文章核心观点 - 文章围绕“通用人工智能（AGI）能否成为现实”展开了一场深度辩论，两位来自学术界与产业界的一线研究者基于对算力、模型架构、应用落地的不同理解，阐述了各自对AGI定义、发展现状及未来趋势的判断 [6][7] - 尽管对AGI的实现路径存在分歧，但双方均认为，相较于抽象定义，AI技术（尤其是智能体）的实际“实用性”及其对工作方式的变革才是关键，并一致看好小模型、开源模型、新硬件及多元化架构的未来发展 [15][23][55] 关于AGI定义的争论 - **定义视角**：AGI的定义主要有两种主流视角，一种关注模型覆盖的认知任务广度，另一种则从经济角度出发，看其是否引发新的工业革命并改变生产方式 [14][35] - **共识与分歧**：双方达成共识，认为AGI的具体定义并不重要，关键在于它是否改变了人类的工作方式 [15][55]。丹·傅认为，以5-10年前的标准看，当前的语言模型在写代码、生成语言等方面已实现早期设想的AGI，并可能引发软件工程领域的工业革命 [34]。蒂姆·德特默斯则认为，当前关于AGI的狂热预测源于特定社群的信息茧房，缺乏对计算现实的考量 [36] 算力增长的潜力与极限 - **算力极限论**：蒂姆·德特默斯认为“计算是物理的”，内存迁移、带宽、延迟及冯·诺依曼瓶颈决定了算力不可能无限扩张，指数增长终将放缓，Scaling Law也不例外 [10][37]。他指出，从DRAM到HBM等硬件创新已接近物理极限，量化技术（如4位精度）也已发展至尽头，功能和硬件潜力均已被充分挖掘 [40][42][43] - **算力潜力论**：丹·傅认为当前谈“算力见顶”为时过早，现实系统中算力被严重低估和浪费，大量性能消耗在内核调度与系统开销上 [12]。他指出，当前评测的“最强模型”多基于一两年旧的算力集群训练，未能代表当下硬件的真实上限 [12][49]。通过新一代硬件（性能提升约2–3倍）、系统与工程优化（算力利用率提升约3倍）及更大规模集群（规模效应约10倍）三者叠加，理论上可用算力有接近90倍的提升空间 [13][18][46] 智能体（Agent）的发展与应用 - **拐点时刻**：丹·傅指出，2025年6月是Agent发展的关键拐点，当时代码智能体成功攻克了被视为编程领域终极难题之一的“GPU内核编程”，使其个人工作效率提升了5倍，其团队也能快速完成原本需耗时数月的复杂系统开发 [17][20][62][63] - **高度通用性**：蒂姆·德特默斯认为代码Agent本身就是高度通用的Agent，因为代码几乎可以描述和解决所有数字化问题，并断言超过90%的代码和文本本应由Agent生成 [20][66] - **应用与管理范式**：双方将Agent比作“需要精细化管理的实习生”，人类需提供明确背景、拆解任务并设定约束，而将注意力聚焦在方向把控与结果校验上 [21]。丹·傅强调，专业知识越深厚的专家，Agent能为其创造的效率增量就越显著 [21][74] - **必备技能**：蒂姆·德特默斯强调“要么善用Agent，要么被时代淘汰”，使用Agent并有效检查、编辑其输出（约10%的工作）将成为未来核心技能，能带来巨大的生产效率提升 [20][67][68] 人工智能行业未来趋势预判 - **小模型与开源模型**：双方均认为小模型将成为行业新热点，针对特定领域数据训练的小模型部署难度低、性能出色，将更具吸引力 [23][81]。开源模型（如GLM-4.7）的能力将进一步飞跃，并开始媲美最优秀的前沿模型 [23][26][83] - **硬件多元化与专业化**：硬件赛道将走向多元化发展，训练与推理环节的专业化分化会加剧 [23][24]。推理芯片将更侧重在手机、笔记本电脑等终端设备本地运行 [61] - **架构创新**：Transformer架构独霸天下的时代将落幕，状态空间模型（SSM）、线性注意力及各类混合架构等新架构将登上舞台 [25][84][86]。中国团队在架构创新上更敢于探索多种可能性，通过架构创新或极致性能让开源模型脱颖而出 [26][85] - **多模态与端侧AI**：多模态领域（如视频生成）及端侧AI（在笔记本电脑、手机等设备上运行的AI）预计将有进一步发展 [23][83] - **中美发展路径差异**：相比美国“先做出最强模型，再等待应用出现”的思路，中国模型团队的发展思维更务实，更关注模型能否真正落地并在现实场景中产生价值 [26][55]

报告行业投资评级 - 行业投资评级：优于大势 [6] 报告的核心观点 - 报告核心观点：服务器CPU行业正迎来需求拐点，供给侧产能紧张与涨价、需求侧AI推理与Agent等新应用驱动、行业景气度提升共同构成了行业的核心投资逻辑 [1][2][3] 供给侧总结 - 海外巨头计划涨价：英特尔和AMD计划在2026年将服务器CPU价格上调10%-15% [1] - 产能结构向服务器倾斜：英特尔将Intel 3和Intel 7等先进制程产能转向服务器，导致消费电子端交付保证率大幅下滑，PC CPU供给缺口加剧，而服务器端的至强Xeon4/5和第五代EPYC CPU库存已几乎售罄 [1] - 上游材料供应紧张：产业链信息显示ABF载板因t-glass短缺而供应紧张，英特尔优先保供服务器CPU，导致服务器CPU产能仍然紧缺 [1] - 产品结构优化带动盈利：英特尔和AMD通过调整产品结构向高端服务器倾斜，或将带动平均售价及整体毛利率提升 [1] 需求侧总结 - AI推理需求旺盛：生成式AI训练和推理集群扩容，算力缺口指数级放大，带动推理服务器头节点需求增长 [2] - 通用服务器进入更新周期：超大规模数据中心进入3~5年一次的“升级周期”，旧机架功耗已触顶，更新换代为必要需求 [2] - Agent时代驱动CPU需求激增：CPU角色转变为AI系统的“调度中枢”，Agentic工作流属于计算密集型，需要比传统GenAI查询更多的处理能力 [2] - 柜内CPU：英伟达Blackwell架构的ARM CPU存在瓶颈，新一代Rubin架构将大幅提升CPU核心数与超线程 [2] - 柜外CPU：Agent需要CPU创建大量沙箱环境执行任务，用量与Agent用户数相关，驱动独立通用服务器需求增长 [2] - 核心驱动：单GPU对应的CPU计算核数量增长，以及多个Agent并行执行带动云端沙盒调用量飙升，从而大幅增长对CPU数量的要求 [2] - 市场格局反转带来补偿性投资：此前AI服务器火热而通用服务器遇冷的格局反转，通用服务器市场出现补偿性投资机会 [2] 行业格局总结 - 市场规模与增长：2025年全球CPU市场规模约1302亿美元，商启咨询预计2026年全球CPU市场规模约1412.7亿美元，2025-2030年CAGR约8.5% [3] - 中国市场结构：中国CPU市场中，桌面CPU份额为50%，移动CPU和服务器CPU分别占比30%和20% [3] - 竞争格局：中国CPU市场目前由国外企业主导，英特尔和AMD分别占据了50%和30%的份额，华为和联发科分别占据10%和5%的份额 [3] 相关投资标的 - 国产CPU：海光信息、禾盛新材、龙芯中科等 [4] - CPU上游：华大九天、华正新材等 [4] - 服务器：中科曙光、浪潮信息、紫光股份等 [4] 行业市场数据 - 行业表现：计算机行业近1个月绝对收益13%，相对收益10%；近12个月绝对收益34%，相对收益11% [8] - 行业概况：计算机行业成分股数量425只，总市值33270亿，流通市值28279亿，市盈率134.08倍，市净率4.01倍，成分股平均资产负债率209.76% [8]

行业趋势：桌面AI Agent的兴起与共识 - 行业已形成清晰共识，即“桌面Agent”突然火了起来，这代表着AI Agent正从概念走向面向大众的日常使用和实际交付阶段 [2][3] - 核心变化在于AI的“上下文”从网页对话框扩容至用户的真实工作环境，包括硬盘、浏览器、文件目录和屏幕画面，使其从“咨询顾问”转向能够动手操作的“执行者” [3] - 开源社区迅速跟进，出现了各种“开源Cowork”或“Local First”产品，外部竞争压力促使Anthropic将其Claude Cowork功能从100美元Max套餐下调至20美元Pro档 [1] 产品评测：MiniMax Agent Desktop的核心功能与体验 - 产品提供本地文件处理、Browser Use等功能，用户可通过一句话指令快速完成基于本地的任务，网页端新增“专家”功能，可将常用配置保存为可复用的指令、模型偏好和Agent行为模板 [1] - 在整理包含**400多本**电子书的文件夹任务中，Agent能请求访问权限、制定整理规划、自动分类命名、联网检索模糊信息，并最终输出重新分类的文件夹和一份详细的Excel表格 [6][7][8][9][12][14] - Agent具备识别重复文件的能力，主要基于标题相似度，并可应要求使用哈希值进行二次校验 [16][17] - 在尝试操作小红书内容生产流水线时，Agent能自动完成深度调研和内容生成，但在涉及账号登录、图片上传等平台风控环节时需要人工介入，展现了其在前**90%** 工作流程中的高效生产力 [35][36][37][38][39][40][41] 产品创新：专家功能与SOP的封装复用 - 网页端的“专家”功能允许将个人或团队的方法论封装成可反复调用的执行体，这相当于Claude Skill的普适版，门槛更低但能力未打折 [19] - 通过将行业经验、SOP和知识库注入Expert Agent，可以将一个**70-80分**的通才AI提升至接近**95分**的专家水准，使“经验”成为一种可复用的数字资产 [25][26][27][33] - 官方和社区已封装并提供多种专家Agent，例如落地页制作助手、文档处理助手、全球投资专家、翻译专家等，用户也可自行创建并发布 [20] 行业影响：对工作流程与资产定义的变革 - Agent的普及促使工作心态从与AI进行“探索性、发散式”的脑暴，转变为像“带新人”一样进行任务下达、执行和验收的管理模式 [45][46] - 公司的核心资产“经验”和“SOP”得以从文档中的死文字，转变为可交接、可复用、可执行的数字资产，新人可直接调用专家方法论交付稳定成果 [44] - 桌面Agent的本质是连接“本地资产”与“云端智能”的桥梁，它改变了人适应工具的传统，转为让Agent主动进入并理解人的工作环境 [47][48] - 这不仅是GUI界面的更新，更是对未来工作形态的预演，标志着AI必须深入具体业务场景，也是Agent产品走向更大众市场的开始 [49][50][51]

行业趋势与竞争格局 - 2026年被预期为AI智能体（Agent）赛道新一轮爆发之年，行业竞争已进入白热化阶段[1] - 市场出现分化，主要参与者专注于两大方向：提升工作效率与重塑日常生活体验[1] - 国外如Anthropic发布Cowork，国内如千问APP上线“任务助理”，表明国内外厂商均在积极布局[1] MiniMax Agent 2.0产品核心升级 - 公司于2026年1月20日发布第二代智能体产品MiniMax Agent 2.0，将其定位为“AI原生工作台”，在产品形态和能力上进行了深度重构[2] - 产品核心目标是从“靠谱的AI伙伴”升级为能自主执行复杂任务的“进阶型智能协作伙伴”，在自动化执行的广度、深度和专业度上全方位加强[2][5] - 产品升级建立在三大核心支柱之上：桌面端应用、垂直领域专家智能体（Expert Agents）以及用户自定义专家智能体的能力[2][3][5] 核心支柱一：桌面端应用（MiniMax Agent Desktop） - 桌面端应用让智能体跳出浏览器，能够直接操作本地文件和环境，并启动网页自动化任务，实现了本地与云端工作的无缝连接[2] - 该应用已上线Windows和Mac双版本，通过一个全局视角渗透到各职能角色的核心工作流中，旨在将人类从重复性劳动中解放出来[2][3] - 其核心设计是深度打通本地文件，用户指定工作目录后，AI可读取、分析并批量处理该目录下的所有文件，体现了“AI原生工作台”的思路[7][9] 核心支柱二：垂直领域专家智能体（Expert Agents） - Expert Agents旨在打造垂直领域的顶级专家分身，通过封装私有知识和行业独家标准操作流程（SOP）来武装用户[3] - 相比1.0时代依赖的、只能提供70分通用专家组合的多专家系统，Expert Agents可将专家水平提升至95分甚至100分，可靠性有质的飞跃[3] - 官方提供大量开箱即用的Expert Agents以降低操作门槛，用户可在桌面和网页双端限时免费体验该功能[3][4] 核心支柱三：用户自定义专家智能体 - 用户可通过提供更多上下文信息和更自由的自定义设置，创建更懂用户、提供个性化服务的专家智能体[5] - 创建过程简单直观，用户可将行业经验、部门SOP或复杂业务逻辑转化为可重复调用的模块[24][28] - 在面对复合任务时，用户可指挥一支由特定领域专家组成的数字团队进行协作，实现了从“单点能力”向“专家协作”的转变[26][28] 产品实测与功能展示 - 在“刷选题”任务测试中，智能体在2分多钟内成功编写脚本并完成可行性测试，还能提供后续实现定时任务的教程[11] - 在复杂的“读论文并制作技术图谱”任务中，智能体耗时约6分钟，完成了下载文档、分析解读、技术追溯并最终生成和部署展示网页的全流程[12][13][14][15][17] - 在“从多个文档中提取技术博客并制作PPT”的繁琐任务中，智能体耗时23分钟，完成了格式转换、内容读取、链接访问、内容总结及PPT生成等一系列操作[17][18][19] - 智能体能够处理本地环境任务，例如根据用户指令，自动调用本地已安装的ffmpeg工具，对文件夹中的多个视频进行不同倍率的加速处理[22][23] - 多智能体协作功能允许用户启用多个配置好的专家子代理，围绕一个主题进行多视角的深度讨论，由主智能体担任主持人进行调度[26] 战略定位与底层能力支撑 - MiniMax Agent 2.0的战略是重新定义AI能力边界，其重点不在于展示“想得有多聪明”，而在于证明“能把事做到哪一步”，核心是以任务完成率为中心的设计[29][30] - 产品定义的“AI原生工作台”意味着交互逻辑从“人要被动适应Agent”变为“Agent主动适应人”，智能体主动进入工作环境并持续推进任务[30][31][33] - 产品能力背后是公司在模型层面的持续升级：2025年6月的Lightning Attention技术将长序列计算成本从二次方降为线性；10月发布的M2模型定位为Agent & Code Native，采用交错思维和MoE架构，总参数达2300亿，激活参数100亿，其API价格仅为Claude Sonnet 4.5的8%；12月的M2.1模型则深入后端语言，具备全栈工程能力[32] - 公司内部已形成快速自我强化的迭代闭环：模型能力首先被用于内部研发与办公核心流程，据悉过去数周内公司内部接近100%的员工开始使用Agent，高频的真实业务使用反馈又驱动下一轮模型和系统升级[32]

行业与公司 * 行业：全球人工智能产业，涵盖上游算力、中游模型与下游应用[1] * 公司：涉及海内外多家科技公司，包括Anthropic、OpenAI、Google、字节跳动、腾讯、阿里巴巴、美图等[1][3][5][6][7] 宏观趋势与市场分化 * 中美AI应用市场呈现“冰火两重天”格局[1] * 美股软件股自2026年1月以来大幅下跌，主要原因是Anthropic发布具备全自动工作流能力的Agent产品，引发市场对软件开发成本和功能价值被颠覆的担忧[1] * 中国AI应用生态更偏向“闭环整合”，头部厂商依托自有流量与生态快速落地Agent功能[2] * 自2025年8月起，上游算力（芯片、设备、存储）持续走强，下游应用侧（互联网、软件公司）表现疲软[2] * 市场对短期算力资本开支确定性高，但担忧中长期需求可持续性[3] 技术演进与模型格局 * 基础模型进入线性增长阶段，未出现突破性跃迁，整体能力稳步提升[3][4] * 第一梯队模型包括Anthropic、OpenAI、Gemini[3] * 第二梯队模型包括Grok、智谱、Kimi[3] * 国内通义千问版本滞后，Deepseek V4有望冲击第一梯队[3] * 多模态成为关键突破点，例如Google的NanoBanana等图像编辑模型具备视觉交互能力，显著提升Agent在浏览器自动化、GUI操作、机器人、医疗影像等场景的连续任务执行能力[4] * 垂直模型转向“后训练+强化学习”模式，不再依赖RAG外挂检索，而是将专家思维链内化至模型，实现类人推理[4] * 医疗、金融、编程等领域需大量专家标注数据支撑[5] 国内外AI应用落地对比 * **国内（闭环生态驱动）**： * 字节跳动：豆包手机采用“OS+APP”模式，通过读屏理解操作APP，但效率偏低[5] * 腾讯：开放小程序生态，将小程序转化为Agent（“超级应用+Agent”）[5] * 阿里巴巴：通义千问新版本深度整合阿里生态（飞猪、饿了么等），实现无需跳转的闭环服务，被视为首个真正落地的C端Agent，显著提升其AI叙事确定性[5] * **海外（平台+第三方生态）**： * Anthropic：聚焦编程工作流，实现“仅需产品设计即可自动生成完整产品”，颠覆传统软件开发逻辑[5] * OpenAI /JIMI：仍以Chatbot为主，侧重一次性输出，缺乏任务规划能力[5] * Google：拥有自有模型，推出Sketch（对标Figma）、Opa Notebook等工具，但偏C端，专业场景影响有限[5] 投资逻辑与标的推荐 * **上游（受益明确）**：存储（DRAM/HBM/SSD）、半导体设备、电力设备——受益于AI推理需求迁移与台积电扩产（2026年CAPEX预计增长30%-40%）[5] * **平台型公司（生态+模型+流量）**： * 海外：Google[6] * 国内：阿里巴巴（已验证闭环）、腾讯（待观察）、快手[6][7] * **终端场景类（AI赋能而非替代）**：推荐美图、Roblox、Reddit[7] * **ToB工具类（存在错杀机会）**：Adobe、Figma等正与大模型公司合作转型，需观察2026年Q1产品落地与业绩兑现[7] 核心判断与展望 * 2026年是“第三个Agent元年”，但成败未定，市场给予极高溢价[7] * Agent的核心竞争力从“通用对话”转向“自动化工作流执行”，尤其在编程、医疗等垂直领域[7] * 国内AI应用因生态闭环+快速迭代，在C端落地速度领先；海外则在B端工作流自动化上更具颠覆性[7] * 存储需求正从训练侧向推理侧迁移，SSD作为“个人记忆体”将成为下一代Agent基础设施[7] * 总结：AI产业正经历从“模型竞赛”到“应用落地”的关键转折，中美路径分化明显，技术突破（多模态、强化学习）与生态整合能力成为胜负手[7]

算力发展趋势与投资主线 - 核心观点：展望2026年，算力发展具备高确定性，超节点技术升级和CSP大厂资本开支持续高增将驱动行业增长，看好算力芯片及系统级厂商投资机遇 [1] - 投资主线建议关注四大方向：AI算力、AI应用、算力卫星、AI医疗 [1] 算力趋势：超节点技术与系统级竞争 - 算力竞争正从单卡算力比拼过渡到超节点等系统级别竞争，系统级能力将成为下一阶段重要竞争要素 [2] - 超节点时代助力集群性能提升，海外头部服务器公司已验证可凭此获取超额份额与利润 [2] - 国产算力超节点竞争力迅速提升，有望在超节点时代获得更多采购 [2] - 各大CSP厂商持续加速资本开支投入以及tokens需求持续释放，为算力发展提供高确定性背景 [2] AI应用：拐点已至与价值重估 - 下一代大模型（如Gemini 3.0/GPT5）将实质利好复杂推理、多模态类场景，助力AI产业走向规模化落地 [3] - 伴随模型能力提升，AI应用将从Chatbot、Coding等场景，更多走向广泛的多模态、Agent、具身智能等场景 [3] - 2025年以来海外AI应用年度经常性收入数据持续增长，商业化加速落地 [3] - 国内AI应用公司正加速布局海外市场，抢占全球份额，海外业务带来全新商业价值 [3] 内需支持：政策驱动的结构性机会 - 2025年以来政策持续支持科技内需，预计2026年支持力度将持续加大 [4] - 在卫星互联网领域，政策加大对卫星算力等方向支持，带动卫星科技公司需求 [4] - 在医疗领域，政策持续关注民生AI及医疗便利性，带动医疗科技公司需求 [4] - 在消费、财税领域，政策不断促进消费、规范财税制度等，带动消费科技公司需求 [4] - 结构性内需修复将成为计算机板块2026年值得重点关注的方向 [4] 结构性亮点方向 - 预计从2026年起，算力卫星建设将逐步提速，星算产业化进程加快 [1] - AI医药电商领域不断创新，场景落地加快 [1]

文章核心观点 - AI应用赛道正经历一场不亚于互联网级别的技术变革，前景广阔，但当前二级市场部分概念公司的股价上涨主要由市场情绪驱动，缺乏业绩支撑，存在泡沫[6][10][14] - AI应用（特别是智能体Agent）在B端和C端的落地正在推进，但全面成熟仍需时间，解决“最后一公里”问题是关键[10][11] - 真正的投资机会在于能够实现AI应用落地、产生收入的公司，尤其是具有生态优势的互联网大厂和拥有行业Know-how的B端软件企业，其价值将随AI收入占比提升而重估[16][17][20][21] 一、AI应用发展现状与挑战 - AI应用正在重塑消费决策链路，据麦肯锡数据，40%至55%的重点行业消费者依赖AI搜索完成购买决策，71%的AI工具使用者会通过其获取商品推荐[10] - 相较于2025年初，AI智能体（Agent）已在更多场景落地，但在B端仍面临大模型幻觉、工具调用能力、企业适配等问题，全面AGI可能需要5-10年，但特定领域Agent有望在3年内达到熟练工效果[11] - 一级市场资本积极涌入AI应用赛道，更青睐能与大厂错位竞争或专注出海的企业，这些企业可见应用落地、用户增长和收入（ARR）提升[11][12] 二、二级市场表现与情绪炒作 - 2025年AI算力代表企业“易中天”组合（新易盛、中际旭创、天孚通信）股价涨幅分别达424.03%、396.38%、213.72%[2] - 2026年初，市场热点转向AI应用“新易中天”组合（易点天下、中文在线、天龙集团），1月12日三者均涨停，年初至当时涨幅分别达87.36%、56.33%、80.28%[3][4] - 自2025年12月23日至文章发布时，软件ETF上涨23.81%，易点天下、中文在线、天龙集团股价分别上涨140.73%、51.62%、72.31%[13] - 随后多家上市公司发布风险提示公告，澄清其GEO等AI应用业务尚未形成收入或影响有限，显示此轮上涨缺乏业绩支撑，由情绪主导[14] 三、真正的投资机会所在 - 在C端，互联网大厂（如阿里、腾讯、字节）凭借算力、流量、数据及生态优势占据主导地位，其AI应用（如千问、元宝、豆包）正深度集成至现有产品，有望抢占先机并迎来价值重估[15][16][17] - 在B端，传统软件企业拥有深厚的行业Know-how和客户绑定优势，正在开发自身AI应用，其价值重估将取决于AI业务收入的落地和占比提升[17][18][21] - 参考云计算转型历史，用友网络云收入占比从2017年的6.45%提升至2019年的23.15%，其2018年、2019年股价分别上涨31.45%、74.88%，预示AI收入占比提升可能带来类似市值增长[20][21] - 据明略科技数据，2026年全球生成式AI搜索优化市场规模将达240亿美元，预计2030年有望达到1000亿美元[13]

纪要涉及的行业或公司 * AI应用行业，涵盖C端与B端应用、基础模型、AI数据服务、AI解决方案及多个垂直领域（如电力、营销、办公软件、工业软件等）[1][2][3] * 提及的公司包括：豆包（字节跳动）、腾讯、蚂蚁阿福、Deepseek、OpenAI、Google、麦麸食、第四范式、海天瑞声、深信服、国能日新、Minimax、智谱、Kimi、Asura、彩讯股份、金山公司、能科股份等[1][2][4][5][6][7][8][9][13][16][18][21][22][27] 核心观点和论据 市场前景与催化因素 * AI应用市场仍处于上涨第一阶段，整体向上趋势未变[2] * **C端催化**：国内大厂在C端发力明显，如豆包手机助手推出超级助手并计划扩大下沉市场，腾讯进行生态内布局，春节期间可能引发全民AI热潮[1][2] * **B端催化**：Deepseek V4发布将推动B端应用发展，模型性能提升和推理成本降低，下半年B端AI应用有望兑现业绩[1][2] * **其他催化**：新兴应用范式（如多Agent协同系统）、物理AI等领域将带来新的行业催化剂[1][2][13] 具体公司分析与投资机会 * **麦麸食**：营销和销售领域龙头企业，2025年SaaS订单增速达80%，收入增速约36%-37%，预计2026年SaaS收入保持高速增长（保守估计增速40%），目标市值约160亿，当前有40-50个百分点上升空间，其GEO助手产品2025年12月单月收入已超900万元[1][4] * **第四范式**：大B领域AI解决方案核心厂商，2025年业绩与收入显著提速，受益于企业客户AI需求增加，研发费用率快速下降，增长逻辑清晰，当前估值不到8倍毛利倍数，按10倍计算2026年仍有至少30%市值空间[1][6] * **海天瑞声**：唯一上市的AI数据标注公司，行业需求旺盛，国内外客户需求增加，预计2025年增速至少60%，2026年增速至少30-40%，当前估值不到20倍（合理区间20-30倍），处于偏下限有上涨空间[1][7] * **深信服**：2025年前三季度收入增长10.6%，预计全年增速更高，四季度收入占比约40%，云计算、超融合、AICP及分布式存储等产品需求强劲，2025年利润增长预计超50%，2026年仍能保持30%以上增长，当前估值约6倍多PS，有望达到8-10倍PS水平[8] * **国能日新**：专注于光伏与风电功率预测，核心优势在于数据积累，2026年业务看点为电力交易，利用功率预测优势拓展至电力交易辅助定价产品，帮助发电企业报价能力提升（参与现货交易用户平均定价比市场定价高出10%以上），预计2026年、2027年收入增长均约25%，2026年收入预计达8.6亿元左右，当前估值不到10倍PS[2][9][11][12] * **金山公司**：正从工具软件向流程软件转型，高度重视AI场景应用，个人端订阅增长11%左右，全年目标MAU为6000-7000万，通过AI提升付费率及推动客户升级，企业协同办公业务在蓝海市场竞争不如预期激烈，基础软件授权业务与信创、AI需求及鸿蒙系统绑定紧密，当前估值约22倍PS[22][25][26] * **能科股份**：AI业务推进顺利，得益于特种行业项目落地，2026年AI收入占比预计超30%，目标成为第一大业务，AI应用收入目标从2025年的5-6亿增长到2027年的15亿以上，三年复合增速至少30%，当前估值约7倍PS[27][28][29] * **彩讯股份**：作为Agent应用方向的标志性企业，其可转债预案显示募集资金主要用于智能算力集群和企业级AI智能体研发，公司估值合理且发展前景广阔[21] 基础模型发展趋势 * 2026年基础模型仍是关注重点，例如Deepseek V4和Grok 5即将发布[2][13] * 多Agent协同系统（MAS）成为重要趋势，由多个小型工具支撑的大型系统可提高智能程度、可控性与定制化能力[13] * OpenAI和Google将重新训练基础模型以保持领先地位[2][13] * 国产基础模型厂商（如智谱）在全球开源领域竞争力强，智谱的AGI能力在全球开源模型中处于领先地位[19] * 智谱公司To B业务占比约20%，最大客户来源是互联网公司，尽管Deepseek事件导致部分客户尝试自建，但最终回流，收入仍翻倍增长[20] 其他重要内容 * **AR2（推测为某公司产品或业务）**：市场体量约1亿元，约90%存量客户对GU感兴趣，收费模式为起步价1万元按点数消耗，复购率高，GU已产生收入并高速增长，2026年利润增速预计至少40-50%[5] * **Deepseek V4技术特征**：预计不会对Transformer架构做重大改变，但可能引入专门存储模块存储固定知识以释放算力用于复杂推理，提高训练稳定性和推理能力[14] * **InGraph模块**：与RAG不同，是直接训练到模型内部的内化模块，检索可能更准确且复杂度较低，能提升推理性能[15] * **国内基础模型厂商上市情况**：正式上市的主要有Minimax和智谱，智谱预计2026年6月左右完成正常入通，未来可能不会再有新的基础模型厂商上市[16] * **OpenAI 5.3版本**：Token价格上涨逻辑是通过使用更少Token实现更好效果，整体推理算力和成本需求下降[17] * **Asura新产品CoWork**：与之前面向程序员的Cloud Code不同，旨在扩大用户群体，显示基础大模型厂商商业化模式多样性增加[18] * **2026年最值得关注的AI应用方向**：Agent相关应用，例如Cursor在2025年实现10亿美元级别营收，Meta收购Maas后有望推动其成为10亿美元级别应用[21] * **金山公司技术进展**：在数据处理和工程化方面取得进展，提出的KAG（Knowledge）基于企业知识场景进行自研技术提升[23][24]

行业投资评级 - 投资评级：看好（维持）[1] 报告核心观点 - 阿里在AI入口端实现良好卡位 通过千问App全面接入阿里生态 升级为超级Agent入口 具备类人化理解意图、多步骤规划与执行任务能力 有望成为AI时代超级流量入口[4] - 蚂蚁集团推出“蚂蚁阿福”AI健康管家 月活用户超3000万 用户单日提问量超1000万 其中55%用户来自三线及以下城市[5] - 蚂蚁集团发布全模态通用AI助手“灵光” 定位生产力工具 支持自然语言30秒生成小应用 是业内首个全代码生成多模态内容的AI助手[6] - 建议关注AI应用端投资机会[7] 相关公司动态与产品总结 - **千问App（阿里）**：全面接入淘宝、支付宝、飞猪、高德等阿里生态 实现AI购物、点外卖、订机票等功能 并接入支付宝政务能力 上线签证、户口、公积金等50项民生服务[4] - **蚂蚁阿福（蚂蚁集团）**：由AI健康管家AQ升级而来 涵盖健康科普、就诊咨询、报告解读等上百项AI功能[5] - **灵光（蚂蚁集团）**：全模态通用AI助手 支持生成3D数字模型、音频、图标、动画、地图等全模态信息输出 首批上线“灵光对话”、“灵光闪应用”、“灵光开眼”功能[6] 投资建议与受益标的 - **产业链受益标的**：石基信息、金桥信息、博彦科技、亚信科技、朗新科技、高伟达等[7] - **AI应用端推荐关注**：金山办公、合合信息、鼎捷数智、卓易信息、迈富时、致远互联、金蝶国际、税友股份、用友网络、同花顺、恒生电子、拓尔思、科大讯飞、焦点科技、中科创达、上海钢联等[7] - **其他受益标的**：智谱、Minimax、泛微网络、福昕软件、汉得信息、万兴科技、第四范式、虹软科技、多点数智、北森控股、新开普、新致软件、欧玛软件、汉邦高科、海天瑞声、汉王科技、汉仪股份、三六零、彩讯股份、快手-W、美图公司、佳讯飞鸿等[7]

文章核心观点 - Anthropic推出的Claude Code并非单纯的编程工具，而是伪装成开发者工具的通用AI智能体，其最终目标是成为人与计算机之间的默认界面[7][13][28] - 公司通过“Claude Code”这一标签筛选出高价值的程序员早期用户，用以打磨其核心的Agent能力循环，现已进入下一阶段，推出面向非程序员的产品“Cowork”，并开始封锁第三方工具以独占价值链[7][14][26] - Claude Code的成功源于其“做减法”的产品哲学：在足够强大的基础模型之上提供最薄的可能封装，让开道路，使模型能力得以直接释放，这代表了“模型即产品”的先进思路[17][29] Claude Code的产品本质与市场误读 - Claude Code在终端中运行，更接近一个能自主读写文件、执行代码、完成任务的AI助手，而非仅提供代码补全的编辑器插件[9] - 大量非程序员用户使用其管理邮件、整理文件、分析数据，这证实了其通用智能体的本质，而非单纯的编程工具[13] - 技术界普遍将其成功误读为编程效率的提升，但其创造者Boris Cherny将其定义为一个可组合、可管道化的Unix式基础模块，是计算机的通用控制面板[11][13][15] 市场热度与商业表现 - 过去一个月在开发者社区讨论热度达到临界点，Google首席工程师的推文获得超过800万次浏览，前特斯拉AI总监的推文浏览量超过1400万[10][11] - 创造者Boris Cherny透露，其在30天内对Claude Code代码库的所有贡献（4万行新代码，259个PR）100%由Claude Code自身编写[11] - 自2025年5月全面开放以来，年化收入已突破10亿美元，发布后三个月内使用量增长超过10倍，公司内部超过80%的工程师每日使用[11] 成功的关键：产品哲学与技术设计 - 产品哲学是“先做最简单的事”，通过Bun编译为可执行文件，直接运行Bash命令并读写文件系统，是模型之上“最薄的可能封装”[17] - 其杀手锏是自我验证循环：AI不仅生成代码，还会运行测试、截图检查、发现问题并自行修复，此机制将最终产出质量提升了2到3倍[18] - 与市场上其他产品不断做加法（复杂架构、花哨UI）不同，Claude Code选择做减法，当模型足够强时，最好的设计是不挡道[17][29] 使用成本与价值权衡 - 自主完成任务的能力导致token消耗惊人，有开发者抱怨4小时配额3个提示就用完，也有人用API三天花掉相当于一个月订阅费的额度[19] - 少数重度用户的单次使用成本高达数万美元，迫使公司在2025年8月引入每周使用上限[19] - 这本质上是一个投资回报率问题，如果token消耗能换来工程师生产力2倍甚至10倍的提升，则此成本是通往高效的必然对价[19] 超越编程：在非技术用户中的扩散 - 产品经理、运营、财务等非技术角色开始使用Claude Code处理日常工作，如管理邮件日历、分析数据、处理交易记录等[21] - 有用户同时开启8个Claude实例处理不同任务，也有用户在15分钟内分析320期播客转录文本以提取核心洞察[22] - 命令行界面的无界面特性反而成为最低门槛入口，用户无需学习界面，直接用自然语言下达指令[22] 对软件开发行业的范式冲击 - 极限编程创始人Kent Beck判断，90%的编程技能（如语法、调试）将归零，而10%的技能（如知道该写什么、判断结果）价值将增长1000倍[24] - 开发者角色从代码编写者转变为面对高产但可能犯错AI的代码审核者，读代码和审查的能力变得前所未有的重要[24] - 这被类比为古腾堡印刷机式的革命，不仅仅是提升效率，而是开启全新的生产方式[24] Anthropic的战略路线与行业启示 - 公司战略分三步：第一步是Claude Code，以编程标签打磨Agent能力；第二步是Claude Cowork，将能力抽象为面向普通人的桌面应用；第三步很可能是成为默认界面的Claude OS/Claude Computer[26][27] - 近期一边推出Cowork，一边封锁第三方工具使用Claude Code权限，旨在独占通用Agent这条价值链[6][26] - 对于行业而言，真正的差距在于模型能力本身（决定了80%以上的成功）以及“模型即产品”、敢于“做减法”的产品思路[29]