纪要涉及的行业或公司 * **行业**：互联网传媒、AI（人工智能）与电商（特别是AI+电商领域）[1][2] * **公司**： * 蚂蚁国际（Ant International）[1] * 谷歌（Google）[1] * 值得买（重点推荐标的）[1][2][3] * 沃尔玛（Walmart）[1][2] * Shopify[1][2] * 淘宝（网传与千问APP合作）[2] * 光云科技、焦点科技、壹网壹创、青木科技（产业链相关标的）[3] 核心观点和论据 * **核心观点一：AI+电商是确定性的发展趋势，Agent（智能体）将重塑购物流程** * 蚂蚁国际与谷歌合作推出通用商业协议，旨在赋能电商Agent实现从产品推荐到支付的全流程闭环[1] * 近期AI+电商合作频繁落地，例如谷歌与零售商合作、沃尔玛/Shopify与OpenAI合作等，印证产业趋势[2] * AI搜索（如Google AI Overview）带来的流量红利将持续，AI算法能提升广告点击率和转化率[2] * **核心观点二：UCP协议将加速全球电商Agent的标准化和闭环升级** * UCP为企业、消费者和支付商提供通用交付语言，兼容现有协议，降低开发者对接各Agent的复杂度[1] * 该协议是谷歌在全美零售商联合大会上宣布的举措之一，用户可通过Google Pay或PayPal完成结算[1] * 合作方包括沃尔玛、Shopify等零售巨头，消费者在谷歌AI Overview或Gemini中对话即可轻松下单[1] * 该合作或将加速全球电商Agent向“推荐产品-代理支付”的执行闭环升级[2] * **核心观点三：重点推荐标的“值得买”深度受益于AI+电商趋势** * 值得买的“海纳”MCP Server为豆包、Kimi等超过40家大模型厂商及智能终端提供商品信息数据服务[2] * 2025年11月1日至20日期间，“海纳”MCP整体输出量较上月同期增长5倍[2] * “海纳”MCP Server已全量接入腾讯元宝（电脑版、微信版及App）、阿里云百炼、火山方舟、华为云及智谱开放平台等主要端口[2] * 公司同时推出了AI电商Agent“张大妈”和数据洞察平台“值数”[3] 其他重要内容 * **产业动态**：网传千问APP灰度测试中已接入淘宝接口，有望在近期发布[2] * **具体合作案例**：商家在Google AI Overview或Gemini中推送个性化折扣可提升AI搜索曝光；Gemini会在问答相关时自动展示沃尔玛商品；沃尔玛可根据客户线上购买记录推荐互补商品[2] * **投资建议时间线**：华泰互联网传媒团队自11月初开始提示AI+电商投资机会，当前持续强call[1]

行业与公司 * **行业**：CPU产业，特别是面向AI Agent应用的高性能计算领域[1] * **公司**：英特尔、AMD、NVIDIA等核心芯片供应商；提及的互联网大厂包括国内平台（如豆包、kimi、扣子、美团、字节跳动等）和海外公司（如Google、OpenAI、Groq等）[1][5][6][13][25] 核心观点与论据 AI Agent应用驱动CPU需求增长 * **新兴应用场景消耗大量CPU资源**：AI Agent在信息检索与处理（如从多个网页生成PPT）、AI编程（高频代码编写与验证）等场景显著提升了对高性能、多核CPU的需求[1][3][4] * **PPT生成场景**：付费用户任务可能消耗100个物理核，且每个核需在几秒内完成任务；内容提取、过滤、清洗、排序等操作占用普通CPU 60-70%算力；最终生成时的双层渲染进一步消耗30-40%算力[3] * **AI编程场景**：AI写代码速度快且需高频运行验证，消耗平台提供方大量计算资源[3] * **多模态检索增加CPU需求**：处理图片、声音等非文本数据时，需CPU进行初步处理和分发，增加了对工作型和调度型CPU的依赖[1][15] * **海外大模型服务对CPU依赖大**：如ChatGPT、DeepResearch等平台拥有数亿日活用户，其复杂任务处理流水线增加了对高级别CPU的依赖[16] 计算资源架构与配置趋势 * **三类计算资源池形成**：Agent服务中发展出GPU集群、工作型CPU集群和调度型CPU集群，分别负责GPU协调、任务执行和数据流转[1][10] * **工作型CPU集群需扩容**：为满足付费用户对速度和效果的需求，需构建大规模工作型CPU集群（如64核、128核甚至200多核的高端产品）[10][11] * **调度型CPU需高性能以避免瓶颈**：其最低配置也需64核，以确保快速响应，避免GPU等待，保持GPU高利用率[12] * **主流CPU配置**：国内Agent场景主流CPU配置在64核到128核之间；涉及复杂任务（如图像理解）会使用核心数在228到288之间的第六代至强处理器[9] 市场动态与产业变化 * **CPU价格上涨原因**：第五代、第六代英特尔和AMD CPU性价比高但产能有限；AI应用增多推高需求；GPU算力提升需要更强大的CPU配合，共同推动价格上涨[14] * **国内需求尚未完全释放**：国内生成PPT、查阅资料等助手型应用活跃度较低，日活用户少，需求未完全释放，主要受限于GPU和CPU资源不足以及平台为节省成本限制免费用户使用次数[1][6][7] * **海外需求参考指标**：海外报告显示，Google、Groq和OpenAI的DeepReach付费用户与日活用户（DAU）存在比例关系，每个DAU大约对应0.5个CPU，表明需提前准备CPU以满足增长[25][26] * **NV投资英特尔优化架构**：旨在优化服务器机柜体系中的调度瓶颈，新架构（如GB系列、R系列）提高GPU利用率，并增加了对高性能CPU的需求[1][13] 技术演进与替代趋势 * **任务向GPU转移趋势**：许多数据库查询、多模态检索等任务因GPU的并行计算优势而转向GPU，成为一个相对成熟的领域[23] * **GPU化产生滚动需求**：任务GPU化后，会产生新的应用场景（如电商平台图片识别与描述），从而带来新的CPU需求[24] * **SSD替代DRAM趋势**：NVIDIA推出直接连接SSD与GPU的数据互通技术；在延迟要求较低、任务执行时间较长的场景中，SSD可部分替代DRAM[2][28] * **存储成本优化**：SSD价格上涨推动云厂商通过按存储时长收费和优化KV Cache（如关闭应用后释放并压缩缓存）来降低存储用量[2][27] 其他重要内容 资源分配与具体场景需求差异 * **大厂应对资源压力策略**：并非简单增加CPU数量，而是通过构建工作型CPU集群优化调度，例如建立万颗CPU集群并行处理任务以提高效率、降低成本[1][8] * **不同类型Agent对资源需求不同**： * **调度型CPU需求相对较小**，工作型CPU需求较大[10][17] * **跨APP任务**：对CPU需求更大，主要由后台x86 CPU支撑调度和操作，GPU仅负责简单指令理解[18] * **医疗类Agent**：处理历史病例和诊断推理时，因激活大量参数（可能达20B~30B），对GPU需求更大[18] * **沙盒工作原理**：主流方式是在Linux服务器上分配独立硬盘空间供特定Agent访问，一个128核CPU可同时监控大量沙箱实现高效调度[19][20] * **具体操作资源消耗**：打开一个网页通常需要1个物理核；打开一个APP占用核数时间短暂，仅需几十毫秒[21] 国内外市场差异 * **高频使用场景差异**：国内高频使用Agent和Coding的用户量小，未出现严重资源消耗问题；海外在极端复杂Agent任务中会出现CPU与GPU协调工作量大、资源消耗激增的情况[22]

行业与公司 * **行业**：CPU（中央处理器）产业，特别是面向数据中心和AI服务器的高性能CPU市场[1] * **核心公司**： * **英特尔 (Intel)**：其第四代（Sapphire Rapids/SPR）和第五代（Emerald Rapids/EMR）至强处理器是市场主流高端产品，近期价格正常上涨10%-15%[15][19][21] * **AMD**：数据中心系列CPU是主要竞争对手，近期价格上涨显著，涨幅超过30%至40%[3][14][21] * **英伟达 (NVIDIA)**：虽无独立CPU，但其系统级设计（如整机柜）影响市场，并因采用英特尔四、五代处理器而引发市场追捧[3][15] * **云厂商**：美国四大（AWS、微软Azure、谷歌、Meta）和中国主要（字节跳动、阿里巴巴、腾讯）云厂商是CPU采购主力，其中AWS份额最大，字节跳动采购量增长迅速[3][16][17] 核心观点与论据 * **Agent AI时代下CPU角色演变与重要性提升**： * **角色转变**：从23年以前作为服务器的“调度指挥中心”，转变为在Agent AI时代“直接参与具体任务执行”，尤其在需要实时决策、多步骤交互的复杂工作流中[1][2][4] * **关键功能**：在智能体时代的“沙箱执行”（创建安全运算空间）、“工具调用”（与外部平台交互）、“编排调度”（协调分配资源）三个环节中扮演关键角色[1][5] * **CPU价格上涨的驱动因素**： * **需求端**：Agent AI应用增加对高性能CPU的需求；厂商尝试将部分GPU任务转移至CPU以降低成本和对单一供应商的依赖；新一代CPU算力提升已能胜任部分原属GPU的工作[1][5] * **供给端**：自2025年10月起出现CPU缺货现象，是涨价主因[1][11] * **产业链联动**：AI需求激增导致存储服务器需求暴涨，拉动SSD/硬盘价格；DDR内存因三星、海力士、美光等厂商将产能转向利润更高的HBM（高带宽内存）而紧张涨价，进而带动CPU等部件跟随涨价[1][11] * **CPU在AI服务器成本结构中的影响有限**： * 在AI服务器中，**GPU成本占比最高，达70%-80%**，系统内存占15%-20%，而**CPU仅占5%-10%**[3][12] * 因此，CPU涨价对AI服务器整体成本影响有限，对刚需客户的采购决策影响不大[3][12] * **高端CPU市场动态与竞争格局**： * **涨价集中高端**：涨价主要集中在适配AI服务器的高端CPU产品，如英特尔至强系列和AMD数据中心系列（价格通常在一万美元以上）[3][14] * **出货主流**：高端CPU（如英特尔第四、五代及AMD对应型号）已成为整体出货量的大头[18] * **竞争与选择**：互联网公司采购英特尔和AMD高端产品的比例大致相当（各占一半左右）[21] * AMD性价比更优，但近期发生安全漏洞且在AWS上表现不稳定，可能影响客户选择[21] * 英伟达采用英特尔处理器起到了示范效应，推动市场对英特尔四、五代处理器的需求[15] * **沙箱技术在AI推理时代的作用**： * **作用**：通过资源切片（如将GPU切分成32份）实现多用户共享计算资源时的隔离与安全，提高资源利用率，并确保高并发场景下关键任务的服务质量[7][8][9] * **与CPU关系**：沙箱环境主要由CPU负责搭建、管理和调度，CPU是指挥中心，而GPU更多作为执行具体计算任务的加速器[10] 其他重要内容 * **OEM/ODM厂商处境**：面临较大挑战，主要压力来自**DDR内存条价格自2025年10月至今已上涨4倍**，导致其不得不停止发货以避免亏损；CPU缺货也加剧了发货困难[13] * **技术规格细节**： * 英特尔第四代（SPR）和第五代（EMR）高端CPU的主流产品核数区间在48核到52核之间[19] * 在AI服务器中，通常每个CPU需要**20到30个核心**为GPU提供调度，剩余核心可用于处理Agent AI工作流等非AI任务[20] * **采购渠道**：大型云厂商（如字节跳动、阿里巴巴）通常直接从英特尔或AMD采购，而其他客户则通过ODM等渠道采购[17]

行业与公司 * **行业**：半导体行业，特别是AI算力产业链中的CPU、存储及配套芯片领域[1] * **涉及公司**：AMD、英特尔、英伟达、海光信息、澜起科技[1][2][3][12] 核心观点与论据 * **CPU在AI时代的重要性显著提升** * **供需紧张**：AMD的2026年服务器GPU已被完全预订，预计其服务器CPU业务2026年将增长至少50%以上，AI相关收入预计达140亿到150亿美元[1][2] 英特尔的数据中心CPU也接近售罄，并具备提价能力[1][2] * **技术瓶颈与战略地位**：技术分析表明，CPU已成为AGI（通用人工智能）推理的首要性能瓶颈[1][2] 英伟达与英特尔合作定制X86数据中心CPU，以深度融入AI基础设施平台[1][2] Deepseek和北大的论文也指出由CPU负责调度AGM数据库，验证了CPU在下一代AI系统中的战略地位[1][2] * **Agent AI时代进一步凸显CPU价值** * **解决延迟关键**：在Agent AI时代，解决延迟问题是关键，高并发场景下需要多核高线程数的CPU来支撑，以避免严重的上下文切换开销[5] * **任务下放与性能提升**：由于GPU供应链紧张，部分简单推理任务被下放到CPU执行[5] 经过多年迭代，当前CPU性能已足以胜任更多推理任务[5] * **CPU涨价逻辑与现状** * **核心驱动力**：当前CPU涨价并非简单的上游成本传导，而是由于Agent AI对CPU需求的直接拉动[8] * **涨价幅度**：自2026年初以来，服务器端CPU价格上涨了10%至20%，其中多核、高端产品涨幅更大且更紧缺[1][8] * **CXL技术成为解决存储瓶颈的关键** * **作用**：CXL技术通过通信手段将有限的DRAM资源连接成共享池，以解决DRAM资源紧缺问题[10] * **升级与能力提升**：CXL正从2.0升级到3.0，其可连接的AI服务器数量从几十台提升至上千台，显著增强了存储资源调度能力[1][11] * **相关公司分析与前景** * **海光信息**：同时布局CPU和DPU，其系统级优势及AI综合实力尚未被充分定价[3][12] 在国产算力大贝塔下，其GPU估值被重估，挤压了原有的CPU估值，存在较大预期差[3][12] * **澜起科技**：专注于内存配套芯片及PCIe Timer等运力解决方案[3][12] 受益于DDR5渗透率提升、存储价格上涨以及MRAM等新产品形态放量，其配套芯片需求将显著增加[12][13] 公司通过PCIe Retimer逐步过渡到Switch领域，并在CXL技术中占据重要位置，具备较大增长潜力[12][13] 其他重要内容 * **产业周期背景**：当前正处于半导体大级别产业周期，AI各环节零部件都紧缺，CPU作为系统核心和算力外延，其紧缺问题尤为迫切，这轮涨价定义了其在AI体系中的长期价值[9] * **效率优化路径**：在高并发场景下，除了增加多核多线程数，还可以通过优化算法来提升单核能力，但这需要大量工程投入[6] 短期内更实际的方法是在硬件资源允许范围内尽量增加多核多线程数，同时进行算法优化[6][7] * **全球供应影响**：CPU全球供应紧缺已成事实，中国市场作为供应体系的一部分，必然受到影响[8] 类似涨价现象在其他芯片（如Switch芯片）产业链中也有体现[8]

论文核心观点 - 李飞飞领衔的80页综述论文《Agent AI: Surveying the Horizons of Multimodal Interaction》为AI智能体领域建立统一框架 提出从感知到行动的认知闭环架构 并前瞻性预测行业技术演进路径 [5][6][9] - 论文定义Agent AI五大核心模块（环境感知、认知、行动、学习、记忆） 构成动态迭代的智能体体系 被视为实现AGI的系统性蓝图 [12][18] - 大模型（LLM/VLM）是驱动Agent的核心引擎 但需通过环境交互解决幻觉与偏见问题 需建立伦理安全机制 [5][20][21] - 应用潜力覆盖游戏、机器人和医疗三大领域 包括游戏NPC动态交互、机器人自主物理操作、医疗智能问诊与健康管理 [5][24][30] 技术架构 - 环境与感知模块：智能体主动从物理/虚拟世界获取多模态信息（视觉、听觉、文本） 并具备任务规划与技能观察能力 [13] - 认知模块：由LLM/VLM驱动 负责复杂推理、策略制定及上下文理解 是智能体的核心处理中枢 [14] - 行动模块：将决策转化为具体操作指令 包括机器人控制命令或API调用 通过控制器改变环境状态 [15] - 学习模块：支持预训练、零样本/少样本学习、强化学习及模仿学习 通过环境反馈实现持续优化 [16] - 记忆模块：存储知识、逻辑与推理结果 形成长期记忆体系 支持经验复用与举一反三 [17][18] 大模型驱动机制 - LLM/VLM提供零样本规划能力 例如将"热午餐"指令分解为具体子任务序列 显著降低规则编写成本 [20] - 环境交互是关键锚点：通过真实/模拟环境反馈校准模型输出 减少幻觉（如机器人操作错误）并对齐现实世界 [21] - 需解决数据偏见问题：通过多元化训练数据、偏见检测机制及道德指导方针确保包容性 [21] - 隐私与安全挑战：需建立数据使用监管框架 通过提示工程或人类监督层确保敏感领域（如医疗）安全可控 [22] 行业应用场景 - 游戏领域：变革传统NPC脚本模式 实现动态对话、行为调整及社会关系构建 支持自然语言交互与AI辅助内容生成 [25][26] - 机器人领域：实现自然语言指令解析（如"收拾桌子"） 结合GPT-4V理解人类演示视频 并通过模拟训练与多模态融合提升物理操作鲁棒性 [28] - 医疗领域：智能问诊机器人提升初级诊疗效率 连接实时医学数据库进行事实核查 支持慢性病监控与个性化健康管理 [30][32] 行业发展与挑战 - 2025年被普遍视为Agent元年 谷歌、OpenAI和微软等巨头技术布局均遵循论文能力栈框架 [5][9] - 当前需突破多模态深度融合、跨领域通用化及标准化评测（如CuisineWorld、VideoAnalytica基准）等核心挑战 [33]

公司AI技术投入与能力 - 公司累计在研发与AI领域投入超20亿元 年交易规模达700亿元[3] - 自研大模型是汽车金融行业唯一通过国家备案的模型 并实现DeepSeek-V3本地化部署与全面应用[3] - 构建覆盖预训练 后训练及多尺寸领域的全栈AI能力体系[3] AI技术融合业务场景演进 - AI技术融合分为三阶段：1.0判别式AI时期"人主AI辅" 2.0深层次AI阶段大模型参与判断 3.0 Agent AI代表"机主人数"动态业务流程[3] - 公司已实现从模型训练到业务应用的全链路AI产品化布局[3] - 产品布局包括自研AI原生话务系统 多模态模型 机器人平台和新媒体创作平台[3] AI在汽车金融全流程应用 - 融资前通过AI自动生成渠道分析报告和多模态资料提取[5] - 融资中依托端到端风控模型直接处理原始信息 减少人工干预[5] - 融资后借助语音情感分析预判客诉风险 制定个性化资产管理策略[5] Agent化业务重构与双轮驱动 - 公司以AI Agent业务面和风控智能链双轮驱动推进Agent化业务重构[7] - 外呼助手 IM助手 审批助手三类智能体通过协同与实时交互在零人工介入下完成全流程操作[7] - 智能体协同显著提升链路效率与决策精度[7] 技术竞争力与行业影响 - AI技术能力在国内市场获得验证 在全球范围展现出竞争力[7] - 中国在AI技术与场景结合的深度上具有独特优势[7] - 公司依托全栈AI能力和成熟业务验证模型持续输出汽车金融领域中国式方案[7]

纪要涉及的行业和公司 - **行业**：光通信行业、云计算行业、AI 行业 - **公司**：微软、Meta、谷歌、亚马逊、宏盛、旭创、天孚通信、新易盛、世嘉光子、博创科技、德科立、源杰科技、Oracle、AIT、AXIT、苹果 纪要提到的核心观点和论据 - **光模块板块需求强劲且呈长期增长趋势**：国内和海外 AI 算力供应链一季报成绩良好，北美四大云服务商一季报超预期，市场对北美一季报反馈积极，2025 年北美云服务商资本支出预期上调，反映市场信心增强[1][2][4] - **2026 年光通信行业需求可能超预期**：2026 年需求指引时间点提前，过去每年指引时间点都提前，通常发生在需求强劲时[8] - **市场对 2026 年增长预期悲观但可能反转**：从股价和市盈率定价看，市场认为 26 年云商增速大幅下降，甚至可能负增长，但近期可能因多领域交叉验证而反转[9][13] - **云商资本开支有周期性规律且影响光通信行业**：云商资本开支呈现三年双位数增长加一年低增速/负增速规律，过去十年北美四家云商资本开支复合年均增长率为 26%，过去五年为 27%，历史上三次低增速分别在 2015、2019 和 2023 年，该规律与光通信行业发展节奏和投资力度紧密相关[10][11] - **新兴技术驱动光通信行业发展**：AI、元宇宙等新兴技术影响光通信行业发展方向和投资力度，如 16 - 18 年云计算爆发、21 - 22 年底元宇宙拉动投资、24 年 AI 带动行业高增速[12] - **AI 模型训练和推理有新趋势**：AI 模型训练方面多模态模型发展值得期待，推理方面 Agent AI 将带来大量 token 消耗，导致推理算力需求爆发式增长[14][15] - **不同云服务商需求有差异**：谷歌和微软未来主要需求与 1.6T 相关，预计 2026 年 1.6T 需求至少翻倍；Meta 和 AWS 的 800G 需求持续提升，可能在 2026 年下半年或更晚上升至 1.6T[16][17] - **二线厂商增长迅速**：Oracle 和 AIT 增长快，目前一年 400G/800G 采购量约为头部云商的三分之一或四分之一，2026 年预计显著增长甚至翻倍[18][19] - **苹果有望推动算力需求膨胀**：苹果在 AI 领域表现积极，有望成为第七大云服务提供商，推动整体算力需求膨胀[20] - **投资策略应优先考虑龙头企业**：行业贝塔系数反转，龙头企业估值低于平均水平，推荐宏盛、旭创和天孚通信，新易盛估值更低也值得关注，光模块机构持仓大幅下降，是较好配置时点[21] 其他重要但可能被忽略的内容 - **云服务商调整费用支持资本开支**：Meta 下调费用展望控制成本投入资本开支，谷歌降本增效提升营业利润率，为增加 CAPEX 创造条件[6] - **部分公司一季报超预期**：世嘉光子、博创科技和新易盛一季报超预期，毛利率持续提升，反映供不应求状况[22] - **部分公司订单良好值得关注**：德科立和源杰科技订单情况良好，虽业绩未显著释放，但最终会出业绩，建议重点关注[23] - **投资决策需平衡宏观与微观分析**：综合考虑宏观与微观维度，避免忽略微观变化对 EPS 的影响，准确描绘定价模型[25]

财务数据和关键指标变化 - 第一季度总营收1800亿人民币，同比增长13% [7][10][25] - 毛利润1005亿人民币，同比增长20% [10][25] - 运营利润576亿人民币，同比增长10% [25] - 利息收入37亿人民币，同比下降12% [25] - 财务成本39亿人民币，同比增长37% [25] - 联营公司和合营企业利润份额46亿人民币，去年同期为22亿人民币；非国际财务报告准则下为76亿人民币，去年同期为55亿人民币 [26] - 所得税费用同比下降3%至137亿人民币 [26] - 非国际财务报告准则下摊薄每股收益6.58人民币，同比增长25% [26] - 加权平均股数同比减少2% [27] - 非国际财务报告准则下运营利润693亿人民币，同比增长18% [27] - 归属于股东的净利润613亿人民币，同比增长22% [27] - 整体毛利率56%，同比提升3个百分点 [28] - 销售及营销费用79亿人民币，同比增长4%，占收入的4%，去年同期为5% [28] - 研发费用189亿人民币，同比增长21% [29] - 一般及行政费用（不包括研发费用）147亿人民币，同比增长62% [29] - 季度末员工约10.9万人，同比增长4%，环比下降1% [29] - 非国际财务报告准则下运营利润率39%，同比提升2个百分点 [29] - 运营资本支出264亿人民币，同比增长近300% [30] - 非运营资本支出11亿人民币，同比下降86% [30] - 总资本支出275亿人民币，同比增长91% [30] - 自由现金流471亿人民币，同比下降9%，环比增长9.5倍 [30][31] - 净现金状况192亿人民币，环比增长17% [31] 各条业务线数据和关键指标变化 增值服务（VAS） - 收入920亿人民币，同比增长17% [12] - 毛利润550亿人民币，同比增长22%，占总毛利润的55% [11] - 毛利率60%，同比提升2个百分点 [28] 社交网络 - 收入330亿人民币，同比增长7%，主要受应用内游戏道具销售、音乐订阅和小游戏平台服务费收入增长驱动 [12] - 音乐订阅收入同比增长17%，订阅用户同比增长8%至1.23亿，每用户平均收入（ARPU）有所提高 [12] 长视频 - 订阅收入同比持平，订阅用户同比增长1%至1700万 [13] 国内游戏 - 收入同比增长24%，主要受旗舰游戏《王者荣耀》《和平精英》以及新游戏《DNF手游》《三角洲部队》的增长推动 [13] 国际游戏 - 收入同比增长23%，按固定汇率计算同比增长22%，主要受《Raw Stars》《皇室战争》《PUBG Mobile》等游戏的推动 [14] 营销服务 - 收入320亿人民币，同比增长20%，受益于用户参与度提高、广告平台的人工智能升级以及微信内交易生态系统的加强 [20] - 毛利润180亿人民币，同比增长22%，占总毛利润的18% [11] - 毛利率56%，同比提升1个百分点 [28] 金融科技及企业服务 - 收入550亿人民币，同比增长5% [22] - 毛利润280亿人民币，同比增长16%，占总毛利润的27% [11] - 毛利率50%，同比提升5个百分点 [28] 金融科技服务 - 收入同比个位数增长，受益于消费贷款服务和财富管理服务活动的增加 [23] 企业服务 - 收入同比两位数增长，受益于云服务收入增加以及电子商务交易量增长带来的技术服务费用增加 [23] 各个市场数据和关键指标变化 文档未提及相关内容 公司战略和发展方向和行业竞争 - 公司加大在人工智能领域的投资，包括资本支出和运营费用，部分投资已产生收入，如改善广告投放精准度、内容推荐等，公司相信长期投资将为用户、业务和股东创造巨大价值 [12] - 在游戏业务方面，公司通过调整运营模式、利用人工智能技术以及迎合市场趋势等方式，为国内外游戏收入增长提供长期动力 [53][54][56] - 在营销服务方面，公司通过升级广告平台的人工智能能力、利用大语言模型提升广告推荐效果等方式，推动收入增长，并致力于延长业务增长的跑道 [20][107] - 在电子商务方面，公司将微信电商团队独立成部门，致力于改善消费者购物体验、增加优质商品供应、提高商家流量，推动微信电商生态系统的长期发展 [40][117][118] - 在金融科技及企业服务方面，公司将大语言模型能力集成到金融助理聊天机器人中，支持财富管理业务，同时云服务的人工智能相关收入快速增长 [23][24] 管理层对经营环境和未来前景的评论 - 公司认为现有高质量收入流的运营杠杆将有助于吸收人工智能相关投资的额外成本，并在投资阶段实现健康的财务表现，长期来看，人工智能战略投资将为用户和社会创造价值，并为公司带来可观的增量回报 [7] - 国内游戏业务有长期增长的潜力，主要得益于运营模式的调整、人工智能的应用以及市场趋势的变化 [53][54][56] - 营销服务业务有很长的增长跑道，公司将通过提升广告技术、增加流量以及构建交易生态系统等方式，延长业务增长的时间 [107][108] - 电子商务业务是一个长期项目，公司将通过改善购物体验、增加商品供应和提高流量等方式，推动微信电商生态系统的持续增长 [117][118][119] - 金融科技服务中的贷款业务，信用质量逐步改善，有很大的增长空间 [77][78] 其他重要信息 - 微信和WeChat的合并月活跃用户（MAU）同比和环比均增长至14亿 [8] - 腾讯视频和腾讯音乐娱乐集团（TME）的订阅用户同比均有增长 [8] - 多款常青游戏在本季度取得了创纪录的收入，《三角洲部队》成为过去三年中国发布的日活跃用户（DAU）最高的移动游戏 [9][17][18][19] - 腾讯云的音视频解决方案在中国连续七年收入排名第一 [9] - 公司在微信中推出了一系列升级措施，包括优化视频号直播设置流程、增强推荐算法、为小程序商家提供更多支持、简化公众号内容创作等，并开始推出人工智能功能 [14][15][16] 总结问答环节所有的提问和回答 问题1：关于AgenTeq AI，微信与市场同行相比的前景和差异化，以及公司在广告、交易、GPU租赁和订阅等各种人工智能商业模式的策略；关于电子商务，公司在电子商务方面的最新组织调整、迷你商店的最新进展、未来策略和关键绩效指标（KPI），以及与生态系统的协同效应和与其他直播平台的差异化，以及6月活动的准备情况 - 微信生态系统内的代理AI具有独特性，可连接微信生态的独特组件，与通用代理AI不同；在人工智能商业模式方面，广告可通过人工智能提高投放精准度增加收入，交易与广告紧密相关，GPU租赁目前优先级较低，订阅模式在中国不是主流 [34][37][38][40] - 电子商务的组织调整较小，微信电商团队从开放平台部门独立出来，但仍由同一经理管理；公司致力于改善消费者购物体验、增加商品供应和提高流量，推动微信电商生态系统的长期发展；迷你商店交易GMV持续快速增长 [40][41][117][118][119] 问题2：关于元宝集成到微信生态系统的当前进展，用户行为趋势，以及不同举措之间的协同效应和下一步计划；随着用户和企业端采用率和使用率的增加，如何平衡投资节奏与收入增长 - 目前仍处于早期阶段，用户使用元宝进行提问、对话和内容分析等；未来将提供更多微信生态系统与元宝的连接，并进行不同的实验 [45][46][47] - 现阶段公司全力推动需求增长，如果需求超过GPU处理能力，再考虑调整节奏 [49] 问题3：国内游戏业务本季度表现强劲的长期影响，是对2021 - 2023年疲软期的需求追赶，还是近期发展带来的结构性增长；全球监管干预对应用商店和应用之间经济分成的影响，以及中国在这方面的情况 - 国内游戏业务有长期增长的潜力，得益于运营模式的调整、人工智能的应用以及市场趋势的变化；应用商店和应用之间的经济分成正在发生变化，数字内容创作者将获得更公平的份额，这一趋势在中国更为明显，在全球也将逐渐显现 [53][54][56][57][58][59] 问题4：过去两三个月，人工智能深度集成到公司业务应用后，腾讯观察到的显著用户行为变化，以及这些分析如何帮助公司提高用户价值和未来货币化潜力；除了大型游戏，中小游戏是否会在未来几个季度集成人工智能以提高货币化或用户参与度 - 目前难以进行系统分析，用户与人工智能的互动逐渐增加，公司正在探索哪些功能受用户欢迎；目前最大的机会是在大型竞技多人游戏中应用游戏人工智能，在内容驱动型游戏中应用生成式人工智能的机会有待探索 [63][64][65][66][67] 问题5：美国对高端GPU的许可要求对公司资本支出、人工智能发展和产品发布的影响；考虑到宏观环境的不确定性，公司在消费贷款业务和广告客户方面的观察 - 公司有较强的芯片库存，优先将其用于能产生即时回报的应用，如广告和内容推荐；在训练大语言模型方面，公司已不再依赖大规模训练集群，现有库存可满足未来几代模型的训练需求；在推理方面，公司可通过软件优化、定制模型和使用其他合规芯片等方式满足需求 [72][73][75][76] - 消费贷款业务的信贷质量逐渐改善，有很大的增长空间，公司将以稳健的方式推动贷款业务增长 [77][78] 问题6：关于重新投资人工智能，收入和运营利润之间差距缩小的幅度和持续时间，以及除资本支出外的其他费用项目；国内游戏业务中第一人称射击（FPS）类型的结构性演变，以及该类型多款游戏是否能保持常青 - 收入和运营利润增长差距缩小的持续时间可能在1 - 2年左右，幅度难以确定，除资本支出折旧外，还有元保的营销费用和人工智能工程师的高薪酬等因素；公司将密切管理员工人数 [81][82][83][84] - 中国玩家对第一人称射击游戏的偏好逐渐与全球趋势趋同，年轻玩家对该类型游戏的兴趣更高；该类型游戏不断有新的玩法模式出现，推动整体市场增长，多款游戏有望保持常青 [85][86][87][88] 问题7：人工智能技术在应用业务中的增长空间；视频账户广告的最新广告负载和每千次展示费用（eCPM）；微信搜索的最新搜索查询市场份额和广告收入贡献，以及添加人工智能搜索功能后用户搜索行为是否从传统搜索向人工智能搜索迁移 - 人工智能对广告收入的提升程度难以确定，目前主要体现在提高广告点击率上，其上限未知；视频账户广告负载稳定在3% - 4%，eCPM较高；微信搜索查询份额呈上升趋势，人工智能搜索处于早期阶段，传统搜索和人工智能搜索的界限逐渐模糊，对公司是建立用户份额和收入份额的机会 [93][94][95][96] 问题8：广告业务第一季度加速增长的驱动因素，是宏观复苏、技术改进还是库存释放；元宝的用户反馈和留存情况，以及聊天机器人人工智能应用的未来发展，是否是生成式人工智能的最终形式 - 广告收入增长在一定范围内波动，第一季度处于较高水平，不应过度解读；增长驱动因素可能包括流量增长和广告技术改进，而非库存释放，具体是宏观因素还是技术因素有待观察 [102][103][105] - 过去一个季度，元宝用户基数大幅增长，公司能够留住用户并提供良好体验；未来将根据功能需求定制产品形式，现阶段要扩大用户规模、增加功能、利用独特生态系统提供差异化产品，并升级模型 [109][110][112] 问题9：微信电子商务战略的关键KPI，以及是否有货架式商品供应的计划和时间表；第一季度支付交易量略有下降的原因，是宏观因素还是支付策略，4月的改善情况如何 - 公司不设定具体的KPI，而是致力于改善消费者购物体验、增加商品供应和提高流量，推动微信电商生态系统的长期发展；目前通过直播增加流量，未来希望通过微信生态系统的多个模块连接用户和产品，推动迷你商店交易增长 [117][118][119] - 支付交易量波动可能与市场补贴、信用卡交易接受程度等因素有关，也反映了消费者支出的波动；4月数据有所回升，可能意味着消费者信心和消费活动正在企稳，但还需观察关税和刺激政策的影响 [122][123][125][126]

国内AI投资趋势观察 - 近60%的投资项目分布在应用层 得益于模型智能提升和调用成本下降 应用层迎来显著爆发期 [6] - 底层算力占比超10% 作为AI"能源"是推动模型训练和推理的基础要素 [6] - 具身智能(Physical AI)占比超10% 成为中美共同关注的热点领域 [6] - 2023年投资集中于大语言模型(LLM) 2024-2025年重心转向应用层 [6] 应用层投资细分方向 - Agent方向占比近40% 包括Coding Agent和Vertical Agent(营销/客服/法律/金融等) [8] - 创意工具占比20% 涵盖图像/视频/个性化商品等生成式AI应用 [8] - 内容与情绪消费占比20% 衍生出对话+剧情/游戏化等新内容形态 [8] 算力与具身智能布局 - 算力层关注存算一体/光计算等新架构 以提升推理效能 [9][23] - 具身智能重点投资软硬一体机器人产品 及上游关节/数据服务 [9] 中间层/工具链投资 - 大语言模型安全领域布局 防范提示词注入等新型风险 [10] - 强化学习基础设施投资 支持Vertical Agent持续优化 [10] AI投资核心变量 - 智能提升维度: 从预训练Scaling Law转向后训练优化 进入Test Time Scaling阶段 [14] - 成本下降维度: Token价格从5元/万Token降至0.8元/百万Token 降幅达10倍 [19][20] - 两大趋势叠加催生应用层机会 类比互联网/移动互联网变革 [26][27] 应用层机会框架 - 信息/内容/服务供给极大丰富: 编辑成本趋零/创作成本下降/新内容模态涌现 [30][31][32] - 分发模式进化: 从精准推荐到主动式服务 基于更细粒度用户建模 [34][36] Physical AI发展 - 通用机器人是终极目标 需解决真实数据获取与软硬件协同优化 [39][40] - 模型层进展显著: pi0.5模型验证数据重要性 DYNA-1实现单任务真机部署 [38]