核心观点 - 人工智能正从数字领域走向物理世界，被用于提升建筑、工厂等实体场所的运营效率与生产力，其大规模应用阶段正在开启 [1] - 行业领袖提出“物理AI”概念，并认为其“ChatGPT时刻”已经到来，意味着机器开始具备理解、推理并作用于现实世界的能力 [1] 行业趋势与应用 - 所谓的“物理AI”在2025年从试点项目发展到广泛应用，全球有超过20万个场所部署了此类工具 [1] - “物理AI”的应用场景包括配置汽车工厂的工作流程、决定建筑物在不同时间段的能源使用等，旨在提升能源效率、安全保障和人员生产力 [1] - 每栋建筑都存在提升能源效率、加强安全保障和提高生产力的需求，这是“物理AI”发展的核心驱动力 [1] 供应链战略调整 - 新冠疫情促使企业重新审视供应链，推动其建立能够在本地生态系统中运作的体系，以增强韧性 [1] - 世界贸易秩序正在转变，从标准的全球供应链转向更多双边贸易 [1] - 霍尼韦尔公司利用疫情期间的经验，已构建能够承受双边关系变化和关税冲击的供应链 [1] 技术发展框架 - 英伟达首席执行官提出了AI“五层蛋糕”理论，自下而上分别为：能源、芯片与计算基础设施、云数据中心、AI模型以及最上层的应用层 [1] - 该框架明确了支撑AI，特别是“物理AI”发展的底层技术栈和基础设施层级 [1]

行业核心观点 - 2026年是物理AI脱离屏幕AI的关键元年 机器人产业对标“智能手机+自动驾驶”混合体 投资应遵循“智能层>协同层>硬件层”新范式 聚焦核心能力与生态构建 [1] - 人形机器人产业的核心矛盾是“智能赤字” 产业核心是具身智能 价值关键在服务能力差异化 具身智能大脑为核心护城河 [2] - 数据是具身智能时代堪比锂矿的核心资源 采集与高效生产能力决定模型上限 数据产业链成为核心投资方向 [3] 产业发展阶段对标 - 2026年人形机器人的发展节点对标2012-2014年的新能源汽车 二者均依托成熟大规模制造业与AI算法跃迁 [1] - 当前人形机器人产业阶段对标2012年新能源汽车 政策推动、资本热度空前 与彼时Model S落地后的新能源车特征相似 但商业模式闭环尚未形成 [1] - 新能源汽车产业在2008-2020年的核心是攻克动力电池物理化学极限 中国依托规模效应实现电池成本大幅下降 奠定“电池为王”的硬件投资逻辑 [2] 产业本质与投资逻辑演变 - 人形机器人与新能源汽车产业存在阶段对标性但产业本质相异 智能是前者堪比新能源动力电池级别的核心产业锚点 [2] - 硬件投资逻辑仅具阶段性正确性 硬件本体将随供应链大幅度降本快速商品化 [2] - 硬件与智能形成“智能定义硬件 硬件反哺智能”的正向循环 硬件迭代方向由智能需求动态定义 2026年核心硬件仍有较大迭代空间 [2] 数据资源的核心地位与挑战 - 具身智能面临严峻的物理AI数据瓶颈 VLA模型所需万亿级物理交互数据与现有百万级公开数据集差距悬殊 本体感受数据的匮乏为最大挑战 [3] - 行业内企业正通过数采中心、VR遥操作、动作捕捉等方式争夺数据开采权 但这类高价值数据目前获取成本高、效率低 [3] - 数据工厂是机器人智能体的核心起跑线 能低成本、高效率搭建大规模遥操作数采流水线的企业将构筑深厚护城河 形成“数据-能力-订单”正循环 [3] 技术加速与投资方向 - 仿真技术与合成数据成为数据生产的重要加速器 英伟达Isaac Lab及合成数据初创公司已率先布局 [3] - 投资层面 除硬件铲子股外 数据采集服务商、仿真平台生态伙伴、场景运营方等数据产业链“矿产公司”是值得关注的潜在受益标的 [3] - 投资应聚焦具备数据闭环和场景能力的本体公司(机械+汽车) 其次是具备数据场景和元宇宙领域相关企业(计算机覆盖) 最后是优质零部件企业 [1]

行业趋势：AI应用从数字向物理领域演进 - 2026年人工智能的主流应用正从数字领域的生成与对话，无可逆转地转向物理领域的感知应用[1] - AI智能的形态正从手机屏幕里跃迁出来，并越来越多地嵌入物理世界的运行中，例如在电网中实现数字孪生与多模态大模型融合以提升运营效率[3] 核心概念：物理AI的定义与挑战 - 物理AI是指可以理解物理定律、与现实环境互动并施加改变的智能系统，其特性是实现“假设－AI模拟－实验验证”的科研新范式[4] - 业内共识认为物理AI的突破可能更为艰难，5到10年的深耕可能只是起步[4] - 物理AI的发展逻辑与语言模型不同，它需要海量的物理交互语料来内化世界的运行法则，这种“知道”和“体会”必须靠“经历”而非仅靠标注[4] 技术路径：分层架构与端到端学习的融合 - 传统机器人学采用分层架构（感知、规划、控制），其优势是清晰、模块化，帮助国内机器人公司在仓储、巡检等场景快速落地，但存在信息损耗和延迟的天花板[5] - 当前趋势是实现更极致的“端到端”学习，让AI从视觉输入直接映射到动作输出，但面临数据来源、安全性以及错误输出导致真实物理损坏的挑战[5] - “世界模型”概念被推至前台，它让智能体在采取真实行动前能进行快速、低成本的推演，但构建通用物理世界模型极具挑战性[5] - 未来主流可能是一种基于世界模型的分层决策，融合大脑的想象规划与小脑脊髓的反射稳定，而非相互取代[6] 数据解决方案：合成数据与人类视频预训练 - 行业通过“开源节流”提升效率，首当其冲的是利用高保真物理仿真引擎（如英伟达Isaac Sim）以零边际成本生成近乎无限的合成数据[7] - 存在著名的“仿真到现实”鸿沟，虚拟世界的物理参数与真实世界存在微妙差异[7] - 另一种“开源”思路是利用人类日常视频（如YouTube第一视角视频）进行预训练，让AI无监督地学习物体属性和物理常识[7] - 前沿探索如英伟达GROOT模型，正实践“人类视频预训练+仿真微调+真机精调”的混合模式，暗示未来可能形成人类经验、虚拟仿真和实体交互的“三位一体”数据生态[7] 中国发展路径：工程落地与战略纵深 - 中国物理AI的发展路径更突出工程的场景落地，优势在于将前沿技术迅速工程化、产品化，并依托完整供应链控制成本[9] - 中国常常是第一个能将技术稳定、便宜地用在工厂流水线、物流仓库或电网巡检中的国家，这种工程化和成本控制能力构成了强大的市场穿透力[9] - 通过顶层设计为物理AI提供了清晰的应用场景和产业通道，“人工智能+”行动和“具身智能”被写入政府工作报告，系统性地开辟了庞大复杂的“训练场”[10] - 具体目标包括2027年智能终端普及率达到70%，为物理AI进化设定了现实坐标系[10] 发展前景与终极挑战 - 物理AI的终极梦想是“通用”智能体，能像人一样快速适应新环境、新任务，但距离此目标可能比想象更远[11] - 行业技术应用没有一招制胜的奇点，需要在感知、控制、规划、材料、能源等每一个环节持续突破[11] - 当智能体在人群中自主移动时，其决策失误的后果是物理性的，因此可解释性、安全冗余、伦理规范将成为不可逾越的生命线[11] - 2026年是一个重要的路标，标志着AI真正开始脱离虚拟领域，尝试触碰并塑造物理现实[12]

阶跃星辰B+轮融资事件 - 阶跃星辰于2026年1月26日完成超50亿元人民币的B+轮融资 创下了过去12个月中国大模型赛道单笔最高融资纪录 [1] - 本轮融资的参投方包括上国投先导基金 国寿股权 浦东创投 徐汇资本 无锡梁溪基金 厦门国贸 华勤技术等产业投资人 腾讯 启明 五源等老股东进一步跟投 [1] AI“六小虎”融资格局 - 根据公开资料统计 中国AI大模型领域的“六小虎”累计融资额分别为 智谱AI超83亿元 MiniMax超43亿元 阶跃星辰超50亿元 月之暗面超90亿元 百川智能50亿元 零一万物为数亿美元 [2] - 智谱AI在2025年完成5轮融资累计达30亿元 并于2026年1月港股上市 MiniMax在2025年完成近3亿美元（约21亿元人民币）的C轮融资 并于2026年1月港股上市 [2] - 月之暗面在2025年12月完成5亿美元（约34.5亿元人民币）的C轮融资 投后估值达43亿美元 [2] 阶跃星辰的公司背景与技术实力 - 阶跃星辰成立于2023年4月 由微软原全球副总裁姜大昕创立 联合创始人包括前旷视研究院院长张祥雨和前微软亚洲研究院研究员朱亦博 [4] - 公司已发布22款自研基座模型 其中包括16款多模态模型 核心模型包括Step-1千亿参数语言大模型 Step-1V千亿参数多模态大模型以及Step-2万亿参数MoE语言大模型 [4] - 公司的产品覆盖语音交互 图像视频生成 多模态理解等领域 并已落地于OPPO 荣耀 吉利汽车等手机厂商的量产机型以及金融 汽车等行业场景 [4] 与吉利汽车的战略协同关系 - 阶跃星辰董事长印奇同时担任吉利控股集团旗下千里科技的董事长 千里科技前身为重庆力帆 后被吉利全资收购 印奇在获得力帆科技19.9%的股份后成为其董事长 [4] - 阶跃星辰的发展战略强调与智能手机 智能汽车等终端结合 走向“物理AI” 这与吉利汽车的智能化需求高度契合 印奇的双重身份有助于推动大模型与吉利智能汽车 低空经济等终端的深度结合 [6][7] - 吉利汽车在2030年战略中提出实现全球销量650万辆 营收突破万亿元的目标 这需要在智能驾驶 智能座舱等多个领域实现技术领先 AI大模型能力是其关键支撑 吉利构建的“天地一体化”未来出行生态也属于物理AI范畴 [6] 阶跃星辰的差异化路径与发展前景 - 相较于其他AI公司（如智谱 AI MiniMax 月之暗面 百川智能 零一万物） 阶跃星辰选择了更侧重与物理终端结合的差异化发展路径 [6] - 背靠吉利汽车 阶跃星辰获得了坚实的研发资金保障和丰富的应用场景（吉利年销量超400万辆车） 有助于实现商业闭环 [7] - 吉利汽车作为全球第七大车企 拥有资金和资源优势 未来存在将阶跃星辰收入囊中 使其成为其万亿营收战略一部分的可能性 [7]

行业趋势与核心观点 - 2026年被业界定义为AI应用大年，其中“物理AI”被多家头部厂商尤其看中，AI产业链从底层基础设施到上层应用都在加速演进 [1] - Arm预测2026年将迈入智能计算新纪元，计算将具备更高的模块化特性和能效表现，实现云端、物理终端及边缘AI环境的无缝互联 [1] - 下一个价值数万亿美元的AI平台将属于物理智能领域，智能能力将被植入新一代自主设备与机器人 [1] - 原生AI应用与AI芯片的协同进化，正指向一个更深层次融合的智能世界，一个由物理AI、边缘推理与云端协同共同编织的智能新纪元正在展开 [12] 物理AI的发展与挑战 - “物理AI”场景主要包括具身智能和自动驾驶，但距离大规模落地尚需时间 [2] - 物理AI面临世界模型和VLA（视觉-语言-动作）模型两条技术路线的持续演进，二者各有侧重、优势互补，业界也在探索两种路线的融合 [2][3] - 真正的挑战在于如何实现数万甚至数百万台同类设备的可靠部署，而非打造单台高性能设备 [1][4] - 物理AI的发展面临软硬件碎片化问题，需要在严苛的功耗与热管理限制下持续运转，并且往往部署在安全关键型应用场景中 [1][3] - 规模化的关键在于将统一的架构理念贯穿于云端训练、边缘推理及物理系统实时执行的全流程，需要一套能够支撑“从传感器端到中央决策端”分布式智能的平台化方案 [3] 物理AI的行业影响与解决方案 - 在多模态模型、更高效训练与推理管线的技术突破推动下，物理AI系统将实现规模化部署，催生全新品类的自主设备，帮助医疗健康、制造、交通运输、采矿等多个行业重塑 [2] - 面向汽车与机器人自动化场景的通用计算平台将逐步涌现，车载芯片有望通过技术复用与适配，应用于人形机器人或工业机器人领域，以提升规模经济效益 [2] - 为应对物理AI发展需求，Arm在2025年11月整合了汽车、机器人及各类自主运行设备相关业务，成立“物理AI”事业部 [3] - Arm推出分层式解决方案应对物理AI挑战：硬件层面有汽车增强AEIP及Zena CSS产品组合；软件层面提供KleidiAI库和优化工具；系统层面推动云-边-端协同，形成“架构+硬件+软件+生态”的整体能效优化路径 [4] 端侧AI：AI手机与SLM - 2025年，AI手机的核心特征是仅在端侧、不联网条件下，高端手机已经具备运行30亿参数规模大模型的能力 [5] - 得益于模型压缩、蒸馏及架构设计的技术突破，复杂的推理模型正在实现数量级的规模缩减，转化为小语言模型（SLM），同时不会牺牲计算能力 [5] - 模型蒸馏、量化等超高能效的AI模型训练技术的规模化应用正逐步成为行业标准，训练能效有望成为衡量AI模型的核心指标 [5] - 搭载Arm Mali GPU中专用神经加速器的智能手机将在2026年推出，支持更高帧率的4K游戏、实时视觉计算及更智能的端侧AI助手等功能，且无需依赖云端连接 [5] - SLM对手机的性能、能效、安全性及软件适配能力提出了更高要求，需要CPU、GPU、NPU等异构算力芯片的无缝配合与动态负载均衡 [6] - Arm通过构建“Lumex CSS计算平台+ KleidiAI软件库+开放生态”来帮助手机承接大算力、多模态能力 [6] - Armv9.3 CPU集群实现了两位数的性能提升和硬件级安全性，第二代可伸缩矩阵扩展（SME2）技术提供了更强的AI性能、更低的内存占用 [6] - KleidiAI已集成到多个主流AI框架，包括 Llama.cpp、ExecuTorch、MNN和LiteRT，Arm架构CPU在中国市场的主要大模型开源首日便完成适配 [7] 端侧AI：XR设备 - 头显和智能眼镜等AR与VR可穿戴设备，将在物流、运维、医疗和零售等更广泛的工作场景中落地应用 [7] - AR/VR设备在企业应用中的普及，要求设备持续满足更严苛的形态规格与能耗限制要求，不同行业场景对实时渲染、数据处理和交互响应速度的要求差异明显 [8] - XR可穿戴设备面临三大挑战：需平衡算力与能效以保障长续航；多种实时交互对系统时延提出极高要求；需有多功能异构场景适配能力以支持多样化应用 [8] - Arm认为需要从架构、计算能力、软硬协同等方面应对，例如Arm C1-Nano非常适合XR设备，同时不断优化CPU、GPU、NPU等异构计算单元 [9] - 高算力、低延时任务优先采用终端侧与边缘侧处理，同时按需调用云端资源拓展算力上限，以减轻设备负荷并保障实时性能 [9] AI芯片与基础设施演进 - 除了通用计算的GPU和CPU，ASIC、NPU等不同类型芯片也备受关注，需结合具体应用场景与工作负载特性进行选择 [9] - NPU作为神经网络推理专用处理器，核心优势为AI架构适配、高能效比、轻量化部署、本地闭环处理及多处理器协同，适用于可穿戴设备、智能家居设备等低功耗、实时响应场景 [9] - 在推动NPU能力提升方面，Arm核心聚焦异构架构协同与全栈软件生态支撑两大方向 [10] - 行业正朝着系统级协同设计的定制化芯片方向演进，这类芯片将从系统层面与软件栈协同设计，并针对特定AI框架、数据类型及工作负载完成深度优化 [11] - 亚马逊云科技（Graviton）、Google Cloud（Axion）和Microsoft Azure（Cobalt）等头部云服务提供商正在引领这一转变，展示了从底层开始将专用CPU、加速器、内存和互连共同设计的紧密集成平台 [11] - 这一趋势将推动“融合型AI数据中心”加速落地，这类数据中心可最大化单位面积内的AI算力，从而降低AI运行所需的能耗总量及相关成本 [11][12]

报告投资评级 - 首次覆盖，给予禾赛-W (2525.HK) **“买入”** 评级 [1][6] 核心观点 - 禾赛科技是全球领先的激光雷达企业，正从“智驾之眼”演进为“物理AI”的通用传感器 [4] - 公司在ADAS、L4自动驾驶及机器人等多个领域均占据全球市场领导地位，并已实现盈利，成为行业标杆 [4][13][35] - 核心增长逻辑在于：**ADAS领域**受益于L3政策驱动带来的激光雷达“量价齐升”；**机器人领域**作为“卖铲人”享受泛化应用带来的巨大市场空间 [5][49] - 通过全栈自研芯片化实现极致降本，毛利率维持在较高水平，为盈利提供保障 [4][32][33] 禾赛ADAS激光雷达领跑市场 - **市场地位**：截至2025年，公司全球车载激光雷达市占率第一（33%）、全球ADAS激光雷达市占率第一、全球L4自动驾驶激光雷达市占率第一（61%）[4][13][18] - **技术降本**：通过自研芯片化等技术，八年内将激光雷达单价从8万美元降至200美元，降幅达99.8%，同时维持30%-40%的高毛利率 [20][32] - **全栈自研**：公司是行业唯一实现7大关键部件全栈自研的激光雷达公司，2025年发布主控芯片费米C500补齐最后拼图 [4][21][22] - **客户与订单**：已获24家主机厂超过120个车型量产定点，前两大ADAS客户已实现2026年全系车型激光雷达100%标配 [16][29][42] - **L3驱动量价齐升**：L3牌照发放推动硬件需求升级，公司凭借ETX+FTX产品组合获首个乘用车L3量产定点，预计2026年底或2027年初量产，单车价值量可达500-1000美元 [5][36][42] - **国际化拓展**：成功进入欧洲顶级车企及丰田的燃油车平台，打破激光雷达仅用于新能源车的认知，获得海外大规模订单 [45][46] 具身智能：迈向物理AI通用传感器 - **行业空间**：激光雷达在机器人领域应用广泛，2024年全球机器人3D激光雷达市场规模为3.89亿元，预计2025年翻倍至10.91亿元，长期看将是百亿级市场 [47] - **公司定位**：激光雷达是物理AI的“通用传感器”，扮演“卖铲子”角色，下游泛化能力强，长期市场空间巨大 [5][49] - **割草机器人领先**：2025年，禾赛在割草机器人3D激光雷达出货量位居第一，其JT系列激光雷达已累计交付超20万台，并与MOVA、追觅等头部品牌达成战略合作（如一年内提供30万台订单）[59][60] - **Robotaxi主导地位**：在全球Robotaxi激光雷达市场占据主导地位，市占率达61%，全球前十大Robotaxi公司中有9家使用其产品，2025年获得一家美国头部Robotaxi企业超4000万美元订单 [15][62] - **生态合作**：在2026年CES展上，被英伟达选定为其NVIDIA DRIVE平台的激光雷达合作伙伴，融入主流自动驾驶生态 [63] - **应用多元化**：产品已批量应用于割草机、无人机、机器狗、人形机器人、AGV/AMR、数字孪生、智慧交通等多个领域 [16][52][65] 盈利预测与财务表现 - **营收预测**：预计2025-2027年营业收入分别为30.9、41.0、54.1亿元，同比增速为48.7%、32.8%、31.8% [6][66] - **净利润预测**：预计2025-2027年GAAP净利润分别为4.2、6.8、9.2亿元，同比增速高达508.5%、61.6%、36.2% [6][8] - **出货量与ASP**：2025年激光雷达总交付量超160万台（ADAS约140万台，机器人超20万台），预计2025-2027年ASP分别为2030元、1681元、1467元 [66] - **盈利能力**：受益于芯片化降本，毛利率预计稳定在40%左右；公司已在2024年实现Non-GAAP净利润转正（1368.8万元），2025年第三季度Non-GAAP净利润达2.877亿元，成为国内首家盈利的激光雷达厂商 [33][35][67] - **历史增长**：激光雷达出货量从2023年的超20万台增长至2024年的超50万台；营业收入从2019年的不足5亿元增长至2024年的20.8亿元 [30][31]

证券研究报告：汽车 | 公司深度报告 发布时间：2026-01-27 股票投资评级 买入 |首次覆盖 个股表现 资料来源：Wind，中邮证券研究所 公司基本情况 | 最新收盘价（港元） | 224.80 | | --- | --- | | 总股本/流通股本（亿 | 1.57/ 1.30 | | 股） | | | 总市值/流通市值（亿港 | 353 / 293 | | 元） | | | 52 周内最高/最低价 | 244.0/ 116.3 | | 资产负债率(%) | 18.99% | | 市盈率 | 75.1 | | 第一大股东 | Fermat Star Limited | 研究所 分析师:付秉正 SAC 登记编号:S1340524100004 Email:fubingzheng@cnpsec.com 禾赛-W(2525.HK) 以"智驾之眼"筑基，迈向"物理 AI"通用感官新纪元 l 投资要点 禾赛科技为全球领先的激光雷达研发与制造企业，产品广泛布局 自动驾驶、具身智能等多领域。截止 2025 年，公司全球车载激光雷 达市占率第一、全球 ADAS 激光雷达市占率第一、全球 L4 自动驾驶激 光雷达市占率第 ...

行业融资与竞争格局 - 阶跃星辰完成超过50亿元人民币的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 [1] - 2025年AI模型公司总共完成22笔投资，金额为94.16亿元，相比2024年明显下滑 [1] - 在2025年融资寒冬背景下，能获得大额融资的公司极少，除阶跃星辰外，还包括智谱AI、MiniMax、月之暗面等 [1] - 中国大模型赛道进入新竞争阶段，标志性事件包括智谱AI、MiniMax在港股上市，以及月之暗面、阶跃星辰完成大额融资 [12] 公司战略与产品布局 - 公司构建了国内最全的基模矩阵，已发布30余款模型，形成独特的“1+2”基模体系 [2] - “1+2”体系中，“1”指Step 3在内的基座模型；“2”指发力多模态（文字、语音、图像）和端云结合两大方向，旨在让模型从理解世界升级到主动交互探索物理世界 [2] - 公司战略布局是“AI+终端”，以基模为智能底座，以汽车和手机作为高渗透率、高频的物理终端入口，形成技术和场景数据互补的“超级飞轮” [4] - 公司推出Step GUI系列模型，其中端侧4B模型是业内首个真正可部署在手机上的最强GUI模型，旨在让每一台手机成为AI手机 [4] - 公司理念与英伟达创始人黄仁勋在CES 2026上提出的“物理AI”高度一致 [2] 技术实力与团队构成 - 公司迎来AI领军人物印奇正式出任董事长，印奇是清华“姚班”首批校友，旷视科技创始人，现为千里科技董事长 [5] - 公司形成“1+3黄金战队”，成员包括董事长印奇、CEO姜大昕、首席科学家张祥雨、CTO朱亦博 [7] - CEO姜大昕曾任微软全球副总裁、微软亚洲互联网工程院首席科学家 [7] - 首席科学家张祥雨是90后AI科学家，也是著名论文ResNet（残差网络）的四位作者之一 [7] - CTO朱亦博职业生涯起步于微软研究院，曾任字节跳动AI Infra负责人及Google Cloud GPU产品技术负责人，拥有多次单集群万卡以上系统建设与管理实践经验 [7] - Step 3是公司首个全尺寸、原生多模态推理模型，具备强大的视觉感知和复杂推理能力 [2] 商业化进展与市场表现 - 公司设定2025年全年收入冲刺目标为10亿元人民币 [9] - 2025年上半年公司合同收入已达“数亿元”级别，确认收入和毛利水平表现健康 [9] - 在手机领域，国内60%的头部手机品牌已与公司达成深度合作，覆盖OPPO、荣耀、中兴等品牌旗舰机型，模型装机量超过4200万台，日均服务近2000万人次 [9] - 在汽车领域，公司与吉利汽车集团、千里科技共同打造下一代智能座舱AgentOS（预览版），搭载该技术的量产车型吉利银河M9上市3个月销量接近4万辆 [11] - 预计2025年公司大模型将“上车”超百万辆 [11] - 截至2025年年底，公司终端Agent API调用量连续三个季度增长近170% [11] - 过去一年，公司开放平台API调用量增长近20倍，活跃用户增长5倍 [11] 发展前景与未来挑战 - 公司故事刚刚开始，未来需保持技术领先、扩大终端市场份额、优化商业化路径，实现从“能赚钱”到“持续赚钱”的跨越 [12] - “AI+终端”路线一旦跑通，可能衍生出全新的流量入口和分发逻辑，其商业空间远大于移动互联网时代的APP [4] - 印奇带领的千里科技深耕AI+汽车场景，与阶跃星辰的“AI+终端”路线相辅相成 [5]

公司战略定位与转型 - 公司已完成从“智能电动车新势力”向“面向全球的 AI汽车智能科技企业”的路径重构 其核心是围绕AI定义汽车构建“汽车+机器人+飞行汽车”三位一体的具身智能生态 [1] - 公司正从“技术领先但盈利承压”阶段 切入“批量爆款+技术输出”驱动的盈利拐点通道 [1] 产品与市场策略 - 公司正式推出“纯电+增程”双动力策略以解决用户里程焦虑 [1] - 首款增程车型X9 EREV已于2025年11月上市 搭载63.3kWh电池和油电转化率超3.6kWh/L的第三代增程器 实现452km的CLTC纯电续航 [1] - 2026年1月 G7与P7+两款车型增程版同时上市 2026年第一季度还将上市G6增程版 [1] - 2026年公司还将有4款全新车型上市 包括MONA平台两款SUV与全尺寸6座SUV等 [1] - 随着增程与全新车型陆续上市 公司整车销量有望持续攀升 [1] AI技术布局与商业化 - 公司展示向“物理AI”公司转型的决心和具体路径 [2] - 发布第二代视觉-语言-行动大模型VLA 2.0 通过砍掉语言转译环节实现从视觉到动作的直接映射 推理效率提升12倍 [2] - VLA 2.0计划于2026年第一季度在Ultra车型上全量推送 并有望技术外溢至机器人等其他具身智能领域 [2] - 公司发布中国首款全栈自研的前装量产Robotaxi 计划于2026年推出3款车型 并在2026年下半年开始试运营 [2] - 人形机器人IRON将于2026年底实现量产 并优先在导览、导购等商业场景试点 [2] 财务预测 - 预计公司2025-2027年实现营收分别为758亿元、1321亿元、1663亿元 同比增速分别为85.5%、74.3%、25.9% [2] - 预计公司2025-2027年归母净利润分别为-16.4亿元、24.0亿元、64.8亿元 [2]

公司战略与周期定位 - 公司于2026年初以四款新车（2026款P7+、G7、G6、G9）同台发布的方式，主动进行叙事切换，旨在将外界对其的认知从“纯电+智驾”标签，升级为产品双能源、技术新范式、市场全球化三条线并进的结构 [2] - 公司将2026年定义为“物理AI非常重要的三年”中的第一年，是新周期的开端，需将过去积累兑现为可感知的产品力与交付力 [2] - “四车齐上”旨在抢回市场节奏，按计划出牌，同时补齐主力价位段的纯电与增程产品供给，并推进P7+的全球车战略，以解决纯电市场存量缠斗下单一动力路线覆盖不足的问题，并抢占增程供给侧爆发前的先机 [3] - 公司提出“涌现”概念，指2026年是产品和技术走向全球、全面涌现的一年，但最终需落实到双能源是否扩大市场边界、多车型交付与质量控制、以及全球化的实质销量结构变化上 [3] - 公司不回避挑战，目标是用双能源拓宽销量底盘，用全球车抬高增长天花板，用物理AI推进智能化范式变化 [6] 产品策略：双能源路线与增程市场 - 公司押注“一车双能”，并非单纯追风口，而是为补足短板，将可触达市场做大，做出增长的确定性 [7] - 2026年增程市场将迎来“供给侧爆发”，至少十余家主流车企计划密集推出增程车型，覆盖多个级别与价格带 [7] - 2024年增程销量达116.7万辆，同比大增；2025年上半年增程零售53.8万辆，占市场接近一成，市场进入卷体验、效率、成本的阶段 [7] - 公司的增程打法并非传统“混动化”，而是将增程作为纯电体验的延长线，核心是立住“纯电平台能力”，再用增程解决续航半径问题 [9] - 具体产品参数：P7+增程版CLTC纯电续航430km，综合续航1550km；G7超级增程配备55.8kWh电池与60L油箱，CLTC纯电续航430km，综合续航1704km，并强调800V与5C能力 [9] - 公司愿意为“更像纯电”的体验付出更高系统复杂度与成本，旨在让增程承担多数日常场景纯电化、少数长途补能的角色 [9] - X9超级增程在2025年12月取得不错销量，证明了在充电条件不均的市场中，用户需求真实存在，但拒绝的是体验不够像纯电车的增程产品 [10] - 公司目标是用增程打开更广市场面，同时用纯电体系抬高增程体验门槛，为增长提供稳定底盘 [10] - 2026年增程市场将更拥挤，但残酷性在于同质化淘汰，公司选择将增程作为“以电为核心”的长期架构延伸，以形成差异化，这需要更强的体系化能力 [10] 体系能力建设与经营表现 - 2025年对公司而言是体系修复期，公司通过重构体系能力实现逆转 [11] - 公司在资源与组织层面进行收敛与再校准，使产品推进、研发投入与决策节奏重回可控与连续 [11] - 2025年全年交付达到42.9万辆，同比增长126%，并在11月完成第100万台整车下线，从50万到100万仅用14个月 [11] - 公司将“规模”建立在经营纪律之上，核心目标不是做高批售数据，而是维持低库存甚至接近无库存的运行状态，确保生产、交付与终端需求同频 [13] - 通过压缩库存、提升周转效率，公司确保规模扩张在体系可承载范围内，牺牲部分短期速度以降低经营波动冲击 [13] - 体系能力构建带来了“可预期性”，产品规划更清晰，技术路线更稳定，增长不再完全依赖单一车型，为2026年的进攻打下基础 [14] - 公司完成了从被动应对行业波动到有能力管理波动的底层状态切换，为“新三年周期”打下结实底盘 [14] 技术驱动：物理AI与全球化 - 公司判断智能化正从功能阶段迈入物理AI阶段，而2026-2028年是物理AI非常关键的三年 [14] - 2025年科技日上，公司发布了下一代辅助驾驶系统、以世界模型为核心的决策架构演进，以及统一多车型的端到端训练与部署方案 [15] - 物理AI正从“可被讨论”进入“可被验证”阶段，公司的智能化进入以工程验证和持续迭代为核心的阶段 [15] - 全球化方面，截至2025年底，公司已进入60多个国家和地区，海外销量同比接近翻倍，但当前阶段更被视为“打基础” [17] - 公司全球化认知升级：销量只是结果，本地化研发、制造和交付能力才是前提 [18] - 公司长期目标是海外市场在销量、合作和赋能上逐步接近与中国市场1:1的结构 [18] - 真正的难点在于技术与全球化的叠加，物理AI需适应不同国家的交通规则与基础设施，全球化需让智能能力在海外“可用、敢用、常用” [19] - 2026年，公司同时启动两项高难度任务：推动智能化向AI范式跃迁，以及让全球化从扩张进入深耕 [19] 2026年的验收标准与挑战 - 2026年是一场需被市场核验的阶段性考试，机会与风险并存 [20] - 机会在于“一车双能”覆盖更广人群与场景，产品矩阵从单点依赖走向多车并行，但同时也抬高了组织复杂度 [20] - 风险包括：增程供给侧扩张会抬高用户对体验稳定性的要求；多车型、多动力路线并行会放大交付、质量与成本管理的短板；全球化深水区考验法规、服务与信任的长期建设 [20] - 2026年重要的不是“有没有爆款”，而是有一套清晰的验收标准 [21] - 行业视角的验收标准至少包括三点：第一，双能源是否真正扩大整体销量盘子，而非内部蚕食；第二，多车并行下，交付节奏、质量稳定性和用户口碑能否保持一致；第三，海外市场是否开始形成可复制的样板，而非零散扩张 [22]