销计划成功超越行业增速，并计划继续推出新举措，对建筑机械业务的能力充满信心 [102] 部分订单强劲是回归更正常季节性模式的结果，但对行业前景有充分信心 [102]

行业趋势与核心观点 - 生成式AI的快速演进在过去两年深刻影响了全球科技产业，行业共识正从内容生成转向更高价值的企业决策环节[2][3] - 到2027年，**50%**的商业决策将由决策智能类AI智能体辅助或自动化完成[3] - 当AI介入业务决策时，企业面临的核心问题从模型能力转向可解释性、可控性与逻辑可靠性[3] - 企业级AI的核心在于是否具备系统性的推演与判断能力，而非模型参数规模[5] 公司战略与定位 - 中科闻歌选择了一条不同于通用大模型厂商的路径，专注于决策智能[5] - 公司认为，如果AI只能生成答案而无法解释判断过程，就不可能进入企业的决策中枢[5] - 公司名称“闻歌”取自“闻弦歌而知雅意”，隐喻决策智能的核心是从数据表象中洞察因果联系并推演未来趋势[7] - 公司成立于2016年，创始团队来自中国科学院自动化所，选择离岗创业以将算法研究应用于解决产业场景中的复杂问题[7] - 成立8年来，公司围绕决策智能持续深耕，其系统已在政务、金融、能源、媒体等高复杂度场景实现规模化应用[7] 技术架构与方法论 - 公司意识到许多决策难题并非算力不够，而是规则、经验和因果关系从未被系统性地表达出来[8] - 公司逐步搭建起从数据感知、认知理解到决策执行的完整链路，形成了DIOS认知与决策基础平台[8] - 面对2022年底兴起的大模型浪潮，公司认为对于政企和高责任场景，黑盒模型不能直接进入决策中枢，AI决策必须是安全、可控且理解行业逻辑的[10] - 公司随后启动了自研大模型“雅意”，并同步完成研发体系调整[10] - 公司提出DOMA决策智能架构，系统性回应“企业如何用AI做决策”的问题，其核心是“先把决策逻辑说清楚，再让AI去执行”[10] - DOMA架构包含四层结构：Data数据层用于刻画现实运行状态；Ontology领域本体层用于固化决策逻辑；Models专用模型层用于完成受约束推理；Agents智能体层用于推动决策落地[12] - 通过DOMA架构，AI能在可解释、可追溯的推演空间中给出具备逻辑链条的决策建议，使AI逐步成为决策体系本身的一部分[13] 应用落地与行业实践 - 在大量企业实践中，AI多停留在信息检索、内容生成等辅助环节，而资源配置、风险判断、战略选择等关键决策仍高度依赖人工经验[10] - 目前，中科闻歌的决策智能系统已在金融、能源、媒体、政务等多个高复杂度场景中落地[15] - 随着决策能力被持续工程化、平台化，公司正将这套方法论向更多关键行业复制[15] 发展理念与长期愿景 - 决策智能是一项“重工程”，需要长期深入行业、清洗复杂数据并与客户反复打磨业务逻辑，这条路不追逐短期风口但能沉淀真正的组织能力[13] - 决策不能靠一次模型升级解决，必须被做成一套可以持续演进的系统[13] - 在不确定性加剧的时代，企业需要的是一套能够理解复杂性、具备逻辑韧性并深度嵌入业务核心的决策智能系统[15] - AI的真正价值在于成为组织决策体系的一部分，帮助组织在不确定性中形成稳定、可解释、可复盘的判断，而非替代人[15] - 这正是中科闻歌长期坚持的方向[15]

报告行业投资评级 * 报告未明确给出行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][16][17][18][19][20][21][22][23][24][25][26][27][28][29][31][32][33][34][35][36][37][38][39][40][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124][125][126] 报告核心观点 * 人工智能技术正从“科技图腾”加速蜕变为支撑各行业发展的“数字基础设施”，为人力资源领域带来重构工作流程、提升运营效率及推动从业者角色向战略决策赋能者跃迁的机遇 [13] * 当前AI在人力资源领域的应用存在理想与现实的显著差距，多数企业尚未找到“价值锚点”和“落地路径” [14] * 企业应通过寻找并成功实施企业内的第一块“AI试验田”来突破应用瓶颈，其核心目标是建立AI能力，而非追求短期高产出 [11][28][29][31] * 企业规模越大，AI技术应用的战略紧迫性越强，70.70%的企业已在战略层面布局应用AI技术 [25][46][48][49] * AI在人力资源领域的应用正从“尝鲜”阶段向“深度”和“广度”扩展，未来投入将持续增加，技术将催生更强大的数据洞察与决策支持能力 [25][47] 全球AI技术发展趋势 * **多模态融合深化**：AI能同时处理文字、图片、语音和视频，与人类的互动更拟真、全面，提升员工体验的自然度和效率 [16][42] * **智能代理（AI Agent）崛起**：AI从完成单一任务转向能自主完成复杂端到端流程的“虚拟员工”，将重塑企业未来的用工策略 [16][42] * **模型轻量化与成本下降**：模型能力密度提升，轻量化技术普及，使得AI部署难度和训练使用成本大幅降低，让更多企业能在人力资源各场景中部署AI工具 [16][17][42] * **人形机器人技术突破**：人形机器人领域取得进展，人力资源从业者可能需要重新设计工作场所、岗位要求和培训方式以适应新的人机协作模式 [18][42] 中国本土AI技术发展趋势 * **国产模型崛起与成本优势**：以DeepSeek为代表的国产模型以低成本实现高性能（推理成本仅为OpenAI的1/30），HR在选型时拥有更多优秀的本土服务商选择 [19][22][44] * **AI服务深度融入日常工具**：AI服务将深度融入办公软件、内部APP及微信小程序，员工通过手机即可体验智能服务，普遍提升HR部门效率 [19][44] * **数据安全与合规性增强**：使用国产AI平台处理敏感员工数据风险更低、更符合中国法规要求，让HR在数字化进程中更安心 [19][44] * **AI硬件与场景结合**：AI眼镜、陪伴机器人等设备进入生活和工作场景，为企业利用AR/VR进行沉浸式安全培训、操作演练等提供技术基础 [21][44] 企业AI技术战略布局现状 * **战略布局普遍化**：70.70%的参调企业已在战略层面布局应用AI技术 [48][49] * **规模驱动紧迫性**：企业规模越大，在战略层面布局应用AI技术的比例越高，10,000人及以上的大型企业中该比例达79.28% [25][46][51][57] * **HR部门应用广泛**：近7成（69.78%）企业的人力资源部门已在工作中使用AI技术 [53][55] * **战略牵引作用明显**：在战略层面已布局AI的企业，其HR部门使用AI技术的比例（79.28%）显著高于未战略布局的企业（40.22%） [57][58] 人力资源AI应用挑战与投入 * **主要应用障碍**：尚未在人力资源领域使用AI技术的企业中，安全性与合规性（26.73%）、内部预算与资源限制（22.77%）、技术选型与落地难度（21.78%）是三大主因 [63] * **成本门槛**：AI应用存在技术发展周期导致的早期高成本问题，以及稀缺AI工程师带来的高昂人力成本 [64] * **人力投入模式**：39.44%的企业设置专人或项目小组推进并配有专人运维，同时也有39.44%的企业仅由HR部门自行探索，尚无公司层面人力投入 [76] * **资金投入现状**：83.57%的企业在人力资源领域的AI资金投入暂无明确计算，处于“用一点算一点”的状态 [78] * **未来投入意愿强烈**：未来2年内，63.85%的参调企业计划增加在人力资源领域AI应用的预算投入 [80] 人力资源AI应用成熟度与收益 * **成熟度处于初级阶段**：绝大部分企业处于“组织整体观望，员工自发探索”（Level 1）和“组织投入度尚可，已选择重点场景试水”（Level 2）阶段，仅11.27%进入“组织投入度高，已在多场景有多模态应用”（Level 4） [68][69] * **收益衡量尚不普遍**：近半数企业尚未衡量应用AI后的收益，仅15.96%的企业有较为明确的衡量方式 [82][83] * **收益感知积极**：在已衡量的企业中，88.24%的收益符合或超过企业预期；即使未衡量，80.00%的企业从感知层面认为收益符合或超过预期 [85][87] * **效率提升是核心收益**：在招聘场景已使用AI的企业中，74.82%认为收益主要体现在招聘效率（时间节约、精准度提升）层面 [117][118] AI在人力资源的具体应用场景分布 * **先行（当前主要）应用场景**：招聘与配置、培训与开发、员工体验提升是当前AI应用最广泛的三大场景 [12][92][94][95] * **高潜（未来重点）应用场景**：绩效管理、数据应用及综合分析（如组织效能诊断、离职风险预测）是未来值得关注的“高潜”场景 [12][92][100] * **招聘场景应用环节**：在已应用AI的招聘场景中，招聘流程管理（JD生成、简历匹配、AI面试等）是应用最广泛的环节（68.97%），人才情报形成（36.69%）和候选人关系管理（27.34%）也是重点 [105][107] “AI试验田”选择与实践 * **选择“试验田”的必要性**：针对AI应用“理想丰满，现实骨感”的矛盾，需要通过成功的“试验田”项目破局，建立组织对AI的信心和能力 [14][29] * **“试验田”选择原则**：需平衡“高产出”与“低风险”，但建立AI能力是首要目标，短期收益并非唯一考量 [31] * **成功实践案例（敏实集团）**：从招聘流程痛点切入，定义了多场景AI外呼机器人、共享人才库、AI视频面试等模块，并通过严格的供应商筛选和真实场景测试来确保项目成功 [120][121][122][123][124][125][126]

思科CEO对生成式AI热潮的观点与行业展望 - 思科系统董事长兼CEO查克·罗宾斯警告，生成式AI热潮最终会出现赢家，但在赢家浮现之前，过程中会有一片狼藉 [1] - 罗宾斯认为AI的影响将"比互联网更大"，但目前市场很可能存在泡沫，一些公司最终"撑不过去" [1] - 罗宾斯将AI比作iPhone，认为未来会不断出现新的应用方式，就像智能手机催生了无数新产品一样 [3] AI对就业与网络安全的影响 - AI不仅会改变部分工作岗位，甚至会"消灭"一些岗位，尤其是在客户服务等领域，企业将需要"更少的人" [1] - 罗宾斯承认一些岗位会消失，另一些岗位会被改变，但劳动者只要学会使用AI，就仍然可以继续发展 [3] - AI在网络安全上带来威胁，会让网络攻击更强大，也会让邮箱里的诈骗看起来更加真实 [3] 思科的历史背景与当前角色 - 2000年的思科曾是全球市值最高的公司，但互联网泡沫破裂后，思科市值一度暴跌80% [3] - 此后，思科逐步恢复元气，并与英伟达等公司合作，为AI时代提供关键基础设施支撑 [3] - 罗宾斯以2000年互联网泡沫为例，指出虽然当时存在泡沫，但最终世界被改变，AI的发展也将遵循类似路径 [3] 对AI投资与市场发展的判断 - 罗宾斯指出，资金会投向一些最终活不下去的公司，但真正成功的企业会留下来，应用场景也会逐步演化出来 [3] - 罗宾斯强调，劳动者应该拥抱AI，而不是恐惧AI [1] - 罗宾斯认为，与其担心AI抢走工作，不如担心某个非常擅长用AI的人抢走工作 [3]

Gemini AI推出免费SAT备考功能 - 谷歌宣布其AI模型Gemini上线免费的SAT全长练习测试功能，用户可生成完整模拟试卷并获得即时反馈、错题解析与个性化学习建议 [1] - 该功能覆盖了备考链条中最标准化、可规模化的环节，包括模考训练、讲解反馈，并与The Princeton Review等传统备考机构合作提供内容支持 [2][4] - 此举将备考流程中最关键的训练节点直接下沉到免费层，触及了传统SAT备考服务中原本最具商业价值的环节 [4] 对标准化备考行业的影响 - 标准化备考中可规模化的交付部分正被重新定价，题库内容、讲解产品及中腰部辅导班长期依赖的溢价空间面临压力 [1][5] - 压力首先传导至中间层产品，如题库订阅、标准化讲解课程，因其交付高度标准化、可替代性强，用户易因入口便利性迁移 [5][6] - 行业案例显示，生成式AI工具已对依赖题库和订阅收入的内容型平台造成冲击，例如Chegg在2025年因AI竞争压力进行了裁员和业务重组 [6] - 部分备考机构正改变角色，进入平台体系成为内容与服务供给侧，如The Princeton Review与谷歌的合作 [6] - 行业价值将被迫向更难标准化的交付环节上移，如长期陪伴和复杂的个性化策略 [5][8] 教育AI的竞争格局与发展路径 - 教育AI的竞争正从单点答疑走向过程介入，平台争夺的是学生在备考与学习中的入口位置与使用习惯 [7] - OpenAI在2025年推出ChatGPT Study Mode，强调通过分步引导帮助学生理解问题 [7] - 可汗学院持续升级其AI产品Khanmigo，并将其进一步嵌入课程体系与课堂支持中，使其更贴近真实教学流程 [7] - 对比国内路径，如作业帮等平台，其“免费”更多以AI智能答疑作为入口，通过会员与增值服务完成分层 [4] AI工具普及带来的新命题与挑战 - 免费AI私教的普及使学习成果的验证变得更难，教育系统需要回答能力如何被衡量、学习是否真实发生的问题 [8][11] - 国际组织如联合国教科文组织和OECD已提出相关治理框架和政策考虑，关注生成式AI可能带来的公平、隐私、学习依赖及表面理解等风险 [9] - 备考行为将发生迁移，学生间的差异可能从课程购买转向学习策略与管理能力，即谁能更有效地管理学习节奏并避免工具依赖 [11] - 考试与教学系统需要重新划定AI的使用边界，明确在课堂训练、作业评价与考试测量等环节中，哪些可以开放使用工具，哪些必须独立完成 [11] - AI进入备考可能推动整个标准化考试体系进入新的适配周期 [11]