大厂抢滩：AI时代的硬件必争之地 从产品力来看，以夸克S1为代表的系列产品，成功突破了智能AR眼镜"算力、续航、重量"的不可能三 角。在显示层面，它解决了衍射光波导方案普遍存在的色散、字体模糊、彩虹边等问题；续航上采用镜 腿可拆卸电池设计，满足全天不间断使用需求；而包含镜片、框架、骨传导模块、芯片及双光机在内的 整机重量仅51克，外观贴近普通眼镜，佩戴毫无负担。此外，接入阿里系高德导航、AI大模型、支付 等功能后，产品响应速度与实用性大幅提升，即便对标行业龙头Meta的旗舰产品也不落下风。 最近，夸克智能眼镜正式发售，朋友圈里晒单热潮再起，那股新鲜劲儿仿佛让人重回十多年前"土豪"们 晒iPhone的年代。作为被寄予厚望的下一代核心硬件，智能AR眼镜正加速走进大众生活，其爆发态势 早已在数据中显现——2025年"双11"期间，天猫AI眼镜成交额暴涨2500%，京东同品类成交增速达 346%，直接登顶3C数码榜首。夸克AR眼镜的爆火，不仅印证了市场潜力，更标志着智能AR眼镜 的"iPhone时刻"已悄然降临。 夸克的爆发绝非偶然，背后是阿里在AI时代的战略布局。当前，AI引领第四次工业革命，软件端AI能 力已然溢 ...

行业核心转变 - 人工智能驱动的机器人行业正经历两大关键转变：一是应用场景从工厂车间向家庭、城市、太空等非结构化环境“逃逸”，二是训练重点从传统的认知能力（“大脑”）转向物理操控能力（“身体”）[1] - 这一转变将驱动边缘算力需求爆发，并可能重塑全球算力基础设施格局[1] 机器人应用场景演变 - 传统工业机器人被局限于工厂的“结构化牢笼”，任务单一、环境可控且无需感知与学习能力[3] - AI赋能的新一代机器人开始进入家庭、农场、城市街道、深海及太空等复杂现实世界，执行如自动驾驶导航、家庭服务、复杂地形巡检等任务[3] 物理操控的技术挑战与瓶颈 - 当前行业瓶颈已从优化“大脑”（如通用模型）转向训练“身体”（物理动作执行），核心矛盾在于人类本能的基础技能（如行走、抓取）对AI而言极其复杂（Moravec悖论）[8] - 机器人执行如“抓取冰箱中的瓶子”等简单人类动作，涉及手指位置、身体平衡、握力控制及环境变量（如湿度）等多重挑战，需要实时感知、动态决策与精细动作控制能力[6][7] - 与大语言模型不同，机器人模型需要大量真实世界的物理操作数据进行训练，这使得数据收集和模型训练变得更加复杂且昂贵[9] 训练数据收集方式 - 特斯拉、英伟达、谷歌等科技巨头正通过三种主要方式收集训练数据[11] - **远程操作**：人类通过动作捕捉控制机器人模仿行为，但该方法耗时且扩展性差[13] - **模拟训练**：通过数字孪生在虚拟环境中无限复现复杂场景（如极端天气），结合强化学习优化动作，游戏引擎公司（如Unreal Engine、Unity）及英伟达Omniverse平台深度参与[15] - **视频学习**：从人类行为视频（如YouTube）中提取动作模式训练模型，无需物理交互，谷歌DeepMind的Genie 3、Meta的V-JEPA 2等“世界模型”采用此思路[15] 边缘算力需求与趋势 - 机器人进入非结构化环境后，云端中心化计算的延迟问题凸显，边缘算力成为刚需[18] - **专用边缘芯片普及**：以英伟达Jetson Thor为代表，作为边缘实时推理设备，每套件价格约3500美元，其核心优势在于低功耗下实现高算力，满足机器人对实时性的要求[19] - **分布式推理网络**：特斯拉提出“机器人即算力节点”构想，若全球部署1亿台具备2500 TFLOPS算力的机器人，在50%利用率下可提供125000 ExaFLOPS算力，相当于700万颗英伟达B200 GPU（单颗18 PetaFLOPS）[22] 市场规模与算力需求预测 - 到2050年，全球将售出14亿台机器人[2] - 到2030年，全球机器人边缘计算需求将大幅增长，各类机器人形态都将贡献显著算力需求[25] - 到2050年，机器人将推动边缘AI算力需求达到数百万个B200芯片当量[2][25]

行业核心趋势：AI驱动的软硬协同 - 以“软件定义、硬件实现，海外引爆、国内接力”为代表的中国硬件出海发展路径已升级至“跨界扩容”新阶段 [3] - AI驱动的“软硬协同”能力正成为新一代全球化品牌能否拔得赛道头筹的关键考验 [2] - 在AI硬件时代，跨界扩容将更加普遍，企业需具备将大模型技术与创新硬件形态有机结合的能力 [6][8] 头部品牌竞争格局：大疆与影石 - 大疆与影石作为全球无人机和全景相机领域的绝对领军品牌，近几个月纷纷进入对方产品领域发布新品 [2] - 大疆通过全自研方式在核心硬件上创造4000多项专利，将软件算法潜力在定制化零部件上发挥到极致 [4] - 影石创新凭借全景立体拼接算法和FlowState防抖算法等软件技术，超越GoPro等竞争对手，后发制人 [5] - 影石2025年上半年研发费用同比激增100.35%至5.62亿元，主要用于无人机研发和生产，切入市场规模更大的无人机赛道是其非做不可的战略举措 [16][17] 新兴品牌破局案例：细分赛道杀手 - Plaud通过将“无感录音+AI摘要”一体化结合，解决市场痛点，2023年Kickstarter首月众筹达110万美金，2024年收入突破7亿，创始人预测2025年收入将达2.5亿美元（超17亿人民币）[7] - XbotGo以“AI体育相机”定位切入家庭记录场景，第三代产品在Kickstarter上线不到一月众筹突破200万美金，其核心竞争力植根于软件与算法 [9] - Halliday Glasses凭借“光学硬件”Digiwindow技术和“主动式AI服务”理念，在Kickstarter上线3天实现6861%超额认购，两个月筹款超330万美金 [10][11] 企业成长面临的核心挑战 - 第一重挑战是量产规模化，从众筹交付到应对全球市场需求的品控和供应链需要完全不同的能力，供应链管理是众多企业需要补足的最大功课 [13] - 第二重挑战是组织和管理风险，如何让硬件工程师与AI算法专家两类不同思维体系的团队高效协同是比技术本身更难的“管理艺术” [13][14] - 第三重挑战是产品功能是否满足市场真需求及赛道天花板，年收入达到10-20亿是硬件品牌跨越生死线的关键节点，但下一步规模化考验品类赛道天花板 [15]

油价下跌的直接原因 - 美元走强至逾五个月最高水平，令以美元计价的原油等大宗商品承压 [1] - 美国上周API原油库存增加652.1万桶，而前值为减少402万桶，库存大幅增加引发供应过剩担忧 [1] - 从亚洲到美国ISM相继公布的疲软制造业PMI数据令人担忧石油需求 [2] 市场预期与供应动态 - 欧佩克联盟计划在第一季度暂缓上调产量配额，市场将此视为其首次承认可能出现供应过剩的迹象 [2] - 国际能源署将2025年全球石油日需求增速预期下调至68万桶，较年初预测累计下调35万桶 [4] - 美国对俄罗斯石油公司和卢克石油公司的制裁导致其海运原油出口急剧下降，创2024年1月以来最大降幅 [2][3] 行业结构性挑战 - 美国页岩油行业正经历从“技术红利”到“资本驱动”的转型困境，软实力价值创造能力弱化 [5] - 欧佩克面临定价权弱化、技术标准缺失等挑战，难以通过技术主权构建实现全球价值链跃迁 [5] - 在能源变革背景下，产油国在气候叙事和非常规要素激活方面的软实力构建滞后 [6] 未来竞争焦点 - 石油市场的竞争将更聚焦于从产量控制向技术标准制定和地缘协调者转型，构建更具韧性的规则网络 [7] - 行业需提升预期管理能力，通过精准的政策信号释放和舆论引导重塑市场心理预期 [7] - 产油国需将资源势能转化为可持续的规则创新能力，在全球能源变革中构建新的价值体系 [7]

合作公告与市场反应 - 商汤科技与寒武纪签署面向新发展阶段的战略合作协议，重点推进软硬件的联合优化并共同构建产业生态[1] - 消息发布后，商汤-W(0020.HK)股价大幅拉升，收盘上涨5.44%至2.52港元，总市值约975亿港元[1] - 寒武纪-U(688256)股价也有所拉升，收盘上涨3.85%至1242元，总市值约5195亿元[1][2] 合作背景与战略方向 - 合作旨在发挥双方在AI领域的各自优势，商汤科技董事长兼CEO徐立与寒武纪董事长兼总经理陈天石均现场见证签约[2] - 合作方向包括国产化人工智能基础设施构建、垂直业务开拓与科技出海，开展多层次、长期性的深度合作[2] - 合作结合商汤在大模型研发与AI基础设施平台的能力，以及寒武纪在智能计算芯片与算力基础设施的积累[2] 公司核心业务与优势 - 寒武纪为人工智能芯片领军企业，形成云边端一体、软硬件协同的完整产品体系，产品服务于大模型算法公司及多个行业[3] - 商汤科技为人工智能软件公司，业务涵盖生成式AI、视觉AI和创新业务，其SenseCore AI大装置打通算力、算法和平台[3] - 商汤科技持续领跑计算机视觉市场，商汤方舟SenseFoundry为国内外各行业提供视觉AI支撑[3] 合作具体内容与规划 - 双方将以智能算力与AI大模型技术为基础，共同探索软硬协同的阶梯式产品创新体系，推动产业智能化转型[4] - 具体合作包括芯片适配，将联合打造面向算力市场的服务方案，以及聚焦垂直行业场景的一体机解决方案[4] - 双方还将共同探索在优势区域市场的深度协同，构建更具活力和影响力的区域人工智能生态[4] 公司近期财务表现与展望 - 寒武纪今年上半年实现营业收入28.81亿元，同比增长4347.82%，实现净利润10.38亿元，同比扭亏为盈[4] - 寒武纪管理层表示，考虑到大模型等市场对算力的旺盛需求，该商业化场景预计将为公司带来持续性收入[4] - 商汤科技今年上半年生成式AI业务收入约18.16亿元，同比增长72.7%，占收入比重由去年同期的60.4%攀升至77%[5]

研究突破与学术认可 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国大模型研究首次获此认可 也是全球首个经过完整同行评审并发表于权威期刊的主流大语言模型研究 [1] - Nature社论评价该研究打破主流大模型缺乏独立同行评审的局面 强调其公开性和透明性价值 [1][2] - 论文历经半年评审周期 8位外部专家参与质询数据来源、训练方法及安全性 全文64页包含训练成本披露和技术细节更新 [2] 技术创新与成本优势 - R1模型使用512张H800 GPU训练80小时 以每GPU小时2美元租赁成本计算 总训练成本为29.4万美元（约209万元人民币） 较其他推理模型千万级成本显著降低 [3] - 团队澄清未使用专有模型蒸馏技术 训练数据全部来自互联网 包含GPT-4生成内容属非故意行为 并提供数据污染防控流程 [3] - DeepSeek-V3.1采用混合推理架构 支持思考与非思考双模式 通过后训练优化提升工具使用与智能体任务表现 [4] 硬件生态与产业协同 - V3.1版本采用UE8M0 FP8 Scale参数精度 专为下一代国产芯片设计 预示未来训练与推理将更多应用国产AI芯片 [4][5] - 通过FP8精度降低算力需求 使国产ASIC芯片在12-28nm成熟制程接近英伟达GPU算力精度 形成"软硬协同"技术壁垒 [5] - 该技术路径带动国产芯片算力股股价飙升 可能成为行业新技术趋势 通过软硬件协同实现数量级性能提升 [5]

学术成就与行业认可 - DeepSeek-R1推理模型研究论文登上国际权威期刊《Nature》封面，标志着中国大模型研究首次获此殊荣，也是全球首个经过完整同行评审并发表于权威期刊的主流大语言模型研究[1] - 《Nature》社论评价指出，几乎所有主流大模型都未经过独立同行评审，这一空白被DeepSeek打破[1][2] - 论文历经半年评审周期，8位外部专家参与同行评审，从预印本到正式发表于《Nature》封面，完成了“学术跃迁”[2] 技术方法与透明度 - 研究成果首次公开了仅靠强化学习就能激发大模型推理能力的方法[1] - 论文全文64页，首次披露了R1的训练成本，并对数据来源、训练方法、安全性等审稿人质询作出详细回应[2] - 针对外界“蒸馏”质疑，公司澄清其训练数据全部来自互联网，虽可能包含GPT-4生成结果，但非有意为之，更没有专门的蒸馏环节[3] 训练成本与效率 - R1模型使用512张H800 GPU训练80个小时，以每GPU小时2美元的租赁价格计算，总训练成本为29.4万美元（约合人民币209万元）[3] - 与其他推理模型动辄上千万美元的花费相比，该成本实现了极大降本[3] 模型演进与未来规划 - 自年初发布R1后，公司于8月21日发布DeepSeek-V3.1，称为“迈向Agent时代的第一步”[4] - V3.1采用混合推理架构，同时支持思考与非思考模式，具有更高思考效率和更强智能体能力[4] - V3.1使用UE8M0 FP8 Scale参数精度，该精度是针对下一代国产芯片设计，表明未来基于DeepSeek模型的训练与推理有望更多应用国产AI芯片[4][5] 行业影响与技术趋势 - 公司从V3版本就开始采用FP8参数精度验证训练有效性，通过降低算力精度，使国产ASIC芯片能在成熟制程（12-28nm）上接近先进制程英伟达GPU的算力精度[5] - “软硬协同”的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多拥抱FP8算力精度并有望成为一种新技术趋势[5] - 这一技术方向带动国产芯片算力股股价飙升，助力国产算力生态加速建设[5]

文章核心观点 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国首个登上该期刊封面的大模型研究 标志着中国AI技术在国际科学界获得最高认可 [1] - DeepSeek通过独立同行评审打破行业空白 其公开透明的模式受到Nature高度评价 为AI模型提供更高的透明度和可重复性标准 [1][2][3] - DeepSeek-R1以仅29.4万美元的训练成本实现显著降本 相比其他推理模型动辄上千万美元的花费具有显著成本优势 [3] - DeepSeek-V3.1的发布采用针对国产芯片设计的UE8M0 FP8参数精度 推动软硬协同生态建设 带动国产算力芯片发展 [6][7] 技术突破与学术认可 - DeepSeek-R1是全球首个经过完整同行评审并发表于Nature的主流大语言模型研究 历时半年通过8位外部专家评审 [1][2] - 论文全文64页 首次披露训练成本和技术细节 包括数据来源 训练方法及安全性评估 并对"蒸馏"质疑作出正面回应 [3][4] - 训练成本仅29.4万美元（约209万元人民币） 使用512张H800 GPU训练80小时 以每GPU小时2美元租赁价格计算 [3] - Nature社论强调该研究填补主流大模型缺乏独立同行评审的空白 Hugging Face专家评价其为行业建立公开分享研发过程的先例 [1][3] 产品演进与算力生态 - DeepSeek-V3.1采用混合推理架构 提升思考效率和智能体能力 通过后训练优化在工具使用与智能体任务中表现提升 [6] - V3.1使用UE8M0 FP8参数精度 针对下一代国产芯片设计 表明未来训练与推理将更多应用国产AI芯片 [6][7] - FP8参数精度使国产ASIC芯片在成熟制程（12-28nm）接近英伟达GPU算力精度 软硬协同成为AI新范式 [7] - 国产大模型拥抱FP8算力精度成为技术趋势 通过软硬件协同实现数量级性能提升 推动国产算力芯片变革 [7] 行业影响与市场反应 - DeepSeek从预印本到Nature封面的"学术跃迁" 为AI模型建立透明度和可重复性标准 [2] - 国产芯片算力股因DeepSeek支持国产AI芯片的表态出现股价飙升 [6] - R2研发进程可能受算力限制影响 但V3.1升级引发对R2发布的猜测 [5][6]

交易结构变更 - 控股股东申晖控股旗下申晖金婺联合浙江省国资委背景的杭州产投共同收购宝德计算32.0875%股权 打破原上市公司直接收购计划 [2][5] - 交易以宝德计算整体估值45亿元为基础 申晖金婺以现金9.94亿元收购22.0875%股份 杭州产投以现金4.5亿元收购10%股份 合计支付14.44亿元 [6] - 收购对价将全部用于清理标的公司资金占用问题 为后续上市公司资本运作扫除障碍 [2][7] 标的公司背景 - 宝德计算是国产算力领域重要参与者 为"昇腾领先级"和"鲲鹏优选级"整机硬件伙伴 2024年营收达100.08亿元 净利润2.31亿元 [2][11] - 公司曾谋划IPO但存在多项历史问题 包括经营范围重叠 对赌协议未解除及实际控制人资金占用情况 [7] - 在昇腾系列服务器细分市场排名第三 鲲鹏系列服务器细分市场排名第四 2024年中标50亿元订单 [11][12] 风险控制机制 - 设置核心管理团队稳定条款 原控股股东关联方需签署不少于四年劳动或聘用合同 [9] - 交易完成以标的股份质押及司法冻结解除 国家市场监督管理总局不予禁止决定为先决条件 [9] - 杭州产投与慧博云通实际控制人签署对赌协议 若2028年底未完成收购则触发无条件回购条款 [9] - 原控股股东承诺2025年净利润不低于评估预测值 2026-2028年扣非净利润分别不低于年度预测值 未达承诺时现金补偿上限达14.44亿元 [10] 战略协同价值 - 交易体现国产算力产业"软硬协同"趋势 软件企业通过并购布局硬件端成为行业共识 [11] - 慧博云通2024年营收17.43亿元同比增长28% 但归属净利润0.66亿元同比下降20.45% 2025年上半年净利润564.77万元同比下降78.37% [10] - 收购将补充AI硬件能力 实现软硬件综合解决方案交付 形成差异化竞争优势 [11] - 昇腾生态快速成长带动硬件业务高毛利特性 有望为公司带来可观利润 [12]

行业转型趋势 - 汽车行业正从马力与真皮转向算力与体验 从依赖品牌溢价转向追求技术溢价 [1] - 汽车产业经历由技术革命驱动的价值链重塑 智能网联 自动驾驶 三电系统等原属豪华车的先进技术正快速普及至主流市场 [3] - L2级辅助驾驶已成为标配 智能座舱覆盖10万元级别车型 激光雷达步入高性价比清单 [3] 技术发展现状 - 技术平权重构消费者对安全 功能与情绪三重价值认知 引发行业对高端汽车技术溢价可能被削弱的思考 [3] - 高端品牌需打破技术同质化 寻找差异化技术锚点 面临创新加速度竞争（技术内卷）的挑战 [3] - 技术扩散周期缩短至一至两年 高端品牌需在有限时间内将新技术转化为不可复制的价值体验 [3] 企业战略要求 - 要求企业建立敏捷研发体系 既要快速引入成熟技术 又要敢于投入高风险长周期的基础研究 [3] - 未来竞争不再是单点技术领先 而是软硬解耦 跨界融合的系统工程能力 [3] - 国际传统汽车巨头（如奔驰 宝马 大众）与博世成立软硬件联盟 并邀请英伟达 高通加入 旨在打造"芯片+操作系统"联盟构建技术壁垒 [4] 自主品牌发展路径 - 自主品牌需在芯片 算法 操作系统等核心技术上实现自主突破 发挥新型举国体制优势 打通数据壁垒 强化技术软件 协同产业链上下游 [4] - 构建科技竞争力四大途径：软硬协同构建芯片 操作系统与算法的垂直整合能力 数据驱动构建行业数字智能底座 安全升维构建生态协同的智能防御新体系 生态共建构建"人-车-路-云-星"全域协同的智能网联新生态 [4] - 通过软硬协同为根基 数据驱动打通价值闭环 安全升维筑牢信息底座 生态共建实现系统级协同 共同构成中国汽车高端化突破的战略立方体 [5] 市场定位与警示 - 自主品牌冲击高端必须摆脱"以价换量"路径依赖 转向以软硬协同驱动全链创新的高附加值模式 [1] - 中国汽车品牌在新能源与智能网联领域成功实现换道超车 涌现多家高端新能源品牌 [3] - 必须牢记汽车本质是交通工具 安全与可靠是不可逾越的底线 应避免过度宣传和误导用户 [3]