文章核心观点 - 国内云计算市场的竞争逻辑正经历深刻切换，从比拼算力规模与模型参数的“上半场”，转向聚焦于让AI融入企业业务流程、创造可量化商业价值的“深水区”竞争 [1][2] - 行业正从“资源驱动”的粗放增长，转向“应用驱动”的竞争，云厂商的战略选择与生态构建均围绕此展开 [2] 竞争逻辑切换：从“卖资源”到“卖场景” - AI的上半场更多是偏卖资源，企业追逐稀缺GPU算力，售卖方式简单粗暴，但客户对AI如何真正降本增效、优化业务流程并未想清楚 [3] - 2025年出现拐点，随着大模型应用和智能体概念普及，市场活力显现，客户焦虑从“如何活下去”转变为“如何抓住AI的新机会” [3] - 竞争核心从底层资源转向前端应用，单纯售卖API调用被视为黏性极差的非健康生意模式，真正好的生意是以应用场景为导向 [3] - 腾讯云业务结构呈现“4-4-2”格局，即四成IaaS、四成PaaS、两成SaaS，其中约四分之一的营收来自SaaS [3] - 其商业赋能类SaaS产品年增长率超过128%，部分产品增速达200% [3] 生态伙伴重塑：转型与挑战 - 腾讯云生态中已有30%—40%的合作伙伴开始尝试或涉足AI业务 [4] - 合作伙伴从“资源转售商”向“价值服务商”转型面临两大核心痛点：内部共识与执行力存在落差甚至抵触；能力重构挑战，需从“价格型销售”转向深度理解客户业务场景的“价值型销售” [4] - 腾讯云的生态策略从“技术开放”升级为“场景融合”，与合作伙伴共同探索垂直行业场景，实现技术与业务深度融合 [4] - 为支持伙伴转型，腾讯云推出“助跑计划”，通过AI共创营、混元训练营等方式进行全链条赋能，第二期AI共创营报名伙伴超过2400家，最终与百余家企业建立深度合作关系 [4] “出海”与“价值战”：新增长与竞争策略 - “出海”成为云厂商与合作伙伴寻求增量的共同选择，腾讯云出海业务同比增长30%，成为伙伴业务的重要增长引擎 [5] - 赢得海外客户的关键因素包括领先的技术能力、有竞争力的价格体系以及专业的本地服务支持，以印尼GoTo集团为例 [5] - 面对国内大模型厂商的价格战甚至免费化趋势，腾讯云明确拒绝内卷，认为卷价格无意义，AI是价值导向的新兴市场，最终变现需通过为客户创造应用价值来实现 [5] - 行业认为，云厂商的AI竞争已告别早期概念喧嚣与资源堆砌，进入比拼生态健康度、应用渗透深度与可持续商业模式的“深水区” [5]

阿里千问App功能升级 - 阿里发布最新版千问App，支持AI点外卖、订机票、订酒店等功能，打通从需求表达、任务执行到支付完成的全流程，实现AI办事闭环 [1] - 用户只需说“帮我点两杯咖啡”，千问便可调用淘宝闪购服务完成定位、推荐、下单，并通过“支付宝AI付”一键付款，实现“说一句，就送到” [1] - 千问App已全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务，实现AI购物功能，并上线超400项AI办事服务 [2] - 深度接入“支付宝AI付”和政务服务后，用户无需页面跳转，用一句话即可查询签证、户口、公积金等50项民生服务事项 [2] AI技术演进与能力支撑 - 千问“办事能力”的爆发得益于底层大模型技术的突破：编程能力提升使其能实时构建工具；全模态理解能力增强可看懂界面、听懂声音、读懂图文；超长上下文处理能力提高了复杂任务交付上限 [2] - 中国信息通信研究院测试结果显示，模型在语言和多模态理解能力方面的综合能力分别提升30%和50%，推理、编程等能力呈现“又好又快”发展态势 [3] - 基础大模型在技术层面的迭代升级，为大模型实用化打下坚实基础，AI正由辅助性工具转变为具备交互学习能力的智能伙伴 [3] AI行业发展趋势与竞争格局 - 从“聊天对话”到“办事服务”，AI正加速从工具属性向超级入口演进，阿里、字节、腾讯等企业纷纷入局 [1] - 行业开启一场面向C端的入口争夺战，旨在重塑未来流量分发逻辑和商业生态格局 [1] - AI入口的本质是用AI智能体取代传统操作系统的人机界面，对端侧设备进行全局性驱动，用户可直接通过自然语言调用所需AI能力，无需基于操作系统启动App [1] - 这种全局性驱动延伸至手机、电脑、智能眼镜、智能电视等各类终端设备，设备只需具备基础联网能力并接入云端AI [2] - 智能体成为大模型应用落地的主要形式，逐步显现“数字劳动力”雏形，通用智能体在网页交互、信息整合等场景表现印象深刻，专用智能体在编程、法律等垂直场景实现应用落地破局 [3]

文章核心观点 - 2026年全球人工智能发展将由技术突破、产业应用、能源压力与治理落地等多重变量共同塑造，竞争焦点将从单一模型能力转向安全、合规、能耗与产业落地的系统性整合[1][8] 技术发展 - 顶尖AI企业将继续在大模型领域竞争，发布规模更大或效率更高的新版本，并聚焦提升模型的推理与任务执行能力[1][2] - 人工智能研究的下一个前沿是空间智能，旨在使大模型具备语义、物理、几何及动态复杂交互等方面的理解力[2] - 智能体应用将日益普及，从传统的一问一答模式转向具备深度目标导向、多步骤规划能力的任务型智能体[2] - 预计到2026年，40%的企业应用将嵌入任务型AI智能体，相比2025年的不足5%实现大幅跃升[2] - 部分智能体已能执行自动点击、填表、跨软件切换等操作，例如微软Office智能体可对话后自动创建文档和演示文稿，使其具备数字员工属性[2] 产业应用 - AI对企业的浅层价值是降本提效，深层价值是以能力迸发驱动范式转换，引发成本结构、组织形态和竞争逻辑三方面的变革[3] - 数字孪生与AI智能体结合正在重塑产品设计流程，“智能制造”迎来战略机遇期[4] - 预计2026年，40%配备生产调度系统的制造商将升级采用AI驱动的生产排程，实现生产资源管理的自主化运行[4] - 到2028年，全球头部1000家制造企业中65%将把智能体与设计、仿真工具结合，用于持续验证设计变更[4] - 2026年将是“主动智能体”之年，AI可从“反应式”转向在设备上快速运行、始终在线并主动为人类在后台完成任务[4] - 中国制造业的产业智能化浪潮机遇大于挑战，AI赋能将增强企业的市场感知力、产品创新力和国际竞争力，推动形成以新兴产业和未来产业为基础的现代产业群[4] 能源挑战 - AI大规模应用带来的能源压力将持续高企，推动能源绿色转型需求增大[5] - 国际能源署报告预测，到2030年全球数据中心电力需求将增长一倍以上，达到约945太瓦时，AI是主要推动力[5] - 全球AI活跃用户已超10亿，预计未来将超50亿，为实现AI无处不在的愿景，未来几年需将全球算力提升100倍[5] - 受算力负载攀升、能效法规趋严及低碳设施落地驱动，全球绿色AI数据中心市场将强劲扩张[5] - 预计2026年全球绿色AI数据中心市场规模达676亿美元，到2035年可能增长至约1230亿美元[5] - 中国正从供给能力、布局优化与绿色低碳等维度夯实产业底座，为AI发展提供可持续支撑[5] - 推进AI基础设施建设需加快高能效芯片研发、保障新能源电力稳定供给，并突破新一代冷却技术的规模化应用与能源管理智能化[6] 治理与合规 - 2026年被视为全球AI治理措施加速落地的关键一年，行业焦点从理念争论转向合规能力、产业适配与跨境协同[7] - 欧盟《人工智能法案》作为全球首部全面监管AI的法律，大部分规则将于2026年8月开始生效[7] - 美国联邦政府于2025年12月要求统一AI监管规则，预计2026年将出台更多措施[7] - 中国AI治理路径日益清晰，国务院2025年8月印发的文件在推动“人工智能+”深度融合的同时，要求完善法律法规与伦理准则，推进相关立法工作[7] - 国际社会对中国AI发展的关注从“规模扩张”转向“制度供给与治理实践”，认为中国以适配性监管与坚实基础设施为支撑的战略为全球树立了典范，在创新与安全间取得平衡[7]

2026年AI行业发展趋势与核心观点 - 2026年被视为AI智能体走向成熟的一年，特别是多智能体系统将成熟并产生显著影响[11] - 当前存在巨大的“能力鸿沟”，即AI工具能力强大但用户尚未掌握充分利用它们的方法，如同将法拉利钥匙交给了刚学车的人[5][6][7][12] - 行业处于范式转移中，AI是真实的增长动力，其需求受限于算力可用性而非其他因素[22][23] AI技术发展现状与挑战 - “凭感觉编程”在2025年已成熟，但能让AI像靠谱员工一样处理复杂任务的智能体技术尚不完善[5][11] - 大语言模型在记忆力、持续学习能力和降低幻觉等方面仍有提升空间[11] - 目前只有个位数百分比的用户用到了AI 30%的能力，充分挖掘AI潜力将是一个长达10年的旅程[14] - 谷歌报告显示50%的先行企业已将AI投入生产，但极少有公司将核心业务完全交给AI[5] 企业应用与生产力变革 - 采用AI的公司生产力显著上升，麦肯锡研究显示前四分之一的公司生产力提高了27%到33%[30] - AI能接管组织中的枯燥任务，例如通过智能体阅读合同、分析非标准条款并提供业务洞察，使团队规模更小、绩效更高[25] - 出现“一人加AI顶十人”的案例，例如一家公司用一个销售开发代表加AI替换了10个销售开发代表[27]，另一家公司会计部门仅有一人[26] - 目前约14%的客户在使用某种智能体技术，但很多CEO表示其60%的生产代码由智能体编写，显示巨大增长潜力[36] OpenAI的战略与运营 - OpenAI认为其在企业级竞争已经获胜，90%的企业表示正在使用或计划在未来12个月内使用OpenAI，公司是历史上最快达到100万企业用户的平台[35] - 公司将算力投资视为增长核心，算力与营收增速强相关：2023年底算力200兆瓦对应年度经常性收入20亿美元，2024年底600兆瓦对应60亿美元，2025年底2吉瓦对应超过200亿美元[21] - 公司采用“魔方”战略，在基础设施、产品和商业模式层创造可选性，以支持实现通用人工智能所需的算力投资[23][29] - 每周有超过8亿消费者使用ChatGPT，其中每周有2.3亿人咨询健康问题[16][19] 医疗健康领域的AI应用 - 66%的美国医生在日常工作中使用ChatGPT[19] - AI有潜力变革医疗健康领域，普及医疗专业知识，但面临FDA监管和美国医学会等既得利益者的制度阻力[17][18] - AI在健康领域可作为医生的强大辅助，帮助掌握最新研究成果，并为消费者提供研究症状和获取第二诊疗意见的能力[19] 算力需求与行业投资 - 算力需求巨大且几乎无限，目前需求只受限于算力的可用性，存在价格弹性[23] - 过去一年，全球AI硬件投资总额增加约2200亿美元，芯片预测增加约3340亿美元[22] - 确保未来算力供应需要提前多年规划和投资，例如为2028至2030年的需求做准备[21] 商业模式与消费者市场 - OpenAI 95%的用户免费使用其服务，公司考虑引入广告等商业模式，但坚持模型永远提供最佳答案的“北极星指标”，并保证存在无广告的付费层级供用户选择[31] - 未来用户可能订阅多个AI服务，但切换平台会损失连贯性体验[32] - AI未来将像电力一样融入一切，成为无处不在的基础设施，而非需要刻意调用的工具[33] 创业公司与投资机会 - 创业公司机会在于拥有独特数据访问权、结合复杂工作流以及在基础模型之上构建垂直解决方案[37] - 仅仅智能本身并非解决方案的全部，围绕数据权限、定制模型、智能体身份验证和智能体商业等领域存在大量机会[37] - 现在可能是比以往任何时候都更有趣的创业时期[37] 长期展望与社会影响 - 预测15年后机器人产业规模将超过今天的汽车产业[39] - 家庭机器人潜力巨大，不仅在于处理家务，更在于提供陪伴以应对孤独感这一全球流行病[39] - 在下一个十年的末期，可能出现大规模的通货紧缩经济，劳动成本和专家服务成本将趋近于零，政府保障的最低生活标准将大幅提高[40] - 免费的初级医疗和每个孩子拥有AI私人导师的教育可能成为现实[40]

技术演进 - 2026年，顶尖AI企业将聚焦提升大模型的推理能力与智能体执行任务能力，推动AI从“会生成”向“会规划、会行动”进化 [1] - 大模型竞赛将延续，OpenAI、谷歌、深度求索等公司将发布规模更大或效率更高的新版本大模型 [1] - 空间智能被认为是人工智能下一个前沿，大模型在文本、多模态数据处理基础上，正于空间理解力方面取得进步，目标是具备语义、物理、几何、动态复杂交互等能力的模型 [1] - 智能体将日益普及，具备深度目标导向、多步骤规划及擅长特定任务能力的智能体将越来越多地应用于工作 [2] - 高德纳咨询公司预测，到2026年，40%的企业应用将嵌入任务型AI智能体，而2025年这一比例不足5% [2] - 部分智能体已可实现自动点击按钮、填写表单、在不同软件间切换，例如微软Office智能体可自动创建电子表格、文档和演示文稿，使AI具备数字员工属性 [2] 产业应用 - 数字孪生与AI智能体结合正在重塑产品设计流程，推动“智能制造”迎来战略机遇期 [3] - 国际数据公司预测，2026年，40%配备生产调度系统的制造商将升级采用AI驱动的生产排程，实现生产资源管理的自主化运行 [3] - 到2028年，全球头部1000家制造企业中预计有65%将把智能体与设计、仿真工具结合，用于持续验证设计变更与配置方案 [3] - 2026年被认为是“主动智能体”之年，AI将从“反应式”转向可在设备上快速运行、始终在线并主动为人类在后台完成任务 [3] - 预计这一趋势将在中国制造业显著体现，工厂生产计划将更多由AI智能体根据订单变化、设备状态、供应链波动实时优化 [3] - 产业智能化浪潮对中国制造业机遇大于挑战，从制造向“智造”转变将增强企业的市场感知力、产品创新力和国际竞争力，并有望带动中国经济走向下一个长周期发展 [3] 能源挑战与市场 - AI大规模应用带来的能源压力将持续高企，数据中心耗电量将持续高企 [1][4] - 国际能源署2025年4月报告称，到2030年，全球数据中心的电力需求预计将增长一倍以上，达到约945太瓦时，人工智能是主要推动力 [4] - 超威半导体公司首席执行官指出，全球AI活跃用户已超10亿，预计未来将超50亿，实现AI无处不在的愿景需在未来几年内将全球算力提升100倍 [4] - 受算力负载攀升、能效法规趋严及低碳设施落地驱动，全球绿色AI数据中心市场将迎来强劲扩张 [5] - 加拿大优先研究公司报告显示，全球绿色AI数据中心市场规模在2026年预计达676亿美元，到2035年可能增长到约1230亿美元 [5] - 中国正从供给能力、布局优化与绿色低碳等维度夯实产业底座，为AI发展提供可持续资源与工程体系支撑 [5] 治理与监管 - 2026年被视为全球AI治理措施加速落地的关键一年，行业关注焦点可能从理念争论转向合规能力、产业适配与跨境协同 [5] - 欧盟《人工智能法案》作为全球首部全面监管AI的法律，大部分规则将于2026年8月开始生效 [6] - 美国联邦政府于2025年12月要求在联邦层面统一AI监管规则，预计2026年将出台更多相应措施 [6] - 中国AI治理路径日益清晰，国务院2025年8月印发的《关于深入实施“人工智能+”行动的意见》指出要完善人工智能法律法规、伦理准则，推进相关立法工作 [6] - 国际社会对中国AI发展路径的关注从“规模扩张”转向“制度供给与治理实践”，认为中国以适配性监管与坚实基础为支撑，在创新与安全间取得平衡，正引领全球AI治理 [6]

AI驱动新药研发行业研究纪要关键要点 涉及的行业与公司 * 行业：AI驱动的新药研发（AIDD）行业 [1] * 提及的公司：某西智能（采用GAN模型，已进入临床二期）[16]、某泰科技（以传统CADD为主，拓展深度学习）[16]、星耀科技（曾技术优秀但已倒闭）[16] * 提及的技术/模型提供方：AlphaFold（预测蛋白质结构）[1][2][4]、OpenAI（生成模型）[2]、扩散模型（Diffusion Model）[1][2][4]、Deepseek（对话模型）[7][18]、ChatGPT（对话模型）[7]、GPT系列（大规模参数模型）[11]、DeepMind（智能体应用）[18]、Anthropic（大模型趋势）[18] 核心观点与论据 AI制药的原理与优势 * AI通过预测蛋白质结构（如AlphaFold）加速靶点发现，并利用生成模型（如扩散模型）设计先导化合物，提高新药研发效率和成功率 [1][2] * 人工智能驱动的新型药物发现（AIDD）跳过传统计算机辅助药物设计（CADD）复杂的物理规则，通过海量数据直接预测分子效果，提高了预测准确性和数据集处理能力 [1][3][4] * AI在临床前研究中可预测小分子的毒性、安全性等性质，减少实验筛选时间和成本 [2] 关键技术方法与应用 * **图神经网络（GNN）**：擅长处理小分子结构数据，但随着分子复杂性增加，学习效果显著下降 [1][13] * **多模态学习**：整合图像、文本、指纹和点云等多种数据模态，更全面表征小分子特性，提高研发效率，已在KRAS靶点研究中取得成果（使用3,400多个小分子结构及活性数据）[1][15] * **AI模型类型**：分为解决特定垂直领域问题（如药物结构生成、基因诊断）的“小模型”和用于对话及调用（如撰写报告）的“大模型” [1][7][11][12] * **智能体应用**：可根据用户需求自主设计并监控整个工作流程，例如ADM MEC智能体可自动调用约14个工具生成报告，降低化学家和生物学家使用门槛 [18][20] 行业评估与发展趋势 * **评估AI制药公司能力**需考察：是否采用深度学习等先进算法（非仅传统CADD）、拥有高质量数据、已有成功案例、持续创新能力 [1][5][6] * **未来趋势**：小分子设计复杂化（如雷帕霉素等新型大分子胶）[13][17]、多模态融合技术主流化 [1][17]、新型编码器和深度学习算法涌现 [1][17]、智能体在工作流设计中应用增加 [1][20]、公司技术保密更严格 [17] * **模型选择**：基于测试，上百亿参数的大模型与32B或8B的小模型在调用工具时效果相似，需权衡参数量、效果及成本 [21] 其他重要内容 * AI模型的训练过程类似于人类学习，包括非监督学习的初步分类和引入外部标签的监督学习 [8] * 选择适当的数据编码器（如CNN处理图片、RNN/Transformer处理语言、GNN处理图结构）对提高AI模型性能至关重要 [10] * 当前一些主流AIDD公司的技术特点各异，包括模型类型（如GAN）、技术透明度（开源或保密）和市场化能力 [16] * AI编程（AI coding）是当前最成熟的大模型应用之一，已催生市值数百亿甚至上千亿的公司 [18]

报告行业投资评级 - 行业投资评级为“推荐(维持)” [1] 报告核心观点 - 人工智能行业正从“纯聊天对话交互”阶段迈入“场景化办事落地”的全新发展阶段，以阿里千问App全面接入生态服务为标志性事件 [3][47] - 基于AI应用单点突破向全场景渗透的积极态势，持续看好AI应用板块 [4][47] - 中长期建议关注在算力、新能源、AI智能识别及工业软件等领域具备优势的特定公司 [4][48] 算力动态 - **Tokens消耗跟踪**：2026年1月12日至18日，周度token调用量为7.65T，环比增长18.97% [11] - **市场份额**：Google以392B tokens占据34.2%的市场份额，位居首位；Anthropic以140B tokens占比12.2%，位列第二；xAI、OpenAI、Deepseek分别占据11.7%、11.0%、8.2%的份额 [11] - **算力租赁价格**：上周价格平稳，例如腾讯云A100-40G配置（16核+96G内存）价格为28.64元/时，阿里云同级别配置价格为31.58元/时，环比均无变化 [17] - **产业动态**：DeepSeek于2026年1月13日开源了包含“Engram”模块的论文及代码 [2][17] - **Engram模块技术价值**：该模块提出“查—算分离”新机制，基于哈希N-Gram嵌入实现O(1)确定性检索，算力消耗低，旨在解决传统Transformer/MoE架构中记忆与推理任务的冲突 [2][17][20] - **技术定位**：Engram模块负责早期记忆检索与模式重构，与负责深层推理的MoE专家形成互补，可显著提升大模型参数效率 [2][22] - **发展预期**：Engram模块可能成为DeepSeek下一代V4模型的核心技术基础，预示其在记忆和推理协同上将实现架构级提升 [23] AI应用动态 - **周流量跟踪**：在2026年1月10日至16日期间，访问量前三的AI应用为ChatGPT（1305.0M）、Bing（780.2M）和Gemini（469.0M）；访问量环比增速第一为QuillBot，增长13.20% [25][26] - **平均停留时长**：Character.AI以平均18分16秒位居第一；平均停留时长环比增速第一为文心一言，增长2.96% [25][26] - **产业动态**：阿里千问APP于2026年1月15日正式上线“任务助理”功能，并全面接入阿里生态内超过400项服务功能 [2][27] - **功能升级**：千问APP深度整合淘宝、支付宝、飞猪、高德等应用，用户可通过自然语言指令完成商品下单、支付结算等全流程操作，无需跳转应用 [3][28] - **场景拓展**：该功能支持多品牌跨店铺的复杂需求处理，并能进行旅游规划、调用政务服务（已接入支付宝50项高频民生服务）等 [31][32][47] - **技术架构**：千问采用基于MCP与A2A协议的通用Agent体系，设计主Agent与子Agent协同工作机制，并通过协议层直接对接应用，将功能拆解为原子化指令单元以提高执行准确性与速度 [33][35] - **系统能力**：系统具备“反思”能力，可将执行经验结构化为知识库，并能在遇到少见任务时启动Agentic Learning机制，自主编写并封装新的原子工具 [35] - **行业意义**：此次升级标志着千问完成了从交互工具向任务执行入口的关键转型，验证了AI在真实生活场景中落地的可行性与商业潜力 [4][47] AI融资动向 - **重大融资事件**：机器人通用AI基础模型研发公司SkildAI于2026年1月15日完成14亿美元C轮融资，由软银领投，贝佐斯旗下基金、英伟达等参投，融资后估值突破140亿美元 [2][36] - **公司业务**：SkildAI核心产品为“SkildBrain”通用AI基础模型，采用“硬件无关”架构，旨在适配多种机器人并覆盖多行业场景，以解决训练数据稀缺的痛点 [2][36] - **财务与增长**：截至2025年，SkildAI已实现约3000万美元收入；其估值从2023年种子轮的5840万美元大幅提升至当前的140亿美元 [37] - **行业背景**：2025年全球机器人初创公司共筹集138亿美元，超过2024年的78亿美元；SkildAI的主要竞争对手包括估值56亿美元的Physical Intelligence与估值390亿美元的Figure [37] - **行业趋势**：SkildAI的巨额融资和“硬件无关”架构代表了机器人软件领域的新趋势，反映了AI机器人通用智能体市场的爆发潜力及跨行业应用拓展的态势 [38] 行情复盘 - **指数表现**：上周（2026年1月12日至16日），AI应用指数日涨幅最大为7.06%，日跌幅最大为-1.93%；AI算力指数日涨幅最大为5.23%，日跌幅最大为-4.05% [41] - **个股涨跌**： - AI算力指数内部，润泽科技录得最大涨幅+14.41%，南兴股份录得最大跌幅-14.40% [41][44] - AI应用指数内部，易点天下录得最大涨幅+54.34%，硕贝德录得最大跌幅-9.90% [41][46] 投资建议与关注公司 - **中长期关注公司**： - **迈信林（688685.SH）**：加快扩张算力业务的精密零部件龙头 [4][48] - **唯科科技（301196.SZ）**：新能源业务高增，并供货科尔摩根等全球电机巨头 [4][48] - **合合信息（688615.SH）**：AI智能文字识别与商业大数据领域巨头 [4][48] - **能科科技（603859.SH）**：深耕工业AI与软件，长期服务高端装备等领域头部客户 [4][48] - **公司盈利预测**（数据截至2026年1月19日）： - 唯科科技：2025E EPS为2.53元，对应PE为31.62倍；2026E EPS为3.34元，对应PE为23.95倍，评级“买入” [6][50] - 能科科技：2025E EPS为0.96元，对应PE为53.11倍；2026E EPS为1.18元，对应PE为43.21倍，评级“买入” [6][50] - 合合信息：2025E EPS为3.37元，对应PE为90.28倍；2026E EPS为4.11元，对应PE为74.02倍，评级“买入” [6][50] - 迈信林：2025E EPS为1.64元，对应PE为32.68倍；2026E EPS为2.26元，对应PE为23.72倍，评级“买入” [6][50]

行业趋势 - 智能手机行业从“参数内卷”迈入“体验为王”的新纪元，正从“手机”向“智能终端”进化 [1][26] - AI大模型与智能体成为驱动手机体验升级的核心动力，彻底改变了手机的功能定位，推动手机从“工具”进化为“智能伙伴” [16][19][40][42] - 硬件形态从“追求大屏续航”向“兼顾便携体验”回归，超薄设计成为高端市场的重要细分方向 [10][34] - 生态融合成为核心竞争力，“手机为核心，多设备协同”的全场景体验正在落地 [22][25][47] AI技术与应用 - DeepSeek模型在2025年完成从技术研发到产业应用的关键跨越，通过优化模型大小和推理速度成功适配手机端，推动了AI技术的普及 [3][28] - DeepSeek的开源版本引发了开发者生态的繁荣，众多手机厂商基于此二次开发专属智能功能，推动AI技术从“头部专属”走向“全民普惠” [5][28] - 豆包手机助手成为年度现象级产品，标志着手机AI从“语音助手”迈入“智能秘书”时代，能深度融入操作系统并自动完成跨应用复杂操作 [6][28][29] - “模型厂商+硬件载体”的合作模式或将成为未来手机AI升级的主流路径，豆包手机助手已与中兴推出合作机型，并积极与其他厂商洽谈 [8][30] - 高端手机普遍搭载端侧大模型，支持离线实时翻译、文档生成等复杂功能，数据隐私与响应速度大幅提升 [16][40] - 华为小艺、小米小爱同学等主流助手均完成智能体升级，可自主完成跨应用任务调度 [17][40] - AI大模型在影像领域实现更精准的场景识别与画质优化，在系统层面可根据用户习惯自动优化资源分配 [19][42] 硬件创新 - 苹果推出的iPhone Air将机身厚度控制在6mm以内，采用了柔性OLED折叠基板、微型化元器件及一体化中框设计 [8][31] - iPhone Air首次搭载苹果定制高效能芯片与超薄电池技术，并全面支持eSIM以取消实体卡槽 [10][33] - 硅碳负极电池在2025年实现规模化量产，其能量密度相较于传统石墨负极电池提升30%以上，使旗舰手机电池容量在相同体积下增加近四成 [13][36] - 国内多家电池厂商突破了硅碳材料膨胀控制难题，该技术已广泛应用于中高端手机机型，并在国补政策下成本持续下降，向中端市场渗透 [15][38] - 存储芯片价格在2025年暴涨，DRAM与NAND Flash价格年内涨幅均超50%，严重影响手机行业成本 [15][39] - 存储涨价导致中低端手机存储配置升级放缓，高端机型则通过优化存储管理技术控制成本 [15][39] - 价格暴涨倒逼国内存储厂商如长江存储、长鑫存储加速技术突破，释放先进制程产能 [15][39] 通信与连接技术 - 2025年是eSIM技术在消费电子领域全面普及的关键一年，国内政策放宽限制，手机端应用场景大幅拓展，多个城市实现主流运营商全面支持 [10][34] - eSIM的普及改变了用户通信习惯，多号切换、跨终端通信共享成为常态，并推动了智能汽车、MR设备等物联网终端的联网便捷性 [10][12][34][36] - 随着5G-A技术发展，eSIM未来可能与卫星通信、车联网等功能深度融合 [12][36] 操作系统与生态 - 华为于2025年10月发布HarmonyOS6系统，截至年底搭载该系统的终端设备数量突破2300万台 [22][45] - HarmonyOS6的核心升级包括基于鸿蒙智能体框架的超级助理小艺、实现多设备协同的星河互联架构以及强化隐私的星盾安全架构 [22][45] - 微信、淘宝、抖音等头部应用已全面适配HarmonyOS，首批80多个鸿蒙应用智能体上线，形成了丰富的应用生态 [22][45] 新兴终端形态 - 2025年，MR设备从“小众极客玩具”向“大众消费产品”转变，苹果Vision Pro 2、Meta Ray-Ban Display等设备普及 [20][42] - XR融合终端通过“手机+头显”的组合模式形成“算力+显示”的黄金组合，手机承担核心计算，头显专注沉浸式交互 [20][42] - 轻量化设计、高精度眼动追踪等技术突破使MR设备的佩戴时长提升3倍以上，应用场景拓展至教育、医疗、工业设计等领域 [22][44][45] - MR设备有望成为继手机之后的下一代智能终端核心入口 [22][45] 政策与市场 - “手机国补”政策在2025年贯彻全年，显著降低消费者换机成本，推动了中高端机型的销售 [16][39] - 数据显示，2025年中高端手机销量同比增长35%，国补政策成为推动行业技术升级的重要引擎 [16][39]

行业技术趋势：OCR技术进入AI驱动的深水区创新 - 2025年之前OCR是通用技术，但2025年后随着AI大模型在架构、记忆、存储等深水区创新，OCR重新成为技术专项，吸引了包括DeepSeek、智谱、阿里千问和腾讯混元等主要厂商的密集研发[1] - 行业正从传统的文字识别向文档理解与知识抽取层面演进，技术突破集中在处理超长文档、复杂结构以及多模态理解上[7] 主要厂商技术进展 - **DeepSeek**：于2025年10月发布DeepSeek-OCR，采用“视觉压缩一切”技术，通过专属视觉编码器将万字长文压缩成百个视觉token，在10倍压缩下仍能保持97%的高准确率，单块A100-40G显卡每天可处理超过20万页文档[5] - **智谱与清华大学**：联合发布Glyph框架，通过“文本渲染成图”思路将超长文本转为紧凑图像以突破上下文窗口限制[7]；随后在12月正式发布GLM-4.6V多模态系列，包含9B与106B参数版本，其中106B版本凭借128K上下文窗口能跨页理解长税表、合同与科研图谱[7] - **阿里千问**：在2025年10月发布的Qwen3-VL-30B等版本在OCR领域有重要升级[8] - **腾讯混元**：于2025年11月底开源1B参数的HunyuanOCR，虽然参数少但具备处理表格、结构化文档、多语种内容的能力，运行速度快且易部署，迅速成为开源热门[9] 技术演进与新方案：智能体文档提取 - 传统OCR技术（如Tesseract, PaddleOCR）在提取文字时会将文档“压平”，导致表格结构、图注关系及阅读顺序等关键信息丢失，给下游大模型带来数据不完整和幻觉问题[12] - 吴恩达新课程提出的“智能体文档提取”方案是OCR在Agent时代的进阶，它是一个统一的智能体工作流，基于「视觉优先」策略、「以数据为中心」的精准性和智能体化主动思考三大支柱[13] - 该方案搭载DPT模型，将文档视为整体视觉对象来理解其布局和空间关系[13] - ADE方案在DocVQA基准测试中的准确率达到99.15%，超越了人类表现的98.11%[3][17][18] - 该方案展现出极强的鲁棒性，能精准解析超过1000个单元格的巨型表格、复杂手写微积分公式、带弯曲印章的证书以及纯图示安装说明书[19] 技术落地与部署 - ADE引入的视觉接地技术不仅能提取文字，还为每个数据块分配唯一ID和精确像素坐标，并能生成局部截图，实现答案与原始文档位置的可视化对应[19] - 课程提供了在AWS上部署的完整指南，可实现全自动流水线：PDF上传至S3存储桶后，由Lambda函数自动进行ADE解析，将结构化Markdown存储，再通过Bedrock知识库建索引，最终由Strands Agents构建成具备记忆和推理能力的行业知识助手[5][19]

文章核心观点 - AI大模型的发展正推动OCR技术进入新的“深水区”创新阶段，使其从简单的文字识别演变为具备文档理解与知识抽取能力的智能体工作流[2][4] - 吴恩达发布的新课程提出了“智能体文档提取”方案，该方案在DocVQA基准测试中取得了99.15%的准确率，超越了人类表现，并提供了从本地代码到云端部署的完整实践指南[3][5][7][34] 行业技术动态与厂商进展 - **DeepSeek**：于10月份发布DeepSeek-OCR，采用视觉压缩技术，可将万字长文压缩至百个视觉token，在10倍压缩下仍保持97%的高准确率，单块A100-40G显卡每天可处理超过20万页文档[9] - **智谱AI与清华大学**：联合发布Glyph框架，通过“文本渲染成图”思路将超长文本转为紧凑图像，以突破上下文窗口限制[11] - **智谱AI GLM-4.6V系列**：12月发布，包含9B与106B参数版本。9B版本在低成本本地OCR场景表现突出，支持复杂扫描、笔记与模糊文档；106B版本凭借128K上下文窗口，能实现跨页理解长税表、合同与科研图谱，将OCR提升至文档理解与知识抽取层面[12] - **阿里千问**：10月发布的Qwen3-VL-30B等版本在OCR领域有重要升级[13] - **腾讯混元**：11月底开源1B参数的HunyuanOCR，虽参数少但具备处理表格、结构化文档、多语种内容的能力，运行速度快、易部署，成为开源热门[14][15] 技术演进与新方案核心 - **传统OCR的局限**：早期规则时代（如Tesseract）和后来的深度学习方案（如PaddleOCR）在提取文字时会将文档“压平”，导致表格结构、图注关系及阅读顺序等关键信息丢失，给下游大模型提供半成品数据，易产生幻觉[20][21][22][23] - **ADE方案三大支柱**：新方案基于“视觉优先”策略理解文档布局，采用“以数据为中心”保证精准，并凭借“智能体化”实现主动思考[24] - **核心技术模型**：方案搭载DPT模型，将文档视为整体视觉对象来理解其布局和空间关系[25] - **性能表现**：DPT模型在DocVQA基准测试中取得99.15%的分数，超越人类表现的98.11%[28][29] - **实战能力**：方案展现出强鲁棒性，能精准解析超过1000个单元格的巨型表格、复杂手写微积分公式、带有弯曲印章的证书及纯图示安装说明书[30][31] 技术落地与部署 - **视觉接地技术**：ADE不仅能提取文字，还能为每个数据块分配唯一ID和精确像素坐标，并生成局部截图，实现答案与原始文档位置的可视化对应[32][33] - **云端部署指南**：课程提供在AWS上搭建全自动流水线的实操指南，流程包括将PDF传至S3存储桶，由Lambda自动进行ADE解析，将结构化Markdown存储，再通过Bedrock知识库建索引，最终利用Strands Agents构建具备记忆和推理能力的行业知识助手[34]