全球大模型格局 - 全球大模型发展呈“双核驱动”态势，技术路径上闭源与开源并行，地缘格局上美国与中国成为两大核心力量[10] - 美国在算力、算法和人才方面积累深厚，主导闭源领域；中国将开源作为重要发展方向，有助于应对供应链不确定性和外部制约[13] - 头部闭源模型形成OpenAI、Anthropic与Google“三驾马车”之势，OpenAI的GPT系列在综合能力方面具备优势，Anthropic聚焦专业场景，Google的Gemini路线更倾向于“全面而均衡”[17] 开源模型的崛起 - 2025年是中国大模型发展的“破局之年”，DeepSeek横空出世，在全球范围内率先以开源方式复现具备“长链推理”能力的大模型[18] - DeepSeek通过创新训练机制将推理过程中的Token成本大幅压缩，实现“低成本，长推理”范式，迅速引爆开发者社区[18] - 除DeepSeek外，通义千问和Kimi等国产大模型也已陆续开源，共同探索兼具技术深度与生态广度的新型开源路径[18] - 开源对中国而言是一种系统性战略，本土开源模型获得广阔应用试验场，并激活了中国庞大的工程师红利，实现算力、数据与人才的高效协同[19] 端侧模型发展 - 2025年“端侧推理”成为模型落地的重要战场，在云端训练昂贵、推理成本上升的背景下，部分推理能力迁移到设备端执行[20] - 端侧模型参数量级在几亿到数十亿，具备低延迟响应、强隐私保护和几乎可忽略的运行成本优势[21] - 家庭与办公场景成为端侧模型的典型载体，安防摄像头、家用机器人等开始依赖本地推理完成视觉理解和任务执行[21] 大模型关键技术演进 - 大模型从单一文本能力迈向更复杂综合形态，四大技术趋势包括原生多模态融合、推理能力、长上下文窗口与记忆机制，以及智能体能力[22] - 前沿大模型正转向原生多模态架构，将图像、语音、文本等多种模态嵌入同一共享向量表示空间，实现更高效一致的理解与生成[23] - 推理能力成为核心标配，模型在训练阶段学习“如何一步步思考”，在推理阶段采用“延长思考时间”等机制提升判断能力[24][26] - 新一代模型支持超长上下文并结合外部记忆存储机制，能够在多次交互中持续追踪用户身份和偏好，成为具备长期认知能力的数字伙伴[27] 训练范式与架构探索 - 大语言模型经历范式转变，从以大规模预训练为核心单一路径，演进为融合后训练精调与运行时计算增强的多阶段协同体系[31] - 能力提升遵循三条“规模法则”：预训练规模法则构建基础能力，后训练规模法则注入任务导向行为模式，测试时规模法则提升准确性[32][33][34] - Transformer仍是绝对主流架构，但研究者积极探索线性注意力模型、混合注意力机制和文本扩散模型等替代或混合方案[37] 物理AI和世界模型 - 世界模型和物理AI成为行业新焦点，物理AI指能够感知现实环境、理解物理规律并采取有效行动的智能系统[38] - 世界模型是AI在“脑海中构建的微型世界”，能模拟和预测未来状态，具备“内部模拟-预演-规划”能力，提升系统泛化能力和安全性[38] - 2025年世界模型领域迎来多项标志性进展，DeepMind发布Genie3，OpenAI推出Sora2，World Labs发布Marble，NVIDIA Isaac Sim获得业界广泛关注[44] 产业链与基础设施 - 算力基础设施层面英伟达领先地位依然稳固，市值一度突破5万亿美元，多元化生态虽已萌芽但远未成熟[47] - AI行业从依赖少数云厂商支持转向多方参与的“循环式资金支持”模式，形成以英伟达和OpenAI为核心的“软硬双核”驱动结构[48][51] - 截至2025年8月全球AI应用的年度经常性收入约300亿美元，但行业全链条成本需达到约6000亿美元年收入才能实现合理回报，存在数千亿美元亏损缺口[51] 应用层发展机遇 - 大模型公司通过打造“超级助手”和布局开发者工具、AI搜索等，希望成为下一代人机交互的入口掌控者[53][54] - AI应用创业者的机会存在于大模型边界之外的垂直领域，需要深度行业理解、复杂工作流整合或强用户关系沉淀的场景[55] - 成功创业路径包含三个关键策略：抢跑模型能力、搭建灵活脚手架、将护城河转向用户数据侧积累[56] AI应用进化与挑战 - AI应用从被动响应的对话工具向具备目标感与自主性的智能体进化，经历对话、Copilot、有限智能体和自主智能体四个阶段[61] - 软件开发方式发生根本转变，核心工作转向“上下文工程”，即动态编排提示词、记忆、状态与工具调用[62][65] - 高达95%的组织未能从生成式AI投入中获得可衡量的商业回报，出现“生成式AI鸿沟”，主因是应用场景错配和难以捕捉隐性知识[65][66] - AI应用面临“成本悖论”，尽管单位Token推理成本下降，但由于链式推理导致Token调用量大幅攀升，公司整体支出可能不降反升[67] 2026年AI行业展望 - 技术方向关注在线持续学习，期待模型能实现终身学习模式，在线持续地学习、感知反馈、自我调整[73] - 经济影响关注AI能否打破“生产率悖论”，当大模型承担智力工作、机器人接管体力任务，可能推动全要素生产率提升[74][75] - 投资逻辑从“技术叙事”回归“商业基本面”，投资者更关注项目是否具备真实竞争壁垒、清晰可持续的经济模型和规模效应[76]

**ARM公司及行业研究电话会议纪要关键要点** **一、 公司业绩与业务亮点** * 公司2025年第三季度收入达10亿美元，同比增长34%[3] * 授权收入同比增长56%，驱动因素包括为软银提供设计服务以及与多家大型企业（包括一家中国企业）签订高价值许可交易[3] * 许可费收入同比增长超预期，因两家大客户提前提升产品产量[3] * 公司提高全年收入指引1亿美元，但EPS保持不变，因计划增加AI研发投资[3] * 本季度签订4宗新的CSS（计算子系统）订阅业务交易，帮助客户芯片设计效率提升，上市时间减半[5] **二、 战略合作与技术发展** * 公司与Meta合作优化AI算法（如PyTorch、ExeTorch），使其更好运行在ARM芯片上[2][5] * 与OpenAI有紧密合作，共同开发Star Gate项目，每年支付30亿美元获取其技术，以了解软件发展方向，指导新一代CPU开发[2][11] * 公司透露可能在2026年推出自己的硅基芯片，目前处于决策流程中[2][5] * 软银（持有公司87%股权）正开发自己的半导体业务，并收购了Graphcore和Ampere等公司，有望形成强大的生态系统[3][17] **三、 行业趋势与市场观点** * **AI需求与泡沫担忧**：公司认为当前对AI设备和边缘设备芯片的需求远未满足，与25年前互联网泡沫不同，当前数据中心GPU和加速器利用率高达100%（如谷歌7年前安装的TPU仍保持100%利用率）[2][6] 高需求环境预计至少延续到2027年[7] * **边缘AI趋势**：边缘AI发展将加速，更多算法将从数据中心迁移到边缘设备，SOC升级将带来更高TOPS算力[2][9] 小语言模型（如谷歌Gemini Nano）开始进入边缘设备，可在成本仅10美元的芯片上运行，嵌入家用电器，推动具身智能普及[9] * **芯片设计趋势**：行业趋势是将大型复杂芯片分解为多个芯粒（chiplet），再封装成超级芯片（如亚马逊Graviton、英伟达Grace Blackwell）[4][12] ARM计划出售不同功能芯粒，由客户自行组合成超级芯片[4][13] * **Chiplet技术应用**：该技术可将不同工艺节点（如14纳米、7纳米、2纳米）的芯粒组合，已应用于数据中心，高端汽车领域（如ADAS和座舱）也有望采用[16] **四、 市场竞争与地缘政治** * **英特尔与英伟达合作**：公司认为该合作主要针对企业服务器市场中的AMD，对ARM的云业务影响不大，因基于ARM芯片的功耗远低于x86芯片（约一半），且成本效益更高（NVIDIA Blackwell芯片含72个ARM内核，总成本约35美元，而Intel x86芯片售价在1000到2000美元之间）[4][18][19] * **PC市场**：在Windows系统PC市场，目前除高通（与微软有排他性协议）外无其他ARM架构芯片供应商，但预计2026年至少有1-2家公司宣布进入[19] 在Linux PC（如NVIDIA DJS Spark工作站）和苹果Mac（已100%基于ARM）领域表现强劲[19] * **ARM中国**：ARM中国成立旨在技术本土化，近期许可收入年增速达20%[2][10] 尽管软银是日本公司，但ARM总部位于英国并在美国上市，受美国地缘政治影响较小，公司认为地缘政治不会对业务造成重大不利影响[2][10] **五、 未来战略与挑战** * 公司专注于技术开发，以满足客户需求，打造下一代芯片和数据中心，并确保未来AI基于ARM架构运行[7][20] * 边缘AI发展带来技术挑战，如需要安全地跨应用程序协调数据访问[9] * 若推出完整的半导体解决方案，可能提升收入和利润，但也可能导致利润率下降（当前IP业务毛利率为92%，半导体业务毛利率较低）[14] 未来可能拆分IP业务与半导体业务线以清晰评估影响[14][15] * 公司关注物联网（IoT）的长期发展趋势，核心是设计能运行未来AI算法的新CPU[20]

谷歌AI反诈系统 - 谷歌在旗下应用及搜索引擎中全面引入AI反诈系统，利用人工智能技术精准识别并拦截潜在恶意网站，打击网络诈骗行为 [1] - 谷歌每天成功阻止"数以亿计"的诈骗性搜索结果，较三年前拦截效率大幅提升20倍 [3] - AI技术深度应用通过智能算法快速识别并过滤含有欺诈信息的搜索结果，确保用户获取真实可靠信息 [3] 谷歌AI反诈功能扩展 - Google Messages短信应用和Phone电话应用增添AI驱动的诈骗检测功能，通过智能分析短信和通话内容精准识别潜在诈骗行为 [3] - 安卓版Chrome浏览器推出"AI警告"功能，利用本地机器学习模型分析网页弹窗通知内容，检测到可疑通知时立即弹出警告 [4] 浏览器安全防护 - 桌面版Chrome浏览器引入设备端运行的Gemini Nano大语言模型，提供额外安全防护 [3] - Gemini Nano在本地分析网页内容识别"恶意意图"，并将安全报告发送至谷歌安全浏览服务进行最终判定 [3] - 本地化与云端相结合的AI处理方式提高检测速度，有效识别新型诈骗网站 [3] 市场数据 - 道琼斯指数41,249.38点，下跌0.29% [2] - 标普500指数5,659.91点，下跌0.07% [2] - 纳斯达克指数17,928.92点，持平 [2]

谷歌AI安全功能升级 - 公司宣布推出全新AI驱动的安全功能套件 旨在保护用户免受日益复杂的诈骗威胁 [1] - 桌面版Chrome增强保护模式集成Gemini Nano大语言模型 可实时分析网站并检测技术支持诈骗等威胁 [2] - 安卓版Chrome新增AI通知警报功能 对可疑通知发出警告并提供退订选项 [3] 设备端反诈骗技术应用 - Google Messages和Phone应用自3月起具备设备端诈骗检测功能 覆盖短信/彩信/RCS消息及语音通话 [4] - 所有数据处理均在设备本地完成 确保用户隐私不受侵犯 [4] - 通过实时行为扫描技术 可识别诈骗特征并即时提醒用户 [4] 反欺诈成效数据 - AI系统当前拦截的诈骗网站数量较三年前增长20倍 [5] - 改进后的检测机制能识别协同诈骗网络 并支持多语言分析 [5] - 2024年新防护措施使冒充官方网站的诈骗减少超70% [5] AI战略协同效应 - 公司将Gemini大模型深度整合至搜索及生产力工具 同时扩展云服务业务 [6] - AI技术不仅用于产品创新 更成为保护用户和品牌的安全护城河 [6] - 通过服务端内置AI防护 在用户接触诈骗前实现主动拦截 [6]

行业趋势 - AI眼镜和智能硬件在CES 2025展会上成为亮点，中国厂商占据近50款AI（AR）眼镜的半壁江山 [4] - Meta的Ray-Ban Meta AI眼镜销量突破200万台，在人机交互领域具有领先优势 [8] - 端侧AI应用的核心在于大模型能力，需完成模型压缩、模型适配、人机交互三个步骤 [9] - 端侧AI对存储要求提升，存储成为应用落地的核心，智能穿戴领域需要大容量存储支持 [9] 公司业绩 - 佰维存储2024年预计营收65-70亿元，同比增长81.02%-94.95%，归母净利润1.6-2.0亿元，同比增长125.63%-132.03% [12] - 剔除股份支付费用后，归母净利润为5.1-5.5亿元，同比增长202.43%-210.54% [12] - 2024年智能穿戴存储产品收入约8亿元，同比大幅增长 [21] 技术优势 - 佰维存储的ePOP产品具备小尺寸、低功耗、高可靠、高性能优势，最小尺寸为8.0*9.5*0.7（mm） [21] - 公司开发出芯片形态的BGA SSD，最小规格为11.5*13*1.2（mm），容量最大可达1TB，已通过谷歌认证 [24] - 公司掌握16层叠Die、30-40μm超薄Die、多芯片异构集成等先进封测工艺 [31] - 自研主控芯片SP1800支持eMMC5.1协议，实测性能领先行业同类产品 [36] 市场地位 - 佰维存储是全球前五的ePOP厂商，国内少数能量产ePOP的公司之一 [26] - 2021年公司在eMMC及UFS全球市场排名第8，国内排名第2 [26] - 2024年上半年嵌入式存储收入22亿元，占比65%，同比增长32% [26] 行业前景 - 2025年全球智能眼镜市场预计达48亿美元，同比增长20% [39] - 2030年全球AI眼镜出货量有望达8000万部，2024-2030年CAGR为185% [39] - AI眼镜价格下探至千元左右，复制TWS耳机发展路径 [45] - 存储芯片是AI眼镜中价值量仅次于SoC的半导体器件 [48] 战略布局 - 佰维存储提出"研发封测一体化2.0"战略，子公司泰来科技专精于存储器封测及SiP封测 [30] - 晶圆级先进封测项目于2023年11月落地松山湖，预计2025年投产 [33] - 研发人员数量750人，占比38%，研发费用长期高于销售和管理费用 [38]