炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
華泰睿思
核心觀點
9月2-3日我們組織2026年秋季策略會。我們認為，AI產業仍處於發展早期，若將本輪AI工業革命比作一場棒球比賽，當前或大致處於「九局中的第二局」，但產業關注點正從前期的算力投入逐步轉向「如何變現」。本次分論壇串聯數據中心、自動駕駛與具身智能等重要環節，邀請西京投資主席兼CIO劉央分享AI時代的投資邏輯，馭勢科技CEO吳甘沙探討自動駕駛商業化，破殼機器人聯合創始人楊如達介紹具身智能產業進展，最後由Venture Hub高級合夥人黃敏聰分享東南亞數據中心的投資與運營模式，從基礎設施端探討AI算力的價值變現。
核心亮點：
1）Token定價或主導未來AI投資框架。本次大會劉央圍繞其新書《硅基—算力時代的耶路撒冷》，分享AI時代投資框架的變化。隨着算力和數據成為企業的核心資產，傳統PE、DCF估值方法的適用性有所下降，投資框架正從利潤與現金流轉向算力與Token。劉央認為，AI正走向應用落地與商業變現，投資機會也將從模型能力與算力規模，轉向產業地位、流量入口等關鍵變現能力。應用端關注已有需求和業績支撐的公司，基礎設施端關注能源、數據中心等稀缺資源，硬件端則關注國產替代、半導體設備和先進封裝等確定性較高的方向。與此同時，AIDC投資仍需關注電力、硬件迭代及孖展槓桿等風險，避免簡單以規劃規模判斷項目價值。
2）數據中心ROI為行業關注焦點。劉央與黃敏聰均從不同角度探討AIDC的投資回報。劉央從投資框架出發，提出AI投資應由傳統財務指標延伸至Token價值創造；黃敏聰則結合具體項目，從資產、算力、運營、應用四個環節梳理AI基礎設施的投資與變現路徑。我們認為，數據中心項目非標準化程度較高，ROI需綜合考慮電力成本、建設運營效率、客戶消納、孖展結構及退出安排；GPU孖展還需關注租約期限、硬件折舊與殘值。隨着AIDC投資規模擴大，項目篩選與回報測算的重要性進一步提升。
3）物理AI是值得關注的重要方向。過去市場對自動駕駛的關注更多集中於Robotaxi等開放道路場景，而馭勢科技則從機場、工廠等封閉場景切入，率先實現規模化無人運營；再依託通用自動駕駛底座向更多車型和場景複製。破殼機器人也打破機器人應用主要集中於工業場景的傳統認知，聚焦家庭生活場景，探索具身智能從工業走向家庭的可能性。公司以WAM世界動作模型探索複雜家庭環境下的通用操作能力。我們認為，隨着技術逐步成熟，物理AI正走向多場景落地，商業化路徑有望進一步拓寬。
風險提示：行業與技術進展不確定性、政策與宏觀環境波動、早期項目經營及孖展風險。本報告所涉未上市或未覆蓋公司，僅基於公開信息整理，不構成推薦或覆蓋意見。
正文
站在「棒球九局」的第二局，看AI五層蛋糕變現
回顧歷次工業革命，當前以大模型與算力驅動的AI浪潮與前三次工業革命有着相似的演進規律。第一次工業革命解決了動力來源，第二次依託電力實現生產規模化與標準化，第三次奠定了半導體、計算機與互聯網的關鍵地位。而本輪AI浪潮則將電力、生產標準化、海量數據、算力和網絡深度融合，構築起「AI工廠」這一新型產業載體，並持續轉化為智能生產單元Tokens，最終推動AI實現商業變現。針對資本市場普遍擔憂的投資回報率問題，我們認為技術創新從萌芽到真正釋放生產力，必然要經歷長期的基礎設施建設與商業模式演進，絕非一蹴而就。當前AI工業革命仍處早期階段，其演進邏輯與英偉達CEO黃仁勳2026年3月發文詳述的五層蛋糕理論高度契合，即能源、芯片、基礎設施、模型與應用層共同構成完整的AI工廠生產體系，而最頂層的應用層正是AI工廠輸出Tokens、助力實現商業價值兌現的最終環節。
若將本輪AI工業革命比作一場棒球比賽，我們認為當前或大致處於第二局階段。2023至2025年可視為第一局，特徵為圍繞大模型訓練展開，資本開支高度集中於GPU與HBM。進入2026年，隨着推理開始實現商業變現，低時延智能體加速邁入企業生產環節，AI工業革命的第二局正式開局。在這一階段，硬件需求已不再由GPU和HBM單一主導，整體芯片架構正向異構計算演進，科技巨頭推動自研ASIC落地，CPU重獲重要席位，低時延推理芯片如Groq LPU等也參與重塑算力格局。與此同時，存儲體系也從以HBM為主導，逐步擴展至涵蓋DRAM、NAND、HDD及片上SRAM的多層級融合架構。
在五層蛋糕的第二層，Agentic AI時代正加速推動算力架構向異構計算和多層級存儲演進。第一局中GPU憑藉卓越的並行計算能力在訓練領域一枝獨秀，但步入推理主導的第二局，工作負載呈現高度多樣化與低時延需求，涵蓋實時推理、智能體規劃、工具調用及長期記憶管理等任務，單一GPU架構已無法全面覆蓋。英偉達正佈局全棧計算平台，Vera CPU承擔通用計算與智能體調度樞紐，Rubin GPU繼續攻堅高吞吐量任務，加上NVLink 6與ConnectX-9等互連技術提升協同效率，同時吸收Groq推出LPU以加速從訓練向實時推理的演進。谷歌同樣依託TPU、Axion ARM CPU、低時延芯片及OCS互連打造全棧AI計算矩陣。存儲方面，多層級架構同步興起，片上SRAM主導低時延任務，HBM持續提供高帶寬支撐，DRAM與CPU深度協同，CXL內存實現資源池化擴展，大容量SSD與HDD則共同承載數據湖底座需求。英偉達最新平台在Rubin GPU搭載HBM4之外，更在Vera CPU中採用基於LPDDR5X的SOCAMM模塊，充分印證了存儲體系異構化的演進趨勢。
在「五層蛋糕」的第五層，推理需求持續增長，推動AI工廠將算力轉化為Token產出，並進一步實現商業變現，充分體現了英偉達CEO黃仁勳在Computex提出的「Compute is Revenue」理念。回顧第一局的訓練階段，科技巨頭遵從Scaling Law規律擴大資本開支投入，而步入以推理為主的第二局，伴隨智能體逐步滲入企業生產流程，AI正式從資本消耗期轉向價值創造期，代碼生成、企業辦公、智能客服與軟件開發等場景加速落地變現，付費機制向基於Token消耗量、API調用頻次及Agent服務能力的持續訂閱模式演進。數據中心也擺脫了傳統成本中心定位，正加速向營收中心躍遷。在此商業模式下，Tokens是實質變現單元，決定AI工廠創收能力的關鍵指標包括單位功耗的Token產出量、首個Token生成時間、平均無中斷時間以及設備使用壽命。這四個維度分別衡量了能效水平、系統響應體驗、基礎設施穩定性以及算力資產的長期回報，是判斷AI工廠投資回報率的重點。
資本開支的持續性與現金流壓力始終是市場關注的焦點，但我們認為Meta將部分算力對外出租屬於「騰籠換鳥」式的資產優化，而非算力過剩或削減開支的信號。市場有觀點認為，Meta或將舊款H系列釋放至推理端或外部租賃，同時將Blackwell與Rubin等新一代芯片集中用於前沿模型訓練，或旨在最大化資產利用率並增厚經營現金流。過去三年AI資本開支主要依託谷歌、亞馬遜、Meta、微軟、Oracle等科技巨頭的自有資金與經營性現金流，但隨着基建規模加速擴張，傳統孖展渠道正接近承載力邊界，算力的孖展範式已發生深刻變革，以戰略孖展為主的表外孖展模式正逐步興起。谷歌與Blackstone組建250億美元孖展平台、博通為NeoCloud與Anthropic提供信用背書、英偉達擬為OpenAI提供高達2500億美元項目孖展擔保，以及英偉達與AMD以算力兜底模式扶持新興算力平台，均表明資本市場應突破單純跟蹤巨頭資本開支的傳統分析框架，將視野向新興基建服務商與信貸市場拓展。我們認為，未來的跟蹤重點應轉向項目孖展可及性、長期服務協議質量、信用增級機制以及REITs與私募信貸等創新工具的賦能效應，伴隨表外孖展持續催化硬件採購與數據中心擴張，最終有望構築起「算力—孖展—應用—收入—利潤」的閉環正向循環。
在產業鏈投資機會方面，晶圓代工與先進封裝直接受惠於AI產業發展，先進製程與先進封裝的良率和產能瓶頸對AI芯片供給構成直接約束，行業存在從台積電外溢的需求，英特爾18A節點與EMIB-T封裝技術正逐步提升成熟度，三星晶圓代工業務近期亦取得重要突破，陸續在Anthropic自研芯片、特斯拉AI5、英偉達LPU及谷歌TPU等項目中取得進展。儘管英特爾和三星在先進製程和先進封裝領域的技術積澱和客戶拓展上正在提升，但未來能否實現市佔率的躍升，仍取決於良率改善、產能爬坡、政策落地、地緣政治博弈、以及生態體系完善等多重變量。隨着Agentic AI時代工作負載趨向推理，CPU在第二局中重新獲得重要席位，成為GPU的最強輔助，x86憑藉單核性能在處理龐雜控制指令時具備優勢，ARM則憑藉低功耗與多核併發能力應對推理負載，兩者在Agentic AI新戰場各顯其能，CPU的復興也直接拉動傳統DRAM需求。存儲方面，HBM依然為中長期重點，DRAM負責與CPU深度協同承載工作內存，大容量NAND肩負模型權重調用使命，HDD充當海量存儲基石，片上SRAM負責低時延推理，多層級存儲均已成為剛需。當前海外DRAM與NAND市場由SK海力士、美光、三星等形成寡頭格局，但伴隨長鑫存儲登陸資本市場釋放產能，以及長江存儲技術迭代蓄勢待發，全球存儲市場份額版圖或將迎來重塑。
總結而言，隨着AI工業革命邁入以推理為主導的第二局，Tokens已成為重要的變現單元。從AI五層蛋糕的框架來看，AI工廠的價值創造路徑日益清晰。我們也認為，若要在本局中擊出「全壘打」，資本市場的投資邏輯應擺脫單純博弈GPU及其供應鏈，全面擁抱異構計算架構、多層級存儲協同，並將投研視野拓寬至由表外戰略孖展驅動的新興算力生態。
AI時代的AIDC：從GW級AI工廠到Token定價框架
AI數據中心正經歷從傳統機房到吉瓦級Token發電廠的轉變。英偉達將AI數據中心重新定義為AI工廠，以電力與數據為原料、以Token為產品，產能度量單位從機櫃數演進為吉瓦級別，交付方式也從單一芯片升級為全棧AI工廠平台的整廠輸出。西京投資主席兼CIO劉央指出，2026年以來，這一趨勢加速落地：xAI Colossus 2已邁入GW級訓練集群，延續了此前Colossus 1（10萬塊H100）僅用122天的快速建設能力；OpenAI與英偉達計劃合作部署至少10GW算力集群；英偉達與LG於2026年6月達成面向物理AI與機器人的合作，推動AI工廠由大模型訓練進一步延伸至實體產業；供電側，800VDC或將成為下一代高密度AI工廠的標準架構，通過減少電力轉換環節、銅材使用和電氣設備佔地，提高GW級集群的供電效率。劉央在本次活動中表示，AI工廠本質上是一類可反覆升級的算力不動產；其指出，1GW負荷已接近一座中型城市用電規模，模塊化與工廠預製將傳統18-24個月的交付周期壓縮至約6–9個月，而廠房和電網設計壽命約20年、GPU迭代周期僅2-3年，意味着土地和電力可以長期複用，但每一代芯片更新都會重新拉動資本開支。
AI數據中心的發展受需求、經濟與戰略三重驅動。需求側，推理正接棒訓練，AI由模型單次訓練轉向高頻日常使用，Agent與多模態進一步將Token消耗從人機交互延伸至機器自主執行。劉央認為，單位Token成本下降將擴展應用場景，並通過傑文斯效應進一步推升總Token需求。供給側，GW級集群可攤薄電力、網絡和散熱成本，規模擴大有助於降低單位Token成本；戰略層面，各國加快建設主權AI算力，科技巨頭則通過長約鎖定電力和算力資源，數據中心的戰略基礎設施屬性持續提升。此外，劉央還指出，隨着AI數據中心用電需求快速增長，PJM容量市場清算價格近年來大幅攀升，2026年7月公布的2028/29交付年拍賣已觸及FERC批准的325美元/MW-day價格上限，反映電力供給正成為AI基礎設施擴張的重要約束。劉央認為，AIDC建設是「算、存、光、電、裝」等環節需求擴張的重要起點，但資本開支增長並不意味着所有商業模式都能同等受益，高槓杆算力租賃和產能批發模式仍需關注GPU迭代、孖展成本和客戶議價風險。
劉央強調，沿AIDC建設潮的需求傳導鏈，算力、存儲、光互聯、電力與先進封裝將受益，但投資邏輯出現分化。算力環節，英偉達的競爭優勢建立在CUDA生態和開發者使用習慣之上，生態控制力和持續迭代能力與硬件性能同樣重要。存儲環節，AI持續推升帶寬與容量需求，HBM已成為高端算力的重要配套，應更多關注新增產能和份額提升。光互聯環節，大規模GPU集群持續提高高速互聯需求，訂單、客戶驗證、交付周期和產品結構通常領先利潤表反映景氣，但仍需關注美國FCC政策不確定性。電力環節，電力獲取能力正越來越多地影響數據中心選址和建設進度，因此項目評估應關注實際可用電力，而非僅看規劃容量。先進封裝環節，隨着晶體管微縮成本提高，其成為延續算力增長的重要路徑；半導體設備、耗材與先進封裝同時具備AI擴產和國產替代邏輯。整體而言，AIDC投資需要將研究節點前移，更關注訂單、驗證、產能、電價和交付周期等前置信號。
AI數據中心時代也對傳統估值體系提出了新的要求。劉央認為，隨着算力和數據成為企業的核心資產，傳統PE、DCF估值方法的適用性有所下降，AI產業部分價值形成過程難以完全由現有財務指標體現：一是GPU和數據中心可資本化，但研發、人才、數據和生態建設大量計入當期費用，長期能力難以充分反映在利潤表中；二是大額資本開支疊加快速變化的競爭格局，提高長期現金流預測難度；三是護城河隨算法和技術路線變化，競爭優勢與風險溢價更加動態；四是數據飛輪、開發者生態、核心人才和工作流綁定等長期競爭力難以通過傳統資產負債表衡量。ARR、NRR等成長指標雖可補充收入維度，但對長期競爭優勢的解釋仍相對有限。
基於此，劉央在所著《硅基—算力時代的耶路撒冷》提出，新的定價錨點需要圍繞Token展開。每種經濟形態都有核心觀察指標：能源經濟看度電成本，廣告經濟看eCPM，AI經濟則可從Token觀察生產與消費。從這一視角，產業鏈可分為三層：算力製造商如英偉達、台積電決定Token供給的物理上限；Token製造商如OpenAI、Anthropic將算力轉化為智能；Token集成商如Cursor、Genspark則將模型能力轉化為用戶願意付費的產品。評估AI企業可重點關注三個維度：Token規模反映體量和議價能力；Token效率衡量單位算力或Token投入創造的有效價值；生態控制力體現開發者、客戶及用戶工作流黏性，以及企業持續參與價值分配的能力。三者形成相互強化的飛輪：規模擴大推動效率優化，效率提升增強生態黏性，生態擴大又反哺規模。
將三維框架應用於關鍵節點，可以進一步判斷算力投入能否轉化為商業價值。劉央認為，台積電等先進製程產能直接影響全球高端AI芯片供給，其價值除晶圓代工盈利能力外，也來自關鍵產業節點的稀缺性。相比之下，xAI雖擁有較大規模算力儲備，Grok亦進入主流模型第一梯隊，但其2025年32億美元的營收尚不顯著，且存在64億美元的運營虧損，其估值持續性仍取決於X平台用戶、數據和分發入口能否轉化為穩定生態和商業化能力。算力投入本身不能替代商業化結果，若長期無法形成用戶黏性、收入增長和可持續模式，則需重新評估其資產價值。Sun Microsystems曾擁有領先的SPARC性能與Java生態，後受到x86與Linux衝擊；英特爾在移動時代亦因功耗效率和移動生態不足而錯失部分市場。因此，相比靜態判斷規模、效率和生態優勢，更重要的是持續跟蹤三個維度的趨勢變化。
基於上述分析，當前AIDC主線仍有持續跟蹤價值，但投資重點正由全面景氣轉向高確定性環節和真實商業化。AI正在從「堆算力、競模型」逐步向應用落地延伸，AI應用仍是長期方向，但需要更加重視真實收入、客戶質量和商業閉環。劉央認為，AI對傳統軟件形成全面替代的判斷仍有待驗證，企業軟件、數據庫等廠商已有的客戶關係、產品能力和工作流黏性仍具一定價值。風險方面，應重點跟蹤電力獲取、GPU迭代減值、算力利用率和政策變化，尤其需要驗證項目是否真正取得電力、完成開工並落實客戶需求，而不能簡單將規劃容量等同於未來收入。整體而言，AI時代投資需要從單純比較技術性能，進一步轉向判斷企業是否掌握稀缺產業節點、能否持續提升效率，並形成穩定生態和商業化能力。
馭勢科技：服務全場景自動駕駛，跨越物理AI奇點
馭勢科技歷經十年發展，戰略重心經歷三次迭代，並由自動駕駛進一步向Physical AI延伸。馭勢科技CEO吳甘沙在會上表示，AI產業過去十年的核心投入主要集中於能源、芯片、基礎設施和模型層，隨着終端應用開始規模化落地，產業正逐步進入更加重視商業閉環的下一階段，自動駕駛是Physical AI較早實現真實場景驗證的方向之一。吳甘沙認為，自動駕駛既是Physical AI的孵化器，過去多年形成的數據飛輪等方法論及人才積累正向具身智能遷移，也是Physical AI技術與商業模式的重要試驗場。公司戰略相應經歷三次調整：2019年聚焦「真無人」，將去安全員作為規模化商業運營的重要前提；2021年提出「全場景」，希望通過統一技術底座複用於不同車型和應用場景，攤薄自動駕駛較高的前期研發投入；2024年進一步提出Physical AI方向，希望將高成本訓練形成的智能能力，以更低的邊際成本複製至更多物理場景。公司目前圍繞民航級安全、場景泛化能力和全場景車型佈局三個方向提升規模化複製能力。
機場是馭勢科技實現規模化商業運營的標杆場景，也是公司安全體系與數據能力的重要來源。 物理世界的自動駕駛直接涉及人員、車輛和航空器，對系統可靠性、異常處理和持續運營能力提出顯著高於數字應用的要求。公司長期以民航安全與服務體系作為產品標準的重要參考，並通過長期真實運營解決最後一部分長尾問題。公司在本次活動中指出，截至2026年8月，其在機場無人駕駛市場的份額已超過90%，業務覆蓋國內外21座機場，累計全無人安全運營里程超過600萬公里，擁有1，000餘項相關專利，國內二三線機場項目已實現單位經濟模型轉正。公司自2019年獲批無人化運營以來，累計投入超過1.5億美元、迭代約200個版本並處理數萬個問題，形成機場專有自動駕駛數據積累。
長期運營能力不只體現在車輛自動駕駛本身，也逐步向機場作業全流程無人化延伸。公司產品已驗證高溫高溼、多雨、鹽霧、暴雪、沙塵、弱網和夜間等複雜工況，並建立實時調度、多車協同、車輛診斷和預測性運維體系。在此基礎上，公司進一步推進自動掛脫鉤、自動充電、自動上下貨等環節無人化，減少車輛無人化後仍需人工介入的作業環節，進一步降低客戶全生命周期運營成本，並將機坪應用由行李及貨運牽引拓展至擺渡接駁、圍界巡邏、清掃、驅鳥和餐食配送等場景。公司還推出「造父」開源AI編程交付平台，將既有行業經驗轉化為編程和業務編排工具，支持機場控制系統接入及客戶定製開發。公司認為，隨着民航無人駕駛行業標準逐步完善，馭勢科技機場自動駕駛有望由少數標杆項目進入更廣泛複製階段。
U-Drive全場景自動駕駛操作系統是馭勢降低跨車型、跨場景複製成本的核心技術底座。公司以統一U-Drive平台連接不同車體硬件和應用場景，覆蓋乘用車、幹線及城市物流、公交、機場/工廠/園區、港口、礦山、農牧、環衛及巡檢等領域。經過十年迭代，U-Drive由1.0低速載人、2.0真無人全天候物流、3.0物流與載人融合、4.0開放道路複雜場景，演進至當前5.0全場景自學習版本，並形成可泛化算法庫、數百萬場景庫、標準硬件模板以及自適應工具鏈。後續6.0計劃升級為通用自動駕駛大模型，通過世界模型提升複雜長尾場景處理能力，7.0則進一步探索端到端、世界模型及強化學習等模型融合。
馭勢科技目標為通過平台化將傳統項目制交付逐步轉化為可規模複製的產品化能力。公司目標是實現新產品約3個月產品化、新場景約1周完成場景化適配，並進一步降低新客戶部署複雜度。本次活動中，公司指出，從已有項目看，香港機場25台車輛早期交付耗時約一年，而烏魯木齊機場40台車輛交付已縮短至不足一個月；工廠場景亦從早期5台車半年逐步縮短至數十至數百台項目約3個月交付。公司也表示，新場景目前僅需產品經理、架構師、開發及測試組成的小規模團隊進行適配。同時，公司通過新的聯合開發流程，將新車型開發成本降低至原有模式的約1/10、開發時間縮短至約1/4。
商業模式方面，公司計劃由整車及解決方案銷售逐步提高AI司機訂閱收入佔比。現階段公司提供整車銷售及維保、整車疊加AI司機訂閱、孖展租賃、自動駕駛車型及套件後裝等多種方案，其共同目標是降低客戶前期資本支出，並使無人駕駛方案全生命周期成本低於人工駕駛。長期而言，馭勢希望進一步減少自身對整車製造和一線運營的參與，形成「AI司機+生態合作伙伴」的平台化模式。公司規劃由商用車OEM提供認證車體並預裝AI司機，由系統集成商、方案商和運營商負責具體行業部署，馭勢通過AI司機管理雲提供訂閱收費、健康監測及數據安全合規服務，從而將自身能力更多集中於自動駕駛軟件和持續迭代。全球化方面，公司已建立質量、准入認證、數據安全和本地服務四類體系，已有3款車型通過CE認證，並正在推進與歐洲、中東航司、機場和地服公司的合作。公司期望未來五年將業務覆蓋由6個國家和地區擴大至50個國家和地區，並通過更多渠道合作伙伴拓展新場景。
公司短期聚焦已驗證的高價值場景，中長期逐步拓展商用車與更廣泛Physical AI應用。在本次活動中，公司再次強調，未來1-2年，主要聚焦機場及工廠牽引式物流、園區無人巴士、乘用車輔助駕駛以及港口、化工、電力和礦山等專用場景；3-5年計劃進一步拓展公交、環衛、重卡和城配等市場；5-10年則將Robotaxi、幹線物流及泛具身智能作為前瞻方向。公司長期願景是為全球交付100萬個可長期信賴的AI司機，成為世界最大AI司機與新勞動力提供者。同時指出，中國在開源AI能力、製造與供應鏈以及產業應用深度方面具備組合優勢，中國新勞動力類機器人產品有望成為未來中國科技產品全球化的重要方向之一。
破殼機器人：加速實現具身智能走進千家萬戶
破殼機器人創立於2026年4月，自創立伊始即關注世界模型與家庭場景，而非VLA模型與工業場景。公司核心團隊來自清華大學和上海期智研究院，依託全球領先的WAM世界動作模型技術，已搭建世界動作模型、全鏈路強化學習和機器人本體三大核心研發板塊，並與國內知名酒店、地產等產業方開展生態合作。孖展方面，雲啓資本、順為資本、經緯創投、小米戰投、弘暉基金等老股東持續加註，公司孖展節奏與投資陣容在早期具身智能創業公司中處於領先水平。
在技術路線選型上，公司認為WAM世界動作模型是當前最貼近機器人決策、兼顧預測與控制的技術路徑。WAM雖然訓練與部署更為複雜，但能夠直接圍繞動作、觀察與未來狀態進行建模，在物理正確性與機器人決策之間實現更好的平衡。因此，公司選擇自研WAM世界動作模型，希望在強大預訓練基礎設施和大規模數據驅動之上，構建具備高物理一致性的Manipulation基礎模型。公司認為，從機器人操作走向Physical AGI，核心不僅是「訓練得快」，更需要模型真正理解物理世界。公司自研Poke WAM的預測結果與真實世界表現更為接近，體現其在物理一致性方面的優勢。
服務場景對數據、模型和本體提出更高要求，具身機器人規模化落地仍面臨挑戰。數據層面，傳統遙操作採集成本較高，百萬小時級數據集投入可達數億元，同時精細操作仍以「擬人操作」為主，難以實現真正的「親手操作」，且大規模數據採集與管理成本較高。模型層面，技術路線快速迭代，對企業持續研發投入提出更高要求，同時現有模型在靈巧性與泛化性上仍有較大提升空間，需要進一步突破精細操作、長時任務和工具使用，並實現跨場景、跨任務和跨本體泛化。本體層面，機器人硬件仍需持續降本並提升可靠性，成本需要從數十萬元向十萬元乃至數萬元下降，穩定運行時間則需要從數小時提升至數天、數月。
針對上述瓶頸，公司圍繞WAM世界動作模型、全鏈路強化學習和高質量真實數據構建「三位一體」的具身智能飛輪，通過數據、模型與強化學習相互促進，加快向Physical AGI演進。其中，Poke WAM通過世界動作模型提升對物理世界的理解與預測能力；Poke UMI持續獲取高質量真實數據，為模型訓練和迭代提供支撐；Poke RL則通過強化學習形成更優策略和更穩定輸出。三者形成「真實數據-世界模型-強化學習」的閉環，每一輪訓練和部署持續反哺下一輪迭代，推動機器人在靈巧性、泛化能力和複雜任務執行能力上不斷提升。
Venture Hub：立足東南亞，從AI基礎設施實現Token變現
Venture Hub立足於東南亞市場，定位於覆蓋AI產業鏈全流程的科技投資與產業賦能平台，核心團隊能力貫穿從底層基礎設施到上層應用的完整鏈條：在基礎設施端，覆蓋AI數據中心選址、供電設計、工程建設及持續運營；在算力與平台層，通過智能路由實現任務編排、模型選擇、Token經濟性及負載優化；在應用端，則通過投資與產業諮詢幫助合作伙伴將算力資源轉化為可落地、可商業化的AI應用。同時，公司通過加速營篩選具備獨特技術優勢和全球商業化潛力的數據中心建設及運營團隊，並通過系統化孵化、行業專家輔導及真實客戶場景驗證，加速項目實現產品市場匹配和早期商業化，並為後續孖展奠定基礎。
Venture Hub圍繞AI基礎設施構建覆蓋「資產-算力-運營-應用」的全價值鏈投資體系，主要包括四個環節：1）數據中心投資。底層邏輯類似地產投資，但進一步疊加電力資源的價值變現，通過鎖定低成本電力並向下遊客戶銷售獲取價差，同時通過長期消納合同及階梯式調價條款提升收益確定性。項目可分為新建與改造兩類；新建項目重點平衡能耗與成本、擴展性及靈活性，同時關注工程延期、土地隱性溢價及退出風險；改造項目則主要針對閒置工業廠房及原加密貨幣礦場，在中國香港、日本等成熟市場進行資產升級，資本投入相對較輕，核心在於控制持續運營成本並提升資產利用效率。2）GPU算力孖展。與雲廠商主要自持服務器和GPU不同，新型算力雲逐步採用輕資產模式，通過外部資本支持算力擴張，典型孖展結構為「股權+債權」，並以GPU等算力資產作為核心抵押物。3）維護與增值服務。圍繞高密度AI集群提供專業託管、電力管理、液冷及散熱優化等服務，通過持續運營提升基礎設施效率和資產價值。4）Token變現。進一步向企業及應用層延伸，通過模型路由、Token經濟性優化等方式提升算力利用效率，並探索B2C轉型、動態定價等商業模式，將底層算力最終轉化為可持續的應用收入。
公司此次重點介紹其對數據中心及GPU算力孖展項目投資模式、交易結構和目標回報的理解。（需要注意的是，數據中心及算力孖展項目具有較強的非標準化特徵，不同項目在開發階段、資產條件、客戶結構及孖展安排等方面差異較大，回報水平的測算及交易結構主要反映Venture Hub自身的項目經驗及投資框架。）數據中心投資方面，Venture Hub通常基於EBITDA倍數評估項目價值，並根據項目所處開發階段設定相應的目標回報。根據公司介紹，其早期開發項目目標MOIC約為3-7倍，早期投資目標IRR約為30%-40%，隨着項目逐步成熟、開發風險下降，後續階段的預期回報相應收斂。公司認為，數據中心項目從前期開發、建設到穩定運營過程中，不同階段投資者對應不同的風險收益要求。
GPU算力孖展方面，Venture Hub介紹的典型項目通常採用「股權+債權」的資本結構，股債比例約為30/70或40/60；根據債權提供方及交易條款不同，公司觀察到的債權綜合回報目標約為8%-15%。在公司介紹的案例中，項目可通過簽訂約4年的GPU採購及租賃合同，將GPU託管於大型雲廠商、Neocloud或AI實驗室等算力消納方的數據中心，並以租金收入覆蓋機房租賃及孖展成本。公司測算部分項目回本周期約2年，股權投資目標IRR可達20%以上、MOIC約2倍。對於市場較為關注的GPU折舊風險，公司認為，若消納合同期限能夠與硬件經濟壽命較好匹配，同時GPU二手殘值高於傳統線性折舊假設，則有望一定程度上緩釋項目的股權風險。
風險提示
行業與技術路線不確定性風險：AI終端芯片、具身智能、AI基礎設施等均屬於技術快速迭代、競爭格局尚未收斂的新興賽道，行業技術路線選擇、市場需求增速及競爭格局演變均存在較大不確定性，可能導致相關公司的技術判斷、產品規劃與實際發展路徑出現偏差。
早期階段經營與估值波動風險：AI芯片、具身智能相關的公司、項目均處於業務發展早期階段，尚未形成穩定的盈利模式與現金流，主要依賴持續外部孖展支持，疊加相關賽道估值受市場情緒及資本環境影響較大，存在孖展進度不及預期、估值大幅波動等風險。
政策與宏觀環境風險：相關業務涉及半導體、跨境投資、電力與土地資源等多重監管領域，宏觀經濟環境、產業政策、貿易及出口管制政策的變化，均可能對相關公司的經營環境及行業發展節奏產生不利影響。
本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，並不代表本研究團隊對該公司、該股票的推薦或覆蓋。
華泰證券研究所國內站（研究Portal）
https：//inst.htsc.com/research
訪問權限：國內機構客戶
華泰證券研究所海外站
https：//intl.inst.htsc.com/research
訪問權限：美國及中國香港金控機構客戶
添加權限請聯繫您的華泰對口客戶經理
免責聲明
▲向上滑動閱覽
本公衆號不是華泰證券股份有限公司（以下簡稱「華泰證券」）研究報告的發布平台，本公衆號僅供華泰證券中國內地研究服務客戶參考使用。其他任何讀者在訂閱本公衆號前，請自行評估接收相關推送內容的適當性，且若使用本公衆號所載內容，務必尋求專業投資顧問的指導及解讀。華泰證券不因任何訂閱本公衆號的行為而將訂閱者視為華泰證券的客戶。
本公衆號轉發、摘編華泰證券向其客戶已發布研究報告的部分內容及觀點，完整的投資意見分析應以報告發布當日的完整研究報告內容為準。訂閱者僅使用本公衆號內容，可能會因缺乏對完整報告的了解或缺乏相關的解讀而產生理解上的歧義。如需了解完整內容，請具體參見華泰證券所發布的完整報告。
本公衆號內容基於華泰證券認為可靠的信息編制，但華泰證券對該等信息的準確性、完整性及時效性不作任何保證，也不對證券價格的升跌或市場走勢作確定性判斷。本公衆號所載的意見、評估及預測僅反映發布當日的觀點和判斷。在不同時期，華泰證券可能會發出與本公衆號所載意見、評估及預測不一致的研究報告。
在任何情況下，本公衆號中的信息或所表述的意見均不構成對任何人的投資建議。訂閱者不應單獨依靠本訂閱號中的內容而取代自身獨立的判斷，應自主做出投資決策並自行承擔投資風險。訂閱者若使用本資料，有可能會因缺乏解讀服務而對內容產生理解上的歧義，進而造成投資損失。對依據或者使用本公衆號內容所造成的一切後果，華泰證券及作者均不承擔任何法律責任。
本公衆號版權僅為華泰證券所有，未經華泰證券書面許可，任何機構或個人不得以翻版、複製、發表、引用或再次分發他人等任何形式侵犯本公衆號發布的所有內容的版權。如因侵權行為給華泰證券造成任何直接或間接的損失，華泰證券保留追究一切法律責任的權利。華泰證券具有中國證監會覈准的「證券投資諮詢」業務資格，經營許可證編號為：91320000704041011J。
新浪聲明：此消息系轉載自新浪合作媒體，新浪網登載此文出於傳遞更多信息之目的，並不意味着讚同其觀點或證實其描述。文章內容僅供參考，不構成投資建議。投資者據此操作，風險自擔。