港股市场表现与资金流向 - 12月19日港股早盘高开，互联网龙头股集体上涨，其中美团-W涨幅超过1%，腾讯控股、阿里巴巴-W、哔哩哔哩-W、快手-W等跟随上涨 [1][7] - 重仓互联网龙头的港股互联网ETF（513770）场内价格同步上涨超过1% [1][7] - 在前期市场回调期间，港股互联网ETF（513770）持续获得资金关注，上交所数据显示，该ETF近10日连续获得资金净流入，合计净流入金额达13.3亿元 [1][7] 机构观点与市场展望 - 自10月以来，受海外宏观预期反复影响，港股市场震荡调整，部分优质资产重新进入高性价比区间 [3][9] - 中信建投指出，在南向资金持续配置、盈利预期修复以及年末海内外宏观环境改善的共振下，港股正迎来一个不容忽视的岁末交易窗口 [3][9] - 中信建投认为，从大周期看，港股目前处于牛市中段，多重因素有望促成中期交易窗口打开：1）市场调整增厚了安全边际，为新一轮反弹预留空间；2）南向资金保持净流入态势，后续可能与海外流动性预期恢复形成内外共振；3）近期中国宏观基本面有所改善，通胀数据继续回升，出口边际再度改善 [3][9] - 在配置方向上，前期因风格切换而深度调整的成长板块，可能伴随市场情绪回暖与宏观不确定性消退，凭借高盈利弹性成为引领市场的核心主线，其中互联网板块是重点关注领域 [3][9] 相关金融产品信息 - 港股互联网ETF（513770）及其联接基金被动跟踪中证港股通互联网指数，重仓阿里巴巴-W、腾讯控股、小米集团-W等互联网龙头公司 [4][10] - 该ETF前十大持仓股汇聚了AI云计算、大模型及各领域AI应用公司，合计权重超过73%，龙头优势显著 [4][10] - 港股互联网ETF（513770）最新规模超过100亿元，年内日均成交额超过6亿元，支持日内T+0交易且不受QDII额度限制，流动性良好 [4][10] - 作为另一种选择，香港大盘30ETF（520560）采用“科技+红利”哑铃策略，重仓股既包括阿里巴巴、腾讯控股等高弹性科技股，也囊括建设银行、中国平安等稳健高股息股票，被视为港股长期配置的理想底仓工具 [4][10] 历史数据参考 - 中证港股通互联网指数近5个完整年度的涨跌幅分别为：2020年上涨109.31%，2021年下跌36.61%，2022年下跌23.01%，2023年下跌24.74%，2024年截至数据发布时上涨23.04% [5][11]

文章核心观点 - 工业和信息化部正式公布我国首批L3级有条件自动驾驶车型准入许可，标志着中国智能网联汽车准入和上路通行试点正式进入上路通行试点阶段，自动驾驶正从技术验证转向量产应用 [1][15][17] 试点车型与功能 - 在重庆试点的车型为长安牌SC7000AARBEV型纯电动轿车，可实现交通拥堵环境下高速公路和城市快速路单车道内的自动驾驶，目前仅限在重庆市内环快速路、新内环快速路及渝都大道等部分路段开启，最高车速限50km/h [7] - 在北京试点的车型为极狐牌BJ7001A61NBEV型纯电动轿车，可实现高速公路和城市快速路单车道内的自动驾驶，目前仅限在北京市京台高速、机场北线高速及大兴机场高速等部分路段开启，最高车速限80km/h [7] 试点城市选择原因 - 试点限定在重庆和北京的特定路段是出于安全优先、稳步推进的考虑 [7] - 两地具备数据积累和场景优势，重庆交通地形复杂、北京交通场景丰富，选择这两地能够测试系统在不同环境下的适应性 [7] 准入审核与安全考量 - 工信部联合相关部门组织行业力量，对试点生产企业的研发、测试及应急保障能力开展全方位考核 [11] - 组织第三方测试机构及专家，针对试点车型的预期功能安全、网络安全等风险开展系统性测试 [11] - 同步验证试点依托城市的管理能力及相应应急保障能力，在此基础上择优确定两家联合体通过首批准入试点 [11] - 强调“附条件”准入，将允许开启自动驾驶功能的路段限定在典型、低风险场景中，以安全有序推进技术落地 [15] L3级自动驾驶的定义与责任 - L3级为有条件自动驾驶，允许在特定条件和场景下，系统充当“临时司机”独立完成驾驶任务 [11] - 当系统发出介入请求时，需要驾驶员能够及时接管车辆，因此不能完全依赖智能系统开车 [11] - 智驾不能当“代驾”，驾驶人才是最终责任主体 [12] 当前消费者体验与未来展望 - 试点车型目前暂时不可向普通消费者销售，仅限试点使用单位运营，消费者可通过打车方式体验自动驾驶功能 [15] - 随着试点深化及行业对安全风险规律性认识的提升，后续相关限制条款或将逐步放宽，自动驾驶将逐步进入公众日常生活 [15] 对行业的意义与影响 - 此次发布标志着我国智能网联汽车准入和上路通行试点正式进入上路通行试点阶段 [15] - 对于整个行业而言，意味着我国自动驾驶正从技术验证转向量产应用，也意味着行业从技术驱动步入管理驱动新阶段 [17] - 智能化已从车企的“可选项”变为“必答题”，行业关注点已从“有没有”转向“安不安全、成不成熟” [17] - L3级别自动驾驶的落地，涵盖整车、零部件、软件算法、通信、数据服务等协同，将推动产业链上下游从“单打”转向“共建” [18] - 智能网联汽车准入和上路通行试点工作的推进，为我国汽车技术创新和迭代升级注入强劲动力，同时也为标准制定提供宝贵的实践经验 [19] - 随着L3级自动驾驶车型的商业化应用，国产新能源汽车不仅能在国内市场巩固领先地位，还将有望凭借技术与成本优势加速走向全球，成为智能网联汽车领域的规则制定者与技术引领者 [19]

文章核心观点 - 中国工业和信息化部正式公布首批L3级有条件自动驾驶车型准入许可，标志着中国智能网联汽车准入和上路通行试点正式进入上路通行试点阶段，行业正从技术验证转向量产应用 [1][15][17] 试点车型与功能 - 获批的两款车型均为纯电动轿车，分别是长安牌SC7000AARBEV型和极狐牌BJ7001A61NBEV型 [7] - 长安车型在重庆试点，功能为在交通拥堵环境下实现高速公路和城市快速路单车道内的自动驾驶，适用路段包括重庆市内环快速路、新内环快速路及渝都大道等的部分路段，最高车速限制为50km/h [7] - 极狐车型在北京试点，功能为实现高速公路和城市快速路单车道内的自动驾驶，适用路段包括北京市京台高速、机场北线高速及大兴机场高速等的部分路段，最高车速限制为80km/h [7] 试点城市选择原因 - 选择北京和重庆作为试点城市是出于安全优先、稳步推进的考虑 [7] - 两地具备数据积累和场景优势，重庆交通地形复杂，北京交通场景丰富，能够测试自动驾驶系统在不同环境下的适应性 [7] 准入审核与安全考量 - 工信部联合相关部门对试点生产企业的研发、测试及应急保障能力进行了全方位考核 [11] - 组织第三方测试机构及专家，针对试点车型的预期功能安全、网络安全等风险开展了系统性测试 [11] - 同步验证了试点依托城市的管理能力及相应应急保障能力，在此基础上择优确定了两家联合体通过首批准入试点 [11] - 试点强调“附条件”准入，将允许开启自动驾驶功能的路段限定在典型、低风险场景中，以安全有序推进技术落地 [15] L3级自动驾驶的定义与责任 - L3级为有条件自动驾驶，允许在特定条件和场景下，由系统充当“临时司机”独立完成驾驶任务 [11] - 驾驶员在L3级自动驾驶状态下仍需保持注意力，准备随时接管车辆，不能完全依赖智能系统，驾驶人才是最终责任主体 [12] 当前试点模式与未来展望 - 目前试点车型面向营运车辆经营者，仅限试点使用单位运营，个人消费者尚不能直接购买，但可通过打车方式体验自动驾驶功能 [15] - 随着试点深化及行业对安全风险认识的提升，相关限制条款后续或将逐步放宽，自动驾驶将逐步进入公众日常生活 [15] - 此次发布伴随着人工智能、大模型等技术加速上车，标志着智能网联汽车发展进入新阶段 [15] - 对于整个行业而言，这意味着中国自动驾驶正从技术验证转向量产应用 [17]

RAG技术的本质与定位 - RAG技术远非简单的数据注入模块，而是重塑AI理解与决策的核心框架[1] - RAG项目不是简单的“加模块”技术问题，而是一整套数据与判断体系[1] - 决定RAG效果的关键并非“有没有资料”，而是“资料怎么被用”[2] - RAG项目是许多大模型走向“可用”的关键一环[11] - 在真实业务中，RAG往往不是过渡方案，而是长期存在的基础设施，是连接“稳定模型”与“变化世界”的桥梁[12][17] RAG项目的核心构成与挑战 - RAG项目由问题、参考材料、回答三部分构成，且没有一块是“天然可靠”的[3] - 用户问题本身可能存在问题，例如语义不清、上下文矛盾、逻辑跳跃或包含不合理意图，并非每个问题都值得被认真回答[4][7] - 参考材料并非权威答案，仅是候选证据，常存在与问题不相关、信息不完整、多条材料互相冲突或包含常识性错误等问题[5][8] - 最终交付物是用户能直接使用的回答，需满足理解用户真实意图、不违背材料事实、信息完整、表达自然等要求[9][14] - RAG项目中90%的难点在于“判断”而非“生成”，大量工作仍需依赖人类判断[1][9] RAG项目所需的核心能力 - RAG项目训练的是模型的三种底层能力：信息取舍能力、上下文对齐能力、结果导向能力[16] - 信息取舍能力指判断什么该用、什么不该用、什么只能作为背景[16] - 上下文对齐能力指确保回答是嵌在一段对话中的，而非独立存在[16] - 结果导向能力指目标不是“材料写了什么”，而是“用户看完能不能用”[16] - 项目中的许多关键判断，如材料不全是否要补、材料有错是否纠正、材料冲突信哪一条、历史对话有问题是否跳过，本质上是人类在替模型建立判断边界[10][15] RAG在对话式AI中的工作场景 - 在对话式AI助手场景中，RAG面对的是非标准问答的复杂结构[3] - 模型需要完成理解对话语境、判断材料有用性、整合信息、最终给出对用户有帮助的回答这一系列任务[3] - 从训练视角看，这本质上是材料阅读理解、问题理解、信息整合与表达控制的结合[3] - 系统输入通常包含一段历史对话、用户最新问题以及系统检索到的1–3条参考材料[6]

文章核心观点 - 国内大模型领军企业MiniMax与智谱AI已通过港交所上市聆讯，进入港股上市最后阶段，可能成为内地企业赴港“报备制”以来过聆讯最快的案例 [1] - 两家公司上市路径略有差异，但几乎同步推进，标志着国产大模型行业从技术竞技进入资本竞速新阶段 [1][2][7] - 行业关注点正从技术领先转向商业模式、合规能力与资本耐力，上市先发优势不代表技术绝对领先，且行业盈利模式与商业化挑战依然显著 [4][5][7] 公司上市进展与路径 - **MiniMax上市进程**：于2025年6月秘密递交港交所IPO申请，是首个赴港申请上市的大模型公司，于12月17日通过聆讯，计划于2026年1月挂牌 [1][2] - **智谱AI上市进程**：最初计划A股上市并于2025年4月完成辅导备案，后转向港股，于12月17日通过港交所聆讯 [1][2] - **上市速度**：两家公司可能成为中国内地企业赴港上市“报备制”以来，在港过聆讯最快的案例 [1] - **历史参照**：其上市轨迹与不久前实现美股+港股双重主要上市的小马智行和文远知行重叠 [1] 公司背景与业务对比 - **成立时间与背景**：智谱AI成立于2019年，脱胎于清华大学，2020年专注大模型算法研究，2021年发布百亿参数模型GLM-10B；MiniMax成立于2021年，由前商汤科技高管闫俊杰创立 [2] - **MiniMax业务模式**：押注文本、视觉、音频全模态自研，秉持“模型即产品”理念，推出AI原生应用如MiniMax Agent、海螺AI等，在全球超200个国家及地区拥有超2.12亿用户，覆盖超100个国家和地区的企业客户与开发者，以全球付费订阅和模型调用为主要商业模式 [3] - **智谱AI业务模式**：以AGI基座模型为核心业务，辅以C端业务，例如12月发布并开源GLM-ASR系列语音识别模型，并推出桌面端智谱AI输入法 [3] - **产品与目标群差异**：两者从产品和目标群角度观察有明显差异 [3] 行业竞争格局与挑战 - **“六小虎”格局**：行业常将MiniMax、智谱AI、月之暗面、百川智能、阶跃星辰、零一万物并称为“六小虎” [5][6] - **其他竞争者动态**：月之暗面被曝处于IPO筹备期，其旗下应用Kimi在2025年9月以967万活跃用户规模位列原生AI App月活榜第五，是唯一上榜的“六小虎”应用 [6] - **用户规模与营收关系**：有观点认为当前用户数量并非决定大模型厂商优劣的标准，关键在于能否将用户转化为营收来源 [6] - **零一万物的定位**：零一万物表示现阶段聚焦产业大模型和万智企业Agent等行业应用，致力于打造AI 2.0大模型操作系统 [7] 商业化与盈利前景分析 - **盈利模式挑战**：大模型应用的受众和范围虽在扩大，但盈利模式尚不明朗 [4] - **智谱AI商业化挑战**：其模态全面，但无论是to B或to C应用场景短期都非刚需性替代，实现商业化较慢 [4] - **MiniMax商业化挑战与机会**：主打音视频制作，在小B或C端的配音、朗读、短视频制作等方面可能快速应用，但版权问题是平台短期内需重点解决的问题 [4] - **资本市场的信号**：技术领先只是入场券，未来核心竞争力在于商业模式、合规能力和资本耐力 [7]

文章核心观点 - 国内大模型领军企业MiniMax与智谱AI已通过港交所上市聆讯，进入港股上市最后阶段，可能成为内地企业赴港“报备制”以来过聆讯最快的案例 [1] - 两家公司上市路径略有差异，但同日通过聆讯，标志着国产大模型从技术竞技进入资本竞速阶段，行业淘汰赛或将开启 [1][2][7] 公司上市进展与路径 - MiniMax（稀宇科技）与智谱AI均已获得中国证监会境外发行上市备案，并于12月17日先后通过港交所上市聆讯，计划于2026年1月在港挂牌上市 [1] - MiniMax于2025年6月秘密递交港交所IPO申请，是首个赴港申请上市的大模型公司 [2] - 智谱AI原计划在A股上市，于2025年4月完成上市辅导备案，后转向港股 [2] - 两家公司可能成为内地企业赴港上市“报备制”以来，在港过聆讯最快的案例 [1] 公司背景与业务模式 - 智谱AI成立于2019年，脱胎于清华大学，2021年发布百亿参数大模型GLM-10B，以AGI基座模型为核心业务，辅以C端业务 [2][3] - MiniMax成立于2021年，由前商汤科技高管闫俊杰创立，押注文本、视觉、音频全模态自研，基于“模型即产品”理念推出一系列AI原生应用 [2][3] - MiniMax在全球超200个国家及地区拥有超2.12亿用户，覆盖超100个国家和地区的企业客户与开发者，以全球付费订阅和模型调用为主要商业模式 [3] - 智谱AI近期发布并开源GLM-ASR系列语音识别模型，并推出桌面端智谱AI输入法 [3] 行业竞争格局与挑战 - 行业存在“六小虎”说法，MiniMax和智谱上市抢占先机，但不代表其技术位居前两名 [5] - 上市取决于公司意愿、股东意愿及资金需求，与技术领先性关系不大 [6] - 2025年9月活跃用户规模前十的原生AI App中，月之暗面旗下的Kimi以967万月活规模排在第五，是唯一上榜的“六小虎” [6] - 大模型应用受众广泛，但盈利模式尚不明朗，To B或To C应用场景非刚需性替代，商业化较慢 [4] - MiniMax主打音视频制作，在配音、朗读、短视频制作等方面可能快速应用，但面临版权问题挑战 [4] - 技术领先只是入场券，未来竞争依靠商业模式、合规能力和资本耐力 [7] 其他主要竞争者动态 - 百川智能、月之暗面、阶跃星辰对上市计划未作回应 [6] - 零一万物表示现阶段聚焦产业大模型和万智企业Agent等行业应用，致力于打造AI 2.0大模型操作系统 [7]

上市进程与市场定位 - 智谱与MiniMax均已通过港交所上市聆讯，进入IPO最后冲刺阶段，预计最快2026年初登陆资本市场 [1] - 智谱有望成为“全球基座大模型第一股”，而MiniMax则冲刺“全球多模态大模型第一股” [1] 公司背景与融资情况 - 智谱由清华大学研究人员于2019年创立，是国内最早启动大模型研究的团队之一 [1] - 智谱已完成多轮融资，投资方包括高瓴资本、启明创投、美团、阿里、腾讯、小米等 [1] - 2025年，智谱获得多笔战略融资，包括杭州城投等超10亿元、珠海华发5亿元、成都高新区3亿元、北京人工智能基金2亿元、浦东创投与张江集团10亿元，最新估值达400亿元 [2] - MiniMax成立于2021年，于2025年7月完成近3亿美元的C轮融资，估值超40亿美元，股东包括阿里、腾讯、米哈游、高瓴、IDG、红杉中国等 [2] 业务发展与财务表现 - 截至12月，智谱面向开发者的软件工具和模型业务已获得超过1亿元的年度经常性收入，并计划将API业务收入占比提升至一半 [3] - MiniMax的营收主要来自海外市场，占比达70% [3] - MiniMax的自研多模态模型及AI原生应用已累计拥有超2.12亿名个人用户，覆盖超100个国家及地区的10万余名企业客户与开发者 [3] 技术产品与开源战略 - 智谱坚持深度自研，推出了中国首个百亿模型、开源千亿模型、对话模型、多模态模型和全球首个设备操控智能体 [4][5] - 2025年12月，智谱密集发布并开源了GLM-4.6V多模态大模型、AutoGLM智能体模型、GLM-ASR语音识别模型及智谱AI输入法 [5] - MiniMax在10月底发布了新一代开源文本大模型M2，并升级了语音模型Speech2.6和音乐模型Music2.0 [5] 海外布局与市场影响 - 智谱的AI能力已输出至马来西亚、新加坡、阿联酋、沙特等地，通过提供本地化私有硬件解决方案，在全球新兴市场建立替代逻辑 [3] - 两家公司先后通过聆讯，被认为将为大模型赛道注入新的资本动力，并加速中国AI全球品牌提升与产业链协同创新 [5]

行业动态 - 资本市场迎来大模型公司IPO热潮，两家公司于12月17日同日通过港交所聆讯，“全球大模型第一股”争夺战正式打响 [1] MiniMax公司概况 - 公司拥有2.12亿全球用户和10万企业客户 [1] - 公司获得阿里巴巴和腾讯的连续注资，估值达到40亿美元 [1] - 公司自研的M2模型在全球开源模型中排名第一 [1] - 公司的多模态能力覆盖文本、音频和视频全场景 [1] - 公司获得英伟达创始人黄仁勋的点名力挺 [1] 智谱AI公司概况 - 公司由清华大学计算机系技术成果转化而来，是大模型领域“六小虎”之一 [1] - 公司目前拥有270万API付费用户 [1] - 公司预计其2025年营收将实现100%以上的增长 [1] 上市进展 - 两家公司均暂未正面回应上市的具体细节 [1]

甲骨文公司数据中心项目与股价动态 - 美国甲骨文公司一项100亿美元的数据中心项目遭主要出资方蓝猫头鹰撤资 [1] - 受此影响 其股价隔夜下跌约5.4% [1] - 自9月历史高点以来 公司股价累计跌幅已超过45% [1] AI热潮与科技板块市场反应 - 甲骨文项目撤资动态引发市场对AI热潮的谨慎情绪 [1] - 隔夜美股科技板块因此承压 [1] - 英伟达股价下跌3.8% 谷歌母公司Alphabet股价下跌3.2% 博通股价下跌4.5% [1] 大模型行业竞争态势 - 谷歌官宣推出新模型Gemini 3 Flash 主打高效低成本 [1] - 此次发布距上一模型Gemini 3 Pro发布仅一个月 [1] - 此举凸显谷歌与OpenAI在大模型领域的竞争日趋白热化 [1]

文章核心观点 - 谷歌发布自研TPU引发市场对AI硬件技术范式从通用GPU转向专用芯片的讨论 英伟达市值一度蒸发超千亿美元[3] - 行业专家认为 GPU与TPU等专用芯片是“通才与专才”的分工 将长期共存而非简单替代[4][6] - AI算力的核心竞争力已从单卡算力转向大规模集群系统与全栈解决方案[7][8] 行业技术路线与竞争格局 - 谷歌能做TPU得益于其全栈整合能力 将模型跑在自家芯片上优化以实现成本性价比最大化 但绝大部分企业不具备此垂直整合能力[4] - GPU保持优势的原因在于其灵活度是“甜点” 能处在AI算法快速迭代的创新前沿[5] - 未来是多模态的 需要“理解世界 用三维构建世界 超高清传输世界” 全功能GPU的“图算一体”能力在跨域支持所有计算范式上具有不可替代的优势[5] - 英伟达在计算领域的“王者”地位得益于其建立的CUDA生态 能够联合所有开发者建设生态[5] - 任何芯片架构没有高低优劣之分 关键看场景 GPU和ASIC的架构几十年前就已存在 是超级稳态[6] - 当前大模型迭代速度非常快 按周计 按月计 任何基础模型远未到达收敛的时间点 通用GPU的泛化能力和适配性仍是核心竞争力[6] - 客户应用场景分散且层出不穷 GPU和类似TPU这样的ASIC会长期共存[6] - 未来超大型云服务公司可能在算法收敛稳定到一定阶段时选择定制专门的TPU 并在能力溢出时与其他厂商合作[6] 公司战略与实践 - 摩尔线程会继续坚持全功能GPU图算一体的路线[5] - 摩尔线程正在搭建自己的MUSA生态[5] - 摩尔线程目前有多个投入生产的千卡集群在运行 已处于生产期 支持训练和推理[7] - AI大模型的运行关键不在单卡算力 卡间互联的网络通信是非常复杂的架构 摩尔线程致力于提供端到端全栈的解决方案[7] - 沐曦认为AI基础设施的最大挑战在于明确产品本质 客户最终需要的是一个能够可靠支持大规模模型训练 推理与服务的通用算力平台 而非孤立的单卡或服务器[8] - 沐曦已在全国范围内部署了数千卡规模的集群 并成功完成了从传统模型到MoE模型乃至非Transformer架构模型的训练任务[8] 市场反应与行业地位 - 谷歌新一代AI模型Gemini 3系列发布后 英伟达市值一度蒸发超千亿美元[3] - 华尔街将英伟达推上市值榜首 证明了通用性GPU在当前历史阶段的主流地位[6] - 对于英伟达股价近期的波动 有观点认为这或是一种很好的“砍价方式”[6]