中信證券：AI算法快速迭代 機器人產(chǎn)業(yè)關(guān)注度持續(xù)提升

智通財經(jīng)APP獲悉，中信證券發(fā)布研報表示，OpenAI 和 Figure 合作推出的 Figure 01 機器人展示了驚人的理解、判斷、行動和自我評估能力，并引發(fā)廣泛市場關(guān)注。具身智能是機器人實現(xiàn)感知、決策、控制的關(guān)鍵，目前主流的算法方案分為端到端模型（如谷歌 RT-2）和分層決策模型（如 Figure01）兩種路徑。端到端模型通過一個神經(jīng)網(wǎng)絡(luò)完成從輸入到輸出的全過程,但需要海量數(shù)據(jù)訓練和大量計算資源。分層模型實現(xiàn)難度相對簡單,但不同步驟間的融合和一致性有待提高。但無論采用何種算法,都需要搭建完整的數(shù)據(jù)收集系統(tǒng)，形成數(shù)據(jù)飛輪來實現(xiàn) scaling law，這是機器人算法公司的核心競爭力。

商業(yè)化方面，具身智能機器人需要具備移動能力和通用操作能力。通用型機器人（四足、輪式）在移動能力上實現(xiàn)門檻較低，成本更低，而人形機器人在復(fù)雜場景下移動仍面臨挑戰(zhàn)。通用操作能力是機器人能夠在不同環(huán)境中完成各種任務(wù)的關(guān)鍵，但目前技術(shù)路徑尚不確定。該行判斷，通用機器人相比人形機器人更有可能先實現(xiàn)商業(yè)化，且商業(yè)價值更大。未來最先落地的可能是移動抓取和放置（mobile pick-and-place）技能，應(yīng)用于工廠、藥店/超市、商用清潔等場景。國內(nèi)機器人公司以通用型為主，領(lǐng)先廠商已實現(xiàn)盈利。展望未來，算法層面的進展將直接決定下一步商業(yè)化落地節(jié)奏。

中信證券的主要觀點如下：

投資策略：

人形機器人的商業(yè)化落地需要同時解決移動能力和操作能力兩大挑戰(zhàn)，而這兩種能力所需的技術(shù)路線和發(fā)展進程存在差異。

移動能力方面，該行預(yù)計人形機器人將在未來2-3年內(nèi)取得突破性進展，但要實現(xiàn)穩(wěn)定性和量產(chǎn)還需要額外2-3年的時間?？傮w而言，移動能力的技術(shù)門檻相對較低，競爭的關(guān)鍵在于成本控制和量產(chǎn)能力。從商業(yè)化的角度看，上半身具備通用操作能力，再加上移動底盤，即可在多個場景實現(xiàn)落地應(yīng)用。初期可以針對特定場景開發(fā)專用機器人，隨著數(shù)據(jù)和場景的積累，逐步過渡到通用型機器人。如果最終目標是進入家庭，則需要在硬件、傳統(tǒng)機器人運動控制算法、AI技術(shù)應(yīng)用、力控和觸覺反饋以及軟件系統(tǒng)等方面進行長期研發(fā)，形成軟硬件與算法高度耦合的產(chǎn)品形態(tài)。

操作能力方面，具身智能的發(fā)展路徑與當前大模型公司存在差異。由于機器人領(lǐng)域的數(shù)據(jù)極其有限，難以通過大規(guī)模數(shù)據(jù)訓練模型來實現(xiàn)奇跡。因此，如何在商業(yè)落地的過程中高效收集高質(zhì)量的數(shù)據(jù)，將成為決定公司長期競爭力的關(guān)鍵因素。

報告緣起：AI算法快速迭代帶來機器人產(chǎn)業(yè)關(guān)注度持續(xù)提升。

近年來，隨著人工智能技術(shù)的快速發(fā)展，機器人領(lǐng)域也迎來了新的機遇和挑戰(zhàn)。OpenAI、Google等AI公司持續(xù)推出以Sora、RT-2等為代表的多模態(tài)模型，引起了公眾對于計算機視覺以及多領(lǐng)域融合的興趣，使得機器人板塊的整體關(guān)注度持續(xù)提升。

2024年3月17日，OpenAI與人形機器人初創(chuàng)公司Figure合作推出了Figure 01機器人。一段長達2分35秒的視頻展示了Figure 01驚人的理解、判斷、行動和自我評估能力，迅速在網(wǎng)絡(luò)上引發(fā)了廣泛關(guān)注和討論。值得注意的是，F(xiàn)igure公司此前已經(jīng)從亞馬遜創(chuàng)始人貝索斯、英偉達、OpenAI和微軟等科技巨頭處籌集了約6.75億美元的資金，公司估值也因此達到了26億美元。Figure 01機器人的亮相，再次將機器人、具身智能等推向了公眾討論的焦點。

隨著人工智能算法的不斷迭代優(yōu)化，機器人在感知、理解、決策等方面的能力料將不斷提升，其商業(yè)化應(yīng)用前景也將更加廣闊。本篇報告將深入分析當前機器人行業(yè)的發(fā)展現(xiàn)狀，并對其未來的商業(yè)化前景進行展望。

具身智能：感知、決策、控制三大部分結(jié)合機械件。

具身智能(Embodied Intelligence)是一種高級的機器智能形式，它使機器人能夠像人類一樣感知和理解環(huán)境，并通過自主學習和適應(yīng)性行為來完成任務(wù)。具身智能的實現(xiàn)過程可以抽象為感知、決策和控制三個主要環(huán)節(jié)。

感知層負責獲取和處理環(huán)境信息，為智能體的決策和行為提供依據(jù)。這可以通過兩種方式實現(xiàn)：一是全感知，即構(gòu)建一個包含操作環(huán)境各種知識的大規(guī)模數(shù)據(jù)庫；二是具身交互感知，即通過智能體與環(huán)境的實時交互獲取感知反饋，并利用物理定律和數(shù)據(jù)驅(qū)動的方法構(gòu)建準確的環(huán)境表征。

決策層是具身智能的核心，需要類似人類大腦的處理能力，以滿足機器人在理解指令、分解任務(wù)、規(guī)劃子任務(wù)、識別物體等方面的需求。傳統(tǒng)機器人在多維度人機交互方面存在難題，而RT-2、GPT等大模型的突破為解決這一問題提供了新思路。這些模型可以充當機器人的"大腦"，利用其強大的語言理解和生成能力，與人類進行多維度交互，更好地理解指令和意圖，生成恰當?shù)捻憫?yīng)和行為。

控制層根據(jù)感知信息和決策指令，協(xié)調(diào)機器人各部件的運動，實現(xiàn)智能化的行為控制。多傳感器融合是控制層的重要方面，通過綜合利用多種傳感器信息，提高機器人對環(huán)境的感知和理解能力，實現(xiàn)更具魯棒性和適應(yīng)性的控制。

算法方案：端到端模型（VLA）與分層決策模型。

機器人算法與該行熟悉的語言類模型有所不同，主要區(qū)別在于機器人面對的外界信息都是未知的，因此無法直接照搬語言模型中的Transformer架構(gòu)。當前具身智能的算法路徑主要分為兩條：

1）以O(shè)penAI與Figure合作的Figure01為代表的分層決策模型。它通常分為三層：策略控制系統(tǒng)（SLC）通過大模型整合任務(wù)、環(huán)境和本體感知信息；環(huán)境交互的控制系統(tǒng)（ELC）通過具身模型實現(xiàn)環(huán)境感知和動作規(guī)劃；行為控制系統(tǒng)（PLC）通過傳統(tǒng)控制算法輸出機器人控制的力矩實現(xiàn)最終動作。這種分層架構(gòu)實現(xiàn)難度相對簡單，但不同步驟間的融合和一致性是主要難點。

2）由Google RT-2為代表的端到端模型，它首先在大規(guī)模互聯(lián)網(wǎng)數(shù)據(jù)上預(yù)訓練VLMs，然后在機器人任務(wù)上微調(diào)。輸入是任務(wù)和對象的組合，輸出是一系列動作，利用一個神經(jīng)網(wǎng)絡(luò)完成從輸入到感知、推理、決策和行為指令輸出的全過程。端到端方案看起來更加完美，谷歌也表示在RT-2模型中觀察到了涌現(xiàn)能力，Scaling是其繼續(xù)迭代的一條穩(wěn)定路徑，但端到端模型在當前存在一定問題：首先需要海量數(shù)據(jù)進行訓練才能泛化；全程調(diào)用大模型，資源消耗巨大，機器人執(zhí)行動作緩慢。

總體來看，無論何種算法方案，都需要搭建起一套完整數(shù)據(jù)收集系統(tǒng)，形成一個數(shù)據(jù)飛輪幫助scaling law的實現(xiàn)，這一套完整循環(huán)框架是當前機器人算法公司的核心競爭力。

商業(yè)化進展：通用型與人形機器人之爭。

具身智能機器人最終需要具備移動能力和通用操作能力。移動能力可以通過雙足、四足或輪式等方式實現(xiàn)。通用型機器人（四足、輪式）的優(yōu)勢在于移動能力實現(xiàn)的門檻較低，相較于雙足重心等問題處理方式相對簡單，成本整體較低。雙足（即人形）技術(shù)已經(jīng)能夠在平地行走，但在上下樓梯等復(fù)雜場景中還有待解決，不過技術(shù)路徑相對明確。機器人的通用操作能力是指機器人能夠在各種環(huán)境中，使用機械臂和靈巧手完成不同任務(wù)，甚至是任務(wù)組合，體現(xiàn)出泛化性。當前，無論是人形還是通用機器人通用操作的技術(shù)路徑尚不確定，業(yè)界主要從封閉場景的簡單操作開始落地。

該行認為，通用機器人相比人形雙足（移動）更有可能先實現(xiàn)商業(yè)化，且商業(yè)價值更大。人類大多數(shù)操作都是由上肢和手完成的。由于機械臂技術(shù)已經(jīng)相對成熟，使用夾爪或靈巧手就可以解決部分操作場景。此外，輪式底盤在大多數(shù)平面場景中，在穩(wěn)定性、魯棒性、成本和電池續(xù)航等方面都遠超人形雙足。但在家庭場景，成為通用服務(wù)機器人，可能還是需要雙足。

通用操作的實現(xiàn)是一個逐步發(fā)展的過程。目前無論是分層模型還是端到端模型，都處于類似自動駕駛L2初期的水平。但從L2到L4的過程中，存在大量可商業(yè)化的場景。未來最先實現(xiàn)商業(yè)落地的泛化機器人可能是移動抓取和放置（mobile pick-and-place），可以將其視為一項可操作不同物體的技能。這項技能會從簡單環(huán)境和少量操作對象，向復(fù)雜環(huán)境和多種操作對象發(fā)展。

中短期內(nèi)，機器人可能進入工廠（搬運、分揀、擰螺絲）、藥店/超市（分揀、補貨）、商用清潔（立體清潔）等封閉或半結(jié)構(gòu)化場景。當前國內(nèi)的機器人公司以通用型為主，雙足類機器人進展相對較慢。國內(nèi)通用型機器人基本采用四足形態(tài)（機器狗），代表的廠家包括宇樹科技、云深處、銀河通用、智元機器人、小米以及蔚藍科技等，領(lǐng)先的廠商目前已經(jīng)能夠維持盈利狀態(tài)。展望商業(yè)化的下一步，主要目標是能夠通過機器人完成更加精細化的動作，當前機械部分的困難較小，算法層面直接決定了下一步的商業(yè)化速度。

風險因素：

全球經(jīng)濟增速放緩導致下游需求不及預(yù)期的風險；持續(xù)高通脹導致機器人企業(yè)成本上升和利潤率下降的風險；全球半導體芯片短缺持續(xù)加劇對機器人產(chǎn)業(yè)鏈的沖擊風險；機器人技術(shù)發(fā)展和產(chǎn)業(yè)化進程不及預(yù)期的風險；人工智能技術(shù)創(chuàng)新和算法迭代速度放緩的風險；機器人安全性、可靠性事故引發(fā)的法律訴訟和聲譽損失風險；人才競爭加劇導致企業(yè)研發(fā)和管理成本上升的風險等。