公司业务与技术进展 - 公司旗下51Sim业务的核心产品SimOne4.0下一代智能驾驶与机器人仿真平台，已成功完成在摩尔线程MTT S5000 GPU上的系统性适配与深度优化 [1] - SimOne4.0平台全面支撑从大模型感知挖掘、4DGS模型训练到4DGS仿真推理和合成数据生成的端到端流程，支持VLA和世界模型等多条智驾技术路线的量产落地 [1] - 该平台的应用范围从智能驾驶扩展至机器人等具身智能领域的训练和智能升级，实现了物理AI高置信度闭环仿真与合成数据的全栈国产化 [1] - 51Sim的核心产品包括SimOne(智驾仿真平台)和DataOne(数据闭环平台)，SimOne能显著降低智能驾驶系统的测试及验证成本，可对各类复杂场景进行全面测试 [1] - 公司与摩尔线程GPU的成功适配，为智能驾驶行业生态提供了完整的国产化解决方案，证明国产GPU已能进入自动驾驶高精度、高负载任务阶段 [2] 行业与市场环境 - 2026年新版《道路机动车辆生产企业准入审查要求》对机动车生产准入审查升级，要求智能驾驶相关车企必须具备仿真、封闭场地、实际道路三类验证能力及安全性评估能力 [2] - 随着高阶智能驾驶车进入量产，仿真测试正在成为智能驾驶车上路前的刚需 [2] 合作伙伴技术参数 - 摩尔线程MTT S5000是专为大模型训练、推理及高性能计算设计的全功能GPU智算卡，基于第四代MUSA架构"平湖"打造 [1] - 其单卡AI稠密算力最高可达1000 TFLOPS，完整支持从FP8到FP64的全精度计算 [1]

公司技术进展与产品适配 - 摩尔线程宣布其旗舰级AI训推一体全功能GPU MTT S5000已完成对阿里最新大模型Qwen3.5的全方位适配 [2] - 开发者可通过MUSA C编程语言及Triton-MUSA工具链高效完成模型部署与优化 [2] - 在适配过程中，公司验证了MUSA生态两大核心能力：原生MUSA C支持降低了CUDA生态迁移门槛，深度兼容Triton-MUSA让开发者可使用熟悉语法编写算子并运行在其GPU上 [2] - 针对Qwen3.5多模态模型的混合注意力机制，公司实现了原生优化，基于muDNN计算库和MATE开源算子库为长序列处理提供高效支撑，在MTT S5000上实现了该模型的高性能推理 [2] 行业生态与竞争格局 - 摩尔线程在一周内接连对GLM-5、MiniMax M2.5、Qwen3.5等国产顶尖大模型实现了快速跟进与适配 [3] - 这种常态化的敏捷响应机制，源于MUSA架构对主流AI生态的无缝兼容与持续优化的工具链支持 [3] - 这标志着国产算力底座已具备从模型适配到高效部署的全链路支撑能力 [3] - 国产算力与国产大模型相结合的新型生态模式正在逐步形成 [3]

公司产品与技术进展 - 摩尔线程宣布其旗舰级AI训推一体全功能GPU MTT S5000已完成对阿里最新大模型Qwen3.5的全方位适配 [1] - 此次适配展示了公司MUSA生态的成熟度与完备性，开发者可通过MUSA C编程语言及Triton-MUSA工具链高效完成模型部署与优化 [1] 生态与开发者能力 - 在适配过程中，公司验证了MUSA生态的两大核心能力：原生MUSA C支持让开发者可直接进行内核开发，大幅降低CUDA生态迁移门槛 [1] - 深度兼容Triton-MUSA让开发者可使用熟悉的Triton语法编写高性能算子，并通过Triton-MUSA后端无缝运行在摩尔线程全功能GPU上 [1]

公司技术进展 - 摩尔线程于2月14日宣布，在其旗舰级AI训推一体全功能GPU MTT S5000上，成功实现了对MiniMax新一代大模型MiniMax M2.5的Day-0极速适配 [2] 产品与模型适配 - 适配工作基于摩尔线程的MTT S5000 GPU完成，该产品被描述为旗舰级AI训推一体全功能GPU [2] - 成功适配的对象是MiniMax公司发布的新一代大模型MiniMax M2.5 [2] - 此次适配实现了“Day-0极速适配”，表明公司在模型兼容与技术支持方面反应迅速 [2]

科创板市场表现与结构 - 截至1月29日，主要指数普遍上行，其中科创50指数表现尤为亮眼，年内累计上涨12.1% [3][4] - 科创板上市公司合计流通市值为10.4万亿元，电子行业流通市值达5.17万亿元，占科创板总流通市值的49.64%，是绝对的结构核心 [5][7] - 计算机与通信行业合计流通市值1.31万亿元，电子、计算机、通信三大科技领域在科创板的总计权重占比高达62.1% [5][7] - 医药生物、电力设备及机械设备行业在科创板也占有显著地位，流通市值分别为1.41万亿元、0.91万亿元和0.87万亿元 [6][7] 公募基金在半导体板块的配置与调仓逻辑 - 半导体产业链是公募基金在科创板的绝对配置核心，在持仓市值超百亿元的12家科创板公司中，来自电子板块的占据9席 [9][10] - 公募基金持仓覆盖半导体产业链关键环节：芯片制造/代工（中芯国际、华虹公司）、芯片设计（海光信息、寒武纪、澜起科技、源杰科技）、半导体设备（中微公司、拓荆科技）和IP授权（芯原股份） [11] - 半导体板块的市场定价锚已从“估值扩张”转向“业绩兑现”，核心逻辑在于手订单爆发、通过收购与扩产直接增厚利润、强劲的涨价持续性以及在先进制程等关键领域的国产替代突破 [13][14] - 部分半导体公司出现持股基金家数上升但持股比例下降的现象，例如寒武纪、海光信息、中微公司、源杰科技，表明在前期股价上涨后，主力机构可能获利了结，而更多中小基金开始进场配置 [11] 公募基金在半导体产业链的具体加仓方向 - 从持股比例增持排名看，电子板块占据9席，主要集中在半导体材料、半导体设备、芯片设计环节 [15] - 神工股份四季度被公募基金加仓11.21个百分点，增持主要受主动权益类资金青睐 [15][16] - 公募基金在半导体材料（广钢气体、沪硅产业）、设备与部件（拓荆科技、腾景科技）、芯片设计（普冉股份、复旦微电）等多个环节的头部公司上均进行了显著加仓 [21] - 存储芯片需求受大模型推理侧爆发支撑，2025年四季度DDR4、DDR5、DRAM和NAND Flash产品仍在提价，2026年第一季度存储芯片上行周期已步入第三季度 [17][18] - 被公募增持明显的公司在1月份股价上涨，存储芯片概念股普冉股份年内区间涨幅达119.40%，神工股份、广钢气体1月涨幅在40%左右 [16][21] 公募基金在医药生物板块的配置与调仓 - 医药生物是科创板第二大行业，也是公募基金的持仓重点，但持有市值超百亿的公司仅有百济神州和联影医疗两家 [24] - 创新药企占据公募基金在医药生物板块的主仓位，持有市值排名居前的包括百济神州、百利天恒、荣昌生物、泽璟制药、诺诚健华和迪哲医药 [24][25] - 四季度，主要创新药公司普遍面临公募基金显著减持，百利天恒持股比例下降7.91个百分点，荣昌生物减少8.23个百分点，诺诚健华减持幅度接近19.85个百分点 [26][27] - 受公募减持影响，相关公司股价在四季度明显下跌，1月份持续分化，创新药板块暂难迎来类似去年二季度的主升行情 [30] 医药生物板块的结构性机会与选股思路 - 尽管整体承压，医药生物板块仍是公募基金结构性加仓的重要方向，在持股比例增持幅度排名前二十的公司中占据六席 [35][36] - 2025年11月上市的百奥赛图受到公募基金追捧，2025年末有10家基金持有，持股比例高达21.55%，公司预计2025年归母净利润同比增加384.26%到443.88% [36][37][38][39] - 公募基金显著增持苑东生物，四季度持仓基金数量升至37家，持股比例环比提升4.39个百分点，公司聚焦麻醉镇痛等刚性需求领域，2025年前三季度销售净利率达21.6% [36][39][40] - “短期有业绩，长期有故事”的公司得到资金认可，具备“避险”、“稳健收益”特质同时有创新布局的公司更受青睐 [40] - 有基金经理认为，创新药下一轮行情中，真正能产生巨大自由现金流的公司会显著跑赢，主仓位仍在龙头药企；医疗器械可能在2026年某个季度看到业绩拐点，但属于边际交易；医疗服务虽未看到业绩拐点，但定价已极度便宜，风险收益比突出 [31][32] 2026年市场展望与投资策略 - 预计2026年，公募基金的投资重心将从获取行业贝塔行情，转向深挖个股阿尔法收益，市场将更注重业绩兑现与成长爆发力，选股难度显著提升 [23] - 2026年的牛市将是一场“高难度游戏”，投资操作复杂度显著提升，对专业能力提出更高要求 [40] - 获取超额收益的关键在于：回归公司基本面进行深度研究，紧密跟踪国家政策导向，准确把握产业核心逻辑，并在此基础上精选具备扎实竞争力和成长确定性的优质个股 [40]

近期热点事件 - 2026年2月11日，明晟公司（MSCI）宣布将小马智行纳入MSCI中国指数，成为该指数中首家自动驾驶成分股，调整于2月27日收盘后生效，预计引入被动资金跟踪 [1] - 2026年2月6日，公司与国产GPU企业摩尔线程达成战略合作，将基于摩尔线程MTT S5000智算卡推进L4级自动驾驶世界模型训练，首次在关键环节规模化应用国产AI算力 [1] - 2026年2月9日，公司与丰田中国、广汽丰田合作的首台量产版铂智4X Robotaxi正式下线，计划2026年部署千台级车队 [1] - 2026年2月13日，公司获纳入恒生综合指数，未来有望成为港股通标的 [1] 股票近期走势 - 2026年2月6日至13日，小马智行港股股价区间上涨10.61%，最高价达119.60港元（2月11日），最低价为108.40港元（2月9日）[2] - 2月13日收盘价为114.70港元，单日下跌0.35%，成交额约7268万港元 [2] - 股价波动受消息驱动，2月9日战略合作公布后单日上涨5.79%，2月11日MSCI纳入提振单日涨幅2.60% [2] 财务与运营状况 - 公司2025年业绩预告预计年度亏损收窄至6900万-8600万美元，较2024年亏损大幅减少68.7%-74.9% [3] - 2025年第三季度毛利率提升至18.4%，环比增长2.2个百分点 [3] - 截至2025年12月31日，Robotaxi车队规模达1159辆，第七代车型在广州实现单位经济模型转正，日均净收入299元人民币 [3] - 公司为2026年车队扩张至3000辆的目标奠定基础 [3] 机构观点与预测 - 中邮证券报告指出，公司作为智能驾驶龙头，Robotaxi商业化路径初步验证，轻资产模式与成本优化（如自动驾驶套件BOM成本降70%）支撑长期增长 [4] - 报告预计公司2025-2027年收入分别为8192万美元、1.22亿美元、2.36亿美元 [4]

公司动态：摩尔线程与智谱AI的技术合作 - 摩尔线程在旗舰级AI训推一体全功能GPU MTT S5000上，基于SGLang推理框架，Day-0完成了对智谱AI新一代大模型GLM-5的全流程适配与验证 [1] 技术产品：摩尔线程MTT S5000 GPU - MTT S5000是专为大模型训练、推理及高性能计算设计的全功能GPU智算卡 [2] - 单卡AI算力最高可达1000 TFLOPS [2] - 配备80GB显存，显存带宽达到1.6TB/s [2] - 卡间互联带宽为784GB/s [2] - 完整支持从FP8到FP64的全精度计算 [2] 技术产品：智谱AI GLM-5大模型 - GLM-5是智谱AI GLM系列的最新里程碑版本，定位为顶尖的Coding模型 [1] - 整体性能较上一代提升20% [1] - 核心突破在于Agentic Engineering（代理工程）能力，具备深厚的代码功底，能处理复杂系统工程与长程Agent任务，实现从需求到应用的端到端开发 [1] - 在全球权威的Artificial Analysis榜单中，GLM-5位居全球第四、开源第一 [2] - 在编程能力上，GLM-5实现了对齐Claude Opus 4.5 [2] - 在主流基准测试中取得开源模型SOTA：在SWE-bench-Verified和Terminal Bench 2.0中分别获得77.8和56.2的开源模型最高分数，性能超过Gemini 3 Pro [2]

公司产品与技术动态 - 摩尔线程于2月12日宣布，其旗舰级AI训推一体全功能GPU MTT S5000已基于SGLang推理框架，完成了对智谱AI新一代大模型GLM-5的全流程适配与验证，实现了Day-0支持 [2] - 摩尔线程MTT S5000是专为大模型训练、推理及高性能计算设计的全功能GPU智算卡，单卡AI算力最高可达1000 TFLOPS，配备80GB显存，显存带宽为1.6TB/s，卡间互联带宽为784GB/s，完整支持从FP8到FP64的全精度计算 [3] 行业技术进展与模型性能 - 智谱AI于2月11日正式发布了GLM-5大模型，该模型定位为顶尖的Coding模型，整体性能较上一代提升20%，核心突破在于Agentic Engineering能力，能够处理复杂系统工程与长程Agent任务，实现从需求到应用的端到端开发 [2] - 在全球权威的Artificial Analysis榜单中，GLM-5位居全球第四、开源第一，其编程能力对齐Claude Opus 4.5 [3] - GLM-5在主流基准测试中取得开源模型SOTA成绩，分别在SWE-bench-Verified和Terminal Bench 2.0中获得77.8分和56.2分的开源模型最高分数，性能超过Gemini 3 Pro [3]

核心观点 - 在国产AI算力领域，软硬协同的生态适配是决定胜负的关键，硬件性能堆叠仅是入场券 [1] - 摩尔线程通过其全栈协同的技术路线，实现了对智谱AI最新一代GLM-5模型的“发布即适配”（Day-0适配），证明了国产算力生态的成熟度 [3] - 摩尔线程的旗舰计算卡MTT S5000在硬件性能上对标国际主流产品（如英伟达H100），并在实际训练与推理场景中展现出强大竞争力 [1][6][11] 硬件性能与规格 - **单卡算力**：MTT S5000单卡FP8算力高达1000 TFLOPS [1][6][9] - **显存与带宽**：搭载80GB显存，显存带宽高达1.6TB/s，卡间互联带宽达到784GB/s，与英伟达H100基本一致 [6] - **精度支持**：提供对FP8到FP64全精度计算的完整支持，并引入了硬件级FP8 Tensor Core作为性能跃升的核心引擎 [7] - **集群能力**：基于S5000构建的“夸娥”万卡集群，其浮点运算能力已达10 Exa-Flops级别 [9] 软件生态与适配能力 - **软件栈敏捷性**：基于MUSA架构的TileLang原生算子单元测试覆盖率已超过80%，使得绝大多数通用算子可直接复用，极大降低了移植成本 [3] - **框架兼容性**：MUSA全栈软件平台能够原生适配PyTorch、Megatron-LM等主流框架，实现“零成本”的代码迁移，兼容国际主流CUDA生态 [11] - **快速响应能力**：从GLM-4.6、GLM-4.7到GLM-5，摩尔线程通过一次次“发布即适配”的实战，证明了对前沿模型结构与新特性的快速响应能力 [12] 实际性能表现 - **推理性能**：在典型端到端推理及训练任务中，MTT S5000的性能约为竞品H20的2.5倍 [9] - **集群扩展效率**：从64卡扩展至1024卡，系统始终保持90%以上的线性扩展效率，训练速度随算力增加几乎实现同步倍增，有效训练时间占比超过90% [10] - **算力利用率**：在“夸娥”集群实测中，Dense模型训练中MFU（模型浮点运算利用率）达60%，MoE模型维持在40%左右，Flash Attention算力利用率超过95% [9] - **通信优化**：独创的ACE技术通过将复杂通信任务从计算核心卸载，实现了物理级的“通信计算重叠”，从而释放了15%的被占算力 [9] 训练与推理实战验证 - **训练端验证**：智源研究院利用S5000千卡集群完成了前沿具身大脑模型RoboBrain 2.5的端到端训练与对齐验证，其训练过程与英伟达H100集群高度重合，训练损失值（loss）差异仅为0.62% [11] - **推理端验证**：联合硅基流动对DeepSeek-V3 671B满血版进行测试，在PD分离部署中，单卡Prefill（预填充）吞吐量超过4000 tokens/s，Decode（解码）吞吐量超过1000 tokens/s [12] - **延迟与优化**：在GLM-5的运行中展现了极低的首字延迟（TTFT）和流畅的生成体验，配合首创的细粒度重计算技术，将开销降至原有的1/4，提升了系统吞吐量 [3][12] 模型适配与行业影响 - **适配模型**：摩尔线程AI旗舰级计算卡MTT S5000实现了对智谱AI最新一代“国模顶流”GLM-5的Day-0适配，该模型Coding能力位居全球开源第一、总榜第四 [1][3] - **性能提升**：GLM-5相较上一代性能提升20%，对长序列推理和复杂系统工程能力要求极高，MTT S5000凭借对稀疏Attention的架构级支持，在大规模上下文处理中保持高吞吐与低延迟 [3] - **行业意义**：为开发者提供了第一时间触达最新模型能力的通道，为行业筑牢了一个坚实、易用且具备高度兼容性的国产算力底座 [12]

公司技术进展与产品适配 - 摩尔线程公司于2月12日宣布，其基于SGLang推理框架，在旗舰级AI训推一体全功能GPU MTT S5000上，完成了对智谱新一代大模型GLM-5的Day-0全流程适配与验证 [1] - 公司凭借MUSA架构广泛的算子覆盖与强大的生态兼容能力，成功打通了模型推理全链路，并深度释放了MTT S5000的原生FP8加速能力，在确保模型精度的同时显著降低了显存占用，实现了GLM-5的高性能推理 [1] - 此次快速适配印证了MUSA软件栈的成熟度，展现了国产全功能GPU对最新大模型即时、高效的支持能力 [1] 产品性能与市场定位 - GLM-5大模型与MTT S5000 GPU的国产双强联合，为开发者带来了可对标国际顶尖模型的极致编程体验 [1] - 该组合在函数补全、漏洞检测和Debug场景中均表现卓越，以显著增强的逻辑规划能力，从容应对各类复杂的长程任务挑战 [1]