《交通運輸行業AI+交運系列：喚醒數據價值賦能降本增效-250317（22頁）.pdf》由會員分享，可在線閱讀，更多相關《交通運輸行業AI+交運系列：喚醒數據價值賦能降本增效-250317（22頁）.pdf（22頁珍藏版）》請在三個皮匠報告上搜索。

1、 識別風險，發現價值 請務必閱讀末頁的免責聲明 1 1/2222 Table_Page 深度分析|交通運輸 證券研究報告 AI+交運交運系列系列 喚醒數據價值，賦能降本增效喚醒數據價值，賦能降本增效 核心觀點核心觀點：數據資產，開啟價值重估新紀元：數據資產，開啟價值重估新紀元：交運是一個數據資產足夠豐富（公路、航運、航空、供應鏈領域中積累了多維海量數據），但數據價值挖掘不足的中游產業。AI 算法的進步與交運數據資產融合有望解決變現難題，未來數據資產的商業模式向 B2B 訂閱服務、B2G 公共服務及 B2C 增值服務延伸，構建“數據即服務”新生態，推動行業從單一收入轉向多元化數據變現。目前政策驅

2、動下數據資源陸續入表開啟價值重估通道，交運數據資產有望演繹由“沉睡資源”向“核心資產”的躍遷邏輯。降本增效，降本增效，重構運營效率與成本結構重構運營效率與成本結構：AI 技術通過規劃智能化、自動化替代與決策精準化三重路徑重構交運行業運營邏輯，以算法驅動替代經驗驅動，推動行業從高耗能粗放運營轉向低邊際成本精準運營。設備層以無人車/自動化機械等突破人力效率天花板，流程層通過智能調度打通全鏈路協同，決策層依托深度學習模型實現資源最優配置，構建“數據-算法-執行”閉環的降本增效新范式。技術賦能技術賦能，加速多重應用場景落地：加速多重應用場景落地：以車路云協同破解城市群交通效率難題，以智慧港口重構全球物

3、流節點運營體系，以無人車/自動駕駛/智慧倉庫打破供應鏈成本天花板。三大場景形成“基礎設施智能化運營效率指數級躍升數據資產反哺生態”價值閉環，通過技術賦能將傳統交運的“物理位移”能力升級為“智能連接”價值網絡。投資建議投資建議：建議關注兩個方向，一是 AI 降本增效邊際影響最為顯著的領域（無人駕駛、無人配送、智慧倉儲、港口自動化等），如物流領域的順豐控股、京東物流等，港口領域的上港集團、招商港口等，其中順豐控股在配送、車隊、倉儲等方面均可能受益，推薦持續關注順豐控股的基本面兌現情況。二是數據資產有望價值重估的企業，如山東高速、青島港、物產中大、興通股份等，關注數據資產入表以及入表后的價值重估機會

4、。風險提示風險提示：技術迭代風險；政策執行不及預期；數據安全與合規問題。行業評級行業評級 買入買入 前次評級 買入 報告日期 2025-03-17 相對市場表現相對市場表現 分析師：分析師：許可 SAC 執證號：S0260523120004 SFC CE No.BUY008 0755-82984511 分析師：分析師：周延宇 SAC 執證號：S0260523120008 0755-82534236 分析師：分析師：鐘文海 SAC 執證號：S0260523120011 021-38003630 請注意，周延宇,鐘文海并非香港證券及期貨事務監察委員會的注冊持牌人，不可在香港從事受監管活動。相關研究

5、：相關研究：交通運輸行業:弱現實反映更為領先，航空與公路鐵路獲得更多增倉 2025-02-10 交通運輸行業:民航延續量增價跌，陸路運輸略超預期 2025-02-09 交通運輸行業 2025 年投資策略:乍暖還寒，勝而求戰 2024-11-29 -14%-7%0%6%13%20%03/2405/2408/2410/2412/2403/25交通運輸滬深300 識別風險，發現價值 請務必閱讀末頁的免責聲明 2 2/2222 Table_PageText 深度分析|交通運輸 重點公司估值和財務分析表重點公司估值和財務分析表 股票簡稱股票簡稱 股票代碼股票代碼 貨幣貨幣 最新最新 最近最近 評級評級

6、合理價值合理價值 EPS(元元)PE(x)EV/EBITDA(x)ROE(%)收盤價收盤價 報告日期報告日期（元（元/股）股）2024E 2025E 2024E 2025E 2024E 2025E 2024E 2025E 順豐控股 002352.SZ CNY 44.10 2024/10/31 增持 47.55 2.11 2.64 20.90 16.70 6.57 5.74 11.30 12.80 數據來源：Wind、廣發證券發展研究中心 備注：表中估值指標按照最新收盤價計算 識別風險，發現價值 請務必閱讀末頁的免責聲明 3 3/2222 Table_PageText 深度分析|交通運輸 目錄目

7、錄索引索引 一、聚焦技術與政策雙輪驅動，AI 賦能交運轉型升級.5（一）人工智能蓬勃發展，引領交運智慧升級.5（二）政策扶持交運從“筑基鋪軌”邁入“智聯優行”新階段.5 二、喚醒優質交運數據資產，開啟價值重估新紀元.6（一）破解數據孤島：AI 驅動的全鏈路穿透.6（二）從“資源”到“資產”，AI 加速交運數據市場化.7（三）數據資產外部商業化，探索新型商業模式.8 三、AI 重構運營范式，驅動企業降本增效.9（一）效率瓶頸已近，成本費用高企.9（二）技術穿透：自動化驅動底層效率升級.10（三）規劃智能：穿透數據壁壘的全局協同網絡.10（四）決策精準：需求預測驅動容量規劃.10 四、技術與需求共

8、振，多重應用加速落地.11（一）車路云協同：“道路基建”到“數據路網”的升維.11（二）智慧港口：“航運節點”到“全球物流大腦”的進化.13（三）智慧倉儲：“靜態倉庫”到“供應鏈決策中樞”的蛻變.16 五、投資建議.19 六、風險提示.19 識別風險，發現價值 請務必閱讀末頁的免責聲明 4 4/2222 Table_PageText 深度分析|交通運輸 圖表索引圖表索引 圖圖 1：數據資源入表流程：數據資源入表流程.7 圖圖 2：車路云一體化示意圖：車路云一體化示意圖.11 圖圖 3：車路云一體化價值螺旋式循環：車路云一體化價值螺旋式循環.12 圖圖 4：車路云國家級試點已覆蓋全國車路云國家級

9、試點已覆蓋全國 16 省省 20 城城.12 圖圖 5：車路云一體化參與公司類型眾多：車路云一體化參與公司類型眾多.13 圖圖 6：智慧港口運作示意圖智慧港口運作示意圖.14 圖圖 7：智慧港口價值螺旋式循環：智慧港口價值螺旋式循環.14 圖圖 8：10 省省 13 個智慧港口示范工程項目個智慧港口示范工程項目.15 圖圖 9：中遠?？茪w母凈利率近五年保持在：中遠?？茪w母凈利率近五年保持在 10%以上以上.16 圖圖 10：中遠?？蒲邪l費用及占營收比重穩步增長：中遠?？蒲邪l費用及占營收比重穩步增長.16 圖圖 11：智慧倉儲示意圖智慧倉儲示意圖.17 圖圖 12：智慧倉儲價值螺旋式循環：智慧倉

10、儲價值螺旋式循環.17 圖圖 13：京東亞洲一號北京中心京東亞洲一號北京中心.18 圖圖 14：順豐供應鏈服務示意圖：順豐供應鏈服務示意圖.18 表表 1：常用：常用 AI 算法分類算法分類.5 表表 2：國家智慧交運相關產業政策：國家智慧交運相關產業政策.6 表表 3：車路云體系下：車路云體系下 AI 跨層級數據整合跨層級數據整合.7 表表 4：國家數據要素相關政策：國家數據要素相關政策.7 表表 5：2024 年年 Q3 交運上市公司數據資產入表情況交運上市公司數據資產入表情況.8 表表 6：智慧倉儲與傳統倉儲對比：智慧倉儲與傳統倉儲對比.17 識別風險，發現價值 請務必閱讀末頁的免責聲明

11、 5 5/2222 Table_PageText 深度分析|交通運輸 一、一、聚焦技術與聚焦技術與政策政策雙輪驅動，雙輪驅動，AI 賦能交運賦能交運轉型升級轉型升級（一）（一）人工智能蓬勃發展，引領交運智慧升級人工智能蓬勃發展，引領交運智慧升級 人工智能（AI）是一門融合數據科學、計算機科學和認知科學的交叉學科，旨在開發能夠模擬、延伸和擴展人類智能的算法和模型，構建自主思考和自適應環境的智能系統，使機器能夠執行人類智能才能完成的任務。算力、算法和數據是AI的三大支柱，推動AI領域持續發展。算力算力是處理海量數據、運行復雜算法模型的硬件基礎。在交運行業的應用中，算力更多充當支撐性角色，其價值需通

12、過算法和數據體現。算法算法是AI實現智能行為的核心工具，用于從數據中提取模式、學習規律，并基于此做出預測、決策或生成內容。按照學習模式，AI算法分為監督學習、無監督學習、半監督學習、強化學習、深度學習。AI算法在交運領域得到廣泛應用，在自動化替代、路由規劃、需求預測等方向為交運運營降本增效賦能。表表 1：常用：常用 AI 算法分類算法分類 類別類別 概述概述 關鍵算法關鍵算法 監督學習監督學習 監督學習是利用帶標簽的數據（輸入-輸出對）訓練模型，學習輸入到輸出的映射關系。線性模型（邏輯回歸、線性回歸）、樹模型（決策樹、隨機森林）、支持向量機（SVM）無監督學習無監督學習 無監督學習是從無標簽數

13、據中發現隱藏結構或內在分布。K-Means、自編碼器（Autoencoder）、主成分分析（PCA）半監督學習半監督學習 半監督學習是結合少量標注數據和大量未標注數據提升模型泛化能力。自訓練（Self-training）、一致性正則化 強化學習強化學習 強化學習是一種機器學習范式，通過智能體與環境交互，根據獎勵信號優化策略以最大化長期回報。Q-Learning、策略梯度、Actor-Critic 深度學習深度學習 深度學習是機器學習的進階類型，基于多層神經網絡自動提取數據，用來模擬人類大腦神經系統的結構與功能。卷積神經網絡（CNN）、循環神經網絡（RNN）、圖卷積神經網絡（GCN）、Trans

14、former 架構 數據來源：廣發證券發展研究中心 數據數據是AI提供訓練基礎和實時決策依據。交運是天然的數據密集型行業，海量數據為AI在交運行業的應用夯實基礎。傳統交運行業存在以下數據痛點：一是數據孤島與碎片化，人、設備、流量、環境各維數據互不連通，難以全局優化；二是數據資產價值變現不足。本質上是數據流通壁壘與價值挖掘能力的雙重挑戰。AI融合數據和算法，通過智能計算、分析，打破數據孤島，釋放數據價值，幫助交運企業在傳統運營上降本增效，并在長期構建交運新型商業模式，推動行業從“數據沉睡”走向“數據驅動”。（二）（二）政策扶政策扶持交運從持交運從“筑基鋪軌”邁入“智聯優行”新階段“筑基鋪軌”邁入

15、“智聯優行”新階段 AI+交運是人工智能和交通運輸業的深入融合，近年來，國家出臺了一系列產業政策，依據“十四五”現代綜合交通運輸體系發展規劃與數字交通“十四五”發展規劃政策，國家將重點扶持人工智能在車路云、智慧港口、智慧倉儲等應用場景落地，支持和引導AI交運產業快速發展。識別風險，發現價值 請務必閱讀末頁的免責聲明 6 6/2222 Table_PageText 深度分析|交通運輸 表表 2：國家智慧交運相關產業政策：國家智慧交運相關產業政策 時間時間 政策文件政策文件 相關內容相關內容 2024.12 關于加快建設統一開放的交通運輸市場的意見 持續實施自動駕駛、智能航運等智能交通先導應用試點

16、 2024.03 推動大規模設備更新和消費品以舊換新行動方案 將港口自動化設備（如 AGV、智能橋吊）、物流機器人、車路協同路側設備納入財政補貼范圍，支持老舊碼頭和倉儲設施智能化改造 2024.01 關于開展智能網聯汽車“車路云一體化”應用試點的通知 積極布局車路云一體化系統建設 2023.09 關于推進公路數字化轉型加快智慧公路建設發展的意見 提出大力發展公路數字化標準，推進公路數字模型和數字孿生應用，推動智慧公路發展 2022.08 關于推進智慧港口和航道建設的意見 2027 年實現全國港口和航道基礎設施數字化、生產運營管理和對外服務智慧化，建成世界一流智慧港口和智慧航道 2022.05“

17、十四五”現代物流發展規劃 2025 年基本建成供需適配、內外聯通、安全高效、智慧綠色的現代物流體系；到 2035 年，現代物流體系更加完善 2022.01“十四五”現代綜合交通運輸體系發展規劃“十四五”現代綜合交通運輸體系發展規劃 明確推動車路云一體化試點，建設自動化集裝箱碼頭和智慧明確推動車路云一體化試點，建設自動化集裝箱碼頭和智慧航道，發展智能倉儲、共同配送等物流新模式。航道，發展智能倉儲、共同配送等物流新模式。2021.12 數字交通“十四五”發展規劃數字交通“十四五”發展規劃 提出構建“車提出構建“車-路路-云”協同的智能交通系統，推廣港口數字云”協同的智能交通系統，推廣港口數字孿生技

18、術，支持建設國家級物流樞紐智能管理平臺。孿生技術，支持建設國家級物流樞紐智能管理平臺。數據來源：中國政府網，交通運輸部，廣發證券發展研究中心 二、二、喚醒優質交運數據喚醒優質交運數據資產資產，開啟價值重估新紀元開啟價值重估新紀元（一）（一）破解數據孤島：破解數據孤島：AI 驅動的全鏈路穿透驅動的全鏈路穿透 交運行業在公路、鐵路、航運、航空、供應鏈領域中積累了多維海量數據，但面臨數據孤島和數據資產變現不足的挑戰。數據孤島指的是不同部門或企業之間的數據無法互通，導致信息孤立，難以整合利用。數據資產變現不足則是指交運行業擁有大量數據資源，但未能有效轉化為有經濟價值的數據資產。數據碎片化很大程度上影響

19、了數據價值發揮。AI能有效的將孤立的數據點連接起來，以整體體現數據價值。以公路領域車路云一體化應用為例。以公路領域車路云一體化應用為例。在車路云一體化協同下，AI可以通過多種方式幫助公路企業解決數據孤島痛點：一一是多源異構數據整合：是多源異構數據整合：通過AI驅動的數據中臺（Data Middle Platform）整合來自車輛傳感器、道路監控設備（如攝像頭、雷達）、氣象站、用戶終端（導航App）等多源異構數據，統一數據格式和接口標準。通過AI構建交通場景知識圖譜，將分散的道路狀態、車輛行為、環境數據關聯起來，形成全局動態視圖。二是邊緣二是邊緣-云端協云端協同計算：同計算：在路側邊緣節點部署輕

20、量化AI模型（如交通流量預測、事故檢測），實時處理本地數據；云端則進行全局優化（如路徑規劃、資源調度），減少數據傳輸延遲。三是跨系統協同應用：三是跨系統協同應用：開放標準化API接口，允許第三方開發者調用車路云融合數據（如實時路況、停車位信息），推動生態合作。識別風險，發現價值 請務必閱讀末頁的免責聲明 7 7/2222 Table_PageText 深度分析|交通運輸 表表 3：車路云體系下：車路云體系下 AI 跨層級數據整合跨層級數據整合 數據來源數據來源 AI 整合手段整合手段 應用場景應用場景 車端數據車端數據 車載傳感器（GPS、攝像頭、OBD）邊緣計算清洗去噪 實時采集貨車載重、急

21、剎車頻次，優化橋梁荷載預警 路側數據路側數據 攝像頭/雷達AI 視頻分析（車輛軌跡、路面病害）識別高速公路違規停車、路面裂縫，自動觸發應急響應 云端數據云端數據 多源數據聯邦學習建模（氣象、交管、物流訂單）預測未來 24 小時路段擁堵概率，動態調整收費站開放數量 數據來源：廣發證券發展研究中心 （二）（二）從“資源”到“資產”，從“資源”到“資產”，AI 加速交運數據市場化加速交運數據市場化 數據納入生產要素，數據資源入表逐步完善。數據納入生產要素，數據資源入表逐步完善。十九屆四中全會將數據列為生產要素之一，數據在經濟生產過程中的重要性日益突顯。財政部發布的企業數據資源相企業數據資源相關會計處

22、理暫行規定關會計處理暫行規定 自2024年1月1日起正式實施后，數據資源可按照 暫行規定以無形資產或存貨計入資產負債表：如果企業持有數據資源用于內部使用和對外服務，且數據持有權權屬不發生轉移的，應確認為無形資產；如果企業持有數據資源用于出售且數據相關權屬轉移至購買方，則應確認為存貨。表表 4：國家數據要素相關政策：國家數據要素相關政策 時間時間 政策文件政策文件 內容要點內容要點 2020.03 中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見 首次將數據作為生產要素寫入文件，強調要加快培育數據要素市場 2021.11“十四五”大數據產業發展規劃 加快培育數據要素市場，進一步釋放

23、數據要素價值 2021.12“十四五”數字經濟發展規劃 2025 年數據要素市場體系初步建立，2035 年形成成熟完備的數字經濟現代市場體系 2022.12 關于構建數據基礎制度更好發揮數據要素作用的意見（“數據二十條”）構建了數據要素市場核心制度框架，建立數據資源持有權、數據加工使用權、數據產品經營權三權分離機制 2023.02 數字中國建設整體布局規劃 提出“2522”整體框架，明確夯實數據基礎設施（如數據交易所、算力網絡）和數據資源體系。2023.08 企業數據資源相關會計處理暫行規定 企業數據資源可以作為無形資產或存貨入表 數據來源：中國政府網，財政部，工業和信息化部，廣發證券發展研究

24、中心 數據資源會計處理方案出臺前，用于數據處理的支出計為期間費用，大多以研發費用為主，影響當期利潤。暫行規定實施后，部分支出可在期末結轉為無形資產、存貨科目，當期成本費用降低，提升利潤率水平，同時資產價值增加。圖圖1：數據資源入表流程：數據資源入表流程 數據來源：廣發證券發展研究中心 2023年12月，國家數據局等17部門聯合發布“數據要素”三年行動計劃（2024-2026年），提出要發揮數據要素乘數效應，賦能經濟社會發展。其中，數據數據資產入表數據資產評估數據資產運營數據要素標準化處理清洗、加工處理產品化交易計量、報告成本法收益法市場法場景應用服務資產確認、識別風險，發現價值 請務必閱讀末頁

25、的免責聲明 8 8/2222 Table_PageText 深度分析|交通運輸 交通運輸行業作為關系到國計民生的重要行業，也是數據應用的“先鋒隊”和“主力軍”。2024年是數據資源入表元年。據Wind，截至2024年三季報，交運行業有八家交運行業有八家A股上股上市公司披露了數據資源市公司披露了數據資源入表入表情況。情況。表表 5：2024 年年 Q3 交運上市公司數據資產入表情況交運上市公司數據資產入表情況 交運領域交運領域 上市公司上市公司 數據資源列報數據資源列報 報表項目報表項目 金額（萬元）金額（萬元）公路 山東高速 無形資產 273.76 中 高速 無形資產 37.30 港口 廣州港

26、 存貨 104.76 日照港 無形資產 43.12 青島港 無形資產 20.83 物流 韻達股份 開發支出 725.38 圓通速遞 無形資產 開發支出 457.52 133.43 物產中大 無形資產 138.59 數據來源：Wind，廣發證券發展研究中心 以公路數據為例，據山東高速半年報披露，半年報列報的數據資源是公司自行開發的山東高速路網車流量數據資產，在省內高速自有路段下，2024年1月和2月，通過門架每日按車型統計的斷面車流量流水，經過數據抽取與清洗、數據格式轉換與標準化、數據整合與關聯、數據聚合與匯總、數據管理與安全維護后的門架車流量數據。這一數據產品主要應用于內部管理中，可助力擁堵預

27、警與疏導。目前，交運行業數據資產還是以成本法入表，按自行研發數據資源的成本支出作為入賬價值。隨著數據資源變為數據產品，相關資產或可采用收益法進行入賬，有望獲得增值。當數據產品形成一定的交易規模時，資產增值達到可以完全市場化，其價值甚至有望能按照市場法重估。（三）（三）數據資產外部商業化，探索新型商業模數據資產外部商業化，探索新型商業模式式 通過數據資源的標準化加工、場景化封裝與市場化流通，AI將 數據轉化為可定價、可交易的標準化商品（如API接口、SaaS工具），降低生態伙伴使用門檻；通過數據共享建立跨企業協作關系（如港口-航運-海關數據互通），使單點數據價值在生態交互中快速放大；最終形成“數

28、據采集-價值挖掘-生態共享”的價值循環，確保生態各方利益綁定。數據資產成為了連接基礎設施運營商、技術服務商、上下游企業的“數據線”，在降低交易成本的同時，孵化出傳統物理網絡中無法實現的新商業模式，實現從“交運資產運營商”向“數據生態服務商”的轉變。突破性在于：一是數據打破線性增長，傳統基建投入的回報隨規模遞減，而數據資產具備邊際成本趨零、價值指數增長的特性；二是重構商業模式，從“收過路費/倉儲費”的單一模式，轉向“基礎設施使用費+數據訂閱費+生態分成”的復合收入結構；三是構建生態壁壘，數據越用越多、算法越用越精準，形成“效率提升數據 識別風險，發現價值 請務必閱讀末頁的免責聲明 9 9/222

29、2 Table_PageText 深度分析|交通運輸 積累生態協同”的正向循環，建立先發優勢。繼續以公路領域應用為例。通過AI技術和車路云一體化協同，公路運營商正積極探索從“公路資產經營”轉向“數據生態服務”，從“建設-收費-維護”的通行費單一收入模式拓寬為依托數據資產的通行動態定價、數據訂閱服務和生態協同的多元收入模式，具體的服務方向包括to B、to G以及to C。B2B訂閱訂閱服務：車企服務：車企/物流公司物流公司可以向公路運營商訂閱實時路況、車道級導航、貨運路線規劃、自動駕駛決策支持等數據服務，如特斯拉FSD訂閱模式延伸至道路數據。廣告商廣告商訂閱匿名化車輛軌跡數據用于廣告精準營銷。

30、保險公司保險公司訂閱車輛駕駛行為數據以風險評估模型、支持UBI（Usage-Based Insurance）定制化車險定價。B2G公共服務：城市規劃支持：公共服務：城市規劃支持：向政府/交管部門提供長期交通流量、碳排放等數據，輔助交通流量預測、事故預警等智慧城市決策。應急響應：應急響應：在災害事件中提供道路通行能力分析，協助救援資源調度。B2C增值服務：個性化導航：增值服務：個性化導航：通過AI分析用戶駕駛習慣，提供定制化路線建議。車車路協同分成：路協同分成：L4級自動駕駛車輛需依賴高精度路側數據，公路運營商可以與車企分成用戶自動駕駛服務費，共建自動駕駛生態體系。這類似于安卓系統與APP開發者

31、的分成模式，道路成為“自動駕駛生態的基礎設施”。車聯網服務：車聯網服務：與車企合作開發車載娛樂、AR導航等付費功能，共享用戶訂閱收入。三、三、AI 重構運營范式，重構運營范式，驅動企業驅動企業降本增效降本增效 交通運輸行業是點對點實現人和物的空間轉移，坐商和行商是兩種典型的商業模式，區別在于資源錨定點和服務觸達方式。坐商以基礎設施為核心，依賴區位優勢和實體節點提供服務，如公路、港口、機場、倉儲中心，即點；行商則以移動服務能力為核心，靈活調配資源觸達客戶，如公路貨運、航空貨運、航運，即點與點之間的連線。（一）（一）效率瓶頸效率瓶頸已近，已近，成本費用高企成本費用高企 交運行業傳統運營存在效率瓶頸

32、交運行業傳統運營存在效率瓶頸已近已近、成本費用高企等痛點、成本費用高企等痛點。運營效率上，節點型坐商表現在：一是設施利用率低，存在閑置時段，資源匹配低效，如傳統港口堆場周轉率不足，占用空間且增加管理成本；二是路網通行效率低，關鍵節點擁堵常態化；三是依賴人工調度，流程協同性差。連線型行商則表現在：一是資源調配低效，平峰期存在公路零擔貨運空駛、散貨航運船舶艙位利用率不足問題；二是路線規劃僵化，依賴經驗決策，未實時響應路況變化，配送時效性不足；三是需求預測能力不足，供需匹配滯后，訂單碎片化導致臨時調車成本激增。成本費用上，坐商表現在：一是道路、港口、機場等設施養護成本高；二是勞動力成本高，在貨物分揀

33、、移動過程依賴大量人力操作。而行商更多表現在路由規劃不 識別風險，發現價值 請務必閱讀末頁的免責聲明 1010/2222 Table_PageText 深度分析|交通運輸 合理導致的資源浪費，燃油成本、通行費用高。坐商與行商模式痛點，本質是資源錯配與成本結構剛性的矛盾。坐商與行商模式痛點，本質是資源錯配與成本結構剛性的矛盾。AI技術通過自動化替代、路由規劃智能化與決策精準化三重路徑重構交運行業運營邏輯，以算法驅動替代經驗驅動，推動行業從高耗能粗放運營轉向低邊際成本精準運營。設備層以無人化機械突破人力效率天花板，流程層通過智能調度打通全鏈路協同，決策層依托深度學習模型實現資源最優配置，通過技術穿

34、透傳統作業場景的物理邊界與經驗局限，構建“數據-算法-執行”閉環的降本增效新范式。（二）（二）技術穿透技術穿透：自動化驅動底層效率升級自動化驅動底層效率升級 自動化設備深度嵌入坐商與行商生產服務各環節，大大減少對勞動力的依賴，打破傳統人工操作的效率局限與安全邊界。其中包括：自動化調度系統通過強化學習（RL）模型訓練最優調度策略；跨部門協同平臺基于自然語言處理（NLP）全流程自動化協同；無人機巡檢和計算機視覺自動識別路面裂縫、橋梁銹蝕。貨運方面，無人車、無人機通過自動駕駛技術實現干線物流與最后一公里配送，自動導引運輸車（AGV）、自主移動機器人（AMR）等無人化水平貨物運輸，視覺引導和機械臂組成

35、的自動化貨物分揀，以及基于自動駕駛的港口無人集卡、機場無人牽引車等智能載運平臺；客運方面，自動駕駛出租車（Robotaxi）與無人接駁車正逐步構建新型城市出行網絡，通過多傳感器融合與高精地圖實現全天候安全通行。（三）規劃智能：（三）規劃智能：穿透數據壁壘的全局協同網絡穿透數據壁壘的全局協同網絡 AI驅動業務規劃從“割裂執行”轉向“全局協同”，通過物聯網與數據中臺整合車輛、貨物、環境等多維數據流，構建動態響應的智能調度網絡。陸運網絡錯綜復雜，路由規劃就是在既定的運輸網絡中，尋求一個最優的連接路徑。對于物流公司來說，由于沒有充足的貨量支撐，不可能將所有大小樞紐進行連接，從而達到點點直達，對于時效要

36、求較高的一般會采用直發線路，時效要求不高的則選擇中轉運輸，而每一條線路的選擇，都是對成本與時效的沖擊。AI算法模型能為行商在縱橫交錯的線路中尋得合理路線，求得時效與成本（油耗成本/通行費用等）的平衡點。路由算法基于歷史數據靜態預置最優路徑，并結合路面交通情況、氣象數據、訂單波動動態調整。（四）決策精準：需求（四）決策精準：需求預測驅動容量規劃預測驅動容量規劃 AI將模糊經驗轉化為數據驅動的決策模型，通過深度學習融合數百變量實現需求預測、動態定價等復雜決策。利用AI算法模型，企業能精準預測驅動容量規劃，智能調度減少供需錯配與空轉損耗。其中包括基于歷史貨流、訂單、季節數據的時序模型（如LSTM、P

37、rophet），AI預測倉儲/堆場需求峰值，動態調整設施開放策略；構建設施數字孿生模型，模擬不同場景下的資源分配；通過路側攝像頭和邊緣計算實 識別風險，發現價值 請務必閱讀末頁的免責聲明 11 11/2222 Table_PageText 深度分析|交通運輸 時分析車流密度，AI實時動態控制可變車道方向、擁堵溯源與疏導；基于深度學習預測需求，優化車貨匹配、船舶艙位分配；Transformer架構預測區域貨運需求，將碎片化訂單聚類等。四、技術與需求共振四、技術與需求共振，多重應用，多重應用加速落地加速落地 總結來看，AI能夠全方位賦能交通運輸業，利用數據資源解決行業痛點，推動車路車路云協同、智慧

38、港口、智慧倉儲云協同、智慧港口、智慧倉儲等具體應用場景落地。三大場景三大場景均形成均形成“基礎設施智“基礎設施智能化運營能化運營降本增效降本增效數據資產反哺生態”價值閉環數據資產反哺生態”價值閉環，通過AI技術將物理設施升級為“可感知、可計算、可增值”的智能體，在降本增效的同時沉淀數據資產，進而反哺生態伙伴形成協同網絡。（一）（一）車路云協同車路云協同：“道路基建”到“數據路網”的升維“道路基建”到“數據路網”的升維 車路云協同是AI在公路領域的應用落地?，F有的單車智能發展受限，而我國在道路智能化改造方面又有一定的優勢，可以以路端和云端來補足單車智能水平的局限，讓車端、云端、路端三個智能化系統

39、高效實時協同工作，推動智慧公路發展?；A設施智能化：基礎設施智能化：車路云是通過車聯網（V2X）、5G通信、邊緣計算、云計算等技術，實現車輛、道路基礎設施與云端數據的實時交互與協同決策的智能交通系統。車路云協同系統分為路測系統、車載系統、云端系統以及無線通信設備組成的有線通信網絡。通過部署路側感知單元（激光雷達、攝像頭）、邊緣計算節點、5G-V2X通信網絡，道路具備實時感知車輛軌跡、路況、環境的能力。圖圖2：車路云一體化示意圖：車路云一體化示意圖 數據來源：廣發證券發展研究中心 車路云協同車路云協同車載系統車載系統路側系統路側系統云端系統云端系統無線通 設備無線通 設備云端系統實現路測設備與車

40、載云端系統實現路測設備與車載單元之間的交互單元之間的交互云端系統構成云端系統構成：智能決策平臺智能決策平臺 指揮中心指揮中心 云基礎設施云基礎設施 核心智能網核心智能網車載終端構成車載終端構成：車輛車輛 多源異構傳感器多源異構傳感器 智能決策平臺智能決策平臺車載終端負 對車輛自 狀態車載終端負 對車輛自 狀態信息控制及周圍環境感知信息控制及周圍環境感知路側系統檢測路況及交通信號路側系統檢測路況及交通信號標 多種信息標 多種信息路路側側系統系統構成構成：傳感器傳感器 交通設施狀況交通設施狀況 智能決策平臺智能決策平臺 識別風險，發現價值 請務必閱讀末頁的免責聲明 1212/2222 Table_

41、PageText 深度分析|交通運輸 數據反哺生態：數據反哺生態：實時交通流數據經脫敏處理后，形成“車道級路況”、“駕駛行為熱力圖”等數據產品，向車企（自動駕駛訓練）、物流公司（路徑規劃）、保險公司（UBI定價）等收費，同時吸引更多智能車輛接入系統，形成數據規模效應。圖圖3：車路云一體化價值螺旋式循環：車路云一體化價值螺旋式循環 數據來源：廣發證券發展研究中心 車路云協同落地進程與公路類型、區域經濟、政策支持強相關。車路云協同落地進程與公路類型、區域經濟、政策支持強相關。2024年7月，交通運輸部等五部委發布關于公布智能網聯汽車“車路云一體化”應用試點城市名單的通知，批準的20個應用試點城市大

42、多集中在京津冀、長江流域、大灣區城市群。這些城市群區域經濟發達，通勤需求密集。高車流量、高經濟價值，加政策支持，使得連接經濟圈的核心動脈路產具有很大的智慧升級需求。圖圖4：車路云國家級試點已覆蓋全國車路云國家級試點已覆蓋全國16省省20城城 數據來源：中國政府網，廣發證券發展研究中心 車路云前景廣闊，為智能交通創新增長引擎。根據中國汽車工程協會頒布的車路云一體化智能網聯汽車產業產值增量預測(2025/2030)，在中性預期情景下，預計2025年、2030年車路云體化智能網聯汽車產業產值增量為7,295億元、25,825億元，產業發展將積極推動我國經濟增長。在國家試點的車路云一體化應用中，參與公

43、司類型多樣，主要集中在技術驅動型科技企業、通信服務商和場景資源型基礎設施運營商?？萍计髽I科技企業負 技術研發與算法支持，提供核心 AI算法（自動駕駛、交通預測、多模態感知），開發云端數據平臺（交通大腦、車聯網服務），部署路側智能設備（邊緣計算單元、傳感器融合）?？萍计髽I通過技術合作、合資或獨立競標，主導智能智能網聯汽車 車路云一體化 應用試點（北京）智能網聯汽車 車路云一體化 應用試點（濟）智能網聯汽車 車路云一體化 應用試點（長）智能網聯汽車 車路云一體化 應用試點（）智能網聯汽車 車路云一體化 應用試點（京）智能網聯汽車 車路云一體化 應用試點（州）智能網聯汽車 車路云一體化 應用試點（無

44、）智能網聯汽車 車路云一體化 應用試點（上海）智能網聯汽車 車路云一體化 應用試點（州 清）智能網聯汽車 車路云一體化 應用試點（州）智能網聯汽車 車路云一體化 應用試點（）智能網聯汽車 車路云一體化 應用試點（十）智能網聯汽車 車路云一體化 應用試點（重）智能網聯汽車 車路云一體化 應用試點（成都）智能網聯汽車 車路云一體化 應用試點（長）智能網聯汽車 車路云一體化 應用試點（廣州）智能網聯汽車 車路云一體化 應用試點（深）智能網聯汽車 車路云一體化 應用試點（?？?三亞 海）智能網聯汽車 車路云一體化 應用試點（合）智能網聯汽車 車路云一體化 應用試點（多斯）識別風險，發現價值 請務必閱讀

45、末頁的免責聲明 1313/2222 Table_PageText 深度分析|交通運輸 化改造的技術方案。通信與設備供應商通信與設備供應商負 網絡與硬件支持，部署 5G/6G、C-V2X通信網絡，保障低延遲數據傳輸，提供路側攝像頭、雷達、RSU（路側單元）等硬件設備。通信商作為基礎設施供應商，配合科技公司和運營商完成網絡覆蓋。公路運營商公路運營商側重基礎設施落地與運營，提供高速公路、城市道路等實際場景資源，主導智慧化改造的工程實施與運維。公路運營商往往成立子公司自主研發，核心數據平臺自研確?？煽匦?，硬件與生態合作加速規?；?。招商公路招商公路成立的智慧交通產業平臺招商新智，依托招商公路路網資源，通

46、過“招路通3.0”智慧運營平臺、AI車牌識別智慧收費機器人、毫米波雷達數據監測路況系統，助力招商公路打造了全國首個跨省市高速公路自動駕駛貨運通道京津塘高速。山東高速山東高速采用了“自研技術+生態合作”的混合模式，依托自研的時空大數據平臺和“雷視融合”系統，整合ETC、氣象等多源數據，利用LSTM神經網絡與注意力機制預測擁堵。此外，山東高速與華為、百度、海信等科技企業展開深度合作，如聯合華為搭建智慧高速云控平臺，與百度Apollo合作開發自動駕駛高精地圖，并在信號燈優化等場景中引入強化學習算法。落地實施的京臺高速泰安至棗莊段是全國首條“改擴建+智慧高速”試點，濟青中線濟-濰坊段則是聚焦自動駕駛測

47、試。海 高速海 高速 通過全資子公司海 省云翼數字交通有限公司將獨家承擔海 省級智能網聯“車路云一體化”建設重任，在G98環島高速、?？诶@城高速等核心路段部署智能化路側感知單元、動態交通信息交互系統及AI云控平臺，實現對車輛運行狀態、道路環境及交通流的實時全域感知與協同調度。圖圖5：車路云一體化參與公司類型眾多：車路云一體化參與公司類型眾多 數據來源：Wind，廣發證券發展研究中心 （二）智慧港口：（二）智慧港口：“航運航運節點”到“全球物流大腦”的節點”到“全球物流大腦”的進化進化 智慧港口是AI在港口領域的應用落地。傳統港口是“流量入口”經濟，通過地理優勢和基礎設施壟斷獲取貨物流量，人工作

48、業勞動強度大但效率卻越來越難以匹配港口發展需求。隨著通信技術和人工智能的深度融合，智慧港口已成為全球港口產業轉型的關鍵方向?；A設施智能化：基礎設施智能化：AI賦能下的智慧港口，是以數字化、自動化、智能化為核心特征的新一代港口形態，建設自動化橋吊、無人集卡、智能理貨系統，構建港口數字孿生平臺，實現裝卸設備、堆場、船舶的毫秒級協同和全要素數據實時交互?？萍计髽I科技企業車企車企通信設備供應商通信設備供應商公路運營商公路運營商政府政府 科研機構科研機構 識別風險，發現價值 請務必閱讀末頁的免責聲明 1414/2222 Table_PageText 深度分析|交通運輸 圖圖6：智慧港口運作示意圖智慧港

49、口運作示意圖 數據來源：矩陣軟件 iMatrix，廣發證券發展研究中心 數據反哺生態：數據反哺生態：港口作業數據（船舶到港預測、貨物類型分布）與海關、航運公司、陸運樞紐共享，衍生出“全球供應鏈可視化平臺”，向貨主提供艙位競價、關稅優化、多式聯運方案等增值服務，港口從“收租方”轉型為“物流方案服務商”。圖圖7：智慧港口價值螺旋式循環：智慧港口價值螺旋式循環 數據來源：廣發證券發展研究中心 2017年6月，交通運輸部發布 關于公布智慧港口示范工程名單及有關事項的通知，公布的10省13個示范智慧港口覆蓋環渤海、長三角、粵港澳等核心經濟帶，具備優良的深水條件和完善基礎設施建設，其中包括上海港、舟山港、

50、青島港等全球頂級大港。設備自動化吸引更多航線 輸出供應鏈服務數據連接上下游裝卸效率提升貨量增長數據維度豐富算法迭代優化效率 突破 識別風險，發現價值 請務必閱讀末頁的免責聲明 1515/2222 Table_PageText 深度分析|交通運輸 圖圖8：10省省13個智慧港口示范工程項目個智慧港口示范工程項目 數據來源：交通運輸部，廣發證券發展研究中心 通過港口運營商、科技公司、自動化設備制造商等多方協作，港口形成“智能設備+AI調度+5G網絡+數據平臺”的全鏈條數字化體系，向無人化、智能化轉型。港口運營商港口運營商負 智慧港口基礎設施的運營管理，主導整體智能化升級。上港集團上港集團依托自主研

51、發的全自動化碼頭操作系統（TOS），在上海洋山港四期建成了全球規模最大的自動化集裝箱碼頭，聯合振華重工提供的硬件設備、與華為合作部署5G網絡，實現了無人橋吊、自動導引車（AGV）和堆場的全流程智能化管理；招商港口招商港口則在深 媽灣港打造了國內首個“5G+自動駕駛”碼頭，通過數字孿生技術實現裝卸流程的可視化管控，并與阿里合作在寧波舟山港搭建物流數據中臺，提升多式聯運效率；青島港青島港聯合海、中國移動等企業，在青島前灣港落地亞洲首個 5G智慧碼頭，實現岸橋遠程操控和軌道吊自動調度?？萍脊究萍脊緜戎丶夹g研發和算法開發，提供智能化解決方案的核心技術（AI算法、大數據、云計算）。中遠?？浦羞h?？撇?/p>

52、用“自有平臺+生態聯動”策略，其自研的“船視寶”平臺已接入全球25萬艘船舶AIS數據，同時聯合阿里云開發港口大腦系統，與主線科技合作研發無人駕駛水平運輸機器人（ART），并與上海海事大學共建港口AI算法實驗室，并在接入DeepSeek R1后全面升級 先 發布的國內首個航運大模型Hi-Dolphin。其智慧港口解決方案目前已在11個國內大型港口和3個海外“一帶一路”港口部署,如其主導開發的集裝箱碼頭操作系統（CTOS）集成AI船舶配載算法，助力2023年舟山港集裝箱吞吐量突破3500萬TEU。識別風險，發現價值 請務必閱讀末頁的免責聲明 1616/2222 Table_PageText 深度分

53、析|交通運輸 圖圖9：中遠?？茪w母凈利率近五年保持在：中遠?？茪w母凈利率近五年保持在10%以上以上 圖圖10：中遠?？蒲邪l費用及占營收比重穩步增長：中遠?？蒲邪l費用及占營收比重穩步增長 數據來源：中遠?？颇陥?，廣發證券發展研究中心 數據來源：中遠?？颇陥?，廣發證券發展研究中心 船運公司船運公司則更注重船舶的調度與運營，興通股份興通股份依托基于強化學習算法的船舶智能調度系統、港口數字孿生平臺和自主研發的AI視覺識別系統，在泉州港、寧波舟山港等落地智能航運解決方案，降低港口擁堵率，并在接入DeepSeek API后開發出了“AI-興仔”航運大模型。（三）智慧倉儲：（三）智慧倉儲：“靜態倉庫”到“供

54、應鏈決策中樞”的“靜態倉庫”到“供應鏈決策中樞”的蛻變蛻變 智慧倉儲是AI在物流倉儲領域的應用落地。傳統倉儲以貨為中心，強調空間占用和靜態庫存管理，而非供應鏈的動態協同與效率優化。智慧倉儲以物聯網（IoT）、人工智能（AI）、大數據、機器人技術等為核心驅動力，通過自動化設備、數據協同與智能決策系統，實現倉儲作業全流程的高效化、柔性化與綠色化的現代倉儲管理模式。其本質是通過技術穿透、模式重構與服務升級，將傳統倉儲的“靜態存儲中心”轉變為供應鏈的“動態價值樞紐”。0%4%8%12%16%040,00080,000120,000160,000200,0002018201920202021202220

55、232024Q3營業收入（萬元）歸母凈利率（%）2%3%4%5%6%02,0004,0006,0008,00010,0002018201920202021202220232024Q3研發費用（萬元）研發費用占營收比例（%）識別風險，發現價值 請務必閱讀末頁的免責聲明 1717/2222 Table_PageText 深度分析|交通運輸 圖圖11：智慧倉儲示意圖智慧倉儲示意圖 數據來源：優 普 ERP 研究中心，廣發證券發展研究中心 表表 6：智慧倉儲與傳統倉儲對比：智慧倉儲與傳統倉儲對比 維度維度 傳統倉儲傳統倉儲 智慧倉儲智慧倉儲 核心目標核心目標 貨物存儲與保管 供應鏈價值優化（效率、成本

56、、體驗）技術基礎技術基礎 人工操作+基礎信息化 自動化+AIoT+大數據 庫存邏輯庫存邏輯 靜態安全庫存 動態 JIT 補貨，AI 預測驅動 服務邊界服務邊界 標準化物流 定制化、綠色化、全鏈路協同 數據來源：廣發證券發展研究中心 數據反哺生態：數據反哺生態：倉儲動態數據（SKU流動速率、區域消費偏好）反向賦能制造商（JIT生產排期）、零售商（精準鋪貨）、金融機構（庫存質押風控），形成“以倉控鏈”的商業模式。例如，基于歷史出庫數據訓練的AI模型，可向品牌商收取需求預測服務費。圖圖12：智慧倉儲價值螺旋式循環：智慧倉儲價值螺旋式循環 數據來源：廣發證券發展研究中心 頭部物流公司可以憑借資本與規模

57、建立壁壘，倉儲中心屬于重資產，其自動化、智能化更需要大量的資本投入，如京東物流、順豐控股等頭部企業可投入數十億建設類似“亞洲一號”級智能倉。并且，由于充足的貨量支撐，頭部企業可以在規模效應與數據資源上建立先發優勢，中小企業較難企及。京東物流京東物流作為技術驅動的供應鏈解決方案和物流服務商，其智能倉庫在2014年10月就已經在上海嘉定投入使用。據京東物流年報，截至2023年12月，京東物流在全國倉儲自動化客戶 性增強輸出決策服務沉淀供應鏈數據出入庫效率提升業務規模擴 數據量質提升模型預測精度提高降低庫存成本 識別風險，發現價值 請務必閱讀末頁的免責聲明 1818/2222 Table_PageT

58、ext 深度分析|交通運輸 30個城市運營了41個亞洲一號智能產業園。其中，昆山亞洲一號智能產業園（昆山亞一）II期于2023年6月投入使用，園區管理面積超50萬平方米，其自動分揀中心擁有超過80條自動分揀線，在2023年618大促活動期間，昆山亞一分揀中心能全天24小時不間斷作業，日均分揀超450萬件包裹，代表著全球領先水平。圖圖13：京東亞洲一號北京中心京東亞洲一號北京中心 數據來源：京東物流年報，廣發證券發展研究中心 順豐控股順豐控股是中國領先的綜合物流企業，也是最早參與開發建設智能倉儲物流的物流企業。據順豐控股年報，順豐在智慧倉儲方面進行了大量投入和技術研發，建設了自動化立體倉庫，配備

59、了自動化分揀、機器人搬運等先進自動化設備系統，實現了倉庫的高效運作；自主研發了智能倉儲管理系統（WMS），實現了倉儲全流程的數字化管理；通過數據中臺技術，實時監控倉庫運營狀態，預測庫存需求，優化庫存布局，提高倉儲效率。圖圖14：順豐供應鏈服務示意圖：順豐供應鏈服務示意圖 數據來源：順豐控股年報，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1919/2222 Table_PageText 深度分析|交通運輸 此外，物產中大物產中大依托物聯網與AI技術構建數字化供應鏈體系，其智能倉儲平臺整合了AI視覺識別（用于貨物自動清點與異常檢測）、大數據分析（優化庫存動態調配）及自動化

60、倉儲機器人集群，并已完成DeepSeek R1在“物產云”上的本地化部署工作，正嘗試構建“數據+算法+場景”閉環。怡亞通怡亞通則聚焦“智慧供應鏈+AI倉儲”生態，應用數字孿生技術構建虛擬倉庫仿真模型，通過深度學習算法預測貨物流向并動態規劃倉儲布局，同時聯合?？低暡渴鹬悄芤曨l分析系統實時監控倉儲安全，并在最近與華為云簽署深度合作協議，基于華為云AI大模型技術開發智能調度引擎，優化倉配一體化響應速度。五、投資建議五、投資建議 錨定技術滲透與數據變現能力的交叉點。AI與交通運輸的深度融合正成為國家戰略重點，政策端持續加碼（如“車路云一體化”試點、智慧港口、智慧倉儲建設等），疊加行業降本增效需求迫切

61、，AI+交運有望進入規?；涞仉A段。交運行業作為數據密集型領域，其海量數據資產與AI算法的結合將釋放巨大潛力，推動行業從“經驗驅動”向“數據驅動”轉型，形成長期增長動能。投資建議方面，建議關注兩個方向，一是AI降本增效邊際影響最為顯著的領域（無人駕駛、無人配送、智慧倉儲、港口自動化等），如物流領域的順豐控股、京東物流等，港口領域的上港集團、招商港口等，其中順豐控股在配送、車隊、倉儲等方面均可能受益，推薦持續關注順豐控股的基本面兌現情況。二是數據資產有望價值重估的企業，如山東高速、青島港、物產中大等，關注數據資產入表以及入表后的價值重估機會。六、風險提示六、風險提示（一）（一）技術迭代風險技術迭

62、代風險 AI算法與硬件更新迅速，企業需持續投入研發以保持競爭力。（二）（二）政策執行不及預期政策執行不及預期 智慧交通項目依賴政府資金與政策支持，若試點效果不達預期可能影響推廣節奏。（三）（三）數據安全與合規數據安全與合規 數據商業化需符合隱私保護法規，企業需加強合規管理以避免法律風險。識別風險，發現價值 請務必閱讀末頁的免責聲明 2020/2222 Table_PageText 深度分析|交通運輸 廣發交通運輸行業研究小組廣發交通運輸行業研究小組 許 可：首席分析師，西 財經大學碩士，7 年證券從業經驗，2 年私募經驗，更注重從投資視角看待公司長期投資價值，擅長系統化深度研究。周 延 宇：資

63、深分析師，畢業于蘭州大學，5 年交運行業研究經驗，堅持產研融合、深度研究的方法，覆蓋大物流全產業鏈及物流基礎設施資產，擅長為投資者挖掘成長、壁壘兼備的投資機會。陳 宇：資深分析師，開大學本碩，7 年交運行業研究經驗，1 年產業研究經驗，堅持產業鏈上下游一體化研究，產研融合的方法，覆蓋航空機場跨境物流低空經濟，及時跟蹤公司及行業信息，擅長為投資者挖掘高彈性周期性機會，并提供景氣度驗證。李 然：資深分析師，中 財經政法大學會計學碩士，5 年交運行業研究經驗，深研海運上下游，為投資者挖掘高彈性的周期機會，并且提供產業鏈景氣度驗證，主攻航運板塊。鐘 文 海：資深分析師，美國羅切斯特大學金融學碩士，3

64、年交運行業研究經驗，堅持深度研究，主攻大物流全產業鏈及物流基礎設施資產。王 航：交通運輸行業分析師，香港中文大學(深)碩士，2 年交運行業研究經驗，深度價值導向，主攻交運基礎設施方向。廣發證券廣發證券行業投資評級說明行業投資評級說明 買入：預期未來12 個月內，股價表現強于大盤10%以上。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-10%+10%。賣出：預期未來12 個月內，股價表現弱于大盤10%以上。廣發證券廣發證券公司投資評級說明公司投資評級說明 買入：預期未來12 個月內，股價表現強于大盤15%以上。增持：預期未來12 個月內，股價表現強于大盤5%-15%。持有：預期未來12

65、 個月內，股價相對大盤的變動幅度介于-5%+5%。賣出：預期未來12 個月內，股價表現弱于大盤5%以上。聯系我們聯系我們 廣州市 深 市 北京市 上海市 香港 地址 廣州市天河區馬場路26 號廣發證券大廈47樓 深 市 田區益田路6001 號太平金融大廈31 層 北京市西城區月壇北街 2 號月壇大廈 18 層 上海市浦東新區 泉北路 429 號泰康保險大廈 37 樓 香港灣仔駱克道 81 號廣發大廈 27 樓 郵政編碼 510627 518026 100045 200120-客服郵箱 法律主體法律主體聲明聲明 本報告由廣發證券股份有限公司或其關聯機構制作，廣發證券股份有限公司及其關聯機構以下統

66、稱為“廣發證券”。本報告的分銷依據不同國家、地區的法律、法規和監管要求由廣發證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。廣發證券股份有限公司具備中國證監會批復的證券投資咨詢業務資格，接受中國證監會監管，負 本報告于中國（港澳臺地區除外）的分銷。廣發證券（香港）經紀有限公司具備香港證監會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負 本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。重要重要聲明聲明 識別風險，發現價值 請務必閱讀末頁的免責聲明 2121/2222 Ta

67、ble_PageText 深度分析|交通運輸 廣發證券股份有限公司及其關聯機構可能與本報告中提及的公司尋求或正在建立業務關系，因此，投資者應當考慮廣發證券股份有限公司及其關聯機構因可能存在的潛在利益沖突而對本報告的獨立性產生影響。投資者不應僅依據本報告內容作出任何投資決策。投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或者口頭承諾均為無效。本報告署名研究人員、聯系人（以下均簡稱“研究人員”）針對本報告中相關公司或證券的研究分析內容，在此聲明：（1）本報告的全部分析結論、研究觀點均精確反映研究人員于本報告發出當日的關于相關公司或證券的所有個人觀點

68、，并不代表廣發證券的立場；（2）研究人員的部分或全部的報酬無論在過去、現在還是將來均不會與本報告所述特定分析結論、研究觀點具有直接或間接的聯系。研究人員制作本報告的報酬標準依據研究質量、客戶評價、工作量等多種因素確定，其影響因素亦包括廣發證券的整體經營收入，該等經營收入部分來源于廣發證券的投資銀行類業務。本報告僅面向經廣發證券授權使用的客戶/特定合作機構發送，不對外公開發布，只有接收人才可以使用，且對于接收人而言具有保密義務。廣發證券并不因相關人員通過其他途徑收到或閱讀本報告而視其為廣發證券的客戶。在特定國家或地區傳播或者發布本報告可能違反當地法律，廣發證券并未采取任何行動以允許于該等國家或地

69、區傳播或者分銷本報告。本報告所提及證券可能不被允許在某些國家或地區內出售。請注意，投資涉及風險，證券價格可能會波動，因此投資回報可能會有所變化，過去的業績并不保證未來的表現。本報告的內容、觀點或建議并未考慮任何個別客戶的具體投資目標、財務狀況和特殊需求，不應被視為對特定客戶關于特定證券或金融工具的投資建議。本報告發送給某客戶是基于該客戶被認為有能力獨立評估投資風險、獨立行使投資決策并獨立承擔相應風險。本報告所載資料的來源及觀點的出處皆被廣發證券認為可，但廣發證券不對其準確性、完整性做出任何保證。報告內容僅供參考，報告中的信息或所表達觀點不構成所涉證券買賣的出價或詢價。廣發證券不對因使用本報告的

70、內容而引致的損失承擔任何 任，除非法律法規有明確規定?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策，如有需要，應先咨詢專業意見。廣發證券可發出其它與本報告所載信息不一致及有不同結論的報告。本報告反映研究人員的不同觀點、見解及分析方法，并不代表廣發證券的立場。廣發證券的銷售人員、交易員或其他專業人士可能以書面或口頭形式，向其客戶或自營交易部門提供與本報告觀點相反的市場評論或交易策略，廣發證券的自營交易部門亦可能會有與本報告觀點不一致，甚至相反的投資策略。報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判斷，可隨時更改且無需另行通告。廣發證券或其證券研究報告業務的相關董事、高級職員

71、、分析師和員工可能擁有本報告所提及證券的權益。在閱讀本報告時，收件人應了解相關的權益披露（若有）。本研究報告可能包括和/或描述/呈列期貨合約價格的事實歷史信息（“信息”）。請注意此信息僅供用作組成我們的研究方法/分析中的部分論點/依據/證據，以支持我們對所述相關行業/公司的觀點的結論。在任何情況下，它并不（明示或暗示）與香港證監會第5 類受規管活動（就期貨合約提供意見）有關聯或構成此活動。權益披露權益披露(1)廣發證券（香港）在過去12 個月內與CNE100000L63(002352)公司有投資銀行業務關系。(2)廣發證券（香港）在過去12 個月內與S.F.Holding Co.,Ltd.(0

72、02352)公司有投資銀行業務關系。(3)廣發證券（香港）在過去12 個月內與SF HOLDING(002352)公司有投資銀行業務關系。(4)廣發證券（香港）在過去12 個月內與順豐控股(002352)公司有投資銀行業務關系。(5)廣發證券（香港）在過去12 個月內與順豐控股股份有限公司(002352)公司有投資銀行業務關系。(6)廣發證券（香港）在過去12 個月內與鼎泰新材(002352)公司有投資銀行業務關系。(7)廣發證券（香港）在過去12 個月內與CNE100006NF4(06936)公司有投資銀行業務關系。(8)廣發證券（香港）在過去12 個月內與S.F.Holding Co.,L

73、td.(06936)公司有投資銀行業務關系。(9)廣發證券（香港）在過去12 個月內與SF HOLDING(06936)公司有投資銀行業務關系。(10)廣發證券（香港）在過去12 個月內與順豐(06936)公司有投資銀行業務關系。(11)廣發證券（香港）在過去 12 個月內與順豐控股(06936)公司有投資銀行業務關系。(12)廣發證券（香港）在過去12 個月內與順豐控股股份有限公司(06936)公司有投資銀行業務關系。(13)廣發證券（香港）在過去12 個月內與(H01933)公司有投資銀行業務關系。(14)廣發證券（香港）在過去12 個月內與S.F.Holding Co.,Ltd.(H01933)公司有投資銀行業務關系。(15)廣發證券（香港）在過去12 個月內與SF HOLDING(H01933)公司有投資銀行業務關系。(16)廣發證券（香港）在過去12 個月內與順豐控股股份有限公司(H01933)公司有投資銀行業務關系。系因此投資者應當考慮存潛利益沖突而對獨性產生影響不僅依據內容 識別風險，發現價值 請務必閱讀末頁的免責聲明 2222/2222 Table_PageText 深度分析|交通運輸 版權聲明版權聲明 未經廣發證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、刊登、轉載和引用，否則由此造成的一切不良后果及法律 任由私自翻版、復制、刊登、轉載和引用者承擔。