中国L3级自动驾驶商业化正式启动 - 工信部首次批准L3级自动驾驶商业化运营，长安深蓝SL03与极狐阿尔法S6两款车型通过准入申请，标志着中国首次允许车辆在特定条件下由系统承担驾驶任务 [1] - 行业普遍认为2026年将成为L3级自动驾驶的“量产元年” [1] - 此次准入明确了L3级自动驾驶的权责划分：当车辆在限定路段以不超过80公里时速自主行驶时，若系统处于激活状态发生事故，车企或将承担主要责任 [1] - 准入要求L3级车辆的传感设备必须为“前装量产”，后改装车辆无法获得试点资格，从源头保障技术稳定性 [1] L3级自动驾驶的定义与跨越 - 根据国家标准，L3级被定义为有条件自动驾驶，即在特定条件下，车辆可以自主完成所有驾驶任务，驾驶员转变为监督者，仅在系统请求时介入 [5] - L2级辅助驾驶阶段，驾驶员需时刻监控并准备接管，系统仅协助完成部分任务（如自适应巡航ACC、车道居中LCC、自动泊车APA） [6] - L3级意味着在特定路况（如城市快速路、高速公路）下，车辆可自主持续执行全部动态驾驶任务，驾驶员角色从操作者变为监督者 [7] - L3级是从“辅助驾驶”到“完全自动驾驶”的重要过渡，后续的L4级将在固定区域内实现完全无人驾驶 [1] 行业进展与车企规划 - 2024年4月上海车展，华为联合赛力斯、阿维塔、奇瑞、北汽新能源等11家车企讨论L3，这些车企基本囊括了中国新能源汽车行业的“半壁江山” [4] - 诸多车企将2025年实现L3级有条件自动驾驶落地作为目标 [4] - 小鹏汽车已在广州市获得L3级自动驾驶道路测试牌照并启动常态化测试，计划2026年推出量产的软硬件达L4级水平的车型 [4] - 广汽集团宣布在2024年第四季度启动首款L3自动驾驶车型量产上市销售 [4] - 奇瑞汽车计划在2026年实现量产L3级自动驾驶车辆，其猎鹰900智驾系统AI算力将达到1000 TOPS [4] 技术演进：从端到端到VLA - 自2023年以来，智驾行业掀起BEV、端到端技术浪潮，车企正将AI神经网络融入感知、规划、控制等环节 [9] - “端到端+VLM”曾是主流技术方案，端到端系统负责处理感知、决策和执行全过程，VLM则提供对复杂交通场景的理解和语义解析 [12] - VLA（视觉语言行为大模型）正成为重要技术方向，它将视觉空间智能(V)、语言智能(L)和行为智能(A)统一在一个模型里，实现高效实时运行 [13] - VLA模型通过训练得到3D高斯表征，并激发模型强大的3D空间理解能力，其推理能力远高于“端到端+VLM” [13][15] - 例如，传统基于规则方案只能推理1秒路况，端到端1.0能推理未来7秒路况，而VLA模型能对几十秒的路况进行推理 [15] - 理想汽车发布了新一代自动驾驶架构MindVLA，计划于2026年量产应用 [9] - VLA被业界认为是端到端2.0的主要技术形态，目前尚处发展阶段，代表模型包括DeepMind的RT-2、OpenVLA、Waymo的EMMA等 [16] 现实挑战与风险考量 - 关键挑战在于人机共驾的信任建立：系统何时退出以及驾驶员能否及时接管 [2] - 国际数据显示，50岁以上用户从分神到重新掌控车辆平均需6秒以上，而系统发出接管请求后留给驾驶员的反应窗口通常不足10秒 [8] - 在低频激活场景下（有研究称城市道路L3可用时间不足23%），驾驶员极易产生依赖或松懈，反而放大风险 [8] - 当系统检测到复杂情况（如恶劣天气、道路施工）时，会发出接管提示，驾驶员必须迅速响应重新掌握控制权 [7] 车企自研趋势与战略平衡 - 汽车行业进入“得智驾者得天下”的时代，主流车企纷纷推出自研智驾系统（如比亚迪天神之眼、吉利千里浩瀚） [9] - 车企更适合自研的项目主要包括：核心竞争技术（如自动驾驶算法）、差异化技术（如独特用户界面）、高成本技术部件（如高性能自动驾驶芯片） [18] - 自研道路伴随高昂研发成本、漫长技术积累及未知市场风险，车企需在自研与技术合作间找到平衡点 [18] - 车企可采用分阶段的研发和投资策略，在每个阶段完成后进行评估和调整，以有效控制风险和成本 [19] 全球背景与中国路径 - 全球技术博弈已历十年，德国早在2021年通过《自动驾驶法》，明确L3系统激活期间事故责任由车企承担，并要求车辆配备“黑匣子” [1] - 奔驰Drive Pilot系统随后在德国高速公路上线，成为全球首个商业化的L3产品 [1] - 相比之下，中国此次准入虽起步稍晚，却一步切入责任核心，未走“测试”老路，而是直接启动附条件商业化运营 [1]

小米发布并开源MoE大模型MiMo-V2-Flash - 公司于2025小米人车家全生态合作伙伴大会上发布并开源最新MoE大模型MiMo-V2-Flash，总参数3090亿，激活参数150亿 [1] - 该模型专为推理、编码和智能体场景构建，支持256K上下文窗口，支持混合思维模式，允许用户切换模型是“思考”还是即时回答 [3] - 模型能以每秒150个token的速度实现快速推理，定价为每百万输入token 0.7元、每百万输出token 2.1元 [5] - 公司已开源模型所有内容，并向开发者社区SGLang贡献了所有推理代码，API限时免费，用户可在网页端免费体验 [7] 模型性能与基准测试结果 - 基准测试显示，MiMo-V2-Flash的性能基本与DeepSeek-V3.2相当，仅在“人类最后一场考试”和创意文本生成评估ARENA-HARD中略逊色，但时延更小 [3] - 在多个智能体测评基准上，该模型位列全球开源模型前二；代码能力测评超过所有开源模型，比肩闭源模型Claude 4.5 Sonnet，但推理价格仅为其2.5%且生成速度提升至2倍 [3] - 在数学竞赛AIME 2025和科学知识基准GPQA-Diamond中，其表现是开源模型中前二；在软件工程能力的SWE验证与多语言基准测试中，在所有开源模型中位列第一 [40] - 在长上下文评估中，该模型超过了Kimi-K2 Thinking [40] - 在智能体任务中，MiMo-V2-Flash在SWE-Bench Verified中超越所有开源竞争对手，性能接近GPT-5-High；在SWE-Bench多语版本中解决了71.7%的问题 [41] - 在搜索智能体评估方面，MiMo-V2-Flash在BrowseComp上得分为45.4，配合上下文管理可进一步提升至58.3 [42] 技术架构与创新 - 模型采用全局注意力和滑动窗口注意力的1:5混合结构，实证表明滑动窗口注意力在通用任务、长上下文负载和推理方面整体表现优于线性注意力 [46] - 模型提供固定大小的KV缓存，便于与现有的训练和推理基础设施集成 [48] - 通过引入多词元预测训练，提升了基础模型能力，并在推理过程中并行验证多词元预测，实现了实际部署加速 [50] - 多词元预测模块采用稠密前馈网络控制参数量，并使用滑动窗口注意力机制以降低成本，实测3层结构的多词元预测模块可达到2.8-3.6个token的有效接受长度，并实现2.0-2.6倍的推理速度提升 [52] - 模型预训练使用FP8混合精度和原生32K序列长度，使用27万亿token进行训练 [54] - 在后训练阶段，研究人员提出了多教师在线策略蒸馏，该训练只需不到传统监督微调+强化学习流程1/50的计算资源，即可匹配教师模型的峰值表现 [55] 实测功能展示 - 实测显示模型能一键生成功能齐全的HTML网页，例如生成包含商品主图轮播、规格选择等要素的电商页面，以及网页版迷宫闯关小游戏和“圣诞树装饰”交互网页 [9][10] - 模型具备聊天与内容创作能力，例如能用程序员的语气安慰一只失恋的猫，并能生成一部包含深潜记忆提取头盔、真理之环AI伦理防火墙等关键要素的科幻悬疑题材AI短剧剧本 [11][12][17] - 模型能回答硬核科普类知识，例如探讨“大语言模型是否拥有知识”，并能从人类视角分析“要不要吃长生不老药丸”这类哲学问题 [22][24] - 模型具备文学创作能力，例如能根据要求撰写背景设定在1980年代纽约东村的忧郁爱情故事，以及以独居老人一周邮件为核心的非虚构作品 [30][35] 公司战略与投入 - 小米集团合伙人、总裁卢伟冰透露，公司AI大模型业务过去四个季度投入环比增速超50%，目前进展“已超出董事会预期”，并宣布将AI与“现实世界深度结合”列为未来十年核心战略 [57] - 公司正式启动全球人才招募计划，单岗位薪酬上限开至千万元级别，目标“在最短时间内补齐大模型尖端人才缺口” [57] - 近几个月以来，Xiaomi MiMo大模型团队发布数篇论文并开源多个模型 [57]

英伟达发布Nemotron 3系列开放模型 - 公司发布了Nemotron 3系列开放模型，包含Nano、Super和Ultra三种规模，旨在应对企业从单一模型转向多智能体AI系统时面临的挑战 [2][7][8] - 该系列模型的核心目标是提供构建专业级智能体AI所需的性能与开放性，创始人黄仁勋强调开放式创新是AI进步的基石 [8] - Nemotron 3 Nano（30B-3A）模型已于发布日上线，而Super和Ultra型号预计将于2026年上半年正式推出 [8] 各型号模型规格与定位 - **Nemotron 3 Nano**：总参数316亿，激活参数32亿（含嵌入层为36亿），针对软件调试、内容摘要等任务优化，是计算成本效率最高的模型 [3][5] - **Nemotron 3 Super**：参数规模约1000亿，每个token最多激活100亿参数，擅长需要大量协作智能体且对低延迟要求极高的复杂任务 [4][5] - **Nemotron 3 Ultra**：参数规模约5000亿，每个token最多激活500亿参数，作为高级推理引擎，适用于深度研究与战略规划等高复杂度AI工作流 [4][5] Nano型号的性能提升与优势 - 与上代Nemotron 2 Nano相比，Nemotron 3 Nano实现了最高4倍的Token吞吐量提升，并将推理阶段生成的Token数量减少最高60% [3] - 其激活的参数数量不到上代的一半，却实现了更高的准确率，并具备100万Token的上下文窗口以增强长期记忆能力 [3] - 在单张H200、8K输入/16K输出配置下，其推理吞吐量是Qwen3-30B-A3B的3.3倍，是GPT-OSS-20B的2.2倍 [28] 核心技术：混合MoE与架构创新 - 系列模型采用Mamba-Transformer混合MoE架构，大量采用MoE层与成本更低的Mamba-2层交替堆叠，避免了传统自注意力层KV Cache线性增长的成本 [12] - 引入了LatentMoE架构，先将token投影到更小的潜在维度进行专家路由和计算，以减少专家权重加载和通信成本，并增加专家数量 [16] - 采用了多Token预测技术，一次预测多个未来token以提升准确率和推理效率，该技术仅引入极少量额外FLOPs并能带来可观的推测解码加速收益 [18][19] 训练与精度格式创新 - 公司在NVFP4数值格式下，成功实现了在Mamba-MoE混合架构上对最高25万亿tokens的稳定高精度预训练 [21] - 在GB300芯片上，FP4的峰值吞吐量是FP8的3倍，这使得在现有基础设施上训练更大规模模型成为可能 [21][37] - 模型权重、激活值和梯度均被量化为NVFP4，使得前向传播、反向传播中的梯度计算和权重更新都可以使用NVFP4 GEMM运算 [21] 超长上下文与实用能力增强 - 系列模型支持最长100万token的上下文长度，以满足大规模、多轮、具备Agentic推理的应用需求 [22] - 通过使用Mamba层天然的隐式位置信息，在注意力层中完全不使用旋转位置编码，从而避免了RoPE带来的上下文扩展限制 [22] - 引入了多环境强化学习后训练，以及推理阶段精细化推理预算控制，增强了模型在真实世界应用中的可靠性、灵活性与泛化表现 [23] 模型性能表现 - 在覆盖多个类别的主流基准测试中，Nemotron 3 Nano-30B-A3B的准确率优于GPT-OSS-20B和Qwen3-30B-A3B-Thinking-2507 [27] - 在不同上下文长度下的RULER基准测试中，其性能均优于GPT-OSS-20B和Qwen3-30B-A3B-Instruct-2507 [29] - 独立AI基准评测机构Artificial Analysis将其评为同规模模型中最开放、最高效的模型之一，并具备领先的准确率 [30] 开放生态与配套工具 - 公司不仅开源了模型，还发布了训练数据、强化学习环境和训练代码，斯坦福大学教授认为这能让用户创建自己的模型，意义重大 [6][31] - 同步发布了囊括3万亿Token的全新预训练、后训练及强化学习数据集，以及Nemotron智能体安全数据集，用于打造专业化领域智能体 [39] - 开源了NeMo Gym与NeMo RL库，并推出NeMo Evaluator，所有工具和数据集已在GitHub和Hugging Face上开放 [41] - 该系列模型已获得LM Studio、llama.cpp、SGLang和vLLM等项目的支持 [41]

报告行业投资评级 - 行业评级为“推荐(维持)” [1] 报告核心观点 - 报告持续看好AI算力板块，认为其业绩增长具备坚实支撑，行业呈现高景气度 [7][61] - 核心逻辑基于AI算力基础设施需求的刚性增长、持续的技术迭代以及谷歌与博通在TPU芯片领域的商业化推进 [7][61] 根据相关目录分别总结 1. 算力动态 - **Tokens消耗与市场份额**：报告期内（2025年12月8日至14日），周度token调用量为5.78T，环比下降6.6% [15]；市场份额前五名为：Google（20.5%）、OpenAI（19.9%）、xAI（15.5%）、Anthropic（12.9%）和Deepseek（8.1%）[16] - **算力租赁价格平稳**：上周主要云服务商的A100/A800显卡租赁价格保持稳定，例如腾讯云A100-40G配置价格为28.64元/时，阿里云同配置为31.58元/时，价格环比变化分别为+3.99%和0.00% [21][22] - **MistralAI发布Devstral2系列**：2025年12月10日，MistralAI发布专为编程设计的开源模型家族Devstral2，包含123B参数的旗舰版和24B参数的轻量版 [3][22]；该系列具备256K超长上下文窗口，在SWE-benchVerified基准测试中取得72.2的高分 [23]；同步推出的命令行工具MistralVibeCLI实现了自然语言与代码操作的直接映射 [3][25]；模型采用修改版MIT许可证，对全球合并月收入超过2000万美元的公司使用进行了限制 [27] 2. AI应用动态 - **AI应用流量跟踪**：在2025年12月5日至11日期间，AI相关网站中，Perplexity的平均停留时长环比增速最快，达+10.58% [32]；周访问量前三名为ChatGPT（1327.0M）、Bing（780.4M）和Gemini（391.7M）[34] - **OpenAI发布GPT-5.2系列**：2025年12月12日，OpenAI发布GPT-5.2系列模型，包括Instant、Thinking和Pro三个版本 [4][33]；该系列在多项基准测试中表现卓越：在SWE-BenchPro测试中得分为55.6%，在ARC-AGI-2评估中GPT-5.2Pro以52.9%位居榜首，在GDPval测试中其产出在70.9%的情况下优于或等同于人类专家 [35]；模型支持40万Token的上下文窗口，知识库更新至2025年8月31日 [39]；尽管输入输出Token价格较前代提高约40%，但因Token效率更高，整体性价比被认为更具优势 [41]；模型在编程（SWE-bench验证得分80%）、减少“幻觉”（错误回答比例降低约30%）及科学研究（GPQADiamond基准得分93.2%）方面均有显著提升 [41][42][47] 3. AI融资动向 - **Fal.ai完成大额融资**：2025年12月10日，多模态AI平台Fal.ai完成1.4亿美元D轮融资，公司估值达45亿美元 [4][48]；该平台提供超过600个AI模型，拥有超过200万开发者用户，截至2025年10月其年度经常性收入（ARR）已超过2亿美元 [49] 4. 行情复盘 - **指数表现**：上周（12月8日至12日），AI算力指数单日最大涨幅为2.28%，最大跌幅为-2.08%；AI应用指数单日最大涨幅为1.22%，最大跌幅为-1.93% [54] - **个股涨跌**：在AI算力指数内部，开普云以+21.30%录得最大涨幅，天源迪科以-14.01%录得最大跌幅 [54]；在AI应用指数内部，淳中科技以+13.90%录得最大涨幅，恒银科技以-13.62%录得最大跌幅 [54] 5. 投资建议 - **看好AI算力板块**：报告引述博通财报数据，其AI芯片销售额同比激增74%，累计未完成订单规模达730亿美元，并与谷歌合作的TPU产品能效比较前代提升六倍，认为这为AI算力板块注入强劲增长动能 [7][61] - **建议关注公司**：报告中长期建议关注四家公司：加快扩张算力业务的迈信林（688685.SH）、新能源业务高增的唯科科技（301196.SZ）、AI智能文字识别与商业大数据领域的合合信息（688615.SH）、深耕工业AI与软件的能科科技（603859.SH）[8][62]；报告给出了这四家公司的盈利预测与“买入”评级 [10][63]

涉及的行业与公司 * **行业**：智能汽车/自动驾驶行业，涵盖从L2到L4的技术发展、商业模式演进及投资策略 [1][2][7] * **提及的公司**： * **整车/科技公司**：特斯拉、小鹏汽车、小米 [4][7][13][16] * **技术/方案提供商**：地平线、小马智行、微亚录录通、Waymo [4][13][20] * **其他场景玩家**：金蝶、白鲸油、京东、菜鸟、易控网西迪、塔格 [26][28] 核心观点与论据 * **行业发展阶段与未来预测**： * 过去十年分为几个阶段：2014-2017年（L1-L2，低成本单目摄像头）；2018-2019年（市场萎缩）；2020-2023年（L2++硬件预埋高峰期）；2023年至今（焦点转向软件算法）[2] * 未来五年（2026-2030）将经历三个阶段：2025-2026年（黎明前的黑暗期，电动化红利消退）；2026-2028年（投资最佳期，L4技术在B端商业模式跑通）；2028-2030年（C端市场重新爆发期）[1][7][11] * **技术发展驱动力与路线**： * 核心驱动力已从**政策**转向**技术**，软件算法的重要性超过硬件 [1][10][12] * 大语言模型（如OpenAI）对汽车行业产生深远影响，技术被快速吸收应用 [1][12] * 成本下降符合摩尔定律，硬件和软件成本将继续快速下降 [5] * L4自动驾驶是关键的质变点，能解决责任问题，彻底改变消费者认知 [4][6] * **市场应用与商业化路径**： * **Robotaxi**是天花板最高的应用场景，技术领先其他商用场景两到三年，其突破将加速其他场景发展 [3][14] * 无人驾驶商业模式路径：2025-2026投入期；2026-2028年B端（Robotaxi、货运、物流、公交、矿卡等）跑通；2028-2030年C端爆发 [1][9][11] * **市场渗透率预测**：Robotaxi领域预计在2028年达到10%的渗透率，2035年可能达到50% [3][23][24] * **无人商用车预测**：到2028年保有量达50万辆，2030年150万辆，2035年450万辆 [23][26] * **投资策略与关注点**： * 投资策略应从过去电动化框架跳脱，更注重AI应用，从炒作上游硬件转向下游软件应用 [1][8] * 建议关注的投资组合：小鹏和地平线是最佳组合，加上小马智行和微亚录录通形成四个重要标的 [4] * 2026年炒作热点：模型更新、各公司无人车推广进度及量纲指引调整、大批细分领域领先公司上市 [21] * 估值方法可借鉴互联网泡沫时期，按用户数或单台设备估值，L4自动驾驶单位价值（UP值）会非常高 [27] 其他重要细节 * **中美市场对比**：中美在自动驾驶领域发展几乎同步，差距仅为6至12个月，中国市场能迅速吸收北美成果 [17][25] * **成本与产品**：Robotaxi整车成本下降速度快，预计未来三年内进一步加快，未来两年内可能出现十万元左右的无人车 [18][19] * **政策角色**：政策权重不应高于技术，创新往往倒逼政策出台，更关注一二线城市的地方试点而非等待中央统一规范 [10][16] * **技术现状**：特斯拉在L4技术上领先国内约6至12个月，国内厂商有望在不久后达到同等水平 [13] * **C端体验作用**：C端体验是判断投资机会的重要依据，2026年上半年各公司的C端版本迭代情况是评估其能否实现L4的先验指标之一 [20] * **细分场景机会**：除Robotaxi和物流外，矿卡等环境简单的应用可能更快实现规模化量产和盈利 [3][15][28]

报告行业投资评级 未提及 报告核心观点 受外围市场利空影响，周一两市主要指数震荡调整，科创 50 指数跌幅较大；2026 年股市预计有增量资金，中国科技板块成全球资金布局 AI 新选择；摩根大通看好 2026 年中国股市；后市资金面承压，市场预期弱势运行，建议股指观望等待新机会，暂不参与股指看涨期权 [1][2][3] 各部分内容总结 行情复盘 - 周一两市主要指数震荡调整，科创 50 指数跌幅较大，两市成交额 1.77 万亿元，下跌缩量；沪深 300 指数收 4552 点，跌 28 点，跌幅 -0.63%；上证 50 指数收 2987 点，跌 7 点，跌幅 -0.25%；中证 500 指数收 7113 点，跌 55 点，跌幅 -0.78%；中证 1000 指数收 7309 点，跌 61 点，跌幅 -0.84% [1] - 行业与主题 ETF 中涨幅居前的是卫星 ETF、航空航天 ETF 等，跌幅居前的是科创芯片设计 ETF、创新药 ETF 等；两市板块指数中涨幅居前的是林业、航天装备等，跌幅居前的是消费电子、医疗美容等 [1] - 中证 1000、中证 500、沪深 300、上证 50 指数股指期货沉淀资金分别净流出 52、40、34、1 亿元 [1] 重要资讯 - 11 月份，规模以上工业增加值同比实际增长 4.8%，环比增长 0.44%，1 - 11 月份同比增长 6.0%，41 个大类行业中有 30 个行业增加值同比增长 [1] - 证监会表示推动落实中长期资金长周期考核机制，发展权益类公募基金，推动指数化投资发展，启动创业板改革，加快科创板改革举措落地，研究推出新期货品种 [1] - 中泰证券称 2025 年股市实现 2.26 万亿净流入，2026 年保险、理财、养老金为增量资金，机构增量资金达 3.1 万亿，公募固收 + 规模至少翻倍 [1][2] - 高盛估计全球央行 10 月净买入 49 吨黄金，维持 2026 年月均 70 吨假设，预计 2026 年底金价升至 4900 美元 [1] - 美银认为美联储储备管理购买计划和财政部债券发行策略调整形成“类 QE 组合拳”，2026 年美联储预计购买 5600 亿美元短债，财政部增发 5000 亿短债、减发 6000 亿中长期债券，降低市场久期风险，预计对 10 年期美债收益率产生 20 - 30 个基点下行压力 [1][2] - AI 专家对大语言模型发展有不同观点，一方认为逼近人类，另一方认为是“智能幻觉” [2] - 可再生能源板块今年跑赢大盘和石油股，标普全球清洁能源转型指数年内飙升 44%，投资创新高，源于人工智能革命带来的能源需求 [2] - 对冲基金进军实物大宗商品市场，金融巨头涉足天然气、电力和原油实物交易 [2] - 国金证券研报称 SpaceX 护城河是成本、制造和客户三大壁垒融合，猎鹰 9 号降低发射成本，与美国政府客户关系构建商业闭环 [2] - OpenAI 取消新员工“期权授予期”，今年股权薪酬支出预计达 60 亿美元，接近预计收入一半 [2] - 日本大型制造业企业商业信心 12 月攀升至四年高位，为日本央行本周加息扫除障碍，市场预计基准利率上调至 0.75% [2] - 经济学家建议特朗普用“关税退税”政策拉升支持率，推动新“超级法案” [2] - 多家全球大型资产管理机构看好印度市场，认为其股市与全球 AI 交易低相关，可对冲风险 [2] 市场逻辑 - 受外围影响周一两市指数调整，2026 年股市有增量资金，中国科技板块因估值、产业生态和制造能力优势成全球资金布局 AI 新选择 [2] - 瑞银证券分析师认为 2026 年多因素共振助力 A 股估值上行，摩根大通上调中国股票评级为“超配”，英伟达 CEO 认为中国将赢得人工智能竞赛 [2][3] 后市展望 - 受外围影响周一两市指数调整，全球资金加码中国股市，外资期待主动资金回归，中国科技板块成布局 AI 新战场 [3] - 摩根大通认为 2026 年中国股市上涨风险高于下跌风险，看好多重积极因素，阿里和谷歌相关人士表示 AI 需求旺盛 [3] - 美国回归门罗主义使全球资金加速流向中国资本市场，美联储降息并购买短债，资产负债表扩张 [3] - 周一两市调整技术走弱，后市资金面承压，市场预期弱势运行，股指观望等待机会 [3] 交易策略 - 股指期货方向交易建议观望等待新机会 [3] - 股指期权交易暂不参与股指看涨期权 [3]

公司概况与市场地位 - 公司是专注于提供AI数字员工解决方案及企业级智能体解决方案的AI企业，通过融合AI算法、大语言模型和RPA技术助力企业数智化转型 [1] - 按市场份额计，公司于2022年至2024年连续三年在中国AI数字员工解决方案市场蝉联榜首，且服务的大中型企业数量位居市场首位 [1] - 公司在金融服务领域市场地位尤其领先，自2022年至2024年连续三年市场份额稳居第一 [1] 业务运营与客户基础 - 截至2025年6月30日，公司已部署逾180万名AI数字员工，累计服务超过1,300家优质客户，其中包括120余家《财富》全球500强及《财富》中国500强企业 [2] - 在金融服务领域，公司已为超240家银行（覆盖中国六大国有银行）、超130家证券公司（覆盖中国90%以上的证券公司）以及超170家其他主要金融机构提供服务 [2] 财务表现 - 公司收入于2022年度、2023年度、2024年度、2025年截至6月30日止六个月分别为2.03亿元、2.17亿元、2.43亿元、4597.7万元 [3] - 公司毛利于同期分别为8549.9万元、9001.8万元、1.3亿元、2386.3万元 [4] - 公司毛利率于同期分别为42.1%、41.5%、53.4%、51.9% [5] 行业前景与市场规模 - 中国企业级AI解决方案市场规模从2020年的143亿元增长至2024年的472亿元，复合年均增长率为34.8%，预计2025年至2029年将以42.7%的复合年增长率增长，到2029年达到2,780亿元 [6] - 中国企业级智能体解决方案市场预计在2027年商业化普及后将释放180亿元的市场规模，并以70.0%的复合年均增长率增长，至2030年达到884亿元 [6] - 全球AI数字员工解决方案市场从2020年的118亿元增长至2024年的291亿元，复合年均增长率为25.3%，预计2025年至2029年将以40.0%的复合年增长率增长，到2029年达到1,287亿元 [7] - 中国AI数字员工解决方案市场规模从2020年的18亿元增长至2024年的65亿元，复合年均增长率为37.5%，预计2025年至2029年将以51.0%的复合年增长率增长，到2029年达到510亿元 [7] 公司治理与上市信息 - 公司已向港交所主板递交上市申请，联席保荐人为国泰君安融资有限公司及中银国际亚洲有限公司 [1][10] - 董事会由11名董事组成，包括5名执行董事、2名非执行董事及4名独立非执行董事 [8] - 截至2025年12月9日，创始人廖先生通过其受控实体有权行使约40.65%的公司已发行股本总额所附带的表决权 [9]

公司概况与市场地位 - 珠海金智维人工智能股份有限公司已向港交所主板递交上市申请，联席保荐人为国泰君安融资有限公司及中银国际亚洲有限公司 [1] - 公司是一家专注于提供人工智能数字员工解决方案及企业级智能体解决方案的AI企业，通过融合AI算法、大语言模型和机器人流程自动化技术，将工作交由AI数字员工及智能体处理 [3] - 根据弗若斯特沙利文资料，公司于2022年至2024年连续三年在中国AI数字员工解决方案市场份额蝉联榜首，且服务的大中型企业数量位居市场首位 [3] - 公司在金融服务领域市场地位尤其领先，自2022年至2024年连续三年市场份额稳居第一 [3] - 截至2025年6月30日，公司已部署逾180万名AI数字员工，累计服务超过1,300家优质客户，其中包括120余家《财富》全球500强及《财富》中国500强企业 [3] 财务表现 - 公司收入从2022年度的2.03亿元增长至2024年度的2.43亿元，2025年上半年收入为4597.7万元 [5] - 公司毛利从2022年度的8549.9万元增长至2024年度的1.3亿元，2025年上半年毛利为2386.3万元 [6] - 公司毛利率在2022年度、2023年度、2024年度及2025年上半年分别为42.1%、41.5%、53.4%和51.9% [9] - 公司经营亏损从2022年度的6697.1万元大幅收窄至2024年度的383.0万元，但2025年上半年经营亏损扩大至4043.6万元 [8] - 公司年内亏损从2022年度的5.07亿元收窄至2023年度的6257.3万元，但2024年度亏损扩大至1.22亿元，2025年上半年亏损为1.17亿元 [8] 行业前景 - 中国企业级AI解决方案市场规模从2020年的143亿元增长至2024年的472亿元，复合年均增长率为34.8%，预计2025年至2029年将以42.7%的复合年增长率增长，到2029年达到2780亿元 [11] - 中国企业级智能体解决方案市场预计在2027年商业化普及后将释放180亿元的市场规模，并以70.0%的复合年均增长率增长，至2030年达到884亿元 [12] - 全球AI数字员工解决方案市场规模从2020年的118亿元增长至2024年的291亿元，复合年均增长率为25.3%，预计2025年至2029年将以40.0%的复合年增长率增长，到2029年达到1287亿元 [12] - 中国AI数字员工解决方案市场规模从2020年的18亿元增长至2024年的65亿元，复合年均增长率为37.5%，预计2025年至2029年将以51.0%的复合年增长率增长，到2029年达到510亿元，占全球市场比重将进一步提升 [13] 客户与业务聚焦 - 公司在金融服务领域遥遥领先，截至2025年6月30日，已为超240家银行（覆盖中国六大国有银行）、超130家证券公司（覆盖中国90%以上的证券公司）以及超170家其他主要金融机构提供服务 [4] - 公司的AI数字员工涉足金融服务、政务、制造业等十余个行业 [3] 公司治理与股权结构 - 董事会由11名董事组成，包括5名执行董事、2名非执行董事及4名独立非执行董事 [14] - 创始人、董事会主席、执行董事、首席执行官兼总经理廖万里（54岁）负责集团整体企业战略及运营、新产品研发方向及技术开发 [17] - 联合创始人、执行董事兼销售及营销服务部总经理金卓（55岁）负责集团的销售与营销服务 [17] - 执行董事、首席财务官兼运营管理服务部总经理曹海甥（40岁）负责集团运营管理服务，包括财务运营、资本市场、信息技术、人力资源及行政职能 [17] - 截至2025年12月9日，廖万里通过其受控实体有权行使约40.65%的公司已发行股本总额所附带的表决权，为控股股东 [19] - 主要股东包括金石众成（持股25.28%）、金证科技（持股12.14%）、启明（持股12.26%）及上海辰钓（持股7.34%）等 [22] 中介团队 - 联席保荐人为国泰君安融资有限公司及中银国际亚洲有限公司 [23] - 申报会计师及独立核数师为毕马威会计师事务所 [26] - 行业顾问为弗若斯特沙利文（北京）咨询有限公司 [26] - 合规顾问为中泰国际融资有限公司 [26]

公司动态 - 英伟达盘前股价上涨逾1%至177.64美元 [1] - 英伟达公布了第三代“Nemotron”大语言模型系列 主要面向写作、编程等任务 [1] - 该系列中最小模型Nemotron 3 Nano已于当天发布 另外两个更大版本计划在2026年上半年推出 [1] 行业格局 - 有报道称Meta Platforms正在考虑转向闭源模型 [1] - 这使得英伟达成为美国最主要的开源模型提供者之一 [1]

公司动态 - 英伟达盘前股价上涨逾1%至177.64美元 [1] - 英伟达公布第三代“Nemotron”大语言模型系列 主要面向写作、编程等任务 [1] - 该系列最小的模型Nemotron 3 Nano已于发布当天推出 [1] - 该系列另外两个更大版本计划在2026年上半年推出 [1] 行业格局 - 有报道称Meta Platforms正在考虑转向闭源模型 [1] - 这使得英伟达成为美国最主要的开源模型提供者之一 [1]