從具身智能訓練層面看,仿真軟件可爲大模型提供海量、低成本數據,解決真實數據高成本、難收集的問題,仿真軟件有望實現大範圍應用。
智通財經APP獲悉,中銀證券發佈研報稱,智能體時代來臨,小型端側設備無法消化大模型大參數,而具身智能則有望成爲最佳載體。從具身智能訓練層面看,仿真軟件可爲大模型提供海量、低成本數據,解決真實數據高成本、難收集的問題,仿真軟件有望實現大範圍應用。相比於剛性物體的仿真,柔性、流體的仿真技術壁壘更高,具備相關技術積累的廠商優勢突出。從具身智能商業化路徑來看,目前商業落地途徑主要包括通用機器人路徑、純軟件路徑和垂直領域軟硬一體路徑三種。
中銀證券主要觀點如下:
智能體時代來臨,具身智能有望成爲最佳載體。
自ChatGPT發佈後,AI模型參數量越來越高,從GPT-1到GPT-4,參數量由1.1億增長至1.8萬億。從目前市場上的端側大模型來看,通常設備端越大(功能越多),其端側大模型的參數量也越大。然而可穿戴設備、手機等無法消化大模型大算力,相比小型端側設備,具身智能機器人有望成爲智能體最佳載體。
仿真有望大範圍應用於具身智能訓練,建議關注具備柔性、流體仿真等技術的廠商。
主流的具身智能訓練方法主要包括遙操作、動捕、大模型等。其中,單一的遙操作或動捕需由人類操作員直接控制,無法實現機器替人。大模型和機器人實體的結合則具備較強的泛化性。在大模型訓練數據的選擇上,可採用仿真數據或真實數據。仿真通過構建虛擬環境生成大量數據,成本較低,適合在新的環境中大範圍學習技能;而利用真實數據能夠形成細分場景的數據壁壘,但成本及獲取難度相對較高。相比於剛性物體的仿真,柔性、流體的仿真對於算法的穩定性和收斂性的要求大幅提高。
具身智能商業化路徑:建議關注純軟件和垂直領域軟硬一體路徑。
目前具身智能商業化路徑主要包括三種:
第一種是通用機器人路徑,其核心是採用通用的硬件和軟件來應對各種多變的使用場景,該種路徑對於資金和技術要求較高,目前1X、Figure以及特斯拉等行業巨頭正加速佈局。
第二種純軟件路徑的是設計通用的操作系統,硬件廠商通過API接口即可接入機器人「大腦」,從而實現多種硬件平台共享同一套軟件架構。並且隨着機器人的大規模部署,其邊際成本可以無限趨近於0。對於純軟件路徑,該行建議關注英偉達、華爲合作廠商。
第三種路徑是垂直領域軟硬一體,目前機器人硬件與數據仍處於耦合階段,公司通過收集傳感器數據能夠形成細分領域的數據壁壘。對於該種路徑,建議關注細分領域龍頭廠商。
投資建議
從具身智能訓練層面,建議關注具備柔性、流體仿真等技術的廠商,如索辰科技(688507.SH)。從具身智能商業化路徑層面,建議關注英偉達、華爲合作廠商,如九號公司(689009.SH)、中堅科技(002779.SZ)、高新興(300098.SZ)、潤和軟件(300339.SZ)、安聯銳視(301042.SZ)等以及細分領域龍頭廠商如海康機器人。
風險提示:技術突破不及預期;機器人成本下降不及預期;數據收集不及預期。