行业转型趋势 - 存储产业正从周期驱动转向结构性增长 由AI大模型 海量数据与边缘智能加速落地推动[4] - 全球存储市场从容量扩张向更高性能 更高能效与系统协同跃迁 新一代内存与闪存产品快速演进[4] - 2025年H1全球半导体市场规模达3460亿美元 同比增长18.9% 其中半导体存储增长20%[4] 技术发展动向 - 存储技术趋势聚焦CXL Chiplet 近存计算等新型架构 加速从单点优化迈向系统协同[9] - AI应用创新覆盖AI服务器 AI手机 AIPC 智能汽车等前沿场景的存储创新需求[10] - 产业链协同涉及原厂 主控 解决方案厂商 封测 材料与设备企业共建技术市场双引擎[11] 生态与市场格局 - 全球生态联动需重塑供应链本地化 标准共建与跨境协作新范式[12] - 2025年第三季度存储产品价格持续上扬 企业级SSD和高速内存等高附加值品类涨势显著[4] - GMIF2025峰会将于9月24-25日在深圳举办 聚焦AI技术驱动下的存储突破与生态共建[6] 产业平台价值 - GMIF峰会具备交流 展示 合作 传播功能 是展示技术成果和拓展上下游合作的最佳窗口[21] - 对产业人士是把握趋势 链接资源的重要场域 对投资机构是预判行业拐点的信号源[21] - 对媒体与学界是掌握一手资讯 影响产业话语权的核心阵地[22]

财务表现 - 集团收益人民币4.07亿元 同比增长10.03% [1] - 净利润1492.3万元 同比增长18.97% [1] - 每股盈利0.03元 [1] 战略方向 - 业务重心从边缘计算基础设施扩展至场景化边缘计算应用及行业深度融合 [1] - 强化边缘云+AI服务核心策略 顺应边缘计算与AI融合行业趋势 [1] - 构建覆盖中国超2000个区县的十公里低时延算力服务圈 [1] - 战略重点为扎根算力网络并深耕智能场景 向政府交通教育等领域提供边缘AI解决方案 [1] 技术布局 - 构建全面技术栈 涵盖模型即服务层多元化模型能力及软件即服务层行业场景深度融合 [1] - 算力调度平台 模型微调平台及AI大模型应用构成核心技术体系 [1] - 开发异构算力自适应管理系统 IDC机房监控预警系统及能耗优化系统 [3] - 推进AI大模型生产环境部署方法 微调方法及数据集生成方法研究 [3] 产品与服务 - EdgeAIStation服务完成多款主流AI模型算力平台适配 [2] - 灵境云大模型私有化部署解决方案提供AI模型 应用平台及算力集群私有化部署 [2] - 算力调度解决方案支持GPU NPU FPGA等多元算力资源管理 具备镜像快照功能 [2] - 实时视频流智能分析技术利用计算机视觉模型分析监控视频 [3] - 推进云边协同智能物联网系统开发 [3] 市场认可与合作 - 与机器人产业联盟 知名大学及行业领先企业开展合作 [3] - 连续三年获评中国边缘计算企业20强 [3] - 入选2025政务行业信创生态图谱 [3] - 边缘智能巡检V2.0获得鲲鹏原生开发技术认证 [3]

行业活动规模 - 中国计算机学会主办2025中国数字服务大会 参会人数突破1000人[1] - 大会设置多元板块包含特邀报告 常规论坛 学术论坛 教育论坛和创新竞赛[1] - 收到论文投稿116篇 录用49篇 展示数字服务领域最新研究成果[1] 前沿技术议题 - 涵盖智能无人系统 农业大模型 生物医药AI 量子计算等前沿领域[1] - 涉及低空经济 边缘智能 车路云一体化 云原生服务治理等产业热点[1] - 呈现超过100场学术报告 包含低空经济教育论坛创新设置[1] 产学研协同 - 联合烟台大学 哈尔滨工业大学(威海)等高校共同承办[1] - 创新设立山东计算机学院院长论坛助力地方院校学科建设[1] - 设置保研/考研之夜环节关怀学生成长发展[1]

财务表现 - 2025年上半年实现营业收入17.47亿元，同比增长10.55% [1] - 扣非归母净利润5217万元，同比增长47.33% [1] - 创新业务销售收入达3.68亿元，同比增长8.96%，占总营收比重21.07% [1] 业务板块 - 金融科技业务收入8.90亿元，同比增长6.06% [1] - 智能物联业务收入6.06亿元，同比增长23.85% [1] - 智慧能源信息化收入2亿元，同比增长4.65% [1] 战略定位 - 公司为面向物联网、边缘智能、数据治理及人工智能应用的专业服务商 [1] - 三大传统业务领域为金融科技、智能物联与智慧能源 [1] - 创新业务包括鸿蒙、欧拉及人工智能平台，并与华为生态合作 [1]

行业概况 - 2025世界机器人大会在北京开幕，主题为"让机器人更智慧，让具身体更智能"，展示200余家企业的1500余件产品，其中首发新品100余款，数量是去年的近两倍[1] - 中国智能服务机器人市场规模从2018年的193亿元增长至2022年的516亿元，复合年增长率达27.9%[1] - 人形机器人领域加速发展，特斯拉上调2025年Optimus机器人量产预期至最高1万台，摩根大通预计人形机器人潜在市场规模可达约50亿台[2] 技术进展 - AI与机器人深度融合，科大讯飞展示基于大模型的"机器人大脑"平台，融合语音识别、合成、翻译等多模态技术，解决多人交互环境下的语音识别干扰问题[3] - 智平方展示AlphaBot系列机器人，具备34个以上自由度，单臂可承受10公斤负载，能完成物流分拣、饮品制作等复杂任务[3] - 边缘智能技术兴起，英伟达发布多款软硬件产品，包括GROOTN1人形机器人基础模型和JetsonThor平台，银河通用展出搭载JetsonThor芯片的Galbot机器人[4] 应用场景 - 优必选展示人形机器人、无人物流车和生产线协同作业，通过"群脑网络2.0"技术实现多机协作，提升物料入库、搬运和分拣效率[5] - 优必选工业人形机器人已在汽车厂完成第一阶段实训，提升关节稳定性、电池续航、定位导航等核心技术，适配分拣、车辆组装等复杂工作[8] - 宇树科技和加速进化公司分别展示机器人格斗和足球表演，体现娱乐性和对抗性，吸引大量观众关注[7] 商业化挑战 - 人形机器人面临"一高五难"问题，包括门槛高、软件算法难、软硬解耦难、知识积累难、人才聚集难、安全应用难[7] - 技术成熟度不足，简单如"倒水"操作需涉及定位、语义理解、感知和控制等多技术协同，商业化落地仍处早期阶段[8] - 价格限制普及，宇树科技UnitreeR1售价3.99万元起，虽较此前降低但仍高于消费者心理预期，需产业链协同降低成本[8][9]

工业机器人出口增长 - 2025年上半年我国工业机器人出口同比增长61.5%，市场份额跃居全球第二 [1] - 烹调、清洁、送餐、娱乐等智能机器人加速融入全球消费场景 [1] - 行业趋势显示机器人技术正重构服务业劳动力结构，并向"创造新需求"转型 [1] 人形机器人跨界合作 - 北京人形机器人创新中心与李宁合作成立全国首个人形机器人运动科学联合实验室 [2] - 体育与机器人科技的融合标志着工业机器人向生活化、高精度应用拓展 [2] - 技术落地可能催生康复医疗或赛事服务等新产业蓝海 [2] 鸿博股份业绩扭亏为盈 - 2025年上半年公司预计净利润2980万元至4420万元，上年同期亏损3956.40万元 [3] - 扭亏主要因全资子公司北京英博数科算力项目验收完成带动营收大幅增长 [3] - 算力项目成功印证人工智能基础设施需求爆发，反映行业加速布局云端计算与边缘智能的趋势 [3]

业绩表现 - 2025年上半年预计营业收入同比增长74 63%至93 01%，达38亿元至42亿元 [1] - 2025年上半年预计归母净利润亏损8000万元至1 2亿元，去年同期盈利3 88亿元 [1] - 2025年一季度营业收入同比增长54 41%，归母净利润亏损6909万元 [3] - 2024年营业总收入47 73亿元，同比增长168 74%，归母净利润3 51亿元，同比增长约13倍 [3] 业务发展 - 从单一产品供应向"硬件+技术+供应链"一体化服务升级 [2] - 企业级存储和嵌入式存储业务实现快速突破，规模显著增长 [1][2] - 已进入头部互联网厂商及服务器厂商供应商体系，部分产品通过客户验证 [3] - 嵌入式存储成功导入知名手机厂商和智能终端品牌供应链 [3] - 工规级产品矩阵加速完善，全系列工业级存储解决方案完成技术验证，计划年内上市 [3] 市场与行业 - 存储芯片市场供需结构改善，价格企稳回升 [1][2] - 数据中心需求增长推动行业复苏 [1] - 二季度营业收入预计25 48亿元至29 48亿元，同比增86 67%，环比增103 51% [2] - 聚焦AI服务器、数据中心、智能终端、工业控制等新兴领域 [2] 研发与投入 - 2025年上半年研发费用约1 3亿元，同比增50% [1] - 持续加大研发投入强化技术自主可控能力 [2] - 采用"自研主控+第三方主控"相结合模式 [2] - 实施股权激励计划，股份支付费用约2490 94万元 [1] 战略规划 - 优化产品结构，强化供应链管理与成本控制 [2] - 深化在AI、边缘智能等领域的技术适配与市场拓展 [2] - 计划实现全系列工业级产品上市，布局边缘智能机遇 [2]

全球AI科研发展趋势 - 中国AI论文引用量占全球40.2%，快速追赶美国（42.9%）[1][8] - 全球AI期刊论文数量十年激增近三倍，从30.89万篇增至95.45万篇，年均增长率14%[7] - 科学智能（AI4S）占比提升6个百分点，2020年后年均增长率从10%跃升至19%[7] 科学智能（AI4S）领域进展 - 报告覆盖7大科研领域、28个方向、近90个科学智能前沿问题及突破路径[1] - 大语言模型（LLMs）成为物质科学、生命科学等领域的通用科研工具[4] - 强化学习在工程控制、数学证明及物理模拟等复杂场景占主导地位[4] - 计算机视觉技术在生命科学和地球环境领域渗透显著[4] 国别科研表现对比 - 中国AI出版物总量从2015年6.01万篇增至2024年30.04万篇，占全球29%[7] - 印度AI出版物从2015年1.82万篇增至2024年8.51万篇，几乎与美国（8.57万篇）齐平[7] - 中国在专利、政策及临床试验中AI引用量占比达41.6%，全球领先[8] 细分领域竞争格局 - 中国在地球环境科学和工程交叉领域具有先发优势[9] - 欧盟与美国在AI与生命科学交叉领域保持优势，中国位居第三[9] - 印度在地球环境、工程和人文社科领域居全球第三[9] - 中美合作AI出版物2024年达1.22万篇，为2015年两倍[9] 科研影响力动态 - 美国高质量AI论文引用量2020年达30.22万次，保持领先[8] - 中国高质量AI论文引用量从2015年1.03万次跃升至2020年14.48万次[8] - 中国在AI应用型创新领域从"跟随者"转变为"引领者"[8]

核心观点 - 触觉技术是机器人迈向"类人化"的关键瓶颈，公司通过"感控一体"触觉技术重新定义机器人执行任务的边界 [1] - 触觉技术的核心价值在于将数据转化为精准动作指令，实现从感知到与客观世界交互的闭环执行 [1][2] - 公司技术已实现商业化落地，在酒店服务和汽车工业等场景中解决"最后一厘米"的痛点 [8][9] - 边缘端芯片与多传感器协同架构是公司的技术护城河，显著降低算力需求和功耗 [11][12][13] - 公司采取"工业验证技术、服务打开规模"的双轨渗透战略，预计2025年触觉传感器出货量同比增长10倍以上 [15] 触觉技术的范式突破 - 传统触觉技术停留在"感知即终点"阶段，而公司提出触觉的核心价值在于闭环执行 [1] - "感控一体"架构将触觉感知与执行控制深度融合，例如灵巧手能动态调整抓握力度并模拟人类"轻轻放下"的动作 [4] - 边缘端自主决策能力将操作成功率从"偶然"推向"必然"，例如抓取物体时实时调整力度使成功率接近100% [5] 技术商业化落地 - 在酒店场景中，公司技术使机器人能精准抓取形态多变的衣物并完成打包搬运，解决自助洗衣房"空占率高"难题 [8] - 在汽车生产线中，多指协同触觉技术将精密零部件抓取的破损率降至极低水平，满足工业场景对极致成功率的要求 [9] - 技术突破传统视觉方案的局限，例如通过触觉力反馈精准判断网线插拔状态，解决视觉难以捕捉微小形变的问题 [11] 边缘端技术创新 - 自主研发数模混合AI触感芯片，将信号处理与计算集成在指尖单元，实现数据处理"本地化" [12] - "边缘-中心"协同架构支持多通道同步工作，使系统响应速度提升同时功耗降低 [12] - 分布式行权网络算法实现多芯片协同，例如18自由度灵巧手的各传感器实时交换数据共同决策最佳握持方案 [12] - 去中心化架构使系统算力需求降低90%，为低成本低功耗机器人普及奠定基础 [13] 市场战略布局 - 采取"工业验证技术、服务打开规模"的双轨渗透策略 [15] - 触觉传感器已应用于汽车工业的尾门交替传感器、隐藏式门把手等场景 [15] - 2025年触觉传感器出货量预计同比增长10倍以上，覆盖灵巧手、机械臂、人形机器人等多领域 [15] - 合作伙伴包括因时、强脑、灵心巧手、云迹等产业链头部企业 [15] 技术未来展望 - 触觉技术将成为机器人连接物理与数字世界的第二感官，使其从执行工具进化为自主决策智能体 [18] - 技术突破需要算法模型、材料科学与跨学科生态的全面进化 [16] - 在细分领域做到极致有望撬动万亿级市场，开启机器人"触摸"并理解世界的新时代 [19]

AI从云端向终端迁移的趋势 - AI正快速从数据中心向边缘设备迁移，MCU因其低功耗和可定制性优势成为终端AI的关键载体[1] - 边缘AI需求驱动市场增长：Gartner预测AI芯片市场规模将从2019年120亿美元增至2024年430亿美元，边缘AI是重要驱动力[2] - 终端设备需要本地化AI决策能力以解决云端处理的延迟、隐私和网络稳定性问题[2] MCU行业技术转型 - 硬件集成NPU成为主流：MCU厂商从软件工具包支持转向硬件集成NPU，彻底释放AI潜力[1][2] - 技术挑战突破：传统MCU受限于功耗/算力/内存，新型AI MCU需平衡性能与能耗，如ST的Neural-ART加速器实现3 TOPS/W能效[6] - 架构创新：混合CPU+NPU架构逐渐替代传统方案，如NXP的eIQ Neutron NPU支持CNN/RNN/Transformer等多元模型[11][13] 国际MCU巨头技术布局 STMicroelectronics - 自研NPU领先：STM32N6搭载Neural-ART加速器，支持600 GOPS算力，兼容TensorFlow Lite等主流框架[5][6] - 高性能配置：800MHz Cortex-M55内核、4.2MB RAM、H.264编码器，瞄准高性能边缘AI应用[5][7][8] NXP - 双线战略：汽车与消费电子并重，eIQ Neutron NPU在i.MX RT700跨界MCU实现172倍加速，S32K5汽车MCU集成MRAM+NPU[10][14] - 全栈支持：eIQ软件新增NPU支持，覆盖CNN/RNN/Transformer等模型[17] 其他国际厂商 - 英飞凌采用Arm Ethos-U55方案，降低开发门槛但差异化有限[18][19] - TI聚焦工业实时控制，TMS320F28P55x系列NPU提升故障检测准确率至99%以上[20] - 瑞萨通过Cortex-M85+Helium技术实现无NPU的AI优化，降低成本复杂度[22] - 芯科科技专注IoT能效，xG26系列矩阵矢量加速器实现8倍速提升、1/6功耗[23][24] 国内MCU厂商进展 - 国芯科技推出首款RISC-V架构AI芯片CCR4001S，集成0.3 TOPS NPU，支持工业级应用[26] - 兆易创新GD32G5系列通过DSP/FPU加速AI算法，未来将强化硬件AI能力[27] - 澎湃微集成TinyML与电机控制，实现智能家电等场景的本地化推理[27] 行业未来趋势 - AI成为MCU标配能力：从增值功能转向内置核心模块，无AI引擎的MCU将失去竞争力[28][29] - 生态体系决定成败：模型转换工具、推理框架等软硬件配套是长期竞争关键[29] - 场景分化明显：消费电子重成本、汽车工业重可靠性、IoT重低功耗，推动技术路线多元化[29] - 产业变革加速：混合CPU+NPU架构将重塑供应链和IP授权模式[29][30]