行业与公司 * **核心行业**：人工智能（AI），特别是大模型应用与交互范式 * **核心公司/项目**：OpenCloud（OpenCopilot）[1] * **相关国内公司/厂商**：腾讯、智谱、Kimi、Minimax、阿里云、百度云、飞书、东方财富 [1][4][9][10][14][16][24][26] * **相关国外公司/厂商**：OpenAI、Anthropic、微软、谷歌、GitHub [1][4][11][22] 核心观点与论据 1. 行业影响与范式转变 * **确立新交互范式**：OpenCloud 标志着进入“后 GPT 时代”，改变了人机交互范式，从用户通过反复试错的 Chatbot 形态，转变为通过自然语言驱动机器执行任务的智能助理，实现了从“探寻矿山”到“智能驾驶”的升级 [2] * **冲击传统APP生态**：其三层灵活架构支持 Skill 任意编排，对传统重 UI 的独立 APP 生态构成冲击，推动 AI 向主动交互助理演进 [1][10][12] * **引发国内跟进热潮**：2026年春节后，国内几乎所有知名科技公司，包括头部大模型厂商和云厂商，总计有十几家，都在积极跟进 Open Cloud，推出各类衍生版本 [4] * **中美商业模式差异**：国内厂商普遍希望借助 Open Cloud 作为流量入口，带动 Token 消耗、云存储或算力业务，而美国市场（除 OpenAI 外）反应相对平淡，这反映了中美大模型厂商在商业化大模型能力方面思路不同 [4] 2. 市场数据与增长表现 * **项目增长迅猛**：OpenCloud 成为 GitHub 史上增长最快项目，4 个月获约 25 万 star，超越了花费 15 至 16 年的 React 项目 [1][3][4] * **驱动Token消耗激增**：OpenCloud 直接驱动 Token 消耗量激增，2026 年 2 月单月增量达 8-10 万亿 [1][5] * **厂商消耗量暴涨**：如 Minimax 等厂商 Token 消耗环比增长达 197% [1][5] * **平台数据趋势**：在 OpenRouter 平台，Token 消耗量从 2026 年 2 月 2 日当周的约 9.8 万亿，增长至 3 月 9 日当周的 16.9 万亿，一个月左右几乎翻番 [6] * **应用消耗领先**：Open Cloud 在 OpenRouter 上以每周约 3,640 亿 token 的消耗量，遥遥领先于其他应用，高出一个数量级 [7] 3. 商业模式与经济学 * **“Token放大效应”**：商业模式呈现“Token 放大效应”，0.5 元电力成本生成的 Token，经高端模型或 Skill 包装后，可实现几十至上百倍的价值增值 [1][11] * **成本结构**：用户使用成本由“模型订阅费”和“高级 Skill 使用费”两部分组成 [18][20][27] * **催生新商业模式**：包括模型出海（如 Minimax 出海业务占投放的 70%）、Token 附加服务（调度平台）、以及 Token 租赁等 [11] * **项目无分成模式**：OpenCloud 作为开源项目，定位为非盈利，目前未观察到其有明确的抽成或分成模式，扮演流量入口和工具平台角色 [18][20][21] * **Skill收费模式**：Skill 由垂直领域服务商提供并收费，用户需订阅其服务获取 API Key，例如东方财富的 Skill 可能按调用次数收费，文本转语音 Skill 按分钟收费 [26][27][28] 4. 技术路径与生态 * **技术架构优势**：提供灵活的三层架构，支持对前后端、技能等进行任意组合与编排，填补了模型厂商有限内置技能与用户海量多样化需求之间的鸿沟 [7] * **交互方式颠覆**：具备“活人感”和主动性，能像同事一样主动与用户交互（如定时提醒），颠覆传统“一问一答”的 Chatbot 形态 [8] * **技术路线共存**：CLI 模式（高灵活性）与 MCP 协议（高确定性、企业级）将长期共存互补，共同解决用户需求 [1][22][23][24] * **快速迭代与生态壁垒**：迭代速度极快，主要版本更新有时仅需一两天，其核心壁垒在于率先积累的庞大用户生态和贡献者社区，使得后来者难以追赶 [3][4] * **国内产品现状**：国内厂商推出的衍生版（如智谱的 AutoCloud）在 UI 上进行了优化封装，但当前版本尚不稳定，存在配置错误导致服务崩溃且难以调试的问题 [9] 5. 对产业链的影响 * **盘活云与算力业务**：国内厂商跟进旨在争夺流量入口，盘活底层云存储、算力及算力分销业务 [1][4][24] * **正面冲击**：Token 消耗量急剧增长，使国内头部模型厂商原本略显过剩的算力在 2026 年 1 月、2 月迅速转为供不应求 [10] * **推动产业链适配**：对上游，推动了相关服务商的支持（如飞书提供每日 100 万 token 消耗量）；对下游，促使企业将自身能力封装成 Skill（如百度高德地图开放 AI Skill） [16] * **合作模式共赢**：OpenCloud 作为重要的入口级产品，为大模型带来流量和应用场景，与大模型厂商是共赢的合作模式 [14][15] 6. 能力边界与风险 * **能力存在上限**：其智力上限由背后调用的大模型决定，动手能力上限由可调用的 Skill 决定 [13][14] * **安全依赖人工**：尽管采用了沙箱结构，但安全运行依然高度依赖于人的判断和指令约束 [13] * **企业使用风险**：由于产品尚不完善且存在漏洞，一些公司的 IT 部门出于安全风险考虑可能会禁止使用 [25] * **产品成熟度**：OpenCloud 从 2025 年 11 月底首次提交代码至今仅四五个月，还处于非常早期的阶段，成熟稳定需要时间 [30] 其他重要内容 * **用户使用范式**：处理复杂任务的基本范式是“发现-学习-执行-定制”的循环，关键在于根据问题类型匹配最合适的大模型 [15][17] * **云厂商产品差异**：云厂商推出的 Copilot 产品（如 Kimi Copilot、智谱 Copilot）与 OpenCloud 核心逻辑一致，差异主要体现在工程化优化（如容错性、重试机制）和用户界面（增加可视化 UI）上 [18][19] * **差异化竞争策略**：厂商应依托已有产品平台和用户基础构建闭环，针对特定用户群体（如企业客户的等保 2.0 合规要求）和场景打造优势，而非覆盖全市场 [24] * **个人使用成本参考**：个人重度用户使用 Kimi Cloud 199 元套餐，一天流量可能消耗月限额的 6%；使用 Open Router 三天内的模型调用花费约 10 美元（不含 Skill 费用） [25]

**电话会议纪要关键要点总结** **一、 涉及的行业与公司** * **核心行业**：AI NAS（人工智能网络附加存储）行业，是传统NAS（网络附加存储）与AI Agent（人工智能代理）技术结合的产物[1][2][3][4] * **关联行业**：上游的芯片/半导体行业（如英特尔、英伟达），下游的AI Agent应用生态（如Open Cloud/“龙虾”），以及云计算、智能家居、安防等行业[17][22][36][40] * **提及的公司类型**： * **AI NAS企业**：包括现有NAS龙头企业和初创企业，会议认为它们在操作系统与生态构建上竞争激烈[20][21][30] * **科技大厂**：华为、小米、阿里等，会议认为其具备技术能力但当前对AI NAS赛道持观望或战略出发点不同[18][28][29][30] * **AI Agent/大模型厂商**：Open Cloud（“龙虾”）、DeepSeek、智谱、千问、Minimax等，它们是推动AI NAS需求的关键应用层[3][19][32] * **云服务商**：腾讯云、华为云、阿里云、亚马逊云等，被视为AI NAS在数据存储方面的对比方案和潜在竞合对象[11][14] **二、 核心观点与论据** **(一) AI NAS的兴起背景与驱动因素** * **直接催化**：AI Agent（特别是Open Cloud/“龙虾”）的破圈和火热，为AI NAS提供了绝佳的外部环境和投资机会[2][3][4]。地方政府（如深圳龙岗区、无锡）的政策引导也起到了推动作用[7]。 * **长期逻辑**：AI NAS正通过“高性能算力硬件 + 本地化隐私模型 + 开放的Docker/虚拟机生态”三位一体策略，将NAS从单一存储设备升级为家庭或中小企业的AI数据中心，这是一个长期的硬逻辑[32]。 * **发展阶段**：NAS行业经历了从企业级存储（2010年前后）到消费级一键使用（2020-2024年）的跨越，目前正借助AI Agent，从“存储设备”向“智能工具”和“家庭数字中枢”进化[5][25][27][30]。 * **用户痛点**：个人数据分散带来的“数据重力池”问题，以及AI Agent需要充足本地数据才能发挥效能，催生了数据归集需求[9][10]。同时，公有云存储的持续付费模式和对敏感数据的安全顾虑，为一次性买断硬件的NAS提供了市场空间[14][15]。 **(二) AI NAS对比传统PC、Mac mini及公有云的核心优势** 1. **数据归集与迁移成本低**： * NAS作为天然的数据基座，能集中管理个人/中小企业的零散数据，形成“数据重力池”，便于直接投喂给AI Agent，避免了在PC间迁移数据或上传至公有云的繁琐与成本[9][10][11]。 2. **7x24小时全天候在线与低功耗**： * NAS设计之初即为低功耗、持续运行的设备，而传统PC很难实现全天候在线。Mac mini虽可实现在线，但在远程访问便捷性和功耗上可能不及NAS[11][12]。 3. **本地化闭环与隐私安全**： * 相比公有云，NAS能实现数据的完全本地化存储和处理，在隐私敏感场景（如金融交易日志、量化模型代码）中具备优势，且商业模式为一次性硬件付费，长期看可能比持续订阅云服务更具性价比[14][15][16]。 4. **释放旧设备压力**： * 在旧PC上同时运行AI Agent和各种应用软件会加剧性能负担。NAS作为独立设备承载AI Agent的计算任务，可以解放主力设备[13]。 **(三) AI NAS的技术架构与产业关键** * **三层架构**：当前AI NAS产品大致分为高性能硬件层、操作系统与虚拟化层、AI应用层[17]。 * **竞争核心在操作系统层**： * **硬件层**：依赖上游芯片（如英特尔），企业间采购的物料差异不大，定制芯片能力弱[17][22]。 * **操作系统与虚拟化层**：是AI NAS企业投入资源最多、构建壁垒的关键。传统NAS是“70%靠硬件，30%靠软件”，而AI NAS对操作系统的依赖度大幅提升[17][18]。 * **核心能力**：打造**开放、兼容、开源**的操作系统，以适配未来不断涌现的各类AI Agent和大模型，而非仅为单一Agent（如Open Cloud）定制[19][20][42]。头部企业已投入**亿元人民币级别**的研发资源进行系统优化[20]。 * **差距体现**：企业间的差距主要体现在操作系统的开放程度、与硬件整合的流畅度以及是否内置智能体等方面[21]。 * **应用层依赖生态**： * AI应用层（如Open Cloud的上千种Skill）是用户感知最直接的部分，但主要由AI Agent开发商主导，AI NAS企业的作用是提供适配良好的承载平台[21][22][31]。 **(四) 行业竞争格局与未来展望** * **当前格局**：在NAS现有玩家和新玩家中，竞争焦点在于谁能在**AI NAS操作系统上拔得头筹并保持先发优势**，享受行业“好用”阶段的领导者红利[30]。 * **科技大厂的角色**： * 大厂具备技术能力，但当前更多处于观望状态。其战略出发点可能是打造通用AI模型，“用软件重新定义硬件”，而非单纯做一个硬件产品[29][30]。 * 会议认为，大厂全面发力介入可能需等待其自身AI模型能力足够成熟且看到赛道潜力明确之后[30]。小米NAS产品的多次延期被引为例证[30]。 * **未来增长空间**： * **渗透率提升**：AI NAS在中国及全球消费者中的渗透率有望加速提升[37]。 * **场景拓展**：从存储工具进化为**家庭AI中枢**，通过开放的OS整合智能安防、智能相框、智能音箱等更多智能硬件，实现“云-边-端”协同[35][36][39][40][41]。 * **产品延展**：以AI NAS设备为节点，可以衍生出新的下游硬件，实现“AI重新定义硬件”[43]。 **三、 其他重要内容（风险提示与细节）** * **风险提示**： 1. **技术迭代风险**：行业发展高度依赖Open Cloud等AI Agent模型的迭代速度和是否出现更多生活化、娱乐化的新模型[33]。 2. **原材料成本风险**：存储芯片等原材料涨价可能影响成本。不过，目标用户（生产力工具使用者）对价格的敏感度可能低于对工具效能的追求[33]。 3. **市场竞争加剧风险**：需关注后续跟随产品与头部产品的“代际差”。如果创新差距从年度缩短至季度甚至月度，竞争将急剧恶化，头部企业的创新红利会削弱[34]。 * **市场认知现状**：目前市场对Open Cloud（“龙虾”）的认知度高于对AI NAS的认知度，AI NAS仍属相对小众的赛道，处于从“难用”到“好用”的跨越阶段，远未到“好玩”的普及阶段[28][29]。 * **产品发展路径**：初期产品为抢占品牌声量，可能采用高定价、高毛利、高营销策略，使用最好物料（如英特尔芯片）。未来通过供应链降本（如采用国产端侧算力芯片）和丰富应用，实现产品普惠，从“玩具”变为“工具”[23]。 * **关键观察节点**：可关注头部公司在**Kickstarter等平台的众筹情况**及市场反馈，以及后续跟随产品的推出节奏和代际差距，以验证竞争壁垒和行业趋势[34]。

顺网科技电话会议纪要关键要点 一、 公司及行业概述 * 涉及的行业为**云计算（边缘算力）**、**电竞/网吧**、**AI应用**及**互联网广告与游戏**行业[1] * 涉及的公司为**顺网科技**，其核心业务包括云计算（边缘算力服务、云电脑）、互联网广告与增值服务、游戏研发与发行[1] 二、 云业务（算力与AI）战略与目标 * 云业务被定位为公司的**第二成长曲线**，并设定了**高增长目标**[2] * **2026年收入目标**：触发值**2.4亿元**，目标值**3.2亿元**；**2027年目标**在2026年基础上**再翻倍**[2] * 2025年云业务收入体量约**5,000万–6,000万元**，2026年目标隐含**4-5倍增长预期**[3] * 公司计划在2025年年报中**单独披露**云业务数据[3] 三、 云业务商业模式与收入结构 * **商业模式聚焦边缘算力**：利用网吧**50-60公里**半径布局边缘机房，提供以**消费级显卡**为主的算力[2][5][8] * **收入构成分为四类**： 1. **算力服务收入**：向网吧、电竞酒店等B端客户按时长收取算力租赁费用[5] 2. **云服务收入**：包括云电脑（C端）、云点（存储等软性服务）及云项目（面向小B的定制化“API+算力”打包服务）[5] 3. **云盒销售收入**：为接入云电竞的客户提供必要的终端硬件，形成硬件销售收入[5] 4. **算力设备出租收入**：体量相对较小[5] * 当前收入大头来自**B端**（网吧/电竞酒店等），C端（个人用户）潜力大但当前占比较低[10][11] * 云业务内部考核已按“**亿元**”维度推进，增长核心驱动来自**算力服务**、**云电脑（云服务）** 及**云盒销售**三块[8][9] 四、 核心业务场景与产品 * **云电脑业务承接两类个人用户需求**： 1. **游戏用户**：运行3A等对配置要求高的游戏[7] 2. **AI相关用户**：个人开发者及有AI应用需求的用户[7] * **算力池调度实现B/C端协同**：利用网吧**闲时算力**驱动云电脑服务，覆盖游戏与AI开发场景[2][7] * **AI云电脑产品化**：已部署轻量化**Open Cloud**模型，集成图像、语音、视频处理及编程开发等工具链，实现**开箱即用**[2][7][14] * **边缘节点布局逻辑**：基于网吧点位分布，在客户**50-60公里**服务半径内建边缘机房，以满足**毫秒级低时延**需求[8] 五、 增长驱动与盈利路径 * **增长驱动因素**： * **行业升级窗口**：网吧行业显卡从3系向**5系**升级，平均每**2-3年**更新一次，为云模式切入提供机会[8][9] * **客户需求**：新开业网吧采用云模式可降低一次性资本开支压力，行业对云模式认可度提升[9] * **算力规模**：自主可控算力已达**5万路**，但占网吧行业“**几百万台终端**”的比例仍不到**1%**，B端扩展空间大[9][10] * **价格策略调整**：前期为市场拓展进行让利，下一阶段将**结束优惠**，算力服务收费具备**上调空间**[2][9] * **盈利路径**： * **C端（个人云电脑）毛利率高于B端**，边际成本主要为电费（仅“**几毛钱**”）及带宽[2][13] * 随着算力“量”的提升与服务“价”的提升，将共同推动**收入与利润双增**[2][9] * 公司模式具备**算力复用**优势，向图像渲染、游戏与AI应用提供服务，**边际成本较低**，ARPU较高，有更快跑出利润的潜力[12] 六、 传统广告与增值业务 * 业务与**游戏行业景气度**关联度高，投放高峰集中在新游上线、版本更新及假期[11] * **2026年展望**：可能出现**收入增速放缓但利润保持增长**的“分叉”走势[2][15] * **原因**：公司自2025年下半年起**主动剥离低毛利增值业务**（如游戏道具、CDK），导致2026年上半年收入承压，但高毛利广告占比提升使利润保持稳健[2][15][16] * 2026年**Q1、Q2**收入同比压力较大，下半年随着高毛利业务发展及新游戏项目上线，表现将更易被理解[16] 七、 游戏业务与其他 * **自研游戏《三国百将牌》**：预计**2026年Q2**由**B站**发行，定位为“**大DAU产品**”[3][16] * **研发团队**：由公司持股**80%** 的控股子公司“浮云”承载，相关收入在公司合并口径按**80%** 比例确认[19] * **分润比例**：未具体披露，预计遵循行业常见合作模式[17][18] 八、 资本开支与成本 * **资本开支规划**：核心约束非资金，而是**客户上云需求**，将尽快加速算力建设，资金可通过自有资金或联合行业社会资金解决[15] * **成本影响**：算力以**消费级显卡**为主，上游硬件涨价中**存储涨幅最大**，但消费级显卡涨价影响相对较小，整体成本侧相对有韧性[15]

关键要点总结 一、 公司概况与核心战略 * 公司为优刻得，是一家中立云厂商，2012年成立，2020年上市，按规模口径在国内中立云厂商中处于首位[3] * 公司自2021年起战略性收缩不盈利业务，并自2020年起自建IDC，有效提升毛利率[2][3] * 未来核心发展方向为AI与全球化，经营抓手是提升AI收入占比和拓展海外市场[2][5] * 2025年四季度首次实现季度盈利，为关键转折点[2][3][27] 二、 财务与经营表现 * 2025年前三季度AI相关收入占比已接近40%[3] * 毛利率从几年前的个位数提升至2025年的25%，未来倾向于稳中小幅提升，短期可能在25%以上、30%以下区间[16][17] * 2025年四季度实现首个季度盈利，2026年目标是在全年层面实现盈利[3][11] * 客户结构分散，前五大客户收入占比不到25%[2][7] * 季度收入规模约4–5亿元，全年约20亿元[12] 三、 数据中心资源与规划 * 自持IDC位于内蒙古乌兰察布和上海青浦[2][5] * 乌兰察布IDC具备低电价优势，规划12,000个机柜，当前利用率约60%（即7,200个），计划2026年3月新增1,800个机柜，2027年投产[2][5][6] * 上海青浦IDC区位优势明显但电价较高，规划5,000个机柜，已部署2,000多个，扩建将根据需求逐步推进[2][5][6] * IDC侧资源上架率在不考虑磨损的情况下为90%多，接近满载[12] * 公司自持机柜比例较少，主要集中于青浦和乌兰察布，其余以租赁为主，在全球20多个国家部署节点[21] 四、 AI业务与算力资源 * AI相关收入占比接近40%，且毛利水平高于传统业务[3] * GPU采购以推理场景为主，整体卡量合计2万多张[4][9] * 绝大部分GPU为4,090和5,090型号，国产卡“木兮”约2,000张，H20、H200尚未到位[4][9] * 2026年购卡策略以客户需求为导向，较为动态，不制定固定规划[19] * 自2025年第三季度起，将GPU算力卡折旧年限从4年调整为5年，对后续利润表现有积极影响[4][20] 五、 客户结构与行业分布 * 客户结构分散，中小客户占比较高，更偏向中小客户的需求增长[7][18] * 行业代表性客户包括：游戏行业（智谱）、手机行业（vivo、OPPO、小米）、汽车行业（小鹏、长安）和金融行业（东方财富）[2][7] * 智谱在现有客户中至少处于前三水平，当前前三客户为米哈游、智谱和vivo[24] * AI算力需求主要来自需要使用AI能力的客户，大模型相关需求量最大，其次是行业模型构建和智驾训练[24] * 在脑机接口等领域存在从客户关系升级为战略合作的具体案例[24][25] 六、 涨价策略与影响 * 紧张资源主要集中在GPU相关资源，公司已在2025年7月中旬先行对AI相关服务涨价[2][7] * 涨价执行仅对新增订单，存量订单暂不调整[2][8] * 涨价幅度参考亚马逊，约为15%-20%，但实际幅度仍在逐客户沟通中[2][9] * 若假设整体涨价10%，对应年收入增量约2亿元，增量中绝大部分预计将转化为利润，利润留存估计为6成（扣税后约6成7）[12][13] * 涨价成因判断为上游设备涨价，由供给刚性叠加需求提升导致[8] 七、 全球化与海外业务 * 2025年前三季度海外收入占比约20%出头，现阶段主要服务中国企业出海[5] * 未来将深化海外布局，拓展至欧美等更发达区域，已于2026年初开始在海外布局新节点[5] * 扩张海外客户可提升国内资源利用率（利用时差），且欧美客户AI需求更强[2][5] * 计划在美国新设节点，2026年赴欧美出差将更频繁[5][30] * 海外业务利润率不会特别高，公司未核算过海外较国内高5–7个点的具体数据[15] 八、 竞争优势与业务模式 * 竞争优势主要体现在：1) 中立性优势，不与客户竞争[10]；2) 经营灵活性，在跨境业务（如俄罗斯）有适配性[10]；3) 技术与服务快速响应能力[10] * 业务模式更偏“零售商角色”，签单周期较短，平均约一年，较少出现多年期大额长单[8][26] * 偏零售模式若运营到位，其毛利率应高于偏批发、承接大客户型业务，公司毛利率较部分偏“大厂运营”模式的厂商高出几个点[26] 九、 行业展望与前沿探索 * 行业变化快，三年维度的中期判断难度较大[11] * 更理想的情景是2026年内看到AI、agent及AI应用同步兴起并普及，更多行业形成商业闭环[24] * 公司关注太空算力/太空数据中心领域，认为其长期经济性核心来自太空能源成本显著低于地面[28] * 该方向属于系统性工程，关键难点集中在太空运营与运维，如容错率低、散热、机器人运维及故障排查机制等[29] 十、 其他运营细节 * 资源复用率区间为1.5到2[12] * Open Cloud等相关产品仍处于观察阶段，需求门槛主要来自IT知识和使用环境[22] * 金融领域客户（如东方财富、同花顺）较适合推进行业模型建设，因其数据量大且投入能力强[24]

行业与公司 * **行业**：人工智能（AI）行业，特别是AI编程、大模型、智能体应用、文生视频等领域 [1] * **公司**：主要涉及智谱科技和Minimax两家中国AI大模型公司，并提及了OpenAI、CloudOps、Anthropic等海外公司 [3][15][20] 核心观点与论据 AI编程与模型迭代驱动算力需求 * **AI编程渗透率快速提升**：AI生成代码占GitHub每日提交量约30%，其中Cloud Code贡献接近10% [1][3][4] 预计到2026年底，AI将生成程序员80%的代码 [1][5] * **模型性能迭代超预期**：CloudOps 4.6版本在长上下文索引方面实现重大突破，克服了大模型上下文衰减问题 [2] OpenAI的Codex 5.2和Cloud Code是当前编程领域最优秀的模型之一 [2] * **编程领域Token调用量激增**：近期一周内Token调用量同比去年同期增长15倍，其中编程领域贡献超过50% [1][11] 预计2026年全年编程领域提升3-4倍，未来一年Token调用量可能增长5倍以上 [1][12] * **智能体应用爆发式增长**：OpenClaw智能体项目自2026年1月底上线后爆火，目前28%的模型调用量来自OpenClaw应用 [1][7] 智能体应用总调用量占比从两三个月前的不到20%增长至45% [7][8] * **云厂商资本开支大幅增加**：北美四家云厂商2026年第四季度合计资本开支约1,270亿美元，同比增长60% [1][13] 2026年全年支出同比增长65%至约4,100-3,500亿美元 [1][13] 预计2027年总计资本开支将达到6,250亿美元 [1][13] 大模型应用与市场动态 * **大模型调用量显著上升但渗透率仍低**：整体调用量增长主要归功于Open Cloud的驱动 [1][9] 但真正调用大语言模型的代码库占比极低，仅为约0.5%（70万个/1.2亿个） [1][10] 过去一年调用AI模型的代码数量翻了三倍，处于高速爆发状态 [1][10] * **文生视频技术取得突破**：C站生成视频技术在多模态混合输入方面实现重大突破，音频与视频匹配度极高，并引入独立声学物理引擎，效果明显优于其他平台 [14] * **国产大模型发布潮可能带来新行情**：如Kimi 2.5到Deepseek V4等模型的发布可能带动板块行情 [15] 价格战企稳后价格反弹将显著提升行业利润率 [22] 智谱科技深度分析 * **近期表现优秀的原因**：受益于政策支持（北京中央调研）和Pony Alpha模型上线OpenLotus后实测效果良好 [3][15] 算力紧张导致限售Coding Plan，但随着算力供给增加，云端收入可能迎来爆发 [15][16] 相比Anthropic‘s Claude plan，智谱价格便宜，仅为其1/10左右，未来API价格及业务毛利率有望提升 [3][16] * **行业地位与背景**：脱胎于清华大学计算机系，在大模型领域处于领先地位 [17] 2023年和2024年收入利润均实现翻倍以上增速，预计2025年整体收入增长也将至少翻倍，2026年高增速仍将持续 [17] * **业务结构演变**：业务分为本地部署和云端服务 [18] 2024年B端业务占比84.5%，云端占比15.5% [18] 2025年第三季度云端占比提高至20%以上，预计全年可达30%至40% [18] * **未来盈利预测**：预计2025年总收入约8亿元人民币，实现150%以上的增长（本地业务超5亿元，云端业务近3亿元） [19] 预计到2026年云端业务占比可能超过本地业务，并继续保持高增长 [19] Minimax深度分析 * **与智谱的异同**：与智谱都拥有强大的基座模型能力 [3][20] 但Minimax产品矩阵更丰富，包括视频生成、音频生成、陪伴式聊天机器人等C端场景应用 [3][20] 截至2025年前三季度，Minimax约70%的收入来自C端场景，而智谱几乎100%来自B端 [20] * **商业化与产品能力**：在C端难以收费情况下，通过优秀产品能力获得市场认可 [20] 核心产品Toky通过虚拟场景、剧情人物以及道具购买实现商业化变现 [3][20] * **发展前景与数据**：前Q3 MAU约2,700万，其中付费用户约117万，付费率约6% [21] 未来付费率可能提升至15%-20%，ARPU值约15美元 [21] 目前AI原生产品营收3,800万美元左右，B端收入1,500万美元左右 [21] 将在B、C两条线上实现国产模型商业化 [22] 其他重要内容 * **AI编程改变开发方式**：AI编程类似策略游戏，通过指挥不同智能体写程序块并进行拼接，极大改变了传统写程序方式 [11] * **智能体应用的网络效应**：未来不仅是Open Cloud，还会有更多智能体涌现，并且这些智能体可以迅速复用现有能力，对算力产生巨大推动 [9] * **严肃场景下的模型选择**：在严肃场景下性能优越的大模型将获得更多客户群体 [16] * **智谱的人才优势**：吸引了大量北京高校（如清华、北大）的人才从实习开始参与公司工作 [17] * **智谱的客户质量**：客户主要集中在科技和互联网公司，如美团等知名企业，体现了产品的优异表现 [18]

**Open Cloud (龙虾) 电话会议纪要关键要点** **一、 纪要涉及的行业与公司** **1. 核心行业** * **AI Agent (智能体) / AIGC行业**：会议核心围绕近期爆火的Open Cloud (曾用名CloudBolt/Cloud Auto/Mottobot)项目展开，探讨AI代理平台的发展、技术特点、应用场景及行业影响[6][7][8]。 * **云计算与边缘计算行业**：讨论Open Cloud的部署方式，涉及本地设备、云端服务器及边缘计算节点[16][24][25]。 * **消费电子与半导体行业**：因Open Cloud本地部署需求，延伸讨论苹果Mac mini等硬件设备，以及内存、芯片供应链情况[27][34][37]。 **2. 涉及的主要公司** * **项目/产品方**：Open Cloud (开源AI代理平台)、Notebook (AI专属社交网络)[8]。 * **科技巨头/云厂商**： * **海外**：OpenAI、Anthropic (Claude)、Google (Gemini)、Meta (业绩分析)、苹果 (Mac mini, iPhone业绩)[14][21][36][45]。 * **国内**：Minimax、智谱AI (GLM)、月之暗面 (Kimi)、阿里 (通义千问)、深度求索 (DeepSeek)、腾讯 (混元)、字节 (豆包、火山引擎)、百度 (文心)[14][31][41][44]。 * **基础设施/安全厂商**：Cloudflare (因安全与CDN需求被提及)[24]。 * **硬件/半导体**：苹果 (Mac系列)、英伟达、台积电[27][37][38]。 * **券商/研究方**：华泰证券 (计算机、海外科技、互联网团队)[6][27][40]。 **二、 核心观点与论据** **1. Open Cloud 项目概况与特点** * **项目起源与热度**：Open Cloud最初为奥地利个人开发者在GitHub发布的开源项目，1月26日发布后24小时内获5万星，一周内突破10万星，目前已有11.4万星，日访问量200万，Discord成员超5万，是增长最快的开源AI项目之一[6][7][9]。 * **核心创新点**： * **AI智能体网关**：核心创新在于作为网关，允许用户通过常见聊天工具 (如Telegram、WhatsApp、钉钉、飞书、QQ等) 远程向AI代理发送指令，操控电脑完成任务，提升了用户体验和便捷性[11][12][20]。 * **本地环境操作能力**：不仅能通过API调用云端大模型，还能直接操作本地电脑的文件、浏览器、邮箱、日历等，结合大模型完成任务[13][18]。 * **持久记忆与多任务**：具备长期记忆功能，可记住用户设定的角色、任务；支持多任务场景，可7x24小时持续运行[16][17][22]。 * **开源与灵活性**：作为开源项目，具有高度灵活性，支持配置多种国内外大模型 (如GPT、Gemini、GLM、千问、DeepSeek等) 和调用丰富的技能(Skills)[14][20]。 * **与同类产品的区别**： * **vs. Anthropic Claude for Work (Co-Worker)**：Open Cloud更偏向多任务、持续运行、具备更广泛的连接能力；Co-Worker更偏向单项目级任务[21]。 * **vs. 国内Agent (如豆包手机助手、智谱AutoGLM)**：国内产品更多聚焦手机端操作，通过视觉模拟或调用手机APP API实现功能，且偏向单次交互任务；Open Cloud可操作本地电脑，支持多任务[21][22]。 **2. 技术演进与行业影响** * **Agent演化路径**：行业正从解决简单任务的单Agent，向多Agent协同解决复杂任务演进，未来将形成Agent网络[22][23]。 * **催生的新需求与机会**： * **算力需求**： * **本地设备**：为满足7x24小时运行，带动了Mac mini (尤其是24G/32G大内存版本，部署成本5000元以上)、边缘计算盒子等本地算力设备需求[24][27][30]。 * **云端/边缘服务器**：各大云厂商 (如腾讯云) 已支持Open Cloud一键部署，提供安全隔离，用户可按需选择。例如，腾讯云Lighthouse最低配置(2核CPU+2G内存)月费约45元人民币[25][31][32]。 * **安全需求**：开源项目存在安全漏洞，权限越高风险越大，催生了访问控制、审计、数据加密、代码审计等网络安全需求，利好Cloudflare等安全厂商[23][24]。 * **社区与生态**：衍生出Notebook等AI专属社交网络 (3天内吸引150万AI账号注册)，预示未来可能出现针对开发者或Agent的垂直社区，国内厂商如“元宝派”已在尝试[8][43][45]。 **3. 相关硬件与供应链分析 (聚焦苹果)** * **Mac mini 受青睐的原因**： 1. **存算一体架构**：M系列芯片采用统一内存，无需复杂内存规划，在存储价格上涨背景下效率优势明显[28]。 2. **开发环境友好**：macOS系统对开发者生态、UI交互及图形支持友好[28]。 3. **部署运维成本低**：低功耗、省电、稳定，适合长期开机运行[29]。 4. **隐私安全**：苹果产品在隐私和数据安全方面规格较高，符合本地部署需求[30]。 * **对苹果公司影响评估**：Mac系列占苹果硬件收入约10%，其中Mac mini占比估计仅2-3个百分点，对整体销售拉动有限[34][35]。 * **苹果最新业绩与展望**： * **FY25Q1 (10-12月) 业绩超预期**：iPhone 17销售强劲，各区域增长，供需紧张，部分版本缺货[36]。 * **下季度指引乐观**：收入预计增长13%-16%，毛利率中值48.5%，超市场预期[36]。 * **业绩会关注点**： * **内存涨价**：下季度影响更大，公司考虑与供应商签长约应对[37]。 * **芯片供应紧张**：iPhone的SOC与英伟达AI芯片争夺台积电3纳米产能，紧张状态可能持续[38]。 * **AI合作**：苹果与Google合作，计划将Gemini能力纳入基座模型，打造个性化Siri，同时强调端侧(On-device)能力与隐私的重要性[38]。 **4. 互联网与AI大厂视角** * **国内大厂布局**：Minimax在早期API调用体验较好；豆包、腾讯“扣子”、千问等在开发者生态和Skill建设上各有侧重；Minimax在Agent专业度上被认为较高[41]。 * **部署与使用门槛**：目前部署过程对非程序员仍较复杂 (如配置QQ机器人需约2小时)，且存在权限限制 (如不能传文件、调用第三方APP)。未来一键部署和自然语言理解优化是关键[32][33][42]。 * **社区与流量演变**：初期关注产品本身，随后关注Minimax等厂商，未来可能转向AI社区演变。国内大厂通过红包、春晚合作等方式获客，但针对开发者或Agent的垂直社区可能带来新的流量贡献[43][44][45]。 **5. Meta 业绩亮点摘要** * **业绩超预期**：主业营收利润及资本开支指引均超预期[46]。 * **战略调整见效**：将资本开支更多投入AI模型研发，而非非主业投资；XR业务减亏[46][47]。 * **AI相关进展**：AI视频生成工具年化营收已达100亿美元，与主流媒体差距缩小；Swae超级应用全球上线广告；Meta AI商业助手开始测试[47][48]。 * **估值处于低位**：与腾讯类似，Meta估值处于历史低点 (去年12月曾达十几倍PE)，具备修复空间[50]。 **三、 其他重要但可能被忽略的内容** * **安全风险警示**：报告人多次强调，由于是个人开源项目，Open Cloud存在安全漏洞，建议不要部署在个人主力PC上，应选择服务器或云端部署以控制风险[23][24]。 * **实际应用场景举例**：除常规任务外，Open Cloud可实现一些有趣功能，如：配置AI助手在Twitter上关注AI大佬并总结观点；控制手机完成发信息、打卡等操作；甚至AI Agent之间在社区讨论技术、创建“宗教”、发明加密语言等[15][17][10]。 * **国内部署实践分享**：分析师分享了在腾讯云部署Open Cloud的具体流程：开通Lighthouse实例、配置DeepSeek模型API、连接QQ机器人作为交互通道，并指出了当前在文件传输和第三方APP调用上的限制[31][32][33]。 * **Agent的“独立思考”讨论**：Notebook社区中AI Agent的行为引发了关于AGI是否具备独立思考能力的讨论，但会议未下结论，仅作为现象提及[10]。