谷歌Project Genie发布及其核心能力 - 谷歌宣布向部分用户开放体验Project Genie原型版本 该AI工具能根据用户提供的照片、草图或文字描述生成可交互的虚拟世界 实现“生成即交互” [1][8] - 用户可指定游戏内角色的操作方式 如走路、骑行、飞行或开车 Project Genie会尝试理解物理规律并生成一个可供操控的世界 [11][13] - 生成的世界并非一次性产品 用户可在已有世界基础上通过修改提示词进行编辑 例如更换角色或物体 并能将生成内容导出为视频进行分享 [14][16] 市场对Project Genie的初步反应 - 消息公布后 相关游戏公司股价出现显著下跌 其中《GTA》开发商R星的母公司Take-Two Interactive股价下跌10% 在线游戏平台Roblox下跌超过12% 游戏引擎制造商Unity下跌21% [4] - 相比之下 国内厂商如网易和腾讯的股价基本未受影响 [4] Project Genie的技术原理与当前局限性 - Project Genie的核心模型Genie 3是一个采用自回归生成机制的帧生成模型 它通过分析前几帧画面来预测并生成下一帧 而非播放预渲染内容 [24] - 该模型通过学习了超过20万小时的游戏视频数据来建立操作与画面变化的关联 [26] - 当前体验存在明显缺陷 包括缺乏一致性 例如角色面部特征在短时间内发生不可控的剧烈变化 以及缺乏可靠逻辑 导致角色穿墙、陷入地板或场景出现无逻辑形变等 [27][29][31] - 谷歌为防止AI算力过载或逻辑崩坏 将玩家可生成的片段长度限制在一分钟 但即便在此限制下 记忆丢失和逻辑错误问题依然突出 [27][31] Project Genie的行业定位与潜在影响 - 该技术目前的主要价值在于为游戏设计师提供快速验证灵感的工具 对普通玩家而言 更多是一个可短暂娱乐的新鲜玩具 距离真正的沉浸式可玩性游戏尚有距离 [32] - 其意义超越了游戏创作本身 代表了人工智能从“理解静态世界”向“模拟真实世界”迈出的关键一步 是实现从被动展示到主动交互、从静态叙事到动态推演的重要进展 [33][35] - 世界模型被视为通往通用人工智能（AGI）的必经之路 其成熟形态可用于在虚拟世界中训练AI机器人完成各类任务 再将算法迁移至实体机器人 从而降低现实训练成本 [35] 行业竞争格局 - 多家科技巨头正在布局世界模型赛道 OpenAI明确其视频生成模型Sora本质上是世界模型 英伟达新推出的Cosmos模型则专注于让AI理解物理定律 [35] - 相比之下 国内游戏大厂如网易和腾讯的AI应用方向被描述为“用AI赋能游戏” 例如开发AI NPC或游戏AI对手 被认为尚未触及颠覆游戏创作流程的层面 [23]

文章核心观点 - 动易科技通过启用广州智造中心、量产人形机器人C2及开源核心AI智能体PhyCore，系统性地回应了中国机器人产业从实验室原型到稳定量产、从单一产品到生态构建的挑战，其战略核心在于通过“双核驱动”布局、创造全新服务场景以及开源构建生态，重新定义制造价值并推动行业进入比拼综合实力的新阶段 [2][6][15][20] 选址广州的战略考量 - 公司将智造中心选址广州海珠区大干围，核心原因是珠三角地区拥有从精密加工、电子元器件到系统集成的完整机器人上下游产业链，能提供从特殊规格螺丝到定制化电路板的本地化解决方案 [3] - 高度集聚且响应迅速的供应链网络，对于处于量产爬坡期的机器人公司意味着更短的迭代周期、更低的试错成本和更可控的产品质量 [4] - 公司采用“双核驱动”布局：北京公司作为“创新引擎”专注前沿算法与下一代产品定义；广州智造中心则作为“智造引擎”和“概念翻译官”，负责解决如何“做得最好、最稳、最快”，旨在打通从技术构想到规模交付的完整闭环 [6] C2量产的产品哲学与市场定位 - 正式量产的PHYBOT C2机器人硬件参数包括：1.35米身高、5公斤双臂负载、4米/秒移动速度以及高扭矩密度的关节模组 [7] - 产品定位为“有温度的智能服务生”，刻意避开简单替代人工的内卷路径，转而采用“以新造新”策略，旨在用机器人创造全新的服务品类与体验，如商业空间智能导览员、教育科研平台、家庭陪伴助手及体育训练伙伴 [9] - 该定位基于对机器人价值本质的思考，即利用其持久性、精确性和可连接性，去完成人类不擅长、不愿意或无法规模化完成的任务，从而开辟全新价值空间；C2搭载的情感交互灯带和投影模块旨在降低人机交互心理门槛 [11] PhyCore开源的战略意义 - 公司同步宣布将AI智能体PhyCore 0.1永久免费开源，该模型是采用强化学习进行对抗训练，让AI在虚拟环境中通过数亿次“左右互搏”自我进化后习得的运动控制大模型 [13] - 短期战略目标是降低行业门槛，让更多开发者、研究者和初创公司能绕过基础运动控制难题，直接进行上层应用开发和场景创新 [15] - 长期战略目标是共建数据生态，通过广泛使用和测试收集多元场景的海量数据反哺模型，驱动PhyCore加速进化，形成“应用-数据-模型”的飞轮效应，并有望成为行业事实标准的重要定义者，为公司硬件产品和未来高级软件服务铺路 [15] 智造中心对“制造”价值的重新定义 - 广州智造中心并非传统追求成本与效率最大化的工厂，而是一个“研发与生产双线驱动”的核心枢纽 [16] - 采用“工业上楼”模式，使设计团队与制造团队物理距离极近，一个创新设计修改后几小时内就能在楼下加工中心获得实体原型验证，形成了极致的“设计-制造-反馈”闭环，加速工程化创新并构建产品可靠性与工艺壁垒 [18] - 中心展示了从核心部件到整机的产品谱系，包括第三代PhyArc摆线关节模组、载重领先的四足机器狗PHYBOT D1、全尺寸人形机器人PHYBOT M1及C1原型机，揭示了公司通过自主研发核心关节模组来掌握底层运动性能与成本控制关键，为整机产品赋予差异化竞争力并为未来平台化扩展打下基础 [18] 行业背景与公司定位 - 文章末尾列出了包括工业机器人、服务与特种机器人、医疗机器人、人形机器人、具身智能企业及核心零部件企业在内的广泛行业参与者名单，动易科技被列于“人形机器人企业”类别中 [22][24] - 公司的实践被视作对创业公司本质是“创造一个新的产业，或者一种新的产品”的诠释，其从一颗为AI优化的螺丝和一个高性能关节模组起步，系统性地回答AGI时代如何为AI打造能灵活可靠执行任务的“身体”这一关键问题 [20] - 广州智造中心的启用、C2的量产与PhyCore的开源共同构成了公司“创造周期”的坚实一步，标志着中国机器人创业正在告别概念期，进入比拼综合实力、深耕产业价值的新阶段 [20]

核心观点 - 比特币的资产属性正在发生转变 其近期走势表现出越来越强的“软件股”特征 与传统科技板块中的软件子行业产生高度情绪共振 而非仅仅作为数字黄金波动 [1][3] - 市场对比特币的本质进行重新审视 将其归类为一种开源软件协议 属于互联网科技资产 其价格波动与科技板块的景气度关联性增强 [2][4] 市场表现与相关性 - 比特币与 iShares 扩展科技软件 ETF（IGV）的30天滚动相关性已飙升至0.73的高水平 [1][3] - 今年以来 IGV 的跌幅约为20% 而比特币紧随其后下跌了16% [1][3] - 同期纳斯达克100指数仅回调约4% 比特币并未追随大盘 而是与软件板块步调一致 [1][3] 驱动逻辑与行业背景 - 宏观流动性收紧和通用人工智能（AGI）的快速发展是驱动比特币属性重估的背景 [2][4] - 投资者担忧人工智能（AI）将彻底改变传统软件服务的商业模式 这种恐慌情绪也波及到同样依赖软件协议定价的加密资产 [2][4] - 科技行业的熊市往往具有较长的持续性 参考历史平均14个月的周期 本轮始于去年10月的下行压力可能会持续到2026年的大部分时间 [2][4] 投资研判建议 - 建议投资者打破对比特币“避险资产”的固有印象 [2][4] - 应转而通过审视科技板块的景气度来研判加密市场的波动方向 [2][4]

公司近期资本市场动态 - 保荐人于2月4日悉数行使超额配股权，涉及561.29万股H股，占全球发售股份总数约15% [3] - 超额配发股份发行价为每股116.2港元，公司因此收取额外所得款净额约6.33亿港元 [3] - 稳定价格期随超额配股权行使完毕而结束 [3] 公司上市与市场表现 - 公司于今年1月8日在港交所挂牌上市，成为“全球大模型第一股”，独家保荐人为中金公司 [3] - 截至2月5日发稿，公司股价报216.2港元，较前收盘价227.2港元下跌4.84% [3] - 当日股价最高231.0港元，最低210.6港元，振幅8.98%，成交量为93.87万股，成交额为2.06亿港元 [4] - 公司总股本为4.40亿股，总市值约951.78亿港元 [3][4] 公司业务与历史 - 公司是中国人工智能公司，致力于开发先进的通用大模型 [3] - 公司于2019年创立，秉承在中国追求通用人工智能(AGI)创新的理念 [3] - 2021年，公司发布中国首个专有预训练大模型框架GLM框架，并推出模型即服务(MaaS)产品开发及商业化平台 [3] - 2022年，公司开源首个1,000亿规模的模型(GLM-130B) [3]

文章核心观点 - 真正成熟的AI财富管理，其标志在于关键决策时刻的判断品质与解释能力，而非算力或功能的堆叠，且能力的每一寸提升都需有治理的基座同步加固 [1][26][27] - AI在财富管理领域的真正价值超越了“效率叙事”，不仅在于执行得更快、成本更低，更在于在关键节点能否“做对的事”，并且全程可解释、可回溯 [6][33] - AI财富管理的演进是一个系统工程，并非单纯的技术军备竞赛，而是能力与约束必须同步进阶，当“更强能力”与“更强约束”写在同一张蓝图上，信任才成为可被检查的承诺 [23][26][27] AI财富管理的现状与核心挑战 - 财富管理是人类既普遍不擅长却又高度敏感的领域，天然带有高度私密性，人类面临追求理性决策却难以摆脱情感与认知偏见的根本困境 [5][32] - 当前AI正逐步接近财富管理领域，它不再仅是辅助工具，在某些交易情境下甚至已成为实质的执行者，但横亘在前的核心障碍是信任 [5][32] - 传统人类顾问模式的核心价值在于“转译”复杂条款、“落地”规划指令以及市场波动时的“托底”，但现实常面临佣金结构影响中立、信息不对称、个性化标签化及服务成本向高净值客户倾斜等扭曲 [7][34] - 社会期望转向更透明、可追溯的技术系统，但落地过程中存在“游戏化陷阱”和“社交化迷思”两种常见的“激励错位”，可能将“效率”推入“躁动”，侵蚀信任的基石 [8][35] - 算法所执行的，究竟是用户目标还是平台目标，若不能厘清此问题，则“高效”反而可能成为财务健康的隐忧 [9][36] 可信AI理财的五条底线原则 - **原则一：以客户利益为核心（受托义务）**：理财的终极目标是服务于用户的生命周期愿景，系统应动态理解用户，严格隔离商业激励与建议逻辑，并在每一则建议背后清晰回答可行性、替代路径及最坏情形 [11][38] - **原则二：自适应的个性化**：系统需将收支波动、家庭结构变化等变量纳入持续观测的反馈回路，并主动调节配置，同时保持策略定力，且每一次调整都应有简明可溯的理由说明 [12][39] - **原则三：技术稳健与系统韧性**：可靠系统应实现一致性、韧性（在市场异动、数据中断下不失控）以及准确性（即使超出训练样本分布，输出仍在可接受误差范围内） [13][40] - **原则四：伦理校准与公平性**：平台需在数据、目标函数与人机交互三层建立差异识别与校正机制，防止算法重现历史数据中的结构性偏见，确保不同客群的结果公正性 [14][41] - **原则五：可追溯与问责闭环**：系统需完整保留输入数据、版本状态与推理链以供第三方审计，合规应内嵌于系统架构，明确定义责任主体与干预路径，确保出错时可定位、可纠正 [15][42] AI理财规划师的五层能力演进图景 - **第一层：算术执行器**：对应早期数字化工具，核心能力是将复杂公式转化为可操作结果（如房贷测算），但仅能执行预设运算，不具备情境判断与解释能力 [19][45] - **第二层：交互式问答助理**：引入自然语言处理技术，能以对话形式响应用户提问，降低使用门槛，但回答缺乏逻辑一致性与上下文记忆 [20][46] - **第三层：智能投顾**：此为当前主流形态，通过标准化风险问卷划分用户类型，生成资产组合并执行定期再平衡，优势在于纪律性与执行效率，但受制于静态画像与算法黑箱 [21][47] - **第四层：全景规划师**：系统突破投资组合局限，整合现金流、负债、保险、税务与人生目标为动态规划整体，并能响应生活事件自动调节配置，但要求更精细的规则设计以防止算法过度响应或固化偏见 [22][48] - **第五层：系统级协调者**：作为愿景层级，追求在个体财务最优与整体金融稳定间实现动态平衡，但会引发权力集中、问责模糊与系统性风险等新治理难题，需同步构建强外部审计、分布式架构与熔断机制 [23][49] 责任分层与协同治理生态 - **对金融机构**：应将“决策理由链可视化”与“利益冲突透明化”嵌入系统基础架构，对自营或关联产品实施“成本优势原则”，并在关键交互节点设置理解校验机制，能力层级越高，要求越严格（如至第三层须实现完整披露，尝试第五层前必须通过独立压力测试） [24][49] - **对监管机构**：应从规则细目管理转向原则导向监管，核心要求系统“可解释、可追溯、可披露、可校正”，并实施分层监管框架，对高阶能力系统增加压力测试、公平性监测及跨机构审计等要求 [24][50] - **对使用者**：不应仅作为被动接受者，而应养成三层提问习惯（为何推荐此策、存在哪些替代路径、最坏情形如何应对），并关注交互界面是否清晰展示费用结构、利益冲突及提供“费用拖累”可视化分析等设计要素 [25][50]

文章核心观点 - 《自然》期刊发表重磅文章，联合多位顶级专家正式宣布通用人工智能已经诞生，人类需正视这一现实 [4] - 当前AI的能力已达到甚至超越人类专家水平，标志着一种“异类智能”已经与人类共存，而非将要到来 [13][28][34] 对AGI现状的评估与论证 - 图灵测试已成为过去式，GPT-4.5在严格的图灵测试中被人类判定为“真人”的比例高达73%，甚至超过了真正人类的被认可比例 [5][6] - 文章构建了评估AGI的三级阶梯：第一级图灵测试级已通关；第二级专家级为当前已达成水平；第三级超人类级正在逼近 [10][11][13] - 在专家级水平上，AI已取得多项硬核成就：获得国际数学奥林匹克竞赛金牌并协助证明未知定理、生成的科学假设在现实实验室被验证、能通过多学科博士资格考试并精通数十种语言创作 [11][12] - 尽管AI在某些简单任务上会犯错，但这不代表其没有智能，而是一种与人类不同的“异类智能”的体现 [28] 对主流质疑观点的反驳 - 反驳“随机鹦鹉”论：AI能解出从未发表过的新数学题、帮助发现新物理定律，这证明其具备推理能力，而非简单拼凑数据 [21] - 反驳“无身体则无理解”论：以斯蒂芬·霍金为例，身体行动能力缺失不影响智能存在；AI能进行关于物理世界的反事实推理，证明其拥有内部世界模型 [22] - 反驳“缺乏自主性”论：智能不等于意愿或道德责任，一个能随时提供顶级智慧解答的系统本身就是超级智囊 [23] - 反驳“学习效率低”论：人类大脑预装了进化几十亿年的“出厂设置”，而AI从零开始，最终达到的能力水平才是关键，效率不代表能力 [24][25] 对认知滞后的原因分析 - 根据2025年的一项调查，仍有76%的顶级AI研究人员认为AGI遥遥无期，这种认知错位源于人类因恐惧和商业利益而“不敢承认” [7] - 人类对AGI存在两大认知误区：一是将其神话为全知全能的神，二是坚持其必须像人类一样思考，这是一种“碳基生物的傲慢” [15][16][18] - 真正的通用智能标准在于广度与深度，即能在不同领域间切换并达到专家水平，而非全知全能或拥有肉体 [17] - 专家们不断移动球门、提高AGI的判定标准，这是一种教条式的怀疑，而非有说服力的科学理论 [13]

文章核心观点 - 加州大学圣迭戈分校研究团队在《自然》杂志发表评论文章，宣称通用人工智能已经实现，当前的大语言模型已展现出符合人类平均水平的广域智能 [1][6][7] - 研究团队认为，AGI的定义应是具备多领域广度及足够深度的能力，而非完美或全能，当前AI的能力已满足此标准，但76%的顶尖AI研究人员仍持怀疑态度 [12][13] - 文章指出，人类对AGI的集体否认源于定义模糊、恐惧被取代以及商业利益交织的“有毒组合”，并系统驳斥了关于AI能力的十大常见异议 [13][35] AGI已至的证据与能力表现 - 大语言模型在图灵测试中表现优异：GPT-4.5-PERSONA在Prolific平台测试中胜率达75.5%，在本科生测试中胜率达69.2% [11] - AI在多个专业领域达到专家水平：包括在国际数学奥林匹克竞赛中获奖、协助证明定理、构思可验证的科学假说、通过博士水平考试、编写零错误代码以及创作高水平诗篇 [12] - 当前LLM的能力广度已超越科幻作品《2001太空漫游》中的HAL 9000计算机，并正悄然迈向能做出革命性发现的“超人类水平” [27][29] 对AGI定义的重新审视与常见异议驳斥 - AGI无需完美或全能：通用智能意味着在数学、语言、科学、创造力等多领域具备广度及足够深度，人类亦非全知全能 [13][14] - 驳斥“随机鹦鹉”论：AI已能解决未发表的数学问题、进行跨领域知识迁移，其从数据中提取结构的能力与人类智能的基础可能并无本质不同 [35][40][41] - 驳斥“缺乏身体故无智能”论：以斯蒂芬·霍金为例，智力与认知有关，与物理形态或运动能力无关，人类在评估智能时对AI使用了基于机制的双重标准 [35][37][38] 历史背景与认知革命 - 此次AGI的实现被喻为继哥白尼日心说、达尔文进化论之后，第三次颠覆人类中心观的认知革命 [8][45] - 文章引用哲学家Hubert Dreyfus在1965年的比喻，指出过去认为实现人类级AI如同“爬树登月”，但现在看来“树已经够高，月亮其实也没那么远” [5][43][44] - 图灵在1950年预言的智能机器已经到来，其样貌既“人类”又“怪异”，这迫使人类重新思考自身在智能谱系中的位置 [45][46][47][48]

公司AGI战略与版图 - 蚂蚁灵波通过体系化发布并开源四款具身智能模型，实现了公司通用人工智能（AGI）战略从数字世界到物理世界的关键延伸 [1] - 公司AGI版图逐步补全，形成了“基础模型-通用应用-实体交互”的全栈路径，从基础大模型“百灵”、通用AI助手“灵光”到具身智能“灵波” [1] - 公司积极推动模型技术开源，打造了InclusionAI，构建了涵盖基础模型、多模态、推理、新型架构及具身智能的完整技术体系与开源生态 [7] - 蚂蚁InclusionAI已将旗下百灵大模型、灵波具身智能领域模型等全部开源，旨在与行业共建，探索AGI边界 [8] 具身智能模型发布与定位 - 蚂蚁灵波在具身智能的定位是聚焦打造机器人的“大脑”，为本体提供更强大的环境感知、理解与决策执行能力 [1] - 公司关注基模的训练，旨在通过提升基模能力带动物理世界整体智能水平 [1] - 此次发布的新成果包括具身世界模型LingBot-VA、世界模型LingBot-World、高精度空间感知模型LingBot-Depth以及具身大模型LingBot-VLA [2][3] - 具身世界模型LingBot-VA首次提出自回归视频-动作世界建模框架，将大规模视频生成模型能力与机器人控制深度融合，使机器人能够“边推演、边行动” [2] - 世界模型LingBot-World可对标Google Genie 3，为具身智能、自动驾驶及游戏开发领域提供高保真、高动态、可操控的“数字演练场” [2] - 高精度空间感知模型LingBot-Depth为机器人、自动驾驶汽车等智能终端赋予更精准、更可靠的三维视觉，在深度精度与像素覆盖率两项核心指标上均超越业界顶级深度相机 [2] - 具身大模型LingBot-VLA通过2万+小时真机数据预训练，并创新性引入LingBot-Depth模型成果，其真机数据覆盖9种主流双臂机器人构型 [3] 技术路径与研发重点 - 公司研究发现，基于数字世界的预训练，再利用物理世界的数据叠加一层预训练，对具身模型能力的提升非常有帮助 [4] - 灵波团队结合了数字世界多种预训练方式，如多模态模型解决场景理解和逻辑推理问题，世界模型解决“想象”问题，再叠加真实环境反馈，以探索具身智能的上限 [4] - 公司认为世界模型和VLA具身大模型两条路线并不冲突，世界模型也可视为VLA的一种实现形式，应充分结合两种建模方式的优势 [5] - 公司聚焦于具身领域基模的训练，而非特定场景的后训练微调，并坚持模型必须落地应用，通过真实场景中的实际问题来牵引模型能力的迭代 [5] - 公司期待未来具身基座模型能在具体场景中涌现出“one-shot”能力，即通过观察人类一次演示便能以较高成功率完成任务，并视此为具身智能领域的“ChatGPT时刻” [6] 行业挑战与公司应对 - 人形机器人规模化落地应用的一大挑战在于具身模型本身智能不够，无法真正具备足够的泛化性 [2] - 具身智能的一大挑战在于物理世界相关数据的匮乏，导致其大脑更多依赖于数字世界中的预训练模型 [4] - 过去一年，基于VLM的VLA路线发展较快，主要得益于其相对较低的资源消耗，而世界模型由于计算需求较大，研发进展稍缓 [5] - 公司致力于推进具身智能研发进入可复用、可验证、可规模化落地的新阶段，通过全面开源后训练代码让开源真正可用 [3] 商业生态与合作 - 在商业生态层面，蚂蚁灵波侧重于为产业伙伴提供跨架构的基础模型能力 [5] - 奥比中光已与蚂蚁达成战略合作意向，近期将基于LingBot-Depth模型推出新一代深度相机 [5] - 公司表示不同产业伙伴的行业know-how各异，场景落地选择多样，公司更多是做好支持者，支持他们打造更好的场景解决方案 [6] - 公司已积极与多家产业伙伴推进合作并取得初步进展，未来将持续投入于此 [6] 公司AGI领域全面布局 - 通往AGI主要有三条路径：以文字Token为核心的大语言模型、以视觉像素为基础的多模态生成模型、以及融合“视觉-语言-动作”多模态信息的具身智能模型，蚂蚁在这些不同方向上均开展了布局 [7] - 百灵团队此前发布并开源了万亿参数思考模型Ring-1T和万亿参数通用大语言模型Ling-1T，以及千亿参数开源全模态大模型Ming-flash-omni-Preview和千亿参数扩散模型LLaDA2.0，形成了涵盖语言、思考、多模态的全模态体系 [7] - 迄今，百灵大模型家族已发布18款大模型，覆盖从100亿到1万亿的不同尺寸 [7]

投资评级与估值 - 报告给予智谱“增持”评级，当前股价为243.20港元，合理价值为273.22港元 [3] - 基于2026年70倍PS估值，合理总价值为1073.63亿元人民币，对应每股273.22港元（汇率：1港元=0.89人民币） [8] 核心观点与业务概览 - 智谱是国内领先的AI大模型服务提供商，以自研GLM基座模型为核心，构建了涵盖多模态、Agent和Coding的完整模型矩阵，为企业提供API、本地化部署及行业解决方案 [1][8] - 公司2022-2024年收入从0.6亿元快速扩张至3.1亿元，复合年增长率超130%，2025年上半年收入达1.9亿元，商业化能力持续兑现 [8][15] - 公司收入以本地化部署为主，占营收比重超过80%，其中互联网与科技行业客户占比稳定在一半以上 [8][16] - 公司研发投入巨大，研发费用从2022年的0.8亿元大幅提升至2025年上半年的16.0亿元，占收入比例达835%，其中算力服务费是主要驱动因素 [8][17] 财务预测 - 预计公司2025-2027年主营收入分别为7.44亿元、15.34亿元、28.82亿元，对应增长率分别为138.1%、106.2%、87.9% [2] - 预计公司2025-2027年归母净利润持续为负，分别为-34.30亿元、-35.83亿元、-31.96亿元，对应每股收益（EPS）分别为-7.79元、-8.14元、-7.26元 [2][8] 公司技术与市场地位 - 智谱成立于2019年，截至2025年6月30日，其模型已支持逾8000家机构客户，覆盖约8000万台设备 [20] - 以2024年收入计，智谱在中国独立通用大模型开发商中排名第一，在所有通用大模型开发商中排名第二，市场份额约6.6% [20] - 公司是2024年中国头部大语言模型厂商前五名中唯一的独立提供商，模型功能全面，支持语言、代码、图像、视频、音频等多模态及GUI智能体、手机/网站应用、计算机应用 [87][90] 产品矩阵与商业化 - 公司围绕深度思考、认知世界和工具使用构建了完整的模型产品矩阵，包括基座模型、反思及沉思模型、多模态模型、AI agent与代码模型五大类 [15][91] - 旗舰基座模型GLM-4.7于2025年12月发布，在Artificial Analysis智能指数中位列全球开源模型第一、全球模型第七，具备强大的编程、工具调用和思考能力 [95][96] - GLM Coding Plan是云端部署业务的核心增长点，该AI编码订阅套餐上线四个月内全球付费用户突破15万，覆盖184个国家 [31][102] - 多模态模型布局全面，包括视觉推理模型GLM-4.6V、图像生成模型GLM-Image、视频生成模型CogVideoX、实时音视频模型GLM-Realtime及端到端语音模型GLM-4-Voice [112] - 基座模型已深度渗透办公、招聘、快消、金融、学术、汽车制造等多个行业，服务客户包括金山办公、智联招聘、蒙牛乳业等 [109][110] 行业前景 - 中国人工智能市场规模预计从2024年的1607亿元增至2030年的9930亿元，复合年增长率达35.5% [77] - 中国大语言模型市场规模预计从2024年的53亿元增至2030年的1011亿元，复合年增长率达63.5%，企业客户是核心增长驱动力 [82] - 企业级大语言模型部署分为云端和本地化两种模式，预计到2030年，云端部署市场规模复合年增长率达69.4%，超过整体市场增速 [82]

2025年全年及第四季度财务表现 - 2025年第四季度总营收为249.01亿美元，同比下降3% [1] - 第四季度汽车业务收入为176.93亿美元，同比下降11% [1] - 第四季度归属于普通股股东的净利润为8.40亿美元，同比下降61% [1] - 2025年全年总营收为948.27亿美元，同比下降3%，为首次年度营收下滑；全年归属于普通股股东的净利润为37.94亿美元，同比下降46% [1][5] - 2025年全年汽车业务收入为695.26亿美元，同比下降10% [5] 业务板块收入与增长 - 汽车业务收入在2025年第四季度和全年均同比下降，分别为-11%和-10% [1][5] - 能源发电与储能业务在第四季度收入为38.37亿美元，同比增长25%；2025年全年收入为127.71亿美元，同比增长27% [2][6] - 服务及其他业务在第四季度收入为33.71亿美元，同比增长18%；2025年全年收入为125.30亿美元，同比增长19% [2][6] 盈利能力与现金流 - 2025年第四季度总毛利率为20.1%，同比提升386个基点；全年总毛利率为18.0%，同比提升16个基点 [2][6] - 2025年第四季度运营利润率为5.7%，同比下降50个基点；全年运营利润率为4.6%，同比下降265个基点 [2][6] - 2025年全年调整后EBITDA为145.96亿美元，同比下降9%；调整后EBITDA利润率为15.4%，同比下降104个基点 [6] - 2025年全年经营活动产生的净现金流为147.47亿美元，同比微降1%；自由现金流为62.20亿美元，同比增长74% [6] - 截至2025年底，现金、现金等价物及投资总额为440.59亿美元，同比增长21% [6] 车辆交付与市场表现 - 2025年全年全球总交付量为163.6万辆，同比下滑8.6% [4] - 2025年Model 3/Y累计交付量为1,585,279辆，同比减少7%，占总交付量的96.9% [14] - 包括Model S和Model X在内的其他车型2025年累计交付量为50,850辆，同比减少40% [14] - 2025年全年特斯拉在中国市场零售销量为62.6万辆，同比下滑4.8%；第四季度在华零售销量约18万辆，同比下滑5% [8] 战略转型与业务调整 - 公司宣布将在下一季度停产Model S和Model X车型，将弗里蒙特工厂相关生产线替换为Optimus机器人生产线 [9][10] - 公司业务正从“以硬件为中心”转向“以物理AI为核心”的长期路径 [15] - 公司于2026年1月16日同意投资约20亿美元，认购马斯克旗下人工智能公司xAI的E轮优先股，以提升将AI部署至物理世界的能力 [15][18] 其他业务亮点 - 2025年全年储能装机量达46.7吉瓦时，同比增长48.7%，创历史新高；第四季度储能装机量达14.2吉瓦时，环比增长13% [8] - 第四季度储能业务毛利率达到28.6% [8] - 公司首次披露FSD付费用户数约为110万人，占公司累计车辆销量的约12% [8]