核心观点 MiniMax核心工程负责人阿岛（缪宇航）离职，其负责的M3、Agent、Audio、海螺AI等关键研发线出现关键人物空缺，公司正处于重押Coding和Agent的战略阶段 离职事件 - MiniMax Agent工程部主管阿岛（缪宇航）飞书状态显示离职，下一站未公开[2] - 阿岛在X上的个人认证信息尚未更新，简介仍为Head of Engineering[4] - 其负责业务横跨MiniMax当前最关键的几条研发线：M3.x、Code、Audio以及海螺AI[4] - 阿岛多次代表团队对外解释技术路线，是MiniMax技术团队里辨识度很高的一张面孔[6] 阿岛职业背景 - 本科毕业于北京邮电大学，2009年加入百度担任Team Lead & Senior Engineer，负责广告反作弊后端架构[12] - 2014年转投贝壳，先后担任大数据架构师、研发总监[13] - 2018年加入字节跳动，担任西瓜视频技术负责人[13] - 2023年7月加入MiniMax，Title为Head of Engineering（工程研发负责人）[17][20] 阿岛在MiniMax的职责范围 - 负责和参与的方向覆盖MiniMax M3.x、Agent、Audio和海螺AI[21] - 从模型工程、Harness到Agent Infra，横跨基础模型、Agent工程系统和多模态应用[5][22] - 从M2开始，其角色越来越明显地向Agent工程侧靠近[27] - 在M2系列技术报告作者名单中能找到其名字Yuhang Miao[29] - 负责将研究团队能力组织成Agent系统，塞进复杂工程环境，再推向可用产品[30] MiniMax当前战略阶段 - MiniMax定位为多模态基础模型+Agent+AI原生产品[25] - 模型侧覆盖文本、音频、图像、视频和音乐，产品侧包括MiniMax Code、MiniMax Hub、MiniMax Audio、Talkie等[26] - 5月底升级Agent Team，把复杂任务拆给多个Agent并行协作[31] - 6月初发布旗舰模型M3，主打Coding、Agent和100万Token长上下文，同时推出MiniMax Code[32] - 7月底发布第一款通用视频模型MiniMax H3[33] - 从M2.x到H3，从单Agent到Agent Team，MiniMax正把模型能力与Agent产品越绑越紧[34] 阿岛的技术观点与对外沟通 - 今年4月在量子位圆桌活动上提出：Agent时代真正需要卷的已从模型本身转向Harness[38] - 将模型比作F1赛车，同一赛车由不同人开结果相差很大[39] - 同样的模型搭配不同Harness，完成任务的Token消耗可能差出数倍[40] - 认为今天被当作Agent产品壁垒的Skill、Workflow和Harness能力，未来可能被模型内化[42] - 将工程师搭建Harness形容为一种“蒸馏”——把工作方法、经验和判断蒸馏成Skill和代码交给Agent重复执行[43] - 去年5月在小红书发布AMA问答笔记，收到近400条留言、1000多个点赞[46][49]

报告行业投资评级 - 行业评级为“推荐|维持”[6] 报告的核心观点 - 大模型加速迭代，AI应用百花齐放，行业投资评级为“推荐|维持”[1][6] - 建议持续跟进头部企业在人工智能应用领域的业务发展与投融资动向，综合研判相关布局的中长期价值与核心受益个股[4][74] - 建议关注能够充分满足人工智能行业发展需求、具备深厚技术护城河的基础设施企业标的[4][74] 指数表现 内地股票相关指数 - 2026年8月3日至14日，中证人工智能产业指数上涨7.23%，逆转上月跌势，跑赢沪深300指数5.53个百分点[11] - 同一时间段内，国证AI应用指数上涨0.25%，上证科创板人工智能指数上涨3.71%[11] - 今年以来，中证人工智能产业指数累计上涨24.93%，跑赢沪深300指数24.15个百分点[14] - 国证AI应用指数今年以来累计下跌17.43%，上证科创板人工智能指数累计上涨5.39%[14] 香港股票相关指数 - 2026年8月3日至14日，恒生港股通人工智能主题指数上涨6.43%，逆转上月跌势，跑赢恒生指数9.40个百分点[18] - 同一时间段内，恒生科技指数下跌2.52%，恒生港股通指数下跌2.21%[18] - 今年以来，恒生港股通人工智能主题指数累计下跌23.94%，跑输恒生指数21.93个百分点[21] - 恒生科技指数今年以来累计下跌14.65%，恒生港股通指数累计下跌4.43%[21] 数据跟踪 大模型调用与测评 - 按token计算的大模型周调用量在2026年8月10日至16日为75.3万亿tokens，较上一周的69万亿tokens有所上升，周调用量再创新高[24] - 该周调用排名前五的大模型分别为DeepSeek V4 Flash 0731、腾讯Hy3、OpenAI GPT-5.6 Luna、DeepSeek V4 Flash 0423以及智谱GLM 5.2[24] - 以文本请求为衡量标准，2026年8月10日至16日，市场份额排名首位的是DeepSeek(27.1%)，排名第二的是谷歌(23.8%)，DeepSeek已连续两周超过谷歌[28] - OpenAI、阿里千问和Anthropic在市场份额上排名三到五位[28] - 8月18日，以AAII为标准，Anthropic Claude系列模型的智能水平总体上仍保持领先，OpenAI GPT系列模型的智能水平优势下降[32] - 当前智能水平最高的国产大模型是Kimi K3[32] - 智能体能力专项方面，8月18日，以AAAI为标准，Claude Opus 5 (max)和Grok 4.6 (high)的专项智能水平排名前两位[32] - 当前专项智能水平最高的国产大模型是Qwen3.8 Max[32] - 8月18日，以AAII为标准，前沿语言模型排名前十的大模型厂商分别为Anthropic、OpenAI、SpaceXAI、Kimi、阿里巴巴、Meta、谷歌、DeepSeek、智谱以及Motif Technologies[36] - 韩国大模型厂商Motif Technologies挤进前十，成为唯一中美以外的大模型厂商[36] - 自2022年11月以来，最前沿语言模型的地位始终被美国大模型厂商占据[36] 大模型价格与参数 - 当前AAII-任务加权平均成本帕累托线上，OpenAI的GPT-5.6 Luna较为突出，性价比更高[40] - 国产大模型中，DeepSeek的DeepSeek V4 Pro 0813和小米的MiMo-V2.5也在此线上[40] - 开源大模型中，当前总参数量最高的大模型为Kimi K3，其在max和low思考强度模式下的总参数量分别为2.8万亿和2.78万亿[42] 应用软件与智能体 - 2026年8月10日至16日，编程智能体的调用总量为15.4万亿tokens，较上一周的14.7万亿tokens有所上升[48] - 该周编程智能体周调用量排名前三的分别为Nous Research的Hermes Agent、Anthropic的Claude Code以及Kilo Code[48] - 2026年8月10日至16日，生产力工具的调用总量为7.65万亿tokens，较上一周的7.95万亿tokens有所下降[52] - 该周生产力工具周调用量排名前三的分别为Nous Research的Hermes Agent、OpenClaw以及Nous Research API[52] - 与编程智能体相比，用户对生产力工具的偏好更为集中[52] 重点新闻 大模型与代表企业 - 谷歌DeepMind掌门Hassabis卸任日常运营，转任主席兼Alphabet首席科学家，首席科学家Jeff Dean离职创立公益公司Discovery Loop[56] - MiniMax-W于8月6日正式被纳入港股通股票名单，公司于2026年1月9日以同股不同权架构上市[56] - OpenAI于8月6日宣布，免费用户与ChatGPT的文字互动不再受限，免费用户默认模型更新为GPT-5.6 Luna[57] - OpenAI宣布放慢下一代模型Astra研发，因内部评估无法排除其已达到“临界”网络安全能力，将扩大安全测试并暂停未达标内部活动[58] - SpaceXAI于8月12日发布新一代大模型Grok 4.6，特别专注于长时间运行的智能体及更复杂的交互和视觉工作[58][59] - Grok 4.6起步价为每百万tokens输入2美元、输出6美元，快速版本价格翻倍，其AAII分数为61[59] - DeepSeek-V4-Pro正式版于8月13日更新至API，模型版本为DeepSeek-V4-Pro-0813，支持1M上下文长度，最大输出长度384K Token[60] - DeepSeek对API价格采用峰谷定价，空闲时段价格为高峰时段价格的一半，DeepSeek-V4-Pro价格为DeepSeek-V4-Flash价格的三倍[60] - 以百万tokens输出为例，DeepSeek-V4-Pro高峰时段和空闲时段价格分别为27元和13.5元，DeepSeek-V4-Flash分别为9元和4.5元[60] - DeepSeek V4 Pro 0813 (Reasoning, Max Effort)的AAII分数为53[61] - 阿里于8月13日首次开源Max级旗舰模型Qwen3.8，总参数2.4万亿、每个Token激活950亿参数，原生支持26万Tokens上下文[61] - Qwen3.8国内API每百万Tokens输入12元、输出36元、输入（缓存命中）1.5元[61] - 谷歌于8月13日发布Gemini 3.7 Flash，支持可定制的思考配置，今年底前引导价为每百万输入Tokens 0.75美元、输出3.75美元[63] - Gemini 3.7 Flash (high)的AAII分数为56[63] - 智谱于8月14日发布新一代大模型GLM-5.3，通过极致后训练Scaling提高模型智能上界[64] 底层算力基础设施 - SpaceX将在美国德克萨斯州建设垂直整合的半导体制造工厂，一期工程将带来超过168亿美元的资本投资，创造3000个新就业岗位[65] - SK海力士宣布在韩国龙仁和清州新建晶圆厂，合计投资约54万亿韩元（约384亿美元），以应对AI时代存储器需求[65] - 黄仁勋发文宣布NVIDIA与Apollo、BlackRock等六家金融机构合作，计划动员超5000亿美元第三方资本支持AI基础设施建设[66] - 黄仁勋提出AI工厂应像电力、交通一样获得融资，成为可投资的新型基础设施资产类别[66] 人工智能实践应用 - 「千问办公」开启公测，支持桌面端智能体、云端智能体、企业协同智能体，已初步打通钉钉IM[67] - Meta发布首款编程Agent Muse Code测试版，由Muse Spark 1.2模型驱动，可在大型代码库完成复杂软件工程任务[67] - DeepSeek和腾讯旗下上海启善获宇树科技战略配售，DeepSeek获配金额为140,756,569.20元，上海启善获配金额为136,216,132.00元[68] - 智谱ZCode升级上线Goal功能，支持复杂任务自主交付，GLM在ZCode缓存命中率超98%，有效Token量提升约30%[68] - SpaceXAI发布Grok Bot早期测试版，每个Bot背后是独立云端Linux虚拟机，支持多Bot并行分工协作[70] - DeepSeek发布DeepSeek Harness开发者预览版，主打“一切皆插件”，面向全球开发者开放测试并同步开源[70] 政策法规与安全性 - 特朗普签署行政令，对进口多晶硅及其衍生产品采取最低进口价格和额外关税措施，自2026年12月4日起生效[72] - 智谱启动“开源的盾”计划，对重点开源项目开展持续安全审计，向开源社区免费提供模型额度及防御入口[72] - Anthropic发布186页第二份风险报告，列出真实安全事故，包括多智能体集体偏航、思维链泄露等[73] 投资观点 - 伴随大模型及相关产品加速迭代，以SpaceX、DeepSeek为代表的人工智能企业持续向上下游领域布局，有望通过产业链联动实现商业闭环[74] - DeepSeek获宇树科技战略配售，双方具备协同基础，DeepSeek深耕大模型基础能力，宇树科技擅长机器人本体硬件与运动控制，有利于推动物理人工智能领域技术突破[74] - SpaceX完成对AI编程平台Cursor母公司Anysphere的收购，开发者在Cursor中形成的真实交互数据将被直接用于提升Grok及其他大模型的训练效果和逻辑推理能力[74] - 建议持续跟进头部企业在人工智能应用领域的业务发展与投融资动向，综合研判相关布局的中长期价值与核心受益个股[74] - 建议关注能够充分满足人工智能行业发展需求、具备深厚技术护城河的基础设施企业标的[74]

核心观点 - 近两年AI技术快速发展，量化投资的核心竞争力正从“开发更多有效因子”向“把信息处理、信号生成、投资落地整合成更稳定的系统化能力”迁移 [4][10] - 报告重点梳理了海外量化新研究趋势及公募量化新发展方向，以对国内量化投资给予启发 [4][9] 海外量化研究趋势 通过大模型高效利用信息 - 高盛量化QIS团队使用大模型分析上市公司Earning Call中的信号，捕捉管理层隐藏预期和观点倾向 [13] - JPMorgan的QIS团队利用大模型构建主题投资框架，通过文本识别个股与主题关联度并捕捉情绪倾向 [13] - Man Group在2024年左右开始使用AI辅助研究，基于Anthropic的Claude AI开发AlphaGPT，用于辅助生成投资假设并进行快速回测验证 [14] - Man Group的AlphaGPT分为三个部分：提出假设、补充逻辑及生成代码、回测验证 [14] - 2025年7月，Man Group披露其AlphaGPT系统已升级为Agentic AI，能端到端完成“挖掘数据→提出假设→生成代码→回测验证”全流程 [10] - 多家管理人提出大模型使用未来信息或带来过拟合的担忧 [15] - Acadian Asset提到大模型易将公关性质的语言识别为乐观情绪，且训练截止日期会在回测中带来隐形数据泄露 [15] - Two Sigma提到AI的快速挖掘能力可能加剧过拟合，例如大模型训练中已知疫情、金融危机等事件影响 [15] 系统化的信号管理与模型构建 - 机构重视数据治理工作 [17] - Point72在2018年将大数据团队整合为Market Intelligence团队，下设Canvas供应链研究团队及数据分析和研究团队 [17] - Point72的Canvas团队负责合规一手调研，收集渠道库存、产能、分销商反馈等定性信息 [18] - Point72的Data-Driven Research团队下设Data Sourcing & Strategy、Data Engineering & Research Infrastructure、Data Science & Analytics、Data Insights四个子板块 [18] - Two Sigma设置了Data Sourcing & Preparation环节，Data Strategy & Operations团队负责制定全司数据战略、管理数据组合KPI [20] - Two Sigma的Data Engineering团队负责构建数据生态、自动化数据清洗和标注 [20] - 机构对另类数据的要求提高 [21] - 贝莱德提到从2019到2024年，研究团队审阅的数据集数量增长超3倍，但拒绝率增长了5倍以上，到2024年仅约30%的评估数据集能达到入库标准 [24] - 贝莱德衡量另类数据有效的标准包括：原创性、完整性与覆盖度、及时性、透明度与可追溯性 [24] - 贝莱德测试另类数据的流程包括：统计效力回测、经济直觉检验、正交检验 [25][26] - 根据另类数据平台BattleFin的研究，2026年顶尖另类数据供应商的竞争力取决于“如何交付、治理、打包和处理这些数据” [26] - 模型构建适配更多元的数据 [28] - 贝莱德AIM系统内置多种模型，包括线性回归、各类树模型、神经网络等，投资经理可选择目标函数 [28] - 贝莱德正在尝试分域学习、迁移学习等研究方向，将时序变量融入模型训练过程 [30] - Man Group使用7个宏观变量构建状态向量，根据与当前状态最相似的时间来决定因子选择，在简单六因子上获得不错效果 [31] - Two Sigma提到AI的不断发展使得“越大越好”的时代终结，训练成本已超过投资回报，“可解释性”成为新的模型竞争方向 [33] 传统因子及方法的精细化升级 - Research Affiliates对研发支出进行资本化调整，构建“调整后账面价值”，在科技、医疗等行业得到更能反映真实资产基础的P/B替代指标 [35] - AQR在P/E基础上叠加现金流质量评分，从“所有低估值公司”中筛选“高质量低估值”子集 [35] - Robeco将现金流稳定性纳入质量评估，分析经营现金流的历史波动率和行业周期相关性 [35] - AllianceBernstein将earnings call文本中的CEO措辞确定性作为盈利可持续性的软指标，纳入质量因子复合评分体系 [35] - Man Group AHL按动量信号来源分层：news-supported、earnings-supported、short-term reversal，不同持续期动量信号按频率分层配置 [35] - Two Sigma同样对动量信号来源做精细化区分，分层方式与Man Group类似 [35] - S&P Global Market Intelligence将订单改善、库存去化、产能利用率回升等领先指标的文字描述标准化为结构化信号 [35] - 其他机构使用LinkedIn/Indeed招聘趋势数据用作公司扩张意愿的领先指标 [35] 海外公募量化投资变化 更重视因子使用细节 - Alliance Bernstein近几年新发产品中多有强调因子使用的细节 [36] - AB US Large Cap Strategic Equities ETF规模12.54亿美元，成立于2023年9月19日，采用主动量化结合方案 [37] - AB US High Dividend ETF规模2.05亿美元，成立于2023年3月21日 [37] - AB US Low Volatility Equity ETF规模2亿美元，成立于2023年3月21日 [37] - Alliance Bernstein股票部门负责人Nelson Yu介绍“高质量”股票投资方法，采用量化语言表达主观投研投资逻辑 [39] - Alliance Bernstein对公司竞争优势、定价能力、创新能力等给出相对明确的评判标准 [39] - Alliance Bernstein区分不同股票池中的质量筛选标准，通过明确标准筛选出股票池后由基本面研究人员进一步判断 [42][43] - Alpha Architect价值策略使用税息前利润/企业价值作为主要估值指标，结合盈利能力、盈利稳定性、经营动量等质量指标进行叠加增强 [43] - Alpha Architect动量策略加入“fog-in-the-pan”指标，偏好由分散的小幅上涨构成的动量而非短时间的大幅上涨 [45] - Columbia 2025年发行Research Enhanced系列产品，加入“Catalyst”催化剂因子，包括价格和业务动量、市场情绪等指标 [46] - 高盛Data Enhanced产品参考公司质量模型、情绪分析、主题趋势等维度进行选股 [46] - Motley Fool 2025年发行单因子ETF，采用精细的改进因子 [47] - Motley Fool Momentum Factor ETF规模0.14亿美元，成立于2025年12月8日 [48] - Motley Fool Innovative Growth Factor ETF规模0.12亿美元，成立于2025年12月8日 [48] - Motley Fool Value Factor Index ETF规模0.07亿美元，成立于2025年12月8日 [48] - 成长因子包含毛利润增速、毛利润创新、成长潜力等 [47] - 价值因子包括BP、毛利润/企业价值、股东回报率等 [47] - 动量因子结合了价格动量、因子动量等 [47] 主动与量化结合的形式更加常见 - 对美国10.9万亿美元的主动股票基金+主动股票ETF进行筛选，规模前30名机构中明确有主动+量化结合产品特征的机构共有6家 [49] - 结合模式包括基本面思路因子化、主动与量化联合打分、先量化筛选再主动调整 [3] - 普信Integrated系列明确采用主动和量化结合方式，量化部分对股票进行1~10分打分，主动部分涵盖100名以上基本面研究员评级 [52] - 普信Integrated系列选出股票后根据行业约束、量化打分等调整权重，截至2026年7月在美国Integrated系列产品合计规模达120亿美元 [55] - JPMorgan Fundamental Data Science系列将数据科学嵌入主动管理方法，将数据、主动投研和风控合为一体 [56] - JPMorgan该系列基金经理Eric Moreau属于U.S. Structured Equity Group，团队多人有量化背景 [56] - MFS Blended Research系列目前11只产品含4只ETF、7只场外主动产品，规模合计超过100亿美元 [57] - MFS通过基本面研究对每个公司进行基本面评分，同时通过定量分析打分，量化模型预测周期为12-18个月 [57] - MFS通过组合优化方法构建组合，基金经理可调整优化器参数及优化后持仓结果 [58] - MFS核心股票产品、大盘成长价值产品、国际和新兴市场产品跟踪误差限制仅2%，中盘和小盘产品限制为3% [58] - American Century Disciplined系列采用定性、定量结合手段选股，通过估值、质量、成长、情绪等指标构成的定量模型选股 [59] - American Century Disciplined系列先量化后基本面决策，根据输出结果结合事件、公司公告选定组合 [59] - American Century Disciplined团队首席投资官此前就职于DFA及Invesco因子团队 [59] - American Century Disciplined团队目前有5人以上投研团队，管理规模超过100亿美元 [59] - Columbia同时有Integrated和Disciplined两个主动量化结合系列 [61] - Columbia Disciplined系列更偏量化，将基本面逻辑采用量化方式因子化形成多因子选股组合，代表产品规模超过50亿美元 [61] - Columbia Integrated系列采用先量化后主动方式，根据量化模型筛选后通过优化器构建组合，管理人会根据定性判断剔除或调整股票 [62] - John Hancock Disciplined Value系列由Boston Partners作为子管理人管理 [63] - John Hancock产品选股时主要考虑PE等价值指标，同时与资本回报率、盈利增长、现金流等指标配合 [63] - John Hancock基金经理根据行业趋势、公司竞争力等定性分析结合选股，关注估值、基本面、动量三个维度 [63] - John Hancock将上述投资方法称为“三圈”投资法，密切关注满足其中“两圈”的标的 [65]

中国大模型的远征。 文 丨 李赓 编辑 丨 唐健博 2026 年 6 月 17 日，智谱发布 GLM-5.2，在 Artificial Analysis 智能指数中排名全球第三，富瑞发布 研报称其为 "中国 AI 的发展里程碑"。 不到一个月，7 月 16 日深夜，月之暗面发布 Kimi K3。2.8 万亿参数，1679 分登顶 Frontend Code Arena，Artificial Analysis 智能指数 57 分——全球第三，开源历史最高。发布 48 小时内，用户请求 量逼近算力集群的物理极限，月之暗面宣布暂停 C 端新订阅；72 小时内，美股 AI 板块蒸发 4700 亿 美元，费城半导体指数一周下跌 12.5%。市场称之为 "DeepSeek 时刻 2.0"。 8 月首周，全球最大的 AI 模型调用平台 OpenRouter 上，排名前 10 的模型有 6 个来自中国。排第一 的 DeepSeek V4 Flash 单周处理 8.2 万亿 tokens，环比上涨超过 999%。美国最强的 GPT-5.6 Luna 排 在第五。该平台 47% 的用户是美国开发者，中国用户只占 6%。 a16z ...

核心观点 - AI大模型的发展正推动数据中心从传统模式向超级数据中心转型，这本质上是一场横跨土木、电气、暖通、能源、通信及环境工程的系统性工程，并重新定义了“AI行业”的边界，将土木、电气、暖通等传统工种纳入产业链 [41][48][49] 超级数据中心建设趋势 - DeepSeek开启新招聘计划，包括土木工程师，旨在建设功耗达十亿瓦（1GW）级别的超级数据中心，这相当于杭州市平均用电功率（12GW）的近十分之一 [5][10] - 建设超级数据中心已成为大模型厂商的军备竞赛，Meta计划在美国路易斯安那州建设5GW的超级数据中心，马斯克已建成全球首个GW级数据中心Colossus 2，OpenAI和Anthropic规划中的超级数据中心数量众多 [12] 散热技术挑战 - 传统数据中心以CPU为主，机柜功率约15kW，风冷即可解决散热 [15][16] - AI数据中心使用高功耗显卡，如英伟达GB 300机柜功率达140kW，传统风冷已无法满足，必须采用液冷方案 [17] - 大规模液冷方案面临非标品问题，在冷板位置、流量分配、冷却剂分配装置（CDU）配置、管路设计、冷却液选择及技术路线上尚未统一，导致机房建设周期比传统方案多两三个月 [19][20] 电力供应瓶颈 - 单个数据中心功耗达到GW级别后，电网基础设施（输电线路、变电站）的规划、审批和建设周期（可能需数年）远超数据中心本身的建设周期（通常几年），导致“楼已盖好，电却未通”的荒诞局面 [24][25] - 在美国，数据中心高度集中区域的居民电价已比5年前上涨267%，AI已先于改变生活而改变了电费账单 [27][28] 水资源消耗与应对 - 液冷系统最终需通过冷却塔中水的蒸发来散热，加州大学河滨分校团队估算，每与ChatGPT聊20次天，约500ml水被蒸发 [31] - 数据中心常选址于缺水的沙漠地区，因其风电光电发达、电费低、地价便宜，当地政府为吸引投资会优先保证供水，如美国亚利桑那州政府因此被迫停建城市基建 [34][35] - 谷歌在智利圣地亚哥建设数据中心时，因计划抽取地下水冷却，引发当地民众抗议，最终被环境法院撤销部分环评许可 [36][37] - 大厂开始采用密闭式循环冷却方案，使蒸发耗水降至接近零，微软数据显示单座数据中心一年最多可节省1.25亿升水 [38][40]