行業(yè)及產(chǎn)業(yè)行業(yè)及產(chǎn)業(yè)證券研究報(bào)告行業(yè)研究行業(yè)點(diǎn)評證券研究報(bào)告2023年08月20日20230807-20230811*2023年8月12日AI催化頻頻!-計(jì)算機(jī)行業(yè)周報(bào)20230731-20230804"2023年8月5日證券分析師liuyang2@屠亦婷A0230512080003tuyt@戴文杰A0230522100006daiwj@王珂A0230521120002wangke@劉正A0230518100001liuzheng@楊海晏A0230518070003yanghy@李蕾A0230519080008lilei@洪依真A0230519060003hongyz@施鑫展A0230519080002shixz@黃忠煌A0230519110001huangzh@李國盛A0230521080003ligs@研究支持崔航A0230122070011cuihang@聯(lián)系人劉洋具身智能深度研究：解耦還是耦合?從AI化到工程化!●繪制具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的產(chǎn)業(yè)鏈格局圖，繪制汽車傳感器、機(jī)械傳感器、AI感知、AI推理+理解+運(yùn)動的產(chǎn)業(yè)鏈位置。1)2020-2022年，大智聯(lián)汽車的傳感器環(huán)節(jié)是產(chǎn)業(yè)鏈重點(diǎn)。2)2022-2023年，大機(jī)器人成為重點(diǎn)，催化劑為特斯拉機(jī)器人論述。2023年6月CVPR2023最佳論文、小鵬XNGP能力，增加了自動駕駛大模型的關(guān)注度，尤其端到端AI,在1.7論述。具身智能的推理/理解/運(yùn)動能力大幅增強(qiáng)(例如谷歌/微軟/李飛飛VoxPoser),其“智慧性”體現(xiàn)在泛化和“零樣本”討論兩大關(guān)鍵問題：耦合/解耦，鐘擺效應(yīng)。1)部分投資者認(rèn)為具身智能會“解耦”,即軟件、硬件(甚至制造和生產(chǎn)等)分離。我們認(rèn)為：可能是兩套體系。尤其“東方式"、"西方式”產(chǎn)業(yè)鏈不同。2)正是由于“解耦”與“耦合”,均在較長時(shí)間內(nèi)存在，但市場往往潤大(例如專用通信、手機(jī)、半導(dǎo)體)。部分領(lǐng)域兩種模式都有巨頭。3)最終兩種路徑往流好的公司，創(chuàng)新勝率明顯更高。相關(guān)公司1996-2006年財(cái)務(wù)情況驗(yàn)證了安全邊際的重要性：即使網(wǎng)景公司如日中天時(shí)，自由現(xiàn)金流也不佳。即使亞馬遜還在起步階段，2002年起自由現(xiàn)金流已經(jīng)是正數(shù)。2)工程化能力雖然難以量化，但凈營業(yè)周期往往是很好的●如上述AI下沉到具身智能(智能汽車、機(jī)器人、智能家居),較多領(lǐng)軍公率以“多樣性”為結(jié)果。其中：1)屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身):董石網(wǎng)絡(luò)(tmt&家電家居)、德賽西威(tmt&汽車)、中控技術(shù)(機(jī)械&tmt)、步科股份(申萬機(jī)械)。2)屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身):柏楚電子(申萬機(jī)械)3)屬于解耦商業(yè)模式的代工生產(chǎn)為主(乙方是代工生產(chǎn)為主):立訊精密(申萬電子)雙環(huán)傳動(申萬汽車&機(jī)械)、科博達(dá)(申萬汽車)風(fēng)險(xiǎn)：由于復(fù)工/宏觀環(huán)境等擾動，2022-2023年內(nèi)存在業(yè)績波動風(fēng)險(xiǎn)。智聯(lián)汽車、具身行業(yè)點(diǎn)評本篇報(bào)告：1)解釋具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的產(chǎn)業(yè)鏈格局圖，繪制汽車傳感器、機(jī)械傳感器、AI感知、AI推理+理解+運(yùn)動的產(chǎn)業(yè)鏈位置。2)再涉及投資者關(guān)心的兩大問題：軟硬件解耦還是耦合、認(rèn)識的“鐘擺效應(yīng)”。好的屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身):螢石網(wǎng)絡(luò)(tmt&家電屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身):柏楚電子(申萬機(jī)屬于解耦商業(yè)模式的代工生產(chǎn)為主(乙方是代工生產(chǎn)為主):立訊精密(申萬電子)、下面這張圖是AI感知的不同方式，包括傳感后融合、傳感前融合、AI大模型等。合-AI大模型”傳感器傳感器雷達(dá)頭識別結(jié)果2隨合算法控制執(zhí)行預(yù)測&決第算法L1-L2時(shí)代，大約2018控制執(zhí)行預(yù)測&決魚算法為主的傳感器嘗試人車互動感知算法注：這張圖可以近似描述L2-L3-L4自動駕駛的信息。最上面是“傳感后融合”,傳感器數(shù)據(jù)處理后再融合、行業(yè)點(diǎn)評預(yù)測、決策、控制。中間是“傳感前融合”,即數(shù)據(jù)先同步和融合后，再預(yù)測、決策、控制。下面近似為“端到端”,大大增加了預(yù)測、規(guī)劃、控制的數(shù)據(jù)處理。中間是“傳感前融合”,即數(shù)據(jù)先同步和融合后，再預(yù)測、決策、控制。下面近似為“端如果這個(gè)問題擴(kuò)張到更大的范疇，例如增加AI推理+理解+運(yùn)動，把機(jī)器人也繪制進(jìn)圖2:把上述問題放到“具身智能”產(chǎn)業(yè)鏈圖，即“智能駕駛+機(jī)器人+智能家居”相關(guān)傳感器和AI算法嘗試視覺+4D成像電機(jī)圖例資料來源：申萬宏源研究對于汽車傳感器(或智能駕駛域控制器),其上下有關(guān)系、波特五力情況如下圖。圖3:汽車傳感器的上下游關(guān)系和波特五力其他Al為沒有吸引力上游芯片廠商國產(chǎn)+多元硬件巨頭考慮力等研替代品圖例4451111?0240?011?激光雷達(dá)!0013?111自動駕駛中央域控制器0011高精地圖(控制器)四周環(huán)視系統(tǒng)200減200激自動泊車入位200不????途X70特斯拉、凱迪拉克CT6、吉利繽瑞百度阿波羅動接駁小巴類似的，對于機(jī)器人傳感器，其上下有關(guān)系、波特五力情況如下圖。值得一提的是，2020-2022年是智能汽車傳感器獲得高關(guān)注的階段，尤其“硬件預(yù)埋”趨勢下。2022-2023年是機(jī)器人傳感器獲得高關(guān)注的階段費(fèi)游關(guān)鍵元件半導(dǎo)體價(jià)控制器/2D/3D視覺非核心NeRF,即NeuralRadianceFields(神經(jīng)輻射場)。其通俗理解：給予海量不同視角的二維圖，合成同一場景不同視角下的圖像。還可以通俗理解為X-Y-Z到三維極坐標(biāo)的轉(zhuǎn)化，第三視角到第一視角的轉(zhuǎn)化。NeRF提出的隱式表達(dá)以空間點(diǎn)的坐標(biāo)和觀察者的視角、位置作為輸入，輸出則是點(diǎn)的RGB信息和占用密度。占用密度這一點(diǎn)與占用函數(shù)相似，但沒有像占用函數(shù)那樣粗暴地用0和1表示一個(gè)點(diǎn)是否被占用，而是用0~1之間的數(shù)字表示點(diǎn)被占用的程度這樣可以大幅減少計(jì)算量。線在空間中每個(gè)點(diǎn)(x,y,z)的密度p,以及該位置在射線角度(θ,φ)下呈現(xiàn)出來的顏圖6:NeRF:從相機(jī)焦點(diǎn)出發(fā)，往一個(gè)像素連出一條射線，獲取射穿過空間中每個(gè)點(diǎn)的屬性，進(jìn)行積分得到圖7:NeRF:五維輸入，輸出顏色和密度，并且做端到端的訓(xùn)練 a 3BEV鳥瞰圖。BEV的全稱是Bird'seyeview(鳥瞰圖),我們以特斯拉為例：特斯拉車型使用多個(gè)攝像頭采集圖像，并進(jìn)行有效的融合。系統(tǒng)直接通過將所有攝像頭采集圖像是2D傳感，通過連續(xù)序列，恢復(fù)出3D信息。請務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第6頁共37頁簡單金融成就夢想這種方式的優(yōu)點(diǎn)有：減少硬件傳感器、提高純視覺精度、可復(fù)用多種數(shù)據(jù)源(甚至多模態(tài)),缺點(diǎn)是成本高。1)這種鳥瞰圖仿佛就是開了一個(gè)整體視角，讓車輛能夠把近處的感知統(tǒng)一放到一個(gè)平面中，盡可能的增大了感知的范圍和冗余度。2)但缺點(diǎn)是成本，2023年，如果要做BEV的城市輔助駕駛，可能需要投入超過百億元。3)BEV可以結(jié)合國內(nèi)的傳感器優(yōu)勢。盡管國外通常利于AI軟件優(yōu)化智能駕駛，國內(nèi)通常利用激光雷達(dá)等傳感器優(yōu)化智能駕駛，但BEV可以融合激光雷達(dá)的點(diǎn)云，做到盡量統(tǒng)一。下圖就是一個(gè)案例：主要有兩個(gè)分支將點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為BEV表示。上分支提取3D空間中的點(diǎn)云特征，提供更準(zhǔn)確的檢測結(jié)果。下分支提取2D空間中的BEV特征(原始點(diǎn)云轉(zhuǎn)換),提供更高效的網(wǎng)絡(luò)。UDARInputUDARInputVoxelizationDFeatureEatrxtoToBEVs請務(wù)必仔細(xì)閱讀正文之后的各項(xiàng)信息披露與聲明第7頁共37頁簡單金融成就夢想0/1賦值對voxel進(jìn)行二分類：有物體的voxel賦值為1,表示voxel被物體占據(jù)；沒有物重新興起(以上來自《自動駕駛之心》2023年1月觀點(diǎn))。解+運(yùn)動)2023年6月，《Planning-orientedAutonomousDriving》(以路徑規(guī)劃為導(dǎo)向的自動駕駛)獲得本屆CVPR2023年最佳論文獎(jiǎng)(BestPaperAward),其涉及的是自而上述難點(diǎn)1)識別控制相關(guān)軟件、2)基于感知的運(yùn)動、5)學(xué)習(xí)與控制交叉，也在圖11:自動駕駛大模型嘗試多種子任務(wù)(目標(biāo)檢測、目標(biāo)跟蹤、場景建圖、軌跡預(yù)測、柵格預(yù)測和路徑規(guī)劃)整合到統(tǒng)一的端到端網(wǎng)絡(luò)框架MpevnvCLLFigurePipelineofUnifiedAutonomousDrivingUniADItisexquisitelydevisedfollowingplannasimplestackoftasksweinvestigatetheeffeetofeachmoduleinpereeptionandpredictionleveragingthebeneffromprecedingnodestofinalplanninginthedrivingsceneAllperstructurewithtaskqucriesasinterfacesconnectingcachnodoftheegovchicleconsideringtheknowledgeextractedfromprecedingnodesThemapover1)在backbone環(huán)節(jié)，特征提取，其中涉及BEV和多模態(tài)等大模型技術(shù)。將一系列多相機(jī)圖像輸入特征提取器，并將生成的特征通過BEVFormer中的現(xiàn)成BEV編碼器轉(zhuǎn)換為統(tǒng)一鳥瞰圖(BEV)特征。UniAD并不局限于特定的BEV編碼器，并且可以利用其他替代方案通過長期時(shí)間融合或多模態(tài)融合來提取更豐富的BEV表示2)在感知環(huán)節(jié)，目標(biāo)檢測與跟蹤模塊可以實(shí)現(xiàn)對動態(tài)元素的特征提取、幀間物體跟蹤。檢測和跟蹤agents。MapFormer將mapqueries作為道路元素(例如，車道和分隔線)的語義抽象(semanticabstractions),并對地圖進(jìn)行全景分割。3)預(yù)測模塊，實(shí)現(xiàn)動靜態(tài)元素交互與長時(shí)序軌跡預(yù)測，而且已經(jīng)有“聯(lián)合訓(xùn)練AI”。占據(jù)柵格預(yù)測模塊實(shí)現(xiàn)了短時(shí)序全場景BEV、實(shí)例級預(yù)測。由于每個(gè)單元的動作都會顯著影響場景中的其他，因此該模塊對所有考慮的單元進(jìn)行聯(lián)合預(yù)測。4)在規(guī)劃模塊,基于軌跡預(yù)測，做防碰撞,其中涉及占用網(wǎng)絡(luò)(Occupancynetwork)等大模型技術(shù)?；谧陨淼能壽E預(yù)測和基于占據(jù)柵格的碰撞優(yōu)化并使自己遠(yuǎn)離圖12:論文指數(shù)也每個(gè)環(huán)節(jié)的重要指標(biāo)，且指出“聯(lián)合訓(xùn)練AI”的作用，例如兩個(gè)DTakM0aAMOTA!AOTP,ISMLatMnaMVFOavio1m0d/0.191201L15gi10.301300.94ig031.150.11重事0.718-35511.005-54.141aiL4ova1sa此前，端對端AI訓(xùn)練很容易出現(xiàn)的問題是：由于涉及環(huán)節(jié)太多、系統(tǒng)太復(fù)雜，很容易這篇論文的趨勢可能會改變具身智能(智聯(lián)汽車+機(jī)器人+智能家居)的AI軟件訓(xùn)練1.8具身智能：AI推理+理解，例如谷歌+微軟等ChatGPT在人機(jī)交互的4大潛在應(yīng)用根據(jù)自然語言指令，生成適用于不同機(jī)器人平臺和任務(wù)的代碼，無需任何預(yù)先訓(xùn)練或場景：機(jī)械臂操作、無人機(jī)導(dǎo)航、家庭助理機(jī)器人等。優(yōu)點(diǎn)：可以實(shí)現(xiàn)跨平臺、跨任交互式對話，以解決復(fù)雜的機(jī)器人任務(wù)，例如需要多步驟或多個(gè)目標(biāo)以通過對話提供高層次的反饋、指導(dǎo)或修改指令，而ChatGPT可以根據(jù)用戶的意文調(diào)整代碼或行為。這種能力可以讓用戶更靈活地控制機(jī)器人，而不需要一次性給出完整圖13:當(dāng)用戶的指令模糊不清時(shí)，ChatGPT會提出澄清問題圖14:工業(yè)檢查場景：MicrosoftAirSim模擬器ChatGPT能夠有效解析用戶的高級意圖和幾何線 Few-shotprompt可以看懂笑話(左上角),zero-shot可以具有圖文思維鏈圖15:PaLM-E圖像分割、語義分割、目標(biāo)檢測、實(shí)例分割四種任務(wù)10Hz1000Hz它們對AI機(jī)器人軟件的涉及包括：1)穩(wěn)定性問題，可以歸納為識別、控制相關(guān)軟件。ARTEMIS的最初動機(jī)是一個(gè)可以進(jìn)行超動態(tài)運(yùn)動的平臺。本論文側(cè)重于這項(xiàng)努力的第一步，有力地行走和奔跑的能力。后續(xù)希望滿足跳躍/轉(zhuǎn)身等復(fù)雜問題，需要做一些延展。例如：其一為推廣運(yùn)動生成流水線，使其不需要專家知識和平臺經(jīng)驗(yàn)(可以歸納為zero-shot經(jīng)驗(yàn)的運(yùn)動生成),其二為提高穩(wěn)定性的軟件(跟蹤潛在復(fù)雜和快速變化的魯棒控制器)。2)路徑規(guī)劃。當(dāng)前已經(jīng)有一定“泛化”能力，希望后續(xù)發(fā)展身體控制/路徑規(guī)劃/跨平臺運(yùn)動(沒有感知數(shù)據(jù)、地面上存在重大障礙物時(shí)，ARTEMIS也能夠保持平衡并在遇到意外時(shí)避免掉落。這是因?yàn)锳RTEMIS的運(yùn)動堆棧的反應(yīng)性質(zhì))。但下一步可以在沒有運(yùn)算指引的情況下，通過身體控制、路徑規(guī)劃等，實(shí)現(xiàn)高效的運(yùn)動(ARTEMIS可以穩(wěn)健地從A點(diǎn)移動到B點(diǎn)，但走哪條路仍然是一個(gè)未完成的任務(wù))。如果這樣做成，不僅限于ARTEMIS,還為混合系統(tǒng)的路徑規(guī)劃領(lǐng)域開辟路徑。3)基于感知的運(yùn)動，下一步有兩個(gè)路徑，一個(gè)是多步驟足跡規(guī)劃，一個(gè)是狀態(tài)估計(jì)。當(dāng)前基于環(huán)境的運(yùn)動有一定進(jìn)展。當(dāng)前先感知數(shù)據(jù)，以告知機(jī)器人腳可以定位的安全區(qū)域，這可以從頭部的立體相機(jī)或位于其身體的兩個(gè)立體相機(jī)獲得。感知數(shù)據(jù)可用后，下一個(gè)挑戰(zhàn)是呆在安全區(qū)域。一個(gè)解決方法是，更長的足跡規(guī)劃；另一個(gè)解決方法是，態(tài)估計(jì)。目前機(jī)器人浮動底座的位置狀態(tài)不可觀察，導(dǎo)致坐標(biāo)系漂移。若將感知數(shù)據(jù)與定位上下文中圖17:ARTEMISS平臺上的三維ZED視覺可以幫助基于視覺的路徑規(guī)劃圖18:ZED2的三維視覺和兩個(gè)英特爾實(shí)感D435i拼接后，生成周圍環(huán)境的點(diǎn)云，4)把物理接觸建模，在抓取/碰撞等任務(wù)中，問題會放大。工作控制和實(shí)際物理情況，經(jīng)常有差距。模擬與現(xiàn)實(shí)之間的差距經(jīng)常在學(xué)習(xí)社區(qū)中討論，但在機(jī)器人技術(shù)中卻很少被強(qiáng)調(diào)。這個(gè)問題可能會在碰撞檢查很重要的其他機(jī)器人領(lǐng)域反復(fù)出現(xiàn)，例如靈巧操作和抓取領(lǐng)域。 而其中1)識別控制相關(guān)軟件、2)基于感知的運(yùn)動、5)學(xué)習(xí)與控制交叉，正是下一解決需要預(yù)定義動作、機(jī)器無法直接被LLM(大語言模型)操控問題。2023年7月論文將這種方法稱為VOXPOSER,這是一種從LM中提取可能性和約束的公式，用于在3D觀察空間中組成體素(Voxell)值圖，以引導(dǎo)機(jī)器人與環(huán)境交互。具體來1)從指令語言中，輸出語言的可供性和約束；2)轉(zhuǎn)化成PYTHON代碼；3)代碼調(diào)用API;行業(yè)點(diǎn)評 5)Al的獎(jiǎng)勵(lì)機(jī)制(正文指出，有效地提供觀察空間中的“密集獎(jiǎng)勵(lì)”,能夠在每一步都重新規(guī)劃)訓(xùn)練動作；6)路徑規(guī)劃期目標(biāo)函數(shù)，并合成路徑。Zero-ShotNoPriorw/PriorFigure4ErrorbreakdownofVoxPoserthoughVoxPoserreliesonm我們分析了2022年12月《RT-1:ROBOTICSTRANSFORMERFORREAL-WORLD2022年12月《RT-1:ROBOTICSTRANSFORMERFORREAL-WORLDCONTROL模型轉(zhuǎn)向大型通用模型(預(yù)訓(xùn)練過)。后續(xù)，要點(diǎn)是開放式任務(wù)不可知訓(xùn)練，以及能夠吸很有意義，但對于多任務(wù)訓(xùn)練很難。在機(jī)器人領(lǐng)域，希望訓(xùn)練一個(gè)強(qiáng)力的、大型的多任務(wù)具體來說：模的訓(xùn)練中獲得一系列緊急能力。這利于解釋機(jī)器人訓(xùn)練數(shù)據(jù)中不力(例如將對象放置在特定數(shù)字或圖標(biāo)上),以及響應(yīng)用戶命令執(zhí)行基本推理的能力(如例如拾取最小或最大的對象或最接近另一對象的對象)。接合并到模型的訓(xùn)練集中。正文稱之為視覺語言動作模型(VLA)。記(類似語言標(biāo)記)。動作空間主要包括機(jī)器人末端執(zhí)行器的六自由度(6DoF)連續(xù)維度(除離散終止命令外)被均勻地離散為256個(gè)倉。因此，機(jī)器人動作可以使用離散倉的序數(shù)表示為8個(gè)整數(shù)。為了使用這些離散化的動作將視覺語言微調(diào)為VLA(視覺語言動作模型),需要將模型的現(xiàn)有標(biāo)記化中的標(biāo)記與離散動作倉1)延續(xù)了RT-1的多模態(tài)(視覺、指令、動作一體化智能),與李飛飛團(tuán)隊(duì)2)泛化和延展性大大增加，但在“0樣本”和動作自由度上，依然有空間。3)投資者2022-2023年機(jī)器人投資標(biāo)的主要是減速器、傳感器等硬件，預(yù)計(jì)未來會走向大模型軟件等標(biāo)的。4)相關(guān)標(biāo)的：柏楚電子(申萬機(jī)械)、虹軟科技、中控技術(shù)(tmt&機(jī)械)、螢石網(wǎng)絡(luò)等。aofreal-worldrequtrereasoning.圖23:RT-2在應(yīng)急技能(左)、大小和訓(xùn)練消融中(右)的定量表現(xiàn)可見：3)2022H2至今，軟件能力、智慧能力，得到大幅度增強(qiáng)，主要是大模型的研發(fā)、營其中AI3D視覺的Nerf/BEV/占用網(wǎng)絡(luò)大大增強(qiáng)，在1.4-1.6論述。2023年6月CVPR2023最佳論文、小鵬XNGP能力，增加了自動駕駛大模型的關(guān)注度，尤其端到端AI,在1.7論述。具身智能的推理/理解/運(yùn)動能力大幅增強(qiáng)，其“智慧性”體現(xiàn)在泛化和“零樣本”特征，在1.8-1.11論述。因此下圖基本就是當(dāng)前“具身智能”產(chǎn)業(yè)鏈圖。圖24:具身智能的產(chǎn)業(yè)鏈?zhǔn)疽鈭D，近半年的學(xué)術(shù)和產(chǎn)業(yè)界進(jìn)展迅速Nert/BEV/店用網(wǎng)絡(luò)Al視覺大模型：大機(jī)器人具身智能大智聯(lián)汽車Optimization-baeControofafuHumanoidforDyamtcWalkingand2022年020-2022年占用預(yù)測panne理解+運(yùn)動：泛化+零樣本本章討論兩大關(guān)鍵問題：耦合/解耦，鐘擺效應(yīng)。部分投資者認(rèn)為具身智能會"解耦",即軟件、硬件(甚至制造和生產(chǎn)等)分離。我們認(rèn)為：可能是兩套體系。尤其“東方式”、“西方式”產(chǎn)業(yè)鏈不同。我們的科技TMT價(jià)值鏈往往屬于“東方式”,即下圖的右側(cè)。我們每個(gè)環(huán)節(jié)的價(jià)值鏈都相對平均，體現(xiàn)“行行出狀元”,也與“共同富裕”更加契合。這樣為了變強(qiáng)變大，往往需要在零件/產(chǎn)品/IT服務(wù)/品牌均較為出色，才能成為國內(nèi)tmt領(lǐng)軍。這樣會促進(jìn)“硬件+軟件+生產(chǎn)一體化”,也會促進(jìn)tmt領(lǐng)軍直接接觸客戶(下圖右半邊，用灰色部分把多個(gè)產(chǎn)業(yè)鏈環(huán)節(jié)“耦合”起來)。而“西方式”的tmt往往是“解耦”的，某個(gè)細(xì)分領(lǐng)域成為世界領(lǐng)先即可，即使當(dāng)前甚至較長時(shí)間不盈利。一旦持續(xù)收入較快增長，預(yù)計(jì)會在某個(gè)時(shí)間扭虧為盈，利潤率快速提升(例如NFT、chatGPT、軟件等較為虛擬的事物在西方更流行)。歐美歐美tmt解耦的價(jià)值鏈分割每個(gè)領(lǐng)域有幾家大公司供應(yīng)商亞洲tmt的價(jià)值鏈分割橫向和歐美映射基本沒有大公司，縱向產(chǎn)業(yè)鏈耦合有大公司價(jià)值鏈：12%供應(yīng)商計(jì)案營利件A+H股Al行業(yè)/舜宇光IT服務(wù),學(xué)/德賽西威等外包/審理軟件微軟/Adobe等硬件產(chǎn)品思科/戴爾等務(wù)解決方案價(jià)值鏈：30%價(jià)值鏈：35%價(jià)值鏈：10%價(jià)值鏈：5%價(jià)值鏈：5%價(jià)值鏈：5%價(jià)值鏈：10%應(yīng)務(wù)件東方更偏重于固定資產(chǎn)定價(jià)，而西方更偏重?zé)o形資產(chǎn)定價(jià)。圖中，右邊“基礎(chǔ)軟件”的價(jià)值鏈15%低于左邊的30%。而數(shù)據(jù)要素的交易，可以讓軟件、無形資產(chǎn)定價(jià)，更加公允的給高附加值業(yè)務(wù)回報(bào)，也符合“全要素分配”的原理。圖中左邊的情形是給予了無形資產(chǎn)更多的定價(jià)，即體現(xiàn)更多因素和貢獻(xiàn)，“數(shù)據(jù)要素“就在其中。數(shù)字經(jīng)濟(jì)的內(nèi)涵,至少要求我們兩者的tmt產(chǎn)業(yè)鏈都要布局好。如果完成“數(shù)字經(jīng)濟(jì)”,包括了“東西合璧”的科技布局，實(shí)際與”雙循環(huán)“息息相關(guān)。正是由于“解耦”與“耦合”,均在較長時(shí)間內(nèi)存在，但市場往往一段時(shí)間只傾斜一個(gè)，這就形成認(rèn)知的鐘擺。下表中，TMT很多領(lǐng)域是“耦合”的世界領(lǐng)軍利潤更多，也有較多領(lǐng)域中“解耦”的世界領(lǐng)軍利潤大。信億聯(lián)網(wǎng)絡(luò)7億美元3億美元安防AI安防雙杰160+億美元21+億美元(安卓收入)420億美元210億美元蘋果3943億美元998億美元工業(yè)AI中控技術(shù)9.5億美元1.1億美元臺積電319億美元126億美元英特爾631億美元80億美元圖26:以智能汽車為例，兩種體系，往往互相借鑒和折中更多更多更多更多傳感器傳感器算法算法1)網(wǎng)景公司Netscape。微軟在于網(wǎng)景競爭中逐漸處于上風(fēng)。1998年11月24日，合并。2007年12月28日，美國在線在博客表示將停止網(wǎng)景瀏覽器的開發(fā)2)雅虎。1998年雅虎本來有機(jī)會收購當(dāng)時(shí)的谷歌雛形——"BackRub(網(wǎng)絡(luò)爬蟲)"只愿意在搜索方面跟它合作。2006年，雅虎報(bào)價(jià)10億美Facebook微軟(MICROSOFT)亞馬遜(AMAZON)雅虎表3:2013-2015年科技浪潮后，當(dāng)時(shí)研發(fā)和自由現(xiàn)金流或能幫助篩選(單位：百萬元)東方財(cái)富-167-193-182-156-194-146云計(jì)算+大數(shù)據(jù)-193-120-182-126-15-193工程化能力雖然難以量化，但凈營業(yè)周期往往是很好的代替往反映了“研發(fā)+產(chǎn)品+工程+銷售+話語權(quán)”。表4:用幾項(xiàng)指標(biāo)近似分析工程化能力(百萬元，日)自由現(xiàn)金流(百萬元)凈營業(yè)周期(日)688475.SH螢石網(wǎng)絡(luò)剔除原材料影響后的自由現(xiàn)金流002475.SZ立訊精密剔除原材料影響002472.SZ雙環(huán)傳動6-14-191-173剔除原材料影響注1:工程化能力雖然數(shù)據(jù)上比較難以量化，但研發(fā)投入、周轉(zhuǎn)速度(反映技術(shù)+產(chǎn)品+工如上述AI下沉到具身智能(智能汽車、機(jī)器人、智能家居),較多領(lǐng)軍公司有機(jī)會。1)屬于耦合商業(yè)模式的(AI和軟件能力在服務(wù)商乙方本身):螢石網(wǎng)絡(luò)tmt2)屬于解耦商業(yè)模式的軟件廠商(AI和軟件能力在用戶甲方本身):柏楚電子(申雙環(huán)傳動(申萬汽車&機(jī)械)、科博達(dá)(申萬汽車)。比增長9.3%;歸母凈利潤2.59億元，同比增長70.3%。其中23Q2收入12.06億元，同比增長14.1%,歸母凈利潤1.67億元，同比增長100%。我們在業(yè)績前瞻中預(yù)測23Q2收圖27:在管理和業(yè)務(wù)結(jié)構(gòu)優(yōu)化下，螢石的毛利率中樞有望持續(xù)提升的年度累計(jì)付費(fèi)用戶數(shù)約227萬，付費(fèi)率約10.8%),主要由于能力單一(云存儲占絕對大頭)。當(dāng)前變化正在發(fā)生，2022年底公司推出了首款老人看護(hù)服務(wù)套包，此外面向?qū)櫸锟醋o(hù)、兒童看護(hù)等特殊場景將持續(xù)推出SaaS化訂閱的AI算法包，通過為客戶提供增量價(jià)值、切中用戶剛需，實(shí)現(xiàn)云業(yè)務(wù)付費(fèi)率、ARPU值的上行。并且在未來有望結(jié)合AI大模型，在改善體驗(yàn)的同時(shí)增加收費(fèi)點(diǎn)，進(jìn)一步提升云服務(wù)收入增速和占比。老人跌倒檢測老人跌倒檢測靈敏感知，守護(hù)安全第三，面向具身智能積極備戰(zhàn)，有望成為2C機(jī)器人“國家隊(duì)”。我們認(rèn)為，公司發(fā)展具身智能已集齊多重有利因素：1)起步早、能力全。公司在2023半年報(bào)中，明確表示“針對C端具身智能機(jī)器人方面做積極的布局沉淀和前瞻性預(yù)研?！苯刂辽习肽暝谘械?大項(xiàng)目中，多數(shù)與具身智能相關(guān)，其中技術(shù)涉及硬件的運(yùn)動控制、軟件的導(dǎo)航算法，以及大模型、云邊融合等，均將為2C機(jī)器人的研發(fā)奠定基礎(chǔ)。在智能服務(wù)機(jī)器人產(chǎn)品線上，目前公司已經(jīng)布局了清潔機(jī)器人和陪伴機(jī)器人，未來產(chǎn)品線有望持續(xù)豐富。2)云能力+制造能力，兩道護(hù)城河。一方面，公司憑借稀缺的云服務(wù)能力，能夠?yàn)橹悄芗揖雍蜋C(jī)器人注入智慧的靈魂，提升用戶體驗(yàn)，并實(shí)現(xiàn)快速迭代進(jìn)化；另一方面，公司不斷強(qiáng)化制造能力，包括IPO募投的螢石智能制造重慶基地項(xiàng)目，將為2C機(jī)器人降低成本、快速迭代帶來關(guān)鍵優(yōu)勢，有望更快實(shí)現(xiàn)"更低成本-更高市占-更多數(shù)據(jù)-更大競爭優(yōu)勢"的飛輪，在C端具身智能領(lǐng)域占據(jù)領(lǐng)先位置。3)既有國家隊(duì)身份，又富有管理活力。螢石實(shí)控人為中電科，又背靠實(shí)力強(qiáng)勁的母公司，C端機(jī)器人“國家隊(duì)”身份下容易獲得各方資源支持；同時(shí)，公司管理團(tuán)隊(duì)在長期的市場競爭中，已經(jīng)充分證明了戰(zhàn)略和管理能力，并擁有高度市場化的激勵(lì)機(jī)制。表：螢石網(wǎng)絡(luò)在研項(xiàng)目大量在為具身智能儲備技術(shù)技術(shù)研發(fā)項(xiàng)目已完成特征報(bào)文識別與自收斂通過特征報(bào)文識別技術(shù)精確識別、過領(lǐng)先于業(yè)內(nèi)主流的智能家居系技術(shù)的算法設(shè)計(jì)與功能開發(fā),已濾并分級智能家居系統(tǒng)中的各類報(bào)智能家居產(chǎn)品統(tǒng)經(jīng)能夠?qū)z-mesh網(wǎng)絡(luò)中部分文，為ez-mesh網(wǎng)絡(luò)中各節(jié)點(diǎn)收斂標(biāo)物聯(lián)網(wǎng)云平臺邊結(jié)合的互操作能力保持領(lǐng)先了導(dǎo)航與避障關(guān)鍵性能，提升了通過技術(shù)創(chuàng)新、形態(tài)創(chuàng)新，解決用戶使用痛點(diǎn)，滿足不同市場的用戶需求，升級體驗(yàn)盤運(yùn)動控制模塊平臺化；將視覺智能家居產(chǎn)品與其他類別傳感器融合，可檢測正在進(jìn)行產(chǎn)品預(yù)研工作地避開障礙物；優(yōu)化掃地機(jī)器人清掃方案，升級用戶體驗(yàn)智能家居產(chǎn)品內(nèi)行為識別已完成樣機(jī)制作，并進(jìn)行數(shù)據(jù)和優(yōu)化算法，驗(yàn)證傳感器對室內(nèi)器，基于保護(hù)用戶隱私的設(shè)計(jì)原則，智能家居產(chǎn)品已完成架構(gòu)設(shè)計(jì)，已完成基于私的精確度、降低訓(xùn)練所需數(shù)據(jù)物聯(lián)網(wǎng)云平臺量在多參數(shù)的情況下，通過人工智物聯(lián)網(wǎng)云平臺能技術(shù)實(shí)現(xiàn)自動最優(yōu)化匹配已完成新一代智能門鎖及入戶緣算力并行，實(shí)現(xiàn)與用戶的高效互動，提升產(chǎn)品的可靠性、易用性，帶給用戶更加智能化的入戶體驗(yàn)率先應(yīng)用云+端并行算法的智能門鎖設(shè)備，打破端側(cè)單一算力智能家居產(chǎn)品的性能局限，領(lǐng)先業(yè)內(nèi)主流入戶門鎖系統(tǒng)水平董石生產(chǎn)自動化設(shè)備研已完成大部分自動化產(chǎn)線、設(shè)減少人工投入，提高生產(chǎn)效率及生產(chǎn)探索并實(shí)現(xiàn)更加高效、高性價(jià)比智能家居產(chǎn)品發(fā)備，并投入批量生產(chǎn)中一致性的人機(jī)結(jié)合自動化生產(chǎn)技術(shù)此外，公司在線上線下、國內(nèi)國際渠道全面布局，助力上述邏輯加速兌現(xiàn)。1)國內(nèi)電商渠道方面，加大在常規(guī)的電商平臺上直播和優(yōu)質(zhì)達(dá)人帶貨，還積極開拓抖音等內(nèi)容興趣電商的直播渠道銷售；2)國內(nèi)線下渠道方面，公司形成了直營旗艦店、經(jīng)銷商專賣店、下沉市場堡壘店等多層次的終端渠道架構(gòu)，積極布局線下專賣體驗(yàn)店，助力全屋智能系統(tǒng)業(yè)務(wù)；3)海外渠道方面，上半年在零售連鎖賣場、家居建材類連鎖店、專業(yè)經(jīng)銷渠道和街邊店等多渠道中均取得了較好的增長，目前已在多個(gè)國家和地區(qū)實(shí)現(xiàn)線上與線下多渠道覆蓋。投資分析意見：我們認(rèn)為公司的業(yè)績釋放、云業(yè)務(wù)加速、具身智能卡位等方面均值得期待，預(yù)計(jì)2023-2025年歸母凈利潤5.72/7.60/10.78億元，維持“買入”評級。(一)業(yè)務(wù)1:激光切割系統(tǒng)-柏楚方案降低行業(yè)準(zhǔn)入門檻，綜合市占率持續(xù)提升割流程包括：第一步，使用控制系統(tǒng)提供商提供的激光專用設(shè)計(jì)軟件如AutoCAD、Solidworks等繪制零件、裝配體的加軟件進(jìn)行后期圖形處理及排版，生成加工的機(jī)床代碼；第三步，激光切割機(jī)床根據(jù)代碼指令執(zhí)行切割任務(wù)，整個(gè)切割過程中涉及圖形編輯、工藝設(shè)置及具體加工工藝選擇、運(yùn)動控制、切割頭和激光器等外設(shè)控制、加工控制、切割頭與切割部件之間焦距控制及隨動等各生成零件并將零件通過計(jì)算機(jī)輔助在板材或型材上進(jìn)行排版，并輸出待CAM技術(shù)：根據(jù)工藝要求，通過計(jì)算機(jī)輔助生成所需的刀路軌跡以及光路、氣路、焦點(diǎn)等控制參數(shù)和自動化加工模型，并生成指令；3)NC技術(shù)：可以實(shí)現(xiàn)根據(jù)生成的機(jī)床代碼指令執(zhí)備控制等；4)傳感器技術(shù)：通過傳感器技術(shù)實(shí)現(xiàn)切割過程中溫度、濕度、壓力、光電、視覺、氣壓、激光加工頭與被切割板材之間的間距等因素的控制，從而優(yōu)化激光加工效率，提高智能化水平；5)硬件設(shè)計(jì)技術(shù)：針對激光行業(yè)特殊需求，定制開發(fā)相應(yīng)硬件產(chǎn)品，合圖29:激光切割需要運(yùn)控系統(tǒng)等組件和CAD、CAM、NC等技術(shù)的相互配合能力柏楚產(chǎn)品推出后重新定義激光加工行業(yè)標(biāo)準(zhǔn)、降低切割設(shè)備操作門檻及學(xué)習(xí)成本。公司核心技術(shù)自主研發(fā)完整地掌握了激光切割控制系統(tǒng)研發(fā)所需的CAD技術(shù)、CAM技術(shù)、NC技術(shù)、傳感器技術(shù)和硬件設(shè)計(jì)技術(shù)五大類關(guān)鍵技術(shù)。在柏楚電子推出"CAD、CAM和NC三合一激光切割控制系統(tǒng)”和“網(wǎng)絡(luò)通訊式隨動系統(tǒng)”兩項(xiàng)技術(shù)變革前，國際激光切割的完整流程通常為：利用AutoCAD、Solidworks等專用CAD設(shè)計(jì)軟件繪制零件圖，然后再導(dǎo)入美國SigmaNest或西班牙Lantek等專業(yè)排樣軟件中進(jìn)行零件后處理和排版，生成加工文件后導(dǎo)入德國倍福、德國PA、西門子等數(shù)控系統(tǒng)中，搭配德國Precitec的電容隨動系統(tǒng)進(jìn)行后續(xù)加工操作。柏楚電子推出上述技術(shù)變革后，為下游激光設(shè)備制造商提供了一站式的解決方案，重新定義了我國激光加工行業(yè)的標(biāo)準(zhǔn)，用戶可以在柏楚電子的控制系統(tǒng)中同時(shí)實(shí)現(xiàn)上述激光加工的全部流程，大幅降低激光切割設(shè)備的操作門檻和學(xué)習(xí)成本，簡化激光切割設(shè)備的裝機(jī)和調(diào)試過程。柏楚電子在激光切割領(lǐng)域保持強(qiáng)競爭力。1)中低功率激光切割控制系統(tǒng)：柏楚電子的中低功率產(chǎn)品在穩(wěn)定性、可靠性、精度、速度、易用性等各方面均具備明顯優(yōu)勢，市場占有率約為60%。2)高功率激光切割控制系統(tǒng)：目前國際廠商依然占據(jù)絕對優(yōu)勢，為中國市場主導(dǎo)者，柏楚2021年市占率約17%,近年隨著國內(nèi)高功率激光切割市場發(fā)展及柏楚(二)業(yè)務(wù)2:智能切割頭-搭載高功率切割設(shè)備，滲透率提升+國產(chǎn)替代切割頭充當(dāng)“四肢”的角色，與控制系統(tǒng)實(shí)現(xiàn)協(xié)同互補(bǔ)。激光切割控制系統(tǒng)與智能激光切割頭是大腦與四肢的關(guān)系，兩者軟硬結(jié)合，需要在信息收集、傳輸、反饋的同步性和精密性上達(dá)到很高的契合。切割頭在激光切割中的工作流程是：激光器產(chǎn)生激光，通過外光路傳輸，在切割頭內(nèi)經(jīng)聚焦鏡聚焦后，作用于被加工材料表面，將材料氣化或者在切割氣體輔助下形成熔池，以實(shí)現(xiàn)吹散被激光融化的金屬熔渣或助燃。由于高功率激光切割的工作環(huán)境惡劣，設(shè)備需要在高溫、高濕、粉塵污染大的環(huán)境下運(yùn)行，外部環(huán)境和切割頭內(nèi)部任何微小的變化都會對設(shè)備性能和切割效果產(chǎn)生較大影響，因此及時(shí)將工況信息傳遞回控制系統(tǒng)，由控制系統(tǒng)進(jìn)行實(shí)時(shí)調(diào)整，有助于最大程度保證激光切割設(shè)備的工作效率。表5:光纖激光切割機(jī)的切割頭由光學(xué)元件、機(jī)械加工元件等組成命目前我國整機(jī)制造廠商使用的高功率激光切割頭和三維激光切割頭主要依賴進(jìn)口，主要供的激光切割系統(tǒng)進(jìn)行實(shí)時(shí)的通訊，從而無法實(shí)現(xiàn)智能的閉環(huán)控制策略。公司激光切割頭具備安裝、調(diào)試簡易，傳感器齊全，將是目前市場為數(shù)不多的具備與國外同類產(chǎn)品競爭力的國產(chǎn)智能切割頭。從產(chǎn)業(yè)層面來看，公司原有主業(yè)激光切割頭軟件和智能激光切割頭在激光切割設(shè)備整機(jī)制造中屬于平行工序的關(guān)系，下游客戶高度重合?；诠驹诳刂葡到y(tǒng)細(xì)分領(lǐng)域內(nèi)的龍頭位置，公司拓展智能激光切割頭具有渠道優(yōu)勢，且客戶對于切割頭評價(jià)反饋較高，子公司波刺自動化(切割頭業(yè)務(wù)主體)營收快速增長。2020年波刺自動化子公司營收進(jìn)0.11億元，2023年上半年?duì)I收達(dá)到1.54億。(三)業(yè)務(wù)3:智能焊接機(jī)器人控制系統(tǒng)-機(jī)器換人大勢所趨、柏楚產(chǎn)品或迎放量期器人。按照機(jī)器人加工路徑生成的方式不同，焊接機(jī)器人產(chǎn)品可以分為示教焊接機(jī)器人和智能焊接機(jī)器人兩類。示教焊接機(jī)器人主要需要人工示教來編輯焊縫的加工的路徑；智能焊接機(jī)器人通過離線編程來生成焊縫加工路徑。目前國內(nèi)焊接行業(yè)自動化水平較低，現(xiàn)有進(jìn)口產(chǎn)品成本過高，且對操作調(diào)試人員的技術(shù)