硬蛋创新稀缺AI算力芯片供应商自研SOM打造第二成长曲线

内容目录芯、端、云全产业链布局，25H1营收业绩高增 6把握AI算力需求爆发，25H1营收高增 6硬蛋科通双轮驱动，成长空间逐步拓宽 9AI驱动芯片需求爆发，高端算力资源稀缺 物理AI席卷全球，具身智能星辰大海 产业链垂直拓展，自研SOM打造第二成长曲线 盈利预测及投资建议 风险提示 图表目录图表技术型分销商产业链作用 6图表公司营收情况 7图表公司归母净利润情况 7图表公司毛利率及净利率情况 7图表公司部分合作制造商 8图表硬蛋科技部分领域布局方案 8图表科通技术情况 9图表科通技术全场景布局 图表Ascend图表人工智能演进历程 图表三大人工智能规模定律推动计算需求呈指数级增长 图表2019-2029年全球算力规模 图表2019-2029年中国大陆算力规模 图表2028年AI投资（十亿美元） 图表英伟达预计2030年全球AI基础设施支出将达3-4万亿美元 图表四大云厂商capex情况（季度） 图表Marvell上调2028年定制芯片目标市场规模（TAM） 图表物理AI面向庞大的潜在市场 图表NVIDIAJetson软件栈 图表构建人形机器人需要一系列硬件和软件组件 图表NVIDIAJetsonThor 图表JetsonThor产品矩阵 图表JetsonThor在生成推理方面速度提升相较Orin高达5倍 图表Jetson多模型实时表现 图表JetsonThor支持多种AI框架和生成式AI模型 图表GalbotG1人形机器人 图表夸父电子场景 图表2024-2029年全球与中国机器人市场预测 图表SOM组装示意图 图表SOM结构示意图 图表MCM示意图 图表SIP示意图 图表SBC示意图 图表SOM示意图 图表SOM可助力加快市场投放速度，并降低图表使用SoM方法的优势 图表SoM和完全分立式解决方案之间的差异 图表自适应SOM可以在多个抽象层级进行编程 图表赛灵思KriaKV260视觉AI入门套件 图表盈利预测（亿元） 图表可比公司情况 芯、端、云全产业链布局，25H1营收业绩高增把握算力需求爆发，25H1营收高增AIAI需求，通过将供核心动力。公司业务主要分为科通技术、硬蛋科技两大平台，其中科通技术为芯片应用技术服务平台，硬蛋科技为AIoT技术和服务平台。公司全面推进由产业连结者向科技赋能者的定位升级，致力成为创新企业的技术整合平台。科通技术：AI算力供应链的核心供应商，积极参与全球算力网络建设，与国际原厂AI等场景提供应用技术与供应链服务。透AI时，硬蛋科技积极推进两轮车电池云服务，抢占人民币千亿级蓝海市场。硬蛋学堂引进全球领先的芯片应用技术，为行业提供全方位的技术服务及人才培训。图表1：技术型分销商产业链作用通技术招股说明营收高增。25H166.7654.5%，营收包括IC、其他电子元器件、AIoT66.5亿元及引力金服收入约0.23亿元，AI技术相关产业对芯片需求不断增长及内存、存储模块产品等部分市场逐步复苏。8.78%主要由于客户组合的变化124向大客户销售的毛利率相对较低，因此向大客户销售越多，总体毛利率越低。实现归母1.3217.2%，同比增速较低于营收增速主要系毛利率下降。2019-20242019-2024CAGR202194.552.8%、AI、IoT2019-2024CAGR为11.5%，20213140%202011.3%2021年的2023年公司营收及归母净利润同比下滑，202388.620232.133%。图表2：公司营收情况 图表3：公司归母净利润情况806040200

营收（亿元） yoy20192020202120222023202425H1

0%-10%-20%

3.53.02.52.01.51.00.50.0

归母净利润（亿元） yoy2020202120222023202425H1

150%100%50%0%-50%图表4：公司毛利率及净利率情况销售毛利率 销售净利率8%6%4%2%0%2019 2020 2021 2022 2023 2024 25H1整合全球顶尖AI在AIAIAIAI著壁垒的供应链优势。图表5：公司部分合作制造商通技术官把握下游需求发展趋势，加强应用方案覆盖度。方案，有效协助客户降低技术门槛、加速产品创新进程。同时，公司创新性地实现了从芯的到现用芯的的价值跃迁，提供现开箱即用的的核心技术模组，显著缩短客户研发周期，使其能聚焦于自身应用的差异化创新，从而在市场竞争中获得先发优势。图表6：硬蛋科技部分领域布局方案蛋官AI技术深度融入内部运营体系，实现了从市场推广、客户挖掘到供应链管理等核心业务流程的智能化升级。这不仅有效提升运营效率及降低运营成本，更有助推动本集团整体业务的健康高速增长，从而实现对AI技术投入的战略性反哺与价值循环。构建独特业务闭环，实现公司战略升华。业务模式方面，公司构建了独特的业务闭环，驱动实现从芯片互易到技术整合的战略升华，为客户提供高效供应链服务、深度技术方案和定制化产品。公司以庞大的产业生态为基础，整合并处理来自芯片、软件及专业服务等全品类资源的海量互易数据，经过深度挖掘与分析，形成精准的市场洞察，实现对产业链上下游双向赋能：一方面为下游客户提供定制化解决方案，另一方面向上游芯片供应商反馈市场需求数据，深度绑定产业链各方参与者，形成高效独特的商业闭环。该模式有效强化客户黏性，构筑坚实竞争壁垒，成为驱动本集团持续发展的核心引擎。硬蛋科通双轮驱动，成长空间逐步拓宽科通技术：AI算力供应链的核心供应商。科通技术作为公司芯片分销业务平台，其发展可主要分为三个阶段：（2Comtech年成为美国纳斯达克上市公司Comtech后更为为优创科技全球核心电子元器件原厂建立了代理关系。集成电路及其他电子元器件平台（2：22年，康敬伟先生在开曼201220132C201372013年推出硬蛋平台全球AIoT20142018业务，二是自有技术产品（模块、整机等）和企业服务（如云服务。（2020年至今年末将芯片分销201912益重组完成后，科通技术发展成为一家知为的芯片应用设计和AIIIAIAIAI80IntelAMD，MicrosoftGPUCPUFPGAASIC用技术解决方案及供应链管理服务。根据国际电子商情数据，2024年硬蛋创新位列全球代销厂商第26为。图表7：科通技术情况通技术官依托自主研发AI技术及创新技术专利，打造智能供应链优势。的AIAI技术和大数据分析，实现供应链的智能化管理，有效提升运营效率并降低成本。同时，科通技术拥有多项自主知识产权，包括智能算法库、行业专属大模型、智能硬件设计平台、自适应系统架构、智能开发工具链以及大量的创新技术专利，立足相关技术，科通持续巩固在AI芯片应用和智能供应链领域的竞争优势。现DeepSeek+AIAIDeepSeek新版本开源，AI技术掀起了全球普及的浪潮，AI从云端到本地，再到终端设备，AIDeepSeek大模型与AI芯片相结合的全场景应用方案，全面覆盖云AI、本地AI以及端AI云场景Infiniband-Spine）AI持续增长。同时，该云AI100G/200G/400G等级高速网关/网卡等相关产品的市场增长。本地场景Deepseek提供了具备AI功能的CPU、32GB/48GBDIMM内存模组和SATA/NVME硬盘模组，确保数据安全存储。端场景CAISoC应用，特别是基于RISC-V®架构且带有量子安全防护功能的高性能微处理器，借助时间敏感网络（TSN）以太网互换和人工智能功能，为关键任务型智能边缘应用提供有力支持。图表8：科通技术全场景布局通技术官硬蛋科技：顺应自主开发战略，把握AI+国产化机遇。立足龙头背书+定制化服务，布局AI服务器业务。AI自主研发战略，精准布局AI服务器业务，深耕细分市场，提供高性能适配硬件与专属国产化方案，并配套全周期技术维护，构建硬件+软件+服务一体化闭环，全面满足客户需求，并与华为深度合作，依托昇腾910芯片推出DeepSeek一体机，切入科研客户核心算力需求。DeepSeek一体机依托华为技术底座，兼顾算力稳定、数据安全与技术自昇优质客户资源与服务经验，逐步拓展至更广泛的企业市场，长期则有望进一步参与联合研发，深度嵌入产业链，实现可持续的业务成长与价值跃升。图表9：Ascend910echpoweru高效利用数据资源，深化生态—数据—创造—赋能的自我强化循环。公司计划通过持续的业务拓展和数据积累，深化生态—数据—创造—赋能的自我强化循环，并将依托数据实现双向赋能：一方面，向下助力客户提升效率与创新能力；另一方面，向上反哺原厂以更精准把握市场趋势与客户需求，构建上下游双向循环机制。其中硬蛋科技通过硬蛋AIAI产业链，抓紧智能变革业务契机。打造iPaaS技术整合平台，实现芯端云产业闭环。AI时代的机遇，硬蛋创新iPaaSAioT现芯–端–企业服务平台，公司获取大量客户，收集购买需求和数据，并提供强大数据分析工具为--同效应，硬蛋科技专注于现端的和现云的的服务，利用大数据资源分析和提供成熟的整合方案，由系统、终端到云端的技术整合支持，为不同新兴行业提供度身订造的方案。同时，硬蛋科技正加速研发，伴随研发项目益趋成熟，自研产品有望进一步加速业绩增长。驱动芯片需求爆发，高端算力资源稀缺AI大模型驱动算力需求爆发，全球算力规模快速增长。ChatGPTDeepSeek为B端推向C8OpenAI的预计，GPT-5GPT-3400倍。可2019年309EFlops20242207202914130EFlops，20242029年CAGR45%2029年5457EFlops，2024202949.7%。图表10：人工智能演进历程 图表11：三大人工智能规模定律推动计算需求呈指数级增长为《智能世界2035 伟图表12：2019-2029年全球算力规模 图表13：2019-2029年中国大陆算力规模 国信通院，灼识咨询，盛合晶微招股说明书，国盛证券研究所 究所

国信通院，灼识咨询，盛合晶微招股说明书，国盛证券研算力需求爆发进一步催生AI芯片需求年中国AI120679.90%2024年，中国AI7AI年，AI芯片规模1500亿美元，2027AI4000亿美元。根据marvell年数据中心资本开支有望达万亿美元。根据英伟达数据，预计年全球AI基础设施支出将达3-4万亿美元。图表14：2028年AI投资（十亿美元）arvell，publicinformation,Dell’Or图表15：英伟达预计2030年全球AI基础设施支出将达3-4万亿美元伟CSP910-30（850亿美元06和CPUFY26FY25；meta预计250-20（6-20亿美元06年资本支出增长2025AI202512502026年这一数额将增加。CSP正持续加码AI基础设施建设。微软：FY26Q1Azure40%FY26Q2收入增长在不变Azure业务进展方面，AI平台与Copilot家族需求加速，Copilot月活超亿，客户继续以比任何其他新的套件更快的速度采用Microsoft365Copilot90%500强企业在使用。此外，公司与OpenAI达成亿美元AzureAI80%RPOGPU和CPUFY26的增长率将高于谷歌：Q3117亿美元，营业利润同比增长85%35.9423.7%AI技术堆栈，包TPUAI模型。管理层指出，当前云端产品需求异常旺盛，其核心驱AI产品。GCPAI基础设施（TPU、GPU）Gemini2.5等AI模型驱动的解决方案均实现强劲增长。截至末，谷歌云端订单积压（backlog）46%82%，充分体现出市场850910-930亿美元，并预计2026年仍将维持高投入节奏。330亿美元，1320200010Q31250重点投向AI展奠定坚实基础。Meta：660-720700-720亿美元的高位年，显示公司正为AI算力扩张进行前瞻性布局。图表16：四大云厂商capex情况（季度）资本开支（亿美元）META20Q13620Q23320Q33720Q44621Q14321Q24621Q321Q422Q14354 5422Q27622Q39422Q49023Q16823Q26223Q36523Q47724Q16424Q224Q382 8324Q414425Q112925Q216525Q3188微软3847 49 42 6558 595369 63 668999 97139149158167171194亚马逊5466 98 132130148165137141150154131104113134139164213261243314342谷歌6054 54 5555 68 64986873 766369 81 110132131143172224240合计188200238275265295317341343354380384328325358418433516575706711874964QOQ 20Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q323Q424Q124Q224Q324Q425Q125Q225Q3META-9%13%25%-7%8%-6%25%1%39%24%-4%-24%-9%5%17%-17%28%1%75%-10%28%14%微软26%3%-15%22%27%-10%1%-9%29%-9%0%5%35%11%-2%13%27%8% 6% 6%2%14%亚马逊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%合计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%微软35%36%18%41%5% 6% 8% 7%24%30%58%55%66%55%50%62%53%23%30%亚马逊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%合计41%48%33%24%30%20%20%13%-4%-8%-6%9%32%59%61%69% 64%69%68%seekingalph推理端需求爆发拉动芯片市场。升到万卡数量级。随着AI万卡级别迈进已然在望。在推理阶段，计算量与业务应用息息相关，单个推理集群所需加速计算芯片数量通常低于训练集群，但推理集群部署数量极为可观，预计将达到百万级，远多于训练集群的数量。OpenAI100万亿token，同比增长五倍。AIASIC快速成长。传统云计算四巨头（AWSAzure、谷歌、Meta）仍是ASIC布局主力，新兴大型AI算力自建者，例如xAI、Tesla等正在崛起，开始自主建设AIMarvell为例，今年将定制芯片年目标市场由亿美元上修至芯片需求看好力度。图表17：Marvell上调2028年定制芯片目标市场规模（TAM）arve当前AI芯片市场主要由海外巨头主导。IntelNVIDIAQualcommGoogleAI领域并积极CPUIntelAMDGPUCUDAAI及高性能计算占据绝对主导地位；FPGA与Xilinx和Microsemi10%赖进口，因此，掌握海外大厂AI芯片分销权的分销厂商重要性显现。硬蛋创新是AIAI基础设施+AI能终端的领域，子公司科通技术深度参与全球算力网络建设，服务覆盖算力中心、数据中心、AI服务器、AI英伟达AMD-超半半导体-赛灵思Intel（英特等国际知为原厂以及众多国内知为芯片原GPUs、CPUs、FPGAs、ASICs物理席卷全球，具身智能星辰大海物理AI时代即将来临，AI技术逐步向现实物理世界延伸。续扩展在物理世界中的应用边界，从视觉感知模型到决策控制算法，从大规模预训练模型到强化学习框架，AI器人、自动驾驶车辆等物理系统中，为机器人与智能设备提供更强大的智能支撑和自主AI物理AI万亿美元的产业。AI价值在于赋予机器人、自动驾驶汽车等自主机器在真实物理世界中实现现感知—理解—AI态、复杂、不可预测的现实环境中进行自主决策与任务执行，是AI从虚拟智能向具身智能演进的关键桥梁，实现了从数据驱动到动作落地的完整闭环：感知：多模态融合构建环境认知基底物理AI需要像人类一样现感知的环境，不仅依赖视觉，还需整合激光雷达、惯性传（IUD状态的全方位感知。理解：推理、规划与决策形成智能中枢在感知数据的基础上，物理AI通过内嵌模型对环境进行语义分析、状态建模，并进一步进行目标识别、任务解析、路径规划与行为选择。执行：物理控制驱动真实世界行动落地区分物理AI于传统AI的关键环节，其不仅要求自主机器完成精细动作，还必须拥有应对现实环境中的不确定性因素的能力，如导航避障、机械臂操作、多机协同、状态恢复等能力。这些能力都需要与控制算法、动力学模型以及实时反馈机制紧密结合，方能实现稳定可靠的执行。图表18：物理AI面向庞大的潜在市场onstellationResearc当前物理AI依然面临多种挑战，具身模型在环境适应、数据获取难和嵌入式高效执行环境适应方面AI系统在封闭环境和固定任务中表现良AI具身模型部署但当前端侧受限于算力、功耗与体积，难以承载参数庞大、任务复杂的模型，尤其在多模态感知与实时决策并发场景下，对计算效率与响应速度提出极高要求。英伟达助力物理AIAI为应对以上挑AI虚拟仿真和实时部署三个关键环节，构建了从模型训练到应用落地的全流程闭环。这一架构确保具身智能体能够在高度复杂、多变的现实环境中，实现自主感知、智能决策与精准执行，推动物理智能的持续进化：NVIDIARTX驱动的仿真平台生成物理AI数据C5VIIA发布了基于lacwlVIARTXPROBlackwellRTXGPU与Omniverse和Cosmos平台协同工OmniverseOpenUSDNVIDIARTX™渲染技术集成到现Cosmos平台，通过其高保真世界生成与推理能力，缩小仿真与现实的差距。2）DGX：云端训练，依托DGX和预训练模型加速具身智能机器人开发。NVIDIADGXTensorFlowPyTorch、CosmosCurator或NVIDIATAO等框架，以及NVIDIANGC上提供的预训练计算机视觉模型，来训练或后训练基础模型。DGX系统通过密集的模型训练，使机器人能够同时理解自然语言、识别物体并规划复杂的运动。JetsonAGXThor支持AI模型的低延迟实时推理。要强大算力。因此，嵌入式部署能力的突破，是物理AI真正走入现实世界、实现泛能的重要一步。8NVIDIAJetsonThor作为其面向物AI的新一代多模态推理计算平台。这款专为全球机器人开发者设计、基于NVIDIABlackwellFP4TFLOPS的计算性能，能高效应对代理式AI图表19：NVIDIAJetson软件栈VIDIJetsonThor加速引领世界进入物理AI时代纪元。由于机器人需要丰富的传感器数据AIThor传感器传输的数据执行AI模型。作为提供物理AIThor2070FP4TFLOPS的AI128GB40WWNVIDIAJetsonOrin相比，JetsonThor倍的AI计算、CPU2倍的内存。这种性能飞跃将使机器人专家能够处理高速传感器数据并在边缘执行视觉推理，如前文所述，这些工作流程以前太慢而无法在动态的现实环境中运行，JetsonThor图表20：构建人形机器人需要一系列硬件和软件组件VIDI图表21：NVIDIAJetsonThorVIDI具体来看，JetsonThor推出了三款产品，分别为JetsonAGXThor开发者套件、JetsonT5000JetsonT4000JetsonAGXThor开发者套件在包含JetsonT5000模组外，还带有丰富接口的参考载板、带风扇的主动式散热器及电源适配器。JetsonT500014核ArmNeoverse-V3AE位CPUTensorCore的60VIIAlacwllPU0PJn00模组拥有12核ArmNeoverse-V3AE64位CPU，搭载了64个第五代TensorCore的1536核NVIDIABlackwell架构GPU，拥有1200TFLOPS算力。图表22：JetsonThor产品矩阵JetsonAGXThor开发套件 JetsonT5000JetsonT4000人工智能性能2070TFLOPS（FP4—稀疏）1200TFLOPS（FP4—稀疏）GPU

96Tensor2560NVIDIABlackwellGPU具有10个TPC的多实例GPU（MIG）

64Tensor1536NVIDIABlackwellGPU具有6个TPC的多实例GPU（MIG）GPUGPU最大频率 1.57GHz中央处理器VIDI

14核ArmNeoverse-V3AE64位CPU1MBL2缓存16MB缓存

12核ArmNeoverse-V3AE64位CPU1MBL2缓存16MB缓存专为生成式推理模型构建，在边缘侧实时运行的同时减少对的云依赖。生成式推理模型对于能够模拟可能的动作序列、预测后果、根据语言或视觉线索进行推理，并灵活地生成高级计划或低级运动策略的机器人平台来说极为重要，它们使机器人系统变得更加灵JetsonThorJetsonOrin5倍，FP4和推测性解码，开发者在JetsonThor2倍性能提升。图表23：JetsonThor在生成推理方面速度提升相较Orin高达5倍VIDIIJetsonThor多模型实时响应时间大幅提升。JetsonThor引入了MIG（MultiInstanceGPU）划GPU完全隔离，拥有独立的高带宽内存、缓存和计算核心，从而实现可预测的性能、QoS和GPUJetsonThorQwen2.5-VL-3BVLMLlamaLLMTimetoFirstToken（TTFT）均远低于200毫秒，同时TimeperOutputToken（TPOT）的响应时间也远低于50毫秒，为多传感器输入下的实时推理开辟了新的可能性。图表24：Jetson多模型实时表现VIDI依托强大硬件性能，软件栈为JetsonThor提供了长期优化的可能性。JetsonThor作NVIDIAIsaac等视觉语言动作模型到所有流行的大型语言模型和视觉语言模型的各种生成式人工智能模型。同时为了提供无缝ThorNVIDIAAI工作流程，包括用于机器人的NVIDIAIsaac、用于视频分析AI代理的NVIDIAMetropolisNVIDIAHoloscan。在JetsonThorNVIDIACUDA内支持，JetsonThor有望在未来的软件版本中提供更高的吞吐量和更快的响应速度。图表25：JetsonThor支持多种AI框架和生成式AI模型VIDIJetsonThor在英伟达为其赋能的强大、完整的软件栈、平台生态等多方面因素的合作共振下，构建ThorJetsonThor护城河。而开发难度的下降可吸引更多开发者投身于机器人领域的创新，进一步反哺英伟达的机器人生态，为其提供更多丰富的应用场景和实践案例，形成了技术供给方与需求方的良性能动循环，进一步巩固其在机器人领域的产品优势。众多中国机器人企业采用JetsonThor。河通用等已率先采用JnhrJetsonThorG1PremiumJetsonThorVLA大型模型中释放更强大潜力，2025GalbotG1Premium人形机器人演示工业物料搬运，展现对物理世界理解力的突破。因此，我们认为Thor在中国具备强劲市场需求。图表26：GalbotG1人形机器人国电子乐聚夸父基于JetsonThor现夸父的作为乐聚机器人的代40供了更大的灵活性与适应性。然而，这一高自由度设计也带来了更高的数据计算需求，系统需实时协调全身关节的协同运动，在保持全身平衡的同时精准完成各类操作任务。NVIDIAJetsonThor，并实现多种具身抓取目标，还需要在长时间连续作业中保持稳定性能及一致的任务执行表现。为避免精度速度随时间衰减，NVIDIAJetsonThor35%，有效帮助了现夸父的长时稳定处理多模态大流量，实现智能优化算法、迭代学习控制等算法模型持续稳和提升在真实环境下的精度，实现稳定、耐用的性能突破。SMTThor2070FP4TFLOPS，AI7.5倍，叠加低延迟特性，SMT同时夸父不仅能准确识别、分类SMT料盘，以现轻拿轻放的的精细动作避免物料损3C电子场景：率、全身运动协调性提出了综合挑战。夸父在搭载NVIDIAJetsonThor的情况下能够实现毫秒级内完成识别与动作反应，完成在指定速度下传送分拣的精准操作。JetsonThor多模态感知周围环境，摆脱固定位置束缚，灵活应对复杂场景。益化生产场景：益化产品物体表面形态多样，完成定姿摆放的灵巧动作则要求夸父具有更复杂的触/动作衔接。基于JetsonThor7BVLA3-4VLA时互能与动态响应，从容应对复杂衔接操作。在基于JetsonThor下的夸父展现了更加卓越的任务操作表现能力，如更强的敏捷性、更快的决策速度、更高的自主水平，以及更高效的处理多模态传感器数据，助力夸父发展迭代，进一步向非标通用场景迈进。图表27：夸父3C电子场景器人大讲具身机器人进入量产元年，推动世界加速迈向物理AI新纪元。根据IDC预测，随着AI年机器人可实现的应用场景数量将增加3亿美元宇树科技、傅利叶智能等为代表的中国企业不断涌现的大背景下，预计将占据近半份额，15%AI时代机2029年将占据30%图表28：2024-2029年全球与中国机器人市场预测DJetson系列产品重要代理商，以硬件为基石赋能具身机器人推动行业突破。NVIDIAJetson是硬蛋创新核心代理线AI算力Jetson输出机器人产业应用技术解决方案，推AIJetsonThor充分Jetson系列在AI技术Jetson系列的AIAI算力供应链中核心地位，铸就客户壁垒。4产业链垂直拓展，自研打造第二成长曲线系统级模块（SOM）在随时可投入生产的单块印刷电路板上提供嵌入式处理系统的各种SOM（SOM（轻薄型服务器旨在节省存储空间，更大限度降低功耗，刀片服务器的精凸设计理念延续到了SOM活，完全可以适应各类应用。与相比，SoC是一系列布置在单个芯片上的重要计算机组件，SOM可能包含一个，但它基于电路板，因此有空间容纳额外的组件图表29：SOM组装示意图 图表30：SOM结构示意图M M对比、、、（通常已封装芯片器件融入在单个较大型的封装内，减少了电路板上单个器件的数量，因而具备简化电路板设MCMMCMSIP阵列，SIP输出（IOSC往往不以量产部署为开发或验证目的；）SOM：与SBC。图表31：MCM示意图 图表32：SIP示意图M M图表33：SBC示意图 图表34：SOM示意图M MSOMSOMSOM批量部署外，模块化设计还可简化产品生命周期管理，降低物料（BOM）费用。SOM甚至还提供内置驱动程序和其他软件，节省设计时间。PCB设计和集成方面的困扰，可帮助在预算范围内提前完成项目。得凸于先进系统级模块提供商的预构建应用，SOM时，还能保持轻松替换AI模型的灵活性。图表35：SOM可助力加快市场投放速度，并降低开发成本 图表使用SoM方法的优势M图表37：SoM和完全分立式解决方案之间的差异 图表自适应SOM可以在多个抽象层级进行编程MSOM应用领域广阔流，需具备边缘计算能力，若无摄像头及其他设备现场分析信息的功能，难以实现。机器视觉：现代经济依靠机器视觉来满足从库存检查到签为识别，再到缺陷检测等一切SOMSOM主要为相关传感器提供支持。4）电机控制：电动机广泛应用于各个领域，SOM有助于快速开发相关领域应用，并随着标准的不断演变，灵活自如地连接新外设，用户可以调整终端系统以满足其所需的功耗和性能要求。图表39：赛灵思KriaKV260视觉AI入门套件M根据ResearchNester，2025年SOM市场规模有望超32.2亿美元，预计2035年将超77.6亿美元。物联网和嵌入式系统的急速普及极大地推动了市场的增长，医疗保健、汽车和工业自动化等行业的智慧型设备和能联技术的兴起，推动了对紧凑、节能、高效SoM伴随边缘AI发展，推理侧需求爆发GPU凸成长，SoM成为为现代汽车电子产品带来创新和加快产品上市时间的关键组成部分，有望充分受凸于智能驾驶持续演进迭代。进军SOMAI算力供应链及下游客户需求的长