2025年创业板行情驱动逻辑 - 符合预期的逻辑包括估值修复、盈利改善预期显著以及资本市场政策预期，年初创业板估值处于历史很低水平为反弹提供高安全边际，市场偏好提升推动估值修复，创业板2025年全年盈利增速长期维持在25%以上，较去年负增速改善明显，监管层表态推出深化创业板改革一揽子举措增强市场信心 [1] - 超出预期的逻辑包括产业突破和AI产业引发格局重构，固态电池技术取得较大突破提振市场对新能源板块信心，通信和电子在创业板中的权重从去年的19%提升至当前的30%，接近电力设备行业33%的占比，形成新能源和AI产业并驾齐驱格局 [1] 宏观与政策因素影响 - 长期逻辑包括深化创业板改革和构建科技金融体制，启用第三套上市标准、优化发行上市机制等举措利于创业板长期健康发展，创业板是构建科技金融体制的重要战场，政策推动中长期资金入市利于创业板长期资金流入 [1] - 阶段性影响因素主要是货币政策和并购重组新规，降准降息等货币政策主要释放流动性提振市场情绪，并购重组修订利于高科技企业拓宽融资渠道，二者影响相对短期但具有协同作用 [2] 未来3-6个月指数运行特征 - 创业板指数或将"在震荡中逐步向好，动能由风险偏好驱动转为基本面与资金面共同驱动"，货币政策整体宽松、两融余额维持高位、科技赛道ETF持续流入利好创业板 [3] - 细分板块呈现不同特征，电力设备板块供需格局改善后盈利有望回升，电子通信板块中长期景气度高但短期或震荡，医药生物板块基本面出现拐点但也有短期震荡风险 [3] - 企业盈利表现良好支撑指数，1384家公司中1028家实现盈利，二季度业绩环比改善明显印证经营持续向好，创业板指有望中期向好短期或震荡 [3] 潜在海外干扰因素 - 全球宏观经济政策方面，美联储政策是核心变量，若暂停降息或释放"鹰派"信号可能引发全球成长股估值回调，美国通胀数据反复可能限制我国货币政策宽松空间影响市场流动性预期 [4] - 国际竞争与地缘政治方面，美国关税或科技限制政策升级会冲击创业板外向型较高的科技板块但利于国产自主可控板块，地缘冲突升级会提升全球资本避险情绪导致资金从新兴市场流出 [4] - 外资动向方面，海外不确定性增加时外资可能阶段性流出放大创业板调整幅度，美联储降息和人民币汇率走强时外资回流有望为创业板注入反弹动力 [4] 并购重组政策受益公司类型 - 强链补链的科技创新企业可能率先受益，政策提高对财务状况变化的包容度，允许其收购有助于补链强链的优质未盈利资产，助力提升关键技术水平 [5] - 产业整合类的细分龙头可能受益，政策支持上市公司之间吸收合并和优质公司发行股份购买资产，细分龙头可通过简易审核程序快速开展并购 [5] - 面临瓶颈的转型探索者可能受益，这类企业能通过跨行业收购新质生产力标的加快产业转型升级寻求业绩新增长点 [5] 当前估值与配置价值 - 创业板指市盈率PE约为41倍，处于2010年上市以来由低到高36%的分位数水平，市盈率分位数明显低于国际市场同期水平，如美股标普500PE处于2005年以来95%分位数、纳斯达克指数是87%分位数 [6] - 创业板指高度集中于新能源、电子通信、医药生物、计算机等代表中国产业升级方向的行业，是"新质生产力"的核心载体，在AI产业周期浪潮中具有较大估值抬升潜力，具备较好长期配置价值 [6] 内部板块分化情况 - 已率先反应利好的板块是AI算力和创新药板块，AI算力板块受国产自主可控政策支持，阿里等产业巨头创纪录的资本开支和强劲业绩增长支撑高景气，创新药板块在技术创新与出海订单提振下呈现结构性高景气 [7] - 处于估值修复阶段的板块包括半导体和新能源板块，半导体板块7月下旬以来在"国产替代"逻辑强化下表现较好，全球硅片涨价和AI芯片需求持续等因素推动估值修复，新能源板块处于估值修复初期，市场情绪回暖源于"反内卷"政策推动行业产能出清和固态电池技术突破 [7] 普通投资者投资工具 - 创业板指数ETF具有分散风险、成本更低、交易便捷等优势，购买ETF相当于购买一篮子股票资产分布离散能有效实现分散投资，降低创业板股票高波动风险 [8] - ETF交易成本相对较低，不需要支付高额管理费用和销售费用，多数ETF管理费率为0.5%，交易成本仅有交易佣金，像股票一样在证券交易所上市交易流程简便快捷，透明度高投资者能快速了解投资组合特性 [8] 下半年重点跟踪信号与风险 - 需重点跟踪的信号包括政策信号如十五五规划产业政策、景气度信号包括企业三季度业绩和产业高频数据、技术与产业信号像AI算力需求落地和技术迭代、资金流向信号 [9] - 需特别警惕的风险点包括中美贸易与科技竞争风险、美联储货币政策超预期变化、企业盈利不及预期风险以及交易过度拥挤风险 [9]

股东减持计划 - 四位股东拟合计减持不超过公司总股本的4.5% 其中三位股东计划清仓式减持 [1][2] - 拟减持股份数量为1512.2万股 按9月24日收盘价32.01元/股计算 顶格减持可套现超4.8亿元 [1][4] - 减持原因为基金退出需求及个人资金需求 减持期限为公告披露后3个交易日内的3个月内 [2][3] 经营业绩表现 - 公司连续两年亏损：2023年归母净利润-1.69亿元 2024年归母净利润-1.81亿元 [7] - 2025年上半年营业收入1.71亿元（同比下降34.74%） 归母净利润-0.86亿元（同比下降4.66%） [7] - 2022年上市当年实现营业收入4.97亿元（同比增长22.09%） 归母净利润0.75亿元（同比增长6.79%） [7] 研发投入情况 - 2025年上半年研发投入1.53亿元 占营业收入比重达89.47% [1][7] - 2023年研发投入2.83亿元（占营收63.03%） 2024年研发投入3.23亿元（占营收56.27%） [7] 股权激励计划 - 向176名员工授予922.07万股限制性股票 授予价格14.97元/股（为市价50%） 激励对象占员工总数39.64% [8][9] - 考核目标要求2025年汽车电子与工业控制业务收入增长不低于50% 信创与信息安全业务收入增长不低于30% [9] - 2026年两大业务收入增长率分别不低于140%和108% 且当年归母净利润需转正 [9] 公司业务概况 - 主营国产自主可控嵌入式CPU技术研发与产业化应用 覆盖汽车电子与工业控制、信创与信息安全两大领域 [6]

公司战略聚焦 - 公司聚焦主业并深耕企业级国产自主可控存储领域 [2] - 公司将根据后续订单情况有序规划长沙产业园产能 [2] 产能扩张影响 - 长沙产业园投产将有助于公司发挥规模效应 [2] - 产能扩张将提升存储生产能力、专业化软硬件研发能力及覆盖全国的售后网络体系 [2]

投资计划 - 公司拟通过增资方式投资深圳江原科技有限公司 投资金额1亿元 投资完成后持股比例为4.1427% [4] - 投资标的为AI芯片研发企业 专注于国产AI芯片研发 已完成全流程国产自主先进工艺芯片量产交付 [4] - 本次投资为标的公司第三轮融资 投前估值21亿元 估值增值率达1714.86% [4][6] 战略背景 - 公司为金融科技企业 主营业务为第三方支付服务 本次投资属于跨界布局 [4] - 公司根据重整计划谋求发展第二增长曲线 看好AI芯片产业在国家算力自主可控战略下的市场空间 [5] - 认可标的公司技术实力与发展前景 认为AI芯片需求将随大模型训练与推理应用增长而持续提升 [5] 标的公司财务表现 - 标的公司2025年上半年营业收入1230.55万元 归母净利润亏损6853.69万元 尚未实现盈利 [6] - 前轮次投后估值18.6亿元 本次投前估值较前轮增长12.90% [6] 历史执行风险 - 公司近10年签署战略合作协议约8次 其中7次未进一步落地执行 [1][7] - 历史合作对象包括中信银行信用卡中心 江西银行 京东集团 兴业银行北京分行等金融机构 [8] - 具体案例包括2017年与江西银行签署的20亿元综合授信协议 后续未展开实质性合作 [9]

市场表现 - A股三大指数9月24日午后集体上行 储存芯片 半导体 光刻胶等概念涨幅居前[1] - 云计算50ETF（516630）涨幅扩大至1.5% 持仓股神州泰岳涨超4% 科大讯飞 紫光股份 深信服 电科数字 金山办公等涨幅居前[1] 行业前景 - 阿里集团CEO吴泳铭表示大模型是下一代操作系统 AI云是下一代计算机 未来全球可能仅存5-6个超级云计算平台[1] - 阿里云正积极推进3800亿AI基础设施建设并计划追加更大投入[1] - 阿里云全球数据中心能耗规模计划到2032年提升10倍以迎接超级人工智能时代[1] 产业趋势 - 国产AI芯片持续迭代 自主可控进展顺利 保障算力基础设施持续扩张[1] - 国内云厂商展现出加速追赶北美AI厂商的决心 预计更多云厂商将跟进投入[1] - 国内算力预计将重回高速增长轨道[1] 产品特征 - 云计算50ETF（516630）跟踪云计算指数（930851）该指数AI算力含量较高[2] - 指数覆盖光模块&光器件 算力租赁 数据中心 AI服务器 液冷等热门算力概念[2] - 云计算50ETF（516630）是跟踪该指数合计费率最低的ETF产品[2]

海外芯片巨头合作事件 - 英伟达宣布50亿美元入股英特尔 英特尔将为英伟达定制x86 CPU [1] 科创芯片50ETF市场表现 - 9月19日科创芯片50ETF早盘宽幅异动震荡 振幅超2% 七连涨创新高后微涨0.19% [1] - 昨日ETF创新高后资金加速涌入 单日吸金超1.2亿元 [1] - 成分股澜起科技大涨8.78% 中微公司涨2.50% 沪硅产业涨1.34% 晶晨股份涨1.62% [1][3] - 成分股寒武纪跌2.29% 海光信息跌1.03% 芯原股份跌2.40% 东芯股份跌2.95% [1][3] - 中芯国际微跌0.09% 华虹公司涨0.82% [1][3] 国产AI芯片发展态势 - 科技龙头公司全联接大会首次明确披露AI芯片规划 [2] - 国产芯片加速迭代 云厂商加大资本开支并提高国产芯片采购比例 [2] - 阿里等云厂商Capex保持高速增长 国产AI芯片持续迭代保障算力基础设施扩张 [2] - Deepseek、阿里先后表态加大国产算力适配力度和采购比重 [2][4] 行业周期与投资逻辑 - 半导体行业正经历"宏观政策周期、产业库存周期、AI创新周期"三重共振 [2][4] - 海外晶圆龙头上修年度业绩指引 中芯国际和华虹半导体对订单及景气度持乐观展望 [2] - 模拟电路（对美反倾销）和存储（涨价）领域迎来重大行情催化 [2] - 本土算力链经历戴维斯双击 先进制程配套能力持续提升 [2][4] 机构观点 - 中信证券指出国产自主可控趋势已成 建议重视国产算力龙头企业 [2] - 国信证券维持2025年电子板块"估值扩张"的乐观判断 [2][4]

产品与技术突破 - 控股子公司佳讯智航自主研发的空管语音通信交换系统VCS8800获得中国民用航空局颁发的临时使用许可证[1] - 该系统实现国产自主可控且具备高可靠性 系统可用性超过99.999%[1] - 此为佳讯智航继记录仪获证后第二个获证的空管系统核心产品[1] 战略意义与行业影响 - 获证显著提升公司在民航领域的品牌形象与行业地位[1] - 为后续产品销售 实际部署与规模化应用奠定坚实基础[1] - 对公司民航业务长远发展具有重大战略意义[1]

产品与技术突破 - 控股子公司佳讯智航自主研发的空管语音通信交换系统VCS8800获得中国民用航空局颁发的临时使用许可证 [1] - 该系统实现国产自主可控且具备高可靠性 系统可用性超过99.999% [1] - 此为佳讯智航继记录仪获证后第二个获证产品 标志着空管系统核心产品取得重要阶段性突破 [1] 市场与业务影响 - 获证显著提升公司在民航领域的品牌形象与行业地位 [1] - 为后续产品销售 实际部署与规模化应用奠定坚实基础 [1] - 对公司民航业务长远发展具有重大战略意义 [1]

核心观点 - 公司控股子公司佳讯智航的空管语音通信交换系统获得中国民用航空局颁发的临时使用许可证 标志着公司在空管系统核心产品国产化方面取得重要阶段性突破 对民航业务长远发展具有重大战略意义 [1][2] 行业背景 - 民航产业是国家社会经济发展与安全保障的战略性领域 [1] - 空中交通管理系统的自主可控已成为行业发展的战略核心 [1] - 语音通信交换系统是当前国产化率最低的空管设备之一 其自主可控是行业发展的迫切需求和重要目标 [1] 产品技术 - 语音通信交换系统VCS8800实现国产自主可控 具备高可靠性 系统可用性超过99.999% [2] - 产品满足民航对安全性 可靠性与适航性的极端要求 并通过相关准入认证 [1] 认证意义 - 临时使用许可证是产品进入民航市场开展实际应用与验证的强制性准入凭证 [1] - 该认证是获取正式使用许可证的不可或缺阶段 [1] - 此次获证是继记录仪获证后的又一核心产品突破 [2] 业务影响 - 显著提升公司在民航领域的品牌形象与行业地位 [2] - 为后续产品销售 实际部署与规模化应用奠定坚实基础 [2] - 公司紧抓空管技术设备国产化机遇 积极布局民航领域 [1]

核心技术思路 - 提出“基于内生复杂性”的通用智能实现路径，旨在通过融合神经元内部丰富动力学特性来构建高效模型，区别于现有“基于外生复杂性”（简单神经元+大规模网络）的技术路径[7][9] - 核心创新在于借鉴大脑信息处理机制，使用具有复杂内生动态的脉冲神经元构建模型，理论上存在用小规模复杂神经元网络代替大规模简单神经元网络的可能性[5][6] - 团队在理论上建立了脉冲神经元内生动力学与线性注意力模型之间的联系，揭示现有线性注意力机制是树突计算的特殊简化形式，为性能提升提供了清晰路径[13] 模型架构与性能 - SpikingBrain-1.0包含7B和76B两个版本：7B为层间混合纯线性模型，76B为层内混合的混合线性MoE模型，分别具有线性及近线性复杂度[10][14] - 7B模型在极低训练数据量（约150B token，为主流模型的2%）下实现与主流开源Transformer模型相媲美的性能，在MMLU基准上达到65.84分[18][19] - 76B模型仅激活12B参数，在MMLU基准上达到73.58分，性能接近或优于Llama2-70B、Mixtral-8*7B等先进Transformer模型[20] 效率优势与基准测试 - 在GPU上处理1M长度序列时，TTFT速度相比主流大模型提升26.5倍，4M长度下保守估计速度提升超过100倍[2][21] - 序列长度从256k扩展到4M时，推理时间开销几乎恒定（1015ms至1073ms），而Qwen baseline在1M长度时已达27929ms且难以评测4M长度[21][22] - 在手机CPU端，压缩至1B的模型在64k-128k-256k长度下较Llama3.2的1B模型Decoding速度分别提升4.04倍-7.52倍-15.39倍[23] 技术创新点 - 构建自适应阈值神经元模型模拟生物神经元脉冲发放过程，通过虚拟时间步策略实现“电位-脉冲”转换，将整数脉冲计数重新展开为稀疏脉冲序列[12] - 动态阈值脉冲化信息编码方案可将模型中计算量占比90%以上的稠密连续值矩阵乘法替换为支持事件驱动的脉冲化算子，实现高性能与低能耗兼顾[12] - 结合网络层面MoE架构与神经元层面稀疏事件驱动计算，提供微观-宏观层面的稀疏化方案，体现按需计算的高效算力分配[13] 国产化与生态建设 - 适配了面向沐曦MetaX国产GPU集群的高效训练和推理框架、Triton算子库、模型并行策略以及集群通信原语，实现百卡规模数周稳定训练[2][13][26] - 7B模型在国产算力集群上进行8k长度训练时，MFU达到23.4%，TGS per GPU达到1558 tokens/s，展示了构建国产自主可控新型非Transformer大模型架构生态的可行性[26][28] - 团队开源了SpikingBrain-1.0-7B模型并提供76B模型的网络试用端口，支持数百人并发请求，积极推动类脑研究生态构建[27][29]