核心观点

• 中国Token经济地位：中国是全球最大的Token生产国，但产能质量决定最终座次。
• 需求爆发：中国大模型日均Token调用量两年增长超千倍，2026年全年MaaS调用量预计达40,000万亿。
• 供给规模：2026年6月中国智能算力达2,185EFLOPS，在用标准机架超1,445万架。
• 利用率短板：国内智算中心GPU平均利用率不足30%，2025年智算用算占比仅36.8%。
• 格局集中：火山引擎、阿里云、百度智能云占据公有云MaaS调用量近九成份额。
• 国产芯片突破：2025年国产AI加速卡出货165万张、份额41%，异腾以81.2万张领跑。
• 西部成本洼地：西部成为Token成本洼地，庆阳、乌兰察布、中卫凭绿电与气候优势承接主流大模型推理。

概念定义

• Token工厂：以Token为标准产品组织生产的AI基础设施，将电力、AI芯片、大模型与调度软件集成为连续流水线。
• Token：大模型处理信息的最小语义单元，也是当前AI服务唯一的跨厂商结算单位。

全球与国内背景

• 全球Token经济：中国是最活跃的Token生产与消费双中心，Token成本三年降幅显著。
• 中国Token经济特点：最快的需求增速、最激进的Token定价、最完整的产业纵深。
• 中国Token经济发展脉络：从"东数西算"到Token工厂，五年完成三级跳。

市场需求

• 需求总览：日均Token调用量两年增长超千倍，2026年全年预测约40,000万亿。
• MaaS市场：调用量一年16倍，营收一年5倍，从试点走向规模商用。
• 需求结构：公有云与私有化两条线，主力客群集中在泛互联网、智能办公、智能硬件与大消费赛道。
• 价格演进：从"一元百万Token"的价格战，走向K型分化，价值定价探索中。

供给与建设

• 供给总览：智能算力一年近三倍，全国上架率升至71.4%。
• 建设热潮：一季度128个项目投资超4,300亿元，投产者不足两成。
• 建设主导力量：地方政府与国资平台、电信运营商、互联网与转型企业。

区域分布

• 区域分布：东部占56%主导需求侧，西部33%快速承接产能侧。
• 八大枢纽：承载全国八成智算，成为Token产能的国家级布局。
• 庆阳样本：一座黄土高原小城，如何长出"Token工厂"。
• 产能西进：偏远地区将贡献2027年全国七成新增数据中心订单。

竞争格局

• 云厂商：火山引擎一家占半，"模型+流量"模式暂时领跑。
• 电信运营商：228EFLOPS央企底座，从"管道"转向"产能运营商"。
• 第三方推理平台：把"调优能力"做成生意，身调用量前五。
• 国产AI芯片：份额从不足15%升至41%，昇腾一家拿走半壁江山。
• 芯片生态系统：昇腾全栈对标英伟达，生态突围进行时。

关键痛点

• 利用率之困：标称算力与实际产出之间隔着两个"打折系数"。
• 结构性错配：为训练峰值建的厂，撞上潮汐式的推理需求。
• 盈利分化：涨价保不住排名，降价反而赢下规模。
• 风险图谱：四重风险叠加，产能过剩是最紧迫的一重。

产业重构

• 产业链：五层结构，价值向上下游两端集中。
• 商业模式：从卖机柜到卖结果，四级跳正在进行。
• 机制创新：算力券与计量革命，正在修补供需断裂。

预测与展望

• 市场预测：MaaS收入两年六倍，2030年前后迈向千亿级。
• 五大趋势：未来三年中国Token工厂的确定性走向。
• 行动建议：四类主体各自的卡位与避险清单。

国内乘用车智能驾驶最新政策解读

• 中国智能网联汽车从“技术验证期”迈向“规模化应用期”，L2级组合辅助驾驶功能渗透率达71.1%，领航驾驶辅助（NOA）功能渗透率达35.0%。
• L2级辅助驾驶正从“功能竞赛”转向“规范发展”，工信部发布强制性国标《智能网联汽车组合驾驶辅助系统安全要求》（GB 47955—2026），引导行业技术发展方向。
• 新国标对驾驶员状态监测系统（DMS）、感知硬件失效处理、本土化特色场景测试、行车数据存储、OTA升级等方面提出严格要求。

国内乘用车智能驾驶L2~L2+ ADAS市场格局及趋势分析

• 自主品牌L2~L2+ ADAS主战场为10-15万元价位车型，未来将加速向0-10万元区间下沉。
• 合资品牌L2L2+装配主要集中在10-15万元价格区间，0-10万元合资车型几乎无L2L2+搭载量。
• L2~L2+是近3年最大的基本盘，2025年装配率达37.5%，总量稳居第一。
• NOA（含L2.5+L2.9)爆发式放量，是行业结构升级核心主线。
• L2~L2+ ADAS智驾市场以第三方智驾供应商为主，其中第三方智驾供应商市场占比超9成以上。
• 2024年是行业切换拐点，本土智驾供应商快速崛起，自主方案对外资的替代趋势持续强化。
• L2~L2+ ADAS细分市场格局反转，福瑞泰克以27.8%的份额稳居行业绝对龙头。
• 国内L2~L2+ ADAS本土第三方市场高度集中，福瑞泰克、经纬恒润、四维图新构成第一梯队。
• L2 ADAS及L2+(LCA）已成为国内智驾出海车型的主流配置，东盟市场为主攻方向。

国内乘用车智能驾驶NOA市场格局及趋势分析

• 中国乘用车NOA装配总量爆发式增长，2025年装车量达627.64万台，渗透率达36.1%。
• NOA领航辅助驾驶走完两段式发展周期，呈现自上而下清晰的价格下沉渗透路径，10-15万车型为NOA核心增量。
• 告别算力军备竞赛，转向算法效率竞争，中低端算力方案成NOA落地主流方案之一。
• 端到端智驾大模型已成为NOA规模化落地的主流技术方案。
• 第三方Tier1批量入局，NOA量产玩家扩容，双类型供应商差异化竞争。
• NOA市场格局走向分层竞争，福瑞泰克在0–20万元乘用车市场NOA搭载市占率快速攀升。

智能辅助驾驶系统级全栈自研供应商福瑞泰克深度研究

• 福瑞泰克定位：系统级全栈AI自研供应商，战略目标：从智驾全栈AI量产底座→建成物理AI世界的智能基础设施。
• 福瑞泰克物理AI场景版图：跳出汽车单一赛道，横向复用至全部地面移动智能载体，从方案供应商升级为底层能力供给方。
• 福瑞泰克智驾AI大模型：引入云端FUGA-VL大模型+端侧E2E。
• 福瑞泰克数据闭环解决方案FUGA福嘉：形成车辆数据回传→筛选标注→算法训练→仿真验证→整车OTA更新全链路闭环。
• 福瑞泰克ODIN数智底座：以AI大模型为技术底座，深度融合感知、决策、控制模块，形成“全域智能协同网络”。
• 福瑞泰克域控解决方案：基于地平线征程系列芯片打造的自动驾驶域控，已推出三代域控产品。
• 福瑞泰克NOA量产情况：基于ODIN 3.0平台打造的ADC25智享全民版方案，已搭载于银河A7、银河M7等多款量产车型。

本指南旨在引导港口数智化升级，推进智慧港口发展，促进水运高质量发展。指南适用于全国沿海及内河集装箱、干散货两大货类的专业化码头、港区或港口，其他货类港口数智化升级可参照执行。

一、总则
指南围绕数智技术的先进性、成熟性、适用性、经济性，结合港口业务，将数智化升级先进技术集成应用划分为普及推广、应用示范、攻关突破三类，为各港口提供数智化升级技术指导。

二、数字基础设施
（一）感知、通信、算力设施。
1.感知设施。

• 设备定位技术（普及推广类）
• 作业车辆高精度导航定位技术（应用示范类）
• 人员定位技术（普及推广类）
• 泛在感知技术（普及推广类）
• 水下感知技术（攻关突破类）
  2.通信设施。
• 物联网融合监测技术（普及推广类）
• 5G+MEC专网技术（应用示范类）
• 支撑远程控制应用的新一代固定网络技术（应用示范类）
• 一体化通信组网技术（攻关突破类）
  3.算力设施。
• 云计算技术（普及推广类）
• 智能算力技术（应用示范类）
  （二）数据资源管理。
  1.数据治理。
• 全业务一体化数据集成构建技术（普及推广类）
  2.数据应用。
• 数据元件技术（应用示范类）
• 可信数据流通技术（应用示范类）
• 区块链技术（应用示范类）
  （三）数字孪生和大模型等支撑技术。
  1.数字孪生。
• 高精度虚实映射技术（应用示范类）
• 态势模拟预报推演技术（攻关突破类）
  2.大模型。
• 港口垂域大模型训练与管理技术（攻关突破类）
• 智能体构建与管控技术（攻关突破类）
  （四）安全自主。
  1.网络安全。
• 网络安全智能管理与风险评估技术（普及推广类）
• 网络安全威胁智能防御技术（应用示范类）
  2.数据安全。
• 数据全生命周期管控技术（普及推广类）
  3.自主可控。
• 全栈适配与自主可控技术（应用示范类）
• 工业自动化应用适配技术（攻关突破类）

三、生产作业
（一）设备作业。
1.岸边装卸设备作业智能化。

• 集装箱岸桥智能化作业技术（普及推广类）
• 干散货装船机智能化作业技术（普及推广类）
• 干散货卸船机智能化作业技术（应用示范类）
• 干散货门机智能化作业技术（应用示范类）
  2.堆场装卸设备作业智能化。
• 集装箱场桥智能化作业技术（普及推广类）
• 集装箱立体堆存智能化作业技术（应用示范类）
• 干散货堆取料机智能化作业技术（普及推广类）
  3.水平运输设备作业智能化。
• 集装箱港内水平运输设备自动驾驶技术（应用示范类）
• 集装箱港内智能水平运输车辆与有人集卡混行技术（应用示范类）
• 集装箱港口内外集卡混行技术（攻关突破类）
• 水平运输车辆智能充换电技术（应用示范类）
• 干散货流动机械自动驾驶技术（攻关突破类）
  4.集疏运装卸设备作业智能化。
• 集装箱铁路场桥智能化作业技术（应用示范类）
• 干散货铁路翻车机智能化作业技术（普及推广类）
• 干散货装车楼智能化作业技术（应用示范类）
  5.全流程设备协同智能化。
• 集装箱全流程设备智能协同控制技术（应用示范类）
• 干散货全流程设备智能协同控制技术（应用示范类）
• 设备智能超远控技术（应用示范类）
  （二）生产运行。
  1.生产管理智能化。
• 集装箱港口生产一体化管控技术（普及推广类）
• 集装箱智慧排产调度技术（应用示范类）
• 集装箱智能泊位调度技术（应用示范类）
• 集装箱船舶智能配载技术（应用示范类）
• 集装箱翻倒箱与智能堆存优化技术（应用示范类）
• 干散货港口生产一体化管控技术（普及推广类）
• 干散货智慧排产调度技术（应用示范类）
• 干散货智能泊位调度技术（应用示范类）
• 干散货可视化料场智能管控技术（应用示范类）
  （三）生产辅助作业。
  1.生产辅助作业智能化。
• 智能系泊/解缆技术（攻关突破类）
• 集装箱智能理货技术（普及推广类）
• 集装箱智能闸口技术（普及推广类）
• 集装箱自动拆装扭锁技术（攻关突破类）
• 集装箱船自动绑扎/解绑箱技术（攻关突破类）
• 干散货船舱智能清舱技术（攻关突破类）
• 干散货智能闸口技术（普及推广类）
• 干散货智能采制样技术（应用示范类）
• 干散货作业区域智能清扫技术（应用示范类）
• 干散货皮带机智能巡检技术（应用示范类）

四、运营管理
（一）运营维护。
1.运营管理智能化。

• 港口综合管理智能化技术（应用示范类）
• 港口业务与综合管理协同化技术（应用示范类）
  2.设施设备运维智能化。
• 大型装卸设备健康在线监测技术（应用示范类）
• 大型装卸设备故障智能诊断技术（应用示范类）
• 大型装卸设备预测性维护技术（攻关突破类）
• 码头结构健康监测技术（应用示范类）
• 智能清淤技术（应用示范类）
  （二）生产安全。
  1.智能监测与识别。
• 货物智能监测技术（应用示范类）
• 危险源动态识别技术（应用示范类）
• 安全隐患智能排查技术（应用示范类）
  2.异常分析与预警。
• 装卸设备异常分析与预警技术（普及推广类）
• 人员违规智能分析与预警技术（普及推广类）
• 货物异常预警与智能管控技术（应用示范类）
  3.异常处置与调度。
• 异常处置智能管理技术（应用示范类）
• 预案智能分析技术（攻关突破类）
• 事件可视化指挥调度技术（应用示范类）
  （三）能源环保。
  1.能源管控。
• 用能在线监测技术（普及推广类）
• 碳排放核算与管控技术（攻关突破类）
• 用能预测与管控技术（应用示范类）
  2.环保管控。
• 干散货环境智能监测技术（普及推广类）
• 干散货堆场智能抑尘管控技术（应用示范类）
• 干散货作业环节智能抑尘管控技术（应用示范类）
• 水循环利用智能管控技术（普及推广类）

五、对外服务
（一）港航服务。
1.港口与船舶协同调度服务。

• 港口与船舶进出港协同调度服务技术（应用示范类）
• 低能见度水域智能感知与增强技术（攻关突破类）
  2.港口物流信息服务。
• 港口物流信息定制化服务技术（应用示范类）
• 港口物流信息一站式服务技术（普及推广类）
  （二）进出港车辆协同与多式联运服务。
  1.港口与车辆协同调度服务。
• 港口与车辆进出港协同调度服务技术（应用示范类）
• 进港铁路运力智能协同技术（应用示范类）
  2.多式联运服务。
• 多运输方式跨部门信息协同技术（应用示范类）
  （三）商贸服务。
  1.商贸智能协同服务。
• 商贸智能协同技术（应用示范类）
  2.商贸增值服务。
• 商贸定制化和增值服务技术（应用示范类）

世界模型是让智能体能够“在行动之前预演后果”的内部模拟系统，其核心功能包括：从多模态观测中形成对当前世界状态的表征；预测世界自身以及在不同动作干预下的状态变化；支持智能体比较不同动作路径并作出决策。一个完整的世界模型至少要完成这三件事。

世界模型技术路线多元发展，长期有望走向融合。目前主要的技术路线包括：潜空间动力学模型、像素级或视频生成路线、JEPA联合嵌入预测路线、显式物理和结构化世界模型、因果世界模型。其中，潜空间动力学模型最早成熟，也是控制场景最直接的路线；视频生成路线最适合构建虚拟训练世界；JEPA联合嵌入预测路线绕过像素，直接预测有决策价值的抽象状态；显式物理和结构化世界模型在工业场景最不可替代；因果世界模型仍处于前沿探索阶段。

世界模型已经进入能力跃迁期，但通用物理智能仍远未成熟。当前世界模型已具备重要能力，但尚未解决长时间保持对象身份、空间关系和动力学一致；在开放世界中可靠处理未见材料、工具、环境和人类行为；将视觉预测转化为高频、低延迟、高精度的连续控制；对预测不确定性、安全边界和失败后果进行严格量化等四项决定通用性的能力。

物理AI=世界模型（大脑）+具身（四肢）。一个完整物理AI系统至少包括：传感器→世界状态表征→世界模型预测→规划/策略→控制器→执行器→环境反馈。物理AI的产业价值来自两者结合，即模型不仅能够预测，而且能够通过机器改变物理环境并获得真实反馈。

物理AI应用场景：工业场景先于家庭，专用智能先于通用智能。其中，流程工业是物理AI最确定的第一落点；离散制造和机器人操作将从固定自动化走向柔性自主生产；自动驾驶是数据和算力规模最大、世界模型使用最深入的场景；仓储物流的结构化环境与明确ROI推动规模应用；建筑、矿山和能源的高风险环境推动“机器替人”；家庭服务和通用人形机器人：空间最大，但兑现时间最晚。

投资建议：核心资产是掌握数据、机理和控制闭环。关注三条主线：一是流程工业自主运行，建议关注中控技术；二是物理仿真与工程世界模型，建议关注品茗科技、奥比中光、敏芯股份、索辰科技；三是工业智能体及数字主线，建议关注能科科技；其余建议关注标的包括宝信软件、中望软件、鼎捷数智；感知、控制和执行层关注汇川技术、埃斯顿、奥普特。

产业趋势判断：2026—2030年物理AI将经历三轮价值迁移。2026—2027年，价值主要集中在仿真、数据和垂直模型；2027—2028年，价值将从“智能分析”迁移到“自主执行”；2028—2030年，头部平台将通过跨客户数据和模型复用形成行业世界模型。