欢迎来到公海 欢迎来到赌船!欢迎来到公赌船✿ღ◈★，公海555000官网✿ღ◈★，欢迎来到公赌船jcjc710✿ღ◈★。欢迎来到公海欢到赌船✿ღ◈★，555000公海登录✿ღ◈★，我们对 2026 年美国科技板块的看法是“机遇与挑战并存”✿ღ◈★。人工智能（AI）无疑是重塑产业格局✿ღ◈★、驱动 长期资本开支（Capex）的主线✿ღ◈★。然而欢迎来到公海7108线路✿ღ◈★，宏观经济的复杂性——特别是“无就业增长”下的降息周期——将对 不同子行业产生显著的“K 型”分化效应✿ღ◈★。

　　1.1.1 降息通道开启✿ღ◈★： 美国通胀受控✿ღ◈★，降息成为大方向✿ღ◈★，为高估值的科技股提供估值修复的 底层支撑

　　从美国通胀走势与货币政策导向来看✿ღ◈★，降息通道已明确开启✿ღ◈★，为高估值科技股的估值修复奠定基础✿ღ◈★。据美 联储 2025 年 10 月议息会议内容✿ღ◈★，尽管通胀自年初以来有所上升且仍处较高水平✿ღ◈★，但鲍威尔在发布会中明确指 出“非关税通胀离 2%目标并不远”✿ღ◈★，剔除关税影响后的核心 PCE 约为 2.3%-2.4%✿ღ◈★，且关税对通胀的冲击更多是 “一次性价格上涨”✿ღ◈★，排除了持续性通胀对宽松政策的制约✿ღ◈★。在此背景下✿ღ◈★，美联储于 10 月如期降息 25BP✿ღ◈★，将联 邦基金利率目标区间下调至 3.75%-4.00%✿ღ◈★，同时宣布 12 月 1 日起停止缩表✿ღ◈★，这一系列操作既释放了对经济温和 扩张的信心✿ღ◈★，也标志着货币宽松周期的进一步推进✿ღ◈★，为市场流动性改善与风险偏好回升提供明确信号✿ღ◈★，而流动 性宽松正是高估值科技股估值修复的关键前提✿ღ◈★。 降息周期将从融资成本✿ღ◈★、盈利预期两方面为科技股估值重塑提供动力✿ღ◈★。一方面✿ღ◈★，美联储降息直接降低市场 贴现率✿ღ◈★，而科技股尤其是 AI✿ღ◈★、半导体等成长赛道企业✿ღ◈★，其估值多依赖未来现金流折现✿ღ◈★，更低的贴现率将显著提 升未来盈利的现值✿ღ◈★，缓解高估值压力✿ღ◈★。鲍威尔在发布会中提到“企业在设备和无形资产方面的投资持续扩张”✿ღ◈★， 间接认可科技领域投资对经济的支撑作用✿ღ◈★，且明确“数据中心开支对利率敏感度较低”✿ღ◈★，意味着即便后续降息节 奏放缓✿ღ◈★，科技板块核心投资逻辑仍不受短期利率波动冲击✿ღ◈★。另一方面✿ღ◈★，停止缩表后 MBS 本金偿还再投资于短期 国债的操作✿ღ◈★，将优化市场流动性结构✿ღ◈★，为权益市场尤其是科技板块提供更稳定的资金环境✿ღ◈★，减少了政策转向风 险对科技股估值的扰动✿ღ◈★。

　　科技板块的投资逻辑正在发生深刻演变✿ღ◈★，其驱动力将从单纯的“情绪驱动”向“流动性+业绩”双轮驱动切 换✿ღ◈★。10 月议息会议声明中✿ღ◈★，美联储将经济判断从 9 月的“增速放缓”上调为“温和扩张”✿ღ◈★，且鲍威尔强调“A I 领 域投资与互联网泡沫不同✿ღ◈★，当前企业具备实际收入与商业模式”✿ღ◈★，这一表态不仅消除了市场对科技板块“概念炒 作”的担忧✿ღ◈★，还为优质科技企业的估值修复提供了基本面背书✿ღ◈★。尽管美联储内部对 12 月降息存在分歧（10:2 投 票结果）✿ღ◈★，但鲍威尔明确“政策并非遵循预设路径✿ღ◈★，将基于数据灵活调整”✿ღ◈★，结合当前就业市场“放缓但无加速 疲软迹象”的特征✿ღ◈★，后续降息仍有空间国内精品一卡二卡三卡公司✿ღ◈★。这种宽松方向明确✿ღ◈★、节奏灵活调整的政策环境✿ღ◈★，既能避免流动性收紧 导致的估值踩踏✿ღ◈★，又能为科技股提供持续的估值修复窗口✿ღ◈★，推动板块估值从“情绪驱动”向“流动性+业绩双驱 动”切换✿ღ◈★。真正具备深厚技术护城河✿ღ◈★、清晰的盈利兑现路径以及稳健商业模式的企业✿ღ◈★，才能获得持续且坚实的 估值支撑✿ღ◈★。

　　我们观察到一个关键矛盾✿ღ◈★：AI 带来的生产力革命✿ღ◈★，正导致企业在增加技术投资的同时✿ღ◈★，对人力资本的支 出（Opex）保持高度谨慎✿ღ◈★。

　　根据 Jaimovich and Siu (2020)1✿ღ◈★，在经济衰退期间✿ღ◈★，中层技能（routine）职业的就业人数持续下降✿ღ◈★，意味 着这些职位正在逐渐减少✿ღ◈★。这通常与技术进步和自动化有关✿ღ◈★，因为这些因素减少了对这类工作的需求✿ღ◈★，这类工作通常涉及可以通过技术手段执行的标准化任务✿ღ◈★。在这种情况下✿ღ◈★，routine 的 log value 持续下降 表明在考 虑的时间段内✿ღ◈★，这些职位的就业水平呈现出下降趋势✿ღ◈★，并且这种下降是以指数形式发生的✿ღ◈★，即随着时间的推 移✿ღ◈★，下降的幅度越来越大✿ღ◈★。这种现象在经济学中被称为职业极化（job polarization）✿ღ◈★，即就业机会在高技能和 低技能职位之间增加✿ღ◈★，而中间层次的职位则减少✿ღ◈★。

　　在过去的几十年里✿ღ◈★，美国劳动力市场经历了显著的变化✿ღ◈★，其中最突出的是 “职业极化” 现象✿ღ◈★，即中等技能 水平的例行性工作（Routine jobs）的比例在总就业中不断减少✿ღ◈★。这一现象与经济衰退后的 “就业增长缺失” （jobless recoveries）紧密相关✿ღ◈★。研究表明✿ღ◈★，在 1980 年代前✿ღ◈★，经济衰退后的就业复苏通常会迅速跟随 GDP 的增长✿ღ◈★。然而✿ღ◈★，自 1980 年代以来✿ღ◈★，尽管经济总产出开始恢复✿ღ◈★，但就业增长却显著滞后✿ღ◈★。这种差异可以归因于 几个关键因素✿ღ◈★：一是技术进步✿ღ◈★，特别是计算机和信息技术的发展✿ღ◈★，使得许多例行性任务可以通过自动化来完 成✿ღ◈★，从而减少了对这类工作的需求✿ღ◈★；二是全球化✿ღ◈★，使得许多例行性工作被外包到劳动力成本较低的国家✿ღ◈★；三是 经济衰退期间✿ღ◈★，企业往往会加快技术升级和重组✿ღ◈★，从而在衰退结束时不再需要重新招聘这些工作的人员✿ღ◈★。此 外✿ღ◈★，经济衰退期间的工作岗位减少倾向于集中在例行性工作中✿ღ◈★，这种趋势在最近的大衰退中尤为明显✿ღ◈★。

　　2025 年✿ღ◈★，科技行业裁员潮仍在继续✿ღ◈★，且新增招聘处于相对低位✿ღ◈★。AI 自动化/全球化导致企业中层职位可替 代性提升✿ღ◈★，企业通过裁撤这部分岗位换取利润率的趋势性提升✿ღ◈★。我们认为欢迎来到公海7108线路✿ღ◈★，这对于软件市场产生结构性冲击✿ღ◈★。

　　对 2B SaaS 的压制✿ღ◈★：企业对新增软件支出的预算保持谨慎✿ღ◈★。我们看到✿ღ◈★，依赖“Seat-based Model”（按 席位付费）的 SaaS 公司（如协同办公✿ღ◈★、CRM）的净收入留存率（NDR）面临压力✿ღ◈★。企业不再轻易扩 充席位✿ღ◈★，反而利用 AI 工具（如 Fiverr✿ღ◈★、Atlassian 报告的 AI 自动化）精简团队✿ღ◈★，这对 SaaS 的传统增长 模型构成根本性压制✿ღ◈★。

　　对 2C 互联网的传导✿ღ◈★：就业市场的疲软最终会传导至消费者信心✿ღ◈★。虽然通胀受控✿ღ◈★，但“无就业”的复苏意 味着居民可支配收入增长乏力（主要依靠财政转移支付）✿ღ◈★，这将压制广告（依赖消费品牌预算）和电商 （依赖冲动型消费）等 to C 互联网模式的增长预期✿ღ◈★。

　　尽管宏观存在扰动✿ღ◈★，但 AI 基础设施的投资浪潮是 2026 年最具确定性的主线✿ღ◈★。我们认为✿ღ◈★，市场正从 “Nvidia + 微软”的单一叙事✿ღ◈★，转向“多极拉动”的新格局✿ღ◈★。

　　但我们认为这并不是一个类似于 2001 年的泡沫✿ღ◈★，当前的大型科技股财务状况更稳健✿ღ◈★，估值虽然处于合理 偏高区间✿ღ◈★，但远未泡沫化✿ღ◈★，可以期待 AI 产品加速商业化后✿ღ◈★，EPS 上修带来估值消化✿ღ◈★。

　　需要注意的是✿ღ◈★，估值消化是有代价的✿ღ◈★。1）裁员✿ღ◈★。由于需要持续保持高强度的 CapEx 投入✿ღ◈★，AI 商业化的 延迟将直接拖累 P&L 表现✿ღ◈★，从而影响估值✿ღ◈★，因此大型科技股持续裁员以实现 EPS 稳健增长✿ღ◈★。Amazon 近期宣 布裁撤约 1.4 万名岗位✿ღ◈★，约占 35 万名员工的 4%✿ღ◈★，以提升运营效率✿ღ◈★。2）将 CapEx 转移至 Neo-Cloud欢迎来到公海7108线路✿ღ◈★。微软 等通过与 Neo-Cloud 合作将 CapEx 压力转移至表外✿ღ◈★，承担 OpEx✿ღ◈★，但相对更灵活可控✿ღ◈★。3）成立 SPV✿ღ◈★。Meta 近期也与私募基金成立 SPV✿ღ◈★，并由私募公司持有绝对多数股权✿ღ◈★，Meta 持有少数股权（但保有完全的运营控制 权）✿ღ◈★，将 CapEx 移出表外✿ღ◈★。SPV 则通过债务融资的形式获得 PIMCO✿ღ◈★、BlackRock 等认购✿ღ◈★，且美国 SEC 发函 确认这一 SPV 的债务融资不会直接计入 Meta 的负债✿ღ◈★。美国私募信贷市场的深度决定类似的需求可能被进一 步支持✿ღ◈★，但在下行周期存在清算风险✿ღ◈★。

　　总结来看✿ღ◈★，由于 AI 商业化进展相对 CapEx 投入的滞后✿ღ◈★，目前主要的大型科技公司从 FCF 支持 CapEx 转 向私募信贷/债务融资✿ღ◈★，但通过特殊金融产品设计✿ღ◈★，将债务移出表外（但仍有 OpEx 支出）✿ღ◈★。这些措施继续为 AI 商业化腾出空间✿ღ◈★，即使 AI 商业化路线有误✿ღ◈★，大型科技股也能较为敏捷地止损✿ღ◈★，从而控制风险✿ღ◈★。 以上风险分析并非对 AI 产业的悲观判断✿ღ◈★，而是基于当前产业趋势的客观分析✿ღ◈★，8-9 月 OpenAI 的巨额算力 订单和循环投资已经引起投资者的担忧✿ღ◈★，供应链金融并非危机的导火索✿ღ◈★，但会放大产业链的信号✿ღ◈★，一旦资本开 支需求回落✿ღ◈★，行业需求可能迅速萎缩✿ღ◈★。因此✿ღ◈★，我们需要非常密切地关注需求侧信号✿ღ◈★，以判断泡沫破裂/消化拐 点✿ღ◈★。 一个通常被财经媒体热炒的新闻标题即 AI 替代劳动力✿ღ◈★，导致大型科技公司裁员✿ღ◈★。实际上✿ღ◈★，这些裁撤岗位 与 AI 自动化未必呈现因果联系✿ღ◈★，而更多与公司的成本优化政策相关✿ღ◈★，因此实际的因果联系是公司 CapEx 投入 带来 FCF 压力以及未来 EPS 增长压力✿ღ◈★，为了缓解压力✿ღ◈★，进一步提升 OpEx 效率压缩既有岗位✿ღ◈★，因此选择裁撤 部分岗位✿ღ◈★。并非由于 AI 成熟度高✿ღ◈★，已经能够胜任部分岗位✿ღ◈★，从而替代人工✿ღ◈★。

　　一个更全面的评估是✿ღ◈★，美国✿ღ◈★、欧洲✿ღ◈★、日本等大型企业的雇员合计约 7400 万人✿ღ◈★，即使我们采用对劳工保护 相对宽松的美国市场也有约 1600 万名于大型企业工作的员工✿ღ◈★。根据《JOB POLARIZATION AND JOBLESS RECOVERIES》✿ღ◈★，1982 年✿ღ◈★，例行性岗位占总就业量的约 56%✿ღ◈★，而到 2017 年✿ღ◈★，这一比例已经下降到约 42%✿ღ◈★，如果我们按照论文的分类方法结合 2024 年 CPS 的最新统计✿ღ◈★，2024 年例行性岗位在美国就业中的占比 进一步下降至 39.4%4✿ღ◈★。在 1985 年以来的美国历次经济衰退中国内精品一卡二卡三卡公司✿ღ◈★，例行性岗位的下降占据总体岗位减少的 87- 93%✿ღ◈★，是受损最严重的部分（主要受全球化岗位外包+技术驱动自动化影响）✿ღ◈★。具体而言✿ღ◈★，1991 年衰退导致 的例行性岗位减少约 3.5%✿ღ◈★，2001 年衰退约减少 6.2%✿ღ◈★，而 2009 年大衰退导致例行性岗位减少约 11.3%✿ღ◈★。若据此做敏感性分析✿ღ◈★，则在温和/中度/严重衰退情况下总体岗位可能减少 3.9%/6.9%/12.6%✿ღ◈★。

　　1. 美国市场✿ღ◈★：根据美国劳工统计局（BLS）截至 2025 年 3 月的最新数据✿ღ◈★，在私营行业中✿ღ◈★，员工规模超 过 1000 人的机构总共雇佣了 1599 万名 员工5 ✿ღ◈★。 2. 欧洲市场✿ღ◈★：根据欧盟统计局（Eurostat）2023 年的数据6✿ღ◈★，在欧盟和欧洲自由贸易联盟（EU-EFTA） 地区✿ღ◈★，员工人数超过 1000 人的跨国企业集团（MNE）雇佣了约 4100 万名 员工✿ღ◈★。 3. 日本市场✿ღ◈★：根据日本总务省统计局发布的 2021 年经济活动普查数据7✿ღ◈★，1000 名及以上员工的企业从 业人员数为 1672 万人✿ღ◈★。 年均薪酬方面✿ღ◈★，与就业人数口径一致的 CPS 调查的是“常规周薪”✿ღ◈★，它代表的是典型工作周的收入✿ღ◈★。这个 数字可能不包括奖金✿ღ◈★、佣金✿ღ◈★、加班费✿ღ◈★，并且依据周薪推测年薪可能忽视失业/工作轮转期间的空挡✿ღ◈★，对于那些 在一年中部分时间做兼职或经历失业的人来说✿ღ◈★，这个估算会偏高✿ღ◈★。相反✿ღ◈★，OES 专门针对企业的调查（而非 CPS 的家庭调查）✿ღ◈★，它收集了约 830 种详细职业的就业数据以及不同分位数的年薪和时薪估算✿ღ◈★。 我们在薪酬支出估算时采用 OES 数据✿ღ◈★，但后续会标注与 CPS 数据估算的差异✿ღ◈★。按照论文定义的例行性岗 位以及分类映射✿ღ◈★，CPS 数据对应例行性岗位中位数年薪为 5 万美元✿ღ◈★，OES 数据对应 5.3 万美元（不含加班 费✿ღ◈★，但包含奖金8）✿ღ◈★，考虑到大型企业的岗位薪酬可能高于整体企业✿ღ◈★，我们采用 75th 分位数薪酬估计✿ღ◈★，对应OES 数据下 6.1 万美元（比中位数高 15%）✿ღ◈★。 据此估算✿ღ◈★，Coaute 测算的薪酬相对高估（例行性岗位薪酬低于软件/算法工程师）✿ღ◈★，但大型企业员工数量 可能高于 Coaute 的假设（仅限于 Top 50 科技企业）✿ღ◈★，最终可能带来的成本节约为 374/662/1210 亿美元（对 应温和/中度/严重衰退）✿ღ◈★，这对应接近 1500/2500/5000 亿的 CapEx 提升空间（GPU 支出 50%✿ღ◈★，5 年折旧✿ღ◈★， 剩余部分 10 年折旧✿ღ◈★，对应折旧/CapEx~25%）✿ღ◈★。 换句话说✿ღ◈★，在宏观经济没有明显改善✿ღ◈★，企业收入没有明显加速的情况下✿ღ◈★，IT预算变化相对有限欢迎来到公海7108线路✿ღ◈★，而硬件 CapEx 的大幅增长✿ღ◈★，挤压人力✿ღ◈★、软件等的支出✿ღ◈★，因此我们认为对于软件市场存在结构性冲击✿ღ◈★，云厂商受益于 GPU 供应集中度较高✿ღ◈★，有机会整合上层软件预算✿ღ◈★。

　　我们开始在头部巨头看到 AI 驱动商业化效率提升✿ღ◈★。例如社交行业✿ღ◈★，1）Meta CEO Mark Zuckerberg 在 2Q25 业绩会提到✿ღ◈★，“在广告业务方面✿ღ◈★，本季度的强劲表现主要得益于 AI 在广告系统中释放的更高效率和收 益✿ღ◈★。本季度✿ღ◈★，我们将新型 AI 驱动的广告推荐模型扩展至更多展示位✿ღ◈★，并通过利用更多信号和更长的上下文信 息提升了其性能✿ღ◈★。该模型使 Instagram 的广告转化率提升约 5%✿ღ◈★，Facebook 的广告转化率提升约 3%✿ღ◈★。”“AI 正显著提升我们向用户展示其感兴趣且有价值内容的能力✿ღ◈★。推荐系统的进步大幅提升了内容质量✿ღ◈★，仅在本季度 就使用户在 Facebook 的停留时间增长了 5%✿ღ◈★，Instagram 的停留时间增长了 6%✿ღ◈★。”2）Pinterest CEO William J. Ready 在 2Q25 提到✿ღ◈★，“例如在第二季度✿ღ◈★，我们通过整合更多关于用户在平台上的信号序列✿ღ◈★，显著 提升了大规模转化模型的性能✿ღ◈★。通过这种方式强化训练数据✿ღ◈★，我们能更精准地预测哪些广告能引起用户共鸣✿ღ◈★。 在早期 A/B 测试中✿ღ◈★，这项更新使我们最低转化漏斗的 oCPM 竞价类型广告转化率提升了 5%✿ღ◈★。” 在广告行业✿ღ◈★，1）Google CEO Sundar Pichai 在 2Q25 提到✿ღ◈★，“我们深知 AI 概览功能的受欢迎程度✿ღ◈★，因 为在全球范围内✿ღ◈★，该功能已推动其展示类型的查询量增长超过 10%✿ღ◈★，且这一增长趋势仍在持续扩大✿ღ◈★。”“采 用智能出价探索策略的广告系列平均转化量提升 19%✿ღ◈★。”

　　在 Fintech 领域✿ღ◈★，1）RooT CEO 在 2Q25 业绩会提到✿ღ◈★，“我们的新定价模型显著优化了风险筛选机制✿ღ◈★， 平均提升 LTV 20%国内精品一卡二卡三卡公司✿ღ◈★。”2）Lemonade CEO 在 2Q25 业绩会提到✿ღ◈★，“我们自主研发的远程信息处理定价模型 现已超越现成产品...整体毛损失率改善 27 个百分点✿ღ◈★，同时保险费收入增长近 60%...这充分证明我们的 AI 飞轮 效应优势正在持续放大✿ღ◈★。”3）Rocket Mortgage CEO 在 2Q25 业绩会提到✿ღ◈★，“我们打造了人工智能驱动的沟 通平台✿ღ◈★，该平台可处理拨号✿ღ◈★、短信✿ღ◈★、跟进及聊天功能✿ღ◈★，全面自动化行政任务✿ღ◈★。近期升级后✿ღ◈★，该平台能动态优化 再融资银行家的客户跟进流程✿ღ◈★，并提供 AI 推荐的后续步骤及短信模板以简化沟通国内精品一卡二卡三卡公司✿ღ◈★。由此✿ღ◈★，每日再融资客户跟 进量提升近 20%✿ღ◈★。”“Agentic AI 的应用实例之一是审查定金（EMD）✿ღ◈★。过去管理定金需要耗费大量人工进 行追踪✿ღ◈★、验证和核对✿ღ◈★。如今✿ღ◈★，Agentic AI 能自动核验定金文件并追踪资金流向✿ღ◈★，仅将异常情况提交给核保人 员✿ღ◈★。该技术现已覆盖 80%以上购房协议的定金处理✿ღ◈★，预计每年为运营团队节省近 2 万小时工作量✿ღ◈★。”

　　Amazon（物流运营）✿ღ◈★：Amazon 已明确提出使用机器人（如 Digit）替代物流运营中心的人员✿ღ◈★。这 不是短期主题✿ღ◈★，而是未来十年内最确定的“Capex 替代 Opex”的逻辑✿ღ◈★。Amazon 每在物流自动化上 投入 10 亿美元✿ღ◈★，都可能在未来节省数十亿美元的人力成本✿ღ◈★，这是最直接✿ღ◈★、最贴近业务场景的 AI 实 体化✿ღ◈★。

　　随着人工智能与机器人技术的不断成熟✿ღ◈★，机器人在物流仓储等实际场景中的应用正逐步落地并发挥重要作 用✿ღ◈★。以全球电商巨头亚马逊为例✿ღ◈★，其近年来通过大规模引入各类仓储机器人✿ღ◈★，正在稳步实现降本增效的目标✿ღ◈★。 在亚马逊的智能仓储体系中✿ღ◈★，机器人承担了大量重复性强✿ღ◈★、劳动密集型的工作✿ღ◈★，如商品搬运✿ღ◈★、货架移动✿ღ◈★、订单 分拣等✿ღ◈★，不仅有效缓解了人力压力✿ღ◈★，也显著提升了整体作业效率与准确率✿ღ◈★。

　　三类是固定自动化与系统协同✿ღ◈★，如 Sequoia（多层容器化库存系统）✿ღ◈★、包装自动化✿ღ◈★、AR ID 与扫描/分拣 线✿ღ◈★，用于库存组织✿ღ◈★、动态上架✿ღ◈★、自适应包装与高速扫码分拣✿ღ◈★，并与移动机器人联动✿ღ◈★，实现端到端的流程贯通✿ღ◈★。 其作用在于以“人机协作”替代高强度✿ღ◈★、重复性与高风险环节✿ღ◈★，带来更稳定的吞吐能力✿ღ◈★、更低的差错率与更好 的作业安全✿ღ◈★，同时通过集中式与分布式协同提升空间利用率与流程弹性✿ღ◈★，并以生成式 AI 模型（如 DeepFleet） 优化机器人车队的路径与拥堵管理✿ღ◈★，进一步缩短订单处理时间✿ღ◈★、降低运营成本✿ღ◈★，推动履约网络向更可持续与可 扩展的方向演进✿ღ◈★。

　　截至目前✿ღ◈★，亚马逊已在全球 300 多个运营中心部署超过 100 万台机器人✿ღ◈★，形成覆盖商品搬运✿ღ◈★、分拣✿ღ◈★、存储 全流程的智能化网络✿ღ◈★，其中新一代具备触觉和 AI 能力的 Vulcan 双臂机器人及整合拣选✿ღ◈★、打包功能的 Blue Jay 系统已投入实际应用✿ღ◈★，结合生成式 AI 调度模型 DeepFleet 将机器人车队效率显著提升✿ღ◈★、单件商品处理成本降低 0.3 美元（年省超百亿美元）✿ღ◈★，机器人驱动的效率革命正深刻重构全球物流仓储的人力结构与成本逻辑✿ღ◈★。

　　VLA 与世界模型路线的演进推动“智驾平权”✿ღ◈★。2025 年✿ღ◈★，智能驾驶行业呈现出明显的双路径技术演进格 局✿ღ◈★，VLA（Vectorized Lane Attention）与世界模型（World Model）两大核心架构路线并行推进✿ღ◈★，各自依托不同 的技术基础与工程理念✿ღ◈★，分别在结构化道路与非结构化城区场景中发挥优势✿ღ◈★，构筑起当前智能驾驶从功能突破 向全场景普及过渡的技术底座✿ღ◈★。两者并非竞争关系✿ღ◈★，而是在技术异构性与适配场景的差异性基础上构建起的协 同发展机制✿ღ◈★，共同推动城市 NOA 能力的深化以及智能驾驶“平权化”落地的加速✿ღ◈★。 VLA 技术路线源于自动驾驶对语义级环境理解的进一步追求✿ღ◈★，其核心在于以向量化的方式对道路要素 （如车道线✿ღ◈★、红绿灯✿ღ◈★、交通标志）进行抽象表达✿ღ◈★，从而实现高效✿ღ◈★、轻量的城市建图与路径规划✿ღ◈★。相较于传统依 赖高精地图的感知系统✿ღ◈★，VLA 能够在不依赖复杂地图数据的前提下✿ღ◈★，通过传感器+算法融合完成车端实时环境 建模✿ღ◈★，具备更强的泛化能力与城市适应性✿ღ◈★。当前✿ღ◈★，该技术已成为城市 NOA 部署中的主流架构方案之一✿ღ◈★。小鹏 汽车通过 XNGP 平台率先推动“去高精地图化”的城市 NOA 落地✿ღ◈★，其技术路径即以 BEV+VLA+Transformer 为核心✿ღ◈★，在 2025 年实现百城通用能力✿ღ◈★，构筑“轻地图+端智能”体系✿ღ◈★。华为则通过 ADS 3.0 系统✿ღ◈★，将 VLA 建 图与激光雷达数据深度融合✿ღ◈★，构建高鲁棒性城区 NOA 解决方案✿ღ◈★，并率先在问界 M9✿ღ◈★、阿维塔等产品上实现量 产✿ღ◈★。此外✿ღ◈★，理想✿ღ◈★、极越✿ღ◈★、吉利等主流厂商也正在加快 VLA 相关能力的模块化部署✿ღ◈★，推动城区 NOA 在 15–20 万元主力车型上的大规模搭载✿ღ◈★，显著加速了智能驾驶“由点及面”的扩张节奏✿ღ◈★。VLA 技术在机器人领域同样 是核心基石✿ღ◈★，当前相关模型及数据集已超百个✿ღ◈★，且探索方向多元✿ღ◈★： Figure AI 的 Helix模型支持双机器人协同 作业并可商业部署✿ღ◈★，谷歌 Gemini Robotics On-Device 模型能离线运行且开放微调功能✿ღ◈★。

　　2025 年是 Robotaxi 作为高阶智能驾驶商业化的重要切入点✿ღ◈★，正迈入从示范验证向初步规模化运营的转折 阶段✿ღ◈★。伴随算法✿ღ◈★、感知与平台技术的成熟✿ღ◈★，以及监管政策的逐步放开✿ღ◈★，该领域的发展热度持续上升✿ღ◈★。从市场规 模来看✿ღ◈★，最新研究预计全球 Robotaxi 市场价值至 2030 年将达约 40‑50 亿美元✿ღ◈★，年复合增长率约 70%‑90% ✿ღ◈★。目前✿ღ◈★， Robotaxi 的主流技术路径主要是 L4 级自动驾驶系统✿ღ◈★，其中一类路线由视觉端到端模型主导✿ღ◈★，另一类则在激光雷 达＋高精地图＋多传感融合方案下强化安全冗余✿ღ◈★。尽管技术方向趋于明确✿ღ◈★，但真正的大规模商业运营仍处于初 期✿ღ◈★。监管方面✿ღ◈★，美国 NHTSA 于 2025 年 4 月调整豁免机制以推动 Robotaxi 发展✿ღ◈★，但各州真正开放无司机运营尚 未全面实现✿ღ◈★；中国则已发放约 16,000 张自动驾驶测试牌照✿ღ◈★，开放测试道路约 3.2 万公里✿ღ◈★，并在北京✿ღ◈★、广州✿ღ◈★、深 圳等城市启动 Robotaxi 服务试点✿ღ◈★。产业格局来看✿ღ◈★，头部玩家包括 Waymo✿ღ◈★、萝卜快跑✿ღ◈★、小马智行等✿ღ◈★，正在向整车 厂✿ღ◈★、出行平台与城市运营合作方向延伸✿ღ◈★，构建“硬件平台 + 算法能力 + 数据闭环”的全栈竞争格局✿ღ◈★。未来三至五 年✿ღ◈★，随着商业模式成熟✿ღ◈★、成本进一步下降✿ღ◈★、城市覆盖不断扩大✿ღ◈★，Robotaxi 有望在城市内高频通勤场景中实现由 “政策试点”向“规模运营”的跃迁✿ღ◈★。

　　1.4 B2B 软件市场✿ღ◈★：AI 冲击下的“K 型分化”--AI 对 B2B 软件的影响不是 “颠覆”✿ღ◈★，而是“分层”

　　核心挑战（货币化）✿ღ◈★： 巨头们正忙于将 AI 功能（如 Copilot）打包提供给客户国内精品一卡二卡三卡公司✿ღ◈★，以换取 ARPU 的提升✿ღ◈★。 但我们的渠道调研显示✿ღ◈★，从“功能交付”到“业绩增长”还需要时间✿ღ◈★。2026 年的核心挑战是 AI 功能的货币 化（Monetization）✿ღ◈★，目前进展仍较缓慢✿ღ◈★。

　　随着 AI LLM 推理每年数十倍的增长国内精品一卡二卡三卡公司✿ღ◈★，成本也迅速下降✿ღ◈★，Satya Nadella 在 BG2 Podcast 提到✿ღ◈★，“如果计算 能力的价格明天下降 100 倍✿ღ◈★，那么使用量将会增长超过 100 倍国内精品一卡二卡三卡公司✿ღ◈★，人们会想用这些计算能力做很多事情✿ღ◈★，而这些 事情在目前的成本下并不划算✿ღ◈★，但会出现新的需求”✿ღ◈★。 我们现在面临的最大问题不是计算资源过剩✿ღ◈★，而是电力供应问题✿ღ◈★。关键在于能否在电源附近快速完成构 建欢迎来到公海7108线路✿ღ◈★。如果做不到这一点✿ღ◈★，库存里可能就会积压一大堆芯片欢迎来到公海7108线路✿ღ◈★，而我却插不上✿ღ◈★。事实上✿ღ◈★，这就是我今天遇到的问 题✿ღ◈★，对吧？这不是芯片供应问题✿ღ◈★，而是我没有现成的硬件可以插上✿ღ◈★。 Sam Altman 提到“这肯定不会是一条直线发展的道路✿ღ◈★，肯定会出现供过于求的局面✿ღ◈★。至于这种情况会在 两三年内发生✿ღ◈★，还是五六年内发生✿ღ◈★，我无法确定✿ღ◈★，但它肯定会在某个时间点出现✿ღ◈★，而且很可能在发展过程中会 经历好几个阶段✿ღ◈★。这其中蕴含着一些深刻的人类心理因素✿ღ◈★，比如泡沫效应✿ღ◈★。正如萨蒂亚所说✿ღ◈★，供应链非常复 杂✿ღ◈★，各种奇奇怪怪的东西层出不穷✿ღ◈★，技术格局也在发生巨大的变化✿ღ◈★。所以✿ღ◈★，如果一种非常廉价的能源很快大规 模投入使用✿ღ◈★，那么很多人就会因为已经签订的现有合同而损失惨重✿ღ◈★。如果我们能够继续以惊人的速度降低单位 智能成本✿ღ◈★，假设每年平均降低 40 倍✿ღ◈★，那么从基础设施建设的角度来看✿ღ◈★，这是一个非常可怕的指数级增长✿ღ◈★。”

　　目前的 AI 模型主要是部署于云端的✿ღ◈★，但是希望未来带给终端手机/PC 用户✿ღ◈★，“随着价格下降✿ღ◈★，需求会大 幅增长✿ღ◈★。但我担心✿ღ◈★，就像我们不断取得突破✿ღ◈★，每个人都能在笔记本电脑上运行个人通用人工智能（AGI）一 样”✿ღ◈★，“OpenAI 目前针对特定 GPU 的推理堆栈所做的优化✿ღ◈★。我的意思是✿ღ◈★，我们一方面谈论 MOS 定律的改 进✿ღ◈★，但软件方面的改进远比这更具指数级增长✿ღ◈★。总有一天✿ღ◈★，我们会制造出一款令人难以置信的消费级设备✿ღ◈★，它 能够以极低的功耗在本地完全运行 GPT-5 或 GPT-6 模型”✿ღ◈★。 A16z Runtime 2025 观点✿ღ◈★：AI 的 Capex 占到 GDP 的 1%11✿ღ◈★。A16z 不认为目前处于 AI 泡沫化阶段✿ღ◈★， 情绪指标是“如果真的达到泡沫的程度✿ღ◈★，那每个人都必须相信它不是泡沫”✿ღ◈★。另外✿ღ◈★，AI 短期的需求如此之 大✿ღ◈★，我们现在没有需求问题✿ღ◈★。AI 可能会驱动新的交互形式✿ღ◈★，PC 从 1975 年发明到 1992 年✿ღ◈★，它一直是一个“文本提示词”（text prompt）系统✿ღ◈★。在当时✿ღ◈★，一个“交互式文本提示符”相比于打孔卡系统✿ღ◈★，已经是一个 巨大的进步了✿ღ◈★。到了 1992 年✿ღ◈★，17 年后✿ღ◈★，整个行业突然转向了 GUI（图形用户界面）✿ღ◈★，并且再也没有回 头✿ღ◈★。又过了 5 年✿ღ◈★，行业又转向了“网络浏览器”✿ღ◈★，再也没有回头✿ღ◈★。目前✿ღ◈★，AI 时代用户体验的形态和本质仍 未定型✿ღ◈★。

　　AI 在 2C 端业务方向逐步落地✿ღ◈★，包括教育✿ღ◈★、游戏✿ღ◈★、广告✿ღ◈★、电商购物等✿ღ◈★，我们看好大模型未来在 2C 端业务 的应用前景✿ღ◈★。如在教育领域✿ღ◈★，大模型正推动个性化学习体验的深度革新✿ღ◈★，通过实时交互与内容生成能力不仅优 化了知识传递效率✿ღ◈★，更重塑了传统教培行业的服务模式✿ღ◈★；在游戏行业✿ღ◈★，AI 驱动的 NPC 智能交互✿ღ◈★、内容自动生 成与玩家行为预测✿ღ◈★，大幅提升了游戏体验的沉浸感与内容的丰富度✿ღ◈★；广告业务方面✿ღ◈★，大模型通过精准的用户画 像构建与创意内容生成✿ღ◈★，使得广告投放更加智能✿ღ◈★、高效✿ღ◈★，显著提升了营销转化率和客户 ROI✿ღ◈★；而在电商购物场 景中✿ღ◈★，AI 助理✿ღ◈★、虚拟试穿欢迎来到公海7108线路✿ღ◈★、个性化推荐等应用则极大地优化了用户购物决策过程✿ღ◈★，提升了平台粘性与转化效 率✿ღ◈★。整体而言✿ღ◈★，我们坚定看好大模型未来在 2C 端业务的广阔应用前景✿ღ◈★，其不仅能够推动各细分领域的产品与 服务升级✿ღ◈★，更有望催生全新的商业模式与增长极✿ღ◈★，为相关产业链带来长期投资价值✿ღ◈★。

　　1） Shopify — AI+电商✿ღ◈★：AI 对 Shopify 的意义在于以“AI 原生”重构电商基础设施✿ღ◈★，驱动商家经营与 平台增长进入新范式✿ღ◈★：产品层面✿ღ◈★，2025 夏季版推出 Horizon 主题与 Generate Blocks/Themes✿ღ◈★，配合 Sidekick（现 支持 20 种语言✿ღ◈★、移动端可用）实现“描述即建站/报表即对话”✿ღ◈★，并在 Commerce NEXT 2025 展示 MCP 编排 与“AI 店小二”全链路购物✿ღ◈★；生态方面✿ღ◈★，Shop App 引入 OpenAI ChatGPT 驱动的 AI 购物助手✿ღ◈★，外部 AI 应用 生态持续扩容✿ღ◈★；公司层面✿ღ◈★，管理层提出“AI 优先/AI 是基本要求”✿ღ◈★，内部以 LLM Agent 与统一入口加速研发✿ღ◈★、销售与运营智能化✿ღ◈★。进展上✿ღ◈★，AI Store Builder✿ღ◈★、Sidekick 多步骤推理与自动化执行显著增强✿ღ◈★，公司与 OpenAI 的对话即购物合作落地美国✿ღ◈★，验证“声明式商业”路径✿ღ◈★；意义在于以端到端 AI 提升商家效率与转化✿ღ◈★、 以平台级智能巩固生态壁垒并打开新的货币化空间✿ღ◈★。

　　2）Applovin — AI+广告✿ღ◈★：AI 是 AppLovin 从应用公司跃迁为 AI 原生广告基础设施的核心抓手✿ღ◈★：以自研 AXON 2.0 为“大脑”✿ღ◈★，在 AppDiscovery 与 MAX 间打通“数据—算法—出价—创意”的闭环✿ღ◈★，驱动 ROI/ROAS 与 eCPM 持续上行✿ღ◈★；公司已出售移动游戏资产✿ღ◈★、聚焦高毛利软件平台✿ღ◈★，2025 年 Q2 营收 12.59 亿美 元（+77%）✿ღ◈★、调整后 EBITDA 10.18 亿美元（+99%）✿ღ◈★、利润率约 81%✿ღ◈★，并给出 Q3 13.2–13.4 亿美元指引✿ღ◈★，验证 AI 驱动的盈利与现金创造能力✿ღ◈★；产品层面✿ღ◈★，AXON 将出价与创意生成纳入统一优化✿ღ◈★，SparkLabs 等工具显著提 升素材效率✿ღ◈★，助力电商✿ღ◈★、金融科技✿ღ◈★、CTV 等多垂类复制游戏广告的成功范式✿ღ◈★；中期看✿ღ◈★，随着自助投放平台面 向全球中小广告主放量与多场景渗透✿ღ◈★，AI 有望进一步放大网络效应与规模经济✿ღ◈★，打开更高天花板的增长曲 线 创作者经济与 C 端应用（Unity/Roblox/Duolingo）