猜你想问
这份研报的核心内容是什么？
这份研报的核心内容是分析物理AI的Scaling路径是否已经出现，重点关注东吴汽车研究的Dyna-2模型。Dyna-2将预训练数据量提升至100万小时，成为物理AI ScalingLaw可能启动的重要标志。报告详细介绍了Dyna-2从VLA架构切换至WAM架构的背景和依据，指出WAM能同时预测动作和世界状态，并通过视频生成描述下一秒世界状态，实验显示其准确度更高，能从更多数据中泛化学习。此外，报告还探讨了100万小时数据的构成和质量，主要为人类第一视角数据，由头戴双目摄像头采集，部分经算法标注，而非高精度人工标注。报告认为WAM能利用算法标注的低质量数据实现泛化，而VLA通常需要高精度人工标注和真机遥操数据。最后，报告对ScalingLaw的验证程度给出了70%到80%的把握，但强调头部公司是否跟进仍需观察。
物理AI的赛道发展趋势如何？
物理AI的赛道发展趋势正朝着更大规模数据和更优架构方向发展。Dyna-2模型的突破性进展表明，物理AI的ScalingLaw可能已经启动，关键在于如何有效获取和处理大规模数据。WAM架构的出现，通过同时预测动作和世界状态，显著提升了模型的泛化能力，这为物理AI在机器人领域的应用提供了新的可能性。未来，物理AI的发展将更加注重数据的采集、处理和利用，以及算法的优化和创新。同时，随着数字AI大模型厂商的入局，机器人赛道的产业迭代飞轮有望加速，推动物理AI技术的快速发展和应用落地。
报告重点分析了哪些方向？
报告重点分析了物理AI的Scaling路径，特别是Dyna-2模型的突破性进展和WAM架构的迭代。报告详细探讨了Dyna-2模型的数据量提升、架构切换、数据构成和质量，以及技术推进逻辑。此外，报告还关注了投资关注方向，包括数据环节、本体需求、大脑公司和节奏判断。报告认为，数据环节是ScalingLaw的核心，利好采集和销售机器人数据的标的，以及提供数据采集设备的公司。同时，报告也强调了产业大脑落地速度的重要性，以及数字AI大模型厂商入局后对机器人赛道产业迭代的影响。
目前市场对物理AI的判断是怎样的？
目前市场对物理AI的判断是积极但谨慎的。Dyna-2模型的突破性进展为物理AI的ScalingLaw可能已经启动提供了重要证据，但市场仍需观察头部公司是否跟进。WAM架构的出现，通过同时预测动作和世界状态，显著提升了模型的泛化能力，这为物理AI在机器人领域的应用提供了新的可能性。然而，市场也认识到，物理AI的发展仍面临诸多挑战，如数据采集和处理、算法优化和创新等。此外，市场对数字AI大模型厂商入局后对机器人赛道产业迭代的影响也持谨慎态度。
研报提示了哪些风险？
研报提示了物理AI发展过程中可能存在的风险。首先，虽然Dyna-2模型的突破性进展为物理AI的ScalingLaw可能已经启动提供了重要证据，但市场仍需观察头部公司是否跟进，这存在一定的不确定性。其次，WAM架构的出现虽然提升了模型的泛化能力，但单凭Dyna-2的切换和论文成果，尚不能完全证明WAM是机器人长期方向或VLA不再是重心，技术路线的选择仍存在风险。此外，物理AI的发展高度依赖数据的采集和处理，而数据的获取和质量控制存在一定的难度和不确定性。最后，市场对数字AI大模型厂商入局后对机器人赛道产业迭代的影响也持谨慎态度，存在一定的竞争和替代风险。