When Harvard Meets Bairong: How a Chinese Company is Reshaping the Future of Organizations with 200,000 "Silicon-Based Employees" Accessibility StatementSkip Navigation From VoiceAgent to WiseNote to the "Home for Silicon-Based Employees," Bairong is showcasing not just individual AI features, but a comprehensive, enterprise-grade practice that truly integrates AI into roles, processes, and management systems. Following its previous inclusions in Harvard Business School case studies, Bairong is now entering ...

文章核心观点 - Anthropic 的 Claude Code 项目揭示了构建生产级 AI Agent 的关键在于其周围精密的工程系统，而非模型本身[2][3] - 行业普遍关注模型、上下文和外壳三层架构，但 Claude Code 展示了至关重要的第四层——基础设施层，这决定了 Agent 是演示品还是可用的产品[6][7] - 模型能力是商品化的，而 Agent 的性能和可靠性（如在 SWE-bench 上提升 64%）主要由其运行环境（第二、三、四层）决定[5][33][34] 四层架构设计 - 行业普遍认知的 Agent 三层架构为：模型权重（Layer 1）、上下文（Layer 2）、外壳（Layer 3）[5] - Claude Code 揭示了被忽略的第四层：基础设施层（Layer 4），负责多租户、权限控制、资源隔离、状态持久化和分布式协调[6] - 第四层解决了生产环境中的脏活累活，如权限分层、状态跨会话存储、多 Agent 并发写入协调，是将酷炫 Demo 转化为每日可用产品的关键[6][7] 核心循环设计 - Claude Code 的核心循环（query.ts，共 1,729 行）采用 async generator 而非传统的 while 循环，带来了多项生产级优势[8] - 采用 generator 实现了流式输出，让用户能逐字看到模型工作过程，增强了信任和 Agent 的自主执行度[10] - 该设计天然支持取消机制和背压控制，防止内存无限增长导致进程崩溃[10] - 循环内部集成了五阶段错误恢复机制（准备、模型调用、错误恢复、工具执行、继续判断），而非外部包裹 try-catch，使 Agent 能自动处理如提示词过长、输出 token 不足等问题并继续工作[11] 工具并发与执行策略 - Claude Code 内置了 45 个以上的工具，其关键在于按并发行为对工具进行分类，并在工具定义时打好标签[12][14] - 编排层根据标签将工具调用分批执行：只读工具（如 Glob、Grep）最多 10 个并行执行；写操作工具（如 Edit、Write）串行执行，实现了速度与安全性的兼顾[14] - 这种设计使多工具回合速度提升 2-5 倍，在整个会话中可节省分钟级别的时间[14] - 实现了流式工具执行，即在模型流式生成过程中，一旦某个工具调用的输入 JSON 完整就立即开始执行，无需等待整个生成结束，可隐藏 2-5 秒的延迟[16] - 流式执行具备完善的边界处理，如工具失败时的进程控制、失败回退机制，并确保结果按原始顺序输出[16] 提示词与缓存优化 - Claude Code 的系统提示词是一个带缓存元数据的结构化数组，而非简单字符串[18] - 使用 `SYSTEM_PROMPT_DYNAMIC_BOUNDARY` 标记将提示词分为全局缓存区（约占 80%）和动态区，大幅降低了每次 API 调用的 tokenization 成本[18] - 将每轮变化的用户上下文（如 git status）作为第一条用户消息注入，而非放入系统提示词，从而保持了系统提示词缓存的稳定性，是规模化运营中杠杆最高的成本优化之一[19] 上下文压缩策略 - Claude Code 支持无限对话长度，依靠从便宜到昂贵的四级压缩策略[20] - **Microcompact**：每轮运行，用缓存引用替换未变的工具调用结果，成本接近零 - **Snip Compact**：接近 token 上限时触发，删除对话开头的消息但保留最近几轮的“受保护尾部”，无需调用模型 - **Auto Compact**：Snip 不够时触发，使用一次单独的模型调用总结之前的对话 - **Context Collapse**：超长会话的最后手段，进行多阶段分步压缩 - 核心原则是优先运行最便宜的压缩策略，大部分案例可通过零模型调用的方式处理，且“受保护尾部”的设计确保模型不会忘记刚执行过的操作[21] 权限管理系统 - Claude Code 的权限控制是一个七阶段的管道，而非简单的二元开关，每一步都有审批或拒绝的机会[24] - 权限规则使用类似 glob 的模式匹配工具名和输入，实现了精细化的控制（如“允许 git 命令和 npm test，其他的都问我”）[24] - 该设计构建了“渐进式信任”光谱，用户可从需要每个操作批准的默认模式，逐步切换到更宽松的模式[25] - 提供了 Hooks 作为逃生口，允许企业嵌入自定义脚本以构建护栏（如阻止破坏性操作、发送通知），无需修改源码[25] 重试与可靠性工程 - 重试模块（withRetry.ts）包含 823 行代码，针对各种生产环境错误设计了专门的恢复路径[26] - 针对不同错误代码的精细化处理： - **429（速率限制）**：检查 Retry-After 头，根据等待时间决定重试或进入长时间冷却[26] - **529（服务器过载）**：追踪连续错误计数，连续三次且有备选模型则切换模型，前台任务采用指数退避重试[27] - **400（上下文溢出）**：解析错误信息，重新计算 token 预算并设置 3,000 的最低输出下限后重试[27] - 为无人值守会话（如 CI/CD）设计了持久重试模式，支持无限重试并带有心跳机制[28] - 流式传输层具备独立的可靠性机制，如看门狗超时、停顿检测和失败回退[28] 子 Agent 与资源隔离 - Claude Code 可以生成具有独立上下文、工具和工作目录的子 Agent，父 Agent 终止会级联终止所有子 Agent，但子 Agent 不能修改父 Agent 的状态[31] - 修改代码的子 Agent 会获得独立的 Git worktree，确保每个 Agent 在独立分支上操作，避免冲突，验证通过后再合并[32] - 通过符号链接共享 `node_modules` 等依赖，防止磁盘空间因并行 Agent 而膨胀[32] - 任务协调采用基于磁盘的任务列表和文件锁（指数退避，30 次重试），并提供了进程内、tmux 面板、远程三种执行后端[32] 对行业与开发者的启示 - 模型是商品，环境（即第二、三、四层架构）决定 Agent 的成败和性能表现[33][34] - 构建生产级 Agent 应优先考虑工程可靠性问题，如循环崩溃点、上下文窗口溢出、并发写入冲突等，而非仅仅关注模型选择[35][37] - 具体的工程实践启示包括：使用 async generator 构建核心循环、按并发行为分类工具、按缓存效率设计提示词、采用层级压缩策略、以及在第一天就设计基础设施层[35]

行业与公司 * 涉及的行业主要为**人工智能（AI）与信息技术应用创新（信创）**，具体涵盖**国产算力（包括AI芯片、算力租赁）** 和**信创大模型**领域[1][3][4][5] * 涉及的**公司**包括： * **算力硬件**：禾盛新材、寒武纪、海光信息、沐曦股份[3] * **算力租赁**：宏景科技、协创数据、盈峰环境、利通电子[4] * **信创大模型**：科大讯飞[5] * 提及的被制裁**中国实体**包括：华为、商汤、旷视、中芯国际、海康威视及部分中国高校和科研机构[2] 核心观点与论据 1. 外部技术封锁加剧，AI信创战略重要性提升 * **观点**：美国从企业、政府到学术机构正多层面加强对中国的AI技术封锁，凸显了“十五五”期间发展**AI信创**（自主可控）的极端重要性[1] * **论据**： * 美国AI三巨头（OpenAI、Anthropic、Google）主力模型闭源，并罕见合作封杀中国厂商的“蒸馏”技术[1] * 美国国会提出《MATCH Act》，旨在继芯片管制后，在**半导体制造设备**出口及存量设备售后服务层面实施新一轮更严封锁[1] * 全球顶级AI学术会议NeurIPS背后的基金会禁止多家中国领先科技企业及学术机构参与[2] 2. 国产算力替代加速，AI CPU迎来发展机遇 * **观点**：“十五五”期间国产算力将实现**规模扩张**与**替代提速**双轮驱动，且随着智能体时代到来，**AI CPU**（强调度能力）将迎来黄金发展期[3] * **论据**： * “十五五”期间，中国算力基础设施总规模将突破**3万亿元**，是“十四五”时期的**三倍**[3] * 政府主导的数据中心国产化率要求：整体超**60%**，新建项目要求达**80%** 以上；互联网厂商自建算力中心国产占比达**30%-40%**[3] * 预计到2026年底，国产算力在推理场景占比再增**15**个百分点，训练场景增**5**个百分点[3] 3. 算力租赁商业模式革新，行业盈利水平有望提升 * **观点**：算力租赁是高景气赛道，其核心变革在于**商业模式**从“裸算力出租”升级为与模型厂商进行**Token收入分成**，这将提升行业盈利能力和估值体系[4] * **论据**： * Token资源稀缺，大厂为保障模型稳定运行，主动与算力厂商分成[4] * 行业净利率有望从**15%** 提升至**20%** 以上[4] 4. 信创大模型是核心基础设施，特定市场空间广阔 * **观点**：大模型作为国家关键基础设施必须自主可控，在**党政机关、央国企**的AI应用市场空间广阔，其中**科大讯飞星火大模型**占据市场主导地位[5] * **论据**： * 党政机关、央国企的AI应用明确要求使用信创大模型[5] * 科大讯飞星火大模型在2024及2025年央国企市场份额中标金额断档第一，是**目前唯一全国产算力大模型**[5] 其他重要内容 * 报告将**AI信创**明确列为“十五五”期间的重要内容[1] * 报告给出了具体的**投资标的推荐**，分为“重点推荐”和“其他推荐”两类[3][4][5] * 提及**五部门在2026年4月发布了一份政策文件**（链接未完全显示），推动讯飞信创大模型在政务数智化到教育普惠化等领域全面落地[5]

以下文章来源于凤凰网科技 ，作者凤凰网科技 凤凰网科技 . 凤凰科技频道官方账号，带你直击真相。 导语："产品化和商业化"被更多提及。 4月10日，据多位知情人士向 《 创智记 》 透露，DeepSeek创始人梁文锋在内部沟通中首次明 确了V4的发布节奏——备受期待的新一代旗舰大模型DeepSeek V4计划于4月下旬正式与公众见 面 。 凤凰网科技就此消息向 D eep S eek方面询问，截至发稿未取得回应。 此前， D eep S eek刚刚完成版本更新。首次在模式上进行分层，推出了快速和专家两个模式。 在点击开始入口处，原本"体验 D eep S eek V3.2" 的字样也消失不见了。 2 025 年成名后， D eep S eek的风格是更加对内收敛,一些原本在社交媒体更新的员工账号开 始停更。 据《晚点 L ate P ost》报道， DeepSeek不加班，他们不打卡、没有明确的绩效考核，平日多 数成员会在下午6点至7点左右离开公司 。 但随着智谱、 M ini M ax等公司上市后激增的市值， DeepSeek的估值问题正成为内部压力 点。DeepSeek员工对手中未定价的期权有了更多疑问， ...

行业前景与市场预期 - 亚马逊CEO将生成式AI描述为“一生一次”的技术 正在重塑客户体验 [1] - 埃隆·马斯克预测到2040年将至少有100亿个人形机器人 单价在2万至2.5万美元之间 [1] - 根据马斯克的预测 该技术到2040年可能价值250万亿美元 相当于重塑全球经济的巨大浪潮 [2] - 普华永道和麦肯锡等主要机构认为AI将释放数万亿美元的潜力 [3] - 比尔·盖茨将AI视为其一生中“最大的技术进步” 比互联网或个人电脑更具变革性 能改善医疗、教育并应对气候变化 [8] - 沃伦·巴菲特认为这项突破可能产生“巨大的有益社会影响” [8] 技术突破与产业动态 - 一项强大的突破性技术正在重新定义人类工作、学习和创造的方式 [4] - 这项突破已在对冲基金和华尔街顶级投资者中引发狂热 [4] - 一家未被充分关注的公司掌握着这场250万亿美元革命的关键 [4] - 该公司的超廉价AI技术应引起竞争对手的担忧 [4] - 真正的故事并非英伟达 而是一家规模小得多的公司 它正在默默改进使整个革命成为可能的关键技术 [6] - 拉里·埃里森通过甲骨文公司 正斥资数十亿美元购买英伟达芯片 并与Cohere合作 将生成式AI嵌入甲骨文的云服务和应用程序中 [8] 投资机会与市场观点 - 当硅谷和华尔街的亿万富翁们一致看好同一想法时 值得关注 [6] - 尽管特斯拉、英伟达、Alphabet和微软成就显著 但更大的机会可能在其他地方 [6] - 根据来自硅谷内部人士和华尔街资深人士的信息判断 [6] - 几年后 投资者可能会希望自己曾持有这只股票 [9] - 该公司的详细报告深入分析了其突破性技术和巨大的增长潜力 [10]

文章核心观点 - 随着大模型技术升级和运营成本急剧攀升，AI行业“全免费、无分层”的商业模式已难以为继，行业正从烧钱获客阶段转向商业化变现阶段，价格上调与产品分层成为普遍趋势 [5][6][8] - 未来行业可能形成“哑铃型”商业范式，即轻量级需求由免费模型满足以吸引流量，而复杂、高耗能的功能则通过按Token计费或订阅制等付费模式提供，以实现商业闭环 [9][17] 行业趋势：从免费到付费的商业化转型 - 行业共识认为“全免费、无分层”模式不可持续，因大模型的训练、推理、算力、运维成本高昂，且随模型规模和调用量呈指数增长 [6] - 顶级模型单次训练成本高达几千万美元，AI推理一次查询耗电18瓦时，是传统非AI搜索（0.3瓦时）的60倍 [6][7] - 训练GPT-3模型耗电近1300兆瓦时，相当于美国130户家庭年用电量，而GPT-4的估计耗电量是GPT-3的50倍 [7] - 行业已从烧钱获客转向商业化变现，厂商通过提价、推出付费会员等方式寻求价值回归 [8] 厂商动态与定价策略调整 - **腾讯云**：宣布自2026年5月9日起，AI算力相关产品服务价格上调5% [4] - **智谱AI**：GLM模型提价10%；API调用定价在一季度提升了83%，但市场仍供不应求，调用量增长400% [4][8] - **DeepSeek**：上线“专家模式”，将输入分为“快速”和“专家”入口，进行产品分层 [4][6] - **MiniMax**：将原有的Coding Plan升级为支持全模态模型的Token Plan，并提供了从Starter到Ultra-极速版的多层级付费套餐 [10][11] - **Kimi**：更新会员权益，免费版用户每月可获得有限次数的深度研究等服务，付费会员则享受更多次数 [12] - **阿里千问**：升级“深度研究”能力，新增财经分析模块 [4] 付费模式的具体实践 - **按Token计费**：如DeepSeek-V3.2，按输入/输出Token数量收费，输入Token（缓存命中）每百万个0.028美元，输出Token每百万个0.42美元 [13][14] - **订阅套餐制**：如智谱的Coding Plan和API调用套餐，整体涨幅自30%起；Kimi提供连续包月、包年等订阅选项 [12] - **产品功能分层**：主流厂商对用户进行分层，免费用户可能需排队或享有有限额度，付费用户则解锁高速、长文本、专业多模态等高级能力 [10][12][15] 未来商业模式展望 - “哑铃型”商业范式可能成为行业共识：轻量模型作为免费流量入口，复杂功能转向按Token计费或订阅收费 [17] - Token付费（按量+订阅套餐）模式因能精准匹配成本与使用量，正被国内厂商快速跟进，该模式在国外已被OpenAI、Anthropic等公司验证更灵活、毛利更高 [17] - 免费模型将继续存在，但主要用于处理简单问题、服务token消耗少的文本客户或多模态初始体验用户，以培育市场和吸引流量 [16][17] - 付费模式的可持续性核心取决于模型能力能否实现大幅提升 [19] - AI产业估值标准正从技术指标转向年度经常性收入（ARR）、付费转化率和毛利率等商业化指标 [17]

行业趋势与竞争格局 - 人工智能股票近期回调，市场对技术的炒作热度似乎开始消退[1] - 这对依赖大量投资的小型初创公司构成不利，但对投资者和大型人工智能相关公司而言是利好消息[1] - 投资者受益于人工智能股票回落至更合理的水平，而大型公司则可能因小型竞争对手出局而获益[2] 公司核心优势与市场地位 - Alphabet 被认为是“七巨头”中目前唯一值得买入的人工智能股票[2] - 公司在开发自有人工智能技术方面是“七巨头”中最成功的，其Gemini自2023年以来在企业大语言模型市场稳步吸收份额[4] - 2023年，OpenAI在该市场占有50%份额，现已降至约27%，而谷歌的份额同期从7%上升至21%，并有望在今年超越ChatGPT[5] - 另一“七巨头”成员Meta Platforms的企业LLM市场份额从2023年的16%降至2025年底的8%[6] - 当前企业LLM市场领导者Anthropic估计占有40%份额，并计划扩大使用Alphabet的硬件[6] - 苹果公司今年早些时候与Alphabet合作，使用谷歌Gemini模型开发其自身人工智能产品[6] - 公司在人工智能软件领域已超越一位同行，并有另一位“七巨头”成员依赖其软件[7] - 谷歌已基本确立自身为人工智能行业的龙头[11] - 与Anthropic或OpenAI等初创公司不同，公司拥有除人工智能外的大量其他收入来源，且早已不依赖投资者资金，股价下跌对公司影响不大[11] 财务与运营表现 - 2025年，公司营收较2024年增长15%，首次超过4000亿美元[12] - 同期稀释后每股收益飙升34%[12] - 公司净利润率为32.8%，债务权益比率非常健康，为0.14[12] - 公司市值为3.8万亿美元，当前股价为315.70美元[8] - 公司毛利率为59.68%，股息收益率为0.27%[8] 硬件与技术布局 - Alphabet与博通共同开发的张量处理单元是“七巨头”同行英伟达图形处理单元的强劲竞争对手[8] - 其他“七巨头”公司都在一定程度上使用英伟达硬件运行其人工智能，而Alphabet正转向使用自有硬件[9] - 一些其他人工智能公司也已开始使用TPU，Anthropic计划今年投入数百亿美元，增加1吉瓦的TPU芯片以提升计算能力[9] - 除特斯拉和Netflix外，Alphabet要么拥有与每家“七巨头”公司人工智能产品（硬件或软件）竞争的方案，要么该同行正像苹果一样使用谷歌人工智能开发自身产品[10]

政府与监管机构动态 - 美国财政部长与美联储主席本周召集银行高管开会，鼓励他们使用Anthropic的新Mythos模型来检测系统漏洞[1] - 英国金融监管机构也在讨论Mythos模型可能带来的风险[3] 公司产品与市场策略 - Anthropic本周发布了Mythos模型，但表示将暂时限制访问权限[2] - 限制访问的部分原因是，尽管Mythos并非专为网络安全训练，但其在发现安全漏洞方面能力过强[2] - 有观点认为，限制访问是一种炒作或精明的企业销售策略[2] 行业应用与合作伙伴 - 摩根大通是唯一被列为拥有该模型访问权限的初始合作伙伴银行[1] - 高盛、花旗集团、美国银行和摩根士丹利据称也正在测试Mythos模型[1] 公司面临的挑战 - Anthropic目前正在法庭上与特朗普政府就国防部将其指定为供应链风险进行抗争[2] - 该指定是在公司与政府关于限制其AI模型使用方式的谈判破裂后作出的[2]

中国AI行业竞争格局 - 腾讯于3月推出AI助手ClawBot，内置于微信，允许其超过10亿月活用户直接连接OpenClaw并执行任务 [1] - 字节跳动的AI应用Doubao是中国使用最广泛的AI应用，在2月春节假期期间日活跃用户达1亿 [2] - 阿里巴巴投资开源模型，其Qwen模型成为不愿付费使用OpenAI等专有模型的初创公司的有吸引力选择，并赢得东南亚至中东的开发者，Meta最新模型Muse Spark部分基于Qwen训练 [3] - 阿里巴巴上周发布了最新的视频生成模型Happy Horse，据一些分析其性能优于当前领先者字节跳动的SeeDance [7] - 小米和美团分别以智能手机和外卖闻名，也已推出自己的大模型 [8] AI初创企业动态 - 新一代中国AI初创公司正在硅谷赢得支持，例如Cursor推出的最新编码服务Composer 2被发现基于北京月之暗面公司的开源模型Kimi K2.5构建 [9] - 初创公司MiniMax和智谱AI已在香港上市，为前沿AI实验室的经济状况提供了罕见的可见性 [9] - MiniMax报告2025年收入为7900万美元，同比增长159%，其中70%来自海外市场，但其调整后净亏损为2.5亿美元 [10] - 智谱AI收入为7.24亿元人民币（1.048亿美元），同比增长132%，但总亏损膨胀至47亿元人民币（6.8亿美元），研发支出增长45%是主要驱动因素 [10] - 投资者似乎不介意巨额亏损，智谱AI股价较IPO价格上涨超过570%，MiniMax上涨超过470%，一度短暂超过百度的市值 [11] - 月之暗面公司据称正在权衡香港IPO，此前在1月的一轮融资中估值已达100亿美元 [11] - 杭州的深度求索公司去年以其V3和R1模型重置了整个AI对话，开发者正热切期待其最新模型V4的公开版本 [12] 实体AI与自动驾驶进展 - 中国在实体AI领域也在迅猛前进，供应链能够廉价制造先进技术 [13] - 中国最知名的人形机器人初创公司之一宇树科技已申请在上海科创板进行42亿元人民币（6100万美元）的IPO，该公司实现盈利，调整后净利润约为6亿元人民币（8700万美元） [13] - 中国公司也在自动驾驶领域大力推进，小马智行4月初与Uber及克罗地亚运营商Verne合作，在克罗地亚萨格勒布推出了欧洲首个商业机器人出租车服务 [14] - 文远知行也与Uber合作，在迪拜提供完全商业化的机器人出租车 [14] 市场采用与政府支持 - 中国用户对AI的接受度远高于西方用户，去年10月的一项爱德曼调查发现，87%的中国受访者信任AI，而在美国这一比例为32% [15] - 短剧行业是消费者接受AI的一个例子，得益于制作成本暴跌，1月份视频平台每天发布约470部新剧，现在使用AI工具生成一部短剧的成本约为10万元人民币（1.46万美元），约为传统成本的十分之一，制作周期从15-30天缩短至5天以内 [16] - 中国消费者也正在接受AI智能体，一系列大型科技公司举办研讨会指导潜在用户在个人设备上安装OpenClaw [17] - 地方政府通过为构建AI智能体业务的单人创业者提供补贴来扩大推动力 [17] - 中国最大的政策优势可能与AI无直接关联，高盛估计到2030年中国将拥有约400吉瓦的备用发电容量，大约是预计全球数据中心需求的三倍 [19] 行业挑战与约束 - 由于美国出口管制限制向中国销售最先进的AI芯片，国内公司被迫依赖国产芯片（主要来自华为）、海外数据中心或通过灰色市场获取的美国硬件 [20] - 中国芯片正在改进，阿里巴巴于4月8日推出了一个完全由自家设计的真武芯片运行的新数据中心，但其生产良率和性能仍远落后于美国芯片供应链 [20][21] - 中国的风险投资生态系统比硅谷薄弱，对监管的担忧导致许多全球投资者避开中国初创公司，例如月之暗面公司估值180亿美元，其投资者主要来自中国，而Anthropic在2026年2月的G轮融资中筹集了300亿美元，投后估值3800亿美元，背后是全球财雄势大的机构投资者联盟 [22] - 资金压力迫使一些创始人采取激进行动，例如Manus AI去年重组为新加坡实体，随后于2025年底被Meta以约20亿美元收购，据《金融时报》报道，其两位联合创始人目前受到出境禁令限制 [23] 资本支出与盈利压力 - 阿里巴巴2025年资本支出达1230亿元人民币（170亿美元），导致净利润暴跌66% [25] - 腾讯资本支出较少，为790亿元人民币（116亿美元） [25] - 字节跳动作为私营公司面临较小的盈利压力，但据《金融时报》报道，该公司预计将在AI基础设施上花费230亿美元 [25] - 这仍远小于美国巨头的支出，Alphabet去年资本支出940亿美元，Meta支出750亿美元，两家公司今年计划支出更多 [26] - 盈利压力可能正迫使一些中国科技公司重新思考战略，阿里巴巴和Z.ai已以封闭格式发布其最新模型（至少最初如此），并且与百度等公司一起提高其模型和云服务的价格 [27] 战略重组与未来方向 - 中国的科技公司将把AI置于其业务中心，阿里巴巴上月将其整个AI业务重组为“阿里巴巴Token Hub”，整合了五个先前独立的部门，包括通义实验室、Qwen和企业AI部门悟空，由CEO吴泳铭直接监督 [28] - 吴泳铭表示，ATH围绕一个单一的组织使命构建：创造Token、交付Token和应用Token [29]

文章核心观点 - Nebius Group (NBIS) 因其独特的商业模式和战略定位，在2026年复杂的宏观环境中（包括超大规模资本支出周期、地缘政治波动和高利率环境）脱颖而出，成为能够将宏观逆风转化为长期顺风的、值得长期投资的AI股票 [1][2][13] 超大规模资本支出周期 - 微软、Alphabet、亚马逊、Meta Platforms和甲骨文等公司正投入数十亿美元用于芯片和服务器机架，以大规模生产可用的智能 [4] - Nebius通过提供包含GPU集群、专业云基础设施和全面开发者工具包的现成全栈环境（即“新云”模型），使这些巨额资本支出从第一天起就能产生收入，而非等待数个季度，从而压缩了支出与产出之间的时间线 [6] - 该模式加速了超大规模企业预算的流动，创造了一个利用、产出和再投资的良性循环，这是现有数据中心运营商所渴望的 [6] - 在资本支出最终正常化的情景下，Nebius通过加速投资回报而不耗尽自身资产负债表，成为了不可或缺的合作伙伴 [7] 地缘政治风险抵御能力 - 伊朗战争导致石油市场波动，并造成海上物流路线瓶颈，暴露了业务集中在单一区域的风险 [8] - Nebius通过其横跨稳定欧洲枢纽和北美扩张的多大陆数据中心架构，完全规避了这一陷阱 [9] - 这种地理分布是一种结构性对冲，能在其他地区（如中东的主权建设项目）面临潜在中断时，确保AI基础设施在线 [9] - 通过投资Nebius，投资者可以在无需为地缘政治风险打折的情况下，更直接地对齐资本支出超级周期的上行潜力 [10] 高利率环境下的现金转换 - 在就业市场严峻和通胀持续的背景下，美联储采取了更审慎的路径，资本成本仍然高昂，需要高额前期投入且回报周期长的商业模式正受到惩罚 [11] - Nebius的独特之处在于，其在数据中心基础设施之上直接叠加了高利润率的服务（如高级数据管道、模拟环境和训练编排） [12] - 这一特点将超大规模企业的合同加速转化为经常性收入流，而无需等待利用率曲线开始上扬 [12] - 结果是形成了不对称的风险回报特征：公司充分参与爆炸式增长的AI需求，同时在宏观经济紧缩时拥有灵活的资本结构 [12] 公司业务与市场表现 - Nebius Group (NBIS) 当日股价上涨6.34%，收于144.97美元，市值达360亿美元 [11] - 公司当日交易区间为134.88美元至149.82美元，52周区间为20.25美元至149.82美元 [11] - 当日成交量为2600万股，平均成交量为1600万股 [11] - 公司毛利润率为-765.63% [11] - Nebius并非众人皆知的大型科技公司，它正在万亿美元规模的基础设施雄心与真正可用于生产的智能之间架起桥梁 [13]