资产配置趋势 - 发达市场股票配置比例从2023年24%提升至2024年26% 计划2025年进一步增至29% [2] - 私人债权配置比例从2023年2%倍增至2024年4% 计划2025年提高至5% [2] - 现金配置比例从2023年10%降至2024年8% 计划2025年进一步降至6% [3] - 私募股权总配置比例从2023年22%降至2024年21% [2] - 贵金属配置比例从2023年1%上升至2024年2% [3] 地域配置偏好 - 北美和西欧占全球家族办公室平均配置79% 其中北美53% 西欧26% [3] - 美国家族办公室本土配置比例达86% 较2020年74%持续上升 [3] - 28%家族办公室计划增持印度市场投资 18%计划增持中国内地投资 [4] - 中东家族办公室对印度增持意愿达43% 北亚家族办公室对中国内地增持意愿达43% [4] - 亚太家族办公室中39%计划增加中国内地投资 [4] 新兴市场投资障碍 - 56%家族办公室将地缘政治风险列为首要挑战 [5] - 55%担忧政治不确定性及主权违约风险 [5] - 51%认为法规不确定性是主要障碍 [5] - 48%担忧货币贬值及通胀风险 [5] - 新兴市场股票配置比例仅4% 固定收益配置比例仅3% [5] 风险关注领域 - 70%家族办公室视全球贸易战为2025年主要投资风险 [5] - 61%关注重大地缘政治冲突 53%担忧全球经济衰退 50%关注债务危机 [5] - 40%家族办公室依赖投资经理甄选和积极管理进行风险应对 [5] - 31%配置对冲基金 27%增持非流动资产 19%增持贵金属 [5] 新兴技术投资 - 35%家族办公室已制定医疗保健/医药领域明确投资策略 [6] - 29%已制定电气化领域明确投资策略 [6] - 生成式人工智能和能源转型领域多数机构仍处于探索阶段 [6] - 75%预测银行与金融服务业将成为生成式人工智能主要受益者 [6] - 65%看好制药与生物科技行业应用前景 [6] 财富传承规划 - 全球83.5万亿美元财富将在未来20-25年完成代际传承 [6] - 仅53%家族办公室已制定家族财富传承计划 [6] - 中东地区传承计划制定比例仅41% 北亚地区仅36% [6] - 美国传承计划制定比例达64% 东南亚地区达65% [6] - 64%已制定计划机构认为税务效率是首要挑战 [7] - 43%机构认为培养下一代认同家族财富目标存在困难 [7]

中国生成式AI产业发展特色 - 中国式创新开启生成式人工智能新范式 [1] - 人工智能发展的三大支柱为算力、算法和数据 [1] 算力基础设施优势 - 中国通过“东数西算”等政策集中全国算力基础设施和公共行业云能力 [1] - 算力基础设施旨在为千行百业提供服务，而非仅头部大型企业自用 [1] - 布局目标是使AI基础设施成为“像自来水一样的公共服务” [1] 算法模型发展特点 - 以DeepSeek为代表的开源基础大模型在全球能力、性价比和算力密度方面突出 [1] - 开源模型降低了企业运用大模型软件的门槛 [1] - 企业可将更多时间投入业务逻辑和数据积累，实现普惠性 [1] 数据要素与应用价值 - 大模型时代需深度理解数据并挖掘其业务价值 [2] - 在国家推动数据交换、合规、共享背景下，通过多层级数据合理流通结合大模型应用能力 [2] - 数据流通与应用将为数字中国带来新变化 [2] 动态能力与规模化优势 - 中国在人工智能领域的优势不仅体现在静态资源上，更体现在动态能力 [2] - 高效的社会协同与执行力带来AI技术规模化部署速度 [2] - 快速部署能力可将技术潜力转化为产业实践能力 [2]

生成式AI在客户服务行业的应用 - 生成式AI技术加速渗透客户服务行业，企业普遍寻求利用AI提升服务效率与体验，但技术落地的"最后一公里"成为主要挑战，包括响应延迟、多语言支持、复杂场景理解等问题 [1] - 云势数据推出ConnectNow全渠道智能联络中心系统，提供"开箱即用"的智能化服务解决方案，帮助中国企业快速构建高效、合规的全球客户服务体系 [1] - ConnectNow产品包含多渠道接入、智能座席辅助、智能客服/智能销售以及工单系统管理等多重功能，从全生命周期角度提升企业全球化售后服务的品质与客户满意度 [1] 技术底座与工程化解决方案 - 企业在应用AI进行客服升级时面临两大难题：技术难以融入现有业务流程（落地难）和AI系统响应速度不够快（响应慢） [2] - 云势数据采用多模型协同策略，根据任务类型自动选择最适合的AI模型，轻量级Claude Haiku模型用于实时翻译，更强大的Claude Sonnet模型用于复杂推理任务 [2] - 系统能准确理解超过95%的用户问题意图，语音对话中AI响应延迟压缩到2秒以内，接近甚至优于人工客服的响应速度 [2] - 将在线客服过程分解为30多个独立功能模块，企业可灵活组合这些预制组件，快速定制最适合的客服流程，降低使用门槛和定制成本 [3] 全球化部署与成本效益 - ConnectNow建立在Amazon Connect服务之上，覆盖全球117个数据中心区域，助力快速完成海外服务节点部署 [3] - 成功帮助企业降低40%运维人力成本，有效解决将前沿AI技术应用到日常客服场景中的关键障碍 [4] - 在德业股份的实践中，通过20+渠道提供30多种语言的7×24小时服务，客服效率提升超30% [6] - 为某欧洲充电桩企业部署电话机器人系统，支持10国语言自动识别，语音识别准确率超90%，年省成本550万元人民币 [6] 行业应用与未来趋势 - 产品设计覆盖全生命周期：前端智能分流、中端坐席辅助（实时翻译/情绪识别/话术优化）、后端工单协同，形成完整闭环 [6] - 未来趋势包括人机交互无感化、用户可定制声音、真人客服与AI界限模糊，以及通过Agentic AI与RAG技术实现"销服一体" [7] - 系统已通过143项安全认证，满足GDPR等严苛要求，上半年联合孵化商机超700个 [7] - 预测三年内智能客服将承担80%的基础服务，同时催生知识训练师、服务数据分析师等新角色，客服数据可反哺产品设计 [7] 中国企业独特优势 - 云势数据的选择折射出中国企业的独特优势：专注场景攻坚，通过将全球基础设施与生成式AI能力转化为"全球客服中台"，以工程化能力赢得市场 [8] - AI发展的本质是优化脑力工作者效率，而非生产实体产品 [9]

市场整体表现 - 2025年第一季度中国超融合整体市场规模超过30.9亿人民币，同比增长14.1% [1] - 新华三在超融合整体市场份额中排名领先，深信服与SmartX分别在全栈超融合与软件市场中排名第一 [1] 核心增长驱动力 - 人工智能场景的落地正在推动全栈超融合的增长，生成式人工智能（GenAI）将在未来18个月内成为基础设施投资的首要驱动力 [1][6] - 企业对海量、多类型数据处理的需求以及对多层级技术与资源的部署管理要求，将推动软件定义存储和超融合基础设施的增长 [6] AI应用对IT基础设施的关键要求 - 需要灵活的计算与存储资源调度，以支持高性能CPU与GPU算力，提升资源利用率 [3] - 需要高性能、低时延的存储支持，为GPU并行计算提供高速数据读写能力 [3] - 需要支持结构化、半结构化和非结构化数据的多样化数据存储技术 [4] - 需要统一支持和管理虚拟化与容器化工作负载，以应对云原生AI应用和传统虚拟机应用并存的情况 [4] - 需要具备灵活扩展、简易运维、快速部署的能力，以支持AI应用的快速上线和业务规模发展 [5] 全栈超融合产品的价值与案例 - 针对AI训练与推理场景打造的全栈超融合产品能整合算力、存储与数据预处理能力，解决“算力浪费、数据孤岛、训练效率低下”三大核心难题 [5] - SmartX推出的面向AI应用的超融合基础设施解决方案通过算力融合、工作负载融合和存储融合，为企业级AI应用提供高性能、低时延、灵活敏捷的资源支持 [5] - SmartX超融合已升级为榫卯云平台，新增AI平台能力，结合全栈能力，其方案已在制造业、电商、医疗、金融等领域成功落地 [5]

报告行业投资评级 未提及 报告的核心观点 - 谷歌 FY2025Q2 业绩超分析师一致预期，AI 赋能效果显著，AI 业务发展良好，Tokens 消耗量翻倍增长，云积压订单增加，因 AI 业务需求强劲大幅上调 Capex 指引 [1][2][3] 根据相关目录分别进行总结 谷歌 FY2025Q2 业绩情况 总体业绩情况 - FY25Q2 业绩概况：25Q2 营业收入 964 亿美元，同比+14%，净利润 282 亿美元，同比+19%，EPS 为 2.31 美元，同比+22%；谷歌服务 25Q2 营收 825 亿美元，同比+12%；谷歌云 25Q2 营收 136 亿美元，同比+32% [2][6] - AI 业务：当前每月 tokens 消耗量超 980 万亿个，较 25M5 增长近一倍，Gemini 超 4.5 亿用户，25Q2 每日请求量环比+50%以上，AI Overviews 推动搜索量增长超 10%；25Q2 谷歌云积压订单达 1060 亿美元，25H1 签订多笔 10 亿美元订单 [3][13] - 资本开支：25Q2 资本开支 224 亿美元，同比+70%，约 2/3 投资服务器，1/3 投资数据中心和网络设备；公司将 25 年 Capex 指引增至 850 亿美元，预计 2026 年资本支出进一步增加 [3][14] 问答环节 - 关于消费者行为变化：多模态应用是人们适应新场景的早期迹象，YouTube 重视广告和订阅业务，将推行双轨策略 [17][18] - 关于计算资源与搜索增长：产品组合势头强劲致供应紧张，加大投资扩张成效需时间显现；业务目标非付费点击和 CPC，付费点击同比增长 4%，季度间指标受多种因素影响 [19] - 关于代理式搜索与内部 AI 应用：在 Gemini 2.5 系列投入资源，代理功能存在延迟叠加等问题但在改善，预计 2026 年被更广泛采用；正为内部软件工程师推出代理式编程流程，摩擦点在克服 [20][21] - 关于智能眼镜与 AI 模式：设备迭代推动新体验，未来两到三年手机仍是核心；AI 模式适用于信息查询，Gemini 独立应用场景更多样，两者有共同覆盖场景 [21][22] - 关于人才与成本平衡：谷歌有人工智能优秀人才队伍，在吸引和留住人才方面有竞争力；确保投入资源吸引人才，努力抵消成本压力，提升业务效率 [23][24] - 关于 AI Overviews 与云合作：AI Overviews 用户满意度和点击转化率良好，为创新广告格式奠定基础；与 OpenAI 在谷歌云合作，期待拓展关系 [25] - 关于广告环境与双平台策略：二季度广告业务强劲，零售和金融服务等贡献大；现阶段双平台策略合理，未来会不断演进优化 [26] - 关于云业务展望与代理式体验：努力增加产能，各季度增长受产能交付时间影响；代理式体验对部分参与者是机遇，需解决商业模式问题 [27] - 关于 Gemini 订阅与资本回报：Google One 搭载 AI 套餐后用户转化加速，增长势头好；云业务投资能创造价值，客户满意度高、流失率低，投资效率提升，有信心获良好回报 [28]

医疗AI行业发展现状 - 大模型技术加速向多模态融合演进，生成式AI持续为医疗服务赋能，涵盖AI辅助诊断、药物研发等领域 [1] - 2025世界人工智能大会将聚焦AI基础设施、科学智能等十大领域，800余家企业参展，40余款大模型、50余款AI终端及100余款全球首发新品亮相 [1] - AI医疗2023年规模973亿元，预计2028年达1598亿元，细分赛道如AI影像、病理、制药等增长明确 [3] 商业化落地挑战 - 数据隐私与合规、临床验证与支付模式、团队协同能力、生态互操作性为四大核心壁垒 [4] - 腾讯健康通过大模型构建影像诊断、病程管理等解决方案，与百余家三甲医院临床验证，体现技术闭环能力 [3] - AI制药初创企业估值逻辑侧重"模型能力+算力效率+数据壁垒"，与传统药企管线资产估值模式差异显著 [5] AI制药领域进展 - 阿斯利康与石药集团达成53亿美元AI驱动药物合作，涵盖1.1亿美元预付款及最高52.3亿美元里程碑付款 [6] - AI将先导化合物筛选周期从2年压缩至1年内，减少化学合成与体外测试次数，显著提升ROI [6] - 靶点发现从数据驱动转向"多组学融合+图神经网络"，生成模型可自动设计高活性分子，但可解释性仍是瓶颈 [7] 国际化与监管动态 - FDA推出生成式AI工具Elsa，将科学评审任务从3-5天缩短至数分钟，加速审批流程 [9] - 中国药企出海需构建符合FDA要求的GovCloud环境，培养AI与研发复合型人才 [10] - AI虚拟对照组与真实世界数据模拟获FDA认可，可用于辅助疗效评估，如肿瘤加速审批案例 [10] - 新兴市场数据标准化通过联邦学习实现跨中心参数共享，兼顾隐私与数据质量 [11]

人工智能行业监管动态 - 截至2025年7月，中国已完成474款大模型备案，247款大模型应用或功能完成登记，注册用户总数超30亿[1] - 2023年7月出台的《生成式人工智能服务管理暂行办法》要求具有舆论属性的AI服务需进行安全评估和算法备案[3] - 2025年3月发布《人工智能生成合成内容标识办法》及配套国家标准，建立AI生成内容标识体系[3] 人工智能内容治理框架 - 采用全周期管理方案，允许企业通过嵌入源数据技术添加隐式标识，避免强制数字水印带来的高成本[4] - 创新提出文字角标显式标识和音频"摩斯码"标识，减少用户干扰[4] - 鼓励平台强化AI内容识别能力，提升鉴别准确性，避免误标漏标[4] 全链条标识治理机制 - 内容生成阶段要求嵌入隐式标识记录制作平台信息[5] - 内容传播阶段要求平台主动核验标识，拦截未合规内容[5] - 应用分发阶段审查标识材料，不上架未合规AI工具[5] 标准化体系建设进展 - 已构建管理办法+技术标准+实践指南的全体系治理框架[5] - 近期将发布文本/图片/音频/视频等6项实践指南，涵盖元数据标注与检测方法[5]

AI技术在影视行业的应用 - AI技术从早期简单图像生成发展到能创作高质量视频内容，应用已从实验性探索走向商业化落地 [1] - 生成式人工智能导演新兴职业出现，从业者通过AI工具调整镜头语言、优化视觉效果，生成符合艺术表达的作品 [1] - 北京电影学院摄影系AIGC单元金奖作品《溯洄记》完全依托AI技术制作，AI贯穿从剧本视觉化到成片渲染的全流程 [1] AI技术的进步与创作价值 - AI技术进化迅速，两年前连手指都画不好，现在已能让观众真假难辨 [3] - 有经验的导演懂得如何引导AI扬长避短，通过参数调试与人工筛选实现超现实场景 [3] - AI不仅提升效率（动画制作效率提升50%），还能打破想象边界，成为延伸人类感知的媒介 [3] 人机协作与导演职业内涵的重塑 - AI处理批量渲染，人类专注情感决策，这种分工或将重塑影视工业流程 [5] - AI承担奇观制造，导演更应捕捉真实情感瞬间，AI被视为"想象力加速器" [5] - AI解放创作者重复劳动，让人力投向更具创造性的叙事构建 [5]

微软第四财季业绩前瞻 核心观点 - 摩根士丹利维持微软"增持"评级 目标价530美元 认为其风险回报具吸引力 核心逻辑在于人工智能领先布局 核心业务稳健增长及运营效率优势 有望支撑中长期实现中高个位数总回报 [1] - 微软股价逼近历史高点 将于7月30日盘后发布新财报 以约29倍2027财年公认会计准则每股收益计算 风险回报率仍具吸引力 [1] 财务表现与增长预期 总回报率 - 微软有望实现持续的中高个位数(15%-20%)总回报率 得益于生成式AI投资组合回报及运营支出管控能力 [2] - OpenAI亏损将在2026财年影响每股收益 但预计2027财年每股收益增速将显著加快至超20% [2] 季度业绩 - 2025财年第三季度各项业务均超预期 Azure按固定汇率增长35% 超预期4个百分点 营业利润率同比提升110个基点 每股收益超预期7% [3] - 第四季度营收指引超市场共识 Azure有望维持34%-35%同比增速(固定汇率) 2026财年第一季度增速指引34%-35% 为两位数收入增长奠定基础 [3] 业务板块分析 Azure云服务 - 预计2025年第四季度Azure按固定汇率增长35%-36% 2026财年第一季度增速指引34%-35% 增长动力来自云迁移加速 AI算力提升(GB200 NVL72机架出货量从1000台增至6000台)及企业需求稳定 [4] - 52%首席信息官将应用负载部署于Azure 未来3年仍将保持行业领先 [4] M365商业云 - 预计2025财年第四季度M365商业云同比增长约15%(固定汇率) 受每用户平均收入推动 Copilot为增长新变量 [5] - 72%首席信息官计划未来12个月使用M365 Copilot 预计覆盖31%员工 3年内覆盖比例有望提升至43% [5][6] 安全业务 - 2025年企业安全支出预计增长9.8% 显著高于整体软件支出的3.6% 微软凭借全栈安全产品(如EntraID Purview)成为整合首选 [7] - 安全支出受三大长期驱动因素支撑：云和生成式AI扩大攻击面 恶意攻击者使用生成式AI 监管/合规要求扩大 [7]

TCR与癌症免疫治疗 - T细胞受体（TCR）通过识别细胞表面MHC分子呈递的短肽（pMHC复合物）监测癌细胞[2] - 传统TCR疗法依赖分离患者T细胞或扩增抗原特异性T细胞，但存在技术难度大、天然TCR亲和力不足的局限性[3] 生成式AI设计人工TCR突破 - 2025年Science发表三篇研究，利用生成式AI设计高特异性人工TCR，精准靶向肿瘤抗原[4] - 研究团队来自华盛顿大学、丹麦技术大学和斯坦福大学，通过AI克服天然TCR对疾病标志物识别弱的缺陷[5][9] - David Baker/刘炳旭团队首创全计算方法，设计能识别pMHC-I复合物的蛋白，增强免疫系统对隐蔽疾病标志物的检测能力[10] AI蛋白质设计技术细节 - 使用RFdiffusion设计覆盖MHC的小型蛋白，ProteinMPNN优化序列，AlphaFold2评估结合构象[12] - 针对11种pMHC靶标（含HIV片段和癌变肽）设计蛋白，其中8种成功激活免疫细胞，2种实现人类细胞靶向杀伤[13] - 设计的PRAME靶向蛋白使CAR-T细胞选择性摧毁癌细胞而不伤及健康细胞，验证了原子级设计精度[14] 技术优势与产业化 - 设计流程高度适应：从成功案例出发，一周内可生成针对不同肿瘤/病毒肽的新结合蛋白[16] - 数字化方法可快速生成评估数千种蛋白，缩短研发周期，为个性化药物开发铺路[16] - 团队计划成立公司推动技术转化，实现个性化癌症治疗[18][20] 行业影响 - 人工TCR克服天然TCR局限，为癌症免疫治疗开启新方向[21] - 合成小型TCR有望变革诊断工具和免疫疗法，实现高特异性、低脱靶的病毒/肿瘤抗原识别[22][23]