Workflow
珠峰
icon
搜索文档
岚图汽车完成港股上市前置审批 预计3月19日港交所挂牌
搜狐财经· 2026-02-14 13:48
上市进程与财务表现 - 公司预计于2026年3月19日在香港联交所主板挂牌交易,有望成为港股市场首个央国企背景的高端新能源汽车品牌 [1] - 公司从2025年8月启动港股上市工作至2026年2月11日获港交所原则性同意,仅用四个月完成全部前置监管审批流程 [1] - 2023至2025年期间,公司销量从50,285辆增长至150,169辆,复合年增长率达73%;营收从127.5亿元攀升至348.6亿元,复合年增长率为65.4% [1] - 2025年,公司实现净利润10.2亿元,首次达成年度盈利,毛利率稳定在20.9%,并成为首个达成30万辆规模的央国企高端新能源品牌 [1] 核心技术布局 - 截至2025年12月31日,公司拥有1,874项已颁发专利和5,405项正在申请的专利,主要覆盖智能网联、新能源、组合辅助驾驶、车身安全等领域,专利增速位居新能源车企第一 [2] - 公司打造了全球首个兼容多动力模式的原生智能电动架构(ESSA架构),并推出了国内首个量产的中央集中式SOA电子电气架构,后者入选国务院国资委发布的《中央企业科技创新成果推荐目录成果手册(2024年版)》 [2] - 公司在三电技术领域全球首发800V岚海智能超混技术,实现360-410公里纯电续航,超过1400公里综合续航,以及最快12分钟从20%电量充至80%的充电效率 [4] - 公司智能驾驶技术已全面切入国产化芯片平台,率先搭建完成端到端大模型,L3有条件自动驾驶已进入实车测试阶段,完成累计11万公里实际道路测试及90万公里仿真测试 [4] 生产制造与供应链 - 公司云峰工厂已建成国内首条100%国产化新能源整车生产线,所有软件系统、硬件设备及控制规范均由国内自主研发制造,实现制造链自主可控 [6] - 公司正在全力冲刺每小时60台整车下线的产能目标 [6] 产品线与市场表现 - 公司在中国高端新能源品牌中率先完成SUV、MPV、轿车全品类布局 [6] - 在高端MPV市场,岚图梦想家在2025年下半年蝉联销量榜首,据杰兰路报告,其位居2025下半年新能源MPV NPS榜首,是2025年度新能源MPV车型产品质量第一 [7] 补能网络与全球化 - 公司补能网络接入超10万座充电站、超150万充电桩,城市县区补能资源覆盖率达99%,并在全国核心城市建设智慧超充站 [9] - 公司通过“产品+品牌+文化”三位一体的出海策略,已进入全球超40个国家和地区 [9] 2026年产品规划 - 公司发布“三王一炸”新品计划,新车全部搭载L3级智能辅助驾驶硬件 [9] - “三王”包括:按L3级自动驾驶架构设计的岚图泰山Ultra(央国企首款按L3级架构设计商用量产车,将于3月上市)、岚图泰山X8(将于2026年上半年上市)、以及项目代号“岚图FE”的智慧纯电FUV(预计2026年中上市) [9][11] - “一炸”为代号“珠峰”的“50万级行业最强”MPV,将于2026年下半年上市,将全球首发12项黑科技,成为全球首个搭载L3自动驾驶的MPV [11] 行业意义与发展趋势 - 公司上市展现出中国汽车产业从规模扩张向质量提升、从技术跟随向自主创新、从本土深耕向全球竞争转型的行业趋势 [12] - 公司上市为央国企高端新能源汽车品牌借助国际资本市场实现高质量发展提供了实践路径 [12]
岚图汽车预计将于3月港股上市 2025年盈利超10亿元
中国经营报· 2026-02-13 22:41
港股上市进程与时间表 - 公司预计将于2026年3月19日在香港联交所主板正式挂牌,股票代码将沿用母公司东风集团股份(00489.HK)的后三位数字 [2][6] - 公司以介绍方式上市,自2025年8月启动,10月递交申请,2026年1月29日通过聆讯,2月11日获联交所原则性同意,历时4个月完成全部前置审批 [4][5][6] - 上市方案采用“股权分派+吸收合并”组合模式,东风集团股份将其持有的岚图汽车79.67%股权向全体股东分派,随后公司介绍上市,同时东风汽车集团通过子公司实现对东风集团股份的100%控制 [5] 财务与运营表现 - 2025年公司实现营收348.6亿元,净利润10.2亿元,顺利实现年度盈利 [4][7] - 2023年至2025年,公司汽车销量从50285辆增长至150169辆,复合年增长率为72.8%;营业收入从127.5亿元增长至348.6亿元,复合年增长率为65.4% [7] - 公司毛利率从2023年的14.2%提升至2025年的20.9%,盈利能力持续改善 [7] - 公司已完成SUV、MPV和轿车全品类布局,构建了“三旗舰”及“SUV双子星”产品系 [7] 技术研发与专利储备 - 截至2025年12月31日,公司在中国拥有1874项已颁发专利和5405项正在申请的专利,专利增速在新能源汽车行业位居第一,主要覆盖智能网联、新能源、组合辅助驾驶等领域 [8] - 公司打造了全球首个兼容多动力模式的原生智能电动架构ESSA,以及国内首个量产的中央集中式SOA电子电气架构 [8] - 2025年8月,公司发布岚海智能超混技术,构建“智电中枢”与“超能矩阵”两大技术体系,并采用全域800V系统、5C超充等技术方案 [8] 智能化布局与产品规划 - 公司L3有条件自动驾驶已进入实车测试阶段,累计完成11万公里实际道路测试及90万公里仿真测试,进入全面量产倒计时 [9] - 2025年4月,公司全球首发L3级智能架构“天元智架”,整合了青云L3级智能安全行驶平台与鲲鹏L3级智能安全驾驶系统 [9] - 2026年“三王一炸”新品计划中,所有新车将搭载L3级智能辅助驾驶硬件,包括将于2026年3月上市的“智驾王牌”岚图泰山Ultra(央国企首款按L3架构设计量产车型)、上半年上市的“空间王牌”岚图泰山X8,以及年中上市的“颜值王牌”岚图FE [9] - 计划于2026年下半年上市代号“珠峰”的高端MPV(“科技王炸”),岚图泰山黑武士也将于2026年3月亮相 [10] 公司定位与战略愿景 - 公司是首个达成30万辆规模的央国企高端新能源品牌,致力于强化“央国企高端新能源第一品牌”地位 [4] - 公司港股上市后,旨在为国际投资者创造长期价值,为中国品牌参与全球竞争提供高价值实践路径 [6] - 公司作为东风汽车倾力打造的高端智慧新能源品牌,其成长是东风汽车新能源事业发展的缩影 [6]
岚图汽车2025年毛利率超20%!港股上市获原则性同意
中国汽车报网· 2026-02-13 10:56
上市进程与市场地位 - 公司已完成港股上市全部前置监管审批,预计于2026年3月19日在香港联交所主板正式挂牌,有望成为“央国企高端新能源第一股” [1] - 公司上市进程高效,从2025年8月启动至2026年2月11日获联交所原则性同意,历时仅四个月,创下央企新能源品牌赴港上市高效范例 [1] - 公司是东风汽车旗下高端智慧新能源品牌,已实现稳健增长与盈利突破,2025年销量达150,169辆,营收348.6亿元,净利润10.2亿元,毛利率稳定在20.9% [2] - 公司2023年至2025年销量复合年增长率达73%,营收复合年增长率为65.4%,增速显著高于业内水平 [2] - 公司是首个达成30万辆规模的央国企高端新能源品牌,致力于强化“央国企高端新能源第一品牌”领先地位 [2] 财务与运营表现 - 公司2023年至2025年营收从127.5亿元攀升至348.6亿元 [2] - 公司2025年成功实现年度盈利,净利润为10.2亿元 [2] - 公司毛利率稳定在20.9%,位居行业前列 [2] - 公司制造体系高度智能化,云峰工厂已建成国内首条100%国产化新能源整车生产线,正全力冲刺每小时60台整车下线产能目标 [9] 技术研发与核心能力 - 公司坚持技术创新,截至2025年12月31日,拥有1,874项已颁发专利和5,405项正在申请的专利,专利增速位居新能源车企第一 [5] - 公司专利主要覆盖智能网联、新能源、组合辅助驾驶、车身安全等领域 [5] - 公司打造了全球首个兼容多动力模式的原生智能电动架构(ESSA架构)和国内首个量产的中央集中式SOA电子电气架构 [5] - SOA架构入选国务院国资委发布的《中央企业科技创新成果推荐目录成果手册(2024年版)》,成为国家层面重点推荐的技术成果 [5] - 公司在三电技术领域全球首发800V岚海智能超混技术,实现纯电续航360-410公里,综合续航超1400公里,最快12分钟从20%电量充至80% [7] - 800V岚海智能超混技术被《科技日报》评为中国“十四五”期间重大技术突破 [7] - 公司在智能化领域实现全栈自研,智能驾驶技术已全面切入国产化芯片平台,并率先搭建完成端到端大模型 [7] - 公司L3有条件自动驾驶已进入实车测试阶段,完成累计11万公里实际道路测试及90万公里仿真测试,进入全面量产倒计时 [7] 产品布局与市场表现 - 公司在中国高端新能源品牌中率先完成SUV、MPV、轿车全品类布局 [10] - 岚图梦想家、岚图泰山与岚图追光L组成“三旗舰”,岚图FREE+与全新岚图知音组成“SUV双子星” [10] - 在高端MPV市场,岚图梦想家成为销量、口碑、质量“三冠王”,2025年下半年蝉联高端MPV销量榜首 [12] - 据杰兰路报告,岚图梦想家位居2025下半年新能源MPV NPS榜首,是2025年度新能源汽车MPV车型产品质量第一 [12] 补能网络与全球化 - 公司补能网络接入超10万座充电站、超150万充电桩,城市县区补能资源覆盖率达99% [14] - 公司在核心城市建设智慧超充站,可实现“充电10分钟,续航数百公里”的秒充级体验 [14] - 公司加速全球化发展,通过“产品+品牌+文化”三位一体出海策略,已进入全球超40个国家和地区 [14] 未来产品规划 - 公司发布2026年“三王一炸”新品计划,新车全部搭载L3级智能辅助驾驶硬件 [15] - “三王”包括按L3级架构设计的岚图泰山Ultra(智驾王牌,央国企首款按L3级架构设计商用量产车,3月上市)、“庭院级大五座SUV”岚图泰山X8(空间王牌,上半年上市)、以及项目代号“岚图FE”的全新FUV(颜值王牌,年中上市) [15][17] - 岚图泰山X8将搭载问界M9同款四激光雷达,首发华为全新一代交互座舱 [17] - 项目代号“岚图FE”是联合华为乾崑推出的智慧纯电FUV,具备四激光雷达感知系统和L3级硬件 [17] - “一炸”是代号“珠峰”的“50万级行业最强”MPV(科技王炸,下半年上市),将全球首发12项黑科技,成为全球首个搭载L3自动驾驶的MPV [17]
岚图汽车预告2026年四款车型:覆盖三大品类,均搭载L3级智能驾驶硬件
新浪财经· 2026-01-28 19:36
岚图汽车2026年产品规划 - 公司计划在2026年推出四款全新车型,覆盖SUV、FUV及MPV三大主流品类 [2][4] - 四款车型包括:首款量产L3级SUV岚图泰山Ultra、大五座SUV岚图泰山X8、代号为“FE”的智慧纯电FUV、以及代号为“珠峰”的50万级MPV [2][4][5] 岚图泰山Ultra (L3级SUV) - 该车型完全按照L3级自动驾驶架构设计,搭载最新的华为乾崑智驾四激光方案 [2][4] - 公司称其为中国首款量产L3级SUV [2][4] - 该车型将于2024年3月正式开启交付 [2][4] 岚图泰山X8 (大五座SUV) - 该车型将搭载与问界M9同款的四激光雷达,并首发华为全新一代交互座舱 [2][4] - 新车车身尺寸为长5200mm、宽2025mm、高1814mm,公司称其是目前中国尺寸最大的大五座SUV [2][4] - 该车型计划于2026年上半年上市 [2][4] 岚图FE (智慧纯电FUV) - 该车型由岚图汽车联合华为乾崑开发,项目代号“岚图FE”,定位为智慧纯电FUV [2][5] - 车型将搭载四激光雷达感知系统、L3级智能辅助驾驶硬件以及AI交互智能座舱 [2][5] - 该车型计划于2026年中旬推出 [2][5] 岚图珠峰 (50万级MPV) - 该车型代号“珠峰”,定位为50万级MPV [2][5] - 车型将首发12项技术,公司称其将成为全球首个搭载L3自动驾驶的MPV、全球首个拥有超级魔毯的MPV [2][5] - 该车型计划于2026年下半年上市 [2][5]
中兴通讯崔丽:AI应用触及产业深水区,价值闭环走向完备
21世纪经济报道· 2025-12-30 18:25
AI行业发展趋势与核心观点 - AI大模型发展将从基础设施向上层应用演进,基座大模型数量将收敛至个位数,但围绕千行百业将衍生丰富的垂域模型与应用,这是引发技术变革的关键[2] - 物理AI成为重要关注窗口,正加速推进具身智能、自动驾驶等领域演进,有望深刻改变未来社会运行方式[2] - 2025年被称为“Agent元年”,AI技术正从以“内容生成”为核心的Copilot辅助模式,向以“自主行动”为核心的Agent模式迈进,企业智能化目标从“效率提升”转向“业务重构”[9] - AI应用正告别“技术炫技”的初级阶段,迈入“价值落地”的关键时期,核心逻辑是从“实验室里的高精尖”转变为“产业中的实用工具”,从“单一技术赋能”升级为“全链条生态协同”[16] 物理AI的技术路线与竞争 - 物理AI存在两条核心路线竞争:世界模型与视觉语言模型(VLA)[3] - Sora等模型标志着AI正从“预测者”向“模拟者”进化,是从“数据驱动”到“模型仿真驱动”再到“物理对齐”和“通用模拟”的范式转移[3] - 当前Sora被视为“视觉模拟器”而非真正的“物理世界模型”,因其缺乏因果推理、反事实推演和物理一致性,常出现违背物理逻辑的“物理幻觉”[3][4] - 世界模型技术路线分化为“生成派”(如Sora、Marble)和“表征派”(如JEPA),生成派适合做数据工厂或仿真训练,表征派适合做决策大脑和实时推理[4] - VLA模型核心理念是将机器人控制转化为序列建模问题,价值在于零样本泛化能力,但缺乏因果推理且依赖训练数据覆盖度;世界模型主张先构建环境内部模型进行虚拟试错,样本效率远超VLA[5] - 产业界正呈现VLA与世界模型融合的趋势,例如利用VLA进行高层策略规划,利用世界模型进行底层动作验证[5] 世界模型面临的挑战与发展预测 - 世界模型赋能“数实融合”需解决三大难题:理解因果性并掌握第一性原理、构建解决物理一致性问题的模拟器、应对数据枯竭与长尾困境[6] - 世界模型旨在通过海量视频数据预训练,在神经网络内部构建隐式“物理引擎”,以在数字空间低成本试错和推演[6] - 自动驾驶等数据驱动型AI的下一阶段竞争本质是高质量合成数据的竞争,成熟的世界模型能生成现实中难以捕捉的极端工况数据[6] - 世界模型落地时间表预测:2024-2025年实现视觉仿真;2026-2027年实现物理对齐;2028-2030年有望实现通用具身智能[6] 网络架构向AI原生演进 - 网络架构正从“云原生”向“AI原生”演变,大模型时代流量特征转向分布式“同步计算”,带来“大象流”、丢包零容忍、微秒级时延敏感等特点,需要网络做到“万无一失”[7] - AI原生网络核心是极致的性能无损和算网协同,具备内生智能、确定性保障和算网一体等关键特征[7] - 应用层面,云原生应用以K8S为底座,AI原生应用以“大模型+Agent”为底座,两者将趋于融合成为云智一体原生应用[7] 中兴通讯的技术布局与产品 - 中兴通讯技术演进从2G时代硬件集成,发展到5G时代的芯片+整机+大模型的组装式研发范式,在技术、专利、标准方面从跟随转向引领[8] - 公司自研珠峰、定海、凌云等芯片,服务器、存储、数据中心交换机和数据中心等产品收入增速明显[8] - 公司提供全栈全域的智算解决方案,支持软硬解耦、模型解耦和训推解耦,聚焦工程能力工具化[8] - 针对智能体应用,中兴通讯推出“Co-Sight智能体工厂”,带有“CT级可靠性”基因,结合深度思考和反思、DAG和COA规划协同,支持分钟级智能体构建[11] - Co-Sight通过冲突感知元验证(CAMV)机制确保决策可信,采用基于结构化事实的可信推理(TRSF)支持超长任务的“断点续做”[11] - Co-Sight构建了严格的运行环境:受控沙箱、全链路审计、隐私保护[12] - Co-Sight 2.0在通用AI助手基准测试GAIA中连续三个月保持第一,在代表前沿知识的HLE评测中也连续两个月位居榜首[12] - 中兴通讯与中国移动合作,联合验证了“点金行动”的31个高价值场景,结合图谱检索、强推理以及电信级多智能体协议,助力自智网络向L4+迈进[12] - 公司采用“1(通用底座)+N(领域增强)+X(场景微调)”策略,结合RAG技术,兼顾能力与成本[16] Agent规模化落地的挑战 - 智能体从实验室原型走向企业核心生产系统的“最后一公里”充满挑战,在电信、金融、能源等高可靠性行业,需解决随机性模型与确定性业务之间的矛盾、确保长程任务稳定性、构建可信安全边界[10] - 核心业务中,AI“幻觉”是不可接受的风险,企业无法容忍“黑盒”在没有人类审核下做出关键决策[10] - 由于上下文窗口限制,处理跨天、跨周的复杂任务链时,模型易出现记忆丢失或逻辑断裂,导致Agent开发复杂度呈指数级增长[10] - Agent使用工具(执行代码、调用API、操作数据库)会带来安全风险,如沙箱逃逸、资源耗尽和数据泄露[10] - 企业现有IT环境复杂,存在接口标准化缺失、数据孤岛等问题,同时需平衡推理维护成本与投资回报率[10] 有望率先实现AI价值闭环的行业特征与方向 - 能率先实现AI价值规模化复制的行业关键特征:信息密集、数据结构化程度高、具备强反馈机制、价值闭环极快、有一定容错度、具备一定范围泛化能力[13] - 智能化转型基础是网络化和数字化,数字化转型较好的行业更容易进行智能化转型[14] - 具体产业中,教育、医疗、软件开发、智能制造、城市治理等可能率先完成价值闭环[14] - 制造业凭借高度结构化数据环境和明确效率指标,成为AI价值变现的“排头兵”;城市治理依托海量多模态数据和迫切公共安全需求,正通过“城市智能体”模式实现从被动响应到主动预防的跨越[14] - AI进入产业“深水区”意味着从外围辅助系统进入核心生产系统,将面临“三多”(多模态数据、多厂家设备、多业务场景)、“三新”(新技术、新架构、新安全威胁)、“三跨”(跨领域知识融合、跨系统数据调用、跨组织流程协同)的复杂局面[14] 行业AI模型部署路径 - 驱动各行各业融入AI的模型路径并非“二选一”,而应采用“云边协同”的混合路径[15] - “通用基础大模型+行业精调”是构建企业“大脑”的最有效路径,能以低成本继承通用逻辑能力,解决知识密集型任务[15] - 从零构建行业专属小模型是构建企业“四肢”的可行方案,在非自然语言、极致边缘和极致隐私场景下不可或缺,解决了感知与执行层面的效率、适配和安全问题[15] - 面对工业领域的振动波谱、雷达信号、基因序列等“非自然语言”数据,通用模型的先验知识可能成为噪音,需从零构建专用模型[15] - 在极致时延和功耗场景(如矿山无人驾驶卡车),推理时延需控制在毫秒级,训练一个参数量在几百万到几亿的专用小模型是唯一可行方案[16] - 在对数据隐私和主权有极致要求的场景(如金融),为确保模型无潜在偏见或后门,会选择完全物理隔离环境下的从零训练[16]