熱門資訊> 正文
2026-06-05 17:32
一、行業觀察
2026年6月5日,港股低開低走,恆生指數收跌1.15%報24961.95點,恆生科技指數跌1.75%,恆生中國企業指數跌0.77%。全日市場成交額3428.05億港元,較前日放大;南向資金淨賣出24.26億港元。盤面上,半導體及AI概念股領跌,原材料、信息科技、電訊板塊跌幅居前;內銀股逆市走高,建設銀行漲2.0%。
AI產業鏈、半導體產業鏈及大模型產業鏈大幅回調。半導體方面,中芯國際(00981.HK)重挫7.2%,成交額149.27億港元,華虹半導體(01347.HK)跌7.2%,芯片股全線下挫。
大模型概念股深度調整,智譜(02513.HK)跌超9%,MINIMAX-W(00100.HK)跌超16%。AI應用端分化,佑駕創新(02431.HK)大漲11.0%,官宣收購中通快遞子公司,L4無人車業務商業化提速;百度集團-SW(09888.HK)跌3.5%,聯想集團(00992.HK)跌0.5%;金山軟件(03888.HK)漲3.3%,金蝶國際(00268.HK)漲4.3%。
二、大模型概念股盤面表現
| 證券代碼 | 證券簡稱 | 收盤價(HKD) | 漲跌幅(%) |
| 03690.HK | 美團-W | 79.95 | 1.72 |
| 00020.HK | 商湯-W | 1.66 | 0.61 |
| 01024.HK | 快手-W | 46.86 | -0.17 |
| 09988.HK | 阿里巴巴-W | 122.40 | -0.89 |
| 00700.HK | 騰訊控股 | 453.20 | -1.26 |
| 09888.HK | 百度集團-SW | 125.60 | -3.46 |
| 02513.HK | 智譜 | 1297.00 | -9.05 |
| 03317.HK | 迅策 | 166.00 | -11.80 |
| 02718.HK | 明略科技-W | 227.00 | -14.98 |
| 00100.HK | MINIMAX-W | 553.00 | -16.65 |
數據來源:港交所,不構成投資建議,截至2026年6月5日收盤
三、大模型行業與企業動態
1、Anthropic警告AI或失控,呼籲全球暫停開發
6月5日,Anthropic發佈報告稱最新AI模型已顯現脱離人類控制跡象,呼籲全球頂尖實驗室放緩研發步伐,避免AI在無人類干預下自我改進帶來風險。該公司建議美中等主要AI公司達成可驗證的全球規則,並計劃未來幾個月召集多方共商協調機制。該提議引發爭議,被指可能誇大風險、借安全名義限制對手。
2、華為雲聯合TOP模型廠商發佈「百模千態雲聚共贏」生態合作計劃
6月5日,在上海舉行的2026華為雲INSPIRE創想者大會上,華為雲聯合智譜、DeepSeek、Minimax、Kimi、階躍星辰、百度、訊飛星火、美團、愛詩科技、生數科技等20余家TOP模型廠商,發佈「百模千態,雲聚共贏」生態合作計劃,共建系統化商業生態,打造多方共贏的產業發展新模式。
3、千問全面開放第三方Agent入駐,瑞幸、肯德基已上線
6月3日,阿里千問宣佈全面開放第三方Agent入駐,企業可運營自有品牌Agent,以對話形式完成交易。具備記憶與主動規劃能力的Agent,可在特定場景主動提醒行程、權益到期或復購推薦。目前瑞幸、肯德基等品牌已上線。。
四、大模型概念股介紹
| 公司名稱 | 股票代碼 | 公司地位 | 公司大模型產品與業務介紹 |
| 阿里巴巴-W | 09988.HK | 中國大語言模型領域的綜合頭部廠商 | 已發佈Qwen3.6-Plus等多款新模型,千問大模型單日調用量突破1.4萬億Token,刷新第三方調用平臺單日全球紀錄。千問C端應用月活躍用户突破3億,並被接入多家車企智能座艙。在國際競技場的編程和智能體能力測評中穩居前列,業務佈局契合政企客户算力與模型API規模化採購趨勢。 |
| 智譜 | 02513.HK | 中國獨立大語言模型領域的頭部廠商 | 已發佈新一代旗艦模型GLM-5,在編程與智能體能力上取得開源SOTA表現;並聯合華為開源多模態圖像生成模型GLM-Image。公司聚焦全新模型架構設計、通用強化學習範式及模型自主進化,業務佈局契合企業級AI生產力轉化趨勢。 |
| 明略科技-W | 02718.HK | 大模型概念股,港股Agentic AI第一股 | 憑藉自研Mano、Cito、Mano-P端側模型及Cider推理框架,全面支撐自身Agentic AI定位,業務體系以DeepMiner大模型為底層引擎、Octo為協同中樞,統一以Agentic Service形式交付各類AI產品與行業解決方案。明略科技大模型主打差異化技術路線,放棄通用模型參數擴容,採用多專業小模型協同的Scaling Out模式,核心壁壘不是參數量,而是細分場景數據、專用模型與持續學習,在垂直場景下能做到通用模型做不到的精度,致力於打造開源、可私有化部署、白盒可審計的Private AI基礎設施。 |