文章核心观点 广州经济在“十四五”收官阶段展现出强劲韧性，其核心特征是在总量增长（如社零总额突破万亿元）的同时，实现了深刻的结构性优化与新旧动能转换，消费、产业、开放枢纽等多领域协同发力，共同驱动经济高质量发展 [2] 韧性之本：万亿消费市场 - 2025年1-11月，广州社会消费品零售总额达10078.01亿元，同比增长4.2%，标志着内需市场容量庞大且步伐稳健 [2][3] - 基础消费作为“稳定器”作用稳固：限额以上单位粮油食品、服装鞋帽、日用品零售额分别增长11.7%、12.1%和3.8% [3] - 绿色与数字消费成为“新引擎”：汽车类商品累计零售额增长4.2%，其中新能源汽车零售额增长12.7%；限额以上实物商品网上零售额增长10.2%，占社零总额比重提升至31.3%；住宿餐饮企业通过公共网络实现的餐费收入增长16.2% [3] - 升级类消费增长空间打开：金银珠宝类、化妆品类零售额分别增长10.2%和5.8%；文化办公类、体育娱乐用品类、电子出版物及音像制品类零售额分别增长11.5%、21.7%、1.1倍 [3][4] - 十五运会衍生品销售预计达10亿元，推出超2800款特许商品，其中超30款供不应求，浏览量突破亿次 [3][11] 转型之核：产业体系与新质生产力 - 汽车制造业工业增加值同比微降0.8%，但结构持续优化，新能源汽车累计产量增长22.6% [2][5] - 在“两新”政策带动下，电气机械和器材制造业、专用设备制造业工业增加值均保持9%以上高增速，电梯、家用冰箱、平板电脑等产品产量持续两位数增长 [5] - 新兴动能加速成长：显示器件制造业、集成电路制造业工业增加值分别增长18.7%和41.0%；液晶显示模组、模拟芯片、集成电路圆片产量分别增长1.1倍、17.8%和42.2% [6] - 低空经济领域表现突出：航空航天器及设备制造业实现增加值增长16.5%，民用无人机产量增长41.1% [2][6][9] - 小鹏汽车等企业发布VLA大模型、Robotaxi、人形机器人、飞行汽车等创新产品，智能网联与新能源车巡游活动勾勒未来出行图景 [5][6] 活力之源：开放枢纽与服务业赋能 - “两大盛会”（广交会、十五运会）叠加效应显著：第138届广交会境外采购商到会人数超31万，创历史新高 [7][10] - 2025年1-11月，广州市外贸进出口总值超1.1万亿元，同比增长12.1%；11月当月外贸集装箱吞吐量增速达27.3%，创年内单月新高 [7] - 1-10月，全市规模以上营利性服务业营收同比增长10.2%，其中互联网软件和信息技术服务业增长9.4%，租赁和商务服务业增长12.7%，科学研究和技术服务业增长11.5% [7] - 十五运会赛事为文体商旅融合注入动力，文化艺术业、体育业营收均实现两位数增长 [7] - 客运物流活力增强：1-11月全市完成客运量3.11亿人次，增长1.1%；航空客运量较去年提早一个月破亿人次；11月航空、地铁客运量均实现两位数增长，地铁当月日均客流首破千万人次；广州白云机场年旅客吞吐量首次突破8000万人次，其中国际旅客超1660万人次 [2][7][8]

行业战略转向 - 在2025广州国际车展中，人形机器人成为展台焦点，车企普遍未在汽车领域展示颠覆性新技术，而是将人形机器人作为新卖点，例如广汽集团展示第四代具身智能机器人GoMate Mini，小鹏汽车展示全新一代人形机器人IRON [1] - 除广汽和小鹏外，上汽、比亚迪、长安、奇瑞等车企均涌入人形机器人赛道，特斯拉将机器人视为公司未来 [1] - 智能汽车技术暂时进入空窗期，人形机器人站上车展C位，背后是各大车企掀起跨界布局机器人的热潮 [1] 技术协同与转型逻辑 - 机器人与智能汽车在底层技术上具有共通性，汽车的智能感知、自主移动、路线规划、人机对话等功能和解决方案可迁移至机器人 [1] - 车企以造车的思路造机器人，希望将自身在智能制造、运动控制、品牌和用户等方面的优势落地新赛道，转化为业绩和估值增长的第二曲线 [1] - 布局人形机器人是基于技术延展性和真实市场需求的长期战略，而非追逐热点的资本游戏 [2] 行业财务与市场背景 - 汽车行业前9个月整体利润率仅4.5%，低于下游工业企业平均水平 [2] - 三季度中国上市车企利润之和不及丰田一家企业，行业仍未完全走出价格战等阴云 [2] - 人形机器人需要高强度投入且回报周期漫长，市场教育和生态构建需大量时间和金钱投入 [2] 潜在挑战与平衡需求 - 若车企对人形机器人领域盲目投入，可能导致现金流长期紧绷甚至触发流动性危机 [2] - 需更谨慎地平衡创新投入与财务健康，车企才能在机器人赛道走得更远 [2] - 人形机器人运行的商业逻辑和所处商业阶段与汽车有差异，不能简单套用汽车行业模式 [2]

股价表现 - 小鹏汽车美股周二续涨超4% 两个交易日累计涨幅达20% 股价创年内新高 [1] - 小鹏汽车港股周二放量大涨17.93% 股价创2022年7月以来新高 全天成交额放大至逾90亿港元 [1] 市场关注点 - 小鹏汽车全新一代人形机器人IRON因"极度拟人"特点备受海内外用户和投资者关注 [1] - 特斯拉CEO马斯克点赞了关于小鹏机器人的视频 [1] 机构观点 - 摩根士丹利 德银 花旗 中金 中信证券等多家头部机构纷纷发布报告强烈推荐小鹏汽车 [1]

股价表现 - 公司股价大幅上涨，盘中最高涨幅达18.48%至109港元，最终收涨17.93%报108.5港元 [1] - 此次涨幅创下自2023年7月27日以来的最大单日涨幅，股价达到2022年7月以来新高 [1] - 全天成交额显著放大至超过90亿港元 [1] 市场关注与催化剂 - 公司全新一代人形机器人IRON因“极度拟人”的特点受到海内外用户和投资者的高度关注 [1] - 特斯拉首席执行官马斯克点赞了关于该机器人的视频，引发市场热议 [1] - 包括摩根士丹利、德银、花旗、中金、中信证券在内的多家头部投资机构发布报告强烈推荐公司股票 [1]

股价表现 - 小鹏汽车-W(9868HK)盘初股价大涨13%至104港元 创3月12日以来新高 [1] 产品与技术动态 - 公司全新一代人形机器人IRON因极度拟人受到海内外用户和投资者关注 [1] - IRON机器人全身拥有82个自由度 具备类人脊椎、肌肉、皮肤等特征 并能完成猫步行走等类人姿态 [1] - 公司董事长兼首席执行官何小鹏表示 IRON机器人计划于2026年底实现量产 [1] - 首批量产机器人将进入商业场景 提供导览、导购、导巡等服务 [1] 行业评价与竞争格局 - 特斯拉首席执行官马斯克点赞小鹏机器人视频 并表示特斯拉和中国公司将主导市场 同时表达对中国竞争对手的尊重 [1] 机构观点与评级 - 摩根士丹利对小鹏汽车评级为增持 目标价设为30美元/股 [1] - 德银在报告中称小鹏汽车迈向具身智能全球领导者地位一大步 并给出买入评级 [1] - 中金公司维持小鹏汽车跑赢行业评级 同时维持港股目标价108港元/股及美股目标价28美元/股 [1]

物理AI成为科技竞争焦点 - 物理AI在2025年秋成为全球科技企业竞相角逐的焦点，被视为人工智能发展的核心方向[1] - 英伟达在GTC大会上系统阐述物理AI技术战略，并公布量子计算、6G网络等前沿布局，公司市值正接近5万亿美元[1] - 小鹏汽车在科技日上发布第二代VLA、Robotaxi、新一代人形机器人IRON及飞行体系四项物理AI应用[1] - 全球科技巨头正以千亿级投入争夺物理AI技术时代的话语权[1] 物理AI概念与技术环节 - 物理AI概念于2020年首次提出，强调机体、控制、感知等要素的协同演进，2024年被英伟达视为AI核心方向[3] - 物理AI实现从数字理解到物理交互的维度跨越，其落地依赖虚拟环境物理建模与训练、高质量物理数据生成与推理、真实场景感知与决策闭环三大关键环节[3] - 虚拟建模核心是通过生成式物理引擎和强化学习技术，构建与真实世界高度一致的仿真环境，需平衡仿真精度与实时性[6] - 高质量数据生成依赖物理建模、数据采集技术和生成模型结合，需满足物理真实性与分布全面性要求[6] - 真实场景闭环依赖于多模态数据融合、端到端模型架构和实时算力支持，完成感知-决策-执行-反馈迭代[7] 海外科技巨头战略布局 - 英伟达整合Omniverse、Cosmos和Metropolis平台，形成从数据到决策的完整生态闭环，Omniverse通过高精度物理建模与数字孪生提供解决方案[8] - Cosmos通过生成式建模与物理推理生成物理逼真视频数据，解决传统VLM无法处理多步骤物理任务的缺陷[8] - Metropolis通过边缘视觉分析与算力协同构建感知底座，满足物理AI毫秒级动作生成需求[9] - 谷歌DeepMind发布Gemini Robotics 1.5系列通用机器人基座模型，结合视觉、语言与动作，并通过具身推理实现先思考再行动[9] - 特斯拉Optimus二代机器人拥有22个自由度灵巧手，计划到2025年底生产多达5000台，并利用千万辆汽车驾驶数据形成训练闭环[12] - 亚马逊在Lab126内组建Agentic AI团队，推出Blue Jay仓库机器人系统，计划到2027年实现75%仓储物流自动化，节省126亿美元人力成本[12][13] 物理AI重塑生产力潜力 - Gartner预测到2030年IT部门所有工作将与AI深度绑定，未来五年内25%的IT工作将由机器人独立执行[14] - 物理AI将人类从重复物理劳动中解放，推动生产力巨大跃升，其工业核心在于将刚性自动化升级为柔性自主化[14] - 数字孪生技术让工厂在虚拟空间完成仿真优化，大幅缩短生产周期，降低初期故障率[15] - 全链路协同优化使生产计划调整响应时间从数小时缩短至十分钟，综合生产成本进一步降低[15] - 在自动驾驶领域，物理AI依托多传感器融合、物理世界模型和超强算力，破解极端天气和突发状况下感知决策难题[16] - 在能源领域，物理AI动态调整电力分配策略，降低电网损耗，提升新能源消纳率[18] - 到2030年，物理AI将全面渗透生产生活，工厂实现100%自主化生产，自动驾驶车队主导城市出行[19] 物理AI发展挑战 - 物理AI决策失误可能导致严重后果，但全球尚未形成统一安全标准[18] - 仿真环境与真实世界的差异影响AI模型泛化能力，Sim2Real迁移仍是技术难点[18] - 高端传感器、GPU算力及定制化算法研发成本高昂，中小企业难以负担，技术普及速度受限[18]

股价表现 - 公司股价一度下跌超过5%，截至发稿时下跌3.08%，报85港元，成交额为10.87亿港元 [1] 科技日活动与产品发布 - 公司于11月5日举办以“涌现”为主题的2025科技日活动，聚焦“物理AI” [1] - 活动发布了四项重磅产品：小鹏第二代VLA大模型、小鹏Robotaxi、全新一代人形机器人IRON、飞行汽车 [1] - 公司第二代VLA大模型将面向全球商业伙伴开源 [1] - 公司计划于2026年推出3款Robotaxi [1] 管理层观点与产品细节 - 管理层认为Robotaxi要实现更大规模并走向世界，必须由整车厂亲自参与 [1] - 管理层认为目前人形机器人进入工厂或家庭场景并非最佳商业应用 [1] - 全新一代人形机器人IRON以外形极致拟人、步态轻盈如猫步为特点，其丝滑的拟人步态在社交平台引发热议 [1]

股价表现 - 公司股价一度下跌超过5%，截至发稿时下跌3.08%，报85港元，成交额为10.87亿港元 [1] 科技日活动与产品发布 - 公司于11月5日举办以“涌现”为主题的2025科技日活动，聚焦“物理AI” [1] - 活动发布了小鹏第二代视觉-语言-动作大模型，并将面向全球商业伙伴开源 [1] - 公司发布了小鹏Robotaxi，并计划在2026年推出3款Robotaxi产品 [1] - 公司认为Robotaxi走向更大规模和国际市场必须由整车厂亲自参与 [1] - 活动发布了全新一代人形机器人IRON，其以极致拟人的外形和猫步般轻盈的步态亮相 [1] - 公司发布了飞行汽车产品 [1] 管理层观点与市场反响 - 公司董事长何小鹏表示，目前人形机器人进入工厂或家庭做家务仍不是最佳商业应用场景 [1] - 人形机器人IRON因丝滑的拟人步态在社交平台引发热议，有网友质疑机器人内为真人，何小鹏对此回应表示感谢认可 [1]

公司战略定位 - 公司定位升级为"物理AI世界的出行探索者，面向全球的具身智能公司" [3] - 公司董事长认为AI正在创造全新可能，过去6年的未来憧憬正逐渐成为现实 [2] 第二代VLA大模型 - 公司发布第二代视觉-语言-动作大模型，开启物理世界模型新范式，是智能辅助驾驶的又一次突破 [5] - 该模型以视觉为核心，去掉语言转译，降低信息损耗，推理效率更高，反应更快 [5][7] - 模型可推演未来决策场景，生成真实长尾场景，并应用于AI汽车、Robotaxi、机器人、飞行汽车 [7] - 基于该模型，公司即将发布"小路NGP"功能，提升复杂小路与多车混行环境下的辅助驾驶表现 [8] - 该模型将面向全球商业伙伴开源，大众汽车成为其首个客户 [9] Robotaxi业务规划 - 公司认为Robotaxi走向更大规模、走向世界必须由整车厂亲自操作 [2][10] - 计划在2026年推出三款Robotaxi车型，并启动试运营 [2][10] - Robotaxi将搭载第二代VLA模型，不依赖高精地图，实现规模量产，可跨城市甚至跨国家运营 [10] - 高德成为公司Robotaxi的首个全球生态合作伙伴，Robotaxi将接入高德聚合打车平台并携手出海 [11] - 2026年将同步推出全新智驾版本汽车"Robo"，与Robotaxi同源，拥有相同硬件配置和智驾能力 [11] 人形机器人IRON - 全新一代人形机器人"IRON"拥有仿人脊椎、仿生肌肉、全包覆柔性皮肤，支持体型定制 [12] - 机器人采用全固态电池技术，为长续航与复杂环境下的安全运行提供保障 [12] - 公司认为人形机器人进入工厂或家庭并非最佳商业场景，真正商业化落地尚需时间 [2][13] - 计划在2026年让人形机器人进入公司门店承担讲解与服务等工作 [14] - 目标在2026年年底实现规模量产高阶人形机器人 [14] 飞行汽车与基础设施 - 公司正构建低空出行的两套飞行体系：面向个人的陆地航母和面向多人的全倾转混电飞行汽车A868 [15] - 公司在广州建立了首个具身智能数据工厂，以应对人形机器人训练数据缺乏的挑战 [14][15]