证券日报网讯12月15日，致尚科技（301486）在互动平台回答投资者提问时表示，目前，公司批量生产 的光通信产品主要为光纤连接器，主要包括MTP/MPO光纤跳线、高密度光纤跳线、光纤阵列类组件、 常规光纤跳线等。未来，随着数据中心建设加速及算力需求不断增长，光通信产品的技术迭代持续提 速，配套解决方案亦随之不断升级完善。公司将始终紧跟行业技术发展趋势，结合客户的实际需求，加 大研发投入力度，强化技术制程能力，提升产品的竞争力。 ...

股票交易异动 - 公司股票于2025年11月24日、11月25日、11月26日连续3个交易日内日收盘价格涨幅偏离值累计达到30%，属于股票交易异常波动 [1] 行业需求背景 - 近期算力需求增长 [1] 产品研发与量产进展 - 在光通信领域中，公司的100G EML已实现量产 [1] - 200G EML已开始送样 [1] - 100G VCSEL、100mW CW DFB和70mW CWDM4DFB芯片已达到量产出货水平 [1] 财务贡献与不确定性 - 上述产品对本年度的销售额及利润贡献量存在不确定性 [1] - 产品研发进展、送样测试、产品导入和市场拓展等都存在一定的不确定性和风险 [1]

股票交易情况 - 公司股票在2025年11月24日、11月25日、11月26日连续3个交易日内日收盘价格涨幅偏离值累计达到30% [1] 产品与技术进展 - 近期算力需求增长 [1] - 在光通信领域中，公司的100G EML已实现量产 [1] - 200G EML已开始送样 [1] - 100G VCSEL、100mW CW DFB和70mW CWDM4DFB芯片已达到量产出货水平 [1] 财务影响 - 上述产品对本年度的销售额及利润贡献量存在不确定性 [1]

公司产品进展 - 100G EML光通信芯片已实现量产 [1] - 200G EML光通信芯片已开始向客户送样 [1] - 100G VCSEL芯片已达到量产出货水平 [1] - 100mW CW DFB芯片已达到量产出货水平 [1] - 70mW CWDM4 DFB芯片已达到量产出货水平 [1] 行业背景 - 近期算力需求出现显著增长 [1] 财务影响 - 上述产品对本年度销售额及利润贡献量存在不确定性 [1]

产品研发与量产进展 - 在光通信领域，公司的100G EML芯片已实现量产 [1] - 200G EML芯片已开始进入送样阶段 [1] - 100G VCSEL芯片、100mW CW DFB芯片和70mW CWDM4 DFB芯片均已达到量产出货水平 [1] 市场验证与客户进展 - 受益于近期算力需求增长，已有海外大型光模块厂商正在验证公司的多款芯片 [1] - 海外光模块大厂对芯片的验证进展顺利 [1]

公司产品进展 - 在光通信领域，公司的100G EML已实现量产 [1] - 200G EML已开始送样 [1] - 100G VCSEL、100mW CW DFB和70mW CWDM4 DFB芯片已达到量产出货水平 [1] 市场动态与客户验证 - 受益于近期算力需求增长 [1] - 已有海外光模块大厂在验证公司多款芯片且验证顺利 [1]

公司产品进展 - 在光通信领域，100G EML芯片已实现量产 [1] - 200G EML芯片已开始送样 [1] - 100G VCSEL芯片已达到量产出货水平 [1] - 100mW CW DFB芯片已达到量产出货水平 [1] - 70mW CWDM4 DFB芯片已达到量产出货水平 [1] 市场与客户验证 - 受益于近期算力需求增长 [1] - 已有海外光模块大厂在验证公司多款芯片且验证顺利 [1]

行业市场需求 - 预计明年北美市场数据中心备用电池需求约20GWh [1] - 预计明年全球数据中心备用电池需求约30GWh [1] - 未来几年数据中心建设需求预计保持翻倍以上增速 [1] 公司市场地位与业绩展望 - 公司是北美数据中心头部客户的合格供应商 [1] - 随着客户爆发式增长 公司该产品业绩将随之高速增长 [1]

市场前景与需求预测 - 预计明年北美市场数据中心备用电池需求约20GWh [1] - 预计明年全球数据中心备用电池需求约30GWh [1] - 预计未来几年数据中心建设需求将保持翻倍以上的增速 [1] 公司市场地位与增长动力 - 公司是北美数据中心头部客户的合格供应商 [1] - 随着客户爆发式增长，公司该产品业绩将随之高速增长 [1] - 算力需求爆发式增长是行业核心驱动力 [1]

OpenAI人工智能五阶段定义 - 聊天机器人阶段的核心是基座模型，功能为压缩人类已知数字知识，类比人类从小学到大学的知识积累过程[19] - 推理者阶段具备思维链和连续性任务能力，依赖SFT和RLHF训练，类比人类读研或师傅带徒弟的经验传授[20][21] - 智能体阶段AI开始实际工作，能使用工具完成长任务，对专业性和可靠性要求极高，需达到80-90分合格标准，类比人类胜任专业岗位[22][23] - 创新者阶段通过出题解题进行强化训练，需要世界模型和RLAIF模拟真实环境，类比职业选手通过上万小时实战成为专家[25][26] - 组织者阶段负责管理大量智能体和创新，防止失控，类比企业管理者的角色[27] 算力需求与技术布局 - 未来5年推理算力需求可能扩大100倍，训练算力需求扩大10倍[29] - 不同阶段需要不同类型算力：智能体阶段主要需要推理算力，机器人设备需要端侧推理，世界模型阶段需要海量云端推理[28][29] - 公司自研技术包括推理模型（MindVLA/MindGPT）、智能体（司机Agent/理想同学Agent）和世界模型[31] - 2026年将为自动驾驶配备自研端侧芯片，实现车与AI深度融合[33] 机器人发展路径与训练方法论 - 机器人发展有两条路径：将现有工具改造为机器人（如自动驾驶车辆），或开发人形机器人操作万物[34][35] - 训练的核心目标是提高成功率，参考人类"一万小时"专业训练理念[36][38] - 专业训练聚焦三大能力：信息处理能力（筛选有效信息）、出题解题能力（定义和解决问题）、资源分配能力（优化有限资源使用）[39][40][41] 行业技术观察与应用实践 - 特斯拉FSD V14证明其采用与VLA相同技术，具备空间完整理解能力和长任务多任务处理能力[44] - 公司内部已实现全面AI化，特别是在VLA技术应用后[45] - 行业领先的AI工具应具备简洁干脆的对话风格，避免过多铺垫性内容[46] - AI资讯获取渠道包括关键账号订阅、B站UP主内容跟踪以及内部多领域研究团队每周同步会议[48]