DeepSeekDeepSeek研究框架研究框架计算机人工智能系列深度报告计算机人工智能系列深度报告评级：推荐(维持)证券研究报告2025年02月14日计算机刘熹(证券分析师)S请务必阅读报告附注中的.
2025-02-17
52页
5星级
分析师分析师联系人联系人张初晨张初晨登记编号：S1220523070001景柄维景柄维智算中心总结与展望：着眼生态价值及需求拉动计 算 机 团 队计 算 机 团 队 行 业 深 度 报 告行 业 深 .
2025-02-17
31页
5星级
中 泰 证 券 研 究 所专 业 领 先 深 度 诚 信证券研究报告2 0 25.0 2.1 6技术与政策共振，AI和信创迎来新一轮黄金期分析师：闻学臣执业证书编号：S0740519090007分析师.
2025-02-17
162页
5星级
请务必阅读正文之后的免责条款部分 股票研究股票研究 行业更新行业更新 证券研究报告证券研究报告 股票研究/Table_Date 2025.02.14 效率革命剑指“暴力计算法则”效率革命剑指“暴力计.
2025-02-17
19页
5星级
碳氢化合物冷却液与服务器材料以及健康环境的兼容性研究 ODCC-2024-0C002 编号 ODCC-2024-0C002 碳氢化合物冷却液与服碳氢化合物冷却液与服务器材料以及健康环境务器材料以及健康.
2025-02-15
34页
5星级
Report2025年 亚太发商 游戏应 市场洞察Sensor Tower Inc.-All Rights ReservedSensor Tower 把握全球数字经济脉搏Sensor Tower 是全.
2025-02-14
33页
5星级
本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 DeepSeek 系列报告 AI 编程或为 B 端最先崛起的 AI 应用 2025 年 02 月 13 日 AI 编程：重构代码编写的范式。AI 编程已经成为 AI 发展的一个重要的细分领域，正在逐步赋能编程工作的各个方面，包括代码自动补全、代码生成、测试验收等。根据2024 年中国 AI 代码生成市场观测报告，2023 年中国 AI 代码生成市场规模达到 65 亿元，随着规范化开发需求和中小型企业用户对辅助开发工具的需求增加，预计到 2028 年，中国 AI 代码生成市场规模预计将增长至 330亿元，年复合增长率达 38%。GitHub Copilot 引领 AI 编程，智能体、多模态等技术持续提升行业潜力。据 2024 年 7 月微软财报电话会议所披露信息，Github Copilot 的年度经常性收入（ARR）已经成功突破 3 亿美元大关，ARR 数值占 Github 当年整体增长的 40%，已然成为推动 Github 业务拓展的核心驱动力之一。而对比 2023年，Github Copilot 在 2023 年的 ARR 约为 1 亿美元。2025 年 2 月纳德拉表示 GitHub Copilot 将 all-in 智能体，GitHub 现任 CEO Thomas Dohmke 表示自主 SWE 智能体也将融入 GitHub 用户体验。智能体将 GitHub Copilot 的体验提升到人类程序员水平，在处理代码问题时，无需开发者特别指定相关代码，便可主动定位合适代码并解决问题，如同为每个代码库配备了专属的工程师，并且具有强大的自主能力，识别错误并自动修复。与此同时，Github Copilot 也将实现“Vision”等功能，向多模态等方向不断进发。国内企业重点发力，大厂已实现在内部的大量应用。科技大厂中，以百度、阿里、字节的火山引擎为例，均在 AI 编程领域取得成绩，在三方基准测试平台Chatbot Arena 公布的最新的大模型盲测榜单中，Qwen2.5-Max 在数学和编程等单项能力上排名第一；截至 2024 年 4 月，Baidu Comate 深度融入开发流程，参与了大量项目的开发工作，编写了百度内部四分之一的代码；在字节内部，豆包 MarsCode 已经覆盖了 70%以上的开发者，从编码阶段就开始为开发者贡献代码和技术解决方案。上市公司中，卓易信息旗下艾普阳的 SnapDevelop 集成 ChatGPT，在智能化时代引领 IDE 新发展；普元的低代码开发平台推动 AI 编程效率提升，同时与华为等国产化生态持续深入融合；截至 2024 年 9 月，商汤的代码小浣熊个人用户超过 10 万人，实现了单日生成代码量突破十亿 Tokens；金现代自身低代码平台持续迭代，已经积累多个重要政企客户。投资建议：AI 编程目前已经成为 AI 的主要细分方向之一，GitHub Copilot等引领行业发展，AI 编程逐渐向智能体、多模态等方向演进。AI 或将率先颠覆他的“创造者”AI 编程，大量企业级客户对 AI 编程的使用将逐渐深入，AI编程有望成为 B 端最先崛起的 AI 应用。建议重点关注国内领军企业卓易信息、普元信息、商汤-W、金现代等。风险提示：行业竞争加剧的风险；技术路线变革存在不确定性；与 AI 深度结合效果存在不确定性。推荐 维持评级 分析师 吕伟 执业证书：S0100521110003 邮箱：lvwei_ 分析师 郭新宇 执业证书：S0100518120001 邮箱： 相关研究 1.计算机行业动态报告：DeepSeek 系列报告之 AI 教育-2025/02/12 2.计算机行业深度报告：为什么 DeepSeek 最先激活方向是 SaaS-2025/02/11 3.计算机行业点评：豆包开源视频大模型激活每个摄像头-2025/02/11 4.计算机行业深度研究：为什么 DeepSeek 最受益方向是云产业链-2025/02/09 5.计算机周报 20250209：国产 AI 算力或是DeepSeek 预期差最大的受益方向-2025/02/09 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 AI 编程：重构代码编写的范式.3 2 GitHub Copilot 引领 AI 编程，智能体、多模态等技术持续提升行业潜力.6 2.1 AI 编程的行业领跑者，与大模型深度结合提升智能化能力.6 2.2 向智能体升级，SWE Agent 具有重要潜力.8 2.3 向多模态等技术进发，VS Code 1.97 提升开发者效率.8 3 国内科技大厂重点发力 AI 编程，已在内部大量应用.10 3.1 阿里：通义灵码 AI 程序员.10 3.2 百度：Baidu Comate.10 3.3 火山引擎：豆包 MarsCode.11 4 重点上市公司.13 4.1 卓易信息：SnapDevelop 集成 ChatGPT，智能化时代引领 IDE 新发展.13 4.2 普元信息：低代码开发平台推动 AI 编程效率提升.14 4.3 商汤：代码小浣熊在用户数、生成代码量等方面取得长足进展.15 4.4 金现代：AI 低代码平台不断成熟，积累多个重要客户.16 5 投资建议.18 6 风险提示.19 插图目录.20 表格目录.20 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 3 1 AI 编程：重构代码编写的范式 AI 编程已经成为 AI 发展的一个重要的细分领域。企业数字化转型离不开开发者的支持，但企业在软件开发过程中面临一些问题，包括开发者人才短缺、软件需求超出企业现有开发能力等。AI 编程助手能够有效解决这些问题，提升企业软件开发能力，推动企业高质量发展。图1：AI 代码生成赋能编程流程 资料来源：2024 年中国 AI 代码生成市场观测报告、沙利文、头豹研究院，民生证券研究院 目前随着 AI 技术的不断演进，AI 编程助手正在逐步赋能编程工作的方方面面，包括代码自动补全、代码生成、测试验收等。图2：AI 编程助手的场景用例，正在逐步覆盖软件开发全生命周期的各个环节 资料来源：采用 AI 编程助手发展新质生产力、商汤智能产业研究院、InfoQ 等机构，民生证券研究院 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 4 表1：AI 代码生成功能分类 功能分类 描述 应用场景 优点 缺点 代码补全 生成代码片段或建议，帮助完成当前编写的代码行 编写代码时自动补全函数调用、变量声明 提高编码速度，减少打字量 生成不完全符合上下文的代码 代码生成 根据描述或模型输入生成完整的代码片段或函数 根据业务逻辑描述生成特定功能的代码 加快开发流程，减少手动编写复杂代码的需求 生成的代码可能需要调整以满足特定需求 代码重构 自动识别代码中的改进点并提出重构建议 优化现有代码库，提高代码质量 提升代码可维护性和性能 重构建议可能不完全准确，需要人工审核 测试用例生成 生成测试用例和测试脚本 自动化测试，确保代码质量 减少测试用例编写工作，提高测试覆盖率 生成的测试用例可能需要根据实际情况调整 代码审查辅助 分析代码并提供改进建议 代码审查阶段，提高代码质量 帮助发现潜在问题，促进团队遵循最佳实践 可能产生误报，需要开发者判断 代码搜索与导航 根据自然语言查询提供代码定位和搜索结果 快速定位和理解大型代码库中的特定部分 提高代码理解和导航效率 搜索结果的准确性可能受限于索引和算法 交互式编程 通过自然语言与 Al 进行对话，获取编程帮助 解决编程问题，学习新技术 提供即时的编程指导和解决方案 可能无法理解复杂的编程问题或上下文 资料来源：2024 年中国 AI 代码生成市场观测报告、沙利文、头豹研究院，民生证券研究院 根据2024 年中国 AI 代码生成市场观测报告，2023 年中国 AI 代码生成市场规模达到 65 亿元人民币，随着规范化开发需求和中小型企业用户对辅助开发工具的需求增加，预计到 2028 年，中国 AI 代码生成市场规模预计将增长至 330 亿元人民币，年复合增长率达 38%。图3：中国 AI 代码生成行业市场规模（亿元）资料来源：2024 年中国 AI 代码生成市场观测报告、沙利文、头豹研究院，商汤科技官方公众号，民生证券研究院 05010015020025030035020232024E2025E2026E2027E2028ESaaS服务模式大客户定制行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 目前国内有大量厂商开始进行 AI 编程的布局，包括云厂商、IDE 及 AI 开发平台等类型。图4：AI 代码生成行业产业链图谱 资料来源：2024 年中国 AI 代码生成市场观测报告、沙利文、头豹研究院，民生证券研究院 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 6 2 GitHub Copilot 引领 AI 编程，智能体、多模态等技术持续提升行业潜力 2.1 AI 编程的行业领跑者，与大模型深度结合提升智能化能力 AI 发展或许率先“颠覆”他的“创造者”AI 编程。AI 编程是当前最热门的 AI 应用之一，根据 2024 年 7 月微软财报电话会议所披露信息，Github Copilot 的年度经常性收入（ARR）已经成功突破 3 亿美元大关，ARR 数值占 Github 当年整体增长的 40%，已然成为推动 Github 业务拓展的核心驱动力之一。而对比 2023 年，Github Copilot 在 2023 年的 ARR 约为 1 亿美元。Github Copilot 持续投入研发，不断改进代码补全的准确性，从简单的语法提示逐步拓展至复杂算法逻辑的辅助构建，大大提升了开发者的编码效率；同时，与 Github 平台深度融合，充分利用 Github 庞大的代码仓库资源作为训练数据基础，同时反向为 Github 上的开源项目开发助力。开发者在使用 Copilot 加速个人项目开发的同时，也为开源社区贡献更多高质量代码，形成良性循环，吸引更多开发者入驻 Github 并尝试使用 Copilot。图5：Copilot 编程案例 资料来源：Github 官网，民生证券研究院 2021 年 6 月 GitHub 宣布推出 GitHub Copilot，并在 Visual Studio Code 开发环境中进行技术预览。2022 年 3 月 GitHub 宣布 Copilot 可用于 Visual Studio 2022 IDE；2022 年 6 月 Copilot 结束“技术预览”阶段，作为基于订阅的服务面向个人开发者推出，定价为每月 10 美元或每年 100 美元，同行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 7 时对学生用户和流行开源项目的维护者免费提供。2023 年 3 月 GitHub 宣布了 Copilot X 计划，将基于 GPT-4 集成聊天机器人，并支持语音命令。图6：GitHub Copilot 适用于多种框架和语言 资料来源：量子位，民生证券研究院 2024 年 2 月 GitHub Copilot Enterprise 正式上线，面向所有企业客户开放。该版本根据每个企业的代码库和知识库进行个性化定制，支持拉取请求描述和摘要，以及针对一般编码问题的聊天支持，并新增了对微软必应搜索引擎的支持。功能上，以 GitHub Copilot Enterprise 为例，其支持：1）根据代码库定制的聊天：让开发人员可以使用 GitHub Copilot Chat 创建根据代码库定制的提示。开发人员能够直接将它应用于议题、拉取请求、Codespaces 中的代码文件。通过在这些环境中启动 Copilot Chat 会话，团队成员可以利用 Copilot 的定制建议，从该空间获取所需的信息，或在参与时增强编码体验。2）拉取请求摘要：目的是减少创建信息性拉取请求说明所需的时间和精力，它可以增进了解并加快评审流程。3）使用文档集的文档搜索和摘要：GitHub Copilot Enterprise 文档集管理可以帮助使用者找到要找的答案，无需搜索整个文档集。4）代码评审：在代码库内提供深入的帮助，将协作提升到下一级别，在整个代码库中解释选定的代码片段，帮助开发人员了解其团队成员的意图，并明确代码的复杂部分，使开发人员能够深入了解代码库。图7：GitHub Copilot Enterprise 根据代码库定制的聊天 资料来源：微软官网，民生证券研究院 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 8 2.2 向智能体升级，SWE Agent 具有重要潜力 2025 年 2 月，纳德拉表示 GitHub Copilot 将 all-in 智能体，微软自主的SWE 智能体首次亮相。GitHub 现任 CEO Thomas Dohmke 表示，自主 SWE 智能体（项目代号 Padawan）也将融入 GitHub 用户体验。此次升级标志着 Copilot 从单纯的代码辅助工具向具有自主能力的智能编程助手转变。SWE 智能体的功能与应用主要包括以下内容：1）“Project Padawan”的融入：能够将 GitHub Copilot 的体验提升到人类程序员水平，在处理代码问题时，无需开发者特别指定相关代码，便可主动定位合适代码并解决问题，如同为每个代码库配备了专属的工程师。2）强大的自主能力：在 Agent 模式下，Copilot 展现出诸多强大的自主能力。它能够自主迭代代码，识别错误并自动修复；主动建议终端命令，并请求执行；识别运行时错误，主动进行修复。3）多文件编辑工具的更新：与智能体模式同时上线的 GitHub Copilot Edits，可一次性处理工作空间中的多个文件，并给出代码更改意见。表2：SWE 智能体的功能与应用内容梳理 主要内容 相关特征或案例“Project Padawan”的融入 将 GitHub Copilot 的体验提升到人类程序员水平，在处理代码问题时，无需开发者特别指定相关代码，便可主动定位合适代码并解决问题，如同为每个代码库配备了专属的工程师 在处理 GitHub cli 库的问题时，面对代码库中 700 个文件、约 20 万行代码的规模，“Project Padawan”能快速响应开发者分配的问题，从 draft PR 直接链接到开发者创建的问题，不断更新 PR 描述并自主提交，共享实时计划，让开发者清晰看到更改进度。完成 PR 后，还会推送最终更改的提交，自主请求代码审查，并将 PR 标记为“准备审查”强大的自主能力 自主迭代代码，识别错误并自动修复；主动建议终端命令，并请求执行；识别运行时错误，主动进行修复 在构建 Web 应用程序时，开发者只需在 Copilot Chat 中输入要求，如更新分页按钮样式、添加用户选择每页显示行数功能、按名称搜索比赛功能等，Copilot 就能选用相应模型（如 o3-mini 模型）输出代码，完成对网站前端、后端以及测试等多个文件的修改，还会主动提示开发者运行单元测试，确保代码质量 多文件编辑工具的更新 与智能体模式同时上线的 GitHub Copilot Edits，可一次性处理工作空间中的多个文件，并给出代码更改意见 用户在编辑器中就能直接完成审查，了解周围代码的完整上下文，且对每一次编辑可选择接受或放弃，拥有灵活的控制权。此外，Copilot Edits 新增“chat.editing.autoAcceptDelay”设置，可指定 Copilot Edits 的建议被接受之前需要等待的秒数，方便用户根据自身需求调整接受建议的时机 资料来源：澎湃新闻、新智元，民生证券研究院整理 2.3 向多模态等技术进发，VS Code 1.97 提升开发者效率 根据 IT 之家，GitHub 宣布了其 AI 编程助手 Copilot 的一系列重大更新，其中较为重要的是 Copilot 的“Vision”功能：允许用户在聊天中上传截图、照片或图表，Copilot 将基于这些图像生成相应的界面、代码以及替代文本（alt text），从而将用户的视觉想法转化为实际的编程成果。例如，营销团队的成员可以截取网页的截图，并在上面标注出他们希望进行的修改。以往他们需要通过文字提示来请行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 9 求这些更改，而现在他们只需上传图像，并直接要求 Copilot 根据文件中的指示进行修改即可。这一功能自去年 10 月起已在 VS Code 中作为扩展提供，微软当时表示该功能最终将被整合为 GitHub Copilot Chat 的原生功能。科技媒体 WinBuzzer 发布博文，称微软更新发布 Visual Studio Code 1.97 版本，主要在开发流程中整合 GitHub Copilot，提高开发者的开发效率。新版整合 GitHub Copilot 后，Copilot 不再是被动地补全代码，而是主动预测开发者下一步可能需要的修改，并给出建议。大模型方面，VS Code 支持 OpenAI 的 o3-mini 和 Google 的 Gemini 2.0 Flash 模型，为开发者提供更多选择。表3：微软更新发布 Visual Studio Code 1.97 版本的部分具体更新内容 更新功能 主要内容 Copilot Next Edit Suggestions（预览）预测用户要进行的下一次编辑的位置以及编辑的内容。并提供与当前工作相关的更改建议，只需按 Tab 键即可快速导航并接受建议 重新定位命令面板 可以将命令面板和其他快速输入移动到新位置，而不是将其固定在窗口顶部 Auto accept 编辑 可配置的超时后自动接受来自 Copilot 的编辑 扩展发布者信任 使用扩展发布者信任保证环境安全。更新到 VS Code 1.97 版本时，当前安装的扩展的发布者将自动获得信任。可以使用 Extensions:Manage Trusted Extensions Publishers 命令来管理受信任的扩展发布者 资料来源：IT 之家，民生证券研究院整理 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 10 3 国内科技大厂重点发力 AI 编程，已在内部大量应用 3.1 阿里：通义灵码 AI 程序员 2024 云栖大会期间，通义灵码 AI 程序员正式发布。通义灵码 AI 程序员是全球首个同时支持 VS Code、JetBrains IDEs 开发工具的 AI 编程辅助工具。良好的兼容性使得开发者在熟悉的开发环境中即可便捷地调用 AI 编程功能，无需为适应新的开发平台而重新学习，降低了使用门槛。通义灵码 AI 程序员的功能特性包括：1）多开发工具支持：全球首个同时支持 VS Code、JetBrains IDEs 开发工具的 AI 编程辅助工具。2）多文件代码修改能力：开发者只需提出需求，如在特定项目中添加新功能、修复问题或进行代码优化，AI 程序员就能自动完成多文件级的编码任务。3）单元测试生成功能：可以针对当前代码变更、单个或多个代码文件批量生成单元测试。4）多种开发能力拓展：包括上下文感知、意图理解、反思迭代、工具使用等多种开发能力。根据阿里云官方公众号，三方基准测试平台 Chatbot Arena 公布了最新的大模型盲测榜单，通义千问 Qwen2.5-Max 超越 DeepSeek-V3、Open AI o1-mini和 Claude-3.5-Sonnet 等模型，以 1332 分位列全球第七名，也是非推理类的中国大模型冠军。同时，Qwen2.5-Max 在数学和编程等单项能力上排名第一，在硬提示（Hard prompts）方面排名第二。图8：阿里 Qwen2.5-Max 在多领域表现强劲，数学及编程能力斩获第一 资料来源：阿里云官方公众号，民生证券研究院 3.2 百度：Baidu Comate 2022 年 9 月，Baidu Comate 开启了其在软件开发领域的征程，主要承担代码推荐工作，通过接入文心大模型，学习 GitHub 公开代码数据以及百度内部行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 11 全厂代码库，为开发者提供代码推荐服务，每天被采纳的代码超过 2.6 万行，展示出其在代码辅助方面的潜力。2023 年初，Comate 从单纯的代码推荐工具升级为更具实用性的代码生成助手，后续则发布 SaaS 版，使更多开发者能够使用其功能，应用于金融、科技、汽车、机械制造、软件服务等领域，代码采纳率超过 50%。2024 年 Baidu Comate 推出 Comate 开放平台，通过 Github、GitLab、Gitee 插件，实现企业自己的知识、第三方能力与编程的深度结合。后续 Baidu Comate 迎来重大升级，进化为 Comate 2.0 版本，并面向所有个人开发者免费服务。图9：百度 Comate 的发展历程 资料来源：百度官方公众号，民生证券研究院 其取得的成果包括以下几点：1）赋能内部应用：根据百度官方公众号，截至2024 年 Q1，Baidu Comate 深度融入开发流程，参与了大量项目的开发工作，编写了百度内部四分之一的代码。2）企业级应用 Baidu Comate 已被 1 万多家企业应用，涵盖多个行业。3）个人开发者应用：面向个人开发者免费服务的 Comate 2.0，为个人开发者提供了强大的编程支持。3.3 火山引擎：豆包 MarsCode 火山引擎协同豆包 MarsCode 为开发者提供了智能 AI IDE，在代码补全、Bug 修复、代码问答等各编程阶段为开发者提供协助支持。在关注代码生成 AI 化的同时，豆包 MarsCode 也关注开发工具本身的 AI 化，通过交互方式的转变和多种大模型能力的接入，为开发者提供更好的用户体验。在字节内部，豆包 MarsCode 已经覆盖了 70%以上的开发者，从编码阶段就开始为开发者贡献代码和技术解决方案。在代码提交后，AI 也会参与代码评审，自动生成测试用例提升覆盖率，上线后也用于辅助线上问题的定位和解决等等。AI 编程的重要探索：1）代码补全：核心是让模型预测下一个字符，这要求模型理解现有代码上下文并推测开发者续写逻辑。实现这一目标依赖于强大的模型性能和精心设计的 Prompt 工程。2）代码补全 Pro：主要针对修改、编辑已有代码的场景。例如在 Python 打印日志函数增加参数的场景中，它能够自动在多行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 12 个调用该函数的地方补齐参数，提升开发效率。图10：豆包 MarsCode 的/fix 功能演示 资料来源：豆包 Marscode 公众号，民生证券研究院 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 13 4 重点上市公司 4.1 卓易信息：SnapDevelop 集成 ChatGPT，智能化时代引领 IDE 新发展 SnapDevelop 目前已经实现和 AI 功能的深度融合。SnapDevelop 集成了 ChatGPT（海外用户支持），无需离开集成开发环境（IDE）即可轻松使用优质 AI 服务，全面提升编码效率。例如提供精准的代码建议，添加代码注释，代码诊断与优化等。图11：SnapDevelop 的 AI 生成代码注释 资料来源：艾普阳官方公众号，民生证券研究院 同时，SnapDevelop 深度布局代码生成，支持自动创建页面、实体、过滤条件、查询、服务和 API 等代码。繁琐的日常编码工作被大幅度简化，用户只需专注于业务逻辑的处理。行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 14 图12：SnapDevelop 自动生成高质量代码 资料来源：艾普阳官方公众号，民生证券研究院 4.2 普元信息：低代码开发平台推动 AI 编程效率提升 普元低代码开发平台社区版整合了普元企业级低代码开发平台的核心技术能力，包括 AI 助手、模型驱动、快速渲染、分布聚合等。该版本基于服务 5000 家大型企业、100 万平台使用者的实践经验打造，为各类用户提供高效、便捷的开发体验。平台社区版能实现开发效率提升 300%，降低开发、部署和维护等各类成本 50%以上，同时在渲染性能上提升 30%。图13：普元低代码开发平台社区版 资料来源：普元信息官方公众号，民生证券研究院 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 15 普元低代码开发平台社区版拥有 AI 助手与智能编程、模型驱动技术、快速渲染技术、分布聚合技术等核心技术。图14：普元低代码开发平台社区版的相关技术优势 资料来源：普元信息官方公众号，民生证券研究院 同时，普元信息也积极发力华为等国产化生态。仓颉编程语言由华为自研，具有原生智能化、天生全场景、高性能、强安全的特点，普元基于仓颉编程语言开发的 Cangjie-TPC/S3-SDK 项目，在 GitCode 开源社区的 G-Star 计划中获得优秀毕业项目认证。GitCode 是由 CSDN 和华为云联合发布的新一代 AI 驱动的开源社区平台，G-Star 计划是其针对开源项目成长全流程的孵化计划。4.3 商汤：代码小浣熊在用户数、生成代码量等方面取得长足进展 商汤已推出基于“日日新 Sensenova”大语言模型打造的软件智能研发助手代码小浣熊，覆盖软件需求分析、架构设计、代码编写、软件测试等环节，满足用户代码编写、编程学习等各类需求。代码小浣熊支持 Python、Java、JavaScript、C 、Go、SQL 等 90 主流编程语言和 VS Code、IntelliJ IDEA 等主流 IDE。截至 2024 年 9 月，代码小浣熊个人用户超过 10 万人，实现了单日生成代码量突破十亿 Tokens，而且其生成的代码平均采纳率稳健地维持在 30%以上，有效助力用户编程效率实现了 20%至 78%的显著提升。开发者只需给出简单提示，智能助手便能将需求分解为业务模块和数据实体，并通过智能扫描实体类型生成表单控件和整个页面。相比传统代码开发方式，效率提升 300%AI 助手与智能编程允许开发者定义复杂的业务逻辑、数据结构和工作流程，适用于开发具有多层次、多实体和复杂交互的业务系统模型驱动技术以源码方式直接执行预编译的源码，并结合内存优化和性能调优等专有技术，显著提升了渲染性能。即使是包含 300 个控件、长度在 10 屏幕左右的复杂表单，也能在 1 秒内完成渲染和数据加载快速渲染技术自动扫描分布式和单体架构的拓扑结构，优化合并系统进程。这一技术可将原有的分布式架构计算资源、人员成本和时间成本降低 50%分布聚合技术行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 16 图15：商汤科技代码小浣熊相关功能 资料来源：商汤科技公众号，民生证券研究院 4.4 金现代：AI 低代码平台不断成熟，积累多个重要客户 公司发展以“AI 低代码”开发平台为代表的标准化、通用软件产品业务，已成功研发了一系列标准化平台类软件产品，包括轻骑兵低代码开发平台、文档智能预审平台、知识图谱可视化开发平台等。轻骑兵低代码开发平台是公司自主研发的以代码生成为核心能力的软件开发工具，用户通过可视化拖拽和快速配置的方式开发软件，无需代码或通过少量代码就可以快速生成高体验的应用程序，从而实现编程等工作的降本增效。图16：轻骑兵 PaaS 平台是企业数字化建设的底座 资料来源：金现代公司官网，民生证券研究院 轻骑兵借助通用大语言模型技术，构建了 AI 低代码垂直应用。公司团队已基于支持私有化部署的智谱华章 ChatGLM4 大语言模型构建了低代码领域的专有大模型，实现了数据模型的自动生成和表单自动构建，并提供自然语言交互的应用行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 17 智能搭建能力，智能推荐生成功能模块、数据模型、表单、代码等，提高配置开发工作的效率和准确率。客户方面，平台客户群体已覆盖电力、航天、金融、制造业、轨道交通、通信等行业，典型客户包括航天二院、华能集团、国网华中科技、中铁电气化局、山东省交通运输厅、重汽集团、潍柴动力等知名政企客户。行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 18 5 投资建议 AI 编程目前已经成为 AI 的主要细分方向之一，GitHub Copilot 等引领行业发展，AI 编程逐渐向智能体、多模态等方向演进。AI 或将率先颠覆他的“创造者”AI 编程，大量企业级客户对 AI 编程的使用将逐渐深入，AI 编程有望成为 B端最先崛起的 AI 应用。建议重点关注国内领军企业卓易信息、普元信息、商汤-W、金现代等。行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 19 6 风险提示 1）行业竞争加剧的风险。目前多家科技公司布局 AI 编程，且均具有自身优势，互联网大厂及重点上市公司都在加大自身技术研发以及市场投入力度，进而可能导致行业竞争加剧。2）技术路线变革存在不确定性。AI 编程尚处于发展初期，多种技术路线并存，未来可能由于技术路线的变革，导致部分企业的竞争优势有所变化。3）与 AI 深度结合效果存在不确定性。目前 AI 编程已经开始与智能体、多模态等技术相结合，未来如果相关技术效果不及预期，可能导致部分细分领域和相关公司受到影响。行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 20 插图目录 图 1：AI 代码生成赋能编程流程.3 图 2：AI 编程助手的场景用例，正在逐步覆盖软件开发全生命周期的各个环节.3 图 3：中国 AI 代码生成行业市场规模（亿元）.4 图 4：AI 代码生成行业产业链图谱.5 图 5：Copilot 编程案例.6 图 6：GitHub Copilot 适用于多种框架和语言.7 图 7：GitHub Copilot Enterprise 根据代码库定制的聊天.7 图 8：阿里 Qwen2.5-Max 在多领域表现强劲，数学及编程能力斩获第一.10 图 9：百度 Comate 的发展历程.11 图 10：豆包 MarsCode 的/fix 功能演示.12 图 11：SnapDevelop 的 AI 生成代码注释.13 图 12：SnapDevelop 自动生成高质量代码.14 图 13：普元低代码开发平台社区版.14 图 14：普元低代码开发平台社区版的相关技术优势.15 图 15：商汤科技代码小浣熊相关功能.16 图 16：轻骑兵 PaaS 平台是企业数字化建设的底座.16 表格目录 表 1：AI 代码生成功能分类.4 表 2：SWE 智能体的功能与应用内容梳理.8 表 3：微软更新发布 Visual Studio Code 1.97 版本的部分具体更新内容.9 行业专题研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 21 分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并登记为注册分析师，基于认真审慎的工作态度、专业严谨的研究方法与分析逻辑得出研究结论，独立、客观地出具本报告，并对本报告的内容和观点负责。本报告清晰准确地反映了研究人员的研究观点，结论不受任何第三方的授意、影响，研究人员不曾因、不因、也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。评级说明 投资建议评级标准 评级 说明 以报告发布日后的 12 个月内公司股价（或行业指数）相对同期基准指数的涨跌幅为基准。其中：A 股以沪深 300 指数为基准；新三板以三板成指或三板做市指数为基准；港股以恒生指数为基准；美股以纳斯达克综合指数或标普500 指数为基准。公司评级 推荐 相对基准指数涨幅 15%以上 谨慎推荐 相对基准指数涨幅 5%之间 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 行业评级 推荐 相对基准指数涨幅 5%以上 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 免责声明 民生证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司境内客户使用。本公司不会因接收人收到本报告而视其为客户。本报告仅为参考之用，并不构成对客户的投资建议，不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告所包含的观点及建议并未考虑获取本报告的机构及个人的具体投资目的、财务状况、特殊状况、目标或需要，客户应当充分考虑自身特定状况，进行独立评估，并应同时考量自身的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见，不应单纯依靠本报告所载的内容而取代自身的独立判断。在任何情况下，本公司不对任何人因使用本报告中的任何内容而导致的任何可能的损失负任何责任。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、意见及预测仅反映本公司于发布本报告当日的判断，且预测方法及结果存在一定程度局限性。在不同时期，本公司可发出与本报告所刊载的意见、预测不一致的报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。在法律允许的情况下，本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问、咨询服务等相关服务，本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。若本公司以外的金融机构发送本报告，则由该金融机构独自为此发送行为负责。该机构的客户应联系该机构以交易本报告提及的证券或要求获悉更详细的信息。本报告不构成本公司向发送本报告金融机构之客户提供的投资建议。本公司不会因任何机构或个人从其他机构获得本报告而将其视为本公司客户。本报告的版权仅归本公司所有，未经书面许可，任何机构或个人不得以任何形式、任何目的进行翻版、转载、发表、篡改或引用。所有在本报告中使用的商标、服务标识及标记，除非另有说明，均为本公司的商标、服务标识及标记。本公司版权所有并保留一切权利。民生证券研究院：上海：上海市浦东新区浦明路 8 号财富金融广场 1 幢 5F；200120 北京：北京市东城区建国门内大街 28 号民生金融中心 A 座 18 层；100005 深圳：深圳市福田区中心四路 1 号嘉里建设广场 1 座 10 层 01 室；518048
2025-02-14
21页
5星级
请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 Table_Info1 电子电子 Table_Date 发发布时布时间：间：2025-02-13 Table_Invest 优优于于大势大势 首次覆盖:优于大势 Table_PicQuote 历史收益率曲线 Table_Trend涨跌幅（%）1M 3M 12M 绝对收益 11%-3W%相对收益 7%3B%Table_Market 行业数据 成分股数量（只）458 总市值（亿）86,623.32 流通市值（亿）46,049.36 市盈率（倍）58.06 市净率（倍）3.78 成分股总营收（亿）30194.94 成分股总净利润（亿）966.59 成分股资产负债率（%）45.20 相关报告 电子行业：灵蛇吐珠，前瞻四大科技趋势-20241226 苏州天脉（301626）：中高端导热散热材料开拓者，有望充分受益于端侧 AI 迎来量价齐升-20241023 Table_Author 证证券分析师券分析师：李玖：李玖 执业证书编号：S0550522030001 17796350403 证证券分析师券分析师：武芃：武芃睿睿 执业证书编号：S0550522110001 021-61002910 研研究助理：究助理：陈敏佳陈敏佳 执业证书编号：S0550124070014 18823341497 Table_Title 热管理行业深度报告 摩尔尽，散热兴摩尔尽，散热兴 报报告摘告摘要：要：Table_Summary 摩尔定律放缓叠加端侧摩尔定律放缓叠加端侧 AI 驱动，热管理行业大有驱动，热管理行业大有可为。可为。随着芯片制程向更极限推进，晶体管密度的增速显著放缓，单晶体管功耗不再下降。AI 时代，云侧算力需求爆发式增长，DeepSeek 加速端侧 AI 落地，单芯片性能增长以片上晶体管数目增长为基础，跟不上算力需求增速，必然导致芯片等硬件“以量换性能以量换性能”；单晶体管功耗不再下降，片上晶体管数目增加，必然导致单芯片功耗增加。芯片内核的发热路径是:核心封装表面PCB空气，热管理的应用领域广泛。我们建议关注处于狭小空间限制下的芯片级、手机散热以及功耗高的服务器/机柜级散热。芯片芯片散热：芯片功耗散热：芯片功耗增大增大叠加国产厂商自研趋叠加国产厂商自研趋势，势，未来成长空间广阔未来成长空间广阔。随着芯片性能提升，电子元器件的发热密度越来越高。金属散热片适用于 FC 封装，可直接贴附在芯片表面提高散热效率，替代传统的环氧树脂塑封。市场过去被国外厂商垄断，芯片自研趋势下国内厂商加速突破。终端终端散热：散热：摩摩尔定律放缓尔定律放缓叠加端侧叠加端侧 AI，散热产散热产品有品有望迎来量价齐升望迎来量价齐升。传统手机散热主要采用石墨散热。随着智能手机开启 AI 时代，在摩尔定律放缓的背景下，VC 均热板的渗透率逐渐增加。苹果今年也将首次使用VC，成为重要的边际催化。服务器散热：服务器散热：数据数据中心液中心液冷行业受政策和需求冷行业受政策和需求双重双重驱动，驱动，渗透率有望渗透率有望快快速提升。速提升。“双碳”形势下液冷技术能降低能耗满足 PUE 的要求，适用于高功率密度机柜。目前冷板式液冷方案的行业成熟度最高。越来越多的液冷生态链厂商正推动行业标准化，液冷数据中心成本不断下降，产业化进程加快。汽车散热：汽车散热：智能驾驶智能驾驶驱动驱动热管理方案升级，热管理方案升级，看看好乾好乾崑智驾星辰大海。崑智驾星辰大海。随着智能驾驶等级从 L2 向 L3、L4 迭代，高性能计算平台的算力及散热需求显著增加。散热方案需逐渐从自然散热、风扇散热向水冷散热过渡。华为乾崑深度赋能车企，搭载量超过 50 万辆。今年是华为乾坤智驾的大年，看好热管理未来空间广阔。产业链产业链相关相关标标的的：1）芯片散热标的，鸿日达；2）手机散热标的，捷邦科技、苏州天脉、思泉新材、领益制造、中石科技；3）服务器散热标的，英维克、飞荣达、高澜股份、曙光数创、申菱环境、中航光电；4）汽车散热标的，贵航股份。风险提示：端侧风险提示：端侧 AI 落地不及预期、行业竞争加落地不及预期、行业竞争加剧剧 风险提示：风险提示：消费电子消费电子景气景气度周期变弱度周期变弱、数据中数据中心市心市场需求不及预期场需求不及预期 Table_CompanyFinance重点公司主重点公司主要财务数要财务数据据 重点公司重点公司 现价现价 EPS PE 评级评级 2023 2024E 2025E 2023 2024E 2025E 鸿日达 30.10 0.15 0.28 0.71 200.67 107.50 42.39 买入 捷邦科技 84.14-0.77 0.30 1.42-109.27 100.33 21.20 买入 苏州天脉 110.45 1.78 1.73 2.08 62.05 63.84 53.10 增持 英维克 42.25 0.61 0.72 0.94 69.26 58.68 44.95 买入 贵航股份 13.20 0.41 0.42 0.54 32.20 31.43 24.44 买入 -20%0 24/22024/52024/82024/11电子沪深300 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 2/81 电子电子/行业行业深度深度 目目 录录 1.摩尔定摩尔定律放缓叠加端律放缓叠加端侧侧 AI 驱动，热管理行业驱动，热管理行业大有可为大有可为.7 1.1.摩尔定律放缓，芯片单位面积功耗增加.7 1.2.DeepSeek 加速端侧 AI 落地，散热方案持续升级.11 1.3.产业链相关标的梳理.12 2.芯片散芯片散热：芯片功耗增大热：芯片功耗增大叠加国产厂商自研叠加国产厂商自研趋势，未来成长空趋势，未来成长空间广阔间广阔.15 2.1.芯片功耗逐渐增加，金属散热片空间广阔.15 2.1.1.半导体散热方式，从机房到芯片级演进.15 2.1.2.金属散热片适用于 FC 封装，行业空间广阔.16 2.2.行业格局：台系厂商主导，芯片自研趋势下国产替代进程加速.18 3.终端散终端散热：摩尔定律放缓热：摩尔定律放缓叠加端侧叠加端侧 AI，散热，散热产品有望迎来量价产品有望迎来量价齐升齐升.20 3.1.手机散热：摩尔定律放缓叠加 AI 手机浪潮，散热产品技术更迭.20 3.1.1.散热行业有望迎来量价齐升，石墨 VC 成主流旗舰机方案.20 3.1.2.石墨膜行业国产替代空间广泛，PI 膜成核心壁垒.23 3.1.3.超薄 VC 工艺仍待突破，厚度与性能不可兼得.23 3.2.电脑散热：AI 叠加 PC 市场回暖，电脑散热产品有望迎来需求增长.25 3.2.1.主动被动相结合，热管散热成主流.25 3.2.2.电脑散热市场稳增长，AI PC 为增量.26 3.2.3.国外厂商主导电脑散热市场，市场竞争格局固定.28 4.数据中数据中心液冷行业：政策心液冷行业：政策和需求双重驱动，和需求双重驱动，渗透率有望快速提渗透率有望快速提升升.29 4.1.需求端：政策端和行业需求双重驱动.29 4.2.供给端：当前发展瓶颈在于生态匹配.33 4.3.行业空间：渗透率有望快速提升.35 4.4.行业壁垒：竞争要素在于产品的可靠性，客户壁垒较高.37 5.汽车散汽车散热行业：智能驾驶热行业：智能驾驶驱动热管理方案升驱动热管理方案升级，看好级，看好乾崑智驾乾崑智驾星辰大海星辰大海 39 5.1.燃油车到新能源车到自动驾驶，热管理方案持续升级.39 5.2.华为乾崑智驾星辰大海，看好汽车热管理空间广阔.40 6.核心标核心标的的.41 6.1.芯片散热核心标的.41 6.1.1.鸿日达：3C 连接器筑基，半导体散热片为旗.41 6.2.手机散热核心标的.43 6.2.1.中石科技：石墨散热龙头，新产品新项目放量.43 6.2.2.领益智造：果链精密制造供应商，新业务有望加速放量.46 6.2.3.思泉新材：北美大客户进展顺利，业绩进入快速释放期.48 6.2.4.捷邦科技：收购赛诺高德 51%股权，今年有望导入苹果.51 6.2.5.苏州天脉：中高端导热散热材料开拓者，有望充分受益于端侧 AI 迎来量价齐升.54 6.3.服务器散热核心标的.56 6.3.1.英维克：精密温控龙头厂商，AI 浪潮下业绩高速增长.56 6.3.2.飞荣达：华为战略供应商，摩尔定律放缓下 AI 终端 AI 服务器共振.59 6.3.3.高澜股份：液冷行业先行者，看好数据中心迈入液冷时代.62 6.3.4.申菱环境：数据中心业务放量，现金流显著改善.65 6.3.5.中航光电：国内快接头龙头，有望受益液冷 beta.68 6.3.6.曙光数创：浸没式液冷先驱，静待花开.70 6.3.7.强瑞技术：液冷检测设备供应商，业绩实现高增.73 6.4.汽车散热核心标的.75 6.4.1.贵航股份：华为汽车热管理核心标的，看好乾崑智驾星辰大海.75 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 3/81 电子电子/行业行业深度深度 7.风险提风险提示示.79 图表目图表目录录 图图 1：散热的三种：散热的三种技术原技术原理理.7 图图 2：晶圆制造制：晶圆制造制程世代程世代图图.8 图图 3：不同节点晶：不同节点晶体管密体管密度及其复合增速度及其复合增速.8 图图 4：NV 芯片晶体管功芯片晶体管功耗耗(左左)与晶体管密度与晶体管密度(右右).9 图图 5：Apple 芯片晶体管芯片晶体管功耗功耗(左左)与晶体管密度与晶体管密度(右右).9 图图 6：NV（左）（左）&Apple（右）单位面积芯片（右）单位面积芯片功耗功耗.10 图图 7：主流芯片厂：主流芯片厂商制程商制程演进演进.10 图图 8：英伟达：英伟达 AI 芯片功耗芯片功耗.11 图图 9：芯片功耗对：芯片功耗对芯片性芯片性能的影响能的影响.11 图图 10：Apple Chip TDP(Watt).11 图图 11：Hisilicon Chip TDP(Watt).11 图图 12：手机智能化演进路：手机智能化演进路线图线图.12 图图 13：2023-2028E 全球全球 AI 手机渗透率手机渗透率.12 图图 14：手机：手机 SoC AI 性能性能提升（单位：提升（单位：TOPs）.12 图图 15：手机：手机 CPU 功耗提功耗提升升.12 图图 16：芯片热量的传输途：芯片热量的传输途径径.13 图图 17：不同层级散热需求：不同层级散热需求及对应产品及对应产品.13 图图 18：芯片散热方式：芯片散热方式.15 图图 19：各环节：各环节热阻热阻.15 图图 20：芯片封装的关键温：芯片封装的关键温度点度点.15 图图 21：芯片封装技术演变：芯片封装技术演变.16 图图 22：引线键合（：引线键合（WB）封装形式）封装形式.16 图图 23：倒装（：倒装（FC）封装形式）封装形式.16 图图 24：金属散热片在封装：金属散热片在封装中的结构图中的结构图.17 图图 25：健策精密散热片产：健策精密散热片产品品.17 图图 26：全球全球 IC 载板行业载板行业规模规模.17 图图 27：2023 年全球年全球 FCBGA(ABF)载板下游应用载板下游应用.17 图图 28：AI 大模型训练过大模型训练过程及时长损耗环节程及时长损耗环节.18 图图 29：2021-2023 年健策精密散热产品营收及年健策精密散热产品营收及增速增速.18 图图 30：2019-2023 年健策精密毛利率年健策精密毛利率.18 图图 31：均热片生产工艺：均热片生产工艺.19 图图 32：智能手机散热系统：智能手机散热系统结构结构.20 图图 33：各散热产品导热系：各散热产品导热系数数.20 图图 34：苹果手机主板散热：苹果手机主板散热方案迭代方案迭代.21 图图 35：华为旗舰机主板散：华为旗舰机主板散热方案迭代热方案迭代.21 图图 36：VIVO 旗舰机主板旗舰机主板散热方案迭代散热方案迭代.22 图图 37：OPPO 旗舰机主板旗舰机主板散热方案迭代散热方案迭代.22 图图 38：手机功耗与厚度变：手机功耗与厚度变化图化图.23 图图 39：石墨膜工艺流程：石墨膜工艺流程.23 图图 40：2020-2022 年思泉新材各原料成本占比年思泉新材各原料成本占比.23 图图 41：VC 均热板结构示意图均热板结构示意图.24 图图 42：VC 均热板工艺流程均热板工艺流程.24 图图 43：VC 均热板蒸汽腔厚度与传热热阻关系均热板蒸汽腔厚度与传热热阻关系图图.25 图图 44：PC 散热方案散热方案.26 图图 45：热管结构示意图：热管结构示意图.26 图图 46：2018-2029E 全球全球电脑散热市场规模电脑散热市场规模.27 图图 47：2022 年各国电脑年各国电脑散热市场占比散热市场占比.27 图图 48：AI PC 产品线产品线.27 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 4/81 电子电子/行业行业深度深度 图图 49：2019-2024H1 全球全球 PC 出货量出货量.28 图图 50：AI PC 渗透率渗透率.28 图图 51：典型数据中心能耗：典型数据中心能耗占比占比.31 图图 52：2021-2022 我国数据中心单机柜平均功我国数据中心单机柜平均功率率.31 图图 53：全国数据中心机架：全国数据中心机架规模规模.31 图图 54：全球：全球 AI 服务器市服务器市场规模及增速场规模及增速.32 图图 55：2022 年我国年我国 AI 服务器下游应用市场占服务器下游应用市场占比比.32 图图 56：液冷同比风冷散热：液冷同比风冷散热能力（能力（2MW 机房）机房）.32 图图 57：液冷同比风冷每年：液冷同比风冷每年收益（收益（2MW 机房）机房）.32 图图 58：机柜功率密度与制：机柜功率密度与制冷方式冷方式.33 图图 59：液冷产业链：液冷产业链.33 图图 60：冷板式液冷系统原：冷板式液冷系统原理图理图.34 图图 61：单相浸没液冷系统：单相浸没液冷系统原理原理.34 图图 62：2023 年中国液冷年中国液冷各方案比例各方案比例.35 图图 63：中国液冷数据中心：中国液冷数据中心基础设施市场部署规基础设施市场部署规模及模及散热成本散热成本.35 图图 64：2023 年中国液冷年中国液冷服务器竞争格局服务器竞争格局.36 图图 65：液冷技术国内外发：液冷技术国内外发展历程展历程.36 图图 66：电信运营商液冷规：电信运营商液冷规划划.37 图图 67：2022-2028 年中国液冷服务器市场规模年中国液冷服务器市场规模.37 图图 68：2019-2025 年中国液冷数据中心规模及年中国液冷数据中心规模及预测预测.37 图图 69：冷板液冷微模块：冷板液冷微模块.38 图图 70：传统燃油车热管理：传统燃油车热管理方案方案.39 图图 71：新能源汽车热管理：新能源汽车热管理方案方案.39 图图 72：汽车域控制器液冷：汽车域控制器液冷板实物图板实物图.40 图图 73：2024 年华为乾坤年华为乾坤智驾里程智驾里程.40 图图 74：2024 年华为乾坤年华为乾坤智驾城区智驾城区/总智驾情况总智驾情况.40 图图 75：鸿日达：鸿日达发展历程发展历程.41 图图 76：鸿日达：鸿日达产品矩阵产品矩阵.42 图图 77：2019-2024H1 鸿日达分产品营收（亿元鸿日达分产品营收（亿元）.42 图图 78：2019-2024H1 鸿日达鸿日达分产品营收占比分产品营收占比.42 图图 79：2019-2024Q1-Q3 鸿日达鸿日达营业收入及增营业收入及增速速.43 图图 80：2019-2024Q1-Q3 鸿日达鸿日达归母净利润及归母净利润及增速增速.43 图图 81：2019-2024 前三季度鸿日达毛利率和净前三季度鸿日达毛利率和净利率利率.43 图图 82：中石科技：中石科技发展历程发展历程.44 图图 83：2020-2024H1 中石科技中石科技分业务营业收入分业务营业收入（百（百万元）万元）.45 图图 84：2020-2024H1 年年中石科技中石科技分业务营收占分业务营收占比比.45 图图 85：2019-2024 前三季度前三季度中石科技中石科技营业收入营业收入及增及增速速.45 图图 86：2019-2024 前三季度前三季度中石科技中石科技归母净利归母净利润及润及增速增速.45 图图 87：2019-2024 前三季度前三季度中石科技中石科技毛利率和毛利率和净利净利率率.46 图图 88：领益智造：领益智造发展历程发展历程.46 图图 89：2021-2024H1 领益智造领益智造分业务营业收入分业务营业收入（亿（亿元）元）.47 图图 90：2021-2024H1 领益智造领益智造分业务营收占比分业务营收占比.47 图图 91：2019-2024 前三季度前三季度领益智造领益智造营业收入营业收入及增及增速速.48 图图 92：2019-2024 前三季度前三季度领益智造领益智造归母净利归母净利润及润及增速增速.48 图图 93：2019-2024 前三季度前三季度领益智造领益智造毛利率和毛利率和净利净利率率.48 图图 94：思泉新材：思泉新材发展历程发展历程.49 图图 95：2019-2024H1 思泉新材思泉新材分业务营收（百分业务营收（百万元万元）.50 图图 96：2019-2024H1 思泉新材思泉新材分业务营收占比分业务营收占比.50 图图 97：2019-2024 前三季度前三季度思泉新材思泉新材营业收入营业收入及增及增速速.50 图图 98：2019-2024 前三季度前三季度思泉新材思泉新材归母净利归母净利润及润及增速增速.50 图图 99：2019-2024 前三季度前三季度思泉新材思泉新材毛利率和毛利率和净利净利率率.51 图图 100：捷邦科技：捷邦科技发展历发展历程程.51 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 5/81 电子电子/行业行业深度深度 图图 101：2019-2024H1 捷邦科技捷邦科技分产品营收（分产品营收（百万百万元）元）.53 图图 102：2019-2024H1 捷邦科技捷邦科技分产品营收占分产品营收占比比.53 图图 103：2019-2024Q1-Q3 捷邦科技捷邦科技营业收入营业收入及增及增速速.53 图图 104：2019-2024Q1-Q3 捷邦科技捷邦科技归母净利归母净利润及润及增速增速.53 图图 105：2019-2024 前三季度前三季度捷邦科技捷邦科技毛利率毛利率和净和净利率利率.54 图图 106：苏州天脉：苏州天脉发展历发展历程程.54 图图 107：2019-2024H1 苏州天脉苏州天脉分业务营收（分业务营收（百万百万元）元）.55 图图 108：2019-2024H1 苏州天脉苏州天脉分业务营收占分业务营收占比比.55 图图 109：2019-2024 前三季度前三季度苏州天脉苏州天脉营业收营业收入及入及增速增速.56 图图 110：2019-2024 前三季度前三季度苏州天脉苏州天脉归母净归母净利润利润及增速及增速.56 图图 111：2019-2024 前三季度前三季度苏州天脉苏州天脉毛利率和毛利率和净利净利率率.56 图图 112：英维克：英维克发展历程发展历程.57 图图 113：2019-2024H1 英维克英维克分业务营业收入分业务营业收入（亿（亿元）元）.58 图图 114：2019-2024H1 英维克英维克分业务营收占比分业务营收占比.58 图图 115：2019-2024 前三季度前三季度英维克英维克营业收入营业收入及增及增速速.59 图图 116：2019-2024 前三季度前三季度英维克英维克归母净利归母净利润及润及增速增速.59 图图 117：2019-2024 前三季度前三季度英维克英维克毛利率和毛利率和净利净利率率.59 图图 118：飞荣达：飞荣达发展历程发展历程.60 图图 119：2021-2024H1 飞荣达飞荣达分业务营业收入分业务营业收入（亿（亿元）元）.61 图图 120：2021-2024H1 飞荣达飞荣达分业务营收占比分业务营收占比.61 图图 121：2019-2024 前三季度前三季度飞荣达飞荣达营业收入营业收入及增及增速速.62 图图 122：2019-2024 前三季度前三季度飞荣达飞荣达归母净利归母净利润及润及增速增速.62 图图 123：2019-2024 前三季度前三季度飞荣达飞荣达毛利率和毛利率和净利净利率率.62 图图 124：高澜股份：高澜股份发展历发展历程程.63 图图 125：2019-2024H1 高澜股份高澜股份分业务营收（分业务营收（百万百万元）元）.64 图图 126：2019-2024H1 高澜股份高澜股份分业务营收占分业务营收占比比.64 图图 127：2019-2024 前三季度前三季度高澜股份高澜股份营收及营收及增速增速.64 图图 128：2019-2024 前三季度前三季度高澜股份高澜股份归母净归母净利及利及增速增速.64 图图 129：2019-2024 前三季度前三季度高澜股份高澜股份毛利率毛利率和净和净利率利率.65 图图 130：申菱环境：申菱环境发展历发展历程程.65 图图 131：2020-2023 申菱环境申菱环境分业务营业收入分业务营业收入（百（百万元）万元）.67 图图 132：2020-2023 申菱环境申菱环境分业务营收占比分业务营收占比.67 图图 133：2019-2024 前三季度前三季度申菱环境申菱环境营业收营业收入及入及增速增速.67 图图 134：2019-2024 前三季度前三季度申菱环境申菱环境归母净归母净利及利及增速增速.67 图图 135：2019-2024 前三季度前三季度申菱环境申菱环境毛利率毛利率和净和净利率利率.68 图图 136：中航光电：中航光电发展历发展历程程.68 图图 137：2019-2024H1 中航光电中航光电分产品营业收分产品营业收入（入（亿元）亿元）.69 图图 138：2019-2024H1 中航光电中航光电分产品营收占分产品营收占比比.69 图图 139：2019-2024 前三季度前三季度中航光电中航光电营业收营业收入及入及增速增速.70 图图 140：2019-2024 前三季度前三季度中航光电中航光电归母净归母净利及利及增速增速.70 图图 141：2019-2024 前三季度前三季度中航光电中航光电毛利率毛利率和净和净利率利率.70 图图 142：曙光数创：曙光数创发展历发展历程程.71 图图 143：2019-2024H1 曙光数创曙光数创分业务营收（分业务营收（百万百万元）元）.72 图图 144：2019-2024H1 曙光数创曙光数创分业务营收占分业务营收占比比.72 图图 145：2019-2024 前三季度前三季度曙光数创曙光数创营业收营业收入及入及增速增速.72 图图 146：2019-2024 前三季度前三季度曙光数创曙光数创归母净归母净利润利润及增速及增速.72 图图 147：2019-2024 前三季度前三季度曙光数创曙光数创毛利率毛利率和净和净利率利率.73 图图 148：强瑞技术：强瑞技术发展历发展历程程.73 图图 149：2019-2024H1 强瑞技术强瑞技术分产品营业收分产品营业收入（入（亿元）亿元）.74 图图 150：2021-2024H1 强瑞技术强瑞技术分产品营收占分产品营收占比比.74 图图 151：2019-2024 前三季度前三季度强瑞技术强瑞技术营业收营业收入及入及增速增速.75 图图 152：2019-2024 前三季度前三季度强瑞技术强瑞技术归母净归母净利及利及增速增速.75 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 6/81 电子电子/行业行业深度深度 图图 153：2019-2024 前三季度前三季度强瑞技术强瑞技术毛利率毛利率和净和净利率利率.75 图图 153：贵航股份贵航股份发展历发展历程程.70 图图 154：2019-2024H1 贵航股份贵航股份分产品营业收分产品营业收入（入（亿元）亿元）.71 图图 155：2019-2024H1 贵航股份贵航股份分产品营收占分产品营收占比比.71 图图 156：2019-2024Q1-Q3 贵航股份贵航股份营业收入营业收入及增及增速速.72 图图 157：2019-2024Q1-Q3 贵航股份贵航股份归母净利归母净利润及润及增速增速.72 图图 158：2019-2024 前三季度前三季度贵航股份贵航股份毛利率毛利率和净和净利率利率.72 表表 1：热管理产业：热管理产业链相关链相关受益标的受益标的.14 表表 2：国内：国内 AI 手机散热市手机散热市场规模估算场规模估算.20 表表 3：电脑散热行：电脑散热行业主要业主要厂商厂商.28 表表 4：数据中心：数据中心 PUE 指标指标要求要求.30 表表 5：数据中心液：数据中心液冷零部冷零部件厂商件厂商.34 表表 6：主流车企智：主流车企智驾热管驾热管理方案理方案.39 表表 7：中石科技中石科技主主要产品要产品.44 表表 8：领益智造领益智造主主要产品要产品.47 表表 9：思泉新材思泉新材主主要产品要产品.49 表表 10：捷邦科技捷邦科技主要产品主要产品.52 表表 11：苏州天脉苏州天脉主要产品主要产品.55 表表 12：英维克英维克主要产品主要产品.57 表表 13：飞荣达飞荣达主要产品主要产品.60 表表 14：高澜股份高澜股份主要产品主要产品.63 表表 15：申菱环境主要产品：申菱环境主要产品.66 表表 16：中航光电中航光电主要产品主要产品.69 表表 17：曙光数创曙光数创主要产品主要产品.71 表表 18：强瑞技术强瑞技术主要产品主要产品.74 表表 18：贵航股份主要产品：贵航股份主要产品.70 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 7/81 电子电子/行业行业深度深度 1.摩尔定摩尔定律放缓律放缓叠加端叠加端侧侧 AI 驱动驱动，热管理行业，热管理行业大有可为大有可为 散热是将发热器件产散热是将发热器件产生的生的热量发散至空气中热量发散至空气中，其技其技术原理包括热传导术原理包括热传导、热对热对流与热流与热辐射三种辐射三种。其中热传导和热对流是智能终端散热系统的两种主流方式，其中热传导系统散热功能主要与散热器材料的导热系数和比热容有关，热对流系统散热功能则主要与散热器的散热面积有关。热传导：热量从系统的一部分传至另一部分或由一个系统传到另一系统。热传导是固体中热传递的主要方式，例如，CPU 散热片底座与 CPU 直接接触带走热量；热对流：液体或气体中较热部分和较冷部分间通过循环流动使温度趋于均匀的过程，例如，散热风扇带动气体流动。对流是液体和气体中热传递的特有方式；热辐射：物体依靠射线辐射传递热量。热辐射与热传导、热对流不同，可不依靠媒质自主将热量直接从一个系统传递至另一系统，是在真空中唯一的传热方式。根据散热原理的不同根据散热原理的不同，散散热产品分为主动与被热产品分为主动与被动两动两种。种。1）主动散热器件采用热对流原理，对发热器件进行强制散热，比如风扇、液冷中的水泵、相变制冷中的压缩机。主动散热器件特点是效率高，但需要其它能源的辅助。2）被动散热采用热传导原理，仅依靠发热体或散热片对发热器件进行降温。手机终端、平板电脑等轻薄型消费电子受内部空间结构限制的影响，多采用被动散热方案。一般地说，热流密度小于0.08W/cm2，采用自然冷却方式；热流密度超过 0.08W/cm2，体积功率密度超0.18W/cm3，须采用强迫风冷方式。图图 1：散热的三种：散热的三种技术原技术原理理 数据来源：华夏恒泰，东北证券 1.1.摩尔定律放缓，芯片单位面积功耗增加 先进制程逼近极限先进制程逼近极限，摩尔摩尔定律趋于失效。定律趋于失效。摩尔定律作为集成电路领域技术发展的重要定律，已经统治集成电路近 60 年，它是指计算机硬件技术中，随着集成电路工艺的进步，集成电路芯片上所集成的晶体管数目，每隔 18 个月就翻一番；微处理器的性能每隔 18 个月提高一倍，而价格下降一倍。然而，近年来随着先进制程逼近极限，摩尔定律的失效愈发明显。究其成因，可大致分为制程工艺的物理限制、缺陷控制的要求提高、生产成本的上升以及技术创新速度放缓几大因素。随着晶体管尺寸的逐步缩小，制造过程中的各种问题愈发严重，如漏电、热扩散、湿气、化学药剂腐蚀等。与此同时，芯片的生产成本也在不断上升，而且更加难以保证生产的可靠性。随着人工智能、云计算等新兴技术的发展，计算机硬件的需求也在发生变化。这些新兴领域对硬件性能和功耗的要求更高，使得摩尔定律的失效变得尤为显著。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 8/81 电子电子/行业行业深度深度 图图 2：晶圆制造制：晶圆制造制程世代程世代图图 数据来源：TSMC，CSDN，东北证券 制程提升，制程提升，晶体管密晶体管密度提度提升速度显著放缓。升速度显著放缓。作为摩尔定律的有效表征之一，晶体管密度在过去60年快速增长。2011年28nm制程的晶体管密度可达13.31百万个/mm2，2020 年的 5nm 制程的晶体管密度为 171.3 百万个/mm2，对应晶体管密度的复合增速为 32.83%。然而，5nm 以下制程，其晶体管密度的复合增速便降为个位数，增速显著放缓。尽管随着技术迭代，晶体管密度的绝对值仍然会上升，但是所付出的成本将会快速提升。粗略估计，7nm 制程万片每月产能对应资本开支为 25 亿美元，而5nm 制程万片每月产能对应资本开支则超过 40 亿美元。晶体管密度增速的下降以及对应资本开支的不断上涨，充分表明摩尔定律正在逐步失效。图图 3：不同节点晶：不同节点晶体管密体管密度及其复合增速度及其复合增速 数据来源：TechInsights，东北证券 制程提升，制程提升，单个晶体单个晶体管功管功耗不再下降。耗不再下降。理论上看，随着晶圆厂制程的不断迭代，晶体管的尺寸不断缩小，单个晶体管工作的功耗将随之减小。这是因为更小的晶体管尺寸意味着更低的阈值电压和更少的漏电流，从而减少了静态功耗。同时，由于导0 00100150200250300350400Tr.DensityCAGR of Tr.Density 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 9/81 电子电子/行业行业深度深度 电传输损耗的降低，动态功耗也得到了有效控制。然而，随着制程迭代到 5nm 及以下，传统FinFET构型的晶体管尺寸的进一步缩小将限制驱动电流和静电控制能力。随着栅极长度缩短，短沟道效应会更加明显，更多的电流会通过器件底部非接触部分泄漏，因此尺寸较小的器件将无法满足功耗和性能要求。以英伟达的大算力芯片和苹果的手机芯片为例，随着制程的提升，两者的晶体管密度均呈现快速上涨趋势。英伟达最新的 B200（由两颗 B100 拼接而成）芯片采用台积电 N4P 制程，其晶体管密度超过 1.2 亿个/mm2；苹果今年的 A17 Pro 芯片采用台积电 N3 制程，其晶体管密度约为 1.5 亿个/mm2。但是，从单个晶体管功耗角度看，尽管应用场景差异导致单位晶体管功耗处于不同量级，然而两者的下降速度均趋于平缓，其中英伟达芯片每亿晶体管对应设计热功耗（TDP）略大于 500mW，苹果芯片每亿晶体管对应 TDP约为 50mW。图图 4：NV 芯片晶体管功芯片晶体管功耗耗(左左)与晶体管密度与晶体管密度(右右)图图 5：Apple 芯片晶体管芯片晶体管功耗功耗(左左)与晶体管密度与晶体管密度(右右)数据来源：NanoReview，东北证券 数据来源：NanoReview，东北证券 制程提升，制程提升，芯片单位面积芯片单位面积功耗增加。功耗增加。随着下游应用的不断发展，终端芯片性能要求越来越高。尽管各大芯片厂商不断优化芯片架构设计，但芯片面积受限于工艺水平（掩膜版曝光面积有限）或者应用场景（手机等空间体积要求高）限制，单位面积的芯片对应功耗仍然不断增加，其底层逻辑正是摩尔定律失效，单个晶体管尺寸、功耗的优化速度不能满足性能需求的增长速度，进而只能增加单位面积的功耗，以功耗换性能。目前，英伟达的大算力芯片每 mm2对应的 TDP 已经逼近 900mW，苹果手机芯片每 mm2对应的 TDP 接近 100mW。与此同时，以功耗换性能的特征在国产手机芯片上尤为明显，究其根本在于先进制程受限令国内芯片的摩尔定律过早停止演进。0.00.20.40.60.81.01.21.40500100015002000250030003500K40N28M40N28P100N16V100N12A100N7H100N4B100N4PTDP per transistor（mW/亿晶体管）晶体管密度（亿/mm2）0.00.20.40.60.81.01.21.41.6050100150200250300A9N14-SA10N16A11N10A12N7A13N7EUVA14N5A15N5PA16N4A17ProN3TDP per transistor（mW/亿晶体管）晶体管密度（亿/mm2）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 10/81 电子电子/行业行业深度深度 图图 6：NV（左）（左）&Apple（右）单位面积芯片（右）单位面积芯片功耗功耗 数据来源：NanoReview，东北证券 随着芯片性能提升，随着芯片性能提升，散热散热技术需要迭代升级。技术需要迭代升级。随着芯片的集成度和性能不断提升，功耗也越来越大。电子元器件的发热密度越来越高，尤其是 AI 时代下，CPU、GPU 需同时处理更多数据信息以提升计算效能。例如英伟达 Blackwell B200 单颗芯片的功耗达 1000W，一颗 Grace CPU 和两颗 Blackwell GPU 组成的 GB200 芯片功耗高达 2700W。过高的温度会降低芯片内部的电子迁移率，产生的热能无法快速散出，会导致芯片性能下降，甚至引发各种可靠性和安全性问题。这对散热技术提出了更高的要求。图图 7：主流芯片厂：主流芯片厂商制程商制程演进演进 数据来源：Yole，东北证券 010203040506070809001002003004005006007008009001000N28N16N12N7N7EUVN5N5EN4N4PN3N3ETDP mW/mm2 英伟达TDP mW/mm2 苹果 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 11/81 电子电子/行业行业深度深度 图图 8：英伟达英伟达 AI 芯片功耗芯片功耗 图图 9：芯片功耗对：芯片功耗对芯片性芯片性能的影响能的影响 数据来源：TrendForce，东北证券 数据来源：Techspot，东北证券 1.2.DeepSeek 加速端侧 AI 落地，散热方案持续升级 终端需求不断提升，终端需求不断提升，手手机机功耗普遍增加。功耗普遍增加。作为全球销售量最大的电子产品，手机经历了尺寸缩小、网络升级、按键到触屏、功能机到智能机等多方面的发展，以满足消费者日益增加的精神文化需求。伴随手机功能的多样化与智能化发展，受限于摩尔定律的失效，尽管芯片架构不断优化，手机芯片的功耗仍然不断增加，从最初 5-6W 的 TDP，现在几乎都上升到 10W，带来散热需要优化的问题。图图 10：Apple Chip TDP(Watt)图图 11：Hisilicon Chip TDP(Watt)数据来源：NanoReview，东北证券 数据来源：NanoReview，东北证券 DeepSeek 加速端侧加速端侧 AI，有望驱动智能手机开，有望驱动智能手机开启新启新一轮周期。一轮周期。参照过往每一次技术革新，在初期探索阶段，新的功能和特性将首先被赋予算力资源更加充裕的旗舰和次旗舰产品，并迅速成为重要的差异化卖点。生成式 AI 手机是利用大规模、预训练的生成式 AI 模型，实现多模态内容生成、情境感知，并具备不断增强的类人能力。2023 年，AI 手机的出货量占全球智能手机出货量的 5%。DeepSeek R1 的推出能够帮助实现更低成本和更高效的端侧推理效果，是 AI 产业的一个重要转折点。随着端侧 AI 能力加速下沉，预计 2028 年渗透率将达到 54%，从而驱动手机行业销量增长。050010001500200025003000H100H200GH200B100B200GB200热设计功耗（瓦）024681012A9N14-SA10N16A11N10A12N7A13N7EUVA14N5A15N5PA16N4A17ProN3A18ProN3E024681012 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 12/81 电子电子/行业行业深度深度 图图 12：手机智能化演进路：手机智能化演进路线图线图 图图 13：2023-2028E 全球全球 AI 手机渗透率手机渗透率 数据来源：Counterpoint Research生成式 AI 手机产业白皮书，东北证券 数据来源：Canalys，东北证券 SoC 算力需求增加，算力需求增加，在摩在摩尔定律放缓趋势下功尔定律放缓趋势下功耗相耗相应提升。应提升。本地部署多模态大模型对 SoC AI 算力提出更高的要求。头部芯片设计厂商联发科技、高通推出多款产品，如 2024 年 Q2 发布的骁龙 8s Gen3 和天玑 9300 ，Q3 发布的天玑 9400。根据Counterpoint，旗舰智能手机以 TOPS 为单位的 AI 算力已经增长了 20 倍，在 2025年将会达到 60TOPS 以上。摩尔定律，让芯片性能提升，价格不变/下降，功耗不变/下降。但是随着摩尔定律的放缓，提升芯片性能的有效途径，转换为提升 CPU 面积和主频等，带来了芯片功耗的增加。例如华为麒麟的硬件性能提升，本质上是通过功耗来换性能。因此从中长期的角度来看，随着摩尔定律放缓，算力的提升将带来功耗的增加，热管理需求的急迫性凸显。AI 算力增加的同时带来功耗的提升。从AMD 的 CPU 芯片来看，Cortex X4 单核 CPU 功耗达到 5.7W，而 Cortex X3 和 Cortex X4 的单核 CPU 功耗仅为 4.1W 和 3.3W。图图 14：手机：手机 SoC AI 性能性能提升（单位：提升（单位：TOPs）图图 15：手机：手机 CPU 功耗提功耗提升升 数据来源：Counterpoint Research生成式 AI 手机产业白皮书，东北证券 数据来源：极客湾，geekbech5，东北证券 1.3.产业链相关标的梳理 芯片的温度主要包括四个，如 TJ（芯片结温）、Ta（环境空气温度）、Tc（芯片封装表面温度）和 Tb（PCB 表面温度）。其中 TJ 芯片结是指半导体芯片内部晶体管54%0 0P 232024E2025E2026E2027E2028EAI手机渗透率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 13/81 电子电子/行业行业深度深度 结点的温度。它是芯片工作时的关键温度参数之一，直接影响芯片的性能、可靠性和寿命。由下图的热阻模型可以清晰看出，芯片内核的发热路径是:核心封装表面PC空气。因此，芯片散热可在封装环节或芯片外进行。TJ(Die junction Temp)：芯片的硅核温度，就是芯片内部核心的温度，可以理解为死亡温度，绝对不能超过。Ta(Ambient Air Temp)：芯片周围的空气温度。不带散热片的小功率器件一般以这个为计算参数。Tc(Package Case Temp)：芯片封装表面温度。带散热片的大功率器件一般以这个为技术参数。Tb(Ambient board Temp)：安装芯片的 PCB 表面温度。图图 16：芯片热量的传输途：芯片热量的传输途径径 数据来源：CSDN，东北证券 空间小空间小&功耗高，关注三大领域散热需求变革。功耗高，关注三大领域散热需求变革。散热的应用领域广泛，包括消费电子（手机/电脑散热、可穿戴设备）、新能源汽车（电池、电机、电控系统热管理）、数据中心（服务器液冷技术）、储能系统（锂离子电池热失控防护）、工业领域（半导体设备、光伏逆变器、航空航天等）。在诸多环节和场景中，我们认为处于狭小空间限制下的芯片级、手机散热以及功耗高的服务器/机柜级值得重点关注。芯片级和手机级因为空间限制，大多只能采用被动散热，因此在结构、材料等领域存在较多技术升级/方案升级机会。服务器/机柜级由于功耗提升幅度大，传统的风冷已经不能满足服务器/机柜的散热需求，因此需要改变散热方式，即从风冷转变为液冷。图图 17：不同层级散热需求：不同层级散热需求及对应产品及对应产品 数据来源：东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 14/81 电子电子/行业行业深度深度 本章主要探讨了摩尔定律失效叠加端侧 AI 驱动下的散热产业趋势，为此我们梳理了相关产业链标的，供投资者参考。表表 1：热管理产业热管理产业链相关链相关受益受益标的标的 环节 公司 逻辑简介 散热 芯片级 鸿日达 公司为大陆唯一芯片级散热盖供应商，正在快速导入相关产业链 德邦科技 公司芯片级 TIM 散热材料正配合大客户验证 终端级 中石科技 公司为手机等终端消费电子提供石墨片等散热方案，客户涵盖苹果、华为等国内外头部厂商 领益智造 思泉新材 飞荣达 苏州天脉 公司为手机等终端消费电子提供均热板，客户涵盖主流安卓厂商，未来有望导入苹果链 捷邦科技 收购子公司赛诺高德，为苹果明年均热板蚀刻件环节一供 系统级 英维克 服务器/机柜级散热供应商，覆盖液冷板、CDU、manifold、快接头系统等多种解决方案 飞荣达 高澜股份 申菱环境 中航光电 曙光数创 强瑞技术 数据来源：东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 15/81 电子电子/行业行业深度深度 2.芯片散芯片散热：热：芯片功耗增大叠芯片功耗增大叠加国产厂商自研趋加国产厂商自研趋势，势，未来成长未来成长空间广空间广阔阔 2.1.芯片功耗逐渐增加，金属散热片空间广阔 2.1.1.半导体散热方式，从机房到芯片级演进 芯片散热芯片散热从机房从机房级和级和机柜机柜级，级，逐渐向服务器级、逐渐向服务器级、芯片芯片级演进。级演进。传统的数据中心的热管理包括机房级、机柜级和服务器级，散热方式主要有自然散热、风冷散热和液冷散热（包括冷板式和浸没式冷却）。然而，在芯片外实施冷却，封装材料的热阻普遍存在。在距离热源最近处将热量移除，效率最高。图图 18：芯片散热方式：芯片散热方式 数据来源：陈继良5G 时代芯片封装材料的热设计考量，东北证券 内部热源热量需经由内部热源热量需经由封装封装材料散出，材料散出，导热系数、导热系数、封封装形态会影响热阻，装形态会影响热阻，进进而而影响散影响散热难度。热难度。芯片散热主要有两个方向，由封装上表面传到空气中，或由芯片向下传到PCB 板上，再由板传到空气中。封装的关键温度点包括环境温度（Ta）、结温（Tj）、壳温（Tc）和板温（Tb）。封装规格的温度通常为最高结温（Tj max.）或者最高壳温，这两点指的是确保半导体器件正常工作的最高温度。图图 19：各环节各环节热阻热阻 图图 20：芯片封装的关键温：芯片封装的关键温度点度点 数据来源：陈继良5G 时代芯片封装材料的热设计考量，东北证券 数据来源：海力士半导体，东北证券 随着芯片集成度提高随着芯片集成度提高，半半导体封装技术随之迭导体封装技术随之迭代。代。传统的集成电路封装采用引线框架作为 IC 导通线路与支撑 IC 的载体，连接引脚于导线框架的两旁或四周，如双侧引脚扁平封装（DFP）、四侧引脚扁平封装（QFP）。随着芯片集成度不断提高，I/O 数目增多、引脚间距减小，相同体积内的元件数大增，需要电路板上的集成密度越来越高，封装向超多引脚、窄节距、超小型化方向发展。20 世纪 90 年代中期出现以球栅阵列封装（BGA）、芯片尺寸封装（CSP）为代表的新型 IC 高密度封装形式，用封装基板替代引线框架。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 16/81 电子电子/行业行业深度深度 图图 21：芯片封装技术演变：芯片封装技术演变 数据来源：陈继良从零开始学散热，东北证券 按照封装工艺的不同，按照封装工艺的不同，可可分为引线键合封装和分为引线键合封装和倒装倒装封装。封装。其中，引线键合（WB）使用细金属线，利用热、压力、超声波能量为使金属引线与芯片焊盘、基板焊盘紧密焊合，实现芯片与基板间的电气互连和芯片间的信息互通，大量应用于射频模块、存储芯片、微机电系统器件封装；倒装（FC）封装采用焊球连接芯片与基板，即在芯片的焊盘上形成焊球，然后将芯片翻转贴到对应的基板上，利用加热熔融的焊球实现芯片与基板焊盘结合，广泛应用于 CPU、GPU 及 Chipset 等产品封装。图图 22：引线键合（：引线键合（WB）封装形式）封装形式 图图 23：倒装（：倒装（FC）封装形式）封装形式 数据来源：深南电路招股说明书，东北证券 数据来源：深南电路招股说明书，东北证券 2.1.2.金属散热片适用于 FC 封装，行业空间广阔 散热片适用于倒装芯散热片适用于倒装芯片封片封装，装，以提高以提高散热散热效效率。率。半导体芯片封装时，一般用载板或引线框架作为物理支撑，通过环氧树脂塑封使半导体与外部电绝缘。随着芯片功耗增大，用于高算力数字芯片封装的 ABF 载板基本不具备散热能力，而且预热时树脂材料容易变形，最终影响芯片与外部电路的电气连接。FCBGA 封装在热性能方面具有优势，因为它的结构特征是芯片通过其下方的凸块与基板连接，能够将散热器定位在芯片的顶表面上，从而产生半导体金属散热片的需求。作为一种封装材料，金属散热片可直接贴附在芯片表面，配合界面材料将芯片内部热源均匀传导至散热片表面，再通过外部散热器使热量散溢至外界。此外，还能将翘曲的载板“拉回”至正常形态。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 17/81 电子电子/行业行业深度深度 图图 24：金属散热片在封装：金属散热片在封装中的结构图中的结构图 图图 25：健策精密散热片产：健策精密散热片产品品 数据来源：健策精密官网，东北证券 数据来源：健策精密官网，东北证券 随着随着 5G、物联网、物联网、人工智人工智能、能、智能驾驶、智能驾驶、通信类通信类（服务器、服务器、基站等基站等）、存储存储类等类等领领域的快速发展，金域的快速发展，金属散热属散热片材料市场空间广片材料市场空间广阔。阔。尤其是在高性能计算、数据中心、AI 算力等领域，不仅对芯片的散热材料的性能提出了更高要求，还对其可靠性和效率提出了更为严格的标准。传统的树脂塑封为主流，开始向以金属片为散热主材料的封装形式转换。“上金属散热片、下载板”的 FCBGA 芯片封装形式正逐步成为高算力芯片的主流方式，如 CPU、GPU、高端服务器、网络路由器/转换器用 ASIC、高性能游戏机用 MPU、高性能 ASSP、FPGA 以及车载设备中的 ADAS 等。从下游领域来看，PC 是主要的应用市场（2023 年约占比 47%），其次为服务器、AI 芯片、5G 基站、汽车等领域。图图 26：全球全球 IC 载板行业载板行业规模规模 图图 27：2023 年全球年全球 FCBGA(ABF)载板下游应用载板下游应用 数据来源：YoleAdvanced packaging market and technology trend，东北证券 数据来源：华经产业研究院，东北证券 AI 建设两大焦虑：建设两大焦虑：可供应可供应性性&可用度。可用度。当前 AI 智算中心建设普遍存在两大焦虑，一是算力中心建设前对算力可供应性的焦虑，二是算力中心建设后对算力可用度的焦虑。对于前者，受限于美国高端算力卡出口限制以及对我国先进制程扩张的制裁，国产算力卡持续供应能力尚处于相对较弱地位。随着近几年国内大力发展基础制造国产化，已成功实现 0 到 1 的突破，国产算力卡的获取难度正在逐步改善。对于后者，如何实现较高算力可用度则是全球算力中心都需要解决的难点。据不完全统计，当前全球各大算力平台在千卡以上规模时，其算力可用度均小于 50%，即超过一半的算力卡在实际使用时处于等待状态。与此同时，超大规模算力集群故障率上升严重拉低了大模型训练的效率，频繁的故障增加算力等待时间，同时大大增加算力中心的资本开支。究其原因，AI 大模型在训练过程中会经历（1）训练开始前数据集准备即加载；（2）训练过程中 CKPT（checkpoint，检查点）的多次读写；（3）训练中断的等待时间；（4）故障诊断及处理 CKPT 重新加载等多个阶段，而这些过 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 18/81 电子电子/行业行业深度深度 程均与算力中心配置的存储有关。因此，搭建高效的存储服务中心将有效缩短算力卡等待时间，提升算力可用度。存储需求有望增长，存储需求有望增长，以缩以缩短大模型训练时长。短大模型训练时长。作为算力中心中必不可少的一部分，存储环节受到的关注度相较算力环节普遍更低。实际上，提升存储的带宽性能，有望以更小的投入获得更大的回报。据华为官方测算，采用高性能、高可靠 OceanStor A 系列存储集群，有望缩短 30%大模型训练时长：在存算网协同、加速训练阶段，数据集加载时间有望从 30 分钟缩短到分钟级别；CKPT 的读写保存有望从 10 分钟级别缩短到秒级；快速并发加载 CKPT 有望将小时级别的等待缩短到秒级；对比本地盘、OBS 存储等，可靠性百倍提升，断点续训次数得以大幅减少。我们看好半导体金属散热片在存储市场放量。图图 28：AI 大模型训练过大模型训练过程及时长损耗环节程及时长损耗环节 数据来源：华为存储精英大会，东北证券 2.2.行业格局：台系厂商主导，芯片自研趋势下国产替代进程加速 市场过去被国外厂商市场过去被国外厂商垄断垄断，国内厂商加速突破。国内厂商加速突破。全球半导体金属散热片市场过去由台系、美系、及日系厂商垄断，如美国的 Honeywell、日本的 Fujikura、台湾的健策精密。健策精密作为全球龙头，2023 年散热产品贡献营业收入 74.44 亿台币，同比增长 21%。其中金属散热片应用于笔记本电脑、台式机、AI 服务器、服务器、车用及游戏机等下游领域。随着国内厂商自研芯片，封装材料迎来国产替代的机遇。均热片工艺主要涉及冷间锻造/冲压成型、CNC 加工成型、电镀等环节，部分国内厂商如鸿日达已具备从模具制造、冲压生产至电镀成品垂直整合的生产流程。图图 29：2021-2023 年健策精密散热产品营收及年健策精密散热产品营收及增速增速 图图 30：2019-2023 年健策精密毛利率年健策精密毛利率 数据来源：健策精密公告，Wind，东北证券 数据来源：健策精密年报，东北证券 0 0Pp020304050607080202120222023散热产品营收（亿新台币）YoY0%5 %05 192020202120222023 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 19/81 电子电子/行业行业深度深度 图图 31：均热片生产工艺：均热片生产工艺 数据来源：健策精密年报，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 20/81 电子电子/行业行业深度深度 3.终端终端散散热：摩尔定律放缓热：摩尔定律放缓叠加叠加端侧端侧 AI，散热，散热产品有望迎来产品有望迎来量价齐量价齐升升 3.1.手机散热：摩尔定律放缓叠加 AI 手机浪潮，散热产品技术更迭 3.1.1.散热行业有望迎来量价齐升，石墨 VC 成主流旗舰机方案 AI 手机渗透率提高，手机渗透率提高，带动带动散热产品量价齐升。散热产品量价齐升。根据头豹研究院统计的数据，2023 年智能手机散热 ASP 为 35.8 元，假设 AI 手机散热 ASP 每年增加 10%，并根据 IDC和 Oppo 预计的智能手机出货量和 AI 手机渗透率，预计 2027 年 AI 手机散热市场规模预计将达到 71.64 亿元。表表 2：国内：国内 AI 手机散热市手机散热市场规模估算场规模估算 2023 2024E 2025E 2026E 2027E 智能手机出货量（亿台）1.82 3.03 2.70 2.87 2.89 AI 手机出货量（亿台）0.1 0.4 0.8 1.3 1.5 AI 手机渗透率（%）60ER%AI 手机散热单机 ASP（元）35.8 39.4 43.3 45.5 47.8 AI 手机散热市场规模估算（亿元）3.58 15.75 34.65 59.13 71.64 数据来源：IDC&Oppo AI 手机白皮书，头豹研究院，东北证券 手机散热主要采用被手机散热主要采用被动散动散热方式，热方式，常见的被动散常见的被动散热材热材料包括料包括VC均热板、均热板、石墨烯石墨烯膜、膜、石墨膜等。石墨膜等。在手机散热途径中，CPU 或传感器等热源产生的热量，首先经过导热界面材料传导到热管或均温板，然后热管或均温板再将热量快速传导至石墨膜后再均匀散开，石墨膜在手机平面方向把热量传导到金属支架及手机机壳，最终实现热量向外部环境的转移。根据华经产业研究院等机构，VC 均热板具备最高的导热系数，可以显著提高手机的导热和均热效率，石墨烯和石墨膜也为手机提供了轻薄且高效的均热效率。由于发热元件与散热片微表面不平，使两者间的有效接触面积被空气隔开，不能有效散热。智能手机散热系统需通过导热界面材料填充发热元件与散热片间的空隙，从而提高散热效率。图图 32：智能手机散热系统：智能手机散热系统结构结构 图图 33：各散热产品导热系：各散热产品导热系数数 数据来源：头豹研究院，东北证券 数据来源：华经产业，艾为赛新材料，东北证券 智能智能手机散热手机散热方案逐步升级，方案逐步升级，石墨石墨 VC 均均热板为旗舰级热板为旗舰级主流趋势主流趋势。在传统 4G 手机，通常采用导热界面材料 石墨膜组合作为散热方案。在 5G 手机、中高性能 4G 手机，工作功耗及散热要求相对更高，通常采用导热界面材料 石墨膜 热管/均温板组合作为散热方案。此外，通过减少 VC 均热板的厚度满足手机轻薄化趋势。随着2085.31.50.80.10510152025导热系数（KW/m K）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 21/81 电子电子/行业行业深度深度 手机内部空间日益紧凑。通过减小均热板厚度，不仅可以显著提升散热效率，同时也能够有效节省设备内部的空间，确保在不牺牲性能的前提下，满足轻薄化设计的趋势。图图 34：苹果手机主板散热：苹果手机主板散热方案迭代方案迭代 数据来源：ifixit，微机分 WekiHome，东北证券 图图 35：华为旗舰机主板散：华为旗舰机主板散热方案迭代热方案迭代 数据来源：Techinsights，微机分 WekiHome，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 22/81 电子电子/行业行业深度深度 图图 36：VIVO 旗舰机主板旗舰机主板散热方案迭代散热方案迭代 数据来源：东北证券，极客网 图图 37：OPPO 旗舰机主板旗舰机主板散热方案迭代散热方案迭代 数据来源：东北证券，极客网 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 23/81 电子电子/行业行业深度深度 图图 38：手机功耗与厚度变：手机功耗与厚度变化图化图 数据来源：Review of applications and developments of ultra-thin micro heat pipes for electronic cooling，苹果官网，东北证券 3.1.2.石墨膜行业国产替代空间广泛，PI 膜成核心壁垒 PI 膜作为石墨膜最重要膜作为石墨膜最重要的的原材料之一，在石墨原材料之一，在石墨膜的膜的生产成本中占据了最生产成本中占据了最大的大的比例。比例。石墨卷材是以聚酰亚胺膜为原料，经过碳化、石墨化后压延而成，再通过模切形成石墨片。石墨膜具有柔韧、耐高低温、化学性稳定以及良好的水平传热能力，水平方向上热扩散能力强，能够消除小型化智能电子设备局部热点、平滑温度梯度以及改变热流方向。根据思泉新材的采购成本统计，石墨膜的原料包括 PI 膜，胶带，硅胶保护膜和离型膜，其中 PI 膜的成本占比在 50%以上，远高于其他材料的成本占比。图图 39：石墨膜工艺流程：石墨膜工艺流程 图图 40：2020-2022 年思泉新材各原料成本占比年思泉新材各原料成本占比 数据来源：思泉新材，东北证券 数据来源：思泉新材招股说明书，东北证券 3.1.3.超薄 VC 工艺仍待突破，厚度与性能不可兼得 VC 均热板（均热板（Vapor Chamber）是一种广泛应用于智）是一种广泛应用于智能手机等电子设备中能手机等电子设备中的高的高效散效散热组件。热组件。其结构由壳体、支撑柱、真空腔体(蒸汽腔)、吸液芯和工质组成。VC 均热板的工作原理依赖于热量的相变传递。热源输入时，吸液芯中的液体受热蒸发，蒸汽通过真空腔体扩散，将热量均匀传导到板的表面。随后，蒸汽在冷凝区相变为液体，通过毛细力沿吸液芯回流，完成热量的循环传递。0246810201120122013201420152016-2018手机CPU平均功耗（W）苹果手机厚度（mm）0 0 2020212022PI膜占比（%）胶带占比（%）保护膜占比（%）离型膜占比（%）其他占比（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 24/81 电子电子/行业行业深度深度 图图 41：VC 均热板结构示意图均热板结构示意图 数据来源：超薄均热板的研究现状及发展趋势，东北证券 VC 均热板的工艺流程复均热板的工艺流程复杂，制造步骤精密。杂，制造步骤精密。均温板工作原理与热管相似，但在传导方式上有所区别。热管为一维线性热传导，而均温板中的热量则是在一个二维的面上传导，可以将点热源瞬间扩散成一个面热源，具有更高的导热散热效率。同时，均温板在结构设计上，能够集成解决多个高功耗器件的散热需求，比热管拥有更高的灵活度。VC 均热板工艺从铜网和除气管的采购开始，随后进行铜网裁切和冲制件的上、下盖成型。这些铜制组件经过贴铜网和焊接形成初步结构，随后进行周边焊接，并通过钎焊工艺确保组件的密封性。在注水和真空处理环节，工艺中采用了一次和二次真空技术，确保均热板内部的气体被彻底排除，增强其散热效率。最后，经过性腔测试、贴胶、检验等步骤，确保每一片 VC 均热板的性能达到设计要求，成品包装入库。整个工艺流程既注重组件的结构加工，也要求在真空处理和气密性控制上保持极高的精度，以保证均热板的热传导性能。图图 42：VC 均热板工艺流程均热板工艺流程 数据来源：苏州天脉招股说明书，东北证券 在智能手机轻薄化的在智能手机轻薄化的趋势趋势下，下，超薄超薄VC均热板的生产均热板的生产工艺难点在于毛细结工艺难点在于毛细结构的构的处理。处理。VC 均热板的热传导依赖于其内部的毛细结构，蒸汽通过这一结构实现高效的热量 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 25/81 电子电子/行业行业深度深度 传递。然而，随着均热板厚度的不断减小，毛细结构的设计和制造变得更加复杂。毛细管空间的缩小导致蒸汽流动的阻力增加，同时液体回流速度下降，进而影响到均热板的整体散热性能和产品良率。图图 43：VC 均热板蒸汽腔厚度与传热热阻关系均热板蒸汽腔厚度与传热热阻关系图图 数据来源：高端精密超薄均热板研究现状及发展趋势，东北证券 3.2.电脑散热：AI 叠加 PC 市场回暖，电脑散热产品有望迎来需求增长 3.2.1.主动被动相结合，热管散热成主流 PC 的散热方案主要的散热方案主要采用采用主动散热方式，热管加主动散热方式，热管加石石墨膜或风冷模组是常见墨膜或风冷模组是常见的的组合。组合。CPU 等热源产生的热量，首先经过导热界面材料传导到热管，接着热管再将热量快速传导到金属散热片，与金属散热片连接的风扇将热量快速散发到空气中，以确保设备在高负载下维持稳定的运行温度。其中，热管的内部结构由管壳、毛细芯和工作液组成，其工作原理依赖于相变传热过程。热量输入时，蒸发段的工作液吸收热量后蒸发成蒸汽，蒸汽通过管内移动至冷凝段并在此冷却凝结成液体，释放热量。随后，凝结的液体通过毛细力回流至蒸发段，完成热量的循环传导过程。石墨膜作为辅助材料，进一步提升热量的均匀传导效果，增强整体散热性能。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 26/81 电子电子/行业行业深度深度 图图 44：PC 散热方案散热方案 数据来源：苏州天脉招股说明书，东北证券 3.2.2.电脑散热市场稳增长，AI PC 为增量 电脑散热市场稳定增电脑散热市场稳定增长，长，中美占据过半市场。中美占据过半市场。根据 QYResearch 的统计，全球电脑散热器市场在 2018 年至 2029 年间呈现稳步增长的趋势。2022 年全球市场规模达到13.7 亿美元，预计到 2029 年将增至 19.3 亿美元。从 2022 年全球市场份额占比来看，美国市场占据了 29.19%，位居首位。中国市场占比 15.89%。随着全球电子设备的性能要求提升，电脑散热市场有望继续扩大。图图 45：热管结构示意图：热管结构示意图 数据来源：苏州天脉招股说明书，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 27/81 电子电子/行业行业深度深度 图图 46：2018-2029E 全球全球电脑散热市场规模电脑散热市场规模 图图 47：2022 年各国电脑年各国电脑散热市场占比散热市场占比 数据来源：QYResearch，东北证券 数据来源：QYResearch，东北证券 全球主要全球主要 PC 厂商正在加厂商正在加码码 AI PC 产品线，产品线，积极布积极布局市场。局市场。联想、戴尔、华硕、宏碁等 PC 品牌都在其新产品系列中融入了 AI 技术，以提升设备的计算能力和智能化水平。这些厂商通过与 AMD、Intel 和 Qualcomm 等芯片供应商合作，推出了多款搭载最新 AI 处理器的 PC 产品。AI PC 渗透率预突破渗透率预突破 50%，全球全球 PC 或进入新一轮的或进入新一轮的景气周期。景气周期。根据 IDC 和 Canalys的统计，2019 至 2024 年全球 PC 出货量经历了波动，2023 年后呈现回升趋势，预计 2024 年上半年同比增长将达到 2%。AI PC 渗透率在 2023 年仅为 10%左右，但预计到 2027 年将大幅提升至 60%，表明未来几年 AI PC 将成为市场主流。0%2%4%6%810152025电脑散热器市场规模（亿美元）YoY（%）中国（%）美国（%）其他（%）图图 48：AI PC 产品线产品线 数据来源：Canalys，公开新闻，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 28/81 电子电子/行业行业深度深度 图图 49：2019-2024H1 全球全球 PC 出货量出货量 图图 50：AI PC 渗透率渗透率 数据来源：IDC，东北证券 数据来源：Canalys，东北证券 3.2.3.国外厂商主导电脑散热市场，市场竞争格局固定 电脑散热市场的竞争电脑散热市场的竞争格局格局集中，由国外厂商主集中，由国外厂商主导。导。根据 QYResearch 的统计数据，2023 年电脑散热行业的前五大厂商市场占有率（CR5）为 47.78%，显示出市场集中度较高。全球电脑散热市场的竞争格局由少数几家大型厂商主导，这些企业，包括Corsair、Cooler Master、Noctua、ASUS ROG 和 ARCTIC 在内，凭借先进的技术和生产能力，在高端和中端散热解决方案领域占据了领先地位。表表 3：电脑散热行：电脑散热行业主要业主要厂商厂商 公司名称公司名称 公司地区公司地区 主营业务主营业务 Corsair 美国 提供高性能散热器、PC 组件及外设，尤其在游戏和高性能计算领域。Cooler Master 台湾 专注于电脑散热器、机箱、以及其他周边设备的设计和生产。Noctua 奥地利 生产高端静音风扇和散热器，以极致的散热性能和低噪音闻名。ASUS ROG 台湾 主要提供高端游戏设备及散热解决方案，特别是在高性能 PC 市场。ARCTIC 瑞士 提供高效能的 PC 散热器和冷却方案，专注于环境友好型产品。数据来源：QYResearch，各公司官网，东北证券 -20%-15%-10%-5%0%5 0100150200250300350400PC出货量（百万台）YoY（%）60%0 0Pp 232024E2025E2026E2027EAI PC渗透率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 29/81 电子电子/行业行业深度深度 4.数据中数据中心液冷行业：心液冷行业：政策和政策和需求双重驱动，需求双重驱动，渗透率有渗透率有望快速望快速提升提升 4.1.需求端：政策端和行业需求双重驱动 政策端，政策端，“双“双碳”碳”形势下形势下液冷技术能降低能耗液冷技术能降低能耗满足满足 PUE 的要求的要求。在“双碳”宏观形势下，政府部门对数据中心 PUE（Power Usage Effectiveness，电能利用效率）监管日益趋严。2021 年 7 月工信部印发新型数据中心发展三年行动计划（2021-2023 年）（工信部通信202176 号），明确“到 2023 年底，新建大型及以上数据中心 PUE 降低到 1.3 以下，严寒寒冷地区力争降低到 1.25 以下”。2021 年 11 月国家发改委印发贯彻落实碳达峰碳中和目标要求推动数据中心和 5G 等新型基础设施绿色高质量发展实施方案（发改高技20211742 号），明确“到 2025 年，新建大型、超大型数据中心 PUE 降到 1.3 以下，国家枢纽节点降至 1.25 以下。”2022 年1 月发改委同意启动建设全国一体化算力网络国家枢纽节点的系列复函中明确要求国家算力东、西部枢纽节点数据中心 PUE 分别控制在 1.25、1.2 以下。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 30/81 电子电子/行业行业深度深度 表表 4：数据中心：数据中心 PUE 指标指标要求要求 发文名称发文名称 发文时间发文时间 发文机构发文机构 重点内容重点内容 关于加强绿色数据中心建设的指导意见 2019 年 1 月 工业和信息化部等三部门 建立健全绿色数据中心标准评价体系和能源资源监管体系，打造一批绿色数据中心先进典型。全国一体化大数据中心协同创新体系算力枢纽实施方案 2021 年 5 月 国家发展改革委员会 加强绿色集约建设。完善覆盖电能使用效率、算力使用效率、可再生能源利用率等指标在内的数据中心综合节能评价标准体系。新型数据中心发展三年行动计划（2021-2023 年）2021 年 7 月 工业和信息化部 到 2023 年底，全国数据中心机架规模年均增速保持在 20%左右，平均利用率力争提升到 60%以上，总算力超过 200EFLOPS，高性能算力占比达到10%。国家枢纽节点算力规模占比超过 70%。新建新建大型及以上数据中心大型及以上数据中心 PUE 降低到降低到 1.3 以下，以下，严寒严寒和寒冷地区力争降低和寒冷地区力争降低到到 1.25 以下。以下。贯彻落实碳达峰碳中和目标要求推动数据中心和 5G 等新型基础设施绿色高质量发展实施方案 2021 年 11 月 国家发改委等四部门 到 2025 年，数据中心和 5G 基本形成绿色集约的一体化运行格局。数据中心运行电能利用效率和可再生能源利用率明显提升，全国新建大型、全国新建大型、超大超大数据中心平均电能利数据中心平均电能利用效用效率降到率降到 1.3 以下，国家以下，国家枢纽节点进一步降到枢纽节点进一步降到 1.25 以下，以下，绿色低碳等级达到 4A 级以上。深入开展公共机构绿色低碳引领行动促进碳达峰实施方案 2021 年 11 月 国家机关事务管理局等四部门 推动数据中心绿色化。推动存量“老旧”数据中心升级改造，“小散”数据中心腾退、整合，降低“老旧小散”数据中心能源消耗。新建大型、新建大型、超大超大型数型数据中心全部达到绿色据中心全部达到绿色数据数据中心要求，绿色低碳中心要求，绿色低碳等等级达到级达到 4A 级以上，级以上，电能利用效率电能利用效率（PUE）达到达到 1.3以下。以下。鼓励申报绿色数据中心评价，发挥示范引领作用。工业能效提升行动计划 2022 年 6 月 工业和信息化部等六部门 推进重点领域能效提升绿色升级。持续开展国家绿色数据中心建设，发布名单及典型案例，加强绿色设计、运维和能源计量审查。引导数据中心扩大绿色能源利用比例，推动老旧数据中心实施系统节能改造。到到 2025 年，年，新新建大型、建大型、超大型数超大型数据中据中心电能利用效率优于心电能利用效率优于 1.3。信息通信行业绿色低碳发展行动计划（2022-2025 年）2022 年 8 月 工业和信息化部等七部门 加大先进节能节水技术应用。强化绿色设计，加快自然冷源、近端制冷、液冷等制冷节能技术应用，鼓励采用预制模块化机房及高密度、虚拟化等高效 IT 系统方案，推广高压直流供电、高效交流不间断电源、集成式电力模块等技术和产品，发展智能化能源管控系统。数据来源：NIISA、曙光信息绿色节能液冷数据中心，东北证券 在保证算力运转的前提下，只有通过降低数据中心辅助能源的消耗，才能达成节能目标下的 PUE 要求。根据中兴通讯，在典型数据中心能耗占比中，制冷系统比例达到 24%，是数据中心基础设施中占比最高的部分。因此，降低制冷系统能耗能够极大的促进 PUE 的降低。传统的风冷技术已无法满足高热流密度电子器件的散热。间蒸/直蒸技术通过缩短制冷链路，减少过程能量损耗实现数据中心 PUE 降至 1.15-1.35；液冷则利用液体较高的比热容和换热能力，在进一步缩短传热路径的同时充分利用自然冷源，实现了 PUE 小于 1.25 的极佳节能效果。因此，液冷作为数据中心新兴制冷技术，被应用于解决高功率密度机柜散热需求。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 31/81 电子电子/行业行业深度深度 图图 51：典型数据中心能耗：典型数据中心能耗占比占比 图图 52：2021-2022 我国数据中心单机柜平均功我国数据中心单机柜平均功率率 数据来源：中兴通讯液冷技术白皮书，东北证券 数据来源：中兴通讯液冷技术白皮书，东北证券 行业需求层面：随行业需求层面：随着着 AI 等新的应用场景出现等新的应用场景出现，近，近年来数据中心需求旺年来数据中心需求旺盛，盛，数据中数据中心机架规模稳步增长心机架规模稳步增长。按照功率密度 2.5kW 为标准机架统计，截止 2021 年底，我国数据中心机架规模达 520 万架。在政策利好（“东数西算”加速构建一体化算力服务体系）、需求提振（产业互联网进入新纪元、AI 产业进入新阶段）、技术升级（算力异构化推动算力升级）的作用下，算力应用场景不断涌现，数据中心需求稳步提升，“东数西算”工程将进一步深入，预计至 2025 年“十四五”规划期末，数据中心机架规模将进一步增长。图图 53：全国数据中心机架：全国数据中心机架规模规模 数据来源：信通院中国数据中心产业发展白皮书，东北证券 AI 服务器需求量大幅抬升服务器需求量大幅抬升。随着算力的持续增长，根据 IDC，2021 年全球 AI 服务器市场规模达 156 亿美元，2022 年市场规模约为 183 亿美元，预计 2023 年全球 AI服务器市场规模将达 211 亿美元。从下游应用领域看，互联网占整体 AI 服务器市场近 60%的份额。此外为运营商、金融、电信、交通和医疗健康等行业。IT设备制冷系统供电系统办公照明010020030040050060020172018201920202021总机架数量（万架）大型规模以上机架数量(万架)请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 32/81 电子电子/行业行业深度深度 图图 54：全球：全球 AI 服务器市服务器市场规模及增速场规模及增速 图图 55：2022 年我国年我国 AI 服务器下游应用市场占服务器下游应用市场占比比 数据来源：IDC，东北证券 数据来源：IDC，东北证券 液冷具有低能耗、高液冷具有低能耗、高散热散热、低、低 TCO 等优势等优势,被应用于解决高功率密度被应用于解决高功率密度机柜机柜散热需散热需求。求。液冷是一种采用液体带走发热器件热量的散热技术，适用于需提高计算能力、能源效率、部署密度等应用场景。利用了液体的高导热、高热容特性替代空气作为散热介质，同传统强迫风冷散热对比，液冷是解决数据中心散热压力和节能问题的重要技术。算力的持续增加促进通讯设备性能不断提升，芯片功耗和热流密度也在持续攀升，产品每演进一代功率密度攀升 30-50%。当代 X86 平台 CPU 最大功耗300-400W，业界最高芯片热流密度已超过 120W/cm2。芯片功率密度的攀升同时带来整柜功率密度的增长，当前最大已超过 30kW/机架。因此，数据中心/设备散热经历风冷、水冷、液冷的代际更迭。图图 56：液冷同比风冷散热液冷同比风冷散热能力（能力（2MW 机房）机房）图图 57：液冷同比风冷每年液冷同比风冷每年收益（收益（2MW 机房）机房）数据来源：中兴通讯液冷技术白皮书，东北证券 数据来源：中兴通讯液冷技术白皮书，东北证券 0%5 %0010015020025020192020202120222023市场规模（亿美元）yoy互联网运营商通信政府制造教育金融其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 33/81 电子电子/行业行业深度深度 图图 58：机柜功率密度与制机柜功率密度与制冷方式冷方式 数据来源：中兴通讯液冷技术白皮书，东北证券 4.2.供给端：当前发展瓶颈在于生态匹配 液冷产业链包括上游液冷产业链包括上游的产的产品零部件供应商、品零部件供应商、中游的中游的液冷服务器供应商及液冷服务器供应商及下游下游的算力的算力使用者。使用者。上游主要为产品零部件及液冷设备，包括快速接头、CDU、电磁阀、浸没液冷 TANK、manifold、冷却液等组件或产品供应商，代表厂商有英维克、3M、云酷、竞鼎、诺亚、广东合一、绿色云图等。中游主要为液冷服务器、芯片厂商以及液冷集成设施、模块与机柜等，代表厂商有华为、中兴、浪潮、曙光、新华三、联想、超聚变、英特尔等。下游主要包括三家电信运营商，百度、阿里巴巴、腾讯、京东等互联网企业以及信息化行业应用客户，主要在电信信息、互联网、政府、金融、交通和能源等信息化应用。图图 59：液冷产业链：液冷产业链 数据来源：电信运营商液冷技术白皮书，东北证券 行业初期格局尚不稳行业初期格局尚不稳定，定，国内参与厂商众多。国内参与厂商众多。目前国际市场中主要厂商在液冷技术和产品方面还处于实验研究或初步应用阶段，市场中还未形成较强的龙头厂商，市场竞争格局尚未稳定。此外，由于中国对数据安全的保护，在数据中心基础设施的供应方面存在一定的地域壁垒，因此，目前国外厂商的产品的应用主要以其本国市场为主，进入中国市场较为困难。国内参与液冷的厂商众多，如零部件厂商英维克、曙光数创、维谛技术等，具备冷板式和浸没式技术，也包括中游的服务器厂商，如浪潮信息，向上延伸部分零部件业务。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 34/81 电子电子/行业行业深度深度 表表 5：数据中心液：数据中心液冷零部冷零部件厂商件厂商 厂商厂商 液冷方案液冷方案 公司介绍公司介绍 英维克 冷板式为主，兼有浸没式 深交所上市公司。精密温控节能解决方案和产品提供商，下游应用领域包括云计算数据中心、算力设备、通信网络、电力电网、储能系统、电动汽车充电桩、工业自动化、电源转换等。2023 年收入 35.3 亿元 曙光数创 浸没式为主，兼有冷板式 北交所上市公司，控股股东为中科曙光的子公司曙光信息。下游客户主要为数据中心整体集成商和数据中心最终使用方。2023 年收入 6.5 亿元 维谛技术 浸没式、冷板式 美股上市公司，曾经是爱默生的子公司。专注于通信、数据中心、商业&工业三大领域，UPS 份额位于中国市场第一。2023 年收入68.6 亿元 浪潮信息 浸没式、冷板式 深交所上市公司。国内服务器龙头厂商，2022 年将“All in 液冷”纳入公司发展战略。向上延伸部分零部件业务。2023 年收入658.7 亿元 数据来源：Wind，各公司公告，东北证券 冷板式液冷和浸没式冷板式液冷和浸没式液冷液冷是行业内目前共存的是行业内目前共存的两条两条主流技术路线主流技术路线。液冷技术分为接触式及非接触式两种，接触式液冷是指将冷却液体与发热器件直接接触的一种液冷实现方式，包括浸没式和喷淋式液冷等具体方案。浸没式液冷是服务器完全浸入冷却液中，全部发热元件热量直接传递给冷却液，通过冷却液循环流动或蒸发冷凝相变进行散热的一种方式。其中，冷却液循环流动的方式为单相浸没式液冷，冷却液蒸发冷凝相变的方式为相变浸没式液冷，相变浸没式液冷控制更复杂、要求更高。喷淋式液冷是用冷却液直接喷淋芯片等发热单元，通过对流换热进行散热的一种方式。非接触式液冷是指冷却液体与发热器件不直接接触的一种液冷实现方式，包括冷板式等具体方案。冷板式液冷是服务器芯片等高发热元件的热量通过冷板间接传递给液体进行散热，其微通道强化换热技术具有极高的散热性能。冷板式液冷技术PUE 低至 1.2 以下，浸没式液冷技术 PUE 低至 1.1 以下。图图 60：冷板式液冷系统原冷板式液冷系统原理图理图 图图 61：单相浸没液冷系统单相浸没液冷系统原理原理 数据来源：中兴通讯液冷技术白皮书，东北证券 数据来源：中兴通讯液冷技术白皮书，东北证券 液冷方案中冷板式目液冷方案中冷板式目前渗前渗透率最高。透率最高。目前冷板式液冷方案的行业成熟度最高：主流的服务器制造商大多已建成冷板式液冷服务器的标准化规模生产线，通信运营商与头部互联网公司均积极尝试液冷技术的部署应用，CPU/GPU 等算力芯片厂商也通过直接配套散热模组或发布 Design Guide 等方式完善液冷算力的生态匹配。由于传统数据中心对原有基础设施改造成本和难度等因素，2023 年中国冷板式在液冷方案的占比达到 95%以上。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 35/81 电子电子/行业行业深度深度 图图 62：2023 年年中国中国液冷液冷各方案比例各方案比例 数据来源：IDC，东北证券 4.3.行业空间：渗透率有望快速提升 随着产业化进程加快随着产业化进程加快，液液冷数据中心成本不断冷数据中心成本不断下降下降。液冷过去大规模应用的限制在于 TCO（全生命周期成本）。与传统风冷产品比较，液冷存在初期投资高的问题，影响产品的大规模应用。随着液冷方案更多被采用，规模效应下成本不断降低。根据赛迪顾问，经对三种路线进行加权平均后，2022 年液冷数据中心 1kW 的散热成本为近 6500 元，相比 2021 年已经下降了 24%，预计 2023 年 1kW 的散热成本有望降至 5000 元左右。另一方面，液冷数据中心 PUE 可降至 1.2 以下，每年可节省大量电费，极大的降低数据中心运行成本。因此，相比于传统风冷，液冷散热技术的应用虽然会增加一定的初期投资，但可通过降低运行成本回收投资，从而降低 TCO。以规模为 10MW 的数据中心为例，比较液冷方案（PUE 1.15）和冷冻水方案（PUE 1.35），预计 2.2 年左右可回收增加的基础设施初投资。图图 63：中国液冷数据中心：中国液冷数据中心基础设施市场部署规基础设施市场部署规模及模及散热成本散热成本 数据来源：赛迪顾问，东北证券 液冷发展瓶颈主要在液冷发展瓶颈主要在于生于生态匹配，态匹配，目前已取得实质目前已取得实质性进展。性进展。当前液冷行业仍处于早期阶段，产业生态建设尚不完善。液冷的设计、部署、运维各环节只有少数标准，且影响力有限，常常出现液冷产品因为标准不一而无法兼容现象。越来越多的液冷生态链厂商及服务供应商正推动行业标准化，推进产业生态成熟。从液冷服务器厂商来看，主流的服务器制造商 2022 年陆续开始建设标准化规模生产液冷服务器的产线。根据 IDC，2023 年市场份额前三的厂商分别是浪潮信息、超聚变和宁畅，合计占据了 70%以上的市场份额。随着液冷服务器市场的高速增长，以及行业需求的冷板式浸没式和喷淋式020004000600080001000012000140000204060801001201401602020202120222023H1液冷数据中心部署规模（MW)散热成本（元/KW）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 36/81 电子电子/行业行业深度深度 多样化，主流液冷服务器厂商的份额差距在逐步缩小，并且有越来越多的服务器厂商积极开拓液冷市场，如联想、H3C、超云、宝德等。图图 64：2023 年中国液冷年中国液冷服务器竞争格局服务器竞争格局 数据来源：IDC，东北证券 从下游应用来看，从下游应用来看，液液冷数冷数据中心已开始规模部据中心已开始规模部署。署。根据 IDC 数据，2023 年互联网行业是中国液冷服务器最大的应用领域，占据 46.3%的市场份额。电信运营商和泛政府用户对液冷数据中心的需求也保持较快的增长。1）头部互联网公司：均积极部署应用液冷技术。2018 年，谷歌宣布在数据中心采用液冷技术，并表示今后其数据中心的降温方式将向液冷方向转变，微软、英特尔、IBM、HP、阿里巴巴等企业也纷纷在液冷技术领域布局；2）三大电信运营商：2023 年开展技术验证，2024 年预计10%的新建项目规模试点液冷技术，2025 年预计 50%以上项目规模应用。图图 65：液冷技术国内外发：液冷技术国内外发展历程展历程 数据来源：电信运营商液冷技术白皮书，东北证券 浪潮信息超聚变宁畅其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 37/81 电子电子/行业行业深度深度 图图 66：电信运营商液冷规：电信运营商液冷规划划 数据来源：电信运营商液冷技术白皮书，东北证券 渗透率快速提升，渗透率快速提升，数据数据中中心液冷成长空间广阔心液冷成长空间广阔。根据 IDC 数据，2023 年中国液冷服务器市场规模达到 15.5 亿美元，同比增长 52.6%。由于传统数据中心对原有基础设施改造成本和难度等因素，2023 年冷板式方案的占比达到 95%以上。预计到 2028年，中国液冷服务器市场规模将达到 102 亿美元，年复合增长率将达到 45.8%。根据赛迪顾问的数据，预计 2025 年我国液冷数据中心市场规模可达到 1283.2 亿元以上。图图 67：2022-2028 年中国液冷服务器市场规模年中国液冷服务器市场规模 图图 68：2019-2025 年中国液冷数据中心规模及年中国液冷数据中心规模及预测预测 数据来源：IDC，东北证券 数据来源：赛迪顾问，东北证券 4.4.行业壁垒：竞争要素在于产品的可靠性，客户壁垒较高 产品的核心竞争要素产品的核心竞争要素在于在于可靠性。可靠性。液冷系统内包含的产品数量与工装复杂多样，由于缺乏长周期、大规模部署验证，客户选择供应商的重要因素在于液冷系统的稳定性和可靠性，能在全生命周期安全长效运行。由于液冷产业发展处于起步阶段、产业分工尚未明确，导致整个产业链的协同性不强，众多链条企业更多依靠“作坊式生产”的方式来完成产品及服务交付。具备高度资源整合能力的企业，能保证全链条材料兼容和全链条高效换热。0 0P04060801001202022 2023 2024E2025E2026E2027E2028E液冷服务器市场规模（亿美元）YoY0%5 %05004006008001,0001,2001,400液冷数据中心市场规模（亿元）YoY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 38/81 电子电子/行业行业深度深度 图图 69：冷板液冷微模块冷板液冷微模块 数据来源：NIISA、曙光信息绿色节能液冷数据中心，东北证券 上游零部件的客户壁上游零部件的客户壁垒较垒较高。高。主要体现在：1）客户认证壁垒高。零部件需要和服务器适配，出于安全性、稳定性等考虑，客户在选择液冷数据中心基础设施供应商时通常需要进行严格的资质验证，如产品研发能力、产品供应能力以及售后服务经验。2）客户粘性强，考虑到产品的安全性和稳定性，客户不会轻易更换主要供应商，先进入者更易建立起客户资源，从而形成先发优势。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 39/81 电子电子/行业行业深度深度 5.汽车汽车散热散热行业：行业：智能驾驶驱智能驾驶驱动热管理方案升级，动热管理方案升级，看好看好乾崑智乾崑智驾驾星辰星辰大海大海 5.1.燃油车到新能源车到自动驾驶，热管理方案持续升级 从传统燃油车到新能从传统燃油车到新能源车源车，汽车热管理方案升汽车热管理方案升级级。汽车热管理系统是汽车上用于调节零部件工作温度环境和座舱温度环境的零部件的集合。传统燃油汽车热管理系统包括空调系统和发动机总成系统。其中空调系统包括制冷系统和制热系统，发动机总成系统包括发动机冷却系统和变速箱冷却系统。在空调制热的情况下，传统燃油汽车可以通过发动机的余热向车内供热。新能源汽车热管理系统包括空调系统、发动机总成系统（插电混动车）、电池热管理系统和电机电控热管理系统。与传统燃油汽车相比，新能源汽车在空调制热的情况下，需通过 PTC 加热器或热泵主动进行制热。由于新能源汽车以电池电能作为驱动能源，当电池温度过高将产生一定安全风险，因此新能源汽车还需配备电池热管理系统。图图 70：传统燃油车热管理：传统燃油车热管理方案方案 图图 71：新能源汽车热管理：新能源汽车热管理方案方案 数据来源：佐思汽研，东北证券 数据来源：佐思汽研，东北证券 智驾再次驱动汽车热智驾再次驱动汽车热管理管理需求增加，需求增加，风冷转风冷转向水冷向水冷成为主流趋势。成为主流趋势。随着智能驾驶等级从 L2 向 L3、L4 迭代，高性能计算平台的算力及散热需求显著增加。例如 NVIDIA Drive Orin、特斯拉 FSD 芯片，功耗可达数百瓦至千瓦级，产生大量热量。智驾域控制器作为核心部件，为确保设备在高功率密度和恶劣工作环境下的稳定运行，散热方案需要在导热性和长期可靠性之间取得平衡，逐渐从自然散热、风扇散热向水冷散热过渡。相关热管理产品包括 MCU（电机控制器）散热器、MDC 液冷板（智能驾驶控制模块移动数据中心）、液冷板散热器、ADC 液冷板液冷散热器、DCDC（充电/节电电控模块）散热器、动力总成油冷器、圆柱电池液冷板、冲压板式电池液冷板等。表表 6：主流车企智：主流车企智驾热管驾热管理方案理方案 车企车企/方案方案 技术路径技术路径 效果效果 特斯拉 HW 4.0 液冷 金属壳体导热 计算平台温度波动2，可靠性提升 40%蔚来 NAD（Aquila）双冗余液冷 传感器主动温控 LiDAR 工作温度稳定性达0.5 博世 L3 级热管理方案 跨域热交换器 AI 能耗优化 整车热管理能耗降低 18%数据来源：车企官网，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 40/81 电子电子/行业行业深度深度 图图 72：汽车域控制器液冷：汽车域控制器液冷板实物图板实物图 数据来源：贵航股份官网，东北证券 5.2.华为乾崑智驾星辰大海，看好汽车热管理空间广阔 华为乾崑深度赋能车华为乾崑深度赋能车企，企，搭搭载量超过载量超过 50 万辆。万辆。2024 年 4 月华为乾崑 ADS 3.0 发布，包括乾崑 ADS，乾崑车控，乾崑车云等解决方案。2024 年，8 家车企的 11 个品牌车型搭载华为乾崑智驾系统上市，包括鸿蒙智行旗下问界、智界、享界、尊界，HI模式下东风岚图、猛士科技、长安深蓝和阿维塔、北汽极狐等品牌。广汽传祺、比亚迪方程豹等品牌也与华为进行灵活合作模式。华为乾崑全年智驾用户数超过 50 万，有望开启汽车行业变革。今年是华为乾坤智驾今年是华为乾坤智驾的大的大年年，看好热管理看好热管理未来空间广未来空间广阔。阔。奥迪智驾入华的两款车 Q6L etron 和 A5L 都采用华为 ADS 方案，这是里程碑标杆事件。今年华为乾坤智驾预计会突破百万，未来一定是千万的量级，对标博世，对内整合 对外出海。随着智驾算力也要不断升级，我们看好热管理未来成长空间广阔。图图 73：2024 年华为乾坤年华为乾坤智驾里程智驾里程 图图 74：2024 年华为乾坤年华为乾坤智驾城区智驾城区/总智驾情况总智驾情况 数据来源：华为乾崑 2024 年智驾使用报告，东北证券 数据来源：华为乾崑 2024 年智驾使用报告，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 41/81 电子电子/行业行业深度深度 6.核心标核心标的的 6.1.芯片散热核心标的 6.1.1.鸿日达：3C 连接器筑基，半导体散热片为旗 立足电子连接器，立足电子连接器，拓拓展多展多元产品矩阵。元产品矩阵。公司成立于 2003 年，前身为昆山捷皇，专业从事精密连接器研发、生产及销售。经过十多年的发展，鸿日达已形成以连接器为主、精密机构件为辅的产品体系，广泛应用于手机、智能穿戴设备、电脑等消费电子领域。近年来，公司拓展了 MIM、电镀、喷涂等新产线，并在越南投资建设太阳能光伏组件生产基地，进一步开拓海外市场。2024 年，公司瞄准终端市场新机遇，扩展至半导体金属散热片和汽车连接器领域，力求打造新的增长曲线。图图 75：鸿：鸿日达日达发发展历展历程程 数据来源：公司官网，东北证券 产品矩阵多元，应用产品矩阵多元，应用领域领域广泛广泛。公司产品系列主要包括：1）连接器：公司提供多种连接器产品，包括消费电子连接器、汽车连接器和新能源连接器。消费电子连接器涵盖卡类连接器、I/O 连接器、耳机连接器和板对板（BTB）连接器，广泛应用于手机、耳机、数据线、电脑等设备，支持各种数据传输和信号交换。汽车连接器包括 Fakra、高速 HSD 和高压连接器，广泛用于动力系统、车身控制和安全系统等。新能源连接器主要包括光伏组件连接器和储能系统的 CCS 集成母排，用于光伏发电和能源储存系统，确保能量管理和系统可靠性。2）精密机构件：公司的精密机构件产品主要为通过 MIM 工艺生产的各类机构件，具备复杂几何形状、均匀组织结构和优异性能。产品包括摄像圈支架、摄像头装饰件、笔记本转轴、智能手表卡扣等，主要应用于手机、电脑等便携式智能终端，以及“小天才”手表等智能穿戴设备领域。3）半导体金属散热片：半导体金属散热片材料在半导体芯片封装中起着关键作用，通过直接贴附在芯片表面实现导热和散热，以控制器件温度，确保正常运行。随着半导体技术进步和集成度提高，芯片空间被压缩，热量散发需求增加，特别是在高性能计算和 AI 应用中，热管理需求尤为迫切。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 42/81 电子电子/行业行业深度深度 图图 76：鸿：鸿日达日达产产品矩品矩阵阵 数据来源：公司公告，东北证券 精密机构件营收占比精密机构件营收占比提升提升，连接器仍是公司主，连接器仍是公司主要的要的营收来源。营收来源。分产品来看，2024H1 连接器产品实现营收 2.66 亿元，YoY 10.17%，主要受益于消费电子行业的周期性复苏。精密机构件产品实现营收 0.92 亿元，YoY 107.36%，营收比重从2019 年的 5.92%增长至 2024H1 的 23.63%,主要系国内重要客户在上半年发布新一代旗舰产品。其他业务主要包括汽车连接器及新能源连接器等相关业务，实现营收 0.31 亿元，其中新能源连接器产品销售收入近千万元。目前连接器产品仍是公司业绩基本面的保障，公司的经营业绩现期仍依赖消费电子行业的发展和周期性。2024 年下半年，半导体金属散热片和汽车连接器业务进入量产出货阶段。图图 77：2019-2024H1 鸿鸿日达日达分分产产品营品营收收（亿（亿元元）图图 78：2019-2024H1 鸿日达鸿日达分分产产品营品营收收占比占比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收稳定增长，公司营收稳定增长，2024 年年前三季度盈利能力前三季度盈利能力显著显著提升。提升。2024 年前三季度公司实现总营收6.44亿元，同比增长27.57%；实现归母净利润0.3亿元，同比增长21.01%。受益于消费电子行业的周期性复苏，相关连接器产品的营收呈现了稳定性的增长，在国内可穿戴品牌头部厂商占据主力供应商的地位。同时公司仍持续在加工工艺改善、生产效率提升、新产品开发成功率等经营管理方面加强管控，进一步推动了降本增效，使产品毛利率提高到了历史较高水平。0123456201920202021202220232024H1连接器精密机构件其他0 0Pp0 1920202021202220232024H1连接器精密机构件其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 43/81 电子电子/行业行业深度深度 图图 79：2019-2024Q1-Q3 鸿日达鸿日达营业收入及增营业收入及增速速 图图 80：2019-2024Q1-Q3 鸿日达鸿日达归母净利润及归母净利润及增速增速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率显著改善毛利率显著改善，期间费期间费用率上升。用率上升。从公司毛利率、净利率来看，2024 前三季度公司盈利能力显著修复，前三季度毛利率和净利率分别为 24.16%/4.58%，同比 3.70pct/ 0.11pct，主要受益于消费电子及海外需求恢复。图图 81：2019-2024 前前三三季度鸿季度鸿日日达达毛利毛利率率和净和净利利率率 数据来源：Wind，东北证券 6.2.手机散热核心标的 6.2.1.中石科技：石墨散热龙头，新产品新项目放量 散散热热解解决方决方案案行业行业领领先，业先，业务务涵涵盖热盖热管管理、理、电电磁屏蔽磁屏蔽、粘粘接、接、密密封四封四大大细分领细分领域域。公司成立于 1997 年，最初作为手机模切功能组件供应商服务于手机行业。2014 年公司以领先的高导热人工合成石墨材料服务于消费电子行业。2021 年公司持续增加新技术、新产品、新工艺的开发力度；5G 导热石墨膜获得江苏省专精特新产品认定；申请国内外发明及实用新型专利 18 项。2023 年公司紧跟折叠手机新的技术发展，及时推出新一代超高导热人工石墨，满足下一代手机发展需求。公司相继量产和推出了超高导热人工合成石墨、高可靠性高性能热界面（TIM）材料、新型超薄 VC/高效散热模组，以及功能型胶黏剂产品及应用解决方案。-10%-5%0%5 %02345678总营收（亿元）YOY-60%-40%-20%0 %0.000.100.200.300.400.500.600.70归母净利润（亿元）YOY0%5 %0 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 44/81 电子电子/行业行业深度深度 图图 82：中石科技：中石科技发展历程发展历程 数据来源：公司官网，东北证券 立足导热材料及消费立足导热材料及消费电子电子级导热产品，级导热产品，多元布局胶多元布局胶黏剂产品矩阵。黏剂产品矩阵。公司公司产品涵盖热管理材料、人工合成石墨材料、电磁屏蔽及 IP 密封材料、EMI 滤波器、信号滤波器、EMI/EMC 设计咨询和整改等众多业务领域，并具备服务于智能终端、通讯设备、新能源汽车、电子电力、机械制造、轨道交通等行业的产品优势，可持续为客户提供有竞争力的热管理及电磁兼容全面解决方案。表表 7：中中石石科技科技主主要产要产品品 产品线 示意图 应用场景 高导热石墨产品 手机、平板电脑、充电模组、VR/AR、智能家居设备、汽车电子、新能源逆变器、新型显示装置、高功率电力电子等 导热界面材料 TIM 通信基站、手机、平板电脑、智能家居设备、汽车电子（三电系统）、电装设备等 胶粘剂产品 新能源汽车，集成电路，消费电子，光伏新能源，智能家居，电源，电力电器等 热管 笔记本、服务器、游戏机、VR/AR、通信设备等 均热板 手机、平板、新能源等 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 45/81 电子电子/行业行业深度深度 热模组 服务器/数据中心、笔记本、PC、一体式电脑、游戏机、投影仪、医疗、电子、电力等 数据来源：公司官网，公司年报，东北证券 导热材料是主要的收导热材料是主要的收入来入来源，源，EMI 屏蔽材料占比有屏蔽材料占比有所上升。所上升。分产品来看，2023 年导热材料产品实现营收11.68亿元，占比92.87%，主要得益于导热材料应用领域广泛，如电子设备、LED 照明、新能源汽车等领域，这些领域对于散热性能的要求越来越高，从而导致对导热材料的市场需求量大。其他业务方面，EMI 屏蔽材料产品实现营收 0.43 亿元，占比 3.42%。图图 83：2020-2024H1 中中石科技石科技分分业业务营务营业业收入收入（百百万元万元）图图 84：2020-2024H1 年年中石中石科科技技分业分业务务营收营收占占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 营业收入快速复苏，营业收入快速复苏，归母归母利润增长显著。利润增长显著。2019-2022 年，公司营收持续增加。受益于国内外主要大客户供货份额的提升，公司 2023 年营业收入下降至 12.58 亿元，同比降低 20.99%，实现归母净利润 0.74 亿元，同比降低 61.87%，主要受终端产品需求的下滑的影响。2024 年公司业绩大幅度增加，2024 年前三季度公司实现营业收入 10.96 亿元，同比增长 14.80%；实现归母净利润 1.32 亿元，同比增长 143.03%，主要得益三季度客户需求旺盛且公司供货产品结构得到优化，从而提升了盈利能力。图图 85：2019-2024 前前三三季度季度中石科技中石科技营营业业收入收入及及增速增速 图图 86：2019-2024 前前三三季度季度中石科技中石科技归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 02004006008001,0001,2001,4001,60020202021202220232024H1导热材料EMI屏蔽材料电源滤波器其他业务020406080100201920202021202220232024H1导热材料EMI屏蔽材料电源滤波器其他业务-40%-20%0 8121620营业收入（亿元）YoY-100%-50%0P00 00100150200250归母净利润（百万元）YOY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 46/81 电子电子/行业行业深度深度 毛利率和净利率均快速复毛利率和净利率均快速复苏，盈利能力有所修复。苏，盈利能力有所修复。从毛利率、净利率来看，2019-2023 年公司盈利能力整体呈下降趋势，2023 年公司毛利率和净利率分别为25.11%/5.72%。2024 前三季度公司毛利率和净利率上升至 30.76%/11.98%，主要得益于公司通过提高生产效率、降低原材料成本或优化供应链管理等方式改善了成本控制，从而提高公司盈利能力。图图 87：2019-2024 前前三三季度季度中石科技中石科技毛毛利利率和率和净净利率利率 数据来源：Wind，东北证券 6.2.2.领益智造：果链精密制造供应商，新业务有望加速放量 精密制造领军企业，精密制造领军企业，提供提供智能制造解决方案。智能制造解决方案。公司成立于 2005 年，在全球范围内为客户提供精密功能件、结构件、模组等智能制造服务及解决方案。公司具备模切、冲压、CNC 和注塑等工艺流程的技术，在精密功能件产品的市场份额及出货量处于全球消费电子市场行业领先地位，且在质量、工艺、技术等多个方面制定行业标准。2014 年起，公司进入快速发展期，陆续进入如华为、OPPO、vivo 等多家知名手机品牌客户的供应体系。2018 年公司借壳江粉磁材上市，更名领益智造，现已成为国内精密件加工一站式龙头企业。图图 88：领：领益智益智造造发展发展历历程程 数据来源：公司官网，东北证券 以以精精密密功功能能及结及结构构件件为为核心核心，布布局局材材料、料、汽汽车车及及光伏光伏产产业业。公司拥有模切、冲压、CNC、组装、自动化、结构件、磁材、充电器、模组、FATP 整机组装、通信、Softgoods等事业群，在全球范围内进行供应链布局。公司充分利用材料、精密零部件、结构件、模组组装、整机组装五大平台的协同效应，纵向打通各业务板块的客户渠道，0%5 %05 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 47/81 电子电子/行业行业深度深度 实现业务深度融合与资源共享；横向跨入新能源汽车、医疗、电动工具、5G、IoT、智能穿戴、智能家居等产业领域，进一步拓展商业布局，抓住市场新的发展引擎和增长点。表表 8：领领益益智造智造主主要产要产品品 产品线 示意图 产品类型 精密功能件、结构件 声学类产品、硅胶类产品、碳纤维产品-Hinge 零件、Mesh 产品、散热产品-不锈钢 VC、手机按键-静音键、手机摄像头支架等 材料类产品 电磁屏蔽材料、导热类产品、微波介质陶瓷、陶瓷纤维产品 汽车产品 电池铜/铝转接片、动力电池顶盖、动力电池铝壳 光 伏 储 能 产品 700W 微型光伏逆变器、便携式户外储能电源 数据来源：公司官网，公司年报，东北证券 精密功能及结构件为精密功能及结构件为基本基本盘，盘，充电器营收占比充电器营收占比不断不断提高。提高。分产品来看，2023 年精密功能及结构件产品实现营收 231.69 亿元，占比 67.9%。充电器产品实现营收 66.94亿元，占比 19.62%。其他业务方面，汽车产品实现营收 16.97 亿元，占比 4.97%。材料类产品实现营收 7.09 亿元，占比 2.08%。图图 89：2021-2024H1 领领益智益智造造分分业务业务营营业收业收入入（亿亿元）元）图图 90：2021-2024H1 领领益智益智造造分分业务业务营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 营收连续多年维持高营收连续多年维持高增长增长，2024 年年前三季度增速显前三季度增速显著。著。2019-2023 年，公司营收整体呈现上升趋势，2023 年公司实现营业收入 341.24 亿元，同比增长-1.05%，主要受整体行业竞争的加剧和公司产品结构调整的影响；实现归母净利润 20.51 亿元，-10103050700501001502002502021202220232024H1精密功能及结构件充电器汽车产品材料类产品其他0204060801002021202220232024H1精密功能及结构件充电器汽车产品材料类产品其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 48/81 电子电子/行业行业深度深度 同比增长28.50%。2024前三季度公司实现营业收入314.85亿元，同比增长27.75%；实现归母净利润 14.05 亿元，同比增长-24.85%，主要受公司计提减值准备增加的影响。图图 91：2019-2024 前前三三季度季度领益智造领益智造营营业业收入收入及及增速增速 图图 92：2019-2024 前三前三季季度度领益智造领益智造归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率和净利率有待毛利率和净利率有待提升提升，盈利能力有所下滑。盈利能力有所下滑。2023 年公司毛利率和净利率分别为19.94%/6.01%。2024 前三季度公司毛利率和净利率下降至 15.87%/4.46%，主要由于原材料成本、人工成本或其他运营成本的上升压缩了利润空间，从而影响毛利率。同时领益智造研发投入较大，短期内会对公司净利率造成影响。图图 93：2019-2024 前前三三季度季度领益智造领益智造毛毛利利率和率和净净利率利率 数据来源：Wind，东北证券 6.2.3.思泉新材：北美大客户进展顺利，业绩进入快速释放期 深耕热管理材料领域，深耕热管理材料领域，探探索多元产品矩阵。索多元产品矩阵。思泉新材于 2017 年在东莞成立，最初业务聚焦在电子电气产品的热管理领域。2016 年 9 月，公司成为三星电机合格模切供应商，同年 11 月公司通过国家高新技术企业认证。2019 年 5 月，公司的石墨膜产品成功通过三星电子无线事业部认证，进入三星的石墨膜物料资源池，正式踏入手机终端市场。2020 年公司被国家工信部评为专精特新“小巨人”企业。2023 年公司新股上市，业务逐步向磁性材料、纳米防护材料、缓冲泡棉材料等功能性材料方向拓展，注册了广东思泉新能源材料技术有限公司等 3 家子公司，并进军新能源汽车电子、基建通信散热、无线充电等热门领域。-10%0 00100150200250300350400营业收入（亿元）YoY-100%-50%0P00 0%00050010152025归母净利润（亿元）YOY0%5 % 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 49/81 电子电子/行业行业深度深度 图图 94：思：思泉新泉新材材发展发展历历程程 数据来源：公司官网，东北证券 行业领域覆盖广泛，行业领域覆盖广泛，产产品品应用拓展丰富。应用拓展丰富。公司主营业务为研发、生产和销售热管理材料、磁性材料、纳米防护材料等，覆盖 5 大行业，包括消费类电子行业、新能源汽车行业、通讯设备行业、工业控制行业、半导体行业。主要产品为人工合成石墨散热膜、人工合成石墨散热片等热管理材料，主要应用于智能手机、平板电脑、笔记本电脑、智能穿戴设备等消费电子应用领域。自成立以来，公司一直聚焦在应用在电子电气产品热管理领域的高导热材料，并逐步向磁性材料、纳米防护材料等功能性材料方向拓展。表表 9：思思泉泉新材新材主主要产要产品品 产品线 示意图 产品类型 导热散热材料 石墨导热材料、热界面材料、热管/VC 电磁屏蔽材料 磁性吸波材料、非晶磁性隔磁片、纳米晶磁性材料及其隔磁片 纳米防护材料 纳米防水防护镀膜 数据来源：公司官网，公司年报，东北证券 热管理材料营收占比热管理材料营收占比持续持续提升，提升，逐渐成为逐渐成为公司主要公司主要的营收来源。的营收来源。2023 年，分产品来看，热管理材料产品实现营收 4.07 亿元，占比 93.73%。其他业务方面，纳米防护 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 50/81 电子电子/行业行业深度深度 材料产品实现营收 0.06 亿元，占比 1.32%。磁性材料产品实现营收 0.02 亿元，占比 0.44%。图图 95：2019-2024H1 思思泉新泉新材材分分业务业务营营收（收（百百万元万元）图图 96：2019-2024H1 思思泉新泉新材材分分业务业务营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收稳定增长，公司营收稳定增长，盈利盈利水平显著提升。水平显著提升。2019-2023 年，公司营收整体增加，2023年实现营业收入 4.34 亿元，同比增长 2.74%；实现归母净利润 0.55 亿元，同比增长-6.60%。2024 年公司业绩增加，2024 年前三季度公司实现营业收入 4.25 亿元，同比增长 31.60%；实现归母净利润 0.42 亿元，同比增长 11.07%，主要得益于公司不断优化客户结构，新增北美大客户份额提升较快。图图 97：2019-2024 前前三三季度季度思泉新材思泉新材营营业业收入收入及及增速增速 图图 98：2019-2024 前前三三季度季度思泉新材思泉新材归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 2024 年年前三季度净利率略前三季度净利率略微下滑，毛利率有所微下滑，毛利率有所回转回转。2023 年公司毛利率和净利率分别为 25.11%/12.63%。2024 前三季度公司毛利率上升至 25.39%，主要得益于成本控制。但是受期间费用增加的影响，供需分化格局延续，公司 2024 前三季度净利率下降至 9.28%。0500201920202021202220232024H1热管理材料纳米防护材料电子设备液态硅胶组件磁性材料电子玻璃其他收入其他业务859095100201920202021202220232024H1热管理材料纳米防护材料磁性材料其他收入其他业务电子设备液态硅胶组件电子玻璃-10%0 0P0100150200250300350400450500营业收入（百万元）YoY-10%0 0P0203040506070归母净利润（百万元）YOY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 51/81 电子电子/行业行业深度深度 图图 99：2019-2024 前前三三季度季度思泉新材思泉新材毛毛利利率和率和净净利率利率 数据来源：Wind，东北证券 6.2.4.捷邦科技：收购赛诺高德 51%股权，今年有望导入苹果 立足精密功能件，布立足精密功能件，布局多局多元化产品矩阵。元化产品矩阵。捷邦精密科技股份有限公司成立于 2007年，公司专注于高度定制化精密功能件和结构件的研发、生产及销售，产品广泛应用于平板电脑、笔记本电脑、智能家居等消费电子领域。经过多年的发展，公司已形成以柔性复合精密功能件和金属精密结构件为核心的产品体系，并积极布局新材料领域，推出在力学和导电性能上具有优势的碳纳米管材料，主要应用于锂电池行业。与此同时，公司深入拓展高端客户网络，成为苹果、谷歌、SONOS等知名终端品牌的合格供应商，并跻身苹果核心供应商行列。未来，公司将聚焦行业新机遇，积极开展股权合作，打造多元化增长曲线。图图 100：捷捷邦科邦科技技发展发展历程历程 数据来源：公司官网，东北证券 产品矩阵多元，应用产品矩阵多元，应用领域领域广泛。广泛。公司产品系列主要包括：1）柔性复合精密功能键：公司提供多种柔性复合精密功能键产品，包括柔性多功柔性多功能键盘固定散热胶垫能键盘固定散热胶垫、柔、柔性多功能缓冲屏蔽件性多功能缓冲屏蔽件、多、多层结构散热件等，广层结构散热件等，广泛应泛应用于用于电脑键盘、电脑主板电脑键盘、电脑主板、音、音箱散热组件等消费电箱散热组件等消费电子产子产品。品。2）金属精密功能结构件：金属精密功能结构件由各种金属材料与铜箔、粘贴材料、泡棉等柔性材料加工而成，能够同时起支撑、减震、防水、遮蔽等多种功能。主要产品包括：平板电脑扬声器的 3D 外观防尘网和智能电视主板屏蔽支架。0%5 %05 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 52/81 电子电子/行业行业深度深度 3）传统精密功能键：为客户提供定制化服务，对产品设计和工艺精度要求较高。目前相关产品包括：专用专用键盘封装粘结件、主键盘封装粘结件、主板引板引脚遮蔽绝缘垫片、电脚遮蔽绝缘垫片、电脑主脑主机后机后盖屏蔽减震件等。盖屏蔽减震件等。4）精密功能件和结构件：广泛应用于平板电脑、笔记本电脑、一体机设备、智能家居、3D 打印机、无人机等消费电子领域，是电子产品及电子产品生产制造中不可或缺的重要部分。表表 10：捷捷邦科邦科技技主要主要产产品品 产品线 示意图 产品类型 柔性复合精密功能键 柔性多功能键盘固定散热胶垫：笔记本电脑键盘 柔性多功能缓冲屏蔽件：微型电脑主板插槽 多层结构散热件：智能音箱散热组件 金属精密功能结构件 喇叭口 3D 外观防尘网：平板电脑扬声器 主板屏蔽支架：智能电视主板 传统精密功能键 专用键盘封装粘结件：键盘上下面板 主板引脚遮蔽绝缘垫片：平板电脑主线路板 电脑主机后盖屏蔽减震件：电脑主机后盖 精密功能及结构件 平板电脑、笔记本电脑、一体机设备、智能家居、3D 打印机、无人机等消费电子领域 数据来源：公司官网，公司年报，东北证券 产品集中度提高，产品集中度提高，精密功精密功能及结构件为主要业能及结构件为主要业务。务。分产品来看，2023 年精密功能及结构件产品实现营收 6.41 亿元，占比 94.57%。2020 年公司开拓碳纳米管新业务，创收 562 万元。2023 年碳纳米管业务营收增长至 2322 万元，但该业务占比始终较低。此外，捷邦科技于 2024 年 12 月 10 日发布关于 股权收购协议 的公告，拟以 4.08亿元收购赛诺高德 51%的股份，赛诺高德是目前国内 VC 均热板蚀刻件龙头企业，其主营业务为精密金属的蚀刻加工，为消费电子、汽车、半导体等行业客户提供金属蚀刻、电镀、激光切割、冲压等精密金属件。赛诺高德的 VC 均热板产品明年有 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 53/81 电子电子/行业行业深度深度 望导入苹果。该收购计划可进一步拓展捷邦科技在消费电子领域散热产品相关业务，也是捷邦科技布局果链的重要一环。图图 101：2019-2024H1 捷邦科捷邦科技技分分产品产品营营收（收（百百万元万元）图图 102：2019-2024H1 捷邦科捷邦科技技分分产品产品营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收触底反弹，公司营收触底反弹，2024 年前三季度盈利能力年前三季度盈利能力有所有所回升。回升。2024 前三季度公司实现总营收 5.94 亿元，同比增长 13.79%；实现归母净利润 76 万元，同比增长104.63%。在全球消费电子行业复苏，部分新兴智能硬件产品市场需求回暖的带动下，2024 年公司精密功能和结构件业务收入有显著修复。图图 103：2019-2024Q1-Q3 捷邦科技捷邦科技营营业业收入收入及及增速增速 图图 104：2019-2024Q1-Q3 捷邦科技捷邦科技归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率略有下调，净毛利率略有下调，净利率利率触底回升。触底回升。从公司毛利率、净利率来看，2024Q1-Q3 公司盈利能力显著修复，前三季度毛利率和净利率分别为 25.67%/0.22%，同比 4.6pct/ 3.79pct，主要受益于消费电子需求恢复，各类 3C 消费电子产品出货量稳步提升。020040060080010001200201920202021202220232024H1精密功能件及结构件碳纳米管其他业务0.00.10.20.30.40.50.60.70.80.91.0201920202021202220232024H1精密功能件及结构件碳纳米管其他业务-40%-30%-20%-10%0 0P4681012总营收（亿元）YOY（%）-500%0P00000 00%00000500%-80-60-40-20020406080100120归母净利润（百万元）YOY（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 54/81 电子电子/行业行业深度深度 图图 105：2019-2024 前前三季度三季度捷捷邦邦科技科技毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.2.5.苏州天脉：中高端导热散热材料开拓者，有望充分受益于端侧 AI 迎来量价齐升 热管理整体解决方案热管理整体解决方案提供提供商，商，具备中高端导热材料具备中高端导热材料和热管、和热管、均温板量产能力均温板量产能力。公司成立于 2007 年，聚焦于热界面材料领域。经过近 20 年的发展，公司形成包括热管、均温板、导热界面材料、石墨膜等产品在内的产品矩阵，产品广泛应用于笔记本电脑、智能手机等消费电子以及安防监控设备、汽车电子、通信设备等领域。公司在材料配方、制造技术、产品架构和自动化等领域拥有自主研发的关键技术，客户覆盖三星、OPPO、vivo、华为、荣耀、联想、宁德时代、海康威视、大华股份、极米、松下等众多知名品牌的终端产品，并与比亚迪、瑞声科技、富士康、中磊电子、长盈精密、捷邦精密等国内外知名电子配件厂商保持了稳固的合作伙伴关系。图图 106：苏苏州天州天脉脉发展发展历程历程 数据来源：公司官网，招股说明书，东北证券 产品矩阵多元，产品矩阵多元，应用领域应用领域广泛。广泛。公司主营业务为导热散热材料及元器件的研发、生产及销售，主要产品包括热管、均温板、导热界面材料、石墨膜等，产品广泛应用于智能手机、笔记本电脑等消费电子以及安防监控设备、汽车电子、通信设备等领域。公司在材料配方、加工工艺、产品结构、自动化等多个方面掌握了自主核心技术，能够为下游行业客户提供精准的导热散热产品及创新的散热解决方案。作为行业内少数同时具备中高端导热材料和热管、均温板等高性能导热散热元器件量产能力的高新技术企业。-20-10010203040201920202021202220232024Q1-Q3毛利率（%）净利率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 55/81 电子电子/行业行业深度深度 表表 11：苏州苏州天天脉脉主主要要产品产品 产品线 示意图 产品类型 均温板 VC、VC 均温板 导热界面材料 导热片、多功能导热片、塑热型导胶、TMQ-NL 高性能导热凝胶 热管 散热模组、薄型热管 热扩散片 石墨热扩散片、纳米铜碳片 数据来源：公司官网，公司年报，东北证券 均温板营收占比持续均温板营收占比持续提升提升，逐渐成为公司主要逐渐成为公司主要的营的营收来源。收来源。分产品来看，2023 年均温板产品实现营收 579.87 百万元，占比 62.5%。其他业务主要包括导热界面材料产品，实现营收 145.25 百万元，占比 15.7%。热管产品实现营收 126.25 百万元，占比 13.6%。石墨膜产品实现营收 42.74 百万元，占比 4.6%。图图 107：2019-2024H1 苏州天苏州天脉脉分分业务业务营营收（收（百百万元万元）图图 108：2019-2024H1 苏州天苏州天脉脉分分业务业务营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收连续多年维公司营收连续多年维持高持高增长，增长，2024年年前三季度盈前三季度盈利能力显著提升。利能力显著提升。2019-2023年，公司营收持续增加。受益于均温板业务的需求增加及全球导热散热行业的需求持续走高，公司 2023 年实现营业收入 9.28 亿元，同比增长 10.39%；实现归母净利润0100200300400500600201920202021202220232024H1均温板导热界面材料热管石墨膜其他主营业务其他业务020406080100201920202021202220232024H1均温板导热界面材料热管石墨膜其他主营业务其他业务 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 56/81 电子电子/行业行业深度深度 1.54 亿元，同比增长 32.12%。2024 年公司进入业绩快速释放期。2024 年前三季度公司实现营业收入 6.91 亿元，同比增长 1.73%，主要系均温板产品增长等带动；实现归母净利润 1.40 亿元，同比增长 29.63%，主要得益于公司持续保持较高的研发投入规模，推动创新发展。图图 109：2019-2024 前前三季度三季度苏苏州州天脉天脉营营业收业收入入及增及增速速 图图 110：2019-2024 前前三季度三季度苏苏州州天脉天脉归归母净母净利利润及润及增速增速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率和净利率改善毛利率和净利率改善，公公司的盈利能力保持稳司的盈利能力保持稳健。健。从毛利率、净利率来看，2023 年开始公司盈利能力开始增长，毛利率和净利率分别为 32.86%/16.62%。2024 前三季度公司的盈利能力持续改善，毛利率和净利率分别为 40.53%/20.32%。这一增长主要得益于核心产品均温板在 2023 年的收入占比超过 60%，带动了公司营收的增长，并且均温板、热管及石墨膜的单位生产成本下降，产品毛利率相应提高，从而带动整体毛利率提升。图图 111：2019-2024 前前三季度三季度苏苏州州天脉天脉毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.3.服务器散热核心标的 6.3.1.英维克：精密温控龙头厂商，AI 浪潮下业绩高速增长 精密温控龙头企业，精密温控龙头企业，从空从空调横向拓展新赛道。调横向拓展新赛道。公司成立于 2005 年，总部位于深圳，深耕域精密温控赛道二十年，是全国领先的设备散热解决方案和产品提供商。公司成立之初主要聚焦于提供空调散热解决方案，如通讯户外柜专用空调、数据中心及通讯基站高效专用空调系统及节能系统等，客户覆盖中国联通、中国移动、中国电信、华为、腾讯、阿里巴巴等；2014 年公司开始横向拓展新业务，产品首次应用于0 0Pp002003004005006007008009001000营业收入（百万元）YoY0 0Pp0406080100120140160180归母净利润（百万元）YOY0%5 %05E 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 57/81 电子电子/行业行业深度深度 储能领域。2018 年，公司收购上海科泰拓展轨道交通列车温控领域，且储能温控产品率先实现国内外大规模应用。图图 112：英：英维维克克发发展展历程历程 数据来源：公司官网，东北证券 产品矩阵多元，下游产品矩阵多元，下游应用应用广泛广泛。公司产品系列全，主要包括：1）设备散热解决方案，包括机房温控节能产品和机柜温控节能产品，应用于云计算、数据中心、算力设备、通信网络、电力电网、储能系统、电动汽车充电桩、工业自动化、电源转换等领域。其中，机房温控节能产品主要针对数据中心、算力设备、通信机房、高精度实验室等领域的房间级专用温控节能解决方案，用于对设备机房或实验室空间的设备散热以及精密温湿度和洁净度的控制调节。机柜温控节能产品主要针对无线通信基站、储能电站、智能电网各级输配电设备柜、电动汽车充电桩、ETC 门架系统等户外机柜或集装箱的应用场合提供温控节能解决方案，以及用于智能制造设备的机柜温控产品；其他业务主要包括电子散热业务，为算力芯片产商、算力设备制造提供散热解决方案；2）车用的空调、冷机等产品及服务应用于客车、重卡、冷藏车、地铁等，并为人居健康空气环境推出系列的空气环境机。其中客车空调主要是针对中、大型电动客车的电空调产品，包括在公交、通勤、旅运等应用场合。轨道交通列车空调最终使用于地铁公司用户单位。表表 12：英英维克维克主主要产要产品品 产品线 示意图 应用领域 机房温控节能产品 数据中心、算力设备、通信机房、高精度实验室等 机柜温控节能产品 无线通信基站、储能电站、智能电网各级输配电设备柜、电动汽车充电桩、ETC 门架系统等户外机柜 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 58/81 电子电子/行业行业深度深度 客车空调 中、大型电动客车的电空调产品 轨道交通列车空调及服务 地铁列车空调及架修服务 电子散热业务 无线通信设备、算力设备、电动汽车充电设备等 数据来源：公司官网，公司年报，东北证券 机房温控节能产品和机房温控节能产品和机柜机柜温控节能产品是主要温控节能产品是主要的收的收入来源。入来源。分产品来看，2023 年机房温控节能产品实现营收 16.40 亿元，占比 46.5%。机柜温控节能产品实现营收14.65 亿元，占比为 41.5%。其他业务主要包括电子散热业务，实现营收 2.25 亿元，占比为 6.4%。新能源车用空调等产品实现营收 0.92 亿元，占比 2.6%。轨道交通列车空调实现营收 1.06 亿元，2023 年收入占比为 3.0%。图图 113：2019-2024H1 英维克英维克分分业业务营务营业业收入收入（亿（亿元元）图图 114：2019-2024H1 英英维克维克分分业业务营务营收收占比占比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收连续多年维公司营收连续多年维持高持高增长，增长，24Q1 盈利能力显著盈利能力显著提升。提升。2019-2023 年，公司营收的年复合增长率达 27.45%。受益于算力及储能相关的需求加速，公司 2023 年实现营业收入 35.29 亿元，同比增长 20.72%；实现归母净利润 3.44 亿元，同比增长22.74%。2024年公司进入业绩快速释放期。2024年前三季度公司实现营业收入28.72亿元，同比增长 39%，主要系机房温控产品增长等带动；实现归母净利润 3.53 亿元，同比增长 68%，主要得益于公司持续进行组织优化和管理改进、致力改善运营效率等一系列降本增效措施。01020201920202021202220232024H1机房温控节能设备户外机柜温控节能设备轨道交通列车空调及服务新能源车用空调其他0 0 1920202021202220232024H1机房温控节能设备户外机柜温控节能设备轨道交通列车空调及服务新能源车用空调其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 59/81 电子电子/行业行业深度深度 图图 115：2019-2024 前三前三季度季度英维克英维克营营业业收入收入及及增速增速 图图 116：2019-2024 前三前三季度季度英维克英维克归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 持续加码研发投入，持续加码研发投入，期间期间费用率呈下降趋势。费用率呈下降趋势。从毛利率、净利率来看，2022 年开始公 司 盈 利 能 力 开 始 修 复，毛 利 率 和 净 利 率 分 别 为 29.81%/9.48%，同 比 0.46pct/ 0.56pct，主要受益于大宗商品价格回落以及公司的降本优化措施。2023年公司的盈利能力持续改善，毛利率和净利率分别为 32.35%、9.88%，同比 2.54pct/ 0.40pct。2024 年前三季度公司的盈利能力持续改善，毛利率和净利率分别为 31.73%、12.25%，同比-0.90pct/ 1.88pct。图图 117：2019-2024 前三前三季度季度英维克英维克毛毛利利率和率和净净利率利率 数据来源：Wind，东北证券 6.3.2.飞荣达：华为战略供应商，摩尔定律放缓下 AI 终端 AI 服务器共振 立足电磁屏蔽材料领立足电磁屏蔽材料领域，域，拓展多元产品矩阵。拓展多元产品矩阵。公司成立于 1993 年，经过三十余年的发展，产品包括电磁屏蔽材料及器件、导热材料及器件和轻量化复合材料等，广泛应用于通信、消费电子和新能源领域。公司在深圳、苏州、常州、越南等地建有生产基地，在亚洲、欧洲和美洲设立了十多个办事处，为全球客户提供便捷专业的电磁屏蔽及导热应用解决方案。2024 年，公司瞄准新能源新机遇，力求打造新的增长曲线。0%5 %05E001,0001,5002,0002,5003,0003,5004,000营业收入（百万元）YoY0 0Pp0100150200250300350400归母净利润（百万元）YoY0%5 %05 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 60/81 电子电子/行业行业深度深度 图图 118：飞：飞荣荣达达发发展展历程历程 数据来源：公司官网，东北证券 产品应用广泛，产品应用广泛，行业矩阵丰行业矩阵丰富。富。公司产品广泛应用于通信、消费电子和新能源领域，主要包括：1）电磁屏蔽材料及器件，产品包括、纳米银线导电泡棉、导电拉伸屏蔽膜等；2）导热材料及器件，产品包括导热界面材料、相变储能材料、石墨片等；3）轻量化复合材料，产品包括 HP-RTM 电池包上盖、电池模组端板、光伏逆变器外壳。表表 13：飞飞荣达荣达主主要产要产品品 产品线 示意图 产品类型 散 热 器 件 及模组 风冷散热器（通讯/服务器）、服务器液冷 5G 液冷、服务器数据中心、储能液冷、汽车电子液冷、热管/VC、风扇、笔记本散热模组 导热材料 导热界面材料、相变储能材料、石墨片、GoF 石墨衬垫、石墨烯膜、氮化硼绝缘均热膜 电 磁 屏 蔽 材料&器件 纳米晶&磁性器件、纳米银线导电泡棉、导电拉伸屏蔽膜、镀金/镀锡 PI 衬垫、导电布衬垫&导电泡棉、EMI 胶带、吸波材料、导电橡胶、无线充电模组、金属屏蔽件 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 61/81 电子电子/行业行业深度深度 轻量化产品 HP-RTM 电池包上盖、电池模组端板、光伏逆变器外壳 整机和模组 基站天线、充电器、电源 数据来源：公司官网，公司年报，东北证券 电磁屏蔽材料为基本电磁屏蔽材料为基本盘，盘，热管理材料营收占比热管理材料营收占比提升提升。分产品来看，2023 年热管理材料产品实现营收 17.33 亿元，占比 39.87%。电磁屏蔽器件产品实现营收 11.76 亿元，占比 27.06%。轻量复合材料产品实现营收 4.96 亿元，占比 11.42%。其他业务方面，基站天线及相关器件产品实现营收 3.08 亿元，占比 7.88%。充电类产品产品实现营收 0.88 亿元，占比 2.03%。目前电磁屏蔽材料仍是公司业绩基本面的保障，热管理材料业务增速较快。图图 119：2021-2024H1 飞飞荣达荣达分分业业务营务营业业收入收入（亿元亿元）图图 120：2021-2024H1 飞荣达飞荣达分分业业务营务营收收占比占比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收稳定增长，公司营收稳定增长，盈利盈利水平显著提升。水平显著提升。2019-2023 年，公司营收持续增加。受益于国内消费类电子业务行业市场需求的回暖，公司 2023 年实现营业收入 43.46 亿元，同比增长 5.37%；实现归母净利润 1.03 亿元，同比增长 7.31%。2024 年公司业绩大幅度增加，2024 年前三季度公司实现营业收入 34.23 亿元，同比增长 17.53%；实现归母净利润 1.04 亿元，同比增长 111.26%，主要得益于手机、笔记本电脑等终端领域市场份额的提升以及出货量的增加。0.0020.002021202220232024H1热管理材料及导热器件电磁屏蔽材料轻量复合材料基站天线及相关器件充电类产品导热器件电子材料贸易加工其他收入其他电子器件0.00P.000.00 21202220232024H1热管理材料及导热器件电磁屏蔽材料轻量复合材料基站天线及相关器件充电类产品导热器件电子材料贸易加工 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 62/81 电子电子/行业行业深度深度 图图 121：2019-2024 前前三季度三季度飞荣达飞荣达营营业业收入收入及及增速增速 图图 122：2019-2024 前前三季度三季度飞荣达飞荣达归归母母净利净利润润及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率和净利率整体毛利率和净利率整体平稳平稳，公司盈利能力稳中求进公司盈利能力稳中求进。从毛利率、净利率来看，2023年开始公司盈利能力开始增长，毛利率和净利率分别为 19.47%/1.81%。2024 前三季度公司毛利率下降至 18.27%，主要受原材料价格上涨、新客户导入、部分新项目打样等因素影响。但是得益于成本费用管控的提高，公司 2024 前三季度净利率上升至2.60%。图图 123：2019-2024 前前三季度三季度飞荣达飞荣达毛毛利利率和率和净净利率利率 数据来源：Wind，东北证券 6.3.3.高澜股份：液冷行业先行者，看好数据中心迈入液冷时代 国内领先的液冷解决国内领先的液冷解决方案方案提供商，提供商，新能源热管理领新能源热管理领域先行者。域先行者。公司于 2001 年成立，成立之初主要聚焦于水冷系统的研制。2015 年公司成功研发服务器板式液冷产品，于 2016 年 2 月在深交所创业板上市，是中国最早聚焦热管理技术创新和产业化应用的企业之一。公司将世界领先的传热、密封、材料、导热介质、流体连接、自动控制、智能诊断、能效管理等技术融合于整体解决方案之中，赋能所有用户对能源和资源最大化利用，保障设备最低能耗及最适宜的工作温度，实现高性能组件的高效、节能、安全、稳定。0 0020304050营业收入（亿元）YoY-150%-100%-50%0P00 0%00100150200250300350400归母净利润（百万元）YOY-5%0%5 %0 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 63/81 电子电子/行业行业深度深度 图图 124：高高澜股澜股份份发展发展历程历程 数据来源：安信证券，东北证券 为为多多领领域提域提供供热管热管理理方案，方案，产产品品矩阵矩阵包包含电含电力力电子、电子、信信息息通信通信、特种特种行行业等领业等领域域。公司聚焦电力电子热管理、新能源汽车热管理、信息与通信热管理、特种行业热管理及综合能源能效管理。为可再生能源发电、交直流输变电、电力储能、数据中心、新能源汽车、轨道交通、石油石化、钢铁化工、大科学、大医疗、舰船等应用场景保驾护航。冷板式液冷服务器解决方案和浸没式液冷服务器解决方案主要应用于信息与通信领域。表表 14：高高澜股澜股份份主要主要产产品品 产品线 示意图 产品种类 电力电子热管理 特高压直流输电水冷却系统、新能源发电水冷却系统、柔性交流输配电水冷却系统、电气传动设备水冷却系统 信息与通信热管理 冷板式液冷服务器解决方案、浸没式液冷服务器解决方案 特种行业热管理 特种设备水冷却系统、大科学项目 综合能源能效管管理和应用 综合能源管理服务、压缩空气系统节能服务、蓄能节能服务、新能源汽车充电服务、蓄电池梯级利用、电力综合服务 数据来源：公司官网，公司年报，东北证券 产产品品矩矩阵拓阵拓宽宽推动推动营营收结构收结构升升级级，高，高功功率密率密度度装置热装置热管管理理产品产品成成为营为营收收重要来重要来源源。2022 年动力电池热管理产品实现营收 6.98 亿元，占比 36.64%；新能源汽车电子制造产品实现营收 6.50 亿元，占比为 34.15%。2023 年东莞硅翔不再纳入合并报表范 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 64/81 电子电子/行业行业深度深度 围内，导致东莞硅翔主营的动力电池热管理产品和新能源汽车电子制造产品不再作为公司营收的组成部分。图图 125：2019-2024H1 高澜股高澜股份份分分业务业务营营收（收（百百万元万元）图图 126：2019-2024H1 高澜股高澜股份份分分业务业务营营收占收占比比 数据来源：公司年报，东北证券 数据来源：公司年报，东北证券 受子公司业务剥离影受子公司业务剥离影响营响营收有所下降，盈利能收有所下降，盈利能力较力较同期有所下跌。同期有所下跌。公司 2023 年实现营业收入 5.73 亿元，同比下降 69.89%；实现归母净利润-0.32 亿元，同比下降111.1%。主要系 2023 年东莞硅翔不再纳入合并报表范围内，公司营业收入、净利润较去年同期含东莞硅翔的营业收入、净利润有所下滑。2024 前三季度公司实现营业收入 3.62 亿元，同比下降 10.35%；实现归母净利润-1765 万元，同比下降 256%。图图 127：2019-2024 前前三季度三季度高高澜澜股份股份营营收及收及增增速速 图图 128：2019-2024 前前三三季度季度高高澜澜股份股份归归母净母净利利及增及增速速 数据来源：iFind，东北证券 数据来源：iFind，东北证券 毛利率逐步回升，净毛利率逐步回升，净利率利率相对稳定。相对稳定。2023 年公司的毛利率和净利率分别为 24.9%/-5.36%。2024 前三季度公司的毛利率和净利率分别为 27.96%/-4.78%，同比 1.99pct/-3.68pct，主要系前三季度较去年同期新增的散热器产品及新开拓业务订单毛利率较低，导致成本增长率高于营收增长率。此外，因并购、资产规模增加及订单增加等导致管理人员人数、管理成本增加使得净利润进一步降低。05001000201920202021202220232024H1大功率电力电子热管理产品工程运维服务动力电池热管理产品新能源汽车电子制造产品其他0P0 19202020212022高功率密度装置热管理产品其他新能源汽车电子制造产品动力电池热管理产品工程运维服务大功率电力电子热管理产品-80%-60%-40%-20%0 004006008001,0001,2001,4001,6001,8002,000营业收入（百万元）YoY-300%-200%-100%00 0000%-50050100150200250300350归母净利润（百万元）YoY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 65/81 电子电子/行业行业深度深度 图图 129：2019-2024 前前三季度三季度高高澜澜股份股份毛毛利率利率和和净利净利率率 数据来源：iFind，东北证券 6.3.4.申菱环境：数据中心业务放量，现金流显著改善 引领专用空调领域，引领专用空调领域，储储能能和热泵打开成长空间。和热泵打开成长空间。公司位于珠江三角洲的中心地带顺德，成立于 2000 年。公司于 2004 年成为国内首批取得“制冷设备产品生产许可证”的企业，于 2014 年建成投产二基地，主营机房精密空调。公司是一家集研发设计、生产制造、营销服务、集成实施、运营维护于一体的现代化企业。为全球客户提供环境调控的整体垂直解决方案，是数据服务产业环境、工业工艺产研环境、专业特种应用环境、高端公建室内环境四大领域的专家。图图 130：申申菱环菱环境境发展发展历程历程 数据来源：公司官网，东北证券 在四大领域提供环境在四大领域提供环境调控调控的整体垂直解决方案。的整体垂直解决方案。公司主营业务围绕专业特种空调为代表的空气环境调节设备开展，集研发设计、生产制造、营销服务、集成实施、运营维护于一体，致力于为数据服务产业环境、工业工艺产研环境、专业特种应用环境、公共建筑及商用环境等应用场景提供专业特种空调设备、数字化的能源及人工环境整体解决方案。公司的液冷产品天枢系列液冷温控系统和储能液冷温控机组分别应用于数据中心领域和储能温控领域。-10%-5%0%5 %05 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 66/81 电子电子/行业行业深度深度 表表 15：申：申菱环菱环境境主要主要产产品品 产品线 示意图 应用领域 数据服务板块 云数据中心、算力中心、通信基建、计算机技术服务、精密电子仪器生产等 工业板块 特高压电网、电力(核电除外)、化工、冶金、食品和饮料、制药、机械设备、水泥、汽车、新能源(光伏发电、风力发电、储能、锂电池制造、新能源汽车)等 特种板块 高速铁路、地铁、机场、环境治理、核能核电、航空航天、国防工程、医院等 公建及商用板块 公共建筑、大型商用建筑、科研院校、文教传媒等 数据来源：公司官网，公司年报，东北证券 数据服务产品，数据服务产品，工业工业产品产品和特种产品是主要的和特种产品是主要的收入收入来源。来源。分产品来看，2023 年数据服务产品实现营收 8.82 亿元，占比 35.13%；工业产品实现营收 8.79 亿元，占比为35.02%；特种产品实现营收 6.33 亿元，占比为 25.21%；公建及商用产品实现营收1.08 亿元，占比为 4.32%。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 67/81 电子电子/行业行业深度深度 图图 131：2020-2023 申申菱环境菱环境分分业业务营务营业业收入收入（百万百万元元）图图 132：2020-2023 申申菱环境菱环境分分业业务营务营收收占比占比 数据来源：公司年报，东北证券 数据来源：公司年报，东北证券 公司营收保持稳步增公司营收保持稳步增长，长，净利润趋势向好净利润趋势向好。公司 2023 年实现营业收入 25.11 亿元，同比增长 13.06%；实现归母净利润 1.05 亿元，同比下降 36.91%，主要系销售费用增长和旧厂房拆除损失所致。2024 前三季度公司实现营业收入 19.78 亿元，同比增长 6.20%；实现归母净利润 1.43 亿元，同比下降 4.11%。图图 133：2019-2024 前三前三季度季度申申菱菱环境环境营营业收业收入入及增及增速速 图图 134：2019-2024 前前三三季度季度申申菱菱环境环境归归母净母净利利及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛毛利利率率、净净利利率率和和期期间间费费用用率率相相对对稳稳定定。2023 年公司的毛利率和净利率分别为27.64%/4.15%。2024 前三季度公司的盈利能力有所改善，毛利率和净利率分别为26.37%/6.94%。毛利率降低主要系 2024 年第一季度订单的营业成本较高所致，但由于公司管理费用和财务费用的开支得以控制，公司 2024 年前三季度的净利率有所提高。020040060080010002020202120222023数据服务产品工业产品特种产品公建及商用产品其他产品0 0 20202120222023数据服务产品工业产品特种产品公建及商用产品其他产品0%5 %001,0001,5002,0002,5003,000营业收入（百万元）YoY-40%-30%-20%-10%0 00406080100120140160180归母净利润（百万元）YoY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 68/81 电子电子/行业行业深度深度 图图 135：2019-2024 前前三季度三季度申申菱菱环境环境毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.3.5.中航光电：国内快接头龙头，有望受益液冷 beta 深耕高端连接器领域深耕高端连接器领域，构，构建多元产品体系。建多元产品体系。中航光电成立于 1970 年，产品涵盖电连接器、光连接器、流体连接器、集成连接器及互连方案等，广泛应用于航空、航天、电子、舰船、通信、新能源汽车、消费电子等高端制造领域。2007 年，中航光电在深圳证券交易所上市，在此之后快速发展并布局，并于 2012 到 2022 年间通过合资、收购、孵化子公司的方式进一步拓宽公司在光模块、射频同轴连接器、航空装备 EWIS 等领域的相关产品和业务。图图 136：中中航光航光电电发展发展历程历程 数据来源：公司官网，东北证券 聚焦光电连接集成器聚焦光电连接集成器件，件，配套液冷解决方案及配套液冷解决方案及产品产品。公。公司主要产品包括：1）电连接器及集成互连组件；2）液冷解决方案及其他产品；3）光连接器及其他光器件以及光电设备。应用领域包括：防务领域、无防务领域、无线基站、超算、储能线基站、超算、储能、数、数据中据中心、新能源汽车、医心、新能源汽车、医疗设疗设备、轨道交通、电力备、轨道交通、电力、石、石油等高端装备制造领油等高端装备制造领域域 0%5 %05 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 69/81 电子电子/行业行业深度深度 表表 16：中中航光航光电电主要主要产产品品 产品线 示意图 主要应用领域 电连接器及集成互连组件 主要用于防务领域、无线基站、数据中心、新能源汽车、医疗设备、轨道交通、电力、石油等高端装备制造领域 液冷解决方案及其他产品 主要用于防务领域以及数据中心、轨道交通、超算、储能等高端装备制造领域 光连接器及其他光器件以及光电设备 主要用于防务领域、无线基站、数据中心、医疗设备、轨道交通、电力、石油等高端制造领域 数据来源：公司官网，公司年报，东北证券 电连接器业务贡献主电连接器业务贡献主要收要收入，入，流体等其他产流体等其他产品营收品营收占比逐年上涨。占比逐年上涨。分产品来看，电连接器为主要收入来源，占比在 74%-78%之间波动。光器件及光电设备占比在 15%-21%之间。此外，流体、齿科及其他产品收入占比稳步提升，从 2019 年的 3.19%增长至 2023 年的 7.11%。图图 137：2019-2024H1 中中航光航光电电分分产品产品营营业收业收入入（亿元亿元）图图 138：2019-2024H1 中航光中航光电电分分产品产品营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收增速放缓，公司营收增速放缓，盈利盈利能力有所下降。能力有所下降。2024 前三季度公司实现总营收 140.95 亿元，同比下降 8.23%；实现归母净利润 25.13 亿元，同比下降 13.15%。主要系“十四五”计划进入后期，防务领域大量订单载 2023 年集中交付，挤压需求得到释放后2024 年订单交付节奏有所放缓导致。050100150200201920202021202220232024H1电连接器光器件及光电设备流体、齿科及其他产品0.00.10.20.30.40.50.60.70.80.91.0201920202021202220232024H1电连接器光器件及光电设备流体、齿科及其他产品 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 70/81 电子电子/行业行业深度深度 图图 139：2019-2024 前三前三季度季度中中航航光电光电营营业收业收入入及增及增速速 图图 140：2019-2024 前前三三季度季度中中航航光电光电归归母净母净利利及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率相对稳定毛利率相对稳定，净利率净利率稳步提升。稳步提升。公司毛利率、净利率都相对稳定，2024 前三季度公司毛利率为 36.61%，同比下降 2.18pct，但净利率有所提升，同期净利率为18.83%，同比增长 0.98pct。主要受益于公司各类费用有效控制，销售、管理、研发、财务费用相较于上年同期均有下降。图图 141：2019-2024 前前三季度三季度中中航航光电光电毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.3.6.曙光数创：浸没式液冷先驱，静待花开 以高效冷却技术为核以高效冷却技术为核心竞心竞争力，从研发至应用争力，从研发至应用始终始终保持行业领先。保持行业领先。公司成立于2002 年，公司总部位于北京市中关村。公司成立之初主要聚焦于提供电气系统产品，如智能化机柜配电设备 PDU、机房气流组织设备 ADU 等。公司分别于 2008年和 2010 年推出风冷数据中心机房智能池级模块化数据中心产品 C2000 和高功率密度排级模块化数据中心产品 C1000。公司 2011 年底在业内首先提出液冷技术路线，并启动相关技术研究，于 2015 年率先推出国内首款量产的冷板式液冷解决方案，并于 2019 年在全球范围内首次实现了基于全浸式液体相变冷却技术解决方案的应用落地，是国内唯一实现浸没相变液冷技术大规模商业化部署的企业。-10%-5%0%5 %00100150200250总营收（亿元）YOY（%）-20%-10%0 0P%0.05.010.015.020.025.030.035.040.0归母净利润（亿元）YOY（%）0510152025303540201920202021202220232024Q1-Q3毛利率（%）净利率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 71/81 电子电子/行业行业深度深度 图图 142：曙曙光数光数创创发展发展历程历程 数据来源：公司官网，东北证券 聚焦液冷产品，聚焦液冷产品，配套服务配套服务完完善。善。公公司主要产品包括：1）液冷数据中心基础设施产品，包括浸没相变液冷数据中心基础设施产品-C8000 系列和冷板液冷数据中心基础设施产品-C7000 系列；2）风冷数据中心基础设施产品；3）液冷服务器套件产品；4）以及围绕上述产品提供系统集成和技术服务。表表 17：曙曙光数光数创创主要主要产产品品 产品线 示意图 产品 风冷数据中心基础设施产品 机柜级微模块-C500、机柜排级微模块-C1000、机柜池级微模块-C2000、集装箱级微模块-C9000 液冷数据中心基础设施产品 冷板液冷数据中心基础设施产品-C7000、浸没液冷数据中心基础设施产品-C8000 液冷服务器套件产品 冷板式液冷服务器系统产品、浸没式液冷服务器系统产品 数据中心服务 规划设计、建设施工、工程验收、低碳改造、节能评估 数据来源：公司官网，公司年报，东北证券 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 72/81 电子电子/行业行业深度深度 浸没式贡献主要营收，浸没式贡献主要营收，冷冷板式营收占比逐年上板式营收占比逐年上升。升。分产品来看，2023 年浸没相变液冷数据中心基础设施产品实现营收 3.78 亿元，占比 58.15%。冷板液冷数据中心基础设施产品实现营收 1.90 亿元，占比为 29.22%。其他产品和服务主要包括模块化数据中心产品，实现营收 0.70 亿元，占比为 10.72%。配套产品实现营收 0.07 亿元，占比 1.09%。技术和运维服务实现营收 0.05 亿元，2023 年收入占比为 0.81%。图图 143：2019-2024H1 曙光数曙光数创创分分业务业务营营收（收（百百万元万元）图图 144：2019-2024H1 曙光数曙光数创创分分业务业务营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收稳健增长，公司营收稳健增长，产品产品结构使净利润短期表结构使净利润短期表现不现不佳。佳。2019-2023 年，公司营收的年复合增长率达 22.19%。受益于 AI 大模型推动算力需求增长以及“双碳”宏观背景影响，算力基础设施加快建设，公司 2023 年实现营业收入 6.50 亿元，同比增长25.63%；实现归母净利润 1.04 亿元，同比下降 10.62%，主要系产品收入结构变化所致。2023 年，浸没相变液冷数据中心基础设施产品毛利率为 39.53%，冷板液冷数据中心基础设施产品毛利率为 20.88%。2024 前三季度公司实现营业收入 1.73 亿元，同比下降 30.05%，主要系订单交付季节性周期；实现归母净利润-459 万元，同比下降 119.12%，主要系期间费用增长所致。图图 145：2019-2024 前三前三季度季度曙曙光光数创数创营营业收业收入入及增及增速速 图图 146：2019-2024 前前三季度三季度曙曙光光数创数创归归母净母净利利润及润及增速增速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 持续加码研发和销售持续加码研发和销售投入投入，增强竞争力。增强竞争力。2023 年公司的盈利能力保持稳健，毛利率和净利率分别为 31.37%、16.07%，主要系产品收入结构变化所致。2024Q1-Q3 受订单交付季节性周期以及研发和销售支出的增长影响，毛利润下滑至 22.15%，净利润下跌至-2.65%。0200400600201920202021202220232024H1浸没相变液冷数据中心基础设施产品冷板液冷数据中心基础设施产品模块化数据中心产品配套产品技术和运维服务0P0 1920202021202220232024H1技术和运维服务配套产品模块化数据中心产品冷板液冷数据中心基础设施产品浸没相变液冷数据中心基础设施产品-40%-20%0 000200300400500600700营业收入（百万元）YoY-150%-100%-50%0P00 0%-20020406080100120140归母净利润（百万元）YoY 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 73/81 电子电子/行业行业深度深度 图图 147：2019-2024 前前三季度三季度曙曙光光数创数创毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.3.7.强瑞技术：液冷检测设备供应商，业绩实现高增 国内冶具领域的细分国内冶具领域的细分产业产业小龙头，小龙头，机械加工领域领机械加工领域领军企业。军企业。深圳市强瑞电子有限公司，成立于 2005 年，位于深圳观澜，交通便利。截至 2021 年，公司员工 800 余人，研发团队 170 余人，其中高级工程师逾 20 人，拥有强大的研发及生产能力。截止2020 年末，公司已获得 14 项发明专利、125 项实用新型专利、5 项外观设计专利和66 项软件著作权，另有多项发明专利和实用新型专利正在申请过程中，为全球客户提供专业的全方位服务。公司致力于提供专业化、标准化、模块化的测试服务，快速响应客户，低成本交付。公司在自动化方面优势明显，强瑞充分发挥精密加工和测试方面的技术优势，为客户做好精密组装、测试等方面的自动化和智能化。在精密及超精密机械加工领域，强瑞科技已成为行业中的领军企业。图图 148：强强瑞技瑞技术术发展发展历程历程 数据来源：公司官网，东北证券 业务布局多元，业务布局多元，产产品矩阵品矩阵丰富。丰富。公司产品系列主要包括：1）夹治具产品，包括屏幕点胶周转夹具、车载夹具、气密性测试夹具、BTB 压合夹具等，主要客户包括华为、荣耀、比亚迪、富士康等；2）模组产品，主要为弹片微针模组；3）散热器产品，-10%0 0P 1920202021202220232024Q1-Q3毛利率净利率 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 74/81 电子电子/行业行业深度深度 主要为风冷液冷散热器；4）设备类产品，包括气密性测试设备、摄像头测试设备、电池自动化厚度测量设备等。表表 18：强强瑞技瑞技术术主要主要产产品品 产品线 示意图 产品 夹治具 屏幕点胶周转夹具、车载夹具、气密性测试夹具、BTB 压合夹具等 模组 弹片微针模组 散热器 风冷液冷散热器 设备类产品 气密性测试设备、摄像头测试设备、电池自动化厚度测量设备等 数据来源：公司官网，公司年报，东北证券 夹治具业务为主，夹治具业务为主，开拓散开拓散热器领域。热器领域。公司产品种类丰富，包括夹治具、设备、零部件、手机保护套等。夹治具为公司最主要产品，2023 年公司夹治具产品收入 4.11 亿元，占比 61.03%；设备收入 1.26 亿元，占比 18.72%，零部件及其他业务收入 0.94亿元，占比 13.95%。同年，公司开拓散热器业务，实现营收 0.43 亿元，占比 6.31%。图图 149：2019-2024H1 强强瑞技瑞技术术分分产品产品营营业收业收入入（亿元亿元）图图 150：2021-2024H1 强瑞技强瑞技术术分分产品产品营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 0.001.002.003.004.005.00201920202021202220232024H1夹治具散热器设备零部件及其他其他业务0.00.10.20.30.40.50.60.70.80.91.02021202220232024H1夹治具散热器设备零部件及其他 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 75/81 电子电子/行业行业深度深度 公司营收增速加快，公司营收增速加快，盈利盈利能力持续增长。能力持续增长。2024 前三季度公司实现总营收 7.85 亿元，同比增长 92.96%；实现归母净利润 0.79 亿元，同比增长 96.54%。主要受益于包括华为、富士康系、立讯精密、比亚迪、荣耀等终端客户的产品产线复苏。此外，公司还在无人机、机器人等其他领域开展进一步探索和开拓，未来或有望成为推动公司营收进一步增长的动力。图图 151：2019-2024 前前三三季度季度强强瑞瑞技术技术营营业收业收入入及增及增速速 图图 152：2019-2024 前前三三季度季度强强瑞瑞技术技术归归母净母净利利及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率有所改善，毛利率有所改善，净利率净利率稳步回升。稳步回升。公司 2024 前三季度毛利率、净利率盈利能力在2023 年基础上进一步修复，前三季度毛利率和净利率分别为 32.76%/12.41%，同比-3.54pct/ 1.12pct，主要系终端客户的产品产线复苏叠加研发及管理费用增加所致。图图 153：2019-2024 前前三季度三季度强强瑞瑞技术技术毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 6.4.汽车散热核心标的 6.4.1.贵航股份：华为汽车热管理核心标的，看好乾崑智驾星辰大海 深耕汽车热管理行业深耕汽车热管理行业，风风冷转向水冷成为主流冷转向水冷成为主流趋势趋势。公司成立于 1999 年 12 月，并于 2001 年 12 月在上交所挂牌上市，公司主要聚焦于汽车热管理产品，包括 MCU（电机控制器）散热器、MDC 液冷板（智能驾驶控制模块移动数据中心）、液冷板散热器、ADC 液冷板液冷散热器、DCDC（充电/节电电控模块）散热器、动力总成油冷器、圆柱电池液冷板、冲压板式电池液冷板等。其中智驾控制器作为核心部件，为确保设备在高功率密度和恶劣工作环境下的稳定运行，散热方案需要在导热性和长期可靠性之间取得平衡，逐渐从自然散热、风扇散热向水冷散热过渡。0 0Pp023456789总营收（亿元）YOY（%）-40%-20%0 000%0.00.10.20.30.40.50.60.70.80.9归母净利润（亿元）YOY（%）051015202530354045201920202021202220232024Q1-Q3毛利率（%）净利率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 76/81 电子电子/行业行业深度深度 图图 1 15 54 4：贵航贵航股股份发份发展展历程历程 数据来源：公司官网，东北证券 华为智驾热管理核心华为智驾热管理核心标的标的，未来成长空间广阔未来成长空间广阔。贵航股份的主营业务是汽车零部件，产品包括电动刮水器和玻璃升降器、热交换器、电子电器 开关、车锁总成及门把手等。子公司贵州永红主营业务是汽车散热器，热管理产品矩阵丰富，下游客户覆盖上汽大众、比亚迪、华为、宁德时代、上汽通用、广汽本田、东风汽车、奇瑞汽车、小鹏汽车等主机厂。其中，公司 2019 年正式成为华为车载产品供应商，为华为提供MDC 液冷板、电控散热器、电驱 MCU 散热器、电驱油水换热器、ADC 液冷板等。随着华为智驾放量，公司作为核心供应商有望充分受益。表表 19：贵贵航股航股份份主要主要产产品品 产品线 示意图 应用领域 电动刮水器 汽车零部件 玻璃升降器 汽车零部件 热交换器 汽车零部件 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 77/81 电子电子/行业行业深度深度 电子电器开关 汽车零部件 车锁总成及门把手 汽车零部件 数据来源：公司官网，公司年报，东北证券 深耕汽车零部件业务深耕汽车零部件业务，业业务营收结构相对稳定务营收结构相对稳定。分产品来看，2024H1 汽车零部件产品实现营收 10.79 亿元，营收比重从 2019 年的 95.47%增长至 2024H1 的 96.77%，总体保持相对稳定。2024H1 其他业务实现营收 0.36 亿元，占比 3.23%。目前汽车零部件产品仍是公司业绩基本面的保障。从行业的角度，国内汽车产销量连年突破新高，稳居世界第一，市场前景良好。政策方面，汽车零部件作为汽车工业发展的基础，是国家长期重点支持发展的产业，我国政府已出台一系列鼓励基础零部件发展的政策措施，促进突破车用传感器、车载芯片等先进汽车电子以及轻量化新材料、高端制造装备等产业链短板，培育具有国际竞争力的零部件供应商，形成从零部件到整车的完整产业体系。图图 1 15 55 5：2019-2024H1 贵航股贵航股份份分分产品产品营营收（收（亿亿元）元）图图 1 15 56 6：2019-2024H1 贵航股贵航股份份分分产品产品营营收占收占比比 数据来源：Wind，东北证券 数据来源：Wind，东北证券 公司营收稳定增长，公司营收稳定增长，24 前三季度盈利能力有所前三季度盈利能力有所提升提升。2024 前三季度公司实现总营收 17.21 亿元，同比增长 1.64%；实现归母净利润 1.17 亿元，同比增长 5.24%。受益于中国汽车行业的持续发展，相关汽车零部件产品的营收呈现了持续的增长。0.005.0010.0015.0020.0025.00201920202021202220232024H1汽车零部件其他业务0.00.10.20.30.40.50.60.70.80.91.0201920202021202220232024H1汽车零部件其他业务 请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 78/81 电子电子/行业行业深度深度 图图 15157 7：2019-2024 前三前三季度季度贵贵航航股份股份营营业收业收入入及增及增速速 图图 15158 8：2019-2024 前前三三季度季度贵贵航航股份股份归归母净母净利利及增及增速速 数据来源：Wind，东北证券 数据来源：Wind，东北证券 毛利率有所下降，毛利率有所下降，净利率净利率较同期显著改善。较同期显著改善。从公司毛利率、净利率来看，2024 前三季度公司盈利能力稳中有进，前三季度毛利率和净利率分别为 22.08%/7%，同比-2.59pct/ 0.19pct，主要受益于公司的成本竞争优势。公司具备全产业链的设计、制造和管理能力，并且具备与汽车主机厂的同步设计开发的能力、模具和非标设备的研发制造能力。此外，公司降本增效策略也一定程度上提高了盈利能力。图图 15159 9：2019-2024 前前三季度三季度贵贵航航股份股份毛毛利率利率和和净利净利率率 数据来源：Wind，东北证券 -25%-20%-15%-10%-5%0%51015202530总营收（亿元）YOY（%）-30%-20%-10%0 0%0.00.20.40.60.81.01.21.41.61.8归母净利润（亿元）YOY（%）051015202530201920202021202220232024Q1-Q3毛利率（%）净利率（%）请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 79/81 电子电子/行业行业深度深度 7.风险提风险提示示 1、消费电子景气度周期变弱：若端侧 AI 未能带动手机新品销量明显增长，将会影响公司均热板、热管、石墨片等产品的出货量；2、AI 发展及数据中心市场需求不及预期风险：数据中心液冷是公司的重要增长点。如果 AI 发展不及预期，将影响公司的经营业绩及估值；3、公司新业务拓展不及预期风险：公司在发展过程中不断拓展新的下游领域和客户。如果新业务的拓展未达预期，投入过大将影响热管理产业链公司的经营业绩。请请务必阅读务必阅读正文后正文后的声明的声明及说明及说明 80/81 电子电子/行业行业深度深度 研研究团队简究团队简介：介：Table_Introduction李玖：北京大学光学博士，北京大学国家发展研究院经济学学士（双学位），电子科技大学本科，曾任华为海思高级工程师、光峰科技博士后研究员，具有三年产业经验，2019 年加入东北证券，现任电子行业首席分析师。武芃睿：英国南安普顿大学光电研究中心硕士，华中科技大学光电信息本科，武汉大学工商管理学士（双学位）。曾任华为和上海微电子光电工程师，具有三年产业经验，2020 年加入东北证券，现任电子行业资深分析师。陈敏佳：北京大学金融硕士，2024 年加入东北证券，现任电子组研究助理 分分析师声明析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师。本报告遵循合规、客观、专业、审慎的制作原则，所采用数据、资料的来源合法合规，文字阐述反映了作者的真实观点，报告结论未受任何第三方的授意或影响，特此声明。投资投资评级说评级说明明 股票 投资 评级 说明 买入 未来 6 个月内，股价涨幅超越市场基准 15%以上。投资评级中所涉及的市场基准：A 股市场以沪深 300 指数为市场基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为市场基准；香港市场以摩根士丹利中国指数为市场基准；美国市场以纳斯达克综合指数或标普 500指数为市场基准。增持 未来 6 个月内，股价涨幅超越市场基准 5%至 15%之间。中性 未来 6 个月内，股价涨幅介于市场基准-5%至 5%之间。减持 未来 6 个月内，股价涨幅落后市场基准 5%至 15%之间。卖出 未来 6 个月内，股价涨幅落后市场基准 15%以上。行业 投资 评级 说明 优于大势 未来 6 个月内，行业指数的收益超越市场基准。同步大势 未来 6 个月内，行业指数的收益与市场基准持平。落后大势 未来 6 个月内，行业指数的收益落后于市场基准。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 81/81 电子电子/行业深度行业深度 重要声明重要声明 本报告由东北证券股份有限公司（以下称“本公司”）制作并仅向本公司客户发布，本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户。本公司具有中国证监会核准的证券投资咨询业务资格。本报告中的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅反映本公司于发布本报告当日的判断，不保证所包含的内容和意见不发生变化。本报告仅供参考，并不构成对所述证券买卖的出价或征价。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议。本公司及其雇员不承诺投资者一定获利，不与投资者分享投资收益，在任何情况下，我公司及其雇员对任何人使用本报告及其内容所引发的任何直接或间接损失概不负责。本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易，并在法律许可的情况下不进行披露；可能为这些公司提供或争取提供投资银行业务、财务顾问等相关服务。本报告版权归本公司所有。未经本公司书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，须在本公司允许的范围内使用，并注明本报告的发布人和发布日期，提示使用本报告的风险。若本公司客户（以下称“该客户”）向第三方发送本报告，则由该客户独自为此发送行为负责。提醒通过此途径获得本报告的投资者注意，本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任。Table_Sales东北证券股份有限公司东北证券股份有限公司 地址地址 邮编邮编 中国吉林省长春市生态大街 6666 号 130119 中国北京市西城区锦什坊街 28 号恒奥中心 D 座 100033 中国上海市浦东新区杨高南路 799 号 200127 中国深圳市福田区福中三路 1006 号诺德中心 34D 518038 中国广东省广州市天河区冼村街道黄埔大道西 122 号之二星辉中心 15 楼 510630
2025-02-14
81页
5星级
国产自主可控国产自主可控保障数据安全保障数据安全目录目录 /CONTENT/CONTENT第一章第一章 文件传输的发展和需求变化文件传输的发展和需求变化1.1 文件传输的演变历史51.2 FTP的发展.
2025-02-13
34页
5星级
行业研究 敬请参阅最后一页特别声明 1 系列第三篇集中回应车载市场的“量价疑虑”以及对机器人市场进行前瞻性分析展望。系列第三篇集中回应车载市场的“量价疑虑”以及对机器人市场进行前瞻性分析展望。24Q3 以来，激光雷达板块关注度显著提升，主要落地场景车载市场出现拐点级变化A 面是数量端加速放量推动的 15 万以上新能源车前装激光雷达渗透率“跨越鸿沟”（22/23/24 年分别为 3.3%/8.7%/21.6%），B 面是价格端 4 年间连续打 6 折降数量级的“科技平权”。上述观点我们已分别在 20240720激光雷达系列一：迅速腾飞的激光雷达巨头-聚智驾之势，创感知先河以及 20241009激光雷达系列二：透视智驾之眼-三重拐点验证 ADAS 激光雷达放量盈利在即的公司及行业深度报告中前瞻阐明。本篇报告试图集中回应一下近期市场关注的重要问题，分为车载和机器人两个板块，结构上都从“价值-空间-格局”，分别去解决“必要性-蛋糕有多大-蛋糕如何切”的问题。智驾之眼：智驾之眼：2024 年车载年车载激光雷达激光雷达渗透率“跨越鸿沟”，渗透率“跨越鸿沟”，2025 年受益智驾下沉“量增价平”。年受益智驾下沉“量增价平”。车载市场方面，激光雷达具备安全价值、功能价值与情绪价值，正从“上车生存性危机”转向“帮车企卖车”阶段。价格端，我们判断无论从降价原因还是降价能力看，本次 200 美金定价的千元级产品都代表了车载主视激光雷达近几年的价格底线，ADAS 激光雷达价格通缩接近尾声。数量端，2024 年是车载激光雷达“跨越鸿沟”元年，我国乘用车/新能源车/15 万以上新能源车激光雷达渗透率分别达 4.8%/10.5%/21.5%，伴随比亚迪智能化战略发布会催化，2025 年激光雷达有望下沉至 10-20 万车型。国内 L2 车载 TAM 看 1,600 万辆1.521,500 元360480 亿元，若考虑海外市场与 L4，则 TAM 倍增。格局方面，据高工智能汽车，2024 年我国乘用车前装标配激光雷达155.8 万台，其中速腾聚创约占 33.4%市场份额，稳居市场龙头。我们认为，车载激光雷达市场竞争中，“车规级”是“入场券”，“降本”仍然是胜负手，降本的关键是更低的 BOM 成本（芯片化、小型化） 更多的出货（规模效应），进一步推论，核心是长期研发投入 绑定优质车企客户。机器人之眼：彩色机器人之眼：彩色 3D 点云有望成为终极方案，看好“硬件标准化点云有望成为终极方案，看好“硬件标准化 软件生态开放”。软件生态开放”。机器人市场方面，我们梳理了海内外 30/16 家人形机器人/机器狗公司的 41/35 款 SKU，初步得出以下结论：1）深度相机为主的多传感器融合方案是目前主流视觉技术路线；2）激光雷达是极具潜力的“机器人/狗之眼”，目前搭载率高达 50 %；3）国内外头部厂商宇树科技、智元机器人、云深处科技、波士顿动力、ANYbotics 旗下机器人/狗 SKU 激光雷达搭载率高于均值。我们认为，相较于深度相机，激光雷达具有更广的测距范围 更小的测距误差 更大的 FoV，能够适配中高速运动场景、高精度操作场景与高复杂度的环境，未来伴随大批量量产交付，售价有望下探至千元级，更适合作为机器人的主传感器，或进一步与深度相机、RGB 相机配合形成具备全天候广域高精度 3D 感知能力的超级传感器。空间方面，激光雷达在机器人行业的落地场景繁多，广义场景包括割草机、扫地机、工业 AGV/AMR/叉车、无人机、物流机器人、酒店/场站服务机器人等，狭义机器人包括双足/四足/六足。仅以目前放量较快的割草机市场为例，TAM 空间约为 1,500 万台1,500 元=225 亿元，因此我们定性判断认为，机器人激光雷达 TAM是一个数倍于车载的市场。格局方面，通过复盘监控摄像机的商业化发展脉络，我们认为，通用传感器行业唯一的竞争壁垒仍是“成本”，而在一个场景繁多的市场中，头部厂商可以通过“硬件标准化 软件生态开放”获得多重规模效应，巩固成本优势，进而提升行业集中度。我们认为，1）车载方面，2024 年是车载激光雷达“跨越鸿沟”元年，出货量约 155 万颗，25 年有望翻倍至 300万颗以上，智驾感知技术路线进一步收敛，价格端通缩进入尾声。2）机器人方面，激光雷达与 RBG 相机融合的超级传感器有望成为“机器人之眼”的终极方案，通用传感器行业唯一的竞争壁垒仍是“成本”，而在机器人行业场景繁多的市场中，头部厂商可以通过“硬件标准化 软件生态开放”获得多重规模效应在满足长尾需求的同时巩固成本优势。重点推荐全球车载激光雷达龙头重点推荐全球车载激光雷达龙头 机器人机器人 Tier1 速腾聚创。速腾聚创。自动驾驶技术路线改变的风险；乘用车销量与高级别自动驾驶渗透率不及预期的风险；机器人视觉方案出现变动的风险；国际关系端影响海外销售风险。行业研究 敬请参阅最后一页特别声明 2 内容目录内容目录 1.智驾之眼：车载激光雷达渗透率“跨越鸿沟”，受益智驾下沉“量增价平”.5 1.1 价值：“安全 功能 情绪”三重价值提供，智驾感知路线有望向多传感器融合收敛.5 1.1.1 安全价值：自动驾驶是零容错场景，多传感器融合路线更胜任“全天候”驾驶环境.5 1.1.2 功能价值：AEB 安全速度上限提升 50%，地面高精度检测提供平稳驾乘体验.5 1.1.3 情绪价值：激光雷达更安全、更智能、更高端、更昂贵的消费者心智逐步确立.6 1.2 空间：ADAS 激光雷达价格通缩接近尾声，25 年激光雷达将下沉至 10-20 万车型.9 1.2.1 价格：ADAS 激光雷达价格通缩接近尾声，“科技平权”之后高端化趋势初见端倪.9 1.2.2 数量：24 年车载激光雷达“跨越鸿沟”，25 年激光雷达将下沉至 10-20 万车型.10 1.3 格局：双寡头格局四分天下，竞争胜负手是在车规前提下的芯片化小型化规模化.13 1.3.1 市场份额：行业集中度较高，速腾聚创稳居 L2 车载激光雷达龙头位置.13 1.3.2 竞争要素：车规级严苛要求下的持续降本，芯片化小型化规模化.13 2.机器人之眼：彩色 3D 点云有望成为终极方案，看好“硬件标准化 软件生态开放”.17 2.1 价值：激光雷达提供全天候广域高精度感知，超级传感器彩色 3D 点云有望成为终极方案.17 2.1.1 视觉方案梳理：多传感器融合成共识，机器人/机器狗激光雷达搭载率超 50%.17 2.1.2 视觉方案对比：激光雷达具有更广的测距范围 更小的测距误差 更大的 FoV.20 2.2 空间：割草机单一场景 TAM 约在 225 亿元，广义机器人有望成为数倍于车载的市场.21 2.3 格局：从监控摄像机发展脉络看通用传感器的“核心壁垒”与“两次进化”.22 2.3.1 他山之石：通用传感器厂商的核心竞争壁垒是基于“硬件标准化 软件生态开放”的多重规模效应.22 2.3.2 模拟转数字：数字化激光雷达采用 SPAD 感光，提升分辨率、探测距离及集成度.23 2.3.3 软件定义硬件：大模型时代“数据壁垒”仍然存在，超级传感器平台是关键.24 3.投资建议：重点推荐全球车载激光雷达龙头 机器人 Tier1 速腾聚创.25 4.风险提示.25 行业研究 敬请参阅最后一页特别声明 3 图表目录图表目录 图表 1：摄像机在极端天气与强光环境下受干扰情况显著.5 图表 2：搭载激光雷达后 AEB 安全速度上限提升约 50%.6 图表 3：激光雷达可进行精确的地面检测，从而提供更为平稳的驾乘体验.6 图表 4：车载激光雷达类似智能手机后背的高端相机镜头为消费者提供情绪价值.7 图表 5：广汽 AION RT“激光雷达版”定价高于低配版 3.6 万元.8 图表 6：ADAS 激光雷达降价进入平台期，销量加速向上.10 图表 7：我国 10-30 万新能源车型为市场基本盘.10 图表 8：车载激光雷达单主力 SKU 时代落下帷幕，高端化趋势初见端倪.10 图表 9：2024 年是车载激光雷达“跨越鸿沟”元年.11 图表 10：比亚迪天神之眼发布会，2025 年首批王朝、海洋上市车型激光雷达搭载情况.12 图表 11：海外市场部分搭载激光雷达的车型（不完全统计）.12 图表 12：23/24 车载激光雷达四家出货量（万台）.13 图表 13：24 年速腾聚创约占国内 L2 车载 1/3 市场份额.13 图表 14：车规要求高可靠低容错，AEC-Q102 压力测试项目包含数十项测试.14 图表 15：车规级激光雷达所需的研发投入在十亿级体量.14 图表 16：禾赛芯片化路线图推动激光雷达大幅降本.15 图表 17：速腾聚创芯片化研发思路推动激光雷达大幅降本.15 图表 18：车载激光雷达小型化优化物料成本，解锁更多安装方式.16 图表 19：车载激光雷达前十大采购车企以华为智选车与新势力车企为主.16 图表 20：头部车载激光雷达厂商均绑定优质车企客户.17 图表 21：海内外 41 款人形机器人 SKU 中，多传感器融合方案占比高达 73.2%.17 图表 22：海内外 41 款人形机器人 SKU 中，激光雷达配置率高达 53.7%.17 图表 23：海内外 30 家人形机器人厂商 41 款 SKU 视觉方案一览（部分呈现）.18 图表 24：海内外 35 款机器狗 SKU 中，多传感器融合方案占比高达 60.0%.19 图表 25：海内外 35 款机器狗 SKU 中，激光雷达配置率高达 51.4%.19 图表 26：海内外 16 家机器狗厂商 35 款 SKU 视觉方案一览（部分呈现）.19 图表 27：Intel RealSense D435i 结构拆解图.20 图表 28：激光雷达具有更广的测距范围 更小的测距误差 更大的 FoV.20 图表 29：Active Camera 融合激光雷达和摄像头信息.21 图表 30：Active Camera 实拍效果图.21 图表 31：激光雷达在广义机器人场景中应用广泛.22 图表 32：摄像机“模拟转数字”提升分辨率与集成度，“软件定义硬件”赋能千行百业智能化识别.23 图表 33：2016 年至今监控摄像机头部厂商产品 ASP 趋于稳定，平均成本受益规模效应仍在小幅下降.23 行业研究 敬请参阅最后一页特别声明 4 图表 34：激光雷达“模拟转数字”，提升分辨率、探测距离、集成度.24 图表 35：海康观澜 AI 大模型泛化能力降低长尾场景定制需求，大幅提升识别准确率.24 图表 36：激光雷达光罩脏污诊断算法.25 图表 37：激光雷达局部高清算法.25 行业研究 敬请参阅最后一页特别声明 5 1.1 价值：“安全价值：“安全 功能功能 情绪”三重价值提供，智驾感知路线有望向多传感器融合收敛情绪”三重价值提供，智驾感知路线有望向多传感器融合收敛 1.1.1 安全价值：自动驾驶是零容错场景，多传感器融合路线更胜任“全天候”驾驶环境安全价值：自动驾驶是零容错场景，多传感器融合路线更胜任“全天候”驾驶环境 针对特斯拉所倡导的纯视觉智驾路线与国内主流的搭载激光雷达的多传感器融合路线的争论已持续良久，我们也已在过去多篇报告中反复论证过激光雷达不仅是车载感知“功能件”，更是高阶智驾的“安全件”这一观点。2024 年 10 月 18 日，美国国家公路交通安全管理局（NHTSA）公开文件显示，该机构已经正式对特斯拉“全自动驾驶系统”（FSD）启动调查。本次调查将对 240 万辆配备 FSD的特斯拉汽车展开调查，调查涉及 4 起碰撞事故其中包括 2023 年的一起致命车祸（2023 年 11 月，亚利桑那州里姆罗克市一名行人在被一辆特斯拉 Model Y 撞倒后身亡）。NHTSA 认为，4 起事故都是特斯拉汽车在启用 FSD 之后驶入“能见度降低”的道路区域时发生了碰撞，具体发生在道路能见度因阳光眩光、雾霾或尘土而受到限制的情况下。目前，监管部门正在评估特斯拉 FSD 在能见度降低情况下的检测和响应能力。事实上，即便 AI 纯视觉感知路线在未来能够逼近甚至达到人类驾驶员的能力，作为被动型传感器的摄像机与人眼同样会受限于：1）在浓雾、暴雨、暴雪等极端天气下感知能力较弱。2）感光动态范围限制，难以在短时间内适应光线的剧烈变化，比如，在进出隧道时人眼需要一定时间适应光照环境的变化。由于上述两点纯视觉方案的感知劣势而出现交通事故几乎是难以避免的。相比之下，毫米波雷达和激光雷达具有更好的“全天候”感知能力与几乎不受光线环境影响的感知稳定性，且激光雷达厘米级的分辨率相较毫米波雷达分米级分辨率在测距精度上更胜一筹。我们认为，1）高阶智驾的终点绝对不能以逼近甚至抵达人类驾驶员水平作为金线，自动驾驶必须超越人类司机的上限，因为出行是零容错场景。2）况且，目前国内车厂相比特斯拉无论是从算力储备、数据积累还是模型水平上均有不小差距，潜在天量资源投入叠加海外算力禁运背景下，搭载激光雷达或成为国内车厂进军智驾的性价比之选。图表图表1：摄像机在极端天气与强光环境下受干扰情况显著摄像机在极端天气与强光环境下受干扰情况显著 传感器类型 小雨（每小时降雨量小于4mm）暴雨（每小时降雨量大于25mm）浓雾（能见度小于100m）薄雾（能见度小于500m）阴霾（能见度大于2km）雪天 强光 环境信号干扰 激光雷达 2 3 5 4 1 5 2 3 毫米波雷达 0 1 2 0 0 2 0 2 可见光摄像机 3 4 5 4 3 2 5 5 近红外深度相机 2 3 2 1 0 2 4 3 红外深度相机 2 3 3 1 0 2 4 3 来源：Perception and Sensing for Autonomous Vehicles Under Adverse Weather Conditions:A Survey(2023)，国金证券研究所（注：表格中 0-1 代表受影响的程度，0-几乎可以忽略的影响；1-几乎不会导致检测错误的影响；2-在特殊场合造成小错误的影响；3-影响导致感知错误高达 30%的时间；4-影响导致感知错误 30-50%的时间；5-噪声或堵塞导致误检或检测失败。）1.1.2 功能价值：功能价值：AEB 安全速度上限提升安全速度上限提升 50%，地面高精度检测提供平稳驾乘体验，地面高精度检测提供平稳驾乘体验 据欧盟委员会估计，AEB 每年可以在欧盟境内拯救 1,000 多条生命。据禾赛微信公众号披露，92%的消费者在购车时会优先考虑带有 AEB 功能的车辆，相比无激光雷达车型，装有激光雷达的车型，其 AEB 速度上限具有约 50%的明显提升：1）在无激光雷达情况下，AEB 速度上限约为 85km/h，搭载激光雷达后提升至 140km/h；2）夜间行驶环境下，无激光雷达情况下，AEB 速度上限约为 80km/h，搭载激光雷达后提升至 120km/h。行业研究 敬请参阅最后一页特别声明 6 图表图表2：搭载激光雷达后搭载激光雷达后AEB安全速度上限提升约安全速度上限提升约50%来源：禾赛微信公众平台，国金证券研究所 激光雷达高精度地面检测提供平稳乘车体验。驾驶员在行驶过程中，难免会在道路上遇到各种凹陷和凸起，此时如果车速过快，会非常影响乘车体验的舒适性，甚至会有安全隐患。激光雷达可基于探测到的地面高度落差，在车辆快要经过凹凸不平的路面时，辅助驾驶员避开坑洼或尽早减速，帮助智能汽车获得更好的驾乘体验。图表图表3：激光雷达可进行精确的地面检测，从而提供更为平稳的驾乘体验激光雷达可进行精确的地面检测，从而提供更为平稳的驾乘体验 来源：ConsumerGuide，禾赛微信公众平台，国金证券研究所 1.1.3 情绪价值：激光雷达更安全、更智能、更高端、更昂贵的消费者心智逐步确立情绪价值：激光雷达更安全、更智能、更高端、更昂贵的消费者心智逐步确立 消费者偏好决定车厂最终的配置选择，某款车型是否要上智驾，以什么样的感知方案实现行业研究 敬请参阅最后一页特别声明 7 智驾，归根到底要取决于消费者的选择。我们认为，经过一段时间的市场教育，消费者已渐渐形成了“激光雷达更安全、更智能、更高端、更昂贵”的心智。我们观察到，主流电商平台中存在“激光雷达装饰盒”一类产品售卖，且排名靠前的店铺拥有千人以上的购买记录，考虑到目前国内车载激光雷达年化出货量刚破百万颗，这一销量数字不容小觑。我们认为，对一部分消费者而言，激光雷达之于汽车的价值可大致类比为高端相机镜头之于智能手机的价值，其可以作为“社交货币”为消费者提供情绪价值，因而这部分消费者理论上会愿意为搭载激光雷达的智能汽车支付溢价。图表图表4：车载激光雷达类似智能手机后背的高端相机镜头为消费者提供情绪价值车载激光雷达类似智能手机后背的高端相机镜头为消费者提供情绪价值 来源：淘宝，电动邦，NoteBookCheck，国金证券研究所 以大众级消费车型广汽 AION RT 为例，同样为纯电续航里程 520km 的车型，“激光雷达版”相比“智享版”贵出 3.6 万元，相比“智豪版”贵出 3 万元。我们观察到，“激光雷达版”相比另外两个中低配版本除了额外多搭载了一颗激光雷达以外，从芯片到其他车载传感器数量也均有增配，从而能够额外提供包括城市 NOA、高速 NOA 在内的近十项新增智驾功能，并在被动安全、车内/外灯光等方面也均有软硬件提升。据此，我们认为：1）广汽 AION RT 2025 款 520 激光雷达版并不单单因为额外增配了一颗激光雷达而相比其他版本贵出 3 万以上售价，其在各个软硬件维度相比中低配版本均有所提升。2）广汽之所以愿意将全面提升之后的顶配 AION RT 版本命名为“激光雷达版”，一定程度上是在迎合消费者心理，车企认为“激光雷达”可以作为“更安全、更智能、更高端、更昂贵”的标签为顶配版本提供卖点。从销量数据看，广汽 AION RT 2025 款于 2024 年 11 月 6 日正式上市，上市首月销量达7,288 万辆，其中“激光雷达版”销量达 3,276 万辆，选购率为 45%，接近一半的新款AION RT 购车者选择了“激光雷达版”，足见车载激光雷达即便在 1015 万大众级消费市场中依然饱受消费者青睐。我们认为，激光雷达逐渐从车企 BOM 成本中心走向收入中心，换言之，激光雷达能够“帮车企卖车”。行业研究 敬请参阅最后一页特别声明 8 图表图表5：广汽广汽AION RT“激光雷达版”定价高于低配版“激光雷达版”定价高于低配版3.6万元万元 AION RT 2025 款 520 智享版 AION RT 2025 款 520 智豪版 AION RT 2025 款 520 激光雷达版 厂商指导价厂商指导价 11.98 万 12.58 万 15.58 万 驾驶硬件驾驶硬件 辅助驾驶芯片辅助驾驶芯片-1 颗英伟达 Orin-X 芯片总算力芯片总算力-254 TOPS 前方感知摄像头前方感知摄像头-单目 双目 摄像头数量摄像头数量 4 颗 5 颗 11 颗 超声波雷达数量超声波雷达数量 3 颗 3 颗 12 颗 毫米波雷达数量毫米波雷达数量-1 颗 3 颗 激光雷达数量激光雷达数量-1 颗 驾驶功能驾驶功能 巡航系统巡航系统 定速巡航 全速自适应巡航 全速自适应巡航 辅助驾驶系统辅助驾驶系统-ADiGO ADiGO PILOT 辅助驾驶等级辅助驾驶等级-L2 L2 倒车车侧预警系统倒车车侧预警系统-并线辅助并线辅助-车道保持辅助系统车道保持辅助系统-车道居中保持车道居中保持-道路交通标识识别道路交通标识识别-自动泊车入位自动泊车入位-遥控泊车遥控泊车-记忆泊车记忆泊车-自动变道辅助自动变道辅助-匝道自动驶出匝道自动驶出(入入)-方向盘离手检测方向盘离手检测-自动驾驶辅助路段自动驾驶辅助路段-城市 高速 被动安全被动安全 前前/后排侧气囊后排侧气囊-前/后-前/后-前前/后排头部气囊后排头部气囊(气帘）气帘）-前/后 前/后 主动安全主动安全 车道偏离预警系统车道偏离预警系统-主动刹车主动刹车/主动安全系统主动安全系统-DOW 开门预警开门预警-前方碰撞预警前方碰撞预警-后方碰撞预警后方碰撞预警-内置行车记录仪内置行车记录仪-车外灯光车外灯光 自适应远近光自适应远近光-天窗天窗/玻璃玻璃 天窗类型天窗类型-分段式不可开启天窗 分段式不可开启天窗 行业研究 敬请参阅最后一页特别声明 9 外后视镜外后视镜 外后视镜功能外后视镜功能 电动调节 电动调节 电动折叠 后视镜加热 锁车自动折叠 电动调节 电动折叠 后视镜记忆 后视镜加热 倒车自动下翻 锁车自动折叠 方向盘方向盘/内后视镜内后视镜 内后视镜功能内后视镜功能 手动防眩目 手动防眩目 自动防眩目 车内充电车内充电 多媒体多媒体/充电接口充电接口 USB USB USB Type-C 座椅配置座椅配置 电动座椅记忆功能电动座椅记忆功能-驾驶位/副驾驶位 音响音响/车内灯光车内灯光 车内环境氛围灯车内环境氛围灯-多色 来源：汽车之家，国金证券研究所 1.2 空间：空间：ADAS 激光雷达价格通缩接近尾声，激光雷达价格通缩接近尾声，25 年激光雷达将下沉至年激光雷达将下沉至 10-20 万车型万车型 1.2.1 价格：价格：ADAS 激光雷达价格通缩接近尾声，“科技平权”之后高端化趋势初见端倪激光雷达价格通缩接近尾声，“科技平权”之后高端化趋势初见端倪 4 年时间从 2 万块降到 2 千块。2020 年，速腾聚创 ADAS 激光雷达的均价约为 20,583元，2024 年前三季度，速腾聚创 ADAS 激光雷达的均价约为 2,566 元，我们预计其 2024全年 ASP 约为 2,550 元。2020-2024 年产品均价年均降幅约 40.7%，相当于连续 4 年以每年打 6 折的方式实现了 ASP 降数量级。均价降数量级的背后是公司出货量的暴增。2020 年，速腾聚创 ADAS 激光雷达出货量约为 300 颗，2024 年，速腾聚创 ADAS 激光雷达出货量约为 52 万颗。2020-2024 年出货量提升了 1,700 多倍。激光雷达采购预算约占整车售价的 1%左右。据大疆车载负责人沈劭劼，在智能驾驶还只能缓解驾驶疲劳而非完全取代驾驶员的阶段，L2 级别的智能驾驶软硬件预算约占整车售价的 35%。其中，我们预计，激光雷达约占智驾总预算的 1/41/5，也即对于车厂而言，激光雷达的预算约占整车售价的 1%左右。换言之，2023 年及以前，ADAS 激光雷达均价高于 3,000 元，因此较难渗透 30 万元以下的车型，而 30 万以上车型仅占我国新能源乘用车不足 20%的市场份额。2024 年，当 ADAS 激光雷达均价进入 2,5003,000 元区间，使得部分 2530 万元的车型有预算搭载激光雷达，驱动 24 年速腾聚创在 23 年高出货量基数下依然取得了翻倍以上增长。发布千元级低价产品是主动为之，意图打入 1030 万大众级车型市场。2024 年 4 月，速腾聚创对外发布了售价仅为 200 美金的车载激光雷达新品 MX。不久后，禾赛发布 ATX对标产品跟进 MX，并在 2024 年 11 月的三季报电话会中透露定价有望降至 200 美金。市场有声音认为，千元级产品的发布表示车载激光雷达的“价格通缩”仍在持续，“量增价减”背景下终局市场容量可能受到损害。对此我们判断，无论从降价原因还是降价能力看，本次 200 美金定价的千元级产品都代表了车载主视激光雷达近几年的价格底线：降价原因：考虑到行业双寡头格局与早期客户主要以 25 万元以上车型为主，本次降价动作并非来自竞对或下游客户的压力，而是头部玩家主动为之。千元级产品的发布有助于公司一举打入 1025 万元区间的大众级车型市场，而 10-30 万元的车型约占我国新能源市场 7 成左右，降价是为了打开更为广阔的蓝海市场。降价能力：目前纯固态激光雷达测距能力依然有限，半固态产品仍将是未来一段时间车载主视激光雷达的唯一选择，目前行业头部玩家速腾、禾赛的年化出货量已达到4050 万颗规模，且两家在半固态技术路线的自研化程度均已达到较高水平。据此我们判断，在不考虑纯固态产品技术颠覆的情况下，头部厂商主力产品的自研降本与规模放量降本空间有限，目前半固态主视激光雷达已进入降本瓶颈期，200 美金的千元级车载激光雷达或成为未来一段时间的价格底线。行业研究 敬请参阅最后一页特别声明 10 图表图表6：ADAS激光雷达降价进入平台期，销量加速向上激光雷达降价进入平台期，销量加速向上 图表图表7：我国我国10-30万新能源车型为市场基本盘万新能源车型为市场基本盘 来源：速腾聚创公司公告，国金证券研究所（注：2024 年 52 万颗的出货量为速腾聚创自愿公告数据；2025 年 100 万台出货为国金计算机团队预测数据。）来源：崔东树微信公众平台，国金证券研究所 2025 年 1 月 3 日，速腾聚创发布全球首款千线激光雷达产品 EM4，可实现 1080P 的图像级分辨率。同月，禾赛在 2025 CES 展会上发布 AT1440，可实现 0.020.02超高清角分辨率。在此之前，两家龙头厂商旗下也有 M3 和 AT512 等高端车载产品。我们认为，假如说 2024 年 MX和 ATX两款定价在 200 美金的千元级产品开启了车载激光雷达“科技平权”时代，那么 2025 开年 EM4 和 AT1440 的相继发布则一定程度上标志着车载激光雷达单一主力 SKU 时代落下帷幕，车载激光雷达在“科技平权”以外的高端化趋势初见端倪，未来不同售价区间的车型或适配不同预算和性能配置的激光雷达 SKU，长期看车载激光雷达不会被“千元机”包打天下。图表图表8：车载激光雷达单主力车载激光雷达单主力SKU时代落下帷幕，高端化趋势初见端倪时代落下帷幕，高端化趋势初见端倪 速腾聚创 产品 探测距离 线数 点频 角分辨率 FoV M1 150m10%/78.75 万/秒 0.2 0.2 120 25 M1P 180m10%/78.75 万/秒 0.2 0.2 120 25 MX 最远测距 200m 126/ROI：0.1 0.1 120 25 M2 200m10%/157.5 万/秒 0.1 0.2 /M3 300m10%/ROI：0.05 0.05 120 25 EM4 300m1080 2592 万/秒 /120 27 禾赛 产品 探测距离 线数 点频 角分辨率 FoV AT128 210m108 153.6 万/秒 0.1 0.2 120 25.4 ATX 200m10%/120 万/秒 0.1 0.1 120 20 AT512 300m10Q2 1228.8 万/秒 0.05 0.05 120 25.6 AT1440/1440/0.02 0.02 /来源：速腾聚创官网，禾赛官网，IPO 早知道微信公众平台，国金证券研究所 1.2.2 数量：数量：24 年车载激光雷达“跨越鸿沟”，年车载激光雷达“跨越鸿沟”，25 年激光雷达将下沉至年激光雷达将下沉至 10-20 万车型万车型 16%渗透率是观察早期科技产品是否进入大众市场的金线。按照“跨越鸿沟”理论，一款早期科技产品的渗透率曲线往往遵循类正态分布，其中，不同标准差分位点的人群特征存在较大差异。对于像车载激光雷达这样的早期科技产品而言，颠覆性产品创新（改变车载传感器感知方案）会要求下游用户（主机厂/OEM）改变使用习惯（感知方案融合、车型20,583 10,022 4,346 3,198 2,550 2,115 0.03 0.40 3.69 24.30 52.00 100.00 010203040506070809010005,00010,00015,00020,00025,00020202021202220232024E2025E速腾聚创ADAS激光雷达均价（元）速腾聚创ADAS激光雷达出货量（右轴，万颗）5.9.6.4%9.0.1.8x.4b.5X.5p.2h.6g.4.7%.91.1 .8.3 .7%0 0Pp0 192020202120222023202430万以上10-30万10万以下行业研究 敬请参阅最后一页特别声明 11 外观设计等），同时也要考虑汽车消费者的接受度和实际使用体验。“跨越鸿沟”理论认为，早期科技产品的技术采用曲线中，最大的拐点在于距离均值一个标准差，也即 16%渗透率左右的“鸿沟”，一旦渗透率突破 16%，便意味着这款产品从技术极客与早期尝鲜者的小众客群真正进入大众市场。2024 年是车载激光雷达“跨越鸿沟”元年。2022 年，我国乘用车激光雷达渗透率仅为0.5%，2024 年，我国乘用车激光雷达渗透率提升至 4.9%。假如将渗透率的分母从全部的乘用车切换为新能源乘用车，2024 年，我国新能源车激光雷达渗透率约为 10.5%，假如进一步将渗透率的分母替换为 15 万以上有预算做高阶智驾的新能源乘用车，2024 年 1月，我国 15 万以上新能源车的激光雷达渗透率约为 21.6%，环比 23 年底提升 12.9pcts，稳稳突破 16%，标志着车载激光雷达“跨越鸿沟”。总体来看，我国乘用车/新能源车/15万以上新能源车激光雷达渗透率分别为 4.8%/10.5%/21.5%。图表图表9：2024年年是车载激光雷达“跨越鸿沟”元年是车载激光雷达“跨越鸿沟”元年 来源：中国汽车工业协会，崔东树微信公众平台，高工智能汽车微信公众平台，国金证券研究所（注：上图渗透率已考虑单车搭载多颗激光雷达的情况，分子端为搭载激光雷达车型的销量，而非车载激光雷达的总销量。）向未来看，我们认为，一方面自上而下看，依据“跨越鸿沟”理论模型，在 2024 年 15 万以上新能源车载激光雷达渗透率突破 16%之后，2025 渗透率有望加速向上；另一方面自下而上看，包括比亚迪、吉利、广汽等在内的头部车企的多款激光雷达车型预计将在近期相继发布，多款 1020 万价格带中低线车型将搭载激光雷达。仅考虑国内乘用车 ADAS 激光雷达市场，终局看，我们判断国内乘用车新能源渗透率仍将提升，预计将达到年化 2,000 万辆新能源乘用车销量，其中，剔除掉占比不到 20%的10 万以下价格带车型，其余 1,600 万辆以上的车型都将有极大可能配置激光雷达用于智驾。我们远期预估单车搭载颗数约在 1.52 颗，远期 ASP 约在 1,500 元，粗略匡算国内ADAS 激光雷达终局市场约为 1,600 万辆1.521,500 元360480 亿元，若考虑海外市场，则终局规模倍增。0.5%1.7%4.9%1.6%4.6.5%3.3%8.7!.604060801001201401601800%5 % 2220232024国内车载激光雷达出货量（右轴，万颗）国内乘用车激光雷达渗透率国内新能源车激光雷达渗透率国内15万以上新能源车渗透率行业研究 敬请参阅最后一页特别声明 12 图表图表10：比亚迪比亚迪天神之眼发布会，天神之眼发布会，2025年年首批王朝、海洋上市车型激光雷达搭载情况首批王朝、海洋上市车型激光雷达搭载情况 来源：新产业势能微信公众平台转引自比亚迪发布会，工信部，汽车之家，国金证券研究所（注：图中红框部分为配置激光雷达的车型）海外市场方面，德系和日系车企上车激光雷达相对积极，其中奥迪早在 2019 年 4 月就选配法雷奥的激光雷达上车 A8L，日系车企本田、丰田也相继在 21、22 年跟进。向 25 年看，包括奔驰、宝马、奥迪、丰田在内的海外头部汽车均有激光雷达车型发售计划。图表图表11：海外市场部分搭载激光雷达的车型（不完全统计）海外市场部分搭载激光雷达的车型（不完全统计）车厂 车型 单车激光雷达搭载颗数 激光雷达供应商 标配/选配 售价区间（万元）发售时间 奔驰 奔驰 S 级 1 法雷奥/95-205 2025 年 宝马 宝马 i7 1 Innoviz/95-145 2022 年 12 月 宝马 5 系/Innoviz/2024 年 1 月 宝马 7 系 2 Innoviz/90-125 2025 年 宝马 iX 1 Innoviz/75-85 2025 年 3 月 奥迪 奥迪 A8L 1 法雷奥 选配 80-210 2019 年 4 月 行业研究 敬请参阅最后一页特别声明 13 奥迪 A6L 1 法雷奥/45-65 2025 年 奥迪 Q7(2025 款)1 法雷奥 选配 60-80 2025 年 本田 本田 Legend Hybrid EX 5/40 2021 年 3 月 本田 0 Saloon/2026 年 丰田 雷克萨斯 LS 3/选配 90-120 2025 年 1 月 日产 日产 Skyline/2022 年 5 月 来源：汽车之家，界面新闻，懂车帝，易车，汽车测试网微信公众平台，车东西微信公众平台，路咖社微信公众平台，国金证券研究所 1.3 格局：双寡头格局四分天下，竞争胜负手是在车规前提下的芯片化格局：双寡头格局四分天下，竞争胜负手是在车规前提下的芯片化小型化小型化规模化规模化 1.3.1 市场份额：行业集中度较高，速腾聚创稳居市场份额：行业集中度较高，速腾聚创稳居 L2 车载激光雷达龙头位置车载激光雷达龙头位置 据高工智能汽车，2024 年，国内乘用车前装标配激光雷达 155.8 万台，其中速腾聚创约占 33.4%市场份额，稳居市场龙头，禾赛、华为的市场份额分别约为 27.3%、26.1%。我们认为，全球仅有约 8 家企业具备前装量产车规级主视激光雷达的能力，其中，国内 5家，分别为速腾聚创、禾赛科技、华为、图达通、大疆览沃；海外 2 家，分别为法雷奥和Innoviz。考虑到大疆览沃已于 23 年放弃车规级市场，法雷奥与 Innoviz 车载产品成本高企，因此真正具备市场竞争力的主流玩家仅有速腾、禾赛、华为、图达通 4 家。进一步分析，图达通截至目前仅有蔚来一家车企定点，华为更多依托 ADS 全家桶对生态车型一站式输出方案，真正具备多家车企客户认可、产品具备性价比的头部玩家仅有速腾和禾赛 2家。图表图表12：23/24车载激光雷达四家出货量（万台）车载激光雷达四家出货量（万台）图表图表13：24年速腾聚创约占国内年速腾聚创约占国内L2车载车载1/3市场份额市场份额 来源：GGAI，国金证券研究所 来源：GGAI，国金证券研究所 1.3.2 竞争要素：车规级严苛要求下的持续降本，芯片化竞争要素：车规级严苛要求下的持续降本，芯片化小型化小型化规模化规模化 车载竞争入场券：车规级产品需经过 1 万小时以上数十项车规测试。激光雷达产品达到车规级，需在化学特性、机械特性、电气特性三大方面进行数十项试验，包括备受业界关注的车规级冲击振动和高低温检测。机械式激光雷达技术已趋于成熟，但由于物理极限和成本高等因素限制，装配和调制困难，扫描频率低，生产周期长，成本较高，并且机械部件寿命不长（约 1000-3000 小时），只能用于 L4 研发领域，难以满足苛刻的车规级要求（至少 1 万小时以上），因此 ADAS 量产方案均以半固态激光雷达为主。15.5 16.4 6.4 14.8 52.0 42.6 40.7 20.6 0102030405060速腾聚创禾赛科技华为图达通20232024速腾聚创,33.4%禾赛科技,27.3%华为,26.1%图达通,13.2%行业研究 敬请参阅最后一页特别声明 14 图表图表14：车规要求高可靠低容错，车规要求高可靠低容错，AEC-Q102压力测试项目包含数十项测试压力测试项目包含数十项测试 来源：汽车电子协会，华测检测官网，国金证券研究所 从车规级进入壁垒而言，速腾与禾赛均成立于 2014 年，并相继在 21、22 年前后实现车规级产品的量产交付。2019 年到 2024 年前三季度，禾赛累计投入 27.1 亿元研发费用，2020 年到 2024 年前三季度，速腾聚创累计投入 16.2 亿元研发费用，我们认为，保守估计车规级激光雷达所需的研发投入至少在 10 亿元以上，假设每颗车载激光雷达单价在2,0003,000 元，单台毛利率 20%左右，即便不考虑产品迭代与客户验证，也至少要有200 万颗以上的出货量才能回收早期的研发投入，进入壁垒较高。图表图表15：车规级激光雷达所需的研发投入在十亿级体量车规级激光雷达所需的研发投入在十亿级体量 来源：iFinD，速腾聚创微信公众平台，IPO 早知道微信公众平台，国金证券研究所 车载竞争胜负手：极致的性价比，降本的关键是更低的 BOM 成本（芯片化、小型化） 更多的出货（规模效应），进一步推论，核心是长期研发投入 绑定优质车企客户。禾赛早在 2017 年便成立了芯片部门，并制定了激光雷达核心模块芯片化的多代发展路线，逐步实现激光雷达收发单元从“点对点”、“线对线”到“面对面”的形态演进。通过自研专用驱动芯片、模拟前端芯片、波形数字化处理芯片、SoC 片上系统芯片的开发与应用，将实现更优的性能、更高的集成度和更低的生产成本。目前，第 13 代芯片均已成功量产并经历市场大规模量产的验证，2024 年，禾赛推出第 4 代芯片架构，采用了 3D 堆叠技术，可单板集成 512 个通道，进一步降低成本。相比 10 多年前的一个典型 32 线行业研究 敬请参阅最后一页特别声明 15 激光雷达，2024 年禾赛发布的 AT512 线数提升 16 倍，点云密度提升 80 倍，价格却不到当时的 1/100。图表图表16：禾赛芯片化路线图推动激光雷达大幅降本禾赛芯片化路线图推动激光雷达大幅降本 来源：禾赛科技招股书，焉知汽车微信公众平台，国金证券研究所 速腾聚创经过 7 年的深入研发，不仅成功自研出全球首款激光雷达专用数字化SPAD-SoC芯片 M-Core，而且在激光雷达的扫描、发射、接收等系统上也已完成芯片化布局，M-Core相比 FPGA 版本电路板面积减少 50%，功耗降低 40%，且成本大幅降低。速腾聚创的全栈芯片化布局，为 M 平台和 E 平台高性价比产品的大规模量产提供基础支撑。图表图表17：速腾聚创芯片化研发思路推动激光雷达大幅降本速腾聚创芯片化研发思路推动激光雷达大幅降本 来源：速腾聚创招股书，国金证券研究所 高度芯片化的研发进展为车载激光雷达提供了更为集成化的结构设计，禾赛/速腾的新一代产品 ATX/MX 的体积相较上一代分别减小了近 60%/40%，在优化了物料成本的同时，大大简化了生产中的标定、总装等多个环节。得益于极致小巧的尺寸和超低的功耗，ATX 能够被灵活嵌入到车身不同位置，包括车顶、前挡风玻璃后、车灯内等，为汽车厂商解锁了激光雷达安装方式的更多可能。行业研究 敬请参阅最后一页特别声明 16 图表图表18：车载激光雷达小型化优化物料成本，解锁更多安装方式车载激光雷达小型化优化物料成本，解锁更多安装方式 来源：焉知汽车微信公众平台，国金证券研究所 据 GGAI，2024 年车载激光雷达前十大采购车企以华为智选车与新势力车企为主，其中，速腾主要绑定吉利、鸿蒙问界、小鹏等车企；禾赛主要绑定理想、小米、零跑等车企；华为主要内供生态车企；图达通独供蔚来一家。2024 年，以上四家激光雷达厂商出货量均突破 20 万颗，其中速腾突破 50 万颗，禾赛与华为突破 40 万颗。我们认为，绑定优质车企客户的实质是押宝爆款智驾车型（比如极氪 001、小米 SU7、问界 M9 等）一方面是车企通过搭载更高性价比的激光雷达提升智驾体验，另一方面激光雷达的外露也逐渐形成消费者认知帮助车企卖车（比如广汽 AION RT 2025），在此过程中，Tier 1 依托爆款智驾车型快速提升激光雷达交付量，进而获得规模效应摊薄成本。图表图表19：车载激光雷达前十大采购车企以华为智选车与新势力车企为主车载激光雷达前十大采购车企以华为智选车与新势力车企为主 来源：各公司官网，GGAI，国金证券研究所（注：上图中汽车品牌上方的 Logo 为对应激光雷达供应商。）行业研究 敬请参阅最后一页特别声明 17 图表图表20：头部车载激光雷达厂商均绑定优质车企客户头部车载激光雷达厂商均绑定优质车企客户 来源：GGAI，国金证券研究所 2.1 价值：激光雷达提供价值：激光雷达提供全天候广域高精度感知，超级传感器彩色全天候广域高精度感知，超级传感器彩色 3D 点云有望成为终极点云有望成为终极方案方案 2.1.1 视觉方案梳理：多传感器融合成共识，机器人视觉方案梳理：多传感器融合成共识，机器人/机器狗激光雷达搭载率超机器狗激光雷达搭载率超 50% 年 1 月 28 日，2025 年春节联欢晚会秧 BOT节目，登台的宇树科技 H1 机器人，头部搭载了速腾聚创自主研发的激光雷达 Helios，让机器人在舞台上能够实现精准定位、走位，引发市场对于“机器人之眼”的关注。我们梳理了海内外 30 家人形机器人公司的 41 款人形机器人 SKU，初步得出以下结论：1）深度相机为主的多传感器融合方案是目前主流视觉技术路线；2）激光雷达是极具潜力的“机器人之眼”，目前搭载率高达 53.7%；3）国内头部厂商宇树科技、智元机器人旗下 SKU 均搭载激光雷达。图表图表21：海内外海内外41款人形机器人款人形机器人SKU中，多传感器融中，多传感器融合方案占比高达合方案占比高达73.2%图表图表22：海内外海内外41款人形机器人款人形机器人SKU中，激光雷达配中，激光雷达配置率高达置率高达53.7%来源：海内外人形机器人公司官网、微信公众平台等，焉知，量子位微信公众平台，IT 之家，福布斯，国金证券研究所（注：统计样本为海内外 30 家人形机来源：海内外人形机器人公司官网、微信公众平台等，焉知，量子位微信公众平台，IT 之家，福布斯，国金证券研究所（注：统计样本为海内外 30 家人形机纯视觉方案,7.3%多传感器融合方案,73.2%其他,19.5x.0V.1S.7%0 0Pp%主动型相机配置率被动型相机配置率激光雷达配置率行业研究 敬请参阅最后一页特别声明 18 器人公司的 41 款人形机器人 SKU；纯视觉方案指仅配备被动型摄像机，多传感器融合方案指配备 2 类及以上传感器；其他指未公开披露视觉方案或者不属于上述视觉类别的公司。）器人公司的 41 款人形机器人 SKU；主动型相机指结构光或 ToF 路线的深度相机。）图表图表23：海内外海内外30家人形机器人厂商家人形机器人厂商41款款SKU视觉方案一览视觉方案一览（部分呈现）（部分呈现）企业 型号 发布时间 报价 视觉方案 雷达 主动型相机 被动型相机 Figure.AI Figure 02 2024 年 8 月 不明/6 颗 RGB 相机 Tesla Optimus Gen2 2023 年 12 月 不明/2 颗 2D 摄像机 1 颗鱼眼相机 宇树科技 H1/H1-2 2023 年 8 月 不明 3D 激光雷达（Livox-Mid360）1 颗深度相机-结构光(Intel RealSense D435i）/G1 2024 年 5 月 9.9 万元起 3D 激光雷达（Livox-Mid360）1 颗深度相机-结构光(Intel RealSense D435i）/G1-Comp 2025 年 1 月 不明*选配 3D 激光雷达（Livox-Mid360）1 颗深度相机-结构光(Intel RealSense D435i）/智元机器人 远征 A1 2023 年 8 月 不明 3D 激光雷达 深度相机 不明 远征 A2 2024 年 8 月 不明 3D 激光雷达 4 颗深度相机 2 颗鱼眼相机 远征 A2-D 2024 年 8 月 不明 3D 激光雷达 3 颗深度相机 5 颗鱼眼相机 远征 A2-W 2024 年 8 月 不明 3D 激光雷达/4 颗 AI 视觉相机 灵犀 X1 2024 年 8 月 不明 不明 深度相机 不明 优必选 Walker 2018 年 1 月 不明/2 颗深度相机 双目相机 1300 万高清摄像机 Walker X 2021 年 7 月 不明 4 颗超声波雷达 2 颗深度相机 四目相机 Walker S Lite 2024 年 7 月 不明/2 颗深度相机 四目相机 Walker S1 2024 年 10 月 不明/4 颗深度相机 2 颗双目相机 银河通用 GALBOT G1 2024 年 6 月 不明 不明 不明 不明 来源：海内外人形机器人公司官网、微信公众平台等，焉知，量子位微信公众平台，IT 之家，福布斯，国金证券研究所 我们梳理了海内外 16 家机器狗公司的 35 款机器狗 SKU，初步得出以下结论：1）深度相机为主的多传感器融合方案是目前主流视觉技术路线；2）激光雷达是极具潜力的“机器狗之眼”，目前搭载率高达 51.4%；3）海外头部厂商波士顿动力、ANYbotics 旗下产品均配备激光雷达，国内头部厂商宇树科技、云深处科技、蔚蓝智能旗下 SKU 激光雷达搭载率较高。行业研究 敬请参阅最后一页特别声明 19 图表图表24：海内外海内外35款机器狗款机器狗SKU中，多传感器融合方中，多传感器融合方案占比高达案占比高达60.0%图表图表25：海内外海内外35款机器狗款机器狗SKU中，激光雷达配置率中，激光雷达配置率高达高达51.4%来源：海内外机器狗公司官网、微信公众平台等，国金证券研究所（注：统计样本为海内外 16 家机器狗公司的 35 款 SKU；纯视觉方案指仅配备被动型摄像机，多传感器融合方案指配备 2 类及以上传感器；其他指未公开披露视觉方案或者不属于上述视觉类别的公司。）来源：海内外机器狗公司官网、微信公众平台等，国金证券研究所（注：统计样本为海内外 16 家机器狗公司的 35 款 SKU；纯视觉方案指仅配备被动型摄像机，多传感器融合方案指配备 2 类及以上传感器；其他指未公开披露视觉方案或者不属于上述视觉类别的公司。）图表图表26：海内外海内外16家机器狗厂商家机器狗厂商35款款SKU视觉方案一览视觉方案一览（部分呈现）（部分呈现）企业名称 型号 发布时间 报价 视觉方案 雷达 主动型相机 被动型相机 波士顿动力 Spot 2024 年 7.5-30 万美元 激光雷达 深度相机 5 颗立体摄像机 ANYbotics ANYmal C 2019 年/激光雷达 深度相机 广角摄像机 宇树科技 A1 2020 年 1 月/深度相机/Go1 2021 年 6 月 1.6 万起/5 组鱼眼 Go2 2023 年 7 月 9,997 元起 1 颗 4D 超广角激光雷达 深度相机-结构光(Intel RealSense D435i）/B2 2023 年 11 月/1 颗激光雷达 2 颗深度相机 2 颗光学相机 B1/5 颗深度相机/Aliengo 2019 年/1 颗激光雷达（选配）2 组深度相机 视觉里程计相机 云深处科技 绝影 Lite2 2021 年/彩色 灰度双目深度相机/绝影 Lite3 2023 年 16,900元起 激光雷达 深度相机/绝影 X20 2021 年 8 月/激光雷达 深度相机/绝影 X30 2023 年 10 月/2 颗激光雷达/1 颗广角相机 山猫 2024 年 11 月 9.8 万元/广角相机 蔚蓝智能 BabyAlpha A2 2024 年 9 月 8,099 元 激光雷达 ToF 深度相机/BabyAlpha Chat 2024 年 10 月 6,999 元/不明 不明 纯视觉方案,14.3%多种传感器融合方案,60.0%其他,25.7.0B.9Q.4%0 0Pp%主动相机配置率被动相机配置率激光雷达配置率行业研究 敬请参阅最后一页特别声明 20 BabyAlpha Dev-Q 2024 年 9 月 5,999 元起/不明 不明 Alpha Dog C Series 2021 年 3 月/激光雷达 深度相机-结构光(Intel RealSense）/BabyAlpha S/3DTOF 激光雷达，360 激光雷达，360 超声波雷达 不明 不明 来源：海内外机器狗公司官网、微信公众平台等，国金证券研究所 2.1.2 视觉方案对比：视觉方案对比：激光雷达具有更广的测距范围激光雷达具有更广的测距范围 更小的测距误差更小的测距误差 更大的更大的 FoV 深度相机是目前人形机器人与机器狗的主流视觉方案，深度相机包括结构光、ToF、多目视觉三类，其中结构光和 ToF 属于主动型相机，多目视觉属于强算法 被动型摄像机。三类深度相机中，结构光方案较为成熟，分辨率较高，软件复杂度适中；ToF 方案分辨率较低，软件复杂度低，测量精度较高；多目视觉分辨率与测量精度最高，但对算法要求最高。目前机器人搭载的深度相机以结构光方案为主。以宇树科技人形机器人全系搭载的深度相机 Intel RealSense D435i 为例，该产品采用双目 结构光技术路线，包括两颗红外相机，一颗红外点阵投射器以及一颗 RGB 2D 相机。图表图表27：Intel RealSense D435i结构拆解图结构拆解图 来源：Intel 官网，CSDN，国金证券研究所 据官网信息披露，Intel RealSense D435i 深度相机的官方报价为 334 美元，理想测距范围为 0.3m-3m（激光雷达为 30m 以上），测距精度在 2m 处小于 4cm（激光雷达为 1cm），视场角为 8758（激光雷达水平 FOV 360无死角）。我们认为，相较于 Intel RealSense D435i，激光雷达具有更广的测距范围 更小的测距误差 更大的 FoV，能够适配中高速运动场景、高精度操作场景与高复杂度的环境，未来伴随大批量量产交付，售价有望下探至千元级，更适合作为机器人的主传感器，与深度相机、RGB 相机配合形成全天候广域高精度 3D 感知能力。图表图表28：激光雷达具有更广的测距范围激光雷达具有更广的测距范围 更小的测距误差更小的测距误差 更大的更大的FoV Intel RealSense D435i 大疆 Livox Mid360 速腾 Airy 禾赛 JT16 禾赛 JT128 售价 334 美元 3999 元 5499 元 不明 不明 最大测距 0.3-3m 40m100m100m100m10%测距精度 4cm 2-3cm 1cm 3cm 不明 FoV 8758 36059 36090 36040 360187 分辨率 1280720 不明 不明 0.62.67 不明 线束数 不适用 等效 40 线 192 线 16 线 128/256 线 行业研究 敬请参阅最后一页特别声明 21 点频 不适用 20 万点/秒 172 万点/秒 4.8 万点/秒 不明 尺寸 902525mm 656560mm 606063mm 555564mm 606068mm 重量 不明 265g 240g 200g 250g 功耗 不明 6.5W 8W 4.3W 不明 来源：Intel 官网，雪玲飞花微信公众平台，国金证券研究所 Active Camera 超级传感器有望成为“机器人之眼”的终极方案。2025 年 1 月 3 日，速腾聚创召开“Hello Robot”2025 AI 机器人全球发布会，发布一系列激光雷达新品、机器人通用零部件及开发平台，推出机器人时代“全家桶”，其中包括 Active Camera 机器人之眼。在硬件层面，凭借数字化优势，ActiveCamera 区别于传统的被动摄像头，实现了激光雷达数字信号和摄像头信息的融合，让机器人既能识别精准的三维环境距离信息，又能感知丰富的视觉语义信息，并且可以克服强烈明暗变化等环境干扰影响。在软件层面，依托于 RoboSense 超级传感器平台，ActiveCamera 可以通过功能丰富的 SDK 满足不同场景任务需要，避免重复造轮子。开发者可以通过 SDK 直接调用建图、定位、避障等能力，节省传感器驱动开发，数据标定、数据融合的时间。超级传感器平台支持多种传感器配置组合，满足不同的测距、精度、分辨率、抗环境光干扰等需求。开发者也可以选择不同等级的算力消耗、功耗等，实现不同原理的传感器在各个场景下的取长补短。我们认为，大批量工业化出货的前提是硬件的标准化，目前机器人和机器狗的视觉方案繁杂，传感器类型与数量均未形成定局，不同的传感器所采集的感知数据类型不同，所需的算法也不同。与车载场景类似，机器人和机器狗场景也面临数据融合和算法统一的问题。Active Camera 超级传感器为代表的，融合了 2D 彩色图像与激光雷达深度信息的彩色 3D点云有望成为“机器人之眼”的终极方案。图表图表29：Active Camera融合激光雷达和摄像头信息融合激光雷达和摄像头信息 图表图表30：Active Camera实拍效果图实拍效果图 来源：速腾聚创微信公众平台，国金证券研究所 来源：速腾聚创微信公众平台，国金证券研究所 2.2 空间：割草机单一场景空间：割草机单一场景 TAM 约在约在 225 亿元，广义机器人有望成为数倍于车载的市场亿元，广义机器人有望成为数倍于车载的市场 以割草机市场为例：价值：对于割草机器人而言，定位 避障是核心功能。当前市面上主要的定位技术有RTK、激光雷达、单目视觉 Vslam 以及双目视觉 Vslam；避障的主要技术有激光雷达、超声波雷达、TOF、单目深度估计以及双目深度估计。定位方面，主流厂商过去会采用组合方式实现场景最大的覆盖率以及稳定性，比如 RTK 双目视觉组合，RTK实现高精度绝对位置定位，双目 VLSAM 定位做 RTK 定位失效时的补充。避障方面，主流厂商也已经从早期精度不高的超声波和单目进入到 3D 深度高精度避障的时代。激光雷达同时具备定位 避障功能，目前已出现视觉方案切换迹象。案例：25 年 1 月 7 月，禾赛与 MOVA 在 CES 展会上共同展出了全新割草机器人MOVA1000，其搭载了一颗 JT16 激光雷达，具备高精度三维环境感知能力。速腾聚创、大疆览沃等主流激光雷达厂商 25 年也均有布局。空间：据高工移动机器人微信公众平台，智能割草机器人大多定价在 1199 至 2499美元之间。据弗若斯特沙利文，全球大概有 2.5 亿个私家花园。其中，美国约有 1 亿行业研究 敬请参阅最后一页特别声明 22 个，欧洲拥有超 8,000 万个，欧美地区合计占全球总量的 72%。据 Grand View Research，2021 年全球割草机市场规模达 304 亿美元，假设单价约在 2,000 美元，则全球年化出货量约为 1,500 万台左右。目前，大疆 Livox-mid360 零售价为 3,999元，速腾聚创 Airy 零售价为 5,499 元，假设预期放量后价格收敛至车载终局水平1,500 元左右，则 TAM 空间约为 1,500 万台1,500 元=225 亿元。由于割草机仅为广义机器人市场中的一个细分场景，TAM 已经达 225 亿元，若进一步考虑工业叉车/AGV/AMR、扫地机、无人机、服务机器人、机器狗、人形机器人，则 TAM 空间至少应大于国内 L2 车载（前述测算 360-480 亿元），因此我们定性判断认为，机器人激光雷达 TAM 是一个数倍于车载的市场。图表图表31：激光雷达在广义机器人场景中应用广泛激光雷达在广义机器人场景中应用广泛 来源：速腾聚创微信公众平台，国金证券研究所 2.3 格局：从监控摄像机发展脉络看通用传感器的“核心壁垒”与“两次进化”格局：从监控摄像机发展脉络看通用传感器的“核心壁垒”与“两次进化”2.3.1 他山之石：通用传感器厂商的核心竞争壁垒是基于“硬件标准化他山之石：通用传感器厂商的核心竞争壁垒是基于“硬件标准化 软件生态开放”软件生态开放”的多重规模效应的多重规模效应 市场有声音认为，车载激光雷达市场由于“车规级”要求与较薄的毛利致使行业集中度较高，而机器人市场在缺乏“车规级”门槛的限制下有可能呈现出行业集中度大幅下降的状态。因而，即使机器人市场潜在空间相较车载更高，也仍旧难以长出头部公司。对此，通过复盘监控摄像机的商业化发展脉络，我们认为，通用传感器行业唯一的竞争壁垒仍是“成本”，而在一个场景繁多的市场中，头部厂商可以通过“硬件标准化 软件生态开放”获得多重规模效应，巩固成本优势，最终实现自身市场份额的提升。行业研究 敬请参阅最后一页特别声明 23 图表图表32：摄像机“模拟转数字”提升分辨率与集成度，“软件定义硬件”赋能千行百业智能化识别摄像机“模拟转数字”提升分辨率与集成度，“软件定义硬件”赋能千行百业智能化识别 来源：慧聪物联资讯微信公众号等，国金证券研究所 与机器人激光雷达市场类似，监控摄像机下游也是一个场景繁多的市场，头部厂商如海康、大华通过“软件定义硬件”的方式变相实现了 SKU 升维，基于三重规模效应在尽可能广域覆盖碎片化场景的同时保证了尽可能低的解决方案成本：第一重规模效应来自于产品组件的标准化（镜头、CMOS、结构件等）；第二重规模效应来自同类产品通过搭载不同的软件算法实现多场景间复用（路口的车牌识别、公司门口的人脸识别等），以及依托统一软件架构实现软件算法组件的复用（测温、计数、单一行为识别等）；第三重规模效应来自同类场景的客群扩充拉动同类产品解决方案的批量出货（不同城市的公安交警、同一行业的龙一龙二等）。因此我们能够看到，即使 2016 年至今监控摄像机头部厂商产品 ASP趋于稳定（智能化算法加量不加价），平均成本受益三重规模效应仍在小幅下降。图表图表33：2016年至今监控摄像机头部厂商产品年至今监控摄像机头部厂商产品ASP趋于稳定，平均成本受益规模效应仍在小幅下降趋于稳定，平均成本受益规模效应仍在小幅下降 来源：iFinD，国金证券研究所 2.3.2 模拟转数字：数字化激光雷达采用模拟转数字：数字化激光雷达采用 SPAD 感光，提升分辨率、探测距离及集成度感光，提升分辨率、探测距离及集成度 数字化激光雷达，是用数字方法检测和处理光子信息，区别于传统激光雷达用连续“波”探测，省去了“模拟-数字”转换过程，保留了更多的检测信息，提升了分辨率、精度、集成度以及感知融合能力，并在系统层面带来了更多增益。速腾聚创 CEO 邱纯潮在 2025年初的发布会上表示：“激光雷达已全面进入数字化时代。在全面数字化之后，激光雷达已经收敛到一个成熟稳定的架构中，即将在汽车、机器人与无人机市场加速渗透和普及。”数字化激光雷达的变化，可以类比照相机从胶片进化到数码，其核心环节，在于数字化激光雷达采用了能以“单光子”形态检测激光的单光子雪崩二极管器件（SPAD），它让信号以离散状态呈现在接收端，并直接输出数字信号，达成信号感知的数字化。不仅如此，SPAD 输出的数字信号可径直进入处理环节，无需借助一系列传输器件；同时，信号的处理、储存、乃至激光器件的控制，均可凭借算法集成到芯片上进行，在提高运算效率的同901 642 428 331 317 271 239 218 220 244 233 237 218 1,7901,263817596529464426394406456419410 393 02004006008001,0001,2001,4001,6001,8002,0002011201220132014201520162017201820192020202120222023海康威视产品平均成本（元）大华股份产品平均成本（元）海康威视产品平均售价（元）大华股份产品平均售价（元）行业研究 敬请参阅最后一页特别声明 24 时，降低对物理零部件的依赖。数字化的感知信息就像数字化的音乐，算法和编码让音质愈发清晰丰富的同时，播放器体积与功耗却日趋轻小。在数字化激光雷达中，一个 SPAD 单元对应一个光点，当数个 SPAD 单元整齐排列时，生成的点云图将像计算机图片一样，由紧密、有序排列的像素点组成。SPAD 单元的排列密度与数量越大，单位时间内的采样点数量便越多，进而提升点云图的分辨率。此外，相比小面阵，大面阵 SPAD 芯片在分辨率、探测距离上优势更显著，但也会面临数据量庞大、通路复杂、发热管控难度高等诸多挑战。图表图表34：激光雷达“模拟转数字”，提升分辨率、探测距离、集成度激光雷达“模拟转数字”，提升分辨率、探测距离、集成度 来源：速腾聚创微信公众平台，国金证券研究所 2.3.3 软件定义硬件：大模型时代“数据壁垒”仍然存在，超级传感器平台是关键软件定义硬件：大模型时代“数据壁垒”仍然存在，超级传感器平台是关键 在 CNN 时代，AI 模型的调用门槛较高，泛化应用能力较差，因此真正限制智能摄像机在不同场景落地的核心壁垒是高质量的私有数据，海康威视等头部监控摄像机厂商通过 AI开放平台为中长尾场景提供了一站式的算法训练平台，具备基于小样本数据训练高精度算法的能力，树立了低成本软硬一体方案化交付下游千行百业的竞争优势。在 AI 大模型时代，伴随 DeepSeek、Llama 等国内外开源模型性价比的大幅提升，AI 模型的算法架构与算力成本门槛有望急剧下降，且 AI 大模型的泛化应用能力较强，跨场景跨任务的 2D 视觉识别精度也逐渐逼近 ToB 落地要求。图表图表35：海康观澜海康观澜AI大模型泛化能力降低长尾场景定制需求，大幅提升识别准确率大模型泛化能力降低长尾场景定制需求，大幅提升识别准确率 任务类型 传统小模型准确率(%)大模型准确率(%)同场景 跨场景 同场景 跨场景 老鼠检测 56.8 8.30 75.4 73.8 猪只识别 99.6 73.70 99.8 93.53 挖掘机识别 62.8 48.60 94.6 87.5 灭火器识别 88.5 66.10 96.1 96 工程车识别 68.55 57.23 91.78 79.93 电瓶车检测 78.45 54.10 87.8 84.1 防外破检测 54.56 34.13 85.8 80.69 垃圾桶识别 93.8 72.70 98 92.9 船只检测 95.5 48.50 96.1 86 戴安全帽检测 82.1 67.45 99.45 96.5 电梯综合检测(检测电瓶车、煤气罐等进电梯)58.33 30.78 75.37 80.11 后厨综合检测(检测戴口罩、戴厨师帽、老鼠等)86.86 78.99 94.47 91.73 平均平均 77.15 53.38 91.22 86.9 来源：海康威视官网，国金证券研究所 行业研究 敬请参阅最后一页特别声明 25 我们认为，与具身智能面临的境况类似，互联网中缺乏足够 AI 大模型训练所需的 3D 空间数据，而激光雷达 3D 点云数据同理。AI 大模型即便能够对 2D 视觉领域产生冲击，短期内也较难泛化应用于 3D 视觉传感器。在此背景下，掌握 3D 点云应用场景的厂商将具备较强的数据优势，进一步推演，未来超级传感器所采集的彩色 3D 点云数据将更为稀缺，AI 大模型的问世并未影响到头部激光雷达厂商未来在软件层的竞争优势通过超级传感器平台，面向开放者提供功能丰富的SDK（建图、定位、避障等）满足不同场景任务需要，适配不同的测距、精度、分辨率、抗环境光干扰等需求，从而以低成本软硬一体化模式交付给下游场景繁多的机器人厂商。换言之，在未来的 3D 视觉竞争中，模型与算力平权之后，“数据壁垒”仍然存在。图表图表36：激光雷达光罩脏污诊断算法激光雷达光罩脏污诊断算法 图表图表37：激光雷达局部高清算法激光雷达局部高清算法 来源：禾赛科技微信公众平台，国金证券研究所 来源：北醒光子微信公众平台，国金证券研究所 我们认为，1）车载方面，2024 年是车载激光雷达“跨越鸿沟”元年，出货量约 155 万颗，25 年有望翻倍至 300 万颗以上，智驾感知技术路线进一步收敛，价格端通缩进入尾声。2）机器人方面，激光雷达与 RBG 相机融合的超级传感器有望成为“机器人之眼”的终极方案，通用传感器行业唯一的竞争壁垒仍是“成本”，而在机器人行业场景繁多的市场中，头部厂商可以通过“硬件标准化 软件生态开放”获得多重规模效应在满足长尾需求的同时巩固成本优势。重点推荐全球车载激光雷达龙头 机器人 Tier1 速腾聚创，关注禾赛。自动驾驶技术路线改变的风险。自动驾驶技术路线改变的风险。假设以特斯拉为首的纯视觉无人驾驶方案最终成为自动驾驶技术路线的主流方案，将会对车载激光雷达的需求带来较大不确定性。乘用车销量与高级别自动驾驶渗透率不及预期的风险。乘用车销量与高级别自动驾驶渗透率不及预期的风险。假设全球及中国乘用车销量不及预期，或 L3 及以上高级别自动驾驶在乘用车中的渗透率不及预期，将会对车载激光雷达的销量带来较大冲击。机器人视觉方案出现变动的风险。机器人视觉方案出现变动的风险。目前人形机器人等机器人领域视觉方案尚未收敛，若最后激光雷达未能进入标配方案，或对机器人激光雷达市场规模产生扰动。国际关系端影响海外销售风险。国际关系端影响海外销售风险。假设地缘政治局势持续趋紧，可能会对国产厂商的全球展业的销售出货产生较大影响。行业研究 敬请参阅最后一页特别声明 26 行业投资评级的说明：行业投资评级的说明：买入：预期未来 36 个月内该行业上涨幅度超过大盘在 15%以上；增持：预期未来 36 个月内该行业上涨幅度超过大盘在 5%；中性：预期未来 36 个月内该行业变动幅度相对大盘在-5%5%；减持：预期未来 36 个月内该行业下跌幅度超过大盘在 5%以上。行业研究 敬请参阅最后一页特别声明 27 特别声明：特别声明：国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。何形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据证券期货投资者适当性管理办法，本报告仅供国金证券股份有限公司客户中风险评级高于 C3 级(含 C3 级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。上海上海 北京北京 深圳深圳 电话：021-80234211 邮箱： 邮编：201204 地址：上海浦东新区芳甸路 1088 号 紫竹国际大厦 5 楼 电话：010-85950438 邮箱： 邮编：100005 地址：北京市东城区建内大街 26 号 新闻大厦 8 层南侧 电话：0755-86695353 邮箱： 邮编：518000 地址：深圳市福田区金田路 2028 号皇岗商务中心 18 楼 1806
2025-02-13
27页
5星级
本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 计算机行业动态报告 DeepSeek 系列报告之 AI 教育 2025 年 02 月 12 日 DeepSeek 发布开源大模型 R1，迅速出圈月活破 3000 万。2025 年 1 月20 日，DeepSeek 正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。自 1 月 20 日 DeepSeek 发布 R1 模型，该模型的用户数实现了飞速增长，根据 AI 产品榜的数据，截至 1 月末 DeepSeek 的月活数量达到 3370 万，迅速成为国内第二位。海外 AI 教育龙头 Duolingo 借助 AI 实现业绩持续增长。多邻国（Duolingo）是一家全球领先的语言学习平台，2024 年 9 月 25 日，多邻国公布其重大产品创新，推出两项全新 AI 驱动功能视频通话（Video Call）与多邻国大冒险（Adventures）。其中在“视频通话”功能中，用户可以与多邻国角色 Lily（拽姐）对话，且对话内容会根据用户语言水平灵活调整，即使是初学者也可以轻松地进行对话练习。借助 AI 功能推出，公司持续保持用户数和业绩的强劲增长，截至 2024Q3 公司月活达到 1.13 亿人，而单季度收入达到 1.9 亿美金创下新高。国产模型升级利好 AI 教育落地。DeepSeek 横空出世，一方面大幅提升了国产模型的能力，另一方面通过开源和推理成本的优化，有望加速国内 AI 应用的落地进程。而无论海内外，教育天然是 AI 落地的重要场景，国内 AI 教育厂商均在自身的优势领域推出了 AI 产品（例如科大讯飞在 G/C 端布局，佳发教育在智慧教学中的应用，竞业达在教学评测中的突破），在国产模型加持下有望加速产品打磨与商业化落地。投资建议：DeepSeek 引领国产大模型突围，字节豆包、阿里通义、Kimi 等近期都发布了重磅更新，国产大模型呈现百花齐放的良好态势。而 DeepSeek 崛起，一方面大幅提升国产模型的性能；另一方面开源与成本大幅降低，也有望加速国内 AI 应用落地的进程。而聚焦 AI 教育，梳理海外龙头 Duolingo 的快速发展，以及其最新推出的 AI 产品，能够看到 AI 在教育领域落地的潜力，而国内AI 教育公司也纷纷在自身的优势垂直领域，结合 AI 推出了拳头产品。建议关注：科大讯飞、佳发教育、竞业达、盛通股份等教育 IT 产业链。风险提示：行业竞争加剧的风险、AI 技术迭代升级进度不及预期、行业政策变化的风险。推荐 维持评级 分析师 吕伟 执业证书：S0100521110003 邮箱：lvwei_ 分析师 丁辰晖 执业证书：S0100522090006 邮箱： 相关研究 1.计算机行业深度报告：为什么 DeepSeek 最先激活方向是 SaaS-2025/02/11 2.计算机行业点评：豆包开源视频大模型激活每个摄像头-2025/02/11 3.计算机行业深度研究：为什么 DeepSeek 最受益方向是云产业链-2025/02/09 4.计算机周报 20250209：国产 AI 算力或是DeepSeek 预期差最大的受益方向-2025/02/09 5.计算机周报 20250126：软件大革命：Agent 投资机遇全梳理-2025/01/26 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 国产 AI 腾飞，教育场景或将加速落地.3 1.1 DeepSeek 重塑中国 AI 竞争力，国产大模型百花齐放.3 1.2 Duolingo 与 OpenAI 指引 AI 教育方向.5 1.3 国内 AI 教育，都有哪些方向？.8 2 投资建议.12 3 风险提示.13 插图目录.14 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 3 1 国产 AI 腾飞，教育场景或将加速落地 1.1 DeepSeek 重塑中国 AI 竞争力，国产大模型百花齐放 DeepSeek 发布开源模型 R1，性能比肩 OpenAI 的 o1 模型。2025 年 1 月20 日，DeepSeek 正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。图1：DeepSeek 发布 R1 模型性能上对标 OpenAI 的 o1 模型 资料来源：DeepSeek 官网，民生证券研究院 DeepSeek 模型全面开源，推理成本相较于主流模型有明显优势。本次DeepSeek 发布 R1 与多模态模型，为整个 AI 产业带来了巨大的变化，主要体现在两方面：1）开源，DeepSeek 在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区；2）推理成本的大幅下降，DeepSeek-R1 API 服务定价为每百万输入 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 4 tokens 1 元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元。图2：DeepSeek 蒸馏小模型能力上比肩 o1-mini 图3：DeepSeeK 的 R1 模型与 ChatGPT 的成本对比 资料来源：DeepSeek 官网，民生证券研究院 资料来源：DeepSeek 官网，民生证券研究院 DeepSeek 横空出世，国内 AI 应用持续快速发展。自 2025 年 1 月 20 日DeepSeek 发布 R1 模型，该模型的用户数实现了飞速增长，根据 AI 产品榜的数据，截至 1 月末 DeepSeek 的月活数量达到 3370 万，迅速成为国内第二位。而根据 AI 产品榜数据，截止 1 月 31 日 DeepSeek 应用(APP)上线仅 21 天，日活跃用户 DAU 2215 万，达 ChatGPT 日活用户的 41.6%，超过豆包的日活用户 1695 万。图4：2025 年 1 月国内头部 AI 应用整体月活情况 图5：2025 年 1 月国内 AI 应用增速排行榜 资料来源：AI 产品榜官网，民生证券研究院 资料来源：AI 产品榜官网，民生证券研究院 阿里、豆包、Kimi 大模型全面升级，国产大模型百花齐放。1）1 月 22 日，豆包全新基础模型 Doubao-1.5-pro 正式发布，模型能力全面升级，融合并进一步提升了多模态能力。2）1 月 29 日，阿里云通义千问旗舰版模型 Qwen2.5-Max全新升级发布，预训练数据超过 20 万亿 tokens，在多项公开主流模型评测基准上录得高分。3）1 月 20 日，Kimi 发布 k1.5 多模态思考模型，在 short-CoT 模行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 式下，Kimi k1.5 的数学、代码、视觉多模态和通用能力，大幅超越了全球范围内短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%。图6：2025 年 1 月国内头部 AI 应用整体月活情况 图7：2025 年 1 月国内 AI 应用增速排行榜 资料来源：AI 产品榜官网，民生证券研究院 资料来源：AI 产品榜官网，民生证券研究院 国产大模型的“百花齐放”为 AI 教育场景的革新注入了多重动力：1）教学效率与个性化学习的双重提升。国产大模型通过自动化工具显著减轻教师负担。例如，AI 助教可快速生成教案、PPT，并设计分层练习题，节省教师备课时间；自动批改系统能够扫描手写作业或试卷，识别错题并提供反馈，甚至生成成绩分析报告，帮助教师精准定位学生薄弱点。在个性化学习方面，大模型通过分析学生的错题记录、学习习惯等数据，生成定制化复习计划。2）教育场景的多模态融合与智能升级。大模型整合文本、语音、图像等多模态数据处理能力，推动教育工具向智能化演进。例如，学生可通过拍照上传难题获取解题步骤，AI 不仅能识别手写内容，还能标注错误点并推导公式；外语学习中，虚拟口语教练结合语音识别与合成技术，模拟真实对话场景，提升语言应用的流畅度。3）垂直领域大模型的深度适配与行业痛点突破。国产大模型从“通用”向垂直深耕转型，更贴合教育场景的特殊需求。垂直模型还通过融合教育行业知识库（如学科教材、考试真题）和伦理约束设计（如家长控制答案显示），在提升准确性的同时规避技术滥用风险。1.2 Duolingo 与 OpenAI 指引 AI 教育方向 多邻国：月活破亿的在线语言学习平台。多邻国（Duolingo）是一家全球领先的语言学习平台，成立于 2011 年，以游戏化教学模式和创新技术驱动用户增长，覆盖 40 多种语言课程，并扩展至数学和音乐教育领域。多邻国采用基础班免费，并推出 Super Duolingo、Duolingo Max 的增值订阅服务。随着公司 AI 性行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 6 能持续升级，Max 版本的付费用户数量持续提升。图8：Duolingo 发布语言对话 AI 人物 Lily 资料来源：多邻国官网，民生证券研究院 千呼万唤始出来，Duolingo 分享大会发布重磅 AI 教育产品。2024 年 9 月25 日，多邻国举办第六届全球分享大会（Duocon），公布其重大产品创新，推出两项全新 AI 驱动功能视频通话（Video Call）与多邻国大冒险（Adventures）。1）在“视频通话”功能中，用户可以与多邻国角色 Lily（拽姐）对话，且对话内容会根据用户语言水平灵活调整，即使是初学者也可以轻松地进行对话练习；2）公司同步发布了“duolingo 大冒险”，作为一款探索类游戏，用户可以沉浸其中与Duolingo 的经典 IP 人物对话，十分契合公司游戏 教学的思路。图9：Duolingo 发布语言对话 AI 人物 Lily 资料来源：腾讯新闻，民生证券研究院 业绩持续加速，单季度收入创新高。从收入端看，公司自 2023 年 Q1 至 2024年 Q3 单季度收入持续增长，季度同比增速保持在 40%以上。而利润方面，公司自 2023Q2 实现单季度扭亏为盈后，在归母净利润、经营净现金流均保持稳步增行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 7 长的趋势。公司的 AI 产品推出后，促进了 Duolingo Max 版本的用户付费，同时在用户数层面的开拓也为公司业绩增长提供了坚实的基础。图10：2023Q1-2024Q3 多邻国单季度营收及增速 图11：2023Q1-2024Q3 多邻国单季度利润、现金流 资料来源：wind，民生证券研究院 资料来源：wind，民生证券研究院 月活、付费用户数等经营指标持续向好，MAU 破亿。财务数据之外，Duolingo的核心经营指标活跃用户数最近几个季度也持续增长，截至 2024 年 Q3 末多邻国月活人数达到 1.13 亿，日活达到了 3720 万人，整体付费用户人数为 860 万人。根据公司 2023Q3 财报披露，新用户和回流用户增长强劲，家庭计划渗透率创历史新高，Duolingo Max 贡献显著预订额。AI 视频通话功能推动了 Max 的采用，并增加了对话口语练习。图12：2023Q1-2024Q3 期间 Duolingo 用户数情况 资料来源：Duolingo 公司官网，民生证券研究院 OpenAI 推出话术指南，覆盖机械性工作与思维训练。2024 年 11 月 14 日，OpenAI 为学生提供了一份使用 ChatGPT 进行写作的指南。文章提出了 12 种有效使用 ChatGPT 的方法，包括自动化引用、快速了解新主题、获取研究路线图等指导方法，并给出了相应的提问话术范式。除去一些自动化引用的机械性工作以外，OpenAI 给出的 12 指南中包含思维训练方式，旨在通过 ChatGPT 帮助学生提升严谨思维和清晰写作的能力。学生可以利用“苏格拉底对话”（Socratic dialogue）法，向 ChatGPT 提出问题，以此1.2 1.3 1.4 1.5 1.7 1.8 1.9 305EP%0.000.501.001.502.002.50单季度营收（亿美元）YOY(0.20)0.000.200.400.600.801.00单季度归母净利（亿美元）经营性净现金流72.674.183.188.497.6103.6113.10204060801001202023Q12023Q22023Q32023Q42024Q12024Q22024Q3月活（百万人）日活（百万人）付费用户数（百万人）行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 8 来深化自己的观点。此外，ChatGPT 还可以帮助学生识别潜在的反驳论点，从而增强论证的逻辑性。1.3 国内 AI 教育，都有哪些方向？1.3.1 科大讯飞：AI 教育龙头 AI 教育龙头，全面覆盖 G/B/C 三大教育场景。G 端业务主要以市县区等区域建设为主体，涵盖面向区域内教育管理者和学校师生等各类用户的因材施教综合解决方案等；B 端业务主要以学校建设为主体，包括面向学校的智慧黑板、智慧课堂、大数据精准教学、英语听说课堂、数智作业及创新教育等；C 端业务主要以家长用户群自主购买为主，包括 AI 学习机、个性化学习手册、课后服务课程服务等产品。图13：科大讯飞 AI 教育体系 资料来源：科大讯飞公司公告，民生证券研究院 AI 学习机是极佳的终端场景。伴随科大讯飞发布全面升级的“讯飞星火”大模型 V4.0，科大讯飞 AI 学习机推出全新升级的 AI 1 对 1 答疑辅导功能，同时，紧跟 2022 年新课标“尊重个性、重视自主学习”的要求，科大讯飞联合全国知名院校等权威机构，精心研发了包括 AI 1 对 1 语文作文辅导课、精读整本书 AI 提优课、思维启蒙 AI 提优课和小学数学思维 AI 提优课在内的一系列紧贴新课标的高质量学习内容。学习机是非常适合 AI 教育落地的硬件终端场景，也是科大讯飞面向 C 端市场的重要入口，随着国产大模型的能力提升，以及公众对 AI 的接受度不断上涨，AI 学习机有望成为重要的增量市场。行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 9 图14：科大讯飞 AI 学习机产品体系 资料来源：科大讯飞公司官网，民生证券研究院 1.3.2 佳发教育：紧抓智慧教学场景，AI 显著提升效率 AI 全方位赋能教学场景，英语听说、体育、理化生是落地方向。1）AI 英语听说：佳发的优势领域在智慧考场建设，公司依托在英语听说考场领域的优势，将AI 植入设备，大幅提升英语考试的准确性与效率。2）AI 体育方面：针对体育设施建设的紧迫性与多元化需求，佳发教育提供八大建设场景方案，涵盖体育教学、考试、锻炼、家庭作业等多个应用场景。智慧移动站、智慧体育仓、智慧操场、智慧体育角、智慧体育空间、智慧体育家庭、数字云平台矩阵、AI 新体考。3）AI 理化生：理化生实验 AI 解决方案包含信息化系统建设模式、实验室基装建设模式、实验室吊装建设模式以及实验仪器模式 4 种模式，覆盖理化生实验考试、教学、场地等各个方面。目前，在大庆市 2024 年中考理化生实验操作中，2 所试点学校1280 余名考生在数字化实验室中完成了理化生实验操作考试。图15：佳发教育的 AI 英语听说 图16：佳发教育 AI 教育产品 资料来源：佳发教育公众号，民生证券研究院 资料来源：佳发教育公众号，民生证券研究院 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 10 1.3.3 竞业达：AI 教学分析报告，直击教学痛点 AI 教学评估业务，实现人工智能落地。竞业达为学校提供智慧教学云平台服务，针对当前高校教学质量难以准确评估、学生学习效果难以准确掌握的痛点，创新性地将人工智能技术融入于教学质量评估，通过采集、挖掘、分析，丰富多样的课堂教学状态数据，并通过算法进行量化处理，训练出教学质量评价大模型，不仅为教师提供教学质量诊断、课堂教学合理化建议，帮助教师持续改善教学质量，还为教学管理者从课堂教学质量、课程建设质量、专业质量、就业质量等方面进行了多维度的数据汇总、分析以及决策支持。在 2024 年 11 月 20 日，教育部高等教育司公布第二批“人工智能 高等教育”应用场景典型案例名单，竞业达支持的北京交通大学人工智能赋能教育教学质量评价诊断案例成功入选。图17：竞业达推出 AI 教学诊断报告，直击学校痛点 资料来源：竞业达公司公众号，民生证券研究院 我国教育体系庞大，AI 教学市场空间广阔。根据教育部的数据，截至 2023年末我国拥有小学、中学、普通高中数量分别为 14.35、5.23、1.54 万所，小学、初中、高中的教师人数分别为 666、408、222 万人。面对如此庞大的教学体系，通过 AI 手段辅助，有望大幅提升整个教学水平的评估能力，进而更加针对性的优化，提升整体教学水平。行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 11 图18：2023 年我国高中、初中、小学数量合计超过 20 万所 资料来源：2023 年全国教育事业发展统计公报，民生证券研究院 1.3.4 盛通股份：AI 机器人 盛通教育集团前瞻性布局“AI 教育”，新技术领跑大模型赛道。2023 年，盛通教育集团依托北京智谱华章科技有限公司领先的技术优势，通过智谱 AI 调用ChatGLM API 等技术，率先开发出盛通教育学习助手，并推出 AI 创作等一系列课程。其中 和 AI 伙伴的趣味体验 AI 绘画 等课程分别对应从幼儿园至中学，培养学生在人工智能领域的兴趣与基础，并且在教学内容中加入程序设计、数据分析、算法处理等信息素养知识，为之后的进一步深度学习打下基础。如今，随着 B端业务对人工智能教育的进一步重视，也将进一步带动集团在教育教学等方面生成高质量的课程与产品，为公司业务带来新的增长曲线。图19：竞业达推出 AI 教学诊断报告，直击学校痛点 资料来源：盛通教育官网，民生证券研究院 14.35 5.23 1.54 0.31 0246810121416小学中学普通高中高等院校行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 12 2 投资建议 DeepSeek引领国产大模型突围，字节豆包、阿里通义、Kimi等近期都发布了重磅更新，国产大模型呈现百花齐放的良好态势。而DeepSeek崛起，一方面大幅提升国产模型的性能；另一方面开源与成本大幅降低，也有望加速国内AI应用落地的进程。而聚焦AI 教育，梳理海外龙头Duolingo的快速发展，以及其最新推出的AI产品，能够看到AI在教育领域落地的潜力，而国内AI 教育公司也纷纷在自身的优势垂直领域，结合AI推出了拳头产品。建议关注：科大讯飞、佳发教育、竞业达、盛通股份等教育IT产业链。行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 13 3 风险提示 1）行业竞争加剧的风险。教育领域市场空间广阔，有诸多公司在该领域竞争，包括互联网巨头，专业教育 IT 厂商，以及教培行业众多厂商。若后续行业竞争加剧，可能会导致 AI 产品呈现高度同质化，加剧竞争会影响公司的盈利能力。2）AI 技术迭代升级进度不及预期。目前国产大模型能力在 DeepSeek 横空出世后实现了大幅提升，同时开源也使得诸多应用公司可以以较低成本部署DeepSeek 大模型。但当前 AI 能力距离完全准确仍有一定距离，若后续 AI 能力升级进度不及预期，可能会导致 AI 应用落地速度放缓。3）行业政策变化的风险。AI 技术变化日新月异，而教育行业作为事关国计民生的重要领域，有可能迎来政策以及监管的变化，进而对 AI 落地产生一定不确定性。行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 14 插图目录 图 1：DeepSeek 发布 R1 模型性能上对标 OpenAI 的 o1 模型.3 图 2：DeepSeek 蒸馏小模型能力上比肩 o1-mini.4 图 3：DeepSeeK 的 R1 模型与 ChatGPT 的成本对比.4 图 4：2025 年 1 月国内头部 AI 应用整体月活情况.4 图 5：2025 年 1 月国内 AI 应用增速排行榜.4 图 6：2025 年 1 月国内头部 AI 应用整体月活情况.5 图 7：2025 年 1 月国内 AI 应用增速排行榜.5 图 8：Duolingo 发布语言对话 AI 人物 Lily.6 图 9：Duolingo 发布语言对话 AI 人物 Lily.6 图 10：2023Q1-2024Q3 多邻国单季度营收及增速.7 图 11：2023Q1-2024Q3 多邻国单季度利润、现金流.7 图 12：2023Q1-2024Q3 期间 Duolingo 用户数情况.7 图 13：科大讯飞 AI 教育体系.8 图 14：科大讯飞 AI 学习机产品体系.9 图 15：佳发教育的 AI 英语听说.9 图 16：佳发教育 AI 教育产品.9 图 17：竞业达推出 AI 教学诊断报告，直击学校痛点.10 图 18：2023 年我国高中、初中、小学数量合计超过 20 万所.11 图 19：竞业达推出 AI 教学诊断报告，直击学校痛点.11 行业动态报告/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 15 分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并登记为注册分析师，基于认真审慎的工作态度、专业严谨的研究方法与分析逻辑得出研究结论，独立、客观地出具本报告，并对本报告的内容和观点负责。本报告清晰准确地反映了研究人员的研究观点，结论不受任何第三方的授意、影响，研究人员不曾因、不因、也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。评级说明 投资建议评级标准 评级 说明 以报告发布日后的 12 个月内公司股价（或行业指数）相对同期基准指数的涨跌幅为基准。其中：A 股以沪深 300 指数为基准；新三板以三板成指或三板做市指数为基准；港股以恒生指数为基准；美股以纳斯达克综合指数或标普500 指数为基准。公司评级 推荐 相对基准指数涨幅 15%以上 谨慎推荐 相对基准指数涨幅 5%之间 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 行业评级 推荐 相对基准指数涨幅 5%以上 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 免责声明 民生证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司境内客户使用。本公司不会因接收人收到本报告而视其为客户。本报告仅为参考之用，并不构成对客户的投资建议，不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告所包含的观点及建议并未考虑获取本报告的机构及个人的具体投资目的、财务状况、特殊状况、目标或需要，客户应当充分考虑自身特定状况，进行独立评估，并应同时考量自身的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见，不应单纯依靠本报告所载的内容而取代自身的独立判断。在任何情况下，本公司不对任何人因使用本报告中的任何内容而导致的任何可能的损失负任何责任。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、意见及预测仅反映本公司于发布本报告当日的判断，且预测方法及结果存在一定程度局限性。在不同时期，本公司可发出与本报告所刊载的意见、预测不一致的报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。在法律允许的情况下，本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问、咨询服务等相关服务，本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。若本公司以外的金融机构发送本报告，则由该金融机构独自为此发送行为负责。该机构的客户应联系该机构以交易本报告提及的证券或要求获悉更详细的信息。本报告不构成本公司向发送本报告金融机构之客户提供的投资建议。本公司不会因任何机构或个人从其他机构获得本报告而将其视为本公司客户。本报告的版权仅归本公司所有，未经书面许可，任何机构或个人不得以任何形式、任何目的进行翻版、转载、发表、篡改或引用。所有在本报告中使用的商标、服务标识及标记，除非另有说明，均为本公司的商标、服务标识及标记。本公司版权所有并保留一切权利。民生证券研究院：上海：上海市浦东新区浦明路 8 号财富金融广场 1 幢 5F；200120 北京：北京市东城区建国门内大街 28 号民生金融中心 A 座 18 层；100005 深圳：深圳市福田区中心四路 1 号嘉里建设广场 1 座 10 层 01 室；518048
2025-02-13
15页
5星级
本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 计算机行业深度报告 为什么 DeepSeek 最先激活方向是 SaaS 2025 年 02 月 11 日 DeepSeek 加速 AI 平权进程，全面开启 AI 应用大时代。2025 年 1 月DeepSeek 开源 R1，在训练/推理成本较低的情况下，实现了对标 OpenAI o1的效果，同时开发大量官方应用集成案例，全面开启 AI 应用大时代。AI 平权后，AI 应用的竞争本质是数据和入口的竞争。Salesforce 与ServiceNOW 两大云巨头的 AI 战略的重点都是数据和入口：数据：大模型只能决定 AI 应用的下限，优质的非公开数据决定 AI 应用的上限，由于 SaaS 天生具备积累、储存用户各类数据的能力，其海量高质量数据有望成为 AI 应用的重要燃料，迎来价值重估。入口：SaaS 具有显著的入口效应，SaaS 平台可以根据用户需求向工作流的上游或下游延伸，不断挖掘用户的需求，在当前 AI 时代方兴未艾之际，SaaS 的入口效应更具稀缺性。SaaS 有望迎来价值重估，加速上云与 AI Agent 双轮驱动。以全球传统软件巨头 SAP 在 2024 年云转型、AI 转型并大获成功的案例来看：加速上云：先云化才能 AI 化在全球范围内形成共识，企服 SaaS 有望迎来远超远程办公时期的企业云化新阶段；AI Agent：AI Agent 将为企服 SaaS 打开万亿美元蓝海市场。总体来看，AI Agent 象征软件从“工具”到“数字劳动力”的范式转移，AI Agent 使得软件不再是单纯的“开支”而是“投资”，软件厂商的潜在市场规模从企业的 IT 预算扩展到真人劳动力市场，实现大幅跃迁；通用 SaaS 有望成为 AI Agent 的基础设施，将历史数据挖掘活用提升 SaaS 的价值量；垂类 SaaS 借助 AI 实现更多能力、扩大市场规模，通用 SaaS、大模型厂商借助垂类 SaaS 补全生态；AI Agent具备更强消费属性，未来可以采取多元化付费模式，打开软件的估值天花板。估值角度：当前 SaaS 公司 PS-TTM 估值基本都小于 2019 至今的平均值，远低于 2020 年云化预期最高时的估值水平，有望在 AI 时代实现戴维斯双击。投资建议：DeepSeek 加速 AI 平权进程，先云化才能 AI 化在全球范围内形成共识，企服 SaaS 有望迎来远超远程办公时期发展机遇，考虑到当前 SaaS 公司 PS-TTM 估值处于历史较低水平，叠加 AI 应用有望带来额外增量，SaaS 企业具有戴维斯双击的潜力，建议关注：1）办公：金山办公、合合信息、福昕软件等；2）CRM：金蝶国际、用友网络等；3）OA：泛微网络、致远互联、软通动力等；4）ERP：鼎捷数智、汉得信息、能科科技、赛意信息、中国软件国际等；5）编程：卓易信息、普元信息、金证股份等；6）客服：梦网科技、彩讯股份等；7）AIGC：万兴科技、美图等；8）医疗：润达医疗、讯飞医疗等；9）金融：新致软件、税友股份、同花顺、恒生电子等；10）法律：华宇软件、金桥信息等；11）终端 AI：中科创达、萤石网络等；12）本地生活：值得买、焦点科技、光云科技等。风险提示：技术落地不及预期，行业竞争加剧。推荐 维持评级 分析师 吕伟 执业证书：S0100521110003 邮箱：lvwei_ 研究助理 白青瑞 执业证书：S0100124010021 邮箱： 相关研究 1.计算机行业点评：豆包开源视频大模型激活每个摄像头-2025/02/11 2.计算机行业深度研究：为什么 DeepSeek 最受益方向是云产业链-2025/02/09 3.计算机周报 20250209：国产 AI 算力或是DeepSeek 预期差最大的受益方向-2025/02/09 4.计算机周报 20250126：软件大革命：Agent 投资机遇全梳理-2025/01/26 5.计算机周报 20250119：推理算力最受益两个方向：先进晶圆制造与服务器产业链-2025/01/19 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 SaaS 是 AI 商业化的“基础设施”.3 1.1 DeepSeek 推动 AI 平权时代降临.3 1.2 AI 平权后，AI 应用的竞争本质是数据和入口的竞争.5 1.3 SaaS 价值重估：加速上云 AI Agent 双轮驱动.8 2 重点 SaaS 公司梳理.14 2.1 金山办公：云办公行业领先者发挥新质生产力作用.14 2.2 金蝶国际：深度布局 ERP 软件的 SaaS 领军者.15 2.3 用友网络：大模型赋能企业数智化转型.16 2.4 泛微网络：大模型 智能体共建数智化方案.16 2.5 致远互联：应用 AIGC 打造精品化企业服务方案.17 2.6 汉得信息：“数据融合 AI 驱动”的数字化产品体系.18 2.7 万兴科技：国内领先的数字创意软件服务提供商.19 2.8 梦网科技：5G 消息及云通信服务领军者.19 2.9 软通动力：全面接入 DeepSeek，软硬一体商业闭环.20 3 投资建议.22 4 风险提示.23 插图目录.24 表格目录.24 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 3 1 SaaS 是 AI 商业化的“基础设施”1.1 DeepSeek 推动 AI 平权时代降临 DeepSeek 开源 R1 推理模型对标 OpenAI o1，同时展示官方集成案例鼓励AI 应用开发，实现 AI 平权、鼓励 AI 应用开发。2025 年 1 月，DeepSeek 发布R1 推理模型，在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版；DeepSeek 通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。此外，官方还开放了大量实用集成案例，推动 AI 应用发展。表1：DeepSeek 官方实用集成案例 项目 简介 LibreChat LibreChat 是一个可定制的开源应用程序，无缝集成了 DeepSeek，以增强人工智能交互体验 PapersGPT PapersGPT 是一款集成了 DeepSeek 及其他多种 AI 模型的辅助论文阅读的 Zotero 插件.RSS 翻译器 开源、简洁、可自部署的 RSS 翻译器 Enconvo Enconvo 是 AI 时代的启动器,是所有 AI 功能的入口,也是一位体贴的智能助理.Cherry Studio 一款为创造者而生的桌面版 AI 助手 ToMemo (iOS,ipadOS)一款短语合集 剪切板历史 键盘输出的 iOS 应用，集成了 AI 大模型，可以在键盘中快速输出使用。Video Subtitle Master 批量为视频生成字幕，并可将字幕翻译成其它语言。这是一个客户端工具,跨平台支持 mac 和 windows 系统,支持百度，火山，deeplx,openai,deepseek,ollama 等多个翻译服务 Easydict Easydict 是一个简洁易用的词典翻译 macOS App，能够轻松优雅地查找单词或翻译文本，支持调用大语言模型 API 翻译。Raycast Raycast 是一款 macOS 生产力工具，它允许你用几个按键来控制你的工具。它支持各种扩展，包括 DeepSeek AI。Nice Prompt Nice Prompt 是一个结合提示工程与社交功能的平台，支持用户高效创建、分享和协作开发 AI 提示词。Zotero Zotero 是一款免费且易于使用的文献管理工具，旨在帮助您收集、整理、注释、引用和分享研究成果。思源笔记 思源笔记是一款隐私优先的个人知识管理系统，支持完全离线使用，并提供端到端加密的数据同步功能。go-stock go-stock 是一个由 Wails 使用 NativeUI 构建并由 LLM 提供支持的股票数据查看分析器。Wordware Wordware 这是一个工具包，使任何人都可以仅通过自然语言构建、迭代和部署他们的 AI 堆栈 Dify Dify 是一个支持 DeepSeek 模型的 LLM 应用开发平台，可用于创建 AI 助手、工作流、文本生成器等应用。LiberSonora LiberSonora，寓意自由的声音，是一个 AI 赋能的、强大的、开源有声书工具集，包含智能字幕提取、AI 标题生成、多语言翻译等功能，支持 GPU 加速、批量离线处理 Bob Bob 是一款 macOS 平台的翻译和 OCR 软件，您可以在任何应用程序中使用 Bob 进行翻译和 OCR，即用即走！STranslate STranslate（Windows）是 WPF 开发的一款即用即走的翻译、OCR 工具 GPT AI Flow 工程师为效率狂人（他们自己）打造的终极生产力武器:GPT AI Flow Story-Flicks 通过一句话即可快速生成高清故事短视频，支持 DeepSeek 等模型。Anda 一个专为 AI 智能体开发设计的 Rust 语言框架，致力于构建高度可组合、自主运行且具备永久记忆能力的 AI 智能体网络。YoMo Stateful Serverless LLM Function Calling Framework with Strongly-typed Language Support 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 4 Alice 一个基于 ICP 的自主 AI 代理，利用 DeepSeek 等大型语言模型进行链上决策。Alice 结合实时数据分析和独特的个性，管理代币、挖掘 BOB 并参与生态系统治理。RAGFlow 一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。Solana Agent Kit 一个用于连接 AI 智能体到 Solana 协议的开源工具包。现在，任何使用 Deepseek LLM 的智能体都可以自主执行 60 种 Solana 操作：茴香豆（个人微信/飞书）一个集成到个人微信群/飞书群的领域知识助手，专注解答问题不闲聊 LangBot（QQ,企微,飞书）大模型原生即时通信机器人平台，适配 QQ/QQ 频道/飞书/OneBot/企业微信（wecom）等多种消息平台 NoneBot（QQ,飞书,Discord,TG,etc.）基于 NoneBot 框架，支持智能对话与深度思考功能。适配 QQ/飞书/Discord,TG 等多种消息平台 沉浸式翻译 一款双语对照网页翻译插件，简洁，高效 沉浸式导读 NO Sidebar!沉浸式的 AI 网页摘要，提问.ChatGPT Box 将 LLM 作为私人助手，整合到你的浏览器中 划词翻译 整合了多家翻译 API 以及 LLM API 的浏览器翻译插件 欧路翻译 提供鼠标划词搜索、逐段对照翻译、PDF 文献翻译功能。可以使用支持 DeepSeek AI,Bing、GPT、Google 等多种翻译引擎。流畅阅读 一款革新性的浏览器开源翻译插件，让所有人都能够拥有基于母语般的阅读体验 馆长 知识库 AI 问答助手-让 AI 帮助你整理与分析知识 RssFlow 一款智能的 RSS 阅读器浏览器扩展，具有 AI 驱动的 RSS 摘要和多维度订阅视图功能。支持配置 DeepSeek 模型以增强内容理解能力。Continue 开源 IDE 插件，使用 LLM 做你的编程助手 Cline Cline 是一款能够使用您的 CLI 和编辑器的 AI 助手。avante.nvim 开源 IDE 插件，使用 LLM 做你的编程助手 llm.nvim 免费的大语言模型插件，让你在 Neovim 中与大模型交互，支持任意一款大模型，比如 Deepseek，GPT，GLM，kimi 或者本地运行的大模型(比如 ollama)codecompanion.nvim AI 驱动的编码，在 Neovim 中无缝集成.Chinese-English Translate 集成了多家国内翻译和 ai 厂商，将中文翻译到英文的插件。AI Git Commit 使用 AI 生成 git commit message 的插件。ShellOracle 一种用于智能 shell 命令生成的终端工具。深度求索（快捷指令）使用 DeepSeek API 增强 Siri 能力的快捷指令 n8n-nodes-deepseek 一个 N8N 的社区节点,支持直接使用 DeepSeek API 集成到工作流中 promptfoo 测试和评估 LLM 提示，包括 DeepSeek 模型。比较不同的 LLM 提供商，捕获回归，并评估响应。deepseek-tokenizer 一个高效的轻量级 tokenization 库，仅依赖tokenizers库，不依赖transformers等重量级依赖。deepseek-review 使用 Deepseek 进行代码审核，支持 GitHub Action 和本地 WordPress ai 助手 对接 Deepseek api 用于 WordPress 站点的 ai 对话助手、ai 文章生成、ai 文章总结插件。资料来源：DeepSeek 官方 Github 站，民生证券研究院（项目目录截止 2025 年 2 月 9 日）行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 1.2 AI 平权后，AI 应用的竞争本质是数据和入口的竞争 AI 平权只是起点，大模型本身不是产品，AI 应用才是决定 AI 商业价值的核心。伴随 DeepSeek 火爆出圈，用户纷纷体验 DeepSeek 的网页版或 APP，但由于这类产品往往是基于大模型的简单开发，用户纷纷遇到宕机、闪退 BUG 等各类问题，真正的 AI 应用需求呼之欲出。相比直接访问大模型的简单 APP，真正的 AI应用需要在大模型部署、微调，应用测试、升级运维等环节进行开发，能够满足大用户并发、用户需求的功能实现，是未来 AI 商业价值真正的核心。表2：AI 应用开发核心环节梳理 环节 相比大模型提升 大模型部署 通过选择适当的云计算环境或端侧部署，保证 AI 应用稳定、安全、低延迟、环境兼容性等 大模型微调 通过数据清晰、标注、增强、注入等操作，使 AI 应用更好满足游湖需求 应用测试 包含单元测试、集成测试、安全测试等，保证 AI 应用的安全性 升级运维 应用维护、性能监控、迭代优化等，保证 AI 应用能够及时更新 资料来源：亿欧智库，民生证券研究院 图1：AI 应用开发全流程 资料来源：阿里云开发者微信公众号，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 6 数据是 AI 应用的燃料，优质的非公开数据决定 AI 应用的上限，SaaS 积累海量高质量数据将迎来价值重估。公开数据主要用于训练基座模型（AI 应用的下限），而非公开数据是差异化竞争优势，决定 AI 应用的上限。据 theCube Research，AI 应用最终目标是实现自动工作、自动微调，需要时刻提取企业的业务逻辑和积累的数据，数据质量和规模将直接决定 AI 应用的性能。SaaS 天生具备整理、储存客户各类数据的能力，其海量优质数据将成为 AI 应用的重要胜负手。图2：数据将成为 AI 应用的胜负手 资料来源：theCube Research，民生证券研究院 Salesforce 的数据云实际上是 Agentforce 的核心竞争力。据涌现聚点微信公众号，Agentforce 能够无缝连接 Salesforce 的 Data Cloud、Customer 360等多个数据源，实时处理和分析海量数据。这种强大的数据处理能力使得Agentforce 能够提供更准确的预测和更深入的洞察。图3：数据是 Agentforce 的核心竞争力 资料来源：Salesforce，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 7 SaaS 平台将发挥显著的入口效应，不断挖掘用户的 AI 需求。SaaS 具有显著的入口效应，SaaS 平台可以根据用户需求向工作流的上游或下游延伸，不断挖掘用户的需求，在当前 AI 时代方兴未艾之际，SaaS 的入口效应更具稀缺性：1）通过 SaaS 平台更好的数据治理打造更强 AI 应用吸引用户；2）用户在 SaaS 平台将 AI 需求向工作流的上下游延伸；3）SaaS 平台更有可能通过分析海量用户 AI 需求打造 Killer APP。图4：SaaS 将发挥显著入口效应 资料来源：a16z，民生证券研究院 图5：ServiceNOW 不断扩展发挥入口效应实现持续增长 资料来源：battery，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 8 1.3 SaaS 价值重估：加速上云 AI Agent 双轮驱动 AI 时代，企服 SaaS 有望迎来远超远程办公时期的企业云化新阶段。据信通院，2020-2022 年远程办公等 SaaS 被广泛应用，业务上云趋势明显，极大提升了 SaaS 在市场中的普及度和接受度，开启企业数字化转型进程。我们预计，DeepSeek 在国内或掀起企业 AI 化转型进程，参考罗兰贝格数据，2023 年我国SaaS 占比不足 30%，相比美国与全球 60%的水平仍有较大距离。考虑到上文已经明确论述 AI 化的前提是云化，我们预计国内企业有望迎来加速上云新阶段。图6：国内企业有望迎来加速上云新阶段 资料来源：信通院，民生证券研究院 图7：2023 年全球/美国/中国云计算相关指标 图8：中国不同类型云计算市场规模预测（单位：百万元）资料来源：罗兰贝格管理咨询微信公众号，民生证券研究院 资料来源：罗兰贝格管理咨询微信公众号，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 9 AI Agent 将为企服 SaaS 打开万亿美元蓝海市场。总体来看，AI Agent 象征软件从“工具”到“数字劳动力”的范式转移，AI Agent 使得软件不再是单纯的“开支”而是“投资”，软件厂商的潜在市场规模从企业的 IT 预算扩展到真人劳动力市场，实现大幅跃迁；通用 SaaS 有望成为 AI Agent 的基础设施，将历史数据挖掘活用提升 SaaS的价值量，企业 AI 化之前必须云化，云化的厂商需要大量构建 AI Agent;垂直 SaaS 有望与通用 SaaS、大模型厂商合作共赢：垂类应用借助 AI 实现更多能力、扩大市场规模，通用 SaaS、大模型厂商借助垂类应用补全生态；AI Agent 具备更强消费属性，未来可以采取按对话次数、按 tokens 等多元化付费模式，打开软件的估值天花板。图9：AI Agent 分析框架 资料来源：民生证券研究院绘制 AI Agent 是数字劳动力，蕴含数万亿美元的市场机遇。微软 CEO 认为，传统的 SaaS 本质上是带有业务逻辑的 CRUD 数据库，而 AI Agent 可以集成所有业务逻辑并操控所有数据库；结合黄仁勋与 Salesforce CEO 的观点，AI Agent 可以自行规划、决策、选择工具完成任务，像一个真正的员工一样工作，因此 AI Agent也可以被称为“数字员工”，IT 部门未来会更像 HR 部门。因此，本质上 AI Agent的目标市场就不再是传统的 IT 预算，而是真人劳动力市场，可以达到数万亿美元。表3：科技巨头 CEO 对 AI Agent 的看法 发言人 内容 黄仁勋 AI Agent 将是下一个巨大的人工智能应用，AI Agent 可能带来万亿美元的商机。微软 CEO SaaS 将被 AI Agent 取代 Salesforce CEO AI Agent 是数字劳动力，具有数万亿美元的潜在市场规模 资料来源：开为科技微信公众号等，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 10 通用 SaaS 有望成为 AI Agent 的基础设施，云化趋势有望加速，Salesforce预计 2025 年在平台构建 10 亿 AI Agent。以 Salesforce 的 Agentforce 为例，据涌现聚点微信公众号，Agentforce 的推出标志着 Salesforce 不再满足于仅仅是一个 CRM 供应商，而是向全面的企业 AI 平台转型。它不仅能处理客户关系管理，还能涵盖企业运营的各个方面，包括人力资源、财务管理、供应链优化等。这种扩展为跨部门协作带来了新的可能性。例如，销售部门的数据可以实时流转到市场营销部门，帮助优化营销策略；客户服务的反馈可以直接影响产品开发的方向。Agentforce 成为连接企业各个部门的智能中枢，促进了信息无缝流动和协同决策。图10：Agentforce 架构图 资料来源：salesforce 官网，民生证券研究院 图11：Agentforce 使用路径 资料来源：salesforce 官网，民生证券研究院 垂类 SaaS 有望通过 AI 实现 TAM 倍增，并有望成为大模型、通用 SaaS 生态的重要组成部分。我们认为垂类 SaaS 非但不会被通用大模型直接替代，还会受益于通用大模型生态发展，核心在于垂类 SaaS 的数据几乎都不是公开数据，能力行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 11 圈在通用大模型能力圈之外，或更确切地说能力圈与通用大模型的能力圈是互补的。因此，在 AI 的赋能下。垂类 SaaS 的 TAM 有望实现数倍增长，以 Twilio 为例，据 Battery 数据，在接入 OpenAI 的大模型后，其从传统的客服系统升级为AI 客服，可以代替人类接打电话、进行营销服务等，潜在市场规模本质上可以达到 2000 亿美元（美国有 1600 万电话客服，年薪 1.2 万美元），相比公司当前 40亿美元 ARR 有 50 倍的提升；此外，大模型、通用 SaaS 厂商在扩大自身 AI 生态的过程中，相比自研产品替代，更有可能和用户量大、产品力强的垂类 SaaS 强强联合，垂类 SaaS 有望受益于大模型、通用 SaaS 带来的流量实现进一步发展。图12：垂类 SaaS 有望通过 AI 实现 TAM 倍增 资料来源：Battery，民生证券研究院 AI Agent 进一步提升软件厂商的消费属性，或提升软件厂商的估值天花板。Salesforce 的 Agentforce 产品当前采用每次对话 2 美元的定价体系，能够在传统订阅制的基础上增加更多付费单元，提升软件厂商估值天花板。图13：Agentforce ROI 计算器 资料来源：salesforce 官网，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 12 全球企业云转型、AI 化需求旺盛，推动 SAP 实现“大象起舞、浴火重生”。2024 年 1 月 SAP 宣布全面转型云化、AI 化，全年云业务收入增长 26%，达到171 亿欧元，略高于公司设定的目标区间（170 亿至 173 亿欧元）。SAP 在 2024Q4的一半云订单都包括 AI，凭借 AI 的推动，公司乐观展望营收加速成长至 2027 年。SAP 的成功验证了 AI 时代企业云化、AI 化的需求，国内 SaaS 厂商有望在 AI 时代追赶 SAP 的脚步受益于云化、AI 化浪潮。图14：SAP 通过将战略目标转向企业的云化、AI 化实现超过纳斯达克的超额收益 资料来源：ifind，民生证券研究院 图15：全球范围内企业的云化、AI 化需求旺盛 资料来源：SAP，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 13 以 PS 测算当前主要 SaaS 公司估值水平小于 2019 年至今的 PS-TTM 平均值，远小于 2020 年 PS-TTM。由于 SaaS 公司通常采用订阅制且具有较高续订率，因此可以使用 DCF 进行估值，但由于 DCF 通常需要自行设置较多参数较为复杂，以较为简单的 PS-TTM 估值衡量公司估值水平，在降息周期由于 DCF 的分母端降低，公司估值水平快速提升，SaaS 公司普遍在 2020 年达到估值最高点，并在 2021-2024 估值逐步下滑，当前国内主要 SaaS 公司估值水平普遍小于 2019年至今的平均值，远小于 2020 年估值水平。表4：A H 主要 SaaS 公司行情梳理 证券代码 证券名称 总市值（亿元）PS-TTM 估值（倍）19 20 21 22 23 24 25 19 20 21 22 23 24 25 均值 688111.SH 金山办公 756 1,895 1,222 1,220 1,460 1,325 1,729 48 84 37 31 32 27 35 42 600570.SH 恒生电子 624 1,095 908 769 546 530 571 16 26 17 12 8 7 8 13 3888.HK 金山软件 248 578 384 318 298 416 525 3 8 6 4 4 4 5 5 600588.SH 用友网络 711 1,435 1,174 830 608 367 468 8 17 13 9 6 4 5 9 0268.HK 金蝶国际 232 922 681 520 374 283 409 7 27 16 11 7 5 7 11 300454.SZ 深信服 468 1,026 794 468 303 242 306 10 19 12 6 4 3 4 8 688615.SH 合合信息/202 258/15 19 17 002410.SZ 广联达 383 934 761 714 285 194 210 11 23 14 11 4 3 3 10 002153.SZ 石基信息 417 333 431 315 266 195 203 11 10 13 12 10 7 7 10 300170.SZ 汉得信息 86 69 76 71 82 122 200 3 3 3 2 3 4 6 3 603039.SH 泛微网络 89 216 182 131 122 128 177 7 15 9 6 5 5 7 8 2556.HK 迈富时/224 162/16 12 14 300624.SZ 万兴科技 51 72 72 38 130 122 155 7 7 7 3 9 8 11 8 002123.SZ 梦网科技 154 115 138 90 89 87 114 5 4 4 2 2 2 2 3 300378.SZ 鼎捷数智 40 73 64 41 57 70 98 3 5 4 2 3 3 4 3 603859.SH 能科科技 38 49 66 44 63 73 90 5 5 6 4 4 5 7 5 2013.HK 微盟集团 69 265 164 152 73 102 79 5 13 6 8 3 5 4 6 6657.HK 百望股份/72 74/11 11 11 688095.SH 福昕软件/116 66 41 64 61 71/25 12 7 10 9 11 12 0909.HK 明源云/775 286 123 51 48 64/45 13 7 3 3 4 13 688365.SH 光云科技/105 56 32 46 48 63/21 10 6 10 10 13 12 0596.HK 浪潮数字企业 33 16 42 36 24 39 52 1 1 1 1 0 0 1 1 688369.SH 致远互联 45 59 55 53 40 23 32 6 8 5 5 4 2 3 5 9669.HK 北森控股/33 29 32/4 3 4 4 688109.SH 品茗科技/28 15 22 19 21/6 4 5 4 5 5 资料来源：iFinD，民生证券研究院整理（总市值及 PS-TTM 的 2025 年数据截止 2025 年 2 月 7 日；不同年份汇率采用对应年份 iFinD 默认汇率）行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 14 2 重点 SaaS 公司梳理 2.1 金山办公：云办公行业领先者发挥新质生产力作用 全球知名的行业领先的办公软件和服务提供商。金山办公的核心产品 WPS Office 功能丰富，支持文字、表格、演示等多种办公组件，并且不断推出新的功能和服务，如金山协作、金山会议、金山日历等，形成了完整的办公协作套件矩阵。并在 2023 年发布了基于大语言模型的智能办公应用 WPS AI，锚定 AIGC（内容创作）、Copilot（智慧助理）、Insight（知识洞察）三个战略方向发展，将 AI 在国内办公软件领域率先落地的成果带给用户。截至 2023 年 12 月 31 日，公司主要产品月度活跃设备数为 5.98 亿，公司累计年度付费个人用户数达到 3,549 万，同比增长 18.43%。2024 年 8 月 5 日发布的 2024 年度财富世界 500 强排行榜共有 133 家中国企业上榜，其中 90%的中国企业使用 WPS 365 实现提质增效。发挥新质生产力作用，助力企业数字化转型。公司面向组织级客户全新升级办公新质生产力平台 WPS 365，提供内容创作、办公协作、开放生态及数字资产管理等能力。一方面，WPS 365 中的即时通讯服务、轻维表、轻审批等功能为企业提升团队协作效率、管理研发项目、低成本搭建审批流程等提供了重要支撑；另一方面，通过 WPS 365 公有云/私有化部署的云文档系统，企业数字资产被严格加密保存云端，数据安全得到有效保障，企业在数字化转型过程中的需求得到全方位满足。截至 2023 年末，公司 WPS 365 已服务 17,000 余家头部政企客户，诸如云南、浙江、山东等地党政客户，以及上交所、中信建投和科大讯飞等知名企业客户，并形成标杆效应。图16：金山办公生产力平台 资料来源：金山办公微信公众号，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 15 2.2 金蝶国际：深度布局 ERP 软件的 SaaS 领军者 全线 SaaS 和苍穹平台接入 DeepSeek，推动 AI 应用加速落地。2 月 6 日，金蝶正式宣布，已将 DeepSeek 全面集成至金蝶云全线 SaaS 应用及金蝶云苍穹平台，为客户提供更高效、更安全、更低成本的智能解决方案。借助 DeepSeek 强大的通用智能和推理能力，金蝶将进一步帮助中国企业加速 AI 应用落地。一方面，接入了 DeepSeek 的金蝶 SaaS 应用，将拥有更智能的体验，能够帮助客户在财务管理、人力资源管理、供应链管理、制造管理、研发管理等领域和场景，持续改善业务流程、提升分析决策能力，为客户实现降本增效、智能化水平的快速提升。另一方面，金蝶也已将 DeepSeek 集成至苍穹 Agent 平台，能够帮助有定制化需求的客户更快速、更敏捷地搭建自有智能体。基于 DeepSeek 更低的推理算力成本和更安全的数据保障，苍穹 Agent 平台能够让更多企业拥有属于自己的“超级管理智能体”。图17：金蝶云苍穹平台接入 DeepSeek-R1 资料来源：金蝶云官方公众号，民生证券研究院 2024 年，金蝶更发布了苍穹 AI 管理助手及其移动形态，为财务、人力、采购、开发等多个业务场景提供个性化智能解决方案。近期，金蝶苍穹大模型也率先通过了网信办的大模型备案，成为行业内最早获得官方认证的大模型之一，彰显了金蝶在 AI 领域的领先地位和深厚技术实力。行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 16 2.3 用友网络：大模型赋能企业数智化转型 DeepSeek 赋能 BIP 平台，助力智能服务全面升级。2 月 6 日，用友 BIP 全面上线以 DeepSeek-V3 和 DeepSeek-R1 作为基座大模型的智能服务，企业客户可以通过用友 BIP3 R6 智能平台的公有云、专属云模式使用相关服务。此次上线接入在处理复杂信息、推理能力、开放性和运行成本等方面领先的 DeepSeek 大模型，是用友 BIP 智能服务的持续升级，这将进一步帮助企业提升智能体构建能力，以及企业级复杂智能服务的专业表现，实现更加智能的商业决策和业务流程，并在获得更强模型能力的同时，显著降低算力成本，为企业财务、税务、采购、供应链、营销、人力等方面数智化转型带来新动力。图18：用友数智商业创新平台用友 BIP 资料来源：用友官方公众号，民生证券研究院 作为开放的企业软件与智能服务平台，用友 BIP 智能服务在基座大模型上除了本次上线的 DeepSeek 大模型外，还为企业接入了豆包、千问、百川等多个大模型服务，实现国产企业软件与国产大模型的融合创新，为企业提供更加灵活的智能化解决方案，满足企业不同业务主题和场景的智能化需求。2.4 泛微网络：大模型 智能体共建数智化方案“DeepSeek 大模型 专业小模型 智能体”底座，构建定制化数智解决方案。2 月 6 日，泛微宣布泛微公司旗下所有产品全面接入 DeepSeek 大模型，借助泛微 2024 年发布的数智大脑 Xiaoe.AI，可快捷方便为客户搭建“DeepSeek 大模行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 17 型 专业小模型 智能体”的数智底座，并可量身定制更安全、高效、国产化的数智化解决方案，助力组织管理与业务、财务一体化数智运营升级。在接入DeepSeek大模型后，泛微将借助 DeepSeek 强大的自然语言处理、机器学习、推理等能力，显著提升泛微各项产品智能化效果以及智能体构建能力。图19：泛微网络“DeepSeek 大模型 专业小模型 智能体”架构 资料来源：泛微网络官方公众号，民生证券研究院 此次接入 DeepSeek 大模型，将进一步深化泛微智能化能力建设。同时，泛微已对接封装好各种主流大模型，包括各类公有云厂商、私有化模型等，并且支持自定义模型对接。泛微将携手更多伙伴，不断开放平台，助力更多组织实现业务全程数智化运营。2.5 致远互联：应用 AIGC 打造精品化企业服务方案 DeepSeek 模型已应用于培训、数据分析等多场景企业服务。2 月 8 日，据数智前线获悉，致远互联公司旗下 AI-COP 协同运营平台及全价值链产品已全面接入 DeepSeek 大模型。目前，以 DeepSeek-V3 和 DeepSeek-R1 作为基座大模型的智能服务已上线，并进入客户实证阶段，为客户提供更智能、高效、安全、低成本的数智运营解决方案。致远互联已经将 DeepSeek 的模型应用到了多个企业服务的场景中。例如，公司于 2024 年 12 月推出的“SeeyonTrainEx 智能培训考试系统”就深度集成了 DeepSeekV3 模型。而 DeepSeek R1 模型也用在了致远互联的数据分析平台，为数据分析赋能。致远互联原有的 AI 产品和服务也在支持 DeepSeek 的模型，比如致远互联 Agent 定制平台已经支持 DeepSeek-R1、DeepSeek-V3 等多种模型，供企业灵活选择。行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 18 图20：基于 Deepseek 大模型的数据分析场景 资料来源：数智前线，民生证券研究院 2.6 汉得信息：“数据融合 AI 驱动”的数字化产品体系 深度对接 DeepSeek 的先行者，赋能代码智能辅助等企业服务。2 月 6 日，汉得信息官宣，汉得 AI 融合平台自 2023 年 7 月推出之时，就已经明确了要具备对接主流多套大模型的能力，并于 2024 年年中完成了和 Deepseek-V2 的对接，2025 年 1 月完成了和 R1 版本的对接（V3 版本的对接随着官网 V2 模型的升级，已自动对接）。汉得信息将“训练私有模型，打造企业个性化的数字大脑”，作为AI 业务未来的重要战略方向。DeepSeek 等国产大模型近期的出色表现，无疑将推动这一需求实现的进程。汉得已在自主 PaaS 平台 H-ZERO 之上，基于DeepSeek-Coder 模型和 H-ZERO 平台的源码训练代码大模型，为企业加持代码智能辅助能力。图21：汉得信息产品矩阵 资料来源：汉得信息官方公众号，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 19 2.7 万兴科技：国内领先的数字创意软件服务提供商 率先适配 DeepSeek 模型，探索视频、绘图、文档等多场景应用。2 月 4 日，万兴科技率先完成深度求索最新推理大模型 DeepSeek-R1 的深入适配，涵盖旗下视频创意、绘图创意及文档创意软件业务多款产品。目前，万兴喵影、亿图图示、亿图脑图 MindMaster、万兴 PDF 等均已融合 DeepSeek-R1 大模型相关能力。数字创意软件与国产推理大模型的结合，将为创意软件的发展开辟全新的思路与方向。通过深度融合，创意软件能够充分利用新一代大模型强大的自然语言处理、基础数据分析以及逻辑推理等能力，中文理解的精准度提升明显，进一步提升创意软件在功能、用户体验和智能化等方面的创新，引领行业向更加智能化、高效化的未来迈进。图22：万兴科技旗下 Filmora/万兴喵影 资料来源：万兴科技官方公众号，民生证券研究院 面向 AI PC 新时代，万兴喵影正持续进行 AI 技术在视频剪辑领域的创新应用，并积极探索 AI PC 新时代下软硬结合新机遇。通过 AI 性能与 AI 应用的同步升级，万兴喵影将更好地赋能全球创作者进一步降低视频创作门槛、提升视频创作效率。2.8 梦网科技：5G 消息及云通信服务领军者 DeepSeek 集成至天慧智汇台 2.0，实现智能交互、数据分析及决策支持、多模态内容生成等多领域全面加持。至 2 月 4 日，梦网科技将 DeepSeek 大模型深行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 20 度集成至多源 AI 调度引擎“天慧智汇台 2.0”，推动消息通信服务从基础连接向智能决策升级，为行业开辟降本增效新路径。DeepSeek 基于 transformer 架构，能实现语义分析、计算推理、问答对话、篇章生成、代码编写等任务。集成该大模型能力后，天慧智汇台 2.0 的智能交互水平将大幅提升，在智能交互、数据分析及决策支持、多模态内容生成、可信 AI 体系等各环节实现突破。图23：梦网云通讯 3.0 6S 能力体系 资料来源：梦网科技官方公众号，民生证券研究院 通过加持 DeepSeek 自然语言处理技术，系统可实时解析用户需求，在消息服务中实现个性化内容响应及服务，包括实现智能客服智能体、智能导购等产品矩阵进一步升级；结合 DeepSeek 的多模态生成能力，打造智能化创作工具，实现客户需求分析、营销内容生成等环节自动化，服务效率再提升；在服务分发环节，通过 DeepSeek 数据分析能力，精准预判和决策，实现精准地服务分发；在安全方面，通过 Deepseek 进一步建立可信 AI 体系，构建通信数据隐私计算框架，引入 AI 审核技术，覆盖全流程，确保信息安全。2.9 软通动力：全面接入 DeepSeek，软硬一体商业闭环 软通动力积极拥抱 DeepSeek，展开其与软通动力 AI 战略和 AI 业务的全面融合。软通动力已率先将 DeepSeek-R1 接入天璇 MaaS 平台，支持企业开发并管理行业大模型和应用场景大模型，并通过天璇 AutoAgent 企业智能体编排平台，助力企业一站式零编码开发 AI 智能体；机械革命 AI PC 产品线也正式接入DeepSeek，推动端侧 AI 的应用普及；软通计算的昇腾 AI 工作站和 AI 服务器，则全量支持 DeepSeek 的本地化部署；天元智算大模型网关同样接入 DeepSeek行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 21 系列模型，为客户提供卓越的 AI for Science 服务。图24：DeepSeek-R1 接入天璇 MaaS 平台 资料来源：软通动力官方公众号，民生证券研究院 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 22 3 投资建议 DeepSeek 加速 AI 平权进程，先云化才能 AI 化在全球范围内形成共识，企服 SaaS 有望迎来远超远程办公时期发展机遇，考虑到当前 SaaS 公司 PS-TTM 估值处于历史较低水平，叠加 AI 应用有望带来额外增量，SaaS 企业具有戴维斯双击的潜力，建议关注：1）办公：金山办公、合合信息、福昕软件等；2）CRM：金蝶国际、用友网络等；3）OA：泛微网络、致远互联、软通动力等；4）ERP：鼎捷数智、汉得信息、能科科技、赛意信息、中国软件国际等；5）编程：卓易信息、普元信息、金证股份等；6）客服：梦网科技、彩讯股份等；7）AIGC：万兴科技、美图等；8）医疗：润达医疗、讯飞医疗等；9）金融：新致软件、税友股份、同花顺、恒生电子等；10）法律：华宇软件、金桥信息等；11）终端 AI：中科创达、萤石网络等；12）本地生活：值得买、焦点科技、光云科技等。行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 23 4 风险提示 1）技术落地不及预期。AI 技术发展具有不确定性，DeepSeek 的技术路若在 SaaS 应用落地不及预期，则可能导致相关公司展业受到影响，进而影响相关公司的收入情况。2）行业竞争加剧。由于 AI SaaS 方兴未艾，市场格局不确定，若新进入者过多或导致相关公司市场份额下降，影响利润率水平。行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 24 插图目录 图 1：AI 应用开发全流程.5 图 2：数据将成为 AI 应用的胜负手.6 图 3：数据是 Agentforce 的核心竞争力.6 图 4：SaaS 将发挥显著入口效应.7 图 5：ServiceNOW 不断扩展发挥入口效应实现持续增长.7 图 6：国内企业有望迎来加速上云新阶段.8 图 7：2023 年全球/美国/中国云计算相关指标.8 图 8：中国不同类型云计算市场规模预测（单位：百万元）.8 图 9：AI Agent 分析框架.9 图 10：Agentforce 架构图.10 图 11：Agentforce 使用路径.10 图 12：垂类 SaaS 有望通过 AI 实现 TAM 倍增.11 图 13：Agentforce ROI 计算器.11 图 14：SAP 通过将战略目标转向企业的云化、AI 化实现超过纳斯达克的超额收益.12 图 15：全球范围内企业的云化、AI 化需求旺盛.12 图 16：金山办公生产力平台.14 图 17：金蝶云苍穹平台接入 DeepSeek-R1.15 图 18：用友数智商业创新平台用友 BIP.16 图 19：泛微网络“DeepSeek 大模型 专业小模型 智能体”架构.17 图 20：基于 Deepseek 大模型的数据分析场景.18 图 21：汉得信息产品矩阵.18 图 22：万兴科技旗下 Filmora/万兴喵影.19 图 23：梦网云通讯 3.0 6S 能力体系.20 图 24：DeepSeek-R1 接入天璇 MaaS 平台.21 表格目录 表 1：DeepSeek 官方实用集成案例.3 表 2：AI 应用开发核心环节梳理.5 表 3：科技巨头 CEO 对 AI Agent 的看法.9 表 4：A H 主要 SaaS 公司行情梳理.13 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 25 分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并登记为注册分析师，基于认真审慎的工作态度、专业严谨的研究方法与分析逻辑得出研究结论，独立、客观地出具本报告，并对本报告的内容和观点负责。本报告清晰准确地反映了研究人员的研究观点，结论不受任何第三方的授意、影响，研究人员不曾因、不因、也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。评级说明 投资建议评级标准 评级 说明 以报告发布日后的 12 个月内公司股价（或行业指数）相对同期基准指数的涨跌幅为基准。其中：A 股以沪深 300 指数为基准；新三板以三板成指或三板做市指数为基准；港股以恒生指数为基准；美股以纳斯达克综合指数或标普500 指数为基准。公司评级 推荐 相对基准指数涨幅 15%以上 谨慎推荐 相对基准指数涨幅 5%之间 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 行业评级 推荐 相对基准指数涨幅 5%以上 中性 相对基准指数涨幅-5%5%之间 回避 相对基准指数跌幅 5%以上 免责声明 民生证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司境内客户使用。本公司不会因接收人收到本报告而视其为客户。本报告仅为参考之用，并不构成对客户的投资建议，不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告所包含的观点及建议并未考虑获取本报告的机构及个人的具体投资目的、财务状况、特殊状况、目标或需要，客户应当充分考虑自身特定状况，进行独立评估，并应同时考量自身的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见，不应单纯依靠本报告所载的内容而取代自身的独立判断。在任何情况下，本公司不对任何人因使用本报告中的任何内容而导致的任何可能的损失负任何责任。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、意见及预测仅反映本公司于发布本报告当日的判断，且预测方法及结果存在一定程度局限性。在不同时期，本公司可发出与本报告所刊载的意见、预测不一致的报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。在法律允许的情况下，本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问、咨询服务等相关服务，本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。若本公司以外的金融机构发送本报告，则由该金融机构独自为此发送行为负责。该机构的客户应联系该机构以交易本报告提及的证券或要求获悉更详细的信息。本报告不构成本公司向发送本报告金融机构之客户提供的投资建议。本公司不会因任何机构或个人从其他机构获得本报告而将其视为本公司客户。本报告的版权仅归本公司所有，未经书面许可，任何机构或个人不得以任何形式、任何目的进行翻版、转载、发表、篡改或引用。所有在本报告中使用的商标、服务标识及标记，除非另有说明，均为本公司的商标、服务标识及标记。本公司版权所有并保留一切权利。民生证券研究院：上海：上海市浦东新区浦明路 8 号财富金融广场 1 幢 5F；200120 北京：北京市东城区建国门内大街 28 号民生金融中心 A 座 18 层；100005 深圳：深圳市福田区中心四路 1 号嘉里建设广场 1 座 10 层 01 室；518048
2025-02-12
25页
5星级
请务必阅读正文之后的重要声明部分请务必阅读正文之后的重要声明部分DeepSeekDeepSeek 掀起算力成本革命，助推掀起算力成本革命，助推 AIAI AgentAgent 加速落地加速落地计算机证.
2025-02-11
19页
5星级
计算机/行业专题报告/2025.02.08 请阅读最后一页的重要声明！s1 和 LIMO 带来的产业启示 证券研究报告 投资评级投资评级:看好看好(维持维持)最近 12 月市场表现 分析师分析师 杨烨 SAC 证书编号：S0160522050001 相关报告 1.AI 编程对软件行业意味着什么？2025-02-04 2.Kimi 发布多模态思考模型 k1.5，对标 OpenAI o1 2025-01-26 3.豆包大模型更新至 1.5-pro，更真实、更懂你 2025-01-24 核心观点核心观点 s1-32B 模型：知识蒸馏技术实现小样本高性价比训练模型：知识蒸馏技术实现小样本高性价比训练：TechCrunch 于于 2月月 5 日报道，斯坦福大学与华盛顿大学联合研究团队在李飞飞的带领下，成日报道，斯坦福大学与华盛顿大学联合研究团队在李飞飞的带领下，成功以低于功以低于 50 美元的训练成本开发出高性能美元的训练成本开发出高性能 AI 推理模型推理模型 s1-32B。该模型在数学推理和编程能力测试中展现出与 OpenAI 的 o1 模型及 DeepSeek 的 R1 模型相匹敌的优异表现。李飞飞团队运用“测试时缩放”技术，选择开源预训练模型 Qwen2.5-32B-Instruct 作为基座模型作为基座模型，并使用包含 1000 个样本的 s1K 数据集进行监督微调，最终获得了 s1-32B 模型。训练过程仅使用了 16 块英伟达H100 GPU 进行 26 分钟的核心训练。我们认为，高质量数据是模型训练的基我们认为，高质量数据是模型训练的基石，尽管石，尽管 s1K 数据集样本量较小，但其中蕴含的丰富推理信息为数据集样本量较小，但其中蕴含的丰富推理信息为 Qwen2.5-32B-Instruct 语言模型的监督微调提供了有力支持，这也充分表明了训练数据语言模型的监督微调提供了有力支持，这也充分表明了训练数据集质量的重要性。集质量的重要性。同时，同时，未来产业的发展依然离不开基座模型能力的持续迭未来产业的发展依然离不开基座模型能力的持续迭代，我们在看到代，我们在看到 s1-32B 模型带来高性价比路径的同时，也不可忽视基座模型模型带来高性价比路径的同时，也不可忽视基座模型能力上的前期投入。能力上的前期投入。LIMO：从“更大即更强”到“少即是多”：从“更大即更强”到“少即是多”：2025 年年 2 月月 5 日，上海交大日，上海交大团队提出团队提出颠覆性观点颠覆性观点 LIMO“少即是多”“少即是多”，认为大模型的推理能力本质上是认为大模型的推理能力本质上是“潜潜伏伏”的，而非的，而非“缺失缺失”的。的。LIMO 认为，推理能力“潜伏”于预训练模型中，关键在于如何通过精确的认知模板来“激活”这些内在能力。这一突破直接挑战了“监督式微调主要导致记忆而非泛化”的传统观点，证明了高质量、小规模高质量、小规模的数据，远比低效的海量的数据，远比低效的海量数据数据训练更能激发训练更能激发 LLM 的真正推理能力的真正推理能力。产业启示：高质量数据与强大基座模型，缺一不可产业启示：高质量数据与强大基座模型，缺一不可：s1-32B 与 LIMO 模型的研究共通之处：利用高质量数据集微调预训练模型，在小样本条件下实现利用高质量数据集微调预训练模型，在小样本条件下实现高性能的模型推理能力高性能的模型推理能力。两个研究都不仅挑战了“更大即更强”的传统认知，更揭示了大模型推理能力的潜在机制。通过少量高质量的训练样本，成功激活了模型的“潜伏”能力，展示了“少即是多”的惊人效果。这些研究表明这些研究表明 AI领域正在经历一场深刻的变革，不仅揭示了高效能、低成本开发路径的可能领域正在经历一场深刻的变革，不仅揭示了高效能、低成本开发路径的可能性，同时也指出了未来性，同时也指出了未来 AI 发展的关键方向发展的关键方向高质量数据集与强大的基座模高质量数据集与强大的基座模型。在这一框架下，研究的重点从单纯追求更大规模的数据和计算资源转向优型。在这一框架下，研究的重点从单纯追求更大规模的数据和计算资源转向优化数据质量和挖掘现有模型的潜在能力。化数据质量和挖掘现有模型的潜在能力。投资建议：投资建议：见正文。风险提示：风险提示：技术迭代不及预期的风险；商业化落地不及预期的风险；政策支 持不及预期风险；全球宏观经济风险。-14%0(BV%计算机沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 1 s1-32B 模型：知识蒸馏技术实现小样本高性价比训练模型：知识蒸馏技术实现小样本高性价比训练.3 1.1“预算强制”策略优化“测试时缩放”“预算强制”策略优化“测试时缩放”.3 1.2 高效推理数据集叠加强大开源基座模型成就高效推理数据集叠加强大开源基座模型成就 s1-32B.5 2 LIMO：从“更大即更强”到“少即是多”：从“更大即更强”到“少即是多”.7 2.1 从对齐到推理，“少即是多”开拓“激活”推理能力新方向从对齐到推理，“少即是多”开拓“激活”推理能力新方向.8 2.2 高质量数据集与预训练知识，助力“激活”推理潜能高质量数据集与预训练知识，助力“激活”推理潜能.10 3 产业启示：高质量数据与强大基座模型，缺一不可产业启示：高质量数据与强大基座模型，缺一不可.12 4 投资建议投资建议.13 5 风险提示风险提示.14 图图 1.s1-32B 的测试时缩放策略下表现的测试时缩放策略下表现.3 图图 2.s1K 数据集和数据集和 s1-32B 模型模型.4 图图 3.s1-32B 的预算强制（的预算强制（budget forcing）策略示例）策略示例.5 图图 4.来自来自 OlympicArena 天文学子集的天文学子集的 s1K 样本示例样本示例.6 图图 5.s1-32B 模型分别在顺序和并行测试时缩放时表现模型分别在顺序和并行测试时缩放时表现.6 图图 6.LIMO 基准测试成绩基准测试成绩.7 图图 7.LIMO 在样本数量较少情况下，相较在样本数量较少情况下，相较 NuminaMath 有显著的提升有显著的提升.8 图图 8.LIMA 和和 LIMO 比较比较.9 图图 9.RL Scaling 与与 LIMO 的比较的比较.10 图图 10.不同质量水平的推理链训练模型的准确率比较不同质量水平的推理链训练模型的准确率比较.11 图图 11.MATH 和和 AIME 基准测试中不同问题质量训练的模型的性能比较基准测试中不同问题质量训练的模型的性能比较.11 图图 12.预训练模型选择对数学推理性能的影响预训练模型选择对数学推理性能的影响.12 图图 13.Qwen2.5-32B-Instruct、DeepSeek-R1 和和 LIMO 生成回答比较生成回答比较.12 内容目录 图表目录 nWdYjVuXiYoPoM6MbP6MoMqQnPmReRmMtRfQnMoO8OrRuNxNsQsOxNnPpP 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业专题报告/证券研究报告 1 s1-32B 模型模型：知识蒸馏技术实现小样本高性价比训知识蒸馏技术实现小样本高性价比训练练 TechCrunch 于于 2 月月 5 日报道，斯坦福大学与华盛顿大学联合研究团队在李飞飞日报道，斯坦福大学与华盛顿大学联合研究团队在李飞飞的带领下，成功以低于的带领下，成功以低于 50 美元的训练成本开发出高性能美元的训练成本开发出高性能 AI 推理模型推理模型 s1-32B。该模型在数学推理和编程能力测试中展现出与 OpenAI 的 o1 模型及 DeepSeek 的 R1模型相匹敌的优异表现。当前语言模型（LMs）的性能提升主要依赖于训练阶段的大规模计算资源投入，而测试时缩放（test-time scaling）作为一种新兴范式，通过增加测试阶段的计算量来增强模型性能，已显现出重要的应用潜力。OpenAI 的o1 模型即为典型案例，但由于其技术细节未公开，学界多次复现尝试均未能准确重现其测试时缩放特性。近日，李飞飞团队发布的论文 s1:Simple test-time scaling聚焦于探索实现测试时缩放与强化推理性能的最优路径，并发现 s1-32B 模型的准确率随着平均思考时间（计算量）的增加而提高（如图 1 所示），促进了该领域研究的开源化与透明度建设。图1.s1-32B 的测试时缩放策略下表现 数据来源：论文s1:Simple test-time scaling，财通证券研究所 1.1“预算强制”“预算强制”策略优化策略优化“测试时测试时缩放”缩放”此次 s1-32B 模型训练方法在数据处理和模型微调上均有创新策略。研究团队试图寻求最简单的方法来实现测试时缩放和强大的推理性能。数据处理数据处理：样本收集样本收集，多维度覆盖，多维度覆盖：初始收集 59,029 个样本，依据质量、难度和多样性质量、难度和多样性三大原则，从 16 个来源收集问题。质量方面，检查样本，忽略格式不佳数据集；难度上，选取需要大量推理的问题；多样性上，涵盖不同领域以覆盖不同推理任务。数据具体来源包括：NuminaMATH（30,660 个数学问题）、历史AIME 问题、Olympic Arena（4,250 个问题）、OmniMath（4,238 个竞赛级数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业专题报告/证券研究报告 学问题）、AGIEval（2,385 个问题）、s1-prob（182 个概率问题及手写解决方案）、s1-teasers（23 个脑筋急转弯问题个脑筋急转弯问题）。生成与处理生成与处理，获得三元组，获得三元组：利用 Google Gemini Flash Thinking API 为每个问题生成推理痕迹和解决方案，得到 59K 个问题、推理痕迹和解决方案的三元问题、推理痕迹和解决方案的三元组组，并对所有样本去重和净化。样本筛选样本筛选，兼顾质量、难度和多样性，兼顾质量、难度和多样性：质量筛选质量筛选，剔除错误样本，剔除错误样本：去除有 API 错误的问题，数据集减至 54,116个样本；再过滤低质量样本，如含格式问题字符串的，得 51,581 个样本；从高质量数据集中识别 384 个样本用于最终 1,000 个样本。难度筛选难度筛选，过滤低难度样本，过滤低难度样本，：用 Qwen2.5-7B-Instruct 和 Qwen2.5-32B-Instruct 评估问题难度，去除这两个模型都能正确解决的问题，样本数减至 24,496 个。多样性筛选多样性筛选，兼顾不同领域，兼顾不同领域：依数学学科分类系统，用 Claude3.5 Sonnet对问题分类。从所有领域随机均匀选一个领域，再按倾向于选推理痕迹选推理痕迹较长样本较长样本的分布抽问题，重复至获得 1,000 个样本，涵盖涵盖 50 个不同领个不同领域。域。图2.s1K 数据集和 s1-32B 模型 数据来源：论文s1:Simple test-time scaling，财通证券研究所 注：（左）s1K 是一个由 1000 个带有推理痕迹的高质量、多样化且有难度的问题组成的数据集。（右）s1-32B 是一个在 s1K 上进行微调的 320 亿参数模型，处于样本效率前沿。模型微调：模型微调：李飞飞团队运用“测试时缩放”技术，选择开源预训练模型 Qwen2.5-32B-Instruct 作为基座模型作为基座模型，并使用包含 1000 个样本的 s1K 数据集进行监督微调，最终获得了 s1-32B 模型。此外，s1 模型采用了“预算强制”（“预算强制”（budget forcing）技术来控制推理过程的持续时间，有效优化了测试时的计算效率，使其能够在更 谨请参阅尾页重要声明及财通证券股票和行业评级标准 5 行业专题报告/证券研究报告 短时间内完成复杂推理任务，同时保持高准确性。训练过程仅使用了 16 块英伟达H100 GPU 进行 26 分钟的核心训练。据论文通讯作者 Niklas Muennighoff 估算，按照当前云计算市场价格计算，复现 s1 模型所需的算力资源租赁成本仅需约 20美元。图3.s1-32B 的预算强制（budget forcing）策略示例 数据来源：论文s1:Simple test-time scaling，财通证券研究所 注：该模型试图在“是 2。”之后停止，但作者抑制了思考结束标记分隔符，而是附加了“Wait”，促使 s1-32B 自我纠正其答案。1.2 高效推理数据集高效推理数据集叠加叠加强大开源基座模型成就强大开源基座模型成就 s1-32B 构建高效推理数据集构建高效推理数据集 s1K：此次 s1-32B 模型的成功离不开 Google Gemini Flash Thinking Experimental 模型 API 提供的高质量蒸馏数据集。研究团队从 16 个不同来源收集了 59,029 个问题，并利用 Google Gemini 模型为大量初始问题生成推理痕迹和解决方案。在严格遵循质量、难度和多样性三大原则进行筛选后，得到了高质量的 s1K 数据集。经过多轮筛选，最终选出 1,000 个高质量、多样化且具有挑战性的问题及其推理痕迹，为 s1-32B 模型训练提供了严谨且优质的数据支持。在 s1K 数据集的加持下，s1-32B 模型在竞赛数学问题中表现卓越，超越了 o1-preview，并展示了在处理不同领域复杂问题上的强大潜力。我们认为，高质量数我们认为，高质量数据是模型训练的基石，尽管据是模型训练的基石，尽管 s1K 数据集样本量较小，但其中蕴含的丰富推理信息数据集样本量较小，但其中蕴含的丰富推理信息为为 Qwen2.5 32B-Instruct 语言模型的监督微调提供了有力支持，这也充分表明了语言模型的监督微调提供了有力支持，这也充分表明了训练数据集质量的重要性。训练数据集质量的重要性。谨请参阅尾页重要声明及财通证券股票和行业评级标准 6 行业专题报告/证券研究报告 图4.来自 OlympicArena 天文学子集的 s1K 样本示例 数据来源：论文s1:Simple test-time scaling，财通证券研究所 注：黑色文本是问题，黄色文本是解答。论文作者仅依据问题，使用 Gemini 生成浅蓝色的推理过程和蓝色的回答用于训练。预算强制（预算强制（Budget Forcing）策略：）策略：为实现测试时缩放，团队提出了预算强制这一创新策略。该策略通过在测试时强制设定模型思考强制设定模型思考 token 的最大和最小数量的最大和最小数量，精确控制模型的思考时间和计算量。当模型生成的思考 token 数达到或超过设定的最大限制时，自动添加结束思考令牌分隔符，促使模型输出当前最佳答案；若希望模型投入更多计算量深入思考，可抑制结束思考令牌的生成，并添加添加“Wait”字字符串，鼓励模型对当前推理进行反思和改进，从而提高答案的准确性和推理的深符串，鼓励模型对当前推理进行反思和改进，从而提高答案的准确性和推理的深度度（如图（如图 3 所示）所示），有效优化了测试时的计算效率，使其能够在更短时间内完成复杂推理任务，同时保持高准确性。最后发现，s1-32B模型在竞赛数学问题（如MATH和 AIME24）上的表现比 o1-preview 高出多达 27%，在 AIME24 测试中，准确率从 50%提升到了 57%（如图 5 所示），展现出良好的性能提升效果。图5.s1-32B 模型分别在顺序和并行测试时缩放时表现 数据来源：论文s1:Simple test-time scaling，财通证券研究所 注：(a)：预算强制显示出明显的缩放趋势，并且在一定程度上可以进行外推。(b)：蓝色虚线代表的并行缩放策略，虽然整体也呈现一定的准确率提升趋势，但相比顺序缩放，提升幅度相对较小且在进一步提高输出 tokens 数量时趋于平稳，说明并行缩放策略在该任务上的效果不如顺序缩放显著。谨请参阅尾页重要声明及财通证券股票和行业评级标准 7 行业专题报告/证券研究报告 强大的基座模型强大的基座模型是是 s1 发挥性能的基石发挥性能的基石：如果没有强大的基座模型，那么 s1-32B也是“巧妇难为无米之炊”“巧妇难为无米之炊”，我们认为 Qwen2.5-32B-Instruct 在其中发挥着不可替代的作用。s1-32B 模型通过简单的方法即实现测试时的缩放和强推理性能，对基座模型的性能和开源特性提出了较高要求。作为开源基座模型，Qwen2.5-32B-Instruct 具备多方面的优势。它在代码能力上表现卓越，在多个代码生成基准测试中成绩突出，甚至超越部分闭源模型，这体现了其强大的学习和推理能力，为 s1-32B 实现强大推理性能提供了有力的能力支撑。其开源特性更是关键，这意味着研究团队可以对其进行自由的改进和优化。研究人员在其基础上使用高质量 s1K数据集进行监督微调和预算强制策略，成功得到 s1-32B 模型，充分说明了Qwen2.5-32B-Instruct 强大基座模型的作用，是实现 s1-32B 以及类似模型训练的必要条件，未来产业的发展依然离不开基座模型能力的持续迭代，我们在看到未来产业的发展依然离不开基座模型能力的持续迭代，我们在看到 s1-32B 模型模型带来带来高性价比高性价比路径路径的同时，也不可忽视基座模型能力上的的同时，也不可忽视基座模型能力上的前期前期投入投入。2 LIMO：从“更大即更强”到“少即是多”：从“更大即更强”到“少即是多”上海交大团队提出上海交大团队提出 LIMO“少即是多”。“少即是多”。在人工智能领域，尤其是在数学推理这一终极挑战面前，“更大即更强”似乎已成为共识。海量数据和复杂的强化学习被认为是突破的关键。然而，上海交通大学的研究团队却提出了颠覆性的观点：“少即少即是多是多”。2025 年 2 月 5 日，他们提出的 LIMO（Less is More for Reasoning）研究显示，基座模型（Qwen2.5-32B-Instruct）仅需 817 条精心设计的样本，结合简单的监督微调，就能让模型在数学竞赛级别数学竞赛级别的题目上超越当前许多最先进模型，包括 o1-preview 和 QwQ 等。图6.LIMO 基准测试成绩 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 8 行业专题报告/证券研究报告 验证监督微调的强泛化能力。验证监督微调的强泛化能力。实验结果显示，在竞赛级别的美国数学竞赛邀请赛（AIME）测试中，相比传统方法（以 NuminaMath 为例），LIMO 的准确率从 6.5%飙升至 57.1%。更令人惊叹的是 LIMO 的泛化能力的泛化能力：在 10 个不同的基准测试上，它实现了 40.5%的绝对性能提升，超越了使用 100 倍数据训练的模型。这一突破直接挑战了“监督式微调主要导致记忆而非泛化”的传统观点，证明了高质量、高质量、小规模的数据，远比低效的海量小规模的数据，远比低效的海量数据数据训练更能激发训练更能激发 LLM 的真正推理能力的真正推理能力。图7.LIMO 在样本数量较少情况下，相较 NuminaMath 有显著的提升 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 2.1 从对齐到推理，“少即是多”开拓“激活”推理能力新方向从对齐到推理，“少即是多”开拓“激活”推理能力新方向 自 2023 年 LIMA（Less Is More for Alignment）提出以来，“少即是多”被认为适用于对齐（alignment）任务。只需少量高质量数据，大语言模型便能学会如何生成符合人类偏好的对话。而。而 LIMO 相关研究则将相关研究则将“少即是多少即是多”（Less is More）原则拓）原则拓展至推理领域，认为大模型的推理能力本质上是展至推理领域，认为大模型的推理能力本质上是“潜伏潜伏”的，而非的，而非“缺失缺失”的。的。LIMO的研究揭示了实现这一突破的两个核心前提：知识基础革命（知识基础革命（Knowledge Foundation Revolution）。）。近年来，大模型在预训练阶段已纳入海量数学知识。例如，比起全领域全领域训练数据只有1.8T的Llama2，Llama3 仅在数学推理数学推理上的训练数据就高达 3.7Ttoken，这意味着现代 LLM 早已“知道”大量数学知识，关键是如何“唤醒”它们。推理计算革命（推理计算革命（Inference-time Computation Scaling Revolution）。）。最新研究表明，推理链（Chain-of-Thought,CoT）的长度，与模型的推理能力密切相关。谨请参阅尾页重要声明及财通证券股票和行业评级标准 9 行业专题报告/证券研究报告 与其在训练阶段强行输入大规模监督数据，不如在推理阶段提供更优质的问题和示范，让模型自主展开深入思考。基于以上两点，研究人员提出 LIMO 假说：在知识基础已足够完善的情况下，仅在知识基础已足够完善的情况下，仅需少量高质量示例，就能通过推理链激活模型的需少量高质量示例，就能通过推理链激活模型的“潜潜伏”伏”推理能力，而无需海量推理能力，而无需海量数据数据。图8.LIMA 和 LIMO 比较 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 注：表格对比了大语言模型在通用对齐（LIMA）和复杂推理（LIMO）方面的差异。核心能力上，LIMA 侧重通用交互，LIMO 侧重复杂推理；知识基础上，LIMA 依赖通用语料和常识，LIMO 需要多样推理范式和跨领域知识；计算需求上，LIMA 要求低，LIMO 需可扩展计算和大认知空间；历史前提上，LIMA依赖基础模型和基本技术，LIMO 依赖先进架构和技术突破；训练数据质量上，LIMA 注重常见场景和格式，LIMO 强调高难度和严格验证。从从“训练新能力训练新能力”到到“激活潜激活潜伏伏能力能力”。”。传统的 RL Scaling 方法，如 OpenAI 的 o1系列和 DeepSeek-R1 试图通过大规模的强化学习训练来增强模型的推理能力。这种方法通常依赖于海量数据及复杂的算法，虽然在某些任务上取得了显著成效，但其将推理能力的提升视为一个需要大量计算资源的“搜索”过程。而 LIMO 则则认为，推理能力认为，推理能力“潜潜伏”伏”于预训练模型中，关键在于如何通过精确的认知模板来于预训练模型中，关键在于如何通过精确的认知模板来“激活”这些内在能力。这一转变将研究重点从“训练新能力”转向“激活潜“激活”这些内在能力。这一转变将研究重点从“训练新能力”转向“激活潜伏伏能力”，强调了方向的重要性能力”，强调了方向的重要性。谨请参阅尾页重要声明及财通证券股票和行业评级标准 10 行业专题报告/证券研究报告 图9.RL Scaling 与 LIMO 的比较 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 注：表格从基本原理、解决方案本质、核心挑战、方法、搜索策略、资源效率和泛化能力等方面，对比展示了 RL Scaling（如 OpenAI o1、DeepSeek-R1）通过强化学习搜索推理轨迹、资源消耗大、依赖广泛采样泛化等特点，与 LIMO 基于认知构建轨迹、资源高效、依靠理解推理模式泛化等方面的差异。2.2 高质量数据集与预训练知识，助力高质量数据集与预训练知识，助力“激活”“激活”推理潜能推理潜能 LIMO 研究发现使用少量数据提升大模型推理能力需要满足三大关键因素，即推研究发现使用少量数据提升大模型推理能力需要满足三大关键因素，即推理链质量、问题难度和预训练知识理链质量、问题难度和预训练知识（一定程度上与李飞飞团队的观点一致）（一定程度上与李飞飞团队的观点一致）。推理链的质量对大模型的推理能力有着决定性影响推理链的质量对大模型的推理能力有着决定性影响。高质量推理链不仅逻辑清晰、步骤完整，还包含自我验证环节，确保推理的正确性。而低质量推理链往往只是简单列举步骤，缺乏详细的逻辑推导。实验表明，高质量推理链（L5）与低质量推理链（L1）之间的性能差距高达 15 个百分点。这表明，精心设计的推理链不仅能帮助模型更好地理解问题，还能提高其推理的准确性和泛化能力。谨请参阅尾页重要声明及财通证券股票和行业评级标准 11 行业专题报告/证券研究报告 图10.不同质量水平的推理链训练模型的准确率比较 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 注：在对推理链质量进行评估时，论文中将其分为 L1-L5 五个等级，具体定义如下：L5：组织出色，步骤清晰、解释充分，有全面的自我验证。L4：结构良好，但检查的严谨性稍弱。L3：组织尚可，但关键逻辑跳跃有时缺乏解释。L2：推理过程简略，缺乏足够解释。L1：仅列出基本步骤，很少有详细说明，几乎没有验证。更高难度的问题能够显著提升模型的推理能力更高难度的问题能够显著提升模型的推理能力。研究人员创建了三个不同难度的问题集：Simple-500，Complex-500 和 Advanced-500，分别为它们构建高质量的推理链并训练模型。实验表明，使用 Advanced-500（竞赛级别问题）训练的模型，在基准测试中的准确率比使用 Simple-500（简单数学题）训练的模型高出 16%。图11.MATH 和 AIME 基准测试中不同问题质量训练的模型的性能比较 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 预训练知识对大模型的推理能力有着显著影响预训练知识对大模型的推理能力有着显著影响。实验对比了两种架构相同但预训练数据质量不同的模型，结果显示，Qwen2.5-32B-Instruct（预训练数据质量更高）在数学推理任务上的表现显著优于 Qwen1.5-32B-Chat，AIME24 准确率提升了准确率提升了 47个百分点。个百分点。这说明，模型的推理能力很大程度上依赖于其预训练阶段所掌握的知识。谨请参阅尾页重要声明及财通证券股票和行业评级标准 12 行业专题报告/证券研究报告 图12.预训练模型选择对数学推理性能的影响 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 3 产业启示：产业启示：高质量数据与强大基座模型高质量数据与强大基座模型，缺一不可缺一不可 s1-32B 与与 LIMO 模型的研究共通之处模型的研究共通之处：利用高质量数据集微调预训练模型，在小利用高质量数据集微调预训练模型，在小样本条件下实现高性能的模型推理能力。样本条件下实现高性能的模型推理能力。两个研究都不仅挑战了“更大即更强”的传统认知，更揭示了大模型推理能力的潜在机制。通过少量高质量的训练样本，成功激活了模型的“潜伏”能力，展示了“少即是多”的惊人效果。这些研究表明 AI 领域正在经历一场深刻的变革，不仅揭示了高效能、低成本开发路径的可能性，同时也指出了未来未来AI发展的关键方向发展的关键方向高质量数据集与强大的基座模型。高质量数据集与强大的基座模型。在这一框架下，研究的重点从单纯追求更大规模的数据和计算资源转向优化数据在这一框架下，研究的重点从单纯追求更大规模的数据和计算资源转向优化数据质量和挖掘现有模型的潜在能力。质量和挖掘现有模型的潜在能力。图13.Qwen2.5-32B-Instruct、DeepSeek-R1 和 LIMO 生成回答比较 数据来源：论文LIMO:Less is More for Reasoning，财通证券研究所 注：这张图片展示了三个模型（Qwen2-5.32B-Instruct、DeepSeek-R1、LIMO）对一道步行时间计算问题的解答过程对比。Qwen2-5.32B-Instruct：尝试解答问题，先确定步行时间是距离除以速度，列出方程，但未能正确消除上述错误陈述，出现计算错误。DeepSeek-R1：以逐步的方式尝试解答，先解析问题，定义变量，列出方程，进行计算和自我反思，最后得出答案 204 分钟。LIMO：同样逐步解答，先梳理问题，将时间单位进行正确换算，列出方程，进行计算和验证，最终得出答案 204 分钟。在解答过程中展现出思考、拟人化语气、详细计算步骤、自我验证和转换思路等特点。谨请参阅尾页重要声明及财通证券股票和行业评级标准 13 行业专题报告/证券研究报告 高质量数据集成为提升高质量数据集成为提升 AI推理能力的核心要素。推理能力的核心要素。不同于以往对海量数据的依赖，现在更强调数据的质量、难度和多样性。例如，LIMO 通过使用仅 817 条精心设计的样本实现了在数学竞赛题目上的卓越表现，这证明了少量但高质量的数据足以激发大模型的深层潜力，高质量体现在逻辑清晰、步骤完整的推理链和高难度问题。与此同时，s1-32B 模型也展示了如何利用知识蒸馏技术从更大模型中提取精华，通过 1000 条数据形成高性价比的小样本训练集。这些研究表明，精心挑选和设计的数据集能够极大地提高模型的学习效率和泛化能力，为解决实际问题提供了更加灵活且经济高效的方案。强大基座模型的重要性日益凸显。强大基座模型的重要性日益凸显。无论是 s1-32B 还是 LIMO，都基于一个强大的预训练模型进行微调，如 Qwen2.5-32B-Instruct。这种策略允许研究人员在已有丰富知识的基础上进一步深化特定领域的技能，而非从零开始构建所有能力而非从零开始构建所有能力。这种方法不仅节省了时间和成本，还使得模型能够在更复杂的任务上表现出色。展望未来，开发更加通用、知识覆盖面更广的基座模型将成为推动 AI 技术进步的重要动力，而基座模型能力的持续提升也将反向推动各类研究、产业落地的百花齐放基座模型能力的持续提升也将反向推动各类研究、产业落地的百花齐放。尽管短期内，随着尽管短期内，随着 s1 和和 LIMO 等模型展示了如何利用小规模但高质量的数据实等模型展示了如何利用小规模但高质量的数据实现高效训练，可能会出现对大规模计算资源需求的现高效训练，可能会出现对大规模计算资源需求的边际放缓边际放缓，但是会明显激发推，但是会明显激发推理端的需求提升理端的需求提升。同时同时从中长期来看，基座模型从中长期来看，基座模型能力能力仍有巨大的提升空间仍有巨大的提升空间，从而从而解锁更多的应用场景和赛道，我们需要辩证地看待算力的需求解锁更多的应用场景和赛道，我们需要辩证地看待算力的需求。一方面，随着算法的进步和优化技术的发展，我们可以期待更高效的模型架构被开发出来，这些新架构将能够在更低的算力要求下达到当前顶尖水平的表现。另一方面，多模态训练（如结合文本、图像、音频等多种类型的数据）将是未来的重要方向之一。这类训练不仅需要更强的基座模型来承载不同类型的数据特征，同时也为 AI 的应用场景带来了无限可能，比如在医疗影像分析、自动驾驶、商业分析等对幻觉敏感性更高的领域发挥重要作用，从而推动 AI 更大范围地商业化落地，带来“供给创造需求”。4 投资建议投资建议 基座模型能力的提升离不开大算力的支持，同时当前高性价比方案的出现将推动应用加速落地，激发推理需求，建议关注 AI 基座环节和垂直应用类公司：CPU/GPU 与服务器：与服务器：海光信息、协创数据、寒武纪、中科曙光、神州数码、浪潮信息、紫光股份、润泽科技、龙芯中科、云天励飞、软通动力等。AI 服务器液冷和电源环节：服务器液冷和电源环节：液冷关注英维克、曙光数创、高澜股份、申菱环境、东阳光等；电源关注欧陆通、麦格米特、中国长城等。谨请参阅尾页重要声明及财通证券股票和行业评级标准 14 行业专题报告/证券研究报告 AI 应用应用：金山办公、福昕软件、虹软科技、科大讯飞、万兴科技、美图公司、新致软件、合合信息、同花顺、恒生电子、锐明技术、萤石网络、华测导航、石头科技、九号公司、莱斯信息、盛邦安全等。5 风险提示风险提示 技术迭代不及预期的风险：技术迭代不及预期的风险：若 AI 技术迭代不及预期，大模型优化受限，则相关产业发展进度会受到影响。商业化落地不及预期的风险：商业化落地不及预期的风险：大模型盈利模式尚处于探索阶段，后续商业化落地进展有待观察。政策支持不及预期风险：政策支持不及预期风险：新行业新技术的推广需要政策支持，存在政策支持不及预期风险。全球宏观经济风险全球宏观经济风险：垂直领域公司与下游经济情况相关，存在全球宏观经济风险。谨请参阅尾页重要声明及财通证券股票和行业评级标准 15 行业专题报告/证券研究报告 分析师承诺分析师承诺 作者具有中国证券业协会授予的证券投资咨询执业资格，并注册为证券分析师，具备专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，作者也不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。资质声明资质声明 财通证券股份有限公司具备中国证券监督管理委员会许可的证券投资咨询业务资格。公司评级公司评级 以报告发布日后 6 个月内，证券相对于市场基准指数的涨跌幅为标准：买入：相对同期相关证券市场代表性指数涨幅大于 10%；增持：相对同期相关证券市场代表性指数涨幅在 5%之间；中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间；减持：相对同期相关证券市场代表性指数涨幅小于-5%；无评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。行业评级行业评级 以报告发布日后 6 个月内，行业相对于市场基准指数的涨跌幅为标准：看好：相对表现优于同期相关证券市场代表性指数；中性：相对表现与同期相关证券市场代表性指数持平；看淡：相对表现弱于同期相关证券市场代表性指数。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。免责声明免责声明 本报告仅供财通证券股份有限公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的信息来源于已公开的资料，本公司不保证该等信息的准确性、完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的邀请或向他人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司通过信息隔离墙对可能存在利益冲突的业务部门或关联机构之间的信息流动进行控制。因此，客户应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司不对任何人使用本报告中的任何内容所引致的任何损失负任何责任。本报告仅作为客户作出投资决策和公司投资顾问为客户提供投资建议的参考。客户应当独立作出投资决策，而基于本报告作出任何投资决定或就本报告要求任何解释前应咨询所在证券机构投资顾问和服务人员的意见；本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。信息披露信息披露
2025-02-10
15页
5星级
本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 计算机行业深度研究 为什么 DeepSeek 最受益方向是云产业链 2025 年 02 月 09 日 DeepSeek 给.
2025-02-10
28页
5星级
敬请参阅最后一页特别声明 1 投资建议 DeepSeek 近期推出 V3/R1/Janus-Pro 等多款大模型，凭借卓越性能和创新技术，在行业内引发强烈反响，效果显著“出圈”。其中 V3 正式训练成本仅为 557.6 万美元，约为 GPT-4 预算的 1/20；R1 性能比肩 OpenAI o1,但API 服务定价为每百万输入 tokens 1 元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元，远低于 OpenAI o1。我们认为 DeepSeek 的突破标志着国产大模型技术迈入全球领先行列，其低成本特性将带动 AI应用加速落地。在探讨大模型成本优化与算力需求之间的关系时，我们发现这两者并不是简单的此消彼长，而是相互促进、共同发展的关系。“杰文斯悖论”认为，随着蒸汽机效率的提升，煤炭的消耗量反而增加了。模型算力效率的突破，虽然看似会影响单位计算的价格，进而压缩高性能芯片供应商的利润空间，但从长远来看，这将加速 AI 的普及和创新，带来算力需求的更大量级提升。定价的持续走低有望带来更快的商业化落地，进而衍生出更多的微调和推理需求，逐步激活全球 AI 应用及算力发展。在推理侧算力成本降低之后，“算力平权”将有望加速端侧 AI 和 Agent 应用落地。同时落地应用也带来网络安及信创建设需求，相关板块将迎来投资布局机会。端侧 AI 方面，DeepSeek 推动端侧推理成本压缩，AI 眼镜、AI 耳机、AI 学习机、AI 玩具有望四面开花：1）AI 眼镜：AI 眼镜在软件技术方面与智能手机有较多相似之处，在手机领域布局较深的产业链公司有望收益：比如雷鸟 V3 使用虹软科技的 AI 视觉算法猎鹰影像系统；闪极 AI 拍拍镜由云天励飞提供万物识别功能、由科大讯飞提供复杂环境语音识别、多语言翻译等核心技术。2）AI 耳机：科大讯飞相关团队自 2011 年起专注 AI 耳机领域，最新推出的 Pro2 提供三种录音转写、viaim ai 助理、多语种翻译等功能，产品定位商务人群价格较高。若后续将生活娱乐、AI 语音交互等功能延伸至耳机端侧、或与其他硬件融合，则相关产品销量有望大幅提升。3）AI 学习机：学而思、作业帮、科大讯飞为线上销售额 top3，市场份额分别为 28%、25%、13%，其中，价格在 6,000 元以上的高端学习机多搭载更优质的教学资源和 AI 功能，学而思和科大讯飞分别位列线上市场的销量和销售额首位。4）AI 玩具：目前发布的产品核心功能基本一致，包括语音识别、自然语言处理和机器学习，希望通过拟人、拟动物，以及拟 IP 的方式，与用户进行视/听/触多维度交互，萤石网络、汉王科技、汤姆猫、蜂助手均有布局。Agent 方面，指一种能够独立执行任务、做出决策并与其他系统或用户交互的软件程序或算法。智能体可以执行各种任务，从简单的自动化任务到复杂的决策支持系统。Agent 能够接受用户的自然语言请求，具有主动性，能够自动拆解任务并在多个应用程序中无缝协作，目前在企业服务、教育、医疗健康、智能制造、创意软件领域均有布局。以 DeepSeek 为代表的国产模型迅速崛起，也因此遭受了网络恶意攻击，这警示大模型厂商提升网络安全能力刻不容缓。国内多家网络安全公司积极响应 AI 技术进步带来的业务需求，同时也有望借助大模型能力实现防护能力提升和降本增效。此外，AI 大模型自主可控已迫在眉睫，除了软件核心组件自主可控以外，硬件产业链的国产替代需求旺盛。2025 年是十四五收官之年，预期信创推进政策及配套财政支持政策快速落地，预计上半年信创产业链相关公司的订单回暖将会出现重要信号。投资建议 建议关注国内生成式大模型龙头科大讯飞；AI 硬件有望成为应用落地的新载体，建议关注萤石网络、虹软科技等；AI 相关功能打磨能够带动 C 端应用月活量、付费率提升，建议关注金山办公、万兴科技等。风险提示 底层大模型迭代发展不及预期，国际关系风险，应用落地不及预期，行业竞争加剧风险。行业专题研究报告 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录内容目录 1.DeepSeek 强势崛起，国产大模型技术大幅跃升.3 2.推理侧算力成本降低之后：算力普及化井喷 端侧/Agent 加速落地.6 2.1 Deepseek 对算力影响几何？推理成本较 o1 降数量级，有望推动算力普及化井喷.6 2.2 端侧 AI：Deepseek 推动端侧推理成本压缩，眼镜 耳机 学习机 玩具四面开花.9 2.3 AI Agent：强推理模型性能持续提升，Agent 应用落地有望全面提速.12 2.4 AI 安全：大模型厂商急需全方位加强防护，网安及信创板块迎来布局机会.14 3.投资建议.15 4.风险提示.17 图表目录图表目录 图表 1：DeepSeek-V3 性价比远超 GPT-4o 和 Claude 3.5 Sonnet.3 图表 2：DeepSeek-R1 在 V3 之上再提升.3 图表 3：DeepSeek-R1 推理 API 定价远低于 OpenAI-o1.3 图表 4：DeepSeek 通过多种方式实现训练成本极致压缩.4 图表 5：R1 在 V3 基础模型上进行微调和强化学习.5 图表 6：Janus-Pro 7B 在理解和生成两方面都超越了 LLaVA、Dalle 3 和 SD XL 等主流选手.6 图表 7：通用人工智能有望开启第四次工业革命.7 图表 8：1860 年起英国煤炭消耗量上行约一个世纪.8 图表 9：1920 年起美国原油消耗量大幅上行.8 图表 10：Deepseek 推动 AI 算力效率拐点显现.8 图表 11：技术革命的周期性示意图.9 图表 12：各品牌代表性 AI 眼镜产品情况.10 图表 13：手机、互联网及上市公司的代表性 AI 耳机产品情况.10 图表 14：24 年我国学习平板线上销量情况.11 图表 15：科大讯飞占学习平板线上销售额的 13%.11 图表 16：海内外 AI 玩具产品情况.11 图表 17：LLM 驱动的 GUI Agent 的发展历程.12 图表 18：AI agents 应用场景.13 图表 19：全球基于 AI 的网络安全市场规模快速增长.14 图表 20：永信至诚春秋 AI 测评“数字风洞”平台.15 图表 21：建议关注 DeepSeek 相关产业链投资机会.16 行业专题研究报告 敬请参阅最后一页特别声明 3 扫码获取更多服务 1.DeepSeek 强势崛起，国产大模型技术大幅跃升 DeepSeek 近期推出了多款大模型，凭借卓越性能和创新技术，迅速在行业内引发强烈反响，效果显著“出圈”。我们认为 DeepSeek 的突破标志着国产大模型技术迈入全球领先行列，其低成本特性将带动 AI 应用加速落地。2024 年 12 月深度求索推出 DeepSeek-V3，以极低的训练成本，实现了与国际顶尖模型相媲美的性能。具体而言，DeepSeek-V3 在知识类任务（MMLU,MMLU-Pro,GPQA,SimpleQA）上的水平相比前代 DeepSeek-V2.5 显著提升，接近当前表现最好的模型 Claude-3.5-Sonnet-1022；长文本测评、代码生成、数学方面平均表现超过其他模型；中文能力与 Qwen2.5-72B 相近。DeepSeek-V3 采用 MoE 架构，参数规模 671B，激活 37B，在 14.8T token 上进行了预训练。根据 DeepSeek-V3 论文，其正式训练成本仅为 557.6 万美元，约为 GPT-4 预算的 1/20。模型完全开源，API 价格为每百万输入 tokens 0.1 元（缓存命中）/1 元（缓存未命中），每百万输出 tokens 2 元，显著低于 Claude 3.5 Sonnet 和 GPT-4o。图表图表1：DeepSeek-V3性价比远超性价比远超GPT-4o和和Claude 3.5 Sonnet 来源：DeepSeek 公众号，国金证券研究所 2025 年 1 月 20 日，深度求索发布正式版 DeepSeek-R1 模型，是基于 V3 基础模型进行微调和强化学习得到的，模型同步开源并实现性能再度提升，在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。此外，深度求索还在 R1 的基础上蒸馏了 6个开源小模型，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。DeepSeek-R1 API 服务定价为每百万输入 tokens 1 元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元，价格远低于 OpenAI-o1。图表图表2：DeepSeek-R1在在V3之上再提升之上再提升 图表图表3：DeepSeek-R1推理推理API定价远低于定价远低于OpenAI-o1 来源：DeepSeek 公众号，国金证券研究所 来源：DeepSeek 公众号，国金证券研究所 行业专题研究报告 敬请参阅最后一页特别声明 4 扫码获取更多服务 DeepSeek-V3 和 R1 均具备低成本和高性能的特点，在使用经典 Transformer 解码器模块堆叠和 GPT-2/3 的架构范式基础上进行了多种算法创新。低成本：低成本：DeekSeek-V3/R1 模型降低训练成本主要依赖模型压缩、并行计算和提升硬件使用效率等方法。模型压缩：包括使用多层注意力（Multi-Layer Attention,MLA）和 FP8 混合精度训练等。1）MLA：传统 Transformer 中每一层都需要完整的计算和存储，其中的 Key 和Value 矩阵往往占用大量内存空间，而 MLA 通过压缩和复用前序层的 K、V 来减少内存占用和计算量。DeepSeek 通过 Key/Value 的低秩压缩使得的训练内存占用减少了 20-30%，此外还通过对 Query 的低秩压缩，减少了计算过程中的激活内存占用。2）FP8 混合精度训练框架：FP8 用 8 个二进制位来表示数字的格式，相比传统的 FP32 和 FP16 格式，精度有所降低，但是占用空间小、计算快。DeepSeek在采用 FP8 格式时，采用了“混合精度”的方案，即在 8 位/16 位/32 位之间切换，相较原始方法计算速度提升一倍，并显著降低内存消耗。并行计算：在系统架构层面，DeepSeek 使用了专家并行训练技术，通过将不同的专家模块分配到不同的计算设备上同时进行训练，提升了训练过程中的计算效率。在计算和通信重叠方面，DeepSeek 创新使用 DualPipe 方法进行多任务并行处理，能够让模型在进行计算的同时，在后台已经开始准备下一步需要的数据传输。这种设计确保了通信开销被很大程度地隐藏在计算过程中，极大提升了整体效率。根据 DeepSeek 的技术报告，DualPipe 算法减少了 50%的计算气泡，有效隐藏了通信开销。此外，DeepSeek-V3/R1 还进行无辅助损失负载均衡、跨节点通信优化，全面提升模型训练效率、降低训练成本。图表图表4：DeepSeek通过多种方式实现训练成本极致压缩通过多种方式实现训练成本极致压缩 技术创新技术创新 训练效率训练效率 影响影响 推理效率推理效率影响影响 模型能力模型能力 影响影响 部署友好部署友好性性 影响影响 MLA架构 Key/Value 低秩压缩 减少训练内存和计算开销 降低 K/V缓存内容 保持模型性能 降低部署内存 需求 Query 低秩压缩 降低激活内存占用-保持模型性能-FP8 混合精度训练混合精度训练 简化训练流程，提升训练稳定性-精度损失0.25%-DualPipe 算法算法 减少 50%流水线气泡，优化通信开销-无辅助损失负载均衡无辅助损失负载均衡 提升训练稳定性，避免序列内平衡开销-增强专家分化效果 简化部署流程 跨节点通信优化跨节点通信优化 提升贷款利用率-支持大规模部署 来源：腾讯科技公众号，国金证券研究所 高性能：高性能：DeepSeek-V3 模型的高性能源于参数量较大、训练数据质量高，并使用MTP技术进行架构革新，而R1在 V3 基础模型上进行蒸馏，进一步提升了模型能力。参数量：DeepSeek-V3 的总参数量有 671B，每个 token 激活 37B 参数。整体参数总量比 Llama 3.1 的 405B 高，也远超 Qwen 2.5 的 72B。在 Scaling Law尚未碰壁的情况下，较高的模型参数量利于性能提升。数据精筛：DeepSeek-V3 采用了更多元化的数据获取策略。基础训练数据来源于经过严格筛选的 CommonCrawl 语料库，研发团队还引入大规模的代码数据集、数学推理数据、科学文献等。在数据清洗环节，DeepSeek 采用了专有的数据过滤算法，删除低质量、不完整的数据。团队还通过数据混合采样策略和课程学习方法，进一步优化了训练过程中的数据使用效率。多 token 预测（MTP）：传统语言模型一次只预测一个 token 的范式，使用 MTP后模型会同时预测多个连续位置的 token。这种并行预测机制不仅提高了训练效率，还让模型能够更好地捕捉 token 之间的依赖关系。在保持输出质量的同时，行业专题研究报告 敬请参阅最后一页特别声明 5 扫码获取更多服务 模型整体性能提升 2-3%。SFT 微调和大规模强化学习：R1在 V3 的基础模型上进行 SFT 微调和强化学习，继承了 V3 的低成本特性，并在推理方面表现更优。R1 的训练分为两个阶段：1）有监督微调（SFT）：这一环节使用 2 类数据，一是来自中间推理模型生成的 60 万个长思维链推理示例，二是 20 万个来自 V3 模型生成的与非推理训练样本相关的数据。其中，中间模型是使用强化学习方法对 V3 的基础版本进行训练得到的，其推理能力已经与 OpenAI o1 相近，在训练过程中模型思维链长度逐步增加。在微调过程中，DeepSeek 还引入数千条高质量、包含长思维链的冷启动数据，显著提升了模型的可读性和多语言处理能力。2）通用强化学习：针对非推理类应用场景进行了扩展优化通过引入实用性奖励模型与安全性奖励模型（类似 Llama 模型的机制）对相关应用的提示进行多维评估。这种复合奖励机制确保模型在扩展应用边界时，既能保持输出有效性，又能遵循安全伦理规范。图表图表5：R1在在V3基础模型上进行微调和强化学习基础模型上进行微调和强化学习 来源：Language Models&Co.，国金证券研究所 除 V3/R1 外，DeepSeek 在 2025 年 1 月 28 日凌晨，再发两款多模态框架Janus-Pro 和 JanusFlow。图像理解和图像生成统一的多模态模型训练难度较高，而 DeepSeek 通过为模型配置双头编码器，分别单独负责理解和创作，成功突破训练瓶颈；规避了ImageNet 数据集不真实的问题，直接使用真实的文生图数据进行训练，使得训练时间减少 40%、生成质量提升 35%、模型对真实场景的适应性大幅提升。Janus-Pro 是一款统一多模态理解与生成的创新框架，包括 1.5B 和 7B 两个模型，Janus-Pro 运用 Transformer 架构，将文本、图像、音频等多种模态的数据进行统一处理，实现对不同模态信息的理解与生成。在图像生成领域，Janus-Pro 在基准测试中表现优于 OpenAI 的 DALL-E 3 以及 Stable Diffusion 3 Medium 等；在多模态理解领域，其在 MMBench 评分超过此前最佳水平。JanusFlow-1.3B 是多模态理解模型，参数量仅为 1.3B，将基于视觉编码器和 LLM的理解框架与基于 Rectified Flow 的生成框架直接融合，实现了两者在单一 LLM 中的端到端训练。JanusFlow-1.3B 在视觉理解和生成任务上均超过此前同规模的统一多模态模型。行业专题研究报告 敬请参阅最后一页特别声明 6 扫码获取更多服务 图表图表6：Janus-Pro 7B在理解和生成两方面都超越了在理解和生成两方面都超越了LLaVA、Dalle 3和和SD XL等主流选手等主流选手 来源：腾讯科技公众号，国金证券研究所 2.推理侧算力成本降低之后：算力普及化井喷 端侧/Agent 加速落地 2.1 Deepseek 对算力影响几何？对算力影响几何？推理成本较推理成本较 o1 降数量级，有望推动算力普及化井喷降数量级，有望推动算力普及化井喷 Deepseek 性能对齐 OpenAI 最新模型水平，推理成本相比 o1 降数量级。Deepseek 的推理成本低至每百万 Token 0.14 美元，相比 OpenAI-o1-mini 低了一个数量级。Deepseek的 LLM（如 V3、R1）基于混合专家（MOE）和多重潜在注意力（MLA）架构，显著降低训练和推理成本（训练成本仅为 Meta Llama 的 10%，推理成本为 OpenAl 的 1/7）。在探讨大模型成本优化与算力需求之间的关系时，我们发现这两者并不是简单的此消彼长，而是相互促进、共同发展的关系。微软首席执行官曾引用“杰文斯悖论”来阐释这一现象，杰文斯在其著作 煤炭问题 中指出，随着蒸汽机效率的提升，煤炭的消耗量反而增加了。这一悖论的核心在于：技术进步提高了资源的使用效率，而效率的提高降低了资源的使用成本，进而刺激了资源需求的增长。这种增长有时甚至超过了效率提升所带来的节约，最终导致资源总消耗量的增加。我们认为，工业革命的本质是以新一代生产力工具的大范围应用为核心，以主体能源为基础动力的全局性经济范式转型。历史上共发生过三次工业革命，我们认为，本轮通用型人工智能发展浪潮有望启动第四次工业革命：第一次技术革命：生产力工具：蒸汽机；主体能源类型：煤炭。第二次技术革命：生产力工具：内燃机；主体能源类型：石油。第三次技术革命：生产力工具：计算机；主体能源类型：电力。第四次技术革命：生产力工具：通用人工智能；主体能源类型：算力。行业专题研究报告 敬请参阅最后一页特别声明 7 扫码获取更多服务 图表图表7：通用人通用人工智能有望开启第四次工业革命工智能有望开启第四次工业革命 第第 X 次次 工业革工业革命命 生产力生产力变革变革 能源动能源动力变革力变革 关键事件驱动关键事件驱动 第一次第一次 蒸汽机 煤炭 17631775 年，瓦特在马修博尔顿的支持下着手改良蒸汽机；1776 年，瓦特设计的蒸汽机进行商业化应用。1829 年，蒸汽动力机车“火箭号”在利物浦到曼彻斯特的铁路上试验成功。全国性铁路网络的建设促进了物流效率的提升与社会分工的加速，进而推动了标准零部件生产的规模经济雏形诞生。第二次第二次 内燃机 石油 1860 年，比利时工程师艾蒂安勒努瓦以蒸汽机为蓝本，制成了首台以天然气为燃料的燃气发动机。18621876 年，德国工程师尼古拉斯奥托将内燃机的热效率提升至 10%；1876 年，奥托制成了四冲程循环的内燃机。1885 年，戈特利布 戴姆勒制成了第一台汽油机，并于次年造出第一辆用汽油机驱动的汽车。1908 年，第一辆 T 型车从密歇根州底特律的福特工厂下线，福特汽车开启了大规模流水线装配的生产时代，为规模经济的工厂组织形态奠基。1924 年，意大利建成了世界上第一条高速公路 A8，连接米兰和瓦雷泽，全长约 40 公里，标志着高速公路时代的开始。1956 年，美国通过联邦援助公路法案，开工建设彼时世界上最大的公路网络。第三次第三次 计算机 电力 1943-1945 年，美国的 ENIAC（电子数值积分计算机）完成，这是第一台完全电子的通用计算机，能够重新编程以执行各种任务。1971 年，全球第一款商用微处理器英特尔微处理器 4004 问世。1974 年，罗伯特 卡恩和文顿 瑟夫提出 TCP/IP，定义了在电脑网络之间传送报文的方法。1983 年，苹果电脑公司推出全球第一款搭载图形界面的个人电脑 Apple Lisa。1990 年，蒂姆伯纳斯-李创建了第一个网页浏览器、第一个网页服务器和第一个网站，开启 PC 互联网时代。2007 年，初代 iPhone 面世，开启移动互联网时代。两轮互联网革命将实现了全球范围内的信息交流与远程通讯，降低沟通成本，促使全球人员协作成为可能。第四次第四次 通用人工智能 算力 1997 年，IBM 深蓝战胜国际象棋世界冠军加里卡斯帕罗夫。2016 年，AlphaGo战胜围棋世界冠军李世石。2017 年，Attention Is All You Need 发表，Transformer模型问世，后续成为 AI 大模型的主流选择。2022 年，OpenAI 旗下大语言模型产品 ChatGPT 问世。2023 年，OpenAI 旗下多模态大模型 GPT4 与 Google 旗下多模态大模型 Gemini 相继问世。2024 年，OpenAI 旗下 Text to Video/Image 大模型 Sora 问世。大模型时代动辄千亿参数的训练需要巨量的算力资源支撑，以 GPU为代表的芯片或将成为通用人工智能时代的新能源。AI 与软件结合有望替换文书、设计与管理劳动工作，AI 与硬件结合以机器人形态有望取代体力劳动工作。来源：Wikipedia，Carlota Perez技术革命与金融资本泡沫与黄金时代的动力学，中国科学院人工智能的历史、现状和未来，国金证券研究所 历史上历次技术革命所涉及的主体能源都会随新一代生产力工具广泛应用而呈现能源需求持续上行的阶段，以煤炭和石油两种一次化石能源为例说明：以瓦特蒸汽机的大范围应用为代表的第二次技术革命最早在英国展开，后续逐渐扩散至欧洲大陆和美国。1860 年起，英国煤炭消耗量上行约一个世纪，达峰之后逐渐回落，18601920 年英国煤炭消耗量的快速爬升主要受益于蒸汽机在铁路运输、纺织、制造、采矿等各行业的广泛应用（1882 年以后同时受益于煤电厂的兴建）。以内燃机的大范围应用为代表的第三次技术革命最早在美国和德国展开，后续逐渐扩散至欧陆各国。1920 年起，美国原油生产量持续保持高速爬升，1970s，美国国内石油开采量放缓，对海外原油进口飙升，国内石油需求持续增长。行业专题研究报告 敬请参阅最后一页特别声明 8 扫码获取更多服务 图表图表8：1860年起英国煤炭消耗量上行约一个世纪年起英国煤炭消耗量上行约一个世纪 图表图表9：1920年起美国原油消耗量大幅上行年起美国原油消耗量大幅上行 来源：FTBritain passes historic milestone with first days of coal-free power，国金证券研究所 来源：U.S.Energy Information Administration,Annual Energy Review 2009，国金证券研究所 在当今数字经济中，算力的重要性堪比“水电煤”。Deepseek 的技术方向和开源定位，正是推动算力普及化革命的关键因素。我们认为，高资源使用效率不仅不会减少算力的消耗，反而可能因为使用成本的降低，刺激了更大的算力需求，最终导致算力总消耗量的增加。图表图表10：Deepseek推动推动AI算力效率拐点显现算力效率拐点显现 来源：甲子光年智库，国金证券研究所 模型算力效率的突破，虽然看似会影响单位计算的价格，进而压缩高性能芯片供应商的利润空间，但从长远来看，这将加速人工智能的普及和创新，带来算力需求的更大量级提升。定价的持续走低有望带来更快的商业化落地，进而衍生出更多的微调和推理需求，逐步激活全球 AI 应用及算力发展。因此，技术进步提高了资源使用的效率，不仅没有减少这种资源的消耗，反而因为使用成本降低，刺激了更大的需求，最终导致资源使用总量反而上升。行业专题研究报告 敬请参阅最后一页特别声明 9 扫码获取更多服务 图表图表11：技术革命的周期性示意图技术革命的周期性示意图 来源：甲子光年智库，国金证券研究所 2.2 端侧端侧 AI：Deepseek 推动端侧推理成本压缩，眼镜推动端侧推理成本压缩，眼镜 耳机耳机 学习机学习机 玩具四面开花玩具四面开花 Deepseek 对推理算力的压缩能够降低端侧 AI 成本。近日，英特尔公布，Deepseek 目前能够在英特尔产品上运行，也可以在 AI PC 上实现离线使用。在其最新发布的酷睿 Ultra 200H（Arrow Lake H）平台上，Deepseek-R1-1.5B 模型能够顺利运行，在因式分解演示中，能够迅速演绎逻辑思维，并最终解决数学难题，突破难关。小米、比亚迪等企业迅速接入 API，特斯拉中国区客服宣布测试 Deepseek 语音助手，称其“中文理解能力优于现有系统”。OPPO、荣耀宣布年内推出搭载 Deepseek 轻量版模型的智能眼镜，可实现实时同声传译和 AR 导航。AI 眼镜：眼镜：有望成为最能承载 AI 应用的新硬件产品，参与玩家众多，深耕手机算法的计算机厂商有望受益。目前该赛道的玩家包括 AR 眼镜厂商、互联网大厂、手机厂商、AI 创业公司等，在 2025 CES 中参展的 AI 及 AR 眼镜数量达到 47 个，提供的主要功能包括拍摄、AR 显示、语音交互、翻译等，竞争较为激烈。根据 Wellsenn 预测，2025 年全球 AI 智能眼镜将进入新品密集发布期，出货量有望达 400 万副，到 2030年出货量有望增长至 8000 万副。AI 眼镜在软件技术方面与智能手机有较多相似之处，在手机领域布局较深的产业链公司有望收益：比如雷鸟 V3 使用虹软科技的 AI 视觉算法猎鹰影像系统；闪极 AI 拍拍镜由云天励飞提供万物识别功能、由科大讯飞提供复杂环境语音识别、多语言翻译等核心技术。行业专题研究报告 敬请参阅最后一页特别声明 10 扫码获取更多服务 图表图表12：各品牌代表性各品牌代表性AI眼镜产品情况眼镜产品情况 发布时间发布时间 品牌品牌 产品名称产品名称 价格价格 主要功能主要功能 2012 谷歌 Google Glass 1500 美元 拍摄、AR 显示、语音交互、AR 导航、语音播报 2022.8 小米 小米家眼镜相机 2699 元 AR 显示、拍摄、翻译、语音交互 2022.9.21 亮亮视野 听语音 AR 字幕眼镜 2999 元 AR 显示、语音交互、AI实时字幕 2022.9.30 雷朋&Meta Meta RayBan 299 美元 拍摄、语音交互、AI问答、AI翻译 2023.9 华为 华为智能眼镜 2 1699 元 语音播报、语音交互 2024.2.26 OPPO OPPO Air Glass 3 AR 显示、语音交互、AI能力 2024.4.26 李未可 Meta Lens Chat 699 元 AI语音交互、AI问答、翻译、语音导航 2024.11.12 百度 小度 AI眼镜 拍摄、语音交互、AI能力 2024.11.18 Rokid Rokid Glasses 2499 元 拍摄、AR 显示、语音交互、AI识物、AI问答、AI助手、AI导航 2024.11.29 影目 INMO GO2 3299 元 AR 显示、语音交互、AI同传翻译 2024.12.19 闪极 AI拍拍镜 1499 元 拍摄、语音交互、AI助手、录音 2025.1.7 雷鸟 雷鸟 V3 1699 元 拍摄、AI问答、AI搜索、AI识物、AI实时翻译、AI记录提醒 来源：智东西公众号，国金证券研究所 AI 耳机：耳机：主要提供办公效率辅助功能，多款产品接入第三方大模型。目前 AI 耳机赛道中的玩家包括：1）传统手机厂商如华为、小米、三星等，AI 耳机通常与手机绑定，可以用于唤醒手机端智能体；2）传统耳机制造商，如飞利浦、纽曼等，使用腾讯、百度等第三方大模型，可唤醒对应的手机 APP；3）互联网及 AI 厂商，科大讯飞相关团队自 2011 年起专注 AI 耳机领域，最新推出的 Pro2 提供三种录音转写、viaim ai助理、多语种翻译等功能，产品定位商务人群价格较高。各家 AI 耳机均定位为生产力工具，提供同传翻译、语音转文字等功能，功能较为局限，若后续能够拓展至生活娱乐场景、AI 语音交互等功能延伸至耳机端侧、或与其他硬件融合，则相关产品销量有望大幅提升。图表图表13：手机、互联网及上市公司的代表性手机、互联网及上市公司的代表性AI耳机产品情况耳机产品情况 品牌品牌 产品名称产品名称 价格价格 主要功能主要功能 上市时间上市时间 华为华为 FreeBuds Pro4 1499 元 同传、小艺智能体 2024.11 小米小米 Xiaomi Bus 5 699 元 语音转文字、生成会议纪要 2024.7 三星三星 Galaxy Buds 3 999 元 同传、多语种翻译 2024.7 飞利浦飞利浦 飞利浦 8 号 1199 元 接入腾讯混元大模型、录音转文字、AI会议总结 2024.5 字节跳动字节跳动 Ola Friend 1199 元 接入豆包智能助手、旅行导游、英语陪练 2024.10 百度百度 小度 G108 耳机 499 元 同传、连接小度 APP 2024.10 科大讯飞科大讯飞 IFLYBUDS Pro2 1969 元 录音转写、同传听译、AI会议助理 2024.5 来源：定焦 One 公众号，国金证券研究所 AI 学习机：学习机：学习平板销量稳步增长，融合 AI 功能的高端学习机占比提升明显。根据行业专题研究报告 敬请参阅最后一页特别声明 11 扫码获取更多服务 洛图科技数据，2024 年，中国学习平板市场全渠道销量为 592.3 万台，同比 2023年增长 25.5%，受到学生寒暑假影响，6 月、12 月销量较高；全年销售额为 190.6亿元，同比 2023 年增长 37.6%。学习平板线上市场的零售量达 393.7 万台，在全渠道中的占比为 66.5%；学而思、作业帮、科大讯飞为线上销售额 top3，市场份额分别为 28%、25%、13%。从价格区间来看，价格在 6,000 元以上的高端学习机多搭载更优质的教学资源和 AI功能，24 年其线上市场份额达 12%，较 23 年增加 5.4pct，在这一细分市场中，学而思和科大讯飞的贡献较大，分别位列线上市场的销量和销售额首位。图表图表14：24年我国学习平板线上销量情况年我国学习平板线上销量情况 图表图表15：科大讯飞占学习平板线上销售额的科大讯飞占学习平板线上销售额的13%来源：奥维睿沃，国金证券研究所 来源：奥维睿沃，国金证券研究所 AI 玩具：玩具：目前发布的产品核心功能基本一致，包括语音识别、自然语言处理和机器学习，希望通过拟人、拟动物，以及拟 IP 的方式，与用户进行视/听/触多维度交互。受到功能和 IP 溢价影响，AI 玩具的价格差异较大。相较于 AI 眼镜、AI 学习机、智能音箱等产品，AI 玩具依托玩偶、宠物和知名 IP 为载体，能够提供更多陪伴和情感支持，该领域更容易出现爆款产品，比如官方售价449元的AIGC玩具挂件 BubblePal，开售首月 GMV 突破 400 万。图表图表16：海内海内外外AI玩具产品情况玩具产品情况 品牌品牌 产品名称产品名称 价格价格 主要功能主要功能 上市时间上市时间 字节跳动字节跳动 显眼包 未公布 内嵌豆包大模型、扣子专业版等 AI技术，可以与人进行对话交互和情感交流 2024.9 Vanguard Moflin 2779 元 聊天，与主人交流后能以多种方式改变自己的情绪，包括愤怒、悲伤、快乐，并像真实的生物一样做出反应 2024.11 Folotoy Fofo、Catus、Kola、Magicbox 等 10-1299 元 可接入大模型的 AI 玩具，内置 7 种角色，家长可设计角色对话和克隆声音 2024.4-11 亿家亿伴亿家亿伴 爱小伴 899-1399 元 基于专有儿童语料，提供信息交互、外部知识、长期记忆，可以陪孩子讲故事、过家家、主动情绪互动等 2024.12 奥飞娱乐奥飞娱乐 喜羊羊超能铃铛娃娃 399 元 结合“喜羊羊”形象和小冰大语言模型，提供 AI智慧畅聊 2024.5 实丰文化实丰文化 AI魔法星 未公布 支持面向家庭提供 AI故事共创、定制爸爸妈妈的声音讲故事、AI全场景问答和连续对话等功能 2025.1 Haivivi 跃跃然创新然创新 BubblePal 399 元 魔法灯泡挂件，可让玩具开口说话，通过 App 控制，结合多种模型保证响应和对话质量 2024.7 汉王科技汉王科技 Go Go Bird 未公布 主要面向青少年人群，主攻 STEAM 教育和航模方向，是一款寓教于乐的智能性玩具。产品模块化的2021.9 行业专题研究报告 敬请参阅最后一页特别声明 12 扫码获取更多服务 设计，可以使孩子在产品组装过程中对机械组装有系统化的思考以及实质性的操练。萤石网络萤石网络 RK3 未公布 RK3 家庭助理机器人作为 AI代理的载体，基于多模态大模型，可以化身家庭管家、保安、医生以及教师，将萤石“悉心关爱每位家庭成员”的善意蕴藏其中。它拥有“老人专属看护服务”，可以为老人提供吃药提醒、跌倒检测、线上视频问诊等特色功能；同时还有“儿童专属服务”，让小朋友可以畅学全国各地名师课堂，为他们进行绘本阅读、作业批改，并帮助家长敦促孩子的坐姿等。2024.4 汤姆猫汤姆猫 AI童伴机器人 1499 元起 为实现汤姆猫的“说话”功能，汤姆猫 AI童伴机器人，内置了专门研发的汤姆猫情感陪伴垂直模型。该模型由汤姆猫和其投资的大模型科技公司西湖心辰联合推出。研发团队训练了大量针对汤姆猫这一 IP 角色的人物设定、声音数据以及儿童情感陪伴领域的语料。2024.12 蜂助手蜂助手 云手机 未公布 云手机通过“AI RPA”赋能银行客户运营模式，实现银行客户全生命周期服务策略，升级客户服务体验。2024.8 来源：定焦 One 公众号，爱小伴 AI iPal 公众号，Founder Park 公众号，贝壳财经公众号，无人机网公众号，子弹财经公众号，iFind，国金证券研究所 2.3 AI Agent：强推理模型强推理模型性能持续提升，性能持续提升，Agent 应用落地有望全面提速应用落地有望全面提速 智能体（Agent）指一种能够独立执行任务、做出决策并与其他系统或用户交互的软件程序或算法。智能体可以执行各种任务，从简单的自动化任务到复杂的决策支持系统。Agent能够接受用户的自然语言请求，具有主动性，能够自动拆解任务并在多个应用程序中无缝协作。例如，它可以从 Word 中提取信息、总结网页、处理 PDF 文件，并在 PowerPoint中创建幻灯片，最终通过 Teams 发送。在图形用户界面（GUI）的背景下，Agent 可以通过屏幕截图和小部件树（widget trees）来感知 GUI 状态，并执行操作以模仿用户行为，如鼠标点击、键盘输入或手机上的触摸手势。在 2023 年 LLM 模型出现之前，GUI Agent 的工作范围和能力均受到较大限制。自那时起，基于 LLM 的方法在网络、移动和桌面环境等不同平台上蓬勃发展，推动了该领域众多创新成果的诞生。图表图表17：LLM 驱动的驱动的 GUI Agent 的发展历程的发展历程 行业专题研究报告 敬请参阅最后一页特别声明 13 扫码获取更多服务 图表图表17：LLM 驱动的驱动的 GUI Agent 的发展历程的发展历程 来源：小窗幽记机器学习微信公众号，国金证券研究所 Deepseek R1 显著降低了大语言模型的技术门槛，AI Agents 的应用前景变得更加广阔。图表图表18：AI agents应用场景应用场景 应用领域应用领域 应用场景应用场景 主要主要内容内容 代表公司代表公司 企业服务企业服务 智能客服 AI Agents 能够实时响应客户需求，提供更加个性化的服务。例如，电商平台可通过 Agents 自动处理客户咨询、订单跟踪和退换货申请，减少人工客服的工作量。致远互联：致远互联：公司推出五大类 AI产品，包括知识服务类、内容创作类、数据分析类、流程自动化类和对话服务类，以多种方式为用户数智赋能，以及在公文管理、会议管理、知识管理、合同管理等应用和解决方案中融合智能化能力等。在原生 AI应用方面，公司推出 AI智能表单产品iForm。办公自动化 企业可以部署 AI Agents 协助完成数据分析、文档处理以及任务分配。这种应用不仅提高了工作效率，还能帮助员工更专注于创造性工作。教育教育 个性化辅导 AI Agents 能够根据学生的学习进度、兴趣和能力定制教学内容，为每个学生打造专属的学习路径。竞业达：竞业达：2024 年，基于星空大模型，公司已实现多级知识图谱 AI 智能生成，将专业、课程、知识智能关联，能够自动生成 AIGC 课堂质量诊断报告。科大讯飞：科大讯飞：讯飞 AI 学习机发布 AI作业过滤器，为学生做习题时提供“优先级”选项，以实现“练得更少、学得更好”目标。学术研究助手 研究人员可以通过 Agents快速整理文献、生成数据分析报告，甚至探索跨学科的研究方向，大幅提升科研效率。医疗健康医疗健康 辅助诊断 通过分析患者病史和实时数据，AI Agents能够协助医生进行初步诊断，甚至提出优化治疗方案。卫宁健康：卫宁健康：公司自研医疗大模型WiNGPT，目前 WiNGPT 在语音生成查房记录、Agent 增强式问答、CDSS 创新方案、患者血液管理等众多实践领域已有应用案例。智能制造智能制造 生产流程优化 通过实时监控生产线数据，AI Agents 可以快速发现问题并给出调整建议，从而提高生产效率。中控技术：中控技术：基于 TPT 流程工业时序大模型的工业 App。赛意信息：赛意信息：“基于善谋 GPT的 PCB行业大模型”已经能够准确识别和提取 PCB 工程图纸中的关键的工程参数，如尺寸、材料、层数等，将原本需要 46 小时的参数提取工作缩短至几分钟，同时确保了 95%以上的准确率，大大提升了从订单接收到生产准备的效率，显著降低了因人工错误导致的质量问题。鼎捷数智：鼎捷数智：融合汽车企业行业知识经验与 GPT 大模型，运用 AI 和 NLP技术，构建车企 ChatFile 企业知识管理赋能平台，处理海量车辆零散知识、自动化语种转译、协助团队跨文档交流、降低学习成本和培训周期；供应链管理 AI Agents 能够动态分析市场需求，优化库存管理，并自动与供应商进行交互，大幅降低企业的运营成本。行业专题研究报告 敬请参阅最后一页特别声明 14 扫码获取更多服务 实现企业知识智能化交互，提升知识获取的体验和效率，减少时间和沟通成本。创意领域创意领域 自动生成内容 AI Agents 可以生成高质量的文本、图像、视频，协助设计师、作家等创作者快速完成作品原型。万兴科技：万兴科技：公司旗下视频创意软件万兴播爆，支持数字人口播短视频制作；文档创意软件亿图脑图，支持AI生成思维导图和大纲。交互式体验 游戏开发中，AI Agents 可作为智能 NPC（非玩家角色），与玩家进行更具沉浸感的交互，提升娱乐体验。来源：智用人工智能应用研究院微信公众号，国金证券研究所 2.4 AI 安全：大模型厂商急需全方位加强防护，网安安全：大模型厂商急需全方位加强防护，网安及信创及信创板块迎来布局机会板块迎来布局机会 在人工智能时代，AI 大模型得到了广泛应用，但随之而来的安全问题也日益凸显，安全需求变得极为迫切，这背后蕴藏着巨大的市场空间与机会。以 DeepSeek 为代表的国产模型，凭借技术优势在竞争激烈的 AI 领域迅速崛起，然而也因此遭受了网络恶意攻击，这警示着大模型厂商提升网络安全能力已刻不容缓。面对不断升级的网络攻击手段，以及AI 本身可能被用于发动更复杂攻击的风险，国产模型急需全方位加强网络安全防护，构建完善的安全体系。这种严峻的形势为网安和信创产业链带来了广阔的市场需求与技术挑战。AI 企业需要加大网络安全和自主可控相关投入、引进专业人才、优化技术，网络安全公司恰好能凭借专业能力与丰富经验，为 AI 企业提供定制化的安全解决方案，助力其提高系统的安全性与稳定性。政府与行业协会制定相关法律法规和行业标准，也需要网络安全公司提供专业支持与技术参考。根据 Techopedia 数据，2023 年全球基于 AI 的网络安全市场规模为 243亿美元，预计 2027 年将达 650 亿美元，2023-2027 年 CAGR 约 27.9%。图表图表19：全球基于全球基于AI的网络安全市场规模快速增长的网络安全市场规模快速增长 来源：Techopedia，智领安平行业网公众号，国金证券研究所 未来，随着 AI 技术持续发展，一方面，网络安全公司在保障 AI 大模型安全方面将扮演愈发关键的角色，带来业绩增量；另一方面，网络安全公司也亟需降本增效的路径，而以DeepSeek 为代表的优秀国产化大模型将无疑是网安公司的优先合作伙伴，发展国产化安全垂类模型工具能力，从而实现安全检测与防护能力提升的同时实现降本增效。国内多家网络安全公司积极拥抱 AI 技术进步带来的业务需求，接入 DeepSeek 优化自身安全产品。其中，奇安信自主研发的 QAX安全大模型已全面完成了 DeepSeek 的深度接入，率先将其引入到威胁研判、安全运营、渗透测试和漏洞管理、身份与访问管理、网络钓鱼防护、恶意软件和勒索软件防护、数据泄露防护、安全培训、供应链安全等场景之中，并展现出了卓越表现，其中安全专业问答整体性能分数提升约 16%，极大提升了智能威胁分析和决策的准确度。另外，永信至诚依托在网络靶场和数字安全测评领域的深厚技术积累与业务实践成果，构建春秋 AI 测评数字风洞平台，基于标准化测评数据和海量行业专题研究报告 敬请参阅最后一页特别声明 15 扫码获取更多服务 业务场景模版，实现对 AI 智能产品智能度、安全度和匹配度的综合测评，通过以模测模、以模强模，简化测评流程，提高测评效率。平台内置了覆盖 18 个知识领域和 300 万余测评题目的智能评估体系，能够测评从基本知识应用到复杂推理能力的具体表现。帮助企业了解产品的实际认知能力，确保在业务场景中被准确应用。图表图表20：永信至诚春秋永信至诚春秋AI测评“数字风洞”平台测评“数字风洞”平台 来源：永信至诚公众号，国金证券研究所 另外，以 deepseek 为主的 AI 大模型的自主可控迫在眉睫，除了软件核心组件自主可控以外，硬件产业链的国产替代需求旺盛。2025 年是十四五收官之年，预期信创推进政策及配套财政支持政策快速落地，预计上半年信创产业链相关公司的订单回暖将会出现重要信号。3.投资建议 DeepSeek 的低成本、高性能特点有望带动 AI 应用和端侧硬件的加速落地，建议关注相关领域投资机会：1）端侧智能硬件：契合中国优势 需求，落地场景分为娱乐、工作两大类，产品包括耳机/眼镜/手机/电脑/智能家居等，看好萤石网络、虹软科技、科大讯飞，关注汉王科技。2）软件应用：C 端重点关注高用户基数/出海两类，看好金山办公、万兴科技、福昕软件、彩讯股份。B 端重点关注增收能力/制造业配套两类，看好焦点科技、新致软件、鼎捷数智、汉得信息等。G 端重点关注契合中国国情的落地能力，看好科大讯飞、第四范式、中科星图、航天宏图。3）网络安全：AI 对网安行业带来新机遇和新挑战，叠加行业见底反转，关注奇安信，永信至诚，启明星辰，安恒信息，亚信安全，深信服，天融信。4）信创：AI 产业链自主可控需求迫切，十四五投入进度明确，关注中科曙光，神州数码，软通动力，拓维信息，中国软件，达梦数据。行业专题研究报告 敬请参阅最后一页特别声明 16 扫码获取更多服务 图表图表21：建议关注建议关注DeepSeek相关产业链投资机会相关产业链投资机会 类型类型 企业企业 内容内容 应用 金山办公 金山办公正在与 Deepseek 进行对接测试，未来是否合作要看后续发展。应用 远光软件 依托 DeepSeek“高效推理能力与低延迟响应”特性，极大地提升了远光 DAP 等产品在私域知识分析、自然语言交互和场景理解等的流畅度和精准度，进一步增强了核心产品智能化能力。集成 DeepSeek 后，所有远光软件的客户可升级体验全新 AI 服务。应用 泛微网络 在接入 DeepSeek 大模型后，泛微将借助 DeepSeek 强大的自然语言处理、机器学习、推理等能力，显著提升泛微各项产品智能化效果以及智能体构建能力：泛微产品的各个应用模块能够快速调用 DeepSeek 的智能化能力；用户可在泛微智能小 e 中直接使用DeepSeek；泛微提供统一的 AI 大模型连接底座支撑；支持私有化部署 DeepSeek 大模型。应用 法本信息 实现 FarAI GPTCoder 企业级辅助编码平台、FarAI GPTBrain 企业级知识大脑产品、FarA IGPTRecruit 智能招聘平台等多款产品与 DeepSeek 的深度融合及优化。应用 汉得信息 在自主 PaaS 平台 H-ZERO 之上，基于 DeepSeek-Coder 模型和 H-ZERO 平台的源码训练代码大模型，为企业加持代码智能辅助能力。应用 金蝶国际 将 DeepSeek 全面集成至金蝶云全线 SaaS 应用及金蝶云苍穹平台，为客户提供更高效、更安全、更低成本的智能解决方案。应用 三维天地 SunwayDeepLink 智能体，集 ChatBI 和 ChatDOC 两大功能于一身，与 DeepSeek（深度求索）实现全面深度适配，旨在为企业构建一个“数据洞察决策”一体化的管理平台，为企业数据资产管理进一步赋能增效。应用 彩讯股份 彩讯股份对 Rich Mil 第一时间开展测试，成功完成了与 DeepSeek 的集成，并将借助DeepSeek 的强大特性，对现有的智能场景展开全方位升级：更精准的邮件分类与归纳；更智能的指令响应；反垃圾邮件机制强化；反钓鱼防护机制强化。应用 微盟集团 自研大模型应用型产品微盟 WAI 已集成 DeepSeek，开始赋能 WAIAgent 能力升级，通过具备更强的推理、调度能力，从而帮助 WAI SaaS、WAI Pro 以及 WIME 等覆盖不同客户场景的产品提升能力。应用 云天励飞 云天励飞芯片团队完成 DeepEdge10“算力积木”芯片平台与DeepSeek-R1-Distill-Qwen-1.5B、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Llama-8B 大模型的适配，可以交付客户使用。应用 中文在线 公司已在部分内部 AI 网文创作流程中部署 DeepSeek-R1，通过调用 DeepSeek-R1 的能力，增强创作效率。应用 中软国际 JointPilot(灵析)人工智能应用平台成功接入 DeepSeek-R1 模型，为企业提供更加丰富、高效的大模型应用场景落地服务。应用 国投智能 “星盾”、“Qiko”等自研平台第一时间成功接入 DeepSeek,进一步满足行业客户的多样化需求，标志着国投智能在落实“All in AI”战略方面迈出了重要一步 应用 新致软件 将 DeepSeek-R1 和 DeepSeek-V3 顺利接入新致新知平台，提升了新知平台的推理和泛化能力，通过 DeepSeek 的深度学习模型，新知平台能够更准确地挖掘和利用数据资源，为企业数智化转型提供了更加精准的支持。应用 万兴科技 AIGC 软件 A 股上市公司万兴科技（300624.SZ）率先完成深度求索（DeepSeek）最新推理大模型 DeepSeek-R1 的深入适配，涵盖旗下视频创意、绘图创意及文档创意软件业务多款产品。目前，万兴喵影、亿图图示、亿图脑图 MindMaster、万兴 PDF 等均已融合 DeepSeek-R1 大模型相关能力。应用 梦网科技 梦网科技将 DeepSeek 大模型深度集成至多源 AI 调度引擎“天慧智汇台 2.0”，推动消息行业专题研究报告 敬请参阅最后一页特别声明 17 扫码获取更多服务 通信服务从基础连接向智能决策升级，为行业开辟降本增效新路径。应用 用友网络 用友 BIP 全面上线以 DeepSeek-V3 和 DeepSeek-R1 作为基座大模型的智能服务，企业客户可以通过用友 BIP3 R6 智能平台的公有云、专属云模式使用相关服务。应用 赛意信息 赛意善谋 GPT、知识库等产品也已全面接入 DeepSeek-R1 模型，为客户带来更加智能、高效的服务体验。网安 中新赛克 借助 DeepSeek 的深度理解和分析技术，调用其他安全工具的数据进行交叉验证，有效减少无效告警，同时提供针对性的处置建议和策略，让安全运维人员能够迅速锁定问题，高效解决问题。网安 启明星辰 完成了“安星”智能体与 DeepSeek 大模型的全面对接，并应用到安全运营、威胁检测、威胁情报、数据安全等全业务场景中，实现了安全智能化能力的再升级。网安 奇安信 自研 QAX安全大模型通过 DeepSeek R1 进行了一系列的优化和蒸馏后，不仅运营成本实现了大幅降低，同时在威胁研判等多个场景下的模型性能方面获得了显著提升，这势必将进一步扩大奇安信在人工智能与网络安全融合创新的领先优势。云 开普云 在开悟大模型智能体平台接入 DeepSeek V3、R1 在线模型 API，在运营管理平台部署量化版 R1 模型服务，在端侧一体机中部署蒸馏量化版 R132B 模型。云 神州数码 旗下神州鲲泰推理服务器产品搭载昇腾硬件，可全面支持 DeepSeek 系列模型的快速部署，为用户带来更快、更高效、更便捷的 AI 开发和应用体验；将 DeepSeek 集成到其自主研发的神州问学平台中，仅需 3 分钟部署 DeepSeek 模型。云 协创数据 平台对 DeepSeek 系列模型的适配与应用已全面完成并正式上线，为用户带来了更强大、更高效的智能服务体验。云 优刻得 基于壁仞科技国产芯片的先进内存架构、多模型适配能力、广泛的数据精度支持以及解码能力，全面开展包括 R1 在内的 DeepSeek 全系列模型适配工作，以满足不同规模参数量模型的个性化部署需求。云 每日互动 温州数安港携手 DeepSeek 的可信合作伙伴浙江省大数据联合计算中心、每日互动及温州市数据集团，依托数安港可信数据空间，部署 DeepSeek R1、v3 等一系列模型，为相关产业提供基于可信数据空间的可控大模型租用服务、私有化部署和精调服务，为各行业提供更为安全、高效的大模型应用解决方案。云 青云科技 基石智算 CoresHub 正式上线 DeepSeek Janus-Pro-7B WebUI 版文生图模型，支持 Multimodal Understanding 和 Text-to-Image Generation 两种服务，可通过基石智算 AI 算力云服务的容器实例进行直接使用。由于模型文件存放在系统盘，也可通过 Jupyter 进行算法二次开发使用。来源：iFind，各公司公众号，国家数据局公众号，36 氪，科创板日报公众号，国金证券研究所 4.风险提示 底层大模型迭代发展不及预期 若底层大模型迭代发展不及预期，可能会影响 AI 应用落地的深度，使其难以在金融、教育、游戏等领域进行更加深入的应用。若底层大模型的蒸馏剪枝发展不及预期，可能会使其难以在边缘硬件上充分发挥性能。国际关系风险 若出于国际关系原因，OpenAI 等海外大模型的调用或其他软硬件的进口受到影响，有可能使得国内 AI 应用的发展不及预期。应用落地不及预期 若相关应用公司不能找到人工智能算法较好的商业应用落地场景，或相关场景客户没有较强的付费意愿，可能算法应用落地会不及预期。行业专题研究报告 敬请参阅最后一页特别声明 18 扫码获取更多服务 行业竞争加剧风险 若相关企业加快技术迭代和应用布局，整体行业竞争程度加剧，将会对行业内已有企业的业绩增长产生威胁。行业专题研究报告 敬请参阅最后一页特别声明 19 扫码获取更多服务 行业行业投资评级的说明：投资评级的说明：买入：预期未来 36 个月内该行业上涨幅度超过大盘在 15%以上；增持：预期未来 36 个月内该行业上涨幅度超过大盘在 5%；中性：预期未来 36 个月内该行业变动幅度相对大盘在-5%5%；减持：预期未来 36 个月内该行业下跌幅度超过大盘在 5%以上。行业专题研究报告 敬请参阅最后一页特别声明 20 扫码获取更多服务 特别声明：特别声明：国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据证券期货投资者适当性管理办法，本报告仅供国金证券股份有限公司客户中风险评级高于 C3 级(含 C3 级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。上海上海 北京北京 深圳深圳 电话：021-80234211 邮箱： 邮编：201204 地址：上海浦东新区芳甸路 1088 号 紫竹国际大厦 5 楼 电话：010-85950438 邮箱： 邮编：100005 地址：北京市东城区建内大街 26 号 新闻大厦 8 层南侧 电话：0755-86695353 邮箱： 邮编：518000 地址：深圳市福田区金田路 2028 号皇岗商务中心 18 楼 1806
2025-02-08
20页
5星级
行业及产业 行业研究/行业深度 证券研究报告 计算机 2025 年 02 月 07 日 算力新变局：训练范式、架构创新、工程优化 看好华为系列深度之十八暨 GenAI 系列深度之四十九 相关研究 Deepseek 全解，从算法到算力计算机行业周报 20250127-20250204 2025/02/04 AI 算力软件生态：难以突破吗？华为系列深度之十五 2024/09/19 证券分析师 黄忠煌 A0230519110001 洪依真 A0230519060003 李国盛 A0230521080003 杨海晏 A0230518070003 林起贤 A0230519060002 刘洋 A0230513050006 研究支持 曹峥 A0230123040004 联系人 曹峥(8621)23297818 本期投资提示：AI 大模型训练范式正在转向多阶段，强化学习算力投入仍需提升。OpenAI o1 后，黄仁勋提出三大 Scaling Law：预训练、后训练和推理阶段提升算力投入，都能够提升模型性能。Deepseek V3 和 R1 模型爆火，后训练阶段的强化学习（ReinforcementLearning）以及推理阶段的长思考是核心特点，也再次佐证了后训练阶段、推理阶段的Scaling Law。我们认为这两大 Scaling Law 仍处于起步阶段，模型厂商将继续加码强化学习，算力投入仍有增量空间。模型架构创新，训推成本降低正在进行时。国内外厂商，均有多种创新。1）MoE 混合专家模型：降低训练过程激活参数量以减少计算量，已几乎成为标配；2）注意力机制的改进：线性注意力机制、稀疏注意力机制，将计算复杂度从 o(N2)降低至 o(N)，MQA、GQA、MLA 等降低了 KV-Cache，优化推理成本，后续注意力机制仍将改进。Infra 工程优化，模型性价比持续提升。模型架构的创新，给硬件通信和显存带来了压力，infra 优化至关重要，Deepseek 是工程优化的代表。根据清华大学博士的测算，DeepSeek V3 模型在 H800 算力集群上的算力使用效率 MFU 约为 36.19%，相较半年前的 DeepSeek V2 提升了 61%，为 DeepSeek 节省了近 1200 万元的成本。根据 Semianalysis，Deepseek V3 的价格（MMLU cost/1M Tokens）较 GPT-4 下降了 90 倍以上，AI 模型性价比持续提升。开源 蒸馏趋势下 AI 模型智能平权开启，杰文斯悖论可能生效。“算法优化成本下降渗透率提升强化训推投入”闭环逻辑持续。算法和硬件架构优化带来的成本下降，会令模型厂商使用同等投入买到更多训练 Flops，加速模型能力的更新以及应用加速渗透，从而带动推理算力需求的爆发。同时，deepseek V3、R1 模型，以及 1.5B至 70B 的蒸馏模型均为开源，可部署在端侧，帮助端侧 AI 渗透。宏观维度，海内外大厂加码资本开支趋势延续。海外大厂微软、Meta 2024 年资本支出增速保持在 40%以上，谷歌 FY25 全年 Capex 为 750 亿美元，相比此前市场预期大幅上修。国内，以腾讯、阿里为代表的厂商 24 年前三季度加码 Capex。字节 2025 年算力资本开支有望向 Meta 看齐，小米也即将入局大模型，算力军备竞赛仍在持续。本轮预期差在国产算力性能和生态突破。2024 年国产 AI 芯片性能、生态均有突破，部分产品硬件算力指标接近英伟达 H100。软件生态方面，海光 DTK 学习 CUDA，有“类 CUDA”属性，华为昇腾采用全栈自有路线，工具链完备，适配程度高、算子丰富、社区活跃，有望成全球 AI 算力“第二极”。建议关注：浪潮信息、神州数码、紫光股份、海光信息、泰嘉股份、澜起科技、中芯国际、盛科通信-U、烽火通信，中兴通讯等。风险提示：技术路线不确定；技术研发迭代进展不及预期；供应链稳定风险；竞争加剧风险。请务必仔细阅读正文之后的各项信息披露与声明 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共24页 简单金融 成就梦想 投资案件 结论和投资分析意见 训练范式、架构创新、工程优化三大因素共同推动模型成本下降。开源 蒸馏趋势下 AI 模型智能平权开启，杰文斯悖论生效，算力总需求仍可能增加。“算法优化成本下降渗透率提升强化训推投入”闭环逻辑持续。宏观维度，海内外大厂加码资本开支趋势延续。本轮预期差在国产算力性能和生态突破。兼容 CUDA 路线海光信息、以及自成体系路线华为昇腾为国产厂商中进展最快，用户使用体验佳，新产品有望更快放量。原因与逻辑 AI 大模型训练范式正在转向多阶段，强化学习算力投入仍需提升。Deepseek V3和 R1 模型爆火，佐证了后训练阶段、推理阶段的 Scaling Law。我们认为这两大Scaling Law 仍处于起步阶段，模型厂商将继续加码强化学习，算力投入仍有增量空间。模型架构创新，训推成本降低正在进行时。1）MoE 混合专家模型：降低训练过程激活参数量以减少计算量，已几乎成为标配；2）注意力机制的改进：线性注意力机制、稀疏注意力机制，将计算复杂度、KV-Cache 降低，优化推理成本。开源 蒸馏趋势下 AI 模型智能平权开启，杰文斯悖论可能生效。“算法优化成本下降渗透率提升强化训推投入”闭环逻辑持续。同时，deepseek V3、R1 模型，以及 1.5B 至 70B 的蒸馏模型均为开源，可部署在端侧，帮助端侧 AI 渗透。有别于大众的认识 市场认为，Deepseek 出圈，对于算力总需求会产生较大影响。我们认为，Deepseek 以低成本做到高性能，且完全开源，加速模型普惠，同时蒸馏技术趋势也在强化，杰文斯悖论有望在 AI 推理领域生效，推理算力需求将快速提升。市场认为，英伟达 CUDA 生态壁垒难以突破，一方面是其与 AI 开发框架厂商的紧密支持，另一方面是 CUDA 中众多的针对性优化，和庞大的用户群体（迁移其他平台需要学习成本）。我们认为，1）Deepseek 使用 PTX 编码而非 CUDA 标准库，证实 CUDA 壁垒正在弱化。2）GPU 编程平台的学习成本和针对性优化，确实仍需要人才、用户、资金和时间的积累，但并非坚不可摧，且国产厂商如华为昇腾、海光信息均已有较快进展。gZcZhXpYnVnMmO7N8Q7NoMnNpNnQiNnNnPfQqQxP7NmMuNMYnPpPxNsQmR 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第3页 共24页 简单金融 成就梦想 1算法：训练范式 模型架构创新.5 1.1 训练范式：后训练 推理 Scaling law 崛起.5 1.2 模型架构：线性/稀疏注意力机制、MoE 等流行.7 2算力：工程优化降低训推成本.10 3开源等普惠趋势下，算力总量需求仍然乐观.14 3.1 海内外大厂加码资本开支.15 3.2 预期差：国产性能与生态的突破.17 4.建议关注.21 5.风险提示.21 目录 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第4页 共24页 简单金融 成就梦想 图表目录 图 1：AI 发展的三大 Scaling Law.5 图 2：延长模型测试时的思考和计算时间，模型准确性得到指数级提升.5 图 3：o1 模型在多项测评上较 GPT-4o 显著提升.6 图 4：OpenAI o1（草莓）分配给后训练和推理的资源显著提升.7 图 5：MoE 模型训练时仅激活一部分专家及参数.7 图 6：Deepseek MoE 架构.7 图 7：Minimax-01 使用的线性注意力机制将计算复杂度降低至 O（N）.9 图 8：MQA 架构所有注意力头的 query 都使用相同的 key 计算它们的注意力.9 图 9：集群有效算力与集群规模、算力利用率和集群可用度成正比.10 图 10：模型并行技术.11 图 11：流水线并行技术.11 图 12：DeepSeek V3 训练仅花费 557.6 万美金.12 图 13：FP8 混合精度训练证实可行.12 图 14：Dualpipe 减少了流水线并行的“气泡”，即等待时间.12 图 15：175B 模型，MFU 在 40f%之间.13 图 16：模型性价比（MMLU Cost/1M Token）不断提升.13 图 17：DeepSeek-R1 蒸馏模型与其他可比模型在推相关基准上的比较.14 图 18：海内外大厂 Capex 支出明显提速，国内落后海外一个季度，但增速更高15 图 19：阿里巴巴资本支出（百万美元）及同比增速.16 图 20：腾讯资本支出（百万人民币）及同比增速.16 图 21：阿里、腾讯资本支出（亿美金）24 前三季度较 23 全年已接近翻倍.17 图 22：DTK 与 CUDA 结构相似度高.19 图 23：通过 HIPify 工具实现低成本转换.19 图 24：华为昇腾计算工具栈框架已经搭建起来.20 表 1：国产厂商芯片性能迭代，性价比逐渐提升.17 表 2：可比公司估值表.21 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第5页 共24页 简单金融 成就梦想 1算法：训练范式 模型架构创新 1.1 训练范式：后训练 推理 Scaling law 崛起 黄仁勋在 CES2025 演讲表示，AI 发展遵循三个 Scaling Law：1）Pre-training Scaling Law：预训练阶段，AI 模型的通用性能与训练数据量、参数量大小和算力投入成正比。2）Post-Training Scaling Law：在预训练后通过强化学习、人类反馈等技术优化模型的一系列技术，提升算力投入对模型效果有正向影响。3）Test-time(“Reasoning”)Scaling Law：在推理阶段，通过多步推理延长模型的思考过程，增加推理算力投入能够实现更好的效果。图 1：AI 发展的三大 Scaling Law 资料来源：CES2025（全球消费电子展 2025），申万宏源研究 后训练和推理阶段 Scaling law 重要性正在提升。24H2 之前，AI 模型的发展重心在于 Pre-training Scaling Law，大模型厂商不断做大模型参数、训练数据量，投入尽可能多的训练算力资源。而 24 年 7 月后，随着 openAI o1 模型的发布，Post-training 阶段的强化学习和 Test-time compute 的重要性不断提升，24 年 12 月 deepseek v3、r1 的发布更加强化了后训练及测试时计算的地位。图 2：延长模型测试时的思考和计算时间，模型准确性得到指数级提升 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第6页 共24页 简单金融 成就梦想 资料来源：OpenAI（AI 研究机构），申万宏源研究 注：AIME 用于衡量模型的竞赛数学能力 图 3：o1 模型在多项测评上较 GPT-4o 显著提升 资料来源：OpenAI（AI 研究机构），申万宏源研究 这种趋势下，训练阶段的算力需求迎来了新的增量，即后训练 RL 的算力需求、以及测试时计算的算力需求。对比 openAI GPT-4o 和 o1 preview 模型的参数量和训练算力消耗量，我们推测后训练 测试时计算整体的算力投入或超过预训练阶段。根据微软论文MEDEC：A benchmark for medical error detection and correction in clinical notes，GPT-4o的参数约为 2000 亿，o1-preview 的参数约为 3000 亿。而根据澎湃新闻，o1-preview模型输入价格为 15 美元/百万 token，输出价格 60 美元/百万 token，远高于 GPT-4o（输入 5 美元、输出 15 美元）。我们认为，o1-preview 收费水平达到了 GPT-4o 的 3-4 倍，实际代表其训推成本高于 GPT-4o 数倍，而参数量仅为 GPT-4o 的 1.5 倍，折射的便是后训练 推理阶段的高算力成本投入。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第7页 共24页 简单金融 成就梦想 图 4：OpenAI o1（草莓）分配给后训练和推理的资源显著提升 资料来源：36Kr（新闻媒体），申万宏源研究 1.2 模型架构：线性/稀疏注意力机制、MoE 等流行 模型架构对于预训练阶段算力消耗的影响可以直观用公式表示：Pre-training 阶段训练算力需求=训练 token 量*FLOPS per token FLOPS per token 与模型架构相关。核心变量包括前馈网络的设计（MLP、MoE、FFN 等）、参数量、模型层数、注意力机制的设计。当前我们观测到主流的技术包括：MoE、线性注意力机制等。MoE 混合专家模型（Mixture of Experts），由门控网络（GateNet）和多个专家网络（Experts）组成。每个专家都是一个单独的神经网络模型。训练中，输入数据由门控网络分配给最适合的专家模型，因此每个阶段只有部分专家的参数被激活，从而减少了算力的消耗。例如，DeepSeek-V2-Lite 模型参数量为 16B，但每个 token 仅激活 2.4B 个参数；MiniMax-01 模型内使用 32 个专家模块，虽然总参数量达到了 4560 亿，但每个 token 激活的参数仅为 45.9 亿。图 5：MoE 模型训练时仅激活一部分专家及参数 图 6：Deepseek MoE 架构 资料来源：53ai（AI 大模型应用平台），申万宏源研究 资料来源：深度求索 v3 技术报告，申万宏源研究 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第8页 共24页 简单金融 成就梦想 24H2 以来，国内外多数模型都已将 MoE 架构作为模型结构标配，但在 MoE 模型数量、激活方式，以及如何实现多 MoE 的负载均衡上，有所差异。使用 MoE 模型，对算力需求影响是此消彼长的，整体而言，能够将训练算力消耗降低。首先，训练次数变多。MoE 结构中每个专家模型和门控网络模型的训练是单独进行的，训练好后还要对整个 MoE 进行联合训练，确保系统的整体性能。一般来说，门控网络模型参数在几百万到千万，算力消耗不大，重点是专家模型的训练，尽管部分专家可以复用过往已经训练好的模型，这种方案能够减少算力需求的量级，但未必是性能最优的。其次，MoE 可能会加大显存和通信的压力，影响算力使用效率。MoE 架构需要将各专家放在不同的计算节点上，引入额外的并行维度和网络通信，专家之间的不平衡性可能导致系统延迟和计算负载的增加，极端情况下可能会浪费 50%以上的集群算力。DeepseekMoE 使用的动态路由和无辅助损失的负载平衡技术，能够有效平衡显存和通信压力，实现了算力使用效率的最大化。这也是工程优化的一部分。1）动态路由（Dynamic Routing）：每个 token 根据其与专家的亲和度分数被路由到一组专家。这种动态路由机制确保了模型可以根据输入数据的需求灵活地分配计算资源。2）无辅 助损 失的 负载 平衡 技术（Auxiliary-Loss-Free Load Balancing），Deepseek 通过动态调整每个专家的偏置项来平衡负载，而不是依赖于辅助损失。这种方法减少了因负载平衡而对模型性能的负面影响。而 MiniMax-01 采用了 全局路由策略，通过引入额外的全收集通信步骤，在不同专家并行(EP)组之间同步待处理 token 数量，从而实现负载均衡，减少 token 丢弃率。Softmax attention 是 Transformer 的核心注意力机制，它是 Transformer 成为大模型基石的关键，但同时它也有着先天的问题它会让模型在处理长文本时计算复杂度达到 n2。改进注意力机制降低计算复杂度，业界已有较多尝试。针对 Softmax 的优化，业界始终在尝试，例如谷歌 Gemini2.0 使用的稀疏注意力，包括局部注意力（Local Attention）和块状注意力（Block-wise Attention），每个 token 仅与其邻近的固定窗口内的 token/同一块内的 token 进行交互。Minimax-01 将线性注意力机制由实验引入到商业实践中。线性注意力机制降低了计算复杂度，且能够节约显存。传统的 Softmax 注意力就像每个人都要和房间里的其他人握手（N*N），而线性注意力就像每个人只和一个人握手然后把信息传递下去（N），当房间里人很多时，后者效率会高很多。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第9页 共24页 简单金融 成就梦想 图 7：Minimax-01 使用的线性注意力机制将计算复杂度降低至 O（N）资料来源：Minimax-01 技术报告，申万宏源研究 除训练算力消耗外，减少 KV-Cache 也是模型架构创新的重要目标。模型的云端推理在 GPU 上进行，而单张 GPU 的显存是有限的，用于存放 1）模型的参数和前向计算的激活值，与模型参数量和层数相关；2）模型的 KV Cache，除模型的体量外，输入长度也会影响，且在推理过程中是动态增长的，当 Context 长度足够长时，它的大小就会占主导地位，可能超出一张卡甚至一台机（8 张卡）的总显存量。通信带宽是推理速度的瓶颈。GPU“卡内通信带宽 卡间通信带宽 机间通信带宽”，由于“木桶效应”，模型部署时跨的设备越多，受设备间通信带宽的“拖累”就越大，因此推理端部署模型的原则是：能一张卡部署的，就不要跨多张卡；能一台机部署的，就不要跨多台机。所以，减少 KV Cache 的目的就是要实现在更少的设备上推理更长的 Context，或者在相同的 Context 长度下让推理的 batch size 更大，从而实现更快的推理速度或者更大的吞吐总量。当然，最终目的都是为了实现更低的推理成本。常用的技术手段包含两类 1）改进注意力机制；2）对模型进行量化。改进注意力包括 FlashAttention、MLA、MQA、GQA 等。MQA/GQA 架构已经被 Google Research 的 PaLM、TII 的 Falcon 模型、Meta 的 Llama-2 70B 和 Mistral-7B 等所实现。图 8：MQA 架构所有注意力头的 query 都使用相同的 key 计算它们的注意力 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第10页 共24页 简单金融 成就梦想 资料来源：思否，申万宏源研究 2算力：工程优化降低训推成本 Infra 的优化具有倍增效应，对训练效率，稳定性，实验效率改进，都可以直接映射为降低的卡时成本。一般而言，提升集群算力利用率（MFU）和集群可用度，可以降低集群算力规模，从而实现成本节约。图 9：集群有效算力与集群规模、算力利用率和集群可用度成正比 资料来源：华为 AIDC 白皮书，申万宏源研究 提升集群算力利用率，要从单机效率和集群线性度 2 个方面入手。1）单机效率优化的主要思路是软硬件协同优化。具体措施包括：小算子融合成大算子，例如 Flash Attention 等技术；硬件亲和算子优化，提升算子与硬件适配性，从而提升计算效率。2）集群线性度的提升主要思路是算力、网络和存储的协同优化。常见的训练算法优化技术包括分布式训练、计算优化、模型压缩等技术。分布式训练优化是最重要的技术之一，包括：行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第11页 共24页 简单金融 成就梦想 1）数据并行（Data Parallelism）：多个设备共享模型权重，不同设备处理不同数据，通过 All-Reduce 等通信机制同步梯度；2）模型并行（Model Parallelism）：将模型切分为多个部分，分布到不同设备上进行并行计算；3）流水线并行（Pipeline Parallelism）：将大模型的不同层分配到不同的 GPU上，以降低单个 GPU 的显存消耗；4）张量并行（Tensor Parallelism）：将模型的张量沿着特定维度进行切分，每个 GPU 保持整个张量的一部分；一般而言，几大并行技术不会同时使用，最多同时使用其中 2-3 项，来减少算力损耗，提升整体训练的效率。图 10：模型并行技术 图 11：流水线并行技术 资料来源：中国开发者网络，申万宏源研究 资料来源：中国开发者网络，申万宏源研究 计算优化技术包括：1）混合精度训练（Mixed Precision Training）：使用 FP16、FP32 或者 FP8 的混合精度，提升训练速度并降低显存占用；2）梯度累积（Gradient Accumulation）：通过累积多个小批次的梯度来模拟更大的批处理大小；3）梯度检查点（Gradient Checkpointing）：在反向传播过程中，只保留部分梯度信息，以减少内存占用。Deepseek v3 是 Infra 工程优化的代表。根据技术报告，DeepSeek V3 训练仅使用了 2048 块 Nvidia H800 GPU 组成的集群，共 256 个节点，每个节点包含 8 个 GPU，通过 NVLink 和 NVSwitch 在节点内部连接，而节点间通过 InfiniBand（IB）进行通信。整体训练时间为两个月。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第12页 共24页 简单金融 成就梦想 假设训练过程 24 小时不间断，与 DeepSeek V3 评分相当的 Llama 3 405B 的训练时长是 3080 万 GPU 小时（1.6 万张 H10080 天），而 DeepSeek V3 为 2048 张H80056.7 天。图 12：DeepSeek V3 训练仅花费 557.6 万美金 资料来源：DeepSeek V3 Technical Report（深度求索 v3 技术报告），申万宏源研究；注：假设 H800 租赁费用为 2 美金/GPU 小时 模型公开后，迅速获得了 OpenAI 创始成员 Karpathy、Meta 科学家田渊栋等的称赞。OpenAI 创始成员 Karpathy 对此赞道：“DeepSeek V3 让在有限算力预算上进行模型预训练这件事变得容易，DeepSeek V3 看起来比 Llama 3 405B 更强，训练消耗的算力却仅为后者的 1/11。”Deepseek V3 使用的技术包括：FP8 混合精度训练、流水线并行等。1）FP8 混合精度训练框架。DeepSeek-V3 将大部分核心计算，特别是矩阵乘法（GEMM）操作，执行在 FP8 精度下，某些对精度敏感的操作（如嵌入层、输出头、MoE 门控模块、归一化操作和注意力操作）仍然在 BF16 或 FP32 等更高精度下执行，以确保训练的稳定性。图 13：FP8 混合精度训练证实可行 资料来源：DeepSeek V3 Technical Report（深度求索 v3 技术报告），申万宏源研究 DualPipe 算法。Dualpipe 是一种流水线并行算法，在流水线并行中，模型被分割成多个阶段（或称为流水线阶段），每个阶段包含模型的一部分层。不同的 GPU 可以同时处理不同的流水线阶段。在传统的流水线并行训练中，由于不同 GPU 上的操作可能需要不同的时间来完成，可能会出现所谓的“气泡”（即某些 GPU 在等待其他 GPU 完成其部分操作的情况）。DualPipe 通过优化调度策略，减少了这些气泡，使得 GPU 的利用率更高。此外，Dualpipe 可实现一些 GPU 执行计算任务的同时，其他 GPU 可以执行通信任务（如数据传输）并通过计算与通信重叠隐藏了训练过程中的大部分通信开销。图 14：Dualpipe 减少了流水线并行的“气泡”，即等待时间 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第13页 共24页 简单金融 成就梦想 资料来源：DeepSeek V3 Technical Report（深度求索 v3 技术报告），申万宏源研究 高效的跨节点全对全通信内核，充分利用 InfiniBand（IB）和 NVLink 带宽。精心优化了内存占用，使得无需使用昂贵的张量并行即可训练 DeepSeek-V3。根据清华大学方佳瑞博士测算，DeepSeek V3 的训练 MFU 约为 36.29%。一般来说，特定优化后的 MFU 保持在 30%-70%之间，Deepseek V3 的 MFU 仍有提升空间，但根据方佳瑞博士的测算，相较半年之前，在同一集群完成训练的 DeepSeek V2，DeepSeek V3 提效 61%。若按照英伟达 H800 租金 2 美金/GPU/小时计算，DeepSeek V3 算力成本较 V2 节约了约 1200 万人民币。图 15：175B 模型，MFU 在 40f%之间 资料来源：MegaScale:Scaling Large Language Model Training to More Than 10,000 GPUs（大规模：将大型语言模型训练扩展到超过 10,000 个 GPU，作者为字节跳动及北京大学相关成员），申万宏源研究 注：本次实验采用的模型为 175B 参数，一般而言，不同集群数量使用了不同的 batch size（数据并行方式）总体来说，infra 算法优化带来的效率提升每半年约 50%，切实带动了模型成本/价格的下降，有望加速应用的渗透。图 16：模型性价比（MMLU Cost/1M Token）不断提升 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第14页 共24页 简单金融 成就梦想 资料来源：Semianalysis（半导体分析），申万宏源研究 3开源等普惠趋势下，算力总量需求仍然乐观 蒸馏小模型性能飞跃。模型蒸馏的核心思想是通过知识迁移的方式，将一个复杂的大模型（教师模型）的知识传授给一个相对简单的小模型（学生模型），简单概括就是利用教师模型的预测概率分布作为软标签对学生模型进行训练，从而在保持较高预测性能的同时，极大地降低了模型的复杂性和计算资源需求，实现模型的轻量化和高效化。本次 Deepseek 团队通过将 DeepSeek-R1 生成的 80 万条数据用于微调开源模型（Qwen、Llama 系列），实现了推理能力的高效迁移。其蒸馏后的 7B 参数模型在 AIME 2024 上达 55.5%，超越 32B 规模的 QwQ-Preview；70B 蒸馏模型在 MATH-500（94.5%）等任务接近 o1-mini。同时，deepseek 开源发布了 1.5B 至 70B 的蒸馏模型，为社区提供低成本、高性能的推理解决方案，可在端侧设备本地部署这些模型，有望加速端侧 AI 的渗透。图 17：DeepSeek-R1 蒸馏模型与其他可比模型在推相关基准上的比较 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第15页 共24页 简单金融 成就梦想 资料来源：Deepseek R1 技术报告，申万宏源研究 我们认为杰文斯悖论可能在 AI 领域生效,Deepseek V3 和 R1 发布后，H100 价格上涨，也是佐证。杰文斯悖论（Jevons Paradox）是一种经济现象，指的是当技术进步使某种资源的使用效率提高时，该资源的总体消耗量反而会增加。这一现象最早由经济学家威廉斯坦利杰文斯（William Stanley Jevons）在 1865 年提出，当时他观察到蒸汽机效率的提高导致煤炭消耗量增加。因为 AI 模型的训练和推理变得更加高效和经济，企业和研究机构更愿意大规模部署这些模型，从而推动了对计算资源的总体需求。3.1 海内外大厂加码资本开支 从宏观角度，我们观测海内外大模型及应用厂商的资本开支，可以得出中期 AI 算力需求并不会下降的结论。海外看，微软在 23Q2 开始加速资本支出，谷歌在 23Q3 加速，而 META 和亚马逊则在 23Q4 加速，且此后增速始终维持，并未滑落。图 18：海内外大厂 Capex 支出明显提速，国内落后海外一个季度，但增速更高 资料来源：各公司财报，Bloomberg（彭博资讯），申万宏源研究 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第16页 共24页 简单金融 成就梦想 国内厂商阿里、腾讯分别于 23Q4、23Q3 开始加大资本开支，且增速显著高于海外厂商。以腾讯为例，24Q1-Q3，其资本开支同比增速分别为 225.5%、120.8%、113.5%，根据腾讯 2023Q4 法说会，在其总资本支出中，当季运营资本支出同比增长超过三倍，达到 67 亿元人民币，主要是由于对 GPU 和服务器增加投资。国内大厂对于算力投资的重视程度持续提升。图 19：阿里巴巴资本支出（百万美元）及同比增速 图 20：腾讯资本支出（百万人民币）及同比增速 资料来源：Bloomberg（彭博资讯），申万宏源研究 资料来源：Bloomberg（彭博资讯），申万宏源研究 字节、小米等加大发力，算力军备竞赛仍在继续。2025 年字节跳动算力资本开支有望向海外大厂靠拢。12 月 18 日，字节在 2024 火山引擎 FORCE 会议表示，各项能力加持下，豆包大模型日均 tokens 增长使用量已超过 4 万亿，较 7 个月前首次发布时增长了 33 倍。1)汽车，豆包大模型已与八成主流汽车品牌合作，过去 7 个月汽车行业日均Tokens 消耗增长了 50 倍；2)智能终端，接入到多家手机、PC 等智能终端，覆盖终端设备约 3 亿台，来自智能终端的豆包大模型调用量在半年时间内增长 100 倍；3)其它企业客户最近 3 个月，在信息处理场景的调用量增长了 39 倍，客服与销售场景增长 16 倍，硬件终端场景增长 13 倍，AI 工具场景增长 9 倍，学习教育等场景也有大幅增长。我们认为，字节跳动在 2025 年 AI 业务布局将加速，而算力作为支撑 AI 渗透的基础设施，将是明年字节投资的重中之重，字节 25 年相关投入规模有望向海外大厂如 Meta等靠拢，带动算力产业链相关公司业绩继续释放。除字节外，小米也有望入局 AI 大模型。12 月 20 日，据第一财经报道，DeepSeek开源大模型 DeepSeek-V2 的关键开发者之一罗福莉将加入小米，或供职于小米 AI 实验室，领导小米大模型团队。此前 DeepSeekV2 在模型架构上的重要创新在于对 MLA（Multi-head Latent Attention）的采用，这项技术在降低大模型使用成本上发挥了关-100%-50%0P00 0%000500001,0001,5002,0002,5003,0002016Q1A2016Q3A2017Q1A2017Q3A2018Q1A2018Q3A2019Q1A2019Q3A2020Q1A2020Q3A2021Q1A2021Q3A2022Q1A2022Q3A2023Q1A2023Q3A2024Q12024Q3资本支出同比QoQ-100%-50%0P00 0%000,0004,0006,0008,00010,00012,00014,00016,00018,0002016Q12016Q32017Q12017Q32018Q12018Q32019Q12019Q32020Q12020Q32021Q12021Q32022Q12022Q32023Q12023Q32024Q12024Q3资本支出同比QoQ 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第17页 共24页 简单金融 成就梦想 键作用，而罗福莉是这项工作的核心人物之一。根据界面新闻，小米正在着手搭建自己的GPU 万卡集群，将对 AI 大模型大力投入。小米大模型团队在成立时已有 6500 张 GPU 资源。小米对 AI 大模型的重视度提升此前已有信号。图 21：阿里、腾讯资本支出（亿美金）24 前三季度较 23 全年已接近翻倍 资料来源：各公司财报，Bloomberg（彭博资讯），申万宏源研究 3.2 预期差：国产性能与生态的突破 我们认为，2025 年国内大厂算力投资中，国产算力厂商有望扮演更重要的角色。Deepseek R1 模型没有完全使用 CUDA 标准库，而是自行编写部分 PTX（NV 芯片的底层语言机器码）。我们认为 CUDA 壁垒正在弱化，Deepseek 团队绕开了 CUDA 标准库反而获得了更高的效率，意味着 CUDA 并非最优解。此外，在新的模型架构趋势下，新兴算子的需求提升，这个领域英伟达和其他国产 AI 芯片站在同一起跑线，国产 AI 芯片追赶的窗口期也已经到来。当前，华为昇腾、寒武纪旗下部分产品硬件算力指标已经接近英伟达 H100，海光信息，以及阿里平头哥、昆仑芯、燧原科技，以及其他国产初创厂商如沐曦、摩尔线程等，性能也快速突破，有望在推理端放量。表 1：国产厂商芯片性能迭代，性价比逐渐提升 厂商 GPU 型号 推出时间 用途 工艺 晶体管数量 算力 内存容量 内存带宽 互联带宽 功耗 英伟达 H20 2023 训练及推理 4nm-148 TFLOPSFP16 74 TFLOPSTF32 96GB HBM3 4.0 TB/s NVLink 900 GB/s 400W L20 2023 训练及推理 5nm 763 亿 注：芯片面积609mm2 119.5 TFLOPSFP16 59.8 TFLOPSTF32 48GB GDDR6 864GB/s-275W L2 2023 训练及推理 5nm-96.5 TFLOPSFP16 48.3 TFLOPSTF32 24GB GDDR6 300GB/s-昇腾 910 系列 2023 训练 7nm-320 TFLOPSFP16 64GB-HCCS 400776334576116365275524826345723224835239718631427322824631532338301002003004005006007002021202220232024前三季度阿里亚马逊腾讯微软Meta谷歌 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第18页 共24页 简单金融 成就梦想 HBM2e 392GB/s W 寒武纪 MLU370-X8 2022.3 训练及推理 7nm 390 亿 24 TFLOPSFP32 96 TFLOPSFP16 48GB LPDDR5 614.4GB/s MLU-Link 200GB/s 250W 平头哥 含光 800 2019 推理 12nm 170 亿 825 TOPSINT8 205 TOPSINT16-276W 昆仑芯 R200 2022 训练 7nm-128 TFLOPSFP16 32 TFLOPSFP32 32GB GDDR6 512GB/s-150W 沐曦集成 MXC500(OAM)2023 训练及推理-280 TFLOPSFP16 36 TFLOPSFP32(matrix)64GB HBM2e 1.8TB/s MetaXLink 450W MXN100 2023 推理 7nm-160 TOPSINT8 80 TFLOPSFP16 容量不详 HBM2E-壁仞科技 BR100 2022.8 训练-256TFLOPSFP32 1024TFLOPSBF16 64GB HBM2E 2.3TB/s Blink 512GB/s 400W 燧原科技 云燧T21(OAM)2021 训练 12nm-32 TFLOPSFP32 128 TFLOPSFP16 32GB HBM2E 1.6TB/s-300W 云燧 i20 2021 推理 12nm-32 TFLOPSFP32 128 TFLOPSFP16 16GB HBM2E 819GB/s-150W 摩尔线程 MTT S4000 2023.9 训练及推理-25 TFLOPSFP32/FP16 50 TFLOPSTF32 100 TFLOPSFP16 200 TOPSINT8 48GB GDDR6 768GB/s MTLink 240GB/s 450W MTT S3000 2022.11 训练及推理 12nm 220 亿 10.6 TFLOPSFP32 32GB GDDR6 448GB/s-250W 天数智芯 天垓 150 2023.12 训练-45 TFLOPSFP32 190 TFLOPSFP16 380 TOPSINT8 64GB HBM2e 1.2TB/s-350W 天垓 100 2021.9 训练 7nm 240 亿 37 TFLOPSFP32 147 TFLOPSFP16 295 TOPSINT8 32GB HBM2 1.2TB/s 64 GB/s 250W 智铠 100 2022.12 推理 7nm-24 TFLOPSFP32 96 TFLOPSFP16 384 TOPSINT8 32GB HBM2 800GB/s-150W 资料来源：各公司官网，wccftech（科技资讯网站），TechPowerUp（科技资讯网站），百度百科，奇客 solidot（技术，电子工程专辑，快科技，CSDN（中国开发者网络），CNW 网界（科技资讯网站），极客公园，证券时报，Cloud Hin 官网（服务器提供商），智东西，腾讯新闻，新浪网，申万宏源研究 此外，软件生态替代 CUDA 层面，国产厂商也有较大突破。总体来说，国产厂商分为两大路径，一是兼容 CUDA，以海光信息为代表，二是全栈自有，以华为昇腾、寒武纪为代表。（一）海光信息 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第19页 共24页 简单金融 成就梦想 海光 DTK 是海光 DCU 计算平台，基于开源 ROCm 定制。DTK 是海光的计算平台，封装了 ROCm 生态相关组件，并针对 DCU 硬件进行适配与优化，为 DCU 的计算引擎。ROCm 为 AMD 在 2016 年推出的以 CUDA 为蓝本建立的开源计算平台，旨在打破英伟达 CUDA 生态的统治，同时尽可能地提高兼容性、降低用户迁移成本。DTK 在结构上与 CUDA 相似度高。在 AI 领域中，计算平台向上支持 AI 应用，向下控制 AI 芯片硬件，是 AI 软件与 AI 芯片的桥梁。从计算平台结构看，DTK 与 CUDA 相似度较高，将计算平台分为应用程序、软件驱动、硬件驱动和芯片四个层级，除硬件不同外，DTK 对 CUDA 逐层对齐。AI 开发框架层，DTK 支持 TensorFlow、Pytorch、Caffe 等主流大模型框架，同时支持百度飞桨等。GPU 计算平台层面，DTK“类 CUDA“属性来自对 HIP 对 CUDA 的学习。HIP 是DTK 的编程语言，与 CUDA 编程语法类似，在软件驱动层，对所有常用的 CUDA API 进行了开发，大多数情况下将“cuda”字符替换为“hip”即可完成语言转换，实现源码级别的兼容。开发人员在生态迁移上学习成本较低。图 22：DTK 与 CUDA 结构相似度高 资料来源：申万宏源研究 DTK“类 CUDA“属性来自对 HIP 对 CUDA 的克隆。HIP 是 DTK 的编程语言，与CUDA 编程语法类似，在软件驱动层，对所有常用的 CUDA API 进行了拷贝，大多数情况下将“cuda”字符替换为“hip”即可完成语言转换，实现源码级别的兼容。开发人员在生态迁移上学习成本较低。HIPify：实现 CUDA 到 HIP 的自动转换。HIPify 工具集能够帮助开发人员实现CUDA 文件到 HIP 文件的自动源码级转换，由于 HIP 语言本身与 CUDA 语言相似度较高，转换的准确率能够保证。开发人员既能够实现现有程序的自动迁移，同时也能够保留原有编程习惯，在 CUDA 环境中完成编程，再自动转换为 HIP 语言。图 23：通过 HIPify 工具实现低成本转换 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第20页 共24页 简单金融 成就梦想 资料来源：申万宏源研究 （二）华为昇腾 与海光信息 DTK 尽量学习 CUDA 的做法不同，华为采用的是全栈自有的方式。从2018-2019 年发布昇腾系列硬件开始，完善自身软件工具链，参考常用 CUDA 软件功能 用户反馈，完善软件工具，现已形成了 AI 开发框架 Mindspore GPU 计算平台 CANN全栈自有的软件工具栈。图 24：华为昇腾计算工具栈框架已经搭建起来 资料来源：华为昇腾官网，申万宏源研究 1）从软件工具链的完备程度看，华为已经达到较好水平。2）AI 开发框架适配程度：2023 年 10 月，Pytorch2.1 宣布与华为昇腾 NPU 合作，昇腾对 PyTorch API 的支持。华为自身也开发了框架适配器，帮助 Tensorflow、Caffe等第三方框架转换到 Mindspore。3）算子丰富度看，CANN 目前提供了超过 1400 个硬件亲和的高性能算子。CANN目前已全面支持主流大模型所需要的基础算子和 80 多个大模型融合算子。可覆盖主流 AI 框架的算子加速需求，同时，为满足开发者的算法创新需求，CANN 开放了自定义算子开发的能力，开发者可根据自身需求选择不同的算子开发方式。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第21页 共24页 简单金融 成就梦想 4）从技术文档、社区活跃度和用户量来看，华为已是国产厂商中最靠前。且华为拥有强大的人才、资源和品牌力量，通过举办展会、技术交流会、举办挑战赛、免费向高校开发者开放昇腾云算力等多种方式，扩大昇腾计算的生态圈，培养用户使用习惯。我们认为，华为选择的这条路线，其他国产厂商难以复制，且更为困难。但市场份额一旦突破某一阈值（参考操作系统，该数值为 16%），将有望成为全球 AI 算力的“第二极“。4.建议关注 1）国产 AI 芯片相关服务器：浪潮信息，神州数码，紫光股份；2）国产 AI 芯片：海光信息，寒武纪-U；3）国产服务器生态相关：软通动力，中国软件国际（港股）；4）算力产业链供应商：申万电子覆盖：泰嘉股份（电源）、澜起科技、中芯国际；申万通信覆盖：盛科移动、烽火通信、中兴通讯。表 2：可比公司估值表 股票代码 股票简称 2025/2/7 归母净利润（亿元）PE 总市值（亿元）2023A 2024E 2025E 2026E 2023A 2024E 2025E 2026E 000977.SZ 浪潮信息 887 17.8 23.0 28.7 34.3 50 39 31 26 000034.SZ 神州数码 267 11.7 14.0 16.8 20.0 23 19 16 13 000938.SZ 紫光股份 808 21.0 23.5 29.8 35.4 38 34 27 23 688041.SH 海光信息 3,247 12.6 19.1 28.0 38.0 257 170 116 85 688256.SH 寒武纪-U 2,500(8.5)(4.6)0.3 4.8 -9311 523 301236.SZ 软通动力 683 5.3 1.6 7.8 9.8 128 427 87 70 688008.SH 澜起科技 828 4.5 13.7 20.5 28.0 184 60 40 30 688981.SH 中芯国际 8,180 48.2 40.1 52.4 65.1 170 204 156 126 688702.SH 盛科通信-U 341(0.2)(0.7)0.3 1.3 -1145 255 600498.SH 烽火通信 242 5.1 6.8 9.4 11.7 48 36 26 21 000063.SZ 中兴通讯 2,053 93.3 98.7 106.9 118.0 22 21 19 17 资料来源：Wind，申万宏源研究；注：盈利预测来自 Wind 一致预期，软通动力采用业绩预告中值 5.风险提示 技术路线不确定。AI 芯片技术仍处于发展阶段，技术迭代速度较快，技术发展路径尚在探索中，尚未形成具有绝对优势的架构和系统生态。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第22页 共24页 简单金融 成就梦想 技术研发迭代进展不及预期。AI 芯片属于前沿核心科技领域，现有产品升级更新和新产品开发需要持续投入大量的资金和人员，但研发项目的进程及结果具有不确定性，如果厂商在研发方向上未能做出正确判断，在研发过程中未能持续突破关键技术或性能指标未达预期，厂商将面临前期研发投入难以收回、预计效益难以达到的风险，将对厂商业绩产生不利影响。供应链稳定风险。AI 芯片公司通常采用 Fabless 模式经营，供应商包括 EDA 工具厂商、IP 授权厂商、服务器厂商、晶圆制造厂和封装测试厂等。由于集成电路领域专业化分工程度及技术门槛较高，部分供应商的产品具有稀缺性和专有性，如不能与其保持稳定的合作关系，或由于地缘政治、厂商处于实体清单等其他外部环境因素导致供应商中止与厂商的业务合作，厂商更换新供应商的代价较高，将对厂商生产经营、研发造成不利影响。竞争加剧风险。随着 AI 应用及算法的逐步普及，AI 芯片受到了多家集成电路龙头企业的重视，该领域也成为多家初创集成电路设计公司发力的重点。随着越来越多的厂商推出 AI 芯片产品，该领域市场竞争日趋激烈。而目前，英伟达在全球 AI 芯片领域中仍占有绝对优势。行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第23页 共24页 简单金融 成就梦想 信息披露 证券分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。与公司有关的信息披露 本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过 索取有关披露资料或登录 信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。机构销售团队联系人 华东组 茅炯 021- 银行团队 李庆 021- 华北组 肖霞 010- 华南组 张晓卓 华东创新团队 朱晓艺 021- 华北创新团队 潘烨明 股票投资评级说明 证券的投资评级：以报告日后的 6 个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（Buy）：相对强于市场表现 20以上；增持（Outperform）：相对强于市场表现 520；中性（Neutral）：相对市场表现在55之间波动；减持（Underperform）：相对弱于市场表现 5以下。行业的投资评级：以报告日后的 6 个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（Overweight）：行业超越整体市场表现；中性（Neutral）：行业与整体市场表现基本持平；看淡(Underweight）：行业弱于整体市场表现。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。本报告采用的基准指数：沪深 300 指数 法律声明 本报告由上海申银万国证券研究所有限公司（隶属于申万宏源证券有限公司，以下简称“本公司”）在中华人民共和国内地（香港、澳门、台湾除外）发布，仅供本公司的客户（包括合格的境外机构投资者等合法合规的客户）使用。本公司不会因接收人收到本报告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司 网站刊载的完整报告为准，本公司接受客户的后续问询。本报告是基于已公开信息撰写，但本公司不保证该等信息的真实性、准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示，本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司强烈建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。市场有风险，投资需谨慎。若本报告的接收人非本公司的客户，应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。本报告的版权归本公司所有，属于非公开资料。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第24页 共24页 简单金融 成就梦想 次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记，未获本公司同意，任何人均无权在任何情况下使用他们。
2025-02-08
24页
5星级
证 券 研 究 报 告Agent如何重构软件生态？GenAI系列之四十八证券分析师：黄忠煌 A0230519110001 洪依真 A0230519060003林起贤 A0230519060002 胡雪.
2025-02-07
52页
5星级
计算机/行业专题报告/2025.02.04 请阅读最后一页的重要声明！AI 编程对软件行业意味着什么？证券研究报告 投资评级投资评级:看好看好(维持维持)最近 12 月市场表现 分析师分析师 杨烨 SAC 证书编号：S0160522050001 分析师分析师 李宇轩 SAC 证书编号：S0160524080001 相关报告1.Kimi 发布多模态思考模型 k1.5，对标 OpenAI o1 2025-01-262.豆包大模型更新至 1.5-pro，更真实、更懂你 2025-01-243.DeepSeek-R1：强化学习 知识蒸馏，比肩 o1 2025-01-22 核心观点核心观点 AI 编程重塑软件开发，是实现编程重塑软件开发，是实现 Agent 的关键一环的关键一环。AI 编程产品赋能软件开发全生命周期，帮助程序员提高工作效率、减少错误、优化代码质量，并加速了软件的交付和迭代；同时，企业可借助 AI 编程产品不断完善积累的代码数字资产，形成正向循环。OpenAI o1 开启大模型推理时代，基础大模型厂开启大模型推理时代，基础大模型厂商陆续在后训练和推理阶段商陆续在后训练和推理阶段 Scaling，“推理模型推理模型”成为迭代主基调成为迭代主基调，推理模型推理模型的编程能力（的编程能力（Codeforces 得分）相比基础通用模型有明显跃升得分）相比基础通用模型有明显跃升。未来在面对复杂项目开发，在初始设计、架构选择、迭代试错等当前人工主导的环节，Agent可借助 AI 编程能力调用已有资源（代码库、API、办公应用等），其自主性将大幅提升。AI 编程编程“增效增效”优先于优先于“降本降本”，软件企业利润弹性大软件企业利润弹性大。互联网等以软件开发为主的科技企业，将优先受益于 AI 代码生成带来的效率提升。我们认为，当前软件开发面临巨大变革当前软件开发面临巨大变革，软件企业在软件企业在 AI 浪潮下将优先选择浪潮下将优先选择“增效增效”，即利即利用用 AI 工具提升人均创收工具提升人均创收，而并非立即采取裁员进行而并非立即采取裁员进行“降本降本”，以应对快速变化的市场需求与繁杂的业务智能化重构。根据 iFinD 数据，自 2022 年一季度以来，美国七大科技公司与国内互联网巨头的人均创收大多实现了增长，这反映了 AI 编程为软件企业实现提效，我们预计，国内软件企业受益于 AI 编程，利润弹性大。海外海外 AI 编程产品编程产品成熟度高，国内开源生态迎头追赶成熟度高，国内开源生态迎头追赶。海外 AI 代码技术起步早、企业付费意愿强，AI 编程已逐步进入成熟应用阶段；国内在软件生态融合与场景丰富度相比海外明显欠缺，当前的软件生态需要进行大量融合工作，以提升对不同工程场景的适应力。国内国内 AI 编程产品主要出自大模型公编程产品主要出自大模型公司司，“模型即应用模型即应用”的闭源形态居多的闭源形态居多，创业类公司较少创业类公司较少。我们认为我们认为，近期近期 DeepSeek等开源模型的兴起，可能改变等开源模型的兴起，可能改变 AI 编程产品格局，开源模型分离了底层模型训编程产品格局，开源模型分离了底层模型训练与产品开发两个阶段，更多的参与者加入生态将加速开源能力跃升，因练与产品开发两个阶段，更多的参与者加入生态将加速开源能力跃升，因此垂此垂直行业公司与创业公司可能在直行业公司与创业公司可能在 AI 编码市场获得更多机会。编码市场获得更多机会。投资建议：投资建议：AI 编程为软件开发降本增效，提升软件公司人均创收，计算机软件应用公司有望实现较高利润弹性；强化学习阶段 Scaling 继续演绎，推理模型成本降低，加速 AI 应用落地，中长期推理算力需求持续增长，持续看好国产算力链。风险提示：风险提示：技术迭代不及预期；商业化落地不及预期；政策支持不及预期；全球宏观经济风险。-3)Dv%计算机沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 1 AI 编程重塑软件开发，是实现编程重塑软件开发，是实现 Agent 的关键一环的关键一环.4 基于基于 LLM 的软件开发，的软件开发，AI 编程加速产品迭代编程加速产品迭代.4 大模型进入推理时代，大模型进入推理时代，AI 编程基础能力加速跃升，产品性能升级可期编程基础能力加速跃升，产品性能升级可期.6 AI 代码能力仍有提升空间代码能力仍有提升空间，作为，作为 Agent 自主执行的关键环节自主执行的关键环节.8 2 AI 编程编程“增效增效”优先于优先于“降本降本”，软件企业利润弹性大软件企业利润弹性大.10 3 海外海外 AI 编程产品成熟度高，国内开源生态迎头追赶编程产品成熟度高，国内开源生态迎头追赶.12 海外创业公司百花齐放，已步入成熟应用阶段海外创业公司百花齐放，已步入成熟应用阶段.12 国内国内 AI 编程目前以大厂为主导，未来开源生态有望成为新势力编程目前以大厂为主导，未来开源生态有望成为新势力.15 4 投资建议投资建议.17 5 风险提示风险提示.17 图图 1.AI 编程能力覆盖大部分软件开发过程编程能力覆盖大部分软件开发过程.4 图图 2.AI 编程平台加快企业代码资产的积累编程平台加快企业代码资产的积累.5 图图 3.行业企业目前选择的行业企业目前选择的 AI 场景（场景（2024 年年 10 月）月）.5 图图 4.中国中国 AI 代码生成在各行业的渗透率（代码生成在各行业的渗透率（2024 年年 9 月）月）.6 图图 5.基础大模型厂商陆续推出基础大模型厂商陆续推出“推理模型推理模型”版本版本.7 图图 6.推理模型的编程能力（推理模型的编程能力（Codeforces 得分）相比基础通用模型有明显跃升得分）相比基础通用模型有明显跃升.7 图图 7.BigCodeBench 上评估当前模型的代码能力（上评估当前模型的代码能力（2025.02.04）.8 图图 8.AI 编程的优势与局限性编程的优势与局限性.9 图图 9.代码生成代码生成 Agent 将加强任务理解与规划调动能力将加强任务理解与规划调动能力.9 图图 10.美国七大科技公司单季度人均创收（万美元）美国七大科技公司单季度人均创收（万美元）.10 图图 11.中国互联网厂商单季度人均创收（万元）中国互联网厂商单季度人均创收（万元）.11 图图 12.2025 年各大科技公司放缓程序员招聘进程年各大科技公司放缓程序员招聘进程.11 图图 13.A 股计算机行业公司人均创收分布（股计算机行业公司人均创收分布（2023）.12 图图 14.A 股计算机行业公司人均创利分布（股计算机行业公司人均创利分布（2023）.12 图图 15.海外主要海外主要 AI 编程产品编程产品.12 图图 16.GitHub Copilot 应用较为广泛应用较为广泛.13 图图 17.Cursor 为为 AI 代码领域的新秀代码领域的新秀.14 内容目录 图表目录 nWnZoPnPpMrNqN8O8QaQsQqQtRnQiNoOpNkPmMoQ7NpPwPxNoNtOxNtRrO 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业专题报告/证券研究报告 图图 18.Devin 定位为定位为 Agent 而并非而并非 Copilot.14 图图 19.国内主要国内主要 AI 编程产品编程产品.15 图图 20.豆包豆包 MarsCode 支持网页端线上开发支持网页端线上开发.16 图图 21.通义灵码支持工程级编码任务通义灵码支持工程级编码任务.16 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业专题报告/证券研究报告 1 AI 编程重塑软件开发编程重塑软件开发，是实现，是实现 Agent 的关键一环的关键一环 基于基于 LLM 的软件的软件开发开发，AI 编程加速产品迭代编程加速产品迭代 AI 编程产品赋能软件开发全生命周期。编程产品赋能软件开发全生命周期。编写代码、理解代码及互联网搜索、调试、写注释、测试等工作是软件开发者的最高频、最耗时的工作需求，随着生成式 AI底层能力提升，开发者普遍开始借助 AI 解决项目问题。AI 代码生成工具可赋能软件开发的全生命周期，帮助程序员提高工作效率、减少错误、优化代码质量，并加速了软件的交付和迭代。需求分析：需求分析：通过 AI 辅助解析需求文档，提供代码实现的初步建议。架构设计：架构设计：提供设计建议，自动生成数据库架构代码和初步系统设计文档。代码编写：代码编写：提供代码自动完成建议，生成常用的代码片段，辅助编写复杂的逻辑结构，包括代码补全、生成、重构等。软件测试：软件测试：自动生成测试用例，提供潜在的错误检测和修复建议；代码审查阶段，AI 辅助分析代码，提供风格改进建议，检查潜在的安全漏洞。部署与维护：部署与维护：AI 代码生成工具监控代码性能，提供优化建议，辅助处理用户反馈和问题修复。图1.AI 编程能力覆盖大部分软件开发过程 数据来源：采用 AI 编程助手，发展新质生产力商汤等，财通证券研究所 加速软件工程智能化重塑，与企业代码知识加速软件工程智能化重塑，与企业代码知识资产的建立资产的建立。随着企业研发工作开展，内部有很多优质的代码、框架、规范需要逐步积累，但分立的系统、人工收集操作往往造成优质数据的闲置甚至丢失，代码know-how没有充分得到积累与运用，谨请参阅尾页重要声明及财通证券股票和行业评级标准 5 行业专题报告/证券研究报告 对于新的开发项目企业边际成本很难下降。采用 AI 代码开发平台，将大模型与RAG 技术结合运用，使企业已有代码库、内部规范、过程数据等资产能够充分融合运用，进而将企业自身的代码管理规范、代码输出格式、文档输出格式，产品文档、技术文档、企业代码仓库等现有知识与 AI 代码平台打通，使生成代码更加贴合企业业务、更符合企业内部的管理要求。企业可借助 AI 编程产品不断完善积累的代码数字资产，形成正向循环。图2.AI 编程平台加快企业代码资产的积累 数据来源：2024 年 AI 代码平台及产品发展简报甲子光年，财通证券研究所 代码开发与测试位居企业应用代码开发与测试位居企业应用 AI 场景首位场景首位，是落地最快、最直接的，是落地最快、最直接的 AI 应用应用。易观分析联合 CSDN 在 2024 年 9 月至 10 月对开发者进行调研，发现代码开发与测试以 59.2%的选择比例位居企业 AI 应用首位，用户营销与运营以 52.0%紧随其后，而协同办公、客户服务和产品体验提升等处于中等水平，财务、供应链管理、法务相对较低。这表明企业优先将这表明企业优先将 AI 应用于现有产品开发提效，其次是创造基于应用于现有产品开发提效，其次是创造基于大模型的新产品，而将大模型的新产品，而将 AI 与企业工作流与企业工作流 know-how 结合则需要时间磨合对接。结合则需要时间磨合对接。图3.行业企业目前选择的 AI 场景（2024 年 10 月）数据来源：易观分析，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 6 行业专题报告/证券研究报告 AI 代码生成在互联网和游戏行业的渗透率代码生成在互联网和游戏行业的渗透率最最高，高，应用渗透次序应用渗透次序 2C、2B、2G 依次依次递减。递减。互联网、游戏、人工智能行业主要工作以软件开发为主（密集、规范、项目制），2C 需求通用性高、业务变化快、产品迭代迅速，因此对标准化和效率提升需求强烈，AI 代码生成的应用优先级较高。对于金融、能源、医疗、电信等 2B行业，需要代码平台理解行业工作流细节，一般需要大模型厂商与 B 端企业合作开发 AI 产品，落地节奏略慢。政务体系对新系统平台的应用抱有谨慎态度，因此渗透率仅为 15%。图4.中国 AI 代码生成在各行业的渗透率（2024 年 9 月）数据来源：弗若斯特沙利文，头豹研究院，财通证券研究所 大模型进入推理时代，大模型进入推理时代，AI 编程基础能力加速跃升，产品性能升级可编程基础能力加速跃升，产品性能升级可期期 OpenAI o1 开启大模型推理时代开启大模型推理时代，基础大模型厂商陆续在后训练和推理阶段基础大模型厂商陆续在后训练和推理阶段Scaling，“推理模型”成为迭代主基调，“推理模型”成为迭代主基调。根据 2024 年 9 月，OpenAI 发布 o1-preview与 o1-mini，大模型技术发展进入预训练放缓而后训练加速的阶段，模型厂商更重视思维链（CoT）的延长、强化学习算法的创新、以及通过算法优化降低推理成本。例如 2025 年 1 月 20 日发布的 DeepSeek R1-Zero，是首个通过纯强化学习（RL）训练且无需任何监督微调（SFT）数据的模型，该模型根据环境反馈的奖励信号来调整自身策略，探索如何更好地完成任务，验证了强化学习 Scaling 在模型训练中的潜力。推理性能的提升，往往带来模型的数学、编码、逻辑能力提升，AI 编程产品的基座也将进一步优化。谨请参阅尾页重要声明及财通证券股票和行业评级标准 7 行业专题报告/证券研究报告 图5.基础大模型厂商陆续推出“推理模型”版本 发布时间发布时间 公司名称公司名称 模型名称模型名称 总结总结 2024/9/132024/9/13 OpenAI o1-preview/o1-mini o1-preview 在物理、化学和生物学方面具有挑战性的基准任务上的表现超过人类博士生水平；o1-mini 价格比 o1-preview 便宜 80%，在成本方面有较大优势。2024/10/222024/10/22 Anthropic Claude-3.5-sonnet 更新版 编码能力大幅提升，新的“computer control”功能，使 Claude 能够像人类一样与计算机进行交互：查看屏幕、控制光标、单击和打字。2024/12/62024/12/6 OpenAI o1 正式版 o1 正式版，比 o1-preview 更擅长编码、数学和写作，新增多模态功能，o1 现在支持图片上传，允许它将推理应用于视觉，以获得更详细、更有用的回复更智能。2024/12/112024/12/11 谷歌 Gemini 2.0 Flash Thinking 基于 Gemini 2.0 Flash 模型，在处理复杂问题时，能够模仿人类逐步推理的过程，在多模态理解、推理和编码方面表现出色，可解决编程、数学、物理等领域的复杂问题。在 code 和 math 能力方面比 Gemini 1.5 pro 有所提升。2025/1/152025/1/15 科大讯飞 讯飞星火深度 推理模型 X1 星火 X1 成为国内唯一采用全国产算力平台、率先落地到真实应用场景的深度推理模型，并在教育、医疗等领域展现出优势。2025/1/202025/1/20 月之暗面 Kimi1.5 short-CoT 模式下，Kimi k1.5 的数学、代码、视觉多模态和通用能力，大幅超越了全球范围内短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%；而在 long-CoT 模式下，Kimi k1.5 的数学、代码、多模态推理能力，也达到长思考 SOTA 模型 OpenAI o1 正式版的水平。2025/1/202025/1/20 深度求索 DeepSeek R1 在问题解决能力上与 OpenAI 的 o1 模型相当，但成本显著更低。2025/1/292025/1/29 阿里巴巴 Qwen2.5-Max Qwen 2.5-Max 在 11 项基准测试中优于 DeepSeek V3 和 Meta 的 Llama 3.1。2025/2/12025/2/1 OpenAI o3mini o3-mini 比 o1-mini 响应速度提升 24%，答案准确性也有所提高 数据来源：智东西，环球网，WSJ 等，财通证券研究所 推理模型的编程能力（推理模型的编程能力（Codeforces得分）相比基础通用模型有明显跃升得分）相比基础通用模型有明显跃升。Codeforces是一个面向全球程序员的在线编程竞赛平台，涵盖了各种难度和类型的编程题目，大模型在 Codeforces 的得分能直观反映其在算法设计、数据结构运用、代码实现等编程核心技能方面的水平。推理模型（红色）由于通过强化学习实现了推理能力的提升，编程竞赛得分显著高于通用模型（蓝色）。图6.推理模型的编程能力（Codeforces 得分）相比基础通用模型有明显跃升 数据来源：DeepSeek，OpenAI，财通证券研究所 注：由于 DeepSeek 与 OpenAI 测试题目组不同，o3 系列模型的 Codeforces 得分根据 o1 两次测试的得分进行调整。717759113420291820206120012206230005001000150020002500 谨请参阅尾页重要声明及财通证券股票和行业评级标准 8 行业专题报告/证券研究报告 开源开源模型模型的发展，有望加速国内的发展，有望加速国内 AI 编程产品追赶海外。编程产品追赶海外。当前闭源模型整体性能仍优于开源，基于闭源模型的产品优先实现了商业化，随着 DeepSeek 等开源模型快速发展，吸引广大开发者投入开源生态，基于开源的产品和商业模式将加速构建，赋予国内 AI 编程弯道超车的机会。在 Hugging Face 平台发布的 BigCodeBench可以合理评估 LLMs 解决实际和具有挑战性的编程任务的能力，其包含 1140 个函数级任务，考察 LLMs 遵循指令并将来自 139 个库的多个函数调用作为工具进行组合的能力，主要目标场景是代码完成与指令调整。截至 2 月 4 日，该评价体系的排名前十的模型中包括 DeepSeek-R1、DeepSeek-V3-Chat、Athene-V2-Chat（基于阿里云的 Qwen2.5-72B-Instruct）是开源大模型，且都来自中国，其余主要为 o1、o3 系列闭源模型。DeepSeek 带动开源能力上限的跃升，遵循 MIT 开源协议（授予所有人免费使用、修改、再次出版售卖的权力），未来基于开源模型的产品值得期待。图7.BigCodeBench 上评估当前模型的代码能力（2025.02.04）排名排名 模型名称模型名称 代码完成代码完成 指令指令调整调整 平均得分平均得分 1 1 o1-2024-12-17(high)38.5 32.4 35.5 2 2 o3-mini-2025-01-31(high)37.8 33.1 35.5 3 3 o3-mini-2025-01-31(medium)37.8 32.4 35.1 4 4 DeepSeek-R1 40.5 29.7 35.1 5 5 o1-2024-12-17(low)39.2 29.7 34.5 6 6 o3-mini-2025-01-31(low)37.8 31.1 34.5 7 7 Gemini-Exp-1206 40.5 27.7 34.1 8 8 DeepSeek-V3-Chat 39.9 27.7 33.8 9 9 o1-2024-12-17(medium)37.2 28.4 32.8 1010 Athene-V2-Chat 37.2 27 32.1 数据来源：Hugging Face，财通证券研究所 AI 代码能力仍有提升空间，作为代码能力仍有提升空间，作为 Agent 自主执行的关键环节自主执行的关键环节 AI 编程产品仍有优化空间，“技术编程产品仍有优化空间，“技术 产品”两手都要硬。产品”两手都要硬。（1）技术方面：沿着强化学习 Scaling 的方向继续前进，进一步优化训练数据和算法，提高代码的准确性和可靠性；（2）产品方面：面对垂直领域与复杂业务流程，AI 编程工具需要更多结合行业与工作流 know-how，另外再与开发环境 IDE 深度集成，提升产品的可用性。谨请参阅尾页重要声明及财通证券股票和行业评级标准 9 行业专题报告/证券研究报告 图8.AI 编程的优势与局限性 功能分类功能分类 描述描述 应用场景应用场景 优点优点 缺点缺点 代码补全代码补全 生成代码片段或建议，帮助完成当前编写的代码行 编写代码时自动补全函数调用、变量声明 提高编码速度，减少打字量 生成不完全符合上下文的代码 代码生成代码生成 根据描述或模型输入生成完整的代码片段或函数 根据业务逻辑描述生成特定功能的代码 加快开发流程，减少手动编写复杂代码的需求 生成的代码可能需要调整以满足特定需求 代码重构代码重构 自动识别代码中的改进点并提出重构建议 优化现有代码库，提高代码质量 提升代码可维护性和性能 重构建议可能不完全准确，需要人工审核 测试用例生成测试用例生成 生成测试用例和测试脚本 自动化测试，确保代码质量 减少测试用例编写工作，提高测试覆盖率 生成的测试用例可能需要根据实际情况调整 代码审查辅助代码审查辅助 分析代码并提供改进建议 代码审查阶段，提高代码质量 帮助发现潜在问题，促进团队遵循最佳实践 可能产生误报，需要开发者判断 代码搜索代码搜索 与导航与导航 根据自然语言查询提供代码定位和搜索结果 快速定位和理解大型代码库中的特定部分 提高代码理解和导航效率 搜索结果的准确性可能受限于索引和算法 交互式编程交互式编程 通过自然语言与 AI 进行对话，获取编程帮助 解决编程问题，学习新技术 提供即时的编程指导和解决方案 可能无法理解复杂的编程问题或上下文 数据来源：弗若斯特沙利文，头豹研究院，财通证券研究所 AI 编程编程作为作为 Agent 规划与调用工具执行的环节，其能力关乎规划与调用工具执行的环节，其能力关乎 Agent 的应用边界。的应用边界。AI 代码平台的 Agent，是基于特定训练的大模型，并结合代码规划、知识记忆、工具集成、自动执行的能力的自主代理。未来在面对复杂项目开发，在初始设计、架构选择、迭代试错等当前人工主导的环节，Agent 可借助 AI 编程能力调用已有资源（代码库、API、办公应用等），其自主性将大幅提升。图9.代码生成 Agent 将加强任务理解与规划调动能力 数据来源：采用 AI 编程助手，发展新质生产力商汤等，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 10 行业专题报告/证券研究报告 2 AI 编程“增效”优先于“降本”，编程“增效”优先于“降本”，软件企业利润弹软件企业利润弹性性大大 互联网等以软件开发为主的科技企业，将优先受益于互联网等以软件开发为主的科技企业，将优先受益于 AI 代码生成带来的效率提代码生成带来的效率提升。升。我们认为，当前软件开发面临巨大变革，软件企业在 AI 浪潮下将优先选择“增效”，即利用即利用 AI 工具提升人均创收，而并非立即采取裁员进行“降本”工具提升人均创收，而并非立即采取裁员进行“降本”，以应对快速变化的市场需求与繁杂的业务智能化重构。根据 iFinD 数据，2022 年一季度至 2024 年三季度（生成式 AI 浪潮自 2022 年末开启），美国七大科技巨头当中，除去苹果和特斯拉，单季度人均创收总体呈现上行趋势。其中，Meta 由 37 万美元提升至 77 万美元，英伟达由 25 万美元提升至 58 万美元，Alphabet、微软、亚马逊均呈现提升趋势。考虑到苹果与特斯拉产品形态以实体硬件为主，而英伟达是受益于算力的需求扩张，剔除以上因素，我们认为产品的我们认为产品的“软件属性”越强，“软件属性”越强，由由 AI 编程驱动的编程驱动的企业企业人均创收提升越显著。人均创收提升越显著。图10.美国七大科技公司单季度人均创收（万美元）数据来源：iFinD，财通证券研究所 注：上述公司对员工人数的披露时间不一致，或按照半年度和年度披露员工数，计算过程将各季度人数插值处理。国内互联网企业人均创收同样呈现稳步提升趋势。国内互联网企业人均创收同样呈现稳步提升趋势。根据 iFinD 数据，2022 年一季度至 2024 年三季度，阿里巴巴单季度人均创收由 80 万元提升至 119 万元；2022年一季度至 2023 年四季度，百度、网易、拼多多总体人均创收提升，京东人均创收处于平稳状态，考虑是物流员工比例相对较高，人员扩招压制了人均创收的提升。由此可知，互联网大厂的优势在 AI 时代进一步被巩固，收入端可开发基于大模型的 C 端产品解决用户痛点，成本端可采用 AI 编程提升产品开发效率，为更大规模的国内软件公司的发展提供了范本。52212758414811377717010203040506070802022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q3苹果微软英伟达Alphabet亚马逊Meta特斯拉 谨请参阅尾页重要声明及财通证券股票和行业评级标准 11 行业专题报告/证券研究报告 图11.中国互联网厂商单季度人均创收（万元）数据来源：iFinD，财通证券研究所 AI 编程可能会造成初级、中级程序员编程可能会造成初级、中级程序员部分部分被优化，企业将聚焦产品设计与创新。被优化，企业将聚焦产品设计与创新。自 2024 年下半年以来，海外科技厂商陆续发布裁员或减缓招聘的公告，尤其针对初、中级程序员进行了优化。2024 年 12 月 18 日，Salesforce 表示 2025 年将不再招聘软件工程师，因为 2024 年其通过 Agent force 和用于工程团队的其他 AI 技术将生产力提高了 30%以上。我们预计，随着 AI 推理能力提升，AI 编程产品将规模化应用于当前的初、中级程序员岗位。图12.2025 年各大科技公司放缓程序员招聘进程 时间时间 公司公司 新闻内容新闻内容 20242024 年年 8 8 月月 2424 日日 IBM IBM 中国研发部门程序员被裁，或转向自动化和人工智能驱动 20242024 年年 1212 月月 1818 日日 Salesforce 2025 年 Salesforce 将不再招聘软件工程师，因为 2024 年通过 Agent force 和用于工程团队的其他 AI 技术将生产力提高了 30%以上 20252025 年年 1 1 月月 1515 日日 Meta Meta 计划裁员约 5%绩效较低员工，扎克伯格表示 AI 或将取代中级码农职位，最终可能会将其应用程序的所有编程工作外包给 AI 20252025 年年 1 1 月月 8 8 日日 微软 微软将“很快”在公司范围内裁员，重点关注包括安全部门在内的各个岗位上表现不佳的员工 数据来源：Salesforce Ben，CTOL 等，财通证券研究所 AI 编程将系统性利好计算机板块，“分子端”降本将带来总体的利润弹性。编程将系统性利好计算机板块，“分子端”降本将带来总体的利润弹性。根据Wind 数据，2023 年 A 股计算机公司人均创收主要集中于 50100 万元（39%），人均创利主要集中于 010 万元（43%），该类公司主要商业模式一般为 2B 的软件项目外包，同时该类公司拥有较高技术壁垒，客户资质较好、粘性较强；而人均创利为亏损的公司（35%）通常重心在 2G、2B 的业务，在当前的宏观背景下客户回款较慢，对下游议价能力较弱。我们认为，由于计算机行业软件公司占比较高，短期来看 AI 编程将带动整体计算机板块的利润弹性，人均创利为亏损的企业有望实现扭亏为盈；长期来看，技术壁垒高、对下游客户议价能力较强的 2B 类企业，利润弹性最大。808485103891021001191081231192252762913062673444225112002503003504004505005500204060801001201402022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q3阿里巴巴京东百度网易拼多多（右轴）谨请参阅尾页重要声明及财通证券股票和行业评级标准 12 行业专题报告/证券研究报告 图13.A 股计算机行业公司人均创收分布（2023）图14.A 股计算机行业公司人均创利分布（2023）数据来源：Wind，财通证券研究所 数据来源：Wind，财通证券研究所 3 海外海外 AI 编程产品成熟度编程产品成熟度高，国内高，国内开源生态迎头追开源生态迎头追赶赶 海外海外创业公司百花齐放，已步入成熟应用阶段创业公司百花齐放，已步入成熟应用阶段 海外海外 AI 代码技术起步早、企业付费意愿强，代码技术起步早、企业付费意愿强，AI 编程已逐步进入成熟应用阶段。编程已逐步进入成熟应用阶段。海外 AI 编程产品百花齐放，包括简化工程工作流、重构工作流 Agent、面向特定类型的任务或领域定制等，当前主要以闭源模型产品为主，并形成了订阅的付费模式，包括 GitHub Copilot、Cursor、Devin 等。图15.海外主要 AI 编程产品 数据来源：2024 年 AI 代码平台及产品发展简报甲子光年，财通证券研究所 10 91%大于200万元100-200万元50-100万元小于50万元5C!%大于30万元1030万元010万元亏损10万元以内亏损10万元以上 谨请参阅尾页重要声明及财通证券股票和行业评级标准 13 行业专题报告/证券研究报告 GitHub Copilot 是一款由是一款由 OpenAI 和和 GitHub 联合开发的联合开发的 AI 编程助手，集成于主编程助手，集成于主流流 IDE（如（如 Visual Studio Code、JetBrains IDEs）中。）中。其核心功能包括智能代码补全、多文件协同编辑、终端指令生成与错误诊断等。例如，开发者可通过聊天界面描述需求，Copilot 会自动生成代码片段或重构现有代码。此外，它还支持自定义指令（如强制使用 TypeScript 或特定代码规范）和项目级代码库感知，提升生成代码的准确性。GitHub Copilot 支持三种底层模型，包括支持三种底层模型，包括 Claude 3.5 Sonnet、GPT-4o 和和 O3-mini 模型模型。Copilot 推出了四个版本面向不同客户，分别为 Free 版（0 美元/月，每月 2000 次代码补全和 50 次聊天），Pro 版（10 美元/月，无限代码补全和聊天），Business 版（19 美元/每人/月，面向团体）和 Enterprise 版（39 美元/每人/月，面向企业用户）。图16.GitHub Copilot 应用较为广泛 数据来源：GitHub Copilot 官网，财通证券研究所 Cursor 是基于是基于 Visual Studio Code 优化的优化的 AI 代码编辑器，强调多模型支持和本代码编辑器，强调多模型支持和本地化适配。地化适配。其功能涵盖智能代码补全、自然语言转代码、代码库全局分析和实时错误修复。特色功能包括代理模式，自定义规则引擎和支持本地化部署（可离线运行敏感数据处理任务），兼顾开发效率与隐私安全。Cursor 支持多个底层模型，支持多个底层模型，包括包括 GPT-4、GPT-4o、Claude 3.5 Sonnet 和和 O1-mimi 等。等。Cursor 目前推出了三个版本，分别为 Free 版（0 美元/月，每月 2000 次代码生成和 50 次慢速高级模型调用），Pro 版（20 美元/月，无限代码生成和慢速高级模型调用，每月 500 次快速高级模型调用），Business 版（40 美元/每人/月，功能同 pro 版，并增加团队管理工具）。谨请参阅尾页重要声明及财通证券股票和行业评级标准 14 行业专题报告/证券研究报告 图17.Cursor 为 AI 代码领域的新秀 数据来源：Cursor 官网，财通证券研究所 Devin 由由 Cognition Labs 研发，定位为“全自主研发，定位为“全自主 AI 软件工程师”，可独立完成从软件工程师”，可独立完成从需求分析到部署的完整开发流程。需求分析到部署的完整开发流程。其核心能力包括代码迁移（如 JavaScript 转TypeScript）、大型代码库重构、数据工程与分析、以及通过 Slack 或 IDE 插件与开发者协作。Devin 基于 LLM 并结合自主学习和工具调用能力（如 Shell、浏览器等），推出了两个版本，为团队版（500 美元美元/月月，含 Slack 集成、IDE 插件及技术支持，无用户数量限制）和企业版（价格需定制，支持 MultiDevin 协同）。图18.Devin 定位为 Agent 而并非 Copilot 数据来源：Devin 官网，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 15 行业专题报告/证券研究报告 国内国内 AI 编程目前以大厂为主导，未来开源生态有望成为新势力编程目前以大厂为主导，未来开源生态有望成为新势力 国内国内AI编程编程面临的挑战主要集中在用户体验、技术发展面临的挑战主要集中在用户体验、技术发展以及市场适应性等方面以及市场适应性等方面，未来开源模型产品有望成为新势力未来开源模型产品有望成为新势力。国内在软件生态融合与场景丰富度相比海外明显欠缺，当前的软件生态需要进行大量融合工作，以提高兼容性，需要时间和用户反馈来不断完善和迭代，以提升对不同工程场景的适应力。国内 AI 编程产品主要出自大模型公司，“模型即应用”的“模型即应用”的闭源闭源形态居多，创业类公司较少形态居多，创业类公司较少。我们认我们认为，近期为，近期 DeepSeek 等等开源模型开源模型的兴起，可能改变的兴起，可能改变 AI 编程产品格局，开源模型分编程产品格局，开源模型分离了底层离了底层模型模型训练训练与产品开发两个阶段，更多的参与者加入生态将加速开源能力与产品开发两个阶段，更多的参与者加入生态将加速开源能力跃升跃升，因此垂直行业公司与创业公司可能，因此垂直行业公司与创业公司可能在在 AI 编码市场编码市场获得更多机会获得更多机会。图19.国内主要 AI 编程产品 数据来源：2024 年 AI 代码平台及产品发展简报甲子光年，财通证券研究所 豆包 MarsCode 是豆包旗下的免费 AI 编程助手，提供以智能代码补全为代表的 AI 功能。支持主流的编程语言和 IDE，在开发过程中提供单行代码或整个函数的编写建议。此外还支持代码解释、单测生成和问题修复等，提高了开发效率和质量。MarsCode IDE 是一个基于 AI 的云端集成开发环境（IDE），内置 AI 编程助手和开箱即用的开发环境助力开发者专注于项目开发。通义灵码是基于通义大模型的 AI 研发辅助工具，提供代码智能生成、研发智能问答、任务自主执行等能力。核心能力包括代码智能生成、研发智能问答、AI 程序员。据通义灵码统计，开发者对该产品满意率超过 87%。目前个人可免费使用，企业标准版与专属版分别为 79 元/人/月和 159 元/人/月。谨请参阅尾页重要声明及财通证券股票和行业评级标准 16 行业专题报告/证券研究报告 图20.豆包 MarsCode 支持网页端线上开发 数据来源：豆包 MarsCode 官网，财通证券研究所 图21.通义灵码支持工程级编码任务 数据来源：通义灵码官网，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 17 行业专题报告/证券研究报告 4 投资建议投资建议 AI 编程为软件开发降本增效，提升软件公司人均创收，计算机软件应用公司有望实现较高利润弹性；强化学习阶段 Scaling 继续演绎，推理模型成本降低，加速 AI 应用落地，中长期推理算力需求持续增长，持续看好国产算力链。5 风险提示风险提示 技术迭代不及预期：技术迭代不及预期：若 AI 技术迭代不及预期，NLP 模型优化受限，则相关产业发展进度会受到影响。商业化落地不及预期：商业化落地不及预期：大模型结合应用的盈利模式尚处于探索阶段，后续商业化落地进展有待观察。政策支持不及预期：政策支持不及预期：新行业新技术的推广需要政策支持，存在政策支持不及预期风险。全球宏观经济风险：全球宏观经济风险：垂直领域公司与下游经济情况相关，存在全球宏观经济风险。谨请参阅尾页重要声明及财通证券股票和行业评级标准 18 行业专题报告/证券研究报告 分析师承诺分析师承诺 作者具有中国证券业协会授予的证券投资咨询执业资格，并注册为证券分析师，具备专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，作者也不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。资质声明资质声明 财通证券股份有限公司具备中国证券监督管理委员会许可的证券投资咨询业务资格。公司评级公司评级 以报告发布日后 6 个月内，证券相对于市场基准指数的涨跌幅为标准：买入：相对同期相关证券市场代表性指数涨幅大于 10%；增持：相对同期相关证券市场代表性指数涨幅在 5%之间；中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间；减持：相对同期相关证券市场代表性指数涨幅小于-5%；无评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。行业评级行业评级 以报告发布日后 6 个月内，行业相对于市场基准指数的涨跌幅为标准：看好：相对表现优于同期相关证券市场代表性指数；中性：相对表现与同期相关证券市场代表性指数持平；看淡：相对表现弱于同期相关证券市场代表性指数。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。免责声明免责声明 本报告仅供财通证券股份有限公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的信息来源于已公开的资料，本公司不保证该等信息的准确性、完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的邀请或向他人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司通过信息隔离墙对可能存在利益冲突的业务部门或关联机构之间的信息流动进行控制。因此，客户应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司不对任何人使用本报告中的任何内容所引致的任何损失负任何责任。本报告仅作为客户作出投资决策和公司投资顾问为客户提供投资建议的参考。客户应当独立作出投资决策，而基于本报告作出任何投资决定或就本报告要求任何解释前应咨询所在证券机构投资顾问和服务人员的意见；本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。信息披露信息披露
2025-02-06
18页
5星级
北京大学：2025年DeepSeek系列报告-DeepSeek与AIGC应用（99页）.pdf
清华大学：2025年DeepSeek手册：DeepSeek给我们带来的创业机会（76页）.pdf
大任智库：2025年DeepSeek企业落地应用讲义精华全版（259页）.pdf
浙江大学：2025年DeepSeek行业应用案例集：解锁智能变革密码（153页）.pdf
华中科技大学&奥哲&汉桨科技：2025从Deepseek到Manus：Al如何重塑企业价值报告（60页）.pdf
德勤（Deloitte）：2025年技术趋势报告（38页）.pdf
觉醒学院&AI流量坊：2025年DeepSeek 7大场景+50大案例+全套提示词 从入门到精通干货（112页）.pdf
至顶AI实验室：2025年DeepSeek完全实用手册V1.0-从技术原理到使用技巧（117页）.pdf
北京大学：2025年DeepSeek系列报告-提示词工程和落地场景（86页）.pdf
智昇人工智能研究院：2025年Manus AI智能体：AGI发展新范式的时间与测评报告（88页）.pdf
0731-84720580
sgpjbg002
工作日 9:30 - 18:00
会员动态：
|
177**58... 升级为至尊VIP（大促版） 138**28... 升级为标准VIP hec**pe... 升级为至尊VIP（大促版） 庄杉 升级为至尊VIP（大促版） 庄杉 升级为标准VIP 138**17... 升级为标准VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP（大促版） 181**89... 升级为至尊VIP（大促版） wei**n_... 升级为高级VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP（大促版） wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP 134**29... 升级为至尊VIP 172**31... 升级为标准VIP 178**31... 升级为高级VIP wei**n_... 升级为至尊VIP 138**52... 升级为至尊VIP wei**n_... 升级为至尊VIP 158**33... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP 152**14... 升级为至尊VIP wei**n_... 升级为至尊VIP 一文**P... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP 137**74... 升级为高级VIP 184**22... 升级为高级VIP 138**51... 升级为标准VIP H**D 升级为至尊VIP 李** 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP 139**14... 升级为标准VIP 186**65... 升级为至尊VIP wei**n_... 升级为高级VIP Ho**向... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP 谷** 升级为高级VIP 谷** 升级为标准VIP wei**n_... 升级为至尊VIP 189**01... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP 185**57... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP 155**06... 升级为标准VIP wei**n_... 升级为高级VIP wei**n_... 升级为标准VIP 136**18... 升级为至尊VIP wei**n_... 升级为标准VIP 157**38... 升级为至尊VIP 135**33... 升级为标准VIP R**3 升级为至尊VIP 135**96... 升级为至尊VIP wei**n_... 升级为高级VIP 189**91... 升级为至尊VIP 136**36... 升级为至尊VIP 181**51... 升级为标准VIP wei**n_... 升级为高级VIP tu**lc 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP 186**28... 升级为高级VIP 186**77... 升级为至尊VIP wei**n_... 升级为高级VIP 189**58... 升级为标准VIP wei**n_... 升级为标准VIP 188**09... 升级为标准VIP wei**n_... 升级为至尊VIP 139**32... 升级为高级VIP wei**n_... 升级为标准VIP 131**82... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP y**i 升级为标准VIP wei**n_... 升级为标准VIP wei**n_... 升级为高级VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP 139**20... 升级为标准VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP |
报告分类
新质生产力
DeepSeek
低空经济
大模型
AI Agent
AI Infra
具身智能
自动驾驶
宠物
银发经济
人形机器人
企业出海
算力
微短剧
薪酬
白皮书
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
最新报告
中英对照
全文搜索
报告精选
PDF上传翻译
多格式文档互转
入驻&报告售卖
会员权益
机构报告
券商研报
财报库
专题合集
英文报告
数据图表
会议报告
其他资源
行业聚焦
芯片产业
热点概念
全球咨询智库
人工智能
500强
新质生产力
会议峰会
新能源汽车
企业年报
互联网
公司研究
行业综观
消费教育
科技通信
医药健康
人力资源
投资金融
汽车产业
物流地产
电子商务
传统产业
传媒营销
其它
2025低空经济/低空产业报告合集（共43套打包）
2025新质生产力报告合集（共27套打包）
AI、科技与通信
广告、传媒与营销
消费、零售与支付
HR、文化与旅游
金融、保险与投资
能源、环境与工业
医疗制药与大健康
物流、地产与建筑
其他行业
AI ▪ 科技 ▪ 通信
数字化
金融财经
智能制造
电商传媒
地产建筑
医疗医学
能源化工
其他行业
收藏
下载
2025-03-10
AI读财报
年报
一季报
半年报
三季报
IPO招股书
社会责任报告
A股
IPO申报
港股
美股&全球
新三板
数据
AI查数
行业数据
政策法规
商业模式
产业链
竞争格局
市场规模
产业概述
其它
2025年
扫码登录
手机快捷登录
账号登录
