行业发展趋势 - "十五五"期间是中国汽车品牌成为世界品牌的关键时期 全球化从单一产品出口升级为技术 品牌 制造 供应链与文化价值的生态出海[1] - 新能源汽车渗透率突破50% 智能网联汽车从概念走向规模化量产 中国汽车从汽车大国迈向汽车强国[3] - 下一阶段创新重点从单点技术突破转向软硬一体 跨域协同的系统创新 新能源是基座 智能化是灵魂 网联化是血脉[3] 行业发展挑战 - 高速增长背后存在资源错配和内卷加剧问题 对产业公信力产生负面影响[3] - 未来五年行业需回归造车本质 谋求长期主义下的系统能力跃升 实现从量的积累到质的突破[3] 企业战略布局 - 坚持生态出海战略 围绕技术本土化 服务本土化 经营本土化和品牌跨文化四大维度 实现从市场全球化到企业全球化的升维[4] - 要求精准洞察用户需求 高效整合技术资源 扎实构建体系韧性 在每个细分领域和技术细节深耕细作[3] - 呼吁产业协同共享基础研发成果实现技术共生 拉通上下游标准体系构建生态共生 谋求全产业链利润合理分配推动价值共生[4]

财务表现 - 2025年上半年整体营收157.81亿元 同比增长25.99% [1] - 归母净利润同比向好 经营现金流持续稳健 [1] - 计算产品与智能电子业务营收67.56亿元 同比增长72.77% 占总营收42.81% [1] - 第二季度营收87.70亿元 同比增长23.93% 环比增长25.10% [1] - 第二季度归母净利润0.55亿元 环比增长127.87% 实现扭亏为盈 [1] - 第二季度经营活动现金流净额13.58亿元 环比增长173.92% [1] 战略布局 - "四化"战略引领全栈智能布局落地 [2] - 软硬一体战略成效显著 [1] - 推出"iSoftStone Digital软通国际"品牌 启动"出海2.0"战略 [3] - 马来西亚全球交付中心正式落成 [3] - 与中东多个本地伙伴达成战略合作 [3] 业务发展 - 计算产品端推出20余款信创终端新品 发布业界首款四卡液冷工作站 [2] - 开源鸿蒙布局20余个矿鸿场景 开源欧拉升级企业级系统 [2] - 智能电子领域"机械革命"稳居国产电竞PC第一阵营 京东销量第三 拼多多及抖音销量第二 [2] - "恒悦"品牌切入商用市场 [2] - 海外获得巴基斯坦十万台笔记本订单 沙特政府3万台笔记本电脑SKD采购项目 [2][3] - 数字能源与智算服务构建新生态 服务国能集团 交付台区储能项目 [2] - 中标中石化LNG智慧建设项目 [2] - 天元智算平台商用 牵头"韶关公共算力服务平台"国家级项目 [2] 行业地位 - 入选沪深300指数 [1] - 获2024年中国IT服务市场及IT咨询国内厂商第一位 [1] - 2025年一季度PC出货量国内市场份额排名第三 [1] - 深度参与大型ICT厂商生态共建 [2] - 拓展阿尔及利亚CBP项目 AI咨询签下千万级大单 [2] - "1+4+N"AI工程能力矩阵在玉柴动力等企业落地 [2] - 软通金科中标多个金融AI项目 [2] - 为10余个重点行业提供服务 [3] - 中标北京市终端集采 中国移动4.27亿元AI设备采购 中国联通10万台电脑集采等项目 [3] - 与大型ICT领导企业日本 腾讯日本等签署框架协议 与新日铁等大型IT企业达成战略合作 [3]

产品与技术优势 - 地平线发布高性能城区辅助驾驶产品HSD，基于征程6P打造一段式端到端系统，实现光子输入到轨迹输出的超低时延，提升安全、效率和舒适性 [3] - HSD被誉为国内最像特斯拉FSD的系统，覆盖城区、高速、乡间小路、停车场等场景，支持复杂道路拓扑下的精准感知和流畅通行 [3] - 征程6P算力高达560TOPS，具备高集成度、高算力、高效率、高处理能力、高接入能力及高安全六大特点 [8] - 地平线采用"一段式端到端+强化学习"架构，通过自我探索激发模型潜力，实现智能涌现 [8] - 公司已建立超3万个场景数据集的安全测试场景库，完成超1000万公里大里程回灌，并获得全球首张ISO 8800 AI功能安全认证 [10] 市场进展与商业成果 - HSD已与全球近10家汽车品牌达成合作意向，首搭奇瑞星途星纪元E05车型并即将量产 [3] - 截至今年一季度末，地平线前装量产出货超800万套，量产上市车型超200个，量产定点车型超310个 [16] - 征程家族累计量产即将突破1000万套，将成为国内首家达成千万套出货量的企业 [16] - 高阶辅助驾驶市场快速增长，今年前5个月中国乘用车城区NOA交付量达90.22万辆，同比增长152.5% [5] 发展战略与行业定位 - 公司坚持"软硬一体"战略，十年间推出三代BPU架构，计算性能提升超1000倍，支持超10款计算方案规模化量产 [19] - 2023年发布端到端自动驾驶大模型UniAD并获CVPR最佳论文，2024年推出Vision Mamba模型超越Vision Transformer [20] - 地平线是国内唯一具备"软硬全栈+大规模落地经验+开放生态"的智驾科技企业，有望通过HSD成为高阶辅助驾驶市场顶级玩家 [23] - 公司强调"以快打慢"的竞争策略，认为技术创新速度和产品质量是维持市场领导地位的核心 [15][21] 技术演进与行业趋势 - 城区辅助驾驶经历从规则系统到混合系统，再到端到端技术的突破，实现性能体验跃迁和安全性的显著提升 [7] - 端到端技术突破使城区辅助驾驶上限大幅提高，带来系统能力和心理安全性的双重提升 [7] - 行业正从技术验证阶段迈向大规模普及阶段，地平线通过持续技术迭代保持竞争优势 [5][16]

Momenta自研芯片的战略意义 - Momenta首款自研辅助驾驶芯片已点亮并开始上车测试 性能对标英伟达Orin-X和高通8650等主流芯片[1] - 公司从纯软件算法厂商转向软硬一体全栈供应商 标志着战略重构和产业链话语权提升[1][20] - 自研芯片可避免外部芯片厂商的供应链和技术路径锁定 通过软硬件深度耦合提升迭代效率[6] Momenta的业务布局与市场地位 - 公司成立于2016年 采用L2与L4双线产品策略 主要产品包括量产L2系统Mpilot和L4无人驾驶系统MSD[2] - 合作客户覆盖全球头部车企 包括上汽、比亚迪、丰田、奔驰等 代表车型有智己L6/LS6、领克Z10等[2] - 2023年1月至2024年10月期间 城市NOA市场份额达60.1% 位列第三方智驾公司第一 华为HI模式以29.8%份额位列第二[3] - 配备其城市NOA技术的量产车型累计销量达11.4万辆 居行业首位[3] 对国际芯片巨头的冲击 - 英伟达Orin芯片成本高企且面临人才流失压力（如吴新宙加盟小鹏） 软件能力存在短板[6][8] - 高通舱驾融合方案主攻的中端市场受直接冲击 Momenta芯片接口兼容设计使车企可低成本平滑迁移[8] - 国际巨头可能通过降价、技术升级或深度合作反击 压缩Momenta的时间窗口[20] 对本土芯片厂商的挑战 - 地平线软硬结合定位与Momenta形成直接竞争 软件算法积累可能被反超[8][10] - 黑芝麻中低端市场定位面临性价比质疑 目标客户群与Momenta部分重叠[10] - 为旌、爱芯元智等新兴芯片厂商资源有限 Momenta的软硬一体优势可能进一步压缩其生存空间[11] 对车企自研策略的影响 - 小鹏、理想等车企需重新评估自研芯片的投入产出比 第三方方案可能提供更低成本更优技术[12][14] - 车企自研芯片属于封闭体系 成本分摊基数小 难以实现规模经济[14] - Momenta作为第三方Tier1可通过规模效应服务多家车企 但可能难以满足个性化需求[14] - 部分车企可能从全面自研转向关键环节自研或合作自研模式[15] 对传统Tier1供应商的冲击 - 华为ADS方案面临合规限制 Momenta提供更灵活的替代选择[16] - 博世等传统Tier1在高阶智驾方案推进速度较慢 需平衡软硬一体优势与车企差异化需求[16] - Mobileye从软硬解耦重新转向软硬一体 反映市场需求复杂性[17] 为车企带来的核心价值 - 城区NOA方案成本显著下降 加速智驾功能向中低端车型普及[19] - 软硬一体化减少适配成本和沟通复杂度 提升产品迭代速度[19] - 接口兼容设计缩短车型开发周期 智己、宝马等合作车企将优先受益[19] 面临的挑战与风险 - 车规级芯片认证标准严格 从点亮到大规模量产需漫长验证过程[20] - 量产稳定性和客户放量节奏是关键考验 需证明大规模生产和质量控制能力[20] - 行业技术门槛和商业壁垒较高 从技术验证到商业成功存在不确定性[20][21]

字节跳动AI硬件布局传闻 - 公司被传将在2024年底或2025年初推出AI手机 由中兴代工并暂命名为"豆包手机" 但公司否认有自有手机研发计划[1] - 公司被传与芯原股份合作设计AI算力芯片 但公司否认存在相关合作 2023年亦曾否认与博通合作开发AI处理器[1] - 市场对公司在AI硬件领域动向保持高度关注 尽管多次传闻均被官方否认[1] 现有AI硬件业务体系 - 公司通过2021年收购Pico进入VR硬件领域 曾发布Pico 4并占据国内VR市场领先地位 但2023年起业务收缩并转向聚焦硬件核心技术[3] - 2024年收购耳机品牌Oladance 推出AI智能体耳机Ola Friend 同时研发轻型XR眼镜对标Meta产品[3] - AI硬件由Ocean团队负责 隶属于公司AI产品大团队Flow 正在探索多款AI设备[3] AI生态全链条布局 - 模型层开源多模态智能体框架M3-Agent 在M3-Bench基准测试中表现优于GPT-4o 多项测试准确率提升[4] - 应用层拥有豆包/即梦等国内产品 海外推出AI教育应用Gauth服务全球3亿用户 另开发聊天助手Cici及智能体平台Coze[4] - 硬件布局旨在承接模型与应用生态 形成软硬一体闭环体验 覆盖手机/耳机/眼镜等多形态终端[4] 战略发展方向 - 公司硬件布局历史包括2020年推出大力智能学习灯等教育硬件 后因监管趋严而收缩业务[3] - 未来可能走向软硬一体生态布局 与国际厂商苹果/Meta路径类似 既是战略选择也是竞争必然[5] - 通过补齐硬件短板构建从云端到终端的AI闭环 强化全球化布局中硬件载体的战略地位[4][5]

字节跳动AI手机传闻 - 市场传闻字节跳动计划在2024年底或2025年初推出AI手机 暂名"豆包手机" 由中兴作为ODM厂商代工 早期主要用于内部团队测试 [2] - 公司官方回应否认推出自有手机产品 称正探索将AI能力开放给包括手机在内的硬件厂商 但不涉及自有手机研发与推出 [2] - 类似传闻并非首次出现 年初有报道称字节与努比亚合作开发AI手机 后被官方否认信息不实 [2] 芯片领域合作传闻 - 市场传闻字节跳动与芯原股份联手设计先进AI算力芯片 公司回应称并无AI芯片相关合作 [2] - 2023年曾有传闻称字节与美国博通合作开发AI处理器 由台积电制造 后亦被否认 [2] - 传闻与否认反映市场对字节在AI硬件领域的高度关注 [2] AI硬件领域现有布局 - 公司2020年通过教育品牌大力教育推出智能学习灯等教育硬件产品 后因监管趋严导致业务收缩 [3] - 2021年收购Pico成为硬件布局重要起点 曾发布Pico 4并打造内容生态 在国内VR市场占据领先地位 但2023年起面临业务收缩和人员裁减 转向聚焦硬件和核心技术长期探索 [3] - 2024年收购耳机品牌Oladance 推出AI智能体耳机Ola Friend 另据报道正在研发轻型混合现实（XR）眼镜 对标Meta同类产品 [3] - 负责AI硬件的Ocean团队正探索多款AI设备 隶属于AI产品大团队Flow [3] AI生态战略布局 - 硬件布局已形成体系 包括手机、耳机、眼镜等形态 核心是以硬件作为场景载体 承接模型、应用和内容生态 形成软硬一体闭环体验 [4] - 在AI上下游实现全面布局 包括模型、平台、应用和云服务 构建从模型到应用的丰富生态 [4] - 模型层近期开源多模态智能体框架M3-Agent 具备长期记忆和多模态推理能力 在多项测试中准确率优于GPT-4o [4] 应用层产品表现 - 国内推出豆包、即梦等多款AI应用 海外推出AI教育应用Gauth、聊天助手Cici和智能体开发平台Coze 均实现快速增长 [6] - Gauth已为全球3亿用户提供教育资源 [6] - 公司擅长产品和内容规模化打法 但硬件存在感相对薄弱 [6] 未来战略方向 - 随着AI演进 硬件将成为承载AI能力的关键接口 补齐硬件短板可帮助构建从云端到终端的AI闭环 且不局限于国内市场 [6] - 公司未来可能走向"软硬一体"生态布局 类似苹果、Meta等国际厂商 这既是战略选择也是竞争必然 [6]

通用人形机器人技术路径 - 构建通用人形机器人的核心范式是通用大脑与通用本体的融合，通过场景和数据形成AI进化飞轮[4] - 人类是唯一存在的通用具身智能体，向人类学习是实现通用人形机器人的最短路径[2][15] - 语言模型成功的关键在于借鉴人类语言学习过程，机器人需构建包含语言功能和物理交互能力的通用大脑[2] 星动纪元技术布局 - 已发布ERA-42通用大脑模型，集成视觉、理解、预测、行动功能，可通过语音命令控制机器人完成上百种复杂操作[4] - 全栈自研关节模组、灵巧手、电机等核心零部件，实现供应链垂直整合[4] - 推出国内首个具备55个自由度的双足人形机器人"星动L7"，性能超越特斯拉Optimus[5] - 超拟人服务机器人"星动Q5"已获海尔智家等企业超百单意向订单[5] 商业化进展 - 2024年已交付超300台产品，上百订单正在量产[8] - 全球市值TOP10科技巨头中9家成为客户[8] - 海外市场占比超50%，实现业务全球化布局[8] 技术研发策略 - 坚持"软硬一体"路径，从Day One开始同步开发本体与大脑[11][14] - 采用端到端VLA模型架构，是国内研究时间最长、成果最丰富的团队[13] - 开源humanoid gym算法获1000+ GitHub stars，推动行业技术路线收敛[20][22] 行业应用展望 - 工业场景效率已达人类70%，2025年有望提升至90%[26] - 短期B端工业场景优先落地，长期家庭场景将成为杀手级应用[28] - 未来五年家用场景机器人将迎来爆发期[29] 技术迁移方案 - 预训练阶段使用与本体无关的人类行为数据，实现形态相近机器人的能力迁移[16] - 软件定义硬件，模型可适配不同硬件，但硬件性能决定模型能力上限[18] - 直驱式灵巧手设计提升数据收集精度，优化强化学习效果[18]

大模型与AI硬件融合趋势 - 大模型全面进入协作与工具化时代，软硬件结合的价值被重新定义，硬件成为大模型交互的重要入口[1] - 未来AI硬件将在传统硬件无法胜任的场景中脱颖而出，软硬件一体化是实现这一点的关键[4] - AI硬件需在场景中高效获取上下文并将智能做到极致，形成核心竞争力[4][11] 行业实践与产品案例 - Plaud通过早期众筹产品实现盈利并积累生产能力，抓住大模型技术红利推出NOTE产品实现用户增长[6] - Rokid专注多模态核心应用十年，在空间计算领域投入获得海内外市场反馈[7] - Plaud在Kickstarter众筹达百万美元，成功关键在于真实需求洞察与出色设计结合[7] - Rokid眼镜实现"Always On"语音输入，结合AI快速输出结果节省人力成本[8] - 360 AI眼镜验证了智能硬件60分易得但80分需市场反复筛选的行业规律[10] 技术突破与挑战 - 多模态交互需解决实时性挑战，涉及端云协同、芯片功耗优化等复杂技术问题[17][18] - Rokid眼镜采用多指向性麦克风硬件设计，实现声源分离提升多模态处理基础[18] - 跨模态检索技术需融合视频、图像、文本等信息提升搜索精度[20] - 声纹识别+视觉的支付方案展示多模态在安全场景的应用价值[20] 市场竞争与生态构建 - 创业公司优势在于专注细分场景，避免与大厂在通用平台直接竞争[12][16] - 硬件行业需构建完整开发链路，包括数据飞轮、体验飞轮等环节[12] - 行业生态需要多样化参与者促进产品在价格、体验等方面优化[14] - Plaud通过隐私认证和端到端加密技术建立数据安全壁垒[23] 产品演进与用户需求 - AI硬件需平衡感知能力、算力与续航，通过NPU等专用芯片优化性能[24] - Rokid采取轻量化策略覆盖儿童、女性等更广泛用户群体[9] - 智能眼镜未来将分化发展，并非全部转向AR方向[25] - 用户高频使用依赖明确场景解决刚需，如翻译、语音识别等功能[26][31] 商业模式与全球化 - AI硬件+SaaS订阅形成可持续商业模式，用户为持续优化体验付费[31][33] - Plaud定位全球市场，通过本地化能力构建与大厂的差异化竞争[35] - 产品市场契合度(PMF)决定用户支付意愿，优化技术可承受更高成本[37] 行业发展趋势 - 智能穿戴设备将多元化发展，不存在单一终极形态[29] - XR行业经过十年沉淀，用户认知提升为AI硬件奠定基础[9] - 合成数据等技术降低AI应用开发门槛，减少对用户数据依赖[30]

行业投资评级 - 报告未明确提及行业投资评级 [1] 核心观点 - 华为通过盘古大模型与昇腾AI计算平台构建软硬一体的AI技术体系，从追赶SOTA模型转向为昇腾硬件量身定制模型架构 [2] - 盘古大模型演进的核心是解决大规模分布式系统中的效率难题，特别是混合专家(MoE)架构的负载不均衡问题 [2] - 华为推出Pangu Pro MoE和Pangu Ultra MoE两种创新路径，分别通过架构创新和系统级优化最大化昇腾硬件效率 [2] - CloudMatrix AI基础设施通过统一总线网络等技术创新，为上层软件创新提供物理基础 [4] - 全栈协同是华为AI的核心战略路径，包括模型开放和硬件生态建设 [5] 目录总结 盘古大模型演进 - 盘古大模型从PanGu-α(2000亿参数)起步，基于昇腾910和MindSpore框架 [6] - PanGu-Σ(1.085万亿参数)首次尝试稀疏化架构，采用随机路由专家(RRE)和ECSS异构计算方案 [8][9][11] - 盘古3.0推出"5+N+X"三层架构，面向政务、金融等行业深度优化 [15][16] - 盘古5.5全面拥抱MoE架构，Pangu Ultra MoE(718B参数)和Pangu Pro MoE(72B参数)针对昇腾硬件优化 [20][21] Pangu Pro MoE创新 - 采用分组专家混合(MoGE)架构，通过结构性设计解决负载不均衡问题 [26][28] - 在昇腾800I A2硬件上实现Prefill阶段吞吐量比72B稠密模型高203% [40] - 推理阶段达到平均每卡1148 tokens/s，使用多令牌预测后提升至1528 tokens/s [40] Pangu Ultra MoE优化 - 采用仿真先行设计方法，通过系统仿真确定最优模型架构 [48] - 选择Dropless路由和EP-Group辅助损失，优先保障模型性能 [49][51] - 在6000卡昇腾集群上实现30%模型算力利用率(MFU)，相对基线提升58.7% [55] CloudMatrix基础设施 - 采用PDC解耦架构，将Prefill、Decode和Caching分离为独立资源池 [66] - 通过统一总线(UB)网络实现跨节点通信延迟仅1.9µs，带宽164GB/s [88] - 昇腾910C NPU采用双Die封装和异构设计，单芯片提供752 TFLOPS BF16算力 [97] - CANN软件栈连接上层框架与底层硬件，支持算子融合等优化 [102]

行业投资评级 - 报告未明确提及行业投资评级 [1][2][3][4][5][6] 核心观点 - 华为盘古大模型从追赶SOTA模型转向为自研异腾硬件量身定制模型架构，构建软硬一体AI技术体系 [4][12] - 盘古大模型演进路径：PanGu-α（2000亿参数）→ PanGu-Σ（1.085万亿参数稀疏架构）→ 盘古3.0（"5+N+X"行业架构）→ 盘古5.5（全面拥抱MoE架构） [12][15][17][21][27][30] - Pangu Pro MoE采用分组专家混合（MoGE）架构解决负载不均衡问题，实现理论负载均衡 [37][38][45][46] - Pangu Ultra MoE通过仿真先行设计方法优化模型架构，在6000卡异腾集群上实现30%模型算力利用率（MFU） [64][68][71][82] - CloudMatrix基础设施通过统一总线（UB）网络和三平面架构支撑大规模AI推理，DeepSeek-R1模型推理效率达1.29 tokens/s/TFLOPS [88][93][97][102][113] 盘古大模型演进 - PanGu-α（2021年）：基于2048颗异腾910和MindSpore框架训练，采用五维并行策略，验证全栈自主技术路线可行性 [12][13] - PanGu-Σ（2023年）：1.085万亿参数稀疏模型，采用随机路由专家（RRE）和专家计算存储分离（ECSS）技术，训练吞吐量提升6.3倍 [15][17][18] - 盘古3.0（2023年）：提出"5+N+X"三层架构，覆盖气象、药物分子等行业应用，千卡训练长稳率达90% [21][22][23][24] - 盘古5.5（2025年）：推出Pangu Ultra MoE（718B参数）和Pangu Pro MoE（72B参数），全面优化MoE架构适配异腾硬件 [30][31][32] Pangu Pro MoE技术亮点 - MoGE架构将64专家分为8组，每组绑定1个NPU，强制每组激活1专家，实现理论负载均衡（IS=0） [45][46][54] - 训练阶段采用EP=2和PP=5流水线优化，MFU提升35%；推理阶段实现每卡1148 tokens/s吞吐量 [52][56][57] - 为异腾硬件定制MulAttention和SwiftGMM融合算子，注意力计算性能提升4.5倍 [59][61] Pangu Ultra MoE系统优化 - 通过仿真平台从10,000个候选配置中选出最优架构（61层/7680隐层/256专家），仿真与真实训练吻合度达90.1% [64][68][71] - 采用Dropless路由和EP-Group辅助损失，避免8% token丢弃率对模型性能的影响 [72][76] - 分层专家并行通信和自适应流水线重叠技术实现95%通信重叠率，训练效率提升58.7% [77][78][81][82] CloudMatrix基础设施 - UB网络实现NPU间164GB/s带宽和1.9μs延迟，跨节点性能衰减低于3% [102][121][122] - PDC解耦架构将Prefill、Decode与Caching分离为独立资源池，支持弹性伸缩 [97][98][101] - AIV-Direct通信机制绕过SDMA引擎，使通信延迟降低至微观指令级别 [108][109][132] - 异腾910C NPU采用AI Cube和AI Vector异构设计，支撑算子级深度融合 [132]