【国金具身智能】特斯拉机器人进入备产阶段，关注核心标的订单进展 事件：机器人板块近期回暖，绿的谐波盘中一度涨幅达17%。 解读：（1）特斯拉S/X产线五月结束生产，开始转为机器人产能，产业链发生实质进展。 （2）5月初开始财报季结束，对短期业绩担忧结束。 （3）据统计，机器人板块历史回撤30%后，后续迎产业链落地进展多数将带来大幅上涨机会 。 相关资料： 1 机器人板块年报一季报总结：产业仍在突飞猛进，等待拐点到来#小程序#://国金证券研究服务/U97FdyboEBNQDwI 2 再次提示绿的谐波超预期机会 id=468938&UILoaded=378&UIGlobal=106&UIScrolled=378&shareUserId=3177646&pipId=record_468938 投zi建议：Q1资本市场扰动因素增加，但是目前产业基本面进展整体符合我们预期，且我们认为，资本市场的元叙事跟产业实际情况有较大预期差。我们维持26年年度策略观点不变，即：26年是人形机器人0-1兑现阶段，龙头公司供应链、技术都会趋于收敛。 （1）#特斯拉链的收敛：特斯拉链已经迭代4年，目前硬件供应链趋于收敛的拐点。围绕确定性和空间，重点关注：拓普集团、三花智控、绿的谐波、五洲新春、蓝思科技、长盈精密、浙江荣泰、金沃谷份、恒勃谷份、领益智造、均胜电子、领益智造、科森科技（计算机组覆盖）等。# （2）#技术迭代与收敛：重点关注谐驱动新技术（波磁场电机、GaN）、灵巧手（电子手套、新型基材）、新材料（peek）、高端轴承等。重点关注：宁波华翔、英诺赛科、日盈电子、泛亚微透、宏微科技、岱美谷份等。# （3）#海外其他供应链的机会：苹果、谷歌、OpenAI、Figure等都陆续迈入0-1，重点关注兆威机电、银轮谷份、汉威科技以及电子链标的相关机会。# （4）#国内本体和应用垂类机会：宇树、智元、乐聚、银河通用等陆续上市，关注供应链亿嘉和、翔楼新材、东方精工、均胜电子、天奇谷份、咸亨国际、上纬新材、优必选（机械组覆盖）等。# （5）围绕长期确定性，布局“优质格局”的标的：绿的谐波（谐波减速器龙头）、奥比中光（深度相机龙头）、英诺赛科（氮化镓龙头）、宁波华翔（peek龙头）。

一图看懂：经济机器是如何运行的？全流程拆解！ 1. 底层起点：交易构成经济 人要生存就必须交换，一次交换 = 一次交易，无数次交易串联起来，就形成了我们所说的「经济」。 所有交易都靠钱完成，而钱的来源，除了当下收入，还有「信用」—— 也就是把未来的钱提前拿到现在用（贷款会同时产生存款）。 2. 核心循环：收入 - 消费 - 投资的飞轮 * 收入 / 信用 → 支撑消费与投资 * 消费 → 企业获得收入，进而扩大借贷 / 投资 * 投资 → 推高资产价格，让更多钱流向资产 * 企业扩张 → 带动更多就业与收入 * 可支配收入 → 再次反哺消费与投资 * 债务负担 → 会压制消费与投资，需要偿还利息与本金 这是经济最基础的运行方式，实体与信用相互咬合：借得越容易，机器转得越快；信用收紧，经济就会减速。 3. 供需与预期：库存与产能的调节器 * 产能不足 → 物价上涨 → 影响企业价格与利润 * 产能过剩 → 降价 / 打折 → 利润收缩 * 人的预期会自我放大： - 看好未来 → 借钱扩张 - 看坏未来 → 还债收缩 - 情绪会进一步加剧经济波动。 4. 周期分层：不同时间维度的驱动力量 经济波动分三个层级，常常叠加出现： * 短期：情绪与信用主导（政策、市场情绪快速变化） * 中期：产业与技术迭代（产能扩张、技术革新） * 长期：债务与人口结构（债务周期、人口红利 / 老龄化） - 波动不是错误，而是经济机器的天然运行方式。 5. 调控之手：让系统别失控 当经济过热或过冷时，会用政策调节： * 货币政策：放水 / 降息（刺激）、加息 / 收紧（降温） * 财政政策：增支 / 减税（刺激）、减支 / 加税（降温） * 审慎监管：控制 LTV/DSR 等资本要求，防范风险 6. 失衡与修复：危机后的路径选择 当债务、资产价格、工资等出现失衡（比如资产过热、工资滞后、DSR 偿债率上升），问题就会暴露，通常有三条修复路径： * 印钱：推高资产价格，但会削弱货币购买力 * 重组 / 减债：债务展期、减免，减轻偿债压力 * 削支：压缩支出，修复资产负债表 这些路径常被并用，没有绝对最优解。 ✨ 最后总结 这台经济机器一直在运转，没有绝对的好坏，只有你站在哪一段周期里。 看懂它，才能在波动里找到自己的位置。

财报速览：Rambus (RMBS) Rambus 股价在财报后跌超 10%，核心数据显示：AI 存储市场正处于从规模扩张向技术代差驱动的转型期。 核心财务逻辑：增收不增利背后的“军备竞赛” Rambus Q1 营收 1.802 亿美元，同比增长 8%。关键亮点在于产品营收（芯片）同比增长 15%，这抵消了授权业务的疲软。 现状： 市场对物理芯片（如 DDR5 接口芯片）的刚需远超专利授权。 代价： 为了保住技术领先，研发投入大幅攀升，导致运营利润率从 38% 压缩至 34%。这是典型的“拿利润换未来”的半导体竞赛阶段。 需求侧的移位：推理与智能体（Agentic AI） 财报中 CEO 提到的关键词是 “Agentic workloads”。这标志着 AI 需求已发生结构性变化： 从“训练”到“部署”： 早期增长靠买 GPU 练模型，现在的增长靠成千上万的 AI 智能体在线运行。 带宽即生命： 推理和智能体任务需要极高的数据交换频率，存储不再只是“仓库”，而是“高速公路”。 技术迭代的“深水区”：HBM4E 与 SOCAMM2 Rambus 的技术路线图目标是 AI 数据中心的两大痛点： 速度瓶颈： HBM4E 内存控制器 IP 预示着下一代 AI 显存标准的到来，带宽竞争没有上限。 电力瓶颈： LPDDR5X SOCAMM2 模块将移动端的低功耗特性引入服务器。在电力受限的当下，“每瓦性能”比绝对性能更具议价能力。 总的来看，资本市场非常苛刻。在 AI 基础设施领域，符合预期即是利空，只有持续的“技术碾压”才能维持估值。 当前的 AI 存储市场正在迎来新的技术升级，资金和订单正疯狂向 HBM、DDR5 等高性能和低功耗方案集中。 免责声明：非投资建议，股票投资风险巨大，入场需极度谨慎

去年11月这一笔建仓RKLB快2X了，当然整体还没有2x因为3月份又加仓，这过程也挺磨人。这里再聊聊RKLB的核心竞争力和战略定位以及26年为什么看好太空经济。RKLB并不是SpaceX第二，而是多年的技术迭代和不断并购形成了自己独特的核心竞争力，集“发射能力+空间系统+卫星平台+关键部件”于一体的太空系统平台。之前这里 现在RKLB几乎所有关键环节自产（类似SpaceX闭环，但更聚焦中小型/中型星座和国防市场），可以实现端到端交付：客户可一站式采购“发射 + 完整卫星 + 载荷 + 通信 + 运营”，显著降低集成风险和时间。 从这个角度，RKLB的战略定位：既是发射商，又是“卫星工厂 + 关键组件供应商 + 国防Prime承包商”，在D2D/LEO星座、国家安全领域形成独特护城河。 为什么说26年太空经济会有不错的进展？之前这里有 → 海量卫星 → 丰富数据/服务 → 新商业模式（如太空数据中心、零重力制造）→ 更多投资与应用 当然还有两个大催化剂： spacex上市； 美国重启登月计划。

《AI时代，投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界，讲究“分工”： 有人做宏观，有人做行业，有人做基本面，有人做量化。 但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。 今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。 就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导—— 既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。 这是时代的要求，也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈？ 1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有： 算法（Transformer、MoE、World Model） GPU（NVDA / AMD） HBM（SK hynix / Samsung / Micron） 先进封装（TSMC CoWoS / SoIc） 光互联（Broadcom / Coherent / Intel SiPh） 数据中心（VRT、NET、DDOG） 能源（BE、CWEN、XIFR） 云与 AI 平台（GOOG、MSFT、META、OpenAI） AI 应用层（PLTR、SaaS 全部重构） 任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。 如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识，而是端到端系统理解。 2. 信息量爆炸，纯靠人力无法覆盖 AI 相关的信息密度，已经远超传统行业： 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化，就永远落后于别人。 全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快，不懂技术就无法提前布局 AI 的技术迭代速度大概是： 每 3～4 个月一次重要突破 每 6～9 个月一次产品更新 每 12～18 个月一次算法范式变化（MoE、SSM、World Model） 每 24 个月一次硬件架构代差（H100 → B200 → Rubin） 如果你不了解技术周期，你根本无法预测： 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力，是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课？ 真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。 因为： 1. 投资者的核心能力之一是“快速验证观点” 你想验证： 最近 48h 哪些 AI 项目最热？ 某事件（财报/政策）对哪些股票影响最大？ 算力增速 vs 数据中心供电缺口的关系？ 模型参数增速 vs HBM 需求增长？ 只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计： 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己 三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下： 不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。 更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者，才能吃到全周期的红利。

当智力和劳力的边际成本趋近于零的时候，还能有哪些工作适合我们。 如果生产力的边际成本为零，对于我们来说有哪些稀缺性资产可以作为保障。 比特币？ 2027年左右通用人工智能就会成熟，会替代大多数计算机相关的职业，和零边际成本的认知劳动，2030年具备和人类同等物理灵活性的人形机器人也会普及，那时几乎所有的体力劳动和脑力劳动，甚至需要灵活应变的工作，都会开始被取代。 2045年是个转折点，人工智能的进化速度已经不是人类所能控制，它们可以自行进行科学研究与迭代，这是技术的奇点，也是人类命运的转折点。

世界最知名AI安全科学家Yampolskiy警告，全球范围99%的失业率很快要来，当智力和劳力的边际成本趋近于零的时候，人会从经济链中被永久抹除🧐🥸 2030年能仅剩的两种工作是什么？无法篡改的稀缺性共识资产是最后保障，比如比特币？ 2027年左右通用人工智能就会成熟，会替代大多数计算机相关的职业，和零边际成本的认知劳动；2030年具备和人类同等物理灵活性的人形机器人也会普及，那时几乎所有的体力劳动和脑力劳动，甚至需要灵活应变的工作，都会开始被取代。2045年是个转折点，人工智能的进化速度已经不是人类所能控制，它们可以自行进行科学研究与迭代，这是技术的奇点，也是人类命运的转折点！！

在 w3 我一直很羡慕有技术底子的人，无论创业、看项目，还是把协议交互执行端，都有常人难以复制的优势。 Pantera领投1000 万种子轮的@Gradient_HQ，发布介绍了他们的分布式强化学习系统 Echo-2，仔细看了下除开技术层面不理解外，大概意思是一套分布式强化学习的创新框架，解决 AI 研究中核心成本与效率瓶颈。 Echo-2 把训练成本从几千美元降到几百美元，同样的钱可以多跑 10 次实验，让 AI 研发从赌一次变成“反复优化”。也就是说通过允许多次失败和迭代来实现AI研究的突破。 我一直相信降低成本，才有可能大规模采用。 之前跟他们核心团队交流过，技术人员占了团队的大多数，如果我是投资人我会认为未来潜力很大，值得持续跟踪。

为什么大模型厂商都与投资机构成立合资公司？这意味着大模型在B端的竞争进入了地面阵地战模式。这两天大模型厂商最大的动作无疑是Authropic和OpenAI在同一天宣布联合PE投资机构、投行等成立AI-native 企业服务的合资公司（JV），堪称“AI大模型厂商在企业落地赛道上的正面交锋”。 Anthropic与Blackstone、Hellman & Friedman 以及 Goldman Sachs合作；而OpenAI则是拉上了TPG、Brookfield Asset Management、Bain Capital还有软银几家机构。 成立的合资公司都是企业服务性质的，将各自的大模型推广给广大中型企业，帮助它们将AI部署到核心业务运营中，两家大模型厂商会派驻工程师、顾问，提供从定制、集成、合规到持续优化的全套服务。 1、为什么要找这些投资机构合作？ 1）这些投资机构手里握着成千上万家 portfolio company（覆盖医疗、制造、金融、零售等）。通过合作，大模型厂商能快速获取客户群，同时为这些 PE 公司带来生产力提升和成本节约（提升投资回报 IRR）。这是一种高效的分销策略，避免一家家推销。 2）AI 采用瓶颈在“部署”而非“模型”本身，模型再强，企业也缺“最后一公里”——集成、流程重构、合规、培训、持续迭代。传统咨询公司太贵太慢，大模型厂商又没有足够咨询人才。 跟投资机构成立合资公司，招募专业的部署、实施、培训人才，加快企业采用AI的进程和速度，同时加快自己在B端的拓展，抢夺更多的B端客户。这就是Authropic和OpenAI纷纷与投资机构成立合资公司的真是意图。 2、更深层次看，这就意味着大模型厂商在 B端（企业/政府侧） 的扩张确实已从“空军轰炸”（品牌宣传、hype、广撒网影响力）转向“阵地战/地面作战”（深挖壕沟、嵌入核心流程、逐个战场争夺具体合同）。 正好大模型在B端营销推广从“空军”到“阵地战”的转变逻辑 1）早期空军策略（2023-2025）： 主要靠 ChatGPT/Claude 等爆款产品制造品牌影响力，通过媒体、开发者社区、免费/低价试用快速占领心智。目标是“让大家都知道 AI 很强”，然后等企业自然来买 API/订阅。收入主要来自品牌溢价和规模效应，竞争焦点在模型性能、参数、安全叙事上。 2）现在阵地战（2026年之后）： 模型能力已趋同，胜负手转向“最后一公里”：谁能真正把 AI 嵌入企业核心业务流程（ERP、供应链、客服、决策系统）、政府机密网络、合规体系，并持续提供实施服务。 这需要重资产投入：派驻工程师、定制集成、行业 playbooks、长期驻场支持、风险共担。不是卖“模型”，而是卖“AI 驱动的业务转型解决方案”。 OpenAI 和 Anthropic 的 JV（DeployCo / 新企业服务公司）就是典型地面作战： 借 PE 机构的 portfolio 公司作为“根据地”，直接把工程师塞进企业内部，帮中型企业做深度部署。这不是广撒网，而是建立“俘获式分销渠道 + 护城河”——一旦嵌入业务，切换成本极高 今年初各家大模型争夺美国国防部订单就是这一转变的典型体现。各家纷纷游说五角大楼，Anthropic因为安全护栏刚被国防部排除在外，OpenAI就快速快速补位。而后续国防部跟多家大模型厂商一起签约，这种多家并存（避免单一依赖）的情况，更是体现“阵地战”的残酷：不是赢者通吃，而是寸土必争 更深层次看，大模型厂商在B端的竞争，技术领先程度已经不是唯一的权重，部署能力、渠道网络、政府关系、合规灵活性将会成为新护城河。 PE + 政府双渠道，本质就是就是在抢“地面控制权”

深挖过后才发现，高德远比我们想象的更靠谱。 月活8亿用户，守护544万公里出行路网，这份庞大体量的背后，是阿里常年数十亿的不间断投入。 红绿灯读秒、车道级导航、电子眼抓拍提醒、实时施工通告，各类实用导航功能不再局限于繁华都市。 从城市主干道到乡间小道，全覆盖精准适配。 就连北京五环的背街小巷，路网数据也能做到月月迭代更新。 跨越山河旷野，哪怕是荒无人烟的西藏腹地，高德也曾帮迷途路人找到补给加油站，凭实力成为众人认可的出行后盾。 外表是无偿使用的便民APP，内核却是技术、数据与一众研发人员的默默坚守。 它不止是一款简单的导航软件，更是默默烧钱运维，无可替代的民生出行基建。 日常出行，你更偏爱高德还是百度？