股价表现 - 天德钰股价报25 69元 较前一交易日下跌0 56元 [1] - 开盘价为26 26元 盘中最高触及26 53元 最低下探至25 59元 [1] - 当日成交量为96163手 振幅为3 58% [1] 资金流向 - 8月14日主力资金净流出4079 32万元 占流通市值比例为0 87% [1] - 近五个交易日累计净流出8386 04万元 占流通市值比例为1 79% [1] 公司概况 - 天德钰属于半导体行业 公司主营业务为半导体产品的研发 生产和销售 [1] - 作为广东板块企业 公司具有专精特新资质 产品涉及国产芯片领域 [1]

AI Infra的定义与架构 - AI Infra包括硬件和软件两部分 硬件指AI芯片 GPU 交换机等设备 软件层面类比云计算分为三层 [3][4] - 最底层类似IaaS 解决基础计算 通信和存储问题 中间层类似PaaS 包含资源调度 资源管理等平台 MaaS归属这一层 [4][5] - 最上层近似SaaS应用层 但在AI Infra领域更倾向于理解为训练及推理框架的优化层 [5] AI Infra的发展历程 - 第一批AI Infra人如贾扬清 李沐 陈天奇等有算法背景 他们为充分利用GPU而开发AI Infra [6] - 第二批AI Infra人主要推动AI Infra在工业界的规模化应用 [6] - 大模型兴起使AI Infra进入主舞台 类似搜索引擎兴起时的机会窗口 可能十年二十年才出现一次 [7][9][10] AI Infra与传统Infra的差异 - AI Infra绝对核心是GPU 传统Infra核心是CPU [11] - AI Infra需要更极致 更贴合AI特殊需求 太阳底下没有太多新鲜事但要做到更极致 [12] - Infra人才相比算法更强调积累 算法依赖年轻人而Infra需要长期经验 [14] AI Infra的核心指标与价值 - 线上服务侧关注首字延迟 吐字稳定性 整体成本 训练侧关注每张GPU处理数据量和训练效率 [15] - 优化Infra可显著降低成本 例如1万张GPU每月租金1亿 利用率提升10%可节省1000万 [18][19] - 小公司可通过对比云厂商方案决定是否自建Infra 云服务商价值在于帮助小公司节省优化成本 [20][21] AI Infra的商业模式 - 第三方公司短期价值在于提供API集贸市场 让客户自由选择不同API [22] - 长期来看 第三方需与硬件或模型垂直整合才能建立壁垒 避免被云厂商或模型公司取代 [24][25] - MaaS服务商可通过与硬件厂商深度合作获得差异化优势 类似游戏机独占游戏 [26][27][28] AI Infra与模型效果 - Infra水平影响模型效果 优化更好的Infra可在相同算力下多学20%数据 提升模型效果 [36][37] - MFU是常见指标但单一指标难判断优劣 DeepSeek的MFU偏低但Infra并不差 [37][38] - DeepSeek成功关键在于选对优化目标 即给定推理成本训出最好模型 而非传统训练算力优化 [39][40][41] AI Infra的未来趋势 - 当前最重要指标是decoding速度 直接影响线上业务成本和强化学习效率 [44] - 多模态仍有突破可能性 需实现理解和生成的统一 类似GPT-3.5让专用模型退休 [63][64] - 开源模型促进AI Infra发展但也可能阻碍创新 如过度优化Llama影响新范式探索 [69] AI Infra的组织架构 - 理想协作是Infra 算法 数据团队共同决策 大厂中Infra常被视为支持角色缺乏影响力 [46][47][49] - 合理架构应是Infra人设计模型结构 数据人负责刷分 算法人主攻训练范式革新 [54] - 大厂人才结构错配 如DeepSeek Infra工程师多于算法工程师 而多数大厂相反 [81][82] AI Infra的创业机会 - 训练侧商业模式难成立 因训练方不愿泄露核心竞争力 推理侧如加速优化仍有机会 [67][68] - 国产芯片需专门设计模型结构提升性价比 Step 3开源模型支持国产卡商用并达到SOTA [69][73][74] - 多模态成本有望大幅下降 理解已不贵但生成仍贵 视频生成一年后可能降至几分之一 [75][76][77]

国产芯片与反无人机技术 - 芯片产品已完成与龙芯、飞腾等国产芯片平台的适配 [1] - 芯片产品应用范围覆盖服务器、台式机与PC等终端设备 [1] - 公司成功研制反无人机产品并在机载领域保持技术领先地位 [1] - 公司开发了系列高性能智算模块与整机产品 [1] 行业应用与市场定位 - 国产芯片技术已实现产业链关键环节的自主可控 [1] - 反无人机产品技术具备军事与民用领域的双重应用潜力 [1] - 高性能智算模块与整机产品瞄准服务器及终端设备市场 [1]

行业与公司概览 - **A股市场**：政治局会议释放利好信号，A股向下风险较低，鬼拳风险溢价处于历史60%分位数[1] - **芯片/半导体行业**：国产算力卡芯片发布，制造能力提升，中芯国际作为8月金股推荐[2][3] - **计算机行业**：金蝶国际收入、ARPU及合同负债均保持两位数增长，云转型成效显现[4][5][6] - **OLED材料行业**：莱特光电受益于OLED渗透率提升（性能优于LCD）及国产化趋势，已导入京东方等头部客户[9][10] - **有色金属行业**：黄有股业受益于供给收缩（6月进口量降至2万以下），钴价有望突破30万/吨[13][14][15] - **医药行业**：中国生物制药收购立新医药，获3亿美金里程碑付款，管线实力增强[16][17][18] - **军工行业**：加持科技隐身涂料业务放量（三五机型量产），新形态结构件订单或突破[19][20][21] - **出口制造/养老科技**：松林科技主业（储位出口）修复，第二成长曲线为AI养老机器人（2030年潜在千亿市场）[24][26][27] - **金融行业**：香港交易所受益港股成交量中枢提升，目标市值7300亿港元（当前5000亿）[29][30] - **教育行业**：粉笔在线公考龙头，AI面试点评收费及硬件产品将增厚业绩[31][32] - **新消费行业**：若与诚代运营品牌矩阵成型（湛家、翡翠、VitaOcean），预计2025年H2收入加速[33][34] --- 核心数据与预测 - **莱特光电**：2025-2027年净利润预测3.23亿（+92.87%）、4.86亿（+50.72%）、7.35亿（+51.19%），对应PE 25x/16x/10x[12] - **中国生物制药**：2025-2027年营收预测324亿/375亿/438亿人民币，净利润44亿/47亿/53.61亿人民币[18] - **加持科技**：2027年传统+新业务收入预期30亿，利润率45-50%，利润15亿[23] - **松林科技**：主业修复后2025年利润5.5-9亿，估值23x/14x[28] - **香港交易所**：ADT 2400亿港元假设下，目标PE 45x对应市值7300亿港元[30] --- 其他关键细节 - **国产芯片**：成熟制程需求旺盛，中芯国际加工率及景气度双升[3] - **OLED技术**：叠层技术解决寿命问题，提升材料用量（如苹果折叠屏计划）[9][11] - **军工催化**：成都/沈阳方向新形态结构件订单突破或带动30%份额增长[20] - **养老机器人**：松林科技布局“大小脑”全链条能力，2030年中国智能老人或达1亿[27] - **消费品牌**：若与诚VitaOcean与挪威红宝石油合作，预计年收入1亿[34] --- 风险提示 - 医药：临床进展不及预期、集采风险[18] - 出口制造：关税不确定性（松林科技）[25] - 教育：中小机构竞争压力（粉笔）[31]

行业与公司概述 - 行业聚焦汽车智能化零部件赛道 包括芯片 算法 三电系统 自动驾驶域控制器 底盘线控制动 转向系统 空气悬挂等[1] - 涉及公司包括地平线 德赛西威 华阳 博特利 宝隆科技 中国汽研等 覆盖芯片 域控 检测等细分领域[9][23][31] 核心观点与论据 **1 行业趋势与竞争格局** - 汽车核心竞争力转移至上游 芯片 算法 三电系统供应商获产业机会 软硬件价值分离[1][2] - 电架构从分布式向集中式升级 主机厂掌握软件功能 供应链承担硬件增量[1][4] - 智能驾驶领域竞争激烈 第三方芯片和算法份额超30% 龙头企业市场份额低于30%[9] - 国产芯片崛起 地平线G6P性能对标英伟达Orin 成本低2000-3000元[11][12] **2 细分赛道发展现状** - **渗透率分层**：座舱等成熟赛道达100% 芯片算法约10%快速放量 线控制动50%趋缓 空悬5%从0到1阶段[6][7][26] - **高成长赛道**：芯片算法(ASP提升) 智驾域控(2027-2028渗透率50%+) 线控转向(2026量产元年)[7][24][27] - **Robo TAXI**：2025年商业化落地 2030年占共享出行30%+ 市场规模2000亿元[3][18][20] **3 技术与算法路径** - 算法收敛至Bev+Transformer架构 国产芯片方案成本优势显著[13][14] - 端到端算法结构简单但需高算力 模块化算法可解释性强但覆盖场景有限[15][16] - 车企路径分化：特斯拉纯端到端 理想汽车采用VRA类快慢系统[17] **4 政策与检测市场** - 2025年L2级别车型需国标认证 检测费用增200-300万元/车 市场扩容50%-100%[22] - 中国汽研 中企股份为检测领域核心标的[23] 重要数据与预测 - 高阶城市NOA渗透率：2024年11% → 2025年27%[10] - 国产芯片份额：地平线2024年5% → 2025年10%+[12] - 智驾域控规模：2027-2028年千亿级 德赛西威占30%[24] - 空悬ASP：6000元+ 渗透率5%(2024年)[26] - HUD价值：小米VPD产品从700元提升至3000元[29] 投资建议与标的 - **优先级**：芯片算法 > 智能化检测 > 智驾域控 > 底盘 > 座舱[30] - **核心标的**： - 芯片算法：黑芝麻 地平线 小马智行[31] - 检测：中国汽研[23] - 域控：德赛西威[24] - 底盘：博世力士乐[31] - 座舱：华阳集团[28][31]

中国AI生态建设 - 中国正在构建不依赖西方技术的本土人工智能生态系统，为与美国的长期技术竞争做准备 [1] - 中国展示了许多不含美国技术的AI产品，如上海初创企业推出的新型AI模型，该模型需要更少的算力和内存，更适合中国制造的半导体 [1] - 华为等中国企业通过将更多芯片聚集在一起来提高性能，缩小与美国芯片的差距 [1] 中国AI全球治理与开源 - 中国发表《人工智能全球治理行动计划》，呼吁打造跨国开源社区和安全、可靠的开源平台 [2] - 该计划彰显中国为AI制定全球治理标准的雄心，可能削弱美国在该领域的影响力，因为美国领先的AI模型并非开源模型 [2] 中国AI产业投资与政策 - 中国政府牵头开展全国性行动，包括国有企业、民营公司和地方政府在内的机构大力投资AI [2] - 中国计划在截至2030年的5年内斥资5640亿美元建设电网，较前5年增长40%以上，为数据中心提供更多电力 [3] - 中国发电能力是美国的2.5倍，预计未来5年该差距还会越来越大 [3] 中国AI教育与人才 - 中国共有626所普通高校备案人工智能本科专业，远高于2019年的35所 [3] - 从2024年秋季学期开始，北京中小学校都要开展人工智能通识教育 [3] - 中国已为AI产业打造出强大的本土人才输送管道 [3] 中国AI技术进展 - 中国最佳的开源模型的整体表现已经超过美国最好的开源模型 [3] - 深度求索（DeepSeek）等中国AI初创企业越来越受欢迎，提升中国在AI领域自立自强的希望 [2] - 华为发表多篇论文，详细研究人员如何在不依赖美国技术的情况下使用国产芯片构建大语言模型 [2]

360集团芯片采购策略 - 公司正在将芯片采购方向转向国产芯片 尽管国产芯片与英伟达存在差距 但强调必须通过使用促进改进[1] - 近期采购集中于华为产品 未提及重新采购H20芯片的计划[2] 国产芯片与H20对比 - H20芯片更适合推理场景 但推理对芯片性能要求低于训练 无需高速互联或集群支持[2] - 国产芯片在性价比方面优于H20 导致H20市场定位面临挑战[2] 行业动态关联事件 - 马云西湖夜骑引发同款商品抢购潮 线下渠道出现断货 旗舰店实施每人限购2辆政策[4]

市场表现 - 7月4日中证全指收涨0.60%，本周呈震荡上行趋势[1] - 7月3日沪指涨0.18%，深成指涨1.17%，创业板指涨1.9%[2] 资金流向 - 7月3日上证净流入67.90亿元，深证净流入162.83亿元[3] 消息政策 - 国家数据局局长提出深化数据资源流通利用和市场化配置改革[4] - 证监会提出优化资本市场机制安排支持科技创新[5] - 商务部强调完善政策体系推动自贸试验区建设[6] 行业动态 - 5月汽车商品出口206.7亿美元，同比增长12.2%[7] - 1 - 6月电动自行车以旧换新月均环比增长113.5%[7] - 预计2029年中国低代码与零代码软件市场规模达129.8亿元[9] 基金动态 - 6月751家私募调研387家上市公司，调研1769次[10] - 私募调研聚焦电子、医药生物等行业及小盘成长股[10][12]

纪要涉及的行业和公司 - **行业**：自动驾驶行业 - **公司**：特斯拉、vivo、百度、小马智行、文远知行、Pony、小鹏、理想 纪要提到的核心观点和论据 1. **自动驾驶主流方案**：当前主流采用局部端到端两阶段模型，前端感知和预测利用 CNN 结合 LLM 增强环境理解，规划控制侧重基于规则的方法保障安全，旨在平衡复杂度与可靠性[1][2] 2. **特斯拉技术路径优劣势** - **优势**：响应速度快，车载系统响应及时；处理复杂场景能力强，一段式操作解决多模块联合问题表现出色[3] - **劣势**：训练过程复杂，监督难以构造；数据采集与标注困难，训练时比局部端到端方法面临更大挑战[3] 3. **国内 L4 级别自动驾驶系统优势**：在驾驶舒适性、复杂路况安全性及急弯场景路径规划方面优于特斯拉，国内公司通过多传感器融合提升感知能力，更适应国内复杂交通环境[1][6] 4. **L4 级别自动驾驶系统硬件需求** - **激光雷达**：是刚需，在夜间和恶劣天气下能有效识别物体形状，避免纯视觉方案的感知缺陷，但数据量庞大，对算力需求较高[1][9] - **芯片**：实现 L4 功能对芯片算力要求高，英伟达芯片性能和稳定性优异，国产芯片在尖峰性能、平均性能和生态支持上与英伟达有差距，但美国制裁推动国产替代，可显著降低成本，如地平线芯片可节省 80%成本[1][12] 5. **限制车队规模扩大的因素**：单车成本高（目前约 80 万，大规模量产需降至 30 万以内）、监管限制（只能部署在特定区域）、人力成本和基础设施建设不足（缺乏专业云控驾驶员及后台服务器支持）[16] 6. **政府相关政策和要求** - **Robotaxi 运营**：需先在特定区域测试收集数据，提供给政府获批准后开放区域运行[17] - **自动驾驶牌照发放**：政府每年限定牌照数量，申请者提交公用指标数据初步筛选，通过仿真软件模拟场景监控自动驾驶能力，结合两者结果决定发放对象，牌照数量逐渐递增[18] 7. **世界模型**：在自动驾驶中发挥重要作用，不同车企之间存在差异，整体框架包括动态障碍物重建和静态环境重建，但细节差距大，如小鹏、理想等采用 3D 高斯等高精度方法，其他企业可能采用游戏引擎方式模拟[20] 8. **L4 级别公司解决问题的方法**：通过大量测试和仿真技术解决常见问题，利用数据孪生构建仿真环境，发现并解决问题，更新算法并积累数据，降低人力成本，提高效率[2][14] 其他重要但是可能被忽略的内容 1. **PNC 未用更多模型驱动的原因**：训练和推理过程中的数据问题，自回归会使未见过的数据偏差累积，未见过的数据可能导致危险行为[4][5] 2. **政府仿真软件及评价指标**：以北京交管局为例，使用基于国外的通用平台软件添加各种随机场景评估，评价体系不复杂，国内厂家能做类似软件[19] 3. **生成数据与大语言模型的关系**：生成数据基于已训练好的大语言模型框架，可提供优质数据，减少对真实数据的依赖[23] 4. **人员招聘来源**：从百度、美国公司、Vivo 等企业挖掘高端人才，应届生主要来自清华、北航、北邮、中科大、中科院和浙大等高校[25] 5. **国内与海外引进人才对比**：国内人才数学基础扎实，项目执行和攻坚能力强；海外引进人才眼界高，有新奇想法，工作规范[26][27] 6. **自动驾驶领域未来技术迭代**：短期无太大技术变革，重点是将大语言模型融入自动驾驶系统，若实现将带来巨大飞跃[28]

就业趋势 - 2025年高校毕业生人数预计达1222万创历史新高[4] - 销售类职位超越管培生、软件开发成为大学生简历投递量榜首[5] - 非对口专业（英语、广告、心理学等）学生批量涌入销售岗位[7] 择业动机 - 00后职场驱动力排序：经济保障>学习成长>价值成就[10] - 销售岗优势：门槛低、反馈快（业绩与收入正相关）、路径清晰（底薪+提成+奖金）[14] - 电商销售平均起薪9000元，快消销售底薪7000-10000元，医药代表年薪可达15万元[15] 行业转型 - 地产中介无责底薪模式瓦解（链家、中原等下调底薪并加码考核）[20] - 新兴销售岗涌现：知识类带货主播、保险顾问、教育咨询师、新能源设备销售代表[27][28] - 企业对销售技能要求变化：数据分析、内容营销、社交媒体运营超越传统拜访技巧[33] 职业进化 - 65%受访者认为带货主播是销售岗，52%将咨询顾问纳入销售范畴[36] - 网络主播成为新职业，职业主播数量达1508万人[37] - 销售岗位需求旺盛：人社部"最缺工"职业中"营销员"连续多季度居首[41] 岗位特征 - 小米新零售销售岗需掌握渠道模型、大数据及消费心理学[30] - 京东"采销直播岗"年薪百万，要求AI工具、数据洞察与直播控场能力[30] - 销售岗跳槽意愿低于产品、运营岗，职场稳定性较高[45] 能力重构 - 销售新物种需具备表达、用户洞察、讲故事、数据分析、社群运营等复合能力[34] - 工业机器人销售需参与技术调试、行业白皮书撰写及产品迭代反馈[46] - 教育规划顾问角色融合解决方案设计与心理咨询属性[40]