报告行业投资评级 未提及 报告的核心观点 报告围绕智能园区2030展开探讨，指出在数字经济、技术创新等驱动下，智能园区将呈现数字化、融合化、以人为本、高弹性和绿色化的发展趋势，具备全息AIOC、超智能办公等十大典型场景，拥有智能孪生、空间交互等六项关键技术特征，旨在助力全球智能园区建设，推动迈向智能世界 [40][127][210] 根据相关目录分别进行总结 趋势与愿景 驱动力 - 数字经济发展带来新机遇，预计到2025年数字经济核心产业增加值占GDP比重达10%，2030年升至30%，智能园区将借此提升管理和资源共享水平 [52] - 用户需求转变促使园区向数据互联和全域智能转型，以满足多层级、多元化消费需求 [53] - 自动化推动园区无人化和智能化，创造人机交互岗位，无人业务运营将成主流 [54] 发展趋势 - **数字化**：2030年园区将部署10Gbps连接和数字平台的基础设施，实现万物感知和智能连接；智能建筑将成为核心元素，从个体智能向群体智能发展，满足用户精细化需求；基于数据治理的智能运营将成主流，支持精益运营和高效决策 [57][61][65] - **融合化**：园区将在多元化场景中实现虚实融合，通过数字孪生、数字原生和虚实融合技术，创造更智能便捷的体验；同时与城市深度融合，打破物理边界，实现功能和数据的融合 [70][75] - **以人为本**：园区将提供更主动、智能和个性化的服务，满足不同用户需求，创造舒适便捷的体验；更好地理解用户，提供人文关怀，满足用户情感和社交需求 [78][84] - **高弹性**：园区安全将从单点防御转向主动三维防护，利用AI和机器学习提升风险预测和防范能力；具备态势感知和敏捷恢复能力，应对各种风险和冲击 [87][92] - **绿色化**：零碳园区将从可选变为必选，政策支持和监管加强促使园区实现零碳转型；通过能源结构转型、高效能源管理和可持续生产生活方式，实现碳中和目标 [99][106] 愿景 - **定义**：智能园区是一个全智能、以人为本、绿色低碳的自我进化系统，融合物理、数字和人类空间 [113] - **愿景**：华为致力于将数字技术引入每个园区，实现普遍智能，包括带来数字平台、高速网络等，以及实现智能管理、服务和运营的新模式和新体验 [119][120] 场景 全息AIOC - 实现校园运营的可视化、可管理和可控制，通过全息可视化、智能态势感知和自主精确分析决策，支持校园智能全域管理和高效决策 [129][130] 超智能办公 - 生成式AI将改变校园办公方式，简化办公网络和智能孪生技术使员工能够随时随地高效工作，提供个性化办公服务和沉浸式办公体验 [139][140] 基于智能感知的多区域访问 - 为用户提供跨区域、多场景的优质、高效、便捷访问体验，包括个性化出行规划、智能停车和无缝访问服务，以及为访客提供沉浸式导航和无人班车服务 [146][147] 全自动资产运营 - 校园数字平台实现全领域资产可视化、远程管理和数据清洁，提高资产运营效率和价值，通过AI实现资产全生命周期运营分析和预测性维护 [155][156] 多元素联动物流调度 - 构建三维高效物流管理系统，实现人、车、货、场的协同，通过AI和物联网技术实现实时物流调度和精确决策，提高物流效率和安全性 [161][162] 10Gbps高可靠生产 - 基于工业智能计算边缘和确定性生产网络，重塑工业控制和传感系统，确保稳定生产和加速创新，提高人机协作效率和生产力 [172][173] 数字健康服务 - 利用优质健康资源提供全息和虚拟健康服务以及智能急救服务，实现校园全生命周期健康管理，提供个性化、便捷、准确的健康服务 [178][179] 超沉浸式交互 - 通过10GE超高速网络和空间交互技术，打破维度边界，提供跨时空和媒体的沉浸式交互体验，包括虚拟数字人、全息投影等应用 [183][184] 元宇宙生活 - 利用10GE高速网络和智能孪生构建沉浸式虚拟世界，提供独特的娱乐和消费体验，包括AR消费场景和虚拟购物体验 [192][193] 智能能源管理 - 整合数字和能源技术，实现全生命周期零碳管理，优化能源运营和决策，通过AI预测系统和智能微电网实现能源高效利用和碳中和 [198][199] 关键技术特征与参考架构 关键技术特征 - **智能孪生**：包括数字孪生、认知智能和灵活资源，通过建立物理和数字空间的数字孪生，实现对物理空间的智能认知和资源灵活调度 [213] - **空间交互**：包括人机协作、沉浸式体验和空间AI计算，实现人机协作和沉浸式体验，推动校园智能化发展 [246] - **泛在智能连接**：包括多维感知、通信与感知协同和边缘智能，实现万物智能连接和数据实时处理 [211] - **意图驱动的超宽带**：包括100Gbit/s连接、确定性网络和按需服务，提供高速、可靠的网络连接和按需服务 [211] - **安全与弹性**：包括数据安全、计算能力安全和弹性系统，保障校园数据和系统的安全可靠 [211] - **全领域零碳**：包括光电重构、极致碳效率和智能微电网，推动校园能源结构转型和碳中和目标实现 [211] 参考架构 未提及具体总结内容

报告行业投资评级 未提及相关内容 报告的核心观点 报告指出智慧公路是未来公路发展方向，各国积极开展技术研发与示范推广工作。通过分析全球智慧公路发展现状和业务需求，针对面临的挑战，提出包含“智能交互、智能联接、智能中枢、智慧应用”四层的技术参考架构，旨在帮助全球客户建设智慧公路数字化、智能化体系[16][17]。 根据相关目录分别进行总结 现状和趋势 - 各国出台中长期规划，开启公路智慧化新篇：欧盟、日本、韩国、新加坡、中国等国家和地区纷纷出台相关规划和政策，开展智慧公路技术研发与应用；南非、北非公路建设处于初期，中东地区城市智慧交通工程有待完善[19][20][21] - 标准先行，总体处于起步阶段：国际上聚焦相关技术研究和标准制定，但缺乏整体协同应用标准；中国智慧高速标准化工作处于起步阶段，部分省市编制了建设指南和地方标准[25][26][28] - 聪明的车、智慧的路，加速交通行业产业升级：未来公路交通基本形态是“聪明的车 + 智能的路”，需建设互联互通畅行数字化路网，应用智慧云控平台决策道路运行，构建多应用多层次服务体系[29][30][32] 需求和挑战 - 智慧公路的内涵：空间连通、信息互通、要素融通：智慧公路是传统公路与新一代信息技术深度融合的新型基础设施，核心是交通要素的感知化、互联化和智能化，包含空间连通、信息互通、要素融通三层内涵[35][36][37] - 安全、效率、绿色、服务，智慧公路建设的共性需求：公路业务需求分为安全、效率、绿色、服务四个层次，安全需求是根本，效率需求是关键，绿色需求是可持续发展要求，服务需求是核心保障[40][42][47] - 新技术赋能传统交通工程，是智慧公路的主要挑战：全球智慧公路建设在智能感知、智能联接、智能决策和智能应用方面存在挑战，如道路基础设施信息化程度低、车路网联化程度低、新技术应用普及程度低等[55][56][57] 体系架构 - 理念：通过场景找技术，解决客户问题，创造价值：华为聚焦智慧公路业务场景，通过场景找技术，整合原子能力，联合合作伙伴打造解决方案，创造业务价值，实现可持续发展[59] - 参考架构：云、网、边、端全面协同的智能化体系：智慧公路整体架构形成“智能交互、智能联接、智能中枢、智慧应用”四层架构，构建“云、网、边、端”全面协同的智能体系；智慧高速打造“感 - 联 - 算 - 控”能力，城市交通治理打造“采 - 传 - 研 - 用”能力[62][66][68] - 实施路径：智慧高速从路网感知到路网认知，最终达到智慧路网；城市交通采用小步快跑策略，从价值场景入手，逐步实现全业务智慧[73][75][79] 关键技术 - 全息感知，提升路网数字化感知能力：包括软件定义摄像机、毫米波雷达、雷视拟合等技术，实现路网数字化感知[82][83][86] - 设备互联互通，助力公路机电设备智能化升级：基于 OpenHarmony 的智慧公路操作系统，实现设备智能化互联互通，提升管控、运维效率[95][96][97] - 高效联接，打造低时延、高可靠、易运维的网络环境：包括 F5G 城市全光路口、高速公路沿路通信网、SD - WAN 等技术，提供高效联接[98][99][102] - 智能边缘计算，计算更实时，前端更智能：边缘计算减少数据传输，促进资源有效利用，支持异构计算和端边云协同[110][113] - 智能中枢，实现实时预测、精准管控：构建统一智慧云控平台，包括云计算平台、时空大数据、人工智能等，实现实时预测和精准管控[114][115][121] - 数字能源，使能智慧公路绿色低碳转型：包括智能光伏、智能充电网络、数据中心能源等技术，助力智慧公路绿色低碳转型[125][126][129] 生态体系 - 以成就客户为使命，共创共赢的生态合作理念：华为以成就客户为使命，联合生态伙伴协同作战，打造智慧公路数字化转型解决方案[135][136] - “平台 + 生态”战略，构建可持续发展的生态体系：华为坚持“平台 + 生态”战略，构建开放平台，与伙伴建立合作共赢关系，构建可持续发展的生态体系[137] - 多样化的生态伙伴，丰富全球智慧公路生态：华为的生态伙伴包括解决方案伙伴、销售伙伴、服务伙伴、投融资伙伴等，与伙伴合作在多个国家交付项目[140][141][143] 建设实践 - 雷视感知 + 数字孪生拟合新技术，打造全息智慧隧道：在中国甘肃乌鞘岭隧道应用相关技术，提升隧道应急处置效率与防灾减灾能力[145][146][148] - 随路无线和传输网络，满足视频回传和应急通信需求：华为为 B 国公路提供网络解决方案，满足视频回传和应急通信需求[149] - 太阳能供电和微波传输，实现高速超远、超宽网络覆盖：华为为 K 国公路提供太阳能供电和微波传输方案，实现超远、超宽覆盖[150]

报告行业投资评级 未提及 报告的核心观点 随着金融业务数字化转型，金融机构采用云原生技术改造业务，核心业务上云使金融云平台重要性提升，对其稳定性和可靠性要求更高，强大的运维体系是保障云平台稳定性的有效手段。华为云基于自身经验和实践，积累主机上云场景的运维核心能力，沉淀构建现代化运维能力的路径和方法，助力金融企业实现主机业务全面云化 [7][8]。 根据相关目录分别进行总结 主机上云带来的运维新挑战 - 挑战1：核心应用上云后可用性管理面临成本、技术和管理三重挑战，需平衡高可用投入与产出，让现有技术发挥最大效能，并匹配管理手段与工具 [15][16] - 挑战2：云平台技术栈增厚，传统IT运维方式受冲击，需统一管理软硬件运维对象，汇聚和分析运维数据，构建全链路故障感知和全栈故障可视的运维体验 [17][18] - 挑战3：金融领域提出核心业务“1 - 5 - 10”目标，需解决少出问题、快速恢复故障和解决云网络问题等关键问题 [20] - 挑战4：主机上云过程中，应用与云平台运维受运维安全和租户安全双重挑战，运维安全存在意识不足、管控技术手段不足和权责不匹配等问题，租户安全面临攻击无法避免、防护难以全局统筹和威胁处置缓慢等挑战 [23][24][27] 主机上云运维现代化核心能力 平台运维现代化 - 全链路运维监控：构建从应用到云平台的全栈感知能力，包括终端、应用、PaaS实例和IaaS基础设施四层可观测体系，实现极简信息汇聚，提升运维体验和故障处理效率 [33][39][61] - 确定性故障恢复：基于云服务故障模式基线库对云服务实例进行全面诊断，通过云网一体化运维实现应用、虚拟链路、物理路由的一致性监控和运维 [64][79] - 预见性风险治理：分为运行态风险预防、变更风险控制和未知风险挖掘三部分，通过建立风险主动预防体系、变更模型和风险规则机制以及混沌工程来实现 [95] 应用运维现代化 - 运维规划前置到设计阶段：业务可靠性源于运维与设计融合，需进行业务容灾等级评估、选择容灾策略，并持续治理应用高可用 [131][132][135] - 借助运维数仓构建应用可用性监控管理体系：通过运维数仓汇聚运维数据、搭建业务指标体系和设计端边纵向可观测体系，实现业务故障实时感知定界 [136][138] 安全运维现代化 - 全视角运维安全体系设计：对运维过程进行无死角安全管控，包括事前权限规划和管理、事中运维操作管控以及事后运维操作审计与分析 [38] - 体系化、智能化安全运营：构建完整的安全防护体系，端到端保障云租户安全 [38]

报告行业投资评级 未提及 报告的核心观点 报告聚焦金融行业主机上云带来的运维挑战，华为云基于自身经验沉淀运维核心能力与方法，旨在助力金融企业实现主机业务全面云化，围绕核心系统云平台运维、应用运维及安全运维构建云运维保障能力，支撑金融核心应用迁移上云后的稳定运行，推动金融机构深化数智业务创新[7][8][31] 根据相关目录分别进行总结 主机上云带来的运维新挑战 - 挑战1：核心应用上云后可用性管理面临成本、技术和管理三重挑战，需平衡高可用投入与产出，让现有技术发挥最大效能，并匹配管理手段与工具[15][16] - 挑战2：云平台技术栈增厚，传统IT运维方式受冲击，需统一管理软硬件运维对象，汇聚分析运维数据，构建全链路可视运维体验[17][18] - 挑战3：金融核心应用运维需实现“1 - 5 - 10”目标，要解决少出问题、快速恢复故障和解决云网络问题等关键问题[20] - 挑战4：主机上云过程中，运维安全面临意识不足、管控技术手段不足和权责不匹配等挑战，租户安全面临攻击无法避免、防护难统筹和处置缓慢等挑战[24][27] 主机上云运维现代化核心能力 平台运维现代化 - 全链路运维监控：构建从应用到云平台的全栈感知能力，分层设计核心应用可观测体系，实现极简信息汇聚，提升运维体验和故障处理效率[33][42][61] - 确定性故障恢复：基于云服务故障模式基线库诊断云服务实例，通过云网一体化运维实现应用、虚拟链路、物理路由的一致性监控和运维[65][79] - 预见性风险治理：分为运行态风险预防、变更风险控制和未知风险挖掘三部分，通过建立风险主动预防体系、变更风险控制机制和混沌工程挖掘未知风险[95][104][117] 应用运维现代化 - 运维规划前置到设计阶段：进行业务容灾等级评估和策略选择，持续治理应用高可用，保障业务可靠性[131][134][135] - 借助运维数仓构建应用可用性监控管理体系：通过运维数仓汇聚运维数据、搭建业务指标体系和设计端边纵向可观测体系，实现业务故障实时感知定界[138] 安全运维现代化 - 对运维过程进行无死角安全管控，实现事前权限规划管理、事中操作严格管控和事后操作审计分析，构建租户安全防护体系[38]

报告行业投资评级 未提及 报告的核心观点 报告围绕大模型混合云的十大创新技术展开，分析各技术业界难题，介绍华为云对应解决方案及价值收益，助力政企行业实现AI智能化规模化应用，提升大模型训练效率、精度、稳定性和安全性等[17][37][51] 根据相关目录分别进行总结 多样性算力调度 - 业界难题：异构算力管理、分布式训练调度、AI资源碎片、推理算力利用率提升、AI算力多团队共享等存在挑战[17][18][19] - 解决方案：基于云原生集群管理框架和Volcano调度框架，实现分布式AI任务调度增强，做逻辑子池、队列优先级等创新优化；引入K8s的Device - plugin调度插件框架和AI异构算力插件；设计Volcano调度框架实现组调度功能并增强；开发增强调度逻辑实现NPU算力切分[22][27][28] - 价值收益：实现x86、ARM、GPU、NPU统一纳管调度，千亿模型训练算力利用率达47% [33][34][35] 云边协同 - 业界难题：AI大模型应用于工业场景时，需解决规模化部署与运维效率问题，构建异常样本反馈与模型快速迭代机制[37] - 解决方案：华为混合云推出云边协同方案，支持中心训练、边缘推理以及模型边学边用、持续迭代；提供统一的部署、管理、运维能力；基于云边协同架构实现模型边用边学[39][42][44] - 价值收益：可纳管10万 + 边端推理设备，模型一键式部署达分钟级，模型精度提升20%，边缘推理低时延达毫秒级[48] AI - Native存储 - 业界难题：海量小文件加载慢，故障影响大、恢复慢，传统存储架构难以应对超大规模AI集群数据快读、Checkpoint快存、故障快速恢复需求[51][54] - 解决方案：基于OBS数据湖、SFS Turbo高性能并行文件系统和AI Turbo加速的创新三层架构；SFS Turbo加速训练数据集访问，AI Turbo加速训练检查点保存和加载[55][56] - 价值收益：亿级训练原始数据加载效率提升20倍，集群故障恢复检查点加载耗时从小时级降至分钟级[63] 增强AI网络 - 业界难题：大模型训练通信开销占比高，传统ECMP等价路由负荷分担机制在AI场景易造成链路流量不均和网络拥塞[65][67] - 解决方案：基于ROCE无损网络打造全网负载均衡算法，针对单AI训练任务实现网络级负载均衡，通过AI调度平台、网络控制器、设备统一协同实现多任务全网负载均衡[71][72][75] - 价值收益：实现无损大带宽从100G提升到200G/400G，全网有效吞吐从30%提升到95%以上[78] 算子加速 - 业界难题：未经调优的模型性能差、开发效率低，昇腾算力无法充分释放，算子开发门槛高[80][84] - 解决方案：围绕昇腾AI处理器打造CANN异构计算架构，提供融合算子库和AscendC算子编程语言；设计昇腾亲和的算子融合算法，使用AscendC降低算子开发门槛[85][86][91] - 价值收益：常用模型性能提升50%，算子开发周期从2人月降至2人周[95] 全链路数据工程 - 业界难题：数据获取难、质量差、结果不准确，制约数据质量提升[97][100] - 解决方案：从数据获取、加工到利用三个阶段开展技术创新，打造8大工具，包括内部数据集成和外部数据流通工具、智能清洗等加工工具、数据安全等利用工具[101][104][109] - 价值收益：减少50%手工操作，加工效率提升10倍 +，准确率达95% [113] 统一数据编码 - 业界难题：数据种类单一导致预测精度低，数据来源多样使人工适配工作量大，限制预测大模型规模应用[116][119] - 解决方案：创新统一数据编码技术将不同来源数据转换为三元组并按图组织；采用统一预训练大模型架构，盘古预测大模型支持下游任务微调[120][121] - 价值收益：预测精度提升10%，微调上线达天级[123] 精细视觉神经网络 - 业界难题：传统视觉模型泛化能力弱、精度差，高分辨率图像处理效率低[126][127] - 解决方案：创新精细视觉神经网络，通过细粒度图文对齐技术解决特征提取粒度不完整问题，通过视觉空间压缩技术解决高分辨率图像处理效率问题[130] - 价值收益：80% + 场景开箱即用，新场景精度达80% +，训推提速1倍，计算量压缩40% [136] 无感断点续训 - 业界难题：大模型训练故障感知不全且慢，故障恢复仅支持重调度、耗时长[139][140] - 解决方案：创新无感断点续训技术，具备全栈故障模式库和三级自愈架构，实现故障分钟级感知和恢复[144] - 价值收益：覆盖95%常见故障，故障感知和恢复达分钟级[152] 安全护栏 - 业界难题：大模型应用带来Prompt攻击、隐私泄露、内容合规、鉴伪检测等风险[156][159][160] - 解决方案：华为云Stack提供1 + 7安全体系和安全护栏，具备Prompt攻击检测、隐私检测脱敏、内容合规检测、生成式AI鉴伪能力[161] - 价值收益：拦截攻击90% +，保护30 + 种隐私数据，拦截95% + 不良内容，鉴伪响应达毫秒级[174]

纪要涉及的行业和公司 - **行业**：自动驾驶、智能车、汽车零部件、报款车、汽车座椅 - **公司**：比亚迪、长安、小鹏汽车、华阳集团、德塞西威、均胜电子、沪光股份、瑞鹄模具、旭升集团、拓普集团、新泉股份、行动科技、积峰股份、上海延浦、天振资控 纪要提到的核心观点和论据 自动驾驶行业 - **核心观点**：2024 - 2025年策略是all - in自动驾驶，行业处于早期且趋势在加速 [1][2][5] - **论据**： - 自动驾驶技术进步与AI和Deep - Seek密切相关，能力以每年十倍提升，有质的飞跃，国内过了VC1未过VC2，接近V3，性能从可用到接近好用 [2][3] - 技术升级使自驾成本下降超50%，从五六万降至两万以内，推动渗透率提升，高阶制造功能渗透率2025年突破10%，未来两到三年从10%提升到40% - 50% [3][4] - Deep - Seek在自动驾驶领域逻辑与HII领域匹配，提升性能、降低成本，加速渗透率提升的两大核心推动力 [7][10] 整车公司 - **比亚迪**： - **核心观点**：四季度受点五技术推动插混车销量提升，2025年高阶智驾大规模上车，有多种车型策略，第二代刀片电池上车提升竞争力 [30][31][34] - **论据**：点五技术二季度末推出后，三四季度插混车销量同比持续提升；2025年秦、汉、唐等车型可能选配高阶智驾方案，老款车型有降价或加量不加价策略；第二代刀片电池能量密度提升35%，综合续航超1000公里 [30][31][34] - **长安**： - **核心观点**：四季度销量环比增长好，深蓝和阿维塔有销量目标和增长潜力，M9和N8有竞争力 [35][36][38] - **论据**：起源、阿维塔和深蓝销量环比明显增长；深蓝销量目标相比去年翻倍，阿维塔明年销量目标翻倍，推出Avita06预计带来销量增量；M9预计今年达一万五左右，N8有望达两万左右 [35][36][38] - **小鹏汽车**： - **核心观点**：2024年Q4销量和股价亮眼，2025年有望盈利，有多款潜力车型，核心经营能力强 [45][46][47] - **论据**：2024年Q4交付量约九万一千辆，全年收入预计四百亿以上；2025年交付量有望接近五十万，收入九百到一千亿并迎来收支平衡和利润拐点；G7、P8、G01等车型有爆款潜力；可支持纯视觉程序高阶自驾，将自驾功能标配提升竞争力 [45][46][47][48] 零部件公司 - **华阳集团**： - **核心观点**：Q4配套销量收入超预期，2025年收入和利润有不错增速 [49][50][52] - **论据**：业务覆盖座舱中控、抬头显示等，Q4深蓝S05等车型销量好；2025年中控业务维持，座舱预控产品出货量和收入翻倍，HOD和数字声学有增长，预计收入130亿以上，净利润九到十个亿 [49][50][52] - **德塞西威**： - **核心观点**：未来前景好，业绩有望维持30% - 40%增速 [52][53] - **论据**：是智能化领域国内龙头，配套国内头部车企，高阶智驾渗透率增长，支架相关配置量增长可观 [52][53] - **均胜电子**： - **核心观点**：业绩有不错表现，未来成长性好，估值便宜 [54][55][56] - **论据**：业务包括座舱和汽车安全功能件、汽车电子，优化利润率目标在落地；拿到国内自主头部新势力百万辆车车身预控定点，布局无线充电和机器人业务 [54][55][56] 报款车公司 - **沪光股份**： - **核心观点**：业绩增长确定性高，有竞争力和大客户，赛道空间大 [59][60][62] - **论据**：主要大客户有3D4、理想、特斯拉等，2025年核心看点是M8配套线束；未来乐道16单车价值量有望达5000左右；预计2025年经营利润达七个亿，经营利润率接近10% [59][60][62] - **瑞鹄模具**： - **核心观点**：业绩增长确定性高，大客户结构好，有新增长曲线 [63][64][65] - **论据**：汽车零部件客户单带来增长，R7和S7增程款贡献增量；铝合金高压铸造和重压业务稳定增长，模具毛利率提升；布局机器人产业化，有望改变收入结构 [63][64][65] 汽车座椅公司 - **积峰股份**： - **核心观点**：有望成长为全球化平台性座椅龙头 [73][74] - **论据**：2024年亏损因非经常性事件，利空逐渐缓释；乘用车座椅定点稳步推进，拓展智能座舱业务且已扭亏为盈 [73][74] - **上海延浦**： - **核心观点**：有望在乘车座椅赛道破局，驱动估值体系重构 [75][76][77] - **论据**：是国内汽车座椅细分龙头，拓展铁路业务；2024年为多款爆款车提供座椅，拿到多个座椅总成定点；预计2025年营收31亿元，净利润2.07亿元，净利率提升到6.6% [75][76][77] 其他重要但是可能被忽略的内容 - 2024年四季度汽车行业内需受渔人换运政策刺激增长多，出口虽受海外关税影响但增速仍好于国内，新能源车销量团体大幅增长 [19][20] - 政府积极推动移动环境政策落地，2025年地方政府政策预计拉动一千万左右更新水平 [25][26] - 智能化2024年是元年，2025年加速渗透，高阶智驾需在主流价位降本加速渗透，比亚迪和小鹏推动作用大 [27][28][29]

报告行业投资评级 未提及 报告的核心观点 AI发展与数据基础设施紧密相关，数据基础设施成为大模型发展基础和AI时代国家重要竞争力，打造“AI - Ready”的数据基础设施是产业战略选择，其应具备开放互联、智能敏捷、安全合规、可持续绿色等特征，同时针对AI大模型数据基础设施实践中的挑战提出了相应建议，并阐述了其在智算中心、云和互联网、边缘训推等场景的参考架构及特征 [13][15][16] 根据相关目录分别进行总结 AI大模型加速行业智能化转型 - 人工智能经历三次发展高潮，当前处于第三个阶段，Transformer大模型推动深度学习发展，成为AI新范式 [21] - OpenAI推出ChatGPT和Sora，Sora使AI大模型向多模态发展，对数据基础设施提出高挑战 [22] - AI大模型应用场景丰富，加速向各行业渗透，实现多场景覆盖等，推动行业从专用领域向通用领域发展 [21][23] - 各行业积极探索大模型应用场景，在提升运营与开发效率、金融产品营销能力、风险处置能力、使能新业态等方面显现价值 [25][26] - AI大模型发展面临企业数据管理、行业需求差异、计算资源限制、模型可解释性等挑战，企业需构建AI - Ready数据基础设施 [33][34][35] AI大模型数据基础设施实践中的挑战与建议 - 数据资产管理挑战：数据类型多、标准化难，企业技术能力有限，存在数据质量不高、孤岛严重等问题，建议构建“AI数据湖”和统一数据管理平台 [38][39][40] - 集群可用度挑战：算力浪费严重、建设和能耗成本高，集群可用度普遍不足50%，建议走出堆砌GPU算力误区，构建强一致高性能集群存储系统等 [42][45][48] - 数据一致性挑战：体现在AI训练各环节，影响Checkpoint保存与恢复效率等，建议构建强一致高性能集群存储系统，提升运维管理效率 [42][44][50] - 数据安全挑战：勒索软件变种增多、AI系统漏洞增加、数据资产化引发勒索形式多样、数据投毒危害大，建议加强AI系统韧性，守护高价值数据资产等 [52][53] AI - Ready的数据基础设施的特征与参考架构 - 定义与特征：专为AI应用和服务设计，具备大规模数据归集和预处理、高性能和强一致、超强韧性、内生数据安全等特征 [58][62][65] - 三大应用场景及参考架构 - 智算中心场景：承载重要训练数据，对存储容量和性能要求高，面临数据膨胀、数据孤岛、集群同步等挑战，建议采用AI数据湖解决方案，具备统一命名空间、EB级扩展及智能分级、数控分离架构等特征，管理运维平台应具备全栈管理能力 [66][68][73] - 云和互联网场景：云与互联网企业是AI前沿探索建设者，数据基础设施面临支撑集群大规模训练、实现高稳定性、低成本快速扩展等挑战，应具备全局负载均衡、端到端NVMe连接等关键技术和高带宽性能等特征 [82][83][87] - 边缘训推场景：企业应用AI改造收敛到RAG，数据基础设施需为各过程提供资源，具备海量硬盘状态检测、高度冗余保护、开放架构、高密设计等关键技术 [89][90]

行业或公司 * 华为生态圈 * 江淮汽车 * 赛力斯 * 戴森 * 齐威 * 北汽 * 宝马 * 奥迪 * 保时捷 核心观点和论据 * **华为生态圈持续扩容**：华为与多家车企合作，包括江淮、戴森、齐威、北汽等，合作模式包括自显车模式、华为insight模式和零部件模式。 * **华为汽车生态的成功**：赛力斯的成功为华为汽车生态树立了成功的样板，预计后续车企与华为的合作将更加紧密。 * **电动汽车下半场拥抱智能化**：电动汽车下半场必须拥抱智能化，华为在自动驾驶综合能力上具有明显优势。 * **华为造车模式**：华为有三种造车模式，包括与车企合作开发车型、提供零部件和平台技术支持。 * **江淮汽车与华为合作**：江淮汽车与华为合作开发百万级别的超高端车型，包括S800和G8S。 * **华为智能技术平台**：华为智能技术平台覆盖B级到D+级，适配车型包括轿车、SUV和MPV。 其他重要内容 * **华为insight模式**：华为insight模式是一种更松散的零部件模式，主要提供驾驶、自驾和智能座舱三个域的技术支持。 * **尊贵S800**：尊贵S800是江淮汽车与华为合作开发的百万级别的超高端车型，定位高端轿车市场。 * **江淮汽车与华为合作历程**：江淮汽车与华为合作历程包括签署合作协议、M5交付市场反馈良好、M7改款后市场反响积极等。 * **百万级别轿车市场**：百万级别轿车市场消费者更看重品牌、调性和智能化配置。 * **华为汽车生态未来发展**：华为汽车生态未来发展前景广阔，团队对后续发展充满信心。 数据和百分比 * **S800销量**：1.6万辆左右 * **M7改款后股价涨幅**：187% * **M7利润增长**：非常强的增长 * **M9首发市场反响**：市场有一定的反响

行业或公司 * 华为汽车产业链 * 江淮汽车 * 北汽蓝谷 * 长安汽车 * 后光股份 * 上海严浦 * 瑞虎模具 * 电源技术 核心观点和论据 1. **华为汽车产业链强势**：2024年华为汽车产业链整体表现强势，市值合计上涨1500亿，其中智选车型市值占比约10-13%，销量占比约10-13%[2][3]。 2. **整车和零部件推荐**：建议从整车到零部件投资，整车推荐江淮汽车、北汽蓝谷和长安汽车，零部件推荐后光股份、上海严浦、瑞虎模具和电源技术[2][16][17]。 3. **产品周期**：2025年华为汽车将推出更多车型，覆盖全价格段，提升品牌认知度[5][6]。 4. **自动驾驶**：2025年是自动驾驶大年，特斯拉和华为的竞争将推动支架普及率提升[9][10]。 5. **自主化突破**：华为在操作系统、芯片和大模型方面的突破将提升智能座舱和自动驾驶能力[11][12]。 6. **投资建议**：整车推荐江淮汽车、北汽蓝谷和长安汽车，零部件推荐上海严浦、沪光股份、电联技术和瑞虎模具[16][17][21]。 其他重要内容 1. **政策背景**：2025年政策将继续支持汽车消费，汽车板块将是核心着力点[4][5]。 2. **华为能力**：华为在车端智能座舱和驾驶技术方面处于国内领先地位，具有竞争优势[6]。 3. **车型布局**：华为智选车型已布局全价格段，包括中高端SUV、纯电轿车和行政轿车[7]。 4. **零部件增长**：零部件标的受益于汽车增长和单车价值量提升[18][20][22]。

行业投资评级 - 报告未明确提及行业投资评级 [1] 核心观点 - 智能化时代，光通信产业面临三大挑战和机遇：算力承载网如何使能以网强算、宽带网络如何满足智能应用的确定性体验要求、如何支撑行业的数智化转型 [7] - 光通信产业将迎来十大发展趋势，包括数据中心架构演进、城域网低时延入算、智算集群光电混合组网、光接入网迈向50G PON和Wi-Fi 7时代等 [10] 光网络十大趋势 趋势一：数据中心架构演进 - 智能应用驱动数据中心向多层次、分布式架构演进，骨干网将走向400G立体联算，实现6个9高可靠无阻塞的高品质算间互联 [13] - 2030年AI将贡献72%新增网络流量，AI流量年增长超过36% [13] - 全球超大型数据中心数量将突破1000个，边缘数据中心同步快速增长 [17] 趋势二：城域网低时延入算 - 智能应用发展对入算网络联接品质要求越来越高，城域网将走向1ms一跳入算 [22] - 2024年全球16%智能手机出货为AI手机，2028年将激增至54% [22] - 端云协同智能应用将带来流量快速增长，如Apple Intelligence模型推理依赖云端算力 [23] 趋势三：智算集群光电混合组网 - 智算集群需突破传统交换机网络带来算力规模和功耗限制，走向光电混合DCN组网 [39] - 过去五年算力需求增长2000倍，单卡算力仅增长47倍，需通过DCN组网能力弥补剪刀差 [39] - 传统交换机堆叠组网面临能耗高、时延大、Hash冲突等挑战 [44] 趋势四：光接入网迈向50G PON和Wi-Fi 7 - 光接入网正加速迈向50G PON和Wi-Fi 7时代，实现从千兆到家向万兆到房升级 [48] - 全球光纤宽带用户已超10亿，千兆家宽用户数超过2亿 [50] - 2025年全球云游戏目标用户达4.649亿，市场空间81.7亿美元 [50] 趋势五：光接入网确定性体验 - 智能应用涌现要求品质可保障的泛在算力接入，驱动光接入网架构从"尽力而为"走向"确定性体验" [57] - 4K云电竞业务需要接入网提供可保障的300Mbps带宽和确定性5ms时延保障 [57] - 3D高清直播业务要求从直播基地到边缘云有可保障的500M上行带宽 [58] 趋势六：FTTR全光底座演进 - Apple Vision Pro革新家庭娱乐体验，加速FTTR全光底座向FTTR+X智慧家庭中枢演进 [64] - Apple Vision Pro对网络下行带宽要求316Mbps，端到端网络时延要求≤15ms [64] - 云NAS是家庭场景蓬勃发展的主流智能应用，边缘云NAS主打下行不限速体验 [65] 趋势七：光网络AI智能化升级 - 光网络管控平台需引入AI技术实现智能化升级和用户体验保障 [71] - 91%运营商已启动网络智能化升级，全球十多个头部运营商发布2025-2027年实现L4自智网络目标 [71] - 58%家宽用户体验问题靠用户投诉发现，57%企业用户投诉因业务中断或SLA不达标引起 [72] 趋势八：全光园区2.0 - 光进铜退正在从家庭走向园区，全光园区2.0构建园区数智化底座 [86] - Wi-Fi 7时代，园区网线必须换成光纤，光纤带宽容量巨大，能最高支持100Tbps [89] - F5G全光园区2.0方案在性能和体验上进行三大升级，大幅提升连接带宽、连接数量和品质体验 [100] 趋势九：行业生产通信网升级 - 光进电退，行业数智化升级催生行业生产通信网新标准fgOTN，加速行业生产通信网升级 [103] - ITU-T在2023年底发布fgOTN标准，明确将其定位为接续SDH的下一代标准技术 [106] - 电力行业未来5年新能源场站总装机容量翻一倍，未来10年翻3~4倍，可达18亿千瓦时 [108] 趋势十：光进人退 - 智能化时代，光纤、视觉、雷达等多维度感知信息，通过AI加持实现更加精准的智能远程作业，实现光进人退 [10]