国金机械 机器人垂类专题物理 AI 进步飞速垂类市场方兴未艾

00:00:00 大家好，欢迎参加国金机械机器人垂类专题。物理AI进步飞速，垂类市场方兴未艾。目前所有参会者均处于静音状态，下面开始播报声明，本次电话会议仅面向国金证券的专业投资机构客户或受邀客户，仅供交流研究观点。专家发言内容仅代表其个人观点，会议内容并不构成对任何人的投资建议，未经国金证券事先书面许可，任何机构或个人严禁以任何形式将会议内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改、解读等。涉嫌违反上述情形的，我们将保留一切法律权利。感谢您的理解和支持，谢谢。 00:00:59 啊，各位同志大家晚上好，我是国金机械，呃，分。各位投资者大家晚上好，我是国金机械分析师呃秦亚楠啊。今天晚上那个我给各位领导汇报一下整个物理AI的这个嗯，这个就是行业的这个情况和进步的几个情况。其实嗯，机器人的话最近也就是昨天也也给大家汇报了整个机器人板块，这次汇报也都是我们整个呃机机器人专题的这个系列汇报，算是是吧，整个物理AI的呃一个方呃这个专题跟。赛道。嗯。呃， 00:01:43 首先讲一下这个物理AI的概念，因为我们其实呃也比较简单，就是物理AI也就是就是physical，呃叫physical AI,也就是使这个人人工智能的话，往下一下一代的这个发展的一个范式的一个转移，也就是说它能够理解现实的。也就是说各各种理解这种现实的一些， 00:02:07 呃。呃，一些这个参数啊，比如说摩擦呀，这个呃重力啊接触啊等等这种虽然具身智能其实还是。跟具身智能其实还是有一些这个概念的，这个混淆更认知智能其实呃，就具身智能其实就是它手上那个呃就是认知，它相当于大脑的这种呃主张这个大脑，然后跟着整个环境互相相当于身体。呃，环境大脑的这个互相的这个交互的这个结果， 00:02:40 然后物理AI呢，它其实是这个具呃具身智能，它是它的仿真的这个研研究的对象其实是 一些。像这个虚拟的这个代理相比这种物理AI，它其实就是一些嗯偏这种具身就是具身智能，其实在物理世界的这个严格实现嘛，基本上你就可以理解就是一些嗯人工智能在物理世界的那个能够实现。那我们现在很简单的这种物理AI其实就是在。一些纯的这种虚拟代理里面，然后。更加专注这个从这个虚排除的这种纯的这个虚拟仿真里面，然后更加专注整个现实中的物理的这个法则，比如说摩擦呀这个接触啊等等这种现实的一个状态。 00:03:29 那我们可以直观的理解，其实就是在一些嗯，比如说工业界啊物理界呀其实在。呃，工业界啊，物理界，然后这些去实现这个，嗯，这个智能化的这个应用。 00:03:44 其实现在就是说整个大模型发展到呃，发展到这个这个就是人工智能的这个，包括物理AI的这个这个这个。这个呃阶段，嗯它的整个的这个就是方式其实在工业界其实还有非常强的这个应用，尤其是像这种垂类的垂类应垂类的这个应用领域， 00:04:05 现在整个呃大模型包括物联啊，其实它比较缺的就是一些。嗯，偏数据啊，或者就是数据比较缺，然后推理比较慢，还有这个到到真机这块的这个控制难题，其实现在还是比较多的。 00:04:21 如果说后面加入呃整个加速这个产业化落地的话，那其实是非常有很多的这种需求的这个场景。嗯，现在的这个矛盾点就是在各种的这种真的真实的这种需求场景里面，去做一些这个获数据的这个数据的这个呃获取或者是嗯。过去的去做推理等等这些， 00:04:45 然后我们可以看到其实呃从去年开始，很多嗯机器人这块都是嗯包括机器人或者一些工业界的这个场景，都是在搭一些嗯巨深的这种就是物理AI的这种场景，去做整个真机的这个仿真。包括像嗯各个地方政府去建这种。嗯，数据的这个仿真，呃。就是采集的去采数据采数采中心去做真机的这个数据的这个采集，去做具具体的这个场景的里面的这个应用。嗯，我们其实现在呃针对的这个数据可能还需要比较长的呃数据， 00:05:25 呃长的时间的这个采集跟数据量，但从方向上是比较确定的，因为像一些这种垂。呃垂类 的这个垂直的利益的这个场景， 00:05:34 如果说实现这种长时间的这种数据的这个积累之后，呃是有概率的实现真正的呃能够解决呃就是智能化，然后解决现实中的这些呃问题。 00:05:50 呃，我们这块比如说从哪些方面去可以看到哪些，就是寻找整个场景的这种思路呢？其实在工业界包括未来的呃包括远期的这个服务服务机器人，包括服务市场消费市场，其实大家也。也比较就是比较确定的是往这个方向嗯去去找整个的这个思路，一个就是主要是工业界，工业界或者服务界，像工业界的话， 00:06:16 之前在这种自动化的市场，那其实工业机器人这个渗透率。呃，还是。整体来讲是。相对来讲是是高的，比如说像汽车呀一些自动化的场景，锂电啊3C啊这些高端制造场景基本上实现了自动化。但有些场景就是尤其像这种比较标准的这种工艺，比如说搬运上下料焊呃那种切割冲压或者这个焊接或者检测，就是在确定的这种场景里面其实是实现了呃这个自动化，但是它在这种。 00:06:54 柔性化或者说呃应用这种深度其实现在还是呃比较比较有限的，比如说像这种呃汽车场景，可能我们就是说标准化的这个机机器人的这种应用，基本上是占到了可能是一些嗯百分之六六七十吧。另外还有一些这个40%左右，其实上还是没法实现这种标准化的应用，这个其实是未来物理AR的去探索的一个场景，我汽车里面已经算多了。那普通的一般工业场景，比如说像金属加工啊什么电子还有呃这个仿佛啊或者印刷等等， 00:07:32 这里面其实自动化率的渗透率还是比较低的，它不是说渗透化渗透不了，而就是没法没法做到这个自动化跟标准化，所以更多的是那种。非标的这种场景，那没法实现这个呃完全的这种标准化，还是就是这也是未来的这个整个啊，比如说物理啊可能啊能够解决一些这种这个就是说非标场景的。 00:07:59 景场景的这个应用，呃，那现在其实往后面往后面几年去看，其实比较我们可以去有一个 思路，就是说如何去找一些潜在的这个应用的这个场景， 00:08:10 比如说工业里面。嗯，像这种。排名比较就是缺的比较比较多的这种赛道，就是像这个焊接，嗯，还有这种就是说搬运等等这种嗯，尤其是那种那种叫集装箱啊那块的那种搬运啊等等。嗯，还有那种钳工质检员等等这种工业里面其实是比较缺的这种技术人员，嗯，有就装配人员包括等等这种技这种技术工种其实比较缺的。然后服务领域其实就更多了，无论是服务员还是家政还是保洁啊等等，这种其实在再过几年其实都是非常嗯，这个比较比较缺的这种职业的类型。那其实在垂类里面其实是可以沿着这种缺就是缺职工的这种。 00:09:00 思路去走，无论他的这个工作方式是，就是他的这个形态其实是嗯，不一定是。完全我们想象的就是所谓的这个。 00:09:12 人形的这种方式，其实在应用的这种切工领域，其实在硬件里面其实有很多种方式，一种是呃这种。呃像这种工作站的形式，比如说一个嗯这种呃双臂的这个双臂的这种机械手，然后再加整个一些一套的这个智能化的这种方案，这块可能是一种工作站的形式。一种呢是以这种就是在家庭领域或者一些商用领域， 00:09:40 其实就以这种轮式机器人，或者就像我们看酒店那种服务机器人里面，然后再远期的话，真的拟人化程度。增加了可能就是真的未来的这个真的这种人形机器人，所以我们从节奏上来看，其实一步到位，可能就是人终局就是人形机器人这种服务方式，它具备完全的这个感知能力。 00:10:01 但是我们可能下一代的呃确定性，就是说技术路线还是这种偏物理压的方式，就是以这种工作站的形式，比如说机器，嗯机械臂呀，然后再一个这个就是在有这个。 00:10:15 解决一些之前那种工业机器人无法做到这种柔性的这种制造场景，那这个范式其实是在现在工业里面，其实还是应用比较或者说是一个比较典型的这种范式， 00:10:27 不用我们去看一些现在的这个大模型的公司。或者这个机，这个本机器人，机器人本体的这种公司，他们都是在这种这个范式，比如说在。呃，这个就是在有限的这个工种上面工位上面然后去搭一个场景，然后去做比如说像嗯分拣或者是焊接，呃或者是装配，呃然后一些像这个钳工啊质检等等这种。就这一个工位，其实是用这种物理AI的方式能够实现它的，原来无法自动化实现的一个方式，嗯，场景多其实是。呃，比较比较缺的就是比较比较充足的，就是看后面他们各个各个赛道的公司，是如何去在这这个垂类领域去做更多的这个应用跟探索了。 00:11:20 所以我们可以呃简单总结一下，就是呃物理AI发展之后后面的这个典型范式，呃典型范式是这种机械臂加一些视觉或者AI视觉等等，这形成然后再加整个AI大模型，这样的话就形成整个呃或者说物理大模，物理物理这个物理世世界大模型。然后实现在一些这个柔性化，比如说是可以识别、智能识别、智能装配、智能焊接等等这种。这种工艺完全不用像之前就是预先的那种编程的这种工艺的方式，然后去实现啊智能化， 00:11:55 也就是我们可以真正助力整个呃我们的制造领域实现这个。 00:12:02 智能化嗯，这个的话，如果典型的范式或者说未来可以看到的这个成长的这个潜力就是呃， 00:12:10 有两个硬件端其实是有两个赛道，一个是就是工业机械臂。那此前市场可能还更多的还是关注在这个工业工业机械臂的上游一些，这个减速器啊电机啊，其实工业机械臂自自身这个赛道其实也是呃非常大的这种。潜力因为以前它是纯那种自动化嘛，就是一些编程，比如说它的主控的主控的控制器就是PLC，它是的逻辑可编程的，或者叫工控机逻辑可编程的这种呃这种就是控制器，那都是就是上一属于这个上一代的这种老产品了。那下一代就是这种物理世界大AI大模型，它能够控制整个机械臂的这个运动或者自编程啊等等，这个其实是。 00:12:57 呃，对机械臂行业会有或者说我们他曾经也叫机器人，那我们可能叫它这个工业就是典型的叫工业机械人，也就是也叫做这个杂役，也叫机械臂。这个其实赛道是比较有这个未未来的这个爆发的这个潜力， 00:13:11 然后这是一点，然后另外一点就是像工业工业视觉，其实，之前的这个工业视觉就是视觉主要集中在一些嗯，标准化的这种产线里面应用的点，下游主要是在这种。比如说像呃3C还有呃锂电，还有像这个半导体，嗯这个生物制药这个比较典型的赛道，像普通的这种工业基本上也没有去用这种呃视觉的这个方式， 00:13:39 也就多一个这个感知，我最确定的就是说。呃，这个传感的一个呃传感器的一个一种，也就是说视觉这个其实是未来量会嗯加速的这个。加速的一个成长，我们此前可能更多的集中在这种第一人称的视角，就是像嗯人形机器人或者这个服务机器人啊，装上这个呃这个就是3D这个结构化的这种相机。那后面就像这种去生像这种物理AI的这种工作站，它的这个就是视觉的这个要求或者是市场的这个爆发，也会这个也会有比较大的这个潜力。这个其实是两个呃成长的这个赛道啊， 00:14:22 而且现在这些呃做机械机械手的公司，包括像啊视觉的这些公司，也都是在围绕着AI或者未来的这个物理AI的这个模型，视觉AI大模型去做这个前期的这个研发和呃这个技术的这个储备。也有一些公司就是形成这种商业的这个模式，比如说像。 00:14:45 嗯，奥普特啊，就是呃现在之前是跟这个越江是达成这种战略合作协议，然后推出整个这种嗯机械臂协作臂加嗯视觉的这种解决方案，呃这个模式，然后就是在训练整个视觉工艺的这个解决这个。呃，大模型的这种解决方案去在这种3C的柔性化装配呀，还有这个自动化组装啊等等这块，以及这个锂电这块里面实现一些工位的这个探索。但是现在其实早期还是建在这种工艺里面去。 00:15:19 去做，其实我我可以理解为就是从节奏上来讲，其实算是嗯0~1吧，算是0~1的这个这个呃这个节奏。然后市场或者说大家觉得真的相信这个事情能做好，可能还再需要一段时 间，因为从现在来讲就效率跟啊准确率或者经济性其实还是不是很。嗯， 00:15:42 很突出的还是需要时间去积累这个的模型的进步，就是一些市场现在调研反馈和这个整个的这种物理嗯，