政策核心内容 - 国家金融监督管理总局印发《银行业保险业数字金融高质量发展实施方案》[1] 数字基础设施建设 - 支持大型金融机构梯次布局，加快建设适应业务线上化、海量数据存储、分布式计算的多层级、多地多活数据中心[1] - 前瞻布局智能算力网络设施，优先部署在“东数西算”工程国家枢纽节点[1] - 推进绿色数据中心建设，持续提高绿电使用比例[1] - 推动基础设施云化管理，充分运用新一代移动通信技术、物联网建立安全外部连接[1] 运维与安全管理体系 - 构建适应分布式架构、数字化转型的新一代运维体系[1] - 健全基础设施安全应用管理机制[1]

AI时代机械硬盘(HDD)的不可替代性 - AI进步推动存储介质多样化，但HDD在数据可恢复性、耐用性及应对大规模数据时的成本优势上具有不可替代性，使其在企业级大数据存储中仍是主流产品[7] - 硬盘供应商的核心价值在于成为支撑大数据及AI发展的基石，需持续进行大容量技术研发、保持性能稳定并降低用户总拥有成本(TCO)[7] - 运营成本是数据中心重要考虑因素，硬盘技术突破意味着在体积不变下容量大幅提升，从而降低单位存储的重量和能耗，对降低TCO和实现“绿色数据中心”至关重要[9] 东芝硬盘的大容量技术路线与研发挑战 - 公司近期成功验证了12盘片堆叠技术，并规划了通向40TB+容量的路线图[8] - 实现该突破的最大挑战在于物理空间的极致压缩，需在标准3.5英寸企业级HDD(厚度仅2.61厘米)的有限空间内堆叠更多盘片，同时保持盘片坚固性及硬盘整体性能稳定[8] - 公司正处于从传统垂直磁记录(PMR)转向能量辅助垂直磁记录(如MAMR、HAMR)的技术过渡期，已验证的12盘片堆叠技术可用于PMR和HAMR，未来可提供基于HAMR技术的50TB以上HDD[21] - 未来三年内，公司将推出30TB以上甚至40TB的传统磁记录(CMR)和叠瓦式磁记录(SMR)硬盘[23] 中国市场存储需求的特点 - 中国客户与全球(尤其是北美)客户的共同点是倾向于快速迁移到至少20TB+的大容量HDD[10] - 不同之处在于，全球AI和云计算客户对超大容量硬盘的新品导入测试(NPI)更积极且对成本更敏感，因此SMR HDD在海外更受欢迎；中国客户则更看重性能稳定性，CMR HDD目前仍是国内市场主流选择[10] - 中国是世界第二大且仍在快速增长的市场，一些中国客户同时也是世界一流的产品或服务提供商[17] 东芝与新科电子(SAE)独特的本土化协同制造模式 - 东芝在中国大陆建立了近线硬盘(近线HDD)产线并成功实现量产，其核心目标是专注服务中国客户[2][17] - 新科电子(SAE)作为东芝长期的战略合作伙伴及全球顶尖硬盘磁头供应商，承担了东芝硬盘在中国的制造任务[3] - 合作模式的独特优势在于“同地协作”：核心零部件(磁头)的生产与硬盘整机组装被放在同一物理空间，这种“门对门”协同缩短了交付周期、降低了运输成本、提升了库存管理效率，并实现了更紧密的技术合作与快速反馈[12][13] - 自2023年该产线成立以来，超过70%的客户完成了产线审计及工厂技术访问；截至2025年第三季度，SAE制造的硬盘出货量已超过百万[17] - 本土化生产具有地理优势，服务团队和工厂可更方便地与客户沟通，显著提高了解决问题和服务的效率[17] 新科电子(SAE)的技术创新与制造能力 - 在大数据和AI时代，硬盘行业的主要挑战是在保持成本、性能和可靠性的前提下，在不变的外形尺寸内不断增加存储容量[14] - SAE在过去十五年投入大量资源开发微波辅助磁记录(MAMR)和热辅助磁记录(HAMR)磁头技术，目前正在大规模生产MAMR硬盘，并计划在2027年为HAMR产品的生产做好准备[14] - MAMR和HAMR技术的磁头制造需要埃级(十分之一纳米)的精密制造工艺，SAE通过投资全自动制造和测试工艺来满足精度要求[14][16] - SAE提供从HAMR/MAMR磁头设计、工艺开发、测试开发到设备制造的一站式解决方案，支持东芝实现下一代HDD技术所需的面密度[16] - 在智能工厂系统方面，SAE在过去10年已用自动化设备取代手动作业并建立基本数字连接，近年来专注于开发集成系统并使用数据分析优化流程，长期目标是开发智能系统进行实时工作流程优化[15] 本土化战略对产业链与供应链的影响 - 本地化生产大幅提升了对国内数据中心客户的业务支持效率和服务响应速度[18] - 东芝硬盘工程师、SAE工程师和数据中心工程师之间的日常交流与互动，有助于加速中国工程师在高容量硬盘技术各方面技能的发展[18] - 东芝将完整的近线HDD生产线及其标准操作程序(SOP)移交给SAE，并对工程师进行操作培训；SAE工程师在掌握生产经验后，进一步提高了工艺良率和制造效率[22] - SAE在菲律宾东芝工厂附近建立了硬盘磁头制造基地，在中国硬盘磁头制造厂附近建立了近线硬盘生产线，以支持东芝的本地及全球客户，正提供一站式解决方案以支持东芝扩大全球市场份额[24] 公司理念与未来展望 - 驱动公司持续创新的“技术基因”或“工程师精神”被形容为一种源自内心的“热情、严谨、注重细节”的工匠精神[25] - 公司希望被视为一个“务实可靠”的合作伙伴，一个重视长期合作的朋友，其使命是继续支持数据中心、OEM供应商和渠道客户等所有细分市场的存储业务[26] - 对于2025年东芝与中国存储市场共同进步的趋势，关键词是“同步”和“互动”，即与客户保持紧密沟通并根据反馈提供及时响应与服务[23] - 展望未来，在AI推动下，全球市场发展迅速且可能持续到2026年底，中国市场也有很多项目需求，预计供应会比较紧张，公司将通过密切合作最大限度地提高供应能力[23]

资金使用获批 - 2024年4月17日获批可使用不超2.4亿元闲置募集资金现金管理，期限12个月[1] - 2025年4月16日获批可使用不超1.5亿元闲置募集资金现金管理，期限12个月[1] 产品收益情况 - 2025年10月24日银行结构性存款到期，赎回本金8800万元，获理财收益230,755.56元[3] - 多期产品投入与收回本金相同并获对应收益，如2024年挂钩汇率对公结构性存款定制第十期收益35.99万元等[5] - 产品实际收益合计为258.46[7] 理财数据比例 - 最近12个月内单日最高投入金额为18000，与最近一年净资产比例为22.06%[7] - 最近12个月委托理财累计收益与最近一年净利润比例为 - 4.08%[7] 理财额度情况 - 目前已使用理财额度为0，尚未使用额度为15000，总理财额度为15000[7] 产品数量金额 - 共赢智信汇率挂钩人民币结构性存款A16835期产品数量和金额为2100[7] - 产品合计数量为101000，合计金额为101000[7]

核心事件概述 - 公司董事及高级管理人员屈惠强已完成其股份减持计划 [1] - 该减持计划因个人资金需求而实施 通过集中竞价方式进行 [1] 减持计划详情 - 减持股份数量不超过2.5万股 [1] - 减持股份占公司总股本的比例为0.0085% [1] - 减持股份占其个人直接持有股份总数的比例为25% [1] - 减持价格根据减持时的市场价格确定 [1] 计划时间进程 - 减持计划公告于2025年11月6日披露 [1] - 减持计划实施完毕日期为2025年12月18日 [1]

减持情况 - 减持前屈惠强持股100,000股，占比0.0340%[2] - 减持后持股75,000股，占比0.0255%[2] - 拟减持不超25,000股，占比0.0085%[3] - 减持期间为2025年11月27日至12月18日[6] - 减持价格区间14.05 - 15.32元/股，总金额361,570元[6]

公司高管减持 - 公司董事、高级管理人员屈惠强通过集中竞价方式减持公司股份25,000股 [1] - 减持股份占公司总股本比例为0.0085% [1] - 减持价格区间为每股14.05元至15.32元 [1] - 本次减持总金额为36.16万元 [1] 减持后持股情况 - 减持后，屈惠强持有公司股份数量为75,000股 [1] - 减持后持股占公司当前总股本比例为0.0255% [1]

核心观点 - 比亚迪搭载“天神之眼”辅助驾驶系统的车型在2025年11月销量达311,267辆，累计销量已突破230万辆，持续引领中国辅助驾驶市场，其“全民智驾”战略成效显著，正推动智能驾驶从高端向主流市场加速普及 [1][2][3] 销售表现与市场地位 - 2025年11月，比亚迪全月总销量为311,267辆，其中王朝与海洋系列贡献265,734辆，方程豹、腾势、仰望等高端及个性化品牌表现稳健 [1] - 在11月智能辅助驾驶车型品牌销量排行榜中，比亚迪以265,734辆位列第一，远超第二名零跑（67,825辆）和第三名问界（51,706辆） [4] - 截至2025年11月底，比亚迪搭载“天神之眼”系统的车型累计销量已突破230万辆，持续蝉联中国辅助驾驶车型销量及系统装车量榜首 [2][4] 技术发展与数据积累 - “天神之眼”系统每日生成的辅助驾驶数据已超过1.5亿公里，庞大的用户基盘提供了海量的真实道路数据 [4] - 行业领先的数据底座为AI大模型的持续训练与快速迭代提供了坚实基础，通过端到端强化学习等先进算法，系统能不断进化，使辅助驾驶行为更拟人、更安全 [4] - 自2025年下半年以来，公司连续推送多次大规模OTA更新，涵盖主动安全强化、行车功能升级、座舱体验优化等多个维度 [5] 安全承诺与用户信任 - 2025年7月，比亚迪率先做出行业承诺：对“天神之眼”车辆用户在泊车辅助场景下的安全及相关损失进行全方位兜底，且赔偿无上限、不限首任车主 [5] - 这一举措展现了公司对其辅助驾驶技术的绝对自信，以及对用户安全高度负责的企业态度 [5] - “天神之眼”凭借稳定可靠的表现和全面的安全保障，赢得了消费者的广泛信赖，口碑效应日益凸显，已成为助推比亚迪车型尤其是中高端车型热销的关键因素之一 [5] 行业趋势与影响 - 比亚迪的实践标志着其推动的“全民智驾”战略已取得显著成效，智能驾驶正从高端配置加速向主流市场普及 [3] - 在比亚迪等头部企业的推动下，智能辅助驾驶正逐步从“亮点配置”转变为用户购车的“核心考量” [5]

现金管理 - 2024年4月17日同意用不超2.4亿闲置募集资金现金管理，期限12个月[1] - 2025年4月16日同意用不超1.5亿闲置募集资金现金管理，期限12个月[1] 理财情况 - 2025年11月17日赎回银行结构性存款本金2100万，收益25,027.40元[3] - 最近12个月投入本金10.1亿，收回9.22亿，收益235.38万[7] - 最近12个月单日最高投入1.8亿，占近一年净资产22.06%[7] - 最近12个月委托理财累计收益占近一年净利润 - 3.72%[7] 理财额度 - 截至公告日已使用8800万，未使用6200万，总额度1.5亿[7]

报告行业投资评级 - 增持（维持）[1] 报告的核心观点 - 随着AI推理时代的到来，传统的以CPU为中心的存储与计算架构已成为瓶颈，行业正经历从“以CPU为中心”到“以GPU为中心”的根本性变革[4][9] - 为满足AI推理“小块高频”的极致I/O需求，硬件上出现GPU直连SSD的新架构，软件上则需要重构以GPU为核心的数据库（GPU-Native数据库），这将为数据库产业带来新的机遇[4][18][25] 根据相关目录分别进行总结 1. AI推理时代来临，GPU直连SSD存储新架构出现 - AI推理与训练对存储的需求差异巨大：训练需要大数据块（10MB-1GB）、少并发、总容量相对较低（1-10TB）；而推理需要小数据块（低至8B、64B、512B）、高并发（数千条）、大存储容量（高达1PB或数百TB）[4][9][10] - AI工作负载分化推动存储评估指标从传统的“每TB成本”（TB/TCO）转向“每IOPS成本”（IOPS/TCO），推理和预测式AI的性能瓶颈在于处理海量、高并发、小I/O请求的能力（IOPS）[9][10] - 传统以CPU为中心的架构无法满足AI推理的高并发需求，成为瓶颈，需要提升GPU地位，使其成为数据访问的控制中心，实现从CPU“推送”数据到GPU“拉取”数据的转变[4][11][14] - 解决方案是通过GPU直连SSD硬件（如通过NVMe-of、RDMA、GPUDirect Storage等技术）和SCADA软件架构，让GPU绕过CPU直接、高效地从SSD读写数据，彻底旁路CPU在数据流中的角色[4][14][16] 2. 存储架构变化带来数据库架构的变化 - 架构层面发生根本变化：从“以CPU为中心”转向“以GPU为中心”，GPU成为主计算单元，CPU角色退化为任务调度器、事务协调器和元数据管理器[4][18] - 数据库核心组件需要升级改造：1) 存储引擎革新，新的缓存管理器需直接管理GPU显存和直连SSD间的数据流动；2) 数据布局优化，为匹配GPU的SIMD架构，可能采用纯列式或混合存储格式并原生支持Apache Arrow等零拷贝格式；3) 查询执行引擎重构，核心算子需深度重写为GPU内核并能直接从SSD流式消费数据，实现计算与I/O的完全重叠[4][19][21] - 查询优化器面临挑战，成本模型需纳入GPU计算核心占用率、HBM与SSD间带宽、PCIe传输延迟等新因素，并优先考虑数据本地性优化[21] - GPU直连SSD技术将使得数据库从一个在通用操作系统上运行的应用程序，演变为一个直接调度和管理GPU、SSD的“数据中心级操作系统内核”[4][21] 3. 产业进展逐步加快 - 硬件方面：1) 2025年8月，闪迪与SK海力士签署谅解备忘录，共同制定高带宽闪存（HBF）技术规范，目标在2026下半年发布HBF样品，首批搭载HBF的AI推理系统预计于2027年初面世[4][21][22]；2) 2025年9月，铠侠宣布将与英伟达合作，开发可直接连接到GPU并进行数据交换的SSD，目标性能需达到2亿IOPS，并计划支持PCIe 7.0标准[4][22] - 软件方面：1) Hammerspace通过优化元数据读取和GPU服务器直连存储驱动器中的数据放置策略，加速了其数据编排平台软件的性能[4][23]；2) Cloudian HyperStore通过RDMA over S3技术，实现对象存储与GPU内存的直接数据传输，使基于S3接口的向量数据库性能提升8倍[4][24] 4. 投资建议 - 投资逻辑基于AI推理爆发驱动GPU地位提升及硬件架构变革（GPU直连SSD），进而引发软件生态（尤其是数据库）的重大重构需求，数据库产业有望迎来新机遇[4][25] - 报告提及的相关标的包括：【星环科技】、达梦数据、海量数据、MongoDB、Snowflake等[4][26]

英伟达开源VLA自动驾驶模型Alpamayo-R1 - 英伟达研究团队正式发布并开源全新的视觉-语言-动作模型Alpamayo-R1，并计划在未来的更新中开源该模型的部分核心数据集 [1] - 这是英伟达首次将VLA模型进行开源，对应的数据集已上传至开源社区，总大小约100TB，数据许可明确可用于商业和非商业用途 [2] - 此举打破了高端自动驾驶模型的封闭高墙，标志着端到端自动驾驶技术从“模仿行为”迈向了具备深层“因果思考”的新阶段 [4] 模型性能与测试结果 - 在针对极高难度长尾场景的测试中，AR1的规划准确率相比仅有轨迹预测的基线模型提升了12% [5] - 在闭环仿真测试里，AR1成功将车辆冲出道路的事故率降低了35% [5] - 与其他车辆或行人的近距离危险遭遇率大幅减少了25% [5] - 该模型在NVIDIA RTX 6000 Pro Blackwell车载硬件上保持了99毫秒的端到端超低延迟，满足实时自动驾驶需求 [5] - 具体测试数据显示，AR1的越野率从基线模型的17.0%±3.0%降至11.0%±2.0%，近距离遭遇率从4.0%±3.0%降至3.0%±2.0%，AlpaSim得分从0.38±0.04提升至0.50±0.08 [5] 技术架构与创新 - 为解决传统端到端模型的“黑盒”问题，研究团队构建了全新的“因果链”数据集，核心在于教会模型建立“观察-原因-决策”的严密逻辑闭环 [7][12] - Alpamayo-R1采用模块化高效架构，由专为物理AI打造的Cosmos-Reason视觉语言模型负责环境理解和逻辑推理，由基于流匹配技术的动作专家解码器控制行动 [13] - 在训练阶段引入了强化学习机制，利用更大规模的推理模型作为批评者对AR1的表现进行打分，重点要求模型推理逻辑与实际驾驶动作一致 [13][15] - 采用强化学习新模式后，模型的推理质量提升了45%，推理与行动的一致性提高了37% [17] - 训练策略表格显示，结合推理、一致性和安全性的强化学习策略，将近距离遭遇率从6.9%降至3.7%，推理-动作一致性得分从0.62提升至0.83 [16] 行业影响与战略意义 - VLA模型将“世界知识”引入驾驶舱的能力，是突破L4级自动驾驶长尾难题的公认解决方案之一 [8] - VLA研发对算力、算法、数据集要求极高，此前仅有小鹏、理想、小米、元戎启行等头部企业在推动VLA上车，开源项目也较少 [10] - 英伟达通过开源AR1及数据集，向全行业提供了一套L4级自动驾驶的“参考答案”，有效降低了中小厂商和研究机构的入场门槛，可能催生一批基于AR1微调的方案 [19] - 此举是英伟达“软硬一体”战略的体现，AR1展现的强大性能依赖于英伟达强大的GPU算力和配套的Cosmos框架工具链，通过定义先进的软件范式来锁定未来的硬件市场 [19] - 该项目由英伟达自动驾驶负责人吴新宙全面负责，他曾任小鹏汽车自动驾驶副总裁，于2023年8月加入英伟达并直接向CEO黄仁勋汇报 [18]