机械设备-Figure和英伟达GTC的背后有什么技术新动向？-五矿证券_11页_1mb

Figure与NVIDIA在人形机器人领域技术进展及商业化展望

事件概述

2024年3月1日，Figure宣布与OpenAI、微软达成合作，并于3月13日发布合作进展视频，展示其在家庭场景应用的潜力。同月，英伟达举办GTC2024，推出针对人形机器人的技术方案，包括通用模型GR00T、仿真平台IsaacSim、计算资源调度平台OSMO及专用芯片JetsonThor，标志着具身智能基础设施初步成型。

Figure技术突破

1. 语义理解能力：通过整合OpenAI的模型，Figure01可识别并执行指令，如将苹果递给研究人员，并解释其功能，为家庭场景应用奠定基础。
2. 手部动作鲁棒性：演示中，Figure能精准抓取随机摆放的纸团并分类放置，体现其在非结构化环境中的适应能力。
3. 动作流畅性：Figure采用分层模型架构（“大脑”与“小脑”分离），将控制频率提升至200Hz，解决端到端模型响应速度不足的问题。
4. 端到端训练路径：利用互联网视频数据训练机器人，突破传统数据获取瓶颈，未来可能通过模仿人类行为提升灵活性。

商业化路径分析

Figure认为人形机器人将类似自动驾驶，先在物流、工厂等结构化场景落地，家庭场景更具挑战。其核心观点包括：

• 成本与规模：人形机器人成本有望低于廉价电动汽车，但量产需5-10年时间，初期重点集中在工业应用。
• 技术挑战：硬件供应链不成熟，需自研执行器、电子设备及软件，以实现高性能、低成本目标。
• 发展节奏：短期任务（如路径规划）可在本地处理，复杂行为依赖云端，2030年或实现家庭场景应用。

NVIDIA GTC技术布局

1. GR00T通用模型：支持自然语言理解与人类动作模仿学习，提升机器人任务执行能力。
2. IsaacSim仿真平台：基于Omniverse构建，提供高精度虚拟环境，优化路径规划与多摄像头3D视觉能力。
3. OSMO调度平台：整合仿真、训练与部署流程，降低模型开发复杂度。
4. JetsonThor芯片：提供800万亿次8位浮点AI算力，简化硬件集成设计。

行业影响

• 具身智能趋势确认：黄仁勋此前提出AI下一浪潮为具身智能，NVIDIA的技术发布加速该领域商业化进程。
• 工程化突破：NVIDIA的基础设施构建降低开发门槛，推动人形机器人从科学问题向工程问题转化。

投资建议与风险提示

• 核心零部件关注：触觉传感器、力/力矩传感器、减速器、滚柱丝杠等，需解决降本与寿命问题。
• 特斯拉Optimus供应链：2025年量产预期可能带动相关零部件定点，建议关注深度绑定特斯拉的供应商。
• 风险因素：人工智能技术迭代快速，产业链尚不成熟，可能影响商业化落地。