港股市场表现 - 10月24日港股市场表现活跃，科技龙头股领衔反弹，香港大盘30ETF（520560）场内价格现涨0.4%，盘中分时图再现宽幅溢价，实时溢价率达0.23% [1] - 香港大盘30ETF（520560）近十日获资金净流入近3000万元 [1] - 持仓成份股中，中芯国际强势领涨，涨幅超5%，联想集团、阿里巴巴-W、快手-W表现突出，均涨超1% [1] - 招商银行、建设银行、中国银行等红利股表现较弱，微幅飘绿 [1] 指数与ETF产品特征 - 香港大盘30ETF（520560）紧密跟踪恒生中国（香港上市）30指数，该指数持仓30只成份股，集中互联网、金融、电子、消费等行业龙头 [3] - 指数前十大重仓股合计权重超73%，集中度高，资金容纳能力较强，大额交易冲击成本较低 [3] - 指数成份股总市值达320,825亿元 [5] - 该产品被描述为龙头荟萃，可一键布局港股核心资产，并具备结构制胜（科技+红利哑铃策略）、估值低位、交易灵活（T+0机制）和长期价值等特点 [4] 行业与公司动态 - 阿里云自主研发的计算池化解决方案"Aegaeon"成功入选顶级学术会议SOSP 2025，该技术已落地阿里云百炼平台，旨在提升AI模型服务的资源利用率 [2] - 中美双方于10月18日举行视频通话，同意尽快启动新一轮经贸磋商，为科技领域的国际合作创造有利条件 [2] 机构观点与市场展望 - 申万宏源证券指出，科技成长产业趋势催化更值得期待，海外AI资本开支beta向上，国内AI产业进步，2025年是一二级市场联动拐点 [2] - 顺周期板块缺乏进攻逻辑，需求侧改善需等待2026年春季政策验证，短期港股调整充分，恒生科技反弹具高弹性 [2]

市场整体表现 - A股市场于10月21日迎来反弹，上证指数上涨1.36%至3916.33点，深证成指上涨2.06%至13077.32点，创业板指上涨3.02%至3083.72点 [1] - 全部A股成交额达1.89万亿元，较前一交易日增加1400多亿元，全市场超4600只个股上涨，近百只个股涨停 [1] AI算力板块表现 - AI算力板块强势拉升，Wind光模块指数全天上涨超过6%，光芯片指数上涨近5%，领涨概念板块 [1] - 光模块三巨头“易中天”股价大幅上涨，新易盛大涨10.99%，中际旭创上涨9.55%，天孚通信上涨5.56% [3] - 电路板、光通信等板块涨幅也接近4% [3] 行业板块分化 - 受隔夜美股苹果股价上涨影响，苹果产业链走强，闻泰科技、环旭电子涨停，工业富联上涨9.57% [1] - 煤炭开采和锂电电解液板块表现疲弱，Wind煤炭开采指数下跌1.30%，锂电电解液指数下跌1.59% [1] - 银行、白酒、中药等板块涨幅较小，均在0.20%左右 [2] AI行业驱动因素 - 全球科技巨头正以史无前例的力度加码AI投入，国内政策端持续释放红利，半导体设备国产化率突破45%，算力基建获专项债支持 [4] - 龙头公司如寒武纪、中际旭创业绩超预期，验证算力从概念到订单的兑现能力 [4] - 有机构预测AI推理需求占比将在2030年跃升至80%，智能体应用爆发推动算力需求从训练端向应用端深度渗透 [4] 市场风格与资金博弈 - 算力板块波动率显著放大，背后是资金博弈的激烈化，腾讯、阿里等头部企业资本开支环比波动引发市场对短期景气的担忧 [5] - 先进算力国产化率不足40%，国产方面仍有非常大的潜力可挖 [5] - 国庆中秋假期后，A股市场整体有所调整，成交额连续萎缩，银行、煤炭等前期弱势板块迎来上涨，资金高切低意愿增强 [5] 四季度市场风格展望 - 有机构观点认为不会产生明显的风格切换，市场风格更多或是再平衡，即科技和价值风格间歇性地轮动上涨，科技仍是中长期值得关注的主线 [6] - 另有观点认为四季度容易出现风格切换，三季度大盘成长股涨幅巨大，四季度有可能切向其他板块，可能成长内大盘切向小盘，或大盘内成长切向价值 [6][7] - 在全年赚钱效应已较充分兑现的背景下，四季度资金行为易趋于保守，市场风格往往阶段性转向盈利质量加估值安全的大盘蓝筹 [8] 机构配置策略 - 机构四季度的配置重点包括科技行业、红利、非银、医药、消费等方向 [9] - 中长期可关注AI、半导体、储能、可控核聚变等，但短期需要聚焦有业绩的品种 [9] - 价值方向上，券商、保险、金融IT等非银方向仍有望迎来估值和业绩的双重改善，消费板块的估值切换亦会产生一定机会 [9] - 市场正经历从流动性驱动向盈利驱动、从单一主线向多元轮动的深刻转型，建议投资者把握半导体国产化率提升、AI应用落地、消费升级三大核心机遇 [9]

南下资金流向 - 10月20日南下资金净卖出港股26.7亿港元 [1] - 净买入前三为南方恒生科技3.75亿港元、中国海洋石油1.62亿港元、中国人寿1.37亿港元 [1] - 净卖出前三为阿里巴巴-W 17.54亿港元、小米集团-W 3.4亿港元、中芯国际3.24亿港元 [1] - 南下资金已连续8日减持中芯国际，累计减持94.2615亿港元 [3] 沪股通与深股通交易 - 沪股通中阿里巴巴-W净卖出12.05亿港元且股价下跌4.9%，中芯国际净卖出5.14亿港元且股价下跌3.9% [3] - 深股通中阿里巴巴-W净卖出5.49亿港元，中芯国际则获净买入1.89亿港元 [3] - 南方恒生科技在深股通获净买入3.75亿港元，成交额11.78亿港元 [3] 阿里巴巴-W - 阿里云计算池化解决方案"Aegaeon"入选顶级学术会议SOSP2025，可提升GPU资源利用率并应用于阿里云百炼平台 [4] - 瑞银将中国科技股评级上调至最具吸引力，理由是对科技领军企业AI货币化能力信心增强 [4] 小米集团-W - 巴斯夫涂料与小米宣布未来三年将共同开发100种专属汽车涂料颜色，合作聚焦个性化汽车消费趋势 [4] 优必选 - 前长城汽车AILab负责人杨继峰加盟子公司UQI优奇，出任技术合伙人兼联席CEO，将主导工业人形机器人与L4级无人物流车研发及海外市场拓展 [4] 中国人寿 - 公司预计2025年前三季度归母净利润约1567.85亿元至1776.89亿元，同比增长50%到70% [5] - 扣非净利润预计约1570.11亿元至1779.46亿元，同比增加约523.37亿元至732.72亿元，增幅50%到70% [5]

文章核心观点 - 阿里云提出的计算池化解决方案"Aegaeon"成功入选顶级学术会议SOSP 2025，其技术通过GPU资源池化和Token级调度等创新，显著提升了GPU资源利用率，解决了AI模型服务中的资源浪费问题 [2] - 该方案在阿里云百炼平台的Beta测试中，将服务数十个720亿参数大模型所需的英伟达H20 GPU数量从1192个削减至213个，削减比例高达82%，大幅降低了硬件采购成本 [5] - 系统软件与AI大模型技术的融合成为行业新趋势，未来AI发展将更依赖于通过系统级软件创新来深度挖掘现有硬件的潜力，而非单纯依靠硬件算力增长 [4][9] Aegaeon系统技术原理与创新 - 系统通过GPU资源池化，打破了"一个模型绑定一个GPU"的低效模式，解决了因大量不常被调用的"长尾"模型独占GPU资源而导致的严重闲置问题，例如曾有17.7%的GPU算力仅用于处理1.35%的请求 [7][8] - Token级调度是核心创新，系统在每次生成下一个token后动态决定是否切换模型，实现精细化管理，并通过全栈技术将模型切换开销降低97%，支持亚秒级的模型切换响应 [8] - 系统支持单GPU同时服务多达7个不同模型，相比现有主流方案提升1.5-9倍的有效吞吐量，实现2-2.5倍的请求处理能力 [9] 行业影响与意义 - Aegaeon系统入选被誉为计算机操作系统界"奥斯卡"的SOSP顶级学术会议，其论文入选代表了操作系统和软件领域最具代表性的研究成果 [2][4] - GPU用量削减82%对于动辄使用成千上万张GPU的大型模型服务商至关重要，意味着公司硬件采购成本将显著降低 [5] - 如何从底层系统软件层面优化以支撑上层AI应用，已成为全球学术界和工业界关注的焦点，标志着行业发展趋势的转变 [9]

市场增长与规模 - 2025年上半年中国公有云大模型调用量达536.7万亿Tokens，较2024年全年114万亿Tokens的规模增长近400% [1] - 中国日均Token消耗量从2024年初的1000亿增长至2025年6月的30万亿，一年半时间增长300倍 [4][11] - 截至2025年9月底，豆包大模型日均Tokens调用量突破30万亿，较2025年5月底增长超80% [11] 市场竞争格局 - 火山引擎以49.2%的市场份额位居中国大模型公有云服务市场第一，阿里云百炼平台以27.0%位列第二，百度智能云千帆平台以17.0%位列第三 [2] - 在涵盖IaaS+PaaS+MaaS全链条收入的统计口径下，阿里云以35.8%份额居首，火山引擎以14.8%位列第二 [2] - 火山引擎的市场份额从2024年的46.4%提升至2025年上半年的49.2%，领先优势扩大 [1] 行业驱动因素与拐点 - 2024年7月行业增长率超过160%，主要驱动因素是豆包大模型技术降本，将主力模型定价降幅达99.3% [5][6] - 2025年2月行业增长幅度达60%，主要驱动因素是DeepSeek-R1推理模型爆红，标志着市场从预训练时代迈向推理时代 [6] - 市场需求已完成从模型训练向推理服务的迁移，企业关注重点扩展到资源效率、运营成本与可持续发展 [6] 公司战略与优势 - 火山引擎将MaaS置于战略高度，投入远超当前营收规模的资源，实现弯道超车 [7] - 豆包大模型家族覆盖文本、图像、音频、视频等多模态领域，其图像创作模型文生图能力位居全球第一 [8] - 火山方舟平台上的DeepSeek-R1模型每秒Token输出量是部分厂商的2.6倍，性能优势显著 [9] 行业应用与渗透 - AI云服务正从泛互联网行业向传统行业加速渗透，包括消费电子、汽车、金融等行业 [10] - 火山引擎已服务全球9家Top10手机厂商、八成主流汽车品牌、70%的系统重要性银行以及超五成985高校 [10] - 在汽车行业，大模型覆盖从智能座舱到智能营销再到自动驾驶标注的全流程场景 [10] 未来发展趋势 - 中国大模型公有云服务市场未来仍有数百倍增长空间，多模态大模型与Agent应用成为关键驱动力 [11] - 火山引擎推出智能模型路由服务，帮助企业平衡模型性能与成本，加速迈向Agentic AI时代 [11] - 市场统计维度从算力供给转向模型实际调用，Token消耗量成为衡量AI产业景气度的晴雨表 [3][4]

文章核心观点 - 阿里云提出的GPU池化服务多模型研究成果Aegaeon入选顶级学术会议SOSP 2025，该系统通过token级调度等全栈技术创新，显著提升了GPU资源利用率和推理服务效率 [1][2] - 该技术已应用于阿里云百炼平台，在实际业务中取得了GPU资源需求大幅降低和模型调用量快速增长的效果 [1][2] 行业趋势与背景 - 计算机系统领域顶级学术会议SOSP 2025显示，系统软件与AI大模型技术的融合研究成为新趋势 [1] - 全球模型数量持续增长，Hugging Face已托管超100万个模型，但真实服务场景中超过90%的模型调用频率较低，而当前为每个模型预留推理实例的标准方案造成了GPU资源的大量浪费 [1] 技术创新与性能提升 - 多模型混合服务系统Aegaeon创新性地实现了token级别调度，在每次生成完下一个token后均可规划模型切换，并满足延迟要求 [2] - 通过组件复用、显存精细化管理和KV缓存同步优化等全栈技术，系统将模型切换开销降低97%，支持亚秒级模型切换响应 [2] - 系统支持单GPU同时服务多达7个不同模型，相比现有主流方案提升1.5-9倍的有效吞吐量，实现2-2.5倍的请求处理能力 [2] 商业应用与成效 - Aegaeon核心技术已部署于阿里云百炼平台，服务数十个模型的推理，将所需GPU数量减少了82% [2] - 阿里云百炼平台已上线Qwen、Wan、DeepSeek等200多款业界领先模型，过去一年该平台的模型调用量增长了15倍 [2]

公司战略与投资规划 - 公司首次系统性提出通往超级人工智能的三步走路径：第一阶段智能涌现已完成，第二阶段AI将掌握工具使用以辅助人，第三阶段AI将实现自我迭代并超越人类[11][13][14] - 公司宣布未来3年将投入3800亿元用于建设云和AI基础设施，该金额超过过去十年投资总和[18] - 公司致力于成为AI时代的Android，坚定开源开放路线，其通义系列模型已实现300多个模型、超过6亿次下载、17万个衍生模型的开源成绩[15] 技术架构与产品创新 - 公司发布七款通义系列新模型，旗舰模型Qwen3-Max拥有超过万亿参数，预训练数据量达36T tokens，性能超越GPT-5和Claude Opus 4跻身全球前三[23] - 下一代Qwen3-Next架构采用高稀疏度MoE结构，800亿参数模型仅激活30亿参数即可媲美2350亿参数模型性能，训练成本降低超过90%，推理吞吐量提升10倍以上[23] - 全模态模型Qwen3-Omni首次实现音视文多模态混合训练，视觉模型Qwen3-VL具备操作手机和电脑的视觉编程能力[23][24] - 公司推出新一代磐久128超节点AI服务器，单机柜集成128颗AI芯片，推理性能提升50%，并具备Pb/s级通信带宽和百纳秒级延迟[29] 开发生态与应用落地 - 阿里云百炼平台推出Agent开发框架ModelStudio-ADK，使开发者仅需1小时即可开发出深度报告生成项目，低代码平台ModelStudio-ADP支持非技术人员通过拖拉拽构建Agent应用[27] - 平台已聚集超过20万开发者构建80万个Agent，在汽车行业支撑95%中国车企智能化升级，贡献60%智能驾驶算力[28] - 网商银行贷款审核Agent能识别400多种细粒度物体，准确率超95%，将3小时人工审核任务压缩至5分钟内完成[28] 行业趋势与竞争格局 - 云栖大会参展企业类型多元化，涵盖车企、医疗、金融、农业等领域，出现AI超级交易所平台，显示AI应用呈现井喷式发展[33] - 阿里云成为全球四朵超级AI云中唯一中国公司，过去一年AI算力增长超过5倍，AI存力增长4倍多[33][35] - 公司计划将AI基础设施扩张至巴西、法国、荷兰、墨西哥等全球市场，云计算竞争将演变为全链条生态战[35][36]

行业趋势与市场动态 - AI Agent成为企业提升效率的关键路径 普华永道调研显示79%的受访公司已在某些业务中应用AI Agent 其中66%实现生产力提升 57%实现成本下降 55%加快决策效率 54%提升客户体验 [1] - Agent平台成为互联网巨头竞争焦点 海外LangChain/LangGraph 微软AutoGen Google ADK升级 国内腾讯 华为 百炼在2025年9月集中推出和升级Agent平台 [1] - 低代码Agent平台存在局限性 依赖预定义编排逻辑 仅适合简单问答或流程自动化 难以处理跨系统调用 长链条任务和多轮反思决策 [2] 阿里云百炼平台战略定位 - 平台定位为企业提供AI Agent开发"土壤" 集成模型调用 框架搭建 资源调度 合规运维等全套能力 [4] - 基于完整技术栈构建产业链 顶层通义系列大模型 中间百炼企业级开发平台 底层云计算基础设施 [4] - 平台开发者生态规模显著 过去一年20多万开发者开发超80万个Agent [4] 平台技术架构与能力升级 - 推出ModelStudio-ADK高代码框架 突破预定义编排方式 支持自主决策 多轮反思和循环执行能力 [2][7] - 采用双轨并行开发模式 低代码ADP支持快速原型验证 高代码ADK支持复杂业务深度定制和大规模部署 [4][8] - 集成七大企业级能力矩阵 包括工具调用 记忆存取 动态推理调度 沙箱环境 全链路可观测性 支付通道 [2][5] 模型与组件能力建设 - 持续更新通义千问旗舰模型 Qwen3系列推理性能提升50% 决策成功率达90% [5] - 开放200多款业界模型调用接口 支持Qwen Wan DeepSeek等模型一键接入 [5][9] - 搭建Pay Server支付通道 成为业内首个面向企业级Agent的专业商业化支付解决方案 [5] 实际应用与性能表现 - 网商银行贷款审核应用处理26类凭证和400多种细粒度物体 识别准确率超95% 将3小时人工作业压缩至5分钟内 [12] - 平台模型月调用量过去一年增长15倍 承接千行百业AI应用开发需求 [5] - 开源DeepResearch Agentic-RAG Computer Use等示例项目 支持开发者直接体验和二次开发 [11] 技术演进与行业影响 - Agent技术从实验室试验向企业大规模生产演进 阿里云通过平台+框架+组件系统布局打通全链路 [12] - 高代码框架解决Agent规模化落地难题 保证复杂场景灵活性稳定性 补齐可控性 可观测性和商业化能力 [8][11] - OpenAI预测2025年AI代理将加入劳动力大军并改变公司产出 阿里云全栈AI能力正推动该趋势成为现实 [13]

文章核心观点 - AI应用市场面临的核心问题不是技术匮乏，而是技术与商业需求之间的连接不畅，存在巨大的“繁荣悖论”：技术侧繁荣但商业落地成功率低[4][8][9] - 模力工场通过构建“AI应用的大众点评”模式，旨在成为连接技术与商业化的关键桥梁，解决AI应用落地的三大障碍：需求不清晰、方案不可见、对接不顺畅[4][13][15][18] - 随着AI基础设施的成熟，当前正处在AI应用落地的黄金窗口期，模力工场的平台生态设计旨在构建开发者、体验官、推荐人等多方共赢的“飞轮效应”[10][11][59][60][61] AI行业现状与挑战 - 技术侧呈现繁荣态势：GitHub上AI相关项目数量从2020年的不足70万激增至2023年的181万，2023年AI项目星标数量达到1221万，是前一年的3倍[8] - 商业侧表现冷酷：仅25%的企业认为成功落地了AI项目，仅10%的公司正在大规模落地人工智能，仅15%的公司认为使用AI后企业收入真正增加[8] - 国内生成式AI采用率快速提升，从2024年的8%飙升至2025年的43%，显示底层技术基础设施已成熟[10] - 中国企业虽对AI态度积极（53.7%的企业已积极落地AI），但仍有46.3%的企业在观望，主要原因是找不到合适的解决方案[53] 模力工场平台解决方案 - 平台定位为“AI应用的大众点评”，专注于为千行百业找到好用的、合适的AI应用实践[4] - 在云栖大会承办“AI超级交易所”，其流程设计针对性地解决了AI应用落地的三大障碍[11][15][17][18] - 提供流量曝光、用户反馈、技术生态协同和商业化路径等一整套加速服务，帮助开发者跨越从技术到商业化的鸿沟[44][46][48][49][51][54] 展示的AI应用案例与行业痛点 - **云运维自动化**：针对全球工业AI市场规模436亿美元中运维自动化需求占比超30%的痛点，解决方案可将复杂的命令行操作简化为对话，帮助企业从“救火”转向“预防”[21][22][24] - **招投标效率**：针对中国年规模超20万亿元的招投标市场，解决方案可将标书编制时间从3-5天缩短至15分钟，并将废标风险降低80%以上[27][28] - **人力资源数字化**：针对中国人力资源服务市场规模2.5万亿元的痛点，解决方案可将招聘周期缩短60%，人才匹配精度提升至75%[31] - **内容创作**：针对中国新媒体市场规模1.2万亿元的痛点，解决方案可将图文创作时间从2-4小时缩短至30分钟内[34] - **自动化办公**：针对知识工作者60%时间花在重复性任务上的痛点，提供无需编程即可完成合同审核、报表生成等任务的自动化工具[37][38][40] 模力工场的生态构建与价值主张 - 通过“秋季赛”等活动，构建了开发者、体验官、推荐人三方共赢的生态循环，形成自增强的“飞轮效应”[55][59][60] - 为开发者提供与各大模型厂商的深度合作、技术栈整合和成本优化，并帮助进行需求匹配、商业模式指导和投资人对接[57][58] - 平台通过顶级大会展示、媒体矩阵推广和周榜排名系统，为优质应用提供持续曝光，突破“酒香也怕巷子深”的困境[45][48]

技术特点 - 新一代端到端语音识别大模型Fun-ASR具备更强的上下文感知和高精度转写能力 能听懂家装 畜牧等十大行业专业术语 并支持企业专属模型定制训练 [1] - 模型在转写时能结合前后文信息 避免多轮对话中出现语义漂移 例如在会议纪要场景中持续跟踪专有名词或特定语境 [6] - 在口音 噪声 跨领域专业词汇场景下提升鲁棒性 使系统在面对不确定性 干扰或异常情况时仍能保持稳定运行和可靠输出 [6] - 通过统一网络结构直接将语音映射为文本 降低系统复杂度 并为多轮语境理解奠定基础 [4] 应用场景 - 目前已进入会议字幕 同传 智能纪要 语音助手等场景 [8] - 在企业会议中转写不仅能记笔记 而是能形成结构化文档直接进入知识管理系统 在客服场景中识别结果可实时联动知识库帮助生成回答 [9] - 在教育和医疗领域 上下文理解力让转写结果更符合专业表达 减少误判 [9] - 语音识别正在向语音驱动的工作流过渡 成为数字生产力的一部分 而不仅是工具层的功能 [9] 战略定位 - 通过阿里云百炼平台服务B端客户 优先强化企业级生态 再逐步扩展到其他产品 [10][11] - 嵌入百炼平台意味着不仅是一个模型 更是平台化服务 定位为模型即基础设施 使语音识别成为企业云计算中的常备模块 [13] - 以云+企业服务为轴心 推动阿里云形成AI工具集 加速企业对阿里云平台的依赖 [14][15] - 在中文场景下的定制化与上下文感知可能成为其核心优势 与国际模型形成差异化竞争 [11] 行业趋势 - 语音AI交互方式正从听得懂迈向理解语境 反映语音AI整体格局的一个潜在转折点 [2] - 语音识别商业价值不再局限于单点应用 正逐步成为数字基础设施 类似OCR一旦准确率足够高就能无形融入各种系统 [12] - 未来语音AI可能与多模态模型融合 真正做到听 看 说 懂一体化 例如会议中同时识别语音与PPT内容生成更精准纪要 [13] - 语音识别逐渐成为人类不再意识到却无处不在的存在 未来AI交互很可能不是点击或输入而是自然对话 [20][21]