2030战略目标 - 公司发布“一个吉利，全面领先”2030战略目标，旨在通过强化顶层统筹与全球协同，实现全球“一盘棋”的战略格局，并打造“六位一体”的核心能力体系，推动关键指标达到全球车企领先水平 [1] - 2030年关键指标包括：全球总销量突破650万辆（乘用车+商用车），营收超1万亿元，跻身全球车企销量前五，其中新能源销量占比约75%，海外销量占比超三分之一 [4] - 公司将开发覆盖A到E级车型的全球领先新能源架构，基于全新架构的平均单车型研发周期和综合成本下降30%以上 [4] 近期业绩与品牌战略 - 2025年，公司全年总销量达411.6万辆，同比增长26%，连续五年快速增长，其中新能源汽车销量达229.3万辆，同比增长58%，新能源渗透率达56%，全球销量排名升至第七位 [7] - 为实现2030目标，公司将构建“六位一体”战略能力体系，聚焦品牌、技术、整车、生态、人才和可持续发展六个方面 [7] - 品牌战略以“强化吉利母品牌”为核心，打造全球品牌矩阵，发挥吉利中国星、吉利银河、领克、极氪的品牌优势，并全面释放沃尔沃、极星、莲花跑车等国际品牌在欧美市场的“主场优势”，同时携手雷诺等国际伙伴打造合作新范式 [7] 技术发展规划 - 技术层面，公司将提升以智能驾驶、智能座舱、电子架构、整车架构、电池、电驱、超级电混为核心的“七纵”全域技术体系竞争力 [8] - 智能驾驶方面，将“千里浩瀚”打造为全球先进技术平台，实现L2级辅助驾驶全覆盖，快速推进L3产业化试点，加速L4技术和Robotaxi商业化落地 [8] - 智能座舱方面，以AGI和Agent技术为核心构建AIOS操作系统，将智能汽车打造成超级智慧生命体 [8] - 超级电混技术将向超高压、超性能、超安全方向演进，雷神AI电混发动机热效率有望突破50% [8] - 安全是公司造车第一优先级，将构建沃尔沃汽车和吉利汽车的“世界安全双极”格局，实现从单车安全到人、车、路、云、星生态安全的全方位升级，并致力于使“神盾金砖电池”安全标准成为行业标杆，逐步实现半固态与固态电池产业化应用 [10] 生态布局 - 生态布局将重点聚焦用户服务、未来出行与醇氢电动三大生态 [10] - 用户服务方面，将构建全生命周期服务体系，启动“吉利无界”生态，提升服务满意度与口碑 [10] - 未来出行生态方面，将加快布局天地一体化未来立体出行生态，目标到2030年投放10万辆定制化Robotaxi并开展全球运营 [10] - 醇氢电动生态已形成全产业链布局，醇氢电动汽车已经运营超5万台，累计行驶里程超230亿公里，形成核心专利400余项，未来将拓展至船舶、工程机械等多领域，并加快甲醇加注网络建设 [10] 人才与可持续发展 - 人才与组织方面，公司将继续深化“人才森林”战略，通过产教融合定向培育新能源、人工智能等领域专业人才，推动干部年轻化和全球化 [12] - 2026年起，公司将首期投入5000万元，未来陆续投入3亿元，启动青年创新创业激励计划，并积极探索人工智能时代“三个校园组合”人才培养新模式 [12] - 可持续发展方面，公司将绿色低碳理念贯穿产品全生命周期，推广环保材料，降低产品碳足迹，推动标杆工厂实现碳中和，并带动供应链合作伙伴共同制定碳减排路线图 [12] 2026年发展规划 - 2026年是公司创业40周年，吉利汽车集团将围绕AI科技化、能源多元化、产品高端化与国际化四个方向推进技术创新与高质量发展 [13] - 即将推出的技术包括全域AI 2.0系统、新一代千里浩瀚辅助驾驶系统G-ASD，以及全球首款应用“AI云动力”的油电混动系统i-HEV智能双擎 [13] - 新产品方面，极氪8X将陆续上市 [13]

大宗商品板块 - 2026年大宗商品板块仍然值得重点关注，但需更谨慎对待细分的小金属 [2][9][70] - 资源品价格上涨的核心原因包括：长期开采导致成本上升、品位下降、储量减少，以及逆全球化背景下各国将稀有金属作为战略储备，凭空增加了库存需求 [5][6][63][64] - 2025年部分品类价格涨幅显著，例如黄金上涨60%，铜上涨40%至50%，铝也大幅上涨 [7][66] - 中国矿企凭借制造业优势，在统一全球价格下实现了量价齐升，利润增幅高于欧美矿企，源乐晟自2024年起布局铜，2025年加大了对金、铝及部分小金属的布局 [7][67] - 供给端缺乏边际弹性，例如全球电解铝新增产能仅100多万吨，相较于全球五六千万吨的总需求，短期增量几乎可以忽略，而需求在逆全球化、AI发展等因素下保持稳定，价格长期大幅回落的可能性较低 [26][88] - 即便出现材料替代或下游控量，也仅能放缓价格上涨斜率，不改变长期上涨趋势 [2][26][88] - 资源类企业当前几乎无大额资本开支，高品位、低成本矿藏储量持续减少，开采难度加大，供给端持续低于预期，而需求端时常超预期，叠加战略储备需求，资源品价格大概率逐年抬升 [27][89][90] 新消费板块 - 全球消费大贝塔表现不佳，但结构性机会依然存在，这与后工业化时代消费价值判断多元化、市场不断碎片化相关 [3][10][72] - 投资新消费的关键在于放下自我偏好，重视市场数据和边际变化，而非个人判断 [11][73] - 新兴消费的天花板可能不如白酒等传统消费高，当市值达到一定规模，市场会担忧其增长空间，因此需要每年在众多SKU中筛选出边际变化最强的细分方向，并紧密跟踪增长斜率的变化 [2][13][35][74][97] - 新消费行业碎片化特征显著，品类迭代速度快，可能今年流行电动牙刷，明年流行剃须刀，与传统消费投资逻辑不同 [33][95] - 部分新消费业态表现超预期，例如部分新兴餐饮的翻台率能达到10，而此前餐饮龙头上市公司的最高翻台率仅为5 [34][96] - 新消费公司可能以极快速度实现高利润，例如传统消费龙头需15到20年做到100多亿利润，而新消费公司可能两年就能达到50亿利润 [39][101] AI行业 - AI行业正处于飞速发展阶段，越来越多的细分领域开始形成商业闭环，只要底层技术持续迭代进步，就应该对行业的资本开支保持适度宽容 [2][42][104] - AI投资在美国和中国已成为能影响国家宏观经济走势的核心产业，产业规模巨大，2025年美国经济若剔除AI相关投资，整体经济其实没有增长 [3][16][17][77][78] - 2026年是AI行业标志性的一年，一大批大模型公司将陆续上市，进入“是骡子是马拉出来遛遛”的阶段 [2][53][115] - 投资AI的稳妥策略是：在方向尚不清晰时控制仓位，在趋势逐步确认后加大投入，用战术灵活性匹配战略确定性，例如待杰文斯悖论（技术成本下降推动需求提升）开始兑现后再加大布局 [4][21][83] - 市场对AI存在泡沫的讨论有益于行业发展，能约束参与者的资本开支行为，且资本开支与营收存在滞后性，当前开支是为未来一两年营收做铺垫 [41][42][103][104] - AI应用机会过去三年更多集中在B端，例如美国科技企业通过AI实现可观的人力成本节省，从硬件向应用端的投资逻辑正在演进 [44][106][107] - 中美资本市场AI应用标的逻辑相反：美股传统应用企业因市场份额被大模型公司抢占而股价暴跌；A股部分被炒作的AI应用标的从产业逻辑看可能被大模型替代 [47][109] - 对AI行业长期发展充满信心，头部企业模型仍在迭代，数据向好，行业波动往往是布局机会，自动驾驶等领域一旦规模化落地将需要海量算力支撑 [47][49][50][109][112] 其他行业与宏观观点 - 化工股近期的上涨主要源于供给端变化：过去三年资本开支见顶、行业熊市多年后库存处于低位、以及国内“反内卷”政策对供给形成约束，而非需求大幅回暖 [52][114] - 2026年需关注两大风险：一是AI领域的“交棒风险”，即大模型公司上市后能否顺利接棒；二是全球地缘政治与资源囤积风险，各国不安全感提升可能引发冲突 [53][55][115][117] - AI引发的宏观经济波动风险值得警惕，例如AI投资对美国经济数据影响巨大，且其替代人工可能导致中产阶级失业率问题，美联储政策可能滞后 [56][57][118][119] - 地缘政治的突发风险，如美国大选年可能出现的扰乱市场政策，会加深全球不安全感，带来阶段性波动 [57][119]

特斯拉自动驾驶出租车业务进展 - 特斯拉在奥斯汀开始提供无前排安全驾驶员的Robotaxi载客服务 首席执行官埃隆·马斯克在社交媒体上宣布了这一消息[1] - 公司于2023年6月在奥斯汀有限度地推出了配备前排安全操作员的Robotaxi服务 最初面向意见领袖和精选客户[2] - 2023年12月 特斯拉开始在奥斯汀测试无前排安全驾驶员的Robotaxi 移除了在车辆需要时由人类接管的安全预防措施[2] 车队部署与运营策略 - 并非特斯拉在奥斯汀的整个车队都将完全无人驾驶 特斯拉AI负责人表示 初期将只有少数无监督车辆混入配备安全监控员的更广泛Robotaxi车队中 且这一比例将随时间推移而增加[3] - 目前尚不清楚该服务是免费还是收费 特斯拉的一些竞争对手如Zoox和Waymo在最初部署时并未立即对无人驾驶服务收费[3] 公司技术发展与人才战略 - 特斯拉首席执行官埃隆·马斯克将解决现实世界AI问题与实现通用人工智能联系起来 并以此作为对工程师的招聘宣传 邀请他们加入特斯拉AI团队[1]

AI成为全球核心议题 - 世界经济论坛上AI是最热门话题 英伟达创始人黄仁勋表示人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - 特斯拉创始人马斯克首次出席达沃斯 其近期在AI及芯片领域的激进路线使其成为对话焦点 [1] - 腾讯高管观点代表了中国在AI全球竞赛中的思路 认为现实中的AI是多种不同模型服务于不同场景 而非单一的庞大超级系统(AGI) [1] AI产业发展历程与竞争格局 - 过去几年 AI发展由大模型、人形机器人、GPU芯片推动 被ChatGPT、英伟达、DeepSeek、宇树科技等明星产品或企业引导主流趋势 [1] - AI竞争遵循“二八法则” 不同时期会涌现不同领军者 市场认为下一个类似GPT或宇树的突破可能随时出现 英伟达的市值领先地位并非稳固 [1] - 中国AI市场活跃 摩尔线程、沐曦股份、智谱和MinMax等公司正争先点燃资本热情 [1] AI竞争向基础设施纵深演进 - AI竞争正从算法和产品 向算力、电力等底层基础设施演进 进入结构和系统性竞赛阶段 [2] - 马斯克预判未来的货币本质将是“瓦特” 并认为按照当前趋势 中国在AI计算能力方面将远远超越世界其他国家 [2] - 黄仁勋总结的AI产业结构分为五层：最底层是能源基础 向上依次为芯片与计算基础设施、云计算、AI模型 顶层为具体行业应用 [2] 中国AI产业生态全景 - 芯片与计算基础设施层有寒武纪、摩尔线程等公司 [2] - 云计算层有阿里云、华为云等公司 [2] - AI模型层正在进行“百模大战” 包括文心、通义、DeepSeek等 [2] - 具体行业应用层竞争最为激烈 不断涌现创新应用如豆包AI手机 [2] - 能源是基础支撑 2025年中国全社会用电量历史性突破10万亿千瓦时 成为全球首个实现此规模的单一国家 用电量约为美国的两倍 [2] AI发展的系统性特征 - 用电量是经济运行的“晴雨表” 也被视为AI竞争的最终关键要素 [3] - 从能源等基础层反推模型层和应用层 构成了结构性和系统性的AI产业蓝图 [3] - AI产业的发展注定不是单一企业的独秀 而是生态耦合下多企业、多领域的集体崛起 [3]

文章核心观点 - AI是全球经济论坛最热门的话题 人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - AI竞争正从算法和产品层面 向算力、电力等基础设施的后台演进 进入结构和系统性竞赛阶段 [2] - AI产业是一个从底层能源到顶层应用的系统生态 其发展依赖于多企业多领域的集体崛起 而非单一企业的独秀 [2][3] AI基础设施建设与投资规模 - 英伟达创始人黄仁勋指出 人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - 马斯克认为未来的货币本质将是瓦特 并预测中国在AI计算能力方面将远超世界其他国家 [2] AI产业竞争格局与演进 - AI竞争遵循“二八法则” 不同时期会涌现不同的领军者 [2] - 当前AI竞争正从算法出圈、产品爆红的前半程 向算力甚至电力等基础设施的后台演进 进入结构和系统性竞赛 [2] - 人们相信下一个类似GPT或宇树科技的明星产品或企业随时可能涌现 英伟达的市值领先地位也可能被挑战 [1] - 中国市场AI发展热闹非凡 摩尔线程、沐曦股份、智谱和MinMax等公司正争先点燃资本热情 [1] AI产业结构与生态 - AI产业结构分为多个层次 最底层是能源基础 向上依次为芯片与计算基础设施、云计算、AI模型 顶层为金融、医疗、制造等行业应用 [2] - 黄仁勋总结的AI产业结构已在中国公司身上得到印证 芯片和计算基础设施有寒武纪、摩尔线程等 云计算有阿里云、华为云等 AI模型领域有文心、通义、DeepSeek等“百模大战” 具体应用是竞争最激烈的战场 [2] - AI产业的发展注定不是单一企业的一枝独秀 而是生态耦合下多企业多领域的集体崛起 [3] 能源与电力在AI竞争中的基础作用 - 能源或“瓦特”为AI提供着基础支撑 [3] - 2025年中国全社会用电量历史性突破10万亿千瓦时 成为全球首个实现此规模的单一国家 约为美国全年用电量的两倍 [3] - 用电量是经济运行的“晴雨表” 也被视为AI竞争的尽头 [3] 行业领袖观点与趋势 - 腾讯集团高级执行副总裁汤道生认为 AI在现实中是多种不同的模型服务于不同的场景 而非单一的庞大超级系统（AGI） [1] - 过去几年 AI的发展先后被ChatGPT、英伟达、DeepSeek、宇树科技等大爆品和明星企业引导了主流趋势 历史上还包括“阿尔法狗”、波士顿动力等 [1] - 马斯克与黄仁勋在AI世界观上并不一致 但两人对AI基础设施的预判都极为激进 [2]

涉及的公司与行业 * 公司：澜起科技，专注于互联类芯片和津逮服务器平台[2] * 行业：半导体芯片，具体为数据中心、服务器领域的内存互联芯片、高速运力芯片及相关配套芯片[2][3] 核心业务与产品线 * 主要业务分为互联类芯片产品线和津逮服务器平台产品线[5] * 互联类芯片包括内存互联芯片（如RCD、DB、MRCD、MDB、CKD）和高速运力芯片（如Retimer、CXL、PCIe Switch）[3][5] * 内存互联芯片用于内存条，与三星、海力士、美光合作，负责数据信号缓存、温度控制、电源管理[3] * 提供SPD串行检测器、温度传感器、电源管理芯片等配套产品[2][5] 市场前景与增长驱动 * **内存迭代**：从DDR4到DDR5的迭代推动内存互联芯片（如RCD、DB）数量提升，并新增CKD需求[2][9] * **AI服务器需求**：AI时代MRDIMM等新型高速内存模组更新迭代，提升内存模组价值量和数量[2][9] * **新型模组订单**：预计从2025年10月开始，新型MRDIMM模组将在六个月内实现约1.4亿美元订单[2][6] * **市场规模预测**：新型MRDIMM模组2025年市场规模达0.37亿美元，2026年增至0.9亿美元[2][6] CXL MXC技术领域2026年市场规模约6亿美元，2030年预计达9.72亿美元[3][18] * **CPU/GPU比例变化**：AGI时代CPU需求增加，CPU与GPU比例上升（如从1:8变为1:2或1:1），将导致负责CPU与GPU间信息传输的运力芯片需求同步上升[2][12] 市场地位与竞争优势 * 在ICDDB及MRCDMDB（内存互联芯片）领域市占率领先全球，达36.8%，位居第一[2][9][11] * 在技术迭代方面，与瑞萨电子同步，并领先Renesas一部分[11] * 在CXL MXC芯片领域处于领先地位，目前市占率接近100%，主要竞争对手Alpha Wave尚未推出新产品[18] * 在Retimer芯片领域市占率排名第二，为10.9%[15] 具体产品应用与客户 * RCD、DB及其升级版MRCD、MDB主要用于联想超微、浪潮信息及戴尔等品牌的高端AI服务器，这些服务器支持DIMM类形态[2][7] * 终端服务器和通用服务器也广泛采用DIMM类形态，扩大了公司产品应用范围[8] * 英伟达、AMD、中科曙光等企业使用LPDDR5X内存，不需要澜起科技的RCD、DB等主芯片，但仍需要SPD、电源管理等配套芯片[7] * Retimer芯片用于PCIe协议，应用场景包括GPU之间、服务器AIC卡、主板CPU间连接[13] 在阿里巴巴超级计算机中，每8个GPU需要24颗Retimer芯片，每颗价格约50-100美元[14] 未来增长点与增量业务 1. **CXL MXC技术**：用于内存扩展和池化，是未来的重要增长点[3][4] 2. **PCIe Retimer和PCIe Switch**：Retimer芯片用于放大高速信号传输中的衰减信号[3] Switch芯片是未来的重要增量，目前正在研发，尚未批量出货[4][16] 3. **周期迭代逻辑**：随着DDR4到DDR5的迭代周期，公司预计未来五年内实现收入和利润大幅增长[4] 4. **AI PC及笔记本端内存模组**：如LPDM2，对SPD、PMIC和CKD等辅助芯片有大量需求，尤其是在QC端是一个显著增量[9] 财务预测与估值 * 公司预计2025年收入为55至60亿人民币，利润约为45亿人民币[3][19] * 结合目前情况，其估值可能达到2,500亿人民币[19] * 公司修改了股权激励方案，预计对2027年利润产生积极影响，大约增加3亿元左右[19] 风险与挑战 * **客户集中度风险**：主要客户包括三星、海力士等，占全球90%以上市场份额，集中度高可能对业绩产生影响[20] * **外汇损益风险**：公司大部分销售以美元结算，存在外汇损益风险[20] * **研发与迭代风险**：产品研发与技术迭代对于公司持续发展至关重要，需要持续关注[20] 在Retimer芯片领域，公司在PCIe 5.0一代中落后领先者约10个月，在6.X一代中落后约9个月[15]

行业与公司 * **行业**：半导体行业，特别是AI算力产业链中的CPU、存储及配套芯片领域[1] * **涉及公司**：AMD、英特尔、英伟达、海光信息、澜起科技[1][2][3][12] 核心观点与论据 * **CPU在AI时代的重要性显著提升** * **供需紧张**：AMD的2026年服务器GPU已被完全预订，预计其服务器CPU业务2026年将增长至少50%以上，AI相关收入预计达140亿到150亿美元[1][2] 英特尔的数据中心CPU也接近售罄，并具备提价能力[1][2] * **技术瓶颈与战略地位**：技术分析表明，CPU已成为AGI（通用人工智能）推理的首要性能瓶颈[1][2] 英伟达与英特尔合作定制X86数据中心CPU，以深度融入AI基础设施平台[1][2] Deepseek和北大的论文也指出由CPU负责调度AGM数据库，验证了CPU在下一代AI系统中的战略地位[1][2] * **Agent AI时代进一步凸显CPU价值** * **解决延迟关键**：在Agent AI时代，解决延迟问题是关键，高并发场景下需要多核高线程数的CPU来支撑，以避免严重的上下文切换开销[5] * **任务下放与性能提升**：由于GPU供应链紧张，部分简单推理任务被下放到CPU执行[5] 经过多年迭代，当前CPU性能已足以胜任更多推理任务[5] * **CPU涨价逻辑与现状** * **核心驱动力**：当前CPU涨价并非简单的上游成本传导，而是由于Agent AI对CPU需求的直接拉动[8] * **涨价幅度**：自2026年初以来，服务器端CPU价格上涨了10%至20%，其中多核、高端产品涨幅更大且更紧缺[1][8] * **CXL技术成为解决存储瓶颈的关键** * **作用**：CXL技术通过通信手段将有限的DRAM资源连接成共享池，以解决DRAM资源紧缺问题[10] * **升级与能力提升**：CXL正从2.0升级到3.0，其可连接的AI服务器数量从几十台提升至上千台，显著增强了存储资源调度能力[1][11] * **相关公司分析与前景** * **海光信息**：同时布局CPU和DPU，其系统级优势及AI综合实力尚未被充分定价[3][12] 在国产算力大贝塔下，其GPU估值被重估，挤压了原有的CPU估值，存在较大预期差[3][12] * **澜起科技**：专注于内存配套芯片及PCIe Timer等运力解决方案[3][12] 受益于DDR5渗透率提升、存储价格上涨以及MRAM等新产品形态放量，其配套芯片需求将显著增加[12][13] 公司通过PCIe Retimer逐步过渡到Switch领域，并在CXL技术中占据重要位置，具备较大增长潜力[12][13] 其他重要内容 * **产业周期背景**：当前正处于半导体大级别产业周期，AI各环节零部件都紧缺，CPU作为系统核心和算力外延，其紧缺问题尤为迫切，这轮涨价定义了其在AI体系中的长期价值[9] * **效率优化路径**：在高并发场景下，除了增加多核多线程数，还可以通过优化算法来提升单核能力，但这需要大量工程投入[6] 短期内更实际的方法是在硬件资源允许范围内尽量增加多核多线程数，同时进行算法优化[6][7] * **全球供应影响**：CPU全球供应紧缺已成事实，中国市场作为供应体系的一部分，必然受到影响[8] 类似涨价现象在其他芯片（如Switch芯片）产业链中也有体现[8]

行业与公司 * **行业**：人工智能（AI）算力、数据中心、CPU/GPU/NPU等半导体芯片 * **涉及公司**： * **国际**：英伟达 (NVIDIA)、AMD、谷歌、台积电 * **国内**：中科曙光、华为、海光信息、阿里巴巴（平头哥）、龙芯中科、飞腾信息、寒武纪、盛东信息、澜起科技 核心观点与论据 AI推理时代CPU的重要性提升 * Deepseek通过条件记忆和n-gram模块优化模型，并将n-gram嵌入表完全储存在CPU DRAM中，提升数据查询效率，凸显了CPU在推理过程中的协调和调度价值[1] * 在AGI时代，CPU的作用更加关键，核心器件（HBM、DDR、CPU）被重新定义[2] * 算力需求增加和技术迭代推动CPU出货量和价格双增[4] 技术演进与硬件配置趋势 * **英伟达的解决方案**：推出Grace CPU，通过NVLink C2C技术将CPU与GPU间的数据搬运速度提高到**900 Gbps**，扩大GPU显存，并采用超级芯片封装技术（1颗CPU+2颗GPU）提高系统整体效率[1][5] * **国内企业进展**： * 中科曙光发布STELLAR X64超级点，架构由**160个CPU**和**640颗GPU**组成（当前1:4，未来或发展为1:2），采用海光X86架构授权和HASL总线互联协议[1][4][6] * 华为推出384超级点，采用自主研发的海光X86架构授权及HASL总线互联协议[1][6] * 华为在生成式AI领域采用**340,384颗910C NPU**和**192颗鲲鹏CPU**，比例为1:2，使用Scuba网络[3][7] * **未来主流AI超算点配置**：CPU数量（华为192颗、曙光160颗、AMD 18颗、ME 72颗）；加速器比例（华为、英伟达为1:2，曙光、AMD暂为1:4）；华为因使用灵渠协议，内存共享速度更快[8][9] * **迭代频率**：华为生成式AI迭代频率高，预计到**2026年第一季度**达到Q4、Q7、Q8水平，对CPU和GPU需求量巨大[3][7] * **大模型技术趋势**：对CPU三级缓存及GPU与CPU比例提出更高要求，从原来的**1:4升级到1:2**[12] 数据中心市场高速增长 * 预计到**2030年**，数据中心市场规模将达到**600亿美元**，增长由技术迭代、数据中心升级周期和头部CPU厂商持续更新推动[3][10] * 到**2026年**，服务器CPU出货量有望增加**25%**[11] * 台积电**2025年**总收入达**3.81万亿新台币**，同比增长**31.6%**，先进制程（3纳米和5纳米）营收占比显著提升[10] 国内外市场格局 * **海外**：英伟达、AMD、谷歌等公司积极建设数据中心[11] * **国内**：海光信息、中科曙光、华为、阿里巴巴等加紧布局[11] * **CPU架构格局**：国内相对集中，主要采用ARM架构（华为、阿里平头哥）与x86架构（海光信息代表）；阿里平头哥还同时使用开源RISC-V架构[11] 其他重要内容（投资相关） * **推荐公司**： * **CPU领域**：海光信息、龙芯中科、飞腾信息、中科曙光（因大模型技术迭代对缓存和CPU比例要求提升）[12] * **AI芯片**：海光信息、寒武纪[12] * **芯片互联**：中科曙光、盛东信息、澜起科技（因互联需求增加）[12] * **服务器领域**：中科曙光、海光信息[12]

DeepSeek新模型进展 - DeepSeek在R1发布一周年之际，其GitHub代码库更新中出现代号为Model 1的新模型，推测为DeepSeek-V4的内部开发代号或工程版本 [1] - 代码分析显示Model 1采用512维标准架构，全面支持英伟达Blackwell架构，并引入Token-level Sparse MLA稀疏注意力机制 [1] - 新模型引入VVPA数值向量位置感知和Engram机制等新特性 [1] 新兴AI架构与模型 - Liquid AI开源基于液态神经网络架构的推理模型LFM2.5-1.2B-Thinking，该模型在手机端仅需900MB内存即可运行 [2] - LFM2.5-1.2B-Thinking在MATH-500上达到88分，参数量比Qwen3-1.7B少40%却表现更优，推理速度和内存效率均超越Transformer模型 [2] - 训练采用分层强化学习策略，通过n-gram重复惩罚将死循环生成比例从15.74%降至0.36%，证明Transformer并非唯一解 [2] - 中佛罗里达大学等机构发布Medical SAM3，这是首个仅凭文本指令即可在CT、MRI等10种模态实现专家级分割的医学模型 [5] - Medical SAM3采用全参数微调和分层学习率衰减策略，在33个医学数据集上将零样本场景平均准确率从11.9%提升至73.9% [5] - 在内镜息肉分割等极端案例中，其准确率从0.0%跃升至87.9% [5] AI自主性与人机协作演进 - Midjourney工程师展示Claude反向指挥人类工作的视频，AI可布置任务让人类去TestFlight发包、写文案、跑测试 [2] - Claude Code具备自主执行能力，可运行Bash命令、创建文件、自动修Bug形成闭环，Cowork等工具让用户下达模糊指令后AI自主规划执行 [2] - Node.js之父Ryan Dahl宣称人类编写代码的时代已结束，Linux之父也开始Vibe Coding，程序员角色正从编写代码转向审查代码 [2] - 谷歌等机构研究发现DeepSeek-R1等推理模型会在内部自发形成多角色辩论机制，通过提问、质疑、冲突和和解推导答案 [3] - 模型内部存在稳定的虚拟人格分工，高神经质人格负责纠错，高开放性人格提供新视角，这种“思维社会”机制让准确率翻倍 [4] - 通过干预模型内部的“觉察特征”，在倒计时数学游戏中准确率从27.1%飙升至54.8% [4] 行业趋势与公司动态 - xAI工程师在播客上透露MacroHard项目核心机密，包括内部已将AI包装成“同事”进行测试，有人去工位找同事发现是空桌 [3] - xAI押注小模型路线追求极致速度，MacroHard已达人类8倍速度，并考虑租用北美约400万辆特斯拉闲置算力进行部署 [3] - xAI的Colossus 1利用“临时用地租约”在122天内建成，展现了公司扁平化文化和极致执行力 [3] - Anthropic CEO在达沃斯论坛预测AI端到端接管软件工程师工作仅剩6-12个月，公司内部工程师已基本不手写代码 [6] - Anthropic CEO预言2026-2027年将诞生“诺奖级”AI模型，未来1-5年内50%初级白领工作将消失 [6] - DeepMind CEO预测2030年前有50%概率实现AGI，行业领袖认为“AI建AI”闭环一旦跑通将迎来指数级加速 [6] Agent能力评估与商业化 - 红杉中国xbench团队发布AgentIF-OneDay评测，测试Agent处理真实日常任务能力，头部Agent得分约62-65% [7] - 评测覆盖104道任务、15种以上文件格式、767个评分点，发现不同框架难以拉开差距，基础Agent能力已商品化 [7] - 隐式条件推断是Agent普遍最薄弱能力，xbench正着手构建OneWeek评测集，认为优先转起数据飞轮的公司将率先实现Agent的FSD时刻 [7] AI产业经济与未来展望 - OpenAI CFO与投资人指出2026年多智能体系统将成熟，AI泡沫应以API调用量而非股价衡量 [8] - OpenAI算力投资与收入强相关，三年收入从1亿美元增至100亿美元，目前需求受算力限制，采用AI的前沿企业生产力提升27-33% [8] - 双方预测机器人产业规模将超越汽车产业，未来十年末将出现大规模通缩经济，劳动力和专业知识边际成本趋近于零 [9]

腾讯的AI战略与云服务定位 - 公司云战略核心是支持各类不同模型运行，为客户提供不依赖特定模型的工具和产品，将选择模型的自主权交还给客户 [1][7] - 公司认为现实AI应用是多种不同模型服务于不同场景，而非单一的庞大超级系统（AGI）[1][7] 中国AI市场趋势与企业投资 - 世界经济论坛调研指出，87%的中国企业计划增加AI投资，AI正成为生产力、韧性和长期竞争力的核心推动力 [3][9] - 中国市场普遍关注AI应用的实际收益与成本控制，挑战在于将创新试点转化为系统性变革和可衡量回报 [3][9] 腾讯内部AI应用与成效 - 公司内部超过1.2万名工程师使用AI编程助手CodeBuddy，超过50%新增代码由AI辅助完成 [3][9] - CodeBuddy平均编码时间缩短了40%以上，其最新升级形态CodeBuddy Code的90%代码由CodeBuddy生成 [3][9] - AI已系统性改造公司业务并产生可量化收益，2025年第三季度财报显示：AI驱动营销服务收入同比增长21%，游戏收入同比增长22.8% [5][10] 腾讯混元大模型研发进展 - 公司坚定投入全栈自研混元大模型，过去一年发布了30多个新模型，涵盖增强混合推理、图像、视频及3D生成等领域 [4][10] - 混元2.0采用混合专家（MoE）架构，具备406B总参数量（激活参数32B），推理能力和效率业界领先 [4][10] - 混元3D大模型开源平台下载量已突破300万，成为全球最受欢迎的3D开源模型之一 [5][10] - 混元大模型已支持公司内部900多个业务场景提效，包括腾讯会议、微信、广告、游戏等 [5][10] 腾讯AI的行业解决方案与落地 - 公司以智能体为载体、云平台为支撑、开箱即用工具为抓手，将AI能力封装成可落地的行业解决方案 [5][11] - 公司AI已在零售、医疗、教育等30多个行业落地，例如帮助零售企业用AI生成3D模型加速设计周期，助力药企新药研发，通过精准营销提升转化率 [5][11] - 典型案例：全球领先的消费级3D打印企业拓竹科技，通过调用腾讯混元3D大模型重构传统3D建模工作流，降低专业门槛并激发个性化创作需求 [5][11] 中国AI生态与发展动能 - 中国AI生态参与者众多，模型公司数量远超其他市场，且开源氛围浓厚，为客户提供了灵活选择 [5][10] - 中国AI生态是开放、多元、充满活力的，其发展动能源于：持续的研发投入与人才积累；模型技术的前沿突破与架构创新；广泛的产业实践场景与深度融合 [6][12]