Sim+to+Real,具身大模型的問(wèn)題、現(xiàn)狀與投資機(jī)會(huì):本體廠(chǎng),大廠(chǎng)和獨(dú)角獸公司的大模型技術(shù)路徑及進(jìn)展

1、大模型的問(wèn)題：我們對(duì)大模型的相關(guān)概念進(jìn)行了釋義和邏輯解讀，認(rèn)為L(zhǎng)LM-VLM-VLA是具身智能發(fā)展的進(jìn)階路徑，需要實(shí)現(xiàn)大模型從語(yǔ)義理解到物理世界理解的“具身”化、適應(yīng)不同環(huán)境和任務(wù)的通用泛化，在實(shí)現(xiàn)的過(guò)程中，面臨商業(yè)化落地的精度取 舍和數(shù)據(jù)缺乏的瓶頸；

2、梳理了部分布局者的大模型及本體進(jìn)展，對(duì)比本體廠(chǎng)、大廠(chǎng)和d角獸公司的大模型技術(shù)路徑及進(jìn)展，包括銀河通用、智 元、Figure AI、優(yōu)必選和Physical Intelligence PI；

3、投資機(jī)會(huì)：我們認(rèn)為，數(shù)采工具+垂域場(chǎng)景或可落地先行，可關(guān)注有垂直場(chǎng)景和豐富行 業(yè)數(shù)據(jù)的公司。

一、模型的問(wèn)題：大模型的概念、需求及瓶頸

1、概念的解讀：梳理了大模型的相關(guān)概念并進(jìn)行釋義和邏輯解讀；

2、具身的需求：對(duì)大模型來(lái)說(shuō)，完成疊衣服任務(wù)的難度遠(yuǎn)超于贏(yíng)得國(guó)際象棋，具身智能機(jī)器人的應(yīng)用需要跨越虛擬來(lái)到現(xiàn)實(shí)；

3、泛化的需求：泛化大模型VS. 垂域模型；

4、核心的問(wèn)題：是否是數(shù)據(jù)缺乏？

二、布局者的問(wèn)題：本體廠(chǎng)/大廠(chǎng)/d角獸，具身智能模型進(jìn)展如何？

梳理了部分布局者的大模型及本體進(jìn)展，對(duì)比本體廠(chǎng)、大廠(chǎng)和d角獸公司的大模型技術(shù)路徑及進(jìn)展，包括銀河通用、智元、Figure AI、優(yōu)必 選和Physical Intelligence PI等。

 三、投資機(jī)會(huì)：數(shù)采工具+垂域場(chǎng)景或可落地先行

1、開(kāi)發(fā)數(shù)采工具：部分廠(chǎng)商通過(guò)開(kāi)發(fā)便捷易用、性?xún)r(jià)比較高的數(shù)采工具，解決目前具身大模型構(gòu)建的數(shù)據(jù)缺乏、真機(jī)采集數(shù)據(jù)成本高的問(wèn)題

2、拓展垂直場(chǎng)景：基于各公司對(duì)垂直行業(yè)的深度理解、豐富場(chǎng)景和海量數(shù)據(jù)，實(shí)現(xiàn)具身智能在垂直場(chǎng)景的率先落地

相關(guān)標(biāo)的：我們認(rèn)為人形機(jī)器人目前處于技術(shù)突破、商業(yè)化落地初期，后續(xù)有望迎來(lái)量產(chǎn)空間，維持人形機(jī)器人行業(yè)“推薦”評(píng)J。

建議關(guān)注： 1）具身智能本體公司優(yōu)必選、極智嘉等；2）具身智能落地相關(guān)場(chǎng)景：杭叉集團(tuán)、安徽合力、勁旅環(huán)境、杰克科技等；3）數(shù)采設(shè)備供應(yīng)商漢 威科技、南山智尚等。

好的具身智能產(chǎn)品可以被狹義定義為【數(shù)據(jù)驅(qū)動(dòng)】型，需要解決的核心問(wèn)題包括：

1）泛化需求VS精度需求：我們認(rèn)為精度要求不高的垂直場(chǎng)景可能Z先實(shí)現(xiàn)商業(yè)化：數(shù)據(jù)驅(qū)動(dòng)的核心優(yōu)勢(shì)是泛化、劣勢(shì)是精度，因此可以尋 找對(duì)泛化能力要求迫切，但對(duì)于精度要求不過(guò)高的任務(wù)進(jìn)行產(chǎn)品化；

2）自動(dòng)駕駛VS具身智能，具身大模型泛化面臨數(shù)據(jù)缺乏、獲取數(shù)據(jù)成本高的問(wèn)題。如果數(shù)據(jù)完全來(lái)自于遙操作，那么就會(huì)面臨速成但不泛 化的問(wèn)題，特斯拉FSD的一個(gè)護(hù)城河就是其上百萬(wàn)臺(tái)車(chē)和上億小時(shí)的實(shí)時(shí)駕駛數(shù)據(jù)。如果沒(méi)有數(shù)據(jù)來(lái)源，或者數(shù)據(jù)采集成本很高，那么產(chǎn)品 未來(lái)的商業(yè)化面臨較難的落地瓶頸。

目前，各公司獲得數(shù)據(jù)的方式包括：1）工廠(chǎng)等實(shí)訓(xùn)場(chǎng)景收集數(shù)據(jù)集；2）真機(jī)操作數(shù)據(jù)；3）視頻數(shù)據(jù)；4）互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)等，并 有不同數(shù)據(jù)集和預(yù)訓(xùn)練、后訓(xùn)練的數(shù)據(jù)組合。

附件：Sim+to+Real,具身大模型的問(wèn)題、現(xiàn)狀與投資機(jī)會(huì):本體廠(chǎng),大廠(chǎng)和獨(dú)角獸公司的大模型技術(shù)路徑及進(jìn)展