1. TCS拟投资74亿美元在印度建1吉瓦AI数据中心

2. AI硬件成消费电子零部件行业新兴赛道

3. OpenAI内部开卷！AI实习生正式上岗， 头部员工一天烧掉5万元

4.存储器价格飙涨，调研：2026年全球智能手机价格平均上涨15%

1. TCS拟投资74亿美元在印度建1吉瓦AI数据中心

塔塔咨询服务公司（TCS）表示，其旗下HyperVault部门及合作伙伴已承诺投资7000亿卢比（约合74亿美元），计划在印度南部建设一座大型人工智能数据中心园区。此举将进一步加快TCS进军人工智能基础设施领域的步伐。印度科技企业正将该领域视为未来增长的重要方向。

TCS在提交给交易所的文件中表示，HyperVault已在特伦甘纳邦海得拉巴获得一块面积264英亩（约107公顷）的土地，用于开发该项目。数据中心园区规划最高容量为1吉瓦，有望成为印度规模最大的人工智能基础设施园区之一。项目将采用绿色能源，并按照水资源中和原则进行设计。

TCS表示：“该园区将面向前沿人工智能企业和超大规模云服务商，在全球范围内提供高密度、液冷型计算基础设施。”公司称，这笔投资将用于相关基础设施的建设和运营管理。

作为印度最大的IT软件出口商，TCS近年来一直面临人工智能服务需求快速增长带来的挑战。与此同时，海外投资者正通过印度本土科技企业向该国投入资金，建设超大规模人工智能基础设施，以期抓住这个南亚国家不断扩大的创业经济机遇。

2. AI硬件成消费电子零部件行业新兴赛道

随着上市公司2026年上半年业绩报告披露收官，消费电子零部件行业交出了一份分化显著的成绩单。在AI算力需求爆发叠加端侧AI渗透提速的背景下，站上AI服务器、光模块、AI智能终端等景气赛道的企业收获高增长；与此同时，存储涨价向消费终端传导，智能手机、PC等传统需求走弱，相关业务占比较高的企业增长承压。

乘风AI浪潮 部分企业业绩高增

同花顺iFind数据显示，截至9月1日，申万二级“消费电子零部件及组装”行业89家上市公司已全部披露半年报。其中，65家公司营收实现同比增长，但净利润同比增长的仅33家。从财报分析来看，受益于AI算力基础设施建设、AI智能设备等相关业务的公司业绩普遍表现亮眼。

2026年上半年，行业龙头工业富联实现营收5578.61亿元，同比增长54.63%；归母净利润237.40亿元，同比增长95.99%，营收与净利润均创历史新高，并已连续四个季度单季净利润超百亿元。业绩高增的核心驱动力来自云计算业务，公司该板块营收同比增长75.7%，其中云服务商AI服务器营收同比增长2.3倍，GPU AI机柜出货量同比增长3.2倍，公司增长重心已明显向AI算力基础设施一侧倾斜。

立讯精密同样实现营收净利双增。上半年，公司实现营收1745.04亿元，同比增长40.16%；归母净利润78.43亿元，同比增长18.04%。分业务看，营收结构总体呈现消费电子、通信与数据中心、汽车电子三大板块共同增长格局。其中，消费电子业务实现营收1224.76亿元，同比增长19.27%，占总营收约七成，主要受益于AI手机、AI PC及智能穿戴等新品类导入；通信与数据中心业务亦表现亮眼，实现营收166.09亿元，同比增长49.66%，800G光模块已实现规模化量产出货。

华勤技术则采用多元化结构业务应对行业变化。上半年，公司实现营收937.19亿元，同比增长11.65%；归母净利润30.00亿元，同比增长58.80%。其中，移动终端业务实现营收411.17亿元，稳居平板电脑ODM领域全球份额第一。多赛道平台化布局下，公司利润增速显著跑赢营收增速。

存储价格上行 终端产品需求承压

与新兴AI业务带来的市场机会相对的是，一些传统消费电子业务占比较高的企业增长承压。AI算力需求激增引发存储涨价，压力沿产业链一路传导至终端产品和相应零部件企业。

2025年下半年以来，受AI服务器对高性能存储的爆发式需求驱动，三星、SK海力士、美光等存储原厂将先进产能转向利润更高的高带宽内存，消费级DRAM和NAND闪存产能被持续挤压，供需缺口不断放大。集邦咨询数据显示，2026年第一季度，通用型DRAM合约价格环比增长93%-98%，第二季度环比增长58%-63%；NAND合约价格一季度环比增长55%-60%，第二季度环比增长55%-60%。

存储涨价的压力沿着产业链自上而下传导。2026年以来，荣耀、OPPO、vivo、华为等主流品牌先后调整产品价格，多款主流手机机型普遍提价300元至1000元。终端产品涨价直接抑制了消费者的购买意愿，市场需求出现一定程度疲软。IDC数据显示，2026年第二季度，中国智能手机出货量约为6600万台，同比下降4.3%，为连续第五个季度下滑。

终端需求疲软直接传导至零部件企业的订单端，对传统消费电子业务占比较高的企业造成明显冲击。例如，上半年，蓝思科技实现营收288.66亿元，同比下降12.42%；归母净利润5.77亿元，同比下降49.52%。其中，公司智能手机与电脑类业务实现营收223.82亿元，同比下降17.67%，占公司总营收的77.54%。下降原因主要系存储芯片周期扰动终端需求、组装业务收入减少所致。

除部分消费电子零部件企业外，手机面板厂商同样受到直接影响。深天马A上半年实现营收166.91亿元，同比下降4.49%；归母净利润亏损7.28亿元，上年同期为盈利2.06亿元，由盈转亏。维信诺上半年实现营收40.04亿元，同比下降2.85%；归母净利润亏损15.19亿元，亏损同比扩大42.99%。维信诺在半年报中明确表示，受存储芯片价格上涨等因素影响，终端品牌被迫提价或压缩利润，消费者换机意愿下降，手机品牌备货趋向保守，公司核心的手机显示业务受到短期阶段性影响。

价值重估 AI硬件开启产业新周期

分析人士认为，在手机、PC的换机需求疲软的背景下，消费电子行业正从“硬件出货量驱动”的旧范式，切换至“端侧AI渗透+算力基建+生态拓展”的新增长逻辑，这一趋势不可逆，且将加速行业分化。

国家统计局数据显示，随着“人工智能+”加快拓展、算力需求持续扩张，相关产品需求增加拉动价格上涨，1至7月，电子行业利润同比增长1.1倍，拉动全部规模以上工业企业利润增长9.3个百分点，是规模以上工业企业利润较快增长的主要支撑。其中，以算力芯片、存储芯片为代表的集成电路行业利润同比增长18.5倍，对全部电子行业利润增长贡献率超过八成。其他相关行业中，与计算机、服务器相关的计算机整机制造、计算机外围设备制造、工业控制计算机及系统制造行业利润分别增长3.3倍、2.5倍、1.6倍。

“AI不再是概念，而是业绩分化的‘分水岭’。”北京前沿未来科技产业发展研究院院长陆峰表示，工业富联、立讯精密等龙头企业正享受算力资本开支红利，AI服务器、光模块等业务已从“副业”变为核心增长极。

展望后市，陆峰认为，影响企业业绩的关键因素主要有两个：一是AI技术落地的兑现能力，从宏大叙事转向订单和出货量等实际数据验证；二是端侧AI渗透速度，AI手机、AI PC及智能穿戴等新品类能否打开增量空间，将决定企业能否摆脱对传统终端的依赖。“企业若不能在AI产业链中占据有利位置，将面临持续掉队风险。”

此外，9月份开始，苹果、华为、小米、OPPO、vivo等品牌厂商将集中发布新品。折叠屏手机、AI眼镜等新品加速落地，推动消费电子行业迎来新一轮创新周期。

“AI手机、AI PC及智能穿戴设备成为推动硬件升级的新引擎，具备端侧AI集成能力的厂商将率先获益。”陆峰表示，AI手机、AI PC、AI眼镜等新终端正推动产业链价值重估，看好看似“传统”但迎来升级机遇的零组件环节，如端侧SoC芯片、散热方案、光学和电池等相关产业链领域。

3. OpenAI内部开卷！AI实习生正式上岗， 头部员工一天烧掉5万元

AI在OpenAI内部，已经开始"卷"造它的人了。

美国时间9月6日，OpenAI宣布，按照内部测量，公司已实现"自动化研究实习生"的目标：在人的指导下完成明确的研究任务，其中包括熟练研究员需要数天才能做完的工作。所谓"研究实习生"，指的是能承担具有一定复杂度的任务、但仍需要人在过程中介入指导和复核的智能体。

随之公开的内部数据表现突出。到8月中旬，研究部门智能体的总运行时长已达到人类工时的3.1倍。用量进入前10%的研究员，每人每天调用的AI服务，按公开API价格折算超过7000美元。

研究员同时运行多个智能体，让它们写代码、跑实验、排查故障。有团队甚至因为求助人数减少，取消了专门的答疑时间。

不过研究员并没有完全放手。任务一旦拉长，人工指导仍然不可或缺；研究什么、分配多少算力、结果值不值得继续推进，还是研究员说了算。

一、一个人类工作日，对应3.1个智能体运行日

今年年初，OpenAI研究部门按用量排在中间的研究员，还只是少量使用编码智能体。到8月中旬，这个中位数用户每天的推理用量，按公开API价格折算已超过600美元；排到第90百分位的用户，则超过7000美元。

这不是单个智能体的实际成本，也不是OpenAI内部核算的账单，而是一名研究员的总调用量按对外API单价折算出的名义值。

运行时长的变化更明确。6月之前，研究部门智能体的总运行时长还低于人类工时；到8月中旬，按8小时工作日折算，每1个人类工作日已对应3.1个智能体运行日。这里累计的是智能体运行时长，不等于完成了3.1倍的有效工作。。

在OpenAI公布的数据中，研究部门中位数员工的智能体输出Token用量已增至基准期的124倍，增幅高于其他部门。与此同时，越来越多研究员在一天中并发运行4个或更多智能体。统计既包括人直接启动的智能体，也包括系统继续派生的子智能体。研究员交付的任务，正从单次问答转向多项可同时推进的工作。

SemiAnalysis创始人迪伦·帕特尔（Dylan Patel）注意到这些数据后表示，OpenAI员工当前的AI使用量已接近SemiAnalysis团队水平，而在今年年初，两边的用量差距依然明显。

二、代码与实验次数增加，研究能快多少？

OpenAI披露了两项量化指标：代码修改量和实验次数。

以2025年之前的平均水平为基准，全公司每名活跃代码贡献者的代码修改量如今达到约7倍。

以2025年为基准，每名活跃实验者的实验数在今年8月达到约1.6倍，为记录以来的最高水平。OpenAI表示，这与Codex采用率上升有关，同时也指出公司的可用算力在此期间有所增加。

两项指标的基准期和统计人群不同，加起来无法直接换算成"研究进展快了多少倍"。AI研发也不只是写代码和启动实验：研究员还要设计改进方案、编写评测、检查训练异常、判断哪些结果值得合入核心模型。任何一环受限，周期都会拉长。

OpenAI的解释是：随着自动化推进，最难自动化的任务会占据研究员越来越多的精力；当其他制约缓解，算力可能成为主要限制。写代码提速后，实验设计、结果判断和算力分配，可能成为更突出的限制。

三、写代码之外，AI接过了部分排障工作

OpenAI借用Epoch AI的分类，把AI研发拆成六个环节：决定目标、设计方案、构建代码和数据、运行任务、分析结果，以及沟通协作。

从今年1月到8月，按每名研究员每天的智能体输出Token统计，增幅最大的三类工作是：研究与基础设施代码（增加约19.8万Token）、技术支持与评审（增加约15.9万Token）、启动监控与调试（增加约13.3万Token）。

实验结果分析的输出也增加了约4万Token。智能体的调用并未停留在单一代写，代码、排障和运行相关的工作仍占主要部分。

这种变化在内部支持团队中更明显。过去，一些团队会固定安排时间协助研究员排查实验和基础设施问题。今年，多支团队发现前来求助的人数持续减少，其中一支干脆取消了专门的答疑支持，把精力转向其他系统改进。

一个由人工值守的内部技术支持频道，每天的新帖子数量同样在减少。OpenAI称，目前未见这些请求转向其他人工支持渠道。

四、长任务能够处理，但仍需人工介入

用量涨得快，不代表每项任务都能脱离人工独立完成。

OpenAI用智能体分类器整理内部任务，按照"估计人类需要多久完成"分档，观察成功率与人工介入情况。此处的时长是任务难度的参考，不是AI实际运行的时间；结果不确定的样本未纳入统计。

在公司公布的统计中，估计人类15分钟内能完成的任务，86%可以由智能体独立完成。在4至8小时这一档，43%可以独立完成，另有45%在经历至少一次人工介入后交付。

智能体已经能够处理一部分长周期任务，结合人工指导后成功率还能提升。但在较长流程中，研究员无法完全免除跟进：过去六个月里，成功完成的4至8小时任务中，超过一半经历了至少一次人工介入。

"研究实习生"的定位正对应这一状态：系统能承担具有一定复杂度的任务，但仍需要人在过程中介入指导、交付时复核。

五、哪些实验值得继续，仍由研究员决定

从输出Token的分布来看，高层决策是智能体参与较少的部分。

从1月到8月，"决定做什么"这一项，每名研究员每天的智能体输出增加约2300 Token；"继续还是停止"增加约200 Token，规模远低于编写代码、排障和运行监控。

不过Token反映的是文本输出量，不是决策本身的比重。单次决定的表述可能简短，而一段排障往往包含大量日志：不能单纯因为输出Token少，就说AI没参与过相关讨论。

更明确的依据来自OpenAI对当前分工的界定：人类依然负责设定研究优先级、评估方案与结果的推进价值，并决定系统是否扩张、暂停或部署。智能体能协助完善方案、运行实验并整理结果，但资源的后续配置权仍在研究员手中。

社交平台用户Chinmay也注意到这一分工：代码生成在提速，但评估哪些实验值得分配算力，仍需要研究员。产出增加不等同于研究决策质量的提升。

研究员还牢牢握着方向盘。

六、同一天，首席科学家发出了不同调门的声音

在报告公布的同一天，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）发表了长文《一个异类心智》（An Alien Mind）。

他在文中写道："我担心，没有人准备好面对机器智能持续快速上升的后果。"

他主张建立由第三方审计机构、政府或国际组织执行的强制性安全门槛。山姆·奥特曼（Sam Altman）随后了该文，称其为一篇"重要的帖子"。

前面的数据显示研究方向还在人类手里，帕乔基关心的是：这种状态能否持续。

此前，OpenAI曾因智能体越过测试边界访问Hugging Face生产系统的事件，暂停了部分前沿强化学习训练，并强化了开发环境的隔离与监控。报告同时披露了这类限制措施对算力分配的实际影响。

8月7日，初步评估显示Astra可能达到其安全框架定义的“关键”网络安全能力门槛，OpenAI对其施加了额外限制。随后一周内，Astra的GPU配额减少59.2%，而其他模型类别的配额增加17.2%，抵消了Astra约85%的降幅。在受监测的强化学习工作负载中，总算力分配因此保持相对稳定。对单一模型的限制没有让计算资源闲置，其他获准运行的实验填补了空缺。

帕乔基还指出了模型可解释性层面的障碍。思维链监控通常通过追踪中间推理过程来识别潜在风险。但随着模型能力提升，系统可能在不完整输出推理过程的情况下解决问题，也更善于调整其展现方式：人类可见的文本，未必足以完全解释其决策逻辑。

他在文章最后表示，推进自动化AI研究的核心挑战，不仅在于达成这一技术节点，更在于确保人类能持续参与其改进过程并保持控制权。

七、实习生之后，下一步的边界

OpenAI给出的下一个目标，是在2028年3月实现"自动化AI研究员"，在人类监督下推进深度学习与对齐研究。

从实习生到独立研究员，跨越的不只是代码产出量或实验运行规模。当前研究员已能并发调动多个智能体，但选题、验证和后续投入的权衡，决定权还在人手里。

AI让更多实验跑了起来，也让研究员更需要判断：哪些值得继续。

4.存储器价格飙涨，调研：2026年全球智能手机价格平均上涨15%

据调研机构 Counterpoint Research 最新《全球智能手机价格趋势》研究，受到全球存储器与零组件成本上升影响，2026 年迄今全球现有智能手机零售价格平均上涨约 15%，部分机型价格接近翻倍；新上市机种价格则较去年同期机型平均高出约 25%。

研究显示，2026 年迄今已有超过 40% 的智能手机机型调涨价格。其中，价格敏感市场涨幅较为明显，印度平均上涨 21%、亚太地区 19%、中东与非洲（MEA）18%，拉丁美洲则上涨 16%。相较之下，高阶手机占比较高的市场涨幅相对温和，中国市场平均上涨 10%、欧洲 7%、美国 5%，价格调整主要集中于新上市机种。

Counterpoint Research 研究总监 Tarun Pathak 表示，存储器已成为影响智能手机物料成本的重要因素，品牌厂吸收成本的空间受到压缩。价格敏感市场受到的影响尤其明显，部分消费者开始延后换机、等待大型促销活动，或转向二手机市场；在高阶手机占比较高的市场，分期付款及旧机换新方案则有助于降低价格上涨的影响。

新机价格上升之际，印度二手机市场亦出现变化。据 Counterpoint Research《 2026 年上半年全球二手智能手机市场报告》，2026 年上半年印度翻新智能手机销量年增 13%，同期新智能手机销量则约年减 11%。目前印度翻新手机市场中，正规渠道约占 20%，非正规渠道仍占约 80%。品牌方面，三星以 30% 市占率居首，苹果以 23% 位居第二。

除了调整售价，智能手机品牌厂也通过产品规格与组合因应成本压力，包括降低储存容量、精简相机配置，以及在部分价格带增加 4G 机型。电信营运商与零售渠道则通过分期付款、旧机换新等方案，降低价格上涨对消费者的影响。目前苹果仍维持 iPhone 售价稳定。考量存储器价格自 2025 年第四季以来已上涨四倍，未来新机定价仍可能面临成本压力。

Counterpoint Research 资深分析师 Karn Chauhan 表示，未来数季新款智能手机价格预计仍将上升，包括即将推出的 iPhone 18 系列。短期内存储器供应吃紧及零组件成本偏高的情况预计仍将持续，对品牌厂获利形成压力。品牌厂可能更加聚焦高阶产品，并通过规格、储存容量及产品组合最佳化，控制价格涨幅。