纪要涉及的公司 首程控股 纪要提到的核心观点和论据 - **业绩表现**：2025年一季度收入3.52亿港元，与去年同期基本持平，归母净利润2.13亿港元，同比增幅达80%，增长主要来源于投资收益；资产运营收入2.58亿港元，同比增长27%，主要来自停车和园区板块，停车板块新投入机场项目、停车费上涨及广告业务促进收入增长[2][3] - **资产融通**：收入0.94亿港元，完成与上海宝山区、成都武侯区成立区域基金，与中国人寿成立100亿产业引导基金，扩大基金管理规模；布局机器人领域，管理多项投资[4][5] - **充电加停车业务**：创新业务提高公司收入和被投企业知名度；采取多种参与模式，注重核心城市核心地段，确保盈利能力，目前选择能盈利的场站布局[7][9] - **机器人投资规划**：2024年开始投资机器人领域，已投资16个标的，集中于机器人本体；2025年将加大对零部件环节投资，强调投后赋能[10] - **低空飞行器规划**：关注低空飞行器及相关技术，结合停车综合体建设经验，与省市探讨并试点项目管理，为其发展提供支持[4][11] - **机器人公司业务进展**：2025年2月成立，主营销售代理、租赁业务、供应链管理和行业咨询；医疗领域获三级证书，租赁业务已展开，展览展示商业化领先，市政、医疗、教育方向有规划，2025年希望贡献营收和净利润[12] - **租赁业务毛利率**：各细分市场波动大，目前难提供固定毛利率，随行业成熟、产品定制化和商业化进程加快，未来预计逐步提高[16][17] - **机器人领域战略布局和财务表现**：2024年初战略转型，2025年一季度财务数据有成果体现但不明显，预计后续报告数据更多；坚持投资和产业化并举，传统业务与机器人业务契合，计划塑造ETF机器人基金[19] - **大模型训练及商业化应用**：成立机器人科技产业公司，提供场景采集数据、更新迭代产品；投资的资产可作应用落地场景；通过二次开发大模型实现垂类场景应用落地，贡献收入和利润[20][21] - **公司定位和分红计划**：定位为具备成长性且高分红的公司，延续到2027年不低于80%归母净利润派息计划，让投资人共享高成长收益与稳定分红[22] 其他重要但是可能被忽略的内容 - 2025年计划在停车板块进军产权车位市场，以应对房地产市场K型分化时期[6] - 市属园林机器人运营规模需先预选型，根据需求采购或租赁，简单功能机器人适合租赁，目前无具体测算数据[13][14] - 首程控股未直接运营园林业务，协助机器人进入北京市属园林，首批约100个，每个用材林可能需1到3个机器人[15] - 目前租赁业务涉及机器人品牌数量未公开，将通过公告等方式公布进展[18] - 一些国内外本土企业具备小批量量产条件，首程控股提供真实数据采集环境可加速垂直细分场景大模型训练进度，推动商业化落地[22][23]

系统核心成就 - 建成全国产化洪水预报调度系统，实现对全省大中型水库及流域200平方公里以上河流的洪水预报全覆盖 [1] - 系统将洪水平均预见期延长7天，为防洪决策抢占先机 [1] - 系统在去年汛期的实践测试中，使部分模型的预报精度提高了5个百分点 [1] 技术架构与数据融合 - 系统融合辽宁省气象局、水利部信息中心及欧洲气象中心多元降水预报数据，驱动洪水模型实现气象预报与洪水预报无缝衔接 [1] - 集成新安江、陕北、大伙房、辽西北等10类水文模型，实现了模型组合预报功能的创新突破 [1] - 植入102处国家基本水文站、37座大型水库、76座中型水库预报方案，并集成286处中小河流站预报方案 [1] 预报能力与范围提升 - 构建16条主要河流一维洪水演进模型，首次实现由单一断面向河系尺度的预报预演转变 [1] - 精准关联全省1278个防洪薄弱环节（包括不达标堤段、险工险段、薄弱村屯、砂堤砂基），为决策提供精准支撑 [1] - 模型组合集成解决了同一条河流因水土条件不同（如超渗产流和蓄满产流差别）导致的预测时效和精度问题 [2] 未来发展规划 - 水利部门计划深化气象雷达短临预报技术应用，融合多源降雨数据与流域地形、土壤、植被等下垫面信息 [2] - 将研发分布式水文模型，以推动预见期延长与预报精度提升协同优化 [2] - 计划建立辽宁水文知识库，开展大模型训练与智能化开发，推进全省水文行业智能化升级 [2]

报告行业投资评级 - 增持（维持） [1] 报告的核心观点 - 面向AI训练集群诉求华为推出UB Mesh架构 其采用nD - FullMesh拓扑结构 降低信号传输开销和成本 提高系统可靠性 且通过统一总线实现多组件互连与资源动态池化 [6] - UB Mesh机架架构以单机柜64个NPU为核心 可形成4D层级互连和8000卡规模的集群 满足大规模LLM训练需求 [2] - 相同训练基准下 UB Mesh较Clos实现2.04倍的成本效益提升 降低网络基础设施成本和运营成本 [3] - 芯片及网络架构创新持续推进 昇腾有望推动产业链相关公司业绩及估值双升 获得国内算力芯片较大市场份额 打开国产AI服务器零部件成长空间 [7] 根据相关目录分别进行总结 UB Mesh架构介绍 - UB Mesh是全新AI数据中心网络架构 采用nD - FullMesh拓扑结构 从单板内1D全连接扩展至跨机柜的4D/5D拓扑 多数传输0 - 2跳内完成 降低信号传输开销 且最大限度利用短距离直接互连 降低成本和提高可靠性 [6] - UB Mesh主要组件通过统一总线Unified Bus连接 NPU和CPU配备UB IO控制器 还提供低基数和高基数交换机 实现多组件互连与资源动态池化 消除协议转换需要 降低开销 [6] UB Mesh机架架构 - UB Mesh机架架构以单机柜64个NPU为核心 机架内8个NPU板各集成8个NPU形成2D FullMesh互连 CPU独立部署 可实现CPU/NPU比例灵活调整及资源池化 机架间通过低基数交换机聚合接口 形成4D层级互连 四机架构成Pod后总规模达1024个NPU 还可构建8000卡规模的集群 [2] UB Mesh性能与成本效益 - 相同训练基准下 机架内2D - FM架构与Clos架构训练性能差距在7%以内 硬件成本低 机架间互连性能与Clos架构几乎相同 且可调整带宽比例匹配特定需求 [3] - 从系统全生命周期成本看 UB Mesh将网络基础设施成本比例从67%降至20% 节省98%的高性能交换机和93%的光模块 运营成本降低35% 较Clos实现2.04倍的成本效益提升 [3] 昇腾相关情况 - 华为正筹备昇腾920系列芯片 基于中芯国际6nm工艺打造 单卡算力超900TFlops（BF16） 内存升级到HBM3 单卡提供400GB/s带宽 [7] - 华为CloudMatrix 384超节点提供300PFlops的密集BF16计算能力 硅基流动基于该超节点及SiliconLLM运行的DeepSeek - R1单卡Decode吞吐突破1920 Tokens/s 比肩H100部署性能 [7] - 在国内算力需求高增 海外算力芯片供应不稳定背景下 昇腾有望获得国内算力芯片较大市场份额 打开国产AI服务器零部件成长空间 [7] 产业链相关公司 - 中芯国际、华丰科技、南亚新材、芯碁微装、深南电路、兴森科技、欧陆通 [7]

核心观点 - 大模型训练成本高昂，分布式训练算法效能低下是主要障碍之一，64%-87%概率因超参数设置不合理导致训练失败 [3] - 南京大学研发的UniAP算法首次实现层内与层间并行策略联合优化，最高比现有方法快3.8倍，比非优化算法快9倍 [7] - UniAP已适配国产AI计算卡海光DCU，为大模型训练提供降本增效解决方案 [8] 技术突破 - 采用混合整数二次规划建模，统一优化流水线并行、张量并行等策略，探索空间更大 [12] - 架构包含性能评估、代价模型、优化求解三阶段，自动生成最优并行计划 [15] - 时间代价模型和显存代价模型精准预估不同策略的开销，避免显存溢出 [16] 性能表现 - 在V100/TITAN XP/A100上测试BERT/T5/ViT等模型，吞吐量最高提升3.8倍 [26] - 策略优化时间从40分钟缩短至0.37分钟，效率提升107倍 [26] - 国产DCU测试显示可自动规避64%-87%无效策略，比手动搜索快9倍 [30] 行业影响 - 解决分布式训练易用性问题，用户无需理解流水线划分等复杂概念 [32] - 显著降低算力成本，相同硬件条件下训练速度提升带来3.8倍成本节约 [32] - 推动国产AI计算卡生态发展，提升硬件利用率和普及速度 [8][32]