在數字經濟時代，高端AI程式設計能力就是數字世界的“工業母機”。它是智能體應用落地、工業軟體開發、產業數位化轉型的核心底座，更是決定一個國家數字產業安全與長期競爭力的關鍵底層技術。長期以來，這一核心領域始終被海外Claude、GPT等主流頂尖模型主導。國產大模型雖歷經多輪迭代追趕，但在複雜工程化程式設計、長程智能體任務等核心實戰場景中，長期處於跟跑狀態。4月2日，中國AI產業迎來了標誌性突破。阿里發佈新一代大語言模型Qwen3.6-Plus。此時距離阿里整合AI核心力量成立ATH事業群，僅過去兩周半。具體來看，千問3.6整體性能較千問3.5進步顯著，並且湧現出極強的智能體程式設計能力，在系列程式設計能力權威評測中，千問3.6程式設計表現超越2倍乃至3倍參數量的GLM-5、Kimi-K2.5等模型，比肩（直逼）全球最強程式設計模型Claude系列。這不是一次普通的企業產品發佈，而是中國科技自立自強在AI核心技術領域落下的關鍵一子。從榜單到實戰，國產模型叩開全球超級陣營大門AI模型的真實實力，從來不由自說自話的行銷定義，而是要經過權威評測的專業驗證、全球開發者的實戰檢驗。據CodeArena全球程式設計模型榜單最新資料，千問3.6-Plus登頂國產最強程式設計模型，綜合性能全球僅次於Claude Opus 4.6，超越OpenAI、Google、xAI等國際巨頭，紙面實力已達到世界領先模型水平。在更細分的專業評測中，Qwen3.6-Plus 在SWE-bench系列真實程式設計任務測試、Terminal-Bench2.0終端程式設計評測、NL2Repo長程程式設計任務測試，以及Claw-Eval、QwenClawBench等真實世界Agent能力評測中，表現可完全匹敵Claude Opus 4.5，整體性能已接近全球頂尖水平。這一系列評測結果的核心意義，不在於一個簡單的排名，而在於它打破了多年來“國產模型在高端程式設計領域只能跟跑”的行業共識：我們終於在數字世界的核心底層技術上，拿出了能和全球領先梯隊正面抗衡的成果。在實戰層面，作為全球最大的AI模型API聚合平台，OpenRouter被業內稱為全球AI模型的“實戰試金石”，平台呼叫量完全由全球開發者基於模型性能、穩定性、性價比自主選擇，是衡量模型真實落地能力的核心風向標。就在剛剛，發佈僅1天的千問新模型Qwen3.6-Plus，以1.4兆Token的日呼叫量沖上OpenRouter的日榜榜首，並打破了該平台的單日單模型呼叫量的全球紀錄，成為當下最受企業和開發者熱捧的大模型之一。據OpenRouter平台公開資料顯示，平台中國開發者佔比僅6.01%，模型的市場表現完全由全球開發者的真實使用需求驅動。值得關注的是，全球開發者的選擇，是對模型能力最客觀的投票。這意味著，不是我們自說自話模型的進步，而是全球最挑剔的技術使用者，已經認可了中國大模型的實戰能力。三次認知破局，走出中國AI自主創新路徑Qwen3.6-Plus的發佈，其核心意義遠不止於單次模型性能的提升，更在於它打破了行業長期存在的三大固有認知，為中國AI產業探索出了一條高效、自主、普惠的創新路徑。它首先打破了“參數越大越厲害”的行業迷信，走出了輕量化高效技術路線。長期以來，海外巨頭主導的AI行業陷入了“堆參數、堆算力”的內卷模式，將參數量作為衡量模型能力的核心標尺。而Qwen3.6-Plus以遠小於競品的參數量，實現了對參數量2-3倍模型的全面超越，用更低的算力消耗、更小的運行成本，交出了對標全球尖端水平的成績單。從產業發展的視角看，這不僅是演算法架構的核心突破，更意味著中國AI企業徹底擺脫了海外模型定下的內卷規則。當全球都在比拚誰的模型更大、誰燒的算力更多時，我們走出了一條更高效、更適合產業落地、更具長期競爭力的技術路徑，這正是中國AI實現彎道超車的核心底氣。它同時打破了“國產模型重跑分、輕實戰”的行業偏見，實現了工程化落地的核心跨越。過去，不少國產模型在標準化榜單中表現亮眼，但在真實開發場景中，面對複雜的倉庫級任務、多步驟長程規劃，往往出現程式碼跑不通、bug無法自主修復、任務理解偏差等問題。而Qwen3.6-Plus真正讓代理式程式設計從概念走向了現實：在前端網頁開發、倉庫級複雜程式碼任務等實測場景中，模型可自主拆解任務、規劃執行路徑、編寫程式碼、測試修復bug，直至全流程閉環完成任務。不僅能實現高品質程式碼修復，更擅長複雜的終端操作與自動化任務執行，在多個高難度長程規劃任務中取得了極優成績。對中國數字產業而言，這種工程化落地能力，遠比榜單上的分數更重要。只有能真正解決真實場景的複雜問題，能真正為產業創造價值，核心技術才不會淪為“花瓶”，才能真正築牢我們數字經濟的底層根基。它更打破了高端程式設計能力的高門檻壁壘，實現了尖端技術的普惠落地。程式設計能力的核心價值，不止於服務專業開發者，更在於讓普通人也能享受到數位技術的紅利。普通人只需一句簡單的自然語言指令，就能調動模型完成任務拆解、智能體系統編排，實現專業程式設計師數小時乃至數天才能完成的程式設計效果。最關鍵的是，Qwen3.6-Plus每百萬Tokens輸入最低僅2元人民幣，以極具競爭力的定價打破了海外巨頭的高端溢價格局。技術的終極價值，在於普惠。當頂尖的AI程式設計能力不再是少數企業、少數專業人士的專屬工具，而是能被小微企業、普通開發者低成本使用，它才能真正啟動整個數字產業的創新活力，這正是中國技術不同於海外壟斷巨頭的核心格局。全鏈路協同成型，中國AI進入體系化競爭新周期Qwen3.6-Plus的突破，不是單一企業的單點勝利，而是中國AI產業從單點突圍邁向體系化競爭的重要標誌。它首先補齊了高端智能體程式設計的核心技術短板，加固了數字經濟的安全防線。高端AI程式設計能力，是數字時代所有數字產業的核心底座，小到企業數位化管理系統、網際網路產品，大到工業控制軟體、關鍵領域資訊基礎設施，都離不開底層程式設計能力的支撐。國產模型在這一領域實現自主可控、比肩國際先進水平，意味著中國大幅降低了在數字核心技術上的對外依賴，從底層提升了數字經濟的安全保障能力。更重要的是，它標誌著中國AI的算力—模型—應用全鏈路協同已經成型，正式進入體系化競爭新階段。全球AI競爭的下半場，早已不是單一模型、單一技術的比拚，而是全產業鏈、全生態的體系化對抗。以阿里為代表的中國AI企業，已經建構起了完整的全鏈路生態：底層有自主可控的算力底座，為模型迭代提供穩定支撐。中層有核心模型持續突破，覆蓋多模態、生成式AI、智能體程式設計等核心賽道。上層有豐富的應用矩陣，能快速將模型能力落地到千萬企業和普通使用者手中。這種全鏈路協同的體系化能力，才是中國AI能和全球頂尖巨頭長期同台競技的核心底氣。單點技術的突破或許能帶來一時的熱度，但只有完整的、自主可控的產業生態，才能讓我們在全球科技競爭中站穩腳跟，不被“卡脖子”。與此同時，中國模型正在以普惠價值打破海外技術溢價，為全球AI產業提供了中國方案。長期以來，海外巨頭憑藉技術壟斷，維持著頂尖AI模型的高溢價，讓全球大量中小企業、普通開發者難以享受到技術紅利。而以Qwen3.6-Plus為代表的國產模型，以極高的性價比，為全球開發者提供了對標全球領先水平的全新選擇，正在改變全球AI產業的供給格局，讓更多市場主體用得上、用得起尖端AI技術，為全球AI產業的普惠發展貢獻了中國企業方案。科技自立自強，從來不是一句空洞的口號，而是靠一項項硬核技術突破、一次次向全球頂尖水平的衝鋒，一步一個腳印拼出來、幹出來的。從跟跑到並跑，中國AI在程式設計這一“數字工業母機”領域實現重要跨越，再次印證：在高端科技領域，中國企業完全有能力走出一條自主創新的發展道路，拿出世界一流的技術成果。全球AI競爭的下半場，拼的從來不是參數噱頭、行銷概念，而是實打實的技術實力、產業落地能力與體系化競爭力。從產業規律來看，真正的長期競爭優勢，不在於單一模型的性能參數，而在於能否建構完整的技術生態、能否為開發者和使用者創造持續價值。值得肯定的是，以阿里為代表的中國科技企業，正朝著這一方向穩步前進，紮根真實市場需求，推動技術與產業深度融合，走出了一條自主創新與開放合作平行的發展道路。 (環球時報)

2025Q2，全球記憶體市場迎來了一輪罕見的劇烈上漲，DDR5 價格在短短一年時間裡，從每 GB 約 3–4 美元飆升至 15美元以上，部分高端規格產品的價格更是突破了這一區間。DDR4在需求不斷下跌的情況下，因為供給瞬間暴跌，導致價格飆漲的更為誇張從每 GB 約 1-2 美元飆升至 15美元，在2025年底到2026年初，甚至出現DDR4每GB價格比DDR5還高的倒掛現象。為何壓根沒需求，需求每年下降的DDR4價格比DDR5長得還高？核心原因是三大同時間宣佈停止生產DDR4，將產線轉進DDR5，全球DDR4供給瞬間減少6成以上，導致DDR4價格暴漲，因為需求可能每年下降10%，但供給暴降60％，瞬間造成了供需緊張。而DDR4的價格更高，毛利更高，會讓三大回心轉意減緩DDR4的停產嗎？當然不會，因為DDR4沒有需求，需求在下降，甚至DDR5需求也很一般，每年只有微幅上漲，從消費級電子就能看出DDR5的需求不會太好。那三星，海力士，美光三大原廠為何要放棄DDR4全面轉進DDR5呢？DDR5需求同樣一般。核心就在HBM，這一波儲存的需求拉動完全在AI沒有其他，而AI需要的是大量的HBM，生產HBM必須先做DDR5顆粒再層層堆疊，目前的HBM4是12層，未來會有16層，也就是佔用DDR5顆粒會越來越多。最終導致DDR5漲價的原因也是供給被大量HBM擠佔，供給減少造成供需不平衡。這就是三大為何毅然決然放棄價格更高，毛利更高的DDR4全面轉進DDR5的核心原因，HBM緊缺需要更多DDR5顆粒，用DDR4的舊產線升級最快，不用在新建廠房，所以必須把DDR4騰出來升級DDR5，為的只有一件事 - HBM。只有HBM的需求是不斷增加的，DDR4跟DDR5需求是減少跟持平，但價格大漲。大家搞明白這兩年的儲存漲價邏輯才能對未來做出正確判斷，如果你不懂產業邏輯，憑藉網路上看的有頭沒尾的文章，這會讓你的認知片面化，切入點單一化非常容易做出錯誤判斷，尤其是在瞬息萬變的儲存市場。去年開始筆者在知識星球就開始跟同學灌輸儲存市場的很多底層邏輯，就是擔心從未經歷過儲存周期的同學們，在儲存高漲的時候出現不切實際跟脫離產業的幻想。我想這正是加入筆者知識星球的最大好處，對整個產業有高維度的宏觀認知，這是做投資的基石。所以真心建議加入筆者知識星球，掃文章末尾二維碼即可加入，知識付費。儲存產業是否會復刻先進邏輯製程的發展路徑，進入長期漲價的結構性時代？這個問題看似符合產業發展的 “技術直覺”，畢竟無論是 CPU、GPU 這類邏輯晶片，還是 DRAM 這類儲存晶片，本質上都是在wafer上堆疊電晶體，依靠摩爾定律，也就是製程工藝的持續進步提升單位面積的電晶體密度。既然先進邏輯製程能夠在每一代技術迭代中實現產品價格的持續提升，同為半導體產業核心品類的儲存，為何不能走上同樣的道路？但如果拋開表面的技術相似性，從數學邏輯與產業本質的底層維度分析，『儲存長期漲價』或者『儲存周期特性結束』 的結論其實站不住腳。更進一步說，這一輪看似具備結構性特徵的儲存價格上漲，恰恰在更高維度再次驗證了儲存產業的核心屬性，它不僅是典型的周期行業，而且受產業底層規律約束，幾乎不可能擺脫周期的桎梏。一、表象相似：都是電晶體，卻有完全不同的命運很多人被「電晶體縮放」的表面規律所誤導，認為邏輯晶片能靠製程進步提價，儲存也能走同一條路。畢竟兩者的技術核心都是通過縮小電晶體尺寸，在同樣大小的 wafer 上塞進更多基本單元，從而實現成本最佳化。先看一組公認的產業資料，無論是邏輯還是儲存，製程進步的確帶來了單位成本的下降：邏輯晶片：製程越先進，晶圓越貴，但單位電晶體成本越低台積電 3nm 晶圓價格是 14nm 的 3 倍多，但每平方毫米能塞的電晶體數是 14nm 的 8 倍多，攤到每個電晶體的成本反而降了近 70%。簡單說，邏輯晶片是「買貴的晶圓，造更便宜的電晶體」。儲存晶片：同樣靠製程降成本，卻卡在物理極限DRAM 的核心單元是 1T1C（1 個電晶體 + 1 個電容），製程進步同樣能縮小單元尺寸，提升 bit/mm² 密度，但電容的物理特性讓它的微縮速度遠慢於邏輯電晶體。從 DDR3 到 DDR5，DRAM 的 bit 密度提升了 5-6 倍，每 bit 成本降了近 70%，看起來和邏輯晶片的成本最佳化節奏差不多。但關鍵差異在於，邏輯晶片的電晶體能持續微縮，而 DRAM 的 1T1C 單元自 2004 年後就卡在 6F² 的設計上，再也沒實現突破，這也是 DRAM 密度提升放緩的核心原因。目前DRAM行業準備進入4F²的3D DRAM時代，但真正推出產品還得是1d以後的節點，預計2028年～2029年才能真正進入4F²的3D DRAM時代。看到這裡有人會問：既然兩者都能靠製程降單位成本，為什麼邏輯能長期提價，儲存卻只能在周期裡掙扎？答案藏在「你賣的到底是什麼」這個本質問題裡。二、核心分歧：一個賣性能，一個賣容量，分母完全不同這是儲存和邏輯最根本的差異，也是解釋兩者價格走勢的關鍵。我們用兩個核心公式，把這個差異講透。邏輯晶片的定價邏輯 —— 賣的是性能，不是電晶體邏輯晶片（CPU、GPU、AI）的核心定價公式：Price logic ≈ f (Performance)。邏輯晶片的價格由「能解決多大的問題」決定，不是由「有多少個電晶體」決定，電晶體只是實現性能的手段。而性能和電晶體數量的關係是超線性增長：Performance ∝ Transistorα , α > 1 。電晶體數量的增長，會帶來性能的爆炸式增長（α > 1），簡單說就是「電晶體翻 10 倍，性能可能翻 20 倍、30 倍」。最典型的例子就是 AI 晶片：同樣是台積電 3nm 工藝，一塊 GPU 的電晶體數是傳統 CPU 的數十倍，其能運行的大模型參數量、推理速度是 CPU 的上百倍，因此它的售價能達到 CPU 的幾十倍，使用者依然願意買，因為單位性能的成本實際上是下降的。對資料中心來說，一塊貴的 AI 晶片能替代幾十塊普通晶片，節省的機房空間、電費、維護成本遠超晶片本身的價格，這就是「性能溢價」的核心邏輯。即使 wafer 價格越來越貴，只要性能提升的速度超過價格上漲的速度，使用者就願意為更高的價格買單。儲存晶片的定價邏輯 —— 賣的是容量，一個 bit 就是一個 bitDRAM 的核心定價公式：Pricememory ≈ f (Capacity)，而單位容量的價值是恆定的。儲存晶片的價格由「能存多少資料」決定，1GB 就是 1GB，無論是用 DDR3 還是 DDR5 存，能存的資料量一樣，對使用者的價值也一樣。製程進步只能讓廠商用更低的成本生產 1GB 儲存，但無法讓 1GB 儲存的價值變高 —— 使用者不會因為你用了更先進的 1βnm 工藝，就願意為 1GB DDR5 付比 1GB DDR3 高的價格。這裡有一個關鍵的對比，能讓我們一眼看清差異：* 邏輯晶片：價格上升，但性能提升更快 → 使用者的「單位性能成本」下降 → 願意接受漲價；* 儲存晶片：價格上升，但容量不變 → 使用者的「單位容量成本」直接上升 → 會減少採購、選擇替代方案，市場天然壓制價格。簡單說，邏輯晶片是「越貴越值」，儲存晶片是「貴了就不買」，這是兩者價格走勢的本質區別。三、系統層約束：儲存不能貴，是一條物理 + 經濟定律如果你到了會思考產業且具備一定水平，你可能又會產生新的疑問 - 邏輯晶片漲價也會增加系統成本，為什麼只約束儲存？這個問題看似合理，但其實忽略了系統成本的計算邏輯，我們依然用公式解讀。系統總成本的構成與差異整個電腦系統的成本可以簡化為：System Cost=Compute+Memory但邏輯（Compute）和儲存（Memory）的成本計算方式完全不同。邏輯的系統成本：看的是「價格 / 性能」對邏輯晶片來說，真正影響系統成本的不是晶片本身的價格，而是單位性能的價格：Performance/Price只要這個比值在下降，即使晶片價格上漲，整個系統的運算成本也是下降的。比如一塊 10 萬元的 AI 晶片，性能是 10 塊 1 萬元普通晶片的 20 倍，那麼用這塊 AI 晶片的系統，單位運算成本只有原來的一半，企業當然願意選擇。儲存的系統成本：看的是「價格 × 容量」對儲存晶片來說，系統成本的計算方式是價格乘以容量：System Costmemory = Price × Capacity而在 AI 時代，儲存的容量需求是和算力同步增長的，甚至增長更快：Memory Demand ∝ Compute × K,K > 1也就是說，一個 GPU 的算力提升 10 倍，搭配的儲存容量可能需要提升 15 倍（K=1.5）。如果此時每 GB 儲存的價格再上漲 10 倍，那麼儲存的系統成本就會提升 150 倍，這是任何企業都無法承受的。這不是市場的選擇，而是物理和經濟的雙重約束，AI 算力的提升需要海量儲存的支撐，如果儲存價格長期上漲，整個 AI 產業的擴展就會戛然而止。因此，儲存價格必須在長期內維持穩定甚至下降，這是支撐科技進步的必要條件。四、資料實證：儲存的「1 美元地心引力」，邏輯的「性能溢價無上限」前面的公式解讀了理論邏輯，接下來我們用十幾年的產業資料，驗證儲存和邏輯的價格規律。重點看兩個核心指標：單位面積 wafer 的價值（Value/mm²） 和扣除周期波動的均衡價格。半導體的統一價值衡量標尺無論是邏輯還是儲存，都可以用這個公式衡量單位面積矽片的價值，這也是判斷一個半導體行業能否持續提價的核心指標 :Value  /mm2 = Density × Valueunit* Density：單位面積的基本單元數（邏輯是電晶體，儲存是 bit）* Value_{unit}：每個基本單元的實際效用價值。想要讓晶片持續提價（提升 Value/mm²），只有兩條路：要麼密度翻倍，要麼每個單元的價值變高。邏輯晶片兩條路都走通了，而儲存晶片兩條路都撞了牆。邏輯晶片 —— 密度和單位價值雙增長，Value/mm² 暴漲從 14nm 到 2nm，邏輯晶片的電晶體密度提升了 11 倍，而每個電晶體能實現的性能提升了 15 倍，兩者相乘，單位面積wafer的價值提升了 165 倍。這就是為什麼台積電 2nm 晶圓能賣到 3 萬美元一片，客戶依然排隊送錢 —— 因為這塊 wafer 能創造的價值，是 14nm wafer 的上百倍。儲存晶片 —— 密度慢增長，單位價值恆定，Value/mm² 微漲從 DDR3 到 DDR5，DRAM 的 bit 密度提升了 5 倍，但每個 bit 的價值始終不變，因此單位面積 wafer 的價值只提升了 6.2 倍，遠低於邏輯晶片的 165 倍。扣除地震、缺芯、AI 爆發等短期周期因素，三十多來DRAM 的每 GB 均衡價格始終圍繞1-3 美元波動，這就是儲存行業鼎鼎大名的「1 美元地心引力」，無論製程多先進，價格最終都會回歸到成本支撐的均衡區間。1美元地心引力這個概念是老半導體人耳熟能詳的DRAM規則，從歷史上看確實也是如此。不過2016年以後傳統資料中心因為巨量資料開始繁榮，儲存的價格有稍稍的墊高，加上這波AI熱潮，新進的且沒經歷過周期的投資者，幾乎沒有人知道所謂1美元地心引力。但是即使目前價格高企的 DDR5，其單位面積wafer的價值也只有邏輯晶片的幾百分之一，這也是儲存永遠成不了「高價品」的核心原因。DRAM 的 1T1C 儲存單元的密度直接決定了 bit/mm²，其變化規律和 bit 密度完全同步，從 DDR3 到 DDR5，每 mm² 能塞進的 1T1C 單元數從約 0.12 億個提升到 0.8 億個，提升了 6.7 倍，但由於單元尺寸卡在 6F²，這個提升速度遠慢於邏輯電晶體的 10 倍以上提升。簡單說，邏輯晶片是在「做乘法」，儲存晶片只是在「做加法」，這是兩者價值差異的核心資料支撐。五、為什麼儲存一定會有周期？供需的「超級反應」定律理解了價值和定價模型，我們就能輕易解釋儲存的周期性 —— 這不是市場情緒導致的，而是供需結構決定的必然結果。儲存的周期性動態公式Demand↑→ Supply↑↑ → Oversupply → PriceCollapse儲存需求的特點是體量巨大、高度同步，當 AI、手機、PC 需求同時上升時，整個市場會一起拉動儲存需求。而儲存供給端的特點是標準化程度高，技術路徑清晰，三星、海力士、美光三大廠商的擴產節奏幾乎一致。這就形成了一個典型的循環：需求剛剛上漲，三大廠就會同時大規模擴產，最終導致供給遠超需求，價格直接崩盤。歷史資料反覆驗證了這一點DDR3 時代：2011 年需求上漲→廠商擴產→2013 年供過於求→價格暴跌 50%。DDR4 時代：2017 年需求上漲→廠商擴產→2019 年供過於求→價格暴跌 60%。DDR5 時代：2025 年 AI 需求上漲→廠商開始擴產→預計 2027 年供給平衡維持高位→高價儲存導致消費級電子需求低迷→新技術導致AI對儲存容量增長減緩→2028年價格逐漸回落。而邏輯晶片幾乎沒有這種周期，核心原因是邏輯晶片的技術壁壘高、產品差異化大，台積電的 3nm 工藝獨步全球，NVIDIA 的 GPU 架構無人能敵，沒有企業能輕易擴產跟上需求，因此供需能長期維持相對平衡，價格也能保持穩定上漲。邏輯晶片如果競爭力不足，會體現在稼動率，而不是價格，製程節點價格永遠向上，不可能向下，但經爭力不足將導致稼動率崩盤，客戶只會選擇具備最高競爭力的Foundry。六、HBM 能改變儲存的周期宿命嗎？答案是：不能面對儲存的周期性質疑，很多人會拿 HBM舉例，HBM 賣的是頻寬和延遲，不是容量，定價邏輯和邏輯晶片一樣，能擺脫周期。HBM 的確具備了邏輯晶片的某些特徵，但其依然逃不過周期定律，核心原因有三，我們用資料和邏輯說明：產能槓桿效應：放大周期，而非消滅周期生產 1GB HBM 所需的晶圓面積是傳統 DRAM 的 2倍左右，加上良率耗損可能在3倍。AI 需求旺盛時，HBM 會抽乾通用 DRAM 的產能，導致全線漲價，而一旦 AI 需求增速放緩，HBM 釋放的產能會以 2-3 倍的壓力衝擊普通 DRAM 市場，導致價格暴跌，HBM 只是讓儲存的周期波動更劇烈，而不是消滅周期。又或者行業有其他替代方案，比如HBF會部分取代HBM，或者如Google的儲存壓縮演算法，如此一來龐大的HBM帶來產能，將沖垮DDR5，這正是三大原廠對擴產保守的一個核心原因。其實如果未來真的儲存百分百大爆發，向邏輯一般，不會因為某種新技術而被淘汰，那三大原廠必然是往死裡擴產，還擔心啥供給，他們保守以對必然有其核心邏輯。成本驅動而非價值驅動：高價是暫時的目前 HBM 的高價，主要來自於封裝良率低（良率不足 70%）和 TSV（矽通孔）工藝成本高，而不是其單位價值高。一旦工藝成熟、良率提升到 80% 以上，HBM 的成本會大幅下降，價格競爭依然會回歸 ，HBM 的高價是技術不成熟的結果，不是結構性的性能溢價。目前我們可以看到三大原廠對擴產的保守，目的就是長維度的維持高價格，但本質還是人為的利用供給手段來調控價格，即便未來儲存長時間維持高價，但依然沒有本質的改變。同質化競爭：沒有企業能壟斷技術三星、海力士、美光在 HBM 技術上的差距極小，沒有企業能像 NVIDIA 在 GPU 領域那樣形成技術壟斷。只要是同質化競爭，最終的競爭手段必然是「產能擴張 + 價格戰」，這是大宗商品的必然規律 ，HBM 依然是儲存，不是邏輯晶片。簡單說，HBM 只是「高級的儲存」，並沒有改變儲存，『賣容量（頻寬本質也是容量的一種體現）、單位價值恆定』的核心屬性，因此依然逃不過周期宿命。七、結語：儲存的周期，是物理和經濟的雙重必然2025-2026 年的這輪儲存超級周期，的確是 AI 驅動下的歷史性行情，但這並不意味著儲存行業的規律變了。儲存和邏輯晶片的根本差異，從來不在於電晶體和製程，而在於價值函數和單位面積價值潛力：＊ 邏輯晶片賣的是性能，性能隨電晶體超線性增長，因此能靠性能溢價實現長期提價，定價權掌握在企業手中。＊ 儲存晶片賣的是容量，容量的單位價值恆定，因此價格只能圍繞成本波動，定價權掌握在供需曲線手中。再加上 DRAM 的 1T1C 單元卡在 6F² 的物理極限，密度提升速度放緩，單位面積價值潛力幾乎見頂，儲存的周期性就成了物理和經濟的雙重必然。對於投資者和產業從業者來說，最危險的念頭就是「這一次不一樣」。當所有人都認為儲存擺脫了周期、會長期漲價時，往往就是下一個周期頂點降臨的時刻。AI 只是給儲存行業打了一劑強心針，讓它在短期內光鮮亮麗，但並沒有改變 DRAM 作為「科技大宗商品」的底層基因。儲存不相信奇蹟，只相信供需。這條底層規律，過去成立，現在成立，未來依然會成立。而這，正是儲存這個行業最難以改變、也最值得市場敬畏的底層規律，技術進步可以提升效率、降低成本，可以催生出高端的性能型細分品類，但始終無法改變其作為基礎元件的容量定價核心，也無法擺脫供需同步性帶來的周期桎梏。對於市場而言，認清儲存產業的周期本質，摒棄 “結構性漲價” 的幻覺，才能做出更理性的產業判斷與投資決策。加入知識星球，你將會得到比所有人更前瞻的行業動態與趨勢，沒有推票，只有最正統的產業邏輯去看投資市場，知識付費，掃文章末尾二維碼即可加入。(梓豪談芯)

進入2026年一季度，全球半導體行業徹底告別此前的去庫存周期，迎來顛覆性轉折。從上游晶圓代工、關鍵裝置材料，到中游儲存晶片、模擬晶片、功率器件，再到下游封測與終端應用，全產業鏈掀起罕見漲價潮，疊加AI算力需求指數級增長、國產技術持續突破，半導體產業正邁入“量價齊升”的超級周期，兆美金市場規模提前到來，全球產業格局迎來深度重構。一、史上罕見！全產業鏈漲價潮來襲，部分品類漲幅超100%2026年開年，半導體行業就迎來了前所未有的全品類漲價浪潮，超50家國內外頭部廠商密集發佈調價通知，覆蓋晶圓代工、儲存、模擬、MCU、功率半導體、被動元件等全環節，不再是單一品類的周期波動，而是行業供需反轉、成本上漲、地緣因素多重共振的結果。儲存晶片成為漲價領頭羊，受AI大模型、資料中心算力需求爆發驅動，三星NAND Flash漲幅突破100%，DRAM產品漲幅達60%-70%，SK海力士部分LPDDR產品漲幅逼近100%，HBM高頻寬記憶體更是供不應求，交期持續拉長，成為本輪漲價的核心引擎。模擬晶片與MCU成漲價重災區，德州儀器開啟年內第二次全面漲價，數字隔離器、電源管理IC等核心產品最高漲幅達85%，亞德諾、恩智浦等國際巨頭同步提價，國內芯海科技、中微半導等本土廠商也跟進10%-50%的漲幅，車規級晶片受新能源汽車需求回暖影響，漲價勢頭尤為強勁。上游晶圓代工與封測環節同步跟進，台積電連續第四年上調先進製程價格，2nm工藝漲幅約50%，中芯國際等本土晶圓廠也調整8英吋成熟製程價格；英飛凌、安森美等功率半導體廠商，村田、國巨等被動元件廠商，均因原材料、能源、物流成本上漲，紛紛上調產品價格，部分電感、電阻漲幅達5%-35%，全產業鏈成本壓力持續傳導。二、AI算力成核心驅動力，兆半導體市場提前落地此前行業預測2030年全球半導體市場突破兆美金，而根據SEMI（國際半導體產業協會）最新資料，這一目標有望在2026年底提前實現。2025年全球半導體銷售額已達7917億美元，同比增長25.6%，2026年預計增至9750億美元，同比大漲23%，距離兆關口僅一步之遙，而這一切的核心驅動力，正是AI算力的爆發式增長。AI大模型推理與訓練需求激增，讓全球資料中心利用率達到歷史峰值，GPU、HBM、伺服器CPU等高端晶片供需嚴重失衡。2026年全球AI基礎設施支出將達到4500億美元，推理算力佔比首次超過70%，海量的算力需求直接拉動半導體全產業鏈產能擴張，晶圓廠裝置支出持續加碼，2026年全球半導體裝置支出預計增至1260億美元，先進製程、先進封裝賽道迎來爆發式增長。在3月底落幕的SEMICON/FPD China 2026展會上，全球1500家半導體企業齊聚上海，展出最新技術與產品，展會規模再創新高，直觀展現了AI驅動下半導體產業的火熱態勢。AI不再是單一的應用場景，而是成為貫穿半導體設計、製造、封測全環節的核心主線，重塑整個產業的增長邏輯。三、國產半導體加速突圍，從“可用”邁向“高端”在全球產業鏈重構、漲價潮與供應鏈安全需求的多重推動下，國產半導體產業迎來關鍵戰略窗口期，不再侷限於低端替代，而是向著高端製程、核心裝置、先進材料領域全力突破，產業話語權持續提升。技術成果集中落地，中微公司一口氣推出四款覆蓋矽基和化合物半導體的關鍵工藝新品，拓荊科技發佈針對Chiplet異構整合和HBM應用的3DIC系列裝置，中科飛測展出15款高端質量控制裝置，國產半導體裝置廠商逐步打破海外壟斷，實現從單點突破到全流程覆蓋的跨越。中科院發佈“香山”開源處理器、“如意”原生作業系統，啟動下一代“昆明湖”架構研發，聯合數十家企業建構本土晶片生態，築牢產業自主根基。產能與市場份額穩步提升，中國大陸已連續六年保持全球第一大半導體裝置投資市場，預計2027年裝置投資市場份額接近全球30%。到2030年，中國半導體產能將佔全球32%，在22-40奈米主流製程領域，2028年市場份額將達到42%，長江儲存、中芯國際、華潤微等本土龍頭，在儲存、晶圓代工、功率半導體領域逐步掌握定價權，跟隨國際廠商同步調價，標誌著國產晶片在全球產業鏈的地位實現質的飛躍。同時，“十五五”規劃將半導體產業列為核心戰略領域，政策、資本、人才全方位傾斜，疊加海外廠商漲價、供應鏈不穩定，下游終端企業加速供應鏈多元化，國產替代從“可選項”變為“必選項”，車規級、工控、AI終端等高端領域的國產滲透速度持續加快。四、行業新格局：區域化、本土化，機遇與挑戰並存本輪半導體超級周期，不僅是市場規模的增長，更是全球產業鏈格局的重構。地緣政治因素推動產業“去全球化”，區域化、本土化供應鏈成為主流趨勢，美洲、歐洲紛紛加大半導體產業投資，而中國憑藉龐大的市場需求、完整的產業鏈配套與持續的技術突破，成為全球半導體增長的核心引擎。對於行業而言，本輪漲價潮雖會給下游消費電子、汽車、工控等終端帶來短期成本壓力，但也加速了行業優勝劣汰，倒逼企業技術升級與供應鏈最佳化。對於國產半導體廠商來說，這是前所未有的發展機遇，更是實現從“跟跑”到“並跑”“領跑”的關鍵階段。未來，AI算力需求仍將持續釋放，儲存革命、先進製程、先進封裝將成為行業競爭焦點，國產半導體在核心裝置、高端晶片、關鍵材料領域的突破，將決定全球產業格局的走向。2026年，註定是半導體行業的變革之年，也是國產晶片的崛起之年，兆市場的新征程已經開啟，屬於中國半導體的黃金時代正在到來。結語半導體作為科技產業的“糧食”，始終是全球科技競爭的核心賽道。2026年的行業巨變，既是周期反轉的必然，也是技術創新的結果。站在產業新起點，本土半導體企業唯有持續深耕技術、完善產業鏈生態，才能抓住這一輪超級周期機遇，在全球格局中牢牢佔據一席之地，讓中國芯真正走向世界。 (SEMI半導體研究院)

過去兩年，輝達幾乎是整個 AI 產業鏈中最從容的一家公司。算力需求爆炸式增長，GPU 成為 AI 時代最稀缺的資源。無論是 OpenAI、微軟、Meta，還是亞馬遜、Google，所有雲廠商都在排隊購買輝達 GPU。訂單排期動輒一年以上，“一卡難求”甚至成為行業常態。在這種供需結構下，輝達一度擁有近乎完美的議價權：客戶要算力，就必須等。但最近幾個月，一個微妙的變化正在出現。一邊是 OpenAI 的 Stargate 項目出現停滯和調整，另一邊是中東地緣政治風險正在衝擊資料中心建設節奏。當算力需求的擴張節奏與基礎設施的不確定性開始交織，AI 產業鏈的結構，也正在悄然發生變化。01Stargate停滯：AI算力最大訂單開始搖擺2025年初，OpenAI、SoftBank、Oracle等公司宣佈了一個震動整個產業的項目——Stargate。這個計畫的規模堪稱史無前例：計畫總投資 5000 億美元，目標建設 10GW AI算力基礎設施，主要用於支援 OpenAI 的模型訓練和推理體系。如果順利推進，這將是人類歷史上最大規模的 AI 基礎設施建設計畫之一。但現實很快變得複雜。2026 年 3 月，據CNBC報導，由於 OpenAI 渴望在全新站點部署輝達下一代晶片，其已決定不再擴建與甲骨文合作的旗艦項目——“星際門”（Stargate）資料中心，轉而尋求在其他地方建立擁有更新一代輝達 GPU（Rubin）的叢集。該項目原本計畫將資料中心規模從 1.2GW 擴大到接近 2GW，但最終未能推進。目前的阿比林站點預計使用輝達的Blackwell 處理器，但其電力供應預計在一年內都無法到位。儘管甲骨文周日在 X 上發帖稱相關報導“虛假且不精準”，但該帖僅表示現有項目正按計畫進行，並未提及任何擴建計畫。甲骨文的X原文如下：來源：X「關於阿比林（Abilene）基地的近期媒體報導是虛假且不精準的。首先，Crusoe 和甲骨文（Oracle）正步調一致地合作，以打破紀錄的速度在阿比林交付全球最大的 AI 資料中心之一。目前兩棟建築已投入營運，園區的其餘部分也正按計畫推進。其次，甲骨文已經完成了額外 4.5GW 電力的租賃，以履行我們對 OpenAI 的承諾。我們始終與優秀的合作夥伴及客戶協作，持續評估全球各地的站點，以滿足甲骨文雲基礎設施（OCI）日益增長的需求。」AI晶片的升級速度遠快於資料中心的落成速度。輝達過去每兩年發佈一代資料中心處理器，而現在 CEO 黃仁勳要求公司每年交付一代，且每一代性能都有跨越式提升。今年 1 月在 CES 上揭曉並已投入生產的 Vera Rubin，其推理性能是 Blackwell 的五倍。這一市場現實不僅暴露了 AI 貿易的關鍵風險，也讓甲骨文依靠債務驅動的擴張深陷危機。據報導，甲骨文的帳面債務已超過 1000 億美元，且自由現金流已轉為負值。在眾多雲科技巨頭中，甲骨文是唯一一家主要靠債務支撐建設的超大規模雲廠商。相比之下，Google、亞馬遜和微軟則依賴其龐大的現金流業務。與此同時，甲骨文的合作夥伴 Blue Owl 已拒絕為額外的設施提供資金，並計畫裁員 3 萬人。過去幾年，AI 行業一直認為 GPU 是最大的瓶頸。但現實正在證明一個新事實：真正的瓶頸正在從“晶片”轉向“基礎設施”。一個典型 AI 資料中心的核心要素包括：GPU、電力、冷卻、網路、土地。在訓練級 AI 叢集中，一座資料中心往往需要數百兆瓦電力。作為參考：一個 1GW 資料中心的電力規模，已經接近一座小型城市的用電量。這意味著：AI算力擴張不僅是晶片問題，更是能源和基礎設施問題。而這恰恰是 Stargate 項目遇到困難的原因之一。融資、電力、建設周期——任何一個環節延遲，都可能拖慢AI基建。不過有趣的是，這個被擱置的項目，立刻引來了新的買家。據消息人士透露：Meta 正在考慮接手這一資料中心資源。而更關鍵的一點是輝達主動參與撮合了這筆潛在交易。換句話說，輝達不再只是向客戶賣 GPU。它開始幫助客戶搶資料中心，搶電力資源，搶算力位置，這在過去幾乎不可想像。02中東：AI算力新戰場就在美國AI基建出現波動時，另一片不可忽視的基建地區形勢也不太妙，那就是中東。根據Research And Markets 2025年6月的一份報告統計顯示，中東目前已有約170座資料中心，另有約111個項目正在規劃或建設，區域現有算力容量約 1.2GW，未來規劃容量接近 4.5GW。預計到2027年，將有約120億美元的新投資流入中東地區正在建設的資料中心。按Data Center Map的大概統計，在中東地區，以色列擁有66 座資料中心，沙烏地阿拉伯有61座，阿聯57 座，卡達11 座。這意味著，中東已經成為全球AI基礎設施的重要新戰場。全球資料中心地圖（來源：Data Center Map）從結構來看，中東的資料中心市場呈現出明顯的雙中心格局：一是阿聯：現有存量最集中。阿聯是當前中東資料中心密度最高的國家之一，其首都阿布扎比有約 32 座，杜拜有約 23 座；二是沙烏地阿拉伯，在新建資料中心項目中，沙烏地阿拉伯已經成為中東最活躍的市場之一。資料顯示，沙烏地阿拉伯在中東新興資料中心市場中佔據 接近 60% 的總電力容量，並預計到 2025 年底新增約 350MW 資料中心電力容量。阿布扎比Khazna AUH6資料中心（來源：Khazna / Data Center Dynamics）過去兩年，全球科技巨頭幾乎同時把目光投向了中東。這是為何呢？一句話總結，因為錢、地、電、政策窗口，四樣東西同時具備。對超大規模 AI 資料中心來說，稀缺不只是GPU，還有資本、土地、電力和政策通道。而中東，恰恰是在這四個維度上同時給出了少有的組合條件：一邊是主權基金願意拿出長期資本做大項目，另一邊是阿聯、沙烏地阿拉伯等國本身擁有相對充足的土地與能源資源，同時又希望借 AI 和雲基礎設施完成經濟結構轉型，把自己從傳統能源中心改造成新的全球數字樞紐。也正因為如此，從2023年開始，全球雲廠商和 AI 公司開始系統性地在中東佈局算力基礎設施。最早明確加碼的是 Oracle。2023 年 2 月 6 日，Oracle 宣佈將在沙烏地阿拉伯投資 15 億美元，用於擴展其雲基礎設施能力，並推動利雅德公共雲區域建設；這筆投資與其在吉達、NEOM 等地的雲佈局一起，構成了 Oracle 在沙烏地阿拉伯的長期落子。隨後進入2024年，押注開始明顯提速。2024年3月4日，AWS 宣佈將在沙烏地阿拉伯建設新的雲區域，並計畫在當地投資超過53億美元，目標是在 2026 年啟用。這是 AWS 對沙烏地阿拉伯最重磅的一次基礎設施承諾之一，背後反映的是沙烏地阿拉伯希望通過本地雲區域來承接更多政府、企業和 AI 相關負載，而 AWS 也希望借此進一步繫結中東未來的數字基礎設施增長。緊接著，2024 年 4 月 16 日，微軟宣佈向阿布扎比AI公司G42投資 15 億美元。這筆交易表面上看是股權投資，實質上則是微軟把自己更深地嵌入阿聯 AI 與雲生態的關鍵一步。到 2026 年 3 月，路透披露微軟在 2023—2029 年間對阿聯的總承諾投資規模已達到 152 億美元，其中已經投入 73 億美元；這部分資金不僅包含前述對 G42 的 15 億美元投資，也包括 46 億美元以上的 AI 和雲資料中心容量建設。到了2024年下半年，Google Cloud 也正式下場。2024 年 10 月 30 日，沙烏地阿拉伯公共投資基金 PIF 與 Google Cloud 宣佈合作，計畫在沙烏地阿拉伯東部省份達曼附近建設一個新的全球 AI hub。隨後在 2025 年 5 月 13 日，Google Cloud 又與 PIF 進一步宣佈推進該項目，明確這一 AI hub 將由雙方共同投資100 億美元，並由沙烏地阿拉伯本地科技公司 Humain 參與啟動和營運。還有一個極具主權AI的代表性項目就是 Stargate UAE。據路透社 2025 年 5 月 22 日報導，這一項目落地阿布扎比，由 G42 聯合 OpenAI、Oracle、輝達、思科和軟銀等多方推動，整個園區最終規劃規模達到 5GW，首期為 1GW，其中首批 200MW 預計在 2026 年上線。路透同時援引 TrendForce 的估算稱，僅首期就大致對應 10 萬顆輝達先進 AI 晶片的部署規模。無論從電力口徑還是晶片口徑看，這都不是普通意義上的資料中心擴建，而是把中東直接推進到全球 AI 超級園區競爭的第一線。也正因為如此，中東對輝達的意義，已經不只是多賣一些 GPU。在美國本土，AI 資料中心受制於電力、建設周期和項目推進節奏；而在中東，巨額資本和政策意志又提供了新的承載空間。於是，輝達面對的局面變成了：一邊要盯住美國超大項目是否放緩，另一邊又必須確保中東這些新園區能夠順利吸納它的晶片和系統。03中東的問題是：戰爭中東算力故事的另一面，是地緣政治風險。2026 年 3 月 2 日，AWS 披露其位於阿聯和巴林的部分資料中心在無人機襲擊中受損。 其中，阿聯有兩座設施被直接擊中，巴林也有一座設施因附近襲擊受到物理衝擊；AWS 明確表示，這些襲擊造成了結構性損壞、電力輸送中斷，以及滅火措施帶來的二次水損，恢復過程將會持續較長時間。路透還指出，這是首次有美國大型科技公司的資料中心因軍事行動而遭到擾動，並已影響到部分依賴 AWS 的金融機構和核心雲服務。這個事件的意義很大：它說明中東 AI 基建面臨的風險，已經從地緣政治溢價升級為真實的設施受損與業務中斷。風險的第二層，在於投資與融資成本上升。資料中心本來就是長周期、重資本項目，一旦地區衝突持續，開發商和雲廠商面臨的不只是安保支出增加，更包括保險費用上行、債務融資變貴、項目回報周期被拉長。路透社 2026 年 3 月 6 日援引 JPMorgan 的判斷稱，海灣衝突升級將提高對當地國內投資、外商直接投資和人才吸引的風險；同時，依賴發債籌資的項目和機構也會面臨更高的融資成本。對於沙烏地阿拉伯這類高度依賴主權基金推進“2030願景”的國家來說，主權基金不只是財務投資者，還是大型轉型項目的主要資金來源，因此一旦宏觀環境惡化，其“財務和營運約束”都會上升。對輝達最現實的一層：需求預期會被重新定價。過去市場願意給中東一個極高的想像空間，是因為這裡不僅有 AWS 超過 53 億美元的沙烏地阿拉伯雲區域投資、Google Cloud 與沙烏地阿拉伯 PIF 規劃的 100 億美元 AI hub、Oracle 15 億美元的沙烏地阿拉伯雲基礎設施擴張，還有 Stargate UAE 這種 5GW 等級的超大型 AI 園區。路透 2026 年 3 月 2 日的報導已經把這些項目並列呈現，並直言地區局勢升級正在把外界目光重新拉回到大科技公司在中東的 AI 投資風險上。對輝達而言，問題不只是“這些項目最後會不會做”，而是：這些項目能否按原計畫推進、按原節奏上架、按原規模消化高端 GPU。 只要任何一環延遲，資本市場對 2026—2027 年高性能計算晶片出貨的樂觀預期，就會被打折。對於大型雲巨頭來說，敢不敢把關鍵算力、關鍵資料和關鍵業務連續性押在那裡，也是一個問題。04結 語不得不說，AI時代的算力戰爭，正在升級。如果說 2023—2024年的AI戰爭，是GPU之戰。那麼2025—2027年的 AI 戰爭，將變成算力基礎設施之戰。競爭的焦點將轉向資料中心、電力、網路、冷卻、地緣政治。而在這場戰爭中，輝達既是最大贏家，也承擔著最大的風險。因為所有 AI 產業鏈的擴張，都壓在它的 GPU 上。當產業鏈順風時，它是王者，但當需求波動、基礎設施受阻、地緣政治介入時——輝達必須開始親自下場。不是為了賣更多 GPU，而是為了確保這些 GPU 有地方可用。 (EDA365電子論壇)

輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。中信建投通訊&人工智慧、電腦、電子、機械團隊推出【AI算力產業鏈投資前景】系列研究：01 GTC 大會召開， Token 為王，持續看好AI算力類股1）輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。2）大會回溯 CUDA 架構二十年發展鑄就的生態護城河，發佈 cuDF、cuVS 兩大核心軟體庫與 Vera Rubin 超級 AI 平台，深度佈局 OpenClaw 智能體生態，同時公佈 Feynman 架構、DSX 基建平台、軌道太空資料中心等前瞻規劃。我們認為，本次 GTC 大會進一步驗證了 AI 產業的高景氣度與長期成長空間，我們持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域，我們對 AI 帶動的算力需求以及應用持續樂觀。輝達 2026 年 GTC 大會隆重舉行，本次大會全面展現了輝達在 AI 領域的全端技術實力與長期產業佈局，成為 AI 產業從大模型訓練向推理與智能體應用演進的關鍵里程碑。大會開篇，黃仁勳用近十分鐘回溯了 CUDA 架構誕生二十年的演進歷程，明確 CUDA 是輝達所有業務的核心，其最難以複製的壁壘，是二十年沉澱的全球海量安裝基數，以及由此形成的 “安裝基數 - 開發者 - 技術突破 - 生態擴容” 閉環增長飛輪。二十年技術深耕讓 CUDA 形成了覆蓋數千種工具、編譯器、框架和庫的完整開發生態，數億塊可運行 CUDA 的 GPU 與計算系統實現了對全球主流雲廠商、企業的全覆蓋，這是競爭對手無法通過技術、資金在短期追趕的核心護城河，而 CUDA 帶來的超長產品生命周期與持續軟體最佳化能力，也持續放大輝達的成本與生態優勢。本次大會的核心主線明確了 “Token 為王” 的 AI 產業新邏輯，正式宣告 AI 推理拐點已經到來。大會指出，ChatGPT 開啟生成式 AI、推理 AI 實現邏輯規劃、Claude Code 開啟代理時代三大里程碑事件，推動 Token 使用量呈爆炸式增長，AI 產業已從訓練主導階段全面進入推理主導的全新階段，AI 的思考、行動、閱讀、推理全環節都依賴推理計算，算力需求增長已達 100 萬倍。黃仁勳在大會中重新定義了 AI 產業的商業邏輯，指出受電力等物理條件限制，資料中心的核心價值已從傳統儲存計算中心，重構為生產 Token 的 “AI 工廠”，衡量 AI 系統效率的核心指標是每瓦特功耗能夠生成的 Token 數量，Token 成為 AI 時代的核心數字商品。輝達通過軟硬體全端協同設計，實現了 Token 生產成本的全球絕對領先，從 Hopper H200 到 GB NVL72 架構，每 GW 性能提升 35-50 倍，僅軟體棧更新即可讓現有推理平台的 Token 生成速度提升約 7 倍，同時輝達重磅宣佈 Rubin+Blackwell 晶片到 2027年營收將至少達到 1 兆美元，為 AI 算力產業的長期增長打開了空間。為適配推理與智能體時代的需求，輝達在大會中完成了軟體與硬體的全端革新。軟體層面，大會重磅發佈 cuDF、cuVS 兩大核心軟體庫，重構適配智能體時代的企業級資料處理基礎設施，其中 cuDF 專為結構化資料加速，完美適配企業常用的 SQL、Excel 等工具，解決 AI 讀資料慢的核心瓶頸，cuVS 則專注非結構化資料處理，能夠啟動企業內佔比超 90% 的非結構化沉睡資料，目前兩項技術已在 IBM、雀巢等企業落地應用，實現了資料處理效率的大幅提升與成本的顯著下降。同時，輝達宣佈深度支援開源智能體作業系統 OpenClaw，黃仁勳評價其增長速度超過過往數十年的 Linux，是智能體時代的關鍵軟體底座，針對企業級智能體部署的安全痛點，輝達同步推出企業級安全增強版 NemoClaw 參考架構，解決了智能體落地的核心安全障礙，並明確預判傳統 SaaS 模式將全面轉向 AaaS（智能體即服務），未來幾乎所有軟體企業都將被這一浪潮重構。硬體層面，大會重磅發佈了已全面投產的 Vera Rubin 超級 AI 平台，這是專為智能體 AI 打造的軟硬體全端垂直整合計算系統，也是輝達支撐兆營收目標的核心硬體底座。該平台通過 7 款自研晶片 + 五大專用機架的全鏈路協同設計，覆蓋計算、網路、儲存三大核心環節，專為高 Token 消耗、長上下文處理的智能體工作負載設計，目前已獲得 Anthropic、OpenAI、Meta 等頭部 AI 廠商及全球頂級雲服務商的客戶支援。平台通過 Rubin GPU 與自研 Vera CPU 協同、Groq3 LPU 低延遲推理異構加速、BlueField-4 DPU 驅動的 STX 儲存架構革新、全液冷系統與 CPO 光電共封裝技術升級，實現了 Token 生產能效與成本的顛覆性最佳化，整套系統可提供 60 exaflops 的運算能力與 10 PB/s 的總擴展頻寬，單吉瓦算力可解鎖 1500 億美元的年營收機會。大會同步推出了平台的超大規模擴展版本 Rubin Ultra，實現了單 NVLink 域 144 顆 GPU 的統一協同，同時黃仁勳明確重申，光銅協同仍是支撐 AI 算力增長的核心支柱。此外，本次大會輝達還完成了 AI 算力的全維度長期規劃，公佈了三大核心前瞻佈局：一是 2028 年將商用的下一代 Feynman 架構，核心目標是將傳統資料中心伺服器叢集重構為一台高度整合的巨型超級電腦，通過定製化 HBM 記憶體、自研 Rosa CPU、計算儲存封裝深度耦合實現算力的跨越式升級；二是 NVIDIA DSX 端到端基礎設施平台，覆蓋 AI 資料中心從設計、建設到維運的全流程，解決超大規模算力叢集的部署效率、能源效率與穩定性核心痛點；三是太空算力前瞻佈局，計畫聯合合作夥伴開發 Vera Rubin Space One 太空計算平台，在地球軌道建設太空資料中心，突破地面算力的邊界限制。整體而言，本次 GTC 大會全面驗證了 AI 產業仍處於高速發展的產業革命處理程序中，明確了推理拐點的到來與智能體時代的開啟，將持續帶動全球 AI 算力需求的爆發式增長。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。02 關注數位人民幣和國產算力鏈數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。數位人民幣營運機構有望擴容，12家商業銀行或將入圍，數位人民幣相關系統建設與改造需求有望加速釋放。 25年12月，《關於進一步加強數位人民幣管理服務體系和相關金融基礎設施建設的行動方案》出台，新一代數位人民幣計量框架、管理體系、運行機制和生態體繫於2026年1月1日啟動實施，標誌著數位人民幣正式進入M1/M2的新時代。數位人民幣計息擴容等落地實施成為後續關注重點。3月20日，根據上證報新聞，自相關管道獲悉，數字人民幣業務營運機構有望擴容，12家商業銀行或入圍，將接入央行端數位人民幣系統。有望擴容名單包括中信銀行、光大銀行、華夏銀行、民生銀行、廣發銀行、浦發銀行、浙商銀行這7家全國性股份行；寧波銀行、江蘇銀行、北京銀行、南京銀行、蘇州銀行這5家地方城商商行。一家城商行人士向記者證實已經收到有關部門相關通知要求，需要如期完成系統研發、聯調測試、驗收投產、上線面客等工作。此外，3月17日，寧波銀行在其官方採購管理系統發佈了兩則公告，對外召集“數位人民幣系統建設項目供應商”。公告顯示根據業務發展需要，按照寧波銀行採購相關管理辦法，擬對《數位人民幣系統建設項目》面向社會公開徵集供應商，誠邀符合條件的供應商參與方案洽談。我們認為，隨著數位人民幣進入M1/M2時代，銀行營運推廣數位人民幣的動力大幅增加，數位人民幣核心系統建設以及相關IT系統改造需求有望加速釋放。阿里雲與AI業務強勁增長，管理層目標相關業務五年年化增速約47%。阿里於3月19日發佈截至2025年12月31日的2026財年Q3財報，阿里雲收入432.84億元，同比增長36%，AI相關產品收入連續第十個季度三位數增長，AI已經成為公司主要增長引擎之一。資本開支方面，阿里持續加大投入力度，最新財季資本開支約290億元，且公司CEO在業績會上提出考慮到客戶AI推理需求的爆發式增長，此前提及的3800億元投資可能顯得偏小，會在確保財務健康的前提下動態調整資本開支節奏。今年以來，阿里雲在模型、應用、晶片層均取得一定突破，Qwen3.5-Plus在推理、程式設計、Agent智能體等領域取得積極進展。阿里自研的平頭哥GPU晶片截至2026年2月已累計規模化交付47萬片，年化營收規模達百億，已為阿里的雲基礎設施提供實質性貢獻。據阿里CEO吳泳銘，阿里雲基礎能力的建設和持續增長正將阿里巴巴的AI戰略推向新的高潮，五年內阿里雲和AI商業化年收入將從今年的1000多億元大幅增長至1000億美元，復合年化增長約47%。為了實現AI商業化加速落地，阿里近期發佈了企業級AI原生工作平台“悟空”，悟空Agent能原生操作釘釘上千項能力。此外，阿里本周還宣佈正式成立Alibaba Token Hub（ATH）事業群，圍繞“創造Token、輸送Token、應用Token”重組AI業務體系，為AI toB & to C業務拓展提供組織保障和戰略協同。AI逐步融入騰訊各項業務，騰訊雲首次實現規模化盈利。騰訊於3月18日發佈2025年全年業績，收入利潤均實現穩健增長。AI正融入騰訊各個業務類股，遊戲業務部署AI以改善使用者體驗、廣告業務融入AI提升行銷效益、元寶及微信等服務接入AI能力完善生態佈局等。此外，騰訊雲2025年雖然因為優先保障內部需求導致外部客戶GPU供應有限，營收相對承壓，但仍首次實現規模化盈利，調整後營業利潤達50億元。資本開支方面，騰訊2025年全年約為792億元，同比小幅增長3%創歷史新高，2026年一方面加大AI產品投入，混元、元寶相關投入在2025年180億元基礎上預計2026年投入翻倍；另一方面，會根據AI訓練推理需求、雲業務增長和晶片供應情況動態調整資本開支節奏，2026年資本開支會高於2025年。騰訊預計將瞄準AI融入產品生態中的發展戰略，今年以來騰訊密集發佈包含元寶派、WorkBuddy、QClaw等AI功能與產品，有望憑藉自身社交、辦公相關生態卡位優勢搶佔AI時代流量入口。總結：數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響（目前美國持續加息，影響科技行業估值，同時市場對於海外衰退預期加強，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓）。03 AI算力驅動散熱架構升級，液冷一次側裝置迎來價值重估AI算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫、穩定、可控要求大幅提升，使得一次側系統從輔助配套升級為核心基礎設施。一次側散熱裝置中冷水機組和壓縮機尤為關鍵，冷水機組作為核心冷源，承擔全天候兜底製冷功能，壓縮機作為冷水機組動力核心，直接決定整機製冷量、能效水平與運行穩定性。隨著資料中心製冷系統向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機單機價值量、技術壁壘與行業集中度同步抬升，具備自主技術的磁懸浮離心壓縮機廠商，以及擁有大冷量產品、切入主流供應鏈的冷水機組龍頭企業將持續受益。AIGC驅動散熱需求爆發，液冷已成首選解決方案AIGC浪潮推動AI大模型迭代及商業化落地持續加速，訓練端與推理端算力需求呈指數級增長，直接帶動全球AIDC進入爆發式建設周期。國內外大型科技企業算力相關資本開支大幅增加，為AIDC建設提供有力支撐，全球及國內AIDC市場規模持續擴容，高功率密度大型、超大型算力中心已成為未來建設重點。與此同時，AIDC單機櫃功率密度持續攀升，傳統風冷技術已無法滿足高密算力的散熱需求，疊加“雙碳”目標下全球資料中心PUE管控標準持續收緊，液冷技術憑藉耗能低、散熱效率高、運行工況優異、全生命周期成本低等核心優勢，成為AIDC製冷系統的首選方案。AIGC驅動、功率密度提升、PUE管控收緊三大因素形成共振，推動液冷散熱需求加速釋放，為液冷一次側散熱行業的快速發展奠定了堅實基礎。液冷一次側散熱重要性提升，冷水機組與壓縮機成核心環節AIDC液冷系統以CDU為界分為一次側與二次側，其中一次側作為室外冷源側，承擔熱量外排核心職能，其冷源方案直接決定資料中心PUE與TCO，與二次側協同完成全流程散熱閉環，一次側散熱作為聯結機房內部熱交換與外部環境排熱的核心鏈路，重要性日益凸顯。一次側散熱方案呈現三大主流格局，冷水機組為兜底冷源，是各類方案中不可或缺的核心，也是液冷一次側價值量與技術壁壘最高的環節。壓縮機作為冷水機組的“心臟”，成本佔比超50%、能耗佔比約72%，由於AIDC與傳統IDC在需求上差異顯著，螺桿壓縮機、傳統離心壓縮機的能效、冷量和穩定性短板凸顯，而磁懸浮離心壓縮機憑藉無油運行、高能效、寬負荷調節、溫控精準等優勢，可完美適配AIDC液冷需求，已成為新建高密度智算中心標配。需求爆發與技術突破共振，一次側散熱國產替代重構行業格局隨著 AIGC 推動全球算力基建高速增長，資料中心算力密度持續提升，散熱需求加速升級，冷水機組與壓縮機作為一次側核心裝置，直接影響資料中心PUE與整體營運成本TOC，行業需求持續釋放。當前全球一次側裝置高端市場長期由開利、特靈、約克、麥克維爾等美系巨頭及磁懸浮領域龍頭丹佛斯佔據，外資憑藉技術、品牌與客戶資源優勢主導高端供給，但普遍存在價格偏高、交付周期長、本土化適配不足及產能緊張等問題，為國內企業帶來替代機遇。國內廠商在政策支援與需求紅利下，已在磁懸浮軸承、高速電機、控制系統等核心技術實現突破，企業憑藉高性價比、快速交付與本土化服務，持續向中高端市場滲透，在冷水機組整機與磁懸浮離心壓縮機環節加速推進國產替代。未來隨著液冷普及與行業格局重構，具備核心技術與規模化交付能力的國產龍頭有望實現市場份額與盈利水平的雙重提升。投資建議：AIDC 液冷一次側散熱已成為AI算力基建的剛性核心環節，行業正處在滲透率快速提升、技術路線升級與國產替代三重共振的高確定性成長階段。AI 算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫輸出、連續穩定、精準可控要求大幅提升，使得一次側系統由輔助配套升級為算力基礎設施的核心組成部分。液冷一次側系統中，冷水機組和壓縮機因其承擔核心供冷與動力輸出職能、契合冷源高效化升級趨勢，重要性和價值量顯著提升，其中冷水機組承擔全天候兜底製冷與穩定供冷功能，是液冷體系中不可或缺的關鍵裝備；壓縮機作為冷水機組唯一做功部件與“動力心臟”，價值量佔比超50%，直接決定整機製冷量、能效水平與運行穩定性，是產業鏈技術壁壘與盈利核心。隨著液冷滲透率持續提升、單機櫃功率不斷上移，資料中心冷源正加速向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機從傳統螺桿路線向磁懸浮離心路線迭代，單機價值量、技術壁壘與行業集中度同步抬升。建議聚焦AIDC液冷一次側散熱高價值、高壁壘環節，重點佈局兩條主線：①磁懸浮離心壓縮機核心標的：優先選擇已實現磁懸浮軸承、高速永磁電機、控制系統自主突破，產品完成客戶驗證並進入批次供貨的壓縮機廠商，充分受益技術迭代與國產替代紅利；②大功率冷水機組整機龍頭：重點關注面向AIDC場景、具備大冷量機型與系統方案能力，已切入主流雲廠商與算力中心供應鏈的冷水機組企業，受益行業規模擴張與格局集中。1.1 AIGC浪潮驅動全球算力基礎設施建設進入爆發式增長周期AI大模型迭代與商業化落地加速，共同推動算力需求在訓練端與推理端呈現指數級增長。訓練端，隨著AI大模型從基礎研發向超大規模、多模態、AI智能體（Agents）升級，模型的參數量從1.17億提升至數兆，模型結構也從稠密LLM模型向MoE稀疏化模型以及多模態模型持續演進發展，單次任務Token消耗量呈指數級上升。與此同時，模型數量也在呈井噴式增長，據中國資訊通訊研究院統計，截至2025年6月底，中國已發佈1509個大模型，在全球已發佈的3755個大模型中數量位居首位。推理端，AI大模型推動各領域智能化轉型加速，已從初步應用向深度賦能階段邁進，成為推動行業高品質發展的核心驅動力。從發展趨勢來看，隨著多模態大模型技術的不斷迭代以及具身智能的逐步落地，AI技術將打破現有應用邊界，更深層次地融入生產生活各領域，催生出新的應用場景與商業模式。無論是從AI業務負載還是應用發展趨勢，都在驅動算力需求呈現爆發式增長。AIDC作為AI產業的核心算力基座，其建設規模與增速與AI行業發展高度相關，當前全球算力技術設施建設正進入新一輪快速發展期。根據科智諮詢與Global Growth Insights資料，2021年全球資料中心市場規模為765.6億美元，預計2026年將達到1459.2億美元，2027年將增至1632.5億美元，到2035年將進一步達到2621.5億美元以上，未來十年全球AIDC市場將呈現高速增長態勢。國內市場方面，根據工信部資料顯示，截至2025年6月，中國在用算力中心標準機架達1085萬架，智能算力規模達788EFLOPS，幹線400G連接埠數量大幅增加至14060個，存力總規模超過1680EB，全國算力中心平均電能利用效率（PUE）降至1.42，算力基礎設施規模和水平不斷提升。與此同時，大型以上算力中心機架數量佔算力中心總機架規模比重逐年上漲，部分超大型算力中心的平均單機櫃功率已達20kW，高功率密度、高算力的大型、超大型算力中心已經成為未來建設的重點。本輪全球算力基礎設施建設提速主要源自國內外大型科技企業持續的資本開支增加。自2022年以來，北美四大雲廠商為代表的國內外大型科技企業資本開支經歷了顯著的周期性變化。2022年至2023年上半年，受宏觀經濟逆風及疫情後需求變化影響，資本開支增速放緩甚至出現負增長。然而，自2023年下半年起，受生成式AI技術突破驅動，無論是海外的科技巨頭，還是國內的網際網路大廠，均在人工智慧基礎設施上投入重金，開啟了新一輪激進的“AI軍備競賽”，資本開支在2024年和2025年呈現爆發式增長，主要資金流向AI基礎設施，主要包括購買GPU和定製晶片、建設或租賃大規模智算中心、採購配套能源設施等，以應對大模型訓練與推理帶來的算力挑戰。2025年全球各大雲廠商均宣佈了近千億美元等級的資本開支計畫，核心投向用於AI訓練和推理的GPU叢集，其中OpenAI正計畫到2030年累計投入約6000億美元用於算力支出，字節跳動初步規劃2026年資本開支1600億元人民幣，較2025年同比增長7%，阿里雲則在未來三年3800億元資本開支基礎上額外增加投入。風險提示：1）技術迭代不及預期風險：磁懸浮離心壓縮機核心技術（磁懸浮軸承、高速永磁電機）研發難度高，若國內廠商技術突破進度慢於行業升級節奏，或液冷冷源出現更優替代技術路線，可能導致相關企業產品競爭力下降，錯失行業增長機遇。2）核心零部件供應鏈風險：冷水機組、磁懸浮壓縮機部分高端零部件（如精密感測器、高端控製器）仍依賴進口，若海外供應鏈出現中斷、進口限制或價格大幅上漲，將影響國內企業生產交付、成本控制及產品性能穩定性。3）行業需求落地不及預期風險：AIDC建設受AI算力擴張節奏、政策調控、資本開支收縮等因素影響，若下游算力中心建設進度放緩，液冷滲透率提升不及預期，將直接影響冷水機組、磁懸浮壓縮機的訂單放量，拖累行業及相關企業成長。4）行業競爭加劇風險：隨著液冷一次側散熱賽道熱度提升，傳統製冷企業、跨界企業加速佈局冷水機組及磁懸浮壓縮機領域，可能引發價格戰，導致行業盈利水平下滑；同時，海外頭部廠商若加速產能釋放、技術下沉，將擠壓國產廠商市場份額。04 公募基金通訊行業持倉佔比再創新高，持續推薦AI算力類股2025Q4，公募基金通訊行業持倉市值3428.71億元，同比增長63.80%，環比增長12.84%，創歷史新高；公募基金通訊行業持倉市值佔比10.18%，創歷史新高，較2025Q3的持倉佔比6.87%提升3.31pcts，較2024Q4的持倉佔比3.57%提升6.61pcts。通訊行業公募基金持倉市值前十大個股集中在光模組光器件類股。部分算力公司已披露業績預告，保持較快增長勢頭。近期，算力類股走勢糾結，我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，也建議關注可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股、量子科技類股。AI算力需求增長強勁，算力產業鏈部分公司業績高增發佈業績預告的光模組/光器件公司2025年歸母淨利潤幾乎均實現50%以上的同比增長，其中長芯博創、光庫科技預計2025年歸母淨利潤同比增長超過100%，光模組/光器件公司業績表現突出主要是受益於人工智慧相關算力投資持續增長。同時，連接器公司鼎通科技受益於AI驅動連接器市場需求旺盛，業績顯著增長。近期，算力類股走勢比較糾結。我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。目前，AI大模型仍在持續迭代升級，算力需求旺盛，站在中期視角我們仍建議持續重視AI類股。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，我們也建議關注未來可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股，國內外巨頭紛紛加碼的量子科技類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。05 千問接入阿里生態業務，台積電超預期，推薦算力類股1月15日，Qwen App正式宣佈全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務。這一動作標誌著Qwen App超越了傳統意義上的“聊天機器人”。與此前ChatGPT、Gemini已經推出的購物功能相比，依託阿里生態的各項業務，Qwen App能夠做的事情更多，成為了全球首個能完成真實生活複雜任務的AI助手。長期以來，使用者對大模型的體感大多停留在螢幕內的數字閉環，AI可以幫助使用者寫文案、畫圖，但一旦涉及現實世界的互動，AI往往會因為缺乏執行工具而無法操作。而此次Qwen App的升級，改變了這一局面。在這場AI超級入口戰役中，Qwen被內部賦予的差異點之一是，阿里擁有Qwen開源模型和從支付、購物到出行、旅行、娛樂的生態和履約能力，因此“模型”+“生態”整合會是其獨特優勢所在。發佈會現場，Qwen C端事業群總裁吳嘉演示了一個典型的生活場景：使用者僅需語音下達“幫我點40杯霸王茶姬的伯牙絕弦”指令，Qwen App即刻呼叫淘寶閃購介面生成訂單，並通過系統級打通的“支付寶AI付”完成支付，全程無需跳轉第三方應用。這種所說即所得的體驗重構了消費鏈路，過去的電商購物需要“搜尋-比價-加購-支付”等繁瑣步驟，而Qwen將其折疊為一個對話方塊，引領行業從傳統聊天工具正式邁入辦事時代。我們認為，大模型已經持續迭代超過3年，CSP廠商也為此投入大額資本開支，2026年有望成為AI全面走嚮應用發展的一年，包括整合生態推出各類AI助手、通過廣告引流實現創收等，建議重視AI應用的發展。當然，AI應用的發展也會繼續推動大模型進一步訓練迭代以及推理算力的持續增長，因此也持續看好算力類股。台積電披露最新財報，收入、淨利潤、毛利率與資本開支指引均超出市場預期，公司提及大額資本開支指引是基於與客戶反覆溝通後確定的。對此，我們認為台積電的指引可以作為算力行業的重要前瞻指標，預期2027年算力需求仍有望保持強勁增長勢頭，從通訊行業來看我們持續推薦光模組、液冷、光纖光纜等類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。06 國內算力與衛星網際網路建設或再提速，重點關注輝達宣佈新一代“Rubin”計算架構平台已正式進入量產階段，中國客戶對H200的需求“非常高”。工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》。DeepSeek或將推出新一代旗艦級人工智慧模型。除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，其中，中國移動申報了兩個星座，規模為2664顆衛星。中國移動資金實力強，客戶規模龐大，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司建議重點關注。在CES 2026主題演講中，輝達CEO黃仁勳宣佈新一代“Rubin”計算架構平台已正式進入量產階段。其在接受媒體採訪時表示：公司已重啟H200供應鏈，中國客戶對H200的需求“非常高”。同時，馬斯克旗下AI初創公司xAI發佈公告，宣佈已完成一輪200億美元的E輪融資，超過了此前設定的150億美元目標，公司計畫利用本輪新融資，繼續擴巨量資料中心規模，並推進Grok模型的進一步開發與訓練。近日，工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》，提出到2027年，中國人工智慧關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。此外根據新浪財經報導，DeepSeek預計將在未來幾周內推出新一代旗艦級人工智慧模型，該模型主打強勁的程式碼生成能力。在大模型能力提升和下游應用逐漸萌芽等因素的推動下，國內AI算力需求有望持續提升，除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。根據國際電信聯盟（ITU）最新披露資料，中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，這一規模創下國內衛星星座申報的新紀錄。其中，中國移動申報了兩個星座：分別被命名為CHINAMOBILE-L1，規模為2520顆（低軌）；CHINAMOBILE-M1，規模為144顆（中軌），兩個星座總計為2664顆衛星。中國移動資金實力強，且作為基礎電信營運商，客戶規模龐大，並擁有衛星移動通訊業務牌照，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。07 持續推薦AI算力類股，關注量子計算與商業航天產業鏈OpenAI發佈其人工智慧模型的最新升級版GPT-5.2，提供Instant、Thinking和Pro三種模型，是迄今在專業知識工作領域中能力最強的模型系列，在製作電子表格、建構簡報、編寫程式碼、圖像理解、長文字處理、工具使用及處理複雜的多步驟任務等方面都有顯著提升。與GPT-5.1相比，GPT-5.2產生幻覺的情況更少，回答錯誤率相對降低了約30%，這意味著在運用模型進行調研、寫作、分析與決策支援時出錯更少，模型在日常知識型工作中變得更為可靠。博通本周公佈了2025財年第四季度業績，CEO陳福陽表示，未來18個月內博通在AI定製晶片、交換機及其它資料中心硬體產品上的訂單積壓已達730億美元。此外，據彭博社報導，美國將批准輝達向中國出口H200 AI晶片，條件是美政府從銷售額中抽取25%分成，銷售僅限“獲批准的客戶”。我們認為，AI大模型仍在持續迭代升級，競爭遠未結束，算力需求旺盛，繼續看好AI算力類股。北美鏈繼續看好之外，國內鏈也建議重視，一方面國內鏈公司前期調整較多，而北美鏈光模組公司近期已紛紛新高，另一方面隨著國產GPU能力及供給量的提升以及H200的放開，有望加速國內AI算力基礎設施的部署節奏。量子科技作為國家重點佈局的未來產業，近期催化不斷，如國儀量子技術（合肥）股份有限公司科創板IPO申請已獲得受理，國家標準《無液氦稀釋製冷機》正式發佈，建議持續關注量子科技產業鏈，尤其是量子計算整機、稀釋製冷機、低溫同軸線纜等環節。本周，中國在海南商業航天發射場成功將衛星網際網路低軌16組衛星發射升空；文昌國際航天城年產1000顆衛星的超級工廠即將投產，可實現“衛星出廠即發射”的無縫銜接；SpaceX正推進IPO計畫，公司的估值目標或定為約1.5兆美元。此前，國家航天局印發《國家航天局推進商業航天高品質安全發展行動計畫（2025-2027年）》，推進商業航天高品質發展和高水平安全。建議持續關注商業航天領域相關投資機會。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。08 AI大模型與應用持續發展，算力受益，關注量子DeepSeek V3.2正式版發佈，強化Agent能力，融入思考推理。在公開的推理類Benchmark測試中，DeepSeek-V3.2達到了GPT-5的水平，僅略低於Gemini-3.0-Pro。DeepSeek-V3.2-Speciale的目標是將開源模型的推理能力推向極致，探索模型能力的邊界。字節跳動旗下豆包團隊與中興通訊合作推出首款工程樣機nubia M153，支援豆包手機助手，進一步探索手機側AI Agent。我們認為，AI大模型仍在持續迭代，大局未定，各家都存在繼續進步或逆襲可能，所以不能因為某些模型階段性領先就過度看空其餘模型及相關公司產業鏈，AI應用也在持續發展，不論是手機還是眼鏡，尚未到完全突破階段，但都可能引發階段性行情，值得持續關注。亞馬遜發佈Trainium3，基於3奈米製程打造，性能較Trainium2提升4倍，能效提升40%。同時，亞馬遜表示正在研發中的Trainium4將支援與輝達晶片協同工作。AMD蘇姿丰證實已獲批對華出口AI晶片MI308，需向美政府支付15%稅費。摩爾線程上市首日大漲。xPU持續迭代，市場高度關注，有望推動AI進一步快速發展。近期，AI產業鏈催化不斷，包括Google新模型性能大幅提升及TPU展示出的較強能力、DeepSeek V3.2正式版發佈、亞馬遜發佈Trainium3、以及摩爾線程上市市場展現出的高參與熱情等等，同時更多公司包括輝達、阿里、AMD等否認AI泡沫的觀點，均展現了AI的良好發展前景。目前，世界正處於AI產業革命中，類比工業革命，影響深遠，不能簡單對比近幾年的雲端運算、新能源等，需要以更長期的視角、更高的視野去觀察。因此，我們對AI帶動的算力需求以及應用非常樂觀，持續推薦AI算力類股。工業和資訊化部量子資訊標準化技術委員會籌建方案公示。我們認為，量子科技作為國家重點佈局的未來產業，承載著成為新經濟增長點的重任，建議重點關注稀釋製冷機、低溫同軸線纜等環節。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。09 國產算力：替代趨勢較為明確，生態能力逐步完善算力領域我們認為有以下投資機會：1）龍頭公司增長確定性：輝達需要整個產業鏈研發能力快速迭代、快速響應。若能力不夠很難進入輝達產業鏈，或者份額顯著下降，PCB、光模組等龍頭公司與下游晶片公司跟蹤緊密、地位穩固，其中PCB價值量未來將受益於正交背板使用、cowop工藝的提升；2）新技術升級方向，輝達階段性著重解決問題的方向，是獲取超額利潤的子方向。2025年開始，系統方案的供電、散熱問題成為整個系統的瓶頸點。北美缺電越來越明顯，電力系統需要更加穩定以及更加高效的輸送方式，關注HVDC和更高效的SST固態變壓器等技術。同時隨著晶片性能提升，散熱方面遇到越來越多的瓶頸，關注液冷板、CDU、UQD等領域大陸企業份額提升的投資機會，其次如何穩定提高晶片計算頻率，對於AI晶片來說是一個提升性能的關鍵辦法，針對下一代晶片封裝方案演進是未來重要投資方向，關注微通道蓋板、金剛石襯底或者熱介面材料；3）產業鏈加速本土化叢集。為應對快速的研發迭代，產業叢集優勢逐步顯現，如PCB產業鏈國內下游高份額之後，上游的覆銅板，覆銅板上游的樹脂、玻纖布、銅箔等等都開始了國內企業加速驗證，光模組亦是如此；4）訂單外溢。圍繞份額變化投資，隨著龍頭公司訂單外溢，整個產業鏈都呈現高景氣度，部分公司份額提升。中期維度看，訂單向國產晶片傾斜是必然趨勢。由於美國政府晶片法案多輪制裁，輝達旗艦晶片向中國的售賣持續受阻，從2022年的片間互聯、23年的算力以及算力密度限制、到2025年初的1700GB/s通訊頻寬限制，輝達產品被迫多次進行閹割，競爭力持續下降。雲廠商以及人工智慧初創公司基於算力穩定供應訴求，將更多算力採購規劃傾斜向國產晶片，並且比重不斷加大。目前看伴隨國產先進製程逐漸成熟，低端版輝達晶片在國內將不再是具有性價比的採購選項，國產算力市佔率大幅抬升時機已經成熟。目前國產晶片市場集中度提升趨勢明顯。由寒武紀、華為為代表的晶片公司憑藉強大的技術實力、優異的產品性能、以及前線業務資源的大量投入，最先實現商業化客戶業務的成功落地，在大模型推理算力建設中貢獻大量算力；以天數智芯、沐曦、崑崙芯為代表的創業公司也在奮起直追，通過良好的產品性能以及性價比，爭取大規模商業化客戶成單機會，近期可以觀察到國內晶片廠商紛紛投入大量人力物力資源，嘗試與多家頭部網際網路客戶進行業務繫結。國內晶片生態建設分為兩大路線，一條是以天數智芯、沐曦、海光等主打GPGPU路線，追求與輝達的CUDA相容，實現相容性與通用性提高，在客戶處實現遷移成本與遷移時間大幅度下降，在輝達的生態圈內搶佔市場。後續CUDA升級或模型升級，CUDA相容路線軟體棧同樣需要更新升級以適配，長期跟進對人力消耗較大；另一條則是以華為的Mindspore為代表的自主生態，試圖在輝達生態圈外建立單獨生態圈，與輝達進行競爭。其後續突圍能力，除技術成熟度外，更多考量產品出貨量與基於Mindspore開發的研發人員數量，對長期持續投入具有較高要求。財務資料角度看，國產GPU廠商已經進入營收高速增長階段。伴隨其產品運用從prefill階段逐漸向decode階段滲透，並在訓練場景得到一定落地，國產晶片廠在CSP廠處的業績快速躍遷，並為後續更進一步份額抬升打下良好基礎。除營收增速高速增長外，國產GPU廠商存貨同步進入上升軌道，“產品銷售—資金回流—流片放量”循環逐步啟動，國產替代趨勢愈發明確。風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；晶片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；疫情影響公司正常生產和交付，導致收入及增速不及預期；資訊化和數位化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；人工智慧技術進步不及預期；汽車與工業智能化進展不及預期；半導體擴產不及預期等。10 記憶體頻寬成為算力卡口，存算架構持續迭代記憶體仍然是AI算力核心卡口，HBM需求持續高景氣。隨著輝達GPU的發佈周期固定在每年一次，算力提升對記憶體容量和頻寬提出了接近每年翻倍的高要求；根據諮詢公司資料，GPU的計算能力在過去20年間增長了60000倍，但同期DRAM記憶體頻寬僅提高了100倍——“記憶體牆”仍將長期存在，通過HBM路線實現低功耗高頻寬趨勢明確。以位元計算，目前HBM佔整個DRAM市場比重仍在個位數，滲透率存在較大提升空間；TrendForce預測到2026年HBM出貨量將超過300億Gb。DRAM產能供給緊缺趨勢不變，SK海力士等龍頭廠商加速擴產。從供給端看，HBM供應仍然緊缺，相應持續擠佔DRAM產能，25Q2~Q3 DRAM廠商現貨報價加速攀升；部分美國與國內廠商已經開始和晶圓廠簽訂2-3年的長期合同進行鎖價。根據Trendforce援引The Bell報導，SK海力士計畫通過清州DRAM工廠M15X和利川M16的擴產，在26H2將其DRAM晶圓產量提高到60萬片/月，和三星的DRAM晶圓產能處於同一水平。具體來看，M15X在投產初期將保持在10000片/月的DRAM晶圓，到26Q4將爬坡至5萬片/月。HBM迭代周期隨之顯著縮短。2025年下半年，輝達量產的GB300搭載的是12層24GB的HBM3e，2026年輝達將發佈的Rubin系列和AMD將發佈的MI400系列均將搭載HBM4/4e。其中輝達計畫在26Q1完成HBM4的最終資格測試。從更新周期來看，JEDEC於2025年4月正式發佈了JESD 270-4高頻寬儲存器(HBM4)標準，（介面寬度從HBM3/HBM3e的1024位翻倍至2048位；堆疊通道數從16個增加到32個，支援24Gb或32Gb晶片的4到16層堆疊配置），較HBM3規範發佈約三年，計畫落地時間較HBM3落地時點亦在三年左右。根據EETimes的預測，HBM的迭代周期從前期的每四年一代提高並穩定到每兩年到兩年半一代。全球龍頭儲存廠商競逐HBM4，SK海力士仍居領先地位，三星美光加速追趕。根據Trendforce預測，2025年SK海力士將以59%的HBM出貨量保持行業領先地位，而三星和美光將各佔20%左右份額。從時點上看，SK海力士於2025年3月交付了全球首批12層HBM4樣品、6月小批次出貨，計畫10月快速進入量產；美光也在25Q2向主要客戶交付了HBM4樣品、計畫2026年進入量產；三星的HBM4樣品25Q2交付給輝達，當前進入最終的預生產（PP）階段。從技術上看，SK海力士的HBM4擁有2048個I/O終端，頻寬翻倍，引腳速度在10 Gbps以上。美光目前交付HBM4樣品超過2.8 TBps頻寬和超過11 Gbps引腳速度，計畫在2027年同時推出標準版和定製版的HBM4e。三星同樣計畫於2027年推出HBM4e產品，目標引腳速度超過13Gbps，目標最大吞吐量3.25TB/s，較當前HBM2.5e快約3倍。遠期看，輝達計畫自研Base Die，意在進一步提高傳輸速率。除傳統晶圓廠外，為了進一步提高傳輸速率，AI算力晶片廠商也開始協同進行HBM設計。2025年8月，輝達宣佈計畫自研HBM記憶體Base Die，採用3nm工藝，預計於2027年下半年開始小規模試產。輝達此次自研HBM記憶體Base Die的計畫，旨在最佳化AI晶片的記憶體頻寬與能效匹配度；未來輝達的HBM記憶體有望採用記憶體原廠DRAM Die與輝達Base Die的組合模式，標誌著其在高性能計算儲存架構領域的垂直整合進一步深化。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。11 端側：巨頭加碼終端側AI算力，應用落地驅動產業發展混合AI有望成趨勢，端側AI價值顯現雲邊協同的混合式AI架構對AI的規模化擴展起到重要作用。根據高通《混合AI是AI的未來》白皮書，隨著生成式AI正以前所未有的速度發展以及計算需求的日益增長，AI處理必須分佈在雲端和終端進行，才能實現AI的規模化擴展並行揮其最大潛能。與僅在雲端進行處理不同，混合AI架構可以根據模型和查詢需求的複雜度等因素，在雲端和邊緣終端之間分配並協調AI工作負載。雲端和邊緣終端如智慧型手機、汽車、個人電腦和物聯網終端協同工作，能夠實現更強大、更高效且高度最佳化的AI。端側AI具有成本、能耗、可靠性、隱私、安全和個性化優勢。成本優勢：AI推理的規模遠高於AI訓練。模型的推理成本將隨著日活使用者數量及其使用頻率的增加而增加。在雲端進行推理的成本極高，這將導致規模化擴展難以持續。將一些運算負載從雲端轉移到邊緣終端，可以減輕雲基礎設施的壓力並減少開支。能耗優勢：邊緣終端能夠以很低的能耗運行生成式AI模型，尤其是將處理和資料傳輸相結合時。可靠性、性能和時延：當生成式AI查詢對於雲的需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況。向邊緣終端轉移計算負載可防止這一現象發生。隱私、安全和個性化：由於資料處理完全在本地進行，終端側AI有助於保護個人資訊，以及企業和工作場所中的機密資訊。以本地和雲端分別運行AI大模型製作行程安排為例，本地AI大模型通過長期學習使用者行為，並利用本地儲存的資訊，可以給出更貼合使用者生活習慣、更準確的建議。相較之下，如果雲端模型需要訪問使用者本地儲存的檔案、瀏覽記錄等資訊再給出個性化的建議，使用者通常較難接受。邊緣側已具備運行AI的實踐基礎，未來將支援多樣化的生成式AI模型。在生成式AI出現之前，AI處理已在終端側獲得應用，越來越多的AI推理工作負載在手機、PC等邊緣終端上運行。自2017年華為麒麟 970 首度在手機 SoC中引入了 NPU（用於拍攝和圖像識別）之後，高通與聯發科也先後在2018年的驍龍855和2019年的天璣1000中整合了NPU/APU模組；目前NPU已逐漸成為手機SoC中常備整合的模組，且用途從最初的協同ISP進行圖像處理發展為目前端側模型的主要支撐者，重要性與日俱增。在2024年發佈的驍龍8e和天璣9400上，分別整合了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用於AI處理，NPU模組佔SoC投影面積比例顯著提升。除此之外，OPPO還曾在2021年12月舉辦的OPPO INNO DAY上發佈了首款外掛式NPU MariSilicon X(採用TSMC 6nm製程)，儘管只是用於圖像處理，但仍讓我們看到了未來NPU在端側獨立部署的另一種可能。終端裝置有望在AI的催化下迎來新一輪創新周期。生成式AI正在驅動新一輪內容生成、搜尋和生產力相關用例的發展，覆蓋包括智慧型手機、PC、汽車、XR以及物聯網等終端品類，提供全新的增強使用者體驗。以PC為例，AI大模型已能夠有效地處理文件撰寫和簡報製作等任務，完美契合PC作為生產力工具的定位。此外，在以終端為中心的混合AI架構中，多數任務能夠在PC本地運行，既保護隱私，又能及時響應。新興的發展趨勢有望帶動新一輪的產品創新周期，全球科技巨頭正加速投入。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。12 AI模型加速迭代，算力飛輪與軟體生態有望共振（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。國內外大模型加速迭代，差距進一步縮窄2024年以來，國內外模型均加速迭代。其中海外各家大廠模型能力側重有所不同，OpenAI通過GPT-5統一了O系列和數字系列模型，並聚焦幻覺率下降以適配使用者落地需求；Anthropic的Claude圍繞程式設計能力不斷最佳化，Sonnet 4已支援百萬token上下文；xAI基於20萬GPU叢集開發的Grok 4引入了多個智能體共同思考的模式，其RL投入的算力已超過Pre-Training算力；Google Gemini和Veo模型則分別對應Chrome和YouTube產品生態。國內由阿里主導開源生態，圍繞“全尺寸”“全模態”“多場景”推出各種模型；初創廠商中DeepSeek及MiniMax亦入局爭奪開源第一寶座，DeepSeek-R1、MiniMax-M2模型均以較低成本實現較高性能。隨著國內外模型進一步迭代，預計國內開源陣營頭部模型能力與海外大廠閉源模型差距將進一步縮窄，並通過成本最佳化為AI應用打開空間。國內廠商不斷最佳化模型架構，競相爭奪開源第一國內前沿模型與海外差距縮短，多方角逐開源陣營領先地位。橫向對比各廠商大模型能力，儘管以OpenAI為代表的海外廠商持續引領技術優勢，但國內前沿模型能力同樣始終位列全球第一梯隊，且較海外頭部廠商的差距已由最初的6個月以上縮短到目前的約3個月。就廠商而言，阿里作為國內唯一踐行全面開源戰略的網際網路大廠，持續引領國內開源模型風向；但也不乏DeepSeek、MiniMax等初創廠商在開源領域嶄露頭角。加單不斷，全球資本開支援續上行當前國內外資本開支向上的趨勢基本一致，但近期海外以OpenAI和Oracle主導的算力大單進一步加速了開支上行節奏。其中，OpenAI通過和AMD、輝達、博通、CoreWeave等合作，向著2033年達到250GW資料中心的目標不斷推進；Oracle則堅定向GPU雲轉型，以超過經營性現金流的投入體量加速部署AI資料中心。OpenAI多樣化的算力融資方式，以及Oracle需要舉債的資本開支投入方式，有望促進海外傳統雲和科技廠商，以及國內的大廠進一步上修資本開支預期。國內B端AI商業化初顯國內B端企業AI商業化初顯，Pre-AI環節需求旺盛，降本增效的垂直場景推進較快。當前國內AI應用正處於加速滲透階段，政策層面，中央密集出台一系列政策檔案，提出“適度超前建設數字基礎設施”並 印發《關於深入實施“人工智慧+”行動的意見》，提出到2027年智能體滲透率達到70%。技術突破方面，國產大模型DeepSeek V3.1版本發佈，程式設計能力提升以及更長上下文窗口支援有望推動智能體在更多複雜場景的落地，助力企業數位化、智能化建設，提升企業管理效率。從當前2B企業已公告AI相關訂單或收入的情況看，儘管訂單或收入絕對值不高，但AI已經開始逐步體現商業化價值。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。 (中信建投證券研究)

影視產業的重生時刻：AI為矛，IP為盾。1月13日上午，中國電視劇製作產業大會開幕式在深圳舉行。易凱資本有限公司創始合夥人王冉在開幕式上做了主旨發言。為了準備這次發言，王冉在春節期間完成了這篇三萬字長文，詳細討論了AI對影視產業及其從業者的影響。全文涉及18個核心問題，他在現場發言中只講了第一個帶有總攬性的問題。以下是包括現場發言部分的文章全文。很高興再次回到這個產業大會，謝謝主辦方的邀請。去年站在這裡我的演講題目是“短劇不是影視行業的未來，系列IP和AI才是”。一年過去了，我發現那句話還沒有說完。今天要講的其實是那句話的後半句。在準備這篇演講的過程中，我是有一個心路歷程的。我一直在思考一個問題，那就是影視產業裡有那些東西是AI真正無法替代的？一開始我想出了很多答案，這些可能大家也都想到了，譬如人性、想像力、高級的審美以及細膩的表演。但想得越多，我越不確定。我現在越來越覺得，假以時日，所有這些都可以被AI擁有和製造。最近幾個月接連發生了幾件事情：先是Nano Banana和Seedance的發佈讓行業陷入了群體狂歡，也引發了深深的焦慮，甚至有業內領軍人士私下開玩笑說“咱們都洗洗睡吧”。然後是OpenClaw和Moltbook讓我們知道AI不僅可以幫助人類做很多事情，甚至可以獨立於人類做很多事情。最後是在春節前後，OpenAI、Anthropic、Google、阿里巴巴、DeepSeek等公司密集發佈了最新版本的模型，讓很多人再次感到震撼。有些業內人士甚至覺得AGI時代已經到來。這些變化讓我意識到一件事情。以AI今天進步和迭代的速度，它已經不再是行業提升效率的助推器，而是剷平舊產業結構和秩序的推土機。它改變的表面看是效率與視效品質，往深了看其實是整個產業的根基與生長方向。如果這個趨勢繼續下去，那些我們今天引以為傲的獨特能力，那些我們自認為堅不可摧的護城河，都將灰飛煙滅。或許最終人類不會被AI替代的只剩下三樣東西。一個是真實的、活人之間的愛恨情仇。但這多少有點邏輯上的同義反覆，好比在說唯一不能替代減脂餐的是增脂餐。一個是部分需要身體參與的物理勞動，但這裡面很大一部分最終也會被AI以及AI驅動的機器人替代。最後一個就是基於真實社會角色的責任承擔以及與責任相關的那部分信任，這在目前看來反而是最有可能經久不衰的人類抵禦AI的最後一道防線。而可以跨越時間的系列化影視IP正是容納和生長這份責任與信任的最好的容器。我現在想請各位看一看坐在自己身邊的人。我冒昧地在這裡給出一個預測，5年後我們再回到這個大會現場，在你旁邊的三位嘉賓中，至少有一位、甚至兩位都不會再承擔今天的角色，甚至不會繼續待在這個行業裡（當然這不一定是壞事）。這將是AI帶給這個行業、也是帶給這個會場最直接的衝擊與改變。但與此同時，對今天在座的所有人來說，這也是一個人生等級的歷史機遇。僅在過去三年，僅中美兩個國家，就大約有2-3兆美元被投向了AI，其中僅2025一年就超過了兆美元。歷史上沒有任何一波科技浪潮如此密集地吸引過全球資本，而影視產業一定是最有機會從這波AI浪潮中獲益的產業之一。今天，中國影視娛樂市場總規模在300-400億美元，其中40-50%為直接製作成本，也就是120-200億美元用於直接製作。如果未來AI 帶來的降本幅度可以達到40%，對應每年50-80億美元（360-560億元人民幣）的價值釋放。假設這部分降本並非完全通過價格戰被平台端消化，有一半沉澱在產業鏈裡並轉化為利潤，對應20-25倍市盈率，大致會為中國影視產業釋放3600-7000億元的增值空間，取中間值5300億，相當於10個光線傳媒，差不多50個愛奇藝。這還只是存量的部分。所以，機會就和那首曾經廣為流傳的小詩一樣，你見或者不見，就在那裡。下面是我為這次演講準備的18個問題。AI正在給影視內容產業帶來那些重構？AI時代影視內容產業最重要的資產是什麼？所謂創作平權是真平權還是假平權？那些題材會最先被AI蠶食？未來那些工作會被替代，那些會變得更有價值，多少人會被迫轉行？演員生態將如何被重塑？AI時代的影視公司會是什麼樣子的？影視內容產業傳統上有兩大護城河——全球發行網路和大成本集團作戰的專業創作能力。網際網路填平了第一個，生成式AI會填平第二個嗎？AI浪潮下什麼樣的影視公司值得資本長期關注？平台與內容公司之間的博弈會如何演進？AI時代會出現新的影視內容分發平台嗎？智能體會把視訊網站降格為“視訊內容倉庫”嗎？區塊鏈會成為AI時代影視內容的一個重要分發管道嗎？當下很熱的AI漫會成為一個超級大市場嗎？我們距離純AI生成或者主要由AI生成的高品質大劇和大電影還有多遠？未來AI生成內容、AI人物和AI明星會佔據影視行業的半壁江山嗎？長期看，AI會讓內容“更好”還是“更便宜”？AI有可能拓展中國影視題材的空間嗎？AI正在給影視內容產業帶來那些重構？過去三年，全球AI的發展速度超出了所有人的想像。底層大模型密集發佈。從2022年11月OpenAI發佈GPT-3.5到今天，中美兩個AI大國已經發佈了近60個底層大模型。如果把這些大模型的所有版本加在一起，版本總數量超過300個，進入2026年更是幾乎每周都有新版本發佈。全球Token消耗量從23年四季度的日均5兆增長到25年四季度的日均550兆，兩年複合增長率接近1,200%。2023-25年僅中美兩國的產業方和風險投資投向AI的總投資額就接近1.3兆美元，三年複合增長率超過70%。亞馬遜、微軟、Google、Meta四大雲服務廠商2025年與AI資料中心相關的基礎設施投入超過3000億美元，兩年複合增長率超過70%；輝達2025年資料中心業務收入接近2000億美元，兩年複合增長率接近105%。底層大模型的進步和算力的提升為影視製作的完全AI化提供了可能。今天的AI工具已經貫穿了影視內容製作從劇本到前期、再到拍攝和後期的全流程，並且正在以驚人的速度迭代和進化，可以說是字面意思的“日新月異”了。圖表1：影視製作各階段可採用的部分AI工具這是今天討論的第一個大背景。AI演算法和算力的飛速發展下AI工具變得越來越可用了。在這種情況下，我，作為名人類創作者，會不會被替代？我的工作還在嗎？這是我們今天很多影視行業人士、包括在座的一些朋友近期陷入的第一重焦慮。麥肯錫在近期發表的一篇題為《AI對影視製作和產業未來意味著什麼》的報告裡，梳理了20世紀初以來美國發生的10次與影視行業相關的技術變革。圖表2：美國歷史上發生10次與影視行業相關的技術革命報告發現，過往的歷次技術變革都會創造出新的內容形態，也會導致產業鏈價值的重新分配，最大的受益者是那些適應新技術浪潮的發行方和管道方，其次是內容產業巨頭和消費者。AI是人類發展史上第一次在技術上普惠個體創作者的技術變革，也有可能是第一次對發行方和管道方帶來長期威脅大於收益的技術變革。在這個背景下，我原來的市場還在嗎？這是行業以及在座很多朋友正在陷入的第二重焦慮。今天我們必須面對的現實是，AI正在以摧枯拉朽之勢徹底改變影視娛樂產業的結構和模樣。這種改變不亞於網際網路之於媒體產業、電商之於零售產業、電動車之於汽車產業。目之所及，AI正在給影視產業帶來具有根本性和長期性的四大底層重構：生產要素和成本結構重構內容形態和內容生態重構產業鏈權力和價值分配體系重構制度、規則與認知重構這些重構發生之後，我的位置還在嗎？這是行業以及在座很多朋友正在陷入的第三重焦慮。這三重焦慮也是我們今天討論這些話題的另一個大背景。今天所有的重構和變化雖然看起來令人眼花繚亂，但其實只是冰山一角，充其量算是產業變革正片的預告片。根據前面提到的這份麥肯錫報告，接受採訪的20位美國影視製作行業的高管普遍認為今天AI對於既有工作流的效率提升大概在5-10%左右，並且主要集中在前期籌備階段。我最近也詢問了一些國內大型影視公司的掌門人。他們普遍反饋目前AI給他們帶來的效率提升大致在15-25%之間，新一年希望可以進一步提高到30-40%。這只是開始。未來五到十年，這四大重構將引發一系列令人感嘆時代的變化。這些變化將不僅僅是生產工具的改變和生產效率的提升，整個行業的工作流、製作周期、成本結構、人力需求、人類承擔的角色、產業價值來源以及產業鏈價值分佈也會發生深刻的變革。這些變革將導致--總體影視視訊內容供給量會發生指數級增長，但有效注意力、尤其是沉浸式觀看的有效注意力反而會進一步集中。AI將把內容產業分割成兩個截然不同的世界：一邊是高度平民化，一邊是高度精英化；一邊是無比高效的平庸內容製造工廠7x24生成海量平庸內容消耗大量碎片化時間和即時注意力，一邊是真正具有系列化和延展可能的IP和IP宇宙佔據產業高地，攫取大部分沉浸式體驗的注意力和商業價值。AI會成為少數內容精品化和IP化的升級工具；但在更多作品上它同時也是內容平庸化的加速器。所有今天看似AI無法替代的人類能力（包括高級的審美和細膩的情感表達）最終AI都可以比肩甚至超越人類，幾乎所有的技術能力都會被AI降格為大路貨商品。AI真正無法替代的不是人類的能力，而是人類的責任承擔以及留給人類創作者的那部分信任。這正是IP的核心價值所在，IP是容納和生長這份責任與信任的最好的容器。只有擁有清晰世界觀、可以跨越時間和持續擴展的系列化影視IP和頭部創作者IP才可以在AI時代屹立不倒並持續增值，IP和IP世界的正典權力將成為這個時代最具戰略價值的稀缺性資產。如果AI是矛，IP以及IP的正典權力就是盾。未來的競爭，不是戲與戲的競爭，而是IP宇宙與IP宇宙的競爭。即便未來最偉大的IP是由AI自主生成的，它的正典權力也必須握在人類手中，因為IP不僅是故事與人物，更是信任與責任。AI不會讓影視行業更公平，甚至不會讓創作更平權，只會讓技術能力更便宜、更普惠，讓行業權力和影響力更加集中。產業鏈權力和市場價值將進一步向擁有長效系列化IP的平台和少數內容公司聚攏。內容生產者面臨三個終極歸宿：努力做成可以持續輸出頭部IP的“塔尖中塔尖”；如果做不成，至少在某個細分賽道做成小而穩的“微頭部”；同時全力避免淪為沒有識別度、可有可無的“工具人”。影視行業的工作崗位將至少消失三分之一，甚至可能達到二分之一。前期和後期階段是當下被AI蠶食的重災區，很快也會波及到製作和宣發階段。不會被AI替代的是那些有能力喚醒創意、建構IP、行使判斷、獲取信任、承擔責任和理解AI能力邊界的人。隨著AI真人大量佔據影視作品，對真人演員的需求整體上會大幅縮減，其中頭部演員的單項目工作時長和收入模式會發生結構性改變，前端固定收費將會明顯下降；中腰部演員會被大面積擠壓和替代；群演和替身行業基本消失；新人入行路徑會發生顯著變化。未來的影視創作的主流形態會是10人左右的小型創作單元。大型影視公司大機率會演化為“多個 10人左右的創作單元+IP治理和營運母體平台”的組織形態，它們的核心定位將不再是“創作工廠”，而是“IP正典治理者+資本配置者+風險管理者”。影視內容產業傳統上有兩大護城河--全球發行網路和大成本集團作戰的專業創作能力。網際網路填平了第一個，生成式AI會填平第二個。但大公司的護城河不會消失，只是遷移到了別的地方。這個時候大公司真正的護城河不再是生產環節中強大的資源調配能力和執行效率，而是圍繞IP的甄別、創造、維護和價值開發體系。平台最核心的訴求只有一個，那就是穩定、成本可控、可替代的優質內容的持續供給，尤其是具有長期價值的優質系列IP內容的獨家供給。內容方面對平台擠壓最有效的策略就是手握高價值IP叢集，同時儘可能做到平台多棲，甚至通過智能體直達受眾。AI不會殺死人類的創作，人創和AI創將長期共存；但是AI智能體卻有可能殺死平台，至少有可能把平台降為只負責內容儲存和播放的內容倉庫。平台要想逆轉被AI智能體降格為內容倉庫的命運，只能通過支援和參與內容產業的長效IP建設。這意味著加大而不是減少IP內容投入，意味著提升而不是降低內容方的分帳比例，意味著持續扶持和賦能更多的高品質原創IP而不是靠AI工具、演算法和流量優勢製造並提供海量的碎片化爽感和內容垃圾。區塊鏈不會成為 AI 時代影視內容的主流分發管道，但會成為一個非常重要的分發與確權基礎設施。在中國，狹義AI漫要想發展成為一個超過500億元、可以與電影比肩的超級大市場，需要寄希望於三個方向上的突破：一個是AI真人劇大面積替代真人短劇；一個是狹義AI漫向傳統大IP動漫成功延展；一個是形成更多AI真人與真人深度融合的內容形態。否則它很有可能會重蹈短劇的覆轍。真正值得關注的AI所催生的新內容形態包括使用者通過投票機制決定走向的內容，基於IP和IP人物具有強互動屬性的個性化內容，以及前面提到的AI真人與真人高度融合的影視內容。純由AI生成或者主要由AI生成的故事、場景、人物和演員會佔據娛樂產業的半壁江山，其中甚至有可能會出現超級IP和超級巨星。伴隨著這一變化，影視製作行業需要從“內容成品思維”轉向“IP資產思維”，AI生成的故事、場景、宇宙觀、人物、演員、道具和服裝都會成為重要的核心IP資產。僅有極少數頭部創作者可能被信任去創作純人類演員參演和全實景拍攝的作品，“純人類出演”和“全實景拍攝”有可能成為影視內容的“愛馬仕”標籤。短期看，AI在讓內容變得“視效更好”方面的作用會大於讓內容“更便宜”。中長期看，AI讓內容“更便宜”的作用會大於讓內容“視效更好”。但無論是更好的視效還是更便宜的成本，都不能自動轉化為“本質更好”的作品。當下中國影視內容產業發展最為重要的三個抓手分別是：1，沉心打造可以跨越時間的系列化IP；2，全心擁抱AI技術浪潮；3，耐心堅定地推動題材空間的拓寬。在AI時代，所有個體創作者都需要思考如何成為“IP創造者+AI駕馭者”；所有內容公司需要思考如何從項目思維轉向IP資產思維；所有平台要思考如何通過參與IP共建避免淪為內容倉庫。AI可以提效降本，但是AI解決不了題材空間的問題，它只會在安全邊界內最佳化和復刻，但不會嘗試擴展邊界。而題材空間的問題，恰恰是當下中國影視產業面臨的核心困境。走出這個困境只能依賴人類創作者堅持不懈的探索和努力。AI時代影視內容產業 最重要的資產是什麼？一部作品如果只成功一次，它就只是一個成功的項目。只有當它可以持續延展，它所創造的人物可以和受眾長期相伴，它所描繪的世界可以被反覆進入，它才是IP，也才成為具有長期價值的資產。我去年在這個大會上提出，短劇不是劇集產業的未來，AI和IP才是。我今天還是這個觀點，並且更加堅定。所有今天看似AI無法替代的人類能力（包括想像力和審美）最終AI都有可能比肩甚至超越人類，幾乎所有的技術能力都會被AI降格為大路貨的商品。AI真正無法替代的不是能力，而是人類必須承擔的責任以及留給人類創作者的那部分信任。這正是IP的核心價值所在，IP是容納和生長這份責任與信任的最好的容器。也因此，我始終認為，影視內容產業最重要、最安全、也最有價值的資產就是那些具有長效性和延展性的系列化影視內容IP和創作者IP，以及與這些IP相關的正典權力（Canon Authority）。AI時代只會進一步凸顯和強化IP及其正典權力的長期價值。對影視產業來說，如果AI是矛，那麼IP就是盾。因為IP承載的不僅僅是故事、情節與人物，更是責任與信任。總有一些責任只能由人類承擔，也總有一部分人類會因為承擔了這些責任而被其他人類所信任。AI創造的內容越多，畫面精美、大同小異的平庸內容和垃圾內容也必然越多。在AI的演算法洪流中，被計算出來的內容會像塵埃一樣廉價。只有長效IP會成為中國影視產業的耐消品和奢侈品，其它都是快消品，很多甚至連快消品都算不上，它們只是廉價的塵埃。即便未來某一天某個偉大的IP是由AI生成的，它的正典權力也必須握在人類手中，因為只有人類才可以承擔守護和發展IP的責任。（當然，也許人類和AI進化到某一天，人類同樣可以默認甚至鼓勵AI擔責。但那一天還比較遙遠。）一個好的內容IP至少包括四個方面的核心：可識別性，可擴展性、可持續性和可信任性。圍繞這四個核心，好的內容IP應該同時滿足以下三個基本條件：有鮮明的、可以自洽和擴展的IP宇宙和世界觀；能不斷生成符合底層邏輯和受眾期待的新故事；核心角色具有人物弧線和情感粘性，讓人願意反覆回到他們的世界。只有能夠同時滿足上面這三個條件的作品IP，才有可能通過系列化開發和衍生價值營運形成可以不斷增值的長期資產。未來的競爭，不是戲與戲的競爭，而是IP宇宙與IP宇宙的競爭。我們可以把所有帶有IP屬性的內容分為四個等級：第一級：正典級IP。指的是那些擁有獨特世界觀和不可替代的核心人物，可以無限延展並長期續拍的IP內容，這也是最稀缺、最具長期價值和最抗AI擊打的一類IP。它們的生命周期可能長達30-50年。經典案例：星球大戰、海賊王、指環王、哈利波特、辛普森一家、法律與秩序、權力的遊戲、 007、碟中諜、周六夜現場、那吒等。這類IP因為它們家喻戶曉，往往最容易被個體創作者試圖通過AI延展或改寫，因此擁有它們的正典權力並利用這個權力維護IP宇宙的核心價值與利益就變得異常重要。第二級：穩定信任型IP。指的是那些風格和品位穩定、擁有核心粉絲群並深受他們信任的IP。它們的生命周期雖然沒有正典級IP長，但往往也可以存續10-20年。經典案例：慾望都市、老友記、國土安全、白蓮花度假村、唐人街探案、熊出沒、唐朝詭事錄等。第三級：流量型IP。這類IP往往播出資料很好，但替代性較強，AI可以快速複製80% 相似度。它們的生命周期通常不會超過5-10年，很多甚至不會超過3-5年。第四級：偽IP。這類IP通常只有版權，沒有可持續的使用者信任；只有熱度，沒有太大延展的空間。它們本質上就是成功的一次性內容。它們的生命周期往往就是作品的播出期。今天的AI尚未被證明有能力生成正典級IP和穩定信任型IP。截止到目前，AI擅長的還是復刻而不是原創世界，是提升均值而不是創造極致，是即時滿足而不是長線發展。AI可以十分鐘內生成100個“霸道總裁愛上我”，但它還不太可能生成一部像《哈利波特》、《海賊王》或者《權力的遊戲》那樣的傳世作品。與IP資產相關的一個非常重要的概念是正典權力。IP的正典權力，本質上指的是與IP相關的最終解釋權、裁定權、延展權和收益權。正典權力的持有者對一個IP世界中什麼是真的什麼是假的、什麼算官方什麼算衍生、什麼可以被授權什麼不可以等核心事項擁有最終裁定權。它是一個比版權層級更高的權力，擁有正典權力往往意味著擁有與正典權力相關的各項商業權利。IP的正典權力通常包括四個維度：（1）敘事裁定權世界觀的基本設定是否成立某個角色是否真實存在某一段劇情是否被納入主線歷史某個結局是否被官方承認（2）世界觀邊界權世界的規則是否被修改新角色、新設定是否被允許加入衍生作品是否越界AI 生成內容是否被視為官方宇宙的一部分（3）對外合作權誰可以使用這個 IP以及可以使用到什麼程度是否獨家是否可轉授權是否允許 AI 訓練、二創、風格模仿（4）正統收益定義權那些內容算正典內容那些內容能參與長期收益分配那些衍生作品算“官方正品”，那些只是“外圍消費品”IP的正典權力之所以重要，是因為如果沒有這些正典權力，任何人都可以利用AI隨意篡改和衍生大量基於IP的未經授權的內容，從而稀釋甚至破壞原有IP的價值。在AI可以隨意幻化出無數個哈利波特分身的未來，只有J.K.羅琳和華納兄弟可以決定那個分身才是這個IP宇宙的一部分。即便一萬個使用者可以借助AI畫出一萬個那吒，只有餃子導演和光線才能定義那一個是可以被全民看到的那吒。因此作為內容方，面對AI蠶食的最好防禦就是手握具有長期價值的系列化影視IP以及與它們相關的正典權力。在內容IP之外，還有另外一類IP可以在AI圍剿中站穩一席之地，那就是創作者IP。創作者IP的核心是創作者個人所代表的價值觀、審美、創作能力、粉絲影響力和責任擔當。像好萊塢的斯皮爾伯格、諾蘭、卡梅隆、伍迪艾倫、科恩兄弟、湯姆克魯斯、珍妮佛勞倫斯以及中國的張藝謀、陳思誠、餃子、郭帆、郭靖宇、韓寒、周星馳、沈騰等，都是非常傑出的創作者IP代表。AI之所以無法撼動創作者個人IP，在於AI雖然可以復刻很多優秀作品和創作者的基因，但它今天還缺乏獨立的價值觀和判斷力，缺乏獨特的個人故事和歷史成長軌跡，缺乏高粘合度的粉絲群體，更缺乏發展和守護IP的責任承擔能力。AI可以學到諾蘭的非線性敘事，但學不到諾蘭對實拍和膠片的偏執。AI可以復刻周星馳的無厘頭節奏，但復刻不了他骨子裡的底層悲憫。創作者IP的本質，是人類的“不可理喻”和“意料之外的偏執”。所謂創作平權是真平權還是假平權？AI 會帶來創作能力的平權，但同時也會加速創作價值的寡頭化。創作的技術門檻會下降（平權），但真正值錢的創作者會變得更少（集中）。這是技術民主化的一個冰冷真相和必然結果。創作會被平權比較容易理解。隨著Nano Banana和Seedance 2.0的發佈，AI影視製作幾乎一夜之間從一個行業話題變成了全民話題。AI 工具覆蓋了從創意生成、劇本結構、人物與世界觀設計，到視覺風格、視訊生成、剪輯、音樂配置乃至受眾定位與分發測試的完整創作鏈條。日新月異的AI工具可以讓普通創作者在AI輔助下形成更成熟的想法和劇本，設計更複雜的角色和場景，生成更高完成度的視訊素材和更絲滑的剪輯。在某種程度上說，AI在給行業裡的每個人、每個團隊插上了想像翅膀的同時，也在把很大一部分“才華”工業化。過去需要數百人團隊、耗時兩年的視覺奇觀，現在可能只需一個富有想像力的創作者個人加上幾組精準的 Prompt。於是，個體可以完成過去只有團隊才能完成的工作，小團隊可以完成過去只有大團隊才能完成的工作。決定是否具備創作能力的不再是人力規模、專業分工或資本投入，而是創作者的想像力、判斷力以及對 AI 工具的調度能力。與此同時，創作者可以用極低的成本快速生成樣品，投入市場試錯試對，並據此決定是否修改、迭代和繼續投入。影視創作不再需要依賴大資本或者審批部門才能有機會鋪出前10米的路，創作是否值得繼續的判斷被大幅前移了。在這一背景下，基於小眾審美、邊緣文化、地域經驗和個人表達的作品可以被持續、低成本地生產，進入創作池的人數將呈現指數級增長。創作不再是少數“專業創作者”的獨享領地。那為什麼產業鏈價值不會被平權呢？創作方面的技術能力被平權並不會帶來產業鏈價值的平均分配。恰恰相反，在AI時代，作品與創作者的價值將不可避免地進一步向頭部創作者聚攏。首先，注意力本身是一個硬約束，在 AI 時代只會更加稀缺。人類注意力的天花板就是總人口乘以每天 24 小時，這一上限無法突破。與此同時，AI使內容供給趨近於無限，導致能夠分配到單個影視作品或創作者身上的有效注意力急劇下降。在這樣的背景下，注意力不可能平均分配，只會向最值得信任、最容易被選擇的頭部創作者集中。其次，信任與品牌無法被平權。信任必須通過長期反覆的驗證才能建立，而品牌—無論是作品品牌還是創作者個人品牌—都具有天然的不可複製性。這些資產依賴時間、歷史與連續成功的積累，無法被AI快速生成和規模化複製。因此，當內容本身越來越容易被生產，真正稀缺的反而是那些已經被反覆選擇過的IP和IP宇宙。第三，商業風險的承擔同樣無法被平權。資本並不一定總會拒絕高風險的項目，但會永遠傾向於押注失敗機率最低的人和團隊。在內容供給高度過剩的環境中，資金會更加集中流向那些已經證明過自己、能夠降低不確定性的內容IP與創作者 IP，而非尚未被驗證過的新內容和新面孔。此外，在供給過剩的時代，平台演算法也會系統性地偏好“穩定勝者”。演算法天然厭惡不可預測性，更傾向於推薦歷史表現良好、轉化率穩定、回報可預期的內容與創作者。只有極少數擁有持續成績和穩定受眾信任的個人和團隊才能被演算法識別為“高機率成功事件”。在這種以歷史資料為基礎的反饋機制中，頭部創作者獲得的平台資源會被不斷放大，形成自我加強的正循環。在上述多重機制疊加下，AI 時代的創作者結構將呈現出高度極端化的形態：參與創作的人數大幅上升（入口極度平權）腰部創作者平均收入持續下滑（受損的中腰部）頭部創作者影響力和收入指數級上升（價值聚攏）結果是人人都能創作，但只有極少數人能持續賺到大錢。AI會普惠生產能力，但不會普惠消費者信任與注意力。AI平權打開的是入口，被集中創富的是擁有IP的行業頭部，被結構性擠壓的是創作群體的中間水位。這構成了AI時代內容產業的另一種啞鈴結構，只不過啞鈴的兩端不是對等的，一端是人數，另一端是價值。這種“工具越平權，結果越集中”的現象，在歷史上曾經反覆出現：印刷術並沒有讓每個人都成為作家，卻催生了出版巨頭。錄音技術並沒有讓每個人都成為歌手，卻造就了天皇巨星；YouTube 和 TikTok 並沒有讓每個人都成為網紅，卻培養出一批超級創作者。AI時代的內容產業，只是在更短的時間尺度上重演了同樣的規律。這樣的寡頭化價值聚攏趨勢其實與當今世界價值分佈的整體走向是高度一致的。以美國市值最高的7大科技公司（“Mag 7”，包括Apple、Microsoft、Alphabet、Amazon、Meta、Nvidia 和 Tesla）為例，它們在過去5年裡，以當年最後一個交易日的收盤價計算，市值總額從2021年的12.1兆美元增長到了2025年的21.9兆美元，在美國股市的總市值佔比從22.8%增長到了31.6%。圖表3：過去5年Mag7市值總額及美國股市全市場市值佔比變化作為創作者，又應該如何應對這個“創作平權+價值集中”的時代呢？簡單來說，就是努力做“塔尖中塔尖”的頭部IP；如果做不成，至少做成“小而穩”的微頭部；同時全力避免淪為沒有識別度、可有可無的“工具人”。（1）高價值IP擁有者：塔尖中的塔尖他們是正典級或准正典級IP的持有者，或者已經成為這些正典級IP不可或缺的一部分。他們對IP擁有巨大的正典權力，只有他們才可以代表和定義這些IP的世界觀、風格、未來走向與延展方向。他們自身很可能就是具有獨特風格和高辨識度的創作者IP。他們往往擁有超大規模且高度忠誠的粉絲群體。他們是整個系統中最稀缺、因而也最具價值和權力的一群人，並且很難被AI替代。這些塔尖創作者的商業價值並不來自他們的單部作品，而是來自他們長期被使用者和受眾反覆選擇的信任關係。正因為這種信任不可規模化複製，這一層的收入與影響力會呈現指數級增長，並在平台、資本與演算法的共振下持續放大。他們是影視創作者中的“Mag 7”。（2）微頭部：小而穩（最現實的“創作者中產路徑”）這是多數創作者可以努力抵達、但最終只有少數創作者可以真正抵達的位置。這類創作者的特點是：他們是穩定信任型IP的持有者，或者已經成為這些IP不可或缺的一部分。他們在垂直領域內具有明確的影響力。他們粉絲規模不大，但結構穩定、粘性較高。他們有清晰的核心擅長。他們是可以算作行業頭部、但尚未走到塔尖的一批人。雖然相對於塔尖中的塔尖，這一批創作者的正典權力和不可替代性相對較弱，但因為存在一定差異化和使用者信任基礎，他們開始擁有有限但真實的議價權，在AI時代他們的收入可以做到穩中有升。此外，他們很可能是最善於接受AI賦能的一批創作者。他們是 AI 時代對多數創作者來說最具現實可達性的目標和方向。（3）工具人：低價可替換（絕大多數創作者的歸宿）這是數量最多、也是被結構性擠壓最嚴重的一類創作者。他們以執行型、命題型創作為主，手裡沒有具有長期價值的IP。他們不具備穩定、可識別的個人風格或世界觀。他們創作成果高度依賴工具、團隊與流程。他們極易被 AI 或更低成本的替代者所取代。他們是整個創作生態的腰部和塔基，人數眾多，未來在AI的衝擊下至少有一半需要轉行。在這一位置上，創作者幾乎沒有議價權，只能被動捲入低價競爭。隨著AI工具的能力不斷躍升，這一層的勞動供給將長期過剩，收入趨勢必然下行。對平台和資本而言，這類創作者更像是隨時可以替換的生產要素。在今天這個時代，所有追熱點、拼效率、炫技術、複製爽感和過度依賴一次性爆款的事情都會變得越來越沒有價值，因為熱點、效率、技術和爽感都屬於工具，工具會成為人人可用的基礎設施。但是信任不會，它只會隨著內容供給的增多變得越來越稀缺。因此真正有價值的事情是通過創造IP累積消費者信任，這才是創作者通往塔尖和品牌溢價唯一正途。那些題材會最先被AI蠶食？我們可以把所有影視題材拆解為四個核心維度：結構確定性：情節是否高度程式化、可預測；表演依賴度：作品是否主要依賴演員高強度表演完成；文化語境複雜度：是否高度依賴當下社會經驗、隱性共識與文化細節；世界觀連續性要求：是否需要長期、穩定、可擴展的世界建構。在這四個維度下，不同題材對 AI 的抗擠壓和抗滲透能力差異極大。圖表4A：最容易被AI淹沒的“題材窪地”圖表4B：開始被AI滲透的“第二波”圖表4C：AI 較難攻入的題材堡壘總體來說，結構越清晰、規則越明確、情節依賴度越強，表演依賴度越弱，越容易被 AI 所替代。可以讓人類創作者略感慶幸的是，今天的AI可以模仿結構，但很難捕捉和製造真實而具體的社會情緒；可以生成形象和動作，但還很難產生打動人心的表演；可以理解世界，但暫時還無法獨立建立一個可持續、可延展、可追隨的世界觀；可以模仿藝術家風格，但還不能孕育有血有肉、有靈魂有生命力的藝術家。因此，真正優秀的藝術家在當下不僅不會失業，反而有可能利用AI以更低的成本做出更好的作品。即使AI已經兵臨城下，他們永遠有更適合人類創作者的題材領域和藝術形式去嘗試和探索，永遠有機會在AI內容的廢墟上建造出屬於人類創作者的家園和城堡。未來那些工作會被AI替代，那些會變得更有價值，多少人會被迫轉行？層出不窮、持續進階的AI工具全方位地最佳化了影視製作工作流，替代了原來由人力承擔的大量工作，壓縮了完成時間，提升了視效品質，為行業帶來了前所未有的效率最佳化。但與此同時，AI也讓越來越多的崗位變得岌岌可危。總體來說，所有不參與核心創意決策，具有高度重複性、流程性、機械性和風險性的工作和工種，都會被AI結構性替代或大幅壓縮。未來三到五年，很多影視產業的工作和工種將會受到生存等級的挑戰。短期內，劇本和前期籌備以及後期製作這兩個階段將會是率先經歷AI衝擊與重構的重災區；中長期，影視內容製作的現場拍攝部分同樣會大幅縮減，拍攝周期普遍縮短。圖表5：影視創作各工種面臨的替代風險這裡做一個可能會略顯激進的判斷。未來5-10年，中國影視行業專業製作機構的工作崗位將消失至少30-50%。這種改變並不僅僅是因為AI替代了部分人力工作，更重要的是因為AI對產業結構的深刻重構。我們先來分階段匡算一下未來5-10年AI在各個影視製作環節對人力資源的衝擊與影響，同時與美國市場做一個粗略的比較。圖表6：影視製作各階段各工種工作崗位數量變化預測從上面的匡算可以看出：未來5-10年，AI會導致影視產業發生大規模的原有工作崗位縮減，在美國這個比例可能達到25-40%，在中國會更高，有可能達到30-50%。這些消失的崗位並不完全是被 AI 搶走的，而是結構性蒸發了。當一個人的創意能驅動過去一百人的產能時，消失的不僅是那九十九個崗位，還有支撐這些崗位的輔助和外包體系。短期內劇本和前期籌備階段以及後期製作階段是中美影視行業共同的“AI蠶食重災區”。 AI正從底層的素材整理、初稿生成、視覺特效，向中層的邏輯總和檢查碼分發測試全面合圍。中長期，影視內容製作的現場拍攝部分和整體拍攝周期都會大幅縮減，大規模的劇組、漫長的周期、昂貴的轉場將逐漸被高效率的 AI 協同拍攝取代。核心編劇、導演、演員的數量不會銳減，但整個行業從業者兩極化會更嚴重。有些技術工種會出現結構性塌陷，這些工種的入行梯子“學徒制”正在消失。相比之下，AI 最難替代的是那些可以承擔想像、建構、判斷、審美、社會責任和商業責任的能力，包括：高度一致、可長期擴展的IP世界建構能力（暫時）具有原創敘事結構、獨特審美品位、清晰人物弧線與內在邏輯的高品質劇本創作能力（暫時）高情緒密度且具有人格複雜性的表演能力（暫時）受眾與特定創作者形成的長期信任關係植根於真實社會經驗與文化語境的文化基因多目標衝突下的商業判斷與決策能力以及相關的責任承擔能力具體到工種，他們是：第一類：IP 建構者（“世界與世界觀締造者”）知名策劃人、編劇和主理人IP構架師世界觀和背景設計師長期敘事設計與規劃師第二類：以品味為核心的崗位 （“品位掌門人”）強風格化的導演創意高管總剪輯師選角導演音樂總監第三類：基於信任的崗位 （“信任收穫者”）具有穩定風格與人格標籤的知名導演具有長期粉絲關係和超強表演能力的明星和頭部演員具有豐富成功經驗、可為結果背書的大製片人第四類：懂AI的創作者（“未來新貴”）AI原生內容主理人和總編劇AI原生編劇和編輯AI原生導演深度理解AI的視覺設計師AI不會替代頂級的編劇、世界觀架構師、製片人、導演和演員，反而會放大他們的影響力與價值。AI 不會取代人類創作者，但會顯著減少高品質藝術創作所需的人數。AI不會讓正在幹活的技術人員忽然一夜消失，但會讓更多執行部門與外包公司可接的工作日漸枯竭。在AI時代不會被AI替代的將是那些有能力喚醒創意、建構IP、行使判斷、獲取信任、承擔責任和理解AI能力邊界的人。演員生態將如何被重塑？AI替代演員的能力和速度會超出我們的想像。假以時日，我們今天認為AI難以企及的人類優秀演員的表演能力和細膩程度，AI生成的“AI真人”都會做到，甚至比絕大多數人類演員更加精準和自然。那個時候核心的考驗可能不再是AI能不能做到，而是人類消費者是更願意接受完美的AI演員還是帶著瑕疵的人類真人演員。今天優秀的演員在處理複雜情感戲的時候往往會依賴自己的主觀感受和聯想。眼淚是掉下來還是含在眼裡，什麼時候掉，掉一邊還是兩邊，一滴還是一串，都憑演員在拍攝那一刻的主觀感受以及淚腺的狀態，因此才會出現演員拍同一場戲每一條的反應都不完全一樣的情況。但AI不是這樣。眼淚什麼時候掉、怎麼掉、掉多少才最能打動人，AI可以呼叫整個人類電影史的“高光時刻庫”，借鑑大量過往真人演員最為直戳人心的經典表演，通過精準計算做出當下最合理、自然和動人的選擇。更為重要的是，相對於唯讀過幾遍劇本、又往往不能按人物發展順拍的真人，AI 能記住甚至“腦補”出一個角色前世今生的每一個細節。它的每一次情緒收放，都不再是孤立的表演，而是基於人物性格和完整生命體驗的精準選擇。隨著AI真人大量佔據影視作品，對真人演員的需求整體上會大幅縮減，其中頭部演員的單項目工作時長和收入模式會發生結構性改變，中腰部演員會被大面積擠壓和替代，群演和替身行業基本消失，新人入行路徑會發生顯著變化。A．頭部演員的收入模式將發生結構性改變。頭部演員單項目所需的物理勞動時間會減少50-80%，導致單項目固定片酬銳減。他們不再是高強度體力勞動者，也不需要長期駐組，會逐漸轉變為重場戲的表演者和聲音與形象的授權方。在未來，他們將只需要參與情緒密度最高的近景、高濃度情感戲以及可以成為高光時刻的多人對手戲，剩下的基本就授權並配合聲音、形象與動作的資料採集。所有的遠景、動作戲、危險場面、過審修改和補拍都可以由AI生成的數字替身來完成。他們單項目身體消耗的下降以及可自由支配時間的增多也會使他們有條件承接更多的項目。他們的收入結構將從一次性高片酬變為“一次性首付（可能只是過往片酬的30-40%，主要覆蓋物理勞動）+形象和表演資料授權+後端項目分紅（涵蓋票房、平台會員點播和廣告、衍生品和衍生服務的收入或利潤分成）”。他們賣的不再是自己的時間，而是自己數位資產（形象、聲音、表演風格）的特許經營權。因為時間的壓縮，他們直接從現場表演中獲得的保底收入將會顯著下降，但同時分紅收益的天花板也會徹底打開。他們將與IP更緊密捆綁，成為項目和IP的表演合夥人並以這個身份長期參與IP的續季創作。他們需要押注和有機會分享的不再是單一項目的成功，而是IP資產的長期價值。因此對他們來說，項目選擇和運氣成分將會變得更加重要。B、中腰部演員將面臨系統性市場塌陷和結構性淘汰，群演和替身行業基本消失。中腰部演員和群演、替身將是演員行業的重災區。那些缺乏獨特風格、僅能完成功能性表演的中腰部演員將面臨數字人軍隊的正面截殺，將大面積被AI真人替代，可接的項目以及獲得的片酬將大幅縮減，超過一半的人將不得不轉行或半轉行。與此同時，群演和替身行業基本上會徹底消失。C、新人演員晉陞路徑發生根本性改變。能夠走通傳統晉陞路徑（“被發現/推薦→進組 → 被市場看見 → 升咖”）的新人演員將越來越少。更大的可能是他們需要自我養成，先有個人小作品才能被發現，先有基礎粉絲量才能被看見，先擁有個人IP才能成為某個成功影視IP的一部分。AI時代的影視內容公司會是什麼樣子的？AI正在把AI 時代的影視內容推向一種新的形態。它們不再是項目驅動的製作組織，而是以IP為底層資產、以少數核心創作者為主要引擎、以AI為基礎設施的“細胞化創作單元”。AI 時代影視創作單元具有以下幾個特徵：人數大幅減少：不再依賴上百人的長期製作團隊，而是由10人左右的核心創意與判斷者構成。AI成為核心基礎設施與人力資源替代：AI不再是工具，而是可被靈活調度和規模化使用的生產要素和基礎設施，替代了很大一部分傳統的人力資源。IP成為唯一長期資產：單個項目不再重要，真正被經營的是可系列化的IP以及持續擴展的IP宇宙。公司的核心目標不再是跑出一部單品爆款，而是跑出一個IP叢集和跑通一個可以持續創造IP和持續放大IP價值的營運體系。在AI的全面介入下，一個核心創作單元只需要10-15位核心成員，就可以同時推進多個 IP 創意並高頻試錯和快速迭代。AI時代一個典型的核心創作單元的結構大致如下：創意與世界觀層（4-5人）IP 總規劃/主理人/創意總監/世界觀與系列敘事總設計師（1–2 人）總導演（1人）總編劇（1人）內容節奏與“爽點”負責人（1人）AI 生產層（3-5人）AI導演/視訊生成負責人（1–2人）AI剪輯/合成負責人（1–2人）AI視覺設計負責人（1人）商業與反饋層（3-5人）平台關係/發行與合作（1人）資料分析/內容反饋與最佳化（1-2人）商業拓展/使用者與客戶營運（1-2人）在這樣的組織架構裡，人只做最需要創意以及需要判斷和取捨的事情，絕大部分執行交給AI和外包團隊。由於AI工具的出現和進步，他們可以基於自己的創意快速試錯，放大成功，修正錯誤，高頻迭代。在AI時代，10個世界觀高度一致、各自極強且高度互補的大腦，不僅可能、而且有更大機率可以生產出比過去兩三百人的規模化組織更高品質和更具長期價值的影視作品。這是因為當組織變大時，系統的首要目標會從追求創造極致轉向追求穩定性、可預測性、可複製性和風險最小化。在過往那些兩三百人的組織架構裡，真正有審美能力並且參與核心創作的人數可能不超過5%，其他人主要的功能是執行、對齊和緩衝。大量的時間、精力和系統都被用於內部的資訊流轉、審批和風控上。在新的結構裡，團隊規模的變化只是表面現象。真正的變化發生在流程和結構層面。在這個新結構裡，IP相關的關鍵決策是高度人格化和風格化的。世界觀、審美、走向和節奏由極少數核心大腦袋直接決定。AI將執行和試錯效率大幅度提升，創作速度與反饋密度成為決定性優勢。除了最核心的與IP及其正典權相關的部分，其它大量工作可以交給AI以及未來只會供給更加充分的外包團隊。在過往兩三百人的組織結構裡，項目初始階段的流程通常是：提案 → 評審 → 修改 → 再評審 →排期製作樣片，全程幾個月甚至更長。而在AI時代10人左右的創作單元裡，這個流程變為：想法 → 生成 → 看 → 推翻 → 重來，有可能當天完成多輪反饋。這種AI輔助下的強反饋機制讓小團隊在創意發起、方向試探和快速放大成功淘汰錯誤方面，反而比大公司具有更多的優勢。當然，未來影視公司的組織形態不會只有10人左右的創作單元，未來同樣會存在規模化的大型影視公司，它們將是多個單細胞創作單元的集合體，但這裡的“細胞化”並不是簡單地把今天的團隊拆小打散，而是一次組織運行底層邏輯的轉變。未來的大型影視公司極大機率會演化為“多個10人左右的細胞化創作單元+IP治理和營運母體平台”的組織形態。創作單元負責孵化和形成IP資產，母體平台負責IP資產的管理和營運、對外宣發、資金配置和全系統風險管控。在這樣一個組織架構裡，創作權被充分下放，IP正典權力被高度平台化營運。每一個10人左右的創作單元都是一個完整的IP創作主體，對一個或一組IP的世界觀、人物體系、敘事方向、風格一致性和長期延展負責。這些創作單元並不是一次性的項目組，而是長期存在的、以IP為核心的創作細胞，可以自我繁殖和生長。它們擁有高度的創作自由，但必須遵守平台的正典治理和營運規則。在這種結構下，大型影視公司的核心定位不再是“創作工廠”，而是“IP正典治理者+資本配置者+風險管理者”。它們的核心職能包括：（1）正典治理：防止IP被污染、濫用和盜用定義世界觀邊界；規定人物行為與性格的不可侵犯底線；確定IP 延展與衍生的規則；明確創作者進入的授權機制；明確衍生授權的基礎規則。（2）資本配置與風險管控：母公司變成內容投行判斷那些創作單元值得持續加碼和投入，那些需要減速和止損；判斷那些成熟創作單元可以對外融資、合資、甚至獨立分拆並負責推進實施；在多個創作單元集合的層面判斷公司面臨的市場與經營風險並推進實施相關的風險管控方案。（3）平台與管道關係：成為各創作單元統一的外部介面建立國內與全球發行網路；代表創作單元與院線/平台方進行談判；代表創作單元就IP在遊戲、衍生品、主題公園、消費品等方向的IP授權進行談判。（4）法務、合規與品牌背書：建設不可外包的中後台能力確保AI 合規與資料來源合規；負責保護和管理與IP相關的各項權利，在全球範圍負責反盜版相關事宜；確保公司整體的品牌一致性；為各創作單元提供財務、法務、IT、AI、人力資源等基礎功能的中台支援。AI時代，大型公司不會消失，但會從生產組織轉變為治理組織和營運平台。這樣的組織可能看起來人員更少、組織更鬆散，但其價值會更高，對IP的控制力也會更強。它們自身不再是創作機器，而是運行和管理多個創作機器的伺服器。它們最核心的工作不再是創意和作品生成，而是匯聚頭部創作者，制定規則並根據這些規則決定那些IP值得長期投入、那些IP世界值得被長期擁有和建設。消失的是臃腫的層級，沉澱的是永恆的IP。影視內容產業 傳統上的兩大護城河傳統上娛樂產業的頭部公司擁有兩大核心護城河。一個是龐大的全球發行網路，一個是集團化生產大製作的專業能力。蘋果、亞馬遜、YouTube、TikTok這樣的網際網路巨頭和網飛、愛優騰芒這樣的視訊分發平台已經把第一道護城河基本填平，通過這些平台所有的作品都可以實現使用者直接觸達和全球同步上線。今天，生成式AI正在打破高品質高複雜度的大製作只能由大公司完成的神話。但它並不是把護城河徹底抹平，而是把護城河整體遷移到了新的地方。舊護城河會失效，但護城河本身不會消失。具體來說：大公司劇本判斷的護城河正在被快速生成、快速試錯和快速迭代的能力所瓦解。大公司在製作和後期過程中調動多部門協同作戰的護城河正在被高度依賴AI工具的工作流所瓦解。大公司才有能力大投入的護城河正在被AI降本的趨勢所瓦解。那麼，大公司的新護城河在那裡？靠品牌吸引頭部創作者入駐並繫結。靠組織架構和內部機制強化多個創作單元的賽馬機制，確保源源不斷的優秀創意持續產生，並能通過市場反饋快速試錯和試對。靠AI調度能力確保同樣成本更高品質內容或者同樣內容更低成本。靠強大的中台能力（包括資本配置能力、法律支援能力和外部合作能力）支援IP宇宙的延伸、IP叢集的建設、IP正典權力的維護以及IP價值的高效變現。生成式 AI 並沒有賦能小團隊對抗大公司，而是重新定義了大公司值得鍛造和擁有的核心能力。這個時候大公司真正的護城河不再是內化的全球發行能力，也不再是生產環節中強大的資源調配能力和執行效率，而是對於IP的甄別、創造、維護和價值開發體系。在未來，大公司與小團隊的差別最主要的並不是員工名冊的長度，更不是拍攝現場的排場。大公司的“大”將主要體現在對 IP 生命周期的總體掌控力，體現在對頂級人類創作者的引力場強度，體現在對 AI 這種新型生產要素的駕馭成熟度。護城河沒有消失，它只是從喧囂的片場搬到了靜謐的平台能力之中。在未來，不同規模的團隊分別對應著不同的成功機率：個人創作的影視作品，可能在上萬部中才會出一部真正能夠提升行業天花板的作品。10人左右的小型創作單元，可能在上千部作品中出一部真正擁有獨立世界觀與長期擴展潛力的精品IP，這是最值得期待的一個群體。百人規模的中型製作團隊，通常能夠在約10–20部作品中出一部高品質、高回報的作品，其整體輸出穩定、品質下限較高，但在審美與範式突破空間已相對受限。而數百人規模的製作團隊，則往往集中資源打造面向全國市場乃至全球市場的高度工業化產品，成功率相對可控，但其創作天花板已經被流程、風險管理和政治正確基本鎖死，這樣的作品每年可能只有10-20部。AI浪潮下什麼樣的影視公司 值得資本長期關注？在傳統製作模式下，影視公司天然具備“反資本友好”的結構性問題：固定成本極高，前期現金流壓力巨大，回本高度依賴外部不確定因素（如平台採購、檔期安排、宣發強度、運氣與偶然性等），一部作品成功不保證下一步同樣成功。最終的結果是“小機率暴賺+大機率虧損+中機率微利”。這也是為什麼近年來真正的大體量機構化資本整體遠離影視製作行業的最重要的原因之一。隨著AI工具和能力的普及，影視製作行業的成本結構正在發生顯著變化。圖表7：AI 導致影視製作成本發生的結構性變化在新模式下，內容製作—尤其是前期和後期—成本大幅壓縮，導致試錯和矯錯的成本指數級下降。影視作品的“賭性”被AI明顯減弱。與此同時，一旦建立起IP思維，影視內容在邏輯上會更接近遊戲：世界觀可擴展角色可復用內容可持續更新生命周期可拉長強資料反饋可以強化消費者連結在未來，純外包製作公司、人員密集型的後期公司、無系列IP的中小影視公司、依賴平台關係的項目制公司都將面臨極大的生存挑戰。有機會脫穎而出並且獲得資本青睞的是以下幾類公司：（1）擁有高價值系列IP、IP叢集及其正典權力的影視公司和IP孵化平台擁有已經被市場驗證過的IP和IP叢集，以及它們的正典權力擁有強大的IP孵化和試對試錯能力以及值得期待的新IP管道現有IP的世界觀、故事、場景和角色可延展，並可跨媒介、跨線上線下、跨周期營運（2）基於超級創作者個人IP的公司擁有與內容IP強繫結的超級創作者IP可以通過AI 極大釋放創作者IP的產能“人格+風格+IP”形成高度耦合（3）集創作與分發為一體的AI視訊內容平台通過為創作者提供AI工具和能力匯聚個體創作者平台上產生過已被市場驗證的爆款作品（最好具有IP潛質）在C端有一定的品牌認知很可能是大公司的獨立業務單元（4）面向全市場開放的IP線下營運與商業化結果交付平台擁有強大的線下主題空間營運、衍生品開發、消費者體驗和零售能力最好有直營的線下物理體驗空間和零售網路能充分利用AI系統提升和放大IP的商業變現能力和潛在價值總體而言，未來最具投資價值的影視公司將不是那些公認會拍戲並且出過多個單品爆款的公司，而是那些可以持續製造和變現世界觀和角色資產的公司，是IP創造型和IP營運型公司，是“IP資產管理公司+AI工廠”混合形態的公司。平台與內容公司之間的博弈會如何演進？平台與內容公司生活在同一條產業鏈上，本應是相扶相依、共生共榮的親密關係，但在現實中、特別是在付費使用者大盤和廣告大盤不再高速增長的環境下，它們往往會蛻變為零和遊戲的博弈者。決定它們之間價值分配的，不僅僅是誰更需要誰的供需關係，更是誰控制長期價值以及誰承擔不確定性的角色分配。平台追求的是穩定、可預測、規模化的內容供給。它們真正關心的，並不是優質內容IP的法律權益歸屬，也不是內容公司股權的歸屬，更不是內容創作者日子是否可以過好。它們最核心的訴求只有一個，那就是穩定、成本可控的優質內容的持續供給，尤其是具有長期價值的優質系列IP內容的獨家供給。在這個目標之下，所有平台的行為會高度一致。（1）內容商品化，把內容變成 SKU把內容拆解成標準化品類把創作者視為可替換的生產要素把 IP 降維成可複製、可規模化的範本最終目標是去人格化、去獨特性、去不可替代性。（2）通過AI能力內建把執行力平台化AI 人物、故事、文字和視覺生成AI 剪輯AI 特效AI 範本化敘事結構平台這樣做的本質並不是為了賦能創作者，而是把原本屬於創作者的執行能力收編為平台的基礎設施。（3）親自下場做IP或復刻IP，把重要IP內化平台會通過投資和收購來獲取具有號召力和影響力的IP一旦某個IP被市場驗證，平台會利用資料優勢反向拆解成功模式，進行批次複製平台會優先扶持外部那些對平台依賴性強、聽話可控的團隊，同時也會自建或半自建團隊作為補充平台判斷“是否內化”的核心標準包括：是否高度可預測是否可以標準化生產是否對單一創作者依賴不強是否對使用者留存有幫助是否存在明顯的平台效應和規模經濟凡是不具有不可替代性、不需要長期信任、不具備正典權力、使用者不會跨平台追隨的內容，大機率都會被平台逐步內化。平台永遠不會甘心只做分發層，網飛不是，優愛騰芒也不會是。（4）用補貼換控制權早期：高分成、高激勵，吸引優質創作者入駐中期：規則調整，製造平台依賴後期：壓價、買斷、排他、鎖定在平台看來，初期的補貼不是派發善意，而是獲取依賴關係的成本。（5）壓低價格或轉嫁風險AI在幫助內容製作方降低成本的同時也會讓它們的成本更加清晰和透明。對於必須通過收購獲取版權或者播出權的內容，平台方會儘量壓低收購價，努力捕捉AI成本節省帶來的大部分收益。對於那些不具備IP屬性的內容，平台方則會儘量通過分帳模式把風險轉嫁給內容方，通過釋放一部分上行收益空間換來有利於它們自身財務報表的成本結構改變。站在平台立場，適合採取分帳模式的內容包括：純功能性內容情緒陪伴型內容氛圍短劇品牌行銷劇無世界觀的快消屬性的類型化內容範本化的高能爽劇（霸總、甜寵、逆襲等）互動引流劇公式化懸疑劇熱點跟風劇導演/編劇可替換的項目命題型創作改編型創作沒有明顯編劇和導演風格的項目型創作AI的出現與系列IP價值的凸顯並沒有消解這場博弈，而是讓平台更有野心，也讓內容公司更容易被替代。在這種情況下，內容公司又該如何應對呢？首先，要聚焦IP的長期價值、正典權力與定價權，儘可能確保IP及其相關的正典權力掌握在自己手裡，儘量避免全賣斷或永久授權模式，避免排他性合作機制。其次，要儘量尋求跨平台多棲，不在一個平台上吊死，同一IP進行多形態多平台分發，甚至直接跨國平台通過AI智能體直達消費者。第三，要持續提升IP宇宙的複雜度和可擴展性，增強人物弧線，增大平台通過AI簡單模仿替代的難度。第四，要讓核心創作者人格化嵌入IP，把創作者的世界觀、人格、審美、風格與IP強繫結，通過提升獨特性增加平台的複製難度。未來真正強大的內容公司，是那些能夠持續創造和營運具有長效價值的系列IP，會用AI但不會被AI輕易模仿，善於與平台合作但不會被平台完全控制，能低成本試錯也能高效率放大成功的內容公司。只有這樣的公司才有機會在產業鏈上擁有更多的話語權並且在價值分配上佔有更好的談判地位。對內容公司來說，當平台想把你變成隨時可開可關的光源的時候，最好的防禦是通過長效IP讓自己成為每日都會升起的太陽和月亮。AI時代會出現新的影視內容分發平台嗎？AI 時代，影視內容的分發形態會更加多元化。影視內容分發領域一定會出現新的玩家，但真正可以對現有分發平台構成實質性威脅的不是新平台，而是新的分發範式。AI 會在三個層面造成一種分發正在去中心化的幻覺。首先，AI進一步加劇了內容分發的碎片化。AI短劇和AI漫的出現會讓內容形態變得更加多元和碎片，長劇大電影的AI切片也會讓內容消費更多以片段化和模組化的方式進行。影視內容的主流消費方式不再是完整作品觀看，而是被拆解為可被隨時呼叫的體驗單元。這些碎片化內容會在更多的平台上進行分發。其次，AI工具使得創作者和內容規模正在爆發指數級增長。越來越多的個人和小團隊加入到創作者群體中來，導致內容生產的源頭進一步去中心化。供給端的繁榮使得需要被分發的內容呈現指數級增長，從而讓新分發平台的誕生成為可能。第三，分發技術門檻正在大幅下降，vibe coding （氛圍程式設計）讓自建App/網站變得無比方便和低成本。這些變化疊加在一起，會造成一種分發正在失去中心、平台正在被邊緣化的錯覺。然而事實是，如果沒有大的分發範式的變化（如智能體分發），平台的權力在AI時代反而會更加集中。這是因為平台真正的護城河，從來不是承載播放功能的技術能力，而是三重可以自我循環和加強的壁壘。（1）注意力聚合壁壘使用者並不想滿世界找內容，他們想要的是在對的時間被投喂對的內容。因此，誰能控制入口、推薦和通知，誰就可以控制注意力，進而控制價值分配。平台收穫的注意力越多，自然會有更多的優質內容想通過平台來觸達受眾，這些優質內容反過來又可以吸引更多的注意力向平台聚攏。（2）信任與安全壁壘在AI時代，使用者面對更多更難分辨的真假內容、更高完成度的劣質內容以及更低成本內容的操縱與誤導。因此使用者很自然會更加依賴平台來替他們篩選、兜底和背書。平台的核心價值變成了使用者信任，這對頭部平台是天然利多。（3）資料壁壘平台最重要的資產不是內容，而是長期積累的使用者行為資料、使用者反饋閉環和基於資料反向指導生產的能力。越轉越快的資料飛輪可以使得平台基於海量的使用者資料持續最佳化推薦模型，更快複製和逆向生產被驗證過的成功內容，扶持友好可控的團隊在必要時直接替代外部的獨立內容方。以上三點優勢，在AI時代不會被削弱，只會被放大。在這種情況下，新平台玩家會出現，但大多也會死在途中。只有一類會對平台構成真正的長期威脅。最有可能出現的新玩家大致分為三類：第一類，集AI創作工具、AI內容製作和AI內容分發於一體的平台，它們將有機會對現有的視訊內容分發平台構成一定的威脅，但現有的視訊平台也不會面對潛在威脅無動於衷坐等被替代，它們同樣會嘗試把AI製作能力和AI創作活動留存在自己的平台上。第二類，垂直內容社區，它們具有一定價值，但很難撼動現有的分發平台，和現有分發平台的關係更像是補充，而非替代。第三類，新分發範式下形成的分發節點，這是現有平台真正的威脅所在。具體來說，新的分發範式指的是基於類似當下正風靡全球的OpenClaw這樣的智能體的內容分發（Agent-based distribution）。AI 時代不會出現第二個網飛或者油管兒，但會基於新的分發範式出現“不叫平台的平台”。未來的AI智能體會根據使用者的具體要求和描述、過往觀看經歷、個人長期喜好、當下的心情、甚至當天的經歷來主動建議和推送與使用者當下觀看願望最為匹配的內容。這樣的智能體可以直接嵌入諸如汽車、手機、電視、XR裝置、可穿戴等硬體終端。使用者只需要告訴智能體“今晚想看點輕鬆但不是純搞笑的東西”，AI就可以直接跨平台地為使用者推薦和連結。在這樣的使用場景下，智能體成了入口，傳統的視訊平台被智能體降級為內容倉庫。它們將只負責內容儲存和為播放提供頻寬，分發推薦功能和消費者連結被智能體從中間劫持。嚴格來說，智能體分發不是“新平台”，而是去平台化的新入口。它把“內容 → 平台 → 使用者”的分發邏輯改變為“使用者 → 智能體 → 內容（跨平台、跨格式、跨終端）”。平台一旦喪失了使用者主權，必然會淪為內容倉庫。在智能體的侵蝕下，視訊平台的三大傳統權力被逐一瓦解：（1）入口權被智能體的語音介面取代。使用者不再打開 App，而是提出意圖。直接的結果就是視訊網站最具廣告價值的首頁和資訊流徹底消失。（2）推薦權被智能體取代。智能體不再猜你喜歡，而是直接調出你此刻最想看的內容。（3）使用者資料權被智能體接管。最終掌握使用者畫像和行為資料的不再是平台，而是服務於個體消費者的海量智能體。當然，平台肯定也不會坐以待斃。它們會努力讓自己成為使用者身邊的那個智能體，用“入口+自有智能體+共創IP”的策略來抵禦外部智能體的侵蝕。它們很清楚，只有讓自己成為使用者身邊那個最貼心的智能體（至少是智能體之一），才能在去平台化的浪潮中守住一方領空。智能體會把視訊網站降格為“視訊內容倉庫”嗎？長期來看，平台確實存在被“倉庫化”的巨大風險。平台過去的核心假設是“只要我不開放API，你就無法繞過我。”這個邏輯在網際網路和移動網際網路時代是成立的，但在智能體時代開始失效。關鍵變化只有一個：像OpenClaw這樣的智能體不再請求介面，而是直接代替使用者操作，並不需要得到平台的允許。在法律與技術層面，它代表的是“使用者自己在看內容”，這在法理上令平台幾乎無法防禦，因為你不能禁止你的使用者看內容。一旦智能體接管了使用者內容推薦、搜尋和控製播放的功能，平台就會不可避免地從使用者入口降級為內容儲存倉庫和播放平台。甚至從理論上講，即便平台的儲存和播放的功能也不是完全不可替代。在智能體時代，擁有IP內容的內容方完全有可能通過與越來越智能和柔韌的雲服務提供商的合作直接面向消費者提供內容儲存和播放服務。雖然平台在智能體的圍攻下被“倉庫化”的風險很大，但平台手裡也並非完全無牌可打。因為它們手裡有三個智能體很難完全接管的東西：（1）內容合法性與首發權獨家版權首發窗口直播、即時內容（體育、娛樂和社會事件等）正是這些享有版權的首發權，才構成了話題的源頭和情緒共振的錨點。（2）社會性觀看還記得前不久Alex Honnold徒手攀爬101的壯舉嗎？那一刻全球有超過600萬人通過網飛同時為他屏住呼吸和讚歎不已。這正是平台的護城河所在—通過直播、彈幕、熱榜和名人效應製造帶有儀式感的“全球共此時”的使用者體驗。這個時候重點已經不是“我推薦你看什麼”，而是“大家都在看什麼”。（3）商業閉環智能體可以重組內容，但不能自動重建會員體系，完成品牌合作和廣告結算，談判IP授權，拓展和銷售衍生品，更不能構造線下衍生體驗。所有這些最終還是要回到平台或版權方。平台要想抵禦智能體的侵蝕，維護住使用者關係，靠不開放介面是沒有意義的。真正能夠幫助平台守護使用者主權的還是獨享性的頭部IP。這也正是平台在AI和智能體時代將不得不參與IP宇宙與世界觀建設的重要原因。正常情況下，平台是不擅長做世界觀的。這是因為世界觀需要強人格屬性、鮮明銳利、不怕冒犯並且保持長期一致。而平台的 DNA 是中立、包容、最大化供給和風險分散。在某種意義上說，強世界觀和平台邏輯天然衝突。但在智能體時代，平台又必須參與世界觀建設。智能體分發會倒逼它們這麼做。如果平台只提供五花八門、種類齊全的內容，那麼它們在智能體眼裡將徹底淪為一個內容倉庫。平台要想避免被智能體“倉庫化”，就必須擁有一些智能體無法輕易踰越和找到替代品的東西，也就是強IP、強人格和強正典權力。因此，平台最可能採取的策略是“半世界觀化”。它們不會承認自己是IP和世界觀公司，但與此同時又需要押注系列IP宇宙、長期角色和可持續敘事，希望靠獨家擁有的IP鎖定使用者，對抗外部智能體的侵蝕。AI智能體時代不一定會誕生更多平台，但會改寫平台存在的理由。平台的權力來源會從擁有入口轉變為擁有使用者信任和擁有想去的內容目的地。平台要想避免淪為內容倉庫的命運，只能通過支援和參與內容產業的長效IP建設。這意味著加大而不是減少IP內容投入，意味著提升而不是降低內容方的分帳比例，意味著持續扶持和賦能更多的高品質原創IP而不是靠AI工具、演算法和流量優勢製造並提供海量的碎片化爽感和內容垃圾。對內容公司來說，智能體入口是一把雙刃劍。如果使用者追隨的是你的IP以及它背後的IP宇宙，那麼智能體有可能讓你擺脫對原有視訊網站的依賴。但如果你沒有這樣的IP，你就仍然只是一個可被呼叫也可被棄用的內容節點。因此，未來內容公司的生死問題將不再是能不能被平台喜歡，而是當平台不再是入口的時候靠什麼被瞭解使用者需求的智能體主動推薦。區塊鏈會成為AI時代影視內容的一個重要分發管道嗎？區塊鏈不會成為 AI 時代影視內容的主流分發管道，但會成為一個非常重要的分發與確權基礎設施。換句話說，區塊鏈不會取代現有主流平台，也不會成為大眾消費影視內容的主要入口，但有可能成為所有以創作者為核心的行業和創作者經濟賴以生存和發展的重要基礎設施。之所以區塊鏈不會替代現有入口和分發平台，是因為影視內容分發的核心不是“可信”，而是“便利+理解使用者需求”。主流影視消費需要的是極低的點選成本、穩定的頻寬和體驗、高度智能和個性化的推薦。而區塊鏈天然存在錢包門檻、交易成本、延遲和使用者不友好問題會讓它無法成為消費者進入影視內容的首選入口。未來真正的分發中樞是智能體。智能體關心的是內容與使用者需求是否匹配，而不是內容本身是否已經上鏈。但這並不意味著區塊鏈不重要。在AI時代，區塊鏈在幾個關鍵節點上將扮演越來越關鍵的角色。（1）IP 正典與世界觀確權前面說了，AI時代IP以及IP的正典權力會越來越重要，但如何保護IP和IP的正典權力會成為一個很大的問題。正是在這件事上區塊鏈可以發揮不可替代的作用。它可以成為：世界觀設定的時間戳正典版本的不可篡改記錄官方授權邊界的證明（2）創作者 IP 的身份與授權層當 AI 可以輕易模仿風格、人物和演員形象，區塊鏈可以提供創作者身份錨定、授權鏈條和收益分帳的可驗證規則。（3）超級粉絲層的小規模直連分發對IP方來說這會是一個非常重要的市場。他們可以通過區塊鏈把一些內容直接分發給粉絲和核心受眾，這些內容包括限量版內容、正典資料、導演剪輯版、早期訪問權、數字衍生品等。（4）AI內容訓練與二次創作的授權市場未來圍繞那些內容可以被那些模型訓練以及衍生內容的授權邊界，區塊鏈可以成為一個被法律認可的權限帳本和規則執行層。（5）IP金融化與風險共擔未來在影視內容創作領域有可能也會出現一個“預測市場”（prediction market），被預測的內容可能涉及IP的成功和角色受歡迎程度以及IP宇宙、故事和主要人物的未來走向等。在這方面區塊鏈可以為這個市場提供一個可驗證且不可篡改的底層支撐。總之，區塊鏈不是放內容的地方，更不是看內容的地方，而是定義內容邊界和正典權力的地方。它服務的不是觀看行為，而是創作者的IP及衍生權利確認、利益分配規則與商業尊嚴。對未來致力於打造長效IP的內容公司來說，如果沒有在區塊鏈上錨定自己的正典資產，相當於在沒有地契的荒郊野嶺蓋一座萬丈高樓。區塊鏈將成為IP資產的深層地基與支撐正典權力的鋼筋鐵骨。在前面提到的影視娛樂產業各項構成要素中，智能體負責個性化分發與選擇平台負責一致性和穩定性的觀看體驗IP負責承載意義與情感區塊鏈負責確立IP權利、正典權力與版權秩序它們各有各的分工和定位，也會相互入侵和影響，但不會相互替代。當下很熱的AI漫會成為一個超級大市場嗎？首先我們要明確一個概念。AI對於動漫市場的影響存在於兩個層面，一個層面是傳統影視動漫製作體系的AI化；另一個是全新的、主要依賴生成式AI完成的動漫作品，目前主要集中在沙雕漫、動態漫、AI漫劇、AI真人劇等狹義AI漫品類。從規模上看，中國影視內容市場總體規模約300-400億美元，其中傳統動漫相關市場（動畫電影、番劇、動畫劇集等）約100億美元，也就是700-800億元。這一部分是可以被AI持續賦能、重構和放大的存量市場。與此同時，狹義AI漫當前市場規模約為200億元人民幣，未來5年有機會突破500億元，這是全新的增量部分。兩者相加，中國“AI x 動漫”的潛在市場總量會接近180億美元（約1200億元人民幣），在成熟階段，可能佔到整個娛樂內容市場的30%–40%。狹義AI漫之所以有機會從今天的200億邁向500億的市場規模，來源於以下幾個底層邏輯。首先，AI漫快速高效地打破了產能天花板。在任何一個市場中，決定市場規模的不是品質上限，而是需求與供給。傳統動漫的核心約束是編劇、導演和動畫師，他們供給有限，協作成本高，產能天然有限。即便在日本這種高度工業化的體系下，每年能形成全民級影響力的新動畫IP也是鳳毛麟角。而AI漫大幅度降低了“編得出來”（網文與IP池提供幾乎無限的敘事原料）和“畫得出來”（AI將視覺生產從稀缺技能變成接近零邊際成本的能力）這兩件事的門檻。其次，AI漫天然適配“超長尾+高頻消費”。傳統動漫數量少，更新周期極長（《那吒1》和《那吒2》相隔了6年，《那吒2》和《那吒3》至少也要間隔5年），故事走向一經確定很難更改，並且需要高投入宣發。AI漫則完全不同，它更像“網路文字的視訊化”，可以做到海量供給，高頻更新（甚至日更），強互動性（觀眾可參與劇情走向），宣發投入相對較低（低成本試對與試錯）。使用者單次付費可能更低甚至完全免費，但總消費時長、總消費人群、總內容量都會更大。這不再是一個靠單品爆款驅動的市場，而是靠總體規模驅動的市場。第三，AI漫滿足的是原本不存在的需求，創造的是傳統動漫市場之外的增量市場。因為AI漫可以做到更輕量（隨時隨地可看，即看即走）、更個性化（為特定審美和興趣的少數人群定製）和更互動（使用者參與創作而不是被動觀看），AI漫吃掉的不僅是一部分傳統動漫使用者，還會吸引大量“原本不看動漫的人”。狹義AI漫雖然勢頭強勁，但到目前為止還沒有產生任何一部像《蝙蝠俠》、《變形金剛》、《海賊王》、《哆啦A夢》、《那吒》、《熊出沒》這樣傳統意義上的“全民文化符號”的作品。傳統動漫，尤其是大製作動漫，需要強世界觀和強IP屬性。它們的出品方雖然可以借助AI工具降本增效，但本質上還是一個高密度和高強度的創作過程，不容易被輕易替代。狹義的動態漫則完全不同，它天然就是一個平台借助社會化創作能力和AI工具為自己降本增效的遊戲。因為進入門檻極低，必然會導致創作者大規模湧入和內容的供給。而對於愛優騰和抖音、快手、B站、小紅書這樣的平台來說，流量掌握在它們手裡，演算法掌握在它們手裡，資料掌握在它們手裡，內容甄別能力和低成本模仿能力也掌握在它們手裡，即便不屬於它們的AI工具也可以逐步內嵌甚至內部開發。在這樣的一個結構裡，AI漫的創作者們更像是滴滴平台的司機，受制於平台流量調配，可以拉活接活，但不可能真正創富。狹義AI漫的增量市場在達到500億左右的市場規模之後，會像短劇一樣遇到增長的天花板。它會成為一個長期存在的內容品類，會有一定增長，也會像網路文學和短劇一樣有一個穩定的核心受眾群，但要想發展成為一個可以與電影、甚至傳統劇集市場比肩的超級大市場，需要寄希望於三個方向上的突破：一個是AI真人劇大面積替代真人短劇；一個是狹義AI漫向傳統大IP動漫成功爬升和延展；一個是形成AI真人與真人深度融合的新內容形態。否則它很有可能會重蹈短劇的覆轍。目前看，第一個方向有很大可能性，後兩個還需要影視創作者的持續探索。無論在廣義的“動漫xAI”的市場裡還是狹義的AI漫市場裡，產業鏈價值分配都會和影視內容大盤一樣，向擁有系列IP的頭部創作機構和創作者聚攏，甚至集中度有可能比傳統影視行業還要高。在 AI 漫的世界裡，產能不是壁壘，世界觀才是。對AI漫的創作者而言，如何讓自己的作品脫離製造即刻爽感的陷阱，形成可以持續生長的IP宇宙，從快消品變為奢侈品，是當下最重要而且緊迫的課題。我們距離“純AI生成”的高品質大劇和大電影還有多遠？就技術能力（包括高級的審美、具有複雜度和細節顆粒度的劇情、生動細膩的表演等）而言，我認為最多隻需要五年；就其它社會因素而言，可能還需要一個5-10年的產業過渡期。要說清楚這個問題，我們需要從以下幾個維度進行分析。劇本與敘事就劇本與敘事而言，AI已經可以勝任短劇以及長劇和大電影的局部情節和橋段，但在多人物長期關係、情感弧線、價值觀一致性和敘事張力控制上仍存在明顯短板，尤其在“人物為什麼這樣做”這一層，AI仍然缺乏穩定的內在動機建模能力。導演與表演導演的價值觀、審美取向和把控力對影視作品至關重要。他們並非現場調度機器，而是需要做連續判斷和取捨的人。AI在局部判斷和取捨上的能力已經開始接近人類優秀創作者，但在維持判斷和審美的一致性和完整性方面，AI的能力還遠未成熟。因此對於大電影和大劇來說，導演的作用短期內還難以被AI取代。同樣，優秀真人演員表演中的那種基於生命體驗的失控感、即興感以及超出劇本範圍的靈光乍現的瞬間，今天的AI也很難生成。畫面與場景AI在畫面生成、場景製作和特效方面進步極快，可以大幅度降低製作成本。但在畫面和場景構思以及運鏡和鏡頭美學方面，尚未達到完全可用的標準，仍然高度依賴人工干預。聲音與音樂就聲音而言，AI配音在技術上已接近可用，但真正具備人格辨識度、情緒層次和角色記憶的聲音表達，仍需要人類參與。在音樂方面，電影和劇集的背景配樂可以在很大程度上依賴AI，但主題音樂和情緒錨點音樂仍需專業音樂人來確定。總體來說，截至到目前，雖然AI可以承擔大部分前期和後期製作、特效和配樂的工作，市場上也已經出現AI輔助的大電影和大劇，但核心創作、表演和審美依然需要依賴人類創作者來掌握。這是因為今天的AI仍然缺乏三個關鍵能力—真實的個人情感體驗和生活經歷、對現實世界的體感性理解以及某種來自主觀世界的、帶有某種執著甚至偏執的審美選擇。今天的AI資料和模型能力還不足以大規模生產可以與人類媲美以至於以假亂真的經驗、感受、世界觀與人格。尤其是表演當中基於大量生活經驗和演員現場碰撞產生出來帶著“活人感”的現掛內容，AI短期內還不太可能生成。但是，在創作方面AI趕超人類的能力和速度可能遠遠超出我們的想像。我甚至認為，在幾乎所有人類藝術家認為AI無法超越自己的方向上，包括世界觀建構、審美和表演能力，AI都有可能實現對人類創作者的趕超。10年前的2016年3月10日，AlphaGo在和韓國頂尖棋手李世石的第二局比賽中下出了“五路尖沖”的驚人一手，完全顛覆了人類對於圍棋的千年認知，賽後被棋聖聶衛平讚歎為人類需要“脫帽致敬”的一手。整整10年後的今天，我們距離AI顛覆人類創作習慣的那一天已經越來越近。不過，大劇和大電影的製作從來都不是單一創作和技術維度的事情，還包括產業與經濟維度、法律法規和倫理維度以及社會習俗維度即便 AI 技術足夠成熟，大劇和大電影仍然是一個高度產業化的娛樂產品。它涉及大額預算與多方風險分擔，需要複雜的營運管理、品牌背書、質量控制與風險管控，這些AI都難以獨立承擔。平台、投資人和廣告主也更願意為“人+AI”的確定性買單，而不願意押注純AI的未知風險。最後還有法律法規、倫理和社會層面的問題，社會系統的演化往往慢於技術。今天，AI創作版權歸屬尚不明確，存在法律灰區。AI生成的內容可能引發倫理爭議，如虛假資訊、演員形象和聲音授權等。社會對AI生成內容的接受度、信任度還有待驗證和提升。因此，我們距離“純AI生成”或“主要由AI生成”的大劇和大電影技術上最多隻有五年的距離，但現實中至少還會有一個5到10年的產業過渡期。在此期間，人類與AI的協作共創會成為一個主流模式。儘管如此，歷史證明，我們往往高估短期變化，低估長期躍遷。上面的這個時間判斷也不例外，它很可能會被一部真正出圈的AI作品大幅前移。我們都在等待影視行業的“ChatGPT時刻”。也許就在明年，甚至就在下個月，某位坐在電腦前的天才少年，會用一組提示詞震碎我們今天所有的預測。未來AI生成內容、AI人物和AI明星會佔據影視行業的半壁江山嗎？答案是一定會。未來5到10年，純由AI生成或者主要由AI生成的故事、場景、人物和演員會佔據娛樂產業的半壁江山，其中甚至有可能會出現超級IP和超級巨星。影視製作也會逐漸從“內容成品思維”轉向“核心IP資產思維”，AI生成的故事、場景、宇宙觀、人物、演員、道具和服裝都會成為重要的核心IP資產。未來AI內容、AI人物和AI演員對於真人的擠壓和部分替代將是一個漸進的過程。圖表8：AI生成內容和AI生成人物/明星佔比的演進AI永遠不會徹底取代最具才華、創造性、表現力和審美品位的那部分人類。正如AlphaGo的出現並沒有終止人類對於圍棋的探索和熱愛，反而加速了人類棋手的進步；同樣，AI內容、AI人物與AI明星將演變為影視產業中不可或缺的重要元素，但它們永遠不會反客為主把人類驅逐出影視內容產業。之所以在影視行業真人永遠都會有自己不可撼動的位置，是因為，真人偶像攜帶的文化共鳴和社會價值：人是真實世界裡的動物，天然具有針對特定真人真事的真實情感。受眾需要帶著“人味兒”的作品，粉絲群體需要可以在現實生活中接受他們情感寄託、和他們互動、與他們共同成長的真人偶像。他們背後的社會故事、文化符號和身份認同很難被AI產生的虛擬形象和虛擬人物所替代。或許終有一天，觀眾可能寧願選擇有瑕疵的人類創作者，也不願意接受完美的AI。那個時候，“100%真人製造”的標籤反而可能成了影視奢侈品的代名詞。媒體天然的造星衝動：因為受眾和粉絲有需求，媒體自然會響應和滿足他們的需求。因此它們天然需要各種出人意料的真人明星事件成為可傳播話題來持續吸引眼球。在某種程度上說，正是真人的不可預測性讓他們具備了AI無法替代的媒體價值。雖然AI明星永遠不會因為塌房、緋聞或酒後失言而登上熱搜，但這也恰恰是它的弱點—它過於安全，安全到無法提供人類社會最原始的吃瓜快感。帶著“人味兒”的創造力：人類創作者的價值觀、審美、風格、情感體驗、生活經歷和獨特視角對藝術創作至關重要，這些東西短期內AI只能模仿，卻無法原創。法律與監管：隨著AI對影視行業的滲透，圍繞著作權、版權、改編權、肖像權、表演權、聲音權等諸多法律權利的問題會越來越凸顯，很多都是首次出現。這方面的爭論與監管客觀上也會限制影視領域徹底AI化的速度。因此，在可預見的未來，AI與真人之間的關係不是殺死和替代的關係，而是攜手創造市場增量的分層共生的關係。他們之間會有競爭，也會有局部替代，但更多是相互融合與價值共創。僅有極少數頭部創作者可能被信任去創作純人類演員參演和純實景拍攝的作品，“純人類出演”和“全實景拍攝”有可能成為影視內容的“愛馬仕”標籤。長期看，AI會讓內容“更好”還是“更便宜”？短期看，AI在讓內容變得“視效更好”方面的作用會大於讓內容“更便宜”。中長期看，AI讓內容“更便宜”的作用會大於讓內容“視效更好”。但無論是更好的視效還是更便宜的成本，都不能自動轉化為更好的內容。讓內容“視效更好”和“更便宜”的價值會被全社會、全行業廣泛分享，讓內容真正變得“更好”的價值只會向極少數頭部IP及頭部IP的創作者們聚攏。今天，個體創作者可以借助AI快速接近專業製作水準，影視公司等專業機構也可以借助AI以極低的成本大幅提升視效品質。因此短期內，AI會導致行業內容的視效品質整體上行，個體和小團隊與中等規模的專業機構在製作能力方面的差距會顯著縮小。但為什麼長期看“更便宜”的價值更大？這是因為內容質量存在感知上限。對大多數受眾而言，畫面、剪輯、配樂、特效的體驗提升是高度非線性的。當內容達到某一“足夠好”的閾值後，即便製作成本再翻倍，主觀體驗的提升也非常有限。這就好比當一家快餐店的裝修達到一定水準後，你在牆上貼滿大理石，對吸引顧客吃漢堡的邊際貢獻也幾乎為零。AI的核心經濟特徵恰恰是趨近於零的邊際成本+幾乎無上限的規模效應。因此，AI創造的主要社會價值，天然更偏向於系統性降本，而非無限拔高品質天花板。決定行業規模的是供給和消費能力，而不是所謂“最好”的品質天花板。歷史上流行音樂的市場規模大於古典音樂，短影片的規模大於電影，不是因為它們更“好”，而是因為它們更便宜，更容易被規模化生產和消費。AI 正是在內容產業中把規模化供給這件事推向了極限。它並不保證每一條內容都更好，但它讓“足夠好”的內容變得無限多、無限便宜和無限可複製。當然，“更便宜”也會有助於加速更多有可能創造出“更好”的創作者進入市場，從而反過來擴大收穫“更好”的可能性。當創作門檻和試錯成本被大幅壓低，更多原本被排除在產業體系之外的創作者終於有機會脫穎而出。傳統影視行業的晉陞階梯會被壓縮甚至坍塌，但與此同時那些真正具備天賦和創作能力的創作者可以借助AI做出過去根本不可能完成的作品，並直接接受市場和消費者的檢驗。他們很可能成為未來“更好”內容的來源。在好萊塢歷史上，VFX沒有導致電影更便宜（可能恰恰相反），但卻導致了電影更好。這個規律在AI時代不會重現。這是因為過去的降本是局部降本，不是系統性降本。VFX降本只發生在一個工序內，整個好萊塢系統依然依賴大團隊、專業分工、項目管線和項目制管理體系。即便VFX讓製作環節變得更便宜了，但整個體系每年還是那個產量，還是那些人在生產，還是只有少數大廠可以發行到全球市場。結果就是VFX省下來的錢，仍然只能花在同一個工業系統裡，於是被再投資到了更多鏡頭、更複雜場面、更長製作周期和更高規格的人力資源裡。供給天花板沒變，質量方面的軍備競賽自然升級。但這個規律在AI時代徹底斷裂了。首先，AI降低的不是某個工序的成本，而是把整個工業體系的必要性本身削弱了。降下來的成本不再被原有的體系和組織鎖住。在傳統好萊塢模式下，省錢並不等於可以自動完成更多的作品，這些仍然需要被規劃和審批。但在AI時代，很多獨立的小團隊和個人可以繞過影視公司的體系直接把降本轉化為更多的內容供給。其次，AI可以系統地提升所有作品的視效品質，讓多數作品達到了受眾需求的質量飽和點，削弱了進一步提升畫面品質的需要。過去更好的VFX帶來觀影體驗的改善是巨大的。今天，AI很快就會把視效好看變成了默認狀態，在這個基礎上進一步好上加好的回報率並不高。因此，“更便宜導致更好”不是一個自然規律，而是一個被供給受限保護的歷史階段性現象。當供給不再受限時，這個規律就會被徹底打破。對內容方來說，AI技術和工具必將普惠所有人，因此很難構成內容公司的核心競爭壁壘，誰也無法在長時間內享有獨一無二的成本優勢，長期來看很難系統性做到比競爭對手“更便宜”或者“視效更好”，因此只能力爭借助AI做到“以足夠便宜和視效足夠好為前提的本質更好”。這是它們最值得的努力方向—做更好的內容，出更好的IP，建設更好的IP宇宙。當便宜和視效都不再是問題，沒有IP靈魂的平庸的專業主義輸出必然死於擁擠。對平台方來說，它們的首要訴求是“更便宜”的成本，其次才是“更好”。它們會希望通過AI和分帳模式系統性降低普通內容的供給成本，同時形成更大也更穩定的供給規模。在更好的方向上，它們會希望獨家鎖定儘可能多的擁有穩定粉絲影響力和長期價值的頭部系列IP，甚至成為那些IP的共同擁有者。對資本方來說，它們會選擇能夠規模化讓內容供給變得“更便宜”和“視效更好”的技術公司以及可以從“更便宜”的內容規模化供給中獲益的平台。對於內容公司，它們只會押注極少數真正已被證明具有頭部IP創造和營運能力的公司和團隊。AI有可能拓展中國影視題材的空間嗎？全世界範圍內，中國古裝劇（尤其是玄幻、仙俠、古偶甜寵、穿越這幾個類型）的數量和流量在劇集大盤中的佔比即便不是第一，也一定是最高的之一。這是我們題材上的安全邊界導致的。因為這幾種類型往往架空歷史，不觸碰敏感神經，題材上相對安全，同時它們又非常容易製造即刻爽點，打造年輕偶像，通過切片的方式在社交媒體廣泛傳播，因此成為內容方和平台方最為看重的賽道。這幾種題材也恰恰是最容易被AI放大的類型。AI最擅長學習的是已有的、被允許大規模存在的內容，並把它們轉化為清晰可用的範本。這些內容被審查篩選過，被平台演算法馴化過，被使用者反饋修正過，被商業結果驗證過，AI會把這些相對穩妥安全、不越界、不冒犯的結構、故事、爽點通過範本化複製放大到極致，輔之以更快的節奏和更直給的表達。這正是AI的強項。然而，古往今來，好的故事往往需要灰度人性、身份和角色反差、道德困境以及某種深層的反叛、覺醒與沉思。當我們的現實邊界讓所有這些都大機率會碰壁的時候，創作者只能靠更密集的情緒代償來彌補深刻性不足的缺憾。AI也會很快領悟到這一點，並推動影視創作在這條自我加強安全係數和主動遮蔽風險因素的路上越跑越快。久而久之，觀眾也會越來越習慣“簡單因果+情緒代償”的補給方式，不願意再去思考和理解任何複雜且深刻的事情。我們也因此正在進入一個敘事降級的時代。以前我們要看三十年河東三十年河西的命運起伏，現在AI可以在三分鐘內給你十個反轉。最終的結果我們已經看到了端倪，就是長劇短劇化，爽點極端化，情緒價值輸出頻率不斷提升，觀眾耐心持續下降。這就好比把本來需要45分鐘有氧獲得的多巴胺用20秒的時間一針直接注射給你。這也直接導致了長劇觀眾和長劇平台使用者的日漸流失。人類創作者當中至少還有一小部分人願意去試探邊界和嘗試帶有一定風險的表達，但是AI不會。AI最擅長做的事情是安全邊界內的最佳化、復刻和上下翻飛。演算法會驅動題材快速向成功範本靠攏，風險規避會前置到生成階段，模型會主動迴避敏感表達。AI可以幫助我們提高製作效率，也可以幫助我們更低成本地完成必要的修改，但是AI不會自動幫我們拓展題材空間。而題材問題恰恰是今天行業面臨的核心困境。因此，我們不能指望AI幫助我們實現題材上的突破，因為它本來就不存在突破的衝動和願望。推動中國影視題材空間拓寬只能靠我們人類創作者們耐心理性和堅持不懈的努力。 (36氪)

OpenClaw：開啟AI應用的新範式報告表明，OpenClaw身為一種開放原始碼的AI代理工具，它的核心價值在於，它突破了傳統生成式AI僅僅侷限於問答以及內容生成的範疇，它可以借助獲取使用者PC或者伺服器的系統權限，自行去執行實際任務，像是回覆郵件、網頁資料抓取、運行Shell命令等。從“對話”邁向“行動”的跨越，標示著AI應用步入了一個可深入介入使用者日常數字操作的全新階段，具備7x24小時不間斷服務以及與現有平台（像微信）高度整合等突出特性，突顯了巨大的應用潛力。(TOP行業報告)