行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2][3][4] 核心观点 - 华为昇腾生态战略从"以硬件为中心"转向"软硬一体、全面开源" 明确 CANN 软件栈分层解耦与开放的演进路线 [1] - 昇腾软件生态全面覆盖 PyTorch/TensorFlow 等主流 AI 框架、GE 图引擎、HCCL 通信库、Ascend C 算子编程语言、毕昇编译器、Runtime/Driver 及 MindStudio 全链路工具 [1] - 华为与 DeepSeek 合作展示软硬协同优化成果 包括算子融合、通信-计算融合技术以及 MoE 双流并行架构等重要实践 [1] - AI 加速领域竞争焦点已从单芯片峰值算力转向端到端可用性 具体体现于算子库完备程度、编译器自动并行与 Layout 优化能力、通信与计算间高效流水协同等方面 [2] - 数据搬移已成为 AI 计算效能的核心瓶颈 通过算子融合、图调度层级流水重构及系统协同能有效提升理论峰值算力转化为实际可用吞吐量 特定场景下性能收益约10% [2][10] - 华为采取"高端立标、中高端走量"的差异化商业策略 通过"算子库→CANN 全栈→上市即开源"节奏降低开发者生态参与门槛 [3] - 当前处于关键发展窗口期 中美资本持续加码 AI 算力基础设施 竞争围绕"模型规模与结构创新"双重维度展开 [4][12] 战略转型与生态建设 - 昇腾明确"软件优先"核心战略 是对标并挑战 CUDA 生态体系的必然路径 [2][9] - 开源策略体现"开放代码、促进应用、保障稳定"三大要素 但成功取决于高质量文档、典型用例、性能基准、快速问题响应机制及清晰许可证体系等综合支持能力 [3][11] - 若能提供与 PyTorch 等主流框架深度耦合的原生后端支持、覆盖典型分布式训练与推理场景的完整样例及可复现实验脚本 将有望大幅缩小与 CUDA 生态在"可复用工程经验"方面的差距 [3][11] 技术优化与性能提升 - 通过算子融合（如前后处理操作合并）、图调度层级流水重构 并结合 HCCL 通信库、图引擎及 Runtime 的系统协同 能有效提升整体计算效率 [2][10] - 当前真正挑战在于优化需具备跨网络结构和动态输入形状的泛化能力 将特定场景下约10%性能收益转化为无需手工干预、普遍适用的底层库能力 [2][10] - 华为展示与 DeepSeek 合作的软硬协同优化成果 包括算子融合、通信-计算融合技术以及 MoE 双流并行架构等重要实践 [1] 产业发展与投资建议 - 建议国内开发者在昇腾生态 9 月 30 日及 12 月 30 日两个重要节点后 尽快开展针对主力工作负载（如 MoE、RAG、多模态视觉、MLA 推理等）的概念验证（PoC） [4][12] - 重点评估实际运行效率、系统稳定性及迁移成本 同时高度重视编译器前端接口、算子语义一致性以及通信库 API 的长期兼容性策略 [4][12] - 中美资本正持续加码 AI 算力基础设施 新一轮竞争围绕"模型规模与结构创新"双重维度展开 [4][12]

中美AI竞争格局 - 美国在私营部门创新、前沿研究、模型开发和先进计算基础设施方面领先，2024年全球50个顶级AI模型中美国机构独占40个[4][9] - 中国通过"AI+"举措在农业、制造业和监控等领域大规模部署人工智能，在AI相关出版物和专利总量上领先，2024年中国工业机器人安装量超过全球其他国家总和，全球市场份额从2023年51%上升至2024年54%[4][13] - 中国拥有全球最丰富的AI应用场景，在计算机视觉和自然语言处理的应用层专利上优势明显[13] 中国开源战略 - 中国引领AI开源浪潮，阿里巴巴通义千问、深度求索、字节跳动豆包、智谱AI ChatGLM、上海稀宇MiniMax等高性能大模型纷纷开源[19] - 开源模型性能快速追赶世界顶尖水平，性能达到SOTA 95%以上的模型几乎免费可用，冲击西方昂贵的API调用和软件授权模式[21] - 开源模式降低全球AI开发门槛，引导用户使用中国硬件生态，形成基于成本、习惯和技术路径依赖的生态绑定[23][26][27] 硬件战略布局 - AI时代软件正在"富余化"，硬件重新变得稀缺，高端芯片制造困难且供应链壁垒高[33] - 中国具备稳定、低成本、大规模制造复杂硬件的能力，能够提供与开源模型适配最好、成本最低、品类最全的硬件矩阵[25][34] - 中国生产全球三分之二以上的电动汽车和一半以上的工业机器人和智能家电，创造全球最具活力的技术扩散环境[39] 发展路径探索 - 算法优化派通过软件极致优化弥补硬件短板，实现软件定义算力[38] - 生态一体化派提供从算力到应用的全家桶服务，锁定企业用户[38] - 底层自主派打造100%自主可控的备用系统，如华为昇腾、寒武纪[38] 未来竞争推演 - 美国可能联合欧洲、日韩建立基于高安全标准的硬件制造联盟，或让顶级闭源模型与特定硬件平台深度绑定[40] - 中国"开源+硬件"战略具有去中心化和向下兼容特点，能以极低成本赋能发展中国家市场，构建非西方AI生态圈[41][42] - 全球科技价值链正在重构，掌握智能生产力工具生产资料的一方将拥有定义世界的话语权[43]

核心观点 - 群核科技在首届技术开放日上发布新一代空间语言模型SpatialLM 1.5和空间生成模型SpatialGen 旨在通过开源推动全球空间智能技术发展[3] - 公司基于酷家乐平台构建"空间编辑工具-空间合成数据-空间大模型"的飞轮模式 通过工具沉淀数据并加速模型训练[4] - 开源是公司核心战略之一 自2018年启动开源计划 希望成为全球空间智能服务提供商[4] 技术成果发布 - SpatialLM 1.5是基于大语言模型训练的空间语言模型 支持通过对话交互系统实现端到端可交互场景生成[4] - 模型能输出包含空间结构、物体关系、物理参数的"空间语言" 根据文本描述自动生成结构化场景脚本并智能匹配家具布局[4] - 生成场景富含物理正确的结构化信息 可批量输出多样化场景用于机器人路径规划、避障训练等应用 解决训练数据短缺问题[6] - SpatialGen是基于扩散模型的多视角图像生成模型 可根据文字描述、参考图像和3D布局生成时空一致的多视角图像[7] - 支持生成3D高斯场景并渲染漫游视频 用户可自由穿梭生成场景获得沉浸式体验[7][8] 数据资源与技术优势 - 截至2025年6月30日 公司拥有超过4.41亿个3D模型和超过5亿个结构化3D空间场景[4] - SpatialGen数据集包含12,328个场景和100万个物体 使用全景视频格式[9] - 相比传统大语言模型 空间大模型在真实感全息漫游、结构化可交互及复杂室内场景处理方面具有显著优势[3] 开源与行业影响 - SpatialLM 1.0于2025年3月开源后迅速登上Hugging Face趋势榜前三 已有初创企业基于其代码训练自有模型[6] - 两款模型将逐步在HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源[10] - SpatialGen在技术开放日当天已可在开源网站下载使用 SpatialLM 1.5将以"SpatialLM-Chat"形式完成开源[10] AI视频生成解决方案 - 基于SpatialGen探索AI视频生成解决方案 通过新范式解决时空一致性难题[3] - 正在研发基于3D技术的AI视频生成产品 计划2025年内发布 可能是全球首款深度融合3D能力的AI视频生成Agent[9] - 通过构建3D渲染与视频增强一体化生成管线 弥补当前AIGC视频生成中时空一致性不足的问题[9]