华尔街多家大行策略师正建议客户在2026年将投资重心从"科技七巨头"转向医疗、工业、能源和金融等传统周期性板块。高盛认 为，这一转变主要基于两点：一是对科技巨头能否持续支撑其高昂估值和AI支出的疑虑加深；二是对2026年美国整体经济前景的乐 观情绪升温。 一份来自华尔街的最新展望报告颠覆了传统认知，指出2026年美国经济面临的最大威胁可能源自金融市场本身。 根据投资研究机构BCA Research的最新展望，2026年投资者面临的核心风险已经发生反转：不再是经济衰退拖垮股市，而是股市 的潜在崩盘可能直接将美国经济推入衰退。这一观点挑战了市场的普遍看法，并指出美国经济的韧性正悬于一个由股市财富支撑的 脆弱平衡之上。 BCA Research在报告中明确指出， 当前美国经济的一个关键支撑来自于约250万"超额退休"人群的消费支出。这部分人群因新冠 疫情后的股市繁荣而提前退休，他们的消费能力与股市表现直接挂钩，形成了一个"对股市敏感"的需求侧。 报告分析，这种结构性变化给美联储带来了棘手的两难。 一方面，这批高技能退休人员的离场加剧了劳动力短缺，使通胀顽固地 维持在3%左右；另一方面，若为抑制通胀而维持高利率，则可 ...

根据投资研究机构BCA Research的最新展望，2026年投资者面临的核心风险已经发生反转：不再是经济衰退拖垮股市，而是股市的潜在崩盘可能直接将美国 经济推入衰退。这一观点挑战了市场的普遍看法，并指出美国经济的韧性正悬于一个由股市财富支撑的脆弱平衡之上。 一份来自华尔街的最新展望报告颠覆了传统认知，指出2026年美国经济面临的最大威胁可能源自金融市场本身。 BCA Research在报告中明确指出， 当前美国经济的一个关键支撑来自于约250万"超额退休"人群的消费支出。这部分人群因新冠疫情后的股市繁荣而提前退 休，他们的消费能力与股市表现直接挂钩，形成了一个"对股市敏感"的需求侧。 报告分析，这种结构性变化给美联储带来了棘手的两难。 一方面，这批高技能退休人员的离场加剧了劳动力短缺，使通胀顽固地维持在3%左右；另一方面， 若为抑制通胀而维持高利率，则可能刺破股市泡沫，摧毁这部分关键消费，从而引发经济衰退。 因此，BCA Research预测，美联储将把避免市场崩盘置于其2%通胀目标之上，选择容忍更高的通胀率，并可能在任何经济或市场疲软的迹象出现时采取激进 的降息措施。这一政策路径，叠加史上最集中的市场涨势 ...

核心观点 - 华尔街研究颠覆传统认知 指出2026年美国经济最大威胁可能源自金融市场本身 核心风险已反转 不再是经济衰退拖垮股市 而是股市潜在崩盘可能直接将美国经济推入衰退[1] - 美国经济的韧性悬于一个由股市财富支撑的脆弱平衡之上 这一观点挑战了市场普遍看法[1] 结构性变化：超额退休人群 - 美国劳动力市场出现约250万“超额退休”人群 主要因疫情脆弱性及股市强劲上涨创造财务条件而提前退休[3] - 这250万新增退休人员通过消费其丰厚的养老金和股市财富 为美国经济注入了强劲的需求 但他们“只消费、不生产”的模式 使得劳动力市场在需求旺盛的同时持续“供给受限”[5] - 这部分关键的边际消费完全依赖于股市财富 一旦股市崩盘 其消费能力的财富基础将不复存在 总需求将受重创并引发经济衰退[5] 美联储的政策困境 - “超额退休”现象在支撑需求的同时 也因高技能年长工人离场导致劳动力市场紧张及技能短缺 叠加旺盛消费需求 使通胀率顽固地稳定在3%附近[6] - 美联储陷入两难：若为实现2%通胀目标而持续收紧货币政策 高利率将冲击股市 进而摧毁支撑经济的关键消费[9] - 预测美联储将把避免市场崩盘置于其2%通胀目标之上 选择容忍更高的通胀率作为“较小的恶” 并可能在任何经济或市场疲软迹象出现时采取激进降息措施[2][9] - 在通胀高企的环境下降息 将不利于长期美国国债和美元的走势[9] 市场集中度与潜在轮动 - 2026年市场面临的另一大挑战是涨势达到“有史以来最集中的程度” 全球股市市值约三分之二集中于美股 而美股市值的40%又集中于区区十只股票[10] - 这十只股票的命运几乎都押注于成为通用人工智能浪潮赢家的同一叙事 这意味着全球超过四分之一的股票市值直接暴露在这一单一押注失败的风险之下[10] - 近期头部科技股走势开始分化 例如在过去一个半月里 英伟达和微软市值分别蒸发近5000亿美元时 Alphabet和苹果市值却分别增加了6000亿和2000亿美元[12] - 这种“赢家和输家相互抵消”的分化局面若持续 市场更有可能出现“漂移”而非“崩盘” 但这也预示着美国科技股整体跑赢市场的时代可能即将结束[12] - 资金或将轮动至被低估的板块和地区 如医疗保健和欧洲市场 欧洲不存在由劳动力市场扭曲造成的通胀压力 为债券市场创造了有利环境[12] - 建议在全球债券投资组合中超配德国国债和英国国债 同时欧洲股市有望受益于资金从美国科技股的流出[12]

会议概况 - 2025第十四届上市公司发展年会暨海南自贸港开放机遇交流大会于12月12日在海口举办 [1] - 超过400家上市公司及20多家机构参会 政产学研精英共议封关新局下的政策与全球化机遇 [1] 海南自贸港政策与机遇 - 海南自贸港将于12月18日迎来全岛封关运作 [3] - 政策核心为“一线放开、二线管住、岛内自由”的制度型开放 叠加“零关税、低税率、更自由”三大红利 [3] - 海南背靠内地、辐射东南亚 聚焦四大主导产业 致力于打造国际国内双循环交汇点 [3] - 海南的开放是高水平制度型开放 核心在于推进规则、规制、标准、管理与国际高标准经贸规则相容衔接 从边境开放转向边境后开放 [4] 产业发展与技术创新趋势 - “十五五”时期 新一轮科技革命和产业变革将加速演进 云计算、大数据、深度学习等技术推动人工智能进入通用人工智能发展阶段 [3] - 具身智能作为AI与机器人学交叉的前沿方向 是智能制造高阶发展的关键技术基础和AI发展新范式 能赋予机器系统“感知—决策—执行”闭环能力 [3] - 未来5年工业企业数字化转型是推进智能制造、实现制造业创新发展的主战场 [4] - 需促进实体经济与数字经济深度融合 加快数智技术创新 强化算力、算法、数据高效供给 建立健全数据要素基础制度 以数智技术赋能千行百业 [4] 企业参与与讨论焦点 - 海南国际经济发展局表示将提供一站式服务 诚邀企业把握双循环枢纽机遇 [3] - 大会邀请国内行业领军企业围绕“AI价值锚点”与“新出海范式”展开讨论 分享一线经验与思考 [4]

编辑部 整理自 凹非寺 量子位 | 公众号 QbitAI "人工智能要发展到下一个台阶，一定要突破两座大山。第一座大山是Transformer，第二座大山是反向传播算法。" 在大模型规模不断拔高、算力与数据卷到极致的当下， RockAI创始人刘凡平 提出了一个与主流共识截然不同的判断。 下一阶段的智能，不在"更大"，而在"活起来"。 本质是让模型摆脱静态函数的桎梏，让端侧设备具备原生记忆、自主学习与持续进化的能力。 这意味着AI的方向要从云端集中式的算力竞争，迁移到每一台设备，每一个个体都能参与学习，生成知识的全新范式。 在量子位MEET2026智能未来大会上，刘凡平将这一转折点称为 硬件觉醒 ： 当模型在端侧能像大脑一样稀疏激活、实时形成记忆，并在物理世界中不断更新自身，设备就不再是工具，而是"活"的智能体。 而无数这样的智能体在现实世界中学习、协作，便将孕育出真正能够产生知识的群体智能。 这既是对Transformer与反向传播算法这"两座大山"的正面突破，也是迈向通用人工智能的一条新路径。 为了准确呈现刘凡平的完整思考，以下内容基于演讲实录进行整理编辑，希望能提供新的视角与洞察。 MEET2026智能未 ...

机构成立与核心目标 - 天桥脑科学研究院于12月13日在中国神经科学学会脑机接口与交互分会年会上宣布成立非营利研究机构——尖峰智能实验室[1] - 该实验室由中国科学院自动化研究所研究员李国齐教授领衔[1] - 其核心目标是打造天桥脑科学研究院创始人陈天桥提出的“发现式智能”的关键能力[1] 核心研究路径与理念 - 实验室主张借鉴人脑，研发具有神经动力学特性的类脑大模型，构建具备强大感知力、深刻记忆与思考能力的全脑架构[1][3] - 研究路径被称为实现通用人工智能的“结构路径”，区别于当前依赖规模法则堆叠参数的“规模路径”[3] - “结构路径”被视为智能的“认知解剖学”，旨在通过研究神经动力学、记忆、因果和动机等机制，构建具有连续性、可解释性和方向感的智能系统[3] - 人脑以仅约20瓦的功耗支撑千亿级神经元的复杂运作，是类脑研究的重要参照[3] 技术路线与模型突破 - 研究重点是将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合[3] - 李国齐团队于今年研发出首款类脑脉冲大模型“瞬悉1.0”，在类脑计算与大模型融合方面取得突破[4] - “瞬悉1.0”模型具有“小数据、高性能”特点，仅需约主流模型2%的数据量，就能在多项语言理解和推理任务中达到相媲美的性能[5] - 该模型已在国产GPU平台上完成全流程训练与推理，展示了构建国产自主可控新型大模型架构生态的可行性[5] 对主流AI模式的批判与资源投入 - 当前主流大模型基于Transformer架构，其基本计算单元为简单的点神经元模型，通过增加网络规模、算力和数据量提升智能[4] - 这种依赖外生复杂性的模式存在资源消耗瓶颈，处理超长序列的能力受限[4] - 为支持跨学科创新，天桥脑科学研究院宣布将投入超过十亿美元建设专用算力集群，为年轻科学家提供实验资源[4] - 该算力集群旨在探索结构、验证记忆机制、新的因果架构或神经动力学假说，而非用于比拼规模[4]

微软的超级智能战略与AI治理理念 - 微软消费人工智能主管苏莱曼正致力于打造一款“符合人类利益”的超级智能 并承诺若该技术对人类构成威胁将立即停止研发 [1] - 苏莱曼强调公司不会继续开发可能失控的系统 并认为这种以安全为先的理念在当前行业中仍属新颖立场 [2] - 苏莱曼与微软的观点是 超级智能系统唯有服务于人类才能取得成功 [3] 微软与OpenAI的合作关系演变 - 微软此前主要依赖OpenAI提供AI工具 但目前正委任苏莱曼负责打造能够与业界最佳产品竞争的产品 [2] - 在今年十月前 苏莱曼的工作受限于合同条款 该条款禁止微软研发通用人工智能或超级智能 [4] - 根据新协议 微软获得了独立或与第三方合作开发通用人工智能的权利 作为交换 微软放弃了限制OpenAI与第三方合作的权利以换取使用其最新产品的机会 [5] - OpenAI如今与软银 甲骨文等多家企业达成协议 建设的数据中心规模已超出微软原计划为其建造的数量 [5] 行业竞争格局与AI发展现状 - 包括OpenAI和Anthropic在内的众多AI企业均宣称有类似服务人类的目标 但苏莱曼认为微软的目标具有独特性 [4] - 业内关于超级智能的讨论仍是理论性的 像ChatGPT这样的技术仍在发展中 无论是对于消费者还是企业高管而言都是如此 [5] - 微软Copilot消费助手的智能代理功能“并非总是准确” 仍在开发与实验阶段 [6][7]

核心观点 - OpenAI最新发布的GPT-5.2模型在关键思维能力测评中实现了质的飞跃 特别是在抽象推理与泛化能力(ARC-AGI-2)上从GPT-5.1的17.6%跃升至52.9% 标志着大语言模型在长期短板上的巨大突破 [1] - GPT-5.2在衡量模型经济价值的重要指标GDPval上 分数从38.8%飙升至70.9% 凸显了模型扩展能力与推理能力的同步突破 [1] - 尽管近期OpenAI因竞争对手Google的Gemini模型成功扩展而显得措手不及 但此次数据表明其推理能力正在实现以往看似不可能的任务 [1] 模型性能对比 (GPT-5.2 vs. 前代及竞品) - **软件工程能力(SWE-Bench Pro)**: GPT-5.2达到55.6% 高于GPT-5.1的50.8% 也高于Anthropic Claude Opus 4.5的52.0%和Google Gemini 3 Pro的43.3% [2] - **科学问题能力(GPQA Diamond)**: GPT-5.2达到92.4% 高于GPT-5.1的88.1%和Anthropic的87.0% 略高于Google的91.9% [2] - **科学图表推理(CharXiv)**: GPT-5.2达到82.1% 显著高于GPT-5.1的67.0% 也略高于Google的81.4% [2] - **高等数学(FrontierMath)**: GPT-5.2在Tier 1-3达到40.3% 高于GPT-5.1的31.0%和Google的37.6% 在更难的Tier 4达到14.6% 高于GPT-5.1的12.5%但低于Google的18.8% [2] - **竞赛数学(AIME 2025)**: GPT-5.2达到100.0% 高于GPT-5.1的94.0% Anthropic的92.8%和Google的95.0% [2] - **抽象推理(ARC-AGI 1)**: GPT-5.2达到86.2% 高于GPT-5.1的72.8% Anthropic的80.0%和Google的75.0% [2] - **抽象推理与泛化(ARC-AGI 2)**: GPT-5.2达到52.9% 远高于GPT-5.1的17.6% 也高于Anthropic的37.6%和Google的31.1% [3] - **知识工作与经济价值(GDPval)**: GPT-5.2达到70.9% 远高于GPT-5.1的38.8% 也高于Anthropic的59.6%和Google的53.5% [3]

文章核心观点 - OpenAI最新发布的GPT-5.2模型在关键能力指标上实现了质的飞跃 特别是在抽象推理和经济价值评估方面取得了巨大突破 标志着大语言模型在核心短板上的显著进步 [1] 模型性能突破 - **抽象推理能力(ARC-AGI-2)大幅跃升**: GPT-5.2在ARC-AGI-2测试中的表现从GPT-5.1的17.6%飙升至52.9% 实现了超过200个百分点的相对提升 这是模型在抽象推理与泛化能力这一长期短板上的巨大突破 [1] - **经济价值评估(GDPval)显著提升**: GPT-5.2的GDPval分数从GPT-5.1的38.8%大幅提升至70.9% 凸显了模型扩展能力与推理能力的同步突破 测试时模型已启用最大推理效能 [1] - **综合性能领先**: 在多项基准测试中 GPT-5.2均展现出领先或顶尖水平 例如在AIME 2025数学竞赛中达到100% 在GPQA科学问题上达到92.4% 在CharXiv科学图表推理上达到82.1% [2] 行业竞争格局 - **OpenAI重夺领先地位**: 尽管近期因Google的Gemini模型成功扩展而显得措手不及 但GPT-5.2的发布数据表明 公司在推理能力上正在实现以往看似不可能的任务 重新确立了技术领先性 [1] - **关键指标对比优势**: 在核心的抽象推理测试ARC-AGI-2中 GPT-5.2的52.9%显著高于Anthropic Claude Opus 4.5的37.6%和Google Gemini 3 Pro的31.1% 在衡量知识工作的GDPval测试中 GPT-5.2的70.9%也高于Claude的59.6%和Gemini的53.5% [2] - **多维度性能比较**: 在软件工程(SWE-Bench Pro) 高级数学(FrontierMath)等多个专业领域测试中 GPT-5.2均保持了对主要竞争对手的领先或竞争优势 [2]

文章核心观点 中国主要造车新势力（理想、小鹏、蔚来等）在新能源汽车市场竞争进入“淘汰赛”、增长放缓的背景下，正积极效仿特斯拉的战略，将业务边界从汽车制造拓展至人工智能、机器人、芯片及出行生态等领域，以构建新的增长故事和长期竞争力，但这一转型依赖于持续且高强度的研发投入，而投入规模仍受制于汽车主业的基本盘[5][7][11][19][26] 行业趋势：新能源汽车市场进入存量竞争与淘汰赛阶段 - 中国新能源汽车渗透率快速提升，2024年前9个月燃油车市场份额首次跌破50%，降至49.9%，较去年减少2.5个百分点[5] - 行业领导者预测未来渗透率将持续攀升：何小鹏预测未来3年中国新能源汽车渗透率将达85%以上；李斌预测2030年新能源汽车将占新车销量90%以上；理想汽车预测2026年国内新能源汽车渗透率在55%-60%之间，其中高端市场渗透率将突破60%[5] - 市场进入“零和博弈”，增长必然放缓，行业热议“决赛论”与“淘汰赛”，何小鹏断言未来中国市场仅能剩下5家强势品牌[7] - 为应对淘汰赛，新势力聚焦降本、提量、盈利，目前仅理想、赛力斯和零跑三家实现盈利（零跑有望在2024年实现全年盈利），小鹏和蔚来目标在2024年第四季度实现季度盈利[7] - 汽车业务故事退潮，新势力造车业务越来越趋向传统汽车公司，强调通过平台化、规模化和供应链合作（如小鹏与华为合作电机，蔚来与供应商组建芯片合资公司）来控制成本[8] 公司战略：效仿特斯拉，向AI与机器人领域拓展新业务 - **特斯拉的转型路径**：公司定位从汽车公司转向人工智能机器人公司，其价值增长路径将依赖于人工智能软件、自动驾驶生态和机器人产品的规模化落地[11] - 特斯拉2025年股东大会通过的马斯克薪酬计划核心指标均与AI相关：1000万个活跃的FSD订阅、交付100万台机器人、100万辆Robotaxi商业运营[11] - 特斯拉在2025年9月发布的“大师计划第四篇章”中，明确将发展重心从电动汽车全面转向人工智能和机器人领域[12] - **中国新势力的跟进**： - **理想汽车**：发布首款AI眼镜Livis，成立“空间机器人”和“穿戴机器人”部门，长远目标是成为通用人工智能时代的终端企业，未来将研发更多AI硬件产品[2][3][10] - **小鹏汽车**：在2024年AI科技日展示了成熟的机器人产品、飞行汽车，并重启了Robotaxi落地计划，其技术路线图强调自研AI芯片和物理AI模型构成底座[10][14] - **蔚来汽车**：持续投入自研芯片[10] - **赛力斯、长安、吉利**：也推出了成型的人形机器人产品[10] - 新势力认可特斯拉将人工智能与物理世界融合的技术路径，并在逻辑上高度相似，旨在通过技术复用（如基座模型、芯片）控制成本[14][16][19][20] 研发投入：新故事依赖高强度投资，但规模与重心存在差异 - **特斯拉研发投入规模与结构**： - 年研发投入从2020年的14.91亿美元增长至2024年的45.4亿美元，营收占比稳定在4%以上[20] - 2023年研发费用增速达29.1%，主要投向Dojo超算和机器人；2024年增速放缓，重点在Robotaxi、FSD和AI芯片[21] - 2024年前三季研发费用已达46.29亿美元（超去年全年），预计全年至少62.79亿美元，其中约60%投向人工智能与自动驾驶，约30%投向硬件与机器人[23] - **小鹏汽车研发投入规模与结构**： - 年营收从2020年的58.44亿元增长至2024年的408.66亿元[23] - 研发费用从2020年的17.26亿元增长至2024年的64.57亿元，研发费用率最低超过15%，最高接近30%[23] - 2020-2022年研发兼顾三电、新车型等；2023年起AI相关投入比例提升，但费用仍倾向新车型与智能座舱[23] - 2024年上半年约70%研发资源集中于智能驾驶、电动化平台及AI大模型，全年AI相关投入接近50亿元（含算力租赁、训练及团队扩张）[24] - **理想汽车研发投入规模与结构**： - 研发费用规模自2022年起超越小鹏[26] - 2024年前，AI相关研发主要限于智能驾驶和Mind GPT，主要费用流向汽车技术[26] - 2024年提高了AI技术相关的研发费用率，2024年预计总研发投入120亿元，其中50%（约60亿元）与AI技术相关[26] - AI投入中，约45%用于基础建设（基础模型、芯片、OS、算力），约55%用于产品技术研发（VLA模型、智能座舱等）[26] - **投入对比与展望**：新势力在AI领域的投资强度与规模仍与特斯拉有较大差距，受制于汽车市场的激烈竞争，需先稳住基本盘[26]。何小鹏预测，未来汽车企业年度研发投入将攀升至500亿元，其中300亿需用于人工智能研发[26]