报告行业投资评级 未提及相关内容 报告的核心观点 报告对中国啤酒行业市场规模进行测算，分析了啤酒产量、平均出厂售价、国产啤酒销售收入、进口金额及销售收入等指标的变化趋势及影响因素，预测未来啤酒产量年均复合增速为4%，国产啤酒销售收入有一定增长，进口啤酒金额和销售收入呈小幅下降趋势 [14][19][29] 根据相关目录分别进行总结 中国啤酒行业市场规模 - 2018 - 2027E年市场规模数据分别为3551.87、3648.52、3268.09、3670.49、3853.39、3878.37、3853.29、3820.51、3842、4120.01元，增长率分别为2.72%、 - 10.43%、12.31%、4.98%、0.65%、 - 0.65%、 - 0.85%、0.56%、7.24% [7] 中国啤酒产量 - 2018 - 2027E年产量数据分别为3800.83、3765.29、3411.11、3562.43、3568.7、3711.45、3859.9、4014.3、4174.9、4341.9升，增长率分别为 - 0.94%、 - 9.41%、4.44%、0.18%、4.00%、4.00%、4.00%、4.00%、4.00% [13] - 2018 - 2022年产量由国家统计局得到，预计未来五年年均复合增速为4%，因十四五规划及消费复苏趋势 [14] 中国啤酒平均出厂售价 - 2018 - 2027E年平均出厂售价数据分别为3、3.12、3.09、3.34、3.51、3.4、3.25、3.1、3、3.1元/升，增长率分别为4.00%、 - 0.96%、8.09%、5.09%、 - 3.13%、 - 4.41%、 - 4.62%、 - 3.23%、3.33% [18] - 2018 - 2022年由三大巨头平均出厂售价得到，2020 - 2022年上升因原材料成本上升，未来预计回落并稳定 [19] 中国国产啤酒销售收入 - 2018 - 2027E年销售收入数据分别为3420.75、3524.31、3162.1、3569.55、3757.84、3785.68、3763.4、3733.3、3757.41、4037.97元，增长率分别为3.03%、 - 10.28%、12.89%、5.27%、0.74%、 - 0.59%、 - 0.80%、0.65%、7.47% [8][22] - 2018 - 2022年数据由“产量*平均出厂价*300%”得到，300%为零售端加价率 [23] 中国啤酒进口金额 - 2018 - 2027E年进口金额数据分别为59.6、56.46、48.18、45.88、43.43、42.13、40.86、39.64、38.45、37.29元，增长率分别为 - 5.27%、 - 14.67%、 - 4.77%、 - 5.34%、 - 2.99%、 - 3.01%、 - 2.99%、 - 3.00%、 - 3.02% [28] - 2018 - 2022年由海关披露数据得到，下降因进口数量下降，消费者有消费升级趋势，未来预计年均复合增长率为 - 3% [29] 中国进口啤酒销售收入 - 2018 - 2027E年销售收入数据分别为131.12、124.21、106、100.94、95.55、92.69、89.89、87.21、84.59、82.04元，增长率分别为 - 5.27%、 - 14.67%、 - 4.77%、 - 5.34%、 - 2.99%、 - 3.01%、 - 2.99%、 - 3.00%、 - 3.02% [9][34] - 2018 - 2022年数据由“进口金额*220%”得到，220%为零售端加价率 [35]

报告行业投资评级 未提及 报告的核心观点 报告对中国医疗数字化服务平台行业市场规模进行测算，通过在线医疗用户规模、在线医疗服务平均客单价和在线医疗付费用户渗透率三个因子相乘得出市场规模，并对各因子进行历史数据统计和未来五年预测 [6][7][8] 根据相关目录分别进行总结 医疗数字化服务平台市场规模 - 市场规模计算公式为在线医疗用户规模×在线医疗服务平均客单价×在线医疗付费用户渗透率 [6] - 2018 - 2027E 年市场规模数据分别为 737.99 亿、1049.71 亿、1549.99 亿、2230.00 亿、3099.00 亿、4239.00 亿、5738.94 亿、7763.80 亿、10507.25 亿、14242.34 亿，增长率分别为 -、42.24%、47.66%、43.87%、38.97%、36.79%、35.38%、35.28%、35.34%、35.55% [6] 在线医疗用户规模 - 2018 - 2027E 年数据分别为 1.43 亿、1.79 亿、2.15 亿、2.98 亿、3.63 亿、4.36 亿、5.23 亿、6.27 亿、7.52 亿、9.03 亿 [7][11] - 根据 CNNIC 数据可得 2018 - 2022 年数据，2018 - 2022 年年均增长率约 20%，据此推测未来五年规模 [11] 在线医疗服务平均客单价 - 2018 - 2027E 年数据分别为 14335.6 元/人、14660.8 元/人、14712.8 元/人、8314.7 元/人、8537.2 元/人、8759 元/人、8987 元/人、9220 元/人、9460 元/人、9706 元/人 [8][15] - 2021 年因疫情用户猛增致平均客单价大幅下降，去掉 2020 - 2021 年异常增长率数据，年均增长率约 2.6%，假设受数字医疗用户规模带动增长，未来五年年均增长率 2.6% [15] 在线医疗付费用户渗透率 - 2018 - 2027E 年数据分别为 3.6%、4%、4.9%、9%、10%、11.1%、12.21%、13.43%、14.77%、16.25% [18] - 根据头部企业年报数据计算，2018 - 2022 年年均增长率约 10%，假设受在线医疗用户规模增长带动得出未来五年年均增长率 [19]

报告行业投资评级 未提及相关内容 报告的核心观点 - 中国黄金饰品零售行业受文化、经济和消费升级推动，虽面临价格波动等挑战，但通过创新设计、品牌建设和渠道融合持续发展 [1] - 行业商业模式多样，O2O模式成主流，消费群体年轻化，注重个性化、时尚感，市场需求季节性波动大，竞争激烈且分散 [1][8] - 未来，年轻消费群体崛起、收入提升及个性化需求将推动市场增长，品牌创新和数字化转型成为主要驱动力，市场规模预计持续扩大 [1] 根据相关目录分别进行总结 行业定义 - 中国黄金饰品零售行业以黄金为主要原材料，经设计、加工、销售等环节向消费者提供黄金首饰，受文化、经济和消费升级推动，兼具装饰、文化传承、纪念和财富保值功能 [1] 行业分类 - 按黄金成分和加工工艺，黄金饰品可分为纯金首饰、K金首饰、包金首饰、镀金首饰 [3] 行业特征 - 商业模式多样化，传统线下零售与电商线上销售结合形成O2O模式，成市场主流趋势 [10] - 消费群体年轻化，18 - 35岁群体成新兴力量，追求个性化、时尚感和品牌故事，促进行业向时尚化和定制化发展 [11] - 市场需求受季节性影响大，特定节庆和婚庆季节需求大幅上涨 [12] - 市场竞争激烈且高度分散，大型品牌占较大份额，中小品牌和独立设计师品牌也重要，竞争焦点转向品牌价值、设计理念和客户体验创新 [13] 发展历程 - 启动期（1982 - 1998年）：政策扶持、经济增长和消费观念转变推动行业起步，黄金饰品市场从个体经营向品牌化、连锁化发展，功能主要是财富储存和传承 [14] - 高速发展期（1999 - 2009年）：经济发展、城镇化加速、中产阶级崛起带动需求增长，消费场景多元化，设计风格转变，电商兴起推动行业变革 [16] - 震荡期（2010 - 2019年）：金价波动、年轻消费群体崛起冲击市场，市场规模增速放缓，企业注重设计创新、数字化转型和精准营销 [17] - 成熟期（2020年至今）：行业稳定发展，消费者需求多元化和品质化，年轻消费者成新动能，品牌集中与多元化并存，行业持续创新 [18] 产业链分析 - 产业链上游为黄金开采环节，中游为设计、加工与制造环节，下游为零售与品牌推广环节 [19] - 定制服务满足年轻消费者需求，推动产业链发展，技术创新提升定制自由度和精度，增强消费者参与感和情感连接 [20] - 上游原材料供应与价格波动制约产业稳定发展，中游冶炼环节议价能力弱，技术突破是投资潜力领域 [21] 行业规模 - 2017 - 2024年，市场规模由2589.95亿人民币增长至3654.30亿人民币，年复合增长率5.04%；预计2025 - 2027年，由3710.49亿人民币增长至4189.25亿人民币，年复合增长率6.26% [34] - 历史规模变化原因包括消费者需求、工艺技术进步、电商发展，新冠疫情曾冲击市场，2024年受金价波动和宏观经济影响出现阶段性回落 [36][38] - 未来市场将受年轻消费群体、收入提升和个性化需求推动，品牌创新和数字化转型成主要驱动力，经济复苏也将带动规模扩大 [39][40] 政策梳理 - 《关于促进黄金市场发展的若干意见》：完善市场体系、支持产业发展、加强法规政策、防控风险、推动对外开放、保护投资者权益 [41] - 《黄金行业"十四五"发展规划》：提升资源保障、延伸产业链、推动智能化和绿色转型、加强国际化发展、创新金融产品、加强环境保护 [41] - 《"十四五"电子商务发展规划》：推动电商新业态发展，促进融合，深化国际合作，践行绿色发展，助力黄金饰品企业拓展市场 [42] - 《中华人民共和国消费税暂行条例》：黄金饰品消费税在零售环节征收，税率5%，增加企业税负，影响消费者购买决策 [42] - 《中国珠宝玉石首饰行业协会黄金首饰分会工作条例》：规范市场秩序、促进行业创新、提升服务质量、拓宽销售渠道 [42] 竞争格局 - 行业竞争格局品牌集中度较高，第一梯队有周大福、老凤祥等，第二梯队有谢瑞麟、周生生等，第三梯队有千足金、金伯利等 [43] - 历史原因包括品牌历史积淀与市场培育、渠道与市场结构演变，未来竞争加剧将推动行业洗牌，消费者价值观变化影响品牌定位 [45][46][48] 上市公司速览 - 报告列出周大福、周生生、周大生等多家上市公司的总市值、营收规模、同比增长、毛利率等财务数据 [50][51] 企业分析 - 中国黄金集团黄金珠宝股份有限公司：央企背景，品牌背书强，知名度和影响力高，专业从事黄金珠宝业务 [55] - 周大生珠宝股份有限公司：品牌年轻化，连续13年获"中国500最具价值品牌"，注重产品创新，与优质版权和IP合作 [59] - 上海老庙黄金有限公司：中华老字号，文化底蕴深厚，通过合作活动树立独特品牌形象 [61]

报告行业投资评级 未提及 报告的核心观点 报告通过在线医疗用户规模、在线医疗服务平均客单价和在线医疗付费用户渗透率三个因素，对中国医疗数字化服务平台行业市场规模进行测算，并给出2018 - 2027年的市场规模数据及增长率 [6]。 根据相关目录分别进行总结 医疗数字化服务平台市场规模 - 2018 - 2027年市场规模数据分别为73,799,668,800、104,971,328,000、154,999,348,000、223,000,254,000、309,900,360,000、423,900,564,000、573,894,542,100、776,380,242,000、1,050,725,984,000、1,424,234,175,000，增长率分别为-、42.24%、47.66%、43.87%、38.97%、36.79%、35.38%、35.28%、35.34%、35.55% [6] 在线医疗用户规模 - 2018 - 2027年数据分别为1.43亿、1.79亿、2.15亿、2.98亿、3.63亿、4.36亿、5.23亿、6.27亿、7.52亿、9.03亿，2018 - 2022年年均增长率约20%，以此推测未来五年规模 [7][11] 在线医疗服务平均客单价 - 2018 - 2027年数据分别为14,335.6元/人、14,660.8元/人、14,712.8元/人、8,314.7元/人、8,537.2元/人、8,759元/人、8,987元/人、9,220元/人、9,460元/人、9,706元/人，因2021年疫情影响客单价下降，去掉2020 - 2021年异常数据后年均增长率约2.6%，假设受数字医疗用户规模带动未来五年年均增长率2.6% [8][15] 在线医疗付费用户渗透率 - 2018 - 2027年数据分别为3.6%、4%、4.9%、9%、10%、11.1%、12.21%、13.43%、14.77%、16.25%，根据头部企业年报数据计算，2018 - 2022年年均增长率约10%，假设受在线医疗用户规模增长带动得出未来五年年均增长率 [18][19]

报告行业投资评级 未提及相关内容 报告的核心观点 - 红茶健康特性驱动行业市场稳健增长，全国红茶总产量从2015年25.8万吨增长到2023年的49.1万吨 [3] - 中国红茶市场起源早，未来将呈现多维度发展态势，消费群体日益多元化 [4][5] - 2019 - 2023年红茶市场规模波动，2024年起预计逐年稳步增长，受益于健康饮品消费趋势 [6] 根据相关目录分别进行总结 中国红茶行业发展综述 - 发展历程：起源于福建武夷山，16世纪正山小种出口欧洲开端，20世纪80年代规范化高速发展，2016年起进入成熟整合期 [4][10] - 市场规模：中国茶叶市场规模从2014年1766.18亿元增长到2023年3480.6亿元，复合年均增长率7.8%，预计未来五年达4849亿元；2019 - 2023年红茶市场规模波动，2024年起预计稳步增长 [17] - 进出口规模：进口量大于出口量，主要进口斯里兰卡红茶；出口集中于东南亚和欧美部分国家，进口源于斯里兰卡等国；进出口集中在福建等部分省市，福建表现突出；2023年安徽红茶出口量全国第一，进口均价3.48美元/千克低于高端茶类 [20][22][28][34] 中国红茶行业生产格局分析 - 种植面积：中国茶园总面积总体增长，2015 - 2023年年均增速2% - 3%，已开采茶园面积显著增长后增速趋缓，未开采比例从2015年22.3%降至2023年9.7%；2023年主要产茶省茶园总面积有增有调，同比增长率差异大 [40][44][48] - 产区分布：福建武夷山、云南、安徽祁门、广东英德是核心产区，分别以正山小种、滇红茶、祁门红茶、英德红茶闻名，各地有特色且政府推动品牌建设 [51][53] 中国红茶行业产业链分析 - 产业链图谱：上游包括茶叶原料供应商、种植基地、合作社及加工设备供应商，中游是加工制造，下游是销售渠道和终端消费者 [57] - 产业链下游消费需求：大部分消费者饮茶习惯规律，女性更规律频繁；每周饮茶3 - 4次消费者占比最高，企业可针对性开发产品和营销 [63][67] 中国红茶行业发展趋势分析 - 发展趋势：健康养生需求增长，对有机等红茶产品需求增加；加工技术创新，应用智能化数字化技术；消费群体多元化，年轻消费者接受度和需求增加；茶旅结合，开发茶旅项目 [72]

报告行业投资评级 未提及 报告的核心观点 - 中国人形机器人行业从萌芽走向快速发展，2024年融资事件数量及金额创新高，2025年1月融资总额下降但头部企业仍有大额融资，反映出投资者对优质项目的青睐 [6][7][12] - 研发阶段人形机器人价值量高，量产推进后将下降，传动系统价值量占比最高，减速器和丝杠价值量突出 [16][17][18] - 产业链各环节涌现出一批国产厂商推动零部件国产化，但部分产品与国际企业仍有差距 [22][24][25] - 行业商业化进程受技术、价格、法律法规和供应链等因素限制，可通过降本、建立供应链等方式突破 [30] 根据相关目录分别进行总结 Q1：人形机器人行业近年来在一级市场表现如何？能够成为市场热点有哪些关键因素？ - 2015 - 2018年行业初步呈现发展潜力，2019 - 2021年受经济环境影响投融资下降，2022年特斯拉项目公布使行业热度攀升 [6] - 2024年融资金额突破125亿元，行业步入高速发展阶段，技术进步和产业商业化进程加快是关键因素 [7] - 2024年获融事件集中在天使轮、Pre - A轮，新兴企业竞争推动行业创新和多元化发展 [7] - 2025年1月总融资额33.41亿元，环比下降67%，傅利叶公司获8亿元融资，头部企业仍受资本青睐 [12] Q2：从产品价值链看，人形机器人各零部件价值量的分布情况如何？ - 研发阶段人形机器人价值量几十万到几百万，量产初期约8 - 16万元，2030年有望控制在10万甚至5万以内，高端产品可能超10万 [17] - 传动系统价值量占比最高，其中减速器和丝杠价值量最高，其余部件在不同技术路线下占比不同 [16][18] Q3：从产业链各环节看，哪些企业值得关注？ - 减速器包括谐波、RV、行星减速器等类型，国产厂商有绿的谐波、双环传动等，努力推动国产化 [21][22] - 丝杠市场中国行星滚柱市场由国际企业主导，南京工艺和济宁博特位列TOP10但性能有差距 [23][24] - 电机方面，无框力矩电机中国企业产品性能接近国际水平，空心杯电机国际厂商主导，中国企业有价格优势 [25] Q4：行业当前商业化进程推进过程中存在的问题及解决方案？ - 限制因素包括技术限制、价格昂贵、法律法规缺乏和供应链需成长 [30] - 解决方案有降本（研发到量产转变、技术性降本、供应链降本）、建立供应链（主机厂转移供应商、企业合作）和进入标准件时代 [30]

报告行业投资评级 未提及 报告的核心观点 - 中国人形机器人行业从萌芽走向快速发展，2024年融资事件数量及金额创新高，2025年1月融资总额虽降但头部企业仍有大额融资 [6][7][12] - 研发阶段人形机器人价值量高，量产推进价值量将下降，传动系统价值量占比最高 [16][17][18] - 产业链各环节有不同代表企业，减速器、丝杠、电机等领域国产厂商在努力提升竞争力 [21][23][25] - 行业商业化进程受技术、价格、法规、供应链等因素限制，可通过降本、建立供应链等方式突破 [30] 根据相关目录分别进行总结 Q1：人形机器人行业近年来在一级市场表现如何？能够成为市场热点有哪些关键因素？ - 2015 - 2018年行业初步呈现发展潜力，2019 - 2021年受经济环境影响投融资下降，2022年特斯拉项目公布使行业热度攀升 [6] - 2024年融资金额突破125亿元，行业步入高速发展阶段，技术进步和产业商业化进程加快是关键因素 [7] - 2024年获融事件集中在天使轮、Pre - A轮，新兴企业竞争推动行业创新和多元化发展 [7] - 2025年1月总融资额33.41亿元，环比降67%，傅利叶公司8亿元融资成当月单笔最高，资金向成熟有竞争力公司集中 [12] Q2：从产品价值链看，人形机器人各零部件价值量的分布情况如何？ - 研发阶段人形机器人价值量几十万到几百万，量产初期约8 - 16万元，2030年有望控制在10万甚至5万以内，高端产品可能超10万 [17] - 零部件中传动系统价值量占比最高，减速器和丝杠价值量最高，其余部件在不同技术路线下占比不同 [16][18] Q3：从产业链各环节看，哪些企业值得关注？ - 减速器包括谐波、RV、行星等类型，国产厂商推动零部件国产化，如绿的谐波、双环传动等 [21][22] - 丝杠市场国际企业主导，中国南京工艺和济宁博特在TOP10但性能有差距，需加大研发 [23][24] - 电机方面，无框力矩电机中国企业性能接近国际水平有望提市占率，空心杯电机国际厂商主导，中国企业有价格优势 [25] Q4：行业当前商业化进程推进过程中存在的问题及解决方案？ - 限制因素包括技术限制、价格昂贵、法律法规缺乏、供应链需成长 [30] - 解决方案有降本（研发到量产转变、技术性降本、供应链降本）、建立供应链、进入标准件时代 [30]

报告行业投资评级 未提及相关内容 报告的核心观点 报告聚焦中国金融大模型行业，分析金融机构评估供应商的全链路整合能力，介绍阿里云、百度智能云、华为云、科大讯飞、火山引擎等代表性企业在金融大模型领域的核心竞争力、服务框架及优势 [8][13][18][23][26][27] 根据相关目录分别进行总结 名词解释 - 金融大模型指应用于金融领域的大型语言模型，基于机器学习和人工智能技术，能识别和预测市场趋势，提高金融决策精度和效率 [3] - 金融级AI原生指专为满足金融行业严格需求设计和优化的AI系统 [3] - 生成式AI关注学习输入数据分布规律并生成新数据，用于图像、文本生成等领域 [3] - 判别式AI通过分析输入输出关系进行分类或回归，用于推荐系统、风险控制等任务 [3] - RAG是结合信息检索与生成技术的系统，用于复杂查询和生成任务 [3] - 大模型规模定律描述大模型参数数量与性能提升的关系 [3] - 低延时与高并发是大模型处理实时任务和高并发场景的关键能力 [3] - 模型微调是在预训练模型基础上用特定领域数据调整模型 [3] - 云原生架构通过容器化、微服务等技术实现资源弹性和高效管理 [3] - 金融云专属VPC模式将大模型应用和知识库部署在金融云客户专属虚拟私有云中 [3] 企业选择 - 金融大模型部署中，供应商需具备全链路整合能力，保障稳定性和安全性 [8] - 金融机构评估供应商全链路整合能力包括考察标准化上层应用与行业解决方案、大模型应用深度定制化服务、平台层的学习与机器学习框架、自有平台支持算法与模型库、应用开发平台与工具链、基础硬件与云服务、分布式与冗余设计等方面 [9] 代表性企业分析 阿里云 - 核心竞争力体现在强大技术平台、深厚AI能力、全面解决方案和严格数据安全与合规保障，通过产品标准化和灵活部署模式满足不同规模金融机构需求 [13] - 技术平台通过“飞天”云计算平台提供高性能计算资源，结合分布式计算框架支持复杂金融大模型训练和推理 [15] - 提供标准化和定制化解决方案，注重数据安全与合规，有专业团队提供技术支持和服务 [16] - 优势包括全栈技术整合、Cloud+AI深度融合、产品标准化 [17] 百度智能云 - 凭借千帆大模型开发与服务平台和“百舸”异构算力平台，为金融机构提供定制化模型构建能力和高效算力管理，降低技术成本，推动业务创新和风险管理提升 [18] - 千帆平台支持金融机构利用私域数据构建定制化金融大模型，提供丰富工具和灵活部署选项，实时监控和优化模型性能 [18] - “百舸”异构算力平台统一管理和优化不同厂商AI芯片，采用潮汐混部等技术提高计算效能，降低算力成本 [19] - 优势包括一站式企业级大模型平台、行业深耕的定制化解决方案、高效的算力管理和成本控制 [20][21] 华为云 - 通过卓越的软硬一体化解决方案，结合昇腾AI处理器与鲲鹏服务器，为金融机构提供高效稳定计算能力，满足复杂模型训练与数据处理需求 [23] - 利用自研昇腾AI芯片提供强大计算能力，全栈技术方案支持灵活云部署，软硬一体化解决方案实现资源使用最大化效率 [24] - 凭借在金融行业的深厚积累与广泛合作，提供定制化金融大模型解决方案，推动技术创新与业务场景融合 [24] 科大讯飞 - 凭借自主可控的技术平台和深度结合行业应用的能力，提供高效、安全解决方案，推动AI技术在金融行业广泛落地 [26] - 技术研发实力强大，拥有自建AI数据中心，实现百亿参数大模型推理效率显著提升，构建全国产化训练和推理平台，优化国产算力 [26] - 金融大模型应用场景广泛，包括智能投顾、风险管理、客户服务等 [26] - 持续投入研发资源，推动金融大模型迭代升级，优化模型算法，提升准确性 [26] 火山引擎 - 金融大模型通过深度融合“模型 - 应用 - 数据”飞轮机制，推动技术与实际业务场景结合，提供高效且定制化解决方案，满足不同金融机构多样化需求 [27] - 构建“以模型 - 应用 - 数据为核心、算力为支撑”的大模型飞轮机制，与金融机构合作在多个金融领域应用场景取得显著成效 [28] - 具备强大技术支持和灵活服务体系，提供先进算力支持和定制化模型服务，采用“1 + 1 + N”模型生态策略 [28] 业务合作 - 提供定制报告/词条、定制白皮书、市场地位确认、行研训练营、会员账号、招股书引用等业务 [31]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 中国汽车减震器行业国产化进程加快，在中高端产品上与国外技术差距缩小，但在CDC、MRC等高端减震领域国产化替代空间大 [3][4] - 伴随汽车产业发展和可变阻尼减震器应用渗透率提高，行业市场规模预计从2024年的658.83亿元增长至2028年的972.24亿元，年均复合增长率达10.22% [5] - 行业主要驱动因素为中国汽车市场规模庞大、自主品牌崛起和空气悬架应用渗透率提升 [43] 根据相关目录分别进行总结 产业链图谱 - 上游为零部件供给环节，以钢制品为主；中游为减震器生产制造，CDC是主流可变阻尼减震器；下游面向悬架和整车厂商，空悬系统增长空间大 [7] 产业链上游 - 钢材是主要原材料，钢价变动影响制造商成本和盈利，中国钢材供给充足，原材料采购基本可国内自给自足 [13][15][16] - 活塞杆成本占比21.08%，钢管近15%，橡胶及工程塑料10 - 11%，支架类近9%，弹簧盘类近8%，减震器油近6%，其他约30% [9][15] - 钢价周期性波动，2021年中至今震荡下行，近期开启新一轮下行周期 [16] 产业链中游 - CDC减震器领域，国外先进品牌掌握前沿技术且实现规模化生产，中国仅南阳淅减等少数厂商实现规模化，多数厂商处于开发阶段，电磁阀配置差距大 [18][20] - MRC减震器方面，国内厂商加速布局生产线，部分已量产，但核心原材料磁流变液被国外厂商垄断，国产化替代进程慢，成本高 [23][29] 产业链下游 - 现阶段单可变阻尼减震器配置的悬架系统规模化应用程度高于空气悬架，但空气悬架渗透率呈上升趋势，将带动可变阻尼减震器需求扩张 [31][37] - 2022 - 2024年1 - 7月，中国标配空气悬架新车销量和渗透率上升，价格区间下探趋势明显 [36] 市场规模 - 2021 - 2023年市场规模从525.01亿元增长至615.25亿元，年均复合增长率8.25%，预计2024 - 2028年从658.83亿元增长至972.24亿元，年均复合增长率10.22% [40][41] - 市场分为整车配套和售后市场，需求分别取决于汽车产销量和保有量 [40] 驱动因素分析 - 中国汽车市场规模庞大，2023年保有量达3.36亿辆，产销量创历史新高，预计未来稳定增长 [44] - 中国汽车自主品牌崛起，2024年1 - 6月销量和市占率上升，带动减震器需求，高性能减震器潜力大 [44] - 空气悬架应用渗透率提升，2024年单月搭载量和渗透率上升，将带动可变阻尼减震器需求和技术升级 [44]

报告行业投资评级 未提及相关内容 报告的核心观点 报告聚焦中国金融大模型行业，分析金融机构评估供应商的关键因素，介绍阿里云、百度智能云等代表性企业的核心竞争力与服务框架，强调全链路整合能力对稳定性、安全性及性能的重要性，展示各企业在技术、服务、应用等方面优势以满足金融机构多样化需求[8][9][13] 根据相关目录分别进行总结 名词解释 - 金融大模型是应用于金融领域的大型语言模型，基于机器学习和人工智能技术，能分析金融数据、识别和预测市场趋势、制定策略、提高金融决策精度和效率 [3] - 金融级AI原生指专为金融行业严格需求设计和优化的AI系统，适用于高复杂性和高风险金融场景 [3] - 生成式AI学习输入数据分布规律并生成类似新数据，广泛用于图像和文本生成等领域 [3] - 判别式AI通过分析输入输出关系进行分类或回归，常用于推荐系统和风险控制等任务 [3] - RAG是结合信息检索与生成技术的系统，用于复杂查询和生成任务 [3] - 大模型规模定律描述大模型参数数量与性能提升关系，强调规模扩大可提升学习和任务处理能力 [3] - 低延时与高并发是大模型处理实时任务和高并发场景的关键能力，依赖模型优化和分布式架构实现 [3] - 模型微调是在预训练模型基础上用特定领域数据调整模型，提升特定任务表现 [3] - 云原生架构通过容器化、微服务等技术实现资源弹性和高效管理，为大模型训练和推理提供灵活基础设施 [3] - 金融云专属VPC模式将大模型应用和知识库部署在金融云客户专属虚拟私有云中，确保数据隐私和安全 [3] 企业竞争优势分析 企业选择 报告研究的具体公司有阿里云、百度智能云、华为云、科大讯飞、商汤科技、火山引擎、智谱AI [7] 金融机构评估供应商的全链路整合能力 - 考察厂商是否有成熟行业应用案例、针对场景的标准化产品，证明全链路方案在金融行业的实战经验 [9] - 考察厂商能否根据金融机构特定需求进行定制化开发，提供专业咨询、技术支持和后续服务，确保模型解决方案快速落地和迭代更新 [9] - 考察厂商是否提供一站式机器学习平台，涵盖数据采集、处理、模型训练、验证和上线，形成完整的ML生命周期管理 [9] - 考察厂商是否拥有金融领域定制的模型库及算法，能快速响应市场变化，并支持在线学习或增量训练 [9] - 考察厂商是否提供完善的开发工具包、SDK和API文档，支持模型二次开发、定制化功能扩展与集成商 [9] - 考察厂商是否能与主流开发、监控、日志等工具链无缝对接，为金融机构构建全栈开放平台 [9] - 考察厂商是否拥有自研或自主采购的高性能计算集群、存储设备和网络架构，能否提供公有云、私有云或混合云部署方案 [9] - 考察厂商是否能支持多区域部署、自动故障切换、容灾备份等机制，确保系统稳定运行 [9] 全链路保障体系构建稳定性与安全性 全链路整合能力贯穿基础硬件、网络设施、云平台到应用层的全程监控和管理，实现端到端稳定性保障，同时全链路安全措施涵盖物理隔离、数据加密、访问控制、日志审计等层面，应对金融领域严苛安全与合规要求 [10] 端到端流程协同提升准确性及低延时高并发性能 全链路整合能力实现数据采集、预处理、模型训练到在线推理各环节的无缝对接与深度优化，通过统一平台调度与管理，确保数据一致性和高质量，借助硬件加速和边缘计算等技术，实现极低延时和高并发处理能力，使金融机构在市场中迅速响应并精准判断 [11] 中国金融大模型代表性企业 阿里云 - 核心竞争力体现在强大技术平台、深厚AI能力、全面解决方案和严格数据安全与合规保障，通过产品标准化和灵活部署模式满足不同规模金融机构需求 [13] - 具有强大技术平台与深厚AI能力，“飞天”云计算平台提供高性能计算资源，结合分布式计算框架支持复杂金融大模型训练和推理，在机器学习、深度学习等AI领域技术积累使其在金融应用场景有显著优势 [15] - 为金融行业提供全面解决方案和服务体系，提供标准化产品和服务，也能根据客户特定需求提供高度定制化解决方案，注重数据安全与合规性，有专业团队提供技术支持和服务 [16] - 具备全栈技术整合、Cloud+AI深度融合、产品标准化等优势 [17] 百度智能云 - 凭借千帆大模型开发与服务平台和“百舸”异构算力平台，为金融机构提供强大定制化模型构建能力和高效算力管理，降低技术成本，推动业务创新和风险管理提升 [18] - 千帆平台支持金融机构利用私域数据构建高度定制化金融大模型，提供丰富算法模型和数据处理工具，有灵活部署选项，能实时监控模型性能并提供优化建议 [18] - “百舸”异构算力平台对不同厂商AI芯片统一管理和优化，采用潮汐混部等技术提高计算效能，可将相同大模型任务的资源成本减少一半 [19] - 拥有一站式企业级大模型平台、行业深耕的定制化解决方案、高效的算力管理和成本控制等优势 [20][21] 华为云 - 通过卓越的软硬一体化解决方案，结合昇腾AI处理器与鲲鹏服务器，为金融机构提供高效稳定计算能力，满足复杂模型训练与数据处理需求 [23] - 依托自研昇腾AI芯片提供强大计算能力，在大模型训练和推理中运算效率高、成本效益好 [24] - 提供从硬件、操作系统到算法框架的全栈技术方案，帮助金融机构进行灵活云服务部署 [24] - 凭借在金融行业的深厚积累与广泛合作，为超过500家金融机构服务，能提供定制化金融大模型解决方案，推动技术创新与业务场景深度融合 [24] 科大讯飞 - 凭借自主可控的技术平台和深度结合行业应用的能力，提供高效、安全解决方案，推动AI技术在金融行业广泛落地 [26] - 技术和平台自主可控，拥有自建AI数据中心，实现百亿参数大模型推理效率显著提升，构建全国产化训练和推理平台“飞星一号”，与华为合作深度优化国产算力 [26] - 金融大模型应用场景广泛，包括智能投顾、风险管理、客户服务等 [26] - 持续投入研发资源，推动金融大模型迭代升级，紧跟市场趋势和技术发展，优化模型算法，提升准确性 [26] 火山引擎 - 金融大模型通过深度融合“模型 - 应用 - 数据”飞轮机制，推动技术与实际业务场景紧密结合，提供高效且定制化解决方案，借助强大技术和灵活服务体系满足不同金融机构多样化需求 [27] - 构建“以模型 - 应用 - 数据为核心、算力为支撑”的大模型飞轮机制，与金融机构合作探索多个金融应用场景并取得显著成效，如优化海尔消费金融坐席助手功能 [28] - 具备强大技术支持和灵活服务体系，提供混合云veStack智算版等先进算力支持，采用“1 + 1 + N”模型生态策略，为企业提供多样化选择 [28]