【券商聚焦】中金公司:机器人大模型是破解传统机器人控制瓶颈、迈向通用具身智能的关键路径

金吾财讯
Sep 19

金吾财讯 | 中金公司发研报指,传统机器人在任务、场景和数据方面存在较强的专一性,泛化能力较弱,难以应对复杂环境,更偏向“人形机器”的属性。相比人类学习,机器人在集体学习效率上具备优势。目前行业已形成共识,即机器人大模型可通过融合视觉、触觉等多模态信息,弥补机器人在“物理常识”方面的不足,是推动产业向通用具身智能迈进的重要路径之一。大语言模型在自然语言处理领域虽发展成熟,能提供专业的信息咨询与方案建议,但暂无法直接解决机器人物理操作问题,且存在“幻觉”现象,在与机器人技术整合过程中也面临困难。自动驾驶模型与机器人在感知、决策、执行的底层技术上有相通之处,但机器人面临的场景更复杂、对通用性要求更高,自动驾驶领域存在的极端场景泛化不足、安全冗余失衡等问题,机器人目前也难以有效突破。商业化进程中,“硬件优先”(由车企、机器人企业主导)与“模型优先”(由AI企业主导)两种路径各有特点与优势。受场景复杂度、技术门槛以及商业回报周期等因素影响,多数企业可能会聚焦于特定垂直领域,实现该场景下的“通用/柔性”应用;我们认为,仅有少数具备全栈能力的企业,有望进一步突破至“具身智能”层级。该机构认为机器人大模型是破解传统机器人控制瓶颈、迈向通用具身智能的关键路径。当前行业主要基于大语言模型、自动驾驶大模型及多模态大模型探索的发展方向,产业重心已转向“小脑+大脑”系统研发,而不同企业在研发与商业化路径上存在差异。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10