人工智能-零帕网

人形机器人：“人工智能+高端制造”重要落地形式，全球AI浪潮中，中国厂商能够深度参与的领域• 人工智能、新能源车、消费电子、工业机器人等领域龙头厂商加持，预计2024年人形机器人行业或将进入小批量量产元年，产业化落地进度有望超预期。作为全球AI浪潮中，中国厂商能够深度参与的领域，国产厂商发展机遇大。• 市场空间：预计2030年中美制造业、家政业的人形机器人需求合计约203万台，市场空间约3185亿元。• 领先厂商：特斯拉 Optimus、Figure 01、波士顿动力 Atlas、优必选 Wal

基于对人形机器人发展阶段及核心竞争力的分析，我们认为人形机器人已经跨入了一个全新的软件定义加 AI 驱动的时代。软件不仅承载着人形机器人的基础操作系统和应用算法，而且通过不断迭代升级，为人形机器人赋予了超越传统机械设备的智能特性。软件和 AI 不仅开启了人形机器人在各行各业广泛应用的可能性，更定义了人形机器人的功能边界。

AI 存储路线图：更大容量、更大带宽、更低功耗。随着人工智能的快速发展，大模型的参数量指数级增长，不仅推升了处理器的算力需求，同时也对与处理器匹配的内存系统提出了更高的要求。一方面，大量模型数据的传输要求更大的内存带宽，以缓解“内存墙”问题，提升 HPC 系统计算效率；另一方面，内存系统的容量需要大幅拓展，以存储千亿参数乃至更大规模的大模型。

基础能力测试：混元 VS Claude 3 VS Mistral1、数学能力： Claude 3 ＞混元 ＞ Mistral。测试3道高数题、1道线代题、1道概率题，Claude 3 正确率为80%，混元正确率为60%，Mistral 正确率为40%。2、编程能力：混元 ＞Claude 3 👍istral。测试数据分析、编写应用程序、贪吃蛇、爬虫，共5道编程题。编程1次运行成功率混元为80%，Claude 和 Mistral 均为40%，

经过我们的计算，AI的增长对于服务器存储需求增量较大，计算结果如下：内存：以GB200 NVL72为例——单台GB200 NVL72 （HBM+LPDDR5x）消耗晶圆片数为15.21片。SSD：以DGX H100为例为例——单台DGX H100 SSD消耗晶圆0.46片。

奥比中光是国内首批消费级 3D 视觉厂商，公司经过多年高投入，实现 3D 视觉全技术路径布局，并完成“芯片-算法-器件-整机-量产”的全链覆盖。得益于全栈的技术路径布局和规模化量产能力，公司已和英伟达、微软、蚂蚁、银联、OPPO、优必选、斯坦德、创想三维等各行业头部企业达成合作。但受制于消费级 3D 视觉行业处于起步初期，下游需求不稳定，公司近 5 年营收有所波动，2023 年为 3.62 亿元（yoy+3.34%）。

边缘 AI 是云端算力的有效补充，也是 AI 应用落地的必要工具，长期成长空间巨大，当前已处于爆发前期。伴随 AI 应用范围扩大，整体算力需求日益增长，同时对于算力及时性、安全性等个性化需求凸显，边缘端算力增长已经成为趋势，以 PC、手机、汽车等终端作为载体的边缘算力将对硬件产业链产生新一轮革新。

AI 赋能人形机器人，或开启产业化元年2023 年 12 月，特斯拉发布人形机器人 OptimusGen2，相较于前代行走速度提高 30%，重量减轻 10kg；2024 年 3 月，全球首个 OpenAI 大模型加持下的机器人 Figure01 发布，可实现与人类的对话和互动；AI 大模型的快速发展，推动人形机器人技术发展持续进步。AI 赋能人形机器人，行业产业化加快。国内来看，政策持续重磅支持，行业投融资金额亦呈上升趋势。据 Markets and Markets 预测，2023 年全球人形机

六维力传感器是维度最高的力传感器，已成为高性能人形机器人的标配。根据所测力的维数不同，力传感器可被分为一到六维力传感器；根据其测量原理不同，又可以分为光电式、应变式、电容式、压电式等类型。六维力传感器是维度最高的力传感器，能给出最为全面的力觉信息、提升传感精度，并非是多个低维力传感器可替代的。在人形机器人领域，六维力传感器可提升机器人手部操作的精细化与柔性化程度以及脚部行走的稳定性，主要安装手腕、脚踝等的末端部位，已成为高性能人形机器人的标配。

技术雷达持续追踪有趣的技术是如何发展的，我们将其称之为条目。在技术雷达中，我们使用象限和环对其进行分类，不同象限代表不同种类的技术，而圆环则代表我们对它作出的成熟度评估。

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