智能体专题报告之二：智能体时代来临，具身智能有望成为最佳载体-中银证券

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

免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系