文章核心观点 - 人工智能正从信息域迈向物理域，进入一个能够在现实世界中安全执行实体动作的新纪元，这是一场深远的系统重构 [2] - 物理AI面对容错率极低的真实世界，其系统必须具备严格的护栏机制和安全逻辑，任何计算偏差都可能导致严重后果 [2] - 物理AI的核心特征是建立动态更新的技术体系，通过闭环反馈机制获得持续进化的学习能力，这将淘汰依赖出厂设置的传统自动化设备 [4] - 物理AI正在催生庞大的产业链，并重塑制造行业的价值分配链条，其商业化落地需兼顾生产效率提升和安全可验证性 [8][9] 物理AI的核心能力框架 - 物理AI需要具备五维核心能力：感知、决策、验证、执行和系统反馈，构成一个多回路耦合的紧密协同系统 [3] - 感知不仅是识别物体，更要主动输出可在物理世界进行操作的结构化特征，这是机器理解三维空间的真正起点 [3] - 决策层负责将高层任务转化为底层可执行指令，大语言模型仅是意图理解的辅助工具，真正的控制权必须受严格物理约束和安全逻辑管理 [4] - 验证环节被极度强调，系统必须在虚拟仿真中提前过滤危险并建立不可触碰的安全底线，以降低在真实世界试错的高昂隐性成本 [4] - 执行环节需将抽象策略转化为精准机械运动，克服机械误差并适应动态负载波动 [4] - 反馈模块将物理执行结果转化为数据资产，闭环反馈机制赋予系统持续进化的学习能力，每一次真实交互都为数据飞轮迭代积累经验 [4] 物理AI的技术基座与范式重构 - 物理AI的系统性能建立在策略模型和世界模型等智能内核的联合突破之上 [5] - 策略模型负责从高层规划到具体动作控制的端到端意图映射，经历了从简单自回归架构到复杂生成式连续策略的演进 [5] - 世界模型是系统实现认知能力跃迁的关键引擎，它让智能体在行动前就能在数字空间中推演物理后果，赋予机器类似人类常识的直觉判断力，降低了对海量真实交互数据的依赖 [5] - 为确保绝对安全，世界模型需具备准确量化运行不确定性的能力，在遇到未知场景时懂得主动降速或请求人类接管 [5] - 高质量交互数据的极度匮乏是当前最大产业痛点，渲染技术与AI模型的深度交叉融合为解决数据难题提供了全新的合成引擎 [5] - 开发者可利用代码和脚本语言大规模自动构建物理作业场景，在极短时间内生成无数自带精准物理边界参数的合成训练集 [6] - 数字孪生平台连接虚拟与现实的**双向流动**信息网络，让高保真虚拟测试环境与真实设备运行状态保持毫秒级同步 [6] 算力基础设施与安全体系 - 物理AI的发展亟待算力基础设施全面升级，特别是针对高并发图形渲染和动态物理仿真的特种计算芯片需求旺盛 [6] - 为支持高频度的安全验证，云边端分层算力部署架构至关重要：云端负责全局资源优化与耗时长的巨量统计模型训练；边缘节点承担数字孪生平台实时预演与区域多设备协同的重任 [6][7] - 实时本地推理和闭环控制功能需下沉到最末端设备，以应对物理世界的突发状况 [7] - 终端硬件内置完全独立于网络的底层安全监控程序，一旦检测到超越物理极限的异常参数，机械装置会被瞬间切断所有动力，即便外部网络断开也具备触发物理急停的自主防护能力 [7] - 多层次立体防御体系是机器智能大规模落地的终极护航保障 [7] 产业生态重塑与核心落地场景 - 物理AI正在催生一条庞大产业链，从底层算力基础设施层到垂直商业场景的行业方案层，专业化分工格局日益清晰 [8] - 中国在全球竞争中拥有丰富的落地场景和完善的硬件供应链双重优势 [8] - 在重型工业制造领域，物理AI推动老旧产线从刚性自动化向自适应的柔性生产模式转变，使设备能实时理解复杂工艺意图并动态调整加工力度 [8] - 在精密仪器装配和复杂柔性物流体系中，高阶智能的介入直接降低了工厂换型的巨额沉没成本 [8] - 人形仿生机器人是目前最具突破性的最终形态应用载体，初创厂商正攻关高仿生灵巧手和基于强化学习的多模态运动控制算法，其规模化量产已进入工程冲刺期 [8] - 智慧生活空间正经历底层逻辑重构，静态的办公建筑、仓储和交通枢纽转变为具备全息物理感知的全智能环境 [9] - 超级调度系统基于实时人流密度和环境动态变化进行趋势预测并提前干预设施运行，实现从被动响应到主动服务的体验升级 [9] - 后台物业管理者可洞察整个空间能源资源利用率并进行精准全局调度，物理技术将冰冷的建筑变成了能够自主思考的宏大生命体 [9] 商业化路径与成功关键 - 新技术的商业化普及不可能一蹴而就，实体产业需从最为封闭和安全的单点技能验证开始，逐步克服各种偶发的长尾挑战，再平稳过渡到多设备协同和跨系统复杂融合的第二阶段 [9] - 最终产业目标是构建一个具备高度自主适应和自我进化能力的超级有机智能生态 [9] - 在漫长发展周期中，切实可见的生产效率提升和坚如磐石的安全可验证性是衡量所有商业项目成功的绝对核心指标 [9] - 能够率先在具体场景中跑通数据闭环的企业，将在下一次算法模型迭代上建立极高的竞争护城河 [9] - 技术落地推广方案必须把复杂的经济账算清楚，传统制造企业不应为科技噱头盲目引入昂贵的非标定制设备，严格的商业成本控制与大技术创新结合才是AI商业落地的唯一可行途径 [10]

**公司和行业** * **公司**：涂鸦智能，一家提供物联网（IoT）开发平台和解决方案的公司 * **行业**：物联网（IoT）、人工智能（AI）、SaaS、智能硬件 **核心观点和论据** **1 2025财年财务表现稳健，盈利能力创历史新高** * **2025年全年营收**为3.22亿美元，同比增长7.8%[3] * **2025年第四季度营收**约4，850万美元，同比增长3%，实现连续第十个季度同比增长[3] * **盈利能力显著改善**：2025年全年非GAAP净利润为310万美元，创历史新高，较2024年增加约470万美元[3]；非GAAP净利润率达24.9%[3]；第四季度非GAAP净利润率为24.4%[3] * **盈利改善驱动因素**：核心平台业务稳定、AI产品初步贡献营收、严格的费用管理与经营杠杆[3] * **现金流健康**：第四季度净经营现金流为2，350万美元，实现连续11个季度正经营现金流[3]；截至2025年末，现金及现金等价物总额超过10亿美元，具体为10.17亿美元[7] **2 SaaS业务成为核心增长引擎，各业务板块表现分化** * **SaaS及其他业务**全年营收为44.8亿美元，同比增长13.4%[5]；其中**经常性服务收入同比增长37%**，被定位为关键增长动力[5] * **过往业务（平台业务）**营收突破2.3亿美元，同比增长6.5%，在客户采购周期延长的背景下保持稳定[4] * **智能解决方案业务**全年营收为4，570万美元，同比增长8.9%[5] * **客户结构优化**：截至2025年底，高级会员客户数量为291名，贡献结构稳定的营收，且多元化客户结构降低了对单一客户群体的依赖[4] **3 AI战略从功能叠加转向运营级应用，开发者生态与内部效率双提升** * **AI战略演进**：从功能叠加阶段向运营级、可落地应用演进，并进一步向与设备形态及行业特定场景深度融合的阶段发展[5] * **产品形态**：在CES推出AI驱动的智能生活助手Hey Tuya，通过实体入口整合AI智能体与硬件设备[5] * **开发者生态壮大**：截至2025年底，注册AI+IoT开发者数量突破180万，同比增长37%[5]；Two Year平台上的AI智能体累计数量约1.6万个[5]；在硅谷举办的黑客松吸引300余名开发者参与，其中约90%来自海外[5] * **内部效率提升**：前端开发流程中近40%的代码由AI辅助生成，缩短了研发周期并降低了成本[6] **4 未来战略聚焦“物理AI”与高价值场景，资本投入方向明确** * **资本实力雄厚**：截至2025年末净现金超10亿美元，为AI能力开发和生态拓展提供灵活性[7] * **“物理AI”投入计划**：计划在未来两年投入数亿资金，赋能全球现有智能设备，使AI能够全面感知并主动与现实世界交互[7] * **高潜力AI应用场景**： * **第一类：多模态应用**，围绕视频与音频的交互与分析，如虚拟助手、玩具安全、陪伴场景（通过语言与情绪理解实现互动）[12] * **第二类：数据分析与决策制定**，典型案例为能源管理，通过AI实现从“提供分析与建议”到“自主决策并交付结果”的升级[12] * **智慧解决方案扩张思路**：聚焦高价值、差异化品类（如AI陪伴玩具、能源管理），仅选择具备特殊技术优势的产品，该业务板块可保持20%以上的利润率[15]；相关解决方案将成为老客户的旗舰产品，并进行年度迭代[15] **5 2026年展望：海外需求复苏趋势明确，但短期受多重因素制约** * **关税影响**：关税下调被视为积极信号，但需求尚未立即反映[8] * **需求复苏滞后原因**： * 全球局势动态性导致政策不确定性，市场反应偏谨慎[9] * 春节期间制造商复工较晚，尚未开始报出新价格或承接新订单[9] * **总体判断**：方向积极，随着整体成本最终下降，客户将更有信心扩大需求[9] * **供应链与库存**：自2025年第四季度起关注半导体产能短缺，但已建立充足库存应对，判断供应端增长不会对需求或毛利率产生显著影响，但该情况可能还会持续一到两个季度[9] * **海外市场复苏节奏**：2025年因局势不明朗，企业决策过度谨慎；2026年有望看到局势可持续性开始改善，市场期待反弹[13] **6 客户关系与商业模式演进：从产品销售到能力赋能** * **长期客户关系定位**：公司策略是长期提供两类服务——当客户缺乏能力时提供交钥匙解决方案；当客户具备能力时提供基础设施并支持其自主创新[10] * **SaaS经常性收入增长逻辑**： * 历史上已部署大量规模化设备，形成庞大用户基础[11] * 随着AI能力发展，既有物联网设备可叠加AI提供额外体验与价值[11] * 在同类硬件上持续推出新服务，并在既有订阅服务中通过增加AI功能提升价值[11] * **判断经常性收入模式将成为长期趋势**，并成为中期增长最快的领域之一[11] **7 股东回报与公司治理** * **股东回报策略**：过去两年已将股东回报作为优先目标之一，未来将继续维持这一长期战略[14] * **具体计划**：已宣布推出新一轮股息，并将延续每年派发1到2次股息的惯例；股息水平将更能反映公司的净经营现金流水平和盈利能力[14] **其他重要内容** * **全球业务布局与风险应对**：公司能够在客户所在国家部署服务，客户已开始建设不同类型的生产项目，并在全球11个国家建立了生产中心[13]；公司将顺势而为，与客户并肩合作，重点提供技术解决方案，并持续管理因全球服务资源重新配置带来的成本[13] * **新设备品类展望**：预计2026年将逐步出现更多“因AI而诞生”的新型设备，属于全新领域（如AI陪伴型玩具）[14]

报告行业投资评级 * 报告覆盖的13家公司中，11家获得“优于大市”评级，2家获得“中性”评级 [5] 报告核心观点 * 2025年行业盈利自2024年低位显著修复，但第四季度增速放缓且盈利压力加剧，2026年一季度可能继续承压 [1][2] * 2026年投资主题聚焦于物理AI、海外扩张与高增长细分领域，看好AI基础设施、电力设备、航空航天、生命科学自动化等赛道 [3] * 市场开始关注HALO投资策略，即重资产、低淘汰风险、强定价能力的公司，该逻辑同样适用于中国工业龙头 [3] 2025年盈利预览总结 * **整体修复**：覆盖的13家企业中已有6家发布2025年初步业绩，整体盈利自2024年低位显著修复 [1] * **工业自动化板块**：受下游需求复苏带动，汇川技术、埃斯顿、绿的谐波实现收入增长21%–47%（预测区间中值），净利增长21%–122% [1] * **新能源汽车领域**：三花智控、拓普集团维持11%–18%的收入增长，但增速放缓且毛利率承压 [1] * **工程机械领域**：全球及国内更新周期推动挖机销量创2020年后新高，支撑恒立液压业务 [1] * **机器人产业**：2025年产业热度转化为优必选、越疆科技的强劲营收增长，亏损幅度收窄 [1] 2025年第四季度表现总结 * **增速收敛**：三花、汇川等高增长龙头四季度增速放缓，而拓普、双环传动等前期偏弱企业出现修复迹象 [2] * **盈利压力加剧**：2025年净利率整体低于2024年，部分公司季度净利率环比下滑 [2] * **成本压力来源**：主要来自新能源汽车与工业自动化市场价格竞争加剧、大宗商品上涨（2025年铜价+30%、铝价+20%）、芯片供应紧缺（DDR价格上涨100%–300%）以及贸易摩擦 [2] * **企业应对**：汇川、埃斯顿已分别调涨平均售价5%–20%、5%–15%，国际品牌进口产品亦涨价3%–50% [2] 2026年投资主题总结 * **核心方向**：工业自动化被重新定义为物理AI的基础设施、智能体AI赋能工业流程、全球制造业回流趋势 [3] * **国内机会**：最具吸引力的机会集中在物理AI、机器人、国产替代、海外扩张的交叉领域 [3] * **看好赛道**：持续看好AI基础设施、电力设备、航空航天、生命科学自动化等高增长细分赛道 [3] HALO投资策略总结 * **策略逻辑**：鉴于美股AI板块交易过度拥挤，市场开始关注HALO策略，其核心在于高替换成本、庞大实体基础设施规模、客户粘性带来的强定价能力 [3] * **国际参照**：近期日、韩工业股估值重评亦遵循类似逻辑，以分散软件AI的集中度与替换风险，日本工业龙头估值已达约33倍预期市盈率 [3] * **国内适用性**：尽管国内行业竞争激烈，但板块仍受强力政策支撑、国产替代趋势、全球市占率提升及地缘风险分散价值支撑 [3] 覆盖公司估值与评级总结 * **三花智控**：H股目标价49.00港元，对应2026年预测市盈率25.3倍，三年复合年增长率17% [5] * **汇川技术**：目标价98.00港元，对应2026年预测市盈率30.7倍，三年复合年增长率17% [5] * **恒立液压**：目标价106.00港元，对应2026年预测市盈率43.3倍，三年复合年增长率13% [5] * **绿的谐波**：目标价200.00港元，对应2026年预测市盈率206.0倍，三年复合年增长率67% [5] * **埃斯顿**：评级“中性”，目标价23.00港元，对应2026年预测市盈率101.2倍 [5] * **优必选**：目标价160.00港元 [5] * **越疆科技**：目标价66.00港元 [5]

行业趋势与市场格局 - 中国端到端高阶智能驾驶仿真及数据平台市场已进入集中加速阶段[4] - 行业竞争核心从算法模型、芯片算力转向安全验证与规模化测试能力[6] - 仿真验证平台已成为支撑高阶智能驾驶量产与准入的关键基础设施，战略地位显著提升[3][6] - 随着L3准入推进，仿真成为唯一可规模化扩展的验证手段和准入体系中的关键技术支撑[8] - 行业竞争已从算法性能之争，转向“数据—仿真—验证体系”的系统能力竞争[9] - 自动驾驶作为物理AI核心场景持续扩张，仿真与数据平台的战略价值有望进一步放大[10] 公司市场地位与竞争优势 - 五一视界旗下51Sim以53.5%的市场份额位居中国端到端高阶智能驾驶仿真及数据平台市场第一，超过第二至第四名总和[4][8] - 公司正在形成可持续的规模壁垒与生态优势[4] - 平台能力形成网络效应，行业格局正在加速稳定[8] - 51Sim正处在产业趋势的核心位置，五一视界正在物理AI基础设施赛道上建立起清晰的头部标签[10] 公司业务与核心能力 - 五一视界是“物理AI第一股”，已在物理AI仿真与数据平台领域形成系统化布局[6] - 公司核心能力聚焦于真实世界数字化、物理环境重建与大规模仿真验证体系建设[6] - 该能力不仅服务于自动驾驶，还具备向机器人、具身智能等更多物理AI场景延展的潜力[6] - 公司代表的是物理AI时代的基础设施建设者，而不仅是一家仿真软件公司[9] 商业模式与行业壁垒 - 物理AI基础设施企业的价值逻辑与传统软件公司存在明显差异，具备更强的客户粘性、更高的客户迁移成本以及更深的行业壁垒[8] - 平台一旦进入主机厂研发体系并参与准入流程，往往成为长期合作伙伴，具备“深绑定”属性[8] - 这种属性使平台型企业具备更强的长期现金流稳定性与规模扩张潜力[8] - 赛道门槛显著提高，需要高保真物理与传感器建模、海量数据资产化、大规模并发计算及与车企研发流程深度耦合的工程体系[8] - 高门槛与强准入叠加，使行业集中度迅速提升[8]

行业整体趋势 - 2月车市整体销售表现欠佳 受史上最长春节假期、新能源车购置税减半征收、国补调整和传统购车淡季等因素影响 [2] - 多家车企集团呈现新能源销量承压、出口高增长的趋势 [2] - 在已公布数据的7家车企集团中 仅有吉利汽车集团和长安汽车维持了新能源销量同比增长 [2] 新势力车企表现 - 蔚来汽车2月交付新车20,797辆 同比增长57.6% 销量增长得益于去年同期基数较低、战略投入进入兑现阶段以及旗舰车型全新ES8降价 [3] - 零跑汽车2月全系交付28,067辆 同比增长10.99% 公司正提速渠道建设 计划将全国门店总数拓展至1500家左右 [3] - 理想汽车2月交付新车26,421辆 同比增长0.60% 这是自2025年6月以来月交付量同比增速首次转正 释放触底反弹信号 [4] - 小鹏汽车2月交付新车15,256辆 同比下滑49.90% 是已公布数据的新势力车企中唯一增速下滑的企业 [4] - 鸿蒙智行2月交付28,212辆 同比增长31% [5] 主要车企集团销量详情 - 上汽集团2月销售26.95万辆 同比下滑8.64% 其中新能源汽车销售7.13万辆 同比下滑17.18% 出口及海外基地销售9.90万辆 同比增长46.12% [8] - 吉利汽车集团2月销量20.62万辆 同比增长1% 其中新能源汽车销售11.75万辆 同比增长19% 海外出口6.09万辆 同比增长138% [9] - 比亚迪2月销量19.02万辆 同比下滑41.1% 其中出口销售10.06万辆 [9] - 奇瑞集团2月销售16.08万辆 同比下降11.15% 其中新能源汽车销售3.57万辆 出口12.49万辆 同比增长41.5% [10] - 长安汽车2月销售15.19万辆 同比下滑5.89% 其中新能源汽车销售4.23万辆 同比增长6.42% 海外销量6.49万辆 同比增长36.52% [10] - 广汽集团2月销售8.65万辆 同比下滑12.43% 其中新能源汽车销售1.70万辆 同比下滑11.22% 自主品牌海外销售1.11万辆 同比增长114% [11] - 长城汽车2月销售7.26万辆 同比下滑6.79% 其中新能源汽车销售1.27万辆 同比下滑15.72% 海外销量4.27万辆 同比增长37.36% [11] 其他品牌与集团 - 岚图汽车2月交付8358辆 同比增长4.31% [12] - 奕派科技2月销量1.45万辆 同比增长2.86% [12] - 猛士科技2月销售1033辆 同比增长933% [13] - 东风本田2月销量1.76万辆 同比增长10.1% [13] - 北汽新能源2月销售7034辆 同比增长18.26% [13]

公司战略与行业愿景 - 英伟达正将其AI基础设施战略延伸至全球电信网络，押注AI原生平台将成为6G时代的核心架构 [1] - 公司创始人兼首席执行官表示，AI正在重新定义计算，并推动人类历史上规模最大的基础设施建设，电信业将是下一个 [1] - 公司布局的更深层逻辑在于6G与物理AI的交汇，6G无线网络将加速物理AI发展，使数以百万计的自主机器、传感器、车辆和机器人能够与现实世界实时交互，这与公司从数据中心GPU到自动驾驶平台的系统性战略高度吻合 [4] 合作伙伴与生态系统 - 公司与包括诺基亚、思科、德国电信、T-Mobile、BT集团及Booz Allen Hamilton在内的全球电信与基础设施巨头联合，承诺在开放、安全的AI原生平台上构建6G网络 [1] - 公司宣布与T-Mobile、软银及Indosat Ooredoo Hutchison达成新的AI-RAN商业化合作，将相关技术从实验室推向实际部署 [2] - 围绕公司方案构建的硬件生态系统正在扩展，涵盖Quanta Cloud Technology的现成系统、WNC Corp的AI优化射频单元、Eridan Communications的4T4R O-RU，以及Lite-On Technology针对Sub-6GHz和毫米波频段完成集成的产品，为运营商在城市密集场景中部署高容量、短距离无线网络提供了可落地的选项 [2] 核心技术路径：AI-RAN与6G - 此次合作的核心是AI-RAN（人工智能无线接入网络）技术路线 [1] - 6G预计于2030年前后正式商用，最早将于2028年启动试验 [1] - 当前的5G Advanced阶段将作为过渡桥梁，通过软件定义网络赋予运营商更强的可编程能力，并借助AI与机器学习提升能效与覆盖容量，为最终迈向6G奠定基础 [2] - 围绕6G标准与架构的主导权争夺已提前展开，而公司正试图以AI-RAN为切入点，在这场竞争中占据先手 [4] 软件与自主网络愿景 - 在软件层面，公司提出了“自主网络”的长期目标，即电信网络能够像智能机器一样自我管理和运营 [3] - 为实现这一目标，公司认为需要专为电信场景设计的大型语言模型与推理系统，使网络能够跨节点协同并通过仿真工具验证操作决策 [3] - 公司发布了基于Nemotron框架的大型电信模型（LTM），并推出了面向网络运营中心工作流的智能体构建指南及运营蓝图，涵盖节能、多智能体编排下的网络配置以及高级自主能力等场景 [3] - Nemotron框架采用开放架构，向电信运营商提供模型训练过程及数据来源的完整透明度，以支持在网络内部进行安全、快速的本地化部署 [3] - 公司与Tech Mahindra联合发布了一份开源指南，指导运营商如何针对特定领域微调推理模型并构建网络运营中心的智能体工作流 [3]

德勤《技术趋势2026》报告核心观点 - 报告核心观点：AI的试验阶段已经结束，规模化落地和价值创造成为当前企业技术领导者的核心任务与真正战场，业界问题已从“能用AI做什么”转变为“如何从AI试验迈向实际价值创造” [2] 企业AI应用五大核心趋势 - **物理AI**：AI与机器人技术深度融合，具备实体形态并在现实世界自主运作，例如亚马逊已部署第100万台机器人，其DeepFleet AI系统将仓库运输效率提升了10% [3] - **AI智能体规模化部署**：尽管企业热情高涨，但仅11%的智能体项目真正落地生产，38%停留在试点阶段；Gartner预测到2027年底40%的智能体项目将失败，失败根源在于未从根本上重新设计运营模式 [3] - **AI基础设施战略性重构**：过去两年AI推理成本下降280倍，但企业AI总体支出因使用量激增而爆炸式增长，部分企业每月费用高达数千万美元，推动企业从“云优先”转向战略性混合架构 [4] - **技术组织AI原生化转型**：78%的技术领导者预计未来五年AI智能体将广泛融入技术架构重构，仅1%的IT领导者表示没有重大运营模式变革；首席信息官角色向AI布道者转变，约70%承担推广AI应用职责，AI架构师等新岗位需求预计两年内从占比30%升至58% [4] - **AI驱动的网络防御**：AI既是竞争优势来源也是新安全风险的制造者，面临影子AI部署、AI驱动攻击加速和智能体治理失控三类紧迫威胁，安全风险横跨数据、模型、应用与基础设施四层面，需从项目启动之初嵌入安全理念 [5] AI应用整体态势与数据洞察 - **创新飞轮启动**：一款领先生成式AI工具仅用两个月达到约1亿用户，而电话实现同等规模用了50年，其每周活跃用户超过8亿，约占全球人口10%；AI初创企业营收增速是同期SaaS企业的5倍 [7] - **应用差距扩大**：仅35%的企业已落地AI智能体，42%的组织尚未制定任何智能体战略；64%的企业正在增加AI投资，分配给AI的技术预算比例预计未来两年内从平均8%上升至13% [7] - **思维模式转变**：企业AI发展的关键转折点在于从“我们能做什么”到“我们应该做什么”的思维升级，即从能力优先转向需求优先 [7] 报告战略含义与未来信号 - **战略核心**：依赖循序渐进改进模式的企业已难以与处于持续学习循环中的对手竞争，传统“有足够时间去完善”的窗口已不复存在，必须聚焦解决具体业务问题以获取投资回报 [8] - **未来技术信号**：报告指出八个“信号级”技术趋势值得企业密切跟踪，包括基础模型发展瓶颈、合成数据训练影响、神经形态计算崛起、边缘AI新兴场景、AI可穿戴设备增长、生物识别认证演进、AI智能体隐私挑战及生成式引擎优化 [8]

出海电商平台动态 - TikTok Shop东南亚跨境电商为应对春节后经营恢复，于2月24日至3月3日推出复工复产专项激励政策，包括对已报名“春节不打烊”的重点商家提供日均GMV达标可获500美元激励，以及其他商家可通过完成短视频发布、直播开播等任务领取100张高力度满减券 [5] - TikTok Shop平台已开放3.3大促与斋月大促活动，提供最高30%折扣率的合资优惠券、KLS自播专属激励及达人合作预算补贴等权益 [5] - SHEIN创始人许仰天宣布公司计划未来三年在广东追加投资超过100亿元人民币建设智慧供应链，并设定了2025年平台出口额超千亿元的目标，其业务已覆盖160多个国家和地区 [6] - SHEIN自2014年落户广州以来，已合作数万家供应商，带动本土就业超60万人 [6] 中国公司海外扩张与投资 - 智元机器人在德国慕尼黑举办发布会，正式进入德国市场，发布了全系列通用具身机器人产品矩阵及系统级行业解决方案，并与汽车零部件制造商敏实集团签署战略合作协议，以加速机器人技术在欧洲的本地化落地 [10] - 智元展示的产品矩阵包括远征A2全尺寸人形机器人、灵犀X2人形机器人、精灵G2工业级具身机器人以及酷拓D1系列四足机器人 [11] - 泰国投资委员会批准新剑机电传动、贝特科技、三花智控、拓普集团和旭升集团等5家中国企业在泰投资设厂，生产人形机器人结构框架及关节、手臂和手指控制系统，首期投资总额超过100亿泰铢 [12][13] - 上述5家企业在泰项目计划聘用逾1000名泰国高技能人才，投产后预计每年在泰采购原材料及零部件金额将超过450亿泰铢，主要客户包括特斯拉，并为苹果、三星、华为等企业供货 [13] - 阿里巴巴旗下个人AI助手“千问”进军AI硬件领域，将面向全球市场推出多款产品，首款同名AI眼镜将于西班牙巴塞罗那发布，并于3月2日开启预约，年内还将陆续发布AI指环、AI耳机等产品 [14][15] - 宁德时代与宝马集团签署合作谅解备忘录，双方将聚焦电池护照跨境数据试点和供应链碳足迹协同降碳两大方向开展深度合作，旨在提升动力电池全球供应链的数字化管理并推动数据标准示范落地 [16][17] - 创维将与松下在欧洲和北美建立全面合作伙伴关系，接手该区域的松下品牌电视机供应业务，包括共同开发画质、音质等，业务交割计划于今年4月进行，而松下将继续自主运营日本电视机市场 [18] 全球科技巨头战略动向 - 谷歌宣布将旗下机器人软件公司Intrinsic Innovation LLC纳入核心业务体系，通过整合其软件技术与谷歌全栈AI硬件生态，加速物理人工智能的研发与落地，加码工业机器人领域布局 [21] - Intrinsic的核心优势在于研发能降低工业机器人开发复杂度的软件及AI模型，其CEO表示将借助谷歌的AI算法与硬件基础设施释放物理人工智能潜力 [21] - 苹果公司CEO蒂姆·库克暗示视觉人工智能将成为公司下一阶段的关键技术突破，该技术将深度整合至iOS生态与硬件中，旨在强化设备端图像识别、实时场景理解及隐私优先的AI处理能力 [22] - 分析认为，苹果的视觉AI相关技术或率先应用于iPhone 17系列及Vision Pro迭代版本 [22]

文章核心观点 - 生成式AI正深刻重塑制造业全价值链，从营销创意到产线运维，其应用已从初步探索进入全面推进阶段，成为企业发展的“必答题”而非选择题 [2][3][5] - AI在制造业的价值创造路径清晰：短期聚焦于降本提效（如营销、客服），中期通过智能体赋能全链路，长期目标是实现AI原生架构与物理AI，重构产品、工厂乃至商业模式 [5][7][15][24][25] - 企业AI落地成功的关键在于聚焦高价值业务场景，将AI能力与人的能力、业务流程深度整合，而非单纯追求技术或算力投入 [15][20][27] - 面对GEO等新趋势，实体品牌需重构与消费者的对话方式，利用AI在私域/半私域建立直连通道，但效果评估面临新挑战 [17][18] - 无论企业规模大小，拥抱AI已是必然，中小企业虽存在“技术后发优势”，但需务实从解决实际效率问题切入，并重视底层数据积累 [20][21][22] AI在制造业全链路的应用与价值 - **应用范围广泛**：AI已渗透至研发、生产、供应、销售、服务全链条，虽程度不一，但整体颠覆性强 [5] - **营销与创意提效显著**： - 使用AIGC设计产品包装、搭建3D模型测试消费者反馈，并批量生产短视频吸引流量 [7] - 上线虚拟数字人直播，其投资回报率可达真人直播的50至100倍，实现“睡后收入” [7] - AI可快速生成高度定制化的节日促销海报，极大提升市场响应速度，替代传统高成本、长周期的手动设计 [7] - 在营销侧，AI帮助削减了约95%的预算 [20] - **研发逻辑变革**：AI通过分析海量用户反馈实时洞察需求，改变过去依赖工程师思维的模式，让产品导向更完整即时 [9] - **生产与运维优化**：在生产侧，AI应用于设备预测性维护和产线维保，通过IoT数据构建结构化分析模型，实现对产线状态的精准判断与主动干预 [9] - **客服与用户体验提升**： - AI客服解决24小时全天候咨询痛点，其信息掌握的准确性和完整性通常优于人工，显著优化用户体验 [5] - 基于历史数据构建消费者预测模型，让用户在合适时间买到最新鲜、最适合的产品 [12] - **内部效率与增长价值**： - 打造“导购智能体”，整合企业知识库赋能一线导购，提升产出并提供个性化服务 [13] - 在微信私域小程序推出“智能点单”功能，让用户在对话框中快速完成商品选择 [13] - 基于产品卖点利用AI生成爆款视频，促进消费者转化 [12] - **效益量化**：美的2023年财务认可的AI相关效益约4000多万元，到2024年已提升至1.8亿元 [14] 智能体（Agent）的落地进展与挑战 - **2025年为智能体元年**：智能体被认为是企业AI落地的终极形态 [15] - **落地实践**： - 美的向全员开放AI平台鼓励自主开发，已搭建1.3万多个智能体，但真正高价值的场景只有158个 [15] - 伊利采取分类分级策略（从L0对话级到L4自主决策级），将重点业务嵌入核心流程，2025年智能体调用量近1亿次 [15] - **核心经验**：鼓励全员探索，但必须聚焦高价值场景，尤其是资源消耗大、效率瓶颈明显的环节，场景是关键而非单纯投入算力 [15] - **主要挑战**：如何将AI能力与人的能力、业务流程深度整合，仍是长期课题 [15] GEO时代品牌与消费者对话的重构 - **趋势本质**：从SEO到GEO，是品牌与消费者互动触点的迁移，AI生成的内容正在重塑用户对产品价值的理解，这是不可逆的趋势 [18] - **当前影响**：在美的，GEO对品牌认知的影响目前并不显著，公司更关注产品体验与价格组合，并尝试通过DTC模式减少中间环节 [18] - **机遇与挑战**： - AI给了实体制造业在私域和半私域建立相对直连通道的新机会，在此通道中进行GEO和内容营销，效果更容易被衡量和评估 [18] - 挑战在于投放的内容会被AI“消化”后再生成，原始信息可能发生偏移，导致效果难以评估 [18] - **用户接受度**：对于家电等耐用品的AI加持，初期用户有疑问，但随着门未关提醒、温度异常报警等实用场景衍生，用户体验显著提升，接受度越来越高 [19] 中小企业的AI切入策略与后发优势 - **切入建议**：聚焦高价值场景，尤其是资源浪费严重或效率损失大的环节，通过行业对标找到精准的投入产出点，投入必须务实 [20] - **起跑线状态**：面对全新的技术浪潮，大小企业多数情况下站在同一条起跑线 [20] - **行动路径**： - 必须投入资源学习和理解AI [20] - 优先解决实际效率问题 [20] - 数字化投入最好从问题导向和需求出发，后期会自然产生数字化积累以支撑AI应用 [21][22] - **数据基础重要性**：AI依赖于数据和系统，如果企业历史上没有数据积累，AI可能无法给出适应企业的准确结论，因此底层数据很重要 [21] - **后发优势**：中小企业虽然起步晚，但在技术利用方面存在后发优势，可以用更新、更高效的方式，以更快的速度对数据进行治理 [22] AI原生与物理AI的未来展望 - **AI原生的演进阶段**： - 早期：AI是助手型 [25] - 现在：融入业务，智能体之间协作（agent to agent） [25] - 未来：AI工厂，推动全链自主决策，实现从预测、排产、发货到反馈的整个价值链自主决策 [25] - **AI原生的层次**： - 第一层：AI思维（架构） [27] - 第二层：AI能力（自建非API） [27] - 第三层：AI商业（自有模型+数据+业务） [27] - **责任归属**：在AI原生过程中，设计者一定是责任主体，除非AI产生自主意识做出超出预期的判断 [27] - **物理AI的影响**： - 核心在于与具身智能的结合，对制造企业的机会在于：一是在现有工具上叠加AI能力；二是用全新的具身智能重构生产线 [28] - 许多家电产品已具备物理AI特征，例如空调通过自然语言交互自动调节温湿度，传统家电正被AI深度改造 [28] - **价值验证关键**：对企业而言，关键不是有多少智能体，而是哪些能在商业上真正产生价值，这需要重新定义和验证 [28] 关于AI竞争与创新的根本思考 - **AI与“内卷”**：运用新技术是企业经营的永恒命题，产品与服务的差异化是破局关键，若缺乏差异化，AI确实会加速同质化竞争 [23] - **技术进步的常态**：新技术释放了时间与资源，让企业能更专注于创新，技术本身无对错，关键在于如何用它为消费者创造新价值 [23] - **应用方向**：应在现有业务中推动AI驱动的创新，前提是能否为客户创造价值或显著降本提效；探索全新业务空间则受制于企业战略与资源禀赋 [23] - **根本逻辑**：AI不是简单地用一种工种替代另一种工种，而是创造一种全新的硅基文明，在某些场景和任务上已完全超越人类个体，未来可能超越群体 [20] - **生存危机感**：淘汰企业的可能不是AI本身，而是会使用AI的人，因此企业必须坚定地推动AI在自身业务中的应用和落地 [29]

日本政府提振AI半导体产业的战略举措 - 日本政府为提振AI半导体产业，计划在国内设立3个基地，以培育设计、生产设备、材料等领域的企业 [1] - 该计划以台积电（TSMC）和Rapidus为核心，旨在完善国内最尖端半导体的生产体系 [1] - 建设基地的资金将来自政府预算中已确定的1306亿日元以及国立研究开发法人的资金 [4] 三大基地的具体规划与目标 - 第一个基地是面向半导体设计的基地，计划于2026年秋季在东京都内开设，将配备最尖端半导体所需的自动设计工具、计算服务器和专业技术人员支持 [1] - 第二个基地是设备与材料基地，计划在北海道千岁市内的Rapidus工厂附近开设，目标在2029年度启动，将引进荷兰ASML生产的最新款极紫外（EUV）光刻设备 [3] - 第三个基地是化合物半导体试制基地，将引进可测试各类材料的设备，旨在开发具备高速、低功耗等优势的半导体，例如使用氮化镓的半导体 [4] 日本半导体产业的现状与挑战 - 日本企业在AI半导体的设计方面起步较晚，目前设计以美国英伟达等企业为主 [1] - 日本企业原本具备优势的生产设备及材料领域，因中国企业崛起等原因导致市场份额缩小 [1] - 最尖端半导体的研发成本极高，设计工具等需耗资数十亿至数百亿日元，一台最新光刻设备更是高达数百亿日元，企业难以单独承担投资 [4] 战略举措的预期影响与目标 - 日本政府希望通过建设基地并承担高昂费用，为民间技术革新打下基础，并让企业与研究机构能够以低廉价格使用设备 [4] - 目标是培育有望成为台积电、Rapidus合作伙伴的企业 [6] - 如果能诞生可设计AI半导体的本土企业，有可能成为可委托Rapidus进行生产的优质客户；如果能培育出先进的设备与材料厂商，则有望进一步扩大市场份额 [6] 产业发展的关键路径 - 日本政府认为，提升国际竞争力需要突破企业与国界限制，强化与海外企业及研究机构的合作 [1] - 过去日本半导体产业衰退的原因之一被认为是过度坚持自给自足 [6] - 目前来看，日本国内生产的最尖端半导体的主要客户仍将是海外企业 [4]