美股科技行业周报:CES2026将召开,建议关注端侧AI、PhysicalAI等方向-20260104
国联民生证券·2026-01-04 12:02

报告行业投资评级 * 报告未明确给出对美股科技行业的整体投资评级 [1][6][24] 报告核心观点 * 报告核心观点围绕CES 2026展会前瞻与近期重要AI技术进展展开,认为应重点关注AI在消费端的落地场景,并看好由此带来的算力基础设施需求 [6][24] * 对于CES 2026,建议关注端侧AI、Physical AI等方向,具体包括AI PC、具身智能、自动驾驶与智能座舱、XR等领域的进展 [1][6][24] * 在技术层面,Google DeepMind的Veo 3视频模型正演变为通用的视觉基础模型和物理世界模拟器,具备零样本解决复杂视觉任务的能力,将提升具身智能与高阶自动驾驶的认知能力 [5][6][14][15][24] * DeepSeek提出的mHC架构旨在解决大模型扩大规模时增强表达能力与训练稳定性之间的矛盾,为训练更大规模模型铺平道路,意味着Scaling Law或将持续,模型参数继续增长将为算力基础设施提供更高确定性 [5][6][18][19][24] * 基于以上,投资建议重点布局算力硬件上游,以及能率先将多模态推理能力落地于实体场景的平台型公司,报告列举了建议关注的标的包括英伟达、特斯拉、LITE、AVGO、GOOG等 [6][24] CES 2026前瞻总结 * 芯片:重点关注头部公司新芯片产品推出 [2][11] * AMD:或在主题演讲上推出锐龙系列芯片新版本,包括锐龙7 9850X3D及基于Zen 5架构的锐龙9000G系列 [2][11] * 英特尔:将推出基于2纳米18A工艺打造的酷睿Ultra 3系列Panther Lake芯片,面向高端笔记本市场,其处理性能较前代提升50%,内置Arc显卡性能也较上一代提高50% [2][11] * 高通:聚焦笔记本电脑领域,预计展示搭载Snapdragon X2 Elite芯片的终端设备,推出拥有18个CPU核心的旗舰型号X2 Elite Extreme [2][11] * 自动驾驶:重点关注L3自动驾驶和车内AI座舱 [3][12] * Sony Honda Mobility:将公布AFEELA 1的最新进展并展示全新概念车型,AFEELA 1计划2026年向加利福尼亚州客户交付 [3][12] * BMW:将展示全新纯电iX3车型,搭载全景式iDrive系统及整合了Alexa+技术的全新AI智能个人助理 [3][12] * Mercedes-Benz:展示全新纯电CLA,展示搭载英伟达AI全栈自动驾驶软件与加速计算平台的新一代MB.DRIVE技术 [3][12] * 具身智能:重点关注国内外头部厂商新产品/技术进展 [4][13] * 英伟达:展示重心或将转向Physical AI,包括机器人技术与大规模仿真的交叉融合,市场预计其Isaac机器人平台和Omniverse仿真引擎将迎来重大更新 [4][13] * 其他厂商:智元或将展示全系列产品线及发布灵巧手新版本;宇树或将带来人形机器人最新交互演示;加速进化或展示Booster T1、Booster K1等核心产品;波士顿动力的人形机器人Atlas或将进行首次公开演示;LG电子将首发家用机器人LG CLOiD;银河通用、云深处、傅利叶、众擎、松延动力等或将参展 [4][13] * XR:重点关注基于Android XR平台的Project Moohan [4][13] * Project Moohan是三星将推出的扩展现实头显设备,专为安卓扩展现实平台打造,该平台由三星、谷歌与高通联合研发,整合Gemini后能处理设备控制指令并解读周围环境,为用户提供情境化辅助 [4][13] 科技行业动态总结 * Google DeepMind发布视频模型论文 [5][14] * 论文核心论证生成式视频模型(特别是Veo 3)正在演变为通用的视觉基础模型 [5][14] * 经过大规模网络数据训练的视频生成模型已涌现出零样本通用能力,可在无特定任务训练的情况下,仅通过提示词和图像输入解决复杂视觉任务 [5][14] * 视频模型通过生成一系列连续视频帧(Chain-of-Frames,帧链)来进行视觉推理,类比于大语言模型的思维链 [5][14] * Veo 3在62种不同任务上展现出四大核心能力:感知、建模、操作和推理 [15] * DeepSeek发布大模型架构论文 [5][18] * 论文核心目标是解决大模型在扩大规模时“增强表达能力”与“训练稳定性”之间的矛盾 [5][18] * 提出mHC架构升级,旨在让大模型既能拥有“多车道”宽阔信息通路(高表达力),又能像传统ResNet一样稳定训练 [5][18] * 在270亿参数规模的MoE模型上验证,mHC在BBH、DROP等推理和语言基准测试中的表现全面超越传统Baseline和普通HC模型,且训练损失和梯度更稳定 [19][21]