核心观点 报告认为，本周产业趋势聚焦于自动驾驶与人工智能两大领域，标志着相关技术正从测试验证迈向规模化商业应用的关键阶段[2][3]。自动驾驶方面，中国L3级车型首次获准上路试点，同时多家企业L4级无人驾驶出租车在海外实现商业化落地，产业出海进程加速[3][15][19]。人工智能方面，谷歌推出的Gemini 3 Flash模型通过架构创新，在速度、质量与成本之间取得了突破性平衡，可能重塑AI模型的市场格局[3][36][46]。报告建议短期关注AI硬件、商业航天、AI应用、有色金属和创新药五大具备边际改善的赛道，并认为科技成长风格仍将占优[4][54][57]。 自动驾驶产业趋势 - **中国L3级自动驾驶实现商业化突破**：工业和信息化部于12月15日正式公布首批L3级有条件自动驾驶车型准入许可，标志着L3自动驾驶从测试阶段迈入限定场景下的商业化应用阶段[15][18]。获批的两款车型分别为长安牌SC7000AAARBEV型纯电动轿车和极狐牌BJ7001A61NBEV型纯电动轿车，将分别在北京和重庆的指定区域开展上路试点[3][15] - **试点车型与场景具体化**：长安车型可在交通拥堵环境下，于高速公路及城市快速路单车道内实现自动驾驶，最高车速50km/h，限定在重庆市内环快速路等路段启用[15]。极狐车型可在高速公路及城市快速路单车道内实现自动驾驶，最高车速80km/h，限定在北京市京台高速等路段启用[15]。鸿蒙智行也在深圳启动了覆盖约1000公里高快速道路的L3级有条件自动驾驶内测，累计验证里程已超过2万公里[15] - **国内自动驾驶企业加速海外商业化落地**：多家中国自动驾驶公司在东南亚、中东等地推进L4级Robotaxi的商业化运营[17]。Momenta与新加坡出行平台Grab达成战略合作并获得投资，共同推动东南亚市场落地[2][17]。文远知行与优步合作，已在阿联酋阿布扎比和迪拜实现L4级纯无人Robotaxi商业化运营，其中阿布扎比车队即将达到单车盈亏平衡，并预计到2025年底其全球Robotaxi车队规模将接近1000辆[19]。小马智行也在迪拜、卡塔尔等地开展测试，目标在2026年实现L4级纯无人商业化运营[23] - **全球市场处于快速放量前夜**：报告引用预测数据指出，中国包含L2+在内的L3/4/5级自动驾驶渗透率预计将从2024年的11%提升至2030年的84%[27]。搭载L2+/L3功能的乘用车销量有望从2025年的610万辆增至2030年的1840万辆，L4/L5车型销量预计在2030年达到100万辆[27]。全球L4及以上自动驾驶市场规模预计在2024-2030年间以277%的年复合增速扩张至1.44万亿美元[27] - **Robotaxi单车经济性迎来拐点**：根据美国银行全球研究院测算，2025年中国Robotaxi单车年均毛亏约7.9万元，但到2030年有望改善为单车年均毛利润6万元，对应毛利率约29%[31]。海外市场盈利弹性更大，预计2030年阿联酋和美国Robotaxi的单车毛利率将分别达到44%和53%[31] 人工智能产业趋势 - **谷歌推出高性能低成本模型Gemini 3 Flash**：Google DeepMind于2025年12月17日正式推出Gemini 3 Flash模型，该模型通过架构创新打破了“速度-质量-成本”的不可能三角，旨在成为处理80%日常高频任务的“主力战马”[3][36] - **模型具备卓越的多模态与推理能力**：Gemini 3 Flash在Video-MMMU视频理解基准测试中得分86.9%，具备时间序列理解能力[40]。在GPQA Diamond科学推理测试中取得90.4%的高分，在配合工具的情况下AIME 2025数学竞赛得分高达99.7%[41]。其代码能力在SWE-bench Verified测试中得分为78.0%，优于Gemini 3 Pro并紧追GPT-5.2[41][43] - **采用激进的定价策略**：Gemini 3 Flash的输入价格仅为0.50美元/百万Token，约为竞品GPT-5.2价格的30%，输出价格为3.00美元/百万Token[46][47]。这种定价策略显著降低了企业调用AI模型的成本，例如Box Inc.切换模型后特定文档处理成本降低了约75%[46] - **谷歌的垂直整合生态构成核心优势**：谷歌凭借从自研TPU芯片到上层应用的全栈技术生态，实现了更低的算力边际成本，这是Gemini 3 Flash能够实现“地板价”定价的底气所在[48][49]。该模型已无缝集成至谷歌搜索等数十亿用户的产品中，进一步通过规模效应摊薄成本[50] 短期投资建议 - **报告建议12月重点关注五大具备边际改善的赛道**：分别是AI硬件、商业航天、AI应用、有色金属和创新药[4][54] - **AI硬件**：推荐理由包括头部厂商英伟达FY26Q3业绩及Q4指引超预期，博通有望上修明年AI加速器收入预期，以及全球AI基础设施建设加速，如谷歌提出4-5年内实现AI基础设施能力1000倍提升，Anthropic计划在美投资建设新数据中心[54][57] - **商业航天**：催化事件包括北京拟在晨昏轨道建设功率超千兆瓦的太空算力中心，以及国防科工局招聘商业航天司岗位[54]。政策层面，国家航天局印发了《推进商业航天高质量安全发展行动计划（2025—2027年）》，鼓励政府扩大采购[54] - **AI应用**：商业化趋势多点开花，阿里巴巴公测“通义千问”APP，谷歌发布Gemini 3 Pro提升多模态能力，腾讯混元等国内模型持续迭代[54]。全球月访问量过亿的AI应用已达9款，Creati、Tunee AI等垂类应用访问量同比增速超过700%[54]。政策上，“十五五”规划明确全面实施“人工智能+”行动[54] - **有色金属**：市场预计美联储12月降息概率上升至84.7%，利好大宗商品[54]。铜、铝等金属价格走强，前三季度国内黄金均价同比上涨41%[54]。政策方面，八部门联合印发《有色金属行业稳增长工作方案（2025-2026年）》，提出行业增加值年均增长5%左右的目标[54] - **创新药**：12月将召开ASH、ESMO Asia等多个重磅医药学术大会，带来产业催化[54]。国内多个ADC、双抗单品实现与跨国药企合作出海，例如辉瑞与三生制药的合作计划在2026年新增10个以上适应症[54]。新版国家医保药品目录及首版商保创新药目录计划于12月初发布[54] 全球市场表现 - **上周全球股市行业表现**：全球股市涨跌参半，金融、日常消费和材料行业表现较好[5][60]。具体来看，美股可选消费和医疗保健表现较好；欧股金融和公共事业表现较好；日本股市日常消费和公共事业表现较好；港股日常消费和金融表现较好；A股日常消费和金融表现较好[60][61] - **全球强势股与异动股简析**：过去一周领涨的大市值公司中，信息技术和金融行业居多[66]。印孚瑟斯技术因竞争对手埃森哲财报强劲且上调AI订单指引，股价周涨13.7%[67][69]。耐克公司因第二财季销售额同比下滑8%并下调全年指引，股价周跌13.0%[68][70]

生物制造与生物科技产业 - 全国生物制造产业总规模达到1.1万亿元，生物发酵产品产量占全球70%以上 [2] - 安徽“十五五”规划建议提出，以超常规举措加强关键核心技术攻关，重点领域包括生物制造、核心种源等 [4] - 《科学》杂志2025年度十大科学突破中，多项与生命健康相关，包括定制基因编辑为超罕见病带来希望、两种淋病新药在大型临床试验中证实有效、研究发现神经细胞传递线粒体助力癌细胞转移机制、异种器官移植实现历史性突破 [4] 人工智能与算力基础设施 - 全国首个高海拔岩洞式算力舱智算中心在雅砻江两河口水电站投运，项目总投资3.5亿元，包括6个算力舱，部署2000张国产算力芯片，最高算力达每秒60亿亿次浮点运算 [3] - 山东省发布行动方案，目标到2027年全省人工智能终端产业规模超过4500亿元，重点产品产量超过1亿台，培育10家左右国内领先的龙头企业 [5][6] - 字节跳动正推进与vivo、联想、传音等硬件厂商开展AI手机合作，为其设备预装AIGC插件 [7] - 中国气象局发布气象人工智能科学模型“风源”，提供开源开放科创平台底座，助力AI气象预报 [9] - 谷歌与英伟达领投瑞典“氛围编程”初创公司Lovable的B轮融资，融资金额3.3亿美元，公司投后估值达66亿美元，估值较今年7月增长超两倍 [12][13] 大模型与生成式AI动态 - OpenAI据悉计划以高达8300亿美元估值筹资至多1000亿美元 [14] - ChatGPT移动应用的全球用户支出已突破30亿美元 [15] - 千问App官方辟谣，称网络流传的“阿里千问全员会”图片是AI生成的假图 [8] 半导体与先进制造 - 安森美与格芯签署协议，将基于格芯最先进的200毫米增强型硅基GaN工艺，共同研发并制造先进氮化镓功率产品，从650V器件开始 [17] - 上海天数智芯半导体股份有限公司已通过香港联合交易所上市聆讯 [18] 自动驾驶与机器人 - 马斯克在社交媒体称传统燃油车将逐渐消亡，最终汽车的竞争力将来源于智能化 [16] - 中国L4级自动驾驶企业白犀牛宣布完成新一轮融资，2025年内已完成3轮融资，全年累计融资额突破1亿美元 [17] - 银河通用机器人完成新一轮超3亿美元融资，由中国移动链长基金领投 [17] 全球科技政策与金融动态 - 美国《科学》杂志评选“全球可再生能源增长势不可当”为2025年度头号科学突破，认为这一重大转型主要由中国引领 [4] - 微软、谷歌等24家公司加入美国政府的“创世使命”，以促进AI技术在科学发现和能源项目中的应用 [10] - 日本央行加息25个基点，将政策利率从0.5%上调至0.75%，达到30年来的最高水平 [11] 医疗器械与前沿技术 - 国家药监局召开脑机接口医疗器械工作推进会，要求坚持安全有效为首要前提，创新审评监管方法，加强跨部门合作以完善产业链供应链 [7] - 岸迈生物科技有限公司-B向港交所提交上市申请书 [18] 消费与食品行业 - 2025胡润中国食品行业百强榜揭晓，贵州茅台以1.9万亿元价值居首，比去年增长1%；五粮液价值5700亿元，增长2%；农夫山泉价值5300亿元，增长71% [10]

Gemini 3 Flash性能表现 - 在SWE-Bench Verified测试中获得78%的分数，超越自家旗舰Gemini 3 Pro的76.2% [1][5] - 在AIME 2025数学测试中，结合代码执行能力得分高达99.7%，逼近满分 [5] - 在Humanity's Last Exam测试中，不使用工具得分为33.7%，与Pro版37.5%的成绩处于同一梯队 [5] - 在多项核心基准测试中表现超越上一代旗舰Gemini 2.5 Pro，并在编程和多模态推理等维度反超GPT-5.2 [5] - 响应速度是Gemini 2.5 Pro的3倍，Token消耗量减少30% [7] 产品定价与成本效益 - Gemini 3 Flash输入价格为每100万Token 0.50美元，输出价格为每100万Token 3.00美元 [2][6] - 价格高于Gemini 2.5 Flash（输入0.30美元/百万Token，输出2.50美元/百万Token），但考虑到性能和速度提升，仍具吸引力 [7] - 其成本显著低于Gemini 3 Pro（输入2.00美元/百万Token，输出12.00美元/百万Token） [2][6] - 在竞品中，其输入成本低于Claude Sonnet 4.5 Thinking（3.00美元/百万Token）和GPT-5.2 Extra high（1.75美元/百万Token），但高于Grok 4.1 Fast Reasoning（0.20美元/百万Token） [6] 技术战略与模型发展路径 - 公司团队揭示战略逻辑：Pro模型的主要作用是“蒸馏”出Flash模型，探索智能上限，而Flash则通过蒸馏技术继承Pro能力并优化延迟、成本和吞吐量 [8][9][11] - 未来Pro模型可能主要作为“生成器”，专门生产高质量的Flash模型 [11] - 团队认为Scaling Law并未失效，通过持续扩大规模仍能实现性能飞跃，前方“看不到墙” [11] - 未来扩展重点将从预训练阶段的算力堆叠，转移到推理侧的扩展（Test-time Compute） [12] - 后训练（Post-training）被认为是目前最大的“未开垦绿地”，在开放式任务上提升空间巨大 [12] 行业影响与技术启示 - Flash的表现打破了“模型越大越好”和“参数至上”的迷信，证明了更便宜、更快的模型可以更聪明 [3][13] - 这一结果标志着“帕累托前沿”发生反转，挑战了行业对“旗舰版”的盲目崇拜 [3][14] - 技术关键在于强化学习，Flash集成了最新的Agentic RL研究成果，而非Pro的简单蒸馏版 [13] - 证明提升模型能力不单纯依赖堆砌参数，通过先进的后训练算法（如RL），小模型可实现“降维打击” [14]

核心观点 - Alphabet被视作兼具AI基础设施与软件公司优势的顶级AI股票 适合在2026年及之后买入并长期持有 [1][2] - 公司股价在2025年已上涨约60% 虽预计2026年难以复制此表现 但仍被认为具备跑赢市场的潜力 [2] 核心业务表现 - 谷歌搜索是公司核心业务 通过整合AI驱动的“概览”功能 在搜索结果顶部提供生成式AI摘要 为用户提供混合体验 [4] - 公司的生成式AI模型Gemini在一年内从行业笑柄成长为顶级选择之一 其进步迫使OpenAI宣布进入“红色警戒”状态 [5][6] - 谷歌云业务表现提振了股价 该部门正在建设过剩的计算能力以出租给无法自建数据中心的客户 [8] - 在谷歌云内部 公司提供其定制的张量处理单元 在适当配置的工作负载下 其性能可超越图形处理单元 [8] 财务与资金状况 - 公司拥有充足的现金流 可以按需继续投资建设AI数据中心 [1][12] - 投资者应关注运营现金流和自由现金流 运营现金流可用于资助资本支出 自由现金流则扣除资本支出 显示可用于股票回购、偿债或支付股息的剩余现金 [13] - 尽管公司在AI建设上投入大量现金 但在面临自由现金流转为负数的风险之前仍有充足资金 这使其在AI竞赛中相比几乎所有竞争对手都具有巨大优势 [15] 市场数据与战略动向 - 公司当前股价为307.16美元 市值达3.7万亿美元 52周价格区间为140.53美元至328.83美元 [8] - 毛利率为59.18% 股息收益率为0.27% [8] - 据报道 公司正考虑将其TPU直接出售给Meta Platforms 而不再要求后者通过谷歌云租用访问权限 这可能开辟投资者未曾预料的新收入来源 [9][10] - AI计算市场巨大 如果公司能占据一小部分份额 可能带来显著增长 [10]

谷歌在2025年的逆转 - 谷歌在搜索引擎反垄断诉讼中获得有利判决，主审法官阿米特・梅塔裁定其只需履行相对宽松的整改要求，法官明确表示ChatGPT等AI聊天机器人的兴起是影响判决的重要因素[2][8] - 在反垄断威胁解除后，谷歌迅速扩大其Gemini AI模型在旗下平台（如Chrome浏览器）的部署，并于11月推出广受好评的Gemini 3，推动聊天机器人使用率大幅攀升[2][9] - 谷歌2025年股价表现强劲，截至上周五收盘全年累计上涨62%，在大型科技公司中表现一骑绝尘[2][9] Meta在AI领域的挑战 - Meta原定于春季推出的Llama 4 AI模型多次推迟，面市后反响平平，促使公司重组AI研究团队并斥巨资招揽人才，新团队成果预计2026年亮相[3][10] - Meta首席执行官于秋季宣布2026年将继续加大AI领域资本开支，此消息引发市场恐慌[3][10] - Meta股价全年仅上涨12.5%，虽不算糟糕，但与夏季高点相比已相去甚远[3][10] AI行业整体动态 - OpenAI在2025年遇到不少麻烦，但ChatGPT仍是最受欢迎的聊天机器人[3][10] - 行业动态表明AI行业仍处于发展阶段，现在判定胜负为时尚早，2026年竞争将更加精彩[3][10] 埃隆・马斯克与特斯拉 - 特拉华州最高法院推翻下级法院裁定，批准特斯拉向马斯克兑现2018年制定的薪酬方案[4][11] - 以特斯拉上周五481.20美元的收盘价计算，该薪酬方案对马斯克价值高达1390亿美元[4][11] 字节跳动与TikTok交易 - TikTok在所谓的“出售风波”中取得完美结果，相关交易将于明年1月22日完成，但TikTok并未被真正出售[4][11] - 交易内容为拆分TikTok美国用户数据安全部门，改组为一家由美国投资者及阿布扎比投资公司MGX共同控制股权的合资企业[4][11] - TikTok所有的核心盈利板块（电商、广告及营销业务）仍保留在字节跳动手中[4][11] - 该合资企业估值仅为140亿美元，远低于外界预估的TikTok整体价值，其本质是一个成本中心，利润绝大部分将由字节跳动占据[5][12][13] - 未来美国用户数据安全部门的员工将不再享有字节跳动的股权激励[5][12]

文章核心观点 - 人工智能行业在ChatGPT发布三周年之际，竞争白热化，模型性能差距缩小，发展面临天花板质疑，但产业对AGI的到来仍充满信仰与探索 [1] - 行业展望2026年，将面临智能瓶颈与投资回报焦虑，同时也在规模法则、多模态、研究探索、物理AI仿真数据、AI for Science、模型应用一体化、个性化软件、行业落地ROI验证、AI眼镜及AI安全等多个方向寻求突围 [1] Scaling Law与AGI进化路径 - 行业主流信仰通过增加算力、数据、参数的Scaling Law可驱动智能持续增长直至AGI，但近期模型智能升级放缓及数据枯竭论引发质疑 [2] - 反对观点认为大模型仅是拟合语言相关性，而非真正理解世界，智能需包含抽象、因果推理等，且规模法则正接近极限，未来突破需更好的学习方式而非简单扩展规模 [2] - 在底层架构与训练方法无颠覆性变革背景下，Scaling Law仍是目前最可靠、实用的增长路径，因其能力提升可预测、产业投入可评估、人才与工程体系可延续迭代 [3] - 近期Gemini 3的表现与DeepSeek V3.2研究印证了规模法则现阶段依然有效 [3] - 美国AI新基建规划大型数据中心总装机容量超45吉瓦(GW)，预计吸引超2.5万亿美元投资，黄仁勋提出在预训练、后训练强化学习及推理过程中均存在规模法则，支撑算力持续增长 [3] - 数据是当前大模型进化最迫切难题，高质量可用数据稀缺，行业正探索通过合成数据、推理过程数据、强化学习数据、多模态数据等构建可工程化、可规模化的数据生成体系 [4] - 未来将是New Scaling Law时代，不仅堆砌算力，更注重数量与质量扩展，结合算力资源充沛，有望通过算法与架构优化带来底层突破，AGI可能来自规模与结构性创新（如世界模型、具身智能等）的结合 [4] 多模态技术的突破与意义 - 谷歌Gemini、OpenAI Sora等多模态模型实现了对内容的深度理解与生成，迎来了多模态的ChatGPT时刻 [5] - 多模态技术从感知（如视觉）方向探索智能进化，类比生物进化中视觉的出现触发了认知能力的阶段性跃迁，有望推动AI智能出现非线性跃升 [5][7] - 大语言模型仅通过文本学习经过人类加工的“二手世界”，多模态模型通过图像、视频等对世界状态的直接投射，包含空间、时间及物理约束信息，为形成更稳健的世界模型提供可能 [9] - 多模态为人工智能打开了“感知-决策-行动”闭环的可能性，与工具使用、机器人控制结合，可通过环境反馈持续优化，实现智能跃升 [10] 研究探索与创新方向 - 研究驱动是大模型行业核心范式，以小团队多方向并进的赛马机制有效，预计2026年在底层架构、训练范式、评测方法、长期记忆、Agent等领域有望诞生更多突破 [11] - 全球涌现一批非共识的技术实验室：伊利亚的SSI聚焦安全超智能，融资30亿美金 [12]；Mira的Thinking Machines Lab推出产品Tinker帮助微调模型 [12]；李飞飞的World Labs专注空间智能 [12]；杨立昆的AMI目标构建理解物理世界的系统 [12]；欧洲的H Company研发能解决复杂现实问题的超级Agent [12] - 底层架构与训练范式出现创新研究：日本的Sakana AI站在Scaling Law对立面，探索演化式模型与群体智能协作以降低算力依赖 [13]；Liquid AI开发可连续演化的液体神经网络架构 [14]；谷歌提出嵌套学习(Nested Learning)概念，设计快慢系统协同解决灾难性遗忘问题 [14] - 评测牵引成为重要研发范式，行业正探索应对静态刷榜数据污染等挑战的新方法，包括构建面向Agent与长期任务的跨步、跨工具评测体系（如SWE-bench、AgentBench），以及基于游戏、模拟世界的动态交互式仿真环境评测 [15] 仿真数据在物理AI中的应用 - 机器人物理世界数据采集成本高（真机采集一条数据成本1-10美元）、速度慢，仿真生成数据边际成本趋近于零且可并行，在早中期研发中将成为主流，Sim-to-Real鸿沟正被生成式AI填平 [17] - 仿真数据在规模覆盖、可控可复现、跨本体迁移方面具有优势，能低成本覆盖长尾场景，支持多机器人多任务训练统一对齐 [18] - 产学研界已有实践：上海人工智能实验室的合成数据集InternData-A1包含超63万条轨迹、7433小时数据，覆盖4种具身形态、70项任务，基于其预训练的模型在仿真与真实任务上表现与官方模型相当 [18]；银河通用发布灵巧手合成数据集DexonomySi，包含超950万条抓取姿态，覆盖超1万个物体，并基于此开发了具身大模型GroceryVila实现机器人双手自主取物 [18]；谷歌的Genie 3为机器人训练提供无限可能的模拟环境 [18] - 仿真存在建模误差（如接触、材料、传感器噪声）及难以覆盖真实世界无穷意外组合的局限，尤其在软体物体、长周期可靠性、高风险人机共处等场景 [19][20] - 在物理AI早中期研发中，仿真预计承担90%以上的数据与验证工作，真机数据用于物理锚定与校准，仿真正成为物理AI的数据基础设施 [21] AI for Science (AI4S)的进展 - AI4S最具象征意义的成果是AlphaFold，但普遍质疑其离产业应用仍远，未能根本改变药物研发等领域的周期与成本 [22] - 2026年可能成为转折点，AI4S正从模型驱动的学术突破转向系统工程化的科研生产力 [22] - 核心障碍在于验证太贵太慢且难复制，当前积极变化是AI正被直接嵌入实验系统：谷歌DeepMind计划2026年在英国建立基于AI的自动化科研实验室，形成假设生成、机器人执行、数据回流的闭环，首次让AI4S从建议者变成执行者 [23] - 国家层面推动：美国通过《启动创世纪任务》行政令，将AI4S上升为国家战略，由能源部牵头建立全国性AI科学平台，整合联邦科研数据、超算资源和AI模型，聚焦先进制造、生物技术等关键领域，有望解决高质量科学数据匮乏的痛点 [25] - 2026年可能在某些领域出现研发周期数量级压缩，自动化实验与AI workflow成为头部机构标准配置，科研组织开始围绕AI agents重构分工 [26] 模型应用一体化与网络效应 - 大模型目前能力虽强但平台效应弱，未形成类似移动互联网的网络效应，ChatGPT周活接近10亿，但模型不会因用户增多自动变强，用户间连接弱 [27] - “裸模型”阶段因交互是一次性、私有的，难以直接回流训练与复用，且创造的价值源于对个体能力提升而非用户间关系密度，因此AI更多是生产力工具而非平台 [28] - 模型与应用一体化是破局点，当模型拥有稳定身份、长期记忆并持续参与用户工作流时，AI才具备成为平台的能力 [28] - 一个方向是模型接入更多应用（+AI），如GPT推出智能购物、群聊功能，Sora2推出Cameo个人数字形象功能以建立社交关系链 [29] - 更具颠覆性的方向是构建智联网新形态（AI+），即个人、团队、组织拥有自己的Agent并彼此协作，形成AI原生的网络效应 [31] - 未来Agent网络效应可能出现多种形式：交易型网络（形成服务型Agent与用户Agent的双边市场）[32]；知识型网络（用户打磨的隐性技能库使模型越用越聪明）[32]；工作流型网络（复杂任务流程被模块化、标准化并广泛复用）[32]；社交型网络（AI成为组织内的超级连接器促进协作）[32] - 模型应用一体化的真正意义在于构建以模型为认知核心、应用为关系容器、Agent为基本节点的智能网络 [33] 个性化软件与AI编程 - AI Coding逼近普适生产力，软件正从工业化产品变为高度个性化、情境化、即时化的工具，进入软件3.0时代 [35] - Anthropic首席执行官预测未来3-6个月AI将编写90%的代码，12个月内几乎所有代码可能由AI编写 [35] - 美团内部已有52%的代码由AI生成，90%的工程师频繁使用AI工具，部分团队依赖AI完成90%以上代码编写 [35] - 腾讯月均新增代码3.25亿行，超90%工程师使用AI编程助手CodeBuddy，50%的新增代码由AI辅助生成 [35] - 软件生产核心瓶颈从编码能力转向问题定义能力，自然语言等成为主要编程接口，出现“vibe coder”称谓 [38] - 编程供给充裕将激活需求侧长尾市场，软件可千人千面，实现从人适应软件到软件适应人的范式转移，满足曾因市场规模小而被忽略的个性化需求 [39] - 部分解决通用问题的微软件将被分享复用，形成小规模生态（如Hugging Face Spaces上的小应用、Chrome插件）[39] - 软件平权时代来临，编写软件像写文章一样简单，核心竞争力转向共情、问题定义与想象力 [40] 行业落地与ROI验证 - AI行业落地从早期概念验证(PoC)进入核心业务流程，企业关注点从技术先进性转向可衡量的业务价值，ROI与性价比成为第一性问题 [41] - 麦肯锡报告显示，至少在一个职能中常态化使用AI的企业比例从78%升至88%，但多数仍处探索或试点阶段，企业层面规模化部署稀少，AI高绩效企业仅6% [41] - OpenAI企业调研显示，ChatGPT Enterprise周消息量增约8倍，员工人均消息量提升30%，组织平均推理token消耗增长约320倍，75%员工认为AI提升工作速度或质量，平均每日节省40-60分钟，重度用户每周节省超10小时 [42] - 早期AI应用多以Copilot形态承担边缘任务，对组织整体效率影响有限，当前积极变化是AI开始深入行业流程中后段 [43] - 下一步可验证收益将来自生产效率、客户响应、营销指标、研发生产力提升，未来深度收益将来自流程再造、智能体协同、供应链智能化等领域 [44] - 工作模式向“一个人+N个智能体”转变，企业管理逻辑将重构为以结果交付、质量稳定性和风险控制为中心的新范式 [44] AI眼镜的发展前景 - AI眼镜销量达1000万台是成为大众消费品的临界点，预测Meta Ray-Ban等产品2026年单品牌有望冲击此目标，巴克莱研究预测2035年销量将达6000万副 [45] - 雷朋制造商依视路将提前实施年产能1000万件可穿戴设备计划以满足需求 [45] - 硬件做减法是成功关键，Meta放弃高成本显示模组，将重量控制在50克以内，结合大模型多模态能力，首先成为合格穿戴与拍照设备，降低制造难度与用户门槛 [47] - AI眼镜将改变软件生态，操作逻辑从以应用为中心转向以意图为中心，自然语言交互主导，技能商店(Skill)可能取代应用商店 [48] - 眼镜摄像头产生的第一视角海量数据可为机器人训练提供数据，并可能催生基于视觉关注度的全新推荐与广告模式 [48] - 个人隐私、数据脱敏及相关法律伦理规范在AI眼镜领域尤为重要 [48] AI安全与治理 - AI能力提升与AGI逼近使安全关注度提升，调研显示66%受访者经常使用AI，但超半数(58%)认为其不可信赖，公众信任度呈下降趋势 [50][51] - 安全算力成为重点，预计超10%的算力将投入安全领域（涵盖安全评估、对齐实验、红队测试等）[54] - OpenAI曾承诺将20%算力用于超级智能对齐研究但未兑现，伊利亚成立的SSI公司专注超人工智能安全，融资30亿美金，估值320亿美元 [54] - 美欧法规提案将高风险模型的系统测试、评估、监控列为强制义务，安全算力将形成刚性成本，且随着模型能力增长，安全评估对算力需求指数级放大 [54] - AI治理委员会成为趋势，越来越多企业建立深度嵌入研发全流程的安全伦理机构 [55] - 例如：Google DeepMind有Responsibility & Safety团队参与全过程 [55]；微软有Aether委员会其结论纳入工程必选流程 [55]；Anthropic设立长期利益信托(LTBT)机制并推动宪法AI(Constitutional AI)将安全嵌入训练 [55] - AI安全与负责任正演变为与算力、算法、数据同等重要的基础性要素，缺乏可信安全机制的模型将难以进入关键行业与主流市场 [56]

2025.12. 22 本文字数：1561，阅读时长大约3分钟 作者 | 第一财经 程程 据新华社援引美国商业内幕网站21日报道，美国政府新增对部分类型签证申请人的社交媒体审查要 求，在美国驻外使领馆签证办理流程严重拖长，有的预约面签甚至拖到一年以后， 谷歌和苹果公司 已建议部分持相关工作签证的在美外籍员工避免出境旅行，免得长时间滞留在外。 美国驻印使馆9日发文称，部分印度H1-B申请者原定的签证预约时间已经被重新安排，并提醒申请 者不要按照原定日期访问使馆。 据悉，许多原定于12月进行的签证面试被重新安排到明年3月至6月之间，数千名申请者将受到影 响。不少印度公民在美国驻印使馆的社交账号下留言称，由于面签时间被推迟数月，自己将面临远程 办公、被迫与在美国的家人分离和取消原定在美国进行的面试等事宜。 在硅谷工作的陈先生就对第一财经记者表示，他身边的中国朋友照常计划出行，但他妻子的一名印度 同事就遭遇了上述情况。由于面签预约被临时调整到数月以后，该名同事目前只能滞留印度，远程办 公。 另据移民事务公司Reddy Neumann Brown PC表示，在爱尔兰和越南的美国使领馆也报告了相应 推迟。 硅谷大厂警告部 ...

文章核心观点 - 沃伦·巴菲特旗下的伯克希尔哈撒韦公司投资组合中 有77亿美元投资于两家量子计算相关股票 尽管巴菲特以不投资自己不了解的业务而闻名 [2] - 巴菲特持有的两家量子计算股票是亚马逊和Alphabet 这两家公司都是量子计算领域的重要参与者 [4][9] 巴菲特持有的量子计算相关股票 - 伯克希尔哈撒韦在2019年新建仓了亚马逊 巴菲特承认其投资经理做出了购买决定 并对自己未能更早投资感到后悔 [5] - 伯克希尔哈撒韦在2025年购买了超过1780万股Alphabet的股票 纠正了巴菲特此前未投资该公司的遗憾 [7] 亚马逊的量子计算业务 - 亚马逊通过其亚马逊云科技提供名为Amazon Braket的云服务 该服务允许研究人员测试量子计算算法、硬件并开发量子软件 [6] - 亚马逊在今年早些时候推出了其Ocelot量子计算芯片 该芯片可将量子错误减少高达90% [6] Alphabet的量子计算业务 - Alphabet旗下的谷歌量子人工智能是量子计算领域的先驱之一 [8] - 2019年 谷歌量子人工智能开发了一个量子系统 在200秒内完成了一项计算 据称该计算需要当时最强大的超级计算机使用最佳已知算法花费10000年才能完成 [8] - 2023年 谷歌量子人工智能展示了首个逻辑量子比特原型 [8]

美股市场2025年回顾：极端波动与驱动因素 - 2025年美股市场经历极端波动，标普500指数在4月一度暴跌约15%至熊市边缘，随后在关税政策让步和AI投资热潮推动下反弹并屡创新高，全年累计上涨16% [1][3] - 市场波动剧烈，芝加哥期权交易所波动率指数在4月8日因关税恐慌飙升至50以上，为新冠疫情以来首次，随后在政策逆转后回落至20附近 [2] - 市场表现可划分为“4月暴跌”与“此后的一切”两个阶段，期间ETF资金流动出现显著变化，例如追踪纳斯达克100指数的Invesco QQQ Trust Series 1 ETF在4月出现七个月来首次净流出，撤资速度为两年多最快，随后在5月资金流入恢复并激增 [4] 政策与外部冲击影响 - 特朗普政府的关税政策是引发4月市场暴跌的核心因素，几乎终结了持续多年的美股与MSCI全球股指牛市 [1][4] - 贸易政策的剧烈转向将市场从回调走向复苏的历史时间线从通常的四个月压缩为仅仅两个月，超出几乎所有华尔街策略师的预料 [6] - “美国例外论”叙事出现裂痕，标普500指数自2017年以来首次跑输MSCI全球股指及MSCI世界（除美国外）基准指数，加拿大、英国、德国、日本等多国基准股指在2025年显著跑赢美国基准指数 [14][15] AI投资热潮与市场结构 - AI算力基础设施投资成为市场核心驱动力，围绕英伟达、博通、台积电、美光等AI算力产业链领军者的投资情绪推动市场反复创出历史新高 [1] - 科技巨头如谷歌、微软、Meta引领的AI数据中心建设浪潮催生史无前例的基础设施投资，同时OpenAI主导的“AI循环投资”和甲骨文等巨头大规模举债建设数据中心引发市场对“AI泡沫破裂”的担忧 [1] - 英伟达市值历史性地站上5万亿美元超级关口，而甲骨文则经历了“万亿市值幻梦一场” [2] 市场估值与泡沫争论 - 2025年初，传奇投资者霍华德·马克斯发出“泡沫观察”警告，随后标普500估值攀升至疫情以来最高水平 [7] - 部分华尔街策略师附和警告，Ned Davis Research指出美股半导体类股票符合学术研究中的“股票泡沫”定义 [7] - 并非市场共识，美国银行全球研究部门表示“尚未看到任何程度的AI泡沫”，杰富瑞数据显示分析师普遍预计标普500成分公司利润增长将逐年加速至2027年 [8] 市值集中度与指数表现 - 市值集中度风险大幅上升，标普500指数中市值最大的10只股票占比接近40%，韩国股市中三星电子和SK海力士一度占据韩国综合股指高达40%权重 [9] - 所谓“七大科技巨头”占据标普500指数约35%权重，是指数屡创新高的核心推动力，2025年标普500指数涨幅中约45%由这七家公司贡献 [10][11] - 头部公司股价相关性增强，形成“同涨同跌”局面，导致标普500指数在提供分散化敞口方面表现很差 [11] 主动管理基金表现 - 主动管理型基金经理在2025年举步维艰，仅有22%的主动管理型大盘ETF基金跑赢标普500指数，为自2016年以来最低比例，远低于40%的平均水平 [11] - 跑赢标普500指数的主动型大盘股共同基金比例降至2016年以来最低，部分原因是主动型基金经理大幅低配科技股，配置降至五年来最低水平 [12] - 随着上涨行情有望在明年变得更广泛，杰富瑞、高盛、摩根大通等机构认为选股环境可能改善，专业选股者可能在2026年迎来更好表现 [12] 2026年市场展望与风格轮动 - 华尔街顶级机构如高盛、摩根士丹利预测2026年将出现明显的板块轮动，涵盖老派价值股、中小盘、周期股等风格，非科技板块可能斩获强于热门AI科技股的投资收益 [13] - 摩根士丹利将2026年界定为“滚动复苏下的广谱股票市场牛市”，押注标普500指数有望冲击9000点位 [13] - 高盛表示2025年已开始的板块涨幅拓宽与轮动趋势将在2026年持续强化，打破市场高度集中于AI科技股的格局，非美与非科技板块将继续有强劲表现 [13]

政策变化 - 特朗普政府将社交媒体审查范围从原有的留学生和交流访问学者群体扩展至所有H-1B工作签证申请人及其配偶和子女[1] - 签证申请人面签前必须将社交媒体资料设为公开以便领事官员审查其帖文、照片及社交关系[1] - 美国政府计划要求来自免签国家和地区的赴美游客提供过去5年的社交媒体历史记录这将影响大部分欧洲国家、澳大利亚、新西兰、韩国、日本等国家和地区[6] 签证处理影响 - 每份签证申请所需审查时间延长导致美国驻外使领馆每日签证办理预约名额大幅减少[1] - 美国驻外使领馆签证办理流程严重拖长有的预约面签甚至拖到一年以后[1] - 预约可能在没有预警的情况下被取消并推迟数月[1] - 美国国务院可能根据人手情况调整预约时间但将彻底审查每一个签证案件置于首位[2] 对印度员工及科技行业的影响 - 来自印度的H-1B签证持有者目前受到的影响较大[4] - 在截至去年9月的2024财年美国批准的超过14万份H-1B初始就业申请中超过70%的H-1B签证颁发给了印度公民[4] - 许多原定于12月进行的签证面试被重新安排到明年3月至6月之间数千名申请者将受到影响[4] - 64%的H-1B签证颁发给了计算机行业相关人员[6] - 亚马逊、谷歌、Meta、微软和苹果是去年雇佣H-1B签证持有者最多的公司[6] 公司应对措施 - 谷歌和苹果公司已建议部分持相关工作签证的在美外籍员工避免出境旅行免得长时间滞留在外[1] - 微软的移民事务副总法律顾问建议被困在国外的员工向公司报告情况并建议仍在美国境内的员工认真考虑改变国际旅行计划[6] - 谷歌和苹果方面上周也向部分签证持有者发出类似邮件建议需要办理签证的在美外籍员工避免出境旅行[6] 受影响地区 - 美国驻印度使馆部分H-1B申请者原定的签证预约时间已经被重新安排[4] - 微软指出重新安排面签预约的通知主要集中在印度金奈和海得拉巴新的面签日期最晚安排在2026年6月[6] - 在爱尔兰和越南的美国使领馆也报告了相应推迟[5]