Meta Muse 个人 Agent 与海外 AI 算力链电话会议纪要要点总结 一、涉及行业与公司 行业 - 海外 AI 算力链[1] - 光无源板块（光通信无源器件）[1][9] - 国内 C 端 AI Agent 应用[1][19] - AI 电商与广告变现[5][6] - 半导体（CPU、GPU、互联芯片）[7][8] 公司 - Meta：推出 Muse 个人 Agent 产品[1][3] - AMD：与 Meta 签署 6G GPU 及股权认股权证协议[1][8] - 杰普特：光通信业务业绩翻倍增长[1][12] - 瑞可达：AEC 铜缆量产[1][12] - 汇聚科技：偏低估值标的，MPO 领域业绩确定性高[13] - 至上科技：ISAU 和 MPC 方案期权价值[13] - 维科技术：收购九层光电切入上游 MT 插芯环节[13] - 博通：交换芯片及 Meta 自研芯片合作方[8] - Marvell：互联领域 DSP 相关[8] - Semtech：Driver/TI 领域模拟芯片[8] - 腾讯：AI 投入被视为成本费用，估值仅 13 倍[2][17] - 阿里巴巴：云业务 AI 收入占比提升，平头哥新芯片性能达前代 3 倍[2][18] - 豆包：国内最大 AI 原生应用，MAU 达 3.8 亿[14] - 千问：国内第二大 AI 原生应用，MAU 接近 1.8 亿[14] - 小微：腾讯 AI 助手，植入微信[13][17] - 亚马逊：电商领域竞争对手[6] - 谷歌：操作系统层面竞争对手[6] - Lumentum：MPC 新技术方案[12] - 康宁：玻璃桥新技术方案[12] - 尖点科技：与杰普特在 PCB 钻针业务上战略合作[12] - 旭创：与瑞可达成立合资公司睿创[12] - OpenAI：2025 年未能成功实现 AI 电商[5] 二、核心观点与论据 （一）Meta Muse 产品设计与商业化 产品设计独特性 - Muse 最显著特点是对安全与权限的独立设计和保障，体现在两个层面[3] - 应用层面设置名为"Sentinel"的安全层级，对 AI Agent 输出进行明确监管和流程管理限制[1][3] - 物理实体层面采用隔离策略，为每个用户提供独立的个人云端虚拟机或容器，而非直接侵入用户设备[3] - 用户可严格授权哪些文件或信息进入虚拟机，系统对银行卡、密码等保密信息进行保护，确保数据进出云栈时有严格密钥和保护措施[3] - 功能上提供购物助手、行程管理、网页与 APP 自动化、通讯社交内容整理以及邮件阅读整理等针对个人工作流的功能[3] - 核心竞争力在于通过安全隔离实现从功能应用到支付环节的消费闭环，联合 Stripe Link 打通支付途径，并通过隔离和二次确认等措施保障用户资金与隐私安全[1][3] 推广策略 - 与之前在发布会上反复强调并利用流量广泛推广的 Meta AI 助手不同，Muse 推广相对更为低调[4] - 初步在 WhatsApp 这一更偏向私密通讯的入口进行整合，体现整合消费互联网生态的初步方式[4] - Meta 模型本身不一定最顶尖，但优势在于对 C 端用户的深刻理解、庞大的消费互联网生态集成能力，以及在网页、购物、旅行规划和通讯社交整理等领域抢占的先机[4] 商业化模式 - 短期主要采用订阅制，分为三个层级：免费版、高级版和商业版[4] - 高级版定价为每月 20 美元，商业版定价为每月 100 美元[1][4] - 分层定价模式与其他 AI 产品订阅方式类似，主要区别在于提供的服务内容，例如不同层级用户可使用的 tokens 用量、可调用的模型层次以及 API 调用的并发优先级等[4] 长期愿景与商业化路径 - 长期目标是成为 MAU 达到十亿级别的流量入口，从而打通 Meta 现有的社交版图[5] - 若能成功，将极大推动 Meta 整个消费互联网生态的 AI 化进程[5] - 商业化路径主要有两个方向：首先是 AI 电商，Meta 从一开始就注重支付隔离与安全保障，旨在构建 AI 电商生态，可视为对 OpenAI 在 2025 年未能成功实现的 AI 电商领域的一次尝试[5] - 其次是广告变现，当 Meta Muse 成为爆款 AI 应用和流量入口后，自然会成为广告和电商收入的重要渠道[6] 竞争格局 - Meta Muse 并非终局产品，仍面临激烈竞争[6] - 电商领域：亚马逊凭借自 2019 年起每年投入数百亿美元构建的物流基础设施，在购物和物流体验上占据领先地位，未来也必然会推出同类竞品，短期内 Meta 在电商布局上相较于亚马逊存在劣势，其策略更侧重于守住自身流量入口的先发优势[6] - 操作系统层面：谷歌拥有安卓系统的原生优势，Meta 通过虚拟机隔离技术保障用户安全但并未真正侵入用户设备，未来谷歌可能利用其操作系统优势，在进入用户设备的同时解决安全隔离问题，从而获得更高层级的权限，完成更广泛的个人工作流任务[6] - C 端用户对于整合个人工作流、提升效率的需求趋势明确，但最终市场格局尚未确定，仍需持续观察亚马逊、谷歌等消费互联网巨头的跟进措施以及是否会出现更新颖的产品形态[6] （二）对硬件层面的影响 CPU 相关公司 - Meta Muse 推出对 CPU 相关公司产生最直接且明确的利好影响[7] - Agent 类应用由于涉及任务拆解、编排、以及在推理过程中更频繁的向量数据库检索，同时对上下文长度和宽度要求更高，导致其对 CPU 的利用量显著高于传统的训练和一次性推理工作负载[7] - CPU 以控制为主的工作负载特性，使其比 GPU 的并行计算模式更适合处理和分配大量 AI 任务[8] - 这一逻辑在过去一年中已持续演绎，而 Agent 的正式推出则强化了该趋势在商业层面的落地[8] AMD - AMD 在消息发布后市值已突破万亿美元，市场已将其视为带有"Meta"标签的硬件公司[8] - 得益于 2026 年 2 月 AMD 与 Meta 签署的一份 6G GPU 意向协议，该协议规定在 Meta 完成一定体量的算力采购后，将获得 AMD 10%股权的认股权证，形成明确的合作标签效应[1][8] 互联领域 - 在 AI 应用爆发的大趋势下，对互联的需求也将受到整体拉动[8] - 尽管其与 Agent 逻辑的关联并非直接的用量拉动，但应用爆发必然带来对互联需求的增长[8] - 互联领域中价值量提升壁垒相对更高的环节，如交换芯片、DSP 以及 Driver/TI 等模拟芯片公司，预计将迎来明确机会[8] - 包括博通、Marvell 以及在 Driver/TI 领域的 Semtech 等公司[8] Meta 自研芯片 - 一个重要的观测点是 Meta 的自研芯片进展[8] - 其与博通合作的自研芯片预计将在 2027 年开始实现一定规模的量产落地[8] - 这将对北美 SOX 指数（费城半导体指数）成分股产生明确的拉动作用[8] （三）光无源板块投资逻辑 核心逻辑 - 在北美 AI 产业链中，光无源板块被视为一个斜率陡峭且确定性较高的环节[9] - 该板块正处于"通胀逻辑"的持续演绎中，量价齐升的现象已在多个具体层面得到验证[9] - 相关厂商正在兑现业绩，并普遍呈现出下半年优于上半年、2027 年优于 2026 年的增长趋势[10] - 光无源板块踩准了 NPO（近封装光学）、CPO（共封装光学）及 OCS（光路交换）等技术演进方向[10] - 这些新技术不仅提升了无源器件在整机中的价值量占比，还催生了新产品需求，为板块提供了持续的增长动力[10] 业绩表现 - 2026 年上半年已实现非常明显的兑现[10] - 光无源环节的特点是产业落地时间点相对靠后，通常在数据中心布线的"最后一公里"环节才真正放量，因此很难提前精准预测[10] - 目前上半年已确认起量，市场关注点已转向下半年的业绩弹性[10] - 除了收入和利润的高速增长，利润率的持续提升尤为关键[10] - 利润率提升验证了行业尚处早期、竞争格局友好，许多厂商服务于单一客户且处于供不应求的状态，也反映了产品结构的升级（如向高密度、小型化产品演进）和产能利用率提升带来的规模效应[10] 技术趋势 - 以 MPO（多芯光纤连接器）为例，其技术迭代趋势显著[10] - 传统 MPO 属于通用型产品，技术壁垒不高，更多依赖于客户认证和商务壁垒[10] - 现在 MPO 产品已出现明确的换代升级需求，正朝着更高密度、更小型化的方向发展，新产品的利润率也更高[10] （四）光通信无源器件技术路径与价值量变化 技术壁垒提升 - 新一代光通信无源器件，如 MMC、SNM、MP 等，存在专利授权问题，且产品难度与复杂度相较上一代有显著提升，形成更高的技术壁垒[11] - 以插芯为例，虽然是注塑件，但其制造难度极高，孔间距可能达到微米级别，要求生产设备具备纳米级的精度，这使得产品不再是易于切入的通用型产品[11][12] SAU 变革 - SAU 的变革更为明确，其产品形态在 CPU、MPU 等新技术路径下可能发生本质性变化，但目前技术格局尚未完全确定[12] - ICU 环节的通胀逻辑非常显著，当前普遍的 12 芯或 16 芯 FAU 方案，由于是 fiber to PE 的解决方案，精密度要求很高[12] - 演进至 NPO 和 CPO 方案后，普遍需要使用 36 芯或 40 芯以上的 SAU 产品[12] - 若折算至单通道单价，NPO、CPO 带来的单通道 ASP（平均销售价格）可能是传统 SAU 的 10 倍，这一通胀逻辑已在产业中得到明确兑现[1][12] - SAU 的技术演进存在多种方案，一是沿传统 SAU 向 DFAU 演进，二是采用 Lumentum 的 MPC 或康宁的玻璃桥等新技术，尽管这些新技术尚未达到商用落地阶段，但其产业化进程及对未来产业格局和供应商份额的潜在影响值得关注[12] （五）重点投资标的 杰普特 - 在激光器和设备领域已验证其能力，近期在 PCB 钻针业务上与尖点科技达成战略合作，主业有望迎来新的增长弹性[12] - 光通信业务源于与客户多年的合作，业绩增速斜率最为陡峭[12] - 2025 年收入仅一个多亿，预计 2026 年将达到十多个亿，实现翻倍以上增长[1][12] - 在客户份额提升且自身份额稳健的背景下，公司产品供不应求，后续加单可能性较高[12] - 布局广泛，除 MPO 外也涉足 SAU，凭借出色的管理能力和设备自研优势，公司经营稳健且未来业绩弹性可观[12] 瑞可达 - 核心看点在于业务兑现[12] - 与旭创成立的合资公司睿创所负责的 AEC 高速铜缆业务已进入批量生产和交付阶段[12] - 预计 2026 年第三、四季度将在业绩层面有明显体现，有助于打消市场疑虑[12] - 展望 2027 年，公司在 ICU 领域的客户和产能布局将进一步完善，有望在无源器件领域占据重要位置，而当前股价尚未充分反映这些预期[12] 汇聚科技 - 属于偏低估值标的，其在 MPO 领域的业绩确定性在 2026 年下半年非常高[13] - 近几个月客户订单情况良好，验证了行业景气度及其在客户中的稳固地位，无论从份额还是合作深度看，其站位都十分深厚[13] 至上科技 - 主要看点在于其 ISAU 和 MPC 方案的期权价值能否落地[13] - 近期发布的视频验证了其 VCSEL 方案进展顺利，该期权的落地预计将为公司带来巨大的估值弹性[13] - 关键的验证时间点大概率在 2026 年底至 2027 年春节前后[13] 维科技术 - 建议关注这类在产业链中卡位稀缺的标的[13] - 通过收购九层光电切入上游 MT 插芯环节，该环节上市公司稀少，具备精密制造能力的公司非常稀缺[13] - 目前公司正在进行技术攻关和产能爬坡，主业相对稳健，而九层光电的收购有望在 2027 年带来较大的业绩弹性[13] （六）国内个人 AI Agent 产品对比 国内产品起步与现状 - 国内的个人 AI Agent 产品在探索用 AI 为用户处理事务方面起步明显早于 Muse[13] - 2025 年豆包 APP 已开始打通抖音商城系统，其手机助手也尝试了跨 APP 操作[13] - 2026 年 1 月，千问打通了阿里生活服务生态[13] - 腾讯的小微则在同年 6 月开始灰度测试[13] 小微 - 将 AI 植入微信，目前可操作微信原生功能（如发消息、打电话），并通过小程序调用点外卖、打车等服务[13] - 9 月份，小微灰度测试了电脑端版本和 AI 社交功能，允许用户的小微与好友的小微进行交互和信息传递[13] 豆包 - 是 AI 入口与 Agent 执行交易的结合体[13] - 根据 QuestMobile 数据，其 2026 年 6 月的月活跃用户规模已达 3.8 亿，是国内最大的 AI 原生应用[14] - 已全面接入抖音的电商和生活服务，用户可在应用内完成商品浏览、支付等全链路交易[14] - 其手机助手也在持续探索系统级的跨 APP 操作[14] 千问 - 将阿里现有的服务整合至一个 AI 入口后，上半年已接入淘宝、飞猪、高德等阿里系功能，并开始与外部服务（如东方航空）打通，支持通过对话完成搜航班、购票、选座值机等全套操作[14] - 截至 2026 年 6 月，其 MAU 接近 1.8 亿，是国内第二大 AI 原生应用[14] 商业模式差异 - Muse 目前偏向订阅费模式[14] - 国内产品则更多元，豆包已开始尝试收费版，同时豆包和千问都在探索电商佣金、券核销抽成等变现方式[14] Muse 市场反响更强烈的核心原因 - 尽管国内产品起步更早，功能也相似，但 Muse 此次市场感知更强，核心原因并非国内 AI 能力不足，而在于中美互联网原有的产品形态差异[14] - 国内过去十几年移动互联网竞争激烈，形成了大量超级 APP，许多需要多步骤完成的任务已被压缩在一个 APP 内[14] - AI 的介入虽然能将五六次点击的操作简化为一句话，提供了便利，但边际改善的感受并不如海外那么夸张[14] - 相比之下，海外大量服务仍分散在不同的 APP 甚至网页中，且网页端的重要性依然很高[14] （七）AI Agent 海内外价值差异 功能相似但体验提升程度不同 - 中美市场的 AI Agent 最终能够实现的功能相似，主要集中在购物、出行、预约、支付等高频生活场景[15] - 由于两个市场现有的用户链路存在显著差异，AI Agent 为用户带来的体验提升程度有所不同[15] 海外市场 - 各项服务非常碎片化[16] - 例如安排一次旅行，用户可能需要分别使用 Google Flights 查询航班、访问航空公司官网购票、通过 Booking.com 预订酒店、在餐厅网站订餐、用谷歌地图规划路线、使用 Uber 打车，并最终在邮箱中确认所有订单，整个过程需要在五六个平台间切换[16] - 像 Muse 这样的 AI Agent 通过整合这些操作，让用户仅需通过一句话指令即可完成所有预订，极大地简化了原本繁琐的流程，体验提升非常直观[16] 国内市场 - 国内互联网应用已经相当便捷，用户通过携程或飞猪等 APP 即可一站式完成机票酒店的比价、下单和支付[16] - 在国内，AI Agent 带来的更多是 APP 智能化程度的提升，其价值释放更依赖于在现有生态深度上的挖掘，而非仅仅是简化步骤[16] （八）Muse 成功对国内的启示 启示一 - 开发成功的 Agent 应用已不再需要等待自家模型技术达到绝对领先[16] - Muse 的突破并非源于其模型本身达到了 SOTA 水平，而是成功地将模型、云电脑、账号权限及其他产品功能整合成一个完整的解决方案[16] - 这表明当前阶段的模型能力足以支撑一部分高价值应用场景的实现，应用层的创新不必等待下一轮模型能力的跃升，也降低了对应用开发公司自身模型能力的要求[16] 启示二 - 国内互联网公司的庞大生态系统，在 AI 时代是重要的资产而非限制[16] - 过去所谓的"互联网生态"，如微信沉淀的 C 端和 B 端的社交关系链、小程序和支付体系，字节跳动的内容、抖音电商和生活服务，以及阿里巴巴的整套生活服务体系，未来都可以转化为大量现成的 AI"skill"[16][17] - 在国内，企业可以在一个高频生态内，以较低成本的方式，将需求、推荐、交易、支付、履约乃至售后等环节完整地连接起来[17] - 国内 AI Agent 的形态可能并非独立的 APP，而是各家大厂基于自身优势生态演化出的不同产品形态[17] - 例如，腾讯适合在微信内增加入口或功能，字节跳动在内容和消费决策上具备优势，而阿里巴巴在交易闭环上能力更强[17] - 未来评估 AI 进展，不仅要看