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]

高层会晤 - 长安汽车董事长朱华荣履新11天后即专程拜访华为创始人任正非，围绕产业竞争态势和未来格局进行交流[1][3] - 此次会晤以新央企"中国长安汽车集团"董事长身份进行，远超常规礼节性拜访[3] - 任正非对长安汽车及阿维塔品牌提出针对性指导意见，显示华为对长安的战略重视[3] 战略合作背景 - 长安提出2030年产销500万辆目标（新能源占60%、海外占30%），计划十年投入2000亿元[3] - 与华为深化合作被列为实现战略目标的核心路径之一[3] - 华为已向阿维塔转让车BU 10%股权（交易额115亿元），强化资本纽带[4] 技术合作方向 - 智驾系统可能从"选装"升级为全系原生集成，联合开发MPV/跑车专用方案[4] - 共同开发下一代域集中式电子电气架构，降低研发成本与周期[4] - 华为将赋能阿维塔数智工厂，引入AI质检和5G柔性生产技术[5] 全球化布局 - 阿维塔计划2025年底进入全球50国市场，2030年海外销量占比25%[4] - 华为海外门店和服务网络将为长安出海提供快速通道[5] - 双方或联合建立欧洲/东南亚数据中心，满足数据合规需求[5] 长期战略意义 - 合作可能向技术合资、全球标准制定方向演进[6] - 华为将长安视为"超级优先级伙伴"，预计会有更密集资源倾斜[6] - 该联盟将重塑全球智能汽车产业权力结构[6]

指数表现 - 中证智能电动汽车指数午间收盘上涨1.9% [1][3] - 中证消费电子主题指数午间收盘上涨1.8% [1][3] - 中证物联网主题指数午间收盘上涨1.7% [1][3] - 国证机器人产业指数午间收盘上涨1.5% [1][3] 资金流向 - 机器人ETF易方达（159530）半日净申购达6700万份 [1] 机器人产业指数 - 国证机器人产业指数聚焦机器人本体及核心零部件环节 [3] - 人形机器人占比近80% [3] - 指数滚动市销率为4.9倍 [3] - 自2019年以来估值分位达99.8% [3] 智能电动汽车指数 - 中证智能电动汽车指数覆盖动力系统、感知系统、决策系统、执行系统、通讯系统及整车生产产业链 [3] - 智能电动车被视为具身智能落地代表性方向 [3] - 指数滚动市销率为26.1倍 [3] - 自2014年以来估值分位为64.3% [3] 消费电子主题指数 - 中证消费电子主题指数聚焦AI硬件智能终端品类 [3] - 成分股涵盖元器件生产、整机品牌设计及生产相关公司 [3] - 指数滚动市销率为47.1倍 [3] - 自2020年发布以来估值分位达83.9% [3] 物联网主题指数 - 中证物联网主题指数聚焦信息采集、信息传输及物联网应用领域 [3] - 物联网是智能终端实现万物互联的重要基础 [3] - 指数滚动市销率为27.2倍 [3] - 自2015年发布以来估值分位为21.2% [3]

7月新势力交付表现 - 7月新势力交付表现分化，小鹏汽车交付量达到36,717辆，创历史新高，同比增长229.4%，环比增长6.1% [1] - 理想i8和乐道L90相继上市，定价分别为32.18-36.98万元和26.58-29.98万元，聚焦家庭用户需求 [1] 行业政策与竞争格局 - 国常会定调"反内卷"，新势力购车权益总体保持稳定 [1] - 特斯拉Model 3/Y及新势力车型的金融政策延续 [1] - 行业竞争可能从价格竞争转向技术升级模式 [1] 智能驾驶技术发展 - 7月新一批智能网联汽车示范运营牌照发放 [1] - 国内外Robotaxi商业化或迎来拐点突破 [1] - 理想i8和乐道L90分别搭载VLA司机大模型和换电补能等亮点技术 [1] 智能汽车指数概况 - 智能汽车ETF（159889）跟踪CS智汽车指数（930721） [1] - 该指数从沪深市场选取涉及智能驾驶、车联网等领域的上市公司证券作为样本 [1] - 指数成分股覆盖电子、汽车、通信、电气设备等行业，旨在反映智能汽车相关上市公司整体表现 [1]

市场预测 - 8月沪指收盘3635点 接近预测的3636点目标 [1] - 预计三季度沪指将突破2023年10月高点3674点 [1] - 技术指标显示A股呈现完美上升形态 突破前高概率较大 [1] 美联储政策影响 - 9月美联储可能降息 将利好A股市场 [1] - 历史数据显示2024年9月24日后股市走势可作为参考 [1] - 降息预期同时利好国际大宗商品 包括黄金和有色金属 [1] 有色金属行业 - 现货黄金价格创35314元历史新高 美元指数测试98支撑位 [1] - 纽约铜期货价格下跌但有色股票仍上涨 反映市场看好长期趋势 [1] - 稀土和黄金牛市带动有色板块整体行情 [2] - 新能源车需求增长推动铜、稀土等有色金属需求 但矿山供给有限 [3] - 铜铝等有色股市盈率约10倍 估值处于低位有修复空间 [4] 板块投资策略 - 建议关注有色金属板块投资机会 [1][2][3][4] - 主线聚焦新科技、新医药、新消费领域 [6] - AI+硬件方向包括智能汽车和人形机器人 [6] - AI+软件方向关注行业智能化机会 [6] - 建议配置四成仓位于AI科技 六成于医疗消费 [6]

理想VLA的核心价值 - 理想VLA属于DeepSeek MoE级别的创新，虽非MLA级别的首创理念，但首次完整落地至汽车领域并取得显著成果，架构设计与执行高度原创 [2] - 公司在AI软件与硬件结合方面达到行业领先水平，克服了硬件迭代慢、AI软件与传统编程差异大的挑战 [3] - 创始人李想（44岁，高投票权）是VLA推进的核心灵魂人物，其资源调配、关键决策能力（如押注强化学习路线）对技术方向起决定性作用 [4][5] - 强化学习为核心的VLA架构长期将显著优于模仿学习主导的端到端路线，具备针对性解决bad case和持续迭代的优势 [6][9] 理想VLA的技术架构与迭代方向 - 技术内核为强化学习主导，通过仿真环境试错学习最优策略，区别于监督学习的标记数据依赖和端到端的单纯模仿 [9][10] - 当前车端部署4B参数模型（较小规模），未来需提升本地推理能力以支持更大参数量模型，同时确保时延达标 [12] - 关键迭代路径：1）优化仿真数据效率（低成本、高质量、快速生成）；2）挖掘现有芯片算力潜力或升级硬件；3）强化学习驱动的能力跃升 [8][12] - 长期若未实现L4，可能转向在线学习等新架构，允许模型权重动态更新，但需解决超级对齐等安全问题 [13] 行业技术对比与创新点 - 端到端方案依赖模仿学习，拟人性提升但缺乏思考能力，bad case改进效率低（类似炼丹）；理想VLA通过强化学习实现针对性优化 [9][10] - 仿真数据替代真实数据成为核心训练资源，解决强化学习对交互场景的高需求（如AlphaGo无人类棋谱训练案例） [10][11] - 公司展示的工程能力包括：仿真系统优化（如无保护左转的自我博弈训练）、芯片算力压榨、跨领域技术整合（如扩散模型生成轨迹） [12][2] 创始人角色与资源分配 - 李想直接参与AI学习与决策，确保资源高效投向VLA而非端到端，并推动双Orin平台兼容前沿模型（2022年车型支持2025年技术） [4] - 创始人深度介入避免团队陷入无效争论，保障技术路线执行力（对比技术灵魂人物离职导致资源中断的案例） [5][4]