英伟达太空计算战略发布 - 在GTC年度开发者大会上，英伟达宣布推出面向太空场景的专用计算模块，并披露基于Vera Rubin架构的太空版本计划，全面展示其在AI基础设施领域的扩张野心 [1] - 公司CEO黄仁勋宣布，Aetherflux、Axiom Space等六家合作伙伴将在轨道上部署英伟达计算硬件，新模块面向轨道数据中心、高级地理空间智能处理及自主太空操作等应用 [1] - 与此前送入太空的H100 GPU相比，新模块可提供高达25倍的AI推理算力 [1] 太空计算产品线布局 - 英伟达进军太空计算的步伐可追溯至去年11月，当时Starcloud将一块H100 GPU搭载测试卫星送入轨道，这是英伟达GPU首次进入太空 [2] - 此次发布的太空计算模块体系涵盖三个层级：针对轨道数据中心等高强度工作负载的Vera Rubin太空模块、基于Blackwell架构面向边缘场景的IGX Thor，以及适用于实时处理的Jetson Orin [2] - 其中IGX Thor与Jetson Orin已正式上市，Vera Rubin太空模块的具体发布时间尚未披露 [1][2] 合作伙伴与具体应用 - 合作伙伴Aetherflux计划利用Vera Rubin在轨道上实现太阳能驱动的高性能AI推理 [2] - Sophia Space将在其面向卫星运营商的模块化平台中采用Jetson Orin [2] - Kepler Communications同样选择Jetson系列产品 [2] 战略愿景与人才储备 - 黄仁勋表示，随着卫星星座的部署和深空探索，智能必须存在于数据产生的任何地方，AI处理能力将轨道数据中心转变为探索工具，将航天器转变为自主导航系统 [3] - 公司本月早些时候已发布轨道数据中心系统架构师职位招聘，称此为“在一个全新行业诞生之初加入AI系统领导者的机会” [3] 行业竞争格局 - 太空算力赛道正吸引多方巨头布局，谷歌计划向太空发射多批TPU，已通过测试并与Planet达成小规模部署合作，长期目标是向太空输送吉瓦级算力 [4] - SpaceX CEO马斯克寻求部署百万颗卫星规模的轨道AI数据中心超级星座，相关卫星将采用特斯拉自研芯片，但具体时间表尚不明朗 [4] - 然而，太空数据中心的商业前景存在质疑声音，OpenAI CEO Sam Altman、做空机构投资人Jim Chanos、AWS CEO Matt Garman以及Gartner分析师均对这一概念持批评态度 [4] 企业级AI智能体平台NemoClaw - 英伟达同步推出企业级AI智能体平台NemoClaw，该平台基于开源项目OpenClaw构建，旨在为企业提供具备安全与隐私保障的本地AI自主智能体部署能力 [1][5] - NemoClaw的核心是在OpenClaw基础上叠加企业级安全与隐私机制，允许企业通过单一命令接入平台，并对智能体行为及数据处理实施统一管控 [6] - 该平台支持接入任意编程智能体或开源AI模型，包括英伟达自有的NemoTron开源模型，同时与英伟达AI智能体软件套件NeMo深度集成，在硬件层面保持开放兼容，无需运行于英伟达自有GPU之上 [6] NemoClaw的战略定位与发展阶段 - 黄仁勋将OpenClaw的出现类比于Linux、Kubernetes和HTML的历史性时刻，并表示每家公司今天都需要制定OpenClaw战略，一套智能体系统战略 [6] - 目前NemoClaw仍处于早期Alpha测试阶段，公司坦承“预期存在粗糙之处”，并表示正朝着生产就绪的沙箱编排能力推进 [6] - 企业级AI智能体平台的竞争已趋于白热化，OpenAI于今年2月推出了面向企业的开放平台OpenAI Frontier，Gartner去年12月亦发布报告，将AI智能体治理平台列为企业采用AI技术的关键基础设施 [6]

公司财务与市场预期 - 公司CEO确认，其旗舰芯片将帮助公司在2027年创造1万亿美元的营收[4] - 此前公司对数据中心设备销售额的展望为2026年底达5000亿美元，最新预测将时间延长一年至2027年，且累积金额翻倍至1万亿美元[6] - 该财务预期发布后，公司股价盘中最高上涨超4%，最终收盘上涨1.6%[7] 新产品与平台战略 - 公司强调其Vera Rubin并非单一芯片，而是由7种芯片和5种机架系统组成的完整AI超级计算机平台[8] - 新发布的Vera CPU机架单机架集成256颗CPU，与传统CPU相比，计算效率提升2倍，运行速度提升50%[10] - Groq 3 LPX机架搭载256个LPU处理器，提供128GB片上SRAM和640TB/s扩展带宽，与Vera Rubin平台结合后，推理吞吐量/功耗比将提升35倍[10] - 公司推出的Spectrum-6 SPX采用了共封装光学技术，带来5倍更高光功率效率和10倍更高网络可靠性[13] - 公司推出Space-1 Vera Rubin模块，将数据中心级AI计算能力部署到卫星和轨道数据中心，面向在轨推理、实时地理空间智能等任务[16] - 公司产品组合形成从轨道边缘计算到地面AI数据中心再到云端分析的完整算力架构[18] 技术路线与生产规划 - LPU芯片将由三星代工，预计相关机架将于今年下半年开始出货[10] - 公司发布的三款新机架均采用液冷架构[12] - 未来的Rubin Ultra在Kyber机架中将采用垂直插入排列，使单个NVLink域中可连接144块GPU[15] - 下一代费曼架构GPU将采用堆叠芯片和定制HBM技术[15] 软件与生态系统 - 公司通过NemoClaw进军AI智能体基础设施赛道，其定位为OpenClaw智能体平台的基础设施层，可通过“一条命令”部署AI代理[19] - NemoClaw可运行在从RTX PC到DGX Spark等多种设备上，旨在推动“始终在线的AI助手”需要专用计算设备[19] - 公司宣布进一步扩展其“开放模型体系”，重点覆盖智能体AI、物理AI和医疗AI三大领域[19] 图形技术突破 - 公司在GTC大会上发布DLSS 5，并称这是自2018年实时光线追踪推出以来，在计算机图形领域最重要的一次突破[20] - 公司CEO将DLSS 5描述为图形领域的“GPT时刻”，该系统将传统3D图形数据与生成式AI模型结合，通过预测和补全图像内容来提升渲染效率[21]

Nvidia发布太空计算平台与行业动态 - 英伟达在GTC 2026大会上宣布推出用于轨道数据中心的计算平台 标志着人工智能进入太空领域[1] - 公司CEO黄仁勋表示“太空计算 最后的前沿 已经到来” 强调智能需部署在数据产生的地方[1] - 新平台名为Vera Rubin Space-1模块 包含IGX Thor和Jetson Orin芯片 专为受尺寸、重量和功率限制的太空环境设计[1] 技术挑战与市场动力 - 为轨道数据中心开发新计算机面临工程障碍 特别是在太空缺乏对流冷却 只能依靠辐射散热[2] - 地球数据中心建设推高电力成本 将数据中心送入太空被视为解决方案之一 但火箭发射成本高昂且可用性低仍是障碍[2] - 人工智能公司竞相利用太空近乎无限的太阳能 例如谷歌在去年11月宣布探索太空计算概念的“Project Suncatcher”计划[3] 合作伙伴与行业布局 - 英伟达的太空平台将用于由多家公司主导的太空任务 已公布的合作伙伴包括Axiom Space、Starcloud和Planet[1] - 埃隆·马斯克的xAI上月被SpaceX以1.25万亿美元收购 旨在建设太空数据中心 该公司是英伟达的最大客户之一[3] - SpaceX于今年1月向美国联邦通信委员会申请批准发射100万颗卫星用于人工智能中心 该计划因光污染和轨道碎片等环境威胁遭到科学家反对[4]

公司战略合作 - 高通与NEURA Robotics达成战略合作，旨在将具备类人认知能力的通用人形机器人推向市场 [1] - NEURA将获得高通的机器人处理器、物理AI加速与软件栈以及连接平台，结合其全栈机器人系统和具身AI，开发用于多种工业场景的安全、可扩展机器人 [2] - 合作的一个关键组成部分是Neuraverse共享机器人智能网络，这是一个用于机器人学习和管理的云平台，可实现知识在机器人集群间共享 [4] - 合作还旨在创建一个开放的全球开发者生态系统和市集，以促进第三方在物理AI和机器人应用方面的创新与开发 [4] 市场与竞争格局 - 机器人技术正成为一个主要的AI硬件市场，在仓储、制造、物流、农业、医疗等多个领域具有应用潜力 [3] - 高通在该领域面临来自英伟达和AMD的竞争 [5] - 英伟达凭借其领先的机器人AI计算平台（Jetson Orin、Jetson Xavier）和Isaac机器人平台，在该市场占据主导地位，其芯片结合了GPU AI加速、计算机视觉和机器人模拟 [5] - AMD正在扩展其Ryzen AI嵌入式处理器产品组合，为工业和AI边缘解决方案提供可扩展、高效的计算，其新款处理器CPU核心数最高提升2倍，GPU计算能力最高提升8倍，有效支持工业PC智能机器视觉、自主操作物理AI和3D健康成像等高级用例 [6] 公司业务与前景 - 高通有望通过此次合作将其AI芯片业务扩展至机器人领域，并加强其边缘AI生态系统 [4] - 物理AI指与现实世界交互的系统，高通在机器人和物理AI领域日益增长的专业能力可能带来长期利益 [3] 公司财务与估值 - 过去一年，高通股价下跌了11.7%，而同期行业增长了70.4% [7] - 按市盈率计算，公司股票目前的远期市盈率为3.26倍，低于行业的7.71倍 [9] - 在过去60天内，对2026财年的每股收益预估已下调7.5%至11.18美元，对2027财年的预估也下调了8%至11.5美元 [11]

公司背景与市场定位 - Serve Robotics是一家专注于开发自动驾驶最后一英里物流解决方案的公司 其前身是Uber在2021年从收购的Postmates公司中分拆出来的机器人部门 [1] - 公司正在生产数千台最新的Gen 3机器人 这是一种在人行道上行驶的小型配送系统 计划部署在Uber Eats外卖网络中 [2] - 公司引用方舟投资管理公司的估计 认为到2030年 机器人及无人机配送这个尚未被充分开发的市场规模可能高达4500亿美元 [2] 业务进展与合作伙伴关系 - 自2022年以来 美国五个城市的约3600家餐厅已使用Serve的机器人完成了超过10万份外卖订单配送 [4] - 公司与Uber Eats达成了一项重要协议 要求在美国多个城市部署2000台机器人 包括洛杉矶、亚特兰大、达拉斯、迈阿密和芝加哥 [5] - 截至2025年12月12日 公司已生产了第2000台机器人 意味着在2026年初已具备全面产能 [6] - 2025年10月 公司宣布与DoorDash达成新协议 预计在今年内部署更多机器人 [6] 技术能力与成本目标 - Serve最新的机器人搭载英伟达Jetson Orin硬件和软件 已达到L4级自动驾驶水平 可以在指定区域内以最高11英里/小时的速度在人行道上安全行驶 无需人工干预 [4] - 公司认为随着Gen 3系列机器人规模扩大 单次配送成本可降至1美元 远低于任何现有人力配送方案的成本 [5] - 公司指出 美国外卖配送的中位行驶距离仅为2.5英里 因此小型机器人和无人机更适合此任务 [3] 财务表现与估值 - 2025年前三季度 公司营收为177万美元 对于一个市值11亿美元的公司而言规模很小 [7] - 根据管理层指引 预计2025年全年营收将达到250万美元 [8] - 管理层预测 随着2000台机器人投入运营 2026年营收将激增十倍 这可能是公司迄今为止规模最大的一年 [8] - 以当前股价计算 公司股票的市销率高达392倍 相比之下 英伟达的市销率仅为24倍 Palantir Technologies的市销率为117倍 [11] - 如果假设2026年营收增长十倍至约2500万美元 则其远期市销率将降至44倍 [13] 成本与盈利状况 - 2025年前三季度 公司总运营费用为6370万美元 是去年同期2530万美元的两倍多 [9] - 由于营收规模极小 2025年前三季度公司录得6700万美元的净亏损 其全年亏损几乎肯定会超过2024年的3920万美元亏损 [10] - 截至2025年9月30日 公司持有2.1亿美元现金 目前可以承受亏损运营 [10]

核心观点 - 2026年是自动驾驶汽车从测试验证过渡到规模化、人形机器人从实验室实验转向小规模部署的元年 [2][3] - 行业焦点正从技术可行性转向规模化能力与成本控制 [36][37] 类人机器人供应链成形 - 供应商正转向类人机器人供应链，路径类似电驱动总成，提供集成方案与底层零部件 [4][5] - 舍弗勒试图成为主要“肌肉”供应商，提供一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力很低，NEURA已同意使用其执行器 [6] - 现代摩比斯宣布将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链制造机器人 [7] - 执行器约占物料清单成本的约60% [24] 机载芯片格局 - 类人机器人机载处理器上，英伟达仍占据主导，使用Jetson Orin或Thor的公司包括1X、Agility、Apptronik、波士顿动力、Figure AI等 [8] - 特斯拉与小鹏使用自研推理芯片 [9] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [10] 技术范式：从脚本走向视觉-语言-动作 - 最显著的范式变化是从预编程/脚本化动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [11][12] - 波士顿动力用Google DeepMind Gemini Robotics的VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [16] - Figure采用类似的双系统模型：System 1高频快速响应，System 2低频做高层推理与语言 [16] 训练数据：真实世界与仿真的高效闭环 - 行业争论从“仿真 vs 真实谁更好”转为“如何高效闭环” [14][15] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [15] - 有公司通过远程操作收集人类示范数据，再用英伟达GROOT-Mimic在仿真中生成超过10万种动作变体进行训练 [17] - Mobileye强调其Mentee将基本以仿真来训练 [17] 商业化路径：从特定岗位切入 - 短期内，“通用类人机器人”更多会导入具体场景以证明商业可行性 [19] - Keenon Robotics拥有服务机器人全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万人民币，其类人机器人XMAN-R1可执行爆米花、倒饮料等任务 [20] - Deep Robotics聚焦工业巡检，覆盖距离最高63公里，可在危险区域执行24/7自主巡逻监测 [21] 降本驱动：规模是前提 - 降本主驱动归结为上量提升费用摊薄与供应商议价改善 [23] - 有公司称成本已从20万美元降至10万美元，并规划在未来几年降到5万美元，前提是销量达到数千台 [24] - 波士顿动力与现代汽车目标是在2028年实现年产能3万台，其2026年产量已全部提前分配给现代的汽车工厂 [24] - Mobileye披露，若年产量5万台，简化设计的制造成本约2万美元/台；若年产量10万台，成本可降至1万美元/台 [24] Robotaxi商业化加速 - 2026年是Robotaxi商业化加速年，Waymo与Zoox在CES大规模存在是信号 [26][27] - Waymo自成立以来已提供超过1000万次付费乘车，2025年12月达到每周45万次付费乘车，并扩张至休斯顿、迈阿密及东京、伦敦等国际市场 [27] - 亚马逊的Zoox从公开测试走向“可上市产品”展示，主打面向密集城市的无传统驾驶舱“车厢式”Robotaxi [28] - Mobileye与大众将在今年于洛杉矶推出L4级Robotaxi服务 [29] - 基于Lucid Gravity的自动驾驶车辆计划在2026年末于旧金山湾区启动 [29] 英伟达Alpamayo平台降低部署门槛 - 英伟达推出面向自动驾驶的Alpamayo平台与Thor，试图降低车企部署高阶能力的门槛，让车企无需从零投入数十亿美元 [30][31] - 德银指出其训练数据量仅为特斯拉所采集数据的一部分，模型能否覆盖真实世界边界案例仍待观察 [31] - 德银认为特斯拉凭借垂直整合存在结构性成本优势，如果自动驾驶趋于商品化，成本将成为最大分化点 [32] 汽车供应商的跨行业拓展 - Aptiv展示下一代端到端AI驱动的ADAS平台，实现城市复杂环境下的L2++免手驾驶，并推出云原生中间件平台LINC [33][34] - Aptiv强调传感器向航天与协作机器人扩展，以证明“新Aptiv”叙事，争取估值倍数重评 [34] - Visteon发布算力达700 TOPS的SmartCore HPC域控制器，可整合最多14个摄像头 [35][36] - Visteon推出由英伟达DRIVE AGX Orin驱动的插件式AI-ADAS计算模块，已应用于中国极氪车型 [36] - Visteon发布面向7英寸以下屏幕的“Entry Cockpit”，将手机投屏与数字导航带到两轮车与入门车型 [36]

核心观点 - 2026年被视为AI大规模进军物理世界的开端，自动驾驶汽车将从测试验证过渡到规模化，人形机器人将从实验室实验转向小规模部署 [1] - 行业焦点正从技术可行性转向规模化能力与成本控制，供应链绑定、产能爬坡与单位成本曲线成为下一阶段关键跟踪指标 [13][14] 自动驾驶 (Robotaxi) 发展态势 - **商业化加速**：2026年被视为自动驾驶商业化加速年，随着特斯拉2025年推出Robotaxi，多家玩家商业化动能增强 [10] - **运营数据验证**：Waymo自成立以来已提供超过1000万次付费乘车，并在2025年12月达到每周45万次付费乘车的节奏，业务已扩张至休斯敦、迈阿密及东京、伦敦等国际市场 [14][15] - **主要玩家动态**： - Waymo与Zoox在CES上大规模存在，显示行业动能强劲 [10] - Mobileye与大众计划在洛杉矶推出基于ID. Buzz的L4级Robotaxi服务 [15] - 由Nuro、Lucid、Uber共同推进的基于Lucid Gravity的自动驾驶车辆计划于2026年末在旧金山湾区启动 [15] - 亚马逊Zoox展示面向密集城市的无传统驾驶舱“车厢式”Robotaxi [15] 人形机器人发展态势 - **发展阶段**：行业正从实验室实验转向小规模部署 [1] - **商业化路径**：短期内，“通用类人机器人”将优先导入具体场景以证明商业可行性，而非直接进入家庭 [8] - **成本下降路径**：降本主要驱动力为规模上量带来的费用摊薄和供应商议价改善 [9] - 有公司称机器人成本已从20万美元降至10万美元，并规划在未来几年降至5万美元，前提是销量达到数千台 [10] - Mobileye披露，在收购Mentee背景下，若年产量达5万台，简化设计的制造成本约为2万美元/台；若年产量达10万台，成本可降至1万美元/台，目标是在2028年实现产能爬坡 [10] - **产能规划**：波士顿动力与现代汽车宣布目标是在2028年实现年产能3万台，且其2026年产量已全部提前分配给现代的汽车工厂 [10] 供应链与关键部件 - **供应链成形**：人形机器人领域正在培育全新的供应链，供应商正试图向该领域转型，路径类似电驱动总成 [1][4] - **执行器成为关键**：执行器被视为机器人的“肌肉”入口，约占波士顿动力机器人物料成本（BoM）的60% [1][10] - 舍弗勒展示一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力低，适合连续工况，已获NEURA采用 [4] - 现代摩比斯将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链来制造机器人 [4] - **芯片格局**：在机器人机载处理器上，英伟达凭借Jetson Orin或Thor平台仍占据主导，客户包括1X、Agility、Figure AI等众多公司 [3] - 特斯拉与小鹏使用自研推理芯片 [5] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [5] 技术范式与模型演进 - **从脚本走向Agentic**：最显著的范式变化是从预编程动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [3] - Boston Dynamics用Google DeepMind的Gemini Robotics VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [3] - **训练数据闭环**：行业争论焦点从“仿真 vs 真实”转为“如何高效实现真实世界数据与仿真的闭环” [7] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [10] - 有公司通过远程操作收集人类示范数据，再用仿真生成超过10万种动作变体进行强化学习 [10] - Mobileye强调其Mentee将基本以仿真来训练 [10] 主要公司产品与战略 - **英伟达**：推出面向自动驾驶的Alpamayo（“大脑”）与Thor（“头骨”）组合方案，旨在降低车企部署高阶能力的门槛 [11] - **Aptiv**：展示下一代端到端AI驱动的ADAS平台，并推出云原生中间件平台LINC，旨在实现软件定义车辆，其传感器技术正向航天与协作机器人领域扩展 [12] - **Visteon**：发布算力达700 TOPS的SmartCore HPC域控制器，并推出插件式AI-ADAS计算模块，方便车企为存量平台升级功能，该产品已应用于中国极氪车型 [13] - **Keenon Robotics**：其服务机器人占据全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万元人民币 [10] - 旗舰类人机器人XMAN-R1可执行爆米花、倒饮料等任务，其VLA模型面向服务业 [10] - 在日本等高人工成本市场，其机器人使用寿命达8年，高于行业常见的3–5年 [10] - **Deep Robotics**：聚焦工业巡检，机器人最高覆盖距离63km，可在危险区域执行24/7自主巡逻，并采用可更换电池设计 [10]

英伟达机器人芯片发展 - NVIDIA推出Jetson Thor机器人物理智慧核心 采用Blackwell GPU和128 GB记忆体 提供2070 FP4 TFLOPS AI算力 是前代Jetson Orin的7.5倍 [2] - 该芯片帮助终端本体即时处理庞大感测数据与大型语言模型 实现高阶人形机器人的视觉、思考与行动能力 [2] - 在Agility Robotics、Boston Dynamics、Amazon等厂商采用下 预估人形机器人芯片市场规模有望于2028年突破4,800万美元 [2] NAND Flash市场表现 - 2025年第二季NAND Flash产业营收季增22% 达146.7亿美元 主要受益于原厂减产策略缓解供需失衡 以及中美政策推动出货位元大幅成长 [4] - 前五大品牌厂合计营收表现突出 其中SK Group营收季增52.5%达33.35亿美元 市占率从16.6%跃升至21.1% [4][5] - 三星保持领先地位 营收季增23.8%达52亿美元 市占率32.9% 其他主要厂商包括Kioxia、Micron和SanDisk [5] 显示面板市场动态 - 预期8月电视/显示器/笔电面板价格持平 其中电视面板需求呈现转强趋势 [12]

机器人概念股表现 - Serve Robotics股价大涨超15% [1] - Richtech Robotics股价涨近14% [1] - iRobot股价涨超3% [1] 英伟达技术突破 - Jetson Thor采用Blackwell GPU和128GB内存 提供2070 FP4 TFLOPS AI算力 [1] - 算力性能达到前代Jetson Orin的7.5倍 [1] - 新技术使机器人能即时处理庞大感测数据与大型语言模型 [1] - 实现高阶人形机器人真正的视觉认知 思考与行动能力 [1]

机器人域控市场需求 - 机器人产业快速发展催生对域控制器的强劲需求 算力成为关键通胀环节[1] - 头部厂商对出货量预期乐观 宇树科技预计未来几年每年翻倍增长 智元机器人预计2025年迎来商用拐点[2] - 智元机器人2024年预计出货数千台 2025年预计数万台 未来目标达到每年数十万台规模[2] 技术发展与性能提升 - 英伟达新一代Jetson Thor平台较上一代Jetson Orin AI算力提升7.5倍 能效提升3.5倍 支持运行生成式AI模型[1] - 机器人域控需满足多传感器接入 AI感知决策 以及高频精准关节运动控制要求[4] - 均胜电子推出集成化全域控制器方案 胸腔总成节省50%以上空间 底盘总成节省近45%空间[4] 市场竞争格局 - 自动驾驶域控公司凭借技术同源优势切入机器人域控领域 包括天准科技 智微智能 德赛西威等[1][5] - 天准科技获得国内头部人形机器人厂商超千万元批量订单[4] - 均胜电子客户涵盖海外头部企业及智元机器人 银河通用等国内厂商[7] 产品开发与定制化趋势 - 行业缺乏统一标准 当前以定制化方案为主 需快速响应客户需求[5][6] - 天准科技提供基于英伟达Jetson Orin方案 规划地平线J6E J6M等性价比方案 并开展1000Tops算力芯片联合研发[6] - 均胜电子推出基于Jetson Orin和x86 CPU的异构架构 同时基于Jetson Thor为头部公司提供定制化解决方案[6] - 域控厂商不仅提供硬件平台 还参与客户模型训练 数据算法部署等开发环节[6] 成本挑战与国产化进展 - 英伟达Jetson Thor开发者套件售价高达3499美元 推动行业开发高性价比国产方案[1] - 天准科技正在规划更具性价比的地平线方案 已与多家客户对接需求[6]