报告核心观点 - 25Q2公募基金继续增持港股，结构上主要加仓港股创新药、新消费与红利，减仓前期涨幅较大的港股互联网 [1][3][6] 分指数情况 - 截至25Q2，公募基金重仓股中港股持股市值占比为20.0%，相较25Q1的19.2%继续提升 [3][6] - 25Q2公募主要加仓港股中小型股，恒生中小型股指数的成分股市值占基金港股持仓总市值的比重环比提升5.6个百分点，而恒生指数/恒生科技指数持仓占比分别环比下降4.4/8.3个百分点 [3][6] 分行业情况 - 25Q2公募基金主要加仓港股医药生物、轻工制造、非银与银行板块，对应创新药、新消费、红利等概念；减仓一季度Deepseek催化下涨幅较大的港股科技板块，对应互联网、汽车等概念 [3][6] - 从各行业持仓数据看，消费行业持股市值占比从29.2%升至33.0%，金融地产从6.3%升至8.4%；科技行业从45.9%降至42.2%，传媒从23.5%降至20.5%等 [10] 分概念板块情况 - 从概念板块持仓数据看，25Q2基金主要加仓港股创新药新消费、减仓互联网，如泡泡玛特持股市值占比从2.7%升至4.7%，信达生物从1.2%升至3.5%；腾讯控股从21.5%降至17.8%，阿里巴巴 - W从10.6%降至6.3% [12]

网民规模与互联网普及 - 截至6月我国网民规模达11.23亿人，互联网普及率达79.7% [1] - 60岁及以上"银发网民"1.61亿人，农村网民3.22亿人 [1] - 老年群体互联网普及率达52%，农村地区互联网普及率为69.2%，较2024年12月提升1.9个百分点 [2] 信息基础设施建设 - 5G基站总数达455万个，行政村通5G比例超过90% [1] - 移动用户上网流量连续6个月实现两位数增长 [1] - 开展万兆光网试点，有序引导万兆光网从技术试点逐步走向部署应用 [1] - 加快构建全国一体化算力网络体系，深入实施5G规模化应用"扬帆"行动升级方案 [2] 人工智能发展 - 截至3月共有346款生成式人工智能服务在国家互联网信息办公室完成备案 [3] - DeepSeek上线不足20天全球日活跃用户突破3000万，登顶全球140个国家及地区的应用市场 [3] - 2024年我国人工智能产业规模突破7000亿元，连续多年保持20%以上的增长率 [4] - 国产人工智能产品在千亿级参数规模、多模态能力等方面实现突破 [4] 人工智能应用场景 - 用户利用生成式人工智能产品回答问题的比例达80.9% [4] - 人工智能与办公协同、教育普惠、工业设计、内容创作等场景深度融合 [4] - 构建了覆盖多个领域的智能应用生态 [4]

主动权益类基金发行 - 大成洞察优势混合基金合并发行规模达24.6亿元，成为年内新发规模最大的主动权益类基金 [1] - 华商致远回报混合基金发行规模达20.82亿元，刷新年内同类产品募集纪录 [1] - 年内主动权益类基金合并发行规模达569.64亿元，较2024年同期增长28.01% [1] 科创债ETF表现 - 科创债ETF华夏最新规模突破百亿元大关，约为142亿元，单日资金净流入约111亿元，规模增幅超378% [2] - 科创债ETF鹏华成交额达183.61亿元，换手率612.17%，最新规模突破109亿元 [2] - 深交所上市的4只科创债ETF中，嘉实科创债ETF和富国科创债ETF规模均超百亿元 [2] 主动权益类基金清算 - 年内已有50只主动权益类基金清算，其中7月以来有6只进入清算程序 [3] - 清算基金中包括布局人工智能、TMT板块的申万菱信专精特新主题基金和医药板块的富荣医药健康基金 [3] 浮动费率基金发展 - 首批25只新模式浮动管理费基金发行规模合计247.62亿元 [4] - 第二批11只新模式浮动费率基金已上报，重点布局高端装备、医药等热门板块 [4] 基金经理持仓调整 - 刘格菘管理的基金在二季度减持新能源车产业链和半导体设备类公司，加仓新消费、互联网及军工产业 [5] - 高楠管理的基金在二季度集中配置TMT与创新药方向，代表作永赢睿信前十大重仓股包括泡泡玛特、中际旭创等 [6][7] 市场行情回顾 - 上一交易日沪指涨0.5%，深成指涨0.37%，创业板指涨0.34%，沪深两市成交额1.57万亿元，较上个交易日放量317亿元 [8] - 稀土永磁概念股集体走强，稀有金属ETF基金领涨4.12%，湖北ETF领跌 [8]

全球投资经理调查 - 34%的投资者认为做空美元是最拥挤的交易，较6月进一步走高，也是首次出现这种情形，其次是做多"科技七姐妹"和黄金 [15] - 现金比例跌至历史低位，7月降至3 9% [1][6] - 47%的投资者预期美联储年内降息2次，26%预计贝森特将成为下一届美联储主席 [8] - 市场预计美国对其他市场最终关税水平为14%，较6月的12%略微走高 [13] - 全球投资者对欧元和欧股的超配比例均达新高 [16] - 投资者情绪修复至2025年2月以来新高，59%认为未来一年全球经济不衰退，为过去5个月最乐观水平 [1] - 7月份投资者增配科技、美股、材料，减配现金、必需消费、银行和新兴市场 [20] 亚洲投资经理调查 - 认为中国经济未来12个月走弱的投资者比例与6月持平（10%），但58%认为长期处于结构性估值下行，高于6月的50% [22][24] - 相比6月，更多投资者愿意寻找除中国外其他市场的配置机会 [27] - 投资者对日本经济进一步乐观，相比6月更多投资者预期日本经济会变好 [29] - 亚太区域内，看好日本的投资者比例从45%降至32%，韩国从5%升至16%，印度从17%降至10%，中国从-5%进一步降至-13% [32] - 中国市场内部，外资最看好AI、分红（升至第二）、互联网（升至第三）和医药，仍没消费 [34]

数智技术驱动城市治理转型 - 互联网技术构建万物互联"一张网"，推动城市治理各环节互联互通，实现线下服务向线上转移，"不见面审批""一窗式办理"等新型政务服务模式广泛应用 [1] - 全国一体化政务服务平台实名注册用户超10.8亿人，超90%省级行政许可事项实现网上受理 [1] - 城市管理"随手拍"、交警APP"违法举报"等政民互动应用推动治理模式从单向管理向双向互动转变 [1] 大数据与人工智能应用 - 大数据技术构建城市运行"全息图"，通过"城市数字孪生体"精准洞察运行状态，福州市水系监测系统使排水防涝应急处置效率提高50%以上 [2] - 人工智能模型深度融入治理环节，深圳福田区70名"AI公务员"覆盖240个政务场景，公文处理准确率超95%，审核时间缩短90%，整体效率提升20% [2] 区块链技术赋能治理结构 - 区块链构建数据共享新模式，联盟链服务网络支撑跨行业可信数据交互，共识机制确保数据不可篡改并全程留痕 [3] - 区块链正推动城市治理从数据互通迈向价值互信，需搭建政务应用共性平台，打通底层框架 [4] 城市治理升级四大路径 - 设施互联：打造城市治理全景"一张图"，构建数据融合、系统互联的跨界联动机制 [3] - 场景应用：聚焦交通管理、生态环境等领域，建设城市运行智能中枢，实现态势全面感知与协同处置 [4] - 基层治理：通过数据融合推动社区资源整合，小程序等工具实现居民在线参与停车、垃圾分类等事务处理 [4] - 精准智能：推动区块链在教育、医疗、食品安全等领域应用，提升公共服务精准化水平 [5]

核心观点 - 互联网是推动人工智能进步的核心技术，而非Transformer等模型架构，互联网提供了海量、多样化的数据，是next-token预测的完美补充 [1][5][55] - 自GPT-4以来，基础模型能力未显著提升，优化模型结构或手工制作数据集难以带来质的飞跃，研究者应转向互联网数据研究而非RL [1][13][16] - 互联网具备四大关键特性：数据多样性、自然学习路径、产品市场契合度、经济可行性，这些特性使其成为AI训练的终极数据源 [54][60] Transformers的局限性 - Transformer架构并非AI进步的关键，自GPT-4后更好的架构（如SSMs、Mamba）未带来显著性能提升，因当前范式已转向数据受限时代 [11][13][14] - 若无互联网，仅依赖书籍或教科书训练模型会导致知识面狭窄，如phi模型虽在小规模任务表现优异，但世界知识储备和创造性不足 [28][30][31] - 数据质量与数量之争：教科书代表高质量但窄领域数据，互联网则提供行星级规模的自然数据分布，后者更利于模型泛化能力 [23][24][28] 互联网作为AI训练基石的四大优势 数据多样性 - 互联网包含多语言、多文化、多视角数据，去中心化结构保障了数据多样性，删除特定数据会导致模型认知版图缺失 [36][43][52] - 对齐研究显示，预训练需同时接触对齐与非对齐数据（如4chan有毒数据），模型才能理解边界，纯净化数据反而损害性能 [37][38][39] 自然学习路径 - 互联网数据天然形成难度梯度（如从Khan Academy到arXiv），为模型提供渐进式学习课程，避免手动设计数据集的低效 [43][44][47] - RL依赖密集课程学习，互联网用户贡献行为（如点赞、创作）自发形成类似AlphaZero自我博弈的进化压力 [44][46][47] 产品与研究的协同 - 互联网用户真实需求驱动数据生产，与研究者手动策划数据集存在本质差异，决定模型能力的应是用户而非研究者 [48][51][52] - AGI应记录人类完整文化演变（如Wikipedia、GitHub、社交媒体），而非理想化片段，模型偏差反映的是真实人类认知偏差 [52][53] 经济可行性 - 互联网低成本特性使其规模化成为可能，高昂订阅费会抑制用户数据贡献，经济可行性是数据扩展的前提条件 [51][54][60] RL与next-token预测的对偶性 - next-token预测与互联网存在隐喻性对偶关系（如序列数据对应HTML文件，推理成本对应经济可行性），RL尚未找到类似对偶 [55][57] - RL当前数据源（人类偏好、可验证奖励）存在噪声大、领域窄等问题，需探索如机器人学、推荐系统等新场景，但均面临规模化挑战 [61][62][63] - 用RL优化困惑度是方向性错误，应寻找全新数据源而非改造旧目标，RL流形（对偶系统）的发现将是重大突破 [58][65][67]

印度软件行业发展史 - 上世纪八九十年代印度软件业成为全球标杆 中国软件业曾以印度为学习榜样 印度InfoSys公司达到CMM5级认证成为行业标杆 [1] - 印度软件业优势包括时区优势 英语优势和流程管理优势 中国《计算机世界》杂志曾将印度软件业称为"中国软件业的镜子" [1] - 中国最终选择互联网发展道路 而印度坚持在技术底层创新 开发出USB和DCT算法等基础技术 [1] DCT算法发展历程 - 1972年印度教授纳西尔·艾哈迈德在无工资情况下坚持研究 开发出DCT算法 最初目的是实现图像压缩让家人远程查看照片 [2][3] - DCT算法通过分离图像低频和高频信息 保留关键视觉信息 实现10:1的压缩比 人眼几乎无法察觉画质损失 [6][7] - 1992年DCT被采纳为JPEG标准核心算法 随后扩展到MP3音频 MPEG视频等压缩标准 成为数字媒体传输基础 [7] DCT算法技术原理 - DCT将图像从空间域转换到频率域 类似"超级整理师"对杂乱像素进行结构化处理 [4] - 算法优先保留低频信息(如轮廓和光影) 舍弃部分高频信息(如细节纹理) 实现高效压缩 [6] - 该算法实现了信息论创始人香农提出的有损压缩理论 解决了数字图像存储和传输的核心难题 [7] 印度科技创新特点 - 印度科技人才倾向于深耕基础技术领域 而非追逐商业风口 形成"系统渗透"式发展模式 [10] - 印度裔科技人才在美国科技公司中占据重要地位 如谷歌 微软 Adobe等公司CEO均为印度裔 [10] - 印度创新文化注重解决实际问题 如艾哈迈德发明DCT的初衷是让家人远程查看照片 体现"科技温度" [13] DCT算法行业影响 - 目前全球超过100亿台设备使用DCT算法 支撑了图片 音频 视频等数字内容的存储和传输 [1][8] - 该算法是当代互联网视频通话 社交媒体 在线视频等应用的基础技术 如抖音 微信视频等功能都依赖DCT [7][8] - 2020年因疫情视频通话需求激增 艾哈迈德的贡献被重新关注 Netflix拍摄了相关纪录片 [9]

投资哲学与市场展望 - 技术革新是推动人类社会财富跃升的首要推手，人工智能时代正拉开序幕[1] - 纳斯达克指数新高预示人工智能引领资本市场进入新阶段，科技股长期价值已获市场验证[1] - 预测2025年资本市场或复刻1998年互联网时代轨迹，年初波动但年终有望正收益，纳斯达克指数预计上涨20%[1] 公司业绩与投资策略 - 东方港湾连续两年（2023-2024）稳居百亿私募业绩榜首，业绩随纳斯达克指数反弹再度上扬[1] - 重仓科技巨头同时布局TQQQ、FNGU等ETF及NVDA两倍杠杆产品，但强调三倍做多ETF成本高昂且仅适合持续上涨市场[2][3] - 美股交易策略多样，审慎运用投资工具可显著提升成效[3] 行业分化与选股逻辑 - 科技巨头分化显著：英伟达、微软表现抢眼，meta紧随其后，谷歌、亚马逊、苹果及特斯拉因困境表现平平[2] - 投资需瞄准前景广阔领域，以十年以上长期视角持有卓越企业，如日本经济停滞期的反面案例[4] - 选择能重塑世界的公司，聚焦AI基础层投资并布局垂直应用层[9] 历史机遇与逆向操作 - 市场恐慌指数突破50时往往孕育历史性投资机会，但多数投资者因恐惧错失[7] - 白酒危机与疫情期间逆市布局最终获丰厚收益，2024年4月美股暴跌时坚持抄底[4] - 标普500历史数据显示，大幅下跌后1-5年回报率显著（如1987年暴跌后5年回报119%）[3] 全球化布局与AI战略 - 公司从本土私募成长为全球视野投资机构，核心投资方向为人工智能[9] - 技术进步是全球财富增长关键，AI时代或持续十年以上并创造更多财富[9] - 投资需立足本土同时拥抱全球，强调自主精神与资本市场核心驱动力[1]

投资理念与市场展望 - 人类社会的财富增长主要由技术进步推动，人工智能时代的大门刚刚开启 [1] - 纳斯达克指数再创新高标志着人工智能时代正引领资本市场踏上新征程 [1] - 2025年资本市场或类似1998年互联网时代，年初可能波动但年终有望正回报，纳斯达克指数可能上涨约20% [1] 公司业绩与市场表现 - 东方港湾在2023和2024年连续两年夺得百亿私募业绩冠军 [1] - 科技巨头表现分化，英伟达和微软表现出众，meta紧随其后，而谷歌、亚马逊、苹果和特斯拉表现不佳 [2] - 公司重仓科技巨头，并在风险可控前提下投资TQQQ、FNGU等ETF及NVDA两倍杠杆产品 [2] 投资策略与工具 - 使用三倍做多ETF和两倍做多个股策略交易成本较高，最适合持续上涨的市场环境 [2] - 美股交易策略多样，投资工具丰富，审慎使用可显著提升投资效果 [2] - 投资中"选择比努力更重要"，建议用10年、20年甚至30年长远眼光持有伟大企业 [2] 历史市场数据与关键时刻 - S&P 500历史上最大两日跌幅后往往伴随显著回报，如1987年10月19日跌幅24.6%后1年回报28%，5年回报119% [3] - 2020年3月12日S&P 500跌幅13.9%后1年回报62%，5年回报144% [3] - 在市场恐慌指数超过50时往往是历史性投资机会，但敢于抄底者寥寥无几 [5] 行业布局与未来方向 - 东方港湾已从扎根中国的私募机构成长为拥有全球视野的投资机构 [7] - 目前主要集中在AI基础层投资，同时在垂直应用层有所布局 [7] - 人工智能时代将持续十年以上，可能创造比前几个时代更多的财富 [5][7]

纪要涉及的行业和公司 行业：AI、互联网、影视、软件、游戏、传媒 公司：乐视、网易、百度 纪要提到的核心观点和论据 1. **AI与互联网发展对比** - **相似点**：AI目前处于基础设施建设阶段，类似互联网早期 [1][2][4][12] - **不同点**：互联网由海外资本助力，AI由本土力量和国资推动；互联网城市排序为北京、上海、深圳、广州和杭州，大模型公司主要集中在北京、上海和杭州，广州较少涉及，深圳关注硬科技领域 [4] 2. **AI应用进展及未来应用** - **进展**：处于基础设施建设阶段，运营商角色不明确，牌照发放方式待明确 [2] - **未来应用**：有望重塑影视行业，如短视频内容制作和剧情化短视频；游戏公司可利用AI制作短剧等内容；各行各业探索利用AI进行摧毁与重建 [2] 3. **新创业潮可能性** - **可能性**：若2025 - 2026年迎来牛市，可能催生新创业潮，类似1998年牛市催生创业潮 [5] - **关键要素**：当年的海归、海外资本等要素是否到位决定新创业潮规模和质量 [5] 4. **AI时代软件业发展** - **重要领域**：可能出现类似自动驾驶FSD的重要领域 [6] - **关键因素**：把握用户需求和商业意识，产品经理角色转变很关键 [7] 5. **资本运作与业务发展** - **关系**：资本运作成功与业务顺利发展是两码事，乐视事件可能重演 [8] 6. **AI产业突破** - **借鉴经验**：可借鉴2000年移动梦网经验，需政策或外部力量推动 [3][9] - **产品差异**：AI产品内核倾向于去交互化，与互联网产品逻辑不同，传统互联网方法效果不显著 [3][9][11] 7. **AI时代推广模式** - **模式**：可能仍需重视推广模式，尤其是agent或垂类硬件 [10] 8. **生成式AI发展阶段及变化** - **阶段**：处于基础设施建设阶段，相当于PC互联网门户网站时期 [12] - **变化**：未来经历业务模式成型、变现方式成型阶段，然后抢用户，出现内容形态创新及竞争大战 [12] 9. **AI业务模式及变现方式** - **业务模式**：国内可能有“小B大C”模式，利用AI处理逆人性工作 [15] - **变现方式**：海外依赖广告和付费订阅，国内有四大变现模式，国内可能收敛成以订阅或付费为主并辅以广告的模式 [16] 10. **AI技术与经济环境适配** - **适配方式**：全球经济降本收缩，AI替代基础工种和岗位，重塑行业价值链，如影视行业 [17][19] 11. **AI时代内容产业发展趋势** - **趋势**：内容生产门槛和壁垒提高，评价标准从流量至上变为邀请至上、权限为王 [18] 12. **AI对影视行业影响** - **影响**：重塑制作和分发环节，使演员回归本源，推动行业繁荣，2026年春节前后短剧市场在二级市场体现，传媒板块持仓占比预计从一点提升到三点左右 [17][19][20] 其他重要但是可能被忽略的内容 - 2001年各大公司在生存压力下探索新业务留下网易点卡交易系统等副产品，当前模型公司探索有望产生新副产品 [9] - 互联网时代内容运营强调产品加渠道策略，对公司内部治理和管理要求高 [10] - 海外市场可能学习中国互联网时代的转移支付模式，从付费转向“羊毛出在猪身上”的模式相对容易 [16]