[Table_Page] 投资策略|专题报告 2026 年 4 月 26 日 证券研究报告 [Table_Title] 美联储降息预期反反复复，如何影 响成长股？ ——周末五分钟全知道（4 月第 4 期） 报告摘要： 加息抑制广谱需求、对宏观经济造成影响；但技术驱动的产业趋势更 为独立。例如 21 年中国地产进入下行周期叠加通胀压力抬升，但新 能源进入高速渗透阶段。 （2）宏观流动性紧缩，也不等于微观流动性紧缩 利率抬升对应着广义流动性收紧，但股票市场的微观流动性可能带来 增量资金。例如 99 年科网时期，美国共同基金及个人投资者入市， 21 年 A 股公募基金的发展也带来了微观流动性的改善。 （3）市场对高利率有容忍度，前提是龙头公司当年的业绩兑现度都不 错，折现到当下的股价价值并未受到太大影响 大多数相关产业龙头公司的利润增速在 50%、甚至 100%以上，在这 么高的增速面前，FY1 的 PE 动态估值基本上可以给到 30-50X，并未 受到利率中枢抬升的影响。 | [分析师： Table_Author]刘晨明 | | | --- | --- | | | SAC 执证号：S0260524020001 | ...

宏观经济与地缘局势 - 全球地缘政治局势前景不明，霍尔木兹海峡航道依然紧锁，若冲突持续数月，国际货币基金组织警告2026年全球经济增长率可能萎缩至2%[5][77] - 欧元区4月综合PMI初值骤降至48.6，自2024年底以来首次跌破荣枯线，主要受服务业PMI大幅下滑至47.4拖累，而制造业PMI升至52.2[5][79] - 美国4月标普全球制造业PMI初值为54，创2022年5月以来新高，但全球不同地区可能普遍出现“供强需弱”趋势[5][79] 资产表现与配置观点 - 大类资产配置顺序为：股票>大宗>债券>货币，股票建议超配，债券和货币建议低配，大宗商品和外汇建议标配[1][4][5][79] - 本周沪深300指数上涨0.86%，沪深300股指期货上涨1.18%[2][12] - 本周NYMEX原油期货价格大幅上涨14.88%至94.88美元/桶，而COMEX黄金价格下跌3.16%[17] - 中国十年期国债收益率持平于1.76%，货币基金7天年化收益率中位数下跌1个基点至1.23%[2][12] 国内经济与政策 - 中国一季度全国财政收入6.16万亿元，同比增长2.4%，财政支出7.47万亿元，增长2.6%[5] - 国内4月上半月商品房成交偏弱，但4月前三周累计成交面积521.96万平方米，较2025年同期453.42万平方米明显增加[31] - 国务院印发意见，目标到2030年服务业总规模迈上100万亿元台阶[19][38]

报告行业投资评级 - 行业投资评级：增持 [4] 报告核心观点 - 维持行业增持评级，推荐AI算力方向、云厂商方向、AI应用方向、AI社交方向 [4] - AI产业景气持续上行，头部厂商业绩超预期，大模型技术快速迭代，行业成长逻辑清晰 [2][4] 根据相关目录分别总结 周观点 - **英特尔26Q1业绩大超预期，先进制程突破打开成长空间**：公司连续6个季度业绩超官方指引，26Q1总营收136亿美元，同比增长7%；Non-GAAP毛利率41.0%，同比提升1.8个百分点；Non-GAAP每股收益0.29美元，大涨123% [4][7]。AI驱动数据中心业务营收同比大增22%，成为核心增长引擎；客户端业务需求保持韧性；代工业务营收同比增长16%，Intel 18A/14A制程进展超预期，并加入特斯拉、SpaceX等发起的Terafab晶圆厂项目 [4][7] - **SK海力士26Q1业绩创历史新高，AI红利持续兑现**：公司26Q1营收达52.58万亿韩元，环比增长60%，同比大增198%，首次单季营收突破50万亿韩元大关；营业利润37.61万亿韩元，同比激增405%，营业利润率攀升至72%；净利润40.35万亿韩元，核心盈利指标均刷新历史峰值，已连续四个季度经营利润创历史新高 [4][8]。业绩爆发源于AI算力带动的高性能存储需求激增，DRAM与NAND产品平均售价环比分别实现中60%、中70%区间的大幅上涨 [4][8] - **GPT-5.5与DeepSeek-V4相继发布，大模型技术快速迭代**：OpenAI于4月23日发布GPT-5.5，上下文窗口扩容至100万Token，在Terminal-Bench 2.0测试中得分82.7%，较Claude Opus 4.7高出13.3个百分点 [4][9]。DeepSeek于4月24日发布V4预览版，同样支持100万Token上下文，其V4-Pro版本API定价为每百万Token输入0.14美元、输出0.28美元，相比GPT-5.5的输入5美元、输出30美元具有显著成本优势 [4][9] 一周行情回顾 - **大盘指数表现**：在2026年4月19日至4月25日期间，恒生指数下跌0.70%，恒生科技指数下跌2.79%，道琼斯工业指数下跌0.44%，纳斯达克指数上涨1.50% [11][14][15] - **板块指数表现**：同期，恒生互联网科技业指数下跌3.75%，HK网络游戏指数上涨1.00%，HK AIGC概念指数下跌2.31%，纳斯达克中国金龙指数下跌3.85% [16][19] - **重点个股周涨跌幅**： - **港股**：联想集团上涨6.2%，商汤-W上涨1.0%，小米集团-W下跌2.5%，腾讯控股下跌3.3%，阿里巴巴-W下跌3.4% [17][18][20] - **美股**：超威半导体（AMD）上涨24.9%，高通（QUALCOMM）上涨9.3%，OKTA上涨5.2%，Meta Platforms下跌2.0%，阿里巴巴下跌3.7% [17][21][22] 一周AI行业要闻 - **苹果公司领导层变动**：苹果宣布硬件工程高级副总裁约翰·特纳斯将于9月1日接任首席执行官，现任CEO库克将转任公司执行董事长 [23] - **苹果面临印度反垄断罚款风险**：因未提交相关反垄断案件资料，苹果可能面临印度监管机构最高380亿美元的罚款 [23] - **谷歌发布第八代TPU芯片**：谷歌发布面向AI模型训练的TPU 8t和侧重推理的TPU 8i，TPU 8t阵列综合计算性能较上一代提升近3倍，能效最高提升两倍 [23][24] - **台积电公布最新技术路线**：台积电公布A13芯片制程技术，计划在不采用新一代高数值孔径EUV光刻机的情况下，实现芯片面积缩减6% [24] - **亚马逊与Anthropic深化合作**：未来十年内，Anthropic将向亚马逊AWS采购价值超1000亿美元的算力资源；亚马逊则在原有80亿美元投资基础上，对Anthropic追加投资至多250亿美元 [24] 投资建议 - **算力方向**：推荐英伟达、台积电、阿斯麦、博通 [25] - **云厂商方向**：推荐微软、亚马逊、谷歌 [25] - **AI应用方向**：推荐AI Agent方向受益的苹果、高通、联想集团、小米集团，以及Physical AI方向受益的特斯拉 [25] - **AI社交方向**：推荐AI赋能下的社交网络巨头腾讯控股、Meta、谷歌 [25]

将投中网设为"星标⭐"，第一时间收获最新推送 AI 时代的创新范式已经发生根本性转变——从以项目和技术为主导，转变为以人才，尤其是顶尖人工智能人才为核心驱动力。 整理丨黎曼 来源丨 投中网 在投中第 20 届中国投资年会·年度峰会上，" K 型分化"不仅是资本市场的体温计，更成为每个参与者重新审视自身座标的一面镜子。当一部分赛道被 AI 浪潮推上浪尖，另一部分却被加速度甩在身后时，一个更深层的问题浮出水面：在人工智能重构一切的时代，真正的稀缺资源究竟是什么？是技术， 是算力，还是某个被大多数人忽略的变量？ 力合科创董事长刘仁辰给出了自己的答案。他观察到， AI 时代的创新范式已经发生根本性转变——从以项目和技术为主导，转变为以人才，尤其是顶 尖人工智能人才为核心驱动力。他这样描述这个群体："极其年轻的团队，极其富有创造力，极其富有爆发力，风险认知短路，同时又缺乏丰富的产业 经验和商业思维。"优点和短板同样突出，如何对他们进行有效赋能，成为关键课题。 他说，别只讲大模型，多谈一些"小生意"。在深圳这片市场嗅觉最敏锐的土地上，解决实际问题才是王道。软硬结合、端云协同，找准能够完成商业闭 环的"小切口"，比空谈技术 ...

文章核心观点 当前中国一级市场呈现显著的“K型分化”特征，市场情绪与资金极度集中于AI、算力、半导体、具身智能等少数热门赛道，导致明星项目估值飙升、融资频繁，而其他赛道相对冷清。尽管退出端活跃，创造了显著的财富效应，但多位顶级投资机构的负责人普遍对市场过热和估值泡沫表示担忧，并强调在火热的市场中应保持理性、恪守能力边界、挖掘非共识的早期价值机会，而非盲目追逐热点[3][4][5][25]。 市场现状与体感 - 市场呈现极端“冰火两重天”的K型分化，向上部分已接近“沸腾”[4] - 退出端异常活跃：一批千亿市值公司接连上市，财富效应远超预期。去年有十多家机构登上投中最佳回报榜单（门槛为10亿美金），而今年仅一个多季度，上榜机构数量已超过去年全年[4] - 投资端热钱汹涌但高度集中：资金极度集中在AI、算力、半导体、具身智能等“马斯克赛道”或“十五五赛道”。明星项目一个月融三轮、估值数月翻番成为常态[3][4][25] 头部机构业绩与市场观察 - **中信金石**：过去四年在硬科技、新质生产力领域投资超50个项目，金额近百亿，2025-2026年被视为收获年。沐曦、盛合晶微等项目上市后市值与回报均超预期[5][11][12] - **蓝驰创投**：近期完成近40亿早期基金募集，重仓AI大模型、应用及具身机器人，投中智元机器人、月之暗面Kimi等头部项目[6][13] - **IDG资本**：过去一年成功退出12个项目，今年仍有多家项目排队IPO。认为市场回暖真实，应关注能穿越周期成为行业龙头的核心资产[7][14][15] - **国中资本**：连续投资四轮的大普微成为创业板首个适用第三套上市标准的企业。认为技术创新、国家战略与政策支持是行业底层动力[7][16] - **联想创投**：作为算力生态战投，去年收获5个IPO，覆盖了4家头部算力公司，实现了财务回报与产业协同[8][18] - **鼎晖投资**：表达了对市场过热的担忧，指出具身智能、大模型等赛道估值动辄百亿级别，甚至出现“投本轮需承诺下一轮”、“交定金才能进名单”的现象[8][19] - **钟鼎资本**：坚定看好中国国运与AI浪潮，但提醒市场集体乐观时隐藏风险，强调“老干部上前线”，深入一线感知风险[8][9][21] 对热门赛道过热与泡沫的警示 - **估值处于阶段性高点**：芯片、半导体、机器人等热门赛道估值已处高位，现在高位入场，考虑到5-7年的投资周期，退出时大概率会遇到市场低谷[5][25][26] - **具体估值泡沫案例**：具身智能估值从50亿、80亿、100亿一路涨至150亿甚至200亿。大模型、GPU、具身智能项目估值动辄3000亿、5000亿[19][25] - **与历史教训类比**：当前火热与2021、2022年相似。以新能源汽车为例，行业巅峰时个别企业市值达1000亿美元，几年后仅剩100多亿，蒸发80%，提示高估值需回归社会价值创造[19] - **落地挑战犹存**：具身智能距离大规模量产和工业场景应用仍有距离。国内大模型应用渗透率也远低于美国[6][13] 在K型市场中的投资策略与行为指南 - **跳出热门赛道，寻找非共识机会**： - 关注AI对传统行业的改造机会，看似传统的行业经AI改造后提高效率，同样是好机会[5][26] - 转向资金容量更大、能避开高估值泡沫的并购业务[5][26] - 主动挖掘被市场忽视的冷门赛道，如生物制造已到爆发临界点，企业有收入、有利润、估值合理[8][34] - **保持定力，恪守能力与节奏边界**： - 基金管理人需想清楚“要赚什么钱”（政策红利还是长期产业价值），并做到知行合一，匹配自身能力圈[6][28][29] - 投资节奏应平稳，避免大起大落。例如联想创投即便在市场火热期也保持克制，未投过估值3亿美金以上的具身智能项目[8][32] - 基金规模要与能力圈匹配，市场越热越要谨慎，不把所有项目都当成大模型、GPU去追逐[9][22][36] - **聚焦长期价值与产业深耕**： - 应拉长投资周期，关注能够穿越周期、成为行业链主或龙头的核心资产，不被短期情绪和估值波动左右[7][30] - 中小机构应坚持“不追风、不搭车、不着急、不眼红、不上头”的原则，聚焦自身细分能力，挖掘早半步的非共识机会[7][31] - 投资的核心是挖掘真正创造产业价值的项目，而非盲目追逐估值[34][35] 对行业前景的乐观支撑因素 - **政策与资本市场改革支持**：国家战略清晰，科技自主需求迫切。创业板改革、未盈利科创企业上市通道打开（如第三套、第四套标准），为硬科技企业开辟了新的资本市场路径[7][16][26] - **技术突破与产业联动**：DeepSeek、“龙虾”等模型技术进步推动Agent应用爆发，进而拉动算力基础设施和能源需求，形成技术驱动的正向循环[8][21] - **市场流动性改善**：北交所逐渐被接受；香港市场从底部回升，目前排队和上市数量全球第一，提供了良好的退出窗口[12] - **创新成本降低与活力激发**：资金涌入降低了创新成本，改善了容错环境，将促进更多创新涌现[7][14]

核心观点 报告的核心观点是，随着AI算力平台功率密度实现“断层式跃迁”并进入7×24小时连续运行阶段，能源供给已成为决定算力上限的“第一性约束”[1][10] AI竞争已从算法竞赛转变为围绕“功率密度×持续时间”的工程竞赛[1][16] 市场对AI能源需求的理解需从“算力扩张→电力需求增加”的线性外推，升级为对能源体系进行“被动重构”的认知[10] 2026年是一个关键时间窗口，算力代际跃迁与能源约束产生“同频共振”，迫使行业进入基础设施强制升级阶段[13][26] 谁能率先构建并交付新一代能源体系，谁就能定义下一阶段算力扩张的上限[3][82] AI能源体系重构的第一性原理 - **AI的尽头是能量竞赛**：AI的本质不仅是模型参数之争，而是“能量密度×持续时间”的工程竞赛，算力的极限由能源系统决定[1][16] - **算力平台功率密度实现断层式跃迁**：从GB200的120kW区间，到GB300的135-140kW区间，再到Rubin平台有望突破200kW+，单机柜功率密度呈现“断层式跃迁”，迫使现有基础设施必须重构[1][17] - **等电=等项目，资源严重错配**：电网是典型的“慢系统”（建设周期3-5年甚至10年），而AI是“快系统”（数据中心建设周期12-24个月），二者节奏错配成为算力扩张的真实瓶颈[2][11][22] 电力已成为算力交付的前置条件，而非配套条件[11][22] 分阶段能源体系重构方案 阶段一：电源侧重构（正在发生） - **供电架构从UPS向HVDC/SST演进**：传统UPS（不间断电源）效率相对较低，HVDC（高压直流）移除逆变环节，效率提升至95%以上，SST（固态变压器）是数据中心电源架构的终极形态，效率可达98%[30][33][38] - **技术路线多样化**：中国电信和腾讯等主推240V/336V HVDC；北美CSP厂商主流选择400V HVDC；英伟达跳跃式推进800V HVDC架构，并计划2027年后规模应用；阿里推出“巴拿马电源”作为集中式中压直流方案[35][37] - **AIDC电源产业链**：上游为关键材料与器件（如Wolfspeed、Infineon的SiC）；中游为电源设备与系统（如Vertiv、台达的HVDC/SST）；下游为应用与服务（如云厂商CSP与IDC运营商）[39][43] 阶段二：天然气+本地化发电（现实解法） - **天然气发电的核心优势是“快”**：相比电网并网排队3-5年，天然气发电从立项到投运通常只需1-2年，其价值在于“不用等”，能帮助AI项目提前交付[12][44][46] - **主要技术路线包括燃气轮机、内燃机和燃料电池**：燃气轮机（如GE Vernova）单机容量大，适合超大规模智算中心；内燃机（如卡特彼勒）启动迅速，模块化程度高；燃料电池（SOFC，如Bloom Energy）效率可超60%，能实现“离网运行”，部署速度最快90天[45][47][53][54] - **产业链关键公司**：上游燃料供应（如ExxonMobil）；中游核心设备（如GE Vernova、西门子、卡特彼勒、Bloom Energy）；下游运营（如NextEra Energy）[56][59] 阶段三：核电（终极工程解） - **SMR（小型模块化反应堆）与AI天然适配**：核能发电平稳，无需配备巨量储能；SMR模块化、灵活性高，建设周期可压缩至3年，占地面积仅为传统核电站的1/4[60][61] - **SMR产业链瓶颈在上游燃料**：SMR多采用HALEU（高纯度低浓缩铀），目前全球商业规模产能几乎全部集中于俄罗斯Rosatom，美国产能极度稀缺[65] - **科技巨头全面入局**：2024-2025年，全球科技巨头承诺投入超过100亿美元用于SMR部署，首批SMR设施预计2030年前并网[67] 例如，谷歌与Kairos Power签署500MW PPA；微软与Constellation Energy签署20年PPA，重启三里岛机组；Meta与Oklo、TerraPower合作[68] 阶段四：太空算力（突破物理边界） - **太空算力是地面能源约束下的“扩维解法”**：通过部署在晨昏轨道等特殊轨道，能实现近乎全天候太阳能获取，摆脱对地面电网的依赖，并利用太空极低温环境进行辐射散热[70][71] - **已进入工程化落地阶段**：海外如Starcloud（获NVIDIA投资）已发射搭载H100芯片的卫星；谷歌公布“Project Suncatcher”计划；国内如之江实验室的“三体计算星座”、北京轨道辰光的GW级太空数据中心计划均已启动[74] - **太空算力产业链**：涵盖上游核心元器件（如抗辐射芯片）、中游太空数据中心与计算星座、下游星地融合应用等环节[75] 其他探索：AIDC配储 - **AIDC配储升级为智能能源系统**：从单纯备用电源升级为集备电、调峰、绿电消纳于一体的系统，要求具备毫秒级响应能力和智能调度能力[77][80] - **相比传统方案具有优势**：可将能源基础设施建设周期从5-10年缩短至1-2年；相比柴油发电机，具有响应更快、零碳排放等优势[81] - **产业链主要环节**：电芯制造（如宁德时代、亿纬锂能）和系统集成（如特斯拉、阳光电源）[81] 投资建议与关注方向 - **投资逻辑转变**：AI能源已从“远期叙事”进入“工程兑现”阶段，建议关注在相关产业链中具备系统集成能力、工程交付经验与头部客户绑定能力的核心环节[13] - **具体关注方向**： - **AIDC电源产业链**：如Wolfspeed、Infineon（上游碳化硅）；ABB、施耐德（低压电气）；Vertiv、台达（中游电源设备）[3][43] - **天然气发电产业链**：如Bloom Energy（SOFC）；GE Vernova（燃气轮机）；卡特彼勒（柴油/燃气发电机组）[3][59] - **核电产业链**：如OKLO（SMR设计与研发）；LEU（生产核燃料HALEU）；NuScale Power（SMR设计获NRC批准）；Constellation Energy（下游运营）[3][66] - **太空算力产业链**：如RKLB（小型火箭发射）；以及国内在芯片、卫星制造、地面设备等环节的公司[3][75][84]

核心观点 - 报告核心观点认为，在国际地缘政治局势前景不明的情况下，全球不同地区可能出现“供强需弱”的情况，这将对各经济体财政构成挑战并可能推升全球原材料价格，引发物价上行压力 [5][79] - 报告维持看好人民币资产的观点，大类资产配置顺序为：股票>大宗>债券>货币 [1][5][79] 宏观经济观点与配置建议 - 一个月内关注4月政治局会议工作部署，三个月内关注国际能源供给格局变化，一年内地缘关系仍有较大不确定性 [4][81] - 大类资产配置建议为：股票超配，债券低配，货币低配，大宗商品标配，外汇标配 [4][81] - 股票方面，为应对国际局势变化或有对冲政策出台 [4][81] - 债券方面，“股债跷跷板”或将短期影响债市 [4][13] - 货币方面，收益率将在1.5%下方波动 [4][13] - 大宗商品方面，关注能源类商品供给变化和全球经济前景预期调整 [4][81] - 外汇方面，中国经济基本面优势支撑汇率稳健波动 [4][81] 资产表现回顾 - 本周（截至2026年4月24日）沪深300指数上涨0.86%，沪深300股指期货上涨1.18% [2][12] - 商品方面，焦煤期货本周上涨2.64%，铁矿石主力合约上涨1.09% [2][12] - 货币基金收益率下跌1BP至1.23%，余额宝7天年化收益率持平于1.00% [2][12] - 十年国债收益率持平于1.76%，活跃十年国债期货本周上涨0.04% [2][12] - 国际油价大幅上行，NYMEX原油期货本周上涨14.88%，收于94.88美元/桶 [17][18] - COMEX黄金本周下跌3.16%，收于4725.40美元/盎司 [17][18] 全球宏观经济动态 - 欧元区4月制造业PMI初值升至52.2，高于预期的50.9，但服务业PMI初值由50.2大幅下滑至47.4，拖累综合PMI骤降至48.6，自2024年底以来首次跌破荣枯线 [5][72][79] - 美国4月标普全球制造业PMI初值为54，高于预期的52.5，创2022年5月以来新高 [5][73][79] - 国际货币基金组织警告，如果中东冲突持续数月，2026年全球经济增长率可能萎缩至2% [5][75][77] - 美国3月零售销售环比增长1.7%，创一年多来最大涨幅，主要受汽油站消费激增15.5%拉动 [72] 国内经济与政策要闻 - 一季度全国财政收入6.16万亿元，同比增长2.4%；财政支出7.47万亿元，增长2.6% [5][19] - 中共中央办公厅、国务院办公厅印发《碳达峰碳中和综合评价考核办法》，将“双碳”评价考核结果挂钩领导干部考核任用 [5][19][39] - 国务院印发《关于推进服务业扩能提质的意见》，目标到2030年服务业总规模迈上100万亿元台阶 [5][19][38] - 截至3月底，全国累计发电装机容量39.6亿千瓦，同比增长15.5%，其中太阳能发电装机容量12.4亿千瓦，同比增长31.3% [21] - 4月19日当周，30大中城市商品房成交面积152.18万平方米，单周环比增加22.53万平方米 [31] - 4月20日当周，国内乘用车批发、零售销量单周同比增速分别为-7.00%和-33.00% [31] 行业与市场表现 - A股行业表现分化，本周领涨的行业有煤炭（4.51%）、电子元器件（2.57%）、基础化工（1.94%），领跌的行业有农林牧渔（-3.18%）、传媒（-2.80%）、餐饮旅游（-2.37%） [36][37] - 截至4月16日，全国家电以旧换新中数码和智能产品购新4243.3万件，同比增长31.7%；销售额1261.53亿元，增长36.4% [37] - 港股行业本周领涨的有能源业（3.75%）、公用事业（2.28%），跌幅靠前的有医疗保健业（-5.18%）、非必需性消费（-3.76%） [62][66] - 大宗商品期货指数本周下跌2.72%，分类看能源上涨2.93%，煤焦钢矿上涨1.59%，贵金属下跌4.09% [48][53] - 人民币汇率方面，本周人民币对美元中间价上行52BP至6.8674，对欧元升值0.67%，对日元升值0.16% [7][57][58] 金融市场与流动性 - 十年期国债收益率收于1.76%，本周持平；十年国开债收益率收于1.86%，较上周上行2BP [42] - 本周央行在公开市场净投放140亿元，资金拆借利率下探，周五DR007收于1.33% [44][45] - 中国4月LPR保持不变，1年期报3%，5年期以上报3.5% [46] - 今年首批超长期特别国债招标，20年期规模340亿元票面利率2.2%，30年期规模850亿元票面利率2.2% [46] - 3月末境外机构在中国债券市场的托管余额为3.2万亿元 [46]

文章核心观点 - 本周，中国多地政府引导基金及市场化母基金密集设立或启动子基金管理人（GP）遴选，基金总规模庞大，重点投资方向高度集中于人工智能、低空经济、高端制造、新能源、新材料等硬科技与战略性新兴产业[2][3] - 外资机构也在积极布局亚太市场，EQT完成了规模达156亿美元的亚太最大私募基金募集，显示出国际资本对亚太区长期增长趋势的信心[3][19] - 国家及地方层面政策利好频出，国务院、证监会及上海等地发布文件或讲话，强调支持科技创新、鼓励并购重组、完善金融服务体系，为产业发展和资本市场注入动力[3][25][27][29] 地方产业基金设立与落地 - **北京经开区**新设四只产业导向政府投资基金，总规模达200亿元，聚焦集成电路与人工智能、机器人与智能制造、生物技术与大健康、未来产业四大领域，采用“直接股权+市场化子基金”双轮驱动模式[4] - **云南省**成立规模50亿元的科创股权投资母基金（云南省科创母基金），聚焦先进制造领域[5] - **广西**设立总规模20亿元的科技成果转化母基金，重点投资于人工智能、稀有金属、生物制造、高端装备制造、先进新材料等战略新兴产业，其中不低于80%的资金用于设立子基金[6] - **湖北省黄石市**落地首支7亿元规模科创母基金（东楚创投基金），重点投向低空经济、智慧交通领域，同步覆盖新材料、新能源等赛道[7][8] - **广西创新驱动基金**完成第二期5亿元实缴出资，联合设立子基金助力国轩高科在柳州建设30GWh磷酸铁锂电池生产基地，该母基金总规模18亿元，已撬动社会资本超18亿元[9] - **上海市**落地首支聚焦细胞与基因治疗（CGT）全产业链的产业基金，总规模5亿元，由上海国投先导基金作为基石投资人[17] - **无锡市**落地首只文化消费类基金“干杯消费文化数字经济产业基金”，总规模5亿元，重点投向大消费、IP文化、数字经济三大领域[18] - **湖北省**完成规模20亿元的凯博宏泰基金备案，重点投向新能源、新材料及碳中和相关领域[21] - **宜兴市**与国联集团设立规模10亿元的宜兴一村光智（人工智能）股权投资基金，聚焦光通信、人工智能、核领域、高端装备等方向[22] - **漳州市龙文区**成立云创裕廊股权投资基金，拟设规模8亿元，首期募集1亿元，聚焦战略性新兴制造业，采用“股权投资+产业培育+资源导入”模式[23] - **淮安市与武汉市**分别设立淮安战新基金（规模5亿元，投资数智制造）和武汉离岸基金（规模2.4亿元，投资新一代信息技术、人工智能等），均由清源投资管理[24] 母基金公开遴选子基金管理人（GP） - **浙江省科创母基金（三期）** 面向社会公开遴选子基金管理机构，规模30.02亿元，要求不低于80%资金投向子基金，重点投资“人工智能+”相关产业及五大产业生态圈，对单支子基金出资不高于2亿元且比例不超过40%[10][11] - **嘉兴市并购基金** 公开遴选子基金管理机构，总规模15亿元，重点支持人工智能、新一代信息技术、新能源等新兴产业，对子基金出资比例不超过30%[12] - **漳州台商投资区智能制造基金** 公开遴选基金管理人，规模5亿元，主要投资领域为智能制造、高端装备、人工智能等[13] - **成都市简阳交子满园基金** 常态化征集子基金合作管理机构，首期规模10亿元，投资领域包括电子信息、先进制造、新能源新材料、低空经济等[14] - **云南省高原特色农业股权投资基金** 公开遴选子基金管理机构，重点投向云南省高原特色农业重点产业，对单只子基金认缴出资比例原则上最高不超过50%[15] - **南京农创中心功能食品与宠物健康基金** 公开遴选基金管理人，认缴规模1亿元，主要投向功能食品、宠物健康相关领域[16] 外资与市场化基金动态 - 国际投资机构**EQT**完成旗下BPEA第九期私募股权基金最终募集，总认购规模达156亿美元，成为迄今为止规模最大的专注于亚太市场的私募股权基金[19][20] 政策与监管动向 - **证监会主席吴清**表示将加大力度支持北京科技创新，推动科创板、创业板等改革在京落地见效，高质量办好北交所，支持企业通过并购重组、债券、公募REITs等方式做优做强[25][26] - **国务院**发布《关于推进服务业扩能提质的意见》，提出深入实施“人工智能+”行动，建立投早、投小、投长期、投硬科技的全生命周期融资体系，支持服务业企业上市融资、并购重组[27][28] - **上海市七部门**联合发布行动方案，提出鼓励产业互联网平台企业并购重组，畅通企业与产业转型升级基金、并购基金等资本平台对接机制，便利上市公司并购境外优质资产[29][30]

行业趋势与竞争格局 - 大模型竞争已全面从预训练主导的Chat时代转向后训练主导的Agent时代，顶尖团队的预训练与后训练算力投入比例已从过去的5:1收窄至1:1 [13][14] - 国内已有包括Kimi、MiMo在内的多家公司具备1T参数以上的基座模型，中美在预训练阶段的差距“基本上已经没有”，国内顶尖模型与国际前沿模型的代差仅约两三个月 [13] - 1T参数规模是实现接近顶尖Agent水平的“入场券” [14] - AGI预计将在两年内实现，当前进度已完成约20%，今年有望推进至60%到70% [13] 公司战略与组织动态 - 微博要求全体研发参加AI能力考试，考试内容为开发前后端系统，未通过者将接受集中培训 [2] - 字节跳动部分部门已开始实施A to A端到端全代码流程，由AI全程写代码，人类负责审核，并将AI代码贡献率纳入部门OKR进行考核 [3] - 自动驾驶公司Momenta在IPO前夕进行人员调整，据传感知算法部门“137人走人”，大部分为技术岗，此举或为优化财务报表以节省上亿元人力成本 [18][19] - 苹果公司宣布蒂姆·库克将于9月1日卸任CEO，转任执行董事长，由硬件工程高级副总裁约翰·特努斯接任，这是苹果自2011年以来首次CEO换届 [27] - Meta开始跟踪员工的工作方式（如击键和鼠标点击）以训练AI模型，此举引发部分员工不满 [22] 大模型发布与性能 - OpenAI发布迄今最智能的AI模型GPT-5.5，其核心突破在于大幅升级的Agent能力，能自主规划并执行多步骤复杂任务，在多项测试中表现卓越 [33][34] - OpenAI发布新一代图像生成模型GPT Image 2，这是首个具备“思考”能力的图像模型，在文字准确率、分辨率、生成速度等方面实现突破，支持4096×4096分辨率，单张图像生成仅需3秒 [36] - 月之暗面发布并开源最强代码模型Kimi K2.6，其在多项测试中表现持平或优于GPT-5.4、Claude Opus 4.6等，并能不间断编码长达13小时，编写超过4000行代码 [42][43] - 小米发布最强大模型MiMo-V2.5系列，包括旗舰推理模型MiMo-V2.5和全模态Agent模型V2.5-Pro，新模型在达到相同性能时可比竞品节省42%至50%的Token消耗 [40][41] - 腾讯发布并开源混元Hy3 preview语言模型，这是一款主打快慢思考融合的MoE模型，总参数295B，激活参数21B，最大支持256K上下文 [38][39] - 阿里巴巴发布Qwen3.6-Max预览版，在权威评测中登顶最佳国产模型，并宣布其AI视频生成项目HappyHorse-1.0将于4月27日开放测试 [44] - 字节跳动发布更高精度的新一代3D生成大模型Seed3D 2.0，采用MoE架构以生成更丰富的纹理细节 [46] - 谷歌发布基于Gemini 3.1 Pro的新一代自主研究Agent Deep Research与Deep Research Max，支持搜索专业数据库并原生生成图表 [48] 融资、投资与估值 - 亚马逊宣布向Anthropic追加50亿美元投资，并额外提供总计6吉瓦（GW）的Trainium芯片算力，累计投资达130亿美元，未来还计划追加200亿美元 [23] - 据彭博社报道，谷歌计划向Anthropic投资最高400亿美元，其中100亿美元现金将立即注入，后续300亿美元将根据业绩目标跟进 [25] - 深度求索（DeepSeek）在融资前的估值据传为3000亿人民币（约合440亿美元） [9] - SpaceX获得一项权利，允许其在今年晚些时候以600亿美元收购AI编程公司Cursor，或就双方GPU算力合作支付100亿美元 [26] 商业化与定价策略 - 深度求索为DeepSeek-V4-Pro模型API开启限时2.5折优惠，优惠期截至2026年5月5日，折后价格为每百万tokens输入（缓存命中）0.25元、输入（缓存未命中）3元、输出6元 [4][6] - 微软GitHub Copilot将于6月1日起从按“请求次数”计费转向按Token计费，例如选用GPT-5.4模型，每百万输入Token需支付2.50美元，每百万输出Token支付15美元 [20] - 小米升级模型订阅计划Token Plan，取消4倍的Credits计费方式，计费不区分上下文长度，并新增夜间专属优惠及自动续费模式 [41] - 蚂蚁灵光App推出“灵光圈”功能，并启动“灵光闪应用创作者激励计划”，将投入1亿元专项基金扶持创作者，每天最高激励100万元 [50] 技术合作与生态适配 - DeepSeek-V4系列获得广泛生态支持，英伟达Blackwell平台已适配其Pro与Flash版本，在GB200 NVL72上开箱即用性能超150 tokens/sec/user，此外PPIO、华为云、中国联通、天数智芯、寒武纪等均完成集成或适配 [6] - OpenAI的GPT-5.5运行于英伟达GB200 NVL72机架级系统，英伟达内部已有超1万名员工使用该技术 [35] - 亚马逊与Anthropic深化合作，Anthropic将在2026年前使用Trainium芯片训练并部署Claude模型，预计在2026年上半年获得5GW算力，未来10年内将向AWS投入超过1000亿美元 [23][24] - 特斯拉车机语音服务将接入豆包大模型与DeepSeek模型，均通过火山引擎接入 [52] 安全与风险事件 - 某大模型被曝泄露用户真实简历，用户在使用翻译功能时收到陌生人完整个人信息，专家指出这更接近数据隔离失效等工程问题，而非典型的“AI幻觉” [12] - 一名程序员为使用公司算力“干私活”，违规登录服务器并删除了超过89 TB的AI训练数据和多个文生3D模型，给公司造成20余万元经济损失，最终被判处有期徒刑五年十个月 [16][17] - 有网友称通过豆包大模型提前查到了2026年山东事业编成绩，官方回应称是工作人员测试成绩查询端口时被无意中访问到，发现后已及时关闭 [10][11] 其他行业动态 - 爱奇艺公布AI选角专利，可通过AI模型为影视作品智能推荐演员组合，其CEO连发博文回应“AI艺人库”争议，称不存在未经艺人同意将其纳入的情况 [28] - 谷歌发布第八代TPU芯片家族，首次分为训练芯片TPU 8t与推理芯片TPU 8i，在大规模训练场景下，TPU 8t单位美元性能较上一代提升高达2.7倍 [49] - 索尼AI研发的乒乓球机器人Ace在遵循国际规则的正式比赛中击败多名人类精英选手，这是AI机器人首次在需要物理互动的竞技体育中击败专业人类选手 [29] - 火山引擎宣布，其Seedance 2.0 API服务现已支持1080P全高清视频生成，为模型原生能力 [52]

研究团队与项目背景 - 该项目由斯坦福大学、加州大学伯克利分校与英伟达联合提出，核心贡献者包括斯坦福CS博士生Jacky Kwok和伯克利EECS博士生Shulu Li，通讯作者为UC伯克利教授兼Databricks创始人Ion Stoica、斯坦福教授Azalia Mirhoseini以及英伟达AI与自动驾驶研究总监Marco Pavone [2] - 研究团队提出了一种名为LLM-as-a-Verifier的通用Agent验证框架，该方法可与任意Agent Harness和模型结合 [2] 核心方法与技术突破 - 研究核心观点：通过扩展验证阶段的计算量，可以显著提升Agent的整体性能，并在AI编程基准Terminal-Bench上超越了GPT-5.5和Claude Mythos [2] - 该方法解决了现有Agent Harness在长时序任务中的关键问题：Agent虽能生成正确答案，但无法判断哪一次尝试是正确的 [8] - 该方法通过三个维度的扩展提升验证能力：评分token的细粒度、多次评估以及评价标准的分解，从而显著提高下游任务成功率 [9] - LLM-as-a-Verifier实现了从“裁判者”到“验证者”的范式转变，提供更细致、更具体的评估，以消除传统LLM-as-a-Judge方法中评分粒度粗糙导致的区分能力不足问题 [14][15] - 传统LLM-as-a-Judge方法在Terminal-Bench上出现了27%的平局情况，限制了评判的精确性 [11][12] 性能表现与基准测试结果 - 在AI编程基准Terminal-Bench 2.0的ForgeCode Scaffold上，LLM-as-a-Verifier取得了86.4%的准确率，超越了Opus 4.6的81.8%、Gemini 3.1 Pro的78.4%和GPT 5.4的81.8% [22] - 在SWE-Bench Verified的Scaffeld mini-sma-sone任务上，LLM-as-a-Verifier取得了77.8%的准确率，超越了Opus 4.6的75.6%、Gemini 3 Flash的75.8%和Opus 4.5的76.8% [22] - 该方法在Terminal-Bench和SWE-Bench Verified上均取得了当前最优性能 [5][21] 通用性与集成能力 - LLM-as-a-Verifier能够在不同的Agent Harness框架中实现无缝集成，具有通用性 [23] - 在ForgeCode（底层模型为GPT 5.4）中，其Best-of-5准确率达86.4%；在Terminus-Kira（底层模型为Opus 4.6）中，准确率达79.4%；在Terminus-2（底层模型为GPT-5.3-Codex）中，准确率达71.2% [23][27] - 这表明无论针对何种Agent Harness或模型，该验证方法皆可高效兼容并提升性能 [23] 方法优势与验证效果 - 相比传统LLM-as-a-Judge，LLM-as-a-Verifier在验证准确率和消除平局方面全面领先，即使在增加重复验证次数的情况下（如k=16），仍保持至少7%的验证准确率优势，并完全消除了平局现象 [24] - 增加评分token的粒度以及提高重复验证次数均能显著提高验证准确率，并且在评分token维度的细化分级中，量化误差得到了极大降低，从而更接近真实奖励 [26] - 该方法将轨迹验证解构为三个可组合的评估标准：规范合规性、输出格式和错误检测，放弃了传统的单一评分机制 [29][32]