公司战略与收购 - 公司于3月19日宣布收购为开发者创建Python工具的初创公司Astral [2] - 此次收购是公司日益关注编码领域的一部分 旨在将Astral团队整合至公司的Codex项目 [2] - 公司近期还宣布计划收购另一家初创公司Promptfoo 并将其技术整合至企业平台OpenAI Frontier [11] - 公司首席执行官Sam Altman将这一系列产品推出比作在公司内部“押注一系列初创公司” [10] 产品与技术整合 - 公司Codex项目的目标是超越仅生成代码的AI 转向能够参与整个开发工作流程的系统 [2] - 整合Astral后 将使AI代理能够更直接地与开发者日常依赖的工具协同工作 [3] - Astral的开源工具包括：简化依赖和环境管理的uv 提供“极快”代码检查和格式化的Ruff 以及帮助确保代码库类型安全的ty [4] - 收购Promptfoo旨在帮助公司在开发过程中发现AI系统的漏洞 [11] 市场背景与竞争 - Python已成为现代软件开发的关键语言 支撑着AI、数据科学和开发者基础设施等领域 [3] - 公司正面临来自竞争对手Anthropic日益增长的压力 后者的Claude Code和Cowork工具使其在企业中广受欢迎 [10] - 近期有报道称 公司正在暂停其副业项目 以更专注于编码和商业用户 [8] 管理层观点与未来方向 - 公司应用业务首席执行官Fidji Simo表示 不能因为分心于“支线任务”而错过当前时刻 必须专注于提升生产力 尤其是商业领域 [9] - Astral创始人Charlie Marsh表示 其团队一直专注于构建改变开发者使用Python方式的工具 加入公司后将继续开发其开源工具 [4] - 公司过去一年推出了多款新产品 包括Sora视频生成器、Atlas网络浏览器、新硬件设备以及ChatGPT的电子商务功能 [9]

行业投资评级 - 行业评级为“看好”，且为“维持” [2] 报告核心观点 - 紧抓Coding、Agent和AIGC多模态三大主线，终将无惧“AI吞噬论”带来的市场波动 [2] - 长期可关注震荡期被错杀个股的布局机会，短期则关注Coding、Token出海、Agent入口争夺及多模态进展等主题 [2] - 面向3月，重点提示并提名传媒3月金股：昆仑万维、完美世界、恺英网络 [2] 市场表现与行情回顾 - 上周（2月24~27日）申万传媒指数周跌幅为-5.10%，同期上证指数周涨幅为+1.98%，恒生科技指数（2月23~27日）周跌幅为-1.41% [2] - AI应用板块演绎国产大模型token出海、国内agent春节表现强劲、多模态大模型Seedance等主题，同时受海外美股“AI吞噬论”影响，呈现高波动率震荡行情 [2] 长期投资主线与个股机会 - 长期关注震荡期被错杀的个股布局机会，例如阿里巴巴（云业务收入增长弹性及涨价可能）、腾讯（社交生态护城河及核心壁垒，3月18日业绩披露）、快手（主业稳健增长，Kling依然是全球最头部的文生视频模型）、哔哩哔哩等 [2] - 静待右侧拐点落地 [2] 短期投资主题与逻辑 - **Coding/Token出海**：受Anthropic 2月24日舆情影响，MiniMax和智谱股价有所波动，但中国大模型数据保持稳健，不影响对大模型收入弹性的判断 [2] - 财联社讯，Moonshot在2月20天的收入大于2025年全年收入，OpenRouter排名靠前的国产大模型如MiniMax、Kimi、智谱、DeepSeek等，其2026年的收入弹性均值得期待 [2] - MiniMax和智谱行情并未结束，市场逻辑已演绎至中国电力算力的出海优势、国产算力等 [2] - **Agent入口争夺**：国内大厂抢夺Agent入口，即时零售是为Agent入口提供更多刚需场景，关注阿里巴巴云业务收入增长弹性以及千问的数据表现 [2] - **AIGC多模态**：节前受Seedance带动表现强势，节后出现资金回撤和调整 [2] - 2月26日谷歌发布NanoBanana2，支持4K生图、多角色一致与成本降低，多模态大模型进一步推进 [2] - 继续看好赛道发展，重点关注《AI漫剧深度报告》，提示关注昆仑万维、中文在线、荣信文化等 [2] 三月金股提名与详细分析 - **昆仑万维 (300418.SZ)**：公司已打通算力—模型—AI应用全产业链，短剧出海商业化大超预期，天工超级智能体打开第二增长曲线，2026年正式从投入期迈入业绩兑现期 [2] - 2月27日昆仑万维正式发布多模态视频基础模型SkyReelsV4，为全球首个同时支持多模态输入、联合音视频生成、统一生成/修复/编辑任务的视频基础模型 [2] - **完美世界 (002624.SZ)**：开放世界二游大作《异环》上线前预约数据领先，已达成2500万+预约，超越《原神》上线前的2000万预约数，仍有突破空间，上线前还有2个半月，最终有望超3000万 [2] - **恺英网络 (002517.SZ)**：由公司发行、参投企业自然选择研发的AI原生社交应用《EVE》有望于3月上线，同时2026年第一季度公司业绩弹性可期 [2] 相关个股数据一览 - 报告列出了涵盖GEO、字节、漫剧、阿里、DeepSeek、AI应用、游戏等多个概念板块的数十只个股，提供了截至2月27日的总市值、阶段涨幅及交易数据 [3] - 例如，昆仑万维总市值为767.02亿元，12月20日至今涨幅为52.79%，上周涨幅为1.18% [3] - 完美世界总市值为418.84亿元，12月20日至今涨幅为36.21%，上周涨幅为0.79% [3] - 恺英网络总市值为484.55亿元，12月20日至今涨幅为0.67%，上周涨幅为-7.47% [3]

行业投资评级 - 行业评级：看好（维持）[2] 核心观点 - 紧抓Coding、Agent和AIGC多模态三大主线，终将无惧“AI吞噬论”带来的市场波动[2] - 长期关注震荡期被错杀个股的布局机会，短期关注Coding、Token出海等主题的持续演绎，国内大厂抢夺Agent入口，以及AIGC多模态赛道的持续推进[2] 市场表现与行情回顾 - 上周（2月24日至27日）申万传媒指数周跌幅为-5.10%，同期上证指数周涨幅为+1.98%，恒生科技指数（2月23日至27日）周跌幅为-1.41%[2] - 市场受海外美股“AI吞噬论”影响，呈现高波动率的震荡行情[2] 长期投资主线与个股关注 - 关注阿里巴巴（云业务收入增长弹性及涨价可能）、腾讯（社交生态护城河及核心壁垒，3月18日业绩披露等）、快手（主业稳健增长，Kling依然是全球最头部的文生视频模型）、哔哩哔哩等，静待右侧拐点落地[2] 短期投资主题与逻辑 - **Coding/Token出海**：受Anthropic 2月24日舆情影响，MiniMax和智谱股价有所波动，但中国大模型数据保持稳健[2] - 据财联社讯，Moonshot在2月20天的收入大于2025年全年收入[2] - OpenRouter排名靠前的国产大模型，如MiniMax、Kimi、智谱、DeepSeek等，2026年的收入弹性均值得期待[2] - 市场逻辑演绎至中国电力算力的出海优势、国产算力等[2] - **Agent入口争夺**：国内大厂抢夺Agent入口，即时零售为Agent入口提供更多刚需场景，是一盘比预期更大的棋[2] - 关注阿里巴巴云业务收入增长弹性以及千问的数据表现[2] - **AIGC多模态**：节前受Seedance带动表现强势，节后有所调整[2] - 2月26日谷歌发布NanoBanana2，支持4K生图、多角色一致与成本降低，多模态大模型进一步推进[2] - 继续看好赛道发展，重点关注《AI漫剧深度报告》中梳理的行业规模、产业链、竞争格局等，相关公司包括昆仑万维、中文在线、荣信文化等[2] 三月重点金股提名 - **昆仑万维**：已打通算力—模型—AI应用全产业链，短剧出海商业化大超预期，天工超级智能体打开第二增长曲线，2026年正式从投入期迈入业绩兑现期[2] - 2月27日公司正式发布多模态视频基础模型SkyReelsV4，为全球首个同时支持多模态输入、联合音视频生成、统一生成/修复/编辑任务的视频基础模型[2] - **完美世界**：开放世界二游大作《异环》上线前预约数据领先，已达成2500万+预约，超越《原神》上线前的2000万预约数，最终有望超3000万[2] - **恺英网络**：由公司发行、参投企业自然选择研发的AI原生社交应用《EVE》有望于3月上线，同时2026年第一季度公司业绩弹性可期[2] 相关个股数据摘要（基于2月27日收盘价及上周交易数据） - **蓝色光标**：总市值664.19亿元，自12月20日至今涨幅116.63%，上周涨幅-2.63%，上周交易额294.73亿元[3] - **润泽科技**：总市值1,689.75亿元，自12月20日至今涨幅107.65%，上周涨幅35.15%，上周交易额456.81亿元[3] - **昆仑万维**：总市值767.02亿元，自12月20日至今涨幅52.79%，上周涨幅1.18%，上周交易额288.02亿元[3] - **完美世界**：总市值418.84亿元，自12月20日至今涨幅36.21%，上周涨幅0.79%，上周交易额81.55亿元[3] - **恺英网络**：总市值484.55亿元，自12月20日至今涨幅0.67%，上周涨幅-7.47%，上周交易额51.69亿元[3]

事件概述 - GPT-4o模型将于美国时间2月13日上午10点（北京时间2月14日凌晨2点）正式下线[3] - 此次下线是OpenAI在1月29日官宣的决定，为用户预留了约两周的告别时间[5] 用户反应与行业现象 - 模型下线决定引发了用户大规模的集体哀悼与抗争，在Reddit、X、小红书等平台出现了Keep4o、Save4o、4oforever等热门话题[8] - 用户自发建立请愿网站，在短短几天内收集了超过1万个签名，并分享与GPT-4o的深度对话和情感故事[8] - 此现象反映了用户与AI模型之间建立了超越工具的情感连接，这在十年前是难以想象的[9][10] 模型能力与行业进化方向 - 从技术评测（benchmark）角度看，GPT-4o的能力已被后续模型全面超越，例如GPT-5系列和Claude Opus 4.6[10] - 当前AI行业的进化方向明确指向编程（Coding）能力，各大公司均在此领域展开军备竞赛[10] - Anthropic发布Opus 4.6时重点强调其在Terminal-Bench、SWE-Bench等编程评测的表现；OpenAI发布GPT-5.3 Codex时也重点宣传其帮助程序员写代码和debug的能力[11] - 行业追求更强的能力、更高的跑分和更快的速度，核心驱动力在于编程能力能直接转化为生产力、节省人力成本并计算出明确的投资回报率（ROI）[15][16] 模型特质与用户体验对比 - GPT-4o被广泛认为是一个站在科技与人文十字路口的模型，其特点是具有更强的共情能力和对话深度[6] - 与用户对话时，GPT-4o更注重理解上下文和情感，例如当用户表达压力时，它会先询问压力来源，而非直接给出解决方案清单[13] - 后续更强大的模型（如GPT-5.2）在对话中更倾向于提供逻辑完美、建议实用的答案，但用户体验上感觉模型是在“等待问题并输出答案”，而非真正倾听，导致用户感到疲惫[13][15] - 这种差异源于模型训练目标的根本不同：当前行业训练目标侧重于可量化的生产力提升，而非难以商业化的“陪伴”或“情感理解”能力[15][16] 行业商业模式与资本逻辑 - 当前AI行业收入主要来自企业端（B端）付费或小型工作室（小B），商业模式依赖于清晰的投资回报率[15] - 资本逻辑决定了技术走向，一个能写代码的AI易于变现，而一个能提供情感陪伴的AI其商业价值难以核算，因此主流公司均选择前者作为发展路径[16] - 为了弥补模型“人情味”的缺失，部分公司增加了“个性化设置”功能（如“热情洋溢”、“积极主动”），但这被用户认为只是添加了语气词和表情符号，并未改变底层交互逻辑[16] 行业反思与未来展望 - 文章指出，当前AI行业越来越像一个纯粹的技术游戏，讨论焦点集中在benchmark、tokens、context window、memory等技术指标，以及哪个模型写代码更强、改BUG更高效[17] - 行业缺乏对AI如何与人相处、能否让人感到被理解、被尊重、被关心等问题的讨论[17] - 尽管效率提升是好事，但行业在追求极致效率的过程中，可能失去了一些同样重要、甚至更重要的东西，例如技术中的人文关怀和情感温度[18][20] - 文章以GPT-4o的告别为引，提出了对AI发展终极意义的思考，引用阿西莫夫《最后的问题》中的“要有光”，希望未来的AI在追求强大的同时，不要忘记那些无法被量化但让生命有意义的价值[20]

纪要关键要点总结 涉及的行业与公司 * **行业**：人工智能（AI）大模型、算力基础设施、AI Agent[1] * **提及的公司**： * **算力基础设施相关**：网宿科技、深信服、优刻得、金山云、首都在线、青云科技[1] * **模型厂商**：智谱、Minimax、讯飞[1] 核心观点与论据 * **核心趋势判断**：AI Agent（智能体）在2024年爆发是确定趋势[1] * **核心驱动因素**：全球大模型厂商正激烈竞争，重点提升Coding（编程）和Agent能力[1] * **关键市场影响**：Token（大模型处理单位）的消耗量将持续非线性上涨，并导致其价格与用量齐升[1] * **贯穿全年的投资主线**：算力通胀[1] 其他重要内容 * **看好的投资环节**： 1. **算力通胀环节**：包括GPU、存储、CPU、互联及AI基础设施（AIInfra）[1] 2. **模型厂商**：看好智谱、Minimax、讯飞等公司[1]

行业技术范式与竞争格局 - 行业普遍认为Chat范式的探索已基本结束，未来更多是工程和技术优化问题[4][5] - 中美大模型之间的差距可能仍在拉大，因美国模型更多闭源，而中国模型主要在开源领域竞争[9] - 多模态和AI for Science被视为2026年将迎来爆发的重点方向[11] 公司战略与产品发布 - 智谱团队基于对Chat范式见顶的判断，决定将战略重点转向Coding领域[4][5] - 公司于2025年7月28日推出新一代旗舰模型GLM-4.5，首次在单模型中实现推理、编码和智能体能力的原生融合[5] - 公司计划在2026年专注于技术创新，包括探索新的模型架构、解决超长上下文和高效知识压缩问题，并实现知识记忆与持续学习[9][11] 产品性能与市场反馈 - 2025年12月上线的GLM-4.7在多项基准测试中表现领先：在Code Arena盲测中位列开源第一、国产第一，超过GPT-5.2；代码能力对齐Claude Sonnet 4.5；在AA智能指数中以68分综合成绩荣登开源与国产模型双料榜首[7] - 同期开源的基座智能体模型Open-AutoGLM创下3天达成10000 Stars的成绩，成为2025年继DeepSeek-R1后第二款爆发式增长的开源项目[7] - 中信证券研报指出，GLM CodingPlan、AutoGLM等新产品性能优异，2026年高性价比代码工具可能对公司的云端收入产生更大影响[8] 公司发展里程碑 - 智谱于2026年1月8日登陆港交所，成为“全球大模型第一股”[3] - 公司创始人唐杰在上市后首次公开亮相于AGI-Next前沿峰会[2][3]

大模型行业分化趋势 - 大模型公司正从通用模型向垂直领域分化 Google Gemini和OpenAI继续专注通用模型 Anthropic聚焦Coding和Agentic领域 Thinking Machines Lab探索多模态和下一代交互[6][7] - 行业呈现横向全家桶与纵向垂直整合两大路线 ChatGPT代表横向全家桶模式 Gemini代表纵向垂直整合模式[6][37] - 模型能力趋同导致前三名格局稳定 OpenAI、Gemini和Anthropic形成第一梯队 其他公司难以突破前三名壁垒[24][26] 头部公司战略与表现 - Anthropic通过聚焦Coding实现爆发式增长 2024年底ARR达9.5亿美元 预计2025年收入超120亿美元 月复合增速达20-30%[8][11] - OpenAI在C端建立强大壁垒 ChatGPT成为10亿用户最快增长产品 ARR达120亿美元 与Anthropic合计占AI产品营收70-80%[29][30] - Thinking Machines Lab获史上最贵天使轮融资 估值100亿美元融资20亿美元 团队来自OpenAI核心infra部门[13][18] - xAI面临战略定位困境 超大算力投入未带来相应回报 可能在未来半年并入Tesla[22] 产品与技术创新 - L4级别体验产品已出现 ChatGPT Deep Research和Claude Code分别实现信息搜索和软件开发的端到端体验[49] - Coding领域成为当前最大红利 Claude Code仅用3-4个月ARR反超Cursor 预计年底达15-20亿美元[33][50] - 模型保鲜窗口持续缩短 Perplexity窗口期近2年 Cursor窗口期9个月 Manus窗口期仅3个月[45] - Context能力成为关键差异点 Claude在long context领域具有独特优势 最新实现百万context能力[52] 市场竞争格局 - 头部效应加剧 OpenAI和Anthropic增速持续陡峭 其他公司出现明显断层[30] - 成本优势成为核心竞争力 不做模型的Coding公司将失去优势 未来竞争重点转向成本优化[3][53] - 谷歌规模效应开始显现 端到端整合TPU芯片、Gemini模型和安卓系统 后劲可能最强[37][60] - 产品形态趋向融合 ChatGPT计划推出广告平台 谷歌整合Gemini功能推出AI mode[55][58] 投资与创业环境 - 投资策略需要高度集中 头部公司拿走最大价值 错过头部项目意味着错过整个周期[65][66] - 创业窗口期缩小 科技巨头既看得懂又跟得动 留给创业公司的空间有限[37][39] - 华人团队全球影响力提升 在AGI领域扮演重要角色 需要积极开拓北美高价值市场[62][63] - 优秀AI产品经理画像变化 下一代PM需要算法或模型背景 才能更好利用模型红利[47] 技术发展前景 - 语言和代码仍是当前最大红利 多模态和机器人发展还需突破多个GPT-4级别技术[49][64] - 产品形态持续演进 可能打破APP端到端优势 介于手机屏幕和APP之间的新形态[60] - 世界模型与Coding可能本质相同 都是实现AGI的"虚拟子宫" 只是路径不同[12] - 智能与产品需要平衡 OpenAI在智能探索和产品转化方面做得最好[40][43]

Agent行业现状与趋势 - 2025年成为Agent技术加速发展关键年，DeepSeek、GPT-4o和Claude 3.5等推动大模型边界扩展，但行业焦点转向具备自我调度能力的智能体[1] - Agent成为继大模型后全球科技圈最快形成共识的风口，巨头战略重构与创业赛道跟进同步进行，但多数产品陷入"用老需求套新技术"的困境[2] - 行业面临核心挑战：底层设施缺位（可控运行环境/记忆系统/上下文感知/工具调用）制约Agent从演示走向实用[2] 技术路径与产品形态 - 通用Agent领域最佳实践是"模型即Agent"(Model as Agent)，如GPT-4o整合LLM/上下文/工具使用/环境等组件端到端训练[14] - 垂直领域Agent分为ToB前台（如HappyRobot的物流电话Agent）和后台（AI for Science多智能体系统）两类[15][16] - Coding Agent发展路径：从Cursor的Copilot（Tab键补全90%准确率）逐步演进至后台异步运行的完整Agent形态[19][22] AGI发展关键领域 - 编程(Coding)被视为通往AGI的"价值高地"：数据干净闭环可验证，可能占据大模型产业90%价值[24][47] - 数字世界优先实现AGI的逻辑：端到端软件开发能力是基础，未来两年Agent或能完成人类在数字设备上的所有操作[25] - 评估Agent核心指标：任务完成率+成功率（行业及格线50%）、成本效率（计算/时间成本）、用户粘性（DAU/MAU/留存）[30] 商业模式创新 - 收费模式演进：从基于成本定价→按动作收费（如物流电话单次几毛钱）→按工作流收费→按结果付费→未来可能按Agent本身付费[37][42] - 市场渗透策略变化：自下而上（如Cursor）替代传统SaaS销售模式，医疗领域OpenEvidence通过医生群体切入再植入商业广告[35] - 价值捕获方向：Coding可能服务全球3000万程序员后，通过"氛围编程"拓展至5亿平民开发者，激发应用软件大爆发[47][48] 基础设施需求 - 环境(Environment)构成最大挑战：需要虚拟机/沙盒（如E2B）保障安全执行，专用浏览器（如Browserbase）支持信息检索[56][59] - 上下文系统关键组件：信息检索(MemGPT)、工具发现平台、记忆管理系统[62] - 未来基础设施规模：万亿级Agent任务执行将重构云计算，机器搜索需求或达人类搜索量的50倍（日万亿次）[61] 未来技术演进 - 多模态大一统：理解与生成能力一体化将打开产品想象力，模型持续遵循Scaling Law和"思维链"双范式[63] - 自主学习突破：AI通过在线任务体验提升能力，进入"经验的时代"，记忆系统完善将显著提升产品粘性[64] - 交互方式革新：从文字输入转向"永远在线"的异步交互，形成人机新型协作关系（Human on/in the loop）[44][45]

文章核心观点 - 2025年第一季度中美AI领域火热，AGI路线图上智能提升是唯一主线，要围绕智能投资和思考，模型公司壁垒在于成为Cloud或OS，未来模型和产品边界将模糊；最大非共识是pre - training空间大，Coding是实现AGI的最好环境，Agentic AI是未来关键，AGI时代组织和文化竞争力仅次于算力 [3] 重新重视Pre - training - pre - training空间大，还会涌现新能力，下一代SOTA模型能显著超过当前模型，只有pre - training能决定模型内在上限，post training和RL不涌现新能力 [5][6] - OpenAI看似不重视pre - training可能是战略选择和组织问题，战略上O系列刷分快、ChatGPT成长快占用精力，组织上pre - training核心团队动荡 [7] - RL能产生合成数据加入pre - training环节，可解决数据瓶颈问题，但training和RL inference融合难，涉及训练框架的Infra问题 [9] - 期待pre - training涌现新能力，如提升模型tool use能力，Manus是Anthropic tool use能力的“ChatGPT时刻” [9][10] - 对两年内实现AGI有信心，Coding是实现AGI最好的环境，是模型的“手”，现实世界多数任务可用Coding表达，Agent可通过操作电脑和手机任务接近AGI [11][12] - Anthropic在Coding上有领先优势，Cursor是热门编程IDE工具，多数开发者选Sonnet，Coding是$1T级机会，模型公司在AI for Science领域突破可达到$1T或$10T [14][15][16] - Coding应作为技术引擎，产品表达形式待定义，期待Cursor在交互表达上有新突破 [17] ChatGPT只是攀登AGI的第一站 - OpenAI和Anthropic在实现AGI路线上发生分化，OpenAI核心bet是O系列和ChatGPT，重视C端市场和自下而上组织文化；Anthropic专注pre - training、Coding和Agentic，重视B端市场和自上而下组织文化 [18] - 路线分化原因可能是Anthropic团队出身pre - training有信心，OpenAI O系列亮眼获更多资源，且pre - training团队变动大 [19] - O系列刷benchmark快，但不确定能否打开智能天花板，其提升的Coding多为竞赛型，Anthropic做实战型Coding更多 [20] - 硅谷对不同路线分歧大，本质是智能和流量哪个重要，更应相信AGI原教旨主义，智能提升是首要目标 [21][22] - 谁能做出显著领先的base model谁可能是赢家，长期来看Anthropic可能比OpenAI更有价值，OpenAI对pre - training重视不够 [23][24] - 国内公司有必要训练自己的闭源模型，智能处于早期阶段，认知差异可能源于想象力局限 [26] - AGI探索主线是智能提升，ChatGPT是第一站，后续还有Coding、Agent、AI for Science等，AI for Science是珠穆朗玛峰，多模态、Online Learning等大概率在主线上 [30][31] - 智能涌现带来Magic moment和流量迁移，当前AGI模型公司和产品无绝对壁垒，应围绕智能主线推动智能提升，应用承接智能红利 [32][33] - DeepSeek放弃Chat Bot流量是因组织文化和智能本质考量，AI Robotics排在AI for Science后面是因数据采集低效、算法架构未达成一致，AI for Science有自动化实验室和垂直领域基础模型等趋势 [33][34][35] Agent & Online Learning - AGI应用爆发少是因Agent产品供给受限，依赖模型能力，模型和云厂商未做好Infra准备，Agent有文本、Coding、通用日常任务等类型 [48] - Agent落地关键能力是Long Context reasoning、Tool use、Instruction following，对应不同Infra能力，Context很重要，存在支付宝级机会 [49][51] - Long Context对Agent完成多步骤任务很重要，但目前未找到有效突破方式，存在数据、成本、架构等难点，long - term memory可能取代Long Context [51][52][53] - 两年内实现AGI确定性高，路径是现有路径，AGI定义是在电脑或数字环境下满足3个90% [54] - 新的范式级路线可能是Online Learning，让模型自主在线探索学习，但存在无清晰reward和目标定义等挑战，可能通过模型微调等实现 [54][55] - 可通过坐标轴评价路线差异，重视数据，未来pre - training叙事和Agentic对算力刺激大，看好算力需求 [58] - 英伟达想成为云厂商，贾扬清的公司被卖符合其战略 [58] 大模型的壁垒到底在哪？ - 应做研究驱动的应用，AI市场有泡沫，Agent泡沫刚开始，AI产品定价偏低 [60][61] - 通用Agent能否出现取决于pre - training和RL及关键能力，Reward Model泛化性微弱 [62][64] - 模型公司壁垒可能是成为Cloud或OS，OpenAI商业模式可能较好，Anthropic专注模型pre - training [65] - 投资人应投研究推动的应用，应用公司构建壁垒需考虑用户数据使用和独立环境构建，长期做大需具备调整模型和做Research的能力 [66] - 用户数据对提升模型能力作用微弱，模型和产品边界将模糊，应用公司和模型公司会相互渗透 [67][68] - Agent可能影响SaaS公司价值，模型训练是人类面向未来的大基建投入，价值链利润将向后迁移 [69][70][71] - AI市场可能出现黑天鹅，如全新架构、新的Agent产品形态等 [72] 全球AI公司的竞争格局 - OpenAI核心bet是O系列和ChatGPT，Anthropic专注pre - training、Coding和Agent，OpenAI领先优势加强，流量集中度提升，与Anthropic拿走市场revenue的80% [73][74] - Anthropic和xAI背后有Amazon和Musk支持，DeepSeek和xAI Grok跟随OpenAI路线，Google多模态强但其他bet不清晰 [75] - GPT - 4.5可能较强，GPT - 5可能是hybird model，预期今年夏天推出，有GPT - 3.5到GPT - 4量级的提升 [76][79][80] - OpenAI支持Anthropic的MCP协议，两家有竞争但路径分化，OpenAI与微软可能因利益冲突产生裂痕，分家对微软有影响 [81][82][83] - OpenAI整体较安全，但存在base model不够领先的风险，xAI Grok写作能力突出，与Twitter合并为了流量 [84][85][86] - AGI是普通本科毕业生操作电脑水平，ASI是爱因斯坦水平，实现ASI需突破，Mira的新公司团队强，可能做打败ChatGPT的产品 [87][88][89] - Manus和Perplexity执行力强，Manus更吃模型能力，ChatGPT的Deep Research后续会集成更多产品，有两个发展方向 [90][91][92] - Devin解决的问题易被模型公司覆盖，Cursor可能是阶段性产品，期待DeepSeek出现范式级创新 [93] - ilya和Noam对AGI推动贡献最大，其次是Dario和Alec等，Sam对业界贡献大但部分行为可能是烟雾弹 [94][95] 如何构建AGI portfolio - 构建AGI portfolio会投25%给Anthropic，25%给Bytedance，10%给OpenAI，10%给Mira的公司，5%给ilya的公司，5%给Cursor，5%给Manus，15%待定，若DeepSeek融资也会投25% [96] - 字节被低估，营收和利润好，可内生投入AGI，Anthropic团队、Roadmap和战略重点更受看好，Mira公司成功概率高 [97][99] - 未来3 - 5年投资最大的bet是AGI带来科学的文艺复兴，会出现多家市值超$10T的公司和下一个Google、Windows等 [101] 组织文化竞争仅次于算力 - 组织和文化竞争力是仅次于算力的核心竞争力，做AGI要有赌性，人才密度比数量重要 [103] - 判断AGI - native组织要看是否AGI first、Research first等，团队成员要年轻聪明、有想象力和执行力 [103][104] - 大概率OpenAI和Anthropic最早实现AGI，中国字节和DeepSeek等也可能实现，开源可突破地缘封锁 [105] - 中美差距快速缩小，中国人才强，字节Infra能力强，有望在AGI领域有突破 [105][106] - 硅谷多0 - 1创新，中国多1 - 100创新，未来中国创新模式可能变化，需资本充裕和冒险精神 [109] - 应把产品和技术做到极致，跨越地缘问题，激进全球化，期待更多中国跨国公司出现 [110][112]