报告核心观点 - 2025年7月A股大概率震荡上行，建议布局科技、红利防御等板块里的价值股；建筑行业推荐稳增长、成长、区域建设等主线；浮息债市场发展有积极影响；银行基本面积极因素积累，业绩拐点可期，估值有望重塑 [1][3] 策略 - 2025年6月A股震荡上涨，7月焦点在政策面和业绩端，高层定调硬科技攻关，央行释放定向宽松信号利好7月科技主线 [2] - 7月A股在政策与业绩双主线驱动下有望季节性反弹，采取攻守兼备策略，关注消费、科技、红利三条主线，布局科技、红利防御等板块价值股 [1][3] 建筑 - 6月建筑业景气度有所回升，5月受季节性需求影响行业景气度回升，1 - 5月全国固定资产投资增速放缓，基建投资增速维持高位，专项债发行提速 [5][6] - 房地产投资、竣工承压，销售降幅略有扩大，新开工降幅继续收窄，行业集中度提升，1 - 5月八大建筑央企新签订单承压 [7][8] - 推荐稳增长、成长、区域建设等主线，包括稳增长的基建等、区域建设的西部水利工程和地产产业链、成长主线的低空经济等、供需改善的新疆煤化工等 [9] 固收 - 浮息债是利率随基准市场利率定期浮动的债券，挂钩基准利率多元，当前以DR007和LPR为主，估值较固息债复杂 [12] - 我国浮息债起源早但属小众品种，市场存量规模约4959亿元，占债券市场总规模0.3%左右，政策性金融债是最大品种 [12][13] - 发展浮息债券市场符合要求，对发行端可降低融资成本、规避利率风险，对投资者利率波动风险较低 [13] 科创板 - 上周科创板上涨4.41%，交易活跃度上升，日均成交额上升，平均换手率低于其他三大板块，大部分行业上涨 [15] - 截至2025年6月27日，科创板上市公司总数588家，总市值79993.93亿元，整体PE约为52.58，与科创50估值差缩小 [15][16] - 国产GPU领先厂商摩尔线程、沐曦科创板IPO获受理，谷歌推出VLA模型，本周部分公司解禁比例大，上周主题基金表现强于指数基金 [17][18] 银行 - 本周银行板块表现弱于市场，货币政策委员会Q2例会表述变化，预计货币政策适度宽松基调不变，降准降息空间仍存 [20][21] - 《关于金融支持提振和扩大消费的指导意见》发布利好银行零售业务，AMC增持银行带来中长期增量资金和转债转股机遇 [22] - 存贷款非对称降息落地，息差企稳有支撑，银行基本面积极因素积累，业绩拐点可期，增量资金加速银行估值重塑 [23]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：Gemini Robotics On-Device - **模型构建思路**：基于Gemini 2.0架构开发，实现多模态大模型在机器人设备上的完全本地化运行，无需依赖云端计算[12] - **模型具体构建过程**： - 深度融合视觉感知、自然语言理解和动作规划三大模块 - 通过端到端的多模态神经网络训练，将文本、图像输入映射为机械控制信号 - 采用三级安全机制（实时碰撞检测、伦理约束层和硬件级动作限制）保障人机协作安全[13] - 提供Gemini Robotics SDK和MuJoCo物理模拟器工具链，支持开发者通过少量样本微调适配新任务[16] 2. **模型名称**：Kwai Keye-VL - **模型构建思路**：基于Qwen3-8B语言模型架构，融合SigLIP初始化的视觉编码器，实现文本、图像和视频信息的统一处理[17] - **模型具体构建过程**： - 采用3D RoPE（旋转位置编码）技术捕捉视频时序变化与动态分辨率输入 - 预训练阶段使用600B规模的多模态数据集，通过四阶段优化策略构建基座能力[18] - 后训练阶段通过两阶段微调实现推理能力跃升，采用GRPO算法进行混合强化学习[18] 3. **模型名称**：Gemini CLI - **模型构建思路**：将Gemini 2.5 Pro模型的百亿级参数能力嵌入终端环境，通过自然语言交互重构开发者工作流[25] - **模型具体构建过程**： - 基于ReAct（Reason and Act）工作循环设计，实现多模态推理与工具调用的动态协同 - 支持MCP（Model Context Protocol）扩展层，允许接入第三方服务如Imagen图像生成或Veo视频合成[27] - 采用沙盒执行与影子提交双重安全机制，所有文件修改前自动创建Git检查点[29] 4. **模型名称**：Mu - **模型构建思路**：专为Windows 11系统设计的小型语言模型，实现与参数量十倍的Phi-3.5-mini相当的性能表现[44] - **模型具体构建过程**： - 采用编码器-解码器架构与NPU深度协同设计 - 通过双重层归一化（Pre- and Post-LN）、旋转位置嵌入（RoPE）和分组查询注意力（GQA）优化性能[47] - 训练阶段先在数千亿高质量教育token上预训练，再通过知识蒸馏从Phi模型中提取核心能力[47] 5. **模型名称**：子曰3（Confucius3-Math） - **模型构建思路**：专注于K12数学教育的开源推理模型，通过轻量化架构与增强学习优化实现低成本高性能[53] - **模型具体构建过程**： - 采用符号运算加速器设计，解几何题时辅助线生成速度提升3倍 - 通过Policy-Specific Hardness Weighting技术动态调整训练样本权重[54] - 训练数据整合100万+师生互动记录，使解题逻辑更贴合教学大纲[54] 模型的回测效果 1. **Gemini Robotics On-Device** - 在未训练情境下的任务完成率达81%[13] - 器械识别准确率超过95%[16] 2. **Kwai Keye-VL** - 在VideoMME等权威基准上以67.4分超越Qwen2.5-VL-7B[21] - 内部短视频场景测试中综合得分领先业界10%以上[21] 3. **Gemini CLI** - GitHub上线48小时内斩获3万星标[28] - 每分钟60次请求、每日1000次调用的免费额度[28] 4. **Mu** - 在Windows设置代理任务中达到500毫秒内的响应延迟，准确率接近Phi-3.5-mini的81%[47] - 解码速度提升4.7倍，首token延迟降低47%[47] 5. **子曰3** - 在GAOKAO-Bench（Math）成绩达到98.5分[53] - 推理成本压缩至每百万token仅0.15美元[53] 量化因子与构建方式 （注：研报中未明确提及量化因子的构建，此部分暂缺） 因子的回测效果 （注：研报中未明确提及量化因子的测试结果，此部分暂缺）

核心观点 - 谷歌通过将人工智能算力迁移到网络边缘的自有芯片上，进入可持续高利润增长阶段，构建垂直整合的AI生态体系 [1] - 公司战略布局类似早期Android，通过开放SDK吸引开发者，同时锁定硬件厂商依赖其更新和计费系统 [2] - 边缘计算技术减少电力需求，可推广为环保且安全的解决方案 [3] - 谷歌TPU技术优势显著，实测吞吐量达前代10倍以上，能耗仅为一半，迫使竞争对手依赖其代工技术 [4] - 云业务收入增长28%至123亿美元，营业利润达46亿美元，资本支出激增至172亿美元，但净收入仍增长46%至345亿美元 [5] 技术战略 - Gemini Robotics On-Device以接近云端性能离线运行，仅需不到100次演示即可部署为低延迟收入节点 [1] - 与MuJoCo物理引擎捆绑的SDK允许本地测试部署，既实现"民主化"又可植入第三方硬件 [2] - 分布式云结合Blackwell芯片为国防机构提供主权控制，设备内置TPU与电网扩张政策相吻合 [3] - 第七代TPU和40%利润增长使公司能自主定价推动普及 [8] - 边缘计算减少数据中心连接，降低电力需求 [3] 商业模式 - 每台机器人成为持续现金流来源，替换成本在于核心认知系统而非硬件 [3] - AI服务定价每百万Token约10-15美元，工业级集群收益接近订阅软件现金流 [3] - 消费者使用数据(如50亿次Lens查询)免费增强模型权重，形成数据护城河 [6] - 客户流失成本高昂，需重新认证安全协议和放弃累积微调数据 [7] - 云业务AI工作负载贡献高毛利率，营业利润几乎达去年同期两倍 [5] 财务表现 - 云收入123亿美元(增长28%)，营业利润46亿美元 [5] - 资本支出172亿美元(预计全年750亿美元)，净收入增长46%至345亿美元 [5] - 服务部门收入773亿美元(增长10%)，YouTube Premium和Google One增长19% [5] - 其他押注部门亏损12亿美元，Waymo付费乘车量增长5倍但仍未盈利 [10] - 营收同比增长13.07%，EBITDA增长29.15%，但增速较历史水平放缓 [17] 竞争态势 - OpenAI开始在谷歌TPU上运行推理工作负载，因Token成本优势 [4] - TPU支撑200万英里光纤和33条海底电缆，竞争对手需巨额资本支出才能摆脱依赖 [4] - 每日活跃用户3500万，远低于ChatGPT，但通过搜索集成覆盖数十亿查询 [11] - 资本支出规模(750亿美元)令小公司难以竞争 [5] - 搜索现金喷泉补贴前沿硬件投入，消除竞争对手希望 [6] 增长前景 - 分析师预计2025年EPS增长19.39%，2026年降至6.24%，之后复苏 [16] - 市盈率从2024年22.17降至2028年13.16，反映盈利大幅增长预期 [16] - 长期每股收益增长率约14.72%，低于5年平均17.78% [18] - 杠杆自由现金流增长16.34%，但预期降至9.04%，低于行业和历史水平 [18] - 边缘计算部署和自主云业务或在未来18-24个月转化为经常性现金流 [20] 风险挑战 - 云业务AI需求2024年末可能超过供应，订单量超出承受能力影响客户信心 [9] - 机器人部署等待计算可能导致设备闲置，影响资本效率 [9] - 产品碎片化(如AI概览、AI模式、Gemini应用共存)增加开发者选择难度 [9] - 敏感工作负载的地理围栏可能限制机器人市场总规模 [11] - 折旧费用同比增长31%，将持续至2025年下半年，挤压毛利率 [8]

科技巨头开源竞争与人形机器人生态 - 大型科技公司（Apple、Meta、Google、华为等）通过开源机器人模型和工具争夺生态主导权，意图绑定开发者至各自生态系统 [2][4] - Meta发布12亿参数V-JEPA 2世界模型，Google推出Gemini Robotics On-Device，Apple发布EgoDex数据集，华为推出CloudRobo平台及R2C协议 [6] - 未来人形机器人领域的"安卓系统"赢家尚未确定，中国凭借制造业基础和政策支持可能领先 [1][2] 中国市场优势与政策支持 - 中国人形机器人产业投资基金规模达1870亿元人民币，包括北京100亿元、深圳100亿元等地方基金 [9] - 武汉提供双边补贴：应用方最高100万元（占项目30%），产品方最高100万元（占研发20%） [9] - 5月中国人形机器人公司融资达25笔，宇树科技C轮估值17亿美元，获吉利、蚂蚁、腾讯等投资 [9] - 中国汽车公司正将人形机器人视为转型方向之一，与智能汽车发展并列 [9] 商业化部署与市场规模预测 - 富士康与英伟达计划在AI服务器工厂部署人形机器人，2026年投入使用 [11] - 亚马逊测试Unitree G1等机器人配送，现代汽车拟在美工厂部署Atlas，特斯拉目标年底生产数千台Optimus [11] - 2050年全球人形机器人市场年收入预计达5万亿美元（为2024年全球20大汽车厂商总收入2倍），累计部署10亿台 [2][12] - 高收入国家机器人均价从2024年20万美元降至2040年5万美元 [12] 产业链与资本市场表现 - "人形机器人100"指数年内上涨14.4%，跑赢标普500约11个百分点，双林股份涨148%、金力永磁涨132% [2] - 产业链涉及传感器（Hexagon、Sony）、执行器（Moons、INOVANCE）、电池（CATL、LG Energy Solution）等关键部件 [3]

核心观点 - 谷歌通过将AI算力迁移至网络边缘设备（如定制TPU芯片），构建垂直整合的AI生态系统，将机器人、传感器等设备转化为持续收费节点 [1][3] - 公司战略复制Android成功模式，通过Gemini Robotics SDK实现硬件厂商深度绑定，形成类似云订阅的经常性收入 [2][7] - 边缘计算降低电力需求并提升安全性，使技术方案兼具环保与抗风险特性 [3][8] - 财务表现强劲：云业务收入123亿美元（+28%），营业利润46亿美元（同比翻倍），资本支出172亿美元支撑AI领先优势 [5][18] - 消费者业务（773亿美元，+10%）为前沿研发提供现金流缓冲，形成搜索广告-硬件部署的协同飞轮 [5][6] 技术战略 - 边缘计算转型：Gemini Robotics On-Device实现云端级离线性能，仅需50-100次演示即可部署机器人 [1][7] - 硬件优势：Ironwood TPU实测吞吐量达前代10倍+，能耗降低50%，已支撑200万英里光纤网络 [4][8] - 生态控制：第三方硬件需依赖谷歌授权的更新、代币计量及计费系统，形成供应商锁定 [2][7] - 性能验证：Gemini 2.5 Pro在Chatbot Arena基准测试领先，科学推理能力突破 [8] 财务表现 - 云业务：季度收入123亿美元（+28%），营业利润46亿美元（同比+100%），AI工作负载贡献高毛利 [5] - 资本支出：季度172亿美元，全年预计750亿美元，净收入仍增长46%至345亿美元 [5][18] - 现金流：杠杆自由现金流增长16.34%，但每股自由现金流增长率（9.04%）较五年均值下降54% [17] - 估值：当前市盈率20.21，低于历史25，2025年预期市盈率18.57，反映盈利增长预期 [13][15] 业务协同 - 消费者入口：Circle to Search覆盖2.5亿设备，Lens查询超50亿次，AI Overviews月活15亿，数据反哺模型优化 [6] - 成本优势：搜索/YouTube等核心业务（773亿美元，+10%）补贴前沿研发，形成现金流缓冲 [5][6] - 定价权：AI服务每百万Token收费10-15美元，工业机器人可产生类SaaS的持续收入 [3][7] 竞争壁垒 - 供应链控制：限制TPU产能出租，迫使竞争对手承担巨额资本支出 [4][5] - 数据护城河：数十亿用户行为数据自动优化模型权重，无需额外收购成本 [6] - 基础设施：7代TPU+40%利润增长+全球光纤网络构成端到端控制能力 [8][18] 增长挑战 - 云产能瓶颈：2024年末AI需求将超供应，影响机器人客户运营连续性 [9] - 产品碎片化：搜索AI概览/Gemini应用/API三套系统增加开发者选择成本 [9][11] - 监管风险：生物识别数据的地理围栏可能限制机器人市场总规模 [10]

全球人形机器人市场发展现状 - 全球人形机器人市场正处于爆发前夜，科技巨头如Apple、Meta、Google、华为等正通过开源机器人模型和工具争夺生态主导权 [1] - 中国政府对人形机器人产业支持力度持续加强，投资基金规模已达1870亿元人民币 [1][6] - 摩根士丹利预测到2050年全球人形机器人市场年收入可达5万亿美元，累计采用量将达10亿台，约为2024年全球20大汽车制造商总收入的两倍 [1][8] 科技巨头竞争格局 - 科技巨头开源竞争白热化，Meta发布12亿参数的V-JEPA 2世界模型，Google推出Gemini Robotics On-Device，Apple发布EgoDex数据集，华为推出CloudRobo具身智能平台 [5] - 开源策略旨在将AI工具扩展到物理世界，并将开发者绑定到各自生态系统 [2] - 科技公司近期开始大规模招聘机器人人才，AI投资向硬件领域分散将加速行业发展 [3] 中国市场优势与政策支持 - 中国在制造业基础和政策支持方面具有优势，可能在全球"机器人竞赛"中占据领先地位 [1][7] - 各级政府设立总规模1870亿元人民币的产业基金，包括北京100亿元机器人基金、深圳100亿元AI和机器人基金等 [6] - 武汉市提供双边补贴，应用方最高补贴100万元（占项目投入30%），产品提供方最高补贴100万元（占研发投入20%） [6] - 5月份中国人形机器人公司融资达25笔交易，宇树科技C轮融资后估值达17亿美元 [6] 商业化应用进展 - 富士康和英伟达计划在AI服务器制造工厂部署人形机器人，预计2026年一季度投入使用 [8] - 亚马逊开发人形机器人配送系统，将测试Unitree G1等机器人 [8] - 特斯拉预计年底前生产"数千台"Optimus人形机器人用于自家工厂 [8] - 人形机器人正从概念验证快速迈向实际商业应用，尤其在制造业和物流领域显著提升效率并降低成本 [8] 市场预测与价格趋势 - 预计到2036年全球将采用2370万台人形机器人，2040年达1.344亿台，2044年达4.28亿台 [9] - 高收入国家人形机器人平均售价将从2024年的20万美元降至2040年的5万美元 [9] - "人形机器人100"指数今年以来上涨14.4%，跑赢标普500指数约11个百分点，其中双林股份涨幅148%，金力永磁上涨132% [1]

报告行业投资评级 未提及 报告的核心观点 上周TMT板块整体跑赢沪深300 看好未来AI眼镜出货量增长对相关产业链的拉动 [3] 根据相关目录分别进行总结 市场周度回顾 - TMT板块内一级行业上周（6/23 - 6/27）涨幅为计算机7.70%、通信5.53%、电子4.61%、传媒3.06% 整体跑赢沪深300（1.95%） [3] - 板块内涨幅靠前的三级子行业为垂直应用软件（11.35%）、通信应用增值服务（10.06%）、集成电路封测（8.32%） 涨幅靠后的为教育出版（1.44%）、游戏Ⅲ（2.02%）、大众出版（2.34%） [3] - 展示电子、计算机、传媒、通信行业周涨跌幅前五个股情况 [10][12][13] 行业要闻及重点公司公告 行业重要事件 - 6月25 - 26日谷歌DeepMind等推出多个AI模型 如AlphaGenome、Gemini Robotics On - Device等 [15] - 6月期间多个公司有重要举措 如灵伴科技AI智能眼镜上市、中国移动推广5G新通话DC应用等 [15] - 6月23 - 27日多地发布相关政策或计划 如郑州发布人工智能创新发展行动方案、山东发布机器人产业发展行动计划等 [18] - 6月有多场重要展会和会议 如2025深圳国际消费电子展览会、2025中国互联网大会 [14] 公司公告 - 6月23 - 27日多家公司有股权变动、项目投资、产品发布等情况 如小米发布AI眼镜、*ST国华转让股权等 [21][23][26]

谷歌Gemini Robotics On-Device模型发布 - 谷歌于6月24日发布Gemini Robotics On-Device模型，该模型为"视觉-语言-动作"模型，使机器人能够脱机工作，无需持续互联网连接 [6] - 该模型旨在帮助机器人更快适应新任务和新环境，与Figure公司2月发布的Helix模型同属VLA模型类别 [6] - 模型独立于数据网络运行，对延迟敏感应用程序有帮助，确保在间歇性或零连接环境中的稳健性 [7] 模型技术特点 - 作为双臂机器人基础模型，主要解决三个问题：灵巧操作、新任务微调和适应、基于本地运行的低延迟快速推理 [9] - 在官方演示中，机器人灵巧手可以完成拿笔、拔笔盖等精细动作，并执行"放置蓝色砖块"、"拉开抽屉"等自然语言指令任务 [11][13] - 在泛化能力测试中，表现虽略低于旗舰Gemini Robotics模型，但显著优于之前最好的离线模型 [14] - 在分布式任务和复杂多步骤指令方面，表现优于其他设备端替代方案 [16] 模型适应能力 - 通过50-100次演示即可快速适应新任务，在100个示例内展现出强大适应能力 [18][20] - 已调整应用于双臂Franka FR3机器人和Apptronik Apollo人形机器人，能处理未见过的物体和场景，完成折叠衣服、工业皮带组装等精细任务 [20] - 在Apollo人形机器人上可遵循自然语言指令，以通用方式操控不同物体，包括未见过的物体 [22] 行业技术发展 - 机器人技术面临处理家庭环境中不可预测物品的挑战，需要按需产生智能新行为的能力 [18] - Figure的Helix模型采用双系统设计分别完成"想"和"干"，而谷歌模型提供微调选择 [18] - 行业大模型技术呈现多样性，共同指向让AI在物理世界建立真正因果认知的命题 [24]

技术突破 - 谷歌Gemini Robotics On-Device模型实现机器人脱机工作，无需持续互联网连接[3] - 该模型是公司首个"视觉-语言-动作"模型，帮助机器人更快适应新任务和新环境[3] - 模型解决了灵巧操作、新任务微调和适应、基于本地运行的低延迟快速推理三大问题[5] - 在双臂Franka FR3机器人和Apptronik Apollo人形机器人上展示了通用指令执行能力[14][17] 性能表现 - 模型泛化能力略低于旗舰Gemini Robotics模型，但远超之前最好的离线模型[8] - 在分布式任务和复杂多步骤指令方面优于其他设备端替代方案[10] - 通过50到100次演示即可快速适应新任务，展示了强大的适应能力[12][14] - 能够处理以前未见过的物体和场景，完成折叠衣服等灵巧任务[14] 行业比较 - 与Figure的Helix模型不同，谷歌模型独立于数据网络运行，适合延迟敏感应用[3] - 模型提供了微调选择，而Helix使用一组神经网络权重学习所有行为[12] - 技术白皮书提出机器人应成为物理世界的解读者而非人类模仿者[19] 应用展示 - 机器人未经教授完成"扣篮"动作，展现快速适应新场景能力[1] - 在RSS2025大会上完成全球首个互动式现场展示[1] - 灵巧手可以拿起笔并相互配合拔掉笔盖[7] - 完成"放置蓝色砖块"、"拉开抽屉"等基于自然语言指令的任务[8]

机器人ETF市场表现 - 机器人ETF（562500）盘中上涨0.12%，持仓股中瀚川智能领涨5.82%，盈峰环境涨2.60%，晶品特装涨2.54% [1] - 截至当前成交金额超5.9亿元，居可比基金首位，流动性表现优异 [1] - 最新资金净流入890万元，近3个交易日累计净流入5.15亿元，新增规模与份额均居可比基金首位：规模达140.82亿元（周增11.67亿元），份额167.50亿份（周增5.98亿份） [1] 行业技术进展 - 谷歌DeepMind推出Gemini Robotics On-Device模型，为首个可直接部署于机器人的视觉-语言-动作（VLA）模型，支持离线环境下的快速任务适应 [1] 产业链投资机会 - 特斯拉人形机器人量产计划推动硬件供应链机遇，重点关注高精度减速器、高性能电机、灵巧机械手及传感器供应商 [2] - 工业自动化集成商与AI软件技术提供商（如机器人操作系统、任务规划开发企业）成为潜在投资热点 [2] - 机器人ETF（562500）覆盖人形/工业/服务机器人全产业链，为全市场唯一规模超百亿的机器人主题ETF [2]