免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 工业/能源 DeepSeek 冲击下，AI 产业对国内电 力行业的变与不变 华泰研究 工业 增持 (首评) 能源 增持 (维持) 研究员 刘俊 SAC No. S0570523110003 SFC No 以及巴拿马电源和 SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，明阳电气，伊戈尔。最后，我们重申于《新型电力系统成本篇：多 维解决消纳问题，新能源迈入 2.0 时代》（2024.10.25）中对于配网建设， 储能平价和风电发展的看好，我们认为数据中心建设将加速国内能源转型和 提升新能源有效需求，绿色电源和数据中心耦合将成为趋势。 风险提示：AI 应用落地不及预期，供应链风险。 请务必一起阅读。 8 工业/能源 AI 数据中心供配电投资机会涌现 智能算力需求上行催化供配电系统迭代 算力分为通用算力、超算算力和智能算力，应用场景和核心硬件有显著差异，因此对供配 电系统需求亦有所不同。拆分来看： 1） 云数据中心-通用算力：亦称为基础算力，芯片架构主要以 CPU 为算力核心，主要用于 满足云计算和边缘计算等基础通用计算需求，无法高效处理大规模并行计算任务。通用

本提供用户，其中低配的基础算 力模组可以完成一些遥控的走路、跑步、跳跃等基础性动作，二次开发部署潜力较弱，起售价均在10万元以内。宇树、众擎使用英特尔 Core i5及N97作为基础算力模组CPU，其中i5为成熟民用CPU而N97为一款低功耗移动处理器，专为轻量级计算和嵌入式场景设计。如果极客开发 者、院校培训、创业者等需要对机器人进行二次开发，则需使用高算力模组的高配版本，整机价格可能会有数倍的价差。目前，绝大部分厂 。其中预训练完全基于合成大数据，训练数据 达到了有史以来最大的数据体量——十亿帧「视觉-语言-动作」对，掌握泛化闭环抓取能力、达成基础模型；预训练后，模型可直接 Sim2Real 在未见过的、千变万化的真实场景和物体上零样本测试，全球首次全面展现了七大卓越的泛化能力，满足大多数产品的需求；而针 对特别需求，后训练仅需小样本学习即可迁移基础能力到特定场景，维持高泛化性的同时形成符合产品需求的专业技能。

4 理想：双系统并行，VLM规范端到端模型下限 2.5 比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3 更准确的跟踪；⑤动态规划道路 封闭路线，当车队检测到封闭道 路时，会沿着受影响的路线显示 封闭道路。 表7：FSD的核心功能模块 核心功能模块 技术实现 性能指标 高速领航 基于BEV实时规划车道级路径 变道成功率99%，平均耗时4.2秒 城市辅助 依赖Occupancy Network避让动态 障碍物 无保护左转通过率85% 智能召唤 视觉SLAM定位+超声波雷达避障 停车场内最大响应距离150米 雷达+12个摄像头+12个超声波雷达，兼顾感知精度与成本控制，推动智驾平权。车型市场方面，10万级以上车型全系标配、 10万级以下车型多数搭载天神之眼。其中，搭载天神之眼C的车型最低价7.88万元（海鸥次低配），推动高速NOA向10万级以 下车型普及；城市NOA则主要匹配20万元以上车型。 技术下沉：当前行业普遍将高阶智驾捆绑在30万+车型，而比亚迪凭借垂直整合优势（自研芯片、三电、智驾算法），可能将

指数 0.26%。标的表现方面，涨价、AI 及机器人方向表现较佳，业绩不佳、产 品价格下行的标的有所承压。估值方面，本周基础化工 PB 历史分位数为 18%，PE 历史分位数为 65%。AI 行业边际变 化，一是市场担心 AI 行业拼算力逻辑有所变化，但本周欧盟追加 500 亿欧元投资缓解了市场担忧；另外一个重要事 件是 DeepSeek 7 天用户破亿，势如破竹，进而也引发了中国科技龙头估值重构，这也带来另外一个思考，即中国科 DeepSeek 国产化适配测评工作，旨在为 DeepSeek 系列模型在多硬件多场景下的适配部署提供参考。①一是评价模型在包括硬件 芯片、计算设备、智算集群等软硬件系统中的适配效果；②二是反映模型在软硬件系统适 配过程中软件栈及工具的适配易用性及开发部署成本。 3、裁员最高达 8000 人，十大化工巨头新年集体“瘦身” 2 月 12 日，据路透社报道——美国石油巨头雪佛龙（CVX.N）表示，将在 2026

螺纹完整性检测系统无需旋转或者多相机系统，只需要单个相机 单次拍摄即可获得 6 个对称分布、可完全覆盖物体侧面的图像，适用 于 M1.0~M2.5 的螺纹孔检测。光学系统具有可变光阑，可根据需求改 变景深；一体式照明设计，方便螺纹孔内部打光；双镜组成像设计， 工作距离较大，可满足在线快速检测。软件系统采用先进的工业 AI 视觉平台，使用者无需具备专业的 AI 算法能力，仅需上传缺陷图片， 平台即可根据不同检测场景，自动完成 描仪的 引导工作，协同完成自动化扫描，整个扫描与检测过程不超过 3 分钟。 汽车空调出风口组装及检测应用。汽车空调出风口组装及检测的 工序相对细致、麻烦，采用人工流水线作业方式，每一道工序需要配 备一名工人，且流水线完全铺开所需场地面积较大。终端客户采用 2 台大族 E05 协作机器人对产线进行自动化升级改造，将组装、检测工 32 序合并，与生产工人共同作业，协作完成任务。另外，大族

《》 ： 与 ⽣改 变 ） 占⽐ / 集 采 监管 度更强 ⽐如药 参 管 业 构 监 商 重 化 元⽀ 据安 药品 据 驱 多 数 vs 数 • • • 与学术⽅式和效率 临床决策影响模式 发 / 培训模式发⽣改 变 研 ⽣ 习 科 医 学 ⽣ • • • 精细化运营管理（ 多渠道营销：借助⼤模型，提⾼合规内容⽣产与互动效率 23 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通→数据要素商业化变 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（ DRG/DIP ） DS 推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） → 药品定价策略 • PR 先⾏， 但过去“纸⾯数据、

目前主要应用于零售 商超、酒店、餐厅、银 行大厅等场所，为用户 提供问询、递送、导览、 商品分拣、娱乐表演等 服务。 11 工业 领域 目前通常被用于汽车、 电子等生产线上的装 配、操作、维护和检测 等 1.2 人形机器人发展历程 人形机器人的探索始于 20 世纪 70 年代，经历了早期发展阶段 （1970—2000 年）、集成发展阶段（2001—2011 年）、高动态运动与 的范式可以使模型能够在不同环境和任务中学习和适应，实现 更高级的决策能力。 未来，建立准确的环境模型、对场景进行分析和理解、让人形机 器人能够根据历史数据和先验知识对当前的环境状态和可能的动态变 化进行预测和推测从而做出智能决策将是研究的重点。 41 2.2.5 运动规划与控制 运动规划是人形机器人技术中的关键环节，是在给定的起始状态 和目标状态之间，为人形机器人找到一条符合约束条件的路径或轨迹。 核心技术及创新点 优必选工业人形机器人 Walker S1 在搬运过程中，首先构建周围 环境的 3D 语义地图，实现复杂环境中的精准导航与避障。通过视觉识 别与模仿学习，识别并处理多种箱子，运用变导纳控制技术确保夹抱 力稳定精细。Walker S1 凭借其先进的 6D 位姿识别技术，实现毫米级 精度的物料自主定位与识别，依托其内置的多模态大模型“大脑”， 获得操作环境和物料的定位和语义信息，并执行任务理解和规划，遇

务数据 的仿真模拟。为实现数据的高质量仿真，需要使用机器学习 领域的生成式模型，主流的生成模型包括生成式对抗网络 （ Generative adversarial net ， GAN ） 和 变 分 自 编 码 （Variational autoencoder，VAE）两大类。 （1） 生成式对抗网络（Generative Adversarial Net， GAN） 生 成 式 对 抗 的训练过程涉及到不断调整生成器和判别器的参 数，使得生成器能够产生越来越难以被判别器区分的数据， 而判别器则变得越来越擅长识别真伪。这个过程最终导致生 成器能够产生高质量的假数据。 （2） 变分自编码（Variational AutoEncoder，VAE） 变分自编码器（VAE）是一种基于概率的生成模型，它 通过学习输入数据的潜在表示来生成新的数据。VAE 的核心 组成包括两个主要部分：编码器（Encoder）和解码器 大，数据整合难度大。传统金融业风险管理方式一般基于历 史数据和静态模型，在客户对金融产品个性化需求提高的现 在，可能存在风险识别滞后的问题，表现为在市场变化、客 户行为和潜在欺诈方面反应速度较慢，不能迅速适应市场变 化。当突发市场波动时，若金融机构无法及时调整风险策略， 将导致客户投资损失，甚至客户流失。 6 国家金融监督管理总局官方公告，截至 2023 年底，中国银行业金融机构法人共 4608 家，中国

年是拥抱变化、把握机遇的一年。冲突和转型的交织令原有假设受到质疑，领导者不得 不重新评估其风险偏好。他们必须平衡速度需求与成熟流程的安全性，然后改变那些束缚发展 的习惯。 生成式 AI 是这一转变的核心，带来了一个充满新机遇和未知风险的世界。智能体 AI 是指自主 执行各种功能的系统和程序，可在员工从事其他工作时代表他们完成任务。通过为 AI 智能体赋 予相关权限，它们可以自动执行决策、解 创新列为同一时间段内的首要任务。 28 企业高管深知，为了充分发挥创 新产品的优势，他们还需要重新思考如何实现盈利。 事实上，62% 的受访 CEO 表示需要重塑组织运营方式，才能赢得未来。 29 AI 将在这一转变中发挥重要作用。未来三年，85% 的受访高管表示 AI 将推动业务模式创新，89% 的受访高管表示 AI 将推动产品和服务创 新。 30 该如何做呢？首先要比以往更快、更全面地分析客户和市场数 co/digital-product-alchemy 33. Ibid. 选对合作伙伴， 驾驭多变的世界 在 IBM，我们积极与客户协作，运用业务洞 察和先进的研究方法与技术，帮助他们在瞬 息万变的商业环境中保持独特的竞争优势。 IBM 商业价值研究院 IBM 商业价值研究院 (IBM IBV) 成立二十多 年来，我们提供有研究支持和技术支持的战 略洞察，帮助领导者做出更明智的业务决

3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性 能的计算资源，如GPU 集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 ◼ 南网，大瓦特 ◼ 三峡集团“大禹”大模型 ◼ 中核集团龙吟大模型 ◼ 中国广核，“锦书”大模型 ◼ 中国石油，昆仑大模型 ◼ 中国石化，“胜小利”大模型 能源网络优化与安全管理数字化： 1、智能电网优化：在智能电网中，Deepseek大模型可以对 电网的拓扑结构、电力负荷、分布式能源接入等因素进行综 合分析，优化电网的运行方式和潮流分布。通过实时调整变 压器的分接头、断路器的开关状态等，提高电网的供电质量 和可靠性，降低电网的损耗。 2、故障预测与预警：基于历史故障数据和实时监测数据，AI 大模型可以预测设备未来可能出现的故障类型、时间和严重