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]

ChatGPT的技术突破与行业影响 - ChatGPT成为历史上最快突破1亿用户的科技应用，两个月内实现这一里程碑 [3] - ChatGPT基于GPT-3.5优化，语言能力显著超越GPT-3，首次通过图灵测试 [1][4] - 生成式AI领域出现技术质变，ChatGPT标志着AI从垂直工具向通用智能体的跃升 [4][6] 大模型驱动的IT行业结构重塑 - 新IT架构分为四层：算力基石层、IaaS层、基础模型层(MaaS)、垂直模型层(VFM)+SaaS层 [9] - 垂直基础模型层和SaaS层是创新风口，边缘计算领域存在大量机会 [11] - 企业可通过精调训练(Fine Tuning)和提示工程(Prompt Engineering)降低开发成本 [12] 中国AI产业的发展机遇 - 中文大模型需多语种训练数据，非中文数据不会成为瓶颈 [15][16] - 国内技术差距集中在高端芯片、算法系统和平台级技术，但追赶潜力大 [17] - 垂直领域(如医疗、边缘智能)是主要机会点，"百模大战"加速市场活力 [18][19] AI大模型的五大发展方向 - 多模态智能：整合文字、图像、视频、生物信息等跨模态数据 [32] - 边缘智能：部署轻量化模型到终端设备，实现低延时处理 [33] - 物理智能与生物智能：推动自动驾驶、机器人及医疗领域突破 [33] 生成式AI的未来技术路线 - 基础大模型+垂直模型+边缘模型构成技术底座，生态规模将超移动互联网10倍 [34] - 统一标识(Tokenisation)和规模定律(Scaling Law)是核心要素 [34] - 5年内可能在Transformer等主流框架外出现颠覆性新技术 [34][35]

组织建设 - 扬州经开区采用"单建+联建""行业+区域"模式完善新兴领域组织体系，选派131名党建指导员下沉企业[1] - 成立6个产业链综合党委构建"综合党委统筹引领、企业支部协同落实"的党建工作格局[1] - 采用区域性联合党支部形式吸纳商圈楼宇、工业园区小微企业，近三年累计成立新兴领域党组织39个[1] - 通过"五个一批"行动解决流动党员管理问题，三年发展新兴领域党员245人占全区党员发展比例的66.6%[1] 企业服务 - 选派32名"红领专员"和18名"项目书记"开展"四送四问"行动，三年收集问题需求531个[2] - 组团开展服务活动238次，解决融资困难、技术瓶颈、人才短缺等实际问题[2] - 组建3支"红盟聚力"先锋队开展免费体检、爱心暑托、技能培训等微实事[2] - 建成57个"开新驿家"服务驿站及晶澳智慧空间、宝龙商圈等特色阵地[2] 产业协同 - 推动党员人才"揭榜挂帅"示范项目20余项，设置党员示范岗等载体289个[3] - 打造碳中和技术创新研究中心等3个共享协作平台和5个校地企合作平台[3] - 促成产学研、金融投资等合作项目107项，形成资源共享生态圈[3] - 引导155名新兴领域群体参与社区治理，实现"新新"群体与基层治理联动[3]