投资评级 - 维持"买入"评级 [6][12] 核心观点 - 新产能放量推动2025年上半年业绩稳健增长 收入24.31亿元同比增长14.57% 归母净利润1.90亿元同比增长19.09% [1][2] - 电子材料领域布局前景看好 特别是高速电子树脂产品已通过国内外一线覆铜板厂商供应到英伟达、华为、苹果、英特尔等主流服务器体系 [11][12] - 多个产业化项目进展顺利 未来业绩有望逐步兑现 [12] 财务表现 - 2025年上半年分业务收入：电子材料6.88亿元(同比增长28.59%) 新能源材料6.63亿元(同比下降7.53%) 光学膜材料6.38亿元(同比增长25.10%) 电工绝缘材料2.22亿元(同比增长0.37%) 环保阻燃材料0.74亿元(同比下降5.10%) [2] - 2025年上半年分业务毛利率：电子材料19.96%(同比提升7.97个百分点) 新能源材料19.65%(同比提升1.33个百分点) 光学膜材料12.78%(同比下降1.80个百分点) 电工绝缘材料13.32%(同比提升1.50个百分点) 环保阻燃材料13.69%(同比下降0.14个百分点) [2] - 预计2025-2027年收入分别为52.06/66.77/82.68亿元 同比增长16.5%/28.2%/23.8% 归母净利润分别为4.42/6.22/8.20亿元 同比增长144.4%/40.6%/31.8% [12] 产销量与价格 - 2025年上半年产量：电工绝缘材料2.47万吨(同比增长9.02%) 新能源材料2.77万吨(同比增长26.83%) 光学膜材料6.00万吨(同比增长38.23%) 电子材料3.45万吨(同比增长16.41%) 环保阻燃材料0.80万吨(同比增长0.07%) [3] - 2025年上半年销量：电工绝缘材料2.44万吨(同比增长9.10%) 新能源材料2.71万吨(同比下降29.90%) 光学膜材料5.67万吨(同比增长29.18%) 电子材料3.40万吨(同比增长17.94%) 环保阻燃材料0.82万吨(同比增长3.18%) [3] - 2025年第二季度平均售价：电工绝缘材料0.90万元/吨(同比下降6.07%) 新能源材料2.46万元/吨(同比上升22.87%) 光学膜材料1.11万元/吨(同比下降4.19%) 电子材料1.99万元/吨(同比上升12.62%) 环保阻燃材料0.87万元/吨(同比下降11.65%) [3] 成本与费用 - 2025年第二季度主要原材料价格：聚酯切片5370.72元/吨(同比下降18.04%) 工业级甲醇2107.42元/吨(同比下降4.83%) PTA 4320.26元/吨(同比下降19.96%) 工业级苯酚6174.12元/吨(同比下降10.32%) [4] - 2025年上半年费用情况：销售费用率1.19%(同比上升0.05个百分点) 财务费用率2.23%(同比上升0.22个百分点) 管理费用率1.93%(同比上升0.09个百分点) 研发费用率3.75%(同比下降0.23个百分点) [5][10] 现金流与运营指标 - 2025年上半年经营活动现金流净额-2.61亿元(同比下降14.99%) 投资活动现金流净额-0.88亿元(同比上升82.11%) 筹资活动现金流净额2.46亿元(同比下降44.93%) [10] - 应收账款同比上升15.99% 应收账款周转率从2.54次下降到2.42次 存货同比上升5.36% 存货周转率从3.62次上升到4.28次 [10] 行业前景与项目进展 - 全球AI服务器市场规模预计2025年达1587亿美元 2028年将达2227亿美元 年复合增速11.95% [11] - 年产20000吨高速通信基板用电子材料项目预计2026年9月投产 [11] - 多个项目进展：年产25000吨偏光片用光学级聚酯基膜项目、聚丙烯薄膜1号线已转固 年产20000吨超薄MLCC用光学级聚酯基膜技术改造项目、年产3000吨超薄型聚丙烯薄膜二号线试生产有序推进 [12]

腾讯云全球化进展 - 腾讯云海外客户规模在过去一年同比翻番 [2] - 腾讯云服务90%以上中国互联网企业及95%以上头部游戏公司出海业务 [2] - 腾讯云助力美团Keeta、美的、泡泡玛特、杨国福等中国企业出海 并服务GoTo集团、正大集团、Orange等国际企业 [2] 产品与技术升级 - 智能体开发平台ADP、AI全栈工程师CodeBuddy、企业级全渠道交易解决方案云Mall推出国际化版本并深度集成AI大模型 [2] - 边缘全栈开发与部署平台EdgeOne Pages上线三个月用户规模突破10万 受全球中小企业及开发者欢迎 [2] 全球基础设施布局 - 腾讯计划投入1.5亿美元在沙特阿拉伯建设首个中东数据中心 [3] - 将在大阪新建日本第三个数据中心并设立新办公室 [3] - 截至2025年上半年 腾讯云已在雅加达、马尼拉等全球9个城市部署技术支持中心 [3]

若说过去十年是移动互联网重塑生活的黄金期，未来十年，自动驾驶必将成为改写人类出行逻辑的核心 力量。 从科技巨头到传统车企，再到资本市场的敏锐玩家，都清楚这不仅是技术革新，更是对万亿级市场蛋糕 的激烈角逐。 如今FSDV12已实现"端到端决策"，无需依赖预设规则，直接输出驾驶指令，复杂场景应对能力显著提 升。但短板也突出：暴雨、大雾、强光等场景下，摄像头感知精度易受影响。 技术路线之争：两条路径的较量与进化 如今试驾主流新能源车，L2+级辅助驾驶已不新鲜：自动跟车、车道保持、高速领航，部分车型甚至能 实现城市道路自主变道。 2023年起，城市NOA快速落地，标志着自动驾驶从"简单高速场景"迈向"复杂城市环境"，但这只是行业 序幕。 按国际汽车工程师学会（SAE）标准，自动驾驶分L0至L5六级。目前量产车型多处于L2向L3过渡阶 段，真正的"无人驾驶"（L4/L5）仍局限于特定场景——如Waymo在旧金山的全无人出租车、封闭园区 的自动驾驶物流车。 即便头部企业有局部突破，L4级大规模落地仍面临技术可靠性、法规适配性与成本控制三重考验，而 行业在技术路线选择上已形成两大阵营： 1.纯视觉派：特斯拉的"数据驱动"之 ...

自动驾驶行业核心观点 - 自动驾驶正经历从辅助驾驶向完全无人化跨越的关键拐点 是未来十年改写人类出行逻辑的核心力量 有望重塑万亿级市场格局 [2] - 行业处于爆发前夜 2024年车企加速落地城市NOA和Robotaxi试点 2025年可能成为自动驾驶商业化关键年 [15][18] - 技术路线分为纯视觉派（特斯拉为代表）与多传感器融合派（Waymo/华为为代表） 两者均在快速进化 核心在于AI大模型在决策规划的突破 [5][6] 技术路线分析 - 纯视觉路线依靠摄像头模拟人类视觉 搭配AI算法实现感知决策 优势在于低成本摄像头和超千万辆运营车队带来的海量数据反哺 但暴雨大雾等场景感知精度受限 [5] - 多传感器融合路线通过激光雷达 毫米波雷达和摄像头协同工作提供安全冗余 早期激光雷达成本达数十万元 现已降至千元级 为量产铺平道路 [6] - 特斯拉FSD V12实现端到端决策 直接输出驾驶指令 融合派普及BEV+Transformer架构 行业印证"感知硬件的尽头是算法"判断 [6] 自动驾驶生态层级 - 感知层由摄像头 激光雷达和毫米波雷达构成矩阵 国内禾赛 速腾聚创激光雷达性能接近国际水平 舜宇光学 欧菲光占据车规级高像素镜头重要份额 [7] - 决策层依赖芯片算力与算法规划 英伟达DRIVE Orin提供2000TOPS算力成L4首选 地平线征程5 黑芝麻智能A1000填补国产算力空白 [8] - BEV+Transformer架构让车辆能预判交通参与者轨迹 使决策更贴近人类直觉 [9] - 执行层通过线控底盘和电子转向将决策转化为动作 博世 大陆及国内德赛西威实现线控底盘量产 [10] - 支持层依托5G与V2X实现车辆实时联网 云计算支撑数据存储与算法训练 仿真平台大幅降低路测成本 Waymo仿真测试里程超数十亿英里 是实际路测数十倍 [11] 商业化进展与挑战 - 2023年起城市NOA快速落地 标志着自动驾驶从简单高速场景迈向复杂城市环境 [4] - 目前量产车型多处于L2向L3过渡阶段 L4/L5真正无人驾驶仍局限于特定场景 如Waymo在旧金山的全无人出租车和封闭园区物流车 [5] - L4级大规模落地面临技术可靠性 法规适配性与成本控制三重考验 [5] - 政策层面各国对L3/L4级上路标准和事故责任认定仍在探索 德国允许L3级上路 中国北京上海开放Robotaxi测试但需跨区域法规协同 [12] - 伦理安全层面需解决算法选择 数据隐私保护和网络安全防御等问题 [12] 产业链投资机会 - 整车与解决方案提供商如特斯拉 Waymo及传统车企自动驾驶部门位于产业链前端 潜在回报高但风险最大 [16] - 关键技术供应商包括芯片（英伟达 高通 地平线）和传感器（禾赛 速腾聚创 Luminar）提供核心组件 商业模式较稳定 [16] - 基础设施与服务提供商涵盖高精地图（百度地图 四维图新） 仿真测试（腾讯 ANSYS）和云平台（阿里云 AWS）盈利模式更清晰 [16] - 应用与运营服务商包括Robotaxi运营 自动驾驶物流和智慧交通 聚焦特定场景商业化 [16] - 投资需关注有技术壁垒和商业化路径清晰的公司 短期看L2+/L3普及带来的硬件机会 中期看特定场景L4商业化突破 长期关注完全自动驾驶生态成熟 [16]

指数表现与成分股涨跌 - 中证央企创新驱动指数下跌0.68% 成分股涨跌互现 长飞光纤领涨10.01% 盛科通信上涨8.25% 普天科技上涨4.34% 中钨高新领跌4.13% 中国船舶下跌3.64% 中国铝业下跌3.22% [3] - 央企创新驱动ETF下跌0.64% 最新报价1.55元 近1周累计上涨0.58% 涨幅排名可比基金1/4 [3] - 央企创新驱动ETF盘中换手0.73% 成交2543.12万元 近1年日均成交2404.71万元 居可比基金第一 [3] - 央企创新驱动ETF近1周规模增长3522.26万元 新增规模位居可比基金1/4 [4] 指数构成与权重 - 中证央企创新驱动指数选取100只较具创新活力的央企上市公司证券作为样本 [4] - 前十大权重股包括海康威视 国电南瑞 长安汽车 中国船舶 宝钢股份 中国中车 中国联通 中国铝业 中国建筑 招商银行 [4] - 前十大权重股合计占比33.39% [4] 技术突破与行业进展 - 成功发射卫星互联网技术试验卫星 进入预定轨道 [3] - 烽火通信联合合作伙伴实现基于AI技术的单模光纤200公里传输新纪录 速率达254.7Tb/s [3] - 5G/6G 云计算和AI大模型快速发展推动全球数据量爆炸式增长 对高速通信网络需求迫切 [4] - 光纤传输技术突破为未来数据洪流提供关键支撑 预计3-5年内实现商用转化 优先应用于数据中心互联和城域骨干网 [4]

核心观点 - AI大模型技术发展迅猛 但企业落地存在诸多挑战 阿里云基于内部实践总结出RIDE方法论 强调组织重组、机会识别、指标定义和工程执行的重要性 以实现真正的业务结果交付[2][4][28] - 企业必须搭上AI这趟"电梯" 否则将落后于时代 根据ARK INVEST预测 2030年算力性能将增长1000倍 黄仁勋则认为未来10年AI算力将提升100万倍[6][7] - 当前企业最大矛盾在于业务部门对AI的过高期望与IT部门实际生产力发展不充分之间的差距 需要重新调整生产关系以适应新生产力发展[8][30] 组织转型挑战与解决方案 - 实施"书同文、车同轨"通识教育 全员参加AI大模型认证培训(ACA面向非技术人员 ACP面向技术人员) 统一基础认知[32][33] - 通过产研提效比赛和业务提效比赛促进组织创新 比赛以E2E实际业务效果为衡量标准 而非表面指标[36][37] - 将数字人定位为业务部门正式员工 拥有工号和汇报关系(如AI001编号) 目前已有28个智能体上线 需满足效率提升和效果提升双重要求才能正式上岗[24][38][42] 业务机会识别标准 - 重点关注以language为中心的工作 包括电销、客服、翻译、合同审核及编程语言类任务[43] - 选择重复执行、规模化执行且人力短缺的领域 三个特征为Language类工作、重复规模化执行、缺人或效率低下[43] - 人力折算方法：单任务岗位按产能线性折算(如翻译2万字/人天) 多任务岗位聚焦卸载繁琐工作释放高价值人力[44] 产品定义与运营指标 - 准确率是AI项目第一核心指标 需结合响应时效性和安全合规等非功能性要求[47] - 关键运营指标包括DAU(每日活跃用户数)、用户提问数、渗透率和留存率 防止团队陷入"自嗨"[48][52] - 示例显示随着准确度提升 DAU和留存率同步上升 准确度指标分为蓝区(精准解决)、黄区(伴无关信息)和红区(完全不相关)[48][50] 工程落地模式与陷阱 - 翻译模式(狭义翻译和广义翻译)是低垂果实 但必须确保原系统就绪 比喻为"蛋糕坯ready才能放樱桃"[58][62] - Agent模式必须始于用户意图终于意图满足 需先构建意图空间和知识工程 否则必然失败[64][66] - 数据层面问题是智能体失败主因(占大部分) 需通过E2E归因定位具体环节[75] 技术实施策略 - 优先以白盒方式使用基模API 注重评测和数据建设 仅在必要时引入训练(如实时性要求高时)[77][78] - 执行阶段金字塔结构：底层是业务数据/API/评测能力(最大底座) 中间层是工程应用算法(RAG/微调等) 顶层是业务目标[55] - ChatBI本质是Agent模式 依赖底层数据中台和完善的数据治理 否则无法生效[80] 实践案例成果 - 翻译场景：使用ChatGPT 4版本后评分从4.12分提升至4.6分(满分5分) 成本降至原专业团队的1/200 完成印尼语全量翻译[15][16] - 智能外呼：服务数百万企业客户 相当于数百人工座席带宽 解决高流动率痛点[18] - 合同审核：将审核时间从最长5个月缩短至实时风险识别 培养财务/信控/法务数字人[20][21] - HR服务：整合低频分散服务 "云小宝"智能体相当于节省10名员工 支持自然语言操作(如请假/体检预约)[23]

公司业务转型与创新技术展示 - 公司从传统燃气供应商向科技驱动型综合能源及美好生活服务商转型 [1] - 展示智慧燃气之城解决方案 涵盖工程交付、管网运营、客户服务、安全监管、应急管理、政企协同六大核心板块 [2] - 通过AI大模型、物联网、大数据等技术实现燃气全生命周期智能管控与高效协同 [2] - 全面布局工商业光伏、储能、售电及虚拟电厂业务 投运储能项目超100个 市场占有率稳居前列 [2] - 发展生物质能源 提供绿色蒸汽、绿色电力和零碳燃气等清洁能源解决方案 [2] - 推出闭式能源塔空气源热泵系统和智能微管网等创新技术 [2] 现代家居解决方案业务发展 - 旗下壹品慧推出集安全、舒适、绿色、智慧于一体的现代家居解决方案 [3] - 分户式五恒系统实现恒温、恒湿、恒氧、恒洁、恒静 湿度稳定在40%-60% 净化效率超99.5% 噪声低于30分贝 [7] - 夏季比传统VRV系统节能20% 冬季比传统壁挂炉加地暖和新风系统节能50% [7] - 管道直饮水采用七重反渗透滤水技术 已在南宁、杭州、宝鸡等多城市落地示范项目 [8] - 管道直饮水业务未来有望服务2000万用户 [8] - 展示旧房局改、厨房电器和燃气智能安防产品等业务 [3] 区域市场拓展与战略合作 - 在广西建成管网近1.5万公里 点火通气户数超300万户 年销气量超10亿立方米 [12] - 与崇左市高新区、凭祥产业园签订零碳园区投资合作框架协议 [9] - 与广西中桓能源、维尔利环保科技达成生物质天然气项目合作 [9] - 与碧桂园、广西大三元置业达成管道直饮水项目合作 [9] - 以广西为桥头堡 优先进入越南、柬埔寨、印尼等新兴市场 [14] - 试点燃气+分布式光伏和燃气+生物质发电等多能互补项目 [14] - 深化与东盟国家标准互认与技术交流 探索跨境能源合作新路径 [14]

行业投资评级 - 投资评级：看好（维持）[1] 核心观点 - AI大模型厂商加速导入硬件入口 端侧AI产业链投资机遇可期[2] - AI模型持续迭代 端侧化与轻量化成为核心方向[3][5] - 终端硬件入口重要性凸显 各家大模型厂商加速导入助力各场景应用落地[6] - AI终端持续迭代 硬件升级与形态创新并进[7] AI模型发展趋势 - 全球主流大模型通过算法优化与数据积累实现快速迭代 核心表现为能力增强与推理效果优化两大维度[3][5] - GPT系列、Gemini等通过扩大参数规模、引入多模态融合 实现复杂任务处理能力突破 支持代码生成、逻辑推理、跨语言理解等高阶功能[3][5] - 模型推理效率持续优化 通过多模块注意力、动态扩展、高级批处理等技术 确保AI兼具高性能、低延迟和高性价比[5] - 2024年2B参数量的大模型MiniCPM能力与2020年GPT-3 175B大模型能力接近[5] - 大模型的规模化扩展需依赖云端和终端的协同工作 通过云端搭配终端进行AI计算工作负载的分流 带来成本、能耗、性能等方面的优化[5] - AI处理的发展重心有望逐步从云端向手机、PC等终端载体转移[5] 硬件入口布局与应用场景 - 谷歌Gemini入驻三星 能够通过分享屏幕和相机画面进行即时互动[6] - 谷歌推出Nano Banana图片生成模型 一周内为Gemini吸引超千万粉丝[6] - 阿里与荣耀达成AI战略合作 针对出行导航、旅游服务、本地生活、移动办公、电商购物、电影演出等多个核心服务场景[6] - 苹果发布Apple Intelligence系统 高阶AI功能预计将在2026年春季推出[6] - 手机厂商全力以赴投入AI技术研发与整合 端侧AI飞轮效应可期[6] - 2025年我国AI手机市场份额将达到30%左右 端侧AI大模型市场规模有望快速增长[6] AI终端发展重点 - AI终端围绕"算力、能效、交互"三大核心发展[7] - 硬件方面 SoC集成NPU提升本地算力 存储向高带宽、低延迟演进 提高端侧AI模型使用体验[7] - 能效方面 散热技术从石墨片向超薄VC均热板演进 电池往高容量高效率方面演进 快充功率有望进一步提升[7] - 形态方面 端侧AI终端形态从AI向各类产品发散 AI眼镜偏向视觉交互 AI耳机偏向音频交互[7] - OpenAI计划打造创新AI硬件[7] 投资建议 - 受益标的包括品牌整机：传音控股、小米集团-W、立讯精密、歌尔股份、龙旗科技、华勤技术[8] - 零组件：领益智造、蓝思科技、鹏鼎控股、瑞声科技、舜宇光学科技、电连技术、水晶光电、蓝特光学、珠海冠宇[8] - 芯片和存储：瑞芯微、恒玄科技、乐鑫科技、中科蓝讯、炬芯科技、汇顶科技、兆易创新、艾为电子、格科微、思特威、唯捷创芯、美芯晟[8]

当前，人工智能（AI）技术正加速从技术探索迈向产业落地，金融行业作为数据密集、场景丰富的领 域，已成为AI技术应用的"主战场"。 国务院8月26日发布的《关于深入实施"人工智能+"行动的意见》提出，"以科技、产业、消费、民生、 治理、全球合作等领域为重点，深入实施'人工智能+'行动"。 在此背景下，消费金融公司如何以合规为前提，运用AI技术优化服务流程、提升风控能力，最终实现 科技向善？ 在业内人士看来，AI大模型的出现，带来了三个全新能力：知识理解、碎片信息学习和知识推理，这 为风控科技注入了全新动能。 让服务更具"智慧" 过去10年间，我国消费金融虽经历了充分发展，但金融供给的错配问题依然存在，比如，对于初入社会 的年轻人、新蓝领等群体，普惠金融供给仍存在不足。 近年来，部分消费金融机构重点探索应用AI技术，包括智能风控技术、数字交互技术等，为用户创造 更好的服务体验。 "大模型实现了传统风控难以达成的突破，首先，它能自主挖掘更多特征，捕捉以往忽略的视角，大幅 丰富用户画像维度；其次，可高效学习碎片化信息，显著提升碎片化客群的模型性能；再次，能学习人 工审核专员的审批逻辑，进而制定'一人一策'的风控策略。 ...

公司AI战略与实施 - 平安集团提出全面智能化战略"AI in All" 涵盖智能营销 智能服务 智能运营 智能管理和智能经营 旨在用AI重构金融价值链[2] - 车险业务86%以上保单由AI自动出单 46%案件实现自动化查勘 推动过去3年车险运营成本降低1个百分点[2] - 构建千卡规模算力集群 沉淀万亿级token知识库 支持大模型快速部署 一周内完成DeepSeek等模型测试上线[3] 技术架构与组织保障 - AI大模型布局围绕算力 数据 算法和场景四大核心要素 配套组织架构和人才培养机制[3] - 成立AI转型工作组 创新L1-L4四级AI能力认证体系 打造"AI+数据+工程"全栈科技队伍[4] - 低代码开发模式支持全员构建数字员工 累计开发超2万个数字员工 覆盖1000多个业务场景[3] 科技保险创新与成效 - 针对60万家科技型企业开发网络安全保险等产品 提供超19亿元网络安全风险保障[6] - 搭建首个网络安全保险风险评估定价工具 解决科技保险定价和风险评估难题[6] - 鹰眼系统海外版EagleX提供全球风险管理服务 包含风险地图 灾害预警和卫星监控三大功能[7] 全球化服务布局 - 为654家新能源出海企业提供供应链保障 助力减损超2亿元[7] - 依托全球救援网络为40万名海外人员提供安全保障 覆盖意外 疾病和救援服务[7] - 构建本地化供应链体系 提供自然灾害服务 安全风险服务和产业生态服务三重保障[7]