智能化

自动驾驶行业已从基础的先进驾驶辅助系统（ADAS）功能演进至更高级的自动导航辅助驾驶（NOA）方案。传统L2 ADAS聚焦于单点辅助功能，而城市NOA代表了更复杂的系统级能力，可在开放城市环境中实现连续的点到点辅助驾驶。 与高速场景相比，城市道路涉及更高的不确定性，也带来更多机遇。因此，城市NOA已成为量产自动驾驶的关键基准。在软件与硬件的快速进步推动下，城市NOA正从高端车型向更广泛的大众市场车型渗透。这一转变正在加速自动驾驶的商业化进程，并重塑整车厂（OEM）、Tier-1供应商与第三方解决方案提供商之间的价值池。

矿山轮胎这一传统赛道在“智慧矿区”浪潮下的焕新机遇，“无人矿卡渗透率提升→轮胎智能化需求释放”的传导路径。根据奥地利联邦财政部发布的《WorldMiningData2025》数据显示，世界矿产产量整体已由1984 年的933,292 .98万吨增长至了2023 年的1,919,058 .12 万吨，复合增长率为2%。矿产产量的提升也带动了矿用卡车市场的增长，根据QYResearch，2025 年全球矿用卡车市场销售额达到了387 亿元，预计2032 年将达到473.8 亿元，年复合增长率（CAGR）为3.0%。同时，矿用卡车行业也进行着新一轮的转型，根据中国煤炭工业协会，随着露天煤矿的数字化转型，无人矿卡需求量仍将继续呈现较快增长态势。作为矿用卡车的主要消耗品，矿用轮胎应用场景广，细分品类多，相关市场竞争较为集中，原材料中期来看面临着成本压力。

在全球科技革命与产业变革深度融合、人工智能全面进入生产力变革阶段的当下，自动驾驶已从单一的汽车技术迭代，演变为AI技术落地物理世界的核心载体。自动驾驶融合传统汽车工程、传感器技术、高精度定位、云计算与多门类 AI 技术，尤其是近年来大模型、物理AI等前沿技术的爆发，彻底打破了传统 “感知-决策-控制” 模块化架构的局限，推动自动驾驶从L2 辅助驾驶向L4 高度自动驾驶快速迈进，成为AI 技术从数字空间走向物理实体交互的标杆领域。

关注特斯拉HW3 FSD V14 Lite推送、比亚迪智驾战略落地反馈与小鹏GX技术下放验证。特斯拉预计6月底向美国HW3车辆推送FSD V14 Lite，若旧硬件可通过蒸馏模型获得接近V14的核心体验，将验证“存量车队+OTA模型压缩”价值；比亚迪5月28日召开智能驾驶战略发布会，6月建议重点跟踪天神之眼、城市领航、低成本高阶ADAS硬件下放及主流车型OTA/新车装配节奏；小鹏GX上市后关注订单、试驾、OTA6.2.0反馈及Robotaxi下半年示范运营前的测试进展。

2026 年激光雷达已从智能驾驶选配硬件升级为空间智能感知核心方案，行业进入高速增长期。车载 ADAS 仍是核心应用，随 L2 + 及以上车型普及快速下沉，市场规模持续扩大；Robotaxi 商业化提速，泛机器人领域（人形、配送、割草等）成为第二增长曲线。技术上向固态化、芯片化、全栈集成迭代，成本大幅下降。全球市场格局已由中国厂商主导，速腾聚创、禾赛、图达通等占据近九成份额。政策法规趋严与 AI 对三维数据需求提升，进一步强化激光雷达的刚需地位，全场景应用持续拓宽。

L3 量产车投入使用，场景落地表现出色。此前，自工信部于 2025 年 12月 15 日首次为北汽极狐阿尔法 S(L3 版)、长安深蓝 SL03 两款车型发放L3 级有条件自动驾驶准许许可，准许其分别在北京、重庆指定区域上路以来，相关车辆逐步开始场景化落地。实际效果层面，重庆首批 46 辆L3 自动驾驶车辆在内环、渝都大道等指定拥堵路段试点运营，最高车速50km/h。依托重庆叠加山路、高架、平交路口的复杂路况，该拥堵场景L3 智驾已累计激活里程超 15 万公里，拥堵路段叠加复杂地形的 L3 级自动驾驶，让全行业看到了成熟的应用场景。

AI算力需求突破单点数据中心物理限制，驱动算力集群向跨域协同演进 。DCI网络正跃迁为高容量互联架构，依托相干ZR/ZR+与DWDM技术支撑分布式GPU/TPU集群的统一调度 。受AI拉动，全球DCI市场规模预计将于2030年增至298.5亿美元，复合年增长率达14.2% 。叠加光纤预制棒产能滞后，G.652.D等高规格光纤价格大幅飙升，供需错配助推DCI赛道开启量价齐升的高景气周期 。

作为数据中心互联的核心组件，交换芯片用于处理数据交换和报文转发，占交换机成本比例达 30%以上。我们看好 26 年起交换芯片在 AI 驱动下开启二次成长：1）万卡级以上集群需要更加稳定可靠的网络系统，推动数据中心 Scale out 交换机向更高容量、速率发展，Scale out 交换芯片有望量价齐升；2）超节点架构或为国产算力追赶海外算力的破局之道，超节点放大集群内 Scale up 作用，交换芯片配比通常高于 Scale out，未来或催生大量交换芯片需求。我们测算 28 年国产交换芯片市场空间有望达到 242 亿元，26-28 年 CAGR 为 96%，建议关注海外龙头及国内自研技术领先的芯片商。

随着数字经济的迅猛发展，人工智能（AI）与云计算作为推动新一轮科技革命和产业变革的关键技术，正日益深度融合，成为中国经济实现高质量发展的重要引擎。进入 2026 年，人工智能与云计算的结合不仅在技术层面展现出强大的协同效应，更在政策支持、市场需求和实际应用层面形成了良性互动，极大地推动了产业的数字化、智能化转型升级。

AI Agent，作为人工智能领域的重要组成部分，指的是能够自主感知环境、理解任务需求，并通过学习和决策机制执行相应动作的智能实体。它不仅涵盖了传统的软件机器人，还包括具备自主学习和适应能力的智能系统。AI Agent 通过与环境的交互，完成信息收集、知识推理、任务执行等功能，体现了从被动执行到主动决策的智能转变。

人工智能大模型，通常指的是那些拥有极其庞大参数规模和复杂网络结构的深度学习模型。这类模型的参数数量通常达到数十亿乃至数千亿级别，远远超过传统的小型或中型模型。大模型不仅能够处理单一类型的数据，还能够有效地处理多模态数据，从而展现出强大的泛化能力和自适应能力，能够在不同任务和场景中灵活应用。

因此，当智能体时代来临，而 Java 正处于追赶状态时，我的第一反应是一种本能：构建一个框架。我甚至已经启动了项目，内心充满了“AI 智能体领域的 Spring Framework 在哪里？”的疑问。