【具身智能臨近 IPHONE 時刻】

具身智能是一種基于物理身體進行感知和行動的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實現(xiàn)行動。具身智能的核心要素包括本體和智能體。本體作為實際的執(zhí)行者，在物理或虛擬世界負責感知和執(zhí)行任務，而智能體則是具身于本體之上的智能核心，負責感知、理解、決策、控制等核心工作。

區(qū)別于機器人，具身智能具備自我決策能力。根據(jù)盧策吾教授在機器之心AI 科技年會上發(fā)表的《具身智能是通往 AGI 值得探索的方向》中提到，智能體通過感知器和執(zhí)行器與環(huán)境進行交互后，能夠?qū)崿F(xiàn)獲取信息、理解問題等功能， 并根據(jù)環(huán)境的變化做出相應的決策和行動。

2023年，GPT-4 Turbo發(fā)布，其參數(shù)量高達1.8萬億。2024 年4月，國內(nèi)商湯科技“ 日 日新 ”大模型體系正式發(fā)布，其中中文語言大模型參數(shù)達1800 億。隨著大模型參數(shù)量的大幅增長傳統(tǒng)穿戴設備、手機等無法消化大模型大算力。 從目前市場上的端側(cè)大模型來看，通常設備端越大(功能越多)，其端側(cè)大模型的參數(shù)量也越大。

而具身智能需要處理更復雜的任務，如環(huán)境感知、運動控制、決策制定等， 其算法和模型需要快速處理大量數(shù)據(jù)并做出決策，因此具身智能需要更大的模型參數(shù)來支持其更廣泛的功能和更高的智能需求。谷歌開發(fā)的 PaLM-E 具身多模態(tài)大模型參數(shù)量達 5620 億;華為盤古 Pangu S 大模型參數(shù)達萬億。相比小型端側(cè)設備，具身智能機器人能夠消化大模型、大算力!

大模型使智能體由被動編程控制走向主動決策。與智能體結合后，具身智能以任務目標為導向，不僅僅是機械地完成程序，其可以根據(jù)環(huán)境變化，對行動細節(jié)進行實時修正，并消除在特定條件下為特定任務反復編程的需要。依托大模型的涌現(xiàn)能力，具身智能能夠從原始訓練數(shù)據(jù)中學習并發(fā)現(xiàn)新的特征和模式，在僅僅依靠網(wǎng)絡數(shù)據(jù)知識的情況下就可以對從未見過的對象或場景執(zhí)行操作任務。

【仿真為智能體賦能的主流路徑】

主流的具身智能訓練方法主要包括遙操作、動捕、大模型等。其中，單一的遙操作或動捕需由人類操作員直接控制，無法實現(xiàn)機器替人。大模型和智能體深度融合，具備較強泛化型。在數(shù)據(jù)選擇上，可采用仿真數(shù)據(jù)或真實數(shù)據(jù)。

仿真通過構建虛擬環(huán)境生成大量數(shù)據(jù)，成本較低，適合在新的環(huán)境中大范圍學習技能;利用真實數(shù)據(jù)能夠形成細分場景的數(shù)據(jù)壁壘，但成本及獲取難度相對較高。

大模型具備較強泛化性，仿真數(shù)據(jù)有望大范圍應用。谷歌 RT 采用該種技術路徑。谷歌在 RT-1 和 RT-2 的框架上使用 X-Embodiment 數(shù)據(jù)集進行訓練，該數(shù)據(jù)集包含在 22 個機器人上采集的能夠完成 16 萬個任務的上百萬條數(shù)據(jù)。其中，RT-1充當小腦層級的控制器，由大模型負責頂層理解和指令分解，例如打開抽屜、將物體從抽屜里拿出來等。RT-2 采取端到端路徑，將語言、動作 tokens 進行對齊，微調(diào)后得到 VLA 模型，使得模型能夠通過視覺輸入和語言指令生成正確的動作標記序列。大模型使機器人從 Model-Based 向 Learning-Based 轉(zhuǎn)變，在解決復雜和高維度的運動控制問題上具備更高的上限。但是大模型的訓練需要海量數(shù)據(jù)，按數(shù)據(jù)來源分類，可分為真實數(shù)據(jù)和仿真數(shù)據(jù)。真實數(shù)據(jù)效果最好，但需要耗費大量人力和硬件成本。仿真數(shù)據(jù)成本低，可以大規(guī)模獲取，但通常存在 sim-to-real gap。

【數(shù)據(jù)是具身智能發(fā)展的核心】

小模型時代算法的數(shù)量和質(zhì)量對于機器人至關重要;然而大模型的 Scaling Law 表明通過增加數(shù)據(jù)量、擴大模型規(guī)模以及延長訓練時間，可以實現(xiàn)模型性能的持續(xù)提升，數(shù)據(jù)重要性凸顯。并且不同于語言、圖像或視頻等二維模型的訓練， 具身智能底層模型的訓練，需要在物理世界絕對坐標系下的精確測量數(shù)據(jù)，數(shù)據(jù)獲取難度、成本、標注周期都遠超語言模型。

從產(chǎn)業(yè)發(fā)展進程看，類比自動駕駛，特斯拉大規(guī)模采集的數(shù)據(jù)推動了 FSD 性能的提升，具身智能產(chǎn)業(yè)發(fā)展的核心在于數(shù)據(jù)。

區(qū)別于大模型可以從網(wǎng)絡中獲取數(shù)據(jù)并進行訓練，具身智能如果想要具備高泛化性和可靠性，則需要在真實物理世界里獲取數(shù)據(jù)來完善模型，而獲取真實物理世界的數(shù)據(jù)的關鍵就在于商業(yè)化落地。根據(jù) 1X AI 副總裁 Eric Jang 在個人博客網(wǎng)站上發(fā)表的“All Roads Lead to Robotics ”一文，具身智能的商業(yè)化路徑主要包括三種：通用場景軟硬結合、 軟件路徑、以及垂直領域軟硬結合。

從具身智能訓練層面，建議關注具備柔性、流體仿真等技術的廠商，如索辰科技。從具身智能商業(yè)化路徑層面，建議關注英偉達、華為合作廠商，如九號公 司、中堅科技、高新興、潤和軟件、安聯(lián)銳視等以及細分領域龍頭廠商如?？禉C機器人。

我們篩選出以下潛力標的

中堅科技(002779)2024年 2 月份，公司根據(jù)經(jīng)營及戰(zhàn)略發(fā)展的需要，公司擬與兆新股份全資孫公司香港兆新實業(yè)共同設立海外SPV 公司，并通過 SPV 公司投資海外人工智能機器人 1XHoldingAS 公司。

索辰科技(688507)公司 2024 年成立的機器人事業(yè)部：該部門的使命在于開發(fā)針對機器人行業(yè)的專業(yè)軟件和解決方案。公司的機器人設計軟件將涵蓋并聯(lián)機器人(包括人形機器人)本體的完整研發(fā)過程，從功能設計、構型綜合、性能分析到結構設計優(yōu)化。

安聯(lián)銳視(301042)公司自主研發(fā)了監(jiān)控行業(yè)的人工智能 AI 技術應用，如人臉識別技術、人形偵測技術、車型偵測技術。

參考資料：中銀證券-智能體專題報告之二：智能體時代來臨，具身智能有望成為最佳載體.pdf

免責聲明：本文由投資顧問: 馮利勇(執(zhí)業(yè)證書編碼：A1280620060001)、羅力川(登記編號：A1280622110002)等編輯整理,僅代表團隊觀點，任何投資建議不作為您投資的依據(jù)，您須獨立作出投資決策，風險自擔。請您確認自己具有相應的權利能力、行為能力、風險識別能力及風險承受能力，能夠獨立承擔法律責任。 所涉及個股僅作投資參考和學習交流，不作為買賣依據(jù)。投資有風險，入市需謹慎!

審核編輯 黃宇