AI算力与Token成为新型薪酬与生产力核心要素 - 硅谷出现以Token作为吸引人才新筹码的趋势 英伟达CEO黄仁勋提出可为工程师配置相当于年薪一半价值的Token预算 以提升其10倍效率[2] - 社交媒体信息显示 阿里内部已开始向员工发放Token额度 允许免费使用悟空、Qoder等内部AI工具 并可报销外部AI开发工具费用[2] - Levelsfyi数据显示 “Copilot订阅”已被列入软件工程师薪酬申报的福利项 AI访问权限正成为继工资、奖金和期权后的第四项标准化福利[2] AI使用成本激增并影响企业人力成本结构 - Theory Ventures的Tomasz Tunguz个人AI推理成本年化已达10万美元 其使用量在六个月内从每月200美元攀升至每天92美元[5] - 通过迁移至开源模型并调优 Tunguz将成本降至原方案的12%[6] - Levelsfyi数据显示 收入前25%的软件工程师年薪约37.5万美元 叠加10万美元推理成本后 工程师完全成本升至47.5万美元 未来AI使用成本可能占工程师总成本20%以上[6] - AI开支正从“软件订阅费”转变为需单独追踪的新型人力成本 直接影响公司整体现金消耗[6] AI支出回报率与Token预算制度化趋势 - 衡量AI支出回报的核心指标是“每一美元推理成本换来的有效产出”[7] - Tunguz认为 年化1.2万美元的推理成本可换来每天完成31个任务的能力提升 若工程师年消耗10万美元算力 其生产力需提升8倍以上才合理[8] - 行业人士预测 到2026年 工程师薪酬谈判将包含Token预算 Token可能成为工资的一部分[8] - 模型评估公司Arena负责人提议 OpenAI和Anthropic应建立招聘网站 让岗位标注对应的Token预算[8] 算力资源稀缺性引发组织内部争夺与分配问题 - Token重要性提升背后是底层算力资源的争夺 模型运行成本已成为生产力分配问题[9] - 硅谷开发者认为 公司Token消耗量是关键指标 代表员工在积极尝试新AI工作流[9] - 为鼓励使用 领英每月提供2000美元AI补贴 昆仑万维每月提供100美元支持[10] - 面试中 求职者开始主动询问能获得的专属AI算力预算[10] - Meta、Google等公司内部曾因算力资源分配发生冲突 Google甚至设立专门委员会进行协调[10] - OpenAI总裁Greg Brockman指出 获得多少推理算力直接决定整体软件生产力[11] 算力资源分配不均可能导致新的职业不平等 - 工程师之间的差距正从经验、能力等 转向谁能获得更优的AI资源（如更高token上限、更低延迟、更少限制）[12] - “会不会用AI”转变为“有没有资格多用AI” 这成为组织资源配置问题 推理预算和模型访问权将体现员工或项目的核心程度[13] Token消耗激增推动模型服务商涨价 - OpenRouter平台数据显示 OpenClaw的token消耗量从2026年2月3日的806亿 在一个月内飙升至3月4日的3580亿 增长约4.4倍[14] - 截至3月2日当周 OpenRouter平台周度token调用量达14.8万亿 两个月内增长约160% OpenClaw贡献了绝大部分增量[14] - Anthropic数据显示 AI Agent的token消耗量最高可达普通聊天的15倍[14] - 腾讯云自2026年3月13日起调整部分模型计费 结束GLM5等模型的免费公测 Tencent HY2.0Instruct模型的输入、输出价格涨幅超过450%[15] - 智谱在两个月内两次提价 GLM-5模型平均涨价约50% GLM-5-Turbo在此基础上又提价20% 相对GLM-4.7的平均涨幅达83%[16] - 阿里云于3月18日宣布AI算力、存储等产品最高涨价34%[19] - 网友指出 token消耗量呈指数型放大 “睡后token”（持续自动消耗）是AI投资中重要且易被低估的变量[19] 行业巨头推动Token成为AI时代新价值单位 - 英伟达CEO黄仁勋的逻辑是：算力即营收 因为算力生成token token带来收入增长[22] - 算力被视作“印”token的机器 而token正被塑造成AI时代的货币[23] - OpenAI CEO Sam Altman提出设想：未来分配方式或是“全民基础算力” 每个人拥有GPT-7的算力份额 并可交易或捐赠[24] - Altman进一步描绘蓝图：将全球生成的天文数字级别token的一部分平均分给全球80亿人 使其成为“全球版全民基本财富”[24] - 有观点质疑 用AI token作为报酬是“company scrip”（公司代币）的数字化翻版 历史上曾被用作剥削工具并在美国被认定为违法[25] - 阿里已成立Alibaba Token Hub事业群 旨在建立以“创造、输送、应用Token”为核心的统一调度中心[25] - 摩根士丹利指出 ATH事业群的财务驱动逻辑与纯模型公司相似 未来可能成为阿里独立的估值组成部分[25] - 阿里认为 token是驱动数百亿AI Agent运转的基础燃料 也是人机交互的重要载体[26] - 国内外大厂正围绕token改写生产力关系并套上金融逻辑[26]

市场表现概览 - 上证指数收盘4123点，单日上涨0.65%，近一月微涨0.01% [1] - 深证综指收盘2730点，单日上涨1.84%，近一月上涨2.79% [1] - 近6个月，中盘指数表现最佳，上涨20.27%，小盘指数上涨16.77%，大盘指数上涨4.06% [1] - 单日涨幅居前的行业包括非金属材料（上涨6.83%）、元件Ⅱ（上涨5.66%）、通信设备（上涨5.14%） [1] - 近6个月涨幅居前的行业包括非金属材料（上涨42.59%）、电子化学品（上涨37.66%）、通信设备（上涨36.86%） [1] - 单日跌幅居前的行业包括油服工程（下跌7.12%）、炼化及贸易（下跌4.35%）、化学原料（下跌3.27%） [1] - 近6个月，油服工程行业涨幅仍高达51.73%，炼化及贸易上涨28.87%，化学原料上涨31.56% [1] 宏观经济与市场前瞻 - “春节错位”效应或推高2026年1-2月经济数据，同时压低3月经济数据 [2][9] - 春节对供给侧（如工业增加值）影响大于需求侧，影响周期长达1个月以上，对出口影响周期长达45天 [9] - 今年春节呈现“更早返乡”现象，测算或推高1-2月出口增速8.4个百分点，压低3月出口增速18.6个百分点，对工业增加值增速影响在0.7-0.8个百分点之间 [9] - 剔除春节影响后，实际生产与出口出现改善，1-2月监测港口完成货物吞吐量同比上行7.4个百分点至9.3% [9] - 内需表现分化，消费高频数据积极修复，但投资高频指标如水泥出货率、玻璃消费同比出现不同程度下行 [9] - 综合判断，预计1-2月工业增加值同比为6%，出口同比上升至21.9%，社会消费品零售总额同比回升至3%左右 [9] - 投资方面，化债“挤出效应”缓和或推动固定投资增速好于2025年12月，但反弹幅度或相对有限 [9][11] 外贸数据深度解读 - 2026年1-2月出口（美元计价）同比21.8%，远超市场预期的7.3% [22] - 出口高增长主因是“春节错位”推升增速8.4个百分点，次因是外需改善推升增速6.8个百分点 [22] - 从商品结构看，纺织服装、塑料家具等劳动密集型行业出口反弹幅度更大，部分受益于“春节错位” [22] - 集成电路、自动数据处理设备及零部件、汽车零部件等资本品出口也明显反弹，或反映新兴经济体工业化提速 [22] - 从国别结构看，对美国出口（春节调整后）回升13.4个百分点至-16.7%，对非洲出口回升18.3个百分点至40.1%，对东盟出口回升9.2个百分点至20.3% [22] - 1-2月进口（美元计价）同比19.8%，其中加工贸易进口同比上行19.1个百分点至37.9%，机电产品进口同比上行14.9个百分点至23.7% [22] - 展望后续，“春节错位”或令3月出口读数下降，但全年出口仍有望保持较高增长 [22] 未来产业估值体系 - 针对未盈利、不确定性高、处于发展早期的未来产业公司，传统DCF估值模型失效 [11] - 报告构建了“未来产业定价体系”，包含七个估值子模型：实物期权法、风险调整净现值法（rNPV）、里程碑法、用户价值法、生态位估值法、要素成本法及相对估值法（如P/S） [11] - 该体系的应用分为三步：第一步为拟估值公司选定保守、中性、乐观情景下的估值子模型；第二步设定各子模型的定价权重；第三步加权计算最终估值并动态调整 [3][11] - 以SpaceX为例，其估值需分层进行：具备高额经常性收入的Starlink业务采用可比估值法，估值4291亿美元；太空算力业务通过实物期权法量化期权价值，约3121亿美元；火星愿景以要素成本法划定底线 [15] - 以OpenAI为例，采用保守（可比估值法，4000亿美元）、中性（用户价值法，5015亿美元）、乐观（生态位估值法，1-1.28万亿美元）三档模型估值，结合市场情绪权重（0%，50%，50%）计算，最终估值达7808亿美元，与一级市场估值（约7500亿美元）接近 [15] - 股价波动反映了不同风险偏好投资者（如产业资本、机构投资者、愿景型资本）采用不同估值模型并相继掌握定价权的结果 [11] 交通运输与油运行业 - 中东局势导致霍尔木兹海峡原油通行受阻，3月2-6日通行量均为0，推高风险溢价 [16] - 本周VLCC加权平均运价环比大幅上涨89%至390,970美元/天，其中中东湾-中国航线运价跳涨108%至480,557美元/天 [16] - 成品油运输同样受益，LR2（TC1航线）运价环比上涨205%至154,669美元/天，MR平均运价环比上涨95%至61,568美元/天 [16][17] - 报告测算，货主可接受的油轮运费理论上限约为93美元/桶（对应TCE约366万美元/天），而无保险时船东理论可承受下限约为40-87.5美元/桶（对应TCE 155万-343万美元/天） [16] - 油运高景气度正加速向造船业传导，油轮已连续2个月成为新签订单主力 [19] - ST松发2025年营业收入216.4亿元，同比增长275%，归母净利润26.5亿元，同比增长1083% [19] - 恒力重工成为油轮订单爆发最直接受益者，2026年以来已新签超40艘VLCC，手持订单金额自年初195亿美元快速增至260亿美元 [19] - 二手船价已连续13个月上行，部分船型二手船价超越新造船价，油轮新造船价率先进入回升趋势 [19] 人工智能与科技行业 - 国产大模型在推理、编程、多模态等领域迭代迅速，性能接近海外顶尖水平，在Arena Code排行榜逼近海外顶尖 [22] - 大模型技术范式高度收敛至Decoder-Only+MoE架构，竞争从“找路径”转向“卷效率” [22] - 以智谱为例，其最新发布的GLM5在代码和Agent能力上出圈，位列Arena Code排行榜国内第一，尽管GLM5涨价，但调用量大幅提升 [23] - 智谱以ToB场景为主，构建了全场景覆盖的国产模型矩阵，MaaS平台赋能金融、公共服务等领域 [23] - 投资机遇关注：1）原生大模型公司，如智谱、Minimax；2）AI编程，如卓易信息；3）Agent应用，如税友股份、鼎捷数智等；4）多模态应用，如虹软科技、万兴科技等 [25] 互联网与消费行业 - 京东2025年第四季度营收3523亿元，同比增长1.5%，其中服务收入793亿元，同比增长20.1% [25] - 季度内，带电品类收入受高基数影响同比下滑12.0%至1533亿元，但日百品类收入同比增长12.1%至1197亿元，连续5个季度双位数增长 [25] - 京东外卖业务亏损环比收窄，订单量保持稳定，市场份额超15%，公司目标2026年市场份额达30% [25] - 京东年度活跃用户数超7亿，季度活跃用户数与购物频次同比增长超30% [25] - 公司宣布2025年年度股利为每股普通股0.5美元，总额约14亿美元，并于2025年回购约30亿美元股票 [25]

报告行业投资评级 - 增持（维持）[5] 报告的核心观点 - AI Agent（特别是OpenClaw）正从试点进入规模化落地阶段，其渗透率和任务复杂度的提升正驱动Token消耗量迎来指数级增长，并催生刚性算力需求[1][2][4] - Token消耗激增导致主流模型厂商出现算力缺口，算力供需错配加剧，正从技术和经济层面驱动算力产业链（芯片、架构、系统）的全面升级[3][4] - 随着国内市场Token消耗量爆发，国产算力有望凭借成本优势及生态完善，在基础设施层逐步占据主导地位[4] 根据相关目录分别进行总结 1. Agent泛化：Agent进入实际落地阶段，OpenClaw引领渗透加速 - **OpenClaw成为重要催化剂**：2026年初推出的OpenClaw是一款可在用户自有设备上运行的个人AI助手，一经推出便全球爆火，成为AI Agent普及化加速的重要催化[1][11] - **用户数据验证火爆程度**：在OpenRouter平台上，OpenClaw是2026年2月5日至3月5日期间Token消耗量最多的应用，高达7.63T tokens，远超第二名[13][15] - **Token消耗量飙升**：以OpenRouter平台数据为例，OpenClaw的Token消耗量从2026年2月3日的80.6B飙升至3月4日的358B，一个月间翻了约4.4倍[1][15] - **厂商积极布局**：各大模型厂商纷纷加大Agent布局，例如Minimax Agent已能处理复杂任务，如为HR自动整合20所名校的校招信息，或自动分类整理500张电商图片，AI Agent已进入实际落地阶段[19][20][23] 2. 需求爆发：任务密度与复杂度提升，Token消耗迎来指数级跃升 - **Agent特性导致高消耗**：由于AI Agent天然具备多工具调用、长上下文、多流程工作特性，其Token消耗量增长速度极快[2][24] - **算力需求呈指数增长**：以单次对话机器人为基准，图像生成、推理、视频生成、深度研究的算力需求分别为10倍、100倍、3000倍、1000000倍[24][26] - **中国市场消耗量激增**：中国整体日均Token消耗从2024年初的1000亿，增长至2025年中的30万亿，再到2026年2月主流大模型合计日均Token消耗已达180万亿级别[2][30] - **市场规模与渗透率预测**：预计中国AI Agent市场规模将从2023年的574亿元飙升至2028年的33009亿元，年复合增长率达125%[30][34]。KA（大客户）及SMB（中小企业）企业Agent渗透率预计从2023年的3%/0.5%提升至2028年的25%/10%[30][34] - **长期增长动力强劲**：根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，年复合增长率超135%，伴随任务复杂度提升，智能体Token消耗将迎来年均超30倍的指数级跃升[2][32] 3. 供给缺口：推理算力缺口显现，成本体验权衡驱动产业升级 - **算力需求转向推理**：智能体核心开销集中在推理阶段，推理负载占比预计从2024年的65%提升至2028年的73%[3][36][40] - **推理市场规模扩大**：中国推理算力市场规模预计从2024年的175.2亿元增长至2028年的2931.2亿元，2024-2028年复合增长率约102%[37][39] - **厂商出现算力缺口**：Token消耗骤增导致主流模型厂商算力缺口显现，例如月之暗面公开表示缺卡并寻求算力支持，智谱因GLM5过于火爆对coding plan采取每日限售措施[3][42][44] - **需平衡延迟、吞吐与成本**：Token消耗和算力需求非简单线性关系，需权衡延迟和吞吐以平衡经济性和用户体验[3][43] - **产业化三要素**：AI Agent产业化的核心要素是模型能力、交互速度和Token成本，三者共同决定了应用的经济性与广泛性[47][48] - **产业链升级路径**：为达成三元平衡，需从三方面协同发力： - **算力芯片端**：提升性能与能效比，例如英伟达新架构实现推理吞吐量提升约10倍，成本降低10倍；亚马逊Trainium芯片在推理任务中比英伟达H100 GPU便宜约30%至40%[50][52] - **架构设计端**：通过注意力机制革新（如PagedAttention、RadixAttention）、动态批处理演进、内存调度优化等技术降低单Token算力消耗[54] - **系统协同端**：依托超节点协同技术优化资源利用率与整体能效，实现规模化部署下的综合成本下降[54] 4. 投资建议 - **关注国产算力**：建议关注海光信息、寒武纪、摩尔线程、沐曦股份等国产算力公司[4][55] - **关注超节点**：建议关注中科曙光、浪潮信息等超节点公司[4][55]

文章核心观点 - AI智能体（以OpenClaw为代表）正经历快速发展阶段，其核心演变逻辑是越来越像人，能够操作本地文件和环境，成为能处理实际任务的“私人助理”，这标志着AI应用可能已进入一个新的“杀手级应用”阶段 [6][7][17] - OpenClaw的爆火（如GitHub星数超25万，成为软件类第一）及其催生的庞大生态（如ClawHub技能社区），吸引了主流云厂商和大模型公司全面入局，预示着其可能成为AI时代的基础设施 [8][10][47][48] - 尽管潜力巨大，但当前阶段的OpenClaw面临严峻的安全、隐私和成本挑战，包括操作风险、权责不对等、网络安全漏洞和高昂的token消耗，这些问题制约了其当前的实用价值 [49][54][57][58] AI智能体的演进阶段与OpenClaw的定位 - **第一阶段（2023年）**：以早期ChatGPT为代表，AI实现了听懂和说人话，开始“像人” [18] - **第二阶段（截至2025年初）**：模型发展出多模态能力（看图、视频、听语音）和合理的推理能力，进一步“像人” [18] - **第三阶段（2025年）**：以Manus为代表的智能体，被配置了云空间、虚拟电脑等工具和环境，使其“像人”一样拥有工位，能处理更多事务 [18] - **第四阶段（当前）**：以OpenClaw为代表，智能体不仅能操作云端工具，还能直接处理使用者本地终端文件，环境与人对齐，理论上能完成人在电脑上的所有操作 [18][19] OpenClaw的功能、部署与生态 - **核心功能**：被定义为“真正能做事的AI”，可作为私人助理在聊天应用中完成清理邮件、管理日历、办理航班手续等任务 [15] - **部署方式**：主要有两种，一是部署在云端虚拟服务器（VPS），二是部署在本地终端（如个人电脑）。本地部署被视为“完全体”，能实现与本地文件和应用的深度交互，而云端部署体验更接近前代智能体Manus [21][22][23] - **技能社区（ClawHub）**：一个集中提供“技能包”（skills）的社区，用户可为OpenClaw加载特定技能以扩展其能力。该社区已有接近2000个skills，覆盖从特定领域知识到可重复工作流的各种功能，降低了使用门槛并形成了生态正向循环 [31][32][38][40][43][44] 市场反响与行业参与 - **市场热度**：OpenClaw在代码托管平台GitHub上热度呈指数上升，曾单日狂刷2万星，截至3月3日星数超过25万，成为GitHub上星数第一的软件项目 [8] - **行业入局**：阿里云、腾讯云、字节的火山引擎、智谱、Minimax等主流云厂商和大模型公司均已入局，从提供云服务器、轻量化部署方案到推出自家“claw”应用，全方位争夺市场 [10] - **历史意义**：其取代Linux和React成为GitHub软件类“榜一”，被外界期待成为AI时代的“基础设施”及象征 [47][48] 现存挑战与风险 - **安全问题突出**：OpenClaw因权限过高导致多起操作事故，例如未经确认删除用户邮件、胡乱删除本地文件、搞坏代码项目等。一项安全审计显示，在34个标准案例中，整体安全通过率仅为58.9%，尤其在意图误解与不安全假设维度表现最差 [51][52][53][54] - **权责不对等**：AI助手拥有高权限却无需承担责任，与用户期望的“能力越大，责任越大”形成悖论 [57] - **网络安全与成本**：存在端口暴露、权限密钥泄露等网络安全风险。同时，token消耗巨大导致使用成本高昂 [57][58]

国产大模型及Agent动态更新20260304 - 关键要点总结 一、 行业与公司 * 涉及行业为人工智能大模型与AI Agent行业，具体包括国产大模型厂商、海外模型厂商及算力产业链[1] * 涉及的公司包括国产模型厂商Kimi、Minimax、深度求索(Deepseek)、智谱AI(GLM)，以及海外模型厂商Anthropic、OpenAI[2][3][4][5] * 产业链关注点包括算力租赁、小云厂、IDC等A股相关公司[14] 二、 市场表现与增长信号 * 2026年初，国内外模型年度经常性收入(AR)与Token消耗进入爆发期[1][2] * **海外侧**：Anthropic的AR从2025年12月的约90亿美元，跃升至2026年1月的约140亿美元，并在2026年2月进一步提升至约200亿美元，核心驱动来自Claude Code等产品[2] * **国内侧**：Kimi在2026年1月前20天的营收已超过其2025年全年总和[1][2]；Minimax披露其2026年2月AR超过1.5亿美元[1][2] 三、 国产模型竞争力与市场份额跃迁 * 国产模型在OpenRouter平台的流量占比出现两次关键跃迁[3] * 第一次在2025年12月，伴随Deepseek V3.2发布，其DSA架构使长文本输出的token价格降至原来的1/7，国产模型占比提升至约10%-20%[3] * 第二次在2026年1月，伴随GLM 5发布，国产模型token消耗占比从约15%-20%提升至约25%[3] * 市场预期Deepseek V4的发布有望将国产模型在相关平台的占比从约25%推升至30%甚至40%以上[4] 四、 模型技术架构与“价格最优解”趋势 * 在有限算力供给约束下，国内模型架构呈现向“价格最优解”收敛的趋势，市场逐步找到1万亿参数规模以下的最优组合[4] * 模型能力提升节奏：未来两个月，1万亿参数规模以下的国内模型能力预计进入密集提升周期，尤其在coding领域正逐步逼近最优性价比组合[4] 五、 国产Coding模型能力评估与演进路径 * **全球相对位置**：从2026年1月的SWE Revenge测试集观察，国产模型大多得分在40分以上，海外领先模型如Claude 4.6、GPT 5.3在50分以上，国产模型整体大致相当于海外2025年10月左右的水平[5] * **差距来源**：主要来自两到三倍的参数规模差异以及数据质量差异[6] * **当前分工**：现实工作流中，常使用海外模型完成较大的代码框架编写，再由国产模型完成具体模块的编译，以获得更高性价比[6] * **演进路径**：随着国产模型参数规模从1万亿向1.4-1.5万亿、再向2万亿演进，其抽象构思能力增强，有望逐步参与到更高价值量的“大框架编写”环节[6] * **市场空间**：海外Coding模型（如Anthropic）到2022年年底可能达到约500亿美元AR的层级，这被视为国产模型市场空间的上限参考[7] 六、 AI Agent体验跃升的核心驱动 * **训练数据结构变化**：2025年开始，训练数据中混入更多“符合人类偏好”的数据（如报告结构、PPT审美数据），使模型输出更拟人化，目标可达人类输出的80%甚至90%[8][9] * **工具调用工程化跃迁**：这是2025年至2026年Agent体验发生“翻天覆地”变化的核心驱动[8] * **2025年痛点**：工具定义与说明挤占大量上下文。以128K上下文为例，工具调用可能占用60-80K，仅剩30-40K用于文本输出，导致Agent通常只能执行3-5个任务，且调用失败率高[10] * **工程化改进**：2025年11月，Anthropic推出scale机制，将工具库内容迁移到本地文件，仅向模型保留简洁描述。这使有效上下文从约30-40K提升到100K以上，调用成功率显著提升[11] * **能力量化变化**：Agent从过去跑3-5步就失败，提升到可运行10步以上，甚至支持执行持续约20分钟的任务[11] 七、 Agent技术发展方向 * **记忆系统**：OmniCloth采用本地两层记忆系统实现“千人千面”，第一层记录每日对话记忆，第二层对历史记录进行统一摘要，用较简单的机制实现个性化效果[12] * **Multi-Agent/Agent集群**：2026年的核心价值是通过对不同Agent分工，确保每个Agent上下文足够纯净，避免多任务导致的上下文污染，让每个子系统更稳定地发挥接近人类80%-90%的输出质量[13] 八、 2026年产业趋势总判断与投资关注点 * **总判断**：2026年被定义为算力投入与模型收入产出循环“第一次真正转起来”的一年，国内外模型厂收入有望继续极高速增长，且增速可能显著超出市场预期[14] * **A股关注点**：主要集中在国产算力链条，包括算力租赁、具备H100/H20等服务器现货的小云厂、以及服务器上线后存在大量放置需求的IDC等环节[14] * **海外循环与出海机会**：海外侧的“算力投入-产出”循环可能比国内更明显、兑现更早。2026年存在一些从0到1的出海方向，整体判断偏积极[15] * **ROI担忧缓解**：资本市场此前对投资回报率(ROI)的担忧，预计在2026年得到较好解决，2026年上半年将看到AI Agent与模型性能提升及变现落地的进一步发展[15]

电话会议纪要关键要点 一、 涉及的行业与公司 * 行业：**通用人工智能 (AGI) / 大模型** 行业，具体涉及**模型能力、AI Agent、AI Coding、多模态生成**等细分领域 [2][16][29][34] * 公司：**智普 (Zhipu)** 和 **MiniMax**，被描述为全球前两家也是仅有的两家上市大模型公司 [2] 二、 关于智普 (Zhipu) 的核心观点与论据 1. 公司定位与核心价值 * 公司是**非常纯粹的基模公司**，其核心价值与后盾是**研发能力** [3][4] * 公司背景为**清华系、国家队**，拥有豪华且稳定的股东结构，包括创始人、互联网巨头（美团、蚂蚁、阿里）及中央/地方国资 [3][8][9] 2. 模型能力与战略路线 * 公司确立了以 **“中国最领先的coding模型”和“coding-agentic-tree”** 为主要方向的战略路线 [4] * 模型能力处于**国内领先、全球前列**：GLM5在综合跑分（Artificial Analysis Index）中位列**全球第四、国内第一**，在单体表现上可对标Anthropic Claude 4.5 [11][22] * GLM5实现了参数规模的大幅提升，从GLM4.7的**3500多亿**参数量提升至**7400多亿**，接近翻倍 [25] * 公司持续在模型架构、强化学习框架（STEM）、注意力机制优化（降低计算复杂度）等方面进行打磨，以提升效率和降低成本 [25][26] * 公司创始人看好并致力于在**知识学习、自主学习**方向取得突破，以解决更复杂的现实问题 [12] 3. 商业化路径与增长驱动 * **商业化处于早期阶段**，收入高速增长（三倍增长）但亏损持续，因需持续投入算力与研发以保持领先地位 [10] * **增长引擎正从本地化部署转向云端和API**：2024年本地化部署收入占比**80%以上**，预计到2026年云端部署将占**50%以上**，长期看API有望占比**50%以上**，成为最核心收入来源 [14] * **Token消耗量高速增长**是API收入的先行指标：2024年Token消耗量约**0.2T**，2025年上半年达**4.6T**，预计2025年底在**6T以上** [15] * **目标市场**：本地企业客户是基本盘，**全球开发者及科技企业**是增量核心市场 [13] * **对标Anthropic**，认为其以Coding为抓手的商业化路径（收入从十几亿翻至四十五亿，再预期翻至一百八十亿）具有参考意义，智普的收入结构更接近Anthropic [5][18] 4. 竞争策略与市场机遇 * 凭借**领先的模型能力结合高性价比**（GLM5 Coding Plan价格不到Anthropic的50%）来抓住海内外中长尾市场需求 [23] * 模型能力提升后敢于**提价**，GLM5发布后平均涨价幅度在**30%以上** [23] * 专注于Coding领域，并以此为抓手向**企业级市场渗透**，与国产芯片（摩尔线程、含光等）深度适配，实现“国产芯+国产模型”双向赋能 [4][24][26] * **AI Coding是核心市场机遇**：2025年AI生成代码已占全球代码产量的**40%**，中美AI Coding市场测算规模在**2000多亿美金（万亿人民币）** [19][20] * 在竞争格局中，**独立模型厂商凭借技术趋势仍有立身之地**，行业已收敛至少数头部厂商 [17][19] 5. 产品与生态布局 * 发布**GLM Office**能力，对标Claude Desktop，渗透办公场景，实现表格自动化等操作 [26] * 在AI应用层面有**AutoGLM**（AI Agent产品）等作为商业储备，但尚处商业化早期 [27] * 公司**70%多**的员工为研发人员，构筑了人才与研发壁垒 [28] 三、 关于MiniMax的核心观点与论据 1. 公司定位与核心优势 * 公司是**AI native（人工智能原生）** 公司，组织、流程、产品均围绕大模型设计，旨在实现**AGI**愿景 [29][32] * 核心竞争力概括为四点： 1. **早期押注全模态融合**，在文本、语音、视频、音乐等多模态同步研发，积累先发经验 [31] 2. **全球化与可规模化**的市场策略 [29] 3. **“前店后厂”技术即产品路线**，研发与产品高度协同，加速迭代并降低技术转化摩擦 [32] 4. **高效扁平化的AI原生组织**，据称效率可能比90% AI赋能组织高十倍，实现高人效 [32][36] 2. 模型能力与多模态布局 * 模型能力处于**全球前列**，在文本、视频、语音等多个模态均达到世界领先水平 [30][34] * **文本模型（M系列）**：支持极长上下文（100万tokens），通过“交错思维链”等方式提升Agent任务处理与泛化能力，M2曾登顶全球榜单前五，M2.5在编程、工具调用等场景迅速达到使用量第一 [39][40][41] * **视频模型（海螺系列）**：通过自研NCR架构，确立全球视频生成第一梯队地位，注重复杂指令遵循与物理表现 [30][44] * **音频/语音模型**：凭借拟人化情感表达和多语言支持建立竞争壁垒，处于全球领先位置 [30][45] * **音乐与图片模型**：支撑音频生态与AI原生创意设计场景 [30] 3. 商业化与产品矩阵 * 商业化通过**开放平台（Open Platform）** 提供多模态API服务，以及直接面向用户的**产品矩阵**进行 [56] * **产品矩阵主要包括三大类**： 1. **生产力工具（AI Agent）**：桌面端形态，锚定高效生产场景，在长文本理解、复杂指令遵循等方面表现亮眼，处于全球第一梯队 [46][47] 2. **音视频生成产品**：包括“海螺”（视频）和“再次”（音频），用于降低创作门槛和赋能多模态内容消费 [50] 3. **情感陪伴产品**：包括面向海外的“Talking”和国内的“心忆”，以拟人化对话和沉浸式体验获得高用户黏性 [30][54] * **开放平台增长亮眼**，高毛利水平得益于：技术能力带来的训练推理效率、AI用法建设、以及**视频和音频API结构性拉升毛利**（文本API市场竞争更激烈） [56][57] 4. 行业趋势与竞争策略 * 行业处于**模型能力非线性跃升、市场规模快速增长**的阶段：全球生成式AI收入规模预计从2023年**929亿美元**增至2030年**16000亿美元**，CAGR达**37%** [34] * 竞争已收敛至**头部厂商轮番领跑**的状态 [34] * MiniMax的取胜关键在于：**保持模型智能水平的全球领先** 和 **维持先发优势** [35] * 维持先发优势依赖于 **“workload-model fit”（工作负载与模型匹配）**，即领先模型能更好地嵌入用户工作流，形成迁移成本与习惯粘性 [37][38] * 未来模型发展方向：**统一多模态、Agentic（智能体化）、持续学习** [42] 5. 市场空间与估值 * **AI Agent** 有达到**十万亿美元**市场空间的想象空间 [49] * 音视频产品市场：专业创作（B端）中性假设约**30亿美元**，企业级内容生成（B端）中性假设约**94亿美元**，社交与消费级（C端）想象空间最大，中性假设约**917亿美元** [53] * 公司估值参考OpenAI和Anthropic，给予**2026年75倍PS估值** [59] 四、 其他重要内容 1. 共同面临的行业背景与风险 * **Agent AI需求涌现**，带动API调用量和Token消耗量大幅增长，是当前推动模型公司预期攀升的核心因素 [2][6] * 市场普遍认为大模型趋势可能侵蚀传统SaaS、应用及互联网业务 [2] * 投资大模型公司本质是购买一张 **“通往未来的门票”**（AGI或有利生态位），因此估值需考虑其早期阶段和未来潜力，而非静态对比 [7] * 提及的风险包括：**研发、商业化、知识产权**相关风险 [28] 2. 中国市场的特点 * 中国AI产业在大模型拉动下增速非常快 [16] * 在中国，**B端（企业端）商业化变现能力目前优于C端**，因为企业付费意愿更强，这契合了智普等公司以B端为主的商业模式 [17] * 中国竞争格局与海外类似，能留在牌桌上的模型厂商越来越少 [17]

纪要涉及的行业或公司 * **行业**：人工智能（AI）行业，特别是大模型领域 [1][2][3] * **公司**： * **OpenAI** [1] * **Anthropic** [2] * **谷歌** [2] * **MiniMax** [3] * **智谱** [3] * **快手万擎、中科曙光** [3] 核心观点和论据 * **OpenAI战略聚焦与融资进展**：公司正将多智能体系统定位为下一个产品阶段的核心，并聘请了相关领域专家领导个人AI代理业务 [1] 公司即将完成超1000亿美元融资，投后估值或将达8500亿美元 [1] 公司大幅上调未来五年营收预期，较之前内部预测高出约27% [1] * **OpenAI成本控制与规划调整**：公司将2030年算力支出目标从约1.4万亿美元大幅下调至约6000亿美元 [1] * **Anthropic推出新安全功能**：公司为Claude AI模型推出可扫描代码库漏洞、建议软件补丁的新安全功能，目前处于有限研究预览阶段 [2] * **谷歌模型性能与成本优势**：谷歌推出Gemini 3.1 Pro，其核心性能指标较前代版本实现翻倍增长 [2] 在ARC-AGI-2评估中，Gemini 3.1 Pro取得77.1%的成绩，超越了GPT-5.2与Claude Opus 4.6 [2] 根据Artificial Analysis评估，Gemini 3.1 Pro已跃居榜首，领先Claude Opus 4.6达4分，且运行成本不到后者的一半 [2] * **中国AI模型表现突出**：在截至2月21日的LLM排行榜中，MiniMax M2.5排名全球第一，Token处理量达3.07万亿 [3] 同期，智谱GLM5排名全球第三，Token处理量达1.03万亿 [3] 其他重要内容 * **开源项目动态**：OpenClaw成为由OpenAI支持的基金会运营的开源项目 [1] * **市场影响**：Anthropic推出AI安全功能引发美股网络安全股集体大跌 [2] * **商业合作**：快手万擎、中科曙光等公司已接入相关AI商业模式，实现跨越式进阶 [3]

纪要涉及的行业或公司 * **行业**：人工智能（AI）行业，特别是大模型、多模态AI应用、AI算力领域 [1][2][3][4] * **公司**： * **AI应用/模型公司**：字节跳动（Seedance2.0）、智谱AI（GLM5）[2][3] * **合作/产业链公司**：兆驰股份、风行（兆驰旗下）、深信服、昆仑万维、阜博集团、卓易信息 [3] * **算力产业链公司**：“双王”（未具体指明）、HW链（华为链）、东阳光、润泽科技、东方国信等 [4] 核心观点和论据 * **核心观点一：国产大模型技术快速进步，与国外差距持续缩小** [2][3] * **论据**：春节期间，字节跳动的多模态模型Seedance2.0和智谱AI的生产力模型GLM5相继发布，展现了国产模型的强劲实力 [2][3] * **论据**：Seedance2.0已达到全球SOTA（State-Of-The-Art）级别 [2][3] * **论据**：技术进步得益于2025年下半年在强化学习（投入从0提升至30%）和高质量数据方面的投入 [2][3] * **核心观点二：国产AI应用，特别是多模态视频生成，市场潜力巨大** [3] * **论据**：Seedance2.0和GLM5已在各自应用场景验证了数倍的效率提升，影响力超过去年的DeepSeek，且能执行长程Agent任务 [3] * **论据**：多模态视频生成被视为中国特色的AI应用，有望驱动千亿级别市场的内容供给持续爆发 [3] * **论据**：工具和分发层是B端入口，得创作者得天下（预计市场格局三七开） [3] * **核心观点三：国产算力需求有望进一步加速** [4] * **论据**：基于“安迪比尔定律”（硬件性能提升被软件需求迅速吞噬），AI应用的爆发将驱动底层算力需求增长 [4] * **论据**：重申看好国产算力链，其长期安全边际已夯实 [4] 其他重要内容 * **投资建议与布局方向**： * **整体策略**：全面布局AI产业链，从应用到算力 [1][2][4] * **应用层**： * 字节链（Seedance2.0）重点关注兆驰股份（旗下风行已官宣合作） [3] * 智谱链（GLM5）重点关注深信服（其Coding产品首批接入） [3] * 多模态应用重点关注兆驰股份、昆仑万维、阜博集团 [3] * AI编程（Coding）重点关注卓易信息和深信服 [3] * **算力层**：重申关注“双王”、HW链（华为链）以及IDC核心龙头如东阳光、润泽科技、东方国信等 [4]

**涉及的行业与公司** * **行业**：半导体设备、光伏设备、核聚变/裂变（新能源） * **提及公司**： * **半导体设备**：华峰测控、强一股份、长川科技、精智达、金海通、矽电股份、精测电子、微导纳米、迈为股份、帝尔激光[2] * **光伏设备**：迈为股份、拉普拉斯、连城数控、捷佳伟创、奥特维、晶盛机电、高测股份、帝尔激光、京山轻机、博迁新材、聚和材料、帝科股份[2] * **核聚变/裂变**：永鼎股份、王子新材、联创光电、精达股份、合锻智能、国力电子、旭光电子、国光电气、中国铀业、江苏神通、应流股份[3] **核心观点与论据** **半导体设备** * **行业景气度高涨**：海力士表示所有客户需求都无法满足，目前DRAM及NAND库存仅剩约4周，且2026年HBM产能已全面售罄，存储景气度依旧，价格有望继续上涨[1][2] * **算力需求驱动**：国产大模型（字节的Seedance2.0、智谱的GLM5）的进步以及春节期间的使用体验凸显了算力的紧缺[1][2] * **投资建议**：继续推荐半导体设备，并关注一系列相关公司[2] **光伏设备** * **太空光伏进展**：T启动美国太阳能工厂的选址工作，同时T/S的海外洽谈结束，等待订单进一步明确[2] * **去银化技术推进**：在LJ和JK的带动下，其他龙头包括TH、JA、TW、ZT等也均明确了相关计划，节后有望看到持续进展[2] * **投资建议**：分别关注太空光伏和去银化两个技术方向的相关公司[2] **核聚变/裂变** * **海外技术突破**：Helion取得重大突破，做到1.5亿度的离子温度（比之前的1亿度提高50%），同时测到14MeV中子，证实了聚变反应的发生[3] * **国内关注度提升**：核聚变登上央视春晚合肥分会场，成都、南昌、合肥等项目有望陆续启动，上海超导上市临近[3] * **投资建议**：关注核聚变产业链及传统裂变堆相关公司[3]

OpenAI战略调整与财务规划 - 公司将其2030年总算力支出预算从2024年11月提出的约1.4万亿美元大幅下调至约6000亿美元，削减幅度达8000亿美元 [4][26] - 公司同时给出2030年总收入预期将超过2800亿美元，消费者业务与企业业务各占一半，显示出支出与收入挂钩的“量入为出”新策略 [5][27] - 2025年公司营收为131亿美元，超过100亿美元目标，现金消耗为80亿美元，低于90亿美元预期，财务表现超预期 [5][28] - 2025年公司推理成本同比增长三倍，调整后毛利率从2024年的40%下降至33%，反映出模型越聪明、推理越费钱的成本困境 [6][29] - 公司预计到2030年才能实现现金流转正，意味着未来四年仍需依赖外部融资 [10][32] 行业竞争格局与主要参与者动态 - 谷歌母公司Alphabet公布2026年资本支出计划为1750亿至1850亿美元，较2025年增长近一倍，投资旨在满足现有客户需求 [12][35] - 谷歌云2025年第四季度营收达176.6亿美元，同比增长48%，运营利润翻了一倍多，展现出强大的商业化能力 [12][35] - 谷歌的TPU成本被分析师估算仅为英伟达GPU的五分之一左右，在推理成本成为主要开支时可能具备关键成本优势 [12][35] - 中国AI公司春节期间密集发布产品，引发“百模大战”，字节跳动的视频生成模型Seedance 2.0在全球引起广泛关注 [13][36] - 中国科技巨头（如百度、阿里、字节）正致力于打造AI、云计算与芯片三位一体的全栈能力，目标成为AI时代的基础设施 [13][36][37] AI行业发展趋势与路径分化 - 行业正从“混沌期”进入“分化期”，发展路径趋于清晰 [15][39] - 第一条路径：算力需求正从训练侧向推理侧迁移，有基金经理预测未来算力需求可能是现在的10到15倍 [15][39] - 第二条路径：AI应用开始真正落地并产生收入，例如Meta的生成式AI视频工具在2025年第四季度实现了100亿美元的年化收入，增速是公司整体广告收入的三倍 [17][40] - 第三条路径：中美发展路径呈现差异，中国大厂倾向于走类似谷歌的全栈能力路线，而创业公司则更多押注类似Anthropic的垂直场景路线 [19][43] 关键融资与产业链关系 - 英伟达正就最多投资300亿美元入股OpenAI进行磋商，此轮融资战略投资者还包括软银和亚马逊，OpenAI投前估值预计达7300亿美元 [8][31] - 英伟达与OpenAI之间存在潜在的“循环融资”关系，即投资可能用于购买英伟达自身的芯片 [8][31] - OpenAI首席执行官奥特曼强调，公司间相互投资与采购的前提是“必须有新的收入进入这个系统” [9][31] - 公司目前拥有9亿周活跃用户和150万周活的编程产品Codex用户，是重要的用户基础资产 [9][21][45]