智能化

具身智能有望开启万亿级蓝海市场。在当前时点复盘机器人与人工智能的发展历程，机器人已经进入具身智能时代，与此同时，人工智能也将走向“物理 AI”发展阶段。人形机器人是两者汇聚的交点，也是具身智能时代的临界点，有望成为新一代智能终端，并开启万亿级蓝海市场。

2025年伊始，人形机器人持续疯狂出圈，上春晚扭秧歌、功夫、前后空翻、舞蹈、进工厂打工等，始终立于大众及资本市场聚光灯之下。而伴随着产业出圈，各地政府政策高调托举，人形机器人产业投资或不容忽视。 人形机器人整机企业虽然获得当前市场最高的关注度，但处于商业化前期的人形机器人产业未来竞争格局还未成型，而作为人形机器人供应链的确定性或更高。人形机器人供应链企业目前来看主要来自两大行业，一是汽车零部件企业，二是工业机械企业；我们更为强调人形机器人与汽车供应链企业融合发展，原因主要在于汽车零部件企业更为精密严苛的制造技术底层、以及特斯拉擎天柱带来的融合示范效应。

10-20万元价格带或为国内城市智驾突破放量的关键：我们预计2025E国内L2+城市智驾渗透率有望近10%，预计2026E及之后有望迎来高速增长；其中，10-20万元平价智能化的推进或为国内城市智驾突破放量的关键。对于10-20万元细分市场：1）供给端：比亚迪占据绝对主导、零跑/广汽丰田全新激光雷达城市智驾车型价格已下探至15万元以下，供给端变革已逐步显现。2）需求端：用户对价格更敏感、以城市代步为主（vs.城市智驾尚未成为行业标配），预计技术/降本为解决供需错配的核心。

从算力的产业链来看，算力产业主要载体是数据中心，其中服务器作为计算力的承载者，是数据中心的核心设备。从服务器的成本构成来看，芯片处于了核心地位，在 AI 大发展的背景下，GPU又成为芯片需求的主导。

在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。

当前AI和机器人产业正处于从0-1向1-10跨越转换的关键时刻，商业化落地有望开启景气主线行情，核心关注渗透率指标，市场焦点或将转向业绩兑现。综合考虑产业优势结合应用前景，AI和机器人行情高度应不亚于前。当前市场仍然缺乏显著增量资金，短周期快速波动或取代A字大幅波动。向后展望，ETF可能是下一轮主力资金，同时有望推升龙头；2月中国股市流入百亿美元，全球资金回流CN资产值得期待。行情节奏方面，早期阶段若估值/仓位/交易热度过高，可能对继续上涨形成一定的阻力，存量资金博弈下，交易热度指标有效性高，此外近期还需关注其他宏观变化可能导致市场主线转向。

2025 年开年，全球人形机器人赛道迎来“井喷式”爆发。中国宇树科技继春晚“转手绢”表演后，其工业机器人 G1 以 9.9 万元低价掀起价格战，在电子厂测试中替代 80 名工人，良品率反升 1.2%。 与此同时，美国 Figure AI 发布革命性 AI 系统 Helix，实现机器人自主协作分拣快递，误差率降至 0.3%。特斯拉 Optimus 宣布 2025 年量产 1 万台，马斯克直言“未来机器人需求将超越汽车”。

智能眼镜或许是承载AI应用的重要硬件形态。智能眼镜卡位独特，提供语音、手势等多种交互方式，有望成为下一代普及的智能终端。Ray-Ban Meta发布带火智能眼镜赛道，主打语音交互和拍摄的AI眼镜大量上市。我们认为AI眼镜的核心在于智能交互，语音是一种交互方式，但视觉交互能够取得更好的效果，“AI+AR”或是下一代智能终端的解决方案。

随电动化渗透走向深水区，智能化有望带来新一轮颠覆式变革。前瞻跟踪、判断各智驾能力及潜力成为识别整车 Winner 愈发重要的议题。我们试图通过系列报告尝试逐步回答如下问题：技术方案是在收敛还是扩散？如何相对客观的评价智驾水平？技术方案动态变化将如何影响企业资源分配及成本构成？动态竞争格局会如何演绎？等问题。

灵巧手是人形机器人的灵魂，降本是核心。灵巧手作为一种仿人手生理结构机器人，是一种拟人化并能实现智能控制的高级末端执行机构。灵巧手种类多样，按照传动方式与驱动结构划分，可以分为腱绳传动、连杆传动、齿轮传动、液压传动和混合传动，其中腱绳传动方案一直是行业的主流方案。特斯拉发布原型机后，其展示的灵巧手方案多次迭代，其在降本为核心的路径中，驱动系统整体重构，2024 年 10 月展示的灵巧手看，整体细节更加简洁，动作更加灵活，目前的灵巧手方案是电机通过行星滚柱丝杠驱动腱绳，同时自由度提升到 22 个，驱动装置前移至小臂。

AI Agent能使用工具来在现实世界中获取实时信息或给出行动建议，为此，模型需要访问外部工具，自主规划和执行任务。 宽泛地来说，生成式AI Agent可以被定义为一个应用程序，通过观察周围世界并使用可用的工具来实现其目标。 Agent是自治的(autonomous)，只要提供了合适的目标，它们就能独立行动，无需人类干预；即使是模糊的人类指令，Agent也可以推理出它接下来应该做什么，并采取行动，最终实现其目标。

AI 大模型是人工智能预训练大模型的简称，其融合了“预训练”和“大模型”两个核心概念，开创了一种全新的智能模式。具体而言，AI 大模型通过在海量数据集上进行预训练，能够在仅使用少量数据进行微调，甚至无需微调的情况下，直接支持多种应用场景。模型通常采用多层神经网络架构，并借助高级优化算法和强大的计算资源进行训练，从而具备出色的泛化能力、通用性和实用性，广泛应用于自然语言处理、计算机视觉、智能语音等多个领域，并在其中取得了突破性的性能提升。