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]

产品发布与性能 - 公司推出基于Blackwell架构的Jetson Thor机器人超级计算机 面向制造、物流、交通、医疗、农业和零售等行业提供算力支持 [1] - Jetson Thor较上一代Jetson Orin的AI算力提升7.5倍 能效提升3.5倍 [1] - 产品支持运行生成式AI模型包括Cosmos Reason、DeepSeek、Llama、Gemini、Qwen等通用模型及Isaac GR00T N1.5等机器人专用模型 [1] - Jetson Thor开发者套件定价3499美元 Jetson T5000模组批量购买单价2999美元 [1] - 产品具备2070 FP4 TFLOPS的AI算力和128GB内存 可在边缘端并行运行多模态模型 [7] 技术架构与创新 - Jetson Thor整合"大模型+实时传感+控制"到边缘端 显著降低云依赖与往返时延 [7] - 产品通过更大带宽处理多传感器数据 支持机器人在动态环境中高速移动和操作 [11] - 公司构建三类计算机体系：机器人本体嵌入式计算机、AI工厂训练计算机、仿真测试计算机 [10] - 技术实现从"会看、会说"到"会想、会做"的跨越 推动通用机器人发展 [11] 生态合作与应用场景 - 联影医疗、万集科技、优必选、银河通用、宇树科技等企业已率先使用Jetson Thor [1] - 银河通用G1 Premium人形机器人搭载Jetson Thor 在工业码垛、拆垛及搬运场景展现流畅作业 [8] - 产品适用于手术辅助机器人、智能牵引车、配送机器人、工业机械臂及视觉AI智能体等应用 [8] - 公司通过软硬件一体化模式构建竞争壁垒 提供完整NVIDIA AI软件栈支持 [7][8] 战略定位与市场前景 - 公司定位为机器人生态算力支持方 不直接制造机器人 [6] - 创始人提出"物理AI"为AI发展终极阶段 涵盖生成式AI、代理式AI后的第三阶段 [2] - 机器人业务成为公司重要业务线 在发布会中压轴出现 [1] - 产品迭代被视为新增长曲线 资本市场认可赛道长期潜力 [11] - 公司股价截至8月26日达181.77美元 市值44352亿美元 [2]

财报前瞻与市场预期 - 英伟达将于8月27日美股盘后发布2026财年第二季度财报 被视为AI投资热度和科技股走势的重要风向标[1] - 市场预期营收455亿美元 同比增长51.5% Non-GAAP每股收益0.99美元 同比增长46.2%[3] - 盈利预期近月未显著上修 股价上涨主要受估值扩张驱动 市场已反映CSP资本开支持续高增及Blackwell、Rubin产品顺利推进[3] 历史业绩表现 - 2025年一季报营收达440.62亿美元 同比增长69.18% 净利润187.75亿美元 增长26.17%[5] - 营业总收入同比增速达69.18% 但环比下降9.97% 显示增长动能可能放缓[6] - 研发支出持续增长 一季报达39.89亿美元 环比增长7.4%[6] 毛利率与经营挑战 - 单卡性能提升放缓 机柜复杂度与制造难度上升可能压制毛利率[3] - 本季度毛利率能否回升将是核心关注焦点[3] - 营业总支出大幅增长至224.24亿美元 环比增长46.6% 可能影响盈利能力[6] 股价与市场预期 - 期权交易员预计财报后市值可能出现约2600亿美元的波动[8] - 近半年有11家机构给予买入评级 13家给予推荐评级[8] - 机构给予的目标价最高达206美元 最低为190美元[8] - 一致目标价为177.40美元 评级为增持[10] 新产品与技术突破 - 基于Blackwell架构的Jetson Thor正式面向开发者开放 针对机器人领域的超级计算机[15] - 较上一代Jetson Orin AI算力提升7.5倍 能效提升3.5倍[15] - 能够运行各种生成式AI模型 包括Cosmos Reason、DeepSeek、Llama等通用模型和Isaac GR00T等机器人专用模型[15] - 提供高达2070 FP4 TFLOPS的AI算力 配备128GB内存 可并行运行多模态模型[16] - 开发者套件定价3499美元 T5000模组批量单价2999美元[15][16] - 新产品将机器人智能化程度提升 能够高效应对代理式AI、高速传感器数据处理等复杂场景[16]

产品发布与性能 - 英伟达推出基于Blackwell架构的Jetson Thor机器人超级计算机 AI算力较上一代Jetson Orin提升7.5倍 能效提升3.5倍 [2] - Jetson Thor具备2070 FP4 TFLOPS的AI算力 支持128GB内存 可并行运行多模态模型 显著降低云依赖与延迟 [3] - 产品定价为开发者套件3499美元 T5000模组批量单价2999美元 已获联影医疗 优必选等企业采用 [2] 技术特性与应用场景 - 产品整合大模型 实时传感与控制功能 支持视觉-语言-动作等多模态模型 适用于代理式AI和高速传感器数据处理 [3][4] - 可应用于人形机器人 手术辅助系统 工业机械臂等场景 在工业码垛 物料搬运等复杂任务中展现流畅作业能力 [4][6] - 支持在边缘端为大规模复杂AI模型提供实时推理能力 覆盖制造 物流 医疗 农业和零售等行业 [2][4] 生态战略与行业影响 - 通过软硬件一体化模式构建竞争壁垒 提供完整NVIDIA AI软件栈 与CUDA技术和GPU芯片战略高度相似 [4] - 头部机器人企业如银河通用已搭载Jetson Thor 产品推动机器人从"会看会说"向"会想会做"演进 [4][6] - 英伟达定位为机器人生态提供计算平台 自身不制造机器人 但通过计算平台支持企业构建机器人 [3] 技术架构与设计理念 - 物理AI是公司核心叙事 要求模型在真实世界执行动作 需构建机器人本体 AI工厂和仿真三类计算机 [5] - Jetson Thor将算力从云端下沉至机器人本体 解决功耗 散热和实时计算挑战 支持更复杂推理任务 [5] - 产品具备更大带宽 可快速处理多传感器数据 使机器人在动态环境中实现高速移动和操作 [5] 市场前景与战略意义 - 机器人业务成为英伟达重要增长曲线 虽产业化早期面临周期长 成本高挑战 但赛道具备长期潜力 [6] - 产品推动通用机器人发展 通过统一软件栈与生态网络加速落地 是计算平台战略的自然延伸 [6] - 公司股价上涨1.02%至179.81美元 市值达4.39万亿美元 市场关注即将发布的第二财季财报 [2]

英伟达Jetson Thor芯片性能提升 - 英伟达新推出的Jetson Thor芯片提供2070 FP4 TFLOPS AI算力 是前代Jetson Orin的7.5倍 [1] - 该芯片配备Blackwell GPU和128 GB记忆体 能够即时处理庞大感测数据与大型语言模型 [1] - 芯片性能提升使高阶人形机器人具备真正的视觉识别 思考与行动能力 [1] 人形机器人芯片市场规模预测 - 人形机器人芯片市场规模有望于2028年突破4800万美元 [1] - 全球人形机器人需待2032年前后稳定走入家庭 才能真正放量突破10万台 [4] - Agility Robotics Boston Dynamics Amazon等厂商陆续采用与建置生态圈推动市场发展 [1] 芯片价格与成本考量 - Jetson Thor开发套件价格达3499美元 较前代Jetson Orin的1499美元大幅提高 [4] - 短中期执行单纯作业的厂商较倾向采用平价芯片 [4] - 英伟达可能通过软硬件绑定优势推出配套软件平台 以提升高算力成本的价值 [4] 人形机器人发展阶段 - 短期发展以试点补位为主 中期进入制造与服务规模化 长期普及至家庭日常场景 [4] - 各国人形机器人发展依技术与目的有所不同 [4] - 高阶SoC在长期普及阶段的效用更加关键 [4]