AI行业领袖观点与展望 - 英伟达CEO黄仁勋认为AI行业并非泡沫，巨额投资用于构建AI基础设施，机会巨大，未来几年AI基础设施需要“数万亿美元”额外投资，总规模将达数万亿美元[2] - 微软CEO纳德拉警告若AI发展仅依赖资本堆砌而缺乏真实生产率改善，市场可能正在形成泡沫，AI核心价值在于推动企业改变工作方式[3] - DeepMind CEO与Anthropic创始人对AGI爆发时间表存在分歧，但均警示未来1-5年AI将冲击编程等初级白领岗位，可能导致GDP增长5%至10%的同时伴随10%失业率[4] - DeepMind CEO哈萨比斯认为中国头部AI企业（如字节跳动）只比前沿水平落后六个月，但认为其在基础创新领域仍有短板[5][6] - 腾讯汤道生指出AI发展不应局限于AGI，需聚焦多元模型适配不同场景，腾讯云战略核心是将模型选择权交还客户[6] - 百川智能创始人王小川回应医疗AI争议，认为不应以阻碍医生成长为理由限制使用AI，医生角色应从“挑错者”转向“评价者”[7] 国内AI与半导体公司动态 - 阿里巴巴旗下芯片公司平头哥（T-Head）据称将分拆独立上市，业务聚焦云端AI芯片和端侧处理器[8] - 摩尔线程发布2025年业绩预告，预计营业收入14.5亿元到15.2亿元，同比增长230.70%到246.67%，归母净利润亏损9.50亿元到10.60亿元，亏损同比收窄34.50%到41.30%[9] - 受台积电、三星削减产能影响，预计2026年全球8英寸代工总产能萎缩2.4%，中芯国际等中国大陆晶圆代工厂正在提高报价，幅度在5%至20%之间[10] - DeepSeek计划于2月中旬推出新一代旗舰AI模型DeepSeek V4，搭载全新MODEL1架构，写代码能力有望显著提升[11] - 阿里云PolarDB发布AI数据湖库等系列新产品能力[12] - 钉钉上线“AI差旅”产品，与高德、支付宝打通[13][14] - 百川智能发布增强医疗大模型M3 Plus，首创“证据锚定”技术，事实性幻觉率降至2.6%，较GPT-5.2大幅下降超30%[15] - 东华软件拟以自有资金3亿元设立全资子公司东华数智，布局AI与大数据业务[16] - 阿里健康自研医学大模型首个应用“氢离子”落地，面向医生群体[17] - 百度发布文心大模型5.0正式版，基于原生全模态建模，拥有2.4万亿参数[18] - 2025胡润中国AI 50强榜单发布，寒武纪以6300亿元价值位居榜首，同比增长165%，摩尔线程（3100亿元）和沐曦（2500亿元）分列二、三位[19] - MiniMax上线AI原生工作台（AI-Native Workspace），推出桌面应用和专家Agents[20] - 阶跃星辰开源多模态模型Step3-VL-10B，参数量为10B[21][22] - 智谱开源GLM-4.7-Flash模型，总参数量30B，激活参数量3B，将供免费调用[23] - 蚂蚁阿福PC端上线DeepSearch功能，为医学人士提供专业服务[24] - 天数智芯将于1月26日发布未来三代GPGPU产品路线图[47] 海外科技巨头与市场动态 - 日本计划在人工智能和芯片领域投资超过3300亿美元[25] - 英特尔发布2025年Q4及年度财报，Q4营收136.7亿美元，同比减少4.1%，其中数据中心与人工智能业务营收47.4亿美元，同比增加9%；2024年全年营收528.5亿美元，DCAI业务营收169亿美元，同比上涨5%[26] - 高通GPU负责人埃里克·德默斯跳槽至英特尔，专注AI及数据中心GPU研发[27] - CapitalWatch发布针对Applovin的做空报告，指控其股东涉及洗钱活动，Applovin股价下跌10.01%[28] - ServiceNow与OpenAI达成三年合作协议，将GPT-5.2集成至其企业级工作流平台[29] - OpenAI已建立人形机器人实验室，自2025年2月启动以来规模扩大四倍多，拥有约100名数据采集员[30][31] - OpenAI正与中东主权财富基金洽谈新一轮约500亿美元融资[32] - OpenAI宣布“星际之门”项目进展，计划到2029年将美国AI基础设施扩展到10吉瓦，并承诺自行承担能源费用[33] - 马斯克正式开源X平台推荐算法，系统几乎完全依赖基于Grok模型的AI进行内容筛选、打分和排序[34] - 谷歌Gemini业务销售额预计飙升，Gemini API调用量增长逾一倍达850亿次，Gemini企业订阅用户增长至800万[35] - 韩国将与美国就芯片关税优惠条款进行谈判[24] 融资、并购与IPO活动 - 燧原科技科创板IPO获受理，拟融资60亿元[36] - 韩国AI芯片公司FuriosaAI计划进行3亿至5亿美元的D轮融资，并计划最早于2027年上市[37] - 英伟达向AI推理初创公司Baseten投资1.5亿美元，该公司完成3亿美元融资，估值达50亿美元[38][39] - 医疗AI初创公司OpenEvidence完成2.5亿美元D轮融资，估值达120亿美元，其平台去年12月支持了约1800万次临床咨询[40] - AI软件创建平台Emergent完成7000万美元B轮融资，由软银愿景基金2号等领投，累计融资额达1亿美元[41] - Anthropic正筹集至少10亿美元新融资，其年化营收自去年夏天以来已翻倍，截至2025年底超过90亿美元，并正寻求以3500亿美元估值融资250亿美元或更多，微软与英伟达已承诺投资总计高达150亿美元[42] - 月之暗面最新一轮融资估值上涨5亿美元至48亿美元[43] - 马斯克旗下xAI公司筹集200亿美元，估值达2500亿美元，使马斯克财富涨至近8000亿美元[44] 行业研究与趋势预测 1. 分析师预测OpenAI若顺利推进广告业务，2030年前广告年收入有望达250亿美元[45] 2. Gartner预测2026年全球人工智能总支出将达到2.52万亿美元，同比增长44%[46] 3. 下周微软、Meta、特斯拉、苹果、ASML、IBM等科技巨头将披露财报[48]

AGI发展时间线与影响 - 马斯克判断AGI大概率在2030年之前出现 其定义是能完成绝大部分白领工作 实现真正可用的自动驾驶 让机器人在多行业中独立完成复杂任务的“能干活的AI” [4] - 当足够接近AGI时 社会可能已进入“奇点”内部 过去的经验失效 线性推演不再成立 社会变化将变得不可预测且剧烈 未来几年发生的事可能比过去几十年加起来还多 [6][8] 白领工作替代趋势 - 白领工作本质是处理和搬运信息 规则明确 流程可拆解 结果可验证 这恰恰是AI最擅长的事 [9] - 马斯克给出激进判断 未来可能95%的白领岗位会被替代 原有岗位形态会消失 [11] - 当前AI已具备替代大量白领工作的能力 大规模替代尚未发生主要因企业惯性 组织未准备好 复合型人才不足 但一旦“用AI的公司”开始系统性碾压“不用AI的公司” 过程会非常快 可能在半年到一年内明显感受到这股浪潮 [13] 未来工作形态与个人应对 - AI不会淘汰所有人 但会淘汰“只会自己干活的人” 未来工作分为两类：风险极高的“自己干活型”以及更安全的“组织资源型” 后者需要理解目标 拆解问题 分配任务（给人或AI） 验收结果并承担最终责任 未来是“带着AI干活” [14] - AI会极大降低创业门槛 过去科技公司需要很多工程师 资金和长周期 未来公司形态可能是少数人加大量智能体 甚至出现“1人独角兽公司” 例如一家仅4人的公司近期以1亿美元被收购 [14] - 普通人不应站在AI对立面 被AI替代不可怕 可怕的是替代你的公司赚了钱而你和它毫无关系 学会用AI 投AI是一种风险对冲 不要用过去的安全感判断未来风险 AI时代最大的风险是以为一切还会慢慢变化 [20] AI时代的投资逻辑与产业底座 - AI投资的核心不是炒概念 而是找到真正能自我强化的飞轮企业 直接成为其股东 [21] - 台积电财报显示算力芯片需求依然高涨 ASML的EUV产线排期依旧满 英伟达还没见顶 特斯拉是唯一一家把AI用在现实物理世界跑通的公司 [21] - 这几家公司共同构成AI时代底座：芯片 → 算力 → 算法 → 场景 → 数据 → 再算力 [22] - 投资AI要看周期 政策 全球供需结构 再好的行业也要落到“可持续的飞轮”上 [23] 潜在社会经济影响 - 过去几十年买房主力是白领 如果未来白领收入稳定性下降 岗位数量减少 支撑房价的需求结构一定会发生变化 [16] - 在大趋势不明朗之前 不应使用全部身家去赌一个高度依赖白领收入的资产 [19]

OpenAI的创新与结构性困境 - 随着竞争加剧与组织急速膨胀，OpenAI正逐渐陷入一种难以再承担真正高风险研究的结构性困境，一些前沿创新的研究方向已经难以在内部推进 [1] - 成本、增长压力等多重因素影响了OpenAI对风险的“胃口”，同时该公司尚未找到良好的跨团队研究协作模式 [3] - 对OpenAI来说，“集中力量办大事”已经变得有些困难，阻碍AI Lab研究的因素不是算力短缺，而是缺乏专注 [5] 行业竞争格局与路径趋同 - 当前全球范围内争夺“最佳AI模型”的竞争异常激烈且严苛，几乎所有主要AI公司都面临持续展示实力、不断推出最强模型的巨大压力 [8] - 目前大概有五家严肃的AI公司，使用几乎相同的技术配方，在同一技术基础上构建略有差异的产品，模型之间缺乏真正的多样性 [14][15] - 谷歌的崛起与其说是“回归”，不如说是OpenAI自己犯了错误，没能充分把握住自己的领先优势，OpenAI本应该持续领先 [3][47] 技术发展方向与AGI展望 - Transformer架构肯定不是最终形态，模型仍然可以通过多种方式改进，而其中许多路径至今尚未被系统性地实践 [12] - 实现AGI仍然缺失关键拼图，架构创新与持续学习是两大重要方向，AGI预计将会在2029年左右实现 [5][28][32] - 强化学习将卷土重来，在强大的世界表征（通过大规模预训练获得）之上，通过强化学习构建能力层级是未来的方向 [26][27] 人才流动与创新环境 - AI领域的人才争夺战已演变成一场肥皂剧，有些人频繁地更换工作，而真正投入到工作的时间不多 [4][44] - 明星AI研究员并不是驱动创新的核心因素，公司本身能否打造个人责任感强、允许探索和做大事的环境，可能更为关键 [4][66][67] - 研究人员的高薪酬水平可能带来副作用，使人们变得不愿意失去工作，更倾向于追逐短期回报，从而抑制了冒险精神 [18] OpenAI的内部文化与执行力 - OpenAI从2019年约30人发展到现在的几千人，但公司瞄准AGI、改变世界的野心始终没变 [7] - OpenAI早期有相当高比例的波兰裔员工，他们以勤奋和能识破“忽悠”著称 [45][46] - OpenAI真正擅长的是把研究从1推进到100，即采纳初步验证的想法，并找出如何让它们在大规模训练前沿模型时可靠地工作 [64] 对其他AI公司的评价 - 在过去一年里，对Anthropic的钦佩程度大幅上升，其起步更晚、资源受限，但成功构建了正在改变软件开发方式的卓越产品 [53][54] - Meta的策略可能是利用行业已掌握的AI技术来构建连接人和打造体验的产品，从其作为一家极其盈利的社交网络公司角度来看，这可能是一种相当不错的策略 [50][51][52]

文章核心观点 - 通往AGI的终极路径是具身智能，其目标是让大模型进入物理世界，成为可用、可落地、可持续演化的智能体[1] - 具身智能并非AI的新分支，而是各类AI技术在现实世界中的统一落地点[6] - 实现具身智能需要从纯粹的算法研究转向与硬件、数据和真实场景不确定性正面交锋的全流程定义与开发[2][21] 从DeepMind到投身具身智能 - 嘉宾王佳楠的职业路径从牛津大学到DeepMind，再回国加入IDEA研究院进行生成式AI研究，最终于2024年加入星尘智能，投身于大模型与机器人结合的具身智能领域[1][7][18] - 在DeepMind期间，其研究方向是追求通用的强化学习框架，并亲历了AlphaStar等标志性项目的诞生[1][12] - 从DeepMind到创业公司的转变，本质是从“定义好问题”的纯算法研究，转向需要“定义问题本身”的解决真实世界问题的过程[6][14] 对具身智能的认知与信念 - 对嘉宾而言，AGI的终极形态就是智能机器人，这是其投身该赛道的根本信念[8][9] - 机器人是当前AI技术的一个重要终端平台，CV、NLP、大模型等领域的从业者都在此汇聚，以实现开放环境中与人交互的智能机器人目标[7] - 机器人研发涉及复杂的软硬耦合，与纯粹的AI开发逻辑完全不同，开发者需从“解题者”转变为“全流程定义者”[21] 技术架构：快慢系统（大小脑） - “快慢系统”（或称大小脑、System 1/System 2）是具身智能的核心系统观，其核心在于区分决策深度[6][25] - 快系统（小脑）负责无需语言中介、由直觉驱动的基础运动能力，其核心任务是通过海量动作片段数据预训练，构建机器人的“动作基元库”[28][29] - 慢系统（大脑）作为指挥官，通过高层指令精准调用快系统的原子技能，实现从“意图”到“执行”的闭环[29] - 该架构是一种功能定义，既可通过单一模型切换实现，也可通过多模型协作完成，并具备高度可扩展性[25] 关键瓶颈与解决方案探索 - **数据是当前最硬的瓶颈**，高质量的真机数据不可替代[6][33] - 解决数据瓶颈的探索包括：1）**数据增强**：在仿真中对真实采集的数据进行背景、光照等调整以扩充数据量；2）**纯仿真生成**：适用于交互不复杂的任务；3）**互联网数据积累**：用于解决上层语义理解和长时序任务规划等痛点[34][35] - 在模型架构上，常见方案包括使用单一Transformer的VLM框架，或外接世界模型（如DiT）提供预测提示，系统需要开放地接受不同形式的提示[31][32] - 让机器人理解人类非预设的复杂需求，核心在于意图表达的颗粒度，需结合“语言指令+多模态提示”（如勾勒运动轨迹、设定空间约束）[31] 对世界模型与VLA的看法 - 世界模型是一个有潜力的方向，但**不需要等待其完美**，能提供预测与提示价值即可，其本身并非银弹[6][38] - 如果已经能完美仿真一个问题所处的环境，那么该问题其实已经解决，这是一个哲学上的循环问题[38] - VLA是通往通用机器人的**关键一步和重要里程碑**，它为机器人配备了通用能力，但下游应用仍需要特定的设计或改动[6][41] 通用机器人的发展路径与时间表 - 通用机器人“走到人身边”可能只需**2到3年**，但实现完全自主还需要长期演化[6][43] - 更现实的路径是“可用先行、人类接管、逐步升级”，类似自动驾驶的发展节奏[6][43] - 若目标是在定义好的大量任务上达到高正确率，主要是一个数据和模型训练问题，若有足够快的数据采集和行业共创，**3到5年**可能积累覆盖日常各种场景的完整数据[44][45] 公司实践与发展现状 - 星尘智能团队具备多元化的行业长期积累，并通过紧密的多团队协作与创业精神实现了产品的快速发展[19] - 公司在数据方面进行了大量优化，并采用仿真进行数据增强，同时与MIT等高校合作探索多模态数据应用[33][47] - 公司目前处于“打磨”和推向科研、高校合作伙伴的阶段，门槛已有所降低，但商业化落地（让客户能自主验证和二次开发）是下一步关键挑战，整体进度估计在**50%左右**[50][51] 未来关键方向与行业建议 - 未来关键探索方向包括：1）**人机交互**：定义机器人理解意图、沟通及发出求助信号的交互方式；2）**多模态数据**：收集和应用触觉、力觉等更多模态数据以提升模型能力[47] - 具身智能是一条漫长但值得坚持的道路，需要开发者具备信念感和耐心[55] - 行业需要**共创共赢**的心态，集合个人、公司、社区的力量共同积累与反馈，以推进边界[6][55]

2030战略目标 - 公司发布“一个吉利，全面领先”2030战略目标，旨在通过强化顶层统筹与全球协同，实现全球“一盘棋”的战略格局，并打造“六位一体”的核心能力体系，推动关键指标达到全球车企领先水平 [1] - 2030年关键指标包括：全球总销量突破650万辆（乘用车+商用车），营收超1万亿元，跻身全球车企销量前五，其中新能源销量占比约75%，海外销量占比超三分之一 [4] - 公司将开发覆盖A到E级车型的全球领先新能源架构，基于全新架构的平均单车型研发周期和综合成本下降30%以上 [4] 近期业绩与品牌战略 - 2025年，公司全年总销量达411.6万辆，同比增长26%，连续五年快速增长，其中新能源汽车销量达229.3万辆，同比增长58%，新能源渗透率达56%，全球销量排名升至第七位 [7] - 为实现2030目标，公司将构建“六位一体”战略能力体系，聚焦品牌、技术、整车、生态、人才和可持续发展六个方面 [7] - 品牌战略以“强化吉利母品牌”为核心，打造全球品牌矩阵，发挥吉利中国星、吉利银河、领克、极氪的品牌优势，并全面释放沃尔沃、极星、莲花跑车等国际品牌在欧美市场的“主场优势”，同时携手雷诺等国际伙伴打造合作新范式 [7] 技术发展规划 - 技术层面，公司将提升以智能驾驶、智能座舱、电子架构、整车架构、电池、电驱、超级电混为核心的“七纵”全域技术体系竞争力 [8] - 智能驾驶方面，将“千里浩瀚”打造为全球先进技术平台，实现L2级辅助驾驶全覆盖，快速推进L3产业化试点，加速L4技术和Robotaxi商业化落地 [8] - 智能座舱方面，以AGI和Agent技术为核心构建AIOS操作系统，将智能汽车打造成超级智慧生命体 [8] - 超级电混技术将向超高压、超性能、超安全方向演进，雷神AI电混发动机热效率有望突破50% [8] - 安全是公司造车第一优先级，将构建沃尔沃汽车和吉利汽车的“世界安全双极”格局，实现从单车安全到人、车、路、云、星生态安全的全方位升级，并致力于使“神盾金砖电池”安全标准成为行业标杆，逐步实现半固态与固态电池产业化应用 [10] 生态布局 - 生态布局将重点聚焦用户服务、未来出行与醇氢电动三大生态 [10] - 用户服务方面，将构建全生命周期服务体系，启动“吉利无界”生态，提升服务满意度与口碑 [10] - 未来出行生态方面，将加快布局天地一体化未来立体出行生态，目标到2030年投放10万辆定制化Robotaxi并开展全球运营 [10] - 醇氢电动生态已形成全产业链布局，醇氢电动汽车已经运营超5万台，累计行驶里程超230亿公里，形成核心专利400余项，未来将拓展至船舶、工程机械等多领域，并加快甲醇加注网络建设 [10] 人才与可持续发展 - 人才与组织方面，公司将继续深化“人才森林”战略，通过产教融合定向培育新能源、人工智能等领域专业人才，推动干部年轻化和全球化 [12] - 2026年起，公司将首期投入5000万元，未来陆续投入3亿元，启动青年创新创业激励计划，并积极探索人工智能时代“三个校园组合”人才培养新模式 [12] - 可持续发展方面，公司将绿色低碳理念贯穿产品全生命周期，推广环保材料，降低产品碳足迹，推动标杆工厂实现碳中和，并带动供应链合作伙伴共同制定碳减排路线图 [12] 2026年发展规划 - 2026年是公司创业40周年，吉利汽车集团将围绕AI科技化、能源多元化、产品高端化与国际化四个方向推进技术创新与高质量发展 [13] - 即将推出的技术包括全域AI 2.0系统、新一代千里浩瀚辅助驾驶系统G-ASD，以及全球首款应用“AI云动力”的油电混动系统i-HEV智能双擎 [13] - 新产品方面，极氪8X将陆续上市 [13]

大宗商品板块 - 2026年大宗商品板块仍然值得重点关注，但需更谨慎对待细分的小金属 [2][9][70] - 资源品价格上涨的核心原因包括：长期开采导致成本上升、品位下降、储量减少，以及逆全球化背景下各国将稀有金属作为战略储备，凭空增加了库存需求 [5][6][63][64] - 2025年部分品类价格涨幅显著，例如黄金上涨60%，铜上涨40%至50%，铝也大幅上涨 [7][66] - 中国矿企凭借制造业优势，在统一全球价格下实现了量价齐升，利润增幅高于欧美矿企，源乐晟自2024年起布局铜，2025年加大了对金、铝及部分小金属的布局 [7][67] - 供给端缺乏边际弹性，例如全球电解铝新增产能仅100多万吨，相较于全球五六千万吨的总需求，短期增量几乎可以忽略，而需求在逆全球化、AI发展等因素下保持稳定，价格长期大幅回落的可能性较低 [26][88] - 即便出现材料替代或下游控量，也仅能放缓价格上涨斜率，不改变长期上涨趋势 [2][26][88] - 资源类企业当前几乎无大额资本开支，高品位、低成本矿藏储量持续减少，开采难度加大，供给端持续低于预期，而需求端时常超预期，叠加战略储备需求，资源品价格大概率逐年抬升 [27][89][90] 新消费板块 - 全球消费大贝塔表现不佳，但结构性机会依然存在，这与后工业化时代消费价值判断多元化、市场不断碎片化相关 [3][10][72] - 投资新消费的关键在于放下自我偏好，重视市场数据和边际变化，而非个人判断 [11][73] - 新兴消费的天花板可能不如白酒等传统消费高，当市值达到一定规模，市场会担忧其增长空间，因此需要每年在众多SKU中筛选出边际变化最强的细分方向，并紧密跟踪增长斜率的变化 [2][13][35][74][97] - 新消费行业碎片化特征显著，品类迭代速度快，可能今年流行电动牙刷，明年流行剃须刀，与传统消费投资逻辑不同 [33][95] - 部分新消费业态表现超预期，例如部分新兴餐饮的翻台率能达到10，而此前餐饮龙头上市公司的最高翻台率仅为5 [34][96] - 新消费公司可能以极快速度实现高利润，例如传统消费龙头需15到20年做到100多亿利润，而新消费公司可能两年就能达到50亿利润 [39][101] AI行业 - AI行业正处于飞速发展阶段，越来越多的细分领域开始形成商业闭环，只要底层技术持续迭代进步，就应该对行业的资本开支保持适度宽容 [2][42][104] - AI投资在美国和中国已成为能影响国家宏观经济走势的核心产业，产业规模巨大，2025年美国经济若剔除AI相关投资，整体经济其实没有增长 [3][16][17][77][78] - 2026年是AI行业标志性的一年，一大批大模型公司将陆续上市，进入“是骡子是马拉出来遛遛”的阶段 [2][53][115] - 投资AI的稳妥策略是：在方向尚不清晰时控制仓位，在趋势逐步确认后加大投入，用战术灵活性匹配战略确定性，例如待杰文斯悖论（技术成本下降推动需求提升）开始兑现后再加大布局 [4][21][83] - 市场对AI存在泡沫的讨论有益于行业发展，能约束参与者的资本开支行为，且资本开支与营收存在滞后性，当前开支是为未来一两年营收做铺垫 [41][42][103][104] - AI应用机会过去三年更多集中在B端，例如美国科技企业通过AI实现可观的人力成本节省，从硬件向应用端的投资逻辑正在演进 [44][106][107] - 中美资本市场AI应用标的逻辑相反：美股传统应用企业因市场份额被大模型公司抢占而股价暴跌；A股部分被炒作的AI应用标的从产业逻辑看可能被大模型替代 [47][109] - 对AI行业长期发展充满信心，头部企业模型仍在迭代，数据向好，行业波动往往是布局机会，自动驾驶等领域一旦规模化落地将需要海量算力支撑 [47][49][50][109][112] 其他行业与宏观观点 - 化工股近期的上涨主要源于供给端变化：过去三年资本开支见顶、行业熊市多年后库存处于低位、以及国内“反内卷”政策对供给形成约束，而非需求大幅回暖 [52][114] - 2026年需关注两大风险：一是AI领域的“交棒风险”，即大模型公司上市后能否顺利接棒；二是全球地缘政治与资源囤积风险，各国不安全感提升可能引发冲突 [53][55][115][117] - AI引发的宏观经济波动风险值得警惕，例如AI投资对美国经济数据影响巨大，且其替代人工可能导致中产阶级失业率问题，美联储政策可能滞后 [56][57][118][119] - 地缘政治的突发风险，如美国大选年可能出现的扰乱市场政策，会加深全球不安全感，带来阶段性波动 [57][119]

特斯拉自动驾驶出租车业务进展 - 特斯拉在奥斯汀开始提供无前排安全驾驶员的Robotaxi载客服务 首席执行官埃隆·马斯克在社交媒体上宣布了这一消息[1] - 公司于2023年6月在奥斯汀有限度地推出了配备前排安全操作员的Robotaxi服务 最初面向意见领袖和精选客户[2] - 2023年12月 特斯拉开始在奥斯汀测试无前排安全驾驶员的Robotaxi 移除了在车辆需要时由人类接管的安全预防措施[2] 车队部署与运营策略 - 并非特斯拉在奥斯汀的整个车队都将完全无人驾驶 特斯拉AI负责人表示 初期将只有少数无监督车辆混入配备安全监控员的更广泛Robotaxi车队中 且这一比例将随时间推移而增加[3] - 目前尚不清楚该服务是免费还是收费 特斯拉的一些竞争对手如Zoox和Waymo在最初部署时并未立即对无人驾驶服务收费[3] 公司技术发展与人才战略 - 特斯拉首席执行官埃隆·马斯克将解决现实世界AI问题与实现通用人工智能联系起来 并以此作为对工程师的招聘宣传 邀请他们加入特斯拉AI团队[1]

AI成为全球核心议题 - 世界经济论坛上AI是最热门话题 英伟达创始人黄仁勋表示人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - 特斯拉创始人马斯克首次出席达沃斯 其近期在AI及芯片领域的激进路线使其成为对话焦点 [1] - 腾讯高管观点代表了中国在AI全球竞赛中的思路 认为现实中的AI是多种不同模型服务于不同场景 而非单一的庞大超级系统(AGI) [1] AI产业发展历程与竞争格局 - 过去几年 AI发展由大模型、人形机器人、GPU芯片推动 被ChatGPT、英伟达、DeepSeek、宇树科技等明星产品或企业引导主流趋势 [1] - AI竞争遵循“二八法则” 不同时期会涌现不同领军者 市场认为下一个类似GPT或宇树的突破可能随时出现 英伟达的市值领先地位并非稳固 [1] - 中国AI市场活跃 摩尔线程、沐曦股份、智谱和MinMax等公司正争先点燃资本热情 [1] AI竞争向基础设施纵深演进 - AI竞争正从算法和产品 向算力、电力等底层基础设施演进 进入结构和系统性竞赛阶段 [2] - 马斯克预判未来的货币本质将是“瓦特” 并认为按照当前趋势 中国在AI计算能力方面将远远超越世界其他国家 [2] - 黄仁勋总结的AI产业结构分为五层：最底层是能源基础 向上依次为芯片与计算基础设施、云计算、AI模型 顶层为具体行业应用 [2] 中国AI产业生态全景 - 芯片与计算基础设施层有寒武纪、摩尔线程等公司 [2] - 云计算层有阿里云、华为云等公司 [2] - AI模型层正在进行“百模大战” 包括文心、通义、DeepSeek等 [2] - 具体行业应用层竞争最为激烈 不断涌现创新应用如豆包AI手机 [2] - 能源是基础支撑 2025年中国全社会用电量历史性突破10万亿千瓦时 成为全球首个实现此规模的单一国家 用电量约为美国的两倍 [2] AI发展的系统性特征 - 用电量是经济运行的“晴雨表” 也被视为AI竞争的最终关键要素 [3] - 从能源等基础层反推模型层和应用层 构成了结构性和系统性的AI产业蓝图 [3] - AI产业的发展注定不是单一企业的独秀 而是生态耦合下多企业、多领域的集体崛起 [3]

文章核心观点 - AI是全球经济论坛最热门的话题 人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - AI竞争正从算法和产品层面 向算力、电力等基础设施的后台演进 进入结构和系统性竞赛阶段 [2] - AI产业是一个从底层能源到顶层应用的系统生态 其发展依赖于多企业多领域的集体崛起 而非单一企业的独秀 [2][3] AI基础设施建设与投资规模 - 英伟达创始人黄仁勋指出 人类历史上最大规模的AI基础设施建设已在进行 目前已投入数千亿美元 未来还需数万亿美元建设 [1] - 马斯克认为未来的货币本质将是瓦特 并预测中国在AI计算能力方面将远超世界其他国家 [2] AI产业竞争格局与演进 - AI竞争遵循“二八法则” 不同时期会涌现不同的领军者 [2] - 当前AI竞争正从算法出圈、产品爆红的前半程 向算力甚至电力等基础设施的后台演进 进入结构和系统性竞赛 [2] - 人们相信下一个类似GPT或宇树科技的明星产品或企业随时可能涌现 英伟达的市值领先地位也可能被挑战 [1] - 中国市场AI发展热闹非凡 摩尔线程、沐曦股份、智谱和MinMax等公司正争先点燃资本热情 [1] AI产业结构与生态 - AI产业结构分为多个层次 最底层是能源基础 向上依次为芯片与计算基础设施、云计算、AI模型 顶层为金融、医疗、制造等行业应用 [2] - 黄仁勋总结的AI产业结构已在中国公司身上得到印证 芯片和计算基础设施有寒武纪、摩尔线程等 云计算有阿里云、华为云等 AI模型领域有文心、通义、DeepSeek等“百模大战” 具体应用是竞争最激烈的战场 [2] - AI产业的发展注定不是单一企业的一枝独秀 而是生态耦合下多企业多领域的集体崛起 [3] 能源与电力在AI竞争中的基础作用 - 能源或“瓦特”为AI提供着基础支撑 [3] - 2025年中国全社会用电量历史性突破10万亿千瓦时 成为全球首个实现此规模的单一国家 约为美国全年用电量的两倍 [3] - 用电量是经济运行的“晴雨表” 也被视为AI竞争的尽头 [3] 行业领袖观点与趋势 - 腾讯集团高级执行副总裁汤道生认为 AI在现实中是多种不同的模型服务于不同的场景 而非单一的庞大超级系统（AGI） [1] - 过去几年 AI的发展先后被ChatGPT、英伟达、DeepSeek、宇树科技等大爆品和明星企业引导了主流趋势 历史上还包括“阿尔法狗”、波士顿动力等 [1] - 马斯克与黄仁勋在AI世界观上并不一致 但两人对AI基础设施的预判都极为激进 [2]

涉及的公司与行业 * 公司：澜起科技，专注于互联类芯片和津逮服务器平台[2] * 行业：半导体芯片，具体为数据中心、服务器领域的内存互联芯片、高速运力芯片及相关配套芯片[2][3] 核心业务与产品线 * 主要业务分为互联类芯片产品线和津逮服务器平台产品线[5] * 互联类芯片包括内存互联芯片（如RCD、DB、MRCD、MDB、CKD）和高速运力芯片（如Retimer、CXL、PCIe Switch）[3][5] * 内存互联芯片用于内存条，与三星、海力士、美光合作，负责数据信号缓存、温度控制、电源管理[3] * 提供SPD串行检测器、温度传感器、电源管理芯片等配套产品[2][5] 市场前景与增长驱动 * **内存迭代**：从DDR4到DDR5的迭代推动内存互联芯片（如RCD、DB）数量提升，并新增CKD需求[2][9] * **AI服务器需求**：AI时代MRDIMM等新型高速内存模组更新迭代，提升内存模组价值量和数量[2][9] * **新型模组订单**：预计从2025年10月开始，新型MRDIMM模组将在六个月内实现约1.4亿美元订单[2][6] * **市场规模预测**：新型MRDIMM模组2025年市场规模达0.37亿美元，2026年增至0.9亿美元[2][6] CXL MXC技术领域2026年市场规模约6亿美元，2030年预计达9.72亿美元[3][18] * **CPU/GPU比例变化**：AGI时代CPU需求增加，CPU与GPU比例上升（如从1:8变为1:2或1:1），将导致负责CPU与GPU间信息传输的运力芯片需求同步上升[2][12] 市场地位与竞争优势 * 在ICDDB及MRCDMDB（内存互联芯片）领域市占率领先全球，达36.8%，位居第一[2][9][11] * 在技术迭代方面，与瑞萨电子同步，并领先Renesas一部分[11] * 在CXL MXC芯片领域处于领先地位，目前市占率接近100%，主要竞争对手Alpha Wave尚未推出新产品[18] * 在Retimer芯片领域市占率排名第二，为10.9%[15] 具体产品应用与客户 * RCD、DB及其升级版MRCD、MDB主要用于联想超微、浪潮信息及戴尔等品牌的高端AI服务器，这些服务器支持DIMM类形态[2][7] * 终端服务器和通用服务器也广泛采用DIMM类形态，扩大了公司产品应用范围[8] * 英伟达、AMD、中科曙光等企业使用LPDDR5X内存，不需要澜起科技的RCD、DB等主芯片，但仍需要SPD、电源管理等配套芯片[7] * Retimer芯片用于PCIe协议，应用场景包括GPU之间、服务器AIC卡、主板CPU间连接[13] 在阿里巴巴超级计算机中，每8个GPU需要24颗Retimer芯片，每颗价格约50-100美元[14] 未来增长点与增量业务 1. **CXL MXC技术**：用于内存扩展和池化，是未来的重要增长点[3][4] 2. **PCIe Retimer和PCIe Switch**：Retimer芯片用于放大高速信号传输中的衰减信号[3] Switch芯片是未来的重要增量，目前正在研发，尚未批量出货[4][16] 3. **周期迭代逻辑**：随着DDR4到DDR5的迭代周期，公司预计未来五年内实现收入和利润大幅增长[4] 4. **AI PC及笔记本端内存模组**：如LPDM2，对SPD、PMIC和CKD等辅助芯片有大量需求，尤其是在QC端是一个显著增量[9] 财务预测与估值 * 公司预计2025年收入为55至60亿人民币，利润约为45亿人民币[3][19] * 结合目前情况，其估值可能达到2,500亿人民币[19] * 公司修改了股权激励方案，预计对2027年利润产生积极影响，大约增加3亿元左右[19] 风险与挑战 * **客户集中度风险**：主要客户包括三星、海力士等，占全球90%以上市场份额，集中度高可能对业绩产生影响[20] * **外汇损益风险**：公司大部分销售以美元结算，存在外汇损益风险[20] * **研发与迭代风险**：产品研发与技术迭代对于公司持续发展至关重要，需要持续关注[20] 在Retimer芯片领域，公司在PCIe 5.0一代中落后领先者约10个月，在6.X一代中落后约9个月[15]