計(jì)算機(jī)行業(yè)智聯(lián)汽車系列之31暨機(jī)器人系列之10：具身智能深度研究解耦還是耦合？從AI化到工程化

行業(yè)及產(chǎn)業(yè)行業(yè)及產(chǎn)業(yè)證券研究報(bào)證券研究報(bào)告計(jì)算機(jī)2023年08月20日研究軟硬件+自動(dòng)駕駛+日"金融IT等順周期如期彈性，具身智能20230731-20230804"2023年8月5日析師劉洋A0230513050006liuyang2@屠亦婷A0230512080003tuyt@戴文杰A0230522100006daiwj@王珂A0230521120002wangke@劉正A0230518100001liuzheng@楊海晏A0230518070003yanghy@李蕾A0230519080008lilei@洪依真A0230519060003hongyz@施鑫展A0230519080002shixz@黃忠煌A0230519110001huangzh@李國(guó)盛A0230521080003ligs@林起賢A0230519060002linqx@究支持崔航A0230122070011cuihang@人liuyang2@具身智能深度研究：解耦還是耦合？從AI化到工程化！31暨機(jī)器人系列之10本期投資提示：繪制具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的產(chǎn)業(yè)鏈格局圖，繪制汽車傳感器、機(jī)械傳人AI1.7論述。具身智能的推理/理解/運(yùn)動(dòng)能力大幅增強(qiáng)(例如谷歌/討論兩大關(guān)鍵問題：耦合/解耦，鐘擺效應(yīng)。1)部分投資者認(rèn)為具身智能會(huì)“解耦“，即潤(rùn)大(例如專用通信、手機(jī)、半導(dǎo)體)。部分領(lǐng)域兩種模式都有巨頭。3)最終兩種路徑往AI工程化落地是關(guān)鍵。1)我們從歷史經(jīng)驗(yàn)中發(fā)現(xiàn)，現(xiàn)金流好的公司，創(chuàng)新勝率明顯更高。相關(guān)公司1996-2006年財(cái)務(wù)情況驗(yàn)證了安全邊際的重要性：即使網(wǎng)景公司如日中天時(shí)，自由現(xiàn)金流也不佳。即使亞馬遜還在起步階段，2002工程化能力雖然難以量化，但凈營(yíng)業(yè)周期往往是很好的如上述AI下沉到具身智能(智能汽車、機(jī)器人、智能家居)，較多領(lǐng)軍公司有機(jī)會(huì)。但投率以“多樣性”為結(jié)果。其中：1)屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身)：螢石網(wǎng)絡(luò)(tmt&家電家居)、德賽西威(tmt&汽車)、中控技術(shù)(機(jī)械&tmt)、步科股份(申萬(wàn)機(jī)械)。2)屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身)：柏楚電子(申萬(wàn)機(jī)械)、技。3)屬于解耦商業(yè)模式的代工生產(chǎn)為主(乙方是代工生產(chǎn)為主)：立訊精密(申萬(wàn)電子)、雙環(huán)傳動(dòng)(申萬(wàn)汽車&機(jī)械)、科博達(dá)(申萬(wàn)汽車)車、具身智能領(lǐng)域一向的風(fēng)險(xiǎn)依然是研究競(jìng)爭(zhēng)、產(chǎn)業(yè)鏈地位與管理。若難以相對(duì)準(zhǔn)確地把握，可能行業(yè)點(diǎn)評(píng)請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第2頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想本篇報(bào)告：1)解釋具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的產(chǎn)業(yè)鏈格局圖，繪制汽車傳感器、2)再涉及投資者關(guān)心的兩大問題：軟硬件解耦還是耦合、認(rèn)識(shí)的“鐘擺效應(yīng)”。3)技術(shù)和工程化的初步篩選；4)部分標(biāo)的：好的屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身)：螢石網(wǎng)絡(luò)(tmt&家電家居)、德賽西威(tmt&汽車)、中控技術(shù)(機(jī)械&tmt)、步科股份(申萬(wàn)機(jī)械)。屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身)：柏楚電子(申萬(wàn)機(jī)械)、虹軟科技。屬于解耦商業(yè)模式的代工生產(chǎn)為主(乙方是代工生產(chǎn)為主)：立訊精密(申萬(wàn)電子)、雙環(huán)傳動(dòng)(申萬(wàn)汽車&機(jī)械)、科博達(dá)(申萬(wàn)汽車)。1.1從框圖開始理解具身智能AI下面這張圖是AI感知的不同方式，包括傳感后融合、傳感前融合、AI大模型等。合-AI大模型”注：這張圖可以近似描述L2-L3-L4自動(dòng)駕駛的信息。最上面是“傳感后融合“，傳感器數(shù)據(jù)處理后再融合、請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第3頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想策、控制。中間是“傳感前融合“，即數(shù)據(jù)先同步和融合后，再預(yù)測(cè)、決策、控制。下面近似為“端源：申萬(wàn)宏源研究它尤其適用于描述L2-L3-L4自動(dòng)駕駛的智能化處理方式。而自動(dòng)駕駛是“具身智能”重要落地場(chǎng)景。最上面是“傳感后融合“，傳感器數(shù)據(jù)處理后再融合、預(yù)測(cè)、決策、控制。中間是“傳感前融合“，即數(shù)據(jù)先同步和融合后，再預(yù)測(cè)、決策、控制。下面近似為“端到端”，大大增加了預(yù)測(cè)、規(guī)劃、控制的數(shù)據(jù)處理。如果這個(gè)問題擴(kuò)張到更大的范疇，例如增加AI推理+理解+運(yùn)動(dòng)，把機(jī)器人也繪制進(jìn)去，就得到下面的“具身智能產(chǎn)業(yè)鏈圖”。圖2：把上述問題放到“具身智能”產(chǎn)業(yè)鏈圖，即“智能駕駛+機(jī)器人+智能家居”相關(guān)傳感器和AI算法源：申萬(wàn)宏源研究1.2傳感器：汽車傳感器對(duì)于汽車傳感器(或智能駕駛域控制器)，其上下有關(guān)系、波特五力情況如下圖。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第4頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想源：申萬(wàn)宏源研究圖4：ADAS系統(tǒng)在各級(jí)別智能汽車中的ASP估計(jì)(價(jià)格單位：元，數(shù)量單位：個(gè))請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第5頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想類似的，對(duì)于機(jī)器人傳感器，其上下有關(guān)系、波特五力情況如下圖。值得一提的是，2020-2022年是智能汽車傳感器獲得高關(guān)注的階段，尤其“硬件預(yù)埋”趨勢(shì)下。2022-2023年是機(jī)器人傳感器獲得高關(guān)注的階段FNeRF，即NeuralRadianceFields(神經(jīng)輻射場(chǎng))。其通俗理解：給予海量不同視角的二維圖，合成同一場(chǎng)景不同視角下的圖像。還可以通俗理解為X-Y-Z到三維極坐標(biāo)的轉(zhuǎn)化，第三視角到第一視角的轉(zhuǎn)化。NeRF提出的隱式表達(dá)以空間點(diǎn)的坐標(biāo)和觀察者的視角、位置作為輸入，輸出則是點(diǎn)的RGB信息和占用密度。占用密度這一點(diǎn)與占用函數(shù)相似，但沒有像占用函數(shù)那樣粗暴地用0和1表示一個(gè)點(diǎn)是否被占用，而是用0~1之間的數(shù)字表示點(diǎn)被占用的程度這樣可以大幅減少計(jì)算量。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第6頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想輻射場(chǎng)：如果我們從一個(gè)角度向一個(gè)靜態(tài)空間發(fā)射一條射線，我們可以查詢到這條射線在空間中每個(gè)點(diǎn)(x,y,z)的密度ρ，以及該位置在射線角度(θ,φ)下呈現(xiàn)出來(lái)的顏色c(c=(R,G,B))。即F(x,y,z,θ,φ)→(R,G,B,ρ)。密度是用來(lái)計(jì)算權(quán)重的，對(duì)點(diǎn)上的顏色做加權(quán)求和就可以呈現(xiàn)像素顏色。給定F(x,y,z,θ,φ)直接查表獲得RGB值和密度，給體渲染方法。體渲染：對(duì)上述輻射場(chǎng)的密度和顏色做積分，就可以得到像素的顏色，并遍歷所有像素，這個(gè)視角下的圖像就渲染出來(lái)了。圖6：NeRF:從相機(jī)焦點(diǎn)出發(fā)，往一個(gè)像素連出一條圖7：NeRF:五維輸入，輸出顏色和密度，并且做的訓(xùn)練個(gè)像素的顏色資料來(lái)源：《NeRF:RepresentingScenesasNeural資料來(lái)源：申萬(wàn)宏源研究isBEV鳥瞰圖。BEV的全稱是Bird’seyeview(鳥瞰圖)，我們以特斯拉為例：特斯拉車型使用多個(gè)攝像頭采集圖像，并進(jìn)行有效的融合。系統(tǒng)直接通過將所有攝像頭采集圖像通過矯正后，統(tǒng)一輸入到神經(jīng)網(wǎng)絡(luò)來(lái)提取特征。然后利用大模型的Transformer，將這些特征進(jìn)行關(guān)聯(lián)，之后再投影到一個(gè)向量空間之中。BEV的通俗理解：把不同視角的觀察合成一個(gè)“天眼模式”整體圖，了解全局。尤其圖像是2D傳感，通過連續(xù)序列，恢復(fù)出3D信息。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第7頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想圖8：BEV方式解決多傳感器3D感知問題AIDay布，路咖汽車，申萬(wàn)宏源研究這種方式的優(yōu)點(diǎn)有：減少硬件傳感器、提高純視覺精度、可復(fù)用多種數(shù)據(jù)源(甚至多模態(tài))，缺點(diǎn)是成本高。1)這種鳥瞰圖仿佛就是開了一個(gè)整體視角，讓車輛能夠把近處的感知統(tǒng)一放到一個(gè)平面中，盡可能的增大了感知的范圍和冗余度。2)但缺點(diǎn)是成本，2023年，如果要做BEV的城市輔助駕駛，可能需要投入超過百億元。3)BEV可以結(jié)合國(guó)內(nèi)的傳感器優(yōu)勢(shì)。盡管國(guó)外通常利于AI軟件優(yōu)化智能駕駛，國(guó)內(nèi)通常利用激光雷達(dá)等傳感器優(yōu)化智能駕駛，但BEV可以融合激光雷達(dá)的點(diǎn)云，做到盡量統(tǒng)一。下圖就是一個(gè)案例：主要有兩個(gè)分支將點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為BEV表示。上分支提取3D空間中的點(diǎn)云特征，提供更準(zhǔn)確的檢測(cè)結(jié)果。下分支提取2D空間中的BEV特征(原始點(diǎn)云轉(zhuǎn)換)，提供更高效的網(wǎng)絡(luò)。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第8頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想占用網(wǎng)絡(luò)OccupancyNetwork。Tesla在2022年10月的AIDay中展現(xiàn)了OccupancyNetwork感知技術(shù)?；镜乃枷胧菍⑷S空間劃分成體素(voxel)，通過0/1賦值對(duì)voxel進(jìn)行二分類：有物體的voxel賦值為1，表示voxel被物體占據(jù)；沒有物體的voxel被賦值為0。當(dāng)然實(shí)際中的賦值可以是概率值，表示voxel存在物體的概率，這個(gè)概率也可以理解成密度或者透明度。OccupancyNetwork的通俗理解：兩維的鳥瞰BEV，變?yōu)槿S的鳥瞰。而增加運(yùn)動(dòng)Voxel的使用：1)voxel其實(shí)是計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺中早期使用的三維重建表達(dá)方式，主要用于一些對(duì)精度要求不是很高的場(chǎng)景進(jìn)行三維建模。2)Voxel的屬性除了是否被占據(jù)，還包含語(yǔ)義信息和速度信息(OccupancyFlow)等。其中速度信息是一個(gè)三維向量，用于表述voxel運(yùn)動(dòng)的速度和方向，類似于2D圖像中的光流(OpticalFlow)。這可以用于判斷物體是否運(yùn)動(dòng)。Occupancy和OccupancyFlow都是底層層次信息，非常適合表示非剛體(non-rigid)場(chǎng)景。3)一個(gè)應(yīng)用領(lǐng)域是汽車AI，還一個(gè)領(lǐng)域是CT醫(yī)學(xué)圖像。Voxel的表達(dá)方法存在分辨率、內(nèi)存占用大、渲染效率的問題，在三維重建領(lǐng)域早已經(jīng)被mesh所取代。但近些年來(lái)，隨著深度學(xué)習(xí)在三維重建領(lǐng)域中的興起，voxel的重建方案重新興起(以上來(lái)自《自動(dòng)駕駛之心》2023年1月觀點(diǎn))。ay在恢復(fù)空間特征后，融合、恢復(fù)高分辨率、復(fù)雜輸出是關(guān)鍵。特斯拉采用暫時(shí)對(duì)齊 (TemporalAlignment)將不同時(shí)序的特征，對(duì)齊后融合。進(jìn)而采用反卷積上采樣，恢復(fù)高分辨率。畢竟是分割3D空間的每個(gè)voxel,信息量更加稠密，低分辨率可能會(huì)導(dǎo)致性能請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第9頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想受限。接下來(lái)就是占用網(wǎng)絡(luò)的預(yù)測(cè)輸出(VolumeOutputs)。后面則可以做更多高級(jí)語(yǔ)義非任務(wù)和輸出(比如：OccupancyFlow,Semantic，Shape，RoadSurface等)?？梢愿鶕?jù)特斯拉在CVPR2022workshop的演講、特斯拉歷次AI發(fā)布會(huì)的披露，了解細(xì)節(jié)。占用網(wǎng)絡(luò)有雙重監(jiān)督信號(hào)。第一是直接占用值的監(jiān)督，第二是NeRF渲染的監(jiān)督。智能汽車軟件進(jìn)步還包括端到端能力、多模態(tài)、大模型規(guī)控算法等。2023年5月，特斯拉推出FSDv1.4，要現(xiàn)FSD端到端能力，即包含高速領(lǐng)航、城市道路領(lǐng)航和泊車的智駕功能。2023年6月，多模態(tài)神經(jīng)網(wǎng)絡(luò)可能成為后續(xù)特斯拉亮點(diǎn)，如攝像視頻、地圖、導(dǎo)航、IMU(慣性測(cè)量單元)、GPS等。雖然國(guó)內(nèi)的傳感器方案較為領(lǐng)先，預(yù)計(jì)會(huì)越來(lái)越多的借鑒Transformer、BEV、占用網(wǎng)絡(luò)等技術(shù)。2023年6月，理想汽車家庭科技日的發(fā)布，可以作為國(guó)內(nèi)汽車大模型發(fā)展的縮影:1)ADMax3.0基于BEV架構(gòu)的車端感知模型已經(jīng)可以在絕大多數(shù)路段實(shí)時(shí)生成穩(wěn)定的道路結(jié)構(gòu)信息，奠定擺脫高精地圖依賴的基礎(chǔ)。2)不止感知算法層面，規(guī)控算法也使用了大模型技術(shù)。3)其NOA技術(shù)架構(gòu)特點(diǎn)可以理解為：使用NPN特征和TIN網(wǎng)絡(luò)增強(qiáng)BEV大模型，做到不依賴高精地圖，識(shí)別萬(wàn)物；使用模仿學(xué)習(xí)讓規(guī)控算法做出更加擬人的決策；全自動(dòng)、全閉環(huán)的訓(xùn)練平臺(tái)支撐大模型持續(xù)進(jìn)化。1.7從AI感知，到端到端+具身智能(感知+預(yù)測(cè)+推理+理解+運(yùn)動(dòng))2023年6月，《Planning-orientedAutonomousDriving》(以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛)獲得本屆CVPR2023年最佳論文獎(jiǎng)(BestPaperAward)，其涉及的是自動(dòng)駕駛大模型，很多思路可以同時(shí)用于未來(lái)智聯(lián)汽車、具身智能機(jī)器人。而上述難點(diǎn)1)識(shí)別控制相關(guān)軟件、2)基于感知的運(yùn)動(dòng)、5)學(xué)習(xí)與控制交叉，也在本篇論文的思路中有所涉及。從分塊優(yōu)化，變成一體化AI優(yōu)化，即“端到端”。在過去自動(dòng)駕駛AI中，一般將認(rèn)為劃分為多模塊，例如感知、預(yù)測(cè)、路徑規(guī)劃等。論文提出的“端到端”，即一體化訓(xùn)練、一體化AI(論文提出UnifiedAutonomousDriving，即UniAD)。它把感知、預(yù)測(cè)、規(guī)劃等三大類主任務(wù)、多種子任務(wù)(目標(biāo)檢測(cè)、目標(biāo)跟蹤、場(chǎng)景建圖、軌跡預(yù)測(cè)、柵格預(yù)測(cè)和路徑規(guī)劃)整合到統(tǒng)一的端到端網(wǎng)絡(luò)框架下。圖11：自動(dòng)駕駛大模型嘗試多種子任務(wù)(目標(biāo)檢測(cè)、目標(biāo)跟蹤、場(chǎng)景建圖、軌跡預(yù)測(cè)、柵格預(yù)測(cè)和路徑規(guī)劃)整合到統(tǒng)一的端到端網(wǎng)絡(luò)框架請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第10頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想究例如：1)在backbone環(huán)節(jié)，特征提取，其中涉及BEV和多模態(tài)等大模型技術(shù)。將一系列多相機(jī)圖像輸入特征提取器，并將生成的特征通過BEVFormer中的現(xiàn)成BEV編碼器轉(zhuǎn)換為統(tǒng)一鳥瞰圖(BEV)特征。UniAD并不局限于特定的BEV編碼器，并且可以利用其他替代方案通過長(zhǎng)期時(shí)間融合或多模態(tài)融合來(lái)提取更豐富的BEV表示。2)在感知環(huán)節(jié)，目標(biāo)檢測(cè)與跟蹤模塊可以實(shí)現(xiàn)對(duì)動(dòng)態(tài)元素的特征提取、幀間物體跟蹤。檢測(cè)和跟蹤agents。MapFormer將mapqueries作為道路元素(例如，車道和分隔線)的語(yǔ)義抽象(semanticabstractions)，并對(duì)地圖進(jìn)行全景分割。3)預(yù)測(cè)模塊，實(shí)現(xiàn)動(dòng)靜態(tài)元素交互與長(zhǎng)時(shí)序軌跡預(yù)測(cè)，而且已經(jīng)有“聯(lián)合訓(xùn)練AI”。占據(jù)柵格預(yù)測(cè)模塊實(shí)現(xiàn)了短時(shí)序全場(chǎng)景BEV、實(shí)例級(jí)預(yù)測(cè)。由于每個(gè)單元的動(dòng)作都會(huì)顯著影響場(chǎng)景中的其他，因此該模塊對(duì)所有考慮的單元進(jìn)行聯(lián)合預(yù)測(cè)。4)在規(guī)劃模塊，基于軌跡預(yù)測(cè)，做防碰撞，其中涉及占用網(wǎng)絡(luò)(Occupancynetwork)等大模型技術(shù)?；谧陨淼能壽E預(yù)測(cè)和基于占據(jù)柵格的碰撞優(yōu)化并使自己遠(yuǎn)離OccFormer預(yù)測(cè)的占用區(qū)域(occupiedregions)以避免碰撞。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第11頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想環(huán)節(jié)的重要指標(biāo)，且指出“聯(lián)合訓(xùn)練AI”的作用，例如兩個(gè)識(shí)別子任務(wù)大大幫助了運(yùn)動(dòng)預(yù)測(cè)究此前，端對(duì)端AI訓(xùn)練很容易出現(xiàn)的問題是：由于涉及環(huán)節(jié)太多、系統(tǒng)太復(fù)雜，很容易出現(xiàn)“局部最優(yōu)”和“梯度下降”問題。我們本來(lái)以為會(huì)用殘差網(wǎng)絡(luò)(ResNet)增加反饋參數(shù)，來(lái)幫助自動(dòng)駕駛大模型的訓(xùn)練。而論文提出的“聯(lián)合訓(xùn)練AI”，即預(yù)測(cè)聯(lián)合訓(xùn)練、預(yù)測(cè)規(guī)劃一體訓(xùn)練，實(shí)現(xiàn)了“類似全局優(yōu)化”，而“子任務(wù)”的引入也細(xì)化了環(huán)節(jié)。這篇論文的趨勢(shì)可能會(huì)改變具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的AI軟件訓(xùn)練方式：嘗試端對(duì)端，并用一系列聯(lián)合訓(xùn)練，來(lái)防止局部最優(yōu)，達(dá)到更好的效果。作為科技巨頭，微軟的chatGPT也在努力滲透硬件載體，例如機(jī)器人軟件領(lǐng)域。而這些，恰恰將AI從感知，推進(jìn)到推理和理解范疇。ChatGPT在人機(jī)交互的4大潛在應(yīng)用1)Zero-shottaskplanning。根據(jù)自然語(yǔ)言指令，生成適用于不同機(jī)器人平臺(tái)和任務(wù)的代碼，無(wú)需任何預(yù)先訓(xùn)練或微調(diào)。這種能力可以讓用戶快速地探索不同的機(jī)器人方案，而不需要了解底層的編程細(xì)節(jié)。場(chǎng)景：機(jī)械臂操作、無(wú)人機(jī)導(dǎo)航、家庭助理機(jī)器人等。優(yōu)點(diǎn)：可以實(shí)現(xiàn)跨平臺(tái)、跨任務(wù)的機(jī)器人控制缺點(diǎn)：可能存在代碼錯(cuò)誤或效率低下的風(fēng)險(xiǎn)。2)Userontheloop交互式對(duì)話，以解決復(fù)雜的機(jī)器人任務(wù)，例如需要多步驟或多個(gè)目標(biāo)的任務(wù)。用戶可以通過對(duì)話提供高層次的反饋、指導(dǎo)或修改指令，而ChatGPT可以根據(jù)用戶的意圖和上下文調(diào)整代碼或行為。這種能力可以讓用戶更靈活地控制機(jī)器人，而不需要一次性給出完整的指令。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第12頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想場(chǎng)景：機(jī)器人協(xié)作、機(jī)器人教學(xué)、機(jī)器人規(guī)劃等。優(yōu)點(diǎn)：可以提高機(jī)器人任務(wù)的成功率和魯棒性。缺點(diǎn)：可能需要更多的對(duì)話輪次或用戶干預(yù)。3)Perception-actionloopsChatGPT可以利用視覺信息來(lái)指導(dǎo)機(jī)器人的動(dòng)作，例如識(shí)別物體、估計(jì)距離、規(guī)避障礙等?？梢酝ㄟ^XML標(biāo)簽或其他格式來(lái)接收和處理圖像數(shù)據(jù)，并生成相應(yīng)的代碼或動(dòng)作序列。這種能力可以讓機(jī)器人更好地適應(yīng)復(fù)雜和動(dòng)態(tài)的環(huán)境，而不需要預(yù)先定義所有可能的適用場(chǎng)景包括機(jī)器人導(dǎo)航、機(jī)器人抓取、機(jī)器人搜索等。優(yōu)點(diǎn)是可以增強(qiáng)機(jī)器人的感知和決策能力。缺點(diǎn)是可能存在視覺誤識(shí)別或動(dòng)作不準(zhǔn)確的風(fēng)險(xiǎn)。1)Reasoningandcommon-senseroboticstasksChatGPT可以利用常識(shí)知識(shí)和推理能力來(lái)解決一些需要邏輯、幾何或數(shù)學(xué)思維的機(jī)器人任務(wù)，例如計(jì)算角度、判斷方向、選擇最優(yōu)路徑等。ChatGPT可以通過自然語(yǔ)言或數(shù)學(xué)表達(dá)式來(lái)表達(dá)和解決這些問題，并生成相應(yīng)的代碼或動(dòng)作序列。這種能力可以讓機(jī)器人更智能地執(zhí)行一些抽象或難以描述的任務(wù)，而不需要用戶提供過多的細(xì)節(jié)。適用場(chǎng)景包括機(jī)器人推理、機(jī)器人游戲、機(jī)器人創(chuàng)造等。優(yōu)點(diǎn)是可以拓展機(jī)器人的應(yīng)用范圍和難度。缺點(diǎn)是可能存在常識(shí)錯(cuò)誤或推理失敗的風(fēng)險(xiǎn)。清問題圖14：工業(yè)檢查場(chǎng)景：MicrosoftAirSim模擬器ChatGPT能夠有效解析用戶的高級(jí)意圖和幾何線索，準(zhǔn)確控制無(wú)人機(jī)谷歌的PaLM-E會(huì)利于具身智能(EmbodiedAI)的發(fā)展。一方面，具身智能主要涉及機(jī)器人的感知、規(guī)劃、控制、導(dǎo)航等上層部分。另一方面，具身AI不再像傳統(tǒng)AI僅從圖像、視頻、文本等數(shù)據(jù)庫(kù)中學(xué)習(xí)，而是基于自身傳感器(多是視覺傳感器)感知環(huán)境并通過與環(huán)境交互進(jìn)行學(xué)習(xí)。大模型AI發(fā)展后，其對(duì)具身智能的提升至少包括：請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第13頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想1)通過抽象的自然語(yǔ)言直接對(duì)機(jī)械智能控制。2)Zeroshot下的CV能力：圖像分類、語(yǔ)義分割、目標(biāo)檢測(cè)、實(shí)例分割、物體追蹤。3)更多跨模態(tài)的理解能力。其中，PaLM-E目前一大特色就是跨模態(tài)。PaLM-E(562Billionparameters)=PalM(540B)+ViT(VisionTransformer,22B)。它本身是個(gè)多模態(tài)的大模型，不僅能理解文本，還能理解圖片(因?yàn)榧恿薞iT)，可以理解圖片中的語(yǔ)義信息。Few-shotprompt可以看懂笑話(左上角)，zero-shot可以具有圖文思維鏈PaLME割、語(yǔ)義分割、目標(biāo)檢測(cè)、實(shí)例分割四種任務(wù)上述微軟、谷歌等AI功能，似乎和運(yùn)動(dòng)執(zhí)行、路徑規(guī)劃等更加聚焦的智能關(guān)聯(lián)度低，而以UCLA論文《DesignofaHighlyDynamicHumanoidRobot》、《DevelopmentandReal-TimeOptimization-basedControlofaFull-sizedHumanoidforDynamicWalkingandRunning》為例，涉及這些軟件較為深入。這些會(huì)啟發(fā)我們2023H2甚至未來(lái)多年，機(jī)器人軟件、AI大模型的一些趨勢(shì)。計(jì)算單元分為控制安全接口、控制接口、攝像感知接口、硬件接口等，均涉及軟件。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第14頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想資料來(lái)源：UCLA《DevelopmentandReal-TimeOptimization-basedControlofa它們對(duì)AI機(jī)器人軟件的涉及包括：1)穩(wěn)定性問題，可以歸納為識(shí)別、控制相關(guān)軟件。ARTEMIS的最初動(dòng)機(jī)是一個(gè)可以進(jìn)行超動(dòng)態(tài)運(yùn)動(dòng)的平臺(tái)。本論文側(cè)重于這項(xiàng)努力的第一步，有力地行走和奔跑的能力。后續(xù)希望滿足跳躍/轉(zhuǎn)身等復(fù)雜問題，需要做一些延展。例如：其一為推廣運(yùn)動(dòng)生成流水線，使其不需要專家知識(shí)和平臺(tái)經(jīng)驗(yàn)(可以歸納為zero-shot經(jīng)驗(yàn)的運(yùn)動(dòng)生成)，其二為提高穩(wěn)定性的軟件(跟蹤潛在復(fù)雜和快速變化的魯棒控制器)。2)路徑規(guī)劃。當(dāng)前已經(jīng)有一定“泛化”能力，希望后續(xù)發(fā)展身體控制/路徑規(guī)劃/跨平臺(tái)運(yùn)動(dòng)(沒有感知數(shù)據(jù)、地面上存在重大障礙物時(shí)，ARTEMIS也能夠保持平衡并在遇到意外時(shí)避免掉落。這是因?yàn)锳RTEMIS的運(yùn)動(dòng)堆棧的反應(yīng)性質(zhì))。但下一步可以在沒有運(yùn)算指引的情況下，通過身體控制、路徑規(guī)劃等，實(shí)現(xiàn)高效的運(yùn)動(dòng)(ARTEMIS可以穩(wěn)健地從A點(diǎn)移動(dòng)到B點(diǎn)，但走哪條路仍然是一個(gè)未完成的任務(wù))。如果這樣做成，不僅限于ARTEMIS，還為混合系統(tǒng)的路徑規(guī)劃領(lǐng)域開辟路徑。3)基于感知的運(yùn)動(dòng)，下一步有兩個(gè)路徑，一個(gè)是多步驟足跡規(guī)劃，一個(gè)是狀態(tài)估計(jì)。當(dāng)前基于環(huán)境的運(yùn)動(dòng)有一定進(jìn)展。當(dāng)前先感知數(shù)據(jù)，以告知機(jī)器人腳可以定位的安全區(qū)域，這可以從頭部的立體相機(jī)或位于其身體的兩個(gè)立體相機(jī)獲得。感知數(shù)據(jù)可用后，下一個(gè)挑戰(zhàn)是呆在安全區(qū)域。一個(gè)解決方法是，更長(zhǎng)的足跡規(guī)劃；另一個(gè)解決方法是，態(tài)估計(jì)。目前機(jī)器人浮動(dòng)底座的位置狀態(tài)不可觀察，導(dǎo)致坐標(biāo)系漂移。若將感知數(shù)據(jù)與定位上下文中請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第15頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想圖17：ARTEMISS平臺(tái)上的三維ZED視覺可以幫助基于視覺的路徑規(guī)劃LADevelopmentandRealTimeOptimizationbasedControlofaZED覺和兩個(gè)英特爾實(shí)感D435i拼接后，生成周圍環(huán)境的點(diǎn)云，于感知的路徑規(guī)劃。LADevelopmentandRealTimeOptimizationbasedControlofa盡管這是當(dāng)前領(lǐng)先的設(shè)計(jì)，但也做出下一步機(jī)器人軟件發(fā)展的趨勢(shì)展望：4)把物理接觸建模，在抓取/碰撞等任務(wù)中，問題會(huì)放大。工作控制器中，模擬建模和實(shí)際物理情況，經(jīng)常有差距。模擬與現(xiàn)實(shí)之間的差距經(jīng)常在學(xué)習(xí)社區(qū)中討論，但在機(jī)器人技術(shù)中卻很少被強(qiáng)調(diào)。這個(gè)問題可能會(huì)在碰撞檢查很重要的其他機(jī)器人領(lǐng)域反復(fù)出現(xiàn)，例如靈巧操作和抓取領(lǐng)域。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第16頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想5)學(xué)習(xí)與控制交叉口。硬件上做上述測(cè)試，成本太高。在考慮魯棒性或隨機(jī)性的作品，但另一種方法可能是在管道中采用基于機(jī)器學(xué)習(xí)AI的方法。而且可以推測(cè)，一旦AI訓(xùn)練資源足夠，很可能后續(xù)的動(dòng)作會(huì)更加多樣。因?yàn)檎撐奶岬?，“模型相關(guān)的計(jì)算負(fù)擔(dān)，模型中的非線性通常會(huì)禁止它們?cè)谠诰€規(guī)劃和控制中的使用” (“Additionally,nonlinearitiesinthemodelsoftenprohibittheirusageinonlineplanningandcontrolbecauseofthecomputationalburdenassociatedwiththem“)。6)人機(jī)交互(HRI)。ARTEMIS也可以成為一個(gè)有趣的平臺(tái)，可用于探討超動(dòng)態(tài)運(yùn)動(dòng)以外的主題，其中之一就是人機(jī)交互。7)合成運(yùn)動(dòng)，也就是連續(xù)運(yùn)動(dòng)反映的意圖和情緒。運(yùn)動(dòng)發(fā)生的規(guī)模和速度可以暗示接下來(lái)的運(yùn)動(dòng)是什么。此外，運(yùn)動(dòng)的空間和時(shí)間方面的差異也可以表示情緒和意圖。而其中1)識(shí)別控制相關(guān)軟件、2)基于感知的運(yùn)動(dòng)、5)學(xué)習(xí)與控制交叉，正是下一節(jié)論文涉及的。解決需要預(yù)定義動(dòng)作、機(jī)器無(wú)法直接被LLM(大語(yǔ)言模型)操控問題。2023年7月《VoxPoser:Composable3DValueMapsforRoboticManipulationwithLanguageModels》中，指出：1)很多訓(xùn)練需要預(yù)訓(xùn)練、預(yù)定義。大語(yǔ)言模型LLM雖然取得了進(jìn)展，但大多數(shù)人仍然依賴預(yù)定義的動(dòng)作原語(yǔ)來(lái)與環(huán)境進(jìn)行物理交互，這仍然是一個(gè)主要瓶頸。2)大語(yǔ)言模型直接輸出控制不可行。文本通常由高維空間中的高頻控制信號(hào)驅(qū)動(dòng)，而機(jī)器人運(yùn)動(dòng)無(wú)法直接達(dá)到高維高頻率。本論文的解決思路是利用LLM的優(yōu)點(diǎn)。LLM在自由形式語(yǔ)言教學(xué)中，擅長(zhǎng)推斷可能性和約束條件。而且，通過LLM可以具備代碼編寫能力。代碼能力可以與視覺語(yǔ)言模型 (VLM)交互，以組成3D價(jià)值圖，將知識(shí)根植于觀察空間。然后將組合的值映射為機(jī)器人的軌跡(專業(yè)說法是，基于模型的、零樣本、具有動(dòng)態(tài)擾動(dòng)魯棒性的閉環(huán)機(jī)器人軌跡)。用于在3D觀察空間中組成體素(Voxel1)值圖，以引導(dǎo)機(jī)器人與環(huán)境交互。具體來(lái)看：1)從指令語(yǔ)言中，輸出語(yǔ)言的可供性和約束；2)轉(zhuǎn)化成PYTHON代碼；3)代碼調(diào)用API；1體素(voxel),是像素(pixel)、體積(volume)和元素(element)的組合詞,相當(dāng)于3D空間中的像素。體素用于三維成像、科學(xué)數(shù)據(jù)與醫(yī)學(xué)影像等領(lǐng)域。概念上類似二維空間的最小單位——像素。也可以把它類比為點(diǎn)云(激光雷達(dá)的輸出)的簡(jiǎn)化版本。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第17頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想4)API操縱3D體素(Voxel)；5)AI的獎(jiǎng)勵(lì)機(jī)制(正文指出，有效地提供觀察空間中的“密集獎(jiǎng)勵(lì)”，能夠在每一步都重新規(guī)劃)訓(xùn)練動(dòng)作；6)路徑規(guī)劃期目標(biāo)函數(shù)，并合成路徑。ser位置。下面兩行展示了“感興趣的實(shí)體”是機(jī)器人末端執(zhí)行器的任務(wù)。最底層的任務(wù)涉及兩個(gè)階lueMapsforRoboticManipulationwithVoxPoser成軌跡和錯(cuò)誤分解erComposableDValueMapsforRoboticManipulationwith請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第18頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想我們分析了2022年12月《RT-1:ROBOTICSTRANSFORMERFORREAL-WORLDCONTROLATSCALE》、2023年7月《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》，做一些分析。2022年12月《RT-1:ROBOTICSTRANSFORMERFORREAL-WORLDCONTROL1)難點(diǎn)是可擴(kuò)展和大容量。AI在視覺、NLP等領(lǐng)域已經(jīng)成功，從孤立的小規(guī)模數(shù)據(jù)模型轉(zhuǎn)向大型通用模型(預(yù)訓(xùn)練過)。后續(xù)，要點(diǎn)是開放式任務(wù)不可知訓(xùn)練，以及能夠吸收大規(guī)模數(shù)據(jù)，形成高容量架構(gòu)。2)難點(diǎn)是機(jī)器人的多任務(wù)模型。在有監(jiān)督學(xué)習(xí)中，消除對(duì)大型特定任務(wù)數(shù)據(jù)集的訓(xùn)練很有意義，但對(duì)于多任務(wù)訓(xùn)練很難。在機(jī)器人領(lǐng)域，希望訓(xùn)練一個(gè)強(qiáng)力的、大型的多任務(wù)骨干模型。RT結(jié)構(gòu)圖具體來(lái)說：請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第19頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想3)對(duì)圖像和語(yǔ)言，轉(zhuǎn)為標(biāo)記Token。模型建立在Transformer架構(gòu)上，以圖像和任務(wù)描述的歷史作為輸入，并直接輸出標(biāo)記化的動(dòng)作。4)依賴圖像和語(yǔ)言的預(yù)訓(xùn)練，這是后續(xù)可以改善的。圖像通過ImageNet預(yù)訓(xùn)練的EfficientNet-B3(Tan&Le，2019)模型，該模型以6幅分辨率為300×300的圖像作為輸入，并從最終卷積層輸出形狀為9×9×512的空間特征圖。對(duì)于語(yǔ)言的預(yù)訓(xùn)練，先通過Universal語(yǔ)句編碼器嵌入(Cer等人，2018)。然后轉(zhuǎn)為FiLM層(Perez等，2018)的輸入。該層被添加到預(yù)訓(xùn)練的EfficientNet中，以調(diào)節(jié)圖像編碼器。5)經(jīng)過TokenLearner，到標(biāo)記化動(dòng)作。上述指令被轉(zhuǎn)換后，通過FiLM層調(diào)節(jié)預(yù)先訓(xùn)練的EfficientNet。生成的視覺語(yǔ)言標(biāo)記由TokenLearner精簡(jiǎn)，輸入到Transformer2023年7月《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》。1)增加互聯(lián)網(wǎng)學(xué)習(xí)能力，利于擴(kuò)展。論文指出：研究了如何將基于互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)訓(xùn)練的視覺語(yǔ)言模型直接納入端到端機(jī)器人控制中。并使RT-2能夠從互聯(lián)網(wǎng)規(guī)解釋機(jī)器人訓(xùn)練數(shù)據(jù)中不存在的命令的能力(例如將對(duì)象放置在特定數(shù)字或圖標(biāo)上)，以及響應(yīng)用戶命令執(zhí)行基本推理的能力(如例如拾取最小或最大的對(duì)象或最接近另一對(duì)象的對(duì)象)。2)增加有效率的“泛化“能力。論文指出：為了將自然語(yǔ)言響應(yīng)和機(jī)器人動(dòng)作都并以與自然語(yǔ)言標(biāo)記相同的方式將其直接合并到模型的訓(xùn)練集中。正文稱之為視覺語(yǔ)言動(dòng)作模型(VLA)。值得注意的是，本文的VLA/VLM與李飛飛團(tuán)隊(duì)定義的VLM的含義有相似之處，均為visionlanguageactionmodel，只是VLA更強(qiáng)調(diào)動(dòng)作action。3)強(qiáng)調(diào)了動(dòng)作微調(diào)。為了使視覺語(yǔ)言模型能夠控制機(jī)器人，必須訓(xùn)練它們輸出個(gè)問題，將動(dòng)作表示為模型輸出中的標(biāo)記(類似語(yǔ)言標(biāo)記)。動(dòng)作空間主要包括機(jī)器人末端執(zhí)行器的六自由度(6DoF)位移。連續(xù)維度(除離散終止命令外)被均勻地離散為256個(gè)倉(cāng)。因此，機(jī)器人動(dòng)可見：RT-2的發(fā)展，將“具身智能”的智能化繼續(xù)推進(jìn)。它1)延續(xù)了RT-1的多模態(tài)(視覺、指令、動(dòng)作一體化智能)，與李飛飛團(tuán)隊(duì)VoxPoser的VLM思路有相似之處。2)泛化和延展性大大增加，但在“0樣本”和動(dòng)作自由度上，依然有空間。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第20頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想3)投資者2022-2023年機(jī)器人投資標(biāo)的主要是減速器、傳感器等硬件，預(yù)計(jì)未來(lái)會(huì)走向大模型軟件等標(biāo)的。4)相關(guān)標(biāo)的：柏楚電子(申萬(wàn)機(jī)械)、虹軟科技、中控技術(shù)(tmt&機(jī)械)、螢石網(wǎng)絡(luò)等。Control申萬(wàn)宏源研究圖23：RT-2在應(yīng)急技能(左)、大小和訓(xùn)練消融中(右)的定量表現(xiàn)Control申萬(wàn)宏源研究1.12產(chǎn)業(yè)鏈小結(jié)可見：1)2020-2022年，大智聯(lián)汽車的傳感器環(huán)節(jié)是產(chǎn)業(yè)鏈重點(diǎn)。2)2022-2023年，大機(jī)器人成為重點(diǎn)，催化劑為特斯拉機(jī)器人的進(jìn)展。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第21頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想3)2022H2至今，軟件能力、智慧能力，得到大幅度增強(qiáng)，主要是大模型的研發(fā)、營(yíng)銷、工程化落地加速。其中AI3D視覺的Nerf/BEV/占用網(wǎng)絡(luò)大大增強(qiáng)，在1.4-1.6論述。2023年6月CVPR2023最佳論文、小鵬XNGP能力，增加了自動(dòng)駕駛大模型的關(guān)注度，尤其端到端AI，在1.7論述。具身智能的推理/理解/運(yùn)動(dòng)能力大幅增強(qiáng)，其“智慧性”體現(xiàn)在泛化和“零樣本”特征，在1.8-1.11論述。因此下圖基本就是當(dāng)前“具身智能”產(chǎn)業(yè)鏈圖。本章討論兩大關(guān)鍵問題：耦合/解耦，鐘擺效應(yīng)。.1軟硬件耦合或解耦：可能是兩套體系部分投資者認(rèn)為具身智能會(huì)“解耦“，即軟件、硬件(甚至制造和生產(chǎn)等)分離。我們認(rèn)為：可能是兩套體系。尤其“東方式”、“西方式”產(chǎn)業(yè)鏈不同。我們的科技TMT價(jià)值鏈往往屬于“東方式”，即下圖的右側(cè)。我們每個(gè)環(huán)節(jié)的價(jià)值鏈都相對(duì)平均，體現(xiàn)“行行出狀元”，也與“共同富?！备悠鹾稀＿@樣為了變強(qiáng)變大，往往需要在零件/產(chǎn)品/IT服務(wù)/品牌均較為出色，才能成為國(guó)內(nèi)tmt領(lǐng)軍。這樣會(huì)促進(jìn)“硬件請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第22頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想+軟件+生產(chǎn)一體化”，也會(huì)促進(jìn)tmt領(lǐng)軍直接接觸客戶(下圖右半邊，用灰色部分把多個(gè)產(chǎn)業(yè)鏈環(huán)節(jié)“耦合”起來(lái))。而“西方式”的tmt往往是“解耦“的，某個(gè)細(xì)分領(lǐng)域成為世界領(lǐng)先即可，即使當(dāng)前甚至較長(zhǎng)時(shí)間不盈利。一旦持續(xù)收入較快增長(zhǎng)，預(yù)計(jì)會(huì)在某個(gè)時(shí)間扭虧為盈，利潤(rùn)率快速提升(例如NFT、chatGPT、軟件等較為虛擬的事物在西方更流行)。源：申萬(wàn)宏源研究東方更偏重于固定資產(chǎn)定價(jià)，而西方更偏重?zé)o形資產(chǎn)定價(jià)。圖中，右邊“基礎(chǔ)軟件”的價(jià)值鏈15%低于左邊的30%。而數(shù)據(jù)要素的交易，可以讓軟件、無(wú)形資產(chǎn)定價(jià)，更加公允的給高附加值業(yè)務(wù)回報(bào)，也符合“全要素分配”的原理。圖中左邊的情形是給予了無(wú)形包括了“東西合璧”的科技布局，實(shí)際與”雙循環(huán)“息息相關(guān)。2.2鐘擺效應(yīng)正是由于“解耦”與“耦合”，均在較長(zhǎng)時(shí)間內(nèi)存在，但市場(chǎng)往往一段時(shí)間只傾斜一個(gè)，這就形成認(rèn)知的鐘擺。下表中，TMT很多領(lǐng)域是“耦合“的世界領(lǐng)軍利潤(rùn)更多，也有請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第23頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想耦合(含耦合(含表1：實(shí)際上，ICT的很多領(lǐng)域，解耦與耦合都有世界領(lǐng)軍。但投資者的理解有“鐘擺效應(yīng)”(單位：億美元)年收年利領(lǐng)年收年利領(lǐng)域入入潤(rùn)潤(rùn)域域入入潤(rùn)信網(wǎng)絡(luò) (安卓收入)杰爾CUDACUDA)達(dá)了方便國(guó)際級(jí)別比較，都采用億美元單位，并做一定近似資料來(lái)源：Wind,bloomberg,申萬(wàn)宏源研究最終兩種路徑往往互相學(xué)習(xí)、借鑒，形成“折中”的形態(tài)。下圖模擬了智能汽車產(chǎn)業(yè)鏈中，傳感器、大模型兩套體系互相借鑒和折中的過程，并做了一些預(yù)測(cè)。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第24頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想當(dāng)前情況下，具身智能和AI軟件的工程化落地是關(guān)鍵。我們從歷史經(jīng)驗(yàn)中發(fā)現(xiàn)，現(xiàn)金流好的公司，創(chuàng)新勝率明顯更高。工程化能力雖然難以量化，但凈營(yíng)業(yè)周期往往是很好的代替，就是經(jīng)營(yíng)周轉(zhuǎn)能力。往往反映了“研發(fā)+產(chǎn)品+工程+銷售+話語(yǔ)權(quán)”。從當(dāng)前互聯(lián)網(wǎng)、互聯(lián)網(wǎng)+，都可以發(fā)現(xiàn)：有較好的現(xiàn)金流，對(duì)創(chuàng)新的勝率明顯提高。這眾所眾知，1995-2001年“信息高速公路”，帶來(lái)了產(chǎn)業(yè)和股票都較大表現(xiàn)。但此后為“泡沫破裂”、“去偽存真”。最后崛起的代表例如微軟、亞馬遜、思科、英特爾；讓公司、Webvan、雅虎等。1)網(wǎng)景公司Netscape。微軟在于網(wǎng)景競(jìng)爭(zhēng)中逐漸處于上風(fēng)。1998年11月24日，美國(guó)在線以42億美元、免稅換股的方式，收購(gòu)網(wǎng)景。而在2000年美國(guó)在線又與時(shí)代華納合并。2007年12月28日，美國(guó)在線在博客表示將停止網(wǎng)景瀏覽器的開發(fā)2)雅虎。1998年，雅虎本來(lái)有機(jī)會(huì)收購(gòu)當(dāng)時(shí)的谷歌雛形——“BackRub(網(wǎng)絡(luò)爬蟲)”項(xiàng)目，谷歌創(chuàng)始人拉里·佩奇和謝爾蓋·布林要價(jià)100萬(wàn)美元將項(xiàng)目賣給雅虎。但當(dāng)時(shí)的雅虎只愿意在搜索方面跟它合作。2006年，雅虎報(bào)價(jià)10億美元收購(gòu)Facebook，但最終收購(gòu)價(jià)下調(diào)至8.5億美元，雅虎沒有收購(gòu)。2008年，微軟出價(jià)446億美金試圖收購(gòu)雅虎，但沒有成功。我們認(rèn)為，雅虎對(duì)技術(shù)的關(guān)注度高低、對(duì)長(zhǎng)期發(fā)展的關(guān)注高低，決定了這幾次決策。3)Webvan。Webvan是一家美國(guó)的網(wǎng)上雜貨零售商，曾經(jīng)一度非常著名。當(dāng)時(shí)，Webvan一度開支巨大。Webvan斥資10億美元建設(shè)先進(jìn)的倉(cāng)庫(kù)，但這并不能迅速帶來(lái)我們認(rèn)為，1995-2001年生存下來(lái)、甚至最終發(fā)展壯大為互聯(lián)網(wǎng)領(lǐng)軍的：第一點(diǎn)是長(zhǎng)期主義，體驗(yàn)在戰(zhàn)略和研發(fā)。1997年亞馬遜的貝索斯開始寫致股東的信，希望創(chuàng)造一種“經(jīng)久不衰的特許經(jīng)營(yíng)權(quán)”機(jī)制,一種通過釋放互聯(lián)網(wǎng)的力量，這體現(xiàn)著長(zhǎng)期主義。這種精神，在最終互聯(lián)網(wǎng)領(lǐng)軍上均有體現(xiàn)。第二點(diǎn)是安全邊際，主要通過現(xiàn)金流體現(xiàn)。相關(guān)公司1996-2006年財(cái)務(wù)情況驗(yàn)證了安全邊際的重要性：即使網(wǎng)景公司如日中天時(shí)，自由現(xiàn)金流也不佳。即使亞馬遜還在起步階段，2002年起自由現(xiàn)金流已經(jīng)是正數(shù)。表2:1999-2001年，最后生存、成功，與不成功公司的差別除了戰(zhàn)略、技術(shù)，現(xiàn)金流很關(guān)鍵(單位：百萬(wàn)美元)自自由現(xiàn)金流(百萬(wàn)美元)96A97A98A99A00A01A02A03A04A05A06A網(wǎng)景公司(69)(61)(28)----------------請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第25頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想微軟(MICROSOFT微軟(MICROSOFT)012826亞馬遜(AMAZON)(3)(7)3(378)(265)(170)135347477529486虎--------(8288)Webvan3)--倒閉，現(xiàn)金流斷裂關(guān)鍵--2013-2015年的“互聯(lián)網(wǎng)+”、“云計(jì)算大數(shù)據(jù)”，最終較為成功的公司包括東方財(cái)富、同花順，依然活躍的公司包括浪潮信息、中科曙光、啟明星辰等。第一點(diǎn)同樣是長(zhǎng)期主義，體驗(yàn)在戰(zhàn)略和研發(fā)。這與1995-2001年互聯(lián)網(wǎng)經(jīng)驗(yàn)一致。第二點(diǎn)是安全邊際，主要通過現(xiàn)金流體現(xiàn)。實(shí)際上，自由現(xiàn)金流是商業(yè)模式?jīng)Q定的。根據(jù)“互聯(lián)網(wǎng)+”的自由現(xiàn)金流情況，可以在開始階段就預(yù)測(cè)未來(lái)的成功概率。而依據(jù)東方財(cái)富、同花順、浪潮信息、中科曙光、啟明星辰等的研發(fā)和現(xiàn)金流，當(dāng)時(shí)就可以預(yù)測(cè)，成功概率相對(duì)高。表3：2013-2015年科技浪潮后，當(dāng)時(shí)研發(fā)和自由現(xiàn)金流或能幫助篩選(單位：百萬(wàn)元)發(fā)投入13A14A15A16A17A18A19A方財(cái)富93達(dá)都3杰息+大數(shù)據(jù)信息0星辰軟件科請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第26頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想是不成功的。自最后相對(duì)進(jìn)展。后現(xiàn)金流變好ind3.2技術(shù)和工程能力的財(cái)務(wù)篩選工程化能力雖然難以量化，但凈營(yíng)業(yè)周期往往是很好的代替，就是經(jīng)營(yíng)周轉(zhuǎn)能力。往往反映了“研發(fā)+產(chǎn)品+工程+銷售+話語(yǔ)權(quán)”。表4：用幾項(xiàng)指標(biāo)近似分析工程化能力(百萬(wàn)元，日)發(fā)投入自由現(xiàn)金流(百萬(wàn)元)凈營(yíng)業(yè)周期(日)AAAAAAA電子技術(shù)科技681-83AAA748-52748-52材料影響自由現(xiàn)金流西威489135材料影響自由現(xiàn)金流材料影響自由現(xiàn)金流-5,2821,8581,858124-1,7321,5217777傳動(dòng)科技6材料影響材料影響自由現(xiàn)金流達(dá)90490490359442471-92注1：工程化能力雖然數(shù)據(jù)上比較難以量化，但研發(fā)投入、周轉(zhuǎn)速度(反映技術(shù)+產(chǎn)品+工程+銷售+粘性)、現(xiàn)金流(收款+產(chǎn)業(yè)鏈話語(yǔ)權(quán))可以做一個(gè)代替片。因此把存貨中購(gòu)買原材料的增量剔除后，得到修正后的自由現(xiàn)金流如上述AI下沉到具身智能(智能汽車、機(jī)器人、智能家居)，較多領(lǐng)軍公司有機(jī)會(huì)。但投資者關(guān)注的解耦/耦合問題，軟硬件鐘擺問題，會(huì)較長(zhǎng)時(shí)間帶來(lái)滲透率的提升，且產(chǎn)業(yè)大概率以“多樣性”為結(jié)果。其中：請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第27頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想1)屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身)：螢石網(wǎng)絡(luò)(tmt&家電家居)、德賽西威(tmt&汽車)、中控技術(shù)(機(jī)械&tmt)、步科股份(申萬(wàn)機(jī)械)。2)屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身)：柏楚電子(申萬(wàn)機(jī)械)、虹軟科技。3)屬于解耦商業(yè)模式的代工生產(chǎn)為主(乙方是代工生產(chǎn)為主)：立訊精密(申萬(wàn)電子)、雙環(huán)傳動(dòng)(申萬(wàn)汽車&機(jī)械)、科博達(dá)(申萬(wàn)汽車)。強(qiáng)+2C機(jī)器人螢石網(wǎng)絡(luò)短中長(zhǎng)期邏輯均有較大看點(diǎn)：短期看，半年報(bào)業(yè)績(jī)超預(yù)期且高增有望持續(xù)；中期看，“SaaS+AI”拉動(dòng)新增量，螢石云有望非線性加速；長(zhǎng)期看，面向具身智能積極備戰(zhàn)，有望成為2C機(jī)器人“國(guó)家隊(duì)”。首先，公司近期發(fā)布2023半年報(bào)，利潤(rùn)大超預(yù)期：2023上半年收入22.85億元，同比增長(zhǎng)9.3%；歸母凈利潤(rùn)2.59億元，同比增長(zhǎng)70.3%。其中23Q2收入12.06億元，同比增長(zhǎng)14.1%，歸母凈利潤(rùn)1.67億元，同比增長(zhǎng)100%。我們?cè)跇I(yè)績(jī)前瞻中預(yù)測(cè)23Q2收入12億元、歸母凈利潤(rùn)1.25億元，實(shí)際收入完全符合預(yù)期，利潤(rùn)大超預(yù)期。23Q2毛利率同比大幅提升8.6pct至44.6%，是利潤(rùn)超預(yù)期的主要推動(dòng)力。我們認(rèn)為原因在于：1)公司通過對(duì)采購(gòu)和訂單管理精細(xì)化，使得供應(yīng)鏈成本下降；2)上半年主要電子元器件價(jià)格處于下行周期；3)收入結(jié)構(gòu)上，毛利率水平偏低的專業(yè)客戶占比下降、高毛利率的物聯(lián)網(wǎng)云平臺(tái)業(yè)務(wù)占比提升、海外業(yè)務(wù)占比提升。以上1)、3)兩點(diǎn)因素將在長(zhǎng)周期維度上，持續(xù)提升公司毛利率中樞。其次，“SaaS+AI”拉動(dòng)新增量，螢石云有望非線性加速。此前云服務(wù)付費(fèi)率不高(根據(jù)公司年報(bào)，2022年C端持有螢石設(shè)備的年度累計(jì)活躍用戶數(shù)約2100萬(wàn)，持有螢石設(shè)備的年度累計(jì)付費(fèi)用戶數(shù)約227萬(wàn)，付費(fèi)率約10.8%)，主要由于能力單一(云存儲(chǔ)占絕對(duì)請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第28頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想大頭)。當(dāng)前變化正在發(fā)生，2022年底公司推出了首款老人看護(hù)服務(wù)套包，此外面向?qū)櫸锟醋o(hù)、兒童看護(hù)等特殊場(chǎng)景將持續(xù)推出SaaS化訂閱的AI算法包，通過為客戶提供增量?jī)r(jià)值、切中用戶剛需，實(shí)現(xiàn)云業(yè)務(wù)付費(fèi)率、ARPU值的上行。并且在未來(lái)有望結(jié)合AI大模型，在改善體驗(yàn)的同時(shí)增加收費(fèi)點(diǎn)，進(jìn)一步提升云服務(wù)收入增速和占比。圖28：C端SaaS+AI算法增值服務(wù)切中用戶剛需，實(shí)現(xiàn)付費(fèi)率和ARPU提升第三，面向具身智能積極備戰(zhàn)，有望成為2C機(jī)器人“國(guó)家隊(duì)”。我們認(rèn)為，公司發(fā)展具身智能已集齊多重有利因素：1)起步早、能力全。公司在2023半年報(bào)中，明確表示“針對(duì)C端具身智能機(jī)器人方面做積極的布局沉淀和前瞻性預(yù)研。”截至上半年在研的9大項(xiàng)目中，多數(shù)與具身智能相關(guān)，其中技術(shù)涉及硬件的運(yùn)動(dòng)控制、軟件的導(dǎo)航算法，以及大模型、云邊融合等，均將為2C機(jī)器人的研發(fā)奠定基礎(chǔ)。在智能服務(wù)機(jī)器人產(chǎn)品線上，目前公司已經(jīng)布局了清潔機(jī)器人和陪伴機(jī)器人，未來(lái)產(chǎn)品線有望持續(xù)豐富。2)云能力+制造能力，兩道護(hù)城河。一方面，公司憑借稀缺的云服務(wù)能力，能夠?yàn)橹悄芗揖雍蜋C(jī)器人注入智慧的靈魂，提升用戶體驗(yàn)，并實(shí)現(xiàn)快速迭代進(jìn)化；另一方面，公司不斷強(qiáng)化制造能力，包括IPO募投的螢石智能制造重慶基地項(xiàng)目，將為2C機(jī)器人降低成本、快速迭代帶來(lái)關(guān)鍵優(yōu)勢(shì)，有望更快實(shí)現(xiàn)“更低成本-更高市占-更多數(shù)據(jù)-更大競(jìng)爭(zhēng)優(yōu)勢(shì)”的飛輪，在C端具身智能領(lǐng)域占據(jù)領(lǐng)先位置。3)既有國(guó)家隊(duì)身份，又富有管理活力。螢石實(shí)控人為中電科，又背靠實(shí)力強(qiáng)勁的母公司，C端機(jī)器人“國(guó)家隊(duì)”身份下容易獲得各方資源支持；同時(shí)，公司管理團(tuán)隊(duì)在長(zhǎng)期的市場(chǎng)競(jìng)爭(zhēng)中，已經(jīng)充分證明了戰(zhàn)略和管理能力，并擁有高度市場(chǎng)化的激勵(lì)機(jī)制。表：螢石網(wǎng)絡(luò)在研項(xiàng)目大量在為具身智能儲(chǔ)備技術(shù)項(xiàng)項(xiàng)目名稱進(jìn)展或階段性成果擬達(dá)到目標(biāo)技術(shù)水平具體應(yīng)用前景基于特征報(bào)文識(shí)別的ez-mesh網(wǎng)絡(luò)自收斂技術(shù)研發(fā)項(xiàng)目已完成特征報(bào)文識(shí)別與自收斂經(jīng)能夠?qū)z-mesh網(wǎng)絡(luò)中部分通過特征報(bào)文識(shí)別技術(shù)精確識(shí)別、過濾并分級(jí)智能家居系統(tǒng)中的各類報(bào)文，為ez-mesh網(wǎng)絡(luò)中各節(jié)點(diǎn)收斂領(lǐng)先于業(yè)內(nèi)主流的智能家居系統(tǒng)智能家居產(chǎn)品請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第29頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想螢石邊緣計(jì)算能力升級(jí)研發(fā)標(biāo)基螢石邊緣計(jì)算能力升級(jí)研發(fā)標(biāo)基于智能視覺的新一代在掃、拖、集塵等重要性能清潔服務(wù)機(jī)器人研發(fā)基于智能視覺的掃拖洗正在進(jìn)行產(chǎn)品預(yù)研工作機(jī)器人研發(fā)南北向通過支撐豐富的接入?yún)f(xié)議以南北向通過支撐豐富的接入?yún)f(xié)議以連接更豐富的產(chǎn)品，東西向通過互聯(lián)互作通信邊結(jié)合的互操作能力保持領(lǐng)先物聯(lián)網(wǎng)云平臺(tái)針對(duì)現(xiàn)有市場(chǎng)，布局新一代產(chǎn)品，并通過技術(shù)創(chuàng)新、形態(tài)創(chuàng)新，解決用戶用痛點(diǎn)，滿足不同市場(chǎng)的用戶需求，升級(jí)體驗(yàn)障礙物距離并智能識(shí)別障礙物智能家居產(chǎn)品基于視基于視覺的單線結(jié)構(gòu)光避障技術(shù)，在導(dǎo)航與路徑規(guī)劃中檢測(cè)障礙物并精準(zhǔn)地避開障礙物；優(yōu)化掃地機(jī)器人清掃方案，升級(jí)用戶體驗(yàn)提升視覺的單線結(jié)構(gòu)光避障技功能智能家居產(chǎn)品基于家庭邊緣計(jì)算的室內(nèi)行為識(shí)別已完成樣機(jī)制作，并進(jìn)行數(shù)據(jù)行為的識(shí)別效果通過室內(nèi)智能家居攝像機(jī)及智能傳感器，基于保護(hù)用戶隱私的設(shè)計(jì)原則，用戶推薦更精準(zhǔn)的智能家居場(chǎng)景模式，帶來(lái)更好的系統(tǒng)使用體驗(yàn)領(lǐng)先于業(yè)內(nèi)主流智能家居全屋系統(tǒng)水平智能家居產(chǎn)品基基于AGI的智能服務(wù)升級(jí)研發(fā)域知識(shí)庫(kù)進(jìn)行問答的原型開發(fā)基于大模型技術(shù)，針對(duì)現(xiàn)有的人工智能技術(shù)進(jìn)行升級(jí)，并探討對(duì)話及視頻領(lǐng)域的新的應(yīng)用模式提升現(xiàn)有多模態(tài)數(shù)據(jù)語(yǔ)義識(shí)別的精確度、降低訓(xùn)練所需數(shù)據(jù)物聯(lián)網(wǎng)云平臺(tái)量數(shù)據(jù)挖掘能力升級(jí)研發(fā)已完成項(xiàng)目可行性分析運(yùn)用深度學(xué)習(xí)、大模型等技術(shù)進(jìn)行數(shù)據(jù)挖掘，實(shí)現(xiàn)更好的付費(fèi)用戶轉(zhuǎn)化能技術(shù)實(shí)現(xiàn)自動(dòng)最優(yōu)化匹配物聯(lián)網(wǎng)云平臺(tái)面向入戶場(chǎng)景的智能門面向入戶場(chǎng)景的智能門鎖及解決方案研發(fā)已完成新一代智能門鎖及入戶場(chǎng)景解決方案的設(shè)計(jì)與可行性評(píng)估提供更豐富的入戶場(chǎng)景解決方案，滿足用戶在家庭入口場(chǎng)景下對(duì)看人及看物的需求；使用云端大模型與端側(cè)邊緣算力并行，實(shí)現(xiàn)與用戶的高效互動(dòng)，提升產(chǎn)品的可靠性、易用性，帶給用戶更加智能化的入戶體驗(yàn)率先應(yīng)用云+端并行算法的智門鎖系統(tǒng)水平智能家居產(chǎn)品螢石生產(chǎn)自動(dòng)化設(shè)備研發(fā)已完成大部分自動(dòng)化產(chǎn)線、設(shè)備，并投入批量生產(chǎn)中減少人工投入，提高生產(chǎn)效率及生產(chǎn)一致性的人機(jī)結(jié)合自動(dòng)化生產(chǎn)技術(shù)智能家居產(chǎn)品申萬(wàn)宏源研究此外，公司在線上線下、國(guó)內(nèi)國(guó)際渠道全面布局，助力上述邏輯加速兌現(xiàn)。1)國(guó)內(nèi)電商渠道方面，加大在常規(guī)的電商平臺(tái)上直播和優(yōu)質(zhì)達(dá)人帶貨，還積極開拓抖音等內(nèi)容興趣電商的直播渠道銷售；2)國(guó)內(nèi)線下渠道方面，公司形成了直營(yíng)旗艦店、經(jīng)銷商專賣店、下沉市場(chǎng)堡壘店等多層次的終端渠道架構(gòu)，積極布局線下專賣體驗(yàn)店，助力全屋智能系統(tǒng)業(yè)務(wù)；3)海外渠道方面，上半年在零售連鎖賣場(chǎng)、家居建材類連鎖店、專業(yè)經(jīng)銷渠道和街邊店等多渠道中均取得了較好的增長(zhǎng)，目前已在多個(gè)國(guó)家和地區(qū)實(shí)現(xiàn)線上與線下多渠道覆蓋。投資分析意見：我們認(rèn)為公司的業(yè)績(jī)釋放、云業(yè)務(wù)加速、具身智能卡位等方面均值得期待，預(yù)計(jì)2023-2025年歸母凈利潤(rùn)5.72/7.60/10.78億元，維持“買入”評(píng)級(jí)。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第30頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想。4.2柏楚電子(申萬(wàn)機(jī)械)：具身智能領(lǐng)軍。切割主業(yè)高速成焊接新品或迎放量期公司上市前主業(yè)為激光切割設(shè)備運(yùn)控系統(tǒng)，上市后公司縱向延伸智能激光切割頭業(yè)務(wù)、橫向拓展智能焊接機(jī)器人控制系統(tǒng)業(yè)務(wù)。 (一)業(yè)務(wù)1：激光切割系統(tǒng)-柏楚方案降低行業(yè)準(zhǔn)入門檻，綜合市占率持續(xù)提升運(yùn)動(dòng)控制系統(tǒng)是激光切割設(shè)備、自動(dòng)化生產(chǎn)設(shè)備的關(guān)鍵功能部件，一個(gè)完整的激光切割流程包括：第一步，使用控制系統(tǒng)提供商提供的激光專用設(shè)計(jì)軟件或第三方工業(yè)設(shè)計(jì)軟件如AutoCAD、Solidworks等繪制零件、裝配體的加工圖紙；第二步，將加工圖紙通過軟件進(jìn)行后期圖形處理及排版，生成加工的機(jī)床代碼；第三步，激光切割機(jī)床根據(jù)代碼指令執(zhí)行切割任務(wù)，整個(gè)切割過程中涉及圖形編輯、工藝設(shè)置及具體加工工藝選擇、運(yùn)動(dòng)控制、切割頭和激光器等外設(shè)控制、加工控制、切割頭與切割部件之間焦距控制及隨動(dòng)等各環(huán)節(jié)，最終完成零件、裝配體的加工。激光切割過程所需的關(guān)鍵技術(shù)包括CAD、CAM、NC、傳感器技術(shù)等硬件設(shè)計(jì)技術(shù)：1)CAD技術(shù)：通過計(jì)算機(jī)建?；驈膱D紙讀取數(shù)字模型，進(jìn)行圖形識(shí)別、編輯和優(yōu)化處理，生成零件并將零件通過計(jì)算機(jī)輔助在板材或型材上進(jìn)行排版，并輸出待加工模型；2)CAM技術(shù)：根據(jù)工藝要求，通過計(jì)算機(jī)輔助生成所需的刀路軌跡以及光路、氣路、焦點(diǎn)等控制參數(shù)和自動(dòng)化加工模型，并生成指令；3)NC技術(shù)：可以實(shí)現(xiàn)根據(jù)生成的機(jī)床代碼指令執(zhí)行具體加工工序的功能，具體涉及加工過程中的運(yùn)動(dòng)/加工控制、切割頭和激光器等外部設(shè)備控制等；4)傳感器技術(shù)：通過傳感器技術(shù)實(shí)現(xiàn)切割過程中溫度、濕度、壓力、光電、視覺、氣壓、激光加工頭與被切割板材之間的間距等因素的控制，從而優(yōu)化激光加工效率，提高智能化水平；5)硬件設(shè)計(jì)技術(shù)：針對(duì)激光行業(yè)特殊需求，定制開發(fā)相應(yīng)硬件產(chǎn)品，合理的硬件設(shè)計(jì)和專業(yè)的檢測(cè)手段可以起到提高切割穩(wěn)定性及抗干擾能力的作用。需要運(yùn)控系統(tǒng)等組件和CAD、CAM、NC等技術(shù)的相互配合請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第31頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想：公司公告、申萬(wàn)宏源研究柏楚產(chǎn)品推出后重新定義激光加工行業(yè)標(biāo)準(zhǔn)、降低切割設(shè)備操作門檻及學(xué)習(xí)成本。公司核心技術(shù)自主研發(fā)，完整地掌握了激光切割控制系統(tǒng)研發(fā)所需的CAD技術(shù)、CAM技術(shù)、NC技術(shù)、傳感器技術(shù)和硬件設(shè)計(jì)技術(shù)五大類關(guān)鍵技術(shù)。在柏楚電子推出“CAD、CAM和NC三合一激光切割控制系統(tǒng)”和“網(wǎng)絡(luò)通訊式隨動(dòng)系統(tǒng)”兩項(xiàng)技術(shù)變革前，國(guó)際激光切割的完整流程通常為：利用AutoCAD、Solidworks等專用CAD設(shè)計(jì)軟件繪制零件圖，然后再導(dǎo)入美國(guó)SigmaNest或西班牙Lantek等專業(yè)排樣軟件中進(jìn)行零件后處理和排版，生成加工文件后導(dǎo)入德國(guó)倍福、德國(guó)PA、西門子等數(shù)控系統(tǒng)中，搭配德國(guó)Precitec的電容隨動(dòng)系統(tǒng)進(jìn)行后續(xù)加工操作。柏楚電子推出上述技術(shù)變革后，為下游激光設(shè)備制造商提供了一站式的解決方案，重新定義了我國(guó)激光加工行業(yè)的標(biāo)準(zhǔn)，用戶可以在柏楚電子的控制系統(tǒng)中同時(shí)實(shí)現(xiàn)上述激光加工的全部流程，大幅降低激光切割設(shè)備的操作門檻和學(xué)習(xí)成本，簡(jiǎn)化激光切割設(shè)備的裝機(jī)和調(diào)試過程。柏楚電子在激光切割領(lǐng)域保持強(qiáng)競(jìng)爭(zhēng)力。1)中低功率激光切割控制系統(tǒng)：柏楚電子的中低功率產(chǎn)品在穩(wěn)定性、可靠性、精度、速度、易用性等各方面均具備明顯優(yōu)勢(shì)，市場(chǎng)占有率約為60%。2)高功率激光切割控制系統(tǒng)：目前國(guó)際廠商依然占據(jù)絕對(duì)優(yōu)勢(shì)，為中國(guó)市場(chǎng)主導(dǎo)者，柏楚2021年市占率約17%，近年隨著國(guó)內(nèi)高功率激光切割市場(chǎng)發(fā)展及柏楚產(chǎn)品日益成熟，柏楚份額持續(xù)提升中。 (二)業(yè)務(wù)2：智能切割頭-搭載高功率切割設(shè)備，滲透率提升+國(guó)產(chǎn)替代切割頭充當(dāng)“四肢”的角色，與控制系統(tǒng)實(shí)現(xiàn)協(xié)同互補(bǔ)。激光切割控制系統(tǒng)與智能激光切割頭是大腦與四肢的關(guān)系，兩者軟硬結(jié)合，需要在信息收集、傳輸、反饋的同步性和精密性上達(dá)到很高的契合。切割頭在激光切割中的工作流程是：激光器產(chǎn)生激光，通過外光路傳輸，在切割頭內(nèi)經(jīng)聚焦鏡聚焦后，作用于被加工材料表面，將材料氣化或者在切割氣體輔助下形成熔池，以實(shí)現(xiàn)吹散被激光融化的金屬熔渣或助燃。由于高功率激光切割的工作環(huán)境惡劣，設(shè)備需要在高溫、高濕、粉塵污染大的環(huán)境下運(yùn)行，外部環(huán)境和切割頭內(nèi)部任何微小的變化都會(huì)對(duì)設(shè)備性能和切割效果產(chǎn)生較大影響，因此及時(shí)將工況信息傳遞回控制系統(tǒng)，由控制系統(tǒng)進(jìn)行實(shí)時(shí)調(diào)整，有助于最大程度保證激光切割設(shè)備的工作效率。請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明請(qǐng)務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第32頁(yè)共37頁(yè)簡(jiǎn)單金融成就夢(mèng)想表5：光纖激光切割機(jī)的切割頭由光學(xué)元件、機(jī)械加工元件等組成光切割機(jī)功能光纖連接塊是光纖導(dǎo)入切割頭的接口部分件包括準(zhǔn)直對(duì)中部分和水冷卻部分件足切割不同材鏡盒用于將外界與切割頭內(nèi)部光路隔絕，保證光路密封，命與控制盒靠地保持。割頭前端，是激光束和鋪助氣體的排出通走，達(dá)到切割的目的OFweek前景》、申萬(wàn)宏源研究柏楚電子智能切割頭產(chǎn)品與高功率軟件搭載銷售，客戶認(rèn)可度高、銷售額快速提升。目前我國(guó)整機(jī)制造廠商使用的高功率激光切割頭和三維激光切割頭主要依賴進(jìn)口，主要供應(yīng)廠商分別為德國(guó)Precitec和德國(guó)LT。且德國(guó)廠商生產(chǎn)的切割頭的傳感器數(shù)據(jù)無(wú)法與國(guó)產(chǎn)的激光切割系統(tǒng)進(jìn)行實(shí)時(shí)的通訊，從而無(wú)法實(shí)現(xiàn)智能的閉環(huán)控制策略。公司激光切割頭具備安裝、調(diào)試簡(jiǎn)易，傳感器齊全，將是目前市場(chǎng)為數(shù)不多的具備與國(guó)外同類產(chǎn)品競(jìng)爭(zhēng)力的國(guó)產(chǎn)智能切割頭。從產(chǎn)業(yè)層面來(lái)看，公司原有主業(yè)激光切割頭軟件和智能激光切割頭在激光切割設(shè)備整機(jī)制造中屬于平行工序的關(guān)系，下游客戶高度重合。基于公司在控制系統(tǒng)細(xì)分領(lǐng)域內(nèi)的龍頭位置，公司拓展智能激光切割頭具有渠道優(yōu)勢(shì)，且客戶對(duì)于切割頭評(píng)價(jià)反饋較高，子公司波刺自動(dòng)化(切割頭業(yè)務(wù)主體)營(yíng)收快速增長(zhǎng)。2020年波刺自動(dòng)化子公司營(yíng)收進(jìn)0.11億元，2023年上半年?duì)I收達(dá)到1.54億。 (三)業(yè)務(wù)3：智能焊接機(jī)器人控制系統(tǒng)-機(jī)器換人大勢(shì)所趨、柏楚產(chǎn)品或迎放量期鋼構(gòu)非標(biāo)場(chǎng)景屬性，倒逼智能焊接機(jī)器人需求。智能焊接機(jī)器人產(chǎn)品為電弧焊焊接