文章核心观点 - 广州市白云区在“十五五”开局之年（2026年）召开企业家大会，彰显了其以企业家为中心、全力拼经济、推动高质量发展的决心 [10][11][12] - 白云区凭借顶级的交通枢纽优势、庞大的市场主体与企业家密度、以及“三生融合”与产业园区建设，正从经济大区向经济强区迈进，目标是到2035年GDP突破6000亿元 [8][26][49] 经济发展现状与目标 - 2025年，白云区GDP总量向3300亿元迈进，跻身广州市第一梯队 [5] - 白云区位列2025年全国综合实力百强区第21位、赛迪创新百强区第20位，并连续6年获评“中国领军智慧城区” [6] - 白云区锚定2030年GDP总量超4300亿元、2035年突破6000亿元的宏大目标，计划2026-2035年年均经济增长5.5%左右 [8][49] - 广州市提出2035年经济总量相比2023年翻番，直指6万亿经济大市的目标 [7] 企业家与市场主体活力 - 白云区将2026年“新年第一会”定为企业家大会，打破传统会议模式，让企业家成为主角，凸显对企业和企业家的高度重视 [11][12] - 截至“十四五”期间，白云区市场主体净增24万户，总量突破70万户，占广州市的约六分之一 [19] - 白云区常住人口369.6万，平均每5个人中就有一位“老板”，是“老板”密度最高的区域之一 [20] - 截至2025年底，白云区拥有国家级专精特新“小巨人”企业28家、省级专精特新企业526家、高新技术企业1260家，相比2020年底分别增长8倍、34倍、1.2倍 [22] 交通枢纽与流量经济优势 - 白云区集齐四大顶级交通枢纽：广州白云国际机场（年旅客吞吐量超8000万人次）、广州白云站（高峰日均客流超20万人次）、华南区域中欧班列集结中心主枢纽（广州国际港，开行全省40%中欧班列）、广州站 [27][29] - 白云区连通全球五大洲210多座城市，1小时通达粤港澳大湾区九城，具备空、铁、水、陆港口岸等全方位交通资源 [30][41] - 过去10年，白云区常住人口增长超70万人，增量位居广州市第一，占同期全市人口增量的五分之一左右 [34] - 白云区实有人口（含暂住人口）超过500万人，大量年轻人的流入带来了人口与人才红利的双重优势 [37][38] 产业集群与产业园区发展 - 白云区正在形成“6+6+X”现代化产业集群，当前集群规模已突破7000亿元 [39][62] - 已形成美丽健康、现代都市消费两大千亿级产业，文旅、会展等产业直接受益于流量经济 [39] - 广州民营科技园以占白云区5%的土地面积，贡献全区超50%的工业产值，汇聚7000家民企，营收有望达2500亿元 [45] - 白云区拥有“一园两城三都四区”十大产业平台，包括国家级高新区（民营科技园）、临空经济示范区、综合保税区、国家新型储能中心等 [45] - 广州设计之都从年租金不足5000万元、年税收不足百万元的村级工业园，蝶变为年营收超800亿元的总部集聚区 [47] - 以全国唯一的国家新型储能创新中心为核心，白云区打造新型储能产业园，拿出5000余亩产业用地，剑指500亿级乃至千亿级产业集群 [47] 发展空间与未来动力 - 白云区是广州面积最大的中心城区，在广州划定的630平方公里主城区中占比接近一半，全区建设用地326.42平方公里，占全市六分之一左右 [54][55] - 预计通过城市更新，5年内将新增工业用地约1万亩、商业办公空间超1000万平方米 [57] - 白云区推动城市更新、产业园区建设、招商引资三件大事协同发展，预计“十五五”期间固定资产投资年均增长5%以上，总量突破7500亿元 [60][62] - 在巩固化妆品、航空及现代物流等优势产业的同时，积极壮大新型储能、氢能、生物医药、人工智能等新兴产业，培育生物制造、低空经济等未来产业 [62]

文章核心观点 高盛分析师团队揭示了2026年科技行业的十大趋势，聚焦于AI基础设施、消费电子、半导体及新兴赛道，认为技术创新与供应链变革将创造结构性投资机会 [1] AI服务器与核心硬件 - AI服务器出货量预计从2025年的1.9万架激增至2026年的5万架，实现爆发式增长 [2] - ASIC芯片渗透率预计在2026年达到40%，并在2027年进一步升至45%，其能效优势将推动平台多样化 [2] - 客户将更加依赖具有强大设计与制造能力的头部供应商，如鸿海和工业富联 [2] 光通信 - AI基础设施扩张将直接驱动光通信板块增长，数据中心网络正从400G向800G/1.6T升级 [3] - 800G/1.6T光模块出货量预计同比激增逾两倍 [1] - 硅光子和CPO技术应用增加，ASIC芯片渗透率提升将进一步支撑光模块需求 [3] 散热技术 - 随着算力密度提升，液冷技术渗透率将显著上升，特别是在ASIC AI服务器领域 [4] - 供应链将加速向液冷方案迁移，利好AVC、Auras等散热组件供应商 [4] ODM厂商 - 地缘政治与供应链韧性成为关键，在美国拥有坚定承诺或产能计划的ODM厂商将跑赢大市 [5] - 具备强大研发能力、垂直整合优势以及全面芯片组平台敞口的厂商，如鸿海、Wistron和Wiwynn，将更受市场青睐 [5] 消费电子：PC与智能手机 - PC市场在2026年面临严峻挑战，Win10换机周期近尾声，AI PC增长预期已被市场消化，存储成本上升可能影响产品规格或价格 [6] - 全球市场领导者（如联想）凭借更强的供应链议价能力和高端产品敞口，有望保持韧性 [6] - 苹果预计在2026年推出折叠屏iPhone，预计出货量达1100万至3500万部，成为市场强力催化剂 [7] - iPhone的外形变化，尤其是折叠屏的推出，将是核心驱动力，高端品牌和新特性将降低消费者价格敏感度 [7] 印制电路板 - PCB需求稳固，高端CCL和PCB供应商受益于AI服务器出货增长及ASIC渗透率提升 [8] - 随着CCL等级向M8+及M9升级，预计高端产品的平均售价将在2026年和2027年每年增长20-30% [8] 中国半导体 - 中国半导体行业将继续保持增长，本土领军企业（如SMIC、鸿海）在先进制程上的扩张计划以及本土GPU供应商的崛起是主要看点 [9] - AI技术创新和边缘设备（如AI眼镜）的新需求是主要推手，半导体设备和材料领域也将受益于供应链本土化趋势 [9] 智能驾驶 - 城市NOA和Robotaxi的普及将推动芯片组、软件和传感器供应商的增长 [10] - Horizon Robotics等企业的解决方案正被更多车型采用，Pony AI等Robotaxi运营商的商业化进程在加速 [10] 低轨卫星通信 - 低轨卫星行业将进入加速期，随着火箭运载能力提升和发射成本降低，卫星发射将显著提速 [11] - 卫星规格正在升级，带宽将从单频段向多频段演进，考虑到卫星5-6年的生命周期，换代需求最早可能在2026年启动 [11]

公司财务信息发布安排 - Calix公司将于2026年1月28日（星期三）市场收盘后，在其投资者关系网站上发布截至2025年12月31日的2025年第四季度股东信函 [1] - 公司将于2026年1月29日（星期四）太平洋时间上午5:30（东部时间上午8:30）举行电话会议，讨论第四季度业绩 [2] - 电话会议可通过网络直播收听，或拨打电话(877) 407-4019（美国）或(201) 689-8337（国际）接入，会议ID为13757677 [3] - 电话会议网络直播的重播将在会议结束后提供，并归档于公司投资者关系网站 [3] 公司投资者活动安排 - Calix公司将于2026年2月24日在纽约市纽约证券交易所为分析师和机构投资者举办现场投资者日活动 [4] - 演示定于美国东部时间上午8:15开始，并将通过公司投资者关系网站的日历页面提供虚拟参与方式 [4] - 公司执行领导团队成员计划在会上介绍公司的长期战略和财务展望 [4] 公司业务与平台介绍 - Calix公司致力于为各种规模的服务提供商提供转型解决方案，使其成为体验提供商 [5] - 公司平台是业界唯一的基于代理AI云和设备的平台，基于开放标准和高级安全构建，历时超过二十年 [5] - 该平台整合了代理AI、智能设备、完全集成的托管服务、Calix Success服务以及合作伙伴社区 [5] - 平台旨在简化运营、互动和服务，为消费者、企业和市政订阅用户创新，并为其成员、投资者及所服务的社区增长价值 [5]

分析师背景与覆盖范围 - 拥有超过十年的公司深度研究经验 涵盖大宗商品如石油、天然气、黄金、铜以及科技公司如谷歌或诺基亚和许多新兴市场股票 [1] - 撰写个人博客约三年后 转向专注于价值投资的YouTube频道 已研究过数百家不同的公司 [1] - 最青睐覆盖金属与矿业类股票 同时对其他多个行业有研究经验 如非必需消费品/必需消费品、房地产投资信托基金和公用事业 [1] 分析师持仓与文章性质 - 分析师通过股票持有、期权或其他衍生品方式 对谷歌拥有多头持仓 [2] - 文章内容为分析师个人观点 未获得除Seeking Alpha平台外的任何报酬 [2] - 分析师与文章中提及的任何公司均无业务关系 [2]

分析师背景与覆盖范围 - 分析师拥有超过10年的深入研究公司经验 覆盖领域包括大宗商品 如石油 天然气 黄金 铜 以及科技公司 如谷歌或诺基亚 和许多新兴市场股票 [1] - 分析师运营以价值投资为核心的YouTube频道 已研究过数百家不同的公司 [1] - 分析师最擅长覆盖金属和矿业股 同时也熟悉其他多个行业 包括可选消费品 必需消费品 房地产投资信托基金和公用事业 [1] 持仓与利益披露 - 分析师通过股票所有权 期权或其他衍生品对谷歌拥有实质性的多头头寸 [2]

文章核心观点 - AI大模型发展正从基础设施向上层应用演进，基座大模型将收敛，但垂域模型与应用将极大丰富，成为引发技术变革的关键[1] - 物理AI是重要关注窗口，正加速具身智能、自动驾驶等领域演进，但技术路线存在分歧，软性基础尚在夯实[1] - 2025年进入“Agent元年”，AI技术正从Copilot辅助模式向自主行动的Agent模式迈进，目标是全价值链的业务重构，但规模化落地仍面临挑战[6][7] - 部分行业凭借信息密集、数据结构化程度高、价值闭环快等特征，已率先借力AI完成价值闭环，进入数智化转型“深水区”[1][9][11][12] 物理AI的技术路线与分歧 - 物理AI存在两条核心路线竞争：世界模型与视觉语言模型[2] - Sora等模型标志着AI从“预测者”向“模拟者”进化，是从数据驱动到模型仿真驱动、物理对齐、通用模拟的范式转移[2] - 当前Sora仅是“视觉模拟器”，而非真正的“物理世界模型”，因其缺乏因果推理、反事实推演和物理一致性，常出现违背物理逻辑的“物理幻觉”[2] - 世界模型路线分化为“生成派”与“表征派”：生成派通过海量感官数据归纳世界规律，适合做数据工厂或仿真训练；表征派通过构建内在结构推演世界状态，适合做决策大脑和实时推理[3] - 应用于具身智能的VLA模型将控制问题转化为序列建模，优势在于零样本泛化，但缺乏因果推理且依赖训练数据覆盖度；世界模型主张构建环境内部模型进行虚拟试错，样本效率远超VLA[3] - 产业界正呈现VLA与世界模型融合的趋势，例如利用VLA进行高层策略规划，利用世界模型进行底层动作验证[4] 网络架构向AI原生演进 - 网络架构正从“云原生”向“AI原生”演变[5] - 云原生解决了互联网应用的弹性伸缩和敏捷开发需求，互联网流量以“南北向”为主，数据包小而离散，对时延抖动有一定容忍度[6] - 大模型时代流量特征转向分布式“同步计算”，带来“大象流”、丢包零容忍、微秒级时延敏感等特点，需要网络做到“万无一失”[6] - AI原生网络的核心是极致的性能无损和算网协同，具备内生智能、确定性保障和算网一体等关键特征[6] - 应用层面，云原生应用以K8S为底座，以微服务架构为代表；AI原生应用以“大模型+Agent”为底座，以Agent及Agent间通信为代表；两者将趋于融合成为云智一体原生应用[6] Agent元年的机遇与挑战 - 2025年被称为“Agent元年”，将推动千行百业更彻底转型，从效率提升转向业务重构[6][7] - Agent从实验室走向企业核心生产系统的“最后一公里”面临多重挑战[8] - 在高可靠性行业，需解决随机性模型与确定性业务之间的矛盾、确保长程任务稳定性、构建可信安全边界[8] - 核心业务中，AI“幻觉”是不可接受的风险，企业无法容忍“黑盒”在没有人类审核下做出关键决策[8] - 由于上下文窗口限制，处理跨天、跨周的复杂任务链时，模型易出现记忆丢失或逻辑断裂，导致开发复杂度指数级增长[8] - Agent使用工具可能带来沙箱逃逸、资源耗尽和数据泄露等安全风险[8] - 企业现有IT环境复杂，存在接口标准化缺失、数据孤岛等问题，同时需平衡推理维护成本与投资回报率[8] 行业应用与价值闭环 - 能率先实现AI价值规模化复制的行业具备关键特征：信息密集、数据结构化程度高、具备强反馈机制、价值闭环极快、有一定容错度、具备一定范围泛化能力[9] - 数字化转型较好的行业更容易进行智能化转型[10] - 教育、医疗、软件开发、智能制造、城市治理等行业可能率先完成价值闭环[11] - 制造业凭借高度结构化数据环境和明确效率指标，成为AI价值变现的“排头兵”[11] - 城市治理依托海量多模态数据和公共安全需求，正通过“城市智能体”模式实现从被动响应到主动预防的跨越[11] - 数智化转型进入“深水区”意味着AI从外围辅助系统进入核心生产系统，如网络运营、电网调度、城市应急指挥等[12] - “深水区”将面临“三多”：多模态数据、多厂家设备、多业务场景；“三新”：新技术、新架构、新安全威胁；“三跨”：跨领域知识融合、跨系统数据调用、跨组织流程协同[12] 技术路径：通用大模型与行业小模型的协同 - 驱动行业AI发展并非“通用基础大模型+行业精调”与“从零构建行业专属小模型”的二选一，而应采用“云边协同”的混合路径[12] - “通用基础大模型+行业精调”是构建企业“大脑”的最有效路径，解决了认知层面的通用性与专业性矛盾，能以低成本继承通用逻辑能力，解决知识密集型任务[12] - 从零构建行业专属小模型是构建企业“四肢”的可行方案，在非自然语言、极致边缘和极致隐私场景下不可或缺，解决了感知与执行层面的效率、适配和安全问题[12] - 面对工业领域的振动波谱、雷达信号、基因序列等“非自然语言”数据，通用模型的先验知识可能成为噪音，需从零构建专用的CNN或Transformer模型[13] - 对于极致时延和功耗场景，如矿山无人驾驶卡车或高速贴片机，推理时延需控制在毫秒级，算力受限于嵌入式芯片，训练一个参数量在几百万到几亿的专用小模型是唯一可行方案[13] - 面向对数据隐私和主权有极致要求的场景，如金融或核心基础设施，为确保模型无潜在偏见或后门，会选择完全物理隔离环境下的从零训练[13] - AI本身已在重塑软件工程，高效利用AI代码大模型试错，可在一定程度上加速试错和降低成本[13]

文章核心观点 - 2019年特朗普政府对华为及其所有子公司以及中兴通讯实施的市场准入和技术限制 被视为一系列后续行动的开端[1] 作者背景 - 作者Otaviano Canuto是政策中心高级研究员 乔治华盛顿大学教授 宏观经济与发展中心负责人 布鲁金斯学会非常驻高级研究员[1] - 作者曾担任世界银行副行长和执行董事 国际货币基金组织执行董事 美洲开发银行副行长[1] - 作者曾担任巴西财政部国际事务副部长 并在巴西圣保罗大学和坎皮纳斯大学担任经济学教授[1] - 作者撰写或合著了8本书以及超过160篇书籍章节和学术文章 并经常为众多博客和期刊撰稿[1]

融资活动 - NuRAN Wireless公司完成了其先前宣布的融资的第二批次发行 共发行147,668个单元 每个单元价格为2.89美元 [1] - 本次发行募集资金总额为426,764美元 其中包括190,116美元的现金认购和236,648美元的债务清偿 [1] - 公司向介绍认购者的注册交易商支付了2,609.20美元的现金佣金 并发行了140份不可转让的普通股认股权证作为中介费用 [1] 公司背景 - NuRAN Wireless是一家移动和宽带无线基础设施的领先供应商 [1] - 公司在加拿大证券交易所上市 代码为CSE:NUR 同时在OTC PINK市场交易 代码为NRRWD 并在法兰克福证券交易所上市 代码为FSE:1RN [1]

AI行业发展趋势与核心观点 - AI大模型发展将从基础设施向上层应用演进，基座大模型数量将收敛至个位数，但围绕千行百业将衍生丰富的垂域模型与应用，这是引发技术变革的关键[2] - 物理AI成为重要关注窗口，正加速推进具身智能、自动驾驶等领域演进，有望深刻改变未来社会运行方式[2] - 2025年被称为“Agent元年”，AI技术正从以“内容生成”为核心的Copilot辅助模式，向以“自主行动”为核心的Agent模式迈进，企业智能化目标从“效率提升”转向“业务重构”[9] - AI应用正告别“技术炫技”的初级阶段，迈入“价值落地”的关键时期，核心逻辑是从“实验室里的高精尖”转变为“产业中的实用工具”，从“单一技术赋能”升级为“全链条生态协同”[16] 物理AI的技术路线与竞争 - 物理AI存在两条核心路线竞争：世界模型与视觉语言模型（VLA）[3] - Sora等模型标志着AI正从“预测者”向“模拟者”进化，是从“数据驱动”到“模型仿真驱动”再到“物理对齐”和“通用模拟”的范式转移[3] - 当前Sora被视为“视觉模拟器”而非真正的“物理世界模型”，因其缺乏因果推理、反事实推演和物理一致性，常出现违背物理逻辑的“物理幻觉”[3][4] - 世界模型技术路线分化为“生成派”（如Sora、Marble）和“表征派”（如JEPA），生成派适合做数据工厂或仿真训练，表征派适合做决策大脑和实时推理[4] - VLA模型核心理念是将机器人控制转化为序列建模问题，价值在于零样本泛化能力，但缺乏因果推理且依赖训练数据覆盖度；世界模型主张先构建环境内部模型进行虚拟试错，样本效率远超VLA[5] - 产业界正呈现VLA与世界模型融合的趋势，例如利用VLA进行高层策略规划，利用世界模型进行底层动作验证[5] 世界模型面临的挑战与发展预测 - 世界模型赋能“数实融合”需解决三大难题：理解因果性并掌握第一性原理、构建解决物理一致性问题的模拟器、应对数据枯竭与长尾困境[6] - 世界模型旨在通过海量视频数据预训练，在神经网络内部构建隐式“物理引擎”，以在数字空间低成本试错和推演[6] - 自动驾驶等数据驱动型AI的下一阶段竞争本质是高质量合成数据的竞争，成熟的世界模型能生成现实中难以捕捉的极端工况数据[6] - 世界模型落地时间表预测：2024-2025年实现视觉仿真；2026-2027年实现物理对齐；2028-2030年有望实现通用具身智能[6] 网络架构向AI原生演进 - 网络架构正从“云原生”向“AI原生”演变，大模型时代流量特征转向分布式“同步计算”，带来“大象流”、丢包零容忍、微秒级时延敏感等特点，需要网络做到“万无一失”[7] - AI原生网络核心是极致的性能无损和算网协同，具备内生智能、确定性保障和算网一体等关键特征[7] - 应用层面，云原生应用以K8S为底座，AI原生应用以“大模型+Agent”为底座，两者将趋于融合成为云智一体原生应用[7] 中兴通讯的技术布局与产品 - 中兴通讯技术演进从2G时代硬件集成，发展到5G时代的芯片+整机+大模型的组装式研发范式，在技术、专利、标准方面从跟随转向引领[8] - 公司自研珠峰、定海、凌云等芯片，服务器、存储、数据中心交换机和数据中心等产品收入增速明显[8] - 公司提供全栈全域的智算解决方案，支持软硬解耦、模型解耦和训推解耦，聚焦工程能力工具化[8] - 针对智能体应用，中兴通讯推出“Co-Sight智能体工厂”，带有“CT级可靠性”基因，结合深度思考和反思、DAG和COA规划协同，支持分钟级智能体构建[11] - Co-Sight通过冲突感知元验证（CAMV）机制确保决策可信，采用基于结构化事实的可信推理（TRSF）支持超长任务的“断点续做”[11] - Co-Sight构建了严格的运行环境：受控沙箱、全链路审计、隐私保护[12] - Co-Sight 2.0在通用AI助手基准测试GAIA中连续三个月保持第一，在代表前沿知识的HLE评测中也连续两个月位居榜首[12] - 中兴通讯与中国移动合作，联合验证了“点金行动”的31个高价值场景，结合图谱检索、强推理以及电信级多智能体协议，助力自智网络向L4+迈进[12] - 公司采用“1（通用底座）+N（领域增强）+X（场景微调）”策略，结合RAG技术，兼顾能力与成本[16] Agent规模化落地的挑战 - 智能体从实验室原型走向企业核心生产系统的“最后一公里”充满挑战，在电信、金融、能源等高可靠性行业，需解决随机性模型与确定性业务之间的矛盾、确保长程任务稳定性、构建可信安全边界[10] - 核心业务中，AI“幻觉”是不可接受的风险，企业无法容忍“黑盒”在没有人类审核下做出关键决策[10] - 由于上下文窗口限制，处理跨天、跨周的复杂任务链时，模型易出现记忆丢失或逻辑断裂，导致Agent开发复杂度呈指数级增长[10] - Agent使用工具（执行代码、调用API、操作数据库）会带来安全风险，如沙箱逃逸、资源耗尽和数据泄露[10] - 企业现有IT环境复杂，存在接口标准化缺失、数据孤岛等问题，同时需平衡推理维护成本与投资回报率[10] 有望率先实现AI价值闭环的行业特征与方向 - 能率先实现AI价值规模化复制的行业关键特征：信息密集、数据结构化程度高、具备强反馈机制、价值闭环极快、有一定容错度、具备一定范围泛化能力[13] - 智能化转型基础是网络化和数字化，数字化转型较好的行业更容易进行智能化转型[14] - 具体产业中，教育、医疗、软件开发、智能制造、城市治理等可能率先完成价值闭环[14] - 制造业凭借高度结构化数据环境和明确效率指标，成为AI价值变现的“排头兵”；城市治理依托海量多模态数据和迫切公共安全需求，正通过“城市智能体”模式实现从被动响应到主动预防的跨越[14] - AI进入产业“深水区”意味着从外围辅助系统进入核心生产系统，将面临“三多”（多模态数据、多厂家设备、多业务场景）、“三新”（新技术、新架构、新安全威胁）、“三跨”（跨领域知识融合、跨系统数据调用、跨组织流程协同）的复杂局面[14] 行业AI模型部署路径 - 驱动各行各业融入AI的模型路径并非“二选一”，而应采用“云边协同”的混合路径[15] - “通用基础大模型+行业精调”是构建企业“大脑”的最有效路径，能以低成本继承通用逻辑能力，解决知识密集型任务[15] - 从零构建行业专属小模型是构建企业“四肢”的可行方案，在非自然语言、极致边缘和极致隐私场景下不可或缺，解决了感知与执行层面的效率、适配和安全问题[15] - 面对工业领域的振动波谱、雷达信号、基因序列等“非自然语言”数据，通用模型的先验知识可能成为噪音，需从零构建专用模型[15] - 在极致时延和功耗场景（如矿山无人驾驶卡车），推理时延需控制在毫秒级，训练一个参数量在几百万到几亿的专用小模型是唯一可行方案[16] - 在对数据隐私和主权有极致要求的场景（如金融），为确保模型无潜在偏见或后门，会选择完全物理隔离环境下的从零训练[16]

公司业绩与市场地位 - 公司2025年家庭终端年发货量再次超过1亿台 [1] - 公司在全球家庭终端市场的份额连续5年位居第一 [1]