481 lines
36 KiB
HTML
481 lines
36 KiB
HTML
<!DOCTYPE html>
|
||
<html lang="zh-CN" data-theme="night">
|
||
<head>
|
||
<meta charset="UTF-8">
|
||
<meta name="viewport" content="width=device-width, initial-scale=1.0">
|
||
<title>机器人-神经网络 深度投研报告</title>
|
||
<script src="https://cdn.jsdelivr.net/npm/alpinejs@3.x.x/dist/cdn.min.js" defer></script>
|
||
<script src="https://cdn.jsdelivr.net/npm/echarts@5.5.0/dist/echarts.min.js"></script>
|
||
<link href="https://cdn.jsdelivr.net/npm/daisyui@4.10.1/dist/full.min.css" rel="stylesheet" type="text/css" />
|
||
<script src="https://cdn.tailwindcss.com"></script>
|
||
<style>
|
||
@import url('https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700&family=Space+Grotesk:wght@400;500;700&display=swap');
|
||
|
||
body {
|
||
font-family: 'Inter', sans-serif;
|
||
background: #00000a;
|
||
color: #e0e0e0;
|
||
overflow-x: hidden;
|
||
}
|
||
|
||
.font-space {
|
||
font-family: 'Space Grotesk', sans-serif;
|
||
}
|
||
|
||
.glass-card {
|
||
background: rgba(20, 20, 40, 0.4);
|
||
-webkit-backdrop-filter: blur(20px);
|
||
backdrop-filter: blur(20px);
|
||
border: 1px solid rgba(255, 255, 255, 0.1);
|
||
transition: all 0.3s ease;
|
||
}
|
||
|
||
.glass-card:hover {
|
||
transform: translateY(-5px);
|
||
box-shadow: 0 10px 30px rgba(0, 0, 0, 0.2), 0 0 20px rgba(76, 175, 80, 0.1);
|
||
border-color: rgba(76, 175, 80, 0.2);
|
||
}
|
||
|
||
.bento-grid {
|
||
display: grid;
|
||
gap: 1.5rem;
|
||
grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
|
||
}
|
||
|
||
.grid-span-2 {
|
||
grid-column: span 2;
|
||
}
|
||
|
||
.aurora-bg {
|
||
position: fixed;
|
||
top: 0;
|
||
left: 0;
|
||
width: 100%;
|
||
height: 100%;
|
||
z-index: -1;
|
||
opacity: 0.15;
|
||
background-image:
|
||
radial-gradient(ellipse at 20% 20%, rgba(9, 132, 227, 0.5) 0%, transparent 50%),
|
||
radial-gradient(ellipse at 80% 30%, rgba(108, 92, 231, 0.5) 0%, transparent 50%),
|
||
radial-gradient(ellipse at 50% 80%, rgba(0, 206, 201, 0.5) 0%, transparent 50%);
|
||
animation: aurora-flow 20s infinite linear;
|
||
}
|
||
|
||
@keyframes aurora-flow {
|
||
0% { transform: rotate(0deg) scale(1.5); }
|
||
50% { transform: rotate(180deg) scale(1.2); }
|
||
100% { transform: rotate(360deg) scale(1.5); }
|
||
}
|
||
|
||
h1, h2, h3 {
|
||
font-family: 'Space Grotesk', sans-serif;
|
||
letter-spacing: -0.02em;
|
||
}
|
||
|
||
.section-title {
|
||
position: relative;
|
||
padding-bottom: 0.5rem;
|
||
margin-bottom: 1.5rem;
|
||
border-bottom: 1px solid rgba(255, 255, 255, 0.1);
|
||
}
|
||
|
||
.section-title::after {
|
||
content: '';
|
||
position: absolute;
|
||
left: 0;
|
||
bottom: -1px;
|
||
width: 80px;
|
||
height: 2px;
|
||
background: linear-gradient(90deg, #4CAF50, transparent);
|
||
}
|
||
|
||
.tab {
|
||
transition: all 0.3s ease;
|
||
}
|
||
.tab-active {
|
||
background-color: rgba(76, 175, 80, 0.2);
|
||
color: #4CAF50;
|
||
border-bottom: 2px solid #4CAF50;
|
||
}
|
||
.table thead th {
|
||
background-color: rgba(76, 175, 80, 0.1);
|
||
}
|
||
</style>
|
||
</head>
|
||
<body class="antialiased min-h-screen">
|
||
<div class="aurora-bg"></div>
|
||
<div class="container mx-auto p-4 sm:p-6 lg:p-8">
|
||
|
||
<!-- Header -->
|
||
<header class="text-center my-12">
|
||
<h1 class="text-4xl md:text-6xl font-bold font-space tracking-tighter bg-clip-text text-transparent bg-gradient-to-r from-gray-200 via-green-300 to-gray-400">
|
||
机器人-神经网络
|
||
</h1>
|
||
<p class="text-xl md:text-2xl mt-4 text-gray-400 font-space">深度投研报告</p>
|
||
<p class="text-xs mt-2 text-gray-500">北京价值前沿科技有限公司 AI投研agent：“价小前投研”呈现 | 报告日期: 2024-05-23</p>
|
||
</header>
|
||
|
||
<!-- 0. 核心观点摘要 -->
|
||
<section id="core-view" class="my-16">
|
||
<div class="glass-card rounded-3xl p-8 shadow-2xl relative overflow-hidden">
|
||
<div class="absolute top-0 right-0 -mt-8 -mr-8 w-48 h-48 bg-green-500/10 rounded-full"></div>
|
||
<h2 class="text-3xl font-bold text-green-400 mb-4 section-title font-space">核心观点摘要</h2>
|
||
<p class="text-lg text-gray-300 leading-relaxed">
|
||
“机器人-神经网络”概念正处在一个由<strong class="text-green-300">技术奇点驱动、巨头引领的产业爆发前夜</strong>。其核心驱动力是<strong class="text-green-300">端到端神经网络</strong>（尤其是多模态大模型）带来的颠覆性技术突破，它将机器人的智能水平从“自动化”提升至“自主化”。当前，市场正从对宏大叙事的兴奋，逐步过渡到对技术路径、商业化可行性和产业链价值分配的深度审视阶段，未来潜力巨大，但短期内技术与商业化的不确定性依然是主要挑战。
|
||
</p>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 1. 概念事件时间轴 -->
|
||
<section id="timeline" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">概念关键事件轴</h2>
|
||
<div class="glass-card rounded-3xl p-4 sm:p-6">
|
||
<div id="echarts-timeline" style="width: 100%; height: 400px;"></div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 2. 核心逻辑与市场认知 -->
|
||
<section id="core-logic" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">核心逻辑与市场认知</h2>
|
||
<div class="grid grid-cols-1 lg:grid-cols-3 gap-6">
|
||
<!-- 核心驱动力 -->
|
||
<div class="lg:col-span-2 glass-card rounded-3xl p-6">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">四大核心驱动力</h3>
|
||
<div class="space-y-4">
|
||
<div>
|
||
<h4 class="font-bold text-lg text-gray-200">1. 算法范式革命 (根本驱动力)</h4>
|
||
<p class="text-gray-400"><strong>“端到端神经网络”</strong>取代传统编程。特斯拉用单个神经网络替代30万行代码，Figure AI宣称用单神经网络实现完全自主运行，实现质的飞跃，赋予机器人学习和泛化能力。</p>
|
||
</div>
|
||
<div>
|
||
<h4 class="font-bold text-lg text-gray-200">2. 多模态大模型成熟 (能力基石)</h4>
|
||
<p class="text-gray-400">从GPT-4V到Google Gemma，<strong>视觉-语言-动作 (VLA) 模型</strong>打通“感知-决策-执行”全链路。Figure与OpenAI的合作是该逻辑的最强佐证。</p>
|
||
</div>
|
||
<div>
|
||
<h4 class="font-bold text-lg text-gray-200">3. 专用硬件加速 (性能保障)</h4>
|
||
<p class="text-gray-400"><strong>NPU（神经网络处理器）</strong>因其高效低耗，成为机器人端侧AI计算的核心。宇树科技Go2机器狗内置国产6T NPU是商业化验证。</p>
|
||
</div>
|
||
<div>
|
||
<h4 class="font-bold text-lg text-gray-200">4. 生态与数据飞轮 (增长引擎)</h4>
|
||
<p class="text-gray-400">英伟达通过<strong>Omniverse仿真平台</strong>解决“数据瓶颈”痛点；特斯拉则试图复用FSD的庞大数据和训练设施，构建真实世界的数据飞轮。</p>
|
||
</div>
|
||
</div>
|
||
</div>
|
||
|
||
<!-- 市场热度与预期差 -->
|
||
<div class="flex flex-col gap-6">
|
||
<div class="glass-card rounded-3xl p-6 flex-1">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">市场热度与情绪</h3>
|
||
<p class="text-gray-300">市场热度极高，情绪整体<strong class="text-green-300">高度乐观，并伴有显著炒作成分</strong>。围绕“AGI终极载体”、“新工业革命”等宏大叙事展开，对Figure、特斯拉的技术突破给予极高期望。</p>
|
||
</div>
|
||
<div class="glass-card rounded-3xl p-6 flex-1">
|
||
<h3 class="text-2xl font-bold text-red-400 mb-4">预期差分析</h3>
|
||
<ul class="list-disc list-inside text-gray-400 space-y-2">
|
||
<li><strong>“端到端”理想与现实差距：</strong>当前主流仍是分层架构(大模型决策+传统算法执行)，纯粹的“Vision-to-Act”仍是长期目标。</li>
|
||
<li><strong>A股标的关联度差距：</strong>多数A股公司仅为特定领域应用，与驱动通用智能的核心技术相去甚远，存在“逻辑泛化”风险。</li>
|
||
<li><strong>数据瓶颈被忽视：</strong>市场可能低估了高质量物理交互数据的获取难度，这是产业落地的核心瓶颈。</li>
|
||
</ul>
|
||
</div>
|
||
</div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 3. 关键催化剂与未来发展路径 -->
|
||
<section id="catalysts" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">关键催化剂与未来路径</h2>
|
||
<div class="grid grid-cols-1 md:grid-cols-2 gap-6">
|
||
<div class="glass-card rounded-3xl p-6">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">近期催化剂 (3-6个月)</h3>
|
||
<ul class="list-decimal list-inside text-gray-300 space-y-3">
|
||
<li><strong>Figure AI 的“疯狂30天”</strong>：展示单神经网络端到端工作进展，验证其技术路线。</li>
|
||
<li><strong>特斯拉Optimus商业化数据</strong>：披露工厂部署数量、效率及成本数据。</li>
|
||
<li><strong>重量级多模态模型发布</strong>：预计2024 Q4海外大模型推出，若VLA能力有突破将赋能全行业。</li>
|
||
<li><strong>国产NPU芯片规模化应用</strong>：关注瑞芯微等厂商NPU芯片是否被更多主流机器人厂商采纳。</li>
|
||
</ul>
|
||
</div>
|
||
<div class="glass-card rounded-3xl p-6">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">长期发展路径</h3>
|
||
<ul class="steps steps-vertical">
|
||
<li class="step step-success text-left">
|
||
<strong class="text-gray-200">阶段一 (当前-2026): 特定场景“半自主”应用</strong>
|
||
<p class="text-sm text-gray-400">以VRM或分层架构为主，在工业、物流等场景替代重复性劳动。</p>
|
||
</li>
|
||
<li class="step step-success text-left">
|
||
<strong class="text-gray-200">阶段二 (2027-2030): 通用能力提升与“自主”应用拓展</strong>
|
||
<p class="text-sm text-gray-400">VRA端到端模型成熟，进入安防、导览等更广泛商用场景。</p>
|
||
</li>
|
||
<li class="step text-left">
|
||
<strong class="text-gray-200">阶段三 (2030+): 迈向通用人工智能(AGI)</strong>
|
||
<p class="text-sm text-gray-400">具备智能涌现和自主代理能力的通用机器人出现，成为下一代计算平台。</p>
|
||
</li>
|
||
</ul>
|
||
</div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 4. 产业链与核心公司深度剖析 -->
|
||
<section id="industry-chain" class="my-16" x-data="{ tab: 'tesla' }">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">产业链与核心公司剖析</h2>
|
||
|
||
<!-- 产业链图谱 -->
|
||
<div class="glass-card rounded-3xl p-6 mb-8">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">产业链图谱</h3>
|
||
<div class="grid grid-cols-1 md:grid-cols-3 gap-4 text-center">
|
||
<div class="border border-green-500/30 rounded-xl p-4">
|
||
<h4 class="font-bold text-lg text-green-300">上游：核心软硬件 (价值最高)</h4>
|
||
<p class="text-sm text-gray-400">AI算法/大模型 (OpenAI, Google), AI芯片 (NVIDIA, NPU), 感知硬件 (3D视觉), 开发/仿真平台 (NVIDIA)</p>
|
||
</div>
|
||
<div class="border border-blue-500/30 rounded-xl p-4">
|
||
<h4 class="font-bold text-lg text-blue-300">中游：机器人本体与核心零部件</h4>
|
||
<p class="text-sm text-gray-400">整机制造商 (Tesla, Figure AI), 核心零部件 (减速器, 伺服系统)</p>
|
||
</div>
|
||
<div class="border border-purple-500/30 rounded-xl p-4">
|
||
<h4 class="font-bold text-lg text-purple-300">下游：应用与集成</h4>
|
||
<p class="text-sm text-gray-400">工业制造, 智慧机房, 智慧博物馆, 物流仓储, 家庭服务</p>
|
||
</div>
|
||
</div>
|
||
</div>
|
||
|
||
<!-- 核心玩家对比 -->
|
||
<div class="glass-card rounded-3xl p-6">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">核心玩家对比</h3>
|
||
<div class="tabs tabs-boxed bg-black/20">
|
||
<a class="tab" :class="{'tab-active': tab === 'tesla'}" @click.prevent="tab = 'tesla'">特斯拉 (Tesla)</a>
|
||
<a class="tab" :class="{'tab-active': tab === 'figure'}" @click.prevent="tab = 'figure'">Figure AI</a>
|
||
<a class="tab" :class="{'tab-active': tab === 'nvidia'}" @click.prevent="tab = 'nvidia'">英伟达 (NVIDIA)</a>
|
||
<a class="tab" :class="{'tab-active': tab === 'a-share'}" @click.prevent="tab = 'a-share'">A股代表: 奥比中光</a>
|
||
</div>
|
||
<div class="mt-4 p-4 min-h-[200px]">
|
||
<div x-show="tab === 'tesla'" x-transition>
|
||
<h4 class="font-bold text-xl text-gray-200">全栈自研的垂直整合领导者</h4>
|
||
<p class="text-gray-400 mt-2"><strong>优势：</strong>拥有从AI芯片(Dojo)、大模型、机器人本体到应用场景的全栈能力。核心护城河是可复用FSD的数据和训练基础设施，有望构建强大数据飞轮。</p>
|
||
<p class="text-gray-400 mt-2"><strong>短板：</strong>路演信息指出其大模型交互能力滞后于Figure，更偏向于执行任务而非自然语言交互。</p>
|
||
</div>
|
||
<div x-show="tab === 'figure'" x-transition>
|
||
<h4 class="font-bold text-xl text-gray-200">专注灵活的技术迭代追赶者</h4>
|
||
<p class="text-gray-400 mt-2"><strong>优势：</strong>团队迭代速度极快，产品演示惊艳。Helix双系统架构体现了对技术落地的务实思考。正转向完全内部构建AI模型，决心掌握核心技术。</p>
|
||
<p class="text-gray-400 mt-2"><strong>短板：</strong>与特斯拉相比，缺乏大规模应用场景和数据来源，自研大模型的道路充满挑战。</p>
|
||
</div>
|
||
<div x-show="tab === 'nvidia'" x-transition>
|
||
<h4 class="font-bold text-xl text-gray-200">生态赋能者与“军火商”</h4>
|
||
<p class="text-gray-400 mt-2"><strong>定位：</strong>提供从GPU、SoC到仿真平台(Omniverse)、预训练模型的全套“铲子”。通过合成数据直击行业最大痛点（数据瓶颈）。</p>
|
||
<p class="text-gray-400 mt-2"><strong>优势：</strong>在AI计算领域拥有绝对垄断地位，是机器人-神经网络概念的最纯粹“卖水者”，无论谁最终胜出都离不开其生态。</p>
|
||
</div>
|
||
<div x-show="tab === 'a-share'" x-transition>
|
||
<h4 class="font-bold text-xl text-gray-200">上游核心硬件供应商</h4>
|
||
<p class="text-gray-400 mt-2"><strong>定位：</strong>奥比中光专注于3D视觉感知技术，拥有神经网络芯片及算法技术积累。逻辑相对纯粹。</p>
|
||
<p class="text-gray-400 mt-2"><strong>关联性：</strong>无论机器人大脑如何进化，对三维物理世界的精确感知是刚需。3D视觉是神经网络进行场景理解的“眼睛”，是产业链中确定性较高的环节。</p>
|
||
</div>
|
||
</div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 5. 核心数据支撑 -->
|
||
<section id="data-hub" class="my-16" x-data="{ tab: 'news' }">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">核心数据支撑</h2>
|
||
<div class="glass-card rounded-3xl p-6">
|
||
<div class="tabs tabs-boxed bg-black/20">
|
||
<a class="tab" :class="{'tab-active': tab === 'news'}" @click.prevent="tab = 'news'">新闻速览</a>
|
||
<a class="tab" :class="{'tab-active': tab === 'roadshow'}" @click.prevent="tab = 'roadshow'">路演精粹</a>
|
||
<a class="tab" :class="{'tab-active': tab === 'report'}" @click.prevent="tab = 'report'">研报洞察</a>
|
||
</div>
|
||
<div class="mt-4 p-4 min-h-[300px]">
|
||
<div x-show="tab === 'news'" x-transition>
|
||
<ul class="space-y-3 list-disc list-inside text-gray-300">
|
||
<li><strong>Figure AI:</strong> 明确提出"单神经网络端到端"控制，发布Helix模型，采用S1(小脑)+S2(大脑)双系统架构，并宣布停止与OpenAI合作，转向完全自研AI模型。</li>
|
||
<li><strong>特斯拉:</strong> Optimus已在工厂处理任务，通过"单一神经网络"学习人类视频完成家务。其技术基础源于自动驾驶的视觉架构和神经网络。</li>
|
||
<li><strong>众擎机器人:</strong> 推出搭载其首创的"端到端神经网络解决方案"的人形机器人SE01。</li>
|
||
<li><strong>技术与硬件:</strong> 新型光芯片、类脑芯片成为研发热点，可直接执行或训练神经网络。NPU(神经网络处理器)出货量增长，深圳政策明确支持机器人AI芯片攻关。</li>
|
||
<li><strong>英伟达观点:</strong> 认为通用机器人领域将迎来类似ChatGPT的突破，解决方案是"AI+Omniverse合成数据生成"来解决数据稀缺问题。</li>
|
||
</ul>
|
||
</div>
|
||
<div x-show="tab === 'roadshow'" x-transition>
|
||
<ul class="space-y-3 list-disc list-inside text-gray-300">
|
||
<li><strong>技术路径演进:</strong> 行业正从VRM模式（大模型决策+传统算法执行）向VRA模式（大模型直接输出控制信号）演进，最终目标是实现"视频输入→高精度控制输出"的端到端神经网络。</li>
|
||
<li><strong>模型架构:</strong> Google的"原生多模态"（如Gemini Pro）被认为优于拼接式多模态，是实现端到端控制的关键。特斯拉将FSD的BEV+Transformer架构迁移至机器人。</li>
|
||
<li><strong>核心挑战:</strong> 数据瓶颈是最大挑战，依赖"遥操作"或"合成数据"（如英伟达Cosmos）来解决。算力成本高昂，依赖GPU集群。</li>
|
||
<li><strong>产业生态:</strong> 英伟达通过Isaac Sim仿真平台和多模态模型布局，扮演关键生态构建者角色。特斯拉则依赖Dojo超算集群进行模型训练。</li>
|
||
<li><strong>硬件需求:</strong> 大模型对"大脑"（AI芯片）和小脑（运动控制）都提出了更高要求。低功耗、高算力的类脑芯片、脉冲神经网络芯片被视为未来核心。</li>
|
||
</ul>
|
||
</div>
|
||
<div x-show="tab === 'report'" x-transition>
|
||
<ul class="space-y-3 list-disc list-inside text-gray-300">
|
||
<li><strong>NPU是核心加速器:</strong> 研报明确指出，NPU（神经网络处理器）是机器人AI加速计算的重要芯片，专为端侧AI设计，在加速计算、降低功耗、实时决策方面优势明显。</li>
|
||
<li><strong>应用案例:</strong> 宇树科技Go2机器狗内置国产6T NPU芯片，实现自主导航避障；家庭清洁机器人也通过NPU实现路径规划。</li>
|
||
<li><strong>物理“神经网络”:</strong> 报告将机器人的内部通信系统（线束、连接器）比作其“神经网络”，负责连接各部件并传输数据和控制指令，强调其高实时性、高可靠性。</li>
|
||
<li><strong>软硬融合趋势:</strong> AI芯片正被集成至连接器中，实现边缘数据预处理，这表明机器人的物理“神经系统”与AI计算正在深度融合。</li>
|
||
<li><strong>场景应用:</strong> 智慧博物馆、智慧机房等场景中，神经网络被用于文物识别、观众行为分析、安防预警，并与导览/巡检机器人结合，形成完整解决方案。</li>
|
||
</ul>
|
||
</div>
|
||
</div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 6. 潜在风险与挑战 -->
|
||
<section id="risks" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">潜在风险与挑战</h2>
|
||
<div class="grid grid-cols-1 md:grid-cols-2 lg:grid-cols-3 gap-6">
|
||
<div class="glass-card rounded-3xl p-6 border-l-4 border-yellow-500">
|
||
<h3 class="text-xl font-bold text-yellow-400 mb-2">技术风险</h3>
|
||
<ul class="list-disc list-inside text-gray-400 space-y-1">
|
||
<li>模型可靠性与安全性（AI幻觉）</li>
|
||
<li>仿真到现实的差距（Sim2Real Gap）</li>
|
||
<li>硬件能耗与性能瓶颈</li>
|
||
</ul>
|
||
</div>
|
||
<div class="glass-card rounded-3xl p-6 border-l-4 border-orange-500">
|
||
<h3 class="text-xl font-bold text-orange-400 mb-2">商业化风险</h3>
|
||
<ul class="list-disc list-inside text-gray-400 space-y-1">
|
||
<li>高昂的制造成本</li>
|
||
<li>缺乏“杀手级”应用场景</li>
|
||
<li>投资回报周期长</li>
|
||
</ul>
|
||
</div>
|
||
<div class="glass-card rounded-3xl p-6 border-l-4 border-red-500">
|
||
<h3 class="text-xl font-bold text-red-400 mb-2">政策与交叉验证风险</h3>
|
||
<ul class="list-disc list-inside text-gray-400 space-y-1">
|
||
<li>伦理与法规监管不确定性</li>
|
||
<li>巨头竞争加剧</li>
|
||
<li><strong>核心风险：</strong>A股标的业务与前沿技术存在巨大鸿沟，存在逻辑“错配”风险。</li>
|
||
</ul>
|
||
</div>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 7. 综合结论与投资启示 -->
|
||
<section id="conclusion" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">综合结论与投资启示</h2>
|
||
<div class="glass-card rounded-3xl p-8">
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">最终看法</h3>
|
||
<p class="text-gray-300 mb-6">“机器人-神经网络”概念正处在由<strong class="text-green-300">“主题炒作”向“基本面驱动”过渡的关键阶段</strong>。对于全球核心玩家，其技术突破已具备坚实基本面逻辑。对于A股市场，目前仍以主题炒作和情绪驱动为主，大部分公司关联度弱。投资需穿透概念表象，寻找真正具备核心技术壁垒和产业卡位的公司。</p>
|
||
|
||
<h3 class="text-2xl font-bold text-green-400 mb-4">最具投资价值的细分环节</h3>
|
||
<ol class="list-decimal list-inside text-gray-300 space-y-2">
|
||
<li><strong>上游生态赋能者 (确定性最高):</strong> 以<strong class="text-green-300">英伟达</strong>为代表的“卖水人”。</li>
|
||
<li><strong>上游核心硬件:</strong> 高性能<strong class="text-green-300">NPU芯片</strong>和<strong class="text-green-300">3D视觉传感器</strong>，国产替代空间巨大 (如奥比中光)。</li>
|
||
<li><strong>具备数据飞轮和垂直整合能力的整机厂商:</strong> 以<strong class="text-green-300">特斯拉</strong>为代表，其闭环生态有望在长期竞争中胜出。</li>
|
||
</ol>
|
||
|
||
<h3 class="text-2xl font-bold text-green-400 mt-6 mb-4">需重点跟踪的关键指标</h3>
|
||
<ul class="grid grid-cols-1 md:grid-cols-2 gap-x-8 gap-y-2 text-gray-400 list-disc list-inside">
|
||
<li>端到端模型的实际表现和泛化能力。</li>
|
||
<li>人形机器人的单位成本下降曲线。</li>
|
||
<li>B端场景的部署数量和ROI数据。</li>
|
||
<li>机器人专用NPU芯片的出货量和渗透率。</li>
|
||
<li>核心传感器的订单量和毛利率变化。</li>
|
||
<li>头部厂商机器人的有效交互数据时长。</li>
|
||
</ul>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- 8. 相关A股公司列表 -->
|
||
<section id="stocks" class="my-16">
|
||
<h2 class="text-3xl font-bold mb-6 section-title font-space">相关A股公司列表</h2>
|
||
<div class="overflow-x-auto glass-card rounded-3xl p-2 sm:p-4">
|
||
<table class="table w-full">
|
||
<thead>
|
||
<tr>
|
||
<th class="text-left text-green-400">股票名称</th>
|
||
<th class="text-left text-green-400">股票代码</th>
|
||
<th class="text-left text-green-400">核心逻辑</th>
|
||
<th class="text-left text-green-400">其他标签</th>
|
||
</tr>
|
||
</thead>
|
||
<tbody>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>奥比中光</td><td><a href="https://valuefrontier.cn/company?scode=688322" target="_blank" class="text-blue-400 hover:underline">688322</a></td><td>公司专注于3D视觉感知技术研发，拥有较深的神经网络芯片及算法的技术累积，相关技术未来可在人形机器人等多形态终端上进行应用</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>泰尔股份</td><td><a href="https://valuefrontier.cn/company?scode=002347" target="_blank" class="text-blue-400 hover:underline">002347</a></td><td>公司利用卷积神经网络和循环神经网络，构建滚动轴承和齿轮箱的故障预警模型和故障诊断模型</td><td class="text-yellow-400">制图节点涨幅大于10%</td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>深水海纳</td><td><a href="https://valuefrontier.cn/company?scode=300961" target="_blank" class="text-blue-400 hover:underline">300961</a></td><td>公司建立起了以生物化学为基础、以BP(反向传播)神经网络为手段的精确控制系统模型</td><td class="text-yellow-400">制图节点涨幅大于10%</td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>宏达新材</td><td></td><td>公司产品量子随机数发生器用于神经网络计算</td><td class="text-yellow-400">制图节点涨幅大于10%</td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>神思电子</td><td><a href="https://valuefrontier.cn/company?scode=300479" target="_blank" class="text-blue-400 hover:underline">300479</a></td><td>神思云脑构建大规模神经网络与行业知识库</td><td class="text-yellow-400">制图节点涨幅大于10%</td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>金自天正</td><td><a href="https://valuefrontier.cn/company?scode=600560" target="_blank" class="text-blue-400 hover:underline">600560</a></td><td>少量订单项目涉及人工神经网络算法</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>思泰克</td><td><a href="https://valuefrontier.cn/company?scode=301568" target="_blank" class="text-blue-400 hover:underline">301568</a></td><td>客户意图识别技术采用长短时记忆神经网络</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>智信精密</td><td><a href="https://valuefrontier.cn/company?scode=301512" target="_blank" class="text-blue-400 hover:underline">301512</a></td><td>工业缺陷检测平台集成了神经网络模型</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>恒锋信息</td><td><a href="https://valuefrontier.cn/company?scode=300605" target="_blank" class="text-blue-400 hover:underline">300605</a></td><td>基于神经网络构建视频内容解析系统</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>声迅股份</td><td></td><td>公司聚焦可变性卷积神经网络的应用</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>恒华科技</td><td><a href="https://valuefrontier.cn/company?scode=300365" target="_blank" class="text-blue-400 hover:underline">300365</a></td><td>实现了神经网络在电力设计的创新应用</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>汇纳科技</td><td><a href="https://valuefrontier.cn/company?scode=300609" target="_blank" class="text-blue-400 hover:underline">300609</a></td><td>客流分析系统基于人工神经网络模型</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>恒银科技</td><td><a href="https://valuefrontier.cn/company?scode=603106" target="_blank" class="text-blue-400 hover:underline">603106</a></td><td>神经网络技术有一定积累</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>固高科技</td><td><a href="https://valuefrontier.cn/company?scode=301510" target="_blank" class="text-blue-400 hover:underline">301510</a></td><td>公司基于自主研发构建面向机器人应用的软件体系</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>兴民智通</td><td><a href="https://valuefrontier.cn/company?scode=002355" target="_blank" class="text-blue-400 hover:underline">002355</a></td><td>拥有基于LSTM神经网络的专利</td><td></td></tr>
|
||
<tr class="hover:bg-gray-800/50 transition-colors"><td>申昊科技</td><td><a href="https://valuefrontier.cn/company?scode=300853" target="_blank" class="text-blue-400 hover:underline">300853</a></td><td>将多个限制性玻尔兹曼机与SVM连接构建多层分类型，提取样本特征然后进行分类，并将其应用到图像识别任务中</td><td></td></tr>
|
||
</tbody>
|
||
</table>
|
||
</div>
|
||
</section>
|
||
|
||
<!-- Footer -->
|
||
<footer class="text-center text-sm text-gray-600 py-8">
|
||
<p>本报告由北京价值前沿科技有限公司AI投研agent“价小前投研”合成。</p>
|
||
<p>免责声明：本报告为AI基于公开信息合成，不构成任何投资建议。投资有风险，入市需谨慎。</p>
|
||
</footer>
|
||
|
||
</div>
|
||
|
||
<script>
|
||
document.addEventListener('DOMContentLoaded', function () {
|
||
var timelineChart = echarts.init(document.getElementById('echarts-timeline'));
|
||
var option = {
|
||
tooltip: {
|
||
trigger: 'axis',
|
||
formatter: function (params) {
|
||
return params[0].name + '<br/>' + params[0].value[2];
|
||
},
|
||
backgroundColor: 'rgba(20, 20, 40, 0.8)',
|
||
borderColor: 'rgba(255, 255, 255, 0.2)',
|
||
textStyle: {
|
||
color: '#e0e0e0'
|
||
}
|
||
},
|
||
grid: {
|
||
left: '3%',
|
||
right: '4%',
|
||
bottom: '10%',
|
||
containLabel: true
|
||
},
|
||
xAxis: {
|
||
type: 'time',
|
||
axisLine: { lineStyle: { color: 'rgba(255,255,255,0.3)' } },
|
||
axisLabel: { color: '#9ca3af' }
|
||
},
|
||
yAxis: {
|
||
type: 'value',
|
||
show: false
|
||
},
|
||
series: [{
|
||
name: '事件',
|
||
type: 'line',
|
||
showSymbol: true,
|
||
symbol: 'circle',
|
||
symbolSize: 12,
|
||
hoverAnimation: true,
|
||
data: [
|
||
{ name: '2022-12-31', value: ['2022-12-31', 3, 'OpenAI发布ChatGPT，开启大模型时代'], itemStyle: { color: '#9b59b6' }, label: { show: true, position: 'top', formatter: 'ChatGPT发布', color: '#e0e0e0' } },
|
||
{ name: '2024-03-14', value: ['2024-03-14', 5, 'Figure AI与OpenAI合作成果惊艳，宣布采用单神经网络端到端控制'], itemStyle: { color: '#3498db' }, label: { show: true, position: 'bottom', formatter: 'Figure AI突破', color: '#e0e0e0' } },
|
||
{ name: '2024-05-21', value: ['2024-05-21', 4, '特斯拉展示Optimus通过单个神经网络学习家务'], itemStyle: { color: '#e74c3c' }, label: { show: true, position: 'top', formatter: 'Tesla Optimus进展', color: '#e0e0e0' } },
|
||
{ name: '2024-06-02', value: ['2024-06-02', 6, 'OpenAI宣布重启机器人团队，强力背书赛道前景'], itemStyle: { color: '#f1c40f' }, label: { show: true, position: 'bottom', formatter: 'OpenAI重启团队', color: '#e0e0e0' } },
|
||
{ name: '2024-06-30', value: ['2024-06-30', 2, '英伟达成立Gear部门，构建机器人合成数据生态'], itemStyle: { color: '#2ecc71' }, label: { show: true, position: 'top', formatter: 'NVIDIA生态布局', color: '#e0e0e0' } },
|
||
{ name: '2024-12-31', value: ['2024-12-31', 7, '市场预期Q4将有海外重量级多模态大模型推出'], itemStyle: { color: '#1abc9c' }, label: { show: true, position: 'bottom', formatter: '预期: 新大模型', color: '#e0e0e0' } }
|
||
],
|
||
lineStyle: {
|
||
color: 'rgba(255,255,255,0.2)',
|
||
width: 1,
|
||
type: 'dashed'
|
||
},
|
||
itemStyle: {
|
||
borderWidth: 2,
|
||
borderColor: '#fff'
|
||
},
|
||
emphasis: {
|
||
itemStyle: {
|
||
borderColor: '#4CAF50'
|
||
}
|
||
}
|
||
}]
|
||
};
|
||
timelineChart.setOption(option);
|
||
window.addEventListener('resize', function() {
|
||
timelineChart.resize();
|
||
});
|
||
});
|
||
</script>
|
||
</body>
|
||
</html> |