社区

图片 作者：智讯智库分析师 杨发泽 图片     要点速览 AI正在参与消费者的购物决策。Attentive调查显示，88%的受访者用聊天助手完成过商品评估；在最终购买者中，10%在AI内完成购买。 从选购到下单，授权意愿影响成交。消费者是否愿意让AI代为购买，与支付安全、错误代价和售后保障有关。 AI入口开始作为独立渠道收费。2026年8月起，部分通过豆包入口成交的抖音生活服务订单执行独立费率。 到2030年，AI参与决策的速度或快于AI内成交。按本文基准情景测算，AI参与决策和AI入口内成交的零售额占比或分别达到28%和8%。 2026年双十一，AI进一步参与消费者的行为决策。“进入消费者的决策过程”逐渐成为平台AI竞争的关键。 [1] 但“进入过程”与“完成交易”是两件事。AI参与决策渗透很快，AI参与成交依然存在众多卡点。 本文从人、货、场三个电商核心要素出发，梳理AI如何重构电商成交链路，并给出AI电商远期展望和核心判断：2030年AI参与的网上零售零售额占比或达到28%，在AI入口内达成成交的占比或达到8%。 图片 人：消费者把哪些决定交给Agent     从“帮我想”到“替我买” QuestMobile数据显示，2026年9月豆包AI原生App月活4.19亿，同比增长143.6%；千问1.58亿，DeepSeek 1.23亿。AI应用的广泛使用，为AI购物扩散提供了基础。 [2] [3] 但是，快速扩散并不意味着快速完成购买行为。数据显示，AI介入购买过程和购买行为之间存在明显断层。Attentive在2026年8月调查了3,054名美国成年人，88%用聊天助手完成过至少一项商品评估任务，58%用它寻找商品推荐，71%表示在至少一半的AI购物经历中AI明显影响了自己考虑或选择的商品；但是，最终购买者

图片 作者：智讯智库分析师 施展 图片 投资人开始追问AI“ROI何时兑现”时，真实商业世界却在发生一场安静的质变：AI不再是演示PPT上的炫酷对话框，它正沿着系统集成商的代码与数据管道，楔入企业的日常运营、收费契约与组织神经。 本文跳出单纯的算力基建视角，透过手握万亿企业IT支出的“系统集成商（SI）”及头部大厂最新一线财报，穿透AI在B端6个落地真相： 规模起势：部分头部SI AI业务占比突破10%，部分客户正以倍数级追加Token与预算； 场景下沉：从辅助写代码走向采销交易核心流程，“企业上下文”成为落地关键； 回报分化：“局部降本提效”已精确到分钟，“全公司增收”仍待时间检验； 契约重构：人头费与席位费面临颠覆，客户开始要求“按业务结果”拆分生产力红利； 务实架构：多模型与混合部署呈现可见趋势； 安全落子：Agent一旦拥有“开枪权”（执行付款与理赔），权限治理与人工接管即生死线。 10月最后两个交易日，科技股的跌幅让“AI泡沫是否正在破裂”重新成为一个尖锐的问题。29日，谷歌母公司Alphabet下跌超过12%；30日，英特尔下跌28.6%，接近三成，纳斯达克指数当日再跌约2.9%[1-2]。 而整个10月，恒生科技指数下跌11.73%，创业板指下跌23.02%，科创50下跌24.13%[3-4]。AI投入过大、回报滞后的担忧，已成为这轮科技股抛售的重要原因。市场再次追问：巨额投入能否赚回来，多久才能赚回来[2-3]？ 但回答这个问题之前，另一个重要的问题是：AI真的落地了吗？AI在企业端渗透到哪一步了？ 我们从另一角度观察AI真实的部署情况，从企业IT服务市场中规模庞大、却容易被忽视的一类角色——SI（System Integrator，系统集成商）观察AI在企业端真实的落地现状。 系统集成商所在的IT服务领域，目前是全球IT支出中规模最大的板块，核心帮助企业连

图片 作者：智讯智库分析师 陈宥文 图片 单季83.33万亿韩元（约4191亿元人民币、624亿美元，按10月28日人民币汇率中间价折算[1]）营业利润、80%的营业利润率[2]，营收与盈利双双跑赢市场预期[3]，又放出全年约100万亿韩元的股东回报计划[2]—— SK海力士这份Q3答卷，把"AI卖铲人"的赚钱能力推到了历史极值——营收比微软（NASDAQ: MSFT）少15%，营业利润反倒比这位"AI买铲人"高出36%[1][2][4]。 但市场的反应，远比亮眼的财报克制。10月28日财报当天，SK海力士股价上涨10.9%[5]；到10月30日早盘，受隔夜美股科技股财报发布后抛售拖累，KOSPI跌约3.89%，SK海力士开盘不久跌7.01%[6]——市场犹豫的早已不是这一个季度，而是更远处的需求与回款，接不接得住当前的估值。 当SK海力士的盈利、现金与远期供货安排达到前所未有的扎实，真正的考验也随之浮现：更大的产能，能不能持续变成客户提走的货、公司收回来的钱？供给放量、信用风险、回款质量，都是需要逐季验证的。 这篇文章沿三条线往下拆： 量价齐升还能走多远，再看融资循环如何沿产业链传导，最后看市场已经为这一切标出了什么价格。     要点速览： 经营预期可以上调，但周期框架并未改变。SK海力士Q3的量价数据验证了盈利弹性；长约覆盖2027—2028年过半产能，核心客户2027年HBM谈判也已落定，远期能见度随之进一步抬高。但长约锁定的是出货量，而非利润增速——扩产后能否按期交付、实现回款，才是下一个验证点。 分红与扩产并行，本质是一道资本配置题。SK海力士将铠侠投资收益以特别股息的形式返还股东，又以新工厂投向未来需求。这套安排的可持续性，最终取决于扩产与回报同时加码后的自由现金流余量。 在AI算力项目对融资杠杆的依赖不断加深的背景下，

图片 作者：智讯智库分析师 施展 图片 AI不仅没有颠覆沉重的老牌ERP，反而通过攻克代码与数据迁移难题加速其全面上云，推动交互向“自动驾驶”智能体跃升。AI加速上云：AI将迁移工作量与周期缩减超三分之一，打开服务客单价上限。AI重构业务流：产品形态从“辅助问答框”演进为端到端执行的“自动驾驶智能体”，力推全自动算账与月结。AI改变收费模式：传统席位制加速走向黄昏，按业务结果、交易规模及AI原生能力计费打开新增长曲线。AI加固ERP护城河：老ERP沉淀的业务流程、审计控制及不可替代的“企业上下文”含金量持续攀升。 2026年10月21日盘后，SAP公布第三季度财报[1]。总收入103亿欧元，固定汇率增长12%，这家成立54年的德国公司第一次单季收入突破百亿欧元[1]。 比起单季收入的突破，更令市场惊喜的是，CCB（Current Cloud Backlog，即客户已签约、尚未确认为收入的订单）达到241亿欧元，固定汇率同比增长26%[1]，连续五个季度上行。 图片 除了积压的云订单涨势喜人，云收入以及云占比也都进一步提升。 SAP第三季度云收入66.68亿欧元，同比增长26%，这一季度云收入占总收入的比例达到65%；相比之下，SAP第三季度传统软件许可收入同比下降9%、软件支持收入同比下降5%[1]。 图片 SAP CEO Christian Klein在电话会中提到：“云收入的强劲增长，很大程度上由我们的Business AI、数据与平台业务驱动。延续最近几个季度的趋势：前50大交易中有9成包含了AI与Business Data Cloud”[2]。 AI在这些企业里发生了什么化学反应？这些巨头又是如何迎接AI时代、将AI融入业务的呢？ 图片 ERP上云 一场二十多年没打完的仗 ERP从1990年前后成型起，就是企业里最重、最难动的一套系统。它记录着财务、供应链

大模型时代，谁会成为那部不肯换掉的“iPhone”？ 图片 作者：智讯智库分析师 杨发泽 图片 在智能手机发展早期，发布会爱讲跑分，用户也爱比参数。后来，换机时越来越多人会先选品牌：习惯iPhone的系统，喜欢某家的影像，或者舍不得已经连在一起的设备与应用。性能仍然重要，买单的理由却更丰富了。 对于大模型而言，模型性能可以决定用户为什么来，却未必能决定用户为什么留下。模型质量是争夺用户的重要武器，但这种武器可以被对手反复挑战。技术领先并不能自动转化为持久的商业壁垒。 2026 年 8 月以来，大模型更新密集，GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argon等型号不断进入用户视野；国产模型也在能力与成本之间形成竞争优势，DeepSeek继续更新，MiMo、Kimi也在头部名单里。[1][2] 版本越多，选择越难：哪次升级值得试，哪款产品值得长期付费？ 当项目资料、个人偏好和工作流程逐渐沉淀在同一款AI产品中，用户更换工具就需要重新配置、迁移资料并磨合使用习惯。Claude、WorkBuddy及云端Agent争夺的，正是用户日常工作的核心入口。 今天围绕AI排行榜展开的讨论，与智能手机市场早期对性能跑分的关注颇为相似。大模型也会走向这一步：用户会把工作留给那个懂要求、少返工、第二天还能接着做的产品。谁把这件事做好，谁就更接近那部不肯换掉的“iPhone”。 本文回答三个选择问题： 自己使用的AI不在榜首，要不要换？——如果现有模型能稳定完成关键任务，就不必追新、追贵；升级应有可验证的收益。 AI的哪块使用体验最重要？——使用顺手，首次交付达标，减少纠偏、核验与返工。 用什么AI，具体怎么选？——用同一批任务比较候选产品，再按交付、人工用时与完整成本分配主力和专项角色。 图片 使用的模型不再领先，就该换掉吗？ 一款新模型在排行榜里拿了好名次，确

图片 作者：智讯智库分析师 陈宥文 图片 如果“具身智能的ChatGPT时刻”，最终仍由ChatGPT亲手叩开——面对持续进化的外部模型，机器人企业，还该自研什么？ 信号正在密集出现。 宇树一边在招股书中规划，拟将20.22亿元大笔募集资金用于智能机器人模型研发项目[1]；一边已将GPT-6用于机器人任务测试，王兴兴称效果“实际上非常不错”[2]。 银河通用实测发现，在选定任务中，GPT-6 Astra独立控制成功率26%，而混合控制进而可达48%[3]； 在基准测试机构Artificial Analysis发布的首版真机评测中，五款前沿通用大模型在零样本条件下通过编程驱动机械臂，其中GPT-6 Astra以69.4分排名第一[4]。 企业自测、仿真验证、真机评测，三份证据各有局限，指向却高度一致：通用大模型正在越过专用策略的传统边界，直接承接更多动作决策与执行纠偏工作。 行业预期的高速前移，比技术本身更有信号意义。两个月前的世界机器人大会上，王兴兴对于“具身智能ChatGPT时刻”，给出的口径还是“快则两三年，慢则五到十年”[6]；到10月，他已抛出更激进的判断：明年GPT-7可能“直接把具身智能问题打穿”[2]，最新又提出物理AI已出现突破苗头，产业拐点大概率落在未来一到三年的区间内[5]。 乐观边界从“最快两三年”收窄至“最快一两年”，对如此关键的产业拐点预判快速改口，更像是被外部模型迭代倒逼的一次被动修正。 这背后是一场天然不对等的研发赛跑：接入外部模型，只需完成场景适配，就能共享全行业摊薄的研发成果，能力随上游同步升级；自建核心模型，则要独扛数据、算力、团队的全部固定投入，靠自身产品出货与部署规模分摊成本。 智能能力商品化已经走向落地。例如，10月13日，Physical Intelligence开放API测试版申请：企业接入后上传自有场景数据，即可调用云端算力完

图片 作者：智讯智库分析师 陈宥文 图片 10月16日，宇树科技发布了一款名为UniUni的智能集群控制系统。 简单来说，就是一套“群控”软件——用一台电脑统一指挥多台机器人协同行动，面向宇树H2、G1人形机器人用户免费开放下载[1]。 它要解决的，是如何让多台机器人踩着同一个节拍行动——谁在什么时间移动到什么位置、做什么动作，都得事先安排妥当。这类把多台机器的动作、走位与节奏统一组织起来的工作，业内称为“编排”。而有了UniUni，编排全程在电脑软件里就能完成：设计好动作与走位、完成定位和任务同步后一键启动，整支队伍便按计划运行；运行中软件统一监测设备状态，必要时一键急停[2]。 而操作方式，则很像剪辑视频的流程：时间线上排列的是动作，地图上绘制的是路径。官网演示的AI编排示例里，六台机器人排成两行三列扭秧歌，系统自动生成轨迹和动作序列，用户再逐段调整时长与衔接[2]。 图片 图注：官网展示的编排界面：在地图上安排走位，在时间线上排列动作，完成定位与任务同步后统一执行。 图源：宇树科技（Unitree Robotics），UniUni智能集群控制系统官方网站，模块一·编舞界面。 机器人的多机控制由此有了一个普通用户也能上手的入口。 但沿着这个入口往产业深处走，还有两个更难的问题有待解决：任务变了，队伍能不能自己重新分工？一台机器人中途退出，剩下的成员能不能把它的工作接下去？ 这两个问题，更加考验多台机器之间如何组织——也把我们引向机器人的另一条进化方向：群集智能。     要点速览： 产品层面：宇树把多机编排做成了免费的标准软件，多机器人协作的使用门槛第一次降到普通用户的桌面。 技术层面：多机器人协作正从“人事先编排”走向“运行中自行调整”，组织结构与行为代码都能在任务执行中在线重构，但整体仍处早期验证。 产业层面：协作优化的价值已在真实工厂

图片 作者：智讯智库分析师 于世超 图片 AI已全面渗透游戏行业，覆盖程序开发、策划、美术、3D制作、音频、测试和运营等核心环节。GDC 2025调查显示，52%的受访者所在游戏公司正在使用AI工具 [1]。然而，在行业竞相追逐AI技术红利的同时，态度却开始呈现明显分化：Unity 2025报告显示，79%的受访开发者对AI应用持积极态度 [2]；而GDC调查则指出，认为生成式AI对游戏行业产生负面影响的受访者比例，已从2025年的30%升至2026年的52%[3]。 代码可以由Agent辅助完成，角色可以自由对话，美术和3D资产可以快速生成，测试也可以交给AI自动执行。但游戏研发对这些结果的要求远高于一次生成表现：角色模型需要进入引擎继续制作，代码需要承受版本迭代，剧情需要维持角色与世界规则，面向玩家的美术、配音还会直接影响内容评价和IP价值。因此，AI在游戏研发中的核心问题已经落到生产体系：生成结果需要满足工程规范，同时接受质量、玩家反馈和权利边界的共同检验。不同研发环节的任务性质不同，AI的使用优先级和应用范围也随之分化。 针对这一命题，智讯智库发布了《2026年AI赋能游戏研发流程研究》研究报告，核心判断包括： 概率生成能力需要服从游戏工业的确定性要求：游戏研发依赖稳定的规则、状态和资产规范。一次生成效果优秀，只能说明模型完成了单次任务；进入正式项目后，输出还要经受修改、版本变化和工程验证。局部错误也可能沿任务逻辑和系统关系持续传递，因此可复现、可编辑、可验证和可维护构成AI参与正式生产的基础条件。 AI应用优先级取决于任务可验证性与玩家接受度：程序和测试拥有较成熟的验证机制，生成结果可以通过运行、测试和日志直接检查，因此具备更高的应用优先级；平面美术、剧情叙事和角色声音直接参与玩家体验和IP塑造，使用范围更受质量、内容位置和玩家态度影响。玩家对AI的接受程度，也取

作者：智讯智库分析师 许倍 图片 要点速览（Keypoints）：AI拉增长，星链撑利润：SpaceX上市后首次季度盈利，净赚44.04亿美元。AI业务收入占比过半，通信业务贡献约85%的营业利润。造火箭的本领，先给AI通电：SpaceX将火箭发动机铸造能力用于燃气轮机部件制造，试图突破供电瓶颈，抢先交付算力、收取租金。鼓励算力短约，押注智能升值：马斯克判断算力短缺将长期持续，倾向签短期合同，保留重新定价空间，押注每瓦功耗创造更多价值。盈利之后，野心继续扩张：从智能体可能带来的千倍带宽需求，到自建芯片工厂、讨论与特斯拉合并，马斯克试图把基础设施与应用终端连成一体。 SpaceX正在为马斯克那些看似天马行空的设想，一笔笔写下现实的商业化注脚。 刚刚，SpaceX发布第三季度财报，实现了上市后的首次季度盈利——净利润44.04亿美元，而上半年它还处于48.17亿美元的净亏损。本季营收同比增长161%，达到145.75亿美元，超过整个上半年的125.08亿美元。[1][2] 比扭亏为盈更值得关注的是收入结构。一家以造火箭闻名的公司，如今超过一半的收入来自AI。星链仍然支撑着绝大部分营业利润，星舰则开始把运载能力转化为可以出售的通信容量。马斯克庞大商业版图中的不同业务，正在以各自的方式兑现价值，且彼此间的齿轮更加紧密地咬合。[1] 这不仅仅是一次财务上的翻盘，而是马斯克庞大野心的具体呈现。SpaceX正在用火箭制造能力对AI算力基建进行降维打击，马斯克已经把目光投向智能体可能带来的千倍增长的带宽需求，还开始规划特斯拉与SpaceX的合并可能。[3] 从芯片、能源和通信，到模型、汽车与机器人，马斯克希望把基础设施与应用终端放进同一张商业版图。这份财报，让马斯克在AI时代“攻城掠地”的野心有了更具威胁性的支点。 图片 SpaceX上市后的首次盈利： AI拉动增长，星链撑起

图片 出品丨智讯智库 图片 伍德2020年资料图；Caroline Wood／CC BY-SA 4.0，裁切。 马斯克承诺，明年要让美国每个孩子都拿到一股他持有的商业航天公司SpaceX股票。同一天，“木头姐”凯茜·伍德掌舵的方舟投资，把特斯拉2031年的市值估到了17.5万亿美元。 10月19日，方舟投资（ARK Invest，下称ARK）这家投资管理机构公布特斯拉最新估值模型，给出2031年每股约4400美元的基准情景估值。马斯克则在X发帖提出了2027年的送股承诺，并称这将是多次赠与的开始。[1-2] 一边是分配股权，一边是给未来收益标价。两件事没有披露任何交易层面的关联，却让两个问题同时浮出水面：这些企业准备靠什么生意创造收益，又有谁能持有代表这些收益的股权？ 图片 17.5万亿美元， 最大的支点仍是无人出租车 ARK的新模型覆盖电动车、无人出租车、储能和特斯拉人形机器人Optimus。它给出的较低、较高情景市值分别约为13.4万亿和20.4万亿美元，对应每股约3300美元和5000美元。[1] 图片 这组数字来自蒙特卡洛模拟：为一组关键变量设置不同取值，再反复组合计算。较低、较高情景分别对应模拟结果的第25和第75百分位。它们不能被理解成股价的保底线和天花板；整套模拟仍取决于研究者为输入变量划定的范围。[1] 最值得注意的结果是，无人出租车在ARK预测的2031年企业价值中仍占约80%。人形机器人带来了新的增长想象，但这套估值最依赖的生意，仍是让车辆持续提供收费出行服务。[1] 这里的“企业价值”与市值口径不同：前者还考虑净债务等调整。ARK基准情景对应约16.4万亿美元企业价值、17.5万亿美元市值，不能把“80%”直接乘在市值上，称为无人出租车的精确估值。 模型真正大胆的地方， 藏在运营规模里 在ARK的基准情景中，特斯拉2031年全年汽车销量达到1020万辆