AI快讯

10月19日波士顿咨询（BCG）发布报告《The 2027 Revenue Agenda: Moving the AI Focus from Productivity to Proof of Value》，调研覆盖五个行业、23个国家的398位CRO、销售负责人、首席商务官与收入运营负责人。核心数据：90%的受访者报告AI在销售与收入工作流中有意义使用，但只有6%实现了治理约束下自主完成端到端工作流的AI；AI最常被衡量到的影响是行政工作量下降33%，其次是为销售节省时间22%、教练与赋能改善18%、预测准确性提升18%；而商业结果侧只有13%报告胜率改善、14%报告转化率提升、仅8%报告配额达成提高。面向2027，65%的收入负责人预计团队扩编（22%预计增长超10%），72%预计销售与收入预算增加，91%预计人均配额或生产率要求提高。报告共同作者Federico Fabbri与Nacho Hafner指出，当前收益真实但主要集中在行政与交易支持，把它们转化为胜率与配额达成是下一年的任务。 90%已用AI与6%端到端自治之间的鸿沟是什么？ 多数公司用AI做写邮件、生成报价、整理会议纪要这类单点提效，智能体在给定边界内自主跑完整销售流程（从线索到跟进到成交建议）的极少。调研把广泛采用和深度自治分开，说明工具铺得开、流程改不动，原因在权限、责任归属与风险控制，而不是模型能力不够。企业担心AI独立决策出错，宁可让人盯着每一步。 行政减负33%却只换来胜率13%说明价值没兑现吗？ AI先吃掉文档、排版、查重、总结这类低价值事务，把销售时间省下来，但省出的时间是否真用在客户沟通上，取决于管理是否重新分配。胜率、转化率、配额达成是滞后商业指标，需要团队流程与激励配合，AI单点工具无法自动改善。BCG把这种错配称为生产力收益跑在商业结果前面。 65%扩编、72%加预算、91%提高配额的组合激进吗？ 收入负责人同时加人、加钱、加目标，把增长希望押在AI带来的生产率台阶上。报告明确警告这些计划假设了一次尚未兑现的生产率跃升。若AI只停留在行政提效，预算增长与配额提高会挤压团队，形成目标与工具能力的落差。这也是2027采购能否落地的关键判断点。 AI成熟组织的转化数据为什么能拉开差距？ 调研显示自主智能体部署更多的领先组织，报告转化率提升的比例为23%对11%，出现双位数收入增长的比例为69%对42%，设有正式AI采用目标的比例为67%对23%。差距来自把AI推进到客户接触与判断密集的环节，而不仅是后台减负。结论是AI价值要从生产力工具转向增长引擎，需要正式目标、流程改造与把释放的时间还给客户互动。 信息来源与延伸阅读？ Chief Revenue Officers Entering 2027 with a Do More with More AI Agenda - BCG Press CROs Turning AI into Sales Growth - BCG Publication 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月20日，锐捷网络（301165）在巨潮资讯披露2026年三季报：前三季度营业收入145.96亿元，同比增长36.66%；归母净利润10.81亿元，同比增长58.87%；扣非净利润10.59亿元，同比增长61.69%。单第三季度营收57.64亿元，同比增长42.98%，归母净利润3.87亿元，同比增长69.43%。公司经营层面，互联网客户的数据中心交换机订单加速交付，AI算力集群对高速互联与无损网络的需求成为主要拉动。财报同时披露存货90.97亿元、短期借款64.97亿元，反映为应对AI设备交付周期而备货与加杠杆的状态。上海证券报等媒体援引财报数据解读，收入与利润增速差显示产品结构向高毛利的AI网络设备倾斜，但高存货也带来跌价与回款压力。 AI集群为什么让数据中心交换机成为卖货主线？ 大模型训练需要成百上千张GPU以极高带宽互联，RoCE无损以太网、超宽平面与低时延组网成为刚需，交换机从通用网络设备变成算力集群关键部件。互联网客户集中采购高速交换机，直接推高锐捷营收增速，单Q3营收增速超过前三季均值，说明订单在三季度密集交付，而非全年平稳增长。 净利增速快于营收增速说明产品结构发生了什么变化？ 归母净利增58.87%高于营收增36.66%，扣非增速更高，意味着高毛利的AI数据中心设备占比提升，费用率被规模摊薄。传统企业网与园区网竞争激烈、毛利有限，AI网络订单带来利润弹性。但需要注意，单季利润里是否含一次性因素，要看全年现金流与毛利率披露。 90.97亿存货与64.97亿短借背后是什么经营逻辑？ AI芯片与交换机供应周期不稳定，公司提前备货关键物料与整机以锁定交付能力，存货规模随之上升；短期借款补充营运资金，说明扩张主要靠经营与债务驱动。高存货在订单持续时是壁垒，一旦需求节奏变化或技术换代，就面临跌价减值风险，需要结合周转率与回款观察。 这轮AI网络红利会持续还是阶段性抢单？ 中长期看，算力集群规模扩张会继续拉动高速交换机，但互联网客户集中度高、采购周期波动大，单一大客户订单波动会放大业绩起伏。锐捷的机会在于国产替代与企业级网络能力，风险在于上游芯片供应与价格竞争。三季报是景气验证，全年能否维持高增速还要看四季度交付与回款质量。 放到国产算力产业链里看，交换机是除GPU与光模块之外确定性受益的环节：集群规模越大，互联设备数量与规格提升越明显，订单往往随算力建设同步释放。锐捷在互联网与运营商客户基础上叠加AI数据中心线，属于原有渠道的自然延伸。但投资者也要区分一次性抢装订单与可持续需求，关注毛利率、应收账款与存货周转，避免把单季高增速线性外推到未来数年。 信息来源与延伸阅读？ 锐捷网络2026年第三季度报告 - 巨潮资讯网PDF 锐捷网络三季报解读 - 中国证券网 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

The Robot Report与AgFunder News 10月19日报道，林业物理AI初创Kodama完成700万美元融资，由Konvoy Ventures与Breakwater Ventures联合投资，公司累计融资达1400万美元。Kodama不造整机，而是把传统集材机（skidder）改造成可自主作业的平台，采用监督式自主加遥操作混合方案：机器在安全边界内自主搬运木材，操作员在远程监督并处理异常。改装平台配备NVIDIA计算单元、8个摄像头、2个激光雷达、Starlink卫星联网与GPS，单机每天作业10到14小时。公司称过去6个月在美国东南部多州现场搬运超过10万吨木材，每台机器每天产生约1TB训练数据，并以RaaS（机器人即服务）模式向林场收费，而非一次性卖设备。资金用于扩大车队、训练世界模型与扩张到更多林区。 物理AI为什么从林业这种冷门场景切入？ 林场场景结构化程度高：树木位置相对固定、作业路线重复、事故代价低于城市道路，又正好缺少年轻伐木工人。Kodama选择集材机这种成熟机械做改装，省去重新设计底盘与动力系统的成本，把精力放在感知、路径与监督算法上。偏远林区有Starlink补网，让遥操作成为可能，这是过去机器人公司在户外难以解决的通信问题。 监督式自主加遥操作为什么比完全无人更现实？ 林业地形起伏、障碍物多变，完全自主一次到位风险高，混合模式让机器处理常规搬运，人只在边界情况介入，既缓解劳动力短缺又保留安全兜底。这种渐进路线比一步到位的全自动车队更容易被林场接受，也便于按作业面积收费。每天1TB现场回传数据持续训练模型，车队规模越大，数据飞轮越明显。 6个月10万吨木材意味着怎样的经济性？ 10万吨是由多台改装机器、跨多州、半年累积的结果，说明已经进入真实商业作业而非演示。RaaS模式让林场不用承担购车与维护风险，按搬运量或作业时长付费，降低采纳门槛。林业行业利润率薄，自动驾驶必须在人工工资与维护成本上证明净节约，Kodama需要用更多林场账单验证单位经济模型。 物理AI创业公司靠现场数据能建立多深的护城河？ 通用灵巧操作需要海量接触数据，林业场景的地形、植被与搬运模式相对专一，Kodama积累的林区感知数据对跨行业迁移有限，但对本行业足够构成壁垒。竞争对手可以买到同样传感器，却买不到半年10万吨作业带回的故障样本与路线经验。后续扩张到其他户外移动作业（如农场、矿山）才是规模拐点。 需要客观看待的是，10万吨搬运量来自多台设备长期累积，公司没有披露单机效率、客户数量与复购率，RaaS经济性仍需更多季度数据。林业受季节、林种与地形影响大，一套系统能否从美国东南部复制到其他林区，要看感知模型在不同植被下的鲁棒性。但选择劳动短缺、规则重复的垂直行业切入，本身比硬闯城市交通更务实，物理AI的落地往往先从这些不显眼的场景开始。 信息来源与延伸阅读？ Kodama raises $7M to bring robotics to forestry - The Robot Report Kodama nets $7M to scale physical AI for intelligent forestry - AgFunder News 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月19日PR Newswire披露，墨西哥AI原生银行平台Kapital同意以3000万美元现金加股票收购Y Combinator孵化的编码智能体初创Woz，以增强自身AI原生银行能力。Woz面向35万客户提供代码生成与软件开发Agent工具，其创始人Ben Collins将出任Kapital的Head of AI，联合创始人Brad Eckert出任Kapital CTO，约25名开发者随交易加入。Kapital在9月完成1.25亿美元融资、估值约20亿美元，同日还宣布获得哥伦比亚银行业监管初步批准，计划把业务扩张到哥伦比亚市场。交易没有披露详细对赌与人员留任条款。这是拉丁美洲金融科技公司把外购AI开发能力直接并入核心团队、用并购替代自建的典型案例，与科技巨头收购Agent公司的逻辑一致：与其租用第三方Agent，不如把工程能力收进内部。 银行为什么要买一个写代码的Agent公司而不是自己招工程师？ Woz带来的不只是产品，而是一支已经把编码Agent工程化的小团队与现成客户数据。Kapital正在快速扩张信贷、支付与合规系统，内部研发节奏跟不上市场扩张，并购能一次性获得Agent工具、方法论与核心人才。Head of AI与CTO两个关键岗位由被收购方创始人担任，说明Kapital把AI能力放在工程最高层，而非边缘实验部门。 3000万美元现金加股票的定价在YC系Agent里算什么水平？ 对一家约25人、35万客户的早期工具公司，3000万美元属于中等偏上的早期并购价，股票部分让创始人与团队绑定Kapital长期表现。对比同期纯Agent创业公司估值热，这笔交易更看重团队与能力整合，而非单纯用户规模。现金加股票的结构也降低了买方一次性支出压力。 AI原生银行把Agent用在哪些内部与外部场景？ 内部是代码生成、测试自动化、合规文档处理与客服知识库维护；外部是为小微企业客户提供智能记账、信贷申请辅助与财务建议。Kapital本身服务拉美中小企业，编码Agent能加速产品迭代，同时未来可能包装成对客的开发辅助工具。35万Woz客户能否平滑迁移与留存，是整合最大的不确定项。 拉美金融科技并购AI公司会成为趋势吗？ 区域银行科技预算有限、自建大模型成本高，外购成熟Agent团队比从零训练更现实。Kapital同日拿到哥伦比亚牌照，说明扩张优先靠牌照与渠道，AI能力则靠并购补齐。后续可能出现更多金融科技收购垂直Agent的案例，但能否留住创始人团队、把工具转化为营收，要到两个财报周期后才能验证。 从行业信号看，金融科技并购Agent公司说明AI能力正在从独立产品变成企业内部职能：与其每年向多家工具公司付订阅费，不如把核心开发团队收编进组织，统一技术栈与数据口径。对拉美创业者而言，被银行并购也是一条现实退出路径，不必都追求独立IPO。但文化整合是最大未知数，被收购方创始人出任高管能否长期留任、25名开发者是否适应银行合规节奏，往往决定这类交易的最终回报，3000万美元买的主要是人与方法论，而不是成熟的营收规模。 信息来源与延伸阅读？ Kapital agrees to acquire AI startup Woz for $30M - PR Newswire Kapital gets first green light to offer banking in Colombia - Briefs.co 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

亚马逊可持续发展官网与X-energy官网10月19日前后披露，亚马逊、美国电力公司American Electric Power（AEP）与核反应堆开发商X-energy签署联合开发协议（JDA），共同评估在印第安纳州一处退役煤电厂址部署12台Xe-100高温气冷小型模块化反应堆，合计容量960MW，为亚马逊等超大功率数据中心提供零碳基荷电力。项目目前处于可行性评估阶段，协议不构成最终采购承诺；双方称若推进落地，预计建设阶段提供超过1000个建筑岗位、投产后创造超过100个永久岗位。Xe-100是X-energy的模块化高温气冷堆设计，使用三结构同颗粒燃料，可在工厂模块化制造后运至现场组装。这是继微软、谷歌等公司签订小堆购电意向之后，云厂商直接绑定核燃料供应方的又一具体落点。 为什么AI数据中心开始盯上退役煤电厂址？ 煤厂厂址早已接入高压输电网、拥有冷却水与平整土地，环评与土地审批部分完成，比新建绿地带宽更现实。小堆功率较小、可分模块建设，与数据中心分期扩张节奏匹配，退役煤址改核能被视为把废弃工业资产重新接入AI电力网络的捷径。但厂址原有输电容量能否承载960MW、核安全审批周期仍是未知数。 12台Xe-100、960MW对应多大算力需求？ 960MW是数十座大型数据中心园区的量级，意味着这不是为单个机房供电，而是为长期AI算力扩张预留基荷。与风光等间歇电源不同，核电24小时稳定输出，适合大模型训练与推理的连续负载。协议停留在可行性阶段，从JDA到投运通常需要十年以上，当前更多是锁定未来电力通道的战略卡位。 云厂商直接签核开发商会不会抬高核电成本？ 亚马逊作为长期购电方背书，能帮助X-energy获得融资与监管信心，但巨型采购也让核电产业进一步向少数科技巨头倾斜。小堆尚未规模化，单堆经济性未经验证，12台批量部署是否摊薄成本要看首堆实际造价。对电网公司AEP而言，这是把存量煤电资产向零碳基荷转型的机会。 核能+AI的组合会成为主流还是少数巨头特权？ 当前趋势是超大科技公司用长期合同锁定稀缺清洁电力，中小企业只能在余电市场竞争。若Xe-100首堆验证顺利，退役煤址改小堆可能复制出一批项目；若监管与造价受阻，云厂商仍会回到天然气与购电协议。本项目仅为评估阶段，距离开工与发电都有漫长流程，不宜按已建成事件解读。 从产业格局看，这一协议反映出云厂商电力谈判地位的上升：当数据中心成为最大新增用电负荷，电网公司愿意拿出退役煤址与长期购电协议换取稳定客户，反应堆开发商则借巨头背书解决融资难题。三方各取所需，但首堆技术成熟度、核安全审查周期与公众接受度都不是商业协议能替代的。把JDA当作电力战略的信号比当作已建成项目更稳妥，真正开工还有多道关卡。 信息来源与延伸阅读？ Amazon nuclear energy in Indiana with X-energy and AEP - Amazon About X-energy, Amazon and AEP partner to bring SMR project to Indiana 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月19日，Salesforce发布新闻稿宣布未来五年向西班牙投资10亿美元，在马德里设立EMEA South区域总部，组建AI Implementation Team（AI实施团队）与forward deployed engineers（前线部署工程师），面向南欧、北非以及西语拉美市场的企业客户交付Agentforce等AI应用。公司自2003年进入西班牙，目前在当地拥有600多个直接岗位，客户名单包括能源巨头Repsol与银行Caixabank等。Unite.AI报道称，这是Salesforce在欧洲南部加码企业AI落地的最新动作，资金用于办公扩张、人才招聘、AI实施能力建设与本地生态合作，而不是单纯的市场推广。10亿美元按五年分摊，重点落在把已有CRM客户迁移到AI工作流的服务能力上，这也是当前企业软件大厂竞争最激烈的交付环节。 为什么选择马德里而不是巴黎或柏林？ 西班牙拥有大量西语与英语双语工程师，人力成本低于北欧与西欧核心城市，同时马德里作为南欧枢纽可辐射拉美西语市场，客户语言与文化接近。对Salesforce而言，投10亿美元买的不只是办公室，而是一支能讲西语、懂本地合规、贴近客户行业的交付队伍。Repsol、Caixabank这类本地大客户成为锚点，再向中型企业外扩，符合企业软件先标杆后规模的扩张逻辑。 AI Implementation Team和普通实施团队有什么本质区别？ 传统CRM实施做配置、数据迁移与流程上线，AI实施团队要负责把Agentforce智能体接入客户现有流程、设计权限与评估指标、处理幻觉与越权、训练业务专用知识库。前线部署工程师长期驻场，把客户问题直接反馈给产品团队，形成迭代闭环。行业普遍判断，企业买得动AI平台但用不起来，缺口就在这层交付能力，大厂纷纷自建实施队伍以降低对咨询公司的依赖。 10亿美元投资对西班牙本地AI产业意味着什么？ 资金进入会带动本地咨询、集成、培训与云服务就业，也抬高人才竞争门槛。对本地软件生态是利好：合作伙伴能接到更多项目；对中小AI创业公司则可能被大厂收编或挤压。政府招商通常还会配套补贴与研发激励，Salesforce落地后本地企业上云与Agent部署会加速，但税收与数据主权安排仍需观察。 企业AI服务市场的竞争会如何演变？ Salesforce、SAP、Oracle、微软都在自建行业AI交付队伍，咨询公司与SaaS创业公司被夹在中间。大厂靠存量客户与平台溢价锁定预算，创业公司靠细分场景与速度突围。西班牙这10亿美元是大厂把AI从概念推向账单的缩影：真正的竞争已从模型能力转向谁能帮客户把AI用进真实流程并证明回报。 还值得注意的是，这笔投资不是单纯的软件销售返点，而是把区域总部、实施团队与前线工程师同时落地，意味着Salesforce希望在南欧建立长期交付中心，而不是只签几个大客户。对本地求职者而言，AI实施与咨询岗位会随之增加，对合作伙伴生态也是一轮洗牌。企业采购方则要比较自建Agent能力与平台实施服务的边界，避免为重复的配置工作付费。 信息来源与延伸阅读？ Salesforce Names Madrid EMEA South Hub in Five-Year Spain Investment - Unite.AI Salesforce $1B AI Leadership Investment in Spain - Official Press Release 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月18日至19日，墨尔本工业AI初创Syncrowin宣布完成300万美元预种子融资，本轮由纽约Collide Capital领投，Hustle Fund、POV Ventures、Co-Ventures、Ventari及天使投资人参与。公司由机械电子背景的Aishwarya Kansakar（CEO，2025年度维多利亚州澳大利亚青年人物）与Jaideep Upadhyay（CTO）联合创立，平台把机器传感器、维护记录、ERP与非结构化通信数据统一接入，在组件级别实时识别正在发展的设备故障，目标客户覆盖制造、油气、资源、能源与农业等资产密集型行业。公司称平台可实时分析多达60万个数据点，宣称客户能实现5到7倍投资回报、停机时间下降至多20%、节省成本高达80%，这些均为公司自述指标。资金将用于扩展澳大利亚与旧金山的AI和工程团队，产品定位为叠加在现有工业基础设施之上的轻量智能层，而非替换客户原有系统。 预种子轮的钱为什么先投向预测维护这种传统场景？ 工业场景里一次非计划停机造成的损失以数十万到数百万美元计，模型只要把早期故障征兆识别出来，价值就能直接换算成可计量的成本节约，不需要向客户证明抽象的生产力提升。相比通用办公Agent，预测维护的付费逻辑清晰：减少停机、延长检修间隔、降低备件库存。资本在通用大模型之外，正在沿数据密集、ROI可量化的行业垂直场景寻找回报确定的标的。 60万个数据点实时分析在工程上难在哪里？ 工厂设备协议五花八门，Modbus、OPC、SCADA与ERP字段口径不一，传感器漂移、误报与缺失常见。难点不是训练一个准确率很高的模型，而是把异构信号对齐到同一时间轴、过滤误报、把告警翻译成维修工单。Syncrowin强调轻量叠加层与现有系统共存，回避了大而全平台替换的昂贵周期，这正是中小资产密集企业愿意试用的原因。但低误报率需要大量现场故障样本积累，初创公司的数据壁垒通常要靠逐个客户落地慢慢沉淀。 女性创始人拿下2026年最大女性创始人预种子说明什么？ Kansakar称本轮是2026年澳大利亚由女性创始人完成的最大预种子轮。工业工程与硬件维护传统上男性从业者占多数，女性创始人能在这个赛道拿到机构资金，说明投资人开始看重工程落地能力与行业理解本身，而非刻板的创始人画像。但规模仍只是300万美元，团队也仍是创始人主导，商业化验证与销售团队搭建才是下一阶段考验。 与IBM Maximo、SAP、MaintainX等成熟平台竞争的空间在哪？ Syncrowin的竞争对手包括IBM Maximo、SAP S/4HANA、Rockwell Fiix、UpKeep、MaintainX、Uptake、Samsara以及本地的Factory AI、Asset Vision。成熟平台功能全但实施重、周期长，Syncrowin以轻量智能层切入，先用AI分析价值说服客户，再逐步扩展。真正的护城河是部署历史与现场数据，而非算法本身，客户一旦把故障标签与检修结果回灌平台，迁移成本会随之上升。 信息来源与延伸阅读？ Syncrowin Raises $3M Pre-seed - The SaaS News Syncrowin pre-seed funding brief - OnTargetIsh Startuply.vc: From Melbourne, an AI wedge into the heaviest machines 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月19日晚间，海光信息（688041.SH）发布2026年第三季度报告。前三季度营业收入149.55亿元，同比增长57.58%；归母净利润28.47亿元，同比增长45.12%；扣非归母净利润25.84亿元，同比增长42.25%；基本每股收益1.23元。单季度看，第三季度营收58.56亿元，同比增长45.46%，归母净利润10.48亿元，同比增长37.90%，扣非净利9.53亿元、同比增长31.12%。公司在三季报中解释，业绩增长受人工智能产业快速发展、国产化进程由政策驱动全面转向市场驱动等因素带动，国内高端芯片需求持续攀升，公司围绕通用计算与人工智能计算市场迭代优化产品，持续保持市场领先。前三季度研发投入合计44.72亿元，同比增长52.39%，占营业收入比例29.90%。 营收57.58%的高增来自AI还是通用服务器？ 海光产品线分为x86架构CPU与GPGPU架构DCU两条线，分别面向数据中心通用计算与AI加速。三季报未拆分具体占比，但公司把增长归因于AI产业发展叠加市场驱动的国产化，说明DCU推理与训练需求在放量，同时CPU受益于存量服务器替换。政策驱动转向市场驱动的表述很关键，意味着采购逻辑从合规备库转向真实业务需求。 账面净利45%为什么剔除股份支付后是77%？ 新浪财经测算，剔除股份支付的会计准则影响，前三季归母净利润为35.86亿元，同比增长76.90%，扣非33.24亿元、增长76.57%。账面增速被限制性股票激励带来的股份支付费用压低，真实内生经营利润增速远高于披露值，研发人员快速扩充与新产品验证费用同步增加。加权平均净资产收益率11.59%，较上年同期提升2.29个百分点，资产盈利效率在改善。 近30%研发占比在芯片公司意味着什么？ 44.72亿元研发投入占营收29.90%，对一家规模公司属于高强度持续投入，覆盖关键核心技术研发、前瞻技术研究与团队扩充。国产算力的竞争已经进入性能、软件生态与代际追赶阶段，研发强度决定下一代DCU能否在主流框架与集群调度上缩小与海外产品差距。董事长此前还提议最高8亿元回购，传递管理层对长期价值的信心。 三季报之后市场还在盯什么？ 财报验证了需求侧高景气，但估值还要看DCU在国产算力集群中的实际份额、软件栈适配与供货能力。相比单纯数字增长，投资者更关心单季毛利率是否稳定、存货备货与现金流能否匹配高速扩张，以及下一代产品的路线图，这些将决定国产龙头是否能把政策红利沉淀为长期份额。 信息来源与延伸阅读？ 海光信息技术股份有限公司2026年第三季度报告（上交所披露PDF） 海光信息前三季度营收149.55亿元增57.58%，高研发凸显国产算力龙头价值 - 新浪财经 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月19日盘后，科大讯飞披露2026年第三季度报告。第三季度营收65.64亿元，同比增长7.99%；归母净利润2.26亿元，同比增长31.05%，环比扭亏为盈；扣非净利润亏损约1.26亿元。前三季度营收181.87亿元，同比增长7.05%；归母净利润2188.72万元，与上年同期净亏损6667.54万元相比实现扭亏为盈，同比增长132.83%；前三季度扣非净利润亏损7.63亿元。第三季度研发投入超17亿元，较去年同期增长近4亿元，占营业收入比重逾25%；前三季度经营活动现金流净额2.64亿元，同比增长115.28%，Q3单季销售回款77.94亿元，较去年同期增长超7亿元。公司同时预告10月22日发布全新云+端讯飞星火大模型，基于全国产算力底座升级端云一体化方案，以Token+Agent推动生态升级。 扭亏背后是增长还是结构调整？ 公司明确Q3增长来自主动推进业务战略聚焦与结构调整，坚持做强C端、做深B端、优选G端。第三季度G端业务收入同比下降2.39%，主动收缩智慧城市业务的同时，智慧教育、智慧医疗均实现20%以上良性增长。也就是说，利润改善一部分来自砍掉低质量政府项目，而非全业务线扩张，这种扭亏的可持续性要看运营型业务能否延续。 扣非亏损1.26亿为什么与归母净利2.26亿并存？ 差异来自高研发投入与非经常性损益。公司在自主可控技术路线上保持高强度研发，Q3研发超17亿、占比逾25%，直接压低扣非利润。6月9日成立全资子公司合肥词元星火，专门承接通用大模型研发与Token经济，独立核算、专业化运营，这意味着大模型投入被单独切出，主业利润与模型投入的边界将更清晰。 10月22日新模型为什么选全国产算力底座？ 预告中的关键词是全国产算力与端云一体，区别于以往依赖通用算力集群，公司把软硬件一体化作为差异化卖点，多模人机交互与Token+Agent生态是主推方向。在国产芯片适配政策环境下，全国产底座既是供应链安全叙事，也是成本控制路线，能否在基准上缩小与一线模型差距，发布当天见分晓。 财报与新模型之间市场在等什么？ 讯飞的估值长期绑定星火能力兑现，前三季归母仅两千多万元、扣非仍亏7.63亿，说明商业化还没完全覆盖研发。投资者既看Q3利润改善的趋势，也等10月22日模型的硬指标与落地订单，研发占比25%能否换来收入弹性，是接下来几个季度的核心观察点。 信息来源与延伸阅读？ 科大讯飞：前三季度净利润约2188.72万元 同比增长132.83% - 上海证券报 科大讯飞第三季度净利润2.26亿元 同比增长31.05% - 经济参考网 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

10月19日，在第十届CSDI Summit中国软件研发智能创新科技峰会上，商汤大装置副总裁、CTO宣善明表示，随着AI应用从对话式问答走向多Agent协作与长任务执行，Token需求呈千倍级增长，AI基础设施竞争正从算力规模转向高质量Token产能。商汤大装置平台目前日均Token服务量已达6万亿，预计2026全年Token服务规模实现25倍增长，计划第四季度达到日均10万亿Token。技术上，临港AIDC万卡级异构推理集群通过PD分离，把大模型推理的Prefill预填充与Decode解码阶段解耦，不同类型算力承担对应任务，再经KV Cache传输协同，在相同数量高端旗舰卡的测试配置下，整体Token吞吐量提升至基准方案的5倍。 PD分离到底解决了什么矛盾？ Prefill是计算密集型，负责处理输入Token，Decode是显存带宽密集型，要持续读取上下文缓存逐步生成输出，两者对硬件的需求完全不同，让同一张卡同时承担必然互相拖累。PD分离由适配的国产算力集中承担Prefill，高带宽高阶GPU承担Decode，KV Cache在两阶段间传输，把不同代际、不同规格的芯片用800G、400G、200G网络融合到同一集群，让每类硬件做最适合的事，这正是异构集群效率的来源。 5倍吞吐是同数量旗舰卡算出来的吗？ 是的，对比口径是相同数量高端旗舰卡，而非堆更多卡，这一点关键。它说明提升来自架构重组而非资本加码。工程难点在于节点故障与资源闲置，部分异构配置需要30至50个中低阶Prefill节点才能匹配一个Decode节点，一旦Decode故障，大量Prefill资源闲置，商汤的做法是在Prefill资源池预留少量高端算力兜底。 跨域PD分离与AF分离下一步要做什么？ 商汤还在探索跨域PD分离，实现跨集群、跨机房、跨地域的推理任务编排；AF分离把Attention与FFN计算部署到不同硬件，未来有望单卡吞吐提升150%至200%、运营成本降低30%至40%，整体能效提升到两倍以上。这些方向说明推理优化正在从单集群走向资源全局调度，把分散在不同地域、不同代际的算力拉成一张可弹性拆分的推理网。 6万亿日均Token反映了什么行业趋势？ Agentic时代基础设施的核心竞争力，是以更低成本、更高效率、更稳定的服务质量持续产出Token。日均6万亿、Q4冲10万亿，背后是多Agent长任务把单次请求的Token消耗量级拉高，谁能把单位Token成本打下来，谁就能承接大规模调用。国产算力通过承担Prefill进入高层级推理服务，也在这条产线上完成了从边缘到核心的身份转换。 信息来源与延伸阅读？ 商汤大装置，AI基础设施竞争正从算力规模转向高质量Token产能 - 新浪财经 日均6万亿Token服务背后，商汤大装置如何提升推理效能 - 量子位 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论