更绝的是它的时机选择 ——4000 家下跌时挺身而出。这时候的涨停，与其说是炒题材，不如说是炒 "情绪出口"。散户们看着满屏绿色心烦，突然冒出个带着点戏谑、有点无厘头的涨停板，就像堵车时看 到路边有人耍杂耍，不管看懂看不懂，先停下来鼓个掌再说。资金也明白，这种时候拉一个 "有话题 性" 的票，比拉一个正经赛道股更容易吸引眼球，毕竟在熊市里，"快乐" 本身就是稀缺资源。? 这让我想起之前的 "开塞露概念股""羽绒服概念股"，A 股的资金永远能从生活的边边角角里找到炒作灵 感。他们不需要企业真的转型，只需要一个 "能自圆其说的联想"：浪莎做丝袜→技师可能穿→雅鲁藏 布江技师多→浪莎受益。这套逻辑在会议室里讲会被赶出去，但在 A 股的盘口上，只要有人信，就能 拉出涨停。? 你看这逻辑链条多魔幻：雅鲁藏布江的足浴店→技师月薪 1.5 万→联想到 "服务行业装备"→浪莎丝袜成 了 "产业链上游核心供应商"。明明八竿子打不着的关系，愣是被 A 股的资金脑补出一条完整的炒作线 路。就像小时候借交作业偷看老师的浪莎包装，成年人的股市里，也总有人能从蛛丝马迹里扒出 "涨停 理由"。? 这背后藏着 A 股最野的生存法则：比起 " ...

算力基建：上海要承接全球 AI 合作，数据中心、超算中心的需求会爆发。那些在上海有大型数据中心 布局的企业（比如与华为昇腾合作的本地算力服务商），可能拿到更多政府订单，这比单纯蹭概念靠谱 多了；? 应用场景：金融、医疗、制造业是上海 AI 的强项。比如能做智能投顾、医疗影像识别的本地企业，可 能借助 "全球合作" 的名头拓展国际业务，业绩天花板直接抬高；? 人才聚集效应：25 万顶尖 AI 人才扎堆，再加上总部带来的全球资源，会加速本地中小企业的技术迭 代。那些半年报已经盈利、且 AI 业务占比超 50% 的上海本地公司，很可能被机构悄悄建仓。? （原标题：和讯投顾梁志成：上海 AI 产业的 "地基" 要被夯实，本地龙头先受益?） 全球 AI 合作组织落地上海，这事儿远不止 "成立一个机构" 那么简单 —— 这是中国从 "AI 技术追随者" 转向 "规则制定者" 的标志性一步，对 A 股的影响可能会持续一整年，甚至更久。咱们得穿透 "口号" 看 本质，这背后藏着三条能实实在在影响股价的长逻辑。? 第一重逻辑：上海 AI 产业的 "地基" 要被夯实，本地龙头先受益? 上海一季度 AI 产值 1180 亿、82 ...

I am an individual investor with over five years of experience in personal investing, holding a PhD in Economics from UCEMA. My investment approach focuses on value companies with solid long-term potential. I share my knowledge with the community by offering analysis to support individual investors. My articles reflect personal opinions and do not constitute financial advice.Analyst’s Disclosure:I/we have no stock, option or similar derivative position in any of the companies mentioned, and no plans to init ...

奖项与认可 - 阿里国际跨境电商AI解决方案Marco荣获2025世界人工智能大会SAIL之星奖，成为该领域首个获奖者 [1] - Marco由阿里国际AI Business团队研发，支持30余种语言，覆盖电商全链路60+场景 [1] - 日均调用量达10亿次，是2023年的1000倍，所有能力可在阿里国际AI开放平台Aidge上试用 [1] 技术与应用进展 - 阿里国际数字商业集团2023年4月成立AI Business部门，专注于全球化电商场景AI技术探索 [3] - 旗下所有电商平台均已接入AI解决方案，商家高频使用功能包括图文翻译、商品信息完善、营销文案生成 [3] - 翻译功能已全面从小模型转向大模型，欧洲TOP语种消费者满意度提升30% [3] - AI提供的SEO占比近40%，未来有望达到50% [3] - 外部伙伴AI调用量增长23倍，头部跨境电商服务商如店小秘、三态等均已接入 [3] - AI服务调用量每两个月翻一番，跨境电商成为首个实现规模级AI应用的行业 [3] - 核心技术已开源，包括大语言模型Marco、多模态模型Ovis、Agent应用开发框架Agentic ADK等 [3] 技术架构与性能 - 基础设施层推理引擎MarsEngine在翻译场景极限吞吐比业界SOTA引擎最高提升116%，实时场景延迟低至其他引擎的8% [5] - 数据层构建了大规模数据采集处理平台及工业级评测框架 [5] - 模型层包括多语言增强的Marco-LLM文本大模型、电商优化翻译大模型Marco-MT、自研多模态理解模型Ovis及图像生成模型 [5] - 产品层提供标准化业务场景能力 [5] - AI解决方案层提供高价值场景端到端能力 [5]

人工智能技术应用 - 新一代数字人技术NOVA在动作、表情、互动方面实现高度自然化，支持生成不连贯动作的衔接，使整体动作更连贯 [1] - 数字人技术可复刻个人口音、口头禅及表达习惯，基于AI大脑实时调度，能根据直播间信号和用户行为进行多样化互动玩法 [2] - NOVA技术已进入邀测阶段，应用于教育、健康等十多个行业的达人与商家 [2] 新型支付方式 - 蚂蚁集团展示"看一下支付"技术，通过眼镜摄像头扫码，语音交互确认金额并完成支付，需绑定支付宝账号 [2] AI健康管家应用 - AI健康管家AQ基于蚂蚁医疗大模型，可依据用户症状或体检报告提供诊断建议，支持一键接入AI诊室深度问询，对接线上挂号或线下医院资源 [2] - AQ与医生合作，融合医生诊疗方案、文献、病例等数据训练，生成医生智能体 [3]

投资策略 - 投资目标为具有完美定性属性的公司 以基本面为基础以吸引人的价格买入并长期持有 [1] - 投资组合高度集中 旨在避免亏损并最大化对赢家的敞口 [1] - 即使优秀公司若增长机会低于阈值或下行风险过高也可能给予"持有"评级 [1] 研究发布频率 - 计划每周发布约3篇关于此类公司的文章 [1] - 提供广泛的季度跟进和持续更新 [1] 分析师持仓情况 - 分析师未持有任何提及公司的股票 期权或类似衍生品头寸 [2] - 未来72小时内无计划建立任何此类头寸 [2]

行业现状与挑战 - 智能眼镜市场呈现高度热闹与分裂状态，WAIC 2025展会上XREAL与Rokid展台人流量极大，体验需求旺盛[1] - 行业面临"虚火"问题，除补贴产品Ray-Ban Meta外无单品突破百万销量，小米1999元产品也未能打开市场[3] - 产品交付困难、用户体验参差不齐、退货率高企等问题普遍存在[3] - 当前AI眼镜体验和产业链成熟度不足，需要长期投入芯片、光学、算法等核心技术[3][8] 技术瓶颈与发展路径 - AI眼镜当前智能水平相当于5岁儿童，预计2027-2028年才能达到成熟度超过20岁的超级智能AI Agent水平[8][9] - 3D交互效率低下是核心痛点，AI将成为补完XR体验的最后关键拼图[15] - 摄像头技术路线可能需要创新，从"为人眼服务"转向"为AI服务"的设计理念[7][9] - 行业存在两条发展路线：全天候佩戴但功能有限的轻量化设备 vs 功能强大但佩戴时间有限的高性能设备[13][14] 市场竞争格局 - 行业仍处于上半场的早期阶段，尚未进入价格战时期[7] - 真正的"百镜大战"需等待雷军等巨头将70%-80%精力投入该领域[4][10] - 过去十年仅有高通在该领域实现盈利，说明行业门槛高、前期投入大[12] - 全球科技巨头均已下场布局，包括苹果、Meta、Google、微软和OpenAI[11] 公司战略与产品规划 - XREAL选择先打造AR眼镜爆款而非直接做AI眼镜，目标是通过便携大屏产品线实现百万级单品突破[5][17] - 公司采取"仰望星空+脚踏实地"双轨策略：与谷歌、高通合作Project Aura，同时聚焦单一功能硬件开发[17] - 提前布局芯片和光学技术，形成与竞争对手的代际差异[18] - 主动放弃自建生态，选择与全球顶尖企业合作[17] 市场规模与预期 - 目前智能眼镜单品最高销量仅为200万（Ray-Ban Meta），且依赖补贴[11] - 行业需要先实现单款产品百万销量，再向千万级目标迈进[11] - 预计2027-2028年将迎来行业的"iPhone时刻"，即AI与AR眼镜的成熟结合[5][9] - 替代手机需要解决有效使用时长和全天候佩戴等基础问题[13]

AI芯片能效竞争 - AI超级计算机的能耗问题引发行业担忧，预计到2030年AI能源需求每年增长50% [3] - Cloudflare硬件负责人测试Positron的新型芯片，该芯片在AI推理任务上比英伟达芯片更具能效优势 [4] - Positron完成5160万美元融资，总融资额达7500万美元，其下一代芯片单位成本性能预计是英伟达的2-3倍，单位电力性能是3-6倍 [4][8] 行业竞争格局 - 英伟达硬件毛利率约60%，被业内称为"英伟达税"，科技巨头和初创公司均试图绕过这一成本 [5] - 谷歌、亚马逊、微软投入巨资自研推理专用芯片，同时有至少十几家初创公司专注AI推理芯片开发 [4] - Groq公司芯片设计将内存嵌入芯片中，宣称运行速度超英伟达顶级产品，功耗仅为1/3到1/6 [7] 技术发展趋势 - 英伟达Blackwell系统在推理任务上的能效是上一代产品的25-30倍 [5] - 专用化设计成为趋势，新兴芯片公司针对AI任务从头设计芯片，而非沿用传统图形处理器架构 [6][7] - Cloudflare初步测试显示Positron芯片性能达标，可能推动其全球部署 [9] 行业挑战与矛盾 - 硬件效率提升可能被软件需求增长抵消，历史表明性能提升总会被超额使用 [9] - Google Cloud指出AI模型复杂度持续增加，整体能源需求增长无上限，能源生产成为AI发展瓶颈 [10] - Anthropic报告强调未来AI发展的真正限制在于能源供给而非芯片技术 [10]

英特尔14A工艺进展 - 英特尔14A工艺取得新进展 可能涉及与苹果合作 当前公司晶圆代工业务面临不确定性 若18A和14A工艺节点无法吸引外部客户订单 公司将退出先进制程竞争 [3] - GF证券分析师透露 苹果正在向客户提供英特尔14A PDK早期版本进行试样 英伟达和苹果均表现出兴趣 [3] - 14A工艺将引入第二代RibbonFET晶体管和PowerDirect电源架构 基于18A工艺的PowerVia技术演进 瞄准AI与边缘计算应用 [3] - 英特尔已向英伟达 苹果等关键客户提供14A PDK 英伟达可能将低端游戏GPU转向该工艺 苹果M系列芯片也可能采用 [3] 行业竞争格局影响 - 苹果若采用14A工艺 对英特尔将是重大突破 可打破台积电在芯片供应链的垄断地位 目前大型科技公司只能接受台积电在节点价格和产能分配上的条件 [4] - 台积电计划2028年推出A14节点 与英特尔14A同期竞争 苹果可能通过供应链多元化降低对台积电依赖 但需英特尔提供具备竞争力的制程方案及稳定供应链能力 [4] - 英伟达因AI热潮需求激增 多次传出与英特尔代工业务合作传闻 但尚未有实质性突破公布 [4] 技术细节 - 14A工艺采用第二代RibbonFET晶体管结构 结合PowerVia技术升级的PowerDirect电源架构 技术路线延续18A工艺的创新方向 [3] - 该工艺定位AI及边缘计算领域 与台积电A14节点形成直接竞争 时间窗口均为2028年前后 [3][4]

AI互连技术演进 - AI工作负载对算力的巨大需求正在重构数据中心架构，推动互连技术从孤立计算向互联智能转变[2] - AI互连体系按连接距离、带宽、延迟和功耗划分为Scale-up（机架内）、Scale-out（跨机架/园区）和DCI（跨数据中心）三个层级[2] - 光学技术正逐步替代铜线，成为解决带宽、功耗和信号完整性问题的核心方案[3][8] Scale-up层技术突破 - 传统铜线方案在200Gbps以上速度面临传输距离和功耗限制，LPO（线性可插拔光学）通过协同设计电气与光学元件实现更低延迟和功耗[3] - NPO（近封装光学）和CPO（共封装光学）将光学组件集成至XPU封装旁/内部，消除电气链路，使集群规模从几十扩展到上千XPU[3] - CPO技术显著提升带宽密度，系统功耗降低且性能更可预测[3] Scale-out层技术发展 - Scale-out依赖PAM4调制的光DSP，支持数十至数百米距离的超高带宽（1.6Tbps光模块）和低延迟[4] - DSP技术向3nm制程演进，每通道信号速率达200Gbps，带宽需求每两年翻一番[4] - 分布式AI园区采用coherent-lite技术，支持2–20公里距离，成本功耗低于传统相干系统[4] 数据中心互连（DCI）技术 - DCI采用相干ZR光学技术，800G ZR/ZR+模块支持高达2500公里的多Tbps连接[6] - DWDM和先进调制技术最大化光纤利用率，实现跨地域AI集群的实时性能与冗余性[6] 未来趋势 - 互连技术将形成分层体系，结合铜线、LPO、CPO、PAM4、coherent-lite和coherent ZR等多样化方案[8] - 光学互连的加速渗透不仅解决带宽问题，还优化功耗、散热和带宽密度等AI规模下的核心挑战[8] - 未来互连技术将成为系统架构的核心支柱，需芯片厂商、开发者和云服务运营商协同创新[9]