2025年中小市值中期投资策略报告：全球谨慎宽松，关注AI+以及业绩增长确定公司的投资机会

一、全球多国央行谨慎宽松，观望情绪浓厚

1、欧洲央行持续降息，接近宽松周期尾声

24 年 6 月以来欧洲央行持续降息，目前累计八次降息。截至 2025 年 6 月，欧洲 央行利率已下调 25 个基点，这已经是连续的第八次降息，利率持续从 2023 年 9 月 20 日的最高点开始回落。6 月 11 日，欧洲央行作出决议，存款利率、主要再 融资操作（MRO）利率和边际贷款利率分别下调至 2.00%、2.15%和 2.40%。 欧洲央行行长表示宽松周期接近尾声，并声称“几乎完成了应对一系列冲击的货 币政策周期”，暗示未来持续降息的可能性较小，欧元正处于关键转变的阶段。

2、美联储降息节奏转为谨慎态度，后续需密切观察美联储决议

高位观望态势下，美联储降息节奏转为谨慎态度。于 6 月 19 日美联储宣布联邦 基金利率继续维持在 4.25%-4.5%不变，这已经是美联储连续第四次决定维持利 率不变，因此美国经济前景的不确定性正在减弱，但仍然偏高。美联储延续了“高 位观望”的策略，以求抑制通胀反弹，同时寻求更多经济数据后再进行操作。如 若通胀数据持续高位，则降息节奏可能放缓；如若通胀回落，则年内两次降息可 能性提高，但更多来自鸽派官员压力。目前，委员会内部成员观点分裂，19 名 联邦公开市场委员会（FOMC）委员中，有 7 人预计 2025 年不会降息。后续是 否降息还得继续观测特朗普相关政策影响和持续跟踪美国通胀率变动。

3、中国央行结构性宽松为主，短线利率先稳后缓

中国央行谨慎下调利率以支撑市场流动性。中国方面继续执行“逆周期、超常规、适度宽松”策略，并在 5 月下调了一年期 LPR，从 3.10%降至 3.00%，五年期 以上 LPR 从 3.6%降至 3.5%。5 月 15 日中国人民银行宣布将 RRR 下调 0.5 百 分比至 7.5%，以释放约 1 万亿人民币的长期流动性。由于中美贸易框架协议缓 和了严峻的贸易环境，降低了政策刺激的紧迫性，释放了政策空间，并使得中国 方面有空间去实施缓冲机制，保持市场活力。虽然下调的 LPR 在短期内使贷款 的成本更低，为实体经济融资回暖提供了支撑，但是针对出口行业复苏缓慢以及 国内经济低迷，央行需更频繁出手调控。在这种环境下，中国央行提出将综合运 用 RRR、LPR、逆回购等多种工具，寻求更有针对性的“结构性宽松”路径。

二、美股 AI 应用公司业绩密集超预期，建议关注AI 下游应用机会

1、AI 应用在 B 端逐渐放量，部分公司在报表端逐渐体现

基于垂类场景打造的 AI 壁垒高，目前已在报表中逐渐体现。在各种垂类场景中，客户对专业性以及各个行业之间的差异化要求高，垂直行业厂商拥有长尾数据以 及自身深耕行业的 know-how 基础帮助 finetune 大模型，基于现有场景需求引入 AI 赋能，实现企业内部运营效率提升+企业对外价值输出量提升，其他厂商很难 复制。我们已经看到部分公司在报表端体现出了 AI 对收入利润以及成本端的优 化。

多邻国：大模型 AI 教学实现“因材施教”，DAU 同比高增 49%

教育行业是高度定制化行业，AIGC 能够很好的帮助企业实现个性化定制教学。Duolingo Max 帮助使用者与 AI 互动学习，已推出 4 大功能，公司已看到 AI 驱 动的用户数及付费意愿增长。 解释我的答案（Explain My Answer）：当用户回答问题后，可以获得详 细的解释，了解答案正确或错误的原因，帮助深入理解语言规则。角色扮演（Roleplay）：用户可以与 AI 角色进行模拟对话，练习实际交 流技能，增强口语能力。 视频通话（Video Call）：用户可以与 AI 角色 Lily 进行视频对话，模拟 真实的语言交流场景，提升口语练习的真实感。 冒险模式（Adventures）：沉浸式游戏体验，用户在虚拟世界中应用语 言技能，完成任务，增强学习的趣味性和实用性。 （引用自招商计算机组研报《垂类应用率先落地，AI agent 剑指未来——AI 应用 行业三类投资机会梳理》） 公司 2025 年 Q1 实现总收入 2.307 亿美元，同比增长 38%，归母净利润 3513 万美元，较去年同期的 2700 万美元增长 30%；日活跃用户（DAU）达 4660 万，同比增长 49%；月活跃用户（MAU）突破 1.302 亿，同比增长 33%。这一系列 的数据不仅刷新了公司历史记录，更标志着 AI 技术对教育行业的深度赋能已进 入规模化变现阶段，以及表现出 AI 应用的强大投资潜力。

Applovin：通过 AI 提升广告撮合效率，实现收入大幅增长

公司通过 AI 算法加持的 AXON 平台提升广告商以及发布商的匹配效率，实现收入利润大幅增长。AppLovin 推出了 AI 驱动的广告引擎 Axon 2.0，提升了广告匹 配效率，帮助广告主更精准地定位目标用户，从而提高广告投放效果。2025 年 Q1，公司实现收入 14.84 亿美元，同比增长 40.25%；归母净利润 5.76 亿美元，同比增长 144.06%。

赛富时（Salesforce）ai 进展超预期

赛富时 25 年 Q1 业绩发布，AI 进展迅速。赛富时 25 年 Q1 单季度实现营业收入 98.3 亿美元，同比增长 7.6%；订阅与支持服务部分收入 93 亿美元，同比增长 12%左右。公司的 AI 代理工具—Agentforce 在 2024 年 Q3 上线，并且在上线的 一周内就产生了 200 个 Agentforce 相关的交易，体现出下游 B 端客户对 AI 应用 的极大热情。在 2024 年 Q3 的业绩交流会中，公司 CEO 表示公司计划招聘超过 1000 名员工为 Agentforce 的推广做准备。在截至 2025 年 3 月 31 日，公司表示 Agentforce 已处理超过 380000 次对话，解决率高达 84%，显示出该工具的功能 以及解决问题的能力得到极大提升，并得到广泛客户的接受度。 Salesforce 的 Agentforce 是一个典型的应用侧代理平台。它允许企业在Salesforce 平台上构建和部署自主 AI 代理，这些代理能够自动执行各种业务功 能，如销售、服务、营销和商务等。根据招商计算机组整理，Agentforce 的主要 特点包括： 自主操作：代理可以独立分析数据、做出决策并完成任务，如解决客户 问题、 筛选销售线索和优化营销活动。 深度集成：作为 Salesforce 平台的一部分，Agentforce 代理能够无缝访 问 和交互各种 Salesforce 应用中的数据，利用客户信息、触发工作流程 和更新记录。 可定制性：用户可以使用低代码或无代码工具，快速构建和定制代理， 以满 足特定的业务需求。 安全性和信任：Agentforce 通过 Einstein Trust Layer，确保代理在使用 任何大型语言模型时，Salesforce 数据不会被第三方模型提供商查看或 保留。

2、自动驾驶与机器人是端到端大模型的终极落地场景：基于 AI 大模型的端到端自动驾驶有望成为主流方案

基于 AI 大模型的端到端自动驾驶有望成为主流方案

当前已经量产的自动驾驶解决方案主要以模块化的架构为主。通俗来讲，现阶段 使用较多的自动驾驶的模块化算法解决方案是将自动驾驶任务拆解成多个不同 的模块，然后将对应的任务交给专门的 AI，模型（模块）进行处理。一个完备的 模块化架构通常会包括感知模块、定位模块、决策模块、规划模块、控制模块。

端到端自动驾驶最直观的变化就是将多个小模型整合成了一个“大模型”，是自 动驾驶的终极目标。自英伟达于 2016 年发表论文《End to End Learning for Self-Driving Cars》，端到端自动驾驶不断发展。相较于传统模块化的架构，端 到端（End to End）通过一个大模型既实现了感知、规划、控制等模块的功能，也就是通过传感器采集到原始数据（raw data），并将原始数据输入到一个统一 的深度学习神经网络（大模型），并直接输出驾驶命令。

（1）Transformer 的 Attention 机制是一切的基础

Transformer 算法引入了 Attention 机制，算法的泛化能力大大增强，现流行的 大模型均是基于此类架构开发而出。2017 年，谷歌在人工智能领域提出的著名 论文《Attention Is All You Need》中首次提出 attention 机制，在 NLP 领域表现 极为出色。 Attention 机制极大地增强了算法对于上下文的感知能力，近些年最流行的 AI模型均有着 Attention 机制的身影。从本质上看，Attention 实际上就是“权重”，最早被应用于机器翻译领域并取得了良好的效果。举个例子，在“I love the 2022 Beijing Winter Games”这句英文翻译中文的算法中，games 这个词如果只考虑 自己的权重有可能会被翻译成游戏，当将 Beijing 这个词一起考虑时，由于 Beijing 与 Games 之间的关联，则有可能会被翻译成比赛，成为北京比赛，若是继续结 合“2022”，则会被翻译成北京 2022 冬奥会。

Attention 机 制 在 Transformer 算 法 中 是 self-attention 机 制 的 基 础 ， self-attention 在原有基础上进一步实现了大规模的并行运算。随着大规模并行 运算的发展，由于 RNN 的顺序结构难以进行并行运算，因此效率很低，劣势逐 渐显现。另一方面，由于 attention 机制本身就已经对全部的输入数据进行了权 重分配，RNN 的顺序结构中的顺序已经没有存在的必要，在去掉该部分后就形 成了 tranformer 中重要的 self-attention 机制。通俗来说就是将上图中的箭头去 掉，在 encoder 编码阶段就使用 attention 机制将每输入一个数据与其他所有数 据之间的关联。经过计算后，将各个数据之间的关联权重加权表示后再放到“前 馈神经网络”中得到新的表示就实现了高效嵌入上下文信息的目的。

（2）Transformer 机制成功通过 BEV 将汽车视觉感知由 2D 向 3D 的跨越

BEV（Bird Eyes View）具有深度信息，相较于平面 2D 图信息更加丰富。自动 驾驶中的感知识别任务的目的是对物理世界的三维几何重建，由于车载的传感设 备逐渐增多，通过一个统一的视角呈现出不同视角采集到的信息变得逐渐重要起 来。传统的投影平面视角（Perspective view）由于缺乏深度信息，在视觉领域 仍有一定的缺陷。 BEV 本质是将图像空间“翻译”到向量空间，Transformer 大有可为。图像空 间(multicam features) 到向量空间 (BEV vector space)可以类比成一种语言到另一种语 言的翻译，因为他们都是对同一个空间的不同描述，transformer 在该领域有着较 好的表现。

BEV+transformer 相当于实现图像由 2D 至 3D 的升级，可以虚拟出感知世界的 坐标系，相当于给汽车开启了“上帝视角”。能够让车辆无遮挡地“看清”道路 上的实况信息，在 BEV 的视角下统一完成感知和预测任务。根据盖世学堂，传 统的 BEV 转化主要是通过在图像空间中进行特征提取，并产生分割结果，再利 用逆透视变换（IPM）将其转化为 BEV 空间，但这种方法非常容易造成成像结 果的失真。而 transformer 的交叉注意力机制则与该项任务适配性较高。

（3）多模态大模型赋能端到端训练，强化学习+transformer 或大有可为

多模态大模型是一种可以处理多种不同类型数据的深度学习模型。其通常由多个 分支组成，每个分支处理不同类型的数据，例如图像、文本、声音、视频等。这 些分支可以并行运行，并最终将结果合并以进行决策。与传统的单模态模型相比，多模态大模型的独特之处在于它可以从多个数据源中获得更加全面有价值的资 源，从而提高模型的性能和鲁棒性。 长尾问题处理为 FSD 关键瓶颈，需优化数据驱动方案。目前市面上的 FSD 主流 算法可以覆盖绝大多数行车场景，但驾驶环境不确定因素较多，对于长尾场景的 算法处理却不够完善，这也就成为了 FSD 发展的一大困境。早期 Waymo 的路 测、特斯拉的影子模式均希望通过获取大量数据从而解决长尾问题。国内厂商毫末智行将数据源类比为 FSD 模式的唯一自变量，坚持大模型数据处理是 FSD 发 展之关键。Momenta 在其公众号上也表示 L4 要实现规模化量产，至少要达到人 类司机的安全水平，需要至少千亿公里的测试，才能解决百万长尾问题。

Transformer+多模态+大模型（端到端），或能够成为自动驾驶的终极解决方案。多模态实现了音频+视频+图像等多种数据的交互，Transformer 的 attention 机制 或能够在多种形态的信息中更好的找到其中数据互相之间的关联，生成更好的驾 驶指令。我们认为，由于涌现现象的存在（涌现指的是当一个 AI 模型被训练的 足够多时，其性能会突然指数级的提高），Transformer+多模态+大模型（端到 端）若是训练的足够多，或许有成为终极智能驾驶解决方案的潜力，解决长尾问 题。

3、人形机器人：产业化进程加速，有望成为 AI 大模型的终极应用形式

特斯拉最初于 2021 年 AI Day 首次发布人形机器人概念机。特斯拉在汽车领域 以及人工智能领域具有标杆性的领导作用，自特斯拉发布人形机器人后，在随后 的两年时间里其机器人产品不断迭代至今。其中端到端模型在特斯拉的汽车自动 驾驶产品 FSD 上也有所运用，我们认为其所具备的泛化学习能力以及对周边环 境的识别与交互能力与机器人所需能力基本相通，特斯拉的人形机器人的产业化 落地有望加速，目前已经有两台 Optimus 机器人在特斯拉的弗里蒙特工厂工作，主要负责从生产线末端取下电池单元，并将电芯放入运输箱。根据马斯克在 2024 年 6 月 13 日的特斯拉股东大会上的表示，特斯拉在 2025 年开始“限量生产” Optimus，并于明年在自有工厂测试类人机器人。他预测，明年特斯拉将拥有“超 过 1000 个，甚至数千个在运行的 Optimus 机器人”，马斯克预计人形机器人在 未来有望突破百万台的出货量，并且单价有望下降至 2 万美元以下，打开未来市 场的想象空间。目前特斯拉机器人已具备在复杂地形行走的能力，并结合 AI 升 级了更多接近人类的灵活动作。于今年 4 月，马斯克表示由于中美贸易战的问题，中国稀土磁铁的出口限制影响了这款人形机器人的生产。在 6 月 6 日此项目负责 人 Milan Kovac 宣布卸任，Ashok Elluswamy 将接手其职位，未来将结合之前在 自动驾驶领域的经验继续强化 AI 协同。

北京时间 2024 年 10 月 11 日上午，特斯拉在美国举办“We，Robot（我们，机 器人）”活动，并在会上推出三款产品——自动驾驶汽车 Cybercab、自动驾驶 小巴 Robovan 以及升级版人形机器人 Optimus。其中 Cybercab 被马斯克定为 Uber 和 Airbnb 的结合，“让车主充当无人驾驶汽车的房东，在城市中漫游，接 送乘客”，人形机器人目前已经能够在复杂地形上实现，包括上坡下坡等动作。

近期国内外机器人领域动作频频，有望推动产业化进程 根据招商机械组报告《人形机器人周报 20250602—具身智能政策不断加码，无 人物流场景加速落地》，近期国内外人形机器人领域动作频频，主要包括：

1） 荣耀确认进军机器人业务

5 月 28 日，在正在举行的荣耀 400 系列新品发布会上，荣耀 CEO 李健确认该公 司进军机器人业务。

2） 浦东发布具身智能产业支持 16 条政策

2025 张江具身智能开发者大会暨国际人形机器人技能大赛在张江科学会堂开 幕。为支持上海市具身智能产业发展，上海市浦东新区围绕产业配套政策、人才 支持等方面发布一揽子支持政策。浦东新区副区长李慧也正式发布《具身智能产 业支持 16 条政策》，政策提及将对关键核心技术攻关、新型研发机构、大企业 创新中心等给予最高 2000 万元的资金支持。

3） 国家邮政局新闻发布会提出加快邮政业科技发展

5 月 30 日，国家邮政局举行新闻发布会，相关负责人介绍了《国家邮政局关于 加快邮政业科技发展的意见》。《意见》提出，面向客户服务、生产运营、安 全 管理等应用场景，要打造人工智能+邮政业标杆产品。

编辑：火腿肠