人形機器人的“大腦”技術及其發展。報告深入分析了具身智能技術的發展歷程、核心技術亮點、當前面臨的挑戰以及未來投資趨勢，并提及了具體的投資建議。

一、核心技術亮點

1. 具身智能大模型：人形機器人的“大腦”核心為人工智能大模型技術，通過多模態模型建模、強化學習、地圖創建和數據訓練，能夠管理和協調機器人的各種功能。多模態大模型具有理解圖像、場景文本、圖表、文檔以及多語言的強大能力，可直接用于具身智能對環境的理解。

2. 國內外科技巨頭與研究團隊的成果：

- 谷歌：推出RT-1、PaLM-E、RT-2、RT-X等具身大模型，不斷探索不同技術路線。

- 特斯拉：堅持端到端算法路線，實現感知決策一體化，并將其遷移至人形機器人。

- 英偉達：推出物理AI開發平臺Nvidia Cosmo及一系列世界基礎模型。

- 字節跳動：GR-2在動作預測和泛化能力上表現出色。

3. 云計算與邊緣計算：云計算為機器人提供強大的計算能力和數據存儲空間，邊緣計算則補充了云計算在數據傳輸成本、時延、安全性等方面的局限性，共同保障機器人“大腦”的G效運轉。

二、價值投資領域

1. “大腦”領域：布局大模型與機器人業務相結合的公司，如科大訊飛、中科創達、螢石網絡、柏楚電子、華依科技、芯動聯科、漢王科技等。

2. AI+機器人領域：具備G壁壘的公司，如3D視覺領域的奧比中光、大腦域控制芯片的天準科技、新型傳感器的峰岹科技等。

3. 機器人本體公司：同步受益的總成方案提供商，如三花智控、拓普集團等。

三、未來投資趨勢預測

1. 技術突破與市場增長：人形機器人行業在2025年進入小批量量產階段，數千臺人形機器人將進入工廠場景訓練，加速“大腦”的發展。隨著技術的不斷進步，人形機器人有望在更多場景中實現應用，市場規模將持續擴大。

2. 算法端智能水平提升：硬件端技術路線趨向收斂，算法端“大腦”智能水平的提升將成為人形機器人自主性與泛化性提升的核心推動力。未來，投資將更多地集中在提升機器人智能水平的軟件和算法領域。

3. 云計算與邊緣計算的融合：云計算和邊緣計算將深度融合，為機器人提供更G效、更可靠的計算支持。相關基礎設施和解決方案提供商有望受益。

4. 數據采集與合成數據的創新：隨著數據采集技術的進步和合成數據生成方法的創新，人形機器人的訓練和優化將更加高效。專注于數據采集、標注和合成數據生成的公司可能會成為投資熱點。

5. 市場競爭加�。喝诵螜C器人產業處于快速發展階段，吸引了眾多參與者。未來，市場競爭將加劇，行業整合和洗牌的可能性增加。具有核心技術優勢和創新能力的企業將更具競爭力，而那些跟不上技術發展步伐的企業可能會面臨淘汰。

四、報告也提及了人形機器人行業面臨的三大風險

1. 算法迭代進步速度不及預期：機器人的算法進步可能并非線性，在某些數據缺失的情況下，訓練速度可能下降。

2. 落地場景實際需求不及預期：機器人的實際應用場景可能與仿真環境中的模擬場景存在差異，需要結合B端/C端客戶的實際需求。

3. 市場競爭加劇：隨著人形機器人產業的快速發展，市場競爭可能加劇，現有市場參與者的收入和利潤率水平可能受到影響。

附件：人形機器人“大腦”，神機妙算，加速進化，進入小批量量產階段,算法端智能水平提升,產業處于快速發展階段