人形机器人行业市场前景及投资研究报告：具身智能奇点，产业链重构.pdf

%%%%

行业研究|深度报告

目录

具身智能节点即将到来6

巨头纷纷入局具身智能10

特斯拉：从硬件入手11

谷歌：从软件入手13

OpenAI：模型赋能与风险投资16

英伟达：从芯片与中间件入手17

两条商业路径：自下而上与自上而下18

特斯拉：自下而上18

谷歌与OpenAI：自上而下21

投资指导22

风险提示23

图表目录

图1：AI模型的演进方向6

图2：制造业机器人的四个发展阶段7

图3：机器人实现从第二产业向第三产业渗透（2022年）7

图4：随着模态增加，模型应用场景相应扩充8

图5：VLA是端到端的机器人系统，具备较高的运行效率8

图6：VLA模型需要投喂大量语言-图像-动作对齐数据9

图7：机器人模型的两条技术路径9

图8：云端大脑与端侧模型特点对比10

图9：人形机器人产业链图谱10

图10：布局人形机器人的科技巨头，以特斯拉、谷歌、英伟达为例11

图11：特斯拉人形机器人系统移植了FSD智驾系统12

图12：特斯拉HW3.0智驾芯片12

图13：Dojo超算平台为特斯拉带来了什么12

图14：到2024年10月Dojo超算平台算力有望达到100EFlops12

图15：英伟达NVlink架构13

图16：特斯拉Dojo超算中心结构13

图17：RT-Trajectory使用粗略的轨迹草图来提高机器人学习任务的泛化能力15

图18：SARA-RT把多模态模型的二次方计算复杂度简化成线性计算复杂度15

图19：超过20个机器人使用AutoRT自主收集现实世界数据集16

图20：Figure01机器人初步实现了具身智能17

图21：英伟达Jetson边缘计算芯片17

图22：通用机器人模型GROOT17

图23：ISSAC数字孪生系统提升了机器人可用训练数据规模18

图24：特斯拉FSDV12彻底重塑了智能驾驶系统逻辑19

图25：L3级的人形机器人算法转向数据驱动19

4/25

%%