大模型赋能人形机器人，软硬融合共创颠覆性产品

核心观点 ⚫国内蓝图开启，海内外利好有望共振。11月2日，工信部印发《人形机器人创新发展指导意见》，明确人形机器人发展目标，2025年实现整机批量生产，2027年要形成安全可靠的产业链供应链体系。海外方面，特斯拉人形机器人进展迅速，在两年不到的时间内实现了快速迭代，完成了开发平台建造、Optimus产品亮相以及电机扭矩控制、环境探测与记忆、双手复杂任务等能力的实现。马斯克预计Optimus将大规模量产至“百万”量级，预计其单台成本或将低于2万美元。 ⚫软硬融合，打造人形机器人新高度。软件决定人形机器人高度，算法需与硬件匹配。人形机器人本质是AI系统落地物理世界的最佳载体，算法是核心，需与硬件匹配。根据GGII预测，到2026年全球人形机器人在服务机器人中的渗透率有望达到3.5%，市场规模超20亿美元，到2030年全球市场规模有望突破200亿美元。 王天一021-63325888*6126wangtianyi@orientsec.com.cn执业证书编号：S0860510120021浦俊懿021-63325888*6106pujunyi@orientsec.com.cn执业证书编号：S0860514050004杨震021-63325888*6090yangzhen@orientsec.com.cn执业证书编号：S0860520060002香港证监会牌照：BSW113丁昊dinghao@orientsec.com.cn执业证书编号：S0860522080002 ⚫大模型赋能人形机器人，具身智能是未来目标。人形机器人是软硬件能力高集成的实体，商业化的核心突破点在于“AI大脑”。大模型为人形机器人的发展带来了新的突破，使机器人具备更高的事物处理能力和自然语言交互能力。大模型的泛化能力则让研究者看到了人形通用机器人的曙光，泛化能力的出现让大模型能够在没有被训练过的场景中也能表现出色，是AI实现通用性的基础。综合使用多种数据模式的信息，可以显著提升模型的性能。因此，端到端的训练方式会在机器人模型领域有更多优势。今年内，科技巨头们纷纷加入了机器人大模型的探索中来，试图找到一条适合于通用机器人的算法道路。 ⚫目前来看，距离实现真正的具身智能水平的模型还有很长的路要走。机器人大模型还面临着诸多问题：机器人算法的训练需要大量机器人真实数据，但实际可用于训练机器人学会执行新任务新技能的高质量数据非常匮乏；同时，机器人大模型行动控制的周期仍太长，无法做到实时响应，需要大量算力支撑；人形机器人零部件众多，做好软硬件协同才能发挥其硬件水平。 覃俊宁qinjunning@orientsec.com.cn ⚫投资建议与投资标的 国内顶层设计规划路线，明确量产时间点、关键技术、重点产品以及示范性应用场景，结合海外以特斯拉Optimus为代表的人形机器人持续推进，人形机器人产业化迎来曙光。我们看好人形机器人产业趋势，建议关注产业链上的核心零部件相关公司以及大模型公司： ⚫总成：三花智控(002050，买入)（汽车组覆盖）、拓普集团(601689，买入)（汽车组覆盖）；⚫空心杯电机：鸣志电器(603728，未评级)、鼎智科技(873593，未评级)；⚫减速器：绿的谐波(688017，未评级)、双环传动(002472，未评级)、中大力德(002896，未评级)；⚫编码器：奥普光电(002338，未评级)、禾川科技(688320，未评级)、汇川技术(300124，未评级)、昊志机电(300503，未评级)、峰岹科技(688279，未评级)、儒竞科技(301525，未评级)⚫丝杠和轴承：五洲新春(603667，买入)、恒立液压(601100，未评级)、贝斯特(300580，未评级)、秦川机床(000837，未评级)、鼎智科技(873593，未评级)、禾川科技(688320，未评级)；⚫配套高端设备：田中精机(300461，未评级)、华辰装备(300809，未评级)、浙海德曼(688577，未评级)、日发精机(002520，未评级)；⚫传感器：柯力传感(603662，未评级)、昊志机电(300503，未评级)；⚫IMU：芯 动 联 科(688582， 未 评 级)、 华 依 科 技(688071， 未 评 级)、 苏 州 固 锝(002079，未评级)等。⚫大 模 型：科 大 讯 飞(002230， 买 入)、 鼎 捷 软 件(300378， 未 评 级)、中 科 创 达(300496，买入)等 风险提示 人形机器人进展不及预期；国产替代进程不及预期；行业竞争加剧 目录 一、人形机器人：曙光已现，软硬融合共造颠覆性产品.................................5 1.1国内蓝图开启，海内外利好有望共振............................................................................51.2软硬融合，打造人形机器人新高度...............................................................................9 二、大模型+机器人：未来智能革命将至......................................................13 2.1大模型赋能人形机器人，具身智能是未来目标...........................................................132.2科技巨头纷纷入局，通用机器人算法路线仍需探索....................................................16 三、机器人大模型面临的问题......................................................................26 3.1高质量训练数据缺乏，合成数据有望成为新方向........................................................263.2实时性仍需提升，算力可能是瓶颈.............................................................................273.3软硬件融合是最终目标...............................................................................................28 投资建议与投资标的....................................................................................30 风险提示......................................................................................................30 图表目录 图1：工信部印发《人形机器人创新发展指导意见》明确发展目标和重点任务............................5图2：特斯拉人形机器人发展历程图.............................................................................................8图3：人形机器人软硬件架构示意图.............................................................................................9图4：人形机器人行业产业链.......................................................................................................9图5：2026-2030年全球及中国人形机器人行业市场规模预测(单位：亿美元)...........................10图6：2023年人形机器人核心零部件价值量分布图预测...........................................................10图7：2030年人形机器人核心零部件价值量分布图预测............................................................10图8：特斯拉人形机器人FSD视觉感知方案分析图...................................................................11图9：AI大模型助力人形机器人拆解任务示意图........................................................................12图10：具身智能的研究是多学科交叉的.....................................................................................13图11：波士顿动力机器狗接入ChatGPT能力后能与人类交互...................................................14图12：波士顿动力机器狗可以扮演不同性格的导游...................................................................14图13：泛化的种类.....................................................................................................................14图14：Tesla Optimus是完全端到端训练的...............................................................................15图15：GPT-4V可以与环境进行正确交互..................................................................................16图16：具身智能机器人算法一览图............................................................................................16图17：传统机器人任务需要工程师不断调整目标.......................................................................17图18：引入ChatGPT后无需工程师在循环中进行调整.............................................................17图19：ChatGPT for Robotics的设计原则.................................................................................17图20：ChatGPT可操作机器臂拼出微软Logo...........................................................................18图21：需要将外部环境转化为文字信息输入给ChatGPT.............