宏观经济展望 - 一季度宏观经济两大看点：“史上最长春节假期”的消费验证与“地方两会”的政策定调[6] - 消费复苏呈现“场景下沉”与“服务替代”特征，大宗商品受制于居民资产负债表修复节奏[6] - 政策重心从传统基建转向低空经济、算力等细分赛道，财政在化债与增长间维持紧平衡[6] - 内存价格在2026年第一季度环比上涨80%-90%[6] 全球股市动态 - 美股周一收涨：道指涨0.04%至50,135.9点，标普500涨0.47%至6,964.8点，纳指涨0.90%至23,238.7点[8][11] - 欧洲主要股指集体收涨：德国DAX指数涨1.19%至25,014.87点，泛欧STOXX 600指数涨约0.7%[8][11] - 亚太股市普遍上涨：韩国KOSPI指数涨4.1%至5,298.0点，日经225指数涨3.9%至56,363.9点[22][23] - 港股三大指数反弹：恒生指数涨1.76%至27,027.16点，大市成交额约2,551亿港元[13] - A股三大指数高开高走：沪指涨1.41%至4,123.09点，深成指涨2.17%至14,208.44点，创业板指涨2.98%至3,332.77点[17] 外汇与商品市场 - 中东局势引发忧虑，推动油价连升：纽约期油涨1.27%至64.36美元/桶[27][28] - 美元汇价下跌推动金价显著上升：纽约期金涨2.0%至5,050.9美元/盎司[27][28] - 美元指数下跌0.8%至96.82[27] 固定收益市场 - 美国国债收益率变动：2年期收益率跌1.2个基点至3.49%，10年期收益率跌0.4个基点至4.20%[30][31] - 亚洲信用市场情绪偏强，整体债券利差收窄1-2个基点[5][31] 板块与个股要闻 - AI行业收入增长强劲：4Q25可比口径AI年度经常性收入环比增长40%[24] - 高通预计2026财年二季度手机业务营收同比下滑约13%[9] - 白酒板块临近春节动销升温，终端补库意愿强烈[20]

文章核心观点 - 视频生成与世界模型是人工智能领域的热点，其目标是从生成逼真短片发展为可用于推理、规划与控制的通用世界模拟器，并与具身智能、自动驾驶等前沿场景深度交织，被视为通往通用人工智能的重要路径[2] - 当前研究存在定义模糊、分类重叠等问题，限制了技术标准化发展，为此快手可灵团队与香港科技大学（广州）团队联合发表了一篇系统综述，旨在弥合当代“无状态”视频架构与经典“以状态为中心”世界模型理论之间的鸿沟[2][3] - 该综述首次提出了以“状态构建”与“动态建模”为双支柱的全新分类体系，并倡导将评估标准从单纯的“视觉保真度”转向“功能性基准”，为视频生成演进为鲁棒的通用世界模拟器提供了清晰的路线图[3] 核心理论贡献 - 提出了全链路视角，涵盖从底层理论定义、中层架构设计到上层功能性评估的全生命周期分析，确保对视频世界模型全方位的理解[8] - 首次将当代“无状态”的视频扩散架构与经典的基于模型强化学习、控制理论进行深度映射，为世界模型找到了坚实的理论根基[8] - 明确了“持久性”与“因果性”是迈向通用世界模拟器的两大核心关隘，为业界从被动的“像素预测”转向具备闭环交互与因果干预能力的模拟器提供了清晰的路径参考[8] - 深度梳理了2024至2025年间涌现的视频生成最新工作，反映了当前技术从视觉保真度向物理一致性转化的前沿趋势[8] 世界模型的三大基石与核心操作 - 观察：环境的原始感官数据，在视频模型中表现为高维的像素级输入，提供世界的局部、间接视图[8] - 状态：模型通过提炼历史观察，过滤噪声，形成的足以解释当前世界的“内部表示”[8] - 动态变化：预判未来的“引擎”，它刻画了状态随时间演变的规律，让模型具备在脑海中“预演”物理法则的能力[9] - 状态估计：把高维、连续的观测序列压缩成一个紧凑的状态表示，用来刻画环境在当前时刻的关键状态[13] - 状态转移：刻画环境在动作作用下的因果演化，是世界模型的“内部模拟引擎”，用于预测未来状态或观测[13] 世界模型的学习方式 - 闭环学习：世界模型与策略模型联合训练，世界模型的参数更新直接受策略目标影响，可进一步分为顺序组合架构与统一架构[14] - 开环学习：将世界模型视为通过大规模被动数据预训练得到的独立模拟器；策略模型可在自身优化中调用世界模型进行“想象/规划”，但世界模型不接收来自策略奖励信号或损失函数的梯度更新[14] 支柱一：状态构建 - 现代视频生成模型在状态层面存在关键差距：多数模型缺乏显式压缩状态，而以观测序列充当隐式状态，随时间增长带来计算/记忆负担并削弱长程持久性[12] - 隐式状态范式：不构建固定大小的显式状态变量，而是通过外部记忆机制管理历史观测，动态提炼出“工作记忆”来支撑生成所需的长期一致性与上下文连贯[16] - 显式状态范式：将状态构建内化为模型自身的压缩过程，把历史上下文持续蒸馏进一个全局更新的潜在变量中，使其成为对视频演化过程的固定维度、可递推的数学摘要[17] - 隐式状态的管理机制主要包括压缩、检索和巩固三种核心操作，以处理长上下文信息[18] - 显式状态根据其与生成骨干的融合程度，可分为耦合状态与解耦状态[19] - 隐式状态与显式状态的系统性对比：隐式状态机制依赖外部管理，上下文选择多为启发式学习或基于规则，持久性受限于窗口，计算复杂度随历史长度线性或二次增长；显式状态机制依赖内部递归，上下文选择基于学习的物理/转移规律，支持全局连续性和无限时长，计算复杂度为常数[23] - 总体取舍是：隐式状态目前更稳妥地支持高保真视频生成，而显式状态更像通往高效、可长期推理的自主智能体与世界模拟的前沿方向[22] 支柱二：动态建模 - 现代视频生成模型在动态层面存在关键差距：标准模型常以双向注意力“一次性渲染”固定时长片段，缺少显式时间因果推进[12] - 增强因果推理能力的两条主要路径：一是因果架构重构，从模型结构与训练目标入手，把生成过程从“一次性渲染”改造成“按时间顺序预测”；二是因果知识集成，引入具备更强推理能力的多模态大模型作为“规划者/导演”，先在高层完成规划，再由视频生成模型负责高保真“渲染”[25] 评估标准的演进 - 主张将评估从“视觉美感”推进到“功能基准”，并提出三条核心评价轴：质量、持久性和因果性[26] - 质量：关注基础视觉保真度、短程时序相干性以及文本/条件对齐能力，代表性工具如VBench/VBench++等[44] - 持久性：关注长时程生成的稳定性与一致性，并通过“场景重访”等记忆任务检验模型能力，相关评测包括WCS以及基于rFID的重建一致性测试等[44] - 因果性：重点检验模型是否真正内化物理与逻辑规律，评测包括时间顺序与物理有效性，以及反事实干预下的响应是否合理，并进一步延伸到agent-in-the-loop的任务成功率与规划表现[44] 未来研究方向 - 视频生成迈向世界模拟的关键在于补齐两项核心能力：持久性与因果性[27] - 持久性方面：隐式状态需要从固定窗口等启发式记忆升级为可学习、可动态筛选的信息管理机制；显式状态则要在压缩效率与细节保真之间找到更好的平衡[27] - 因果性方面：一条路线是通过架构与数据设计提升因果推断能力，另一条路线是引入理解模型的推理先验来约束生成，但如何有效对齐生成与理解仍是核心挑战[27]

MiniMax港股IPO认购情况 - 公司即将敲钟上市 创下近年来港股IPO机构认购历史记录[1] - 参与IPO认购的机构超过460家 超额认购达70多倍[1] - 国际配售环节需求峰值高达320亿美元 实际下单金额达190亿美元[3] - 剔除基石投资后超额认购倍数飙升至79倍 创近年港股科技股IPO机构认购新高峰[3] - 公开发售市场孖展金额超2533亿港元 超额认购倍数高达1209倍[3] - 暗盘开盘后股价最高触及211.2港元/股 收盘报205.6港元/股 较发行价区间上限上涨24.6%[3] 投资者结构与基石阵容 - 新加坡、中东、加拿大等多国主权基金纷纷出手 单家认购金额超10亿美元[3] - 长线基金合计下单规模突破60亿美元[3] - 与阿布扎比基金、未来资产等14家知名机构共同组成基石阵容 合计认购占比达69.8%[3] 公司业务与财务表现 - 公司构建了覆盖C端与B端的产品矩阵 核心AI原生产品包括大语言模型、视频生成模型等[4] - 截至2025年9月底 累计用户已突破2.12亿 覆盖全球200多个国家和地区 付费用户超177.1万[4] - 2025年前三季度营收达5343.7万美元 同比增长超170% 其中海外市场贡献占比超70%[4] - 公司毛利率从2023年的-24.7%持续转正 2025年前三季度已提升至23.3%[4] - 截至2025年9月底 公司录得1.8亿美元亏损 但账上现金储备为3.62亿美元 最新数据显示已超11亿美元[4] - 此次IPO募资的90%将投向未来五年的大模型研发及AI原生产品开发[4] 行业背景与市场意义 - 公司上市热潮恰逢港股AI板块集体爆发 近期壁仞科技、智谱AI等相关企业均创下千倍级超额认购纪录[5] - 政策支持与技术成熟度提升共同点燃了资本对AI赛道的热情[5] - 作为聚焦C端全球化市场的代表企业 公司的上市将完善港股AI生态布局[5] - 公司将成为检验资本市场对AI商业化价值判断的重要标杆[5]

上市与市场反应 - 公司即将于1月9日在港股上市 创下近年来港股IPO机构认购历史记录 机构认购超过460家 超额认购达70多倍[2] - 国际配售订单需求达320亿美元 最终超过460家机构实际下单190亿美元 剔除基石部分后 国配认购超额约79倍[2] - 暗盘交易显示股价表现强劲 开盘后一路上涨 最高达211.2港元每股 最低180港元每股 收盘报205.6港元每股 涨幅24.6%[3] 机构投资者认购情况 - 此次认购打破了此前由宁德时代保持的纪录 宁德时代2025年登陆港股时剔除基石后超额认购30倍[2] - 公司获得众多头部长线基金及国家主权基金青睐 包括新加坡、南非、中东、加拿大等多国主权基金 其中部分主权基金认购金额超过10亿美元[2] - 长线基金的认购订单总额超过60亿美元 此外 外资长线基金及国家主权基金也参与了基石认购 14家基石投资者包括中东阿布扎比基金和韩国未来资产等[2] 收入构成与业务表现 - 公司收入主要来源于两部分：AI原生产品 以及开放平台及其他基于AI的企业服务[3] - 截至2025年6月底 AI原生产品收入达3802万美元 占总收入比重超过70% 平台及企业服务收入为1541万美元 占比28.9%[3] - 截至2025年9月底 AI原生产品累计用户达2.12亿 其中付费用户超过177.1万[3] 财务数据概览 - 公司总收入增长迅速 从2023年的346万美元 增长至2024年的3052.3万美元 2025年前九个月未经审计收入已达5343.7万美元[4] - AI原生产品收入占比持续提升 从2023年的21.9% 大幅增长至2024年的71.4% 2025年前九个月占比为71.1%[4] - 公司仍处于亏损状态 2024年全年亏损净额为4.65238亿美元 2025年前九个月未经审计亏损净额达5.12013亿美元[5] - 经调整亏损净额（非国际财务报告准则计量指标）显示亏损扩大 从2023年的8907.4万美元 增至2024年的2.44243亿美元 2025年前九个月为1.8628亿美元[5]

IPO认购与市场热度 - 公司即将于1月9日在港股上市，其机构认购创下历史记录，参与认购的机构超过460家，超额认购达70多倍 [1] - 此次国际配售订单需求达到320亿美元，最终超过460家机构实际下单190亿美元，剔除基石部分后，国配认购超额约79倍 [1] - 此前港股IPO机构认购记录由宁德时代保持（2025年上市），其剔除基石后的超额认购为30倍，公司此次认购热度远超此记录 [1] 投资者结构 - 公司IPO受到全球顶级长线基金及主权基金的青睐，包括新加坡、南非、中东、加拿大等多国主权基金，认购金额超过10亿美元 [1] - 长线基金的认购订单总额超过60亿美元 [1] - 公司的14家基石投资者中，也包括了中东国家主权基金阿布扎比基金、韩国长线基金未来资产等知名机构 [1] 暗盘交易表现 - 上市前暗盘交易显示，公司股票开盘后一路上涨，最高达211.2港元每股，最低为180港元每股，最终收盘价为205.6港元每股，涨幅24.6% [2] 业务收入构成 - 公司收入主要来源于两部分：AI原生产品、开放平台及其他基于AI的企业服务 [2] - 截至2025年6月底，AI原生产品（包括大语言模型、视频生成模型等）收入为3802万美元，占总收入比重超过70% [2] - 同期，开放平台及企业服务收入为1541万美元，占总收入比重为28.9% [2] - 截至2025年9月底的九个月内，总收入为5343.7万美元，其中AI原生产品收入3802万美元（占比71.1%），开放平台及企业服务收入1541.7万美元（占比28.9%） [3][7] 用户与增长数据 - 截至2025年9月底，公司AI原生产品的累计用户达2.12亿，其中付费用户超过177.1万 [2] - 收入增长迅速：2023年总收入为346万美元，2024年增长至3052.3万美元，而截至2025年9月底的九个月内收入已达5343.7万美元 [3][7] 产品线收入细分 - AI原生产品线中，截至2025年9月底的九个月内，“海螺AI”成为最大收入来源，贡献1746.4万美元，占总收入32.6% [7] - “Talkie/星野”产品同期贡献1875万美元，占总收入35.1% [7] - 新推出的“MiniMax”应用在同期贡献75.6万美元，占总收入1.4% [7] 变现模式 - 公司变现方式多元化，包括多款产品的应用内充值、订阅、在线营销服务以及企业级AI服务 [6][7] - 以“Talkie/星野”为例，其收入来源包括应用内充值、订阅和在线营销服务，截至2025年9月底的九个月内，在线营销服务收入为1118.8万美元，占总收入20.9% [7] - 企业级AI服务（开放平台）是另一稳定收入来源，同期贡献1541.7万美元，占总收入28.9% [7] 财务状况 - 截至2025年9月底，公司亏损约为1.8亿美元，但现金及现金等价物超过3.62亿美元 [4] - 从调整后亏损（非国际财务报告准则计量）看，截至2025年9月底的九个月内，经调整亏损净额为1.8628亿美元 [5] - 历史财务数据显示，公司仍处于投入期，亏损额随收入增长而扩大，但现金储备相对充裕 [4][5]

IPO认购与市场热度 - 即将于1月9日上市的MiniMax创下港股IPO机构认购历史记录，参与认购机构超过460家，超额认购达70多倍[1] - 国际配售订单需求达320亿美元，最终超460家机构下单190亿美元，剔除基石部分后超额认购约79倍[2] - 暗盘交易显示股价表现强劲，开盘后最高达211.2港元，收盘报205.6港元，涨幅24.6%[3] 投资者结构与基石 - 认购受到众多长线基金及国家主权基金青睐，包括新加坡、南非、中东、加拿大等主权基金，其中多家认购金额超10亿美元[2] - 长线基金认购订单总额超过60亿美元[2] - 基石投资者包括14家机构，如中东阿布扎比基金、韩国未来资产基金等[2] 收入构成与业务模式 - 公司收入主要来自两部分：AI原生产品、开放平台及其他基于AI的企业服务[3] - 截至2025年6月底，AI原生产品收入达3802万美元，占总收入超70%；平台及企业服务收入1541万美元，占比28.9%[3] - 收入结构呈现多元化趋势，具体产品线包括MiniMax应用、Glow AI、MiniMax语音及Talkie/星野等[6] 用户规模与付费情况 - 截至2025年9月底，AI原生产品累计用户达2.12亿，其中付费用户超过177.1万[3] - 各产品变现方式包括应用内充值、订阅及在线营销服务等[6] 财务表现与亏损 - 截至2025年9月底，公司亏损约为1.8亿美元，现金持有超过3.62亿美元[4] - 财务数据显示亏损额逐年扩大，但经调整亏损净额（非国际财务报告准则）在2025年九个月为1.8628亿美元[5] - 部分投资者认为其商业模式清晰且营收方式逐步多元化，对公司未来实现收支平衡抱有信心[5] 历史收入数据 - 公司总收入从2023年的346万美元，快速增长至2024年的3052.3万美元，并在2025年前九个月达到5343.7万美元[4][6] - AI原生产品收入占比从2023年的21.9%大幅提升至2025年前九个月的71.1%[4][6] - 开放平台及企业服务收入占比从2023年的78.1%下降至2025年前九个月的28.9%[4][6]

公司业务模式与财务表现 - 公司采用“B+C”双轮驱动的业务模式，其中B端业务是重要的营收和利润来源[5] - 2024年前三季度，B端业务贡献了1542万美元营收，占总营收近30%，同比增速高达161%[5] - B端业务毛利率达到69.4%，较去年提升了7个百分点，显示出强大的盈利能力[7] B端业务战略与运营 - 公司坚持“轻资产”运营，创始人闫俊杰（前商汤员工）坚决不做定制化私有部署，只提供标准化API服务[7] - 通过标准化服务有效控制了成本，开放平台服务全球100多个国家的企业客户，维护成本极低[9] - 公司模型能力全面，覆盖文本、语音、视频、音乐全模态，客户可直接调用而无需自研[9] B端业务的三层扩张路径 - **基础层（API生态）**：模型已集成至国际巨头（如谷歌、微软、亚马逊）及国内大厂（如字节、阿里、腾讯、小米）的平台，形成规模化效应[11] - **提效层（降本增效）**：为各行业提供降本解决方案，例如在影视行业，将特效场景制作成本从数十万降至数千元；在营销行业，帮助Monks公司将方案制作成本降低一半，人力需求从10人/周减少至3人/两天[13][15] - **融合层（产品嵌入）**：将模型深度嵌入企业产品，例如为字节、阿里的编程产品提供AICoding模型支持，该模型能理解需求、规划步骤并自我纠错[16]；多模态能力应用于快看漫画（AI漫画）、Veed（数字人）、小米（机器人音色互动）及机器狗Vbot（空间智能Agent）等领域[17][19] 行业定位与竞争优势 - 公司团队约400人，业务覆盖范围相当于美国Anthropic、Runway、ElevenLabs和Suno四家独角兽公司的总和，体现了“花小钱办大事”的效率优势[21] - 在AI 2.0时代，公司模式避开了C端流量竞争，通过标准化服务和三层扩张将技术转化为可持续的营收，为中国AI企业的商业化提供了参考路径[21] - 公司与阿里云达成战略合作，未来三年的算力消耗和API服务收入目标指向进一步规模化扩张[23] 行业发展与商业化前景 - AI行业的竞争焦点正从纯技术比拼转向商业化落地能力，能够“打粮食”（产生收入）的业务成为核心竞争力[25] - 随着更多AI公司冲刺上市，B端业务预计将成为新的关键竞争领域[25] - 公司B端业务的成功证明了中国大模型公司不仅能够跟进技术，更能将技术转化为可持续的商业模式[23][25]

核心观点 - MiniMax作为国内“AI六小虎”之一，已向港交所递交聆讯后资料集，其2025年前三季度实现营收5343.7万美元（约合人民币3.76亿元），展现出强劲增长，但亏损亦在同步扩大 [1] - 公司的核心差异化在于全球化布局，2025年前三季度海外市场收入占比高达73.1%，业务覆盖全球200多个国家和地区，这使其直接与OpenAI等国际巨头竞争 [1][5] - 尽管营收快速增长且毛利率持续改善，但公司仍处于巨额亏损状态，其长期价值取决于技术领先性与产品解决实际问题的能力，上市是获取资金与品牌优势的起点 [4][6][7] 财务表现与商业化进展 - **营收高速增长**：2023年、2024年、2025年前三季度收入分别为346万美元、3052.3万美元、5343.7万美元，2025年前三季度收入已超5300万美元 [1][2] - **毛利率持续改善**：毛利率从2023年的-24.7%提升至2024年的12.2%，并进一步增至2025年前三季度的23.3% [2] - **销售成本占比下降**：销售成本占总收入的比例从2023年的124.7%降至2024年的87.8%，再降至2025年前三季度的76.7%，主要因推理成本效益提升 [3] - **亏损持续扩大**：2023年、2024年、2025年前三季度分别录得亏损2.69亿美元、4.65亿美元、5.12亿美元，经调整亏损分别为8910万美元、2.442亿美元、1.863亿美元，亏损主因大模型研发、AI基础设施的初始投资及金融负债公允价值亏损 [4] 用户与市场数据 - **用户规模庞大**：截至2025年9月30日，AI原生产品累计用户数超2.12亿，付费用户数约177.16万名 [2] - **开发者生态**：开放平台付费用户（单用户API消费不低于50美元）达约2500家，个人及企业开发者用户达13.2万 [2] - **全球市场排名**：按2024年全球基于模型的收入计，MiniMax为全球第十大大模型技术公司，市占率0.3%，排名第一的OpenAI市占率为30.1% [6] - **市场前景**：全球大模型市场预计2025年达220亿美元，MiniMax有望占据约0.3%的市场份额 [6] 全球化战略与竞争格局 - **收入地域结构剧变**：中国大陆收入占比从2023年的80.8%迅速降至2025年前三季度的26.9%，同期海外收入占比达73.1% [5] - **主要海外市场**：2025年前三季度收入来源地区占比为中国大陆26.9%、新加坡24.3%、美国20.4%、其他地区28.4% [5] - **直面国际竞争**：公司主动出海，约七八成收入来自海外，需在开放市场与OpenAI、Google等巨头直接竞争 [5] - **成本效率优势**：公司成立以来融资净额约15亿美元，截至2025年9月30日现金结余超10亿美元，仅花费约5亿美元，而OpenAI在大模型领域已投入约400亿至550亿美元，MiniMax成本约为其1% [6] 业务构成与投资背景 - **收入来源**：收入来源于全模态大模型矩阵（包括大语言、视频生成、语音生成模型）、AI原生产品（如MiniMax、海螺AI、Talkie/星野）以及面向企业和开发者的开放平台 [2] - **豪华投资方**：投资方包括阿里、腾讯、米哈游、高瓴、IDG、红杉中国、经纬等知名公司和机构 [2] 行业对比与市场观点 - **毛利率对比**：MiniMax的毛利率（2025年前三季度23.3%）显著低于同期智谱（2025年上半年50%），行业观点认为差异可能源于财务处理方式不同，而非业务效率的本质差别 [3] - **上市动机**：公司与智谱急于登陆港股，部分原因在于当前市场缺乏纯粹的AI大模型上市公司标的，率先上市可在AI概念受追捧的窗口期获得高估值溢价与融资优势，抢占品牌声量与资金储备先机 [7] - **长期挑战**：在巨头环伺、创新加速的行业背景下，公司长期前景面临严峻挑战，除非实现技术上的突破性创新，否则上市后二级市场表现可能呈现“先高后低”态势 [6][7]

科创人工智能ETF近期表现与资金动向 - 12月18日，科创人工智能ETF（589520）场内价格逆市上涨0.53% [1][9] - 该ETF此前连续3日获资金净流入，合计金额达1346万元 [1][9] - 其标的指数中，字节跳动产业链权重占比达33.66%，AI应用概念股权重占比达30.94% [3][12] 成分股市场表现 - 中科星图领涨，涨幅超过11% [1][9] - 星环科技上涨超过7% [1][9] - 思看科技、天准科技涨幅均超过5% [1][9] - 凌云光、奥比中光、优刻得、云天励飞等个股跟涨 [1][9] 行业催化事件与投资逻辑演变 - 字节火山引擎FORCE原动力大会于12月18-19日举行，预计发布豆包大模型新成员，实现性能提升与成本降低，并升级视频生成模型 [3][11] - 大会将重点关注Agent开发工具升级与生态扩容，推动AI在企业生产场景落地 [3][11] - AI投资逻辑正从硬件和基础设施转向实际应用和商业化，应用层被认为比算力层具有更大的想象空间和商业模式重塑潜力 [3][11] 行业发展的战略窗口期 - 政策驱动：新五年规划将“科技自立自强水平大幅提高”列为核心目标，为AI和国产替代提供长期支持 [5][14] - 业绩验证：2025年三季报显示，该ETF30只成分股中，20家实现盈利，22家归母净利润同比正增长 [5][14] - 外部压力：大国博弈背景下，科技安全主线明确，AI自主可控具有长期确定性 [6][14] - 补涨需求：中银证券指出，AI应用作为产业链下游涨幅有限，具备较高配置性价比，有望迎来补涨行情 [6][14] 产品定位与投资特点 - 科创人工智能ETF（589520）及其联接基金重点布局国产AI产业链，具备较强国产替代特点 [7][15] - 该产品前十大重仓股权重占比超过70%，第一大重仓行业半导体占比超过50%，集中度高，具备较强进攻性 [7][15]

核心观点 - 研究团队提出PhysicalAgent框架，旨在解决机器人操控领域的两大瓶颈：主流视觉-语言-动作模型依赖任务与平台特定微调导致跨平台鲁棒性差，以及基于世界模型的方法通用性受限 [2] - 该框架的核心思路是使用基础模型承担感知与推理的重任，仅保留轻量级机器人适配层负责执行，以实现跨形态、跨任务的通用操控，并通过迭代修正提升执行鲁棒性 [2] 架构设计：泛化性的核心逻辑 - 框架设计原则是感知与推理模块不绑定特定机器人形态，仅需为不同机器人训练轻量级骨骼检测模型，此设计计算开销小且数据需求低 [3] - 视频生成模型具有天然优势，因其预训练了海量多模态数据，隐含对物理过程的理解，且支持API调用无需本地训练即可快速集成 [5] - 视频生成模型能通过文本指令生成执行过程的视觉想象，与人类思考动作的方式一致，无需了解机器人内部结构 [5] - 同一感知-推理流程能为三种不同形态的机器人生成不同操控任务的视频，无需针对特定机器人重新训练，证明了架构的跨形态适配能力 [5] 视觉语言模型的作用 - 视觉语言模型作为框架的认知核心，通过多次调用实现指令-环境-执行的接地，而非单次规划 [6] - 其具体作用分为四步：接收指令与场景图像后分解高level任务为原子子任务；为每个子任务生成带约束的文本提示；每次执行后对比图像判断子任务完成情况并输出决策；框架不绑定特定视觉语言模型，具有模型无关性 [10] 扩散基世界模型：动作生成的新范式 - 核心创新是将动作生成为条件视频合成，而非直接学习控制策略 [6] - 使用现成的图像-视频基础模型，输入机器人当前相机帧与文本指令，生成物理合理的短动作视频 [10] - 对比现有方法，该框架直接使用通用图像-视频模型，无需为特定机器人-场景对训练模型，大幅降低泛化门槛 [10] - 具有三大优势：降低新机器人部署成本；可快速迭代替换更优模型；生成视频可被人类检查以提升安全性 [10] 机器人适配层：从视频到电机指令的落地 - 生成的动作视频需转化为机器人能执行的电机指令，此部分是框架中唯一需机器人特定适配的部分 [6] - 流程包括用微调后的模型从合成视频每帧中提取机器人关节关键点，形成40维特征向量/帧；再用多输出回归器将特征映射为低level电机指令 [11] - 每个新机器人仅需约1000个样本，30分钟即可收集完成训练数据 [11] 实验验证：效果与泛化性 - 实验分为两类，分别验证跨形态/感知模态的泛化性与迭代执行的鲁棒性 [8] - 在形态与感知模态研究中，框架的成功率显著优于基线，验证了扩散视频生成思路的有效性；平台对性能无显著影响，说明框架跨形态泛化能力稳定 [14] - 在物理机器人的迭代执行实验中，双臂UR3和Unitree G1人形机器人的最终成功率均达到80%，首次尝试成功率分别为30%和20%，成功所需平均迭代次数分别为2.25次和2.75次 [13][16] - 迭代修正能有效弥补首次执行的不足，前3次迭代后未完成任务比例骤降，是提升鲁棒性的核心 [16]