纪要涉及的行业 AI 产业 纪要提到的核心观点和论据 1. 发展节奏和方向 - 2025 年 AI 产业链中应用层面边际变化最大，大模型和算力大变动或下半年显现；下半年至年底预训练重新成模型厂商竞争战场（OpenAI、Anthropic、谷歌），微软暂排除；应用层面关键词是“agent”[2] - 2026 年预训练重新成为竞争焦点，对算力需求产生显著影响[3] 2. 模型发展趋势 - 今年发展重心转向后训练，各模型厂商推理模型迭代加速，如 OpenAI 的 O 系列；2026 年回归预训练[3][5] - 双架构模型（Transformer+GNN）成趋势，年底前后或成大模型厂商共识，可弥补 Transformer 架构局限性[3][9][10] - 数据集合成数据价值凸显，未来数据使用集中于增加新数据和提高现有数据使用效率[3][12] - 强化学习在后训练中作用关键，可提高特定领域能力，但对整体模型能力提升有限[3][17] 3. 算力需求及其结构 - 今年算力无显著变化，但整体需求比预期乐观，ASIC 产业趋势明确；长期看，数据量和参数量增长驱动算力需求[3][4][6] - 算力需求青黄不接，训练算力预期弱化，推理算力需求未爆发；关注 OpenAI、Anthropic 和谷歌资本开支态度[3][32] 4. 终端侧创新 - 受关税和全球供应链体系变化影响，需关注苹果公司动态及全球供应链对创新和端侧模型发展的影响[4][7] 5. 商业化进程 - 今年围绕“agent”展开，大模型厂商后训练提升模型能力，产品厂商工程化改善用户体验；大规模厂商竞争推动商业化[8][20] 6. 智能代理相关 - 今年是智能代理元年，从 ChatGPT 向更高级别过渡，开发泛化版 coding agent 是重点；通用智能代理面临任务执行准确率和用户交互界面设计挑战[20][21] - 提升人工智能模型准确率可提升底层模型能力、在特定场景实现 agent、前后训练结合或依靠工程化手段[23] - 多个 agent 组合可提高任务执行准确率[25] - CAP 为开发者提供共享工具和数据，降低开发门槛，促进 agent 技术发展与应用普及[26][27] - MCP 提供工具模块和数据资源，降低 Agent 开发门槛，间接推动技术进步与应用普及[28] 7. 公司动态 - 2025 年 Asporic、谷歌和 OPGEN 重心在 agent 能力，二、三季度围绕 agent 竞争，预训练进展推迟[29] - OpenAI 下半年可能开发通用 agent，预训练节奏放慢，影响市场对其算力需求预期[30] - 谷歌下月 I/O 大会和下周季报将揭示未来半年 AI 大模型演化方向和战略重点[31] - 微软 AI 能力边际变化减弱，砍掉两个 2G 数据中心，与 OpenAI 发展方向和节奏分歧有关[34][35] - OpenAI 在全球 AI 商业化 C 端市场表现突出，Chatbot 领域商业化成功[37] 其他重要但是可能被忽略的内容 1. 参数量可能从 2 万亿提升到 20 万亿，但对集群要求高，今年到明年 20 万卡集群规模大，目前仅 OpenAI 有潜力实现[13] 2. 新增网络架构 GNN 对原有参数量影响不大，在已有算法基础上优化[14] 3. RNN 处理序列数据，GNN 处理图形关系数据，二者结合可提高预测能力，减少模型幻觉[15] 4. 大规模应用双架构模型需强大计算资源，今年大厂重心不在此，实现大规模应用需时日[16] 5. 中国厂商在人工智能应用开发工程化创新方面有优势，产品获海外认可，开发灵活创新[24] 6. 今年整体算力需求预计稍好于市场预期，关键是提升模型能力和满足应用期待，下半年股价或有新机会[38] 7. 关注 Mpire 和 Thought Machine 了解多模态技术发展[39] 8. 今年投资方向密切跟踪 AAA 级公司动态，二到三季度或有较大变化，大模型变动预计年底或四季度[40]