社区

自动驾驶技术越来越成熟以后，最先赚钱的会是谁？ 很多人的第一反应可能是Robotaxi。它最接近我们想象中的无人驾驶，没有司机，一辆车自己接人和送人，理论上还能长时间运行，把传统出租车和网约车中很大一部分人工成本拿掉。 这个想象当然很有吸引力，但如果把自动驾驶真正放进不同场景里比较，就会发现，同样一套感知、计算、决策和执行技术，用在Robotaxi、干线卡车、矿区运输和末端配送上，面对的是完全不同的经济模型。 有些场景技术难度最高，长期市场也最大。而有些场景看起来没有那么科幻，却因为道路简单、任务固定、人工成本高，更容易率先形成稳定的商业闭环。 自动驾驶的商业化顺序，很可能并不是按照谁的技术最先进排列。它更接近另一条逻辑，技术已经足够好，同时又能明确降低成本的场景，会更早变成真正的生意。 一、自动驾驶商业化，本质上是一笔成本账 判断一个场景是否适合自动驾驶，我现在更愿意先看四件事。它能替代多少成本，环境有多复杂，设备利用率能提高多少以及系统失效以后要承担多大的代价。 这四件事放在一起，往往比单独讨论自动驾驶等级更接近商业现实。 首先是人工成本。如果一个场景原本就不需要多少人，那么即使实现了完全自动化，能够节省的钱也有限。但如果司机本身就是成本结构中的重要组成部分，而且还存在招工困难、夜班、长时间驾驶等问题，那么自动驾驶创造的经济价值会更加直接。 其次是环境复杂度。城市开放道路里存在行人、自行车、外卖骑手、施工、临时停车和各种并不完全遵守规则的交通参与者。矿区、港口、园区则完全不同，路线更固定，参与者更少，规则也更容易统一。自动驾驶需要解决的问题自然会少很多。 第三是设备利用率。自动驾驶系统本身并不便宜。如果一台设备每天只工作几个小时，昂贵的传感器、芯片和软件成本很难被摊薄。反过来，如果自动化能够让设备从每天工作八小时变成十六小时甚至更长，那么价值就不仅仅来自省掉一个人。 最

刚开始了解自动驾驶时，我很容易把它理解成一个算法问题。 汽车安装摄像头，模型识别道路、车辆和行人，再根据识别结果控制方向和速度。只要算法越来越聪明，汽车自然就能逐渐学会自己开。 这个理解不能说错，但它只看到了整套系统中最显眼的一部分。 真正的自动驾驶，更像是在给汽车重新搭建一套从感知到思考再到行动的能力。传感器负责感知周围环境，芯片和计算平台负责处理数据，模型负责理解环境、预测变化并作出判断，车载网络负责把数据和指令传递到车辆各处，转向、制动和动力系统再把判断变成真实动作。 这里任何一个环节出了问题，最终都会影响驾驶结果。摄像头看见了行人，但数据传得太慢，车辆可能来不及反应。模型判断应该减速，但制动系统执行不及时，正确判断也失去了意义。芯片有很高的算力，但数据读取和传输跟不上，模型仍然跑不顺。软件在测试环境里表现很好，但到了雨雪、高温、颠簸等真实环境中无法稳定工作，也很难真正落地。 自动驾驶并不是在传统汽车上简单增加一个AI功能。它其实是在重新搭建汽车理解世界、处理信息和作用于现实世界的整套底层能力。 一、汽车首先要建立对周围世界的感知 人类开车时，会不断观察周围环境。 前方车辆是否减速，路边行人有没有准备进入车道，旁边车辆是不是正在压线，后方摩托车是不是快速接近。这些判断对人来说几乎是下意识完成的。 汽车没有这样的天然能力，只能依赖传感器把现实世界转化成可以计算的信息。 摄像头最接近人的眼睛，可以识别车道线、交通灯、车辆、行人和各种道路标志。但它比较依赖光线，在夜晚、逆光、雨雪或者镜头被污染时，效果可能受到影响。 毫米波雷达更擅长测量目标的距离和相对速度，对光照条件不太敏感，在部分恶劣天气中也能保持工作。 激光雷达可以比较直接地测量周围空间的距离和形状，帮助车辆建立三维环境信息。 不同传感器看到的是现实世界的不同侧面。 真正困难的地方，不只是多装几个传感器，而是把这些信息

已经很久没写美股打新的内容了，上次那个披萨我偷偷打了8888刀，设置了止损条件单，结果开盘就给我卖了，亏了90多刀。正所谓是偷鸡不成蚀把米啊。 这次要分析的是龙电华鑫，我们好好来盘一盘它的底细。 一、基本面分析 公司是全球领先的高精度电解铜箔制造商，深度绑定宁德时代、比亚迪及韩国SK On，是全球动力电池与储能产业链背后不可或缺的底层材料卖铲人。 公司的主营业务是高精度电解铜箔的研发、生产与销售，有两大核心板块：锂电铜箔和PCB铜箔。其中锂电铜箔占大头，主要用于用作锂离子电池的负极集流体。公司在高端锂电铜箔（如4.5μm和5μm极薄铜箔）领域拥有统治级产能，产品能极大提升电池能量密度，是全球头部电池厂的首选一供或二供。 主要的商业模式就是赚加工费。公司不承担铜价涨跌风险，主要通过套期保值对冲，核心利润完全来源于加工费。护城河在于谁的良率高以及机器转得快，谁就能把加工成本降到最低。 目前整个行业产能过剩，2022到2023年行业暴利，导致阿猫阿狗都在疯狂扩建铜箔厂。到了2025到2026年，供给远大于需求，高端铜箔加工费从巅峰期的5万/吨跌到1.5万到2万元/吨，行业进入大洗牌阶段。 国内主要的竞对是诺德股份、嘉元科技和中一科技。公司主要的优势在于产能规模最大，在南京、铜陵和汉中等多基地布局，且高端产品良率业内领先，是少数能在寒冬中维持满产满销的头部企业。 二、财务数据分析 受益于铜价高位及产能释放，营收从2024年的87.62亿元升到2025年的109.42亿元，2026年的第一季度为40.73亿元，同比增加113.7%。 净利润由2024年的亏损2.94亿元成功扭亏，2025年的净利润为1933.8万元，2026年第一季度更是大赚1.35亿元。 虽然毛利率已经从2024年的4.3%提升到2026年Q1的10.4%，但依然还是苦哈哈的加工业。盈利能力的提升主要源于铜箔加工费

写到自动驾驶产业链时，我最初有一个很朴素的想法：既然汽车需要越来越多的摄像头、雷达、芯片和算力，那么生产这些东西的公司，应该都会受益。 这个逻辑听起来没有什么问题。 一辆车原来只有简单的倒车影像，现在可能需要十几个摄像头。过去汽车里的芯片主要负责车窗、空调和发动机控制，现在却要实时处理道路、车辆、行人以及各种复杂情况。 单车使用的零部件变多了，市场空间自然也变大了。 但当我继续往下看时，发现事情并没有这么简单。 自动驾驶带来的产业增量是真实的，但这些新增价值最终落在谁手里，并不是由市场空间这一个变量所决定的。 有些公司可能出货量翻了几倍，收入也增长得很快，但利润却没有同步增加。有些公司卖出的产品数量并不算多，却因为掌握了系统中难以替代的环节，获得了更高的利润和估值。 我慢慢意识到，研究自动驾驶产业链，真正需要回答的不是：哪个环节增长最快？ 而是当整个产业开始增长以后，谁有能力把其中的价值留在自己手中？ 这是两个完全不同的问题。 一、为什么需求增长，并不一定带来利润增长？ 假设一辆汽车上的摄像头，从一颗增加到十颗。直觉上看，摄像头供应商的市场空间增长了十倍。 但如果整车厂借此机会推进了硬件规格标准化，引入了第二家和第三家供应商进行二供和三供竞争，同时在长周期合同里约定了严格的年降条款，摄像头的单价不断下降，那么这个市场最终能够留下多少利润，就很难只靠单车用量来判断了。 汽车产业有一个极其鲜明的商业规律：整车厂会持续向供应链要成本。 当一项新技术或高规格零部件刚刚出现时，能够稳定量产的企业极少，供应商拥有比较强的议价能力。 可一旦市场需求得到验证，工艺走向成熟，原来稀缺的技术就会变成行业的通用标准。 这时，哪怕行业里只有三五家顶级供应商，整车厂也足以通过引入二供和三供来平衡供应链风险，并让这几家头部企业为了争夺核心量产订单陷入价格博弈。 结果很可能是，市场总用量翻倍增长，供应商

7月一向都是打新的淡季，那些想着偷鸡摸狗的IPO往往都会选择6月底和12月底上市。究其原因，其实也不难，港股流动性匮乏的问题决定了大部分IPO的终局其实就是入通。而入通最好的时机，就在6月和12月。 拿森科技的基本面等情况，可以直接重温下。港股打新|拿森科技：智驾概念股，拿森马拯救你？ 基本面肯定是不咋样的，估值上不便宜。所以这个IPO参不参与80%取决于有没有好的厨师，剩下20%取决于我们是否对智驾有坚定的信仰。 而7月的IPO对于厨师的要求还是挺大的，尤其是7月初刚爆出港交所在严查上市主体和国配资金的关联性的问题。所以这次我个人倾向于没有好的厨师。所以冲着厨师来的朋友大概率可以放弃了。 剩下的问题在于，智驾概念能不能救拿森科技？以下内容重点会讲一下不同智驾等级下，对拿森科技的利润贡献情况。 文章原文

谐音梗真的是烂透了。在细说拿森科技之前，我们先简单回复下中际旭创的情况。 中际旭创其实挺有意思，后视镜看打新不打是完全正确的选择。周四恐慌盘-10%那时候确实是个机会，但我没出手，因为那时候绿鞋已经用了一大半了，我担心的是尾盘未必拉的回来。而且那时候的折价并不高，性价比上远不如去赌2x海力士的超跌反弹。 可能有部分同学运气好，正好赶上了周五的超跌反弹，还赚了10%走。但我认为人的运气不会每次都那么好，这次打中后在暗盘保本亏手续费出是更理性的做法。 再给我10次机会选择中际旭创还是2x海力士，我大概率还是会选择2x海力士去做超跌反弹。当然2x产品风险极高，必须做好严格止损才行，而且不易长持。这里不做任何推荐，杠杆产品大概率不适合99%的股民。 言归正传，开始好好聊一聊拿森科技。很多人看到智驾直接pass，这样肯定是不对的，还是要好好研究一番才有底气。 一、基本面分析 公司是中国领先的智能驾驶线控底盘核心零部件及解决方案提供商，是实现L3和L4级高阶自动驾驶不可或缺的底层硬件的铲子股。 核心产品矩阵分别为NBS、ESC和NBC。先说NBS，这是公司的核心基本盘，旨在取代传统的真空助力器，响应速度快，是实现能量回收和自动紧急制动的基础。ESC主要防止侧滑，自研电磁阀累计销量超500万件。而NBC，业内俗称One-Box方案，是公司2026年的主力利润点，占一季度总收入的70.6%。 护城河在于底盘制动属于汽车的保命级核心件，一旦通过车企冗长的验证期并实现量产定点，车企极难中途替换供应商。 灼识咨询数据显示，中国线控解决方案市场规模将从2020年的224亿元增至2025年的971 亿元，并预计2030年达2447亿元，CAGR超20%。按照 2025年的线控制动销量计，公司是中国前三大内资供应商之一，也是第二大内资独立的第三方供应商。 全球线控制动市场被博世、大陆和采埃孚

港股的AH股目前溢价最高的还是宁王，而原因并不是港股卖贵了，而在于A股卖得相对便宜了。 A股这个市场，估值很大程度上取决于外资和机构的仓位。第二季度，内资卖宁德时代买中际旭创，外资买入宁德时代。中际旭创目前是内资机构持仓市值最高的个股，而宁德时代已经退出前三。机构持仓前10中除了宁德时代，清一色的科技股。 正因为机构的不断卖出，所以宁德时代的A股相对而言，估值已经不那么高了。所以从这个角度上看，中际旭创想要重现宁德时代的荣光，有点困难。 在科技内部，北美链有业绩但大概率没啥未来，国产链没业绩但凝聚了国家意志。所以机构后续想要继续走，大概率会拥抱国产链而减持北美链。毕竟讲故事的时候，估值给的再高都合理，但一旦有业绩要计算PE了，那稍微不及预期的财报就可能引发深度的回调。 所以中际旭创想要继续涨，就得满足如下几个条件：1、北美的资本支出继续再创新高 2、利润率必须维持或增长 3、硬件的整体估值不能下跌。换句话说，业绩不能miss，估值必须维持。 而回到中际旭创的暗盘和首日的博弈中，大概率会出现以下情景： 文章原文

自从上一轮之后，差不多空窗快半个月了。今天终于引来了一个重量级的新股，全球光模块一哥——中际旭创。 今天时间充裕，还是来详细分析分析中际旭创。 一、基本面分析 中际旭创是全球光互连解决方案的绝对龙头，为英伟达、谷歌和微软等巨头提供AI算力集群不可或缺的800G和1.6T的高速光模块，是本轮AI军备竞赛中最核心的中国铲子股，北美链绝对的扛把子。 公司主营业务是高端光通信收发模块的研发、设计、封装、测试和销售。核心产品为800G和1.6T高速光模块，这是支撑Nvidia Blackwell集群和算力Scale-out网络互连的绝对刚需。 公司也是硅光模块的先行者，并已在OFC展会上率先推出基于3nm DSP的 1.6T OSFP和LPO模块，技术护城河深不可测。 更关键的是公司依托中国工程师红利与精密制造优势，在全球范围内首发最新代际产品，直接对接北美大客户。 根据沙利文数据显示，自2021年起，公司连续五年位居全球光互连解决方案市场收入第一。2025年的全球市占率为21.2%，在高速数通市场份额更是高达28.1% 而AI大模型训练与推理引发的算力竞赛，数据中心内部东西向流量暴增。光模块是除GPU外，AI产业链中弹性最大且业绩兑现最快的核心环节。 二、财务数据分析 营收跨越式爆发，从2023年的107.18亿元直接飙升至2025年的382.40亿，三年累计增幅超2.5倍。而2026年Q1的营收更是来到了194.96亿元，单季营收已达2025年全年的近一半，呈现加速井喷态势。 归母净利润从2023年的22.08 亿元，狂飙至2025年的107.97 亿元，同比大增108.78%。主要原因还是公司通过800G和1.6T高端产品的放量，不仅做大了规模，更拉升了整体毛利率，实现了完美的量价齐升的戴维斯双击。 本次545亿港元的募资净额中，约35%将投入3.2T及CPO等前沿技术研发，约

二十年前，如果有人告诉你：苹果未来最大的竞争对手不是传统的手机巨头诺基亚，而是靠搜索引擎起家的谷歌。当时的大多数人一定会觉得不可思议。 因为在那个时代的二级市场行业分类里，苹果属于消费电子与硬件制造，而谷歌则属于纯粹的互联网与软件服务。这是两个在资产负债表、供应链和商业模式上都属于风马牛不相及的行业。 后来，历史的演进狠狠地扇了旧时代分析师一记耳光。大家最终痛苦地发现：真正决定跨时代竞争胜负的，从来都不是手机这具硬件身体，而是运行在身体里的移动操作系统。 今天，全球科技产业与资本市场正在经历同样的一幕，但规模要宏大数十倍。 如今的大多数投资者仍然在用工业时代的刻舟求剑模型，把特斯拉归入汽车制造，把优必选或波士顿动力归入机器人，把大疆归入无人机。 如果你在2026年的当下，继续沿着这种传统的行业分类去理解未来，我认为，你大概率会彻底错过物理AI时代最大的财富重组机遇。因为这个时代最深处的真相是：未来的资本市场，将不再有汽车公司，也不再有机器人公司，只会有一种公司：那些拥有身体的AI公司。 一、 工业时代的终结 过去的一百年，全球资本市场的行业分类一直极其务实地遵循着以物理产品为终点的逻辑。卖汽车的算汽车板块，卖飞机的算航空航天，卖机器人的算机器人板块。 这种分类在工业时代是完全正确的，因为那个时代创造财富的壁垒，是由物理身体的制造能力决定的：谁拥有规模更庞大的厂房与超级流水线，谁能压榨出更高的产能利用率与供应链议价权，谁能把单个硬件的边际制造成本卷到极致。那么谁就是这个行业的绝对龙头。 在那个时代，硬件出厂交付的那一刻，它所蕴含的价值就达到了顶峰，随后便是无尽的折旧与磨损。 但是，当AI开始拥有物理身体的那一刻起，这个延续了一百年的财富底层逻辑被彻底掀翻了。 在物理AI的生态里，真正创造垄断价值与持续复利的资产，不再是那具冰冷的钢铁身体，而是身体里面那个可以不断进化而且可以跨

一、 为什么大家都猜错了？ 如果在十年前问一个普通人：未来第一个真正普及的AI产品会是什么？ 绝大多数人的答案，大概率都会是机器人。 在很多人的想象中，机器人一直是人工智能最理想的终极形态。电影里的机器人会说话、会做饭、会照顾老人。科幻小说里的机器人拥有独立的人格，能陪伴人类，也能在工厂里代替人类完成各种复杂精密的体力劳动。 然而现实的发展，却走向了一条完全不同的道路。 截至今天，我们在日常生活中仍然很少看到能够真正像人一样端茶倒水和服务家庭的人形机器人。但相反，在世界各地的街头，越来越多的汽车已经能够自主完成高速领航和城市辅助驾驶，甚至在许多城市已经进入了完全去掉人类司机的Robotaxi无人驾驶出行时代。 这意味着，AI第一次真正走出虚拟的屏幕，进入现实的原子世界，并不是从机器人开始的，而是从汽车开始的。 很多人把这种现象，单纯地归结为汽车产业的体量更大、资金更多，或者发展速度快于机器人产业。 但我认为，这样的理解仍然停留在传统“行业分类”的狭隘视角里。如果站在物理AI的核心框架下来看，这其实意味着一件更本质，也更颠覆认知的事情：汽车，并不是机器人之前的一个独立赛道。汽车，就是机器人成长过程中的第一种身体。 二、 为什么汽车比机器人更容易成功？ 技术的发展，从来不会选择最显而易见或者最复杂的路径，而是会选择约束条件最多、商业闭环最快且数据积累效率最高的路径。 在物理世界的所有硬件载体中，汽车恰好完美地同时满足了这三个条件。 很多人觉得开车是一件极其复杂的任务，但从人工智能训练的难度来看，汽车实际上是一道难度适中且高度标准化的训练题。 空间的高度约束：汽车始终运行在相对规则的道路环境中，它有明确的车道线、红绿灯、交通标志和高精或导航地图。 规则的高度统一：在绝大多数情况下，车辆遵循统一的，由人类社会制定了上百年的交通法规。 控制变量的极简：汽车由于其物理刚性结构和轮式底盘