人工智能的采用率正在上升，但信任仍是一个关键挑战。 全球四大会计师事务所之一的毕马威(KPMG)发布的最新数据显示，相较于2022年ChatGPT发布前，如 今AI(人工智能)普及率已经显著提升，但忧虑情绪也随之上升，全球仅46%受访者愿意信任AI系统。 许多先进的人工智能模型被视为"黑箱"，即便是开发者也难以完全理解其决策逻辑。面对这种透明度缺 失的情况，人们应如何建立对人工智能系统的信任？近日，《每日经济新闻》记者(以下简称NBD)专访 了香港金融科技周筹办商Finoverse首席执行官Anthony Sar。 NBD：许多先进的人工智能模型被视为"黑箱"，面对这种透明度缺失的情况，人们应如何建立对人工智 能系统的信任？ Anthony Sar：大型语言模型的透明度仍未完全实现，即便对其创造者而言亦是如此。如今，人工智能 不仅能预测文字，还能理解概念——这既赋予了它强大的能力，也带来了相应风险。 NBD：当人工智能系统出现严重错误(例如自动驾驶汽车引发事故、医疗人工智能给出误诊)时，该由谁 为这一错误负责？ Anthony Sar：人工智能出现严重错误，其责任应由多方共同承担。就像交通安全依赖于司机、行人 ...

锂电池出口管制新规 - 商务部对能量密度超过300Wh/kg的锂电池及正负极材料、中后段设备实施出口管制，核心在于引入最高长达45个工作日的行政审核流程，而非直接禁止[2][3] - 45天的潜在交付延迟对全球准时制供应链产生双向冲击：买方面临生产线中断风险，需为交付确定性支付溢价或寻找替代方案；卖方承受收入确认滞后和现金流回款压力[4][5] - 在行业去库存和价格战周期中，运营资本挤压加剧企业财务健康考验，新规重塑全球新能源供应链成本曲线，并影响海外电池产能的项目融资与建设时间表[6][7] - 政策首次将关键人造石墨纳入管制，结合2023年末对天然石墨的管制，表明决策者致力于主导从上游开采到高附加值制造的整个负极材料供应链[7][8][9] 与稀土管制的对比与演进 - 锂电新规与稀土管控模式相似但处于不同阶段，稀土行业已建立贯穿开采、分离、加工全产业链的系统性管控，并提升至国家战略资源高度[11][12] - 稀土管制基于成熟法律架构，引入“最终用户”和“最终用途”审查，并规定海外产品若含中国稀土材料（价值占比超0.1%）或使用中国技术，其再出口也需中国许可[13] - 合规通知函机制迫使全球企业详细报告供应链构成与流向，导致跨国公司在物理、法律和数字层面进行供应链分叉，以应对中美域外法规冲突[14][15] - 关键不确定性在于45天审核是阶段性摩擦工具，还是未来升级至稀土级系统性管制的第一步，市场需为这种不确定性定价[16] AI物理化驱动的锂电新需求 - AI进入第三轮叙事浪潮，从算法转向依赖算力芯片、数据中心和电网升级等有形资本开支，英伟达预测全球AIDC年度支出将从2025财年约6000亿美元增长至2030年3-4万亿美元[20][21] - 麦肯锡测算到2030年全球为满足算力需求将投入约6.7万亿美元数据中心投资，其中AI工作负载部分超5万亿美元，IMF指出AI投资热潮支撑美国经济抗下行压力[21] - 宁德时代预测数据中心储能市场出货量从2024年10GWh高速增长至2030年300GWh，年复合增长率达76.3%，配套形式从UPS短时备份转向光储结合等长时间能源保障[23][24] - AI需求为锂电池创造独立于电动汽车市场周期的刚性新需求曲线，成为锂电材料和设备企业未来增长空间的底层支撑之一[25][26] AI泡沫风险与锂电产业传导 - AI泡沫核心在于资本回报不确定性，重资产长周期投资模式导致资本当下消耗而收益遥远，市场出现估值过高、投机交易盛行、科技公司自由现金流增长放缓等警告信号[27][28][29] - 科技巨头依赖高估值和低成本债务融资，赌注在现金流耗尽前找到规模化盈利模式，一旦投资者对回报周期失去耐心，资本市场情绪可能逆转[30][31][32] - 若AI相关企业股价动摇，其再融资能力受阻，将优先削减回报周期最长的AIDC建设和电网升级预算，导致锂电的AI需求从“刚性”变为“或有需求”[35][36] - 锂电出口管制推高AI基础设施建设成本，若AI泡沫破裂，可能通过AIDC储能需求停滞或取消，反噬本已因EV渗透率放缓而承压的锂电产业[37][38] 全球供应链重构与地缘政治博弈 - 微软、亚马逊云计划在2026年前将笔记本电脑、游戏机及服务器核心零组件供应链彻底移出中国，目标BOM中80%以上来自非中国地区，标志去中国化进入上游零部件层面[42][43][44][46] - 苹果转变生产策略，准备与比亚迪在越南组装新一代智能家居硬件，谷歌大幅扩张泰国服务器产能，供应链迁移主要出于地缘政治风险对冲而非成本考量[47][48][49] - 欧洲经济安全意识觉醒，荷兰政府接管中资企业闻泰科技旗下安世半导体，开创西方政府“收回”关键资产的先例，可能导致跨国并购要求巨额风险折扣[52][53] - 欧洲市场碎片化加剧，Stellantis停止在波兰组装零跑T03车型，零跑转投西班牙，企业投资选址需微观研判成员国政治立场，中国对欧电动汽车项目价值急剧下降[55][56][58] 多重周期错配与产业风险敞口 - 全球市场面临三重周期错配：AI金融周期以资本市场情绪为准，要求资本开支快速落地；地缘政治冲击周期短促高频不可预测；实体产业物理周期长达3-10年，违背金融市场速度要求[63] - 能源与科技、贸易力量纠缠，AI物理化创造锂电储能新需求，而贸易碎片化威胁锂、石墨、设备供应链，任何一方的“硬着陆”都将传导至另一方[63] - 投资流向改变，中国在汽车、电池行业投资转向东南亚如印尼、泰国，但东南亚夹在大国之间，并非绝对安全港，可能面临新关税制裁[60][62] - 能够驾驭金融时间迅捷与物理时间迟滞、化解多重风险的企业，才能进入下一个十年工业格局[64]

科技创新行业 - 张江国家地方共建人形机器人创新中心聚集10余家企业并拥有百余台人形机器人和类人形机器人，是全国首个异构人形机器人训练场 [2] - 中国开发的大型语言模型正在海外产生重要影响，并被海外研究依赖其开放资源 [2] - 在公共服务领域应用VR技术展现城市发展历史，并将AI、生态等新概念融入公共服务 [3] 文化与传统行业 - 上海博物馆东馆展示从夏晚期至清中期的青铜器等文物，使三千年前的酒器等古代器物与现代人产生共鸣 [2] - 从古代青铜铸造到江南丝绸工艺，行业注重珍惜过去而不固守过去，将古老智慧融入现代生活 [2] - 豫园作为文化地标，其外部是商业化现代场景而内核是中国传统孝道文化，体现了传统文化与现代发展的交融 [3] 城市发展与公共服务 - 徐汇滨江党群服务中心由旧工业厂房改造而成，配备社区食堂、淋浴间、无障碍卫生间和儿童活动区，精准回应不同群体日常需求并融入以人为本理念 [3] - 政府为户外工人等普通人提供休息、淋浴、热饭等日常生活解决方案 [3] - 中国式现代化路径被视作延续文明根脉的有机更新，表现为高精技术与古老文化并存、亭台楼阁与繁华商区共生的新旧对话场景 [4]

公司股价表现 - NEBIUS股价在周四开盘上涨超过7%，报123.96美元，续创历史新高 [1] 公司业务合作 - 微软与NEBIUS达成合作协议，NEBIUS将为微软内部负责开发大型语言模型及面向消费者的人工智能助手的团队提供算力支持 [1] - 该合作协议价值高达194亿美元 [1]

公司股价表现 - NEBIUS股价周四开盘上涨超过7%至123[1]96美元 续创历史新高 [1] 公司重大合作 - 微软与NEBIUS达成合作协议 NEBIUS将为微软开发大型语言模型及人工智能助手的团队提供算力支持 [1] - 该合作协议价值高达194亿美元 [1]

公司战略转向 - OpenAI正加速机器人技术领域投入 通过组建专注于人形机器人的新团队 押注物理世界交互是实现通用人工智能的关键一步 [1] - 公司近期已聘请多位人形机器人控制算法专家 招聘目标明确指向人形机器人项目 [1] - 所有机器人相关职位均强调"专注于解锁通用机器人技术并在真实世界环境中推动AGI级别智能" 表明公司将机器人技术与AGI终极目标直接挂钩 [2] 人才招聘进展 - 斯坦福大学研究人员Chengshu Li已于2025年6月加入 其研究涉及为处理家务的人形机器人设计能力基准 [2] - 另有两名来自其他机器人实验室的研究人员也已入职 招聘行动正在提速 [2] - 公司寻找具备遥操作和模拟（如Nvidia Isaac平台）经验的专家 这些是训练人形机器人的关键技术 [1] 硬件发展路径 - 机械工程师职位要求具备原型设计和制造带触觉及运动传感器的机器人系统专业知识 [3] - 职位要求拥有"为大批量（100万台以上）生产设计的机械系统经验" 暗示未来可能进行大规模生产甚至制造业部署 [3] - 公司可能自研机器人硬件 或为机器人训练开发遥操作系统 具体路径尚未明确 [3] 行业竞争格局 - 人形机器人赛道竞争激烈 包括特斯拉、谷歌以及Figure、Agility、Apptronik等明星初创公司 [4] - 自2024年初以来 风险投资已向人形机器人初创公司投入超过50亿美元 [4] - 摩根士丹利预测到2050年该产业市场价值可能达到5万亿美元 [4] 技术发展背景 - 公司战略转向正值业界反思大型语言模型发展路径之际 在GPT-5研发达到平台期后 AI需要"走向物理世界"寻求突破 [1][4] - 虽然目前人形机器人仍难以应对复杂不可预测的环境 但资本和顶尖人才涌入有望加快技术突破步伐 [4]

投资交易 - 阿斯麦向法国人工智能初创公司Mistral投资13亿欧元 使Mistral估值提升至117亿欧元[1] - 该投资使成立仅两年半的Mistral跻身欧洲最具价值私营企业行列[1] - 德国软件巨头SAP SE已与Mistral就潜在投资事宜进行初步洽谈[3] 公司定位与战略 - Mistral是欧洲唯一开发能与ChatGPT和DeepSeek抗衡的大型语言模型的公司[1] - 双方合作聚焦优化工业制造领域 特别是扫描仪计量技术应用[2][3] - 阿斯麦依靠内部计量系统检测半导体晶圆缺陷 但处理大数据流能力有限 Mistral系统可补足该短板[3] - 阿斯麦业务高度聚焦光刻技术 对Mistral投资可能帮助实现多元化发展[4] 市场环境与竞争 - Mistral估值117亿欧元 远低于OpenAI的5000亿美元估值[1] - 美国竞争对手投入数百亿美元用于AI模型训练和计算能力[3] - Mistral缺乏大型国际客户 商业发展势头不及美国同行 资金规模存在显著差距[5] - Mistral总计14亿欧元合同中约一半来自欧盟内部 包括法国巴黎银行 Stellantis和CMA-CGM等企业[2] 地缘政治因素 - 投资发生在欧洲寻求减少对美国技术依赖的背景下 与OpenAI-微软合作模式存在相似性[2] - 分析认为投资更多出于支持欧洲AI生态系统的地缘政治动机而非纯粹商业考量[4] - 阿斯麦曾因中美贸易战遭受出口管制 2019年特朗普政府施压荷兰阻止对华出口先进设备[5] - Mistral在欧洲的数据隐私保障优势明显 美国《云法案》允许执法部门强制科技公司交出境外数据[5] 行业观点 - General Catalyst董事总经理认为这是欧洲"人工智能主权"的关键一步 为工业供应商提供吸引人的蓝图[2] - SAP首席执行官强调欧洲应将工业AI应用置于数据中心建设之上[3] - 欧洲议员表示技术主权已从可选择事项转变为至关重要点 特朗普政策促使企业追求自主化[6]

人工智能对教育体系的重塑 - 人工智能作为自适应桥梁 能够打破僵化教育系统的标准化限制 通过自然语言交互降低使用门槛 无需编程背景或技术手册即可操作[2][3] - 人工智能可替代教师成为"可塑性中间层" 调整标准化系统以适应学生个体差异 解决工厂式教育模式与人性化学习需求间的矛盾[2] - 通过语音、视觉和母语交互方式 人工智能帮助有学习障碍或非母语学生展示知识 减少对书面表达的过度依赖[4][5] - 人工智能实现个性化学习进度跟踪 提供定制化反馈和练习机会 突破统一教学时间表的限制[5] - 人工智能充当官僚体系导航教练 帮助学生解决选课、申请等事务性挑战 减少对社会资本（家庭背景）的依赖[6] 人工智能与信息真实性 - 大型语言模型具备从海量数据中核查事实的能力 可实时标记社交媒体内容的误导性信息 提供缺失背景和可靠信源[8] - 人工智能存在生成错误信息的概率性缺陷 但其幻觉和偏见相比人类更易被检测和处理 输出结果可被验证和抑制[9][10] - 技术平台尚未广泛部署人工智能事实核查功能 存在信源优先级和系统规则方面的信任担忧[11] - 被动接受人工智能更正可能导致用户批判性思维退化 需培养使用AI审问信息的主动探究习惯[11] - 人工智能同时被用于制作深度伪造和传播虚假信息 形成技术双刃剑效应[11] 人工智能的双重经济影响 - 人工智能降低创业门槛 个体可独立完成设计、营销、编程等原需团队协作的任务 可能引发新创业浪潮[13] - 人工智能取代入门级知识工作（备忘录起草、基础研究、表格管理） 使毕业生缺乏职业起点和技能提升途径[13] - 企业用人工智能替代人力存在财务激励：工资税和福利成本高于软件投资的税收减免[18] - 风险投资支撑的人工智能公司面临增长压力 可能优先用户获取而非安全伦理 商业模式可持续性存疑[19] - 建议调整税收政策：增加资本税/减少劳动力税 鼓励人工智能补充而非取代人类员工[18] 人工智能发展轨迹的决定因素 - 商业模式直接影响技术方向：广告驱动型人工智能可能优化用户沉迷 订阅制更利于用户福祉[16][17] - OpenAI等公司倾向订阅模式 避免广告与人工智能结合带来的操纵风险 同时探索硬件商业模式[17] - 价值网络（投资者、付费方、使用目的）决定公司优化目标 影响技术对社会和人际关系的作用[20] - 消费者可选择支持注重用户福祉的商业模型 通过公众舆论影响市场力量和政策制定[19] - 智能监管需平衡创新与公共利益 政策制定者可在市场激励不足时推动福利导向的发展路径[20]

AI行业发展前景 - Tom Lee认为AI应用仍处于早期阶段 将其比作无线通信行业从3700万用户增长到70亿用户的扩张过程[1] - 当前AI发展可能还处在整个周期的第一阶段 约前四分之一或前三分之一的阶段[1] - AI革命蕴含着巨大的长期增长潜力 尽管短期内存在市场波动与投资担忧[2] AI基础设施投资 - 当前阶段主要集中在构建大型语言模型和数据中心等基础要素 类似于无线通信在应用开发之前的基础设施建设[2] - 将当前AI基础设施投资与历史上的技术建设相提并论 例如Global Crossing的海底光缆铺设[2] - 价值往往会在初期基础设施投资之后逐步积累到后来的参与者手中 如同"酒店的第二任主人赚了很多钱"的案例[2] 技术采用周期 - 企业在AI领域大量投入没有立竿见影回报的情况与典型的技术采用周期相似[2] - 当前AI的重点已转向安全与验证系统 这是在广泛商业应用之前的下一波发展浪潮[2] - 摩根大通和高盛等公司预计很快会利用AI来强化其业务战略[2] 美股市场展望 - Tom Lee维持对美国股市的乐观立场 指出AI是推动持续增长的重要动力[1] - 在2月至4月美股下跌期间 评估认为经济基本面不值得恐慌[1] - 策略师认为在恐惧情绪蔓延时持有仓位或逢低买入才是合适策略 预计标普500指数将在年底达到6800至7000点[1]

核心观点 - 人工智能正在引发资产管理革命 核心是人机协作带来的投资新范式 未来十年最成功的投资者将是能同时驾驭量化与传统方法并将AI作为力量倍增器的复合型人才 [1] - 结合人工智能和人类洞察的混合模型能在超过3860只股票的广泛池中产生显著收益 [1] 技术影响 - AI由数据驱动技术组成 深度嵌入投资流程 其崛起源于数据爆炸 算力进步和工具普及化 [2] - 对资管业影响最大的三项技术包括机器学习 神经网络和大型语言模型 [2][5] - 机器学习通过学习数据模式进行预测 擅长识别非线性关系 提高预测准确性 [5] - 神经网络处理高维度非结构化数据表现出色 但可解释性差且训练成本高 [5] - 大型语言模型将自然语言处理推向主流 能从财报电话会等文本中提取洞察 将定性文本转化为结构化数据 [5] 人机优势对比 - 机器优势体现在速度 广度和一致性 数据处理速度和规模远超人类团队 能每日扫描10000份财报电话会议纪要 [3][6] - 机器能不知疲倦地重复执行任务 结果具有高度可重复性 [6] - 人类优势体现在背景 复杂性和因果推断 能解读监管突变等非重复性事件 [4][13] - 人类能构建投资逻辑 理解多重驱动因素相互作用 评估企业文化等无形资产 [13] - 人类能通过类比推理适应市场新范式 而AI依赖历史数据在全新环境中会失灵 [13] 投资融合趋势 - AI打破量化投资与基本面投资间的传统壁垒 两者正走向"奇点"融合点 [9] - 量化投资者借助大语言模型处理非结构化数据 捕捉以往只有基本面分析师能识别的信号 [10] - 基本面管理者利用AI工具扩展研究范围 机器学习筛选投资标的 AI助手阅读报告 估值模型自动生成DCF基准 [11] - 分析师从数据处理中解放 专注于渠道调研和管理层访谈等高附加值活动 [11] 实证研究结果 - 人类分析师在最看好和最不看好的各3只股票上表现优于机器 [14] - 对于关注度居中的股票 GBM模型预测表现更佳 [14] - 混合模型回测自2010年起在3860多只股票中展现强大回报生成能力 [12] - 人机协作将成为未来投资的关键竞争优势 公司通过专有数据和定制模型实现差异化 [12]