文章核心观点 - 金旅客车在世界客车博览会上推出全新旗舰车型GC15，以“智能、可靠、未来”为核心定位，通过底层电子电气架构的深度重构，展示其高端化与全球化战略 [3] - 公司旨在通过GC15车型定义未来5-10年客车行业的智能化、精品化发展方向，并以集成创新、用户导向与前瞻设计理念参与全球竞争 [4][10] 产品定位与战略 - GC15客车定位为面向未来5-10年的精品化、智能化车型，是展示公司技术实力与品牌理念的全球载体 [4] - 产品核心定位概括为三大维度：智能化与精品化并重、可靠与节能兼具、用前瞻技术定义未来 [4] - 公司以高端化与全球化战略为目标，将GC15作为通向未来智能化赛道的关键产品 [3] 智能化与精品化设计 - 客车智能化核心是解决用户痛点，例如减少驾驶员危险动作、增强人机协同效率，而非单纯炫技 [5] - 具体设计包括将常用操作功能集成到驾驶员扶手区域以降低劳动强度，以及配装智能灯语系统实现车辆与环境动态交互 [5] - 设计理念强调“科技服务于人”，从世界客车博览会汲取灵感，将交互设计作为大型客车智能化落地关键 [5] 可靠性、节能与安全 - GC15客车以“超级动力、超级节能、超级安全”的“三超”标准作为技术基础，制定远超国际标准的企业内部标准 [5] - 通过全新一代电控系统与轻量化车身设计，实现能耗与动力性能的双重突破，并在研发阶段通过多轮极端环境测试确保高可靠性 [5][6] - 车辆电动化底层架构注重能效优化与全生命周期可靠性的平衡 [5] 电子电气架构革新 - GC15客车率先引入域控制器架构，以前、后域控制器整合替代大量独立ECU模式，实现电子电气架构的跨越式进步 [7] - 采用域控制器架构后，电气线束成本降低约30%，装配效率提升约25%，全车线束长度大幅缩减，接插器数量显著减少 [7] - 架构简化带来生产环节工时节约与工序优化，并降低供应链管理、质量控制与售后维修的复杂度 [7] 数据驱动与智能化应用 - 在研发端，通过数据驱动的开发模式提升仿真测试效率与准确性，并利用AI算法优化电池管理与动力控制策略以实现能效最优化 [8] - 在运营端，自研算法能根据实时路况、交通流量、载客量等因素动态调整能耗策略，并通过多传感器融合的驾驶辅助系统监控安全指标 [9] - 在售后端，构建预测性维护体系，通过分析历史故障数据提前预警零部件失效风险，并整合全球售后案例数据形成故障知识库以提升维修效率 [9] 全球市场与行业趋势 - 全球客车电子电气架构正朝着集成化、模块化方向发展，集中式域控制器和中央网关成为行业主流 [10] - 中国市场在数据挖掘方面更具开放性，而欧洲市场数据端口更强调车端内部闭环，软件定义能力成为差异化竞争关键 [10] - 公司全新客车平台支持OTA升级与功能扩展，可通过软件更新持续提升车辆性能，这对海外市场车型尤为重要 [10]

商用车智能化核心挑战 - 商用车作为生产工具，客户核心要求是安全和增效，技术若不能直接转化为经济效益则难以被市场接纳[2] - 智能化系统在商用车整车成本中占比高达15%，预计到2028年将降至4%，高昂初期投入是规模化普及主要障碍[2] - 2024年前三季度新能源重卡销量增长率达180%，渗透率升至25%，但智能化功能搭载率仍远低于预期[2] - 行业正从政策驱动转向技术与市场双轮驱动，面临成本、技术与场景落地多重挑战[2] 成本与技术代差压力 - 商用车与乘用车技术存在巨大代差，乘用车算力标配上千TOPS，商用车仅几十TOPS[3] - 激光雷达、高算力设备显著提高重卡成本，智能化配置无法带来对等运营收益提升时客户采购意愿大幅降低[3] - 行业需面对成本与价值剪刀差时期的难题[3] 法规与责任界定挑战 - 全国有1900个县区运行无人车，但企业面临法规不统一和随时收紧的情况，增加长期战略布局风险[3] - L3级以上事故责任主体虽明确为汽车生产企业，但具体责任界定和操作细则不够明确，成为商业化落地障碍[4] 场景复杂性与差异化需求 - 商用车存在多品种、小批量问题，每个大B、小B客户都有差异化诉求，尚无通用智能化方案能通吃所有场景[4] - 矿区、港口等封闭场景面临高温、高湿、高粉尘环境，对传感器和线控系统构成严峻考验[4] - 边远地区需应对强光、浓雾、沙尘、暴雪、大雨等极端环境挑战，对算法鲁棒性要求远高于乘用车[4] 技术路径与生态共建策略 - 自动驾驶技术路径从全栈自研转向分层聚焦务实策略，通过分工协作实现降本增效[5] - 江淮汽车提出1+1+X战略：第一个1是自动驾驶平台底座，第二个1是连接路侧生态标准化接口，X是多场景灵活应用[5] - 白犀牛强调AI需从规则算法走向端到端，再发展世界模型，是成本测算关键环节[5] 商业模式创新与价值实现 - 吉利打造软件+硬件+公司B端客户及物流运营+保险公司+车企制造环节的保险系统生态[5] - 与保险公司联合推进辅助驾驶，在降低出险率、事故严重度方面提升30%以上[5] - 中科慧眼AEM联合保险模式与保险公司对赌，6个月可收回主机厂装的1000多元硬件成本并降低保费[5] 数据驱动与维修智能化 - 商用车运营企业更关注从业务前端输入到末端司机分派环节及内部系统打通，希望形成完整信息化解决方案[6] - 吉利商用车在车端布置柔性数采SDK，数据最大存在车端，云端根据需求下发，降低费用和流量[6] - 吉利商用车研产供销服数据总存储量达1PB（1024TB）[6] - 木卫四科技通过AI大模型分析故障数据建立智能维修中枢，可精准理解技师问题并关联知识库故障码[6]

数字化转型的历史必然性 - 企业因低估时代变革力量而失败，柯达和诺基亚是典型案例，它们曾拥有顶尖产品和管理但最终被颠覆 [1][2] - 当前中国社会正经历全面深刻的数字化转型，从消费互联网延伸至产业互联网，数字经济成为不可阻挡的洪流 [4] 小程序作为数字化核心接口的价值 - 小程序是实体经济拥抱数字化的低成本高效接口，被视为通往未来5到10年商业世界的门票 [4] - 客户尤其是年轻客户的生活已完全数字化，其数字身份重要性远超物理身份，企业缺乏小程序意味着在客户的数字世界中缺乏现代化服务接口 [6] 数据与私域流量的战略意义 - 数据是新能源，小程序作为企业数据的天然采集器，可获取客户画像、消费轨迹等，为产品研发和精准营销提供动力 [8] - 私域流量是护城河，小程序帮助企业构建自有用户池（如公众号粉丝、社群成员），实现免费反复触达，抵御平台流量成本风险 [8] 行业数字化重构与生存挑战 - 所有行业都值得用数字化方式重做一遍，例如餐饮、零售、美容与小程序结合形成智慧餐厅、新零售等新业态 [10] - 市场竞争将出现两极分化，一端是高效智能、线上线下一体化的新物种，另一端是低效传统的旧业态 [10] - 小程序从可选项变为必选项，未来入场代价可能是今天的十倍甚至百倍，延迟行动可能导致企业失去市场机会 [12]

自动驾驶技术路线分析 - 2025年自动驾驶赛道分裂为两大阵营：小鹏、理想、元戎启行押注VLA路线，而华为、蔚来则力推世界行为模型路线[2] - 世界行为模型被视为能真正实现自动驾驶的终极方案，但其本质被认为是套壳的数据依赖论[2] - VLA依赖海量数据训练得到的VLM进一步扩展Action能力，工业界最得天独厚的优势就是有海量的数据[2] - 在普通场景已达到99.9%能力的情况下，长尾场景成为决定胜负的关键[2] - 世界模型采用生成式方法理论上可无限扩展corner case，但生成前提是需要海量真实数据训练物理规则认知框架[2] 技术路线数据依赖本质 - 两条技术路线都建立在"数据决定上限"的底层逻辑上[3] - VLA依赖真实场景的多模态数据训练Reasoning能力[3] - 世界模型需要"真实数据打底+仿真数据扩量"的双重buff，其泛化能力本质是对数据多样性的迁移[3] - 行业陷入混淆"数据形式"与"数据本质"的误区，世界模型想利用仿真数据减少对真实长尾数据的依赖[3] - 在真正的人工智能到来前，数据永远是自动驾驶的核心竞争力[3] 自动驾驶技术社区资源 - 自动驾驶之心知识星球已超过4000人，期望未来2年内做到近万人规模[8][9] - 社区集视频+图文+学习路线+问答+求职交流为一体，是综合类自动驾驶社区[8] - 社区内部梳理了近40+技术路线，涵盖VLA benchmark、综述和学习入门路线[9] - 社区汇总了近40+开源项目、近60+自动驾驶相关数据集、行业主流自驾仿真平台[19] - 社区成员来自上海交大、北京大学、CMU、清华大学等知名高校，以及蔚小理、地平线、华为等头部公司[18] 技术学习体系 - 社区提供自动驾驶感知学习路线、自动驾驶仿真学习路线、自动驾驶规划控制学习路线[19] - 涵盖端到端学习路线、3DGS算法原理、基于搜索的规划、VLA学习路线等技术方向[19] - 提供全栈方向学习课程，适合0基础入门学习者[12] - 社区内部会员独享七大福利视频教程，涵盖世界模型、自动驾驶大模型、Transformer等技术领域[87] - 已开展超过一百场专业技术直播，邀请行业大佬分享最新研究成果[90] 技术细分领域覆盖 - 社区详细梳理了3D目标检测、BEV感知、世界模型、闭环仿真3DGS、自动驾驶大模型等技术领域[35] - 针对端到端自动驾驶，梳理了一段式端到端、二段式端到端、量产方案、VLA相关算法等内容[39] - 涵盖视觉语言模型最新综述、开源数据集、思维链推理、量产方案等前沿领域[45] - 对自动驾驶VLA领域进行详细梳理，包括最新综述、VLA开源数据集、模块化VLA等内容[47] - 包含规划控制基础算法、决策规划框架和常用控制算法等传统规划内容[49]

文章核心观点 - 当前行业过度依赖"数据驱动"决策存在根本性缺陷 数据归纳法无法应对快速变化的市场和复杂的用户需求[6][7] - 提出"洞察来自于好猜想"的新范式 强调通过生成式AI模拟真实用户行为来替代传统数据分析[13][33] - 引入Atypica实验案例 展示AI模拟消费者在商业洞察中的突破性应用 实现7x24小时动态用户洞察[34][36] 数据驱动的局限性 - 数据驱动决策存在"火鸡科学家"谬误 基于364天喂食数据无法预测第365天的感恩节结局[15][16] - 行业普遍陷入归纳法陷阱 通过过去364天销售数据预测爆款 但无法应对黑天鹅事件[17][18] - 市场变化速度远超数据采集周期 商品迭代以月为单位 内容迭代以日为单位 而数据报告存在数周滞后[18][19] 用户洞察的本质问题 - "橙汁理论"揭示数据仅能分析成分（水分/糖分/Vc）而无法还原用户体验的色香味真相[22][23] - 用户标签化（95后/女性/一线城市）只能描述表面特征 无法理解行为背后的真实动机[25][26] - 数据仅能回答"发生了什么"（What） 但商业决策需要的是"为什么"（Why）的深层洞察[26][27] 复杂问题的解决新范式 - 商业世界面临的是"Wicked Problems"（复杂问题） 这类问题没有唯一解 只能持续优化[29][31] - Atypica采用生成式智能体模拟技术 构建活生生的虚拟用户沙盘 替代传统数据爬取和标签化[33][34] - AI模拟可实现1000个虚拟用户同步测试 将用户理解速度提升100倍 成本降低100倍[36] AI模拟的技术应用 - 生成式智能体模拟可应用于产品概念测试 在新市场进入前与100个AI当地消费者进行痛点交流[36] - Atypica框架支持7x24小时动态用户洞察 实现从"数据归纳"到"猜想验证"的范式转移[13][40] - 该技术突破数据时效性限制 直接模拟未来季度用户行为 而非分析过去季度历史数据[34][36]

投资评级与核心观点 - 报告对青木科技首次覆盖，给予“增持”评级 [3][5][6] - 基于对公司“数据+技术”核心能力及“代运营+品牌孵化+技术解决方案”高协同业务模式的认可，预计2025-2027年归母净利润分别为1.31/1.85/2.59亿元，同比增长45.2%/40.4%/40.4% [5][6] - 对应2025-2027年市盈率（PE）分别为50/35/25倍，估值具备提升潜力 [4][5][6] 公司概况与业务模式 - 青木科技成立于2009年，是一家以数据和技术驱动的一站式零售服务专家，于2022年在深交所上市 [14][16] - 公司构建了“电商代运营+品牌孵化与管理+技术解决方案”三大高协同业务板块，覆盖大服饰、潮玩、美妆、健康消费品等赛道 [5][14][35] - 创始人吕斌、卢彬合计持股约39.07%，股权结构集中稳定，核心管理团队拥有丰富的行业经验 [5][19][21] 财务表现与预测 - 2024年公司实现营业总收入11.53亿元，同比增长19.2%；归母净利润0.91亿元，同比增长73.84% [4][24] - 2025年前三季度营业总收入达10.21亿元，毛利率提升至56.3% [4][27] - 预计2025-2027年营业总收入分别为15.05/19.04/23.41亿元，同比增长30.5%/26.5%/23.0% [4][5][91] - 品牌孵化业务增长迅猛，2025年上半年营收约2.3亿元，同比增长86.5%，占整体营收比重提升至34.8% [32][34][66] 核心竞争力分析 - **数据能力**：服务覆盖天猫、京东、抖音等主流平台，积累多平台用户行为与交易数据，训练预测模型以提升转化效率 [5][40] - **技术驱动**：自研“青灵AI中台+数据磨坊CRM+OMS”等系统，实现商品、订单、会员全链路打通，AI工具应用于上新、定价、直播等环节以降低成本 [5][80][85] - **品牌矩阵**：形成“总代理→合资控股→自有品牌”三级梯度合作模式，与Skechers、ECCO、泡泡玛特、Jellycat等国内外知名品牌建立高粘性合作关系 [5][40][55] 增长驱动因素 - **品类纵深拓展**：在以大服饰为基本盘的基础上，成功切入潮玩、美妆、健康消费品、宠物食品等高景气赛道，例如2024年承接泡泡玛特、Jellycat等头部品牌的抖音旗舰店运营 [5][35][41] - **模式升级**：从单一服务费模式升级为“服务费+经销价差+股权收益”的混合模式，分享品牌成长红利，孵化业务毛利率显著高于传统代运营 [5][37][55] - **平台扩张**：保持天猫六星、抖音金牌服务商资质，并加码抖音、天猫国际及TikTok Shop东南亚运营，海外代运营收入占比持续提升 [5][40] 业务分项预测与估值 - **电商代运营服务**：预计2025-2027年收入分别为6.57/7.68/8.58亿元，增速为16.26%/16.82%/11.77% [7][91] - **品牌孵化与管理**：预计2025-2027年收入分别为4.06/5.27/6.71亿元，成为公司营收占比最大的业务板块 [7][32][91] - **可比公司估值**：选取若羽臣、水羊股份等作为可比公司，其2026年平均PE为36倍，报告基于公司核心优势及增长弹性给予2026年40倍PE [96][97]

国家计量能力整体提升 - “十四五”以来全国计量工作取得显著成效，计量基础能力不断提升，基本实现国际单位制七个基本单位的量子化复现[1] - 在量子、微纳尺度等领域有40多项重大关键计量技术取得突破[1] - 服务能力日益完善，新增国家产业计量测试中心32家，总计达到69家，并批准建设国家计量数据建设应用中心16家[1] 产业升级与数据驱动转型 - 计量技术推动生产从“经验驱动”向“数据驱动”转变，实现工艺革新与效能提升[2] - 国家白酒产业计量测试中心通过高能电子束辐照将陈化反应提速40%-60%，结合数字算法实时采集100余项工艺数据，缩短陈酿周期并降低仓储成本[2] - 广西六堡茶产业计量测试中心构建全产业链智慧测控平台，通过部署物联网和传感器实现种植环境调控、加工工艺优化等突破[3] - 塔里木油田打造全链条计量智能“数据湖”，首次将单井、联合站、储运销售三大系统数据纳入统一模型，提升油气产品商品率等核心指标[3] 健康医疗领域的精准计量应用 - 成都市计量检定测试院针对手术机器人开发检测方案，覆盖运动精度、光学成像等12项核心指标，运动控制主从操作距离准确度不大于8mm，姿态准确度不大于12°[4] - 四川中测仪器科技有限公司研发全球首款多参数全模态生理信号模拟器，可对华为、小米等品牌智能穿戴设备进行直接检测，为健康数据提供准确性保障[5] 智慧城市与民生服务 - 南方电网建立智能量测技术体系，完成计量管理体系数字化升级，可在极端天气下实现停复电实时监测预警和精准调配抢修物资[6] - 威胜集团有限公司的智能水电气表可实现远程拉合闸操作，用户可通过微信等平台查询每日用电量和费用明细，提升用电透明度[6] - 威胜与腾讯等企业战略合作，为智慧城市提供底层设备支持，整合计量数据与天气、交通监控数据[7] - 通过监测智能水表数据可掌握独居老人用水情况，长时间无用水记录时系统可发出预警，体现计量数据与民生服务的深度融合[7]

公司AI战略核心观点 - 公司明确以垂直大模型为技术支撑，重构教育服务交付模式的AI战略方向 [1] - 公司提出“一体两翼一动力”战略，将科技创新作为重要一翼，强调高质量发展必须依靠科技赋能教育 [3] - AI战略已得到初步验证，2025年前三季度营收达24.64亿元，同比增长15.65%，净利润为2.49亿元，同比增幅达92.48% [1][3] 下沉市场战略 - 下沉市场成为非学历职业教育新的增长极，公司依托全国1000多个网点的渠道优势，将成熟教学模式下沉至地市 [2] - 公司2025年重点推进三大举措深耕下沉市场：推进区域运营改革、优化产品供给、优化服务流程 [2] - 通过建立轻型基地满足县域考生“近家上课”需求，并推出“考编直通车”等产品，单班规模普遍100人以上 [2] AI产品布局与成果 - 公司已布局包括AI面试点评、AI申论批改等20款AI产品矩阵，覆盖学员培训“学练考评”全学习场景 [4] - AI面试点评已规模化应用于教学、教研及师资培训，2025年上半年覆盖全国30余个省市上万名学员 [4] - AI申论批改产品的手写体识别率高于平均水平26%，且用户调用量保持每月翻一番的速度增长 [4] 技术优势与数据积累 - 公司拥有持续收集和整理全行业全模态高质量数据的能力，积累20万份批改样本 [5] - 通过年累计3000名师资、300万小时、价值4亿元至6亿元的数据治理投入，将海量数据转化为高质量结构化数据 [5] - 公司AI产品的优势在于低成本、高质量和速度快，核心竞争力源于高质量数据驱动与人机协同机制 [4][5] 内部运营与组织效能 - 公司通过“全岗位、全场景”智能工作台赋能核心岗位，近70%约7000名员工深度使用该工作台 [5] - AI助力公司招生转化率提升35%，销售人员人均效率提升超50%，实现组织效能的显著提升 [5] - “学员侧-内容侧-工具侧”三位一体布局让AI技术贯穿教育服务全链条，成为降本增效的核心动力 [5] 行业前景与公司目标 - 2024年中国职业教育市场规模已突破9000亿元，预计到2030年将突破1.2万亿元 [6] - 公司预计未来行业集中度将进一步提升，目标将全国市占率从当前约5%提升至30% [6] - 数据驱动的教育垂类大模型将实现精准教学和个性化学习，推动教育高质量发展 [6]

合作概述 - 震坤行工业超市与立邦涂料（中国）有限公司签署战略合作协议，启动在工业用品采购与涂料解决方案领域的深度合作 [1] 合作模式与内容 - 合作超越简单供销关系，旨在实现从产品、服务到客户价值的深度协同 [1] - 立邦全系列高性能涂料及解决方案将全面入驻震坤行平台，直接服务平台上的数万家制造业客户 [1] - 合作将满足客户在生产设备维护、厂房建设、产品生产等环节的多样化涂装需求 [1] - 双方将打通供应链与服务资源，利用震坤行的数字化采购工具和覆盖全国的仓储物流网络，提升立邦产品的交付效率 [1] - 双方将共同探索“产品+配送+技术指导”的一站式服务模式，以快速响应客户需求 [1] 海外市场拓展 - 双方将共拓出海新航道，结合震坤行在海外市场的平台布局与立邦中国的全球化品牌与产品优势 [1] - 合作将积极探索服务中国出海制造企业的新模式，助力其在海外工厂的建设与运营 [1] - 目标是为出海企业提供及时、可靠的本地化MRO与涂料产品供应 [1] 未来合作方向 - 双方将以此次合作为起点，持续深化在供应链协同、数据驱动、海外市场拓展等领域的合作 [1]

核心观点 - 淮安名通新能源科技有限公司设计的数据驱动食材配送优化场景入选江苏省公共数据实践案例名单，通过打通采购、仓储、运输、交付、反馈各环节，实现食材配送质量与效率的动态协同优化 [1] 技术方案与数据应用 - 场景集纳多维度数据源，形成从产地到餐桌的全链路数据闭环，包括前端的气象环境、农产品价格品质、用餐人数数据，中端的仓储温湿度、库存周转、实时GPS轨迹、路况数据，以及后端的验收反馈、消耗速率、满意度评分数据 [1] - 系统实现采购动态调优，基于历史消耗、用餐人数、产地价格、产能和品质数据自动生成最优采购清单，旨在降低采购成本并保证食材新鲜度 [3] - 系统实现运输路径动态规划，结合实时交通、配送点顺序和食材保鲜要求，每30分钟更新一次最优路线以缩短配送时长 [3] - 系统具备品质动态预警功能，当运输温湿度异常或食材检测数据异常时，实时推送预警并触发备用方案，如调配备用食材或更换车辆 [3] 应用成效 - 实际应用取得显著效果，食材损耗率降低15%-20%，配送准时率提升至98%以上，冗余采购减少30% [5] - 具体案例显示，某初中应用后绿叶菜配送时间从2.5小时缩短至1.8小时，食堂满意度评分提升12分，解决了开学季食材短缺问题 [6] 市场拓展与未来规划 - 当前应用主要以学校、企事业单位为主，正逐步增加企业试点，目标形成覆盖全市的配送链条 [6] - 未来计划建立反馈机制，收集就餐者饮食偏好和菜品销售数据，构建群体个性化饮食标签库，据此定制差异化果蔬配送方案，从保障食品安全升级到满足就餐者满意度 [6]