报告

中银证券：智能体专题报告之一：智能体打开智驾与机器人的星辰大海

admin2023-12-28 17:30 48人已围观下载完整内容

简介具身智能由智能体（AIagent）和物理实体（本体）组成。智能体是自主完成设定目标的代理，能迭代学习与环境互动。智能体形式包括自动驾驶汽车、机器人等。大模型AI

具身智能由智能体（AIagent）和物理实体（本体）组成。智能体是自主完成设定目标的代理，能迭代学习与环境互动。智能体形式包括自动驾驶汽车、机器人等。大模型AI算力投建之下，智能体有望成为消化算力的杀手级应用。智能体赋能之下，人工代码量能大幅减少并对未预先编程的场景进行操作。从产业落地进程看，我们判断未来1-3年内自动驾驶有望先行落地，搭载智能体的机器人则在5年期具备商业化看点。建议关注整体解决方案和产业链厂商投资机会。

支撑评级的要点

智能体能够以自动驾驶汽车、机器人等多种形式落地，或将诞生生成式AI杀手级应用。智能体（AIAgents)是一个可以通过行动能力自主完成设定的目标的代理，能够不断迭代学习与环境相互适应。智能体与“本体”耦合后，即形成具身智能。根据不同的具身方法，智能体能够以自动驾驶汽车、机器人等多种形式表现。生成式AI经历大模型打磨成熟阶段之后，算力的消化需要市场空间广阔的杀手级应用，智能体有望成为这样的典型应用落地场景。

智能体与物理实体结合，能够大大减少人工代码量并且对未预先编程的场景进行操作。区别于CV、NLP等传统深度学习模型，与“本体”耦合后的智能体不依靠被动数据投喂，能够实现：（1）摆脱传统机器人依靠工程师代码进行控制的模式，以微软《ChatGPTforRobotics:DesignPrinciplesandModelAbilities》为例，操控者只需准备好机器人底层的函数库，并将任务目标告诉chatgpt，chatgpt即可自动完成代码并指挥具身智能机器人行动。（2）对从未见过的对象或场景执行操作任务。依托大模型的涌现能力，具身的智能体能够从原始训练数据中自动学习并发现新的、更高层次的特征和模式，在仅仅依靠网络数据知识的情况下就可以完成没有预先编程的新场景。

自动驾驶：端到端大模型存在平台级DriveGPT机会。自动驾驶落地进程快于机器人，未来1-3年内L4、L5级别的自动驾驶技术有望实现，而搭载智能体的机器人则会在未来5-10年出现。特斯拉FSDV12采用端到端训练方法，与Chatgpt训练模式类似。相比V11，V12代码量减少99%。同时，端到端相比分模块的技术范式具备更高性能范式。当端到端系统达到与现有技术水平相当的时间点时，将会快速超越传统技术栈。通过对比特斯拉FSD和Waymo，我们认为端到端技术奇点已经临近。

机器人：生成式大模型有望加快底层通用平台建设，打造RobotGPT需要大模型模拟数据支持。目前针对机器人的不同技能仍需要不同的大模型。而机器人底层平台发展相对落后的原因在于多数研究者仍使用相对落后的ResNet18深度学习架构，而非在生成模型的巨大数据集上进行模型训练。但随着大模型的迅速发展，RobotGPT进程有望加快。打造RobotGPT的关键是解决数据稀缺问题。相比真实数据，仿真数据同样具备完善的数据分布，涵盖commoncase和cornercase，并且能够以较低成本获取数据，从而规避数据隐私和安全问题。

建议关注自动驾驶平台级机会以及工业仿真环节。自动驾驶层面，端到端技术奇点临近，建议关注商汤科技（UniAD端到端大模型）；机器人层面，仿真数据有望加快RobotGPT迭代进程，建议关注中科曙光（新一代工业仿真云平台“力源·久宇”）、索辰科技（CAE仿真软件）、软通动力（iSSMeta数字仿真推演平台）。

报告

中银证券：智能体专题报告之一：智能体打开智驾与机器人的星辰大海

相关文章

文章评论

评论0

站点信息

点击排行

本栏推荐

标签云

猜你喜欢