短期A股风险偏好回落 - 国内经济支撑力处于空窗期，"抢出口"提前走弱，市场预期稳增长政策发力需等待9-10月 [1][2] - 海外扰动增加，包括美国债务上限、地缘冲突及中美贸易谈判成果待观察，7月9日为关键验证期 [1][2] - 强势行业叙事扰动：AI深度应用推进偏慢，新消费性价比矛盾突出，反内卷政策观望情绪浓厚 [1][3] A股市场特征变化 - 防御类资产如银行、高股息食品饮料获绝对收益 [4] - 高风险偏好资产（新消费、创新药、小微盘股）调整，科技反弹聚焦二季报业绩可见度高的海外算力链，呈现低风险偏好特征 [3][4] - 市场一致预期短期跌不深，因稳定资本市场政策深入人心 [4] 中期市场展望 - 25Q2-Q3为中枢偏高的震荡市，25Q4预期基本面改善叠加居民增配权益，中枢有望抬升 [3][5] - 2026-2027年为牛市核心区间，供需格局改善线索增加 [5][6] - 结构牛依赖科技产业趋势突破，战略看好黄金、稀土、国防军工三类资产 [5][6] 行业配置建议 - 短期关注保险举牌受益的银行股（尤其港股）及高股息白酒龙头 [5][6] - 科技反弹需等待基础层突破，关注7-8月互联网巨头资本开支放量验证 [5] - 港股战略地位提升，成为金融外循环关键环节，互联网、新消费、创新药代表性更强，内外资共振定价中国战略机遇期 [6]

报告核心观点 - 短期A股风险偏好回落，自上而下叙事弱化，交易风险偏好下行，新消费和创新药调整，科技短期反弹呈低风偏特征，防御类资产有绝对收益；中期A股25Q2 - Q3为中枢偏高震荡市，25Q4指数中枢可能抬升，26 - 27年是牛市核心区间，重回结构牛依赖科技产业趋势突破，看好黄金、稀土、国防军工，战略看好港股领涨 [1][6][9] 短期A股风险偏好回落及原因 国内经济支撑力空窗 - 6月港口数据回落，“抢出口”提前走弱，宏观主要矛盾提前转换，市场期待增量财政9 - 10月发力，现阶段宏观支撑力或迎空窗期 [1][5] 海外扰动增加 - 7月9日附近美债集中到期、债务上限关键窗口、关税减免到期，7 - 8月需观察中美贸易谈判成果，中东地缘政治冲突是不确定性来源，建议回避相关事件性交易 [1][5] 强势行业叙事扰动 - A股AI深度应用推进慢，新消费性价比矛盾突出、赚钱效应收缩，市场对反内卷持观望态度，但反内卷仍有发力空间且主要效果是盈利能力回复 [1][6] A股交易风险偏好下行的表现及中期观点 短期表现 - 防御类资产有绝对收益，如银行和高股息食品饮料；高风偏资产（新消费、创新药、小微盘股）调整，科技反弹呈低风险偏好特征，聚焦二季报有业绩方向 [6][7] 中期观点 - A股25Q2 - Q3为中枢偏高震荡市，25Q4指数中枢可能抬升，26 - 27年是牛市核心区间 [1][6][9] 投资建议 短期建议 - 新消费和创新药调整，但仍看好基本面趋势向上标的；科技关注7 - 8月互联网巨头资本开支放量验证；防御类资产关注保险举牌受益银行（特别是港股银行股）和进入高股息配置区间的白酒龙头 [1][9][10] 中期建议 - A股重回结构牛依赖科技产业趋势突破，看好与宏大叙事强相关的黄金、稀土和国防军工；战略看好港股成为潜在牛市领涨市场，因其是中国金融外循环关键环节、国企高股息受保险举牌关注、内外资共振定价 [3][9][10] 行业数据表现 量化情绪指标 - 涉及全部A股强势股占比（按个数、流通市值、成交额）、融资情绪指数等量化情绪指标跟踪 [12][13] 赚钱效应扩散指标 - 不同行业和板块赚钱效应扩散情况不同，如银行、电子继续扩散，石油石化、国防军工聚焦龙头，多数行业全面收缩 [16] ETF表现 - 不同类型ETF份额变化、涨跌幅、折溢价率等表现各异，如采掘类国泰中证煤炭ETF份额增长3.4%、今年以来涨65.9%，医药生物类富国中证沪港深创新药产业ETF份额增长5.0%、今年以来涨19.1% [18]

大模型竞争格局 - 阿里4月29日发布开源模型Qwen并官宣登顶全球开源模型榜首 [1] - Meta在4月30日首届LlamaCon大会上发布对标ChatGPT的Meta AI App和Llama API预览版 [1] - Meta的Llama 4系列模型于4月6日抢先发布 [1] 技术转型与深度应用 - 纳德拉将AI浪潮视为继客户端-服务器、互联网、移动互联网、云计算后的第五次技术转型 [4][5] - 当前技术栈面临结构性调整需基于第一性原理重构 例如AI训练工作负载需完全不同的存储系统设计 [5] - 多模型协同工作阶段已至 可通过编排、智能体和MCP/A2A协议构建深度应用 [8][10] - 技术进步叠加带来每6-12个月10倍的性能提升 价格同步下降推动消费增长 [7][8] 开源与闭源生态 - 微软早期通过Windows NT与Unix互操作性验证开源对业务的益处 [11] - 企业客户倾向用开源模型提炼自有知识产权 超大规模云提供商需同时支持闭源/开源模型 [12] - Azure通过计算/存储/网络+AI加速器构建基础设施 GitHub Copilot作为工具加速开发 [12][14] AI生产力变革 - GitHub Copilot功能从代码补全演进至智能体工作流 微软内部20%-30%代码由AI生成 [15][19] - 扎克伯格预测2026年50%应用开发将由AI完成 工程师将转型为"智能体小队"技术领导 [4][25] - 传统工作流被颠覆 如销售会议准备从邮件文档转向AI实时整合CRM/网络/内部数据 [16] 模型蒸馏与混合应用 - Llama 4 Maverick通过蒸馏实现文本性能对标DeepSeek 图像多模态表现突出 [33] - 蒸馏技术可从20倍大模型中提取90%-95%能力 降低开发者使用门槛 [34][35] - Meta开发代号Little Llama的8b小模型 适配笔记本/手机端 [36] - 混合模型(MOE+推理)可实现灵活调整延迟 是未来重要方向 [37] 模型性能数据 - Llama 4 Maverick在Artificial Analysis Intelligence Index得分为50.5 成本$0.36/M Tokens [34] - Gemini 2.5 Pro Preview输出速度达209(Composite Avg) 但TTFT延迟高达29.93ms [34] - GPT 40成本最高达$7.5/M Tokens Claude 3.7在MMLU-Pro评分0.84领先 [34]