Key Takeaways NVTS and BrightLoop will pair SiC tech with fuel-cell systems for heavy-duty transport applications. NVTS joined NVIDIA to boost power efficiency in AI data centers with GaNFast and GeneSiC technologies. NVTS partnered with GigaDevice and Great Wall Power to develop smart, high-density power solutions.Navitas Semiconductor (NVTS) is actively forging strategic collaborations and partnerships across the power electronics ecosystem, accelerating the adoption of its gallium nitride (GaN) and sil ...

大模型优化课程核心内容 - 课程聚焦大语言模型(LLM)和多模态模型的前沿优化技术，涵盖参数高效计算、知识动态扩展和复杂推理三大方向 [1] - 关键技术包括结构化剪枝、低比特量化、动态检索、角色化智能体、多跳推理等，实验平台采用LLaMA、GPT等主流模型 [1] - 重点解决参数压缩(剪枝稀疏化/量化加速)、知识扩展(RAG/PEFT)和推理优化(CoT/GRPO)等核心挑战 [1] 课程结构与招生信息 - 采用12周在线科研+2周论文指导+10周维护期的教学模式，每期限招6-8人 [3][10] - 目标学员包括大模型方向本硕博学生、科研人员及AI从业者，需具备PyTorch和Python基础 [4][5] - 硬件要求最低配置2张NVIDIA 4090显卡，推荐4张或使用云服务器 [11] 课程产出与学术支持 - 学员将获得定制化研究idea、baseline代码及公开数据集，最终完成论文初稿 [10][13][14] - 论文指导覆盖SCI 1-4区和CCF A/B/C类会议，提供从选题到投稿的全流程方法论 [18] - 必读论文包括GPTQ量化(NeurIPS 2023)、Sheared LLaMA剪枝(ICML 2024)等前沿成果 [15][17] 课程技术模块 - 剪枝量化模块：涵盖结构化剪枝算法、GPTQ量化技术及TVM编译器优化 [15] - 知识扩展模块：通过RAG解决幻觉问题，采用PEFT实现垂类任务高效微调 [16] - 推理增强模块：包含Chain-of-Thought多步推理和GRPO强化学习优化 [16][17] - 多模态扩展：涉及LLaVA视觉语言模型和Flamingo多模态学习框架 [15][17] 教学安排与服务 - 每周1-1.5小时专题授课，包含多智能体协作、动态知识扩展等14个核心模块 [16][18] - 采用腾讯会议直播+小鹅通回放形式，提供6个月答疑周期和学术诚信监督 [18] - 课程产出包括顶会论文模板应用、动机凝练方法和选刊投稿策略 [18]

公司技术突破 - 公司推出全球首个开源大规模混合架构推理模型MiniMax-M1 在权威评测中位列全球开源模型第二 [1] - 模型支持100万token上下文输入 可处理整本英文版《三体》 性能媲美谷歌Gemini2.5Pro [2] - 视频生成模型Hailuo 02生成的"猫跳水"视频在海外社交平台获3亿播放量 [1] - Hailuo 02在复杂动作表现上优于谷歌Veo3 开创"动物奥运会"AI视频新品类 [3][4] 研发与成本优势 - M1强化学习阶段仅花费53.5万美元 远低于行业千万美元级投入 [2] - 采用"稀疏激活"MoE架构 节省计算开销 与行业主流稠密架构形成差异化 [8] - 组建导演、编剧、美术复合团队打磨Hailuo 02 要求达到电影质感和5%影视应用比例 [5] 产品落地与市场表现 - 视频生成应用Hailuo AI已服务200个国家和地区 累计生成3.7亿个视频 [6] - 公司坚持技术驱动路线 认为好模型是产品落地的核心驱动力 [6] - 作为国内少数坚持基座模型研发的创业公司 在行业收缩期保持研发投入 [7] 行业地位与政策环境 - 公司入选大模型"上海队" 与商汤、书生·浦语等共同构成区域AI产业生态 [9] - 上海提出2025年建成世界级AI产业生态 规划建设多个大模型创新孵化器 [9] - 公司早在2022年底ChatGPT爆火前就已布局AGI 展现前瞻性技术路线选择 [1]

报告行业投资评级 - 增持（维持） [5] 报告的核心观点 - 小米 YU7 上市订单火爆，为产业链带来更多机遇，可关注相关供应商 [1][3] - 汽车板块本周涨跌幅为 2.88%，在申万 31 个板块中位列第 19 位，跑赢沪深 300 [4][16] 各部分总结 每周一谈 - 小米 YU7 上市后订单火爆，3 分钟订单破 20 万台，1 小时达 28.9 万台，18 小时锁单量达 24 万台 [1][13] - 小米 YU7 有三款配置，售价 25.35 - 32.99 万元，还有两款高配版售价 62.99 - 81.49 万元 [1][13] - 小米 YU7 性能和续航优秀，全系搭载小米超级电机 V6s Plus，零百加速 3.23 秒，最高时速 253km/h [1][13] - 小米 YU7 全系采用 800V 碳化硅高压平台，Max 版本 10 - 80% 最快 12 分钟，最快 15 分钟可充电 620km [2][14] - 小米 YU7 全系标配高阶辅助驾驶全套硬件及 1000 万 Clips 版 Xiaomi HAD 小米端到端辅助驾驶系统 [2][14] 投资策略及重点关注 - 关注电池、电机、电控等核心技术供应商，如宁德时代、汇川技术等 [3][15] - 关注智能驾驶及座舱系统供应商，如德赛西威、华阳集团等 [3][15] - 关注一体化压铸及轻量化部件供应商，如拓普集团等 [3][15] 市场回顾 - 汽车板块本周涨跌幅为 2.88%，位列申万 31 个板块第 19 位，跑赢沪深 300 [4][16] - 上证指数、沪深 300、深证成指、创业板指本周涨跌幅分别为 1.91%、1.95%、3.73%、5.69% [4][16] - 细分行业中，汽车服务、零部件、乘用车、商用车、摩托车及其他周涨跌幅分别为 4.27%、4.62%、0.08%、1.01%、2.43% [4][16] - 汽车行业周涨幅前五个股为建设工业、海泰科、派特尔、渤海汽车、湖南天雁 [16] - 汽车行业周跌幅前五个股为正强股份、恒勃股份、雷迪克、科华控股、江淮汽车 [16]

AI服务器市场需求 - 北美大型CSP是AI服务器市场需求扩张主力，tier-2数据中心和中东、欧洲主权云项目助力需求稳健 [1] - 2025年AI服务器出货量预计维持双位数增长，但2024年全球出货量增速微幅下修至24.3% [1] - 2025年整体服务器（含通用型和AI服务器）出货量预计年增5%，与先前评估一致 [4] 北美五大CSP动态 Microsoft - 2024年投资重点仍为AI领域，通用型服务器采购量受抑制 [1] - AI服务器主要采用NVIDIA GPU方案，自研ASIC Maia预计2026年新方案才明显放量 [1] Meta - 新数据中心落成推动通用型服务器需求显著增加，多数采用AMD平台 [1] - 积极布局AI服务器基础设施，自研MTIA芯片2026年出货量有望翻倍增长 [1] Google - 主权云项目和东南亚新数据中心推动服务器需求提升 [2] - 自研芯片布局比例较高，AI推理用TPU v6e已于2024年上半年逐步放量成为主流 [2] AWS - 自研芯片以Trainium v2为主力平台，已启动Trainium v3开发，预计2026年量产 [2] - 2025年自研ASIC出货量预计实现双倍增长，为美系CSP中最强 [2] Oracle - 侧重采购AI服务器和IMDB服务器，2024年更积极布局AI服务器基础设施 [3] - 整合云端数据库及AI应用，对美国主权云项目中NVIDIA GB Rack NVL72需求明显提升 [3] 行业技术趋势 - 北美CSP普遍加速自研ASIC布局，Google TPU v6e、AWS Trainium v2/v3、Meta MTIA等方案成为重点 [1][2] - 国际形势变化促使Server Enterprise OEM重新评估2025年下半年市场规划 [4]

核心观点 - 人工智能模型规模呈指数级增长，传统单芯片GPU架构在可扩展性、能源效率和计算吞吐量方面面临显著局限性 [1] - 晶圆级计算成为变革性范式，通过将多个小芯片集成到单片晶圆上提供前所未有的性能和效率 [1] - Cerebras WSE-3和特斯拉Dojo等晶圆级AI加速器展现出满足大规模AI工作负载需求的潜力 [1] - 台积电CoWoS等新兴封装技术有望将计算密度提高多达40倍 [1] AI硬件发展历程 - Cerebras里程碑包括2019年WSE-1、2021年WSE-2和2024年WSE-3的发布 [3] - NVIDIA产品线从1999年GeForce 256演进至2024年Blackwell B100/B200 GPU [3] - Google TPU系列从2015年初代发展到2024年TPU v6e [5] - 特斯拉于2021年宣布进入AI硬件领域推出Dojo系统 [5] 晶圆级计算优势 - 提供卓越带宽密度，特斯拉Dojo系统每个芯片边缘实现2TB/s带宽 [10] - 实现超低芯片间延迟，Dojo仅100纳秒，远低于NVIDIA H100的12毫秒 [10] - 物理集成度高，Dojo单个训练芯片集成25个芯片，传统方案需10倍面积 [11] - 台积电预计2027年CoWoS技术将提供比现有系统高40倍计算能力 [12] 主要AI训练芯片对比 - Cerebras WSE-3：46,225平方毫米面积，4万亿晶体管，90万个核心，21PB/s内存带宽 [15] - 特斯拉Dojo D1芯片：645平方毫米面积，1.25万亿晶体管，8,850个核心，2TB/s内存带宽 [16] - Graphcore IPU-GC200：800平方毫米面积，236亿晶体管，1,472个核心，47.5TB/s内存带宽 [17] - Google TPU v6e：700平方毫米面积，3.2TB/s内存带宽 [17] 性能比较 - WSE-3在FP16精度下峰值性能达125PFLOPS，支持24万亿参数模型训练 [25] - NVIDIA H100在FP64精度下提供60TFLOPS计算能力 [27] - WSE-3训练700亿参数Llama 2模型比Meta现有集群快30倍 [29] - WSE-3运行80亿参数模型时token生成速度达1,800/s，H100仅为242/s [29] 能效比较 - WSE-3功耗23kW，相同性能下比GPU集群能效更高 [75] - NVIDIA H100能效为7.9TFLOPS/W，A100为0.78TFLOPS/W [74] - WSE-3消除芯片间通信能耗，传统GPU互连功耗显著 [76] - 数据中心冷却系统占总能耗40%，液冷技术成为关键 [83] 制造工艺 - WSE-3采用台积电5nm工艺，4万亿晶体管集成在12英寸晶圆上 [66] - Dojo采用台积电7nm工艺，模块化设计包含25个D1芯片 [68] - WSE-3使用铜-铜混合键合技术，Dojo采用InFO封装技术 [71] - 两种架构均需应对良率挑战，采用冗余设计和容错机制 [67][70] 应用场景 - WSE-3适合大规模LLM、NLP和视觉模型训练 [54] - NVIDIA H100更适合通用AI训练和HPC应用 [54] - Dojo专为自动驾驶和计算机视觉工作负载优化 [57] - GPU集群在数据中心可扩展性方面表现更优 [54]

福特电动车销售表现 - 2025年第二季度美国市场电动车销量同比下降31%，主要受E-Transit货车销量崩溃和F-150 Lightning需求下滑影响 [1] - 上半年累计电动车销量仅38,988辆，较2024年同期下降近12% [2] - Mustang Mach-E季度销量同比下降20%至10,178辆，F-150 Lightning销量下降26%至5,842辆，E-Transit货车销量从2024年同期的3,410辆暴跌至418辆 [4] 混合动力车与整体销售趋势 - 混合动力车型销量同比增长超过23%，与电动车形成鲜明对比 [1] - 公司整体销量因员工折扣促销和关税预期刺激而上升 [2] 美国电动车行业环境 - 特朗普政府拟取消联邦税收优惠及其他补贴，加剧行业压力 [3] - 现代汽车Ioniq 5和Ioniq 6销量分别同比下降12%和8%，起亚EV9/EV6销量跌幅更大 [3] - 特斯拉预计将公布疲软的季度销售数据 [3] 产品周期与战略调整 - 现有电动车产品老化：Mustang Mach-E上市于2020年底，F-150 Lightning推出于2022年中 [4] - 公司计划2027年推出低成本电动车系列，首款为小型卡车 [4] 外部政策影响 - 特朗普第二任期前几个月威胁加征汽车关税，短期内刺激消费者提前购车 [4]

中国新能源VAN市场概况 - 中国市场新能源VAN类产品保有量已超120万辆，2023年1-5月新能源VAN类产品占比超40%，是城配物流主力[3] - 行业面临同质化挑战，不同品牌产品特征高度相似，同一品牌车系呈现"套娃式"矩阵[3] 远程新能源商用车产品布局 - 远程星享V7E定价7.99万元，定位7-8方市场，补全远程星享V6E（6方）与远程超级VAN（8.2-13.2方）之间的产品矩阵[1][8] - 远程星享V6E工况续航200-330km，创下连续多月细分市场销量冠军，远销韩国、土耳其等市场[7] - 远程超级VAN上市后蝉联新能源轻客月销量7连冠，新能源宽体轻客细分市场月销量11连冠，2023年1-4月市占率达65.7%[7] 远程星享V7E产品优势 动力与续航 - 搭载51.4kWh玄武电池，CLTC工况续航375公里，未来将拓展至460公里[11] - 百公里电耗低至13.8kWh，采用AI能效管家及多模式能量回收技术[11] 装载与智能化 - 货厢内长2870mm（可拓展至4100mm），内高1475mm，同价位最大7.5m³货厢容积[13] - 标配270°磁吸尾门+1100mm侧滑门+500mm超低货台，提升装卸效率[13] - 配备12.3寸中控屏、吉利乘用车同款芯片，支持Speech AI语音大模型及远程控制功能[13] 安全与生态 - 玄武电池通过2-4倍国标测试，提供10年/80万公里质保，整车经历2100+项测试及500万公里耐久验证[15] - 云控平台实现160万+次主动干预，1.18亿次风险提示，出险频度降20%，赔付率降30%[15] 商业模式创新 - 推出"销售、保值购、易租购、车电分离、无忧租"五位一体拥车模式[16] - 联合滴滴货运、地上铁、电小二推出场景专属车型，覆盖平台、运营、换电生态[18] - 提供7大购车权益包括三电终身质保、慧管车、慧充电等全场景服务[18]

中兴通讯AI战略布局 - 公司凭借40年ICT技术积累正式进军AI赛道，星云大模型NebulaCoder-V6在SuperCLUE推理榜单以67.4分与字节跳动Doubao-1.5并列第一[1][2][4] - 在综合总榜中星云大模型与DeepSeek-R1并列第二，得分61.59，超越商汤、腾讯等厂商[4][5] - 公司内部AI代码占比已达30%，星云大模型日均生成15亿token，合成代码量达数千万行[13] 技术突破与模型优势 - 预训练阶段采用DASER框架构建全学科知识图谱，私域知识QA准确率从61.93%提升至66.48%[19][20][23] - 监督微调阶段引入批判学习(CL)和成对批判学习(PCL)，代码生成任务准确率提升1.22-3.54个百分点[26][28][32] - 强化学习阶段创新双阶段优化策略，人类偏好打分提升13%，有效缓解能力崩塌问题[39][40][42] 行业协同与6G前瞻 - 通信网络自动化推动"自治网络"发展，6G将被设计为AI原生网络，需连接数千亿智能设备[9][10][11] - ICT与AI在数据处理、系统协同上高度契合，公司具备全栈技术积累和全局优化能力[45][47] - 产品生态全面AI化将打开巨大市场空间，形成硬件开发-软件平台-行业应用闭环[47][48] 核心竞争力分析 - 相比芯片厂商具备系统工程优势，较IT厂商拥有更强组网能力，较纯大模型厂商硬件能力突出[47] - 覆盖数学推理(62.1分)、科学推理(53.19分)、代码生成(86.59分)三大硬核维度[5][15] - 构建"批判-推理"数据飞轮，通过自动化场景挖掘持续优化模型意图理解能力[27][36]

AI歌手Yuri的市场表现 - 汗青工作室旗下AI歌手Yuri的首款音乐MV《SURREAL》全网播放量突破700万次，其中B站播放量达78.9万次，获3.9万点赞、8151投币、2.3万收藏[1] - 《SURREAL》MV的拟真程度极高，用户难以分辨Yuri是真人还是AI生成，音乐质量获B站、网易云等平台用户一致好评[7] - Yuri的成功得益于AI音乐/视频生成大模型技术进步及创作方的高投入，MV对口型、肢体动作等细节处理无明显突兀感[7] AI歌手行业发展现状 - 2024年中国AI数字人市场规模达41.2亿元，同比增长85.3%，增速接近翻倍[12] - 腾讯SongGeneration、昆仑万维Mureka V6、Suno V3等音频生成大模型降低音乐创作门槛，使AI歌手批量出现成为可能[4][6] - 早期AI音乐作品如《Auxuman Vol.1》因技术限制导致3D动画粗糙、音乐风格小众，而当前AI生成质量显著提升[4][6] 竞品分析 - 酷狗AI歌手柒月多首歌曲收藏量超1万，《踏雪》达24万收藏，但因需VIP收听且主场局限在酷狗，破圈效果有限[6][10] - AI孙燕姿、AI力宏借助明星IP获得短期热度，但粉丝关注点仍集中在真人明星，难以维持长期影响力[6] - 传统虚拟偶像初音未来IP衍生游戏4年营收超8亿美元，洛天依在网易云上线数百专辑，商业化路径成熟[8][12] 商业化路径 - AI歌手商业化需优先打造IP，可复制初音未来/洛天依的手办、广告、全息演唱会、IP游戏等模式[8] - 柒月已尝试商业化合作，包括与邓寓君合作为亚运创作《踏雪》，担任广州龙舟宣传大使等[8] - 专业团队在作品打磨（如MV细节优化）和资源投入上具有显著优势，普通用户难以匹敌[9] 行业挑战与机遇 - AI歌手高度可复制性导致竞争加剧，用户可能转向自主生成音乐，削弱第三方AI歌手价值[9] - 当前赛道尚未头部化，工作室需加快高质量作品产出速度（如洛天依数百专辑案例），抢占市场空白期[12] - 虚拟偶像历史表明破圈难度大（初音未来/洛天依仍属小众），但AI技术突破可能改变行业天花板[13]