财务表现 - 2025年总营收规模达130亿美元 [1] - 旗舰产品ChatGPT预计年内贡献收入近100亿美元 [1] - 运营成本预计突破80亿美元 较此前预测高出15亿美元 [1] - 2030年收入预期较原有计划上调约15% [1] 收入结构 - 企业服务与个人订阅业务形成双轮驱动 [3] - 企业客户单客户年均付费超100万美元 [3] - ChatGPT Plus付费用户突破1.2亿 每月订阅费20美元 [3] - 第三方平台合作预计带来超10亿美元收入 [4] 商业模式 - 企业服务提供定制化模型训练、数据安全保障及API接口服务 [3] - 与微软、谷歌、亚马逊等科技巨头建立长期合作 [3] - 通过苹果、安卓应用商店深度集成及垂直领域插件付费服务拓展收入 [4] - 采用"通用大模型+场景化解决方案"组合模式实现技术价值商业化转化 [4] 市场定位 - 覆盖金融、医疗、制造等传统行业领军企业 [3] - 精准把握企业数字化转型需求与用户个性化服务诉求 [4] - 商业模式同时满足B端定制化安全要求和C端便捷个性化需求 [4] - 为人工智能产品商业化提供可复制路径 [4]

AGI行业前景与AGIX定位 - AGI代表未来20年最重要的科技范式转换 将像互联网一样重塑人类社会运行方式 [1] - AGIX旨在成为衡量AGI新科技范式的重要指标 类似Nasdaq100在互联网时代的地位 [1] - AGIX通过研究笔记形式记录AGI进程思考 与建设者共同参与技术革命 [2] OpenAI商业化模式分析 - GPT5通过识别高价值问题实现变现 在用户完成订票/购物等交易后从商家分成 [3] - 该模式针对近9亿免费用户 属于按效果付费的CPA模式 与Google主要CPC模式不同 [4] - Google的CPC模式占广告收入70%以上 而CPA仅占10% 主要适用于高转化率场景 [4] - CPA模式面临归因困难问题 用户比价行为导致点击与下单不在同一链路 [5] - 亚马逊已禁止Perplexity等AI Agent抓取商品数据 行业巨头缺乏开放SKU数据的动力 [5] 商业化挑战与限制 - LLM存在边际成本问题 高价值问题转化率仅2% 98%未转化查询仍产生高Token消耗 [6] - Google CPC模式变现颗粒度极细 覆盖几美分到上百美元点击 AI助手变现只发生在实际交易完成时 [6] - 当前ChatGPT商业化受限于"颗粒度"和"转化率"两个核心问题 [7] - Google通过免费爬取内容建立搜索帝国 但现在因过度插入广告损害用户体验 [7] AI原生商业模式创新 - 利用Agent异步性为任务时间价值定价 将搜索变为"一次询问 多次搜索" 广告后置优先考虑用户任务时间价值 [9] - Agent能识别未明说的核心需求 实现上下文理解+场景引导 适合温和商业化 [9] - 考虑LLM线性边际成本属性 回答任何Query都需要消耗成本 且远高于Google单次搜索成本 [10] - 激励广告主丰富产品Context内容库 Chatbot管理这些数据库 输入输出Token成本由品牌方承担 [11] - 产品描述越精细被转化概率越大 实现流量经济向内容价值经济转型 [11] - Google Research提出令牌拍卖机制 广告主竞价影响LLM生成内容 按Token级别内容贡献付费 [12] 市场表现与资金流向 - AGIX年初至今回报率16.11% 自2024年以来回报率达55.02% 超越标普500的35.58%和QQQ的39.67% [16] - 行业配置中半导体与硬件权重44% 基础设施42% 应用软件14% [17] - 对冲基金减仓科技行业特别是AI主题 增持医疗保健和消费必需品等防御板块 [18] - 美国多空净杠杆率从54%降至49% 总敞口因空头增加上升至213% [19][20] - 亚洲市场获对冲基金净买入 主要由中国和韩国股票推动 中国A股增持而H股减持 [21] - 亚洲对冲基金年初至今收益率10.2% 虽低于MSCI亚太指数的18.5% 但在全球表现最佳 [23] 行业动态与公司进展 - Google AI Mode升级支持180多个国家和地区 新增代理功能支持餐厅预订等复杂需求 [25][26] - AI Mode新增个性化推荐功能 基于用户历史记录提供餐饮建议 未来扩展至其他领域 [26] - Elon Musk成立Macrohard公司 开发编程助手和图像视频生成等AI工具 与微软直接竞争 [27] - Google Cloud与Meta达成6年超100亿美元云计算协议 继OpenAI后又一重大合作 [28]

行业投资评级 - 强于大市 |维持 [1] 行业基本情况 - 收盘点位：4993.28 [1] - 52周最高：5440.49 [1] - 52周最低：2805.53 [1] 行业相对指数表现 - 计算机行业相对沪深300指数表现：2024年8月至2025年8月期间，计算机行业表现显著优于沪深300，涨幅从-5%提升至85% [3] 核心观点 GPT-5发布与AI商业化进展 - GPT-5采用集成模型架构，可根据任务自动选择推理深度，无需用户切换模式 [4] - GPT-5在速度、直觉与推理能力上全面提升，支持"氛围编程"生成可运行软件应用程序 [4] - GPT-5在数学、编程、多模态理解和健康等领域创下新纪录 [4] - 企业级场景表现突出，有望带动B端agent加速落地 [5] 巨头资本支出上调与算力需求 - Alphabet将2025年资本开支指引从750亿美元上调至850亿美元，Q2单季资本开支同比增长70%至224.5亿美元 [6] - 微软2025财年资本开支预计超过1000亿美元，同比增长14%，Azure云服务营收同比增长39% [6] - Meta 2025年资本开支预计为660亿-720亿美元，中值比去年上调约300亿美元 [6] 海外AI应用商业化加速 - AppLovin Q2营收12.6亿美元，同比增长17%，超出市场预期 [7] - Palantir Q2营收10.04亿美元，同比增长48%，净利润3.27亿美元，上调全年业绩指引至41.42亿-41.50亿美元 [7] - 多邻国Q2营收2.52亿美元，同比增长41%，净利润4480万美元，同比增长84% [8] 产业链相关个股 - AI+教育：佳发教育、竞业达、鸥玛软件、新开普 [8] - AI+医疗：润达医疗、久远银海、嘉和美康 [8] - AI+低代码：普元信息、金现代 [8] - AI+电商：光云科技 [8] - AI+数据：拓尔思、海天瑞声 [8] - AI+法院：金桥信息 [8] - 企业级agent：汉得信息、鼎捷数智、新致软件、税友股份、赛意信息 [8]

投资评级与目标价调整 - 维持商汤-W(00020)买入评级 目标价从1.8港元上调16.7%至2.1港元 [1] 技术升级与成本效益 - 商汤在WAIC发布SenseNova V6.5模型 成本效益较V6版本提升约5倍 [1] - 多模态生成式人工智能能力覆盖文本+图像+音频+视频处理 [1] - 专有视觉数据与强大训练推理效率构成技术优势 [1] 商业化进展与战略布局 - 管理层致力于人工智能商业化落地 聚焦为客户创造成果 [1] - 推出具身智能平台（机器人大脑）强化行业竞争优势 [1]

投资评级与目标价调整 - 星展维持商汤-W(00020)"买入"评级 目标价从1.8港元上调16.7%至2.1港元 [1] 技术升级与成本效益 - 商汤发布SenseNova V6.5模型 成本效益较V6版本提升约5倍 [1] - 公司具备全球顶尖多模态生成式AI能力 覆盖文本+图像+音频+视频处理 [1] 商业化与竞争优势 - 管理层致力于人工智能技术商业化 专注为客户创造成果 [1] - 推出具身智能平台（机器人大脑） 进一步强化行业竞争优势 [1] 技术基础与研发优势 - 公司依托专有视觉数据资源 具备强大的训练与推理效率优势 [1] - 多模态AI能力为应用开发提供显著竞争优势 [1]

行业趋势与市场分化 - 人工智能技术已从前沿探索进入产业应用深水区，市场焦点转向如何规模化构建、交付并商业化AI产品[1] - 300位软件公司高管调研显示，企业不再纠结"要不要用AI"，而是思考"怎么把AI做好"[2] - 软件行业形成两大主流路径：31%企业选择AI赋能现有产品，37%开发独立AI新产品，32%完全围绕AI构建核心业务(AI原生)[4] AI产品开发策略 产品开发阶段 - AI原生公司47%已进入规模化阶段，远超AI赋能公司的13% [6][7] - AI原生公司仅1%处于预发布阶段，而AI赋能公司为11% [9] - 80%的AI原生公司正在构建智能体工作流，成为最热门产品方向 [7][10] 模型选择与优化 - 基础模型选择标准中，准确性以74%选择率居首，成本考量从去年最低跃升至57%第二位 [7][18] - 高增长公司77%进行模型微调，54%自研专有模型，远超普通公司的61% [7][15] - 企业平均使用2.8个不同供应商模型，OpenAI保持95%主导地位但多模型策略成共识 [20][23] 商业化与市场进入 产品路线图 - 高增长公司AI驱动功能占比2024年底达31%，预计2025年底飙升至43%，远超其他公司 [31][34] 定价策略 - 当前38%公司采用混合定价模型，36%使用纯粹订阅/席位制 [35] - AI赋能公司40%将AI功能作为高级订阅套餐，33%免费提供 [39] - 行业将向基于用量模型转变，37%公司正探索与ROI挂钩的新定价模式 [42][43][46] 组织与人才 团队构建 - AI/ML工程师招聘周期长达70天，60%延迟源于缺乏合格候选人 [7][60][64] - 高增长公司计划2026年将37%工程团队投入AI项目，远超其他公司的28% [68][70] 领导力设置 - 营收1亿+美元公司中61%设立专门AI领导岗位，31%将AI深度融入R&D战略 [56][59] 成本结构与预算 研发投入 - 企业将10-20%的R&D预算分配给AI开发，2025年AI预算预计翻倍 [72][94] - 预发布阶段人才成本占比57%，规模化阶段基础设施等"机器成本"占比近50% [75][80] 成本挑战 - API使用费被70%受访者列为最难控制成本，远超推理成本的49% [81][84] - 规模化阶段高增长公司月度推理支出达230万美元，是其他公司两倍 [86] 技术栈与工具 开发工具 - PyTorch和TensorFlow仍是半数开发者首选，AWS SageMaker等托管平台平分秋色 [120] - LangChain和Hugging Face工具集占据主导，70%受访者使用私有或自建LLM API [120] 推理优化 - NVIDIA技术栈(TensorRT+Triton)占据60%市场份额，ONNX Runtime以18%成为最受欢迎非NVIDIA方案 [122] 内部生产力应用 采纳现状 - 代码辅助以77%采纳率成为最成功内部应用，实现15-30%生产力提升 [104][108] - 高增长公司总代码量33%由AI编写，其他公司为27% [108] 预算投入 - 营收10亿+美元企业2024年内部AI支出3420万美元，预计2025年激增至6040万美元 [94]