AI 相关业务深度拆解

AEye 的 AI 相关性应定义为：Physical AI 的传感层，提供长距激光雷达和感知方案，面向自动驾驶、工业安全和智能交通。这个定义比“公司属于 AI 产业链”更窄，也更可验证。它要求我们找到下游 AI 需求和公司收入之间的传导链条：

AI 模型训练/推理/自动化需求
  -> 数据中心、能源、电网、半导体、空间基础设施、软件工作流或先进制造需求
  -> AEye 的产品导入、合同、订单、项目、使用量或出货
  -> 收入确认
  -> 产品 mix、良率、交付、融资和成本结构决定利润
  -> CFO / FCF 验证增长质量

单平台价值量：单平台价值量是「每车/每设备雷达数量 × 单台 ASP × 车型/项目产量 × 合同生命周期 × 公司份额」。 这个公式刻意不用未披露的客户名和份额。因为 company-rich 没有给出可审计的 AI 收入分部或单客户收入占比时，任何精确 AI 收入数都只是外部估算。更稳妥的做法是跟踪公司披露的产品、项目、客户方向、季度桥和同业信号。

天花板：天花板取决于自动驾驶功能渗透、Robotaxi/工业场景放量和公司能否跨过车规量产门槛。 这意味着 AEye 的上限不是一句“AI capex 高增长”可以概括的。对能源/电力公司，上限受并网、监管和融资约束；对软件公司，上限受续约、平台化和竞争约束；对半导体/硬件公司，上限受客户认证、产能、技术代际和良率约束；对工程/基础设施公司，上限受区域开工、项目执行和人力设备约束。

替代风险：替代风险来自摄像头-only、毫米波雷达、其他激光雷达厂商、客户自研和整车平台延期。 替代并不一定立即表现为收入下滑，常见顺序是新订单增速放缓、价格或毛利率承压、客户要求二供、项目推迟、库存增加，最后才反映到收入。若只看收入，往往会晚一个或数个季度。

AI 业务的“真实卡位”还要看公司是否处于客户决策链的关键位置。若产品进入客户 BOM、工程规范、监管批准、长期 PPA、平台软件或高合规流程，替换成本就更高；若只是项目制外包、普通硬件、一次性交付或可替代服务，AI 需求再强也未必带来持久利润。AEye 当前最需要验证的，就是从产品可见度走向利润可见度。

本文的 AI proxy 不是会计项目，而是跟踪框架：

proxy 变量	正向含义	反向含义
订单/合同/backlog/使用量	客户预算进入公司管道	收入靠存量或低质量项目支撑
毛利率/营业利润率	高价值产品或规模效率释放	价格、成本、交付或 mix 抵消需求
FCF/CFO	增长可转化为现金	capex、库存、应收或亏损吞噬增长
同业订单和客户动向	行业需求共振	公司份额或竞争力落后
技术代际/认证	平台切换带来价值量提升	客户转向替代路线或二供

产业链位置

company-rich 对 AEye 的产业链问题定义为：「AEye在AI产业链依赖谁、被谁依赖、和谁竞争？」。本文严格沿用该链条，不额外编造客户或供应商。

环节	公司/对象	company-rich 角色描述	研究含义
上游	LITEON Technology	Apollo制造伙伴，在台北产线生产Apollo激光雷达并扩充专线产能，决定AEye从工程样件到批量供货的制造可信度。	成本、交期、资格认证或可用性
上游	NVIDIA	DRIVE AGX Orin/Thor和Jetson边缘AI平台，Apollo已适配NVIDIA自动驾驶生态，点云可进入车端AI计算与Physical AI推理。	成本、交期、资格认证或可用性
上游	Coherent	1550nm激光、光学材料和探测器供应链代表，长距LiDAR对高功率安全光源、低噪声接收和热稳定封装高度敏感。	成本、交期、资格认证或可用性
上游	Lumentum	光通信与3D传感光电器件供应链代表，影响激光器、光学调制、发射接收组件的成本和寿命。	成本、交期、资格认证或可用性
上游	台积电	半导体制造生态代表，AEye软件定义扫描和信号处理需要控制芯片、模拟/混合信号和边缘处理器件的稳定供应。	成本、交期、资格认证或可用性
上游	Vector Informatik	车载网络和测试工具链代表，Apollo进入ADAS域控需要以太网、诊断、标定、AUTOSAR和功能安全验证适配。	成本、交期、资格认证或可用性
下游	NVIDIA	自动驾驶参考生态下游通道，Apollo与DRIVE AGX集成后可被使用NVIDIA平台的OEM、Tier-1和自动驾驶开发者评估。	订单、价格、续约和项目节奏
下游	LITEON Technology	制造和商业化伙伴，除产线外也帮助AEye建立面向汽车和工业客户的光电制造可信背书。	订单、价格、续约和项目节奏
下游	Vueron Technology	LiDAR感知软件公司，可把Apollo点云用于目标检测、跟踪和道路场景理解，支持车端和基础设施应用。	订单、价格、续约和项目节奏
下游	Flasheye	基础设施LiDAR感知软件伙伴，把AEye传感器接入交通、铁路、港口和工业安全监测方案。	订单、价格、续约和项目节奏
下游	Aisin	汽车零部件与系统供应商，曾与AEye推进激光雷达感知方案评估，代表Tier-1/OEM导入路径。	订单、价格、续约和项目节奏
下游	Continental	汽车ADAS Tier-1，历史上与AEye合作开发长距LiDAR方案，代表车厂量产系统集成和渠道价值。	订单、价格、续约和项目节奏
竞品	Luminar	1550nm长距车规LiDAR公司，直接竞争高速ADAS、L3和长距前向主雷达位置。	份额、价格和客户替换风险
竞品	Innoviz	车规固态LiDAR与感知软件供应商，凭BMW、Volkswagen、Mobileye、Daimler Truck项目争夺OEM预算。	份额、价格和客户替换风险
竞品	Hesai Technology	规模化ToF LiDAR厂商，以产品矩阵、成本和交付规模压制AEye的商业化窗口。	份额、价格和客户替换风险
竞品	Aeva Technologies	FMCW 4D LiDAR供应商，以速度原生和抗干扰能力竞争高阶自动驾驶传感器配置。	份额、价格和客户替换风险
竞品	RoboSense	车载和机器人LiDAR供应商，凭中国乘用车项目和固态/盲区产品组合形成价格与交付压力。	份额、价格和客户替换风险

上游决定成本和交付。对 AEye 来说，上游的关键不是名单本身，而是它们如何影响项目毛利、产品可用性、认证周期和现金转换。若上游设备、材料、云资源、油服、施工、半导体器件或电网设备紧缺，公司可能有订单却无法按期交付；若上游降价或供应改善，公司才可能把收入增长转化为更高毛利。

下游决定需求和议价。NVIDIA、LITEON Technology、Vueron Technology、Flasheye、Aisin、Continental 代表公司面向的终端需求方向。AI 数据中心、政府任务、先进制造、半导体扩产、企业软件自动化或电力负荷增长，都会先通过下游预算和项目计划体现。关键问题是：这些客户是否把 AEye 的产品视作关键系统的一部分，还是视作可替代采购项。

竞品决定估值边界。Luminar、Innoviz、Hesai Technology、Aeva Technologies、RoboSense 等对手不只争夺订单，也决定客户的二供策略、价格谈判和技术路线。若行业供给紧张且客户认证周期长，AEye 的议价权更强；若竞品快速追上，或客户把规格标准化，利润率会先于收入受到压力。

产业链位置可以概括为：

上游资源/设备/材料/云/工程能力
  -> AEye：中层·软件定义1550nm长距激光雷达与感知方案
  -> 下游客户/项目/平台/数据中心/政府或企业工作流
  -> 终端 AI 训练、推理、自动化、供电、制造或感知需求

这条链条中最容易被误读的是“相关性”和“变现”的差别。相关性表示公司处在 AI 需求附近；变现要求公司获得订单、保住价格、完成交付，并把利润转成现金。本文后续竞争格局、护城河和证伪都围绕这个差别展开。

竞争格局与市场份额

AEye 的竞争格局必须分层看，不能把不同层级的公司混在一个“AI 受益股”篮子里比较。company-rich 给出的同行包括：AEye、Luminar、Innoviz、Hesai Technology、Aeva Technologies、RoboSense。这些公司有的在同一产品层竞争，有的在客户预算层竞争，有的只是替代技术路线。研究时应分别判断产品替代、客户替代和资本开支替代。

公司	定位	相对优势/差异	对 AEye 的含义
AEye	软件定义1550nm长距LiDAR供应商，Apollo面向车端和基础设施，OPTIS面向全栈场景方案。	差异在可编程扫描、长距探测和NVIDIA生态适配；短板是公开量产客户和规模订单仍需验证。	本公司基准
Luminar	1550nm长距车规LiDAR，聚焦乘用车ADAS/L3。	同为长距高性能路线，Luminar车厂项目认知更强；AEye强调软件定义扫描和平台适配弹性。	比较对象
Innoviz	车规固态LiDAR和感知软件，深度绑定BMW、Volkswagen、Mobileye、Daimler Truck等项目。	Innoviz项目背书更具体；AEye若要追赶需要把NVIDIA/LITEON生态转化为明确客户订单。	比较对象
Hesai Technology	规模化ToF LiDAR供应商，覆盖Robotaxi、ADAS、机器人和工业。	Hesai成本、交付和产品矩阵领先；AEye只能用远距、可编程扫描和生态兼容争取高价值场景。	比较对象
Aeva Technologies	FMCW 4D LiDAR-on-chip供应商，强调速度原生测量。	Aeva差异在速度维度和硅光子；AEye差异在1550nm长距和软件定义扫描策略。	比较对象
RoboSense	车载和机器人LiDAR供应商，覆盖固态、MEMS和盲区产品。	RoboSense靠中国车端量产和多SKU快速迭代；AEye更偏高性能长距与欧美生态。	比较对象

市场份额口径应谨慎。若公司没有披露 AI 收入、细分产品份额或客户收入占比，本文不写“占全球 X%”之类伪精确数字。可以做的是分层判断：第一，公司是否在客户规格中进入合格供应商；第二，是否能在下一代平台延续导入；第三，收入增长是否高于行业基准；第四，利润率是否显示出产品 mix 或规模优势。

竞争态势的第一层是产品性能。1550nm/长距感知架构、软件定义能力、客户验证、与 NVIDIA DRIVE 等生态兼容和专利。 如果这些能力真实存在，客户替换会慢、认证周期会长、价格也更稳。若产品性能和可靠性只是营销语言，竞品会通过降价、快速交付或更完整方案切走订单。

第二层是交付和资本。AI 产业链的共同特征是客户希望速度快、容量大、可靠性高，但供应链往往受制于设备、材料、人力、监管、并网、认证或云资源。能否在高需求期按期交付，是竞争力的一部分。许多公司不是输在没有需求，而是输在 backlog 转收入慢、项目执行亏损或现金流承压。

第三层是客户预算归因。AI 客户预算可能投向算力芯片、网络、机柜、电力、冷却、软件、安全、数据、空间基础设施或自动化。AEye 只拿其中一段价值量。若客户预算转向其他环节，或集成商把价值上收，公司收入弹性会弱于行业 capex 弹性。

第四层是周期和估值。高景气期，市场容易把所有公司按最高纯度 AI 资产定价；低景气期，又会把项目延迟、价格回落和库存周期同时放大。机构研究需要用同业的订单、利润率、现金流和客户披露交叉验证，而不是用单一公司股价走势推导产业结论。

护城河

1. 技术/工程护城河：1550nm/长距感知架构、软件定义能力、客户验证、与 NVIDIA DRIVE 等生态兼容和专利。证据不是口号，而是产品能否进入客户规格、项目能否交付、毛利率能否保持、下一代平台能否延续。company-rich 的产品列表显示公司围绕 Apollo、Apollo on NVIDIA DRIVE AGX、4Sight Intelligent Sensing Platform、4Sight M 布局，这些产品若能持续导入关键客户，就构成第一层壁垒。1

2. 客户认证和流程嵌入：AI 相关客户通常不愿意频繁更换关键供应商，因为更换会带来重新验证、停机、合规、工程风险或项目延迟。AEye 若已嵌入 NVIDIA、LITEON Technology、Vueron Technology、Flasheye、Aisin、Continental 等客户或场景，护城河来自低出错容忍度和长周期合作；若只是一次性项目或可替代硬件，护城河就弱得多。1

3. 规模和成本：规模不自动等于高利润，但能带来采购、制造、融资、销售覆盖、云资源、项目管理或售后效率。company-rich 的财务质量表显示：FY2025 FY 收入 US$233.0K（SEC XBRL companyfacts）、毛利率 GM -137.8%（FY2025 FY）、营业利润率 OPM -13618.5%（FY2025 FY）、自由现金流 FCF -US$27.9M（FY2025 FY）。这些指标说明公司当前的盈利和现金流状态，必须和收入增长一起看。13

4. 数据/软件/生态：对软件、空间、传感、可观测性和通信 API 公司，数据模型、集成生态和工作流粘性是重要壁垒；对能源、电力、基础设施和半导体材料/设备公司，生态壁垒体现为客户认证、法规、项目融资、供应链和长期服务。AEye 的壁垒不能只归为“技术强”，而要看技术是否绑定客户预算。

5. 资本配置：AI 周期会诱导公司扩大产能、签更大项目或投入更多研发。正确的资本配置应表现为订单质量高于资本开支，现金回收节奏可控，且管理层不会为追逐 AI 标签牺牲毛利率纪律。若公司收入增长但 FCF 持续恶化，就说明资本配置可能把产业机会变成财务压力。

6. 反脆弱性：真正的护城河在下行期更容易验证。若客户推迟项目、融资成本上升、原材料波动或云/半导体/数据中心周期降温，仍能维持较好利润率、续约、订单质量或现金流的公司，才说明壁垒不只是景气红利。

误读纠偏 / 风险与证伪

常见误读

误读一：只要 AI 资本开支上升，AEye 就会同步受益。实际并非如此。AI capex 只是上游需求变量，公司收入还取决于产品导入、客户份额、项目时点、交付能力、价格、成本和会计确认。本文只把 AI 暴露作为 proxy，不把全部收入写成 AI 收入。1

误读二：同一产业链节点上的公司可以直接套同一估值倍数。实际要看收入质量、利润率、现金流、技术代际、客户集中和替代风险。同样是 AI 电力、软件、半导体或基础设施，纯度、周期性和资本强度差别很大。

误读三：收入增长一定代表竞争力增强。项目型和硬件型公司可能因为低毛利订单、物料代采、并购并表或赶工交付而增长；软件公司可能因为销售投入和云成本吞噬利润；能源和电力公司可能因为 capex 和融资压力导致 FCF 为负。因此必须把收入、利润率和现金流一起看。

误读四：客户名单出现大公司就等于绑定 AI 大单。company-rich 中的上下游关系说明生态位置，但不等于披露了单客户收入占比。除非公司公开披露，否则本文不写“某客户贡献 X% 收入”。1

风险与证伪

• Apollo与NVIDIA DRIVE生态的适配连续多个披露周期没有转化为OEM、Tier-1、车队或基础设施客户订单。
• LITEON Apollo产线虽建成但无法披露批量出货、客户审厂通过或稳定产能，说明制造背书没有变成商业能力。
• 第三方或客户现场测试显示一公里长距能力在低反射目标、雨雾、振动、污染窗口等真实条件下不可稳定复现。
• OPTIS、Vueron、Flasheye等方案合作只停留在试点和联合营销，缺少复购、扩点或长期服务合同。
• 同业Luminar、Innoviz、Hesai、Aeva在关键RFQ中以更低BOM、更强车规记录或更成熟软件栈赢走客户。
• OEM公开压缩LiDAR配置或采用纯视觉/4D毫米波路线，且AEye没有非车Physical AI订单抵消车端缺口。

补充的 thesis breakers：

• 若后续 2-3 个披露期内，订单、合同、backlog、使用量或项目进度弱于收入，说明公司可能在消耗存量需求。
• 若收入增长但毛利率、营业利润率或 FCF 没有改善，说明 AI 需求被成本、价格、交付或资本开支吸收。
• 若同业在相同客户或产品层获得更快增长，而 AEye 增速落后，说明份额或产品代际可能被削弱。
• 若客户采用替代技术路线、二供策略或自研方案，AEye 的单平台价值量和长期定价权需要下修。
• 若监管、融资、并网、供应链、政府预算、云资源或客户 IT 预算恶化，应先下修项目兑现率，而不是机械外推长期 TAM。

供应链情景

• 制造·LITEON Apollo专线：依赖 依赖光电装配、1550nm光路校准、环境可靠性测试、自动化产线和客户质量体系审核。上行情景是 LITEON产线稳定生产并扩产时，AEye可用制造背书争取OEM、Tier-1和基础设施客户的批量评估。；下行情景是 若产线良率、校准节拍或车规质量文件不足，Apollo会停留在小批量样件，客户导入优先级下降。
• 平台·NVIDIA DRIVE AGX/Thor适配：依赖 依赖Apollo驱动、时间同步、点云接口、传感器标定和NVIDIA生态内的参考设计传播。上行情景是 若Apollo在DRIVE AGX Orin/Thor生态中被OEM沿用，AEye可借NVIDIA平台降低销售和集成摩擦。；下行情景是 若适配仅是技术演示，没有进入车型、车队或Tier-1项目，生态新闻不会形成可持续收入。
• 光电·1550nm长距发射/接收链：依赖 依赖眼安全高功率激光、低噪声探测器、扫描控制、热管理和低反射目标探测算法。上行情景是 1550nm器件降本和稳定供应可让一公里级长距能力进入更多高速、铁路、港口和周界安防项目。；下行情景是 若高性能器件成本过高或现场雨雾/污染导致有效距离缩水，客户会选择低价ToF或毫米波雷达组合。
• 软件·可编程扫描/4Sight/Apollo Flex：依赖 依赖软件定义扫描策略、ROI动态聚焦、低延迟目标输出和客户感知栈对可编程点云的利用。上行情景是 若客户能用动态ROI提升远距关键目标识别，AEye差异化将从硬件距离参数变成系统级安全价值。；下行情景是 若客户算法只按传统均匀点云处理，软件定义能力难以变现，Apollo会被迫按普通LiDAR价格竞争。
• 方案·OPTIS基础设施/物流/安防：依赖 依赖边缘计算、Vueron/Flasheye等软件伙伴、现场系统集成和客户复购。上行情景是 道路、铁路、物流园、港口和周界安防若形成复制部署，AEye可在车端SOP之前获得非车Physical AI收入。；下行情景是 若OPTIS只产生演示项目、没有多点扩张和服务合同，方案化叙事会被市场视为补充而非主线。
• 市场·车端ADAS与L3预算：依赖 依赖OEM对高速NOA、L3安全冗余、消费者付费和法规责任的判断。上行情景是 若高速L3/L4需要远距、低延迟、可解释3D冗余，Apollo一公里级长距和NVIDIA适配会增强客户吸引力。；下行情景是 若OEM把预算转向端到端视觉、4D毫米波雷达和低成本短距LiDAR，AEye的高性能路线会面临BOM挤压。

来源 footnotes

1 company-rich/lidr.json：identity、thesis、products、chain_position、financial_quality、quarterly_bridge、peer_compare、holders、reverse_thesis 2 AEye Form 10-K/SEC公开年报 3 AEye官网、Apollo、4Sight、OPTIS公开产品资料 4 AEye投资者关系与2025/2026公开新闻稿 5 LITEON与AEye Apollo制造合作公开资料 6 NVIDIA DRIVE AGX生态公开资料 7 公开产业资料：1550nm LiDAR、车载ADAS、智能交通与Physical AI感知链 8 SEC Form 4 via holdings.db — https://www.sec.gov/edgar/search/ — as of 2026-06-24