全球市场展望与投资策略 - 面对贸易关系紧张、地缘政治不确定性和全球通胀压力 强调投资组合需保持灵活性与多元化配置[1] - 美国企业盈利预计增长5%至10% 主要受益于实质GDP增长达1.5%[1] - 企业盈利增长将更为广泛 大型股表现突出 价值型与增长型股票均有望获得正回报[1] 亚洲市场投资机遇 - 印度市场受通胀降温、GDP增长强劲支撑 制造业蓬勃、就业正式化与数码基建发展构成结构性主题[1] - 印度在全球供应链中深度整合 在保护主义背景下获得更大长期投资价值[1] - 中国科技发展方向明确 正建立强大机械人产业生态系统 泛人形机器人应用快速发展[1] 亚太地区结构性机会 - 亚太企业在全球科技和人工智能价值链中扮演重要角色[2] - 半导体与存储器芯片制造商、后端设备制造商及基础设施供应商领域存在长期投资机会[2] - 日本市场受益于企业改革、通胀正面影响和经济正常化 金融、工业和消费品行业存在特定机会[2] 投资组合构建策略 - 采用自下而上选股策略专注发掘区域性投资机会[2] - 通过平衡配置优质增长股与收息股构建韧性组合 兼顾长期资本增值与稳定股息收入[2] - 互补性资产配置有助于构建全天候投资组合 在市场上行时捕捉增长机会并通过股息提供防御能力[2]

泛人形机器人行业 - 2024年下半年泛人形机器人在物流场景从demo转向交付客户试用 客户验证后2025年有望爆发增长 [1] - 海外因人工成本更高昂 将成为物流场景落地首选区域 [1] - 建议关注具备二次开发能力的整体方案解决商及商业化落地领先的本体厂核心供应商 [1] 机场行业 - 国际线客流恢复是机场板块主要看点 宏观经济及内需消费复苏推动2025年商业板块客单价提升 [2] - 免税扣点率难回疫情前高位 但重奢品牌加速入驻带来新增长点 向下空间有限 [2] - 建议把握机场板块底部布局机会 需关注免税协议修订及有税商铺招租进展 [2] 血制品行业 - 2025年1-6月白蛋白和静丙批签发保持稳健 国产白蛋白签发批次占比同比提升 [3] - VIII因子和纤原等因子类产品批签发增速较快 反映企业持续拓展因子类产品管线 [3] - 层析静丙和皮下注射免疫球蛋白等新型免疫球蛋白研发持续推进 多款产品处上市审评阶段 [3] - 2024年下半年产品价格逐步稳定 叠加采浆量增长及新产品贡献 行业预计保持稳健增长 [3] - 建议关注头部企业通过内生增长与外延整合拓展浆站资源的能力 [3]

泛人形机器人商业化进展 - 当前硬件端泛人形机器人已达到物流场景商业化门槛 但国产具身模型端仍有提升空间 [1] - 海外Figure 02分拣效率接近熟练工人 处理单件包裹平均耗时4.05秒 与人工3-5秒效率相当 [1] - 国内智元精灵G1分拣速度较熟练工人仍有差距 且在分拣质量和异常处理方面存在不足 [1] 物流场景应用前景 - 分拣场景机器人替代工人处于经济性临界点 下半年将从demo场景转向客户试用阶段 [1] - 海外市场因人工成本更高 将成为物流场景落地首选 预计2025年迎来爆发增长 [1] 技术性能对比 - Figure 02采用Helix神经网络实现高效分拣 国内产品尚未达到同等技术水平 [1]

技术能力与商业化门槛 - 泛人形机器人需具备多模态感知和端到端大模型能力以实现物流分拣作业 [1] - 硬件端已达到物流场景商业化门槛 但国产具身模型端距离真正落地仍有提升空间 [1] 经济性分析 - 在2年收回成本假设下 泛人形机器人投入产出比已与分拣工人持平 [1] 商业化进程 - 今年下半年将从demo场景转向交付客户试用 [1] - 客户验证后明年有望迎来爆发增长 [1] - 海外因人工成本更高昂 将成为物流场景落地首选 [1] 投资机会 - 建议关注凭借二次开发能力获得超额溢价的整体方案解决商 [1] - 建议关注商业化落地进展领先的本体厂对应的核心供应商 [1]

行业技术现状 - 泛人形机器人需具备多模态感知和端到端大模型能力以实现物流分拣作业 [1] - 硬件端已达到物流场景商业化门槛 但国产具身模型端仍有提升空间 [1] 商业化进展 - 在2年收回成本假设下 泛人形机器人投入产出比已与分拣工人持平 [1] - 今年下半年将从demo场景转向交付客户试用 明年有望爆发增长 [1] 市场布局策略 - 海外因人工成本更高昂 将成为物流场景落地首选区域 [1] 投资关注方向 - 建议关注具备二次开发能力的整体方案解决商 可能获得超额溢价 [1] - 建议关注商业化落地领先的本体厂对应的核心供应商 [1]

行业技术现状 - 泛人形机器人硬件端已达到物流场景商业化门槛 [1] - 国产具身模型端距离真正落地仍有一定提升空间 [1] - 机器人需具备多模态感知和端到端大模型能力以实现物流分拣作业 [1] 商业化进展 - 今年下半年泛人形机器人将逐步从demo场景转向交付客户试用 [1] - 待客户验证后明年有望迎来爆发增长 [1] 经济性分析 - 在2年收回成本假设下泛人形机器人投入产出比已与分拣工人持平 [1]

技术能力要求 - 泛人形机器人需具备多模态感知能力(视觉、触觉、力觉等)和自主决策的端到端大模型能力以实现物流分拣作业 [1][2] - 物流分拣动作包括包裹检测、抓取与翻转、条码识别、路径规划、投递归位等步骤 [2] 商业化进展 - 硬件端泛人形机器人已达到物流场景商业化门槛 但国产具身模型端仍有提升空间 [1][2] - 海外Figure 02处理一件包裹平均时间为4.05秒 接近熟练工人3-5秒的效率 [2] - 国内智元精灵G1分拣速度较熟练工人仍有差距 分拣质量和异常处理能力也存在不足 [2] 经济性分析 - 假设分拣场景工人年工资10万元 泛人形机器人成本40万元 单日工作20小时效率为工人80% [3] - 在2年收回成本假设下 泛人形机器人投入产出比已与工人持平 [3] - 硬件成本下降和智能化水平提升将增强替代工人的动力 [3] 模型与技术发展 - Figure 02搭载Helix具身智能模型 智元精灵G1采用端到端数据驱动具身算法 [3] - 智元与德马科技共建训练与数据采集工厂 Figure在快递流水线上进行实训 [3] 行业展望 - 2024年下半年泛人形机器人将从demo场景转向客户试用 2025年有望爆发增长 [1][3] - 海外因人工成本更高 将成为物流场景落地首选 [3] - 建议关注具备二次开发能力的整体方案解决商和商业化领先的本体厂核心供应商 [3]