智能化

终端需求快速增长，激光雷达上车进度加快，行业即将进入快速增长期。终端车企针对高阶智能辅助驾驶（各类NOA）布局加快，激光雷达正在成为提高用户辅助驾驶使用率的重要传感器。据汽车之心表述，2024年激光雷达的全球乘用车端渗透率大概率将突破1%大关，行业进入快速增长期。激光雷达在科研及对环境感知准确度要求较高的细分领域也有优秀的应用前景。据灼识咨询预测，全球激光雷达解决方案市场规模有望于2030年达到12537亿元。

减速器：传动系统关键部件，下游应用丰富。减速器可以分为通用减速器、专用减速器以及精密减速器，其中通用减速器以中小规格为主，模块化、系列化、应用较为广泛；专用减速器一般以大型、特大型为主，需要根据不同的应用场景进行专业化定制；精密减速器质量轻、易控制功率较大，主要应用于机器人、数控机床等行业。

通用性是人形机器人商业化的关键, AI大模型赋能加速机器人产业化。大模型通过深度学习和强化学习，能够理解和执行复杂的任务。它们不仅能够处理视觉和语言信息，还能够理解物理世界的基本规律。这种强大的泛化能力，使得人形机器人能够在多种场景中执行任务，极大地提高了其通用性。大模型兼顾预训练和微调功能，是机器人的理想“大脑”。大模型(Foundation Models)能够实现在无标注的数据.上进行预训练，从而根据数据特征探索普适的规律，形成强大的泛化能力，后续仅需利用专用的小规模的标注数据对模型进行微调

“国产化降本+AI模型赋能”加速机器人产业化：经过4年（2019-2024年）的生产经验积累，特斯拉在国内已经形成了一套自上而下的成熟汽车供应体系。汽车供应链和人形机器人供应链的部分产品底层技术同源，未来特斯拉有望将汽车产业链复制至机器人端，实现国产化降本。OpenAI布局人形机器人有望产生鲶鱼效应，推动其他供应商对AI机器人的推进，进而提高人形机器人智能化程度和通用性，打开应用场景，加速人形机器人产业化进程。

AR 采用 OST 方式将数据直接叠加于现实世界，交互及融合感更自然。AR眼镜的微显示屏与光学方案是当前产业链发展的关键。光学方案中，光波导为当前主流，表面浮雕光栅衍射光波导依靠微纳制造，我们认为光栅设计/光栅母版加工/纳米压印三大技术决定波导性能，关注纳米压印设备精度及效率提升。显示方案中，Micro LED 具有低功耗、高亮度等优势适配光波导方案，有望成为 AR 眼镜微显示器的最优选择。Micro LED 当前需克服巨量转移和全彩显示两大难题，后续关注激光巨量转移设备在 Micro LED

IMU 是辅助人形机器人实现双足运动最为可行的解决方案。惯性传感器是人形机器人本体感觉传感器的重要组成部分，也是辅助人形机器人修正预定步行模式的重要方案，对于防止人形机器人跌倒以及产生动态稳定的步行运动有重要意义。相较于光学/机器视觉进行动作捕捉、被动外骨骼和手动引导等技术路线，惯性测量单元（IMU）能够有效规避障碍物遮挡问题和复杂运动的执行问题，是辅助人形机器人实现双足运动的解决方案中可行性最高的。

空心杯/无框力矩电机高度匹配人形机器人。机器人诸如行走、跑、弹跳等动作均由机器人关节电机驱动产生，机器人关节电机作为机器人的核心硬件直接决定机器人的重要性能。空心杯电机和无框力矩电机均具备结构紧凑，输出功率大的特点，对人形机器人匹配度较高。空心杯电机是采用了空心杯绕线技术的直流有刷或者直流无刷电机，对灵巧手契合度较高；无框力矩电机是一种无框架式的无刷永磁同步电机，适用于旋转关节和线性关节。

目前大模型能力仍处于 Emerging AGI 水平，就模型成熟度而言，语言大模型>多模态大模型>具身智能大模型。根据DeepMind 的定义，AGI 应能够广泛学习、执行复杂多步骤的任务。模型的 AGI 水平可分为 Level-0 至 Level-5 共 6个等级，现阶段大模型在处理任务的广泛性上还有很大提升空间，即使是国际顶尖的大模型也仍处于 Level-1 Emerging AGI 阶段。不同类型大模型成熟度差异较大，目前大语言模型能力相对完善，落地应用场景丰富，底层技术路线较

数字化驱动智能汽车发展。①汽车加速数字化，提升企业价值；②智能硬件软件替代传统发动机，整车价值提升；③智慧交通空间扩大，道路数字化成新趋势。华为汽车构建智能解决方案，以“平台+生态”战略推动智能化，构建七大解决方案。

以特斯拉Optimus为例，单台人形机器人需要14个行星滚柱丝杠，单价约2,000元/个，单台价值量在2.8万元以上。横向对比机器人其他部件，行星滚柱丝杠占人形机器人价值量较高，其毛利率可达60%，盈利能力位居前列。

Transformer模型是一种采用自注意力机制的深度学习模型，这一机制可按输入数据各部分的重要性分配权重，可用于自然语言处理(NLP)、计算机视觉(CV)领域应用，后来出现的BERT、GPT-3、laMDA等预训练模型都是基于Transformer模型建立的。

新一代人工智能技术正步入跨越式发展新阶段，成为引领现代产业变革的核心力量，大力发展通用人工智能已经成为全球潮流。2024 年我国政府工作报告中提出“开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”，既顺应全球人工智能发展趋势，也反映了未来中国产业升级的现实需求，开启了人工智能技术在各行各业广泛应用的新篇章。