机器人产业洞见系列电话会20251130

2025年12月01日16:07 关键词 特斯拉供应链订单蓝思科技五洲新春日行电子机器人恒力液压大模型数据仿真真实世界参数训练硬件软件商业化UMI采集成本 全文摘要 本次对话涵盖了多个领域的发展与机遇，着重分析了特斯拉供应链的动态，特别是特发供应链在12月后的潜在影响，以及特斯拉相关标的如蓝思科技、五洲新春和日行电子的超额收益潜力。此外，讨论转向机器人行业，指出12月至次年1、2月可能的订单落地将为行业带来收益机会，恒力液压因与特斯拉合作被视为潜在受益者。在AI领域，大模型时代和UMI采集工具的应用被提及，强调了对智能技术发展的推动作用，以及通过不同数据类型提升AI模型性能的重要性。 “机器人产业洞见”系列电话会-20251130_导读 2025年12月01日16:07 关键词 特斯拉供应链订单蓝思科技五洲新春日行电子机器人恒力液压大模型数据仿真真实世界参数训练硬件软件商业化UMI采集成本 全文摘要 本次对话涵盖了多个领域的发展与机遇，着重分析了特斯拉供应链的动态，特别是特发供应链在12月后的潜在影响，以及特斯拉相关标的如蓝思科技、五洲新春和日行电子的超额收益潜力。此外，讨论转向机器人行业，指出12月至次年1、2月可能的订单落地将为行业带来收益机会，恒力液压因与特斯拉合作被视为潜在受益者。在AI领域，大模型时代和UMI采集工具的应用被提及，强调了对智能技术发展的推动作用，以及通过不同数据类型提升AI模型性能的重要性。对话最后触及了传感器技术的进步，特别是从2D到3D的转变，以及对机器人性能的优化。整体讨论聚焦于技术创新、供应链优化和市场需求变化对行业及企业的影响与机遇。 章节速览 00:00特斯拉供应链及机器人项目进展汇报 对话围绕特斯拉供应链及机器人项目展开，强调了供应链订单在12月后的增长预期，特别提及蓝思科技、五洲新春和日行电子三家公司作为特斯拉链的超额收益标的。讨论了市场对特斯拉机器人项目预期的转变，以及未来订单落地可能带来的产业机会，建议关注相关公司动态。 04:34恒力液压与特斯拉合作及业绩展望 对话讨论了恒力液压与特斯拉合作的确定性，包括订单落地、机器人产线建设等。同时，提及公司上调明年收入预期至25%，利润弹性提升，主要得益于挖机市场液压泵份额超预期、农机订单放量、规模效益显现及亏损工厂减亏。预计明年的利润处于上行通道，叠加机器人供应链核心地位提升，公司有望实现戴维斯双击。 09:29国内产业链深圳调研与机器人产业发展趋势 近期对国内产业链中深圳相关非上市公司的调研显示，乐剧、仲景等公司在运动控制和硬件本体打磨方面表现突出，产业端硬件设计趋于稳定，预计未来重心将转向软件迭代进步。明年机器人厂商出货量预期较高，主要集中在商用领域如政府采购、商业导览等，核心主机厂有望在一季度至三季度陆续上市。国产链研发方向侧重小脑部分的数据模型训练，而大脑大模型训练较少，期待特斯拉在自身智能领域带来技术进步，国产链将关注这一进展。 11:26大模型时代下集成智能的数据侧模型侧新变化 在大模型时代背景下，集成智能领域迎来了参数量达到七亿级别的大模型，这标志着从样本数量和参数规模上的重大突破。为解决数据问题，提出UMI采集工具，这是一种低成本、无特定本体限制的真机数据采集方案，由手持夹爪和外部视角相机组成，旨在提升数据质量和泛化能力，同时降低采集成本和周期。 14:35 UMI轻量化设备在真实素材采集中的优势 UMI设备通过采集视觉信息和惯性传感器数据，实现了低成本、高效率的真实素材采集，扩展了采集环境，增强了数据泛化性，并大幅降低了采集成本。与传统瑶操模式相比，UMI设备的操作速度更快，部署时间更短，且不受特定机器人本体限制，适用于多种场景，未来有望大规模应用于真机数据采集领域。 20:16计算机与传感器技术在智能领域的最新进展 对话讨论了计算机领域在大小模型训推测和特种行业机器人训练方面的进展，以及传感器技术从2D到3D的升级，特别是在复杂环境下的应用。提到了与头部汽车厂商合作的仿真环境项目，以及金融雷达、速腾和禾赛等企业在3D传感器领域的潜在收益。 思维导图 发言总结 发言人3 首先表达了对梁老师以及同部门两位老师的感谢，并自我介绍为孙凯琪。她强调其汇报重点在于集成智能板块，特别是数据侧和模型侧的最新进展。提及自11月初北美发布的70亿参数大模型后，智能领域已进入大模型时代，大语言模型预训练参数量的提升虽带动了算力与训练时间的线性增长，但同时面临模型参数规模增大导致的预训练收敛点增大的挑战。发言人深入讨论了大模型时代下数据问题的困境，包括人类数据、仿真数据及现有数据集的局限性，并介绍了UMI采集工具作为潜在解决方案，该工具以低成本、轻量化的方式，提供非本体、真实环境下的数据采集方案，有效降低了数据采集成本，提升了数据的泛化性和采集效率。最后，发言人概述了计算机和传感器技术的新进展，包括模型推演、传感器升级以及在特定行业应用的探索。 发言人1 他讨论了特斯拉供应链的当前情况及其对市场的影响。尽管市场对特斯拉机器人发布会和量产的预期较为悲观，但实际情况显示，特斯拉季度末的生产计划（三月、六月、九月及此次十二月）与市场预期不符，暗示供应链的紧张和潜在的增长机会。特别关注的是供应链中的一些特定公司，如蓝思科技、五洲新春和日行电子，这些公司在特斯拉供应链中具有潜力，可能获得超额收益。蓝思科技因在头部总成和泰国建厂方面的地位；五洲新春由于其在SP扩张上的潜力；以及日行电子因市场预期差大和潜在的高回报，虽目前市值较小，但被认为有巨大的成长空间。发言人最后强调，尽管整体机器人市场关注度下降，但12月至次年1、2月间可能为投资者带来绝对收益和板块内的超额收益，建议继续关注订单落实情况。 发言人2 首先确认了李助理能够听到，然后自我介绍为国金机械分析师秦，重点推荐了恒力液压。讨论内容包括恒力液压与特斯拉的合作，涉及特斯拉下周在中国的生产活动，以及恒力液压的审查和订单预期。此外，他谈到了恒力液压的生产线建设和设备下单，以及与特斯拉可能签订的协议，强调这些动作对恒力液压未来生产和财务表现的重要性。他还提到了恒力液压主业的看点，包括收入预期上调、市场份额提升以及非挖市场的增长。最后，他分享了对机器人产业的观察，包括商用需求、上市节奏和国产链的研发方向，总结了恒力液压在机器人领域的潜力和对公司未来利润的积极预期。 要点回顾 特斯拉供应链在12月份开始为何成为市场关注焦点？ 发言人1：特斯拉供应链在12月份受到关注，主要是因为产业边际变化以及市场对特斯拉机器人发布会和量产预期较为悲观，但实际上其生产节奏并未按预期进行。特斯拉每个季度末都会在国内进行生产，而12月份的生产情况超出了市场较低的预期，这可能预示着后续供应链将迎来陆续的订单落实。 团队推荐的特斯拉产业链中哪些公司具有超额收益潜力？ 发言人1：团队推荐的具有超额收益潜力的特斯拉产业链公司有三支股票。首先是蓝思科技，因其在特殊供应链中的重要地位，尤其是在头部总成制造方面表现出色，并且在泰国建立工厂，有望受益于特斯拉供应链的订单增长。其次，五洲新春由于其SP（系统供应商）的扩张超预期，不仅作为二级供应商，还有可能成为轴承及减速器的二级供应商，潜在市值空间较大。最后，日行电子因其市值较小、预期差大、获得ASP订单的可能性较高，且历史兑现度相对较高，若能获得较大订单，有望实现市值翻倍甚至翻几倍的增长。 目前机器人板块市场关注度如何，以及对未来投资建议是什么？ 发言人1：目前机器人板块市场关注度相比之前下降，且市场对后续订单预期不高。但在这样的背景下，12月份至明年1-2季度，机器人板块可能出现较大的产业替代效应，从而带来绝对收益和板块内的超额收益。建议关注那些在产业订单落实方面有弹性的公司，并持续关注订单的具体落实情况。 恒力液压作为特斯拉供应链公司的进展如何？ 发言人2：恒力液压作为与特斯拉关系密切的公司，近期有明确的订单预期。特斯拉计划在12月份对中国进行实地考察，期间可能会签署一些订单或框架协议，预计会在明年下半年开始量产。目前，恒力液压已经启动机器人产线建设，并与特斯拉多次交流关节4杠及手部危险4杠产品，有很大概率在这次审查中获得身体部分的定点，甚至拿到较大市场份额。此外，公司还可能与特斯拉签订相关协议以保障未来合作，并上调了明年的收入预期增速至25%。 公司利润弹性高的原因是什么？公司明年的业绩预期如何？ 发言人2：利润弹性主要来自于挖机市场的份额不断超越，尤其是液压泵阀领域超预期表现，以及非挖市场虽今年增长只有个位数，但之前三年表现较好。此外，农机业务放量，尤其是进入凯斯供应链并获得接近五个亿的订单，这将对公司利润产生超过10%的带动作用。同时，随着折旧逐渐减少，未来几年利润有望回补。预计明年公司收入端将受益于规模效应带来的体量增长和利润端的结余释放，利润呈上行通道。国内主机市场的景气度提升会带来戴维斯双击效应，而机器人业务逐渐成为核心供应链的一部分，也将带来新的增长点。另外，明年多个机器人厂商出货量预期较高，尤其是政府采购、商业导览等领域的需求较大，国产链厂商上市节奏也将加快。 国产产业链在研发方向上的重点是什么？ 发言人2：国产产业链目前研发重心更多集中在小脑部分的数据模型训练上，如姿态、运动等相关的训练布局较多，而在大脑层面的大模型等方面的研究和布局相对较少。期待像特斯拉这样的企业在自身智能方面取得重大突破，我国产链也会密切关注这一进展。 聚生智能领域最近有哪些重要进展？ 发言人3：在11月初，北美发布的70亿参数大模型标志着聚生智能整个大脑侧正式进入大模型时代。随着预训练参数量增加，对堆算力和训练时长的需求更为明显，而在聚生智能测，由于参数规模更大、自由度更多，预训练参数的收敛改拐点也会更大。随着整个聚生智能测进入大模型时代，如何解决数据问题变得至关重要，因为不同类型的数据（如人类数据、仿真数据、真实操作数据）都存在各自的质量和适用性问题。 UMI是一种什么样的采集工具，它有哪些特点？ 发言人3：UMI（universal pollution interface）是一种轻量化的、无本体限制的实时素材采集工具，其主要由手持夹爪和外部视角相机组成，如配备广角Go Pro相机进行数据采集。UMI不仅能够捕捉腕部图像和前端夹爪的开合程度，还内置了IMU传感器来获取位置坐标信息，从而提取末端的操作位置和轨迹。它的结构件大多可通过3D打印方式获得，成本低廉，大约在400美金左右，且无需限定在特定本体内进行采集。 UMI真实素材模式为何重要？ 发言人3：UMI真实素材模式的重要性体现在三个方面：一是扩展采集环境，相比传统的封闭式采集模式，UMI可以在更大、更复杂的环境中进行灵活部署，增加数据多样性和复杂性；二是增强了数据的泛化性，由于UMI与具体机器人本体无关，只需关注空间一致性下的腕部相机画面与IMU传感器的关系，因此对不同类型的机器人具有良好的通用性和迁移性；三是显著降低了采集成本，通过UMI的高效采集能力和可变成本结构，每条动作视频的采集成本可以降低至0.5元至0.6元人民币，大大优于传统姚涛数据工厂的成本结构。 UMI在数据采集方面相较于传统方式有哪些优势？ 发言人3：UMI的优势在于三个方面：首先，UMI采用轻量化设计，操作速度超过三倍于传统方式，大大提高了数据采集效率；其次，UMI没有固定的厂房成本和人力成本，降低了单条视频的采集成本；最后，UMI通过减少对特定机器人本体的依赖，实现了数据在不同场景下的迁移性和泛化性，从而提高了数据质量。