行业背景与竞争格局 - 截至2025年12月31日，全国共有395家网约车平台公司取得经营许可，行业竞争激烈 [3][24] - 行业存在乱象，亟需从“标准化匹配”的效率竞争，回归服务本身，迈向“重体验、讲个性”的价值竞争下半场 [3][24] - 行业竞争格局正从“流量争夺战”转向“留量保卫战”，在存量市场时代，需通过技术深挖用户价值、精细化运营提升体验以构建壁垒 [20][41] 滴滴“AI小滴”产品核心与功能 - “AI小滴”以自然语言交互为入口，将用户模糊的个性化偏好精准拆解为90+项服务标签 [3][9][24][30] - 该产品通过“AI+调度+供给治理”的深层系统能力，旨在将出行从简单的“位移”升级为包含情绪价值的“精准抵达” [3][24] - 其运营数据显示，用户个性化叫车需求中，“又快又便宜”占比57%，“空气清新”占比12.5%，“最近的车”占比9.9% [4][25] - 产品能承接复杂场景组合需求，例如“空气清新+车内安静+驾驶平稳”或“带老人+空间宽敞+不易晕车” [9][30] - 产品实现了“无感升级”，用户通过自然语言（如“带老人去医院，希望平稳、空间大”）表达需求，后台将非结构化意图转化为结构化调度指令，叫车动作本身无学习成本 [6][8][27][29] 技术实现与系统能力 - 系统通过庞大数据库训练，将“清新、平稳、安静”等抽象词汇转化为可匹配、量化、执行的硬性条件，例如“平稳”对应司机历史驾驶行为中的急刹车频率、加减速平滑度等动态标签 [8][29] - 当多项需求无法同时满足时，系统会为需求排序，区分“必须满足”和“尽量兼顾”的条件，并以匹配度分数形式透明告知用户，将选择权交还用户 [8][29] - 平台匹配逻辑从“优化供需效率”进化为同时优化“供需匹配质量”，致力于从车海中精准匹配“对的车”，使用户体验从“随机分配”升级为“偏好命中” [11][32] 公司的竞争壁垒与护城河 - 滴滴的竞争优势并非源于大模型能力，而在于其独特的“AI+调度+供给治理”深层系统能力，这构成了难以复制的结构性壁垒 [12][14][33][35] - 壁垒具体体现在三方面：1) 庞大的运力密度保障了细分标签后的匹配可用性与效率；2) 在自营/强运营体系下，对司机培训、车辆规范、服务流程与质检的强管控力，能标准化兑现非标服务承诺；3) 拥有长期、真实、可追溯的运营数据事实层（如乘客评价、驾驶行为数据等），用于持续训练和校准模型 [14][35] - 服务承诺的兑现高度依赖对供给端的强管控力，这是AI从“听懂需求”跨越至“满足需求”的关键，也是其他仅接入大模型但无法重塑管理体系的平台难以复制的完整闭环 [15][36] - “AI小滴”的精准匹配基于高密度真实反馈形成的可验证判断（匹配-体验-反馈-再训练/再治理），十余年的数据沉淀是核心基础，使AI能力能从信息层进入交易履约层 [17][38] 公司战略与行业影响 - 滴滴将AI技术用于最接近用户真实感受的地方，旨在将出行中“说不清、选不了、靠运气”的细节，变为可被理解与兑现的服务 [17][38] - 公司战略始终围绕用户真实需求深耕，而非追逐AI噱头，在夯实效率、覆盖与稳定性的基座后，自然延展出对个性化体验的追求 [17][38] - “AI小滴”代表了AI落地的正确姿势，即将技术转化为服务的“基础设施”，在每次出行中替用户消除不确定性 [20][41] - 此举标志着网约车服务的焦点正从“能打到车”转向“打到对的车” [3][24]

公司概况与市场地位 - 公司是中国领先的实时数据基础设施和分析解决方案服务商，于2025年12月30日在香港证券交易所上市 [2] - 公司从资产管理行业起步，为全行业企业提供实时信息技术解决方案 [2] - 在中国实时数据基础设施及分析市场，公司整体市场份额为3.4%，排名第四；在资产管理行业细分市场，市场份额为11.6%，排名第一 [2] 行业分析与发展前景 - 中国实时数据基础设施及分析市场规模已从2020年快速增长至2024年的人民币187亿元，2020-2024年复合年增长率高达46.1% [2] - 受益于数据要素政策红利与下游数字化转型刚需，行业规模有望在未来五年保持双位数增长，预计2020-2029年复合年增长率为22.0%，于2029年达到人民币505亿元 [2] - AI落地（如OpenClaw等工具）带来数据治理需求高增，支持AI工具落地的数据基础设施需求将推动行业发展 [1] 业务模式与成长性 - 公司基本面扎实，以资产管理行业为核心起点，2022-2024年该行业收入占比从74.4%逐步降至38.7% [4] - 公司成功切入金融服务（资产管理除外）、城市管理、制造管理、电信等多元化领域，2024年非资产管理行业收入贡献占比达61.3% [4] - 在客户规模和ARPU增长的驱动下，预计2025-2027年公司整体营收为12.8/23.3/34.5亿元，对应增速为103%/82%/48% [5] 财务表现与盈利预测 - 公司预计将在2026年实现盈利，预计2025-2027年净利润为-1.30/2.72/8.41亿元 [5] - 公司预计将维持较高的毛利率水平并保持平稳，预计2025-2027年整体毛利率为71.6%/73.5%/75% [5] 估值与目标 - 选取Snowflake和Palantir作为对标公司，采用PS和P-FCF两种估值方法，给予公司2026年517亿港元目标市值，对应目标价160港元 [5] - 目标价相对现价有13%的涨幅空间 [5] 海外对标与行业逻辑 - Palantir通过“大模型+小模型”的AIP平台形式，解决了通用大模型在企业级应用中的灵活性和准确性问题，加速了AI应用在企业端落地 [3] - Palantir的成功案例说明，AI在企业端的深入落地离不开企业内部数据治理和相关数据基建的进一步发展与完善 [3] - 公司作为实时数据基建行业的龙头，将长期受益于AI落地带来的数据基础设施需求 [1]

AI安全与智能体应用 - 当前AI已能通过编程和查找漏洞解决传统安全难题，因此建议关注AI智能体[3][7] - 360公司已开发几十种上万个AI安全智能体，能实现AI挖掘软件漏洞、自动运行，并智能抵御其他国家的黑客智能体[3][7] - 中国已有两百万家中小企业使用360的AI智能体为企业安全提供实时防护[3][7] AI算力发展与产业政策 - 基于中国在能源电力上的优势，建议将芯片算力区分为训练算力和推理算力[3][7] - 训练算力发展规模可能还有一定空间，但推理算力的发展规模空间是无限的，各地发展算力应偏向推理算力[3][7] - 从国家产业政策看，推理芯片战略价值重要，芯片政策不应一味追逐英伟达高端训练芯片[3][7] - 需发展的推理芯片包括端侧芯片、IoT边缘侧训练芯片、企业私有化和家庭内部算力，未来将构成庞大的算力网络[3][7] AI应用普及与平台建设 - 为让企业和个人迅速使用AI，建议打造智能体开放平台，将基础设施隐藏，使普通企业和个人能轻松建立并训练自己的智能体[4][8] - 只有通过智能体将算力转化为专业智力或行业智力，成为个人的第二大脑或企业的内部智力，AI才能发挥作用[4][8] - 应在全国各地开展智能体培训，因为智能体的开发、管理、使用模式与传统软件不同，且企业使用智能体应由业务专家而非智能体专家主导[4][8] - 培训需让企业的业务专家学会打造、管理、监督和运营智能体[4][8]

特朗普关税政策与市场影响 - 美国最高法院裁定特朗普依据《国际紧急经济权力法》加征的对等关税违法 但特朗普随即依据《1974年贸易法》第122条签署新命令 对全球商品加征10%关税 为期150天 并考虑上调至15% 同时启动232和301调查[3] - 分析认为关税政策转向意味着再通胀风险更高 短期靠122条款维持税率 中长期232行业关税和301国别关税将成为主要工具 涉及产品约占美国进口的20% 中国、墨西哥、欧盟、越南等国将受影响[3] - 关税政策及地缘局势引发市场避险情绪 推动黄金价格涨超2% 重回每盎司5100美元 COMEX白银期货价格大幅收涨8.93%[3] - 经济数据加剧滞胀担忧 美国去年第四季度GDP增速仅为1.4% 远低于市场预期的2.8% 在滞胀环境下黄金被视为核心避险资产[3] AI与算力产业链动态 - OpenAI将到2030年的总算力支出目标设定为6000亿美元 市场曾误读为较此前目标“削减8000亿美元” 实则是与更长期、范围更广的基础设施承诺目标（1.4万亿美元）存在口径差异[4] - 港股AI概念股表现强劲 智谱在节后首个交易日股价暴涨42.72% 市值突破3200亿港元 MINIMAX股价单日涨超14% 近7个交易日累计涨幅超过110%[4] - 有券商给予智谱688港元目标价 认为其在AI Coding应用场景持续领先 潜在市场规模或达万亿元级别 市场资金正从“旧AI”转向能落地、收费并兑现业绩的“新AI”公司[4] - 存储芯片行业受AI需求直接传导 已全面进入卖方市场 库存仅剩4周 客户需求无法被完全满足 预计今年价格将持续上涨 其中HBM产能已售罄 标准型DRAM极度短缺 供应商议价权大幅提升[4] 市场资金动向与投资主线 - 公募基金在农历马年开市后准备入市的资金规模超过900亿元 主要来源为股票ETF和次新主动权益基金[5] - 公募基金明确看好两条投资主线：“科技成长”与“中国优势” 坚定看好AI引领的科技产业长期趋势以及具备全球竞争力的中国制造业[5] - 市场主线判断为“避险+成长”的双轮驱动 黄金作为应对不确定性的底仓 AI作为进攻方向 存储芯片则是产业链需求传导的先行指标[6] 具体的投资策略建议 - 对于黄金 建议避免追高 可等待回调后配置 尽管5100美元以上价格波动可能加大 但央行购金、去美元化及地缘风险三大支撑因素未变[7] - 对于AI投资 应关注能实现落地应用和收入的公司 例如智谱和MINIMAX的上涨源于API收入和编程套餐销售强劲 需规避仅讲概念的公司[7] - 建议密切关注存储芯片行业 因其是算力需求的“温度计” SK海力士指出行业处于价格上涨、供不应求的状态 值得深入挖掘产业链上的受益公司[7]

公司战略与技术布局 - 公司秉持开放协同的技术战略，密切关注并积极拥抱开源生态 [2] - 公司通过“混合云+混合模型”策略，将开源模型的通用优势与公司自研大模型深度融合 [2] - 公司的“训推一体机”已实现对主流国产开源大模型的全栈适配 [2] 产品与解决方案 - 针对各细分行业，公司的一体机产品能够提供“开箱即用”的私有化部署方案 [2] - 产品结合开源小模型的高效推理与低成本特性，以及公司软硬一体化的交付模式 [2] - 该方案有效解决客户对数据安全与部署门槛的顾虑 [2] 市场与商业化影响 - 公司的策略有助于进一步降低企业AI落地成本 [2] - 此举旨在拓展中小企业市场 [2] - 同时提升产品的场景适配性与商业化效率 [2]

AI产业发展趋势 - AI技术正加速从实验室迈向千行百业，2026年开年国家发布《工业互联网和人工智能融合赋能行动方案》，各地加快“人工智能+制造”融合创新 [1] - AI竞争的焦点已从模型参数规模转向能否切实提升效率、实现规模化应用 [1] - 评价AI落地的标准包括：是否真正提升生产效率、是否具备规模化复制能力、能否形成可量化的数据价值 [2] - 当前AI产业呈现多元化竞争格局，性价比、行业渗透率与实用性能成为企业选型的关键 [2] - 在美国以To B AI巨头为主的背景下，中国有望在未来几年诞生一批引领To C市场的AI企业，并逐渐营造起千亿乃至万亿的相关市场 [2] 香港的角色与机遇 - 香港凭借其国际化科研与金融优势，正积极构建连接全球创新与中国庞大市场的桥梁 [1] - 业界认为香港有望成为AI成果产业化的关键“超级联系人”，在大湾区新质生产力发展中扮演不可替代的角色 [1] - 香港的科技发展已进入“增长驱动型” [4] - 香港凭借贯通内外的区位优势、国际化的法治与营商环境，能够在汇聚全球创新资源、促进科技成果转化与跨境合作中扮演“超级联系人”角色 [4] - 香港拥有高效且开放的资本市场，为创科企业提供充沛的资金来源和灵活的融资渠道 [6] - 香港正处于关键窗口期，发展势头是过去10年来最具爆发性的时期，应构建连接前沿科研、产业应用、资本市场与政策支持的开放平台 [6] 区域协同与生态构建 - 通过深化与深圳等内地城市的协同，例如依托河套深港科技创新合作区促进要素流通，可助力香港发挥优势 [1] - 河套地区的港深创科园建设能为香港科创提供宝贵的空间延伸和产业配套，通过促进跨境人才、数据、样品等关键要素流通，连接内地丰富的临床与市场资源，加速技术产业化 [4] - 科技发展不仅是技术和资本的积累过程，更是一个需要通过制度、产业、社会与环境系统加以吸纳和转化的复杂过程 [2] - 真正拉开科技城市差距的，并非技术本身的先进程度，而是科技能否被有效嵌入制度、产业、社会与环境体系之中，并在系统协同下持续吸纳与放大 [2] - 高校在学术、科研中的“慢”，和商业新场景的“快”中，应该协同探索技术在具体场景中真正落地、创造价值 [3] 行业挑战与资本动向 - 香港本地的科技企业数量相对不足，创投生态中缺乏陪伴企业成长的长期资本，导致许多初创企业在天使轮后难以持续发展或迁移至其他地区 [4] - 近几年本地及国际投资机构对创科项目的态度日趋专业和耐心，从单纯关注短期回报转向愿意长期陪伴成长，形成了积极的正向循环 [6]

文章核心观点 企业AI应用正从早期的宏大叙事和概念炒作，转向务实、聚焦业务价值落地的阶段 行业共识是需将AI重新定位为“业务工具”，从小处着手解决具体问题，并直接贡献于营收和利润增长 展望未来，企业AI规划将更趋收敛与聚焦，强调能力建设、生态合作与可感知的价值证明 [22][23][24] 应用现状——从宏大叙事到微观价值 - **规划者的迷茫与系统布局**：部分规模企业面临AI应用场景过多（如一个10人小组提出近50个场景）而无从下手的困境 它们选择制定涵盖文化建设、个人赋能、工具引入、功能挖掘、自建开发及合作等六大板块的系统性推进框架，但面临周期长、见效慢的挑战 [2] - **实践者的务实与价值创造**：有公司通过AI客服系统处理超过90%的消费者会员交互案例（基于5.8亿会员，每天几百万次交互），显著降低人力成本 同时，利用AI培训陪练应对全国40万名员工中一线服务员近100%的年流失率，提升培训效率与质量 [3] - **探索者的巧思与快速见效**：传统行业企业采用轻量级探索，如在CRM系统中植入AI能力，智能分析海外销售人员回传的市场活动照片与视频以验证真实性 利用钉钉AI闪记功能自动整理每日数百场集团会议纪要，投入小、见效快 [4][5] - **变革者的激进与价值导向**：有快消企业将AI定位为工具，直接用于中后台“裁员”，例如法务部门通过生成式AI审合同，人员从11人降至4人 在营销领域，通过AI算法重组“人货场”，筛选出的高潜力门店销售额达普通门店的2到3倍，并将此方法论产品化对外合作 [6] - **传统企业的谨慎与产品优先**：传统制造业（如某国有企业）对AI应用相对初级，主要在智能制造中使用AI图像识别进行质量管理 受技术人员素质与风险厌恶文化约束，更倾向于采用行业内已落地、形成产品的成熟解决方案，避免自研 [7] 困境深水区——理想与现实的巨大鸿沟 - **预期管理失败**：企业高层对AI存在不切实际的幻想，期望其能立刻扭转业绩，但AI（如生成式AI）的能力与严谨的企业决策需求存在差距 CIO平均任期仅2.6年，加剧了短期业绩压力与AI落地长期性之间的矛盾 [8][9] - **价值感知断裂**：企业可能部署二三十个AI应用，但在公司整体层面感知不到明显效果 表现为人员编制未减、成本未明显变化，且营收利润增长难以归因于AI，局部效率提升未能转化为整体业务成果 [10] - **组织变革滞后**：AI的价值往往在组织变革（如裁员、结构调整）后才真正凸显 例如，公司在整体裁员后，某些部门为维持运作标准而产生对自动化工具的刚需，此时引入AI效果更佳 组织设计变化（如门店经理一人管理3-5家店）也自然催生对数字化工具的需求 [11] - **传统企业的特殊困境**：传统企业（特别是国有企业）面临领导层提出模糊AI需求与IT部门技术能力不足、风险厌恶（难以接受高失败风险）的双重矛盾 陷入“既要推进，又不允许失败”的困境 [12] 共识与路径——回归业务，创造可感知价值 - **重新定位AI为工具**：资深实践者达成共识，需将AI从“战略目标”降维为“业务工具” 评估标准应从技术先进性转向解决业务问题的有效性，聚焦具体场景的价值创造 [14] - **方法上从小处着手**：推崇“小步快跑”策略，建议先以少量投入（如二三十万元）在小型场景做出成果（如减少2人或效率提升百分之几十），用实际成果争取更多资源 目标设定应具体，如“客户问题响应时间缩短多少” [15] - **价值重构强调财务贡献**：企业不满足于模糊的“降本提效”，要求AI直接贡献于营收增长和利润提升，并需体现在财报上 同时，“体感”提升（如为一线员工减负）对于获得持续支持也至关重要 [16] - **CIO角色进化为业务伙伴**：CIO需从技术专家转变为深入业务场景的伙伴和价值翻译者 需要掌握“向上管理”能力，理解并管理好老板的预期，用业务和财务语言沟通AI价值 [17] 展望2026——收敛、聚焦与价值证明 - **规划从全面铺开转向重点突破**：企业AI规划呈现“收敛”倾向，减少项目数量，聚焦关键场景 例如，有企业计划2026年线下只做一件事：识别并深耕3万家高潜力门店 另有企业将围绕“新业务拓展”和“组织提效”两个核心展开 [18][19] - **能力建设从技术应用转向业务融合**：关注点转向业务与技术的深度融合 例如，通过小规模AI试点项目倒逼业务数据标准化，发现并弥补信息化建设短板 也有企业成立内部“兴趣小组”，在RPA、文档管理等成熟领域进行技术储备 [20] - **生态合作倾向增强**：技术获取路径上，传统制造业更倾向于采用成熟产品 即便数字化领先企业也会积极利用钉钉等平台提供的AI能力，而非全部自研，显示出生态协同比单打独斗更高效的共识 [21]

行业整体逻辑 - 游戏板块在2026年初继续演绎自2025年以来的“困境反转”逻辑，行业正站在新一轮产业周期的起点 [1] - 本轮行情得益于“政策回暖+业绩兑现+AI落地”的三重共振 [1] 政策环境与供给端 - 行业政策环境显著改善，版号发放常态化且数量稳步增长 [1] - 2025年全年国产网络游戏版号获批数量累计达到1771款，较2024年同比增长约25% [1] - 版号的稳定供给为游戏公司提供了丰富的产品储备，并提振了市场对行业确定性的信心 [1] - 优质新游密集上线，直接带动了整个板块的流水大盘回升 [1] 基本面与盈利能力 - 游戏公司的盈利能力正在加速修复 [1] - 得益于降本增效策略的持续推进以及高毛利新产品的贡献，行业利润增速表现亮眼 [1] - 申万游戏指数成分股在2025年前三季度的归母净利润增速达到约49% [1] - 部分龙头公司甚至实现了翻倍增长，实打实的业绩兑现为板块估值重塑提供了坚实支撑 [1] AI技术的影响 - AI技术的实质性落地正在重塑游戏产业的生产力与交互体验 [2] - 进入2026年，随着“AI+玩法”的深度融合，智能NPC、动态剧情生成等创新应用有望催生出全新的爆款品类 [2] - AI应用有望进一步打开行业的估值天花板 [2] 后市展望与配置 - 在宏观流动性预期改善与行业基本面持续向好的背景下，游戏板块仍具备较高的配置价值 [2] - 投资者可以关注游戏ETF（516010），通过分批布局或定投的方式，分享游戏产业复苏与技术变革带来的长期红利 [2]

文章核心观点 - 阿里云发布多模态交互开发套件，标志着AI应用从虚拟对话走向物理硬件落地的具象化阶段，旨在通过降低开发门槛和成本，推动AI与各类硬件深度融合，抢占物理世界的新流量入口 [2][9] 战略定位与行业意义 - 公司战略从售卖云服务算力转向争夺硬件入口，认为AI硬件将以更碎片化、高粘性的方式接管人们的生活，超越手机的“单向输入”模式 [2] - 此举被视为一场“入口迁移的战略博弈”，其目标是通过赋能硬件厂商，构建一个由通义大模型和国产芯片驱动的新生态联盟，类似过去的Wintel联盟 [2][5] - 行业背景是互联网流量已见顶，而物理世界的流量才刚刚开始，AI落地物理世界被视为智能时代真正开启的标志 [9] 技术突破与产品特性 - 核心突破在于将端到端语音交互延迟压低至1秒，视频交互延迟低至1.5秒，达到物理世界即时交互的极限，使AI反馈能追上人类语速 [3] - 套件预置了十多款Agent（智能体）和MCP工具，硬件厂商可通过简单的拖拉拽操作开发出具备复杂能力的设备，大幅降低开发门槛 [4] - 展示了与RISC-V架构（玄铁芯片）的深度绑定，计划实现通义大模型在RISC-V架构上的高效部署和推理性能，形成“CPU是躯体，AI是灵魂”的软硬一体标准 [5] 商业模式与成本革新 - 将计费模式从按Token（算力单位）收费改为更符合硬件销售逻辑的“按设备License”计费或低成本套餐，解决了以往硬件因云服务费过高而“用不起”的问题 [3][4] - 公司对未来的赌注在于，当海量物理设备接入其AI能力后，所产生的数据、用户粘性和入口价值将远超单纯售卖算力的收入 [4] 应用场景与市场展望 - 具体合作案例显示，与雷鸟创新合作的AI眼镜实现了平均1.3秒的同声传译和多模态交互 [3] - 催生的“新物种”硬件包括能理解儿童表达、可长时间交互的“听力熊”，以及能看懂世界、推断因果关系的AI眼镜 [5] - 还包括“闪念胶囊”等解决特定场景需求（如记录）的小众硬件 [6] - 公司预计2026年将是这类AI新硬件爆发的一年 [5] - 最终愿景是让AI融入眼镜、玩具熊等日常物品，形态各异，而非千篇一律的手机 [2][7]

AI行业平台转移与双重搬家 - AI行业正经历每10-15年一次的“平台转移”，当前AI的“双重搬家”意味着应用构建和技术栈的根本性变革 [2] - 第一重搬家：AI从独立应用转变为所有软件的基础，未来所有软件都将以AI为地基 [3] - 第二重搬家：软件开发和运行模式从基于CPU的固定逻辑编程，转变为基于GPU的训练模式，计算方式被彻底重塑 [4] - 过去十年价值约十万亿美元的计算机基础设施正被现代化改造，每年有数千亿甚至上万亿美元的风险投资涌入这一领域 [4] 开源模型的颠覆性影响 - DeepSeek R1等开源模型的出现激活了更多公司，开源模型的下载量呈现爆炸式增长 [6][8] - 全球存在多种不同类型的开源模型系统，虽然仍落后前沿模型约六个月，但每六个月就有更聪明的新模型出现 [7] - 开源趋势不仅包括模型，还包括训练数据，以建立开发者信任并推动行业参与 [9] - 初创公司、大公司、研究员、学生及几乎每个国家都想参与这场AI革命 [8] 物理AI的发展与落地 - AI正从纯数字交互转向理解并作用于物理世界，核心是让AI掌握现实世界的物理规律（如重力、摩擦力、物体恒存性） [10][11] - 通过“模拟+合成数据”解决现实世界数据稀缺问题，英伟达的Cosmos平台可生成逼真视频、预测轨迹及还原罕见场景 [12][13][14] - 自动驾驶AI“Alpamayo”采用端到端训练，能从摄像头画面直接控制车辆，并能解释驾驶决策，同时搭配传统系统作为安全备份 [15] - 机器人的“ChatGPT时刻”即将到来，AI生成逼真动作视频的技术成熟，为机器人执行物理指令奠定了基础 [16][17][18] - 预计未来两三年，机器人领域将从实验室样品转变为能真正落地解决实际问题的产品 [19] 算力平台的超级升级 - 英伟达推出Rubin平台，旨在解决AI推理算力不足、成本过高及上下文丢失问题 [20][21][22] - 平台核心优势一：算得更快，训练效率翻4倍，例如训练10万亿参数模型的时间可从4个月缩短至1个月，或使用1/4的设备完成相同工作 [23][24] - 平台核心优势二：算得更省，token处理成本降低10倍，即以前生成100个token的成本现在能生成1000个 [25] - 平台核心优势三：跑得更久，通过BlueField-4芯片将GPU的上下文内存扩大16倍，从1太字节扩展至16太字节，支持长时间、复杂任务处理而不丢失上下文 [26][27] - 平台能效超高，用同样多的电可产生5倍的算力，同时提供全程数据加密的安全保障 [28] 行业竞争与公司战略 - 英伟达认可中国AI芯片公司的竞争力，认为中国的企业家和工程师是世界顶尖的，许多公司已成功上市 [30] - 公司认为竞争促使自身必须持续技术创新，其护城河在于“全栈能力+生态网络”，涵盖从CPU、GPU到软件、模型的完整链条，并与全球AI公司及行业龙头（如西门子、礼来、梅赛德斯-奔驰）深度合作 [31][32] - 对于机器人创业方向，建议要么做通用技术的“横向公司”，要么做深耕具体场景的“垂直领域公司”（如手术机器人、工厂机械臂），后者更被看好 [33][34] - 针对AI耗电问题，核心思路是提升能效，实现每一代产品算力翻10倍而功耗仅翻2倍，即每一度电干5倍的活，将能效直接转化为企业利润 [35][36] AI发展的核心趋势与未来 - AI发展的下一个十年核心是“落地”，价值从追求大模型参数转向解决实际问题（如餐厅库存、降低自动驾驶成本） [41][42] - 英伟达的整体布局围绕“落地”展开：开源促进广泛落地，物理AI推动现实世界落地，Rubin平台降低落地成本并提升效率 [43] - AI革命被视为所有人的机会，而非巨头独角戏，只要能抓住“落地”核心，大公司、小团队、技术人或普通人都能找到自身位置 [44][45] - 未来赢家将是那些能实现AI落地、算得起且用得久的玩家 [45]