机械设备 /行业深度分析报告 /2023.11.11 请阅读最后一页的重要声明！ agi 机器人行业深度报告 证券研究报告 投资评级:看好(维持) 最近12月市场表现 分析师 佘炜超 sac证书编号：s0160522080002 shewc@ctsec.com 分析师 刘俊奇 sac证书编号：s0160523060002 liujq@ctsec.com 分析师 孟欣 sac证书编号：s0160523090002 mengxin@ctsec.com 联系人 孙瀚栋 sunhd@ctsec.com 相关报告 1. 《工信部印发人形机器人指导意见，产业化加速》 2023-11-10 2. 《力传感器深度研究报告》 2023-10-06 3. 《精密减速器行业深度报告》 2023-09-05 agi赋能人形机器人，具身智能时代有望加速到来 核心观点 ❖ agi起于大语言模型，终于具身智能。agi（artificial general intelligence），即通用人工智能，也称强人工智能，指的是具备与人类同等甚至超越人类的智能，能表现出正常人类所具有的所有智能行为。agi技术实现突破，离不开llm大模型和多模态能力，在两者结合下，ai具备了创造力。具身智能是迈向通用人工智能（agi）的重要一步，国内外大厂及高等学府均开展了具身智能的相关研究，如微软、谷歌、斯坦福、达闼机器人、智元机器人等。 ❖ 人形机器人是agi最佳载体，业界研究进展加速。谷歌的rt-1是迈向视觉语言动作（vla）模型的一个尝试，通过吸收大量的真实数据，提升机器性能和泛化能力；rt-2是全球首个控制机器人的vla模型，将视觉语言模型（vlm）与机器人操作能力结合，在泛化能力和涌现能力上均有明显提升。gpt-4是openai发布的最新gpt系列模型，是一个大规模的多模态模型，已应用在ameca和eureka等机器人上；gpt-4v(ision)新增语言、图像交互功能。meta和cmu联合打造出roboagent，突破了缺乏足够庞大的数据集来训练通用智能体和缺乏能够生成此类数据的通用智能体的困境。特斯拉链接fsd和机器人的底层模块，使用端到端的神经网络，助力optimus在任务操作方面展现出先进性。 ❖ “机器人 大模型”是迈向agi时代的有效途径：人工智能大模型的语言处理能力可以被看作“大脑”，若想真正发挥通用人工智能的力量，未来的agi需要有具身实体。llm有助于实现任务级编程/交互，整个过程基本不需要或者仅需少量人类的介入和确认，降低了机器人的使用门槛。多模态大模型使得机器人开始理解如何合理使用多种输出能力来更好的完成任务。但我们离通用人工智能还很遥远，仍然存在许多尚未解决的重大问题，如多模态融合、安全性、高质量训练数据缺乏等。 ❖ 投资建议：agi是人工智能未来发展的方向，llm和多模态推动agi实现技术上的突破，“机器人 大模型”为agi走进物理世界提供了更多的可能性。随着谷歌、openai、meta和特斯拉等科技大厂以及斯坦福等高等学府纷纷投入agi的研究中，“机器人 大模型”将会进入发展的快车道，带动机器人软件和硬件系统的迭代升级，具有较好的发展前景。建议关注机器人整机领域的公司，如三花智控、拓普集团、埃斯顿、亿嘉和、博实股份、德昌股份等。 ❖ 风险提示：特斯拉人形机器人量产进展不及预期；国产化替代进展不及预期；制造业景气度恢复低于预期等。 -10%-6%-2%3%7%机械设备沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业深度分析报告/证券研究报告 表 1：重点公司投资评级: 代码 公司 总市值（亿元） 收盘价（11.10） eps（元） pe 投资评级 2022a 2023e 2024e 2022a 2023e 2024e 002050 三花智控 1,033.94 27.70 0.72 0.91 1.11 29.47 30.44 24.95 增持 601689 拓普集团 769.23 69.80 1.54 2.14 2.83 38.04 32.62 24.66 买入 002747 埃斯顿 174.17 20.03 0.19 0.33 0.56 114.11 60.70 35.77 增持 603666 亿嘉和 66.99 32.44 -0.47 0.47 1.96 -67.49 69.06 16.55 未覆盖 002698 博实股份 144.08 14.09 0.44 0.66 0.87 32.19 21.30 16.24 未覆盖 605555 德昌股份 82.11 22.05 1.12 0.90 1.02 18.08 24.62 21.68 未覆盖 数据来源：wind数据，财通证券研究所（未覆盖公司预测数据来自 wind 一致预期） 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业深度分析报告/证券研究报告 1 agi的关键拼图：起于大模型，终于具身智能 .................................................................................. 5 1.1 大语言模型百家争鸣，推动弱人工智能向通用人工智能跃升 ....................................................... 5 1.2 具身智能助力agi走进现实 ............................................................................................................. 8 2 人形机器人是agi最佳载体，业界研究进展加速 ............................................................................. 9 2.1 从rt-1到rt-2，谷歌演进式打造全能机器人大脑 ....................................................................... 9 2.2 openai升级迭代gpt，推动机器人“大脑”升级 ......................................................................... 14 2.3 meta与cmu联手打造roboagent，用更少的数据训练更强的具身智能体 ........................... 18 2.4 特斯拉打通自动驾驶的fsd算法与机器人板块，optimus迎来新进展 ................................... 22 3 机器人拥抱大模型：迈向agi的曙光与挑战 ................................................................................... 24 3.1 大模型 机器人：agi如何走向物理世界？ .................................................................................. 24 3.2 大模型 机器人还在路上，agi道阻且长 ...................................................................................... 26 4 国内核心尊龙凯时人生就博的介绍 ................................................................................................................................. 28 5 投资建议 ................................................................................................................................................. 30 6 风险提示 ................................................................................................................................................. 31 图1. 人工智能历史时间表 ............................................................................................................................. 5 图2. 人工智能层次关系 ................................................................................................................................. 6 图3. 大语言模型（llm）发展的三个阶段 ................................................................................................ 7 图4. agi应用场景例举 ................................................................................................................................. 8 图5. 国外具身智能相关研究 ......................................................................................................................... 9 图6. 从llm到vlm到vla ................................................................................................................... 10 图7. rt-1模型架构 ...................................................................................................................................... 11 图8. rt-1的实验结果 .................................................................................................................................. 11 图9. 表示机器人动作的文本字符串 ........................................................................................................... 12 图10. rt-2模