报告行业投资评级 无相关内容 报告的核心观点 - 制造业面临的主要挑战包括劳动力短缺、数据管理、中小企业数字化转型以及从资本支出(CAPEX)向运营支出(OPEX)的商业模式转变 [4][5][6][7] - 协作机器人(cobot)、自主移动机器人(AMR)和移动操纵器为缓解低技能劳动力短缺提供了机会 [5] - 数据整合是制造业实现更高生产率、技术创新和数字化转型的关键障碍,需要简化数据互操作性 [6] - 中小企业面临技能劳动力短缺、缺乏数字化基础设施等问题,需要低代码/无代码的数字化解决方案 [7] - 从CAPEX向OPEX的商业模式转变是一个相对简单但实施起来更加困难的过程,未来将由掌控应用环境的企业主导 [8] 根据目录分别进行总结 最佳3D打印 - 6K利用微波等离子体技术从回收金属粉末制造高质量金属原料 [12] - Caracol是少数能生产大尺寸3D打印零件的公司之一,与KUKA、FANUC和ABB有合作 [12] 最佳自动化与机器人 - 协作机器人(cobot)在机床上料/卸料等应用中很受欢迎,如Hurco的ProCobots解决方案 [13] - igus和Vention等公司提供面向中小企业的一体化自动化解决方案 [14] - 一些公司展示了基于3D扫描的机器人抛光、去毛刺和焊接应用,如Augmentus的"扫描到路径"技术 [14] - 通用机器人(UR)和Rethink Robotics展示了新一代协作机器人,具有更广泛的应用场景 [15] 最佳展台 - FANUC展台最大,展示了新的机器人控制器和一款30英尺高的机器人臂悬挂着红色Corvette跑车 [17] - Haas Automation的展台也很出色,展示了大型CNC机床和F1赛车 [17] 最佳工业人工智能 - 亚马逊网络服务(AWS)和谷歌云展示了如何利用制造全价值链收集的数据点以及人工智能来改善制造和供应链流程 [19][20] - 机器人臂展示了在拥挤的料斗中执行抓取等灵活动作的能力,利用机器视觉和机器学习技术 [20][21][22] 最佳工业元宇宙 - TeamViewer、SolidCAM和微软等公司展示了将人工智能和数据分析融入软件产品的举措 [23][24] - 西门子展示了将NX产品设计软件与沉浸式头显设备结合使用的应用场景 [24] 最佳工业WLAN - Phoenix Contact展示了基于802.11ax的工业WLAN解决方案,可利用6GHz频段提升性能 [26][27] - Phoenix Contact强调WLAN和5G网络的融合潜力 [27] 最佳创新 - Olis Robotics开发了远程监控和遥控机器人部署的解决方案,帮助减少维护支持需求 [29] - Renishaw推出了机器人诊断和校准工具,使终端用户能够独立维护机器人资产 [29] - Hexagon推出的Metrology Mentor自动化测量程序生成工具,可提高新产品引入的质量控制 [29] 最佳机器视觉 - Leela AI展示了利用视频分析提高生产和物流质量的解决方案 [30] - FANUC展示了集成视觉系统的自动化应用,用于检测、拣选/装箱和装配 [30] 最佳制造云和数据管理&集成 - 微软、亚马逊网络服务(AWS)和谷歌云展示了帮助制造商整合信息技术(IT)和运营技术(OT)、打破数据孤岛的云技术解决方案 [31][32][33] - 一些数据运营(DataOps)供应商展示了针对制造环境的数据集成、实时分析和自动化解决方案 [34] - Amper提供的模拟传感器可从老旧设备中提取关键数据,并将其集成到云分析平台 [35][36] 最佳短程无线连接 - 三菱电机的U-WAVE基于Zigbee的无线连接技术,在工业环境下提供更好的性能和电池续航 [37] 最佳软件和部件 - Tulip与Hexagon集成软件,实现CAD/CAM文件与操作工流的连接,并推出基于人工智能的辅助工具 [39] - Autodesk的Fusion平台整合了CAD、CAM、CAE、仿真、MES和PLM等功能 [39] 最佳供应链技术 - Acumatica展示了供应链管理创新,如基于数据的需求预测和仓储调度优化,支持缩短交付时间 [41][42]

报告行业投资评级 - 高盛维持礼来制药(LLY)的"买入"评级 [1] 报告的核心观点 - 礼来制药的新药奇虐拉(donanem)获得FDA批准,标签信息符合预期 [1] - 奇虐拉是一种新型广谱碳青霉烯类抗生素,可用于治疗多种严重感染症 [1] - 奇虐拉的获批有助于礼来制药进一步丰富其抗感染药物管线 [1] 行业概况 - 礼来制药是一家全球领先的制药公司,专注于开发创新型生物制药产品 [1] - 公司在神经科学、肿瘤学、免疫学和心血管疾病等领域拥有丰富的产品管线 [1]

报告行业投资评级 报告未提供行业投资评级。 报告的核心观点 企业视角 1. 企业正面临多方面挑战,包括人才、成本、规模化管理、组织变革、数据控制等,阻碍了企业广泛采用生成式AI [8][9][10][11][12][13][14][15] 2. 生成式AI技术仍需要进一步成熟,包括数据准备、模型优化、部署等多个环节都需要大量时间和资源投入 [22][23][24][25] 3. 企业可采取不同的部署策略,如API服务、第三方托管服务、自主开发应用等,各有利弊 [26][27][28][29][30] 4. 企业采用生成式AI的预期包括提高员工生产力、优化客户流程、开发新产品等,但目前大多局限于内部使用案例 [31][32][33][34][35][36][37][38][39][40] 供给方视角 1. 生成式AI供应链包括硬件、云服务、基础模型开发、MLOps、应用开发等多个环节,参与者众多且竞争激烈 [82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100] 2. 供给方面临的挑战包括成本高昂、竞争激烈、法律风险等 [102][103][104][105] 3. 监管方面,各地区采取不同的监管策略,从鼓励创新到严格限制不等,对企业部署产生不同影响 [106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124] 根据目录分别进行总结 企业视角 1. 企业正面临多方面挑战,包括人才、成本、规模化管理、组织变革、数据控制等,阻碍了企业广泛采用生成式AI [8][9][10][11][12][13][14][15] 2. 生成式AI技术仍需要进一步成熟,包括数据准备、模型优化、部署等多个环节都需要大量时间和资源投入 [22][23][24][25] 3. 企业可采取不同的部署策略,如API服务、第三方托管服务、自主开发应用等,各有利弊 [26][27][28][29][30] 4. 企业采用生成式AI的预期包括提高员工生产力、优化客户流程、开发新产品等,但目前大多局限于内部使用案例 [31][32][33][34][35][36][37][38][39][40] 供给方视角 1. 生成式AI供应链包括硬件、云服务、基础模型开发、MLOps、应用开发等多个环节,参与者众多且竞争激烈 [82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100] 2. 供给方面临的挑战包括成本高昂、竞争激烈、法律风险等 [102][103][104][105] 3. 监管方面,各地区采取不同的监管策略,从鼓励创新到严格限制不等,对企业部署产生不同影响 [106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2] 核心观点 - 美国政府和行业正在推动动态频谱共享（Dynamic Spectrum Sharing, DSS）作为未来频谱管理的核心策略 动态频谱共享将允许不同用户在同一频谱上和谐共存 从而提高频谱利用率并减少干扰 [2][3][15] - 当前的频谱管理机制（如CBRS框架）存在效率低下和干扰管理不足的问题 需要更先进的实时干扰管理工具来优化频谱使用 [14][23] - 动态频谱共享将支持多代网络技术（如4G 5G Wi-Fi）在同一频谱上同时运行 从而降低部署成本并提高网络效率 [18][19] 频谱分配与利用现状 - 美国频谱分配主要分为两种模式：公共频谱（严格分配给移动网络运营商MNOs）和共享频谱（与军事或海军系统并行运行） [6] - 当前的频谱分配机制存在效率低下的问题 例如MNOs可能获得全国范围的频谱 但不会在全国范围内部署网络 导致频谱利用率低下 [7] - 共享频谱（如CBRS）虽然更具响应性 但仍采用静态的干扰管理方式 无法实现理想的频谱利用 [7] 干扰管理现状 - 移动网络运营商（MNOs）通过频率复用 功率控制 自优化网络等技术来管理干扰 但这些方法仍然是半静态的 无法实时应对复杂的无线电环境 [9][10] - CBRS框架通过频谱接入系统（SAS）管理干扰 但当前的干扰检测和缓解过程需要长达24小时 无法满足实时需求 [13][14] - CBRS系统中的GAA网络可能相互干扰 且与C波段之间没有保护带 导致通信质量下降 [12] 动态频谱共享的必要性 - 动态频谱共享将允许频谱资源根据实时需求和流量模式进行调整 从而提高频谱利用率 并支持更多用户和新型用例 [16] - 动态频谱共享可以支持多代网络技术（如4G 5G Wi-Fi）在同一频谱上同时运行 从而降低部署成本并提高网络效率 [18] - 动态频谱共享将支持更细粒度的频谱分配 使监管机构能够根据市场条件快速调整频谱分配 [20] 实时频谱管理 - 当前的CBRS框架在协调主要用户 PAL许可证持有者和GAA用户方面效率低下 动态频谱共享将允许更灵活的频谱分配 减少干扰并提高网络效率 [21][22] - 动态频谱共享将支持实时干扰检测和缓解 从而优化网络性能并支持关键任务应用 [23] 动态频谱共享的技术实现 - Digital Global Systems（DGS）的动态频谱管理系统（DSMS）通过实时测量射频环境 结合AI/ML模型 提供全面的干扰管理和频谱优化解决方案 [24][25] - DSMS系统通过云处理和集中算法 提供近乎实时的频谱资源监控 从而优化网络性能并减少部署成本 [26][27] - DSMS系统能够收集和分析底层数据 提供长期的数据存储和分析能力 支持基于证据的决策制定 [29][30] 未来展望 - 动态频谱共享将成为未来频谱管理的核心 支持更高效的频谱利用和网络部署 特别是在GAA部署中 [32][33] - 动态频谱共享将支持数字社会的进步 并成为国家频谱管理战略的重要组成部分 [33]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2] 核心观点 - 车队管理软件行业正面临复杂挑战 包括司机短缺 燃料成本波动 运输延误和监管压力 车队管理者正通过数字化和投资车队管理解决方案来应对这些挑战 [4] - 车队管理软件投资持续增长 82.4%的受访者表示其车队和运输跟踪中手动记录的比例低于50% 54.7%的受访者手动记录比例低于30% [5][6] - 车队管理者面临的主要挑战包括最大化车辆使用率 从可用数据中获取价值 提高收入和运营效率 以及满足内部可持续性目标和监管要求 [2][8][13][16] 关键挑战 最大化车辆使用率 - 司机供应减少与运输需求增加之间的矛盾导致车队供应与运输需求之间的差距扩大 需要最大化可用劳动力和车辆容量 [8] - 车辆利用率相关的KPI是受访者最不满意的 33.9%的受访者表示减少停留时间的KPI未得到很好满足或完全未满足 [9] 从数据中获取价值 - 资产跟踪技术的普及使公司拥有大量数据 但数据整合和利用能力仍是主要挑战 62.4%的受访者认为"更好的数据能力"是实现供应链和车队可视化的主要障碍 [10][11][12] 提高收入和运营效率 - 55%的受访者将"增加收入"列为车队技术投资的前两大驱动因素 52.1%的受访者将"提高运营效率"列为前两大驱动因素 [13] - 通胀环境和地缘政治事件导致产品基础成本上升 物流运营需要提高效率以维持最终消费者价格 [14][15] 可持续性和监管要求 - 可持续性已成为运营决策的驱动力 34.3%的受访者计划在3-4年内采用电动车 42.4%的受访者计划在5-6年内采用 [17][18] - 车队管理者需要通过缩短行程 减少停留时间 优化库存分配和交通分析等方式实现可持续性目标 [19] 车队管理软件和地图技术 - 实时跟踪和需求/负载规划是车队管理解决方案中最受重视的功能 分别被72.5%和64.8%的受访者列为前三 [20] - HERE Technologies的地图和位置数据解决方案在路线优化和资产利用率最大化方面具有优势 其矩阵路由能力是市场上最接近竞争对手的两倍以上 [22][23] 关键考虑因素 - 数据集成和可配置性是关键 73.7%的受访者认为将自身数据集成到车队管理解决方案中非常有价值 [34] - 75.9%的受访者计划增加数据分析能力投资 44.1%将在未来18个月内增加投资 [35] - 持续的技术支持至关重要 44.1%的受访者认为"多用户技术支持"极其重要 [36] 实施障碍 - 成本是采用新解决方案的最大障碍 超过40%的受访者将其列为首要考虑因素 [29] - 79%的受访者倾向于短期合同或按需付费的合同结构 [30] - 缺乏内部专业知识/资源是第二大障碍 实施和持续支持需要直观和用户友好的解决方案 [31] - 寻找相关供应商的困难是第三大障碍 公司需要能够理解其行业并满足其需求的供应商 [32]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2] 核心观点 - 工业运营面临日益严重的网络威胁，尤其是OT（操作技术）环境中的攻击，这些攻击主要源自IT（信息技术）环境，尤其是勒索软件对工业环境造成了毁灭性影响 [3][4] - 75%的组织报告其OT环境遭受过网络攻击，且攻击频率高，显示出OT已成为网络威胁的高价值目标 [5][8] - 70%的OT攻击源自IT环境，表明OT和IT团队需要更紧密合作，以应对网络威胁 [6][9] - 未来两年，OT网络安全支出预计将增长，但实施过程中面临诸多挑战，包括OT和IT团队的孤立和决策不一致 [3][6] - 新兴技术如AI、5G、云计算和远程访问在OT环境中的应用带来了新的安全挑战，但也提供了新的网络安全解决方案 [6][50] 行业趋势与挑战 - 工业运营的数字化转型加速了OT环境的网络威胁，尤其是勒索软件攻击对业务连续性造成了重大影响 [4][5] - OT和IT团队的孤立状态是OT网络安全的主要障碍，40%的受访者表示OT和IT团队之间存在摩擦，仅有12%表示两者合作良好 [9][28] - 未来两年，74%的高管预计OT网络安全监管压力将增加，尤其是在关键基础设施领域 [9][34] - 5G技术的应用被视为OT环境中的重要威胁向量，70%的受访者认为5G设备将成为OT攻击的主要入口 [9][57] - 云计算在OT环境中的应用将增强安全性，80%的受访者认为云架构将在未来3-5年内成为OT的关键技术 [9][53] 技术与解决方案 - AI在OT网络安全中具有双重作用，74%的受访者认为AI攻击是当前的关键问题，但80%的受访者也认为AI将是阻止OT攻击的关键 [9][42] - 零信任（Zero Trust）被认为是保护OT环境的正确方法，87%的工业受访者支持这一观点，但50%的受访者表示实施过程中存在实际障碍 [61][63] - 70%的受访者计划从同一网络安全供应商处整合IT和OT解决方案，显示出OT和IT安全整合的趋势 [65][67] - 远程访问的增加是OT环境中的主要关注点，74%的受访者认为远程访问将继续增长，尤其是在员工和第三方访问方面 [50][52] 供应商选择与市场趋势 - 工业运营商在选择网络安全供应商时，倾向于选择同时具备IT和OT安全经验的供应商，Palo Alto Networks在受访者中占据领先地位 [69][71] - 79%的受访者认为，长期来看，OT和IT安全将由同一解决方案无缝集成和管理 [68] 工业运营商的教训 - 工业运营商应制定全面的网络安全计划，并定期更新，涵盖人员、流程和技术 [73] - 加强OT和IT团队之间的合作，通过联合培训和事件响应演练来缩小知识差距 [32] - 实施零信任架构，确保对OT环境的访问控制和身份验证机制 [73][64] - 增强供应链安全，定期评估承包商和第三方的安全措施 [74]

行业投资评级 - 报告未明确提及行业投资评级 [1] 核心观点 - 工业网络安全面临严峻挑战 75%的组织曾遭受针对其操作技术(OT)环境的网络攻击 其中75%的公司报告频繁遭受攻击 [2] - 工业网络安全解决方案包括风险监控软件 人工智能(AI)和机器学习(ML)算法等 [3] - 数字化为工业公司带来机遇的同时 也增加了网络安全风险 [5] - 工业网络复杂 存在大量连接组件 容易忽视安全漏洞 [6] - 供应链漏洞和第三方供应商风险日益突出 [8] - 遗留系统存在较高安全风险 需要替换或隔离 [9] - 持续监控解决方案对保护ICS/OT环境至关重要 [11] - 减少警报疲劳是工业网络安全的重要挑战 [13] - AI/ML解决方案在异常检测 预测分析 自动事件响应等方面具有优势 [17] - 零信任安全策略被认为是网络安全计划的重要组成部分 [21] 行业挑战 - 连接性威胁 每个连接到互联网的OT/ICS设备都可能成为恶意行为者的网络入口 [5] - 工业网络复杂性 典型工业网络密集 涉及数千个连接组件 容易忽视安全漏洞 [6] - 相互依赖风险 工业部门相互关联 一个业务单元遭受攻击可能影响其他业务单元 [6] - 供应链漏洞和第三方供应商风险 供应链攻击日益普遍 需要确保供应商持续监控安全威胁 [8] - 不同法规和最佳建议 缺乏共识 工业公司难以承诺特定最佳实践 [8] - 遗留系统安全漏洞 遗留系统无法抵御复杂攻击 缺乏最新安全更新支持 [9] 解决方案 - 持续监控解决方案 如Palo Alto Networks的实时网络流量行为监控 深度包检测(DPI)和应用程序可见性 [11] - Cisco的Cyber Vision套件 将网络安全嵌入工业交换机或路由器 [12] - 减少警报疲劳的策略 如使用观察列表识别高风险事件 部署ML 行为分析和自动响应 [13] - Honeywell的Forge Cybersecurity+平台 基于粒度基线算法 适应威胁级别并筛选无关警报 [14] - Claroty的xDome网络安全平台 仅在严重网络风险级别时发送警报 用户可自定义接收的OT活动警报 [14] - AI/ML解决方案 在异常检测 预测分析 自动事件响应 自我优化和修复 高级访问管理等方面具有优势 [17] - 零信任安全策略 永不信任 始终验证网络用户和资产 结合先进加密技术和AI算法 [21] 行业趋势 - 数字化带来机遇 如预测性维护 无缝供应链连接 远程监控 机器人等 [5] - 工业OT团队越来越多地采用新技术 需要警惕网络安全挑战 [5] - AI/ML在工业运营和网络安全方面的应用日益广泛 79%的企业认为AI驱动的安全解决方案对检测和阻止OT基础设施攻击很重要 [17] - 后量子密码学(PQC)时代即将到来 网络安全供应商需要展示量子抗性解决方案 [21] - 随着工业物联网(IIoT)设备越来越多地利用云 云安全必须成为关键焦点 [21]

报告行业投资评级 无相关内容 报告的核心观点 - 工业企业正面临着越来越多的经济、政治、供应链、监管、劳动力和技术相关的挑战[1] - 这些因素都导致工业企业更多地投资数字化转型,以实现供应链和资产可见性的增强、合规性的改善和自动化、劳动力资源的优化以及通过数字孪生、混合现实和机器学习实现更广泛的流程优化[1][2] - 无线物联网设备是数字化转型的基础,包括无线基础设施、物联网网关、控制面板以及各种无线终端设备[4][5][6][7][8] - 这些设备有着不同的性能要求,需要多种无线技术如Wi-Fi、蓝牙、802.15.4和超宽带等来满足[7][8][9][10] 根据相关目录分别进行总结 Wi-Fi技术在工业应用中的演进 - 基于IEEE 802.11标准,Wi-Fi提供高吞吐量、低延迟和短到中距离连接[13] - Wi-Fi 6和Wi-Fi 6E通过引入OFDMA、BSS着色、TWT和波束成形等技术,提高了整体系统性能和单用户吞吐量,并支持高达9.6Gbps的理论峰值吞吐量[15][16][17][18] - Wi-Fi 7将进一步提升吞吐量和降低延迟,支持高达40Gbps的总体容量[17][18] - Wi-Fi 8将专注于更高的吞吐量、更低的最坏情况延迟和抖动、更高的效率和性能[19][20] Wi-Fi在工业应用中的优势 - 可利用现有的Wi-Fi接入点基础设施实现云连接,简化部署并降低成本[23] - 提供持续在线连接,适用于需要远程控制或监控的应用[24] - 覆盖范围较广,可减少中继网关的部署[25] - 芯片和模块广泛可用,性能不断提升,成本不断降低[26][33] - 吞吐量高,可支持从基本传感器到视频流等各种应用[27] - 生态系统成熟,设备互操作性强[28] - 安全性高,得到广泛信任[29] - 全球可用,避免地区限制[29][30] - 多功能,可支持定位和传感等应用[31][32] Wi-Fi在工业应用中的主要机会 - 工业和商业楼宇无线传感网络[35][36][38][39][40][41][42] - 机器人[43][44][45][46] - 工业无线网桥和客户端[44][46] - 人机界面[47][48] - 工业增强现实设备[49][50] - 工业和物流计算设备、扫描仪和可穿戴设备[51][52][53][54] - 商业楼宇自动化控制器[57][58][60][61] - 资产跟踪和实时定位系统[63][64][65][66][67] - 联网工具[69][70][71] - 人员、访客和工人安全监测[72][73] - 智能能源网关[76][77] - 电动车充电基础设施[78][79] - 太阳能光伏系统[80] - 智能零售[81][83][85][86][87][88][89] Infineon的Wi-Fi技术如何推动工业物联网实现其真正潜力 - Infineon是Wi-Fi和其他无线物联网连接技术的市场领导者,拥有丰富的Wi-Fi和蓝牙产品组合[107] - 产品组合包括Wi-Fi 4、Wi-Fi 5、Wi-Fi 6和Wi-Fi 6E解决方案,具有不同的功耗、射频性能、安全性和多无线电共存等优势[108][109][110][111][113][115][116][117] - 针对不同应用场景,Infineon提供从入门级Wi-Fi 4到高性能Wi-Fi 6/6E的全面解决方案,满足工业物联网的多样化需求[109][110][115][116][117] - Infineon的超低功耗Wi-Fi方案通过硬件和软件创新,如数据驱动的算法,可大幅降低功耗,满足电池供电设备的需求[111][112][113][114] - Infineon提供预认证的模块解决方案,可显著降低设计周期的成本和复杂性,加快上市时间[118] [2][3][4][5][6][7][8][9][10][13][15][16][17][18][19][20][23][24][25][26][27][28][29][30][31][32][33][35][36][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][57][58][60][61][63][64][65][66][67][69][70][71][72][73][76][77][78][79][80][81][83][85][86][87][88][89][107][108][109][110][111][112][113][114][115][116][117][118]