文章核心观点 - 人工智能技术是推动高阶辅助驾驶从“辅助”向“自主”跨越的核心驱动力，并正在重塑汽车产业的技术内核与竞争格局 [2] - AI对高阶辅助驾驶的赋能将沿着技术突破、产业链协同、供应链自主的路径，向更安全、更高效的智能未来演进 [2] AI技术赋能与演进 - 高阶辅助驾驶系统通过深度学习算法与多传感器融合技术，实现对复杂路况的精准感知与快速决策 [3] - 2024年，L2及以上级别辅助驾驶系统已能应对70%以上的结构化道路场景 [3] - 2024年国内新上市车型中，L2及以上级别辅助驾驶系统装备率已达11%，显示其正从高端配置向主流市场普及 [3] - 端到端技术架构基于深度学习，通过多层神经网络将感知规控等模块深度融合，提供高效拟人的驾驶行为输出 [4] - 车企正将大语言模型、VLM及VLA模型应用于高阶辅助驾驶，以提升场景推理能力和性能上限 [4] - AI模型对“长尾场景”的泛化能力不足，在突发极端天气等复杂场景下仍需驾驶员接管 [4] - 短期内，推理大模型上车将成为关键突破口，多模态、高参数量的推理模型将提升系统对复杂场景的处理能力 [5] - 大模型对算力的高要求将造成市场分化，高端车型将搭载完整功能，价格敏感型车型可能仅开放部分高阶功能 [5] - 中长期来看，随着算法安全性、伦理规则及量子计算等技术的成熟，高阶辅助驾驶将逐步逼近全场景自动化 [5] - 预测到2030年，中国轻型车市场超过65%的新车将配备L2级以上的高阶辅助驾驶功能 [5] 产业链协同与变革 - 消费者对智能功能的需求攀升与终端市场价格战，催生了“硬件标准化+软件差异化”的产业协同模式 [6] - 高阶辅助驾驶的硬件标准化可依托传统汽车供应链，而软件层面的开发迭代催生出新型的供应链模式 [6] - 大模型的迭代需要大规模的车端数据训练，用户数据对主机厂和软件供应商具有重要意义 [6] - 软件迭代速率迅速，需要构建用户、主机厂和供应商之间更高效及时的传递链路 [6] - 激光雷达、毫米波雷达等核心传感器通过规模化生产实现成本锐减，例如禾赛、速腾等企业将激光雷达成本较2020年降低70%以上 [7] - 在标准化硬件基础上，主机厂与供应商通过算法迭代打造独特优势，例如融合毫米波雷达数据与视觉图像以提升雨雾天气下的识别准确率 [7] - 产业链从“买卖关系”转向“技术协同”，形成“数据-模型-体验”的正向循环，可降低研发成本并提高技术落地速度 [7] - 在全球贸易摩擦背景下，高阶辅助驾驶供应链的自主可控已成为行业共识，国产替代在芯片、激光雷达等多个关键环节实现突破 [7] - 部分核心部件仍需突破，例如用于高阶辅助驾驶的先进制程芯片的生产依然依赖全球供应链，高精度惯导系统的进口依存度偏高 [8]

股价表现 - 截至2025年8月12日15时，创维数字股价报11.77元，较前一交易日上涨0.17% [1] - 当日成交额1.39亿元，振幅1.45%，换手率1.07% [1] 业务进展 - 公司主营业务涵盖通信设备、物联网等领域，是深成500成分股之一 [1] - 旗下创维汽车智能成功获得广汽集团两款车型的智能座舱中控屏项目定点 [1] 股东结构 - 股东户数连续3期下降，截至8月10日为82189户，较7月31日减少2032户，降幅2.41% [1] - 8月11日两融余额为4.33亿元，较前期减少17.89% [1] 资金流向 - 8月12日主力资金净流出858.55万元 [1] - 近5日累计净流出3704.49万元 [1]

核心观点 - 理想汽车通过自研VLA司机大模型践行长期主义哲学，选择技术难度更高但壁垒更深的路径，而非行业普遍采用的"短平快"端到端方案 [2][4][7] - VLA模型通过强化学习实现机器理解驾驶逻辑的本质突破，目标是达到人类驾驶安全水平的10倍（600万公里/次事故）[9][16] - 公司构建了数据、算法、算力、工程四位一体的技术护城河，包括43亿公里辅助驾驶数据积累和4000万公里仿真测试里程 [18][19][26] - 市场验证显示智能驾驶已成为品牌核心竞争力，30万以上车型AD Max交付占比达75.4%-84.6%，试驾满意度92% [13][15] 技术路线选择 - 行业现状：端到端+VLM架构遭遇性能瓶颈，训练数据超1000万Clips后增长缓慢，实车测试无法覆盖极端场景 [6] - 理想批判：端到端模型被比喻为"猴子开车"，仅模仿行为不具逻辑思维，短期技术≠真正智能 [7][20] - 战略转向：推翻现有架构自研VLA，通过强化学习实现"思维涌现"，理解"为何这样做"而非"能做什么" [7][16][20] VLA技术优势 - 安全性能：当前辅助驾驶事故率350-400万公里/次，目标提升至600万公里/次（人类水平60万公里/次）[9] - 个性化体验：通过Face ID识别家庭成员自动切换驾驶风格，实现"车越开越像主人"的进化能力 [9] - 效率革命：仿真测试单日峰值30万公里，2025年上半年累计超4000万公里，成本仅为实车测试的10% [10][19] 技术攻坚细节 - 数据体系：累计43亿公里辅助驾驶里程，12亿公里有效回传数据，严格筛选"老司机数据"剔除25%不合规行为 [18] - 算法突破：采用CoT思维链实时显示决策逻辑，解决端到端"无脑执行"痛点；Diffusion推理步骤从10步压缩至2步 [20][24] - 算力优化：Thor芯片实现700TOPS有效算力，通过QAT量化训练将参数转为INT8/FP8；32B云端大模型蒸馏至3.2B车端模型 [24] - 工程能力：自研4B MoE混合专家架构，轨迹生成时延仅15毫秒，兼容Orin X和Thor芯片打破"芯片歧视链" [21][24][26] 市场验证与目标 - 用户数据：智能驾驶试驾率72.4%，满意度92%；30万/40万以上车型AD Max交付占比75.4%/84.6% [13] - 阶段目标：2025年底MPI接管里程达400-500km，2026年目标1000km以实现"VLA的ChatGPT时刻" [15] - 技术愿景：VLA架构将延续至机器人时代，比端到端更具长期潜力，符合人类智能发展规律 [34] 价值观与挑战 - 安全原则：即便走错路也不执行危险纠正动作，初期接受功能保守（如地库限速10km/h）换取安全冗余 [28][31][33] - 交互难题：需解决复杂指令的"通识门槛"和权责模糊问题，如闲聊可能误触发操控指令 [30] - 行业质疑：坚持安全优先、有效算力至上、用户共建迭代三大原则应对参数竞赛质疑 [34]

投资评级 - 首次覆盖给予"增持"评级 [5] - 预计2025-2027年归母净利润分别为55 7/84 9/154 5亿美元 对应PE分别为191 0/125 3/68 8 [8] 核心观点 - 特斯拉正从汽车制造商向AI企业转型 近30%新增CapEX投入AI基础设施建设 [8] - 智能驾驶业务(FSD/Robotaxi)是当前最重要的环节 估值逻辑转变为"技术突破→新商业模式→新现金流→提升PE" [8] - 整车销售和储能业务作为现金牛支撑转型 通过平台共享和产线优化深挖潜力 [8] - 机器人业务着眼远期成长 但当前市值计价不充分 [8] 业务转型分析 智能化转型 - 2Q24起股价与汽车交付量出现背离 显示市场认知从整车制造向AI公司转变 [8] - AI基础设施固定资产达61 7亿美元 占季度CapEX的29% [8][44] - 形成Cortex数据中心和Dojo超算等AI成果 训练算力达等效12万张H100 GPU [45][48] 智能驾驶业务 - FSD累计行驶里程达45亿英里 事故间隔里程669万英里显著优于人类 [62][64] - 软件架构完成v12端到端转型 正向无监督版升级 已在北美全量推送 [78][89][93] - 商业模式包括FSD订阅(北美8000美元买断/99美元月费)、Robotaxi和软件授权 [104][107] 传统业务调整 - 全球汽车产能连续8个季度维持在235万辆 无新增工厂投资 [49][52] - 车型平台收敛 取消Cybercab共平台廉价车转为与Model Y共享平台 [8] - 储能业务毛利率超30% 成为重要利润来源 [8] 财务预测 - 预计2025-2027年营收分别为990 2/1294 9/1614 8亿美元 增速+1 4%/+30 8%/+24 7% [8] - 同期归母净利润增速-21 5%/+52 5%/+82 0% [8] - 当前PE-ttm达167 5 显著高于传统车企15倍上限 [32][34] 行业影响 - 特斯拉突破传统车企估值范式 带动新势力采用PS估值方式 [33][37] - 技术路线引领行业 国产车企跟进端到端架构和硬件降本趋势 [75][96] - 开创"软件定义汽车"新模式 智驾系统渗透率持续提升 [100][104]

行业趋势 - 智能汽车行业中长期维度关注自主崛起和电动智能趋势下增量零部件机遇 [1] - 电动智能化背景下自主品牌车企全球地位提升 主要包括传统车企积极转型 新势力品牌及科技企业转型车企三类企业 [1] - 2025年预计更多搭载激光雷达 域控制器 具备L2+级别车型量产 L3高阶智能驾驶进入元年时刻 [1] - 增量零部件围绕数据流（传感器 域控制器等）和能源流（动力电池 电驱动系统等）两条主线发展 [1] - 行业总量从成长期向成熟期过渡 预计未来20年维持2%年化复合增速 [1] - 2025年新能源车型销量有望超1550万辆 同比增长超25% [1] 产品特征 - 智能汽车ETF（159889）跟踪CS智汽车指数（930721）[1] - 指数从沪深市场选取涉及智能驾驶 车联网等相关技术与服务的上市公司证券作为样本 [1] - 指数成分股主要覆盖信息技术和先进制造业 具有较高科技含量和成长潜力 [1] - 指数能够有效表征智能汽车产业链核心环节发展状况 [1]

展会概况 - 第三届中国国际供应链促进博览会于16日在北京开幕[1] - 展会设置六大链条包括先进制造链、智能汽车链、绿色农业链以及一个供应链服务展区[1] - 展会展现全球产业链供应链合作最新成果和经验[1] 展示内容 - 智能汽车链作为重点展示链条之一[1] - 记者现场体验"创业造车"寻找适合的供应链产品[1] - 供应链服务展区提供配套服务支持[1]

链博会概况 - 第三届中国国际供应链促进博览会于7月16日开幕 吸引1200家国内外企业参展 [1] - 链博会国际化水平更高 链式逻辑更清晰 创新引领更突出 [1] - 设置先进制造链 清洁能源链 智能汽车链 数字科技链 健康生活链 绿色农业链六大展区 [1] 参展企业与合作 - 空客 英伟达 施耐德等行业巨头首次参展 展示产供链融合互补成果 [2] - 医疗 健康 餐饮 化妆品等行业全球头部企业带来最新产品和服务 [2] - 英伟达CEO黄仁勋表示链博会规模大 体现中国对创新的支持 [2] 全球供应链发展历程 - 全球供应链管理概念于1982年由英国分析师提出 [2] - 1970年以来全球GDP总量增长三倍以上 贸易占GDP比重翻番 [2] - 形成"你中有我 我中有你"的产业分工格局 [2] 供应链面临的挑战 - 单边主义和地缘政治导致全球产供链稳定受威胁 [3] - 部分国家"脱钩断链"导致产供链碎片化风险上升 [3] - 制造业企业从"效率优先"转向"韧性优先"策略 [3] 新能源汽车产业链 - 新能源汽车发展拓宽产业链上下游领域 [3] - 催生基于新质生产力的超长产业链条 [3] - 通过智能汽车零部件规模化应用赋能低空出行和人形机器人产业 [3] 中国的供应链地位 - 中国制造业增加值占全球比重近30% [4] - 中国是全球唯一拥有联合国产业分类全部门类的国家 [4] - 2024年高技术制造业实际使用外资占中国实际使用外资的11.7% [4] 中国对外开放政策 - 中国坚持高水平对外开放 建设开放的产业链供应链 [4] - 以超大市场规模和高效创新能力为全球企业提供投资空间 [4] - 持续打造开放 稳定 友善的投资营商环境 [4]

产业链供应链安全与关键核心技术发展 - 中国经济安全全面加强 产业链供应链安全稳定保障能力不断增强 [1] - 关键核心技术攻关在5G、基础软件、工业母机、新能源汽车和智能汽车、可再生能源发展等领域加快步伐 [1] - 关键核心技术是实现经济发展动力转换、构建新发展格局的重要战略支撑 必须依靠自主创新 [1] 科技创新与资本市场赋能 - 科创板上市公司高度集中于高新技术产业和战略性新兴产业 特别是在"硬科技"领域实现创新链、产业链、人才链、政策链、资金链深度融合 [1] - 创业板在2021年实现上市公司业绩高增长 电子、生物医药、新能源等板块集聚效应显著 新能源板块汇集了上游锂电资源、中游电池研发及下游汽车制造全产业链领军企业 [2] - 北交所上市公司创新驱动作用增强 2021年研发支出合计30.4亿元 研发强度达4.7% 是规上企业平均水平的3.3倍 [2] 资本市场支持机制与发展方向 - 资本市场通过支持相关企业融资解决资金问题 提高企业扩大关键核心技术研发投入的积极性 [2] - 通过资本搭桥引导创投机构在重要产业创新领域发力 提供更多稳定、高效的资金支持 [2] - 标杆性企业初步形成聚集效应 主阵地作用持续有效发挥 [2]

乘用车市场 - 7月乘用车批发2221万辆，同比增长130%，环比下降108% [1] - 7月乘用车零售1826万辆，同比增长63%，环比下降124% [1] - 乘联会上调2025年乘用车零售预期至2435万辆，同比增长6% [1][2] - 相关标的包括比亚迪、吉利汽车、小鹏汽车、理想汽车、长安汽车、零跑汽车 [3] 新能源汽车 - 7月新能源乘用车批发1181万辆，同比增长244%，环比下降48% [1] - 新能源渗透率达532%，同比提升50个百分点 [1] - 2025年新能源乘用车批发预期上调至1548万辆，同比增长27%，渗透率预计达56% [2] - 第三批补贴资金下达及8月改款新车上市有望推动渗透率进一步提升 [3] - 相关标的包括比亚迪、吉利汽车、新泉股份、星宇股份、多利科技等 [3] 智能汽车 - 2025H1国内乘用车激光雷达前装搭载交付量达10439万颗，同比增长8314% [3] - 建议关注Robotaxi/Robovan场景应用落地的优质公司及配套产业链 [2] - 相关标的包括小鹏汽车、理想汽车、禾赛科技、速腾聚创、德赛西威等 [3][4] 重卡市场 - 7月重卡批发销量约83万辆，环比下降15%，同比增长42% [4] - 7月新能源重卡终端销量超15万辆，同比增长超12倍，渗透率超26% [4] - 液化天然气价格同比下跌67%，汽柴比为06，油气价差拉大或提振燃气重卡需求 [4] - 相关标的包括潍柴动力、中国重汽、福田汽车 [4] 机器人产业 - 北京亦庄启动具身智能社会实验计划，开放近千个真实场景数据采集点位 [5] - 全行业人形机器人出货量预计每年翻一番 [2] - 相关标的包括拓普集团、三花智控、爱柯迪、中鼎股份等 [5] 两轮车板块 - 建议关注电两轮头部品牌及智能化快速推进的企业 [2] - 大排量出海具有性价比优势的摩托车企业值得关注 [2]

核心观点 - 宇树科技CEO王兴兴认为具身智能AI模型是未来2-5年核心发展方向，质疑当前VLA模型架构的实用性，并提出视频生成模型和端到端模型作为替代方向 [1][3][10][13] - 行业技术瓶颈在于模型架构不完善、数据利用不足及RL缩放定律缺失，而非硬件性能限制 [4][6][8][12] - 未来需聚焦端到端模型、低成本硬件批量制造及分布式算力网络三大方向 [16] 技术瓶颈分析 - 当前机器人硬件（包括灵巧手和整机）已基本满足需求，核心瓶颈在于具身智能AI大模型未成熟 [4] - 行业过度关注数据而忽视模型架构问题，导致模型缺乏统一性、泛用性且数据利用不充分 [6][8] - VLA模型被评价为"相对傻瓜式的架构"，对数据质量依赖过高且适应性不足，VLA+RL组合优化效果有限 [10] - RL缩放定律缺失导致机器人学习新任务需从零开始训练，训练效率低下，理想状态应基于旧有基础快速学习新技能 [12] 新兴技术方向 - 视频生成模型路线比VLA模型更具潜力，可通过生成动作序列视频直接指导实体机器人执行指令 [13] - 当前视频生成模型存在GPU消耗过高问题，机器人应用无需高精度视频，需解决能耗与实用性的矛盾 [15] 未来技术重心 - 需研发统一端到端智能机器人大模型，实现基于既有训练基础快速学习新技能 [16] - 硬件需实现低成本、高寿命及超大批量制造以支撑数百万/千万台量级应用 [16] - 构建分布式算力网络（如工厂服务器集群或区域算力集群），解决机器人本体峰值功耗仅100瓦的算力限制 [16] 行业应用预期 - 当机器人具备大规模作业能力时，可能通过创造价值直接缴税实现"免费"状态，该进程预计2-10年内实现 [17] - 当前智能汽车行业普遍采用VLA+RL或世界模型路线，与具身智能开发逻辑存在差异，技术路线需实战验证 [17]