新热点

站内搜索

汽车行业专题研究:体验向上价格向下,端到端加速落地

高阶智驾逐步由尝鲜阶段向大众用户普及,24 年 11 月 L2.5/L2.9 级智能驾驶(对应高速和城市 NOA)渗透率达到 3.5%/10.1%。2025 年预计高阶智驾加速迭代:1)体验向上:各家强调体验和好用度,端到端架构预计将加速落地,一方面是全国都能开/接管里程数/车位到车位等硬指标比拼;另一方面各家不约而同强调“拟人化”。2)价格向下:随着技术成熟和降本,当前高速和城市 NOA 已下探到 10/15 万内价格段车型,在比亚迪全民智驾等因素催化下,我们预计 2025 年高速/城市 NOA 渗透率将分别达 16%/14%。

购车用户趋势洞察(2025):“两新”政策下,用户的反古与演进

2024年汽车市场正在经历巨大的结构性变化,一方面国家及地方政府出台的“两新”政策使乘用车市场在年末迎来超预期“跃进式”增长,置换人群成为购车绝对主力;另一方面,新能源销量渗透率在7月首次突破50%,意味着新能源市场从新兴市场向主流市场的蜕变和演进。正是这些变化带来人群结构拐点。

2024年鸿蒙生态全场景流量分析报告

鸿蒙生态发展趋势: 持续创新推动鸿蒙生态全面发展; 全场景多终端触点覆盖与AI提效服务智能是其两大核心能力; 鸿蒙生态的六大优势:全球第三大移动操作系统;万物互联核心入口,形成商业变现闭环;领先技术与高性能驱动智慧营销;轻量化应用形态元服务;场景化精准营销;行业最高等级安全认证。

半导体相关电子化学品行业分析:Deepseek推动AI技术蓬勃发展,相关化工新材料有望收益

本篇报告是 AI 系列深度报告的第二篇,本系列的第一篇报告着重从 AI 新技术带来的化工行业的改变和可能的演绎路径角度去梳理行业长期趋势,而本篇报告主要从材料端的角度针对 AI 技术的快速发展可能产生的影响进行了梳理,随着以 Deepseek 为代表的人工智能技术的迅速发展,有望带动产业链上下游相关化工新材料的需求。

可选消费行业专题研究:从AI眼镜看家电龙头价值重估

AI 热潮持续,AI+眼镜作为重要交互入口,2024 年已有成熟产品量产发售,并在 2025 年 CES 上大放异彩。我们认为 AI+眼镜率先普及离不开 AI 技术进步、产业链逐步成熟及产品精准定位,也为 AI+在家电领域的应用提供了范例。家电主要位于 AI 产业链的应用层和终端产品层,服务机器人、智能安防、影音、智能家居等或是未来 AI+的主要方向。2025 年 2 月 10 日国常会研究提振消费,支持促进“人工智能+消费”,更为 AI+家电发展注入动力。因此,未来 AI+有望驱动家电大类成长,建议关注布局领先的品牌企业 TCL电子(持股雷鸟,AI+家庭影音)、海信视像(AI+家庭影音)、石头科技(AI+服务机器人)、安克创新(AI+智能家居)、萤石网络(AI+智能家居)。产业链公司还包括博士眼镜、明月镜片、康耐特光学、科沃斯、康冠科技等。

乘用车座椅行业专题:打造多样交互场景,受益于产品升级和进口替代的优质赛道

座椅提供差异化配置,行业空间加速升级。国内汽车行业总量红利期已过,当前进入低增速常态化阶段,燃油车/新能源车产能均出现一定程度的过剩,竞争加剧,差异化配置成为车企核心获客逻辑。座椅单车价值 4000 元+,是典型具备消费属性的交互件,为车企提供差异化配置空间,近几年自主崛起叠加新势力内卷,座椅行业围绕“安全性、舒适性、轻量化和智能化”四大方向升级,国内市场有望从当下 1119 亿元到 2028 年超 1800 亿元。

低空经济专题分析:监视体系的发展趋势和产业机会

管得住才能放得开,监视体系的发展对推动低空产业商业化进程有重要作用,预计低空监视的市场规模增速不低于 30%。在低空监视体系中,重点关注 ADS-B、有源相控阵雷达及 5G-A 通感一体化等多源融合的技术路线,以及相应的产业机会。而技术路线的不确定性及各地的标准不统一性是制约产业机会形成的最大掣肘。

乘用车行业深度报告:爆款车的打法浅析

我们总结了车企打造爆款车的两种策略:对标跟进与差异化领先,并基于不同时代背景(SUV、电动化、智能化)总结其适用性与演化规律。对标跟进策略通过对标成熟爆款车并辅以性价比等优势抢占市场份额,而差异化领先策略则通过技术创新、品类创新、生态创新等开辟蓝海市场。同时,市场集中度与竞争阶段的差异决定了爆款车打造策略选择的有效性,在行业发展中前期,市场集中度较低、类似的车型较少,差异化领先打法效果更佳,随着消费者对产品的逐渐接纳和市场集中度的提高,行业中后期对标跟进打法的有效性显著提升。

半导体行业专题报告:端侧大模型近存计算,定制化存储研究框架

大模型赋能端侧AI。在人工智能的飞速发展中,大型语言模型(LLMs)以其在自然语言处理(NLP)领域的革命性突破,引领着技术进步的新浪潮。自2017年Transformer架构的诞生以来,OpenAI的GPT系列到Meta的LLaMA系列等一系列模型崛起。这些模型传统上主要部署在云端服务器上,这种做法虽然保证了强大的计算力支持,却也带来了一系列挑战:网络延迟、数据安全、持续的联网要求等。这些问题在一定程度上限制了LLMs的广泛应用和用户的即时体验。正因如此,将LLMs部署在端侧设备上的探索应运而生,不仅能够提供更快的响应速度,还能在保护用户隐私的同时,实现个性化的用户体验。端侧AI市场的全球规模正以惊人的速度增长,预计从2022年的152亿美元增长到2032年的1436亿美元,这一近十倍的增长不仅反映了市场对边缘AI解决方案的迫切需求,也预示着在制造、汽车、消费品等多个行业中,端侧AI技术将发挥越来越重要的作用。

半导体存储行业专题报告:近存计算3DDRAM,AI应用星辰大海

DRAM三构成:1)存储单元(Cell ),占据50%-55%面积:存储单元是DRAM芯片存储数据的最小单元,每个单元存储1bit数据(二进制0或1),单颗DRAM芯片的容量拓展主要是通过增加存储单元的数量实现(即提高单位面积下的存储单元密度),存储单元基本占据了DRAM芯片50-55%的面积,是DRAM芯片最核心的组成部分。1个存储单元由1个晶体管和1个电容器构成(1T1C结构),晶体管控制对存储单元的访问,电容器存储电荷来表示二进制0或1。2)外围逻辑电路(Core),占据25-30%面积:由逻辑晶体管和连接 DRAM 各个部分的线路组成,从存储单元中选择所需存储单元,并读取、写入数据,包括感应放大器( Sense Amplifiers )和字线解码器(Word Line Decoders)等结构,如感应放大器被附加在每个位线的末端,检测从存储单元读取非常小的电荷,并将信号放大信号,强化后的信号可在系统其他地方读取为二进制1或0。3)周边线路(Peripheral),占据20%左右面积:由控制线路和输出线路构成。控制线路主要根据外部输入的指令、地址,让DRAM内部工作。输出/输入线路负责数据的输入(写入)、输出(读取)。
加载更多