市场分歧加大。 有人辞官归故里，有人星夜赶科场。当上证指数一度站上4000点整数关口后，A股市场博弈加剧。有基金经理 坐享科技赛道红利，旗下基金净值一路飙升；有基金经理则错失行情，表现焦虑难安；也有基金经理对科技行 情表现出泰然自若心态。 这种分歧不仅体现在业绩上，更延伸至基金经理的操作策略中。基金三季报数据呈现出的多个极端数据成了分 歧背后的佐证。近期，公募绩优产品频频限购、私募基金选择封盘的现象，也成为分歧的直接映射。 4000点关口附近，A股市场已出现轻微震荡，关键节点的走向之争愈发激烈。 关键节点市场分歧加剧 一个月前，上证指数率先站上3900点整数关口，市场热度初显；10月28日，该指数更是时隔十年首次迈过4000 点大关，A股指数"扬眉吐气"。 然而，在这看似繁荣的背后，市场热情并未真正被点燃。久违的亢奋情绪转瞬即逝，A股市场成交额在2万亿 元上下徘徊，部分高位板块近日甚至遭遇较大幅度调整，呈现出"指数新高与结构调整并存"的分化格局。 与市场走势相伴的，是基金经理陷入激烈的多空分歧，对市场未来走向的分歧日益凸显，有关后市走势的方向 更显迷雾重重。 从基金三季报数据或能一窥究竟，比如规模超50亿元的 ...

行业与公司分析 涉及的行业与公司 * 智能车行业 作为AI时代物理世界的革命性终端 其重要性不亚于PC和移动互联网[2] * 软件公司包括垂直一体化模式公司 如特斯拉 小鹏汽车 千里科技[9] 核心算法技术提供商 如地平线 百度 小马智行 文远知行[9] 以及传统出行公司转型 如滴滴[9] * 硬件层面关注车辆代工生产 如北汽 广汽 上汽[10] 以及产业链上游的芯片 域控制器 传感器 线控底盘 车灯与玻璃[10][11] * Robot One场景相关标的包括德赛西威 中油和开勒股份[12] 核心观点与论据 * 智能车估值不应沿用电动车硬件渗透率或互联网流量模式 而应关注智能体替代人类完成任务的复杂性及创收能力[1][3][4][5] 关键在于其未来创收能力 而非用户数量[4] * 投资布局应从智能车产业链整体出发 覆盖上游技术供应商 中游供应链 下游品牌商及应用层面[1][6] 此轮投资机会量级将远超PC和移动互联网时代[1][6] * 智能化投资应优先关注B端市场 Robot Taxi和Robot One是重要应用场景[8] 其中Robot Taxi单位创收能力上限更大[8] 投资排序上应优先考虑软件公司 其次是硬件公司[8] * C端市场爆发期预计在2027年左右 届时首批电动车用户进入换车周期 且普通消费者通过B端体验形成认知[13] 在此之前B端体验至关重要[3] * 智能车产业链利润分配遵循微笑曲线 核心技术硬件和核心软件/应用平台是核心赢家 利润率可达15%-30%以上 中游制造 组装及下游品牌分销利润空间较低 仅约5%[3][24] * 中美市场在智能车应用上存在差异 主要体现在社会阶段 人工成本以及支付体系的不同[21] 中国消费者习惯免费模式 美国则相反[20] * 在AI时代早期 垂直一体化模式效率最高[23] 智能车消费属性会下降但不会完全消失[32] * 预计到2030年国内Robotaxi保有量将达到50万辆 到2035年可能达到200至250万辆[40] 2025年国内市场翻倍增长问题不大[41] 其他重要内容 * 参考PC时代互联网泡沫 其有强基本面支撑 美国及西方国家PC快速普及 从1990年的突破1亿台到2000年的3.6亿台[25] 泡沫时期估值方法创新 如按用户数估值[16][38] 雅虎市值曾达1200亿美元 对应每个用户价值约900美元[39] * 移动互联网时代估值体系并未突破PC时代 大型科技公司的PS基本维持在5~10倍[28] * 现有科技公司的路径依赖可能导致其难以适应新兴技术[30] 国内企业中 小米 腾讯 阿里等相对于美股科技巨头护城河有限[31] 字节跳动底层技术能力值得重视[31] * 智能车关注度下降的原因包括过去五年电动化投资范式的影响 以及投资者转向关注汽车出口和全球化逻辑[34] * 智能车已经达到L4级别 预计下一年将实现L4[36] Robot Taxi场景可能成为未来一年的标志性拐点[37] * 根据交通部数据 目前国内出车和网约车保有量约为五六百万辆 而私家车保有量则达两三亿辆[42] 未来部分私家车可能被智能汽车替代[42] * 投资建议避免陷入用户数量思维 不必等待百万或千万级别 例如小马智行市值约300亿美元 隐含其到2030年实现1万台Robotaxi的目标[43]

AI时代范式转变：从流量为王到产品为王 - AI时代核心竞争要素从移动互联网时代的"流量为王"转向"产品为王"[4] - 移动互联网时代企业盈利取决于用户规模、获客成本和变现渠道[4]，本质是连接[4] - AI时代智能体价值取决于完成任务复杂度[4]，创收能力差异源于算法能力、算力调用和数据闭环能力[4] - 互联网时代终端价值与用户时间成正比[4]，AI时代智能体价值与任务复杂度成正比[4] - 交互方式从触控转向语音[4]，估值核心从用户数转向单个智能体创收价值[4] 智能车作为AI时代革命性终端 - 智能车被忽视源于互联网流量思维主导[5]、AI与汽车领域认知割裂[5]及短期被电动车逻辑拖累[5] - 智能车革命性体现在符合去中心化、科技平权特征[5]，解放生产力并改变生产关系[5] - 智能车用户数量级虽小但价值维度不同于传统流量逻辑[5] - 与PC、智能手机类似，智能车具备打破资源垄断的共性特征[5] AI智能车投资机会规模 - AI智能车产业趋势投资机会大于互联网时代[6] - 中国在智能车时代实现底层创新[6]，预计在芯片、算法、应用领域诞生全球竞争力企业[6] - PC时代中国为模仿创新[6]，智能手机时代为应用创新[6] - 对比历史：PC时代诞生联想、新浪等[6]，手机时代诞生华为、腾讯等[6] AI智能车估值方法论 - 产业前期采用新估值方式，后期回归PE估值[7] - 提出"智能体创收市值法"：智能体创收能力=保有量×能力等级[7] - 最大估值变量为智能体能力等级[7]，其差异呈非线性变化[7] - 参照互联网时代用户数市值法[7]，AI时代需建立新估值体系[7] Robotaxi产业链投资主线 - Robotaxi是未来5年AI智能车最佳投资主线[8] - 产业链按利润分配重要性分为五类：一体化模式、技术提供商+运营分成、传统网约车转型、车辆生产商、核心硬件供应商[8] - 代表企业包括特斯拉、地平线、滴滴、北汽蓝谷、德赛西威等[8] - 硬件覆盖检测、芯片、域控制器、传感器、线控底盘等环节[8] Robovan产业链投资机会 - Robovan技术壁垒低于Robotaxi但商业化更快[9]，对社会物流影响重大[9] - 产业链分为技术提供商+运营分成、技术提供商+硬件生产商+运营分成、运营分成、核心硬件供应商四类[9] - 代表企业包括九识智驾、德赛西威、中邮科技、黑芝麻智能等[9] L4级智能车C端消费产业链 - C端L4智能车消费潮稍晚于B端但爆发潜力大[10] - 车企分为技术自研路线、拥抱华为伙伴、第三方+自研并行策略三类[10] - 技术供应商包括华为引望、地平线等[10]，硬件供应商与Robotaxi环节高度重叠[10] - 代表车企包括特斯拉、赛力斯、比亚迪等[10] 科技革命历史对比分析 - PC互联网时代（1990-2005年）中国为模仿创新[6][23]，移动互联网时代（2007-2020年）为应用创新[6][23] - 终端演进路径：办公室计算机→口袋计算机→轮子上的计算机[23] - 互联网时代估值泡沫经验显示，能走出泡沫企业均依靠新时代红利且护城河深厚[34] - Wintel联盟错过移动互联网源于路径依赖[119]，技术架构与商业模式未能适应移动端需求[119]

制造业转型方向 - 隆鑫通用围绕高端化 智能化 绿色化升级 通过高端品牌提升价值 智能制造提升效率 绿色技术驱动未来 [2] - 汽车产业智能化与智能制造实现大规模落地应用 智能车重视数据闭环打通 数据驱动算法及软件系统迭代 智能生产线初步具备思考能力 [2] - 制造业新一轮跃迁核心驱动力是技术红利特别是人工智能带来的颠覆性变革 由多种前沿技术融合共生带来的系统性变革 [3] 企业战略路径 - 隆鑫通用推出高端自主品牌 打造摩托车行业产业大脑+未来工厂 服务于全球化战略路径 实现从产品出海到品牌出海最终产能出海 [2] - 四维图新呼吁产业界打通上下游产业链协作 通过数据共享消除信息孤岛 最大化开放协同制造平台 实现汽车产业全栈可控 [3] - 四维图新与华为 阿里云 火山引擎 高通 地平线等企业达成战略合作 坚信智能驾驶需要合力打造高阶产品 [5] 发展建议 - 坚持技术立身 以确定性创新应对不确定性风险 核心技术自主可控是抵御外部风险的压舱石 [4] - 深耕全球化市场 从产品出海转向品牌扎根 通过本地化合作分散地缘政治风险 捕捉差异化需求 [4] - 构建生态共赢产业链思维 龙头企业开放协作带动上下游数字化转型 提升链群抗风险能力和响应速度 [4] - 汽车产业智能化进入淘汰赛阶段 投资者应关注对标准有引领作用 对整体方案有关键推动 具备核心技术并在AI领域保持优势的企业 [4] - 合作伙伴选择关键 丰田将部分利润用于支持供应商发展 体现重视产业生态培育的优质链主 [5] - 技术方案需经历3年至5年车规级验证周期才能实现稳定收入 并持续迭代产品 [5] - 制造业企业投资要提升可投资性 不仅要赚钱更要坚持可持续增长长期主义 关注新技术发展避免被降维打击 [5] - 投资聚焦核心赛道核心龙头 关注技术投入和布局 全球视野 人才管理等经营财务指标外情况 培养整合不同赛道投资思维 [5]

数字革命AI浪潮下的汽车行业估值重塑 - 数字革命AI浪潮下，汽车行业有望实现从传统制造业向具身智能企业的系统性估值提升，类比Tesla估值体系已围绕AI科技重塑 [1] - 历史科技变革显示技术突破会打破原有竞争格局，带动周期性行业估值重塑，如19-21年新能源渗透率提升推动车企估值系统性提升 [1] - 比亚迪、华为、小米等企业跨界布局电车、智能车及机器人领域，提前进行AI布局的车企可能实现产业升级和估值逻辑转变 [1] 车端与人形机器人的供应链协同机遇 - 车端和人形机器人部分零部件（如线控制动、电驱动系统）具有共性，供应链重合度高，汽配企业可向机器人领域延伸 [2] - 整车厂开发机器人本体的优势包括应用场景（如工厂）、AI能力（端到端大模型）及硬件工程化能力积累 [2] - 汽车与人形机器人远期均为千万级需求场景，在原材料、工艺、批量生产等环节具备协同性，为汽车领域玩家提供升级机遇 [2] 人形机器人行业竞争格局与进展 - 人形机器人赛道参与者多元化，包括汽车厂商（特斯拉、比亚迪）、科技公司（华为、英伟达）及专业机器人公司（智元、宇树） [3] - 特斯拉预计2026年正式量产机器人，Figure已开始交付客户，宇树产品进入销售阶段，行业处于酝酿发展期 [3] - 各企业依托制造能力、大模型技术或供应链优势布局，推动行业进展提速 [3]

AI终端产业概述 - AI终端是具备主动感知理解、多模态自然交互、智能化服务和自主学习进化等能力的新型终端产品，是新一轮科技革命和产业变革的重要载体 [3] - AI终端产业从2024年开始发展，目前正处在"渗透初期" [3] - 大模型赋能AI终端从信息处理向知识学习能力进阶，从限定范围的程序定义向开放域的自决策模式转变 [3] 传统终端市场现状 - 手机出货量连续九个季度负增长，PC连续八个季度负增长 [3] - 经济预期低迷、换机周期拉长叠加颠覆性创新缺失等多重因素影响下，手机、PC等传统终端市场持续承压 [3] AI终端发展驱动力 - 端侧AI芯片性能快速提升，大模型压缩和轻量化部署技术进步，使端侧AI落地具备软硬件基础条件 [3] - 智能手机、PC等终端厂商抢占AI流量入口，积极布局端侧大模型业态，提振消费者换机需求 [3] - 2024年《政府工作报告》提出开展"人工智能+"行动，中央部委大力推进经典终端、新型终端、行业终端创新发展 [3] AI终端产品分类 - 经典终端：手机、投影机、平板电脑、高品质音响、耳机、摄像机等，面向家庭影音、健康养老和生活服务等场景 [4] - 新型终端：ARVR头盔、智能车、智能机器人、无人机、绿色智能船舶等，面向智能制造、家庭服务等场景 [4] - 行业终端：工业机器人、工控机、高端数控机床等，面向党政军、交通、金融、能源、水利等场景 [4] AI终端关键技术 - NPU异构集成是当前端侧AI主要部署模式，芯片厂商重点围绕"算力+内存"协同升级提升性能 [6] - 内存带宽发展滞后是端侧算力核心瓶颈，优化计算与存储结构是创新探索重要路径 [6] - 需要持续优化模型轻量化、OS与大模型融合、端云协同部署、全链路安全防护策略等技术 [6] AI智能体发展 - AI智能体是以大模型技术为核心，具有自主环境感知、学习记忆、决策执行和工具调用等能力的程序或系统 [7] - 基于自然语言的极简交互将替代传统图形界面交互，形成LUI+GUI混合形态 [7] - AI智能体市场处于技术迭代加速、产品打磨优化、应用场景探索、生态占位的发展初期 [7]

AI终端产业概述 - AI终端是具备主动感知理解、多模态自然交互、智能化服务和自主学习进化等能力的新型终端产品，是新一轮科技革命和产业变革的重要载体 [3] - AI终端产业从2024年开始发展，目前正处在"渗透初期" [4] - 大模型赋能AI终端从信息处理向知识学习能力进阶，从限定范围的程序定义向开放域的自决策模式转变 [5] 市场现状与驱动因素 - 手机出货量连续九个季度负增长，PC连续八个季度负增长 [5] - 端侧AI芯片性能快速提升，大模型压缩和轻量化部署技术进步，使端侧AI落地具备软硬件基础条件 [5] - 智能手机、PC等终端厂商抢占AI流量入口，积极布局端侧大模型业态，提振消费者换机需求 [5] - 2024年《政府工作报告》提出开展"人工智能+"行动，中央部委大力推进经典终端、新型终端、行业终端创新发展 [5] 终端产品分类与应用场景 - 经典终端：手机、投影机、平板电脑、高品质音响、耳机、摄像机，面向家庭影音、健康养老和生活服务、数字生活等场景 [5] - 新型终端：ARVR头盔、智能车、智能机器人、无人机、绿色智能船舶，面向智能制造、家庭服务等场景 [6] - 行业终端：工业机器人、工控机、高端数控机床等，面向党政军、交通、金融、能源、水利等场景 [6] AI终端关键技术 - NPU异构集成是当前端侧AI主要部署模式，芯片厂商重点围绕"算力+内存"协同升级提升性能 [8] - 内存带宽发展滞后是端侧算力核心瓶颈，优化计算与存储结构是创新探索重要路径 [8] - 端侧模型轻量化、OS与大模型融合、端云协同部署、全链路安全防护策略等技术需要不断优化迭代 [8] AI智能体发展前景 - AI智能体是以大模型技术为核心，具有自主环境感知、学习记忆、决策执行和工具调用等能力的程序或系统 [9] - 基于自然语言的极简交互将替代传统图形界面交互，形成LUI+GUI混合形态 [9] - AI智能体市场处于技术迭代加速、产品打磨优化、应用场景探索、生态占位的发展初期 [9]

研究框架 - 乘用车销量受长中短周期叠加影响 长期看需求结构和经济环境 目前中国汽车千人保有量仍有提升空间 换购需求占比过半 [1] - 中期政策周期显著拉动销量 2009年以来3次整车周期均带动销量增长 政策退出后10-20个月透支影响消除 新车周期决定车企销量 细分市场扩容+产品卡位是关键 [1] - 短期库存周期影响减弱 直营体系占比提升降低季节性波动影响 政策周期和事件冲击仍存 [1] 板块行情特征 - 汽车板块贝塔跟随销量景气度变化 2010年以来9次显著行情中6次由销量预期提升驱动 3次为新能源/辅助驾驶/机器人/AI结构性行情 [2] - 行情终结信号为销量景气度下降 非销量驱动的结构性行情占比33% [2] 个股表现规律 - 个股超额收益主要来自新车周期放量预期 长城/比亚迪/吉利历史超额收益均源于SUV/PHEV需求与产品周期共振 [3] - 新势力车企在盈利转正前股价锚定特斯拉或行业指数 理想/赛力斯盈利稳定后市值围绕20倍PE波动 [3] 行业现状 - 2025年乘用车总量无忧 当前库存健康 PHEV渗透率仍处上升通道 智能车市场处于早期阶段 [4] - PHEV市场格局分化 比亚迪插混轿车市占率71% 插混SUV因理想/赛力斯参与格局分散 [4] - 当前价格战本质为龙头扩份额 销量增长可对冲盈利压力 不同于2018年去库存式降价 [4] 重点标的 - 吉利汽车GEA架构持续拓展 星愿车型有望2025年成为微型车Top1 L6EM-i等车型抢占20万元以下燃油车份额 [5] - 20万元以上市场通过极氪/沃尔沃突破 同时整合极氪与领克实现管理降本 [5] - PHEV强势车企包括吉利/比亚迪/长城/赛力斯/小鹏 产品周期决定竞争优势 [4][5]

活动概况 - 南京航空航天大学幼儿园于4月24日第十个中国航天日举办"童梦探月，星河启航"儿童航空航天馆开馆仪式 [2] - 活动以航空航天科技为主题，通过互动体验和创意实践为儿童提供科技盛宴 [2] 互动体验项目 - 馆内设置全息影像飞行器演示、模拟飞行、风洞实验及光影探索等沉浸式互动项目 [6][7] - 配备飞行模拟器供儿童体验航天科技魅力 [6] - 科学嘉年华展示机器狗、智能车等科技产品吸引儿童关注 [2][10][12] 教育成果展示 - 儿童登台展示自制航空航天器模型 [4][6][9] - 配备小讲解员在馆内介绍航空知识 [7] - 通过同台表演节目等形式实现科技教育与趣味实践相结合 [4][10]

自动驾驶技术应用 - AI在汽车领域主要应用于自动驾驶 需要替代人类视觉的雷达感知系统 并向人类学习驾驶行为优化[1][2] - 汽车未来100%实现自动驾驶 周期可能在15至20年 对应2032-2037年时间范围[2][5] - 自动驾驶实现后车辆形态将彻底改变 2025年预期出现全一厢车设计 按客厅理念打造舒适移动空间[4] 用户需求代际差异 - 70/80后群体担忧自动驾驶剥夺驾驶乐趣 而90后群体将车辆视为纯交通工具 因驾驶环境持续拥堵且受限[3] - 未来车辆将成为绝对私人空间 用户在车内时间将超过居家时间 具备娱乐和社交功能属性[4] - 智能汽车与智能手机形成功能互补 汽车作为"携带人类"的移动空间 与便携设备形成场景闭环[5] 行业变革与市场机遇 - 汽车行业将出现万亿美元市值企业 因车辆形态和生产效率发生根本性变革[5] - 2014-2015年选择造车行业因市场规模足够大 需比汽车之家大十倍以上 且存在行业变革窗口期[7][8] - 2022年9月明确自动驾驶属于AI问题 企业需转型为AI公司才能跟上产业发展[8] 技术认知演进路径 - 2024年12月认可OpenAI定义的AI五阶段理论 确立基座模型为核心能力而非功能 是超级入口[8] - 在OpenAI o1发布前已推动团队侧重模型后训练 与后续大模型训练范式高度一致[8] - 通过每周4-5次AI会议保持技术前沿认知 涵盖最新论文解读和跨团队最佳实践分享[8] 企业战略转型 - 从汽车垂直媒体（占行业90%利润）向智能汽车制造转型 因原有业务增长空间受限[7][8] - 技术路线选择具备前瞻性 在团队未达成共识情况下推动端到端技术路线实施[8] - 2022年后规划第二增长曲线为人形机器人 预计市场规模超越自动驾驶领域[8] 竞争格局认知 - 2024年已关注到DeepSeek技术突破 了解其多头潜在注意力机制(MLA)和混合专家结构(MoE)[8] - 当前量产车中仅CyberTruck和MEGA实现与传统车辆完全不同的形态设计[6] - 理想汽车内部对L4级自动驾驶车辆的正向设计尚未形成统一方案[6]