苹果(AAPL)
搜索文档
苹果:避险之选,合理估值倍数是多少?
2026-11-15 21:53
Apple Inc 电话会议纪要关键要点总结 一、涉及公司与行业 - 纪要涉及公司为Apple Inc(AAPL),评级为Outperform,目标价380美元[1][7] - 涉及行业包括美国IT硬件、大型科技(超大规模云厂商、半导体、软件、IT硬件、消费电子)以及消费板块(必需消费品、规模零售、奢侈品、品牌与特许经营)[1][28][40] - 对比公司包括Costco、Walmart、Microsoft、Alphabet、Amazon、Meta、Nvidia、AMD、Intel、TSMC、Oracle、Salesforce、ServiceNow、SAP、Dell、HP Inc、HPE、IBM、Super Micro、Seagate、Western Digital、Sandisk、Samsung、Sony、Xiaomi、Garmin、Tesla、Ferrari、Hermès、LVMH、Richemont、Coca-Cola、PepsiCo、P&G、Colgate-Palmolive、Unilever、McDonald's、Nike、Starbucks、Lululemon[29][42][73] 二、核心观点与论据 1. Apple被视为科技板块"避险资产"的原因 - Apple资本开支预算仅占营收约2%,几乎未受AI投资浪潮影响,因其选择与Google的Gemini团队合作开发Apple Foundation Models(AFMs),且Siri AI大量在设备端运行,对昂贵AI服务器依赖较低[1][10] - Apple对AI数据中心资本开支下降的风险免疫,也对超大规模云厂商当前面临的自由现金流萎缩风险免疫[1][11] - 若AI泡沫破裂,Apple反而可能受益,例如以低价收购陷入困境的公司作为廉价收购目标[1][12] - 超大规模云厂商资本开支强度从CY19的6-11%上升至CY26的27-54%,而Apple资本开支强度从4%降至仅1.9%营收占比(按CY19-26口径从3.4%降至2.0%)[11] - Apple资本开支自2019年以来基本未变:FY2019为105亿美元,此后大多在95亿至110亿美元区间,FY25升至127亿美元,FY26降至仅90亿美元[11] 2. 避险地位推动估值倍数创历史新高 - Apple当前交易于37倍CY27共识EPS(历史新高),相对远期P/E为2倍(亦为历史新高)[2][16] - 在市值超过2000亿美元、远期共识EPS增速低于15%的美国上市公司中,仅四家远期P/E超过30倍:Costco(46倍)、Walmart(39倍)、Apple(37倍)、GE(36倍)[2][16] - Apple绝对倍数为公司历史最高水平:2019年前约12-20倍远期盈利,过去十年均值约24倍,过去三年均值约30倍[22] - Apple相对倍数进一步走高:标普500约18倍,Apple的37倍代表2.0倍相对P/E,较市场溢价约100%;2010年代大部分时间Apple交易于市场倍数或以下,溢价自2019年以来持续上升至当前历史新高[22] - 相对标普500(剔除Mag 7)的NTM远期P/E亦处历史高位,当前2.05倍,3年均值1.5倍,5年均值1.5倍,10年均值1.3倍[26] - NTM远期P/E当前37.2倍,3年均值30.1倍,5年均值28.3倍,10年均值23.8倍[20] 3. Apple估值在科技板块无同类 - 大型科技公司中,P/E倍数与营收增长或盈利增长几乎无关系,2027E P/E对增长指标的回归关系接近平坦,Apple在两项指标上均处区间顶部而增速接近底部[28] - 超大规模云厂商/AI资本开支玩家交易于17-24倍远期盈利,四家中有三家预计2027E自由现金流为负或无增长;Apple的溢价与强劲现金转化和轻资本强度相关[28] - Google(2027E 19倍)和Meta(2027E 17倍)以约Apple一半的倍数交易,尽管营收和盈利共识增速更高,但FCF收益率同样落后于Apple[28] - Microsoft(2027E 24倍)被视为质量与规模上最接近Apple的对比对象;Apple倍数高约13个turn,而EPS增速约为Microsoft一半(2024-2029E为10%对20%),FCF收益率3.0%对0.5%[28] - IT硬件板块:Dell、HPE和HDD玩家与AI基础设施周期同步,2026-2029年共识营收CAGR为11-37%,交易于10-13倍P/E,FCF收益率为高个位数;与Apple的倍数差距达24个turn以上[28] - 消费电子:Sony(19倍)、Xiaomi(25倍)、Garmin(26倍)为最接近的产品可比公司,较Apple低11-18个turn,主要因Apple更强的OS护城河和稳健市场份额增长[28] - 软件:Oracle 14倍、Salesforce 14倍、ServiceNow 21倍、SAP 25倍,未来三年共识EPS增速17-43%,FCF收益率为中个位数至高个位数;Apple以更低增速交易于该子板块所有公司之上,FCF收益率处于该组区间下半段[28] 4. 相对消费板块:Apple与最昂贵消费股持平 - 与科技板块不同,Apple与消费板块交易特征更相似;在必需消费品、规模零售、奢侈品、品牌与特许经营中,P/E随增长上升,营收、盈利和FCF增长呈正相关[40] - 按远期营收增长指标,Apple在消费板块中为增速最快公司,按营收增长调整后与同业持平;按盈利和FCF增长则略高于趋势线,与Ferrari和规模零售商并列[40] - 规模零售:Costco(46倍)和Walmart(39倍)为两家交易于30倍以上、盈利增速低于15%的美国超大市值零售商,Apple较两者低2-9个turn;Costco和Walmart未来三年共识营收增速略低于Apple(分别为7%和5%,Apple为9%),但EPS增速更高(Costco 10%、Walmart 13%,Apple 8%),受利润率扩张轨迹驱动;Apple在FCF生成和股东回报上胜出,FCF收益率3.0%、回购约3%,预计通过回购和股息返还几乎全部FCF[40] - Costco高倍数部分因其高度可见的盈利流(基于会员费)及稳定销量增长,以及国际市场空白机会带来的长期增长跑道[40] - Walmart估值因全渠道投资回报而被人为抬高,尚未达到成熟阶段盈利能力;将增量盈利能力的现值加入NTM共识EPS后,WMT调整后倍数低于30倍(29.6倍)[40][58] - 奢侈品:Ferrari(38倍)和Hermès(28倍)为远期三年共识EPS增速最接近Apple的消费公司(均约9.0%,Apple为8%);Apple倍数介于两者之间,FCF收益率与Hermès(3.5%)相似,高于Ferrari(2.6%)[40] - 奢侈品子板块加权平均倍数23.5倍(含LVMH 17倍、Richemont 22倍),远低于Apple;估值分散表明溢价由特许经营特定特征驱动而非品类整体[41] - 必需消费品:Coca-Cola(27.5倍)和PepsiCo(16.5倍)营收和盈利增速较低(低个位数),Apple较两者高10-20个turn,盈利增速高约5个百分点,FCF收益率略低(KO 3.4%、PEP 5.5%);Apple在此对比中看似充分估值[43] - 品牌与特许经营:McDonald's(20倍)、Nike(28倍)、Starbucks(33倍)、Lululemon(13倍)加权平均约25倍;Starbucks为唯一超过30倍的公司;Apple以更低远期EPS增速但可比FCF收益率(3.0%对SBUX 3.4%)交易于Starbucks之上[43] 5. 市场为何给予该倍数 - 本报告并非论证Apple便宜或主张更高倍数;37倍远期盈利交易于自身历史顶部,且高于市场上大多数可比增速公司;报告目的是帮助投资者理解Apple相对于科技、硬件和消费组的定位[59] - Apple在CEO变更、内存成本上升压缩利润率、AI交易抛售的背景下表现强劲;市场长期将Apple与其余超大市值科技股脱钩,重新分类为消费复利型公司[59] - Apple具备消费必需品的多项特征:需求主要为经常性或替换驱动、对供应商和消费者均有定价权、低资本强度、可观且经常性的股东现金回报,共同驱动盈利持久性[60] - 可见需求:约14亿活跃iPhone设备,约四年更换周期,叠加经常性服务收入(约占FY26总营收26%、毛利润约40%),提供营收和盈利的前瞻可见性[60] - iPhone品牌忠诚度:2025年智能手机调查中iPhone保留率90%,为主要品牌最高;Costco美国及加拿大会员续费率92.3%,全球89.8%;iPhone更换周期通常3-4年,年化保留约96%-97%的装机量[60][64] - 定价权:iPhone价格敏感度为主要智能手机品牌最低之一;iPhone 18 Pro系列于今年9月发布,Apple将美国Pro档入门存储价格上调100美元,高存储档上调300-500美元;FQ4'26单位销量同比增长约6%;iPhone价格弹性至9月底降至约1.3,其他智能手机厂商平均超过2.5[60][66] - 持续股东回报:FY26通过回购和股息返还约1020亿美元(回购约860亿美元、股息约160亿美元),相当于Apple市值约2%;预计FY27E可再回购3.0%市值、FY28E回购3.3%;FY26年末净现金约570亿美元,FCF为1360亿美元[60] - 强劲盈利记录:自Q1 FY16以来10年间,Apple有40个季度EPS高于卖方共识,2个季度符合,仅2个季度不及(FQ2'16和FQ1'23,分别低5%和3%);期间平均超预期约6%;负盈利意外的稀缺性是溢价倍数的一部分原因[61] 6. 当前估值是否离谱——反向DCF分析 - 公司认为当前估值并不离谱:Apple持续产生超过100%的FCF转化率,通过回购和股息提供有吸引力的资本回报,品牌忠诚度高(90% iPhone用户更换为另一部iPhone,年化保留率高于市场支付40倍的Costco会员续费)[65] - 反向DCF采用9.8%资本成本,隐含FCFF需从2030E至2046E的17年间年增约10%,此后永续增长4%,以支撑当前企业价值;该路径使年度FCFF从FY2026约1070亿美元增至FY2046约8710亿美元,增长超过7倍[65] - 作为参照,Apple从FY2019-2026年FCF复合增速约9.4%,模型隐含2026-29E自由现金流CAGR为17%[65] - 反向DCF隐含终值增长率4%看起来合理[4] - 不同增长年限和终值增长率情景下隐含市值:17年10%增长、4%终值增长率对应隐含市值50630亿美元、每股价格348.4美元;5年10%增长、4%终值增长率对应隐含市值34290亿美元、每股236.0美元[71][72] 7. 投资结论与估值 - 评级Outperform,目标价380美元,基于34倍FY28E EPS(对比当前NTM远期P/E 37倍)[5] - 同时给予COST和WMT Outperform评级[5] - 目标价较10月10日收盘价348.51美元有9%上行空间[7] - 52周价格区间355.38/243.42美元;股息率0.3%;市值51557.3亿美元;企业价值51132.7亿美元[7] - 年初至今绝对表现30.5%,1个月5.4%,6个月21.2%,12个月28.9%;相对标普500分别为20.6%、9.1%、19.6%、18.8%[7][9] - 财务预测:FY26A调整后EPS 8.97美元、FY27E 9.78美元、FY28E 11.13美元;营收FY26A 4788.34亿美元、FY27E 5417.40亿美元、FY28E 5802.24亿美元,CAGR 10.1%;毛利率FY26A 48.8%、FY27E 46.6%、FY28E 47.5%;FCF FY26A 1360.56亿美元、FY27E 1593.94亿美元、FY28E 1734.54亿美元,CAGR 12.9%;调整后P/E FY26A 38.8倍、FY27E 35.6倍、FY28E 31.3倍;EV/EBIT FY26A 32.3倍、FY27E 30.5倍、FY28E 27.5倍;EV/FCF FY26A 37.6倍、FY27E 32.1倍、FY28E 29.5倍[6] - Apple 2027E FCF收益率3.1%(2028E为3.4%),2027E EV/FCF为31.7倍;预计2027年回购约市值3%、2028年3.2%,加上0.3%股息,年度总现金回报约3.3%-3.5%[18] - Apple 2027E P/E 37.2倍、2028E 32.8倍;FCF收益率2027E 3.0%、2028E 3.4%;回购占市值2.9%;EV/FCF 2027E 32.8倍;营收CAGR 2023-26E 8%、2026E-29E 9%;EPS CAGR 2024-29E 10%、2026E-29E 8%;FCF增速8%[29] - Apple FCF CAGR 9%因短期利润率逆风略被压低,对比12%的FCF CAGR(2024-29E共识)[40] 三、其他重要但可能被忽略的内容 - Apple与Google合作使用Gemini团队开发AFMs,Siri AI大量在设备端运行[10] - 近期AI股票抛售中部分股票较6月高点下跌超过50%,核心担忧为AI数据中心资本开支下降,可能对高杠杆或高AI数据中心敞口公司造成不利后果[12] - Apple FY2019资本开支105亿美元,此后大多在95亿至110亿美元区间,FY25升至127亿美元,FY26降至90亿美元[11] - Apple服务收入约占FY26总营收26%、毛利润约40%[60] - Apple约14亿活跃iPhone设备,更换周期约四年[60] - iPhone 18 Pro系列于2026年9月发布,美国Pro档入门存储价格上调100美元,高存储档上调300-500美元;FQ4'26单位销量同比增长约6%[60] - iPhone价格弹性约1.3,其他智能手机厂商平均约2.5[66] - Costco美国及加拿大会员续费率92.3%,全球89.8%[64] - Apple FY26回购约860亿美元、股息约160亿美元,合计约1020亿美元,相当于市值约2%[60] - Apple FY26年末净现金约570亿美元,FCF为1360亿美元[60] - Apple过去10年40个季度EPS超共识、2个符合、2个不及(FQ2'16低5%、FQ1'23低3%),平均超预期约6%[61] - 反向DCF采用9.8%资本成本,隐含2030E-2046E共17年FCFF年增约10%,永续增长4%;FCFF从FY2026约1070亿美元增至FY2046约8710亿美元[65] - Apple FY2019-2026年FCF复合增速约9.4%,模型隐含2026-29E FCF CAGR为17%[65] - Walmart调整后"真实"盈利能力的NTM P/E为29.6倍(对比当前41.9倍)[58] - Walmart美国FY26 B&M销售占比79.4%、EBIT利润率7.0%;电商占比20.6%、EBIT利润率-1.6%;合计EBIT利润率5.2%;FY30 B&M占比70.0%、EBIT利润率7.2%;电商占比30.0%、EBIT利润率6.7%;合计EBIT利润率7.0%[57] - Walmart FY26-FY30E增量B&M EBIT贡献30亿美元,增量电商EBIT贡献134.55亿美元,隐含EPS贡献1.64美元,NPV为1.25美元[58] - Costco多十年增长跑道由国际空白机会驱动[53] - 超大规模云厂商资本开支强度CY19为6-11%,CY26升至27-54%[11] - Apple资本开支强度从4%降至1.9%营收占比(CY19-26口径从3.4%降至2.0%)[11] - 标普500约18倍,Apple相对P/E 2.0倍,溢价约100%[22] - Apple NTM远期P/E当前37.2倍,3年均值30.1倍、5年均值28.3倍、10年均值23.8倍[20] - Apple相对标普500(剔除Mag 7)NTM远期P/E当前2.05倍,3年均值1.5倍、5年均值1.5倍、10年均值1.3倍[26] - 报告首次发布于2026年11月11日21:07 UTC,完成于2026年11月11日21:06 UTC[6] - 收盘日期2026年11月10日,Apple收盘价348.51美元[7] - 标普500指数7520.93点[7] - 财年截止9月[7]
物理AI和具身行业展望
2026-11-15 21:53
物理AI与具身智能行业电话会议纪要关键要点 一、涉及行业与公司 - 行业聚焦具身智能与物理AI领域,核心议题为仿真数据驱动Sim-to-Real突破与商业化落地趋势[1] - 涉及公司包括苹果(Project HELO)、宇树科技、智元、银河通用、特斯拉、英伟达、谷歌DeepMind、Covariant AI、Physical Intelligence、Anthropic、Figure AI、阿里巴巴、字节跳动、智源人工智能研究院、千寻智能、起源、傅利叶智能、瑞芯微等[3][7][8][9][21][23] 二、核心观点与论据 (一)Project HELO技术架构与仿真数据价值 - Project HELO验证了仿真数据底座在具身智能中的核心地位,通过分层架构与50Hz实时跟踪器弥合Sim-to-Real差距,实现陌生场景90%任务成功率[1] - 技术架构分三层:第一层通过VLA模型进行任务拆解;第二层利用扩散模型在仿真环境中生成时长约5秒的全身动作轨迹,程序化生成上千套不同场景并对光照、色彩、噪声等随机化处理,自动筛减碰撞等不合理动作数据;第三层在机器人上运行50赫兹跟踪器,利用深度相机和本体传感器数据实时纠偏[2] - 基于300小时全仿真数据,模型在宇树G1机器人上进行零样本测试,6个陌生房间中单次任务成功率达90%,长链式任务成功率约70%[4] - 仿真数据有效性前提:硬件参数需与物理机器人对齐、包含物理校验、配套真机闭环系统,并非简单渲染图像或视频[4] - 真实数据在摩擦、形变、触觉等仿真难以1:1复刻方面具有不可替代价值,尤其精细操作、柔性物体处理和力控任务最终仍需真实数据对齐,但真实数据获取成本高昂、效率低下且设备存在损耗[4] - 行业头部采购方向以仿真为主,强调仿真与真实数据双向闭环,通过CM仿真底座批量产出全身仿真数据,同时利用真实机器人传感数据和物理参数反向校准仿真环境[4][5] (二)仿真数据商业模式与需求空间 - 基础EAGLE仿真数据价格约每小时30-40元,特定场景定制化需求约每小时80-100元[6] - 初创公司验证VLA模型驱动机器人执行简单任务约需200小时经对齐仿真数据;执行长任务链达到Project HELO演示效果需2000-3,000小时仿真数据,其中需混合不同场景和随机化扰动,并配合少量(如几十小时)真实机器人数据最终校准[6] - 当前客户主要涵盖大型模型公司和机器人本体厂商,大型模型公司普遍以数十万小时框架采购,宇树科技和智源人工智能研究院采购量也较大,同样以数十万小时数据框架为基础,按阶梯或时间进度采购,金额规模通常在数千万元级别[6] - 预计2027年高质量且与本体对齐的仿真数据需求达400万至500万小时,2028年迈入千万小时门槛[1][19] - 增长驱动力包括:机器人本体厂商和大模型团队迭代技术需大规模采购完成仿真预训练;工厂定点工位试点和放量每个工位需定制化场景数据;出海业务为确定增量市场但仅限于带本体对齐可实现Sim-to-Real的高价值仿真数据[19] - 到2028年随着闭环工位批量落地和世界模型普及,对预演样本需求进一步大幅提升,推动有效数据小时数达千万级别[20] (三)技术范式演进:VLA向世界模型(WM) - 英伟达GR00T和Cosmos代表从VLA向WM路线升级,构成面向全行业的基础底座和数据生成工具包,开源将大幅降低初创团队入门门槛,但提供的是通用技术而非可直接上岗的成熟大脑,用户仍需本体对齐和真机微调[17] - GR00T 0.1采用VLA直接根据视觉输入输出动作;GR00T 0.2集成WM一边预判世界状态演变一边同步输出动作,即在大脑中预演多种可能性选择最优方案后执行物理动作,依赖Cosmos世界模型进行视频物理预测,利用大量人类第一视角视频和少量机器人遥操作数据训练,旨在实现跨本体学习和少量样本学习[17] - Cosmos作为通用基座未针对特定机器人绑定,直接应用于宇树科技或傅利叶智能等机器人可能出现动作不稳定或超出关节限位问题,需本体适配和少量真机数据微调;其在视觉预判、灵巧操作泛化、力控、触觉及长期闭环等方面仍需持续补充;预训练数据主要来自不含机器人关节数值、摩擦、接触形变等物理信息的人类视频,Sim-to-Real转换存在天然差距[17] - 英伟达定位为全行业提供底层基座与仿真工具链,而非与头部机器人公司竞争成品机器人大脑订单[18] - 短期两种技术路线各自发展:VLA路线原生对齐机器人本体、传感器跟踪闭环效果好、可直接输出稳定动作,适合全身移动交互任务;世界模型路线"先思考再行动"模式在处理复杂或长链条灵巧操作任务时可减少样本依赖、提升泛化能力,但通用技术天生不带本体对齐,直接应用于真机时Sim-to-Real差距较大[18] - 中长期行业趋向融合方案:以VLA作为动作执行主干,世界模型作为前置"预言家"进行校验,流程为接收指令后世界模型内部预演多条可能路径、剔除不合理方案、筛选最优解,交由已与本体对齐的VLA生成精确动作轨迹,底层控制系统跟踪闭环执行确保稳定性;英伟达GR00T 0.2已体现该框架雏形[18] (四)商业化门槛与时间线 - 真机长链任务稳定率需达60%方可"上岗",且任务失败后需具备自动重试与自我恢复能力;工厂产线批量商业化应用需达75%以上稳定通过率,同时不能依赖频繁人工干预[1][15] - 仿真环境90%以上成功率仅代表模型在固定评测环境学习效果良好,不等同于真实世界稳定工作及格线[14][15] - 工业封闭场景预计2年内落地,通用泛化场景需5年以上[1] - 固定封闭场景预计两年左右可实现机器人稳定运行;泛化场景(未经训练陌生环境中通过语音指令自主完成任务且成功率达80%以上)可能需要五年甚至更长时间[16] - 工业应用未来两年内机器人有望替代工厂中约30%至40%的简单工序和工位,但不能完全取代所有工业岗位[16] (五)竞争格局 - 国内第一梯队:智源人工智能研究院同时进行本体和大脑研发产品相对较智能;模型层面银河通用和千寻智能表现突出;大型科技公司中阿里巴巴和字节跳动具身智能模型团队位列头部,但主要研发方向是大模型本身而非专门针对机器人[7] - 海外领先者:谷歌DeepMind凭借V-ROA模型在跨本体适配、全程控制和零样本操作方面表现强劲;其次为Covariant AI和Physical Intelligence的Pi系列基础模型;Anthropic的Claude 3.5 Sonnet、苹果ReALM模型以及Figure AI和特斯拉也处于行业前沿但相对稍靠后[8] - 智元主攻工业落地,银河通用侧重仿真合成数据与零样本抓取;海外谷歌、苹果在物理建模与范式创新上保持领先[3] - 宇树科技定位全球通用硬件底盘,受益于开源模型普及,但面临硬件壁垒非断层领先及低价竞争风险,需通过真机数据飞轮加高护城河[3] - 智元"远征G"系列采用原生世界动作模型,将世界推理、动作生成、感知和预判整合在同一链路,优先落地工厂以生产力为核心;起源主打消费级市场面向家庭场景,采用"快慢脑分离"架构,"快脑"(小脑)负责执行、"慢脑"(大脑)负责思考,技术重心在柔顺交互、家务处理和安全交互[21][22] - 银河通用核心技术"银河心脑"为将大脑、小脑及神经控制一体化的端到端世界模型,预训练高度依赖海量仿真合成数据,真实世界数据仅用于最后微调对齐;技术优势在于处理陌生物体、光照变化下零样本抓取及透明件和小物体处理,公开基准测试泛化分数较高;利用立体视觉解决抓取落空问题,实现无需预先建图纯视觉端到端导航;产品包括轮式双臂机器人和S1重载轮式机型,未涉足双足人形本体;商业模式倾向通用大脑供应商和场景运营商,落地场景集中在无人零售仓、无人便利店和无人药房分拣等城市服务场景[23] - 中国在工业封闭场景量产交付和成本控制方面具有领先优势,得益于强大供应链体系;以智元为代表国内厂商通过将机器人先行部署到工厂在实际运行中持续收集失败样本迭代,工业场景落地速度较快;但在高端算力、通用开放场景适应性及原始范式创新方面国外仍领先,谷歌、苹果、英伟达更侧重物理建模和模型预演,在算力底座、高端训练芯片和仿真工具链上优势明显[22] - 从工业场景机器人稳定上岗、批量出货和商业闭环狭义角度看,以智元为代表中国企业在未来2-3年有机会在特定场景取得领先;但从零样本适应陌生环境或处理复杂居家任务等通用性维度衡量很难超越国外水平[22] (六)各公司模型性能表现 - Hello Robot在仿真任务中成功率可达90%,陌生房间等真实场景下降至70%,通用场景中已属较高水平;特斯拉Optimus在未见过的场景中成功率可能仅为30%至50%;Physical Intelligence的PI 5.2模型在开放真机场景中智能水平大约在50%上下,难以达到70%水平[15][16] - 谷歌在产线固定分拣等任务上通过反复迭代可将成功率提升至96%;宇树科技机器人在便利店场景中经过数天连续闭环运行,任务成功率从初期20%-30%稳定提升至85%左右,但这类高成功率依赖大量真实场景数据反复训练,属针对特定场景优化而非通用泛化能力[16] - 特斯拉采用全栈闭环研发模式,模型和本体均自主研发,技术路线为纯视觉端到端方案,利用自有工厂场景和真机数据飞轮迭代,工程化能力显著优势;应用场景优先服务自家工厂,短期内不会为全行业提供通用模型;在工厂等特定环境处理固定物料、拧螺丝、搬运等重复性任务时表现出较强稳定性、抗干扰性和动态平衡能力;但置于居家等更复杂场景或面对未见过的物体时泛化推理能力较谷歌V-ROA或苹果ReALM稍弱[12] - Anthropic的Claude 3.5 Sonnet在RoboTool测试中取得64.9%高分,远超前代Claude 3.1的27%和GPT-4o的30%,并非通过大量机器人专项数据训练而是通用大模型能力溢出结果,核心优势在于更强空间推理能力、长时序规划能力并辅以动作翻译层兜底;模型本身只负责输出下一步做什么及目标位置,由翻译层将语言和空间指令转化为可执行动作轨迹并加入碰撞检测和边界校验;训练过程仅混入少量物理交互仿真任务样本进行对齐以建立像素到动作的"语感"而非全量具身预训练;本质是通用大模型注重推理规划,机器人控制为附加能力,必须依赖翻译层,在精细高频力控和连续稳定闭环方面相对吃力,真实世界长时间工作稳定性和容错率预计相对较差[12][13] - 苹果ReALM模型原生为Sim-to-Real和全身控制设计,模型直接输出动作,在仿真环境中对齐本体传感器和跟踪闭环,真机仅作为纠偏角色[13] (七)宇树科技发展前景与风险 - 宇树科技定位标准化硬件供应商,致力于成为全球通用集成硬件载体,商业模式不依赖自研大脑,受益于仿真技术和开源模型普及[10] - 短板在于上层大模型需依靠生态系统弥补;发展路径两个方向:销售硬件、自研提升模型并开源征集数据集[10] - 潜在风险:随着上层模型增多和开源行业竞争加剧,若其他厂商推出运动性能接近、价格更低的开放式人形机器人,宇树溢价空间可能受挤压,硬件本身技术壁垒并非断层式领先;行业更看重真机数据飞轮与仿真路线互补而非单纯依赖仿真[10] - 宇树WLA版本模型使用超过2000小时真机数据集,数据相关研发费用投入规模大致在5,000万至7,000万元人民币级别[11] - 苹果选择宇树机器人作为研究外部硬件平台,主要因宇树在运动控制领域技术实力较强,其机器人产品是市面上可采购到、接口开放、运动底盘稳定的标准化平台,适合用作科研验证载体[9] (八)仿真器技术架构 - 仿真主体基于全栈自研仿真底座而非直接使用Omniverse作为主仿真引擎,该底座兼容OpenUSD和Omniverse实现生态打通和资产相互导入导出,属协作关系而非底层依赖;物理求解、传感器仿真、人体对齐增值输出及大规模并行生成等核心部分均为自研,"测量-生成-求解"体系专门针对机器人训练及Sim-to-Real回流优化[19] (九)端侧算力芯片 - 当前算力基本够用,英伟达Jetson Orin代表芯片能运行主流高阶具身模型;更小型端侧芯片如瑞芯微RK35系列主要用于执行感知或简单任务[20] - 运行Cosmos或GR00T 0.2这类原生世界模型,RK35系列端侧芯片算力不够,必须通过拆分架构、分层计算解决;底层"小脑"部分对算力要求不高但对时延要求严格;中层AI动作策略使用20-30亿参数VLA模型即可完成单步抓取等任务;Jetson Orin级别芯片可运行Hello模型并结合轻量化VLA完成简单任务闭环再配合Cosmos预演;单颗RK35系列芯片无法满足运行Cosmos需求,即使裁剪版本也不可行[20] (十)触觉数据 - 长期看触觉数据至关重要,是机器人在家庭或工业场景完成精细操作的必要条件,但当前工业应用中触觉使用比例并不高[24] - 数据采集主要难点:各家方案不一,单点试点采集数据不成体系导致数据难以互通,存在采集效率低、传感器一致性差、漂移大、缺乏统一标准等问题,A公司数据B公司模型无法使用[25] - 采集方式两种:触觉手套由人操作同步采集视觉、位置和触觉信息;机器人灵巧手自主采集[25] - 预计触觉数据规模化爆发与应用场景成熟同步:第一个时间点可能在2028年左右主要应用于工业闭环场景如精密装配、锂电和3C产品插接等,任务固定物料可控场景下传感器可先在指尖部署控制成本;第二个更重要爆发点预计2030年左右,届时传感器成本、一致性和数据标定标准等问题得到解决,通用开放场景需求推动触觉数据大规模增长[25] 三、其他重要但可能被忽略的内容 - 不同机器人本体训练数据不能直接通用,因关节范围、运动学、传感器和控制参数存在差异,宇树G1数据直接用于其他型号效果会受影响;但可通过分层处理兼顾适配效率和迁移效果:第一层通用资产和任务库(场景、物体、任务逻辑、语言指令等通用元素构建标准化资产库),第二层本体适配层(仿真平台预封装不同机器人本体模板,运动学、传感器、控制参数做成可配置软件包,更换本体时仅需更换配置包而无需重新搭建整个环境和任务)[5] - 仿真数据即便再好最终仍需少量真机数据校准,这对拥有真机数据的厂商是一个优势[10] - 宇树科技能否长远发展决定性因素在于是否能持续保持开放稳定供货能力并不断加高运动控制领域技术壁垒[10] - 英伟达开源降低行业门槛但Cosmos作为通用基座并未针对特定机器人绑定,直接应用可能出现动作不稳定或超出关节限位问题[17] - 出海业务为确定增量市场但仅限于带本体对齐可实现Sim-to-Real的高价值仿真数据,低价值渲染数据出海难度较大[19][20]
大族激光:受益于 AI 带动的技术升级
2026-11-15 21:53
大族激光(002008.SZ)花旗2026中国会议纪要关键要点总结 一、涉及公司与行业 - 纪要涉及公司为大族激光(Han's Laser,002008.SZ),主营激光加工设备的研发、制造与销售,产品包括激光打标、焊接、切割设备、PCB设备、光伏器件及LED封装设备等,产品销往国内及海外市场[20] - 涉及行业包括激光加工设备行业、PCB设备行业、消费电子(苹果供应链)设备行业、新能源设备行业、半导体设备行业及3D打印设备行业[1][2][4] - 花旗给予大族激光"买入"评级,目标价人民币147.000元,报告日股价人民币55.420元,预期股价回报165.2%,预期股息率0.8%,预期总回报166.1%,市值人民币57,061百万(约合85.54亿美元)[6] 二、核心观点与论据 (一)AI驱动的技术升级使设备上行周期延长 - 与苹果以往通常仅持续一年的资本开支上行周期不同,管理层认为本轮设备上行周期可能持续更长时间,原因是智能手机及其他产品为在AI时代表现优异而持续进行技术升级[1] - 具体案例为苹果在iPhone 18 Pro/Pro Max上扩大VC均热板尺寸(相较iPhone 17),以优化散热性能,从而带动对大族激光焊接设备的更强需求[1] - 尽管3D打印设备机会可能低于管理层此前预期,但整体业务前景依然稳健,2026E/2027E收入可能分别达到人民币300亿元/400亿元,同比增长约60%/33%[1] - 花旗微调2026/27E盈利预测,但维持目标价人民币147元不变,维持买入评级[1] (二)2026E各业务收入指引 - IT设备收入可能达到人民币45亿元,同比增长82%[2] - PCB设备收入可能达到人民币110亿元,同比增长92%[2] - 新能源收入将同比增长55%至人民币35亿元[2] - 泛半导体收入可能达到人民币27亿元,同比增长超30%[2] - 高功率激光设备可能持平于人民币30亿元[2] - 低功率激光设备将强劲增长至人民币45亿元,驱动力来自薄玻璃切割、AI眼镜及汽车电子需求[2] - 2026年整体收入可能接近人民币300亿元[2] (三)2027E收入展望 - 管理层初步2027年收入指引约为人民币400亿元[3] - 依据包括:IT收入同比增长约30%;PCB超快激光设备出货量强劲增长(从2026年的100-200台增至2027年的500-1,000台)以及CO2激光钻孔设备增长;通用激光设备收入增长约10%[3] (四)3D打印设备需求下调 - 管理层将苹果2027年3D打印设备需求预测从3,000台下调至1,500台,原因包括:1)iPhone Pro需求走弱;2)苹果意图直接采购中框,而非通过采购25%的设备来制造中框[4] - 大族激光在1,500台中的份额为60%-70%,对应潜在TAM为人民币18亿-21亿元[4] (五)投资逻辑与估值 - 买入评级依据:PCB钻孔与检测设备需求强劲(来自胜宏科技等AI服务器/数据中心PCB厂商),以及苹果供应链订单强劲增长(由iPhone 18——可能是苹果首款折叠屏手机——驱动)[21] - IT与PCB设备"超级"周期可能驱动2026-27E核心利润CAGR超80%,并带来股价重估,类似2017年苹果订单驱动的强上行周期[21] - 12个月目标价人民币147.0元基于38倍2027E P/E,设定在+1.0倍标准差,以反映PCB与IT(苹果)设备需求驱动的"超级周期";目标倍数从此前49倍下调,原因是对3D打印设备订单持保守看法[22] - IT收入的80%-90%来自苹果[14] (六)盈利预测与财务数据 - 营业收入:2024A为人民币14,771百万,2025A为18,759百万,2026E为29,017百万,2027E为38,121百万,2028E为46,973百万[9] - 收入增速:2024A为4.8%,2025A为27.0%,2026E为54.7%,2027E为31.4%,2028E为23.2%[9] - 净利润:2024A为人民币1,694百万,2025A为1,190百万,2026E为2,743百万,2027E为3,955百万,2028E为5,239百万[5][9] - 核心净利润增速:2024A为106.5%,2025A为-29.8%,2026E为130.5%,2027E为44.2%,2028E为32.5%[9] - 每股收益:2024A为人民币1.620元,2025A为1.150元,2026E为2.664元,2027E为3.841元,2028E为5.089元[5] - 毛利率:2024A为31.8%,2025A为33.3%,2026E为35.5%,2027E为36.2%,2028E为36.9%[9] - 净利率:2024A为11.5%,2025A为6.3%,2026E为9.5%,2027E为10.4%,2028E为11.2%[9] - ROE:2024A为10.9%,2025A为7.1%,2026E为14.8%,2027E为18.3%,2028E为20.5%[5][9] - P/E:2024A为34.2倍,2025A为48.2倍,2026E为20.8倍,2027E为14.4倍,2028E为10.9倍[5] - 股息率:2024A为0.6%,2025A为0.4%,2026E为0.8%,2027E为1.2%,2028E为1.6%[5] - 经营现金流:2024A为人民币1,038百万,2025A为1,390百万,2026E为2,430百万,2027E为2,939百万,2028E为4,624百万[9] - 资本开支:2024A为人民币1,394百万,2025A为642百万,2026E为861百万,2027E为677百万,2028E为695百万[9] (七)盈利预测调整 - 收入预测调整:2026E从人民币29,679百万下调至29,017百万(-2%),2027E从39,050百万下调至38,121百万(-2%),2028E从48,860百万下调至46,973百万(-4%)[10] - 净利润预测调整:2026E从人民币2,784百万下调至2,743百万(-1%),2027E从3,963百万下调至3,955百万(0%),2028E从5,240百万下调至5,239百万(0%)[10] - 毛利率预测调整:2026E为35.5%(上调0.1个百分点),2027E为36.2%(上调0.3个百分点),2028E为36.9%(上调0.6个百分点)[10] - 净利率预测调整:2026E为9.5%(上调0.1个百分点),2027E为10.4%(上调0.2个百分点),2028E为11.2%(上调0.4个百分点)[10] (八)与市场一致预期比较 - 收入:2026E花旗预测人民币29,017百万 vs 一致预期28,075百万(高3%),2027E为38,121百万 vs 36,299百万(高5%),2028E为46,973百万 vs 41,605百万(高13%)[10] - 净利润:2026E花旗预测人民币2,743百万 vs 一致预期2,793百万(低2%),2027E为3,955百万 vs 4,239百万(低7%),2028E为5,239百万 vs 5,097百万(高3%)[10] - 净利率:2026E花旗预测9.5% vs 一致预期9.9%(低0.5个百分点),2027E为10.4% vs 11.7%(低1.3个百分点),2028E为11.2% vs 12.3%(低1.1个百分点)[10] 三、其他重要但可能被忽略的内容 (一)行业周期与历史参照 - IT收入图表覆盖2013年至2027E,2026E IT收入约人民币45亿元,2027E约61亿元,显著高于2013-2025年区间(约13亿至45亿元)[12] - 历史周期参照:2017年为iPhone十周年,iPhone 8/X规格升级;2026年苹果推出首款折叠屏手机iPhone 18 Duo;2027年为iPhone二十周年[15] - 远期P/E趋势图覆盖2010年1月至2027年1月,标注了均值及±1SD、±2SD区间,用于对比IT收入周期[15] (二)风险因素 - 关键基本面下行风险包括:1)苹果订单少于预期;2)竞争加剧可能挤压利润率;3)汽车销量走弱将损害高功率激光设备需求;4)任何新投资项目失败;5)新兴技术替代激光设备[23] (三)分析师信息 - 负责分析师为Jamie Wang(+852-2501-2772,jamie.ck.wang@citi.com)与Eric Lau(+852-2501-2726,eric.h.lau@citi.com)[7] - 报告不面向中华人民共和国境内分发(香港特别行政区及合格境外机构投资者除外)[7]
机器人大模型迭代加速-当前进展到哪一步了
2026-11-15 21:52
具身智能重塑机器人产业:电话会议纪要关键要点总结 一、涉及行业与公司 - **行业**:具身智能/机器人产业,涵盖大模型(S2)、动作执行(S1)、本体控制(S0)三层架构,以及数据采集设备与数据生产服务环节[1][6] - **海外大模型与科技公司**:OpenAI、Anthropic、英伟达、谷歌DeepMind、苹果、Meta、Physical Intelligence、Figure AI[1][3][7][10][12][15] - **国内本体及零部件公司**:宇树科技、如影智能、榆树、上尾、艾斯、节卡、越江、梅卡曼德、杰克股份、德马科技[12][15][20] - **数据采集与传感器公司**:奥比中光、福莱新材、汉威科技、日盈电子、奥普特、长盈精密、鸣志电器[2][22][24] - **特斯拉产业链公司**:万向钱潮、三花智控、拓普集团、双环传动、恒立液压、新时达、新泉股份、宁波华翔[21][23] - **数据生产与服务公司**:海天瑞声、海量数据、龙软科技、科大讯飞、金山办公、风语筑、光轮智能(一级市场)[18][24] - **其他产业链公司**:飞亚达(谷歌12-DoF机器人减速器)、禾赛科技[22] 二、核心观点与论据 (一)行业阶段与驱动因素 - 行业正处于从量变到质变的关键节点,科技巨头积极布局以避免错失物理AI浪潮,OpenAI在解散具身智能团队两年后于2026年6月重新组建并在此后三个月内积极招募人才[3] - 近期行业动态频发与北美CRL盛会有关,该会议汇集几乎所有海外互联网及CS领域头部厂商,集中展示产业链过去一年最新进展[3] - 预计未来一两个月内还将有密集的行业催化事件[3] (二)三层模型架构(S2/S1/S0) - 具身智能模型分为三层:S2为推理层(大语言模型或多模态模型),负责环境感知、逻辑推理、多任务顺序排列等高层级认知功能;S1为执行层,将S2指令转化为具体动作序列;S0为本体控制层,负责步态平稳、身体平衡及精确动作,类似末梢神经或下意识反应[6] - 传统工业机器人主要停留在S0层面,通过编程式控制完成点对点或特定轨迹任务,不存在S1和S2层[6] - 大模型公司介入前,多数机器人模型公司研发重点集中在S1层,以Physical Intelligence为例,其采用开源谷歌Gemma模型作为S2层,嫁接自研S1层进行动作输出,核心自研部分为S1层流匹配架构[6][7] (三)大模型公司入局的核心影响 - 大模型公司在训练基座模型(S2层)时直接整合机器人相关数据(合成数据、第一人称视角数据),将能力从语言世界延伸至物理世界,极大拓宽并提升S2层能力[7] - 当前模型在现实世界中的控制效率和成功率相较仿真环境大幅下降且成本高昂,尚未完全"击穿"S1和S0层,但将整个行业能力基准拔高一个层次,未来有望向S1层扩展打通端到端控制链路[7] - 拥有更强算力、算法团队和更多数据量的公司介入,能整体提升所有机器人的能力上限[7] (四)多模态模型控制能力快速进步 - 2026年9月8日发布的GPT-6 Astra在第三方机构RoboDojo测评中,采用Astra直接控制PI 0.5模型,在当时的RoboDojo榜单上排名第一[8][9] - Anthropic发布的Claude Fable 5.2在RoboDojo仿真测评中取得64.9分,而两个月前GPT模型得分不到30分,能力实现超过两倍提升[1][9] - 只要持续加入更多模拟仿真数据和机器人第一人称视角数据,模型能力大概率将进一步提升[9] - Figure AI机器人能完成拧魔方、开瓶盖、绘制图案等未经专门训练任务,但视频中许多任务标注5倍、10倍甚至50倍倍速播放,表明执行效率和速度仍非常低,距商业化尚有较远距离,可能需集成更先进的S1和S0系统[9] (五)谷歌Gemini Robotics技术演进 - 谷歌自2023年推出首个端到端VLA模型后发现非分层结构限制任务复杂性且离散动作token输出效率低下,后续转向分层架构:上层为负责思考和任务规划的Gemini大脑(协调器),下层为执行具体动作的action model[10] - Gemini Robotics 1.5版本时上层为ER 1.5、下层为robotics 1.5,此后不再详细披露架构而通过demo展示效果[10] - Gemini Robotics 2.5相较2.0版本在三方面显著提升:灵巧度(完成更精细、更柔性任务,任务范围、成功率和完成速度均有较大提升)、可靠性(与Apple、Aptronik和奔驰等合作在真实工厂场景验证)、安全性增强[10] - 在桌面抓取与放置、多步骤与密集接触、精密装配与插接、灵巧操作与可变形物体处理四类任务中,2.5版本成功率均大幅提升,部分原先成功率为零的任务达到100%成功率[10] - 谷歌采取全栈式布局并保持开放合作态度,任何机器人公司均可申请战略合作在其本体上部署谷歌机器人模型,最近发布中使用国内公司如影智能的灵巧手(直驱技术,在控制能力、精度和运动控制方面表现出色),英伟达同样在使用其产品[11][12] (六)英伟达GR00T 2与世界动作模型 - 英伟达定位为行业赋能者,业务覆盖模型训练所需高性能计算卡及端侧Orin乃至算力更高的Thor芯片,倾向详细清晰公开发布研究成果并开源模型供二次开发或直接部署[12] - GR00T 2从早期VLA架构转向WAM(世界动作模型)架构,反映英伟达高层判断世界模型更符合人类学习与思考的第一性原理,是未来主流方向[12] - GR00T 2为拥有20亿参数的扩散Transformer架构模型,基座为英伟达自有Cosmos视频生成模型[1][13] - 训练数据包括40万小时第一人称视角数据、1万小时公里数据及2.3万小时真实机器人遥操作数据,第一人称视角数据占比较高[13] - 训练输入多视角视频(前方、左侧、右侧)、机器人本体状态(关节角度、末端位置)及人类指令,输出对未来状态和下一步动作的预测,一边预测一边执行;训练方法为基于前5秒视频数据预测后5秒动作,将预测结果与真实后5秒视频对比以提升预测准确度[13] - 训练分阶段:首先利用海量第一人称视角视频学习物理世界普遍运行规律(如物体掉落),其次学习特定场景下应输出何种动作,最后部署落地阶段通过强化学习后训练加入更多真实机器数据提高适配度及任务成功率[13] - 模型具备良好泛化表现,特别是跨本体适配能力,可将从人类手上观察到的动作迁移输出为机器人动作,适应不同类型和形态的机器人本体及设备[14] - 局限性:本质偏向执行的模型,适用于简短、单步动作(如"过去""坐下"),对需要逻辑排序和多步骤规划的复杂任务(如"清理整个屋子")无法独立完成,需更高层级S2模型进行任务编排,实际应用中通常部署在机器人端侧,上层可外接OpenAI、Anthropic或其他开源大模型[14] - 英伟达演进路径:上一代S1采用双层结构(视觉-语言-动作模型),N1.7时推理层开始使用生成式模型Cosmos;2024年2月发布GEM Zero论文采用视觉-动作模型架构与Cosmos一脉相承但停留在学术层面;本次N2模型将GEM Zero的VAM架构正式产品化和开源化,标志技术路线从学术探索走向产业赋能[14][15] (七)苹果全仿真训练研究 - 苹果近期研究展示基于分层式架构模型,与S2+S1+S0模式高度相似:顶层(S2)负责任务编排作为逻辑推理的视觉-语言模型,中层(S1)为动作生成模型采用全扩散Transformer解码器,底层(S0)为本体,具体使用宇树科技G1机器人并搭载英伟达Orin芯片[15] - 最显著特点为训练数据完全依赖仿真生成,通过扩散模型生成海量机器人仿真数据(环境数据、动作数据及虚拟第一人称视角数据)进行训练,实现"无本体化"训练方式[15] - 局限性:验证任务类型相对简单,主要集中在非操作类动作(如"过去""坐下""推开门""爬行"),而非复杂物体操作任务;真实世界部署仍需加入更多触觉数据,全仿真数据训练尚未完全替代真实物理世界数据[15] (八)大模型入局对竞争格局与数据需求的影响 - 技术商业化层面:大模型公司通过加入机器人数据使大模型可直接控制机器人并在仿真评测中表现优异,虽真实世界效率和成功率尚有不足,但已成为强大赋能工具,所有机器人公司均可调用以提升产品能力,加速行业商业化进展[16] - 竞争格局层面:可能对专注提供"纯大脑"(S1+S2)解决方案的公司构成冲击;但对深耕特定应用场景、拥有强大本体能力或掌握独有垂域数据和非通用本体的公司反而利好,可调用开源大模型增强垂直场景能力,制造业、物流等细分场景know-how仍是应用层和本体层公司护城河[16] - 数据需求层面:大模型参与确定性增加数据需求,每一代模型迭代伴随数据量指数级提升;当前行业数据总量约百万小时,距实现通用智能所需"GPT时刻"(可能对应上亿小时数据)仍有巨大差距,未来几年数据扩容是必然趋势,真机数据、第一人称视角数据、仿真数据等各种路线数据均为必需,数据环节总容量和规模将大幅增长[16] (九)数据分类与市场规模测算 - 数据主要包括异构数据、真机数据和模拟仿真数据,构成金字塔式结构,不同公司使用比例各不相同且为核心技术秘密;越偏向执行层(S1)的模型越需要高质量真机数据,越偏向规划层(S2)的模型更依赖第一人称视角等数据提升场景多样性和泛化能力[17] - 每一小时机器人数据量大约对应200亿的市场规模;若对应到机器人本体,非常保守测算下可能对应4亿套设备,但目前每个设备产能利用率远未达饱和,每年产生数据量远低于1,000小时[17] - 短期未来两到三年预计产生1亿小时数据需求;以11亿小时远期目标计算将形成千亿级别市场[1][17] - 数据采集设备短期需求约数十万套,长期可能达大几十万套甚至百万套级别,预计五年内实现[17] (十)数据采集产业链竞争格局与壁垒 - 产业链分为上游设备和中游数据生产[17] - 上游数据采集设备环节壁垒较高、竞争格局相对集中,呈现"卖铲子"逻辑,核心壁垒在于技术延伸自传感器领域,本质是信息采集、处理与输出的集成,参与者多为传感器公司;主要设备包括作为必选项的ego视觉工具(主要由视觉技术公司提供)和目前作为可选项但渗透率逐步提升的数采手套(主要由触觉传感器公司提供)[1][18] - 中游数据生产环节呈资产和人力密集型特点,市场格局分散,参与者包括第三方数据公司、地方政府、向上游延伸的设备厂商及自行采集数据的机器人公司;进入门槛相对不高但做好面临挑战,成功关键要素三点:技术能力(深刻理解模型、预测模型迭代对数据需求以提升采集有效性降低成本,优秀场景设计能显著提高有效数据产出比例)、资源整合能力(获取多样化细分corner case场景及触达机器人模型公司客户需求)、客户绑定能力(与特定客户长期合作持续提供数据服务);一级市场"光轮智能"被认为具备较大潜力[18] (十一)产业链分层影响与受益公司 - **S0本体层**:大模型极大提升发展天花板和未来想象空间,解决过去因功能受限难以落地应用痛点;北美等地区模型训练仍需依赖中国稳定可靠硬件载体,凸显S0环节重要性;具备强大本体能力、产品一致性可靠性及动作输出技术壁垒的公司相对受益,包括通用机器人领域榆树、上尾,工业机器人领域艾斯,协作机器人领域节卡、越江等,这些工业机器人公司通过集成更多传感器和具身智能技术有望迎来第二成长曲线[19][20] - **S1场景应用层**:核心竞争力在于特定垂直领域深厚积累和垂域小模型而非本体能力,拥有独特场景数据和客户群;大语言模型(S2)进入不会直接冲击而能赋能,帮助加速部署并在需拓展更泛化场景时作为上层任务调度工具接入;典型例子梅卡曼德机器人于2026年在港股上市,产品形态将具身模型集成于工业3D相机中,赋能工业机器人在汽车、3C电子等数十个行业实现柔性化生产装配制造任务,能处理过去程序化机器人无法完成的非规则、凌乱、多元化物体操作,目前3D相机全球已部署超过两三万台,2026年订单实现翻倍增长、收入大幅提升;其他如专注缝纫行业的杰克股份和物流行业的德马科技也因特定场景数据和客户积累受益[20] - **S2大模型层**:作为技术赋能者推动整个生态发展[20] - 总体来看,S0本体层和数据采集环节被视为最核心受益环节[1][20] 三、投资排序与相关标的 - **最高优先级**:机器人本体与数据采集设备(奥比中光、福莱新材等),本体是实现智能的基础,数据采集设备是模型训练的"铲子",两者壁垒较高、确定性强[2][21][23] - **硬件侧**:优先关注新兴AI产业链(奥普特、长盈精密等)及特斯拉产业链[2][21] - OpenAI产业链:奥普特(提供设备和产品对接)、长盈精密(供应结构件)、鸣志电器(提供机械臂)[22] - 谷歌产业链:飞亚达(为谷歌12-DoF机器人提供减速器,价值量较高)、禾赛科技(与12-DoF机器人项目处于同一时空人下的直接受益者)[22] - 其他AI产业链:Anthropic链目前标的较少有待后续挖掘[21] - **特斯拉产业链**:催化剂包括2026年12月3日股东大会、预计短期一到两个月内发布新一代产品视频、2026年下半年开始为2027年数据采集任务进行小批量生产部署;相关公司预计2026年下半年确认上亿元收入,包括万向钱潮、三花智控、拓普集团、双环传动、恒立液压、新时达、新泉股份、宁波华翔等[21][23] - **数据采集相关标的**: - 数据生产与服务:海天瑞声、海量数据、龙软科技,以及计算机行业关注的科大讯飞、金山办公和传媒行业关注的风语筑[24] - 数据采集设备:高度看好,首推奥比中光和福莱新材,其次是提供触觉传感器及相关数采设备产品的汉威科技和日盈电子[24] - **总结投资排序**:最高优先级是本体和数据采集设备;硬件中优先关注新兴AI公司产业链,其次是特斯拉产业链[23]
超12万人,请愿黄仁勋回归;但几乎不可能
大胡子说房· 2026-11-15 21:21
文章核心观点 - 黄仁勋回归英伟达几乎不可能,其处境只会更难,因为推动此事的并非出轨绯闻而是美国国家机器 [1][2] - 事件已超出英伟达一家公司范畴,是中美科技战最激烈的博弈,与每个人息息相关 [6] - 黄仁勋被逼走的核心原因有二:踩到美国国家战略红线,以及其利用价值已经到顶 [7] 请愿声势与结局 - 海外请愿网站上线仅24小时签名突破12万,自称有6万多股东、6千多名英伟达在职员工,马斯克公开签名站台,网传还有字节张一鸣的名字,但网站不核验身份真假无法实锤 [5] - 即使再来120万人签名也可能无用,事件早已超出英伟达公司范畴 [6] 原因一:踩到美国国家战略红线 - 中美博弈主战场是AI科技战,高端芯片是最核心武器,黄仁勋是AI硬件帝国掌舵人,也是美国科技圈游说甚至反对对华芯片禁售的头号人物 [9] - 黄仁勋对华盛顿游说的观点是:把中国逼到墙角,中国就会全力搞自研,等中国算力芯片做出来就再也不需要英伟达 [9] - 华盛顿政客视其为在科技战中唱反调、拖后腿 [10] - 特朗普态度变化快:刚爆出轨时说黄仁勋是好人,人一离职立刻推库克当接班人,说明黄仁勋此刻是可替代的 [10][12] - 民主党领袖舒默火速推进3份AI管制法案,连东南亚租算力这条路都要彻底堵死,这是一套早就准备好的组合拳,目标是把对华AI芯片封锁彻底焊死 [13] 原因二:利用价值已经到顶 - 英伟达在高端AI芯片赛道占全球90%以上份额,硬件性能加CUDA软件生态的双重壁垒已焊死行业地位和护城河 [15] - 客户、供应链、营收基本盘全稳,已走完创始人打江山阶段,进入职业经理人守江山成熟期,典型飞鸟尽良弓藏 [15][16] - 黄仁勋仅持有3.58%股份且无超级投票权,董事会算账:留着他要扛国会调查、政治风险、未来股价更大不确定性;换掉他以短期波动换来公司未来正常运转,还能顺势给华盛顿递投名状 [17] 马斯克为何动不了 - 马斯克私生活比黄仁勋混乱N倍却迟迟动不了,原因有二:一是手里攥着绝对投票权;二是马斯克搞星链、人形机器人、新能源都是美国国家战略的正确标杆 [19] - SpaceX首次实现筷子夹飞船的火箭回收再次创造历史 [20] - 黄仁勋只是老美眼里被利用完、可以随时替换的生意人,这是本质区别 [21] 对行业与市场的影响 - 老美对华芯片管制只会越收越紧,短期内国内云厂商、大模型公司获取先进算力难度越来越大、成本越来越高,产品迭代速度受拖累 [22] - 反制筹码包括稀土、磷化铟等关键战略材料 [23] - 英伟达链相关企业还会继续承压调整,国产算力替代、反制材料相关板块大概率迎来持续的政策和情绪催化 [23] 关键节点 - 18号的国会听证会是整件事的终极审判,将揭晓黄仁勋会不会触碰刑事责任、英伟达芯片出口策略会不会彻底转向、中美AI博弈会不会再升级 [24][25]
机器人产业跟踪:具身模型持续催化,关注行业商业化进展
东方证券· 2026-11-15 21:14
机械设备行业 行业研究 | 动态跟踪 具身模型持续催化,关注行业商业化进展 投资建议与投资标的 我们看到市场对于具身智能行业应用的预期正在持续提升,我们认为现实中机器人商业 化应用的落地同样是关键,具备现实应用场景,积极推动具身智能应用落地的厂商有望 取得先发优势。具身智能整机相关标的:上纬新材(688585,未评级)、优必选(09880, 未评级)、宇树科技-W(688836,未评级)、埃斯顿(002747,未评级)、 杰 克 科 技 (603337,未评级)、杭叉集团(603298,买入)、永创智能(603901,买入)。具身智能零 部 件 相 关 标 的 : 拓普集团(601689,买入)、三花智控(002050,买入)、五洲新春 (603667,未评级)、恒立液压(601100,未评级)、震裕科技(300953,买入)、奥比中光- W(688322,未评级)、绿的谐波(688017,未评级)。 风险提示 模型发展和数据积累慢于预期风险、场景需求落地不明确风险、厂商生产不及预期风 险、国家政策变化风险、行业融资不及预期风险 国家/地区 中国 行业 机械设备行业 报告发布日期 2026 年 11 月 15 ...