宏观与固定收益 - 11月广义财政（一般公共预算+政府性基金）支出同比降幅较10月的19.1%收窄至1.7%，剔除注资特别国债和用于化债的“特殊专项债”后同比降幅亦较10月的20.2%收窄至3.8% [2] - 修正后的（季调后）广义财政支出环比增长从10月的15%进一步上行至33%，可能主要反映政策性金融工具投放和地方债务结存限额下发带动信用扩张 [2] - 今年前11个月增值税/企业所得税累计同比增长3.9%/1.7%，快于去年全年的-3.8%/-0.5% [2] - 海外对国内映射的四条主线为：外需影响盈利预期，AI链贡献热点，地缘风险有所降低，海外流动性和人民币升值对国内资产影响偏正面 [4] - 国内股债跷跷板效应短期弱化，年底阶段盈利、叙事、资金面青黄不接，短期股指向下有支撑但向上空间不清晰；债市遇利好不涨反跌 [4] 证券行业与重点公司 - 中金公司拟通过A股换股吸收合并东兴证券、信达证券，交易完成后中央汇金将直接持有中金24.44%股份 [5] - 合并后中金净资本将增长105%，多项财务指标迈入行业前5，有效提升客群基础、网点数量，在财富/投行/资管等多领域互补 [5] - 并购整合浪潮下证券行业持续向头部集中，且权益市场景气度较高、一流投行建设支持政策可期 [5] 互联网与科技行业 - 腾讯控股的大逃杀玩法已进入成熟阶段，并加速向平台化演进（引入多元玩法），有望维持常青；“搜打撤”射击赛道仍具成长空间，预期腾讯市占率持续提升 [6] - AI从制作、体验与运营多维赋能游戏，腾讯游戏工业化效率不断提升，版本更新频率显著加快（如《三角洲》赛季更新仅需2-3个月） [6] - 腾讯强调游戏即服务（GaaS），以长线运营为核心巩固竞争力；腾讯云加快海外本地化基建布局，有望凭借性价比优势持续渗透 [6] - 小马智行25Q3营收2544万美元，同比+72%、环比+19%；毛利467万美元，毛利率18%，同比+9pcts、环比+2pcts；Non-GAAP归母净亏损5472万美元 [7] - 小马智行预计26年Robotaxi将扩至3000台（当前961台），且第七代单车BOM成本再下降约20% [7] - 小马智行继西湖集团后再与阳光出行合作，轻资产模式加速；已在8国落地，与Uber、Bolt等平台深度协同；港股上市募资超8亿美元，目前现金储备超14亿美元 [7] 评级变动 - 英科再生评级由“增持”上调至“买入”，目标价40.04元 [8]

AI发展阶段的转变 - AI领域从“手工作坊”走向工业化仅花费不到3年时间，远快于西方国家近200年和中国70余年的传统工业化进程 [2] - AI落地重点已从“项目交付”转变为“价值交付”，行业共识是下一轮AI卖的不是工具而是收益 [2] - 国家层面推动AI价值落地，国务院提出三阶段发展目标：2027年AI与六大重点领域深度融合且应用普及率超70%，2030年普及率提升至90%以上，2035年全面步入智能经济和智能社会 [2] 国内外AI发展路径差异 - 国际AI发展更侧重基础理论研究、算力优势及金融属性来驱动整体发展 [3][4] - 中国凭借工业全品类、统一大市场及政策连续性，在消费互联网时代依靠场景和应用取胜，如移动支付和健康码的成功实践 [3] - 中国企业无需在基础大模型上与OpenAI等巨头直接抗衡，应聚焦将基础模型能力与庞大垂直行业场景结合，解决“最后一公里”落地问题 [4] AI落地面临的挑战 - AI应用落地存在三大核心问题：开发周期过长、投入成本过高、模型质量在实际业务中成效过低 [6] - 效率方面，传统政务问答模型需5名工程师耗时近一个月进行数据标注，模型制造周期长达90人天且质量依赖工程师经验 [6] - 成本方面，企业需单独采购算力、组建团队和搭建平台，导致单个模型成本高达数千万，全球AI公司年均研发投入增长45%但商业化落地率不足30% [6] - 模型质量方面，问题源于模型选型与业务需求不匹配及模型幻觉，企业内有效训练数据占比普遍低于10%，80%的AI项目因数据孤岛、指标混乱等问题卡在落地环节 [7][8] AI工业化解决方案 - 通过构建人工智能模型工厂实现标准化生产，采用“九大单元”架构覆盖从数据准备到集成交付的全流程，将模型生产拆解为可复制模块 [9] - 数据车间通过11道工序和60套工具对数据进行清洗、合成和扩容，基于可信数据空间进行最小化授权和脱敏处理，确保数据安全 [9] - 模型车间基于高质量数据对模型进行调优训练，实现从“数据输入”到“模型输出”的标准化转化 [10] - 模型工厂模式将平均制造周期从90人天压缩至20人天，效率提升75%，全球已有4个模型工厂投入运营，第5个即将投产 [10] 企业AI应用战略重点 - 企业AI投入从追求技术先进性转向追求可量化的商业价值，技术需为企业带来新增长或节省开支才有意义 [7] - 在AI步入Agent时代，企业应尽快将Agent与业务场景结合创造价值，而非盲目追求技术迭代 [11] - 模型交付不是终点而是服务起点，AI工业化革命正从工具提供转向价值交付，开启人人可享的智能新时代 [12]

公司：Cognizant Technology Solutions (CTSH) AI 市场机会与战略框架 - AI 市场机会分为三个向量：向量一（利用 AI 解锁生产力和成本优化）、向量二（工业化 AI，将 AI 注入技术栈）和向量三（代理化，部署智能代理）[4][5][6] - 当前需求主要集中在向量一，几乎所有客户都专注于通过 AI 提高效率和优化成本[5][8] - 向量二和向量三的市场机会远大于向量一，预计未来几个季度将逐步演进[6][40][41] - 向量二涉及三个关键层：数据层（准备 LLMs、SLMs 等）、计算层（现代化云和基础设施）和数字工程层（构建原生 AI 应用）[9][10][11] - 支持向量二的服务线（数据、基础设施和云、数字工程）增长远高于公司平均水平，表明向量二机会正在显现[11][48] 财务表现与大型交易 - 大型交易一直是重点领域，过去几个季度每季度稳定赢得 4-6 笔大型交易（每笔价值超过 1 亿美元）[12][14] - 大型交易可能呈现波动性，例如上季度宣布了 20 亿美元的交易[13][14] - 公司专注于争取超大型交易（5 亿美元或 10 亿美元以上）[14] - 金融服务业连续四个季度实现同比增长[21] 行业需求与部门动态 - discretionary 支出在部分行业出现回升，如金融服务和保险，但医疗保健行业仍保持谨慎[15][17][19] - 医疗保健行业谨慎源于政府医疗保险支出动态和贸易关税情况[15][16] - 产品和资源行业（零售、制造、物流等）受宏观经济和贸易焦虑影响较大[16][17] - 通信、媒体和科技行业的 discretionary 支出与前一两个季度相比没有显著变化[17] 战略重点与增长杠杆 - 针对渗透不足的市场（如医疗保健提供者、通信和媒体、航空航天和国防）加倍投入[25][26][27] - 通过内部构建或收购（如 Belcan）增强能力并进入新市场[29][76] - 平台战略：在医疗保健领域扩大 TriZetto 平台（覆盖美国三分之二 insured 人口），并探索扩展至财产和意外保险、人寿保险市场[23][31][32][34] - 探索将 AI 相关平台扩展到更广泛的市场[33] 定价与竞争动态 - 向量一的定价竞争激烈，但向量二和向量三因需要专业技能和领域知识，预计定价将更优质[59][60] - 定价模式将从时间和材料制转向混合模式（数字代理和物理劳动力结合），基于价值和结果定价[42] - 独特竞争优势：结合深度领域专业知识、客户上下文和 AI 能力[61][62][63] 运营与利润率 - 重点是通过严格的大型交易治理和执行、下一代计划（next gen）、金字塔优化和全球交付来增长收入并提高利润率[55][56][57] - 公司有 5 亿美元可用于投资并购，重点关注进入新市场、填补能力缺口或扩展新地区[76] 文化与领导力 - 公司文化以客户为中心为核心 DNA，保持不变[68][69] - 当前领导层专注于增长，强调重回赢家圈子和填补能力缺口[72] - Belcan 整合按计划进行，表现符合预期[75] 宏观与市场展望 - 增长回归高个位数至低两位数取决于向向量二和三的转型，但时间受宏观经济动态影响[49][50][51][52] - 部分行业（如金融服务和医疗保健）能见度较高，而产品和资源行业能见度较低[53][54]