报告公司投资评级 - 首次覆盖给予“买入”评级，目标价为 8.60 港元 [1][8][10] 报告的核心观点 - 报告研究的具体公司将充分受益于全球智能驾驶功能的快速普及，并凭借自身的先进软硬件结合能力持续巩固市场龙头地位 [10] - 预计报告研究的具体公司 2025 - 2027 年征程芯片销量为 420 万颗/450 万颗/550 万颗，有望在 2027 年实现盈亏平衡 [10] 根据相关目录分别进行总结 投资概述 - 报告研究的具体公司创立于 2015 年，是国内领先的乘用车高级辅助驾驶解决方案供应商，主营业务分为产品解决方案和授权及服务两类 [28] - 未来核心增长驱动力来自智驾普及化带来的软硬件需求、独特软硬件结合能力建起的技术壁垒和国产替代加速背景下对高端芯片领域的渗透 [28] 全球智能汽车市场展现巨大增长潜力 - 全球/中国智能汽车销量将在 2030 年分别达到~8,000 万辆/3,000 万辆，届时高阶辅助驾驶 + 高级自动驾驶的渗透率将接近 100%水平 [7][29][33] - 以报告研究的具体公司为代表的国内第三方供应商将直接受益于智驾功能的快速普及，该公司在 2024 年中国 OEM 高级辅助驾驶市场的份额超过 40% [7][29][35] 软硬件集成形成技术护城河，为自动驾驶效率提供最优解决方案 - 报告研究的具体公司基于软硬结合的全栈技术，将前沿智驾算法趋势与先进智能计算架构融入到每一代征程的设计创新中，发挥超越同级的系统效率 [38] - 该公司自主研发的 BPU 架构是实现新摩尔定律的核心载体，能提升算力效率、实现算法与硬件深度协同和控制规模化量产成本 [42] 三款智能驾驶解决方案：Horizon Mono、Horizon Pilot、Horizon SuperDrive - Horizon Mono 是主动安全高级辅助驾驶解决方案，可实现多种安全及舒适功能，已累计获得超过 200 款 OEM 车型选择 [46] - Horizon Pilot 是高速领航辅助驾驶解决方案，能完成高阶驾驶任务及提供先进停车辅助功能，理想 L9 Pro 是采用该方案的典型车型 [49][50] - Horizon SuperDrive 是高阶自动驾驶解决方案，配备先进处理硬件，能应对复杂路况，公司计划嵌入最新的征程 6 处理硬件 [52] Journey 6 系列覆盖从入门级到高端的完整智能驾驶需求 - 征程 6 系列芯片于 2024 年 4 月发布，共包括 6 款芯片，算力覆盖 10TOPS 到 560TOPS，与 5 系列相比，CPU 算力升级明显 [62] - 该系列芯片实现“四芯合一”，高集成度设计提升了系统性能和性价比，降低了部署难度，适用于多种智能驾驶应用场景 [64][65] - 自 2025 年起，超 100 款搭载征程 6 系列的车型将陆续上市，全面覆盖全品类市场，该系列芯片具备六大技术优势 [67][70] Journey 6 系列与主要竞争对手的对比 - 将报告研究的具体公司芯片与英伟达、华为、黑芝麻智能和 Mobileye 进行对比，该公司不仅在中低端智驾处理硬件中成为行业龙头，还将加速高端市场渗透 [71] - 芯片企业需打造自身的差异化竞争优势，主要体现在提高效率打造“原生适配 Transformer 架构”和优质化服务能力，提供完整的开发工具链两方面 [73][74] 财务分析 - 预计 2025 - 2027 年征程芯片销量分别为 420 万片/450 万片/550 万片，收入为 34.3 亿元/54.1 亿元/74.6 亿元，同比增长 43.7%/57.9%/37.9% [79] - 预计综合毛利率在 2025/26 年下降至 67.3%/63.6%，2027 年回升至 64.9%，2025 - 2026 年亏损为 10.7 亿元和 4.9 亿元，2027 年实现盈利 5.4 亿元 [80] - 预测研发费用在 2025 - 2027 年将达到 39.5/45.4/49.9 亿元，销售和管理费用总体开支将增加，但费用率将下降，预计 2027 年实现盈亏平衡 [84][88] 估值 - 采用市销率（P/S）法对报告研究的具体公司进行估值，选取英伟达、ARM、黑芝麻智能和 Mobileye 四家公司作为可比公司，采取 20 倍 P/S 确定目标价为 8.60 港元 [32] 公司背景 - 报告研究的具体公司成立于 2015 年，由余凯博士、黄畅博士及陶斐雯女士与一群科学家及企业家共同创立，已成为乘用车高级辅助驾驶和高阶自动驾驶解决方案的领先供货商 [98] - 介绍了该公司主要发展里程碑及股权架构、管理层背景等信息 [99][100][103] 财务数据 - 展示了报告研究的具体公司 2023 - 2027 年的利润表、资产负债表、现金流量表等财务数据及相关财务比率 [104][105][106]

AI Agent能力衡量标准 - 采用"任务长度"作为衡量AI Agent现实世界能力的核心指标，即人类专业人士完成特定任务所需时间[10] - 2022年ChatGPT发布时仅能完成30秒coding任务，当前已能完成1小时任务[10] - 任务长度与成功率高度相关(R²=0.83)，4分钟以下任务成功率近100%，4小时以上不足10%[12][14] AI Agent能力增长趋势 - 头部模型完成任务长度呈指数增长，平均每7个月翻倍[19] - 2024-2025年加速至每4个月翻倍，若持续则2027年可完成1个月任务[26] - 预测2026年完成2小时任务，2027年8小时，2028年40小时，2029年167小时任务[24] Scaling Law加速原因 - 硬件突破：算力规模提升直接增强模型能力，如GPT-3相比GPT-2实现质的飞跃[32] - 软件进步：包含算法架构/训练方法等，效率改进(算力需求降低)和能力改进(新功能)双驱动[33] - AI能力进步速度超过算力成本下降，新能力涌现是经济价值主要来源[35] 终局猜想：Agent开发Agent - 可能出现ASARA(AI研发自动化系统)，实现AI自主开发AI[35] - ASARA可并行运行数百万副本，认知输出相当于数百万顶尖研究者[35] - 可能触发软件智能爆炸(SIE)，AI进步进入超指数增长阶段[35][49] - 关键取决于软件研发回报率r值，当前估计在1-4之间[51] 潜在瓶颈与突破路径 - 硬件限制可能通过算法效率提升(如笔记本训练GPT-3级模型)或小规模实验外推解决[55] - 长时间训练瓶颈可能通过微调优化、范式转变(如GOFAI)或算法加速突破[58][60] - 在强硬件限制下，r值可能降至0.5-2，但仍可能维持实质性进展[57]