11月5-6日，我们组织了2026年度投资峰会，我们看到：1）Scaling Law2.0时代下，合成数据打开训练数据天花板，Mid Training范式重塑模型演进路径；2）AI应用层面商业化步入规模化阶段，Agent能力与交易闭环融合带动产业落地加速。
　　核心亮点
　　1、模型：算力扩张仍是核心增长引擎。我们观察到，在Scaling Law持续演进的背景下，模型能力的提升正从“数据—算力—算法”三要素的线性关系，转向以“数据生成与利用效率”为核心的非线性增长阶段。合成数据持续扩大训练资源池，推动训练tokens规模显著上行；与此同时，算力仍是大模型演进的底层约束与增长引擎，2010-2024年代表性模型训练算力年均增长4-5倍，头部模型更达到9倍水平。我们判断，算力扩张仍将构成行业演进的核心节奏，前沿模型单次完整训练成本或在2027年达到十亿美元量级。
　　2、训练：Mid Training范式进一步拓展训练边界。Mid Training成为ScalingLaw 2.0阶段的重要标志，其通过将强化学习（RL）从后训练阶段前移至中间环节，实现算力对数据的自我生成与最优分配。该范式在多智能体辩论（Multi-Agent Debate）等机制下生成数据量远超人工标注，并通过动态权重分配提升RL训练质量与数据利用率。我们认为，Mid Training的应用使模型在保持算力投入强度的同时进一步提升数据利用效率，有望突破传统Scaling Law下的性能边界，打开模型能力上限。
　　3、Agent：GPT-5确立“统一系统”方向，推动智能体架构标准化。GPT-5以统一架构实现快思与深思的自适应协同，并通过实时路由器（Real-timeRouter）按任务复杂度动态分配算力资源，实现速度与思考深度的平衡。该架构代表行业向“多模型一体化、动态资源分配”的智能系统方向演进，后续DeepSeek V3.1与Grok 4 Fast等产品的快速跟进验证了这一趋势。我们认为，GPT-5确立的统一系统范式将成为行业架构标准化的重要方向，有望显著提升智能体在复杂场景中的响应效率与稳定性，推动AI从功能集成向认知协同阶段迈进。
　　4、应用：Agent交易闭环融合打开新一轮落地周期。头部厂商战略重心开始从模型能力转向商业化生态构建。OpenAI推出Agentic CommerceProtocol（ACP），使AIAgent具备直接交易能力，实现从“推荐”到“结算”的全链路闭环，标志AI应用正式进入可量化ROI的商业阶段。全球AI应用正从产品化（2023）→商业化试点（2024）→规模化落地（2025）三阶段演进，2B端应用渗透存量客户，2C端使用时长与用户规模持续扩张。我们判断，海外厂商已进入规模化放量初期，国内厂商受益于DeepSeek-R1等模型突破，应用节奏显著加快，部分AI应用（深度研究、企业问数）已具备大规模商业化能力。我们认为，随着Agent与交易协议的深度结合、ROI体系的持续明晰，AI应用的产业价值释放正全面进入加速期。
　　风险提示：宏观经济波动；技术落地不及预期；本研报中涉及到未上市公司和未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。