1、 行业研究丨深度报告丨软件与服务 从特斯拉智能驾驶看人形机器人发展路径%1 请阅读最后评级说明和重要声明 2/30 丨证券研究报告丨 报告要点 Table_Summary Table_Summary 当前人形机器人产品落地的主要瓶颈在于模型侧。模型侧对机器人多模态对齐数据有较高的需求。数据驱动的大模型需要大量机器人多模态对齐数据投喂，对机器人数据的数量和质量都有较高的需求。机器人厂商解决机器人数据短缺主要靠两种途径：1）通过为数众多的机器人在物理世界中收集数据；2）通过 AIGC、数字孪生等方式合成仿真数据。因此建议关注模拟仿真相关标的。分析师及联系人 Table_Author 宗建树 SAC

2、：S0490520030004 SFC：BUX668%28XbUeUcWfY8XaYaYbR9R7NpNrRpNmQeRpPvNkPpMoOaQqRrRuOnMqPwMnQtR请阅读最后评级说明和重要声明 丨证券研究报告丨 软件与服务 从特斯拉智能驾驶看人形机器人发展路径 行业研究丨深度报告 Table_Rank 投资评级 看好丨维持 Table_Summary2 机器人软件：越过 L2，直接从具身智能开始 AI 模型的发展已经接近关键节点，多模态模型具备了一定的成熟度，为人形机器人系统的发展铺平了道路。复盘特斯拉智能驾驶的发展路径可以发现，人形机器人模型可以采用自上而下的形式，直接从 L3

3、级开始构建模型系统。在机器人时代，主流软件厂商都选择了数据驱动的开发范式。数据驱动的机器人模型具备较高的泛化能力，不仅可用于高复杂性场景，还能在环境沟通中自主学习。受限于算力不足以及数据集短缺，模型控制层暂时只能以规则驱动。特斯拉正在以数据驱动快速迭代机器人系统。目前特斯拉已将为数众多的 Optimus 放进汽车生产工厂，安排其协助完成工厂内的电池分拣工作，形成了数据飞轮。机器人硬件：性能优化与云边端协同 机器人从汽车感知系统上继承了摄像头、超声波雷达、激光雷达等传感器，并且提高了传感器数量和性能。此外，为了实现更精准的操控，机器人新增加了一维力和一维力矩传感器、关节电机内部的位置传感器、IM

4、U、用于腕关节和脚部的六维力传感器、触觉传感器(指尖、手掌、高碰撞风险区)等部件。当前条件下，如何平衡云端的计算延迟与端侧的算力不足是机器人 AI 大脑的核心矛盾之一。放眼未来，机器人大脑在一段时间内或采用云端大脑与端侧模型并行的技术路径。在云端，特斯拉自研 DOJO 超算平台支撑人形机器人的底层算力。DOJO 芯片架构平台由 D1 芯片组成，D1 芯片采用了台积电的 7 纳米制程工艺，计算能力在 BF16/CFP8 上达到 362TFLOPS，FP32 峰值算力为 22.6 TFLOPS，TDP(热设计功耗)为 400W。预计到 2024年 10 月，Dojo 超算平台的有望匹配 30 万块

5、英伟达 A100 芯片的算力。特斯拉自研的 Dojo 超算平台有望为公司节省超过 65 亿美元的算力投入。商业模式：从制造到运营，机器人有望复刻路径 具身智能将带来产业链的重构，其中软件将在产业链中具备最高价值量。未来随着大模型的渗透率提升，机器人智能化程度有望大幅度提高。参考智能汽车领域的“软件定义汽车”逻辑，软件算法或成为人形机器人厂商的技术护城河，是机器人主机厂实现产品差异化的关键因素。特斯拉 Robotaxi 将于今年 10 月 10 日发布，而人形机器人有望复刻 RoboTaxi 商业路径。从长期来看，人形机器人有望在近两年快速将本，仿照 RoboTaxi 的形式，在某些高价值场景中

6、的成本低于人力成本，快速达到生产厂商的投资回报曲线门槛。投资建议：关注模拟仿真相关标的 当前人形机器人产品落地的主要瓶颈在于模型侧。模型侧对机器人多模态对齐数据有较高的需求。数据驱动的大模型需要大量机器人多模态对齐数据投喂，对机器人数据的数量和质量都有较高的需求。机器人厂商解决机器人数据短缺主要靠两种途径：1）通过为数众多的机器人在物理世界中收集数据；2）通过 AIGC、数字孪生等方式合成仿真数据。因此建议关注模拟仿真相关标的。风险提示 1、人形机器人技术发展不及预期；2、人形机器人产品需求不及预期。Table_StockData市场表现对比图市场表现对比图(近近 12 个月个月)Table_