实验概述与核心成果 - Cursor公司进行了一项为期一周的AI多智能体协作实验，成功从零开始构建了一个可用的Web浏览器，项目代号FastRender [2] - 实验产出超过300万行代码，核心是一个用Rust从头编写的渲染引擎，并自带一个定制的JavaScript虚拟机 [2] - 生成的浏览器被描述为“勉强能用”，与成熟的Chrome内核差距尚远，但已能基本正确地渲染谷歌首页 [3] - 项目全部源代码已在GitHub上公开 [4] 核心技术：GPT-5.2-Codex模型 - 实验成功依赖于OpenAI于2025年12月发布的GPT-5.2-Codex模型，该模型被定义为“最前沿的智能体编码模型” [5] - 该模型不再是简单的代码补全工具，而是能够像人类工程师一样自主规划并独立完成新功能开发、代码重构、漏洞排查等长周期任务 [6] - 模型引入了“上下文压缩”技术，使其在处理需要理解庞大代码库的长程任务时能保持逻辑一致性 [8] - 在SWE-Bench Pro和Terminal-Bench 2.0等权威软件工程基准测试中，该模型均取得了最先进水平的成绩 [9] - OpenAI称其为“迄今为止最具网络安全能力”的模型，其前代版本曾发现React框架中的高危漏洞 [11] 多智能体协作架构 - 实验的核心挑战在于协调数百个AI智能体在同一代码库中并行工作而不产生冲突 [12] - 初期采用扁平化协作模式（共享文件和锁机制）遭遇失败，导致20个智能体的实际吞吐量仅相当于2到3个，并出现系统死锁和智能体“摸鱼”回避核心问题等现象 [14][15] - 最终采用“规划者-工作者-裁判”分层架构取得成功 [15] - **规划者**：负责宏观任务探索和创建具体任务，并可递归生成子规划者进行并行规划 [15] - **工作者**：作为纯粹的执行者，接收任务后独立编写代码并推送，无需与其他工作者协调 [16] - **裁判**：在每个工作周期结束时评估进展，决定是否继续下一个迭代，防止任务跑偏 [17] - 此架构实现了数百个AI智能体在同一代码分支上高效并行工作，代码冲突极少 [18] 实验发现与行业影响 - **模型选择**：对于极长时间的自主任务，通用的GPT-5.2模型在规划能力上优于专门为编码训练的GPT-5.1-Codex；而Anthropic的Claude Opus 4.5模型倾向于“走捷径”，更适合人机交互场景，不适合持续数周的自主任务 [21] - **提示词重要性**：提示词的设计比模型本身和执行环境更为重要，引导智能体正确协作、避免病态行为并保持专注需要大量试错 [22] - **成本估算**：Stability AI前CEO估算，构建此浏览器可能消耗了约30亿个Token，但随着Token成本持续下降，软件开发的边际成本正趋近于零 [25] - **行业反响**：OpenAI联合创始人称此实验为“对未来的惊鸿一瞥” [23] - **未来展望**：实验证明了通过增加智能体数量来扩展自主编码能力的可行性，未来软件开发团队结构可能演变为人类负责架构设计、AI监督和最终验证，而具体的编码实现则大规模交由AI智能体完成 [29]

核心观点 - 报告认为当前AI行情尚处于泡沫早期阶段，后续仍有充足的向上空间[2] 长期看，AI革命仍处于产业化初期，应用渗透空间广阔，有望构筑“技术突破→效率提升→盈利增长”的良性循环，为行情长期韧性提供基本面支撑[2] 中短期看，AI产业链可能出现的波动与回调有助于消化估值压力，为未来行情延续奠定基础[2] 历史复盘：互联网泡沫形成与破灭 宏观层面 - 货币政策长期宽松为互联网泡沫提供流动性基础，90年代美国经历两轮降息周期，1989-1992年累计降息6.81个百分点至3.0%，1995-1998年累计降息1.25个百分点至4.75%[12] 但1999年美联储转向加息，连续6次加息累计1.75个百分点，流动性收紧刺破泡沫[12] - 技术创新驱动美国经济繁荣，90年代美国平均GDP增速为3.2%，信息通信技术、科技服务等对经济形成重要支撑，1999年美国GDP占全球比重升至近30%[17] 但泡沫破裂后，2000年三季度GDP同比增速从5.24%下行至3.97%，四季度进一步降至2.91%[18] 中观层面 - 美国政府将技术创新提升至国家战略层面，1996年美国研发支出规模达3042亿美元，远高于同期欧元区的1583亿美元、日本的1077亿美元和韩国的163亿美元[31] 1991年至2000年间，美国居民互联网普及率从1.2%迅速攀升至43.1%[31] - 科技企业资本开支模式从内部现金流覆盖转向依赖外部股权融资，2000年纳指资本开支规模超过经营活动现金流，1999年科技企业IPO数量占比高达78%[35] 互联网泡沫破裂后，信息技术行业产能利用率从接近90%的高位骤降至2001年的不足60%[35] 微观层面 - 早期入局企业在盈利、股价层面取得明显优势，网景公司截至1995年3月累计盈利700万美元，浏览器市场市占率高达80%；雅虎市值在1999年突破千亿美元；eBay股价在1999年内最高涨幅超320%[39] - 但商业模式尚不成熟、技术壁垒低引发竞争加剧，网景因微软推出免费IE浏览器而丧失收入来源，雅虎因门户网站技术壁垒较低在激烈竞争中陷入被动[40] 投资者非理性乐观加速泡沫演化，公司更名为“.com”相关名称后股价平均获得约14%的额外回报，交易量扩大超三倍[42] AI行情与互联网泡沫比较 宏观层面相似性与差异性 - 流动性环境相似，美联储于2025年9月重启降息，点阵图显示降息有望持续至2027年，同时扩张性财政政策《大美丽法案》预计自2026年起对美国实际GDP产生提振作用，2027年达到峰值0.69%[51] - 但美股吸引力已有所弱化，2025年以来美元指数从年初高点110.2降至100以下水平，中国、欧洲经济底部企稳或使美国经济增长相对优势收窄，特朗普政策不确定性及美国债务担忧进一步压制美元资产[52] 中观层面相似性与差异性 - 产业发展路径相似，美国将AI确立为国家战略重点，拜登政府通过《芯片和科学法案》为半导体行业提供约527亿美元资金支持，特朗普政府《赢得AI竞赛：美国AI行动计划》明确加速创新、扩大基础设施投资和推进监管松绑三大方向[56] - 但政治环境更为复杂，AI出口管制趋于常态化，英伟达称受特朗普摇摆的贸易政策影响错失对华销售机会[57] 与互联网泡沫时期不同，科技企业资本开支扩张节奏与现金流增长基本匹配，纳指成分公司资本开支从2019年一季度的470.2亿美元升至2025年二季度的1615.0亿美元，同期经营活动现金流从1312.5亿美元增至3237.0亿美元，扩大近3倍[58] 微观层面差异性 - AI商业模式更成熟，科技巨头拥有稳定收入支撑高估值，股价上涨主要依赖盈利增长驱动而非单纯估值扩张[64] 与互联网早期企业依赖广告收入相比，当前AI企业已建立清晰商业化路径如订阅制服务[64] - 市场情绪指标显示投资者对AI领域热情远未达互联网泡沫顶峰水平，看涨情绪位于历史均值区间，未出现持续偏离或过度乐观的技术信号[67] 资产展望 长期发展空间 - AI革命仍处于产业化早期，应用渗透空间广阔，截至2024年AI工具在工作与非工作场景中使用率分别为26.4%与33.7%，预计AI将在2027年推动全球全要素生产率增速提升0.09个百分点，2030年提升至0.18个百分点，2032年达到约0.2个百分点的峰值贡献[69] 中短期波动风险 - 科技巨头互相注资加剧业绩脆弱性，通过股权融资、债务安排及长期算力采购协议形成资金闭环流转，若关键环节企业经营困难可能引发连锁反应[72] - AI数据中心面临电力瓶颈，国际能源署预计2024至2030年全球数据中心用电量每年增长约15%，到2030年用电量将翻一倍[72] - 全球竞争加剧带来不确定性，美国持续加强AI芯片对华限制，中国推动自主大模型研发与落地，可能带来供应链分割与政策不确定性[73]