赛西威等 “无图”智能驾驶功能的成熟是智能驾驶走进千家万户的关 键，我们判断2024年有望成为重要拐点，相关整车厂和零部件 供应商均能受益，建议关注： 风险提示 新车销量低于预期；技术研发进度低于预期；半导体供应风险。 资料来源：海通证券研究所 19 请务必阅读正文之后的信息披露和法律声明 分析师声明 刘一鸣、王猛、房乔华、张觉尹 本人具有中国证券业协会授予的证券投 股票投资评级 优于大市 预期个股相对基准指数涨幅在 10%以上； 中性 预期个股相对基准指数涨幅介于-10%与 10%之间； 弱于大市 预期个股相对基准指数涨幅低于-10%及以下； 无评级 对于个股未来 6 个月市场表现与基准指数相比无明确观点。 行业投资评级 优于大市 预期行业整体回报高于基准指数整体水平 10%以上； 中性 预期行业整体回报介于基准指数整体水平-10%与 预期行业整体回报介于基准指数整体水平-10%与 10%之间； 弱于大市 预期行业整体回报低于基准指数整体水平-10%以下。 21

控，帮助管理层全局掌握生产状态，及时进行优化调整。这不仅提 高了生产效率，还增强了对潜在问题的预见和处理能力，使得生产 更为灵活。 为便于理解，制订如下表格总结自动化实施的关键技术和预计 效果： 自动化实施技术 具体措施 预期效果 机器人技术 引入多种机器人进行自动化组 装、搬运等工作 提高生产效率，降低人工 成本 物联网感知网络 部署传感器监控设备和工艺参数 实现实时数据采集，增强 决策精准度 数据分析与决策支持系 为了更好地进行资源优化管理，建议建立资源跟踪和反馈机 制。通过实施物联网技术，实时监控设备的运行状态和资源的使用 情况，及时收集反馈数据。利用 AI 算法对数据进行分析，持续改 善资源配置策略。例如，如果发现某种材料的消耗超出预期，可以 及时进行供应链调整，以避免生产中断。 在资源配置优化的具体执行中，以下要点不可忽视： 1. 定期分析和评估当前资源使用情况，找出低效环节。 2. 借助 AI 工具进行数据驱动的决策支持，优化生产和人力调 AI 大模型智慧工厂 MDC 项目方案中，项目范围的界定至关 重要，它将为项目的实施提供明确的方向和目标。项目范围涵盖了 项目的主要功能、实施区域、所需资源以及时间框架，确保所有参 与方对项目的预期结果达成共识。 首先，MDC 项目将聚焦于以下几个核心功能模块的开发与实 施： 1. 实时数据采集：通过传感器和物联网技术，实时收集生产线上 的各类数据，包括设备状态、生产进度、能耗等，为后续的数

云服务帮助企业以专有数据创建专有模型。目前中国大 模型应用的发展还在起步阶段，参考上一轮人工智能周期，我们认为对垂直 行业有深刻理解，有软硬件整合能力的企业更容易享受到 AI 红利。 风险提示：AI 及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个 股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该 股票的推荐或覆盖。 (28) (20) (11) (3) 6 Mar-22 图表2： 算力基础设施板块&多模态 AI 板块相关公司估值表 注：收盘价、市值截至 2023 年 3 月 22 日，美元兑港币数据截至 2023 年 3 月 21 日，预测数据为 Wind 一致预期。 资料来源：Wind，华泰研究 2022E 2023E 2024E 2022E 2023E 2024E 中芯国际 688981 CH CNY 52.30 则用于分子对接。 图表20： NVIDIA BioNemo 服务 资料来源：英伟达，华泰研究 风险提示 1）AI 技术落地不及预期。虽然 AI 技术加速发展，但由于成本、落地效果等限制，相关技 术落地节奏可能不及我们预期。 2）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代 表本研究团队对该公司、该股票的推荐或覆盖。 文生图 文生视频

施 法规风险评价 IT 管控能力 效果评价 价值评估 度量、認証 企业战略 信息体系 风险评估 创新管理体系 全面绩效管理 企业文化建设 抓痛点：六维度客户成熟度分析 绩效分析 预期 效益 调度排产 控制网络 问题 3 ：控制性能最优 感知网络 数据挖掘 模式识别 指标体系 抓痛点：定位 8 大核心工程问 题 问题 2 ：计划与控制的协同 问题 1 ：基于仿真的优化的平台 和创 新决策 • 新一代生产营运中心 智能工厂 “ 三知”：看的清、看的懂、看的远 “ 三行”：做的对、做的快、做的优 “ 三新”：新技术、新思想、新模式 干 的 愉 快 赢 的 漂 亮 预期效果－渐进式兑现 o 智能工厂的新思考 What is it? How to do? o 智能工厂的新实践 SNCC model JIUJIANG practice

驱动的数字双胞胎（虚拟模 型）如何帮助企业在竞争中脱颖而出，提升 客户认知度。报告每一部分的最后都提供了 一个切实可行的行动指南。详细说明如何制 定计划、设定优先级并落实执行，确保每一 个行动都能达到预期效果。 供应链高管需要投资新一代技术，提升运营的 灵活性和韧性，以应对未来多变的环境。 智能供应链洞察变革，驱动增长 5 借力决策， 决胜未来 员工与 AI 助手合作，可以创造比各自 独立工作时更多的商业价值。 早在十多年前，IBM 的供应链管理团队就 提出了一个雄心勃勃的转型计划，即建立 一个认知型的智能化供应链。该计划的目 标是打造一个灵活的供应链，充分利用数 据和 AI 来降低成本，超越客户预期，严格 剔除或自动化无增值工作，并大幅提升供 应链团队的工作体验。 5 从宏观角度上，IBM 供应链数字化转型的 核心是优化感知与响应能力。该目标需要 提升数据民主化，即结合认知控制塔、认 确保所选择的方案具备完整的所需功能，支 持全面的业务需求。然后，通过编排引擎作 为流程调度工具，根据用户指令向多个代理 发出精确命令。借助集成层整合的数据，创 建灵活、智能的工作流程，实现预期结果。 洞察技能需求与不足。 创建涵盖所有供应链工作流程的用户画像。 概述数字助手如何帮助打造新的工作流程并 优化现有流程。洞察这些用户画像与现有技 能水平之间的差距，从而制定培训计划，提

差异化管理难题。 核心观点五 中国制造业出海人才白皮书 (2025) 中国制造业企业拓展海外市场，进行国际化经营的过程中，企业品牌形象较为弱势、对人才市场认 知不够明晰、招聘渠道的效率不及预期、高端人才的获取不达所需和招用人才的质量不合标准等现状的 存在，使得出海企业在人才吸引和获取方面面临巨大挑战，建议企业招聘前将目标国家劳动力情况、全 球人才分布和流动趋势纳入考量。 核心观点六 电子 电气 机械 设备 汽车 新能源 10 中国制造业出海人才白皮书 (2025) 人才画像是企业招聘人才的重要前期工作。通过对岗位需求和潜在人才进行对接分析， 可以帮助企业建立初步招聘预期，避免因招聘思路混乱、招聘重点模糊导致招人难、留人 难、人岗不匹配等问题。对于制造业出海企业而言，对目的地国家人力资源市场了解较少、 自身海外团队组建缺乏先期经验，因此人才画像对海外人才团队的建设显得尤为重要。研 来了重重困难，不仅影响了企业的发展速度，也对企业的国际化战略提出了更高的要求。 国际形势复杂 跨境人才 吸引和获取 人才管理 挑战 地区冲突 贸易保护主义 打压与封喉 人才市场认知不明晰 招聘渠道的效率不及预期 高端人才的获取不达所需 招用人才的质量不合标准 宗 教 民 族 语 言 文化水土不服 出海成本高 法务合规问题 公司设立成本 移居成本 全职员工成本 灵活用工成本 用 工

对落后、产品同质化竞争的行业内企业，则将持续面临市场出清压力。 信用质量或将进一步分化。同时我们也注意到精细化工企业在转型升 级过程中，资本投入或将导致刚性债务规模上升，但研发失败或者市 场供需错配使得企业投入资金回报率不及预期，加剧企业财务风险。 新世纪评级 2025 年度新质生产力系列文章 2 一、 科技赋能将加快关键精细化工材料国产化进程并提升 回报率不及 预期，加剧企业财务风险。 科技赋能转型升级过程中，精细化工企业迎来发展机遇的同时， 也面临一定的风险。精细化工行业技术密集，新工艺、新材料的研发 及后续项目建设等均需投入大量资金。在自有资金不足情况下，企业 需要加大外部融资，进而导致刚性债务规模上升。但技术研发及新增 产能投放需要一定时间，研发失败或者市场供需的时间错配，可能导 致投入资金回报率不及预期，加剧企业财务风险。

架构，通过“平 台+APP”模式有望为下游行业持续赋能，打破客户盈利瓶颈，公司也将在这一过程中 源源不断获得业务增长。 股价表现的催化剂 下游资本开支加快，新产品推广超预期，海外市场开拓超预期等。 核心假设风险 宏观环境不确定风险；下游行业周期波动的风险；市场竞争加剧的风险；海外市场 经营风险等。 UVfWqUjX8WpZ8O8Q9PoMoOnPmQ

推动宏观经济结构向优、态势向好的同时，也为工业互联网产业发展 带来新的机遇与增长点。工业互联网连续 8 年写入政府工作报告， “两新”行动方案中明确要“加快工业互联网建设和普及应用”，政 策预期的稳定性和市场主体的信心不断增强，工业互联网的市场规模 有望进一步扩大，工业互联网与金融双向赋能价值不断跃升。 报告认为，面向“十五五”时期，工业互联网的发展迎来新局面。 随着资本市场的回暖，2025 和技术改造再贷款作用，引导金融机构将金融服务嵌入工业互联网、 ‘人工智能+产业’等数字化场景，助力数字经济核心产业发展和产 业数字化转型。”并强调要“梳理提炼发展数字金融的经验做法、典 型模式”，为以工业互联网赋能金融带来新的政策预期与发展利好。 37 研判认为，在一系列政策的支持引导下，工业互联网与金融双向 赋能的深度与范围有望进一步发展，工业互联网投融资面临的不平衡 不充分等问题有望进一步得到缓解。2025

以通过大模型对不同领域的数据进行融合分析，优化各环节的资源配置，推动 产业链上下游的协同发展。 4.5.2 应用效果的提升 83 在工业大模型的应用中，未来的预期效果将体现在多个维度，特别是在深 度集成、智能协同与自适应优化等方面。这些进一步的预期效果不仅将推动传 统制造业的进一步升级，还将推动创新和跨领域的深度融合。 随着深度集成技术的进一步发展，工业大模型将在生产、设计、销售、物 流等全 影响，并在设备维修后迅速恢复正常生产。这种自适应优化的能力，将使得工 业大模型能够有效降低运营成本，提高整体生产效率，并在不稳定或高度变化 的环境中保持高效运行。 工业大模型未来在应用效果提升方面的预期效果将是多维度、全方位的， 84 不仅会提升生产效率、产品质量和设备利用率，还会加强系统协同能力、自适 应能力、个性化定制能力等方面的创新，推动整个工业生态向更加智能、灵活、 高效的方向发展。 现有的 数据进行清洗、整合与处理，确保数据的质量和一致性，为后续的模型训练提 供可靠的基础。数据的充分准备是工业大模型成功实施的关键所在，只有保证 数据的准确性和全面性，模型的效果才能真正达到预期。 接下来，企业要根据具体的应用场景选择合适的机器学习或深度学习模型， 并进行个性化定制和优化。在模型训练阶段，企业需要充分考虑到其业务需求 和数据特点，通过选择合适的算法、调整参数以及进行多次验证，确保模型的