公司核心定位与能力体系 - 公司是国产NAND模组龙头企业，通过多年技术积累与产业链协同，已构建“设计+固件+封测”全栈能力，并拥有FORESEE、Lexar及Zilia三大品牌矩阵，布局海内外市场 [2][3][10] - 公司通过自创与收购建立三大品牌：2011年创立FORESEE，2017年收购国际高端消费存储品牌Lexar，2023年完成对巴西头部存储厂商SMART Brazil的收购并推出Zilia品牌，2023年还收购元成苏州布局先进封测领域 [3][10] - 公司创始人蔡华波合计控制49.72%股份，国家集成电路产业投资基金持股4.79%，股权结构稳定 [13] - 公司拟定增募资37亿元，用于投资三大项目：面向AI领域的高端存储器研发及产业化（9.3亿元）、半导体存储主控芯片系列研发（12.8亿元）、半导体存储高端封测建设（5.4亿元） [16][17] 财务表现与增长态势 - 公司2018-2024年营收复合年增长率高达26.7%，2024年营收达到174.64亿元，同比增长72.48% [3][18] - 2025年公司预计营收225-230亿元，中值同比增长30.27%，其中25Q4营收预计57.7-62.7亿元，中值同比增长43% [3][19] - 2025年公司预计归母净利润12.5-15.5亿元，中值同比增长181%，扣非归母净利润11.3-13.5亿元，中值同比增长643% [3][27] - 2025年上半年企业级存储业务收入达到6.93亿元，同比增长138.66% [4][47] - 公司整体毛利率受存储价格周期影响明显，2025Q3毛利率为19%，净利率为11% [22] - 2024年研发费用达9.1亿元，同比增长53% [26] - 25Q3公司存货达到85.17亿元，存货周转天数为155.7天，同环比均有所下降 [29] 产品线与技术进展 - 公司主营产品分为嵌入式存储、固态硬盘、移动存储、内存条四大类 [4][32] - 嵌入式存储是公司主要产品线，营收占比在45%-50%，2024年占比为48% [20] - 公司已成功完成UFS 4.1主控芯片的首次流片，并实现定制化端侧AI存储产品在头部客户的批量出货 [3][19] - 截至25Q3，公司自研芯片累计部署超1亿颗 [4][54] - 公司UFS 4.1产品已完成主流平台兼容性测试，随机读写性能超越市场同类产品 [32] - 公司企业级产品包括SSD和DDR5 RDIMM，已与鲲鹏、海光等多个国产CPU平台服务器完成兼容性适配 [32][34] - 车规级产品方面，车规级UFS2.1已开始量产出货，UFS3.1处于送样阶段，车规级LPDDR4已完成验证并开始量产出货 [4][48] 创新业务模式与产业链合作 - 公司创新推出TCM（技术合约制造）模式，打通原厂与客户链接，有效平滑存储价格波动对毛利率的影响 [2][4][49] - 公司还发展PTM（存储产品技术制造）模式，依托全栈垂直整合能力，为客户提供高端定制化服务 [51] - 在产业链合作上，公司与三星、美光、西部数据等全球头部晶圆原厂，以及长江存储、长鑫存储等国内厂商建立了深度稳固的供应链体系 [2][4][62] - 在主控芯片领域，公司与慧荣科技、联芸科技等主流厂商合作，并基于自研UFS4.1主控芯片与闪迪达成了战略合作 [4][57][62] AI驱动下的行业机遇与公司布局 - AI服务器对存储需求大幅提升，其DRAM用量约为普通服务器的8倍，NAND Flash用量约为3倍 [5][35] - 根据英伟达CES 2026演讲，其在Rubin平台新增存储机柜，为每GPU新增16TB内存，明确了NAND需求的增长趋势 [5][41] - 国内云厂商加大AI投资，根据阿里巴巴CY25Q3法说会，未来三年资本开支达3800亿元或更高；中国移动预计2025年算力资本开支373亿元，占总投资提升至25% [5][44] - 根据德明利定增说明书，2025、2026年国内互联网、运营商数据中心资本开支有望维持在每年6000亿元以上，驱动国内企业级存储器市场规模至1500亿元以上 [45] - 公司针对AI领域开发SOCAMM产品，采用LPDDR5X技术，根据公司内部评估，相同容量下带宽比传统DDR5 RDIMM高出2.5倍以上，延迟降低约20% [5][6][47] - 公司通过结合MRDIMM、LPCAMM2、CAMM2、CXL2.0内存拓展模块，补齐未来AI产品版图 [6][34] 品牌与市场布局 - FORESEE品牌主要面向ToB行业类存储，2023年其B2B收入在全球独立存储器品牌中排名第五 [10][65] - Lexar是国际高端消费存储品牌，2024年品牌收入达35.25亿元，占比20%，其产品在全球60多个国家和地区销售 [10][65] - Zilia是巴西及拉美最大存储器品牌，2024年品牌收入占比达13%，25H1该品牌收入13.88亿元，同比增长40.01% [10][66]

公司股价与市场表现 - 股票在过去的六个月中上涨了47%，年初至今上涨近14% [1] - 过去一个月，股价呈横盘整理态势，并略有走低 [1] 公司业务与产品 - 公司提供发动机、动力系统、传动系统解决方案，以及后处理技术和电气化动力系统 [2] - 公司还提供发电机、燃料电池和氢能技术 [2] 当前业务驱动因素 - 当前的核心故事在于动力系统与分销业务 [1] - 公司正从所有新建数据中心对柴油备用发电机的巨大需求中获益 [1]

报告投资评级 - 首次覆盖，给予“增持”投资评级 [1][8][93] 报告核心观点 - 江波龙作为国产NAND模组龙头，已构建“设计+算法+封测”全栈能力，并拥有FORESEE、Lexar及Zilia三大品牌矩阵，通过创新的TCM模式有效平滑存储价格波动对毛利率的影响 [1][5][12] - 公司正积极加码AI存储与先进封测投资，企业级与车规级产品快速放量，伴随AI驱动的存储需求高增及国产替代趋势，公司有望迎来广阔成长空间 [1][5][6] - 在存储价格持续上涨的背景下，随着公司募投项目逐步投产及AI高端存储放量，公司业绩有望高速增长 [8][20][34] 公司概况与核心能力 - 公司是国内存储器模组龙头企业，经过多年发展，从贸易型公司转型为具备“自研芯片设计+固件算法开发+存储设计及封测制造”全栈能力的技术品牌企业 [12] - 通过自创与收购建立了三大品牌矩阵：2011年创立行业类品牌FORESEE，2017年收购国际高端消费品牌Lexar，2023年收购巴西厂商推出Zilia品牌，三大品牌在各自市场均位居前列 [5][12][87] - 截至2025年第三季度，公司创始人、董事长蔡华波合计控制49.72%的股份，国家集成电路产业投资基金持股4.79% [15] 财务表现与预测 - **历史营收增长稳健**：公司2018-2024年营收复合年增长率高达26.7%，2024年营收达到174.64亿元，同比增长72.48% [5][20] - **2025年业绩指引强劲**：公司预计2025年营收为225-230亿元，中值同比增长30.27%；预计归母净利润为12.5-15.5亿元，中值同比增长181% [5][34] - **盈利预测**：报告预计公司2025-2027年营业收入分别为227.5亿元、328亿元、395亿元，对应归母净利润分别为14.00亿元、50.24亿元、60.87亿元，每股收益分别为3.34元、11.99元、14.52元 [7][8][92] - **毛利率周期性波动**：公司毛利率受存储行业周期影响明显，2025年第三季度毛利率为19%，呈现逐季复苏态势，预计随着存储价格上涨，毛利率将继续改善 [29][89] 业务布局与产品进展 - **产品矩阵**：公司主营产品分为嵌入式存储、固态硬盘、移动存储、内存条四大类，其中嵌入式存储是主要产品线，2024年营收占比为48% [5][23] - **企业级业务高速增长**：2023年发布企业级SSD和DDR5 RDIMM后开始放量，2025年上半年企业级存储业务收入达6.93亿元，同比增长138.66% [5][59] - **AI存储产品**：针对AI领域开发了SOCAMM产品，采用LPDDR5X技术，根据公司内部评估，相同容量下带宽比传统DDR5 RDIMM高出2.5倍以上，延迟降低约20% [6][60] - **车规级产品进展**：车规级UFS2.1已开始量产出货，UFS3.1处于送样阶段，车规级LPDDR4已完成验证并开始量产出货 [5][62] - **自研芯片突破**：2025年成功完成消费级旗舰UFS 4.1主控芯片的首次流片，并与闪迪达成基于该芯片的战略合作，截至25Q3自研芯片累计部署超1亿颗 [5][68][73] 技术创新与产业链合作 - **创新业务模式**：公司推出TCM（技术合约制造）模式，串联上游晶圆原厂与下游大客户，同步锁定供应与出货价格，有效平滑晶圆价格波动对毛利率的冲击 [5][63] - **产业链深度协同**：与全球头部晶圆厂（三星、美光、西部数据、长江存储、长鑫存储）、主控芯片厂及封测企业建立了长期稳定的深度合作关系 [1][80] - **定增扩产**：2025年底拟定增募资37亿元，用于面向AI领域的高端存储器研发及产业化（9.3亿元）、半导体存储主控芯片系列研发（12.8亿元）及半导体存储高端封测建设（5.4亿元）三大项目 [5][18] 行业趋势与增长动力 - **AI驱动存储需求爆发**：AI服务器DRAM用量约为普通服务器的8倍，NAND Flash用量约为3倍，直接拉动高性能存储器需求 [5][45] - **巨头技术演进明确需求**：根据英伟达CES 2026演讲，其Rubin平台新增存储机柜，为每GPU新增16TB内存，进一步明确了NAND需求的增长趋势 [6][51] - **国内资本开支扩张**：国内云厂商与运营商加大AI投资，例如阿里巴巴未来三年资本开支计划达3800亿元或更高，中国移动预计2025年算力资本开支373亿元，占总投资25%，将驱动上游存储硬件需求 [6][55] - **存储行业供给偏紧**：受AI需求推动及国际头部晶圆厂减产影响，存储行业预计在2026年全年维持供给偏紧状态，价格有望进一步上涨并维持 [5][89]

公司投资与扩产计划 - 松下工业宣布向其中国子公司松下工业元器件材料（广州）有限公司追加投资约75亿日元（约合3.29亿元人民币）[1] - 投资将用于新增一条Megtron多层电路板材料生产线[1] - 新增生产线预计于2027年4月启动试生产，并在同一财年内实现量产[1] - 公司计划未来五年将Megtron系列产品的总产能提升至目前的两倍[1] 产品技术与市场定位 - 广州工厂目前生产Megtron6至Megtron8等高性能多层电路板材料[1] - Megtron6产品面向信息与通信技术（ICT）基础设施设备[1] - Megtron8产品能够满足AI服务器所需的高速数据传输需求[1] - 新增生产线将主要服务中国的PCB客户[1] 战略目标与市场展望 - 广州工厂未来将承担更重要的角色，成为生产下一代AI服务器关键材料的重要基地[1] - 公司认为中国市场（针对PCB客户）规模庞大，长期增长潜力显著[1] - 公司旨在依托自主材料和加工技术持续扩大Megtron系列电路板材料的全球产能[1] - 产能扩张旨在支持AI服务器等ICT基础设施市场的发展，并推动AI技术持续进步[1]

文章核心观点 - 文章通过类比美剧《好汉两个半》的角色更替，引出了创业者阿维亚德·迈泽尔斯的独特之处，他作为“时代产物”两次成功创业并高价出售公司给科技巨头，其成功并非源于典型的天才神话，而是结合了技术远见、对时代机遇的把握、对自身不足的认知以及与巨头合作的务实策略 [5][6][23][24] 阿维亚德·迈泽尔斯的创业历程与成就 - **首次创业PrimeSense与微软、苹果的合作**：2005年，迈泽尔斯与战友创立PrimeSense，旨在开发让计算机理解玩家的3D视觉传感器 [9][10]。2006年E3展上获得微软青睐，参与“纳塔尔计划”并共同开发了Kinect体感设备，该设备最终销量超过1000万套，成为“有史以来销量增长最快的电子消费产品” [12][14]。2013年，苹果以3.5亿美元收购PrimeSense，其技术后来被应用于苹果的Face ID [16] - **二次创业Q.ai与苹果的创纪录收购**：在首次出售公司后，迈泽尔斯创立了医疗微型机器人公司Bionaut Labs，随后又创立了AI初创公司Q.ai [26]。Q.ai专注于通过计算机视觉识别无声语音（如默念时的面部微动作），该技术对智能穿戴设备有巨大潜力 [26][27]。2026年1月，苹果拟以20亿美元估值收购Q.ai，这将是苹果10年来最大的收购案，迈泽尔斯及其团队将加入苹果负责AI硬件研发 [6] - **累计财务收益**：两次创业成功出售给苹果，为迈泽尔斯带来了总计约23.6亿美元（约合人民币160亿元）的财富 [6] 成功背后的特质与时代因素 - **“幸运”的技术宅与时代眷顾**：迈泽尔斯的成功被视为多次被“时代眷顾”，包括创业初期迅速获得微软合作、Kinect的成功以及最终被苹果收购 [11][13][16]。其创业路径反映了互联网时代后，年轻创业者凭借技术洞察在车库或宿舍创造巨大价值的可能性 [8] - **“焦虑”的普通人与务实心态**：与乔布斯等天才创业者不同，迈泽尔斯的经历更接近普通人，他缺乏明确的职业规划，曾因任天堂Wii的发布而焦虑，公司也经历过产品迭代危机和大裁员 [18][20][22][23]。这种对自身不足的认知、对危机的高估以及对合作的渴望，被认为是其能持续成功的关键特质 [24] - **谨慎的融资与退出策略**：在Q.ai的融资过程中，迈泽尔斯表现出异常谨慎，甚至提前向朋友兼投资人预警项目可能失败 [28]。尽管获得了谷歌风投等机构1亿美元的启动资金，但因担忧公司无短期销售额和产品交付，寻求新一轮融资未达预期，最终选择将公司出售给苹果 [29] 行业洞察与交易逻辑 - **巨头的技术收购逻辑**：苹果愿意高价收购Q.ai，是因为其无声语音识别技术能显著提升耳机、头显等穿戴设备的性能，并具有通过“思考”操作设备的未来潜力，这与苹果的产品布局高度契合 [27]。交易主导者迈泽尔斯曾有为苹果带来Face ID的成功先例，也增加了交易的吸引力 [27] - **创业公司的独立性与归宿选择**：文章通过投资人伊登·肖查特的视角提出思考：对于创始人而言，独立性固然重要，但当愿景过于宏大时，借助巨头（如拥有十亿用户的平台）的力量实现影响，可能比保持独立更重要 [33][34]。Q.ai选择出售也受到其位于以色列特拉维夫、面临战争环境（30%员工入伍、会议受空袭干扰）等现实因素的影响 [33]

**涉及的公司与行业** * **公司**：领益智造 (Lingyi, 002600.SZ) [1] * **行业**：精密制造、消费电子、人形机器人、AI服务器组件 [1] **核心观点与论据** **业务进展与增长动力** * 公司在2026年3月的世界移动通信大会上，与战略合作伙伴AgiBot共同展示了其人形机器人及具身智能整体解决方案，涵盖从零部件到组装的完整能力 [1] * 公司的谐波齿轮减速器用于机器人关节，具有尺寸小、精度高的特点；行星滚柱丝杠的误差低于0.003毫米 [1] * 公司提供整体解决方案的能力，源于其在CNC精密加工、3D打印、压铸、金属注射成型等精密制造领域积累的经验 [1] * 公司预计2026年订单势头强劲，并已在东莞、郑州、成都建立了具身智能生产基地 [1] * 公司增长前景乐观，主要基于三点：(1) 产品线扩展至AI服务器组件；(2) 折叠屏手机及高端机型中单机价值量提升；(3) 人形机器人、AI眼镜等创新业务的贡献增加 [1] * 公司与AgiBot在2023年建立战略合作关系，并于2025年成立合资公司，为其人形机器人提供零部件制造、组装和测试服务，预计2026年订单将加速增长以驱动规模扩张 [8] **财务表现与估值** * 高盛维持对领益智造的“买入”评级，12个月目标价为人民币22.60元，较2026年3月3日收盘价14.20元有59.2%的上涨空间 [12] * 目标估值基于38.8倍的2026年预期市盈率，该倍数源于同业公司的市盈率与2027年预期每股收益同比增长率之间的相关性 [9][10] * 公司市值：人民币995亿元 / 145亿美元；企业价值：人民币1046亿元 / 152亿美元 [12] * 财务预测显示强劲增长：预计营收将从2024年的442.11亿元人民币增长至2026年的702.49亿元人民币，2027年进一步达到852.30亿元人民币 [10][12] * 预计每股收益将从2024年的0.25元人民币增长至2026年的0.58元人民币，2027年达到0.82元人民币 [10][12] * 预计净利润率将从2024年的4.0%改善至2026年的5.8%和2027年的6.8% [10] * 预计2026年自由现金流收益率为4.8% [12] **制造能力与客户合作** * 公司展示了为AgiBot的A2、A3、X2人形机器人及机器狗提供的精密结构件，体现了其从研发到量产的综合能力 [7] * 公司的CNC精密加工和3D打印能满足客户定制化和快速研发的需求，而压铸和金属注射成型则代表了成熟的高质量量产体系 [7] * 公司展示的谐波驱动和行星滚柱丝杠具有高精度、小尺寸和低重量的特点，是机器人的关键部件 [7] **其他重要内容** **风险提示** * 折叠屏手机/AI终端渗透速度慢于预期 [11] * 面临更多供应商的潜在竞争 [11] * 宏观经济疲软持续拖累市场需求 [11] **投资银行相关披露** * 报告由高盛（亚洲）分析师Allen Chang、Verena Jeng、Ting Song、Yifan Hu出具 [2][3] * 高盛与报告涉及的公司存在或寻求业务关系，投资者应注意其中可能存在的利益冲突 [4] * 根据高盛的并购框架，领益智造的并购评级为3，代表成为收购目标的可能性较低（0%-15%），因此未纳入目标价考量 [18] * 截至2026年1月1日，高盛全球股票研究覆盖范围内，评级分布为：买入50%、持有34%、卖出16% [21]

电话会议纪要关键要点总结 一、 涉及的行业与公司 * **行业**：人工智能(AI)算力、光通信、光芯片、光模块、AI服务器技术路线[1][3][4][5][6] * **公司**： * **芯片/云厂商**：英伟达、谷歌、AWS、Meta[1][4][6][7][9] * **光芯片/模块厂商**：Lumentum、Coherent、中际旭创、新易盛[1][4][8][9][10] * **其他**：英特尔[8] 二、 核心观点与论据 算力需求与投资趋势 * **算力需求加速扩张，天花板未现**：AI在军事及各行各业深度渗透，应用侧token数呈现爆发式增长，国内2026年1-2月出现爆炸式增长，海外周度维度持续上行，算力供给端仍处于紧缺状态[3] * **北美云厂商资本开支(CAPEX)指引强劲**：2024年同比增长55%，2025年同比增长65%，2026年当前指引为同比增长65%-75%[1][3] * **未来增速有望进一步加快**：产业链调研反馈显示，2027年增速可能较2026年更快，算力投资趋势弹性尚未被充分封顶[1][3] 光通信产业链动态 * **英伟达重金投资锁定光芯片产能**：2026年3月2日，英伟达对Lumentum与Coherent分别投资20亿美元，合计40亿美元，并搭配数十亿美元级别订单承诺，旨在解决AI算力集群中GPU约40%时间处于空闲等待数据的瓶颈[4] * **光芯片是产业链关键瓶颈**：Lumentum与Coherent合计占全球光芯片份额约50%或更高，过去三年产能卡点主要集中在上游光芯片及部分器件端[4] * **光相关投入占比与增速将大幅提升**：光在整体CAPEX中的占比预计将从当前约3%-4%提升至15%-20%，在整体CAPEX高增长背景下，光相关投入的增速测算有望“不止翻一倍”[4] * **投资服务于CPO战略布局**：两家公司可提供功率达400毫瓦以上的全球顶级CW高功率激光器，更匹配未来CPO应用需求，英伟达通过此举为后续CPO路线奠定供给基础[4] 技术路线分歧与展望 * **CPO与NPO路线存在明确分歧**： * **CPO**：由芯片厂推崇，优势在于极致功耗(约10W)与带宽提升，面向3.2T及更高速率可实现约5-10倍带宽提升，但存在维修成本高、良率低、系统封闭的约束[1][5] * **NPO**：云厂商更倾向，功耗约10-15W，具备socket与热插拔特性，维护成本更低，可复用现有生态，成本与可插拔相当或略高，且强调开放与解耦[1][5] * **产业终局可能呈现阵营分化**：芯片厂商更倾向CPO作为终极方案；云厂商更倾向NPO作为终极方案，预计NPO将占据更大市场比例[1][5][7] * **AI服务器方案：NPU阵营占优**：谷歌、AWS、Meta等头部云厂商属于坚定的NPU阵营，考虑到英伟达客户结构中50%以上集中在头部云厂商，芯片厂商在产品规划上大概率会更多向NPU相关方案倾斜[6][7] 产品发布与市场预期 * **2026年GTC大会预期**：Blackwell与1.6T已进入出货期，大会重点可能在Rubin/Feynman相关方案，并展示包括正交背板、铜连接等不同路径的服务器方案[1][7] * **关注面向推理革命的新路径**：LPU、LPX等新技术路线主要面向“推理革命”，未来可能发布专门面向推理的产品，从而显著提升token对应的流量与算力水平[1][7] * **光模块龙头技术领先**：中际旭创是英伟达与谷歌1.6T光模块的第一大供应商，具备全球唯一批量量产能力，在NPO/CPO领域均有技术储备[1][9] 市场表现与投资机会 * **美股与A股市场表现背离**：2026年以来，美股光通信板块大幅上涨，Lumentum股价翻倍，Coherent上涨约60%-70%；而A股龙头中际旭创、新易盛受地缘扰动影响回调约10%[2][10] * **资金风格可能切换**：随着3月后进入年报、一季报等密集披露期，资金风格可能从主题交易逐步回到与业绩更强相关的公司上[8] * **龙头公司具备多路径技术储备**：以中际旭创为代表的龙头公司通常具备多路径技术与产品储备，能够提供多元化的一揽子解决方案，历史上曾是推动硅光的重要力量[8] 三、 其他重要内容 * **推荐逻辑与个股排序**：首推中际旭创，核心逻辑包括其作为全球光通信龙头的领先地位、1.6T全球唯一批量量产能力、英伟达与谷歌第一大供应商地位、业绩进入加速释放期，以及估值具备吸引力[9][10] * **后续关注节点**：重点关注中际旭创是否在GTC同期的OFC大会发布相关新产品[8] * **业绩信心**：对光模块龙头公司后续年报、一季报及中报的业绩兑现保持较强信心[10]

能科科技 2026年3月4日电话会议纪要关键要点 一、 公司及业务概况 * 公司为能科科技，主营业务正加速向AI转型[2] * 公司覆盖行业包括重工装备、军工、汽车、高科技电子、通用机械与能源动力等领域[13] * 公司制造业客户总量约3,000家，活跃客户约2,000家[13] 二、 AI业务战略与规划 1. 整体规划与目标 * 公司自2022年ChatGPT出现后正式进入AI业务布局[3] * 将本轮AI技术迭代视为“二次创业”的重要窗口期[22] * 中长期定位明确为“工业数据应用专家”，核心聚焦数据应用能力建设[7] * 2026年目标将AI业务营收占比提升至约40%，并预计AI业务将成为公司第一大主营业务[2][11] * 2026年计划将AI业务在存量客户中的覆盖率从2025年的不足3%提升至5%[13] 2. 研发与落地节奏 * 计划在2027年完成45个工业场景Agent的开发与应用[2][3] * 截至2025年底，已完成25个Agent的开发与应用[2][3] * 规划2026年累计完成数量提升至30-35个[3] 三、 AI业务商业化与市场表现 1. 商业化数据 * 2025年AI应用客户覆盖约70多个[4] * 2025年AI业务营收占比在第三季度已达30%[2][11] * 单体客单价约600万元[2][4] * 单个Agent的价值量约300万元[2][4] * 单一客户平均使用Agent数量约2个[14] 2. 市场空间测算 * 公司覆盖行业的规上企业营收合计约60万亿元[13] * 工业企业每年IT软件支出占营收约1%-2%[13] * 结合AI渗透率（约10%-20%）推算，覆盖行业当前每年AI资本开支约2000亿-3000亿元[13] * 公司评估其可触及的AI市场规模约400亿元[13] * 特种行业AI支出可触达空间约50亿元[13] 四、 核心能力与产品矩阵 1. 核心能力建设 * 打造两条能力主线：数据底座、面向客户场景的Agent加工与交付体系[7] * 数据底座旨在解决工业数据定义、逻辑差异与精度不足问题，以“乐仓”、“乐数”等产品为基础[7] * Agent“加工厂”体系划分为研发、制造、运维、质量四类[7] 2. 产品形态与方向 * AI应用划分为两条主线：“虚拟AI/数字AI”（系统内运行的Agent）和“物理AI”（Agent软件嵌入端侧）[14] * 2025年已落地25个应用，基本实现应用化[14] * 2026年将“物理AI”方向作为重点推进，包括将AI Agent产品直接嵌入工业母机本体[2][5][6][14] * 在具身智能方面，2025年实现从“训推”走向“整体交付”的突破[5] 五、 重点行业进展 1. 特种行业（核心增长极） * 2025年约60%的AI业务落在特种行业[2][17] * 2025年第三季度特种行业业务占比约40%（2023/2024年约为33%-34%）[16] * 公司凭借数据底座、行业模型、Agent加工能力及算力模型调度平台，在该领域被认为具备先发优势，接近海外对标公司（如Palantir）[2][17] * 特种行业相关人工智能、数字化、无人化及装备升级专项预算空间约300亿-400亿元[13][19] * 未来2年将持续以特种行业为核心方向推进业务[18] 2. 工业母机与装备领域 * 与国内数控机床龙头企业推进合作，计划将AI Agent产品直接嵌入工业母机本体[5][6] 六、 生态合作与商业模式 1. 生态合作布局 * **应用软件层**：强化与西门子、达索等主流厂商合作，可形成联合解决方案[9] * **IT基础层（算力/算法）**：与华为、阿里、AWS亚马逊云合作，并积极拓展与英伟达的合作[2][9] * 建立MSP服务团队，与算力/算法大厂深化合作[2][9] * 2026年将加大AI业务出海力度[9] 2. 商业模式变化 * 业务推广模式从以自有团队落地为主，拓展至合作伙伴与代理体系[10] * 2025年已与6家合作伙伴建立合作，并成立生态合作部建设代理商体系[2][10] * 随着AI发展，公司可基于数据应用更直接连接数据层与RT服务层，与算力/云厂商的协同空间提升[15] 七、 对行业挑战的应对策略 1. 应对“模型吞噬软件”风险 * 认为工业软件受AI冲击的节奏相对更慢，因其依赖深度耦合的行业知识与场景经验，且工业数据沉淀不足[20] * 主动收缩低毛利且人员占用较高的软件实施服务业务[2][12] * 将工业软件研发力量向AI方向转移[12] * 已将“工业软件+AI”作为主动应对方向，设计50多款工业软件AI工具/助手，实现工具化交付[2][21] 2. 组织与业务结构调整 * 组织架构已向AI全面倾斜[2] * 在市场投入与人员配置上逆周期加大AI投入[12] * 目标在2026年上半年完成转型调整并以新的组织形态运行[12]

报告行业投资评级 - 报告看好具备防御属性的公用事业、电信及受益于地缘政治的国防、能源等行业 [1] - 报告对欧洲电信股维持超配评级 [9] - 报告认为轻资本领域（如软件）虽估值相对便宜，但需等待盈利回升、估值与利润率企稳的拐点 [1][8] 报告核心观点 - 后现代周期驱动实体资产重估，资本密集型（重资产）企业相对轻资本企业的表现自疫情后出现反转，两者历史估值差已因重资产端估值上调而显著收敛 [1][3] - AI同时重塑轻资本与重资本行业：一方面推动超大规模数据中心等重资产投入创纪录增长，另一方面增加了软件等轻资本行业终值定价的不确定性，导致资金向价值端分散 [1][7] - 资本密集型板块的盈利预测出现结构性拐点，预计2026年EPS增长14%，数年来首次超过轻资本企业，业绩兑现将取代估值修复成为后续股价跑赢的核心驱动力 [1][11] - 宏观环境利好重资产：制造业与服务业PMI差值转正，全球资本支出/销售额比率回升；高利率环境下，重资产企业因现金流稳定且受贴现率上行冲击较小而更具弹性 [1][11][12] - 市场分化将持续，资本密集型业务有望跑赢大盘，这是提出Halo框架与“光环效应”报告的核心原因 [12] 行业趋势与宏观背景 - 历史表现反转：2010-2020年轻资产业务年化增长约13%，而资本密集型业务仅增长约6%；疫情以来表现结构发生反转 [1][3] - 后现代周期特征包括政府更积极干预、地缘政治碎片化、供应链转型以及实际利率上升，这些因素共同强化了实体经济与有形资产的相对价值 [3] - 全球资本支出/销售额比率正在上升，表明企业投资行为发生转变，过去十年投资不足的情况正在改变 [12] - 制造业与服务业PMI差值已转为正值，显示制造业周期相对服务业在改善 [11] 资本密集度框架与组合构建 - Halo框架聚焦“重资产、低应收账款”的商业模式，这类企业通常拥有具有战略意义、能产生稳定现金流且技术淘汰风险较低的全球性资产 [4] - 构建了资本密集度评分体系，通过6个围绕资产或资本开支密集度的指标对所有公司进行排序，以规避仅用行业分类带来的偏差 [5] - 基于评分体系构建了“资本密集型组合”与“轻资本型组合”，并在彭博终端提供查询 [5] - 行业层面，基础资源、电信、公用事业通常呈现典型的资本密集特征；软件、数字经济、IT服务以及部分食品零售企业更偏轻资本 [5] - 金融行业因商业属性更偏服务导向，较难用现有指标体系有效分类，故未纳入该框架，但其风格属性上更接近价值类别 [9][10] 估值变化与驱动因素 - 资本密集度在过去一年对不同板块的相对表现与估值变化具有显著解释力，资本密集度越高，估值变化幅度越明显 [5] - 资本密集型与轻资本企业的估值收敛主要由资本密集型企业的估值上调驱动，而非轻资本企业的估值下调 [5] - 全球金融危机后，重资本企业估值相对轻资本企业长期存在约20%甚至更高的折价，疫情后这一偏好开始扭转并加速 [6] - 推动重资产重估的因素包括利率环境变化、供应链重构、政策与地缘环境等结构性变量，以及能源价格上涨、国防开支增加等现实因素 [6] AI对行业资本结构的影响 - AI将过去十年典型的轻资产赢家（如超大规模数据中心运营商）推向资本投入最密集的状态 [7] - 仅2026年一年，美国超大规模数据中心运营商的投资将超过其历史总支出；2026年单年的资本支出已超过2022年之前50年的总和 [1][7] - AI也在改变市场对轻资本行业（如软件业务）终值的定价假设，使其终端价值面临更大的不确定性 [1][7] 行业配置与分化 - 看好具备防御属性的公用事业、电信及受益于地缘政治的国防、能源 [1] - 资本密集型行业中，防御性板块（如公用事业、大型燃气电力公司与电信行业）更受关注 [9] - 航空业虽属资本密集型，但当前表现偏弱；基础资源与电信行业表现较好 [9] - 轻资本方向中，尽管欧洲科技行业规模较小，但仍看好科技板块 [10] - 中东局势短期可能压制风险偏好，使周期性更强的资本密集型公司当日表现相对落后；但中期若推高能源价格和通胀利率，则对资本密集型企业构成利好 [9] - 若将公用事业、基础资源与国防板块在组合中分别按20%、10%、10%计入，则组合约40%的成分将成为或有望成为冲突的净受益者 [9] 盈利与EPS预期 - 分析师预计资本密集型板块2026年EPS将增长14%，较2025年或前年高出21个百分点，这是数年来首次其盈利增速预计将超过轻资本企业 [1][11] - 资本密集型企业相对于轻资本企业的EPS修正已呈上行趋势，并在2026年以来加速 [11] - 资本密集型企业完成估值重估后，后续能否持续跑赢取决于业绩兑现 [11] 轻资本领域（软件等）现状 - 软件股目前交易水平与市场持平，从相对估值看“看起来非常便宜” [10] - 轻资本业务的利润率仍显著高于其他业务，回报率亦处高位，但下一周期这些优势能否维持存在较大不确定性 [10] - 当前更需要关注新进入者带来的竞争风险，而非AI受益逻辑 [10] - 市场内部活跃度高、股票相关性处于历史低位，同一板块内部分化显著，后续关键更依赖选股能力 [10] 关键跟踪指标与节奏把握 - 对资本密集型领域，需重点跟踪德国财政支出进展，并关注财政敏感的资本密集型方向（如基础设施与国防），核心是业绩能否落地 [12] - 对轻资本领域，需持续观察资金流结构变化以及利润率与股本回报率是否出现拐点 [12] - 需在2026年下半年重新审视超大规模企业资本开支增速放缓的信号 [2][8] - 可关注2026年下半年Hybe ASIA的业绩表现作为观察点之一 [8]

行业与公司研究关键要点 一、 涉及的行业与公司 * **行业**：智能驾驶（自动驾驶）行业，涵盖技术演进、政策法规、商业化进程 * **公司**： * **整车/技术方案商**：小鹏汽车、理想汽车、华为、蔚来、特斯拉 * **上游供应商**：禾赛科技（激光雷达）、地平线（智驾芯片） * **Robotaxi运营商**：小马智行、文远知行、曹操出行 二、 核心观点与论据 1. 技术范式演进路径 * 智能驾驶正从“规则+地图”向“端到端大模型数据驱动”演进，并进一步加速向“VLA（视觉-语言-动作）+世界模型”的物理AI范式演化[3] * 技术路径出现分化：华为、蔚来侧重“云端世界引擎+车端世界行动模型”；小鹏、理想侧重VOA路线，将大语言模型嵌入支架算法内部[1] * 结构演进路径：从分模块（感知、决策独立）→ 两段式端到端（模块间隐式表达）→ 一段式端到端（单一全链路模型）[6] * 两段式端到端被视为向一段式过渡的相对可实现路径，因存在中间表达更利于观察模型运行过程[6] 2. 模型能力与训练范式升级 * **模型规模**：智能驾驶模型参数规模持续跃迁，车端迈向“数十亿参数门槛”，云端向“百亿级别”提升[1][6] * **训练范式转变**：从依赖人类驾驶数据的模仿学习，转向“预训练+监督微调+强化学习”模式，以突破人类能力上限并解决风险非对称性问题[1][8] * **推理能力增强**：引入“结构化推理”或“长链思维”以提升复杂场景决策质量，例如小鹏第二代VLA通过“32倍超密视觉推理思维链”使预测误差降低约33%[1][4][5] * **通用大模型映射**：通用大模型在规模化能力跃迁、推理能力增强、后训练优化等方面的突破，持续向智能驾驶模型“映射”关键能力[3] 3. VLA/VOA与世界模型的核心特征与差异 * **VLA/VOA模型**：在统一模型框架内融合视觉、语言与动作，实现感知、推理与控制一体化，强调复杂语义理解与决策[9][10] * 优势：将大语言模型嵌入支架算法内部，相比外挂双系统方案，在交互性、类人性与长尾场景泛化性上更强[10] * 输入：摄像头、导航、地图等信号；输出：轨迹解码器（生成未来行驶计划）和文字解码器（生成自然语言解释）[10] * **世界模型**：在系统内部构建对物理环境的动态模拟与未来状态推演，以提升复杂场景的预见性与应对能力[7][11] * 核心能力：对未来物理世界的生成、行为规划与决策、联合预测与规划[11] * **两者关系**：并非相互排斥，呈现相辅相成与融合趋势，例如将世界模型能力嵌入VOA的训练目标，或设计统一的动态融合模型[11] 4. 头部厂商技术路线与进展 * **小鹏汽车**：侧重VOA路线，已发布第二代VLA * 采用原生多模态物理世界基座模型，支持“视觉+语言”多模态直接输入[12] * 通过32倍超密视觉推理思维链，预测误差降低约33%[1][12] * 全栈自研优化提升车端运行效率，云端数据储备与模型训练量规模与ChatGPT相当[12] * **理想汽车**：采用MindV-VOA路线，强化空间信息处理、场景理解与集体行为动作生成能力[12] * **华为**：侧重世界模型路径，采用“云端世界引擎+车端世界行动模型”的两段式架构，车端感知数据直接映射控制行为[1][12] * **特斯拉**：在感知端到端阶段的关键技术组合包括BEV、Transformer与OCC，解决了多传感器融合、信息丢失与遮挡等问题[7] 5. 关键时间节点与行业催化 * **2026年为关键催化时点**[1] * **政策端**： * L3/L4相关法案草案已于2026年春节前出台[13] * L2组合驾驶强标预计2026年第二季度发布正式版本[1][13] * 线控制动（EMB）、线控转向等技术标准有望2026年下半年逐步落地[1][13] * **产业端**： * 特斯拉Cybercab预计2026年4月量产，FSD将全量入华[1][13] * 国内头部厂商智驾算法加速迭代[13] * Robotaxi商业化运营迎来拐点[13] 6. 投资逻辑与关注方向 * **投资聚焦**：冗余能力与国产替代[2] * **重点关注增量方向**： * **激光雷达**：监管要求与智驾升级推动需求提升，如禾赛科技[2][13] * **高阶智驾芯片自主化**：国产替代空间大，如地平线[2][13] * **Robotaxi商业化**：单车UE模型跑通，迎来商业化拐点，关注小马智行、文远知行、曹操出行[2][13] * **智驾领先整车标的**：智驾能力对估值提升作用增强，关注小鹏汽车[2][13] 三、 其他重要内容 1. 通用AI发展对智驾的启示 * **Deepseek路径启示**：在算力资源受限情况下，可通过更高效的后训练设计、多阶段微调与强化学习，在不依赖巨额预训练投入的情况下实现高性能推理与人类偏好一致性，这对算力储备相对较少的车企具有参考意义[4][5] * **通用大模型关键跃迁路径**： * 第一阶段：“预训练+后训练对齐”（ChatGPT时刻）[4] * 第二阶段：引入多模态与显著增强推理能力（AI Agent时刻）[4] * 第三阶段（2025年后）：以Deepseek为代表的“成本高效推理模型”（Deepseek时刻）[1][4] 2. 技术挑战与解决方案 * **模仿学习的瓶颈**：能力上限受制于人类驾驶水平，存在风险非对称性问题（如紧急制动场景下，“刹车更多”与“刹车更少”结果风险不同但可能受同等惩罚）[8] * **端到端模型的局限**：传统端到端偏黑盒，对物理规律理解不足，输出偏差难以定位根因[7] * **解决方案**：引入多模态大语言模型与VLA架构弥补视觉模型推理能力短板；通过强化学习提升泛化能力与模型能力上限[7][8]