价值创新体系缺位。邓正红将价值创新视为软实力的最高形态，当前石油市场在以下方面存在创新不足：一是传统路径依赖。产油国仍主要依赖资源控制和 产量调整等传统手段，缺乏通过规则设计实现产业升级的创新路径。欧佩克的"渐进式增产+季节性暂停"组合策略效果有限。二是气候叙事薄弱。在全球能 源变革背景下，产油国在气候叙事和非常规要素激活方面的软实力构建滞后。IEA报告指出道路交通石油需求已进入下降期，到2030年将日减少80万桶。三 是数据价值未充分挖掘。在"数据-算力-算法"三位一体的数字经济时代，石油行业对数据价值的挖掘和利用不足，未能通过工业互联网平台显著提升效率。 邓正红软实力理论框架下，当前国际油价走低是规则重构能力弱化、预期管理失效、软硬协同失衡和价值创新缺位共同作用的结果。未来石油市场的竞争将 更聚焦于：一是规则制定权。从产量控制向技术标准制定和地缘协调者转型，构建更具韧性的规则网络。二是预期管理能力。通过精准的政策信号释放和舆 论引导，重塑市场心理预期区间。三是价值创新机制。将资源势能转化为可持续的规则创新能力，特别是在能源变革背景下构建新的价值体系。短期内，在 美元走强、供应过剩预期和需求疲软的三重压力下 ...

合作公告与市场反应 - 商汤科技与寒武纪签署面向新发展阶段的战略合作协议，重点推进软硬件的联合优化并共同构建产业生态[1] - 消息发布后，商汤-W(0020.HK)股价大幅拉升，收盘上涨5.44%至2.52港元，总市值约975亿港元[1] - 寒武纪-U(688256)股价也有所拉升，收盘上涨3.85%至1242元，总市值约5195亿元[1][2] 合作背景与战略方向 - 合作旨在发挥双方在AI领域的各自优势，商汤科技董事长兼CEO徐立与寒武纪董事长兼总经理陈天石均现场见证签约[2] - 合作方向包括国产化人工智能基础设施构建、垂直业务开拓与科技出海，开展多层次、长期性的深度合作[2] - 合作结合商汤在大模型研发与AI基础设施平台的能力，以及寒武纪在智能计算芯片与算力基础设施的积累[2] 公司核心业务与优势 - 寒武纪为人工智能芯片领军企业，形成云边端一体、软硬件协同的完整产品体系，产品服务于大模型算法公司及多个行业[3] - 商汤科技为人工智能软件公司，业务涵盖生成式AI、视觉AI和创新业务，其SenseCore AI大装置打通算力、算法和平台[3] - 商汤科技持续领跑计算机视觉市场，商汤方舟SenseFoundry为国内外各行业提供视觉AI支撑[3] 合作具体内容与规划 - 双方将以智能算力与AI大模型技术为基础，共同探索软硬协同的阶梯式产品创新体系，推动产业智能化转型[4] - 具体合作包括芯片适配，将联合打造面向算力市场的服务方案，以及聚焦垂直行业场景的一体机解决方案[4] - 双方还将共同探索在优势区域市场的深度协同，构建更具活力和影响力的区域人工智能生态[4] 公司近期财务表现与展望 - 寒武纪今年上半年实现营业收入28.81亿元，同比增长4347.82%，实现净利润10.38亿元，同比扭亏为盈[4] - 寒武纪管理层表示，考虑到大模型等市场对算力的旺盛需求，该商业化场景预计将为公司带来持续性收入[4] - 商汤科技今年上半年生成式AI业务收入约18.16亿元，同比增长72.7%，占收入比重由去年同期的60.4%攀升至77%[5]

研究突破与学术认可 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国大模型研究首次获此认可 也是全球首个经过完整同行评审并发表于权威期刊的主流大语言模型研究 [1] - Nature社论评价该研究打破主流大模型缺乏独立同行评审的局面 强调其公开性和透明性价值 [1][2] - 论文历经半年评审周期 8位外部专家参与质询数据来源、训练方法及安全性 全文64页包含训练成本披露和技术细节更新 [2] 技术创新与成本优势 - R1模型使用512张H800 GPU训练80小时 以每GPU小时2美元租赁成本计算 总训练成本为29.4万美元（约209万元人民币） 较其他推理模型千万级成本显著降低 [3] - 团队澄清未使用专有模型蒸馏技术 训练数据全部来自互联网 包含GPT-4生成内容属非故意行为 并提供数据污染防控流程 [3] - DeepSeek-V3.1采用混合推理架构 支持思考与非思考双模式 通过后训练优化提升工具使用与智能体任务表现 [4] 硬件生态与产业协同 - V3.1版本采用UE8M0 FP8 Scale参数精度 专为下一代国产芯片设计 预示未来训练与推理将更多应用国产AI芯片 [4][5] - 通过FP8精度降低算力需求 使国产ASIC芯片在12-28nm成熟制程接近英伟达GPU算力精度 形成"软硬协同"技术壁垒 [5] - 该技术路径带动国产芯片算力股股价飙升 可能成为行业新技术趋势 通过软硬件协同实现数量级性能提升 [5]

学术成就与行业认可 - DeepSeek-R1推理模型研究论文登上国际权威期刊《Nature》封面，标志着中国大模型研究首次获此殊荣，也是全球首个经过完整同行评审并发表于权威期刊的主流大语言模型研究[1] - 《Nature》社论评价指出，几乎所有主流大模型都未经过独立同行评审，这一空白被DeepSeek打破[1][2] - 论文历经半年评审周期，8位外部专家参与同行评审，从预印本到正式发表于《Nature》封面，完成了“学术跃迁”[2] 技术方法与透明度 - 研究成果首次公开了仅靠强化学习就能激发大模型推理能力的方法[1] - 论文全文64页，首次披露了R1的训练成本，并对数据来源、训练方法、安全性等审稿人质询作出详细回应[2] - 针对外界“蒸馏”质疑，公司澄清其训练数据全部来自互联网，虽可能包含GPT-4生成结果，但非有意为之，更没有专门的蒸馏环节[3] 训练成本与效率 - R1模型使用512张H800 GPU训练80个小时，以每GPU小时2美元的租赁价格计算，总训练成本为29.4万美元（约合人民币209万元）[3] - 与其他推理模型动辄上千万美元的花费相比，该成本实现了极大降本[3] 模型演进与未来规划 - 自年初发布R1后，公司于8月21日发布DeepSeek-V3.1，称为“迈向Agent时代的第一步”[4] - V3.1采用混合推理架构，同时支持思考与非思考模式，具有更高思考效率和更强智能体能力[4] - V3.1使用UE8M0 FP8 Scale参数精度，该精度是针对下一代国产芯片设计，表明未来基于DeepSeek模型的训练与推理有望更多应用国产AI芯片[4][5] 行业影响与技术趋势 - 公司从V3版本就开始采用FP8参数精度验证训练有效性，通过降低算力精度，使国产ASIC芯片能在成熟制程（12-28nm）上接近先进制程英伟达GPU的算力精度[5] - “软硬协同”的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多拥抱FP8算力精度并有望成为一种新技术趋势[5] - 这一技术方向带动国产芯片算力股股价飙升，助力国产算力生态加速建设[5]

文章核心观点 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国首个登上该期刊封面的大模型研究 标志着中国AI技术在国际科学界获得最高认可 [1] - DeepSeek通过独立同行评审打破行业空白 其公开透明的模式受到Nature高度评价 为AI模型提供更高的透明度和可重复性标准 [1][2][3] - DeepSeek-R1以仅29.4万美元的训练成本实现显著降本 相比其他推理模型动辄上千万美元的花费具有显著成本优势 [3] - DeepSeek-V3.1的发布采用针对国产芯片设计的UE8M0 FP8参数精度 推动软硬协同生态建设 带动国产算力芯片发展 [6][7] 技术突破与学术认可 - DeepSeek-R1是全球首个经过完整同行评审并发表于Nature的主流大语言模型研究 历时半年通过8位外部专家评审 [1][2] - 论文全文64页 首次披露训练成本和技术细节 包括数据来源 训练方法及安全性评估 并对"蒸馏"质疑作出正面回应 [3][4] - 训练成本仅29.4万美元（约209万元人民币） 使用512张H800 GPU训练80小时 以每GPU小时2美元租赁价格计算 [3] - Nature社论强调该研究填补主流大模型缺乏独立同行评审的空白 Hugging Face专家评价其为行业建立公开分享研发过程的先例 [1][3] 产品演进与算力生态 - DeepSeek-V3.1采用混合推理架构 提升思考效率和智能体能力 通过后训练优化在工具使用与智能体任务中表现提升 [6] - V3.1使用UE8M0 FP8参数精度 针对下一代国产芯片设计 表明未来训练与推理将更多应用国产AI芯片 [6][7] - FP8参数精度使国产ASIC芯片在成熟制程（12-28nm）接近英伟达GPU算力精度 软硬协同成为AI新范式 [7] - 国产大模型拥抱FP8算力精度成为技术趋势 通过软硬件协同实现数量级性能提升 推动国产算力芯片变革 [7] 行业影响与市场反应 - DeepSeek从预印本到Nature封面的"学术跃迁" 为AI模型建立透明度和可重复性标准 [2] - 国产芯片算力股因DeepSeek支持国产AI芯片的表态出现股价飙升 [6] - R2研发进程可能受算力限制影响 但V3.1升级引发对R2发布的猜测 [5][6]

交易结构变更 - 控股股东申晖控股旗下申晖金婺联合浙江省国资委背景的杭州产投共同收购宝德计算32.0875%股权 打破原上市公司直接收购计划 [2][5] - 交易以宝德计算整体估值45亿元为基础 申晖金婺以现金9.94亿元收购22.0875%股份 杭州产投以现金4.5亿元收购10%股份 合计支付14.44亿元 [6] - 收购对价将全部用于清理标的公司资金占用问题 为后续上市公司资本运作扫除障碍 [2][7] 标的公司背景 - 宝德计算是国产算力领域重要参与者 为"昇腾领先级"和"鲲鹏优选级"整机硬件伙伴 2024年营收达100.08亿元 净利润2.31亿元 [2][11] - 公司曾谋划IPO但存在多项历史问题 包括经营范围重叠 对赌协议未解除及实际控制人资金占用情况 [7] - 在昇腾系列服务器细分市场排名第三 鲲鹏系列服务器细分市场排名第四 2024年中标50亿元订单 [11][12] 风险控制机制 - 设置核心管理团队稳定条款 原控股股东关联方需签署不少于四年劳动或聘用合同 [9] - 交易完成以标的股份质押及司法冻结解除 国家市场监督管理总局不予禁止决定为先决条件 [9] - 杭州产投与慧博云通实际控制人签署对赌协议 若2028年底未完成收购则触发无条件回购条款 [9] - 原控股股东承诺2025年净利润不低于评估预测值 2026-2028年扣非净利润分别不低于年度预测值 未达承诺时现金补偿上限达14.44亿元 [10] 战略协同价值 - 交易体现国产算力产业"软硬协同"趋势 软件企业通过并购布局硬件端成为行业共识 [11] - 慧博云通2024年营收17.43亿元同比增长28% 但归属净利润0.66亿元同比下降20.45% 2025年上半年净利润564.77万元同比下降78.37% [10] - 收购将补充AI硬件能力 实现软硬件综合解决方案交付 形成差异化竞争优势 [11] - 昇腾生态快速成长带动硬件业务高毛利特性 有望为公司带来可观利润 [12]

行业转型趋势 - 汽车行业正从马力与真皮转向算力与体验 从依赖品牌溢价转向追求技术溢价 [1] - 汽车产业经历由技术革命驱动的价值链重塑 智能网联 自动驾驶 三电系统等原属豪华车的先进技术正快速普及至主流市场 [3] - L2级辅助驾驶已成为标配 智能座舱覆盖10万元级别车型 激光雷达步入高性价比清单 [3] 技术发展现状 - 技术平权重构消费者对安全 功能与情绪三重价值认知 引发行业对高端汽车技术溢价可能被削弱的思考 [3] - 高端品牌需打破技术同质化 寻找差异化技术锚点 面临创新加速度竞争（技术内卷）的挑战 [3] - 技术扩散周期缩短至一至两年 高端品牌需在有限时间内将新技术转化为不可复制的价值体验 [3] 企业战略要求 - 要求企业建立敏捷研发体系 既要快速引入成熟技术 又要敢于投入高风险长周期的基础研究 [3] - 未来竞争不再是单点技术领先 而是软硬解耦 跨界融合的系统工程能力 [3] - 国际传统汽车巨头（如奔驰 宝马 大众）与博世成立软硬件联盟 并邀请英伟达 高通加入 旨在打造"芯片+操作系统"联盟构建技术壁垒 [4] 自主品牌发展路径 - 自主品牌需在芯片 算法 操作系统等核心技术上实现自主突破 发挥新型举国体制优势 打通数据壁垒 强化技术软件 协同产业链上下游 [4] - 构建科技竞争力四大途径：软硬协同构建芯片 操作系统与算法的垂直整合能力 数据驱动构建行业数字智能底座 安全升维构建生态协同的智能防御新体系 生态共建构建"人-车-路-云-星"全域协同的智能网联新生态 [4] - 通过软硬协同为根基 数据驱动打通价值闭环 安全升维筑牢信息底座 生态共建实现系统级协同 共同构成中国汽车高端化突破的战略立方体 [5] 市场定位与警示 - 自主品牌冲击高端必须摆脱"以价换量"路径依赖 转向以软硬协同驱动全链创新的高附加值模式 [1] - 中国汽车品牌在新能源与智能网联领域成功实现换道超车 涌现多家高端新能源品牌 [3] - 必须牢记汽车本质是交通工具 安全与可靠是不可逾越的底线 应避免过度宣传和误导用户 [3]

文章核心观点 - AI巨头自研芯片的深层战略考量正改变产业估值逻辑和权力格局 远超解决芯片短缺和降低成本的表面动机 [9][10] - 推理成本将超越训练成本成为AI商业化最大瓶颈 自研芯片首先瞄准推理环节 [25] - 2026年晶圆产能争夺战将决定AI算力竞争胜负 考验供应链管理和资本实力 [27] 巨头自研芯片战略动机 - 摆脱性能枷锁：通过软硬协同实现极致性能功耗比 在数据中心节省数亿至数十亿美元电费和运营成本 [11][13] - 重构经济模型：将不可控运营成本转化为可控资本开支 改变长期成本结构并构建财务护城河 [14][16] - 构筑数据壁垒：芯片架构成为AI战略的物理化身 形成"数据-模型-芯片"正向飞轮固化竞争优势 [17] 半导体产业链格局变化 - 台积电成为AI时代产能分配核心：3nm工艺产能被苹果及Google Meta 亚马逊 微软等AI巨头瓜分 [19][21] - 英伟达面临围城之势：CUDA生态优势在封闭场景下被削弱 但迁移成本仍构成护城河 [22][24] - 博通成为隐形赢家：为巨头提供定制化ASIC芯片设计服务 深度绑定多家AI领军企业 [26] AI商业化趋势与产能竞争 - 推理成本占比将达80%-90%：AI应用生命周期总成本中推理成为持续性海量消耗 [25] - 2026年产能决战：台积电3nm/2nm产线将汇集苹果 英特尔 英伟达及AI巨头自研芯片 [27] - 供应链能力成为关键：产能绑定协议和预付款规模将决定算力落地能力 [27]

公司动态 - 华为于9月4日发布新款三折叠手机Mate XTs非凡大师 起售价17999元 搭载麒麟9020芯片 整机性能提升36% [1] - 新机展开屏幕尺寸10.2英寸 最薄处3.6毫米 采用天工铰链系统 配备复合超韧叠层结构和322cm² UTG玻璃提升耐用性 [4] - 搭载HarmonyOS 5.1系统 支持PC版WIND金融终端和WPS全量编辑功能 覆盖90%金融机构从业者 实现跨设备无缝切换 [5] - 支持应用窗口自由调节 多应用并行运行 文件跨应用拖拽 小艺知识库支持全局知识管理 [6] - 华为折叠屏累计出货量突破1000万台 成为首个达成该里程碑的中国品牌 [1] 市场表现 - 2025年上半年中国折叠屏手机出货量498万台 同比增长12.6% 华为以374万台出货量占据75%市场份额创新高 [1] - 华为第二季度重夺中国手机市场榜首位置 [3] - 全球首款三折叠产品上半年出货量逼近50万台 成为高端市场标杆产品 [6] 行业趋势 - 2025年全球折叠屏手机预计出货1983万台 同比增长6% 中国市场预计出货947万台 同比增长3.3% [7] - 中国自2023年起成为全球最大折叠屏市场 未来五年占比将稳定在40%以上 [7] - 硬件创新聚焦形态迭代 三折叠与阔折叠形态吸引更多厂商跟进 [1][6] - 行业竞争焦点转向软件生态和跨平台协同 大屏适配、办公场景拓展和AI融合成为新增长点 [8] - 折叠屏行业进入"形态创新与生态破壁"新阶段 未来将呈现"软件定义硬件"特征 [7][8]

公司动态 - 华为于9月4日发布新款三折叠手机Mate XTs非凡大师，起售价17999元，搭载麒麟9020芯片，整机性能提升36% [1][3] - 华为折叠屏产品在硬件设计上展开屏幕尺寸达10.2英寸，最薄处厚度仅3.6毫米，采用复合超韧叠层结构和322cm² UTG玻璃提升耐用性 [7] - 软件层面搭载HarmonyOS 5.1，支持PC级应用交互（如WIND金融终端、WPS）、多窗口自由调节及跨应用拖拽传输，并集成AI功能增强智能交互 [8] 市场表现 - 2025年上半年中国折叠屏手机出货量达498万台，同比增长12.6%，华为以374万台出货量占据75%市场份额 [3] - 华为自2019年以来累计折叠屏出货量突破1000万台，为国内首个达成该成就的品牌 [4] - 2025年全球折叠屏手机预计出货1983万台（同比增6.0%），中国市场预计出货947万台（同比增3.3%），华为以75%份额持续领先 [10] 行业趋势 - 折叠屏创新焦点从硬件轻薄化转向形态多元化，三折叠与阔折叠成为新方向，全球首款三折叠产品上半年出货量逼近50万台 [5][9] - 中国自2023年起成为全球最大折叠屏市场，未来五年占比将稳定在40%以上 [10] - 行业竞争从硬件迭代转向软件生态建设，大屏应用适配、AI融合及跨平台协同成为新增长点 [11] 技术演进 - 华为通过天工铰链系统实现铰链厚度优化，采用非牛顿流体材料提升屏幕可靠性 [7] - 鸿蒙系统通过分布式技术和AI驱动提升多端协同效率，支持金融、办公等生产力场景深度适配 [8][9] - 头部厂商聚焦铰链、屏幕、轻薄化及软件交互创新，推动行业进入"形态创新与生态破壁"阶段 [10][11]