模型定位与核心能力 - 公司于2026年2月发布新一代旗舰模型M2.5，该模型经过海量真实环境强化学习训练，在编程、智能体工具使用、搜索及办公生产力等高价值经济任务领域达到行业领先水平 [2] - 在关键基准测试中，M2.5在SWE-Bench Verified测试得分为80.2%，在Multi-SWE-Bench中得分为51.3%，在BrowseComp（含上下文管理）中得分为76.3% [2] - M2.5是M系列模型的最新迭代，延续了M2.1的核心技术框架，并非全新范式，而是在其基础上的工程优化和能力增强 [4] 技术框架分析 - M2.5采用与M2相同的混合专家模型架构，总参数规模达2300亿，推理时仅激活100亿参数，延续了“极端稀疏性”设计哲学 [5] - 模型延续了名为Forge的智能体原生强化学习框架，该框架通过引入中间层解耦训练-推理引擎与智能体，以优化模型在不同智能体间的泛化能力 [6] - Forge框架采用异步调度策略和树状结构合并策略处理训练样本，据称实现了约40倍的训练加速 [8] - 算法层面继续采用CISPO算法以确保训练稳定性，并引入过程奖励机制和基于任务完成时间的奖励设计，以深度对齐用户体验 [9] - 训练数据覆盖超过10种编程语言和超过20万个真实场景，并在办公场景中深度整合了金融、法律等领域的专家知识 [10] - 公司构建了内部Cowork Agent评估框架，通过成对比较评估交付物质量和智能体轨迹专业性，并监控token消耗以估算效率提升 [10] 性能表现与基准测试 - 在编程能力方面，M2.5在SWE-Bench Verified测试得分80.2%，在Multi-SWE-Bench测试得分51.3% [11] - M2.5展现出优秀的跨分布泛化能力，在使用不同编程智能体harness测试时，在Droid harness上得分79.7%（优于Claude Opus 4.6的78.9%），在OpenCode harness上得分76.1%（优于Opus 4.6的75.9%） [13] - 模型具备“架构师思维”能力，能在编写代码前主动从架构师视角分解和规划项目，这一特性在训练中自然涌现 [13] - 在搜索与工具调用方面，M2.5在BrowseComp和Wide Search等基准测试中实现行业领先性能，并在面对不熟悉脚手架时表现更稳定 [14] - 在真实世界专业搜索任务评估基准RISE中，M2.5表现优异，擅长专家级搜索任务 [16] - M2.5展现出更优的问题解决能力，在多个智能体任务中以更少的搜索轮次实现更好结果，相比M2.1节省约20%的搜索轮次 [16] - 在办公生产力场景中，M2.5经过训练能产生真正可交付的输出成果，在Word、PowerPoint和Excel金融建模等场景能力显著提升，与主流模型对标测试平均胜率达59.0% [17] 成本、效率与定价策略 - M2.5原生支持的推理速度达100 tokens/秒，接近其他前沿模型的两倍 [18] - 在运行SWE-Bench Verified时，M2.5平均每个任务消耗352万tokens，端到端运行时间从M2.1的平均31.3分钟减少到22.8分钟，提升37%，速度与Claude Opus 4.6基本持平，而单个任务总成本仅为后者的10% [18] - M2.5系列包含M2.5和M2.5-Lightning两个版本，能力相同但速度不同 [19] - M2.5-Lightning稳定吞吐量达100 tokens/秒，价格为每百万输入tokens 0.3美元，每百万输出tokens 2.4美元；M2.5吞吐量为50 tokens/秒，价格减半 [19] - 根据输出价格计算，M2.5的成本是Claude Opus、Gemini 3 Pro和GPT-5的十分之一到二十分之一 [19] - 以100 tokens/秒速率连续运行一小时M2.5成本仅为1美元；以50 TPS速率运行，成本降至0.3美元；用户能以每年10,000美元价格让四个M2.5实例全年不间断运行 [19] - 公司表示，M2.5被定位为首款让用户无需担忧成本的前沿模型 [19] 市场竞争与行业动态 - 2026年2月12日，智谱发布新一代旗舰模型GLM-5，参数规模达744B，在编程任务上实现对Claude Opus 4.5的对齐，擅长复杂系统工程与长程智能体任务 [20] - 智谱同期宣布对GLM Coding Plan套餐价格进行结构性调整，整体涨幅自30%起，这是国产大模型近期首次大幅提价 [20] - GLM-5海外版价格涨幅更高：Coding plan订阅价格提高30%-60%，API调用价格提升67%-100% [20] - 智谱在OpenRouter上线名为Pony Alpha的测试版本，截止发稿，近五日来其股价已上涨114.88% [20] - 相比之下，MiniMax M2.5发布相对低调，但公司股价在过去五天亦有34.69%的涨幅 [21] 应用生态与落地情况 - M2.5已全面部署在MiniMax Agent中，提供最佳智能体体验 [24] - 公司将核心信息处理能力提炼为标准化的Office Skills，深度集成在MiniMax Agent中，在MAX模式下能根据文件类型自动加载对应技能以提升任务输出质量 [24] - 用户可将Office Skills与行业专业知识结合，创建针对特定任务场景的可复用Expert，截至目前用户已在MiniMax Agent上构建了超过10,000个Expert，且数字仍在快速增长 [24] - 公司自身也构建了多套针对办公、金融、编程等高频场景深度优化的即用型Expert套件 [24] - 在公司内部日常运营中，M2.5自主完成了30%的整体任务，涵盖研发、产品、销售、人力资源和财务等部门；在编程场景中，M2.5生成的代码占新增提交代码的80% [24]

核心观点 - 瑞银维持博通“买入”评级及475美元目标价，认为TPU需求激增成为公司业绩增长的核心驱动力，开启了AI时代的增长新周期 [1][3] 业务增长与财务预测 - 预测博通2027年将出货超500万颗TPU，2026年出货量约为370万颗，2027年出货产品中略超半数为v7（铁木）型号，2028年v8ax（太阳鱼）型号将成为出货主力 [3] - 预测博通2026财年AI业务营收约为600亿美元，同比增长约200%，2027财年将增至约1060亿美元，同比增长约80%，2028财年进一步升至约1500亿美元 [4] - 上调2026-2028财年营收预期，分别达1058亿美元、1555亿美元、2002亿美元，同比增速分别为65.6%、47.0%、28.7% [7] - 上调2026-2028财年摊薄EPS预期，分别为11.05美元、16.68美元、21.53美元，较此前预期分别上调1.3%、17.9%、12.6% [7] - 定制计算业务方面，谷歌今年将为博通贡献约300亿美元营收，2027年这一规模将达560亿美元，剩余TPU相关营收绝大部分来自Anthropic [4] TPU需求与技术优势 - 大语言模型开发商加速推进定制ASIC路线，TPU作为GPU的中间替代方案需求显著增长 [1][3] - 混合专家模型（MoE）的快速发展推动TPU需求出现拐点式增长 [4] - TPU内置的硬件矩阵乘法器结合硬件定义的稀疏计算引擎，大幅减少了数据在内存中的读写交互，使其在每瓦令牌处理量和单位令牌处理成本上相较于GPU具备优势 [4][5] - 行业专家认为，TPU在稠密型大语言模型和稀疏型混合专家模型的推理场景中，具备极具吸引力的成本效率 [5] 客户结构与市场环境 - 除谷歌外，Anthropic、Meta等TPU核心客户可完全掌控自身软件栈，对英伟达CUDA的依赖度远低于传统企业级云服务客户 [6] - 在大语言模型开发者细分领域，CUDA的相对优势远不如在整个加速器市场中显著，而这些开发者正推动全球超大规模数据中心资本开支占比持续提升 [6] - 博通预计将于2024年下半年开始向OpenAI交付定制ASIC，2027年下半年向Anthropic交付 [4] 竞争与供应链 - 谷歌与联发科的COT合作对博通负面影响有限，博通凭借SerDes技术壁垒，在COT模式下仍将为谷歌供应IO芯粒，占芯片总成本的40-50%以上，且该部分毛利率高达75%+ [6] - 基准情景下，COT仅导致博通EPS稀释8%，远低于市场预期，同时联发科TPU项目进度相对滞后，短期内难以冲击博通市场份额 [6] - TPU产品基于台积电3纳米工艺打造，凭借台积电充足的晶圆供应配额，博通能够充分把握需求增长机遇 [3] 估值与目标价 - 采用SOTP分部门估值法，给予2027财年基础设施软件业务25倍EV/FCF、半导体业务30倍EV/FCF的估值倍数 [7] - 上行情景下目标价可达560美元（潜在涨幅63%），下行情景为290美元（潜在跌幅16%），当前343.94美元的股价存在38%的上涨空间 [7]

一、TPU的崛起与挑战 - Google TPU凭借对LLM的原生优化优势，正成为OpenAI、苹果等科技巨头的重要选择，逐渐打破英伟达GPU的垄断格局[3] - 从GPU生态迁移至TPU面临显著的技术适配挑战，包括数值表示和精度体系差异，模型转换过程复杂，根据参数量差异，复杂模型的转换周期可能长达一周[4] - 全球AI算力需求爆发式增长，TPU出现约50%的供给缺口，导致算力排队和项目延期，并将生产压力传导至核心代工方台积电[5] - TPU基于Google自研的JAX开源框架，与主流的CUDA生态不兼容，熟悉JAX的开发者占比极低，抬高了使用门槛[5][6] 二、TPU与AWS Trainium的对比 - Google TPU将矩阵和张量运算嵌入芯片硬件层面，在LLM规模化运行中具备显著效率优势，是OpenAI选择其作为推理核心的关键原因[7] - AWS Trainium未将矩阵运算模块集成于芯片本身，需依赖外部库和内存调用，导致单芯片效率受限，在大规模集群中累计效率损耗显著[7] - 在网络架构上，谷歌通过GKE在垂直扩展能力上突出；AWS凭借Elastic Fabric Adapter在水平扩展上有优势；英伟达在InfiniBand等技术上实现了横竖扩展的较好平衡[8] - AI芯片竞争已延伸至软件生态、网络架构等全栈协同，Google TPU的“芯片+框架+网络”闭环生态构成了核心壁垒[8] 三、Oracle的逆袭策略与风险 - Oracle凭借绑定美国政府政策和联合产业链伙伴囤积高端芯片，实现了“弯道超车”[9] - 根据美国临时规定，截至10月底，部分硬件厂商需优先供应政府机构，Oracle借此成为政府芯片采购核心伙伴，并联合CoreWeave、Nebius等近乎垄断了H200、B200等高端芯片的市场供给[10] - Oracle与OpenAI签订了未来4-5年价值3000亿美元的计算资源合作协议，通过算力转售赚取20%-25%的抽成[10] - Oracle缺乏自研LLM和成熟的数据中心运营经验，其AI业务与核心数据库业务脱节，商业逻辑高度依赖与Palantir的“数据+算力”互补合作[11] - 未来面临谷歌、微软等巨头的算力竞争加剧，以及若芯片产能缓解、政策红利消退，其资源垄断优势将快速弱化的挑战[12] 四、OpenAI的资金与商业困境 - OpenAI陷入“高投入、低产出”的资金困境，年营收约120亿美元，乐观估算年现金流仅60亿美元，但其总投入规模达3000亿美元级别，现金流无法覆盖需求[14] - 全球多地（欧洲、日本、澳大利亚、印度等）存在算力供给缺口，制约其全球化扩张[14] - LLM推理业务是其核心收入，但该业务毛利率乐观估计仅30%左右，净利率约25%，当前20美元/月的个人订阅价难以可持续盈利，需提价至40-50美元/月[15] - 相比谷歌拥有30亿日活用户的产品生态，OpenAI在企业级应用和云服务上布局薄弱，缺乏稳定落地场景，议价能力较弱[15] - OpenAI计划与博通合作研发专属TPU/NPU芯片，目标在12个月内启动部署，达成10GW级AI加速器容量，涉及百亿级美元订单，但该计划被行业认为不切实际，缺乏经验、资金和供应链资源[16] 五、大模型的未来发展方向 - 当前自回归式大模型出现性能增益边际递减问题，参数量扩大带来的性能提升收窄，而算力成本指数级增长[17] - “用AI生成的数据训练AI”的闭环模式可能导致数据质量劣化[17] - 电力供应不足已成为制约算力集群扩张的现实物理瓶颈，对英伟达的过度依赖导致全供应链承压[17] - 未来发展方向包括：1) 混合专家模型（MoE），通过任务分工降低算力成本并提升效率；2) 扩散模型，一次性生成整体语境以提升推理效率；3) 多模态与实体数据融合，拓展应用场景[18][19] - AGI短期内难以实现，大模型将回归工具属性，行业竞争焦点从“做出更强的模型”转向“更好地落地模型价值”[19]

文章核心观点 - 行业认为Transformer架构在未来至少一至几年内仍将是AI生态系统的基石，但竞争焦点正从单纯追求模型规模转向效率优化和混合架构[4][5] - 扩散语言模型因其并行生成特性和在数据稀缺条件下的学习优势，成为2026年值得关注的新兴变量，但其在工具调用方面的缺陷限制了其作为智能体的应用[11][12][19] 效率战争：混合架构与线性注意力的崛起 - 行业近期重点转向混合架构与效率提升，例如DeepSeek V3采用混合专家模型和多头潜在注意力，在拥有6710亿参数的情况下，每次推理仅激活370亿参数，显著降低了推理成本[7] - 多家公司推出效率导向的模型变体，如Qwen3-Next、Kimi Linear、Nvidia Nemotron 3以及采用稀疏注意力的DeepSeek V3.2[7] - 标准Transformer注意力机制具有O(N²)的计算复杂度，导致长上下文处理成本剧增，因此行业正积极研发线性注意力或稀疏注意力等方案以降低计算开销[9] - 2026年的竞争核心在于如何在更长的上下文和更低的延迟下，提供同等的模型性能[10] - 部分模型采用混合策略，例如将高效的线性层与全注意力层以一定比例混合，以平衡长距离依赖捕捉能力和推理速度[14] 扩散语言模型：速度与代价的博弈 - 扩散语言模型采用并行生成方式，能够以相对快速且低廉的成本生成Token，其生成过程被类比为从噪声中并行“冲洗”出整段文字[12] - 行业预测Google可能在2026年推出Gemini Diffusion，作为其更便宜的Flash模型的替代品，并强调其生成速度“明显快于我们目前最快的模型”[12] - 扩散模型并行生成的特性导致其无法在响应链中原生地整合工具调用，这使其在作为智能体应用时面临巨大挑战[13][15] - 研究表明，若为了匹配自回归模型的性能而增加扩散模型的去噪步数，其最终计算成本可能与自回归模型相差无几[17] 数据枯竭时代的「超级学习者」 - 在互联网高质量文本数据接近枯竭的背景下，扩散语言模型可能成为更好的数据学习者[18][24] - 研究论文《Diffusion Language Models are Super Data Learners》指出，当进行多轮次训练时，文本扩散模型的表现可能优于标准的自回归大语言模型[19][25] - 在数据量受限的情况下，扩散语言模型通过增加训练轮数，其表现持续超越自回归模型，例如一个10亿参数的扩散语言模型，仅通过反复训练10亿个Token，就在HellaSwag和MMLU基准测试上分别达到了超过56%和超过33%的准确率[26][27] - 对于扩散语言模型，验证集损失的上升并不一定意味着下游任务能力的下降，即使看似“过拟合”，其在代码生成、推理等任务上的表现可能仍在提升[28] - 扩散模型具备任意顺序建模、超高密度计算以及内置的蒙特卡洛增强等特性，使其能从有限数据中进行更高效的学习[31]

公司业绩表现 - 幻方量化2025年斩获56.6%的平均年度回报率，在管理规模超百亿元的中国量化基金中位居第二，跻身2025年亚洲表现最亮眼的量化机构之列 [1] - 2024年公司平均回报为-4%（相对于基准指数），2025年则跃升至+56.6% [2] - 公司管理资产规模从2024年的70亿美元增长至2025年估计的82亿美元 [2] - 2025年中国量化基金行业整体平均回报率约30.5%，幻方量化的业绩显著跑赢行业均值 [5] 战略与业务模式转型 - 2025年公司彻底转向以多头策略为核心，全面放弃此前占比颇高的市场中性策略，叠加市场环境回暖，成为业绩大幅跃升的关键推手 [2] - 公司构建了AI与量化相互赋能的独特闭环生态：DeepSeek长期由幻方量化的投资收益内部供血，量化交易利润为AI模型研发提供稳定且低成本的资金支撑 [3] - 技术层面，幻方量化在量化交易中大量借鉴DeepSeek同源的模型架构思路，如混合专家模型，通过精准激活特定专家模块适配不同市场状态，既降低算力消耗又提升决策效率 [3] - 算力资源实现协同，DeepSeek自建计算集群分时复用，除支撑大模型训练外，同步服务于量化策略的数据处理与回测，将硬件投入利用率拉满 [5] 财务与资本结构 - 按1%管理费与20%业绩报酬测算，幻方量化年度费用收入或超50亿人民币，这一规模远超DeepSeek对外披露的模型训练成本 [3] - 独特的资本结构使得公司无需依赖外部资本，就能持续高强度投入研发 [3] - 该模式在全球AI与金融领域极具特殊性：AI不再是单纯烧钱的前端项目，而是由成熟金融业务反向输血；金融策略又持续吸纳AI架构与工程能力完成迭代升级 [5] 行业地位与影响 - 2025年DeepSeek凭借R1、V3等模型在效率与成本上的突破性表现，频频登上国际科技媒体版面 [1] - 幻方量化成为观察中国量化策略复苏路径的核心样本 [5] - 创始人梁文锋精准站在AI工程与量化金融两条赛道的交汇点，搭建起AI与量化相互赋能、持续强化的完整系统 [5]

公司动态 - 英伟达发布了名为Vera Rubin的新一代CPU/GPU平台 [1][2] - 该平台聚焦于提升智能体AI与混合专家模型的运行效率 [1][2] - 该平台目前生产已启动 [1][2] 行业竞争格局 - 竞争对手AMD正虎视眈眈 [1][2] - 主要客户如谷歌、亚马逊和Meta亦虎视眈眈，可能暗示其有自研或采用其他方案的意图 [1][2]

AI推理游戏规则的转变 - 行业评估AI基础设施的关键指标正从单纯的算力硬指标转向“每一美元能输出多少智能”即单位成本的智能输出效率[1][4][20] - 顶级投资人指出当前竞争焦点不再是算力或GPU数量而是每一美元能买到的智能输出[4] - 随着混合专家模型和高强度推理工作负载成为主流行业已无法仅依赖芯片层面的性能提升平台级设计成为决定性因素[20][46] 模型架构演进：从稠密模型到混合专家模型 - 传统稠密模型在生成每个Token时需激活全部参数导致模型越大运行越慢、成本越高、内存需求增长[9] - 混合专家模型架构旨在释放更高水平智能每个Token只激活最相关的“专家”从而提升效率[11] - 全球TOP 10开源大语言模型全部是混合专家模型推理模型在推理阶段会先生成中间推理Token以提高准确性这导致推理Token数量往往远多于最终回复[11][14] 混合专家模型面临的核心挑战 - 混合专家模型的一个核心限制在于“通信瓶颈”当不同专家分布在多块GPU上时GPU间通信延迟会导致GPU空闲等待数据造成算力浪费[14] - 这些“空转时间”直接体现在服务提供商的成本底线上[17] - 评估AI基础设施“经济性”时需聚焦性能、能效和总体拥有成本三方面[17] 英伟达与AMD在稠密模型推理上的性能对比 - 以Llama 3.3 70B为基准在稠密模型推理中英伟达HGX B200方案在整个吞吐量与交互性区间内具备持续性能优势[21] - 在基线交互性水平下B200性能大约是AMD MI355X的1.8倍为交互式应用部署提供显著余量[21] - 当交互性提升至110 tokens/sec/user时B200吞吐量超过MI355X的6倍优势进一步放大[24] 英伟达与AMD在混合专家模型推理上的性能对比 - 在中等规模混合专家模型推理中对于gpt-oss-120B模型当目标是100 tokens/sec/user时B200比MI355X快约1.4倍当目标提高到250 tokens/sec/user时差距扩大到约3.5倍[30] - 通过软件优化双方平台性能均获提升英伟达单GPU峰值吞吐从约7,000 tokens/sec提升到超过14,000 AMD从约6,000提升到约8,500[30] - 在前沿混合专家模型推理中英伟达GB200 NVL72大幅领先在DeepSeek-R1测试中其性能是AMD MI350X吞吐量的28倍[1][18] GB200 NVL72的系统级优势与性能表现 - GB200 NVL72采用机柜级NVLink互联与软件调度能力彻底改变了成本结构[4] - 其让超过8块GPU的张量并行配置也能进入帕累托前沿达到单节点平台无法匹敌的性能[36] - 在25 tokens/sec/user交互性目标下GB200 NVL72单GPU性能大约是H200的10倍超过MI325X单GPU性能的16倍[36] - 当交互性目标提高到60 tokens/sec/user时GB200 NVL72相比H200带来超24倍的代际提升同时接近MI355X的11.5倍性能[37] 单位Token成本的经济性分析 - 尽管GB200 NVL72的单GPU小时价格几乎是竞争平台的2倍但其机架级能力推动了显著更优的单位经济性[20] - 在高交互性的推理工作负载中GB200 NVL72的单位Token成本最低可降至其他方案的约1/15[20] - 按CoreWeave目录价GB200 NVL72单GPU小时价格比H200贵1.67倍但由于其性能提升幅度估计达约20倍使其每美元性能优势达约12倍相对每Token成本仅为H200的1/12[41][42] - 与AMD MI355X相比按单GPU口径MI355X价格约为GB200 NVL72的一半但GB200 NVL72凭借从5.85倍到28倍不等的单GPU性能优势能提供最高15倍的每美元性能优势实现相对每Token成本仅为竞争对手的1/15[44][45] 行业未来趋势与竞争格局 - 前沿AI模型的未来将是更大、更复杂的混合专家模型来自OpenAI、Meta、Anthropic等公司的旗舰模型预计会继续沿此方向演进[46] - 随着模型更深地走向混合专家与推理架构平台级设计成为决定性因素包括互连与通信效率、多节点扩展特性、软件栈成熟度、生态支持与编排能力等[46] - 如果当前轨迹成立英伟达将维持关键的性能与经济性优势谷歌TPU等架构对非自家模型的适用性与性能表现仍不明确[46] - 性能差异能直接转化为可量化的商业结果例如当平台在某个交互性目标下提供28倍的单GPU吞吐提升时可在不线性扩大硬件规模的情况下解锁新产品档位及更复杂功能[47]

文章核心观点 - 混合专家模型（MoE）作为人工智能领域的“架构革命”，以其稀疏激活的核心设计，成为构建超大规模、高效率大模型的主流路径，在性能、效率与成本之间取得了革命性平衡 [1] - 2024年，中国混合专家模型（MoE）行业市场规模约为1.48亿元，同比增长43.69%，技术优越性正吸引广泛投入，推动行业从技术原型快速走向规模化商业应用 [1][7] 行业概述 - 混合专家模型（MoE）是一种通过动态整合多个专业化子模型（“专家”）来提升性能与效率的神经网络架构，核心在于“分治策略+条件计算”，实现高参数容量与低计算成本的平衡 [2] - 其核心特点是“高参数、低计算”的稀疏性，仅激活总参数的一小部分即可扩展模型规模，在不显著增加浮点运算量的情况下，容纳更丰富的知识和更强的泛化能力 [2] - 架构主要由专家网络和门控网络两部分组成，工作流程类似项目经理（门控网络）根据任务挑选最合适的专家完成工作 [2] 行业发展历程 - 技术源于1991年Michael Jordan与Geoffrey Hinton提出的“自适应局部专家混合”理论框架 [3] - 2017年谷歌在论文中首次将稀疏门控机制引入LSTM网络，通过仅激活少量专家子集大幅降低计算成本，在机器翻译等NLP任务中展现性能突破 [3] - 2023年Mistral AI开源的Mixtral 8x7B模型凭借2900亿总参数、388亿激活参数的架构，以更低计算成本超越更大稠密模型，成为开源生态标杆 [3] - 2024年DeepSeek-MoE系列通过动态路由优化与负载均衡算法提升专家协同效率，配合开源策略推动技术普惠 [3] - MoE通过稀疏激活解耦参数量与计算量，已成为大模型时代兼顾高性能与低成本的标志性架构 [4] 行业产业链 - 产业链上游主要包括芯片、存储介质、网络设备等硬件，以及指令集、通信库、计算优化库等软件与开发工具 [6] - 产业链中游为混合专家模型（MoE）的模型开发与训练优化 [6] - 产业链下游主要应用于自然语言处理、计算机视觉、多模态大模型、具身智能等领域 [6] - 2024年，中国自然语言处理行业市场规模约为126亿元，同比增长14.55%，其增长源于大模型技术突破、政策与资本双轮驱动以及企业数字化转型需求激增 [6] - MoE通过动态路由机制激活部分专家子网络，在保持高性能的同时显著降低计算成本，契合大模型时代“高效扩参、稀疏计算”的需求 [6] 市场规模 - 2024年，中国混合专家模型（MoE）行业市场规模约为1.48亿元，同比增长43.69% [7] - 稀疏激活机制使得模型能以远低于传统稠密模型的计算成本，扩展至万亿参数规模 [7] 重点企业经营情况 - 中国MoE行业正形成“开源先锋+大厂生态+垂直深耕”的三元竞争格局，市场集中度尚处动态重塑期 [8] - 头部企业如DeepSeek、昆仑万维、MiniMax为代表，凭借技术原创性与产品先发优势占据制高点 [8] - 大厂企业如腾讯、华为、阿里等科技巨头依托技术积累与生态优势形成多极竞争，通过架构创新与算力优化构建核心壁垒 [9] - **昆仑万维**：是中国MoE架构的先行者与商业化标杆，2024年2月率先发布国内首个搭载MoE架构的千亿级开源模型「天工2.0」，采用16个专家模块（每个13B参数），激活参数量仅22B，推理效率较稠密模型提升3倍 [9] - 昆仑万维2025年前三季度营业收入为58.05亿元，同比增长51.63%；归母净利润为-6.65亿元，同比下降6.19% [9] - **腾讯控股**：2024年初率先在中文多模态领域采用MoE架构，性能较稠密模型提升50% [9] - 腾讯2024年11月开源「混元Large」MoE模型，总参数3890亿，激活260亿，在中文多模态评测中成绩优异 [9] - 腾讯2025年6月发布新版混元MoE（800亿参数），引入GQA机制与混合专家路由，支持25.6万token超长上下文 [9] - 腾讯采取“自研+开源”双轨策略，对内将MoE应用于微信、腾讯会议等产品，通过稀疏计算降低30%推理成本；对外通过腾讯云MoE服务构建B端商业闭环 [9] - 腾讯控股2025年前三季度总营收为5574亿元，同比增长14.26%；毛利为3143亿元，同比增长21.54% [9] 行业发展趋势 - **多模态融合**：随着多模态数据需求激增，MoE架构正与计算机视觉、语音识别等技术深度融合，2025年原生多模态MoE模型通过统一Transformer架构实现跨模态深度交互 [10] - **技术优化突破**：行业正聚焦稀疏门控机制优化以提升训练稳定性与推理效率，例如清华与微软联合提出的MH-MoE架构将专家激活率从8.33%提升至90.71% [11] - DeepSeek-V3采用两级路由策略实现高效负载均衡，减少专家同质化风险 [11] - 硬件层面，华为昇腾超节点通过总线互联技术提升集群吞吐30%，推理能耗降低60%，支持万亿参数模型在消费级硬件部署 [11] - 模型蒸馏与硬件优化技术进一步压缩模型规模，可保留95%性能的同时降低90%存储需求 [11] - **生态构建与落地**：开源框架与国产算力生态成为MoE普及的关键驱动力，DeepSeek-MoE系列通过开源策略吸引超50家企业基于其架构开发垂直领域应用 [12] - 阿里Qwen1.5-MoE-A2.7B模型推动中文MoE技术普惠化，激活参数仅288亿却达成千亿稠密模型性能 [12] - 国产算力方面，华为昇腾云、寒武纪芯片等本土解决方案降低部署门槛，行业正从“技术竞赛”转向“全链条协同”，加速在金融风控、智慧医疗、自动驾驶等领域的规模化落地 [12]

文章核心观点 - 传统的模块化自动驾驶系统存在误差传递和泛化能力有限的问题，而单体端到端系统在应对罕见事件和预测他车意图方面能力不足，车联网（V2X）通信是克服这些局限性的关键技术 [1] - 提出的UniMM-V2X框架首次在多智能体端到端自动驾驶中实现了感知与预测的多级协同，并引入混合专家模型（MoE）架构，为不同任务动态定制特征，在感知、预测和规划任务上均达到当前最佳性能 [1][7] - 该框架通过多级融合与MoE的深度协同，为实现更安全、更具可解释性的协同自动驾驶提供了全新方案，并展现出在实际场景中部署的潜力 [1][25] 技术框架与核心特点 - **框架组成**：UniMM-V2X由图像编码器、协同感知模块以及协同预测与规划模块三部分组成，感知与预测层面的融合构成了统一的多级融合框架 [8] - **MoE架构应用**：在BEV编码器和运动解码器中均部署了MoE架构，编码器为检测、跟踪、建图、运动预测等下游任务生成任务自适应的BEV特征，解码器通过针对特定运动的专家分支提升规划质量 [6][9][11] - **多层级融合机制**： - 感知级融合：采用注意力机制建模智能体间查询关系，进行加权特征融合，克服了依赖固定距离阈值方法的局限性，实现了上下文感知和空间敏感性的特征融合 [12][14] - 预测级融合：通过旋转矩阵转换坐标，并利用注意力机制整合感知上下文，为复杂多智能体场景下的运动推理提供先验信息 [12][14] - **核心贡献**：首次探索多智能体端到端自动驾驶中的多级协同；在编码器和解码器中均引入MoE以增强灵活性与专业化；通过实验验证了多级融合与MoE结合的强大互补效应 [7] 性能表现与实验结果 - **规划性能**：在DAIR-V2X数据集上，UniMM-V2X实现了最低的平均L2误差（1.49米），优于所有基准模型，同时展现出卓越的安全性，3秒平均碰撞率仅为0.12% [15][16] - **感知性能**：与最先进的端到端协同驾驶框架相比，在不增加感知层额外通信成本的前提下，检测性能（mAP）提升了39.7%，跟踪性能（AMOTA）提升了77.2% [17][18] - **预测性能**：取得了最佳的运动预测性能，最小平均位移误差（minADE）为0.64米，最小最终位移误差（minFDE）为0.69米 [19][20] - **综合提升**：该框架使检测性能提升39.7%，跟踪性能提升77.2%，运动预测误差降低7.2%，L2规划误差降低33.2%，碰撞率降低52.0% [7][25] 技术有效性分析 - **多级融合的作用**：感知级融合提升了检测和跟踪性能，但对运动预测和规划影响有限；预测级融合通过提供补充运动线索增强了规划安全性；单层融合不足以优化所有驾驶任务，多级融合确保了高质量中间特征的传播，实现了所有模块的性能提升 [22] - **MoE架构的作用**：仅在BEV编码器中集成MoE增强了环境理解能力，提升了单车感知和规划性能；仅在运动解码器中使用MoE收益有限；当MoE同时应用于编码器和解码器时取得最佳结果，此时编码器产生任务感知特征，解码器利用专家专业化能力捕捉复杂运动行为 [22] - **消融实验证明**：多层级融合与MoE设计的结合对驾驶性能提升有效，表4详细展示了不同配置下的性能对比 [23] 系统实用性与部署潜力 - **通信效率**：与消耗大量带宽的BEV特征传输方法不同，该框架在不牺牲规划质量的前提下，将通信成本大幅降低了87.9倍 [24] - **运行效率**：UniMM-V2X达到了5.4 FPS的帧率，集成MoE和多级融合机制导致速度轻微下降，但相对于规划安全性和可靠性的显著提升，成本效益比极佳 [24] - **环境适应性**：在不同带宽条件下均表现良好，能够有效利用可用通信带宽进行协同规划，确保了在真实世界自动驾驶场景下的可靠性和可扩展性 [24][27] - **部署前景**：该框架在不同带宽约束下展现出了可靠性，突显了其在现实世界协同驾驶中的实际部署潜力，为多智能体协同驾驶的未来提供了一条清晰的技术路线 [25]

文章核心观点 - 英伟达近期通过发布技术博文等一系列密集的“自证”行动，旨在回应市场对其AI芯片市场主导地位可能受到挑战的担忧，并展示其最新GB200 NVL72系统在提升开源AI模型性能方面的显著优势 [2][5] GB200 NVL72系统的技术优势与性能 - 英伟达GB200 NVL72系统可将顶尖开源AI模型的性能最高提升10倍，在测试中使Kimi K2 Thinking模型实现了10倍性能提升 [2][9] - 该系统将72颗Blackwell GPU集成为一体，提供1.4 exaflops的AI算力和30TB的快速共享内存，GPU间通信带宽高达130TB/s [9] - 该系统通过硬件与软件的协同设计，解决了混合专家模型在生产环境中的扩展难题，消除了传统部署的性能瓶颈 [2][10] 混合专家模型的行业地位与英伟达的优化 - 混合专家模型已成为前沿AI主流选择，Artificial Analysis排行榜前10名的开源模型均采用MoE架构，包括DeepSeek-R1、Kimi K2 Thinking等 [10] - MoE架构模仿人脑，仅激活处理特定任务所需的专家模块，能在不显著增加计算成本的情况下实现更快速、高效的token生成 [10] - 英伟达的系统专门针对MoE模型进行了优化，以应对其扩展挑战 [10] 市场竞争背景与英伟达的回应 - 英伟达正面临来自谷歌TPU和亚马逊Trainium等竞争对手的挑战，其AI芯片市场份额超过90% [5] - 市场担忧其关键客户Meta考虑大规模采用谷歌TPU，这可能意味着英伟达的市场护城河出现缺口 [5] - 尽管公司近期密集发声，但市场担忧未明显改善，其股价近一个月跌幅已接近10% [6] GB200 NVL72系统的市场部署进展 - 该系统正被主要云服务提供商和英伟达云合作伙伴部署，包括亚马逊云服务、谷歌云、微软Azure、Oracle云基础设施等 [12] - CoreWeave表示正与英伟达紧密合作，为客户提供紧密集成的平台以将MoE模型投入生产 [12] - Fireworks AI已在英伟达B200平台上部署Kimi K2模型，并指出GB200 NVL72的机架规模设计为大规模MoE模型服务设立了新的性能和效率标杆 [12]