点击图片▲立即了解 上海调降商业用房首付比例 3月16日，中国人民银行上海市分行联合国家金融监督管理总局上海监管局印发通知，上海市商业用房（含"商住两用房"）购房贷款最低首付款 比例由不低于50%调整为不低于30%。各金融机构需根据经营状况、客户风险状况等因素，合理确定每笔贷款的具体首付比例。据悉，这是上海 商办房贷政策十余年来的首次调整。 1月17日，中国人民银行、国家金融监督管理总局等发布《关于调整商业用房购房贷款最低首付款比例政策的通知》，将商业用房（含"商住两用 房"）购房贷款最低首付款比例调整为不低于30%，同时要求各地在此基础上，自主确定最低首付款比例下限。（经济参考报） ｜点评｜ 国家层面发布通知，此前全国已有多地陆续跟进。作为经济中心城市，上海将执行多年的50%首付下限降至30%，具有较强的标杆作 用，或能带动更多热点城市。早期各地商业用地规划普遍过于乐观，导致后续供应放量但需求吸纳乏力，加上宏观经济与楼市调整，近年来， 商办市场库存压力高企。降低首付门槛，正是为了激活商用地产市场的流动性，推动存量商用住房改造为新业态载体。 经历粗放式发展阶段，商办市场内部也存在不少运营短板，政策作用或将出现 ...

阿里AI战略布局 - 公司在48小时内连续发布两项重大举措：3月16日宣布成立由集团CEO吴泳铭亲自挂帅的Alibaba Token Hub事业群，3月17日发布全球首个企业级Agent平台“悟空” [2] - 公司的AI战略形成两翼齐飞格局：C端“千问”应用负责打造声量和占领用户心智，B端“悟空”平台负责实现商业落地和占据企业工作流 [28] - 公司通过成立Alibaba Token Hub事业群，在组织架构上确保从Token创造、输送到应用的全链路打通，标志着其AI业务进入大兵团作战模式 [12][13][28] 行业趋势与竞争核心转变 - AI行业的竞争核心正从“模型能力”转向“推理与执行”，数据中心将从“文件仓库”变为“Token工厂” [3] - 行业共识认为，B端市场是决定AI价值深度与商业可持续性的终极战场，AI正从技术演示走向商业滩头 [11] - 行业正经历从“感知”到“生成”再到“行动”的跃迁，当前处于AI能够安全进入企业核心业务流程的“商业奇点时刻” [18] “悟空”平台的核心定位与设计 - “悟空”的本质是一个企业操作系统的Agent平台，旨在解决AI在企业中从“极客玩具”转变为“生产工具”的鸿沟 [7] - 平台通过三大核心设计实现定位：原生嵌入钉钉而非外挂工具、底层交互逻辑的CLI化重构、内置企业级三大核心能力（权限继承、沙箱运行、Token成本可计量） [8][10] - 平台直接内置到拥有超过2000万企业组织的钉钉中，一诞生就站在了ToB赛道的最大基本盘上 [8] “悟空”平台解决的企业核心痛点 - 平台旨在回答企业管理者对AI的三个关键问题：权限是否管得住、操作是否查得到、成本是否算得清 [7] - 平台解决了AI在企业中安全、可控、可结算地干活的问题，而非仅仅解决AI能否干活的问题 [10] - 平台通过权限继承、沙箱运行和Token成本可计量三大能力，共同应对企业最关切的安全、可控、可结算需求 [10] 公司的平台型优势与三层闭环能力 - 公司是国内首家将“Token工厂经济学”逻辑进行组织化、产品化落地的大型科技公司 [16] - 公司很可能具备国内唯一的“模型-平台-场景”三层闭环能力：上游通义实验室提供模型，中游阿里云和MaaS提供算力与服务平台，下游钉钉（超2000万企业组织）及淘宝、天猫等提供场景 [16] - 这种生态协同形成竞争壁垒，竞争对手需复制技术和生态，护城河较深 [24][25] “悟空”平台带来的核心价值 - **第一重价值：一人团队（OPT）**：推出覆盖电商、开发等十大场景的OPT解决方案，让个人拥有超级生产力，实现生产力维度的跃迁 [20][22] - OPT交付的是“场景化Skill套件+预编排工作流+行业数据沉淀”，用户只需决策和验收，AI负责执行，开箱即用 [23] - 以跨境电商为例，核心工作环节从传统模式下一周的时间被压缩到一个下午 [21] - **第二重价值：生态壁垒**：同步推出旨在成为“全球最大的toB Skill市场”的AI能力市场，并逐步接入淘宝、天猫等阿里系B端商业能力Skill [24] - 平台生长在阿里生态中，是一个AI劳动力平台，生态协同将启动数据飞轮，使Skill更智能精准 [25] - 这种模式让竞争对手难以模仿，构成了深厚的护城河 [25] 战略意义与未来展望 - ATH事业群的成立确保了“千问”和“悟空”两条腿能跑得快且稳，将Token的创造、输送、应用置于统一体系 [28] - AI大战已进入新阶段，焦点从过去两年的C端故事转向B端落地 [29] - “悟空”虽处于新生状态，但其进化速度可能远超预期 [30]

公司核心财务与市场预期 - 公司CEO预计，新一代AI加速芯片架构Blackwell与下一代Rubin产品，到2027年底将创造至少1万亿美元收入，远超2025年10月给出的5000亿美元预测 [2][80] - 公司预计，到明年年底，来自Blackwell和Vera Rubin两代架构的采购订单总额将突破1万亿美元，是去年预期的两倍 [3][81] - 公司最新财报显示，数据中心季度营收已达623亿美元，同比增长75% [3][81] - 公司股价自去年10月的历史高点207美元回调了约11%，CEO的万亿订单预测直接回应了市场对2027年能否维持增速的疑虑 [3][81] - 演讲期间，公司股价收盘上涨约1.65%，市值达到4.45万亿美元，成交量达2.17亿股，高于日均的1.77亿股 [18] 新一代核心产品：Vera Rubin平台 - Vera Rubin NVL72是当前旗舰规格，由72颗GPU通过NVLink 6互联，采用液冷设计，安装时间从Blackwell的两小时压缩至5分钟 [5][83] - Rubin Ultra扩展至144颗GPU单机柜规格，采用全新的Kyber机架竖向安装 [5][83] - 与Hopper世代相比，Vera Rubin平台的推理吞吐量理论上可达700万tokens/秒，而x86 Hopper组合仅为200万tokens/秒 [5][83] - 公司将推理算力分为Free、High、Premium、Ultra四个服务层级，以tokens/秒定价，并称“Token是新的大宗商品” [5][83] - Vera CPU将作为独立产品单独销售，预计将发展为“数十亿美元级别”的收入贡献 [6][84] - 第一套Vera Rubin系统已在微软Azure云上运行，采样进展顺利 [6][84] Groq收购与LPU技术整合 - 公司以约200亿美元完成对Groq的核心资产并购，并宣布了技术产品Groq 3 LPU（语言处理单元） [7][85] - Groq 3定位为Vera Rubin的推理加速器，其LPU以22 TB/s的HBM4内存带宽专门优化decode阶段，比同类GPU快约7倍 [7][85] - 两者通过分离式推理架构配合：GPU负责prefill，LPU负责decode，由公司的Dynamo系统统一调度 [7][85] - 公司推出专用的LPX机架，单机柜容纳256颗Groq 3 LPU，通过定制Spectrum-X互联，预计三季度出货 [8][86] - Vera Rubin NVL72与Groq 3 LPX联合部署，较Blackwell可实现每兆瓦tokens/秒提升35倍 [8][86] - 这一架构使得公司可以为大型语言模型提供“每秒数千tokens”的极低延迟推理服务 [9][87] 软件生态与AI代理战略 - 公司CEO盛赞开源代理平台OpenClaw是有史以来最为成功的开源项目，并将其类比为代理计算机的操作系统 [11][89] - 公司发布了NemoClaw——一套针对OpenClaw的开源企业级参考软件栈，核心功能是帮助企业保护内部敏感数据 [11][89] - 微软安全团队同日宣布与公司合作，共同基于Nemotron和NemoClaw开发实时自适应防护能力 [11][89] - 公司将DGX Spark和DGX Station两款产品定位为企业AI代理的本地开发与部署平台，将NemoClaw能力引入边缘 [11][89] - 公司CEO宣称“全球每家公司都需要有一套OpenClaw战略”，将其与当年企业必须拥抱Linux或HTTP/HTML相提并论 [11][89] 未来技术路线图与合作伙伴 - 公司勾勒了下一代Feynman架构的轮廓，计划于2028年推出，将包含全新GPU、新一代LPU（LP40）、全新CPU（Rosa）等 [12][90] - 公司宣布正在开发太空版Vera Rubin模块——Space-1，目标是在轨道上部署AI数据中心 [12][90] - 公司发布了DSX AI Factory参考设计，结合Omniverse DSX Blueprint，帮助企业规划、仿真和管理大规模AI数据中心 [12][90] - AWS当天宣布与公司扩大合作，承诺部署超过100万颗公司GPU，涵盖Blackwell、Rubin以及Groq 3 LPU，部署将于今年内启动 [13][91] - 在自动驾驶领域，公司宣布与Uber合作进入落地阶段，Uber将在2028年前于全球四大洲28座城市部署由公司技术支持的自动驾驶车队 [14] - 比亚迪、吉利、日产和现代等车企正在公司的Drive Hyperion平台上开发L4级自动驾驶乘用车 [14] 公司战略定位与行业影响 - 公司CEO不断强调公司已经不是一家芯片公司，而是一家生态平台和基础设施企业 [15] - 公司正在通过三个层面构建护城河：硬件全栈（GPU+LPU+CPU+DPU+网络）、软件生态（CUDA、NemoClaw、Dynamo、Omniverse）、以及行业落地（汽车、医疗、工业、娱乐） [15][17] - 软件正在成为越来越显性的竞争优势，这恰恰是AMD等竞争对手最难复制的部分 [17] - 自动驾驶的大规模合作伙伴扩张，以及OpenClaw代理平台的接入，预示着公司的增长来源将从单一的数据中心硬件扩展为更广泛的AI应用基础设施 [17] - 有分析师将此次GTC定性为“科技投资者急需的信心提振”，并称公司“独坐AI山顶” [18] - 分析师估算，每1美元的公司芯片支出将在软件、网络安全、能源和数据中心等下游创造8至10美元的乘数效应 [18]

文章核心观点 - AI行业的竞争焦点已从技术玄学转向工业化效率，核心是构建高效、低成本的“Token工厂”，比拼每瓦特电力的Token产出效率 [4][5][7] - 微软与字节跳动分别从基础设施和应用场景出发，共同验证了通过降低成本、提升能效比来赢得AI竞争的策略 [14][15][23] - 随着Token成本急剧下降，行业衡量标准正在演变，未来将更关注Token的“含金量”和有效产出，而不仅仅是数量和价格 [26][27][28] AI竞争本质的转变：从魔法到工业 - AI正在从被视为神奇魔法转变为标准化的工业产品，竞争本质是关于“Token工厂”的效率战争 [4][5] - 行业最大的变化之一是从讲故事到算成本的转变，核心竞争力在于建设高度异构的基础设施集群，通过软件最大化利用率以降低总体拥有成本（TCO） [5][8] - 所有智能消耗最终都是电费，竞争关键在于谁能用同样的电生产出更多、更好的Token，从而掌握定价权 [6][7] 关键参与者的战略与实践 - **微软（纳德拉）的战略**：作为“电网老板”，其思路是将算力网络铺向全球，通过提升能效比（如每度电多产出10%的内容）来节省天文数字的成本，旨在向全世界提供最便宜、最稳定的算力 [20][21][23] - **字节跳动（张一鸣/火山引擎）的战略**：作为“超级厂家”和最大的Token消耗大户，其策略是通过内部海量应用（如抖音、今日头条）的需求倒逼成本领先，持续降价甚至免费提供Token以降低使用门槛、分摊研发成本并扩大生态 [10][12][16][17][22] - 两家公司在“用量优先”和提升Token产出效率上达成共识，但微软偏向向外扩张的基建，字节跳动偏向向下扎根的应用生态 [14][15][23] 行业指标与未来趋势的演变 - 行业共识发生剧变，衡量指标从模型参数大小转向Token推理成本（例如“降到几分钱”） [27] - 随着DeepSeek R1等案例证明算法优化可极大节省成本，行业意识到Token数量虽重要，但含金量和质量（有效产出）更为关键 [25][28] - 未来评价科技公司的标准将更看其在实体经济中帮助企业节省的成本和提升的效率，而非学术论文数量 [30] - 当AI生产的Token变得精准、廉价和标准化时，人类的非标准特质（如直觉、创意）可能成为新的稀缺品 [33]