科技股下跌未改AI主线！瑞银称回调或短暂：全球半导体市场2027年迈向2.4万亿美元存储芯片“扛大旗” Moomoo
或由于中东地缘扰动，叠加市场担忧将于当地时间周三出炉的美国5月CPI数据进一步走高，加剧美联储加息压力，今日（6月10日）市场盘整，A股三大指数悉数收绿，荟聚电子板块核心龙头的电子ETF华宝（515260）随市回调，场内价格收跌2.9%。 成份股方面，半导体龙头逆市领涨， 海光信息 涨超6%， 拓荆科技 涨逾3%， 沪硅产业 涨逾2%。另一方面，光学光电子龙头跌幅较大， 三安光电 跌停， 京东方A 跌逾7%，拖累指数表现。 值得关注的是，电子板块仍有利好集中涌现，细分方向来看： 1、半导体方面，中国5月外贸超预期增长，芯片成爆款单品。芯片、电脑零部件、电子元件价格继续上涨，对出口金额拉动力增强。国家信息中心先行指标显示，随着宏观政策协同发力，5月我国经济稳中向好，投资向新向优步伐加快。5月份，AI等前沿领域投资额同比增长约五倍，算力、数据、网络等领域的基础设施项目中标金额同比增长约一倍。 平安证券指出，展望2027年，全球半导体市场预计继续增长27%，存储器仍将领跑。当前海外CSP不断加码AI基础设施建设，推动存储行业景气持续上行，产品迎来量价齐升，考虑到AI持续高景气，本轮存储周期的强度和持续性有望超过上一轮。* 2、PCB方面，中东地缘冲突的“蝴蝶效应”正从能源市场加速蔓延至全球高端电子产业链的核心环节。由于供应全球约70%高纯度聚苯醚树脂的沙特朱拜勒工业区自3月底起停产，直接导致覆铜板厂商原材料成本飙升，进而传导至下游PCB环节。 分析人士认为，PPE树脂供应中断，将直接推升覆铜板及PCB生产成本，在AI算力需求持续放量、高端材料升级加速的背景下，具备上游材料自供能力的头部覆铜板厂商以及深度绑定AI算力需求的PCB龙头企业，有望在本轮涨价周期中率先受益。 3、苹果产业链方面，北京时间6月9日至13日，苹果举行2026年度全球开发者大会（WWDC2026）。苹果AppleIntelligence智能体迎来全面升级，标志着苹果正式迈入端侧AI规模化落地时代。端侧AI、跨终端智能协同成为苹果下一代产品核心演进方向，有望带动苹果产业链企业升级。 业内人士指出，苹果此次推出的端侧+私有云混合架构，打通了AI能力从云端下沉到终端的“最后一公里”。这对产业链的影响是多维度的：一方面，AI功能对终端芯片算力、整机散热、结构稳定性提出更高要求，精密结构件、高端散热模组等硬件需求将显著增长；另一方面，随着AppleIntelligence打通跨终端AI协同体验，XR、AIPC等端侧设备有望迎来新一轮换机周期。 展望后市， 中信证券 看好“涨价+AI+自主可控”有望成为电子板块贯穿全年的强主线。电子行业景气有望延续，其中AI仍是最大 驱动力 。坚定看好电子板块整体的未来行情。* 拉长时间来看，电子ETF华宝（515260）标的指数（电子50指数），自“9.24”行情以来，累计上涨182.41%，跑赢CS电子（177.73%）等同类 电子指数 ，亦跑赢科创50（156.94%）、沪深300（47.80%）等主要宽基指数。 数据统计区间：2024.9.24-2026.6.10。电子50指数近5个完整年度的涨跌幅为：2021年，3.27%；2022年，-38.63%；2023年，1.03%；2024年，27.45%；2025年，43.49%，指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。 【拥抱科技巨头，抢占发展先机】 电子ETF华宝（515260）及其联接基金（A类：012550、C类：012551）被动跟踪电子50指数，重仓半导体、消费电子行业，荟聚AI芯片、汽车电子、5G、印制电路板（PCB）等热门产业，权重股囊括 立讯精密 、 寒武纪 、 工业富联 、 中芯国际 等个股。同时，该ETF是融资融券+互联互通标的，是一键布局电子板块核心资产的高效工具。 数据显示，电子ETF华宝（515260）标的指数覆盖热门科技概念，截至5月底，苹果、英伟达、谷歌产业链权重占比分别为49.34%、28.50%、23.85%，深度绑定全球科技龙头成长发展，有望受益于科技巨头产业扩张与技术创新。 *机构观点参考资料来源：①平安证券6月1日发布的《电子行业：AI持续高景气驱动存储市场规模高增》；②中信证券5月7日发布的《电子行业2026年一季报总结：AI需求强劲、国产替代加速，涨价行情蔓延》。 ETF费用相关说明：电子ETF不收取销售服务费，申购赎回代理机构可按照不超过0.5%的标准收取佣金，其中包含证券交易所、登记机构等收取的相关费用。场内交易费用以证券公司实际收取为准。 联接基金相关费用说明：华宝电子50ETF发起式联接基金（A类）申购费率为申购金额200万元（含）以上时1000元/笔，100万元（含）~200万元时0.6%，100万元以下时1%；赎回费率为持有天数7日以内时1.5%，持有天数7日（含）-30日时0.1%，持有天数30日（含）以上时0%，不收取销售服务费。华宝电子50ETF发起式联接基金（C类）不收取申购费，赎回费率为持有天数7日以内时1.5%，持有天数7日（含）以上时0%；销售服务费为0.2%。 风险提示：电子ETF华宝被动跟踪中证电子50指数，该指数基日为2008.12.31，发布于2009.7.22，指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。本文中提及的个股、指数成份股仅作展示，个股描述不作为任何形式的投资建议，也不代表管理人旗下任何基金的持仓信息和交易动向。基金管理人评估电子ETF的风险等级为R3-中风险，适宜平衡型（C3）及以上的投资者，适当性匹配意见请以销售机构为准。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资须谨慎。 .app-kaihu-qr {text-align: left;padding: 20px 0;} .app-kaihu-qr span {font-size: 18px; line-height: 31px;display: block;} MACD金叉信号形成，这些股涨势不错！ .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读，尽在新浪财经APP
阿联酋阿布扎比 2026年6月10日 /美通社/ -- 纳斯达克上市企业 Robo.ai Inc. (NASDAQ: AIIO) 今日宣布，正式任命 Rashed Aleghfeli 先生出任其全资子公司 Neurovia AI 的首席运营官（COO）。 Rashed Aleghfeli 先生将全面统筹 Neurovia AI 的日常运营管理与核心战略执行。同时，公司确认将以"官方 AI 基础设施合作伙伴"（OFFICIAL AI INFRASTRUCTURE PARTNER）的身份，全面参与即将于 6月 11 日在阿布扎比举行的 2026 年阿联酋数据中心基础设施与云计算峰会（UAE Data Center Infrastructure & Cloud Summit 2026）。届时，Aleghfeli 先生将首次以新任首席运营官的身份代表公司出席该峰会并发表主题演讲。
Neurovia AI 首席运营官 Rashed Aleghfeli
在加入 Neurovia AI 之前， Rashed Aleghfeli 先生在阿联酋政务协作与高层运营管理领域积累了逾十年的专业经验。他曾长期任职于阿治曼政府（Government of Ajman），负责复杂运营项目及政府公共关系事务的统筹规划与执行。通过在大型跨部门协同、高规格活动管理以及系统性流程优化方面的长期实践， Rashed Aleghfeli 先生展现了处理高规格政企合作与复杂系统工程的领导能力。他拥有英国威尔士大学商业研究学士学位，并完成了美国国际管理培训项目。其扎实的区域政企网络资源与全球化视野，将为 Neurovia AI 在中东及全球核心市场的大规模基础设施商业化落地提供关键的运营支撑与合规保障。
在即将召开的 2026 阿联酋数据中心基础设施与云计算峰会上， Rashed Aleghfeli 先生将围绕 Neurovia AI 在构建底层物理世界人工智能数据平台层面的核心战略展开深度论述。该峰会由阿联酋网络安全委员会（Cyber Security Council）主办、阿联酋能源与基础设施部（Ministry of Energy & Infrastructure）支持，是中东地区汇聚高级政府利益相关方、探讨国家级数字基础设施投资与云战略演进的核心高层论坛。作为本次峰会的"官方 AI 基础设施合作伙伴"，Neurovia AI 将深度参与区域数字底座的建设对话，致力于将 NeuroStream™ 平台的高效数据处理能力融入政府主导的数字化转型框架中，推动智能基础设施在全域的规模化部署。
谈及此次任命， Rashed Aleghfeli 先生表示： "阿联酋正在建设全球最具雄心的数字基础设施，而支撑其发展的数据层必须具备可信、高效及自主可控的能力。这正是 Neurovia AI 所提供的核心价值。我非常荣幸加入这一团队，并将致力于夯实运营基础，推动 NeuroStream™ 服务于区域乃至全球的政府与企业客户。"
此次高管任命与峰会深度参与，进一步确立了 Neurovia AI 在区域核心数字基建网络中的战略定位。公司正稳步推进底层数据处理技术在高并发政企环境中的常态化交付，为 Robo.ai 全球机器经济平台的长效增长构建稳固的运营基础。
关于 2026 阿联酋数据中心基础设施与云计算峰会 2026 阿联酋数据中心基础设施与云计算峰会（UAE Data Center Infrastructure & Cloud Summit 2026）是中东地区聚焦国家级数字基础设施建设与云平台演进的核心高层论坛。随着阿联酋向全面数字经济加速转型，本届峰会广泛汇聚了区域政府官员、监管机构代表及全球顶尖科技企业高管，旨在探讨现代数据中心、云架构以及人工智能基础设施在提升运营效率、支持数字治理与确保国家数字主权层面的战略性作用，为该地区数字基建的现代化与可持续发展提供明确方向。
关于 Neurovia AI Limited Neurovia AI ( www.neuroviaai.ae ) 是一家专注于 AI 基础设施与视觉数据处理的技术企业，为 Robo.ai Inc. (NASDAQ: AIIO) 的全资子公司。秉承"卸载数据负担，释放 AI 潜能" (Unload the data burden, unlock AI power) 的核心理念，公司依托其 NeuroStream™ 平台，致力于推动视觉数据架构从"人类观看"向"机器理解"演进。通过应用 AI 原生压缩与边缘计算技术，Neurovia AI 旨在解决物理世界 AI在数据存储、传输与计算方面的关键瓶颈。其技术广泛服务于安全防护、自动驾驶、智慧城市及智能制造等核心领域，为全球机器感知与协同提供底层数据支撑。
关于 Robo.ai Inc. Robo.ai Inc. (NASDAQ: AIIO) 是一家致力于构建全球领先人工智能机器经济平台的科技公司。公司通过"AI软件、智能硬件、智慧资产"的系统性整合，构建统一的人工智能操作系统和赋能的生态系统，为全球政企客户提供高效、合规的软硬件一体化基础设施解决方案。
前瞻性声明 本新闻稿包含《1995年美国私人证券诉讼改革法案》定义的"前瞻性陈述"。实际结果可能与预期存在差异，详情请参考 Robo.ai Inc. 向美国证券交易委员会提交的相关披露文件。
新加坡国立大学设计与工程学院研究团队日前宣布，开发出一款可实现自测功能的硅光子量子随机数生成器芯片。这一突破解决了数十年来随机数生成器完全信任硬件所致的安全隐患，为数字基础设施提供了可证明的量子级安全保障。该成果发表于最新一期《PRX Quantum》期刊。
在现代密码体系中，随机数是加密密钥、安全交易和数字签名的基石，其不可预测性直接决定系统安全性。传统方案，包括量子随机数生成器，均要求用户完全信任硬件制造商对组件特性的标定，一旦探测器因老化或恶意篡改出现偏差，输出可能变得可预测而无法被察觉。随着量子计算发展，此类硬件漏洞可能被量子攻击者利用，构成实质性威胁。
团队此次彻底改变了这一现状。该芯片无需信任读取光信号的光电探测器，仅需保证输入光态的可信度。每次运行中，芯片制备并测量已知量子光态，通过比对输出结果与量子理论预测值，实时验证硬件完整性。若评分达标，原始数据被提炼为认证随机比特；若异常则立即终止。
团队采用八英寸标准硅晶圆工艺集成信号编码器与探测器，实现室温运行，避免了量子系统常见的低温冷却需求。针对硅基光调制器中相位调整与亮度变化的耦合效应，他们设计出特殊驱动方案，利用调制器非线性响应抵消干扰，确保量子态纯度。实验显示，芯片探测器效率达69.1%，超过协议要求的67%的安全阈值，且可证实其生成的是真正独立的新鲜随机数。
不过，当前实验速率仅为每秒64比特，低于传统可信设备量子随机数生成器超过每秒100千兆比特的速度，但其安全等级达到芯片级最高水平。团队透露，速度的主要限制因素是探测器效率，采用已验证的效率达92.4%的新型光电二极管进行模拟，预计速率可提升至每秒68兆比特，比目前的实验值高出五个数量级以上。
该芯片有望广泛应用于密码学、金融服务、AI、医疗健康及物联网等领域，为构建抗量子攻击的安全系统提供可行路径。
此次，科研人员做出了一种能自我检测的随机数生成器芯片，可一边制备并测量信号，一边将理论值和实际值进行对比，实时判断自身是否正常工作。它首次实现了不需要信任探测器的量子随机数生成，虽然目前生成随机数的速度堪称缓慢，但安全性已经毋庸置疑。该芯片能防范硬件被篡改或老化导致的风险，尤其适合金融、政务、军事等高敏感领域。它提供了一种对抗量子攻击的防护方案，可增强数字社会关键信息基础设施的可信度。
封面新闻丨第40个教师节，致敬这些良师益友
亮点纷呈 氛围感拉满！2024年国家网络安全宣传周开启
封面新闻丨共赴十年之约 2024数博会引领数字经济发展新潮流
全国生态日丨我国生态环境和质量持续改善
《狮子王》导演罗伯·明可夫：手绘动画不应该被新技术取代
全新三维动画片《西游记》 有望明年上映
朱雀二号改进型遥六运载火箭发射成功
直播丨科学探索·守护海洋 南极科普公开课
1290万人的高考结束了，AI的考试才刚开始 三七二十一 22 分钟前 卷专业，卷体验。 高考结束了。对今年全国 1290 万考生来说，最紧张的一次考试已经过去，但十多天后开始的志愿填报依然是影响很多人的又一个关键挑战。 6 月 10 日，千问发布了国内首个全周期高考志愿填报 Agent。相比又一个 AI 志愿填报工具，雷科技AGI（ID：leikejiagi）更感兴趣的是，在经历了去年各种 AI 志愿填报的群龙乱舞之后，AI 志愿填报在 2026 年的今天究竟到了什么阶段？ 图片来源：雷科技 过去几年，每到高考季，围绕志愿填报的讨论总会成为焦点。 毕竟相比考试本身，志愿填报更像一道没有标准答案的开放题：全国近 3000 所高校、2000 个专业、数十万条招生计划，再加上地域偏好、职业规划、家庭条件等现实因素，最终会衍生出数十亿种不同选择。 说实话，当初我的高考志愿填报就比较茫然，家长不懂，老师也未必了解各地的政策和就业前景，更顾不过来。到头来，在小地方只能依靠网上有限的信息来艰难理解，勉强选中比较适合自己的志愿。 所以 AI 真的能改变这一切，让动辄数千元的志愿填报指导服务，免费飞入寻常百姓家？ 图片来源：雷科技 高考志愿是典型的复杂决策，Agent 化繁为简 坦率地说，大部分 AI 志愿填报产品都有一个共同特点，依靠底层模型，它们或许已经足够聪明，但也仅仅只是聪明。输入分数、地区和选科组合，AI 能快速告诉你哪些学校可以报、哪些专业值得考虑；如果继续追问，它还会给出录取概率、就业方向甚至薪资情况。 就像一个无情的计算机器，完全没有充分考虑考生的实际情况、偏好和个性，甚至仅仅基于分数和可能都过时的数据，简单粗暴地输出一份志愿报告。但关键问题在于，真实的志愿填报过程从来不是一问一答，AI 也不能跳过这个「关键上下文」。 这场发布会还邀请了一位来自秦皇岛的县城高中老师「现身说法」，秦皇岛市青龙一中教师岳彩霞就在分享中谈到，县城考生和家长对于志愿填报几近一无所知，想要的是 一位专家「引导他们一步步想清楚」。 县城高中老师，图片来源：雷科技 必须承认，很多考生真的不知道该问什么。高考结束后，什么时候开始准备？应该先看学校还是先看专业？城市重要还是专业重要？未来想考研和未来想直接就业，需要完全不同的选择逻辑。 这也是千问这次产品设计里最有意思的地方。相比继续强化聊天能力，千问试图把整个志愿填报过程重新拆解，最先吸引我注意的就是「志愿日历」。 高考之后，大多数考生和家长都会陷入一种相似的状态：焦虑，却不知道从哪里开始。千问没有直接推送一份学校名单，而是把整个志愿填报过程变成一条时间轴。什么时候了解政策，什么时候研究专业，什么时候完成职业测评，什么时候开始筛选学校，什么时候根据正式分数调整方案，每一个节点都会主动提醒。 志愿日历，图片来源：雷科技 发布会上举了一个「完全不知道该怎么选志愿」的例子。从预估分数阶段开始，产品会引导用户了解规则、完成职业测评、筛选专业方向、建立初步方案，再根据最终成绩和位次持续调整志愿选择，直到正式填报前完成最后核查。整个过程被拆解成六个步骤，像一位全程陪伴的志愿规划老师。 图片来源：雷科技 另一个让我印象深刻的细节，是数据可视化。志愿填报涉及大量数字：分数、位次、录取线、专业排名、就业率，但如果只是把这些数字堆出来，对于普通家庭而言并不直观。 603 分和 49198 名究竟意味着什么？相信对大部分人来说都没有一个非常清晰、准确的概念。而把这些数据转化成图表和卡片，用户能够快速看到自己的排名位置、对应区间以及历年变化趋势。这些设计实际上就是在帮助用户理解数据，而不是单纯展示数据。 至于千问的「志愿报告」，也有很大的不同。 今年升级后的报告已经不再只关注「能不能报上」，考研比例、就业方向、考公适配度、行业发展前景等长期因素都被纳入分析体系。更重要的是，报告不再是一份一次性结果。 按照官方的说法，用户随时可以增加条件、修改偏好，系统会基于原有方案动态调整，而不是推倒重来，关键还是「量身定制」。 发布会上也举了两个江西考生的例子。两人同样考了 560 分，都在江西，一般问 AI，他们看到的大概率会是相似的推荐结果。 图片来源：雷科技 但实际上，他们一个关注经济学、未来考虑考研；另一个更关注就业和学费，希望本科毕业后直接进入职场。而在千问上，两人能获得完全不同的发展路径和志愿方案。 同样的分数，不同的人生规划，这才是志愿填报真正复杂的地方，也是这次千问高考志愿填报 Agent 想解决的问题。 AI 如何做好志愿填报？卷专业，也卷体验 去年高考季，AI 志愿填报其实已经火过一次。彼时，市场上「涌现」出了大量的 AI 志愿填报服务和产品，有收费有免费，整体鱼龙混杂。 输入分数、地区和选科组合，AI 很快就能给出学校推荐、专业分析和录取概率预测。相比传统搜索工具，这样的体验已经足够惊艳，也让很多人第一次意识到，大模型或许真的能参与到志愿填报这种复杂决策中。 但真正开始使用后，又会发现很多产品只是用过时的数据和计算方式，做极其简单的机械匹配。 说到底，志愿填报从来不只是一个信息查询问题。 考生要研究学校、比较专业、考虑未来就业方向，还要在城市、兴趣、家庭条件和个人规划之间不断权衡。这个过程往往持续数周甚至更久，而不是一次对话就能结束。 在阿里八年高考服务的积累下，不仅专门训练出了千问高考志愿大模型，并且掌握人类专家的思考链路以及「位次法定位」等专业填报方法，在新的 Agent 框架下，模型可以结合历年院校录取数据和高考用户行为理解，提供更符合考生实际需求的志愿规划建议。 图片来源：雷科技 更关键的变化在上下文。 过去很多 AI 志愿填报工具的问题，是每一次问答都像重新开始。用户必须反复告诉它自己的分数、地区、选科、偏好和限制条件，一旦中途改变想法，前面的分析很容易失效。 千问这次把长效记忆放进了志愿问答里。考生此前告知的个人信息、兴趣偏好、预算限制、地域倾向、未来规划，都会成为后续回答和报告调整的上下文。比如用户从「想学计算机」改成「更看重就业稳定」，系统不需要推倒重来，而是能在原有方案上重新校准。 这也是 Agent 和普通问答工具的区别。 普通问答工具处理的是单个问题，Agent 处理的是一段连续任务。高考志愿填报刚好就是这种任务：从估分、看政策、做测评、筛专业，到出分后重新定位位次，再到最终填报前核查风险，每一步都会改变后续选择。没有上下文记忆，就不可能真正完成这条链路。 上下文很重要，图片来源：雷科技 所以，千问这次真正值得关注的，不只是它推出了 AI 志愿日历、志愿报告和志愿问答，而是这三件事背后有一套更完整的系统：数据负责提供事实，模型负责理解规则和方法，记忆负责保存用户上下文，工具调用负责完成查询、换算、筛选和报告生成等任务。 这也是为什么它比去年那些 AI 志愿填报产品，都更有价值。从这个角度看，AI 志愿填报今年真正进入了下半场。竞争重点不再是谁回答得更快、更像人，而是谁能把高考这种复杂、低频、高风险的决策服务做得更可靠。 对于今年 1290 万考生来说，AI 能不能填好志愿，还需要最终录取结果验证，但至少从产品形态看，千问已经把「AI 志愿填报」往前又推了一步。 AI让高考志愿规划服务实现真“普惠” 发布会上还有一组数据让我印象深刻。目前国内能够接触专业志愿规划师服务的家庭，不到 5%。这意味着绝大多数考生和家长，依然只能依靠自己、老师或者亲友完成志愿填报。 而志愿填报偏偏又是一件极度依赖经验和信息的事情。这也是为什么每年高考季，总会出现各种志愿咨询服务和天价规划课程。 AI 志愿填报真正的价值，或许不在于替用户做决定，而在于降低门槛。过去需要花费大量时间、金钱和精力才能获得的信息与服务，正在通过 AI 被重新拆解和普及。 它无法替你决定未来四年应该读什么专业，也无法保证每一次选择都是正确答案，但 Agent 确实有能力快速缩小信息差。对于绝大多数普通家庭来说，这已经足够重要。 高考 千问 Agent 夸克 志愿 来源： 雷科技 本文图片来自： 123RF 正版图库 侵权举报 返回 分享 相关文章 全部评论
采购商客服 欢欢＠盖世汽车供应链
供应商客服 悠悠＠盖世汽车
盖世客服 豆豆＠盖世汽车
智能化浪潮席卷全球汽车产业，行业竞争逻辑正在完成二次迭代。如果说过去数年，“软件定义汽车（SDV）”是车企转型升级的必修课；那么当下，人工智能定义汽车（AIDV）正成为全新竞争制高点。不同于普通软件层面的能力差距，产业迈入AI造车时代后，车企梯队差距或将逐步拉大，形成难以快速追赶的行业鸿沟。
埃森哲（Accenture）联合德国汽车管理中心发布专项研究报告，揭示行业底层逻辑：车企数年前敲定的整车电子电气与软件平台，很大程度上决定了品牌未来的发展上限。本次调研覆盖大众集团、梅赛德斯-奔驰、宝马、Stellantis、丰田、特斯拉、蔚来、比亚迪、吉利、小鹏等全球主流车企，样本覆盖欧美中日头部车企，具备较强的行业代表性。
报告明确指出，全球车企软件储备两极分化加剧，各大品牌冲刺AI赛道的底气出现明显分化，一场智能化淘汰赛已然悄然开启。埃森哲全球软件定义汽车业务负责人Christof Horn与德国汽车管理中心负责人Stefan Bratzel直言，软件与数据能力，已成为决定车企未来盈利水平、产品体验与行业地位的核心差异壁垒。
软件决定下限：SDV 正成为 行业 核心 入场门槛
时至今日，软件定义汽车早已褪去营销噱头，从车企差异化卖点，升级为入局智能汽车市场的基础门槛，也是车企布局AI造车的硬性入场券。行业核心价值逻辑已然重构，汽车产业的未来不再依赖硬件堆叠，而是取决于软件品质、数据架构实力，以及人工智能技术规模化落地的能力。
纵观全球车企，行业依托软件能力形成清晰的三级梯队，欧洲传统车企的转型分化尤为显著。
行业领跑者早早搭建统一化软件平台与集中式车载计算架构，常态化推送OTA升级，自主搭建专属数据体系与AI研发团队，软件定义汽车模式已实现全面落地。目前这类头部车企的竞争瓶颈已不再是基础软件架构，而是转向人工智能核心层，聚焦数据处理、模型训练、仿真测试、算力协同合作等前沿环节。
快速追赶者已走出试点阶段，全力推动软件架构全系普及，核心目标是统一技术标准、实现规模化落地，当下最大挑战是将单点试点成果复制到全系车型，完成全产品线标准化迭代。
而多数传统车企仍深陷旧时代桎梏，沿用零散碎片化电子电气架构，软硬件深度耦合绑定，新功能迭代效率偏低，无法实现全域同步更新，新技术规模化落地阻力大、体验参差不齐。
在纯软件定义汽车阶段，梯队之间的差距尚且存在弥补空间。落后车企可通过外包采购、模块化整改等方式补齐短板，但行业进化至人工智能定义汽车新阶段后，传统追赶路径基本失效。
当前行业普遍存在认知误区，不少从业者简单将AIDV等同于高阶辅助驾驶升级或智能座舱功能迭代，殊不知二者存在本质的技术范式差异。SDV依托高频远程在线升级，持续落地全新功能与车载服务，并通过软件与数据迭代稳步推进L3、L4高阶自动驾驶落地，但所有功能迭代与能力优化均局限于预设程序与固定规则框架内，属于被动式、标准化的功能更新；而AIDV依托全域数据闭环体系，能够自主学习用户用车习惯、动态调校整车运行逻辑，突破传统固定规则的限制，实现车辆全天候自主进化，从底层重构了整车的运行、决策与迭代模式。
AI技术规模化装车，离不开统一的数据架构与长效软件部署体系，这也是老旧碎片化架构的一大短板。架构零散的车企无法整合整车多维数据，难以训练适配自身车型的专属AI模型；同时也无法支撑高频全域OTA升级。盲目采购外部AI方案，不仅难以构建差异化壁垒，还易引发软硬件适配冲突、增加研发内耗，最终陷入同质化内卷。客观来看，薄弱的软件底层能力，会大幅抬高车企入局AI赛道的门槛。
回顾行业迭代历程，软件定义汽车的落地进程清晰印证了头部车企的先发优势。特斯拉Model S是全球首款真正意义上的软件定义汽车，率先落地远程OTA能力，开创集中式车载软件架构先河。
2018至2022年，蔚来EC6、ET9、Lucid Air、Rivian R1T/R1S等新势力智能车型陆续落地，奔驰CLA/GLC、奥迪E5 Sportback等车型，也全面搭载软件智能化能力。
2025年，宝马新世代（Neue Klasse）平台首款量产车型——全新一代iX3正式发布，标志着以BBA为代表的主流豪华车企，正式全面转向软件核心架构布局，为后续全系新车研发奠定基础。
涨停复盘：普跌行情里的硬主线！半导体材料股掀涨停潮，天娱数科4连板登顶连板高度，和远气体5天3板，中晶科技2连板 金融界
资料显示，万兴科技目前已率先布局AI Agent领域。2026年初，万兴科技推出一站式AI精品影视内容创作平台“万兴剧厂”，通过全流程Agent化生产闭环，已帮助部分制作商实现“1人1天1部剧”的制作效率。全面开放后首月，该平台周度AI积分消耗量复合增速达63%。当前，万兴剧厂已累计支持剧作创作数万集，并赋能多部高播放量作品。
核心要点 元平台（Meta）计划向印度信实工业租赁一座算力规模 168 兆瓦、适配人工智能业务的数据中心。 信实工业将为 Meta 承建该数据中心，两年内交付，后续可扩容。 Meta 另与印度两家清洁能源企业合作，采购总装机 1 吉瓦的可再生能源。 2026 年 5 月 20 日，美国加利福尼亚州洛杉矶，一名工作人员在 Meta 实验室作业。 元平台（Meta）于本周三宣布，将向印度富豪穆克什・安巴尼旗下的信实工业租赁一座算力达 168 兆瓦、专为人工智能业务打造的数据中心。 这家美国企业在公告中表示，信实工业业务版图庞大，覆盖石化、纺织、大众传媒等多个领域；该集团将为 Meta 承建此数据中心，两年内完成交付，合同附带扩容选择权。 Meta 创始人兼首席执行官马克・扎克伯格表示：“这座坐落于贾姆讷格尔的世界级算力枢纽，既能助力我们在全球范围内扩建 AI 基础设施，也将进一步深化我们对印度经济的长期布局。” Meta 与信实的合作最早始于 2020 年，当年扎克伯格旗下公司向安巴尼的电信数字平台企业 Jio 平台投资 57 亿美元。 去年，双方再度深化合作、成立合资公司，面向印度本土企业与开发者开放 Meta 开源人工智能大模型。 信实集团董事长安巴尼称，Meta 此次最新投资，是 “印度数字基础设施发展的里程碑式节点”。 全球各大超大规模云服务商正扎堆布局印度数据中心。过去一年，总计 4000 亿美元资金涌入印度人工智能产业生态，其中绝大部分投向算力机房及配套能源基建。 国际券商野村证券在 6 月 2 日发布的研报中指出：“印度数据中心产业正跻身全球增速最快赛道。” 报告补充，相较亚太其他发达市场与欧美地区，印度算力机房成本优势突出，预计到 2030 年全国数据中心总算力将提升至 7 吉瓦。 印度政府今年早些时候出台政策：面向利用本土数据中心服务全球客户的大型云服务商，给予长达 20 年的免税优惠。 此外，Meta 还与印度清洁能源企业 CleanMax、第四伙伴能源达成合作，采购总规模近 1 吉瓦的可再生能源项目。这批新能源项目分布在印度南北各邦，将为 Meta 持续扩张的印度算力设施提供清洁能源供给。 这家脸书母公司表示，上述系列投资，均契合其全球发展目标 —— 实现全部业务运营 100% 使用清洁可再生能源。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读，尽在新浪财经APP
2026-06-10 18:12
全球领先的人工智能服务公司和全球领先的畜牧业公司会发生什么碰撞？
因为AI，让这两个跨度非常大的公司得以紧密合作，并产生了显著的“化学反应”。
日前，牧原食品集团股份有限公司（以下简称“牧原股份”）与阿里云计算有限公司（以下简称“阿里云”）正式签署战略合作协议，双方将依托牧原在畜牧行业积累的海量数据与专家经验，结合千问大模型与阿里云智算算力，共同打造智能养猪大模型，推动AI在饲料营养、种猪育种、养殖管理、兽医健康等核心领域的落地。
目前，牧原股份基于千问大模型打造的AI应用“小牧助手”已在1000多个猪场应用，将每批次约600头猪的健康检测耗时从20分钟大幅缩短至秒级，效率提升超百倍。
畜牧业是最传统的行业之一，当传统行业都在积极拥抱AI并利用AI大幅提效，这意味着大模型为代表的AI技术浪潮已经无远弗届。
来自阿里云的统计数据也佐证了这一点：依托阿里云的AI全栈基础设施，千问大模型不仅在畜牧业推动生猪养殖从“经验驱动”迈向“AI驱动”，还深度服务政务民生、制造、能源、交通、医疗、金融等国计民生重要领域，推动各行各业转型升级。
从“经验养猪”到“数据养猪”
对于传统畜牧业而言，猪病多、技术要求高、优质经验难以复制等是共性难题。牧原股份养猪生产首席运营官李彦朋给出这样一组数据：培养一个合格兽医至少五年，培养一个专家级兽医至少十年。但猪场等不起——流行性腹泻（PED）发病又快又急，24小时之内就能传遍一栋产房，7日龄的小猪致死率高达100%。
作为大型生猪养殖企业，牧原股份专注生猪养殖30余年，已形成覆盖饲料、育种、养殖、屠宰加工的完整产业链。在生猪全产业链应用330万套智能装备，每天产生20亿条数据，这些数据与30余年沉淀的对养殖底层知识的深刻认知及实践技术路径，为构建养猪大模型奠定了坚实基础。
阿里云则依托超大规模算力平台与深厚的大模型研发能力，基于千问为牧原股份打造生猪养殖AI应用——“小牧助手”。
目前“小牧助手”已在1000多个猪场应用，能够实现场线经营管理分析、兽医健康诊断与防治、各场景内部知识问答等功能，将优秀的养猪技术快速复制到每一个养殖场。
例如，以往猪群疾病诊断需要依赖有经验的兽医或养殖工人，耗费大量时间且准确率不稳定，现在“小牧”仅需几秒即可出结果，快速识别猪只疾病并提供防治方案；过去场线经营分析需要人工汇总多张报表、核算几天，现在系统即刻生成每个场、每个养殖批次的经营报告，并给出业绩提升建议。
这是一场从“经验养猪”到“AI养猪”的变革，显著提升了生产管理的精准度与响应速度。
“现在我们每天应用‘小牧’几万次，几乎每个员工每周都会用。比如周口等地，兽医在小牧加持下已经能服务更大规模，效率明显提升。”李彦朋说，在成熟经验大纲的指导下，专家可以更及时、更精准地指导养殖生产，帮助企业从“依靠人”转向“依靠数据”，从事后补救转向提前预防、及时干预，实现止损并创造更大价值。目前应用下来，已初步实现了企业一开始设想的部分目标。
加速重点行业AI规模化应用
从牧场到工厂车间，从政务办事窗口到医院，从公路运输到飞行，从电网到银行，千问大模型正加速在国计民生的重要场景落地，让AI大模型成为一线工作者的专业助手。
政务与民生是人工智能落地最直接的领域。在重庆，“数字重庆”三级治理中心系统，以千问大模型和百炼平台为基础构建了完善的AI智能体系。例如，“渝小智”政务服务智能助手，基于千问大模型构建专属知识库，实现86.57%问题解决率的智能客服系统。
来源：华尔街见闻 知名科技对冲基金Whale Rock创始人Alex指出，当前AI企业渗透率不足1%，尚处S曲线最早期。但用户门槛极低，普及曲线将区别于传统软件的平缓爬坡，呈现近乎垂直的“L曲线”。算力严重短缺，需求已绷满整条供应链。从芯片到基础模型，机会明确，传统软件面临结构性替代。理解S曲线、识别拐点，是低估入场、捕捉指数级增长的核心。 识别S曲线拐点的投资者，往往能在指数级增长启动前以被低估的价格入场，并在数年内坐享超额回报。AI，正处在这样一个拐点。 重仓科技股的美国知名对冲基金Whale Rock Capital创始人Alex Sacerdote在6月9日《Invest Like The Best》节目中给出判断： AI企业渗透率不足1%，正从S曲线变为近乎垂直的“L曲线”——这正是越过拐点、抓住指数级增长机会的关键时刻。 算力稀缺，是跨越拐点的首要信号。 从芯片到基础模型，需求已绷满整条供应链；传统企业软件则面临结构性替代。Alex指出，Claude Code正从辅助编码迈向自主代理，打开更广阔的商业化空间。 这套方法论已被验证：2023年以四倍市盈率买入英伟达，2019年以五倍市盈率买入特斯拉，AWS早期近乎零成本获得敞口。“世界不懂指数级思维，”Alex说，“但理解S曲线和护城河，就能预见这些机会。” 当前，AI投资已从芯片转向OpenAI、Anthropic和Gemini的“三马竞赛”，更接近寡头格局。风险同样存在：模型进步放缓、开源追赶、监管压力，仍是这轮AI周期的关键变量。但对于理解S曲线拐点的投资者而言，指数级回报才刚刚开始。 S曲线投资：抢在共识形成前下注 Whale Rock的投资框架由三个核心要素构成：识别S曲线位置、评估竞争优势、挖掘被低估的长期盈利潜力。 Alex强调，S曲线的关键在拐点—— 一旦技术越过采用门槛，增长便从线性转为指数级，叠加强大商业模式，盈利往往从1美元跳到10美元再到50美元。 “世界不懂指数级思维，大家太专注于下个季度、下一年了。” 这套框架已被反复验证：2013年力推亚马逊AWS，彼时判断“多头完全不知道自己手里握着什么”；2019年以5倍市盈率重仓特斯拉，价格门槛与续航焦虑已被逐一攻克；2023年以4倍市盈率买入英伟达——三次出手，均踩在拐点左侧。 卖出逻辑同样清晰。 当渗透率达到30%至40%时，指数增长阶段基本结束，卖方分析师开始追上来，超预期惊喜也消失了。 Apple在美国智能手机渗透率达50%时，Whale Rock选择退出，此后苹果年化回报从50%-70%降至约20%。 如何提前发现拐点？Alex采用“现场勘察”法 ：在Gartner IT Symposium等企业技术大会上，观察某家公司展台的人流量。早年布局Splunk、VMware和AWS时，他都亲眼看到了人头攒动、座无虚席的场景。 “你可以在需求爆发之前就亲眼看到它。” 深度用户仅占0.1%，AI仍处S曲线最早期 Alex认为， AI目前仍处于S曲线最早期——全球深度使用AI的知识工作者，仅占总数0.1%。 这一数字来自Google CEO Sundar Pichai的估算。Alex表示，Anthropic约1400万至1500万日活用户，但其中高强度使用者仍是少数。“现在是尝鲜者阶段，接下来是早期采用者，再到早期主流用户。” Whale Rock预测， 未来四年AI深度用户渗透率将从0.1%跃升至2%至5%。基础设施层目前约10%渗透，企业应用层甚至不足1%。“这不是S形曲线，是L形曲线，直线向上。” 硬性数据支撑这一判断：全球算力已严重短缺，Anthropic自身所需的算力只有一半能得到满足，而这还发生在大规模企业采购到来之前。Alex引述Marc Andreessen的判断： “未来四年可以确定的一件事，就是算力永远不够用。” 关于采用节奏，Alex援引了两个历史案例作为参照：广播在7年内几乎实现了100%普及，其S曲线极为陡峭；而洗碗机由于需要与家庭管道系统集成，普及曲线则平缓得多。 企业级软件的推广模式更接近洗碗机，而AI的独特之处在于——用户只需打开浏览器即可使用，这正是其增长曲线接近垂直的重要原因。 以下是访谈全文（由AI辅助翻译整理，部分有删改）： 主持人： 今天的对话我们将深入探讨技术采纳的S曲线、AI投资的底层逻辑，以及如何在市场变革中发现并持有赢家。我的嘉宾是Whale Rock的创始人Alex。他的整个投资框架都建立在理解技术S曲线、识别可持续的竞争优势，并挖掘被低估的盈利潜力之上。他早期投资了Nvidia、Tesla、Amazon的AWS业务，而现在，他的最高置信度头寸是Anthropic。Alex，欢迎你。 Alex： 谢谢，很高兴能来。 主持人： 你说你目前置信度最高的头寸是Anthropic。能否用这个投资案例作为引子，来展开聊聊你、以及像你这样的投资者，是如何在私募市场投资的？为什么Anthropic是你最确信的投资？ Alex： 好的。当2022年11月OpenAI的ChatGPT横空出世时，我们立刻让整个10人团队对其进行了深入的研究。每当出现新的计算范式，就会产生一个新的技术栈，这会在旧技术栈上创造新的赢家和输家。在这个新栈中，底层是芯片和云，中间是基础模型，顶层是应用。 当时（2023年初），我们决定首先投资芯片和基础设施。因为无论谁在上层获胜，我们都需要海量的计算能力。我们对此做了深入分析。在接下来的两三年里，我们对基础模型层如何演变有了更清晰的认识。当时有60家公司涌入这个领域。我们在2023年4月的一次网络研讨会上提出，这个市场可能是赢家通吃，可能是商品化（开源导致价格战），也可能是由三到四个头部玩家组成的寡头垄断。 后来的发展是，几乎所有初创公司都消亡了。亚马逊和Meta等大公司也遇到了困难，Meta甚至不得不重启他们的AI项目。而Anthropic则像一匹黑马脱颖而出。它们专注于企业市场，而OpenAI赢得了消费者市场，Google的Gemini也实力强劲。所以局面变成了三足鼎立的寡头垄断，这与云市场（AWS、Azure、GCP）的演变非常相似。 我们开始对这种格局感到安心。开源模型虽然有风险，但它们的算力有限，可以接近领先水平，却无法实现质的飞跃。同时，规模定律和反馈循环表明，模型的进步空间巨大。我们接触的业内人士都认为规模定律会持续有效。 主持人： 关键的转折点是什么？ Alex： 最大的催化剂是 代码 。早期模型虽有潜力，但我们不确定它能真正替代劳动力。直到2025年，AI编码工具开始爆发。第一代像Microsoft Copilot，每月20美元，能改进语法、找bug。但Anthropic在年中推出的模型能力大幅跃升，开始能够自主运行（Agentic）。我们听说，在Anthropic内部，有人每天花费100美元购买token，这相当于每年2-3万美元。全球有2000万程序员，仅编码就是一个万亿美元级别的市场。而这还只是基于7-9个月前的技术。 另一个最近的重大突破是Claude Code几乎完全实现了自主化。Andrej Karpathy和Linus Torvalds去年说AI能写20%的代码，80%需手写；但最新模型出来后，这个比例完全颠倒过来了。Karpathy本人现在除了用英语描述需求，几乎不再手写代码。 主持人： 那么，基础模型不是一种商品吗？它们如何建立护城河？ Alex： 人们普遍认为AI模型会是纯粹的商品，但实际上它们有巨大的差异化。不同的训练方法导致不同的技能特长。Anthropic擅长私募股权和金融，Google擅长处理PDF。这些是关键的知识产权。此外，Anthropic不仅在卖API或模型，他们正在围绕API构建一个完整的生态系统，包括SDK、协作层（Claude for Co-work）、编排层等等，他们称之为“Harness”（工具集）。这就像早期的AWS，人们以为它只是个大宗商品化的服务器托管，但它通过提前发明各种产品，慢慢建立了锁定效应。 主持人： 你们是怎么定义当前所处的阶段的？ Alex： 我们一直谈论S曲线，但我们把当前的企业AI市场称为L曲线——直接向上。这个市场渗透率不到1%。虽然可能有8亿人在用AI，但那只是AI 1.0，即“打了类固醇的搜索引擎”。真正能像我们描述的那样使用AI的人，Sundar说只占全球知识工作者的10个基点（0.1%）。Claude大概有1400-1500万日活，其中只有一小部分在真正以这种方式使用AI。这就像典型的S曲线起点：由尝鲜者驱动，然后会进入早期采用者、早期主流。未来四年，我们将从0.1%的渗透率增长到1-2%，再到5%，再到15%。今年企业界像打开了电灯开关一样，意识到必须尽快行动。 这就像1998年的互联网，你知道需要建个网站，但很难建起来。现在一切都在快速成熟。我们从未见过这样的景象，所以我们称之为L曲线。就基础设施层而言，我们甚至可以说只有10个基点的有效利用率，但全球算力已经供不应求。Anthropic目前只有其所需算力的一半。Marc Andreessen说，未来四年他唯一确定的是，算力将永远不够。 主持人： 一个像你这样的前公开市场投资者（可以随时买入任何股票），是如何在Stripe、Databricks、OpenAI、Anthropic这些重要的私募公司中获得你想要的头寸规模的？ Alex： 以Anthropic为例，我们是通过分析师认识其财务团队开始的。我们错过了600亿美元估值的轮次，因为当时还不了解它，毛利率为负，也还没看到编码市场的爆发。但后来我有机会与Dario（CEO）交流，听了他的播客，开始意识到他们的管理团队非常出色——专注、投入、人员流失率极低，代码质量高，商业计划也在兑现。于是我们主动联系，做了一份90页的PPT，用了Claude Code来搜集所有关于编码市场和其产品优缺点的反馈。他们接纳了我们进入这一轮。 总的来说，我们每年进行2000-3000次与管理团队面对面的会议，其中10-15%是私募公司。我们的第一笔私募投资是Stripe。我们当时持有另一家支付公司Audion，要投资Audion就必须对Stripe了如指掌。我们做了大量尽职调查，跟200个客户聊，发现它们就像可口可乐和百事可乐。最终在2019年见到了Collison兄弟，并成功在2020年4月以350亿美元估值从一位VC朋友那里买到了Stripe的股份。我们当时知道他们的总支付额（TPV）超过5000亿，而Audion的take rate是25-30个基点，Stripe是40-50个基点，据此可以推算盈利能力。后来证明，他们的take rate更高，TPV也远超披露的5500亿，接近1万亿。我们最终将这笔交易扩大到了1亿美元的份额。 主持人： 你的整个投资框架都建立在S曲线上。请深入讲讲你对S曲线的深刻理解。 Alex： 我们的投资框架有三部分： S曲线、竞争优势、以及被低估的盈利潜力 。 当你处在S曲线的正确位置时，你会获得指数级的单位增长。 如果你拥有一个强大的商业模式（这在科技领域很常见），你的盈利不会线性增长，而是指数级增长。世界通常不按指数思考，很少有人相信你能准确预测未来2、3、4年。但如果你理解和跟踪S曲线，知道其模式，懂得如何建模，你真的可以预测出这些伟大的事物。 关键在于，当你处在S曲线的正确位置时，你可以用极低的市盈率买到世界上最好的公司。 2023年我们买Nvidia时，市盈率只有4倍。 2019年我们买Tesla（基于汽车S曲线）时，市盈率是5倍。 我们持有Apple时，市盈率是4倍。 我们买Amazon时，相当于免费获得了AWS业务。 S曲线至关重要，因为每项技术都遵循这个模式：在爆发前会经历漫长的潜伏期。 智能手机在iPhone之前十年就已存在，互联网在Netscape之前二十年就已存在。直到所有采纳障碍被消除，需求才会像龙卷风一样爆发。 主持人： 决定S曲线“高度”（即最终规模）的因素是什么？ Alex： 当Amazon推出AWS时，它被隐藏在零售业务中。我们意识到，它面对的TAM是整个企业IT史上最大的——直接面对6000亿美元的IT系统市场。我们最初认为它会带来50%的通缩，所以TAM反而会缩小。但后来发现，自建和用AWS成本差不多，这意味着TAM比我们想象的还要大得多。所以我们不仅要看何时起飞，更要看这条S曲线有多“高”，这决定了你何时卖出、持有多久。 也有S曲线失败的例子，比如电动车。我们曾认为电动车会占据40-50%的汽车市场，但它在10-15%时就遇到了大瓶颈。你必须动态调整。通常当渗透率达到30-40%时，指数增长就会停止。我们在Apple上犯过一个错误：在2012年，当美国智能手机渗透率达到50%时卖出了。Apple虽然之后仍保持了领导地位，通过应用商店等实现了20%的复合增长，但最辉煌的50-70%年增长阶段已经结束了。 主持人： 你怎么判断买入的时机？尤其是在S曲线那个长达十年的平坦部分。 Alex： Andy Grove说过， 在战略拐点，你不能相信数据，要靠直觉和传闻证据。 我喜欢一本书叫《道氏理论》（实际应为其他书名，此处按原意理解），它讲的是右脑和左脑。最好的投资者有创造性的一面，他们能可视化地连接各个点。 我们投资手游S曲线时，早期手机屏幕小、处理能力差。但我看到一个12岁的男孩用一个大屏手机玩着很棒的游戏，那一刻我就知道，时机到了。对企业市场，我们去看Gartner的IT研讨会，有3万名美国CIO参加。我们当年看到VMware虚拟化、Splunk数据库的展台被挤得水泄不通，这就看到了企业需求的起点。看到AWS的展台从早上9点到11点一直挤满了人，你就看到需求在爆发前就已经在加速了。 重要的是， 迟到也没关系 。错过前1-3年，错过前100%的涨幅都没关系，因为如果顶部是万亿级别的，增长可以持续很长时间。Peter Lynch对我说过：“把图表涂掉，未来才是一切。” S曲线的斜率（采纳速度）也很关键。 我们委托一位学者研究了历史上100年的S曲线。收音机的S曲线是最快的之一，7年就达到100%渗透率。而洗碗机就慢得多，因为它需要连接到后端。B2B通常很慢，因为它需要接入现有系统；消费者采纳则快得多。 AI的神奇之处在于，无论是消费者还是企业，你只需打开浏览器就能用，这就是为什么我们看到一条垂直的L曲线。 主持人： 当多个玩家在同一S曲线中竞争时，你如何识别最终会胜出的领导者？ Alex： 我们会对该领域的所有公司进行详尽研究，寻找拥有 强大可持续竞争优势 的公司。很多人不喜欢科技股，因为觉得未来不可预测，资产难以长久。但我们发现，数字世界的某些竞争优势，其力量甚至超过了线下世界： 网络效应 ：LinkedIn， Facebook。 行业标准 ：Oracle， Bloomberg。他们有庞大的DBA（数据库管理员）生态和调优的软件，形成了锁定。 快速规模化 ：借助S曲线，Anthropic可能很快做到300亿美金销售，Amazon在5年内获得了沃尔玛40年才达到的规模优势。 关键知识产权 ：Qualcomm（手机绕不开），ASML（光刻机）。 品牌 ：Google， Amazon， Tesla几乎从不打广告。 Amazon AWS在2013年就赢了战争，拥有7年的领先优势，成为了平台和生态系统，规模是其他人的10倍，没人能在研发上追赶。 回到基础模型层，最初50家公司大多已消亡，只剩两三家头部。为什么它们能持续？ Anthropic ：在编码领域有关键知识产权；建立了强大的企业品牌（CIO首先想到Claude）；已经达到逃逸速度（10倍销售增长）；领先的代码能力可以反哺模型，实现递归式改进，创新速度在加速。 OpenAI ：拥有强大的消费者业务，企业业务也在改善，编码工具正在加速增长。 在互联网时代，领导者通常会变得更大、更快并最终获胜。虽然存在例外（如AOL到宽带，Netscape），但现在的共识是，初创公司都在这些基础模型之上构建应用。 主持人： 那么这对传统软件公司意味着什么？你的投资组合中似乎没有太多大型企业软件公司。 Alex： 5年前，我们可能40-50%的仓位在软件。但在2023年4月，我们曾认为软件公司会利用AI API和数据优势胜出。然而很快我们发现，它们的AI产品并不好，无法推动增长，也无法收费。我们几乎卖掉了所有应用软件仓位，今年初甚至是净空头。 传统软件公司面临几个问题： 优先级下降 ：CIO的首选是买Anthropic的token，因为投资回报率更快。 预算挤压 ：AI支出挤占了软件预算。 定价能力丧失 ：过去每年提价的模式现在行不通了。 就业影响 ：企业冻结招聘，减少了软件席位。 虽然乐观者会说“没人会自己造ERP系统”，旧技术有粘性（手游没杀死主机游戏，平板没杀死PC）。但很难想象未来3-5年，不会出现AI原生公司去挑战每个传统软件巨头。软件的“40法则”（增长+利润率=40）正在被AI的“新40法则”挑战：AI收入占比 + 市场份额。传统软件公司的AI收入只有1-2%，差距巨大。 但是，AI也可能反过来巩固现有软件平台。比如，你第一个想接入Claude的是Slack，如果Slack成为关键的AI知识库，那它就永久固化了。未来的AI Agent可能会像人一样，在现有的企业软件内部操作。 主持人： 那芯片和硬件层呢？你多次提到，为什么这个领域现在如此有趣？ Alex： 过去40年，数据中心几乎没变过，基本就是Intel x86。工作负载每年增长25-40%，但摩尔定律也大致如此，所以硬件几乎没有增长，整个产业链都商品化了。 但AI的工作负载每年增长 10倍 ，将硬件的每个方面都推向了物理极限。这不仅创造了巨大的单位增长，我们称之为硬件的 去商品化 。 服务器 ：旧服务器5000美元，坏了就扔；AI服务器价值20-30万美元，液冷，运行时温度极高，坏了会导致整个系统宕机，因此变成了像飞机零件一样的“关键基础设施”，一旦进入就很难被替换。 内存（HBM） ：过去是纯商品，现在HBM是10层芯片堆叠，I/O提升了10倍，三星都花了好几年才做出来。 PCB（印刷电路板） ：旧服务器需要10层，AI服务器需要40层，很少有供应商能做。 网络 ：过去从100G到400G再到800G需要7年周期，现在每年都在升级。Celestica这家公司，曾是商品化的代工厂，但因为保留了IBM超级计算的遗产，成为了Google TPU服务器的独家供应商，并且在云以太网交换机市场占有50-60%的份额。 光纤 ：Corning有极高的光纤份额，一个微软数据中心的光纤长度足以绕地球四圈半。他们的光纤更细、更易弯曲，利润率更高。 电源 ：每个Nvidia芯片或机架功耗提升50-125%，直接推高了Delta等电源供应商的ASP。 现在产业链每个环节都供不应求，DRAM、NAND、PCB普遍短缺30%。 主持人： 你提到了“AI收入占比”和“市场份额”这两个衡量指标。你更看重绝对值还是变化率？ Alex： 变化率非常重要。从10%市场份额增长到30%，你的增速和利润率都会加速。 主持人： 既然你的框架（S曲线+竞争优势+被低估的盈利）在过去25-30年反复被验证，为什么大多数公开市场投资者还是抓不住？ Alex： 我妈妈也问我，为什么要把秘密都说出来？因为做起来真的很难。你需要有深厚的科技投资经验（我们在Whale Rock做了20年），需要一个经历过多轮周期的团队。硬件和芯片领域长期被忽视，新手不敢碰。股价涨了，人们怕高不敢买。每次Nvidia涨了一年，横盘6个月，就有人说“泡沫要破了”。很多半导体分析师错过了，因为他们没看到基础模型层的整体图景。你需要有大局观，需要研究过几十条S曲线在不同领域的应用。 主持人： 你如此看好AI，什么最让你担心？ Alex： 公众和政府的负面情绪 ：缅因州刚禁止了数据中心，只有20%的人对AI乐观。监管风险是存在的，但我觉得瓶子已经打开了。 模型进步放缓 ：如果模型停止改进，开源模型会追上，变成价格战。这对模型公司股票不利，但对芯片公司可能反而是利好（他们不管谁赢，只卖token）。 头部玩家掉队 ：如果Meta或Oracle放弃AI，那些预订的算力就成问题了。但市场足够大，总有人接盘。 主持人： 为什么你们在应用层投得很少？历史上应用层的市值总和远大于基础设施。 Alex： 应用层总是来得更晚。iPhone发布后三四年，应用生态才真正起来。目前应用层风险很高，因为基础模型和应用的边界不清晰，初创应用很难建立护城河。企业软件巨头（如Salesforce）的AI收入占比还太低。生态系统还不清晰，而我们投资的芯片和基础模型层的生态已经变得清晰。未来一定会有伟大的应用公司（比如Bret Taylor的Sierra），但这需要时间，通常不是头三四年。 主持人： 你们办公室有一面“研究奖墙”，表彰年度最佳研究项目。在AI时代，什么样的研究能让你赢得这个奖？ Alex： 我想说我们的AI系统已经非常先进，但它还没有取代分析师的工作。我们做的仍然是Philip Fisher在1950年代写的《怎样选择成长股》里的“闲聊法”（Scuttlebutt）：尽可能多地与公司会面、与管理层建立关系、与竞争对手和客户交谈。 AI可以帮你快速熟悉一个新领域（比如ABF基板），可以帮你写季度财报的笔记，这些笔记质量很高。但笔记的顶部必须有一段“智慧”：这意味着什么？如何影响我们的投资主题？AI是出色的“记者”，但它不能预测未来。 我们分析师在AppLovin上的工作，是长期跟踪、参加会议、与人交流、建立关系，这是AI目前无法做到的。 主持人： 与其他投资者交流在你的投资生活中扮演什么角色？ Alex： Philip Fischer也说过，要结识全国范围内10-15个志同道合的聪明人，分享想法，建立友谊。我称之为“三脚架”：我喜欢，我的分析师喜欢，我尊敬的另一位投资者也喜欢，这就能大大增强我的信心。 主持人： 你是如何为LP设计不同产品的？有什么经验可以分享？ Alex： 头15年我们只有多空基金。10年后有人要求长仓产品，于是2020年我们推出了长仓基金（现在规模已超过多空基金）。2015年左右我们开始考虑私募投资，给了LP选择权（15%或25%的配置），但直到2020年才正式启动。2021年推出了可以80%投资于私募的混合基金。最近我们推出了“Whale Rock Mega Cap Tech Fund”，投资于全球市值前30的科技股中我们精选的12-13只。 我们认为大型科技股存在巨大的结构性低配。捐赠基金等大型LP配置了大量私募、国际股票和小盘股，认为大盘股没有Alpha。但事实上，要撬动Google、Nvidia这样的巨头，需要100个分散的基金经理同时改变看法，而我们可以在95%的人之前做到这一点。小盘股一个人就能拉起，但大盘股需要共识的转变。 主持人： 如果有人想理解Whale Rock，他们应该先理解你们的研究机器。 Alex： 没错，我们称之为“Whale Rock学习机器”。这是一个由10位高度经验丰富的成员组成的团队。我们像巴菲特一样读书、读博客，但更重要的是在科技行业与人交流。我们每年进行2500-3000次与管理团队的面对面会议。我们持续复利化知识20年，团队极其稳定（Andrew和Michael分别跟了我19年和18年）。这个研究引擎同时支持着我们的公开和私募投资，我们不会去扫描每一个机会，但当看到符合我们系统的东西时，我们就能快速行动。 主持人： 我的最后一个问题：别人对你做过的最善良的事是什么？ Alex： 一定是我父亲。他康奈尔大学电子工程毕业，转行到华尔街，在Goldman Sachs拥有辉煌的职业生涯，80年代主管企业融资，90年代作为主席主管私募股权。他极其聪明，但非常谦逊，是一位真正的绅士。 当我创立Whale Rock时，他第一个投资。然后他说，我在Goldman干了41年了，不如我来加入你吧，做那个“灰头发”，做你的监管和主席，你继续做你的事，我帮你募资。我们一起工作了6年，直到他2011年去世。我无比幸运能与他共事。他从不提高音量，是很多人的导师。他去世后，我收到无数信件，说他如何影响、指导了他们。如果我能成为像他一半那样的人，我就彻底赢了。 主持人： 太感人了。Alex，非常感谢你的时间。 Alex： 谢谢。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读，尽在新浪财经APP
近日，聚焦高架路口盲区治理的“城市交通风险AI预警系统”在上海黄浦正式投入常态化运行。该系统由黄浦警方联合中国平安等公司共建落地，依托大数据、AI感知技术等前沿技术能力解决超大城市交通治理痛点，将推动城市交通管理从“事后处置”转向“事前预防、事中干预”，切实推行风险减量，守护市民出行安全。
据悉，本次AI交通预警系统部署的黄陂南路延安东路路口，地处上海市中心核心区域，紧邻人民广场与延安高架出入口，人车流量密集、通行流线复杂。受高架立柱遮挡影响，该路口存在视觉盲区。行人、非机动车驾驶人在通过时视线受阻，出现误闯禁行区、抢道通行等危险行为，进而易引发人员伤亡事故。据了解，该路口较易引发人伤交通事故，是交通整治的重点路段。
针对城市中心交通治理痛点，黄浦警方与中国平安将理赔数据、风险识别模型、智能感知硬件深度融合，创新打造了该面向超大城市视觉盲区的城市交通风险AI预警系统。经过2个月的试点运行，路口非机动车闯入高架区域的行为明显减少，交通事故发生率显著降低。该体系有效提升了城市道路通行安全系数、筑牢市民出行安全屏障，实现了社会效益、安全效益与经济效益的共赢。
平安方面介绍，该系统集成毫米波雷达、高清摄像、边缘计算等前沿技术，可对路口动态进行实时精准感知。通过向地面投射引导光源，科学指引车流、人流有序绕行，一旦监测到行人、非机动车进入立柱盲区，存在闯行、逆行、抢道等危险行为，系统即刻触发声光双重预警，定向语音提醒其远离盲区危险区域。
2026年是平安集团的“服务年”。本次“城市交通风险AI预警系统”的落地应用，正是中国平安从“传统保险事后赔付”向“事前预防、事中干预”的风险减量与价值增值的跃迁，标志着“红绿灯”公益行动从“乡村”延伸至“城市”，从“基础防护”迈向“智能治理”，探索智能科技与超大城市交通治理的创新融合。2025年4月，中国平安启动了平安“红绿灯”道路安全风险减量公益行动，通过对交通设施、农村公路的批量化升级改造，已在全国31个省（自治区、直辖市）、303个县域完成1789个高风险路段改造，累计部署交通安全设施1万余套，有效改善乡村道路通行环境。
城市是现代化的重要载体和推动力量。多年来中国平安不断深耕场景化风险减量服务，构建多维城市安全治理矩阵，守护城市公共安全与市民出行安全。在上海，旗下平安产险针对照明薄弱、视线遮挡的高风险路口，实施“一灯一策”智慧照明改造，完成23个重点路口审批与试点规划；启动“骑手安全共建计划”，联动淘宝闪购开展定制化安全培训、交通宣讲及意外险保障服务，累计服务骑手超1万人次；联合交管部门在节假日高峰时段部署智能预警与动态勤务机制，2026年实现3个重点景区的全周期安全保障，零重大事故发生，切实助力提升上海超大城市社会治理现代化水平。
专业，守护每一段平安路途。中国平安表示，将秉承“金融为民”初衷，联动公安交管部门及社会各界力量，不断探索更多元化的风险减量模式，以专业能力、科技力量与暖心服务，筑牢交通安全防线，用专业守护您心中的平安。
华尔街老兵Dan Dreyfus：AI下一个瓶颈是铜，数据中心每年新增75万吨需求，铜价将轻松翻倍 华尔街见闻
科技日报记者 孙明源 华凌
6月10日，科技日报记者跟随2026年“活力中国调研行”北京主题采访活动，来到位于北京海淀成府路的AI原点社区。西直门外，五道口旁，曾经的京张铁路沿线，如今已经成为AI前沿产业的聚集地。这里已经累计汇聚千余位AI科学家、1.3万名开发者，吸引400多家企业入驻，新设立企业年增长率高达96%。
作为北京市首批人工智能创新街区，AI原点社区地处海淀科创资源最密集的核心区域，与波士顿肯德尔广场、旧金山脑谷等一同入选“全球十大创新区”。
北京原点社区科创生态服务有限公司品牌总监韩雅奇介绍，自2026年3月原点大厦正式启用以来，AI相关企业占比达74%，累计拥有AI相关专利商标超过2000项。近日，社区还与LEC AI、海创元签署战略合作协议，联手打造OPC国际枢纽站，构建“人才供给—订单运营—跨境通道”的产业闭环，为中国AI原生创业者搭建面向全球市场的桥梁。
封面新闻丨第40个教师节，致敬这些良师益友
亮点纷呈 氛围感拉满！2024年国家网络安全宣传周开启
封面新闻丨共赴十年之约 2024数博会引领数字经济发展新潮流
全国生态日丨我国生态环境和质量持续改善
《狮子王》导演罗伯·明可夫：手绘动画不应该被新技术取代
全新三维动画片《西游记》 有望明年上映
朱雀二号改进型遥六运载火箭发射成功
直播丨科学探索·守护海洋 南极科普公开课
6月9日，赛豆科技在北京正式发布AI先锋生态出行品牌AIVA，并官宣携手火山引擎，联合定义、联合设计、共同打造AI汽车体验。火山引擎为AIVA品牌提供豆包大模型、智能座舱等技术服务，帮助AIVA品牌提升车载智能交互体验。
发布会上，AIVA公布了品牌名称与LOGO，提出“AI定义汽车，先有AI，再有车”的造车路径，AI汽车将重塑人与汽车的关系。AIVA Origin Concept概念车同步亮相，首款量产车型AIVA ME7将于2026年年内亮相。AIVA全系车型将覆盖20万元以上主流市场。AIVA董事长张正源，AIVA总裁、产品经理李博，相关合作伙伴共同出席，见证AIVA品牌正式启航。
AIVA因AI而来，打造AI先锋生态出行品牌
AIVA取自Artificial Intelligence Voyage Ahead，寓意AI陪伴用户一路向前、悦见前方。同时，AIVA也带有“爱我”的天然语义联想，承载着品牌希望以有温度的AI技术回应每一个用户的真实需求。
AIVA面向AI汽车而来，希望以AI技术为驱动，打造有着鲜活生命力的具身AI生命体，让汽车不只是交通工具，而且成为理解用户、陪伴用户、服务用户的AI伙伴。
发布会上同步公布的AIVA品牌LOGO，以AI作为出发原点，以“具身AI生命体”为核心意象。标识中央的圆环代表作为大脑的AI大模型，也是生命的原点；内部形态象征真实、鲜活的人，在全生态AI生命体的守护下自由拥抱世界。其三层含义层层递进：AI大模型大脑、具身智能、全生态生命体。
（李博，AIVA总裁 | 产品经理）
AI定义汽车：先有AI 再有车
AIVA提出“AI定义汽车，先有AI，再有车”，核心在于从一台车诞生之初，就围绕AI来定义产品：从用户真实场景、出行需求、情绪状态和生活方式出发，重新组织汽车的交互、智能和体验。
AIVA总裁、产品经理李博在发布会上表示，过去做车，更多依靠调研、场景推演和人的判断做产品定义；而在AI时代，需求可以被主动、批量地挖掘。AIVA希望让AI参与数据分析、趋势洞察和需求推理，帮助产品团队发现更多真正值得做的方向。
李博用一个直观比喻解释：“过去是人在前面挖矿，现在是AI在前面挖矿，人在后面淘金。”这正是“AI定义汽车，先有AI，再有车”的直观体现：车不只是被设计出来的产品，而是从AI对人的理解中生长出来的载体。
火山引擎副总裁杨立伟表示，“我们理解的AI汽车，不只是把AI放到车上，而是让汽车成为物理AI的一个新物种。如果一台车从第一天起就围绕AI来定义，它的交互方式、智能上限和用户感受，都会发生根本变化。AI的发展非常快，这也意味着汽车将不再是一次定义、长期不变的产品，而会成为能够持续进化、不断成长的智能伙伴。”
AIVA对“AI定义汽车”的理解，不只停留在技术路径上，还体现在每一次真实出行中的个性化体验。当AI的大脑生长出汽车的身体，AIVA便成为具备感知和行动能力的具身AI生命体。它能记住你的偏好，感知你和环境的状态，在真实出行中提供独属于你的体验。碳基与硅基生命将迎来一场美好的双向奔赴。比如，同样是22度，AIVA理解的是不同季节、穿着和状态下的真实体感；同样是一次出行，AIVA也会结合路线、场景和驾驶习惯，匹配独属于你的节奏。随着相处时间变长，它会越来越懂你，成为一个因你而独一无二的AI伙伴。
AIVA总裁 | 产品经理 李博
AI定义汽车：重塑人与汽车的关系
围绕用户价值，AIVA提出“Live Alive 爱予自由”品牌主张。AIVA面向鲜活生活探索者，希望用AI把时间还给用户，用情感陪伴回应用户感受；同时，AIVA也将“安全是最高级别的关爱”作为重要准则，守护每一段旅程。
落到体验上，AI不再只是被动等待指令。基于用户习惯、出行场景和车内状态，它可以在疲惫的傍晚切换更放松的音乐和灯光，在出门前协同路线、补能与日程安排，也可以在用户需要安静时减少打扰、自然陪伴。汽车由此不再只是完成出行任务的工具，而成为能够理解状态、主动服务、带来松弛与愉悦的AI伙伴。
AIVA总裁、产品经理李博在发布会上谈到，AIVA希望陪伴每一位用户，活出自己喜欢的样子。“我们就是把生活的主动权握回自己手里，做松弛、自在、有趣的自己，让内心更丰盈。”