中信建投：“人工智能+”已成A股当前最重要投资主线

　　炒股就看，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　证券研究

　　以人工智能为核心的关键技术突破正在带来新一轮产业创新浪潮。

　　展望2025年下半年，“人工智能+”已经成为A股当前最重要的投资主线。“人工智能+”，应该“+”什么、怎么“+”？“当前的“人工智能+”行情还将如何演绎？中信建投证券人工智能团队、电子团队推出【“人工智能+”投资机遇展望】：

　　人工智能2025中期投资策略报告：推理走向舞台中央，自主可控大势所趋，Agent及多模态加速

　　电子2025年中期投资策略报告：端侧AI爆发可期，国产高端产能亟需突破

　　01 推理走向舞台中央，自主可控大势所趋，Agent及多模态加速

　　AI+教育

　　在全球科技革命与教育变革共振的浪潮下，人工智能正深度重构教育生态，成为推动教育数字化升级的核心引擎。教育领域因其场景清晰性、数据丰富性和需求刚性，成为AI技术落地的黄金赛道。场景上，教学全流程的可量化特性使AI能够无缝嵌入“教、学、评、管”核心环节，通过智能备课系统与自适应学习引擎实现效能跃升；数据上，教育过程天然沉淀的海量多模态行为数据，为构建学习者全息画像与精准决策提供基础；需求上，国家战略目标与近亿级终端设备部署形成政策与市场双轮驱动，叠加亿级K12群体对优质资源的刚性需求，共同筑牢技术落地的需求基座。这三者深度耦合，正在催化教育从工具赋能向生态重构的范式升级，铸就兼具公平价值与千亿规模的新质生产力高地。

　　AI教育的核心优势体现在：

　　一、教学模式的范式革新。通过智能算法对学生学习数据的实时挖掘，AI系统能够精准识别个体学情差异，动态生成适配学习路径，使传统“千人一面”的教学转向“千人千路”的定制化培养。这种数据驱动的个性化教学大幅降低了因材施教的边际成本。同时，AI技术的深度融入重塑了教学边界，依托其强大的多模态内容生成能力，AI可动态构建多元课程形态，显著提升学习场景的沉浸感与认知参与度。

　　二、教育效能的规模化跃升。在课堂教学场景中，多模态数据分析技术可实时捕捉学生参与度与知识掌握状态，使教师动态调整教学节奏，提升单节课师生互动效率。在课后环节，自动化作业批改系统实现快速反馈，提升教师批改效率，提升教学效能，解决了教育领域长期存在的“规模扩张”与“个性化服务”难以兼得的矛盾。

　　三、教育资源的普惠化革命。通过低成本终端搭载名校课程与虚拟教师服务，降低偏远地区获取优质教育资源的门槛，显著缩小区域教育鸿沟。AI技术承担机械性工作后，教师得以转向创造性教学与人文关怀，推动教育资源从“基础覆盖”向“优质均衡”跃迁。同时，技术通过开源平台与数据共享机制，提升区域间教育资源配置效率，形成可持续的公平推进路径。

　　生成式人工智能技术的爆发性发展正驱动AI+教育进入全新阶段。据Market Research预测，教育领域生成式AI的市场规模将从2022年的2.15亿美元跃升至2030年的27.4亿美元，年均复合增长率（CAGR）高达37.5%。其中，面向学习者的应用场景（学生端）贡献近半数市场份额，成为产业增长的核心引擎。

　　双减”政策叠加政策红利赋能AI+教育行业发展。2021年，“双减”政策的出台旨在减轻中小学生过重的学业负担和校外培训负担，限制学科类培训机构的过度发展，强调教育的公益属性。这一政策导致了行业供给端的大规模出清，许多中小型培训机构关闭或转型，而行业龙头则开始调整业务方向，转向素质教育、职业教育以及合规的中高考复读市场。随着政策的边际放松，教育行业迎来了新的发展机遇。2024年以来，政策导向从“限制”转向“规范”，不再限制新机构的审批，并鼓励非学科类培训的发展。2024年《教育强国建设规划纲要》首次将 “AI助教覆盖90%义务教育学校”“建设教育专用大模型” 列为刚性目标，2025年九部门《加快推进教育数字化意见》进一步细化 “学科垂直模型研发（数学/思政优先）”、“智能学伴普及”、“算法安全备案制度” 三大抓手，标志着政策重心从工具应用转向体系重塑。同时，政策支持教培机构参与学校课后服务，为行业提供了更清晰的发展路径，推动AI与教学流程的深度融合，以促进教育公平和质量提升。

　　教育信息化

　　教育信息化目前已全面进入2.0时代，以技术深度融合、场景全面延伸、服务对象多元化为核心特征，推动教育从“工具赋能”向“生态重构”跨越。在这一阶段，教学场景不再局限于传统课堂，而是向课后服务、教学管理、教育决策等全生态延伸，服务对象也从学生和教师扩展至教育管理者和政策制定者。技术应用方面，人工智能、大数据、云计算、5G等技术逐步取代单一硬件集成，成为教育信息化的智能中枢。例如，AI学习系统通过情感计算与生物识别技术，实现个性化教学路径推荐，显著提升学习效率；虚拟现实技术在医学、语言等领域的应用，使沉浸式教学成为可能。当前行业状态显示，全国中小学互联网接入率已达100%，99.5%的学校配备了多媒体教室，慕课数量全球领先，为教育信息化的进一步发展奠定了坚实基础。

　　此外，教育信息化市场结构持续优化，硬件设备占比约42%，教育软件占比30%，IT服务占比22%，内容资源占比6%，其中软件与服务板块增速显著，2022-2023年增长率分别达15%和18%。政策层面，国家通过《教育信息化2.0行动计划》《教育数字化转型三年行动计划》等战略，推动智慧教育平台体系全覆盖，为行业提供长期发展保障。

　　AI教育软件

　　AI+教育软件是以人工智能技术为驱动，通过算法分析学情数据、动态定制学习路径，实现教学流程智能化重构的教育应用程序，是人工智能落地的重要领域。

　　多邻国（Duolingo）作为全球领先的AI+教育软件代表，自2011年成立以来便致力于通过人工智能技术打造高效、有趣且易于访问的语言学习平台。其核心设计理念是将学习过程游戏化，通过闯关模式、积分奖励、排行榜以及虚拟宠物等方式，极大地提升了用户的参与感和学习动力。近年来，多邻国在AI方面的投入显著加深，推出了Duolingo Max订阅服务，这一服务基于GPT-4技术，具备“解释答案”、“角色扮演”、“ AI虚拟视频陪练”等多项AI功能，不仅增强了学习的互动性，也为用户带来了更深层次的知识理解。

　　在课程内容方面，多邻国充分利用生成式AI技术，在2024推出了148门新的语言课程，相当于传统方式下12年的成果，大幅缩短了内容开发周期，同时降低了人力成本。其用户规模也在持续增长，截至2025年第一季度，其月活跃用户（MAU）已达到1.302亿，同比增长33%，日活跃用户（DAU）为4660万，同比增长49%。付费用户数量同样表现亮眼，达到了1030万，同比增长40%，付费用户占MAU的比例为7.9%。与此同时，多邻国的盈利能力不断改善，2025年第一季度总营收达到2.31亿美元，同比增长38%，其中订阅收入同比增长45%，达到1.91亿美元，成为其主要的盈利来源。公司还计划在未来进一步拓展AI的应用范围，涵盖更多学科领域，如数学、音乐及国际象棋等，同时推出AR沉浸式学习功能以提升用户体验。

　　在全球市场中，多邻国尤其在中国取得了迅猛发展，2025年第一季度中文学习用户数同比增长216%，成为中国市场增长最快的语言学习平台之一。这一成绩得益于多邻国对AI驱动内容本地化和创新营销策略的运用。展望未来，多邻国的“AI为先”战略将继续引领其在教育科技领域的创新步伐，同时也面临着来自政策监管、竞争加剧、用户付费意愿波动等方面的挑战，这些因素都将在其长期发展中起到关键作用。

　　松鼠AI作为人工智能教育领域的领先企业，凭借其自主研发的全学科多模态智适应教育大模型，已在行业内树立起显著的技术壁垒。截至2025年1月，松鼠AI的累计付费订阅学生数达到98.9万人，显示出其在市场推广和用户转化方面的强大能力。此外，松鼠AI的线下门店布局也在快速扩展，目前已在全国多个城市开设超过3000家门店，并与超过6万家学校建立了合作关系，形成了线上、线下深度融合的教育生态。

　　此外，松鼠AI持续研发投入，持续优化其智适应教育大模型的算法和精度，同时也积极拓展海外市场，与多个国家和地区客户签约，并发布纯英文教学引擎及适配北美课标的教研产品，为全球化发展奠定基础。这些举措不仅体现了松鼠AI在技术研发上的重视，也反映了其在市场拓展和国际化进程中的战略布局。

　　教育智能硬件

　　智能学习设备服务市场是指通过智能化硬件设备为学生提供教育服务的市场，其核心特点是将AI技术（如OCR、AI大模型等）与教育服务深度融合，以满足学生、家长和教师对个性化教育体验的需求。该市场可分为两个主要方向：1）To C市场：主要面向个人终端用户，提供从早教到成人教育的辅助学习服务，目标人群广泛，市场需求持续增长。2）To B市场：主要面向学校和教育机构，提供数字校园教学解决方案，受益于政府对教育信息化的持续投入。

　　2024年中国教育智能硬件市场总规模突破1100亿元大关，其中消费级产品占据主导地位，占比接近80%，而面向学校与教育机构的B端产品贡献剩余份额。这种市场结构反映出家庭教育投入的持续升温，特别是在“双减”政策实施后，家庭场景成为硬件厂商竞逐的主战场。

　　主流硬件产品已形成清晰的品类矩阵。主要可分为学习机、教育智能手表、翻译工具、早教机、智能教育、其他（智能作业灯、教育电子纸等），产品品类丰富，且都具备能够与大模型结合的显著特征，是大模型落地的优质领域。AI赋能教育智能硬件着眼于学习效率的提升，主要集中于口语练习、人机互动与AI辅学功能。目前，与大模型结合最为紧密的是学习机，通过提供AI评测、AI口语、AI作文等功能，满足学生个性化学习需求。

　　用户需求呈现明显的学段差异特征。调研数据显示，31-45岁的一二线城市白领家庭构成消费主力，其硬件配置随子女教育阶段自然演进：学前阶段聚焦早教机与点读笔的组合，小学阶段扩展至学习平板+词典笔+智能手表的系统方案，而初高中阶段则转向更具工具属性的错题打印机等产品。这种需求阶梯表明，教育硬件的产品生命周期管理需要与用户成长路径深度绑定。

　　技术融合将开启新的增长空间。预计到2025年，AI技术对教育硬件市场的贡献率将提升至18%，脑机接口与数字孪生技术可能催生下一代产品形态。预计到2026年，中国智能学习设备的总市场规模将为1450亿元，2021年至2026年的复合年增长率为17.1%。在政府持续支持并投入实现校园数字化及智慧课堂升级的背景下，To B分部于2017年至2021年经历高速增长，2021年我国B端市场规模达到330亿，2026年有望达到709亿。相比而言，To C学习市场目标人群较多，且辅助教育涵盖从早教到成人教育，有庞大及持续的需求。2021年To C分部的市场规模为329亿元，预计To C分部持续稳健增长至2026年的741亿元。

　　AI+金融

　　金融行业的核心特征包括私有数据难以获取、高商业价值，以及较为领先的数字化基础。在ChatGPT面世前，金融行业长期占据大数据和AI应用的领先地位，这与其丰富独特的数据积累密不可分。金融行业在数字化转型方面一直处于领先地位，这为大模型的发展提供了良好的基础。金融机构在数据收集、处理和分析方面拥有成熟的技术和流程，这些都是训练和部署大模型的关键条件。

　　自OpenAI于2022年底提出ChatGPT后，大语言模型（以下简称大模型）在C端快速取得成功，目前月浏览量超过17亿。B端，在制造业、医疗业、零售业等行业开始了广泛应用。金融领域存在许多GPT可以解决并提升的痛点：如帮助分析师分析投资标的基本面、自动提取研报信息节省研究员时间、宏观新闻分析、成为智能投资顾问等。2023年以来，海内外众多金融公司或科技公司都以类ChatGPT的大语言模型为基座，投喂自己的金融数据，训练金融行业大模型或应用。

　　国外金融大模型新进展

　　推出百灵大模型

　　2025年3月，蚂蚁集团首席技术官兼平台技术事业群总裁何征宇领导的Ling团队，宣布将推出名为百灵轻量版（Ling-Lite）和百灵增强版（Ling-Plus）的百灵系列MoE（混合专家）大语言模型。其中，Ling-Lite包含168亿参数，激活参数为27.5亿；Ling-Plus则包含2900亿参数，激活参数达288亿。实验表明，两款模型性能均达到业界领先水平。本论文通过系统性优化方案，为资源受限环境下的人工智能开发提供了效率提升与成本控制的方法论。作为蚂蚁集团自研的大模型，百灵大模型重点布局在生活服务、金融服务、医疗健康等场景的应用。后续，蚂蚁百灵大模型Ling-Plus 和 Ling-Lite将计划开源。

　　该模型最大的突破在于提出了一系列创新方法，以提升资源受限环境下AI开发的效率与可及性。实验表明，其3000亿参数的MoE（混合专家）大模型可在使用国产GPU的低性能设备上完成高效训练，性能与完全使用英伟达芯片、同规模的稠密模型及MoE模型相当。

　　妙想大模型向所有用户开放

　　3月21日，东方财富宣布妙想大模型已正式向所有用户开放，并全面登陆东方财富APP，开启智能投资时代。妙想大模型于2024年1月推出，经过一年时间打磨，基于妙想模型之上的妙想助理面向所有用户推出。

　　数据层面，秒想训练数据来源于目前国内高质量金融数据库。当前，妙想已覆盖2亿+的资讯舆情，4亿+的宏观数据、6亿+的行业数据、10亿+的企业数据、百亿+的市场数据，以及百亿+的股吧、财富号等内容，涵盖上万种数据品类，从根本上保证数据来源的准确性、即时性、可靠性。模型规模层面，基于过往并将NLP、CV、Ranking等多种AI技术应用于50多个业务场景的历史储备，妙想系列模型灵活组合几十亿到上干亿参数规模不等的大、小模型族群，可面向应用场景选择最佳的模型方案。

　　功能层面，晨会信息整理（既可以对市场行情、宏观经济、政策变化等重点类目进行常态化跟踪，也可以辨别并筛选出增量信息中对行业有重要影响力的内容，按照层次分明、重点突出的结构进行呈现），路演纪要转化，研报信息提取等均属于妙想核心功能。与市面已有大模型不同，基于金融行业投研人员对于采用的信息有准确性和信源权威性的双重要求。妙想将传统金融终端与大模型技术的双重专业禀赋进行了有机结合，有效解决了用户的“信任危机”。在信息采选源头，妙想构建了专业度分级机制，可以识别并优先采纳更可靠、更符合投研偏好的信源；在信息获取过程中，妙想实现了多信源一并获取并交叉验证，让同类数据能够在时间、属性、单位等颗粒度上相互支持、补充和修正；在回答时，妙想能够持续对回答进行反思并不断完善，效果完整度更高、细节更丰富，以此来实现实际价值创造。

　　2.5 AI+工业

　　一直以来，工业AI的应用就落后于其他领域，原因是工业领域更多的依赖对行业know-how的经验理解，而不是单纯从数据中挖掘规律。但随着AI通用性和专业性两方面的不断加强，越来越多的工业know-how被计算机所理解，甚至表现出更好的性能。例如上世纪60年代专家系统诞生与80年代的工业领域应用间隔近20年，统计机器学习的工业领域应用滞后周期基本在10年左右，而深度学习、生成对抗网络等新技术于2012年后在通用领域开展应用，不足4年便产生了工业领域探索实例。总体来看，由于人工智能技术可用性增强以及工业信息化水平提升，通用技术的工业落地间隔由20年逐步缩短至小于5年。加之工业领域的关键技术如数字孪生等本身就与深度学习密切相关，我们认为，伴随ChatGPT带来的通用AI大模型突破，工业领域AI应用将迎来快速落地和发展。

　　AI+工业软件

　　工业软件是工业创新知识长期积累、沉淀并在应用中迭代进化的软件产物。工业软件的根基仍然是工业行业本身，有赖于正向创新和行业创新知识的积累，是一个长期系统工程。任何工业知识都必须先形成完整的体系，搭建出知识库和模型库，并在实践中反复应用、更改，与工程紧密结合并不断更新迭代，才有可能形成工业软件。因此，工业软件是工业创新知识的载体，依靠软件化这一关键过程，通过强大的软件工程能力才得以实现。软件平台与架构将直接决定工业软件产品的生命力。

　　海外进展

　　AI与工业软件结合是产业新趋势，在研发设计，生产控制，经营管理和嵌入式软件四大类中，AI与研发设计的合作主要在于交互与预设计，与生产控制的结合主要在于参数修改，与经营管理的结合主要在智能文本生成，与嵌入式软件的结合则主要在代码自动编写上。

　　在传统 CAD 草图绘制过程中，用户需要逐步明确几何约束（如平行、垂直、同心等）及结构关系，手动输入大量命令，草图绘制效率较低，且对操作熟练度要求较高。为提升草图建模效率与智能化水平，Siemens NX 和 Solid Edge 在近年持续强化基于 AI 的草图智能绘制与自动化功能。

　　2025 年，Siemens NX 和 Solid Edge 的草图绘制引擎集成了更高精度的 AI 预测模块。该模块基于深度学习算法和用户历史操作数据，实时推断用户的绘制意图，智能推荐下一步绘图命令，支持基于上下文自动生成初步草图形态。同时，AI 能够在用户绘制过程中自动判定并施加几何关系（如共线、同心、切线等），大幅减少显式手动定义约束的操作步骤。同时，AI 模块通过分析用户提供的边界条件（如加载、固定支撑、材料属性）和设计目标（如重量最小化、刚度最大化），基于 AI 拓扑生成算法快速生成多种可行拓扑形态。该过程基于复杂有限元分析结果的智能化数据驱动，显著加快概念方案到结构性能验证的迭代效率。另外，新增的 Sketch Checker 模块具备高效的草图完整性检测功能。该模块实时监控草图几何元素和约束状态，自动识别并定位存在的尺寸冗余、未定义约束、封闭性缺陷等常见问题，并提供一键式修正建议。通过该模块，草图在生成阶段即可实现高一致性与可制造性，显著降低后续建模阶段的返工率。2025 年，NX X 和 Solid Edge X 实现了全面云化。AI 驱动的草图绘制及修正功能被部署至云端，用户可直接在浏览器中使用，无需依赖本地高性能硬件。云化架构支持多用户并行编辑、实时版本管理和跨地域协作，提供高度可扩展的工业级智能化 CAD 平台。

　　SAP 的 AI 助手 Joule 是一款深度集成在 SAP ERP 系统中的智能化工具。Joule 能够通过自然语言处理（NLP）技术，理解用户提出的问题和意图，自动分析 SAP 中，并结合深度学习模型，形成最优的解决方案。比如，它可以自动提取关键业务指标、生成财务和生产报告，甚至能协助审批等决策环节。

　　Joule 还与 SAP 的核心业务产品（如 S/4HANA、SuccessFactors、Ariba）深度结合，形成了一个面向全场景的智能代理网络——Joule Everywhere。这意味着无论是财务数据、供应链优化，还是 HR 业务等模块，Joule 都可以跨系统自动获取和处理数据，提供一站式的智能化服务。在 2025 年，Joule Agents 能够无缝集成财务、供应链、生产和人力等多模块，支持从数据提取到任务自动化执行，打破了传统 ERP 模块割裂的“数据孤岛”问题。基于自然语言模型，Joule 可以像“智能助理”一样，直接理解用户指令，自动生成相应的操作或报告，避免了人工逐步操作和信息拆解的繁琐流程，通过深度语义理解和 AI 自动推荐，用户只需用自然语言对话，就能在复杂的报表和数据中快速定位关键信息，显著加快决策速度。依托 SAP Knowledge Graph 和 Business Data Cloud，Joule 将所有 AI 功能和数据分析放在云端，支持多语言、多区域、跨平台的无缝使用。另外，Joule还推出 Joule for Developers，支持 AI 辅助代码自动化生成、自然语言查询代码、智能文档编制等功能。这意味着不仅业务流程智能化，IT 开发本身也实现了自动化。

　　AI+机器视觉&机器人

　　AI+机器视觉

　　工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。从组成上，机器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，如下图深灰色方块所示过程，然后依靠软件算法对数字图像信号进行处理，如下图中灰色方块所示过程。工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、数据价值方面都优于人眼。

　　2024年中国机器视觉市场规模预计为181.47亿元，其中2D视觉市场规模约153.32亿元，3D视觉市场规模约28.15亿元。尽管整体市场出现小幅下滑，3D视觉市场仍实现了19.20%的同比增长。2025年，机器视觉市场预计将突破210亿元，2028年达到385亿元，2024-2028年复合增长率为20%。尤其是3D视觉市场，预计2028年市场规模将超70亿元，2024-2028年复合增速达25%。

　　过去几年，AI 技术在工业质检领域的应用逐渐从传统的机器视觉检测发展到深度学习驱动的智能质检系统。这些系统能够自动识别产品缺陷、分析趋势，并适应生产线的变化，实现高效、精准的质量控制。2025 年 AI 技术在工业质检中的突破包括深度学习与视觉检测的结合、边缘计算和 AI 的融合、少样本学习的应用，以及自然语言处理在交互中的创新，这些技术发展都使得工业质检变得更高效、更精准、更智能。

　　在工业异常检测领域，传统方法往往仅依赖单一视觉信号进行检测，难以处理复杂场景中的多种类型异常。此外，很多现有模型在多模态数据（如图像和领域知识）融合方面仍存在较大挑战，限制了其在实际生产环境中的应用。 AnomalyR1模型于2025年提出，它是基于多模态视觉语言模型（VLM-R1）和GRPO优化策略的工业异常检测模型。该模型的主要创新点在于，利用多模态数据的融合，即将图像数据与领域知识结合，增强了模型的推理能力，从而能够更准确地识别和定位异常。

　　AnomalyR1模型基于多模态大语言模型（MLLM）和强化学习中的Group Relative Policy Optimization （GRPO）进行了增强。其主要目的是提高工业异常检测任务中的推理能力和异常图像定位精度。其核心架构包括：1）采用深度卷积神经网络（CNN）进行特征提取，能够捕捉到细微的图像差异，提升异常检测的准确性。2）AnomalyR1采用了少样本学习技术，使其能够在仅有极少标注数据的情况下，依然能够有效进行异常检测任务。模型通过学习少量的异常样本，能对全新的工业环境中的异常情况进行预测。 3）GRPO被应用于模型的训练过程中，通过群体策略优化来优化多模态数据的集成，并提高模型对异常检测的精准度。每个图像输入都会经过一系列的策略生成过程，从而实现对异常的精确定位。在多个工业异常检测任务中，AnomalyR1表现出色。尤其在MVTec-AD数据集和PCB Bank数据集上，AnomalyR1刷新了传统方法的检测精度，准确率提高了8%-10%。此外，模型在检测速度上也有显著提高，能够在不到30秒内处理并输出异常定位结果。

　　传统的工业异常检测方法往往依赖大量的标注数据进行训练，这在许多工业应用中是不可行的，尤其是在少样本或零样本的情况下，模型的性能急剧下降。以往的大部分方法都是通过经典的生成对抗网络（GAN）或者自编码器（AE）生成异常样本，然而，这些方法通常在处理复杂异常时难以提供高质量的生成图像，尤其在图像细节和视觉一致性方面表现较差。 DualAnoDiff是腾讯优图实验室的研究团队于2025年提出的基于扩散模型的少样本异常图像生成模型，旨在解决少样本训练数据不足的问题。该模型采用了一种双重扩散模型（Dual Diffusion Model），其核心思想是通过扩散过程生成异常图像，以补充传统数据集中异常样本的缺乏，从而提升模型的异常检测能力。

　　DualAnoDiff 的核心创新在于引入了双重扩散生成机制，该机制能够生成高质量且多样的异常样本，从而增强了模型的检测能力。该模型主要由以下几部分组成：1）模型通过两个扩散路径生成异常图像。第一个路径生成与正常图像区域对应的异常部分，第二个路径生成整个异常图像。每个生成过程都经过扩散模型的反向优化，使得生成的异常图像更加真实、具有多样性。2） DualAnoDiff采用了背景补偿模块来修复生成图像中的背景失真。通过对异常区域的精细调整，确保生成的异常图像既保持与正常图像的细节一致性，又能有效突出异常部分。 DualAnoDiff在多个工业异常检测任务中表现出色，尤其在MVTec-AD数据集上，相比传统的生成对抗网络（GAN）模型，DualAnoDiff生成了更加多样且高质量的异常图像。通过扩散模型的双重生成路径，模型能够生成更加贴近真实的异常样本，极大地提升了异常检测的精度和鲁棒性。

　　2025年5月，发布了一套面向印刷包装行业的高性能 AI 视觉检测系统VP8 （VisionPrint8）。它在硬件层面结合了8K 工业相机和高精度光源方案，软件层面则基于凌云光自研的 VisionWARE 框架以及通用工业视觉大模型 F.Brain，具备端到端的深度学习能力。 VP8 系统搭载8K线扫相机，能够以高达 450 m/min 的生产线速度，进行连续检测，捕捉极其细微的印刷缺陷。得益于 F.Brain 大模型，VP8 在印刷缺陷识别上不仅依赖传统灰度/彩色特征算法，而是融合了深度卷积特征、注意力机制以及自研的多层特征金字塔（FPN）结构，精准度大幅度提升。其算法框架 VisionWARE 优化了多线程并行推理，单帧检测响应时间低至 8 ms，可在生产线上实现毫秒级检测、实时剔除次品。 F.Brain 具备更好的领域迁移与少样本适应能力，使得 VP8 能在实际生产线的复杂噪声、光线干扰下，依然保持高准确率和低误报率。

　　凌云光官方资料及客户现场测试结果显示，VP8 已在多个印刷包装场景落地，例如：彩盒、软包装薄膜、标签印刷、烟包等。在这些实际应用中，VP8 通过AI 智能瑕疵检测，检测效率相较传统方案提升 400% 以上，且大幅度降低了误报率和返工率。例如，在彩盒生产线上，VP8 的智能套印监测功能可精确识别多色印刷品的错印问题；在软包装行业，其微米级检测精度确保了高速薄膜材料中的针孔或划痕等缺陷的实时检测与追踪。

　　焊接机器人

　　焊接机器人是一种能够自动执行焊接（包括切割和喷涂）任务的工业机器人。根据焊接方式、结构形式、负载能力、工作范围等因素的不同，焊接机器人业有不同种类。焊接机器人广泛应用于钢结构、航空、造船、电子、机械等行业，可以提高焊接质量、效率和安全性，涉及的技术包括焊接电源技术、传感器技术、离线编程技术、智能控制技术、仿真技术等。

　　全球焊接机器人市场：2022年全球焊接机器人市场规模达626亿元，销量30.4万台，由此推算平均每台售价约为2000万元，据《中国焊接机器人行业发展前景预测与投资战略规划分析报告》预测，全球焊接机器人市场规模在2025年达43.9万台，折合904亿元。据TechNavio预测，其中弧焊机器人市场规模在2025至2029年间将达到62亿元。据Nexus Group Report 预测，激光焊接机器人市场到2033年有望增长到467亿元。

　　国内焊接机器人市场：2022年中国焊接机器人市场规模达248亿元，占全球市场规模比例约40%，由上述数据推算2025年国内焊接机器人市场规模约358亿元。

　　AI+军事

　　人工智能逐渐成为公认的改变今日世界并影响未来全球格局的决定性力量，既直接表现在人工智能技术对经济、社会乃至军事领域的直接变革，也表现在人工智能技术对国际战略、科技竞争、大国博弈等方面的长期间接影响。目前世界各国均在不同军种、不同层级探索利用不同种类的AI工具提升战场表现，其中生成式AI利用海量数据库辅助战场态势感知和决策成为当下新焦点。

　　AI战场使用场景概括

　　1）自主作战系统。AI驱动的无人系统（如无人机、无人地面车辆等）可以在战场上执行侦察、打击、后勤补给等任务，减少人类兵员的直接暴露风险。它们通过自我学习和适应环境，能够在复杂条件下自主作战，且响应速度远超人类。美国军方在多个项目中使用了自主无人机（如MQ-9 Reaper无人机和X-47B无人战斗机），这些无人机不仅执行侦察任务，还能够执行打击任务。美国还在研发自适应自主无人地面车辆（UGVs），它们能在没有人类操作的情况下执行巡逻、侦察等任务。

　　2）态势感知和实时决策。战场态势瞬息万变，AI能够通过整合来自多个传感器（如卫星图像、无人机数据、地面侦察等）的信息，快速分析并提供实时的战场态势感知。它能够通过模式识别和数据分析，帮助指挥官做出更精准的决策，并优化资源分配。AI通过实时处理传感器数据，能够自动识别和分类战场上的目标，提高精确打击能力。尤其是在复杂环境下，AI能够从海量的目标信息中迅速筛选出高价值目标，优化攻击时机和资源使用。美国军方目前使用AI驱动的目标识别和精准打击技术，如“MAVEN”，它通过分析图像数据来帮助识别战场上的关键目标。该系统主要应用于无人机群的打击任务，能够自动锁定并攻击敌方高价值目标。

　　3）非理想环境作业。人工智能技术可以在某些特殊的空间发挥作用，例如，人不能长期存在的核辐射、高温高湿、缺氧等恶劣环境，人在这些非理想环境中作业存在难以克服的困难和危险，借助人工智能技术，可以提高作业效率和安全性，例如扫雷机器人等。

　　4）情报分析与预测。AI能够快速从大量的开源情报、监视数据中提取有价值的信息，并进行趋势预测。通过模式识别和数据挖掘，AI能够预测敌方的行为、战术变化以及可能的作战区域，为决策提供有力支持。美国国防高级研究计划局（DARPA）已经开发了多种基于AI的情报分析系统，能够从社交媒体、通信数据和卫星图像中提取信息，预测敌方动向和行动意图，提供决策支持。

　　Anduril Pulsar电子战系统：对抗中小型无人机的防御系统

　　Anduril Industries成立于2017年，由Oculus VR创始人Palmer Luckey创办，致力于开发先进的人工智能（AI）驱动的军事技术。公司以其自主系统、传感器融合和AI平台而闻名，特别是在反无人机、电子战、指挥控制和扩展现实（XR）领域。

　　Anduril的AI驱动系统目前有几个方面组成。其核心产品是Lattice平台，这是一个开放的AI操作系统，作为指挥控制和任务自主的核心，Lattice支持多种传感器和平台的集成，实现数据融合和实时决策支持。在反无人机领域，Anduril在2024年推出的的Pulsar系统可以利用AI快速识别和应对当前和未来的威胁，特别是小型和中型无人机。

　　Pulsar系统能够通过AI工具快速识别新威胁，并制定相应的防御措施，显著压缩响应时间。当一个系统识别到新的威胁信号后，会在数小时内进行分析，并将应对策略推送到其他系统，实现快速共享和协同应对。系统采用射频机器学习（RFML）技术，能够实时感知电磁频谱中的活动，并进行智能干扰。这种能力使得Pulsar能够在复杂的电磁环境中有效应对多种威胁，包括小型和中型无人机。2025年4月，Anduril发布了Pulsar-L（Pulsar轻型版），旨在提供高性能的电磁效应，其可以在两分钟内完成部署，并且提供空中和地面两种配置，适用于快速变化的战场环境。另外系统具备自主操作能力，用户无需专业技术培训即可使用，降低了操作门槛。Pulsar系统与Anduril的Lattice平台紧密集成，形成一个开放架构的指挥控制系统。这种集成使得多个Pulsar系统能够协同工作，实现全域覆盖和协同效应。

　　此外，目前Anduril与OpenAI、Meta、Microsoft均有仍在进行的研发项目，分别在反无人机系统、扩展现实（XR）和AI技术结合的辅助情报决策系统以及集合增强现实（AR）和虚拟现实（VR）技术提升作战人员超越视距感知能力的可穿戴作战系统领域进行深度合作。2024至2025年间，通过发布新型电子战系统、与AI公司的战略合作以及收购通信公司，Anduril不断推动军事AI技术的发展和应用。这些进展不仅提升了美军的作战能力，也为未来的军事AI技术奠定了基础。

　　风险提示：

　　北美经济衰退预期逐步增强，国际地缘变局冲击全球供应链韧性，企业海外拓展承压；

　　芯片结构性短缺可能制约产能释放与交付节奏；

　　行业竞争加剧触发价格战隐忧，中低端产品毛利率可能跌破盈亏平衡点；

　　原材料成本高企叠加汇率宽幅波动持续侵蚀外向型企业利润空间；

　　技术端则面临大模型迭代周期拉长的风险，影响AI产业化进程；

　　汽车智能化渗透率及工业AI质检等场景落地进度不及预期，或将延缓第二增长曲线兑现；

　　模型算法更新迭代效果不及预期，可能会影响大模型演进及拓展，进而会影响其商业化落地。

　　报告来源

　　证券研究报告名称：《人工智能2025年中期投资策略报告：推理走向舞台中央，自主可控大势所趋，Agent及多模态加速》

　　对外发布时间：2025年6月16日

　　报告发布机构：中信建投证券股份有限公司

　　本报告分析师：

　　于芳博 SAC 编号：S1440522030001

　　SFC 编号：BVA286

　　庞佳军 SAC 编号：S1440524110001

　　方子箫 SAC 编号： S1440524070009

　　辛侠平 SAC 编号：S1440524070006

　　02 端侧AI爆发可期，国产高端产能亟需突破

　　终端创新：巨头加码终端侧AI算力，应用落地驱动产业发展

　　混合AI有望成趋势，端侧AI价值显现

　　云边协同的混合式AI架构对AI的规模化扩展起到重要作用。根据高通《混合AI是AI的未来》白皮书，随着生成式AI正以前所未有的速度发展以及计算需求的日益增长，AI处理必须分布在云端和终端进行，才能实现AI的规模化扩展并发挥其最大潜能。与仅在云端进行处理不同，混合AI架构可以根据模型和查询需求的复杂度等因素，在云端和边缘终端之间分配并协调AI工作负载。云端和边缘终端如智能手机、汽车、个人电脑和物联网终端协同工作，能够实现更强大、更高效且高度优化的AI。

　　终端侧AI具有成本、能耗、可靠性、隐私、安全和个性化优势。

　　成本优势：AI推理的规模远高于AI训练。模型的推理成本将随着日活用户数量及其使用频率的增加而增加。在云端进行推理的成本极高，这将导致规模化扩展难以持续。将一些运算负载从云端转移到边缘终端，可以减轻云基础设施的压力并减少开支。

　　能耗优势：边缘终端能够以很低的能耗运行生成式AI模型，尤其是将处理和数据传输相结合时。

　　可靠性、性能和时延：当生成式AI查询对于云的需求达到高峰期时，会产生大量排队等待和高时延，甚至可能出现拒绝服务的情况。向边缘终端转移计算负载可防止这一现象发生。

　　隐私、安全和个性化：由于数据处理完全在本地进行，终端侧AI有助于保护个人信息，以及企业和工作场所中的机密信息。以本地和云端分别运行AI大模型制作行程安排为例，本地AI大模型通过长期学习用户行为，并利用本地存储的信息，可以给出更贴合用户生活习惯、更准确的建议。相较之下，如果云端模型需要访问用户本地存储的文件、浏览记录等信息再给出个性化的建议，用户通常较难接受。

　　边缘侧已具备运行AI的实践基础，未来将支持多样化的生成式AI模型。在生成式AI出现之前，AI处理已在终端侧获得应用，越来越多的AI推理工作负载在手机、PC等边缘终端上运行。例如2017年发布的华为麒麟970首次在手机SoC中引入了NPU，提高设备在图像识别等基于AI的功能方面的效率和性能。苹果、三星等厂商也先后跟进，使AI算力成为旗舰手机芯片的标配。当下随着终端侧的算力持续提升，软件侧加强对大模型的蒸馏，边缘端设备逐步具备运行丰富的生成式AI功能。例如Stable Diffusion等参数超过10亿的模型已经能够在手机上运行，且性能和精确度达到与云端处理类似的水平。未来，拥有100亿或更多参数的生成式AI模型将能够在边缘端运行。

　　终端设备有望在AI的催化下迎来新一轮创新周期。生成式AI正在驱动新一轮内容生成、搜索和生产力相关用例的发展，覆盖包括智能手机、PC、汽车、XR以及物联网等终端品类，提供全新的增强用户体验。以PC为例，AI大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美契合PC作为生产力工具的定位。此外，在以终端为中心的混合AI架构中，多数任务能够在PC本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，全球科技巨头正加速投入。

　　AI手机：软硬件生态落地，驱动换机周期

　　AI手机的萌芽期——激增的音频/图像数据处理需求推动了AI手机的早期探索。智能手机构建本地AI能力历时已久，前期主要用于加速特定任务。在移动互联网和手机智能化发展的促进下，用户对于音频、图像数据的处理需求快速攀升，而传统的CPU、GPU分别存在计算速度慢、能耗高等问题。从2015年高通的骁龙820首次集成高通AI引擎以加速音频处理，到2017年华为、苹果分别在麒麟970和A11中加入NPU模块以加速图像处理，智能手机本地的AI算力在不断进步。总体而言，这一时期的AI手机主要利用NPU或其他AI加速硬件对特定任务如图像处理、语音识别进行加速。这些应用完成了AI手机的早期探索，一定程度上改善了用户的体验，但并没有引入全新的使用场景。

　　AI手机新阶段——大模型驱动智能化升级，将成为新一代AI手机的核心特点。AI大模型激发了将更先进的AI能力集成到智能手机中的愿景。AI大模型，如GPT-4表现出在多种任务上的卓越性能，包括自然语言理解、对话生成和复杂的推理任务。这些模型的复杂性和所需的计算资源远远超出了传统手机应用的范畴，但它们的成功激发了将更先进的AI能力集成到移动设备中的愿景。将AI大模型运用到手机上可能会大大提升手机的智能化程度，使得设备能够执行更复杂的任务，提供更个性化的体验，并更有效地处理大量数据。例如，手机可以使用AI模型来优化语音、图像处理等传统加速任务，并提供高度个性化的推荐，甚至进行实时的语言翻译和复杂的对话交互。

　　新一代AI手机具备可端侧运行AI大模型，且AI算力较高的特征。能否通过本地运行AI大模型提升智能化体验将成为新一代AI手机发展的关键。根据OPPO《AI手机白皮书》的定义，新一代AI手机需要支持包括Stable Diffusion和各种大语言模型在内的Gen AI模型在端侧运行，而为了更高效地运行大模型，NPU算力应大于30TOPS。

　　AI手机趋势如下：

　　1、端云混合：AI大模型在云端与终端混合运行将是一段时间内的主流解决方案。AI大模型可以按照云端运行、终端运行、混合运行三种模式在手机上落地：（1）基于云端运行：云端运行存在时延、隐私的问题，且企业由于承担推理成本需要考虑AI应用推广与商业化的平衡。（2）基于终端运行：手机由于算力、存储等硬件条件的限制，能本地运行的模型参数量有限，执行的任务复杂度较低。（3）混合运行：综合了前者的优缺点，但或许是当下生成式AI规模化扩展的最优解，也是各大厂商AI手机普遍采用的思路。

　　通过三星S24可以窥见AI手机端云混合的初级形态。以三星S24为例，简易AI应用如通话语音翻译离线运行，复杂应用如文生图、圈选即搜则由Google等云端大模型提供支持。

　　苹果Apple Intelligence端云三大模型混合，实现跨应用执行操作能力。2024年苹果WWDC上展示了Apple Intelligence，其是iPhone、iPad和Mac等苹果终端的个人智能系统AI平台，支持端侧、云端大模型同步运行，能够实现苹果自身的跨应用操作、连续对话和上下文理解等功能，其中跨应用整合是最大的功能亮点，未来苹果将开放SDK全方面支持三方应用调用系统AI。Apple Intelligence的层级具体可描述为“端侧30亿参数大模型+私密云端大模型+第三方大模型调用”。前两者为苹果自研，其中本地模型具备约30亿参数，测试得分高于诸多70亿参数的开源模型（Mistral-7B 或 Gemma-7B）；云上模型通过私有云计算部署在在Apple芯片服务器上，运行的更大云端语言模型。目前公布的第三方大模型调用技术支持为 GPT-4o。苹果自研Apple Intelligence在性能上已经足以满足到用户的基本需求，因此Apple Intelligence在逻辑上会优先使用端侧及苹果私密云端大模型给予用户支持，对于第三方大模型调用的优先级则后置。

　　2、本地化AI：大模型轻量化与硬件性能突破将支撑本地运行更强大AI大模型。手机端运行AI大模型需要通过量化、压缩、条件计算、神经网络架构搜索和编译，在不牺牲太多精度的前提下对模型进行缩减。高通已经将FP32模型量化压缩到INT4模型，实现64倍内存和计算能效提升。高通的实验数据表明，在借助高通的量化感知训练后，不少AIGC模型可以量化至INT4模型，与INT8相比，性能提升约90%，能效提升大约60%。

　　核心硬件配置升级支撑更高参数量模型的本地化部署。高通、联发科最新一代SoC在基础性能提升的同时，对生成式AI处理进行了优化，可在手机上直接运行百亿参数模型。各大手机厂商也开始在手机中配置12/16G甚至更高的DRAM容量，为更高参数的大模型运行提供基础。

　　3、个人慧助：AI赋能操作系统内核，个人智慧助理式操作系统成为趋势。

　　手机厂商布局手机操作系统，构筑融合AI的基础。谷歌安卓系统以开源特性和丰富应用生态，占据主导地位。苹果iOS系统以封闭生态圈和出色的用户体验赢得大量用户的青睐。华为鸿蒙操作系统奋起直追，主打分布式能力。其他手机厂商也纷纷打造自家操作系统，强化技术独立的同时构筑搭载系统级AI的基础。

　　AI赋能操作系统创新，打造个人智慧助理式操作系统。AI手机操作系统竞争再度升级，手机操作系统不再局限于界面和应用，而是向更智能、个性化的方向迈进。未来有望通过自研端侧大模型赋能操作系统“个性化成长”，加持意图识别人机交互，基于用户自己的行为和数据去学习和理解他的意图，形成个人智慧助理式个性化操作系统。AI agent（具备交互、搜索、翻译、个性推荐、日程管理等能力）、跨应用功能统一调用、用户隐私保护、个性化和自适应等将成为AI操作系统的重要特征。AI赋能操作系统带动智能手机竞争从硬件拓展至软件体验。

　　4、竞争格局：“堆叠硬件”竞争局限有望被打破，大模型能力决定红利分配。

　　AI手机发展将推动智能手机市场进入新的竞争阶段。随着华为在市场上的重新崛起，防守市场份额并投资开发全新的亮眼功能成为其他厂商聚焦重心，AI成为关键因素，有望打破原有“堆叠硬件”的竞争局限，刺激创新加速并深刻改变商业模式，大模型能力决定红利分配方式。

　　高度个性化体验推动创新，AI算法和硬件的优化适配成为重点。AI手机可以根据用户的习惯和偏好，自动调整手机设置，推荐相关内容，甚至预测用户需求，高度个性化的体验将推动厂商在软件和服务上进行更多创新，如图像识别、语音交互、健康监测等，为厂商提供新的竞争领域，厂商之间的竞争将不再仅仅局限于硬件规格，还包括如何优化算法和硬件配合以更好地支持AI应用。

　　手机厂商与大模型厂商竞合并存，市场发展红利进一步向头部集中。一方面，手机厂商与大模型厂商合作，大模型厂商借助手机厂商的渠道和用户基础推广技术并变现，手机厂商利用大模型厂商的技术提升品牌价值和产品竞争力。另一方面，手机厂商希望拥有自主AI技术保持独立性和竞争优势，与专门提供AI服务厂商形成竞争。而不同于堆叠硬件的简单粗暴模式，培育优质大模型周期长、成本较高，未来市场格局或将向头部手机厂商自研AI，头部大模型厂商赋能尾部手机厂商（不排除会如SOC出现高通、联发科一样出现独大的大模型厂商）方向演变，市场发展红利将向头部手机厂商与大模型厂商集中。

　　AI大模型与智能手机结合有望驱动新一轮换机周期。重大创新是手机换机潮的核心。2007年iPhone初代发布，再到2010年4G兴起，智能手机与功能手机的使用体验拉开明显差距，智能手机因此开始大范围取代功能手机，出货量进入持续多年的快速增长期。此后，智能手机在摄像头、屏幕等硬件设计上继续微创新。而近几年智能手机无论是革命性的还是微创新都陷入瓶颈，换机周期大幅拉长，根据TechInsights，2023年全球智能手机换机周期创新高（51个月），换机率创新低（23.5%）。AI技术正为智能手机市场注入新的活力。若AI手机实现使用体验的革命性创新，将复刻智能手机取代功能手机的高速增长。通过融入AI大模型，新一代AI手机有望改善用户体验、创造差异化竞争优势，成为缩短手机换机周期和加速市场复苏的关键驱动力。

　　2025年全球手机大盘微幅增长。全球智能手机2024年出货量约12.42亿台，同比增长6.4%。过去三个季度，全球及中国智能手机出货量稳定增长，增速高于全球，根据IDC，24Q2-Q4全球智能手机出货量同比分别增长4.0%、2.3%、1.5%，中国市场的出货量同比分别增长3.2%、3.9%、3.4%。展望2025年，各家旗舰机发布新一代AI手机，以及中国市场3C设备补贴刺激，或刺激消费者换机需求，智能手机出货量有望维持增长。IDC预计2025年全球和中国的手机出货量分别增长0.6%、1.0%。

　　AI手机渗透率持续提升，预计2025年达到34%。根据Canalys，预计2025年AI手机渗透率将达到34%，端侧模型的精简以及芯片算力的升级将进一步助推AI手机向中端价位段渗透。2025年芯片厂商发布的新款次旗舰SoC，如骁龙8s Gen4、天玑9400e 已经具备了流畅运行端侧大模型的能力，Deepseek的出现也在很大程度上降低了大模型对于芯片算力的开销，在这两大因素的共同作用下，2025-2026年AI手机仍预计会保持高速渗透的趋势。

　　从AI的跨应用执行操作能力看，苹果生态具有天然优势。虽然安卓旗舰机型早在2023年下半年就搭配了高通骁龙8Gen3和联发科的天玑9300，支持端侧70亿及以上参数的大模型，从硬件上较快完成了配置升级，但由于芯片、大模型、APP、系统的各自独立，安卓厂商在软硬件一体化上打通各环节的速度较慢。苹果基于操作系统、芯片、大模型、终端的一体化优势，并把握了用户入口和流量分发，且有能力快速将AI推广至Macbook、iPad、Airpods、Watch、智能家居等，形成统一、闭环的生态。

　　从硬件看，AI+iPhone将推动iPhone的换机周期。换机周期取决于：（1）存量用户换机周期拉长至近年来最长，根据TechInsights，2023年全球智能手机换机周期创新高（51个月），换机率创新低（23.5%）；（2）iPhone保有量创下历史新高，根据Statistics，iPhone全球保有量从2015年的5.7亿部增长至2023年的14.6亿部，而其中满足Apple Intelligence硬件要求的iPhone15 Pro和iPhone15 Pro Max的保有量不足1亿台；（3）Apple Intelligence将打通多端生态应用的边界，AI+iPhone将刺激消费者的换机欲望。复盘iPhone历史的销售量和ASP，可以看出，随着iPhone本身功能的迭代升级， iPhone ASP在逐年提升。

　　AI提升对iPhone的硬件要求，BOM成本在持续提升。为了在本地运行AI大模型，智能手机的SoC必须提升处理能力，例如集成专门的AI处理引擎，存储容量也需相应增加。此外，还需要更大容量的电池和更先进的电源管理芯片、更高质量的摄像头传感器和光学组件、更强的散热和射频性能。AI将加快智能手机硬件规格的升级，从而带来整机成本的提升。

　　AI PC：硬件算力与系统级AI功能逐步完善，AI PC渗透率逐步提升

　　AI PC将是AI终端重要落地应用场景，产业龙头已明晰新一代AI PC标准。AI大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美符合PC作为生产力工具的定位。此外，在以终端为中心的混合AI架构中，多数任务能够在PC本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，自2023年下半年开始，英特尔、高通、微软及一众OEM厂商都在积极推动AI PC的发展。初期，处理器包含NPU模块的电脑即为AI PC。2024年5月，微软发布了Copilot+PC，明确了Windows系统中的新一代AI PC标准：

　　（1）设备必须配备NPU、CPU和GPU，NPU算力应当大于40 TOPS；

　　（2）设备存储需要配备16GB RAM和256GB ROM；

　　（3）设备需要支持微软的Copilot；

　　（4）设备上之别配有Copilot物理按键

　　硬件端算力与内存规格快速升级，筑实端侧AI应用运行的基础。

　　（1）NPU从无到有，AI算力快速提升超越基准线：苹果最早在PC处理器上加入NPU模块，M4系列的NPU算力达到38 TOPS，相比前三代有明显提升。高通的X-Elite/Plus系列，NPU算力为45 TOPS，成为首批满足Copilot+PC标准的处理器，于2024年6月上市。2023年Intel的Meteor Lake系列、AMD的Phoenix系列和Hawk Point系列成为旗下首款搭载NPU的PC处理器，但上述产品的NPU算力介于10-20 TOPS之间，并不满足微软主导的AI PC标准。2024Q3，Intel推出了Lunar Lake（酷睿Ultra 200V）系列处理器，NPU算力最高达48 TOPS，整体AI算力最高达120 TOPS；AMD推出了Strix Point（Ryzen AI 300）系列处理器，NPU算力最高达50 TOPS。Windows阵营的PC处理器厂商全部完成了达成Copilot+PC标准的产品线迭代。此外，联发科正与英伟达合作开发AI PC处理器，预计将于2025年底实现量产。

　　（2）异构算力单元推升综合AI算力，协同运作满足多样化需求：NPU、CPU和GPU的异构算力单元已成为AI PC处理器的标配。专为执行特定AI任务设计的NPU能使用比CPU、GPU更具能耗效率的方式执行新一代AI应用。GPU因其通用性强、算力高的特点，仍是当下AI PC处理器AI算力的主要来源，多数高负载AI任务仍依赖GPU运行。以Intel Lunar Lake为例，NPU算力达到48 TOPS，GPU算力则达到67 TOPS。在此基础上，PC还可加装独立GPU提供额外算力。根据Intel的预测，2024年-2025年期间，AI PC约40%的负载都将通过GPU执行，NPU执行的比例将从25%提升至30%，CPU执行的比例则从35%下调至30%。

　　（3）内存规格持续提升：PC端部署本地AI模型，需要足够大的内存将整个模型保存在其中，同时CPU/GPU和内存之间的带宽也是影响端侧大模型表现的参数。微软定义的Copilot+PC要求内存容量最低为16GB，搭载Intel、AMD新款处理器的Copilot+PC已普遍将内存提升至了32GB，为AI模型的部署留下充足余量。苹果为了Apple Intelligence在Mac端的应用，也放弃了8GB内存。2024年10月更新的M4版的iMac、Mac Mini、Macbook Pro，基础内存配置全部从8GB增加到了16GB，同时苹果宣布M2、M3版的Macbook Air机型现标配16GB内存，且起售价维持不变。Intel Lunar Lake还采用了同苹果M系列一样的MoP（Memory on Package）封装方案，内存与处理器之间的距离缩短，大大减少了数据传输的延迟和功耗。

　　AI PC端侧应用处于起步阶段，但其迅速发展的势头和大模型的潜力开启了爆款应用诞生的可能性。目前主流的边缘AI示例主要涵盖：（1）人机交互：如AI虚拟助手的语音或文字交流；（2）文本创作：撰写演讲稿、文章等；（3）多媒体创作：涉及音频、图像、视频素材的编辑与创新；（4）跨模态生成：文生图、语音转文字等；（5）增强应用软件：例如会议视频人像背景分离，游戏体验个性化等。随着开发者队伍的壮大，边缘AI应用的数量预计将快速增长，高通指出AI在终端的应用示例已从去年的1-2个增长至数百个，预计2024年将达到上千个。在此发展势头下，鉴于边缘端AI应用除了其本质的延迟性和隐私保护优势外，也展现出了更广泛的能力，例如在生产力方面，具有大幅提升效率的潜力；在娱乐、私人助手的角度，具有深度个性化的特点。这种全面的能力为未来爆款应用的诞生提供了坚实基础。

　　在Wintel体系稳固的x86 PC领域，微软为AI PC发展的主导。作为Windows操作系统的开发者，微软独具优势，能够在操作系统层面集成AI大模型。这种集成不仅使得操作系统能够提供个性化的AI助手，还允许其他应用调用这些模型，实现更自然的AI交互，同时确保个人隐私的安全。

　　微软正持续定义和开发系统级AI应用。在2024年开发者大会上，微软公布了包括系统级AI应用在内的多项新进展：

　　（1）在系统级AI层面，微软已将AI功能遍及文件浏览器、图片浏览器、系统设置、通知以及各类系统级应用。以系统级的翻译能力为例，PC端任何程序中播放的音频、视频都可以被实时翻译成40多种语言。在图像编辑方面，Copilot将支持本地生成和优化图像，视频画面实时增强等功能（例如延伸接触、语音聚焦）。

　　（2）Copilot获得了OpenAI GPT-4o的云端支持，首次具备了“读屏”能力，实现上下文感知和视觉感知功能，例如Copilot可理解屏幕端的游戏画面并给出操作建议。

　　（3）基于系统级的AI功能和“读屏”能力，微软发布了召回（Recall）应用——用户可用自然语言回溯屏幕显示过的任何内容，重新定义Windows搜索功能。召回应用有一个时间轴，用户可以直接拖动找到自己需要的那个准确时间点，并直接暂停、删除AI记录的内容，还可以设置白名单过滤掉指定的应用程序或网站。召回应用可以完全在端侧运行，不需要上云，以保护用户隐私。

　　苹果软硬件一体化开发，发力系统级AI与垂直领域AI增强用户体验。苹果通过自行研发操作系统、芯片、大模型和终端设备，展现出强大的一体化优势。苹果擅长通过系统级整合将复杂技术化繁为简，使AI功能自然融入用户的日常体验。集成了Apple Intelligence的MacOs Sequoia不仅可以实现高效的系统级AI应用，还能够与iPhone、iPad、AirPods等设备协同工作，形成统一闭环的跨设备生态体系。在系统级AI应用方面，苹果已在MacOS Sequoia中引入了全系统可调用的新工具——Writing Tools。该工具支持用户在邮件、备忘录、Pages文稿以及第三方应用中对文本进行重写、校对和总结，从而提升效率。而在专业软件领域，苹果则为独立应用引入了专用AI功能，例如 Final Cut Pro 新增了自动添加字幕和智能抠图等功能。这种系统级AI和垂直领域专用AI并行推进的策略不仅满足了普通用户的日常需求，也增强了专业创作者的生产力。

　　NPU已成为新款处理器标配，具备NPU的AI PC渗透率加速提升。ARM阵营的高通、苹果，x86阵营的Intel、AMD，都在其新款处理器产品中加入了NPU，且未来的产品升级路线图表明，NPU已成为标配。随着新产品上市对老产品逐步形成替代，可以预见未来具备NPU的PC将占据绝大部分新机出货量，具备NPU的AI PC（宽泛标准下的AI PC）渗透率也将快速提升。根据IDC数据，25Q1全球具备Basic AI和GenAI功能的笔电占比分别达到了27.2%、5.3%，同比增速达到88%，基本覆盖了全部高端市场和部分中端市场。根据TechInsights的预测，具备NPU的AI PC渗透率将在2024年开始持续提升，从2024年的29%增至2029年的95%。

　　AI PC催化换机将使上游零部件受益，核心环节具有价值量提升机会。

　　处理器：AI大模型全部或者部分能力在本地运行，都需要更强大的处理能力，对处理器提出了更高的性能要求。因此，不仅CPU和GPU需进行升级以应对增强的计算需求，而且NPU可能成为标配，无论是作为SoC模块的一部分还是作为外挂组件，其性能需求都需要提高。

　　存储：（1）DRAM：不考虑内存硬件压缩等技术的前提下，70亿参数大模型采用INT8精度推理大约需要14GB DRAM。而且为确保整体流畅性，还需冗余量兼顾操作系统和其他软件的常驻内存。因此DRAM容量具有明确的升级机会，微软的Copilot+PC已将DRAM下限定为16GB，TrendForce数据显示2023年PC的平均DRAM仅为10.6GB，随着AI PC的普及，全球PC平均DRAM容量将持续升级。（2）NAND Flash：鉴于未来操作系统与第三方软件可能分别集成大模型，同时大模型参数量将持续提升，终端设备将需要更高的NAND Flash容量用于长期存储。

　　在PC标准化与全球电子产业转移趋势中，中国台湾厂商享受到PC市场发展第一波红利，并占据PC产业链多数环节的主要份额。当前随着联想、华为、小米等本土PC品牌的份额持续提升，以及国产替代的进程不断推进，本土PC产业链也将持续成长，并有望受益于AI PC为产业带来的变革机遇。

　　AI+硬件百花齐放，眼镜、耳机、音箱等产品迎来全新发展机遇

　　“AI+硬件”模式在办公、娱乐、教育等领域百花齐放，未来有望在更多场景以更多品类形式进行应用。随着AI大模型逐步成熟，几乎所有硬件产品都可以加入AI元素来提升表现能力。在AI大模型向着多模态、端侧应用逐步发展背景下，“AI+硬件”在各类应用场景落地，催生出多种品类。

　　AI眼镜市场迎来爆发元年，多方玩家开始积极布局。2023年9月，Meta与雷朋合作推出了名为Ray-Ban Meta的智能眼镜。Meta眼镜为眼镜增加了摄像头、喇叭、麦克风。最重大的更新是Meta眼镜融入了AI功能，与一般智能耳机用语音实现音量调节、拨打电话等简单指令类操作不同，Meta眼镜可以拍下用户当前正在观看的场景，调用Llama3多模态大模型的能力，回答用户的相关问题，例如户外逛街查美食餐馆信息，室内做饭时查询菜单和烹饪方法。Meta眼镜的AI功能使其获得了不错的销售成绩，根据The Verge数据，Ray-Ban Meta全年销售量超160万副，预计2025年发布Ray-Ban Meta 2以及新款AR眼镜。继Meta后，百度于2024年11月发布了小度AI眼镜，预计2025年上市。小米计划于2025年发布新一代AI眼镜。三星AI智能眼镜预计2025年上市。苹果内部也在推进代号“Atlas”的AI眼镜项目。蜂巢科技、新视界、宝岛眼镜、LOHO眼镜等也纷纷开始进入AI眼镜领域。随着更多玩家加入，预计2025年将成为AI眼镜市场爆发元年。

　　25Q1 Ray Ban Meta销售量增长三倍，全球AI眼镜2025年出货有望达到550万副。2025年Q1全球AI智能眼镜销量60万台，同比增长达216%，Q1 销量大幅增长主要来自于Ray Ban Meta智能眼镜的增长，销量52.5万台，去年同期为17万台。此外，雷鸟V3、Solos AIRGO Vision的产品发售上市，以及逸文G1、魅族StarV Air 2、影目GO2等AR+AI眼镜也贡献了一定的增量。预计2025年全年AI智能眼镜销量为550万台，后三个季度预计陆续会有新品上市，包括小米、阿里、三星等十几个品牌，以及Meta 在Q3预计会发布多款不同功能和形态的AI智能眼镜。

　　耳机凭借轻量便携优势有望成为个人AI助理的硬件载体。耳机具备天然的语音交互优势，其可作为AI控制入口，接收语音指令，具体的执行交给其他如手机等运算终端。同时，相比手机、眼镜，耳机更轻、便携、可长时间佩戴，因此有望成为个人AI助理的主要载体，也吸引了众多科技公司的布局。三星早于2024年7月发布了主打AI的Galaxy Buds 3 Pro，具备自适应降噪、环境分析等功能，并能够配合 Galaxy 手机完成即时口译。孵化的iFlyBuds也推出过支持AI录音降噪会议耳机系列产品，支持音视频录音、现场录音、同传翻译等多项功能。字节跳动在10月发布了首款AI智能体耳机Ola Friend，其背后连接字节自研的豆包大模型，可以通过唤醒词进入到豆包AI的连续对话。根据洛图科技（RUNTO）线上监测数据，2025年第一季度，AI耳机在线上传统主流电商的销量为38.2万副，比2024年同期增长960.4%。2025年全年，AI耳机在中国传统主流电商渠道的总销量可达152.7万副，延续2024年迅猛增长的趋势，同比增长超过3倍。

　　大模型使智能音箱“重获生机”，有望成为智慧家庭场景的AI流量入口。初期智能音箱主要作为音乐播放工具，之后逐渐发展为智能家居的中心控制器。如小米AI音箱和华为AI音箱均可通过语音操控多达上千种智能家居设备。随着智能音箱产业进入瓶颈期，智能音箱出货量开始逐年下跌，消费者热情也开始逐渐消退。AI大模型的加入，明显提高了智能音箱对用户意图的理解，智能音箱对用户的反馈也更丰富和准确，有望成为智慧家庭场景的AI流量入口。

　　折叠屏：价格中枢持续下降，折叠屏迎来爆发增长阶段

　　折叠屏手机已经逐渐成为各家安卓厂商价格最高配置最佳的旗舰机。智能手机市场增长的核心驱动力是创新，而在诸多创新方向中，折叠屏手机无疑是创新感最强且最为重要的趋势，在安卓品牌中尤为突出。一方面，安卓厂商机型中折叠机型价格最高；另一方面，从处理器、影像、存储等来看，各家折叠机型配置在其所有机型中处于顶级水平，折叠屏手机已经逐渐成为各家安卓品牌旗舰机型。

　　Canalys预计2025全年折叠屏手机出货量实现0.1%的同比增长，2026年苹果折叠屏有望刺激市场。虽然2025年主流厂商试图通过采取降低售价、扩展SKU等方式来寻求增长，但整体需求依旧承压。2026年或成为折叠屏市场复苏的关键年，苹果传闻中的折叠产品将有望带动整体品类的讨论度，并可能在软件交互与硬件设计层面带来新的思考，进一步活化市场需求。

　　折叠屏手机市场迎来放量阶段，铰链、超声波指纹、LTPO-OLED三大新增创新最受益：

　　铰链BOM占比高达13.7%，是折叠机除屏幕外最大成本增量。铰链是除屏幕外折叠机新增成本最大的部分。三星折叠机铰链BOM成本占比比直板机高出5.8%。三星初代折叠屏采用U型铰链实现了折叠特性，但折叠后屏幕间留有缝隙无法闭合。华为、OPPO、vivo等均采用水滴型铰链，特点是可以更好地控制屏幕折痕。

　　液态金属兼具强度与弹性，广泛应用于消费电子等行业。液态金属强度高于钢材等常规材料。液态金属（非晶合金）材料强度可达2100MPa，是钢材、钛合金等材料的2倍，钛合金的3倍。液态金属可塑性强于金属材料。液态金属随着温度的升高，黏滞度会逐渐降低，在较高温时具有可塑性，因此在使用模具进行成型时，易于控制它的结构，成型方式简单。液态金属凭借高强度、可塑性强的优点广泛应用于航天军工、消费电子、医疗、体育等领域，典型产品如折叠屏手机铰链、特斯拉鹰翼门锁扣、医疗绷带等。

　　锆基液态金属用于折叠屏铰链，、为主要供应商。锆基液态金属具有高强度和良好的成型性，是折叠屏铰链的优质材料。折叠屏手机铰链结构复杂、体积微小，掉落后极易损坏，因此使用高强度可塑性强的锆基液态金属制作可以提高其可靠性。国内主要的锆基液态金属厂商有宜安科技、东睦股份。宜安科技在液态金属领域已经布局10年以上，拥有中国最大规模锆基液态金属生产线。东睦股份子公司上海富驰于2016年成立液态金属部门，2017年成立子公司上海驰声从事液态金属生产销售并于2022年收购为全资子公司，2019年起东睦开始扩大锆基液态金属的生产制造。常州世竟已经成功完成了液态金属小批量试制。

　　侧边指纹存在易损坏、误触等缺点，屏下指纹将成主流。电容式指纹识别准确率低，使用限制多。电容式指纹识别不能湿手解锁，且在手指表面有脏油水情况下识别准确率较低，此外识别模块位于屏幕前方占据屏幕空间，而侧边指纹虽然不占据屏幕空间但容易引起误触。屏下指纹技术有助于实现全面屏，逐渐取代电容式。全面屏时代，苹果用Face ID取代指纹识别，而安卓厂商则主要用屏下指纹来应对。柔性AMOLED屏幕仅厚0.03mm，而硬性AMOLED屏幕厚0.3mm。柔性屏需要金属背板支撑，光学无法穿透。因此对于折叠屏手机，光学指纹识别无法应用，而超声波指纹成为最佳的屏下指纹方案。

　　LTPO比目前主流的LTPS支持更低的刷新率，功耗也更低。LTPO自适应刷新率支持1-120Hz，真正实现低频驱动。高刷场景LTPS高迁移率可使屏幕响应更快，低刷场景IGZO漏电低可使屏幕刷新率降低而不影响显示效果，最低频率可低至1Hz，而根据官网资料，其LTPS即使是低功耗技术也仅能使手机用屏幕刷新率低至30Hz。IGZO漏电低的特性使OLED在电容C的电压下可维持更久的亮度，因此在低刷场景下可降低屏幕刷新率从而降低功耗。京东方LTPO技术的产品续航时间可提升30%，TCL华星LTPO VR比传统的LTPS VR背板穿透率提升10%以上，从而降低屏体功耗10%以上。

　　折叠屏手机大电池与大屏难两全，低功耗LTPO成为其刚需。与直板机相比，折叠屏手机尤其是横向内折型、横向外折型屏幕尺寸更大，但电池容量增长有限。以华为Mate X5为例，其内屏面积（以机身尺寸近似）约为222cm，比Mate 60 Pro屏幕面积（约130cm）增加71%，但由于机身更薄（薄35%）且重量不能过重，因此电池容量仅增加约1%（60mAh）。低功耗的LTPO逐渐成为折叠屏手机刚需。

　　维信诺、京东方等LTPO技术逐渐成熟，已出货终端产品。苹果在其旗舰机型及智能手表上率先尝试使用LTPO技术，供应商主要是三星和LG。LTPO技术最大的优点在于其功耗低，尤其是静态显示类低频场景下优势显著，因此苹果在Apple Watch 5上率先使用LTPO屏幕，续航得到明显增加，之后在iPhone 14 Pro等旗舰机型开始大规模配置。其供应商主要为三星和LG。维信诺、京东方等已经为国内品牌折叠屏手机出货LTPO产品。LTPO屏幕方面，维信诺、京东方为荣耀Magic V2供应商，京东方为OPPO Find N3 Flip供应商，TCL与小米合作，三星为其他部分国内品牌供应商。

　　智能车：高级别智驾带来传感器数量提升

　　智驾升级对感知系统丰富度提出更高要求，单车搭载激光雷达数量有望升至3个以上。智驾感知系统通常分为两类，一类是以特斯拉、小鹏为典型代表的纯视觉方案；另外一类是包括激光雷达、摄像头等在内的多传感器融合方案。目前在国内，多传感器融合方案占主流。随着智驾向L3级自动驾驶进化，由于乘客参与驾驶环节更少，以及事故责任的承担方将转移到车厂，因此整个智驾系统对安全的要求将更为严格，通过增加传感器数量和种类可以极大提高智驾系统的感知丰富度，进而满足更高等级的智驾需求。目前国内搭载激光雷达的智驾系统搭载激光雷达数量大多为1-3个，但根据Yole预测，未来单车搭载激光雷达的数量将不断增加，预计到2032年单车搭载激光雷达数量达到6个，其中长距激光雷达2个，短距激光雷达4个。

　　技术迭代及产品放量推动激光雷达价格降至千元水平。2021年激光雷达单颗价格高达1万元，此后随着技术创新及出货量增加激光雷达的价格逐年下降。2023年禾赛科技产品单价降至4023元，速腾聚创产品单价降至2600元。2024年一径科技产品价格已经降至2000元以内，速腾聚创发布新品MX定价低于200美元。2025年禾赛推出新一代产品ATX定价同样低于200美元。宣称目标将自研激光雷达成本控制在900元。考虑到智驾系统理想成本不超过整车成本5%，对于20万元以内车型，其智驾系统成本通常应低于1万元，因此激光雷达价格降至千元水平，有助于降低智驾系统成本，进而推动智驾及激光雷达渗透率提升。

　　激光雷达渗透车型已下探至10万元级别。激光雷达早期主要搭载于高端豪华车，2022年激光雷达的主要搭载车型价位区间为40-50万元，随着激光雷达技术迭代，成本不断降低，更多中低价位车型开始搭载激光雷达，2023年激光雷达主要搭载车型价位区间为35-40万元，2024年1-10月降为30-35万元。2025年宣布将在10万元级别车型搭载激光雷达，比亚迪发布天神之眼智驾系统，其中天神之眼B和天神之眼A均配置激光雷达，未来有望推动激光雷达向10万元级别更快渗透。

　　2029年激光雷达出货量有望超1000万台，市场规模有望增长至36.32亿美元。随着搭载激光雷达的车型逐渐上市，2023年激光雷达市场开始迎来爆发增长，根据Yole数据，2023年全球激光雷达出货量同比增长3倍至80万台，2024年翻倍增至160万台突破百万台，预计到2029年全球激光雷达出货量可达1120万台，2023-2029年CAGR高达56.5%。尽管激光雷达单价有所下滑，但随着出货量快速增长，整体市场规模仍将处于快速增长区间。根据Yole数据预计，全球激光雷达市场规模将由2023年的5.38亿美元增至 2029年的36.32亿美元，CAGR达38%。其中，乘用车市场激光雷达市场规模占比82.6%。

　　智驾升级推动单车搭载摄像头数量增加、像素升级，2029年全球车载摄像头市场规模有望达84亿美元。纯视觉与多传感器融合两种类型的智驾系统均搭载大量摄像头作为传感器，随着智驾向L3级及以上自动驾驶升级，感知层的传感器数量呈现增加的趋势，Yole预计L3级自动驾驶摄像头搭载数量将比L2级大幅增加，可增至18颗。根据盖世汽车统计，2024年60%车型单车搭载摄像头数量低于10颗，但2025年比亚迪发布天神之眼C搭载12颗摄像头。同时更高像素摄像头可以使得视觉感知距离得到提升，因此像素升级也是车载摄像头的长期发展趋势，如小鹏P7的前视三目均为200万像素，而比亚迪天神之眼C前视三目摄像头由3颗800万像素镜头构成。随着用量增加、像素升级，车载摄像头市场规模将迎来快速增长，根据Yole数据，预计全球车载摄像头市场规模将从2023年的57亿美元增至2029年的84亿美元。

　　CIS在车载摄像头成本构成中占比最高达50%，预计2029年全球车载CIS市场规模将达32亿美元。从车载摄像头成本构成来看，CIS成本占比最高达50%，这是由于CIS负责将光信号转变为电信号，其质量直接影响摄像头成像质量与感知精度，CIS是车载摄像头构成中最重要的部件。此外模组封装占25%，光学镜头占14%。由于CIS占车载摄像头成本比例较高，因此车载摄像头市场增长中最为受益的是车载CIS环节。根据Yole数据，预计全球车载CIS市场规模将从2023年的23亿美元增至2029年的31.55亿美元，CAGR达5.4%。

　　车载CIS领域国产化率较低占比仅3成左右，高像素CIS占比更低，未来国产化空间巨大。根据Yole数据，2023年车载CIS领域全球玩家中，国产厂商韦尔股份占比29%，占比3%，两家国产厂商合计占比仅3成左右，其余份额多为国际厂商占据。安森美市场份额高达40%占比第一，索尼占比17%排在第三位。而高像素CIS如800万像素领域，目前主流供应商为安森美，国内厂商韦尔股份正在快速抢占市场份额。

　　车载摄像头镜头领域舜宇光学科技市场份额40%位居第一。光学镜片和镜头过去由日韩企业主导，近些年随着国内企业技术突破以及国内新能源车企推动国产化，2020年国内企业在光学镜头领域已经占据头部地位，舜宇光学科技市场份额达32%以上，位居第一。

　　毫米波雷达成本构成中软件算法占比达50%，供应环节多被国际厂商主导。根据焉知汽车数据，毫米波雷达成本构成中，软件算法占比50%最高，其次为射频前端占比25%，信号处理芯片及高频PCB分别占比10%。其中软件算法、射频前端等关键部件仍被博世、瑞萨、英飞凌、高通等国外企业掌控，高频PCB板的合格供应商同样以国际市场的罗杰斯、Schweizer为主，不过国内厂商已收购Schweizer19.74%股权，有望提升该环节国产化进程。

　　2024年国内市场毫米波雷达搭载量超2300万颗，但供应商仍以博世等国际厂商为主。随着智驾高速发展，毫米波雷达搭载量逐年上升，根据盖世汽车数据，2024年1-11月毫米波雷达搭载量超2300万颗，同比增长18%，增长主要来自角毫米波雷达。竞争格局方面，毫米波雷达市场主要被博世、大陆等国际厂商占据，其中博世市占率达33%，大陆24%。但角毫米波雷达方面国产厂商有所突破，华为、福瑞泰克等开始有所出货。

　　4D毫米波雷达是行业重要发展方向，华为发布自研产品引领国内。4D毫米波雷达在3D毫米波雷达基础上增加了一个维度，即可以测量物体的高度，其功能类似激光雷达，但成本远低于激光雷达，因此4D毫米波雷达是行业重要的发展方向，如特斯拉将在其第4代自驾平台重新引入4D毫米波雷达，蔚来汽车子品牌乐道L60将全系标配4D毫米波雷达。2024年华为在国内首发高精度4D毫米波雷达，探测距离增至280米，成像精度提升4倍，时延降低65%，并支持泊车模式，全面提升了智驾感知能力。

　　1.3.7 人形机器人：产业政策大力扶持，临近规模上量时点

　　人形机器人产业政策频发，政策红利驱动技术迭代和商业化落地。2023年11月，工信部发布《人形机器人创新发展指导意见》，核心目标是：2025年初步建立创新体系，突破“大脑（AI决策）”“小脑（运动控制）”“肢体（机械结构）”等关键技术，实现整机批量生产及特种、制造、民生场景示范应用；培育2-3家全球影响力生态型企业，打造2-3个产业集聚区。2027年形成安全可靠产业链，综合实力达世界先进水平，产业规模化发展并深度融入实体经济。2024-2025年，各地方相继出台政策，推动人形机器人的技术创新、核心部件降本和量产突破。根据工信部规划及产业咨询机构预测，2024年全球人形机器人出货量约千台级，主要应用于工厂实训（如优必选Walker进入车厂）。预计2027年超1万（CAGR 83%），2030年达38万台，2035年400万-1000万台。

　　创业公司井喷，人形机器人产品快速落地。截至2025年4月，全球人形机器人本体企业数量已突破300家，其中中国企业占据半壁江山，数量超过150家，集中分布于北京（小米机器人、星动纪元）、上海（智元机器人、傅利叶）、深圳（优必选、越疆机器人）三大产业集群。国际方面，美国企业超45家（如特斯拉、Figure），日本企业超22家（如本田、丰田），其他国家和地区合计不足30家。产品发布方面，2024年全球新品超106款（63%为足式机器人），而2025年第一季度新增35款，其中国内企业占比60%（如宇树Unitree G1、众擎PM01）。代表性产品包括特斯拉Optimus（已部署上海工厂）、优必选Walker S（获车厂订单）、智元机器人灵犀X2（2025年量产）等。

　　为什么机器人设计成人形？主要基于三重核心价值：（1）通用性：人类环境中的工具、设施（如楼梯、车辆、键盘）均按人体工学设计，人形结构使机器人能直接操作现有工具、适应多样化任务（如家务全流程、工业分拣），无需改造环境或定制设备。（2）环境适应性：双足行走与多关节设计（全身200+自由度）赋予机器人跨越障碍、灵活转向的能力，在非结构化场景（家庭、废墟救援）中优于轮式或四足机器人。（3）交互友好性：类人外形（表情、手势）降低人类心理戒备，通过视线、肢体语言实现自然沟通，在医疗陪护、教育等需情感连接场景中不可或缺。

　　相比传统机器人，人形机器人对驱动、感知、执行、材料、算力的要求提升显著。人形机器人相比常规工业或家用机器人，在硬件层面实现了显著提升，主要体现在关节数量剧增、感知系统复杂化、执行器高精度化以及材料轻量化等方面，这些变化带来了核心零部件的增量需求（如更多关节模组、多模态传感器）和性能升级（如高功率密度驱动、智能材料应用），从而支撑其适应非结构化环境、执行类人精细操作的能力。