內(nèi)容目錄芯、端、云全產(chǎn)業(yè)鏈布局，25H1營(yíng)收業(yè)績(jī)高增 6把握AI算力需求爆發(fā)，25H1營(yíng)收高增 6硬蛋科通雙輪驅(qū)動(dòng)，成長(zhǎng)空間逐步拓寬 9AI驅(qū)動(dòng)芯片需求爆發(fā)，高端算力資源稀缺 物理AI席卷全球，具身智能星辰大海 產(chǎn)業(yè)鏈垂直拓展，自研SOM打造第二成長(zhǎng)曲線 盈利預(yù)測(cè)及投資建議 風(fēng)險(xiǎn)提示 圖表目錄圖表技術(shù)型分銷商產(chǎn)業(yè)鏈作用 6圖表公司營(yíng)收情況 7圖表公司歸母凈利潤(rùn)情況 7圖表公司毛利率及凈利率情況 7圖表公司部分合作制造商 8圖表硬蛋科技部分領(lǐng)域布局方案 8圖表科通技術(shù)情況 9圖表科通技術(shù)全場(chǎng)景布局 圖表Ascend圖表人工智能演進(jìn)歷程 圖表三大人工智能規(guī)模定律推動(dòng)計(jì)算需求呈指數(shù)級(jí)增長(zhǎng) 圖表2019-2029年全球算力規(guī)模 圖表2019-2029年中國(guó)大陸算力規(guī)模 圖表2028年AI投資（十億美元） 圖表英偉達(dá)預(yù)計(jì)2030年全球AI基礎(chǔ)設(shè)施支出將達(dá)3-4萬(wàn)億美元 圖表四大云廠商capex情況（季度） 圖表Marvell上調(diào)2028年定制芯片目標(biāo)市場(chǎng)規(guī)模（TAM） 圖表物理AI面向龐大的潛在市場(chǎng) 圖表NVIDIAJetson軟件棧 圖表構(gòu)建人形機(jī)器人需要一系列硬件和軟件組件 圖表NVIDIAJetsonThor 圖表JetsonThor產(chǎn)品矩陣 圖表JetsonThor在生成推理方面速度提升相較Orin高達(dá)5倍 圖表Jetson多模型實(shí)時(shí)表現(xiàn) 圖表JetsonThor支持多種AI框架和生成式AI模型 圖表GalbotG1人形機(jī)器人 圖表夸父電子場(chǎng)景 圖表2024-2029年全球與中國(guó)機(jī)器人市場(chǎng)預(yù)測(cè) 圖表SOM組裝示意圖 圖表SOM結(jié)構(gòu)示意圖 圖表MCM示意圖 圖表SIP示意圖 圖表SBC示意圖 圖表SOM示意圖 圖表SOM可助力加快市場(chǎng)投放速度，并降低圖表使用SoM方法的優(yōu)勢(shì) 圖表SoM和完全分立式解決方案之間的差異 圖表自適應(yīng)SOM可以在多個(gè)抽象層級(jí)進(jìn)行編程 圖表賽靈思KriaKV260視覺AI入門套件 圖表盈利預(yù)測(cè)（億元） 圖表可比公司情況 芯、端、云全產(chǎn)業(yè)鏈布局，25H1營(yíng)收業(yè)績(jī)高增把握算力需求爆發(fā)，25H1營(yíng)收高增AIAI需求，通過將供核心動(dòng)力。公司業(yè)務(wù)主要分為科通技術(shù)、硬蛋科技兩大平臺(tái)，其中科通技術(shù)為芯片應(yīng)用技術(shù)服務(wù)平臺(tái)，硬蛋科技為AIoT技術(shù)和服務(wù)平臺(tái)。公司全面推進(jìn)由產(chǎn)業(yè)連結(jié)者向科技賦能者的定位升級(jí)，致力成為創(chuàng)新企業(yè)的技術(shù)整合平臺(tái)?？仆夹g(shù)：AI算力供應(yīng)鏈的核心供應(yīng)商，積極參與全球算力網(wǎng)絡(luò)建設(shè)，與國(guó)際原廠AI等場(chǎng)景提供應(yīng)用技術(shù)與供應(yīng)鏈服務(wù)。透AI時(shí)，硬蛋科技積極推進(jìn)兩輪車電池云服務(wù)，搶占人民幣千億級(jí)藍(lán)海市場(chǎng)。硬蛋學(xué)堂引進(jìn)全球領(lǐng)先的芯片應(yīng)用技術(shù)，為行業(yè)提供全方位的技術(shù)服務(wù)及人才培訓(xùn)。圖表1：技術(shù)型分銷商產(chǎn)業(yè)鏈作用通技術(shù)招股說明營(yíng)收高增。25H166.7654.5%，營(yíng)收包括IC、其他電子元器件、AIoT66.5億元及引力金服收入約0.23億元，AI技術(shù)相關(guān)產(chǎn)業(yè)對(duì)芯片需求不斷增長(zhǎng)及內(nèi)存、存儲(chǔ)模塊產(chǎn)品等部分市場(chǎng)逐步復(fù)蘇。8.78%主要由于客戶組合的變化124向大客戶銷售的毛利率相對(duì)較低，因此向大客戶銷售越多，總體毛利率越低。實(shí)現(xiàn)歸母1.3217.2%，同比增速較低于營(yíng)收增速主要系毛利率下降。2019-20242019-2024CAGR202194.552.8%、AI、IoT2019-2024CAGR為11.5%，20213140%202011.3%2021年的2023年公司營(yíng)收及歸母凈利潤(rùn)同比下滑，202388.620232.133%。圖表2：公司營(yíng)收情況 圖表3：公司歸母凈利潤(rùn)情況806040200

營(yíng)收（億元） yoy20192020202120222023202425H1

0%-10%-20%

3.53.02.52.01.51.00.50.0

歸母凈利潤(rùn)（億元） yoy2020202120222023202425H1

150%100%50%0%-50%圖表4：公司毛利率及凈利率情況銷售毛利率 銷售凈利率8%6%4%2%0%2019 2020 2021 2022 2023 2024 25H1整合全球頂尖AI在AIAIAIAI著壁壘的供應(yīng)鏈優(yōu)勢(shì)。圖表5：公司部分合作制造商通技術(shù)官把握下游需求發(fā)展趨勢(shì)，加強(qiáng)應(yīng)用方案覆蓋度。方案，有效協(xié)助客戶降低技術(shù)門檻、加速產(chǎn)品創(chuàng)新進(jìn)程。同時(shí)，公司創(chuàng)新性地實(shí)現(xiàn)了從芯的到現(xiàn)用芯的的價(jià)值躍遷，提供現(xiàn)開箱即用的的核心技術(shù)模組，顯著縮短客戶研發(fā)周期，使其能聚焦于自身應(yīng)用的差異化創(chuàng)新，從而在市場(chǎng)競(jìng)爭(zhēng)中獲得先發(fā)優(yōu)勢(shì)。圖表6：硬蛋科技部分領(lǐng)域布局方案蛋官AI技術(shù)深度融入內(nèi)部運(yùn)營(yíng)體系，實(shí)現(xiàn)了從市場(chǎng)推廣、客戶挖掘到供應(yīng)鏈管理等核心業(yè)務(wù)流程的智能化升級(jí)。這不僅有效提升運(yùn)營(yíng)效率及降低運(yùn)營(yíng)成本，更有助推動(dòng)本集團(tuán)整體業(yè)務(wù)的健康高速增長(zhǎng)，從而實(shí)現(xiàn)對(duì)AI技術(shù)投入的戰(zhàn)略性反哺與價(jià)值循環(huán)。構(gòu)建獨(dú)特業(yè)務(wù)閉環(huán)，實(shí)現(xiàn)公司戰(zhàn)略升華。業(yè)務(wù)模式方面，公司構(gòu)建了獨(dú)特的業(yè)務(wù)閉環(huán)，驅(qū)動(dòng)實(shí)現(xiàn)從芯片互易到技術(shù)整合的戰(zhàn)略升華，為客戶提供高效供應(yīng)鏈服務(wù)、深度技術(shù)方案和定制化產(chǎn)品。公司以龐大的產(chǎn)業(yè)生態(tài)為基礎(chǔ)，整合并處理來自芯片、軟件及專業(yè)服務(wù)等全品類資源的海量互易數(shù)據(jù)，經(jīng)過深度挖掘與分析，形成精準(zhǔn)的市場(chǎng)洞察，實(shí)現(xiàn)對(duì)產(chǎn)業(yè)鏈上下游雙向賦能：一方面為下游客戶提供定制化解決方案，另一方面向上游芯片供應(yīng)商反饋市場(chǎng)需求數(shù)據(jù)，深度綁定產(chǎn)業(yè)鏈各方參與者，形成高效獨(dú)特的商業(yè)閉環(huán)。該模式有效強(qiáng)化客戶黏性，構(gòu)筑堅(jiān)實(shí)競(jìng)爭(zhēng)壁壘，成為驅(qū)動(dòng)本集團(tuán)持續(xù)發(fā)展的核心引擎。硬蛋科通雙輪驅(qū)動(dòng)，成長(zhǎng)空間逐步拓寬科通技術(shù)：AI算力供應(yīng)鏈的核心供應(yīng)商。科通技術(shù)作為公司芯片分銷業(yè)務(wù)平臺(tái)，其發(fā)展可主要分為三個(gè)階段：（2Comtech年成為美國(guó)納斯達(dá)克上市公司Comtech后更為為優(yōu)創(chuàng)科技全球核心電子元器件原廠建立了代理關(guān)系。集成電路及其他電子元器件平臺(tái)（2：22年，康敬偉先生在開曼201220132C201372013年推出硬蛋平臺(tái)全球AIoT20142018業(yè)務(wù)，二是自有技術(shù)產(chǎn)品（模塊、整機(jī)等）和企業(yè)服務(wù)（如云服務(wù)。（2020年至今年末將芯片分銷201912益重組完成后，科通技術(shù)發(fā)展成為一家知為的芯片應(yīng)用設(shè)計(jì)和AIIIAIAIAI80IntelAMD，MicrosoftGPUCPUFPGAASIC用技術(shù)解決方案及供應(yīng)鏈管理服務(wù)。根據(jù)國(guó)際電子商情數(shù)據(jù)，2024年硬蛋創(chuàng)新位列全球代銷廠商第26為。圖表7：科通技術(shù)情況通技術(shù)官依托自主研發(fā)AI技術(shù)及創(chuàng)新技術(shù)專利，打造智能供應(yīng)鏈優(yōu)勢(shì)。的AIAI技術(shù)和大數(shù)據(jù)分析，實(shí)現(xiàn)供應(yīng)鏈的智能化管理，有效提升運(yùn)營(yíng)效率并降低成本。同時(shí)，科通技術(shù)擁有多項(xiàng)自主知識(shí)產(chǎn)權(quán)，包括智能算法庫(kù)、行業(yè)專屬大模型、智能硬件設(shè)計(jì)平臺(tái)、自適應(yīng)系統(tǒng)架構(gòu)、智能開發(fā)工具鏈以及大量的創(chuàng)新技術(shù)專利，立足相關(guān)技術(shù)，科通持續(xù)鞏固在AI芯片應(yīng)用和智能供應(yīng)鏈領(lǐng)域的競(jìng)爭(zhēng)優(yōu)勢(shì)?，F(xiàn)DeepSeek+AIAIDeepSeek新版本開源，AI技術(shù)掀起了全球普及的浪潮，AI從云端到本地，再到終端設(shè)備，AIDeepSeek大模型與AI芯片相結(jié)合的全場(chǎng)景應(yīng)用方案，全面覆蓋云AI、本地AI以及端AI云場(chǎng)景Infiniband-Spine）AI持續(xù)增長(zhǎng)。同時(shí)，該云AI100G/200G/400G等級(jí)高速網(wǎng)關(guān)/網(wǎng)卡等相關(guān)產(chǎn)品的市場(chǎng)增長(zhǎng)。本地場(chǎng)景Deepseek提供了具備AI功能的CPU、32GB/48GBDIMM內(nèi)存模組和SATA/NVME硬盤模組，確保數(shù)據(jù)安全存儲(chǔ)。端場(chǎng)景CAISoC應(yīng)用，特別是基于RISC-V?架構(gòu)且?guī)в辛孔影踩雷o(hù)功能的高性能微處理器，借助時(shí)間敏感網(wǎng)絡(luò)（TSN）以太網(wǎng)互換和人工智能功能，為關(guān)鍵任務(wù)型智能邊緣應(yīng)用提供有力支持。圖表8：科通技術(shù)全場(chǎng)景布局通技術(shù)官硬蛋科技：順應(yīng)自主開發(fā)戰(zhàn)略，把握AI+國(guó)產(chǎn)化機(jī)遇。立足龍頭背書+定制化服務(wù)，布局AI服務(wù)器業(yè)務(wù)。AI自主研發(fā)戰(zhàn)略，精準(zhǔn)布局AI服務(wù)器業(yè)務(wù)，深耕細(xì)分市場(chǎng)，提供高性能適配硬件與專屬國(guó)產(chǎn)化方案，并配套全周期技術(shù)維護(hù)，構(gòu)建硬件+軟件+服務(wù)一體化閉環(huán)，全面滿足客戶需求，并與華為深度合作，依托昇騰910芯片推出DeepSeek一體機(jī)，切入科研客戶核心算力需求。DeepSeek一體機(jī)依托華為技術(shù)底座，兼顧算力穩(wěn)定、數(shù)據(jù)安全與技術(shù)自昇優(yōu)質(zhì)客戶資源與服務(wù)經(jīng)驗(yàn)，逐步拓展至更廣泛的企業(yè)市場(chǎng)，長(zhǎng)期則有望進(jìn)一步參與聯(lián)合研發(fā)，深度嵌入產(chǎn)業(yè)鏈，實(shí)現(xiàn)可持續(xù)的業(yè)務(wù)成長(zhǎng)與價(jià)值躍升。圖表9：Ascend910echpoweru高效利用數(shù)據(jù)資源，深化生態(tài)—數(shù)據(jù)—?jiǎng)?chuàng)造—賦能的自我強(qiáng)化循環(huán)。公司計(jì)劃通過持續(xù)的業(yè)務(wù)拓展和數(shù)據(jù)積累，深化生態(tài)—數(shù)據(jù)—?jiǎng)?chuàng)造—賦能的自我強(qiáng)化循環(huán)，并將依托數(shù)據(jù)實(shí)現(xiàn)雙向賦能：一方面，向下助力客戶提升效率與創(chuàng)新能力；另一方面，向上反哺原廠以更精準(zhǔn)把握市場(chǎng)趨勢(shì)與客戶需求，構(gòu)建上下游雙向循環(huán)機(jī)制。其中硬蛋科技通過硬蛋AIAI產(chǎn)業(yè)鏈，抓緊智能變革業(yè)務(wù)契機(jī)。打造iPaaS技術(shù)整合平臺(tái)，實(shí)現(xiàn)芯端云產(chǎn)業(yè)閉環(huán)。AI時(shí)代的機(jī)遇，硬蛋創(chuàng)新iPaaSAioT現(xiàn)芯–端–企業(yè)服務(wù)平臺(tái)，公司獲取大量客戶，收集購(gòu)買需求和數(shù)據(jù)，并提供強(qiáng)大數(shù)據(jù)分析工具為--同效應(yīng)，硬蛋科技專注于現(xiàn)端的和現(xiàn)云的的服務(wù)，利用大數(shù)據(jù)資源分析和提供成熟的整合方案，由系統(tǒng)、終端到云端的技術(shù)整合支持，為不同新興行業(yè)提供度身訂造的方案。同時(shí)，硬蛋科技正加速研發(fā)，伴隨研發(fā)項(xiàng)目益趨成熟，自研產(chǎn)品有望進(jìn)一步加速業(yè)績(jī)?cè)鲩L(zhǎng)。驅(qū)動(dòng)芯片需求爆發(fā)，高端算力資源稀缺AI大模型驅(qū)動(dòng)算力需求爆發(fā)，全球算力規(guī)?？焖僭鲩L(zhǎng)。ChatGPTDeepSeek為B端推向C8OpenAI的預(yù)計(jì)，GPT-5GPT-3400倍?？?019年309EFlops20242207202914130EFlops，20242029年CAGR45%2029年5457EFlops，2024202949.7%。圖表10：人工智能演進(jìn)歷程 圖表11：三大人工智能規(guī)模定律推動(dòng)計(jì)算需求呈指數(shù)級(jí)增長(zhǎng)為《智能世界2035 偉圖表12：2019-2029年全球算力規(guī)模 圖表13：2019-2029年中國(guó)大陸算力規(guī)模 國(guó)信通院，灼識(shí)咨詢，盛合晶微招股說明書，國(guó)盛證券研究所 究所

國(guó)信通院，灼識(shí)咨詢，盛合晶微招股說明書，國(guó)盛證券研算力需求爆發(fā)進(jìn)一步催生AI芯片需求年中國(guó)AI120679.90%2024年，中國(guó)AI7AI年，AI芯片規(guī)模1500億美元，2027AI4000億美元。根據(jù)marvell年數(shù)據(jù)中心資本開支有望達(dá)萬(wàn)億美元。根據(jù)英偉達(dá)數(shù)據(jù)，預(yù)計(jì)年全球AI基礎(chǔ)設(shè)施支出將達(dá)3-4萬(wàn)億美元。圖表14：2028年AI投資（十億美元）arvell，publicinformation,Dell’Or圖表15：英偉達(dá)預(yù)計(jì)2030年全球AI基礎(chǔ)設(shè)施支出將達(dá)3-4萬(wàn)億美元偉CSP910-30（850億美元06和CPUFY26FY25；meta預(yù)計(jì)250-20（6-20億美元06年資本支出增長(zhǎng)2025AI202512502026年這一數(shù)額將增加。CSP正持續(xù)加碼AI基礎(chǔ)設(shè)施建設(shè)。微軟：FY26Q1Azure40%FY26Q2收入增長(zhǎng)在不變Azure業(yè)務(wù)進(jìn)展方面，AI平臺(tái)與Copilot家族需求加速，Copilot月活超億，客戶繼續(xù)以比任何其他新的套件更快的速度采用Microsoft365Copilot90%500強(qiáng)企業(yè)在使用。此外，公司與OpenAI達(dá)成億美元AzureAI80%RPOGPU和CPUFY26的增長(zhǎng)率將高于谷歌：Q3117億美元，營(yíng)業(yè)利潤(rùn)同比增長(zhǎng)85%35.9423.7%AI技術(shù)堆棧，包TPUAI模型。管理層指出，當(dāng)前云端產(chǎn)品需求異常旺盛，其核心驅(qū)AI產(chǎn)品。GCPAI基礎(chǔ)設(shè)施（TPU、GPU）Gemini2.5等AI模型驅(qū)動(dòng)的解決方案均實(shí)現(xiàn)強(qiáng)勁增長(zhǎng)。截至末，谷歌云端訂單積壓（backlog）46%82%，充分體現(xiàn)出市場(chǎng)850910-930億美元，并預(yù)計(jì)2026年仍將維持高投入節(jié)奏。330億美元，1320200010Q31250重點(diǎn)投向AI展奠定堅(jiān)實(shí)基礎(chǔ)。Meta：660-720700-720億美元的高位年，顯示公司正為AI算力擴(kuò)張進(jìn)行前瞻性布局。圖表16：四大云廠商capex情況（季度）資本開支（億美元）META20Q13620Q23320Q33720Q44621Q14321Q24621Q321Q422Q14354 5422Q27622Q39422Q49023Q16823Q26223Q36523Q47724Q16424Q224Q382 8324Q414425Q112925Q216525Q3188微軟3847 49 42 6558 595369 63 668999 97139149158167171194亞馬遜5466 98 132130148165137141150154131104113134139164213261243314342谷歌6054 54 5555 68 64986873 766369 81 110132131143172224240合計(jì)188200238275265295317341343354380384328325358418433516575706711874964QOQ 20Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q323Q424Q124Q224Q324Q425Q125Q225Q3META-9%13%25%-7%8%-6%25%1%39%24%-4%-24%-9%5%17%-17%28%1%75%-10%28%14%微軟26%3%-15%22%27%-10%1%-9%29%-9%0%5%35%11%-2%13%27%8% 6% 6%2%14%亞馬遜22%48%35%-15%16%14%12%-17%3%7%3%-15%-20%9%18%4%18%30%22%-7%29%9%谷歌-10%0%1%8%-8%24%-6%53%-30%7%4%-17%10%17%37%9%10%-1%9%20%31%7%合計(jì)7%19%15%-4%12%7% 8%1%3%7%1%-14%-1%10%17%4%19%11%23%1%23%10%YOY20Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q323Q424Q124Q224Q324Q425Q125Q225Q3META20%42%17%16%27%64%117%68%26%-18%-30%-15%-6%31%26%88%102% 102%128%微軟35%36%18%41%5% 6% 8% 7%24%30%58%55%66%55%50%62%53%23%30%亞馬遜106%96%50%25%23%9%2%-6%-5%-26%-25%-14%7%57%88%95%74%91%61%谷歌-1%2%26%16%65%24%7%19%-36%1%11%45%91%91%62%30%43%70%83%合計(jì)41%48%33%24%30%20%20%13%-4%-8%-6%9%32%59%61%69% 64%69%68%seekingalph推理端需求爆發(fā)拉動(dòng)芯片市場(chǎng)。升到萬(wàn)卡數(shù)量級(jí)。隨著AI萬(wàn)卡級(jí)別邁進(jìn)已然在望。在推理階段，計(jì)算量與業(yè)務(wù)應(yīng)用息息相關(guān)，單個(gè)推理集群所需加速計(jì)算芯片數(shù)量通常低于訓(xùn)練集群，但推理集群部署數(shù)量極為可觀，預(yù)計(jì)將達(dá)到百萬(wàn)級(jí)，遠(yuǎn)多于訓(xùn)練集群的數(shù)量。OpenAI100萬(wàn)億token，同比增長(zhǎng)五倍。AIASIC快速成長(zhǎng)。傳統(tǒng)云計(jì)算四巨頭（AWSAzure、谷歌、Meta）仍是ASIC布局主力，新興大型AI算力自建者，例如xAI、Tesla等正在崛起，開始自主建設(shè)AIMarvell為例，今年將定制芯片年目標(biāo)市場(chǎng)由億美元上修至芯片需求看好力度。圖表17：Marvell上調(diào)2028年定制芯片目標(biāo)市場(chǎng)規(guī)模（TAM）arve當(dāng)前AI芯片市場(chǎng)主要由海外巨頭主導(dǎo)。IntelNVIDIAQualcommGoogleAI領(lǐng)域并積極CPUIntelAMDGPUCUDAAI及高性能計(jì)算占據(jù)絕對(duì)主導(dǎo)地位；FPGA與Xilinx和Microsemi10%賴進(jìn)口，因此，掌握海外大廠AI芯片分銷權(quán)的分銷廠商重要性顯現(xiàn)。硬蛋創(chuàng)新是AIAI基礎(chǔ)設(shè)施+AI能終端的領(lǐng)域，子公司科通技術(shù)深度參與全球算力網(wǎng)絡(luò)建設(shè)，服務(wù)覆蓋算力中心、數(shù)據(jù)中心、AI服務(wù)器、AI英偉達(dá)AMD-超半半導(dǎo)體-賽靈思Intel（英特等國(guó)際知為原廠以及眾多國(guó)內(nèi)知為芯片原GPUs、CPUs、FPGAs、ASICs物理席卷全球，具身智能星辰大海物理AI時(shí)代即將來臨，AI技術(shù)逐步向現(xiàn)實(shí)物理世界延伸。續(xù)擴(kuò)展在物理世界中的應(yīng)用邊界，從視覺感知模型到?jīng)Q策控制算法，從大規(guī)模預(yù)訓(xùn)練模型到強(qiáng)化學(xué)習(xí)框架，AI器人、自動(dòng)駕駛車輛等物理系統(tǒng)中，為機(jī)器人與智能設(shè)備提供更強(qiáng)大的智能支撐和自主AI物理AI萬(wàn)億美元的產(chǎn)業(yè)。AI價(jià)值在于賦予機(jī)器人、自動(dòng)駕駛汽車等自主機(jī)器在真實(shí)物理世界中實(shí)現(xiàn)現(xiàn)感知—理解—AI態(tài)、復(fù)雜、不可預(yù)測(cè)的現(xiàn)實(shí)環(huán)境中進(jìn)行自主決策與任務(wù)執(zhí)行，是AI從虛擬智能向具身智能演進(jìn)的關(guān)鍵橋梁，實(shí)現(xiàn)了從數(shù)據(jù)驅(qū)動(dòng)到動(dòng)作落地的完整閉環(huán)：感知：多模態(tài)融合構(gòu)建環(huán)境認(rèn)知基底物理AI需要像人類一樣現(xiàn)感知的環(huán)境，不僅依賴視覺，還需整合激光雷達(dá)、慣性傳（IUD狀態(tài)的全方位感知。理解：推理、規(guī)劃與決策形成智能中樞在感知數(shù)據(jù)的基礎(chǔ)上，物理AI通過內(nèi)嵌模型對(duì)環(huán)境進(jìn)行語(yǔ)義分析、狀態(tài)建模，并進(jìn)一步進(jìn)行目標(biāo)識(shí)別、任務(wù)解析、路徑規(guī)劃與行為選擇。執(zhí)行：物理控制驅(qū)動(dòng)真實(shí)世界行動(dòng)落地區(qū)分物理AI于傳統(tǒng)AI的關(guān)鍵環(huán)節(jié)，其不僅要求自主機(jī)器完成精細(xì)動(dòng)作，還必須擁有應(yīng)對(duì)現(xiàn)實(shí)環(huán)境中的不確定性因素的能力，如導(dǎo)航避障、機(jī)械臂操作、多機(jī)協(xié)同、狀態(tài)恢復(fù)等能力。這些能力都需要與控制算法、動(dòng)力學(xué)模型以及實(shí)時(shí)反饋機(jī)制緊密結(jié)合，方能實(shí)現(xiàn)穩(wěn)定可靠的執(zhí)行。圖表18：物理AI面向龐大的潛在市場(chǎng)onstellationResearc當(dāng)前物理AI依然面臨多種挑戰(zhàn)，具身模型在環(huán)境適應(yīng)、數(shù)據(jù)獲取難和嵌入式高效執(zhí)行環(huán)境適應(yīng)方面AI系統(tǒng)在封閉環(huán)境和固定任務(wù)中表現(xiàn)良AI具身模型部署但當(dāng)前端側(cè)受限于算力、功耗與體積，難以承載參數(shù)龐大、任務(wù)復(fù)雜的模型，尤其在多模態(tài)感知與實(shí)時(shí)決策并發(fā)場(chǎng)景下，對(duì)計(jì)算效率與響應(yīng)速度提出極高要求。英偉達(dá)助力物理AIAI為應(yīng)對(duì)以上挑AI虛擬仿真和實(shí)時(shí)部署三個(gè)關(guān)鍵環(huán)節(jié)，構(gòu)建了從模型訓(xùn)練到應(yīng)用落地的全流程閉環(huán)。這一架構(gòu)確保具身智能體能夠在高度復(fù)雜、多變的現(xiàn)實(shí)環(huán)境中，實(shí)現(xiàn)自主感知、智能決策與精準(zhǔn)執(zhí)行，推動(dòng)物理智能的持續(xù)進(jìn)化：NVIDIARTX驅(qū)動(dòng)的仿真平臺(tái)生成物理AI數(shù)據(jù)C5VIIA發(fā)布了基于lacwlVIARTXPROBlackwellRTXGPU與Omniverse和Cosmos平臺(tái)協(xié)同工OmniverseOpenUSDNVIDIARTX?渲染技術(shù)集成到現(xiàn)Cosmos平臺(tái)，通過其高保真世界生成與推理能力，縮小仿真與現(xiàn)實(shí)的差距。2）DGX：云端訓(xùn)練，依托DGX和預(yù)訓(xùn)練模型加速具身智能機(jī)器人開發(fā)。NVIDIADGXTensorFlowPyTorch、CosmosCurator或NVIDIATAO等框架，以及NVIDIANGC上提供的預(yù)訓(xùn)練計(jì)算機(jī)視覺模型，來訓(xùn)練或后訓(xùn)練基礎(chǔ)模型。DGX系統(tǒng)通過密集的模型訓(xùn)練，使機(jī)器人能夠同時(shí)理解自然語(yǔ)言、識(shí)別物體并規(guī)劃復(fù)雜的運(yùn)動(dòng)。JetsonAGXThor支持AI模型的低延遲實(shí)時(shí)推理。要強(qiáng)大算力。因此，嵌入式部署能力的突破，是物理AI真正走入現(xiàn)實(shí)世界、實(shí)現(xiàn)泛能的重要一步。8NVIDIAJetsonThor作為其面向物AI的新一代多模態(tài)推理計(jì)算平臺(tái)。這款專為全球機(jī)器人開發(fā)者設(shè)計(jì)、基于NVIDIABlackwellFP4TFLOPS的計(jì)算性能，能高效應(yīng)對(duì)代理式AI圖表19：NVIDIAJetson軟件棧VIDIJetsonThor加速引領(lǐng)世界進(jìn)入物理AI時(shí)代紀(jì)元。由于機(jī)器人需要豐富的傳感器數(shù)據(jù)AIThor傳感器傳輸?shù)臄?shù)據(jù)執(zhí)行AI模型。作為提供物理AIThor2070FP4TFLOPS的AI128GB40WWNVIDIAJetsonOrin相比，JetsonThor倍的AI計(jì)算、CPU2倍的內(nèi)存。這種性能飛躍將使機(jī)器人專家能夠處理高速傳感器數(shù)據(jù)并在邊緣執(zhí)行視覺推理，如前文所述，這些工作流程以前太慢而無法在動(dòng)態(tài)的現(xiàn)實(shí)環(huán)境中運(yùn)行，JetsonThor圖表20：構(gòu)建人形機(jī)器人需要一系列硬件和軟件組件VIDI圖表21：NVIDIAJetsonThorVIDI具體來看，JetsonThor推出了三款產(chǎn)品，分別為JetsonAGXThor開發(fā)者套件、JetsonT5000JetsonT4000JetsonAGXThor開發(fā)者套件在包含JetsonT5000模組外，還帶有豐富接口的參考載板、帶風(fēng)扇的主動(dòng)式散熱器及電源適配器。JetsonT500014核ArmNeoverse-V3AE位CPUTensorCore的60VIIAlacwllPU0PJn00模組擁有12核ArmNeoverse-V3AE64位CPU，搭載了64個(gè)第五代TensorCore的1536核NVIDIABlackwell架構(gòu)GPU，擁有1200TFLOPS算力。圖表22：JetsonThor產(chǎn)品矩陣JetsonAGXThor開發(fā)套件 JetsonT5000JetsonT4000人工智能性能2070TFLOPS（FP4—稀疏）1200TFLOPS（FP4—稀疏）GPU

96Tensor2560NVIDIABlackwellGPU具有10個(gè)TPC的多實(shí)例GPU（MIG）

64Tensor1536NVIDIABlackwellGPU具有6個(gè)TPC的多實(shí)例GPU（MIG）GPUGPU最大頻率 1.57GHz中央處理器VIDI

14核ArmNeoverse-V3AE64位CPU1MBL2緩存16MB緩存

12核ArmNeoverse-V3AE64位CPU1MBL2緩存16MB緩存專為生成式推理模型構(gòu)建，在邊緣側(cè)實(shí)時(shí)運(yùn)行的同時(shí)減少對(duì)的云依賴。生成式推理模型對(duì)于能夠模擬可能的動(dòng)作序列、預(yù)測(cè)后果、根據(jù)語(yǔ)言或視覺線索進(jìn)行推理，并靈活地生成高級(jí)計(jì)劃或低級(jí)運(yùn)動(dòng)策略的機(jī)器人平臺(tái)來說極為重要，它們使機(jī)器人系統(tǒng)變得更加靈JetsonThorJetsonOrin5倍，F(xiàn)P4和推測(cè)性解碼，開發(fā)者在JetsonThor2倍性能提升。圖表23：JetsonThor在生成推理方面速度提升相較Orin高達(dá)5倍VIDIIJetsonThor多模型實(shí)時(shí)響應(yīng)時(shí)間大幅提升。JetsonThor引入了MIG（MultiInstanceGPU）劃GPU完全隔離，擁有獨(dú)立的高帶寬內(nèi)存、緩存和計(jì)算核心，從而實(shí)現(xiàn)可預(yù)測(cè)的性能、QoS和GPUJetsonThorQwen2.5-VL-3BVLMLlamaLLMTimetoFirstToken（TTFT）均遠(yuǎn)低于200毫秒，同時(shí)TimeperOutputToken（TPOT）的響應(yīng)時(shí)間也遠(yuǎn)低于50毫秒，為多傳感器輸入下的實(shí)時(shí)推理開辟了新的可能性。圖表24：Jetson多模型實(shí)時(shí)表現(xiàn)VIDI依托強(qiáng)大硬件性能，軟件棧為JetsonThor提供了長(zhǎng)期優(yōu)化的可能性。JetsonThor作NVIDIAIsaac等視覺語(yǔ)言動(dòng)作模型到所有流行的大型語(yǔ)言模型和視覺語(yǔ)言模型的各種生成式人工智能模型。同時(shí)為了提供無縫ThorNVIDIAAI工作流程，包括用于機(jī)器人的NVIDIAIsaac、用于視頻分析AI代理的NVIDIAMetropolisNVIDIAHoloscan。在JetsonThorNVIDIACUDA內(nèi)支持，JetsonThor有望在未來的軟件版本中提供更高的吞吐量和更快的響應(yīng)速度。圖表25：JetsonThor支持多種AI框架和生成式AI模型VIDIJetsonThor在英偉達(dá)為其賦能的強(qiáng)大、完整的軟件棧、平臺(tái)生態(tài)等多方面因素的合作共振下，構(gòu)建ThorJetsonThor護(hù)城河。而開發(fā)難度的下降可吸引更多開發(fā)者投身于機(jī)器人領(lǐng)域的創(chuàng)新，進(jìn)一步反哺英偉達(dá)的機(jī)器人生態(tài)，為其提供更多豐富的應(yīng)用場(chǎng)景和實(shí)踐案例，形成了技術(shù)供給方與需求方的良性能動(dòng)循環(huán)，進(jìn)一步鞏固其在機(jī)器人領(lǐng)域的產(chǎn)品優(yōu)勢(shì)。眾多中國(guó)機(jī)器人企業(yè)采用JetsonThor。河通用等已率先采用JnhrJetsonThorG1PremiumJetsonThorVLA大型模型中釋放更強(qiáng)大潛力，2025GalbotG1Premium人形機(jī)器人演示工業(yè)物料搬運(yùn)，展現(xiàn)對(duì)物理世界理解力的突破。因此，我們認(rèn)為Thor在中國(guó)具備強(qiáng)勁市場(chǎng)需求。圖表26：GalbotG1人形機(jī)器人國(guó)電子樂聚夸父基于JetsonThor現(xiàn)夸父的作為樂聚機(jī)器人的代40供了更大的靈活性與適應(yīng)性。然而，這一高自由度設(shè)計(jì)也帶來了更高的數(shù)據(jù)計(jì)算需求，系統(tǒng)需實(shí)時(shí)協(xié)調(diào)全身關(guān)節(jié)的協(xié)同運(yùn)動(dòng)，在保持全身平衡的同時(shí)精準(zhǔn)完成各類操作任務(wù)。NVIDIAJetsonThor，并實(shí)現(xiàn)多種具身抓取目標(biāo)，還需要在長(zhǎng)時(shí)間連續(xù)作業(yè)中保持穩(wěn)定性能及一致的任務(wù)執(zhí)行表現(xiàn)。為避免精度速度隨時(shí)間衰減，NVIDIAJetsonThor35%，有效幫助了現(xiàn)夸父的長(zhǎng)時(shí)穩(wěn)定處理多模態(tài)大流量，實(shí)現(xiàn)智能優(yōu)化算法、迭代學(xué)習(xí)控制等算法模型持續(xù)穩(wěn)和提升在真實(shí)環(huán)境下的精度，實(shí)現(xiàn)穩(wěn)定、耐用的性能突破。SMTThor2070FP4TFLOPS，AI7.5倍，疊加低延遲特性，SMT同時(shí)夸父不僅能準(zhǔn)確識(shí)別、分類SMT料盤，以現(xiàn)輕拿輕放的的精細(xì)動(dòng)作避免物料損3C電子場(chǎng)景：率、全身運(yùn)動(dòng)協(xié)調(diào)性提出了綜合挑戰(zhàn)。夸父在搭載NVIDIAJetsonThor的情況下能夠?qū)崿F(xiàn)毫秒級(jí)內(nèi)完成識(shí)別與動(dòng)作反應(yīng)，完成在指定速度下傳送分揀的精準(zhǔn)操作。JetsonThor多模態(tài)感知周圍環(huán)境，擺脫固定位置束縛，靈活應(yīng)對(duì)復(fù)雜場(chǎng)景。益化生產(chǎn)場(chǎng)景：益化產(chǎn)品物體表面形態(tài)多樣，完成定姿擺放的靈巧動(dòng)作則要求夸父具有更復(fù)雜的觸/動(dòng)作銜接。基于JetsonThor7BVLA3-4VLA時(shí)互能與動(dòng)態(tài)響應(yīng)，從容應(yīng)對(duì)復(fù)雜銜接操作。在基于JetsonThor下的夸父展現(xiàn)了更加卓越的任務(wù)操作表現(xiàn)能力，如更強(qiáng)的敏捷性、更快的決策速度、更高的自主水平，以及更高效的處理多模態(tài)傳感器數(shù)據(jù)，助力夸父發(fā)展迭代，進(jìn)一步向非標(biāo)通用場(chǎng)景邁進(jìn)。圖表27：夸父3C電子場(chǎng)景器人大講具身機(jī)器人進(jìn)入量產(chǎn)元年，推動(dòng)世界加速邁向物理AI新紀(jì)元。根據(jù)IDC預(yù)測(cè)，隨著AI年機(jī)器人可實(shí)現(xiàn)的應(yīng)用場(chǎng)景數(shù)量將增加3億美元宇樹科技、傅利葉智能等為代表的中國(guó)企業(yè)不斷涌現(xiàn)的大背景下，預(yù)計(jì)將占據(jù)近半份額，15%AI時(shí)代機(jī)2029年將占據(jù)30%圖表28：2024-2029年全球與中國(guó)機(jī)器人市場(chǎng)預(yù)測(cè)DJetson系列產(chǎn)品重要代理商，以硬件為基石賦能具身機(jī)器人推動(dòng)行業(yè)突破。NVIDIAJetson是硬蛋創(chuàng)新核心代理線AI算力Jetson輸出機(jī)器人產(chǎn)業(yè)應(yīng)用技術(shù)解決方案，推AIJetsonThor充分Jetson系列在AI技術(shù)Jetson系列的AIAI算力供應(yīng)鏈中核心地位，鑄就客戶壁壘。4產(chǎn)業(yè)鏈垂直拓展，自研打造第二成長(zhǎng)曲線系統(tǒng)級(jí)模塊（SOM）在隨時(shí)可投入生產(chǎn)的單塊印刷電路板上提供嵌入式處理系統(tǒng)的各種SOM（SOM（輕薄型服務(wù)器旨在節(jié)省存儲(chǔ)空間，更大限度降低功耗，刀片服務(wù)器的精凸設(shè)計(jì)理念延續(xù)到了SOM活，完全可以適應(yīng)各類應(yīng)用。與相比，SoC是一系列布置在單個(gè)芯片上的重要計(jì)算機(jī)組件，SOM可能包含一個(gè)，但它基于電路板，因此有空間容納額外的組件圖表29：SOM組裝示意圖 圖表30：SOM結(jié)構(gòu)示意圖M M對(duì)比、、、（通常已封裝芯片器件融入在單個(gè)較大型的封裝內(nèi)，減少了電路板上單個(gè)器件的數(shù)量，因而具備簡(jiǎn)化電路板設(shè)MCMMCMSIP陣列，SIP輸出（IOSC往往不以量產(chǎn)部署為開發(fā)或驗(yàn)證目的；）SOM：與SBC。圖表31：MCM示意圖 圖表32：SIP示意圖M M圖表33：SBC示意圖 圖表34：SOM示意圖M MSOMSOMSOM批量部署外，模塊化設(shè)計(jì)還可簡(jiǎn)化產(chǎn)品生命周期管理，降低物料（BOM）費(fèi)用。SOM甚至還提供內(nèi)置驅(qū)動(dòng)程序和其他軟件，節(jié)省設(shè)計(jì)時(shí)間。PCB設(shè)計(jì)和集成方面的困擾，可幫助在預(yù)算范圍內(nèi)提前完成項(xiàng)目。得凸于先進(jìn)系統(tǒng)級(jí)模塊提供商的預(yù)構(gòu)建應(yīng)用，SOM時(shí)，還能保持輕松替換AI模型的靈活性。圖表35：SOM可助力加快市場(chǎng)投放速度，并降低開發(fā)成本 圖表使用SoM方法的優(yōu)勢(shì)M圖表37：SoM和完全分立式解決方案之間的差異 圖表自適應(yīng)SOM可以在多個(gè)抽象層級(jí)進(jìn)行編程MSOM應(yīng)用領(lǐng)域廣闊流，需具備邊緣計(jì)算能力，若無攝像頭及其他設(shè)備現(xiàn)場(chǎng)分析信息的功能，難以實(shí)現(xiàn)。機(jī)器視覺：現(xiàn)代經(jīng)濟(jì)依靠機(jī)器視覺來滿足從庫(kù)存檢查到簽為識(shí)別，再到缺陷檢測(cè)等一切SOMSOM主要為相關(guān)傳感器提供支持。4）電機(jī)控制：電動(dòng)機(jī)廣泛應(yīng)用于各個(gè)領(lǐng)域，SOM有助于快速開發(fā)相關(guān)領(lǐng)域應(yīng)用，并隨著標(biāo)準(zhǔn)的不斷演變，靈活自如地連接新外設(shè)，用戶可以調(diào)整終端系統(tǒng)以滿足其所需的功耗和性能要求。圖表39：賽靈思KriaKV260視覺AI入門套件M根據(jù)ResearchNester，2025年SOM市場(chǎng)規(guī)模有望超32.2億美元，預(yù)計(jì)2035年將超77.6億美元。物聯(lián)網(wǎng)和嵌入式系統(tǒng)的急速普及極大地推動(dòng)了市場(chǎng)的增長(zhǎng)，醫(yī)療保健、汽車和工業(yè)自動(dòng)化等行業(yè)的智慧型設(shè)備和能聯(lián)技術(shù)的興起，推動(dòng)了對(duì)緊湊、節(jié)能、高效SoM伴隨邊緣AI發(fā)展，推理側(cè)需求爆發(fā)GPU凸成長(zhǎng)，SoM成為為現(xiàn)代汽車電子產(chǎn)品帶來創(chuàng)新和加快產(chǎn)品上市時(shí)間的關(guān)鍵組成部分，有望充分受凸于智能駕駛持續(xù)演進(jìn)迭代。進(jìn)軍SOMAI算力供應(yīng)鏈及下游客戶需求的長(zhǎng)