行业投资评级 - 计算机行业维持"推荐"评级 [1] 核心观点 算力领域 - Figma上市首日股价涨幅250%，收于115.50美元，创近三十年美国融资超10亿美元公司最大首日涨幅纪录 [2][16] - Figma 2025年一季度营收2.28亿美元（同比+46%），净利润4490万美元，毛利率达92% [2][23] - 公司从设计工具转型为覆盖产品全生命周期的一站式平台，推出Figma Make/Sites/Buzz/Draw等AI集成新产品 [22] AI应用领域 - 全球首款通用科研智能体SciMaster发布，集成1.7亿科学文献资源，支持读/算/做/写全流程科研辅助 [25][27] - Kimi周平均停留时长环比增长8.37%，在AI应用中增速第一 [24][26] AI融资动向 - OpenAI完成83亿美元融资（估值3000亿美元），年化收入从6月100亿美元升至130亿美元 [34][35] - Anthropic洽谈30-50亿美元融资（估值或达1700亿美元），年化收入从40亿增至50亿美元 [35] 重点公司表现 微软 - 2025财年营收2817.24亿美元（+14.93%），净利润1018.32亿美元（+15.54%） [6][44] - Azure年收入超750亿美元（+34%），云业务总营收1689亿美元（+23%） [6][44] - GitHub Copilot用户达2000万，Azure AI Foundry服务1.4万客户 [6][44] 推荐标的 - 亿道信息（001314.SZ）：PE 2025E 46.66x，目标价48.06元 [9][46] - 科大讯飞（002230.SZ）：PE 2025E 80x，目标价49.04元 [9][46] - 寒武纪（688256.SH）：预计2026年扭亏为盈，PE 2074.85x [9][46]

SciMaster AI科研助手 - 全球首个通用科研智能体SciMaster由上海交通大学、深势科技与上海算法创新院联合发布，集成顶尖思维链能力，可自动完成文献搜索、理论计算、实验操作、论文撰写等全流程科研工作[5][7][10] - 产品发布后引发抢购热潮，邀请码被炒至近千元，其核心价值在于对传统科研流程的"降维打击"，可帮助全球数千万科研人员节省文献和实验数据处理时间[5][7] - 系统基于X-Master架构，采用分散-堆叠工作流程，通过求解器、批评器、重写器、选择器等角色分工实现高质量解答，在Humanity's Last Exam基准测试中以32.1%得分创造新纪录[19][23][28] 核心技术架构 - 底层支撑为玻尔科研空间站，包含1.7亿篇科研文献的数据库，确保答案可溯源且大模型幻觉趋近于零[11][14] - 采用工具增强型推理机制，通过Python代码片段实现环境交互，具备通用性、准确性和高兼容性[19][20] - 支持读、算、做、写全流程：文献检索与整合、并行调用AI for Science计算工具、连接Uni-Lab自动化实验系统、生成可导出研究报告[11][14][15] 实际应用表现 - 实测展示两大核心功能：通用助手处理日常科研问题，深度调研专家完成专业课题研究，后者采用英语工作语言确保术语准确性[27][30][40] - 典型案例包括解释细胞形态学原理（指出用户预设错误）和转基因食品安全性评估（引用WHO/FAO等权威结论），全程展示思考过程与工具调用[31][35][38] - 生成报告支持PDF导出和链接分享，实测显示可在半小时内完成传统需数天的工作，且通过强制文献溯源有效抑制LLM幻觉问题[46] 行业影响与趋势 - 标志AI应用从"技术质变"转向"应用量变"阶段，代表AI for Science领域重大突破，可能重塑人机协作科研范式[9][16][47] - 国内AI科研布局领先全球，深势科技等企业通过创新方法实现低成本高效率解决方案，继DeepSeek-R1开源后再次展现中国AI技术实力[49] - 作为系列研究开篇，未来计划扩展为更通用的科研AI智能体，推动AI驱动的新科研时代到来，与生命科学、医药、新材料等垂直领域形成交叉创新[48][50]

通用科研智能体SciMaster发布 - 全球首个通用科研智能体SciMaster在WAIC未来发展论坛发布，由上海交大青年博导张林峰与深势科技创始人张林峰共同推出[1] - SciMaster具备专家级深度调研能力，基于通用科学基座大模型Innovator，拥有多模态能力[5] - 可结合全网资源和1.7亿科学文献进行科研辅助，并能以科研思维解决日常问题[2][3] - 主要功能免费开放，发布后迅速引发用户求邀请码热潮[4] 核心功能与技术特点 - 提供"通用助手"和"深度调研"两种模式，前者适合快速了解问题，后者可生成更翔实的报告并附参考文献[22] - 集成多种科学专用工具，支持主动调用和自动调用两种方式[24][28] - 检索方式包括WebSearch、WebParse、PaperSearch三种，覆盖全域互联网和1.7亿科学文献[7] - 支持用户干预检索方案，可随时暂停并编辑搜索策略[8] - 具备自动优化搜索能力，如不满意初次检索结果会自动调整关键词进行二次搜索[10] 实际应用案例 - 在AI前沿领域调研中，成功识别出Mamba、GNN等有前景的非Transformer架构，发现Mamba在长序列处理上效率是Transformer的5倍[15][17] - 在生物信息学领域，证实GNN在单细胞转录组学中可替代Transformer且计算资源消耗更少[18] - 在表格数据处理方面，发现传统MLP在某些情况下表现优于Transformer架构[19] - 生活场景中可提供科学开空调方案，根据不同关注点(舒适/健康/节能)给出最优解[29][30] - 商业场景中可帮助投资人发现具身智能领域有潜力的中国初创企业，并提供亮点和风险分析[37][39] 开发背景与行业影响 - 由上海交大与深势科技合作开发，是AI for Science(AI4S)领域的校企合作标杆成果[42] - 深势科技已推出科学大模型体系、药物计算平台等AI4S产品，并与40余所高校达成合作[43][44] - 数据来源于深势科技的玻尔科研空间站，并接入DeepModeling开源社区，已孕育上千款工具和数百个应用[43][46] - 目标是打造"AI4S领域的Hugging Face"，推动重塑高校科研范式，改变传统"教、学、研、用"体系[45][47] - 作为通用科学智能体，将促进信息世界与物理世界融合，推动AI与传统学科的深度结合[48]

核心观点 - 开源开放是科学发展的未来，SciMaster始终拥抱开源开放 [1] - SciMaster是通用科研智能体，将AI for Science愿景转化为可参与的科研新现实 [3] - SciMaster旨在重塑科研过程，构建透明、可控、可协作的智能研究生态 [5] - SciMaster背后有科学基座大模型Innovator和玻尔科研空间站支撑 [21] 产品发布 - 7月26日上海交通大学-深势科技-上海算法创新院共同发布科学基座大模型Innovator和通用科研智能体SciMaster [2] 科研痛点与解决方案 - 自19世纪以来人类文献数量增长4000倍但研读速度仅提升2倍 [5] - 科学研究需要多学科参与且工具日益复杂导致效率瓶颈 [5] - SciMaster通过"读、算、做"构建智能研究生态解决这些问题 [5] 核心功能 - 具备专家级深度调研能力，可生成按需定制的高质量科学调研报告 [6][7] - 上线一天已生成数千篇调研报告，支持一键导出和自由分享 [10] - 支持思维链编辑功能，研究者可干预执行逻辑共同优化 [12] - 集成众多科学专用工具，支持主动调用和自动调用两种方式 [13] 科研范式重塑 - 已与40余所高校合作，上海交大构建"超级科研平台"整合校内外资源 [15] - 可接入课题组私有数据，整合师生自建智能体加速协同创新 [15] - 通过Uni-Lab的MCP服务构建"干湿闭环"实验生态 [15] - 张万斌教授团队和董佳家教授已利用相关智能体加速研发 [15] - 与宜宾创新中心联动将电解液配方研发效率提升至少10倍 [15] 开源平台 - 一键将科学计算工具升级为智能体 [17] - 接入DeepModeling开源社区，孕育上千款Agent-ready工具和数百个Agent应用 [17] - 催生ChemMaster等子智能体和临港实验室虚拟疾病生物学家系统 [17] 行业影响 - 突破学科边界与工具限制，提高科研效率 [19] - 推动科研协作模式变革 [19] - AI与科学研究深度纠缠共同进化，引发更深层次变革 [20] - 人机交互产生的数据持续反哺Innovator增强能力 [21]