Core Viewpoint - Tesla's AI leader Ashok Elluswamy revealed the technical methodology behind Tesla's Full Self-Driving (FSD) in a recent article, emphasizing the choice of an end-to-end neural network model and addressing the challenges faced in practice [4][6]. Group 1: End-to-End Neural Network Model - Tesla's decision to adopt an end-to-end neural network model is driven by the need to address complex driving scenarios that cannot be pre-defined by rules, such as the "trolley problem" and second-order effects [6][10]. - The end-to-end model is described as a complete overhaul of previous architectures, fundamentally changing design, coding, and validation processes, leading to a more human-like driving experience [11][19]. - The model outputs driving instructions alongside interpretable "intermediate results," utilizing technologies like generative Gaussian splatting to create dynamic 3D models of the environment in real-time [8][17]. Group 2: VLA and World Model Concepts - VLA (Vision-Language-Action) is an extension of the end-to-end model that incorporates language information, allowing for a more visual representation of driving behavior [12][14]. - The world model aims to establish a high-bandwidth cognitive system based on video/image data, addressing the limitations of language models in understanding complex, dynamic environments [15][19]. - The relationship between end-to-end, VLA, and world models is clarified, with end-to-end serving as the foundation, VLA as an upgrade, and the world model as the ultimate form of understanding spatial dynamics [12][19]. Group 3: Industry Perspectives and Trends - The industry is divided into three main technical routes: end-to-end, VLA, and world model, with companies like Horizon Robotics and Bosch primarily adopting end-to-end due to lower costs and higher stability [13][19]. - VLA has faced criticism from industry leaders who argue that its reliance on language models may not be essential for effective autonomous driving, emphasizing the need for spatial understanding instead [16][19]. - Tesla's recent publication has reignited discussions in the industry, positioning the company at the forefront of current technological directions and providing a systematic analysis of practical applications [20].

登录新浪财经APP 搜索【信披】查看更多考评等级 来源：尺度商业 2004年，高光荣与合伙人一起创立"光盛通信"，公司业务与一家名为"易杰龙"的公司重叠，两家公司打 得热火朝天，互相抢单、挖人，甚至员工都玩起了现实版"无间道"，潜伏在对方公司做兼职。 斗了几年，不分胜负，双方决定握手言和。2008年，"光盛通信"和"易杰龙"整合成一家新公司，新公司 取两家字号各一字，新易盛就此诞生。 后来的故事堪称魔幻，这个诞生于"休战协议"的企业，在2016年成功在创业板上市，如今更跻身北美云 厂商巨头的核心供应链，与中际旭创、天孚通信被戏称为"易中天"，成为A股人气正旺的万亿市值天 团。 12月18日收盘，新易盛总市值4229亿元，年内涨幅417%，2023年以来累计涨幅超3500%。伴随着公司 的起飞，高光荣也完成了华丽转身，从乐山无线电厂的中专生技术员，蜕变为身家百亿的行业大佬。 如此逆袭背后，发生了什么？ 中专生逆袭，技术员变身百亿大佬 高光荣的起点，平凡得几乎看不见光环。1969年出生于四川省乐山市，他没有名校背景，也没有显赫家 世。1980年代末，他从成都无线电机械学校工业电气自动化专业毕业，手握一张中专文凭， ...

中美两国同步布局"星际之门"，数字化时代的新基建正如火如荼展开。然而在AI算力爆炸式增长的背后，一场关于"电力"的焦虑正在蔓延。 过去一年，美国多地因AI数据中心的高负荷用电，出现了居民区停电、电网设备过载甚至火灾等事故，造成巨大损失。 仅仅在上个月，美国西雅图部分区域发生了大范围停电，这已是该地区当月的第三次停电。 AI数据中心就像一只只巨大的"电老虎"，其能耗增长速度已超出电网基础设施的承载能力。除中国外，目前全球大部分地区电力供应都存在缺口。 让人意想不到的是，这场"算力"和"电力"的戏剧性冲突，却在一个能源的细分赛道引发巨浪。 2025年10月，英伟达在OCP（Open Compute Project Global Summit 2025）提出AIDC标配储能以平抑负荷波动，明确了AIDC配储的必要性以及下一代配 电方案。 该方案被认为具有风向标的意义：长时储能系统成为了下一代AIDC设计核心，也将成为储能行业的下一个超级增长引擎。 过去，储能的核心命题是应急兜底与电网调峰；如今，智算中心的高算力密度、高频功率波动、长时稳定供电等刚性需求，正倒逼储能技术从"短时响 应"向"长时支撑"跃迁，从"辅助配置 ...

12月18日，广东省人民政府新闻办公室召开"'十四五'广东成就"深圳专场新闻发布会， 企业队伍方面，深圳持续提升企业服务水平，创新开展"园区贷"试点，试点经验在全国推广。企业培育 成效显著，2025年新增347家专精特新"小巨人"企业，总量达1333家，位居全国大中城市第一位，深圳 成为"专精特新第一城"；国家级制造业单项冠军数量从2020年末的28家提升至2024年的95家；培育瞪羚 企业215家、独角兽企业42家，国家高新技术企业超2.5万家。 在回答记者提问时，深圳市工信局局长黄强介绍，"十四五"期间，深圳规上工业总产值突破5万亿元大 关；全部工业增加值迈上1.2万亿元台阶，规上工业总产值、工业增加值从2022年开始保持全国城市"双 第一"，工业增加值占GDP的比重保持在三分之一以上。全市建成投产11个百亿级工业项目，预计工业 投资总规模将超万亿元。 （文章来源：21世纪经济报道） 产业结构方面，据介绍，"十四五"期间，深圳系统谋划以先进制造业为骨干的20大战略性新兴产业集群 和8大未来产业，战略性新兴产业增加值从2020年的1.03万亿元提升到2024年的1.56万亿元，占地区生产 总值比重从37.1 ...

在百年未有的汽车产业变革浪潮中，中国正从"技术追随者"迈向"规则制定者"。根据最新行业数据显示，2025年全球智能汽车市场规模将突破9000万辆，而 中国以全球34.5%的市场份额成为不可忽视的引领力量。我国L2级以上智能辅助驾驶装车率已突破67.8%，标志着中国不仅在智能汽车市场规模上领先，更 在技术能力上实现系统性崛起。 波澜壮阔的产业升级需要有力的技术破局者与生态构建者，以华为乾崑为代表的技术方案扮演了其中的关键角色，成为从"汽车大国"迈向"汽车强国"路途上 的重要支点。 全栈自研：从 " 技术自主 " 到 " 全球标准 " 的跨越 华为乾崑以全栈自研为战略支点，构建了覆盖ADS（智能辅助驾驶系统）、鸿蒙座舱、车控、车云等核心环节的完整技术体系。与依赖多供应商的"拼盘模 式"相比，全栈自研不仅可解决系统兼容性与响应效率问题，更在安全性与迭代速度上构建起强大竞争力。 实测数据显示，华为乾崑智能辅助驾驶紧急制动响应时间较行业平均水平缩短30%，技术更新周期提速40%，自2022年推出首款城区智能辅助驾驶功能ADS 1以来，华为乾崑智能辅助驾驶已完成四次重大版本升级，迭代速度行业领先，展现了其背后的科技实力。 ...

人工智能正以前所未有的速度重塑全球经济。在这场变革的核心，发展的驱动力正从"数据驱动"转 向"Token驱动"。城市如何应对这一挑战？ 12月16日，"引领智能升级 共建美好AI CITY"华为云城市峰会2025·乌兰察布隆重举行。峰会汇聚行业 专家、企业领袖、生态伙伴，与会各方聚焦城市从"能源输出地"向"AI生产力输出地"转型的关键路径， 共同探讨以AI技术加速"Token之都"建设，为"草原云谷"的数字经济发展注入全新动能。 内蒙古自治区政务服务与数据管理局副局长刘钧毅在致辞中指出，乌兰察布是自治区数字经济发展的重 要增长极，本次峰会是推动城市智能化转型、发展新质生产力的重要实践。他提出四点希望：一是共 筑"AI CITY"新基座，提升数字治理能级；二是共拓"数实融合"新空间，赋能产业智能升级；三是共 育"数字人才"新生态，夯实长远发展根基；四是共创"协同发展"新格局，凝聚各方合作合力，共同谱写 内蒙古数字经济高质量发展新篇章。 内蒙古自治区政务服务与数据管理局副局长 刘钧毅 乌兰察布市人民政府副市长柴悦发表致辞，他表示乌兰察布紧抓"东数西算""京蒙协作"等战略机遇，将 算力产业作为数字经济"头号工程"持 ...

Core Insights - The increasing model parameter count and context length in AI models are driving the demand for higher memory capacity, which current HBM technology struggles to meet [1][2] - Sandisk and SK Hynix are collaborating to develop a new storage product, HBF, which is expected to meet the memory capacity requirements for AI models, potentially offering 8-16 times the capacity of existing HBM [2][3] - Companies with database technology backgrounds, such as Alibaba and Huawei, have the potential to develop data infrastructure software based on HBF storage [3][4] Group 1: HBF Development and Capabilities - HBF (High Bandwidth Flash) is being developed to address the memory capacity needs of AI models, with a planned capacity expansion for GPUs up to 4TB [2] - The technology behind HBF aims to achieve high-speed interconnection with GPUs using BiCS and CBA wafer bonding processes [2][3] Group 2: Potential of Companies in Data Infrastructure Software - Companies like Huawei and Alibaba, along with independent firms such as Starburst Technology and PingCAP, are positioned to create data infrastructure software optimized for HBF storage [3][4] - The development of data infrastructure software is crucial for companies with significant data processing needs, particularly for their AI model inference tasks [3] Group 3: Impact of HBF Technology Maturity - The maturity of HBF technology is expected to drive the application of related data infrastructure software in AI inference tasks [4] - Starburst Technology's ArgoDB is an example of a distributed database optimized for flash storage, indicating the potential for further development in this area [4]

（原标题：卫星产业链爆发，卫星ETF易方达、卫星ETF广发、卫星ETF、卫星产业ETF涨超3%） 业内指出，卫星产业远期空间巨大，且具备发展的确定性。卫星是未来万物互联时代重要的基建设施， 承担重要的数据、信息传输任务，可以做到无死角、高质量发展紧迫性:全球轨道资源有限，"占频保 轨"是国家战略刚性要求。国内市场规模空间大，到2030年空间增长预计CAGR达到15%。 A股三大指数今日涨跌不一，截至收盘，沪指涨0.16%报3876.37点，深证成指跌1.29%，创业板指跌 2.17%，北证50跌0.51%。全市场成交额16722亿元，较上日成交额缩量1621亿元，超2800股上涨。 盘面上，商业航天产业迎来政策与技术双重催化，相关概念股现涨停潮。 卫星产业链爆发，卫星ETF易方达、卫星ETF广发、卫星ETF、卫星产业ETF涨超3%，本月涨超13%。 卫星ETF跟踪中证卫星产业指数，对产业链覆盖全面且聚焦，在应用端占比高符合产业发展长期趋势， 龙头集中度高。 卫星板块上涨，消息面上，行业迎密集催化：火箭首飞突破运力瓶颈:25年底，有多款民营火箭首飞在 即，有望突破卫星产业发展的核心瓶颈，彻底打通行业逻辑；2.卫 ...

AI不会平均地抬升所有云厂商，这是后进者朝着前排座位冲击的最好机会。 在大模型之前的叙事逻辑中，规模效应驱动行业集中度持续提升，强者愈强的趋势不断强化，谷歌、阿 里云、和AWS、微软的距离只会越拉越大。 但是，大模型让这一切有了可能，云厂商的生意发生了本质变化。有意思的是，对于如何做AI云，即 便是顶级云厂商，也没有很快达成共识。 AI云，巨头也曾犯错 AI云的热闹最早是微软云的。凭借对早期OpenAI的投资，微软拥有GPT大模型的优先使用权，故事很 美好，微软希望通过GPT大模型先带飞Azure，再融入Office、Teams等应用中。 阿里云的目标是让Qwen模型成为产业的默认依赖，就像linux之于服务器，MySQL/HAdoop之于数据， Kubernetes之于云原生，开源为了成为标准。 问题恰恰出在这里，OpenAI不甘于做微软的附庸，不仅多方寻找云资源的替代方案，与AWS、甲骨文 等合纵连横，还推出了和微软有竞争关系的浏览器等产品。微软也不得不投资Anthropic、加大自研模 型力度来应对，双方的合作从最初的美好变为"貌合神离"。 微软云的声势一度超过AWS，这也不禁让"老大哥"有危机感，于是 ...

AIPC 开发顺利，有望受益AIPC 渗透率提升。目前公司多款AIPC 产品顺利完成开发与交付，其中与两 家国内头部客户的产品分别实现了落地量产和研发工作圆满收官。公司持续强化ARM/X86 等多平台开 发及制造能力,完善供应链管理。在客户拓展方面，公司持续深耕笔电行业头部客户群体，积极配合完 成多个预研项目。我们认为，公司作为智能产品ODM 龙头，具备技术与客户双卡位优势，未来有望深 度受益AIPC 出货高速增长。 盈利预测与投资评级：我们预计公司 2025-2027 年分别实现营业收入458.43、541.51、659.06 亿元，同 比分别增长-1.16%、18.12%、21.71%，2025-2027 年分别实现归母净利润6.51、8.97、12.49 亿元，同比 分别增长29.92%、37.81%、39.18%，公司作为行业龙头，在稳固主业的同时有望受益AI 眼镜、AIPC 等产品带来的新增量，首次覆盖给予"强烈推荐"评级。 智能产品ODM 龙头，多品类布局驱动高质量增长。公司业务覆盖多个国家和地区，为全球头部消费电 子品牌商和全球领先科技企业提供专业的智能产品综合服务，主要客户包括小米、三星电子、 ...