这份研报的核心内容是分析具身模型迭代带来的物理AI新逻辑如何主导本轮行情,以及通用和专用具身大模型的能力提升、行业影响、数据需求现状与市场空间。报告还探讨了特斯拉的量产爬坡、新品发布、新一代产品能力演示进展,以及OpenAI等AI大厂的布局进度。此外,研报分析了机器人板块的估值安全边际、四季度产业催化节奏、板块行情持续性,并推荐了T链零部件、AI合作与数据采集、国产放量零部件、本体与应用端等投资方向。
具身AI赛道未来发展趋势显示,通用大模型将负责上层任务规划决策,专用/端侧小模型负责底层运动控制,技术范式逐渐定型。AI泛化能力提升依赖大量具身数据,催生全新数据采集赛道。未来5年国内有效具身数据需求预计增长至100亿小时级别,高质量有效数据成为瓶颈。同时,具身模型迭代加速,核心目标提升具身智能放量的泛化性,将对未来技术路线范式定型、产业分工重构形成重要促进作用。
研报重点分析了具身大模型迭代进展与行业影响,包括通用和专用大模型的能力表现、行业影响、模型迭代核心方向。同时,深入探讨了具身数据需求与市场空间,涵盖数据品类、市场空间、数据采集企业壁垒、真机训练数据需求等。此外,报告还关注海外龙头厂商最新进展,如OpenAI和特斯拉的布局与进展,以及特斯拉供应链爬产进展。最后,分析了板块行情持续性,并推荐了投资方向与核心标的。
当前具身AI市场现状显示,机器人板块经历较长时间下跌,大部分个股回撤超30%,具备估值安全边际。四季度板块将迎来密集产业催化,包括特斯拉新一代Optimus演示、特斯拉股东大会、供应链持续披露发展数据、OpenAI等大厂明年demo等。AI泛化能力提升依赖大量具身数据,OpenAI、Tropic等厂商已采购上千万小时具身数据,算力与数据投入规模超百亿元。国内高质量有效具身数据存量约50万小时,需求主力为通用模型大厂,预计未来5年国内有效具身数据需求增长至100亿小时级别。
研报中提示的风险包括通用具身大模型存在安全性与幻觉问题、缺乏原生触觉/力觉数据导致精密任务成功率低、直接驱动底层控制延迟高等不足。此外,数据采集企业面临核心竞争力集中于标注自动化能力、成本控制能力、下游研发端需求理解与配套能力的挑战。特斯拉量产进度存在不确定性,供应链爬产进展也需持续关注。同时,具身AI市场发展依赖技术突破和商业化落地,存在技术路线不确定性和市场竞争加剧的风险。