文章核心观点 - 2026年AI发展的核心已从技术试验和概念验证转向规模化价值创造，企业需通过业务流程重构和战略调整来实现差异化竞争，而非仅进行自动化改造 [1] - 技术、数据、投资与基础设施形成相互促进的加速飞轮，创新的复合效应使得技术变革速度远超以往，企业过往的成功模式已不可复制 [1][15][28] - 企业需快速感知、评估并应对技术变革，这种能力将成为其在AI时代的核心竞争力 [3] 创新的复合效应 - 技术采用速度呈指数级增长，一款领先的生成式AI工具仅用两个月就吸引了约1亿用户，而电话达到5000万用户用了50年，互联网用了7年 [15][25] - 创新的复合增长形成了一个加速飞轮：技术进步催生更多应用场景，产生更海量数据，吸引更多投资，从而打造更完善的基础设施并降低成本，进而推动更多实验 [15][25] - AI初创企业实现营收从1000万美元增长到3000万美元的速度，是SaaS企业的2到3倍 [25] - 企业必须重新设计业务流程，将投资与业务成果紧密关联，并快速执行，仅依靠渐进式改进已无法跟上变革速度 [15][39] 物理AI：探索AI和机器人的融合 - 物理AI实现了AI与机器人的深度融合，使设备从预编程机器升级为可自主感知、学习并适应复杂环境的自适应系统 [1][16][44] - 该技术已在仓储、制造、自动驾驶等领域落地，例如亚马逊部署了超过100万台机器人，其DeepFleet AI系统使仓库运输效率提升10% [30][54]，宝马工厂利用自动驾驶技术使汽车自主完成长距离生产运输 [30][55] - 人形机器人被视为下一个前沿领域，预计到2035年，工作场所的人形机器人部署量将达到200万台，潜在市场规模达300亿至500亿美元，到2050年可能增至3亿台，市场规模达1.4万亿至1.7万亿美元 [1][69] - 目前面临训练缺口、模拟与现实差距、网络安全、数据管理及人类接受度等挑战 [1][16][56][63][64] - 远期发展方向包括生物混合机器人（如由活体组织驱动）和量子机器人 [1][75] 未雨绸缪：为数字员工做好准备 - 企业对智能体AI（数字员工）的应用存在巨大落地缺口，仅11%的企业将其投入实际生产应用，38%的组织仅进行了试点 [1][17][32] - 核心障碍包括遗留系统整合困难、数据架构限制以及治理框架不完善 [1][17] - 领先企业正进行以智能体为核心的流程重构，利用智能体实现多智能体协同调度，并将其视为需要管理框架的“硅基劳动力” [1][17] - Gartner预测，到2027年，超过40%的智能体AI项目将因组织只有碎片化自动流程而非重新设计运营而失败 [32] - 未来智能体的自主程度将持续提升，人机混合劳动力模式将成为主流，智能体生成的数据将成为企业持续学习的重要资产 [1][17] 积极反思：优化AI基础设施策略 - 尽管AI推理成本在两年间下降了280倍，但由于使用量激增，企业AI总体支出仍居高不下，部分企业每月云服务账单高达数千万美元 [2][18][33] - 高成本推动企业从“云优先”战略转向战略性混合架构，结合云服务（处理可变工作量）、本地部署（稳定生产任务）和边缘计算（低延迟需求） [2][18][33] - AI专用数据中心或“AI工厂”成为建设重点，需要配备GPU优化硬件、先进网络系统和专门冷却设备 [2][19] - 未来挑战包括员工技能重塑、利用AI智能体管理基础设施，以及推动可持续计算创新（如采用可再生能源的数据中心、轨道数据中心、水下数据中心） [2][19] 脱胎换骨：重构一个AI原生技术组织 - AI正在从根本上重构技术组织，64%的企业计划增加AI投资，技术组织正从成本中心转向战略引领的创新引擎 [2][20] - 首席信息官（CIO）的角色从技术战略制定者转变为AI推广者与协调者 [2][20] - 新职业角色不断涌现，如AI协作设计师、边缘AI工程师和提示工程师 [20] - 领先企业通过将AI计划与可衡量业务成果绑定、设计模块化架构、制定人机协作人才战略以及建立自适应治理机制，来打造AI原生技术组织 [2][20] - 企业必须勇于持续变革并大胆重塑业务模式，而非局限于渐进式改进 [20][34] 走出困境：使用AI进行网络防御 - AI在网络安全领域形成“风险与防御并存”的悖论，在推动业务创新的同时也带来了新的安全威胁 [2][18] - 新威胁主要来自影子AI部署（未经授权的AI应用）、对抗性攻击以及AI系统固有漏洞，风险覆盖数据、模型、应用程序和基础设施四大领域 [2][18] - 企业可通过健全的访问控制、模型隔离和安全的部署架构来应对AI特有风险 [2][18] - 同时，企业可利用AI技术进行防御，例如利用AI智能体开展红队测试、进行对抗性训练，以及实现机器速度的自动化威胁检测 [2][21] - 未来需重点防范AI与物理基础设施融合、自主网络战、量子计算及太空安全带来的挑战 [2][21] 拨开迷雾：AI进阶过程中值得追踪的技术趋势 - 报告提出了八大值得追踪的技术信号，作为企业技术布局的重要参考 [3] - 信号包括：基础AI模型发展是否触顶、合成数据的应用与风险、神经形态计算的崛起、边缘AI的普及、AI可穿戴设备的发展、生物识别认证的升级、AI智能体隐私问题以及生成式引擎优化（GEO）的兴起 [3][22]

财报发布与市场预期 - 百通公司2025年第四季度财报定于美东时间2月12日盘前发布 [1] - 机构普遍预期公司第四季度营收为6.97亿美元，同比增长4.64% [1] - 机构普遍预期公司第四季度每股收益为1.55美元，同比增长9.15% [1] - 市场关注焦点在于第四季度业绩能否延续第三季度的增长趋势 [1] 近期股价表现 - 公司股价在近7天内波动显著，区间累计上涨10.60%，从2月5日收盘价131.72美元涨至2月11日收盘价141.27美元 [2] - 近7天股价振幅达到15.31% [2] - 2月6日股价单日大幅上涨6.10%，当日成交额为7219万美元，换手率为1.32% [2] - 2月11日股价出现小幅回调，下跌0.45% [2] - 近期成交额波动反映了短期资金的活跃 [2] 历史业绩与业务驱动 - 公司2025年第三季度财报显示营收为6.98亿美元，同比增长7% [3] - 公司2025年第三季度净利率为8.12% [3] - 第三季度业绩主要由自动化解决方案部门驱动，该部门实现了10%的有机增长 [3] 机构评级与长期展望 - 2026年2月，共有7家机构发布了关于公司的观点 [4] - 在这些机构观点中，给出“买入”或“增持”评级的占比高达86% [4] - 机构给出的目标价平均值为144.40美元，较当前股价141.27美元存在一定上行空间 [4] - 机构预测公司2025年第四季度净利润将同比增长12.19% [4] - 中长期来看，机构看好公司在工业自动化、物理AI等领域的解决方案转型 [4] 行业与公司现状 - 近期通讯公司板块整体表现疲软，下跌0.19% [2] - 公司近期基本面保持稳定，未披露新的业务合作或产品线拓展公告 [1]

公司融资与股东背景 - 大晓机器人于近期完成天使轮融资 由蚂蚁集团领投 启明创投 金景资本 弘毅投资 联想创投 上海交大母基金菡源资产等机构跟投 老股东商汤国香资本持续增资 融资金额未披露 但据称为中国具身智能天使轮融资中金额较大的一笔 [1] - 公司由商汤科技孵化 于2025年12月18日正式亮相 商汤科技联合创始人 执行董事王晓刚出任公司董事长 [2] - 投资方弘毅投资表示 公司不仅拥有顶级研发团队 其选择的技术路线是未来10年最重要的技术方向之一 且已与多家生态伙伴达成战略合作 在巡检 文旅等多样化场景验证落地 实现了规模化商业闭环 [1] 公司核心团队与技术路线 - 公司董事长王晓刚为商汤科技联合创始人 本科就读于中科大少年班 硕士就读于汤晓鸥实验室 其研发的DeepID人脸识别技术让机器识别首次超过人类 早于Facebook [3] - 公司研发团队顶尖 全球TOP5华人计算机科学家中独占两席（王晓刚与陶大程） 并汇集了来自南洋理工大学 香港大学 香港中文大学等校的稀缺AI前沿科学家 深耕环境智能 世界模型与具身智能等关键领域 [4] - 公司采用“环境式数据采集—开悟世界模型3.0—具身交互”的全新研发路径 环境式数据采集成本显著降低 且数据具有真实性与场景完整性的核心优势 [3] - 在大晓的ACE具身研发范式中 环境式数据采集可实现一年千万小时的数据收集 开悟世界模型3.0可放大真实数据价值 使其达到上亿小时数据规模的效果 [6] 行业趋势与投资逻辑演变 - 2025年人形机器人与具身赛道融资总额超300亿元 较2024年增加近一倍 [5] - 行业繁荣伴随隐患 国家发改委于2025年11月点名关注产业可能存在泡沫风险 指出中国已有超过150家人形机器人企业 其中半数以上为初创或“跨行”入局 [5] - 资本逐渐冷静 投资逻辑发生根本转变 从2025年12月融资信息看 已有明确场景落地的企业持续获得后续轮次融资 但种子轮 天使轮融资明显减少 投资人更看重实实在在的订单和交付数据 [5] - 启明创投认为 具身智能概念的火热源于前两波AI浪潮的成功 大语言模型证明了智能涌现和泛化性 端到端自动驾驶证明了物理AI的可行性 [6] - 2026年CES之后 行业术语出现微妙变化 越来越少说“Embodied AI” 越来越多说“Physical AI” 前沿科学家认为真正的智能需要AI理解物理环境和物理定律 [6] - 启明创投预计2026年行业头部公司积累的机器人数据将从几万小时增加至百万乃至千万小时 从而提升模型性能与加快应用落地 并会非常关注各家公司积累数据的能力 [6]

公司背景与创始人 - 公司创始人黄晓煌曾为英伟达软件工程师，参与CUDA开发，于2011年从硅谷回国创业 [1] - 公司核心产品“酷家乐”是中国最大的空间设计平台 [1] - 创始团队三人（黄晓煌、陈航、朱皓）为UIUC硕士研究生同学，已共同创业15年，背景和判断接近，内耗较少 [8][10] - 创始人认为决定AI胜败最重要的因素是人才和组织，而非单纯的“钞能力” [10] 业务发展与战略演进 - 公司创业15年来，一直围绕“GPU上云”的核心能力，从家居设计（酷家乐）拓展至机器人仿真训练、工业仿真等物理AI领域 [2] - 公司采用“小步试错探索”策略，不同于英伟达“大开大合”式创新 [7] - 公司业务升级为空间智能，并非二次创业，而是在原有GPU高性能计算实现三维设计的基础上顺势而为，沉淀了稀缺的三维数据 [11] - 公司在寻找新业务方向（“找钉子”）时，注重选择增长最快的行业，并保持对技术的敏感性 [17][18] - 当逆潮流探索时，公司策略是缩小团队做核心技术积累，待机会来临时再扩大 [19] 技术产品与开源 - 2018年，公司开源了当时全球最大的室内空间认知深度学习数据集InteriorNet，吸引了硅谷大公司合作 [7][12] - 2024年11月，公司推出空间智能训练平台SpatialVerse，为机器人提供合成训练数据 [5] - 2025年3月，公司发布并开源空间语言模型SpatialLM [5] - 2025年8月，公司发布开源空间生成模型SpatialGen [5] - 2025年11月，公司发布工业AI孪生平台SpatialTwin，被视为工厂大脑，能实时模拟真实工业环境 [5] - 2025年末，公司推进空间智能开放平台Aholo，开放空间重建、生成、编辑与理解等核心能力 [3] - 公司认为工具、数据、模型三者不可或缺，构成了“数据—模型—应用能力”的闭环和数据飞轮 [26] - 选择开源模型的意义包括吸引人才，且认为竞争对手使用开源模型难以构成威胁 [51] 市场定位与竞争 - 公司目前服务于机器人仿真训练、工业仿真等物理AI领域，直接进入英伟达的腹地 [2] - 银河通用、智元等头部机器人公司已成为公司用户 [6] - 公司的工业AI孪生平台SpatialTwin能够兼容英伟达的Omniverse，但更侧重提供数据及数据模拟，Omniverse是本地仿真系统 [33] - 在工厂智能化变革中，公司希望扮演“卖水人”角色，不生产设备，而是提供智能化落地所需的工具和底层能力 [34] - 公司认为面向工业严谨场景，流行的Agent方案太“薄”，需要更丰富的能力 [30] 财务表现与融资 - 公司先后获得IDG资本、纪源资本、顺为资本、经纬创投、高瓴创投、云启资本等机构累计数亿美元融资 [7] - 2025年上半年，公司收入为3.99亿元，同比增长9.4%，主要收入来自企业客户订阅 [7] - 公司已实现扭亏为盈，2025年上半年经调整净利润为1782.5万元 [7] - 得益于SaaS订阅模式，2024年至2025年上半年，公司毛利率维持在80%以上 [7] 行业洞察与展望 - 创始人黄晓煌预测，空间智能的爆发节点将在3到5年内到来，取决于算法、数据、算力和硬件的突破 [5] - 创始人认为空间智能目前的发展阶段相当于语言模型的GPT-2.0（2019年）阶段，并认为进展很快 [36][37] - 物理AI/世界模型赛道目前投入者较少，因数据工程量更大、技术门槛更高、回报周期可能长达5-10年 [8] - 空间智能也存在Scaling Law，但空间数据获取成本高、难度大，例如为图纸打标签成本约100元/张 [39] - AI发展被描述为“跳高”过程，依赖最聪明的人的算法突破实现跃升 [37] 运营与人才管理 - 公司目前有1300多名员工 [41] - 公司通过每周沟通、演示技术demo来说服员工拥抱空间智能的新方向 [42] - 公司注重将能力建立在组织而非个体上，以应对人才流动，并更关注如何吸引全球最优秀人才加入 [45][46] - 2025年初，公司推出“星核人才计划”，提供最高百万年薪 [47] - 公司认为吸引人才不能只靠高薪，差异化、组织土壤和直接沟通的文化同样重要 [48] - 公司相信并招聘年轻人，认为顶级应届生可能比有经验的人才更强 [49]

公司融资与定位 - 飞捷科思智能科技（上海）有限公司近日完成近亿元Pre-A1轮融资，由经纬创投与东方富海联合领投，沐曦股份、驰星创投等机构参与投资 [2] - 公司定位为Physical AI（物理AI）核心基础设施供应商，专注于自主研发面向具身智能的新一代可微分、多物理统一求解物理仿真引擎 [2] - 该仿真引擎适配主流及国产GPU，支持大规模并行仿真，旨在通过生成高质量合成数据，解决机器人训练数据匮乏的行业痛点 [2] 行业痛点与解决方案 - 现有顶尖多模态大语言模型在物理感知层面面临巨大的“认知鸿沟”，导致模型在生成任务中产生违反因果律的“物理幻觉”，在推理任务中依赖浅层语义标签而非内在物理属性与参数，限制了其在真实物理世界中的可用性、可靠性与泛化能力 [2] - 其根本原因在于关键的物理属性在视觉上具有天然的模糊性，且在现有网络规模数据中缺乏显式的表征与对齐，导致模型难以通过跨模态线索消除歧义 [2] - 为突破物理认知瓶颈，公司推出了OmniFysics——一款面向真实世界的全模态物理AI基础模型，旨在统一图像、音频、视频和文本的跨模态理解，并集成高保真语音与图像生成能力 [3] - OmniFysics通过注入显式物理知识，重塑AI模型对物理规律的感知与预测，弥合隐式神经表示与显式物理知识之间的鸿沟，为构建能真正理解并与物理世界互动的具身智能体奠定基础 [4] 核心技术：双中枢数据生态系统 - 为解决高质量物理对齐数据稀缺问题，团队构建了双中枢数据生态系统 [4] - **FysicsAny中枢**：针对静态属性，通过“感知-检索-验证”的五阶段专家协作机制，结合物理定律约束与分层知识检索，构建了包含943K（即943,000）验证物理标签和4.7M（即4,700,000）对指令-图像的首个大规模物理属性数据资产 [4][7] - FysicsAny中枢构建了包含300个标准物理原型的数据资产，涵盖刚体、软体与流体状态，通过检索专家将视觉对象映射到精确的物理参数空间（如密度、杨氏模量、粘度等） [7] - **FysicsOmniCap中枢**：针对动态过程，利用视听一致性过滤与“大脑-工具”协作机制，提炼出872K（即872,000）富含物理因果链的高保真指令资产，强化了模型对跨模态物理线索的捕捉能力 [4][9] - 该中枢采用强专家模型作为中枢大脑，调度视觉、音频与物理感知三大专家模型协同工作，能够合成深度物理因果链 [9] 核心模型：OmniFysics架构与训练 - OmniFysics提出了一种全新的全模态统一架构，以3B（即30亿）参数的大语言模型为基座，实现了对图像、音频、视频与文本的统一处理与生成 [12] - 模型采用了时间多模态旋转位置编码，能够精确处理交错的视听流输入 [14] - 在输出端，OmniFysics集成了两大生成模块：Spoken Voxer支持从多模态上下文直接预测离散音频token，合成高保真语音；同时也具备了物理感知的图像生成能力 [14][15] - 模型融合了智能动态路由技术，能够实时分析用户指令的句法结构与语义意图，自适应调度计算资源，在保持高效推理的同时，精准执行符合物理规律的复杂任务 [16] - 模型实施了渐进式四阶段训练策略，利用3700万条精心配比的指令微调数据进行全模态联合对齐，并关键性融入了FysicsAny与FysicsOmniCap生成的物理增强数据资产 [17] - 在生成能力突破阶段，模型进一步引入了超过1亿的高质量样本进行专项训练，涵盖用于构建高保真语音映射的音频数据，以及用于图像生成流匹配训练的海量图文对 [17] 性能评估与基准 - 公司推出了FysicsEval——国际首个全维度物理感知与逻辑推理评测基准，旨在全方位量化物理AI的认知边界 [20] - 该基准是一个面向多模态物理智能的全维度、多粒度评估系统，首次将物理感知与预测、物理逻辑推理、物理世界理解三大核心能力纳入同一评估体系 [21] - 基准包含3,854个源自真实世界的样本，覆盖刚体、软体、流体三大物理形态，以及密度、摩擦系数、杨氏模量等11类关键物理参数 [22] - 在FysicsEval评测中，OmniFysics (3B)的综合得分全面超过同量级开源模型，更在多项关键指标上超越了Gemini-2.5-flash和Claude-4.5-Haiku等大规模参数的闭源模型，整体上取得了最好的物理逻辑推理能力 [27] - 在PhysBench、QuantiPhy等权威第三方物理榜单上，OmniFysics同样保持了领先优势 [27] - 在MMBench、MMStar等六大通用视觉理解基准评测中，OmniFysics取得了72.8%的平均分，在所有同尺寸的Omni模型中位列第一 [30] - 在OmniBench、Video-MME等全模态与视频理解榜单中，OmniFysics以49.97的平均分位居3B量级模型之首，在5个评估基准中有4个优于Qwen2.5-Omni 3B [32] - 在MMAU和MMAR音频理解基准上，OmniFysics取得了61.2的平均分，这一成绩优于Qwen2.5-Omni 3B，更在部分指标上超越了音频专家模型 [35] - 在图像生成方面，OmniFysics展现了独特的“物理转译”能力，能根据“密度”、“杨氏模量”等抽象参数，生成具有正确材质光泽与形变逻辑的图像 [37] 公司背景与行业影响 - 公司由复旦大学智能机器人与先进制造创新学院副院长、原英伟达PhysX物理引擎主要奠基人与研发团队负责人张立华教授创办 [41] - 公司是国内唯一拥有完全自主研发的可微分通用物理仿真引擎产品的企业 [41] - 公司以新一代物理仿真引擎Fysics为核心，致力于打造全球领先的物理智能关键技术与产品，推动具身智能与人形机器人技术研发及应用场景的快速落地 [41] - 公司在高精度物理仿真引擎、高质量具身智能仿真平台、机器人敏捷运动与鲁棒智能控制等领域处于行业领先水平，并向行业提供覆盖“仿真—训练—部署—迭代”的全栈解决方案 [41]

行业趋势：大模型竞争转向物理AI - 国内大模型赛道竞争白热化 头部玩家密集发布新版本 大厂借春节展开AI流量入口大战 腾讯、阿里、百度将砸下45亿红包抢人[2] - 大模型技术发展面临瓶颈 算法上 数据越多越聪明的路径效果减弱 算力上摩尔定律几近失效 数据上全球纯文本数据即将耗尽[3] - 线上大模型盈利困难 国内外所有纯原生大模型公司均未实现盈亏平衡 大厂砸钱抢人是为防掉队 尽管当前模型能力难以留存用户[3] - 行业焦点转向物理AI 即让大模型走进现实世界 2026年被视作从“读万卷书”转向“行万里路”的关键节点[4] - 巨头纷纷布局物理AI 黄仁勋称“物理AI的ChatGPT时刻已经到来” OpenAI投资机器人公司 谷歌将大模型配置于苹果设备 马斯克合并SpaceX与xAI[4] 公司战略：阶跃星辰的定位与路径 - 公司是国内唯一一家All in大模型+终端、致力于将AI带入物理世界的大模型公司[2] - 公司聚焦全模态大模型研发（语言、图像、声音） 以适配各类终端 国内60%的头部手机品牌已与其达成深度合作 模型装机量超过4200万台[26] - 公司已完成对华为昇腾、壁仞、沐曦等多家国产AI芯片的深度适配 实现了纯国产算力的闭环[27] - 公司发布专为智能体设计的Step 3.5 Flash模型 具备轻量化、高速度、低延迟的特点 逻辑与推理能力媲美闭源大模型[26] - 公司通过“算法研发-场景落地-数据反馈-模型优化”的循环 已在手机和汽车终端找到数据飞轮 持续提升“含模量”[31] 领导层背景：印奇的经历与理念 - 公司新任董事长印奇是AI领域老兵 拥有15年AI创业经历 曾联合创立旷视科技并将其人脸识别技术做到世界顶尖水平（识别率97.27%）[12][13] - 印奇强调商业闭环与盈利的重要性 认为“所有不能闭环的辉煌都是暂时的” 其当前所有行动首先思考如何赚钱[14] - 印奇看好AI与汽车结合 认为这是大模型进入物理世界的最佳基座 未来汽车将成为超级智能体[8][28] - 印奇同时担任千里科技（原力帆科技）董事长 主攻智驾 使其成为同时脚踏AI大模型和智能汽车两大领域的关键人物[9] 业务进展：汽车领域的落地与目标 - 公司与千里科技联手推出“千里浩瀚”智驾系统 其智能座舱Agent OS能以更自然的方式与人交互 该系统已应用于吉利旗下极氪、领克等超过30万辆车上[29] - 公司认为“含模量决定智驾生死局” 是其第一性原理 目前其G-ASD系统与特斯拉FSD有约一年差距 目标是在2026年底达到甚至局部超越特斯拉当前水平[31] - 在汽车业务策略上 公司背靠吉利、奔驰等车企支持 优先服务3-4家头部车企 以跑通“数据—模型—量产”的正循环 形成技术和数据壁垒[31] - 公司今年的目标之一是给100万辆汽车换上大模型的“疾速脑”[32] 融资与团队：资本支持与人才储备 - 公司近期拿下50亿B+轮融资 刷新了过去12个月中国大模型赛道单笔最高融资纪录 且金额高于智谱和MiniMax的IPO募资额[9] - 公司团队聚集了多位AI领域顶尖技术人才 包括微软前副总裁姜大昕、ResNet作者张祥雨、系统专家朱亦博等[32] - 千里科技也挖来了原华为车BU总裁王军担任联席总裁[32] - 公司透露 其目前可能是业内2B（面向企业）收入最好的公司[32] 未来展望：发展目标与行业愿景 - 公司目标是在今年进入大模型第一梯队 并在12到15个月内推出AI原生时代的新硬件（可能是笔、项链等）[32] - 印奇相信大模型终将延伸到具身智能（如机器人） 公司也会跟随时代浪潮进行相关探索[32] - 公司认为自动驾驶如同当年的火车 需要技术、体验和市场教育的共同推进才能最终改变现实[33] - 2026年 AI的主战场将从云端转向物理世界 在汽车方向盘下、座舱里及每一次现实交互中[35]

投资评级与目标价 - 报告对小鹏汽车的投资评级为“买入”，目标价为23.80美元，较当前股价17.54美元有36%的上行空间 [1] - 目标价从原值27.70美元下调了14% [2] - 报告对汽车汽配行业的评级为“超配” [1] 核心观点 - 报告认为短期销量扰动不改全年增长趋势，尽管受行业政策变动影响，1月销量同比下滑34.1%，但预计全年新能源车仍将维持增长，小鹏汽车凭借多款换代车型及全新GX车型上市，有望实现全年销量双位数增长 [6] - 小鹏汽车在物理AI应用落地节奏上领先行业，包括第二代VLA在2026年第一季度上市、搭载该模型的Robotaxi开始路测以及人形机器人和飞行汽车开始量产 [7] - 报告下调了2026年的盈利预测，主要因第一季度销量承压，但重申“买入”评级，估值采用2026年1.6倍市销率 [8] 财务预测与调整 - 下调2026年销量预测至50.9万辆，同比增长18.5%，相应下调汽车收入预测至914.8亿元，同比增长36.3% [8] - 下调2026年综合毛利率预测至17.9%，其中汽车销售毛利率预计为12.7% [8] - 下调2026年Non-GAAP归母净利润预测64.6%至8.9亿元，小幅下调2027年预测至51.1亿元 [8] - 具体盈利预测调整如下：2025年每股收益预测从-0.72元下调至-0.74元；2026年每股收益预测从2.61元大幅下调65%至0.92元；2027年每股收益预测从5.31元微调至5.24元 [2] - 华兴证券的营收预测低于市场共识，2025年预测为806.27亿元，较市场低7%；2026年预测为1194.76亿元，较市场低16% [5] 业务与运营状况 - 小鹏汽车2025年第四季度交付量为116,249辆，同比增长27.0%，但低于公司12.5万至13.2万辆的指引区间；2025年全年销量为429,455辆，同比增长126% [6] - 2026年1月销量为20,011辆，同比下滑34.1%，环比下滑46.6%，主要受春节假期及行业政策变动影响 [6] - 公司计划在2026年推出多款换代车型（P7+, G7, G6和G9）以及全新的6座全尺寸GX车型 [6] 估值与可比公司 - 报告采用2026年1.6倍市销率对小鹏汽车进行估值 [8] - 根据可比公司估值表，小鹏汽车2026年预测市销率为1.2倍，低于特斯拉的16.2倍，但高于蔚来汽车的0.8倍和理想汽车的1.1倍 [11] - 小鹏汽车当前市值为167.65亿美元 [1] 关键财务数据摘要 - 营业收入预测：2025年为749.93亿元，2026年为1007.70亿元，2027年为1319.02亿元 [9] - 归母净利润预测：2025年亏损71.1亿元（Non-GAAP），2026年盈利8.9亿元（Non-GAAP），2027年盈利51.1亿元（Non-GAAP） [9] - 毛利率预测：2025年为18.9%，2026年为17.9%，2027年为19.0% [10] - 预计2026年研发费用为103.5亿元，销售及管理费用为102.03亿元 [10]

产品发布与核心突破 - 全球智能机器人企业极智嘉于2月10日正式发布全球首款面向仓储场景的通用人形机器人Gino 1 [1] - 该产品实现了“一台机器人覆盖仓内主流人工操作场景”的突破，引领仓储行业从移动智能化迈向操作智能化的关键跨越 [1] 产品技术特性与设计 - Gino 1从设计到训练完全面向仓储场景的通用多任务能力，其具身大脑Geek+ Brain深度融合了公司多年积累的海量仓储数据，并结合大规模仿真强化学习，使其具备类人的通用操作能力 [3] - 机器人能够从事仓储拣货、搬箱、打包、巡检等多任务 [3] - 头部配备三目主视觉和前后鱼眼相机，兼顾近景高精度识别和前后360度环境感知与语义理解 [3] - 手臂末端配备7主动自由度三指灵巧手，兼顾抓取灵活性与可靠性，并配备手心双目相机和触觉传感器 [3] - 仿人14个自由度的全关节力控双臂，可实现安全作业，最大负载20Kg，覆盖仓储通用作业需求 [3] - 本体安装50Ah大容量电池，并具备行业首发的无线超级快充功能，充电功率达3KW，大幅提升充电效率及工作时间 [3] - 底盘基于AMR研发的智能环境感知与定位导航技术，搭配前后半球形3D激光雷达，实现三维场景重建、动态轨迹规划和灵活全向移动 [3] 算力与软件系统 - 基于NVIDIA Blackwell的Nvidia Thor机器人计算机，提供高达2,070 FP4 TFLOPS的计算性能，高效应对多模态AI模型并行计算等复杂应用场景 [4] - 软件搭载新一代具身智能VLA快慢协同系统，将仓储场景Know-how与AI技术深度融合，使机器人能够模仿人类的认知与执行能力，在仓库内全域自主作业 [4] - 该系统具备多模态融合感知、快慢协同智能架构、高频闭环动作决策中枢和数据驱动持续进化四大核心能力 [4] - 通过慢系统负责高层任务理解与规划，快系统实现实时视觉感知与反馈控制，兼顾决策合理性与执行高效性 [4] 解决方案与战略意义 - 基于Gino 1，公司构建了清晰可落地的全流程无人仓方案：由AMR集群完成搬运、存储等移动环节，Gino 1接管柔性高、复杂度强的人工操作场景，无人拣选工作站处理海量SKU拣选，实现仓内核心作业的全域智能化覆盖 [6] - 该方案旨在帮助客户缓解人力压力、降低长期成本、实现效率增长 [6] - Gino 1的发布标志着公司“通用仓储机器人”战略第二阶段“场景通用”的正式兑现 [7] - 公司已于2025年10月底推出专用于拣货场景的无人拣选工作站，实现了第一阶段“单点突破” [7] - 未来公司将依托全球网络加速无人仓方案的规模化落地，通过“场景 - 数据 - 技术”的闭环迭代推动技术与商业双重进化，并筹备启动战略第三阶段的生态共建 [7]

行业趋势与市场空间 - 人工智能的发展重心正从云端大模型向物理世界（物理AI）转移，端侧智能成为全球投资者关注的焦点[2] - 物理AI的落地面临实时性、带宽经济性和数据隐私三大挑战，这使得“算力下沉”成为必然选择，边缘和端侧AI推理芯片的重要性日益凸显[2][4] - 轻量化AI模型及开源LLM的发展为算力下沉提供了技术可行性，边缘和端侧AI芯片成为链接数字大脑与物理世界的关键桥梁[5] - 全球边缘及端侧推理芯片市场规模巨大，预计将从2024年的3793亿元人民币增长至2030年的16123亿元人民币，年复合增长率高达27%[7] - 相比拥挤的云端赛道，边缘和端侧AI面对的是一个周期更长、更贴近实体世界的万亿级蓝海市场[28] 公司技术与产品优势 - 公司是边缘AI芯片赛道的领军者，已实现规模化出货，并于2025年2月10日登陆港交所，成为“中国边缘AI芯片第一股”，开盘市值达166亿港元[2] - 公司构建了“感知-计算一体”的专有技术平台，通过爱芯智眸AI-ISP技术解决端侧设备在恶劣环境下的成像痛点，并将物理信号转化为高保真数据[12] - 公司的爱芯通元NPU采用多线程、异构多核设计，支持混合精度动态调度，在功耗受限环境下实现了远超传统GPU的效率，并原生兼容Transformer和CNN架构[14] - 公司通过Pulsar2工具链与成熟的SDK软件包，为开发者提供了深度软硬件集成的标准化入口，降低了客户的开发成本与准入门槛[15] - 公司建立了“三位一体”的标准化协同运营模式，将市场洞察、产品开发与营销有机整合，能快速响应市场需求并缩短商业周期[16] - 公司拥有稳定可扩展的全球供应链体系，能持续获得先进工艺技术和稳定产能保障[17] 业务布局与市场地位 - 公司构建了以终端计算、智能汽车、边缘AI推理为核心的三大业务矩阵[18] - 在终端计算市场，公司是全球第五大视觉端侧AI推理芯片供应商，其累计出货量已突破1.57亿颗（截至2025年9月底）[22] - 在竞争最激烈的中高端视觉端侧AI推理芯片市场，公司以24.1%的市占率位居全球首位[22] - 在智能汽车领域，公司是中国第二大国产智驾SoC供应商，已有三款车规级SoC（M55H、M57及M76H）进入商业化应用，并成功定点多家汽车OEM及Tier 1供应商[23] - 在边缘AI推理领域，公司是国内第三大供应商，市占率达12.2%，其8850系列SoC出货量从2023年的超2.1万颗增长至2024年的超10万颗[23] 财务表现与增长动力 - 公司营收从2022年的0.5亿元人民币快速增长至2024年的4.7亿元人民币，年均复合增速高达207%[20] - 2025年前三季度，公司收入录得2.7亿元人民币[20] - 终端计算产品是公司业绩的核心基本盘，其收入从2022年的0.45亿元扩张至2024年的4.48亿元，年复合增长率达216%[22] - 智能汽车和边缘AI推理业务成为新的增长曲线，2025年前三季度这两项业务的销售收入同比增幅均超过250%[29] - 公司产品结构持续优化，高毛利的智能汽车和边缘推理产品（2025年前三季度毛利率分别为43.3%和49.5%）拉动整体价值中枢上移[24] - 公司分销出货占比从2022年的4.8%迅速攀升至2025年前三季度的60.3%，表明产品通用性和品牌认可度获得市场认可[25] 研发投入与未来前景 - 公司长期保持高强度研发投入，2022至2024年研发支出分别为4.46亿元、5.15亿元、5.89亿元，2025年前三季度达4.14亿元，研发人员占比高达80%[30] - 高强度研发确保了公司在能效比等核心指标上的技术领先优势，并锁定了未来的代际优势与生态卡位[27] - 公司形成了研发驱动增长的良性循环：技术优势驱动多元赛道商业化变现，自我造血能力反哺研发，规模效应有望摊薄研发费用并改善盈利能力[27] - 公司IPO引入了多元化的豪华基石投资者阵容，累计认购1.85亿美元，认购比例高达48.76%，提供了产业背书并有助于稳定上市初期股价[29][31] - 公司未来增长弹性来源于智能汽车SoC的规模化出货、边缘AI应用边界的拓宽、高价值产品占比提升带动盈利改善，以及海外市场的拓展[29]

汽车行业1月产销数据 - 乘用车1月产销数据同环比有所承压 [1] - 重卡及客车1月产销数据好于预期 [1] - 商用车板块（尤其出口）景气及业绩预期相对占优 [1] 智驾及机器人板块催化剂 - 板块交易核心围绕特斯拉进展等事件 [1] - 预计3月前后催化有望密集落地 [1] - 具体催化剂包括：FSD全面入华、Optimus V3定型发布、春晚机器人表演、Cybercab量产 [1] - 当前建议积极布局该板块 [1]