公司产品研发进展 - 公司自研的“灵汩文本生成大模型算法”已于2026年2月9日通过国家网信办算法备案认证 [2] - 该算法正持续进行多模态迭代 旨在推动教育领域的自主可控 [2] 公司股东与股权变动 - 持股5%以上股东西藏德员泰信息科技有限公司的减持计划已于2026年1月14日实施完毕 [3] - 其持股比例从6.34%降至4.68% 不再是大股东 [3] 公司近期股价与资金表现 - 截至2026年2月11日 公司股价报12.41元/股 当日下跌2.05% [4] - 近5个交易日股价累计上涨2.82% 但近20日下跌14.88% [4] - 近期主力资金净流出538.50万元 换手率为0.93% [4] 公司近期经营业绩 - 2025年前三季度 公司营业收入为3.40亿元 同比增长0.44% [5] - 2025年前三季度 公司归母净利润为4861.83万元 同比减少3.26% [5] - 公司主营业务以教育考试标准化考点产品为主 占比59.65% 智慧教育产品占比36.72% [5]

文章核心观点 - 灵巧手是人形机器人实现通用性和环境适配的关键部件，其技术难度远高于身体关节，是产业化的核心瓶颈 [1][2] - 灵巧手的瓶颈存在于硬件和软件两方面：硬件难点在于高空间集成和多模态感知融合，软件难点在于大模型算法架构和数据量积累 [5][9][10] - 技术路线尚未收敛，但以特斯拉Optimus方案为参考，硬件产业链已初步显现，涉及触觉传感器、执行器、腱绳及总成等多个环节 [18][26][27][33] - 数据量是当前最大瓶颈，其获取成本高、过程慢，制约了灵巧手能力的提升，可能影响商业化进程 [13][14] - 灵巧手的商业化将遵循渐进路径，初期可能以简化形态应用于限定场景，通过场景降维积累数据和现金流，逐步逼近通用目标 [44][45] 灵巧手的重要性与产业瓶颈 - **重要性**：灵巧手是人形机器人区别于轮足或普通工业机器人的关键，是实现抓取、操作等复杂任务的核心，决定了机器人的通用性 [1][2] - **硬件瓶颈**： - **空间集成难度大**：需要在极小空间内集成20多个自由度所需的电机、齿轮箱、微型滚珠丝杠及腱绳等零部件，并满足高功率密度、高精度、高可靠性、高寿命及低成本要求 [7] - **多模态感知要求高**：需要大量且高精度的传感器，尤其是触觉传感器，并需克服不同模态信息的固有差异进行融合 [8] - **软件瓶颈**： - **算法架构未收敛**：人形机器人的“大脑”（感知-推理-决策）和“小脑”（执行控制）均需大模型支持，但具体采用何种类型、架构以及部署在云端还是边缘端尚无标准解法，灵巧手的控制是其中核心难点之一 [10][11] - **数据量严重不足**：人类动作数据采集与标注复杂且成本高，目前积累的数据量远不足以支撑训练。对比全球年销量即将突破2000万辆的新能源汽车所积累的智能驾驶数据，人形机器人感知与执行更复杂，所需数据体量预计更大 [13] - **仿真训练存在边界**：虽然Isaac Sim等平台可进行基础步态训练，但对于涉及材质摩擦、复杂交互等灵巧手操作的长尾场景，仿真仍难以完美模拟 [15] 硬件技术路线与产业链机会 - **特斯拉Optimus参考方案**：每只手有22个自由度，其中17个为主动自由度，采用“电机+行星齿轮箱+微型丝杠+腱绳”的驱动结构 [19] - **关键硬件环节与潜在变化**： - **触觉传感器**：预计将从指尖扩展到整个手掌，数量远大于每手5个；技术路线可能从压阻式向压阻与电容混合方案演进 [25][26] - **执行器硬件**： - **电机**：可能从空心杯电机过渡到无刷有齿槽电机（微型无框电机）以降本 [27] - **丝杠**：可能从微型滚珠丝杠进化为行星滚柱丝杠，以满足更高精度、负载及寿命要求 [27] - **腱绳**：材料是关键难点，需解决蠕变、弹性形变导致的迟滞效应以及磨损断裂问题。超高分子量聚乙烯被认为是更适合量产的方向，领先供应商包括荷兰皇家帝斯曼、美国霍尼韦尔等，中国南山智尚、同益中等公司处于验证阶段 [28][29] - **总成环节**：特斯拉倾向于将执行器总成交由供应商生产。据产业链信息，新剑传动、浙江荣泰在灵巧手丝杠及总成方面进展较快，拓普集团、三花智控等总成供应商也具备潜力 [33] - **独立灵巧手公司**：全球存在一批专注于灵巧手研发的公司，如英国的Shadow Robot、德国的Schunk和Festo、中国的傲意科技、因时机器人等，其技术路线多样，可作为观察技术演化方向的参考 [36] 行业挑战与未来展望 - **技术路线未收敛的风险**：当前硬件方案仍可能因控制延迟、热积聚等问题被调整，例如可能牺牲部分手指自由度或增加热管理模块，这将影响不同硬件环节的需求 [37][40] - **供应链收敛风险**：产业若按特斯拉预期在2026年进入量产，每个硬件环节的实际供应商可能缩减至2-3家，未进入最终供应链的企业将面临预期落空风险 [41] - **商业化路径展望**： - **必要性**：从任务泛化、环境适配及数据获取效率看，五指灵巧手是人形机器人的必然选择 [42][43] - **渐进式商业化**：初期应用将集中在限定场景（如特斯拉工厂内部）或非成本敏感领域（如科研）。完整通用方案成熟前，两指、三指或较少自由度的简化形态（中间形态）可能率先在半通用半专用场景实现商业化应用 [44] - **类比自动驾驶路径**：通过“场景降维”，在有限场景推出可商用产品，以此积累数据、迭代算法并获取现金流，是一条可行的渐进发展路径 [45]

招聘活动规模与成果 - 广东省于12月27日至28日在深圳举办“百万英才汇南粤”秋季招聘会 1825家重点用人单位到场 释放超过6.5万个岗位需求 两天内有近15万人次入场求职 求职者来自国内外1700多所高校 [1] - 截至今年11月 “百万英才汇南粤”系列招聘活动已累计举办5000余场 线上线下覆盖全国1000多所高校 参与毕业生规模超过千万 最终有超过110万人选择广东 占今年全国约1222万名高校毕业生的比例约为1/12 [4] - 本次招聘会是广东全省21个地市的“组团抢人”行动 珠三角城市以科技与制造业岗位为主 粤东 粤西 粤北分别组织当地代表性企业参会 现场呈现出较为明显的供需活跃态势 [2][4] 招聘模式与产业联动 - 招聘会首次设置“链主企业专区” 由比亚迪 格力 腾讯 南方电网等8家链主企业牵头 联合80余家供应链上下游企业集中招聘 岗位覆盖研发 制造 运营等多个环节 呈现出全产业链用人需求 [2] - 腾讯将旗下多个事业群及生态公司岗位集中展示 南方电网则组织储能 超高压等子公司到场 方便求职者在同一区域内对接相关岗位 [2] - 现场设置了“APEC人才对接服务专区” 汇聚34家APEC经济体在粤外资企业及有意向出海的中资企业 集中提供面向外籍人才和海归人才的岗位 [13] 人才需求结构与技能要求 - 人工智能 智能机器人 低空经济 生物医药等领域在现场集中释放岗位需求 [4] - 在智能机器人展位 企业招聘负责人表示 公司对人才的核心要求主要体现在两方面 一是具备英语沟通能力 二是具备AI相关技能 能够理解并使用AI工具 AI正在渗透到各行各业 将重塑几乎所有岗位的工作方式 [5] - 各地更强调与自身产业基础相匹配的人才需求结构 [5] 城市人才吸引力与产业发展 - 深圳对人才的吸引力首先体现在产业对人的赋能上 以人工智能为代表的新一轮技术浪潮 使深圳在产业前沿保持高强度 这为身处其中的人才提供了更大的视野 [7] - 深圳的优势体现在城市内部形成的学习氛围与圈层交流 人员相互学习 相互触发 这对个人综合能力的提升非常明显 [7] - 深圳作为一座“由人驱动”的城市 进入高质量发展阶段后 围绕AI等前沿领域的竞争 正在把城市带入一个全新的竞争维度 持续吸引海内外高端技术人才及经营 管理型人才 将有助于其加快成为全球标杆城市 [8][10] - 深圳完善的产业配套是吸引高端人才回国的重要原因 例如量子科技已被纳入重点发展项目并配套成立相关科研中心 这种产业发展正在放大城市的人才吸引力 [11] - 产业在哪 机会就在哪 而能够提供持续机会的能力 则正是一个地区最核心的竞争力 [13]

大模型技术应用 - 公司持续合作应用ChatGPT、DeepSeek、Llama、Qwen等国内外前沿基础大模型算法 [2] - 依据业务需求开展针对性垂域模型训练 [2] - 深入进行算法创新与应用开发 [2]

活动安排 - 北京场活动于2025年8月28日周四晚7点举行 主题为大模型算法 面向大厂及创业公司产品技术人群和创业者 规模8-10人 [1] - 新加坡场同期举行 主题为AI Agent 面向相同人群 规模6-8人 [1] - 报名截止时间为活动前一日晚8点 采用背景匹配机制确保交流质量 [3] 人才招募 - 公司正在招募新一期实习生 [6] - 重点寻找00后创业者群体 强调创造力要求 [7][8] - 通过Z Combinator项目定位为AI时代中国年轻版YC 聚焦新生代创业者培养 [8] 业务布局 - 业务矩阵包含Z Potentials、Z Finance、Z Lives等多条产品线 [7] - 战略方向聚焦AI领域 特别是大模型算法与AI Agent技术应用 [1][8]

活动安排 - 北京活动于2025年8月28日周四晚7点举行 主题为大模型算法 面向大厂 创业公司产品/技术及创业者 人数限制8-10人 [1] - 新加坡活动于同一时间举行 主题为AI Agent 面向相同人群 人数限制6-8人 [1] - 活动报名截止时间为活动前一日晚8点 名额有限 公司会根据参与者背景进行组合安排 [3] 人才招募 - 公司正在招募新一期实习生 [6] - 公司寻找有创造力的00后创业者 项目名称为Z Combinator 定位为AI时代中国年轻版YC [7][8] - 招募涉及多个领域 包括ZL ZP Potentials TH等方向 [7] 业务定位 - Z Combinator明确聚焦AI时代 专注于发掘年轻创业者潜力 [8] - 公司业务范围涵盖Z Finance Z Lives等多个垂直领域 [7]

技术突破 - 公司开发了"页岩油智脑"井下作业智能体系统，可实现10秒内查询井的历史数据、故障诊断与处置方案 [1] - 系统将技术人员方案编制时间从小时级缩短至分钟级，数据查询响应从40多分钟降至10秒，故障识别准确率达90% [3] - 系统通过AI算法优化整体作业方案，实现从"经验驱动"向"数据智能驱动"跨越，预判工况并自主学习编辑方案内容 [6] 效率提升 - 系统实现井下作业决策响应速度零时间、协同协作效率零延误、故障处置效果零盲区、评价体系建设零偏差 [3] - 井筒诊断响应速度从小时级缩短至秒级，将"修井后分析"转变为"修井前预警" [4] - 故障处理平均耗时从3天以上大幅缩短，单井年均维护成本将明显下降 [6] 行业背景 - 页岩油作为非常规油气资源重要组成部分，其高效开发是保障国家能源安全的关键 [3] - 长庆油田页岩油年产量占全国50%以上，但面临作业效率不高、效益管控不细等挑战 [3] - 行业需通过数智化技术推动业务模式重构，实现产业结构优化 [4] 系统功能 - 系统集成井下压力、温度、流量等20多项参数动态感知，能监测油藏中流体变化 [4] - 以昆仑大模型平台为底座，应用多模态数据与大模型算法，形成诊断专家知识库 [4] - 打通井下作业"感知-诊断-决策-执行-评价"全链路，实现全过程化管控 [4] 研发合作 - 公司联合专业数智公司，充分发挥产学研用一体化优势开发该系统 [4] - 通过7个月技术攻关和现场试验应用实现系统功能 [3]

报告行业投资评级 - 计算机行业投资评级为增持（维持） [8] 报告的核心观点 - DeepSeek团队新论文引入SPCT方法，推出DeepSeek GRM模型，带来推理阶段新Scaling方法，或暗示DeepSeek R2技术路径，模型迭代加速可期 [2] - SPCT方法拓展推理Scaling路径，提高强化学习质量，为大模型算法迭代提供启发 [3] - DeepSeek GRM-27B以27B参数媲美621B参数R1的性能，证明推理阶段新探索有望拓展模型边界 [4] - DeepSeek GRM模型压缩硬件需求，降低本地化部署成本，利好端侧部署与端侧AI进展 [5] - DeepSeek R2有望近1 - 2月内发布，GRM模型发布或是其算法创新雏形，建议关注算法创新带来的模型迭代加速 [6] 根据相关目录分别进行总结 DeepSeek新论文及模型情况 - DeepSeek团队新论文《Inference-Time Scaling for Generalist Reward Modeling》发布，引入SPCT方法，推出DeepSeek GRM模型，27B参数能跑出目前R1模型671B参数相当性能 [2] SPCT方法优势 - 强化学习在一般领域难获LLMs准确奖励信号，SPCT方法可自适应生成评判原则并评价，提高强化学习质量，拓展推理Scaling路径 [3] DeepSeek GRM模型性能 - DeepSeek GRM-27B在多个综合奖励模型基准测试中优于现有方法和模型，达到与DeepSeek R1（621B参数）、GPT - 4o相当效果；SPCT采用双循环结构，R1单一线性模式会积累错误；推理阶段应用SPCT方法扩展策略性能更优 [4] 硬件消耗与部署情况 - DeepSeek GRM模型采用128块A100 - 80G GPU训练，成本为R1的1/6；推理阶段降低算力与显存需求，能耗为R1模型的17%左右；有望在端侧设备部署，精度优化后显存需求理论上可被消费级显卡满足 [5] R2模型展望 - 预训练阶段Scaling Law放缓，算法优化成各大厂追求方向；DeepSeek R2有望近1 - 2月内发布，GRM模型发布或是其算法创新雏形 [6]