这份研报主要分析了拓斯达与无问智科在数采业务的联合交流情况,涵盖了拓斯达的核心竞争优势与业务架构、商业闭环与产品矩阵、业务落地与合作进展,以及无问智科的行业认知与技术布局等多个方面。报告详细介绍了拓斯达在机器人领域的领先地位、客户资源优势、技术积累,以及与无问智科合作打造的工业场景物理AI数据基础设施闭环平台。同时,还探讨了具身智能业务的落地进度、轮式人形机器人的应用情况,以及双方在数据采集、仿真技术等方面的合作进展。此外,报告还分析了无问智科在物理AI数据行业中的痛点、发展阶段、虚实融合技术路径,以及其产品与技术能力。最后,报告总结了拓斯达与无问智科的业务进展、行业判断、合作情况以及潜在风险。
具身智能行业正处于快速发展阶段,目前主要分为预训练阶段、落地迭代阶段和自我进化阶段。预训练阶段以模型学习示教数据为主,落地迭代阶段以评测为核心卡点,自我进化阶段则由AI模型指导另一AI模型迭代。行业痛点在于数据供给不足,产业与资本端对数据缺口重视度不足。为解决这一问题,行业需采用虚实融合闭环的技术路径,通过真实数据保障模型精确性,仿真合成数据提升模型泛化性,从而提高迭代效率。未来,随着技术的不断进步和数据供给的完善,具身智能行业将迎来更广阔的发展空间。
报告重点分析了拓斯达与无问智科在数采业务的联合交流情况,涵盖了拓斯达的核心竞争优势与业务架构、商业闭环与产品矩阵、业务落地与合作进展,以及无问智科的行业认知与技术布局等多个方面。报告详细介绍了拓斯达在机器人领域的领先地位、客户资源优势、技术积累,以及与无问智科合作打造的工业场景物理AI数据基础设施闭环平台。同时,还探讨了具身智能业务的落地进度、轮式人形机器人的应用情况,以及双方在数据采集、仿真技术等方面的合作进展。此外,报告还分析了无问智科在物理AI数据行业中的痛点、发展阶段、虚实融合技术路径,以及其产品与技术能力。最后,报告总结了拓斯达与无问智科的业务进展、行业判断、合作情况以及潜在风险。
当前具身智能市场正处于快速发展阶段,但数据供给不足是行业面临的主要痛点。产业与资本端对数据缺口重视度不足,导致真实数据获取困难。为解决这一问题,行业需采用虚实融合闭环的技术路径,通过真实数据保障模型精确性,仿真合成数据提升模型泛化性,从而提高迭代效率。目前,一些领先企业已经开始布局相关技术和合作,如拓斯达与无问智科的联合交流,展示了行业在数据采集、仿真技术等方面的合作进展。未来,随着技术的不断进步和数据供给的完善,具身智能市场将迎来更广阔的发展空间。
研报中提示了具身智能行业面临的主要风险,包括数据供给不足、产业与资本端对数据缺口重视度不足等。此外,报告还提到了数据权限问题,头部车企、头部3C等大型客户数据开放意愿较低,这可能影响数据采集的进展。同时,具身智能业务的落地进度也存在一定的不确定性,部分场景的商业化落地进度偏慢。此外,报告还提示了技术风险,如Sim2real gap的解决方案仍需进一步验证,以及数据定价趋势的不确定性等。这些风险需要企业密切关注并采取相应措施加以应对。