投资评级与目标价 - 维持"买入"评级 目标价705.0港元 潜在升幅6.6% [1][3] - 当前股价661.50港元 市值5,554,174百万港元 [3] 财务表现与预测 - 销售收入预计从2023年609,015百万人民币增长至2027年853,801百万人民币 年复合增长率约8.8% [2][27] - 调整后净利润预计从2023年157,688.0百万人民币增长至2027年300,422.5百万人民币 年复合增长率约17.5% [2][27] - 调整后每股收益从2023年16.66人民币增长至2027年33.36人民币 [2][27] - 毛利率从2023年48.1%提升至2027年56.9% 营业利益率从26.3%提升至35.0% [27][28] 智能化战略进展 - 腾讯云明确打造"智能化"和"全球化"两大战略引擎 [1][8] - C端应用:元宝DAU进入国内AI原生应用前三 ima知识库沉淀超1亿文件 QQ浏览器AI月活较4月增长17.8倍 [7][10][11] - B端应用:腾讯会议AI功能用户量同比增长150% CodeBuddy支持腾讯内部50%新增代码生成 研发提效超16% [7][10][11] - 发布智能体战略全景图 上线近600个新功能 预置12个大模型 支持超140个MCP插件 [7][11] - Agent Runtime解决方案将启动时间降至100ms 支持数十万实例并发 [13] 全球化战略布局 - 腾讯云国际业务过去一年实现高双位数增长 海外客户数同比翻倍 [1][7][19] - 90%以上互联网企业和95%以上头部游戏公司出海选择腾讯云 [7][19] - 1H25在全球设立11个区域办公室和9大全球技术支持中心 [7][20] - 计划在沙特投资1.5亿美元建设中东首个可用区 在日本大阪新建第三个可用区 [20] 技术创新与产品发展 - 发布混元3D 3.0模型 建模精度较上一版本提升3倍 开源社区下载量超260万居赛道第一 [7][22][23] - 推出混元3D Studio一站式工具 覆盖7大核心环节 将3D资产生成周期从5-7天缩短至几分钟 [7][23] - 混元大模型已在游戏行业超15个场景落地应用 包括《无畏契约手游》《QQ飞车》等 [7] - 乐享知识库支持102种格式 准确率达92% AI问答使用次数增长18倍 [10][11]

腾讯云AI战略与产品发布 - 腾讯云正式发布智能体战略全景图 全面开放AI能力及C端B端优势场景 [2] - 腾讯云智能体开发平台（ADP）面向全球发布3.0版本 3个月内完成近600项需求开发 [3] - 智能体被视为大模型落地重要载体 行业进入"智能体元年" [4] 云计算行业AI驱动增长 - AI大模型兴起为云厂商带来大量计算需求 巴克莱预测2026年推理计算需求占通用AI总计算需求70%以上 [4] - 腾讯过去三个季度累计资本开支达831.6亿元 持续加大AI基础设施投入 [5] - 腾讯2023年Q2 To B营收实现双位数增长达555亿元 [5] 云计算市场竞争格局 - 2025年上半年中国AI云市场规模223亿元 前五大厂商合计份额超75% [5] - 阿里云占比35.8% 火山引擎14.8% 华为云13.1% 腾讯云7% 百度云6.1% [5] - 腾讯云坚持不以亏损换取低质量收入 强调产品支持与长期主义 [5] 腾讯云全球化进展 - 腾讯云国际业务过去三年持续高双位数增长 [6] - 海外客户规模同比翻番 90%互联网企业及95%头部游戏公司出海选择腾讯云 [6] - 输出音视频、边缘安全加速平台、小程序平台、AI数智人等成熟产品至海外市场 [6] 海外基础设施布局 - 计划投入1.5亿美元在沙特建设首家中东数据中心 [7] - 在日本大阪新建第三个数据中心并设立办公室 [7] - 截至2025年上半年已在全球部署9大技术支持中心 覆盖雅加达、东京、法兰克福等城市 [7] 全球云计算竞争态势 - 2023年Q2全球云基础设施服务支出953亿美元 同比增长22% [8] - AWS、微软Azure和谷歌云合计市场份额达65% [8] - 中国云厂商在音视频技术领域全球领先 供应链方面具有独特成本优势 [8] - 海外竞争焦点从"低价"转向"AI+场景" 腾讯云在游戏社交PaaS领域具备低延迟、AI降噪等技术优势 [8]

腾讯AI战略方向 - AI发展聚焦内部多元生态实践与外部产业真实需求[1] - 大模型落地效果显著场景包括客服、销售话术、知识问答、情感陪伴和文档总结[1] - 智能体平台通过融合文档解析、知识检索和流程编排实现企业数据与任务流程结构化处理[1] 智能体开发平台3.0技术特性 - 平台提供全链路Agent开发能力包含权限体系、数据库、合规机制与运行环境[2][4] - 集成RAG引擎、工作流引擎与Agent引擎三大核心组件[4] - 支持腾讯混元、DeepSeek等内置模型及第三方API模型接入[6] - 采用双层权限体系实现企业/空间维度访问控制及知识库条目级权限管理[8] - 升级Agentic RAG支持多轮拆解检索 Multi-Agent协同工作流配置[8] - 提供基准评测、对比评测机制支持裁判模型与自定义代码打分[8] 行业落地应用案例 - 工业质检领域仅需不足50张图片即可完成缺陷识别 较传统上千张图像训练大幅优化[10] - 智能巡检实现井盖缺失、施工着装、水位监测、山火预警等多场景识别[12] - 媒体处理应用春晚视频剪辑 通过自然语言提问完成片段定位替代手动剪辑[12] - 政务应用覆盖宝安区民生企业服务政务办公等领域 邯郸公积金场景集成刷脸认证缩短流程[14] - 酒店服务与华住合作构建30余条工作流覆盖咨询任务[14] - 营销自动化实现五Agent组合完成人群圈定至效果分析全链路[14] 个人与C端产品布局 - 为内容创作者知识工作者提供定制Agent方案 支持吴晓波杨国安等IP数字人对话[15] - C端工具腾讯元器件支持公众号智能体一键创建并接入微信生态[16] - QQ浏览器将推出订阅助理Agent 通过自然语言设定生成企业报告行业资讯推送流[18] 开源技术进展 - 已开源Youtu-Agent开发框架及Youtu-GraphRAG知识图谱模块[19][21] - 即将开源Youtu-Embedding、Video-MME V2和Youtu-Parsing端到端文档解析模型[21] - Youtu-Parsing在OmniDocBench榜单领先 适用于金融政务医疗教育法律等复杂场景[21] 行业发展趋势 - 智能体成为企业AI应用新方向 从语义问答向工作流调用深化[22] - 平台设计任务落地开发效率提升成为行业重点探索领域[22]

人工智能与工业化交汇 - 人工智能演进与工业化发展形成历史性交汇 人工智能正深刻重塑全球产业格局[1] - 金砖国家论坛聚焦人工智能赋能新型工业化及金砖国家机遇把握[1] 中国人工智能产业进展 - 中国构建完整人工智能产业体系 正推动技术创新并实施人工智能+制造行动 推动重点行业环节领域智能化转型[1] - 中国工业企业应用大模型及智能体比例从2024年9.6%提升至2025年47.5% 增幅达37.9个百分点[1] - 中国连续12年成为全球最大工业机器人市场 建成7000余家先进级和230余家卓越级智能工厂[1] 人工智能技术演进方向 - 人工智能焦点从大模型进化成智能体 智能体具有记忆能力 工具使用能力 分工协作能力及任务规划能力 能独立完成复杂任务全流程实现降本增效[1] - 具身智能和世界模型等前沿方向突破推动数字世界与现实世界深度融合 催生数字孪生工厂和工业元宇宙实验室等新业态新模式[2] 具体应用案例 - 快手科技可灵AI产品在工业互联网领域打造世界模型 提供虚拟仿真环境训练人形机器人 降低实际训练风险和成本[2] - 人工智能促进自主运行 智能决策 全局优化的智能制造落地[2] 国际合作与基础设施 - 金砖国家凭借庞大产业基础与市场需求有望成为人工智能赋能新型工业化的试验田和引领者[2] - 中国成立中国—金砖国家人工智能发展与合作中心 下一步将搭建创新共享平台分享成熟大模型工具助力降低技术壁垒[3] - 金砖国家新开发银行将重点投资数字基础设施 职业技术教育 智能制造和绿色经济等领域[2] 发展挑战与应对 - 全球南方国家在关键核心技术和数字基础设施存在短板[2] - 需扩大全球南方国家获取人工智能工具和基础设施的渠道 弥合数字鸿沟[2] - 应加强人工智能基础研究 应用开发 产业培育和标准互通等方面合作推动技术创新与应用推广[2]

核心观点 - 企业增长的两大核心动力为向智能化要产业效率和向全球化要收入规模 [2] - AI目前仍处于投入期 公司需要巨大算力服务超10亿用户 需思考高效低成本规模化应用AI [2] - 智能体将成为AI时代主要应用载体 公司发布智能体战略全景图并开放开发平台等五大能力 [6] AI基础设施投入与收入影响 - AI应用推动推理需求暴涨和云基础设施升级 公司持续加码基础设施建设且海外开区速度在国内云厂商中最前列 [4] - 公司在AI基础设施投入非常大 提供从基础设施到模型训练推理加速工具再到应用场景的全方位支持 [4] - 大模型产业重心从训练转向推理已成行业共识 企业对大模型和智能体建设热情带来推理需求暴涨 [4] - AI基础设施拉动效应明显 大模型与智能体领域大量客户实践案例带动收入 基础设施相关收入增长更明显 [4] - 海外已设立11个区域办公室和9大全球技术支持中心 海外基础设施建设与当地合作伙伴合作以提供延展算力 [5] - 国内基础设施投入较大 规模随业务增长布局 将随AI推理需求增加继续加大国内基础设施能力补充 [5] - 已全面适配主流国产芯片 与多家国产芯片厂商合作适配不同场景需求 [5] 智能体战略与模型发展 - 针对不同群体提供不同智能体能力 中小企业需要更完善商业化支持产品 开发者需要开源工具快速上手 [6] - 过去一年密集发布30多个模型 重点方向是以更低部署推理成本实现更强性能加速产业落地 [6] - 智能体真正差异在于落地细节 企业打造智能体成本不高 可在业务流程中找优化环节借助AI降本增效 [6] - 模型厂商需投入巨额硬件和训练成本 商业模式尚不明晰 需构建健康可持续商业模式 [7] AI业务发展现状 - AI已成为公司新业务基因 用户每天向腾讯元宝提问量达年初一个月提问总量 [7] - To C的AI原生应用处于投入期 未深度考虑商业化 重心放在打磨产品和服务体验上 [7] - AI原生应用将聚焦用户体验提升和场景覆盖扩展 让用户更自然高效解决实际问题 [7] - 公司拥抱AI是全方位 每个业务都在拥抱AI 云与智慧产业事业群AI产品通过组织变革有更大发挥空间 [5]

公司AI战略与进展 - 公司全面拥抱AI技术 几乎所有业务均涉足AI领域 从"好用的AI"升级至"全面开放好用的AI" [1] - 腾讯云正式发布智能体战略全景图 通过智能体解决方案 SaaS+AI 大模型技术三大升级全面开放AI能力 [1] - 腾讯元宝DAU位列国内AI原生应用前三 用户日提问量达到年初月总量 IMA知识库文件数量突破1亿 QQ浏览器AI月活数较4月增长17.8倍 [1] - AI技术已成为公司及腾讯云核心增长引擎 AI投入与高质量增长形成正循环 [1] 全球化业务拓展 - 腾讯云国际业务过去三年持续高双位数增长 海外客户数量同比翻番 [2][7] - 90%以上中国互联网企业和95%以上头部游戏公司出海选择腾讯云 [2][7] - 公司从基础设施 技术产品 服务能力三个方向助力企业全球化拓展 [2] - 海外开区速度位居国内云厂商前列 即将上线沙特可用区 已在印尼部署第三个可用区 日本大阪有计划新增 [7] 技术研发与生态建设 - 公司坚持"以人为本的AI"战略 基于用户需求进行技术方案选择 [4] - 技术实力构成智能体核心壁垒 在复杂文档处理方面具有显著优势 [5] - 发布具身智能开放平台Tairos 为机器人开发商提供软件能力支持 [6] - 全面适配国产主流芯片 通过异构计算平台整合不同类型芯片提供高性价比AI算力 [9] - 与多家国产芯片厂商合作适配不同规模AI模型 参数范围从数十亿到上千亿 [10] 行业竞争优势 - 游戏行业理解深度获得海内外客户认可 音视频直播技术积累深厚 [8] - 小程序生态技术方案开放为海外SuperApp-as-a-Service产品 [8] - 针对海外客户使用习惯提供API接口等差异化产品方案 [8] - 海外客户对新一代AI能力兴趣浓厚 正与东南亚 中东地区推进合作试点 [9] 商业模式与发展方向 - 企业级智能体部署成本较低 但模型厂商面临高硬件成本与训练成本挑战 [5] - 云业务坚持差异化技术路线 在特定场景发挥独特优势 [7] - 具身智能领域采取开放合作策略 通过标准化管理支持行业发展 [6] - 对芯片行业保持开放态度 针对不同场景开展多方面合作 [10]

人工智能技术发展进程 - 人工智能技术从数字化向智能化演进 新工业革命本质由人工智能驱动 核心特征为智能化赋能模式[1] - 人工智能上半场焦点集中于大模型 下半场关注重心从大语言模型升级为智能体[1] 智能体核心能力与价值 - 智能体具备四大核心能力：任务分解规划、记忆、使用工具、分工协作 被比作虚拟空间机器人[2] - 专业智能体路线优于通用智能体 聚焦单一领域或任务 更易落地应用并深度融入企业业务流程[2] - 工业领域专业智能体市场前景比传统软件大10倍 可同时替代软件工具属性和人力执行属性[2] - 智能体实现降本增效 降低运营成本并提升成果质量[2] 智能体对组织形态的影响 - 智能体推动个人角色变革 每人指挥100个智能体协同工作使个人生产力指数级提升 形成超级员工[2] - 智能体推动组织形态变革 员工管理大量智能体产生协同效应 企业升级为更高效灵活的超级组织[2] 360集团智能体战略 - 公司推出智能体工厂平台 低门槛快速打造智能体 无需编程能力 通过自然语言定制L3智能体和L4多智能体蜂群[2] - 平台演示纳米AI多智能体蜂群功能 输入简单提示词一键生成宣传片[2] - 公司面向金砖国家开放智能体工厂 作为传统产业数智化转型技术底座 提供全链条赋能[3] 行业发展趋势 - 智能体成为驱动新工业革命的关键力量 大模型仅相当于大脑 缺乏执行能力 需智能体实现实际应用[1][2] - 传统工业智能化转型带来无限发展机遇 智能体将深刻推动产业变革[3]

人工智能政策与战略方向 - 工业和信息化部强调以人工智能 5G 工业互联网 云计算等新型技术赋能工业化 充分释放数字技术潜力 [1] - 2025年人工智能+再次写入政府工作报告 8月底发布《关于深入实施人工智能+行动的意见》将人工智能发展推上高潮 [1] - 中方成立金砖国家人工智能发展与合作中心 开展技术交流与产业对接 下一步将搭建创新共享平台 分享大模型工具和优质数据集 助力降低技术壁垒 [2] - 政策与监管协调 数字基础设施互联互通 创新技术普及应用被列为重点跟进方向 [2] 国际合作与生态构建 - 金砖国家具备引领全球南方创新进程的独特优势 通过规模庞大且多元的资源禀赋加速成员国发展 降低外部依赖 [3] - 急需构建更大范围 更广领域 更深层次的产学研用创新联合体 推动创新链 产业链 资金链 人才链协同对接 显著降低AI研发和应用门槛 [3][4] - 中国移动面向金砖国家联合当地信息通信企业构建AI+国际生态联盟 壮大GTI平台 提供AI算力 模型 应用等多样化能力支持 [4] - 知识共享 技术联合开发和基础设施共建是加快全球南方创新步伐的关键 需通过多边机制制定明确规则确保透明度 公平性和安全性 [3] 技术演进与产业应用 - AI赋能新型工业化由单点突破进入协同推进 群体演进的关键阶段 [1][3] - 智能体成为赋能新型工业化的焦点 360集团主张走专业智能体路线赋能新工业革命 [5] - 《意见》提出目标 到2027年人工智能与6大重点领域深度融合 智能体等应用普及率超70% 到2030年普及率超90% [5] - 中国移动研发万亿参数九天基座大模型 打造多模型和智能体融合服务引擎MoMA 建设超大规模计算机集群覆盖多个行业 [6] - 新华三集团推出ICT智能体 在无线运维领域实现对话式运维 通过智能体调用后台数据提供问题解决方案 计划在巴西 马来西亚 印尼等项目国家落地 [6][7] 发展现状与挑战 - 全球产业数字化转型中各国政策法规和技术发展水平不一致 被企业视为推动开放合作与创新驱动的最大挑战 [3] - 许多全球南方国家难以获取关键技术 存在数字基础设施缺口 技能人才短缺及科研能力不足 阻碍全面参与新一轮工业革命 [2] - 大模型及相关技术运用仍处于爬坡阶段 智能体在业务流程复杂且不确定性强的场景下仅能达到人类水准的0.2或0.3 需进一步提升仿人类智能水平 [7][8] - 目前尚未真正实现通过智能体替代人为干预 智能化自动化进程仍在推进 未来或演进至人类协同群体智能时代 [7][8]

人工智能赋能新型工业化 - AI赋能新型工业化正由单点突破进入协同推进、群体演进的关键阶段 [1][6] - 需构建更大范围、更广领域、更深层次的产学研用创新联合体以释放AI应用潜能 [1][6] - 中国移动联合金砖国家信息通信企业构建AI+国际生态联盟 提供算力、模型、应用等支持 [6] 政策与全球合作 - 工业和信息化部强调以人工智能、5G、工业互联网、云计算等新型技术赋能工业化 [1][3] - 中方成立金砖国家人工智能发展与合作中心 将搭建创新共享平台分享大模型工具和数据集 [3] - 全球南方国家存在数字基础设施缺口和技能人才短缺 需通过知识共享和技术联合开发弥补差距 [4][5] 智能体技术发展 - 智能体成为赋能新型工业化的焦点 到2027年智能体应用普及率目标超70% 2030年超90% [7][8] - 中国移动研发万亿参数九天基座大模型 打造多模型和智能体融合服务引擎MoMA [8] - 新华三集团推出ICT智能体实现对话式运维 可一键解决网络问题 计划在巴西、马来西亚等国落地 [8][9] 技术挑战与现状 - 全球政策法规和技术发展水平不一致 被企业视为开放合作与创新驱动的挑战 [1][5] - 智能体目前仅能达成人类满分水准的0.2-0.3 在复杂流程和不确定性任务中表现受限 [9][10] - 产业通过WAA联盟推动标准互认 形成统一产业联盟以拓展市场 [5]

核心观点 - 理想汽车和字节跳动在2025年8月至9月期间独立探索Agent技术时发现了相同的关键问题 即模型学习信号的强度（梯度大小）与决策不确定性（熵）存在有害的耦合关系 并基于各自业务特点提出了类似的解决方案 [2][4] - 理想汽车的AWE算法更偏向高效实用的工程解决方案 聚焦于监督微调(SFT)中的token级处理 而字节跳动的EMPG框架有更形式化的数学定理支撑 覆盖强化学习(RL)中的step级处理 并额外解决信用分配问题 [3][6][27] - 两者核心思路一致 都采用自适应或动态调制方法 利用模型自身的预测不确定性来校准学习信号 而非对所有token或step一视同仁 [4][27] 技术方案对比 - 理想汽车的AWE算法（自适应权重估计算法）应用于MindGPT 3.1中期训练阶段 动态调整每个token对参数更新的影响力 降低高难度和已掌握token的权重 集中学习中等难度token以提升训练效率和稳定性 [9][24] - 字节跳动的EMPG框架包含两个组件：自校准梯度缩放（动态干预学习信号强度 对低熵动作放大梯度、高熵动作衰减梯度）和未来清晰度奖励（引导Agent选择低熵路径的内部奖励机制） [10][11] - AWE主要解决梯度大小问题 相当于EMPG中的自校准梯度缩放组件 但不包含未来清晰度奖励部分 [5][6][28] 应用场景差异 - 理想方案聚焦token级处理 认为解决token不确定性即可自然扩展到step级 主要应用于模型SFT/RL算法本身 [7][28] - 字节方案同时处理token和step级不确定性 特别针对长序列RL任务中的学习效率和信用分配问题 其未来清晰度奖励组件与智能体场景强相关 [7][17][28] 行业技术发展 - 强化学习领域近期重点关注奖励函数设计 包括基于规则（如代码、数学）、基于量规（如写作、医疗）和基于模型自学习（如熵置信度）三类方法 [29] - 理想汽车在MindGPT 3.1中应用的ASPO算法借鉴了DeepSeek R1 GRPO的选择性学习思想 并进行了创新优化 显示公司具备快速学习并内化行业优秀技术的能力 [20] - Agent技术代表AI从被动信息处理器向主动任务执行者演进 能自主思考、规划并调用工具完成复杂任务（如理想卡片大师） [18] 时间线与行业影响 - 理想汽车于2025年8月21日发布MindGPT 3.1 其Agent能力（如卡片大师）和AI产品化潜力被市场低估 [20] - 字节跳动于2025年9月11日在arXiv发布EMPG论文 为长序列LLM Agent提供理论框架 其研究结论与理想汽车实践经验相互印证 [20][21] - 两家公司独立发现相同问题并给出类似解决方案 反映行业对Agent训练过程中梯度-熵耦合问题的普遍关注 [2][4]