OpenAI：人类打字速度将成通用人工智能发展瓶颈 OpenAICodex产品负责人AlexanderEmbiricos表示，人类的打字速度将成为通用人工智能（AGI）的发展 瓶颈，主要原因是人们仍需要通过写提示词（Prompt）来引导AI，并亲自检查、验证AI的输出结果。 智元"擎天租"机器人租赁平台12月22日发布 12月15日，智元机器人宣布，将于12月22日举办全国机器人租赁生态峰会暨"擎天租"平台发布会，推动 机器人租赁产业标准化，规模化发展。 越疆机器人入选"港交所科技100指数" 越疆机器人入选香港交易所近期推出的"港交所科技100指数"。该指数以研发投入、创新能力、行业代 表性为核心筛选标尺，成分股需满足"过去两年研发开支占比不低于3%"等条件。 中国移动与埃斯顿酷卓签署战略合作协议 埃斯顿酷卓12月15日发布消息，近日，中国移动与埃斯顿酷卓正式签署战略合作协议，双方将围绕工业 具身智能、数据价值挖掘、前沿技术创新方面展开战略合作，携手打造"智慧大脑"与"超强神经"，共同 深耕智能制造领域。双方将联合探索5G/5G-A乃至6G网络与具身机器人的深度融合，通过移动通信低延 迟特性，突破机器人远程 ...

【环球网科技综合报道】12月15日消息，据《商业内幕》报道，OpenAI Codex 产品开发负责人 Alexander Embiricos日前表示，通用人工智能 (AGI) 目前"被低估的限制因素"是"人类的打字速度"。 Embiricos 认为，人类的打字速度限制了通用人工智能的发展进程，人类需要依靠提示词来引导并检查 人工智能的工作。 "如果我们能够重建系统，让智能体默认就能发挥作用，我们就能开始解锁'曲棍球棒效应'，"他说。 来源：环球网 曲棍球棒效应，指在固定周期内前期销量较低，期末出现突发性增长的需求波动现象，其需求曲线形态 类似曲棍球棒。 Embiricos 表示，实现完全自动化的工作流程没有简单的途径，每个用例都需要自己的方法。但他预 计，人们很快就会看到明显进展。（思瀚） ...

范式转变与竞争格局 - AI编程范式转变的受益者并非资源最多的大公司，而是敢于从小场景切入的团队[1] - 当前竞争的关键不在于谁能造出更强的模型，而在于谁已经开始用AI实际干活[3] - 小团队的机会在于做小、做快、做真实，而非追求大而全[9] 小团队的产品与开发策略 - 小团队的首要任务是找到明确、具体的小场景并做出结果，而非先融资或烧算力[5] - 产品架构应保留选择权，为切换不同模型（如GPT、Claude、Gemini、开源Qwen）留好接口[6] - 必须控制自有数据，避免数据被锁定在外部SaaS平台形成孤岛，以构建真正的护城河[6] - 开源模型结合自有数据对小团队尤为重要，因其灵活可控且适合快速验证小场景[7][8] AI编程的普及与影响 - 写代码正从工程师的专属技能转变为普通人也能上手的能力，即“Vibe Coding”[12][13] - 开发能力正变得像使用Excel或画图软件一样自然，真正的门槛从技术能力转变为行动速度[14][29] - 开发者每月为AI编程工具付费数百甚至上千美元，因其能将产出速度提升数倍[17] - 大学计算机专业失业率上升，原因在于课程未及时调整以教授AI写代码技能[15] 智能体的实际应用价值 - AI智能体的价值在于解决企业内繁琐的实际任务，如从PDF中自动提取结构化数据，而非进行概念演示[21][24] - AI的下一个阶段是充分利用PDF、音频、邮件等非结构化数据[25] - 小团队在部署智能体方面更具优势，因其无遗留旧系统阻碍，能快速在局部场景产生真实效率[26][28] - 智能体的真正用法是成为业务流程中不抱怨、不下班、不请假的执行者[27]

Stripe股份回购 - 公司正与风险投资支持者讨论股份回购事宜 回购估值达1067亿美元 [1] - 此举可能使早期投资者能够变现其股份 公司近年来增长显著 [1] - 回购的具体时间或结构尚未公布 但此举表明公司致力于管理其股东基础并维持市场估值 [6] - 公司仍是金融科技领域的关键参与者 持续发展其产品组合以适应快速变化的市场需求 [6] 亚马逊AI编程助手 - 亚马逊新AI编程助手Q在收入方面落后于竞争对手 [2] - 尽管公司拥有显著资源和技术专长 但该助手未能达到预期的收入吸引目标 [2] - 市场竞争激烈 微软GitHub Copilot和OpenAI Codex等已建立市场地位的玩家拥有广泛采用和强大的用户基础 [7] - 部分用户指出Q的早期版本缺乏其他编程助手标配的某些功能或集成 [7] - 公司旨在通过持续更新和增加功能来改进Q 以期追赶竞争对手 [7] Nukkleus收购Star 26 Capital - 公司宣布签署经修订和重述的证券购买协议 将收购Star 26 Capital 100%的股权 [4] - 此次收购预计将通过整合Star 26的先进技术和广泛运营来巩固公司的市场地位 [4] - 公司首席执行官表示 该交易不仅仅是简单的财务交易 而是创建互补技术的强大生态系统 [5] - 通过联合Star 26及其子公司与公司现有投资组合 旨在为创新建立更强大、更有韧性的基础 目标是构建股东长期价值 [5] - 交易最初于2024年12月宣布为收购51%股权并有权收购剩余部分 目前仍在等待股东批准 [8] - 持续的合作关系已使公司和Star 26显著增强了各自的投资组合和运营实力 [8]

浏览器与生产力工具AI升级 - Chrome进行2008年以来最大更新 集成Gemini AI助手到浏览器右上角 支持跨标签页对话和内容总结 [1] - 地址栏升级为"Omnibox全能框" 可智能推荐问题并直接开启AI模式进行复杂查询 [1] - 利用Gemini Nano增强安全保护 识别有害网站 自动管理垃圾通知 一键修复泄露密码 已向美国用户开放 [1] - Notion发布3.0版本 引入Agent功能 可自主执行所有Notion操作 为时隔7年重大更新 [2] - Agent能自主工作长达20分钟 跨工具完成复杂任务 如整合客户反馈 更新知识库 生成入职计划 [2] - 新版本引入个性化"记忆库" 即将推出"自定义Agent"支持自动运行和团队共享 创建专属AI团队成员 [2] 3D设计与视频生成技术突破 - 腾讯发布混元3D Studio 整合3D资产生产全流程 将生产周期从天级缩短到分钟级 [3] - 工作台提供概念设计 几何建模 组件拆分 低模拓扑 贴图 绑骨蒙皮 动画等全方位3D创作管线 [3] - 平台搭载混元3D 3.0模型 具备分割生成 UV展开 材质编辑等创新功能 已集成于混元3D AI创作引擎 [3] - 阿里云开源通义万相动作生成模型Wan2.2-Animate 支持驱动人物 动漫形象和动物照片 [4] - 模型提供角色模仿和角色扮演两种模式 人物一致性和生成质量大幅提升 [4] - 通过骨骼信号 隐式特征和光照融合LoRA技术 在主观评测中超越Runway Act-two等闭源模型 [4] - Luma AI发布Ray3全球首个推理视频模型 将AI视频从实验性生成推进到专业可用 [5] - Draft Mode仅用20秒生成预览 成本为最终渲染1/5 支持精细控制 允许涂鸦引导演员动作和镜头运动 [6] - 模型支持保真运动 物理模拟 复杂人群 光照交互和写实细节 原生支持10 12 16-bit HDR视频输出 [6] 音频与语音技术进展 - ElevenLabs推出Studio 3.0 将旁白 音乐 音效 字幕和视频编辑整合到一条时间线 [7] - 支持从10,000+AI声音中选择 自动生成专属配乐 文本提示生成音效 语音校正和隔离 一键多语言字幕 [7] - 工具适用于视频创作者 播客主 有声书作者和AI电影人 所有功能可通过API调用 [7] - 小米开源首个原生端到端语音模型Xiaomi-MiMo-Audio 参数规模70亿 预训练数据超1亿小时 [8] - 模型具备自然对话 音频字幕 长时间音频理解等多种能力 首次实现语音领域基于ICL的少样本泛化 [8] - 在MMSU MMAU等基准测试实现SOTA 可用于语音续写 语音编辑和音频理解 [8] 生物科技与AI交叉创新 - Retro Biosciences宣布年底启动实验药RTR242首次人体试验 可激活衰老细胞自噬系统 [9] - 公司使命是清理大脑中堆积变异蛋白和损伤分子 以延长人类10年健康寿命 [9] - 实验室中干细胞标记表达量提升50倍 公司计划募资10亿美元与Altos Labs竞争 [9] - Arc研究所和斯坦福大学团队利用Evo模型构建全球首个AI生成功能性噬菌体基因组 [10] - 所有功能性基因组携带67-392个新突变 部分基因组整合远缘噬菌体蛋白质并保持功能 [11] - 实验验证AI设计基因组能感染特定宿主菌株 展示AI协调复杂突变能力 [11] 开发工具与代码生成应用 - OpenAI公开Codex7种核心应用场景 包括代码理解 重构迁移 性能优化 提升测试覆盖率等 [12] - 技术团队用Codex快速理解陌生代码 批量修改多文件 优化性能瓶颈 生成单元测试 [12] - 公开6条最佳实践 包括用提问模式分析 迭代改进开发环境 构建详细提示等 [12]

行业变革趋势 - 软件工程行业正式迈入AI作为协作伙伴的3.0时代，全球已有超过6.1万个开源项目接纳AI编程智能体作为同事 [1] - AI编程智能体已超越简单代码补全，能独立发起代码修改请求、参与评审并与人类开发者讨论修改方案 [1] - 开源平台正进化为AI智能体的训练场，代码合并与测试失败分别成为强化学习的正负反馈 [12] 市场采用规模 - 研究基于对45.6万条GitHub代码修改请求的分析，使用者包括4.7万名人类开发者 [1][3] - OpenAI Codex表现最为活跃，提交代码修改请求达41万次（截止发文已达80万次） [3] - Devin和GitHub Copilot分别以2.4万和1.6万次提交紧随其后 [3] 效率提升表现 - GitHub Copilot平均仅需13分钟完成代码修改请求的核心工作，远快于人类开发者所需的数小时甚至数天 [4] - 一位开发者借助OpenAI Codex在3天内提交164次代码修改，几乎相当于其过去3年（提交176次）的工作总量 [6] - AI编程智能体如同为每位程序员配备100个不知疲倦的实习生，可24小时不间断产出代码 [6] 代码质量对比 - AI代码的接受率普遍低于人类，OpenAI Codex的代码合并率为65%，GitHub Copilot为38%，而人类开发者平均达到76% [7] - 在核心功能开发和缺陷修复任务中，AI与人类的差距尤为显著，低15-40个百分点 [7] - 但在文档编写方面，OpenAI Codex的修改接受率高达88.6%，显著超过人类的76.5% [9] 协作模式演进 - 高达37%的GitHub Copilot代码修改请求经历了人机联合评审，由AI工具初步筛查后再由人类把关 [9] - 研究发现GitHub Copilot提交的代码通常由其同门AI智能体初审，存在自己人审自己人的潜在审查盲点 [11] - 未来程序员角色将重新定义，更像交响乐团指挥家，专注于战略目标设定和协调多个AI乐手协作 [12] 技术发展方向 - 建立动态评测体系，摒弃传统静态测试，直接在真实项目环境中评估AI表现 [12] - 深入分析被拒代码修改请求，建立AI常见错误库以驱动改进 [12] - 针对TypeScript等AI擅长语言进行深度适配，或开发AI专用新语言 [12] - 重点解决部分任务响应超时（大于1小时）的长尾问题，并提升AI对不明确任务意图的理解与规划能力 [14]

核心观点 - LLM作为编程辅助工具能显著提升效率，但需人类主导协作流程才能达到最佳效果[4][6][12] - 前沿LLM如Gemini 2.5 PRO和Claude Opus在代码审查、知识补充、设计优化等方面展现博士级能力[4][9][15] - 当前阶段LLM无法独立处理复杂任务，需通过精准提示和全量上下文输入实现价值最大化[6][7][16] LLM协同编程优势 - 代码质量提升：在Redis Vector Sets实现中通过Gemini/Claude审查提前消除潜在bug[4] - 开发效率飞跃：LLM可快速生成一次性测试代码，验证方案可行性并缩短迭代周期[4] - 知识边界拓展：帮助程序员快速掌握68000汇编等非擅长领域技术[5] 最佳实践方法论 - 上下文供给：需提供完整代码库、设计文档及头脑风暴记录，避免RAG机制削弱性能[7][8][16] - 模型选择策略：复杂问题推荐同时使用Gemini 2.5 PRO（语义理解）和Claude Opus（代码生成）[9][15] - 流程控制：禁止使用智能体自动化，需人工介入代码迁移与信息过滤[10][12][16] 行业争议焦点 - 智能体效用分歧：部分开发者认为Codex等智能体在移动场景下具备实用价值[19][20] - 领域依赖性：编程语言和问题领域显著影响LLM应用效果，需具体案例验证[23][24] - 提示工程成本：严谨的提示词设计所需脑力投入可能接近直接编程[25]

核心观点 - 编程方法论依旧重要，但写代码正被重新定义，自然语言成为最高级编程语言 [3] - AI编程是当前大模型最具颠覆性的领域，将快速取代传统编程工作 [4][5] - 程序员角色将从代码编写转向需求定义和系统设计，AI将承担大部分实现工作 [27][28] - AI编程市场潜力巨大，预计8年后全球市场规模突破200亿美元 [10] AI编程现状与影响 - 行业高管预测：Anthropic CEO预计3-6个月内AI编写90%代码，12个月内接近100% [5] - 微软30%代码由AI生成，Meta预计很快达50% [8] - 美团52%代码由AI生成，90%工程师频繁使用AI工具，部分团队AI编写比例超90% [8] - 美国程序员就业率降至1980年以来最低水平，岗位数量较互联网泡沫时期减少一半 [6] - 腾讯云代码助手企业客户采纳率达30%，单测执行率提升18%，代码评审覆盖率增长20% [8] AI编程市场格局 - 主要玩家包括Cursor、Windsurf、Devin、GitHub Copilot、通义灵码等 [12] - Cursor完成9亿美元融资，估值90亿美元，年度经常性收入达2亿美元 [12] - 产品类型分为三类：程序员助手Copilot、端到端执行Agent、专注特定领域的代码模型 [13] - 编程范式从传统编程转向氛围编程(vibe coding)，开发者角色发生根本变化 [13] 技术发展趋势 - 从代码补全工具向自主Agent演进，覆盖规划、编写、测试全流程 [16][17] - 上下文窗口持续扩大，Augment Code支持20万Tokens，可处理更复杂项目 [21] - Claude Opus 4在复杂任务表现优异，有望承担更大项目 [18] - 基础大模型可能"吃掉"独立编程工具，但后者在交互体验和数据积累方面仍有优势 [23][24] 行业影响与未来展望 - 编程门槛降低将激发新需求，催生"一人公司"和个性化软件定制 [28][29] - 程序员转型为AI指挥官，核心价值转向问题定义和系统设计 [27][28] - 2030年可能出现"人人都是程序员"场景，自然语言成为主要编程媒介 [30] - 人类护城河在于提出好问题和定义标准，而非代码实现能力 [32]

核心观点 - 编程方法论依旧重要，但自然语言正快速成为新的高级编程语言 [1] - AI编程是当前大模型最具颠覆性的领域，将重新定义软件开发范式 [3][4] - 程序员角色将从代码编写者转变为AI指挥官和问题终结者 [29][35] AI编程发展现状 - 微软30%代码由AI生成，Meta预计很快达到50% [7] - 美团52%代码由AI生成，90%工程师频繁使用AI工具，部分团队AI编写90%以上代码 [7] - 腾讯云代码助手企业采纳率达30%，单测执行率提升18%，代码评审覆盖率增长20% [7] - 美国程序员就业率降至1980年以来最低水平，岗位数量从70万萎缩至一半左右 [5] 市场预测与规模 - Anthropic CEO预测未来3-6个月AI将编写90%代码，12个月内接近100% [4] - OpenAI首席产品官预计2025年底AI编码将实现99%自动化 [5] - 全球AI Coding市场8年后将突破200亿美元 [9] - 中国2023年软件和信息技术企业超3.8万家，软件收入12.3万亿，均为潜在市场空间 [10] 主要玩家与产品 - Cursor完成9亿美元融资，估值90亿美元，年度经常性收入达2亿美元 [12] - GitHub Copilot可规划、编写、测试和迭代代码，提出完整拉取请求 [16] - OpenAI Codex可并行处理多项任务，在隔离沙盒运行 [17] - Devin定位"AI软件工程师"，可自动搜索资源完成任务 [17] - Claude Opus 4在复杂任务和代理工作流中表现领先 [18] - Augment Code支持20万Tokens上下文窗口，实现跨项目理解 [20] 技术趋势 - 从代码补全工具迈向自主Agent，覆盖规划到测试全流程 [16] - 从项目环节升级到覆盖整个大项目，处理更复杂任务 [18][20] - 独立编程工具可能被基础大模型取代，但短期仍有存在价值 [22][23] - 基础大模型与独立工具竞争加剧，OpenAI曾试图30亿美元收购Windsurf [25] 行业影响 - 编程门槛降低将激发更多需求，催生"一人公司"和个性化软件 [30][31] - 非技术岗位可通过NoCode平台创建应用，如美团餐厅经理生成报表小程序 [7][33] - 未来程序员角色拆解重组，更多人获得"编程权"，从执行者转向问题终结者 [29][30] - 编程民主化使技术成为表达思想的自然媒介，人类核心价值转向定义问题和标准 [35]

报告行业投资评级 | 股票名称 | 评级 | 目标价 | PE(2025E) | PE(2026E) | | --- | --- | --- | --- | --- | | 小米集团 | Outperform | 60.00 | 35 | 24 | | 中芯国际 | Neutral | 19.50 | n.a. | n.a. | | 联想集团 | Outperform | 10.70 | 74 | 61 | | 比亚迪电子 | Outperform | 46.20 | 11 | 8 | | 舜宇光学 | Outperform | 72.10 | 21 | 17 | | ASMPT | Neutral | 68.00 | 13 | n.a. | [1] 报告的核心观点 AI+Coding正引领软件开发范式从“手工编码”向“意图驱动开发”转变，重构软件产业生态 未来三年是AI+Coding从早期采用向主流应用过渡的关键窗口期 生成式AI将加速软件生产力革命，推动市场迈向2万亿美元，AI+编程是其率先落地的领域，将重塑开发范式与互联网软件生态结构，为中国关键技术领域提供突围路径 [4][5][11] 根据相关目录分别进行总结 市场概览与增长动力 - 全球软件市场高速扩张，2024年规模约7370亿美元，预计2033年突破2万亿美元，CAGR为11% 北美占比最高，AI编程工具市场规模预计从2024年的62.1亿美元增长至2029年的182亿美元，CAGR为24.0% [17][20] - AI工具辅助下，项目开发周期和人力成本有望降低约90%，释放潜在需求，全球软件项目年均新增数量有望提升1.5至2倍 [22] 技术突破和应用 - AI+ Coding核心技术基于LLM对代码的理解与生成能力，发展路径分基础代码补全、智能代码生成、全流程开发助手三个阶段 未来将向多模态理解、领域专业化、自主编程方向发展 [24][29] - AI+ Coding已在智能代码补全与自动生成、自动化测试与代码审核、低代码/无代码平台赋能等场景展现商业价值，Gartner预计2025年全球约70%的新企业应用将通过低代码/无代码平台构建 [31][33] 硬件基础与成本结构 - AI编程工具成本结构由模型训练推理和订阅定价构成，硬件成本约占70%，推理成本因模型优化技术进步显著下降 [34] - CPU领域控制核心角色强化，RISC-V架构成新势力；GPU市场训练主导地位稳固，推理场景竞争加剧；FPGA适合算法快速迭代，ASIC成大模型部署首选但面临研发周期挑战 [37] 产业影响与未来展望 - AI+编程可缩短开发时间5 - 10倍，降低企业开发成本至原来的10%，重塑软件产业生态，带来开发效率与成本结构、人才结构与技能需求、创新模式与团队结构、安全合规与知识产权等方面的变革 [38][41][42] - Gartner预测2028年75%的企业软件工程师将日常使用AI编程工具，开发者正从“代码编写者”向“系统设计师”与“AI提示工程师”转型 [38] 投资机会与策略建议 - 投资主线包括平台型AI编程工具及IDE提供商、垂直行业AI解决方案提供商、IT外包领域 建议企业战略性采用AI编程工具、重构开发流程与团队结构、建立AI代码治理框架、培养“人机协作”文化 [40][44] 1. AI加速软件演进 1.1 全球软件行业蓬勃发展 全球软件市场过去五年持续增长，2024年规模约7370亿美元，预计2033年突破2万亿美元，CAGR为11% 增长受全球数字化转型、远程办公普及、云计算降低门槛等因素驱动 [47] 1.2 软件行业市场预测及增长动力 - 预计2025 - 2028年间，3年CAGR达11.78%，AI规模化落地拓展软件应用边界是核心动力 [48] - 未来五年增长驱动因素包括生成式AI应用、低代码/无代码平台普及、边缘计算与物联网融合、数字孪生技术成熟、新兴市场快速增长 [52] 1.3 细分市场规模对比 全球软件市场细分中，企业软件占比最大且增速最快，未来五年增速为7.1%，高于平均增速6% [53] 1.4 区域市场分布以及特点 - 北美是全球软件产业核心区域和创新中心，2024年市场规模约1.08万亿美元，占40%，未来五年预计保持7%的年均增长率 [93][97] - 欧洲是第二大软件市场，2024年规模约6210亿美元，占23%，未来五年预计保持7%的年均增长率 [98] - 亚太是增长最快的区域，2024年市场规模约8910亿美元，占33%，未来五年预计保持15%的年均增长率 [102] - 拉美、中东和非洲等新兴市场2024年规模约1080亿美元，占4%，未来五年预计保持10 - 12%的年均增长率 [114][115] 1.5 软件行业生态系统 - 基础软件层包括操作系统、数据库管理系统等，技术门槛高，被少数巨头主导，呈现AI增强、开源模式主导、云原生架构普及、安全性强化趋势 [116][122] - 平台软件层包括云计算、开发、人工智能等平台，特点是平台化程度高，呈现平台整合与融合、垂直化与专业化、开发者体验优先等趋势 [121][126] - 应用软件层包括企业应用、消费应用、行业解决方案等，市场分散，创新快，呈现SaaS模式主导、AI功能普及、用户体验升级、垂直SaaS崛起趋势 [128][133] - 服务软件层包括实施、运维、咨询、培训等服务，人力密集，呈现服务自动化、远程服务普及、成果导向定价、生态系统合作趋势 [135] 1.6 软件商业模式演变 - 传统许可证模式市场份额持续下降，预计2028年降至15%左右，但在特定行业仍将长期存在 [137] - 订阅模式（SaaS）市场份额持续增长，预计2028年增至60%以上，向垂直化和专业化方向发展 [141] - 开源增值模式市场份额持续增长，预计2028年增至20%以上，增长领域包括数据库、容器编排等 [146]