文章核心观点 - 国家数据局将Token规范定名为“词元”，作为AI大模型处理信息的基本单元，围绕其计量、调用、核算和价值转化形成的“词元经济”新形态正在加速成形 [4] - 词元经济的形成源于生成式AI走向现实应用，其意义在于为AI服务的价值衡量、资源配置和规模化应用提供了现实基础 [5] - 词元调用规模从2024年初的日均1000亿增长至2026年3月的超过140万亿，两年增长超千倍，展现了该经济形态的迅猛发展势头 [4] 词元经济的定义与现状 - “词元经济”是指在生成式AI运行和应用中，以词元为基础计量单位，围绕模型调用、信息处理、成本核算、服务定价和价值转化形成的资源配置方式 [3][4] - 词元是AI大模型处理文本、代码、图像描述等信息的基本单元，如一个汉字、一个标点或一个词汇片段 [4] - 当前词元调用规模持续快速增长，2024年初我国日均词元调用量为1000亿，至2026年3月已超过140万亿，两年增长超千倍 [4] 词元经济形成的驱动因素 - **供给侧变化**：大模型能力通过接口调用嵌入具体业务场景，智能服务的供给方式向按需接入、按量计费、动态优化转变 [5] - **需求侧拓展**：软件开发、深度研究、个人助理等智能体应用落地，推动AI应用由简单问答延伸至更复杂的任务处理场景，此类场景上下文更长、交互轮次更多，词元消耗量明显高于一般交互场景 [5] - **核心发展逻辑**：词元经济的发展不仅取决于调用规模扩张，更关键的是单位词元消耗能否有效转化为真实的服务价值并带来效率提升 [5] 词元经济的主要价值 - **使智能服务供给更精细灵活**：以词元为计量尺度，将抽象的模型能力转化为可量化、可比较、可评估的标准服务形态，使成本核算、服务定价和资源配置更为精细，适应多样化需求 [6] - **降低智能服务接入门槛**：词元计量使中小企业和开发者能根据实际需要灵活调用模型，实现按需接入，无需承担整包采购的高昂成本，推动智能服务向更广泛领域延伸 [6] - **推动智能服务生态协同优化**：词元经济的规模化应用，带动高质量数据集建设、算力资源优化配置和模型能力迭代相互促进，形成良性循环，并提升整体算力资源利用效率 [6] 词元经济发展面临的挑战 - **算力与能源供给压力**：词元经济的规模化发展意味着海量的模型调用与推理计算，对算力基础设施和能源保障提出高要求，算力消耗和能源需求随调用规模快速增长而同步上升 [7] - **产业生态与标准体系不成熟**：开发者生态、工具链体系等配套基础不够健全，围绕词元计量、服务定价、质量评估、结算方式等方面的规则仍处于探索阶段，缺乏跨模型、跨模态的统一透明市场规则 [7] - **数据安全与合规性挑战**：词元的高频调用和持续交互建立在高频次、大规模的信息处理和数据流动基础上，增大了个人隐私、商业秘密、重要数据的保护压力，跨境调用使数据流动与合规责任界定更复杂 [8] 推动词元经济健康发展的建议 - **夯实底层基础**：加快推进算力基础设施建设，加强面向大模型推理需求的算力部署，提升算力供给效率和资源统筹能力，同时持续提升高质量数据集供给水平并支持开源模型生态发展 [8] - **健全产业生态**：加快建立涵盖词元计量、服务定价、质量评估、结算方式等内容的基础规则体系，推动形成跨模型、跨模态的统一标准体系，完善开发者生态和工具链体系 [9] - **筑牢安全底线**：加快明确高频词元交互场景下的数据分类分级保护要求，构建权责清晰、技术可控的安全治理框架，建立健全AI生成内容审核与溯源机制，防范技术滥用和违规金融炒作风险 [9]

战略合作概述 - 杭州泰格医药科技股份有限公司与生成式人工智能驱动的临床阶段生物医药科技公司英矽智能签署战略合作协议 [1] - 合作协议签署时间为4月16日 [1] 合作内容与目标 - 双方将围绕创新药产品的临床研究开展长期战略合作 [1] - 合作旨在通过AI来驱动药物研发提速增效 [1] - 最终目标是助力创新药更快落地、惠及全球患者 [1]

报告行业投资评级 * 报告未明确给出类似“买入”、“增持”等传统股票市场投资评级 该报告为行业现状与趋势调研 而非针对特定上市公司的投资建议 [1] 报告核心观点 * 生成式人工智能已在法律、税务与会计、企业风险与欺诈及政府等专业服务领域全面扎根 并进入大规模普及阶段 组织正转向更战略性地思考AI 将其定位为未来工作流程的核心 [2][3][4] * 代理式人工智能被视为技术创新的下一阶段 目前采纳处于早期但规划积极 预计未来几年将实现大规模发展 [3][7] * AI的初步采用已基本完成 行业关注点转向其更深远的影响 包括对劳动力、商业模式和行业结构的潜在颠覆 同时AI的投资回报率衡量、客户与服务机构间的AI协作目标分歧等更广泛的商业议题逐渐显现 [3][7][8] 当前人工智能使用状况总结 * **组织采用率大幅增长**：过去12个月 声称其组织正在部署生成式人工智能的受访者比例从22%显著提升至40% 仅19%的受访者表示其组织完全无计划采用 [5][6] * **个人使用普及且高频**：超过半数的专业人士表示在工作中使用ChatGPT等公开可用的生成式AI工具 在当前使用者中 超过80%至少每周使用相关工具 其中超过半数每日使用 [5][21][28][32] * **行业专用工具增长显著**：付费行业专用解决方案的使用率在2026年提升了14个百分点 42%的受访者表示正在计划或考虑采纳 [21] * **主要应用场景**：生成式AI最常见的应用集中于内部工作事务 如调研、起草及摘要 并日益融入日常工作流程 [5][32] * **法律行业**：前三大应用为法律研究(80%)、文档审阅(74%)、文件摘要(73%) [30] * **财税行业**：前三大应用为税务研究(69%)、文件摘要(57%)、文件审阅(55%) [30] * **风险与欺诈行业**：前三大应用为文档摘要(86%)、文档审阅(74%)、风险评估与报告(71%) [30] * **成为核心流程的预期**：87%的受访者认为生成式人工智能将在未来五年内成为其工作流程的核心部分 [5] 代理式人工智能的崛起总结 * **当前采用处于早期但增长潜力大**：仅15%的专业人士表示所在组织已使用代理式AI工具 但另有53%称组织正处于规划或考量阶段 [7][35] * **未来成为核心的预期强烈**：77%的专业人士预计到2030年 代理式AI将成为其工作流程的核心组成部分 [7] * **企业部门采纳意愿更高**：企业税务部门对代理式AI的采纳率高于平均水平 企业法务和税务部门中认为应当应用代理式AI的比例分别达到79%和67% [56] * **与生成式AI的认知差异**：专业人士对代理式AI可能持比生成式AI稍显谨慎的态度 部分人对两者的区别及实际应用方式存在困惑 [57][58] 人工智能的认知与态度总结 * **支持应用的比例持续上升**：认为生成式AI应当应用于其工作的受访者比例从2024年的54%增长至2026年的66% 接近三分之二 [44][45][47] * **整体情绪积极乐观**：超过半数受访者对生成式AI的未来感到“兴奋”和“期待” 不到20%的人表示“担忧”或“害怕” [50][54] * **支持与反对的主要理由**： * **支持理由**：节省时间/简化流程、提升效率和生产效率、协助或自动化例行任务 [48][51] * **反对理由**：可靠性/准确性问题、输出内容缺乏针对性/缺乏批判性思维、需要人工监督 [48][51] * **对行业影响的担忧加剧**：专业人士日益认识到AI可能引发行业范围内的重大变革 预计AI将对现有岗位、计费模式及专业人员整体需求构成威胁的比例在2026年有所上升 [7][62][64] 人工智能的商业影响总结 * **投资回报率衡量严重缺失**：仅18%的受访者表示其组织会收集关于AI投资回报率的相关指标 40%的受访者表示不清楚其组织是否收集 [8][9][72] * **现有指标侧重内部**：在收集ROI指标的组织中 指标大多聚焦于内部成本节约(77%)、员工使用率(64%)或员工满意度(42%) 而非客户满意度(26%)、业务增长(23%)或新增业务(17%)等面向业务的指标 [74][76] * **客户期望与机构实践存在分歧**： * 约三分之二的企业受访者认为外部服务机构应采用AI 但不到20%的企业通过政策或招标文件明确要求其使用 [8] * 40%的专业人士表示 因应不同客户 既被要求使用AI 也被要求不使用AI [8][88] * 客户与服务机构对彼此的AI目标缺乏清晰认知 74%的受访者认为 公司应主动启动关于AI使用的对话 [8][83] * **沟通与信任挑战**：尽管企业客户期望外部合作机构采用AI 但由于缺乏切实有效的激励机制和标准化指导 机构在回应客户时可能缺乏坦率 导致双方在AI应用方式上未达成共识 [78][87][90]

文章核心观点 - 截至发稿，共有81家A股上市公司发布2026年一季度业绩预告，其中11只个股净利润同比预增上限超过500% [1] - 业绩高增长公司主要集中于电力设备、国防军工、电子、医药生物、机械设备、有色金属及纺织服饰等行业，增长驱动力包括下游需求增长、产品量价齐升、原材料价格上涨传导以及公司战略转型见效等 [2] 2026年一季度业绩预告概览 - 统计范围内有81家A股公司发布2026年一季度业绩预告 [1] - 其中11家公司净利润同比预增上限超过500% [1] 业绩同比预增超500%个股详情 - **天华新能**：归母净利润上限10.50亿元，同比上限32120.45%，所属电力设备行业，业绩增长受储能与动力电池下游需求增长推动，锂电材料业务利润大幅增长，非经常性损益影响约2200万元 [2][3] - **博云新材**：归母净利润上限1.42亿元，同比上限14348.70%，所属国防军工行业，在硬质合金主要原材料碳化钨价格上涨背景下，依托资金、规模、技术优势实现产品量价齐升，板块收入及毛利率大幅增长 [2][3] - **香农芯创**：归母净利润上限14.80亿元，同比上限8747.18%，所属电子行业，受生成式人工智能应用需求增长驱动，行业景气上行，企业级存储产品价格上涨，公司盈利能力改善，利润水平提高 [2][4] - **富祥药业**：归母净利润上限0.75亿元，同比上限3250.01%，所属医药生物行业，受益于新能源行业景气提升，动力电池需求稳步增长及储能电池需求快速爆发，带动上游锂电材料需求，公司锂电池电解液添加剂业务态势良好，VC、FEC等核心产品量价齐升 [2] - **欧科亿**：归母净利润上限2.20亿元，同比上限2770.87%，所属机械设备行业，硬质合金刀具主要原材料碳化钨持续大幅上涨，公司实现产品量价齐升，数控刀片及相关刀具产业园项目产能利用率持续提升，产品毛利率和净利率同比提升 [2] - **西部黄金**：归母净利润上限5.60亿元，同比上限2260.91%，所属有色金属行业，业绩增长主要因黄金产品销量增加、销售价格上升以及电解锰销售价格上升 [2][4] - **富春染织**：归母净利润上限0.80亿元，同比上限1554.50%，所属纺织服饰行业，公司聚焦提升产品品质与效益，产品定价调整策略成效明显，同时叠加大宗商品棉花及染化料价格上涨因素，盈利水平持续提升 [2][5] - **万邦德**：归母净利润上限1.65亿元，同比上限985.40%，所属医药生物行业，公司由仿制药向创新药战略转型初见成效，业务拓展取得积极进展，并持续加大研发力度，同时加强内部管理，加快应收款回收，有效加速资金回笼 [2] - **强一股份**：归母净利润上限1.21亿元，同比上限761.60%，所属电子行业，主要受益于全球AI算力芯片测试需求快速增长，叠加半导体行业整体景气上行周期，下游客户测试需求旺盛，公司成熟MEMS探针卡产品订单持续放量，前期已发货未确认收入订单在本期确认，客户结构优化与规模效应呈现 [2] - **新锐股份**：归母净利润上限3.25亿元，同比上限603.64%，所属机械设备行业，硬质合金及切削工具产品销量提升，同时在原材料价格上涨背景下，公司对硬质合金及工具全线产品全面提价，产品盈利能力较大幅度提高 [2] - **华锐精密**：归母净利润上限1.90亿元，同比上限550.15%，所属机械设备行业，在主要原材料碳化钨价格持续上涨背景下，公司依托资金与规模双重优势，产品实现量价齐升，同时对期间费用的有效控制使费用率有所下降 [2] 部分高增长个股具体数据与市场反应 - **天华新能**：预计一季度归母净利润9亿元-10.5亿元，同比增长27517.53%-32120.45%，环比增长143.90%-184.55%，业绩预告次日股价盘中一度涨近16% [3] - **博云新材**：预计一季度归母净利润1.11亿元-1.42亿元，同比增长11194%-14349%，环比增长249%-346% [3] - **香农芯创**：预计一季度归母净利润11.4亿元-14.8亿元，同比增长6714.72%-8747.18%，环比增长517.22%-701.30%，业绩预告次日股价20CM涨停 [4] - **西部黄金**：预计一季度归母净利润4.5亿元-5.6亿元，与上年同期（法定披露数据）相比同比增加1161.38%-1469.71%，与上年同期（追溯调整后）相比同比增加1797.16%-2260.91% [4] - **富春染织**：预计一季度归母净利润0.7亿元-0.8亿元，同比增加1347.69%-1554.50%，业绩预告次日录得涨停 [5]

产品发布与核心定位 - 全球首个全景式碳排放核算系统“磐石·禹衡碳核算大模型”正式上线，该系统通过生成式人工智能重构碳核算领域范式，动态刻画全球碳流动与碳溯源 [1] - 该模型旨在精准服务国家应对气候变化需求，是全球首个覆盖生产端、消费端及自然源的全景式碳排放核算系统 [1] 技术架构与数据基础 - 模型以“磐石·科学基础大模型”为基座，构建了数据、算法、算力三层支撑体系 [3] - 高质量数据集累计汇聚208TB多格式碳数据，为碳数据智能查询、知识推理、场景应用提供坚实数据基础 [3] - 内部数据集聚焦生产端、消费端、自然源、碳溯源等关键业务场景，外部数据集涵盖法律法规、核算指南、行业知识及外部数据库等重要信息资源 [3] 解决的问题与初步成果 - 该大模型旨在破解传统碳核算面临的知识壁垒高、数据处理难、周期长、分辨率低等瓶颈问题 [5] - 目前基于大模型已初步实现国别级高精度碳全息图谱 [5] - 模型精准核算了我国绿色产品的全球减排贡献，例如2024年我国出口的风机和光伏产品，在生产阶段产生约200万吨碳排放，但在运行阶段为全球贡献了约3.5亿吨碳减排收益 [5] 应用场景与未来规划 - 模型应用场景广泛，包括项目碳核算、产品碳足迹、组织碳排放、国家清单、隐含碳排放、减排路线图、CCER、碳标签、碳交易市场、全球碳盘点和CBAM等 [8] - 下一步，研究团队将持续迭代模型，形成具有自主知识产权的算法、数据和报告 [7] - 模型将为我国国家温室气体清单编制、全国碳市场建设、重点产业绿色转型及国际碳政策应对等重大需求提供支撑 [7] - 目标是为推动全球建立更加公平科学的碳核算与责任分配新秩序贡献中国智慧 [7]

博通与Anthropic及谷歌的合作动态 - 博通公司宣布将为谷歌生产未来版本的人工智能芯片，并与人工智能初创公司Anthropic签署扩展协议，该协议将使Anthropic能够利用谷歌的人工智能处理器获得约3.5吉瓦的计算能力 [1] - 博通股价在盘后交易中因此消息上涨3% [1] - 博通首席执行官陈阜阳表示，对于Anthropic，公司在2026年开局良好，将利用谷歌TPU提供1吉瓦的计算能力，并预计到2027年，这一计算需求将激增至超过3吉瓦 [1] Anthropic的业务增长与财务表现 - Anthropic的年化收入已超过300亿美元，高于2025年底的约90亿美元 [3] - 今年2月，Anthropic宣布完成G轮融资时，超过500家企业客户的年消费额均超过100万美元，如今这一数字已超过1000家，在不到两个月的时间里翻了一番 [3] - Anthropic的Claude应用程序在2月份成为苹果应用商店中美国排名第一的免费应用程序 [1] 行业竞争格局与多方合作 - 博通公司同时也在与Anthropic的竞争对手OpenAI合作开发用于AI的定制芯片 [2] - OpenAI承诺使用AMD的GPU，总容量达6吉瓦，其中第一个吉瓦将于今年下半年投入使用 [2] - Anthropic在多种人工智能硬件上训练和运行Claude，包括AWS Trainium、Google TPU和NVIDIA GPU，这种平台多样性旨在为客户带来更高性能和更强稳定性 [4] - Claude是唯一一款面向全球三大云平台（亚马逊云服务、谷歌云和微软Azure）客户的前沿人工智能模型 [5] 市场分析与预测 - 瑞穗证券分析师团队预测，博通公司2026年将从Anthropic公司获得210亿美元的AI收入，2027年将获得420亿美元 [1] - 此次合作披露的信息凸显了市场对能够运行生成式人工智能模型的基础设施的强劲需求 [1] 基础设施投资与战略布局 1. Anthropic与谷歌和博通签署新协议，将获得数吉瓦的下一代TPU容量，预计将于2027年开始上线，以为其Claude模型提供动力 [3] 2. 绝大多数新增计算资源将设在美国，这使得此次合作成为Anthropic对2025年11月承诺投资500亿美元加强美国计算基础设施的重大扩展 [3] 3. 此次合作深化了Anthropic与Google Cloud的现有合作，建立在去年10月宣布的TPU容量增加的基础上 [4]

文章核心观点 - 2025年是中国智慧教育元年，生成式人工智能（GenAI）技术成为重构教育生产力的逻辑底座，其发展目标是实现“规模化的个性供给”和“可量化的教学成效”[1][3] - 教育过程存在“40/60分割”，即约40%可被技术工具化替代，60%涉及情感、价值塑造等人类核心劳动，GenAI的价值在于解放教师以专注于后者[2][5] - 政策驱动与技术突破共同推动GenAI在教育行业快速渗透，行业市场规模预计将从2025年的3442亿元增长至2028年的8910亿元，年复合增长率达37%[1][7][18] - GenAI正在深刻重构教育市场的供给逻辑、商业模式及竞争格局，驱动教育科技公司向拥有算法壁垒、私有数据和核心场景的科技公司进化[15][81][84] 技术驱动与行业渗透 - **技术驱动变革**：GenAI通过重构信息形态、工具应用、空间场景和组织形式四大核心要素，将静态信息升级为动态智能体，将效率工具进化为认知伙伴，驱动教育市场向规模化个性供给演进[3] - **整体产业增长**：2025至2029年，中国AI产业预计保持32.1%的年均复合增长率，2029年市场规模将突破1万亿元，GenAI凭借强语言交互特性，使教育行业成为其快速渗透的主要战场之一[7] - **校端市场启动**：中国教育信息化经费规模稳健增长，2025年预计达5515亿元，2028年将达6802亿元，自2025年下半年起，学校端GenAI采购需求明显上升[10] - **C端市场覆盖**：截至2025年12月，中国生成式AI用户规模达6.02亿人，较2024年底增长141.7%，普及率达42.8%，教育场景渗透显著，57.3%的家长在辅导孩子时使用GenAI应用[12] - **市场规模预测**：2025年GenAI+教育产品服务总规模预计达3442亿元，预计以37%的年复合增长率在2028年达到8910亿元，其中纯粹技术能力价值增长更为迅猛，年复合增长率达45%[18] - **技术价值占比**：2025年，GenAI技术能力价值在整体产品服务中的平均占比约为20%，即平均每5元产品服务中有1元多用于购买技术能力，该占比预计将逐年上升[19] 学校端（B/G端）采购需求分析 - **普通高校需求**： - 教育信息化采购中，明确涉及GenAI的项目数量占比约27%，校园公共服务和数智化教学类项目GenAI含量最高[21] - 采购预算多集中在100万-400万区间，涉及完整大模型部署方案，不同层级高校需求差异明显：985/211高校聚焦算力主权与自主可控生产力底座；普通本科院校更关注全栈一体化的软件+内容解决方案[24] - **职业院校需求**： - 教育信息化采购中，明确涉及GenAI的项目数量占比约35%，数智化教学和学科实训类项目GenAI浓度最高[27][30] - 采购预算集中在150万-400万区间，“双高”院校目标为构建校级AI能力中心与MaaS平台，预算可达400万至千万级；普通高职院校聚焦AI+特色专业群融合；中职学校倾向于采购轻量化成品工具包[32] - **中小学需求**： - 教育信息化采购中，明确涉及GenAI的项目数量占比高达46%，基础设施与算力基座、数智化教学类项目GenAI浓度高[34] - 采购预算多在100万-500万水平，地方教育部门侧重数字基座和智算云平台，中小学直采侧重场景应用如AI实验室，不同地域采购重点存在差异[37] - **采购共同特征**： - **技术架构**：倾向采用“LLM+RAG+知识图谱”复合架构以应对模型幻觉，确保内容与教学大纲匹配[41][43] - **交互模式**：期待AI成为具备规划与执行能力的任务驱动型智能体（Agent），实现从被动问答到主动行动[41][43] - **部署方式**：基于数据安全与合规要求，普遍将本地化私有部署及国产信创适配作为硬性要求[41][43] - **高校/职校特色**：倾向采购应用于建筑、医护、财经等专业领域实训的垂直大模型[41][43] - **中小学特色**：希望GenAI能力覆盖教室、操场等更多物理空间，应用于校园安全、体育教学等特定场景，实现非接触式风险预判[41][43] 消费端（C端）用户行为与需求 - **K12学生使用（垂直大模型）**： - 主要用于辅助校内作业（50.5%）、自主学习/刷题（49.9%）及知识科普（49.9%），功能偏好前三为习题讲解（44.9%）、作业批改（42.6%）和AI题库（42.5%），近九成家长认为其对孩子学习有帮助[44] - **K12学生使用（通用大模型）**： - 行为更多元，除辅助作业外，也用于发展兴趣/知识科普和创意写作/绘画，最常使用知识问答和内嵌的学习功能模块，近九成家长认为其有帮助[48] - **家长辅导场景使用**： - 家长使用模式尚未固化，37.1%固定使用一两款，35.6%多款混合使用，高频场景为拍照搜题/错题分析和知识搜索答疑，对不同技术来源模型暂无显著偏好[52] - **家长态度与担忧**： - 近四成家长认为AI是不可逆转的趋势，主张孩子尽早适应，但45.8%的家长担心孩子过度依赖AI导致思维惰性，35.9%担心滋生抄袭，33.6%担心减少人际交流[54] - **家长付费逻辑重塑**： - GenAI并未创造新需求，而是重塑了家长传统教育投入链条的供给侧，将解决“学会学习、环境构建、辅导纠错、伴学监督、学情诊断”五大核心诉求的方式，向AI精准服务转型[57] - **区域差异**： - 一线城市家长理性审慎重实效；新一线城市家长付费意愿最强，呈现教育与技术双重内卷；二线城市家长态度保守，倾向于跟随主流；三线及以下城市家长态度矛盾且价格敏感度高[60] - **成年学习者使用**： - 使用者中大学生占比62.2%，职场人士占37.8%，最高频应用为学习资料生成归纳和学习计划制定，40.9%的人会混合使用多款AI工具，常应用于语言类考试和公务员/考编备考[63] - **成年学习者付费特征**： - 核心驱动力是生存和进阶需求，GenAI扮演“数字义肢”角色，折叠时间、提升效率，在校大学生付费行为离散、小额，多为救急；在职学习者对价格脱敏但对时间敏感，追求即时学习交付[66][68] 产业生态与竞争格局 - **应用形态发展**：市场呈现纵横双向发展，横向从单一工具向一体化平台演进，纵向在更细分场景中进行精细尝试，覆盖学、教、管全环节[72] - **教育垂直大模型竞争**：市场进入以场景深耕与价值交付为核心的中场竞争，短期较量功能创新，中期比拼数据闭环与生态整合，长期取决于对教育质量与效率的根本性提升[74] - **通用大模型应用路径**：教育科技公司引入通用大模型（如DeepSeek、Qwen）主要有三种方式：直接API调用（快速减少）、基于开源模型垂直微调、以及自研大模型+通用大模型的混合架构[79][80] - **商业模式影响**：GenAI驱动教育科技行业代际更替，标准化数字内容不再构成商业堡垒，价值转向私有教育数据，成功企业通过私有数据闭环训练垂域模型或深度集成开源技术，构建算法与数据壁垒[81] - **企业进化路径**：服务商需根据自身赛道禀赋，将AI技术、专业内容、人力服务等按比例重组成差异化交付配方，而非盲目扎堆技术投入[84] - **国际案例启示**： - **ChatGPT-Edu**：战略瞄准教育体系核心的系统性嵌入，通过高级提示词工程和制度化合规，旨在成为教学流程中可信、可控的核心服务层[87] - **Gemini for Education**：基于LearnLM原生教学生态，内嵌引导式教学策略，通过启发式提问引导学生思考，深度融合于Google Workspace生态[90] - **国内厂商动态**： - **千问（阿里巴巴）**：推出基于Qwen3训练的教育垂直大模型Qwen3-Learning，定位为免费、不限次数的“拍题答疑+作业批改”智能助手，通过专用模型精度、多模态交互和生态资料库构建护城河[93][94][97] - **科大讯飞**：构建覆盖教学、学、考、管、素质五大场景的智慧教育产品矩阵，2025年星火大模型相关中标金额达23.16亿元，预计净利润同比增长40%-70%，研发投入占营收20%以上[99][102] - **云启智慧**：定位教育数智产品公司，依托联通、华中师大、网龙优势，提供全流程解决方案，系统性将AI技术赋能校园管理、学生评价、智慧教学等核心环节[105][109]

ESIE2026展会与产品发布 - 公司在第十四届储能国际峰会暨展览会（ESIE2026）上集中展示了全场景储能解决方案，包括∞Cell 1175Ah长时储能电池及系统、AIDC全时长储能方案等创新成果 [1] - 公司在展会现场正式公布了其∞Power 6.25MWh 4小时长时储能系统大规模火烧测试的完整成果 [1] - 这是全球首次搭载千安时级电芯的长时储能系统开门火烧测试，为行业安全验证树立了新标杆 [1] 大规模火烧测试与安全认证 - 公司举办了“全球首个超千安时电芯储能系统大规模火烧测试UL颁证仪式”，并公开分享了试验设计、执行过程及数据成果 [4] - 该测试严格依据UL 9540A第6版（2026年3月发布）标准进行，模拟最危险的“无密闭防护”充分燃烧环境 [7] - 测试设置多重严苛边界工况：预制舱全开门、舱体“背靠背、肩并肩”双15cm极限间距、电芯满电100%SOC运行，并主动关闭主动消防系统 [8][9] - 测试结果显示，在持续燃烧条件下，系统成功将火情控制在单一预制舱内，未发生舱间热蔓延；燃烧结束后，钢制舱体结构保持完整，无明显坍塌或变形 [9] - 公司获得国际权威机构UL Solutions颁发的大规模火烧试验认证证书，标志着其产品安全达到国际领先水平 [1][5][7] - 由于UL 9540A第6版已被美国、欧洲、澳洲、中东等监管机构采纳为市场准入额外要求，此次通过测试意味着其6.25MWh系统已满足上述严苛市场准入条件 [7] 技术创新与制造能力 - 公司核心产品包括∞Cell 1175Ah千安时长时储能电芯 [1][10] - 公司重庆基地于2026年1月获评全球首座储能电池行业“灯塔工厂”，拥有全球首条长时储能专用电池产线 [10] - 该基地部署40余个数字化解决方案，深度融合生成式人工智能、机器学习及人工智能物联网（AIoT）等前沿技术，构建了覆盖研发、材料遴选、生产制造到成品检测的全链条智能管控体系 [10] 行业影响与公司战略 - 公司将一次极限安全验证转化为可感知、可复用的行业经验，推动了长时储能系统安全从“设计可控”走向“安全可鉴”的行业共识 [4] - 此次成功测试为全球储能安全标准完善提供了重要实践参考，并为全球长时储能规模化落地提供了可复现、可溯源、可采信的安全工程范本 [7][9] - 公司以此次火烧试验成果为安全基石，结合∞Cell 1175Ah千安时电芯的技术创新与重庆“灯塔工厂”的极限智造能力，正加快推动长时储能的规模化应用 [10] - 公司未来将持续聚焦长时储能核心赛道，以安全可验证的产品力、规模化交付的履约力、全场景覆盖的方案力，携手全球合作伙伴，共促储能产业高质量发展 [11]

AI硬件基础设施投资逻辑的转折点 - 市场最危险的时刻并非基本面恶化，而是基本面仍在变好但预期已经见顶，当前正目睹AI硬件基础设施投资逻辑的转折点[1] - 在流动性边际收紧与地缘供应链重构的双重夹击下，市场正经历一场从“市梦率”向“市盈率”的残酷回归[1] - 这不仅是存储芯片的周期波动，更是对过去三年所有高估值成长股定价模型的一次压力测试[1] 增长斜率见顶与股价逻辑 - 本轮下跌的核心误判在于市场用“基本面增长”解释股价，而忽略了更关键的变量——增速拐点，股价反映的是未来现金流的二阶导数[3] - 以美光科技为例，其2026年第二财季每股收益（EPS）同比暴增756%，第三财季指引同比增长1140%，但市场已无法交易“更高的增长”[5] - 当同比增速达到四位数，维持高百分比增长的难度呈指数级上升，环比增速开始从162%下降至58%[5] - 股价见顶不等于基本面见顶，股价见顶等于增速与利润率见顶，历史案例显示特斯拉在2021年营收突破100亿美元时股价见顶，随后两年营收翻倍至250亿美元但股价持续回撤[5] - 资本市场永远提前交易减速，因为减速意味着估值倍数的压缩，当投资者发现下一季度的惊喜难以超越上一季度时，离场成为理性选择[6] 三重共振因素加剧下跌 - 下跌由三重因素叠加共振引爆：需求端价格崩塌、供给端长单体现焦虑、情绪端机构叙事反指[7][8][9] - 需求端：DDR5现货价格3月以来快速下跌，部分渠道单周跌幅超过30%，存储涨价抑制了PC和手机需求[8] - 集邦咨询数据显示，2026年全球笔电出货预期从-9.2%下修至-14.8%，手机出货量预计下滑10%-15%[8] - 供给端：美光与大客户签订长期合同，这并非纯粹的利好，而是对未来需求不确定的体现，厂商在上行周期更倾向于现货定价以获取最大弹性[8][9] - 情绪端：机构叙事出现“反指效应”，当“利好报告”与价格下跌同步出现时，叙事可能服务于流动性退出而非趋势判断[9] 氦气供应构成新的黑天鹅风险 - 氦气问题是一个可能改变芯片供给逻辑的变量，在半导体制造中具有冷却效率最高、化学惰性极强、在关键环节几乎不可替代的特性[11] - 全球供应链结构极端脆弱：韩国约64.7%氦气依赖卡塔尔，半导体厂库存上限约6周，运输依赖极低温（-268.9°C）液态容器[11] - 一旦供应中断将出现致命错配：库存耗尽只需6周，但供应恢复需要2-4个月，这可能导致原材料断供引发良率下降、供给塌陷与价格失真[11] - 氦气作为不可再生的战略资源，其开采正面临地缘政治干扰，2026年初中东局势波动影响了液化天然气的副产物提取，进而波及氦气供应[11] - 对于高度依赖先进制程的存储厂商而言，这不仅是成本问题更是生存问题，整个风险定价模型可能需要重写[12] 资金策略转向与市场风格切换 - 资金正在离开“确定性叙事”，从做多逻辑转向对冲策略[13] - 存储芯片正从“戴维斯双击”走向“戴维斯双杀”的边缘，单纯做空个股并非最优解，更有效的是寻找“结构性对冲”[14][15] - 韩国市场成为一个典型对冲标的，其风险集中在存储产业权重极高、杠杆化散户参与度高、指数涨幅远超基本面三个维度[15] - 2026年韩国综合股价指数（KOSPI）的市值与GDP背离程度已达到历史极值[15] - 资金开始从“AI叙事”中抽离，转向更具对冲属性的交易，市场风格从“成长信仰”回归到“价值防御”，更青睐拥有自由现金流、回购能力强、且不受单一原材料卡脖子的企业[15] 预期定价权的转移 - 美光的下跌是一个信号，表明市场正在从“相信增长”转向“怀疑增长”[17] - 过去几年为“未来的可能性”支付高昂溢价的定价模式正在终结，投资者开始追问“利润留存”和“现金流质量”，而不再满足于“需求旺盛”的叙事[18] - 一旦这种转变完成，被重新定价的将不只是存储芯片，而是整个成长股体系，依赖高资本开支、高外部融资且无法在短期内证明盈利能力的企业将面临最严酷的估值压缩[18] - 这并非周期的结束，而是“预期定价权”从叙事者手中重新回到了会计报表手中[18]

生成式AI视频技术行业 - 生成式人工智能技术取得突破性进展，正推动AI视频制作加速普及 [1] - 该技术在提升创作效率、活化历史记忆等方面展现出巨大潜能，成为数字时代的内容生产利器 [1] 深度伪造技术的应用与风险 - 技术若被恶意利用，可能涉及金融欺诈、政治渗透、谣言制造、间谍窃密等非法活动 [1] - 这些非法活动将侵害公民合法权益，扰乱社会秩序，甚至危害国家安全 [1] - 深度伪造技术暗藏“雷区”，需要高度警惕 [2] 行业监管与合规要求 - 根据《互联网信息服务深度合成管理规定》，任何组织和个人不得利用深度合成服务从事危害国家安全和利益、损害国家形象、侵害社会公共利益、扰乱经济和社会秩序、侵犯他人合法权益等活动 [3] - 具有舆论属性、社会动员能力的深度合成服务，必须依法履行备案、内容审核、实名管理、添加合成标识等义务，且禁止删除或篡改标识 [3] - 严禁未经授权使用人脸、人声等生物识别信息进行恶意编辑 [3] 行业参与者责任与公众应对 - 技术本身并无善恶，关键在于如何使用 [3] - 面对深度伪造技术，公民应自觉增强安全意识、提升辨别能力、遵守法律法规 [3] - 以实际行动维护国家安全和网络清朗是行业参与者及公众的共同责任 [3]