智能化

货车ADAS：指安装在货车和/或牵引挂车上的各类驾驶辅助系统，含0-2级自动化

自主决策与执行：智能体从依赖用户指令的“建议者”转变为能够自主决策和执行的“执行者”。例如，Manus能够自动完成从任务规划到成果交付的全流程，如筛选简历时自动解压文件、提取关键信息并生成排名表格。

国产人形机器人本体厂有望在量产阶段获得竞争优势，建议关注国产本体厂和相关供应链。2025 年为人形机器人商业化落地元年，国内市场是人形机器人早期落地最佳市场，且国内人形机器人产业具备完善供应链和丰富高质量劳动力，机器人量产后，国产厂商有望在国际竞争中获得优势，建议关注国产人形机器人本体厂及其相关供应链。

2024年1月，发布《人形机器人核心硬件市场发展白皮书》，获得上游产业链等各界广泛关注 2024年9月，发布《全球人形机器人整机企业画像与能力评估报告》，完善中游整机环节产业洞察 2025年4月，发布本报告《人形机器人应用场景洞察白皮书-工业场景篇》持续贯穿至下游应用，聚焦汽车制造 Next Step，计划发布人形机器人家用场景落地相关调研，从场景画像、用户画像等角度进一步打开

从2021年8月特斯拉提出人型机器人至今，经历了初期概念—产品送样—技术升级—即将量产四个阶段。 ①2021年概念阶段：特斯拉首提tesla bot，市场认知集中于T链执行器和灵巧手、减速器等价值量高、壁垒高的环节；②2022年原型机阶段：特斯拉发布Optimus原型机，BOM占比高的丝杠环节和灵巧手标的跑出α；③2023年第二代阶段：特斯拉发布gen2，技术升级，传感器等领域表现较强；④2024年末至今：特斯拉第三代相关视频陆续更新，灵巧手等领域表现较强，叠加华为、Figure等国内外多家大厂产业化加速，机器人行情全面扩散形成强β。

2025年DeepSeek完全实用手册V1.5-技术原理使用技巧部署进展

具身智能是汽车板块最强产业趋势。具身智能是AI最强应用，而智驾和人形机器人则是具身智能最重要两个方向。在电动化之后，智驾和人形机器人为代表的具身智能赛道将重塑整个汽车产业链，成为汽车板块最强产业趋势。智能驾驶：高阶智驾1-N，robotaxi 0-1，供应链芯片、激光雷达和清洗等增量赛道迎爆发式增长，整车格局迎变局。

AI+AR 眼镜是人工智能技术落地的理想硬件载体。人类通过视觉获取的信息约占获取总信息量的 80%，这一生理特征决定了视觉交互终端的天然优势。庞大的近视人群以及传统眼镜市场的稳定换新需求，为AI 眼镜创造了广阔的市场机遇。世界卫生组织发布的数据显示，2020年全球近视人数已达到 26 亿，预计到 2030 年将增加至 34 亿。根据Wellsenn XR 数据整理及预测，近几年全球近视眼镜销量稳定在 7 亿副左右，并且随着全球人口的增长呈现稳定的缓慢增长趋势。AI+AR 眼镜通过融合 AR 显示与大模型能力，缩短信息获取路径至视觉神经反射层级，通过技术赋能实现从矫正工具到智能终端的升级，实现“解放双手”的沉浸式交互，蕴含着巨大的市场潜力，或将成为 AI 眼镜的终极形态。

智能驾驶正在重塑人类出行方式，中国凭借全球领先的智能驾驶技术引领着这场变革。《智能驾驶商业化白皮书》的发布，将见证这一变革并助力智能驾驶迈向商业化新阶段。作为平安产险的董事长，我深知保险在智能驾驶生态中的重要性。保险承担着化解风险、构建信任的关键使命。保险行业需要通过完善的风险保障机制与创新的保险服务模式，为智能驾驶技术的商业化落地提供坚实保障。

人工智能产业趋势开启，逐步向成长投资阶段过渡。目前以人工智能为代表的第四次产业革命在全球范围内快速演进，将显著提升全球经济增长潜力。IDC 预测，到 2026 年，数字产品、服务和体验将为全球企业 2000 强增加超过 40%的总收入；到 2027 年，70%的经济价值将以高信息密度的商品和服务形式呈现。随着性能及成本瓶颈同时攻克，人工智能应用领域将持续拓展，人工智能将从此前的主题投资逐步向成长投资过渡。综合考虑技术可行性及商业可行性，预计人工智能将在娱乐、游戏、电商等领域率先应用，其次为教育、医疗等。

随着信息技术的飞速发展和数字化转型的深入推进，运维领域经历了从传统人工操作到智能自治的跨越式发展。从最初依赖人工经验的被动响应，到自动化工具带来的效率革命，再到机器学习赋能的智能分析，直至如今引入大模型等人工智能技术实现的自主决策，运维工作不断突破技术边界，从"人力密集型"向"认知密集型"转变。

模型上下文协议（Model Context Protocol）是一个开源协议，由Anthropic（Claude开发公司）开发，旨在让大型语言模型（LLM）能够以标准化的方式连接到外部数据源和工具。它就像AI应用的通用接口，帮助开发者构建更灵活、更具上下文感知能力的AI应用，而无需为每个AI模型和外部系统组合进行定制集成。MCP被设计为一个通用接口，类似于USB-C端口，允许LLM应用以一致的方式连接到各种数据源和工具，如文件、数据库、API等。