文章核心观点 AI技术正在深刻影响游戏行业，但并非以颠覆性的方式，而是逐步渗透到开发流程的各个环节，以提升效率、降低成本。行业面临传统大制作商业模式难以为继的挑战，而AI被视为一种“外骨骼”式的增强工具，其价值在于辅助人类创作者，而非替代。游戏的核心——创意、玩法与情感连接——依然由人类主导，AI的最终目标是帮助制作出更好的游戏，而非单纯增加游戏数量。 行业现状与挑战 - 传统大制作游戏的商业模式面临危机：游戏开发成本显著上升，但标准售价（60-100美元）涨幅有限，导致利润承压。自2021年高峰以来，流向游戏工作室的投资额已缩水85%[6]。行业经营利润正以约7%的复合年率下滑[6]。 - 玩家消费习惯改变，对传统3A游戏兴趣减弱：UGC平台（如Roblox、Minecraft）增长迅速（游玩时长分别同比增长52%和19%），而传统热门品类如大逃杀游戏总游玩时长同比下滑27%[8]。仅有41%的Roblox玩家对《怪物猎人：荒野》这类3A游戏感兴趣[8]。 - 行业面临结构性调整：疫情后涌现的大量游戏工作室因融资环境变化（美联储加息、科技公司重心转向AI）而集中陷入危机，这被视作一场B2B端的流动性问题，但B2C端收入在2025年已有恢复迹象[10]。 - 从业者对AI的焦虑情绪加剧：根据GDC 2026年报告，52%的从业者认为生成式AI对行业有负面影响，该比例高于2025年的30%和2024年的18%[25]。 AI在游戏开发中的应用与进展 - AI主要应用于优化重复性高、标准清晰的“劳动密集型”生产环节，如资产制作、动画生成等，而非颠覆整个开发流程[11][12]。 - **成本控制**：AI被首先用于降低最昂贵的资产生产成本，以改写游戏开发的经济模型[13]。例如，腾讯利用AI将全局光照制作时间从两三天缩减到5分钟，效率提升百倍[15]。 - **流程提效**：在特定美术环节（如角色蒙皮、动作中间帧补齐），AI能在几分钟内完成80%-90%的工作，人工仅需检查和调整[16][17]。动捕流程也因AI而简化[18]。 - **质量提升**：AI能改善传统技术难以解决的美术问题（如角色动作“滑步”、武器穿模），玩家一旦体验过更好的效果就难以接受旧有标准[18][19]。 - **开发流程压缩**：传统游戏开发的七个阶段正被压缩成开发、上线和增长三大阶段，原型验证和立项环节被合并[14]。 AI技术的局限性与挑战 - **控制精度不足**：当前AI在复杂动作衔接、角色一致性、局部细节保持上控制精度不够，离稳定投入生产尚有距离[20]。例如，难以精准还原打斗动作的后续节奏衔接[20]。 - **游戏系统复杂，难以标准化**：游戏引擎底层缺少统一标准，不同项目技术选型差异大，导致AI大模型难以像在网页前端那样给出通用解法[21][22]。 - **世界模型尚未成熟**：如Google DeepMind的Genie 3，其重点在于实时生成可交互环境，但远未达到开箱即用阶段，在记忆、一致性、长期稳定性等方面存在局限[23][24]。 - **无法替代核心创意**：写作、核心玩法设计等创意工作高度依赖人类的情感和经验，从业者普遍认为AI无法替代[25][26][27][29]。创意是人类的核心价值，未来组织形态将是“AI劳动密集型，人类创意密集型”[29]。 公司的AI转型策略与实践 - **自下而上与涌现式创新**：腾讯等公司转变过去自上而下的执行方式，更强调由业务团队根据自身情况探索，鼓励有研究能力的年轻人主导AI项目[34]。 - **务实落地，从“近地轨道”开始**：EA等公司倡导先利用AI工具解决实际工作流中的具体问题，提升全员AI素养，而非一开始就追求激进的“登月计划”[32][33]。 - **明确人机协作边界**：网易在管线中确立底线，绝不让AI决定美术方向，AI负责批量执行标准化任务，人类负责制定标准并最终审核[30][32]。 - **AI应用于玩家体验**：腾讯在《和平精英》（日活9000万）中上线AI队友功能，降低了组队门槛并提升社交活跃度（单局消息互动量达70轮，麦克风开启率近75%），但需克服实时响应、游戏知识库、长期记忆与行为强化学习等挑战[39][40][42]。 AI与游戏玩法的未来 - **AI原生游戏尚未出现实质性成果**：自2021年AI新时代兴起，五年过去，几乎未出现由AI催生的新型游戏和全新玩法[35]。游戏的乐趣源于设计好的规则内的无限可能，而非无限自由，这与生成式AI的强项不完全匹配[35]。 - **玩法机制生成是终极挑战**：若AI要在玩法上创造增量价值，需同时做到“自由、直观、低门槛”，并能基于“游戏机制数据集”生成无穷机制[37][38]。但目前自动设计出如“吃鸡”这类宏观创新玩法仍不可能[37]。 - **行业共识是创造“更好的游戏”**：市场不缺游戏数量（移动平台年超20万款新游戏，Steam平台年1.8万款），关键在于制作出最好的游戏并延长其生命周期[36]。AI的价值在于辅助实现这一目标[43]。

文章核心观点 - 文章提出，构建具备动作条件能力的多模态世界模型，是实现高级AI（如具身AGI）的关键路径，而利用符号化表示（如代码、自然语言）和游戏虚拟世界的数据，是构建此类模型在数据效率和计算效率上更具优势的最佳方法[5][19][20] 世界模型的定义与重要性 - **世界模型的概念**：世界模型是一种能够表示环境动态变化和因果结构的模型，在强化学习框架中，它用于近似环境的状态转移函数，预测在特定状态下执行动作后的下一个世界状态[8] - **世界模型的作用**：借助世界模型，AI可以进行预测、规划、推理和行动，而无需每次都通过与真实世界直接交互来观察后果[9] - **构建世界模型的目标**：是为了实现能够释放巨大经济价值的AI能力，帮助人们摆脱不受欢迎的工作，其核心在于获得在多模态环境中进行因果推理的能力，这是通向具身AGI最重要的核心能力之一[12] 当前模型的局限与新的路径 - **纯像素世界模型的局限**：以生成式视频模型（如Sora）为代表的基于像素的世界模型，虽然能生成高质量视觉内容，但未必能真正捕捉世界的因果结构，且在速度和成本上效率较低，可能出现物理理解错误[13] - **人类认知的启示**：人类依赖认知工具（如自然语言、数学符号）对世界进行高效抽象和因果表达，这比通过原始感官数据完整重建世界更高效[15] - **新路径的优势**：利用符号化表示（如代码、自然语言）作为抽象层，可以让模型将表示能力集中在真正影响决策的世界要素上，在数据和计算效率上都更具优势，并能有效支持对长时间跨度任务的预测与推理[15][16] 数据来源与可扩展性 - **现有数据的不足**：互联网上虽有海量视频数据，但记录行动本身及其结果、能帮助模型理解行动后果的数据非常稀缺[18] - **更具效率的数据来源**：利用软件抽象构建多样化的合成世界（如游戏虚拟世界）是更具数据效率和计算效率的训练路径，这些环境通过键盘、鼠标等接口，能自然积累同时包含行动与观测的数据[18][19] - **商业化驱动的飞轮效应**：从数字世界（如游戏）开始构建世界模型，能够形成商业自我持续发展的路径，明确的参与激励（如娱乐）和可扩展的数据采集接口能让数据自然积累，持续推动模型能力提升[19][20] 模型设计的关键原则 - **设计应围绕策略展开**：世界模型的设计应当围绕希望从中学习到的策略来展开，而非追求单一的世界表示形式[22] - **需满足的关键属性**：无论用于虚拟还是现实世界，一个优秀的世界模型需要优先满足在长时间尺度上保持空间和物理状态的一致性，并能真实反映行动带来的后果等关键属性[22] - **最终愿景**：目标是构建一种在完全成熟形态下，不仅能够生成环境，还能用于训练和控制任何具身智能体（无论在虚拟还是现实世界中）的模型[20]

AI游戏行业范式转变与资本反应 - 2026年初，AI游戏进入真正可操作阶段，Google Genie 3的开放使生成画面能实时响应WASD操作，实现直觉正确的物理反馈 [1] - 字节跳动即梦平台Seedance 2.0发布，凭借复杂运动场景高可用率、电影级流畅度及原生音画同步成为现象级产品 [1] - 世界模型和视频模型能力引发传统游戏公司股价剧烈震荡：Unity股价暴跌60%，Roblox和Take-Two下跌约20%，资本押注视频原生模型将取代传统游戏引擎制作范式 [1] - UGC带来的无限创意将为游戏行业带来更大增量 [1] LinearGame旗下Yoroll平台的战略与定位 - LinearGame已提前布局AI视频游戏赛道，其Yoroll平台整合了游戏视频画面生成、自动化游戏组件生成、实时3D场景生成等技术，提供可直接使用的工具 [2] - 创作者可在Yoroll生成可操作的AI互动游戏内容，玩家能自由探索、触发剧情分支、参与解谜或QTE，推动AI游戏从演示走向落地 [2] - Yoroll的野心不是“再做一个工具”，而是将“做游戏”变得像“拍互动短片”，降低创作门槛 [3] - 平台战略是抓住“会讲故事的人”这一更大人群，而非仅服务“会用引擎的人”，以释放新生产力 [3] Yoroll平台的技术架构与工程化解决方案 - 平台在视频模型之上架构了完整的游戏系统：画面由生成模型实时输出，规则、进度与数值由确定性逻辑约束 [4] - 核心技术逻辑是深度理解视频流内容并将其转化为实时游戏逻辑，将“生成”纳入可迭代闭环 [7] - 系统分为三层：表现层将玩家输入转为可感知反馈；判定层将画面行为映射为稳定事件与标签；状态层将关键变量固化为可回放、可存档的游戏进程 [7] - 该架构实现了从“看视频”到“玩视频”的质变，将动态影像进化为可操控的游戏形态 [7] 选择互动影游作为切入点的商业洞察 - Yoroll精准切入互动影视游戏赛道，而非硬刚开放世界AAA大作 [8] - 用户认知零门槛：用户已习惯《底特律：变人》等“看片+选分支”模式 [9] - AI的舒适区：AI视频生成目前最擅长“氛围感”和“美学表现力”，与影游需求高度契合 [10] - 流量红利：在TikTok、Reels等平台，此类“强情感、高质感”内容具备天然病毒式传播基因 [11] Yoroll平台的核心功能与生产力提升 - 平台功能涵盖：画面与动作生成、行为判定、游戏逻辑（分支进度、道具、角色状态存储） [12] - 官方演示显示，用户只需输入一段Prompt和一张图片，平台便能自动连接叙事路径，加入QTE和决策点，实现“分钟级”游戏化产出 [13] - 生成的内容可被操作、反馈并反复游玩，创作者输出的是可操作、可响应的AI生成互动游戏，而非一次性视频 [15] - 创作输入集中在创意部分：世界与角色设定、关键情节与操作节点、玩家操作与结果的关系 [17] - 该流程使原本需多人团队、长周期完成的AI游戏作品，可由小团队或独立创作者在1-2个月内完成并持续迭代 [18] - 生成、判定、状态管理一体化架构大幅降低创作门槛，将生产力提升数十倍，释放创作者精力以专注于内容设计 [18] Seedance 2.0爆火对AI游戏赛道的催化作用 - Seedance 2.0在2月中旬引爆全球社交媒体，其生成的武打对决视频动作连贯、打击感强、镜头语言接近电影级，单条播放量动辄数十万 [19] - 该模型在复杂交互和运动场景下的可用率达到业界顶尖水平，在多人格斗、高速动作等传统易“崩坏”领域表现出前所未有的稳定性 [19] - 对Yoroll而言，Seedance 2.0是天然加速器，证明了AI视频模型能稳定输出高质量动作格斗画面 [20] - Yoroll的核心能力（将视频流转化为可交互游戏逻辑）可将格斗视频变为可玩的动作游戏，如其发布的《Daydream Valkyrie》预告片所示 [20] - 动作格斗是当下AI视频最具传播力的内容类型之一，Yoroll的互动框架使其从“只能看”进化为“可以玩”，打开了AI原生动作格斗、音乐节奏、运动游戏等新品类 [21] - 底层视频生成能力的爆发式进化，加上Yoroll的交互框架，正以超出预期的速度推动AI游戏产品形态成型 [22] 成本革命与行业效率颠覆 - Yoroll通过生成式AI技术，将互动内容制作成本降至传统模式的约1/100（从传统游戏动辄上千万人民币降至几十万甚至几万人民币） [23] - 生产力提升约数十倍 [23] - 官网已展示超过6款游戏海报，均计划于2026年上半年上线，其超高产出效率震撼游戏行业传统团队 [23] - 开发模式变革：过去需几十人团队耗时数年的项目，现在1–3人小团队甚至单个有创意的编剧即可完成 [25] - UGC爆发潜力：类似Roblox将创作权下放，Yoroll让每个TikTok创作者/文字游戏创作者都能“发布可玩剧集” [25]

文章核心观点 - 以GPT-5.3-Codex和Claude Code为代表的“编程智能体”工具的出现，标志着AI对程序员岗位的替代进入了一个全新的、全链条自动化的阶段，这将对全球科技行业的就业结构、公司组织形态和软件开发产业产生颠覆性影响 [6][7][8][9][11] 行业现状与趋势 - 过去几年，全球科技行业已普遍采用AI工具（如Cursor）替代标准化、重复性的编程工作，尤其针对“性价比较低”的中层程序员，以实现降本增效 [5][6] - 一家互联网中厂通过使用AI编程工具，在两年内已裁减了三分之一的程序开发团队，并计划未来几年再裁减三分之一 [5] - 行业策略倾向于裁撤工作3-5年以上、薪酬要求高但能力提升有限的“中层”码农，转而以薪资较低的年轻员工结合AI工具来弥补经验不足 [5] AI编程工具的技术演进 - Cursor是此前流行的AI编程工具，其定位是“以AI为特色功能的编辑器”，旨在帮助程序员提高效率，而非替代程序员 [9] - GPT-5.3-Codex和Claude Code是划时代的“智能体”(Agent)工具，旨在全链条乃至自动化地开发应用程序，目标直替代程序员 [9][11] - Claude Code（基于Claude Opus 4.6）深度推理能力强，擅长处理复杂程序架构，支持高达100万Token的上下文窗口，但自动化程度和生成效率稍低 [12] - GPT-5.3-Codex聚焦于智能体执行，自动化程度高、生成速度快，但深度推理能力略逊，提供40万Token的上下文窗口 [12] - 两者设计思路有差异，Claude Code更偏向“思想家”，Codex更偏向“实干家”，但都能以近乎自动化的方式完成复杂应用开发任务 [11] - 除了上述两款，DeepSeek新版本也可能即将入场，其下一阶段重点提升的能力也是编程，可能很快形成三款“编程智能体”工具竞争的局面 [11] 对就业与公司组织的影响 - AI编程工具的进步将导致“基层填充型”码农价值丧失，程序员面临大范围失业风险 [8] - 对于创业者而言，AI工具可以大幅降低搭建开发团队的成本 [8] - 所有不以软件开发为主营业务的公司，其开发团队规模将进一步缩小，最终执行者可能从人类外包变为AI，甚至可能省略外包流程，仅保留小而精的内部AI开发部门 [13] - 互联网大厂可能成为适应新时代最快、裁员最积极的群体，因为其管理者大多懂技术出身，更懂得如何利用AI优化人力结构 [13] - 软件外包(ITO)产业的存在将受到根本性质疑，参考以Chegg为代表的“作业代做”产业链已在两年内被AI摧毁的先例 [13] 更广泛的行业冲击 - 生成式AI平等地冲击着每一个行业，包括文科、商科、理科、工科和医科，而非仅冲击特定领域 [8] - 谷歌发布Genie 3“世界大模型”引发了资本市场对游戏公司和游戏引擎开发商的恐慌性抛售 [14] - 字节跳动发布的Seedance 2.0大模型被认为是当前国内乃至全球最好的视频大模型之一，预计将对影视和视频制作行业产生深远影响 [14] - 整个科技行业正处于AI技术密集突破和应用的阶段，拒绝接受现实的企业和个人将面临被淘汰的风险 [14]

电话会议纪要关键要点 涉及的公司与行业 * 公司：AppLovin Corp (APP US) [1][3][6] * 行业：互联网、移动广告技术、视频游戏 [3][83] 核心观点与论据 股价表现与估值 * AppLovin 股价自 1月29日以来下跌了 30%，目前交易于约 15倍 2027年预期 EBITDA 水平 [3][8] * 公司当前市值为 1574.58亿美元 [6] * 摩根士丹利给予公司“增持”评级，目标价为 800美元，较 2026年2月3日收盘价 461.79美元有 73.2%的上涨空间 [6][13] * 市场对公司的担忧导致估值下调，但这也可能创造了机会，类似于公司在 2025年4月股价跌至 219美元时的情况 [3][8] 市场担忧的三大因素分析 **1 CloudX 推出广告聚合服务带来的竞争** * 独立广告技术公司 CloudX 于 2月4日推出新的移动广告聚合产品，与 AppLovin 的 MAX 等产品直接竞争 [12] * 尽管 CloudX 在发布首日就获得了 Meta 的广告需求，但这与 Meta Audience Network 大规模进军游戏内广告市场是两回事 [12] * CloudX 作为新进入者，对现有聚合市场构成有限的竞争威胁 [9][12] **2 Meta Audience Network 可能重新发力游戏内广告市场** * 1月29日，有行业顾问报告称 Meta 在 iOS 游戏内广告市场份额显著增长，这导致了 AppLovin 在 1月30日的股价表现不佳 [12] * Meta 在 2021年苹果隐私政策变化前曾是 iOS 游戏内广告的最大参与者，市场一直担忧其是否会创新以夺回市场份额 [12] * 这是一个真实的担忧，但近期发力的证据似乎仅限于一篇博客文章，短期内爆发市场份额争夺战的可能性不大 [8][10][12] **3 Google Genie 3 世界模型对游戏行业的潜在颠覆** * 1月29日，Google 宣布向订阅者推出 Genie 3 世界模型进行测试，引发了市场对游戏制作方式可能被颠覆的担忧，导致游戏及周边股票在 1月30日下跌 [12] * 这对游戏发行商和工具制造商来说是一个重要的长期议题，但预计无论使用何种软件工具制作游戏，游戏公司仍将继续通过广告库存变现并进行付费用户获取 [11][12] * 因此，像 Genie 这样的世界模型预计不会对 AppLovin 这样的纯广告技术公司产生根本性影响 [8][11][12] 投资论点与财务预测 * AppLovin 被认为是移动应用广告市场最强的执行者，预计即使在疲软的宏观环境下也能继续获得市场份额 [17] * 预计非游戏广告垂直领域将成为公司未来广告收入增长的主要驱动力 [17] * 财务预测：预计预订额从 2024年的 47.09亿美元增长至 2027年的 101.05亿美元，EBITDA 从 2024年的 27.20亿美元增长至 2027年的 83.71亿美元，EBITDA 利润率从 2024年的 57.8%提升至 2027年的 82.8% [22] * 2025年至2028年期间预计 EBITDA 增长率为 31% [3] 风险与回报情景分析 * **牛市情景 (目标价 1250美元)**：采用 35倍 2027年预期 EBITDA 估值，假设公司加速获得广告网络市场份额，受宏观阻力影响有限，非游戏新广告支出池更积极利用公司平台，总收入以 >40% 的复合年增长率增长至 2027年，规模效应推动 EBITDA 利润率在 2027年达到约 90% [15] * **基本情景 (目标价 800美元)**：采用 32倍 2027年预期 EBITDA 估值，假设公司在宏观不确定性下仍能持续获得广告网络业务份额，非游戏广告垂直领域稳步扩张，总收入以 >25% 的复合年增长率增长至 2027年，EBITDA 利润率在 2027年超过 80% [16] * **熊市情景 (目标价 300美元)**：采用 18倍 2027年预期 EBITDA 估值，假设广告网络增长因公司竞争优势减弱和宏观压力而放缓超预期，非游戏垂直领域未能实现显著规模，总收入以约 15% 的复合年增长率增长至 2027年，EBITDA 利润率在 2027年降至 75% 以下 [20][21] 其他重要信息 * 公司收入高度依赖北美市场，占比达 80-90% [26] * 机构投资者活跃持股比例为 59.7%，对冲基金在该板块的多空比为 2.1倍，净敞口为 26.4% [24] * 摩根士丹利对互联网行业持“具有吸引力”观点 [6] * 报告发布日期为 2026年2月4日 [1][5]

关键要点总结 涉及的行业与公司 * 行业：软件行业（Software）是核心焦点，同时涉及媒体、教育、商业服务、数据处理、资产管理、金融数据、广告、房地产服务、支付处理等多个数据密集型或被认为面临AI颠覆风险的行业[2][3][26] * 公司：提及的特定非软件公司包括Gartner、NIQ、Magnite、ExlService、LegalZoom、Take-Two Interactive、Upwork、FactSet、Fastly、Evolv Technologies、Flywire、IQVIA、WEBTOON、EPAM、Zillow、Verisk Analytics、CarGurus、SS&C Technologies、Morningstar、Grindr、Toast、Moody's、Amdocs、Block等[27][29] 核心观点与论据 软件行业抛售与估值重估 * 市场焦点：过去一周市场焦点集中在AI颠覆风险上，软件股处于风暴中心[2] * 股价表现：软件股过去一周暴跌15%，较去年9月高点下跌29%[2][3]，高盛AI风险篮子（GSTMTAIR）年初至今下跌12%[3] * 直接诱因：Anthropic发布Claude Cowork工具插件以及Google发布Genie 3模型是近期抛售的直接催化剂[3] * 估值变化：软件股远期市盈率从2025年末的35倍降至目前的20倍，为2014年以来的最低绝对水平，相对于标普500平均股票溢价为2010年以来最小[2]，市销率从2025年9月的9倍降至目前的6倍[6] * 隐含预期：尽管当前利润率（26%）和共识收入增长预期（两年远期增长15%）均处于至少20年来的最高水平，约为标普500中值股票可比基本面的两倍[2][8][10]，但估值下降隐含了市场预期这些高增长和高利润率将出现下滑[2][8] * 增长预期下调：根据全市场估值分布，软件估值下降意味着中期销售增长预期下调约10个百分点，当前21倍市盈率对应的预期收入增长率为5%-10%，而2025年9月36倍市盈率对应的是15%-20%的增长预期[11][16] 投资者仓位与指数权重 * 对冲基金：高盛主经纪业务数据显示，对冲基金近期大幅削减了软件股敞口，但仍保持净多头[2][18] * 共同基金：大型共同基金在去年年中已转为低配软件行业，并在2026年初保持低配状态[2][18] * 指数权重：即使经历近期下跌，软件行业在标普500中的权重仍为8%，是十年前（4%）的两倍，即使排除微软（MSFT），权重也达到3%，较十年前高出150个基点[23][24] 感知的AI颠覆风险扩散 * 受影响行业：除软件外，媒体、教育、商业服务等数据密集型行业以及一些资产管理公司也受到抛售影响[2][26] * 相关性分析：应用软件、互动媒体与服务、IT咨询、系统软件、互联网服务与基础设施、医疗保健技术、广告、金融交易所与数据、房地产服务、出版、数据处理与外包服务、交易与支付处理服务、教育服务等子行业的股票中位数在过去一周下跌，且与软件及高盛AI风险篮子呈正相关性[26][27] * 非软件股抛售：列出了24只罗素3000指数中非软件行业的股票，它们在近期抛售中跌幅超过10%，且与软件股年初至今相关性高，例如Gartner下跌30%，NIQ下跌28%[27][29] 历史颠覆风险的启示 * 核心教训：面临颠覆风险的行业，其股价稳定需要盈利前景的稳定[2][29] * 报纸行业案例：2002年至2009年间，报纸类股票平均下跌95%，其股价在共识远期盈利预期稳定之前不久才触底[29][31] * 烟草行业案例：1997-1998年，烟草股因立法风险下跌超过50%，直到《烟草大和解协议》减少不确定性且短期盈利前景稳定后才触底[32][37] * 对当前AI风险的启示：围绕AI最终影响的不确定性意味着，尽管强劲的短期盈利是业务韧性的重要信号，但在许多情况下不足以反驳长期下行风险[2][38] 感知的AI风险绝缘与市场轮动 * 资金流向：对AI颠覆风险的担忧推动投资者转向“实体经济”行业，包括那些受益于近期经济增长加速迹象的周期性行业[2] * 周期性行业上涨：一篮子受美国工业周期反弹影响的股票过去一周上涨13%，行业中性多空价值因子飙升7%[39][46] * 绝缘行业特征：这些行业通常显示出对AI生产率暴露程度最低，例如多元化化学品、货运地面运输、大宗商品化学品、钢铁、石油天然气钻井等[41][42] * 市场轮动：过去几个月投资者聚焦于识别最可能受益于AI采用的行业，而最近一周随着AI颠覆担忧加剧，市场表现显示出向对AI暴露最少的“绝缘”行业轮动[42] 分析师观点与潜在机会 * 软件行业内部机会：高盛软件分析师探讨了行业内部机会，认为垂直软件（Vertical Software）尤其能隔绝颠覆风险，并看到在近期错杀中选择性机会[28] * 非软件股机会：随着抛售速度放缓，预计投资者将寻找被错杀的标的，例如，分析师认为另类资产管理公司的抛售过度，且许多公司对软件的暴露程度低于许多投资者的想象[27] * 其他机会：商业和信息服务行业的一些公司拥有专有数据和其他护城河，应能限制AI颠覆的影响[27]

软件行业遭遇抛售 - 软件股正在快速下跌，iShares科技扩展软件行业ETF在过去一周内下跌近20%，自10月下旬高点以来跌幅超过30% [1] - 市场正在进行根本性的板块轮动，投资者正迅速退出与人工智能相关的软件股，并将资本重新配置到与“实体经济”相关的周期性和价值型板块 [2] 下跌核心原因 - 此次抛售的催化剂并非利率上升或需求疲软，而是市场日益担忧人工智能本身可能会颠覆那些曾被视为其最大受益者的公司 [2] - 市场担心像Anthropic的Claude Cowork和Google的Genie 3这样的生成式AI模型可能会破坏软件公司的核心商业模式 [2] 估值大幅收缩 - 软件行业的远期市盈率已从2025年末的35倍降至约20倍，这是自2014年以来的最低绝对水平，仅略高于标普500指数 [3] - 这一下降标志着自2010年以来相对于大盘的最小估值溢价，尽管市场共识仍预计该行业收入将增长15%（是标普500指数预期6%的两倍多），但当前估值显示市场并不相信这些数字能够维持 [3] - 市销率也从9月份的9倍大幅下降至6倍，尽管仍比标普500指数高出260% [4] 市场预期与资金流向 - 高盛指出，估值下降意味着市场对中期销售增长的预期下调了约10个百分点 [4] - 对冲基金近期大幅削减了软件股敞口，但仍保持净多头头寸，而大型共同基金自2025年中以来一直低配软件股 [4] - 当软件和数据密集型行业（如媒体和商业服务）下跌时，价值股和周期股则大幅上涨 [6]

AI编程工具的发展与影响 - 一家互联网中厂在过去两年内已裁减三分之一的程序开发团队，并计划未来几年再裁减三分之一，这构成了其降本增效的主要成果[5] - 该厂裁撤的主要目标是工作三年或五年以上、薪酬要求高但能力无本质提升的中层程序员，其经验与熟练度易被AI替代[5] - 全球科技行业过去几年一贯的策略是在标准化、重复性编程工作中启用AI替代人力，尤其是替代性价比较低的中层人力[6] 新一代AI编程智能体的突破 - 过去一周内发布的两款产品Claude Code和GPT-5.3-Codex彻底改变了AI取代程序员的局面[6] - 这两款产品是真正意义上的智能体，能够全链条乃至自动化地开发应用程序[9] - Claude Code深度推理能力强，擅长处理复杂程序架构，支持高达100万Token的上下文窗口，但自动化程度稍低、生成速度较慢[10] - GPT-5.3-Codex聚焦于智能体执行，自动化程度高、生成速度快，但深度推理能力略逊，提供40万Token的上下文窗口[10] - 与仅作为编辑工具的Cursor不同，新一代工具的目标是替代程序员，而Cursor的定位是帮助程序员提高效率的工具[9] 对程序员就业与行业结构的冲击 - 基层填充型程序员的价值将大幅降低，码农大范围失业已成为行业共识[8] - 对于创业者而言，AI编程工具可大幅降低搭建开发团队的成本[8] - 所有不以软件开发为主营业务的公司，其开发团队会进一步缩小，可能仅保留小而精的内部AI开发部门或外包给AI执行[12] - 互联网大厂可能是适应新时代最快、裁员最积极的，因为它们的中高层管理者最懂技术[12] - 软件外包产业未来可能不复存在，以Chegg为代表的印度作业代做产业链已在两年内被AI摧毁[11] AI技术在多领域的加速演进 - 谷歌向顶级付费用户发布了Genie 3世界大模型，引发了资本市场对游戏公司和游戏引擎开发商的恐慌性抛售[12] - 字节跳动发布了Seedance 2.0大模型，被认为是迄今为止国内最好的视频大模型，也是全球最好的视频大模型之一[13] - 除了编程，生成式AI正在平等地冲击每一个行业，包括文科、商科、理科、工科和医科[8] - 潜在的竞争者DeepSeek新版本也可能在一个月内加入战局，其下一阶段重点提升的能力也是编程[11]

AI编程工具的发展与影响 - 一款互联网公司通过采用AI编程工具在两年内裁减了三分之一的程序开发团队 并计划未来几年再裁减三分之一 这构成了其降本增效的主要成果 对财务业绩贡献显著 [1] - 全球最流行的AI编程工具是Cursor 它通过调用其他大模型实现编程 定位为以AI为特色功能的编辑器 旨在帮助程序员提高效率 [1][4] - 过去一周发布的两款产品Claude Code和GPT-5.3-Codex彻底改变了局面 它们是真正意义上的智能体 能够全链条乃至自动化地开发应用程序 [2][4] AI编程工具的技术特点与比较 - Claude Code深度推理能力强 擅长处理复杂程序架构 支持高达100万Token的超长文本上下文窗口 但自动化程度稍低 生成效率较慢 [5] - GPT-5.3-Codex聚焦于智能体执行 自动化程度高 生成速度快 但深度推理能力略逊 提供40万Token的上下文窗口 [6] - Claude Code被称为思想家 Codex被称为实干家 两者都能以近乎自动化的方式完成复杂的应用开发任务 [6] - DeepSeek新版本下一阶段重点提升的能力也是编程 可能采取Agent的自动化思路 未来可能形成三款划时代编程智能体工具竞争的局面 [7] 对程序员就业与行业结构的影响 - 互联网公司裁员的策略是优先裁减工作三年或五年以上的中层码农 因其薪酬要求高但能力易被AI替代 同时保留最顶尖人才和具有发展潜力的基层员工 [1] - 这是整个互联网及全球科技行业过去几年的共同策略 即在标准化、重复性编程工作中启用AI替代人力 尤其是替代性价比较低的中层人力 [2] - AI编程工具的进步意味着基层填充型码农价值下降 码农大范围失业成为可能 创业者若懂得编程原理则可省去搭建开发团队的大量成本 [3] - 所有不以软件开发为主营业务的公司 其开发团队会进一步缩小 最终执行者可能从人类变为AI 外包流程可能被省略 仅需保持小而精的内部AI开发部门 [7] - 软件外包产业面临存在性挑战 以Chegg为代表的印度人代做作业产业链已在短短两年内被AI摧毁 [7] - 互联网大厂可能是适应新时代最快且裁员最积极的 因为它们的中高层管理者最懂技术 [8] 更广泛的AI行业冲击 - 生成式AI平等地冲击着每一个行业 包括文科、商科、理科、工科和医科 [3] - 谷歌向最高级付费用户发布Genie 3世界大模型 引发了资本市场对游戏公司和游戏引擎开发商的恐慌性抛售 [8] - 字节跳动发布Seedance 2.0大模型 被认为是迄今为止国内发布的最好视频大模型 也是全球最好的视频大模型之一 将对影视和视频制作行业产生影响 [8]

中国AI视频模型竞争格局 - 字节跳动发布新一代视频生成模型Seedance 2.0，该模型完全改写了视频生成方法，更侧重于运镜、理解、模仿、转场等效果，极大利好短视频创作者生态[3] - 快手发布新一代视频生成模型Kling 3.0，该模型更偏向于影视化、真实化和工业化的能力，目标用户是专业导演和工作室[3] - 两个模型的综合能力均对标视频大模型的Sota（谷歌Veo模型），但技术路线存在差异[3] - 博主和用户对侧重短视频创作的Seedance 2.0更有感觉，但对Kling 3.0的上限期待很高，认为其在抹平真实与虚拟的界限[4] - 从长期看，技术路线差异是暂时的，最终目标都是解决“抽卡”问题，并全方位替代现有视频生产管线的一半以上[4] 全球AI视频模型发展趋势 - 2026年，视频模型成为AI竞争主战场，除字节和快手外，马斯克发布Grok专有视频模型Imagine 1.0，谷歌发布Genie 3[6] - 视频信息量远超文本和语言，此前视频模型因能力不足、训练难度高、生成质量不稳定而受限，但到2026年该瓶颈期即将被跨越[6] - 多模态AI（尤其是视频）是AI接近普通人的破圈手段，去年ChatGPT和Gemini的两次“翻倍级”增长均得益于多模态能力[4] 中美AI产业发展路径差异 - 美国AI巨头重点发力AI Coding，其终点是工具、软件甚至系统的零成本化，这导致美股SaaS（软件即服务）赛道突然崩盘[7] - SaaS是一个积累了近30年、规模达万亿级的市场，AI对其的替代想象空间巨大[7] - 中国AI公司在产业化方面面临挑战，原因在于难以替代一个不存在的市场、拿走不存在的产值[9] - 但在多模态尤其是视频模型领域，中国拥有全球领先的短视频、直播和创作者生态，存在巨大的市场、产值和故事可供AI承接，因此字节和快手在视频模型上的投入动力不虚美国大厂[9] 主要公司动态与战略 - 快手Kling模型有先发优势，ARR（年度经常性收入）增长很快，在海外处于第一梯队[10] - 字节跳动属于后来居上，其多模态能力对豆包App的留存率拉动明显，且GPU储备量是国内大厂中的顶级水平[10] - 字节跳动内部期待AI业务能跑出“下一个抖音”，并已启动赛马机制，至少有三股势力在竞争[13] - **即梦**：负责人张楠（抖音创始人）被安放在从0到1的最前线，代表字节最强的创业战斗力[13] - **豆包**：所属Flow团队负责人朱骏是Musical.ly创始人，已成功两次，属于最正统的继承位[13] - **抖音部门**：希望由自己孵化“下一个抖音”，例如抖音搜索团队已开发名为“AI抖音”的App[13] - 字节跳动公司活力高、欲望强，在大厂中很少见，看不到老化痕迹[13] 行业影响与未来展望 - 视频模型的成熟将全方位替代现有视频生产管线的一半以上[4] - 中国AI公司在本月还有重量级发布，行业将进入“神仙打架”的阶段[14]