实验概述 - Rallies Arena团队在6个月前进行了一项实验：给予6个主流大模型各10万美元初始资金，让它们在真实股票市场上自主进行研究、下单和仓位管理[2] - 大部分参与实验的模型在半年实盘测试中跑赢了大盘，该实验并非模拟盘或回测[3] - 实验结论已转化为一个名为“AI Hedge Fund”的产品[3] 实验设计 - 实验核心是将大模型当作基金经理使用，每个模型接入丰富的金融数据源并进行深入研究后下单[6] - 团队为每个模型构建了一整套工具链，包括：SEC文件向量搜索、分析师评级数据、多时间周期实时K线图（通过视觉API）、历史基本面数据、Reddit舆情趋势、宏观经济指标、实时新闻以及组合管理和执行系统[7] - 团队在系统提示词和工具调用上迭代了数百次，以调教模型决策逻辑，例如何时使用何种工具[8] 模型表现与性格 - 不同大模型在投资中表现出截然不同的“性格”：Qwen系列模型风格激进，倾向于将所有资金押注于单一仓位且不认错；Claude模型表现如同老练的基金经理，会主动管理并调整仓位；GPT风格介于两者之间[10] - GPT模型在个股分析上展现出扎实的推理能力，例如在买入GOOGL时，其推理链包括：判断宏观环境（高利率持续，市场广度不足）、分析个股基本面（Alphabet运营利润率约32%，营收增长约15%，ROE约32%，季度自由现金流约200亿美元）、关注技术面窗口（30天下跌约9%，年初至今下跌约13%），最终得出在弱势中买入优质资产的结论[14] - 模型差异主要体现在“风险偏好”上，这很可能由训练数据和微调策略隐性塑造[15] 半年实盘成绩 - 在半年实盘测试中，除了GPT之外，其他闭源模型都跑赢了大盘，部分模型拉开了明显差距[17] - GPT虽整体未跑赢大盘，但其个股分析能力不差，例如其以286.64美元买入的GOOGL已浮盈3.18%，问题可能在于仓位管理和择时[17] 工具的重要性 - 模型的能力上限取决于为其提供的工具，仅凭模型自身无法获取实时数据（如SEC文件、结构化基本面数据、实时行情）进行有效投资[19] - 团队哲学在于不依赖抽象层（如MCP、Skill），而是专注于自行构建和连接所有能获取的金融数据源与工具[21][22] AI对冲基金架构 - 实验后，团队决定不选择单一“最优模型”，而是整合所有模型能力，创建一个名为“AI Hedge Fund”的新智能体[23] - AI Hedge Fund采用三层决策系统架构：底层是原始数据，中层是6个模型产生的信号，顶层是一个主智能体进行综合判断、质疑和数据验证，最终做出组合决策[25] - 该架构类似于传统对冲基金中多个分析师提供建议，由首席投资官（CIO）综合决策的模式[25] 首周实盘表现 - AI Hedge Fund上线首周，初始组合包含5只股票：UBER（仓位22.7%）、IBKR（21.6%）、GILD（19.1%）、RTX（18.5%）和EME（18.0%），仅使用约35%的资金建仓，风格保守[28] - 组合行业分散，涵盖平台经济、金融科技、生物医药、国防航空和工业基建，风格偏价值[29] - 所有仓位均实现浮盈，幅度在+2.8%到+7.1%之间，总浮盈1,708美元[29] - 其对EME的分析推理扎实，指出该公司有真实的AI和数据中心基建业务敞口，并非纯概念炒作，并分析了其基本面（营收同比增16.6%，每股收益增31%，利润增26%，ROE约35%）和估值（约25倍市盈率，远低于同行）[30] - 组合未选择任何纯AI概念股（如NVDA、AMD、SMCI），而是选择有真实现金流、业务增长且估值合理的公司，呈现“逆向价值投资”风格[32] 行业趋势与影响 - 团队预言在未来2-3年内，会出现完全由AI运行、零人工干预且能击败许多华尔街大型对冲基金的对冲基金[33] - 与传统量化基金（统计驱动）不同，此类方案是语言驱动的，模型能“读懂”SEC文件、新闻报道和社交媒体讨论的含义[34] - AI对冲基金可能严重压缩普通基金经理的生存空间，因其成本结构（几台服务器、数据订阅、工程师团队）远低于传统中型基金（需5-10个分析师、交易员及风控团队管理1亿美元资产），且能24小时无间断、无情绪化地工作[34] - 项目揭示了更深层趋势：1) 工具生态决定AI能力天花板；2) 多模型协作架构（数据、多模型信号、主智能体判断）在复杂决策中优于单模型；3) Y Combinator已将AI对冲基金列为2026年春季的创业方向之一，标志着该领域成为被认真对待的商业机会[36]

公司战略与内部管理 - 美团内部明确规范大模型使用，全面限制使用Qwen模型，业务如需使用需提交原因至x3级别老板审批[2]；公司优先引导采用自研LongCat龙猫大模型，团队也可选择使用豆包等无需审批的模型[3] - 小米要求全体软件研发类正式工及外包员工参与4月举办的AI考试，考试内容围绕工程师如何借助AI解决业务问题展开，未通过或缺考者将有一次补考机会[6]；小米同时为其MiMo大模型推出首个付费订阅套餐，包含Lite版（39元/月）、Standard版（99元/月）、Pro版（329元/月）、Max版（659元/月）四个梯度，订阅后可同时调用MiMo家族三大主力模型[6][7] - 甲骨文启动新一轮全球裁员，行业分析师预估波及人数约2-3万人，占全球总员工数的18%[9]；此次裁员并非因业绩承压，核心目的是裁撤可被AI替代的重复性、标准化岗位，将资源集中投向AI算力基础设施与大模型研发[9] 人才招聘与激励 - 月之暗面推出KIMI顶尖人才“穿越计划”，将授予尚未毕业的实习生公司期权，实习期表现出色并通过转正评估的实习生，将按2026年实习当期期权单价授予期权[4][5] - 字节跳动Seed正式启动大模型校招，在全球招募约100位2027届AI人才，招聘标准要求候选人在大模型某一领域拥有深刻技术见解和代表性工作[8]；入选者有机会获得具备增值空间的“豆包股”[8] 产品发布与技术进展 - 智谱发布首个原生多模态Coding基座模型GLM-5V-Turbo，深度融合视觉与编程能力，能原生处理多模态信息[31] - 阿里发布新一代大语言模型Qwen3.6-Plus，在系列编程能力权威评测中表现超越GLM-5、Kimi-K2.5等模型，接近全球最强编程模型Claude系列[32]；Qwen3.6-Plus已上架阿里云百炼，每百万Tokens输入最低2元[32] - 谷歌发布新一代开源模型Gemma 4，推出四种规格：高效20亿参数版、高效40亿参数版、260亿混合专家模型与310亿稠密模型[33]；其中31B模型在行业标准Arena AI文本榜单中位列全球开源模型第三[33] - 微软宣布三款自研AI模型（MAI-Transcribe-1、MAI-Voice-1、MAI-Image-2）正式投入广泛商用，意图摆脱对OpenAI依赖[34]；MAI-Transcribe-1在25种语言测试中的平均错误率为3.9%，低于OpenAI和谷歌同类产品[35] - 阿里密集发布多款模型：图像生成与编辑统一模型Wan2.7-Image[36]；全模态大模型Qwen3.5-Omni，在音视频理解等215项任务中取得SOTA，可识别113种语言和方言[37]；Qwen3.5-Omni的API调用成本为每百万Tokens输入不到0.8元[37] - 阶跃星辰上线新模型Step 3.5 Flash 2603，是针对高频编程与日常Agent工作流优化的实用型开发者模型[38] - 支付宝发布国内首个支付集成Skill，开发者可通过自然语言指令让AI自动编写代码接入支付宝支付功能[39][40] - 全球可穿戴AI品牌Gyges Labs推出全球首款AI笔记戒指Vocci Ring，定价299美元，支持112种语言实时语音转写，单机录音8小时，总续航约7天[41] 行业合作与生态 - 飞猪与千问宣布再与30多家旅行品牌达成AI合作，截至目前已合作的国内外品牌数超80家[43] - OpenClaw发布新版本，内置QQ Bot官方插件，QQ成为国内首个被OpenClaw官方原生接入的社交平台[43] - 零克云正式上线“云端龙虾”OpenClaw服务，支持一键接入飞书、钉钉、企业微信等[43] 融资与市场动态 - OpenAI完成一笔融资交易，以8520亿美元（约合5.9万亿元人民币）的估值募资了1220亿美元（约合8442.89亿元人民币），这是该公司迄今为止规模最大的一轮融资[18][19] - 马斯克回应OpenAI股票在二级市场遇冷表示毫不意外，投资者纷纷转向其竞争对手Anthropic[24]；Anthropic股票交易需求达历史新高，众多机构投资者准备投入数十亿美元购买其股票，与OpenAI难以出售约6亿美元股票形成鲜明对比[24] 供应链与硬件支持 - DeepSeek即将发布的新一代大语言模型V4，已基于包括华为在内的最新国产AI芯片完成优化[10][11]；为确保V4在国产硬件上顺利运行，DeepSeek过去数月与华为及寒武纪密切合作[11] - 阿里巴巴、字节跳动和腾讯等科技巨头已提前下单华为新一代AI芯片，订单规模达数十万颗，以应对基于DeepSeek V4的云服务上线需求[11] 安全、合规与舆情 - 国行版Apple Intelligence在国内意外上线后又紧急下线，核心原因是其模型来源复杂，部分合作模型未完成备案，且与国内数据安全要求存在冲突[20]；已下载到用户本地的AI大模型也被远程删除[20] - Anthropic宣布调整Claude计费政策，现有订阅服务将不再覆盖通过OpenClaw等第三方代理平台的调用额度，用户需采用独立的“按需付费”模式[13]；公司向现有订阅用户发放与月费等额的一次性信用额度作为补偿[13] - Anthropic旗下Claude Code因npm包配置疏漏导致超51万行核心源代码泄露[14][15]；公司后续依据美国版权法向GitHub发起大规模下架请求时出现误操作，导致约8100个仓库被错误波及[17] - 易烊千玺工作室发布声明，指部分网络平台擅自使用其肖像生成AI剧集，已启动维权[12]；红果短剧紧急下架涉嫌盗用素人肖像的AI短剧《桃花簪》[12]；DataEye数据显示，AI仿真人短剧在百强榜中的占比已从去年的7%激增至38%，其中1月累计播放量达25.48亿次[12] - 特斯拉北美官方账号转发一则视频，视频中眼科医生建议一位71岁视力衰退的Cybertruck车主购买搭载FSD的车型[25]；这与FSD作为L2级辅助驾驶系统要求驾驶员全程保持专注的定位形成冲突[25]；美国国家公路交通安全管理局（NHTSA）已将对特斯拉FSD系统的调查范围扩大至320万辆相关车型[26] 服务稳定性与市场反应 - 腾讯WorkBuddy于4月2日出现登陆崩溃问题，服务在约2.5小时后全面恢复稳定，腾讯云向所有受影响的国内用户补偿1000Credits[21] - DeepSeek旗下服务在3月29日至31日连续三天出现服务异常，故障分别持续约1小时48分、10小时13分和1小时3分，目前所有服务已恢复[21]；过去30天内，DeepSeek网页对话服务的整体可用性为98.61%[21]；业内推测服务中断或与模型迭代过程中的灰度测试有关[22][23] - 临近清明节，电商平台有商家推出OpenClaw、DeepSeek等AI纸扎模型，售价35.9元起[27][28]

纪要涉及的行业或公司 * 行业：中国互联网与人工智能行业，具体涵盖AI基础模型、AI芯片、AI云服务、AI数据中心、AI应用（2C/2B/企业级）[1][2][138] * 公司：涉及众多中美AI领域主要参与者 * 美国公司：OpenAI (GPT)、Google (Gemini)、Meta (Llama)、xAI (Grok)、Anthropic、Mistral [34][49] * 中国公司：阿里巴巴 (Qwen)、字节跳动 (Doubao/Seed)、腾讯 (Hunyuan)、百度 (Ernie)、智谱AI (GLM)、深度求索 (DeepSeek)、MiniMax、月之暗面 (Kimi)、小米 (MiMo)、华为、寒武纪、昆仑芯等 [34][37][45][69] 核心观点和论据 * **中国AI模型的全球竞争力**：中国是全球AI模型领域的主要竞争者，贡献了全球排名前十的SOTA（最先进）模型中的超过一半 [9] 中国模型在性能与价格、性能与速度的平衡上表现突出，部分模型位于“吸引力象限” [19][22][23] * **中美AI模型战略差异**：中国AI模型策略以“开源/开放权重”为主，而世界其他地区（主要指美国）则以“专有/闭源”为主 [9][34] * **中国的竞争优势**：在人才、数据和算力（电力）方面具备优势 [28] AI数据中心（AIDC）的电力需求占中国总电力需求的百分比正在增长 [30] * **AI云是主要增长驱动力**：AI在云服务中的占比不断提升，是云服务增长的主要驱动力 [81][84] 预计中国云服务提供商（CSP）将在2026年增加5970亿元人民币（850亿美元）的AI相关资本支出，到2030年进一步扩大至7110亿元人民币（1010亿美元）[64] * **需求驱动因素**： * **推理需求激增**：AI使用正从训练转向推理，关键AI应用的使用时间仍在增长 [90] 中美主要应用的月度Token使用量巨大 [91] * **企业偏好**：企业CIO更倾向于选择超大规模云提供商来协助部署AI工作负载 [93][95] * **供应端约束与趋势**： * **产能是首要制约**：预计超大规模云提供商的资本支出将在2026年达到5970亿元人民币 [102] * **全栈能力至关重要**：拥有从芯片、云、模型到应用的全栈能力对云服务商至关重要 [59][109] 阿里巴巴被评估为在全栈各层均具备领先或强大能力 [109] * **价格上涨周期来临**：自2025年12月起，从CPU/内存到AWS、Google Cloud等云服务商已出现一系列价格上涨 [127] * **AI数据中心的新趋势**： * **向偏远地区迁移**：AI时代的数据中心更倾向于选址在偏远地区，以追求规模化和低成本，而非像云时代那样集中于一线城市追求低延迟 [129][132] * **变化显著**：与云时代相比，AI时代的数据中心在机架密度（从5kW增至10-30kW甚至更高）、超大规模订单（从5-20MW增至50MW以上）、建设速度（通过预制模式可缩短至6-9个月）等方面均有显著差异 [132] * **AI芯片市场前景**： * **巨大市场规模**：预计中国AI芯片市场规模（TAM）将在2030年增长至670亿美元 [61] * **本土芯片崛起**：预计中国本土AI芯片收入将从2024年的60亿美元增长至2030年的510亿美元，年复合增长率达42% [66] 部分国产AI加速器在总处理性能（TPP）上已超过英伟达A100，且凭借显著更低的价格，为云服务商提供了更优的单位成本性能 [55][56] * **市场格局**：预计2026-2030年间，华为将占据约65%的国内市场份额，寒武纪约占11%，昆仑芯和T-Head（平头哥）各占高个位数百分比 [69] * **私有AI公司估值**：展示了OpenAI、Anthropic、xAI、Mistral等全球私有AI玩家的融资估值与年度经常性收入（ARR）或收入的关系，估值倍数（P/ARR， P/S）差异较大 [49][50] * **主要中国互联网公司AI进展**： * **腾讯**：2025年AI投资达180亿元人民币，2026年将加倍投资新AI领域 [141] AI使用已对各项业务线产生积极影响 [141] * **阿里巴巴**：Qwen是全球使用最广泛的开源模型系列，截至2026年1月21日在Hugging Face累计下载量超过10亿次 [143] 阿里云目标5年内实现1000亿美元收入，年复合增长率超过40% [143] 预计其3年3800亿元人民币以上的资本支出指引仍有上行空间 [143] * **百度**：2025年第四季度，百度核心AI驱动收入超过110亿元人民币，占百度收入的43% [146] AI加速器基础设施的订阅收入在第四季度同比增长143%，2025年全年实现三位数增长 [146] 其他重要内容 * **多模态模型排名**：在文本生成视频和图像生成视频领域，字节跳动的Dreamina、生数科技的Seed等中国模型位列全球排行榜前列 [25] * **AI应用场景**： * **2C应用**：微信（2025年7月数据：11亿月活用户，用户日均使用99.4分钟）被视作AI智能体的前身 [147][148] * **内容创作**：覆盖从专业人士到普通消费者的广阔市场 [152] * **2B/企业应用**：已出现早期采用案例，涵盖广告营销、金融、医疗、能源、电商、办公等多个行业场景 [154] 预计未来三年中国有相当比例的工作时间将被生成式AI替代 [156] * **智能体（Clawbot/OpenClaw）**：中国各大厂商（腾讯、字节、阿里、百度、MiniMax、智谱、Kimi等）在2026年第一季度密集推出了各自的智能体产品，支持本地或云端部署，并集成到微信、飞书、钉钉等主流通讯应用中 [159][160] * **行业观点**：摩根士丹利对中国互联网及其他服务行业给予“具吸引力”的评级 [2]

另外，在 Reddit 上的一个测试中，当人类共识认为用户是错误的时候，AI 仍会在 51% 的情况下盲目肯定用户。 在实验中，仅仅一次与谄媚型 AI 的互动就会减少参与者承担责任和修复人际冲突的意愿，同时增强他们认为自己是对的信念。在这种显著错误的情况下，谄媚型 模型仍然更受用户信任和偏好。 这就形成了一个恶性循环： 造成危害的特征反而推动了用户的参与度，导致 AI 开发商缺乏动力去消除 AI 的谄媚行为。 机器之心编辑部 自从大语言模型诞生起至今，AI 已经润物无声地融入了我们的工作生活，也成为了现代社会的重要组成部分。 但使用 AI 日久，总有一种大模型也失去了客观严谨的理性的感觉。哪怕我们给出错误的认知，AI 似乎总能替你自圆其说。 AI 赞赏用户的行为显然是「人情世故」的一部分，从留存和用户参与的角度来看，人类用户们显然非常吃这套。 实话说，这种感觉并不好。这不仅让我们对 AI 的信任程度下降，同时这种无条件的赞同很可能会引发一些社会问题。 而最近的一个研究深入探索了这个现象，探讨了 AI 谄媚行为（AI Sycophancy） —— 即 AI 为了讨好用户而过度顺从、奉承或肯定用户的倾向 —— 及 ...

量化模型与构建方式 根据提供的研报内容，该报告主要介绍了将OpenClaw AI Agent框架与本地大模型推理工具LM Studio进行连接和部署的技术方案，并未涉及任何用于金融市场分析的量化模型或量化因子[7]。报告的核心是技术部署指南，而非金融量化研究。 因此，报告中**没有**涉及以下内容： 1. 用于选股、择时或资产配置的量化模型。 2. 用于解释或预测资产收益的量化因子（如价值、动量、质量等）。 3. 对上述模型或因子的回测效果及指标分析。 报告的主要内容聚焦于本地化AI部署的技术路径、软件配置和操作步骤[1][8][46]。

文章核心观点 文章认为，AI技术正从“被动响应的聊天框”向“能干活的自治系统”跃迁，这正在颠覆传统的企业软件（SaaS）模式[4]。以OpenAI Operator为代表的云端AI代理模式存在隐私、生态锁定和自主性不足等局限[23][24]。相比之下，开源项目OpenClaw凭借其“本地原生（Local-Native）”架构，通过赋予AI本地系统级权限、模型自由和强大的自主性，实现了历史性的弯道超车，代表了AI 2.0时代的新范式，并引发了全球开发者的狂热追随[26][30][35]。 传统SaaS的危机与局限 - **增长陷入停滞**：传统SaaS领域的标杆企业如Salesforce，其营收增速正在逐步下滑，投资者对其未来预期转向保守甚至悲观[15] - **从便利到绑定**：SaaS模式在带来开箱即用、云端同步等便利的同时，逐渐演变为深度的业务绑定与数据禁锢，使用户成为“温水里的青蛙”[16] - **用户体验痛点**：用户面临“多平台切换疲劳”，需要在无数孤立的网页和系统间来回切换，极大消耗精力[18] - **数据主权丧失**：用户数据被平台垄断，导致信息流被高度个性化的推荐广告充斥，引发对数据主权的强烈意识觉醒[18] OpenAI Operator的模式与局限 - **核心逻辑**：Operator围绕ChatGPT生态，通过让大模型对用户屏幕进行截屏或录屏，利用多模态AI视觉识别画面并模拟鼠标键盘操作，以解决跨平台自动化问题[20][22] - **架构缺陷（云端中介模式）**： - **自主性弱**：严重依赖人类自然语言触发，缺乏后台持续的“心跳”驱动，无法执行无监督的通宵自动化作业（Overnight Ops），跨会话状态持久化弱[23] - **隐私风险高**：通过“云端视觉”控制电脑，意味着屏幕上的核心源码、财务流水、私密聊天等所有信息都需要打包上传至OpenAI服务器进行解析，对企业构成隐私噩梦[24] - **生态锁定严重**：架构被彻底锁定在OpenAI云端生态中，用户无法调用第三方模型（如Anthropic Claude）或在物理断网环境下使用本地模型（如Ollama），本质上是试图垄断所有交互入口的“云端囚笼”[24] OpenClaw的架构优势与核心理念 - **本地原生机制（Local-Native）**：OpenClaw作为部署在用户本地绝对可控硬件和网络环境中的“超级员工”，从根本上捍卫用户的“数字主权”[26][27] - **降维打击的执行力**：拥有根级别（Root-level）的Shell命令执行权限，能够直接进行文件系统深度挂载、调用本地API和进行Git代码提交，可实现趁用户睡觉时静默拉取代码库、运行测试脚本并自动提交PR，其效率与稳定性是云端视觉模拟无法达到的[28] - **绝对的模型自由（Model-agnostic）**：用户可以根据任务需求，无缝切换并使用不同的大模型，例如用Claude进行架构规划，用OpenAI或DeepSeek处理日常调用，在处理核心机密时则切换到本地私有部署的Ollama模型，确保数据永不离开本地堡垒[28][37][38] - **涌现的“数字生命”能力**：彻底放开底层权限和模型限制的架构，催生了AI的“涌现能力”。例如，有网络监测机构追踪到由近400个OpenClaw实例组成的“机器人农场”，在Reddit和X上脱离人类干预执行长期的舆论监测和互动任务，账号封禁率（Ban Rate）奇迹般地低至0.5%[29] OpenClaw的技术创新与安全机制 - **用Markdown铸造AI“灵魂”**：创新性地采用Markdown文件（如SOUL.md）来配置AI，通过“认知即代码（Cognition as Code）”的方式，用接近自然语言的高语义密度文本为Agent注入核心价值观和行为准则，并可用Git进行版本控制[43][45][47] - **HEARTBEAT.md心跳机制**：通过心跳文件赋予Agent持续在线的“生命体征”，使其能够周期性唤醒（如每30分钟），进行自主评估并执行任务，从而从一个被动响应的聊天窗口跃升为能通宵自主工作的“数字员工”[48][50][52] - **MEMORY.md长效记忆**：作为架构的第三块基石，为Agent提供强大的长效记忆能力，使其能记住用户习惯、未完成的计划，并能将碎片化聊天记录自动沉淀为知识库[54][55] - **极致安全基线：“零公网IP”**：新版本安装向导强制将网关监听地址锁定在本地回环地址（127.0.0.1），从内核层面切断外部直接访问，并通过SSH隧道等加密方式实现远程安全连接，杜绝数据泄露和黑客攻击[63][64][66] - **高阶网络与系统穿透**： - 采用Tailscale虚拟子网机制，实现安全的内网互通[68] - 利用Localtonet提供动态HTTPS公网回调地址，以“单向防弹橱窗”方式安全接收外部Webhook通知[70] - 针对macOS系统，研发Peekaboo Bridge，利用合法签名的底层通信机制绕过系统权限弹窗，实现像素级的设备底层控制，且不破坏系统完整性保护（SIP）[71][72][73] OpenClaw的市场反响与增长 - **爆发式增长**：项目从2025年11月的一个极客项目（Clawdbot / Moltbot），到2026年1月更名为OpenClaw后迎来单月狂揽几十万Stars的爆发式垂直增长，截至2026年3月，其GitHub Stars数量已突破250,000大关[31][32] - **开发者起义**：其增长曲线远超Facebook React和Linux等历史项目，被视作一场全球开发者“用脚投票”的起义，证明了在AI 2.0时代，开发者和企业不甘将命运和数据交由单一云端巨头掌控的决心[34][35] - **社区中立性**：即使项目创始人后来加盟了OpenAI，整个项目也迅速移交给了开源基金会主导，确保了社区的绝对中立性[31] OpenClaw的高价值商业应用场景 - **私人商业CRM**：利用本地RAG技术，在用户与他人沟通前，迅速调取散落在微信、邮件等处的碎片化沟通记录，进行智能提醒，将人脉网络升级为AI辅助的智能CRM[78][81] - **晨间信息执行官**：可设定定时任务，自动抓取GitHub趋势榜、Hacker News等资讯，并由大模型提炼成高信噪比简报发送给用户。其“自我进化”能力甚至能让Agent在遇到复杂网页时，自己编写代码插件来解决问题[84][85] - **研发实验室夜间审计员**：可接入GitHub/GitLab，在服务器负载低的时段自动进行代码克隆、安全审计和代码评审。具备极强的重试和自我纠错机制，其API调用成本远低于雇佣真人员工[88][89][90] - **打破“App孤岛”的系统级管家**：凭借极高的本地系统权限，可跨平台（如苹果日历、飞书、腾讯会议等）收集和整合碎片化的日程与会议信息，并能后台静默过滤垃圾邮件[92] - **自动化竞品调研与会议推进专家**：可自动执行竞品信息收集、格式化对比分析，并能在会议中实时转录语音、提炼核心总结，最关键的是能将会议讨论出的待办事项直接转变为实际代码或架构图，并提交PR，将人类精力彻底解放到核心决策上[94]

核心观点 - 龙虾（OpenClaw）在12小时内从3.22版本快速迭代至3.23版本，以修复重大Bug并引入关键功能更新，展现了极高的开发效率和响应速度[1][2] - 本次更新的核心是正式接入并优化了DeepSeek和Qwen（阿里巴巴云模型工作室）两大国产AI模型，为国内开发者提供了更低廉、更正规的使用路径[2][12][15] - 更新全面修复了因上一版本“暴力拆除旧API”导致的UI崩溃、微信等IM插件“罢工”等问题，并增强了安全性和用户体验[2][5][6][8] 版本更新与修复 - 距离被称为“史上变动最大”的3.22版本仅12小时，就发布了3.23版本，更新频率极高[2] - 首要任务是修复3.22版本因“暴力拆除旧API”导致的UI崩溃问题，更新后UI已恢复[2][6] - 修复了因同样原因导致的微信等IM插件大面积“罢工”问题[5] - 全量回填了缺失的运行时文件，并引入了强制性的“工件完整性校验”，确保静态资源正确打包，否则发布程序会自动拦截[8][9] - 修复了macOS上连接Chrome时反复弹窗的Bug，通过新逻辑使响应速度提升了近一倍[19] - 修复了OpenAI Token回退到过期值的Bug[16] 功能与模型接入 - 正式接入了DeepSeek和Qwen家族模型[2] - DeepSeek插件已完成架构升级，重构后性能更稳定，并完美兼容新的Plugin-SDK，用户可直接通过API Key使用DeepSeek系列模型[2][14] - Qwen系列被正式重命名为“Qwen (Alibaba Cloud Model Studio)”，不再是Coding Plan的附属品[12] - Qwen系列新增支持标准按量计费（Pay-as-you-go）端点，支持中国区和全球API Key[2][13] - 针对Anthropic的思维链进行了优化，修复了使用Claude 3.7进行深度推理时思考逻辑可能被打断的问题[20] 用户体验与界面 - 上线了基于WCAG 2.1 AA级对比标准的Knot红黑主题，配色更硬核，视觉一致性大幅提升[10] - 为诊断、CLI、密钥以及ACP/MCP等核心模块新增了专属图标[11] 安全增强 - 对所有内联（inline）脚本计算SHA-256哈希值进行校验[17] - 除非代码哈希值在官方白名单内，否则任何恶意脚本注入都会被浏览器直接拒绝执行，有效防范了通过控制台页面的代码注入攻击[18]

小米MiMo团队的管理与绩效 - 团队负责人罗福莉对团队管理提出思考，暗示对Agent对话次数有高要求，每天少于100次可能面临离职[1][2] - 团队的管理风格和绩效要求引发外界广泛关注[3] 小米MiMo模型的市场表现与行业地位 - 小米MiMo-V2-Pro模型在OpenRouter调用量榜单上排名第一[1] - 从发布首个推理大模型MiMo-7B至今不到一年，模型能力曲线陡升，已进入全球一线梯队[5] - 与Meta超级智能实验室近期模型跳票、性能不及预期的表现形成对比[7] 小米MiMo团队的核心成员构成 - 团队核心成员共21人，包括Bingquan Xia、Bowen Shen、Cici、Dawei Zhu、Di Zhang、Gang Wang、Hailin Zhang、Huaqiu Liu、Jiebao Xiao、Jinhao Dong、Liang Zhao、Peidian Li、Peng Wang、Shihua Yu、Shimao Chen、Weikun Wang、Wenhan Ma、Xiangwei Deng、Yi Huang、Yifan Song、Zihan Jiang[14] - 肖邦骏（Bangjun Xiao）是MiMo-V2-Flash的首作，本博均就读于北京大学，导师为北京大学人工智能研究院副院长黄罡教授，研究方向为边缘计算和联邦学习[16][18][19] - Bingquan Xia是MiMo-V2-Flash核心作者之一，中科院计算技术研究所2021届研究生，有相关论文发表[20][21] - 马文晗（Wenhan Ma）自2025年9月起在北京大学计算机科学学院攻读博士，导师为穗志方教授，研究方向为大语言模型推理能力，本科毕业于北京大学，是罗福莉的同门师弟[23][24][25] - 朱大为（Dawei Zhu）是北京大学三年级博士生，导师为李素建教授，研究方向为长上下文建模，对智能体、对齐及多模态模型感兴趣[26][28] - 董谨豪是中国人民大学信息学院讲师，小米LLM核心团队技术顾问，负责代码相关LLM开发，主导建立了人大-小米基础大语言模型联合重点实验室[32][34] - 张海林专注于AI基础设施建设，为MiMo系列打造强化学习基础设施，2025年获北京大学计算机科学博士学位[36][37] 小米MiMo团队的背景与成功因素 - 团队具有浓厚的北京大学背景，核心成员与技术骨干多来自北京大学计算机学院，这为团队提供了持续的人才输送和科研想法快速落地的渠道[41][42][43] - 罗福莉是团队与北大学术背景之间的重要桥梁[44] - 团队技术理念受小米公司产品基因驱动，强调“性价比”和“互联网生态”思维[46] - 在MiMo模型上体现为7B参数规模、开源策略及端侧部署方向，反映了公司的战略布局和生态思路[47] - 团队成功是北大科研背景、核心成员技术经验以及小米产品与工程基因共同作用的结果[48] 行业关联与人物关系 - 前阿里通义实验室Qwen大模型负责人林俊旸是罗福莉的师兄，两人硕士阶段均在北京大学从事自然语言处理研究，学术路径同源，先后加入阿里达摩院[49][50][51] - 林俊旸曾负责Qwen模型，罗福莉带领MiMo模型，两人是国内头部模型线的关键人物，成长于同一套学术和产业体系[52][53]

公司财务表现与股价反应 - 阿里巴巴集团在12月当季营收增长2% 若剔除已出售业务影响则增长9% 至407亿美元[2] - 调整后EBITA（息税摊销前利润）大幅下降57% 至33.5亿美元 调整后每股收益下降67% 至0.13美元[4] - 财报发布后 公司股价下跌7.3%[1] 各业务板块表现 - 云智能集团（包含AI投资）营收增长36% 达到62亿美元[3] - 电子商务部门营收增长6% 至228亿美元 但核心电商业务线表现持平[3] - 快速商业业务（包括食品配送）是表现亮点[3] 公司战略与未来展望 - 公司AI战略取得进展 其AI聊天机器人“通义千问”月活跃用户达到3亿[3] - 公司首席执行官表示 目标是在未来五年内实现超过1000亿美元的云和AI相关营收[5] - 公司不提供季度业绩指引[5] 行业与市场背景 - 公司正与京东、美团等竞争对手在食品配送等领域展开价格战[1] - 中国电商行业多年来一直面临激烈竞争和消费需求疲软的困扰[5] - 在去年大涨后 公司股价近几个月因AI概念热度减退和电商板块疲软而下跌[6]

财务数据和关键指标变化 - 公司总收入为人民币2848亿元 [12] - 剔除高鑫零售和银泰业务收入，同口径收入同比增长9% [13] - 调整后EBITDA同比下降57%，主要由于对技术相关创新和消费业务（包括即时零售）的战略投资 [13] - GAAP净利润为人民币156亿元，同比下降66% [13] - 经营现金流入为人民币360亿元，自由现金流为人民币113亿元，较去年同期减少277亿元 [13] - 截至2025年12月31日，公司持有425亿美元净现金，若剔除五年以上到期债务，净现金头寸超过600亿美元 [13] 各条业务线数据和关键指标变化 - **中国电商业务**：收入为人民币1593亿元，同比增长6% [14]；客户管理收入同比增长1% [14]；调整后EBITDA为人民币346亿元，同比下降43%，主要由于对即时零售、用户体验和技术的投资 [16] - **即时零售业务**：收入同比增长56%至人民币208亿元 [15]；持续扩大规模并提升市场份额，同时单位经济效益和平均订单价值逐月改善 [11][16]；目标在2028财年实现超过1万亿元的商品交易总额，并预计在2029财年实现盈利 [39] - **云智能集团**：外部客户收入同比增长35%，较上季度的29%加速增长 [6][17]；AI相关产品收入连续第十个季度实现三位数年同比增长 [6][17]；调整后EBITDA利润率相对稳定在9% [17]；截至2026年2月，阿里云累计外部收入已正式突破人民币1000亿元 [6] - **国际数字商业集团**：收入同比增长4%，调整后EBITDA亏损同比大幅收窄，得益于物流优化和投资效率提升 [16] - **所有其他业务**：收入同比下降25%至人民币673亿元，主要由于处置高鑫零售和银泰业务以及菜鸟收入减少，部分被盒马和阿里健康收入增长所抵消 [17]；调整后EBBITD亏损为人民币98亿元，主要由于对通义模型和面向消费者的通义等科技业务的投资增加 [18] 各个市场数据和关键指标变化 - **中国电商用户**：淘宝App月活跃消费者实现双位数同比增长，主要由即时零售业务心智份额和规模增长驱动 [14][15] - **AI模型与平台**：通义模型在Hugging Face上的累计下载量已超过10亿次 [18]；面向消费者的通义应用跨平台月活跃用户已超过3亿 [18]；Model Studio平台上的token消耗量在过去三个月增长了6倍 [6] - **芯片业务**：截至2026年2月，T-Head累计出货47万颗AI芯片，其中超过60%服务于外部客户 [7][45]；T-Head年收入已达到百亿人民币级别 [51] 公司战略和发展方向和行业竞争 - **AI+云战略**：公司拥有完整的全栈AI能力，涵盖模型、云基础设施和芯片 [5]；业务目标是未来五年内实现超过1000亿美元的云和AI外部收入总和 [6]；成立了新的“阿里Token Hub”业务集团，作为执行AI战略的组织基础，旨在高效协调AI业务并加强模型与应用层的整合 [8][23] - **消费战略**：即时零售是核心战略重点之一，旨在扩大规模、提升用户体验和单位经济效益 [11][12]；即时零售与传统电商显示出明显的协同效应，驱动淘宝App用户增长 [11] - **行业竞争与机遇**：公司认为随着AI智能体时代的到来，AI基础设施提供商的总可寻址市场将呈指数级增长 [4]；企业IT服务中云和软件预算传统上仅占公司收入的5%左右，而随着模型驱动的智能体开始处理主流工作任务，总可寻址市场将扩大数倍 [4]；公司云智能集团的市场份额已连续三个季度增长，达到36%，且领先优势持续扩大 [6] 管理层对经营环境和未来前景的评论 - **经营环境**：管理层承认12月季度疲弱的宏观消费、暖冬以及春节时间较晚对增长构成挑战 [32]；但观察到进入3月季度后，随着消费者情绪改善和即时零售战略的势头，实物商品交易总额和客户管理收入趋势已从12月季度显著恢复 [32] - **未来前景**：对实现未来五年云和AI收入超过1000亿美元的目标充满信心 [57]；认为AI模型能力的持续突破是主要驱动力，企业正将token消费视为运营或研发成本的一部分，这从根本上改变了IT预算的分配方式，是推动未来AI增长的最根本长期因素 [58][59]；预计随着AI和云业务收入规模增长，云的盈利能力将越来越明显并稳步改善，但这一过程并非线性 [65] 其他重要信息 - 公司推出了新一代大模型Qwen3.5-Plus，在推理、编码和智能体能力方面表现优异，并计划很快发布针对编码和智能体用例优化的下一代模型 [9] - 公司推出了企业级AI智能体平台“悟空”，定位为世界首个AI原生企业级智能体平台 [10] - 在春节期间，公司深化了生态系统整合，将通义App与淘宝即时零售、支付宝、飞猪、大麦和高德连接，使其成为中国首个集生活、工作和学习于一体的个人AI助手 [10] - 公司未分配调整后EBITDA亏损为人民币27亿元，去年同期亏损为2亿元，主要反映了与饿了么一次性替代奖励计划相关的人才保留激励成本 [19] 总结问答环节所有的提问和回答 问题1：关于Token Hub新组织架构的战略目标和云AI业务优先级 [22] - **回答**：成立ATH业务集团是为了适应AI智能体时代的发展，该时代需要实现模型与应用的紧密集成 [23]。公司首要任务是开发最智能的模型，因为只有强大的模型才能推动AI应用在各行业的部署并吸引客户采用其模型即服务产品 [26]。同时，增强模型能力需要整个模型管道以及应用和基础设施侧的协同努力 [28]。新架构旨在通过整合内部应用和MaaS层，支持多样化的B2C和B2B应用场景，从而把握巨大的总可寻址市场 [24][25]。 问题2：关于12月季度客户管理收入增长放缓及3月季度展望 [31] - **回答**：12月季度的疲软主要受宏观消费疲软、暖冬和春节时间较晚影响，同时由于促销季延长，对消费者福利的投资增加 [32]。进入3月季度，随着观察到的消费者情绪改善和即时零售战略的势头，实物商品交易总额和客户管理收入趋势已从12月季度显著恢复，预计EBITDA将相应改善 [32]。 问题3：关于即时零售业务的未来优先级、单位经济效益以及与电商的协同 [35] - **回答**：在扩大市场份额的同时，公司通过提升履约和物流效率、改善货币化以及优化订单组合，持续显著改善单位经济效益，并预计未来几个季度将进一步优化 [36]。即时零售对传统电商和整个生态系统产生了积极影响，2025年平台年度活跃消费者增加了1.5亿，其中实物商品年度活跃消费者增加了1亿，超过前三年总和 [37]。即时零售推动了食品、生鲜和医疗保健等品类的销售，并促进了盒马和天猫超市的加速增长 [38]。公司目标是在2028财年实现超过1万亿元的即时零售商品交易总额，并预计在2029财年实现盈利 [39]。即时零售是电商业务的基石，在未来两年将继续投资以实现万亿商品交易总额目标 [40]。 问题4：关于T-Head芯片业务的分拆可能性、运营指标及竞争力 [44] - **回答**：T-Head是中国国内AI芯片生态中处于第一梯队的公司，其产品覆盖从模型训练、微调到推理的整个AI工作流程 [45][46]。芯片已通过阿里云大规模用于训练和推理工作负载，超过60%的芯片被互联网、金融、自动驾驶等行业的商业客户使用 [47]。T-Head的价值不仅在于缩小与国外芯片的差距，更在于通过与阿里云基础设施和通义模型的深度协同设计，提供更具成本效益的AI能力，并保障AI算力供应 [48][50]。过去两年，T-Head已成功商业化并出货超过47万颗芯片，年收入达到百亿人民币级别，预计2026年至2027年产能将继续扩大 [51]。T-Head未来可能考虑进行首次公开募股，但目前没有明确的时间表 [52]。 问题5：关于未来五年AI战略收入目标的细节、驱动因素及云利润率展望 [56] - **回答**：公司坚信未来五年内AI和云相关业务收入将超过1000亿美元 [57]。主要增长驱动力来自三个方面：1) 模型即服务业务，这是核心增长引擎，由多样化的应用场景支持 [60]；2) 企业级内部推理和训练市场，这对阿里云的AI基础设施是巨大的增量机会 [61]；3) 以CPU为中心的传统云计算，在AI智能体时代仍有巨大扩展空间，关键在于将云平台从服务于人类用户优化为服务于智能体调用 [62][64]。随着业务收入增长，AI业务将从销售资源转向销售智能能力，同时通过整合自研T-Head芯片实现降本增效，云的盈利能力将越来越明显并稳步改善，但这一过程并非线性 [65][66]。对于复合年增长率，管理层认为增长和市场投资并非线性，但对实现五年目标高度自信 [67]。 问题6：关于电商三年投资周期是否调整，以及AI对电商的影响 [70] - **回答**：公司正在对即时零售业务进行非常大规模的投资，并看到了明确的机遇，将在未来两年继续大力投资以实现超过1万亿元的商品交易总额目标，并相信这些投资将在两年后为整个电商业务带来积极的经济回报 [71][72]。同时，AI正在以周或月为单位快速演进，公司正利用AI为消费者和商家推出新体验，并升级商家的商业模式，AI将在电商业务的不同部分带来巨大升级，公司将在B2B等领域积极抓住所有新机会 [73][74]。