慧榮科技近期一周股價大漲超過50%，主要是因為2026年第一季度業績全面超預期，且 AI相關業務正加速放量，成功點燃了市場情緒。慧榮在2026年第一季度的財務資料極為亮眼，展現了強勁的成長動能：營收：達到3.42億美元，環比增長23%，同比大增105%，創下歷史單季營收新高。盈利：毛利率為47.2%，優於市場預期；淨利潤達5385萬美元，每單位ADS盈餘為1.58美元（約新台幣51元）。未來預期：公司對第二季度的業績指引同樣樂觀，預計營收將在3.93億至4.11億美元之間，毛利率有望進一步擴張至48.5%-49.5%。具體來看，主要有以下幾個核心驅動力：業績炸裂，全面超預期：Q1營收3.42億美元，同比暴漲105%，創下歷史新高。每股收益1.58美元，遠超市場預期的1.28美元。更關鍵的是，公司預計Q2營收將繼續增長15%-20%，打消了市場對增長持續性的疑慮。AI轉型成功，拿下“大單”：這是股價飆升的核心邏輯。專為AI資料中心設計的企業級MonTitan主控，已確定拿下5家全球一線雲服務巨頭（含2家美國、3家亞洲客戶），並將於Q2提前出貨。車用業務爆發式增長：Ferri車用儲存和企業級開機碟方案表現驚人，營收環比暴增205%-210%，同比激增755%-760%，已成功切入AI基礎設施與GPU客戶供應鏈。消費級產品均價提升：雖然PC市場疲軟，但新一代PCIe Gen5主控開始貢獻營收，其遠高於前代產品的單價（ASP），有效避險了銷量下滑的壓力。資金抱團效應：近期美股儲存巨頭（SanDisk、美光等）集體創下新高，慧榮作為產業鏈關鍵一環，享受了資金抱團帶來的估值溢價，單周漲幅高達52%。我們來深入拆解慧榮MonTitan 企業級 SSD 控製器 的產品佈局和客戶卡位情況。這是慧榮未來增長的核心看點，也是判斷其高估值能否持續的關鍵。一、MonTitan 是什麼？——瞄準資料中心與 AI 的旗艦平台MonTitan 是慧榮為資料中心、企業級和高性能計算設計的 PCIe Gen5 SSD 控製器解決方案。它不是一個單一產品，而是一個包含多款晶片和配套軟體的平台。核心產品線形態：SM8366：旗艦款，支援 16 通道 NAND，最高容量 128TB+，專注極致性能。SM8308：8 通道產品，在性能、功耗和成本間取得平衡，適合主流企業級 SSD。SM8366U.2：整合了控製器的完整參考設計，可以加速客戶產品上市。關鍵的差異化賣點——“軟體定義儲存”：MonTitan 不僅靠硬體，它的核心武器是 PerformaShape 架構。簡單說，它能讓雲端客戶通過軟體，精確地給不同工作負載（如 AI 訓練、資料庫、日誌處理）分配 SSD 的性能、延遲和功耗。這種精細的資源調配能力，是Google、微軟等超大規模雲廠商定製基礎設施時非常看重的能力。二、客戶卡位情況分析慧榮的策略是從“包圍圈”切入，然後向核心挺進。第一梯隊：超大規模雲廠商（CSP）直接供貨狀態：已實現突破，是關鍵新增長點。根據財報電話會，MonTitan 本季度已開始出貨，客戶包括多家一線全球 CSP。卡位邏輯：填補市場空白：雲端運算巨頭需要自研或定製SSD 以最佳化成本和性能。在 PCIe Gen5 時代，獨立控製器方案除了慧榮，主要是美滿電子（Marvell）等少數選擇。部分廠商出於供應鏈多元化考慮，會引入慧榮作為第二或第三供應商。軟體價值：PerformaShape 技術使其能與美滿電子競爭。對於擁有強大軟體團隊的超大規模客戶，這種開放的、可程式設計的平台非常有吸引力。這個卡位意義重大：標誌著慧榮從過去依賴模組廠客戶，首次大規模直接進入利潤最高的企業級晶片市場。第二梯隊：企業級SSD 模組品牌與伺服器廠商客戶類型：如Solidigm、金士頓、威剛旗下企業品牌等，以及戴爾、超微等伺服器廠商的認證部件。狀態：穩固基本盤，持續滲透。這是慧榮的傳統優勢管道，通過提供完整的參考設計和韌體支援，幫助這些廠商快速推出標準化的企業級SSD，滿足企業級市場對通用型高容量 SSD 的旺盛需求。卡位邏輯：提供“交鑰匙”方案的能力強，能大幅降低客戶的研發門檻和上市時間。第三梯隊：新興AI 儲存硬體廠商機會：隨著AI 推動儲存架構變革，一些專注於 AI 訓練/推理場景的新興儲存伺服器或全快閃記憶體陣列廠商，也在尋找高性能、可深度定製的 SSD 方案，慧榮正通過 MonTitan 平台切入這個新興生態。三、與美滿電子（Marvell）的競爭態勢簡析這是分析MonTitan 成敗時繞不開的話題。簡單總結：慧榮通過MonTitan 平台，憑藉其獨立的地位和高靈活的技術，已成功打入過去由美滿電子主導的企業級 SSD 核心供應鏈。這個閉環一旦形成，其訂單黏性和盈利能見度將大大提高。MonTitan 的出貨節奏是驗證慧榮高成長邏輯能否兌現的最關鍵觀察訊號，值得持續追蹤季度財報中的相關表述。增長引擎：AI與企業級市場的結構性機遇慧榮科技的成功正從傳統消費電子向高價值的AI和企業級市場轉型，這是其投資價值的關鍵所在：企業級SSD控制晶片（MonTitan）加速放量：進度超預期：該產品將提前至2026年第二季度進入出貨階段，下半年開始大規模放量。客戶陣容強大：已成功拿下5家全球一線雲端服務供應商（CSP），包括2家美國客戶和3家亞洲客戶。戰略意義：公司預計MonTitan產品線將在2026年貢獻5%至10%的營收，成為驅動增長的核心動力。車用與AI基礎設施產品爆發：Ferri車用儲存產品和企業級開機碟解決方案是本期最大亮點，營收環比暴增205%-210%，同比增幅高達755%-760%。公司已在NVIDIA GTC大會展示相關解決方案，成功切入AI硬體供應鏈。嵌入式產品市佔率提升：儘管智慧型手機市場整體疲軟，但公司的eMMC與UFS控制晶片因市佔率持續提升，營收仍實現環比增長30%-35%，同比增長超過140%。PCIe Gen5 升級周期：新一代PCIe Gen5 SSD控制晶片已開始貢獻營收，其更高的平均售價（ASP）將長期最佳化公司的產品組合與毛利率。慧榮科技目前獲得了市場的強烈看好評價。截至2026年4月，在覆蓋該股的11位分析師中，10位建議“買入”，1位建議“維持現狀”，無賣出評級，整體共識為“強力買入”。主流目標價區間為140美元至180美元，平均目標價約155-159美元，相較於當前約139美元的價格，顯示出仍有約11%-14%的上漲空間。 (invest wallstreet)

今天，曦智科技（01879.HK）正式登陸港交所，成為全球“AI光算力第一股”。截至發稿，曦智科技報價超842港元/股，相較183.2港元/股的發行價，漲幅超359%，市值774億港元。不少投資者都在猜測：這家公司會不會複製智譜、MINIMAX，或者光模組三傑——“易中天”的財富效應。市場是無法預測的，筆者也沒有這個本領。但可以跟大家談談這家公司是做什麼，它的主要競爭對手是誰，有沒有“隱憂”。上海曦智科技（Lightelligence），2017年由MIT（麻省理工學院）博士沈亦晨創立，總部上海浦東。2017年沈亦晨在《自然・光子學》發表封面論文，首次驗證光子做深度學習矩陣計算可行性，奠定技術基石；種子輪獲百度風投+真格基金1070 萬美元。這家公司的創始團隊核心成員，除了沈亦晨還有MIT 電氣工程博士孟懷宇，曾任職中金投行部、負責融資與資本運作的張弘。很多人看到這裡，最先產生的疑問是：它跟“易中天”是什麼關係，構成競爭嗎？簡單地說，“易中天”為代表的光模組公司，主要在不同機櫃、伺服器池之間傳遞資料，為幾十米到上千米的中長距離；而曦智主要在板間、機櫃內、相鄰機櫃，屬於米級傳輸，它的目標是讓幾十上百張 GPU 像 “一塊大晶片” 協同計算，追求納秒級低延遲。所以它們之間不構成競爭，是在不同的細分領域。曦智的技術路線是光電混合架構+全光交換矩陣（OCS），不走傳統乙太網路協議，是為 AI 算力調度定製的專用光互聯，核心是“光交換 + 算力組網”，偏向算力架構。曦智的優勢主要體現在三個方面：1、光互連（oNET）：國內獨立第三方裡絕對第一；能做千卡級全光叢集的，國內主要是華為和曦智，華為自用為主、曦智開放給多品牌GPU。2、光計算（oMAC）：全球極少數實現商業部署，且出貨量領先。3、全端自研：矽光晶片+封裝+系統+軟體，410 項專利、13 項行業標準。所以，曦智在國內的主要潛在競爭對手是華為，國外主要是美國的Lightmatter、Celestial AI、Luminous等。在AI 智算中心內部的大規模 GPU 互連（千卡/萬卡級）領域，華為市佔率達到了驚人的98.4%（自用 + 繫結昇騰），曦智只有1.4%。但華為的CloudMatrix 是昇騰的“私有配件”，不單獨對外銷售給其他GPU廠商。這就給曦智提供了巨大的機會。在獨立第三方市場（開放協議、多 GPU 相容），曦智佔88.3%，幾乎壟斷。所以，曦智最擔心的一件事是：華為突然對外供貨，正面參與競爭。如果華為有限開放（最可能，2026–2027），對外賣，但仍用私有協議 + 只適配昇騰，不相容輝達、壁仞等。對曦智影響為中等水平，其營收可能下滑20%到40%。如果華為全面開放（2028年以後才有可能），推出開放 PCIe 版 CloudMatrix + 全光 OCS，相容輝達、 壁仞、沐曦，價格將比曦智更有優勢。在這個場景下，靜態測算對曦智可能是致命的，其收入、市佔率可能暴跌。當然，靜態測算不等於未來真實的場景。在這個期間中，曦智可以自我進化，提高技術水平、降低成本。但華為如果加入正面競爭，對曦智將構成重大挑戰。曦智也有自己的護城河，比如它是唯一能同時適配輝達 + 國產 GPU的全光互連方案，客戶粘性高（換華為要改架構、重適配）。華為無商用光計算晶片，曦智 PACE/天樞已出貨、適配大模型；客戶買 oNET 常連帶買 oMAC，華為暫時無法替代。華為從零做開放生態至少12–18 個月追趕期。曦智還有另外一個隱憂： 小池塘裡的大魚。它88.3%的市佔率建立在“獨立第三方Scale-up光互連”這個極其細分的早期市場上。相比於千億級的AI算力大盤，這個市場目前還是一個“小池塘”。如果市場教育周期過長，或者下游國產GPU放量不及預期，這個“池塘”本身能否快速長大，存在不確定性。 (華南商業評論)

在過去十年裡，全球科技行業的敘事主軸幾乎完全被“指數級增長”所壟斷。摩爾定律的慣性、雲端運算的無限彈性以及風險資本對規模的狂熱追逐，共同建構了一個彷彿資源無限、邊界無窮的擴張時代。然而，隨著未來學家伊恩·可汗（Ian Khan）及其研究機構最新發佈的《2026年50大科技趨勢前瞻報告》（The Top 50 Technology Trends Report 2026）正式出爐，這種單一維度的增長神話正在宣告終結。這份詳盡的報告為全球企業高管、政策制定者及技術領袖描繪了一幅截然不同的未來圖景：2026年將標誌著科技行業正式進入“約束時代”。在這個新階段，技術的價值不再取決於其在實驗室裡的參數突破，而在於其在嚴苛的物理資源限制、合規圍欄以及社會信任底線之上，能否實現可持續的商業落地。這份報告不僅是對未來12至36個月技術風向的預測，更是一份關於“清醒”的戰略宣言。報告核心觀點指出，AI與自動化系統不再受限於人類的想像力，而是開始受制於能源供應、監管邊界及勞動力適應能力等“硬約束”。如果說過去十年的主題是關於“可能性”的探索，那麼未來三年則是關於“可行性”的角逐。物理現實的回歸：算力瓶頸與能源戰略的博弈報告最引人注目的論斷之一，是物理基礎設施重新奪回了科技戰略的中心地位。在長達數年的“軟體吞噬世界”浪潮之後，物理世界的硬約束正在成為決定人工智慧發展速度的決定性力量。報告分析認為，到2026年，AI發展的真正限制因素將不再是演算法模型的參數量，而是能源、電力容量以及計算成本。這一趨勢標誌著AI戰略正在演變為能源戰略。在過去的36個月裡，儘管生成式AI的需求激增，但直到最近一年，企業才開始直面資料中心交付周期延長、電力供應短缺以及推理成本高昂等嚴峻現實。報告預測，這種資源匱乏將迫使算力分配成為企業董事會等級的核心議題。企業將告別對超大通用模型的盲目崇拜，轉而採取一種更為務實的“模型路由”策略：即在滿足質量閾值的前提下，使用最小、最高效、最節能的模型來完成任務。與物理約束相伴而生的，是計算架構的去中心化與再中心化的博弈。報告指出，邊緣AI將迎來爆發式增長，但這並非是對雲端運算的否定，而是出於對延遲、隱私和成本的精算。在製造工廠、醫療診所和能源網路等對即時性要求極高的場景中，智能處理將從雲端回流至本地裝置。與此同時，為了應對日益複雜的地緣政治環境，“資料本地化”將重塑雲架構。跨國企業將不得不建立區域感知系統，以適應各國在資料主權、出口管制和合規性方面日益割裂的要求。全球化技術堆疊正在分裂，能夠靈活適應這種“碎片化”架構的企業將獲得生存優勢。此外，數字世界對“真實性”的迫切需求也催生了新的基礎設施層。在合成內容氾濫的背景下，報告強調，數字溯源技術將從可選項變為信任的基石。當AI生成的以假亂真的內容成為常態，內容的來源、修改記錄及簽名驗證將比內容本身更具價值。與之呼應的是，後量子密碼學正從理論規劃走向實際部署。面對“現在竊取，以後解密”的潛在威脅，金融、醫療和政府機構將不得不提前佈局，以保護長周期的敏感資料。從通用實驗到垂直深耕：AI作業系統的重構與治理《2026年50大科技趨勢前瞻報告》深刻地揭示了企業AI應用範式的轉型：從通用目的的實驗性試點，轉向特定領域的深度營運。過去幾年備受追捧的“通用企業AI助手”正在被證明在處理高精度任務時存在侷限性。報告指出，在財務結帳、保險承保、臨床文件記錄或合規審查等容錯率極低的環境中，企業需要的不是一個無所不知但偶有幻覺的聊天機器人，而是經過特定領域詞彙、規則和責任框架調優的垂直模型。這一轉變預示著“多智能體系統”將成為處理複雜工作的默認模式。單一的AI助手往往難以應對跨越多個系統的長鏈條任務，而分工明確的智能體網路——有的負責規劃，有的負責執行，有的負責監督——將能夠解決異常情況、協調審批流程並驗證輸出結果。這種架構不僅提高了自動化流程的可靠性，還引入了必要的“智能體治理”機制。隨之而來的是企業軟體互動介面的徹底革新。報告大膽預測，傳統的以儀表盤為中心的管理系統將被AI原生介面所取代。長久以來，企業軟體僅僅充當監視器的角色，向使用者展示資料，卻將決策和執行的負擔留給人類。而新一代的AI原生系統將不僅是資訊的展示者，更是意圖的執行者。使用者不再需要盯著複雜的圖表分析資料，而是直接下達“解決這些異常”、“生成結帳包”或“分流這些索賠”的指令。軟體正在轉變為操作員，這種轉變將極大提升財務營運、客戶服務和IT管理的效率。然而，隨著AI深入核心業務流程，監管和審計不再是事後的補充，而是變成了設計約束。報告強調，AI系統的“可審計性”和“決策日誌”將成為標準實踐。如同金融系統需要詳盡的帳目一樣，AI的每一次推理、每一個版本的模型呼叫以及每一次人類的批准動作，都必須被記錄在案。演算法的黑盒時代正在結束，透明度和可解釋性成為了技術合法性的入場券。與此同時，AI安全將成為強制性的基礎設施，重點不再是防禦外部網路攻擊，而是控制AI的權限、防止提示注入（Prompt Injection）以及避免資料通過模型輸出而洩露。人機協作的新契約：重塑組織形態與戰略耐心技術變革的震波最終將重塑人類的工作方式和組織結構。報告認為，2026年的贏家既不是堅持純手工操作的傳統主義者，也不是試圖實現完全自動化的激進派，而是那些能夠有效設計“人機迴環”流程的組織。在這種模式下，角色被重新定義：AI負責默認執行，人類負責例外處理、監督和高風險決策。這要求管理者從單純的“監督者”轉變為“系統設計師”。未來的管理者將不再花費大量時間盯著員工的出勤或任務進度，而是專注於設計工作流、設定激勵機制以及定義機器介入的邊界。這種轉變對人才市場帶來了劇烈的衝擊。報告提出了一個發人深省的概念——“技能半衰期的急劇縮短”。隨著AI接管了知識檢索和基礎執行功能，單純的知識儲備或特定工具的操作技能將迅速貶值。真正的核心競爭力變成了適應力。靜態的技能框架將不再適用，取而代之的是持續的微認證和在崗AI輔助學習。對於組織而言，這意味著必須建立正式的“AI素養”要求，但這不僅僅是教員工如何使用工具，更是教他們如何監督、質疑和管理演算法的輸出。在宏觀層面，AI的影響力正滲透進資本配置和風險管理的核心。金融預測正在從確定性的“點估計”轉向機率性的區間預測，以更好地反映波動環境下的不確定性。同時，保險和金融行業正在為AI可能引發的系統性風險做準備——當所有模型都使用相似的資料訓練並做出相似的決策時，可能會導致共振式的市場崩塌。因此，長期的風險管理和韌性建設重新回到了戰略高地。報告最後提出的“戰略耐心”概念，或許是給當下焦慮的科技界最重要的一劑解藥。在技術快速更迭的洪流中，敢於“慢下來”似乎是一種反直覺的策略。但報告深刻地指出，在經歷了早期的炒作和試錯後，那些能夠審慎觀察、分階段部署、並預留時間讓組織消化技術變革的企業，將比那些匆忙上馬、債台高築的先行者走得更遠。2026年的科技圖景不再是關於單一技術的奇點突破，而是關於如何在一個充滿約束的世界裡，將AI、能源、安全和人類智慧編織成一個具有韌性的複雜系統。在這個約束時代，穩健即是新的速度。附錄：2026年50大科技趨勢完整列表(1) 特定領域AI模型取代通用企業AI：企業將從通用的大語言模型轉向針對特定行業詞彙、規則和責任進行調優的垂直領域模型，以確保在金融、醫療等高風險環境中的精確性 。(2) 多智能體AI系統成為複雜工作的默認模式：單一的AI助手將演變為分工明確的智能體網路（規劃、執行、驗證），以處理跨系統的多步驟複雜任務 。(3) AI安全成為強制性基礎設施：安全重心將從傳統的網路邊界防護轉向AI特定的控制，包括防止提示注入、資料通過模型輸出洩露以及控制智能體權限 。(4) 數字溯源成為信任剛需：在合成內容氾濫的時代，驗證內容的來源、修改記錄及數位簽名將比內容本身更具價值，成為監管和商業的硬性要求(5) AI原生介面取代以儀表盤為中心的企業系統：企業軟體將從“監控與報告”轉向“意圖與執行”，使用者直接下達結果指令，而非手動分析儀表盤資料 。(6) AI算力與電力成為真正的約束：AI發展的限制因素將不再是想像力，而是資料中心的能源供應、電力容量及高昂的推理成本，迫使企業進行算力配給 。(7) 模型效率成為競爭優勢：企業的競爭重點將從追求更大模型轉向更智能的部署，即使用能滿足質量閾值的最小模型來降低成本和延遲 。(8) 邊緣AI因隱私、延遲和成本壓力而擴張：為了規避雲端推理的高成本和資料隱私風險，智能處理將大規模回流至工廠、裝置和醫療診所等本地終端 。(9) 機密計算進入主流AI領域：為了在處理敏感資料（如金融、醫療）時防止洩露，受保護的硬體執行環境將成為AI推理的標準配置 。(10) 地緣政治重塑資料、雲和AI架構：資料主權和出口管制將迫使跨國企業建立區域分割的IT架構，全球統一的技術堆疊將面臨解體 。(11) 後量子密碼學從規劃走向部署：為了防禦“現在竊取，以後解密”的威脅，企業和政府將開始實際部署抗量子加密演算法，保護長周期敏感資料(12) 監管成為AI系統的設計約束：合規性將從部署後的“補丁”變為設計階段的“藍圖”，AI系統的建構必須內建可解釋性、風險分類和文件記錄(13) 搶先式網路安全取代被動防禦：網路防禦將利用AI進行威脅預測、自動紅隊測試和主動加固，而非僅僅依賴事後的檢測與響應 。(14) AI驅動的欺詐與風險決策加速：AI將成為即時欺詐檢測和信貸決策的主力，在速度和模式識別上全面超越人工，但也帶來新的偏見風險 。(15) 數字身份現代化加速：為了支援AI驅動的自動化互動並減少欺詐，去中心化身份和生物識別等基礎設施將得到快速普及 。(16) 持續結帳變革財務營運：借助AI輔助的對帳和異常處理，傳統的月度或季度財務結帳將被即時的“持續結帳”模式所取代 。(17) 保險業轉向預測性、AI主導的模型：保險公司將大規模採用AI進行承保定價、理賠分流和風險建模，從歷史資料分析轉向即時預測 。(18) 製造業變得軟體定義化：工廠營運將不再受限於硬體，而是通過軟體定義系統實現生產線的靈活調整、質量控制和AI最佳化 。(19) 供應鏈變得演算法化和自適應：供應鏈管理將從靜態的計畫模式轉向演算法驅動的自適應系統，能夠即時感知並響應全球中斷 。(20) 醫療AI優先聚焦營運和預防：AI在醫療領域的近期價值將主要體現在減輕行政負擔、最佳化流程和疾病預防上，而非激進的治療手段 。(21) AI素養成為正式組織要求：企業培訓將從選修課變為必修課，重點在於教員工如何監督AI、理解風險以及避免過度依賴，而非僅僅是操作工具(22) AI可審計性和決策日誌成為標準實踐：AI系統將被要求具備類似金融記帳的透明度，所有的輸入、輸出、模型版本和人類審批都必須有據可查(23) 合成資料擴展以解決隱私和稀缺性：在受監管或資料稀缺的領域，合成資料將成為模型訓練和系統測試的主要資源，以規避隱私風險 。(24) 上下文工程成為核心資料學科：競爭優勢將從單純擁有資料轉向建構高品質的上下文（定義、關係、中繼資料），以引導AI生成精準結果 。(25) 企業知識通過內部Copilot產品化：組織將把隱性的內部知識轉化為受控、可搜尋的AI助手，從而減少對老員工記憶的依賴並加速入職 。(26) 物理AI進入工業環境：AI將走出螢幕，深入工廠、倉庫和基礎設施，直接參與物理裝置的檢查、維護和控制 。(27) 機器人從自動化轉向自適應自主：機器人將不再侷限於執行死板的指令碼，而是具備環境感知和適應能力，能在非結構化環境中與人協作 。(28) 數字孿生進化為營運決策工具：數字孿生將從單純的3D可視化升級為即時的營運決策系統，用於模擬場景、預測維護和最佳化能源 。(29) 智能基礎設施結合感測與最佳化：城市和建築將整合感測器網路與AI最佳化演算法，以即時調節交通、能源消耗和設施性能 。(30) 能源與AI成為相互依存的系統：AI的部署將根據電力可用性進行規劃，而能源網路本身也將依賴AI進行負載平衡和效率最佳化 。(31) 人機組隊成為主導營運模式：工作設計的核心將從“替代”轉向“協作”，明確劃分AI的自動化執行任務與人類的監督例外處理任務 。(32) 技能半衰期急劇縮短：隨著AI接管知識檢索和執行，具體技能的有效期將縮短，適應力和持續學習能力將成為核心職業競爭力 。(33) 管理從監督轉向系統設計：管理者的角色將從監督員工的具體活動，轉變為設計工作流、激勵機制和人機協作系統 。(34) 基於成果的工作取代基於時間的指標：隨著AI大幅壓縮執行時間，按工時考核將失效，基於具體產出和成果的績效評估將成為主流 。(35) 演算法管理擴張後趨於穩定：演算法在任務分配和調度中的應用將增加，但會引入更多的人類申訴機制和透明度，以平衡效率與員工權益 。(36) 企業文化成為可測量的系統：利用資料分析協作模式和決策行為，企業文化將從抽象的概念轉變為可量化、可管理的營運指標 。(37) 人才市場變得流動和項目化：企業將更靈活地組合全職員工、自由職業者和AI代理，以項目為單位動態配置資源 。(38) 信任成為領導力核心能力：在演算法中介的時代，建立利益相關者對技術系統和決策過程的信任，將成為領導者的關鍵職責 。(39) 不重設計流程，知識工作生產力將停滯：僅引入AI工具而不重塑工作流程將遭遇收益遞減，流程再造是釋放AI生產力的前提 。(40) 倫理從原則走向實踐：AI倫理將從高大上的宣言轉變為具體的營運控制，包括偏見測試、紅隊演練和危害緩解機制 。(41) 資本配置受AI影響但由人類治理：AI將用於預測需求和壓力測試，但最終的資本分配和戰略投資決策權仍將牢牢掌握在人類手中 。(42) 金融預測從點估計轉向機率：單一數字的財務預測將失去信譽，企業將轉向基於機率的區間預測，以更好地應對市場波動 。(43) 數字貨幣和代幣化資產悄然成熟：在炒作退潮後，受監管的代幣化資產將在機構結算、跨境支付和資產抵押中發揮實際效用 。(44) 保險和金融準備應對AI引發的系統性風險：金融系統將開始防範因AI模型同質化和演算法共振可能引發的系統性市場崩盤 。(45) 無形資產的測量成為戰略性指標：資料質量、模型可靠性、組織適應力等無形資產將被納入企業的戰略績效考核體系 。(46) 政府現代化通過AI營運加速：政府將利用AI解決後台處理、許可審批和服務交付的積壓問題，以提升行政效率而非替代決策 。(47) 氣候建模和適應變得依賴AI：AI將成為應對氣候變化的核心工具，用於高精度的氣候模擬、災害預測和基礎設施韌性規劃 。(48) 科學發現通過AI增強研究加速：AI將深入材料科學、生物學和能源研究，輔助生成假設和設計實驗，顯著縮短髮現周期 。(49) 長期風險管理獲得戰略重要性：為了對抗短期效率最佳化帶來的脆弱性，企業將重新重視針對低機率、高衝擊事件的長期情景規劃 。(50) 戰略耐心成為競爭優勢：在技術快速迭代的時代，能夠審慎觀察、分階段部署並避免盲目跟風的“戰略耐心”將成為企業的競爭壁壘 。 (21世紀關鍵技術)

CB Insights 近日發佈了年度重磅報告《Tech Trends 2026》（《2026 年科技趨勢》）。這份報告基於其獨有的預測情報系統，結合私募公司基本面、市場行為訊號以及大量專有資料，勾勒出 2026 年科技創新、資本流動與客戶需求的走向。報告共涵蓋五大類股、13個核心趨勢，從企業內部效率到金融規則、重工業基礎設施，再到機器人與生物醫療，幾乎囊括了 AI 正在滲透的所有關鍵領域。報告首先回顧了 2025 年預測的命中情況——多數趨勢得到驗證，隨後正式進入 2026 年的前瞻。企業與工作：AI 代理讓 ROI 成為變得難以捉摸報告開篇聚焦企業與工作類股，第一個趨勢便是“AI agents make ROI a moving target”——AI代理讓投資回報率（ROI）變得難以捉摸。目前，企業主要通過效率指標來評估AI代理的價值。根據CB Insights對 59 位 200人以上規模企業總監及以上高管的調研：63% 的受訪者跟蹤生產力提升58% 跟蹤時間節省58% 跟蹤成本節約相比之下，收入影響、響應時間、客戶滿意度等指標更難量化，很多企業仍停留在“軼事式”評估階段。一位年收入10億美元 的媒體娛樂公司資訊安全總監直言：“我們還在為此苦惱——測量AI代理 ROI似乎是所有工具的共同難題。”另一位 Fortune 500 金融公司應用開發副總裁也表示，目前董事會主要監控支出，但效果評估“還不是一門精確科學”。正因如此，一批新興工具廠商看到了機會：在軟體工程領域，Span 於2025年9月推出專有模型 span-detect-1，能夠檢測AI生成的程式碼塊並全程跟蹤，幫助工程團隊清晰衡量AI對開發流程的影響。2025年11月，Span完成2500萬美元 A輪融資。在更廣的企業流程層面，Scribe、Larridin、Workhelix、Pay-i 等平台正快速崛起。Scribe 在2025年11月推出 Scribe Optimize，從文件記錄轉向工作流分析與自動化 ROI 評估；Workhelix 可識別具體任務的生成式AI增強潛力並給出ROI指標；Pay-i 則追蹤生成式AI投資對收入、成本和利潤率的影響。這些公司均獲得高 Mosaic 得分，部分還得到 Reid Hoffman、Yann LeCun、Jeff Dean、Mira Murati 等頂級投資人背書。報告指出，隨著 AI代理 部署進入更成熟階段，測量框架的標準化將成為廠商與企業共同爭奪的制高點。同一類股的第二個趨勢是後台辦公室將實現高度自動化，進一步釋放企業效率。金融與商業：私企活躍、穩定幣入場、店面消逝在金融與商業類股，報告提出了三個引人注目的趨勢：Private becomes the new public：私人市場將越來越像公共市場，融資活躍度、透明度和流動性大幅提升。Stablecoins go corporate：穩定幣將大規模進入企業場景，成為跨境支付、結算和現金管理的新工具。The storefront disappears：實體店面進一步弱化，零售將徹底向線上、無形化體驗遷移。這三個趨勢共同指向一個方向：金融與商業規則正在被數字原生基礎設施改革。工業與國家基礎設施：資料中心、主權AI、太空與國防工業與國家基礎設施類股同樣充滿戰略意味：Data centers become grid assets：資料中心不再只是算力設施，而是成為電網的重要資產，與能源系統深度融合。Sovereign AI creates regional AI ecosystems：各國推動“主權AI”，形成區域性AI生態，避免過度依賴單一供應商。The commercial space race enters a new era：商業航天進入新階段，成本下降帶動應用爆發。Defense AI startups mobilize for mass production：國防AI初創公司開始為大規模量產做準備。這些趨勢顯示，AI 已從消費級、商業級上升到國家安全與基礎設施等級。物理AI與機器人：從理解世界到協同工作物理AI與機器人類股展望：AI learns how the physical world works：AI開始真正理解物理世界規律，推動具身智能突破。Robots learn to work together：機器人之間實現高效協作，多機協同將成為常態。健康與生物：語音AI、自動化實驗室、健康計畫解綁最後，健康與生物類股包括：Healthcare puts voice AI to the test：醫療系統大規模測試語音AI在問診、記錄、患者互動中的表現。Pharma’s path to self-driving labs：製藥行業邁向“自駕實驗室”，AI全面加速藥物發現與試驗。The unbundling of employer health plans：僱主提供的團體健康保險計畫開始解綁，更多個性化、模組化方案湧現。最後從企業內部的 ROI 測量難題，到國家層面的主權 AI 競爭，再到機器人協同與自駕實驗室，AI 正在全面滲透生產與生活的每一個環節。關注公眾號【AI資訊風向】，可以獲取這份 AI 行業報告原版——《2026 年科技趨勢》。AI 技術正以前所未有的速度發展，它將如何塑造我們的未來？讓我們拭目以待。 (AI資訊風向)

近日，中國人民大學重陽金融研究院、全球領導力學院主辦區域國別論壇之“美國系列”第20場暨明德戰略對話第28期活動。美國戰略與國際問題研究中心高級顧問兼中國商務和經濟董事項目主任甘思德(Scott Kennedy) 發表題為“緩慢的科技巨龍：解釋中國科技崛起和宏觀經濟問題的悖論”的演講，並同中國人民大學重陽金融研究院院長、全球領導力學院院長王文展開對話，就中國科技崛起和宏觀經濟發展發表相關看法和建議。11月24日，中國網發佈講座部分實錄，現發佈如下：近日，中國人民大學重陽金融研究院、全球領導力學院主辦區域國別論壇之“美國系列”第20場暨明德戰略對話第28期活動。美國知名智庫戰略與國際問題研究中心高級顧問兼中國商務和經濟董事項目主任甘思德(Scott Kennedy) 出席活動時，分享了他和史丹佛大學教授羅思高（Scott Rozelle）共同發表的一篇論文成果，就中國科技崛起和宏觀經濟發展發表相關看法和建議。甘思德表示，中國是“科技巨龍”，其研發投入較以前有了長足進步。從購買力平價的絕對值來評估，2023年中國研究與開發經費在國民生產總值中的佔比約2.65%，僅略低於美國。而到了2024年，中國的資料追上美國，甚至還略微領先。因此從研發投入角度看，中國確實是在斥巨資開展研發。儘管中國的研發投入很多來自政府，而美國主要由企業進行，但是從總量上看，美中兩國的研發投入已經非常接近。從總體創新能力上看，中國在全球創新指數（Global Innovation Index）中的排名，已從十幾年前的40多位上升到了第10位，遙遙領先於巴西等開發中國家。在亞洲，中國已經超過日本，只排在韓國和新加坡之後。其中，專利申請是中國最成功的領域之一。中國每年申請的專利數量都在持續增長。儘管有人並不完全理解中國的專利申請數量，但是中國的專利是通過擁有更高品質指標的《專利合作條約》申請的，確實非常領先。從製造業產出看，中國也處於領先地位。2023年，中國製造業總產出約為全球總額的29%。到了2025年，這個佔比很可能達到35%。到2030年，按照製造業產值計算，中國的佔比很可能達到45%。中國在汽車出口方面也佔據領先地位。中國曾經幾乎沒有汽車出口，但從2020年開始，中國開始向印尼、孟加拉國出口電動汽車。現在，中國已經成為電動汽車第一大出口國。甘思德還特別提到，他本人最喜歡的中國車之一是小米SU7 Ultra，該車試駕體驗十分驚豔。“如果在美國可以買到，我一定會買一輛。”他還對比亞迪、華為等中國企業表示肯定。“中國的科技巨頭是很厲害的。”甘思德總結道，他認為這就是中國在科技領域展現出“科技巨龍”般強勁實力的一面。同時，甘思德對中國宏觀經濟表現也提出一些看法和建議。他認為，中國人力資本在結構上存在一定的短板。中國有相當多的頂尖人才和優秀大學，但仍有相當比例的人口沒有完成高中教育，這將為中國跨越“中等收入陷阱”增加負擔。中國擁有龐大的勞動力和潛在人才庫，但其中一部分人與技術升級的發展方向並未完全匹配，沒有為使用科技成果、參與高科技經濟做好充分準備。他建議中國在推動高品質發展的同時，還應注重資源配置平衡，特別是保障對人力資本、基礎教育、社會保障等領域的足夠投入，以確保中國民眾的平均收入水平不斷提升。當前，中國正在制定“十五五”規劃。希望中國接下來繼續保持科技不斷進步，同時讓普通民眾從高科技發展的紅利中更多獲益，這將有助於更好提升中國宏觀經濟增速。甘思德最後強調，如果中國宏觀經濟能夠更好實現均衡發展，化解資源配置上的一些不平衡問題，就能夠更好造福全球，帶來更為均衡的全球經濟互動，從而緩解與他國的潛在摩擦與緊張關係。反之，如果中國的出口持續保持高位，而進口則相對有限，就可能增加與他國的貿易摩擦。 (人大重陽)

隨著全球算力需求持續增長，AI硬體相關公司股價也一路攀升，推動著A股股價座次幾番生變。今(6)日，源杰科技股價首度突破600元大關，截至收盤報616.53元/股，一舉成為A股第三貴的個股，僅次於貴州茅台與寒武紀。回顧去年9月，源杰科技股價一度觸及78.14元/股的歷史低點。約一年後，公司股價已漲至429元/股，漲幅高達549.01%。以9月30日收盤價計，源杰科技股價座次已達到A股第六，彼時的前五名分別為貴州茅台、寒武紀、吉位元、北方華創、茂萊光學。此後，源杰科技在一個多月內累計上漲143.71%，成功抵達第三座次。股價飆升的背後是公司基本面的持續最佳化，根據源杰科技最新發佈的三季報，今年前三季度，公司實現營收為3.83億元，同比增長115.09%；淨利潤為1.06億元，同比扭虧為盈。按單季度看，其第三季度營收為1.78億元，同比增長207.31%；淨利潤5963萬元，同比扭虧為盈。談及業績增長原因，源杰科技表示，主要係數據中心市場的CW矽光光源產品逐步放量，公司營業收入同比增加，且高毛利率的資料中心類股業務大幅增長，產品結構進一步最佳化所致。展望未來，源杰科技在2025年第三季度業績交流會上表示，目前來看，市場需求非常旺盛，降價壓力非常小，產品出貨量會增加。公司持續加強裝置投入，綜合裝置交付節奏以及偵錯等因素，預計產能將從今年年底至明年逐步成長。在市場較為關注的CPO領域，該公司表示，其相關光源產品研發進展順利，目前已與客戶進行技術規格的對接交流。國盛證券表示，光通訊行業處於800G至1.6T的過渡期，隨著需求持續升溫，上游核心晶片的供應緊張成為行業面臨的主要瓶頸。上游核心晶片與關鍵原材料呈現結構性短缺，光器件正面臨供需緊張局面，光晶片、光器件研發和擴產周期長、投入大，具有較高的進入壁壘。山西證券指出，核心物料光晶片、FAU、隔離器等瓶頸效應愈發明顯。對於海外巨頭擴產速率較慢的光晶片矽光方案滲透率有望加速提升，帶動國產CW晶片份額提升。 (財聯社)

2025年9月，華為以《智慧世界2035》和《全球數智化指數2025》兩份重磅報告，向全球拋出了對未來十年的系統性預判。這是華為請了一百多位專家學者，開了兩百多場研討會，梳理了聯合國、世界經濟論壇等多家權威機構的資料，最終勾勒出了未來十年技術發展的藍圖，揭示了人工智慧、算力、通訊、能源等領域的顛覆性變革，以及這些變革將對我們的教育、醫療、金融、製造業等行業產生那些重大的影響。報告中提到全球AI智能體將達到九千億，全社會算力增長十萬倍，AI儲存容量提升五百倍，通訊連線量提升一百倍，新能源發電量佔比將超百分之五十，還會產生融合形、聲、聞、味、觸等人類五感的智能互動等等。這也意味著未來十年人類將正式邁入數智化新時代，華為預測，未來十年的技術突破將首先圍繞"連接"“計算”"感知"三大核心展開，為智能世界搭建基礎設施。讓我們一起來看看這十大趨勢都有那些？技術基石：從"連結"到"智慧"，建構未來世界的"數位底座"趨勢一：泛在連結－10bps/人·秒的"數位神經網路"報告指出，到2035年，全球連接密度將達到每平方公里1000萬個裝置，是2025年的10倍。 6G網路將實現"空天地海一體化"覆蓋，支援太赫茲頻段和亞毫秒級時延，讓"萬物智聯"從概念走向現實。這意味著：偏遠地區的無人機醫療配送、深海礦山的遠端操控、甚至太空站的即時資料互動，都將像今天用手機刷視訊一樣流暢。連線將不再受地理限制，成為像空氣一樣的​​"基礎公共服務"。趨勢二：智慧運算－"算力即服務"重建生產力邊界隨著量子運算、光子運算、類腦運算等新型運算技術成熟，2035年全球算力規模將比2025年成長1000倍，且算力將像電力一樣"即取即用"。華為預測，到那時，90%的企業應用將採用"雲-邊-端"協同運算，AI訓練效率提升100倍，藥物研發周期從10年縮短至1年，氣候變遷模擬能精確到街區層級。算力不再是少數科技巨頭的"特權"，而是中小企業創新的"普惠工具"。趨勢三：感知智慧－"五感延伸"打破物理世界認知邊界未來的感測器將超越人類感官極限：毫米波雷達可穿透牆體探測生命體徵，量子感測器能感知萬分之一地球磁場的變化，生物感測器可透過汗液即時監測健康指標。華為預計，2035年全球感測器部署量將達1兆個，形成"數位觸覺網路"。例如，智慧城市透過路面感測器即時監測車流、溫度、濕度，自動調節號誌燈和路燈；農民透過土壤感測器精準控制灌溉，減少50%的水資源浪費。感知智能將讓物理世界"開口說話"，為決策提供前所未有的資料維度。產業變遷：科技賦能千行百業，催生"數智經濟"新範式在技​​術底座之上，傳統產業將迎來"基因式"重構，新的商業模式和經濟成長點將集中爆發。趨勢四：AI原生－從"輔助工具"到"決策主體"未來十年，AI將從"執行指令"進化為"自主決策"。華為預測，2035年，60%的企業決策將由AI自主完成，且精準率超過人類專家。例如，AI供應鏈系統可根據全球物流、天氣、政策變化，自動調整採購和生產計畫；AI法律助理能即時分析判例，產生最優訴訟策略。更關鍵的是，AI將滲透到產品設計環節－透過AIGC（人工智慧生成內容），汽車企業可在1周內完成100款車型的設計迭代，研發成本降低70%。趨勢五：數位孿生－"鏡像世界"實現全生命周期最佳化數位孿生技術將建構與物理世界1:1對應的"虛擬鏡像"，涵蓋城市、工廠、人體等複雜系統。報告顯示，2035年全球30%的城市將建立完整數位孿生系統，交通壅塞率下降40%，能源消耗降低25%。在工業領域，數位孿生工廠可即時模擬生產流程，提前預測裝置故障，停機時間減少80%；在醫療領域，人體數位孿生能模擬藥物反應，癌症治療方案個人化率提升至90%。數位孿生讓"試誤"發生在虛擬世界，大幅降低現實世界的風險和成本。趨勢六：低碳智慧－"技術向善"驅動永續發展應對氣候變遷已成為全球共識，而技術將是實現"雙碳"目標的核心槓桿。華為預計，2035年，AI最佳化的能源系統可使全球再生能源利用率提升至80%，智慧電網降低15%的輸電損耗。在製造業，透過AI演算法最佳化生產流程，單位GDP能耗將下降30%；建築領域，智慧樓宇系統可根據人流、天氣自動調節空調和照明，能耗降低50%。低碳智慧不僅是社會責任，更是新的經濟成長點－報告預測，2035年全球綠色數智技術市場規模將達10兆美元。社會重塑：科技回歸"人本"，重建生活與價值體系科技的終極目標是服務人。未來十年，教育、醫療、交通等民生領域將因科技而發生深刻變革，人類的生活方式和社會關係也將重新定義。趨勢七：普惠醫療—"全生命周期健康管理"成為現實AI醫生、穿戴式裝置、基因編輯等技術將推動醫療從"治療"向"預防"轉型。華為預測，2035年全球80%的常見疾病可透過AI輔助診斷，精準率達99%；穿戴裝置可即時監測血糖、血壓等20項指標，提前預警疾病風險。在偏遠地區，5G遠距手術讓專家無需親臨現場即可完成複雜操作；基因療法將使阿茲海默症、遺傳性失明等末期疾病得到治癒。醫療資源分配不均的問題將大幅緩解，"人人享有優質醫療"不再是口號。趨勢八：個人化教育－"因材施教"打破標準化桎梏AI教育系統將根據每位學生的認知特徵、學習進度量身訂做專屬課程。報告顯示，2035年全球60%的學校將採用AI個人化教學平台，學生學習效率提升50%，教師從"知識傳授者"轉變為"成長引導者"。虛擬實境（VR）和擴增實境（AR）技術將讓歷史課"穿越"到古羅馬，讓生物課"走進"細胞內部－沉浸式學習將激發學生的創造力和探索欲。教育不再是"標準化生產"，而是"個人化培養"，每個人的潛能都能被充分挖掘。趨勢九：智慧交通－"零壅塞、零事故"重建出行體驗自動駕駛、智慧交通系統（ITS）、飛行汽車將徹底改變出行方式。華為預計，2035年，全球50%的新車將實現L5級完全自動駕駛，交通事故率下降90%；城市交通號誌透過AI即時最佳化，尖峰時段通行效率提升70%。同時，飛行汽車將在部分城市實現商業化營運，從市區到機場的時間從1小時縮短至15分鐘。交通將不再是"消耗時間的成本"，而是"高效連接的紐帶"。趨勢十：可信賴數字－"安全與隱私"成為數智化生命線隨著資料成為核心生產要素，安全與隱私保護將成為數智化的"剛需"。華為預測，到2035年，全球80%的資料將採用區塊鏈技術進行加密和溯源，資料外洩事件下降70%；量子加密通訊將覆蓋政府、金融等關鍵領域，實現"絕對安全"。同時，AI倫理框架將逐步完善，演算法偏見、深度偽造等問題將得到有效監管。可信數字是數智世界永續發展的基石——沒有安全，一切智能都無從談起。全球數智指數：轉型不均衡，但"未來已來"《全球數智化指數2025》報告顯示，當前全球數智化轉型呈現"三梯隊"格局：北美、歐洲、東亞國家處於第一梯隊，數智化指數超過60（滿分100）；中國以58分位居全球第六，在5G、AI應用等領域領先；而開發中國家平均指數僅為32，人才面臨基礎設施短缺、短缺領域但華為強調，數智化轉型不是"零和遊戲"。透過技術共享（如低成本5G方案）、人才培養（如全球數智化培訓計畫），開發中國家可望實現"彎道超車"。報告預測，2035年，全球數智化指數平均將提升至75，數智技術將為全球經濟貢獻30兆美元增量。結語：在智慧世界，"人"總是科技的終極尺度華為《智能世界2035》描繪的不僅是一幅技術藍圖，更是一個關於"人如何與科技共處"的哲學命題。當算力突破極限、連結無所不在、智慧滲透萬物，我們更需要思考：如何讓科技服務人的全面發展？如何避免數位落差加劇社會不平等？如何確保AI始終向善？正如華為輪值董事長在報告中所言：「科技的終極意義，是讓每個人都能擁有更健康、更自由、更有尊嚴的生活。」未來十年的數智革命，既是科技的突破，更是人類文明的躍遷。在這場變革中，唯有堅持以"人本"為核心，才能讓智能世界真正成為人類共同的美好未來。而此刻，我們正站在這個未來的起點──趨勢已現，未來已來。身為普通人的你我，在未來十年內，我們要構思一下，如何跟上未來十大趨勢。 （先鋒能源情報站）

今年恆生科技指數大漲41%，跑贏納斯達克指數17%的漲幅。年初DeepSeek等AI大模型的突破成為關鍵轉折點，隨後阿里巴巴、騰訊和百度的AI產品也獲得市場認可。在人工智慧的敘事驅動下，中國科技股今年的表現已將美國同行遠遠甩在身後。今年以來，恆生科技指數已飆升41%，遠超同期納斯達克指數17%的漲幅。這輪始於年初DeepSeek人工智慧取得突破的漲勢，在9月份得到進一步加速。“關於中國AI的整個敘事已經完全改變了”，美銀全球研究的首席中國股票策略師Winnie Wu表示：“感覺中國正在AI算力這個非常重要的瓶頸上取得突破。”AI大模型突破成關鍵轉折點“動物精神又回來了”，PGIM Jennison Associates的新興市場股票投資組合經理Albert Kwok表示。他指出，今年二月DeepSeek的出現成為了一個“關鍵時刻”，改變了一切。此外，阿里巴巴的“通義千問”（Qwen）、騰訊的“元寶”和百度的“文心一言X1.1”（Ernie X1.1）等AI大模型獲得了分析師的好評，並在行業基準測試中名列前茅。這些進展點燃了市場對AI技術在中國實現廣泛商業化和生產力提升的希望。此外，百度等公司在自研高端晶片方面取得的進展，以及對AI基礎設施支出的增加，也支撐了這輪漲勢。今年以來，阿里巴巴、騰訊和百度的股價分別上漲了96%、55%和59%，僅在過去一個月，阿里巴巴和百度就分別上漲了31%和48%。“這是第四次工業革命”，安本的中國股票投資組合經理Bush Chu表示：“我們正在看到AI徹底改變人們工作以及與機器乃至社會互動的方式。”海外資金流入這種樂觀情緒不僅限於大型科技公司，也延伸到了寒武紀等晶片製造商以及生物科技公司。今年以來，CSI人工智慧指數回報率超過61%，恆生生物科技指數更是上漲了98%。最初，這輪AI行情的主要買家是中國內地投資者。但隨著技術進步日益明朗且估值相對便宜，全球投資者也開始重新關注。“外國投資者正在回來，重建對中國的敞口”，Lombard Odier亞洲全權委託投資組合管理主管Jack Siu表示。GAM Holding集團首席執行官Albert Saporta也指出：“追逐勢頭是一種全球性的病。低配中國科技股將是痛苦的。” (invest wallstreet)