核心观点 - 2月权益市场先抑后扬，春节后市场逐步回升，交易热度提升，市场长期趋势未受影响 [1] - 未来一个月将进入经济数据与政策验证阶段，1、2月经济金融数据将奠定全年预期，全国“两会”将确定全年政策基调，3月权益市场机会大于风险 [1] - 结构上建议聚焦热点，短期关注中东局势带来的避险类资产及资源品机会，如贵金属、红利板块、石油石化等 [2] - 中长期把握成长与顺周期两条主线，春季行情中小盘股通常表现更好，成长方向关注人形机器人、计算机、AI，顺周期方向关注资源品及线下服务 [2] 宏观与总量 - **国内宏观**：全国两会即将召开，预计2026年全国GDP增速目标设定为4.5%-5%区间，预计安排赤字率4.0%、新增专项债5万亿、新增超长期特别国债1.5万亿，合计广义财政赤字相对去年新增约1万亿 [7][8] - **海外宏观**：美联储在3月18日FOMC会议上大概率按兵不动，中东局势高度紧张，Polymarket预测3月31日前美军发动打击的概率为61% [7] - **金融工程**：2月以来A股市场震荡上行，行业拥挤度方面，传媒、石油石化、建材、电力设备及新能源、有色金属等行业拥挤度居前，其中传媒行业拥挤度为98.25% [12][14] - **固定收益**：10Y国债收益率自2025年9月以来在1.8%-1.9%区间震荡，预计3-4月降息可期，10Y国债收益率向下突破的概率较高 [15] - **海外市场**：港股短期或维持震荡，长期看好内资定价权提升带来的估值修复，配置建议采取杠铃策略；美股或高位震荡，机构分歧集中于降息节奏与AI板块估值，2026年美国企业综合盈利增长预期为11.95% [20][21][22] 科技与高端制造 - **电子通信**：NVIDIA将在3月15日GTC大会发布新型芯片，AI仍是核心主线，存储产业持续高景气，Trend Force预测2026年DRAM营收预计将飙升56% [24][25] - **计算机**：看好AI算力侧投资机会，并建议关注世界模型领域技术迭代，2026年2月中国AI模型调用量首次超越美国，三周大涨127% [28] - **电新行业**：重点关注氢氨醇、电网、AIDC（AI数据中心），海外关注英伟达GTC 2026大会，国内风电2026-2028年装机预测均为120GW [32][33] - **高端制造**：坚定看好机器人、北美AI产业链、矿山机械三条主线，特斯拉Optimus V3将在2026Q1推出，并计划改造年产100万台机器人的生产线 [35] - **机械制造**：工程机械全面复苏，2026年1月我国挖掘机销量同比增长49.5%，数据中心电力需求增长驱动海外燃机订单增长，GEV FY25Q4燃机订单同比增长74% [41] 大消费与周期 - **汽车行业**：关注机器人产业链投资机会及车端业绩兑现，2026年机器人产业链或为核心投资热点，1月新能源车销量表现疲软 [45] - **银行业**：板块进入“春播”时间窗口，截至2月24日A股银行PB（LF）为0.65倍，平均股息率4.4%，部分优质银行股息率中枢回到5%以上 [48] - **保险业**：资负共振，估值有望上修，2026年1月79家人身险公司合计实现银保新单2126亿元，同比增长27.6% [50] - **房地产行业**：开年以来核心城市二手房市场表现相对更好，2026年1月光大核心15城二手住宅成交面积为1311万㎡，同比+14.3% [53][55] - **金属行业**：继续看好有色板块，截至2026年2月26日SPDR黄金ETF持仓量达1097.9吨，创2021年3月以来新高，看好铜价上行，建议关注紫金矿业、洛阳钼业 [60][61] - **石化行业**：地缘动荡驱动油价景气度提升，2025年1-12月伊朗原油月均产量为326万桶/日，若局势升级可能影响全球原油供应 [66] - **基化行业**：春耕推升农化产品需求，供给侧改革驱动业绩修复，持续关注半导体国产替代，AI算力、数据中心等终端需求带动半导体景气复苏 [69][70]

行业投资评级 - 行业评级：推荐 [3] 报告核心观点 - 报告认为，商业航天已进入商业化新纪元，太空光伏作为AI数据中心与卫星星座的刚需能源方案，需求正迎来爆发，其凭借无遮挡、24小时发电、能量密度高等优势，较地面光伏效率显著提升，并能大幅降低太空数据中心成本 [1][15][20][21] - 报告指出，2026年1月22日，马斯克宣布特斯拉与SpaceX将在未来三年内于美国合计建设每年200吉瓦（GW）的太阳能制造产能，其中SpaceX的40GW产能将主要适配太空光伏需求，为每年部署约100万颗太阳能AI卫星供能 [1][15][22] - 报告强调，中国光伏产业凭借全球92%硅片、超80%电池与组件产能的完整产业链、技术领先及显著成本优势，有望承接马斯克200GW产能计划带来的巨额设备采购需求，并已有多家企业切入SpaceX供应链 [2][16][30][33] - 报告提出，2026年是中国商业航天的“可重复技术突破年”，民营与国家队迎来史上最密集首飞期，可回收火箭技术将重构商业航天经济模型，推动发射成本下降，催生多元应用场景 [4][5][17][37] 根据相关目录的总结 1. 太空光伏“破晓”：商业航天的能源革命与万亿机遇 1.1 商业航天提速，太空光伏打开成长空间 - 商业航天由中美主导，2025年美国发射167次、中国92次，中国商业发射占比超半数，低轨卫星部署加速，SpaceX星链在轨卫星约9400颗，我国也启动国网、千帆等星座计划 [20] - 太空算力成为卫星新应用场景，能解决地面数据中心能耗、散热痛点，并提升单星功率与卫星数量，成为商业航天新增长极，直接拉动太空光伏市场扩容 [20] - 太空光伏年发电小时数、能量密度较地面光伏分别提升7—10倍，理论发电效率远超地面系统，地面光伏年发电小时数通常在1000-2000小时 [21] - 据Starcloud白皮书，在太空部署40MW数据中心（10年运行）总成本约820万美元，相比地面数据中心的1.67亿美元，降低95% [21] - 马斯克推断，到2030年，SpaceX将每年部署约100万颗太阳能AI卫星，届时“部署AI成本最低的地方将是太空” [22][23] - 未来五年待发射超7万颗卫星，将推动太空光伏市场迈入实质性增长阶段 [25] - 太空光伏技术梯队：砷化镓电池主导（转换效率超30%，成本20万-30万元/平方米）；p型异质结电池为商业化过渡期最优解（成本仅为砷化镓的1/3-1/5）；钙钛矿叠层电池为长期替代方案，SpaceX已确定p型HJT电池技术作为大规模量产路线 [1][15][28] 1.2 各国加速布局，中国光伏手握关键筹码 - 全球格局：美国形成SpaceX、谷歌（Project Suncatcher）、亚马逊（Project Kuiper）“三巨头竞速”格局；欧亚推进技术验证（如日本JAXA、欧洲ESA的SOLARIS项目）；中国采用“国家队+民企”协同模式 [2][16][30] - 中国供应链地位：中国光伏产业占据全球92%硅片、超80%电池与组件产能，设备技术领先，据欧盟委员会测算，中国光伏制造总成本较欧洲低35%，较美国低20%，组件成本较美欧产品节约超50% [2][16][33] - 中国企业进展：马斯克团队密集考察中国光伏企业，东方日升已累计向SpaceX交付星链卫星电池片5万片，乾照光电长期供货，赛伍技术供应封装材料，双良节能提供换热器 [30] - 市场机遇：马斯克200GW产能计划对应未来三年年均60至70GW的设备采购需求，利润体量可能达80至100亿元，太空光伏组件单价可达100元/W以上，是地面产品（约0.7元/W）的100多倍，盈利能力显著提升 [30] - 发展阶段：太空光伏处于“工程产品化”向“规模产业化”转型关键期，行业正从规模竞争迈向价值创造新阶段 [2][16][36] 1.3 中国可回收火箭进入密集首飞期 - 2026年多款可回收火箭进入密集首飞验证期：中科宇航“力箭二号”（计划3月首飞，SSO运载能力8吨，LEO运载能力12吨，年内立项4次发射）；蓝箭航天“朱雀三号”（计划第二季度回收试验，第四季度尝试回收复用飞行）；深蓝航天“星云一号”（首飞挑战入轨与回收验证）；天兵科技“天龙三号”、星际荣耀“双曲线三号”等也推进首飞 [5][17][37][39][40][41] - 可回收火箭技术将重构商业航天经济模型，推动发射成本下降，催生卫星组网、太空基建等多元应用场景 [5][17][41] 2. 投资建议（受益标的） - 太空光伏：钧达股份、迈为股份、连城数控、拉普拉斯、东方日升、宇晶股份、捷佳伟创、高测股份、奥特维、晶盛机等 [6][18] - SpaceX及北美供应链：西部材料、信维通信、通宇通讯等 [6][18] - 火箭产业链：航天动力、超捷股份、再升科技、航天机电、航天宏图、高华科技、航天电子、天力复合等 [6][18] - 太空算力：顺灏股份、臻镭科技、普天科技、中科星图、佳缘科技、乾照光电、上海港湾等 [6][19] - 卫星产业链：西测测试、天银机电、信维通信、通宇通讯、中国卫星等 [6][19] - 通信载荷与激光通信：航天电子、烽火通信、新光光电、上海瀚讯、臻镭科技等 [6][19] - 地面站和用户终端：海格通信、北斗星通、硕贝德、华测导航、盟升电子等 [6][19] 3. 本周行情回顾（计算机行业） - 本周（报告期）表现：申万计算机行业周上涨0.62%，低于沪深300指数（上升1.08%）0.46个百分点，在申万一级31个行业中排名第22位 [43] - 年初至今表现：申万计算机行业累计上涨8.61%，排名第14位，高于沪深300指数（上涨1.74%）6.86个百分点 [46] - 个股涨跌：本周计算机板块321只个股中，183只上涨，112只下跌，上涨股票数占比57.01% [50] - 板块估值：SW计算机行业PE（TTM）为93.17倍，高于2010-2026年历史均值61.47倍，行业估值高于历史中枢水平 [61]

公司新品发布 - 公司于2026年春季新品发布会推出AI学习机T90系列，包括T90 Pro和T90 Lite两种型号 [1] 公司战略与愿景 - 公司依托27年AI核心技术积淀与22年教育一线深耕经验，致力于用AI解决学生个性化学习难题 [3] - 公司坚持用AI解决个性化学习问题，而非单纯堆砌课程和题目资源，这一方向已坚持90个月 [7] - 公司致力于用可感知的AI技术，让每个孩子都能拥有懂自己的AI伙伴，实现自信快乐成长 [23] AI个性化学习理念 - 传统班级授课难以精准顾及每个孩子的“最近发展区” [4] - 通过算法和大数据，AI可以1对1精准诊断知识结构，基于“最近发展区”规划专属学习路径，将个性化学习成本大幅降低 [5] - 公司的智慧教育实践已覆盖全国32个省级行政区、5万多所学校，验证了其方法能使学生低效学习下降55%，学习积极性提升29% [7] 精准学功能 - T90系列搭载AI 1对1精准学，旨在帮助孩子“只学该学的课，只做该做的题”，通过“测-学-练”闭环系统快速诊断薄弱项并规划专属路径 [8] - 实测数据显示，相较于传统教辅和网课，同一章节查漏补缺时间减少64%，学会率提升3.1倍 [9] - 公司的精准学拥有三大核心特性：懂本地考情、能跨学段追根溯源、全学科覆盖，并新发布初中语文精准学，实现小初高主要学科全覆盖 [9] 超拟人AI老师 - T90 Pro发布行业首创的超拟人AI老师“晓悦”，提供“错因点拨·个性化讲解”，精准定位错因进行启发式点拨 [14] - 晓悦能像真人一样配合板书沉浸式讲解，随时回应提问，耐心陪伴鼓励 [14] 学科素养提升方案 - 数学思维方面，主张“不教套路，只育思维”，联合华师大推出幼儿“闪电鹿AI思维”，联合北师大打造小学思维提优AI课，并新发布基于教材设计的初中数学思维提优AI课 [15] - 大语文方面，围绕“读写”核心能力，提供阅读理解专项训练、联合北师大研发小学“精读营”以及强调真情实感的AI写作辅导 [15] - 英语学习方面，提供完整自主成长方案，从引入BBC原版动画进行启蒙，到基于分级阅读和AI口语陪练构建小学听说读环境，再到中学阶段100%还原20个开考省份的听说模拟考试流程 [16] - 科学教育方面，行业率先上线科学版块，并携手科普中国搭建科普大模型，用AI数字人“爱因斯坦”回答孩子提问 [18] 学习动力与心理健康 - T90系列联合华师大皮亚杰研究中心和江南大学设计学院打造遵循心理学理论的学习动力系统，通过连胜机制、精准推荐等帮助孩子养成好习惯，激发内在动力 [19] - 全新发布的“小飞AI学伴”能陪伴学习并承接孩子情绪，T90系列是行业首个且唯一上线心理健康模块的学习机 [19] 硬件与健康守护 - T90 Pro搭载全球首款有益自然光&纳米类纸护眼屏 [21] - 公司行业首创听力守护功能，并获得首批CQC听力友好证书，全方位守护孩子健康 [21]

报告投资评级 - 行业评级为“看好” [2] 报告核心观点 - 报告认为，2026年算力产业的核心关键词是推理，Token消耗总量和技术范式都将围绕推理进行革新，能够提供充足且高性价比推理芯片的厂商将最为受益 [4] - 推理算力正迎来四大趋势：需求全面加速、纯推理芯片出现、推理系统全方位革新、国产算力芯片加速突破 [3] - 对即将发布的DeepSeek V4抱有期待，预计其在推理和代码能力、长上下文与复杂任务处理能力（Agent）以及国产算力适配方面将有显著提升，技术架构延续极致推理优化和极致性价比的探索方向 [3][22] Token经济时代推理算力四大新趋势 趋势一：推理算力需求全面加速 - **春节期间国内大模型使用量激增**：豆包在除夕当天AI互动总数达19亿，推理吞吐量达到633亿tokens，辅助用户生成5000万张AI头像及1亿条新春祝福语 [5]；元宝的日活跃用户（DAU）超5000万，月活跃用户（MAU）已达1.14亿 [6]；超过1.2亿人参与了千问的“春节大免单”活动 [6] - **中国模型全球调用量首次超越美国**：根据OpenRouter数据，2月9日至15日这一周，中国模型调用量为4.12万亿Token，首次超过同期美国模型的2.94万亿Token [6]；2月16日至22日，中国模型周调用量进一步冲高至5.16万亿Token，三周大涨127%，同期美国模型调用量跌至2.7万亿Token [6]；全球调用量排名前五的模型中，中国模型占据四席 [6] - **应用场景多元化催生海量算力需求**：2026年大模型货币化加速，Claude等模型开始向应用端切入，发布多款行业插件；Agent（如openclaw、千问 Agent）开始进入真正的工作生活生产中，这背后均需大量的算力支撑 [6] 趋势二：纯推理芯片成为新贵 - **产业巨头布局印证趋势**：2025年12月24日，英伟达以200亿美金收购推理芯片公司Groq [9]；OpenAI上个月与初创公司Cerebras达成了一项价值数十亿美元的计算合作，其专注于推理的芯片在速度上超越了英伟达的GPU [9] - **未来AI芯片技术格局**：训练场景仍将使用GPU-HBM组合；推理场景将采用ASIC + LPU-SRAM + SSD组合的P-D（Prefill-Decode）分离解决方案 [9] - **市场机会**：预计将涌现一批专注于推理芯片的厂商，搭载SRAM/GDDR，以极高的性价比为AI提供投资回报，促成AI闭环形成 [9] 趋势三：推理系统迎来全方位革新 - **系统架构向三层网络演进**：为适配Agent需求，可能形成类似人类的三层网络架构 [11] 1. **快反应层**：类似人的反射弧，由Decode专用芯片（如搭载SRAM的纯推理芯片）提供极致低延迟反馈 [11] 2. **慢思考层**：类似人的大脑皮层，使用超大吞吐的算力集群负责后台并行的复杂逻辑推演和工具使用；此层对多核多线程CPU的需求增加 [11] 3. **记忆层**：类似人的海马体，存储Agent的终身记忆和KV Cache，对应英伟达发布的ContextMemory System，通过Bluefield4 DPU管理的SSD实现 [11] - **存储与网络优化方案**：Deepseek联合北大、清华发布的Dualpath方案，通过利用Decode节点闲置的网卡带宽来协助Prefill节点读取KV Cache，变相扩充了整个系统的存储IO能力，缓解了存储带宽瓶颈 [13]；这一方案可能会增加对网卡和交换机的需求 [13] - **性能提升**：Dualpath方案在测试中，使离线推理吞吐量提升1.87倍，在线服务吞吐量平均提升1.96倍 [30] 趋势四：国产算力芯片加速突破 - **华为昇腾950实现根本性提升**： 1. 新增支持FP8/MXFP8/MXFP4等低精度数据格式，算力分别达到1P和2P，并支持自研HiF8格式 [17] 2. 大幅度提升向量算力，采用支持SIMD/SIMT双编程模型的新同构设计，并将内存访问颗粒度从512字节减少到128字节 [17] 3. 互联带宽相比Ascend 910C提升了2.5倍，达到2TB/s [18] 4. 在芯片层级实现PD分离，推出两款芯片：面向Prefill和推荐场景的Ascend 950PR（采用低成本自研HBM HiBL 1.0）和面向Decode和训练场景的Ascend 950DT [18]；其中，Ascend 950PR将于2026年Q1推出 [18] - **供应链国产替代进程加快**：盛合晶微的2.5D封装业务收入主要为高性能计算芯片（GPU）提供封装服务，此项业务收入正快速提升，2025年上半年收入达18.2亿元，侧面印证了国产算力芯片供给能力的持续提升 [18][19] 对DeepSeek V4的预期 推理和代码能力达业内领先水准 - 根据海外科技媒体The information，DeepSeek-V4主打编码能力，内部初步测试结果显示超过Claude和GPT系列 [23] - 报告认为该预期准确度较高，因为推理和代码能力是2025年至今国内外主流大模型厂商的重点冲刺领域，且AI编程是重点变现和渗透方向 [23] 长上下文和复杂长任务处理能力（Agent）提升 - **技术架构创新**：DeepSeek近期发布的两篇重磅论文（Engram和DualPath）可能是其能力突破的关键 [25] - **Engram论文核心**：在MoE基础上引入Engram模块作为条件记忆轴，实现存算解耦，将海量KV-Cache移到CPU内存，通过O(1)哈希检索进行关键记忆回溯，在保障长上下文与推理精度的同时释放GPU计算压力 [25][26] - **DualPath论文核心**：解决智能体复杂任务工作负载下的性能瓶颈，通过利用decode节点闲置带宽协助读取kv-cache，再通过计算网络快速传输至prefill节点，实现动态负载均衡 [29][30] 国产算力适配 - 国产算力适配是当下国产独立模型厂商的重要发展趋势，例如智谱GLM 5已宣布全面拥抱国产算力生态 [36] - DeepSeek的Engram和DualPath两篇论文从工程优化上提高网络利用率、降低高性能显存依赖度，为国产化适配提供了高可行性 [36] 重点推荐投资主线 报告重点推荐九大投资主线，包括： 1. 数字经济领军 [37] 2. AIGC应用 [38] 3. AIGC算力 [38] 4. 数据要素 [38] 5. 信创弹性 [38] 6. 港股核心 [38] 7. 智联汽车 [38] 8. 新型工业化 [38] 9. 医疗信息化 [38] 各主线下包含详细标的公司列表 [37][38]

在众多人造肌肉技术中，介电弹性体致动器（DEA） 被认为是 最具前景的技术之一。 简单来说，DEAs就像一块"通电就会变形"的智能橡胶，其核心结构由一层介电弹性体（DE）薄膜和两侧的 柔性电极组成。当施加电压，正负电极相互吸引挤压中间的薄膜，使其在厚度方向被压扁、面积迅速扩张， 从而产生形变和动力。这种机制赋予了DEA大应变、高能量密度和毫秒级响应的卓越天赋。 然而，这项技术一直有一个致命的缺陷： 它需要千伏级别的超高电压才能驱动 。高电压不仅带来安全隐 患，还要求配备庞大笨重的电源模块，使得DEAs长期被束缚在电线或复杂的实验室设备上，难以真正"走出 去"。 现在，这一困境迎来了重大突破。近期来自 浙大团队发表于《Science Robotics》的一项研究 ，通过巧妙的 材料设计与工艺创新，成功开发出 低压高输出介电弹性体执行器（LVHO-DEA） ，首次让DEAs在200伏的 超低电压下，爆发出超越自然肌肉的惊人力量，并驱动了一系列可以在桌面、手掌中自由活动的无系绳软体 机器人。 01. 破解"高电压"魔咒的四把钥匙 为什么DEAs需要高压？从核心公式看，其驱动力与电压的平方成正比，与薄膜厚度的平方成反 ...

报告投资评级与核心观点 - 报告旨在发布专业人形机器人指数，认为此举具有极高的战略意义，可作为确立估值锚点与投资风向标、引导资本向核心“卡脖子”环节集聚、并匹配“十五五”国家战略导向 [3][6] - 核心观点认为，2026年央视春晚成为人形机器人产业跨越式发展的历史性见证，标志着产业正式跨越“1-10”的拐点，进入以量产落地与商业化提速为核心的全新产业周期 [3][17][20] - 报告认为，人形机器人产业已从“技术展示”转向“场景深耕”，2025年为“量产元年”，2026年开启“10万级量产”时代，行业重心转向商业化落地 [27][59] 行业与产业链分析 - **产业链结构**：报告依据工信部《人形机器人创新发展指导意见》，将产业链解构为“大脑”、“小脑”、“感知”、“执行”与“辅助”五大核心系统 [28][29] - **全球格局**：中国在人形机器人供应链中占有63%的份额，尤其在“身体”领域具有显著优势，全球73%的集成商位于亚洲，其中56%来自中国 [28] - **商业化进展**：春晚效应显著催化C端市场，京东平台在春晚两小时内机器人搜索量环比暴增超300%，订单量增长达150%，且订单地域分布实现全面下沉 [22] - **商业模式创新**：“硬件即服务”（HaaS）模式兴起，2026年春节期间机器人租赁市场“量价齐升”，核心平台订单规模预计突破5000单，GMV预计环比增长约80% [23] 重点行业与投资机会 - **稀土磁材**：钕铁硼永磁材料是电与力转换的最佳载体，为人形机器人关节电机提供关键支持。单台人形机器人（如特斯拉Optimus）高性能钕铁硼用量约3.5公斤。若销量达10万、50万、100万台，2025年高性能钕铁硼需求将分别增加0.27%、1.34%、2.69% [7][75][76][83][89] - **化工材料**：涉及AI芯片制造的半导体材料（硅片、电子特气、光刻胶等）、PCB材料及散热液冷材料。在“肢体”环节，灵巧手的腱绳传动为高性能纤维（如UHMWPE）打开成长空间 [7][112][116][118] - **新能源领域**：企业转型参与人形机器人核心零部件（如减速器、丝杠）的测试、研发及电池开发 [7] - **机械行业**：国内厂商正积极加入核心零部件制造，凭借成本可控、响应快、质量好等优势，有望成为本轮发展最受益环节。重点关注精密传动与执行器（如谐波减速器、行星滚柱丝杠） [7][38] - **汽车行业**：汽车产业链具备高成本降本和大规模量产能力，可全链条参与机器人制造。特斯拉的FSD AI技术应用场景全面，具备量产装配潜力 [8] - **家电行业**：落地方向可能围绕核心零部件研发、B端整机落地及C端家电机器人化展开。美的集团机器人使用密度已接近650台/万人 [8][68] - **电子行业**：机器视觉是人形机器人感知层的关键，其爆发有望成为机器视觉新的重要增长点。3D传感市场规模持续增长 [8][75] - **计算机行业**：大模型是构建人形机器人“大脑”的最佳解决方案，AI能力是厂商的核心壁垒，软件算法有望成为核心价值环节 [9] 指数编制与市场表现 - **指数编制方法**：报告编制了“长江人形机器人全指指数”和“长江人形机器人精选指数”。全指成分股162只，精选指数成分股50只，采用自由流通市值加权，每半年调整一次。成分股筛选强调与人形机器人业务的强相关性（如明确业务布局、实质性订单、绑定头部厂商等） [27][36][37][39] - **历史表现**：在2023年至2026年2月13日期间，人形机器人精选指数累计收益达104.34%，全指累计收益达88.24%，均大幅跑赢沪深300指数（累计收益19.87%）。其中2025年精选指数涨幅达78.86% [40][42] 宏观与政策环境 - **政策支持**：人形机器人已被写入“十五五”规划建议和政府工作报告，成为应对人口老龄化、提升全要素生产率的战略性产业。《人形机器人创新发展指导意见》设定了2025年批量生产、2027年达到世界先进水平的目标 [27][54][63][65] - **宏观环境**：2026年宏观经济向“内生增长”回归，市场流动性充裕，为高成长的具身智能板块提供了有利的估值扩张环境。国家“两新”、“两重”项目为人形机器人在工业领域的应用提供了资本开支支持 [60][63]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1] 报告核心观点 - 大语言模型是包含百亿或更多参数的语言模型，其发展经历了基础模型、能力探索和突破发展三个阶段，以2022年11月ChatGPT的发布为标志进入突破发展阶段[3][32][36] - 大语言模型展现出涌现能力，如上下文学习、指令遵循和逐步推理，使其能够以少量样本处理复杂的新任务，并作为基座模型支持多元应用[8][9][11] - 大语言模型通过预训练、有监督微调、奖励建模和强化学习等阶段训练而成，其巨大的参数量（十亿到万亿级）和分布式训练技术是关键支撑[12][59][99] - 该技术对自然语言处理、信息检索、计算机视觉、AI Agent乃至通用人工智能（AGI）的发展产生了深远影响，并催生了以对话为统一入口的全新应用范式[7][10] - 行业已形成开源与闭源模型并存的格局，国内外多家科技公司发布了具有竞争力的大语言模型产品[4][38][39] 语言模型技术发展历程 - **早期发展**：语言模型于上世纪90年代出现，采用统计学方法；2003年首次融入深度学习思想；2018年Transformer架构的提出是关键转折点[4] - **预训练时代**：2018年，BERT和GPT-1开启了预训练语言模型（PLM）时代；2020年，拥有1750亿参数的GPT-3发布，开启大语言模型新时代，并引入了缩放法则，指出模型性能随参数、数据量和计算量的指数增加而线性提高[26][28][33] - **发展三阶段**： - **基础模型阶段（2018-2021）**：研究聚焦于模型结构本身，参数量在10亿以上的模型因微调计算量大，影响力初期受限[32] - **能力探索阶段（2019-2022）**：探索无需任务特定微调即可发挥大模型能力的方法，如语境学习（ICL）、指令微调，并出现了InstructGPT等算法[34][35] - **突破发展阶段（2022年11月起）**：以ChatGPT发布为起点，模型展现出强大的通用对话和任务处理能力，GPT-4进一步具备多模态能力，在基准考试中得分高于88%的应试者[36][37] - **核心模型演进**：从基于n-gram的统计模型，到神经语言模型（NLM），再到基于Transformer的大规模预训练语言模型（PLM），最终发展为参数量巨大的大语言模型[13][23][26] 大语言模型核心特性与能力 - **关键特性**：参数规模巨大（十亿至万亿），采用预训练与微调范式，具有上下文感知、多语言与多模态支持能力，但同时也面临生成有害内容、隐私、幻觉等伦理与风险问题[12] - **涌现能力**：包括上下文学习（ICL）、指令遵循和逐步推理（思维链），这些能力使其成为全新的AI范式，能够缩短具体应用的开发周期并提升效果[8][11] - **基座模型能力**：作为基座模型支持多元化的下游应用开发[9] - **统一入口能力**：支持以对话作为完成各类任务的统一入口，即Conversation as a Platform[10] 主要大语言模型产品（国内外） - **国外闭源模型**： - **GPT系列（OpenAI）**：GPT-3参数量1750亿，预训练数据量3000亿Token；ChatGPT基于GPT-3.5/GPT-4；GPT-4具备多模态能力，推测参数量达1.8万亿，上下文窗口达128k Token[4][39][43] - **Claude（Anthropic）**：Claude 2上下文窗口扩展到200K Token，擅长长文档处理与结构化数据输出[44] - **PaLM 2（Google）**：PaLM参数量5400亿，PaLM 2是其升级版，已部署于25个Google产品中，其Bard为会话应用[4][45] - **国内闭源模型**： - **文心一言（百度）**：基于参数量达2600亿的文心大模型，具备知识增强、插件机制等特点[4][47][48] - **讯飞星火（科大讯飞）**：3.0版本包含1700亿参数，支持多模态功能，并发布了支持私有化训练的“星火一体机”[4][49] - **通义千问（阿里巴巴）**、**腾讯混元**、**360智脑**等[4][39] - **开源模型**： - **LLaMA系列（Meta）**：参数规模从7B到70B，LLaMA-65B训练消耗超过102万GPU小时，LLaMA 2参数量达700亿[38][51][99] - **ChatGLM（智谱AI/清华）**：GLM3支持32K上下文长度，采用Multi-Query Attention提升推理速度[53] - **通义千问（阿里巴巴）**：开源70亿（7B）和140亿（14B）参数版本[56] - **Baichuan（百川智能）**：开源7B和13B参数模型，Baichuan-13B基于1.4万亿字符训练[57] 大语言模型训练技术 - **训练流程**：主要包含四个阶段：预训练、有监督微调（指令微调）、奖励建模和强化学习[59] - **预训练**： - 使用互联网网页、维基百科、书籍等海量数据，构建数千亿至数万亿单词的语料库，在数千块GPU上耗时数十天完成[61] - 数据需经过严格过滤，例如GPT-3将45TB的Common Crawl数据过滤至570GB使用[63] - **有监督微调（SFT）**：使用包含用户提示和理想输出的高质量小数据集对基座模型进行微调，使模型具备初步的指令理解与泛化能力，此类模型包括Alpaca、Vicuna、ChatGLM-6B等[67][71] - **奖励建模（RM）**：训练一个二分类模型，用于对同一提示下SFT模型的不同输出结果进行质量排序，为强化学习提供奖励信号[72] - **强化学习（RL）**：基于奖励模型，通过强化学习算法（如PPO）进一步优化SFT模型的参数，使模型生成更高奖励的文本，最终得到如ChatGPT、Claude等系统，但该方法存在稳定性挑战[76] - **分布式训练**： - 因模型与数据量巨大，必须采用分布式训练。例如，OPT使用992块A100 GPU训练近2个月；BLOOM使用384块A100 GPU训练3.5个月[64][99] - 并行策略包括数据并行（DP）、流水线并行（PP）和张量并行（TP），大模型训练通常混合使用这些策略[105][106][114] - 采用ZeRO优化器、混合精度训练等技术来优化内存占用，例如1750亿参数模型若使用FP16格式，模型状态需占用120GB内存[117][121] - **长文本建模**：为处理长文本，采用增加上下文窗口微调、改进位置编码（如ALiBi）或插值法来扩展模型的上下文处理能力[151] 大语言模型应用与生态 - **技术影响**：推动自然语言处理（文本理解与生成）、信息检索（智能搜索）、计算机视觉（文生图）、AI Agent（智能助理、数字人）等领域发展，并被视为通用人工智能（AGI）的早期形式[7] - **应用开发框架**：LangChain等框架简化了大语言模型应用开发，提供模型I/O、数据连接、智能体等标准化接口[177][178] - **提示与语境学习**：提示学习（Prompt-based Learning）和语境学习（In-Context Learning, ICL）成为使用大模型的新范式，无需参数更新即可让模型适应新任务[139][143] - **高效微调技术**：如LoRA，通过引入少量可训练参数来高效微调大模型，节省计算资源[149] - **思维链与任务分解**：思维链提示和由少至多提示等策略能显著提升大模型在复杂推理和规划任务上的表现[172][175]

2025年中国学习平板市场核心数据与增长态势 - 2025年中国学习平板全渠道销量为632.1万台，同比增长6.7%；销售额为199.1亿元，同比增长4.5% [2] - 市场增速显著低于年中预期的14.6%，且未达到预测的679万台销量，显示增长大幅放缓 [2] - 市场进入总量温和增长时代，正经历从高速扩张向理性成长和结构调整的转变 [8][9] 市场增速放缓的多维原因 - **政策红利退坡**：2024年下半年至2025年初的“国补”政策提前释放大量需求，造成高基数；2025年下半年政策收紧后市场回落，销量呈现“前高后低”态势，第一季度同比大涨近30%，第三、四季度增速分别回落至3.5%和5.9% [5] - **行业同质化内卷**：中低端价格带（2000元以下及2000-6000元）产品AI功能与教辅资源大同小异，缺乏差异化亮点 [5] - **通用平板跨界竞争**：iPad、华为MatePad等通用平板快速内置丰富学习资源和AI教育功能，对单一功能学习平板形成明显替代效应 [5] - **供应链成本施压**：全球存储芯片供应紧张导致涨价，推高学习平板制造成本，挤压厂商利润，价格上调劝退部分价格敏感客户 [5][6] - **用户产品体验不佳**：部分用户认为产品功能华而不实，行业内部数据显示约70%的用户月活跃次数不足3次，超过40%的设备在购买半年后处于闲置状态 [7] 市场竞争格局与产品结构 - **竞争格局高度集中**：2025年销量前八品牌（作业帮、学而思、科大讯飞、小猿、步步高、希沃、小度、BOE小屏课）合计占据88.4%的市场份额，较2024年提升近10个百分点，马太效应明显 [10] - **头部品牌定位分化**：作业帮以28.8%的销量份额位居第一，主导2000-2999元主流价格带；学而思以17.9%份额紧随其后，主导4000-5999元中高端市场；科大讯飞凭借AI技术壁垒在6000元以上高端市场保持领先 [12] - **中端市场成为主战场**：2000-2999元价格段是绝对主流，线上销量占比达45.9%，较2024年涨幅达30.7%，作业帮P30/P50、学而思P4、小猿P40等爆款均处于该价位 [13][15] - **高低端市场表现分化**：6000元以上高端机型销量同比减少5.4%，而1000-1999元低端机型销量大幅减少18.9%，表明消费者在追求性价比的同时仍对产品有高标准要求 [18] 技术演进与核心竞争要素 - **AI渗透率快速提升**：AI学习平板渗透率从2022-2023年的20%提升至2024年的39.3%，2025年已达57.8%，预计2026年将超过70% [19] - **AI功能向拟人化升级**：AI家教、作业精批、口语陪练等解决真实学习痛点的功能成为标配 [19] - **硬件配置趋势**：12英寸以上大屏成为市场主流，并普遍采用类纸屏等护眼技术 [19] - **竞争核心转向内容与技术**：硬件同质化背景下，内置资源的含金量成为关键护城河，头部企业凭借海量题库（如作业帮超25亿+题库）、自有教研团队（如学而思3000+S级教研员）和正版课程构建内容壁垒 [20] - **生态合作成为新风向**：教育大厂与科技大厂开启“强强联合”，如华为与学而思、荣耀与火火兔合作推出联名款，融合技术优势与内容优势，竞争升级为“硬件+内容”生态体系竞争 [20][21] 市场未来展望 - 洛图科技预测2026年全渠道市场销量将达666.3万台，同比增长5.4%，增速预计将进一步放缓 [21]

融资事件与行业信号 - 美国K-12数字课程与平台Subject完成2800万美元增长轮融资，由Vistara Growth领投，多家新老投资机构参与[1] - 融资的核心价值在于标志着AI正从浅层辅助工具，向K-12教育供给侧核心渗透，实现从工具到制度的深度嵌入[1] 公司发展现状与商业模式 - 公司已与美国约360个学区及相关教育组织建立合作，覆盖近1000所学校，服务于6-12年级学生[2] - 公司商业模式的核心是嵌入学区稳定预算池，依靠学区长期采购合同实现稳定现金流，而非依赖C端流量[3] - 公司2025财年年度经常性收入已突破1400万美元，ARR增长率与净收入留存率表现亮眼，规模化盈利潜力初步显现[3] 产品定位与核心竞争力 - 公司定位为学区“课程交付基础设施”，核心是解决美国K-12教育体系学分与课程的合规供给缺口，构建“可被制度认可”的产品体系[4] - 其AI技术深度嵌入课程设计、教学实施、成绩评估、学分认定的全流程，通过AI教学助理帮助教师优化教学、节省评分时间，并通过智能预警和数据洞察提升教学效果[4] - 公司产品已获得Cognia、College Board等顶级机构认证，确保课程学分的正规性与大学认可度[7] - 2024-2025学年，其AI驱动评分功能为合作学区节省大量教师工作时间，使用其短时课程的学生测验成绩显著优于使用其他平台同类课程的学生[5] 市场需求与行业背景 - 美国K-12教育体系面临供给侧结构性压力，包括教育资源分配不均、师资短缺、预算紧张、学习缺口严峻等问题，催生了“经认证课程+合规教师+可规模部署”的在线解决方案刚需[8] - 据2024年美国国家教育进展评估报告，美国学生学术表现持续下滑，教育预算削减加剧了公立学校的财政困境[8] - 当前AI教育平台的崛起核心是解决“课程供给缺口”，更贴近学区的组织管理需求，代表了行业从优化“内容分发效率”到解决“供给缺口”的转向[8] 中美AI教育发展路径对比 - 中美AI教育发展的核心共性是AI正从课堂辅助工具加速转向系统级的教育基础设施[9] - 在中国，AI教育解决方案的核心嵌入接口是“行政与教研结构”，通过与教育行政部门和学校信息系统深度对接，聚焦教学效率提升与教育数据整合，适配集中化的教育管理体制[9] - 在美国，以Subject为代表的路径，核心嵌入接口是“课程与学分结构”，产品竞争关键在于能否被高度自治的学区制度体系接纳，并纳入学生的毕业与升学链条，更强调“课程认证”与“责任机制”[10] - 相较于AltSchool等试图重构学校形态的创新模式，Subject选择在既有教育体系内扩容课程供给，解决学区实际痛点，这种渐进式路径虽创新性稍弱，但更易获得学区信任与预算支持，更具规模化复制潜力[10]

报告行业投资评级 - 报告未明确给出行业投资评级 报告的核心观点 - 中国医疗大模型行业正处于从技术验证向规模应用的关键转型期 在政策与市场需求双轮驱动下 行业构建了“算力筑基—模型攻坚—应用引领”的全链条发展体系 并加速向覆盖“预防-诊断-治疗-康复”全周期的智能伙伴演进[5] - 行业竞争已从早期的技术演示阶段 进入以临床价值验证、产品可靠性和商业落地能力为核心的综合实力比拼阶段 技术、医学与商业的深度融合能力将决定未来市场格局[15] - 未来行业将朝着构建“原生医疗大模型”、应用与部署模式多元化、以及商业模式向“平台+生态”模式过渡的方向发展[28][29][30] 一、市场背景 - 医疗大模型是以海量医学数据预训练、多模态融合与专业任务微调为核心技术路径的人工智能系统 主要类型包括通用医疗大模型、专科诊疗模型、医学影像模型、药物研发模型及中医大模型等[5] - 根据2024年行业应用分布数据 医疗行业以约10%的占比成为大模型应用的重要领域[6] - 行业发展自2019年起经历了从通用模型能力迁移 到专业知识深度对齐 再到多模态与临床工作流融合的快速演进 未来将朝着更安全、可解释、具身交互的方向发展 并最终成为覆盖全周期的可信医疗基础设施[7] 二、市场现状 - **市场规模**：2020年至2024年 中国医疗大模型市场规模从1.0亿元增长至10.8亿元 年复合增长率达81.6% 预计至2029年市场规模将攀升至75.8亿元 年复合增长率达46.8%[8] - **市场供给**：2025年1月至9月 中国医疗大模型领域已披露中标项目总量达到197个 算力、大模型和综合类三大板块占比趋于均衡 标志着产业已形成完整生态闭环[9] - **市场需求**：超过95%的医师认同AI的辅助价值 在诊疗环节最期待AI实现快速初筛与诊断复核 在治疗环节近九成医师希望AI提供方案优化与疗效预测 在患者管理方面超八成医师期待AI实现数据整合与风险预测等功能[10] 三、市场竞争 - **评估维度**：行业头部品牌的核心竞争力主要体现在核心算法与知识质量、应用场景与产品化深度、以及合规安全与临床验证三大维度[11][12][13][14] - **竞争格局**：市场呈现“技术巨头领跑、垂直精锐深耕、新锐力量破局”的多元化竞争生态 竞争焦点已转向临床价值验证、产品可靠性和商业落地能力的综合比拼[15] - **主要参与者**：报告推荐了十大代表品牌 包括百度灵医智惠、腾讯觅影、阿里健康、医渡科技、科大讯飞、联影医疗、东软医疗、英矽智能、晶泰科技和数坤科技 这些企业分别在通用模型应用、多模态影像、健康管理、垂直领域、智能交互、设备结合、IT系统融合、药物研发及医学影像等不同方向进行重点布局[16][17][18][19][20][21][22][23][24][25][26] 四、发展趋势 - **底层算法与数据质量升级**：未来技术发展重点将从基于通用模型的微调转向构建“原生医疗大模型” 利用更大规模、高质量、多模态的临床数据进行训练 以提升复杂任务中的深度理解与逻辑准确性[28] - **应用形态与部署模式多元化**：应用正从单一对话问答向深度嵌入业务流程的多元化形态演进 部署模式将从“云服务调用”发展为兼顾通用能力与数据安全的“混合部署模式” 产品将细化为面向医生、患者和科研的不同工具[29] - **商业模式与生态构建平台化**：商业化正从项目制向“平台+生态”模式过渡 领先厂商通过提供开放的“医疗大模型平台”或“能力底座” 吸引生态伙伴共同开发 以加速应用创新并构建更稳固的竞争壁垒[30]