文章核心观点 - 2026年将是多模态技术大年，视频生成将快速进步并推动应用大规模落地，世界模型将在研究上取得科学突破并开始从研究走向生产 [2] - 世界模型领域正分化为两条主要路线：一条以实时视频生成为核心，服务文娱、游戏等面向人类的消费者场景；另一条以显式3D结构为中心，服务机器人、自动驾驶等面向AI的领域 [2] - 世界模型相比视频生成模型，需要在交互性、实时性、长时记忆和物理合理性四个方面更进一步 [2] 世界模型定义与重要性 - 世界模型被定义为能理解时间和空间规律，并能根据当前环境和动作模拟未来世界演化的模型 [5] - 其重要性提升源于三大趋势：语言作为有损压缩的智能进步遇到局限，空间成为下一个重要智能来源；自回归Transformer与扩散模型的算法进步及融合，使生成模型具备智能层面的扩展定律；具身智能的需求倒逼，机器人行业需要高保真虚拟世界来满足指数级的数据需求 [5] 世界模型相比视频生成的关键进步方向 - **长时记忆**：需生成持续、连贯的长时间世界，保持全局一致性，当前视频模型通常只能生成十秒级片段 [6] - **交互性**：需支持在任意帧动态注入动作指令以影响后续画面，训练数据需同时包含视频帧序列和对应动作 [7][8] - **实时性**：交互式应用要求低延迟，游戏需低于0.1秒，VR理想情况应低于0.01秒，当前扩散模型推理难达30FPS以上，业界通过蒸馏和架构改进（如DMD将50步扩散压缩为4步）来提升实时性 [12] - **物理合理性**：对自动驾驶、机器人等高风险领域，模拟结果必须符合真实物理规律，当前模型在极端物理条件下易出现幻觉，研究者通过引入物理约束后处理或结合可微物理引擎进行校正 [16] 世界模型的两种发展路线 - **路线一：实时视频世界模型**：以实时性为核心优化目标，适用于文娱、游戏等to C场景，包括互动内容创作与新型“引擎”、直播和虚拟形象、AR/VR三大应用场景 [18][19][20] - **路线二：3D/4D结构化世界模型**：以物理准确性为核心，采用NeRF、3D高斯散点等显式3D表示，优势在于3D一致性强，适用于机器人、自动驾驶等for AI的领域，劣势在于数据获取和计算成本高 [18][21][22] 市场玩家四象限格局与代表公司分析 - 横轴表示表示形式（左侧Video-based，右侧3D/物理结构），纵轴表示服务对象（上部分面向人类，下部分面向AI与机器人） [24] - **World Labs**：位于右下象限，强调3D一致性与持久性，估值超10亿美元，融资总额约2.3亿美元，核心产品Marble是基于浏览器的交互式3D世界生成平台 [24][26][30][32] - **General Intuition**：位于左上象限，作为公益性公司，专注于利用游戏数据训练能进行时空推理的agent，其关联平台Medal每年可获得约20亿个游戏视频片段，拥有1000万MAU，公司已完成1.34亿美元种子轮融资 [24][33][35][38] - **Decart**：位于左下象限，推出可交互“开放世界”AI模型Oasis，该模型以Minecraft游戏视频训练，可实现端到端实时闭环，生成速度约25帧/秒，公司已完成3200万美元A轮融资，投后估值超5亿美元 [24][39][41][44] - **Odyssey**：位于右下象限，追求极致真实感与可编辑性，采用重装备采集数据和3D高斯泼溅技术，其Explorer模型可将单图像转化为高保真3D场景资产，公司已完成1800万美元A轮融资 [24][45][47][48]

Q量子位 insights 2025年度 Al十六 超越波 QbitAl Annual Al TOP 10 Repo 2025 报告从基础设施、模型进化、应用版图、中国路线四个维度，梳理了2025年AI领域的十大核心趋势，展现了技术从算力基建到产业落地的全链条变革，凸 显中国在开源生态与自主可控路线上的崛起。 基础设施层面，算力基建化与芯片AI化成为核心支柱。全球科技巨头纷纷加码超大规模数据中心建设，谷歌"星际之门"、微软AI超级园区等项目投入超百亿 美金，中国"东数西算"工程与天地一体化算网布局同步推进。芯片领域正从通用计算转向AI原生架构，GPU仍是训练核心，NPU成为端侧标配，国产芯片通 过与自研模型、SDK的协同，已实现千亿级参数模型训练的自主可控，打破国外技术垄断。 模型进化聚焦效率与能力的双重突破。预训练架构创新成为关键，MoE混合专家模型凭借"大参数、小激活"特性平衡性能与成本，国内GLM-4.6、通义千问 Qwen3等模型均采用该架构并实现开源。推理能力升级催生自适应推理、异构计算协同等技术，多模态融合与物理世界交互能力凸显，具身智能成为热门赛 道，人形机器人开始进入工业与家庭场景，VLA模型 ...

文章核心观点 - 一篇由南京大学、中科院自动化所、北京大学等机构联合发表的综述《A Survey of Unified Multimodal Understanding and Generation: Advances and Challenges》，首次系统性地定义了“统一基础模型（UFM）”概念，并构建了涵盖架构、技术、训练、应用的全景研究框架，旨在解决开源社区在多模态模型“理解”与“生成”能力协同上的混乱现状，为未来发展指明方向 [1][4] 统一基础模型（UFM）的演进历程 - UFM的演进被划分为三个阶段：第一阶段为“特定阶段”，理解与生成由完全独立的模型负责，如CLIP用于图像分类（理解），Stable Diffusion用于文生图（生成），两者无交互 [6][10] - 第二阶段为“融合阶段”，研究者将理解和生成模块整合到同一框架中，通过中间层实现协同，例如MiniGPT-5通过文本指令介导LLM生成描述再调用Stable Diffusion，NExT-GPT则通过特征介导直接控制生成模块 [7][10] - 第三阶段为“涌现阶段”，是UFM的终极目标，模型能像人类一样在理解和生成间无缝切换，以完成如“脚本驱动电影生成”等高度复杂的跨模态任务，但目前尚无模型能完全实现，仅部分模型在局部任务上展现出潜力 [8][9][10] 统一基础模型（UFM）的核心架构分类 - 架构根据“理解与生成模块的耦合度”分为三大类：外部服务集成建模、模块化联合建模和端到端统一建模 [11] - **外部服务集成建模**：LLM作为“任务调度员”，调用外部专门模型完成工作，代表模型有Visual ChatGPT、HuggingGPT、AudioGPT，优点是开发快、资源需求低，缺点是依赖外部模块质量、调用效率低且可能出现信息损耗 [12][13][17][18] - **模块化联合建模**：LLM作为核心处理理解任务，并通过“中介层”直接控制生成模块，细分为“提示介导”和“表示介导”两种方式，前者如EasyGen、GPT4Video，后者如Emu2、GILL、PUMA，优点是生成质量高、灵活性强，缺点是中介层可能成为瓶颈 [15][16][19] - **端到端统一建模**：模型在单一架构内同时处理理解和生成，是当前研究主流，根据生成机制又分为三类：自回归架构（如Emu3、LWM）、扩散架构（如Versatile Diffusion、UniDiffuser）、自回归-扩散混合架构（如Transfusion、BAGEL），优点是语义一致性强，能处理复杂跨模态任务，缺点是训练难度大、计算成本高 [20][21][24][25] 统一基础模型（UFM）的关键技术细节 - **编码策略**：核心是将多模态数据转化为模型能处理的表示，分为三类：连续编码（如CLIP ViT、VAE、Q-Former）、离散编码（如VQGAN、MoVQGAN、SEED Tokenizer）、混合编码（如级联编码的SEED、双分支编码的Janus） [22][23][26][27][30] - **解码策略**：是编码的逆过程，将模型输出转化为人类可理解的内容，同样对应三种形式：连续解码（依赖扩散模型，如Stable Diffusion，常加入“视觉先验”提升质量）、离散解码（依赖VQ-VAE类解码器，如VQGAN，部分模型会做“token压缩”以加速）、混合解码（如LaVIT、ILLUME+） [28][29][31] - **训练流程**：分为预训练、微调和数据处理三大环节 [30] - 预训练核心是搭建编码器-解码器、对齐模块、骨干网络三大模块，并优化多任务目标（如自回归的next-token预测损失、扩散的降噪损失） [32] - 微调包括任务监督微调（通用任务与多任务）和对齐微调（基于人类偏好，如DPO、GRPO），Emu3使用DPO微调后生成质量显著提升 [34][35] - 数据处理来源主要有四类：网络爬取（如LAION-5B的58亿图像-文本对）、公开数据集、私有数据、合成数据，筛选需经过属性、质量、安全三关，并格式化为“指令-输入-输出”结构 [36] 统一基础模型（UFM）的下游应用 - **机器人（具身智能）**：用于“视觉-语言-动作（VLA）”统一建模，例如LCB模型生成推理文本和动作序列，SEER用扩散模型预测目标图像以辅助机器人感知 [37][42] - **自动驾驶**：实现端到端的“感知-预测-规划”统一，例如DrivingGPT用自回归模型联合预测未来帧和车辆轨迹，Hermes用UFM预测未来LiDAR点云以提升决策可靠性 [37][42] - **世界模型**：构建物理真实的4D场景预测，例如Aether用扩散模型生成视频、深度、相机姿态，TesserAct能预测场景的表面法线、深度等细节以支持机器人交互 [37][42] - **医学**：轻量化适配医疗场景，例如LLM-CXR通过指令微调让LLM处理胸片分析并支持双向任务，HealthGPT扩展到CT、OCT等模态甚至能做跨模态生成 [37][42] - **视觉任务**：统一“感知-生成-3D重建”，例如LLMBind用MoE架构集成目标检测、分割等任务，ShapeLLM-Omni用3D VQVAE处理3D理解与生成 [37][42] 统一基础模型（UFM）的未来研究方向 - **建模架构**：需重点探索“自回归-扩散混合架构”，并优化MoE（混合专家）结构，让不同专家负责不同模态以提升协同效率 [40][42] - **统一分词器**：需开发能同时捕捉语义和细节的分词器，尤其是解决视频“长视频token爆炸”问题以提升时序建模能力 [40][42] - **训练策略**：需构建“模态交织数据”（如文本-图像-视频的连续序列），并设计能同时评估“理解准确性”和“生成质量”的统一奖励函数 [40][42] - **基准测试**：需设计专门评估“理解-生成协同”能力的基准，以真正衡量UFM的“统一能力” [40][42]

行业与公司 * **行业**：AI漫剧（AI动画/短剧）内容生产与分发行业[2][15] * **公司**：巨量平台（一家提供AI视频生成技术、工具和服务的平台公司，服务于AI漫剧内容生产）[1][2][4][5][6] 核心观点与论据 技术能力与解决方案 * **技术基础**：平台早期基于Stable Diffusion开发，但已过时不再使用[2] 平台拥有自研的图像处理核心技术能力，包括使用CUDA、对开源模型进行微调，并借鉴国外先进模型（如nano banana 1/2、GPT）设计图片处理流程[2] * **一致性保障**：通过训练专属模型和要求用户提供多视图人物资产（如三视图、五视图、九视图），结合自身技术处理，以实现高质量的人物和场景一致性[1][4] 通过审核客户提供的人物资产（如要求包含面部特写及三视图）确保符合标准[5] * **问题解决**：通过精准服务每个客户案例，实时互动解决具体问题（如人物风格偏向写实的问题）[5] 通过培训和指导客户正确使用工具，使其能独立解决问题[5] * **数据资产优化**：对数据资产有明确标准（如要求大头照及三视图组合的人物特写），并提供详细指导（如利用PS、截图精修或图生图方式制作）[6] 通过深度交流和共创，与国内一线模型厂商合作，推动行业标准化[6] * **技术瓶颈**：目前视频生成中，人物、场景和物品的一致性对于画面还原最为重要，高精度还原要求物体位置正确且特性不变[6] 动作和运镜并非硬瓶颈，可通过结合模型能力与工程化工具很好实现[6] 真正难以突破的是写实短剧中的人物面部微表情及细微变化[7] * **工程化应用**：通过密集探讨和反馈，不断优化模型各维度性能[2] 评估模型优劣势，告知用户避免使用劣势功能，或尝试弥补短板，否则舍弃并寻求同类版本[2][10] 应用层面的核心能力在于知道如何更好地利用模型，包括资产管理、提示优化以及镜头使用等经验[11][12] 市场、模型与竞品 * **模型生态**：客户对模型具体来源无感，只根据平台指导操作[2] 各模型厂商各有优势，但没有一家能全面领先，各厂商在某一阶段某项功能上突出[2][8] * **模型评价**： * 微度的多参引领行业[2][8] * 海螺的大打斗场景有优势[2][8] * 火山C4GM 1.0 Pro曾经综合能力强，但很快被超越[8] * 快手推出多模态音画同步功能，阿里万象即将发布2.6版本加强音画同步[8] * 可灵O1的视频编辑功能（如替换人物）表现不错，但多帧生视频、图生视频等技术尚未达到上架标准[9] * Vidu Q1清晰度提升，但运动性能不如前代，市场反应不佳[10] * **版权来源**：剧本版权主要来源于三类：原创文学平台（如七猫、阅文、起点）、以前拍摄影视剧的公司、专门为大公司提供网文的写手公司[13] 当前阶段，大多数版权方倾向于自己商业化现有版权，而非进行版权交易[13][14] * **爆款率**：短剧爆款率约为5%（10部中1部成功），而漫剧爆款率可达60%以上（5部中有3部成功）[17] 爆款需具备优质剧本、精良制作和强大发行能力三要素[17] 商业模式与变现 * **主要分发渠道**：AI漫剧主要分发渠道是抖音，其次是快手、拼多多、支付宝、B站等平台，最后在海外平台（如TikTok、YouTube）分发[2][15] * **变现路径**： * **抖音**：首先进行限时发行，定价9.9元，持续1至2周，通过用户充值解锁观看[15] 第一轮结束后加大投放[15] 随后通过贴片广告变现（每集插入30秒广告）[15] * **其他平台**：在快手、拼多多、支付宝、B站等平台通过分成方式变现[15] * **成本与利益分配**： * **传统 vs AI成本**：传统方法制作一分钟漫剧情节成本从几万到几十万不等，使用巨量平台后可降至每分钟几百元[18] * **生产效率**：使用AI技术后，一个四人团队以前需要一个月完成80分钟作品，现在五人团队五天即可完成80到100分钟作品[18] 一个成熟动画师日产出从1-2分钟素材提升到8-10分钟，效率提高8-10倍[20] * **制作成本结构**：一部短剧制作成本约为7万元，其中巨量平台占2万元，配音费用约1万元，其余3至4万为人力成本[16] * **利润空间**：制作方将作品以10万至15万不等价格交给甲方，赚取差价[16] 目前一些客户通过制作一部短剧能赚取40%到80%的利润，有时甚至翻倍[16] 甲方可能还会提供收入分成[16] 其他重要内容 * **语音合成（TTS）**：用于漫画/动漫解说时效果可接受，但用于AI影视剧，目前全球最强的TTS技术仍无法达到要求，建议客户寻找第三方配音服务[13] * **动作控制重要性**：对于行业而言，动作控制的精细苛求（如为单个镜头拍摄500次）重要性有限，更多是满足导演个人需求，未来可以很好解决[7] * **行业阶段与竞争**：市场仍处于大量投入阶段，参与者不足，尚未对作品质量提出更高要求，但未来随着竞争加大，对精度和细节要求将逐步提高[19] 最成功的公司通过工具结合自身优势走在前列，新加入者模仿并扩产[19] * **发行周期**：漫剧具有卡通特性，其发行周期较长且渠道多元[2][15]

视频的事件识别与结构化抽取 在真实生产环境中，多模态任务并非简单的模型推理，而是以下链路的连续执行过程： 图像与文本的语义对齐 多模态技术在中国企业的应用正在经历一次深度跃迁：从"能理解多种模态"转向"让多模态稳定参与业 务主流程"。这意味着平台是否领先，不再由单点模型能力决定，而是由多模态链路的可控性、治理体 系的完备性、架构的可演进性共同决定。 换言之，多模态竞争的本质正在从"模型对模型"转向"体系对体系"。 一、多模态能力开始承担企业核心业务，评价体系发生根本性变化 多模态表达与知识体系的融合 推理结果驱动工作流 异常回溯与状态恢复 敏感数据的分级治理与审计 企业需要的不是"更多模态支持"，而是"链路在负载上升、场景变化、系统升级情况下依旧保持稳定"。 因此，平台是否领先，要看多模态任务能否以可复用、可监控、可追踪、可扩展的方式运行在企业主系 统中。 二、判断一个平台多模态能力是否领先，有三项关键技术指标 1)跨模态推理链路的一致性，而非单个模态的峰值表现 多模态引入后，系统对一致性要求显著提高： 图像→文本的语义压缩需稳定 视频→事件的抽取需结构化 各模态输出需对齐为统一语义空间 跨模态推理需避免逻辑 ...

行业与公司 * 行业为人工智能与大数据行业，具体涉及文字识别（OCR）、智能文档处理及商业大数据服务[2] * 公司为合合信息，是一家专注于智能文字识别与商业大数据服务的AI企业[2][6] 核心业务与产品 * **C端核心产品**：包括扫描全能王、名片全能王、启信宝三款APP，构成公司主要收入来源，占整体收入约70%-80%[2][6] * **B端核心业务**：分为智能识别（主要产品为Taxin）和商业大数据（主要产品为启信慧眼）两大领域，为企业提供数字化解决方案和商业决策辅助[2][17] * **技术发展**：技术从传统OCR向多模态发展，并融入大模型能力，产品拓展至教育、健身管理等多个领域[4] 财务表现 * **营收与利润增长**：公司营收从2022年的9.88亿元增长至2024年的14.38亿元，归母净利润从2022年的2.8亿元增长至2024年的4亿元[2][8] 2025年前三季度营收13亿元，同比增长24%，归母净利润3.51亿元，同比增长15%[2][9] * **毛利率与费用率**：毛利率稳定在84%以上，2025年上半年提升至86.29%[2][11] 销售费用率从2022年的27%升至2025年上半年的30.9%，管理费用率从2022年的6.17%降至2025年上半年的4.7%，研发费用率保持稳定[11] * **未来预测**：预计2025-2027年营收分别为18亿、22.4亿、27.7亿元，归母净利润分别为4.7亿、6亿、7.3亿元[3][7][22] 市场与用户 * **用户规模与付费**：C端产品月活跃用户数达1.7亿，付费用户数743万，付费转化率从2022年的3.7%提升至2023年的5%以上[2][12][13] * **核心产品表现**：扫描全能王是核心收入来源，2022-2024年收入分别为6.33亿、8.09亿、9.28亿元，占总收入约60%-65%[2][6][14] * **海外市场**：海外收入占比30%，在巴西、印尼等市场有巨大增长潜力，海外商业化加速推动业绩逐季增长[2][5][15] 竞争优势与发展前景 * **技术优势**：Taxin文字识别准确率高达99.7%，支持50多种语言；启信慧眼覆盖3.4亿家企业，拥有超过2000亿条实时数据[19][21] * **市场空间**：中国智能识别市场规模预计从2023年的10.6亿美元增长至2030年的30.9亿美元，复合增长率16%以上[15] * **港股上市**：公司已向港交所提交上市申请，预计明年上市，有望提升国际品牌影响力并助力海外业务拓展[15][16] * **估值水平**：截至11月28日，公司2025-2027年PE分别为61倍、41倍、39倍，估值相对同业较低[23][24] 其他重要信息 * 公司三季度现金流量净额同比增长40%，预计高成长趋势将延续[5] * 股东减持进展已过半，对股价压力基本消除[5] * 管理层技术背景深厚，创始人郑立新持股比例达30%，控股地位稳固[8]

公司AI漫剧业务布局 - 公司依托自身优质内容资源及IP储备，正在积极布局AI漫剧方向[1] - 公司与杭州余禾文化传播有限公司达成《框架合作协议》，将围绕AI漫剧联合开发、IP多形态运营等领域开展深度合作[1] - 合作基于双方在内容策划、IP储备与AI技术应用方面的核心优势[1] 公司未来发展战略 - 公司将持续探索"IP+内容+AI"的更多可能性[1] - 通过AI漫剧等创新形式赋予优质内容及经典IP二次生命[1] - 致力于打造兼具趣味性与知识性的新型文化产品，为行业探索更多实践路径[1]

行业投资评级 - 报告对计算机板块维持“优于大市”评级 [3] 核心观点 - 谷歌实现多模态技术突破，腾讯与阿里巴巴推动AI应用普惠，摩尔线程与宇树科技引领硬科技资产资本化，算力、模型、应用三大环节协同演进 [1][3] 全球大模型技术进展 - 谷歌于11月18日发布Gemini 3模型，在数学、推理和多模态理解测试中全面超越GPT-5.1和Claude Sonnet 4.5等主流竞争对手 [3] - 谷歌同步推出Nano Banana Pro模型，显著提升图像中文本渲染准确度及物理世界认知能力，支持复杂场景多角色一致性并生成最高4K分辨率专业图像 [3] - Nano Banana Pro已深度整合进Adobe、Figma等主流创意软件，同时谷歌推出“Antigravity”智能体优先开发平台，重塑AI辅助编程体验 [3] 中国AI应用生态发展 - 阿里巴巴于11月17日上线对标ChatGPT的“千问”App公测版，标志其AI战略从B端向C端拓展 [3] - 蚂蚁集团于11月18日推出全模态通用AI助手“灵光”，支持在移动端通过自然语言30秒生成可交互小应用 [3] - 结合DeepSeek与通义等模型，杭州已形成覆盖文本、图像、视频及轻量级应用生成的完整AI应用生态 [3] - 腾讯于11月21日开源轻量级视频生成模型HunyuanVideo 1.5，基于DiT架构的创新SSTA稀疏注意力机制将推理显存需求大幅降至14GB [3] 硬科技领域资本化进程 - 国产GPU企业摩尔线程以每股114.28元发行价启动IPO，预计募集资金总额达80亿元，并于11月24日正式申购 [3] - 募资将重点投入新一代AI训练与推理芯片、图形处理器芯片的研发项目 [3] - 人形机器人企业宇树科技已完成上市辅导，计划在境内公开发行股票，产品线覆盖四足机器人、人形机器人H2及灵巧机械臂 [3] 推荐标的盈利预测 - 日联科技2024年预测EPS为1.25元，2025年预测为1.30元，2026年预测为2.16元，对应2024年PE为47.75倍 [4] - 金山办公2024年预测EPS为3.56元，2025年预测为4.03元，2026年预测为4.77元，对应2024年PE为85.87倍 [4] - 合合信息2024年预测EPS为4.93元，2025年预测为3.47元，2026年预测为4.27元，对应2024年PE为39.55倍 [4] - 海康威视2024年预测EPS为1.30元，2025年预测为1.47元，2026年预测为1.68元，对应2024年PE为22.99倍 [4] - 新大陆2024年预测EPS为1.00元，2025年预测为1.26元，2026年预测为1.55元，对应2024年PE为25.36倍 [4] - 道通科技2024年预测EPS为1.45元，2025年预测为1.43元，2026年预测为1.92元，对应2024年PE为22.31倍 [4] - 汉得信息2024年预测EPS为0.19元，2025年预测为0.26元，2026年预测为0.32元，对应2024年PE为87.53倍 [4] - 海光信息2024年预测EPS为0.83元，2025年预测为1.18元，2026年预测为1.59元，对应2024年PE为248.55倍 [4]

蚂蚁集团“灵光”AI助手市场表现 - 蚂蚁集团旗下全模态AI助手“灵光”上线4天下载量突破100万，登上App Store中国区免费榜第六 [1] - “闪应用”功能因访问量激增一度短暂宕机，团队在4天内紧急扩容8轮以保障稳定运行 [1][2] - 该下载量刷新全球现象级AI产品用户增长纪录，超越ChatGPT首周60.6万下载量和Sora2达成百万下载耗时5天的记录 [2] “灵光”产品技术特点与创新 - 产品开创性在移动端实现“自然语言30秒生成小应用”，支持编辑、交互与分享，是业内首个能全代码生成多模态内容的AI助手 [2] - 可输出3D模型、音视频、图表、动画、地图等丰富形式，实现从“给信息”到“给工具”的本质跃迁 [2] - 产品直击传统AI应用核心痛点，用户无需懂代码、不必学操作，仅用生活化语言描述需求即可获得可直接使用的实用工具 [2] 中国AI产业发展现状 - 截至2025年6月，中国生成式人工智能用户规模达5.15亿人，较2024年12月增长2.66亿人，半年增幅高达106.6%，普及率达36.5% [4] - 2024年中国人工智能产业规模超9000亿元，同比增长24%；截至2025年9月，人工智能企业数量达5300余家，占全球15% [4] - 政策支持加码，国务院提出到2027年新一代智能终端与智能体应用普及率超70%，到2030年普及率超90% [4] AI技术应用与产业影响 - AI技术正加速融入普通人日常生活，满足合租账单自动拆分、旅行行程智能规划等长尾需求 [3] - “应用引爆—数据反哺—模型优化—产业重构”的链式反应在多领域显现，如制造业AI预测性维护、医疗AI辅助诊断等 [5] - 在直播电商领域，2025年“双11”期间基于文心大模型的百度“慧播星”数字人带货GMV同比增长91%，开播直播间数增长119% [5]

行业投资评级 - 行业评级：推荐 [4] 报告核心观点 - Google 近期在基础大模型及多模态技术领域接连发力，其发布的 Gemini 3 系列模型在性能上实现对前期版本及主要竞品的赶超乃至领先，标志着公司有望成为基础模型技术第一梯队的领头羊 [1][12][13] - 伴随 Gemini 3 模型能力提升而推出的多模态图像生成与编辑模型 Nano Banana Pro，表明顶尖基础大模型技术在多模态领域取得显著进步，有望加速多模态应用落地并拉动算力需求 [2][14][16] - Google 提出算力容量需"每6个月翻一倍"的激进目标，叠加 NVIDIA 2025年第三季度营收达570.1亿美元（同比增长约62%）的优异财报，共同印证AI产业高景气度，算力需求有望伴随技术迭代持续扩容 [3][17][18] 主要产品与技术进展 - **Gemini 3 模型发布**：Google 于11月18日正式推出Gemini 3系列AI模型，同步上线Gemini 3 Pro预览版，该模型被描述为迄今"最智能"和"最具事实准确性"的系统，具备卓越的推理、多模态理解和智能体编码能力 [1][12][21] - **Gemini 3 核心能力**：具备生成式UI交互能力，可从信息检索转向场景搭建；深度推理能力强化，在GPQA Diamond测试准确率达91.9%；多模态能力提升，支持原生跨模态融合 [27][28][30] - **Nano Banana Pro 发布**：Google 于11月20日推出基于Gemini 3 Pro架构的全新图像生成与编辑模型，支持4K分辨率输出、多图像输入及精细创意控制，并正逐步集成至谷歌主流AI工具中 [2][14][34] - **Nano Banana Pro 特性**：具备高级创意控制选项及高分辨率输出；多图一致性增强，可保持最多5个角色的身份稳定性；信息可视化能力提升，能理解提示词中的知识结构 [34][36][39] 算力需求与产业景气度 - **Google 算力规划**：谷歌云AI基础设施负责人明确表示，公司必须"每6个月将算力容量翻倍"，未来4到5年的总体目标是实现"1000倍能力提升" [3][17][41] - **NVIDIA 财报表现**：2025年第三季度实现营业收入570.1亿美元，同比增长约62%；数据中心业务营收512亿美元，同比增长66%；调整后毛利率为73.6% [3][18][42] - **产业景气印证**：NVIDIA CEO 黄仁勋指出Blackwell架构芯片销量远超预期，训练和推理计算需求呈指数级增长，公司表现进一步印证AI产业高景气度 [18][44][46] 投资建议 - **受益标的**：报告列出AI应用与AI算力两大方向的受益公司 [6][19][47] - **AI应用领域**：包括万兴科技、当虹科技、虹软科技、易点天下、视觉中国、中文在线、值得买、三六零、合合信息、金山办公、福昕软件、光云科技 [6][19][47] - **AI算力领域**：包括寒武纪、海光信息、腾景科技、德科立、数据港、华勤技术、浪潮信息 [6][19][47]