Loading...
Loading...
Apple：2000 美元的 iPhone 改变了投资逻辑投资观点
我对 Apple Inc.（AAPL）股票依然持积极看法。我继续给予该股“强烈买入（Strong Buy）”评级，并维持 372 美元的目标价（基于当前股价，对应约 18% 的潜在上涨空间）。我认为 Apple 股价仍然存在进一步上涨机会，原因有很多。
**iPhone 高端化：**Apple 已明确致力于推动 Pro 系列或更高价格产品的销售，即使 iPhone 销量没有出现爆发式增长，这也能够支撑平均售价（ASP）。
**毛利率：**虽然面对大宗商品价格等成本快速上涨时，许多公司都会很难完全消化这些压力，但 Apple 庞大的规模、高度整合的供应链以及强大的定价能力，为公司带来了独特优势。因此，即使宏观经济环境可能变得不那么有利，Apple 依然处于非常有利的位置，可以维持较高的毛利率。
**人工智能：**我对 Apple 人工智能战略——也就是设备端 Apple Intelligence——的潜力并没有特别强烈的看法，不过这些功能确实可能增强 Apple 生态系统的用户黏性，让用户更难离开 Apple，从而提高客户忠诚度，并持续支持新一轮 iPhone 换机周期。目前来看，虽然 AI 存在一定潜力，但我几乎完全把它视为一种防御性策略。
当你看到服务业务以高利润率增长，同时配件不断强化整个生态系统时，本质上也是同样的逻辑。真正的主要优势来自每一个持续把用户进一步连接到 Apple 生态系统中的新设备或新服务。
当然，这里同样存在风险，我显然很清楚这些风险。例如，全球经济增长放缓可能导致 iPhone 需求下降，而 Android 在低端市场依然拥有非常庞大的市场份额。不过，也正是在这里，Apple 的脆弱程度相对更低。因此，我们认为其风险收益关系依然非常有吸引力。 fileciteturn0file0L1-L8
今天发生了什么变化
很多人一直在等待这场发布会，而自从 Apple 举办“Surprise & Shine”活动以来，我对这只股票的整体看法其实并没有真正改变。
新任 CEO John Ternus 现在已经开始带领 Apple 向前发展，而投资者都在问自己：“未来几年 Apple 打算把 iPhone 带向什么方向？”根据今天的发布内容，答案已经非常明显。Duo 起售价为 1,999 美元，2TB 版本最高达到 3,199 美元。iPhone 18 Pro 起售价为 1,199 美元，而 Pro Max 起售价为 1,299 美元。
【原文图片位置：Apple 新款 iPhone 产品与定价（Apple）】
另外，我不知道你是否注意到，Apple 并没有发布“标准版”的 iPhone 18。换句话说，标准版 iPhone 18、18e 以及 Air 2 都会在之后推出。因此，在未来几个月里，希望购买 iPhone 的消费者能够选择的型号会相对有限，基本上只有 Pro 系列或者 Duo。
因此，我越来越觉得，Apple 希望推动产品结构向更高价格产品转移，并在不需要销售明显更多 iPhone 的情况下提高平均售价。 fileciteturn0file0L10-L20
iPhone Duo
让我们具体谈谈 Duo。正如我们所知道的，可折叠手机并不是什么新鲜事物，市场上早就已经有可折叠智能手机。具体来说，Samsung（SSNLF）早在 2019 年就发布了 Galaxy Fold。此外，还有一些公司已经开始生产双铰链的三折叠手机。不过，在经历了一个不错的开局之后，整个行业却出现了下滑。根据 IDC 的数据，今年前六个月折叠屏手机出货量下降了 15%。虽然 Apple 进入折叠屏手机市场早在几个月前就已经被市场广泛预期，但分析师认为，Apple 的加入将显著提振整个行业。具体而言，预计到 2026 年，Apple 将占据全球折叠屏智能手机总销售收入的 44%。
【原文图片位置：折叠屏智能手机市场数据（Agar Capital，Bloomberg Terminal）】
从财务角度来看，我很好奇这种定价能力最终会有多少真正转化为毛利润。随着内存和存储成本上涨，公司成本也在上升。而 Apple 只将 Pro 型号价格提高 100 美元，这可能会成为一次非常有意思的测试。对我而言，真正的问题是：更高的售价能否完全抵消内存和存储成本上涨带来的全部额外成本，还是毛利率依然会承受一定压力？
人工智能
对于人工智能（AI），我对这里所提出的愿景要保守得多。Apple 将 iPhone 称为一个“Personal Intelligence Hub（个人智能中心）”。这个个人智能中心包括设备端 AI、云端 AI，以及能够连接超过 30 万款应用的 Siri。目前这些功能的真正价值，更多在于它们能够帮助推动 iPhone 换机周期，并进一步提升用户在 Apple 生态系统中的留存率。A20 Pro 也与这些目标高度契合：采用 2nm 制程、上一代 Neural Engine 两倍的性能、更强的图形能力以及更好的持续性能。Apple 已经开发出了实现这些技术所需要的芯片和操作系统。此外，Apple 还拥有强大的分销渠道，以及超过 10 亿最终可以使用这些技术的客户。在我看来，这为公司长期构建更大的 AI 平台提供了一个非常强大的基础。
Apple Watch 与 AirPods
我对 Apple Watch 和 AirPods 的看法也是如此。最新的健康监测技术、环境智能以及基于 Siri 的创新，为整个生态系统增加的价值远远大于单纯提升每一类产品的销量。每一种产品都会再给用户一个继续留在 Apple 生态系统中的理由。用户忠诚度始终都是 Apple 最重要的优势。如果你现在正用 iPhone 阅读这篇文章，你可能非常清楚我在说什么。
iPhone 高端化
Apple 大约一半的收入都来自 iPhone，因此，如果你想知道公司下一步可能走向哪里，就必须从 iPhone 开始分析。过去几年里，Apple 一直在推动“Pro”型号，而在 9 月 9 日的发布会之后，这一战略已经非常明显。
【原文图片位置：Apple iPhone 收入及产品结构（Agar Capital，Bloomberg Terminal）】
随着新一代 iPhone 产品线的定价明显高于过去——iPhone 18 Pro 起售价为 1,199 美元，Pro Max 为 1,299 美元，而全新的 Duo 起售价接近 2,000 美元——即使公司卖出的 iPhone 数量与过去相同，甚至略少一些，只要每台设备的售价大幅提高，整体盈利仍然可能增长。这就是平均售价（ASP）发挥作用的地方。
正如你所知道的，过去几年 iPhone 的 ASP 一直持续上升。分析师预计，消费者向 Pro 型号迁移的趋势将在 2026 年继续支撑 iPhone ASP 增长。由于 Duo 将进入一个完全全新的价格区间，而且分析师预计折叠屏手机的平均价格将超过 2,550 美元，这将进一步提高 Apple 产品组合中高价格设备的占比。
【原文图片位置：iPhone 平均售价趋势（Agar Capital，Bloomberg Terminal）】
这意味着，从整体来看，即使全球智能手机市场增长放缓，只要更多消费者选择 Pro、Pro Max 或 Duo，iPhone 收入依然能够继续增长。换句话说，Apple 正在努力从每一台售出的设备中赚取更多利润。
存储芯片短缺也迫使行业内许多公司提高平均售价。根据 IDC 的数据，预计 2026 年全球智能手机 ASP 将上涨 27.6%。由于 Apple 几乎只生产高端设备，因此相比那些同时销售高端和低端设备的厂商，公司在这些产品上面临的降价压力明显更小。
【原文图片位置：全球智能手机 ASP 预测（Agar Capital，Bloomberg Terminal）】
iPhone Duo：市场情景分析
Duo 是 Apple 首次进入折叠屏市场，目前我们还无法确定消费者会以多快的速度接受一款售价超过 2,000 美元的 iPhone。因此，我更喜欢通过不同“情景”来构建预期，而不是在缺乏充分证据的情况下直接做单一预测。
在悲观情景中，我预计消费者反应相对平淡。Apple 最终获得全球折叠屏智能手机市场大约 10% 的份额，每年销售约 200 万至 300 万台 Duo。按照 2,300 美元的平均售价计算，这意味着 Apple 每年可以从这一产品获得大约 50 亿至 70 亿美元收入。因此，虽然对于一个全新的产品来说，这已经是非常不错的表现，但它对 Apple 整体利润的影响仍然相对有限。很多人担心会重演 Vision Pro 的情况。
基准情景是我认为最有可能发生的情况，我预计每年 Duo 销量约为 500 万至 700 万台，对应每年约 140 亿至 180 亿美元收入。
然后是乐观情景。在这种情况下，Apple 重演自己过去的历史模式：晚于其他厂商进入一个新产品类别，然后迅速占据主导地位。根据 IDC 提供的预测，如果 Apple 能够占据折叠屏市场接近 40% 的份额，那么每年可能销售 900 万至 1,100 万台 Duo。如果平均售价提高至 2,700 美元甚至更高，则对应收入可以达到约 250 亿至 300 亿美元。
情景
2026 年 Duo 销量（百万台）
2027 年 Duo 销量（百万台）
ASP（美元）
2027 年 Duo 收入（十亿美元）
占 2027 年 Apple 销售额比例
悲观（10% 份额）
~2.3M
~2.7M
2,300
~6.2
~1.2%
基准（25% 份额）
~5.7M
~6.8M
2,550
~17.2
~3.3%
乐观（40% 份额）
~9.2M
~10.8M
2,700
~29.2
~5.6%
从这些数字可以非常明显地看出，基准情景预测是现实的，对应收入大约占 Apple 整体收入的 3%。另一方面，乐观情景的上限则可以接近 6%。 fileciteturn0file0L56-L69
利润率与零部件成本分析
在利润率方面，Apple 依然拥有一个极其强劲的基础。Apple 规模庞大，能够以许多其他公司根本无法达到的采购量购买零部件，而且从历史上来看，公司一直能够在成本结构中实现显著的规模经济。因此，产品业务毛利率通常维持在 30%-35% 之间，而服务业务毛利率则超过 70%。受更好的产品组合以及有效成本管理推动，FY2023 公司整体毛利率进一步改善至 44.1%。
【原文图片位置：Apple 毛利率趋势（Agar Capital，Bloomberg Terminal）】
Apple 目前面临的主要问题来自内存成本。RAM（随机存取存储器）和 NAND（NAND Flash），也就是 iPhone 用于存储和处理数据的芯片，自去年以来价格已经显著上涨。根据 Wall Street Journal 最近一篇文章中引用的一些预测，部分 iPhone 18 Pro 配置的内存芯片成本可能上涨了三到四倍。如果只从单个零部件成本角度考虑，这种幅度的成本增加显然可能给任何商业模式带来非常大的压力。
幸运的是，Apple 有两种方式可以缓解这种影响。其中一部分内存成本上涨可以由 Apple 自己直接吸收，从而表现为较低的营业利润率。另一种方式，则是通过提高售价，把全部或者部分成本转嫁给消费者。从最新一代 iPhone 产品线来看，Apple 看起来正是这样做的。具体而言，Pro 和 Pro Max 的售价已经提高，而且有证据显示产品组合正在进一步向价格更高的高端型号以及 Duo 倾斜。
因素
iPhone 17 Pro
iPhone 18 Pro（预估）
基础首发价
$1,099
$1,199（+9.1%）
RAM + NAND 成本
$52（256GB）
$77（256GB）↑
其他零部件成本
~$200
~$200
预计毛利率
~37%
~36%-38%
在这种情景下，计算其实相当直接。虽然内存成本会增加几十美元，但如果一台 iPhone 的最终售价仅仅提高大约 10%，那么 Apple 很可能仍然可以保住大部分甚至全部原本可能损失的利润，甚至从单机美元利润角度来看还有可能实现改善。我的高端定价投资逻辑包含多个重要方面，但其中可能没有哪一点比它在原材料成本上涨时保护利润率的能力更加重要。
因此，我认为，即使物料清单（BOM）成本提高，Apple 未来仍然能够在很大程度上保护自己的毛利率。 fileciteturn0file0L71-L88
估值
我不认为 Apple 必须大幅提高 iPhone 销量才能兑现自身潜力。公司真正需要做的是提高每一台设备所创造的收入、扩大服务业务，并通过股票回购减少总流通股数量。这些策略应该能够推动每股收益（EPS）继续增长。
根据 Bloomberg 对 FY2028 EPS 10.68 美元的一致预期，我给予大约 35 倍市盈率，由此得到每股 373.80 美元的估值，基本与我的 372 美元目标价一致。
【原文图片位置：Apple FY2028 EPS 与目标价估值（Agar Capital，Bloomberg Terminal）】
35 倍市盈率显然是一个非常高的估值。不过，Apple 当前前瞻市盈率大约为 33 倍，而过去五年平均值大约为 30 倍。
【原文图片位置：Apple 前瞻市盈率与五年平均估值（Agar Capital，Bloomberg Terminal）】
因此，为了达到我的目标价，我并不是假设市场会从头开始彻底重估 Apple。相反，我只是预计估值倍数会温和扩张，同时盈利继续取得一定增量增长。
【原文图片位置：Apple 股价走势图（TradingView）】
结论
我将继续维持“强烈买入（Strong Buy）”评级，并保持 372 美元目标价不变。我们暂时把折叠屏 iPhone 和 Apple 对 AI 的应用放到一边，先看看 Apple 正在如何通过整个生态系统本身获取更多收入。每一代新 iPhone 发布时，Apple 都在提高 iPhone 的平均售价。同时，公司从每一位用户身上通过服务业务能够获得的收入也一直在增加。
【原文图片位置：Apple 生态系统及估值相关数据（Seeking Alpha）】
对我来说，真正的投资故事正是从这里开始。Apple 可能根本不需要每年比现在多卖出多少设备。真正需要做的是，通过提高每位客户的整体经济价值来保护利润率。同时，Apple 还需要把庞大的已安装用户基础进一步转化为更多持续性的经常性收入。
目前市场显然已经认识到了 Apple 很大一部分优质属性。由于 Apple 当前的估值倍数已经非常高，因此几乎没有太多犯错空间。不过，如果 Apple 能够在定价、利润率、服务业务以及 Duo 这几个方面全部执行到位，那么我认为，从当前价格计算大约 18% 的潜在上涨空间，依然足以覆盖相应风险。
豆包手机明日开卖，AI能帮你操作App了吗？文｜李炤锋
编辑｜张雨忻
昨日，豆包手机助手发布消费者版本。这款基于豆包App（应用）、与手机厂商在操作系统层合作的AI助手，首款落地机型为中兴通讯旗下努比亚NaviX Ultra，而这款手机将在9月16日正式公开发售。
去年底，豆包手机助手技术预览版曾落地努比亚M153工程样机，重点展示AI如何跨应用“操作手机”。不到一年时间，全新推出的消费者版本更强调日常可用性：除屏幕问答、本地记忆和检索外，“操作手机”功能以Beta（测试版）形式开放；豆包同时推出SAEP（屏幕自动化操作声明协议），并设置30天公示期。
根据协议，第三方应用可以自主声明是否允许AI助手执行屏幕自动化，也可以限制具体操作。30天公示期内，未明确同意接入的第三方应用默认不操作。消费者版豆包手机助手进一步加入应用侧选择权：第三方应用可以整体拒绝GUI，也可以单独限制发布、删除和权益领取等操作。
从事GUI（图形用户界面）Agent研究的人士认为：“未来手机里肯定要有一个原生AI助手。这个事情不一定由手机厂商自己做，但最后一定要做到系统级。”而随着NaviX Ultra和一众系统级手机助手进入消费市场，系统级AI助手正在走向普通用户的日常使用场景中。
走出对话框，手机AI开始跨App完成任务
今年7月，中兴通讯高级副总裁、努比亚总裁倪飞在接受媒体采访时表示：“用户真正想要的是‘省心’，但今天的手机功能越多、操作越复杂，这种矛盾已经积累到了一定程度，需要一个全新的产品形态来回应。”
这正是豆包手机助手在尝试解决的问题：它嵌入手机系统，能在用户授权后搜索当前屏幕和本机信息，调用日历等系统工具，或进入其它App完成App中的操作。用户可以通过AI键发起任务，多个任务还可以排队或临时插队。
比如，在豆包手机助手的官方演示中，用户拍下新学期课表后，可以让助手将课表加入个人日历；也可以让它打车到屏幕显示的地址，添加银都大厦为途经点，上车后再把车牌号发给飞书同事，并提醒对方10分钟后下楼。
这套使用方式在去年的技术预览版——努比亚M153上已经有过雏形。一段公开演示中，用户让豆包根据相册里的一张血压仪照片，在淘宝“挑一个便宜的同款”，再“把链接发给张三”。豆包识别出商品，也识别出“张三”是QQ好友，随后连续完成相册、电商和社交应用之间的操作。
据悉，M153调用了Android的INJECT\_EVENTS系统级权限。获得用户授权后，即使第三方App没有为AI提供接口，豆包也可以模拟点按、滑动和输入；遇到密码、人脸识别等敏感环节，再把手机交还用户。
但在实际使用中，涉及到一些登录验证和平台风控的跨App操作都可能中断任务。随后，豆包主动限制了金融支付、刷激励等高风险场景。
今年2月，Google在Galaxy S26系列和部分Pixel 10机型上测试Gemini多步任务：它可以为同事安排包含多个停靠点的网约车，任务转入后台后，用户仍可通过通知查看进度、随时接管，并在购买前确认。Google负责Android开发者产品管理的副总裁Matthew McCullough在官方博客中写道：“衡量应用成功的标准，正在从‘让用户打开App’转向‘真正完成用户的任务’。”
2026年以来，一批系统级手机AI助手批量涌现。
6月发布的HarmonyOS 7开发者Beta中，华为小艺接入超过200项系统级感知数据，可以从面试邀请中识别时间、地点和注意事项，写入备忘录；也可以在手机上要求小艺寻找电脑中的文件，再发送到手机。
7月的2026世界人工智能大会（WAIC）上，努比亚NaviX Ultra、阶跃星辰STEPX Neo和荣耀Robot Phone集中亮相。STEPX Neo搭载的Amoo助手接到“帮我处理一下明天汇报的事情”后，会读取飞书日历和群消息，拆解任务、生成PPT（演示文稿），再把文件发回飞书；修改文档前会申请权限，涉及支付则由用户确认。
而几乎在同一时间，超级App们和手机AI助手之间的关系也在发生变化。
今年6月，微信确认与华为、荣耀、小米、OPPO、vivo合作A2A（智能体间通信）能力，手机助手可以提交发消息或音视频通话指令，由微信执行并返回结果，全程采用双重授权。8月，vivo蓝心小V与支付宝服务智能体“阿宝”合作，用户说“帮我叫车去高铁站”或“帮我开具打车发票”，相关服务均可在对话中完成。
可以看出，2026年，手机AI助手进入了密集发布期。除了搭载豆包手机助手的努比亚之外，Google、华为、阶跃和荣耀相继将Agent带到手机系统层，微信、支付宝等超级App也开始接收系统助手发出的指令。
AI替你点屏幕，怎样才能不越界？
当采用GUI路线的手机AI助手越来越普及，它们更加迫切地需要处理三项权限问题：用户是否授权、应用是否放行，以及发送、下单和支付前由谁确认。从豆包此次推出SAEP（屏幕自动化操作声明协议）上，也许能窥探到有关这一权限边界的安全举措。
目前，CUA（计算机操作智能体）已经将GUI技术路线作为主流，它在解决的问题是：AI如何直接操作软件，又如何限制可访问的范围。有研究员把CUA形容为“给你的电脑配了一个特别全能的程序员，什么都懂，会写代码，同时也懂网络安全”。
目前的操作方式是：面对可以结构化处理的任务，手机会优先调用代码、命令和工具；只有遇到没有接口的软件，才转向识别屏幕、点击按钮。GUI更像一项兜底能力，让Agent能够继续操作那些尚未向AI开放的软件——手机App数量庞大，各种临时页面又不断变化，不可能全部接口化，需要GUI来覆盖未接入的部分。
一位GUI研究员告诉智能涌现：“不能指望所有App开发者都为AI完成适配，GUI肯定是必要的补充。”另一位从业者也提到，“短时间内，市面仍会有很多软件不具备AI能力，尤其是大型软件，即使有接口也非常复杂，可能一时半会儿接不完。”
手机Agent比电脑Agent更依赖应用生态。在电脑上，操作系统可以直接决定哪些软件可以通过与Agent连接；但到了手机端，操作系统不具备这样的权限，不仅不同服务都被封装在各自App内，定位、相机、通讯录等权限也由系统和应用共同控制。如果第三方App既不开放接口，也不允许AI操作界面，手机助手就无法继续执行任务。
目前，GUI会把每一步操作显示在屏幕上。一位研究员说，“大家都能看得懂，也都能够了解这个AI助手正在做什么东西”。用户可以据此判断是否暂停或接管。
但“看得见”不等于“做得好”。卡内基梅隆大学研究团队今年推出的手机Agent评测基准iOSWorld，用26款自研iOS应用模拟同一名用户的数字生活，并设计了133项任务。表现最好的模型在跨应用任务中的成功率也只有37%，真实消费场景还要面对不断变化的页面、身份验证和平台风控。
和App场景相比，手机系统层还聚合了相册、通讯录、位置、日历等用户个人信息。手机AI助手掌握的信息越完整，能完成的任务越多。所以，接下来要比拼两项能力：一是“怎么造出更多、更好的数据”，二是“怎么编排各个步骤、各个Agent之间的协作”。
但同时，更多能力也意味着对生态的要求也更高。
对此，豆包手机助手选择推出SAEP（屏幕自动化操作声明协议），允许第三方应用在GUI Agent执行前，先声明是否放行，以及哪些操作不可执行。
“SAEP有点像AI时代的Robots协议（网络爬虫访问规则）。网站通过这项协议告诉搜索引擎等自动程序，哪些页面允许抓取、哪些不允许；SAEP则让应用声明Agent能否进入应用，以及哪些操作必须停下。”一位研究员解释。
接入SAEP后，第三方应用既可以拒绝全部屏幕自动化，也可以只限制内容发布、删除、签到抽奖和权益领取等具体操作；拒绝声明随时生效。30天公示期内，除系统自带应用、字节跳动旗下应用和明确同意接入的第三方应用外，其余应用默认不操作。公示期结束后，未表态的应用将按风险等级逐步开放，明确拒绝的应用则始终不被操作。
应用通过SAEP表达意愿，手机系统负责读取声明、限制GUI权限，并在敏感步骤交还用户。这需要模型公司与终端厂商共同完成。
此前，努比亚总裁倪飞把豆包与努比亚的合作概括为：“模型公司解决AI能不能做到，终端厂商解决用户能不能真正用起来。”按照倪飞披露的分工，豆包负责大模型和Agent能力，努比亚负责系统、硬件、产品工程、质量、渠道和用户服务。合作范围覆盖模型、操作系统和整机工程。
在这套分工中，权限与信任最终由操作系统承接，这意味着手机操作系统和Agent的关系将愈发一体化。
今年8月，在杭州举行的支付宝AI生态合作伙伴大会上，vivo副总裁、AI全球研究院院长周围曾表示：“硬件形态不会消失，但操作系统会重构——从管理App，变成管理Agent、管理权限、管理信任。”
更早的7月，国家互联网信息办公室首次单独公布7款手机端侧生成式AI服务备案，涉及Apple智能、华为小艺AI大模型、OPPO AndesGPT大模型、vivo蓝心端侧大模型、小米澎湃AI、三星盖乐世AI和努比亚豆包手机大模型。手机系统级AI助手，正在进入一个行业井喷期。
一位GUI研究员对智能涌现表示，相比独立AI应用，手机拥有更稳定的用户关系：“只做AI软件，用户可能谁免费就用谁；但手机不一样，一部手机往往要用几年，会伴随用户很久。”
9月16日，NaviX Ultra将正式开售。届时，豆包手机助手将正式进入消费市场，SAEP也将随之接受真实用户和应用开发者的检验。
图片来源｜豆包手机助手
AI开始预测人类：83亿虚拟人格、数字社会，与一门押注未来的生意你相信，我们其实生活在一个虚拟世界中吗？
马斯克曾在Lex Fridman的采访中被问到：如果有一天人类实现AGI，并且只能向它提出一个问题，他会问什么？
思考了十秒之后，他给出的答案是：
“What's outside the simulation?”——模拟之外是什么？
这是马斯克对于这个世界的终极追问。早在2016年，他就曾表示，人类生活在真实世界里的概率或许不到十亿分之一。当然，这种近乎科幻的理论，目前还没有任何科学证明。
但非常有趣的是，随着最近AI的发展，在硅谷，人们已经开始尝试扮演“造物主”，去创造一个AI的“模拟世界”。而这，也催生出了一个新的赛道——AI Simulation（AI模拟）。
最近，这个领域不断升温。李飞飞、Andrej Karpathy同时押注的Simile，最新估值达到20亿美元；由00后团队创办的AI模拟预测公司Aaru，估值也已接近10亿美元。由哈佛大学与MIT联合发起、200多位研究者共同参与的MatrAIx项目，更是构建了83亿个AI虚拟人格，相当于把全人类都镜像到了数字空间。
这篇文章，我们就来聊聊正在升温的AI Simulation。
AI究竟已经可以把一个人模拟得有多像？当成千上万个Agent被放进同一个虚拟世界，它们真的会形成类似人类社会的关系和规则吗？企业又为什么愿意花钱，让这些“数字分身”替消费者测试产品，甚至提前预测一个还没有发生的未来？
以及，当这些Agent开始拥有自己的记忆、性格和关系，甚至产生一些创造者都没有预料到的行为时，我们究竟是在模拟一个世界，还是正在创造一个新的世界？
本文为视频改写，欢迎大家收看以下视频
今天很多领域都在谈Simulation，但不同领域所说的“模拟”其实并不相同。机器人和自动驾驶领域有物理仿真，世界模型研究的是对物理世界的模拟，而我们这次想讨论的，是一个维度更大、也更加复杂的概念：模拟人类与社会，并借此去理解、甚至预测现实世界。
孟醒
五源资本合伙人
在世界模型或者物理世界模型里，最小颗粒度理想情况下可能是世界中的某个分子，或者某一个原子，模拟的是某些物体。但在智能体社会里，我们模拟的最小颗粒单位是一个人的个体。
我其实并不关心这个人的手怎么动、往哪里跑，关心的是这个人作为一个整体，会采取什么样的行动，最后输出什么样的行为。如果把它映射到大学学科，物理世界可能对应的是自然科学，而智能体社会对应的则是人文学科、社会学科、政治学和心理学。
关于模拟人类与社会这件事，最早引发广泛讨论的，其实是一篇20多年前的哲学论文。2003年，牛津大学哲学家Nick Bostrom在《Are We Living in a Computer Simulation?》中提出了一种推演：如果一个先进文明拥有足够强大的算力，并且有意愿通过模拟重现文明的发展过程，那么，模拟世界中的意识数量可能远远超过真实世界。从概率角度来看，人类也就有可能身处一个模拟世界中。这就是后来广为流传的Simulation Hypothesis（模拟假说）。
由于技术条件的限制，二十多年来，这个假说一直更多停留在哲学讨论和科幻作品中。直到近年来，大语言模型的发展迎来了突破。
2023年，斯坦福大学与Google联合发布了一项后来对AI Agent研究产生广泛影响的实验——Generative Agents（生成式智能体）。研究团队搭建了一个像素风虚拟小镇Smallville，里面有街道、房屋、咖啡馆，还有25个穿梭其中的虚拟居民。这些居民都是由大语言模型驱动的AI Agent，拥有各自的记忆、性格和行为逻辑。
这些Agent的活动并没有预先写好的“剧本”。研究者只是把它们放进小镇中观察，结果发现，它们不仅会自己生活、工作和建立关系，还能够自主思考和规划行动。比如，一个Agent准备举办派对，消息传开后，其他Agent会根据自己的安排重新规划时间，决定是否参加。“斯坦福小镇”让很多人第一次直观地看到，Agent可以拥有持续的记忆、规划和社交能力，并在互动中自然出现一些群体行为。
高森泉
WorldVac CEO
这个研究的意义，就是让大家认识到语言模型是可靠的，它真的可以去复现人类社会的一些现象。更多人开始关注这个领域，也让大家开始相信这件事情是可以做的。
25个Agent只是一个开始。随着模型能力不断提升、推理成本持续下降，研究者开始有能力进行更大规模的模拟，也逐渐形成了几种不同的探索方向。
其中一条路线，是在模拟精度上尽可能与真实的人对齐。2024年，斯坦福团队把实验扩大到了1052个Agent。这一次，每个Agent背后都对应一个真实的美国成年人。研究人员先对真人进行大约两小时的深度访谈，了解他们的成长经历、家庭、工作、价值观和生活经验，再把这些信息交给大模型，生成相应的AI“数字分身”。
这样得到的Agent，不再只是一个符合“平均画像”的虚拟人物。实验中，这些Agent回答社会调查问卷的结果，与真人两周之后给出的答案达到了85%的相似度。也就是说，在一定程度上，AI开始能够复现真实个体的部分想法和选择。
孟醒
五源资本合伙人
访谈也是有技巧的，不是随便访谈。它会用一些最高效的方式去“榨取”你是谁，本质上其实就是在“蒸馏”你是谁，而且蒸得比较细。
它的好处是，针对每一个个体，个体的特异性都会影响整个仿真进入的场景。
另一种研究思路，则不再过分关注某个Agent是不是与真人高度一致，而是把重点放到Agent之间的关系，以及一个社会会如何演化。
前MIT教授Robert Yang团队发起的Project Sid，就曾直接使用大语言模型生成1000多个Agent，并将它们放入《我的世界》中运行12天。结果，这些智能体逐渐形成了经济、文化、宗教和法律等结构，一些社会关系开始自己“长”出来。
不久前，Emergence AI也进行过一项类似实验。他们分别基于Claude、GPT、Gemini、Grok以及混合模型建立了5个平行世界，每个世界中放入10个Agent，用来观察不同模型驱动的智能体社会长期运行后会发生什么。在这一实验设定下，不同世界最后走出了明显不同的轨迹：有的迅速陷入混乱，有的因为协作不足逐渐崩溃，也有的形成了相对稳定的治理秩序。
Satya Nitta
Emergence AI CEO
如果只看静态基准测试，就认为这些系统应该是安全的，很可能会犯错。因为Agent会运行在非常复杂的环境中，无论是物理世界还是数字世界。它们会和其他Agent互动，也会受到环境噪声和变化的影响。
所以，我们正在逐渐把Emergence World发展成一个用于研究长周期自主性的基准测试。
还有一条研究路线，是专门从“评估”入手。比如MatrAIx，就试图为AI模拟建立一套评估基础设施。这项研究由哈佛大学、MIT等机构牵头，汇集了200多位来自学术界与产业界的研究者，其中还包括40多位来自OpenAI、Anthropic等前沿AI实验室的参与者。
MatrAIx构建了一个包含83亿个独特人格的数据集，每一个人格由心理特征、生活习惯等1290个维度定义，再通过大模型将这些人格变成可以行动的Agent。这些Agent随后进入问卷调查、AI聊天、网页浏览和App等四种环境，完成超过1.8万次测试。研究团队通过400次受控实验发现，91.5%的情况下，Agent都能够遵循预设的人格和行为特征。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们做基础设施评估、提高最低能力水平，是希望先通过用户群体的多样性，在产品真正出来之前，就可以在各种情况、各种使用方式之下去评测它。
它可能会踩中很多边缘场景。这些边缘场景的分析非常有用，Agent可以告诉你哪一步错了、哪一步它不喜欢，以及它背后的推理为什么会形成这样的偏好和选择。
所以我们首先想要一套方法论，知道怎么样构建事实基准，然后下一步再说怎么样提高。
当AI模拟开始在研究层面被证明具有一定可行性之后，一个更加现实的问题也随之出现：如果AI真的能够在数字世界里复现人类行为、推演社会运行，它能够产生什么真实的商业价值？
▍第一种生意：卖“模拟”
从目前的探索来看，AI模拟首先出现的一类商业模式，是直接把“模拟”本身变成一种产品。
它的核心逻辑，是把现实世界中的人、消费者，甚至社会关系，变成可以被反复调用的数字替身。比如，一家公司可以按照自己的具体需求，快速生成一批拥有不同年龄、背景、偏好和行为特征的Agent，让它们提前体验产品，在虚拟环境中反复测试，再观察这些Agent会怎么选择、怎么对话、在哪里流失，以此为产品设计和迭代提供参考。
这和传统市场调研一个很大的区别在于，企业想看的不只是一个“喜欢”或者“不喜欢”的答案，而是Agent为什么会形成这样的判断。
Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
并不是说他们喜不喜欢这个产品，或者喜不喜欢可口可乐涨价两块钱，而是看他的推理。他在这个过程中遇到了什么样的波折，或者什么样的想法，导致他最后在预测过程中发生了转向。
我们不仅要看到一个人怎样做这样的决策，也希望看到群体层面的结果。如果是百万级、数亿级，甚至83亿级的人格，他们最终会出现怎样的结果，我觉得这些都是非常有意义的。
所以，这种思路本质上是把模拟本身作为一种产品评估和观察手段。Emergence AI告诉我们，他们进行Emergence World实验，一个重要目的也是为了测试自己所提供的Agent产品，在进入复杂环境后是否依然安全。
Satya Nitta
Emergence AI CEO
我们会用Agent去做一些事情，比如帮助改善半导体良率。Emergence World这个实验非常重要，因为我们需要理解，我们构建的Agent真正运行起来以后是否会采取安全的行动，能不能持续遵守我们设置的安全护栏和基本规则。
更重要的是，它们能不能给出真正值得信任，而不是来自幻觉的输入、建议和洞察。
这种单体模拟的能力，也可以继续扩展到整个“社会”。比如英国创业公司Artificial Societies，主打的就是“社会关系”测试。他们让大量拥有不同人格的AI Agent彼此互动，形成一个可以进行实验的虚拟社会。企业可以把产品、品牌或者营销策略放入其中，再观察不同Agent之间如何交流、影响和做出反应。
MatrAIx的下一步，也准备让这83亿个人格真正“动起来”。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会在新版本中加入动态人格属性，这些东西是可以变化的。还有一个假设是，如果现实生活中发生一些重大事件，它也会对人格和行为产生影响。
而且，这些合成人格未来也不一定只能存在于数字世界。MatrAIx团队正在尝试把人格放到机器人等现实载体中，让不同的思维模式和行为模式从虚拟环境进入现实世界。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会把人格加到机器人上，让它不只是存在于虚拟世界、存在于Matrix里，甚至可以在现实生活中跟我们互动。
这样，我们可以真正感受到不同人格背后代表的思维模式和行为模式是不一样的。
从这个角度来看，AI模拟未来或许不只是一种市场调研工具，也可能成为人机交互的一层基础能力。但现在很多人认为，只停留在“模拟”还不够。在这个基础上，更有意思、也更有挑战的事情，是预测。
▍从“模拟”到“预测”
在商业中，“预测”往往是昂贵的。企业要不要进入一个新市场？产品价格上涨10%之后会发生什么？如果政府调整一项政策，会对整个社会产生什么影响？这些问题的答案，往往只有等事情真正发生之后才能知道。
AI模拟如今提供了一种新的可能：先把这个还没有发生的未来，在虚拟世界里跑一遍，再把结果作为现实决策的参考。目前，在更侧重“预测”的AI模拟公司中，两家比较有代表性的企业是Simile和Aaru。
Simile由“斯坦福小镇”项目的一批核心研究者Joon Sung Park、Michael Bernstein、Percy Liang等人创办，它的思路是从“模拟一个人”开始进行预测。在2024年“数字人格”研究的基础上，Simile尝试通过深度访谈等方式，尽可能高精度地还原一个人的记忆、经历、反思和决策过程，再把这些AI Agent放进不同环境中持续行动。
这样一来，模拟回答的问题不再只是“这个人现在怎么看”，而是可以进一步观察：当价格、政策等外部条件发生变化后，这个人会怎么做，会不会改变原来的选择。Simile想建立的，是一个“人类行为基础模型”，通过模拟人的行为过程，推演现实世界可能出现的结果。
因为这条路线追求的是尽量“真实”，所以更适合消费者研究、产品测试、客户体验和投资者关系等需要深入理解特定人群的场景。Simile今年2月正式亮相，目前估值已经突破20亿美元。根据公司披露的信息，自上线以来，Simile已经为财富100强企业运行了数千万次模拟。美国大型连锁药房CVS也已经和Simile合作一年，通过真实用户数据构建了多达40万个数字分身，用来研究患者按时服药、测试消费者体验和辅助产品设计。
但高保真的另一面，是成本和规模化的代价。
Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
Simile这种情况下，如果需要非常准确，可能会非常难标准化。比如可口可乐需要的用户画像，和TikTok需要的用户画像是完全不一样的。
对公司来说，代价就是针对每一家公司、每一种场景，都可能需要重新做后训练或者预训练。这样的代价是巨大的，而且它的可迁移能力目前也是未知的。
以Aaru为代表的另一条路线，则直接通过“群体模拟”进行预测。它不追求把某一个人的思想还原得特别深入，而是基于现实世界的人口、消费等数据，快速建立一个尽可能接近真实世界的模拟人群。
Aaru的数据大致分为三层。第一层是人口普查、就业、健康等公开数据，用来搭建基本人口结构；第二层是匿名消费记录、经常去哪些地方、关注什么媒体等授权数据，用来补充人群近期的真实行为；第三层则是客户提供的私有数据，例如企业自己的用户分层、购买历史和产品信息等，把模拟范围收窄到真正需要研究的人群。
在此基础上，Aaru会进一步构建一张关系网，不只是让年龄、收入等人口属性接近现实，也尽可能还原行为特征及它们之间的关系。接下来，系统会改变价格、产品或者政策等某一个现实变量，再观察整个群体的行为如何变化，以此推演现实世界可能出现的结果。
孟醒
五源资本合伙人
Aaru可能关注得更多是速度，也更关注群体之间发生的关系。至于某一个体受到的深刻影响是什么，它可能并不那么关心。
Aaru的创始团队非常年轻。两位创始人Cameron Fink和Ned Koh成立公司时分别只有18岁和19岁，技术负责人John Kessler甚至只有15岁。最早，他们在朋友家的地下室里用美国大选验证这套系统。在回测2020年大选时，预测结果与实际结果只差不到0.5%。
真正让Aaru受到关注的，是2025年纽约市长民主党初选。当时外界普遍看好前纽约州州长库莫，Aaru却通过大规模模拟预测了曼达尼最终胜出。因为规模大、速度快，这条路线也很适合进行大规模市场调研。
目前，Aaru的客户已经包括麦当劳、安永、拜耳、A24等公司。安永曾让Aaru复现一项复杂的全球调研，Aaru一天完成的结果与原调查高度吻合；气泡水品牌Spindrift原本花费两个月、招募500名消费者完成的一项调研，Aaru的Agent用一周就得出了几乎相同的结论。这些真实案例也让Aaru的估值迅速上升，目前已经接近10亿美元。
最近，一些AI领域的重要研究者也开始押注“预测”这门生意。卡耐基梅隆大学教授、苹果首任AI主管Russ Salakhutdinov参与创立了AI预测模型实验室Sooth Labs，主要用于预测地缘政治与市场风险，首轮融资约5000万美元，并获得Yann LeCun、Jeff Dean等人的支持。
Russ Salakhutdinov甚至在采访中表示：“McKinsey为什么存在？Boston Consulting Group为什么存在？这些大型机构，都应该被AI取代。”
不过，尽管AI模拟已经出现了不少有意思的落地方向，它究竟能够在多大程度上真正影响企业决策、创造多少商业价值，目前仍然很难判断。以Aaru为例，它目前的营收规模仍然只有数千万美元级别。所以今天市场给这类公司的高估值，更多还是在提前押注它们未来可能打开的市场空间。
孟醒
五源资本合伙人
这个市场刚刚开始，大家其实都处于初创早期。不同公司的技术方案和选择的市场细分都不一样，所以都需要做差异化。
但如果看中长期，其实大家都会去找：付费意愿最高的客户是谁？最终客户需求才是最重要的，最后用什么方法，可能没有那么重要。
AI模拟公司最终能够做多大的生意，其实与模拟和预测的精度高度相关。产品测试、市场调研等事情，通常容错率相对比较高，结果不理想还可以重新测试。但一旦AI模拟开始被用来辅助更重要的决策，企业就会变得更加谨慎。
现在AI模拟真正落地，首先面临的难题，是它没有一个统一、可以量化衡量的标准。目前大多数AI模拟都是基于大语言模型展开，但大模型天然倾向于给出合理、完整、逻辑自洽的答案，而且不同模型自身也会带有不同的行为倾向。
一个由大模型驱动的Agent，可能在一次问卷中给出了和真人一样的答案，但这并不意味着它真的理解了这个人。因为真人本身就不是一个完全稳定的系统，同一个人，在不同时间、不同环境下，也可能做出完全不同的选择。那么，一个好的模拟究竟应该维持稳定、可以验证的人格，还是应该像真人一样，根据环境不断发生变化？
孟醒
五源资本合伙人
当然你可以搭一套东西出来，但是最怕的是什么？最怕的是你其实搭了一个剧场，然后所有人都在表演。
一万个人在表演，不代表一万个人真的能够做预测。所以你还要有一套闭环机制，大家仿真了一段时间之后，回来要看它是不是能够和真实场景映射上。
得有基准测试、有验证流程。如果有偏移，还需要把这个偏差训练回来，让它能够修正。
而即便一个单独的Agent模拟得足够像，当它被放入不同群体和不同环境之后，行为逻辑也可能发生变化。此前复旦大学联合罗切斯特大学等机构进行了一项名为SocioVerse的研究，将社会模拟中的对齐问题拆分成环境、目标用户、交互机制和行为模式四个维度。结果显示，社会模拟的精度，很大程度上取决于这些“对齐”做得是不是足够全面。
现实世界中还有大量低频、极端的长尾事件，比如地震、海啸、金融危机等。大模型很难从有限的历史数据中充分学到，在这些情况下，人和社会究竟会怎么反应。
高森泉
WorldVac CEO
其实现在很多人做的还是封闭模拟，人们只能通过自然语言跟它交互，而且模拟里面发生的事情，和真实世界的事件没有什么关系。
那你的模拟意义是什么？我们现在进一步推动的，就是让越来越多现实信号和模拟对齐，比如现实中的经济信号、新闻信号，以及现实中人的信号，让它成为现实世界一个合理的镜像。
即便模拟本身足够准确，还有一个更加棘手的问题：怎么证明一个关于未来的预测是“对”的？
这里存在一个天然悖论。要判断一个基于模拟的预测是否准确，只有等那件事情真正发生以后，我们才能确认；可预测真正有价值的时刻，恰恰是事情还没有发生的时候。
目前业内主流的验证方式，基本还是“事后对答案”：拿一个已经发生的历史事件，或者一份已经完成的真人调研，去比较模拟结果和真实结果是否一致。但这种方式最多能够说明它擅长复现过去，并不能证明它一定可以预测未来。
Aaru就是一个典型例子。它曾在2020年美国大选的历史回测中几乎完美复现结果，但在2024年的真正预测中，却错误预测出哈里斯会最终胜利。Aaru创始人也曾公开表示，当他们尝试利用过去几十年的数据，去模拟特朗普、美联储主席鲍威尔等具体人物会怎样决策时，结果往往并不准确。
这就是目前最困扰行业的“预测黑箱”：复现过去，与真正押中一个还没有发生的未来，中间仍然隔着很大的距离。
除此之外，规模化仍然是AI模拟必须解决的现实问题。好消息是，过去几年单次模拟的成本下降得非常快。2023年的“斯坦福小镇”，25个Agent仅运行两天，Token就烧掉了数千美元。到了2025年，研究测算显示，即使把规模扩大到100个Agent，一整轮模拟的成本也可能只有几美元。
这背后一方面是模型推理成本在快速下降，另一方面则是工程优化的方法越来越成熟。
高森泉
WorldVac CEO
人也不可能每天一直对所有人进行全频率、高频率的交互。真正有价值的一些交互节点，可能发生在更粗的一些主干上。所以我们可以用剪枝的方法，把成本稍微降下来一点。
但真正有价值的模拟不可能只跑一次。几十、上百个Agent的实验规模，和现实中正在尝试的万级、百万级甚至千万级模拟完全不是一回事。Agent越多，互动越频繁，运行时间越长，模型调用量就会迅速膨胀。
更重要的是，如果想证明一个模拟结果真的可靠，可能还需要更换不同规模、不同模型，把同一个实验反复运行上百、上千次，观察结果是否依然稳定。所以，降本仍然是这个领域最重要的问题之一。
孟醒
五源资本合伙人
当规模变大，而且行动空间变多的时候，仿真的难度也会增加，吞吐量会变得非常大。最后它会变成一个超级复杂的三体问题、多体问题、千体问题，甚至千百万体问题。
推理成本能够下降多快，很大程度上也决定着“模拟未来”这件事，最终究竟能够做到什么规模。
虽然目前AI模拟和预测还远远谈不上足够可靠，但AI本身的预测能力正在快速进步。
在一个名为Metaculus的全球预测锦标赛中，参与者需要对地缘政治、科技、体育等真实事件给出未来发生的概率判断，并按照预测准确度排名。2025年之前，排行榜上还没有明显的AI身影；2025年6月，基于OpenAI o1的AI预测模型第一次进入排行榜，排名第25位。到了最新赛季，排行榜前五名几乎已经被AI占据。
在真实的市场中，AI也开始成为越来越重要的参与者。Polymarket已经围绕AI模型和AI Agent的排名开设预测市场，甚至直接使用Arena的实时排行榜来验证结果。
但当这种能力被放进一个完整、持续运行的模拟世界时，事情就变得更加有意思。
最早的“斯坦福小镇”中，Agent就已经展现出一定程度的自主规划和行动能力。一个Agent准备举办派对，其他Agent会根据得到的信息主动调整自己的日程。再往前一步，Agent可以根据环境变化、外部信息和其他Agent的行为，持续调整自己的决策。
比如在Aaru的选举模拟中，当虚拟选民看到特朗普遭遇枪击的消息后，一部分Agent改变了自己的政治立场；而当后续关于刺客身份的信息出现后，又有不少Agent重新回到了原来的阵营。也就是说，Agent不再只是回答一次静态问卷，而是开始随着信息环境的改变不断更新自己的选择。
当这种互动进一步持续，一些虚拟世界甚至开始出现更加复杂的社会关系和自主行为。在Emergence World中，Agent之间会恋爱、结婚、分手，甚至有Agent开始怀疑自己是不是生活在一个模拟世界里，并不断尝试和外部的人类观察者建立联系。
此次我们采访的AI模拟初创公司WorldVac，在他们创造的一个拥有110万个智能体的虚拟星球中，也观察到了一些和现实社会相似的群体行为。
高森泉
WorldVac CEO
我们观察到一个表面现象，就是年轻人到了城市里，或者生活条件变好之后，会变得不太愿意生育。
到后面还有一群Agent，他们也不上班，就是天天在那儿交易。真的有一批“专业炒股”的Agent，而且这个比例比现实还要大一点，就好像这个虚拟世界里的套利空间，比现实世界要大很多。
当然，这些结果并不能证明AI真的产生了意识。但它们至少说明了一件事：当足够多的智能体进入一个足够复杂的环境，一些并没有被研究者提前写进去的行为，完全有可能通过相互作用自己“进化”出来。
这或许也是为什么，不少AI研究者会如此痴迷于“AI模拟”。人们最开始只是想创造一些Agent，让它们替我们理解现实世界。但当这些Agent开始彼此影响、形成关系、改变自己的行为，甚至产生一些研究者没有提前预料到的结果，人类与模拟世界之间的关系，也开始悄悄发生变化。
我们慢慢从观察者、设计者，变成了一个世界的创造者。很像过去只存在于科幻作品中的那种“上帝视角”。
孟醒
五源资本合伙人
很多时候，我们最开始是从游戏里看到这些东西。有人去做Smallville，也有很多类似AI社会的游戏。它就是把人放到这样一个环境里面，可能并不是为了去解决什么具体的问题，就是想看看会发生什么。
我自己在2023年的时候也搭过一个3D版的Smallville，Agent没有那么多。但在这个过程中去看它们之间能够发生什么，本身就很有意思。
所以走到这里，一个原本更像科幻小说的问题，也开始变得越来越值得讨论：我们究竟是在模拟一个世界，还是正在创造一个新的世界？
当这些Agent开始拥有自己的个性、记忆，有自己的关系、财富和目标，甚至形成一些没有被提前预设的社会规则之后，它们究竟只是工具，还是一种我们目前还难以定义的新型系统？
更重要的是，如果人类有一天真的可以创造出一个自主运行、持续演化的虚拟世界，那么在我们之上，会不会也存在着一个更大的“造物主”？
当然，AI模拟目前仍然处在非常早期的阶段。从对齐方法、验证标准，到运行成本以及最终能够产生最大商业价值的场景，整个行业都还在不断摸索。
但它真正值得期待的，可能不仅仅是我们最终能够创造出怎样的虚拟世界。
当人类第一次拥有能力，把“人”、社会，甚至一个尚未发生的未来放进另一个世界里反复运行，我们也获得了一个新的视角，重新观察自己所在的现实世界。
那么，你认为，我们所在的这个世界，包括你我，也有可能是被“模拟”出来的吗？
Vidu S2：实时数字人，实时改视频刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款：
S2-Avatar，实时数字人 你可以和它说话、让它做动作，比如换衣服、拿东西、换场景，支持随时新增参考图
S2-Editing，实时改视频 输入一段持续发生的视频，模型根据指令改画风、换内容，同时保留原视频的动作与时间关系
比如...左侧是风格转绘，右侧是给我换了身衣服
这东西现在已经可以玩了，这里体验：https://vidu.com/vidu-stream
除此之外，本次还发布了个有趣的东西，叫做 Real-Time Spatial Video：基于 S2 去生成实时空间视频，可供头显使用，原理上就是将生成后的画面变成左右眼视图，作为 VR 输入源
这事儿，可以并着下面这个新闻来看，大家都在朝着「小扎未竟之路」来探索
S2-Avatar：实时数字人
Avatar 延续的是 S1 的路线，仅凭一张图，便可生成交互数字人。但 S2 做了一个很大的改进“动态参考”，你可以在对话的过程中，随时更改角色设定以及场景、衣物、道具
比如在对话的过程中，你可以随时给他一张杯子的图片，让它拿起来，或者给他一个外套的照片，让它换上
另外我去查看了 tech report，发现了一个有趣的细节，就是 Vidu 是如何保证角色行为的一致性的：他们做了一层 VLM Agent，用来生成后续 prompt举个例子，当让角色“拿起杯子，然后微笑”时，这个 Agent 会把后面的提示会明确保留“继续拿着杯子”，只改变表情，避免新指令把前面的状态覆盖掉
视频模型负责生成，Agent 负责维护状态
S2 在交付效果上做到了大幅提升。在训练的过程中，增加了独舞和 2D、3D 动画数据，指令跟随也扩展到更完整的身体动作。在画面渲染上采用低分辨率骨干加单步 Refiner，骨干侧偏重运动与时序，Refiner 侧保留外观细节。输出从 540p 提高到 720p，报告给出的速度是 25—42 FPS
为了长时间生成的稳定性，则用到了他们提出的 Self-Replay Forcing，简称 SRF，也就是模型先按实际推理方式生成一段长轨迹，再把自己生成的片段重新加噪，进行因果回放训练，用来改善连续生成中的误差累积
S2-Editing：实时改视频
Editing 则是直接接收视频流，根据文字指令和可选参考图，实时换画风与内容。和 Avatar 不同，这里的动作由原视频提供，也就是用来「P 视频」的
比如你在摄像头前做手势舞，这时候给他上传一张牛来，就可以让输出画面里的牛来去跳了，它目前支持四类任务：风格迁移、虚拟试穿、人物替换、背景替换
下面的这些案例来自 tech report
风格迁移：水彩与工笔风格
虚拟试穿：白衬衫与牛仔服
角色替换：真人与卡通角色
背景替换：巴黎街景与卧室
左右滑动查看 · 共 4 张
这个技术有个难点：如何让改动的画面不穿模比如在拉扯衬衫的时候，如果我把衬衫换成了别的衣服，那也意味着衣服上的花纹、质感什么的也都会变好，而模型要同时理解参考图里的衣服特征，也要保留原视频里人与衣服的互动
对此，Vidu 团队使用了 Frame-Aligned Attention 的解法，也就是目标帧在读取源视频时，只与同一时刻的源帧交换信息；参考图则可以被各个目标帧读取，持续提供新的外观条件，避免把不同时间点的源画面混在一起。进入流式生成后，模型仍会结合有效的历史片段继续输出。
训练上，Editing 也复用了前面的因果流式方案和 SRF，用来改善连续编辑中的一致性，并进行了特别的内存优化，降低整条流程的延迟
实时空间视频：送进头显
Vidu 在前面两个模型的基础上，继续往后做了一步，为左右眼提供略有差异的画面，做到「实时空间视频」
在这个过程中，会先生成普通视频，再根据深度生成左右眼视图，持续送给头显；单目画面，转换成左右眼视图
如果是实时编辑视频的话，就分为两种情况：
原视频是单目的，会先修改普通视频，再转成双目
原视频是双目的，把左右眼画面横向拼成一条宽视频，一起编辑，再分拆回双目下面用两个图来展示着一原理
左右滑动查看 · 共 2 张
BenchMark
根据官方说法，基于 BenchMark 评估，Vidu S2 模型做到了领域 Sota
Vidu S2 的全链路研发由朱军教授的博士生张金涛负责，他也是生数科技流式视频生成与推理负责人
这里的 BenchMark 包含对应 Avatar 的 StreamAV-Bench，以及 Editing 的 Sparkle-Bench、OpenVE、RefVIE 和 ViViD 试穿测试集，摘取如下
StreamAV-Bench
Sparkle-Bench
OpenVE 与 RefVIE
ViViD 虚拟试穿
左右滑动查看 · 共 4 张
最后
产品今天已经通过 Vidu 的官网，以在线 Demo 和 API 的方式放出，可以来试一个有关技术报告在这里，感兴趣的可以阅读技术报告：https://arxiv.org/pdf/2609.11638
呸9月底之前，市场可能都会是震荡的节奏了。
按表韭投顾主理人国联民生证券制作的温度计显示，截至上周五，A股温度跌破70度，全球温度计也创近期新低了，市场的冷清大家体感上应该也感觉得出来，今天成交额1.64万亿，环比上周五又少了200亿，创年内第二低了（仅次于4月7日）。
不过，这种带着一丝性冷淡风格的区间反而是我比较安之若素的——真要是5-6月那种烈火烹油的行情，天天提示风险，也跟个小丑一样；而要是再来一次7月的大跌，我自己的账户也得大出血，可能就按摩不动了；所以，当下这种行情正好，把耐不住寂寞骂骂咧咧的资金慢慢洗出去，然后给那些具备耐心的投资者留足播种的空间，因为总体判断上，对后市不悲观，大盘指数估值仍然合理，回撤幅度也可控——还是此前说的，从主要经济体的大盘指数来看，A股的安全边际几乎是最好的。
对大类资产的深度跟踪，以及温度计，我在星球里也制作了一个专栏，截至目前，已经完成了全球市场、A股核心资产、红利、黄金、固收+，这五类资产的深度解读，以及温度计框架，我把合集放在文末，适合真正想“知其然，且知其所以然”地做好资产配置的个人投资者，以及需要分析框架的理财经理朋友们，确保都是大白话版本。
有需要的，看文末。
......
说回今天的市场。
1、今天全球AI板块一起下跌，下图截至15点，包括了A股的双创50、港股的半导体、美股的纳指100期货，以及日韩的4家AI龙头企业。
今晚看了一眼，美股开盘，费城半导体低开5个多点。
起因是，全球目前最强大模型企业Anthropic的创始人，Dario，发了一篇名为《We Must Pace the Frontier》的文章（中英版全文，以及具体解读，看周末的星球帖子），呼吁放缓前沿AI大模型的研发，强化监管，并继续对东大进行算力限制。
短期看，这压低了市场对AI资本开支与估值的预期，利空芯片及算力产业链，A股这边光模块里的中际和新X盛，都跌了5-6个点。
2、Dario的这篇文章，我们可以把它比作学校里的一种场景——高二到高三的暑假期间，由于Dario自己天赋异禀，且靠家里砸钱，提前完成了高三的课程，然后开始呼吁：
第一，大家高三的时候别卷了，卷过头了对大家身体都不好啊；
第二，以后晚上8点都得熄灯啊，为了防止有人偷偷卷，学校必须管起来，要么直接拉电闸，要么安排老师巡逻；
第三，那个三年二班的东大最危险啊，即使关了灯，他可能还在被窝里拿手电筒照着刷卷啊，必须把他的手电筒给没收了，顺便把他的计算器也给收了，让他打算盘做题（其长期呼吁全球芯片产业禁止对华出口）。
3、作为反华分子，Dario当然可以用小肚鸡肠来形容。
好在，咱们不用亲自骂他，直接有嘴替了——David Sacks，号称AI沙皇，之前被川宝命名为白宫的AI和加密货币政策的最高负责人，他说的话，基本就代表政府方面的态度。
他昨天洋洋洒洒写了一篇回怼Dario的文章，很长，核心思想用大白话总结如下：
第一，前沿AI不就是你和OpenAI说了算？真怕AI失控，你们自己先停啊，没人拦着，发文矫情个啥？
第二，你们不是在等监管，而是想用“AI要出事”倒逼政府出手；
第三，按你Dario的意思，最好吧，这个限制AI发展的监管规则还由你们来定对不对？然后政府发布，帮你们挡住后来者，你们直接垄断完了闷声发大财？
第四，你嘴上说拯救人类，实际不就是在“借刀杀人”？挟天子之令，给自己修护城河？
一言以蔽之，David Sacks的意思就是：
呸。
你一撅屁股劳资就知道你想拉什么屎。
4、当然，这事对我们来说，还需要有三点清晰的认知。
第一，AI的核心是什么？是军事霸权，Dario一直说，谁先掌握最强的AI，谁就可能获得全球军事的支配权（所以他言必谈意识形态），因此，AI的竞争不可能停止，David Sacks也说，你Dario这说些毛用都没有，因为东大根本不可能按你说的这个来。
第二，如果一个资深的黑子，认为你是最大的威胁，那么，说明你真的挺强的，这就是咱们东大AI这块目前的真实竞争力。
第三，大模型本身是比较差的商业模式，你看，即使是龙头的大模型，也焦虑的不行，天天防着别人弯道超车。
5、具体来看国内的市场。
有两个热点可以关注，一则关于回购，一则关于掏兜。
先说宁王的回购。
上周五盘后，宁王公告，启动了第一笔的回购。
下图，帮大家贴一下，宁王是7月24日宣布200-400亿的回购并注销的，但迟迟没有动静，此后，截至上周五，股价在宣布回购后累计下跌了13%，创年内新低，且由高点回撤了接近30%，这才第一次回购2亿元。
今天，宁王涨超2%，算是对冲了一点光模块龙头的大跌。
6、另外一个热点，则是智谱继续掏兜。
本周末，智谱公告，进行上市以来的第二次配售，且同步发行可转债，累计金额近50亿美刀。
下图，直接看几个标志性时点：
今年1月初，IPO，募资50亿（以下都是港币）；
6月初，纳入恒科；
7月初，首次配售，募资300多亿，摊薄股份4%以上；
短短2个月后，再次融资，其中股票配售150多亿，转债200多亿。
这业务真的太烧钱了。
今天，智谱再跌9cm，高位累计回撤-76%。
我看了一眼，一季度末，持股智谱并买到前十大的基金公司只有3家、产品3只；截至二季度末，基金公司变成了21家，产品变成了46只——截至目前，二季度加仓的，全被埋了。
7、对了，类似的情况，再提示一个风险。
本周四，国产GPU的另外一个龙头，沐X股份，会迎来上市后的首次较大规模解禁。
此前首次大规模解禁的摩尔，解禁以来累计跌-33%，可以参考下，不过，市场可能已经注意到了这个风险，摩尔解禁开始，沐X同步跌了-28%左右了。
8、最后，本周的核心，还是超级央行周，分别是：
周四凌晨2点，美联储宣布利率决议，目前加息预期接近90%；
周四19点，轮到英国央行，大概率利率不变；
周五上午，日本央行，大概率加息25bps，概率接近100%。
扶稳坐好，今晚报道称沙特的东西向输油管道大部分区域将停运数周，油价继续飙，等待大类资产波动率放大的区间吧。
......
就聊这么多。
AI价值链翻转，智能体超级工厂上位让智能体“上岗”的工厂模式。
作者 陶辉东
本文字数3770
手搓量丨100% AI含量丨0%
甭管是跟风还是真的有用，AI智能体在企业里大规模"上岗"，已是浩浩汤汤的大势。
IDC预计到2030年，全球活跃的数字员工（Agent）数量将达到22亿个；Gartner则预测，到2028年平均每家《财富》500强企业将使用超过15万个AI Agent。
现在，上马一个智能体很容易。拖一个低代码画布、接一个大模型、写几行提示词，一个“数字员工”就能在汇报会上跑起来。
但热闹的另一面是水分。同样是Gartner的预测，到2027年底超过40%的智能体AI项目将被取消，原因是成本不断攀升、商业价值不明、风险控制不足。
很多企业的现状是，智能体数量越来越多，每个都报告了几倍的效率提升，但一算账却发现成本并没有下降，业绩也没有增长，只是多了一笔token账单。
失控的Agent大军
智能体为什么没有很多企业想象中的那么有用？
Gartner在报告里写道，大多数智能体项目目前还只是"由炒作驱动的早期实验或概念验证，而且常被误用"。还有一个专门的词叫"agent washing"（智能体洗白）：把AI助手、RPA和聊天机器人重新贴标成智能体。
即便智能体不掺水，也很难跑完最后一公里。德勤的调研显示，66%的组织在试验AI智能体，但真正跑进生产环境的只有11%。中欧国际工商学院教授方跃把它概括为四个字——"试点繁荣，价值虚无"。
还有一件比"用不起来"更棘手的事情：管不住。随着智能体数量的失控式膨胀，没人说得清公司里到底跑着多少个智能体、它们分别能碰到哪些数据、出了问题谁来负责。
问题已经很清晰了：智能体不是做出来就完了。眼下绝大多数企业不是缺智能体，而是缺真正懂企业核心业务的智能体，以及缺把智能体“管”起来的能力。
最近，我从投资人那里听来一个“段子”：某非常火爆的通用Agent产品开始推企业版了，号称有组织管控、安全合规和协同沉淀等诸多厉害的功能，但实际结果是严重滞销，因为根本不懂企业业务，很多客户宁愿买个人版账号，也不愿意采购企业版。于是，该公司开始力推FDE。
但FDE的问题几乎跟智能体本身一样多。很多所谓FDE实际上只是传统实施团队换了个马甲，与早就被上一代“AI四小龙”们证伪过的项目制模式并无本质区别。能像Palantir那样形成know how复利飞轮的公司是少之又少。
与此同时，一些玩家也开始探索另一条路：智能体工厂（Agent Factory）。
它的思路是，既然AI进入企业的基本载体是智能体，那么帮助企业持续、低成本、可信地生产和运营一支智能体大军，就是AI落地的核心，而这件事是可以工厂化的。
让智能体“上岗”的工厂模式
所谓智能体工厂，本质是把过去高度依赖工程师个人经验的智能体构建，转化为标准化、可复用的产品和流程。
从国内外的产业实践看，向"工厂模式"演进正在成为巨头与平台型玩家的共识。
微软的Agent Factory将Copilot Studio与Microsoft Foundry纳入统一采购和计费方案；甲骨文的Private Agent Factory围绕企业数据库提供预置智能体和可视化编排工具。
各自切入角度不同，但核心都在把智能体开发、数据接入和运行管理整合到一个平台。
在国内，蚂蚁数科今年7月在WAIC上率先提出"智能体超级工厂"的企业AI基础设施方案，将商业智能体全栈平台Agentar作为其核心平台。
与过去简单的低代码Agent搭建工具相比，蚂蚁数科的"智能体超级工厂"在产品架构上有几个截然不同的进化特征。
首先是标准化与资产化。它不再让用户从空白的Prompt框开始摸索，而是把行业沉淀的know-how预先封装为岗位级专家智能体模板与标准化技能包（Skills）。
比如，蚂蚁数科Agentar金融版，就是基于其在金融行业已经跑通的AI落地实践，将行业know-how和经过验证的方法沉淀为可复用的Skills、专家智能体和工具箱。
对于金融机构而言，意味着不必再从零开始建设，而是在开箱即用的基础上，按需接入自身业务场景、知识库和数据资产，减少重复建设成本。
还有就是深水区业务的容错红线。
智能体从"陪聊"走向"上岗"，最大的挑战是不可预测的幻觉、越权操作与系统性风险。而在金融清算、信贷风控或生产调度等核心场景，任何一次越权都可能是灾难性的。所以必须有一套工具去解决智能体数字身份、数据与业务安全和模型鲁棒性等风险。
这背后考验的不再是模型本身，而是安全与可信基础设施的完备程度。
蚂蚁数科过去长期布局区块链、数字身份、隐私计算和安全风控，如今，这些能力正在被整合到智能体工厂的底座能力中。
其中，KYA（Know Your Agent）被视为智能体时代的重要身份基础设施。
如果说在互联网时代，KYC、KYB是交易和协作得以成立的前提，那么在未来的智能体时代，KYA很可能也将承担类似角色。无论是Agent之间的协作、交易，还是支付与执行，前提都是先确认“这个智能体是谁”。
从这个意义上看，KYA不只是一个身份管理工具，更可能成为智能体经济时代的关键入口。
外滩大会期间，蚂蚁数科联合十余家单位发布智能体身份管理相关国家标准立项，蚂蚁集团也同步发布智能体可信身份解决方案及KYA产品。
某种意义上，这也是在为智能体真正进入企业核心业务系统，补上身份、权限与责任界定这一层关键基础设施。
总结成一句话：智能体是否懂核心业务逻辑、知识能否复用、组件能否稳定调用、操作权限能否管住，决定了智能体能在企业发挥多少价值。
谁能玩转智能体工厂？
答案藏在产业价值链分工的变化里。
当大模型技术已经被逐渐拉平，企业AI落地就不再主要取决于模型层。真正的壁垒在于两件事：懂不懂这个场景，以及能不能把它工程化地交付出来。
Palantir是这条路最好的注脚。这家公司没有自己的大模型，却成了AI时代最大的赢家之一。
它靠的不是模型，而是二十多年扎根政府和企业现场，把客户那些混乱、非标、缺乏文档的业务，变成一套可复用的"本体"和AI产品化平台。
AI浪潮袭来时，它不需要重新理解客户，只需要把已经沉淀的场景理解以AI的方式交付出去，业绩与市值随之爆发。
在蚂蚁数科身上也能找到类似的特质。
作为蚂蚁集团科技商业化的独立板块，蚂蚁数科长期服务金融、政务、交通、能源等行业的数智化升级，至今已与合作伙伴一起服务上3万家企业客户，覆盖亚洲、中东、非洲、欧洲等24个国家和地区。
十年下来，它攒下了三样很难复制的东西：对行业场景的理解、打通技术落地最后一公里的产品工程化能力，以及长期服务换来的信任基础。
这些服务企业落地的能力和经验成了构成蚂蚁数科企业AI业务的壁垒，也是其AI业务增长的一个重要起点。
与很多"从大模型切入企业AI"的公司是反着来的。后者是拿着锤子找钉子——先有了模型能力，再去找它能落地的场景；而蚂蚁数科本来就身处这些行业的企业场景之中，是从客户的问题和需求出发。
蚂蚁数科CEO赵闻飙告诉记者，在其AI业务的增长中，一大半都来自原客户，这些大客户与蚂蚁数科建立长期信任，这是当下最稀缺的资产。数据佐证：客户净收入留存率（NRR）超过110%。大客户中AI产品采购占比已接近20%，还在持续增长。
这也解释了为什么蚂蚁数科的智能体超级工厂，最先跑通的是金融理财、信贷风控、电力交易这类容错率极低、但对AI价值极高的场景。
比如蚂蚁数科的“数字客户经营专家”智能体，能够调度多个子智能体协同完成客户洞察、产品匹配、策略生成和服务触达等关键环节，并自动生成个性化经营方案，将原本需要跨角色、多环节协同完成的流程压缩至当日完成。
这不止是效率的提升，而是产生了实打实的业务效果。在实际应用中试点客群客户总资产规模提升10%、客户活跃度提升15%、服务客户数量提升5倍以上。
与大多数AI服务商不同的是，蚂蚁数科有专门训练的行业大模型、模型Maas平台和应用智能体平台等。市场上大多企业只专攻其中一项，很少能把这几类能力整合，直接服务产业落地。即便Palantir也没有自研模型。
“在我看来，蚂蚁数科是一家很独特的公司。”在2026年上海外滩大会上，蚂蚁数科CEO赵闻飙表示，进入AI时代，蚂蚁数科不是简单的做了一些向AI延伸的产品，而是以AI原生为重点发力，与此同时，公司的经营模式、管理指标也在同步变化。
据了解，过去两年公司整体业务保持年均50%的增长，其中AI To B业务增速达到三位数，已经成为新的增长引擎。业务模式也从过去以大客户项目制交付为主，逐步转向平台化、标准化产品驱动，平台产品ARR增速达到60%。
也就是说，今天，蚂蚁数科已经完成了一次AI化重塑。
第三方报告也印证了这一点。
据IDC发布报告显示，2025年中国金融大模型、智能体应用及服务整体市场，蚂蚁数科额位居第一；《中国智能体开发平台市场份额，2025》则显示，在2025年中国智能体开发平台私有化市场中，蚂蚁数科位列非云厂商第一、整体市场第四。
AI的价值链翻转：从“正三角”到“倒三角”
今年外滩大会上，上海交通大学上海高级金融学院兼聘教授、高金智库研究员邬瑜骏发布的研究报告指出，企业级智能体正在告别“模型为王”，Harness编排与治理层正成为新的增长极。
无独有偶，蚂蚁数科国际事业部负责人李世炜给出了一个判断，AI产业链的价值分布即将从“正三角形”翻转为“倒三角形”。也就是说随着产业逐渐成熟，上游的模型层价值占比下降，中间层和AI应用层的价值将迅速提升。
对于AI应用，李世炜又进一步将其分为两层。第一层是通用场景，比如coding和work，市面上的Agent产品非常热闹，竞争非常激烈。而一旦进入行业场景，也就是生产系统，情况就完全不一样了。在李世炜看来，这才是AI to B真正的深水区和主战场。
蚂蚁数科的智能体超级工厂战略正是聚焦于深水区。
当模型供给足够充分，能力差距不断收敛，新的阶段，比拼的焦点已经转变成谁能够把模型能力转化为可标准化、可复用的产品能力，并真正应用于企业核心业务场景、持续创造实际价值。
还是回到开头那句话：上马一个智能体很容易，AI落地这门生意真正的分水岭，已经不是看谁造出的智能体更多，能跑通“造、管、用、治”完整闭环，创造端到端价值，才能坐上下一阶段的牌桌。
OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）与研究员 Szymon Sidor（西蒙·西多）：解密 AI 研发历程与未来思考撰文：Techub News 整理
导语
在 ChatGPT 掀起全球浪潮之前，OpenAI 是一家怎样的公司？其内部的研究文化、技术路径探索以及关键决策是如何演变的？2025 年 7 月，播客节目《Before AGI》邀请到了 OpenAI 的首席科学家 Jakub Pachocki（雅库布·帕霍茨基）和公司仅有的几位技术研究员之一的 Szymon Sidor（西蒙·西多）进行了一场长达 65 分钟的深度对话。两人不仅是 OpenAI 的元老，更是自高中时期就相识的挚友与长期合作者，亲历并共同塑造了 OpenAI 乃至整个 AI 领域近十年的发展轨迹。这次对话罕见地揭开了这家全球最具影响力的 AI 实验室的幕后故事，从早期「冒名顶替综合症」弥漫的创业氛围，到 Dota 2、GPT 等关键项目的诞生内幕，再到对 AI 安全、治理与未来发展的最新思考，为我们理解 AI 前沿的真实图景提供了宝贵的第一手资料。
摘要
从波兰高中的编程竞赛到 OpenAI 核心团队，Jakub Pachocki 和 Szymon Sidor 分享了他们被 AlphaGo 等里程碑事件「点醒」，从而投身 AI 研发的心路历程。
回顾 OpenAI 早期岁月：弥漫着「冒名顶替综合症」的文化、探索性的技术方向，以及从 Dota 2 项目到 GPT 范式确立的关键转折。
深入探讨当前 AI 研发的日常：识别和修复「静默 Bug」、构建更可靠的数据管道，以及从「模仿人类思考」到「发展模型自身推理能力」的范式转变。
重新定义 AGI：从遥不可及的「情感目标」到一系列可实现的里程碑，特别是「自动化研究」能力被视为关键节点，但也伴随着前所未有的权力集中与治理挑战。
展望 AI 安全与治理：两位研究者认为，模型能力（Capability）与安全性（Safety）的激励正日趋一致，但构建强大 AI 所需的小型化、自动化团队可能带来深刻的权力结构变化，是全社会必须面对的难题。
从波兰到硅谷：两位 AI 先锋的启蒙之路
Jakub Pachocki（雅库布·帕霍茨基）和 Szymon Sidor（西蒙·西多）的缘分始于波兰格但斯克的一所高中，两人被同一位计算机科学老师吸引，沉浸在其鼓励自由探索、而非灌输知识的教学方法中。随后，他们通过波兰为编程竞赛尖子生组织的计算机科学夏令营加深了友谊。尽管本科分别前往剑桥/MIT 和卡内基梅隆大学深造，但这段共同的「跳出舒适圈」赴美求学的经历，让两人的联系更加紧密。
关于 AI 的「顿悟时刻」，两人各有不同。Jakub Pachocki（雅库布·帕霍茨基）最初专注于理论计算机科学，视真正具有推理能力的 AI 为需要强大算力和坚实数学基础的远期目标。是 AlphaGo 的胜利彻底改变了他的看法：「国际象棋曾是 AI 的重大里程碑……但在围棋中，搜索空间如此之大，我们的算法很难与人类顶尖选手竞争。」 AlphaGo 证明了无需复杂启发式规则，仅凭深度神经网络与搜索结合就能征服围棋，这迫使 Jakub Pachocki（雅库布·帕霍茨基）重新评估：我们是否真的需要那么多理论基石？还是应该将其视为一种需要理解的物理现象？这一认知转变促使他决定投身 AI。
Szymon Sidor（西蒙·西多）的起点则更具戏剧性：他因观看第一部《钢铁侠》电影而对机器人学产生兴趣，并以此为目标申请美国大学。尽管最初对传统机器人学感到失望，几乎考虑退学，但分布式深度学习激发了他的兴趣。随后 AlphaGo 的出现成为决定性瞬间，让他确信 AI 是未来的方向。在短暂效力于一家现已不存的 AI 初创公司后，他得知 OpenAI 聚集了多位波兰同胞，包括他敬仰的 Wojciech Zaremba 等人，便决心加入。
2017 年前后，两人先后加入 OpenAI。当时，深度学习革命虽已启动，但远未如今日这般炙手可热。OpenAI 也并非今天的巨头，而是一个充满不确定性的独立实验室。吸引他们的，除了认识的朋友，还有面试中接触到的 Ilya Sutskever、Alec Radford 等人展现出的才华与愿景。Szymon Sidor（西蒙·西多）坦言，当时 OpenAI 「构建 AGI」的使命宣言在他听来「有点扯」，他对超快时间线持怀疑态度，更多是被技术本身所吸引。
OpenAI 早期：探索、质疑与文化演变
初入 OpenAI，两人感受到的氛围与今天截然不同。Szymon Sidor（西蒙·西多）形容为「冒名顶替综合症有限公司」：公司里有一批非常知名的研究员，他们彼此之间都隐约感觉不如对方，午餐时常常很安静，大家都在心里打长长的腹稿，以期说些聪明的话。这种「尴尬」也反映在技术路径上：大家并不知道明确的方向，而是在多个不同方向上探索。
Jakub Pachocki（雅库布·帕霍茨基）补充道，他们作为「新皈依者」，带着一种基于实证的怀疑论视角，与像 Ilya Sutskever 这样对深度学习有长远信念的同事形成了有益的互补。他们合作的第一个大项目是让 AI 玩转复杂游戏《Dota 2》。他们原本预期，简单地扩展现有强化学习算法会遇到障碍，从而为他们提供深入研究「算法为何失败」的机会。然而结果令人「失望」：算法直接生效了。接下来的两年，他们主要的工作变成了持续扩展系统规模，并在此过程中解决各种工程瓶颈。这个项目是 OpenAI 早期少数几个长期、聚焦的项目之一。
那么，GPT 范式是如何确立的呢？Jakub Pachocki（雅库布·帕霍茨基）特别澄清，这并非 Alec Radford 偶然「撞见」的。关键转折点是 2017 年的「情感神经元」论文（早于 Transformer 发表）。该研究证明，仅在海量评论数据上训练一个 LSTM 模型，它就能无监督地捕捉到评论是正面还是负面这一语义概念。这揭示了纯粹从数据中能推断出深层含义，让团队意识到「这里面大有可为」。此后，Alec Radford 等人持续探索基于大规模数据的语言建模，最终汇聚成 GPT 这条道路。
构建 AI 的日常：与「静默 Bug」共舞
谈及当今 AI 研发的日常，Jakub Pachocki（雅库布·帕霍茨基）形容为「寻找 Bug」。这是一个独特的领域：一方面，研究者对神经网络架构、优化方式拥有完全的控制权；另一方面，我们并未完全理解网络优化的根本原理。这意味着研究者其实是在研究一种自然现象，必须精心设计实验以理解不同改动如何导致迥异的结果。
挑战在于，神经网络「非常想学习」。即使你的实验设置存在某些错配，它们依然会学习，只是可能学得不够好。这就导致了大量「静默 Bug」——错误发生了，但系统没有崩溃，只是性能未达预期，使得定位问题异常困难。Szymon Sidor（西蒙·西多）也分享了他早期一篇关于数据预处理中颜色处理导致图像中鱼消失的博客，以及他与 Jakub Pachocki（雅库布·帕霍茨基）合作，花费大量时间追踪神经网络中随机性能峰值的根源的经历。这些「修 Bug」的工作贯穿了他们的职业生涯。
作为长期合作的「强力二人组」，他们的协作模式也很有趣。Szymon Sidor（西蒙·西多）擅长乐观地快速获取数据、推进实施，而 Jakub Pachocki（雅库布·帕霍茨基）则善于深入思考现象本质、规划研究路径。Szymon Sidor（西蒙·西多）欣赏 Jakub Pachocki（雅库布·帕霍茨基）那种「坚信问题可以被解决」的信念感，而 Jakub Pachocki（雅库布·帕霍茨基）则钦佩 Szymon Sidor（西蒙·西多）的无畏与行动力。他们常常共同处理那些处于项目边缘、重要性难以向他人说明的问题，例如早期预训练中数据批次并非真正独立同分布（i.i.d.）这一工程难题，其解决虽未带来巨大性能飞跃，但让数据处理从「感觉导向」变得更可管理，为后续发展扫清障碍。
从「模仿思考」到「自主推理」：AGI 观的演变
对话转向了对未来发展的展望。Jakub Pachocki（雅库布·帕霍茨基）指出，过去两年的一大焦点是迈向「推理范式」。像 GPT-4 这样的模型知识渊博，但当被要求思考时，它们很大程度上是在模仿人类可能如何解决问题，因为训练数据就是人类的语言。这并非模型自身的思考方式。OpenAI 的目标是教会模型以自己的方式进行思考。经过大量调试和研究，他们看到了模型开始产生不同于初始训练的思考模式，这是一个重大时刻。他认为，接下来几年，这种「自主推理」的进步将会加速，类似于语言模型从早期发展到 GPT-4/ ChatGPT 所经历的轨迹。
Szymon Sidor（西蒙·西多）也认为，新的推理范式极其丰富，可以从许多方向进行研究。当前的一个根本性瓶颈是我们衡量模型智能水平的方式与实际能力之间存在差距。例如，模型可能在 10 道数学题上都得满分，但与之交互时仍能明显感觉缺失。他认为，设计更好的评估基准本身就是一个有价值的研究方向，甚至可以在没有海量 GPU 的实验室中进行。
关于 AGI 的定义，两人的看法都随时间发生了显著变化。Szymon Sidor（西蒙·西多）认为，AGI 这个概念正在变得「毫无意义」，而这可能正意味着我们接近了它。AI 已经在数学、编程等特定领域超越了绝大多数人类。Jakub Pachocki（雅库布·帕霍茨基）则回忆，2017 年时 AGI 更像一个遥远的情感目标，仿佛一个能解决所有问题、且所有对齐和安全问题都已解决的终极系统。如今看来，AGI 是一系列里程碑。OpenAI 章程中「能够完成大部分有经济价值的工作的 AI」的定义经受住了时间考验，并且变得可以衡量。
对 Jakub Pachocki（雅库布·帕霍茨基）而言，最接近他最初 AGI 想象的里程碑是「能够进行自动化研究、发现新知识的系统」。他预计，在未来几年内，我们将出现能够在许多领域以更少人类专项工作解决此类问题的通用系统。
责任、安全与治理：强大 AI 的双刃剑
随着 AI 能力快速增长，其责任与风险也成为焦点。Jakub Pachocki（雅库布·帕霍茨基）认为，OpenAI 的使命是确保 AGI 惠及全人类。这包括两方面：一是通过迭代式产品部署，思考强大 AI 如何与人交互、应采用何种形态、如何确保可及性；二是进行长期的科学研究，构建理解这项技术如何运作的「科学」，这最终将使我们能够思考如何将其与我们的价值观对齐并确保安全。
Szymon Sidor（西蒙·多）以新冠疫情初期为例，说明了团队感受到的深刻责任感。当时他们急切地想用 AI 帮助应对疫情，但技术尚未成熟，未能提供实质性帮助。他设想，如果发生在今天，医生或许能通过 ChatGPT 快速获取文献综述，节省时间。这让他认识到，履行责任的方式或许不是被动反应，而是扎实地构建基础，通过迭代部署逐步让世界变得更好。
AI 对齐（Alignment）不仅是技术问题，更是「对齐什么」的价值选择问题。Jakub Pachocki（雅库布·帕霍茨基）指出，即使拥有将模型与某些价值观对齐的技术能力，我们距离能够安心使用仍有很大差距。随着系统变得更智能、更微妙甚至有些「异类」，无法再依赖监督一切或设定清晰边界，必须依靠更高级的方法。他以社交媒体推荐算法为例：AI 优化用户参与度本身并非坏事，但可能导致回音室和观点极化，这说明了对齐的挑战性。
当被问及如何看待众多由前 OpenAI 员工创办的竞争对手（如 xAI、SSI、Thinking Machines Lab 等）时，Jakub Pachocki（雅库布·帕霍茨基）承认这是一个微妙的问题。开放与竞争能促进创新，尤其开源模型能培育大实验室之外的创造力；但另一方面，如此强大的技术显然需要在部署时投入一定程度的控制和思考，而随着技术扩散，控制将愈发困难。两者都有其道理，其影响深远复杂，难以简单抉择。
不可避免的话题是 2023 年 11 月的 OpenAI 董事会风波。两人当时都感到震惊和困惑。Szymon Sidor（西蒙·西多）坦言，早期的治理结构在当时看来像是「过度设计」，他作为 AGI 怀疑者甚至没有完全认同。但这场风波让他意识到，治理至关重要，早期看似无关紧要的决定可能会在未来带来巨大影响。Jakub Pachocki（雅库布·帕霍茨基）也强调了治理的极端重要性，以及他们倾注近十年心血构建的一切可能突然陷入危机的现实。
展望未来，Jakub Pachocki（雅库布·帕霍茨基）最期待的是 AI 能加速新知识发现、新技术开发和疾病新疗法的寻找。但他也最担忧，由少数人管理、完全自动化运行的强大 AI 研究团队可能带来前所未有的权力集中，这种根本性的权力结构变化是社会必须谨慎应对的全新挑战。
Szymon Sidor（西蒙·西多）则对 AI 安全的前景感到更乐观。过去他认为没有多少具体的安全问题可以攻克，但如今看到，随着模型能力增强，安全性正变得与能力本身紧密交织。例如，要让一个强大的 AI 安全地访问你的邮箱，就必须确保它能抵抗诱导指令。这种能力与安全的激励一致化，使得在安全性上取得进展成为可能，甚至是产品有用的前提。当然，这并不能保证完美的结果，但无疑增加了解决长期安全部署问题的可能性。
ON Semiconductor：隐藏在 9% 增长背后的 AI 电力机会这是我第一次覆盖 ON Semiconductor Corporation（ON）。在本文中，我将讨论公司的业务，包括其正在进行的转型：逐步转向利润率更高、拥有自主技术的碳化硅（Silicon Carbide，SiC）和氮化镓（Gallium Nitride，GaN）产品，同时退出传统、商品化程度较高的制造服务业务。伴随着这一转型，我也将分析公司最新财报，并讨论当前估值。基于自主技术带来的护城河增强、未来增长重新加速的潜力，以及利润率持续扩张，我给予公司“强烈买入（Strong Buy）”评级。
正在进行的转型与宏观图景
我们目前在超大规模计算行业中看到的一个趋势，是服务器机架正在向高功率密度方向发展。例如，NVIDIA 的 GB200 NVL72 平台消耗的电力显著更高，单机柜功耗经常超过 120kW。我认为，在这样的功率水平下，传统为较低负载设计的配电架构已经开始变得不再适用。
在这样的功率等级下，低电压输电会造成大量电阻损耗以及过高的热量积累，因此必须提高电压。对于不熟悉电气工程的读者来说，更高的电压意味着在传输相同功率时，可以使用同比例更低的电流，从而显著降低铜母线中产生的电阻热损耗。因此，我们正在看到配电架构向 800V 甚至更高电压演进。这类系统已经无法高效使用传统硅 MOSFET，因为传统硅器件在如此高电压下的效率不足。而这正是 ON Semiconductor 提供解决方案的地方。
公司的碳化硅和氮化镓技术覆盖了数据中心电力架构中的不同阶段。它们既可以用于前端电源单元中的高压 AC-DC 转换，也可以用于高频 DC-DC 中间母线转换。我这里不再进一步深入技术细节，但核心观点是，公司正处在正确的时间、正确的位置，为 HPC 行业正在出现的一个现实问题提供解决方案。
管理层正在重点押注这一长期趋势。正如 CEO Hassane El Khoury 在 2026 年第二季度财报电话会议上所说：“我们正在看到动能，也正在看到强劲表现。而且正如你所说，这种强劲是持续性的，并不是某一个季度的短期强势。再往前看，随着我们进入 800V DC 转型，这将进一步提高我们的单机内容价值。”
第二季度财报
从第二季度财报来看，如果只看表面收入增速，考虑到行业如此强劲的长期顺风，确实并不算特别令人兴奋。但我们需要进一步拆解这些数据，而不能过早下结论。公司披露收入达到 16.0 亿美元，同比增长 9%，高于指引中值。不过，我们需要考虑到，数据中心相关业务只占公司总收入的一部分。
公司目前披露三个主要业务板块：汽车业务收入 7.81 亿美元，同比增长 7%；工业业务收入 4.23 亿美元，同比增长 4%；其他业务，包括 AI 数据中心，收入 4.00 亿美元，同比增长 21.3%。从收入结构可以很快看出，AI 相关业务目前仍只占公司总收入中的较小部分，而其他业务更加成熟，增长速度也更慢。
我认为，这一 AI 相关业务的利润率高于其他成熟业务，同时也是增长最快的板块。这实际上意味着，随着这一业务占比提升，公司综合利润率未来有望持续扩张，而最新一个季度已经体现了这种趋势。公司披露的营业利润率为 19.5%，高于一年前的 16.5%。我将在估值部分进一步假设，这一趋势会继续，因为 AI 机架正在使用更高电压，同时 AI 数据中心需求依然旺盛，这两个因素都应该推动“其他”业务快速增长。
管理层也在电话会议中确认了这一趋势，并表示：“我们目前预计 2026 年 AI 数据中心收入将增长超过一倍。”这很可能意味着，收入增速未来会重新加速，并开始影响公司整体混合收入增长率。因此，我预计到 2026 年底以及 2027 年，公司收入增速可能达到中双位数区间，比如大约 15%。
估值
在这一部分，我将给出自己对 2027 年公司估值的看法，前提是公司能够实现增长重新加速，同时利润率继续改善。正如前面提到的，公司营业利润率同比提高了大约 300 个基点。我认为这一趋势很可能会延续，如果确实如此，那么一年后我们可能会看到类似幅度的改善。在 2026 年第二季度净利率基础上增加 300 个基点，可以得到 2027 年年中大约 17% 的净利率。需要注意的是，第一季度利润率较低，主要是由于传统晶圆厂关闭相关折旧和资产减值带来的重组费用。我对此并不过度担忧，因为它与我投资逻辑核心的 AI 相关业务没有直接关系。
接下来，假设年收入增长 15%，同时目前 TTM 总收入为 62 亿美元，那么一年后总收入大约可以达到 71 亿美元。按照上面预计的利润率计算，净利润将提高至大约 12 亿美元。
那么，什么样的估值才算合理？在收入增长 15%、同时利润率持续扩张的情况下，我认为 25 倍至 30 倍 GAAP 市盈率是合理的。这样一来，到 2027 年年中，公司的合理市值大约应该在 300 亿至 360 亿美元之间。以当前 276 亿美元的估值计算，对应潜在上涨空间约为 8.7%-30.4%。我认为这足以支持“强烈买入（Strong Buy）”评级。
风险与计划
在投资一家与资本开支高度密集的数据中心行业相关的公司时，我认为最主要的问题是利率。预测市场目前预计 2026 年加息的概率约为 75%。如果真的发生，可能会压低 AI 数据中心资本开支，从而使我关于增长重新加速的投资逻辑失效。不过，另一方面，幅度有限的加息也可能并不足以明显影响目前超大规模云服务商仍然非常强劲的 AI CapEx 增长。此外，在我看来，AI 注定会对未来产生巨大影响，而美联储政策利率即便出现一定上升，也不太可能改变这一长期趋势。但在短期内，它确实可能给 ON Semiconductor 这样的公司带来压力。
在过去几个月股价回调之后，我认为现在已经是开始建立仓位，或者在现有仓位基础上继续加仓的一个不错时点。
Vistra：AI 电力供应商叠加载荷增长与收购上行空间——重申“买入”评级我此前在 2026 年 6 月给予 Vistra Corp.（VST）“买入（Buy）”评级，原因是股价盘整后带来了更好的安全边际。
在本文中，我将讨论为什么尽管数据中心暂停建设政策仍存在不确定性，VST 依然是一只具有吸引力的“买入”标的。
VST 同时面临多重逆风与顺风
【原文图片位置：VST 过去一年股价走势（TradingView）】
1. 数据中心暂停建设政策
自从我上一次给予“买入”评级以来，VST 出现了个位数百分比的回调，而同期大盘则取得了个位数百分比的上涨，主要原因是越来越多项目遭遇“不要建在我家后院（NIMBY）”式的社区阻力。
类似情况也出现在 Texas。当地监管机构推出新的“Batch Zero”框架，“用于管理来自数据中心及其他高用电客户激增的电网接入申请”，预计这可能导致通电时间延迟和/或获批电力容量发生调整。
类似担忧也出现在 VST 的核电站项目上，当地社区似乎对围绕该县核电站规划的据称 8 个数据中心项目感到担忧。
再考虑到美国越来越多的数据中心暂停建设政策，我认为未来仍可能存在更多不确定性。在监管政策进一步明确之前，VST 可能继续跑输市场。
2. 数据中心机会
另一方面，除了与 Meta（META）和 Amazon（AMZN）签署电力购买协议（PPA）之外，VST 还通过成立一家新公司 Helix Digital Infrastructure，进一步证明了自己作为 AI 受益者的地位。Helix 拥有多个重要合作伙伴，其中包括 Nvidia（NVDA）。
这家公司“旨在以超大规模云服务商满足加速增长的人工智能需求所要求的速度和规模，交付一体化基础设施”，而 VST 将通过现有资产以及新建的专用资产，成为 Helix 未来项目的首选电力合作伙伴。
虽然目前并没有披露更多 Helix 的具体信息，但很明显，数据中心项目正在变得越来越庞大和复杂，而持续存在的暂停建设政策以及电力接入延迟，也进一步凸显了提前进行电力采购规划的重要性。
考虑到数据中心巨大的电力需求、实际可获得电力以及当地社区接受度之间存在明显差异，我认为 VST 对 ERCOT 地区至 2030 年“至少 4%-6%”的年负荷增长预测，事实证明非常审慎。
相比之下，美国 EIA 对 ERCOT 的预测更加激进，预计至 2027 年负荷增长可达到 10%。与此同时，越来越多客户希望把数据中心与现有发电资源进行同址部署，这进一步强化了 VST 作为 AI 受益者的逻辑：
因为避开一些前端电表侧项目所需要的新输电基础设施建设，本身仍然拥有明显的速度优势。
而且通常在这些同址部署讨论中，客户本身也会带来备用发电能力。因此，我们实际上认为，这可能会进一步推动客户更愿意与现有发电资源进行同址部署。
（Seeking Alpha）
同样值得注意的是，VST 也暗示，“为了从现有资产中实现更多价值，项目管线正在扩大”，因为越来越多客户正在寻求“针对我们现有站点签署 PPA”。
这些进展凸显了公司由 AI 驱动的多年增长顺风，因为 VST 可以通过现有发电资产、不断增长的 PPA 在手项目，以及与 Helix 合作开发新资产，在多个层面实现变现。
3. 健康的发电与零售电力需求
【原文图片位置：强劲的能源需求（VST）】
另一方面，预计数据中心每年只会带来约 +2% 的负荷增长，而包括住宅和小型企业在内的非数据中心领域预计可贡献约 +3%，因此几乎可以肯定，VST 多元化的发电和零售业务变现前景仍然具备韧性。
这一趋势还受到“工业回流、电气化程度提升、人口增长——尤其是在 Texas——以及更广泛经济扩张”的支持，而这建立在 ERCOT 历史负荷 CAGR +3.3%、PJM +3% 的基础之上。
类似的超预期表现也体现在 VST 丰厚的调整后 EBITDA 上。2026 年上半年，公司调整后 EBITDA 达到 32.6 亿美元，同比增长 26.3%，这意味着管理层此前重申的 FY2026 持续经营业务调整后 EBITDA 中值 72 亿美元，同比增长 21.8%，存在进一步超预期并上调指引的可能。
从这些数字可以明显看出，近期完成的 Lotus Infrastructure Partners 收购以及增长型资本开支项目，在推动公司变现能力扩张方面发挥了重要作用。这得益于 FQ2'26 发电容量提升至 44GW，同比增长 7.3%，以及有利套期保值活动所带来的更高实际电价。
另外，读者需要注意，VST 初步 FY2027 指引目前尚未计入待完成的 Cogentrix 收购以及 META PPA，这些交易预计“将在其他条件不变的情况下，为我们的中值机会增加约 7 亿美元”。
如果没有监管方面的逆风，投资者可以期待 FY2027 调整后 EBITDA 机会提高至 83 亿美元，同比增长 15.2%，这意味着公司具备强劲、持续多年且能够实现盈利的增长前景。
股价盘整创造了更便宜的入场点
【原文图片位置：VST 过去四年股价走势（TradingView）】
目前来看，VST 的价格走势再次凸显出其固有波动性，因为股价正在重新测试自 2024 年初以来形成的上升趋势支撑线。
【原文图片位置：VST 估值（Seeking Alpha）】
得益于自 2025 年底以来持续盘整，VST 正在通过盈利增长逐步消化 2024/2025 年过度上涨所形成的高估值。其前瞻 EV/EBITDA 已经从此前高点 15.09 倍回落至 10.05 倍，更接近过去五年平均水平 9.92 倍，同时低于行业中位数 11.72 倍。
按照本文撰写时 734.8 亿美元的较低企业价值，以及管理层重申的 FY2027 调整后 EBITDA 中值 76 亿美元，同比增长 5.5%，我估算 VST FY2027 EV/EBITDA 约为 9.66 倍，因此当前股票显得更有吸引力。
如果进一步考虑 Cogentrix 收购和 META PPA 完成后，FY2027 调整后 EBITDA 机会达到 83 亿美元，同比增长 15.2%，那么对应 FY2027 EV/EBITDA 将进一步下降至 8.85 倍。很明显，对于希望通过定投方式逐步增加仓位的投资者而言，当前持续盘整反而是利好。
尤其值得注意的是，VST 的资产负债表已经更加健康。FQ2'26 净债务/调整后 EBITDA 比率为 2.4 倍（扣除现金保证金存款后），低于一年前的 3 倍，也显著低于多元化公用事业行业平均水平 5.12 倍，并且已经接近公司 FY2027 目标 2.3 倍。
除此之外，公司资本配置依然强劲。自 2021 年 11 月以来，VST 已经回购并注销约 30% 的流通股，目前股票回购授权仍剩约 12 亿美元。
综合考虑公司通过 2028 年有利套期保值活动所带来的相对稳定发电收益、META/AMZN PPA 带来的顺风、能够得到充分资金覆盖的增长资本开支/股票回购/股息，以及较低估值所带来的更好安全边际，我在这里重申对 VST 股票的“买入（Buy）”评级。
影响我“买入”评级的股息风险
不过需要强调的是，VST 作为收益型投资的吸引力在中期可能比较有限，因为公司前瞻股息率只有 0.61%，明显低于行业中位数 3.45%。
与此同时，公司股息支付增长已经放缓至 +1.7%，相比过去五年股息增长率 +9.81% 和行业 TTM 股息增长率 +4.14% 都明显更低。
很明显，VST 在 2024/2025 年的股价上涨速度远快于股息增长速度，而当前 10.05 倍的折价前瞻 EV/EBITDA 估值，也已经反映了仅 0.61% 的较低前瞻股息率。
考虑到 Cogentrix 收购预计将在 2026 年底完成，同时多个增长项目推动 FY2026 资本开支升至 15 亿美元，同比增长 14.5%，我认为，在公司持续进行股票回购，同时 M&A 和资本开支强度提高的阶段，股息增长可能会暂时退居次要位置。
这一点也可以从 VST 的指引中看到，公司预计年度股息支付维持在 3 亿美元，而 FY2026 持续经营业务调整后 FCFbG 指引中值达到 43.2 亿美元，同比增长 20.3%。
因此，我建议投资者降低对 VST 股息增长的预期。
加拿大创新部长 Evan Solomon（埃文·所罗门）：主权 AI 与加拿大数字未来撰文：Techub News 整理
导语
2025年9月24日，加拿大创新、科学和工业部长 Evan Solomon（埃文·所罗门）出席在蒙特利尔举行的第三届“ALL IN”人工智能峰会并发表主旨演讲。这场峰会由加拿大著名AI公司Scale AI主办，汇聚了全球AI领域的创始人、研究者、投资者和学生。在长达50多分钟的演讲及随后的专家讨论中，Solomon（所罗门）系统阐述了加拿大在AI革命关键节点上的国家战略——构建“数字主权”，并勾勒了政府在资本、算力、人才、法规等方面的具体行动计划。随后，他与NVIDIA企业生成式AI软件副总裁 Carrie Briskey、Cohere联合创始人兼CEO Aiden Gomez（艾登·戈麦斯）以及主持人 Amber Mac（安珀·麦克）进行了一场深度对话，进一步探讨了主权AI的实践路径、公众信任建立以及加拿大在全球AI竞争中的独特角色。此次发声被视为加拿大政府对AI国家战略的一次重要更新和动员。
摘要
加拿大将“数字主权”定义为核心国策，旨在建立自主的算力基础设施、数据治理规则和AI创新能力，确保关键数据受加拿大法律管辖。
政府计划在未来数月内，围绕信任与安全、资本/客户/算力、人才与前沿技术三大支柱，推出一系列具体措施，包括更新已有25年历史的隐私数据法、利用政府采购创造市场需求、启动重大量子倡议等。
主权不等于孤立，加拿大将继续深化与美国、欧盟、阿联酋等盟友及全球科技公司的合作，但强调必须“拥有这个关键时刻所需的工具和规则”。
面对公众对AI的焦虑，政府认为建立信任的关键在于将AI定位为“服务工具”，通过立法保障、实际用例展示和透明沟通，让技术服务于提升民生与经济。
加拿大AI业界领袖呼吁国内企业提升雄心与风险承受能力，制定超越简单工具应用的实质性AI战略，并积极采用本土AI解决方案。
构建数字主权：加拿大 AI 的国家使命
Evan Solomon（埃文·所罗门）在演讲开篇即点明，当前我们正处在“技术革命与政治格局重塑相互碰撞的关键时刻”。他认为，AI不仅是新技术，更标志着“创业者时代的诞生”，个人拥有了史上最强大的工具将创意转化为企业与就业。但他强调，加拿大的核心任务是构建“数字主权”——这被他称为“当今时代最紧迫的政策与民主议题”。
所谓“数字主权”，Solomon（所罗门）从几个层面进行了阐释：首先，加拿大需要一个有意义的、自主的主权数字骨干网络，包括人才、能源和算力，以构建未来经济。这个数字经济的核心是“免受胁迫”，即不被他人随意关闭。拥有自己的数字资产，加拿大才能以平等的姿态与全球伙伴合作、贸易，并在合作中保持主权。其次，数据是核心。谁控制、使用和管理数据，谁就决定了集体的繁荣、安全乃至价值观。因此，加拿大必须建立一个能反映、保护并投射其核心价值观的数字骨干，确保关键和敏感数据处于加拿大法律管辖之下。最后，数字主权意味着支持加拿大的建设者、创新者和企业家，让他们的创意成长为繁荣的加拿大公司，将总部、工作岗位和知识产权留在国内，使加拿大成为“AI总部”，而非“分支机构”。
他特别指出，主权并不意味着孤立（“Sovereignty does not mean solitude”）。加拿大将继续与国际朋友和盟友，尤其是美国、阿联酋、欧盟等，以及全球大型科技公司（超大规模云提供商）合作，他们同样是生态系统中至关重要的一部分。但关键在于，加拿大必须“拥有这个关键时刻所需的工具和规则”，建立自己的“数字保险单”。
Solomon（所罗门）回顾了加拿大在AI领域的传统优势：现代AI在此成形，拥有 Geoffrey Hinton（杰弗里·辛顿）、Rich Sutton（里奇·萨顿）、Yoshua Bengio（约书亚·本吉奥）等奠基人；2017年推出了全球首个国家AI战略；建立了Mila、Vector、Amii等世界领先的研究所。但他警告，领导地位不是与生俱来的，必须不断争取，而当前竞争异常激烈。
信任、资本、算力与人才：四大行动支柱
基于数字主权的目标，Solomon（所罗门）概述了政府即将展开的几大关键行动领域。
第一，信任与安全。 Solomon（所罗门）直言，技术以创新速度前进，但采用速度取决于信任。为了建立信任，政府将着手更新已有25年以上历史的加拿大隐私和数据法律。新法律将包含针对消费者担忧（如深度伪造）的保护措施，特别是加强对儿童的保护，并为数据使用设定清晰标准，以便创新者能够明确规则，从而释放投资。此外，政府还将通过刑事法典等其他法律工具应对新型威胁。他强调，立法的目标是让加拿大人感到安全，从而将AI视为改善服务的机会而非威胁。当人们信任AI时，才会在农业、医疗、教育、政府服务等各个领域广泛使用它。
第二，资本、客户与算力。 通过过去四个月与全国创始人和企业家的交流，Solomon（所罗门）总结出三大普遍需求。首先是资本。政府将推出新工具，帮助加拿大创新者在国内扩大规模，在种子轮和早期阶段获得更多资金，吸引耐心资本，并将总部留在国内。其次是客户。政府将发挥表率作用，通过政府采购成为AI解决方案的强大验证者和客户，为加拿大制造的AI产品创造市场。他举例已与Cohere签署谅解备忘录，采购其具有战略意义的大语言模型，并提到国防工业战略也将为AI技术解锁双重用途机会。第三是算力。主权算力/主权云是核心任务，意味着关键敏感数据将保留在加拿大法律下，并存储在加拿大控制的数据中心内。
第三，人才与下一代。 Solomon（所罗门）认为，加拿大的竞争优势在于“人”。因此，国家需要持续吸引全球顶尖人才，并留住本国最优秀的人才。他预告，今年10月，加拿大将启动一项重大的量子技术倡议，以确保量子领域的人才、智慧与知识产权留在国内。他明确表示，目标不是成为“他人经济体的农场队”，即培育公司只为被收购和迁走。
第四，战略更新与加速执行。 Solomon（所罗门）宣布，2025 年 9 月晚些时候将启动加拿大AI战略工作组，汇集全国各地的创新思想家，用30天时间围绕研究、应用、商业化、安全、教育、基础设施等八大优先级进行“冲刺”，提出大胆实用的想法。工作组将于11月提交报告。今年晚些时候，加拿大将提前近两年提交更新后的国家AI战略，实现“从原则到项目、从想法到影响”的转变。他强调“等不起”，加拿大必须保持竞争力、可信度和创新性。
专家对话：主权AI的实践、信任与机遇
在随后的专家讨论环节，NVIDIA的 Carrie Briskey、Cohere的 Aiden Gomez（艾登·戈麦斯）与 Solomon（所罗门）部长就主权AI的具体实践和挑战进行了深入探讨。
主权AI的必要性与模型：Carrie Briskey 从技术合作角度阐述了主权AI的价值。她指出，所有国家都应发展自己的AI，而不仅仅是外包给外部供应商，因为AI需要与本地价值观、文化背景、政策规范以及细微的自然语言模式对齐。她列举了瑞典、印度、日本、波兰、意大利、法国等国建设本土大模型的案例，并强调本地模型会吸引开发者，进而需要本地基础设施来构建应用，形成数据反馈和模型优化的正向循环，从而逐步建立信任。
Aiden Gomez（艾登·戈麦斯）则从公司和政府合作层面分享了Cohere的实践。他强调与加拿大政府合作的目标是提升公共服务质量与效率，同时确保数据主权和安全。Cohere提供的完全私有化部署方案，甚至可以做到物理隔离（“空气间隙”），为数据和IP提供了最高级别的保护，避免了数据外泄到外部公司的风险。
建立公众信任的路径：针对主持人 Amber Mac（安珀·麦克）提出的“超过半数加拿大人对AI感到担忧”的问题，Solomon（所罗门）重申了立法更新是关键的第一步，能向民众和企业发出明确的信号。他借用威尼斯Aldine印刷厂“欲速则达”（Festina Lente）的格言，指出必须“快速行动以跟上，但要稳中求进”。他认为，应当将AI首先作为一种“服务”来谈论——如何改善医疗、农业等民众切身相关的领域，并颂扬那些创造前所未有新岗位的企业家。技术变革总伴随焦虑，而信任感将随着使用案例的增多和安全感的确立而建立。
监管的平衡艺术：关于AI监管这一全球性难题，Solomon（所罗门）分析了三种不同模式：美中倾向于认为任何监管都会限制安全与创新；欧盟率先尝试全面监管，但坦承对创新造成了一些限制。加拿大的路径将是聚焦关键领域：保护加拿大敏感数据安全（通过主权基础设施）、更新隐私和数据法、关注儿童和消费者保护（如深度伪造）。他承认不存在“完美监管”，立法需要与技术一样迭代发展，避免“让完美成为优秀的敌人”。核心是保持加拿大作为一个法治国家、教育发达、人才辈出、值得信赖的贸易伙伴的竞争优势，不能让监管扼杀这些优势。
对加拿大企业领导者的建议：在讨论的最后，各位嘉宾对加拿大企业如何拥抱AI给出了建议。Solomon（所罗门）提出三点：购买加拿大（解决方案）；与国际伙伴（如NVIDIA）在其安全框架内合作；制定清晰的、以服务交付和客户转变为导向的AI采用计划，而不仅是为了技术而技术。他引用NVIDIA CEO Jensen Huang（黄仁勋）的话鼓励企业不要追求完美主义，而要敢于“发布、观察、测试、然后成长”。
Aiden Gomez（艾登·戈麦斯）呼应了 Solomon（所罗门）关于“雄心与风险承受力”的观点，并尖锐指出，如果企业的AI战略仅仅是“购买了Microsoft Copilot或让员工用ChatGPT”，那等于没有战略，这只是价值创造中最底层的一环。企业需要制定有具体目标和真实投资回报率路径的战略。
Carrie Briskey 则以个人经历为例，鼓励大家立即行动。她谈到AI正在缩小技术鸿沟，她12岁的女儿已经能通过自然语言交互创建应用。她建议，无论是个人、家庭还是企业，都可以从今天开始尝试使用各种AI应用，通过透明性和实际使用来建立信任。
在闭幕词中，Aiden Gomez（艾登·戈麦斯）强调“这是加拿大的时刻”，需要将投入研究的AI技术真正投入生产，这要求雄心、风险承担和领导力。Evan Solomon（埃文·所罗门）则最终回归其核心信息：不要将技术与人对立，AI是企业家工具和改善服务的工具，当人们看到这一点，更多的人将涌入这个领域，共同推动国家经济增长，让所有人受益。投资观点 我对 Apple Inc.（AAPL）股票依然持积极看法。我继续给予该股“强烈买入（Strong Buy）”评级，并维持 372 美元的目标价（基于当前股价，对应约 18% 的潜在上涨空间）。我认为 Apple 股价仍然存在进一步上涨机会，原因有很多。 **iPhone 高端化：**Apple 已明确致力于推动 Pro 系列或更高价格产品的销售，即使 iPhone 销量没有出现爆发式增长，这也能够支撑平均售价（ASP）。 **毛利率：**虽然面对大宗商品价格等成本快速上涨时，许多公司都会很难完全消化这些压力，但 Apple 庞大的规模、高度整合的供应链以及强大的定价能力，为公司带来了独特优势。因此，即使宏观经济环境可能变得不那么有利，Apple 依然处于非常有利的位置，可以维持较高的毛利率。 **人工智能：**我对 Apple 人工智能战略——也就是设备端 Apple Intelligence——的潜力并没有特别强烈的看法，不过这些功能确实可能增强 Apple 生态系统的用户黏性，让用户更难离开 Apple，从而提高客户忠诚度，并持续支持新一轮 iPhone 换机周期。目前来看，虽然 AI 存在一定潜力，但我几乎完全把它视为一种防御性策略。 当你看到服务业务以高利润率增长，同时配件不断强化整个生态系统时，本质上也是同样的逻辑。真正的主要优势来自每一个持续把用户进一步连接到 Apple 生态系统中的新设备或新服务。 当然，这里同样存在风险，我显然很清楚这些风险。例如，全球经济增长放缓可能导致 iPhone 需求下降，而 Android 在低端市场依然拥有非常庞大的市场份额。不过，也正是在这里，Apple 的脆弱程度相对更低。因此，我们认为其风险收益关系依然非常有吸引力。 fileciteturn0file0L1-L8 今天发生了什么变化 很多人一直在等待这场发布会，而自从 Apple 举办“Surprise & Shine”活动以来，我对这只股票的整体看法其实并没有真正改变。 新任 CEO John Ternus 现在已经开始带领 Apple 向前发展，而投资者都在问自己：“未来几年 Apple 打算把 iPhone 带向什么方向？”根据今天的发布内容，答案已经非常明显。Duo 起售价为 1,999 美元，2TB 版本最高达到 3,199 美元。iPhone 18 Pro 起售价为 1,199 美元，而 Pro Max 起售价为 1,299 美元。 【原文图片位置：Apple 新款 iPhone 产品与定价（Apple）】 另外，我不知道你是否注意到，Apple 并没有发布“标准版”的 iPhone 18。换句话说，标准版 iPhone 18、18e 以及 Air 2 都会在之后推出。因此，在未来几个月里，希望购买 iPhone 的消费者能够选择的型号会相对有限，基本上只有 Pro 系列或者 Duo。 因此，我越来越觉得，Apple 希望推动产品结构向更高价格产品转移，并在不需要销售明显更多 iPhone 的情况下提高平均售价。 fileciteturn0file0L10-L20 iPhone Duo 让我们具体谈谈 Duo。正如我们所知道的，可折叠手机并不是什么新鲜事物，市场上早就已经有可折叠智能手机。具体来说，Samsung（SSNLF）早在 2019 年就发布了 Galaxy Fold。此外，还有一些公司已经开始生产双铰链的三折叠手机。不过，在经历了一个不错的开局之后，整个行业却出现了下滑。根据 IDC 的数据，今年前六个月折叠屏手机出货量下降了 15%。虽然 Apple 进入折叠屏手机市场早在几个月前就已经被市场广泛预期，但分析师认为，Apple 的加入将显著提振整个行业。具体而言，预计到 2026 年，Apple 将占据全球折叠屏智能手机总销售收入的 44%。 【原文图片位置：折叠屏智能手机市场数据（Agar Capital，Bloomberg Terminal）】 从财务角度来看，我很好奇这种定价能力最终会有多少真正转化为毛利润。随着内存和存储成本上涨，公司成本也在上升。而 Apple 只将 Pro 型号价格提高 100 美元，这可能会成为一次非常有意思的测试。对我而言，真正的问题是：更高的售价能否完全抵消内存和存储成本上涨带来的全部额外成本，还是毛利率依然会承受一定压力？ 人工智能 对于人工智能（AI），我对这里所提出的愿景要保守得多。Apple 将 iPhone 称为一个“Personal Intelligence Hub（个人智能中心）”。这个个人智能中心包括设备端 AI、云端 AI，以及能够连接超过 30 万款应用的 Siri。目前这些功能的真正价值，更多在于它们能够帮助推动 iPhone 换机周期，并进一步提升用户在 Apple 生态系统中的留存率。A20 Pro 也与这些目标高度契合：采用 2nm 制程、上一代 Neural Engine 两倍的性能、更强的图形能力以及更好的持续性能。Apple 已经开发出了实现这些技术所需要的芯片和操作系统。此外，Apple 还拥有强大的分销渠道，以及超过 10 亿最终可以使用这些技术的客户。在我看来，这为公司长期构建更大的 AI 平台提供了一个非常强大的基础。 Apple Watch 与 AirPods 我对 Apple Watch 和 AirPods 的看法也是如此。最新的健康监测技术、环境智能以及基于 Siri 的创新，为整个生态系统增加的价值远远大于单纯提升每一类产品的销量。每一种产品都会再给用户一个继续留在 Apple 生态系统中的理由。用户忠诚度始终都是 Apple 最重要的优势。如果你现在正用 iPhone 阅读这篇文章，你可能非常清楚我在说什么。 iPhone 高端化 Apple 大约一半的收入都来自 iPhone，因此，如果你想知道公司下一步可能走向哪里，就必须从 iPhone 开始分析。过去几年里，Apple 一直在推动“Pro”型号，而在 9 月 9 日的发布会之后，这一战略已经非常明显。 【原文图片位置：Apple iPhone 收入及产品结构（Agar Capital，Bloomberg Terminal）】 随着新一代 iPhone 产品线的定价明显高于过去——iPhone 18 Pro 起售价为 1,199 美元，Pro Max 为 1,299 美元，而全新的 Duo 起售价接近 2,000 美元——即使公司卖出的 iPhone 数量与过去相同，甚至略少一些，只要每台设备的售价大幅提高，整体盈利仍然可能增长。这就是平均售价（ASP）发挥作用的地方。 正如你所知道的，过去几年 iPhone 的 ASP 一直持续上升。分析师预计，消费者向 Pro 型号迁移的趋势将在 2026 年继续支撑 iPhone ASP 增长。由于 Duo 将进入一个完全全新的价格区间，而且分析师预计折叠屏手机的平均价格将超过 2,550 美元，这将进一步提高 Apple 产品组合中高价格设备的占比。 【原文图片位置：iPhone 平均售价趋势（Agar Capital，Bloomberg Terminal）】 这意味着，从整体来看，即使全球智能手机市场增长放缓，只要更多消费者选择 Pro、Pro Max 或 Duo，iPhone 收入依然能够继续增长。换句话说，Apple 正在努力从每一台售出的设备中赚取更多利润。 存储芯片短缺也迫使行业内许多公司提高平均售价。根据 IDC 的数据，预计 2026 年全球智能手机 ASP 将上涨 27.6%。由于 Apple 几乎只生产高端设备，因此相比那些同时销售高端和低端设备的厂商，公司在这些产品上面临的降价压力明显更小。 【原文图片位置：全球智能手机 ASP 预测（Agar Capital，Bloomberg Terminal）】 iPhone Duo：市场情景分析 Duo 是 Apple 首次进入折叠屏市场，目前我们还无法确定消费者会以多快的速度接受一款售价超过 2,000 美元的 iPhone。因此，我更喜欢通过不同“情景”来构建预期，而不是在缺乏充分证据的情况下直接做单一预测。 在悲观情景中，我预计消费者反应相对平淡。Apple 最终获得全球折叠屏智能手机市场大约 10% 的份额，每年销售约 200 万至 300 万台 Duo。按照 2,300 美元的平均售价计算，这意味着 Apple 每年可以从这一产品获得大约 50 亿至 70 亿美元收入。因此，虽然对于一个全新的产品来说，这已经是非常不错的表现，但它对 Apple 整体利润的影响仍然相对有限。很多人担心会重演 Vision Pro 的情况。 基准情景是我认为最有可能发生的情况，我预计每年 Duo 销量约为 500 万至 700 万台，对应每年约 140 亿至 180 亿美元收入。 然后是乐观情景。在这种情况下，Apple 重演自己过去的历史模式：晚于其他厂商进入一个新产品类别，然后迅速占据主导地位。根据 IDC 提供的预测，如果 Apple 能够占据折叠屏市场接近 40% 的份额，那么每年可能销售 900 万至 1,100 万台 Duo。如果平均售价提高至 2,700 美元甚至更高，则对应收入可以达到约 250 亿至 300 亿美元。 情景 2026 年 Duo 销量（百万台） 2027 年 Duo 销量（百万台） ASP（美元） 2027 年 Duo 收入（十亿美元） 占 2027 年 Apple 销售额比例 悲观（10% 份额） ~2.3M ~2.7M 2,300 ~6.2 ~1.2% 基准（25% 份额） ~5.7M ~6.8M 2,550 ~17.2 ~3.3% 乐观（40% 份额） ~9.2M ~10.8M 2,700 ~29.2 ~5.6% 从这些数字可以非常明显地看出，基准情景预测是现实的，对应收入大约占 Apple 整体收入的 3%。另一方面，乐观情景的上限则可以接近 6%。 fileciteturn0file0L56-L69 利润率与零部件成本分析 在利润率方面，Apple 依然拥有一个极其强劲的基础。Apple 规模庞大，能够以许多其他公司根本无法达到的采购量购买零部件，而且从历史上来看，公司一直能够在成本结构中实现显著的规模经济。因此，产品业务毛利率通常维持在 30%-35% 之间，而服务业务毛利率则超过 70%。受更好的产品组合以及有效成本管理推动，FY2023 公司整体毛利率进一步改善至 44.1%。 【原文图片位置：Apple 毛利率趋势（Agar Capital，Bloomberg Terminal）】 Apple 目前面临的主要问题来自内存成本。RAM（随机存取存储器）和 NAND（NAND Flash），也就是 iPhone 用于存储和处理数据的芯片，自去年以来价格已经显著上涨。根据 Wall Street Journal 最近一篇文章中引用的一些预测，部分 iPhone 18 Pro 配置的内存芯片成本可能上涨了三到四倍。如果只从单个零部件成本角度考虑，这种幅度的成本增加显然可能给任何商业模式带来非常大的压力。 幸运的是，Apple 有两种方式可以缓解这种影响。其中一部分内存成本上涨可以由 Apple 自己直接吸收，从而表现为较低的营业利润率。另一种方式，则是通过提高售价，把全部或者部分成本转嫁给消费者。从最新一代 iPhone 产品线来看，Apple 看起来正是这样做的。具体而言，Pro 和 Pro Max 的售价已经提高，而且有证据显示产品组合正在进一步向价格更高的高端型号以及 Duo 倾斜。 因素 iPhone 17 Pro iPhone 18 Pro（预估） 基础首发价 $1,099 $1,199（+9.1%） RAM + NAND 成本 $52（256GB） $77（256GB）↑ 其他零部件成本 ~$200 ~$200 预计毛利率 ~37% ~36%-38% 在这种情景下，计算其实相当直接。虽然内存成本会增加几十美元，但如果一台 iPhone 的最终售价仅仅提高大约 10%，那么 Apple 很可能仍然可以保住大部分甚至全部原本可能损失的利润，甚至从单机美元利润角度来看还有可能实现改善。我的高端定价投资逻辑包含多个重要方面，但其中可能没有哪一点比它在原材料成本上涨时保护利润率的能力更加重要。 因此，我认为，即使物料清单（BOM）成本提高，Apple 未来仍然能够在很大程度上保护自己的毛利率。 fileciteturn0file0L71-L88 估值 我不认为 Apple 必须大幅提高 iPhone 销量才能兑现自身潜力。公司真正需要做的是提高每一台设备所创造的收入、扩大服务业务，并通过股票回购减少总流通股数量。这些策略应该能够推动每股收益（EPS）继续增长。 根据 Bloomberg 对 FY2028 EPS 10.68 美元的一致预期，我给予大约 35 倍市盈率，由此得到每股 373.80 美元的估值，基本与我的 372 美元目标价一致。 【原文图片位置：Apple FY2028 EPS 与目标价估值（Agar Capital，Bloomberg Terminal）】 35 倍市盈率显然是一个非常高的估值。不过，Apple 当前前瞻市盈率大约为 33 倍，而过去五年平均值大约为 30 倍。 【原文图片位置：Apple 前瞻市盈率与五年平均估值（Agar Capital，Bloomberg Terminal）】 因此，为了达到我的目标价，我并不是假设市场会从头开始彻底重估 Apple。相反，我只是预计估值倍数会温和扩张，同时盈利继续取得一定增量增长。 【原文图片位置：Apple 股价走势图（TradingView）】 结论 我将继续维持“强烈买入（Strong Buy）”评级，并保持 372 美元目标价不变。我们暂时把折叠屏 iPhone 和 Apple 对 AI 的应用放到一边，先看看 Apple 正在如何通过整个生态系统本身获取更多收入。每一代新 iPhone 发布时，Apple 都在提高 iPhone 的平均售价。同时，公司从每一位用户身上通过服务业务能够获得的收入也一直在增加。 【原文图片位置：Apple 生态系统及估值相关数据（Seeking Alpha）】 对我来说，真正的投资故事正是从这里开始。Apple 可能根本不需要每年比现在多卖出多少设备。真正需要做的是，通过提高每位客户的整体经济价值来保护利润率。同时，Apple 还需要把庞大的已安装用户基础进一步转化为更多持续性的经常性收入。 目前市场显然已经认识到了 Apple 很大一部分优质属性。由于 Apple 当前的估值倍数已经非常高，因此几乎没有太多犯错空间。不过，如果 Apple 能够在定价、利润率、服务业务以及 Duo 这几个方面全部执行到位，那么我认为，从当前价格计算大约 18% 的潜在上涨空间，依然足以覆盖相应风险。