智能体专题报告：智能体时代来临，具身智能有望成为最佳载体.pdf

智能体专题报告：智能体时代来临，具身智能有望成为最佳载体。智能体时代来临，小型端侧设备无法消化大模型大参数，而具身智能则有望 成为最佳载体。从具身智能训练层面看，仿真软件可为大模型提供海量、低 成本数据，解决真实数据高成本、难收集的问题，仿真软件有望实现大范围 应用。相比于刚性物体的仿真，柔性、流体的仿真技术壁垒更高，具备相关 技术积累的厂商优势突出。从具身智能商业化路径来看，我们认为目前商业 落地途径主要包括三种：（1）通用机器人路径对于资金和技术要求较高，目 前特斯拉等行业巨头正加速布局。（2）纯软件路径的核心是设计通用的操作 系统使多个硬件厂商共享同一套软件，英伟达Project GR00T以及华为鸿蒙 操作系统核心合作厂商有望深度受益。（3）垂直领域软硬一体路径能够使公 司形成数据壁垒，细分领域龙头具备核心优势。

智能体时代来临，具身智能有望成为最佳载体。自ChatGPT发布后， AI模型参数量越来越高，从GPT-1到GPT-4，参数量由1.1亿增长至 1.8万亿。从目前市场上的端侧大模型来看，通常设备端越大（功能越 多），其端侧大模型的参数量也越大。然而可穿戴设备、手机等无法 消化大模型大算力，相比小型端侧设备，具身智能机器人有望成为智 能体最佳载体。

仿真有望大范围应用于具身智能训练，建议关注具备柔性、流体仿真等 技术的厂商。主流的具身智能训练方法主要包括遥操作、动捕、大模型 等。其中，单一的遥操作或动捕需由人类操作员直接控制，无法实现机 器替人。大模型和机器人实体的结合则具备较强的泛化性。在大模型训 练数据的选择上，可采用仿真数据或真实数据。仿真通过构建虚拟环境 生成大量数据，成本较低，适合在新的环境中大范围学习技能；而利用 真实数据能够形成细分场景的数据壁垒，但成本及获取难度相对较高。 相比于刚性物体的仿真，柔性、流体的仿真对于算法的稳定性和收敛性 的要求大幅提高。

具身智能商业化路径：建议关注纯软件和垂直领域软硬一体路径。目前具身智能商业化路径主要包括三种：第一种是通用机器人路径，其核心 是采用通用的硬件和软件来应对各种多变的使用场景，该种路径对于资 金和技术要求较高，目前1X、Figure 以及特斯拉等行业巨头正加速布局。 纯软件路径的是设计通用的操作系统，硬件厂商通过API接口即可接入 机器人“大脑”，从而实现多种硬件平台共享同一套软件架构。并且随 着机器人的大规模部署，其边际成本可以无限趋近于0。对于纯软件路 径，我们建议关注英伟达、华为合作厂商。第三种路径是垂直领域软硬 一体，目前机器人硬件与数据仍处于耦合阶段，公司通过收集传感器数 据能够形成细分领域的数据壁垒。对于该种路径，建议关注细分领域龙 头厂商。