智能化

人工智能(A)的快速发展依赖于三个核心要素:数据，算法，算力。这个观点已经得到了业界的高度认可。只有这三个要素同时满足了才能加速人工智能的大发展。随着人工智能大模型规模变大以及普及应用，人工智能对能源的需求也在不断加大，逐渐成为人工智能发展关键因素之一。

商用车线控底盘赛道正成为智能驾驶领域最热的风口。 过去几年，智能汽车领域热门投资赛道大多集中在感知层和决策层，比如激光雷达、毫米波雷达等。 但2022年以来，各路资本涌向线控底盘领域，之后一直维持较高热度。 不少业界人士认为，基于线控底盘“人机解耦、高精度、高安全性”等特点，线控底盘将成为实现高阶自动驾驶的必要条件。

探求驾驶本质，人类驾驶是“本能反应”和“逻辑思维”的结合。人类的思考方式包含倾向于本能化的“快系统”和倾向于逻辑化的“慢系统”，驾驶行为也是一样，简单的驾驶行为可由快系统完成，复杂或者稀缺的长尾场景则需要调用慢系统通过人类此前积累的世界常识来处理。对自动驾驶而言，快慢系统结合为彻底解决无人驾驶提供思路。 算法、算力、数据全面升级推动自驾落地。算法端，前期传统模块化算法和端到端算法有望并行运转，平稳过渡到端到端为主；远期大语言模型有望和端到端结合，形成自动驾驶的“系统一”和“系统二”；最终强大的通用人工智能有望彻底实现自动驾驶。数据端，端到端算法对数据的“量”和“质”的需求激增，实车采集和合成数据共同为算法提供“养料”。算力端，云端算力需求进一步提升，推动模型迅速迭代。

大模型趋于分化，通用和垂直两条道路。美国模型聚焦通用，国内模型聚焦垂直行业。 通用大模型：参数普遍达上千亿甚至万亿，需要高算力进行模型训练，适用性广，如谷歌“ BERT”、OpenAI“GPT” 等。 垂直大模型：参数普遍几十到上百亿，所需算力小于通用模型，但对数据的专有性要求高，行业客户更易接受，能够看到明显受益。如华为“盘古”大模型。

一、模型变革，云端融合为趋势。近年来生成式AI步入快速发展期，开源及垂直大模型百花齐放。而今年以来，最大的变革则是端侧模型的兴起，相较云侧模型，端侧模型在时延、隐私、个性化方面具备优势。各大厂商亦纷纷推出AI终端，云端融合成为产业发展的下一趋势。 二、云端变革，GB200解决互联瓶颈。当下AI产业发展和核心矛盾，是日益增长的应用+终端的需求，和算力本身增速瓶颈之间的矛盾。当前全球AI芯片竞争日趋白热化。云厂商为了降低资本开支，纷纷推出自研AI加速卡计划。而GB200 NVL72的推出，显著拉开了英伟达与其竞争对手的差距。英伟达通过架构的创新，解决了GPU之间互联带宽的问题，实现了最多576张卡1.8TB/s的双向互联带宽，显著领先其他竞争对手。Blackwell平台给服务器上游的光模块和PCB都带来了价值量的提升，而GB200的Rack架构的主要价值增量则在铜互连、电源等环节，尤其是铜互连的从零到一，更值得关注。

丝杠：直线运动转换元件，下游助推品类扩充与技术升级。丝杠是基于螺旋传动以实现回转运动与直线运动转换的元件，精度从高到低可分为 C0、C1、C3、C5、C7、C10。凭借高传动效率、高精度、高转速以及高轴向刚度等优点，丝杠广泛应用于数控机床、半导体、精密磨床等工业设备中。丝杠主要有梯形丝杠、滚珠丝杠和行星滚柱丝杠三种类型：

智能汽车未来进入折价时代 新能源汽车市占率已达较高水平，市场竞争白热化。 新能源车经历溢价-平价-折价时代。 智能汽车优势凸显 比亚迪领衔降价潮，足够低的价格为智能化提供空间。 智能化部件降价趋势明显，技术选代产生源源不断的降本驱动力五大维度打造智能时代日益坚固的生态护城河 一个新时代企业的成功需要集齐五大要素：技术、内容生态、服务、价格、品牌效应。 端到端的核心竞争力是从制作端开始的整体化效应，生态打通后的整体效果要远远好于分裂的架构。

我们认为2023H2-2024H2是汽车智能化投资框架的重要拐点：1）智能化在汽车行业内部从配角逐步走向主角。2）汽车智能化或是AI板块黑马。也即把握汽车智能化投资节奏需要【跳出汽车行业思维定式，站在大AI视角去理解】。2024H2汽车智能化投资仍处于【估值驱动阶段】，【美国科技巨头AI进展+特斯拉/华为/小鹏智能化进展】重大事件是行情核心催化剂，【L3智能化渗透率】是核心验证数据。

何为空气悬架？更高级的汽车“减震系统”，有效提高驾乘舒适应、操控性以及车辆通过性 空气悬架主要由四大核心部件组成，包括空气弹簧（最重要）、减震系统（主要是CDC减振器）、空气供给单元（空压机+储气罐+分配阀等）以及电控系统（ECU），搭载空悬可更好地提升驾驶舒适性，操控性及车辆通过性。

AIGC产业持续推进，国内市场AI主题退潮、海外龙头持续超预期。1）AIGC持续迭代，模型层面OpenAI发布GPT-4o，国内应用端Kimi、豆包、秘塔等出圈；2）从市场表现来看，受Sora以及国内Kimi等主题推动，加之市场整体，1~3月AI应用板块反弹显著；4月下以来随着市场整体调整以及产业催化边际减弱，AI板块调整较为明显；3）从海外龙头业绩表现看，英伟达、Meta、谷歌等AI龙头2024年Q1收入利润均超预期，产业趋势仍然值得期待。

英伟达打响算力架构升级战：英伟达Q1业绩超预期，原因是Hopper架构的强势需求，公司给予第二季度乐观指引，Blakcwell出货时间为最大亮点。过去英伟达平均两年架构升级，目的是维持在GPU霸主地位。如今，英伟达GPU架构疯狂加速，黄仁勋宣布下一代AI芯片为Robin架构，以一年为节奏更新产品，用统一架构覆盖整个数据中心产品线，具体来看，2024年，Blackwell芯片现已开始生产；2025年，将推出Blackwell Ultra产品；2026年，将推出Rubin产品2027年，将推出Rubin Ultra产品。

AI 技术已发展至人类能力的高水位，AI4S 有望冲击科学研究的高峰，为现有的生产方式带来进一步的颠覆。AI for Science (AI4S) 将为人类提供新的科学研究工具，填补现有范式难以解决的鸿沟。目前的科学研究严重受到“维度灾难”的制约，尤其在海量数据处理和复杂物理系统中，现有算力条件都因代价过高难以建立高精度的模型。而以机器学习为代表的 AI 技术为系统性解决此类难题打开了窗口，有望引领人类跨越新的高峰。