文章核心观点 - 2025年AI行业在激烈竞争中实现了显著的技术进化与应用普及，其经济价值被市场低估，主要体现在云厂商分销、企业业务改造及AI应用开发三个层面，且未来将引发模型性能、软件范式、公司形态、内容产业等多方面的深刻变革 [3][7][13][23] 一、竞争：泡沫之本、活力之源 - **模型能力重大进化**：2025年末，谷歌Gemini 3在多模态可交互能力上实现重大突破，大幅超越ChatGPT，通过结合图片、视频、声音、小程序等方式实时生成交互式答案，反击了预训练见顶的怀疑论 [3][45] - **引发行业连锁反应**：OpenAI为应对竞争匆忙发布GPT 5.2并计划推出GPT 5.3，Meta使用100万亿token数据集训练下一代模型“牛油果”，XAI计划在2026年一季度发布Grok 5，行业竞争加剧 [4][46] - **硬件端激烈竞争**：为应对谷歌TPU的竞争，英伟达斥资200亿美元收购一家预期年营收仅5亿美元的芯片团队，以补齐专用推理芯片领域的短板 [4][46] - **跨界竞争与生态重构**：科技巨头业务边界模糊，相互侵入对方核心领域，例如OpenAI携8亿用户进军广告与电商，谷歌在搜索引擎引入“AI模式”拦截第三方流量，初创企业在AI应用收入份额从2024年的36%大幅提升至2025年的63% [5][47] - **竞争驱动行业活力**：庞大的AI资本开支很大程度上源于FOMO（错失恐惧症）情绪，这既是泡沫的根源，也是行业创新与活力的根源 [7][48] 二、进化的经济价值 - **技术能力四大进步**： - **推理成为常态**：2025年底，长时间思考成为大模型标配，思考时间从1分钟扩展至半小时甚至数小时，前沿模型百万输入token单价下调50%，输入“缓存”成本从每百万token 1.25美元降至0.125美元，降幅达90% [9][50] - **长期记忆初生**：模型开始具备记住一年前话题及任务最佳策略的能力，为解锁“个人超级助理”及构建应用壁垒奠定基础 [9][50] - **初具工匠智能**：AI从提供“准确答案”转向交付“满意结果”（如PPT、财务模型），并学会使用人类工具，将软件解构为能力与数据库 [10][51] - **超越文字交互**：Gemini将多模态数据压缩进同一向量空间，实现真正的看、听及跨模态表达，AI生成图片、视频内容在社交媒体普及 [11][52] - **AI经济价值的三重分布**：价值散落于云厂商分销AI Token的利润、企业利用AI改造传统业务带来的增收降本利润，以及其他企业二次开发AI应用所获利润，市场过度关注第三部分而忽略前两者 [16][57] - **云厂商与企业自用AI的经济账**：2025年，北美三大云厂商收入约2700亿美元，同比新增约600亿美元，假设EBITDA利润率为60%，对应新增EBITDA约360亿美元；谷歌、Meta、微软、亚马逊的非云业务收入约1万亿美元，同比新增约1000亿美元，按50% EBITDA利润率计算，新增EBITDA约500亿美元；四大企业当年资本开支约3800亿美元，以8年折旧计新增折旧约475亿美元；以475亿折旧驱动860亿新增EBITDA，显示生产AI Token原材料具备经济性 [18][59] - **AI应用市场高速增长**：2025年北美企业AI开支达370亿美元，同比增长3.2倍，其中AI软件开支超190亿美元，占3000亿SaaS市场的6%，76%的企业选择从外部购买AI应用，而非自建 [19][60] - **下游需求验证**：北美三大云厂及中国阿里云的收入增速持续上行，证明下游对AI Token的采购和加工有利可图，第三块经济价值成立 [21][63] 三、未来的样子 - **基于五大本质的六大变革推断**： - **模型性能飞跃**：2026年，Transformer注意力机制将迎重大升级，上下文窗口长度和处理效率大幅提升，解决“平方复杂度”难题，降低推理与生成成本，加速AI应用普及 [24][66][67] - **强化学习解锁任务能力，冲击传统软件**：大模型通过强化学习在更多领域积累“任务能力”，AI编程、导购、内容制作等能力将普及，信息操作从“固定形态”转向“指令化”与“生成化”，传统软件应用及操作系统范式面临危机 [25][26][67][68] - **“无扩员增长”重塑公司形态**：AI经济价值的本质是低成本扩展人类智力资源，其目标市场空间是人类50万亿美元劳动薪酬的延伸，企业利用AI实现不增加人员下的收入增长与利润率提升，例如罗宾逊物流通过AI Agent使人均货运量提升40%，在收入下滑11%背景下营业利润逆势增长22%，利润率达31%，EPS大涨67.5% [28][30][70][72] - **原生多模态推动内容产业升级为“体验产业”**：视频原生多模态预训练成为标配，视频生成成本大幅下降，效率提升，例如AI漫剧成本降至600元/分钟，较传统动画1.5万元/分钟的成本大幅降低，制作周期缩短80%-90%，未来内容将按需甚至实时生成，从“产品”变为“体验” [32][34][74][76] - **任务进化速度分层**：强化学习数据获取效率决定进化速度，自博弈驱动的领域（如数学编程、芯片设计）为快车道，拥有大量用户反馈的场景（如广告推荐）为中速带，试错成本高、反馈慢的领域（如具身机器人）为慢车道 [35][36][77][78] - **算力需求巨大，GPU与TPU共治天下**：算力潜在需求是当前供给的百万倍乃至十亿倍，需求增长是主要矛盾，谷歌TPU正在推理市场撼动英伟达GPU地位，但面临产能、适配、竞争与商业模式四重挑战，市场空间足以容纳两者共存 [37][38][79][80]

文章核心观点 - 国内AI大模型公司正加速通过港股上市以应对巨大的资金压力 其商业模式与技术路径已出现明显分化 以智谱华章和MiniMax为代表 分别深耕To B/To G市场和全球化To C市场 尽管中国AI核心资产在资本市场的估值约为海外龙头的1/100 但这标志着中国AI产业已进入可被全球资本衡量的新阶段 其上市为行业提供了重新定价的窗口 [2][3][4][6][21][22][23] 国内AI公司上市潮与资金压力 - 2025年12月 国产GPU公司摩尔线程和沐曦股份在A股上市 刷新了首日涨幅纪录与打新收益天花板 [2] - 2025年12月17日 智谱华章和MiniMax通过港交所上市聆讯 2026年1月2日 壁仞科技在港股挂牌 首日收涨75% [2][3] - 智谱华章原计划在A股科创板上市 但因资金压力和盈利能力等因素转向港股 利用18C特专科技企业上市机制加速IPO进程 [4][5] - 大模型训练成本高昂 商业化难度大 智谱AI在2025年上半年算力成本高达11亿人民币 MiniMax在2025年前九个月算力成本约10亿人民币 [6] - 两家公司收入规模远不足以覆盖开支 智谱2025年上半年收入1.9亿人民币 亏损23.51亿元 亏损率达1232% MiniMax 2025年前九个月收入5343.7万美元 亏损5.12亿美元 亏损率达958.2% [6] - 从财务数据看 大模型公司上市的需求比市场对它们的需求更为迫切 [7] 商业模式对比：智谱华章 vs. MiniMax - 市场定位差异显著 智谱华章定位为“中国领先的人工智能公司” 专注于国内市场 MiniMax定位为“全球化的AI大模型公司” 主战场在海外 [10] - 智谱华章2025年上半年海外收入占比仅约5.1% MiniMax从创立之初即采取原生全球化战略 第一个用户和付费用户均来自海外 [10] - 业务构成上 智谱华章代表To B模式 企业、政府等机构客户占绝大多数 个人用户收入可忽略不计 MiniMax代表To C模式 其AI原生产品收入占71.1% 其中订阅服务占42.1% 广告及其他C端变现占约29.2% B端收入占28.7% [10] - 风险关注点不同 智谱华章担忧“大客户流失”和“政企预算削减” MiniMax担忧“用户留存率”和“海外版权诉讼” [11] - 智谱华章具有深厚国资基因 获得多地政府国资平台战略投资 深度嵌入国家及地方人工智能产业政策体系 例如在2025年3月获得杭州、珠海、成都三地国资平台合计18亿元人民币投资 [12] - MiniMax选择海外市场因其用户更看重产品本身 愿意持续付费且留存率高 其产品从设计之初就是多语言、多文化语境 [12] To B与To C市场的不同特征 - To B市场（企业级与政企）中 大模型是需要深度定制的基础设施 客户关注数据可控、部署安全、交付稳定和服务可持续 呈现高客单价、长交付周期、强定制化特征 [13] - 智谱华章在金融、能源、政务等领域大量采用本地化私有部署模式 进行深度定制 截至2025年6月已服务超8,000家机构客户 在中国独立大模型厂商中排名第一 [14] - 面向中小企业及开发者 智谱华章通过MaaS平台提供标准化API 但该领域是大厂主场 智谱更多进行生态卡位 主要收入依靠私有化部署 [14] - To C市场中 大模型的价值体现在“被频繁使用” 取决于用户体验、情感连接和产品新鲜度 [14] - MiniMax创立原则之一就是直接服务客户 不做项目制生意 坚定选择To C路径 其C端原生产品收入占比超过70% [14][15] - 截至2025年第三季度 MiniMax累计注册用户超过2.12亿 覆盖200多个国家和地区 付费用户达177万 ARPPU约8.2美元/月 用户6个月留存率超过40% [15] - To C的订阅模式带来更连续、可预测的现金流 使MiniMax更接近盈亏平衡 在算力成本高企阶段尤为关键 [15] 技术路径对比：通用大模型 vs. 多模态原生 - 智谱华章选择以通用大语言模型（GLM系列）为技术中枢 向行业与政企场景外扩 定位为“通用大模型研发公司” [16] - 智谱华章的技术体系是以GLM为核心的通用智能底座 应用于对逻辑一致性、稳定性和可控性要求高的金融、政务、能源等场景 [16] - 在多模态层面 智谱华章采取“按需增强”策略 服务于B/G场景 如文档图像理解、工业图纸解析等 强调与语言推理的深度耦合 多模态是提升应用边界的能力模块而非独立产品线 [17] - 这种单一技术主线的选择有利于降低交付复杂度 符合政企客户对长期技术路线清晰度的要求 [17] - MiniMax则从第一天起就构建“全模态原生”的技术矩阵 并行推进文本、语音、音乐、图像与视频生成等多模态能力 技术表述接近“能力集合” [19] - MiniMax仅300余人的研发团队同时支持多条技术路线 并快速产品化 遵循“模型即产品”的研发逻辑 直接服务于用户体验指标 [20] - MiniMax认为多模态是AGI面向用户的天然形态 是情感连接和沉浸体验的关键 因此早期就投入语音情感建模、角色一致性训练和视频生成 [20] - MiniMax的技术强调跨模态协同与快速迭代 不同模态模型按需组合以形成统一产品体验 以此换取更快的产品落地速度与数据飞轮效率 [20] 行业估值与阶段定位 - 中国AI核心资产在资本市场上的定价 整体处在海外龙头的“1/100区间” OpenAI隐含估值达3000亿至4000亿美元 Anthropic、xAI在千亿美金级别 英伟达市值在万亿美元以上 而智谱、MiniMax、摩尔线程、沐曦、壁仞的估值均落在对应海外龙头的百分之一左右 [21] - 这种1/100的对标表明中国AI产业已整体进入“可被全球资本用同一把尺子衡量”的阶段 [22] - MiniMax以C端产品和单位经济模型证明大模型可以自我造血 智谱通过To B/To G模式深度嵌入产业体系 意味着中国大模型不再只是技术追赶者 而是开始分化出不同、可持续的商业形态 [22] - “大模型第一股”的真正价值在于为整个中国AI产业打开了一次被重新定价的窗口 [23]

文章核心观点 - 文章回顾了人工智能七十年的发展历程 并指出AI的突破源于思想碰撞、跨界融合与全球协作[5] - 文章以上海和香港为例 阐述了AI产业实践与国际化枢纽结合的重要性 并重点介绍了2026年在香港举办的“WAIC UP!全球年终盛会”作为连接东西方、促进全球AI协作的关键平台[10] - 文章认为 在AI技术范式转换的临界点 比资源更稀缺的是洞察未来的“思想地图” 而WAIC UP!盛会通过汇聚国际级思想领袖、构建产业全链条资源网络以及重现跨领域思想碰撞的场域 旨在连接下一个七十年[13][14][21] 七十年的回响：浦江答卷 - 上海的AI实践为全球对话提供了丰富的东方注脚 培育了如MiniMax、阶跃星辰这样的基础大模型先锋[6] - 在垂直领域 联影医疗将AI融入医疗影像诊断 松鼠AI打造个性化教育系统 小i机器人深耕政务智能化[6] - 消费级市场涌现出珞博智能与华为联合打造的“智能憨憨”情感陪伴硬件 探索人与AI的“养成”关系 XREAL与Google合作推动AR设备向日常化的空间计算终端演进[7] - 沪产机器人“智元”打破了“人形机器人行走最远距离”的吉尼斯世界纪录 标志着中国在具身智能领域的硬核突破[9] 七十年的回响：双城新篇章 - 香港正迅速崛起为亚洲AI枢纽 目前已汇聚约500个AI相关组织、290家AI企业及180家投资机构[10] - 香港资本市场在2025年以2860亿港元的IPO募资额位居全球第一 成为科技与AI企业上市的首选地之一[10] - 香港政府宣布投入30亿港元设立人工智能专项资助计划 建设AI研发院与超算中心[10] - 2026年AI领域首场高浓度思想盛宴“WAIC UP!全球年终盛会”在香港举办 这是世界人工智能大会首次在港举办年度会议 标志着上海AI产业实践与香港国际枢纽功能的历史性握手[10] WAIC UP!连接下一个七十年：思想启迪 - 会议上午场“WAKE思想觉醒”旨在提供历史纵深与前沿视野 帮助把握从单模态到多模态、从云端到边缘等AI趋势[14] - 皮埃罗·斯加鲁菲作为硅谷人工智能研究院院长 将分享对AI演进周期性规律的洞察 帮助在泡沫与实质之间保持清醒判断[14] - 史蒂夫·霍夫曼作为Founders Space创始人 将分享从实验室到市场的转化密码 揭示真正具备商业化潜力的技术趋势[14] - 朱晓波教授作为“祖冲之号”量子计算总师 代表着AI算力革命的下一个前沿 量子计算与AI的结合可能重现GPU为深度学习带来的颠覆性加速[14] WAIC UP!连接下一个七十年：产业资源 - 会议下午场“UP拓维跃迁”通过垂直应用案例、商业实战与出海战略的三维透视 构建从技术到商业的完整闭环[17] - 技术供给侧有商汤科技、科大讯飞等头部AI企业展示最新解决方案 覆盖AI技术的全栈能力[17] - 产业需求侧有中国移动国际、神州数码、易鑫集团等传统行业巨头分享数字化转型实践[17] - 基础设施层有算丰等算力提供商、RTE开发者社区等技术生态 构成AI应用的底层支撑[17] - 资本催化剂有孚腾资本、Atma Capital等投资机构带来资本视角 帮助创业者判断赛道和商业模式[17] - 这种产、投、创、研的四维聚合 令参会者可以在一天内完成通常需要数月的生态链接[18] WAIC UP!连接下一个七十年：跨界碰撞 - 会议夜晚场“MORE灵感迸发”旨在重现达特茅斯会议跨学科思想自由碰撞的场域 在轻松氛围中激发意想不到的化学反应[21] - 跨代际对话汇聚青年科学家、资深专家、初创团队和企业决策者 提供新鲜视角、历史纵深、创新勇气和实战智慧[21] - 跨领域融合汇聚了从机器人工程师到AGENT开发者 从科技媒体到社区运营者等多元群体 构成一个思想熔炉[21] - AI的突破往往发生在学科交叉点 这种“计划外的收获”往往比正式议程更有价值[21] 人类与未来的永恒对话 - WAIC作为全球AI的重要思想交流平台 正持续拓展其“科技×人文”的边界 推动议题 凝聚共识[23] - WAIC通过思想刊物《WAIC UP!》以及连接创业者、产业方、政策制定者、青年一代的多维平台 承载着探索人类与AI共同未来的宏大命题[25] - 1956年的达特茅斯会议只有几十位参与者 而今天的WAIC将连接成千上万的全球头脑 这背后是AI从学术课题到文明议题的演进[25]

行业核心观点 - 2025年AI工具呈现“井喷”式发展，产品迭代速度极快，用户在不同工具间频繁切换，缺乏品牌忠诚度，人机关系呈现“没有忠诚，只有不停地移情”的状态[8][9] - AI工具的用户选择标准高度实用主义，以能否提升效率、满足特定场景需求为核心，导致市场格局快速变化[13][14][16] - 领先的AI公司正通过构建完整的产品生态来增强用户粘性，单一工具的能力差异缩小后，生态的完整性成为留住用户的关键[39][43] 主要AI工具产品动态与用户反馈 - **Kimi**：在2025年初因擅长中文语境、提供可靠信源和强大的长文拆解能力而受到媒体作者青睐[16] - **ChatGPT**：用户愿意支付年费（约1200元人民币）购买会员，其优势在于能设计自动化工具（如信息推送）和深度解读专业资料（如精准定位财报二级页面获取关键数据，如台积电客户预定金数据）[17][18]，但存在无法直接处理外部链接（如YouTube视频）导致信息“幻觉”的问题[20] - **Gemini 3**：发布后因一项“被忽视的王炸能力”——无需逐字稿即可高准确度、高信息密度地拆解YouTube视频内容而迅速走红[20][21]，其账号在二手市场售价在四天内从50元十五个月飙升至178元十二个月，价格上涨超过三倍[33] - **Claude**：在心理测试中被描述为“道德说教者”，用户也会根据需求切换使用[5][22] - **Grok 3**：以“发疯模式”为特点吸引市场关注[8] - **NotebookLM (谷歌生态)**：其核心优势是能自动将上传的网址、视频或文件一键生成信息图，无需复杂指令，但后续修改需借助其他软件（如PS）[40][42] - **nano banana (图像生成工具)**：虽能生成高质量信息图，但存在严重上下文记忆问题，指令交互超过五次后输出可能变得混乱，需经常重启对话[45][46][48][49] 市场与商业模式变化 - **二手账号市场活跃**：出现专门倒卖AI工具会员账号的“黄牛”，其库存具有“保鲜期”，约两周卖不出去可能因风控升级而失效[30] - **定价策略影响**：新爆款工具（如Gemini 3）的出现会迅速分流其他工具（如ChatGPT）的用户，影响黄牛的连续收益模式[34] - **用户购买行为变化**：鉴于AI工具迭代迅速，市场建议用户“少买年卡，多买月卡”，以保持灵活性[36] - **企业级应用深化**：科技公司管理者从使用多个割裂工具转向依赖整合生态（如谷歌全家桶），将文档、表格、任务、日历等功能协同，大幅提升工作效率和粘性[39][43] 产品技术发展趋势与未来展望 - **多模态与模型统一**：行业专家预测，未来多模态AI可能涌现出共享单一训练点的统一模型，并且AI软件界面将极度简化，可能只包含收件箱、对话框和操作画布三个要素[50] - **核心用户需求**：用户期待AI工具能实现不同模态和场景间的无缝、丝滑切换，解决当前需要在不同画布和产品间频繁跳转的痛点，最终目标是让AI成为能够协调完成复杂任务的“员工”[44][49][50]

文章核心观点 - 人工智能行业模型架构持续演化，多模态与长文本能力为AI Agent的爆发奠定技术基础 [1][2] - 大模型厂商商业化路径出现分化，推理侧需求预计在2026年进入放量拐点，并驱动SaaS市场格局重塑 [1][5] - 投资方向建议关注算力基础设施及大模型厂商 [5] AI行业演进与市场叙事 - 2023年OpenAI引领AI加速，微软因独家合作估值显著抬升 [1] - 2024年市场叙事转向推理侧，Meta因社交生态和广告场景优势，成为除英伟达外市盈率唯一抬升的巨头 [1] - 2025年谷歌模型能力后来居上，生态优势受市场追捧 [1] - 2026年预计Scaling Law持续，模型厂商将打开差异化应用市场，推理侧需求进入放量拐点，模型和算力为最优投资方向 [1] 资本开支与基础设施 - 2025年北美四大科技巨头资本开支同比增长均超50%，从年初的3200-3300亿美元上修至年末近4000亿美元 [1] - 预计2026年资本开支将持续实现30%以上增速 [1] - 数据中心建设面临电力瓶颈，2024年北美数据中心容量约25GW，预计至2029年将新增80GW需求，电力缺口成为主要矛盾，算力能耗比成为关键考量因素 [1] 模型技术发展趋势 - 模型架构需解决训练阶段Transformer的计算量、内存消耗瓶颈及推理时记忆能力有限等痛点 [2] - 预计2026年Scaling Law仍将延续，强化学习是未来重点突破方向 [2] - 多模态与长文本能力趋于成熟，为AI Agent涌现提供技术基础 [2] - 中美模型能力差距在3-6个月，算力和算法是追赶关键 [2] 主要大模型厂商商业化路径 - OpenAI：拥有8亿C端用户核心壁垒，下一代模型值得期待，明年将发力企业业务 [3] - Gemini：成为当前大模型的SOTA基准，得益于原生多模态路线及自研芯片生态，明年Tokens消耗有望大幅提升 [3] - Anthropic：坚持2B路线，编程能力突出，依靠定价优势有望取得更好利润率，公司估值已达3500亿美元，其2025年初推出的AI编程产品年末年度经常性收入已达10亿美元 [3] - Grok：结合特斯拉独特数据优势，下一代原生多模态模型值得期待 [3] SaaS市场变革与应用前景 - AI打开了软件需求天花板，预计2029年全球SaaS市场规模将达到近1万亿美元，较2025年的5800亿美元有明显增长 [4] - SaaS市场玩家将重新洗牌，拥有数据壁垒、布局垂类细分场景、工作流程复杂或对准确度要求高的行业被替代风险较小 [4] - 大模型厂商正通过与B端软件服务商合作或与传统SaaS厂商竞争来开发行业需求 [4] 推理侧需求与热门应用场景 - 2026年推理侧需求有望爆发，一级市场以AI编程、AI Agent为主要应用方向 [5] - AI编程软件Cursor年度经常性收入已达10亿美元 [5] - AI Agent应用Manus在8个月内年度经常性收入达到1亿美元 [5] - AI搜索工具Perplexity年度经常性收入已达2亿美元，并向Agent拓宽边界 [5] - 随着模型能力成熟，AI手机、AI眼镜及协助企业落地大模型的分销商等领域将看到明显增长 [5]

行业核心观点 - 2025年AI工具呈现“井喷”式发展，产品迭代速度极快，用户在不同工具间频繁切换，缺乏品牌忠诚度，形成“赛博渣男/女”现象 [7][9] - 用户选择AI工具的核心标准是实用性与效率，谁能更好地满足其即时、具体的需求（如节省时间、提供准确信息、处理特定任务），谁就能获得青睐 [12][14] - AI工具的发展趋势正从单一功能的“聊天机器人”向集成化的“生态”和多模态、多模型无缝协同的方向演进 [34][41] 用户行为与市场动态 - 媒体作者等专业用户根据任务需求切换工具：初期因准确性和中文语境偏好Kimi，后因处理英文资讯和财报分析能力转向ChatGPT，最终因YouTube视频拆解能力被Gemini 3吸引 [14][15][18][19] - AI工具账号倒卖形成灰色市场，新爆款工具（如Gemini 3）的账号价格在短期内剧烈波动，例如其账号价格在四天内从50元十五个月飙升至178元十二个月，涨幅超过三倍 [24][25] - 用户购买行为趋于短期和谨慎，黄牛会建议新客户“少买年卡，多买月卡”，以应对快速变化的市场和工具迭代 [28] 产品功能与竞争格局 - 各主流AI工具展现出不同的产品“性格”与能力特长：Gemini 3擅长深度拆解谷歌生态内容（如YouTube视频），ChatGPT在信息整合与自动化工具设计上表现突出，Claude则带有强烈的道德说教倾向 [4][16][18] - 图像生成工具如nano banana虽能生成高质量信息图，但存在上下文记忆短、指令跟随一致性差的问题，在超过五次指令交互后输出可能变得混乱 [37][38][39] - 谷歌通过NotebookLM等产品构建生态壁垒，其工具能无缝对接谷歌文档、Sheets等，用户一旦将工作流嵌入其生态便产生强依赖，难以迁移 [31][32][34] 企业应用与工作流整合 - 科技公司管理者初期尝试组合使用多个AI工具（如用ChatGPT拟大纲、Claude润色、Midjourney做图、Gamma生成PPT），但流程割裂，效率低下 [31] - 后期转向依赖谷歌全家桶生态，因其工具间的协同性显著提升了工作效率，例如用NotebookLM一键生成信息图，并与谷歌文档、Sheets、Task和日历联动 [32][34] - 大厂产品经理指出当前AI工具在多模态协调和跨场景无缝切换上存在不足，例如制作PPT需要在不同工具间跳转，无法在单一画布上完成全流程 [40] 技术发展趋势与行业展望 - 行业专家预测，未来AI软件界面将极度简化，可能只包含“一个收件箱、一个对话框以及一个操作画布” [41] - 技术发展路径指向多模态模型的统一，即可能出现一个共享训练点的单一模型来处理多种任务，实现不同场景工具的无缝切换 [41] - 用户最终期待AI能像真正的员工一样，具备良好的记忆能力、理解复杂的多轮指令，并在多模态任务间流畅协作 [36][40]

文章核心观点 - 2025年AI工具呈现井喷式发展，用户在不同工具间频繁切换，对单一工具缺乏忠诚度，呈现出“移情”或“赛博渣男/女”的使用模式[8][10] - 用户选择AI工具的核心标准是实用性和效率，谁能更好地解决特定问题或节省时间就使用谁，工具间的竞争促使能力快速迭代[12][15] - 尽管用户对单一工具缺乏忠诚度，但强大的产品生态（如谷歌全家桶）能通过无缝衔接的工作流形成用户依赖，提高迁移成本[38][46] - AI工具的发展趋势正从单一功能专注转向多模型统一与多模态协调，用户期待一个能整合不同场景和功能的统一操作界面[49][55] 媒体作者视角：工具选择与工作流 - 媒体作者根据具体工作需求切换AI工具，初期因Kimi能提供可靠信源和擅长长文拆解而青睐它，尤其认可其“懂中文语境”[15] - 当工作转向需要处理大量英文资讯和YouTube视频时，作者转而使用ChatGPT 5.0，年费超过1200元，因其能设计信息推送工具和精准定位财报深层数据链接而进入“蜜月期”[16][17][19] - 因ChatGPT在拆解YouTube视频时出现“幻觉”和错误，作者移情至Gemini 3，后者在无需逐字稿的情况下对YouTube视频内容拆解的准确度和信息密度评分超过四分（满分五分）[20][22] - 作者最终未固定使用单一工具，在Gemini 3、Claude、Grok、ChatGPT 5.2之间保持流动使用状态，最新动态是又转向了Claude[22][23] AI账号黄牛视角：市场波动与风险 - AI工具账号的倒卖市场波动剧烈，例如Gemini 3的账号价格在四天内从50元十五个月飙升至178元十二个月，涨幅超过三倍[34] - 黄牛的库存（空账号）具有“保鲜期”，若两周内卖不出去，可能因平台风控升级而变成废代码，库存管理成本高[30] - ChatGPT Plus账号仍是市场公认的“AI工具第一”，需求相对稳定，但新工具的爆火会分流客户，影响黄牛的连续收益模式[30][34] - 面对快速迭代的AI工具市场，黄牛对新客户的建议是“少买年卡，多买月卡”，以应对下个月可能出现更好工具的不确定性[37] 科技公司管理者视角：生态依赖与效率 - 公司管理者最初是“集邮爱好者”，工作流涉及多个割裂平台（如用ChatGPT拟大纲、Claude润色、Midjourney制图、Gamma做PPT），效率低下且存在数据安全顾虑[40][41] - Gemini 3的出现缩小了聊天机器人产品的体验差距，随后谷歌生态的完整性（如NotebookLM、Docs、Sheets、Task、Calendar）促使管理者将整个团队的工作系统迁移至谷歌平台[42][45] - NotebookLM的信息图生成功能被高度评价，其特点是不需复杂指令，能直接处理网址、视频或文件并一键生成信息图，但后续修改需借助PS等专业软件[44] - 管理者认为，单一工具容易被替换，但一个完整、互联的生态体系能形成强大的用户粘性和迁移壁垒[46] 大厂产品经理视角：产品痛点与未来趋势 - 当前AI工具在多模态协调性上存在明显缺陷，例如Gemini的nano banana图像生成工具“记性差”，在多次对话指令后容易遗忘上下文，导致输出结果混乱，需要频繁重启对话[50][52][53] - 产品经理期望AI工具能实现多模态之间的协调与无缝切换，目前完成一个PPT需要跨多个不同功能的工具，无法在统一画布上完成[49][55] - 认同行业专家对未来的判断：DeepMind CTO认为多模态未来可能出现共享训练点的单一模型；微软CEO预测未来AI软件界面将简化为收件箱、对话框和操作画布三部分[55] - 坚信AI工具下一阶段的趋势是从功能专注走向多模型统一与跨场景无缝切换，在此趋势实现前，用户将继续游走于各趁手工具之间[55]

核心观点 - 报告认为，2026年量化投资将深度拥抱AI技术浪潮，多模态与Agentic AI将推动投研应用加速迭代，资产配置将呈现“周期+科技”双主线行情，市场驱动由估值向盈利偏移，同时针对指增策略的AI模型同质化与失效问题，提出了从外围择时风控到核心模型优化的系统性解决方案，并展望了主动权益基金在科技与周期双主线下的Alpha持续性 [2] 一、大模型生态与应用展望 - 大模型迭代速度未减，生态趋势基本稳定，闭源模型在通用任务中仍占主导地位，其使用量占比约8成，但开源模型占比稳步提升，其中中国开源模型表现突出 [11][12] - 模型评价维度日益多元化，多模态能力和工具调用成为关键竞争维度，国产大模型在多模态方面仍有较大提升空间，例如在MMMU基准中，排名最高的国产开源模型dots.vlm1位列第8 [15][18][19] - Agentic AI基础设施已较为成熟，推理类模型的使用量在一年内占比上升50%，支持应用快速落地 [22][24] - 在投研领域，多模态能力将提升信息利用率，例如Gemini 3 Pro已能识别K线图走势并进行分析，同时能用于自动生成高质量PPT等工作流，提升效率 [25][29][31][35] - 投研专家Agent将成为核心探索方向，包括用于主动投研赋能的“Deep Research”类应用和用于投资决策生成的“投资大师Agent”及“因子智能挖掘Agent”，后者能实现7*24小时高质量因子自动挖掘并提升可解释性 [31][32][43][47][49] 二、2026年资产配置年度策略展望 - 宏观环境处于弱复苏阶段，预期2026年在海外降息（联邦基金利率期货隐含2-3次降息）及全球AI大规模资本开支（美国超大规模云数据商2026年资本开支占自由经营现金流比例预计上升）推动下，上游通胀有望进一步回升 [52][53][56][57] - 市场一致预期2026年GDP同比增速为4.89%（Wind），固定资产投资同比增速为2.41%（Wind），盈利驱动将增强，全部A股及科创板、创业板的年度净利润同比预测均显示抬升 [66][67][69][70] - 风格配置方面，预期从小盘成长往大盘均衡倾斜，微盘风格可能向茅指数切换，依据是M1同比出现从高位拐头的迹象，且固定资产投资回升对大盘风格形成支撑 [71][72][77] - 红利板块具备长期配置价值，中证红利指数月度绝对胜率无低于50%的月份，相对沪深300的超额胜率在1月、5月、11月较高，报告构建的月频择时策略可提供参考 [80][81] - 行业配置应维持对基本面因子的关注，2025年质量因子多头超额收益达9.89%，超预期因子为7.93%，预计在明年周期+科技双轮驱动行情下，盈利、分析师预期及质量因子仍能持续表现 [85][86][88][89] 三、2026年因子选股展望 - 2024-2025年市场风格剧烈轮动，导致AI策略出现集体超额回撤，例如2025年8-9月市值因子拥挤度达历史峰值后触发均值回归，与小市值反转同步 [96][102] - 策略同质化是回撤的内生原因，主流AI模型（如GRU、LightGBM）生成的因子与公募指增基金净值的动态相关性持续走高并维持高位 [111] - 为应对外部风险，构建了一套独立的全自动开放式择时框架，包含数据清洗、指标预处理和事件化处理三层，回测显示该策略使AI模型的年化超额收益稳定在4.15%，夏普比率达4.12，卡玛比率大幅提升至7.21 [119][120][124][130] - 针对LightGBM模型进行了专项优化，通过动态高质量样本加权和引入Huber Loss损失函数，使模型多头超额最大回撤从8.84%收敛至5.88%，卡玛比率从2.88提升至4.07 [130][132][133] - 针对GRU模型进行了架构重塑，引入注意力池化（Attention Pooling）模块和结合Memory模块与CVaR损失的闭环机制，优化后模型多头超额收益提升至25.84%，最大回撤压降至8.54%，卡玛比率跃升至3.02 [135][136][138] - 前沿技术应用展望包括：结合大语言模型与强化学习构建自动化因子挖掘体系，以及利用时空图神经网络捕捉产业链传导与板块轮动效应 [139][142][144] 四、2025年权益基金投资展望 - 2025年主动权益基金超额收益回归，截至11月30日，万得偏股混合型基金指数相对万得全A和沪深300的超额收益分别回升至6.46%和14.08% [146] - 行业主题基金中，科技赛道基金表现突出，超额收益率中位数达28.35%，87.89%的基金获得正超额收益 [147] - 基于Barra模型的业绩归因显示，2025年上半年主动权益基金的选股Alpha明显抬升，呈现回归态势 [148][152] - 主动权益基金的Alpha获取与行业景气度分化高度相关，其相对表现与EPS增速超30%的行业数量占比之间的相关系数为0.58 [154] - 在预期的科技+周期双主线行情下，由于行业内部个股基本面分化程度高，主动权益基金的Alpha或将持续，同时业绩基准新规下，选股Alpha成为主要超额收益来源 [3][63][64] - 对于以宽基为基准的基金，在科技+周期哑铃型配置逻辑下，ETF产品在行业纯度上具有优势，基于AI预测的ETF轮动策略持续优化迭代 [69][70][71]

文章核心观点 - 2025年是AI技术从理论走向深度应用与产业爆发的关键一年，AI从聊天工具演变为具备深度推理能力的智能体，并驱动了从大模型竞争到算力军备竞赛的全面变革 [2] - 行业竞争格局被打破，以DeepSeek为代表的国产力量崛起，改变了OpenAI旗下ChatGPT独步全球的局面，将竞争焦点引向应用推理效率与算力估值 [2] - 每一个年度热词都标志着人类向通用人工智能（AGI）迈进的坚实步伐 [2] AI技术演进与能力突破 - **多模态能力爆发**：AI拥有了视听感官，从演示阶段走向成熟应用，例如Sora 2.0、Veo 3等模型生成的视频画质可媲美电影，并应用于视频游戏交互场景 [4] - **端侧多模态受青睐**：苹果与高通发布AI芯片，使AI能在手机端离线运行；植入AI眼镜的摄像头可借助多模态实时分析环境并提供语音服务 [4] - **推理能力质变**：“推理”指大模型通过强化学习和思维链获得慢思考与自我纠错能力，例如DeepSeek-R1、OpenAI o3/o4-mini模型在AIME等逻辑测试中逼近满分 [7] - **智能体（Agent）成为核心**：2025年被视为“智能体元年”，以Agent为核心的系统化AI被公认是释放生产力的关键，AI初创公司Manus凭借通用任务处理能力迅速实现1亿美元年度经常性收入 [12] 关键参与者与市场格局 - **OpenAI保持技术灯塔地位**：尽管面临竞争，其估值增长迅猛，3月完成软银领投的400亿美元融资后估值达3000亿美元，9月在迪士尼10亿美元股权投资后估值冲上5000亿美元，成为全球估值最高独角兽 [8] - **ChatGPT维持领先地位**：完成从聊天工具到全能交互中心的跨越，依旧是全球用户规模最大的AI应用，周活跃用户数突破8亿，付费用户数突破2000万 [5] - **DeepSeek成为最大黑马**：凭借DeepSeek-R1模型以不足30万美元的训练成本实现比肩国际顶尖模型的能力，其独特的MLA架构与FP8混合精度训练大幅拉低了大模型推理成本 [9] - **英伟达巩固算力霸主地位**：作为AI经济的核心与地缘政治杠杆，其Blackwell架构芯片（如GB200/GB300）大规模量产，占据高端GPU出货量的80%以上，并于10月成为全球首家市值突破5万亿美元的公司 [2][6] 算力基础设施与供应链 - **GPU成为硬指标**：几乎所有AI重大突破都建立在GPU供给之上，围绕GPU供应链安全、自研AI芯片和国产替代的讨论成为高频话题 [2] - **算力竞争白热化**：英伟达Blackwell执掌霸权，AMD凭借MI325X和MI350系列强化在推理市场的贡献 [10] - **国产算力崛起**：迎来上市元年，摩尔线程和沐曦股份已登陆科创板，壁仞科技即将冲击港股，标志着国产算力迈向商业化量产拐点 [10] 前沿应用与产业融合 - **机器人站上风口**：因“具身智能”而兴起，从年初宇树科技等人形机器人亮相春晚完成复杂歌舞，到年底英伟达发布开源VLA模型Alpamayo-R1，机器人已成为集成物理AI、具备多模态感知与自主决策能力的实体 [11] - **Agent验证商业前景**：Meta收购Manus，验证了Agent技术的巨大商业潜力，为年度AI热点画上句号 [12]

市场行情表现 - 2025年12月30日，创业板人工智能指数反弹1%，成份股大面积上涨 [1][7] - AI应用板块涨幅居前，蓝色光标领涨7%，易点天下、汉得信息涨超3% [1][7] - 算力板块中，协创数据涨超5%，光模块CPO龙头中际旭创涨超2%，润泽科技、北京君正、锐捷网络等多股涨超1% [1][7] - 热门ETF创业板人工智能ETF（159363）场内收涨1.12%，收盘价0.993元创历史新高，全天成交超5亿元，资金单日净申购3600万份 [1][7] 指数年度复盘与比较 - 截至2025年12月30日，创业板人工智能指数年内涨幅高达107.21%，实现翻倍增长 [3][9] - 该指数年内表现大幅领跑其他同类AI主题指数，人工智能指数涨80.64%，CS人工智指数涨69.09%，科创AI指数涨50.75% [3][10] - 创业板人工智能指数2020至2024年的年度涨跌幅分别为20.1%、17.57%、-34.52%、47.83%、38.44% [3][10] AI应用领域动态与观点 - AI应用板块可能受Meta以数十亿美元收购开发AI应用Manus的公司“蝴蝶效应”所催化，此为Meta成立以来第三大收购 [4][11] - 在Meta收购前，Manus正以20亿美元估值进行新一轮融资 [4][11] - 长江证券指出，2026年大模型景气度确定性较高，to C侧流量入口争夺是明年AI应用核心看点，同时多模态有望迎来爆发，继续看好国产AI产业链 [4][11] - 华龙证券认为，在政策支持下AI产业有望持续良性发展并赋能千行百业，资本市场加持有望加速国产AI创新周期 [4][11] - 华福证券也表示看好国产AI应用领域的爆发 [4][11] 算力领域动态与观点 - 国盛证券建议随着年末临近回归业绩主线 [4][11] - 在算力产业链高景气周期下，光模块头部厂商正在大陆和泰国加速扩产 [4][11] - 国盛证券预计光模块行业将在2026年一季度迎来产能集中释放，驱动业绩进入新一轮爬坡期，并继续看好算力板块，坚定推荐算力产业链相关企业如光模块行业龙头 [4][11] 相关投资产品概况 - 创业板人工智能ETF（159363）是全市场首只跟踪创业板人工智能指数的ETF，其场外联接基金为A类023407、C类023408 [5][12] - 该ETF标的指数重点布局光模块龙头“易中天”，光模块含量最新超56% [5][12] - 从赛道分布看，该ETF逾七成仓位布局算力，超两成仓位布局AI应用 [5][12]