报告行业投资评级 - 投资评级：看好（维持）[1] 报告核心观点 - 互联网行业：双十一竞争回归极致低价及用户体验，AI云需求得到持续验证，主要云服务提供商上调资本开支指引，行业景气度强化 [5][26] - AI行业：Mid-training技术的兴起有望延续Scaling Law，提升了算力需求的可预见性，并刺激数据标注和Data Infra产业的AI化需求 [6][30][38] - 汽车与自动驾驶行业：乘用车市场受政策影响短期承压，但Robotaxi领域迎来重要进展，小马智行与文远知行港股上市，小鹏汽车宣布入局Robotaxi [37][45][48] 分章节内容总结 互联网行业 - 双十一大促期间（2025年10月9日-11月11日）全网零售额近2.4万亿元，同比增长超10% [16] - 平台份额分化，天猫淘宝占比37%，京东占比25%，抖音占比15%，拼多多占比9% [16] - 平台竞争焦点回归低价与用户体验，通过补贴、消费券及会员权益升级提升满意度；淘天主导家居家装与服饰，京东巩固3C数码及家电品类，抖音凭借内容生态切入户外、美妆、服饰等品类 [23] - 英伟达指引当前订单至2026年底有望实现5000亿美元销售额；主要云服务厂商（CSP）如亚马逊、微软、谷歌均上调资本开支指引，亚马逊2025年计划资本开支达1250亿美元 [26][27] - 全球云服务市场规模持续增长，2025年第三季度达？亿美元（原文数据缺失），同比增长22%；微软Azure云业务收入在2025年第三季度增速达40% [27] AI行业 - Mid-training技术介于预训练（Pre-training）与微调（SFT）之间，旨在通过更结构化的监督信号提升模型泛化能力，延续Scaling Law [6][30][33] - 该技术趋势意味着算力与资本的边际投入能获得更明确的边际产出，为CSP厂商上调资本开支提供底层支撑 [6][38] - Mid-training强化了对专业数据标注的需求，美国已诞生三家估值达百亿美元的数据标注独角兽企业（Scale AI, Surge, Mercor） [6][38] - 该技术同样刺激数据基础设施（Data Infra）的AI化需求，利好相关平台公司 [38] 汽车与自动驾驶行业 - 2025年11月1-9日，国内乘用车零售41.5万辆，同比下降19%，环比下降4%；新能源汽车零售26.5万辆，同比下降5%，环比增长16% [41] - 同期新能源车零售渗透率达64% [41] - 11月国内车市迎来近20款新车发布潮，包括智己LS9、岚图泰山、AION i60等新能源车型 [43][44] - 2025年11月6日，小马智行与文远知行同日于香港联交所上市，小马智行（绿鞋后）集资额可达77亿港元，文远知行募资总额（绿鞋前）达23.9亿港元 [45][46] - 小鹏汽车宣布入局Robotaxi，计划于2026年推出三款相关车型，车端算力高达3000TOPS，并率先接入高德平台 [48][53] 市场周度表现 - 本周（2025年11月17日-21日）恒生指数下跌5.1%，恒生科技指数下跌7.2%，恒生互联网科技业指数下跌5.9% [14][60] - 同期，港股通买入成交净额为353.06亿元人民币，环比增长55.6%；资金净流入居前的个股包括阿里巴巴-W（96.9亿港元）、小米集团-W（41.9亿港元）等 [62][65] - 恒生沪港通AH溢价指数为122.15，环比提升3% [65]

基础语言模型研究 - 上海创智学院与上海交通大学的研究论文揭示了Llama和Qwen基础语言模型在强化学习(RL)训练中的性能差异，并提出中期训练(mid-training)策略成功将Llama改造成高度适配RL的推理基础模型，显著缩小与Qwen的性能差距[1][7] - 研究团队通过大规模可控实验(每次训练20B tokens)发现数学语料质量、QA数据分布、指令数据注入和中期训练规模是影响RL效果的关键因素[14][16] - 论文提出的OctoThinker模型在数学推理基准测试中相比原始Llama实现10%-20%性能提升，例如1B模型在GSM8K从7.66提升至44.88，MATH500从4.60提升至27.80[31][32] 数据集开发 - 团队构建了MegaMath-Web-Pro-Max高质量数学语料库，规模达MegaMath-Web-Pro的5.5倍，通过Llama-3.1-70B-instruct标注和fasttext分类器筛选，选择0.4召回阈值平衡质量与数量[17][19][21][25] - 该数据集被MIT、EPFL等顶尖高校和Apple、Microsoft等企业广泛采用，显示学术界与工业界的高度重视[3] - 对比实验显示使用MegaMath-Web-Pro的模型RL性能明显优于FineMath-4plus，证实高质量语料对基础模型和RL训练的关键作用[22] 模型训练方法 - OctoThinker采用两阶段训练方案：第一阶段用200B tokens构建强推理基座(OctoThinker-Base-Stable)，第二阶段通过20B tokens分支训练形成短链、长链和混合链三大专业化分支[27][29] - 分支训练采用学习率衰减策略(余弦衰减至初始10%)，短链分支含30%竞赛短推理QA，长链分支含30%反思型长推理QA，混合分支平衡两者[27][29] - 3B规模的OctoThinker-Long-Zero经RL训练后性能媲美Qwen2.5-3B，证明该方法有效提升Llama的RL兼容性[35] 行业影响 - Meta AI科学家Wenting Zhao等专家高度评价该研究解决了mid-training中的关键谜题，Pleias AI Lab的独立实验验证了方法的普适性[2] - 开源模型和数据集在GitHub和HuggingFace发布，代码仓库和论文获得广泛关注[5] - 未来研究方向包括精炼数学语料库、开发无需蒸馏的RL友好型基础模型、拓展工具集成推理等新分支[38]