阿里巴巴组织架构调整 - 阿里巴巴于3月16日成立Alibaba Token Hub事业群，由CEO吴泳铭直接负责[3] - 新事业群以“创造Token、输送Token、应用Token”为核心目标[3] - 该事业群整合了通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新事业部，覆盖从基础模型研发到个人与企业端AI应用的完整布局[3] 新事业群具体业务分工 - “创造Token”由通义实验室负责，任务是创造领先的多模态模型[3] - “输送Token”由MaaS业务线负责，作为大模型服务平台面向企业客户[3] - “应用Token”由千问事业部、悟空事业部及AI创新事业部负责，面向B端和C端用户的AI入口[3] 新业务单元与战略方向 - 悟空事业部首次公开，定位为“B端AI原生工作平台”，关注将模型能力深度融入企业工作流[3] - AI创新事业部的成立旨在快速验证AI应用的新模式和新市场[3] - 此举意味着阿里巴巴在发力C端AI入口之战的同时，也将重点布局B端AI应用市场[3] 公司战略转型与行业背景 - 阿里巴巴正从追求技术领先的探索，全面转向追求商业落地的应用爆发，以“Token”而非模型或算力为主线整合AI版图[5] - 公司调整了过去几年更专注基础大模型的AI路线，为应对智能体时代加速到来的行业竞争，从组织架构上整合兵力[5] - 此次整合旨在加强基础大模型与应用端的协同，此前千问大模型技术负责人林俊旸离职的部分原因被指与集团希望加强协同的战略不符[5] 对AGI与Token经济的展望 - 公司CEO吴泳铭认为当下正处于AGI爆发前夜，未来大量数字化工作将由数以百亿计的AI Agent支撑[4] - 这些AI Agent将由模型产生的Token支撑运行，成为人类与数字世界交互的主要载体[4] - 公司相信“模型 + 智能体”是走向AGI的路径，“模型即产品”的论断正在成为过去[6] - 未来可能有超过全球人口数量的Agent和机器人与人类一起工作，Agent将成为消耗Token的主力[5]

行业核心动态：AI智能体与下一代模型架构的演进 - 谷歌与微软联合推出并开源WebMCP协议，使AI智能体可通过API直接调用网页底层功能，无需依赖截屏或模拟点击等低效方式 [1] - 智谱推出为OpenClaw龙虾场景深度优化的GLM-5-Turbo模型，强化工具调用、长链路执行等能力，盲测中90%用户认为其优于其他国产模型 [2] - 月之暗面发布注意力残差（AttnRes）论文，用动态注意力机制替代传统残差连接，在Kimi Linear架构上验证后使GPQA-Diamond基准提升超20%，计算效率相当于1.25倍算力基线 [3] - Sam Altman预言下一代AI架构将彻底颠覆Transformer，性能跃升不亚于当年Transformer对LSTM的颠覆，并认为AGI可能在两年内降临 [10] - 后Transformer架构竞争已启动，例如Mamba第三代架构推理吞吐快5倍，英伟达全线新模型切换混合架构 [11] 智能体（Agent）生态与应用发展 - 智谱同步发布针对Agent场景的龙虾套餐（个人版和Team版），以解决tokens消耗高的问题，并推出企业级Claw安全管理体系 [2] - 腾讯元宝App更新后，用户可将OpenClaw龙虾接入“元宝派”社交功能，实现多人共同养虾、龙虾互动的社交化Agent体验，生态从“人+Bot”扩展为“人+Bot+龙虾” [4] - 腾讯电脑管家上线“龙虾管家”功能，为OpenClaw提供全套安全防护，包括文件保护、端口暴露检测等，针对当前38万个OpenClaw实例公网暴露的安全隐患提供解决方案 [5][6] - UniPat AI开源SWE-Vision极简视觉智能体框架，仅用两个工具和约五百行代码，通过让多模态模型编写Python代码来分步处理视觉任务，显著提升基础感知任务精度 [7][8] 模型与智能体能力突破 - 陈天桥旗下MiroMind发布MiroThinker-1.7和H1重型推理智能体，在BrowseComp（88.2%）、GAIA（88.5%）等基准上刷新SOTA [7] - MiroMind H1采用智能体原生训练和以验证为核心的重型推理模式，在实测中提前15天预测黄金价格误差仅0.08% [7] - 智谱GLM-5-Turbo在工具调用稳定性和长任务执行方面获得多家大厂内测团队高度评价 [2] - UniPat AI的SWE-Vision框架揭示了视觉领域的新方向：通过test-time scaling（多写代码）而非仅靠延长思考时间来提升任务精度 [8] 行业风险与监管动向 - 315晚会曝光GEO（生成式引擎优化）黑产，商家可通过几篇软文、几小时即可让虚构产品出现在主流大模型的推荐结果中，涉事公司一年服务200多客户 [9] - 被曝光系统套餐价格从2980元到16980元/年不等，高级版每天可生成63篇虚假软文 [9] - 国家市场监管总局已将AI生成广告列为2026年互联网广告监管重点，将开展集中整治 [9]

阿里巴巴组织架构重塑 - 公司于3月16日宣布成立Alibaba Token Hub事业群，由CEO吴泳铭直接挂帅，整合了通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新部[1] - 此次重组是全球科技巨头中首次彻底摒弃按产品线划分的传统逻辑，转而以“Token流转”为核心组织原则重构AI版图[2] - 新组织ATH的使命是“创造Token、输送Token、应用Token”，覆盖从基础模型研发、模型服务平台到C端和B端AI应用的完整链条[6][9] AI行业Token消耗趋势 - 全球Token消耗量正经历“寒武纪大爆发”，驱动力来自AI Agent[3] - 当AI从“聊天”转向“办事”，推理模型每次查询的Token消耗比普通模型高17倍以上，Agent工作流消耗更是传统聊天的100倍[3] - 谷歌CEO皮查伊在2025年10月透露，谷歌每月处理的Token数量已达1.3千万亿个，较一年前暴增约130倍[4] 阿里巴巴AI业务增长数据 - 阿里云百炼平台的API调用量在去年一年内增长接近100倍[5] - 千问模型全球下载量突破10亿次，并在OpenRouter全球市场份额中占比超12.3%，超越OpenAI和Llama系列[5] - 千问App自去年11月公测起，3个月内月活跃用户突破2.03亿[7] - 百炼的Coding Plan订阅服务因需求持续快速暴涨超出预期，上线约两个月后被迫暂停首购优惠[5] 与谷歌DeepMind整合案例对比 - 谷歌在2023年4月将Google Brain和DeepMind合并，由Demis Hassabis统帅，以应对外部竞争和内部资源内耗[10] - 合并后8个月发布Gemini 1.0系列模型，次日Alphabet股价涨5.3%[11] - 到2026年1月，Gemini市场份额从一年前的约5.7%跃升至21.5%，全球月活用户达7.5亿[11] - Alphabet市值在2026年1月12日历史性突破4万亿美元[11] - 从合并重组到市值巅峰，耗时不到3年[12] ATH整合的潜在优势与关注点 - ATH的整合版本比谷歌更领先，一步到位将模型研发、MaaS平台、C端和B端应用全部整合，覆盖Token完整生命周期，而谷歌DeepMind的整合前后经历了约18个月[14] - 首次亮相的悟空事业部定位B端AI原生工作平台，旨在将模型能力深度融入企业工作流[15] - ATH还将监管钉钉和夸克品牌下的设备，钉钉在中国企业市场拥有超过7亿用户，为B端AI应用提供了强大的分发基础[15] - 公司自2023年9月确立“AI驱动”战略，到2025年2月抛出3800亿元人民币资本开支计划，再到ATH成立，完成了“战略宣言→资本配置→组织重塑”的闭环[17] 行业竞争格局演变 - ATH的成立宣告AI战争从“模型军备竞赛”正式进入“Token供应链之争”[20] - 行业竞争的关键在于谁能率先完成从底层算力到顶层应用的全链条整合，从而掌握下一个十年的定价权[20]

投资评级与核心观点 - 首次覆盖智谱，给予“买入”评级，目标价737.01港币 [1] - 核心观点：公司致力于通用人工智能模型创新，GLM系列模型全球开源领先，对标海外头部闭源模型，走出了MaaS商业化路径，有望成为未来全球AGI竞争中的重要受益者 [1] 市场前景与商业化路径 - 2024年中国LLM市场规模为53亿元，其中企业端贡献47亿元；预计2030年市场规模将达到1011亿元，企业端约904亿元 [2][19] - 面向企业的MaaS服务是国内实现产品市场匹配的较优路径，企业侧ROI可量化与交付体系完善背景下，智谱MaaS具备较强适配性 [2][19] - 智谱自2021年起商业化MaaS，截至2024年末机构客户达5,580家 [2][19] 商业模式与产品矩阵 - 公司采用“云端+本地”双形态覆盖企业级LLM的差异化交付需求 [3][20] - 云端部署通过工具链、应用开发平台及API服务降低接入门槛，支持快速调用 [3][20] - 本地部署通过定制化软件与服务满足企业自有IT环境、特定场景与合规要求 [3][20][24] - 围绕GLM统一底座，构建“深度思考-认知-工具使用”能力分层，形成反思模型、多模态模型与智能体模型三类矩阵，提升跨场景复用与迭代效率 [3][20] 模型能力与竞争地位 - 智谱GLM系列模型全球开源领先，GLM-4.7的Coding与Agent能力走强带动需求集中释放 [1][21] - GLM-5在“Agentic Engineering”上已体现出较强可用性，在SWE-bench-Verified与TerminalBench2.0等评测中表现领先 [5][23] - 据Artificial Analysis榜单，GLM-4.7的Agent能力位居前列，GLM-5的Agent能力位居全球第四、开源第一 [23][52] - 公司是中国最大的通用大模型独立开发商，模型性能处于国内第一梯队 [6][55] 定价策略与迭代范式 - 需求从“尝鲜试用”向“常态化生产”迁移，GLM-4.7上线后出现算力紧张，公司采取“限售+涨价”策略 [4][21] - GLM Coding Plan套餐自2026年2月12日起结构性上调，整体涨幅自30%起 [4][21] - 公司提出布局在线学习/持续学习路径，模型有望从静态产品走向可迭代系统，Scaling Law或迈向以“持续进化”为核心的3.0阶段 [4][21] 财务预测与增长驱动 - 预测公司2025-2029年总收入分别为人民币7.5亿元、15.7亿元、31.5亿元、59.8亿元、107.7亿元，2023-2027E收入CAGR约123% [6][36][46] - 收入高增长主要由本地部署和云端部署双轮驱动 [26][28] - 本地部署收入占比高且毛利率稳定，2024年收入2.64亿元，占总收入比重84%以上，毛利率为66.0% [24][27] - 云端部署收入增速快，预计其收入贡献将从2026年开始显著提升 [28][36] 费用与盈利趋势 - 公司处于高投入期，2024年研发费用率为702.7% [33] - 预计随着计算效率优化、训练推理优化及规模优势显现，研发费用率将逐步下降，2025-2029年预计分别为395.3%、244.7%、146.8%、88.9%、55.8% [33][36] - 销售及管理费用率亦预计随着运营效率改善和品牌杠杆释放而持续下行 [34][35][36] - 公司目前处于亏损状态，盈利预测显示归母净利润在预测期内仍为负值 [12][13] 估值分析 - 采用可比公司估值法，给予智谱2029年27倍市销率，对应目标价737.01港币 [6][46] - 估值溢价支撑因素包括：收入增速远高于A/H可比公司、模型性能国内领先并有望在2030年前保持、模型发展仍属早期 [6][38] - 报告同时给出了乐观（29倍PS，目标价1043.75港币）与悲观（22倍PS，目标价458.73港币）情景下的估值 [40][46] 战略愿景与行业定位 - 公司以AGI为目标，提出Level 1-5五级AGI路线图，并聚焦Level 1至Level 3阶段的系统性推进 [51][52] - 智谱以“智能公共设施化”为长期愿景，致力于使智能像水电一样融入社会体系 [51] - 公司通过一体化MaaS平台构建产品与服务交付体系，该平台包含模型矩阵、应用层和基础设施适配三个层次 [57][63][64]

投资评级与核心观点 - **投资评级**：首次覆盖给予 **“买入”** 评级，目标价为 **737.01 港币** [1] - **核心观点**：智谱是中国通用人工智能（AGI）的领先探索者，致力于通用大模型创新，其GLM系列模型全球开源领先，通过模型即服务（MaaS）平台实现商业化，有望在全球AGI竞争中成为重要受益者 [1] 市场前景与商业化路径 - **市场规模**：据Frost & Sullivan数据，2024年中国大语言模型（LLM）市场规模为 **53亿元**，其中企业端贡献 **47亿元**；预计到2030年市场规模将达 **1011亿元**，企业端约 **904亿元** [2][19] - **商业化路径**：面向企业的MaaS服务是符合国内产品市场匹配（PMF）的较优路径，智谱自2021年开始商业化MaaS，截至2024年末拥有 **5,580家** 机构客户 [2][19] - **部署模式**：采用“云端+本地”双形态交付，云端降低接入门槛，本地部署满足特定场景与合规要求，提升企业侧落地效率的确定性 [3][20] 产品与技术优势 - **模型能力**：智谱围绕GLM统一底座，构建了涵盖“深度思考-认知-工具使用”的反思、多模态与智能体三类模型矩阵 [3] - **性能领先**：GLM系列模型在全球开源领域领先，对标OpenAI、Anthropic等头部闭源模型，GLM-5在“Agentic Engineering”上已体现出较强可用性 [5][23] - **迭代范式**：随着GLM-4.7带动需求升温，公司通过“限售+涨价”（整体涨幅自**30%**起）体现供需与能力溢价，并布局持续学习（Continual Learning），有望引领下一代模型迭代新范式 [4][21] 财务预测与估值 - **收入预测**：预测公司2029年收入为 **107.7亿元**，2023-2027年收入复合年增长率（CAGR）约 **123%**，2029年预测增速仍有 **80%** [6][38] - **估值方法**：采用可比公司估值法，给予2029年预测市销率（PS）**27倍**，对应目标价737.01港币，主要考虑其收入增速远高于A/H可比公司，且模型性能国内领先 [6][37][39] - **情景分析**： - 乐观情形：给予2029E **29倍** PS，目标价**1043.75港币** [46] - 中性情形：给予2029E **27倍** PS，目标价**737.01港币** [46] - 悲观情形：给予2029E **22倍** PS，目标价**458.73港币** [46] 与市场观点的差异 - **LLM价值定位**：市场担忧LLM价值可能被渠道挤压，但报告认为LLM更可能演进为通用底座，通过可交付的工作流结果对冲挤压风险 [5][22] - **国产模型能力**：市场质疑国产模型在Agent与Coding等复杂工作流上的能力，但报告指出智谱GLM-5已展现出较强可用性和可交付性 [5][23] - **商业模式质量**：市场可能低估本地化部署的价值，报告认为智谱的本地化部署收入（2024年占总收入**84%**以上）是当前收入、毛利与客户验证更充分的商业化板块，并非低质量收入 [5][24] 公司战略与发展里程碑 - **AGI路线图**：公司押注Level 1-5五级AGI路线图，聚焦从预训练（Level 1）到自主学习（Level 3）阶段的系统性推进 [51][52] - **平台化商业**：智谱以一体化MaaS平台为核心商业模式，该平台于2021年开始商业化，较中国通用大模型规模化商业化早两年 [55][57] - **客户与生态**：截至2025年6月30日，模型已赋能超过 **12,000家** 机构客户、约 **8000万台** 设备，形成了繁荣的网络生态 [55][62]

文章核心观点 - 开源AI智能体OpenClaw（“龙虾”）的爆火是AI发展新阶段的必然，它通过“工具的规模定律”和“协作的规模定律”实现了底层模式创新，将对传统软件行业产生颠覆性冲击，未来的软件将原子化并成为被智能体调用的技能原材料 [5][6][10][11] - 面对“龙虾”高权限自主执行带来的安全风险，应采取“最小值原则”进行防护，核心是守住系统破坏、资金损失和数据泄露的底线，并通过云端管控权限与算力来确保人类始终拥有最终控制权 [13][15][17] 为何是OpenClaw？ - **成为现象级产品的必然性**：OpenClaw的爆火是新AGI时代“双线进化”与规模定律作用的必然结果，证明了不完全依赖大模型算法突破，通过“工具的Scaling Law”和“协作的Scaling Law”也能让AI达到正常人的智力水平 [5] - **底层模式的三大创新优势**： - 从“工具型智能体”变为“硅基员工”，能自主推理并随意组合上万种工具（Skill）去试错 [6] - 将提示词拆分为定义人设、技能等多个文件，具备自我进化能力 [6] - 拥有高执行权限，可即时上网查资料、自己编写代码解决问题 [6] - **对AI产业的意义**：完成了中国AI产业的第二次全民科普，让各界明白了如何让AI落地“干活”，打破了其只能做聊天机器人的局限，并促使各大互联网巨头共同拥抱开源公共架构 [7][8] 将对行业带来哪些冲击？ - **智能体的演进趋势**：将从1.0版本的个人助理单兵作战，发展为2.0版本的“多龙虾协作”与“社会化涌现”，未来企业中将出现由碳基员工和硅基员工组成的混合团队 [10] - **智能体的社会角色进化**：将拥有独立ID、个人主页、身份证明甚至支付方式，能直接代替人类在互联网上自动完成交易和履约 [10] - **对传统软件行业的颠覆**：传统软件厂商的护城河面临崩溃，软件产品僵化写死的“预制菜”模式将被改变 [10] - **未来软件生态的重构**：软件会被“拆开重做”、原子化和底层化，沦为专门给“龙虾”调用的技能（Skill）原材料，商业模式将从卖软件转变为提供“龙虾劳动力”并按实际效果收费 [11] - **未来生态的形态**：既非单一超级平台，也非绝对碎片化，而是类似Linux的底层开源共建平台，其上生长出无数解决碎片化长尾需求的专属智能体 [11] 不容忽视的风险与应对 - **对AI幻觉的应对策略**：不能因幻觉全面封杀AI的创造力，防护策略采用“最小值原则”，即在容忍正常推演的前提下，对访问密码文件等敏感操作实施“告警并由人决定是否放行”，并在云端监控算力消耗以强制叫停死循环 [13] - **破解高权限风险困局**：坚持“最小值原则”，只做必要条件的防守，原则上让任务能推演下去，主要守住两个硬性底线 [13][15] - **防止系统破坏**：保护C盘等极其重要的目录，防止硬盘被格式化或源代码被乱删 [15] - **防丢钱、防泄密**：不让“龙虾”知道用户的关键密码和口令（如API Key），将核心账号在云端管控，使其无法私自花钱或泄密，同时在云端监控算力消耗并设置危险阈值 [15] - **应对“智能体互联网”的潜在风险**：人类有能力按下停止键，关键在于管住AI的“命门”——权限和算力 [17] - **权限管控**：从一开始就不让“龙虾”知道核心账号和密码（如浏览器账号、API Key），从物理上切断其作恶途径 [17] - **算力管控**：算力消耗本身就是最大的“停止键”，在云端监控算力账单，一旦出现异常狂飙即可直接卡住，只要人类掌控授权和算力的水龙头，就拥有强行拔插头的能力 [17]

AI模型与算法进展 - 谷歌发布首个原生全模态嵌入模型Gemini Embedding 2，该模型将文本、图像、音视频及PDF融入统一向量空间，实现跨模态直接检索，消除传统多模型拼接的信息损耗与工程复杂度 [1] - Gemini Embedding 2采用俄罗斯套娃表示学习技术，向量维度从3072压缩至768仅损失0.18分，兼顾性能与成本，是当前唯一覆盖五大模态的商用级Embedding模型，实现全模态SOTA [1] - DeepMind创始人回顾AlphaGo击败李世石十周年，认为将Gemini的世界模型、AlphaGo的搜索规划与专用AI工具结合，是通往AGI的关键路径 [8] - 机器人学习框架LeRobot发布v0.5.0版本，首次集成Unitree G1类人机器人全身控制，并新增6种策略模型，支持LoRA微调，其论文已被ICLR 2026接收 [9] 行业巨头战略与投资 - Meta收购AI社交平台Moltbook，该平台上线仅40天即被收购，Meta看中的是其AI智能体永久在线、自主发现与连接的底层能力，计划在修复安全短板后纳入智能体生态布局 [2] - 英伟达与Thinking Machines Lab签署多年度战略合作，将部署1GW规模的下一代Vera Rubin算力集群，项目总成本500-600亿美元，含英伟达现金注资 [3] - Thinking Machines Lab由前OpenAI CTO Mira Murati创立，最新估值达500亿美元，通过锁定稀缺算力产能，公司在人才竞争之外构筑第二道护城河 [3] - 英伟达CEO黄仁勋阐述AI五层工业体系，认为全球已投入数千亿美元，但数万亿基础设施尚待建设，这将是人类历史上最大规模的基础设施工程 [11] 中国科技公司动态 - 腾讯回应OpenClaw相关热点问题，强调安装免费但模型调用产生token费用，并推出系列安全产品和SkillHub插件生态 [4] - 腾讯内部已有近4万名员工在内网领养OpenClaw，用Agent参与研发正成为新开发模式 [4] - 腾讯云推出SkillHub技能市场，已收录超13000个龙虾技能，支持中文搜索和国内节点加速，腾讯文档、QQ浏览器等10+产品已完成skill化改造，可一键接入OpenClaw [5] - 追觅发布芯片品牌“芯际穿越”，包括手机芯片、2nm制程智驾芯片及已量产的泛机器人芯片，并公布太空算力中心计划，拟部署200万颗算力卫星组成超级星座 [7] AI应用与生态发展 - 腾讯龙虾服务分为两类：围绕开源OpenClaw的封装部署方案，以及自研桌面智能体WorkBuddy，后者与CodeBuddy共享Agent架构 [4] - 腾讯SkillHub精选50+高质量技能覆盖办公协同、开发工具、内容创作等高频场景，并完成了安全扫描和质量筛选 [5] - LeRobot v0.5.0在数据集处理上大幅优化，流式视频编码实现零等待录制，图像训练速度提升10倍，并推出EnvHub支持从Hub直接加载仿真环境 [9] - 追觅同步推出1.5PFLOPS个人超级AI电脑，采用统一内存架构，可本地加载百亿参数大模型并支持多设备组网 [7] 行业领袖观点与历史 - DeepMind创始人Demis Hassabis撰文回顾AlphaGo击败李世石十周年，展示了AI超越人类专家、自主发现新策略的能力，其方法已衍生至蛋白质结构预测、数学推理等多个科学领域 [8] - 传记作者马拉比揭示DeepMind创始人哈萨比斯“不喜欢控制”却极度好胜的矛盾人格，以及他对奥特曼“追求权力”的明确反感 [10] - 马拉比认为AI安全面临“奥本海默困境”，科学家能构建技术但无法掌控其使用，最终需要中美合作才能实现 [10] - 黄仁勋将AI定义为由能源、芯片、基础设施、模型、应用组成的五层工业体系，认为AI已跨过关键门槛，模型推理能力与落地能力显著增强 [11]

公司核心人物：哈萨比斯 - 哈萨比斯是谷歌AI的负责人，其传记《哈萨比斯：谷歌AI之脑》历时三年完成，基于超过三十小时的独家专访[1] - 其价值观深受母亲影响，母亲是家境贫寒的新加坡华人，这使他真心想帮助他人，道德在其心中分量极重[12][14][22] - 他自认追求知识与科学，而非权力，并明确不喜欢OpenAI的奥特曼，认为后者追求的是对他人的控制[8][12][51] - 尽管排斥“控制”一词，但其性格极度好胜，坚信“没有我赢不了的游戏”，这被作者解读为另一种形式的控制欲[9][11][44] - 他拥有“救世主情结”，非常渴望名声，渴望成为发现AGI的人[54] 公司发展历程与战略选择 - 哈萨比斯选择在伦敦而非硅谷创业，这使得他有更多时间沉下心来做一个科学家，走的是与硅谷辍学创业不同的道路[23][39][40] - 关于AI的想法在其十六七岁时就已产生，并在十九、二十岁时就写下了构建AI的完整计划[41][43] - 其早期创办的游戏公司相当成功，游戏卖出了大约500万份[26] - 公司曾犯下一些战略错误，包括：长期不重视语言模型方向；一个名为“盖亚”的模拟环境项目烧掉大量资金后失败；花费三年时间与谷歌谈判试图让DeepMind独立，最终未果[61][62][65] - 在融资时曾误判投资者彼得·蒂尔，以为对方会追加投资，结果没有[63] 行业竞争与产品动态 - 在大型语言模型竞赛初期，谷歌一度落后于OpenAI，但哈萨比斯凭借好胜心全力追赶[52] - 目前，哈萨比斯声称Gemini已经取得领先地位[10][53] - 作者认为，如果以AGI为终点，Gemini 3可能已经达到；但技术渗透进日常生活的部分可能只完成了10%[105][106] - 作者预测OpenAI最终可能会垮掉，因其所需资金过多，迟早可能将自己卖给微软[111] 公司治理与内部关系 - 哈萨比斯与联合创始人穆斯塔法·苏莱曼关系复杂，在后者离开后，哈萨比斯曾试图将其从公司历史中抹去[28][91] - 哈萨比斯与大学同学、联合创始人大卫·西尔弗的关系也因持续的竞争导致后者精疲力竭[46][85] - 哈萨比斯曾为DeepMind从谷歌独立进行激烈博弈，聘请律师与里德·霍夫曼等人谈判，并希望奥巴马加入监督委员会，但相关内容曾遭其要求从书中删除[67][69] 行业风险与伦理困境 - 哈萨比斯及其公司面临着“奥本海默困境”，即科学家构建技术，但技术的控制权往往在他人手中[28][72][114] - 哈萨比斯早期为防范风险，在将公司卖给谷歌时设置了监督委员会、禁止军事用途等条款，但监督委员会后来形同虚设，独立努力也告失败[72][73] - 实现AI安全被认为需要中美两个超级大国的携手合作[115] - 作者指出，尽管哈萨比斯想做正确的事，但最终能否做到并非他一人能决定[74][75][115]

**公司及行业** * 公司：腾讯控股 (0700.HK) [1] * 行业：中国互联网、人工智能 (AI) [1] **核心观点与论据** * **QQ与OpenClaw AI Agent的整合是推动AI智能体普及的关键拐点** [1] * 腾讯宣布QQ开放平台正式整合OpenClaw AI智能体平台，腾讯云团队提供免费安装支持 [1][2] * 凭借QQ的普及度和免费安装支持，腾讯能快速教育并渗透用户使用AI智能体，积累用户行为数据，有助于未来在微信生态中开发和演进系统/平台智能体 [1] * 通过其灯塔云服务器吸引大量用户采用，将提升云业务的用户参与度，并带来潜在的未来货币化机会 [1] * 随着更多聊天/模型开始与OpenClaw整合，可能加速中国通用人工智能 (AGI) 的发展 [1] * **OpenClaw AI Agent的功能与使用细节** * 所有完成实名注册的QQ用户均可通过腾讯云灯塔以简单流程接入OpenClaw AI智能体 [2] * 用户可通过QQ聊天界面指挥AI智能体完成一系列自动化任务，包括编写代码、监控数据、创建内容 [2] * 每个QQ账号可注册5个独立的AI智能体，用户可自由创建、命名并分配任务 [2] * OpenClaw是一个免费开源平台，由奥地利开发者Peter Steinberger开发，于2025年11月发布，2026年1月变得非常流行 [4] * 该AI智能体通常可帮助用户阅读和清理收件箱、发送邮件、管理日历、办理航班值机等 [4] * **成本、安全与监管风险** * **成本与代币消耗**：OpenClaw本身免费，但因其没有自有大语言模型 (LLM)，需用户链接外部LLM（如DeepSeek、混元、Kimi、Claude等）来执行任务 [3] * 每项任务（如代码生成）都需要调用外部LLM的API并消耗代币，每日成本可能因任务量而异，相当可观 [3] * 由于芯片供应限制持续存在，模型使用可能增加腾讯和其他模型公司的成本 [3] * AI模型公司间的激烈竞争可能对成本和最终盈利能力构成压力 [3] * **安全与隐私**：如果用户数据被黑客攻击或意外泄露，可能引发安全和隐私安全问题 [3] * **监管风险**：任何意外的内容控制或安全问题也可能引发潜在的监管审查 [3] * **投资评级与估值** * **评级**：买入 (Buy) [5] * **目标价**：783.00港元 [5][6] * **当前股价 (2026年3月6日)**：519.00港元 [5] * **预期股价回报**：50.9% [5] * **预期股息率**：1.0% [5] * **预期总回报**：51.9% [5] * **市值**：4,726,199百万港元 / 604,169百万美元 [5] * **估值方法**：分类加总估值法 (SOTP)，基于2026年预期市盈率22.6倍和2027年预期市盈率约20.5倍 [6] * **在线游戏**：对2027年预计游戏净利润1,300亿元人民币应用12倍市盈率，估值贡献为每股186港元，占目标价24% [6] * **在线广告**：对2027年预计广告利润820亿元人民币应用22倍市盈率，估值贡献为每股215港元，占目标价27% [6] * **社交网络**：对2027年预计利润650亿元人民币应用25倍市盈率，估值贡献为每股196港元，占目标价25% [6] * **金融科技**：对2027年预计利润470亿元人民币应用15倍市盈率，估值贡献为每股84港元，占目标价11% [6] * **云/企业服务**：对2027年预计企业服务收入690亿元人民币应用5倍市销率（中国同业平均），估值贡献为每股41港元，占目标价5% [6] * **投资组合**：对公开上市的投资组合股权应用30%折价，估值贡献为每股61港元 [6] * **下行风险** * 核心PC游戏收入放缓速度快于预期 [7] * 新移动游戏发布不成功 [7] * 《王者荣耀》排名和势头下滑 [7] * 中国经济进一步放缓，可能对广告需求产生负面影响 [7] * 监管环境发生变化 [7] **其他重要内容** * **事件背景**：2026年3月7日，腾讯QQ开放平台正式宣布相关整合 [2] * **市场反应**：该公告后在中国互联网用户中引发了“龙虾”热潮 [1] * **分析师及所属机构**：Alicia Yap, CFAAC，花旗 (Citi) [5] * **免责声明与利益冲突披露**：报告包含大量法律、监管披露及免责声明，指出花旗与腾讯存在广泛的业务关系，包括做市、投资银行服务、非投资银行业务等，并存在重大财务利益 [12][13][14][15][17]

关键要点总结 一、 行业与公司 * 纪要涉及的行业是**人工智能（AI）与智能体（Agent）**，特别是围绕**OpenCloud**（一种开源、本地执行的AI智能体平台）展开讨论 * 纪要核心讨论对象为**OpenCloud**，并对比了云端Agent如**Manus**，以及国产模型**Minimax、Kimi、智谱**等[1][3] * 纪要梳理了A股相关上市公司，涉及**基础设施（云计算、IDC、算力）、硬件（CPU/GPU/存储）、应用软件（办公协同、B端SaaS）** 等多个产业链环节[10] 二、 OpenCloud的核心观点与论据 * **本质与定位**：OpenCloud不是聊天机器人，而是**将操作系统级权限交由AI的产品形态**，是“开源、可自托管、24×7在线的操作辅助助手”，实现了从“能聊”到“能干”的拐点[2] * **核心能力**：具备四大核心能力——**本地优先与系统级控制**、通过即时通讯软件实现**远程操控**、具备**持久化记忆系统**、可按固定时间**自动自我唤醒**[2] * **生态路线**：采用 **“开源+本地执行”模式**，与Manus的云端封闭模式形成对比（“Manus更像苹果，OpenCloud更像安卓”），**控制权下放给用户**，更契合个人/小团队业务闭环[1][4][5] * **生态进展**：开源后GitHub star数**很快突破10万**，成为增长最快的开源软件之一；国内主流云厂商已上线镜像或一键部署服务，具备**走向事实标准的潜力**[5] 三、 已验证的高价值应用场景 * **金融投研与量化**：可自动化整理上市公司公告、卖方研报、会议纪要，生成结构化报告；接入API后可**自动完成策略因子构建、组合构建与回测**[1][4] * **交易与监控**：可实现**24小时盯盘**，在满足特定条件时触发提醒[4] * **办公与个人助理**：可完成邮件汇总、日程更新、新闻整理、生成报告、自动归档本地文档等任务[4] * **核心价值**：不在于“写得多好”，而在于实现**从读文件、拉数据、跑代码到写结果的全流程自动化闭环**[4] 四、 对产业链与市场的影响 * **Token消耗与算力结构**：Token消耗主体从“人”转向“**后台Agent工作流**”，长任务可瞬间触发**10万级甚至“上10万”的Token消耗**，驱动**推理侧算力爆发式新增需求**[1][6][7] * **市场增长预期**：预计2026年至2035或2040年，**全球AIAgent市场CAGR达40%-45%**，中国B端市场增速可能更快[1][7] * **产业链价值重构**： * **硬件**：从“重GPU”转向“**GPU+CPU+存储并重**”，形成“低端普及+高端升级”双重拉动[7] * **基础设施**：利好**低成本云与IDC**（如DigitalOcean、腾讯云、阿里云），因分布式架构适配老旧PC与廉价VPS，且Token通胀可能推动云与IDC进入涨价周期[7][8] * **应用层**：看好**深度嵌入流程与企业数据**的软件，如掌握高频入口的办公协同套件（金山办公）、持有稀缺业务流程引擎的B端SaaS（用友网络），以及AI安全与治理软件[1][7][10] * **云与算力涨价**：Google Cloud已公布部分服务涨价；国内优刻得与网宿公告价格上调**幅度约20%-30%**，背后是底层算力成本上行及Agent工作流推升Token消耗导致的“Token通胀”[8] 五、 国内模型与算力进展 * **模型侧**：**Minimax、Kimi、智谱**等国产模型在OpenRouter上的调用量已**对美国模型实现反超**，凭借性价比成为Agent调用的主力模型之一，推动 **“Token出海”** [3][9] * **产业与政策侧**：政府工作报告提出推进算电协同；字节、阿里、腾讯在**万亿参数级模型与智算中心上加大CapEx**[9] * **整体影响**：OpenCloud的全球热度正在帮助**国内大模型与国产算力将性价比优势转化为实际Token调用与算力订单**[9] 六、 风险提示 * **估值风险**：算力芯片及ITC相关标的**当前估值普遍偏高**[3][11] * **商业化落地风险**：AGI进一步商业化落地仍面临**ROI（投资回报率）、安全成本及监管不确定性**等实质性障碍[3][7][11] * **安全风险**：OpenCloud的Skills生态存在**恶意代码风险**，需谨慎选择高赞、热门项目，避开冷门项目[19] * **技术不成熟**：OpenCloud仍处于**持续开发迭代阶段**，安装、配置过程中可能出现bug和兼容性问题[14][15][16] 七、 其他重要内容 * **A股投资思路**：建议按“**基础设施由下到上—入口—场景**”路径梳理，而非简单追概念[10] * **具体覆盖标的**： * 基础设施/云/IDC：**优刻得、网宿、宝信软件、数据港、光环新网**[10] * 硬件：CPU/GPU/**海光、寒武纪、龙芯中科**；服务器/**中科曙光、浪潮信息、紫光**；存储/**百维**[10] * 应用/入口：**金山办公、用友网络**；金融投研场景关注**同花顺、东方财富**[10][11] * **部署与使用**：纪要详细说明了Windows本地部署OpenCloud的流程、环境要求（Node.js 22+）、常见报错处理、模型选择与切换、以及与飞书联动的配置步骤和配对方法[12][13][14][15][16][17] * **记忆与个性化**：可通过角色设定使OpenCloud形成长期记忆，其后台代理文件记录用户偏好与工作风格，并可编辑[17] * **安全边界**：本地部署默认权限限定在Workspace工作空间内，不会自动获得全硬盘或邮箱发送权限，这被视为一种“健康的安全壁垒”[18]