报告行业投资评级 - 行业评级为推荐 [4] 报告的核心观点 - 苹果加速入局折叠屏，有望带动折叠屏手机加速放量，引领折叠屏产业链创新升级，看好折叠屏UTG盖板、铰链等核心增量环节以及液态金属、3D打印等新工艺 [7] 根据相关目录分别进行总结 折叠屏手机加速渗透，引领智能手机创新 - 2024年全球智能手机出货量回暖，达12.38亿部，同比+6.4%，苹果、三星、小米占据半壁江山，CR3为50% [12] - 折叠屏技术成智能手机领域受关注的创新方向，2018年柔宇科技发布首款消费级量产折叠屏手机，2019年起多家厂商入场 [15] - 折叠屏手机有横折式和竖折式，2024年中国横折和竖折手机占比分别为67.4%和32.6% [17] - 2024年全球折叠屏手机出货量1780万台，预计2027年达7000万台，2024 - 27年CAGR为57.8%，苹果有望2026年推出折叠iPhone带动放量 [20] - 2024年中国折叠屏手机出货量约917万台，同比增长30.8%，华为以48.6%市场份额领先 [23] - 折叠屏手机硬件端有折叠痕迹明显等问题，软件端有外屏利用率低等痛点 [24] - 主流厂商折叠屏手机厚度及重量持续优化，2021 - 23Q3横折叠手机平均厚度由15.1mm减薄到11.1mm，平均重量由289.2g减重到252.8g [29] - 折叠屏手机价格不断下探，2021 - 23Q3横折叠手机均价从14032元降至9942元，竖折叠手机均价从8294元降至6766元，2024年持续下行 [31] - 铰链和盖板是折叠屏手机核心价值增量，三星Galaxy Fold1显示模组和机械结构件成本占比分别提升13.3%和5.8%，华为Pura X显示模组和铰链系统占比合计70% [36] 铰链：折叠屏核心零部件，各品牌积极布局打造差异化 - 铰链负责支撑和引导屏幕开合、悬停，结构复杂，要满足20万次以上开合寿命，厂商对其结构、材质和工艺全面升级 [38] - 折叠屏铰链分水滴和U型，水滴型折痕浅、减少屏幕磨损，华为、OPPO等内折叠手机基本采用，三星Galaxy Z Fold 5系列也采用 [40] - 国内厂商基于水滴型铰链精简结构、引入创新材料实现轻量化，如小米MIX Fold 4龙骨转轴2.0 [44] - 2024年全球折叠屏手机铰链市场规模约32亿美元，预计2032年达154亿美元，2024 - 32年CAGR为21.69% [47] - MIM工艺流程包括造粒、注射、脱脂、烧结，后续还需整形等处理，结合塑料注射成形和粉末冶金优势，适合大批量生产复杂金属产品 [53] - MIM技术相比传统金属加工和CNC技术，有设计自由度高、成本低等优势，我国MIM行业快速发展，2026年市场规模有望达141.4亿元，2020 - 26年CAGR为11.65%，消费电子应用占比超50% [56][62] - 液态金属即非晶合金，性能优于常用金属材料，加工工艺高效，后处理工序精简，锆基液态金属已用于头部品牌折叠屏手机铰链 [67][74] - 钛合金适合轻量化消费电子产品，传统加工难度大，3D打印可降低制造难度，有材料利用率高、缩短研发周期等优点 [75][77] - 荣耀Magic V2和OPPO Find N5采用钛合金3D打印铰链，带动钛合金在折叠屏领域应用 [79] 盖板：实现折叠的核心部件，加速推进UTG技术布局 - 柔性盖板需兼具透明度、可折叠性和可恢复性，常用材料是CPI和UTG，UTG逐渐取代CPI成主流，2023年国内折叠屏智能手机UTG使用占比提升至70%，2028年UTG出货量有望超5100万片，2024 - 28年CAGR为19.99% [87][88] - 不等厚超薄玻璃UFG有望成下一代主流方案，中间弯折区30um，两边非弯折区70 - 150um，无需贴膜 [96] - UTG生产分一次成型法和二次成型法，一次成型法技术壁垒高，被国外制造商掌握，二次成型法是国内厂商主要采用方案，但产品存在外观良率欠佳等问题 [101][103] - 柔性玻璃需切割处理，传统切割方法不适用，需采用非接触式激光切割 [104] - 超薄玻璃需钢化提高强度，化学钢化后的玻璃强度高、热稳定性好，是UTG盖板加工企业首选工艺 [107] 投资建议 - 相关受益标的包括UTG的蓝思科技，铰链的领益智造、统联精密、精研科技，液态金属的宜安科技，3D打印的华曙高科、铂力特 [7]

核心观点 - AI模型MAARS通过深度学习方法处理原始MRI图像，实现对心源性猝死风险的高精度预测，准确率达89% [1][2] - 该模型能够捕捉传统心脏MRI检查遗漏的关键风险信号，如隐藏的纤维化瘢痕模式，显著提升肥厚型心肌病的诊断率从50%至近90% [5][7][11] - 在40-60岁高危人群中，诊断准确率进一步提升至93% [10][12][20] 技术架构 - MAARS采用3D视觉Transformer架构，包含三个单模态分支网络（LGE-CMR、CIR、EHR）和一个多模态融合模块（MBT），避免数据拼接导致的过拟合 [14][15] - LGE-CMR分支直接分析原始MRI图像，保留未处理信息，消除人工解读主观性 [16] - 模型整合40项EHR结构化数据和27项专业影像指标，通过3D-ViT学习三维空间特征，实现多模态医疗数据深度融合 [18][19] 性能优势 - 预测准确率（AUROC）达89%，较传统临床指南（如ACC/AHA、ESC）提升0.27-0.35 [20][21] - 具备可解释性设计，通过Shapley值分析和注意力机制可视化，明确高风险因素（如左心室侧壁纤维化占比超15%） [23][24][25] - 辅助制定个性化医疗方案，如精确评估除颤器植入需求或优化药物治疗策略 [27] 研究背景与未来方向 - 由约翰霍普金斯大学Natalia Trayanova团队开发，其曾获NIH先锋奖并入选国际女性科技名人堂 [28][29][30] - 团队计划将MAARS扩展至扩张型心肌病、缺血性心脏病等更多病种 [32] - 前期研究基础包括2022年构建的多模态模型用于预测梗死患者心脏骤停风险 [31] 数据引用 - 肥厚型心肌病临床诊断准确率仅50% [5] - MAARS将诊断率提升至近90%，40-60岁人群达93% [11][12] - 模型整合40项EHR数据和27项影像指标 [18]

编辑丨王多鱼 排版丨水成文 在动物基因组中，被称为 增强子 （ enhancer ） 的调控性 DNA 元件控制着特定细胞类型中基因表达的精确时空模式。然而，增强子在细胞核内的空间组织以调 控靶基因的方式，目前仍知之甚少。 2025 年 7 月 2 日 ，北京大学生物医学前沿创新中心 （ BIOPIC ） /昌平实验室 谢晓亮 院士团队在 Nature Genetics 期刊发表了题为 ： Single-cell Micro-C profiles 3D genome structures at high resolution and characterizes multi-enhancer hubs 的研究论文。 研究团队开发了 单细胞 Micro-C （scMicro-C） 技术，这种是基 于微球菌核酸酶 （ Micrococcal nuclease ） 的 3D 基因组图谱技术，能够以 高分辨率描绘 3D 基因组结构，并表征了 多增强子中心 （ multi-enhancer hub ） ，即多个增强子与基因启动子相关联，形成空间簇。 此外，该研究还观察到，在单细胞 3D 基因组结构中，具有 PES 的基因 ...

行业趋势与论坛背景 - 增材制造技术凭借设计自由度、材料利用率及定制化能力，在航空航天、生物医疗、无人机、人形机器人等领域展现广泛应用前景[1] - "人工智能+"赋能3D打印技术，推动产业智能化升级，但多品种、大批量、低成本、高精度等技术难题仍需攻克[1] - 论坛聚焦航空航天、汽车、无人机、生物医疗等高端场景，探讨材料、结构、工艺维度的轻量化、高性能及定制化需求[2] 论坛组织架构 - 主办单位为宁波德泰中研信息科技有限公司（DT新材料），协办包括江苏集萃先进高分子材料研究所等6家单位[3] - 指导单位为中国材料研究学会高分子材料与工程分会，承办方为四川大学高分子材料工程国家重点实验室等2家机构[3] - 特别鸣谢东丽先端材料、托托科技、华夏司印等11家企业支持[4] 核心议程与技术方向 主论坛与AI专场 - 主论坛议题包括动态化学光固化3D打印、生物3D打印器官再造、智能材料在正畸矫治器的应用等[7][8][9] - AI专场覆盖机器学习优化3D打印工艺、微纳电子增材制造、4D打印超材料设计等前沿课题[10] 陶瓷与生物医疗专场 - 陶瓷专场探讨聚硅氮烷先驱体陶瓷、光固化水凝胶前驱体陶瓷、碳化硅增材制造等创新技术[11] - 生物医疗专场聚焦载细胞生物打印、PCL/HA可降解脊柱融合器、高精度光刻医疗应用等[12][13][14] 工业应用专场 - 工业专场涉及航天高分子材料打印、电场驱动高分辨率打印、Carbon 3D量产技术等产业化议题[15][16] - 4D打印智能材料、磁场辅助打印设备开发等新兴技术成为下午场重点[17] 参会信息 - 论坛设企业代表2800元/人、学生1800元/人的注册费，含资料及餐费[25] - 杭州龙禧福朋喜来登酒店提供450元/晚协议价，含双早[21] - 交通覆盖地铁5/4/6/7号线及打车路线指引[21][22]

计算机视觉与自动驾驶研究热点 - 2024年CVPR和ICCV两大顶会的研究热点集中在四大领域：通用计算机视觉、自动驾驶相关、具身智能、3D视觉 [2] - 通用计算机视觉细分方向包括diffusion模型、图像质量评估、半监督学习、零样本学习、开放世界检测等 [3] - 自动驾驶领域聚焦端到端系统、闭环仿真3DGS、多模态大模型、扩散模型、世界模型、轨迹预测等技术 [3] - 具身智能领域重点研究方向为VLA（视觉语言动作模型）、零样本学习、机器人操作、端到端控制、sim2real迁移、灵巧抓取等 [3] - 3D视觉领域热点包括点云补全、单视图重建、3D高斯泼溅（3DGS）、3D匹配、视频压缩、神经辐射场（NeRF）等 [3] 自动驾驶技术应用方向 - 自动驾驶核心技术涵盖大模型应用、VLA系统、端到端解决方案、3D高斯泼溅（3DGS）、BEV感知、多传感器融合等 [4] - 具体技术分支包括毫米波雷达与视觉融合、激光雷达与视觉融合、多传感器标定、车道线检测、在线地图构建、Occupancy网络等 [4] - 决策规划领域涉及高性能计算、语义分割、轨迹预测、世界建模、3D目标检测等关键技术 [4] 具身智能与机器人技术 - 具身智能核心方向包括视觉语言导航、强化学习、Diffusion Policy、具身交互、机器人位姿估计等 [4] - 机器人控制技术覆盖运动规划、双足/四足机器人控制、遥控操作、触觉感知、SLAM等 [4] - 零样本学习在具身智能中具有重要应用价值 [4] 3D视觉与通用CV技术 - 3D视觉关键技术包含点云处理、3D高斯泼溅（3DGS）、SLAM等 [4] - 通用计算机视觉持续关注diffusion模型、图像质量评估、半监督学习等基础方向 [4] - 零样本学习在通用CV和具身智能领域均具有交叉应用 [3][4] 学术成果与科研支持 - 自动驾驶领域已有2篇论文被CVPR 2025收录 [3] - 科研支持范围覆盖自动驾驶顶会（CCF-A/B/C）、SCI各分区期刊、EI/中文核心等 [4] - 技术支持方向包括毕业论文、申博研究、学术竞赛等应用场景 [4]

行业概述 - 2025RoBoLeague中国机器人足球联赛是国内首个机器人足球3V3 AI赛，参赛机器人完全依靠AI策略自主运行，无需遥控器控制 [1] - 视觉传感器是人形机器人实现环境感知、自主决策与交互的关键技术，其中3D视觉传感器（激光雷达、多目立体视觉、结构光、ToF等）是主流解决方案 [1] 奥比中光 - 主营业务为3D视觉感知产品的设计、研发、生产和销售，产品包括3D视觉传感器、消费级和工业级应用设备，已成为全球3D视觉传感器重要供应商之一 [2] - 构建了覆盖深度相机（单目/双目结构光、iToF）、激光雷达等全技术路线的3D视觉传感器体系，并推出机器人视觉感知产品矩阵 [4] - Femto系列iToF深度相机及Gemini 335/336系列结构光深度相机支持室内外复杂场景下的机器人视觉应用，已与部分人形机器人客户适配 [5] 速腾聚创 - 主营业务为激光雷达及感知解决方案的开发与销售，已与全球超2800家机器人客户合作，覆盖工业仓储、配送机器人等领域 [9] - 发布机器人视觉新品类Active Camera首款产品AC1，实现多传感器硬件级融合，并与全球超10家人形机器人企业建立战略合作 [9][11] - 入选摩根士丹利、高盛等投研机构的人形机器人核心产业图谱 [11] 奥普特 - 主营机器视觉核心软硬件产品，拥有完整的机器视觉核心硬件产品线，覆盖视觉算法库、智能视觉平台、3D传感器等领域 [12] - 正在研发适用于人形机器人的小型化散斑结构光系列和TOF相机系统 [13] 天准科技 - 全球视觉装备核心供应商，产品包括工业视觉装备（视觉测量、检测、制程装备等），服务于电子、半导体、新汽车等领域 [14] - 掌握3D视觉算法、3D点云处理、多传感器融合标定等技术，自主开发工业视觉软件平台ViSpec [15][17] - 发布人形机器人高性能具身智能控制器"星智001"，支持实时运行端到端和大语言模型，并与数家主流机器人公司达成合作 [17] 水晶光电 - 国内知名光电元器件制造商，产品包括光学低通滤波器、相机手机滤光片等，应用于消费电子、车载光学及AR/VR领域 [19] - 已具备光学薄膜设计、微纳光学等八大技术能力，少量激光雷达视窗片产品应用于人形机器人 [22] 行业企业列表 - 工业机器人企业：埃斯顿自动化、埃夫特机器人、非夕科技等 [26] - 服务与特种机器人企业：亿嘉和、晶品特装、九号机器人等 [26] - 医疗机器人企业：元化智能、天智航、思哲睿智能医疗等 [26] - 人形机器人企业：优必选科技、宇树、云深处等 [26] - 具身智能企业：跨维智能、银河通用、千寻智能等 [27] - 核心零部件企业：绿的谐波、因时机器人、坤维科技等 [28][29]

核心观点 - 该研究提出名为"Shape of Motion"的技术，通过结合3D高斯撒点与SE(3)运动表示，实现单目视频动态场景的4D重建（3D空间+时间维度），在3D追踪精度上比现有方法提升73% [2][8][17] - 该方法具有实时新视角合成、全局一致3D追踪和处理复杂动态场景三大能力，可能彻底改变影视特效、游戏开发、自动驾驶等行业的工作流程 [4] - 技术采用3D高斯点作为场景表示基本单元，利用SE(3)运动基底表示场景运动，并整合单目深度图、长距离2D轨迹等数据驱动先验，形成全局一致的动态场景表示 [9][11][12] 技术细节 - 核心创新点包括：1) 低维运动表示 - 使用紧凑的SE(3)运动基底表示场景运动；2) 数据驱动先验整合 - 有效整合多种噪声监督信号 [9] - 每个3D高斯点参数包括规范帧中的3D均值、方向、尺度、不透明度和颜色，其运动轨迹通过共享的SE(3)运动基底表示 [10] - 优化过程采用双管齐下的损失函数：重建损失（包含RGB、深度和掩码约束）和运动约束（通过2D轨迹和刚性损失保持运动一致性） [13][14] 性能表现 - 在iPhone数据集上，3D追踪准确率（10cm阈值）达73.3%，比第二名高出10个百分点；2D追踪准确率达47%，新视角合成的PSNR指标达16.72 [17] - 在Kubric合成数据集上，3D追踪误差(EPE)低至0.16，比基线方法提升21% [20] - 硬件配置上，在A100 GPU上训练300帧视频仅需2小时，渲染速度可达40fps，实时性完胜传统NeRF方法 [14] 局限与展望 - 当前方法存在四大局限：1) 耗时优化 - 每场景需2小时训练；2) 视角局限 - 大视角变化时缺失生成能力；3) 相机依赖 - 纹理缺失场景可能失败；4) 人工干预 - 需用户标注运动物体掩码 [25] - 未来突破方向包括：1) 开发端到端前馈网络；2) 融入扩散模型处理大视角变化；3) 用SAM等模型实现全自动分割 [25] - 该研究突破了单目动态重建的三重边界：空间维度（全序列3D运动轨迹重建）、时间跨度（支持10秒以上长时运动追踪）和场景复杂度（处理多刚体运动的动态场景） [26]

报告行业投资评级 - 看好计算机行业 [5] 报告的核心观点 - 3D打印产业链高景气，核心公司预计迎来快速增长期 [5][6] - 大模型推理能力提升，法律AI领域迎来较大机会 [5][6] - 重点公司更新涉及税友股份、新大陆、迈富时 [5][6] 根据相关目录分别进行总结 3D打印产业链 - 拓竹科技高热度代表3D打印消费级市场迎来重要节点，25年5月我国3D打印设备产量同比增长40%，消费级产品或迎快速增长阶段 [7] - 价格下探与操作简化使消费级3D打印发展，拓竹科技等厂商将桌面型3D打印机带入低价区间，简易入门级产品标价1499元 [10] - 3D打印是增材制造技术，核心价值是突破模具限制，主流技术有FDM、光固化、粉末床熔融等，各有优劣 [14][21] - 3D打印核心竞争力体现在设计自由度、定制化能力、成本效率和可持续性四个维度，产业化应用跨领域拓展 [23][24] - 3D打印拉动3D扫描仪消费级需求，思看科技便携式3D扫描仪最高精度达0.020mm，激光3D扫描仪测量速率每秒可达数百万次 [26] - 3D打印核心产业链相关公司包括消费级3D打印机整机、核心部件、3D扫描仪、打印设备和耗材等领域的企业 [29] 法律AI领域 - 海外一级热度发酵，2024 - 2025Q1法律相关创业公司融资激增，79%流向AI类公司，多家海外代表性法律AI公司有新进展 [28] - DeepSeek推动国内AI法律进展，截止6月30日，DeepSeek V3 0324模型在法律领域的tokens销售量占总体达4.8% [31] - 金桥信息发布“亦案通”和“亦法通”，具有数据、C端产品潜力和生态合作优势 [32][37] - 华宇软件发布华宇万象法律大模型，产品矩阵丰富，落地30 + 场景 [38][41] 重点公司更新 - 税友股份新规下税务监管严格化，Agent产品进入密集落地期，远期目标三年后相关业务收入达50亿，25年上半年用户规模已起量 [42][43] - 新大陆设立境外子公司并取得美国MSB牌照，有助于开展跨境支付业务，预计2025年归母净利润约13亿元，当前PE 25x左右 [44][48] - 迈富时发布AI - Agentforce智能体中台2.0，AI Agent落地效果好、付费意愿高，通过“SMB + KA”双曲线商业模式解决客户痛点 [49][56] 风险偏好判断以及重点标的 - 涉及数字经济领军、AIGC应用、AIGC算力、数据要素、信创弹性、港股核心、智联汽车、新型工业化、医疗信息化等领域的公司 [59] 计算机重点公司估值表 - 展示了多家计算机重点公司的总市值、归母净利润及PE等估值数据 [63]

当前限制人形机器人规模化落地的主要因素有两点，第一是机器人的泛化能力有限，在实际场景下技术的迁移 能力远远不够，导致其无法在具体环境中部署。第二是制造成本限制，主流人形机器人本体价格普遍在 50万 左右，个别高端型号甚至达到百万级别。 高昂的开发成本、闭源的设计架构及有限的定制能力，成为制约该领域快速发展的主要瓶颈。 为解决这一问 题， 加州大学伯克利分校池宇峰团队 打造了一款低成本开源人形机器人 Berkeley Humanoid Lite ， 该机 器人采用桌面 3D打印制造，支持定制化设计，本体BOM成本在5000美元以内，约合35000元人民币。 ▍ 成本破局！低成本 3D打印专为开发者量身打造！ 当前市场上的人形机器人平台主要分为商业产品和研究原型两类。商业产品如 Agility Robotics的Digit、 Fourier Intelligence的GR1等，虽然性能卓越，但价格普遍超过数万美元，使得大多数研究机构和个人难以 承受。 此外，尽管研究原型具备较高的定制性与性能表现，但因其制造依赖 CNC加工、激光切割等专门流 程，而这类设施并非所有研究机构都能轻松获取，从而严重限制了其广泛应用范围 ...

李飞飞对AGI与空间智能的核心观点 - 空间智能是实现通用人工智能(AGI)不可或缺的组成部分 没有空间智能 AGI就不完整 [1][4][29][33] - 3D世界建模是人工智能领域最基础且最具挑战性的问题之一 包括理解三维世界 生成三维世界 推理三维世界和在三维世界中行动 [7][8][33] - 创建超越平面像素 跨越语言障碍 真正捕捉三维世界结构和空间智能的世界模型是当前AI研究的终极目标之一 [9][33] ImageNet项目的历史意义 - ImageNet项目始于2007年 旨在通过互联网下载十亿张图片并创建视觉分类体系 为机器学习提供数据基础 [17][18] - 该项目包含14,197,122张图片和21,841个synsets索引 为计算机视觉研究建立了标准化数据集 [20] - 2012年AlexNet在ImageNet挑战赛中取得突破性进展 识别错误率从30%大幅下降 标志着数据 GPU和神经网络首次成功结合 [22][23][24] 计算机视觉的发展历程 - 从物体识别(如ImageNet解决的"识别猫或椅子")发展到场景描述 再扩展到三维世界理解 是计算机视觉研究的自然演进 [25][26][30] - 2015年左右 图像字幕生成技术取得重大突破 为后来的生成式AI发展奠定了基础 [27] - 视觉智能的进化历史长达5.4亿年 远比语言进化(3-5亿年)更复杂 这解释了为什么空间智能研究更具挑战性 [32][33] 空间智能研究的挑战 - 空间智能面临数据严重缺失的问题 与语言数据不同 三维世界的信息主要存在于人类大脑中 难以直接获取 [36] - 3D建模的数学复杂度远高于一维语言处理 需要将2D投影反向推导为3D结构 并遵守物理规律 [34][35] - 人类视觉皮层处理数据的神经元数量远超语言处理区域 这暗示了空间智能模型的架构可能需要与LLMs完全不同 [37][38] World Labs的研究方向 - 公司专注于解决空间智能这一AI领域最困难的问题 正在构建能够输出3D世界的基础模型 [31][40][41] - 研究团队由多位顶尖专家组成 包括Pulsar创造者 Justin Johnson和Nerf作者等 [34] - 应用场景涵盖设计 建筑 游戏开发 机器人学习以及元宇宙内容生成等多个领域 [41][42][44] 行业研究方法论 - 数据驱动方法需要与高质量数据并重 避免"输入垃圾输出垃圾"的问题 [73] - 鼓励跨学科研究 特别是在科学发现领域与AI的结合 [60] - 小数据研究和理论突破是学术界在资源受限情况下的重要方向 [61][62]