一、今日推荐（3 篇） 主题归纳： 中国大模型开放权重与闭源竞争生态 / AI技术革命周期与资本生产率切换 / Agent工作流图工程与企业AI原生运营架构
基于最近48小时直接用户对话，按24小时热度、48小时重复度、决策影响和研究价值形成三个独立研究方向。浏览器注入、技能安装、文件处理和发布操作不作为主题证据。
1. 中国大模型开放权重与闭源竞争生态 直接影响模型公司的护城河判断、国产算力链需求、模型定价与应用层价值分配，是当前讨论中最明确的研究决策问题。；依据：8月3日连续讨论开放权重、开源与闭源模型的边界及其商业模式。；对DeepSeek、GLM、Kimi、Qwen、腾讯与豆包等中国模型的开放程度和竞争位置进行逐一比较。；同时追问国产算力链、昇腾、先进封装与相关上市公司的产业映射。
2. AI技术革命周期与资本生产率切换 帮助区分AI投资的金融资本繁荣与生产资本兑现阶段，直接服务于资本开支、公司估值和产业周期判断。；依据：8月3日讨论AI技术革命属于第五次浪潮延伸还是第六次浪潮，并引入Carlota Perez周期框架。；要求把金融资本—生产资本循环、AI行业周期和公司/资产配置放在同一张图中。；同一窗口持续讨论算力、基础设施、就业、企业采用和生产率兑现。
3. Agent工作流图工程与企业AI原生运营架构 将当前对Agent Loop、Graph Engineering、Ontology和企业运营模式的讨论转化为可验证的组织与软件架构研究，补足“工具能力”与“规模化生产系统”之间的缺口。；依据：8月3日围绕Graph Engineering连续讨论节点、状态、路由、并行、检查点、独立核验和有限返工。；同时讨论Agent工作流、企业本体、数据治理、运营模式与组织重构。；明确要求把研究文章生成等场景从单次Prompt提升为可验证的系统架构。
今日推荐 #1 · 综合匹配 85.5
中国AI模型市场年度经常性收入及竞争格局分析 高盛 41页 2026/08/03 中国大模型开放权重与闭源竞争生态
高盛，41页，2026-08-03发布；直接覆盖中国模型的开放权重、授权、API定价、每美元性能与商业化变化，是主主题的最新核心证据。
补足盲区： 缺少将许可证/权重开放程度、推理成本、开发者生态、企业采用和商业化收入放在同一框架中的最新横向证据，也缺少开放生态对闭源平台利润池与国产算力需求的传导验证。
今日推荐 #2 · 综合匹配 61.8
生成式人工智能对印度宏观经济的影响 高盛 26页 2026/07/28 AI技术革命周期与资本生产率切换
高盛，26页，2026-07-28发布；提供AI对劳动生产率、就业和采用时滞的量化框架；印度情境不能外推为中国结论，但可作为生产资本兑现的对照基线。
补足盲区： 需要权威宏观与产业研究来检验资本开支、算力供给、生产率和就业之间的时滞，识别当前AI估值是否已从基础设施投资转向真实现金流与生产率兑现。
今日推荐 #3 · 综合匹配 64.2
AI沉思录（三）：越过技术青春期，模型走向智能扩散与ROI突围—Anthropic复盘为鉴 长江证券 35页 2026/07/31 Agent工作流图工程与企业AI原生运营架构
长江证券，35页，2026-07-31发布；覆盖推理算力、GPU利用率、Agent、企业部署与AI4S工作流，作为Agent可靠性和ROI主题的挑战/执行侧证据。
补足盲区： 缺少独立研究对Agent工作流从演示到生产的可靠性、治理、数据基础设施、组织变革和ROI证据的系统比较，尤其需要区分软件架构趋势与厂商营销叙事。
二、主题导航
三、深度报告清单（61 篇 · 按主题分组、组内按页数排序）
核心要点基于检索命中段落自动提炼，引用关键数据请以PDF原文为准
中国大模型开放权重与闭源竞争生态｜开放程度与竞争边界6 篇
具身智能：全球产业格局与中国竞争力分析 TOP 核心必读 中国机电一体化技术应用协会 88页 2026/07/13 信息技术 ID 5531716
2025-2026 年，具身大模型的开源化趋势明显加速。Google RT-2 的开源变体（如 OpenVLA、Octo 等）为学术界和中小企业提供了重要的研究和开发起点。智元机器人计划将其“启元”大模型的部分模块开源，以构建开发者生态。银河通用也宣布将开放“Galaxy Brain”的轻量化版本。高质量具身智能数据集的缺乏是制约行业发展的核心瓶颈之一。目前国际上最具影响力的是 Open X-Embodiment（OXE）数据集，由 G 此外，乐聚机器人（“夸父”搭载开源鸿蒙）、众擎机器人（T800 以“格斗者”定位）、松延动力（万元级“小布米”）、智平方（自研 GOVLA 大模型）、逐际动力（京东产业投资）等企业在各自细分赛道快速成长，共同构成层次丰富、路径多元的竞争生态。 核心战略是将通义千问大模型升级为具备物理操控能力的“基础智能体”，通过视觉感知、空间推理与动作规划技术实现从数字世界到物理世界的跨越。2026 年 6 月，阿里正式发布首个具身智能大模型 Qwen-Robot，聚焦长时序任务规划和多模态物理世界推理。阿里在具身智能领域的差异化优势包括：一是通义千问系列大模型的技术积累和开源生态；二是阿里云在算力基础设施方面的雄厚实力；三是达摩院在机器人相关领域的长期研究积累；四是通过投资（如自变量机器人
中国AI模型市场年度经常性收入及竞争格局分析 高盛 41页 2026/08/03 信息技术 ID 5579896
高盛估计中国AI模型市场2026年底年度经常性收入（ARR）将达到130亿美元；该报告同时提醒，模型公司仍需在性能、价格、开放权重许可和商业化收入之间寻找平衡。 报告观察到中国开放模型逐步采用社区许可和商业授权：大规模商业应用可能需要支付收入分成；低端代理API定价约为每1000万Token 0.1至0.2美元，价格竞争将继续压缩毛利率。 报告以MiniMax H3约为同业三分之一的定价、以及DeepSeek和Qwen新模型的每美元性能比较说明竞争方向；这些模型动态和Arena.ai数据属于报告引用口径，未在本轮另行独立核验。
中国人工智能行业开放权重商业化打法：赢家多吃 摩根大通 26页 2026/07/07 信息技术 ID 5524311
智谱GLM-5.2的发布看起来像一种更从容的开放权重策略：通过宽松的访问扩大使用规模，同时继续将官方路径与更高服务版本（例如GLM-Turbo系列）定位为满足质量敏感型需求。MiniMax采取类似策略，保持模型开源但附加商业化限制；不过，在我们看来关键问题在于模型竞争力。如果用户认为模型可替换，开放访问使比较、路由与替代变得更加简单；如果模型强大，开放访问就会扩大覆盖面并创造更多回到付费使用的路径。从企业用户视角看，开放权重也可降低使用 这种开源策略的成本也是显而易见的：一旦模型开放权重，CSP、API聚合平台和技术能力较强的企业就可以在自有基础设施上进行部署。由此形成对原本可能流向LLM提供商官方API的部分流量的竞争。在聊天、摘要、翻译、基础问答和其他低服务级别协议(SLA)文本任务等简单的工作负载中，竞争压力最为明显，因为用户主要比较价格和基础功能。这些任务对模型时效性、长上下文稳定性、工具调用、提示缓存和企业支持的要求较低。 开放权重发布通常是一个已发布检查点，而官方API仍然是一个持续演进的产品。在发布后，模型提供商将继续观察真实流量并优化模型、系统层和服务栈。这些后续改进可能包括后训练更新、指令遵循细化、编码和工具使用调优、拒答策略变更、路由逻辑、缓存策略、上下文窗口处理、解码参数和推理内核优化。其中大多数变更不会实时重新开源码。因此，即使原始基础权重相同，同一开放权重模型的第三方部署也可能在“感知智能”和生产可靠性方面逐渐落后于官方API。
开放式权重模型与全球发展三状态分析 摩根士丹利 22页 2026/08/03 金融 ID 5578014
我们相信市场从根本上误解了开放权重模型的作用和功能。从历史上看，开放权重模型往往规模更小（参数总数更少）、速度更快、成本效益更高；因此，更广泛的受众开始期望这些模型是高参数前沿模型（即封闭权重模型）“较低质量”或“轻量级”版本。开放权重模型（或开放权重）模型与封闭权重模型之间的区别与激活参数数量、总体成本或效率无关。这两者之间的区别在于用户如何支付和/或与模型交互：开源模型具有以下特点：1）免费访问，与订阅限制形成对比；2）能够进行训练 开放权重模型与开源模型有何不同？开放权重模型会发布其训练参数，但可能保留训练数据、代码或不限授权，例如Meta的Llama、Google的Gemma、Qwen、DeepSeek和Kimi（根据严格定义）。开源模型则根据开放授权发布更广泛的技术栈，通常包括权重、代码和训练。 开源权重模型已成为公司人工智能模型技术栈的重要组成部分。根据麦肯锡对41个国家的700名科技领导者进行的调查，63%的受访者使用开源模型，通常与前沿实验室等封闭式选项结合使用。最新数据显示，从2026年2月到7月，美国公司将超过30%的OpenRouter代币路由至中国开源模型（尽管这可能更偏向初创公司而非企业）。虽然我们仍然认为开源权重模型在企业级LLM使用中仍占少数，但这表明公司正更积极地尝试开放/封闭混合方法：了解开源和封闭权重模
中国大模型供给与厂商研究：厂商类型划分与差异化布局全解析（精华版） 头豹研究院 21页 2026/07/16 电子设备 ID 5537438
开源厂商体现在开放模型权重或降低使用门槛。开源模式先扩大模型使用范围和生态覆盖，再把使用量转化为托管推理、云上部署、私有化落地和企业服务收入。模型厂商本身未必只依赖模型授权收费，更常见的是通过API、云托管、模型蒸馏、企业服务和生态合作来实现价值。 开源模型和云平台层供给将丰富：通过开放权重、API托管和模型市场扩大模型可获得性 ➢中国大模型产业正从模型发布密集期进入供给分层与商业化验证阶段，厂商竞争重点由参数规模、榜单表现和单点模型能力，转向推理成本、系统集成、数据治理、复杂场景交付和业务价值兑现。本报告从厂商类型、能力结构、开闭源路线和竞争格局演化四个维度展开研究，重点回答中国大模型供给侧由哪些类型厂商构成，厂商竞争能力如何变化，开源与闭源路线如何影响商业化路径，以及产业成熟后利润和定价权将向哪些节点转移。
中国大模型供给与厂商研究厂商类型划分与差异化布局全解析（精华版） 头豹研究院 21页 2026/07/16 信息技术 ID 5537628
开源厂商体现在开放模型权重或降低使用门槛。开源模式先扩大模型使用范围和生态覆盖，再把使用量转化为托管推理、云上部署、私有化落地和企业服务收入。模型厂商本身未必只依赖模型授权收费，更常见的是通过API、云托管、模型蒸馏、企业服务和生态合作来实现价值。 开源模型和云平台层供给将丰富：通过开放权重、API托管和模型市场扩大模型可获得性 ➢中国大模型产业正从模型发布密集期进入供给分层与商业化验证阶段，厂商竞争重点由参数规模、榜单表现和单点模型能力，转向推理成本、系统集成、数据治理、复杂场景交付和业务价值兑现。本报告从厂商类型、能力结构、开闭源路线和竞争格局演化四个维度展开研究，重点回答中国大模型供给侧由哪些类型厂商构成，厂商竞争能力如何变化，开源与闭源路线如何影响商业化路径，以及产业成熟后利润和定价权将向哪些节点转移。 中国大模型开放权重与闭源竞争生态｜成本与商业化9 篇
“人工智能+消费”发展研究报告（2026年） 中国信通院 41页 2026/07/13 商贸零售 ID 5532534
端侧AI的规模化普及，突破了云端算力对网络带宽与使用场景的限制，推动智能导购、虚拟试穿试妆、实时多语种翻译、AR实景导购等高频消费应用实现毫秒级响应，即便在无网络环境下也可稳定运行，大幅提升消费场景的交互流畅度与体验连续性。同时，端侧计算可将用户消费行为、生物特征等敏感数据留存于本地设备，从技术路径上消解了消费场景的数据隐私与安全顾虑，为智能服务的大范围推广筑牢信任基础。与此同时，大模型推理成本呈现指数级下降趋势，2026年上半年单to 演进特征方面，报告梳理了人工智能与消费融合的三个递进阶段。消费提效期，AI作为效率工具嵌入搜索、推荐、客服等环节，重塑交易效率；消费重构期，生成式AI与多模态大模型深度融入终端产品，智能终端成为场景生态的核心连接点；消费共创期，多智能体协同与 人工智能与硬件产品深度融合，推动消费终端由功能型设备向智能服务入口迭代升级，传统品类提档升级与新兴赛道加快爆发共同驱动智能产品消费市场持续扩容。传统消费电子智能化重构深入推进，智能家居产品加速由被动响应的联网设备向主动感知、自主决策的家庭智能节点演进，冰箱、空调、洗衣机等主流家电品类搭载大模型交互能力，可根据用户使用习惯、环境变化自动调节运行模式。AI手机、AI PC等终端加快升级端侧算力，实现系统级智能交互、本地化内容生成与多设备协同
计算机行业深度：大模型推动视觉AI向产业渗透 东北证券 39页 2026/07/09 信息技术 ID 5520020
在多模态技术发展下VLM正迅速成为连接图像与文本理解的核心技术，是视觉AI基础模型层的最重要部分。OpenAI自成立以来专注于通用人工智能（AGI）研发，其核心产品覆盖自然语言处理、图像生成、语音识别、视频生成及编程辅助等多模态应用。GPT-5.2及其变体在文本、图像、代码处理能力上处于行业领先水平，性能基准测试显示其在专业任务上超越多数行业专家。OpenAI在技术和生态上具有明显优势，但面临Meta、Anthropic及中国初创公司D 国务院国资委表示，人工智能是引领新一轮科技革命和产业变革的战略性、基础性技术，国资委已连续两年在年初召开专题会议，推进中央企业“AI+”专项行动。目前，中央企业已围绕应用、算力、数据和模型等重点环节开展布局。在应用端，聚焦能源、制造、通信等重点行业，联合相关企业打造超过千个应用场景；在算力端，持续推进万卡集群、全国一体化算力网络和国产智算集群建设；在模型端，推动通用大模型向能源电力和工业制造等领域落地；在生态端，通过开放算力、模型和数据 耕视觉AI成熟行业，同时拓展海外市场，并且强调通用视觉大模型、生成式AI和AI基础设施能力。商汤前瞻性打造新型AI基础设施SenseCore商汤AI大装置，打通算力、算法和平台，大幅降低AI生产要素价格，实现高效率、低成本、规模化的AI创新和落地，进而打通商业价值闭环，解决长尾应用问题，推动AI进入工业化发展阶段。
极视角（06636）：首次覆盖报告：AI视觉壁垒深厚，大模型落地价值凸显 国泰海通证券 37页 2026/07/17 ID 5538825
十余年技术积累，极视角已成为中国AI计算机视觉及大模型解决方案领域的领军企业。极视角科技成立于2015年，2026年于港交所上市。是国内领先的人工智能视觉算法与大模型应用平台，国家级专精特新“小巨人”、国家级高新技术企业。公司主要提供AI计算机视觉及大模型解决方案，为各行业企业提供端到端AI解决方案的开发、部署及管理服务。公司以AI视觉算法商城为核心，拥有超1,500种图像识别算法，并自主研发星际视觉语言大模型，覆盖超100个行业场景。 在芯片与硬件伙伴方面，2022年5月，极视角与华为签署合作协议，加入昇腾万里伙伴计划，双方基于昇腾基础软硬件平台及昇思MindSpore AI框架打造联合解决方案。2022年9月，双方进一步联合发布基于昇腾AI的「AICE赋能行业解决方案」，打造城市治理解决方案。2022年，极视角与中国惠普签署生态伙伴战略合作协议，以人工智能合作伙伴身份携手惠普Z系列数据科学工作站，共建数据科学新生态。2024年4月，极视角作为浪潮信息的元脑生态伙伴参 1）AI计算机视觉解决方案业务：作为公司当前收入占比最大的核心支柱业务，包含标准AI计算机视觉解决方案、定制AI计算机视觉解决方案、软件定义的一体化AI解决方案。业务覆盖多行业数字化场景，同时配套提供定制化研发支持、长期维保升级等增值服务。受益于国内政企数字化转型持续深化、AI行业产业化落地进程加速，以及公司交付能力的持续释放，该业务成为公司营收规模扩张的核心引擎。2025年度，该业务实现收入2.26亿元，毛利率为42.90%，为公司盈
银行业生成式人工智能模型验证：于混沌处求可控之道 毕马威 27页 2026/07/06 金融 ID 5514291
对整个生成式人工智能系统（包括基座大模型+RAG/检索+提示词/系统指令）进行验证，而不仅仅检查算法本身。 中国香港（香港金融管理局（HKMA）和香港证券及期货事务监察委员会（SFC））：香港在人工智能创新方面采取审慎与鼓励并重的态度。其中，HKMA发布了《应用人工智能高层原则》及《生成式人工智能沙盒实务洞见报告》，并要求人工智能应用的可解释性与其重要性相匹配，同时提供了生成式人工智能模型验证的实践案例。此外，SFC在《生成式AI语言模型的使用》中要求持牌法团在受规管活动中（例如提供投资意见）应用生成式人工智能模型时进行模型风险管理。HKMA 在全球多地监管框架不断完善的背景下，中国香港的生成式人工智能模型的监管要求在理念与实践上更贴近国际标准，为中国内地市场的落地提供重要的借鉴。随着金融机构将生成式人工智能模型从后台运营自动化迅速拓展至高风险、面向客户的投资服务领域，其在通过自然语言交互显著提升运营效率的同时，也放大了传统模型风险。针对这一趋势，SFC的《生成式AI语言模型的使用》（2024） 、HKMA的《应用人工智能的高层次原则》（2019）和《生成式人工智能沙盒实务洞
中国人工智能：开源商业化的赢家通吃策略 摩根大通 27页 2026/07/07 信息技术 ID 5517075
当另一个模型变得更便宜或达到类似的能力时，云端端点、人工智能集成开发环境（AI IDE）或代理平台可以迅速转移流量。因此，LLM供应商有强烈的动力围绕自己的模型构建专有的“套件”。这些产品将模型从可替换的后端转变为用户日常工作流程的一部分。智谱的Z Code、MiniMax的MiniMax Code、Kimi的Kimi Code实验以及DeepSeek据报道招聘代理套件角色，都指向同一个方向：LLM供应商正试图掌控更多的使用层，而不是将 在准备本材料过程中可能使用了人工智能工具，包括协助数据分析、模式识别以及研究材料的内容起草。摩根大通对因使用本材料或其内容而产生的任何损失概不负责，且摩根大通或其各自的董事、高管或员工，除根据相关司法管辖区的相关监管机构可能施加的责任和义务外，均不对本材料内容承担任何方式的责任。本材料中包含的意见、预测或展望仅代表摩根大通截至本材料日期的当前意见或判断，因此可能未经通知即更改。根据公司特定发展或公告、市场状况或任何其他公开可用信息，可能 当摩根大通数据（由摩根大通或其授权第三方提供，且第三方可获取该数据）可通过第三方获取时，严禁在第三方人工智能系统或模型中使用或分享该研究材料，除非事先获得摩根大通的书面许可。#$J&098$#*P
中信证券 科技产业中美人工智能大模型系列4腾讯控股聚焦实用AI生态筑牢壁垒互联网 未知机构 25页 2026/07/10 ID 5524734
我们可以看到就除了姚顺雨作为首席AI科学家以外，剩下的一些就是部门的负责人，其实在人工智能领域也是有非常多的一些深耕啊。那像是有一些呃从这个呃华为然后以及微软啊，然后包括这个呃字节还有阿里出来的一些就是头部厂商的一些大牛，其实也逐步地从去年下半年开始去加入了腾讯会员的一个团队，所以整个人才的密度也是在持续的改善。 那像是在25年12月份，那腾讯是宣布去升级了大模型的研发架构，那去新成立了像AI In f r a、A I data啊数据计算平台部等等等，并且由姚舜宇去出任CEO办公室的一个首席啊科学家。那有望去通过这种架构的变化，打通研究和实践算法与基建这样的啊之类的这样一个壁垒。那在去新建一些部门的同时，其实也在淘汰一些呃变化没有那么快的老的部门，比如说在今年3月份就撤销了过去的一个AI Lab.那过去AI Lab主要是以研究成果作为核心的一个目 那第二个角度就是在整个AI时代，整个价值分配肯定还是会发生非常大的一个变化的，那这个可以大概参考我们左下角的这个图，那在整个AI时代呢，大模型会成为价值分配中非常核心的一个环节。但是对于下游可能过去传统互联网去做的这个渠道商的这个角色，它的溢价权或者说它的毛利率，可能就会处于一个比较低的这样一个水平啊。所以腾讯自研大模型实际上也是把这一部分利润可以给留在体内。那第三块的话就是自研的模型可以更加贴合自身的一个生态，还有需求进行一个定制的迭
绿色治理全析系列之二：AI与ESG：人工智能繁荣能否穿越泡沫争议 国泰海通证券 23页 2026/07/26 公用事业 ID 5559007
中国气象局“妈祖”气象大模型已经服务全球气候适应。2026世界人工智能大会期间，中方宣布继续推动“妈祖”服务30个国家。新疆保险气象灾害风控服务平台接入2,000余个数据源，信息分别来自气象卫星和地面站，并连接保险理赔系统。平台使用AI识别6类农业灾害，区域性大风路径可以提前48至72小时研判；平均理赔时间由15天缩短至3天。预警能力接入承保及理赔流程后，平均理赔时间的缩短直接改善了保险机构的运营效率，也为年度服务采购提供了依据。 2025年，国务院印发《关于深入实施“人工智能+”行动的意见》提出，到2027年新一代智能终端和智能体等应用普及率超过70%，2030年超过90%，并覆盖研发设计、中试验证、生产制造和运营服务。IDC调研中，中国工业企业应用大模型及智能体的比例由2024年的9.6%升至2025年上半年的47.5%，在研发、制造和供应链等多个环节同时应用的企业比例由1.7%升至35%。 《“人工智能+制造”专项行动实施意见》提出，到2027年推动3至5个通用大模型在制造业深度应用，推出1,000个高水平工业智能体，建设100个工业领域高质量数据集，推广500个典型应用场景，并选树1,000家标杆企业。国家数据局“模数共振”行动又推动重点行业建设数据协同空间，为行业模型训练和跨企业应用提供数据基础。
人工智能：推理前瞻——定价、融资、路由与安全 花旗 22页 2026/07/31 信息技术 ID 5575259
人工智能实验室的策略正日益从最大化基准分数转向开发一系列模型，这些模型旨在满足企业在价格、功能和速度等方面的全面需求。这加剧了企业对模型路由、治理和安全编排层的需要，而我们认为这一需求将通过自制解决方案和专业服务的结合得到满足。随着下一代前沿模型的主要发布即将到来（见图5），我们预计前沿模型与开源模型之间的差距将显著扩大，从而扭转近期形成的负面情绪。安全性正与智能性并列成为差异化因素，联邦机构需在8月1日前采用前沿模型的预发布框架的截止 本周价格竞争加剧，因为前沿实验室降低了旗舰型号的成本，混合前沿定价环比下降16.2%至1.34美元，而封闭式与开放式差距扩大至4个百分点（图1）。即将推出的产品可能会将更多工作负载转移到更便宜的型号上，同时将支付意愿集中在高价值的企业用例，如网络安全、金融和法律领域。公共基准测试越来越难以依赖，因为一项英国AISI/美国CAISI评估（NIST，7/23）显示，Kimi K3在ExploitBench上的得分为32.2%，GLM-5.2 实际的价格下降可能同样源于效率提升和竞争压力，因为缓解内存和互连瓶颈的模型设计能够以路由方式复合降低内部成本。例如，微软的感知项目（Project Perception）通过将前沿模型和专用模型结合，相较于之前的配置实现了近50%的节省（7/27）。前20名的实验室发布在7月份同比加速了2.7倍，从13个增加到35个（图6），这更多是由模型家族扩展到成本性能曲线上的各种专用变体驱动，而非独立前沿模型。亚马逊和微软的盈利进一步证实了模型无
2026年中国AI医疗二级市场趋势研判：从纯概念定价到商业化锚定，CR10成交占比69%+揭示龙头主导行情新常态 头豹研究院 21页 2026/08/03 医药生物 ID 5577246
2025年7月，国家药监局发布《关于发布优化全生命周期监管支持高端医疗器械创新发展有关举措的公告》,明确将人工智能影像、病理器械纳入优先审评、研审联动通道。行业底层逻辑中，三类医疗器械注册证是国内AI医疗产品单独向医院收费的唯一法定准入门槛，审批通道扩容本质放开行业商业化变现核心门槛。硬件龙头同步拥有影像设备硬件注册证+配套AI算法三类证，产品可作为医院固定资产批量采购，政策落地后长期订单预期打开。仅作为检验、信息化配套的AI软件无单独 •AI硬件+影像辅助•医疗信息化+院内医疗大模型•AI药物研发•AI健康管理+家用智能医疗•综合对比 2023年初至2024年上半年为题材炒作周期，AI大模型技术突破、医疗数字化扶持政策持续落地，市场资金集中博弈赛道长期成长预期。AI医疗指数震荡幅度领先中证医疗与沪深300，阶段性脉冲行情频发。沪深300受宏观基本面、消费地产板块拖累维持窄幅弱势震荡，中证医疗受药品、器械集采政策压制走势平稳，AI医疗板块持续跑出稳定超额收益，题材博弈特征突出。 中国大模型开放权重与闭源竞争生态｜生态与产业链传导5 篇
2026人工智能对接电网把握数据中心电力布局机遇研究报告英文版 TOP 核心必读 凯捷 120页 2026/07/12 信息技术 ID 5526526
人工智能将每个数据中心转变为不稳定的工业负荷：80%的公用事业公司预计会出现更极端且更难以预测的需求峰值，直接影响电网韧性 然而，人工智能不仅推动需求，它也是解决方案的一部分：超过60%的公用事业公司预计人工智能将带来显著的效率和运营收益 电网现代化速度决定价值实现周期：78%的数据中心负责人认为电网基础设施建设时间表是关键制约因素
驱动人工智能支撑数据中心的半导体生态系统 德勤 46页 2026/07/07 信息技术 ID 5514581
这是半导体与AI之间自我强化的创新循环：半导体技术和AI系统的进步使开发者生态系统日益成熟，而这反过来又要求日益强大的AI系统和半导体技术。随着开发者生态系统成熟度的提高，AI模型规模扩大，需要更多数据、更快的处理、系统间更紧密的协调以及更多计算，将现有芯片所能支持的能力推向极限。这导致了向高度专业化半导体设计的转变，包括更高效、更高性能的处理器、更专业化的存储堆栈以及能够支持整个数据中心分布式AI工作负载的高速互连。事实上，半导体设计 AI加速器是一个总称，包括图形处理单元（GPU）、现场可编程门阵列（FPGA）和专用集成电路（ASIC），是专用半导体硬件，旨在通过优化计算密集型操作来加速人工智能工作负载，否则这些操作将压垮通用处理器。这些加速器主导着AI数据中心中的大规模训练和推理，其中最大化吞吐量和性能是优先事项。在边缘端，一类新的加速器已经出现：神经处理单元（NPU）。NPU专门用于以卓越的能效执行神经网络工作载，优化对推理至关重要的矩阵和张量操作。 人工智能（AI）近年来经历了爆炸性增长，吸引了大量关注于那些训练和部署AI模型的人和组织。各种各样的半导体作为AI硬件栈的支柱和使能技术，芯片技术的进步推动了AI应用在处理能力、计算效率和整体性能方面的提升。半导体支撑着嵌入日常数字体验中的AI系统。
下一代人工智能数据中心的800伏直流架构 花旗 40页 2026/07/17 信息技术 ID 5565885
电池储能系统（BESS）正迅速成为人工智能工厂的关键基础设施。与传统的数据中心不同，人工智能工厂旨在大规模制造智能。它们运行功率密集型的训练和推理工作负载，越来越多地支持代理和推理模型，并且即使在计算需求快速变化时，也必须提供可预测的性能。在NVIDIA DSX——人工智能工厂的平台中，BESS是更广泛的人工智能工厂电源架构的一部分，而非独立的附加组件。设计得当的BESS能够帮助人工智能工厂实现更快连接、更可靠运行、减轻电网和现场发电的 亚洲通信基础设施800VDC架构，面向下一代人工智能数据中心 800VDC架构：下一代人工智能数据中心 3 英伟达的800VDC架构：四代演进，从多级交流到单级集成直流转换 4 传统交流链路包含四个有损耗的转换级——在800VDC下全部整合为一级 7 800VDC转型中的关键设备需求预测 9 数据中心基础设施各层级的关键受益者 12 深入解析800VDC转型中的亚洲关键受益者 14 数据中心运营商 14 电力设备 15 电池储能系统 19 IT机柜电源与散热 21 散热解决方案 27 功率半导体
中国人工智能：Kimi K3重置前沿模型估值虽下调50%以上，但对其智谱ARR轨迹影响不大 摩根大通 22页 2026/07/21 信息技术 ID 5551958
这种区别具有重要的商业影响：中国模型历史上一直通过较低的价格进行竞争。随着编码、推理和代理能力的提高，它们可以为高价值任务争夺全球开发者和企业的预算。 正如Kimi K3所展示的，更强的中国模型可以通过多种渠道拓展海外变现。全球开发者可以购买API、通过编程产品使用模型、在第三方基础设施上部署开放权重或采用企业级解决方案。CSPs和推理平台也可以利用外部GPU资源来提供模型服务，从而降低增长对模型提供方自身服务基础设施的依赖程度。 MiniMax凭借其差异化的多模态+大语言模型组合、面向C端和B端的产品覆盖、国际扩张以及强劲的成本效益表现，仍处于战略有利地位。该公司已构建起覆盖文本、音频、图像、视频及生产力场景的可信模型平台，其OpenRouter的使用也显示出有意义的开发者采用情况。这种组合赋予了MiniMax长期期权价值，尤其是在AI需求从以文本为主的工作流程扩展到多模态内容、交互式代理和具身AI的情况下。我们对MiniMax的中性评级是基于模型领导力，而非战
中国人工智能行业：Kimi K3重置前沿模型估值框架，但超过50%的回调夸大了智谱ARR轨迹所受的影响，维持“增持”评级 摩根大通 21页 2026/07/21 信息技术 ID 5551634
当第三方可获取从摩根大通或授权第三方处收到的任何研究材料（简称“摩根大通数据”）时，未经摩根大通事先书面同意，严禁在任何第三方人工智能（“AI”）系统或模型中使用或共享该等摩根大通数据。#$J&098$#*P 月之暗面的进步提高了智谱和MiniMax在国内的竞争标准，也进一步证明一些中国实验室有能力更加接近美国模型能力前沿。这种区分具有重要的商业意义：中国模型历来通过低价参与竞争。随着编码、推理和智能体能力的提升，他们可以竞争全球开发者和企业预算中的高价值任务。 正如Kimi K3所展示的那样，能力更加强大的中国模型可以通过多种渠道向海外扩张来变现。全球开发者可以购买API、通过编码产品使用模型、在第三方基础设施上部署开源权重模型或采用私有企业解决方案。云服务提供商（CSP）和推理平台也可利用外部GPU算力来提供模型服务，从而降低增长对模型提供商自有服务基础设施的依赖程度。 AI技术革命周期与资本生产率切换｜技术革命与宏观生产率9 篇
被节省的时间去了哪里：企业AI生产率转化与价值兑现研究报告 TOP 核心必读 众旗HRflag 114页 2026/07/19 信息技术 ID 5559500
一方面，员工可以更快起草文档、检索知识、生成代码、处理工单，许多受控实验也观察到两位数的任务提速；另一方面，CEO和CFO仍很难在企业级生产率、成本率、收入增长或自由现金流中找到同样清晰的改善。2026年NBER对美、英、德、澳近6,000名企业高管的分层调查显示，约70%的企业已经使用AI，但80%以上称过去三年AI对就业或生产率没有影响；高管平均每周亲自使用AI的时间仅1.5小时。丹麦把约25,000名劳动者和7,000个工作场所的 NBER 2026国际企业调查中，约70%企业使用AI，但80%以上过去三年未报告生产率或就业影响；McKinsey 2025调查中，88%在至少一个职能规律使用AI，只有39%报告任何企业级EBIT影响，而且多数低于5%；罗兰贝格调查中约90%认为回报低于预期。 NBER 2026企业调查显示，高管预期未来三年AI使生产率提高1.4%、就业减少0.7%，而员工预期就业增加0.5%；差异反映对需求、分配和管理动作的不同假设。McKinsey 2025调查中，32%预计未来一年企业总人数下降至少3%，43%认为无变化，13%预计增加至少3%。这些都是预期，不是命运。
人工智能入门指南：面向公众投资者-从AI意识到AI准备 TOP 核心必读 世界银行 64页 2026/07/08 信息技术 ID 5517317
“关于生成式人工智能生产率效应的实验证据。”MIT经济学，2023年3月2日。https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf。 在宏观研究中，与预训练的大型语言模型（Hansen和Kazinnik 2023）的理解。在宏观研究中，最受欢迎的应用案例涉及基于新闻文章开发经济和市场情绪指数。11 定量鹰派/鸽派货币政策立场，基于新闻文章的指数。11 基于央行沟通来定量鹰派/鸽派货币政策立场是人工智能应用的一个热门领域，因为它被认为是投资最重要的宏观因素之一。许多公司，定期生产央行的情绪指数/分数。12 对于股票研究，从盈利电话记录中提取情绪被广泛应用于检测股票的交易 除了股价预测，人工智能方法也被用于预测一系列其他市场因素，包括波动性、债券回报、股市崩盘风险和市场制度转换。例如，一个量化投资组合策略团队应用Transformer模型来预测多周期一个月滚动波动性，并构建投资组合，显示出优于使用历史估计（LEZMI和XU 2023）的投资组合的表现。一项研究发现，非线性机器学习技术，如极端树和神经网络，在预测债券超额回报方面优于传统方法。它还强调，纳入宏观经济变量可以提高预测精度（Bianchi、Büc
2026人工智能+场景化、图谱化智能制造发展蓝皮书 维科网产业研究中心 64页 2026/07/07 信息技术 ID 5559810
“新质生产力”由习近平总书记于2023年9月在黑龙江考察时首次提出，随后在2023年中央经济工作会议和2024年1月中央政治局第十一次集体学习上被系统阐述——其本质是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的当代先进生产力质态，以全要素生产率大幅提升为核心标志，特点是创新、关键在质优。提出的深层动因在于：国际上新一轮科技革命（AI、生物技术等）带来生产力大跃升窗口期，同时面临“脱钩断链”等遏制压力，必须抢占科技制高点 2025年8月26日国新办「促进推动“人工智能+制造”」吹风会上，工信部明确将“机器视觉质检”列为5G+工业互联网重点推广场景之一，并提出研究出台“人工智能+制造”专项行动实施意见，把视觉类智能应用从示范工程抬到政策推广抓手层级。 沃联智慧（武汉）科技有限公司，由沃联高科集团与台湾一心回乡集团共同投资创立于2022年，致力于农业三产融合相关的智慧生产软硬件解决方案、人工智能系统，发展和开发产业链和商业资源，助力中国绿色科技和绿色产业发展等领域。将绿色可持续目标融入技术战略规划，并利用自身创新实力和行业影响力扎实推动智慧农业、智慧文农旅等相关产业的发展，助力国家“推动绿色发展”的重大战略目标，以创造世界领先绿色科技，重新定义“人与自然”的关系为企业使命，致力于打造“
加拿大国家人工智能战略：全民AI 加拿大创新科学与工业部 48页 2026/07/27 信息技术 ID 5561557
• 支持通过提高劳动生产率来解锁GDP增长3%，这相当于近2000亿美元的经济增长，包括在关键领域商业化及应用人工智能。 加拿大将评估面向中坚力量工人的培训和技能提升项目，包括技术工种领域，以便在全国范围内扩大雇主主导的培训，并将人工智能相关技能作为优先事项。这还将包括与学院、CÉGEPs（魁北克技术学院）和多科技术大学等应用人工智能领导者合作，利用其区域影响力、应用研究能力和中小企业伙伴关系，以推动实践应用并提高劳动力生产率。 超过15万名受雇于3500多家加拿大企业的加拿大创新者正在开发人工智能解决方案，以构建更强大、更具韧性的经济，解决问题，服务人民，并创造良好、高薪的就业机会。
《全球人工智能治理行动计划》以来的观察 复旦大学&全球AI创新治理中心 46页 2026/07/12 信息技术 ID 5552797
人工智能时代的“发展断层”。人工智能技术正成为继工业革命、电气化和信息化之后，推动经济社会发展的又一根本力量。如果长期未能有效弥合智能鸿沟，发展中国家可能被锁定在人工智能发展的边缘，与发达国家之间形成难以逾越的“发展断层”。这种断层不仅体现在劳动生产率差距扩大和产业升级受阻等经济指标上，也将深刻影响发展中国家实现可持续发展目标（SDGs）的进程。2024年国际货币基金组织的一项研究发现，全球约40%的就业岗位面临人工智能的冲击，其中发达 人工智能的飞速发展正在根本性地重塑全球经济格局和国际力量分布。然而，这场技术革命远未在全球各国各地区均衡分布。恰恰相反，关键的AI资源——包括计算能力、数据、算法和人力资本——正日益集中在一小部分技术先进的经济体中。因此，人工智能鸿沟正随着传统的数字鸿沟之后，成为全球北方与全球南方长期发展差距的一种新体现。这种鸿沟的持续扩大不仅加剧了全球南方在数字时代面临的发展挑战，也对基于主权平等原则的国际秩序构成深刻挑战。对这种鸿沟的具体表现进行系 为应对油棕果实成熟期短及错失采摘导致的高损失问题，该系统运用人工智能算法识别果实成熟度，使用无人机高光谱相机标记成熟果实位置，并配备智能车辆进行精准采摘。此举使产量提高了10%以上，并被马来西亚行业组织誉为一场深刻的农业技术革命。
2026年下半年宏观经济与资本市场展望：从K型分化到周期重启 长江证券 35页 2026/07/29 ID 5566969
3、技术革命驱动美国经济超预期增长。若AI、先进制造、能源技术或军事科技取得超预期突破，并有效提升美国全要素生产率和潜在经济增速，将有助于扩大财政收入、改善债务可持续性，并增强美国国防工业基础的产能修复能力。在此情形下，美国可能打破“高债务—高利息支出—军费受挤压—战略收缩”的负面循环，财政约束和军工产能瓶颈对其对外行动能力的限制也可能弱于预期。 技术革命与金融资本四阶段模型：当前或处在狂热阶段。同样受益的还有科技股。回归宏观规律，从技术资本与金融资本的互动关系来看，“技术泡沫”是一场技术革命的必然产物。根据卡洛塔·佩雷丝在《技术革命与金融资本：泡沫与黄金时代的动力》一书当中 技术革命与金融资本四阶段模型：当前或处在狂热阶段。从四阶段模型来看，目前尚处于“AI泡沫”早期阶段：中观层面，绝大多数行业财务指标相较于互联网泡沫水平仍有一定差距，显示中观风险尚可控；宏观层面，美国经济基本面尚不支持美联储转向加息，特朗普任期内的宽财政政策也对经济形成一定支撑，经济下行风险有限，宏观不利信号也尚未出现。
生成式人工智能对印度宏观经济的影响 高盛 26页 2026/07/28 ID 5568205
通用人工智能（Gen-AI）主要通过两个主要渠道影响印度的劳动生产率。首先，它可以通过自动化常规任务并释放出时间转向高价值任务，从而提高人工智能接触行业中每位工人的产出。例如，IT服务、海湾合作委员会（GCC）和商业服务领域的正式部门工人可能会被重新部署到高价值的分析、监督或面向客户的角色中。其次，被从常规服务职能中取代的工人可能会面临较弱的再就业结果，或者进入低生产率的角色。然而，如果被取代的工人能够…… 围绕通用人工智能（Gen-AI）的投资者担忧主要集中在其是否会对印度IT服务和海湾合作委员会（GCC）部门造成不成比例的冲击，考虑到这些部门大量涉及常规数据处理工作。本节将考察这些部门的相关近期证据。虽然整体技术部门仅占非农业就业的约2%（IT服务部门占比较更小），但它由相对高生产率和薪酬更好的工作组成，并仍然是服务出口的重要推动力。 产品效率的提升可能具有显著意义，但时间点难以预测：我们的基准分析表明，在10年的时间跨度内，通用人工智能的采用可能将年劳动生产率增长提升约0.4个百分点，具体范围在0.1至0.8个百分点之间，这取决于其能够执行任务的复杂程度。
过去三大产业技术革命对AI投资的启示 东北证券 25页 2026/07/06 ID 5512265
纵观人类商业史上的科技浪潮，当前正在发生的人工智能革命与此前的生物医药、互联网及页岩技术革命，在发展初期的资本轨迹上有着一定的相似性。它们在爆发伊始都极度依赖宏观流动性的释放与极具张力的前沿叙事，引发资本在路径尚不明朗时便甘愿提前透支未来的远期盈利边界；同时，在产业微观生态上也均遵循“卖铲人先行”的规律，最先受益的总是提供算力、网络要素或开采设备等物理基础设施的供应商。而历史同样表明，这些科技革命最终也都会经历供需失衡、技术证伪或财务指 当前正在发生的人工智能（AI）革命与此前历次的生物医药革命、互联网革命以及页岩技术革命，在资本定价的微观轨迹上展现出了高度的相似性。在革命爆发的初期，这四大科技浪潮无一例外地都极度依赖宏观流动性的宽裕以及极具张力的“前沿产业叙事”。无论是一九八零年尚未有产品问世便备受追逐的基因泰克，一九九五年未实现稳定盈利便在纳斯达克完成估值跨越的网景公司，还是二零一零年代高度依赖低成本信贷资金盲目扩产的独立页岩石油商，都映射出资本在颠覆性技术面前愿意 美国页岩技术革命的最终结果与演进轨迹，不仅在宏观层面上重塑了全球能源的供需版图、地缘政治博弈及美国本土的经济结构，更在微观层面上为资本市场提供了一场关于“颠覆性技术、债务融资泡沫与自由现金流出清”的金融洗礼。从宏观经济与国家安全的成果来看，页岩革命促使美国的非常规油气自给率实现了明显的提高，原油及天然气对外依存度大幅度下降。这一产量的增长，使得美国在二十一世纪一十年代末期实现了自一九五零年以来的首次能源独立，重夺了全球能源大国的地缘战略
乌兹别克斯坦人工智能行业发展研究报告 上海全球治理与区域国别研究院 25页 2026/07/20 信息技术 ID 5565740
工业制造领域最具标志性的是阿尔马雷克矿山冶金联合体（AMMC）的人工智能应用。2026年3月，第三铜选矿厂正式投产，项目总额预计27亿美元，年处理矿石能力6000万吨，全部技术流程实现数字化并接入统一人工智能控制系统。基于人工智能的实时生产链分析系统使该厂能耗降低10%、生产成本降低15%、劳动生产率提高10%。 乌兹别克斯坦正以《2030年前人工智能技术发展战略》为牵引，将人工智能（AI）纳入国家数字化转型、公共治理和重点产业升级进程。其AI发展并非单纯追求通用大模型，而是围绕政务服务、金融风控、税务海关、医疗影像、农业水利、能源管理、数字外包和青年就业等具体场景展开。当前，乌兹别克斯坦AI行业仍处于制度、数据、算力、人才和本地交付体系形成阶段，公共部门、金融支付平台、电信运营商和本土数字企业将共同塑造早期市场。乌兹别克斯坦既是中亚AI应用合作 乌兹别克斯坦人工智能发展并非从零开始。其前期基础来自三条线索：一是“数字乌兹别克斯坦—2030”和“乌兹别克斯坦—2030”框架下的数字政府建设，二是乌兹别克斯坦信息技术产业园和外包服务体系推动的信息技术产业化，三是国家层面对公共部门数据、金融风控、农业水资源、医疗影像和城市治理等领域的场景化需求。乌兹别克斯坦数字技术部公开页面显示，乌方已在所有地区设立信息技术产业园，信息技术领域就业人数超过19万人，人工智能技术已经实施20多个项目， AI技术革命周期与资本生产率切换｜资本开支与回报4 篇
深耕数据中心，迭代AI光互联 国盛证券 29页 2026/07/08 ID 5514776
⚫服务器业务（2025年收入占比59.6%）：已成为公司第一大收入来源，产品涵盖机架式计算服务器、边缘服务器、人工智能服务器、存储服务器、智能网卡、GPU卡及整体柜等产品。公司采用JDM/ODM模式，可基于客户需求进行深度定制，主要面向数据中心客户，深度受益于AI算力需求爆发及云计算基础设施建设加速。 公司于2022年4月设立全资子公司汇聚服务器科技有限公司，正式切入服务器领域，采用JDM/ODM模式为品牌客户提供深度定制化产品，主要包括机架式算力服务器、边缘服务器、AI智能服务器、存储服务器、智能网卡、GPU卡及整机柜等，主要应用于数据中心场景。该业务与现有电线电缆业务形成上下游协同，助力公司现有产品向更大客户群体渗透，实现业务版图的战略延伸。 在Scale-out层面，AI训练与推理驱动GPU集群规模持续扩张，计算架构向大规模Scale-out演进，并行化与分布式计算需求显著增加。在此背景下，单通道光互联已难以满足AI集群对带宽的要求，数据中心网络架构正由点对点单纤连接升级为多通道并行光互联体系，物理层连接同步由低密度单芯结构向高密度多芯集成演进，驱动高密度光互联的核心物理载体MPO持续放量。
数据中心/AI融资：投资者反馈 摩根士丹利 24页 2026/07/14 信息技术 ID 5532508
此外，我们观察到对芯片/GPU融资和能源基础设施的关注度有所提升。投资者继续表现出对短期、摊销型结构的兴趣，这有助于芯片相关融资的需求，因为其基础资产的自然使用寿命通常比数据中心短。寻求我们上述描述的类似租户风险的证券化信贷投资者，可能更倾向于选择这些结构而非数据中心，或者至少希望利用这些新型债务工具来分散其数字基础设施的持有和敞口。 人工智能相关发行量正在激增，因为固定收益市场正展现出其灵活性，且企业持续愿意拓宽融资渠道，超越传统途径。我们认为，投资者仍在其投资组合中增加对人工智能/数据中心领域的敞口，尽管对于未来潜在的宏观/主题风险，情绪正逐步变得谨慎。我们观察到市场更偏好短期限和摊销型结构。 在证券化信贷领域，投资者最关心的问题主要集中在供需动态上。由于第二季度（Q2）的供应量比第一季度（Q1）要平静（而且投资者确实一直等到季度末才有所动静），并且实际上也比市场预期要平静，我们认为数据中心公司正将注意力转向替代性融资渠道。目前，我们没有看到ABS或CMBS供应被企业信贷发行所取代的证据，但存在这样一种可能性：随着资本成本在人工智能/数据中心建设等多个方面都趋于下降，重新融资进入证券化的紧迫性可能没那么大了。我们认为，如果信贷
GPU之后 AI算力下半场靠什么赢 艾问行云科技首席科学家 南方科技大学研究员 AlayaDB.A创始人唐博 未知机构 23页 2026/07/27 ID 5563750
前两天Google狗找space x租了11万颗GPU，这意味着什么东西呢？意味着就是谷它自己再到TPU的情况下，它还要租算力，租算力来干嘛呢？它一定不单纯是为了推理，他肯定还有更大的这个模型训练或者更深深层次的一些需求。这就是说我觉得英伟达市值还会涨，然后大家对算力需求还会在推理层次更加深层次。第二个就是您刚才讲到的，它会往中游和下游走了。因为大家可以看到我们整个市场上，也就是两年之前，我们还知道中国模大模型公司有五小轮、六小轮之类的 我们熟悉的光模块中继续创，还是英伟达、GPU、电力、液冷、数据中心。 因为没有芯片，没有服务器网络和数据中心，就没有AI的基础设施。那像是进的时候还是退的。就整个产业在城市洗牌，水到底值多少钱，水能挣多少钱，都是会随着AI这个。时代前型的排序。最近还去了一趟苏州，去了冬济汽创建造的创始人董事长，这个刘胜即是中国古王的刘胜，自己都没想到。再看现在，大家基本全部在追捧这个液老电力这些基础设施，那长期接下来再往后面看，它会成为什么呢？他们会成为AI时代的隐形冠军。整美来看，它都会有自己特定的模型存在，必须在模型
AI基础设施与数据中心：半导体板块提供支撑 伯恩斯坦 21页 2026/07/30 电子设备 ID 5569976
伯恩斯坦把CORZ、HUT与AMD、NVDA的合作放在数据中心基础设施扩张背景下观察，并将半导体需求与电力、机柜和交付能力联系起来。 报告披露，CORZ与AMD合作涉及约530MW IT容量、15年约140亿美元合同收入，折算平均年收入约9亿美元；报告同时估计每IT MW资本支出约1100万至1200万美元，说明交付速度和资本强度是回报关键。 报告称WULF控制约3.6GW电力资产，目标每年交付250至500MW关键IT负载；这些是券商对个股和项目的判断，不等同于整个AI基础设施行业的无条件回报。 AI技术革命周期与资本生产率切换｜金融资本到生产资本3 篇
智能体AI重塑企业软件栈：护城河、商业模式与估值评估 高盛 44页 2026/07/20 信息技术 ID 5545939
拥有特定领域工作流程的现任人员，其中人工智能已深度嵌入关键任务型应用，使其产品成为人工智能驱动的天然载体生产率提升 虽然目前尚难明确识别出人工智能领域的赢家，但我们根据哪些现有企业拥有足够的防御能力、估值支撑以及可信的人工智能变现路径来区分它们，这些路径能够随着时间的推移保护或重新扩大价值。因此，除非我们看到产品路线图的交付、代理式人工智能解决方案的推广，以及足以推动重新评级上行的采用和变现，否则我们看不到任何立即的重新评级催化剂。 我们欧洲软件板块的股价较52周高点下跌了约37%，因为投资者质疑该软件的业务模式，并重新评估价值如何在人工智能（AI）产业链中分配。尽管当前的估值已经隐含了一定程度的结构性颠覆风险，但要判断该行业是否已触及明确的底部，尤其是在市场重新评估终值而非短期盈利的情况下，仍然具有挑战性。历史技术周期，例如向云端的转变，表明业务模式转变以及围绕长期价值创造的不确定性可能需要时间才能解决。重新评级取决于能否超越采用率和参与度，转向观察明确的变现、定
如何识别产业周期的泡沫化顶部——周末五分钟全知道（7月第4期） 广发证券 31页 2026/07/26 ID 5560286
如何识别产业周期的泡沫化顶部？估值和货币环境都不是识别顶部的有效指标。历史赛道顶部的PE从几十倍到几百倍不等，且估值顶通常早于股价顶；美联储加息周期里市场多数还在涨，2000年顶部距首次加息约1年，2007、2018年约3年。判断顶部只能回归产业自身的盈利周期。而景气拐点的经验阈值：增速跌破30%或增速降幅超过50%。 首先，估值不是识别产业周期的泡沫化顶部的有效指标。一方面，不同资产估值定价的方式不一样，即使同样用PE定价，过往的赛道顶部估值（即时估值或前瞻估值）水平差异也很大（PE在几十倍到几百倍不等）；另一方面，估值高点，通常不是股价高点，除非在遇到流动性风险的时候，比如2015年。 有几点关键结论：（1）加息不可怕，但加息中后期需谨慎，因为泡沫破灭的共同因素之一都是连续加息导致宏观和盈利转向；（2）典型的景气投资案例（1980年能源、2000年科网、2008年美国地产），增速见顶时、股价未见顶；增速高位震荡时，股价仍在上行；增速快速下行（跌破30%或降幅过半时），行情结束；（3）但若出现政策与流动性急转弯，外生冲击可能使股价顶与增速顶同步甚至更早，比如日本1989年、A股2015年、韩国2026年。
全球股票波动率洞察：个股与指数波动率处于90年代互联网泡沫极端水平 美银证券 30页 2026/07/14 信息技术 ID 5535244
在美国股票板块及因素仍因持续的与人工智能相关的泡沫状价格行为而剧烈波动的情况下，个股实际波动率已升至上世纪90年代末互联网泡沫后期才见到的水平，而财报季即将到来。然而，指数波动率仍然相对平缓，这推动了一种历史性的分化，这种分化可能会进一步扩大，甚至可能超过互联网泡沫的极端水平，如果估值（而不仅仅是价格行为）进一步进入泡沫状领域的话。这种剧烈分化的关键驱动因素是什么？简而言之，是半导体。事实上，像台积电和AMD这样的大盘股的不稳定性推高了 随着美国各个股票板块和因素急剧波动，以及与人工智能相关的类似泡沫的价格行为进一步加剧，个股实际波动率已升至历史高位（自1990年以来目前处于第92个百分位），上次出现这种情况是在90年代末互联网泡沫的酝酿期（见第15号图表）。另一方面，标普指数的实际波动率上升得要温和得多，使得指数与基础股票波动率之间的差距接近历史极端水平（见第15号图表和第16号图表）。虽然股票与指数波动率之间的差距扩大是多年来的趋势，但其最近的加速仍然引人注目。 在我们的2026年衍生品前瞻报告中，我们建议人工智能正朝着更大的泡沫发展，我们可能会看到一个容易产生泡沫的时代，繁荣/萧条将更成为常态。正如上世纪90年代的情况一样，偶尔出现10-20%的修正也应该预料到。 Agent工作流图工程与企业AI原生运营架构｜工作流可靠性与治理12 篇
2026世界人工智能大会暨人工智能全球治理高级别会议全量演讲稿汇总 TOP 核心必读 华信咨询 230页 2026/07/23 ID 5567296
我们也期待与全球专家学者一道，探索智能体时代新的技术体系、治理机制与社会契约。作为年轻一代AI创业者，我们既是这场技术浪潮的参与者和受益者，也是下一阶段秩序的共同建设者。我们有机会把智能从屏幕带入真实世界，也有责任让它更可信、更安全、更普惠，成为人类长期的伙伴。Agent时代最大的意义，不是替代人，而是放大人。它正在孕育新一代AI Native建设者，也催生新一代AI Native组织。AI Native，不只是会用AI，而是从第一天起 OPC代表的是一种新的组织形态：当个人能够调度多个Agent、构建完整工作流，一个人或一个很小的团队，也可以拥有过去只有完整公司才能具备的生产能力。对于企业，小浣熊已服务8000+企业用户，并进一步形成教育版、政数版和金融版等行业产品——它们不是互相割裂的多个产品，而是同一套产业级AI能力在不同岗位、不同数据和不同业务规则中的具体形态。产业级AI能力正在重塑每一个生产单元，小浣熊让个人拥有更完整的能力，让创业团队以更低成本进入市场，也让 （一）2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上的主旨讲话（中华人民共和国主席 习近平）
生根与重构——2026年全球人工智能技术、政策、产业与投融资趋势全景洞察报告 TOP 核心必读 国泰海通证券 152页 2026/07/18 信息技术 ID 5543187
全球人工智能巨头战略风向：2025年以来，全球AI龙头战略集中于算力、模型、平台与场景落地。海外厂商中，英伟达围绕GPU、网络、液冷、AI工厂及物理AI工具链扩展基础设施；谷歌依托Gemini、TPU、云平台及搜索、办公等入口推进AI落地；微软以Azure和Copilot为核心，通过开发者工具与企业智能体平台强化软件生态；OpenAI通过模型分层、ChatGPT Agent、Codex及算力合作覆盖消费端与企业端市场；Anthropic 长周期执行对编排层的可靠性提出了更高要求。多Agent并行扩展了单次任务的处理边界，但当执行周期从分钟级延伸至小时级乃至天级时，将出现短时工作流框架没有涉及的新设计目标，比如会话中断后的状态恢复、子Agent失败后的任务重分配、长时间运行中的上下文漂移等。这意味着Agent的可用上限当前不完全取决于模型能力，还受制于编排基础设施的成熟度。根据月之暗面披露，内部测试案例显示，Kimi K2.6能支持运行数小时甚至连续五天的代理任务；在某 4.5.Anthropic：以可靠性和安全治理为核心，从前沿模型研发走向企业级专业工作流
人工智能治理全球合作进展研究报告（2026年） TOP 核心必读 中国人民大学&信息资源管理学院 80页 2026/07/21 信息技术 ID 5559788
2025年，超过三分之一的成员国社会公众已常态化使用生成式人工智能。因此，OECD全面升级了《OECD人工智能原则》，引导其47个成员国和二十国集团将治理目光投向更广阔的人工智能全生命周期风险追踪上。2026年2月19日，OECD正式发布了《负责任人工智能新型指南》，专为应对多模型混合工作流和编程人工智能广泛嵌入日常开发的趋势，提供了“收益回收率与伦理成效对比模型”，并推出了用于跟踪长期技术债务与偶发风险的“纵向结果跟踪系统”，从而增强 在过去一年，全球人工智能相关的安全事故增长迅速，新型安全风险不断出现，如“影子AI”（Shadow AI），即员工在组织批准的渠道之外自主采用人工智能工具，提示词注入，代理式人工智能的行为操控等。这些新型安全风险以及伦理安全治理的严峻形势促使人工智能安全风险治理的重心从模型参数对齐转向更为系统的人工智能行为监控和组织架构审计。国际人工智能安全报告表明，人工智能的能力进化速度、伦理风险的触发条件、安全风险的严重程度和解释性工具的可靠性仍然 在海外，影像编辑王牌CapCut深度整合自研多模态视频大模型与边缘视觉算法，提供AI智能数字人、智能抠图字幕等，以高粘性订阅模式获得卓越营收；Coze（扣子海外版）作为一键式AI Agent开发平台，通过纯自然语言构建Bot并无缝分发至全球主流社媒，构建了庞大的全球Bot流量生态；智能教育应用Gauth依靠高精度视觉OCR与大模型逻辑推理链，实现毫秒级数学题极速解析，对人工智能教育产生影响。
前哨科技2026年企业AI工作流重构研究报告：从个人提效到流程再设计 前哨科技 62页 2026/07/09 信息技术 ID 5542347
AI工作流进入生产环境后，关键条件从模型能力转向企业级治理基础。 企业AI工作流要形成规模化价值需要跨过场景、组织和治理三道门槛。*
英国人工智能发展现状与治理模式 上海外国语大学 37页 2026/07/15 信息技术 ID 5553866
2023年3月和8月，英国政府发布并更新白皮书《支持创新的人工智能监管方式》（Apro-innovationapproachtoAIregulation），提出适度、灵活且支持创新的监管框架，明确五项监管原则：安全性、可靠性和稳健性；透明度和可解释性；公平性；问责制与治理；竞争性与补救。③ 关于AI监管方式，英国政府2023年发布的白皮书《支持创新的人工智能监管方式》及2024年就白皮书咨询反馈所作书面回应均表明，英国不采取横向AI监管立法（与欧盟路径不同）的基本立场未发生变化。2025年《AI机遇行动计划》的发布标志着监管思路的进一步深化——从纯粹的“基于原则的框架”转向“原则框架+法定要求+独立评估”的三层治理结构。英国2025年后的AI治理框架呈现以下特征：一是维持现有行业监管机构在其领域内对AI开发和使用进行解释和 2025至2026年，英国人工智能发展正经历从“AI创新国家”向“AI治理+基础设施国家”的战略转型。这一转型体现在三个层面：产业层面，英国AI产业正从以应用和服务为主的结构，向涵盖算力基础设施、基础模型研发和应用服务的全栈生态演进，Arm的芯片IP、Blackstone等国际资本的大规模数据中心投资、以及AI研究资源（AIRR）的扩展计划，共同构成了英国在AI基础设施层的新竞争力；政策层面，英国AI治理从“基于原则的框架”升级为“原则
AI Agent驱动算力新周期与自主可控再加速 华泰证券 32页 2026/07/22 信息技术 ID 5552017
2026年初，国内大模型应用进一步深化，Agent商业化落地加速，国家数据局统计显示，2026年3月，中国国内Token日均调用量超过140万亿次，较2024年初增长超过千倍，同时，OpenRouter数据显示，截至2026年6月第一周，中国模型的Token调用量已连续6周位居全球第一。国产模型Token调用量快速上量，或将拉动推理端算力需求快速增长，叠加海外高端算力芯片出口受限，国产AI芯片替代或将持续加速。据弗若斯特沙利文数据预测， AI Agent加速推理算力与存力扩容，自主可控链国产化再加速我们认为，2026年AI产业正从大模型预训练切换至AI Agent商业化落地， AI链：AI Agent驱动推理算力高增，国产算力+运力+存力加速发展我们看好AI Agent商业化落地驱动推理算力进入加速增长阶段。据国家数据局统计，2026年3月国内Token日均调用量已超140万亿次，推理端算力需求正迎来快速增长阶段，国产大模型与国产算力形成Day 0适配闭环，国产AI芯片替代持续加速。互联侧，大厂超节点方案陆续落地，Scale Up网络驱动交换芯片用量实现显著增长，PCB方面AI架构迭代驱动高端产品量价齐升。存
传媒行业7月投资策略：AI Agent商业化落地加速，关注暑期档游戏/影视板块表现 国信证券 29页 2026/07/19 文化传媒 ID 5543227
Ø办公生态竞争从“基础问答”转向“跨应用Agent自主工作流”，算力与成本成为选型的关键。 1）AI模型竞争重心转为综合竞争：OpenAI发布GPT-5.6三档分层模型、Anthropic Claude Sonnet5性能接近Opus4.8价格约为其4~6折；2）Agent智能升级：OpenAI推出ChatGPT Work跨应用自主智能体、Anthropic Claude Cowork实现云端接管任务，能在手机端完成工作闭环；3）商业化落地加速：国内外头部大厂的模型全面嵌入B端办公套件（M365、WPS等）、国产模型开始走向付 4.1行业动态：OpenAI发布GPT-5.6三档分层模型并落地Agent战略
全球人工智能治理指数(2026)——全球南方视角与能力建设 复旦智库 24页 2026/07/12 信息技术 ID 5552519
首先，人工智能治理必须以能力为基础；在此基础上，一个国家必须承担基本责任，包括保持开放和确保可靠性；超越能力和责任，它必须与更多国家分享这种能力，使人工智能赋能整个世界，这就是包容性价值凸显之处。最终，人工智能的扩张将加速资源消耗，加剧社会矛盾，并扰乱经济，使可持续性成为首要关切。能力、责任、包容性和可持续性构成一个逐级上升的治理阶梯，这也是本报告着力强调的渐进逻辑。 未来几年，人工智能治理的核心主题很可能是其到来。这揭示了一个关键张力：虽然通用人工智能（AGI）的“地平线”正以加速的速度向我们逼近，但社会适应却远远落后，两者之间的差距正在扩大。与此同时，训练前沿模型需要天文数字般的计算能力和资本投入，资源集中在一小部分领先企业手中。如今，最集中的资源掌握在少数几家公司手中，包括Anthropic、OpenAI和谷歌。简而言之，鉴于通用人工智能可能迅速到来，全球人工智能治理面临着前所未有的挑战。 第一是由斯坦福大学以人为本人工智能研究所（HAI）开发，由李飞飞教授领导的全球人工智能活力工具。其核心问题是人工智能在各国范围内的整体活力。该工具基于四十多个指标对三十多个国家进行比较，并将结果汇总到创新、经济竞争力、政策治理和公众参与等领域。这项评估涵盖八个核心维度：研发、负责任的AI、经济、教育、多样性、政策与治理、舆论和基础设施。总体而言，该指数严重倾向于衡量技术能力和硬实力。
金融投研Agent行业深度报告：投研Agent，超越大模型的生产力 国泰海通证券 23页 2026/07/08 金融 ID 5516770
投研Agent正在逐步成为关键生产力，主要在于其在数据、Skill、Harness上的独特优势。Agent位于产业链的下游，是产业价值落地的核心形态。技术层面已形成“Agent=Model+Harness”的行业共识，Harness通过构建、连接、能力、运行管控四层架构，支撑Agent完成任务拆解、工具调用、验证反思的完整工作流；商业化模式主要分为IaaS算力租赁与SaaS订阅付费两类。金融投研作为高复杂度专精场景，通用Agent无法支 以对证券行业研究分析为例，Harness决定了Agent在专业场景中的可用性与可靠性。1）构建层是Agent的认知架构与行为范式定义层，在该场景中，其通过系统Prompt定义分析师角色、研究框架、输出规范与合规边界，同时设定行业深度研究报告的输出格式与框架；2）连接层核心解决"Agent如何标准化接入异构数据与服务"的问题。证券行业分析中需要用到大量的数据，需要对接相关金融信息服务数据库，同时也需要对接各种第三方咨询行业数据库和各公司官 在AI投研中，Harness主要在数据治理、场景明晰和数据使用三个方面发挥作用。1）数据治理。通过对工具接口与上下文的标准化定义，将各类投研数据的存储形态，按照数据格式、数据时段、数据口径和数据内涵等全部显性化沉淀，相当于为模型建立了一份统一的“投研数据字典”，从源头消除数据定义模糊导致的口径偏差与计算错误，先解决“找不对数据”的基础问题，同时避免重复加载冗余信息，控制Token开销。2）场景明晰。Harness针对估值、点评、盈利预测
地产+AI工具系列报告之六：面向Agent时代的工程师训练路径与国产大模型实践 东吴证券 23页 2026/07/17 房地产 ID 5540288
◼Agent应用落地的核心约束正从模型能力转向工程化能力：据Gartner预测，到2028年，33%的企业软件应用将包含Agentic AI；预计到2027年底，超过40%的Agentic AI项目将被取消，主要原因包括成本上升、商业价值不清晰和风险控制不足。两组判断共同表明：企业侧对Agent应用的需求仍在提升，但真实落地过程中，可靠性、成本控制、风险治理和系统运维等工程问题将成为重要约束。我们认为，Agent项目的关键挑战正在从“模 前者有助于快速跑通Demo，后者能够解释模型原理，但二者之间仍缺少将理论、代码、部署和业务可靠性串联起来的系统化工程训练。“AI大模型学习之路”以4阶段、32模块、10个动手实验、8个Capstone业务场景案例和4个毕业项目组织内容，覆盖数学基础、模型原理、推理优化、RAG、Agent、Agent Infra与生产架构等主题，核心目标是帮助具备编程基础的开发者从“API使用者”迁移至“AI系统构建者”。 ◼平台自身即AgentInfra教学样本：平台并非仅通过课程讲解AgentInfra，而是将学习过程本身组织为一个简化版Agent系统：AI助教承担推理服务，边缘函数完成上下文注入，知识地图记录学习状态，间隔重复系统保存知识点掌握情况并触发复习，D1承载学习进度与复习队列，边缘架构支持按需调用和低固定成本部署。学习者使用平台的过程，本身也在体验一个包含推理、上下文、状态、记忆、触发和成本治理等要素的最小化Agent系统样本。
东吴金工AI研究系列之二：AI Agent重构主动投研工作流 东吴证券 20页 2026/07/15 ID 5532851
在完成数据层与知识层建设后，AI Agent的应用价值有望由单点工具调用进一步延伸至复杂投研流程的组织与协同。Agent工作流的意义并非简单叠加技术功能，而在于缓解复杂投研任务中的上下文管理、任务拆解、专业分工及执行效率等结构性问题。根据OpenAI开发者文档，当一类工作流具备较强的重复性与可复用性时，相较于持续扩展单一长提示词，将其拆分并固化为结构化的Agent工作流通常更为适宜。OpenAI同时指出，即使大模型具备较大的上下文窗口， 东吴金工AI研究系列之二：AI Agent重构主动投研工作流 AI Agent重构主动投研工作流大致可以分为三个层次。第一是数据层，通过WindMCP、内部因子库等方式打通结构化数据入口，提升行情、财务、公告、新闻和因子数据的调用准确性和调用效率；第二是知识层，通过Ima知识库、聊天记录、邮箱等多渠道信息整理，将分散的非结构化信息转化为可检索的研究材料；第三是复杂应用层，在数据层和知识层基础上构建研究框架、AI Agent投决会等多流程Skill，使Agent从单点工具逐步升级为贯穿投研流程的协作
宏观深度报告：基于Hermes Agent的AI月度复盘解析 东吴证券 20页 2026/07/15 ID 5535158
Hermes Agent是一款由Nous Research开发的智能化命令行AI助手，定位于在终端环境中为用户提供高效、精准的任务执行与协作能力。该Agent具备持久化记忆功能，能够在不同会话之间保持对用户偏好、环境配置与工作习惯的稳定记忆，从而减少重复性说明，提升交互效率。其核心能力涵盖代码编写与调试、文件系统操作、网络信息检索、数据整理与分析、自然语言指令理解与任务分解等。Hermes Agent支持通过工具调用扩展功能边界，包括浏 本系统以Hermes Agent为命令行框架、DeepSeek V4 Pro为底层模型，构成自动化研报生成的智能底座。完整流程被拆解为新闻收集员、数据工程师、研报撰写员、合规审查员四个独立角色，以线性流水线依次执行，构成自动化研报生成的智能底座。该体系在带来职责清晰、流程可控等效率提升的同时，也存在复杂逻辑判断与外部数据依赖等部分局限。 Agent工作流图工程与企业AI原生运营架构｜数据与本体基础设施7 篇
2026世界人工智能大会暨人工智能全球治理高级别会议全量演讲稿汇总 TOP 核心必读 华信咨询设计研究院 230页 2026/07/23 ID 5567814
但如果你把企业的业务、物业、产品、客户、组织架构、决策机制、供应商以及不同区域的关系都说明白，AI就能看到整体，进而归纳、推理、验证欧洲供应链的问题究竟在哪里。Ontology可以理解为一个超大型、结构化的企业档案，告诉AI理解这家公司所需要知道的一切，包括组织架构、工作方式和决策流程。有了这张地图，模型才真正有用武之地。 其中最重要的，是Ontology，也就是企业的知识地图。以Palantir为例，它使用什么模型并不是最关键的，只要是世界领先的模型都能用；真正的重点，是它为企业建立了Ontology。 最后，在大模型之上布置企业操作系统，包括Ontology、多智能体，以及调度和编排等技术，就能把大模型管理起来，使它成为企业的决策中枢，帮助老板和每一位公司成员做决定。那位“天才”就像已经在公司工作了6个月，真正懂得公司之后，价值会非常大。
AI系列：高密度机柜发展，互连、液冷、光通信与电源升级共振，柜级基础设施价值重估 广发证券 38页 2026/07/06 信息技术 ID 5513158
这一市场空间的核心驱动力已从传统的数据中心建设，加速转向由人工智能（AI）、高性能计算（HPC）以及边缘计算引发的新一轮硬件升级潮；特别是随着4U高密度服务器和液冷技术的普及，市场对具备超重载能力（150kg以上）、快拆机构及耐腐蚀特性的高端滑轨需求激增，推动了产品单价与技术壁垒的双重提升。从区域格局来看，亚太地区（尤其是中国、中国台湾和日本）被视为增长最快的市场，而北美和欧洲则依托其成熟的云基础设施和环保法规（如RoHS）继续占据重要 生成性人工智能、大型语言模型（LLM）和高性能计算的指数级增长对数据中心基础设施形成更多需求。传统的服务器架构很难适应现代加速计算的功率密度、热要求和快速迭代周期。 2.功能齐全的MGX机架不仅仅是计算和切换托盘，为了按照现代人工智能工厂要求的规模和效率运行，该系统依赖于强大的机械、电气和管道（冷却）基础设施基础。例如，机械部件，模块化MGX机架本身提供了高密度数据中心部署所需的结构完整性和可维护性。电源架支架可将电源架固定在机架内，而滑动导轨则可实现机架安装设备的平稳安装和维护。
人工智能全球治理与可持续发展：挑战与应对 复旦大学 32页 2026/07/18 信息技术 ID 5549439
如今，警示人工智能安全风险的各种实践活动已经非常多了，如政府倡议a、研究机构公开信b、科学家声明c、全球呼吁d和各类研究报告。最为有名的研究报告是 2 个，一是《全球风险报告 2026》（The GlobalRisks Report 2026）准确地勾勒人工智能从前沿技术向系统力量的转变，人工智能风险是所有风险中跨期上升幅度最大的领域，其风险体现出系统性特征，e这种分析强调了使用技术实践；二是约书亚 . 本吉奥（Yoshua Bengi 这种路径的优势在于政策上最具可操作性，也契合欧盟《人工智能法案》的风险分级治理思路。然而，它的局限也很明显：其前提是风险可以被事前识别和分类，但现实中的 AI 风险往往具有动态性、情境性和涌现性。因此，基于应用场景的 AI 伦理虽是必要起点，却难以单独应对更复杂的智能系统现实。 生命周期治理。《人工智能法案》中全生命周期包括“设计、开发、测试、部署到退市。”理查德 . 奥特加 - 博雷尼斯（RichardOrtega-Bolaños）等人强调 AI 系统从计划与设计、数据收集理解与准备、模型建立与训练、效能评价、部署与监控、商业与问题理解六个环节的全过程，都应把伦理原则纳入融入到全过程。a
分化的南方：人工智能治理中的能力差距与路径选择 复旦大学国际问题研究院&全球人工智能创新治理中心 28页 2026/07/18 信息技术 ID 5553856
此外，作为 2024 年 G20主席国，巴西将人工智能治理与数字公共基础设施、平台治理和可持续发展连接起来。从能力指标看，巴西政府人工智能就绪度排名第 22 位，其中治理维度 78.18 分、AI 基础设施维度 65.50 分、发展与扩散维度46.57 分，全球创新指数排名第 50 位，得分 32.7，互联网渗透率约 84%，境内数据中心约 200 座。2024 年人工智能招聘增长30.8%，在斯坦福报告统计的国家中位居第二，反映出产业 当人工智能治理被描述为中美等技术大国间的竞争时，一个根本性的问题往往被遮蔽：占世界人口多数的全球南方国家，在这场轰轰烈烈的制度建构中究竟扮演什么角色？本报告将全球南方视作一个正在被人工智能能力差距重新分层的政治经济空间。不同国家在算力基础设施、创新研发、资本与产业生态、人才技能和制度监管能力上的差异，正在深刻影响其治理取向、政策空间和国际规则参与能力。 本报告构建“能力 - 规范取向”二维矩阵，将全球南方国家区分为四种治理类型。其中，能力维度涵盖技术基础设施、创新研发、资本与产业生态、人才技能和制度监管能力等方面的量化指标，回答一国“能做什么”的问题；规范取向维度则从国家人工智能战略、立法草案、预算安排和国际合作方向中综合判断一国的治理优先级，判断其是将人工智能服务于发展目标、借鉴外部规则实现安全合规、追求技术与规则自主，还是主要通过区域和多边平台嵌入现有制度，从而回答一国“想往哪里走
全球人工智能治理指数（2026）——全球南方视角与能力建设 复旦大学智库&全球人工智能创新治理中心 22页 2026/07/18 信息技术 ID 5551375
本报告认为，人工智能全球治理的核心矛盾有三：技术涌现与治理赤字的矛盾、国家主权与全球治理的矛盾、超级权力与全球南方的矛盾。因此，本报告所提出的框架在吸收了上述两套指数各自的长处的基础上，提出了自身的分析框架。具体而言，能力层的算力、算法与数据，对应此前既有报告指数中的基础设施与研发支柱；责任层则与此前报告所关注的治理风险与治理成熟度有较多交集。在这基础之上，本指数提出了自己的原创性贡献，即提出普惠与持续两个维度作为评判 AI 治理水平的 其 一 是 李 飞 飞 教 授 牵 头 的 斯 坦 福 大学 以 人 为 本 人 工 智 能 研 究 院（StanfordInstitute for Human-Centered ArtificialIntelligence，HAI）推出的全球人工智能活力工具（Global AI Vibrancy）。它所回答的核心问题是各国人工智能的综合活跃度，采用研发、负责任的人工智能、经济、教育、多样性、政策与治理、公众舆论、基础设施八个维度、四十 效四大评估方面，评估了四十个国家的基本情况；在方法论上整合了政策文件、科研产出等多元数据，并特别追踪了人工智能风险事件的数据。总体而言，这套指数更像是一套测量治理成熟度的诊断工具。
2026爱分析·中国AI数据基础设施市场规模报告：从数据中台到本体平台，企业AI重写数据基础设施 爱分析ifenxi 21页 2026/07/13 信息技术 ID 5528502
AI数据基础设施，是面向大模型应用、智能体系统和AI原生业务流程建设的数据基础能力体系，覆盖数据存储计算、数据开发治理、语义建模、多模态数据管理、高质量数据供给、Agent数据调用和数据安全治理等能力，是企业AI应用从试点验证走向生产级落地的关键支撑。 本报告将企业AI数据基础设施划分为AI数据资源与处理层、AI数据治理与服务层，以及数据安全层。 AI数据基础设施驱动因素分成两个阶段，企业AI建设初期通常以项目制方式推进，重点是搭建知识库、升级数据库与数据平台、建设基础数据治理能力，满足少数AI应用场景的验证需求。因此，早期投入具有较强的一次性平台建设特征。
人工智能对美国电力基础设施的影响及2026年6月新增容量分析 高盛 20页 2026/07/27 信息技术 ID 5565576
人工智能的发展及其对美国电力基础设施的节奏和来源的影响，仍然是投资者关注的焦点。这是我们上次上调数据中心电力需求预测并导致供应前景变化的关键原因。在本报告中，我们分析了能源信息署（EIA）的最新发电容量数据，以追踪目前计划并新增的电网容量。我们认为，劳动力可用性是人工智能/数据中心（及更广泛领域）电力需求增长的关键制约因素，近期证据表明紧张局势正在加剧。2026年6月的最新EIA数据显示，净容量显著增加，主要受电池储能和太阳能的推动，而 美国电力基础设施的建设速度和资金来源是投资者关注的焦点，这关系到人工智能部署的速度，也是我们预测到2030年美国电力需求年复合增长3.5%的驱动因素。在本报告中，我们分析了EIA（美国能源信息署）的发电能力数据，以追踪当前规划的发电能力和新增能力。我们认为，零部件/人员的可用性是人工智能/数据中心（及更广泛领域）电力需求增长的关键驱动因素/制约因素，而最新EIA数据显示，在政策激励措施逐渐到期的情况下，到2030年可再生能源发展前景乐观 前述限制包括但不限于，使用、提取、下载或检索该信息的全部或部分，用于训练或微调机器学习或人工智能系统，或以全部或部分形式，将该信息作为提示或输入提供给或复制给任何此类系统。 Agent工作流图工程与企业AI原生运营架构｜组织与ROI6 篇
Coactive Agent 技术白皮书：面向开放世界的 Agent 范式 TOP 核心必读 华为 86页 2026/07/15 ID 5562390
另一方面，当前Agent的商业叙事经常把人及其工作岗位视为被替代的对象，把业务流全自动化视为最终方向。实际落地经验却表明，更有效的方式通常是评估员工与关键利益相关者对人工智能的接受程度及组织文化，选择与真实风险相匹配的自动化水平。现有的Agent系统虽然高效，但依然无法完整呈现人类独有的灵感、经验和创造力。这意味着，在技术奇点到来之前，完全由AI自动化决策驱动的方式必然面临信任与能力的双重瓶颈；相比之下，“人机协作”方式由于融合了人类的 如果说人类文明的核心力量来自合作，而不是单一目标下的服从，那么下一代Agent也不应被理解为孤立执行命令的自动化机器。Coactive Agent的意义，在于把人、AI、环境、记忆和制度边界放回同一个真实任务现场，让AI在开放世界中成为人的智能放大器，而不是人的替代者。这份白皮书提供了一种更成熟的判断：AI的未来不是把人移出工作流，而是让人类以更强的协作能力进入新的文明阶段。 其核心价值在于：既不把Agent局限为被动响应的工具，也不盲目追求将人排除在外的全自动化，而是让人的经验、判断与创造力持续进入工作流，同时将成熟、可验证、可授权的任务逐步交由Agent可靠承接。
Harness Engineering——驯服Agent TOP 核心必读 北大&AI肖睿团队 69页 2026/07/14 信息技术 ID 5545762
•设计自动化的“循环系统”，代替人工逐轮Prompt，由系统按计划/定时触发Agent。•迭代循环：Action → Observe → Reason → Adjust，直到目标完成或阻塞。•工作发现与Triage（自动化发现任务）、Worktrees（并行避免冲突）、子Agent生成。•持久化状态、退出条件（Stopping Rules）、多循环堆叠（Loop Stacking）。 适用场景：长期自主Agent（多日/数周编码项目、持续开发、自动化运维、研究循环） 重点从“单Agent运行环境”转向“多轮、持久、目标驱动的自动化流程”。
2026年中国企业数字员工场景地图与岗位重构研究报告：从任务自动化到岗位、工作流与组织机制重构 前哨科技 59页 2026/07/21 信息技术 ID 5547614
数字员工ROI需要同时纳入建设、运行、人工审核、治理、维护与退出成本不能只计算模型调用费用。* 来源：Gartner 《 Gartner Says Applying Uniform Governance AcrossAl Agents Will Lead to Enterprise Al Agent Failure 》, 2026-05-26;NIST 《 Artificial Intelligence Risk Management Framework:Generative Artificial Intelligence Pro McKinsey 《The State of Organizations 2026: Three tectonic forces that are reshaping organizations》, 2026-02-19;Workday 《The Workday Agent System of Record ls Now Generally Available》. 2026-02-18:前哨科技“人机协同工作舱”方法论。
科技应用行业2026年中期展望：从流量到Token，从App到Agent 浦银国际 38页 2026/07/22 信息技术 ID 5551127
我们认为，行业增长驱动力将主要来自于Coding、多模态及Agent三大方向：1）Coding场景具备清晰的付费链路与可量化的企业ROI，2）多模态天然具备更高的Token密度与全球消费市场，3）Agent则驱动企业工作流的根本性变革。 这种Token需求的扩张不仅体现在B端的自动化应用，也延伸到C端的广泛场景。OS级Agent依托手机系统助手在操作系统层直接调度服务，为模型厂打开全新分发通道；应用级Agent嵌入社交、电商等高频场景，激活存量流量的二次变现。我们认为，Agent正将模型的商业价值从“信息获取”提升至“任务自动化”，这既体现为单位Token消耗的大幅提升，也体现为应用场景的全面扩展。在此背景下，模型能力与产品能力兼备的厂商将获得优势。 Coding是当前ROI易量化、付费意愿强的场景，开发者对效果可即时验证、企业采用门槛低，且高频交互天然沉淀高质量数据，形成“越用越强”的数据飞轮。国产模型在该场景的全球竞争力已得到第三方用量验证——在OpenRouter开发者路由平台上，中国厂商合计Token份额50%以上。以月之暗面、智谱GLM为代表的国产模型已在主流第三方编程基准上跻身前列。我们认为任务完成率领先、能将能力沉淀为开发者工作流的厂商将获得更优的定价权，其用户群有望从
AI沉思录（三）：越过技术青春期，模型走向智能扩散与ROI突围—Anthropic复盘为鉴 长江证券 35页 2026/07/31 信息技术 ID 5576539
长江证券认为，模型商业化进入API调用、Agent和企业部署阶段后，ROI应重点跟踪实际投运GW、ARR/GW、推理毛利率和产能利用率，而不只是训练成本。 报告把GPU利用率视为资产回报的关键变量，并将企业客户占比、Agent高频调用、开发者产品和Token消费列为提升利用率的可能驱动；这是研究观点，不能直接视为已验证的行业事实。 报告以AI4S为例，认为论文、实验记录、组学和临床数据等专业流程适合被转化为可计算、可追踪、可复用的Agent工作流；该案例补充了从模型能力到行业生产率的执行路径。
AI ROI系列报告（一）：被高估的恐慌，四重验证回报改善 海通国际 30页 2026/07/06 医药生物 ID 5541958
•Tokenmaxxing让企业成本压力骤增：海外科技公司此前流行的“Tokenmaxxing”（最大化AI token消耗量）已出现明显停止或调整迹象，转向更注重实际ROI和成果产出，市场解读为高Token消耗并未带来预期价值，企业成本压力凸显 •国内ROI稳步提升，受到模型能力逐步追赶国际、模型商业化未完全铺开、低价开源模型生态主导影响。 •7月1号，Meta被报正在筹建云业务出售冗余算力：市场一方面视其为Capex找到出口的利好，另一方面也引发既然有算力可外租、是否印证Capex过度扩张的担忧；叠加7月2日扎克伯格在内部会议承认AI agent进展慢于预期，进一步放大这一疑虑 四、一般性报告汇总（72 篇）
⚠️ 使用说明 ：① 所有报告可通过"官网阅读"链接（https://www.fxbaogao.com/view?id=报告ID）追溯原文；② "📄 本地 PDF"链接指向本目录 pdfs/ 下按报告标题命名的文件（相对路径，请保持目录结构）；③ "📥 PDF 下载"为在线链接，含时效性签名（auth_key），过期后可经官网阅读页重新获取；④ 要点为自动提炼，正式引用请以PDF原文为准。
继续阅读 沿着模型生态、资本生产率与Agent执行可靠性继续核对证据。
对话驱动研报推荐｜中国大模型开放权重与闭源竞争生态 日报 ｜ 生成时间：2026-08-04 22:15 ｜ 关键词组：9 组 ｜ 共收录 133 篇（深度 61 / 一般 72）
↑