行业与公司 * 本次电话会议纪要涉及**具身智能（机器人、自动驾驶等）、保险、公募基金**三个行业[1] * 具身智能行业讨论基于摩根士丹利全球团队发布的近700页大型报告[3] * 保险行业讨论聚焦于**中国平安**的深度报告[30] * 公募基金行业讨论为行业展望[48] 具身智能行业核心观点与论据 * **市场空间巨大**：预计到2050年，全球具身智能市场规模将达到**25万亿美元**，较2025年约**1000亿美元**的市场增长**250倍**[7] * **细分市场构成**：在25万亿美元的总市场中，预计**人形机器人**占**7.5万亿美元**，**无人驾驶汽车**占**5.6万亿美元**，**服务机器人**占**5万亿美元**，**飞行器/无人机**占**4.7万亿美元**，其他非人形机器人占**2.2万亿美元**[7] * **核心零部件增长潜力**：报告框算了关键零部件的市场增长倍数，包括**视觉相机（95倍）、雷达（300倍）、激光雷达（300倍）、电机（260倍）、轴承（200倍）、减速器（590倍）、模拟半导体（210倍）、端侧算力（4万倍）、稀土永磁（480倍）、电池（1400倍）**[9] * **人形机器人市场预测**： * **全球**：2050年市场规模预期从今年4月报告的5万亿美元上调至7.5万亿美元，主要因单机价值预测提升[10] * **美国**：预计单价较高（目前约18万美元，2050年约7.5万美元），2026年需求量约**5000台**[11] * **中国**：预计2026年销量约**1.5万台**，较2025年约**7000台**实现翻倍增长，但预测比市场共识更谨慎[12]；长期乐观，预计2050年中国年销量达**5000万台**，保有量达**3亿台**，占全球需求量30%-40%[14]；全球2050年保有量预计突破**10亿台**，年需求量达**2亿台**[15] * **市场调研反馈（AlphaWise报告）**： * **测试意愿高**：目前仅10%的企业在测试人形机器人，但预计到2027年测试比例将提升至62%[16] * **产品要求**：企业端反馈产品尚不成熟，需求集中在**人机协作、系统协同、机器人功能及自主学习能力**[16] * **应用场景**：企业视其为生产工具，期望在**垂直应用场景**做好特定工作，产生合理投资回报[16] * **价格敏感**：约92%的企业认为人形机器人价格不应超过**20万元人民币**，其中50%认为应在**10万元人民币**以下[17] * **自动驾驶（汽车板块）展望**： * **全球市场**：预计L4/L5级自动驾驶汽车保有量将从2030年的约**300万辆**飙升至2050年的近**7亿辆**[20] * **中国市场领先**：预计2030年中国L4级自动驾驶汽车保有量达**150万辆**，远超同期美国（100万辆）和欧洲（10万辆）总和，占全球一半以上[21]；预计2050年中国保有量将超过**1.65亿辆**，占全球约四分之一[22] * **发展现状**：截至2025年10月，中国自动驾驶测试总里程已突破**1万公里**，多地开展无人出租车常态化运营[23] * **2026年焦点**：行业焦点从“能不能跑”转向“能不能挣钱”，关注L4无人出租车能否在机动车平台实现落地运营以突破成本关[23] * **全球竞争驱动**：美国团队预计2026年是L4出租车拐点，2025-2032年间自动驾驶里程将增长**140倍**至**10060亿英里**，占网约车总里程三成，可能反向推动中国加速发展[24] * **低空经济展望**： * 中国电动垂直起降飞行器（eVTOL）已获海外订单（如中东地区数百架），国内跨海航线试飞成功[26] * 大疆无人机全球保有量超过**30万台**[26] * 预计到2030年，中国将成为全球首个实现eVTOL规模化商业运营的国家，并供应全球**60%以上**的专业级无人机[27] * **中国供应链优势**：在物理AI革命中，中国市场正从技术应用腹地转向创新源头，优势体现在**数据优势（庞大单一应用市场）、制造优势（完整敏捷的供应链网络）、政策优势（国家战略高效协同）** 三个方面[29] 保险行业（中国平安）核心观点与论据 * **看好三大市场机遇**：报告指出中国平安受益于**居民财富持续增长**（预计2024-2030年复合增速8%）、**养老需求上升**（未来十年约3亿婴儿潮人群退休）、**医疗需求上升**[31][33] * **公司优势**：寿险质量高，综合金融全面覆盖，并正大力进入医疗和养老领域[33] * **股价与表现**：2024-2025年，平安H股股价从30多涨至近60，涨幅约**60%-70%**，跑赢大盘，但同期其他中国保险公司涨幅达**1-2倍**[34] * **回应市场担忧（地产风险）**： * **风险处置周期**：自2021年处理华夏幸福等项目风险，预计到2027年基本结束，为时6-7年[37] * **亏损收窄**：资管板块2023年亏损**207亿元**，2024年收窄至约**120亿元**，预计2025-2026年持续收窄，2027年实现利润转正[37] * **敞口下降与结构优化**：保险板块地产敞口下降，投资由股债转向以成本计价的实物不动产（商场、写字楼、物流园等），租金收益率良好[38] * **房价影响**：预计房价下跌速度将在2026-2027年逐步趋缓，结合风险敞口下降，公司受影响可控[39] * **其他担忧的回应**： * **科技与AI**：陆金所业务调整，汽车之家已出售，金融壹账通私有化完成；公司在国内AI应用领先，投入大、数据积累深、场景应用广[40] * **资本与偿付能力**：偿付能力充裕，监管呵护（如新政策对持有特定成分股给予**10%** 资本折扣），公司可通过永续债等方式维持资本，有能力维持持续增长的每股股息和股东回报[40][41] * **利率与利差损**：预计市场对利差损的担忧将在2026年进一步缓解，公司资产负债表有韧性[42] * **未来催化剂**： * **2026年开门红**：预计行业及平安将有强劲增长[42] * **险资入市**：2026年一季度是险资入市高峰，平安是潜在选择[43] * **利率回升**：若2026年利率有回升态势，保险板块将受益[43] * **业绩改善**：2026年3月年报将展示资管板块全年改善；一季报和中报将呈现寿险高质增长；未来2-3年新业务价值增速预计超**20%**；寿险合同服务边际余额将恢复正增长；营运ROE将逐步回到**14%-15%** 水平[44] * **估值视角**：除传统的PB和PEV外，可关注PE估值，因公司**80%** 利润来自零售业务，未来养老、医疗收入属轻资本高ROE业务，对ROE **14%-15%** 的成长型公司，在资本成本**10%** 以内时可给双位数PE[45] 公募基金行业核心观点与论据 * **行业规模与地位**：公募基金是国内第二大资产管理产品，AUM已超**38万亿元**；算上专户及管理养老金，基金公司管理总规模超**47万亿元**，是最大资产管理渠道[48] * **近年挑战**：2021-2024年，行业AUM上升**28%**，但估算行业总收入下降**28%**，反映粗放销售驱动模式（高换手率、持有期短、成本上升、投教简化）的问题[49][50][51] * **费率结构改善**： * 经过三年调整、降费及监管改革，行业费率结构更健康，管理人与投资人利益更协调[52] * 销售渠道收入中与销量挂钩的占比，已从2021年的**70%多**降至2024年的**35%**[53] * 监管未调整尾佣分成比例，以维持与规模和持有期挂钩的收入对渠道的激励[54] * **未来增长驱动力**： * **居民金融资产增加**：中国人均GDP是美国的**1/6**，但人均家庭金融资产仅为美国的**1/12**，财富积累空间大，是资管行业最大机会[56] * **公募基金附加值**：专业的股票投资能力（市场化环境培养）、普适性（投资门槛低），目前基民约**8亿**，远高于股民（约2亿多）[57][58][59] * **周期性反弹**：居民金融资产中权益（直接+间接）占比从2021年**13.3%** 降至2024年**9.3%**，已见底；持有基金中权益占比从2021年**38%** 降至2024年**24%**，2025年中反弹至**25%**[59] * **行业收入展望**：预计2025-2026年行业总收入保持低个位数增长，2027年起增速回到**10%** 左右，与AUM增速一致[60] * **对参与方的影响与判断**： * **财富管理机构（销售渠道）**： * 收入份额从2021年的**50%** 降至2024年的**35%**，压力大[61] * 2026年监管推动第三阶段降费（聚焦销售端），可能对收入池子产生**8%** 的拖累，压力更多集中在财富管理机构[62] * 中美模式不同：美国公募基金前端费用基本消失，因主要通过养老金（占居民金融资产**1/3**）等机构投资，其中固定供款计划（DC plan）的**62%** 投公募基金，占美国公募规模**28%**；中国缺乏相应税收优惠（个税实际税率约**2%** vs 美国**12%-13%**）且小微企业多，短期难发展大体量养老金，居民投资更依赖自身[63][64][65][66] * 在中国，财富管理机构直面客户提供配置服务仍有附加值，长期应向收费投顾模式转型，**银行和券商**类提供综合金融服务的机构有优势[67][68] * **基金公司**： * **主动权益产品份额**：占比从2021年**24%** 跌至2025年三季度**9%**，预计未来不会一路下跌，将趋稳并反弹，因A股结构性行情多选股重要，且历史数据显示许多主动基金能跑赢被动基金，同时国家队驱动的被动基金逆周期流入预计将下降[69][70] * **产品趋势**：主动权益产品将从混合型更多转向股票型；产品规模策略从打造巨无霸基金转向规模适中的基金（利于策略有效性和流动性管理）[70][71][72] * **投资标的**：预计更多股票基金将配置港股（目前约**18%**，占南下资金持股量**25%**、交易量**15%**），因定价权提升和标的独特性[73] * **产品结构**：混合型产品将更多转向偏固收，以服务中低风险偏好投资者，“固收+”产品的竞争力体现在“加”（权益投资）的部分[74] * **提及的个股**：在财富管理端看好**招商银行、中金公司**；在公募基金管理敞口大的券商有**广发证券、中信证券**[75] 其他重要内容 * **会议性质**：摩根士丹利面向机构客户与财务顾问的周期性内部会议[1][2] * **报告发布计划**：关于具身智能的700页大报告将分八个部分发布，当前为第一部分[3] * **具身智能定义范畴**：涵盖自动驾驶汽车、无人机、飞行器、人形机器人、工业机器人、物流/仓储/农业/建筑等服务机器人、太空及脑机接口等[4][5] * **调研样本**：人形机器人AlphaWise调研访谈了**86位**企业高管，其中**50%** 来自制造业，**25%** 来自其他工业（采矿、建筑、农业），**25%** 来自服务业[15] * **自动驾驶测试里程**：截至2025年10月，中国自动驾驶测试总里程突破**1万公里**[23] * **无人出租车发展预测（美国）**：摩根士丹利美国团队预计，2025-2032年间美国自动驾驶里程将增长**140倍**至**10060亿英里**，届时将占网约车总里程的**30%**[24] * **保险监管新政策**：监管放宽险资股票投资风险因子，并对保险公司持有的沪深300等特定成分股在满足条件下给予**10%** 的资本折扣[40] * **公募基金投资者基础**：国内基金投资者已达约**8亿**人[59]

行业与公司概览 * 纪要涉及**具身智能（机器人、自动驾驶、低空经济）**、**金融（保险、公募基金）** 行业[1] * 具体公司包括**中国平安保险公司**、**招商银行**、**中金公司**、**广发证券**、**中信证券**[4][29] 具身智能行业核心观点与论据 市场前景与规模 * 全球具身智能市场预计在2050年达到**25万亿美元**，较2025年的**1000亿美元**增长**250倍**[3] * 主要细分市场2050年规模：人形机器人**7.5万亿美元**、无人驾驶汽车**5.6万亿美元**、服务机器人**5万亿美元**、飞行器和无人机**4.7万亿美元**、非人形机器人**2.2万亿美元**[1][3] * 中国人形机器人市场预计2026年需求翻番，从2025年的**7000台**增至**15000台**左右[6] * 长期看，中国在全球人形机器人需求量中占比可达**30%-40%**，2050年年销量可能达到**5000万台**，总保有量约**3亿台**[1][7] 关键零部件增长 * 核心零部件将迎来显著增长：视觉相机预计增长**95倍**、雷达和激光雷达均增长**300倍**、电机**260倍**、轴承**200倍**、减速器**590倍**、端侧算力**4万倍**、稀土永磁**480倍**、电池**1400倍**[5] 自动驾驶（物理世界AI在汽车板块） * 中国在自动驾驶领域处于领先地位，得益于庞大的市场、丰富的场景和国家战略支持[1][10] * 预计到2050年，全球L4/L5级别自动驾驶汽车保有量将从约**300万辆**增加到接近**7亿辆**[10] * 其中，中国L4/L5级别自动驾驶汽车保有量将超过**1.65亿辆**，占全球市场约**四分之一**[1][10] * 到2030年，中国将拥有**150万辆**L4级别自动驾驶汽车，美国和欧洲分别为**100万辆**和**10万辆**[10] * 中国自动驾驶测试总里程已突破**1亿公里**，并在广州、北京、武汉等地开始无人出租车正常运营[10] * **2026年行业焦点将转向无人出租车能否实现盈利**[1][10] 低空经济 * 低空经济是全球竞争新赛道，中国在电动垂直起降飞行器（eVTOL）方面取得进展[1][12] * 预计到2030年，中国将成为首个实现eVTOL规模化商业运营的国家，并供应全球超过**六成**以上的专业级无人机[1][12] * 大疆无人机的全球保有量已超过**30万台**[12] * 到2050年，eVTOL和无人机将共同创造应用生态标准[2][12] 企业需求与挑战 * 企业对人形机器人测试意愿强烈，目前只有**10%** 的企业进行测试，但这一比例将在2027年前提升至**62%**[7][8] * 企业对价格敏感，大部分受访者认为价格不应超过**20万元人民币**，其中**50%** 认为应低于**10万元人民币**[9] * 短期内需验证应用场景，提高功能性与生产效率，同时降低成本[1][9] 中国产业链优势 * 在物理AI革命中，中国市场逐渐从技术应用腹地转向创新源头，得益于数据优势、制造优势和政策优势[13] * 未来3至5年内，无论是自动驾驶还是低空机器领域，中国都可能继续领先全球发展[13][14] 金融行业核心观点与论据 中国平安保险公司 * **市场机遇**：受益于居民财富持续增长（预计2024年至2030年复合增速为**8%**）、养老需求上升以及医疗需求增加[15] * **风险处理**：预计2027年前完成地产去风险处理，资管板块亏损逐步收窄，到2027年有望实现利润转正，同时降低地产敞口并优化资产结构[4][15] * **政策影响**：保险监管政策对持有特定股票给予**10%** 的资本折扣，2026年将继续实施，有助于维持持续增长的每股派息（DPS）[15] * **险资入市**：2026年第一季度将是险资入市高峰期，平安被认为是潜在选择之一[17] * **业绩展望**：2026年年报将反映资管板块改善，寿险业务预计高增长，未来2到3年的信用价值增速预计达到**20%** 以上复合增速[17] * **估值关注**：可关注PE估值，因为**80%** 的利润来自零售业务，公司正进入轻资本、高ROE业务领域[18] 公募基金行业 * **行业现状与挑战**：AUM（管理规模）已超过**38万亿**，加上专户及养老金管理规模总体已超过**47万亿**[19] * 2021年至2024年间，管理规模上升**28%**，但收入下降**28%**，面临换手率高、持有期短、成本上升等问题[19] * **费率改革**：销售渠道收入与销量挂钩比例从2021年的**70%多**降至2024年的**35%**[20] * 监管推动基金公司收入更多与业绩挂钩，而非单纯与规模挂钩[4][20] * **发展前景**：预计未来几年管理规模增速可达**10%-11%**，驱动力来自中国居民金融资产持续增加[4][21] * 中国人均GDP为美国**六分之一**，但人均家庭金融资产仅为美国**十二分之一**，提升空间大[21] * **权益配置反弹**：居民直接或间接配置股票权益占比从21年的**13.3%** 降至24年的**9.3%**，基本见底[22] * 居民持有基金中的权益占比从21年的**38%** 降至24年的**24%**，并自25年中开始反弹至**25%**[22] * 公募基金收入预计在25-26年保持低个位数增长，到27年恢复至**10%** 左右[22] * **销售渠道压力**：销售渠道份额从21年的**50%** 降至24年的**35%**，预计26年前后边际压力增加[23] * **产品趋势**：主动管理权益产品份额预计将从2025年三季度的**9%** 左右有所回升[26] * 更多股票基金将配置港股市场（目前约占**18%**）[27] * 混合型产品将逐渐从偏股转向偏固收，以满足对稳定收益的需求[28] * **养老金挑战**：中国养老金体系面临缺乏税收优惠、小微企业实施难等挑战，居民更多依赖自身进行投资和储蓄[24] 其他重要机构 * 财富管理端表现突出的机构包括**招商银行**和**中金公司**[29] * 公募基金管理上具有较大敞口的券商包括**广发证券**和**中信证券**[29] 其他重要但可能被忽略的内容 * 美国的人形机器人单价约为**18万美元**，到2050年可能降至**75000美元**[6] * 全球人形机器人总保有量将突破**10亿台**[7] * 企业希望人形机器人具有自学习能力[9] * 美国市场预计2026年将成为L4级别出租车发展的拐点，这种国际竞争会反向推动中国市场的发展[11] * 低空经济发展相当于再造一个智能电动车研究与制造中心[12] * 智能制造是出行产业的重要组成部分，硬件需求强力牵引中国产业链发展[13] * 市场对保险行业利差损风险的担忧将在2026年进一步缓解[15][16] * 公募基金公司产品设计应从打造庞大规模基金转向打造中型规模基金，以适应策略容量和流动性管理[27] * 长期来看，转化为收费投顾模式是更好的发展方向，银行和券商等提供综合金融服务的机构将具有更大优势[25]

行业核心观点 - 自动驾驶行业正从技术驱动迈向价值驱动阶段 商业化落地已形成清晰的场景分层 不同赛道企业基于场景特性走出了差异化发展路径[1][4] - 自动驾驶商业化落地的核心支撑在于国产芯片的崛起与整个生态的深化协同[5] 末端物流配送场景 - 该场景商业化落地的核心源于四点能力：对物流场景的深度洞察、技术算法的突破、自主硬件与生产能力、合规化运营保障[4] - 无人驾驶的价值不止于替代司机 更在于实现整个物流流程的全闭环自动化[4] - L4物流被认为是第一个可以商业化爆发的场景 其核心要素包括：极致的降本、提高运营性能、提高部署效率、确保数据安全 战略是用全栈本土化方案实现L4的商业无人驾驶底座[4] 干线重卡运输场景 - 卡车用户对成本敏感 但只要智能驾驶系统能带来明确的安全、成本和收入回报 用户愿意支付额外价格 当前系统在快递快运用户中的投资回报周期为10至24个月[4] - 干线物流是国民经济主动脉 中国物流成本在GDP中的占比约为14% 达到发达国家的2倍以上[4] - 自动驾驶是物流降本增效最核心的驱动力 不仅能节约物流成本 还能为卡车司机和社会带来5倍以上的安全提升[4] Robotaxi出行场景 - 香港出租车市场存在司机年龄大（平均67岁）、车辆老旧且单一（几乎只有丰田皇冠一款车型）的痛点[5] - Amigo公司已投放1000台出租车 并计划联合地平线将其改造为Robotaxi[5] - 香港出租车单牌月收益达2万元港币 依托地平线技术完成无人化改造后 车辆可实现24小时运营 或将彻底改变香港出行市场格局[5] 生态协同与国产芯片 - 地平线将自身角色定义为只造武器不打仗 不仅为车企提供芯片与工具链 还面向物流、矿山等细分领域服务商提供算法服务 旨在创造场域促进合作 让技术惠及更多场景[5] - 国产芯片的崛起为技术落地提供了降本与供应链安全的双重保障[5] - 地平线BPU芯片历经10年发展 性能提升了1000倍 最新的征程6P芯片可提供560TOPS算力 为端到端大模型上车提供了算力保障[5]

文章核心观点 - “十五五”规划建议为自动驾驶行业提供了精准的政策导航，其强调的新质生产力、新型举国体制、新安全格局、中国式现代化四大关键词，为行业从技术领先迈向商业成功指明了方向并创造了关键窗口期 [2] - 自动驾驶行业有望在“十五五”期间实现从“示范运营”到“规模化商用”的历史性跨越，成为全球智能出行领域的领跑者 [10] 政策与行业发展的契合点 - 自动驾驶是利用人工智能、大数据、物联网等尖端技术革新交通、环卫、物流生产方式与效率的典型新质生产力代表 [3] - “人工智能+”行动及“促进创新链产业链资金链人才链深度融合”的政策，赋能了企业从L2到L4的技术迭代与商业化落地 [3] - 新型举国体制通过国家战略引导、政策协同、资源整合，能有效攻克芯片、操作系统、高精地图、传感器等“卡脖子”关键技术，并加速基础设施建设和标准统一 [4] - 新安全格局推动建立更严格统一的安全标准和认证体系，以及完善的数据治理体系，为大规模商业化提供前提 [4] - 中国庞大的出行物流需求、复杂的混合交通场景是培育世界级自动驾驶技术的绝佳“试验田”，自动驾驶的普惠化、绿色化应用将为中国式现代化注入动力 [5][6] 公司战略与业务实践 - 公司高度自动化的Robotaxi、Robobus、Robovan的规模化运营是新质生产力的鲜活实践，能提升出行效率、降低运营成本并创造新业态 [3] - 公司坚持全栈自研技术路线，与规划强调的“加快高水平科技自立自强”高度契合 [3] - 公司参与了多个国家级、地方级智能网联汽车先导区建设 [4] - 公司明确了“十五五”时期的发展路径：持续高强度研发投入巩固L4全栈技术优势；深度融入国家战略协同参与关键技术攻关；打造全方位安全护城河；聚焦规模化商业落地加速多场景应用拓展 [6] 未来产业融合与应用拓展 - 6G技术具备亚毫秒级时延、厘米级定位和空天地一体化通信能力，是L3及以上级别自动驾驶实现全域车路协同的关键支撑，可应用于路口避障、室内泊车、偏远路段覆盖等场景 [7] - 脑机接口在自动驾驶中可作为应急控制通道缩短响应时间，实现智能座舱意念交互，并能监测驾驶员生理状态以自动切换驾驶模式提升安全性 [8] 对“十五五”期间行业发展的三大期待 - 打破“城市孤岛”：建议由国家层面牵头建立全国统一的L4级自动驾驶商用准入标准和认证体系，实现“一次认证，全国通行” [9] - 明确“责任归属”：期待出台全国性立法，建立清晰公平的事故责任划分框架 [9] - 开放“典型场景”：建议系统性开放城市公交、干线物流、末端配送等更多商业化场景，并配套运营支持政策，以加速技术迭代和商业模式验证 [9]

文章核心观点 - 经纬恒润成功中标龙拱港铁水联运钢卷无人水平运输项目，标志着公司在“件货”无人运输领域开辟全新场景，并与龙拱港深化合作共推港口智能化升级[1] - 公司通过将港内平板车进行智能化升级，打造为“智慧搬运工”，为钢卷这类大宗件货的运输提供了安全高效的智能化解决方案，成功突破高难度场景[3][6] 行业痛点与挑战 - 钢卷作为典型大宗件货，其转运是行业公认的焦点难题，传统有人驾驶模式面临效率与安全双重考验[2] - 安全风险突出：人工干预易引发碰撞、坠落事故，威胁人员安全并可能造成高价值钢卷损坏[2] - 标准化程度偏低：人工操作一致性难以把控，影响运输精准度与作业节拍稳定性，制约整体流程效率[2] - 行驶控制要求严苛：钢卷重心高、惯性大，对运输车辆的起步、加速、减速及制动平稳性要求极高，操作偏差易引发事故[2] 公司解决方案与技术适配 - 公司依托自动驾驶技术积淀，对港内平板车进行全方位功能适配与智能化升级[3] - 智能驾驶层面：完成WorldMap适配、导航路线优化、决策逻辑升级、地图播发调试、高精度定位及控制策略适配等关键技术落地，确保车辆在复杂港口环境中精准响应[3] - 后台调度端：重点开发钢卷装卸生产计划管理、任务智能调度系统，升级手持人机交互终端软件，完成作业路线设计与智能交通管控方案，构建“车-站-场”协同的智慧调度体系[3] 项目实现的多维价值 - 效率突破瓶颈：借助智能化调度与自动化作业，钢卷运输精准提速，港口整体物流周转效率显著提升，打破传统人工作业产能限制[4] - 无人平板车可实现24小时不间断运转，摆脱人工疲劳制约，设备利用率与单日作业量大幅提升[4] - 场景全面拓展：突破传统平板车仅能转运集装箱的单一功能，升级为多场景适配的“智慧搬运工”，可灵活响应港口内多样化物料转运需求，大幅拓宽无人化作业覆盖范围[4] - 安全双重保障：针对钢卷岸桥装卸中“多卷捆绑吊装需人工上车捆扎”的高风险场景，创新设计双重安全机制[4] - 配备钢卷作业专属手持终端，支持作业人员上车前下发驻车指令，操作完成后一键解除，确保人机协同时车辆状态绝对可控[4] - 将车身物理紧急制动按钮与终端设备紧急制动指令联动，形成双重保险，最大限度降低人员高空作业或近车操作时的安全风险[4] 项目意义与行业影响 - 此次中标是客户对公司技术实力与履约能力的高度认可[6] - 标志着公司重载自动驾驶平板车成功突破件货运输高难度场景[6] - 为钢卷这类“最怕运”的货物提供了安全高效的智能化解决方案[6] - 项目将显著提升龙拱港钢卷运输的效率与安全性[6] - 助力公司构建件货无人化运输新范式，为港口物流行业的智能化升级提供可复制、可推广的实践经验[6]

2025年第三季度财务表现 - 2025年第三季度公司实现营收1.71亿元，同比增长144.2%，环比增长34.4% [1] - 2025年第三季度公司净利润为-3.07亿元，较2024年同期的-10.43亿元和2025年第二季度的-4.06亿元均有所收窄 [1] - 2025年第三季度公司调整后净利润为-2.76亿元，2024年同期和2025年第二季度分别为-2.40亿元和-3.01亿元 [1] 分业务收入构成 - 产品业务收入为7920万元，同比增长428.0%，增长主要由于Robotaxi和Robobus销量增加 [1] - 服务业务收入为9180万元，同比增长66.9%，增长得益于智能数据服务及自动驾驶相关运营和技术支持服务收入增加 [1] 盈利能力与费用 - 2025年第三季度公司毛利率为32.9%，同比提升26.4个百分点，环比提升4.9个百分点 [2] - 2025年第三季度公司净利率和经调整净利率分别为-179.7%和-161.2%，同比分别变动+1309.5和+182.1个百分点 [2] - 2025年第三季度公司费用率为254.9%，同比下降1024.4个百分点，环比下降128.7个百分点 [2] 商业化进展与全球布局 - 公司是全球领先的L4级自动驾驶产品和解决方案提供商，已获得瑞士、中国、阿联酋、沙特阿拉伯、新加坡、法国、比利时和美国八国的自动驾驶牌照 [3] - 截至10月31日，公司在广州部署了超过300辆Robotaxi，每辆车在每日24小时运营时段内可完成至高25单行程 [3] - 11月26日，公司与Uber在阿布扎比正式启动L4级纯无人Robotaxi商业化运营，计划未来几年将规模扩大至数千辆，到2030年扩大至数万辆 [3] - 10月，公司与Uber在沙特首都利雅得开放Robotaxi公众运营服务 [3] Robobus业务发展 - 截至2025年9月30日，公司Robobus在广州已服务超过100万名公众乘客 [3] - 10月，公司Robobus在阿联酋哈伊马角开启试运营 [3] - 9月，公司获得比利时首个联邦级别的L4级自动驾驶测试牌照，Robobus已落地比利时鲁汶市 [3] 技术突破与客户定点 - 11月，公司一段式端到端L2+级辅助驾驶解决方案顺利达成SOP，支持星途星纪元ES、ET全车系，目前已获得广汽集团定点 [4] 机构盈利预测调整 - 机构下调公司盈利预测，预计2025-2027年营收分别为5.51亿元、10.00亿元、18.66亿元，原预测为6.09亿元、13.00亿元、20.66亿元 [4] - 预计公司2025-2027年归母净利润分别为-14.16亿元、-13.10亿元、-10.18亿元，原预测为-13.99亿元、-12.07亿元、-9.40亿元 [4]

毫末智行经营危机 - 公司于2025年11月24日起，全部在职员工停工放假，复工时间另行通知 [2] - 公司存在拖欠10月工资、11月工资及社保公积金的风险，员工认为复工困难 [2] - 公司曾被誉为“中国量产自动驾驶领头羊”，A轮融资后估值一度突破10亿美元 [2][3] 公司背景与股权结构 - 公司成立于2019年11月29日，由长城汽车智能驾驶前瞻部孵化 [3] - 主营业务包括乘用车辅助驾驶、末端物流自动配送车、智能硬件及MANA数据智能系统 [3] - 股权结构显示，长城汽车关联方（长城控股集团与雄安长城科技）合计持股超过53% [3] - 累计融资规模约20亿元人民币，投资方包括长城汽车、美团、高瓴创投等 [3] 经营困境与市场地位变化 - 从2023年起，公司频繁陷入裁员传闻，职能部门裁员比例高达30%-50% [3] - 公司官网显示，其乘用车辅助驾驶产品主要搭载于长城汽车旗下品牌 [3] - 长城汽车作为大股东和主要客户，自2023年起将高阶智驾订单和资金转向其他供应商，如领投元戎启行C轮融资1亿美元 [5] - 公司主力产品城市NOH装机量有限，前装量产规模难以支撑高研发成本 [5] 行业竞争与市场环境 - 智能驾驶行业具有“长周期、高投入”特点，公司独立运营后需自负盈亏 [5] - 行业竞争加剧，头部企业如“地大华魔”（地平线、大疆、华为、Momenta）凭借技术、资金和规模优势占据主导 [7] - 许多车企（如比亚迪、小鹏、理想）加大智驾研发投入，推行全栈自研，挤压第三方供应商生存空间 [7] - 智能驾驶头部企业已将NOA方案物料清单成本下探至7000元甚至4000元级别，行业陷入价格战 [8] 汽车终端市场趋势 - 瑞银投资银行判断，2026年国内乘用车销售增速可能从2025年的8%放缓至-2% [6] - 2025年第四季度，汽车市场未出现预期的“翘尾”行情，多家车企11月销量环比下降 [6] - 比亚迪汽车11月销量为48.01万辆，同比下降5.25% [6] - 长城汽车新能源销量环比下降13.09%，小鹏、蔚来、长安深蓝11月销量环比降幅均超10% [6] - 蔚来创始人李斌指出，10月中旬置换补贴全国范围内基本停止，导致行业新增订单大幅下降，消费者持续观望 [7] 行业普遍困境 - 毫末智行的遭遇并非孤例，据不完全统计，已有至少7家已实现业务落地的自动驾驶公司破产、清算或深度重组 [5] - 对于供应商企业而言，成本控制能力和盈利能力将成为度过行业寒冬的“生死线” [8]

文章核心观点 - 由香港大学OpenDriveLab、中科院自动化所、小米汽车联合团队提出的SimScale方案，通过真实世界仿真生成关键场景与协同训练策略，为解决自动驾驶数据瓶颈提供了新路径[1][2] - 该方案的核心在于揭示了自动驾驶仿真数据的规模效应，证明无需增加真实数据，仅通过扩大仿真数量即可持续提升各类端到端驾驶模型的性能上限[3][39][40] 自动驾驶数据瓶颈与SimScale的提出 - 当前自动驾驶面临数据瓶颈，现实世界难以提供足够的关键与长尾场景，采集的数据多为价值有限的常态片段，导致数据越多、性能提升越难[5] - 行业瓶颈不在于数据规模，而在于缺乏能系统生成关键场景并支撑大规模训练的新方法[6] - SimScale应运而生，旨在通过“无限扩张世界”的仿真生成框架和虚实协同训练策略，突破上述瓶颈[7] SimScale系统架构与核心功能 - SimScale是一个可扩展的仿真生成框架，通过高保真神经渲染自动制造多样化的反应式交通场景与伪专家示范[8] - 它也是一套让仿真与真实数据“相互增益”的训练策略，能全面提升端到端模型的鲁棒性与泛化性[9] - 该系统首次系统揭示了自动驾驶仿真数据的规模效益，并提供了实践手册[10] 可扩展仿真生成框架的技术细节 - 框架采用“干扰-规划”策略实现规模化数据生成，需要同时包含合成图像和专家示范轨迹以有效训练模型[12] - 高保真神经渲染引擎基于3D高斯泼溅重建真实场景资产，能渲染多视角RGB视频，并分别建模背景与动态车辆以保留真实细节[14][15] - 通过轨迹扰动与状态探索，在真实轨迹上施加合理扰动，生成现实中难以遇见的关键场景（如偏离车道、逼近障碍物），系统性扩展策略的可见状态空间[17] - 设计了两类互补的伪专家策略为模型提供监督：基于恢复的策略（偏保守，提供安全底线示范）和基于规划的策略（更灵活，探索性强）[20][21] - 引入了反馈式多样场景模拟，使周围交通参与者具备反应能力，从而生成更接近真实驾驶的可扩展场景分布[23][24] 虚实互补的协同训练策略 - SimScale提供了一套仿真-真实数据协同训练策略，使模型既能保留真实驾驶分布，又能避免仿真瑕疵导致的性能下降[25] - 该策略可适用于各类端到端规划模型，包括回归型、扩散型及轨迹评分型规划器[26] - 对于依赖专家示范的规划器，仿真伪专家轨迹可提供可靠监督；对于奖励驱动的规划器，仿真数据可直接用于优化策略，实现利用效率最大化[26] - 实际应用中，仿真专门生成四类易触发模型失效的关键场景：偏离车道、近距离失碰、车道脱出与加塞切入，以帮助模型学习纠偏与避险能力[26] 模型性能提升的实验验证 - 在评估模型在未见极端场景下应对能力的navhard基准测试中，所有类型端到端规划器的性能均有大幅增强，最多可提升6.8 EPDMS，其中基础性能较弱的规划器性能提升超过20%[29][30] - 在评估模型在多样化挑战性场景下可靠性的navtest基准测试中，所有类型规划器的性能也有明显增强，最多可提升2.9 EPDMS[30][31] - 通过对轨迹评分规划器进行多专家集成，SimScale在NAVSIMv2官方排行榜上取得了第一名的成绩[31][33] 仿真数据的规模效应核心发现 - SimScale首次系统揭示了仿真数据对端到端规划模型性能的规模效应，通过建模总数据量与模型表现的关系，展示了在真实数据固定时，增加仿真数据能持续提升模型表现[34] - 核心发现一：探索型伪专家（规划型）比恢复型伪专家更为高效，因其能探索更广状态空间，生成更多可行解，从而充分发挥仿真数据价值[36] - 核心发现二：多模态建模（如扩散型模型）能更好地捕捉行为多样性，随仿真数据增加表现持续提升，激发了数据扩展能力[36] - 核心发现三：对于评分型规划器，仅使用奖励信号即可在仿真中取得优异表现，无需伪专家轨迹，说明奖励引导能充分发挥仿真数据价值[36] - 进一步实验表明，无论真实数据规模大小，仿真数据带来的性能提升始终显著且稳定，没有出现“收益饱和”现象，表明SimScale能在不同数据规模下持续放大系统性能[38][39]

宏观与策略 - 2025年11月CPI同比上涨0.7%，核心CPI同比上涨1.2%，PPI环比上涨0.1%，同比下降2.2%，价格改善趋势延续 [8] 社会服务行业 - 报告期内（2025年11月24日-12月7日）消费者服务板块上涨2.38%，跑输大盘0.56个百分点，君亭酒店、中教控股、金沙中国有限公司涨幅居前 [8] - 行业动态：市场监管总局发布外卖平台管理国家标准，要求通过“一镜到底”视频核验商户资质并设定配送员接单时长上限 [9]；蜜雪冰城在四城试点早餐业务 [9]；君亭酒店控股股东变更为湖北文旅，交易总价款14.99亿元，实际控制人调整为湖北省国资委 [9] - 港股通持股：报告期内（2025年11月24日-12月8日）古茗持股比例增1.81个百分点至29.48%，小菜园持股比例增0.05个百分点至69.82%，中国东方教育持股比例增0.72个百分点至31.92% [10] - 投资建议：维持“优于大市”评级，建议配置中国中免、华住集团-S、携程集团-S等，中线优选中国中免、美团-W、蜜雪集团、古茗等 [11] 非银行业 - 国家医保局发布首版《商业健康保险创新药品目录（2025年）》，标志着商业健康保险在创新药支付领域迈出实质性步伐，为创新药支付端开辟“第二战场” [11] - 该政策为保险行业提供了可复用的“公共基础设施”，使保险公司首次具备在创新药领域进行可持续风险经营的基础设施条件，建议关注中国财险、中国平安、中国太保、众安在线等 [12] 金属行业（锡） - 锡资源稀缺程度加剧，截至2024年末全球锡资源储量420万吨，2024年全球锡矿产量30万吨，储采比从2010年的20年左右下降至2024年的14年 [13] - 全球锡矿扰动不断，预计2025年矿端供给明显下降，2025-2027年全球锡矿产量预计分别为28.3万、30.8万、31.2万吨 [14] - 需求端：2025年10月全球半导体销售额同比增长27.2%，带动锡焊料需求；预计2025-2027年全球精锡需求分别为38.6万、39.6万、40.1万吨 [15] - 预计2025年全球精锡供需约有1.6万吨的缺口，在资源紧缺和开采成本抬升作用下，锡价有望进一步上行，相关标的包括锡业股份、兴业银锡、华锡有色 [16] 速腾聚创 - 2025年第三季度实现营业收入4.07亿元，同比减少0.2%，激光雷达产品总销量18.56万台，同比增长34.0% [16][17] - 2025年第三季度毛利率为23.9%，同比提升6.5个百分点 [17] - 公司已累计获得32家车企及Tier1的144款车型定点，EM平台已斩获13家车企56款车型定点 [18] - 机器人业务方面，2025年第三季度用于机器人及其他产品的收入为1.42亿元，同比增长157.8% [17]，并推出了集成dTOF、RGB双目、IMU的超级传感器系统Active Camera2 [19] 文远知行 - 2025年第三季度实现营收1.71亿元，同比增长144.2%，其中产品业务收入7920万元，同比增长428.0%，服务业务收入9180万元，同比增长66.9% [20] - 2025年第三季度毛利率为32.9%，同比提升26.4个百分点 [21] - 公司加速推进L4产品商业化落地，Robotaxi已获得瑞士、中国等八国自动驾驶牌照，并在广州部署超过300辆，与Uber在阿布扎比启动纯无人Robotaxi商业化运营 [22] 亿联网络 - 公司构建覆盖桌面通信终端、会议产品、云办公终端的三大业务，2025年上半年分别占营收49.2%、40.6%、10.2% [23] - 2025年前三季度实现归母净利润19.58亿元，同比下滑5.16%，但第三季度业绩呈现回暖趋势，公司毛利率长期处于60%以上，2024年股息率达4.92% [23] - 公司所处的UC&C（统一通信与协作）市场规模2024年为692亿美元，预计2024-2029年复合年增长率为4.3% [24] - 公司与微软达成全球战略合作，在AIGC浪潮下，UC&C有望成为大模型与Agent落地的最佳场景之一 [24] - 预计公司2025-2027年归属母公司净利润为26.53亿、30.84亿、36.42亿元，年增速分别为0.2%、16.2%、18.1% [25] 天奈科技 - 公司持续进行股份回购，截至2025年11月30日累计回购金额超5569万元 [26] - 多壁碳纳米管业务市场份额多年位居行业榜首，2025年前三季度多壁碳纳米管出货量估计超5.3万吨 [26] - 单壁碳纳米管产品进入快速放量阶段，2025年前三季度单壁浆料产品出货量估计超2600吨，其中第三季度出货量约1600吨，环比翻倍增长 [27] - 预计公司2025-2027年实现归母净利润分别为3.06亿、6.63亿、8.94亿元，同比增速分别为+22%、+117%、+35% [27] 市场与资金数据 - 2025年12月10日，上证综指收盘3900.49点，跌0.23%，深证成指收盘13316.42点，涨0.29%，两市成交金额合计约1.78万亿元 [2] - 2025年12月11日，纳斯达克指数收盘10961.46点，跌0.48%，恒生指数收盘25540.78点，涨0.41% [7] - 截至2025年12月8日，两市融资融券余额为25005亿元，其中融资余额24827亿元，融券余额178亿元 [28] - 商品期货市场：锡收盘价316400元/吨，涨0.36% [32]

文章核心观点 - 上海交通大学AutoLab团队与滴滴联合发布综述《广义端到端自动驾驶的综述：统一视角》，旨在为当前看似割裂的自动驾驶技术路线提供一个统一的分析框架 [3] - 文章提出“广义端到端（GE2E）”概念，将传统端到端、以VLM为中心的端到端和混合端到端三大范式统一起来，认为它们都是解决“从原始传感器输入到最终驾驶决策”这一共同问题的不同表现形式 [4][14] - 行业技术正从传统的模块化架构向数据驱动的端到端范式演进，核心目标是实现“传感器信息输入，动作输出” [2][5] 技术范式统一与定义 - **广义端到端（GE2E）定义**：任何一种通过整体模型将原始传感器输入处理为规划轨迹或控制动作的模式，无论架构中是否包含视觉语言基础大模型（VLM） [4][14] - **三大统一范式**：基于GE2E定义，将现有技术路线归纳为传统端到端、以VLM为中心的端到端和混合端到端 [4][5] - **核心差异**：三种范式在场景表征方式、推理深度以及计算效率的权衡上侧重点不同，但并非割裂的技术路线 [14] 传统端到端范式 - **核心特点**：基于3D场景表征（如BEV或Occupancy），利用对场景的结构化理解进行精确轨迹规划，系统集成度高、执行效率快，是目前车企落地最广泛的实战派 [9][17] - **主要分支**： - **纯规划端到端**：直接从图像/LiDAR映射到规划控制信号，近期研究重点包括多模态融合、生成式建模（如扩散模型）和高效性优化（如轻量化网络、Mamba架构） [18] - **多任务端到端**：引入感知和预测等中间任务，提供更丰富的监督信号，以强化对场景动态的理解，促使更安全鲁棒的规划 [19] - **优势与局限**：优势在于减少模块间信息丢失和误差累积，在结构化场景下稳定性强；局限在于依赖预定义的几何先验且缺乏通用世界知识，面对未见过的长尾场景时泛化能力受限 [9][10] 以VLM为中心的端到端范式 - **核心特点**：利用在大规模互联网数据上预训练的视觉-语言模型作为核心，将驾驶任务转化为多模态理解与推理问题 [11] - **优势**：得益于模型内部丰富的世界知识和强大的推理能力，在开放世界场景中展现出卓越的泛化性与逻辑可解释性，是解决自动驾驶长尾场景的一条可能路径 [11] - **挑战**：相比于传统端到端模型，在生成轨迹的物理精度上存在局限；巨量参数导致高额推理延迟，难以部署到高实时要求的真实驾驶场景 [11] - **研究重点**：包括视觉-语言对齐与时空理解、推理能力（如思维链、RAG）、规划与动作策略落地、以及学习策略与效率优化（如知识蒸馏、强化学习） [30][33][34][35][36][37] 混合端到端范式 - **设计理念**：结合传统端到端的“快直觉”（执行效率高、轨迹精度高）与VLM的“慢推理”（认知能力强），实现优势互补，是当前平衡性能与效率的有效路径 [12][13][38] - **实现方式**： - **在线分层协同**：在推理阶段，VLM作为高层推理引擎指导传统E2E模型，可在感知级或规划级进行融合 [38][39][40] - **离线知识迁移**：在训练阶段利用VLM作为教师模型，通过蒸馏技术将知识注入轻量级E2E学生模型，实现零推理成本增量 [42][43][44] 数据集演进趋势 - **语义化革命**：新一代数据集包含大量自然语言描述和问答对，旨在教会模型理解复杂的交通语境、因果逻辑及人类驾驶意图 [46] - **思维链引入**：数据集转向包含思维链的详细标注，要求不仅给出驾驶动作，还要给出完整的逻辑推导过程 [47] - **生态爆发**：基于nuScenes等经典数据集进行二次开发的图文对数据成为主流，社区正爆发式构建各类带有推理标注的Benchmark [48] - **数据规模示例**：DriveLM-CARLA数据集包含183K帧图像和3.7M个问答对；LMDrive数据集包含3M帧图像和528K个问答对 [50] 不同范式的性能表现 - **开环性能**：在nuScenes、NAVSIM等开环测试中，混合端到端范式表现最佳，证明了VLM带来的世界知识对处理长尾场景、提升规划上限的关键作用；传统端到端算法在数值轨迹预测精确度上依然占据统治地位，在nuScenes前十名中占绝大多数席位；顶尖算法在NAVSIM上的评分甚至超过了人类驾驶员 [54] - **闭环性能**：在Bench2Drive、CARLA Town05 Long等更接近真实驾驶的闭环测试中，传统端到端范式占据绝对主导地位；在Bench2Drive中，最高的路线完成率仍未突破70%，表明长程多样化驾驶任务仍是系统瓶颈 [55] - **VLA范式短板**：在闭环测试中表现稍逊，主要原因是缺乏对细粒度轨迹控制的精确理解能力，难以把握其生成轨迹对环境产生的连续影响 [56] 行业面临的核心挑战 - **长尾数据难题**：现实驾驶场景呈极端长尾分布，决定系统安全的1%稀缺Corner Case（如极端天气、异形车辆）数据获取与消化效率低下；AI模拟数据存在“虚实鸿沟”，VLM微调时易出现“灾难性遗忘” [61][62] - **可解释性信任危机**：传统E2E模型是“黑盒”，缺乏中间可解释性；引入VLM后可能出现思维链推理与规划动作“言行不一”的问题 [63] - **安全与效率平衡**：为兜底安全而外挂基于规则的后处理模块，破坏了端到端的纯粹性，可能导致车辆行为过度保守 [64][65] - **实时性效率焦虑**：VLM参数量庞大，自回归生成机制导致巨大推理延迟；现有优化手段（如蒸馏、剪枝）往往以牺牲模型鲁棒性为代价 [66][67][68] 未来技术发展方向 - **强化学习进阶**：模仿学习预训练结合强化学习后训练将成为主流，使AI能在虚拟环境中通过试错探索，学会在陌生场景中做出最优决策 [70] - **基础模型应用**：基于海量通用数据预训练的VLM基础模型，将为车辆注入世界知识和常识推理能力，成为处理长尾场景的终极武器 [71][72] - **智能体分层架构**：构建类人的分层系统，LLM/VLM作为“大脑”负责慢思考与复杂推理，专用小模型作为“身体”负责快直觉与毫秒级控制执行 [73][74] - **世界模型发展**：让AI具备基于当前状态“预演”未来环境演变的能力，可用于零成本虚拟试错和利用无标签视频进行自监督学习 [75] - **跨模态深度融合**：下一代模型将深度融合LiDAR/深度信息与RGB视觉，兼具语义理解力和3D几何感知精度 [76] - **自动化数据引擎**：构建问题驱动的自动化数据闭环，自动挖掘模型失败的Corner Case、生成场景并训练迭代，从“堆量”转向“提质” [77]