Skill 蓝皮书 2026 核心观点

Skill 的本质和价值： Skill 是一种以最小摩擦将“可写的经验”传递给大模型的格式化工具，其核心价值在于将大模型从“通才”转变为“专家”，并促进经验的可迁移性和知识的新形态。

Skill 生态的现状： 2026 年 Q1，Skill 生态迎来爆发式增长，主要得益于 Anthropic 推出的 MCP 协议和 Claude Code 将 skill loading 做成一等公民，形成了事实上的 AI 编码工具标准。然而，Skill 生态也存在着残酷的长尾现象，54% 的 Skill 从未被一个人见过，且大部分 Skill 维护不善，容易过时失效。

Skill 的设计原则： 站在 Agent 的角度设计 Skill，遵循原子化、自我迭代、脚本优先等原则，并注重描述的精确性和指令的清晰性，以提高 Skill 的质量和可执行性。

Skill 的类型和分享路径： Skill 可以分为 9 种类型，包括库参考、数据获取、脚手架、CI/CD、代码质量、文档生成、流程编排、人格风格和沟通通知等。Skill 的分享路径可以分为个人、项目、团队和全球四个级别，不同的类型和路径对应不同的使用场景和价值。

Skill 生态的演化趋势： Skill 正在吞噬其他 Agent 系统的核心组件，如工作流约束、持久化经验、代码审查和输出过滤等，Skill 正在成为 Agent 系统的中枢，并推动着 Agent 系统的演化。

Skill 的商业化路径： Skill 作者的商业化路径主要包括 Service-on-Open、Hosted Runtime 和 Distribution 三种模式，其中 Distribution 是商业化三边少的那条边，也是 AgentSkillsHub 这种基础设施型项目存在的真实理由。

Skill 的未来： 随着 Claude 等大模型自身开始创建 Skill，Skill 生态将迎来人机共产、人机共消的新阶段，人类作者将从“主创作者”转变为“Curator / Domain Bridger / Trust Anchor / 种子样本生产者”。

关键数据和研究结论

• 67,196 个 Skill 中，54.1% 的 Skill 从未被一个人见过，53.8% 的 Skill 为 0 星。
• 2026 年 3 月，单月创建 27,720 个 Skill，Skill 生态迎来爆发式增长。
• Skill 生态的基尼系数高达 0.983，远高于其他内容市场，头部效应极其明显。
• Skill 的平均半衰期约为 6-12 个月，大部分明星项目在 1 年内死掉。
• 9 种 Skill 类型中，只有 Reference、CI-CD 和 Code Quality 三种类型推荐给新作者进行长期投入。
• Distribution 是 Skill 商业化的关键，Hub 数据显示，进入 Top 1000 的 Skill 中位需要 320 天，90% 的作者需要熬一年才能看到收益。

总结

Skill 生态正处于快速发展阶段，Skill 正在成为 Agent 系统的中枢，并推动着 Agent 系统的演化。Skill 作者的商业化路径主要包括 Service-on-Open、Hosted Runtime 和 Distribution 三种模式，其中 Distribution 是商业化三边少的那条边，也是 AgentSkillsHub 这种基础设施型项目存在的真实理由。随着 Claude 等大模型自身开始创建 Skill，Skill 生态将迎来人机共产、人机共消的新阶段，人类作者将从“主创作者”转变为“Curator / Domain Bridger / Trust Anchor / 种子样本生产者”。

核心观点

AI在量化投研中的研究重心正从“调用通用模型”转向“围绕金融约束重构模型”。前沿研究不再满足于将大语言模型、强化学习或Transformer直接套用到交易任务，而是更强调延迟、回测有效性、非平稳性、交易成本、风险约束和可解释性等金融场景硬约束。LLM更适合承担离线研发、因子生成、语义校验和投研辅助，而非直接承担低延迟交易执行。模型能力的关键不只在参数规模，更在搜索机制、反馈设计和标准化评估体系。

关键数据和研究结论

LLM交易智能体与技术面推理

• TiMi: 将系统拆成离线策略研发和在线分钟级执行两个阶段，LLM在离线阶段辅助策略研发，在线阶段由程序化模块执行交易，结果显示TiMi在盈利稳定性、动作效率和风险控制上均优于单纯依赖在线LLM推理的交易智能体。
• VTA: 让LLM先用自然语言完成一段技术分析，再用这段分析去驱动价格预测，结果显示VTA能在保持可解释技术分析的同时提升预测准确率。

Alpha因子挖掘与评估体系

• Navigating the Alpha Jungle: 利用LLM的语义理解与推理能力，提高符号因子搜索的方向感，同时保留回测指标对因子质量的硬约束，实验显示该框架能够挖掘出预测能力和交易表现更好的公式化因子。
• AlphaAgentEvo: 将Alpha挖掘从一次性搜索推进到持续进化，实验表明，AlphaAgentEvo能比多种进化搜索和LLM驱动方法更高效地产生多样、可迁移的Alpha。
• AlphaSAGE: 针对强化学习式因子挖掘容易“塌缩”的问题，实验结果显示，AlphaSAGE在预测性、多样性和新颖性上均优于传统强化学习和遗传搜索基线。
• AlphaBench: 为LLM参与公式化Alpha挖掘建立可比较的评测体系，实验显示，LLM在自动化因子挖掘中确有潜力，但在稳健性、搜索效率和实际可部署性上仍存在短板。

深度学习表征、多模态预测与量化信号建模

• Text to Alpha: 基于LLM提取构建的移动目标组合在多因子调整后仍具有显著超额收益，明显优于统计上并不显著的命名实体识别基准。
• Relational Probing: 在股票趋势分类任务上，该框架诱导的关系图在多项抗类别失衡指标上均优于词共现基线。
• GAP-TGN: 在较长的评估窗口下，该模型在正样本识别的稳定性上明显优于树模型基线。
• FinZero: 其置信度评分与实际准确率显著正相关，高置信子集的准确率明显更高。
• Diffusion Copulas: 在加密货币高频数据上，该框架在边际校准与联合极端事件预测两个维度均优于端到端扩散基线。
• WaveLSFormer: 在美股多行业五年的小时级数据上，WaveLSFormer相比原始Transformer将平均ROI与Sharpe比率大幅提升。

强化学习的泛化与市场情境自适应

• MetaTrader: 相比传统RL交易模型和“预测后买入”的固定规则有更好的样本外表现。
• ArchetypeTrader: 提供了一种更可解释的策略迁移路径，模型表现不再只由一个黑箱策略网络决定。
• MARS: 能显著降低最大回撤和波动，同时保持有竞争力的收益。
• Multiagent RL for Liquidity Games: 采用差分奖励的智能体在允许部分成交的环境下实现了最高的总流动性与单体吞吐。

金融基础模型与市场仿真

• Kronos: 在RankIC、波动率预测误差和合成K线保真度等指标上均优于多类基线。
• DigMA: 在生成保真度和情景可控性上优于已有市场仿真方法。
• CTBench: 统计拟合好并不必然带来可交易性，不同生成模型在保真度、风险刻画和下游收益之间存在明显取舍。

端到端决策与模型约束

• Physics-Informed Koopman Neural Estimation of the Heston Model: 在多组市场条件和参数组合上的实验表明，Koopman-PINN能稳健恢复Heston模型五个核心参数。
• STABLE: 在基于历史数据的回测中，论文在美国、中国、欧洲和韩国等市场上报告了更高的夏普比、更低的组合波动和回撤。

金融文本模型的鲁棒性与安全评估

• Chameleon Attack: 可达到较高攻击成功率，同时保持文本自然性和语义一致性。
• CAIA: 无工具时各模型准确率仅一两成，配备专业工具后最强模型也仍明显低于初级分析师水平。

金融大模型评测与投研流程自动化

• EDINET-Bench: 即便是先进LLM，在造假检测和盈利预测等二分类任务上也只比逻辑回归略有优势。
• FinSearchComp: 配备网页搜索和金融工具后，金融智能体表现显著提升。
• FinMMDocR: 在该论文的评测范围内，表现最佳的多模态大模型准确率仍只有约58%。
• FinMathBench: 模型在单公式题上表现尚可，但随着公式链条变长准确率快速下降。
• FinRpt: 构建的数据集与评价指标能够较系统地衡量研报质量。
• TermGPT: 在金融和法律术语区分任务上优于既有基线。
• CLER: 在三个金融多模态基准上的实验显示，CLER能稳定优于常规自我反思和其他基线。
• PMADS: 该系统生成的报告在解释充分性、实务适用性与系统可用性上均显著优于单智能体基线。
• VeritasFi: 在多个金融问答数据集上的端到端评测中，VeritasFi的综合表现优于图RAG、轻量RAG等基线。

全球 AI 采用率迅速增长，截至 2026 年 3 月，近 18% 的全球工作年龄人口使用 AI，较九个月前的 15% 有所上升。尽管发达市场率先采用 AI，但新兴市场在绝对使用量上表现强劲，例如印度在 GPT 和 Claude 上的使用时间超过 500 万小时，远超美国。

AI 使用存在明显差异：新兴市场在计算机、艺术和教育领域使用较多，而发达市场在销售、商业和金融领域使用更多。尽管新兴市场使用 AI 的平均时间节省为 4.6 小时/任务，但 16% 的任务超出了人类自身能力范围，而发达市场这一比例为 12%。这表明 AI 采用成熟后，生产力回报递减，以及过度人类监督的意外后果，即人类逐渐失去有效审查和挑战 AI 生成输出的能力。

新兴市场更倾向于使用 AI 进行自动化，而发达市场则更关注使用 AI 提升工作质量。这意味着新兴市场面临更大的风险，因为许多容易受到 AI 冲击的工作，如例程性、流程驱动型工作，可能首先在这些国家被自动化。

基于分析，预计未来趋势如下：1. IT 服务行业将变得更加劳动密集度较低，竞争将来自同一国家的软件工程师和更早转向技术和 AI 的咨询公司；2. 新兴市场将大力推动本土 LLM 发展，以解决语言和文化差异问题；3. 媒体行业将受到 AI 的重大影响，流媒体平台和内容制作公司将受益，而传统广播公司将面临挑战；4. 数据中心建设可能在短期内达到顶峰，但长期收益将归属于云服务提供商和电力公司。

核心观点

• AI交易逻辑转变： 从涨价转向技术路线。Q2以来，围绕AI通胀的叙事逻辑走弱，供需两端扰动导致市场审美疲劳。需求端，北美云厂商转向债券融资，未来可能收缩资本开支；供给端，新一轮产能扩张周期开启，未来1-2年将释放产能。AI渗透率提升要求科技企业扩产实现供需再平衡，未来AI通胀交易逻辑可能打破。
• 技术路线关注点： PCB与覆铜板关注订单验证，连接器与铜缆阶段性逻辑加强，光模块内部继续分化。
• 电子行业： AI算力推动先进封装技术演进，玻璃基板成为下一代先进封装重要路线；AI存储扩产周期启动，韩国存储龙头新一轮建厂规划与全球半导体设备投资上行共振。
• 计算机行业： 上层模型持续加速，下层算力重构范式。腾讯发布Hy3模型，模型竞争告别唯参数论，单位算力智能成为新焦点；Agent开始进入生产环境，稳定可靠成为商业化分水岭；“韬定律”V2发布，后摩尔时代主线从几何微缩转向时间优化。
• 传媒行业： 模型方面，确立Agentic Coding新共识后，全球头部大模型厂商维持激烈竞争；应用方面，Coding/Working仍是市场空间最大的AI应用场景之一，关注腾讯Workbuddy产品端先发优势协同混元模型能力提升。
• 机械行业： 中报业绩披露期，关注业绩确定性更高的企业。产业节奏方面，关注特斯拉第三代Optimus发布及量产规划，以及宇树上市在即、优必选和智元等国产厂商的新产品或阶段性成果；资本市场方面，首推震裕科技、恒立液压。2026年全年关注特斯拉链、国产链和应用场景三大方向。
• 汽车行业： 机器人量产主线逻辑强化，智驾关注地平线试乘活动。特斯拉产线就绪与头部公司上市融资形成共振，机器人全年量产主线逻辑进一步强化；地平线HSD V2.0重构智驾上限，Robotaxi商业化海内外逐步推进。

关键数据

• 人工智能板块近一个月相对收益： 13.4%
• 人工智能板块近一个月绝对收益： 12.7%
• 国证芯片近一个月涨跌幅： 24.7%
• 服务器指数近一个月涨跌幅： 19.5%
• 无人机指数近一个月涨跌幅： -8.9%
• AIGC指数近一个月涨跌幅： -7.4%
• CS人工智能指数10年PE分位： 90%
• 人工智能指数10年PE分位： 99%
• 创业板人工智能指数10年PE分位： 60%
• 科创AI指数10年PE分位： 97%
• Vera Rubin平台： 面向Agentic AI Factory场景，由Vera Rubin NVL72、Vera CPU、BlueField-4 STX存储与安全系统、Spectrum-6 SPX以太网机架等组成，形成POD级AI超级计算系统。
• Spectrum-X Ethernet Photonics： 基于CPO以太网交换技术，采用200Gb/s SerDes并进入量产，面向百万GPU级AI Factory。
• 韩国存储龙头： Samsung Electronics与SK Hynix拟投资800万亿韩元，在西南部建设新的半导体生产基地，并新建四座存储芯片晶圆厂。
• 美光： 已签署16项战略客户协议，典型期限为2026年至2030年的五年期，相关剩余履约义务约1000亿美元、客户保证金及金融承诺约220亿美元。
• 腾讯Hy3模型： 总参数量295B、激活参数21B，上下文长度达到256K。
• OpenAI GPT-5.6 Sol： 在Artificial Analysis Intelligence Index上，完成任务的时间减少了61%，成本也更低。
• SpaceX Grok 4.5： 1.5T参数的MoE模型，参数规模较前代Grok 4.3提升至3倍，支持最高50万上下文（可配置）。
• MiniMax M3 Pro： 参数规模达2.7万亿的大语言模型，最快有望于2026年第三季度发布。
• 特斯拉第三代Optimus： 最终目标年产100万台。
• 宇树科技： 拟公开发行不低于4044.64万股（新股比例不低于10%），募集资金42.02亿元，对应发行估值约420亿元。
• 地平线HSD V2.0： 无接管里程提升56%，博弈能力提升167%，反应速度提升20%。
• iCAR V27： 搭载HSD V2.0，智驾使用率高达85.14%。
• Zoox： 发布量产版无人驾驶出租车、计划2026年H2投入运营。
• 曹操出行： 发布RoboX战略并提出“双十万计划”、到2030年累计部署10万辆Robotaxi与10万辆Robovan。

研究结论

• AI行业进入新的发展阶段，从单纯的价格博弈转向技术路线竞争。
• AI算力、存储、模型等技术持续迭代，推动AI应用场景不断拓展。
• 机器人、智驾等领域迎来重要发展机遇，相关产业链公司有望受益。
• 投资者应关注业绩确定性更高的企业，以及特斯拉链、国产链和应用场景三大方向。