机器人行业系列深度研究之12：大模型迭代，智能驾驶、机器人算法进化-20230919-申万宏源-35页_2mb

大模型迭代，智能驾驶、机器人算法进化总结

核心内容

本报告主要探讨大模型技术在智能驾驶和机器人领域的应用进展，以及其带来的算法革新与投资机会。报告分为四个部分：智能驾驶、视觉泛化、机器人算法迭代以及投资机会与标的选择。

主要观点

1. 智能驾驶：端到端的算法新范式

• AI感知：机器人、智能驾驶和具身智能均面临“感知瓶颈”，主要体现在对空间和时序信息的融合。
• BEV（Bird's-Eye View）：BEV技术将多视角图像信息统一为一个整体图，便于后续规划与控制。其优势在于减少尺度和遮挡问题，提升目标检测与场景理解。
• BEVFormer：基于Transformer的BEV感知模型，实现多模态与时空特征融合，提升检测效果。
• Occupancy Network：2022年CVPR中推出的3D空间表示方法，通过预测占据概率实现泛化和语义感知，是纯视觉自动驾驶的重要突破。
• UniAD：以路径规划为导向的自动驾驶系统，整合多种子任务（目标检测、场景建图、轨迹预测等），实现端到端训练，提升系统整体表现。

2. 视觉泛化：大模型带来的变革

• 大模型优势：相比传统小模型，大模型具备更高的准确性和更强的泛化能力，尤其在Few-shot和Zero-shot任务中表现突出。
• NeRF：通过神经辐射场技术，从不同视角的图像中合成3D场景，实现更丰富的空间信息提取。
• Segment Anything (SAM)：通用图像分割模型，支持Zero-shot分割任务，覆盖多种子任务。
• Dino V2：具备深度估计、语义分割、目标检测等能力，提升模型的表示能力。
• PaLM-E：多模态模型，结合视觉和语言理解，支持图文思维链和复杂指令理解。
• VLA（Vision-Language Action）：通过将动作表示为文本标记，实现自然语言与机器人动作的统一，增强泛化能力。

3. 机器人：从Google看算法迭代

• RT-1：谷歌推出的多任务机器人模型，通过图像与动作tokenization实现高效推理，提升机器人任务成功率。
• RT-2：进一步支持数学逻辑推理与多语言理解，提升机器人对复杂指令的执行能力。
• SayCan：通过自然语言理解任务，实现动作拆解与执行，如“找到抹布并放置”等任务。
• 具身AI（Embodied AI）：强调与环境的交互学习，包括感知、规划、控制、导航等能力，结合自然语言实现更高级别的任务执行。

4. 投资机会与标的选择

• 关注标的：计算机领域（德赛西威、虹软科技、萤石网络、中科创达、经纬恒润）、汽车与机械（精锻科技、双环传动、华阳集团、保隆科技、继峰股份、爱柯迪）、电子（裕太微、北京君正、国芯科技、瑞芯微）、通信（华测导航、维峰电子、电连技术、瑞可达、永贵电器、鼎通科技）。
• 技术趋势：大模型与机器人、智能驾驶的结合成为重点方向，强调国产替代与出海能力。
• 风险提示：行业竞争激烈、政策不确定性、价格波动、技术迭代风险等。

关键信息

• BEV：将不同视角图像合成统一的鸟瞰图，便于规划与控制，是智能驾驶的重要一步。
• Occupancy Network：基于3D空间表示的模型，具备更强的泛化能力。
• Transformer + CV：突破传统CNN的瓶颈，实现更高参数量和更强表示能力。
• 大模型提升能力：包括视觉泛化、语义理解、动作控制、多模态融合等。
• 投资标的：涵盖多个细分领域，强调技术实力与市场潜力。

估值表与投资评级

投资评级说明

• A股投资评级：买入、增持、中性、减持、卖出。
• 港股投资评级：BUY、Outperform、Hold、Underperform、SELL。
• 基准指数：A股为沪深300，港股为恒生中国企业指数。

风险提示

• 行业竞争激烈，政策变化可能影响发展。
• 技术迭代快速，需持续跟踪公司竞争优势。
• 国产方案推广可能带来价格波动与市场格局变化。

信息披露

• 本报告由申万宏源证券研究所发布，仅限客户使用。
• 报告内容基于公开信息，不保证其准确性或完整性。
• 投资决策需结合个人情况，不构成投资建议。
• 报告版权归申万宏源所有，未经许可不得复制或传播。

结语

大模型正在推动智能驾驶与机器人领域的技术变革，提升感知、泛化与控制能力。投资机会集中在具备大模型能力、国产替代潜力及出海能力的标的上，需关注技术实力与市场前景。