The main line of AI in 2026 is clear: computing power as the foundation, mobile phones breaking the situation, with four major explosive points in place

• 2026 年 AI 演算率逐步加速，人工智能大板块布局，模型加速迭代与 AI 超短线体系出现交叉差距。 1）算法基础混沌变革，算法细节创新不断驱动模型仍在快速迭代。全球顶尖大规模封装突破，谷歌 Gemini 3 在基础推理与多模态能力上实现跃迁式提升，最关键的指标 screen understanding 准确度从上一代 11.4% 提升到 72.7% 意味着 AI 手机爆发成为必然。同时具有智能模型可能在三年内能理解自然语言指令、变成场景的多用途的机器人；算法创新仍然频繁；国产开源模型 DeepSeek-V3.2 Speciale 在推理性能上通过顶尖闭环模型，并精炼注意力（DSA）、高比例后训练和大规模合成数据等方面的创新，证明算法与训练范式仍具巨大突破空间，预测练与训练 Scaling Law 还未触及瓶颈；目前模型训练仍以实体化 Hopper 系列与谷歌 TPU V3、V5 为主，随着实体化 Blackwell 集群与谷歌 TPU V7 集成投入使用，2026 年大规模迭代仍然精彩。2）AI 超短线体系出现：手机本身是人们工作与生活信息流的集大成者，全能的 AI 助手出现将会面临前所未有的任务与挑战。字节跳动于 2025 年 12 月发布至 AI 手机助手技术预览版，智能智能助理实现 AI 对手机的跨应用自主操作，虽然尚有不足之处但已经展现全能潜力，形成数据飞轮，开始快速迭代。GUI 技术突破机制了 API 时代形成的扩域洞，且 AI 手机是其他 AI 终端爆发的前置条件，预计全球顶尖大厂将极大地引入到这场新的入口之战。3）两仪生四象：算力为基、空天时代、具有智能、AI 应用精彩不断。

四象一：一切仍然指向算力，算力/奇力/超节点系统加速，国内算力争锋未破。1）Scaling Law 从 pre Training 向 pre/Post/Test-Time 三维建模，叠加 Interleaved Thinking 的新推理模式，训练和推理算力均有逻辑性较强。2）AI 手机驱动入口之战，没有厂商能够去共享，腾讯、华为近期投入信号明显。预计全球大厂投入容量足够的高端，目前统计主流大厂现金流压力。3）国内算力：国产 GPU 性能超过 H20，上市前需具备高精度芯片，国产 GPU 厂商 “酷” 等 “酷” 的闭环迅速。26 年间市场价格加速；4）存储：多模态渗透与 KV Cache 的广泛应用，存储延迟仍以 “快进” 来 “高” 的 “快” 来 “高” 的转变，价格与需求持续上升；5）超节点：超节点通过高速互联弥补资源不足，高时延等问题，已成为 AI 基础设施新常态，国产 GPU 厂商加速布局。

四象二：空天时代，AI 的普及。1）海外端，英伟达、谷歌、SpaceX 等机构纷纷投入大空算力建设，且 SpaceX 有望成就史上最大 IPO，估值高达 1.5 万亿美元，是全球首个 6000 亿美金市场未来近百亿美金市场中增长的单品商的部分。2）政策端：近期支持政策频出，“十五五” 规划中重视航空航天发展，2025 年国家航运局发布的数据显示，中国大陆地区首发卫星导航计划有望迎来高峰期，进口商业火箭企业运用相机驱动云盘上市场准予重磅政策不断。3）国内端，我们积极规划多个卫星低能量星形已规划三体计算星座与北京太空数据中心参与太空算力角逐。4）我国可回收火箭技术突破正在临点，“国家队” 与民众积极关注竞争，关键航班正在逐渐突破。

四象三：具有智能智慧支撑精准布局，实现效率的基础。1）特斯拉 optimus V3 临近发布，预计为机器人小脑发展的最大成本，各类任务精准度快速提升。2）模型大幅削减，Gemini3 Opro 意味着大规模多模态理解能力跃升，未来机器人能理解多种人类指令，结合场景完成定位任务不仅可能获得可能，还是具备智能算法攻击的基础。3）从产业信号看，特斯拉无人机搭载了有望逆量产元年，成为一切的起点。

四象四：AI 应用成长而生，大数据 AI Infra 海啸将带来高壁垒参数软件值得关注。1）模型迭代、应用深化，无论是 B 端 Token 调用进一步爆发。2）计算机行业将在历史低位，具备交易与反弹条件。3）计算机行业收入、利润增速于 2025 年初见底，在 AI 的驱动下存在更明显的转型可能性，建议重点关注两类领域迭代的高效方案：一是大规模双层嵌入式，头部模块厂商高端的 ARR 与 Token 消耗量增加，基于个性化与生态化的融合介入企业智能化产品；二是 AI Infra，作为连接模型与落地的关键中间层，其直接决定 AI 的使用成本与效果上限。Databricks 与 Snowflake 的高增表现可验证该环节的高价值属性；三是高增长率类软件：动态宽、广告、医疗等业务 AI 都展现着快速增长潜力；四是高壁垒参数软件，依托行业 Know-how、专有数据、复杂流程及合规整合，此类应用能持久模型作为决策能力的放大器，在避免被颠覆的同时实现价值跃升。

其他重点细分：1）3D 打印：当前新增到初现视频，3D 打印开启序幕。中国 3D 打印市场曾因疫情影响，2034 年全球市场规模有望突破 1145 亿美元，我们认为随着 AI、空天、3C、机器人、汽车等产业不断突破创新趋势，传统制造工艺已临近上限，难以满足散热、轻量化等实际需求，至今 3D 打印技术突破依然止限，多维需求爆发有望加速产业发展。2）金融 IT：降低周期全球资本活跃，跨境支付宝金融崛起。2026 年美联储降息预期有望推动资本市场交易活跃度；“十五五” 明确资本市场质量发展，资本市场 IT 有望迎来新的快速发展，全球跨境支付创新加速变革，为数字人民币更大力度推广应用打开空间。3）智能驾驶：正式进入产业化阶段。2025 年 9 月，中国 L2 强链进入公开征求意见阶段。25 年 12 月，工信部正式公布我国首批 L3 级有条件自动驾驶车型准入许可，标志着我国 L3 级自动驾驶从测试阶段正式进入产业化应用。9 年来，小马智行率先把 Robotaxi 车先在广州实现了城市级单车 UE 模型转正，中美 Robotaxi 车队处于爆发前夜。10 以消费者行为代表的智能驾驶车型不断迭代，市场份额快速上升。

一、AI 演绎路径更加清晰

1.1 全球顶尖模型模型快速迭代

2025 年 11 月 19 日谷歌 Gemini 3 发布，跃进式的得分提升，强大的多模态理解力，更加多样化的 UI、核能的前端能力，让大模型的进展迈出显著一步。

基础思考能力上，Humanity’s Last Exam 是衡量 AI 能否解决人类顶尖难题的终极试金石。在 Gemini 3 之前，Gemini 2.5 Pro 的得分是 21.6%，Claude Sonnet 4.5 仅为 13.7%。Gemini 3 Pro 交出的答案是 37.5%（无工具）和 45.8%（带工具）。ARC-AGI-2 测试，旨在衡量模型处理从未见过的新颖推理任务的能力，而非记忆硬背。Gemini 3 Pro 拿下了 31.1% 的分数，而 GPT-5.1 仅为 17.6%。Gemini 2.5 Pro 甚至只有 4.9%。这意味着它开始展现出一种接近人类的流体智力，能够在没有大量训练数据覆盖的领域进行抽象推理。

在多模态领域 Gemini 3 尤其惊艳，MMMU-Pro 的 81.0%，CharXiv Reasoning 的 81.4% 都超越了对手，而在理解截图的测试 ScreenSpot-Pro 的 72.7% 中，Gemini 3 的得分是 Claude Sonnet 4.5 的两倍，GPT-5.1 的二十倍。这对于构建能够真正理解和操作图形界面的 AI 代理至关重要。

2025 年 12 月 11 日 OpenAI 发布 GPT-5.2，为专业工作设计的顶尖模型。

GPT-5.2 旨在为人们带来更多经济价值。该模型在制作电子表格、设计演示文稿、编写代码、识别图像、理解长文本上下文、使用工具以及处理复杂的多步骤项目方面表现更佳。

GDPvali 评测是一项覆盖 44 个职业，用于衡量明确知识型工作任务的评估。在 GDPval 测试中，模型尝试完成交叉明确的知识型工作，内容涵盖美国 GDP 贡献度最高的 9 个行业中的 44 种职业。任务要求生成真实的工作成果，例如销售演示文稿、会计表格、急诊排报表、制造图表或短视频。根据人类专家评审的结果，GPT-5.2 Thinking 在 70.7% 的高难度知识型工作任务上，表现优于行业顶尖专家，或与其持平。这些任务包括制作演示文稿、电子表格以及其他专业产品。GPT-5.2 Thinking 完成任务的速度大约是专家的 3 倍，而成本只有大约 1%。

12 月 1 日 DeepSeek-V3.2 正式发布，国产模型引领开源创新。

在公开的推理类 Benchmark 测试中，DeepSeek-V3.2 达到了 GPT-5 的水平，仅略低于 Gemini-3.0-Pro；DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2 的长思考增强版，在主流推理类测试上的性能表现显著。Gemini-3.0-Pro，成功新获 IMO 2025（国际数学奥林匹克）、CMO 2025（中国数学奥林匹克）、ICPC World Finals 2025（国际大学生程序设计竞赛全球总决赛）及 IOI 2025（国际信息学奥林匹克）全解。其中，ICPC 与 IOI 成绩分别达到 7 人奖选手第二名与第十名的水平。

DeepSeek V3.2 系列模型提出多项创新：延续使用 DSA 稀疏注意力机制、加码后训练、大规模合成数据。

DSA 全称 DeepSeek Sparse Attention，旨在降低计算复杂度，同时在上下文场景中还能保持模型性能。举个例子，当你面前有一本超厚的书（假设页数上万页），现在需要从这本书里查询特定信息，要求只能一页一页地看，且需要记忆有过的内容，这就是传统 AI 模型处理长文本时的困境——计算量随文本长度呈平方级增长。而 DSA 的作用如何将这种 “大海捞针” 的方式转为 “精准定位”，不是每页都要看，而是能够只关注与目标信息最相关的几页，大幅提升了模型记忆与理解效率。

此外，DeepSeek 意识到开源模型的后期继续入普通不足，限制了模型任务表现，于是采用更激进的方式，将后期结果力预算法到超过预测效果的 10%。

DeepSeek 这次用到了大规模智能体数据合成，根本原因在于缺乏足够多样化的真实训练环境，无法让智能体具备任务泛化能力，以测试评估结果看，使用合成数据使模型泛化能力提升显著。

我们认为模型的迭代还未到瓶颈，2026 年模型的进展会更精彩：

1）靠 Scaling law 提升模型能力的路径依旧有效。

DeepSeek-V3.2 后训练规模扩展到预测效果的 10%，预计未来比例还会提高，而且 DeepSeek 团队在论文表中有训练算力有限，DeepSeek-V3.2 的世界知识广度还是落后于 Gemini 3 pro 这样的顶尖闭源模型，团队计划未来进一步扩大预测效果。同时 DeepSeek 大量使用合成数据有效说明不用担心数据会遇到瓶颈。

2）DeepSeek-V3.2 提出的 DSA 机制展示出强大算法创新能力，不必担心大规模技术创新已经到达瓶颈。

3）大规模训练的硬件基础升级。

英伟达的 Hopper 架构正在转向 Blackwell 架构，Blackwell 相比前代在单卡算力、显存带宽、显示容量、以及集群互联都大幅提升，这对大规模训练的意义一方面是加速和降低成本，另一方面是可以使用更大的 Batch Size（模型更新学习内容前一次性处理的训练样本数量），这对训练稳定性有帮助，更大的 Batch Size 能够更准确地估计整个数据的精度，从而使学习过程更加稳定，而较小的批次则会产生噪声过大且特征过于明显的信号，这可能导致模型的学习路径出现不稳定的跳跃。

谷歌也在 2025 年 11 月宣布其第七代 TPU Ironwood 将在未来几周内全面上市。Ironwood 专为应对最严重的工作负载而打造：从大规模模型训练和复杂的强化学习到高容量、低延迟的 AI 推理和模型服务，它都能轻松胜任。与 TPU v5p 相比，Ironwood 的峰值性能提升了 10 倍；与 TPU v6e (Trillium) 相比，其单芯片在训练和推理工作负载下的性能均提升了 4 倍以上，使其成为谷歌迄今为止性能最强大、能效最高的定制芯片。我们认为谷歌的芯片升级会对模型迭代带来显著促进作用。

1.2 字节 AI 手机发布，AI 超级载体出现

手机本身是人们工作与生活信息流的集大成者，全能的 AI 手机助手出现将全面重构所有人的工作与生活。

2025 年 12 月字节跳动在和平兴合作的工程样机 nubia M153 上发布了五色手机助手技术预览版，目前该版本已面向开发者和科技爱好者少量发售，售价 3499 元。用户不仅可以通过语音、侧边键或互包 Ola Friend 耳机直接唤醒自己，实现交互以及调用语音通话、视频通话和屏幕共享等功能。此外，五色手机助手可以通过 AI 直接操控手机功能，用户输入登录行号、商品下单、批量下载文件等信息，五色手机助手可在多个 App 之间跳转，帮助用户完成多个平台搜索同款商品、比价、选择最便宜的商品下单等操作。

我们认为五色手机助手是 AI 在 C 端从单一的语音助手进化为真正会行动的助理的重要里程碑，不仅能理解用户意图，还能跨应用自主执行复杂任务，体现了 AI 在真实场景中的巨大进展，也预示着手机交互方式和用户效率将被系统性重塑。

基于图形用户界面（GUI）的触控是移动互联网时代的核心交互方式，但也存在操作流程复杂的问题以及 App 间信息整合的问题。如今大模型正推动移动端交互革命：用户从复杂的点击跳转中解放，只需下达自然语言指令，AI Agent 即可跨越应用边界完成任务。针对如何打破应用壁垒，行业目前形成了两条演进逻辑：

API Agent 路线：通过标准化协议让开发者主动接入。如苹果通过 App Intents 框架让开发者可以将应用接入 Apple Intelligence。

GUI Agent 路线：利用多模态模型模拟人类视觉和操作。这种方式无需开发者配合，凭借通用视觉能力直接操作各类 App，如豆包手机助手。

在效率、隐私、可靠性等方面 API Agent 更有优势，但是 GUI Agent 的最核心优势在于灵活通用，不需要应用厂商主动适应，是打通碎片化应用生态的利器。预计模型厂商、应用厂商和手机厂商为了抢夺流量入口，会在两种路线选择上进行激烈的博弈。

我们认为 AI 手机是其他 AI 终端爆发的前置条件，预计全球顶尖大厂将极致投入到这场新入口之战。

两仪已定，四象初生：算力为基，空天时代，具身智能，AI 应用精彩不断。模型的快速迭代与 AI 手机聚集数据流并拥有智能会在 2026 年推动 4 个领域明确的投资机会。1）算力的争夺更加激烈，且上限非常高。2）空天时代成为算力领域竞争最高的方向。3）机器人可能变得能听懂话，且结合环境执行多种任务。4）AI 应用渗透率临近轴量（5%～20% 为新科技渗透率轴量区）。

二、四象一：一切仍指向算力，2026 国产算力爆发之年

2.1 一切仍然指向算力，Scaling Law 从训练侧向推理侧拓展

大模型三大 Scaling 定律：预训练（pre-training）/后训练（post-training）/推理深度思考（test-time long thinking）。算力与应用循环促进： 算力 Scaling—>智能提升（Intelligence）—>应用的广泛采用（Adoption）—>经济效益（Profits）—>算力 Scaling。GPTo1 之后，模型 Scaling law 从单一的预训练（pre-training）向三大 Scaling 转变。1）模型在回应用户之前产生很长的内部思考链，思考时间越长，答案的质量就越高；2）Multi-agent 进一步提升模型性能，但其 Token 消耗量往往达到对话聊天的数倍。

训练层面，预训练重启，后训练加码。预训练方面，DeepSeek 团队在论文中坦言，受训练算力约束，DeepSeek-V3.2 的世界知识广度仍落后于领先闭源模型（如 Gemini 3 Pro），后续将通过扩大预训练规模补齐能力上限。此外，V3.2 往往需要更多 token 才能逼近 Gemini-3.0-Pro 等模型的输出质量，未来将聚焦提升推理链的 “智能密度”，以更少 token 达到同等效果；后训练投入强度提升：DeepSeek 认为开源模型后训练投入普遍不足并制约任务表现，因此将后训练算力预算上调至超过预训练成本的 10%。

推理方面，MiniMax M2、DeepSeek V3.2 等国产大模型，把 “思考→行动→观察→再思考” 的动态循环模式（Interleaved Thinking）融入推理流程，正成为 Agent 模型标配。我们认为，国内 Interleaved Thinking 范式渗透，能够显著提高 Agent 的准确性和规划能力，2026 年 Token 消耗与推理需求有望加速爆发。

2.2 国产 GPU：产能 + 性能持续突破，26 年加速爆发

智算中心持续扩容，国产替代加速。根据 IDC 数据，2020 年中国智能算力规模为 75.0 EFLOPS，到 2028 年预计将达到 2,781.9 EFLOPS，预计 2020-2028 年复合增长率达到 57.1%。随着地缘政治紧张局势推动中国企业寻求本地替代方案，以及国产芯片技术的稳步提升，国内云服务提供商正在加速构建并构架核心 (将不同类型的芯片结合使用，如 CPU、GPU、国内替代芯片)。例如，腾讯云已将其异构计算平台全面兼容所有主流国产芯片，以满足内部开发和客户对 AI 算力的需求。根据 Bernstein Research，2024 年中国 AI 加速芯片市场中，英伟达、AMD 市场份额分别为 66%、5%，合计占比达 71%。但受益于国产替代趋势及供应链安全需求，国内计算芯片公司正迅速提升。其中，华为海思/沐曦/摩尔市场份额已分别达到 23%/1%/1%。

CSP 厂商加速造配，助力国产芯片生态建设。英伟达的 X86 生态、英伟达的 CUDA 生态之所以难以撼动，核心在于形成了 “芯片 - 软件 - 应用” 的闭环。而当前国产阵营中，华为野腾、阿里早头等，壁切科技等芯片厂商各有技术路线，生态分散问题显著。腾讯集团高级执行副总裁汤道生在交流中坦言，不同参数规模的 AI 模型需要适配不同芯片配置，当前只能通过与多家厂商合作实现场景覆盖。百度、阿里等企业加速造配国产芯片，推动 “芯片 - 模型 - 应用” 闭环形成。

国产通用 GPU 从 “可用” 向 “好用” 升级。国产 GPU 在性能指标、软件生态、应用适配等方面与 NV 最先进一代仍有差距，但已基本适于 H20、A100 等，且在本地化服务、政策支持、成本控制等方面具备优势。随着资本持续注入，国产企业有望在细分场景实现突破，逐步扩大市场份额。1）算力指标上：国内多数头部企业主流在售产品的 FP16/BF16 在 100-300 TFLOPS 左右，处于英伟达 A100 产品阶段，少数厂商通过先进封装等方式实现接近英伟达 H100 产品的算力，为国内最先进水平；2）显存方面：国内企业结合自身产品特点，分别选择 HBM2e、HBM2、GDDR 等显存类型，显存带宽在 0.5-2 TB/s 左右。

供给侧：中芯国际作为中国集成电路领导者，产能利用率持续提升。11 月 13 日，中芯国际披露 2025 年第三季度财报，2025Q3 中芯国际营收 171.62 亿元，环比增长 6.9%，毛利率 25.5%；月产能为 102.28 万（折合 8 英寸），同比增加产能约 13.85 万（折合 8 英寸）；产能利用率达 95.8%。环比增长 3.3 个百分点。中芯国际产能全部紧靠，约为台积电的三分之一。公司资本支出维持高位，未来产能将继续增加。

2.3 入口之战已打响，大厂持续加大投入

入口不再仅限于手机，而是演变为 “OS 级智能体” 与 “超级 APP” 层面较量。1）超级 APP 的入口之争已经打响。2025 年 12 月 24 日，字节跳动旗下 AI 应用豆包宣布自动活跃用户数（DAU）突破 1 亿；千问 App 近期持续扩大投放，截止 12 月 10 日（公测 23 天）月活已突破 3000 万，下成全球增长最快 AI 应用。阿里巴巴在向市场通中提及，千问 C 端事业群的首要目标是将千问打造成为一款超级 APP，成为 AI 时代用户的第一个入口；2）“入口之战” 从流量分发是推动了系统权限层，已成为全心、互感化升级的核心，用 “看屏幕 + 快操作” 的方式实现有生态之上再搭一层 “AI 操作系统”，AIOS 直接触碰微信、支付宝等超级 APP 的商业命门，传统 App 时代的游戏规则面临挑战，微信、淘宝等超级 APP 陆续推出至电子机权限，但值得注意的是，华为、小米、荣耀、OPPO、vivo 等品牌均在旗舰机型里注入 AI Agent 能力，模型厂商仍有望通过开源及广泛结盟来绕过 APP 厂商的封锁。

全球科技巨头军备赛，现金流仍支撑进一步加大投入。全球科技巨头对 AI 的投入进入军备竞赛阶段，但综合考虑各家的自由现金流以及各自的现金流交易会带来短期投资者：北美科技巨头 Meta 外，即使在假设人工智能（AI）的贡献对自由现金流的推动作用尚未完全显现的情况下，2026 年的资本支出压力预计仍处于可控范围。同时，我们认为 AI 需求的确定性有望训练和提升相关的投入资本回报率 ROIC。尽管未来依然仍然保持稳健的平衡，而未来，随着大规模的金融危机爆发，ROIC 的提升，一是模型能力持续提高，是模型、视频生成模型及未来的全球投融资，能力仍在不断突破，规模化发展尚未触顶，谷歌 Gemini 3 人工智能模型的进展就印证了这一点。随着模型能力提升，AI 可承载的任务与适配的场景持续增多。二是 AI 任务在各行业的渗透率不断提高，两大功能叠加，未来三年内 AI 需求的增长具有高度确定性。

2.4 存储：AI 训练/推理持续拉动存储需求

AI 大模型推理拉动存储需求快速增长。训练侧，SSD 不仅负责储存模型参数，包含不断更新的权重和偏差，而且可以创建检查点（check point），以定期保存 AI 模型训练进度，即使训练中断也能从特定点恢复；推理侧，主要包括三个方面：1）LLM fast loading & KV caching: 快速装载模型相关内容并支持 KV 缓存，加速推理响应；2）Content store: 推理侧需要内容存储作为在线供给（可理解为面向推理的内容/数据存储）；3）RAG: 检索增强生成 “检索” 引入推理闭环，推理链路对存储访问更敏感。存储芯片市场正经历一场由 AI 驱动的、前所未有的全面快贷与涨价潮。进入第四季度非但没有趋缓，反而有进一步加剧的迹象。

2.5 超节点：产能 + 性能持续突破，26 年加速爆发

Scale-up 与 Scale Out 持续拓展。大模型需要采用多机多卡集群的方式进行训练，主流的并行训练方式有数据并行、模型并行（张量并行、流水线并行）、专家并行等。张量并行和专家并行的并行计算方式，每次迭代数据量达几百 GB，GPU 互联需要高带宽和极低时延，以压缩 GPU 之间的通信开销成本。随着大模型参数规模指数级增长，单卡有效算力难以应对超大规模的算力需求，高带宽、低延迟的中间互连技术成为关键竞争要素，对 GPU 集群互连拓扑结构也提出了更高要求，驱动了纵向扩展（Scale-up）与横向扩展（Scale-out）网络架构的技术演进。

国产超节点陆续发布，2025 年是超节点产业的 “加速渗透率”。从华为到 384 超节点主机在 2025 世界人工智能大会期间首秀，到 12 月 18 日中科联之 scaleX 万卡超集群系统亮相，超节点已经加速从技术突破走向产品落地。华为、中科联、阿里、百度等头部企业均发布超节点产品，中兴通讯、浪潮、新华三、超聚变等企业纷纷跟进推出解决方案，形成全面竞争格局。

三、四象二：火箭瓶颈突破在即，太空算力打开应用空间

3.1 海外巨头竞逐太空算力，打开万亿美金市场

英伟达首次将芯片送入太空，开启太空算力时代。根据机器之心报道，2025 年 11 月 2 日，英伟达首次把 H100 GPU 送入了太空。此次测试飞行搭载于初创公司 Starcloud 的 Starcloud-1 卫星上，是该公司雄心勃勃的计划的第一步，该计划旨在将全球耗能巨大的数据处理基础设施迁移到太空。这项为期三年的任务将由 SpaceX 的精鹰 9 号火箭发射升空。仅重 60 公斤的 Starcloud-1 卫星将在距离地球约 350 公里的超级轨道上运行。在那里，它将接收来自美国 Capella 公司运营的合成孔径雷达 (SAR) 地球观测卫星群的数据，实时处理这些数据，并将信息传回地球。Starcloud 甚至预测未来十年内，几乎所有新数据中心都将走在大空，这完全是因为地面能源的限制。一颗功率更大的 100 千瓦卫星预计将于 2027 年入轨。Starcloud 公司认为，到 2030 年代初，它将在太空中拥有一个 40 兆瓦的数据中心，其数据处理成本与地球上的数据中心相当。

谷歌披露 “Project Suncatcher”，进军太空算力。根据华尔街见闻，谷歌披露了名为 “Project Suncatcher” 的计划，旨在构建一个由太阳能驱动的太空数据中心原型。该项目并不是建立一个单一的轨道巨石，而是由 81 颗搭载 AI 芯片的卫星组成的集群。它们将在太空中协同飞行并处理数据。作为该计划的第一步，谷歌将与卫星公司 Planet 合作，预计于 2027 年向远地轨道发射两颗原型卫星。此举的核心逻辑在于利用太空独特的环境优势——特别是太阳同步轨道提供的近乎恒定的太阳能，以及光路在地面建设所需的土地和水资源。对于投资者而言，这释放了一个明确的信号：尽管面临物理世界的限制，科技行业仍试图证明 AI 具备无限的可扩展性。如果 Gemini 等 AI 模型的查询能够在太空中处理并将结果传回地球，将彻底改变其力基础设施的成本结构与能源依赖。

马斯克目标在 4-5 年将通过星舰完成每年 100GW 的数据中心部署。根据联邦报道，2025 年 11 月 4 日马斯克表示，将扩大星舰 V3 卫星规模，建设太空数据中心，目标在 4-5 年将通过星舰完成每年 100GW 的数据中心部署。此外，根据 IT 之称报道，马斯克估计，AI 算力未来可能需要 200 至 300 台瓦甚至接近 1 大瓦的持续功率输出。作为对比，一座典型的核电站仅能提供约 1 台瓦的持续电力，而整个美国的持续发电量也仅为 490 台瓦左右。因此，马斯克断言，在地球上建设如此规模的广电支持 AI 是 “不可能的”，唯一的出路在于太空。

马斯克旗下 SpaceX 目标估值高达 1.5 万亿美元。根据界面新闻报道，埃隆·马斯克旗下 SpaceX 正加速推进首次公开募股（IPO）计划，目标估值高达 1.5 万亿美元。拟募资超 300 亿美元。若计划实现，SpaceX 将超越石油巨头沙特阿美此前 290 亿美元的募资规模，成为史上最大规模 IPO。

我们认为，太空算力有望成为全球算力中单车最快的细分赛道。根据科创板日报报道，英伟达在 2026 年第二季度财务业绩包括全球 “仅今年一季，全球数据中心基础设施与计算领域的投资规模预计达到 6000 亿美元，这一数字在两年内几乎实现翻倍。” 我们认为，由于美国科技巨头纷纷发力太空算力，太空算力有望成为全球算力中单车最快的细分赛道。

3.2 我国近期空天支持政策频出，行业发展有望加速

2014 年我国鼓励民间资本参与空间基础设施建设，拉开空天时代序幕。2014 年 11 月，国务院发布《国务院关于创新重点领域战略规划和推动全球经济的指导意见》，其中明确提出 “鼓励民间资本参与国家民间空间基础设施建设，完善民用建筑卫星数据收集、加强政府采购服务、鼓励民间资本研制、发射和运营商业设施卫星、提供市场化、专业化服务。引导民间资本参与卫星导航地面应用系统建设。” 随后在 2015 年，发改委发布《关于印发国家民间空间基础设施中长期发展规划 (2015-2025 年) 的通知》，提出 “探索国家民间空间基础设施市场化、商业化发展新机制，支持利用平台整合未来与国家民间空间基础设施建设和应用开发，积极开展区域、产业化、国际化及科技发展等多方面的融合、通透、导航综合应用示范，加强跨领域资源共享与信息综合服务能力，加速与物联网、云计算、大数据及其他新技术、新应用的融合，促进卫星用户生产可持续发展，提升我国空间基础设施全面支撑经济社会发展的水平和能力。”

自此，我国空天时代发展拉开序幕。

商业航天 2024-2025 年连续被写入政府工作报告，受重视程度持续提升。2024 年政府工作报告中提出 “积极打造生物制造、商业航天、低空经济等新兴引擎。” 2025 年政府工作报告中提出 “新增一批国家级先进制造业集群，商业航天、北斗应用、新型智能等新兴产业快速发展，开展新技术新产品新场景大规模应用示范行动，推动商业航天、低空经济、深海科技等新兴产业安全健康发展。” 商业航天受重视程度持续提升。

“十五五” 规划中同样重视空天行业发展。2025 年 10 月国务院发布《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，其中提出 “培育壮大新兴产业和未来产业，着力打造新兴支柱产业。实施产业结构调整，一体推进创新型基础设施建设，技术研究开发，产品迭代升级，加快新能源、新材料、航空航天、低空经济等新兴产业集群发展。完善产业生态，实施新技术新产品新场景大规模应用示范行动，加快新兴产业规模化发展。”

国家航天局印发《国家航天局推进商业航天高质量发展行动计划（2025-2027 年）》，指引行业发展路径。2025 年 11 月新华社报道，国家航天局印发《国家航天局推进商业航天高质量发展行动计划（2025-2027 年）》，明确五大方面 22 项重点举措，推进商业航天高质量发展布局水平全长。其中明确，“鼓励商业航天布局大产业链和应用” “重点支持商业航天主体开发新技术、新产品，挖掘应用新场景” “完善商业航天发展战略体系机制，设立国家商业航天发展基金” 等。在推动产业发展壮大方面，《行动计划》明确，推进产业结构优化，鼓励商业航天布局大产业链和应用，做好基础设施建设，做大应用服务，拓展测控运营能力，推动商业航天产业高质量发展。支持拓展商业生态。支持商业航天主体围绕太空资源开发利用、太空制造、在线维护与服务、太空环境监测探测、空间库监测预警与减缓清洁、太空旅游、太空生物制药等新领域，加强系统的智能化技术改造、系统开发和应用服务。

商业航天司成立，商业航天迎来专职监管机构。根据新华社 2025 年 11 月报道，国家航天局已于近期设立商业航天司，相关业务正在逐步开展，标志着我国商业航天产业迎来专职监管机构，未来将继续推动我国商业航天高质量发展，产业链有望全线受益。近年来，我国商业航天在政策牵引、技术突破与市场驱动下，以全产业链协同创新，完成了历史性的跨越。国家航天局相关负责人介绍，当前我国商业航天企业数量超过 600 家，在确保安全的前提下逐步释放商业航天发展潜力。

商业航天有望获得更多资金支持，助力头部企业积极扶持突破。根据财联社报道，2025 年 11 月 26 日上午，国家发改委、财政部等多家部门联合发布国家创新装备企业启动相关政策；德勤、商业火箭企业通过科技创新平台自主研发的专项细则正式落地，两项重要政策将为商业航天产业发展注入强劲动力。1）国家创新装备企业，在实施区域上，重点辐射海洋、长三角、粤港澳大湾区三大经济核心带；在产业方向上，围绕集成电路、人工智能、生物制造、未来能源等前沿领域布局，大力支持发展我们国家的芯片产业，商业航天也积极推动人类科学、工业、绿色低碳科技产业布局中的核心地位。2）科创板专项细则的出台，则是为商业航天企业营造资本市场开辟了 “绿色通道”。这是科创板第五套上市标准重启后，首次针对单一行业发布专项实施细则。此前，该标准已明确纳入工程部、低空经济、商业航天等领域纳入支持范围，而此次细则进一步聚焦商业火箭赛道，对企业的硬件结构、技术优势、科研成果转化、资质认定及商业空间等核心指标作出明确界定。

3.3 我国积极布局大型星座与太空算力

我国规划多个卫星以上星座，积极抢占稀缺轨道资源。根据东方中科微信公众号：1）2021 年 4 月 28 日中国星网成立，标志着有资源与民营资本共同推进和加速我国空间互联建设，主导建设巨型低轨卫星工程 “GW” 星座计划，整合海量星座、虹云星座等原有卫星计划，实现卫星网络全面布局。GW 星座包含两个子星座 GW-A59（6080 颗）和 GW-2（6912 颗）。2）我国第二大巨型低轨商业卫星星座—G60 星座（又名：千帆星座）部署计划为在 2027 年前 1296 颗卫星提供全球网络覆盖，到 2030 年完成超 1 万颗卫星组网，为全球用户提供低延时、高速率、高可靠性的多远融合卫星互联网服务。3）2025 年 5 月 24 日 ITU 收到上海蓝箭鸿擎科技有限公司（简称：鸿擎科技）提交的申请文件，内容 “鸿鹄一号” 星座是继 GW 星座和 G60 星座计划之后，我国第三个超万颗卫星的巨型低轨卫星星座计划。据 ITU 规定，卫星轨道资源和频率资源采取 “先申请先获得” 原则。为真正拥有频段使用权，获得批准实体必须在限期七年内完成卫星发射和信号验证。如果想期，获得资源作废。

2025 年以来我国低轨卫星组网速度明显提速，后续有望进一步加快组网节奏。千帆星座首次组网于 2024 年 8 月开始，GW 星座于 2024 年底开始组网，通过统计发现 2025 年我国两大星座组网显著加速，截至 2025 年 12 月 26 日，GW 星座 2025 年合计成功发射 16 组低轨卫星。我们认为，由于轨道资源稀缺，后续我国卫星组网速度有望进一步加速。

太空算力方面我国同样积极布局。1）2025 年 5 月 14 日，我国首个整轨星球太空计算卫星星座正式进入组网阶段，这也是中国 “三体计算星座” 的首发发射。“三体计算星座” 是千里规模的大空计算基础设施，建成后总算可达到 1000POPs（每秒百亿亿次运算）。其中，此次发射的计算卫星核心载荷——星载智能计算机把卫星算力从下级提升到 P 级，实现了 10-100 倍的提升；星载高速雷达由高阶分星座及地网多星联的核心设备，将完成星间、星地和星内百 G 比特高速率、低延迟网络传输。2）根据 IT 之实现，北京有支持研发的首个算力星座将发射首颗算力试验卫星——“辰光一号” 已完成产品研制，正在开展总装试验。预计 5 年左右，首座太空算力中心将建成。根据规划，太空数据中心将部署在距地面 700 至 800 公里的晨昏轨道，建设过程分为 “天数天算”“地数天算”“天基主算” 三个阶段。项目采用模块化、标准化设计，通过在线文会对接搭建平台卫星级大型航天器，最终具备超大规模训练与推理能力。算力提升方面，规划明确：未来 3 年内，星座太空算力将达到 1000P（每秒千万亿次浮点运算）量级；到 2030 年，算力有望提升至 40 万 P，相当于当前我国所有地面数据中心的算力总和，首座太空数据中心将正式建成。同时，该中心将在 6G 通信、自动驾驶、气象预报等多个关键领域发挥核心支撑作用，为相关产业的技术突破与规模化应用注入强劲动力。

3.4 我国火箭发射瓶颈有望逐渐突破

我国当前发射节奏较慢，核心矛盾在于运力不足。根据央广网报道，目前我国低轨卫星星座的发射节奏尚不能称为大规模组网，且面临 “占频保轨” 的压力——国际电信联盟规定，运营商须在中报 7 年内发射首颗卫星，9 年内发射星座数量约 10%，12 年内完成 50%，14 年内必须 100% 部署完毕。当前的核心矛盾在于卫星整体发射，而火箭运力却严重不足。承担两大星座卫星发射任务的火箭包括长征十二号、长征八号甲、长征六号甲等 “国家队” 火箭，但这些火箭还需要用国家其他航天任务，排期紧张；与此同时，商业航天公司尚未成熟的太运力火箭可用，导致整体发射进度不及预期。

可回收技术突破可大幅降低火箭发射成本。根据 36 氪报道，2015 年，猎鹰 9 号火箭一级首次成功着陆回收，2016 年首次实现海上平台的着陆回收，2017 年实现火箭重置使用，2019 年将首批 60 颗星在卫星发射入轨。根据经济观察网报道，美国 SpaceX 的 “猎鹰九号” 近地轨道运力约 22.8 吨，2024 年单箭发射报价约 6975 万美元，折合每公斤约 3000 美元（约合人民币 2.1 万元/公斤），而国内商业火箭的发射报价多在每公斤 6 万元到 15 万元之间。猎鹰九号能够实现第一级火箭和整流军的回收再使用：一子级的火箭成本约 67%。整流军成本占比约 10%。SpaceX 已成为实现单枚火箭第一级重置使用 22 次，总回收费用超过 300 次，火箭成本则比火箭大增。Starcloud 公司联合创始人、CEO Philip Johnston 表示，“我们预计每个火箭成本约为 500 美元，达到盈亏平衡点。而使用星舰后，预计发射成本会更低”。

一旦呈现全面投入运营，其每个月价格预计将在 10 美元到 150 美元之间。

我国可回收火箭技术突破正在临近，“国家队” 与民众积极良性竞争。1）2025 年 12 月 3 日，朱雀三号遥—运载火箭在东风商业航天创新试验区发射升空，被程序完成了飞行任务，火箭二级进入预定轨道。与此同时，本次任务开展了一子级垂直回收技术的飞行验证。根据飞行测量数据，火箭一子级在陆上形成大片出现异常，未实现定向收场并的装备后，残骸者由于回收场并边缘。2）12 月 23 日，长征十二号甲遥—运载火箭在东风商业航天创新试验区发射升空，运载火箭二子级进入预定轨道，一子级未能成功回收，飞行试验任务获得基本成功。本次任务虽未实现预定的火箭一级回收目标，但是获取了火箭真实飞行状态下的关键工程数据，为后续发射、子级可靠回收奠定了重要基础。根据贝壳财经，首次发射或实现回收没有先例。猎鹰 9 号从首发到成功回收历经 5 年，经历了 20 余次试错爆炸，新枪代火箭历经发动机爆炸、储箱爆裂等多重挫折才实现入轨。我们认为，在当前政策支持下叠加国营企业与民众积极竞争，我国火箭发射瓶颈将得到快速突破。

我们认为，当前空天行业正处于从 1~10 的快速发展阶段，可回收火箭技术作为行业瓶颈有望得到快速突破。全球加速竞争太空算力为空天行业打开广阔应用市场，2026 年空天行业有望持续表现亮眼。

四、四象三：具身智能有望变得精准与有用，实现放量的基础

“十五五规划” 提出 “将具身智能打造新的经济增长点”。政策不断提升 “具身智能” 战略定位，2023 年《“十四五” 机器人产业发展规划》首次提及具有智能、2025 年首次写入《政府工作报告》，二十届四中全会 “十五五” 规划中明确提出 “将具有智能打造成新的经济增长点”，各地政府积极响应提出明确量化目标，加速产业落地。

➢ 北京市：提出到 2027 年，突破百余项关键技术，产出不少于 10 项国际领先的软硬件产品；实现不少于 100 项规模化应用，量产总规模率先突破万台，培育千亿级产业集群。
➢ 上海市：提出到 2027 年，实现具有模型、具身特等方面核心算法与技术突破不少于 20 项，我市具备智能核心产业规模突破 500 亿元。
➢ 深圳市：提出到 2027 年新增培育估值过百亿企业 10 家以上，营收超过十亿企业 20 家以上，实现十亿级应用场景落地 50 个以上，关联产业规模达到 1000 亿元以上。

特斯拉 Optimus V3 临近发布，预计为机器人小脑发展最大成本，各类任务精准度快速提升。马斯克明确 “2026 年启动 Optimus V3 量产”，因此量产前 V3 的发布将会更近，目前根据马斯克公开表述，“Optimus V3 将在手部灵活性和 AI 大脑层面拥有巨大提升”，同时得益于多自由度运动系统和自适应学习能力，有望成为机器人小脑发展最大成本：

1）手部灵活性上，马斯克称 “人类的手时极其精妙的进化成果。驱动人手的头部分肌肉其实在小臂上，人手大约有 27、28 个自由度。受让机器人成为真正的通用人形机器人，必须解决 ‘手’ 的问题”，“造机器人的根本难点在于硬件设计，手和前臂的工程难度最大。如果硬件问题解决了，软件方面可以直接利用大规模型虚拟机机器人下达指令”。

2）在 AI 大脑上，马斯克确认 “V3 已经启用了 Grok 语音助手”，Grok 与 Optimus 的集成或许能让机器人与周围环境和用户更自然地互动，能让 Optimus 对普通消费者更加友好。

3）多自由度运动系统，全身自由度达 200 以上，手部拥有 11-27 个自由度，可实现精准操控与精细操作，如抓取 20 磅重物或完成盒装服等条，感知与算力系统。

4）自适应学习能力，比如通过端到端神经网络，仅用 2D 摄像头、手部触觉及压力传感器数据即可生成关节控制序列，能在分拣电池等任务中自我纠正失误。

模型大脑侧，Gemini 3.0Pro 实现多模态理解能力跃升，未来机器人结合场景泛化任务从不可能变得可能。Gemini3 拥有极强的多模态理解能力，在 ScreenShot-Pro 评测基准中 Gemini3 Pro（得分 72.7%）大幅领先，是 Claude Sonnet 4.5 的两倍，GPT 5.1 的二个倍。空间推理能力的提升，使模型能够更好地服务于自动驾驶、机器人、XR 设备和智能终端，加速具身智能感知。Gemini 3 Pro 能预测运动轨迹、理解物体关系并判断任务进度，为下一代自动化系统奠定基础，也是面向实体机器人的关键一步。未来从 “感知—决策—行动” 的统一：模型学会在屏幕上识别按钮并操作，与机器人识别现实中的物体并完成抓取，在底层逻辑上是相通的，这一能力也可自然扩展到对真实设备和复杂操作界面的理解与控制。我们认为未来机器人能理解多种人类指令，结合场景完成泛化任务从不可能变得可能，这是具有智能真正效量的基础。

从产业信号看，特斯拉入形机器人有望迎来生产元年，成为一切的起点。特斯拉 2025 年股东大会上，马斯克明确 “2026 年启动 Optimus V3 量产，2027 年推出 V4，2028 年迭代至 V5；远期规划年产能 1000 万台，最终成本降至 2 万美元”，“公司计划首先在加州弗里蒙特工厂建立一条年产 100 万台 Optimus 的生产线，并在得克萨斯州超级工厂建设规模更大的产线，年产能预计达数千万台。” 我们认为 2026 年随着 Optimus 量产，叠加大规模多模态理解能力的跃升，具备智能将迎来真正应用的元年，在部分简单场景真正发挥价值，成为一切的起点。

五、四象四：AI 应用破土而生，大模型/AI Infra/高增长/高壁垒垂类软件值得关注

计算机行业基本面已于 2025H2 见底回升，具备反弹条件。根据 Wind 软件指数（882250.WI），可以看到，软件行业营收已于 2025H2 见底回升。其中 2025Q3，行业营业收入 1765.19 亿元，同比增长 1.61%。收入端全年维稳、缓慢修复；归母净利润 3.77 亿元，同比增长 244.56%，预计主要受益于各类降本增效措施。

5.1 大模型：已广泛应用，向个性化与生态化深入发展

大模型本身即为最具代表性的 AI 应用，全球领军模型 ARR 已达百亿美金。1）无论是 OpenAI 与 Gemini，亦或是 Deepseek 与 Owen 等，大模型本身即为最具代表性的 AI 应用。2）自 2022 年底以来，经过约 3 年发展，OpenAI ARR 预计 2025 年底将超过 200 亿美元，并计划到 2030 年实现 “数字化美元” 级别的收入规模；Google Gemini 虽未直接披露 ARR，但其 token 使用量呈指数级别提升，2025 年 10 月已达到 1.3 千万亿个月；Anthropic Claude ARR 在 2025 年 7 月已达到 50 亿美元，过去 7 个月翻了 5 倍。3）国内来看，大模型使用量同样快速增长，以至包为例，2025 年 12 月其日均 Tokens 使用量已突破 50 万亿。

在使用大模型过程中，用户可将其与个人知识库及工作流深度结合。1）大模型使用场景远不止对话及搜索，用户可利用大模型为自己设计和搭建的自动化、智能化工作流程，旨在提高效率、简化任务实现特定目标。2）根据日常的工作生活，工作流可包括信息收集与整理、内容创作与辅助、任务管理与提醒、财务规划与分析、健康管理、旅行规划等。相比通用 AI，自定义 Agent 可以使用者个人的知识库及工作流深度结合，通过多次使用与反馈，Agent 的个性化及效益水平可持续提升。

头部基于厂商已发布各类开发工具，助力基模更方便、更深入地部署。1）OpenAI：2025 年 10 月，OpenAI 开发者自 2025 召开，发布 AgentKit 工具包，包含诸多模块，可以帮助开发者更高效设计工作流。例如通过 Agent Builder 模块，开发者无需从代码开始，只需添加并设置一系列节点即可可可视化直观的方式快速构建 Agent。OpenAI 研究员现场演示，在 8 分钟内用 AgentKit 为其开发者日常访问站构建 Agent。2）腾讯：微信最终会推出一个 AI 智能体，让用户在微信内部就可利用 AI 完成多项任务，能够理解用户的需求、意图和兴趣。他表示，微信拥有强大的通信和社交生态系统，还有购物支付等场景，几乎是用户的理想助手。但刘汉平也认为，目前这项愿景还处于 “非常早期的阶段”；目前，微信正在多地引入元宝能力，包括用 AI 来增强搜索等。同时，腾讯也在开发垂直领域的智能体能力，这些能力未来会逐步开放、整合，从而打造出微信智能体的理想蓝图。

5.2 AI Infra: 获取卖铲子的确定收益，直接奠定应用成色

AI Infra 不直接生产模型和应用，但提供了基础的 “水电煤”，直接奠定 AI 的 “成本” 与 “上限”。1) 算力调度：与指挥交通类似，将庞大的计算任务分配给成千上万个处理器 (GPU/TPU)，并处理节点故障，确保训练不中断。2) 数据吞吐：在训练中，海量数据需要尽可能地 “喂” 给 GPU，不能让 GPU 等数据（IO Wait），需要高性能的存储和网络；在推理中，高并发数据涌入，需要尽可能提高 CPU/GPU 计算效率，降低用户延迟。3) 模型训练与推理支持：提供环境及工具，让模型学得快，并在用户使用时可得快。4) 资源抽象与虚拟化：开发者无需关心底层是何种 GPU，可直接通过软件层调用算力。

Databricks: “湖仓一体” 全球大数据领军，AI 收入已达 10 亿美元。

• Databricks 成立于 2013 年，主要提供统一的数据与 AI 平台服务，帮助企业整合和处理大规模数据，用于数据工程、数据科学、机器学习与 AI 应用，也能为电商、金融、医疗等领域的企业提供数据服务。公司为 “湖仓一体” 数据库架构开创者，是数据智能领域代表性企业，也是 AI 时代重要的数据基础设施提供商。根据有自报道，截至 2025 年 12 月，有超过 60% 的财富 500 强企业采用了 Databricks 的数据智能平台来管理数据，并将其与 AI 结合。
• 随着 AI 技术的全面渗透，“湖仓一体” 模式正成为数据基础设施的核心选型。面对 AI 全生命周期中对多模态庞杂数据的需求，该架构不仅实现了统一纳管和实时处理，更利用云原生的弹性扩缩容机制达到了解本增效的目的。值得注意的是，它还针对 AI 场景进行了底层优化，例如构建向量搜索功能并对 Pytorch 等开发生态，从而精简了数据预处理到模型应用的复杂流程。
• 12 月 16 日，Databricks 宣布完成超过 40 亿美元融资，投后估值 1340 亿美元。经营数据方面，公司披露其第三季度对应的年化营收规模超过 48 亿美元，同比增长超过 55%；同时将其 AI 相关产品与数据仓库业务的年化收入规模均超过 10 亿美元，并在过去 12 个月实现自由现金流为止。

Snowflake：全能型数据云平台，Cortex 有望成为企业 AI 开发支柱。

 Snowflake 成立于 13 年前，基于公有云构建了一个完整的数据和 AI 平台。其致力于帮助客户处理各种不同类型的数据，支持多种语言进行开发和数据建模，并为商业用户提供数据工程、数据分析、AI 以及数据共享方面的应用。截至 2025 年 11 月，Snowflake 在全球拥有超过 12,000 个企业级客户，其中超过 50% 的客户使用了其 AI 功能和产品。
 Snowpark：允许开发者不用 SQL，而是用 Python、Java 等语言直接在 Snowflake 内部处理数据。此为机器学习的关键。
 Snowflake Cortex：原生 AI 和机器学习套件，直接构建于 Snowflake 平台之中。它使用户能够利用 Snowflake 数据运行高级 AI 模型，而无需迁移数据或配置单独的基础设施。
 FY2026Q3，Snowflake 实现营业总收入 12.13 亿美元，净亏损 2.94 亿美元。其中，AI 业务年化营收超过 1 亿美元，比原计划提前约一个季度，主要得益于创新速度、跨部门的高效协作以及众多标杆客户的早期采用。

5.3 高增长场景应用：广告营销、动态漫、医疗等有望跑通飞轮

我们认为，大模型相比上代 AI，具备更强大的语义理解、数据分析及多模态处理能力。在部分场景中，已展现出更优秀的落地潜力，高增长态势已较为显著。

广告营销已成为 AIGC 商业化落地最具代表性的场景之一。1）得益于该场景高频、海量的业务特性，基于 AIGC 的 “数据飞轮” 效应已成功跑通，实现了算法优化与投放效果的正向循环。不同于单纯的降本，AIGC 在此场景下能通过精准化投放与自动化素材生成，直接为广告主带来可量化的收入增量与 ROI（投资回报率）提升，有效激发了下游客户的付费意愿，推动该场景率先实现从技术验证向规模化应用的跨越。2）以 Applovin 为例，其收入利润于近年高速增长。其业务包括 App 游戏、广告平台以及底层算法基建等三大块，而这三大块是能够通过互相推动来旋转的业务飞轮。

多模态技术红利释放，动态漫已预定 “爆款”。1）随着 2025 年多模态大模型技术路径的收敛与突破，动态漫的视觉表现力实现了质的飞跃。在需求侧，其叙事节奏紧凑、情绪密度高，精准整合了当下用户在碎片化时间内的娱乐偏好；在供给侧，相较于传统动画或真人短剧，AI 赋能下的动态漫制作周期大幅缩短，具备低成本、批量化产出的显著优势。技术跃升叠加供需适配，正推动该渠道加速从边缘走向主流。2）根据巨量引擎与火山引擎统计，2025 上半年，漫剧市场商业化高速增长，抖音端漫剧付费自然流：从 2024 上半年的 0，一路跑到 2025 年二季度的 300+ 万/天、2025 年 8 月的 1000+ 万/天；抖音端漫剧商业化提流：从 2024 下半年的 1 万/天，逐步上涨至春节的 20 万/天、2025 年二季度的 80 万/天，并在 2025 年 8 月破峰，达到 400 万/天。

医疗 AI 能力全面跃迁，有望成为下一个高速增长的场景。1）该场景拥有高质量的私有数据沉淀与精美的医学专家资源，为模型训练提供了坚实基础。通过将专家标注（RLHF）与既有的场景卡位优势相结合，AIGC 能够有效整合碎片化信息，实现从 “数据要素” 到 “临床决策辅助” 的完整业务闭环。这种深度融合不仅解决了医疗领域对专业性与准确性的极高要求，也助力拥有核心数据资产的厂商构建更复杂的竞争中城市。2）从案例来看，截至 2025 年 12 月 16 日，蚂蚁阿福下载星甲网平台苹果应用榜第三、月活用户规模突破 1500 万；美年健康或可凭借近 3 亿人次的医疗级体检数据积累，覆盖全国的近 600 家线下服务网络以及成熟的 AI 产品矩阵，成为核心受益方。

5.4 高壁垒会类应用：具备数据与工作流护城河，对客价值更为显著

大模型的发展将加速 “简单应用” 的商品化与淘汰；而对于具备深厚行业 Know-how、专有数据资产、复杂流程整合能力及严格合规资质的应用而言，大模型非但不是威胁，反而将成为巩固其核心优势的关键工具。

“简单” 应用一般具备如下特征：1）依赖公开知识：核心输入输出基于互联网通用语料及其识信息；2）验证门槛低：结果的优劣对错可视快速判定（如代码单元测试）；3）责任风险弱：容易错率高，回滚成本低（如图像生成、文章编辑）；4）系统耦合度低：任务单一，不涉及跨系统协作或复杂的权限与审计流程。

而深层会类应用，具备四大大数据驱动业务的壁垒：

• 深层行业 Knowhow：特定行业依赖隐性经验、场景化判断及不成熟规范，通用大模型难以做成大量虚拟化且层次化的领域知识。因此，能够将丰富领域业务逻辑转化为专用模型或 Agent 的企业，将凭借此通用方案更高的精准度与可靠性，构建更重要的竞争壁垒。
• 专有数据资产：随着基础设施能力的普及，竞争重心将通过模型层下沉至数据层。拥有独特、高质量且难以通过公开渠道获取的闭环数据，才是核心差异化优势。在此场景下，大模型仅作为数据价值的放大器，数据所有者将占据价值链的主导地位。
• 复杂流程整合：现代企业软件的价值在于对跨部门、多环节业务流程的深度编排（如集成财务、HR 及审批流的 ERP 系统）。这种深度嵌入工作流的特性带来了极高的客户粘性与替换成本。大模型难以独立完成高强耦合与可适度的复杂执行，更倾向于被集成呈现有系统中以提升效率。
• 资质与合规壁垒：在强化管理领域，业务开展依赖明确的信任主体、权限资质及合规体系。虽然模型可辅助生产，但最终的法律责任与结果背书必须由具备资质的实体承担。这一刚性约束决定了此类企业在产业链中不可替代的地位及更高的议价能力。

以上因素同样决定了在与基模合作中，应用公司能占据更大价值。

Palantir：军工业务为基，展现复杂场景下的 Alpha

• Palantir 成立 2003 年，总部位于美国科罗拉多州丹佛，实际运作始于 2004 年，专注于提供大数据整合、可视化和分析平台，帮助组织从海量、复杂的数据中获取价值的前景。基于超强的数据挖掘分析能力，Palantir 成为美国军队机构的大数据软件核心供应商，并凭借发展迅速 “质民隔离” 和追踪本控策略大幅向高需求扩展。在商业领域，通过与客户的深度合作帮助其构建数据基础设施，利用数据挖掘分析实现业务成功，如摩根大通、默克集团、法国空客、克莱斯勒等。

根据广电运通研究院的研究，与众多 SaaS 公司不同，Palantir 采用深度定制的方式与客户合作，每个类项目都可能需要数月甚至数年时间。它不仅为客户提供软件平台，还深度参与客户的数据整合和决策流程，形成了一种 “软件 + 咨询” 的混合服务模式。这种模式使得 Palantir 能够解决客户最复杂的数据问题，虽然限制了客户基数的快速增长，但也建立了较高的客户粘性和切换成本。

产品包括 4 类：1）面向政府和情报机构的 Palantir Gotham；2）面向企业的 Palantir Foundry；3）专门支持 Gotham 和 Foundry 的 Apollo 平台；4）基于 Palantir 机器学习技术和大规模的 AIP 平台。其中，AIP 平台是专注于提供高级数据整合、分析和智能决策支持解决方案，提供了大型语言模型和先进人工智能技术的强大能力；无论是在机器系统还是技术边缘设备上，AIP 都能在私有网络中实现对 AI 解决方案的负责。有效和安全的部署，可以高效构建 AI 应用，持续改进 AI 驱动工作流的功能点，提供 Ontology SDK 与企业运营快速结合。

六、3D 打印：当创新遇到物理瓶颈，3D 打印开启序章

中国 3D 打印市场重回较快增长，2034 年全球市场规模有望突破 1145 亿美元。中国 3D 打印赛道投融资额整体快速增长，2025 年全年行业投融资总额预计达 84 亿元，创历史新高，同比增长 115.4%，扭转了 2024 年同比下滑的局面。在航空航天、液冷、3C 及汽车等需求拉动下，全球 3D 打印市场将迎来快速增长，根据 WOHLERS 统计，2024 年全球 3D 打印市场规模已达 219 亿美元，预计未来 10 年将以 18% 的年度会增长率稳健向千亿美元望远进，预计 2034 年将突破 1145 亿美元。

我们认为随着 AI、空天、3C、机器人、汽车等产业不断突破创新边界，传统制造工艺已临近上限，难以满足散热、轻量化等实际需要，亟需 3D 打印技术突破传统上限，多维需求爆发有望加速产业发展。

AI 大爆发，3D 打印赋能微通道解决散热痛点。随着 AI 芯片功率密度爆发式增长，具备极高换热效率的微通道液冷方案需求迫切，然而传统铲齿、CNC 及焊接工艺在制造微通道（深宽比大、几何结构复杂且直径低于 1mm 的）时，受限于加工原理无法实现精细复杂流道成型，又因焊接工序额外引入热阻存在泄漏风险，难以匹配 AI 芯片创新节奏，亟需 3D 打印助力突破制造上限。3D 打印彻底解放了流道设计束缚，其无需模具与焊接的一体化成型能力，可直接制造传统工艺无法企及的拓扑优化、仿生叶脉状等复杂流道，大幅增加换热表面积并优化流体动力学性能，同时通过微米级精密制造，能从根源上消除焊接带来的热阻与泄漏隐患，提升结构强度，完美适配新一代 AI 芯片对极致散热性能的刚性需求。

3D 打印降低火箭发动机生产成本，重塑空天时代。航空航天领域对零部件的强度、轻量化、复杂结构一体化要求极高，与 3D 打印特质天然耦合。以火箭发动机为代表，其制造成本占火箭总成本的比例高达 50%，为追求极致的性能和性价比，3D 打印广泛应用于该领域：

• 天兵科技的天龙二号采用的 3D 打印高压补燃发动机，接近 90% 的部件通过增材制造完成，与传统工艺相比，该发动机制造周期缩短 70%-80%，成本与重量均降低 40%-50%。
• 星河动力的 “苍穹” 液氧/煤油发动机采用 3D 打印技术，实现了 4:1 的变推比和 50 次重复使用能力。飞而康科技与星河动力合作，利用华曙高科金属 3D 打印解决方案，在 4 个月内完成 30 多件火箭发动机零件的交付。
• 星际荣耀的双曲线二号验证火箭完成国内首次液体火箭全尺寸一子级垂直起降与重复使用飞行试验，铂力特为其研制了多个发动机关键零部件，有效帮助缩短生产周期，节约成本。
• 我们认为 3D 打印在航空航天领域，突破了传统工艺上限，以更低的成本，提供了一体化的复杂结构生产能力、更快速的研发节奏、更好的强度和轻量化表现，作为必要的生产环节，未来有望随着商业航天的快速爆发，迎来确定性的需求爆发。

3D 打印通过拓扑优化，解决具有智能轻量化与散热双重约束。

在轻量化方面，3D 打印凭借其对复杂几何形状的成型能力，能够通过拓扑优化设计和点阵晶格结构，制造出高强度且中空的骨骼与肢体部件。在大幅降低机器人自重、提升运动灵活性与续航能力的同时，通过一体化成型显著减少零部件数量与装配难度。

在散热管理层面，面对人形机器人关节内部空间狭小且电机负荷运转产生的热聚集问题，传统散热手段往往难以奏效，而 3D 打印能够将热管理功能直接融入结构件设计，通过构建复杂的一体化导热体系与优化内部热传导路径，极大增加了有效散热表面和扩展了热交换效率，有效解决了高集成度下的热聚集失效风险，为具有智能的高动态性能迭代奠定了物理基础。

端侧 AI 时代，3D 打印能增强热管理与定制化，随着 AI 大规模在手机及 AIPC 等移动端落地，芯片瞬时高算力引发的热流密度激增与设备极板轻薄化的空间限制形成矛盾，3D 打印技术能够制造出传统冲压或触动工艺无法实现的，适应异形软管空间的超薄均热板，通过构建复杂的内部三维毛细结构大幅提升被动散热效率，保障端侧 AI 的稳定运行；另一方面，针对折叠屏子机较轻柔性结构件的高强度合金结构的趋势，3D 打印有较大规模了钛合金材料传统 CNC 加工良率低、刀具磨损大且难以切削复杂内腔的难题，实现了较轻量钢带部件的一体化成型与拓扑减重，在满足数十万次折叠寿命的同时也为电池释放了宝贵的维生空间，成为高端 3C 产品迈向轻量化与耐用性平衡的必选方案。

3D 打印帮助汽车突破轻量化瓶颈。在整车结构一体轻量化领域，传统冲压、铸造工艺受限于分体制造逻辑，需通过焊接组装多部件，存在重塑元件，又有连接点疲劳失效风险，而 3D 打印技术能够利用拓扑优化算法，将底盘副车架、控制臂等关键环节部件设计为仿生镗空或点阵结构并实现一体化成型，在大幅降低下质量的同时避免了多部件焊接带来的强度衰减；同时，针对高端车型日益增长的个性化需求，该技术彻底摆脱了内饰件与外壳制造对昂贵模具的依赖，能够直接制造出具有复杂晶格结构的适配座椅中层，特殊纹理仪表盘及异形车身外壳，不仅显著缩短了研发试制周期，更以低成本小批量生产模式满足了智能座舱对功能性与美学的双重定制需求。

七、金融 IT：降息周期全球资本活跃，跨境支付重构金融生态

降息周期全球资产打开估值弹性，金融 IT 业绩有望修复。全球流动性迎来拐点，2025 宽松周期叠加 2026 降息预期，有望改善风险资产估值环境。据美国银行统计，过去两年全球央行降息额已超过 2008 年金融危机时期，虽然当前中性利率仍处于高位，但机构预测美联储未来 12-18 个月仍有 100BP 的降息空间，中性利率有望回归至 3%-3.25% 区间。更为关键的边际变化在于，美联储会议纪要暗示量化策略将于 12 月结束，甚至不排除在 2026 年重点量化宽松以对冲就业压力。我们认为流动性的实质性改善将有效降低资金成本并推升资产价格。

资本市场交易活跃度有望回升，利好交易系统及相关 IT 服务商的业绩修复。

“十五五” 明确资本市场高质量发展，资本市场 IT 迎来建设新浪潮。2025 年 10 月 28 日，证监会副主席李超在科创板相关仪式上明确表示，证监会将抓紧谋划 “十五五” 时期资本市场战略任务，核心围绕 “防风险、强监管、促高质量发展” 三大支柱展开。当前政策端强调以深化投融资综合改革为牵引，旨在持续增强资本市场的包容性与适应性，服务于金融强国建设目标。我们认为，随着新一轮资本市场改革，资本市场 IT 板块有望迎来新的系统性建设浪潮。

跨境支付规模稳步增长，全球监管框架加速演进。跨境支付规模持续增长，2020 至 2024 年全球跨境支付规模从 141.1 万亿美元增至 194.6 万亿美元，其中 B2B 业务增速趋稳，而受益于电商出海与数字服务扩张，以个人为参与方的跨境支付复合增速超过 30%，实现快速增长。全球监管框架加速演进，针对反洗钱（AML）、反恐怖融资（CFT）及客户身份识别（KYC）的合规要求日益严苛，监管体系向模块化、实时化转型。覆盖范围已拓展至传统跨境支付、数字资产、加密资产等多元支付形态；监管机构也在积极引入实时风控、监管科技等工具，强化动态风险的识别与管理能力。

数字人民币再升级，进一步助力建设金融强国，推动人民币国际化。2026 年 1 月 1 日，央行出台《关于进一步加强数字人民币管理服务体系和相关金融基础设施建设的行动方案》，新一代数字人民币计量框架、管理体系、运行机制和生态体系将于正式启动实施。本轮数字人民币升级的目的，我们认为主要系：1）为落实十五五规划要求的 “加快建设金融强国”“稳步发展数字人民币” 指示；2）为应对全球虚拟资产/稳定币等挑战，积极拥抱区块链及智能合约技术，提高跨境支付效率。从行动方案细节看，最核心的变化有三点：

➢ 新增并息收益。升级前的数字人民币本质是 “数字现金”，拿在手里的现金而非存在银行的存款，无法产生利息收入，升级后的数字人民币本质是 “数字存款”，银行需为用户钱包里的数字人民币付息付息，有利于激励用户使用意愿；同时，作为 “数字存款” 存在，受存款保险保护，安全保障更高。

➢ 加强智能合约功能。智能合约能力的升级，为数字服务商提供更丰富的 “武器库”，有利于创新供应链金融、绿色金融、预付资金管理、定向补贴等服务。

➢ 优化跨境体验。升级版数字人民币将优化跨境支付体验，比如中国游客在老挝旅游时，可用数字人民币 App 直接扫码支付，无需兑换外币，便捷中国游客和老挝商户体验。

我们认为在全球支付创新背景下，数字人民币被赋予了新内涵，对内以数字存款计息为切入点吸引更多用户，对外可以便利跨境支付，整体有望进一步推动人民币国际化行稳致远。

八、智能驾驶：L2 强标落地，L3 元年，Robotaxi 单车 UE 转正

<L2 辅助驾驶：AEBS 系统成为驱动强制性国标，“中国 L2 强标” 征求意见稿发布。
2025 年 2 月 28 日，《轻型汽车自动紧急制动系统技术要求及试验方法》完成起草，于 4 月 30 日进入公开征求意见阶段。该标准将代替现行国标 GB/T39901-2021《乘用车自动紧急制动系统（AEBS）性能要求及试验方法》，由 “推荐性国标” 升级为 “强制性国标”。

对比现行国家标准，新国标要求 AEBS 在覆盖范围、激活速度和误检器等方面全面升级。1）新国标覆盖范围从 M1 类乘用车扩展至 N1 类轻型载货汽车；2）M1/N1 类汽车 AEBS 系统激活速度区间由 15km/h 以上分别改为 10~80km/h/10~60km/h，同时明确对行人和两轮车有效识别的激活速度区间为 20km/h~60km/h；3）该项试验前端有特殊车辆止自行车等复杂场景，提升车道内铁板误检难度，试验结果率要求由 40% 降至 10~20%。

全球范围内，欧洲、美国、日本均已通过相关法规要求在不同程度上强制要求安装 AEBS 系统。1）24 年 4 月，美国发布 FMVSS127，要求自 2029 年 9 月 1 日起，所有新车产生的轻型车必须配备符合该标准的 AEBS 系统（目前 AEB 系统仍为推荐技术，NHTSA 的新车评估计划自 2018 年起将 AEBS 纳入测试）。2）21 年 4 月，欧盟发布 UNR152，要求自 2022 年 7 月 6 日起进入欧盟市场的新车型需配备满足 UN-R152 法规的 AEBS 功能。3）2020 年底，日本宣布本上新车型自 2021 年 11 月起，进口新车型 2024 年 6 月起，必须装配 AEBS 系统并符合 UNR152；对于已批准车型，本上新车型自 2025 年 12 月起，进口新车于 2026 年 6 月起，必须装配 AEBS 系统并符合 UNR152。

AEBS 系统分为感知层（传感器）、决策层（算法/芯片）和执行层（线控制动）三大模块，核心是通过传感器实时监测前方环境，在判定速度风险超过阈值且驾驶员未采取制动措施时，依次触发声光警报、紧急制动响应机制。在技术路线方面，当前 AEBS 传感器方案主要是对激光雷达、毫米波雷达、摄像头的不同组合。随着新目标对激光速度区间和误检及漏检率的要求提高，激光雷达具有明显优势。

新目标要求 M1 类汽车的 AEBS 系统至少在 10km/h~80km/h 速度区间内处于激活状态，M1 类汽车激活速度区间为 20km/h~60km/h，并要求紧急制动后车辆减速度绝对值最大值不小于 5.0m/s²。相对于现行目标要求最低触发速度达 15km/h，激活速度区间大幅扩展。实际运用中，行业也在不断追求更高的 AEBS 制作速度，华为网界新 M7 目前升级至 120km/h 的制作时速，理想 LG 可以实现两夜面对前方事故车 120km/h 制作。

对于 AEBS 激活速度区间的扩展实际上是对传感器探测距离的更高要求。以 5.0m/s² 速度计算，80km/h 速度行驶的汽车至少需要约 73m 的刹车距离，而当车速达到 130km/h 时，这一距离扩展至 169m。

据禾赛微信公众号披露，相比无激光雷达车型，装有激光雷达的车型，其 AEBS 速度上限具有约 50% 的明显提升：1）在无激光雷达情况下，AEBS 速度上限约为 85km/h，搭载激光雷达后提升至 140km/h；2）夜间行驶环境下，无激光雷达情况下，AEB 速度上限约为 80km/h，搭载激光雷达后提升至 120km/h。

同时，新目标新增对行人、两轮车的识别要求，试验端检测要求由 40% 降至 10~20%，对传感器精度要求进一步提高。纯视觉方案中摄像头作为模拟人眼的视觉工具，在强光、夜间等复杂光照条件下性能显著降低，有目标芯支持出夜间融合了激光雷达的平均感知精度是纯视觉的 3 倍。毫米波雷达随者探测距离的提升精度大幅降低，搭载车介 3G，4D 毫米波雷达仅能识别 100m 的人，目前市场上的 4D 毫米波雷达每帧的输出 1,000 多点，而主流的 128 级激光雷达每帧输出可达十几万点，分辨率差异较大。

激光雷达能够在 200m 探测距离下保持尾水级精度，以追踪系统的超长距数字化激光雷达 EM4 为例，其支持最远 600 米测距，为系统预留作出决策和响应的时间将最高增加 70%，在提高安全性的同时，可显著提升 AEBS 系统覆盖的速度范围。

新目标在移动控制上趋严，毫米波雷达必须迅速满足要求。新目标增加了跟车过程中车辆目标右转、经过回向运动的成车行人、经过对向静止自行车运动轨迹、车道内铁板误码应试路铁板厚度由 10mm 增加至 25mm。

3D 毫米波雷达将前方物体压缩至二维平面，不能判断物体轮廓，不具备高度信息识别能力。车道内铁板易被识别为障碍物目标。车道上的自动自行车、标示导航轴与悬挂装置或定位器形成测量，利用前者的毫米波触发误差匹配，造成 “黑到黑” 严重甚至造成后车追尾，激光雷达则通过点云图对环境进行三维重建，无需提前训练即可识别上述障碍物，增强汽车在复杂场景下的感知能力，降低误检效率。

4D 毫米波雷达增加了垂直角度检测，能够提供高度信息，但分辨率相比激光雷达仍有很大差距。目前 4D 毫米波雷达整体价格约在千元，相比目前已进入 200 美元时代的激光雷达成本优势并不明显。我们认为，在实际生产车辆中，4D 毫米波雷达应用较少，已错过上车窗口期。

2025 年 9 月 17 日，工信部对《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准公开征求意见。标准针对单车道、多车道、领航辅助等不同功能设置全方位安全技术要求。标准基于我国道路交通特征，构建了包括道路交叉口、施工区、环岛、隧道等交通环境的试验场景；为确保系统声明的各项能力均经过充分验证，要求至少通过场地试验、道路试验和文件检验验证系统符合相关安全要求等。

L3 有条件的自动驾驶：“接管缓冲期 + 责任转移”，工信部公布首批 L3 准入许可。25 年 12 月，工信部正式公布我国首批 L3 级有条件自动驾驶车型准入许可，两款分别适配城市拥堵、高速路段的车型将在北京、重庆指定区域开展上路试点，标志着我国 L3 级自动驾驶从测试阶段迈入商业化应用的关键一步。

相比 L2 辅助驾驶，L3 自动驾驶允许驾驶员将手和视线从方向盘和道路上移开，碰撞责任或转移至主机厂。目前，海外已有成熟实践。梅赛德斯的 L3 级旗舰车型已在加利福尼亚州、内华达州和德国投入使用，预计到 2026 年，英国也将看到 L3 级车辆上路。

L3 系统需要在驾驶员不干预的情况下运行，需要更为周密的安全冗余设计。联合国《自动驾驶法规 R157》明确要求 L3 级系统需提供 10 秒接管缓冲期。梅赛德斯 L3 级车型 DRIVE PILOT 系统能够在 40 英里/小时（约合 64.4 公里/小时）以内启用，设置 10 秒的响应接管时间，10 秒内驾驶员未接管将启动紧急制动程序，这一目标需要超过 200 米的探测距离，高性能激光雷达的超视距感知能力。DRIVE PILOT 系统在梅赛德斯 L2 级自动驾驶系统的基础上增加一颗激光雷达、一枚车轮摄像头、一枚后视摄像头，同时还有 V2X 模块、厘米级高精度定位模块和高精地图。

L2 级和 L3 级之间的关键区别在于责任的转移。梅赛德斯承诺，车主在启动 DRIVE PILOT 期间，如果发生车辆安全事故，车主原则上不用负责，由主机厂承担全部责任。因此，我们认为，主机厂对于提高 L3 级别无人驾驶的安全性更为重视，以确保责任成本不会超过部署 L3 级系统的潜在收益，其中，高性能激光雷达不可或缺。

国内车企对 L3 级自动驾驶的落地布局正在全面提速。1）政策上，《北京市自动驾驶汽车条例》、《武汉市智能网联汽车发展促进条例》、《深圳经济特区智能网联汽车管理条例》等法规的出台，对 L3 级自动驾驶车辆的上路流程、事故责任及有关实施方面进行了规定，推动了 L3 级自动驾驶商业化落地的进程。2）技术上，激光雷达环境感知愈发精准，安全冗余度达到较高水平，过去制约 L3 级普及的高成本瓶颈也逐渐被打破。

今年上半年，国内车企密集公布 L3 进展，L3 架构车型均标配多颗激光雷达。2025 年 4 月，华为发布了新一代 ADS 4.0 智能驾驶辅助系统，支持高速 L3 级自动驾驶，是中国首个高速 L3 商用解决方案。基于 ADS 4.0 系统的同界射 M9 和单系 S800 按照 L3 智能驾驶架构设计，均配置 4 颗激光雷达。2025 年 3 月 3 日，吉利发布千里浩瀚安全高阶智能驾驶系统，千里浩瀚 H9 作为具有量产落地能力的 L3 解决方案，配置 5 颗激光雷达。

在 L3 责任转移问题上，国内车厂提出智能驾驶解决方案。华为针对不同系统新增智驾无忧服务权益（试行），场景包括智能泊车辅助、代客泊车辅助、遥控泊车辅助、车道巡航辅助及智能导航辅助，权益时长为自权益激活后 12 个月，最高保障权益上限 500 万元。小鹏汽车推出智能辅助驾驶安心服务，首款是全车系、全场景，支持五大头部保险公司，赔付不限次数，是全行业唯一支持 NGP 退出 5 秒内仍可生效的保险方案。

L4 自动驾驶：小马智行 Robotaxi UE 模型打平，中美主流厂商进展迅速。L4 为高度自动驾驶，要求车辆在特定场景内，无需人类驾驶员干预，独立、安全地应对所有突发状况。目前，中美两国已在武汉、北京、上海、凤凰城、旧金山等多个城市开展 Robotaxi 商业化运营。Robotaxi 对环境感知能力和安全冗余能力提出更高要求，目前主流 Robotaxi 车型均采用融合激光雷达的感知方案，单车搭载 7-10 颗激光雷达（Waymo 为 4 颗机械式环视方案）。

年末小马智行率先在广州实现了城市级单车盈利特征。在 12 月 16 日的媒体沟通会上，小马智行联合创始人、CFO 王皓俊披露，目前广州地区的 Robotaxi 日均订单已达到 23 单/辆，日均营收达到 299 元/辆（已扣除折扣和退款），这一水平支撑广州车队在 11 月实现了单车营收平衡，构建起一个可验证的单车盈利模型。小马智行第七代 Robotaxi 于 11 月起在北京、广州、深圳开启全无人驾驶商业化运营。第七代车型是车队快速扩张的主要支撑，过往第五代、第六代车型最大的问题在于 “大贵”，每辆车的成本达到 “大几万级”，因此投放越多也就亏损越多。但是第七代车自动驾驶条件成本下降了 70% 以上，且明年成本相比今年能再下降 20%。

鸿蒙智行增长最为陡峭的一年，五大品牌几乎实现全市场高价覆盖。鸿蒙智行通过五大品牌覆盖了 15-100+ 万元价格带，各品牌在 2025 年末起了不同的市场分工：

• 问界：销量主力，全新问界 M7 上市 68 天交付量突破 4 万辆，位居售价 30 万元以上市场第一；问界 M8 上市 7 个月累计交付超 13 万辆，是售价 40 万元以上市场的交付冠军；问界 M9 上月交付超 7500 辆，继续保持售价 50 万元以上市场累计交付第一的位置。
• 尚界：定位入门级市场，11 月单月交付超 1 万辆。
• 智界：面向年轻群体，月交付量连续两个月破万。
• 享界：享界 S9 系列成为售价 30 万元级新能源豪华轿车销量冠军。
• 尊界：尊界 S800 连续三个月位居 70 万元以上豪华轿车销量第一。

从整体销量规模来看，鸿蒙智行达成首个 “100 万辆” 交付累计用时 43 个月。基于当前增速，余承东预测第二个 100 万辆的交付周期将缩短至 10 个月左右。

今年四季度，由于全国多地重换补贴政策相继退出，汽车市场的增长压力比往年更大，但鸿蒙智行依然保持销量增长。据统计，截至 12 月 29 日 14 时，鸿蒙智行本月销量已达 83,241 辆，超过上个月的 81,864 辆，刷新历史月销纪录，年末强势收官。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。