就在剛剛，義大利米蘭傳來超級重磅消息。台北時間2026年2月5日，國際奧委會正式宣佈：奧運史上首個官方大模型橫空出世！國際奧委會主席考文垂，現場為我們中國的技術點贊！因為驅動這個奧運“大腦”的核心技術，正是來自阿里巴巴的千問大模型！考文垂表示：得益於千問大模型的技術支撐，2026米蘭冬奧會展現了奧林匹克運動的智能化未來，將成為史上最智能的一屆奧運會。可能有人會問，全球那麼多科技巨頭，為什麼奧委會最終要把這項開創歷史的“超級工程”交給我們？僅僅是因為性價比嗎？絕對不是！隨著核心細節的披露，全世界都看懂了，這背後是兩項無可替代的硬核實力。第一，是經歷過“地獄級”實戰考驗的穩定性。奧運會是全球數十億人圍觀的直播，技術容錯率是0！而在高並行流量抗壓這件事上，中國技術早就練就了“金剛不壞之身”。無論是“雙十一”的交易洪峰，還是春運的搶票壓力，阿里的雲端運算技術早就證明了自己。奧委會很清楚：把後台交給中國雲，就是兩個字：放心！第二，是真正“讀懂”世界的智能化能力。這屆冬奧會被稱為史上“最智能”的一屆。首先是溝通零障礙。基於千問的多語言能力，全新的“奧運AI助手”讓全球代表團和觀眾都能用母語提問，從比賽規則到後勤調度，AI瞬間給出精準答案，徹底打破了語言的隔閡。其次，是極致的視覺體驗。冬奧會轉播有個老難題，雪地太白、紋理太單一，傳統技術很難捕捉高畫質細節。但這次，阿里雲通過AI增強特效技術，硬是在漫天風雪中實現了超高精度的場景重建。大家在電視機前，能看到比現場更清晰的“子彈時間”特效，運動員在空中的每一個極速翻轉，都被完美定格！這也是為什麼考文垂主席會給出如此高的評價，她說：“過去，我們通過衛星連接世界；今天，我們通過阿里巴巴的雲和AI連接世界。”從2008年北京奧運會我們努力向世界展示自己，到今天世界主動擁抱中國技術。這一刻，我們不僅贏得了合作，更贏得了全球的尊重。米蘭冬奧會，中國健兒在賽場拚搏，中國科技在幕後護航。這，就是屬於我們的中國排面！ (王晶華說AI)

幾天前，《Nature》雜誌刊發了一篇來自中國的人工智慧研究論文。這在頂級學術期刊上並非新鮮事，但這篇論文的份量卻非同尋常：它來自北京智源人工智慧研究院，核心成果是一個名為“Emu3”的多模態大模型，而它試圖回答的問題，是整個AI領域過去五年來懸而未決的核心命題——我們能否用一種統一的方式，讓機器同時學會看、聽、說、寫，乃至行動？這個問題聽起來簡單，但它的複雜程度足以讓全球頂尖的AI實驗室爭論不休。OpenAI用Sora驚豔世界，靠的是擴散模型；Google的Gemini整合多模態，用的是複雜的編碼器拼接；Meta的Chameleon嘗試統一，卻始終難以在性能上與專用模型抗衡。而智源的答案，是一個看起來樸素得近乎偏執的選擇：只用“下一詞預測”。這個選擇的意義，可能需要一些背景知識才能理解。論文前言一場關於“語言”的豪賭如果你問一位2020年的AI研究者，未來的多模態智能會是什麼樣子，他大機率會給出這樣的預測：圖像生成歸圖像生成，文字理解歸文字理解，視訊處理歸視訊處理，然後我們用某種“膠水”把它們粘在一起。這不是懶惰，而是當時的技術現實——不同模態的資料特性差異太大，專精往往意味著高效。事實上，這條路線在過去幾年裡取得了巨大成功。Stable Diffusion讓普通人也能生成驚豔的圖像，GPT-4讓對話AI變得無所不能，而各種視覺-語言模型則在問答、識別、描述等任務上不斷刷新紀錄。但問題也隨之而來：這些模型就像一個技藝精湛但只會單項運動的運動員，讓它們協同工作，需要複雜的工程架構、精細的模態對齊，以及大量的人工干預。更關鍵的是，這種“專科化”的發展路徑隱含著一個令人不安的假設：也許機器智能天生就是碎片化的，我們永遠需要為每一種能力單獨訓練一個模型。Emu3挑戰的，正是這個假設。智源團隊的核心洞見是：如果我們把圖像、視訊、文字都轉換成同一種“語言”——離散的符號序列——那麼讓模型學習“預測下一個符號”這一個任務，是否就足以涵蓋所有多模態能力（如下圖）？這個想法並非沒有先例。早在2020年，GPT-3就已經證明，僅僅通過預測下一個詞，語言模型可以湧現出驚人的推理、翻譯、程式設計能力。但將這一範式擴展到圖像和視訊，面臨著截然不同的挑戰：一張512×512的圖像，如果用簡單的方式轉換成符號，可能需要幾十萬個token，這對於Transformer架構來說是災難性的計算負擔；更重要的是，圖像的空間結構、視訊的時間連續性，與文字的線性敘事有著本質區別，簡單的“下一詞預測”真的能捕捉這些複雜的關係嗎？智源的答案是肯定的，而Emu3就是他們的證明。一個分詞器的藝術要理解Emu3的技術突破，首先要理解它的“視覺分詞器”（Vision Tokenizer）。這個聽起來不起眼的元件，實際上是整個系統的基石。想像一下，你需要用電報向一個從未見過圖片的人描述一幅畫。你不可能傳輸原始的像素值——那太冗長了；你也不能只說“一幅風景畫”——那太模糊了。你需要的是一種既緊湊又富有表現力的編碼方式，能夠在有限的符號中保留足夠的視覺資訊。Emu3的視覺分詞器做的正是這件事。它能夠將一張512×512的圖像壓縮成僅僅4096個離散符號，壓縮比達到64:1；對於視訊，它在時間維度上進一步壓縮4倍，使得一段4幀的視訊片段也只需要4096個符號表示。這些符號來自一個包含32768個“詞彙”的碼本——你可以把它想像成一本視覺詞典，每個“詞”代表一種特定的視覺模式。更精妙的是，這個分詞器是為視訊原生設計的。傳統的圖像分詞器處理視訊時，只能逐幀編碼，完全忽略幀與幀之間的時間關聯；而Emu3的分詞器通過三維摺積核，能夠同時捕捉空間和時間維度的資訊。在實驗中，這種設計用四分之一的符號數量，就達到了與逐幀處理相當的重建質量——這不僅意味著更高的效率，更意味著模型能夠真正“理解”視訊的動態本質，而非僅僅處理一堆靜態圖片。有了這個分詞器，圖像和視訊就變成了與文字一樣的符號序列。接下來的事情，就是讓一個Transformer學會預測這些序列中的“下一個符號”。當簡單遇上規模Emu3的模型架構，用一句話就能概括：它就是一個標準的大語言模型，只不過詞彙表裡多了32768個視覺符號。這種極簡主義設計在AI研究界是罕見的。主流的多模態模型——無論是LLaVA、BLIP-2還是Flamingo——都採用“編碼器+語言模型”的複合架構，即先用一個專門的視覺編碼器（通常是CLIP）把圖像轉換成特徵向量，再用介面卡將這些特徵“注入”語言模型。這種設計的好處是可以復用已有的預訓練元件，但代價是系統複雜度的急劇上升，以及模態之間潛在的隔閡——視覺編碼器和語言模型畢竟是獨立訓練的，它們對世界的理解未必一致。Emu3選擇了一條更激進的路：不用任何預訓練的視覺編碼器，不用任何複雜的模態融合機制，只用一個從零開始訓練的decoder-only Transformer。所有的多模態知識，都是在統一的下一詞預測任務中從資料裡學來的。這種“大道至簡”的設計哲學，在實踐中轉化為了驚人的實驗結果。在圖像生成任務上，Emu3在人類偏好評估中得分70.0，超越了Stable Diffusion XL（66.9）這個擴散模型的標竿；在視覺語言理解的12個基準測試上，它的平均分達到62.1，與採用複雜編碼器架構的LLaVA-1.6（61.8）持平；在視訊生成的VBench評估中，它取得了81.0分，超過了專門的視訊擴散模型Open-Sora-1.2（79.8）。這些數字的意義在於：一個僅僅用“預測下一個符號”訓練的模型，在生成和理解兩個看似矛盾的方向上，同時達到了專用模型的水平。這在此前被認為是不可能的——畢竟，擴散模型和自回歸模型的數學基礎完全不同，擅長理解的架構通常不擅長生成，反之亦然。Emu3的成功，相當於一個運動員同時在短跑和馬拉松比賽中奪冠，打破的不僅是記錄，更是人們對專業化邊界的認知。規模定律的啟示如果說單點性能的突破還可以歸因於工程技巧或資料質量，那麼Emu3論文中最具科學價值的發現，則來自於它對規模定律Scaling Laws的系統研究。規模定律是現代AI研究的聖盃之一。它描述的是模型性能與模型規模、資料規模之間的數學關係——如果我們知道這個關係，就能預測一個更大模型的表現，而不需要真的訓練它。這對於動輒消耗數百萬美元計算資源的大模型研發來說，具有極其重要的實用價值。此前的規模定律研究主要集中在純語言模型上。Emu3的貢獻在於，它證明了多模態學習同樣遵循可預測的規模定律，而且——這是關鍵——不同模態共享同一套資料擴展指數。具體而言，無論是文字到圖像、圖像到文字，還是文字到視訊，當訓練資料量翻倍時，模型的驗證損失都以0.55的指數下降。這意味著多模態能力的提升不是各自為政的，而是遵循統一的數學規律。基於較小模型的實驗資料，研究團隊精準預測了70億參數模型的性能，擬合優度超過0.99，誤差不到3%。這個發現的意義遠超學術範疇。它暗示著，未來的多模態智能可能不需要為每種能力單獨設計訓練策略——只要把不同模態的資料混合在一起，用統一的目標訓練，規模擴大後能力就會自然湧現。這極大地簡化了研發路徑，降低了技術門檻，也讓通用人工智慧AGI的願景變得更加可信。論文的另一個亮點，是Emu3在機器人操控任務上的出色表現。在CALVIN基準測試——一個評估機器人執行長序列任務能力的標準測試——中，Emu3在“連續完成五個任務”的指標上達到了87%的成功率。這意味著機器人在接受語言指令後，能夠依次完成一系列複雜操作，如“拿起桌上的杯子”、“打開抽屜”、“把杯子放進去”等，每一步都需要視覺感知、語言理解和動作規劃的緊密配合。這個結果揭示了Emu3框架的深層潛力：它不僅僅是一個內容生成工具，更可能是通往具身智能的一條捷徑。傳統的機器人學習需要專門設計感知模組、決策模組和控制模組，然後艱難地將它們整合在一起；而Emu3的思路是，把視覺觀察、語言指令和機械臂動作都轉換成符號序列，讓模型在統一的框架下學習它們之間的關聯。論文中展示了一個令人印象深刻的例子：給定一段烹飪視訊的前兩秒，Emu3可以預測接下來兩秒會發生什麼——鍋中的食材如何翻炒（如下圖），廚師的手會移向那裡，蒸汽會如何升騰。這種“世界模型”的能力，被認為是通向更高級AI的關鍵：一個真正理解物理世界的模型，應該能夠預測行動的後果，而非僅僅記憶靜態的圖像-文字關聯。與海外同行的比較在全球AI研究的版圖上，Emu3處於什麼位置？最直接的比較對像是Meta的Chameleon。這是另一個嘗試統一多模態學習的模型，同樣採用了token化和自回歸預測的範式。但Chameleon在發佈時面臨著一個尷尬的處境：雖然架構統一，但性能與專用模型存在明顯差距，尤其在圖像生成質量上。Emu3的突破在於，它證明了這個差距可以被彌合——關鍵在於視覺分詞器的質量和訓練策略的最佳化。與OpenAI的路線相比，差異則更加根本。OpenAI的Sora代表了擴散模型在視訊生成上的巔峰，它的視覺質量和時間一致性令人歎為觀止。但擴散模型有一個內在限制：它本質上是一個生成器，而非理解器。要讓Sora“理解”視訊內容並回答問題，需要額外嫁接一個視覺語言模型——這又回到了模態割裂的老路。Emu3的自回歸範式則天然統一了生成與理解：生成是預測視覺符號，理解是預測文字元號，它們在同一個模型裡用同一種方式完成。Google的Gemini採用了一種更折中的策略：它確實整合了多種模態，但內部架構仍然依賴預訓練的視覺編碼器和複雜的模態融合機制。這種設計的好處是可以快速利用已有的技術積累，但代價是系統的複雜性和潛在的模態偏見。Emu3的從零訓練策略雖然計算成本更高，但帶來的是更純粹的多模態表徵——所有模態的知識都是在同一個最佳化目標下共同習得的。從開放性的角度看，Emu3的優勢更為明顯。論文作者承諾開源關鍵技術和模型，包括視覺分詞器、訓練程式碼和預訓練權重。這與OpenAI對Sora和GPT-4的封閉策略形成鮮明對比。對於中國乃至全球的AI研究社區來說，這意味著一條新的技術路線變得可以復現、可以改進、可以建立在上面。商業化的想像空間技術突破最終需要轉化為社會價值，而Emu3的架構特性為商業化提供了獨特的可能性。首先是部署效率。Emu3的核心是一個標準的Transformer，這意味著它可以直接復用大語言模型已經非常成熟的推理基礎設施——包括vLLM的動態批處理、PagedAttention的記憶體最佳化、各種量化和剪枝技術。論文提到，研究團隊基於FlagScale開發了支援無分類器引導的推理後端，在保持生成質量的同時實現了低延遲和高吞吐。這為大規模服務奠定了基礎。其次是應用的統一性。傳統的多模態服務需要為不同的能力部署不同的模型——一個處理圖像生成，一個處理視覺問答，一個處理視訊理解——這帶來了顯著的維運複雜度和資源浪費。Emu3的單一模型架構意味著一套部署可以支撐多種能力，大大降低了服務的邊際成本。更具想像力的是互動形態的變革。當一個模型同時具備生成和理解能力，而且可以處理圖像、視訊、文字的任意組合時，傳統的“輸入-輸出”界限就變得模糊了。一個使用者可以上傳一段產品演示視訊，要求模型生成配套的圖文說明書；可以描述一個場景，讓模型生成視訊並即時回答關於視訊內容的問題；甚至可以讓模型“想像”一個物理過程的結果，比如“如果我把這杯水倒在鍵盤上會發生什麼”。這些互動在此前需要複雜的多模型協作，現在可能在單一模型內流暢完成。在特定垂直領域，Emu3的潛力同樣值得關注。教育場景中，一個能夠生成演示圖像、解釋概念、回答問題的統一助手，比分離的工具組合更加自然；電商場景中，從產品圖片的生成、變體的建立、到使用者問詢的回答，可以在同一個模型中完成；醫療影像分析中，統一的多模態理解可能幫助醫生更高效地處理報告和圖像。當然，從實驗室原型到商業產品還有很長的路要走。論文也坦誠地討論了現有的侷限：推理速度仍有提升空間，視覺分詞器在壓縮率和保真度之間存在權衡，長視訊的處理能力有待增強。但這些是工程最佳化的問題，而非範式上的死胡同。一個範式的開端回到本文開頭的問題：Emu3的真正意義是什麼？從技術角度看，它證明了“下一詞預測”作為多模態學習統一範式的可行性。這不是一個增量式的改進，而是對主流技術路線的根本性挑戰。如果Emu3的結果可以被進一步擴展——更大的模型、更多的資料、更長的上下文——那麼AI領域可能正站在一次範式轉移的門檻上。從產業角度看，它為中國AI研究樹立了一個新的標竿。在大模型競爭中，中國團隊往往被認為是快速跟進者而非規則制定者。Emu3登上Nature，不僅是學術聲譽的認可，更重要的是它提出了一條不同於OpenAI、Google、Meta的技術路線，並且用實驗證明了這條路線是可行的。這種原創性的貢獻，是建立長期技術影響力的基礎。從更宏觀的視角看，Emu3的成功暗示著一種可能的未來：也許智能的本質就是預測。預測下一個詞，預測下一幀畫面，預測下一個動作——當這些預測任務被統一到同一個框架中，湧現出的可能不僅僅是更強的模型，而是對“理解”和“創造”本身的新詮釋。論文的結尾寫道：“統一的下一符號建模為世界模型提供了一條有希望的道路，這種模型整合了感知、語言和行動。”這不僅是一個技術願景，也是一種哲學立場：智能也許不需要被分解成相互獨立的模組，它可以是連續的、統一的、自然生長的。當然，一篇論文不能回答所有問題。Emu3的上下文窗口還不夠長，處理小時級視訊仍是挑戰；它的推理能力與專用語言模型相比仍有差距；它對真實物理世界的”理解”究竟有多深，還需要更嚴格的測試。但它已經邁出了關鍵的一步：證明了一條更簡潔、更統一的道路是存在的。在AI發展史上，最重要的突破往往不是做出更複雜的系統，而是找到更簡單的原則。從反向傳播到注意力機制，從強化學習到擴散模型，每一次飛躍都源於對複雜性的簡化。Emu3的貢獻，也許正是把多模態智能的複雜性，簡化成了一個樸素的問題：下一個符號是什麼？這個問題的答案，將塑造AI的下一個十年。 (心智觀察所)

當前，全球AI大模型的技術焦點正從“對話互動”轉向“自主執行”。在這一趨勢中，國產大模型正展現出獨特的價值與影響力。近日，人工智慧企業月之暗面正式發佈並開源新一代大模型Kimi K2.5。作為該公司迄今最智能、最全能的模型，K2.5在視覺理解、程式碼生成與Agent叢集協作等方面實現重要突破，被AI業界視為國產人工智慧發展的又一標誌性產品。2025年初，DeepSeek-R1憑藉極高的推理效率火遍全球。一年後，月之暗面通過原生多模態與智能體能力的深度融合，進一步體現了國產基座模型在提升智能“密度”與實用效能方面的進階。隨著以Kimi K2.5為代表的AI大模型加速賦能千行百業，其廣泛的應用潛力越發凸顯。KimiK2.5模型全球多榜單領先自2023年成立以來，月之暗面先以“長文字”功能打開市場，隨後推出基於強化學習的K系列模型。這次K2.5的發佈，意味著公司在基礎模型研發上再進一步。相比2025年7月發佈的K2模型，Kimi K2.5模型意義重大。多項測試表明，K2.5在程式設計、視覺、推理和Agent（智能體）任務等多個領域達到國際先進水平。K2.5讓AI更“親民”。通過融合視覺、推理、程式碼和Agent能力，使用者現在只需拍照、截圖或錄屏，就能讓Kimi理解複雜需求，大大降低了與AI的互動門檻。發佈不到一周，來自美國、英國、德國、西班牙、新加坡等近20個國家超50家主串流媒體對Kimi K2.5進行了報導。該模型發佈後，迅速登上多個權威評測榜單前列。在第三方評測機構Artificial Analysis的最新榜單中，Kimi K2.5綜合性能位列全球前五，僅次於GPT-5.2、Claude Opus 4.5、GPT-5.2 Codex和Gemini 3 Pro Preview這四款閉源模型，在開源模型中居首。圖為評測機構Artificial Analysis發佈的最新模型排名Kimi K2.5還進一步提升了開源模型的程式碼水平，尤其是在前端開發領域，通過融合視覺能力降低了程式設計的門檻。比如，K2.5能自動拆解錄屏背後的互動邏輯，用程式碼進行完整復現。開發者社區的反響也十分熱烈。大模型聚合平台OpenRouter平台資料顯示，K2.5的呼叫量已進入全球前三，且仍在快速增長。LMArena榜單也顯示，其程式碼能力在開源模型中居首，總榜排名前三，是前十名中唯一的中國模型。知名程式設計工具Kilo Code近期資料顯示，K2.5已成為平台上呼叫量最高的模型。在程式設計的實際應用中，因具備視覺理解能力，Kimi K2.5模型也成為多家頭部大廠的首選，展現出廣泛的行業適配性。對普通使用者來說，Kimi K2.5模型將Agent能力擴展到日常辦公領域，它已具備處理Word、Excel、PPT、PDF等常用軟體的高階技能，能幫助使用者直接交付准專業水平的辦公文件。更值得關注的是，Kimi K2.5首次引入了“Agent叢集”能力，可以自主建立多達100個的數字“分身”，按需組成不同角色的團隊，平行工作，團隊作戰，獲得效率的極大提升。例如，使用者輸入40篇論文後，K2.5會先通讀全文，再派生子Agent分別撰寫不同章節，最後由主Agent整合成一份完整的PDF報告。這種“團隊作戰”模式極大提升了效率。圖為評測平台Design Arena發佈的榜單，Kimi K2.5位列第一最新資料顯示，Kimi K2.5已登上評測平台Design Arena榜單首位。該平台主要評測AI大模型的“視覺+互動+創意”能力，此結果印證了K2.5在“設計智能體”領域的綜合領先優勢。隨著應用場景的持續拓展與技術的穩步迭代，Kimi K2.5有望在全球範圍內推動AI應用走向更廣、更深的落地，為各行各業的智能化轉型提供切實助力。國產AI大模型影響力持續提升Kimi K2.5模型的快速破圈，不僅是國產AI模型的一次“實戰測試”，更是中國開源模式憑藉技術能力和性價比優勢在全球舞台嶄露頭角的重要體現。從DeepSeek-R1以強化學習最佳化實現“效率革命”，到月之暗面Kimi K2.5實現原生多模態與智能體叢集能力的融合突破，國產大模型在技術體繫上完成了從單點突破到系統化創新的範式躍遷，影響力持續提升。大模型能力是人工智慧走向規模化應用的核心基石。Kimi K2.5的發佈，體現了人工智慧行業將加速從“聊天互動”轉向以“自主執行”為目標的智能體新階段。以“Agent叢集”為例，過去工程師需要逐行編寫程式碼的複雜流程，如今僅憑一條自然語言指令，即可調度上百個智能體協同作業、平行處理。業內分析認為，這一從“單一模型智能”向“多智能體群體協作”的躍遷，是企業級AI開發的下一個前沿。當前，智能體技術正逐漸從實驗室走向實際應用，進入規模化落地階段。在政策引導與產業鏈協同創新的雙輪驅動下，中國在場景、資料與工程化方面的優勢持續釋放，為AI產業形成全球競爭力奠定了基礎。在市場與資本的雙重助推下，頭部企業正將資源聚焦於下一代技術的攻堅。月之暗面創始人楊植麟表示，下一代模型將採用Kimi Delta Attention新型線性注意力機制，進一步提升短長文字任務性能與速度。同時，未來的大模型還將具備更多“審美”和“價值觀”，擺脫同質化發展。“我們致力於在未來十年、二十年，推動K系列模型從K4、K5到K100實現代際跨越。”楊植麟表示，當前多款中國開源模型已成為事實上的行業基準，“中國技術不僅要好用，還要參與制定規則”。 (瞭望財經)

2006年的房地產，是公認的黃金賽道，需求爆發、資本扎堆，房價與投資熱度一路走高，成為拉動經濟、創造財富的核心引擎，開啟了長達十餘年的繁榮周期。如今2026年，AI應用正迎來類似的爆發期，從工業製造、企業辦公到消費終端、民生服務，AI全面滲透各領域，降本增效、提質升級的效果肉眼可見。資料顯示，2025-2030年全球AI市場規模將從2440億美元飆升至8270億美元，復合年增長率高達24%，遠超物聯網和公共雲等熱門領域。再者，技術迭代加速、政策持續加持、資本密集佈局，AI商業化落地與規模化應用全面提速，滲透廣度與增長潛力堪比當年的房地產，正成為新一輪產業升級與經濟增長的核心驅動力，長期發展前景十分廣闊。01技術迭代+政策護航，AI產業迎來全方位賦能AI產業的快速發展，離不開技術突破與政策支援的雙重驅動。全球範圍內，大模型性能持續提升，各主流模型在語言理解、程式碼生成、電腦視覺等核心領域的差距不斷縮小，為廣泛應用奠定了堅實基礎。2025年7月底，AI大模型Token總使用量已達3.41T，相較年初增長近10倍，直觀反映出技術落地的加速態勢。在政策層面，國務院發佈的《關於深入實施“人工智慧+”行動的意見》，明確了“發展——應用——安全——治理”的清晰路徑，規劃了到2027年、2030年和2035年的三階段里程碑目標。從算力統籌、資料創新到開源生態、人才建設，八大基礎支撐為AI產業保駕護航，推動智能經濟核心產業規模快速增長。與此同時，AI產業鏈生態日趨完善。上游的AI晶片、伺服器等算力基礎設施持續升級，中游的通用大模型與行業解決方案不斷創新，下游的網際網路、金融、教育、醫療等應用領域加速滲透，形成了協同發展的良好格局。這種全產業鏈的協同發力，讓AI技術的落地效率大幅提升，為產業爆發提供了充足動力。02多場景落地開花，AI重塑產業價值格局AI技術的價值，最終體現在豐富的應用場景中。目前，AI已在內容創作、行銷推廣、軟體開發、遊戲產業等多個領域實現規模化落地，不僅帶來了效率的革命，更催生了全新的商業模式。在內容創作領域，AI的賦能效果最為顯著。從圖片生成、視訊剪輯到文案撰寫、劇本創作，AI工具讓內容生產的門檻大幅降低。2025年上半年，全球生成式AI應用下載量接近17億次，應用內購買收入高達19億美元，使用者總使用時長達到156億小時。國內市場同樣火爆，AI漫劇成為新風口，2024第四季度到2025第三季度，中國AI漫畫流水增長900%，月新增劇集數增長567%，抖音、快手等平台紛紛推出AI創作工具與流量扶持計畫，推動全民創作時代的到來。行銷領域更是AI應用的核心戰場。AI驅動的智能投放系統能夠精準分析使用者畫像，實現廣告素材的自動化生成與即時最佳化，大幅提升行銷ROI。藍色游標2025年前三季度AI驅動業務收入達24.7億元，Mobvista核心平台Mintegral的AI智能競價系統貢獻了80%以上的收入，易點天下打造“服務+產品”雙輪驅動戰略成效顯著，跨境電商領域市佔率穩步提升同時，深耕智能家居、新消費、短劇、AI產品等高潛力賽道，頭部客戶的LTV海外市場中AI類應用的數字廣告支出也實現翻倍增長，充分證明了AI在行銷領域的商業價值。此外，AI在軟體開發、遊戲研發等領域的應用也成效顯著。82%的開發者使用AI工具編寫程式碼，工作效率提升超120%；遊戲行業中，86.36%的企業在研發環節應用AI技術，實現了內容生成、系統設計等環節的降本增效。AI正全方位重塑各產業的價值創造方式。03平台+企業雙輪驅動，商業化變現路徑清晰AI產業的蓬勃發展，離不開平台型企業與垂直領域龍頭的共同推動，兩者形成的雙輪驅動格局，讓商業化變現路徑愈發清晰。在平台端，抖音、快手、B站等新媒體平台成為AI應用的重要載體。抖音以豆包大模型為核心，將AIGC技術嵌入內容生產、剪輯、發佈、行銷的全流程，推出“AI創作浪潮計畫”扶持創作者；快手可靈AI全球使用者規模突破4500萬，2025年第二季度收入超2.5億元，其文生視訊模型在全球市場佔據30%的份額；B站、小紅書等平台也紛紛上線AI創作工具，推動內容生態的智能化升級。這些平台憑藉龐大的使用者基數與流量優勢，成為AI技術落地的“試驗場”與“放大器”。在企業端，各類市場主體積極擁抱AI，實現了業務增長與效率提升的雙重突破。美圖憑藉AI圖像、視訊、設計等四大模組的佈局，全球VIP會員數突破千萬，生產力工具付費訂閱使用者達180萬。多鄰國通過AI驅動的高端套餐Duolingo Max，2025年第二季度營收同比增長41%，淨利潤增長84%，股價單日飆升32%；Palantir推出的人工智慧平台AIP，推動公司2025年第二季度收入同比增長48%，“40法則”得分高達94%。這些企業的成功案例，印證了AI技術商業化的巨大潛力。同時，AI產品出海成為新的增長點。在圖像、視訊編輯和社交領域，美圖系、字節系應用佔據全球流量入口，國內模型通過與海外平台合作分發，影響力持續擴大，為行業增長開闢了新的空間。04投資建議：聚焦核心賽道，把握AI成長紅利AI產業的爆發式增長，為投資者提供了豐富的投資機會。結合行業發展趨勢與企業表現，建議重點關注以下三大方向：一是內容與流量平台型企業。這類企業憑藉龐大的使用者基礎與完善的生態佈局，在AI應用落地中具備天然優勢。二是AI行銷與商業化落地龍頭。行銷領域是AI技術率先實現規模化變現的賽道，相關企業業績增長確定性強。三是垂直領域AI應用先鋒。在遊戲、教育、設計等垂直領域，AI技術的應用正在催生新的增長機遇。 (格隆)

這幾年，美國一直對中國實施算力封鎖，但是如果你稍微關注下AI圈，就會發現一個越來越明顯的變化：中國的大模型，已經不是追趕著的姿態，而是直接捲進了第一梯隊。就說這周吧，中國三家公司DeepSeek,千問，Kimi，好像約好了似的，集體發佈了自己的大模型，並且都沖上了Twitter的榜單。其中Kimi更是突出，大模型競技場LMArena放榜，Kimi K2.5程式碼能力全球開源第一，總榜前三，僅次於Claude和Gemini。在Artificial Analysis榜單中，Kimi 2.5則是全球開源第一，總排名第五：我也去試用了一下，印象最深的有兩點：1. 視覺能力提升明顯，更有美感了。2. 從單一Agent進化成了Agent團隊。01. 強悍的視覺能力專業設計師說實話，大多數 AI 生成的網頁，看一眼就能認出來，配色土，佈局僵硬，互動也沒啥感覺。但是這個Kimi 2.5感覺就完全不同了，它的背後好像有個設計師，在輔助程式設計師做設計，做出來的產品很有美感。Kimi 2.5不但在寫程式碼，它順手把設計這件事也給包了。我嘗試用它生成一個天壇的介紹：基於嚴謹的歷史資料與建築學資訊檢索，生成一張現代中式極簡風格的視覺插圖，系統性闡釋北京天壇的每一個建築與儀式細節。插圖需要清晰呈現天壇的空間層級、象徵幾何、結構構成與祭祀功能，包括但不限於：祈年殿、圜丘壇、皇穹宇、整體中軸佈局，以及“天圓地方”等宇宙觀象徵體系。最終請將結果以HTML 頁面的形式呈現，適合在現代瀏覽器中直接查看。最終它給我生成了一個這樣的網站，對比之前AI生成的典型中國紅，大黑體，這個極簡審美顯得非常優雅，不落俗套。為了展示大模型的視覺能力，現在很流行讓它們生成一個包含蠟燭燃燒網頁來做對比測試，從下面的視訊可以清楚地看出，Kimi K2.5生成的動效最好，最為精細，那一滴滴往下掉的蠟油都展示出來了：像素級視覺在之前我給大家介紹過一些AI工具，可以從圖片生成網頁，但是Kimi2.5又往前行了一大步，支援從視訊生成網站！我上傳了一個瀏覽Computer History Museum網站的視訊，其中點選了網站導覽列的兩個菜單，並且點開了其中一篇文章的詳情。然後給Kimi 2.5下指令：幫我精確復刻這個視訊中的網站Kimi 開始分析視訊，迅速就發現了這個網站的含義：然後建立Todo任務列表，準備開始工作。稍等了一會兒，網站就“復刻”成功，不僅開發完成，Kimi還直接幫我做了部署！看看這效果，幾乎和原網站一模一樣：如果覺得那個地方想修改，可以進入編輯模式，直接圈選，然後讓Kimi修改： 把這個按鈕改成藍色這對Kimi來說是小菜一碟，很快就搞定了：02. 強大的“叢集”Agent現在很多的大模型產品都不僅僅是Chat，而是升級成了Agent來幫助使用者做事情。Kimi 2.5除了支援單個Agent，還有個更厲害的“叢集模式”，它可以瞬間拆解任務，協調多個Agent平行執行，執行效率一下子就飆升了。這個拆解和組織的過程完全是AI自主的，並沒有預設的範本，根據任務的需要，Kimi 2.5可以同時部署多達100個子代理，跨越1500個協調工具呼叫，相比單代理系統可將執行時間縮短4.5倍。內部評估顯示Agent叢集可將端到端執行階段間減少80%，同時支援更複雜的長周期工作負載。開發者報告稱K2.5輔助的工作流可在幾秒鐘內完成以前需要幾分鐘的任務。比如：我讓它針對當前的教育問題，找6個教育專家做個辯論：如今大學生就業形勢越來越嚴峻，“知識改變命運”這句話已經不如20年前那麼有效，有吸引力了。現在有兩種觀點：1.好崗位越來越少，所以應該更加努力地學習，爭取考上更好的大學，這樣才能獲得這些有限的好崗位，中學生應該像之前那樣，瘋狂熬夜，刷題，上補習班，內卷，考上好高中，好大學，才有可能找到好工作2.既然大學生就業這麼難，好大學的就業也這麼難，那不用那麼內捲了，考試成績一般就行，現在要發掘自己真正的愛好，重點發展自己的興趣，在一個狹窄的領域超越大部分人，這樣才能在未來獲得成功。幫我找6個頂級的教育家（最好有長期的教學經驗），分為兩組，第一組持有觀點1，第二組持有觀點2，進行辯論，最後輸出一個彙總的觀點你看它建立了6個Agent，分配了任務，獨立進行各自的研究。最後給出“辯論”的結論：Kimi的“蜂群”可不僅僅是做辯論，它是一個天然的批次處理的神器！你還可以用它批次搜尋，一次性調研 100 家上市公司；批次下載，打包下載 100 篇相關領域的學術論文；批次生圖,生成 100 張風格統一的素材圖，都非常方便。03. 開放原始碼的Kimi Code我第一次接觸到運行在命令列(CLI)裡的 AI 時，其實是很疑惑的： 這玩意兒到底能幹嘛？為何不用AI IDE？真正用了一段時間發現，命令列中的AI有著獨特的價值。它不是在小範圍內進行程式碼生成，而是更關注整個項目結構、模組邊界、依賴約束等，更適合進行項目級的掃描、理解、規劃，然後進行大範圍、工程級的修改。例如我現在正在學習SQLite的原始碼，我對Kimi Code提出了這樣需求：請解釋 SELECT 語句從 parser 到 btree 尋找的完整呼叫鏈你看Kimi Code做出的分析就非常漂亮，不但有流程圖，並且配合這程式碼進行了詳細的講解，對於理解Select語句的執行非常有用。當然，如果你實在是不適應這種CLI中的AI，也可以把Kimi Code無縫整合到 VSCode、Cursor、JetBrains 和 Zed 等主流編輯器中。你可能要問了，現在市面上類似的工具不少，Kimi Code的優勢在那兒？其實，CLI中的AI工具主要分為兩類(1)以Claude Code 為代表，收費、閉源，它就像五星酒店，服務很好，但是你沒有房產證。你使用它必須得一直和它繫結(2)開放原始碼的項目，需要你得來回折騰，像自己蓋房子，費時費力。Kimi Code正好結合了兩者的優勢，既有Kimi官方提供的頂級模型，開箱即用，又完全開源，可以隨意魔改。在性能方面，Kimi Code的表現也非常突出，全球開源第一，總榜前三，和Claude非常接近，成本更低。Kimi Code 還有一個獨門絕技，在命令列中直接讀取視訊，然後生成程式碼。相比其他工具需要使用額外的MCP Server、只能處理靜態圖片，這個功能可以說領先不少。04. 總結整體體驗下來，我的最大感受就是：Kimi 2.5 不僅僅在視覺能力方面非常突出，更是重新定義了AI的使用方式。Kimi 2.5的視覺能力，已經不只是“能看圖”，而是能真正看懂連續的行為和意圖，生成極具美感的介面。它的Agent，也不再是陪你聊天，而是能把一個目標拆開，自己去幹活，幹完再把結果交回來。而Kimi Code的出現，則讓這些能力真正落到了工程場景裡。強烈建議大家去試試這個新版本，感受下AI技術帶來的震撼：https://www.kimi.com/ (碼農翻身)

如果在兩年前問一家大模型公司最需要什麼？答案是“有沒有卡”。但如果今天再問同樣的問題，答案也許會變成“好不好用”。01算力通膨之下都用不起了“我們正在製造大量的垃圾算力。”一位負責大模型訓練叢集的架構師曾這樣抱怨。他的焦慮並不是沒有風聲。過去十年是算力野蠻增長的十年，規模的快速擴張確實帶來了階段性的產業繁榮。但繁榮背後，是難以忽視的效率困局。為了追趕GPT-4乃至GPT-5的能力，國內企業陷入了一場瘋狂的參數競賽。數以萬計的GPU被高度整合化塞進資料中心，它們日夜轟鳴，但產出的智能效益卻並未如預期般線性增長。這是一種典型的“算力通膨”。行業習慣用晶片的理論峰值（Peak Performance）來衡量價值，但在現實的複雜的訓練任務中，這些昂貴的晶片往往“有力使不出”。資料顯示，在許多大規模訓練叢集中，算力的有效利用率（MFU）僅能維持在40%左右，而在推理場景下，大量的算力更是處於閒置狀態，利用率甚至不足20%。演算法迭代與硬體僵化之間的錯位也在加劇這種浪費，模型架構每六個月就發生一次巨變，從Transformer到MoE，再到各種稀疏化注意力機制，而硬體研發周期長達兩年以上。大量針對上一代模型最佳化的專用晶片，在交付的那一刻即面臨淘汰。這種“刻舟求劍”式的硬體設計模式，讓原本就昂貴的算力折舊變得更加迅速。在上述背景下，天數智芯此次發佈的戰略，似乎是有意在回答這個行業痛點。他們不再單純強調單一晶片的峰值參數，而是開始談論“高品質算力”。02尋找算力的“有效匯率”什麼是“高品質算力”？天數智芯對此的定義是：高效率、可預期、可持續。在1月26日的發佈會上，AI與加速計算技術負責人單天逸展示了一張略顯複雜的架構路線圖。與以往發佈會只盯著TFLOPS（每秒浮點運算次數）數值不同，這次他們花了大量篇幅講“利用率”和“相容性”。天數智芯給出的架構路線圖：2025年的天數天樞架構，超越輝達Hopper，重點解決多精度混合訓練的效率；2026年天數天璇、天數天璣實現對標和超越輝達Blackwell；而計畫於2027年面世的天數天權，則將矛頭直指輝達下一代旗艦架構Rubin。這不是一紙空談，而是現實中已經部分實現的作戰計畫：2025年推出的天數天樞架構，通過TPC BroadCast（計算組廣播機制）Instruction Co-Exec（多指令平行處理系統）Dynamic Warp Scheduling（動態線程組調度系統）等自研核心技術，呼叫了每一位元算力，實現算力效率較行業平均提升60%，在DeepSeek V3場景性能比輝達Hopper架構高20%。同樣的“精打細算”也延伸到了對儲存成本的控制上。面對DDR儲存價格高企給AI推理環節帶來的顯著壓力，天數智芯給出了一套“軟硬兼施”的解法：底層依靠kv cache（關鍵值快取）量化與無損反量化技術，將模型推理的實際記憶體佔用直接削減50%以上，從根本上降低對昂貴儲存資源的依賴；上層則利用自研的IX-SIMU軟體系統，像精算師一樣即時追蹤儲存市場價格，為客戶推算出性價比最高的硬體組合。在波動的市場中鎖定“性能與成本最優解”的能力，是其技術護城河的另一塊拼圖。03把雲端折疊進方寸之間隨著物理A的“ChatGPT 時刻”到來，這一能實現物理世界“感知-推理-行動”閉環的技術，成為AI突破數字邊界的新方向，推動智能從虛擬走向現實。這次發佈會上，最讓現場觀眾感到意外的，不是巨大的伺服器機櫃，而是一系列可以塞進衣服口袋的小盒子。天數智芯副總裁郭為從兜裡掏出了那塊名為“彤央TY1000”的算力模組。這個僅有手掌大小的模組，採用了699pin介面，卻擁有媲美雲端等級的大算力。尺寸的縮小之外，算力形態的下沉是重中之重。彤央系列包括了整合ARM v9 12核CPU的TY1100，以及被戲稱為“小鋼炮”的TY1100_NX，還有算力高達300TOPS的TY1200。這些名字聽起來有些枯燥的硬體，實則承載了國產GPU突圍的另一條路徑：走出恆溫恆濕的資料中心，進入物理世界。天數智芯給出的對比資料頗具一較高下的火藥味：在近期火爆的DeepSeek 32B大語言模型以及電腦視覺場景下，彤央TY1000的實測性能全面優於輝達的AGX Orin。特別是在自然語言處理上，它讓邊緣裝置不拘泥於執行預設指令，變成了能理解複雜邏輯的智能體。在過去，具身智能（EmbodiedAI）和工業機器人往往受限於端側算力的貧乏，只能執行簡單的預設指令。而現在，隨著端側算力達到300TOPS等級，大模型開始真正有機會住進機器人的身體裡。從智慧門店到車路協同，從軌道交通到工業製造，算力的觸角正在無限延伸。04算力困局：卡越堆越多，錢越燒越快對於網際網路大廠和創業公司來說，每一秒鐘的生成都在燃燒經費。“AI應用現在已經普及了，Chatbot、文生圖大家每天都在用。但行業真正的瓶頸只有一個：Token成本太高。”天數智芯副總裁鄒翾一針見血地指出了問題的核心。鄒翾分享的一組資料引起了在場的全體注意。在某頭部網際網路客戶的Chatbot場景中，天數智芯的單機性能比國際方案提升了一倍以上，而每Token的成本下降了二分之一。這意味著，同樣的預算，企業可以服務兩倍的使用者，或者讓模型思考得更久一點。除了成本，另一個阻礙國產GPU普及的攔路虎是“遷移門檻”。長久以來，CUDA生態建構的高牆讓無數開發者望而卻步。天數智芯沒有選擇硬碰硬地去推翻現有生態，而是選擇了“相容”與“好用”。通過提供與xLLM等主流框架相容的介面，客戶只需花費其他產品1/3的精力即可完成開發調優。“好用”的哲學也延伸到了科研領域。從基因分析到海洋地質勘探，科學家們不再需要成為硬體工程師。天數智芯幫助研究人員從繁複的底層偵錯中解放出來，專注於科學發現本身。在金融領域，研報生成效率提升70%；在醫療領域，結構化病歷生成縮短至30秒。這些數字的背後，是算力真正轉化為生產力的過程。2026年，對於中國GPU行業註定是不平凡的一年。隨著天數智芯在香港鳴鑼，國產通用GPU四小龍已集齊IPO。但上市從來不是終點，而是更為殘酷的淘汰賽的起點。資本市場不會永遠為“國產替代”的情懷買單，也不會一直容忍巨額的研發虧損。投資人最終關心的，是有多少客戶真的把業務跑在了晶片上，商業化的成長是否可以持續。天數智芯交出的答卷是300多家行業客戶與1000多次實際部署，是數千卡叢集穩定運行超1000天，是瑞幸數千家門店的智能營運、太平金科信貸風控的提效，以及視源科技打造的數萬間智慧課堂，這些真實的業務負載，共同構成了招股書中的底色。而在算力生態的主動建設上，天數聯手了多家硬體廠商和解決方案提供商，目標是讓千行百業以更高性能、更便捷方式使用AI，實現算力普惠。在這場漫長的算力馬拉松中，領跑者或許會換了一波又一波。但可以確定的是，那個靠堆砌參數、講故事就能融資的草莽時代，已經徹底結束了。接下來的競爭，將屬於那些真正能讓客戶好用的企業。 (創業邦)

祖克柏在電話會上表示，Meta正在把“推薦系統”做成類似LLM的可擴展工程體系——這不僅決定使用者時長，也決定廣告單價與轉化率。Meta將AI眼鏡被明確定位為下一代核心終端，直言“幾年後大多數人佩戴的眼鏡都會是AI眼鏡”。祖克柏還主動點到Manus的收購，並將其作為“企業工具訂閱/整合”的案例，目標是把企業常用工具整合進廣告與商務管理平台。1月28日，Meta公佈了強勁的四季度業績，廣告業務推動去年Q4營收和今年Q1營收指引均超出分析師預期。同時，全年資本支出預期區間也高於分析師預期，該公司股價盤後一度漲逾11%。在隨後的電話會，釋放出一個清晰訊號：Meta在2025年交出強勁業績的同時，正在把下一階段的增長邏輯從“更好的廣告系統”升級為“以個人超級智能為核心的產品與基礎設施重構”。短期看，收入依舊由廣告驅動；中長期看，推薦系統、智能體、內容生產方式、智能眼鏡與算力供給，將共同決定Meta能否打開新的增長曲線。祖克柏明確將 AI 智能眼鏡定位為下一代核心計算終端，並將其類比為智慧型手機取代功能機的關鍵節點。Reality Labs 的戰略重心正從元宇宙轉向 AI 可穿戴裝置與自研模型。同時預告在未來幾個月，Meta將開始發佈新模型和產品。AI眼鏡將走向“智慧型手機時刻”祖克柏多次提及公司在AI智能眼鏡領域的長期判斷，並將其類比為智慧型手機取代功能機的關鍵節點。全球有數十億人佩戴眼鏡或隱形眼鏡來矯正視力。我認為我們正處在一個類似智慧型手機剛出現時的階段，當時所有人都能看出來，翻蓋手機被智慧型手機取代只是時間問題。很難想像在幾年之後，大多數人佩戴的眼鏡不會是AI眼鏡。他同時透露，Meta智能眼鏡在過去一年中的銷量已經增長了三倍，並稱其為“歷史上增長最快的消費電子產品之一”。電話會顯示，Meta正在將Reality Labs的投資重心，從此前的元宇宙願景，進一步轉向AI可穿戴裝置與自研AI模型。新一代AI模型與產品將在“未來幾個月”陸續落地在回應投資者對AI投入回報的關切時，祖克柏強調，AI 實驗室的成果將在不久後面向使用者推出。這將是交付個人超級智能、加速業務增長、建設未來基礎設施、並重塑公司運作方式的重要一年。他補充稱，2025年Meta已完成AI體系重構，接下來將開始持續對外發佈新模型與新產品，推動“個人超級智能”進入實際應用階段。增長的“第一性原理”：推薦系統正在被大模型重寫Meta把增長拆成兩條主線：提升互動與提升變現效率，而兩者的共同底座是推薦/排名模型的升級。互動側：內容推薦的系統性提效Instagram Reels在美國觀看時長同比+30%；Facebook視訊觀看時長維持兩位數增長。通過“簡化排名架構、支援更長互動歷史”，Facebook自然資訊流與視訊帖子瀏覽量在Q4被拉升7%，管理層強調這是近兩年裡“單季度對營收推動最大”的一輪產品最佳化。“新鮮度/原創性”被當成關鍵變數：Instagram美國75%推薦內容來自原創；Facebook當天推送Reels數量環比提升25%+。Threads停留時長在Q4最佳化後+20%，開始具備更可持續的增長結構。廣告側：從“大模型訓練”到“執行階段推理”的分層體系Meta講得很直白：像GEM這類大模型不適合直接做即時推理，成本太高，因此要把“大模型知識”遷移到更輕量的執行階段模型上——這決定了算力投入能否轉化為ROI。已披露的進展包括：GEM訓練GPU數量翻倍；引入新的序列學習架構（更長使用者行為序列、更豐富內容資訊）。Q4效果：Facebook廣告點選量+3.5%、Instagram轉化率+1%+；Instagram新執行階段模型帶來轉化率+3%。Lattice推動模型統一，疊加後端改造，廣告質量提升12%；2026將繼續整合更多模型，用“更少但更強”的模型跑全域。核心含義：Meta正在把“推薦系統”做成類似LLM的可擴展工程體系——這不僅決定使用者時長，也決定廣告單價與轉化率。變現不止廣告：但“廣告仍是最大確定性”祖克柏承認：未來幾年廣告仍是增長最重要驅動力。但Meta也在鋪“廣告之外”的商業化地基，尤其面向企業端。兩條清晰的增量路徑：企業消息與WhatsApp商業化： WhatsApp付費消息服務年收入已突破20億美元、Click-to-message廣告增長加速，美國同比+50%。商業AI在墨西哥/菲律賓早期推進：每周100萬+次對話，計畫擴市場並讓其能在WhatsApp內完成更多工。Threads與WhatsApp廣告補課：Threads廣告擴展到剩餘所有國家/地區（含英、歐盟、巴西）。WhatsApp廣告與狀態功能年內全量推進，但短期廣告負載會保持克制，先最佳化效果。此外，電話會提到一個重要細節：祖克柏主動點到Manus的收購，並將其作為“企業工具訂閱/整合”的案例，目標是把企業常用工具整合進廣告與商務管理平台，提升對中小企業的“一體化交付能力”。這意味著Meta在嘗試把自身從“流量平台”向“企業增長作業系統”推進。最大的賭註：算力與基礎設施，Capex指引顯著上台階這場電話會最“重資產”的部分，是Meta對算力的長期承諾：2026年資本開支指引：1150億–1350億美元（含融資租賃本金），明確同比大幅增長，主要用於超級智能實驗室與核心業務。依舊存在產能瓶頸：需求增長快於供給；自建新增容量要到2026年晚些時候上線，在此之前多數時間仍偏緊。晶片與架構：Andromeda已能在NVIDIA、AMD、MTIA上運行；MTIA計畫從推理擴展到訓練負載。成立Meta Compute，強調通過工程設計、投資、合作建設形成戰略優勢，並把“矽與能源”視為長期能力的一部分。資本配置上也很明確：管理層直言當前首要任務是把資源投入AI領導力，回購會保持機會主義，而不是優先項（這與本季度未回購形成呼應）。以下是電話會全文：馬克·祖克柏，創始人、董事長兼首席執行長：好了，大家好。感謝各位的收看。2025年底，我們取得了強勁的業績，目前每天至少有35億使用者使用我們的一款應用。其中，Facebook和WhatsApp的日活躍使用者均超過20億，Instagram的日活躍使用者也接近這個數字。得益於假日期間創紀錄的需求和人工智慧帶來的性能提升，我們的業務也表現出色。目前，人工智慧正處於快速發展階段。我預計2026年這股浪潮將在多個方面進一步加速發展。我們開始看到智能體真正發揮作用。這將使我們能夠開發全新的產品，並徹底改變我們的工作方式。2025年，我們重建了人工智慧項目的基礎架構。在未來幾個月，我們將開始發佈新模型和產品。我預計我們的首批模型會表現良好，但更重要的是，我們將展現出我們快速發展的勢頭。隨著我們持續發佈新模型，我預計我們將在今年穩步推進，不斷突破行業前沿。我對我們正在建構的產品感到非常興奮。我們的願景是建構個人超級智能。我們開始看到人工智慧的潛力，它能夠理解我們的個人背景，包括我們的經歷、興趣、內容和人際關係。智能體的價值很大程度上在於它們能夠理解獨特的背景資訊。我們相信，Meta將能夠提供獨一無二的個性化體驗。我們也在努力將大模型與Facebook、InstagramThreads以及我們廣告系統的推薦系統進行整合。我們世界一流的推薦系統已經顯著推動了我們應用和廣告業務的增長，但我們認為，與即將實現的相比，目前的系統還很原始。如今，我們的系統幫助人們與朋友保持聯絡、瞭解世界並找到有趣的內容。但很快，我們將能夠瞭解使用者獨特的個人目標，並根據每個人的需求定製資訊流，向他們展示有助於改善生活的內容。這也會對商業產生影響。如今，我們的廣告能夠幫助企業精準找到對他們的產品感興趣的目標受眾。全新的智能購物工具將使使用者能夠從我們目錄中的商家中找到最合適的特定產品。我們致力於讓這些體驗同時適用於我們的資訊流和企業消息功能，從而逐步顯著提升WhatsApp的功能。此外，未來還將推出更多類型的內容。人們渴望以最具沉浸感和互動性的方式表達自我、體驗世界。我們最初使用文字，後來隨著配備攝影機的手機普及，轉向照片，再後來隨著行動網路速度的提升，轉向視訊。不久的將來，我們將看到更多更具沉浸感和互動性的新媒體形式湧現，而這一切都得益於人工智慧的進步。我們的資訊流將變得更加互動。如今，我們的應用程式感覺就像是演算法在推薦內容。不久之後，您打開我們的應用程式，就會發現人工智慧不僅能理解您的需求，還能為您推送精彩內容，甚至為您量身定製優質內容。智能眼鏡正是這一願景的終極體現。它們能夠看到您所看到的，聽到您所聽到的，與您對話，並在您日常生活中為您提供幫助，甚至還能直接在您的視野中顯示資訊或生成定製使用者介面。去年，我們智能眼鏡的銷量增長了兩倍多，我們認為它們是歷史上增長速度最快的消費電子產品之一。數以百萬計的人佩戴眼鏡或隱形眼鏡來矯正視力，我認為我們正處於類似於智慧型手機誕生的階段，顯然，所有這些功能手機都變成智慧型手機只是時間問題。很難想像幾年後，人們佩戴的大多眼鏡不是人工智慧眼鏡。對於RealityLabs而言，我們未來將把大部分投資投入到眼鏡和可穿戴裝置領域，同時專注於讓Horizon在移動端取得巨大成功，並在未來幾年內將VR打造成一個盈利的生態系統。我預計RealityLabs今年的虧損將與去年相近，這很可能是虧損的頂峰，因為我們將逐步減少虧損，同時繼續推進我們的願景。展望未來，我們將繼續大力投資基礎設施建設，以訓練領先模型，並為全球數十億人和企業提供個性化的超級智能。我最近宣佈成立Meta Compute公司，因為我相信，在基礎設施的工程設計、投資和合作建設方面做到最高效，將成為我們的戰略優勢。DinaPowellMcCormick也加入我們，擔任總裁兼副董事長，她將領導我們與各國政府、主權國家和戰略資本合作夥伴開展合作，以擴大我們的長期能力，包括確保我們在全球各地營運所在社區產生積極的經濟影響。MetaCompute的一個重要組成部分是對矽和能源進行長期投資。我們將繼續與重要合作夥伴攜手，同時推進我們自身的晶片研發項目。我們正在建構系統架構，以確保系統使用的靈活性，並通過最佳化技術和供應鏈，預計每吉瓦的成本將隨著時間的推移而顯著降低。最後，我認為2026年將是人工智慧開始徹底改變我們工作方式的一年。在應對這一變革的過程中，我們始終秉持著一個明確的目標：為個人創造最佳平台，讓他們能夠發揮巨大的影響力。為此，我們正在投資人工智慧原生工具，以便Meta的員工能夠提高工作效率。我們提升個人貢獻者的地位，並簡化團隊結構。我們開始看到，過去需要大型團隊才能完成的項目，現在只需一位才華橫溢的員工就能獨立完成。我希望儘可能多的優秀人才選擇Meta，在這裡他們可以發揮最大的影響力，為全球數十億使用者提供個性化產品。如果我們這樣做，我相信我們會完成更多工作，而且會更有趣。好了，這就是我想說的全部內容。今年對於我們交付個人超級智能、加速業務發展、建構未來基礎設施以及塑造公司未來的運作模式來說，都將是意義非凡的一年。一如既往，我感謝我們團隊的辛勤付出，也感謝大家與我們攜手共進。現在有請蘇珊。蘇珊·李，首席財務官：謝謝馬克，大家下午好。我們先來看各細分市場的業績結果。除非另有說明，所有比較均為同比資料。我們的應用家族使用者群體持續增長，據估計，12月份每天至少有35億人使用過我們旗下的一款應用。第四季度應用家族總收入為589億美元，同比增長25%。第四季度應用家族廣告收入為581億美元，同比增長24%，按固定匯率計算增長23%。第四季度，我們各項服務中的廣告總展示次數增長了18%。所有地區的廣告展示量均呈現健康增長，主要得益於使用者參與度和使用者增長，其次是廣告載入最佳化。平均單條廣告價格同比增長6%，受益於廣告主需求的增長，而廣告主需求的增長主要源於廣告效果的提升。應用家族的其他收入為8.01億美元，同比增長54%，主要得益於WhatsApp付費消息收入的增長，以及Meta驗證訂閱使用者的增長。在我們的RealityLab業務類股，第四季度收入為9.55億美元，同比下降12%。正如我們在上次電話會議上提到的，RealityLabs營收同比下降的原因是，我們推遲了Quest3S在2024年第四季度的上市，以及零售合作夥伴在2025年第三季度採購Quest頭顯以備戰假日季，這部分收入已計入第三季度。接下來是我們的合併業績。第四季度總營收為599億美元，同比增長24%，按固定匯率計算增長23%。第四季度總支出為351億美元，同比增長40%。同比增長主要受員工薪酬、法律費用和基礎設施成本的推動。員工薪酬增長反映了我們今年新增的技術人才，特別是人工智慧工程師Tama。法律費用增長是由於2024年第四季度法律費用衝回以及2025年第四季度計提的費用所致。基礎設施費用增長主要受折舊增加、雲支出和其他營運費用的推動。第四季度末，我們的員工人數超過78800人，同比增長6%，這主要得益於招聘以及在盈利、基礎設施、MetaSuperintelligenceLabs以及監管合規等重點領域的增長。第四季度營業收入為247億美元，營業利潤率為41%。第四季度利息及其他收入為6.09億美元，主要來自股權投資的未實現收益。由於與稅務機關達成和解，本季度稅率為10%，略低於我們此前12%至15%的預期。淨利潤為228億美元，即每股8.88美元。資本支出（包括融資租賃本金支付）為221億美元，主要用於資料中心、伺服器和網路基礎設施的投資。自由現金流為141億美元。本季度末，公司持有現金及有價證券816億美元，負債587億美元。現在來看業務表現。我們的營收增長主要受兩大因素驅動：一是我們為使用者提供互動體驗的能力，二是我們持續有效地將這些互動轉化為收益的能力。首先，我們通過排名和產品改進不斷提升使用者參與度。InstagramReels在本季度表現強勁，在美國的觀看時長同比增長超過30%。使用者參與度的提升得益於我們為提高推薦質量而進行的多項最佳化，包括簡化排名架構以實現更高效的模型擴展。這使得我們的系統能夠考慮更長的互動歷史，從而更好地識別使用者的興趣。在美國，Facebook的視訊觀看時長繼續保持兩位數的同比增長，我們在資訊流和視訊平台上的排名和產品最佳化工作也取得了顯著成效。第四季度的最佳化措施使Facebook上自然流量資訊流和視訊帖子的瀏覽量提升了7%，這是過去兩年中Facebook產品發佈帶來的季度營收增長幅度最大的一次。我們持續提升內容推薦的新鮮度和原創性。在Facebook上，我們的系統當日推送的Reels短影片數量比上一季度增加了25%以上。在Instagram上，第四季度美國原創內容的佔比提升了10個百分點，目前75%的推薦內容來自原創帖子。Threads也呈現強勁增長勢頭，同樣受益於推薦系統的改進。第四季度的最佳化使Threads的使用者停留時間提升了20%。展望2026年，我們看到了巨大的發展機遇。這包括擴展模型中使用的訓練資料的複雜性和規模，同時不斷提升系統對使用者即時興趣的響應能力。我們還致力於整合大模型，以更深入地瞭解我們平台上的內容，從而實現更加個性化的推薦。今年另一項重要的投資領域是開發下一代推薦系統。我們在這方面投入了多項重金，包括從零開始建構基於LLM的全新模型架構，利用LLM的世界知識和推理能力來更準確地推斷使用者的興趣。除了改進推薦系統之外，我們還計畫利用MetaSuperintelligenceLabs開發的模型，打造引人注目且獨具特色的AI產品。目前，我們已經看到AI視訊本地化配音方面展現出巨大潛力。我們目前支援九種語言，每天有數億使用者觀看AI翻譯的視訊。這已經顯著提升了使用者在Instagram上的停留時間，我們計畫在今年內推出更多語言支援。此外，我們的媒體創作工具也獲得了強勁的反響。使用者每天觀看的Reels視訊中，近10%來自我們的Edits應用，比上一季度增長了近三倍。在MetaAI方面，第四季度每日活躍使用者創作媒體內容的數量同比增長了三倍。今年，我們計畫提升底層媒體生成模型的性能，並推出新功能，進一步增強產品體驗。MetaAI的另一個重點領域是個性化。早期測試表明，個性化回覆能夠顯著提升使用者參與度，我們計畫今年大幅提升MetaAI的個性化功能。這與我們對內容理解的投入相輔相成，這將使我們的系統能夠更深入地瞭解每個使用者的興趣和偏好，同時識別平台上最相關的內容並將其用於回覆。接下來，我們來談談影響營收的第二個因素：提高變現效率。這項工作的第一步是最佳化自然流量中的廣告投放比例。目前，我們的重點仍然是調整系統，以便找到投放廣告的最佳時間和地點。在某些情況下，這使我們能夠在保持使用者體驗的同時，提升廣告的整體投放量。然而，這項工作日益重要的部分在於，如何通過判斷使用者何時更願意觀看廣告，在廣告投放量不變的情況下，尋找提升轉化率的機會。事實上，在2025年下半年，我們在Facebook上推行的跨使用者和跨會話重新分配廣告的舉措，其帶來的收入增長幾乎是Facebook廣告投放量增長的四倍。我們也在不斷推進將廣告引入我們最新的服務。在Threads平台，我們本月開始將廣告擴展到所有剩餘國家/地區，包括英國、歐盟和巴西。在WhatsApp平台，我們預計將在年內完成廣告和狀態功能的全面推廣，短期內廣告投放量將保持較低水平，因為我們將遵循標準策略，在逐步增加廣告庫存之前，先最佳化廣告格式和效果。接下來，我們將著手提升變現效率的第二階段，即提高使用我們工具的企業的業績。我們看到，2025年全年對廣告效果的投資已取得非常顯著的成效，同比轉化率增長在第四季度加速。我們預計，2026年的一系列投資將使我們能夠進一步提升業績，因為我們將繼續把人工智慧融入行銷和客戶互動管道的各個層面。首先是我們的廣告系統，我們將持續擴展模型的複雜性和規模，以便更好地選擇展示那些廣告。第四季度，我們用於訓練GEM模型（用於廣告排名）的GPU數量翻了一番。此外，我們還採用了一種新的序列學習模型架構，該架構能夠處理更長的使用者行為序列，並處理關於每條內容的更豐富的資訊。第四季度，GEM和序列學習技術的改進共同推動Facebook廣告點選量提升3.5%，Instagram轉化率提升超過1%。這種全新的序列學習架構比我們之前的架構效率顯著更高，這將使我們能夠進一步擴展未來排名模型的資料量、複雜性和計算能力，從而提升廣告效果。在擴展GEM等基礎廣告模型的同時，我們也在開發更高級的模型，以便在執行階段進行下游廣告推理。第四季度，我們在Instagram資訊流、快拍和Reels中推出了新的執行階段模型，使轉化率在第四季度提升了3%。在Lattice的支援下，我們的模型統一工作也在持續推進。繼2025年上半年成功整合Facebook資訊流和視訊模型後，我們在第四季度將FacebookStories和其他平台的模型整合到了Facebook整體模型中。這一舉措，加上一系列後端改進，使廣告質量提升了12%。2026年，我們預計將整合比過去兩年更多的模型，因為我們將繼續改進系統，使其能夠運行數量更少但功能更強大的模型。接下來是廣告產品領域。我們持續投資，致力於幫助企業利用人工智慧降低廣告活動設定和最佳化的難度。第四季度，我們開始與廣告主測試MetaAI商業助手，該助手可協助完成廣告活動最佳化和帳戶支援等任務。未來幾個月，我們將向更多廣告主開放該助手，確保每家企業都能體驗並使用。未來幾個月，我們將向更多廣告主開放這項服務，讓每家企業都能擁有一個可以與之互動的AI助手。該助手能夠記住企業的目標，並提供個性化的業績提升建議。我們還在廣告創意領域部署AI以提升業績。第四季度，視訊生成工具的綜合營收年化率達到100億美元，環比增長速度幾乎是整體廣告收入增長速度的三倍。此外，我們的增量歸因功能也取得了非常顯著的成效，該功能能夠即時最佳化增量轉化。我們在第四季度推出的最新模型，相比標準歸因模型，轉化率提升了24%。該產品自推出僅七個月，年收入就已達到數十億美元。我要介紹的最後一個盈利領域是企業消息服務，我們整個解決方案組合在該領域都展現出了強勁的增長勢頭。第四季度，點選消息廣告的收入增長加速，其中美國地區的同比增長超過50%，這主要得益於我們網站消息廣告的廣泛應用。這類廣告會將使用者引導至企業網站以獲取更多資訊，然後再發起聊天。WhatsApp內的付費消息服務也持續增長，第四季度年收入突破20億美元。最後，我們在墨西哥和菲律賓的商業人工智慧也取得了良好的早期進展，目前每周有超過100萬次使用者與商業人工智慧在我們的消息平台上進行對話。今年，我們將把業務人工智慧推廣到更多市場，同時擴展其功能，使其不僅能回答產品庫存等問題，還能幫助使用者在WhatsApp內高效完成各項任務。我們經常談到人工智慧如何改進我們的產品，但我想借此機會簡要介紹一下它如何改變我們的工作方式。馬克提到，我們致力於將Meta打造成一個讓每個人都能發揮重大影響的平台。其中一項重點工作是推動我們人工智慧編碼工具的普及和發展，目前我們在這方面看到了強勁的增長勢頭。自2025年初以來，每位工程師的產出增長了30%，其中大部分增長來自智能體編碼的普及，而智能體編碼在第四季度實現了顯著增長。人工智慧編碼工具的高級使用者增長更為顯著，他們的產出同比增長了80%。我們預計這一增長勢頭將在未來半年加速。接下來，我想談談我們的資本配置策略。2026年，我們擁有顯著提升核心業務的機遇。我們計畫繼續優先投資於核心業務，以支援這些機遇，同時為未來幾年由人工智慧模型驅動的全新產品周期做好準備。確保充足的基礎設施容量是這些舉措的核心，我們正努力通過部署各種晶片來滿足我們的晶片需求，以最佳方式支援我們不同的工作負載。為此，在第四季度，我們擴展了Andromeda廣告檢索引擎，使其現在可以在NVIDIA、AMD和MTIA晶片上運行。這一改進，加上模型創新，使Andromeda的計算效率提升了近三倍。在第一季度，我們將擴展MTIA項目，使其除了目前運行的推理工作負載外，還能支援我們的核心排名和推薦訓練工作負載。更廣泛地說，在投資基礎設施以滿足業務需求的同時，我們將繼續優先考慮保持長期靈活性，以便能夠適應市場的發展變化。我們正通過多種方式應對挑戰，包括改變資料中心建設方式、建立戰略合作夥伴關係、簽訂雲容量合同，以及為部分大型資料中心建立新的所有權結構。我們擁有強勁的淨現金餘額，並預計到2026年，我們的業務將繼續產生充足的現金流，以支援我們的基礎設施投資，這已反映在我們的預期中。儘管如此，我們將繼續尋求機會，定期通過審慎的、成本效益高的外部融資來補充我們強勁的營運現金流，這最終可能使我們保持正的淨債務餘額。接下來，我們展望一下財務前景。我們預計2026年第一季度總營收將在535億美元至565億美元之間。根據當前匯率，我們的預測假設外匯因素將對同比總營收增長起到約4%的推動作用。接下來是支出和資本支出展望。我們預計2026年全年總支出將在1620億美元至1690億美元之間。大部分支出增長將由基礎設施成本驅動，其中包括第三方雲支出、更高的折舊費用和更高的基礎設施營運費用。支出增長的第二大因素是員工薪酬，這主要源於對技術人才的投資。這包括為支援我們的重點領域（特別是人工智慧）而招聘的2026年員工，以及2025年招聘員工的全年費用。從業務類股來看，我們預計支出增長將主要由“應用家族”（FamilyofApps）推動，而RealityLabs的營運虧損將與2025年的水平基本持平。我們預計2026年的資本支出（包括融資租賃的本金支付）將在1150億美元至1350億美元之間，同比增長主要得益於對元超級智能實驗室和核心業務投資的增加。儘管基礎設施投資大幅增長，但我們預計2026年的營業收入將高於2025年。在稅收環境未發生變化的情況下，我們預計2026年全年稅率為13%至16%。此外，我們近期與歐盟委員會就進一步調整個性化程度較低的廣告服務達成一致，並將於本季度開始逐步推出。然而，我們仍在密切關注歐盟和美國的法律和監管方面的不利因素，這些因素可能會對我們的業務和財務業績產生重大影響。例如，我們持續關注與青少年相關的問題，並且今年在美國計畫開展多項試驗，這些試驗最終可能導致重大損失。總之，2025年對我們公司而言又是強勁的一年。我們為改善業務所做的投資正在持續推動強勁增長，今年我們制定了令人振奮的路線圖，為我們的全球社區提供新的體驗和服務。一如既往，感謝我們團隊的辛勤付出和對我們使命的堅定承諾。克麗斯塔，接下來我們開始接受提問。操作員：謝謝。現在我們將開放問答環節。（操作員說明）（操作員說明）您的第一個問題來自摩根士丹利的Brian Nowak。請提問。Q1 Brian Nowak：感謝您回答我的問題。我有一個問題問Mark，一個問題問Susan。Mark，第一個問題是關於長期發展的。考慮到您計畫擴大投資規模，並抓住個人智能和元宇宙領域的機遇，您能否簡要介紹一下，您認為在未來三到五年甚至十年內，通過這些投資，您最看重那些長期收入或投資回報率（ROIC）？Susan，第二個問題是關於近期的，比如2026年。我認為你們的指南業務是近五年來增長最快的。我知道你們在推薦和盈利效率方面做了很多改進，但您能否幫我們分析一下，2026年收入增長的兩三個主要驅動因素是什麼？馬克·祖克柏，創始人、董事長兼首席執行長：好的，我想我可以先回答第一個問題。不過我得先說明，我覺得這次通話中我對你們很多問題的回答可能不太令人滿意，因為我們正處於一個有趣的時期，我們一直在重建人工智慧項目，已經進行了六個月，我對目前的進展感到滿意。但在接下來的幾個月裡，我們將圍繞這些內容陸續推出首批模型、產品和業務。屆時，我會就所有這些方面分享更多資訊。所以，我很樂意先給大家提供一個概覽。但我提前要說的是，這些內容可能不會特別詳細，不過隨著我們逐步推出，相信會令人興奮。我認為，就業務而言，我的意思是——我並不認為我會在這裡提出什麼新觀點，但是——我們正專注於幾個重要的商業機遇。我認為其中之一就是改進核心產品並加速核心業務的發展。我之前談到過將推薦系統和LLM連接起來，我認為這將同時提升自然流量體驗和廣告質量。我們將看到媒體生成技術的進步提升內容質量，再加上推薦系統的改進，我們預計核心業務的質量和效率將全面提升，無論對於自然流量使用者還是企業使用者都是如此。所以我認為這會產生連鎖反應。然後，我認為會湧現出許多新的商業機會。我的意思是，我們一直在研究元人工智慧，我想你們已經開始看到這類產品在整個行業中的一些盈利模式了。當我們把這項技術發展到我們想要的規模和深度時，我們認為無論是在訂閱、廣告還是其他各種方面，都會出現很多機會。是的，關於購物和電商，我有很多興奮之處，我在前面的評論中也提到過。隨著模型的推出和功能的展示，無論是首批模型還是未來一年的後續模型，我認為這些模型都會變得更加完善。我們將能夠把不同的產品與這些模型結合起來，從而更好地服務於不同的企業——包括使用我們平台的企業以及直接面向消費者的企業。我想，值得一提的是，我們之前似乎都沒有提到Manus的收購。我認為Manus的收購就是一個很好的例子，它能幫助很多企業加速業務增長。目前，很多企業已經付費訂閱Manus的工具，而我們將把這類工具整合到我們的廣告和商務管理平台中。這樣一來，我們就能為數百萬使用和依賴我們平台的企業提供更加一體化的解決方案，這將非常強大，不僅能幫助他們利用現有產品加速業務增長，還能通過新增產品線來進一步提升業績。所以，我的回答比較概括，我認為如果我們在這一年中做好自己的工作，情況會變得更加清晰，也會更加令人興奮。蘇珊·李，首席財務官：布萊恩，關於你的第二個問題，2026年第一季度營收預期顯然涵蓋了多種可能的結果。總體而言，它反映了我們對該季度強勁增長的預期。該預期區間反映了加速增長的前景，而這主要得益於我們在第四季度末以及2026年初持續強勁的需求。此外，我們預計外匯因素將對同比增長產生4個百分點的利多。這比2025年第四季度美元走強時所受到的利多因素大了3個百分點。但總體而言，我們看到廣告商對我們所做的廣告效果改進做出了積極響應。它們正在推動強勁的轉化率增長。我們在2025年進行了大量此類投資，包括改進廣告排名和投放系統、更有效地重新分配廣告負載、在Advantage+等廣告產品中推出新功能、改進衡量方法，以及其他許多有助於推動廣告持續表現的出色工作。操作員：您的下一個問題來自高盛的Eric Sheridan。請提問。Q2 Eric Sheridan：非常感謝您回答這個問題。如果可以的話，我想問兩個問題。您之前曾提到過公司內部產能有限，計算能力不足以實現您在平台和產品方面設定的目標。我想瞭解一下，您目前如何看待自身內部對計算能力的需求與路線圖的契合度？第二個問題是，隨著廣告業務規模的不斷擴大，尤其是在年收入增長方面，我們是否已經看到了業務規模擴大對計算能力提升帶來的全部直接影響？或者說，投資者應該如何看待算力提升與盈利提升之間的方向性關係？謝謝。蘇珊·李，首席財務官：關於您的第一個問題，我們確實仍然面臨產能瓶頸。我們的團隊在2025年期間出色地完成了基礎設施升級工作，但公司對計算資源的需求增長速度甚至超過了我們的供應速度。因此，我們預計到2026年，隨著雲業務的拓展，今年的計算能力將顯著提升。但直到我們自有設施的額外容量在2026年晚些時候上線之前，我們的計算能力在2026年的大部分時間裡仍可能受到限制。儘管如此，我認為我們在內部已經有效地緩解了計算能力限制對業務的影響。我預計這種情況在2026年仍將持續。我們正持續從多個方面提升基礎設施效率，包括最佳化工作負載、提高基礎設施利用率、實現晶片供應多元化，以及在內容和廣告排名等領域的核心技術研發工作中加大效率提升方面的投入。這是您的第一個問題。第二個問題是關於廣告業務如何擴展。我想我無法對此給出非常精確的答案。我想說的是，我們提升廣告效果的方法之一是改進我們的大型模型以及用於執行階段廣告推理的輕量級模型。我們通常不會將像GEM這樣的大型模型架構用於推理，因為它們的規模和複雜性會導致成本過高。因此，我們提升這些模型性能的方式是利用它們將知識遷移到執行階段使用的小型輕量級模型。但我認為，我們的大型模型仍有提升空間，可以從更多的計算資源中獲益。隨著我們增加可用於這些模型以及支撐廣告排名和推薦各個階段的基礎模型的計算資源，我們預計性能將會得到提升。操作員：下一個問題來自Bernstein的 Mark Shmulik。請繼續。Q3 Mark Shmulik：馬克，你提到預計今年工作方式和運作方式會有一些實質性的變化，那麼，如果到年底我們仍然看不到一些你推出的新產品和新舉措取得實質性進展或被廣泛採用，你會感到驚訝嗎？或者我們應該對時間表更有耐心一些？蘇珊，你之前給出的指導意見是——我仍然預計今年的增長速度會比去年更快——假設幾個月後我們意識到需要更多投資和資源來繼續抓住人工智慧帶來的機遇，但宏觀經濟形勢可能略顯疲軟。那麼，投資水平與核心業績之間的關聯度有多高？謝謝。馬克·祖克柏，創始人、董事長兼首席執行長：我認為第一個問題是問我預計產品何時會產生影響。我的意思是，我們將在今年陸續推出新產品。我認為重要的是，我們並非只推出一項功能，而是在建構多個功能。人工智慧將帶來許多全新的體驗。我在之前關於個人人工智慧、LLM與推薦系統的討論中，已經概括地闡述了其中的一些主題。我認為這將是一個相對長期的研究項目，它將在很長一段時間內產生回報。但隨著我們將更多人工智慧研究的改進和進展融入推薦系統，我們已經看到推薦系統得到了顯著的最佳化。內容將會改進，會有新的形式，眼鏡也會有所提升。我們會嘗試很多不同的方面，包括一些我們認為全新的、並非現有功能的簡單擴展。所以，是的，我的意思是，我預計這些功能會在今年陸續推出。有時候，產品需要經過幾次迭代才能真正達到市場認可度，找到所需的市場契合點。但我認為我們有足夠的時間，而且年初就啟動了，所以我預計到年底，無論是在內容方面還是在工作方面，我們都能取得一些成功。我們之前討論過，我認為很難精準預測組織的工作模式會如何變化。但我認為，智能代理現在開始真正發揮作用，這意義重大，而且我認為這將帶來顯著的改變。我們已經開始看到，採用智能代理的人的工作效率顯著提高。能做好這件事的人和做不好這件事的人之間存在著巨大的差距。我認為這將對整個行業乃至整個經濟產生深遠的影響，影響著我們營運這些公司的生產力和效率。我希望我們能夠利用這一點，比以往完成更多的工作。我最關注的是確保Meta成為一家能夠產生巨大影響的偉大公司。你可以在任何地方使用這些智能工具，但只有加入像Meta這樣的公司，你才能將產品交付給數十億使用者，而像Meta這樣的公司並不多。所以我認為，如果我們能夠成功——能夠駕馭這些工具——那麼隨著時間的推移，我們應該會看到產出量的顯著提升。現在，要精準預測這項技術何時普及，確實有點難，對吧？我不會預測具體是那個季度之類的，但趨勢表明，這勢在必行。對我來說，這非常令人興奮。就像我之前說的，說實話，這也挺有意思的，對吧？我覺得能夠建構很多東西，會讓事情變得更有趣。而這正是我們來這裡的目的。蘇珊·李，首席財務官：謝謝你，馬克。關於你的第二個問題，我想確認並澄清一下。我記得你在問題中提到，2026年的營業收入增長率會高於2025年。我想確保我的解釋非常清楚。我們預計2026年的營業收入將高於2025年。這裡比較的是絕對金額，而不是增長率。為了便於理解，我們2026年伊始就實現了強勁的營收增長。當然，目前我們才剛剛開始幾周，而且是在宏觀經濟形勢良好的背景下。因此，顯然很難將目前的趨勢推斷到全年。此外，當前形勢下存在諸多變數。我們確實充分利用了當前的業務優勢，將大量收入再投資於我們認為極具吸引力的人工智慧基礎設施和人才投資機會。由於我們仍在權衡各種產能選擇，因此很難評估今年所有投資機會的具體情況。當然，目前的招聘市場競爭依然非常激烈，但我們希望在力所能及的範圍內積極投資。我們將繼續沿用幾年前提出的框架，即隨著時間推移不斷提高合併營業利潤，以此指導這些投資。根據我們目前的計畫，我們預計2026年的營業收入將超過2025年。操作員：你的下一個問題來自摩根大通的Doug Anmuth。請繼續。Q4：Doug Anmuth：非常感謝您回答這些問題。我問馬克一個問題，蘇珊一個問題。馬克，您能否詳細介紹一下MSL團隊幾個月以來的進展，以及您對今年邁向前沿模式的看法？蘇珊，我知道您預計2026年營業收入會增長。您是否也預計會有正的自由現金流？我們應該如何看待目前以及未來在資料中心和計算設施建設方面的合資項目？謝謝。馬克·祖克柏，創始人、董事長兼首席執行長：關於目前的進展，我暫時沒什麼可補充的了。我的意思是，所以我一開始就說了，現在回答這些問題可能有點不太合適。MSL項目已經進行了大約六個月，我對團隊的素質非常滿意。我認為我們擁有業內最強大的研發團隊，一些早期指標也顯示出積極的態勢。但是，我認為這是一項長期的工作。我們做這件事的目的不是為了推出單一的模型或產品。我們會隨著時間的推移開發很多模型和各種不同的產品。我希望確保作品本身就能說明一切，同時我們也希望大家都能明白，這是一段旅程，我們推出的第一批產品，我認為更多的是為了展現我們正在走的軌跡，而不是某個特定時刻的成果。所以，是的，我很樂觀，但目前還沒有其他特別具體的消息可以分享。蘇珊·李，首席財務官：道格，關於你問題的第一部分，我們今年在基礎設施建設方面進行了大量投資，以支援我們的人工智慧項目。我們相信，憑藉今年的業務現金流，我們完全有能力為這些投資提供強有力的支援。同時，我們也將繼續探索不同的路徑，不斷完善基礎設施，以期在未來幾年可能出現的各種容量需求背景下，為我們提供所需的長期靈活性和選擇價值。因此，目前我們暫無其他消息可以公佈。你知道，我們正在研究所有不同的機會，以便在我們需要的各種時間範圍內建立和發展能力。操作員：下一個問題來自美國銀行的Justin Post。請提問。Q5 Justin Post：好的，有兩個問題，一個馬克，一個給蘇珊。感覺你們的產能非常驚人。你們打算如何拓展廣告以外的業務機會？比如訂閱模式、雲授權模式，以及你們正在開發的各種有趣的產品。我並不期待你們發佈任何產品公告，但你們除了廣告之外還能做些什麼呢？另外，Susan，看到廣告行業（包括FX）的加速發展真的很有意思。我想知道你們是否也觀察到了電子商務的整體加速發展，你們認為資金主要來自那裡？整個網際網路生態系統是否也在加速發展？我想聽聽你們的看法。馬克·祖克柏，創始人、董事長兼首席執行長：是的，我們關注的重點不僅限於廣告。我認為，從資料來看，未來幾年廣告仍將是我們業務增長的最重要驅動力。因此，我們在推進相關工作的同時，也在努力平衡各種創新舉措，並大力投資人工智慧，確保我們在人工智慧領域所做的一切努力都能提升我們核心應用和業務的質量和績效。當然，我們之後會分享更多相關資訊。但需要指出的是，所有這些舉措，即便能夠快速擴展，也需要一段時間才能在廣告業務的規模上真正發揮作用。與此同時，我們也非常專注於為企業提供更多價值，並提高我們投放廣告的應用程式的質量。蘇珊·李，首席財務官：賈斯汀，關於你的第二個問題，第四季度除政治類股（因為我們錯過了去年的美國總統大選）外，所有垂直領域均實現了穩健的同比增長。其中，電商類股是同比增長的最大貢獻者，其次是專業服務和科技類股。因此，線上商務業務同比增長強勁，與第三季度基本持平，且增長勢頭遍及各個地區和規模的廣告主。總體而言，我們看到，從假日購物季前到網路星期一，再到年底，市場需求持續旺盛，這對我們來說非常有利。專業服務領域也實現了強勁的全面增長，這主要得益於我們產品改進帶來的潛在客戶開發廣告的顯著貢獻，包括我們在第四季度初全面推出的Advantage+潛在客戶開發活動。科技垂直領域也繼續保持強勁增長，同樣，增長勢頭遍及各個地區和規模的廣告主。總而言之，我認為整體增長非常健康，且增長動力來自各個方面。操作員：您的下一個問題來自巴克萊銀行的Ross Sandler。請提問。Q6 Ross Sandler：是的，馬克，你提到過要把《地平線世界》移植到移動平台。我們之前很少聽到《地平線世界》團隊在電話會議上發言。所以，聽說這個項目要推進移動端真是太好了。看來，人工智慧和你們在《地平線》中打造的技術相結合，可能會為遊戲領域或新的溝通方式開闢許多新的可能性。那麼，您能否詳細說明一下具體的計畫是什麼？謝謝。馬克·祖克柏，創始人、董事長兼首席執行長：是的，那我就來談談這個基本主題。這些年來，我在一些電話會議上提到過一個核心觀點，那就是人們總是渴望以儘可能豐富的方式來表達自我、體驗世界。所以今天我先談了這一點。我們剛起步的時候，很多內容都是以文字為主，對吧？那幾乎是我們當時能做到的極限了。後來，手機普及，有了攝影機，很多內容都變成了視覺化的。但隨著照片的普及，我們經歷了一段行動網路不穩定的時期，每次想看視訊都要緩衝。這個問題解決後，現在視訊已經成為內容的主要形式。我們一直以來的核心理念之一就是，這並非終點，對吧？視訊會長期存在，它會繼續發展壯大，不會消失，就像照片和文字一樣，在很多方面都會繼續發展，即使市場本身也在不斷增長。但我認為視訊並非最終的最終形式。我認為未來會出現更多互動性更強、沉浸感更強的形式，而且這些形式會出現在你的資訊流中。你可以想像一下，當然，這其中還有很多細節需要完善，但你可以想像，人們可以通過提示輕鬆地創造一個世界或建立一個遊戲，並與他們關心的人分享。你可以在資訊流中看到它，並立即參與其中。而且，這種技術既有3D版本，也有2D版本。我認為Horizon非常適合打造沉浸式3D體驗。但可以肯定的是，在未來，任何視訊都可以點選進入，以更有意義的方式參與其中，獲得更豐富的體驗。我認為，我們在虛擬現實軟體和Horizon以及公司其他諸多領域的投資，將與人工智慧的進步完美結合，從而通過移動裝置將這些體驗帶給數億乃至數十億使用者。總之，這就是我非常興奮的地方，但這只是眾多主題中的一種，我認為這個主題會非常有趣。我認為未來會湧現出許多不同類型的互動式沉浸式內容。而《地平線》就是一個非常有趣的例子，我很期待看到它如何發展。操作員：下一個問題來自花旗銀行的Ron Josey，請提問。Q7 Ron Josey：太好了，謝謝你回答這個問題。我想就你之前關於排名推薦模型變革的評論，和蘇珊深入探討一下。鑑於GEM、Andromeda、Lattice以及模型整合等方面的成果，顯然有很多有利因素。那麼，你能否幫我們更詳細地瞭解一下路線圖，以及我們在排名推薦模型變革方面所處的階段？有一種觀點認為，我們可能遇到了某種限制因素，或者我們正在等待更新的模型，但任何見解都將對我們思考下一步以及未來的發展方向非常有幫助。謝謝。蘇珊·李，首席財務官：是的，謝謝你的提問，Ron。我剛才在想你的問題究竟是更側重於廣告方面，還是更側重於使用者互動方面，不過我會儘量兩方面都談談。關於核心的使用者互動部分，我們在第四季度針對Facebook和Instagram推出了一系列排名最佳化措施，這些措施有效提升了使用者互動。實際上，並沒有那一次產品發佈是推動增長的主要因素。這得益於我們對推薦系統的多項最佳化，這些最佳化幫助我們更精準地預測每個使用者的興趣所在。我剛才也簡單介紹了其中的一些最佳化，以及它們在Facebook和Instagram上的具體應用。我們認為，到2026年，我們的推薦系統還有很大的提升空間，預計這將進一步推動這兩個應用的使用者參與度增長。首先，我們計畫繼續擴展模型規模，並增加資料使用量，包括納入更長時間的內容互動歷史記錄，以進一步提升推薦的整體質量。同時，我們將開始驗證廣告訊號和自然內容推薦的使用情況，並逐步建構一個更加共享的自然內容和廣告推薦平台。其次，我們將繼續最佳化推薦，使其更貼合使用者在會話期間的互動內容，從而提供更符合他們當下興趣的推薦。最後，鑑於LLM能夠更深入地理解內容，我們將致力於將其更深入地融入現有的推薦系統。我認為這對近期發佈的內容尤其有用，因為這類內容缺乏足夠的互動資料來支撐推薦。在廣告方面，我們已經討論過Andromeda、Lattice和GEM等模型在廣告領域的諸多工作。我將在第四季度重點介紹GEM，我們擴展了GEM，使其能夠覆蓋FacebookReels。現在，它覆蓋了Facebook和Instagram的所有主要平台。我們還將用於訓練GEM的GPU叢集規模擴大了一倍。預計到2026年，我們將把GEM的訓練規模顯著擴大到更大的叢集，從而提升模型的複雜性，擴展訓練資料，並利用我們在第四季度開始部署的全新序列學習架構。此外，我們還將進一步改進如何將GEM基礎模型的學習成果遷移到我們使用的執行階段模型中。所以我認為，在技術堆疊的許多元件中，還有很大的提升空間。這是我們首次找到一種能夠像LLM一樣高效擴展的推薦模型架構。我們希望這將使我們能夠在保持可觀投資回報率的同時，大幅擴展排名模型的規模。操作員：接下來的問題將來自富國銀行的Ken Gawrelski。請繼續。Q8 Ken Gawrelski：非常感謝。首先，對於Mark來說，Meta擁有一個領先的通用模型有多重要？或者，一個在特定用例中表現卓越的模型是否就足夠了，比如像Anthropic目前在編碼方面所展現的那樣？我們非常希望您能就此發表意見。其次，我想再追問一下，蘇珊，關於您目前所掌握的資訊。您提到2026年您在模型方面做了一些改進，對核心功能進行了微調，包括提升使用者參與度和廣告相關性。您能否談談這些投資是否出現了收益遞減的跡象？您認為2026年以後，在那些方面還有進一步的發展機會？謝謝。馬克·祖克柏，創始人、董事長兼首席執行長：我認為問題在於，對我們來說，擁有一個通用模型究竟有多重要？在我看來，Meta就像是一家深度科技公司。所以，人們會想到我們，因為我們在建構這些應用和體驗。但讓我們能夠建構所有這些產品的關鍵在於，我們建構並掌控著底層技術，這使我們能夠整合和設計我們想要的體驗，而不是僅僅受限於生態系統中其他參與者正在建構或允許我們建構的內容。因此，我認為這是一個非常根本的問題。我猜測，由於種種原因，包括一些競爭因素和一些安全因素，前沿人工智慧技術不可能總是通過API向所有人開放。所以，我認為，如果你想成為塑造這些產品未來的世界級公司之一，那麼擁有建構你想要的體驗的能力至關重要。所以我覺得，從商業角度來看，這非常重要。而且，從創意和使命的角度來看，能夠真正設計和建構我們認為應該為人們打造的體驗也至關重要。是的，我的意思是，我認為這非常重要。否則，我們就不會如此專注於此，我們現在顯然非常重視這一點。蘇珊·李，首席財務官：關於您的第二個問題，有趣的是，一年前的這次電話會議上，我好像談到了我們在2025年預算流程中針對廣告效果和自然流量互動計畫所做的一系列投資。這些投資總體上都取得了成效，我們對當時採用的流程非常滿意，包括使用預期投資回報率對投資進行排序，確保我們擁有完善的衡量體系，為那些投資回報率為正的項目提供資金，並跟蹤它們在一年中的表現。我們剛剛完成了2026年的預算流程，並為類似的投資項目提供了資金，我們預計這些投資將使我們能夠在2026年繼續保持強勁的營收增長。儘管如此，由於一些原因，我預計全年報告營收和按固定匯率計算的營收增長都將低於第一季度的水平。首先，根據目前的匯率，我們預計匯率利多因素將在今年晚些時候消退。其次，我們將在今年晚些時候結束此前受益於2025年廣告效果投資和強勁宏觀經濟環境的強勁增長期。最後，我們預計在歐盟推出的修訂版、個性化程度較低的廣告服務可能會帶來一些不利影響，該服務將於第一季度末開始逐步推出。但與2025年類似，我們對我們識別具有吸引力的投資機會並將其納入預算以支援排名和推薦系統關鍵舉措以及提高模型容量效率的過程感到滿意，所有這些都是推動我們增長的關鍵。操作員：下一個問題來自Evercore樂隊的MarkMahaney，請提問。Q9 Mark Mahaney：好的，我想問兩個問題。MetaAI，關於使用者參與度和使用情況，你們有什麼最新進展嗎？你們是否剛剛開始對這項功能進行改進？另外，Susan，關於股票回購，我想你們本季度沒有回購任何股票。您已經有一段時間沒有回購股票了，大概有一年了吧。年初的時候您談到過資本配置，聽起來您近期沒有回購股票的打算，您能再確認一下嗎？非常感謝。蘇珊·李，首席財務官：好的，我很樂意回答這兩個問題。MetaAI的最新進展是，它現在已覆蓋超過200個市場。MetaAI日活躍使用者最多的市場與我們其他應用非常流行的市場基本一致。不過，不同地區使用者使用MetaAI的主要應用有所不同。例如，在印度和印度尼西亞，WhatsApp的使用率最高。在美國，Facebook是提升使用者參與度的重要驅動力。總的來說，我們看到了很多機會，可以簡化使用者每天使用我們服務所要完成的任務。如果我們能做好這一點，使用者使用我們產品的方式將會不斷擴展。因此，我們致力於將MetaAI打造成最個性化的助手，同時利用我們平台上的海量資訊、趨勢和內容，提供差異化的洞察。我們認為，我們在建構高度個性化的體驗方面擁有非常強大的實力，並將這些優勢融入MetaAI，以便我們能夠根據每個人的個人興趣和偏好定製回覆。關於您的第二個問題，即股票回購，我們的股票回購水平會因多種原因而隨時調整，包括我們是否認為某些領域在短期內更需要資金。目前，我們認為公司的首要任務是投入資源，將自身定位為人工智慧領域的領導者。因此，這確實是資金的首要用途，但我們將繼續保持機會主義，評估股票回購與其他資金用途之間的利弊。KennethDorell，投資者關係總監：好的，我想我們今天的節目就到這裡吧。感謝各位今天的參與。我們期待很快能再次與大家交流。操作員：今天的電話會議到此結束。感謝您的參與，您現在可以斷開連接了。活動已結束。 (invest wallstreet)

站在2026年的起點回望，中國產業升級的軌跡清晰可見。當全球經濟仍處復甦調整期，部分賽道已展現出強勁的增長勢能——從AI大模型的參數競賽到半導體裝置的國產化突圍，從儲能技術的成本曲線陡峭下降到創新藥的出海浪潮，從高端裝備的世界工廠地位到新消費群體的情感付費。資料不會說謊，這些領域正在重構中國經濟的增長邏輯。一、AI人工智慧+大模型：從百模大戰到應用落地的臨界點中國AI大模型產業正經歷從"技術驗證"到"商業變現"的關鍵轉折。根據艾媒諮詢資料，2024年中國AI大模型市場規模約為294.16億元，預計2026年將突破700億元，年複合增長率超過45%，行業正處於爆發式發展階段。全球競爭格局中，中國已穩固第二極地位。2025世界人工智慧大會發佈資料指出當前全球已發佈的大模型總數達到3755個，其中中國企業貢獻了1509個，佔比到達四成，數量居全球首位。更值得關注的是商業化路徑的分化：央國企採購開發平台提升生產力、非央國企聚焦行銷與客服場景、網際網路企業呼叫公有雲API開發互娛應用，三大需求共同驅動市場增長。中商產業研究院預測，2025年中國AI大模型開發平台市場規模將達23.7億元，2030年有望觸及250億元。技術演進呈現多模態融合趨勢。電腦視覺市場規模預計2025年增至110億元，機器學習開發平台2025年將突破35.8億元。在垂直領域，金融、醫療、教育和工業已成為滲透率最高的場景。隨著《人工智慧生成合成內容標識辦法》等政策落地，行業正從野蠻生長邁向規範發展，具備強大預測能力的預測大模型和能夠自主學習的具身智能大模型有望成為下一個技術風口。二、半導體晶片製造：國產替代從"可用"走向"好用"在地緣政治與技術封鎖的雙重壓力下，中國半導體裝置產業迎來了"倒逼式繁榮"。SEMI資料顯示，2024年中國大陸半導體裝置市場規模達到創紀錄的495億美元，佔全球約40%份額，連續五年成為全球最大半導體裝置市場。核心指標國產化率實現翻倍增長：從2022年的16.4%提升至2024年的35%，預計2025年將進一步提升至45%。細分領域中，清洗裝置、刻蝕裝置、CMP裝置國產化率分別達到20%、23%、30-40%，中微公司在刻蝕裝置領域佔國內市場份額28.4%，北方華創在薄膜沉積領域持續突破。然而，真正的攻堅戰在高端製程。光刻機、離子注入機等核心裝置國產化率仍不足10%，核心零部件整體國產化率僅為10%-20%。這意味著2026年將是關鍵窗口期——隨著國內晶圓製造產能預計2025年增至1010萬晶圓/月（wpm），以及大基金三期持續加碼，裝置廠商正從成熟製程向14nm及以下先進製程滲透。CINNO資料顯示，2025年上半年半導體裝置投資逆勢增長53%，釋放出強烈的國產替代加速訊號。三、新能源與儲能技術：從成本競爭到價值重構中國儲能產業已在全球形成碾壓優勢。截至2024年底，全國新型儲能裝機達7376萬千瓦，佔全球總裝機40%以上，"十四五"以來規模增長20倍，年均增速超130%。鋰電池產業同步爆發，2024年全國鋰電池總產量1170GWh，同比增長24%，行業總產值超過1.2兆元，裝機量（含新能源汽車、新型儲能）超過645GWh，同比增長48%。技術路線呈現"鋰電池主導、多技術平行"格局。鋰離子電池佔比96.4%，但30萬千瓦級壓縮空氣儲能、10萬千瓦級液流電池儲能項目已投入商運，鈉離子電池、重力儲能、液態空氣儲能等創新技術突飛猛進。500安時大容量電芯實現量產，循環壽命達1.5萬次，帶動儲能系統造價下降25%-44%。應用場景的擴展正在重塑行業邏輯。電化學儲能在發電側與風電、太陽能配套解決消納難題，在電網側提供調峰調頻服務，在用電側發揮削峰填谷作用。隨著電力市場商業化機制建立，儲能已從單純的成本競爭轉向價值競爭，2025年將成為儲能參與電力現貨市場交易的關鍵年份。四、生物醫藥及創新藥：從License-in到License-out的範式轉移中國創新藥產業在全球價值鏈中的地位正在發生質變。截至2024年，中國在研創新藥數量達4804個，僅次於美國的5268個，位居全球第二。更關鍵的是出海能力的躍升：2024年中國license-out交易金額達到519億美元，較2019年的9億美元增長57倍，復合增速高達125%，交易數量達94個，復合增速33.7%。技術層面，中國已成為全球第二大新興療法研發國，ADC、雙抗、細胞療法成為主要增長點。AI製藥領域增速尤為驚人，市場規模從2020年的8163萬元預計增長至2025年的7.74億元，年複合增長率56.8%，超過34條AI藥物研發管線已進入臨床階段。支付端改革為創新注入動力。醫保對創新藥支出金額持續增長，創新藥獲批上市至進入醫保目錄的時間大幅縮短。隨著老齡化加速（60歲以上人口超3億）和慢性病管理需求激增（患慢性病老年人超1.9億），具備全球智慧財產權的創新藥企業將在2026年迎來業績兌現期。五、高端製造及出海：從"世界工廠"到"全球品牌"中國製造業出口結構正在經歷歷史性升級。2024年，機電產品出口增長8.7%，佔出口總值的比重達59.4%，其中高端裝備出口增長超過40%。電動汽車、3D印表機、工業機器人出口分別增長13.1%、32.8%、45.2%，跨境電商全年進出口達2.63兆元。區域佈局更趨多元。對共建"一帶一路"國家進出口占比首次超過50%，對東盟連續9年進出口保持增長，對其他金磚成員國進出口增長5.5%。民營企業成為出海主力軍，山東、河北、江蘇等地民營企業貢獻超過85%的外貿增量，且在高端裝備出口中表現亮眼——山東民企高端裝備出口增長58.9%，船舶出口激增98.6%。"燈塔工廠"數量全球第一（超過60家）印證製造實力。從人形機器人樣機首日售罄，到DeepSeek-R1引發全球關注，中國製造業正從OEM/ODM向自主品牌轉型。2026年，具備數位化能力、海外產能佈局和本土化營運經驗的裝備製造企業將受益於全球製造業資本開支周期。六、新消費以及細分賽道：情感價值與功能價值的共振消費市場的K型分化正在催生結構性機會。2024年社會消費品零售總額48.79兆元，同比增長3.5%，但在整體平穩的資料背後，是消費邏輯從"功能滿足"向"情緒價值"的深刻遷徙。寵物經濟、銀髮經濟與情緒經濟形成的三輪驅動，正在重塑消費產業的估值體系。1. 情緒經濟：為"感覺"付費的新紀元情緒經濟正成為Z世代（約2.3億人，佔總人口17%）的核心消費哲學。艾媒諮詢資料顯示，2024年中國穀子經濟市場規模達1689億元，較2023年增長40.63%，預計2029年將突破3089億元。這一增速遠超傳統消費品類，揭示出"情緒價值"正在從行銷話術轉化為真實的商業現金流。悅己消費構成情緒經濟的第一支柱。消費者購物動機中"取悅自己/愉悅心情"的佔比已達50%，較2021年提升10個百分點。美團資料顯示，2024年"療愈"相關搜尋量同比增長441%，2025年同比增長112%；精油SPA從身體護理升級為情緒療愈場景，線上交易同比增長超74%。睡眠、香薰、冥想、湯泉等服務正從"偶爾犒賞"變為預算中的固定條目。穀子經濟（二次元周邊）展現爆發勢能。"穀子"（Goods音譯）作為連接虛擬與現實的情感紐帶，依託盲盒的未知刺激、IP收藏價值及社交屬性，精準擊中年輕人的情感寄託需求。2024年1-11月，全國新增"穀子"相關企業1萬餘家，同比上漲14%，現存相關企業6.4萬餘家。超20個一二線城市的60多個核心商圈正在打造二次元消費地標，穀子店成為老商圈的"救星"。潮玩與盲盒持續高增長。2025年盲盒市場規模預計達580億元，75%的消費者為女性，18-34歲人群佔比超70%。80%的盲盒消費者將"驚喜感"列為主要購買原因，這種對"不確定性獎勵"的心理依賴，構成了極強的使用者粘性。泡泡瑪特2024年會員數達4608.3萬人，會員營收貢獻率高達92.7%，復購率維持在50%左右，驗證了情緒消費的可持續性。2. 寵物經濟與銀髮經濟：陪伴價值的商業化寵物經濟（它經濟）成為最具韌性的賽道。2024年城鎮寵物（犬貓）消費市場規模達3002億元，同比增長7.5%，預計2027年將突破4000億元。寵物食品（1585億元，佔52.8%）和寵物醫療（841億元，佔28%）構成兩大支柱，智能用品賽道增速達40%。90後、00後和銀髮族成為養寵主力，單只寵物年均消費近6000元，消費已從"吃飽"轉向"情感陪伴"。銀髮經濟進入黃金期。2024年市場規模達8.3-9兆元，預計2030年將超過20兆元。老年用品市場規模從2014年的2.6兆元增長至2024年的5.4兆元。社區養老照護服務、機構養老照護服務、居家養老照護服務銷售收入同比分別增長30.4%、22.6%、18.0%，智慧養老市場規模約8.2兆元。 (TOP行業報告)