2026年计算机行业策略：锚定AI未来，共启科技新篇

金融科技：新工具+新货币，重塑金融新范式

1.1 新工具：牛市先锋，优选炒股软件

2026 年全球流动性料将保持合理充裕。1）美国：美联储或重启量化宽松。根据 2025 年 11 月底美联储会议纪要显示，12 月 1 日起美联储将结束量化紧缩，停止对市场抛售 资产，甚至在 2026 年可能重启量化宽松。机构预计美联储在未来 12-18 个月降息空间 还有 100BP，中性利率有望回归到 3%-3.25%。2）全球：仍有较强降息空间和预期。根 据美国银行的统计显示，过去两年全球央行的降息次数已超过了 2007-09 年全球金融危 机期间。尽管当前中性利率仍然在较高的位置，但 2026 年仍有较强降息空间和预期。 3）国内：将延续适度宽松基调。根据中国人民银行工作会议的最新定调，2026 年货币 政策将延续适度宽松基调，2026 年仍有降息空间。

2026 年我们看好指数继续上攻。1）2025 年：险资及 ETF 入市托底。2024 年年初小微 盘流动性危机和 2024 年 924 行情，指数 ETF 的净流入金额激增，市场对于监管托底一 致预期越来越强，也主动成为左侧托底的合力。2）2026 年：存款搬家有望成为重要增 量。2025H1 居民定存的体量和增速稳健，下半年增长显著放缓，截至 2025 年 11 月， 住户存款增量仅 12.06 万亿元，创下 2022 年以来住户存款增量的最低纪录；2025 年 12 月略有回升，但依旧低于 2022 与 2023 年。3）科技优质资产集中上市，A 股更具吸引 力。2025 年 12 月，A 股科创板两家国产 GPU 巨头摩尔线程和沐曦股份上市，国产存储 芯片龙头企业长鑫科技正式启动科创板 IPO 进度。

1.2 新货币：数字人民币与人民币国际化双轮驱动

数字人民币 2.0 在 1 月 1 日正式实施，从 M0 到 M1 的货币属性跃迁。央行出台《行动 方案》，2026 年 1 月 1 日正式启动实施，数字人民币从 1.0 步入 2.0，从数字现金 M0 走 向数字存款货币 M1。

人民币国际化，降低对美元体系的依赖，构筑更具韧性的全球金融网络。美国政府通过 SWIFT 制裁、长臂管辖与资产冻结等手段将美元武器化，暴露了单一美元中心体系的结 构性风险。对此，中国采取了一系列系统而渐进的人民币国际化措施，构建去美元化的 多元体系。 2026 新规施行，加大拓展 CIPS 网络力度是工作重点。中国人民银行修订印发《人民 币跨境支付系统业务规则》，新规将自 2026 年 2 月 1 日起施行。

AI 应用：C 端看巨头起舞，B 端是最后一公里的赛跑

2.1 大模型技术突破如何展望？

过去三年间，全球各大模型巨头将大模型智能前沿不断前推。伴随着人们对大模型理解 的加深，也伴随着前沿推训技术范式的转移与变化，人们对模型技术发展的期待也逐步 修正，出现了方向和叙事性的变化。按发生或可能发生的时间节奏，由近及远，我们观 察到大模型技术层面在未来一年有望出现如下趋势：

1. 大模型对 Agent 支持的持续加强：现在进行时。根据 IDC 预测显示，到 2027 年， 全球一半以上的企业将通过 AI Agent 重新定义人机协作模式。这意味着 2026 年起 Agent 的落地就将开始出现，而实际上，早在 2025 下半年，就已经可以观测到大模 型厂商对 Agent 的技术支持与生态建设持续加速，Anthropic 推出的 skills 就是其中 的典型案例。

Skills本质是复杂工作流以markdown和文件夹的形式封装。考虑到当前的Agent 基本上都以固定工作流设计+提示词工程的形态出现，skills 这种简单易用的方 式，使得许多用户不必重复造轮子，而是可以直接通过调用其他用户分享的 skills， 方便快捷地获得 Agent 能力。因此，skills 和 Anthropic 的关系，类似于浏览器 和插件的关系，Agent 能力变得易得、易扩展、可用性更强，在此基础上，也更 容易创造出一个粘性更高的生态。我们预计，往 2026 年展望，此类生态以及对 Agent 的支持有望持续加强。

投资观点上而言，模型对 Agent 的支持加强显著利好整个 AI 产业，无论上游、 中游、下游。1）由于 Agent 的工作流环节繁多，调用 token 数有望显著增加， 有望利好上游算力环节。2）中游模型环节，伴随着 skills 等类似生态的建立， 有望获得更高的用户粘性。3）下游应用厂商，在获得更多便捷工具的情况下， 应用开发也有望加速。

2. 预训练的 Scaling Law 是否已经失效？模型是否会继续往更大的方向走？26H1 Groq 新版本的发布将成重要验证节点。自 DeepSeek 将 RL（强化学习）加入大模 型的训练菜单以来，AI 产业层面已经明显看到扩展（Scaling）方向的转变：从预训 练转向强化学习。传统的 Scaling 方法是堆算力扩展预训练，而现在产业则着力于扩 展强化学习，甚至某些模型在强化学习消耗的算力已经超过了预训练。然而，在产业 认可强化学习的有效性的同时，预训练的 Scaling law 是否已经完全失效？是否更大 的模型并不意味着更强？这个疑问仍然是悬而未决的。

正因如此，2026H1 即将发布的 Grok5 的实际性能，将成为 scaling law 是否仍 然成立重要的判断依据，从而影响整个 AI 产业的叙事。根据马斯克官方推特信 息透露，Grok 模型将在 Colossus 系列算力集群上进行训练，而包含 55 万块 GB200 和 GB300 的 Colossus2，是全球首个千兆瓦级的人工智能训练集群。

若能证明预训练 Scaling Law 继续有效，预训练规模继续扩大可以带来更高的模 型智能，则继续利好大模型环节，头部模型厂商有望进一步扩张其产品性能与 能力边界。

若预训练的规模无法再进一步提升模型能力，那么训练范式将趋于收敛，模型 本体性能趋于稳定，利好下游应用厂商开展更稳定有效的产品研发。

3. 更长的模型记忆能力：或将出现在 26 年以后。大模型的记忆能力历来是致命短板， 广受诟病，即使依靠长上下文来辅助短期记忆，其表现仍不尽如人意。这种记忆力方 面的短板阻碍了模型在许多场景的落地，也使得陪伴等场景中大模型的粘性逐步流 失。OpenAI 掌门人 Sam Altman 在播客中直言：“现在的 memory 仍然很粗糙，很 早期。我们现在处在 memory 的 GPT-2 时代。”

关于如何改进大模型记忆能力：当前仍无明确答案，也无明确的时间线，但近期 新出现的 online learning、nested learning、continual learning 等等新范式，都 在向这个方向做出努力。Sam Altman 预测，此事可能不会在 2026 年完全实现。

但若是大模型记忆能力真的产生突破，那么利好 AI 产业从上到下所有环节。更 多的记忆意味着需要更多底层硬件作为承载；大模型本身可以获得更高性能； 而基于更好的记忆特征，下游应用（尤其是 AI 陪伴等赛道）亦可以获得更好的 产品粘性。

2.2 商业闭环：追求爆款—>追求 UE 转正—>追求 breakeven，商业闭环 曙光已现

讲故事的时代已经过去，AI 应用投资正式进入考量商业变现的阶段。自 2023 年 ChatGPT 问世至今，大模型已经走入面世的第四个年头，AI 产业的发展也从相对早期的阶段，步 入了正式商业化落地阶段。只有一个酷炫 demo 就能获得巨量投资的时代已经过去，考 量 AI 应用 ROI 的时代正式来临。 AI 应用的商业闭环需要走过从爆款应用、到 UE 转正、再到整体 breakeven 的全生命 周期。无论 B 端或是 C 端，但凡是 AI 应用，都必先实现广泛快速的收入增长（通常通 过爆款功能实现），然后实现 UE（（Unit Economy）转正，最终规模化达到整体盈利转正， 从而实现商业闭环。C 端和 B 端唯一的区别在于，对爆款的定义并不完全相同：在 C 端， 爆款往往体现为具备爆发式用户增长、广泛用户基数、高留存的 C 端软件产品，短期内未必考量收入的绝对体量；而在 B 端，由于业务面向企业端，不会获得大众层面的市场 感知，因此 B 端产品往往表现为收入高速增长的某些功能/软件。不论 B 端还是 C 端， 当前我们所能看到的、具备投资价值的 AI 应用，至少应该处于这三个生命周期环节中 的其一。