Deep Dive
Shownotes Transcript
发展智能机器人的一个关键技术其实无非就在三个方面第一个方面的话是刚才我们所介绍到的部署在云端的大脑以及边侧的小脑第二点就是针对于数据层面上的本身的数据流要做一定的仿真和数据的合成就是打通这个 SIM2Rail 中间的一个数据的一个窗口然后另外第三点的话就是做相关的一个在线学习和数据闭关
不仅是 AI 会推动人心机器的发展人心机器反过来它也可能会助力 AI 的发展这个循环一旦形成就有可能会形成一个飞轮效应去进行一个互相的促进去推动巨星智能时代更快的到来在正式开始之前主播提示大家市场有风险 投资需谨慎嘉宾观点仅供参考不构成投资建议哦
各位听众朋友们好这里是话中有金欢迎收听我们的频道我是今天的主持人林飞很荣幸我们今天请到了中金公司研究部机械军工行业分析师郭威秀和罗俊杰二位老师那么有请两位和大家打个招呼吧
观众朋友大家晚上好我是罗俊杰很高兴能够和大家分享绿机器人板块的观点各位观众朋友大家晚上好我是中金研究部的郭威秀好的好的 2025 年以来无论从经济全球的市场都可以看到围绕着 AI 机器人这方面是比较火爆的
那么关于这两个方面最近有哪些变化我们就先请二位老师给我们分享一下要不郭老师您先来那我们先聊聊就是在 2025 年以来全球 AI 加人形机程的最新进展首先我们必须得先强调一下英伟达在世界物理 AI 模型方面的一个创新
在整体 2025 年的 1 月份一个非常备受瞩目的事情就是在 CES 展上英伟达发布了 Cosmos 模型这个平台也被认为是加速全球物理 AI 发展的里程碑事件
大家都知道过去几年在我们探讨人型机器人或者是其他类型的机器人的时候会发现在真实数据长期以来是面临一个是稀缺的,另外一点的话也是相当可变的,也是长期以来困扰机器人做新品研发部署的很大的挑战。
所以 Cosmos 模型是利用了真实世界的比如说来自于自动驾驶机器人还有无人机等这些镜头的一个视频素材通过把视频文本图像这种类型的多模态来去进行输入结合机器人来去做输出来去生成模拟
我们从这张 PPT 的图上也可以看到 Cosmos 的这个底层的模型是包含了两类第一类模型的话是大型自回归第二类模型的话是扩散模型整体的参数量级也是达到了 40 亿到 140 亿这样一个很大的区间所以有助于让机器人去形成对于世界物理定律世界物理的空间关系以及动作因果关系的一个 token
另外第二点是我们可以看到这个图片里面的左下角是 Cosmos 的 Tokenizer 简单来讲就是把图像和视频转化为视觉的一种标记器
那么它的内核是 3D 的英国卷机在去进行做 token 化的过程中只需要去进行使用到过去的图像针和现在的图像针这样能够让你的训练顺序和我们真实的物理环境的因果关系是保持一致的不会产生颠倒这样的一个情况那整体 Cosmos 的 tokenizer 它的一个发布出来它距离现在全球比较先进的一个水平其实是处理速度又提升了 12 倍的并且压缩的效率也是提升了 8 倍的
第三点就是我们在 PPT 里面的右图所展示的 Cosmos 和数字栏升结合之后在机器人研发里面能够产生的美妙的变化我们可以看到 Cosmos 它和英伟达自身的 Omniverse 是形成了一个强强联合这样的情况 Omniverse 是提供虚拟的环境 Cosmos 是提供强化学期优化决策
这样机器人在虚拟环境中可以反复实验去进行训练提升在控制操纵等方面的性能而无需依赖现实真实世界的部署那么到目前为止其实 Cosmos 也是公开官宣了它的这种首批的机器人合作用户就包含了
像 1S,Figure AI 等全球比较领先的人形机器人公司那么在这个平台上呢人形机器人开发者他可以在两周以内也就是 14 天里面就可以整理标记 2000 万小时视频的数据量而如果呢在传统的 CPU 环境下至少这个训练量是需要三年以上的
这就意味着机器人的开发者他可以以更低的成本更少的时间来去进行做训练和部署所以其实 AI 真正意义上的带来了机器人企业的一个技术平衡权当然这里面也会带来另外一个问题因为我们过往传统的工业机器人厂商
或者说是移动机器人厂商它的这个 DNA 呢过去大部分都是搞自动化控制的或者说是硬件起家的然而当 AI 大厂下厂开始去做这个事情面向全球去推广它的一个基础模型和研发套件的时候必然会吸引越来越多的企业去跨界进入到机器人这个行业所以其实我们也能够
敏锐的感觉到就是这一两年围绕着机器人行业一方面就是竞争压力一方面是研发压力也是在这个过程中增大的这第一个点关于英伟达同样呢在一月底的业绩会上特斯拉呢也是提出了三年的规划那么也是简单的三步走啊第一步的话呢就是在 2025 年的话开始推动小批量的量度
大概年化是达到一个数千台到一万台这样的一个区间应该来讲从二零二五年的六月份到今年年底的下半年会步入到第一个小批量那么在第一个小批量评估结束之后特斯拉也会对现有的技术方案包括现有的供应链去进行做二次的优化
那么这样的话呢等到明年 2026 年的话呢产量就会提升到一个年化 5 到 10 万台这样的一个水平而且呢在 2026 年的下半年就会开始展示对外的交付我们会认为 B 端和大客户场景啊或许会成为特斯拉如果外售的
它优先突破的方向因为毕竟目前在 Optimus 最开始 2022 年 AID 的时候马斯克就非常希望它能够真正的去干活所以也是给它命名了晴天柱第三个阶段就是 2027 年目标去达成一个年化 50 到 100 万台的一个量产规模
我们会认为 Optimus 的一个生产将会去利用特斯拉过去在电动汽车制造中它的一个垂直整合的经验,包括产业链的一个经验来去实现成本的降低。所以在这块成本降低上,特斯拉依旧是维持了年产百万台的时候成本低于两万美金这样的一个口径。
所以在今年整体 2025 加 2026 年的上半年,特斯拉的初代产品将会在自己的工厂来去做验证。那么这里面其实可以去进行想象的一些应用场景,就不止局限于比如说在汽车总装车间一些板金件的一些运输或者是一些电池这部分的一个筛选,这个是大家可以或许会期待到的。
那么同样的话马斯克也会认为其实未来三年这样的一个指数级扩张的背后整体对于工程化的难度是相当高的此外他也需要去进行适应全球范围内里面的一个法规要求所以可能你国别与国别之间对于人行集权它的一个开放程度还是不太一样的
那么到目前为止呢特斯拉其实在过去三年从 2022 年到 2024 年一直以来的话呢是自主设计了人型机器人的核心部件包括一直以来大家关注到的电机执行器啊传感器并且也是在 24 年去年 10 月份的时候向全世界展示了它目前单手自由度 22 个这样的一个灵巧手
除此之外特斯拉呢在互网车里面的话它的一个高性能的电池模组稳定的通讯能力还有是同样啊也是世界 AI 模型的一个能力我们会认为竞争力也是有望附用的我们会认为考虑到现在整体啊在过去工业基层这个时代的话我们可能每年全球的安装量因为前年啊 2023 年就是全球工业基层的安装量才刚刚到 54 万台一年这样的水平
所以我们会觉得人营机器人其实如果未来是一个潜在百万台量级的产物的话还是一个非常重要的一个时代趋势接下来的话呢我们看一下下一页就是国产企业在这个 CES 展会上我们的一个观察我们会认为在今年 2025 年以来应该来讲这个亮点更多的是在零销售这个方向
为了去 GP 一定的风险,我们其实并没有去明确的展示这些零销售的这些厂商的一个 logo,但是大家大概从这个图上其实可以去进行看到,至少国内有好多家的这个上市公司已经开始发布它的零销售产品了。
在零巧手上我们额外分享几个方面首先第一个在 22 年及其以前其实全球大部分的零巧手基本上没有实现公共化的量产而且自由度普遍可能都是单手自由度六个左右然而
到 2024 年的下半年开始,我们会发现对一级创业公司的调研结论是在中国市场上,单手自由度在 10 个以上的需求量是爆单的。这里面有什么样的一个催化呢?可能更多是来自于高效科研,以及为了去进行做人形机器的 demo 机,这块的一个研发需求已经开始起来了。
截止到去年年底国内的至少有 30 多家的公司已经公开涉足零巧手这个领域但是目前能够单月实现约 100 只零巧手的企业依旧是凤毛麟角的这个是第一点第二点的话呢我们
会发现在展览上所展示出来的这些零巧手其实它的尺寸啊还是比人类的手要稍微大一丢丢的你比如说现在大部分的企业它的这个设计的零巧手的大小 VS 我们这个成年男性的手掌大小其实都还是在普遍 1.4 倍或者说是 1.5 倍这样的一个状态的那你零巧手的这个设计啊以后他还是尽量的希望能够与人手的比例你比如说尽量的这个比例进一步的往下降因为这样的话可以方便你去操作更加精细的物品
比如说你要想穿针引线你可能你的手掌过大或者说手指头过粗也不太行那这点上的尺寸设计往精细化来去进行走其实我会认为和内部它的一个驱动设计有非常大的紧密的关系第三点就是人像手上所需要配备的力控和传感器我们能够看到其实在展会现场它所展示出来的五指灵脚手大部分都有这个力传感器或者是电子皮肤这样的身影
那么这种多种类型的这种传感器的一个配备方便他们的理工教授目前用来探知更加敏感的一个环境包括你尤其在接触一些弹性的塑料体这方面的话比较好的能够感受出它的一个形状硬度还有位置所以这个是在 CS 展上包括像 2025 年以来我们所总结出来的三点的变化王老师
好的那我就简单的从就是大家近期关注到的一些事情那雨树在春晚上表演的这个节目呢叫做 Young Boat 大家可以看到还就是一批机器人然后披着一个画面啊然后在台上表演一些比较像有柳阳哥或者是像二人转的这样的一个节目那要表演这个节目呢如果是人去做的话相对可能还容易一些而如果是用机器人去做那里边设计到的门道就可能就会
比较的多因为他要通过机器人的学习首先要学会这个舞蹈学会了舞蹈之后呢又要去和台上这么多机器人一起协同要能够听懂音乐然后要能够去看到舞台的这个环境同时呢他们之间的机器人的一个通信的话其实也是需要去靠一些技术来进行维持所以有很多技术加持才可以去把这个舞蹈去展现给我们大家所以我们觉得呢这确实是在春晚的舞台上一个科技含量比较高的
这样的一个舞台那一方面就展示了就是公司的一些技术的这个性能但同时另外的一个方面的话我们觉得对于整个人心机器人市场的开拓可能也是会有帮助的因为他的这样的一种举措的话至少验证了人心机器人在舞台表演这个场景的这个下游的一个应用然后同时呢我们也看到就是在春晚流量这么大的一个平台去用人心机器人做这个事儿
那么也是会使得消费者从心理上更加好的去适应这个人机协同的这样的一个未来对这是我们觉得他这个表演的一些相关的意义当然除此之外呢也是在开年之后啊我们看到虞书还发表了另外的一些解决的方案是用他的这个接万机器人叫做 Comp 这个解决的一个方案然后这个解决方案呢他是用这个机器人来去进行一个踢足球不仅是考验一个机器人的这个运动的一个形态你的一个运动的能力
能力同时呢他要去踢足球还会需要就是你要去观察到足球的位置然后把这个足球给踢到球门里面去所以这对于他的视觉能力其实也是会有比较高的这样的一种要求对这是语术然后另外一个大家关注度比较高的事儿就是 DeepSeek 这个大模型
那么对于这个大模型来讲呢其实它的一个出圈我们觉得也是一定程度上的去外溢到了像人心机池的这个产业链上像它的一个情绪啊像它的一个热度啊那这个大模型呢其实它的一个出圈大家可以关注的一个关键指标就是它的日活的用户数特别是在 APP 上我们有相关的一些数据然后截止到 1 月的 31 号的时候就是 DeepSeek 上线大概是三周左右
21 天的这个时间然后在这个阶段的话其实它的日活用户数已经超过了 2000 万的水平这是什么概念呢如果是去对比像 Chad GPT 的话它的日活用户数
大概是在 5000 多万然后如果是对比像我们国内的这个豆包的话可能是 1600 万到 1700 万的这个水平所以他仅仅用了 21 天的时间就达到了大概是恰 GDP 他的大概是 40%左右的这个水平对他的这个出圈确实是大家目前已经看到的这样一个事情
那一方面呢就是对于 AI 的大模型来讲那 ChartSeq 它用一个算法的创新从而使得它的这个模型的成本那是会有所降低的去提高了整个 AI 大模型的这样的一个性价比也有望去推动这个大模型在下游应用市场的这个进一步的拓展
而对于人心机存来讲的话因为巨声智能本身就是我们 AI 产业链下游的非常重要的这样的一个应用那你上游在做出了优化之后你有你成本降低性价比的这个提升再加上就是未来的预期迭代的这个速度的话会进一步去给人心机存的很多方面进行赋能包括和人的这个互
像我们机器人他去听懂人的这个指令包括他在对于工厂里面的一些执行任务做更加详细的这个拆解那可能都是会就是大模型不断迭代去提升就是我们人性机器人性能的这个方面对以上的话就是我的一个观察嗯
谢谢两位老师这么详尽专业的一个解答而且我们用比较专业的方式呢就直接的引出了最近市场上一直比较火爆的大家比较关注的像人形机器人啊 DeepSick 这几方面那么说到这个春晚就你刚才说的 YoungerBot 这个节目有一个场景是引发了广泛的讨论那么我们就是从我们的角度来讲有一句话叫内行看门闹外行看热闹
就是如果我们作为外行想请教二位专家就是这个机器人里面你刚才也提到了有一些比较复杂的技术尤其是我理解对于人来讲比较容易的动作到机器人反而是比较难的所以这里面给大家讲一讲有哪些技术有哪些门道是不是和我们投资业有关系
好的好的,其实刚才主持人和嘉宾提到的在春晚出圈的语书科技确实这家公司是在杭州非常优秀的企业我们可以去看一下这家公司过去的发展就是最早从 2016 年成立当时它的团队基本上都是一个创业这样的一个想法那么他们初期在做四足机械狗的时候他们很侧重在硬件方面去自研
比如说像现在这种高能量密度的关节电机以及以行动减速器为主的这样的一个旋转模组其实语术在早期它大部分都是选择去自研这些硬件的
那當時其實主要為什麼呢因為本身也是屬於創業期每年的這個銷量在前期也不是說那麼的穩定所以呢在那個時候他去找一些專業第三方定製的時候就會存在一個採購成本不太好談以及呢這個溝通以及這個後續時間成本其實相對來講比較高這樣一個問題
所以一开始比较偏闭环的这样一个硬件方式也奠定了语数呢从 2016 年一路走到现在当然也是一个出圈就这样的一个状态那我们能够看到在 2023 年之前其实语数是没有什么人形机器人业务的这个时候是一个比较偏纯的色度机器人的企业那么在 2023 年的话呢语数科技其实终于决定去做人形机器人它这样的一个战略决定呢如果回过头来看也就是两年前就这样的一个时间线
这个背后呢其实有什么样的一个考量呢一方面其实创始人王欣欣她在每次对外交流的时候会提到一方面公司也确实自信她的这个硬件可以有一定的功用性但是另外也有一点啊就是当真正的这个时代浪潮来的时候作为企业必须得看到未来而且企业的转向也必须灵活
所以在 23 年的 8 月份的时候语数呢它就发布了它的人形机器人 H1 然后呢在又接近了接近一年的时间 2024 年的去年中旬另一款的人形机器人 G1 也发布了它当时呢这个定价就是 99000 一台起售所以呢其实非常之火爆啊主要核心啊就是在一些消费级市场还有这个大学里面的这个科研其实对于语数人形 G1 这个产品是非常之青睐的
那么在今年 2025 年春晚的时候其实语术科技所展示的它的 H1 整体它的一个研发筹备时间线从公开来讲的话是大概持续了三个月这样的一个时间那么这次春晚我们其实在看了之后我站在一个旁观者的一个眼中我会认为这个难点核心还是在三个方面第一个方面的话就是它的舞蹈动作它其实展示的并不是一个非常机械化的一个状态因为它是在根据它的一个 BGM
类似于跳舞就这样的一个步伐所以在这个过程中它的这个背后不是很单纯的比如说过往我们在训练零星际审的时候你采用一个小模型 MPC 算法根据你达到怎么样的一个定位去算关节的位置它其实采用的是一种模仿学习的一个理念据后期的一个交流他们提到当时他们是让舞蹈学院的学生先去用相机拍了一段舞的
然后在这个 5 上的话,让机器人对着这个视频来去进行做强化学习和模仿。因为时间比较仓促,所以他们也没有什么时间去,比如说一定要去安装动捕,去捕捉一个传感器的位置数据,也没有采用这种成本比较高昂的路线。所以其实就是基于相机拍摄视频,然后机器人再通过观察视频,就这样的一个方式,这个是第一个舞蹈动作。
然后第二个难点的话呢就是整体你的这个群控基础因为呢 16 台的人形机器人它是在春晚的舞台上是整齐划一的大家都知道你机器人在做一个运动的时候肯定会有准确率这样的一个概念所以 16 台的这个机器人你的这个准确率或者说失误率吧是要打个 16 次方的那就意味着
一方面是单个人形一方面是多个人形机器人根据舞台上的实时情况万一如果出现一些实时情况你去做出一些灵活反应这个也是它的很核心的一个难点就是第二点怎么样去做这个群控然后第三点的话就是大家很感叹的就是一个抛街手传就这样的一个动作
那么像手绢就这种又轻又软就这样的一个材质它并不像一般的刚性体一样你去做简单的抓取因为你是一个抛机这样的一个方式那这样的话就会对它的这个机械臂的这个利空精度要求会更高所以我先简单的先去分享一下就是我们对于语术的一个发展和难点背后的一个思考如果就是我们从更加细节的一些角度去猜这个事情我们可以这么来看
就是他去完成整个舞蹈实际上最开始要去学习这个舞蹈
然后要能够听懂音乐然后要能够去看到这个舞台我要实现一个精确的定位然后除此之外的话像郭老师刚刚说的我的舞蹈动作要整齐划一同时有可能我还会做一些高难度的动作像我转手绢然后我可能会有抛接手绢的这个动作其实它背后还是会有相关的一些难度系数那么要去做到这样的一些事情首先就是我要学习好这个舞蹈那最开始我要像
刚刚郭老师提到的这样有一些数据的这个采集然后再通过机器人的这个强化的学习那才能使机器人像人一样能够去学会这样的一个舞蹈然后第二个方面的话就是要能够听懂音乐而要听懂音乐的话实际上就是需要通过一些具体的这个算法
要不仅是说我机器人可以听到音乐的这个节奏同时还能够去听到音乐的这个韵味所以才可以实现刚刚像郭老师说的那样然后机器人它不只是一个机械的舞蹈它好像能够去体会到里面的这个意思
对然后第三个方面的话就是机械人他能够去看到舞台上的这个状态包括他在硬件上会装这个激光雷达然后会有这个深度的相机然后激光雷达对应到 SLAND 技术然后在舞台上进行精确的这个定位和
导航所以在舞蹈的过程当中的话它才可以进行比较好的这样种走位然后深度的这个相机呢它可以对舞台进行 360 度的这个全景的这个观察然后才可以很好的去配合舞台上可能会出现的一些状况那第四个方面的话这是它抛接手绢有一些高难度的这个动作那里边涉及到的一个关键的零部件的话就是这个电机因为你始终要有这个力的这个输出
而宇树的这款机器人呢它所装的这个电机其实最大的功率密度的输出可以达到 360 牛米的水平就是它不仅可以执行抛接手绢这个动作手绢和表清它还可以去实现就是自己腾空然后自己进行一个转体
而且这个难度在于的话一方面它是一个全尺寸的机器人然后另外一个方面的话它是用电来进行驱动然后两者都是加剧了它要做旋转的这样一个难度尽管说我们在历史上也看到过像波士顿动力的一些机器人它能够去完成这样的一个后空翻但是它这个后空翻的话它是基于液压的一个驱动而液压的驱动的话它本身它的一个优势就在于它动力输出是会比较大的
而语数这款机器人它是采用的电重的这个方式那电缺的方式呢就是尽管说它的精度比较高但确实在机器人这个对于质量和体积都要求比较高的像那个部件里面的话要输出那么大的这样一个力矩要有那么大的一个爆发力实际上还是有它的困难的所以语数的话它通过这种比较高爆发力的这个电机是它去完成一些比较高难度技术的这样一个基础
最后的一个方面的话就是动作的整齐划一那对于一个舞蹈的观想性我们觉得还是会非常的重要背后涉及到的一个核心的技术就是整体的规划调节协同的一个技术包括它也建立了一些高效的这个组网使得机器人能够实现一些相关的这个通信
对那以上的话就是我的一个观察谢谢二位老师这么专业的一个分析在这个春节期间表现特别突出的这个语述实际我觉得也是这一段市场上尤其是全球市场看中国市场两个现象级的一个就是 DeepThink 另外一个就是语述正好在市场上就表现的也比较突出关注这个呢我们就引出来一个新的问题问问二位老师像机器人作为 AI 加硬件的一个智能载体
实际从 2022 年就开始一直就比较火热了那么以我们目前熟悉的人形机器人包含了那么多高难度的一个技术的人形机器人为例那么郭老师是不是可以给我们介绍一下过去三年全球这方面有哪些发展方向的一个突破您是不是认为人形机器人已经变成了不可逆的一个产业趋势了呢郭老师
好的 然后这个问题的话呢它是在回头看就是站在这个 2025 年的时间去回过头来看过去三年到底呢这个 AI 加机器人有哪些标志性的一个技术进展我们呢也复盘了过去的三年也结合我们已经当时每年发布的一个深度报告所以我着重去选择了几个标志性的一个
案例以及这个案例背后的话它其实都有一些隐藏的一个逻辑理念首先第一个案例的话呢是谷歌我们会认为在整体 2023 年 3 月份的时候谷歌的一个泡沫印模型是真正的让把多模态的模型训练融入到机器人这样的一个破圈性的一个事件
我们把时间拉到 2023 年的 3 月份当时谷歌和德国的柏林工业大学它发布了世界上宣称参数最大的一个视觉语言模型泡沫印那么这个泡沫印模型的话是直接用在机器人上帮机器人去做结合视觉和语言融合的一个动作训练
在這個碰木印模型上,它其實展示了非常強大的一個能力我們這個圖片裡面其實也列舉了當時其實核心所展示的幾個場景你比如說在這個實驗過程中,工程師就要求當時也不是人形計程,它其實就是一個多軸的機械臂它就要求這個多軸的機械臂,你把抽屜裡面的這個薯片拿給我就說這樣的一個 language 的指令
那好 这样的话呢 碰面一模型就根据这个摄像头捕捉到的一个视觉信息与工程师所发出来的语言指令直接结合来去规划它的一个动作步骤你这个动作步骤的话可能会包括自己步啊比如说你要先让这个多轴机械臂先去到达这个抽屉处然后拉开 把薯片拉开 拿给我
然後再放下就這樣一個動作步驟在整個執行過程中是沒有任何的工程師來去做人為干預的中間會有人比如說去擋一擋這個時候的話他的這個機器人依舊可以重新找到薯片並且繼續完成任務所以其實體現了一個非常好的我只有一個語言的指令我就可以把這個動作展現出很強魯莽性就這樣的一個應用案例
同時第二個應用場景就是讓這個泡沫液模型嫁接了之後的話讓機器人整理積木了那大家都知道整理積木它是個相當泛化的問題因為你不知道你面臨什麼類型的積木品種什麼樣的顏色所以這裡面涉及到非常多階段的一個規劃
需要持續的去引入你的視覺反饋來去調整你的動作步驟所以這是第二點就執行這種多階段任務它所展示出來的效果那麼第三點的話也是谷歌它在 POWER 1 出來之後所畫的一個跟過往傳統工業機器人模型訓練所顯示出來的一個不一樣的優勢就是正嵌移屬性
在整体一次性泛化性的这样的一个任务面前泡沫液模型是更加体现出优势的可以把从一个任务学到的一个经验或知识迁移到其他的任务中这样的话呢相比过去我们比如说单个任务的这个机器人模型它其实它的一个泛化性能有显著的提升
那我们回过头来看就当时这个最大的这个泡沫翼模型其实高达 5620 亿个参数的就尽管了它可能后续在部署上不一定能够承担出那么高的成本但是它其实给全球的研究 AI 加机器人的共同是提供了一个思路那就是说我们可以尝试更加多的多模态结合并且用到机器人的一个动作的一个直接的一个指令上
所以其實它是誕生了這個端到端訓練或者說是端到端研發這樣一個全球的一個熱情這個是第一個標誌性的一個事件那麼第二個標誌性的事件的話呢就是英偉達的一個仿真訓練平臺
因為我們剛才在介紹開篇,因為 2025 年開篇以來英偉達的一個很大的變化就是它的世界物理 AI 模型但其實在去年 2024 上英偉達也靠它的人型機器人通用基礎模型出圈了那麼它的人型機器人通用基礎模型的話這個 G200T 這個產品它是英偉達首款面向全球去進行開放的一款產品
我们可以发现它的这个背后其实更加突出的理念是什么呢是更加多的去进行使用它的一个仿真工具来去加速人形机器人的开发和部署到底怎么样去进行仿真我们从这个图上也列举了就是它的这个技术权占它产生的一个数据流你会发现它的这个左侧的话就是我用来做人形机器人训练我到底可以采用哪些的一个数据方式
你要么從真實的世界中去提取要么就讓機器人這邊採用模仿學習或者說一些多樣化的場景生成的方式來去獲取數據每一種不同的數據獲取的背後英偉達它都有一個比較偏定制化的一款軟件在這個背後去做支撐你比如說像模仿學習的話其實 G200T 它就嵌套了一款工作流
讓開發工程師可以戴上蘋果的可穿戴設備就是 Viren Pro 然後通過這種穿戴來去進行為機器人提供一個數字孪生的模擬環境去重複模仿人類的一個動作同樣的話這個數據流當我們得到匯總之後因為你要去進行做強化學習所以接下來就會過渡到它在學習和控制的一個中間環節
那麼在這個中間環境裡面的話呢其實英偉達核心就是強調了兩個事情一強化二模仿通過強化加模仿來去增強機器人去適應新環境的能力而且去實現一個相對比較偏靈活性的控制這個是第二點
那么第三点的话就是从这个 G200T 这个产品出来之后我们也能够看到它其实在全球在人营基层的这种产业发展上它引起了相当强的一个关注而且大家怎么样去进行评价呢他们认为第一点就类似于这种生态化的建设它是非常值得鼓励的
不僅是說是像海外到像國內以後也是就是你圍繞著這種 AI 的生態建設你從底層訓練芯片然後呢到基礎模型再到它所能夠衍生出來的一系列的這種應用套件或者說是一些研發部署的小工具這種
由強大 AA 巨頭所牽引出來的一個生態建設它有助於在這個產業裡面形成比較好的一個規模的一個虹吸效應而且可以去進行降低作為開發者他本身他的一個進步壁壘所以這是第一個我會覺得他的一個很重要的一個意義然後第二個很重要的一個意義是他其實他也在模糊也好或者說他也在推動機器人技術它的一個邊界
因為這兩年大家可能不太會把機器人公司更多的定義為你是個做人形還是做四足機器人還是工業的我們就會發現整體 AI 它就是會帶來技術的平選它會帶來每種不同類型的機器人的感知能力都在提升交互能力都在提升所以帶來了更加廣闊的一個應用前景
那就是第二个事情就是英伟大它的一个背后所代表的一个象征性的一个意义第三点我们就会谈到的是关于应用场景的一个闭环训练在整体 24 年 25 年全球的人营基层初创公司也好
或者成立了已经上市的公司也好都是在打工然后呢要么就是在 B 端打工呢要么就是在 C 端打工我们会认为在 B 端场景中我们会发现整体其实中国也好或者海外也好我们就以汽车这个产业为例大家其实都是缺这个生产制造工的
一方面是因为工资的一个问题当然另外一方面也是因为当前青年的这个流动力其实本身也是属于稀缺这样的一个状态国内某家已经上市的公司他所展示的在 B 端场景里面它的一个应用进场打工之后的话需要去解决几个问题就是你首先先去研究一下你的人营机器人到底用来做什么它的定位是人营机器人不需要去进行替换任何现在已经有的工业机器人或现在已经有的自动化集成产线
我的一個目的就是要讓人影機程直接取代人所以就是在比如說一些總裝的搬運場景你比如說像 20 公斤以上的你可能都得依靠工業機程這邊搞碼度搞搬運但是像 15 公斤以下的尤其是一些小細碎的這些金屬件你本質上之前你可能就是依賴於人來去在這裡面做調解的那現在我就需要人影機程來去做
那这样的话呢你看像现在很多车厂的这个工人的工资如果是根据这个国家统计局的这种年化数据的话大概到 2023 年的时候国内制造业人员的平均一线工资大概是在年化七八万这样的一个水平当然你一二线城市差异会很大那
那假设人营基权在这里面你即便定个 40 到 50 万这样的一个售价你可以取代两个人工你又可以两班倒整体如果大家算投资回报率你会发现即便定 50 万其实两年已经具备了充分吸引力这个就是为什么 B 端市场现在哪怕我们认为就是你中间在去做实训中还是有一些问题需要去进行解决但是依旧下游的车厂
以及一些做物流的企業會相當去歡迎零件機器人來去做部署的一點那麼另外第二塊的話就是本身在 C 端市場那這個方面的話 C 端領域你看像海外比如說像 YX 以及國內的一些企業他們確實是想去走 C 端的就是通過比如說部署到消費級的 CS 店然後以及一些零售商超就這些領域其實 C 端市場也同樣在走
那么这个是我们想说的应用场景的一个问题那么落实到这个行业最终发展有多大我们认为还是取决于就是 2025 年和 2026 年就这两年关键的两年感谢那个郭老师详细的一个
分析以上呢就是二位老师用非常专业的视角把 AI 和人心机器人过去的这个历史以及他的一个行业的状况的跟大家做了一个简单的介绍那么第一部分二位老师介绍完这个行业之后我们接下来可以更详尽的了解一下就是 AI 和人心机器人的这个行业现状以及它的发展的环节啊还有特点
那么刚才谈到了这个人工智能 AI 一些技术在人形机器人上的应用二级市场上 AI 和人形机器人也体现出了比较强的一个联动效应实际在春节前后市场就表现的比较明显那么想请教一下罗老师那个 AI 和机器人到底是一个什么样的关系呢好的林老师那么我们觉得 AI 和人形机器人的关系呢其实大家首先要理解的一个词就是巨神智能
巨神智能的话它是和离神智能相对的比方说我们平时所说的这些 AI 大模型它很多其实它都是一个离神智能的代表而巨神智能的话它就除了有这个智能体智能体的构成可能就是像 AI 大模型或者像一些 AI 算法等等除了这个智能体之外它还会有一个本体那有了这个本体之后它和离神智能的区别它就可以在一些具体的场景里边去做一些相关的执行
所以这是一个巨神智能的这种概念那人心机器的话本来就是巨神智能的一个比较典型的这种代表所以 AI 的话它其实是人心机器可以说它里边这个智能体的这个里边的一个重要的组成的这个部分
而从产业链的角度上来讲的话巨星智能它是 AI 下游比较偏端侧的应用所以这是从巨星智能的概念包括 AI 的产业链上去看人心机器人它和 AI 的一个关系是怎样的
然后第二个方面的话就是我们也想知道 AI 它可能怎样会赋能这个人心机器我们觉得有这么几个方面是可以关注的就是第一个方面 AI 它也是在智能体里边而传统的算法它其实也是智能体的一个部分 AI 这些大模型它和传统算法的一个区别则在于它可以去更好的去推动人心机器在一个通用的场景里边得到应用
而不像传统的算法它其实主要是在一些专用的单一的场景里面去进行应用然后第二个方面的话就是看机器人的层级包括说最开始的感知层再到决策再到执行层现在大家看到其实 AI 大模型更多的还是作用到人心机器人比较偏前端的感知层对语音世界的感知
以及对于 3D 视觉去提升它图像识别的效率提升它的效果它可以在这方面去做更多的赋能的作用而随着大模型往后看如果逐渐发展成熟就可能像它的下游的决策层包括它的执行层或 AI 大模型可能会表现出更多的作用对这也是一个方面
然后另外的话就是除了这些整个人心机器它作用的一个层级之外我们当前看到的是也像刚刚郭老师说的那样像这个 CES 大会里边英伟达发表了这个 Cosmos 的这个模型那么它呢其实是计算机里边的一个非常重要的这个技术可以去帮助人心机器更好的去采集
我们在物理世界里边的一些轨迹的数据去供人心机器人进行一个训练所以 AI 和计算机相关的这个技术的话它其实对于人心机器人的发展也是会有比较明显的这个助力作用的然后最后一个方面我们想强调的是不仅是 AI 会推动人心机器人的这个发展那人心机器人反过来它也可能会助力 AI 的这个发展因为 AI 大模型的这个数据的话它要面向更多的一个场景
它需要很多的一个数据才能够训练出一个比较好的一个比较成熟的这样一种 AI 大模型的产品而人心机器人现在大家看未来可能会走入到千家万户里边也可能会在各类的锤类场景里边得到应用所以它可能是 AI 去搜集各类场景的数据一个非常重要的
这个巨神智能的这个形态所以从这个角度的话其实人形机器人它也可以对 AI 大模型做相关的这个赋能所以它们赋能是相互的都有对对方的这个助力的作用因此有可能就是如果说这个循环一旦形成就有可能会形成一个飞轮效应去进行一个互相的这个促进去推动巨神智能时代更快的到来
感谢罗老师啊罗老师用这么深入浅粗的方式解释清楚了 AI 和这个巨声人形机器人的这样的一个关系可能对大家理解这个投资呢我觉得非常有帮助因为我觉得投资有时候你也要知其然也要知其所以然
我想大家在将来挖掘 AI 和人形机器人这方面的投资机会时候呢也能更明确一些那我们可以请郭老师也介绍一下人形机器人它这个产业链的各个环节包括发展的空间您是怎么看的同时竞争格局目前又是怎么样的希望能够帮助到我们这些投资人吧这几年呢围绕人形机器人的大小脑呢我们
我们观察到有两个趋势变化第一个趋势变化的话是目前大脑这方面的话普遍企业是采用了一个云端部署加本地部署并存这样的一个方式因为云端部署这边的话更容易去跟 AI 企业进行嫁接尤其是把一些比较偏难推理难执行又要求比较偏高鲁邦性的一个
AI 训练的一个要求就把它给部署到一个云端的服务器上这样的话呢可以去通过云端来去做数据交互和计算任务的分配这个是云端部署它的一个优势但是人营机器人公司呢它往往在云端部署的同时呢它会保留一部分的本地部署本地部署的话呢尤其是在工业业场景上会更加的常见本地这边的话呢它的参数量虽然比较小但是它的优势呢就是能够
快速的响应而且呢去减少网络的延迟这个呢往往在追求这个高动作执行层面上的 B 端市场以及一些战略领域市场上大脑这方面的本地部署其实也是同样会存在的这个是大脑然后小脑这边的话呢我们会观察到小脑企业其实倾向于以本地化的方式来去运作
包括像高校也是类似,像 2014 年 10 月份的时候,当时斯坦福他所推的一个通用人形机器人的小脑策略,他其实就是采用本地部署,把机器人的上半身、手部,然后以及连接着一些其他的通信功能,在本地这边来去进行训练它的一个运动控制,来去确保实质性和精准性,这个是在分析硬件之前我们先提到的大小脑层面上的一个变化。
那么接下来的话我们再看看用硬件形态来去进行呈现的一个拆分所有的人影机型如果硬件这方面应要分四个模块的话它其实就是包含感知系统包含灵巧手执行系统以及其他部分这四个部分所组成的
然后这四个部分的话目前的一个成本构成大概是含芯片或者说是含结构件在内的其他部分大概是拿了一个接近 20 到 25 这样的一个占比而感知系统这边的话也是有接近小 20 零巧手这边的话看你的配置如果说是比较便宜的话实物以内能够跨过住而执行系统这边的话是在一个约 30%这样的一个构成
那我們的這個圖呢其實是以這個特斯拉呢這個 Optimus 的方案來去進行測算的它的一個硬件的一個變化但是呢我們會認為這裡面其實也是存在後續很大程度上變化的一個可能性的尤其是考慮到過去的這一兩年
國內在一些關鍵的難降本的硬件上投入資本開支投入研發我們相信以中國供應商這樣的一個比較強悍的這樣的一個硬件製造拉通能力的話這裡面的這個硬件它的一個降本速度可能會比過去
過去在工業時代裡面演繹減速器的這個降本路線的速度我們會認為可能會更加的陡峭這個是硬件的這個構成然後在零橋手這方面的話我們需要去提示一下目前我們觀察到國內的零橋手企業在和大模型這塊的結合僅僅才剛剛開始因為我們最近組織了一些零橋手的一級公司的這些調研會普遍發現現在能夠實現一些高自由度零橋手的企業目前還是基於他們過往
基于真实的这种客户场景所训练出来的一个比较偏小参数小模型这样的一个情况并没有想去和举个例子和人形机器人本体上它所安装的更加多的这样的一个感知系统去实现结合所以这个是我们会认为林乔手这方面需要去进行有待于提升的方向就是林乔手这边的数据集和大模型以及一些更加复杂系统性的这样的一个任务去进行结合的一个问题
然后另外第二个点的话呢,是目前国内可能目前在林教授和人行机器人等级厂商之间,中间还是一个偏割裂的一个状态。林教授搞自己的算法,人行机器人厂商去做另外的算法,但实际上林教授他是需要和人行机器人的上职,包括他的这个手腕和手踝去实现算法打通的。
因為中間本身就是存在一個比較偏緊密的強偶合關係所以這個是在林橋手上我們需要去做的補充關於我們去思考一下未來這個人行基層行業能走多遠在這一點上其實如果從投資的角度大家可以完全基於一個自下而上的統計比如說我拿全球幾個重要的龍頭的量產目標大概加總一下這個就是市場的起碼從股票市場所反映的一些一致預期了但是我這裡的話其實
可能更想從一個偏經濟學的角度來去思考一下為什麼大家包括像每個國家它都非常希望去進行追求機器人這塊的一個創新就源自於其實從索隆模型的一個角度而言的話要去進行提升經濟增速其實要依靠三個部分第一個部分的話是人口第二個部分是技術第三個部分是資本
那么在人口方面的话其实我们可以去看像特斯拉的话它零基金的远期目标是 2 万美金那大家会发现其实 2 万美金的这个价格已经是低于美国年度它的人均薪酬了根据这个世界银行的口径在 2022 年的话美国这边的人均薪酬其实 6 万美元一年了
因此其實機器人本身就是以這麼有吸引力的價格放在這裡那麼讓機器人去替換現場級的操作人工將會成為以後各行各業他願意去追求經濟性的選擇就是第一人口方面然後另外第二點的話就是技術方面對於整體往後的這個機器人時代而言的話 AI 泛化的能力意味著機器人可以對各種各樣的環境和物體產生交互
所以可能在過去的時候我們頂多在看工業計程時代的時候我們就知道你機器人是放在一個固定的工位去組成一個系統計程產線但是可能就是在人工機器人這個時代來臨之後機器人它會和越來越多的這個工業硬件去產生互動來去進行提升它的數據的效率以及資源的利用率所以這是第二點技術方面那第三點的話就是資本本身方面
人型机器人本身它具备比较高的一个产业价值因为它是一个可以有望去进行拉动多产业链研发的一个很大的一个产业包括背后的一个核心基础件的一个制造 AM 模型的研发以及下游应用的一个庞大产业
所以其实对标汽车工业我们会认为包括站在马斯克的角度他都会认为人营机成这个行业是潜在的一个很大的一个增量点从资本的一个角度那这个是关于产业趋势的一个分享最后我们就提一提这个竞争格局因为涉及到可能具体企业我们不太爱
方便评价太多所以在竞争格局上我们只是简单的谈一谈各个国家目前在 AI 加人行机器人这个风口之后的话中国是采用怎么样的这个做法去进行做的我们会认为在过去的两三年中国起码在人行的政策和参与企业上是呈现了一个非常之积极这样的一个态度首先在政策上的话呢
簡單來講就是 2024 年發了非常多包括像 2023 年就是對人行機器人去進行定調所以我們其實從這樣的一個政策文件中基本上可以看到在這個時代產品的話呢是相比原先在工業機器人時代我們是更加想抓住這部分的一個
先發優勢的所以關鍵的目標啊你比如說在 2025 年的話我們就希望去進行打造好幾個產業發展基區然後也希望能夠拉兩到三家有全球影響力的這樣的一個生態企業包括呢在去年 24 年的話那個地方的這個人行基層創新中心都像雨後春筍一樣冒出來這個呢就是在
政策上體現的一個非常大的強調性那麼參與企業上的話呢我們一個很重要的公司就是以華為來去進行代表試圖也去進行說明中國的這個 AHN 其實也是有希望去進行誕生類似於像英偉達這樣的一個合作平台的資本市場其實很關注的一點就是
整体 2024 年 9 月份落在深圳的华为巨声智能产业中心创新启动了并且在 11 月份也官宣了和十几家的企业瞄准巨声智能这个方向来去做研发所以我们会认为在 2025 年的话偏华为链本身它会带来更加多的这样的一个参与企业的一个介入而且从华为已经发布的白皮书的一个角度它也认为发展
智能机器人的一个关键技术其实无非就在三个方面第一个方面的话呢是刚才我们所介绍到的部署在云端的大脑以及边侧的小脑第二点呢就是针对于数据层面上的本身的数据流要做一定的仿真和数据的合成就是打通这个 sim to real 中间的一个数据的一个窗口然后另外第三点的话呢就是做相关的一个在线学习和数据闭环以上是我们对这个问题的一个思考
感谢这个郭老师详细的一个解答对于这个行业已经介绍的非常清楚了而且郭老师反复的在提到实际中国和美国是目前机器人赛道上比较重要的两个组成部分那么美国那边特斯拉可能像您提到的擎天柱这个机器人就会进入到一个实质性的扩产
那它这个扩产对于中国的人型机器人的产业链会产生哪些影响呢郭老师可以我们简单介绍一下吧像这个特斯拉的话它的一个量产也是大家非常期待的一个事情我们认为几点首先它的一个硬件教本确实是国产供应链的一个核心机会因为在人型机器人上很多的东西其实和车端基础零部件的一个使用它的重合度是相当大的
所以我們能夠看到當特斯拉要做這個產品之後國內的氣靈產業鏈是非常願意去進行配合的而且他們在過去針對和特斯拉長期以來在汽車這塊的一個經驗的磨合基本上在進入到人行計程這個時代之後其實也有非常重要的能夠拿到門票就這樣的一個先發優勢這個是第一點然後另外第二點的話是本身特斯拉的這個訂單它也是一個偏指數級的放大因為
我们刚才提到 2025 年只是刚刚开始
可能未来几年可能会有一定的小波折但最终的一个目标是锚定一个年产 100 万所以这样的一个很大的一个供货效应它其实会非常大的去进行释放这部分的量需要有的一些资本开支然后资本开支引入硬件又降本降本之后再度提升人行机器人价格降低就这样的一个产业的一个飞轮所以这个是第二点然后第三点的话我们也会认为除了刚才我提到的延续车端的厂商以及这个汽车
方面的制造生产优势之外我觉得也会有一些新的机会比如说目前上一波的气灵也好或者上一波的工业机器人产业链它的一个基础件也好目前其实都已经比较成熟未来如果有新的机会还是会产生于人行机器人所特有的一些新的研发需求和一些新的零部件上
比如說我們提到的這些傳感那麼我們都能夠看到人型機器這個時代其實它加裝的這個傳感器要比過去的工業機器時代加裝的多已經也誕生了像名教手模組就這樣的一個形態所以越來越多的這個新型零部件起來也會引發就是國內的企業去爭相去進入到這些賽道這個就是我會認為特斯拉本身它的這個產業鏈從直接的一個角度來講
会带来的一个机会然后呢如果从间接的一个角度来讲其实就是一个年余效应因为我们非常容易的能够看到自从这个马斯克要去追求这个量产之后其实他也倒逼了国内已经有产品的人营计划企业或者说是创业公司从零到一赶紧先去跑起来
所以这是一个比较好的一个年余效应我们会认为此轮整体中美因为刚才其实主持人也是提到了中美的这样一个问题我们会认为整体在人营机器人这个时代上它其实是一个互补的一个关系老师实际把中美在机器人方面的竞争合作已经分析得比较清楚了而且是了未来我们可以关注一些新的机器人应用的一些方向
那接下来我们就可以请教一下罗老师您认为像 24 年到现在人型机器人这个产业链方面您观察到有哪些变化吗给我们分享一下好的刚刚郭老师其实对于某些核心的产业链都有了比较详细的介绍如果从国内的角度上来讲的话其实主要是两条链一条链的话就是刚刚郭老师也提到的华为链那华为链的话它一个比较突出的特征就是里边
大厂它的示范带动效应它的影响力是会比较的大的这是一个方面然后另外一个方面的话这个产业链它的发展相对比较早期还是处在一个从零到一的这样的一个阶段然后去年的这个深圳的居身智能创新中心才正式落地然后当时已经和 16 家企业进行了这个签约那么对于市场来讲的话这是增强了就是大厂
去进入到这个产业链的这个信心他可能会投入的这个力度相关的这个信心都是会有所增强所以引得大家对于这条产业链的关注度是会有一个比较明显的这个提升既然他处在一个相对来说比较早期的阶段所以他的现在的技术的方案包括他商务关系的这个确定的话其实都是大家下一步会密切去跟踪和关注的这样一个事情
还有一个方面的因素就是大家可以看它采用的一个商业模式是怎样的我们看到就是华为它去入局整个巨神智能的话它其实主要是想去提供一个生态的系统那目前看到的话倒不一定说这一定要去做这个本体的人心机器而它去提供生态系统的方式的话就是一个方面我本身有很多自己研发的 AI 的大模型
它包括圆的大模型可以给机器人做相关的赋能另一个方面的话它也有很多的操作系统像它之前的鸿蒙系统里面的纯血鸿蒙是很好的去展现了它在 C 端的一些智能产品它的一个泛化的能力也是会对人工智能未来如果进入到消费的这个 C 端的场景的话那也可能会受到这些操作系统的这个赋能的作用然后第三个方面的话当然它也有它的一些硬件制造的
能力那么也可以给这个产业链做更多的这个赋能所以目前来看如果说他去提供的是一个整体的生态系统而不像特斯拉一样他去做本体包括林乔手一些比较复杂的系统那特斯拉可能也会自己去做那华为采用这样一种生态系统的提供方式呢就有可能会加强整个产业链它的艺术效应像更多的厂商要拉更大的一个朋友圈一起去做才能把这个巨星智能的产品给做出来
内的很多相关企业的收益的话其实我们是需要去做一个密切的跟踪的另外的一类产业链的话就是我们国产的像语书啊像智源啊这样的一些机器人他们相对来说可以说是人心机器人比较新势力的
而这样的一些厂商那这样一些厂商而言呢我们觉得可以关注几个方面一个方面就是他们方案的选择确实和我们看到就是特斯拉的一些方案的选择会存在一个差异比方说在这个动件上的这个选择在关节的旋转传动里边他们用的是这个行星减速器很多厂商都是在用行星减速器而特斯拉的话则是用了这个谐波减速器的这样一个方案另外的话就是对于视觉而言
当然视觉对人心机器人的重要作用其实大家都可以比较直观的感受到那么在视觉层面上的话特斯拉它还是沿用的车端的 FSD 的被动视觉的方案而我们国内的很多的机器人的这个厂商它可能是一种融合的方案或者它主要还是采用的 SLAM 这个激光雷达
这个技术那么对于它的这个视觉进行应付呢这话还是还有在传感方案的层面那最开始的时候其实我们国内的很多厂商他去布局人心机器的时候在传感层面其实没有太多的一个侧重特别是对于力的这个传感那么发展到现在呢因为他要做一些更加精确的力的这个控制包括说硬件性能我要做进一步的提升我要给我的投资者更多的信心所以他在传感器的层面也会做
更多的发力包括加装一些更加高维度的传感器包括说它传感器和它的整个关节做更高程度的这个集成都是目前我们看到的一些变化所以对国内厂商的方案的差异性包括它方案的这个变化我们觉得都是需要去做持续的跟踪对这是第一个方面然后第二个方面呢我们也看到国内的这些企业的话其实它的整个的量产进度
可能它推进的速度相对全球的其他的海外的企业来说还是会更加的迅速的包括像自愿机器人我们看到在去年的时候已经去实现了它的一个量产整体的进度推进到了下游的整个场景的验证的这个阶段当然他们其实在整个零部件上可能会做了一些简化
比方说我的传感器没有用最高维的六位力传感比方说我的这个减速器的话可能我没有用斜波用的行星那么它做了方案的减配但同时它也考虑了在下游场景的这个应用而我做了减配之后我成本降低但如果是在单一场景的应用的话可能相对来说也是会比较的
足够的所以这个时候的话就可以尽快的去推动我的量产去推动我下游的这个验证给我投资者更多的这个信心这也是我们看到的就是国内的企业它当前推进的一个重要的特点吧然后第三个特点的话就是在于我们刚刚所说的这个人心机器人是巨星智能的这个代表巨星智能包括就是我们的这个智能体以及这个硬件的这个本体
而在智能体这个部分的话 AI 大模型是会非常重要但是呢对于国内的很多新势力的厂商来讲他自己去做这个 AI 大模型难度是会比较高的要这么多芯片的投入对要这个研发的这个团队的这个投入所以对于他们来讲的话他们也想得比较清楚那我可以和大厂去合作然后你给我提供 AI 大模型我们一起去打造这个巨星智能的产品而我的话可能主要专注力还是在我硬件性能的提升上
所以在去年的世界机器人大会里边我们看到了像宇树它本身就是四足机器人的这个企业运空性能本来就是有相关的这个技术的基点然后它在世界机器人大会里边推出的产品可以去有 8 米每秒的这个行走的速度像开普勒的话也是展示了在硬件的待机性能的一个提升可以做到 8 个小时的这个待机对这是我们观察到国内的厂商它立的另外一个我们觉得可以关注的点吧
我跟国师和罗老师就把这个人心机器人美国和中国这个行业的大玩家以及生态的建设者再加上一些关键的新势力的崛起的一些内容都跟大家做了一个简单的一个介绍我想对大家的投资应该也有比较明显的关注因为这里面实际就包含了很多这个技术方面的一个发展的路径包括生态建设的一个不同
尤其是大家可以结合中国历史上像家电啊手机啊新能源新车啊这个相关的一些崛起的过程中的一些发展路径你可以发现这个人行机器人和人工智能结合的这个发展方向呢应该也已经是比较明确的一个大方向正好下面这个问题是这样自主机器人好像也是一个处在风口的一个明星产品
那您认为这个全球四足机器人经历了哪些发展过程这两年在技术上又取得了哪些显著的进步呢郭老师整体这个全球的四足机器人也是因为这个今年今年雨术啊在这个春晚的出圈也好或者说是在春晚之后啊就是都是基本上都有一些新的呈现我们就大概呢介绍一下全球四足机器人的发展我们把这个时间线我觉得可以归到三个时间阶段吧第一个时间阶段呢是在 2000 年前
这个时候的话呢更多还是属于一个偏以美国作为一个最开始并且呢以液压驱动为主流就这样的一个方案上但是呢从 2010 年再到 2021 年的这个时候的话本身像波士顿动力它的这个 Big Dog 系列在十年中它也进一步的去做它小脑层面上运控方面的优化另外呢它在动力系统层面上也在去进行做一定的加持所以更多的去在拓展
高負載的這種運動性呢這個波士頓也會成為這個四足機器人當時在 2010 年到 2021 年非常重要的一個代表的企業那麼中國的兩家四足機器公司呢宇樹還有雲深處分別都是在 16 年和 17 年左右成立的那麼他們核心的錨點呢還是一方面在電驅方案然後另外一方面的話呢就是探索
科研 C 端和这个工业场景进入到 2022 年之后的话我们会认为整体矩阵智能其实是在点燃关于机器人这块的一个训练方式的重新调整那在这个过程中呢四足机器狗在多摩泰感知它的一个泛化决策上同样的也是像人行机器人一样就是迎来了受益于 AI 这样的一个浪潮整体的过程中的中国企业呢现在就成为了一个很重要的一个关键一环
在 2024 年年底以及包括像今年一些比较偏重要的一个视频比如说像这个云深处它所展示出来的这个山猫系列那我们就不得不感叹就国内现在四足机器狗在这种非常高难度的场景尤其是一些陡坡超过 50 度的包括有这种比较偏坎坷的碎子就这样的一个路面上来去进行做运动其实这个小脑运功方面提升的还是非常之明显的
這個是它的一個發展歷史那好接下來的話呢我們就進入到它的一個市場整體呢在過去的幾年四足機器狗其實還是處於一個從零到一的一個階段因為到目前為止啊以 2023 年來作為一個橫截面數據來看的話全球的四足機器的銷量也就是剛剛到了 3.4 萬台這 3.4 萬台裡面的話呢其實中國企業貢獻了絕大的部分
如果从市场规模的一个角度过去几年这个市场规模的增长其实是赶不上收入的增长为什么呢主要是在于四足机构它的这种消费场景呢是在不断的导入的而且呢整体构的这个 ASP 其实也在往下走
那我们会认为未来在四足机器人上如果说是放长线来看它有望会成为下一个非常具备潜力的这样的一个移动智能体原因是什么呢首先第一个大家认识到了过往的这个移动机器人因为它更多的形态可能是轮式 履带式这种产品那这种产品的话它在一些要求避障性能更加高的这个领域天然是不太合适的比如说我们在一些战略领域
以及在一些比较偏特殊的这样一些工业场景上还是得以狗这种本身它的立脚点相对比较好又适合灵活跳跃的这种品种来进行做替代然后另外第二点的话是自身其实自读机器狗也是国内这一两年就是二级的上市公司也好
或像是下游的終端客戶也好也都在通過一定的參股成立子公司或者說是併購等這種方式來去做加速的一個佈局落實到就是狗這方面的話它的一個技術變化我們簡單總結一下首先我會認為狗可能最大的就變還是在大腦端和它的一個仿真端是因為它在四足機器狗上這方面的一個研發
同樣的話它也是像它的人形機器人有這樣的一個訓練環境一樣同樣對於四足狗也同樣就是四足機器人可以在這樣一個虛擬場景中基於它的一個大量 AI 合成的一個數據幫助四足機器狗來去進行實現部署所以這是仿真端和人形機器人異曲同工之處
同样的话呢感知端也非常的类似一方面是多模态的融合另外一方面的话呢就是端到端的训练在这个过程中呢其实中国的企业一直呢对于这种 AI 大模型的这样的一个拥抱程度都是相当的积极的
比如说我们能够看到在两三年前的时候当时 GBT 语言模型出来之后国内的企业就马上把这个 GBT 的语言模型加入到它的四足机器人产品上所以其实支持了非常多的主流大语言模型这样的一个接口可以根据客户的需求来去做灵活的配置
那麼決策端這邊的話就是強化學習來去提升複雜決策這一塊我們也列舉了全球目前在四足機器狗上強化學習的一個應用案例這一兩年就是全球做狗的這個企業其實在公開訪談中都會表示他們會認為現在限制四足機器人去做強化學習的依舊這個基礎點的難點還是在於
目前全球的 AI 技術對於真實物理世界的仿真也好模擬也好它僅僅是剛剛開始所以對於四足機器人它的一種複雜動作策略的一個執行目前還是缺少一個非常好的 AI 模型的基礎
这个是它的一个技术以上谢谢那个郭老师郭老师把这个四足机器人这个行业的技术呢分析的也都比较清楚了那我们接下来可以请教一下罗老师那您观察到的就是四足机器人的应用场景有哪些呢可以给大家再详细说一下四足机器人的这个应用场景的话其实我们觉得一个非常重要的事情还是它的一个场景的下游需求
其实和它的供给的特点应该是要相互匹配的所以我们应该首先去看一下整个四足机器人它可能会有哪些特点有哪些优势那像郭老师刚刚也其实进行了一些比较我们觉得其实比较可以有两个维度一个维度的话它是一种足式的机器人而不是轮式和履带式的机器人另外的话它是选择四足
而不是像人心机器人一样是双组或者六组和八组或者更多的这个组那第一个维度的话因为轮式和履带式那确实它表现的优势在一个平坦的路面上它可能会有一个比较快的移动的速度能够呈一个比较好的这个效率而对于四组机器人来讲的话
它的一个特点就是它和地的接触它是一个离散式的点的接触这样会使得它在更加崎岖不平的路面上或者在一些松软的路面上它的一个适应性会强于轮时和履带式的这个机身这是它的一个突出的
另外的一层比较的话,它和双足机器人比较,既然增加了组队,增加了接触点,所以整个稳定性是会有所提升。然后另外承载能力肯定也是会相应的有所提升。而不做六足和八足的话,是因为六足和八足它的结构相对还是太复杂的,技术设计的难度比较高。所以四足机器人它实际上是在它的成本,在它的设计的技术难度,以及它的性能里面取得了一个相对比较好的均衡。
所以我们比较下来之后可以看到它的一个特点有稳定性然后有它的这个承载能力有比较好的这个地形的这个适应的这样的一个能力此外呢很多四足机器人也做得比较小巧可能一个就是 30 千克左右对所以的话它的灵活性也是会比较的高同时呢四足机器人它如果要做仿生也和我们家用的
这个宠物狗的形状是会比较类似的对做成宠物狗的话也可以放到我们家用用到我们的消费端去为大家去提供一些情绪的价值所以它会有这样的一些特点那这些特点的话就很大程度的影响到了它在下游的这个应用
如果我在复杂地形里边我要去做搬运的工作那四足机器人是会比较适合或者是说对人的健康有影响的环境或者是人没有办法进入到的一个狭窄的管道里边我可以用四足机器人放进去做相关的这个巡检因为它有一个小巧它有它的这个灵活性在然后此外的话做成宠物狗的这个形状之后用到我们的消费场景里边也可以很好的去推动我们的一些情感的看护然后去给我们的
孩子的这个陪伴呢包括一些给我们提供一些情绪价值对这都是四足机神它本身底层的特点所决定的它的一些应用场景呢可以往这方面去进行一个考虑而当前应用场景的情况是怎么样的呢其实我们去年啊整个中国在二三年的时候整个四足机神的销量大概是 1.8 万台左右然后在里面的结构的话用到工业端的四足机神大概是占到了 60%
然后用到科研用到教育领域的这个基层的话大概是占了大概是 25%左右剩下的 15%的话主要是用到消费端对是这样的一个情况好的谢谢那个罗老师把这个应用场景包括各个场景的比例呢也都给大家介绍的比较清楚了那么刚才郭老师在讲的时候也提到包括罗老师也提到全球的这个四足机器人销量里面中国的生产呢还是占比比较大的
那么郭老师您是不是能给我们再详细的介绍一下就中国的四足机器人的这个市场的这个位置是什么样的那么四足机器人市场增长目前主要的驱动力又来自哪里呢那刚才罗老师其实也是提到了就解释到这个 2023 年的话中国已经是实现了这个万台以上的四足机器人的出售那么从 2023 年再走到 2025
我們會認為這個符合增速可能依舊還是能夠維持在一個接近 30%這樣的一個水平線的也就是說今年可能中國整體以國內的這個角度來看的話四足基層的銷量將會上三萬台以上
那么为什么在过去能够为其复合三十其实这里面的话呢也是刚才罗老师所提到的工业层面上的一个应用是目前四足机器人迅速成长的第一阶段的一个驱动力我们能够看到就是从这两年四足机器人这块的一个公开招标来看的话基本上是围绕着两个很重要的一个痛点第一个很重要的痛点的话呢就是一些比较偏空
通旺場區這方面的一個巡檢和監測比如說以電網為例像電網的這些變電站它都是遠離市區的然後通常變電站這部分的一個人員也都是配置上比較少的所以四足機器狗的話你過往可能在變電巡檢中會有一些履帶士或者是一些輪士
但整體它的這樣的一個你即便說是看到了但是它在過去的一個部署上面的話依舊沒有像狗一樣體現出非常好的一個靈活性所以在 2025 年的話也會有一些電網企業開始去進行對四足機器狗產生第一階段這種小票的一個招標了這就是第一個事情然後第二個事情的話就是目前在石化化工領域同樣我們舉一個流程行業的一個代表就是石化化工領域裡面
有一些场景它是比较偏高危的就是如果说是人置身于这个环境呢它整体它的一个不是说特别的适合人员去定期去做检测因为大家都知道像化工领域里面是有非常多的仪器表包含像像样的阀门啊安全纱啊等这些是需要经常去进行做维修和检测的那这个时候呢我可以在自助机器狗上去搭载一定的这样的一个传感器比如说我可以用视觉来去进行
你看間接的去進行呈現去代替就過往人你比如說靠走過去我要記錄在這樣的一個記錄儀上就這樣的一個工作的一個比較偏固態的一個場景這個是在 B 端領域裡面我們所提到的然後在這個戰略領域上面的話可能會相對敏感但是確實像美國它所體現出來的在四足機器狗的一個和比如說和這個無人機一起來去進行協同這個也是已經展示出來的
一个明确趋势那整体呢现在国内的企业你比如说像几家比较头部的公司明确的表示了就是在 2025 年的话会非常的注重四足机器口在下一个场景的挖掘就是可能从过去从一个做标准品的这样一个思维慢慢的在这个国内的产量到了这样一个规模水平之后去和它的一个下游的系统集成上或者是一些下游的
设备工人厂商来去做一定的战略合作你比如说以股权的方式或者说是谈战略框架合作协议这样的一个方式来去做进一步的集成化和这个产业垂直落地的一个应用化嗯这个是关于呃国内企业目前的一个情况嗯
好的谢谢那个郭老师把国内这个行业的发展呢讲的这么详细那么罗老师您觉得就是 2024 年发布的刚才提到的这个不同应用场景的行业级的以及消费级的这个四足机器人里面这些新的产品相比过去来讲有什么特点
林老师就是我们觉得呢这些新的产品的特点可能是在三个方面一个方面的话就是大家的运行性能还是会在持续的提升然后我们觉得这个还比较重要因为有一些看到大家新的这个技术在应用然后第二个方面的话也是和 AI 的结合程度可能也是在不断加深的然后第三个方面就是四足之前的应用场景
它还是在持续的拓展这也是我们在今年的很多新品当中可以看到的今年发布的一些新的产品它所采用的这个四足机唇好像夏天又加了一个轮子我们说最开始的时候大家是希望用离散式的一个点的一个接触来提升整个产品的稳定性包括地形的适应性而轮式的话当然也有它的优势最开始我们也给大家介绍过那么它在比较平坦的地面上它的效率它的运行的速度
它是会有优势的那两者相结合就一方面我在运动的效率速度上进一步的提升然后同时呢我的这个稳定性包括对于地形的这个适应性我的这个优势还是在的所以会进一步去提升整个四足机器人它的整个运控的这个能力然后这种叫做轮足式的
这个四柱汽车那我们看到的话从 2024 年到现在包括一些产品的发布包括一些视频的发布里边很多的新品其实都是采用这种轮足的这个技术像两家有比较代表性的企业杭州的企业一家是语术然后一家是运生处
他们的一些新的这个产品包括这个宇树的这个 B2W 包括这个云深处的这个山猫它其实都是采用了这种轮足系的这样的一个结构那这个运控性能的话其实宇树也发布了一些视频啊它这个机器可以在里面去跑酷包括它跨越一个障碍物的时候它可以高高的跃起在空中再做一个转体
然后再落下去可以看到的话就比较像我们在滑雪的一些表演里边一些技巧性的这个动作它是可以完成的然后像三猫的这款机器人呢一方面的话它可以有五米每秒的运动的速度还比较的快然后下台阶的话可以连续的下二十多厘米的这个台阶同时呢它也可以向上去攀爬如果你是一个八十厘米的高台
那它这样一个就是比较小巧的机器它也可以爬得上去对这都是反映它运控性能的提升像语数最开始去发布的一款产品的话像 Go2 那么这款产品本来是一个消费级的
四足的机器然后现在也是出了轮式的轮足式的这样一种版本对这是我们觉得非常重要的一点就是通过这个技术的改编技术的这个应用导致运功性能进一步上了一个台阶对然后第二个方面的话就是和 AI 的这样的一个结合那本身像语术最开始发布这个 GoTo 的时候它其实就接入了一些语音的大模型可以和人去进行语音上的这个互动 2024 年的时候我们也看到了
像有某些新的产品比方说像这个 baby alpha 它的二代产品的这个发布然后它是可以和人进行多模态的这样的互动那往后看的话往未来去展望我们觉得多模态的 AI 它和这个四足机器的结合也是有望去提供就是我们
和人更多的一些交互的体验给我们带来一些情绪的这个价值因为如果是我们面对一个宠物狗的话那不仅是我可能语音跟他有一些指令他会做相关的动作同时的话我给他一些抚摸对吧他可能走过来也会冲我去打滚然后也可能会冲我摇尾巴表情上的这个变化他也可能会读懂然后去
进行它进一步下一步的这个操作所以这些多模态的这些模型如果未来包括触觉包括视觉更多的去用到自动机器而上实际上对它在消费领域给我们消费者带来的体验带来的这个情绪价值的话是有望得到进一步的这个提升的
第三个方面就是场景的拓展最开始我们也讲到哈斯杜西奇尔它的一个特性可能天生就比较适配于包括像搬运的环节像我们的一些巡检的环节安防的环节它都是有它的一个特点有它的优势在现在的话在 2024 年我们也看到包括像云深处它和一些二级市场的公司一起去合作在核工业的领域进一步去进行一个拓展
然后以及某些公司的话可能会在一些化工在一些防爆的产品里边进一步去开发针对性的四足机器的产品所以它应用场景的持续的拓展也是我们当前看到的一个非常重要的变化罗老师用比较直观的例子就给大家讲了一下 2024 年的行业发展的一个情况刚才郭老师其实也提到这个行业从目前来看
依然是一个成长性非常好的行业前两个部分呢郭老师和罗老师给我们介绍了行业的一个那个与人工智能啊人型机器人啊四足机器人相关的一些内容同时把这个赛道上的主要的玩家各种的新势力各种技术特点他的行业竞争格局
以及增长情况这些都跟我们进行了一个分析那么我们就来到了今天的第三个部分我们展望一下未来因为对于投资来讲可能更多的都是要投资未来的所以对于未来怎么看我们今天可以详细的让谷老师和罗老师跟大家分享一下
首先问一下郭老师吧您是如何看待未来机器人在技术市场和应用方面的这些发展趋势呢那我主要是想分享一下比如说技术或者说研发层面聚焦到未来的话呢有三个观察第一个观察的话呢是数据量就目前的话呢数据呢是困扰着这个人工机器人如何去做更好具身智能的一个瓶颈点
就包括我们刚才所介绍的为什么像英伟达也好其他公司也好他要去进行做仿真训练本身主要就是在于与单一模态的这个大模型的数据量不一样其实可以真正的用在基层做巨神智能的领域的数据是非常之有限的所以其实像强化学习啊模仿学习尽管它能够取得很好的效果但是毕竟你的这个推理成本相对来讲比较高
那未来的话呢我们其实更多的还是关注围绕着怎么样去更好的采集数据这块会不会有一些新的突破那么在这一点上呢我们会认为啊就马斯克同样也在发愁这个问题就是他也会提到目前训练人行机程的数据量他认为需求至少 VS 这个汽车行业里面的自动驾驶应该是至少是在 10 倍以上的一个训练数据量的训练成本也会更加的高啊
所以数据的获取和数据的训练这个我们会认为在未来的几年时间里面可能都还会催生一些新的这个液态然后另外第二点的话呢就是围绕着前沿还是得回到这个世界物理模型本身我们会认为这个世界物理模型本身呢它是一个非常让机器人也好或者说是未来任何的工业自动化设备也好都能够去具备泛化属性的一个关键点
那么就像人形机器人 4 的大家非常希望人形机器人可以去学会人的这样的一个物理的一个规律或者说人的一个过程那么在这样的情况下其实我会认为在围绕着世界物理 AM 模型这一块除了像英伟达本身它刚刚发布了这个产品之外以后可能还会再诞生出来更加多的这样的一个大模型平台甚至有可能也会出现类似于像 NLP 目前行业里面呈现出百模大战就这样的一个情况
我们需要去进行基于这个物理原理去更好的去优化我们在 AI 落地的一个底层基础这个是第二个事情那么第三个事情的话呢就是人行机器人他的一个自身的泛化性了因为我们刚刚所提到的很多的大模型的一个演绎它都是基于比如说我希望你看视频你就能够学会
所以像图文大模型结合着这种布模特等等现在确实是在不断的演绎中那真实的机器人的大模型以后可能仅仅有这几个模特或许还不够所以泛化性的通用性的大模型我们会认为很多的学者都认为我们至少还是需要至少有五年左右的一个时间才真的能够看到解决能够有效的去解决我们现在的一个痛点的
这个是围绕着技术方面的话我的一个思考技术方面的发展趋势呢给大家做了直接的一个提示那么罗老师您对于这个发展趋势上是怎么看的
好的那我就技术方面郭老师已经讲得非常全面了那我就从它的应用场景这边然后我们觉得有两个逻辑是可以关注的一个逻辑的话它可能是从 QB 端的场景最开始被大家重视然后逐渐的去打开 QC 端的场景有一个过渡的这个阶段然后第二个方面的话就是最开始的时候
可能人心基金的很多应用还是停留在他专一的这个场景里边而最终的话我们是希望把通用性能比较强的决心只能做出来所以可能会逐渐的从专用往通用去进行迈进这是一个发展的潜在的规律从第一个规律上来讲我们看到现在很多的这个人心基金企业他都是还在和汽车企业合作包括像这个 UOB 选 TOWOCLS 进入到了未来的这个产线里边去进行一些
实战包括这个特斯拉它可能会量产的机器人也是会首先去用到自己的汽车工厂里边去进行一个训练那么汽车本身它是虽然它本身已经看到有比较高的这个自动化率但是在它的中后段的产线上仍然会存在一些人工是可以被我们人心机器人去进行一个替代的同时呢它本身也是在工业机器人下游领域非常重要的这个市场它的一些应用它的一些场景
其实为人生机器的发展提供了一个比较好的这样的试验田所以现在看到很多的企业的话它其实都是会把汽车这个下游的这个应用在当前有一个比较重要的这样的一个发力而往后去看的话那随着像郭老师刚刚所说的这个大模型它的一个成熟度
可能会要花比较长的一段时间才能够有比较好的提升那更多模态的大模型的话加到这个人心机器上去之后那才和人的这个交互能力交互的这个体验可能会得到更加充分的这个提升才有望去助力于 C 端市场的这样一个打开最开始的时候因为像我们国内的很多企业也是这样
对吧我在方案上做一些减配但是我对下游场景的这个理解的话可能先把它用在一个专一的这个场景里边那等到它的这个大模型泛化能力真正的作用到人心机器人之后我的这个通用性才能够得到打开就好像最开始的时候我们的手机这款产品从一个 BB 机去过渡到一个智能手机的这个概念使得这个机器人可以去像通用的这样的一个条件去进行一个发展对所以我们觉得这两个方面都可以做一个
关注哈然后从一个发展的预计上来讲的话我们觉得可能近两年人生机器人它还是主要在 B 端得到比较多的这个应用而且主要是应用在就是我们的一个比较偏专用的这个场景那么到下一个阶段的时候可能会看到在 QC 端的市场逐渐的去打开而且根据政策的指引的话可能在 27 年到 28 年有几个场景它会有
一个相对比较落地的这个应用而那么如果进一步去展望到 30 年当我们硬件软件都进一步成熟了之后那它的通用性就可能会更加的体现出来然后 C 端的市场进一步打开才可以看到就是整个行业相对来说更加指数级别的这种方量
罗老师实际把这个机器人 2B 到 2C 然后从专用到通用这些发展的方向呢也给大家做了一些提示那么我们落在投资这个问题上我们接下来就请两位老师呢再跟大家总结以展望一下
像过去三年这个机器人这个行业方面的投资有哪些特点那么展望 2025 年甚至说更远的将来这个机器人领域又有哪些机会值得大家去关注呢我觉得要不郭老师先给大家分享一下过去三年的话呢国内我们侧重还是分享一下这个 A 股市场就是围绕人形机器人的投资因应该讲每年其实都会有比较好的这样的一个主线行情
当然如果回首每一年我们会发现这个节奏点和这个爆发点还是会有所差异比如说在 2022 年的时候因为特斯拉呢它其实是在这个 10 月份的时候 AAD 才公布了它的技术方案
所以当大家都不太知道它的技术方案的时候 A 股的资本市场其实着重还是延续了过往在工业机器人时代里面大家看到的这样的一个硬件的设计理念所以 2022 年的话呢因为工业机器人它的一个旋转观更多是以旋转观念来作为主导所以 2022 年核心资本市场演绎的就是一个旋转执行器或者也可以称之为是里面的核心品种减速器就这样的一个大年这是 2022 年
然後一路走到這個 2023 年的話事情就不一樣了當這個特斯拉公佈了它既用旋轉又有這個線性直徑關節的時候 2023 年大家其實就開始瞄向於四槓
為主導的 限定驅動它所代表的一個投資機會這個是 23 年然後 24 年的話它是和整體的 AI 的大行情實現強共振的更多的一個體現因為在去年本質上特斯拉其實它公開釋放的資金其實並不多應該坦白來講在這個特斯拉過了今年 2024 年更多是在釋放它的人形機器人的進展所以在大家都摸不到就是我到底技術上有哪些更加顆粒度的催化的時候
大家就會把全球的 AI 基礎測加上人形機器人作為一個連動性的主線來去配置核心就是體現在 2024 年當時英偉達的 GTC 大會上你會發現人形機器人它是一個很強勁的伴隨的主線那麼去年的四季度之後隨著國內廠商的接入所以國內的人形機器人產業鏈也終於迎來了一個補兆
这个是 24 年然后 2025 年的话开年以来呈现了一个这样的一个趋势是大家可能一方面会把更多的精力全贯注到这个更加有望去经营量产的这个龙头公司的供应链的挖掘上然后另外就是不断性的就是伴随着一些短期责估的一个角度
依舊是延續了事件驅動就這樣的一個比較偏高波動就這樣的一個情況尤其是在這個過程中如果有企業來去進行宣佈他們在人行基層的最新規劃或者說是有一些新的樣品的切入的話其實它的股價還是會呈現一個很好很不錯的彈性這個是過去但是就是展望到未來的話
我們會認為在這個行業慢慢的進入到一個量產化真正部署的時候很有可能這個行業未來再站到三到五年來去經營看的話有很多的企業可能會有很多的企業會被政委就在這個過程中不是說大家都願意去投資本開支或者說技術最終都能夠拿到
入场的门票我们会认为这个市场的话还是一个比较偏残酷的一个现实因此在慢慢的未来几年我们还是建议就是从长期选股的维度应该来讲还是优先参考一企业有望去参与到的价值量
包括它本身它是不是一个平台化的公司以及过去有没有证明过自己就是一个平台化的企业另外第二点的话是企业自身的一个主营还是要具备一定的造学属性或者说是主营尽量的还是有一个比较偏稳健的盈利能力有很多的公司可能即便你比如说宣布进入但是如果它的主营不太行的话它如果不断的得依靠这个二级市场融资其实这种事情也是不可持续的很难去助力他们在未来这个产业里面长续的跑赢
因此主因稳健或者说至少可以称之为是优秀也好或者黑马也好应该是从我们在长期选股上应该侧重的一点这个是从投资的一个风格上然后呢那个投资的一个关注方向上的话我会认为从一级的角度应该来讲国内市场和海外市场差别还是有点大
像海外的这个一级的话更多看重的是偏大脑端加小脑端就是软件类公司这样的一个 idea 然后愿意去基于它的这个在软件方面的 idea 去投他们而国内的这个一级这边的一个青睐度可能目前更多的投向的是本体企业
或者说是在一些比较偏高价值量盈利能力又可能以后潜在比较高的传感器这些偏向于一种硬件的这种形态来去进行选择投资的标的这个是我简单的分享一下我的一个观察好的谢谢那个郭老师对于未来的一个展望那么罗老师您是怎么展望的呢郭老师从海外的一些核心的产业链其实做了非常详细的这个分享
那我就简单去说一下就是这个一个简单的框架就是我们觉得呢就是在人心机器人的这个行业里边其实表现的比较突出的一个事情是就是大厂或者链主他会有比较强的示范带动效应这和其他的新智力板块还不大一样比方说在低空经济里边其实大家关注的可能是一些政府的这个动态他对整个行业发展的牵引的这个作用那么对于人心机器人来讲的话
因为之前的很多的主线行情其实都是因为大厂它有一些新的机型的发布它有一些技术迭代所带来的包括对于未来指引的这种概念所以我们看到了这样的一个特征然后此外的话在我们去看到了各条产业链相关的链组之后每条产业链其实我们都可以去关注几个维度的事情第一个维度就是技术的方案然后第二个维度的话就是商务的关系就是我们平时所说的供应商的定点
然后第三个维度的话则是整个量产的这个进展然后第四个维度就是下游的应用就是商业闭环的这样一个验证那这几个方面的话都是会比较的这个重要那从国内的这些产业链来讲的话首先就是第一个大家比较关注的
华为这样一条产链它有比较强的释放带动的效应但是它是从 0 到 1 的这个阶段所以在这四个维度里面前两个维度一个就是它的技术方案那如果今年有新的机型的推出那到时候它采用怎样的一些核心零部件肯定是市场相对来说是会比较的
关注的然后另外的一个方面的话就是哪些公司哪些他的一个朋友圈可能会和他一起去做人心机神去建立相关的商务关系作为商务关系他可能会增强的一些事件包括合资去成立一些公司或者是说从深圳的这个巨星智能平台里边去承接一些各政府的课题那都可能是会做一些相关的这个佐证我们觉得这是这个链条上可以做关注的
然后另外对于国内的其他的产业链条来讲一个就是如果说这个产业链条它的影响力在提升比方说像雨树在春晚上我们看到了这个 Young Boat 它的一个发布引起了市场对于雨树的这个产业链有更高的这个关注度那么它相关的这个技术方案对吧它可能很多国内的公司还去在用行星减速器那如果国内的这个公司的影响力关注度在提升的话那相关的这个行星减速器的一些厂商的逻辑
编辑上就可能会有一定的这个增强对这是可以关注的一个点然后另外的一个点的话也像我们刚刚所提到的国内很多厂商它的量产包括它下游场景推进的速度可能是相对是会更快的那这个时候它已经落地到就是整个需求的验证的这个阶段所以这个时候我们需要去看它下游场景验证的反馈情况是怎么样的
像去年已经量产的这个智源以及像就是我们看到这个银河通用它其实也是在和美团的药房有相关的这个合作然后去开发一些药房里边的这个智能解决方案如果说进展是会比较顺利整个场景得到验证那它的空间也可能会得到一个比较大的
打开那这个时候的话那我们市场的关注度就可能会像这些量产并且下游得到验证的这样一些企业然后有更多的这样一种关注度更多的这个热度对这是我们觉得可以去考虑的一些简单的框架
好的好的非常感谢郭老师和卢老师对我们这个行业未来的一个展望告诉大家这个行业实际上是一个成长非常明确同时增速也比较快的一个行业我想从这个角度来看对于大家关注未来的一级市场和二级市场的投资机会来讲都是非常重要的
而大家也在这个一个小时里也体会到我们的行业研究员在这个跟踪行业和分析公司方面具备了很强的一个基础和前瞻性所以希望大家可以持续的关注我们
那么今天的节目呢也到了一个尾声而每到这个最后呢我们都会进入到一个真心话环节通常我们都是用一个开放性的问题就是请两位这个优秀的研究员老师给我们分享一下在过去的这些成长的历程里有没有某一个信念行为或者习惯真正的改变了像您的一个生活是不是能够帮助到大家要不还是请郭老师先说一下嗯
像我和羅老師的話應該都是在中經有接近三到五年的一個工作的歷程所以在過去的一個從出入職場然後到成長到現在我們會覺得起碼伴隨我的一個比較好的一個
习惯也好或者是思维模式也好就是还是喜欢一个比较偏定期的一个复盘因为我会认为无论说是工作还是像投资研究整体对于产业规律的一个反复推演有的时候它是一个非常触类旁通的一个过程
比如说像我们今天其实所探讨的人影机器人我们就会发现当这个产业出来的时候我们没有任何的一个现归那我们怎么样去进行探索在这个过程中会演绎出来的一些大的逻辑那这里面的话呢我们可能会从这个其他比如说偏
AI 硬件的这样一个角度比如说过去啊像消费电子里面的这个手机以及汽车里面的这个支架他们从无到有中间这个产业链会经历过什么样的一个历程尽管可能我们也没有那个时候真正的去经历过但是呢通过去进行分析当行业刚刚出来的时候这些企业是怎么做的然后后续的话呢哪些企业有望去进行跑出来包括在这个过程中它的一个投资风格会呈现什么样的一个变化
通过复盘吧都是能够让我们去把握这些从零到一的一个机会这个是从头演当然从生活上的话呢我会认为复盘本身是一个比较好的一个习惯尤其是在金融这个行业我会认为相对来讲比较偏高的一个任务要求和这个时间线的一个要求吧所以其实定量的还是会去回顾一下每年有哪些比较重要的一个事情有哪些背后的挑战以及中间到底怎么样去把这个东西去做得更好对
来获得一定的经验对这个以上郭老师提到的两个关键字呢就是复盘我想对于那个投资和交易的朋友来讲这件事呢应该也是每个人必不可少的一个动作希望大家在未来的投资中也可以不断复盘不断成长罗老师您是怎么看的呢
好的郭老师提出的关键词是复盘然后我觉得我这边的关键词就会叫实践实践的话其实对于我们去验证一些研究的看法研究的观点还是会非常的重要的不能只靠就是本身就是从二手去得来的这个信息或者是
只是在网上去收集这些资料然后最后得出一个结论我们看到的话在研究里边的话就是大家做事件非常重要的一个方面都是去调研一方面可以有一些一手的信息然后另外一个方面的话对于当前的一些实际的这个情况会有一些微观的这个感受这样的话对于佐证我们的一些观点或者甚至是改变我们的一些观点都是会非常的重要像消费的研究员他可能会
到商超里面去进行实地的体会就是前沿科技包括我们这个人心机器的话我们也看到就是很多研究院老师去参加一些基层的这个大会要和基层有一个直接的这个互动即便是我们研究宏观的老师我们也看到他们会到实地去采访包括海外这个访谈去感受到当地微观的这样的一些变化那么这对他们的研究其实都是会非常有帮助非常重要的
那如果是其他的方面比方说就现在像我们的这个实习生然后像我们的一些同学那么他们在面对着工作的难题的时候可能也比较难说就是哪份工作自己是真正的比较适合自己的
那这个时候的话他们所做的一个实践工作就是要去做实习然后去不断地去探讨这个人生的可能性并且去在里边去总结出自己未来的一个发展的这个路径对所以就是我们觉得的话就是这个实践啊出真知就是无论是研究还是我们的生活当中都是会非常重要的听那个罗老师分享的我就想起一句诗叫《纸上得来终绝前》
觉知此事要公行实验这个证人对于每一个就是真实的投入生活的这个每一个人来讲都是必须经历的一个过程希望通过郭老师关于复盘然后罗老师关于实验的这个分享能够帮助到大家
也希望大家在未来的投资和生活中能和我们中金公司中金财富和我们这些一线的研究人员和我们的销售人员共同成长大家一起在这个市场上去得到自己的希望得到的内容并且实现我们生活的一个目标从生活中来到生活中去投资可能就是生活的一部分
以上就是我们节目的所有内容感谢收听节目之外更多精彩内容请关注我们的视频号中金公司财富管理欢迎大家关注点赞转发您的支持是我们更新的动力我们下期再见风险提示
中金财富及嘉宾提供的任何信息和观点均不构成投资建议中金财富不以任何形式对用户承诺投资收益或保证本金不受损失市场有风险投资需谨慎本集播客中的内容及演示材料版权归中金财富所有未经中金财富书面许可第三方不得以任何形式摘影编辑截取以及其他不恰当方式传播感谢大家的收听