智能体时代来临，具身智能有望成为最佳载体

智能体时代来临，小型端侧设备无法消化大模型大参数，而具身智能则有望成为最佳载体。从具身智能训练层面看，仿真软件可为大模型提供海量、低成本数据，解决真实数据高成本、难收集的问题，仿真软件有望实现大范围应用。相比于刚性物体的仿真，柔性、流体的仿真技术壁垒更高，具备相关技术积累的厂商优势突出。从具身智能商业化路径来看，我们认为目前商业落地途径主要包括三种：(1)通用机器人路径对于资金和技术要求较高，目前特斯拉等行业巨头正加速布局。(2)纯软件路径的核心是设计通用的操作系统使多个硬件厂商共享同一套软件，英伟达Project GR00T以及华为鸿蒙操作系统核心合作厂商有望深度受益。(3)垂直领域软硬一体路径能够使公司形成数据壁垒，细分领域龙头具备核心优势。

智能体时代来临，具身智能有望成为最佳载体。自ChatGPT发布后，AI模型参数量越来越高，从GPT-1到GPT-4，参数量由1.1亿增长至1.8万亿。从目前市场上的端侧大模型来看，通常设备端越大(功能越多)，其端侧大模型的参数量也越大。然而可穿戴设备、手机等无法消化大模型大算力，相比小型端侧设备，具身智能机器人有望成为智能体最佳载体。

仿真有望大范围应用于具身智能训练，建议关注具备柔性、流体仿真等技术的厂商。主流的具身智能训练方法主要包括遥操作、动捕、大模型等。其中，单一的遥操作或动捕需由人类操作员直接控制，无法实现机器替人。大模型和机器人实体的结合则具备较强的泛化性。在大模型训练数据的选择上，可采用仿真数据或真实数据。仿真通过构建虚拟环境生成大量数据，成本较低，适合在新的环境中大范围学习技能;而利用真实数据能够形成细分场景的数据壁垒，但成本及获取难度相对较高。相比于刚性物体的仿真，柔性、流体的仿真对于算法的稳定性和收敛性的要求大幅提高。

具身智能商业化路径：建议关注纯软件和垂直领域软硬一体路径。目前具身智能商业化路径主要包括三种：第一种是通用机器人路径，其核心是采用通用的硬件和软件来应对各种多变的使用场景，该种路径对于资金和技术要求较高，目前1X、Figure以及特斯拉等行业巨头正加速布局。纯软件路径的是设计通用的操作系统，硬件厂商通过API接口即可接入机器人“大脑”，从而实现多种硬件平台共享同一套软件架构。并且随着机器人的大规模部署，其边际成本可以无限趋近于0。对于纯软件路径，我们建议关注英伟达、华为合作厂商。第三种路径是垂直领域软硬一体，目前机器人硬件与数据仍处于耦合阶段，公司通过收集传感器数据能够形成细分领域的数据壁垒。对于该种路径，建议关注细分领域龙头厂商。

投资建议：从具身智能训练层面，建议关注具备柔性、流体仿真等技术的厂商，如索辰科技。从具身智能商业化路径层面，建议关注英伟达、华为合作厂商，如九号公司、中坚科技、高新兴、润和软件、安联锐视等以及细分领域龙头厂商如海康机器人。