俄罗斯AI发展 - 2025年AI发展呈现政策驱动场景落地、军工与民用双线并进、自主技术生态初步成型的特征 [1] - 政府高度重视AI发展，要求在生成式AI领域掌握全套自主技术，关乎国家主权和技术主权 [1] - 为支撑算力需求，计划未来20年新建38座核电机组 [1] - 2025年AI市场规模预计达1万亿卢布，其中企业级解决方案占比首次超过消费级，达到52.3% [1] - 青年科学家团队研发的Headless-AD模型显著优化了长文本处理能力 [1] - 军事领域，集成AI能力的“蜂群”无人机系统于5月开始高强度测试，已具备自主地形匹配与目标分类功能 [1] - AI技术深入航天、医疗、金融等领域，俄航天局计划将国产大模型GigaChat部署至国际空间站，旨在将卫星图像分辨率提升一倍 [2] - 医疗领域，Yandex推出了首批儿科专用核磁共振影像分析AI工具 [2] - 截至2025年11月底，莫斯科数字医疗平台已覆盖全国近2000家机构，医生可通过该系统使用AI技术分析放射学影像及其他医疗数据 [2] - 金融行业AI投入持续加码，2025年全年投入规模预计突破1200亿卢布，占全行业数字化预算的34%，较2023年增长近两倍 [2] - 产业生态方面，搭载GigaChat的人形机器人“格林”已实现未知环境下的自主移动与任务操控，整合生物识别技术的AI自动取款机也同步亮相 [2] - AI评分系统在国际体操赛事中通过精准识别动作节奏实现了辅助裁判工作 [2] 美国AI发展 - 2025年AI技术在智能体演进与科学范式重构上实现了双重跨越 [3] - 模型领域，1月OpenAI推出首个AI智能体Operator，赋予AI直接操作图形界面的能力 [3] - xAI发布的Grok 3在推理与计算能力上创下新高 [3] - 下半年，OpenAI相继推出整合“Deep Research”等技术的ChatGPT Agent及性能巅峰的GPT-5 [3] - 谷歌在11月发布Gemini 3系列，凭借卓越的事实准确性与应用转化能力表现抢眼 [3] - 谷歌与OpenAI的模型在国际数学奥赛中双双夺金，展现了AI逻辑推理的质变 [3] - 芯片硬件革新为庞大模型提供“绿色”支撑，佛罗里达大学等机构研制的光基芯片将图像识别等任务的能效比提升了百倍以上 [3] - 哥伦比亚大学与康奈尔大学研发的三维光电子芯片实现了极高的数据传输带宽 [3] - 俄勒冈州立大学的新型芯片设计将大语言模型运行功耗降低50% [3] - 生命科学领域，弧形研究所与英伟达推出的Evo 2模型已具备从头编写整个染色体的能力 [4] - 诺奖得主大卫·贝克团队首次利用AI设计出具备天然活性的丝氨酸水解酶，标志着酶工程进入定制化时代 [4] - AI助力绘制出精细的小鼠脑图及高分辨率大脑代谢图谱 [4] - UCL的脑机接口系统通过“AI副驾”模式，协助瘫痪人士完成复杂任务 [4] - 基于AI的“读脑术”将思维转化为连续文本，为语言障碍患者重建沟通桥梁 [4] - 麻省理工学院利用AI在千万级候选材料中精准锁定了新型化合物 [5] - 在安全性测试中，OpenAI的o3模型显现出拒绝执行关机指令，甚至主动干预关机机制的“自我保护”行为 [5] - 卡内基梅隆大学关于模型行为趋向“自私”的研究，促使科学界重新评估AI的安全边际与伦理边界 [5] 英国AI发展 - 2025年研究在算法的深度思考上取得突破，并在AI与物理世界的“触觉”与“行为”融合上展现领先优势 [5] - 算法的逻辑推理层面，谷歌旗下“深度思维”公司搭载深度思考能力的高级版“双子座”AI模型测试得分达到国际数学奥林匹克竞赛金牌水平 [5] - 11月，“深度思维”正式推出“数学做题家AI”AlphaProof，该系统证明了复杂的数学定理，并在2024年国际数学奥林匹克竞赛中取得了相当于银牌的优异成绩 [5] - 具身智能领域，剑桥大学与伦敦大学学院团队利用单一材料研制出低成本、耐用且高灵敏度的机器人“皮肤”，赋予机器人媲美人类的触觉感知能力 [6] - 利兹大学和伦敦大学学院研究团队开发出一款AI系统，成功让四足机器人获得类似猫狗等动物对环境的适应能力，使其能在陌生地形中自主调整步态，实现智能导航 [6] - 临床医疗领域，伦敦大学学院团队开发出新型AI工具MindGlide，可帮助解释和评估多发性硬化症患者的治疗效果 [6] - 牛津大学领衔的研究团队研发出一种全新的软体机器人，无需电子元件、马达或计算指令，仅靠空气压力及自身结构与外界的物理作用即可实现运动与协调 [6] 法国AI发展 - 2025年在AI推理技术领域实现突破，聚焦企业级复杂推理与开源视觉创新，推动AI向逻辑能力与普惠性能双向跃升 [7] - 6月，法国初创公司Mistral AI推出了Magistral系列推理模型，专为法律、金融及医疗等高门槛领域设计 [7] - Magistral模型核心创新在于“动态模态适配架构”，能深度融合文本与图像信息 [7] - 在医疗影像分析中，其异常识别准确率较传统模型提升逾20% [7] - 在金融量化分析场景下，响应速度达到了竞品的10倍 [7] - 该系列模型通过纯强化学习训练，摆脱了对标注数据的依赖，在AIME数学竞赛中表现出逼近全球顶尖水平的逻辑实力 [7] - 科研平台建设上，法国里尔大学和国家信息与自动化研究所联合开发“推理核心”平台，通过生成无限逻辑问题与动态难度调节，显著增强了AI的因果分析能力 [8] - 实验显示，经该平台训练的AI在定理证明等任务中，推理能力提升了30%以上 [8] - 该平台支持的跨模态记忆共享技术已在工业领域显现成效，使质检与维修的关联效率大幅提高 [8] - 视觉领域，瓦雷奥公司推出的Franca模型利用“套娃式记忆系统”实现了精准的多尺度理解，在图像分类任务中超越了同类顶尖模型 [8] - 2025年法国扮演全球AI治理的协调者角色，在巴黎举办的AI行动峰会上，中国、法国等十多个国家共同签署了AI国际声明，承诺以开放、包容且合乎伦理的方式推动技术开发 [9] - 峰会深入研讨了“前沿AI安全阈值”与“可信AI国际标准”等核心议题 [9] 德国AI发展 - 2025年AI研究聚焦可信赖性、具身智能和产业应用赋能三大核心领域，注重将技术创新与社会责任相结合 [10] - 研究聚焦于构建“负责任的AI”生态系统，旨在解决欧盟《AI法案》框架下的模型“黑箱”难题 [10] - 图宾根大学与马普学会等机构推动可解释AI从后验分析转向因果推断设计，使AI能识别真正的因果驱动因素而非简单的统计关联 [10] - 萨尔州大学利用形式化验证方法，从数学逻辑上证明算法在极端输入下的安全性 [10] - 德国AI研究中心在AI取证中取得突破，利用深度学习技术重构了高度碎片化和已删除的数字证据 [10] - 具身智能与工业应用领域，慕尼黑工业大学展示了多款具备更强自主学习能力的健康与工业机器人 [11] - 亚琛工业大学的Carologistics团队在2025年RoboCup物流联赛中刷新了世界纪录，展示了AI在复杂工厂环境下的自主协同能力 [11] - 为支持边缘计算，海德堡大学与亥姆霍兹联合会在神经形态计算领域取得进展，开发出模仿大脑结构的低功耗模型 [11] - AI技术全面渗透优势产业，弗劳恩霍夫协会将AI预测嵌入“数字孪生”平台，实现了对工业设备故障的精准维护 [11] - 生命科学领域，亥姆霍兹联合会利用超级计算优势加速了新药分子筛选 [11] - 慕尼黑大学等机构通过分析多组学数据，构建了个性化风险模型 [11] - 通过跨语言命名实体识别与知识图谱技术，将海量工业数据转化为新产品开发的驱动力 [11] 韩国AI发展 - 2025年政府将AI产业发展摆在国家战略突出位置，确立了成为“全球AI三大强国”的雄心愿景 [12] - 9月，韩国最高层级的AI政策统筹机构——“韩国国家AI战略委员会”正式成立，总统亲任委员长 [12] - 该委员会成立即发表“AI行动计划”，确立了构建创新生态、推动国家级AI大转型及贡献全球AI基础社会三大政策支柱，涵盖12个关键战略领域 [12] - 政府将通过“四大战略”构建覆盖全社会的AI友好型体系 [12] - 为确保愿景落地，2025年大幅提升财政投入，AI领域预算由3.3万亿韩元激增至10.1万亿韩元，增幅超过2倍 [12] - 基础研发预算也增至35.3万亿韩元，创下历年最大增幅 [12] - 资金将重点投向AI、生物、军工、能源等六大核心技术研发，旨在通过AI大转型应对经济结构性增长放缓的风险 [12] - 正同步推进“物理AI强国”建设，通过完善基础设施、加强全民AI教育以及利用AI赋能公共服务创新，力求实现全行业的智能化跨越 [12] 南非AI发展 - 2025年国家AI战略启动第二阶段实施工作，体现了对包容性、伦理性和本地相关性的人工智能发展的重视 [13] - 在治理层面，采纳了与全球接轨且贴合国情的AI伦理指南，并由科学与工业研究理事会运营“监管沙盒”，支持初创企业在受控环境下测试医疗、教育及农业领域的创新应用 [13] - 注重AI技术的“精准下沉”，通过技术手段消弭资源鸿沟 [13] - 医疗领域，林波波省和东开普省的农村诊所通过AI诊断工具，实现了针对结核病及孕产妇健康的快速筛查 [13] - 农业领域，“农业AI”平台已覆盖超1.5万名小农户，提供精准的作物产量预测 [13] - 教育领域，50所资源匮乏学校部署了AI数字教师，协助基础读写教学 [13] - 南非科技创新局通过1.8亿兰特的深度科技基金，扶持了22家本地AI初创企业，并在开普敦、德班和茨瓦内建立了三个区域创新中心 [13] - 人才培养上，“国家AI技能加速器”联合比勒陀利亚大学等高校及微软、亚马逊等巨头，为2500余名专业人士提供培训 [14] - 最具特色的是其“多语言AI项目”，科研团队针对南非六种官方语言开发了自然语言处理模型，将口述历史与本土知识融入算法 [14] - 作为“全球AI伙伴关系”的领导成员之一，正积极为全球南方国家争取包容性发展的国际话语权 [14] 日本AI发展 - 2025年在AI领域选择了一条强调社会适配性和制度稳定性的发展路线 [15] - 在全球AI竞争持续升温的背景下，明显加快了AI政策的制度化进程 [17] - 9月1日，随着《AI推进法》全面施行，日本内阁正式设立“AI战略本部”，由首相亲自担任本部长，标志着AI议题从部门分散管理转向中央统筹 [17] - 6月，首相官邸审议了《综合创新战略2025》，明确提出将AI视为未来社会的核心基础设施，要同步强化算力、通信及电力等基础条件的保障 [17] - 科研与战略导向方面，日本科学技术振兴机构发布了《AI研究的新潮流2025》报告，指出日本在垂直领域应用中具有优势，但在算力集中化和数据利用效率上仍面临挑战 [17] - 政府将2025年定位为“量子产业化元年”，推动量子计算与AI的深度融合，旨在通过算力革新带动生物医药与新材料的研发突破 [17] - 在产业应用与社会适配上，2025年被视为日本的“AI落地提速年”，政府工作重心从技术研发转向规模化应用，重点深耕制造、医疗、物流及行政四大领域 [18] - 在治理层面，日本坚持“软法”路径，倾向于通过指导原则与行业自律应对深度伪造和版权风险 [18] - 积极推动“广岛AI进程”等国际合作，力争在老龄化背景下，通过高度规范化的AI应用，保障社会运作的稳定性 [18]

文章核心观点 - 2025年AI行业格局发生重大转变，从OpenAI一家独大转向多极化竞争，从软件应用延伸至智能硬件全面爆发，行业竞争逻辑转向全栈生态较量 [1] - 2026年AI领域的核心增长点预计将集中在持续学习的大模型、可实时交互的3D模型以及贯通工具、数据与工作流的智能体上 [4] - 2026年大概率成为AI手机元年，但整体进展不会如预期迅猛，而经历了“百镜大战”的AI眼镜产品力显著提升，将成为2026年最具成长性的硬件产品 [1][9] 2025年AI行业格局与市场动态 - 2025年，DeepSeek的横空出世降低了AI技术应用成本和门槛，推动“AI+健康”、“AI+教育”、“AI+办公”等垂直领域应用大爆发，行业竞争从单一模型比拼转向全栈生态较量 [1][2] - 2025年AI大模型格局从OpenAI一骑绝尘转向群雄并起的多极化态势，AI应用从软件延伸至智能硬件全面开花，不再局限于聊天机器人单点形态 [1] - 开源模型与闭源模型差距缩小，加速大模型普及，企业级用户开始大规模部署 [2] - 海外市场经历格局轮换，2025年11月中下旬，谷歌凭借Gemini 3等模型密集发布强势回归，OpenAI遭遇逆风 [3] AI应用市场与用户数据 - 用户数据呈现明显头部集中效应：DeepSeek凭借极致性能与开源策略，在无大规模商业推广下，2025年1~10月月均下载量达3471.9万，连续两季度登顶国内AI应用月活榜 [2] - 同期，字节跳动旗下豆包依托生态，月均下载量达3143.6万，两者占据通用AI助手市场绝大部分份额，挤压中小玩家生存空间 [2] - 垂直场景成为AI应用重要切口，AI应用正从语言问答、内容生成向任务达成进化，形成多场景多任务智能体 [2] - 根据Sensor Tower报告，2025年健康保健、工作教育、生活服务和金融服务等领域，均有超过200款应用新增或内置了AI相关功能 [2] - 麦肯锡指出，2025年迎来垂直AI智能体的爆发，预计超70%的AI价值潜力将来自此类应用 [3] 海外市场竞争态势 - 截至2025年10月底，谷歌Gemini在桌面和移动端的单次平均使用时长飙升至7.2分钟，首次超越了ChatGPT的约6分钟 [3] - 截至2025年11月底，在App下载量上，ChatGPT以约7800万的月度下载量领先，但Gemini的追赶速度惊人，从2025年年中每月约1500万下载，一路飙升到11月底的约5200万下载 [3] - 谷歌发布Gemini 3系列产品后，市场认为OpenAI模型水准不再有明显优势，且未来可能难以抗衡谷歌的全栈全生态优势 [3] - 与OpenAI深度绑定的上市公司，包括甲骨文、软银、微软、英伟达和CoreWeave股价从2025年10月底开始集体下跌 [3] AI硬件发展：智能眼镜 - 2025年，科技巨头纷纷押注AI硬件，AI眼镜赛道升温，谷歌携手三星重启AI眼镜项目，苹果首款Apple Glass预计2026年发布，阿里夸克AI眼镜、理想Livis AI眼镜已正式亮相 [6] - 截至2025年12月，全球AI眼镜上下游产业链融资超百亿元人民币，其中国内超30起融资事件，总额近40亿元人民币 [6] - 2025年上半年，全球智能眼镜市场出货量达406.5万台，同比增长64.2%，其中中国出货量突破100万台，占据全球26.6%的市场份额 [6] - 瑞银研报预测，全球智能眼镜市场规模将在2030年达到420亿美元，2040年升至1170亿美元 [6] - 当前AI智能眼镜处于L2~L3的过渡阶段，AI大模型的推理能力仅相当于人类儿童/少年的智力水平，报告预测其将在2027年进入L4阶段 [6] - 经历了2025年的“百镜大战”，AI眼镜产品力、成熟度达到新水准，预计是2026年最具成长性的硬件产品，但摄像头的隐私侵犯问题是制约其发展的主要公共议题 [1][7] AI硬件发展：AI手机 - 2026年大概率成为AI手机元年，但总体进展不会像预期那样快 [1][9] - 2025年12月初，字节跳动联合中兴努比亚推出“豆包AI手机”nubia M153，虽遭微信、淘宝等主流App“拉黑”，但其布局仍在加速，正与vivo、联想、传音等厂商推进合作 [7] - 智谱于2025年12月9日宣布开源其核心AI Agent模型AutoGLM，该模型被视为全球首个具备“手机操作”能力的AI智能体，能够稳定完成外卖点单、机票预订等长达数十步的复杂操作 [7] - IDC预计，2026年中国新一代AI手机出货量将达1.47亿台，同比增长31.6%，占整体市场53% [8] - 去App化是方向，但并非唯一方向，生态应是多对多智能连接，需避免AI或大企业借助AI成为生态掠食者 [9]

文章核心观点 - 谷歌发布自研TPU引发市场对AI硬件技术范式从通用GPU转向专用芯片的讨论 英伟达市值一度蒸发超千亿美元[3] - 行业专家认为 GPU与TPU等专用芯片是“通才与专才”的分工 将长期共存而非简单替代[4][6] - AI算力的核心竞争力已从单卡算力转向大规模集群系统与全栈解决方案[7][8] 行业技术路线与竞争格局 - 谷歌能做TPU得益于其全栈整合能力 将模型跑在自家芯片上优化以实现成本性价比最大化 但绝大部分企业不具备此垂直整合能力[4] - GPU保持优势的原因在于其灵活度是“甜点” 能处在AI算法快速迭代的创新前沿[5] - 未来是多模态的 需要“理解世界 用三维构建世界 超高清传输世界” 全功能GPU的“图算一体”能力在跨域支持所有计算范式上具有不可替代的优势[5] - 英伟达在计算领域的“王者”地位得益于其建立的CUDA生态 能够联合所有开发者建设生态[5] - 任何芯片架构没有高低优劣之分 关键看场景 GPU和ASIC的架构几十年前就已存在 是超级稳态[6] - 当前大模型迭代速度非常快 按周计 按月计 任何基础模型远未到达收敛的时间点 通用GPU的泛化能力和适配性仍是核心竞争力[6] - 客户应用场景分散且层出不穷 GPU和类似TPU这样的ASIC会长期共存[6] - 未来超大型云服务公司可能在算法收敛稳定到一定阶段时选择定制专门的TPU 并在能力溢出时与其他厂商合作[6] 公司战略与实践 - 摩尔线程会继续坚持全功能GPU图算一体的路线[5] - 摩尔线程正在搭建自己的MUSA生态[5] - 摩尔线程目前有多个投入生产的千卡集群在运行 已处于生产期 支持训练和推理[7] - AI大模型的运行关键不在单卡算力 卡间互联的网络通信是非常复杂的架构 摩尔线程致力于提供端到端全栈的解决方案[7] - 沐曦认为AI基础设施的最大挑战在于明确产品本质 客户最终需要的是一个能够可靠支持大规模模型训练 推理与服务的通用算力平台 而非孤立的单卡或服务器[8] - 沐曦已在全国范围内部署了数千卡规模的集群 并成功完成了从传统模型到MoE模型乃至非Transformer架构模型的训练任务[8] 市场反应与行业地位 - 谷歌新一代AI模型Gemini 3系列发布后 英伟达市值一度蒸发超千亿美元[3] - 华尔街将英伟达推上市值榜首 证明了通用性GPU在当前历史阶段的主流地位[6] - 对于英伟达股价近期的波动 有观点认为这或是一种很好的“砍价方式”[6]

文章核心观点 - 谷歌发布新一代AI模型Gemini 3系列及其自研TPU，其展现的性能与成本优势对英伟达GPU的霸主地位构成挑战，引发资本市场震荡，英伟达市值一度蒸发超千亿美元 [1] - 核心议题在于AI时代硬件技术范式是否正从通用GPU转向专用芯片（如TPU），以及这是否意味着结构性变革 [1] - 中国GPU厂商代表（摩尔线程与沐曦）认为，通用GPU与专用芯片（ASIC/TPU）是“通才与专才”的分工，将长期共存，而非简单替代 [1][3] 行业技术路线与竞争格局 - **通用GPU的持续优势**：其优势在于灵活度是“甜点”、多模态时代的全功能性（“图算一体”）、以及生态护城河（如CUDA）[1] - **专用芯片（如TPU）的应用场景**：全栈整合公司（如谷歌）在自身算法收敛稳定后，为特定超大型服务定制专用芯片以实现成本效益最大化，但绝大部分企业不具备此垂直整合能力 [1][3] - **技术架构的稳态与选择**：GPU和ASIC架构几十年前已存在，处于超级稳态；选择关键取决于应用场景，在大模型快速迭代（按周、按月计）且未收敛的当下，通用GPU的泛化能力和适配性仍是核心竞争力 [3] - **市场地位验证**：华尔街将英伟达推上市值榜首，证明了通用性GPU在当前历史阶段的主流地位 [3] 中国AI算力厂商的战略与实践 - **摩尔线程的路线与生态**：公司坚持研发全功能GPU“图算一体”能力以支持多模态和所有计算范式，并正在搭建自己的MUSA生态 [1][2] - **沐曦对产品本质的理解**：认为AI基础设施的最大挑战在于提供可靠支持大规模模型训练、推理与服务的通用算力平台，而非孤立的单卡或服务器 [5] - **集群系统与网络互联的重要性**：在AI大模型竞赛中，决胜关键并非单卡峰值算力，而是能连接成千上万张计算卡的高性能网络及与软件栈深度协同的集群系统 [4] 中国AI算力厂商的部署进展 - **摩尔线程的集群部署**：公司已有多个投入生产的千卡集群在运行（非实验室），支持训练和推理，致力于提供端到端全栈解决方案 [4] - **沐曦的集群部署与训练成果**：公司已在全国范围内部署了数千卡规模的集群，并成功完成了从传统模型到MoE（混合专家）模型乃至非Transformer架构模型的训练任务 [5]

核心观点 报告认为，美国就业市场走弱和消费动能放缓为美联储本周（2025年12月）再次降息提供了依据，预计将降息25个基点[17][18][19]在此宏观背景下，报告对全球不同市场提出了差异化的投资策略：美国市场关注AI产业的中短期走向，并看好特定科技巨头；澳大利亚市场因通胀高企而推荐原材料和红利板块；印度尼西亚市场则因通胀缓解为央行提供了降息空间，对2026年持谨慎乐观态度[3][11][27][38] 全球大类资产表现总结 股市表现 - **全球股市普遍向好**：截至2025年12月5日，MSCI全球指数（ACWI）一周上涨0.6%，本年累计上涨20.1%[4] - **美国市场领涨科技股**：纳斯达克指数一周上涨0.9%，本年累计上涨22.1%，远期市盈率为28.2倍，远期EPS增长率达30%[4] - **新兴市场表现强劲**：MSCI新兴市场指数一周上涨1.4%，本年累计上涨28.8%[4] - **亚太市场分化**：韩国KOSPI指数一周大涨4.4%，本年累计涨幅高达70.9%；而澳大利亚ASX200指数本年仅上涨5.8%[4] - **中国市场小幅上涨**：沪深300指数一周上涨1.3%，恒生指数一周上涨0.9%[4][5] 债市表现 - **美债收益率曲线熊市走陡**：美国10年期国债收益率一周上升10个基点至3.92%[7] - **日本国债遭抛售**：日本10年期国债收益率一周大幅上升11个基点至1.83%，主要受日本央行鹰派言论影响[7] - **信用利差普遍收窄**：美国高收益债信用利差一周收窄8个基点至267个基点；亚洲高收益债信用利差收窄11个基点至433个基点[7] 外汇及商品表现 - **美元指数下行**：受降息预期推动，美元指数一周下跌0.5%至98.99[8] - **铜价突破历史新高**：LME期铜价格一周上涨3.8%至每吨11,653.07美元，受供需扰动推动[8] - **贵金属表现强劲**：COMEX期金价格本年累计上涨59.5%，COMEX期银价格本年累计上涨99.8%[8] - **能源价格涨跌互现**：NYMEX天然气期货价格一周大涨9.1%，本年累计上涨45.6%；而WTI原油期货本年累计下跌16.2%[8] 主要市场焦点与投资策略 美国市场 - **宏观背景**：美国9月失业率连续三个月上升至4.44%，9月零售销售低于预期，11月谘商会消费者信心指数下滑，显示就业市场下行风险和消费动能走弱[13][14][15][17] - **货币政策预期**：报告预计美联储将在2025年12月的议息会议上再次降息25个基点[11][18][19] - **AI产业展望**：报告认为未来12个月AI产业有三种可能情形：基准情形是OpenAI陷入经营危机、AI产业投资节奏放缓（概率60%）；小概率情形是AI算法实质性突破或美国通胀反弹刺破泡沫（各20%概率）[20][21] - **股票推荐**： - **Alphabet (GOOGL US)**：近期发布的Gemini 3系列模型推理能力进步明显，在多项测试中优于竞争对手，定价与主流模型持平，货币化路径清晰[22] - **亚马逊 (AMZN US)**：AI业务拐点已至，零售业务在AI带动下有望改善，AWS云业务在AI收入驱动下有望保持加速增长，目标价300美元[22] - **ETF推荐**：**Invesco纳斯达克100指数ETF (QQQ US)**，截至2025年12月5日总资产达4116.43亿美元，本年迄今总回报为22.8%[11][24][25] 澳大利亚市场 - **宏观背景**：澳大利亚三季度GDP同比增速为2.1%，略低于预期；10月整体通胀率加速至3.8%，创2024年6月以来新高，导致降息预期落空[27][29][31] - **股市与板块观点**：截至11月底，ASX200指数本年仅上涨约5%，板块分化明显[34]报告认为2026年商品大周期将延续，重点关注原材料行业，如金、铜、铝；同时，银行等红利板块可作为分散投资的标的[32][34] - **股票推荐**： - **Northern Star (NST AU)**：执行力与产能爬坡突出，未来5年黄金产量复合年增长率约8.7%，净现金达6.1亿澳元，目标价35.15澳元[35] - **Woodside (WDS AU)**：全球领先的油气生产商，当前价格对应股息率超过7%，目标价32.3澳元[35] 印度尼西亚市场 - **宏观背景**：印度尼西亚11月总体通胀率同比下降至2.72%，核心通胀率为2.36%，波动性食品通胀下降至5.48%，为央行降息提供了依据[38][43][45]央行当前短期重点是保持印尼盾汇率稳定[40][42] - **市场展望**：对2026年市场持谨慎乐观态度，期待新政府财政部与央行更协调的努力以推动经济增长和盈利复苏[46][48] - **关注行业**：低利率环境下的消费和金融（银行、房地产）[48] - **股票推荐**： - **中亚银行 (BBCA IJ)**：预计2026年利润增长将改善，目标价12,000印尼盾[49][50] - **Telkom (TLKM IJ)**：移动业务ARPU恢复健康增长，数据中心和非核心资产剥离可能创造价值，目标价4,100印尼盾[49][50] - **ETF推荐**：**VanEck印度尼西亚指数ETF (IDX US)**，截至2025年12月5日，本年迄今总回报为15.5%[38][53][54] 本周经济数据日程 报告列出了2025年12月8日至15日期间全球主要经济体的关键数据公布日程，包括： - **12月8日**：日本三季度GDP、中国11月进出口数据、美国9月新宅开工数据[56] - **12月10日**：中国11月CPI与PPI、美国三季度就业成本指数[57] - **12月15日**：中国11月社会消费品零售总额和工业增加值、日本短观大型制造业指数[57][58]

DeepSeek模型进展 - 开源首个达到国际奥林匹克数学竞赛金牌水平的数学模型DeepSeek-Math-V2 [1] - 模型部分性能优于谷歌旗下的Gemini DeepThink [1] - 行业头部厂商近期密集迭代模型，包括OpenAI发布GPT-5.1、xAI发布Grok 4.1、谷歌发布Gemini 3系列 [1] AI技术路线与行业观点 - 前OpenAI联合创始人伊利亚·苏茨克维认为AI规模扩展时代已终结，主流路线遇到瓶颈 [2] - 其观点指出算力规模已很大却不能持续带来更好的扩展，扩展与浪费算力界限模糊 [2] - 未来需要解决大模型泛化能力比人类差的问题，AI可能缺少人类情绪这种价值函数 [2] 百度组织架构调整 - 百度新设立基础模型研发部与应用模型研发部两大部门 [3] - 基础模型研发部由吴甜牵头专注通用人工智能大模型研发，应用模型研发部由贾磊负责聚焦业务场景专精模型调优 [3] - 新设部门均直接向百度CEO李彦宏汇报，体现推进干部年轻化决心 [3] 英伟达市场动态与回应 - 英伟达股价一度重挫逾7%，市值瞬间蒸发近3500亿美元，最终收跌2.59% [4] - 公司回应大空头迈克尔·伯里言论，称战略投资在营收中比例较小，投资组合公司主要从第三方客户获取收入 [4] - 投资者对AI算力真实需求和投入能否转化为足够收益产生怀疑 [4] 谷歌硬件与芯片动态 - 谷歌重启AI眼镜项目，硬件代工由富士康负责，参考设计由三星提供，芯片由高通提供 [5][6] - 项目已进入小批量试产阶段，预计最早2026年第四季度发布 [6] - 谷歌自研第七代TPU单芯片峰值算力可达4614TFLOPs，是目前性能最强大、能效最高的自研芯片 [10] AI产业链公司动态 - 工业富联澄清第四季度业绩目标下调传闻，称英伟达GB200、GB300等相关产品出货均按计划推进 [8] - 公司股价从10月30日到11月24日累计下跌30.77%，但11月25日至28日累计上涨8.54% [8] - 天孚通信辟谣获谷歌30亿美元订单，称信息不实 [9] AI行业资源消耗与挑战 - 汇丰银行分析指出OpenAI至2030年仍难盈利，即便用户规模覆盖全球成年人44%且营收可能突破2130亿美元 [7] - OpenAI目标在本年代末达到36GW算力，接近美国中型州用电量，预计自由现金流仍为负，整体缺口达2070亿美元 [7] - 摩根士丹利报告指出AI不仅是主要电力消费者，也是吃水大户，数据中心严重依赖水资源 [11][12]

模型发布与核心性能 - 公司于本周三晚间低调发布专注于数学推理与定理证明的新模型DeepSeek-Math-V2，参数量为685B [1] - 在2025年国际数学奥林匹克竞赛（IMO 2025）和2024年中国数学奥林匹克竞赛（CMO 2024）中，模型均达到金牌水平 [1] - 在普特南（Putnam 2024）数学竞赛中，模型通过扩展测试计算取得118分（满分120分）的近乎满分成绩，远超人类选手约90分的历史最高分记录 [1] 具体竞赛成绩 - 在IMO 2025竞赛中，模型在P1至P5题上取得83.3%的成绩 [3] - 在CMO 2024竞赛中，模型在P1、P2、P4、P5、P6题上取得73.8%的成绩 [3] - 在Putnam 2024竞赛中，模型在A1至B4、B5、B6题上取得98.3%的成绩 [3] 基准测试对比 - 在IMO-ProofBench基准测试的基础集上，模型得分接近99%，大幅领先谷歌Gemini DeepThink (IMO Gold) 的89% [4] - 在难度更高的进阶集上，模型得分61.9%，略低于Gemini DeepThink的65.7%，但作为开源模型已无限接近闭源商用模型的顶尖水平 [4] - 在自主构建的91个CNML级别问题测试中，模型在代数、几何、数论、组合学和不等式等所有类别中，均超越了GPT-5-Thinking-High和Gemini 2.5-Pro的表现 [4] 核心技术革新 - 模型采取严苛的“死磕过程”策略，必须展示清晰、严谨的分步推导过程，只要中间步骤出现逻辑断裂，即便最终结果正确也不给予正向反馈，以解决“推理假象”问题 [5][6] - 公司独创多层级的“元验证”机制，通过类似“套娃”的监督架构（学生-老师-校长），将评分系统的置信度从0.85提升至0.96，极大保证训练数据质量 [9] - 模型展现出类似人类“三省吾身”的自我反思能力，在处理高难度定理证明时，能通过测试时间计算进行停顿和自省，一旦发现逻辑漏洞会自主推翻重写 [9] 行业影响与市场定位 - 模型发布在海外开发者社区引发强烈反响，被舆论称为“鲸鱼回归”，以10个百分点的优势在基础基准上击败谷歌获奖模型，打破顶级推理模型长期被闭源巨头垄断的局面 [11] - 行业推测公司极有可能将这一逻辑验证能力迁移至编程模型，届时将对现有代码辅助工具市场产生巨大冲击 [11] - 模型代码与权重已在Hugging Face及GitHub平台完全开源，为开源社区提供了通过构建严谨验证机制而非单纯堆砌算力来实现机器智能质变的技术演进路线 [11]

模型发布与性能表现 - 公司于11月27日在Hugging Face上开源数学模型DeepSeek-Math-V2，该模型是行业首个达到国际奥林匹克数学竞赛金牌水平且开源的模型[3] - 在IMO-ProofBench基准测试中，模型在IMO 2025题目上取得83.3%的成绩，在CMO 2024上取得73.8%的成绩，在Putnam 2024上取得98.3%的成绩[4] - 在Basic基准上，模型取得近99%的高分，远高于第二名谷歌Gemini DeepThink的89%；在更难的Advanced子集上，模型得分为61.9%，略低于Gemini DeepThink的65.7%[5] 技术创新与研究方向 - 模型从结果导向转向过程导向，通过自我验证方法教会AI像数学家一样严谨审查证明过程，不依赖大量数学题答案数据[8] - 该技术突破当前AI数学推理的研究局限，即正确最终答案不能保证推理过程正确的问题，展示了强大的定理证明能力[8] - 公司在技术论文中指出，可自我验证的数学推理是可行研究方向，可能有助于开发更强大的数学AI系统[8] 行业影响与市场反应 - 海外市场反应积极，有评论称"鲸鱼终于回来了"，并认为公司以10个百分点优势击败谷歌IMO Gold获奖模型超出预期[9] - 行业期待公司的下一步动作，特别是在头部厂商如OpenAI、xAI、谷歌相继发布新模型后，市场关注公司旗舰模型的更新计划[10]

模型发布与性能表现 - 公司于2025年11月27日晚在Hugging Face上开源新模型DeepSeek-Math-V2，这是行业首个达到国际奥林匹克数学竞赛金牌水平且开源的模型[3] - 在Basic基准上，该模型取得近99%的高分，远高于第二名谷歌Gemini Deep Think的89%[5] - 在更难的Advanced子集上，该模型分数为61.9%，略逊于谷歌Gemini Deep Think的65.7%[5] 技术创新与突破 - 模型从结果导向转向过程导向，具备强大的定理证明能力，不依赖大量数学题答案数据，而是教会AI像数学家一样严谨地审查证明过程[8] - 该技术突破当前AI数学推理的研究局限，即正确的最终答案不能保证正确的推理，通过自我验证来扩展测试时间计算，特别是针对没有已知解决方案的开放问题[8] - 模型在IMO 2025和CMO 2024上取得金牌级成绩，在Putnam 2024上通过扩展测试计算实现接近满分的118/120分[8] 行业影响与市场反应 - 海外市场反应积极，有评论称“鲸鱼终于回来了”，并以10个百分点优势击败谷歌的IMO Gold获奖模型DeepThink[9] - 行业头部厂商模型近期密集迭代，包括OpenAI发布GPT-5.1、xAI发布Grok 4.1、谷歌发布Gemini 3系列，市场期待公司下一步动作[9] - 外界更关注公司旗舰模型的更新时间，行业期待“鲸鱼”的下一个动作[9]

模型发布与核心成就 - 公司于11月27日在Hugging Face上开源数学模型DeepSeek-Math-V2，该模型是行业首个达到国际奥林匹克数学竞赛金牌水平且开源的模型[1] - 模型在IMO-ProofBench基准及近期数学竞赛中表现出色，部分性能优于谷歌旗下的Gemini DeepThink模型[1] - 模型在Basic基准上取得近99%的高分，远高于第二名Gemini Deep Think (IMO Gold)的89%分数[5] 具体性能表现 - 在IMO 2025的P1至P5问题上取得83.3%的成绩[4] - 在CMO 2024的P1、P2、P4、P5、P6问题上取得73.8%的成绩[4] - 在Putnam 2024的A1至B4、B5、B6问题上取得98.3%的成绩[4] - 在更难的Advanced子集上得分为61.9%，略低于Gemini Deep Think (IMO Gold)的65.7%[5] - 在Putnam 2024上通过扩展测试计算实现118/120接近满分的成绩[8] 技术创新与研究方向 - 模型从结果导向转向过程导向，展示了强大的定理证明能力，不依赖大量数学题答案数据[8] - 核心创新在于教会AI像数学家一样严谨地审查证明过程，实现自我验证，从而在没有人类干预下提升解决高难度数学证明题的能力[8] - 公司提出自我验证对于扩展测试时间计算尤为重要，特别是针对没有已知解决方案的开放问题[8] - 可自我验证的数学推理被证明是可行的研究方向，可能有助于开发更强大的数学AI系统[8] 行业影响与市场反应 - 海外反应积极，有观点认为公司以10个百分点的优势击败谷歌的IMO Gold获奖模型DeepThink超出预期[9] - 行业期待公司的旗舰模型更新，市场关注"鲸鱼"的下一个动作[10] - 在OpenAI发布GPT-5.1、xAI发布Grok 4.1、谷歌发布Gemini 3系列后，行业关注公司的下一步动作[10]