一、摘要（核心結論） HBM（高頻寬儲存器）依託3D堆疊與矽通孔技術實現頻寬指數級躍升，是當前AI算力硬體領域價值密度最高、供需矛盾最突出的核心環節。結合TrendForce、高盛、Gartner等海內外權威機構測算，2025-2026年全球HBM市場規模將攀升至330-660億美元，儲存三大原廠將70%新增產能傾斜HBM賽道，但行業供需失衡格局難以扭轉，2026年產能缺口仍維持50%以上，高盛更是將本次短缺定義為過去15年最嚴重的儲存晶片供應短缺。 當前行業形成“海外原廠壟斷—國內封測突破—材料國產替代—裝置賣鏟受益”的四層產業格局。海外龍頭技術壁壘穩固，三星電子HBM相關收入同比增長三倍；國內產業鏈迎來集中兌現期，封測龍頭長電科技、通富微電先進封裝產能滿載，材料端華海誠科、分銷端香農芯創業績爆發式增長，裝置端ASMPT、北方華創訂單量持續高增。 行業現階段處於產能建設向業績兌現轉換的黃金窗口期，疊加國產替代加速、AI資本開支擴容雙重驅動，產業鏈企業迎來訂單、價格、利潤三重共振。本文深度拆解HBM技術架構、市場供需、全球競爭格局，全面梳理A股及港股核心上市公司，明確投資優先順序，並客觀提示行業潛在風險，為資本佈局提供參考。

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)

技術的真正意義，不在於其孤立的機械成就，而在於它如何被整合進生活的整體，並在此過程中擴散至整個社會機體，從而改變文明的質感。—— 劉易斯·芒福德，《技術與文明》2026年的春節，國產AI領域呈現出一種莫名的“折疊感”。一邊是社交媒體上關於DeepSeek“變冷淡”的討論。使用者發現，這個曾在去年春節期間以“平替OpenAI”姿態破圈的先行者，如今的對話風格變得極其精簡、機械，甚至拒絕在廢話上浪費那怕一個Token。另一邊，中國網際網路大廠們在春節檔已經開啟了熱戰模式：阿里通義千問豪擲數億元請全國人民喝“AI奶茶”，字節跳動的Seedance 2.0以電影級的視訊生成能力席捲創作者圈、就連馬斯克都不斷在X上保持關注，騰訊元寶、百度文心的“搶紅包”更是一浪接替一浪。如果說 2024 年和 2025 年是 AI 的“幻覺期”，人們沉浸在 AGI 即將降臨的狂喜與恐懼中；那麼 2026 年的春節，則標誌著AI正式跨越了那道名為“有用性”的鴻溝，真正成為一次產業革命。回想2025年末AI泡沫的討論。今天我需要思考的是，冷熱之間，到底正在發生什麼？01DeepSeek拒絕討好型人格先來看國產AI黑馬DeepSeek。在AI產品裡，存在一種根深蒂固的“討好型人格”。為了讓大模型說出貼心、得體、充滿人情味的“漂亮話”，開發者往往需要通過大規模的RLHF（基於人類反饋的強化學習）對模型進行精密微調。這意味著什麼？意味著需要僱傭海量的標註員去對齊人類的感性偏好，消耗巨大的算力去磨平邏輯中的棱角。對於大多數旨在成為“超級助理”的產品來說，這種討好是通往C端市場的入場券。但DeepSeek選了另一條路。回看DeepSeek的崛起，梁文鋒曾有過無數次機會將其打造成一個“國民級App”。在2025年春節DeepSeek震驚全球、流量如潮水般湧入時，如果按照傳統的網際網路邏輯，他們完全可以迅速推出社交裂變功能、搶佔辦公套件市場、引入各種生活服務介面，甚至通過狂砸廣告來留住那些被“平替”概念吸引而來的泛使用者。但他選擇了極度的克制。到今天為止，DeepSeek的介面依然保持著一種近乎簡陋的極簡主義，沒有冗餘的社交入口，沒有華麗的行銷活動。這種拒絕，源於梁文鋒更大的戰略野心：他想做的從來不是AI時代的超級流量入口，而是AI時代的“核動力引擎”。從目前來看，在DeepSeek的邏輯裡，看起來更希望的是把每一分算力都應該被消耗在邏輯鏈條的推理（CoT）上，而不是消耗在客套話和語氣助詞上。這種“機械感”和“冷淡”，本質上是思維透明化的代價。這種對“思考質量”的極致追求，意味著它主動放棄了對泛C端使用者情緒的迎合，轉而尋求與那些真正需要解決複雜問題的開發者、科研工作者和極客們達成深層次的“邏輯共鳴”。當然，討好還是冷淡其實並無對錯，而意味著兩種不同的朝向AGI未來的探索道路。支援deepseek不提供情緒價值，但同時也不是說在否定情緒價值的重要性，而是生態分工位的不同。從產品視角觀察，梁文鋒想做的，大機率不是 AI 時代的超級流量入口，要不然，在去年春節Deepseek震驚全球時，他們就可以開始了。他希望的，應該是真的能突破技術極限，去探索 MoE（混合專家模型）的邊界，去嘗試在有限的資源下復現甚至超越 OpenAI 的推理能力。對於DeepSeek而言，使命不是做一個“好用的聊天機器人”，而是做一個“最聰明的智能引擎”。這是生態位的差異。02DS之外：紅包、奶茶、seedance2.0這就要繼續說回最近大廠的春節AI大戰。我們要意識到，今天的AI 產業正進入一個深度的分工期。在做面向C端的應用上，國內的網際網路大廠們——字節、阿里、騰訊、百度、美團——顯然更有經驗。他們擁有現成的流量入口、深厚的使用者心理積澱，以及極其成熟的營運體系。他們更懂得如何把 AI 變成一個貼心的助理、一個懂你的玩伴、或者一個高效的生產力工具。如果要求 DeepSeek 這樣一家極客色彩濃厚的技術公司，去和大廠比拚如何做“情緒價值”“場景落地”，這不僅是對人才的浪費，更是戰略上的錯位。大廠們擅長的是“降維打擊”，將成熟的技術包裝成絲滑的產品；而 DeepSeek 的價值在於“升維突破”，去攻克那些無人區裡的演算法難題。芒福德在《技術與文明》中強調，技術的真正價值在於其擴散過程，而大廠們恰恰是這一過程的超級加速器。首先是“奶茶、紅包、外賣”所代表的流量邏輯。對於絕大多數普通使用者來說，AGI的宏大敘事太過遙遠，但一杯實實在在的、由AI下單的奶茶外賣卻非常具體。大廠們深諳此道，他們擁有現成的流量入口、深厚的使用者心理積澱，以及極其成熟的營運體系。通過這些看似“沒技術含量”的玩法，AI正迅速從極客的玩物變成一種全民級的生活方式。其次是Seedance 2.0所代表的生產力飛躍。字節跳動最新發佈的Seedance 2.0，實現了單指令生成多場景、音畫同步的電影級視訊。這不再僅僅是“提供情緒價值”，而是將導演、攝影、剪輯的功能端到端地壓縮排一個模型中。這標誌著AI應用已經跨越了簡單的對話階段，進入了影視工業和社媒行銷的深水區。放眼全球AI競賽，中美兩國正在呈現出截然不同的演進範式。如果說矽谷更傾向於在“Scaling Law”的加持下追求全能型的通用智能，試圖一舉攻克算力與智慧的塔尖；那麼中國AI則正在呈現一種“多元突進”的混戰局面：一端是以DeepSeek為代表的技術原教旨主義，在算力受限的極限壓強下，通過演算法創新死磕推理深度與成本極限；另一端則是以大廠為核心的應用生態，利用全球最肥沃的商業土壤，將AI迅速轉化為奶茶、短劇、視訊工具等觸手及人的互動節點。這種分工不僅不是衰退，反而是一種極具韌性的系統性對抗。我們不應輕易否定任何一端。沒有DeepSeek式的底層突破，國產AI將永遠失去“入場券”，在全球算力競賽中淪為附庸；而如果沒有大廠在紅包、奶茶、Seedance 2.0上的應用突圍，領先的技術也將因缺乏商業閉環而枯萎，無法惠及普羅大眾。03真正的下半場從商業進化的視角看，這已經非常像技術周期進入下半場後的必然分化階段。幾乎可以斷定的是，大模型的“驚豔期”過去，市場開始進入殘酷的“重估期”：我們正在從對通用大模型的盲目崇拜，轉向對不同生態位的精準錨定。正如芒福德所言，一項技術的生命力最終取決於它的擴散能力與整合深度。DeepSeek的“冷”與大廠應用的“熱”，本質上是同一場技術革命在不同維度的硬核迴響。這種分化不僅標誌著中國AI企業戰略路徑的清晰化，更預示著一個多層次、差異化競爭的成熟生態正在形成。從技術發展的長軸來看，2026 年春節的這場分化並非偶然。在每一次科技革命的中段，都會出現類似的“重估期”：從對技術本身的崇拜，轉向對技術所創造的價值的重塑。當蒸汽機離開礦井，裝上車輪成為火車，裝入工廠成為織布機，將孤立的技術奇蹟擴散為全球貿易的毛細血管；當 TCP/IP 協議的爭論告一段落，真正的戰場便轉移到了瀏覽器、搜尋引擎與電子商務等具體應用場景。現在的AI革命正處於這個關鍵的“中段”。這意味著我們已經不再滿足於討論 AI “能做什麼”，而開始死磕 AI “在做什麼”。太陽底下無新事，這樣的場景，其實我們經歷過很多次。所以也沒有必要過於擔心AI對人類的替代，當年電燈出現時、汽車出現時，這種擔憂都出現過。但事實證明，人不是不被需要了，而是更加能夠發揮價值了。2026年春節的這場“冷熱交替”，是AI產業最為真實的成人禮。而值得慶幸的是，中國AI公司們，整體表現都不錯。 (深水研究)

國產AI大模型春節檔密集發佈。在智譜正式推出新一代旗艦模型GLM-5，Minimax亦上線Minimax 2.5。同時，DeepSeek已在網頁及App端進行模型的版本更新，上下文窗口由原有的128K直接提升至1M（百萬Token）等級，能夠單次完成處理一部長篇小說。《科創板日報》記者獲悉，阿里千問的Qwen 3.5、字節跳動的豆包大模型2.0預計也將在春節期間發佈。從已發佈的模型來看，程式設計和智能體能力成為重點。但隨著智能體任務複雜度提升，單次任務的token消耗在急劇增加。若無法進一步降低成本，將影響未來AI的規模化落地。▌MiniMax、智譜瞄準AI程式設計2月12日，MiniMax正式上線最新旗艦程式設計模型MiniMax M2.5。作為全球首個為Agent場景原生設計的生產級模型，其程式設計與智能體性能 (Coding & Agentic)比肩國際頂尖模型，直接對標 Claude Opus 4.6，支援PC、App、跨端應用的全端程式設計開發，尤其在Excel高階處理、深度調研、PPT等Office核心生產力場景中均處於行業領先（SOTA）地位。M2.5模型啟動參數量僅10B，在視訊記憶體佔用和推理能效比上優勢明顯，支援 100 TPS超高吞吐量，推理速度遠超國際頂尖模型。而智譜在前一日推出的旗艦模型GLM-5，同樣主攻程式設計與智能體能力。GLM-5參數規模由上一代的355B擴展至744B，啟動參數從32B提升至40B。內部評估顯示，GLM-5在前端、後端、長程任務等程式設計開發場景中，平均性能較上一代提升超20%，真實程式設計體驗逼近Claude Opus 4.5水平。由於GLM-5的超強表現，智譜在港股近四個交易日實現翻倍，從203港元今日最高漲至443港元，收盤價已經逼近Minimax。過去一年，AI程式設計發展迅猛。Anthropic此前發佈的《2026年智能體編碼趨勢報告》中指出，傳統軟體開發的遊戲規則正在被徹底改寫。一個曾預計需要4到8個月的項目，使用Claude大模型後僅用兩周就完成。《報告》明確指出，程式設計師這一職業並不會消失，但那些“只會寫程式碼”的程式設計師將逐漸被市場淘汰。Anthropic的CEO達里歐·阿莫代伊在一年前就曾預言：“未來3～6個月，AI將編寫90％的軟體程式碼。”如今，這一預言正逐步轉化為現實。這或將對傳統軟體行業帶來影響。業內分析認為，AI智能體可以直接呼叫軟體底層系統，這動搖了傳統軟體“按人頭訂閱”的盈利邏輯，推動行業向“按使用計費”的模式轉型。▌智能體成為最核心的競爭主線CIC灼識諮詢TMT行業相關分析師對《科創板日報》記者表示，國產大模型競爭已從單純的參數規模競賽，全面轉向以技術差異化、應用場景深耕與成本效率為核心的新階段。春節期間及近期，各廠商的發佈與迭代均圍繞此主線展開。除了騰訊元寶和阿里千問等推出的行銷活動帶動市場對生態側的關注，近期字節跳動發佈的Seedance2.0、DeepSeek的V4模型和MiniMax上線的Agent平台等，從技術細節來看，無論是基座模型還是Agent的更新，都反映出智能體工程（Agentic Engineering）成為技術路線的重要競技場，AI企業對於模型的推理效率和長期任務表現更加注重，從大模型廠商當下模型設計的實際來看，產品形態也越來越Agent導向。圖片由AI生成灼識諮詢分析師表示，通用大模型在複雜業務邏輯和專業知識場景中表現有限。智能體通過整合領域知識、工具呼叫、工作流編排等能力，能夠深入垂直場景，提供專業化、自動化的解決方案，真正實現生產力變革。經歷近幾年的發展，市場普遍對於AI在實際場景中能夠帶來的真實價值更加關注，智能體是連結模型與使用者場景的關鍵一步，自然也是競爭的焦點。IDC中國研究經理孫振亞認為，大模型的能力正在從純粹的生成式輸出向智能體能力進化。“可以看到，各家模型廠商都在程式碼、多模態、長上下文和工具呼叫能力上做針對性的最佳化。程式碼和工具呼叫能力讓模型能夠進行執行和操作，多模態能力讓模型的感知從文字擴展至圖文音視訊，長上下文讓模型能處理更多的環境和記憶資訊。這些能力是模型能不能在更多場景中幹活並產出價值的基礎，也是智能體能力的重要組成部分。”▌AI規模化落地仍要過成本關談及AI規模應用的挑戰，CIC灼識諮詢TMT行業相關分析師表示，國內AI生態在晶片、框架、模型、應用層仍存在一些碎片化問題，需要進一步統一。在成本方面，他指出，從B端（企業端）來看，儘管API呼叫成本下降，但企業若追求私有化本地部署，一次性硬體投入和長期維運成本依然高昂且需要明確的業務價值閉環來證明投資回報，企業端部署的投入產出比（ROI）仍舊需要進一步驗證。孫振亞也表示成本是一大挑戰。隨著智能體任務複雜度提升，模型需要處理的上下文越來越長，呼叫鏈路越來越深，單次任務的token消耗在急劇增加。成本降不下來，智能體就只能停留在高價值場景，很難真正普及。另外，可靠性也是瓶頸。灼識諮詢分析師稱，一些行業對於可靠性要求極高，當前技術未能完全消除幻覺。孫振亞同樣指出，當前AI在執行複雜任務時的穩定性還不夠，模型依然存在的幻覺問題，使得複雜場景下多步執行非常容易出現錯誤累積。如果沒有可靠性，就談不上規模化落地。而在治理與信任方面，孫振亞表示，隨著AI從輔助工具走向自主執行，權限管理、審計追溯、責任界定這些治理能力必須跟上。“企業敢不敢讓AI去做決策、出了問題誰來負責、AI的操作過程能不能被審計。這些解決了，AI才會真正在各行業大規模落地。”灼識諮詢分析師還指出，在敏感領域，資料出域安全、模型訓練資料的合規性與質量、以及智能體互動中的資料隱私保護，也是規模化落地的主要障礙之一。 (科創板日報)

一句話做“黃金礦工”遊戲、生成精美公司網站。春節將至，國產AI大模型之戰愈發火爆。短短1天多時間，DeepSeek、智譜、字節等多家廠商模型密集更新，MiniMax-M2.5正式上線，其重點提升了Agent和程式設計能力。▲MiniMax-M2.5已可選MiniMax AI相關負責人在X平台上發文稱，他想盡快發佈M2.5，已經迫不及待想回家過年了，但隨著他們投入的訓練計算增多，模型效果也越來越好，這是一個痛並快樂著的問題。▲MiniMax AI工程負責人Skyler Miao在X平台發文智東西第一時間體驗了MiniMax-M2.5在定時任務、網頁製作、調研報告撰寫、視訊生成、PPT製作等任務執行上的能力。從結果來看，網頁製作是其強項，尤其在可視化表達方面，網頁的視覺呈現效果較好，比如我可以一句話讓它生成一家公司的投資分析儀表盤。▲關於蘋果公司的可視化儀表盤分析網頁做一個“黃金礦工”網頁版遊戲，MiniMax-M2.5也可以給出不錯的結果。▲網頁版黃金礦工小遊戲定時任務方面，其可以按照要求按時完成任務，但不同任務呈現的結果質量有一定差異。此外，不論是PPT製作還是調研報告生成，其生成結果的詳實程度都較好，輸出篇幅較長。有X平台使用者提前三天拿到了內測資格，他發文稱，MiniMax-M2.5提升明顯，和Opus 4.6打的有來有回，其模型體積小，據傳Mac mini也能部署。他還曬出了MiniMax-M2.5製作的網頁版“macOS系統”。▲X平台使用者評價截至2月12日港股收盤，MiniMax股價漲幅14.62%，總市值1622億人民幣，其股價盤中曾一度漲幅超23.5%。根據官網資訊，MiniMax將於3月2日公佈全年業績。▲截至2月12日收盤，MiniMax港股股價情況01.網頁設計是強項一句話做“黃金礦工”小遊戲首先，在考察程式設計能力的網頁製作環節，我們讓模型建立一個網頁儀表盤，對蘋果公司進行可視化分析，內容必須涵蓋財務健康狀況、技術面/市場情緒、競爭對手比較以及戰略估值（SWOT/內在價值），以提供明確的投資建議。從結果來看，需求中提到的基本指標都有較好覆蓋，SWOT分析給出的較為具體，整體網頁設計比較簡潔、美觀，基本的動效都已做好，資料展示較為直觀，滑鼠懸停在統計圖表上會有對應資料呈現。接著，我們讓模型為一家AI創業公司設計官方網站，融入太空主題元素，使用黑、白、灰作為主色調，營造出酷炫、精緻且充滿科技感的氛圍，特別要有一個能讓使用者感到震撼的精美地球動畫。從結果來看，網頁焦點處確實有地球動畫效果呈現，且地球本身可以跟隨滑鼠進行一定程度的運動。但網頁本身並沒有實現主色調的要求，對於精緻、科技感的要求沒有明確呈現，地球動畫本身帶有一些類似“粒子光效”的表現，但整體感覺並未達到“震撼”的水平。網頁遊戲製作令我們印象比較深刻，雖然第一次的生成效果“翻車”，遊戲無法互動遊玩。▲初次生成的版本無法遊玩，僅有首頁封面基本的遊戲模式、遊戲說明、遊戲關卡、遊戲操作都按照要求完成了，並且確實可以遊玩，遊戲過程還配合了對應的音效。02.專業報告一鍵生成PPT製作學會用比喻潤色此外，我們通過幾個任務測試了模型生成專業研究報告的能力，比如全面梳理AI開源推理生態、分析應用場景、對應方案並分析原因。從結果來看，其輸出內容邏輯清晰，在展示不同框架異同時用了表格進行對比，內容較多比較詳實，約6000字。▲AI開源推理生態相關研究報告生成對於“計畫開發一款針對初學者的AI 3D建模工具”這一需求，我們讓模型分析目標使用者畫像和使用者在主要場景下的核心痛點，並推匯出對應的潛在功能需求，寫出MVP需求文件和初期營運增長路徑。▲AI 3D建模工具產品MVP需求文件從結果來看，所有需求要點都有比較準確的對應資訊，需求文件和營運增長路徑都有多個表格呈現梳理的內容，路徑規劃較為具體。▲AI 3D建模工具初期營運增長路徑PPT製作環節，我們要求PPT“讓學生真的能聽進去”，舉的例子能讓他們產生共鳴，對於這一需求，模型在PPT製作中用了很多“比喻”，融入了一些當代元素，比如“唐朝朋友圈”、將長安城比作“北上廣深”、將杜甫比作關注民生的“新聞記者”。不過模型在PPT製作的美觀程度和細節嚴謹程度方面還有待提升。03.新聞報告成“舊聞彙總”視訊生成仍有最佳化空間Agent能力方面，我們還測試了兩個定時任務，包括每日科技要聞摘要和TikTok熱門趨勢周度分析。雖然需求強調了是24小時內新聞，但給出的8個新聞全部為“過時消息”，基本均為2025年舊聞。這樣即便總結的新聞內容較為準確，但已經失去了最根本的“新聞”屬性。▲每日科技新聞摘要同時，對於檢索來源的標註只標明了媒體名稱，並未帶上對應的網頁連結。在TikTok熱門趨勢周度分析任務中，模型首先總結了核心趨勢動向，接著對熱門挑戰、熱門音訊、熱門話題標籤、重要創作者等部分進行了分析總結，最後按照要求給出了內容創作建議。▲TikTok熱門趨勢分析報告最後，我們簡單嘗試了視訊生成，從結果來看，模型並沒有對需求中狗的品種有精準呈現，不過畫面的氛圍、主物體動作、背景元素都有精準還原。提示詞：結果：04.結語：程式設計和Agent能力仍是模型競賽焦點雖然MiniMax-M2.5尚未官宣發佈，但從實際體驗和公開評價來看，其提升的重點仍然是Agent能力和程式設計能力，這也是當前主流大模型競爭的焦點。從生成結果來看，“拿來即用”仍然存在一定距離，大部分結果仍然需要修改校對，對需求的精準呈現仍然存在最佳化空間。 (智東西)

國產AI大戰或加速步入下一階段。中金公司援引市場資料顯示，國內豆包App日活躍使用者數（DAU）已突破1億大關。該機構認為，豆包目前的使用者規模、留存率、增速、DAU與MAU的比率，均說明其DAU邁向更高門檻的確定性強，甚至有望實現對Chatbot形態的產品使用者近乎全量的覆蓋；而競爭對手們無論是基於對產品的理解、定位還是投入，都很難影響這一路徑。而根據研究機構Quest Mobile發佈的《2025下半年AI應用互動革新與生態落地報告》，截至最新統計周期（12月8日至12月14日），豆包周活躍使用者數在全市場AI原生App中亦居榜首，達1.55億，實現了斷崖式領先。DeepSeek、元寶分別位居第二、第三，周活躍分別為8156萬、2084萬；螞蟻阿福、千問周活躍使用者量則分別為1025萬、872萬。豆包使用者數目增長的背後是大模型呼叫量的跨越式爆發。在前不久的火山引擎原動力大會上，火山引擎總裁譚待透露，豆包大模型日均使用量（Tokens）超過50兆，自發佈以來增長417倍。對此，中金公司如此強調：“國內所謂‘Chatbot入口之爭’似乎已然意義不大。”儘管如此，國內網際網路大廠所佈局的AI入口形態確各不相同：12月1日，字節跳動豆包團隊發佈豆包手機助手技術預覽版——一款通過深度系統合作而實現的AI手機；阿里將千問APP視作“超級入口”，並致力於接入高德地圖等生態場景；騰訊則是將元寶深度融入微信APP，其活躍程度甚至一度引發“評論區的元寶互動是小編輪班扮演還是AI”的爭議。基於上述背景，仍有眾多機構強調未來AI入口之爭的不確定性，如華源證券指出，AI入口競爭後續會持續演繹，手機端側、超級APP和垂直AI平台將從不同維度持續推進AI Agent入口使用者層面的教育和圈定，同時通過不同方式完成應用層生態的連接和統一。中泰證券最新研報則表示，越來越多的AI應用場景正被解鎖。AI會放大應用的價值空間，從效果工具走向勞動力服務市場，市場空間有望大幅提升。更多的專業門檻高、流程複雜、服務屬性強的場景不會被大模型廠商穿透。投資層面上，該機構判斷，基礎大模型廠商仍在加速卷能力天花板，對算力的需求持續旺盛，且伴隨AI應用的快速落地，更多的推理算力需求也隨之而生，隨著宏觀經濟好轉、AI應用落地以及人員調整與人效提升，電腦類股的基本面有望加速向好。 (科創板日報)

這幾天 AI 圈都在被 Sora 2 刷屏，沒想到國產 AI 也悄咪咪地幹了票大的。騰訊的混元圖像大模型 3.0，才發佈一週，就在全球最硬核的 AI 競技場 LMArena 上殺瘋了——在26 個全球頂級模型混戰，拿下文生圖全球榜單的 Top 1！這可不是什麼野榜，LMArena 是加州大學伯克利分校搞的，純靠全球網友「盲測」投票，誰好誰壞，全憑真實體驗說話。簡單說，就是把所有模型的名字都遮住，讓你憑感覺二選一，選出你更喜歡的那張圖。這種機制下拿第一，含金量可想而知。LMArena 官方也發文祝賀，說這是「文生圖排行榜大洗牌」，稱混元圖像 3.0 已經超過了 Google 爆火的 nano banana。騰訊這個開源模型實打實把一眾頂級閉源模型都給「干沉默」了.APPSO 也深度體驗了混元圖像大模型 3.0，再次分享給大家。中秋佳節將至，不妨用它來傳達些有意思的祝福，APPSO 預祝大家團團圓圓閤家歡樂。混元圖像 3.0 的最大的亮點是，不僅能畫圖，還能精準「理解」，和利用世界知識「推理」。比如我們想做一張廣告海報，它能把商品畫出來，還順手把文字排版好；想做一套漫畫，輸入一句話，它就能幫我們畫好分鏡。聽起來是很強，但也讓人好奇，它真能替代設計師嗎？還是只是多了點「聰明」的生圖？畢竟我們手上已經有 nano banana 這樣強大的圖像編輯模型，更不用說其他層出不窮的生圖模型。體驗地址：https://hunyuan.tencent.com/modelSquare/home/play?modelId=289&from=/visual在開始我們的實測之前，先看看這次 3.0 更新了什麼內容。這是首個開放原始碼的工業級原生多模態生圖模型。多模態的能力，意味著它不僅能畫畫，還具備語言模型的理解和推理能力，在畫之前，它可以先想清楚要畫什麼。開源方面，混元圖像 3.0 的體量和能力都處於最前列，參數規模高達 80B，是目前最大的開源生圖模型。騰訊混元圖像 3.0 模型框架圖，80B 參數的 MoE 結構原生多模態架構，也讓一個模型，就可以同時處理文字、圖像、視訊、音訊的輸入輸出，而不是把幾個不同模型拼湊在一起；此外，文字生成的能力，也是混元圖像 3.0 的一大主打，它號稱能解析千字等級的複雜語義內容，精確生成長文字文字。騰訊混元把它形容成一個自帶「大腦」的畫家。使用者只需給出大方向，它就能用常識和世界知識把畫面補全，生成真實、細膩、帶有美學質感的圖像。採用了常用於評估圖像生成效果的 GSB（好/一樣/差）評價方法。總共使用了1000 個文字提示，100 多名專業評估人員，混元圖像 3.0 與 nano banana 和字節跳動的 Seedream，以及 GPT-IMG 對比，一樣好的情況佔比最多，而深灰色部分，則代表混元圖像 3.0 更好，淺灰色代表用來對比的模型更好。光說不練假把式。從常識到創意，從專業到玩梗，我們用不同的提示詞，全方位地測試了這個混元圖像 3.0 模型的生圖能力，結果低估它了？世界知識和推理，AI 像人一樣畫畫有了世界知識，最大的好處，我們的提示詞可以更像人話。就像下面這張圖，我們直接告訴它 labubu，而不用專門去描述 labubu 這個形象具體是什麼樣。生成一個畫出 labubu 的四宮格素描畫流程而一些特定的知識上，它似乎也有查詢的能力，並應用在圖像生成的過程中。像下面這張圖片，我的提示詞只有 3 號線、客村站這些資訊，但是模型推理出下一站是廣州塔、珠江新城、體育西路。更令我感到驚喜的是，混元圖像 3.0 對文字生成的把控，幾乎是做到了精準還原。廣州地鐵客村站站台實拍圖，遮蔽門頂部有顯示3號線的站點情況我們也用 nano banana、ChatGPT、和豆包生成同樣的照片，結果是，都只能根據我輸入提示詞的資訊來生圖，線路站點資訊，有些是文字渲染完全不行、有些是資訊錯誤、還有直接顯示「3 號線站點資訊」幾個字的。一時間不知道是該誇，服從使用者指令，還是說它知識學習得不夠多。不過 Seedream 給我的感覺，整張圖片的風格，是「AI 味」最少的。能夠利用世界知識進行推理，給了生圖模型更多的潛在玩法。就像開頭我們的 labubu 四宮格素描圖，可以擴展到做一些知識點的講解，這些經常在社交媒體平台上刷到的，漫畫科普小卡片。生成一個月全食的四格科普漫畫混元官方也給出了類似四宮格漫畫的提示詞指南，幫助我們單抽出金。開篇表明是四宮格漫畫：「一幅黑白四格漫畫。」分格子描述畫面：「第一格，xxx。第二格，xxx。第三格，xxx。第四格，xxx。」可以展開你的想像，填充細節，這樣效果會更好。想要高級感，很吃提示詞官方在它們 GitHub 倉庫放出的幾張圖片，我第一眼看到，想到的是朋友圈的那些範本封面圖，高級感真的拉滿。但我自己用一些簡單的提示詞，讓混元圖像 3.0 去做的時候，出來的圖片 AI 味是非常重的，甚至給我一種，這不像是 2025 年生圖模型的效果。在提示詞裡面，我們已經用了「日常拍照風格」、「復古濾鏡」等風格化用詞，但是最後的成片，還是高飽和度、高亮度。官方給出的攝影風格，提示詞參考技巧是，主體場景+畫質風格+構圖視角+光線氛圍+技術參數。我們又照著這個格式，重新測試了一回，效果上確實好了一些。指定多少毫米的鏡頭，在提示詞裡面，確定這類技術參數，我認為是生成真實圖片的關鍵。但還是很難抽到「AI 味」沒那麼重的圖片，目前混元圖像 3.0 也只支援文生圖，圖像的編輯功能暫時還沒有上線，所以對提示詞的要求，變得更高。騰訊混元團隊透露，圖生圖、圖像編輯、以及多輪互動等版本將在後續發佈。國外模型的難點，長文字生成真實照片的攝影風格比較不如意，其他風格化，像是卡通、漫畫以及不同材質的渲染，混元圖像 3.0 的表現確實不錯，以及還有一項長文字的生成能力。畫一個咖啡店的菜單黑板，上面寫著：拿鐵 - 30元，美式 - 25元，卡布奇諾 - 28元。而更複雜的文字，也需要掌握一些官方給出的技巧。將大段的文字拆成多句並使用多個引號，文字會更準確。同時，文字的精準性與 prompt 描述的佈局方式有一定關聯。可以嘗試以下的策略：（a）在渲染的文字前使用「第幾行寫著」、「左邊寫著」之類提示佈局資訊的詞（b）修改圖片長寬比（c）換一種內容佈局的方式（如左右佈局換成上下佈局）文章的幾個測試案例，大多集中在「玩」的階段。從效果看，混元圖像 3.0 的確在一些細節上比大部分模型更聰明，但能不能真的應用到具體的工業場景，選擇繼續開源是它最好的答案。最後，不得不說，生圖還是目前 GenAI 裡面最火的，模型能不能出圈，彷彿都得靠生圖。ChatGPT 靠一張吉卜力風格的照片、Gemini 則是用一張一致性極強的桌面手辦，獲得了空前的關注。從風格到一致性，傳達的都是這張照片給我們最直接的感覺，而非照片的具體含義。這大概是視覺動物的特點，一致性過後，AI 圖片的下一個大熱門，會是什麼呢？極強的創意，更極致的細節密度，往真實再進一步。 (APPSO)

DeepSeek離下一代架構，又近了一步！智東西9月30日報導，昨日，DeepSeek宣佈開源DeepSeek-V3.2-Exp實驗版模型。該模型首次引入了DeepSeek Sparse Attention稀疏注意力機制，並在幾乎不影響模型輸出效果的前提下，大幅度提升了長文字訓練和推理效率，被DeepSeek定義為“邁向新一代架構的中間步驟”。HuggingFace地址：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp魔搭社區地址：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp這一改進還降低了DeepSeek新模型的服務成本，DeepSeek因此執行了新的價格政策，讓開發者呼叫DeepSeek API的成本降低50%以上。降價幅度最大的為輸出token的價格：DeepSeek-V3.2-Exp模型輸出100萬個token的價格僅為3元，為DeepSeek-V3.1系列模型的1/4。截至9月30日上午6點，華為雲、PPIO派歐雲、優刻得等雲平台已宣佈上線DeepSeek-V3.2-Exp，華為、寒武紀、海光資訊等AI晶片廠商已經宣佈適配DeepSeek-V3.2-Exp。DeepSeek-V3.2-Exp是在DeepSeek-V3.1-Terminus的基礎上打造的。在各領域的公開評測集上，兩款模型的表現基本一致，不過，DeepSeek-V3.2-Exp完成任務使用的token量大幅度減少。目前，DeepSeek App、網頁端與小程序均已同步上線了DeepSeek-V3.2-Exp模型。DeepSeek也臨時保留了DeepSeek-V3.1-Terminus的API介面，方便開發者進行對比驗證。除模型本體外，DeepSeek還開源了相關技術報告及程式碼，並提供TileLang與CUDA雙版本GPU算子，以便研究者在不同層級進行實驗和最佳化。技術報告地址：https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdfDeepSeek還補充道，作為一個實驗性的版本，DeepSeek-V3.2-Exp雖然已經在公開評測集上得到了有效性驗證，但仍然需要在使用者的真實使用場景中進行範圍更廣、規模更大的測試，以排除在某些場景下效果欠佳的可能。01.華為、海光、寒武紀光速適配，網友直呼第二個DeepSeek時刻要來了DeepSeek-V3.2-Exp一經推出，便在產業界與開發者圈子裡引發熱烈反響，不少國內企業紛紛第一時間宣佈完成DeepSeek-V3.2-Exp的適配和上線。華為計算公眾號發文宣佈，昇騰已快速基於vLLM/SGLang等推理框架完成適配部署，實現DeepSeek-V3.2-Exp Day 0（第零天）支援，並面向開發者開源所有推理程式碼和算子實現。DeepSeek-V3.2-Exp在昇騰裝置上128K長序列輸出，能夠保持TTFT（首token輸出耗時）低於2秒、TPOT（每token輸出耗時）低於30毫秒的推理生成速度。華為雲則首發上線了DeepSeek-V3.2-Exp，還使用CloudMatrix 384超節點為該模型提供推理服務。在DeepSeek發文宣佈DeepSeek-V3.2-Exp模型開源後的4分鐘，寒武紀也發文稱其已同步實現對該模型的Day 0適配，並開源大模型推理引擎vLLM-MLU原始碼。寒武紀通過Triton算子開發實現了快速適配，利用BangC融合算子開發實現了性能最佳化，並基於計算與通訊的平行策略，達成了較高的計算效率水平。DeepSeek-V3.2-Exp模型的尺寸達671GB，僅下載就可能需要數小時。這種時隔4分鐘的Day 0適配，或許意味著寒武紀和DeepSeek兩家企業在模型發佈前就已經啟動適配工作。據經濟觀察網報導，海光資訊的DCU（深度計算處理器）率先實現了對DeepSeek-V3.2-Exp的Day 0級高效適配與最佳化，確保大模型算力“零等待”部署。在DeepSeek官宣DeepSeek-V3.2-Exp開放原始碼的推文中，有不少網友分享了對模型的使用體驗和感受。有位網友稱，自己在10萬個token的程式碼庫上測試了DeepSeek-V3.2-Exp，速度提升非常明顯。有網友感嘆，DeepSeek API現在幾乎等同於免費了。更有網友認為，這一模型的推出，或許意味著第二個DeepSeek時刻即將到來。Hugging Face上，DeepSeek-V3.2-Exp的社區類股也有不少討論，不過，關注度最高的一條帖子，是來自中國網友的“吐槽”：“咱這個模型是非得國慶前更新嗎？”還有網友列出了DeepSeek每次更新模型的時間，幾乎都卡在節假日的前幾天。02.一手體驗DeepSeek-V3.2-Exp架構創新或許比性能提升更重要DeepSeek-V3.2-Exp在使用體驗上，究竟與此前的DeepSeek-V3.1-Terminus有何不同？在程式設計方面，DeepSeek-V3.2-Exp撰寫的程式碼明顯更為簡短了，相同的任務下，其輸出的程式碼行數要少於DeepSeek-V3.1-Terminus。不過，這在某種程度上也影響了模型的性能。DeepSeek-V3.2-Exp編寫的小球彈跳動畫程式碼未能正常運行，小球直接飛出了六邊形的範圍。DeepSeek-V3.1-Terminus在智東西此前的測試中完美地完成了這一任務。智東西還讓DeepSeek-V3.2-Exp完成了一項資訊檢索任務，要求它推薦幾種適合新手在陽台盆栽的、生長快、果子能直接生吃的植物，並且要保證對小孩絕對安全，最好能附上簡單的播種技巧。與DeepSeek-V3.1-Terminus（左）相比，DeepSeek-V3.2-Exp（右）的生成結果更為簡短，用詞也比較“樸素”。並且，DeepSeek-V3.2-Exp推薦的無花果、百香果等植物，需要進行扦插、高頻率養護等操作，並不符合提示詞要求的新手友好。▲DeepSeek-V3.1-Terminus（左）與DeepSeek-V3.2-Exp（右）在資訊檢索任務上的表現（圖源：智東西）總體而言，DeepSeek-V3.2-Exp確實在推理效率上實現提升，但卻在能力上做出了一定的讓步。知乎博主@toyama nao也在測評中發現了類似的問題。他認為，DeepSeek-V3.2-Exp在工作記憶、計算精度穩定性等方面存在明顯短板，還容易有偷懶傾向和陷入死循環的可能。▲知乎博主@toyama nao對DeepSeek-V3.2-Exp的評價這也得到了其他網友觀點的印證，例如，這位網友便在x平台發貼稱，並沒在這款模型上看到改進，並提出質疑：我們為什麼要使用能力降級的模型呢？作為一款實驗模型，DeepSeek-V3.2-Exp更大的貢獻或許在於理論層面。DeepSeek稱，與DeepSeek-V3.1-Terminus相比，DeepSeek-V3.2-Exp在架構上的唯一修改，就是通過繼續訓練引入了DeepSeek Sparse Attention。目前的DSA機制還處在原型期，主要由兩個元件構成：一個Lightning Indexer（閃電索引器）和一個細粒度的token選擇機制。▲DeepSeek-V3.2-Exp架構圖Lightning Indexer能夠快速評估查詢token與歷史token的相關性，從選擇機制只挑選最相關的一部分上下文進入注意力計算，這讓複雜度從傳統的二次方降到了近似線性水平，大幅降低了訓練和推理的成本。在訓練上，DeepSeek-V3.2-Exp採用了“繼續預訓練+後訓練”的方式。繼續預訓練分為兩個階段：首先在稠密模式下短暫訓練indexer，讓它的輸出和標準注意力保持一致；隨後引入稀疏選擇機制，逐漸讓模型適應新的計算方式。完成預訓練後，DeepSeek-V3.2-Exp又通過專家蒸餾和混合強化學習進行後訓練。專家蒸餾的思路是針對數學、程式設計、推理等不同領域訓練專門的專家模型，然後將這些模型的知識壓縮排通用模型。混合強化學習則將推理、智能體能力和人類對齊訓練統一在一個RL階段中，避免了傳統多階段方法容易出現的遺忘問題。技術報告顯示，DeepSeek-V3.2-Exp在大多數評測任務上的表現與前代基本持平，個別推理相關的測試分數略有下降，但主要原因是生成的推理token更少，如果使用中間檢查點，差距則會縮小。相比之下，效率的提升尤為顯著。在H800 GPU的測試環境中，長序列推理的開銷明顯降低，證明DSA在真實部署中有很強的實用性。同時，訓練曲線與前代模型保持相似的穩定性，也表明這種架構在收斂性上並沒有額外風險。03.結語：DeepSeek邁向新一代架構正如其名字內的Exp（實驗版）所言，DeepSeek-V3.2-Exp的推出，本身並不是一次性能爆表的升級，而更像是一場架構實驗，展示了一種在長文字處理中兼顧性能和效率的新路徑。作為技術原型，DeepSeek-V3.2-Exp背後的DSA機制或許很快就會得到進一步完善。隨著相關技術的持續最佳化和更多企業、研究者參與驗證，DeepSeek有望在不久的未來交出更令人驚喜的成果。 (智東西)