亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

　看好工業機器人賽道，受益智能制造、國產化雙重驅動

　　工業機器人為譽為“制造業皇冠上的明珠”。IFR、中國電子學會數據顯示，2022年中國工業機器人市場規模609億元，全球占比45%，為第一大市場。2022年國內工業機器人銷量28萬臺，2011-2022年CAGR26%，十年間銷量擴增十倍。2021年韓國/日本/德國/中國工業機器人密度分別為1000/399/397/322臺/萬人，我們認為我國滲透率仍具備翻倍空間：①從經濟性看，人口老齡化加劇導致人力成本提升，機器替人為大勢所趨。②從政策導向看，2023年1月工信部發布《“機器人+”應用行動實施方案》，目標2025年我國制造業機器人密度較2020年實現翻番。受益機器替人及機器人政策導向，我們預計2022-2025年我國機器人銷量CAGR為14%。

　　工業機器人國產化提速，關注大六軸、焊接等低國產化率環節

　　IFR、中國電子學會數據顯示，2022年我國工業機器人國產化率僅35%，國產龍頭埃斯頓/匯川機器人市占率僅6%/5%，國產化仍有較大提升空間。2023Q1工業機器人國產化率41%，同比提升9pct，國產化提速。我們認為國產化率較低的環節成長空間大、壁壘高、盈利能力較好，是行業阿爾法來源之一，我們將國產化率較低的環節總結為三點：①大六軸：2022年國產化率僅17%，國產龍頭埃斯頓份額8%，引領國產替代。②汽車3C：2022年汽車及3C行業機器人銷量占比達47%，市場大、國產化率低，在鋰電與汽車融合趨勢下，國產品牌由光伏、鋰電拓展至傳統3C、汽車行業。③焊接：2021年焊接機器人國產化率僅34%，凱爾達專注于焊接機器人業務，埃斯頓通過收購CLOOS補齊國內厚板焊接短板，未來有望在焊接領域取得突破。

　　工業機器人下一個風口：AI自然語言及具身智能

　　工業機器人痛點在于開發交付門檻較高，需要專業工程師手動編寫代碼、反復調試后，才能匹配產線特有的任務需求，高昂成本極大阻礙了工業機器人的普及。在AI大模型趨勢下，工程師可通過大模型自動生成代碼指令完成機器人功能的開發與調試，用日常對話的方式來指揮機器人。2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業機器人上，根據環境變化尋找行動方案，無需任何人類引導。2023年阿里巴巴將千問大模型接入工業機器人，成功用對話操控機器人工作。在工業領域內，機器人能夠與人類直接對話，加速應用實現及潛在應用領域滲透率飛躍，是未來十年最重要的機會之一。

　　尋找工業機器人產業鏈強阿爾法

　　工業機器人產業鏈中優選強阿爾法，我們認為主要有三個思路：（1）上下游全產業鏈布局，應對可能到來的行業格局分化；（2）國產化率低、壁壘較高的環節：大六軸、汽車3C、焊接；（3）規模持續擴大，有望迎來盈利能力上行。根據以上條件，我們篩選出7家機器人產業鏈核心標的進行梳理，分別為發那科、埃斯頓、匯川技術、新松機器人、埃夫特、華中數控、凱爾達。 　

特斯拉強勢入局人形機器人：廣闊藍海，搶占先機

　　人形機器人具備通用性，理論上幾乎能完成所有人類進行的任務，未來將擁有比汽車更大的市場空間。馬斯克曾稱特斯拉汽車是放在輪子上的機器人，特斯拉必然利用這個天然優勢搶占人形機器人廣闊市場的先機。人形機器人與智能汽車協同，也將助力特斯拉以更低的成本實現完全自動駕駛的電車。 　 　　AI是特斯拉投入人形機器人的最強競爭力，數據、大模型賦能加速迭代落地 　 　　Optimus問世前，人形機器人存在成本高、不智能、控制水平差的缺陷，無法實現量產。而Optimus突破了不智能、難控制的缺陷，采用類似汽車域控制器的控制方式并復用FSD系統，通過閉環數據引擎，不斷升級的感知、規劃控制算法以及高算力、模型訓練效率達8分鐘/個的超算系統共同打通“感知-認知-決策”鏈路，擁有了智能屬性。2023年，以GPT-4為代表的AI大模型迎來突破性進展，將進一步提升特斯拉機器人交互、決策、感知能力，加速迭代落地。OpenAI領投人形機器人公司1X證明了AI在人形機器人領域大有可為。 　 　　特斯拉機器人降本潛力大，國產硬件供應商迎來重要機遇 　 　　特斯拉機器人在設計上也選擇了硬成本最低、軟成本最大的方式后發制人，類似在自動駕駛感知領域以純視覺方案代替激光雷達。特斯拉機器人硬件成本包括40個關節執行器以及其他結構件。根據我們測算，目前硬件成本占BOM表比例超過50%，要達到2萬美金售價還有84%的降價空間。特斯拉機器人關節執行器采用的零部件種類和現有的工業機器人基本一致，由于沒有像工業機器人一樣對實現高速運動的要求，一定程度上降低了生產難度，因此只需根據人形機器人的特點對零部件進行調整修改就可以進行標準化的大批量生產，而且軸承、齒輪箱、滾珠絲杠、電機等部件可復用特斯拉汽車的供應鏈。國產硬件供應商具備很強的低成本大規模量產能力，迎來了導入特斯拉機器人硬件供應鏈的重要機遇。 　 　　站在特斯拉機器人產業化落地起點，國產廠商增長動能充沛 　

AI+制造業賦能，META發布SAM助力機器視覺迎來GPT時刻。機器視覺技術使得工業設備能夠“看到”它正在進行的操作并進行快速決策，完整機器視覺系統由硬件+軟件組成，分別進行成像和圖像處理工作。目前，以“AI+人類感知”融合為代表的新興技術開始逐漸滲透至工業制造各環節，機器視覺作為AI+制造業的種業落地技術已經介入制造業生產環節的跟蹤、產品質量的檢測等。我們認為人工智能是機器視覺的母身，深度學習為機器視覺的技術堡壘，近期Meta發布SAM模式有望助力機器視覺迎來GPT時刻。　　機器視覺下游的高景氣反哺明顯，AI與機器視覺成為剛需。AI+機器視覺技術優勢明顯，政策加持+社會需求(人口紅利退潮)驅動中長期發展，我國機器視覺待滲透空間較大。隨著工業4.0等概念的持續深化+研發技術的不斷突破，AI+機器視覺持續賦能下游工業應用領域，有望受益于下游賽道的高景氣，從行業領域來看，高景氣賽道的半導體、汽車、新能源有望成為未來行業的最重要驅動力之一，電子領域在中長期仍是應用范圍最廣的下游。從應用深度來看，AI賦予機器視覺的高精度優勢，使得機器視覺成為不少行業的剛需標配，機器視覺已逐漸嵌入半導體、汽車、新能源鋰電池與光伏的生產檢測環節，提高汽車電子的裝配質量、突破光伏缺陷檢測瓶頸以提高產品良率等。　　機器視覺成本集中在上游，核心環節的國產替代化方興未艾。25年全球有望達到千億市場規模，中國增速領先全球（CAGR為15%）。剖析產業鏈，機器視覺產業鏈的上游硬件（奧普特/海康/大恒/中光學/舜宇/福光）鏡頭、工業相機、光源以及軟件（凌云光/奧普特/海康/鼎捷），中游為裝備制造/系統集成廠商（天準/凌云光/大恒/矩子/華興源創/精測電子），成本集中在技術壁壘高筑的工業相機（價值量占比23%）以及軟件算法（35%）；競爭格局方面，全球機器視覺市場以康耐視（美國）、基恩士（日本）、巴斯勒（德國）為代表的企業占據全球>50%市場份額，以康耐視和基恩士為代表的雙巨頭以入局早、扎實產品技術、廣泛應用場景經驗的優勢提前據市場優勢。國內機器視覺上游行業仍處于成長階段，增長速度大致相當，關注國產替代+AI迭代下工業相機與軟件環節發展。

1、底層技術：AI通過三大能力賦能辦公場景，大模型技術提升辦公生產力

　　AI通過提升人類的內容生成能力、人機交互能力和非結構數據處理能力，來賦能辦公場景：1）AIGC技術開啟辦公軟件發展新階段，辦公產品從效率工具向生成工具轉變；2）大模型提升人機交互能力，降低辦公軟件使用成本；3）AI提升辦公軟件非結構化數據處理能力，幫助企業更加高效地挖掘數據資源價值。

　　大模型技術的成熟和商業化推廣，為下游辦公應用向智能化演進提供支撐。1）GPT-4在辦公領域展現出四個極為重要的能力：會話式交互方式、跨語言及多模態交流能力、長文本處理能力、復雜推理能力。四大能力作為支撐，使得大模型在辦公軟件市場應用前景廣闊。2）文心一言強大的中文理解能力展現出廣闊的應用前景，中文場景的內容生成方面具有優勢。3）訊飛星火大模型：辦公是星火模型未來重點應用的領域，依托訊飛在各行業積淀的海量數據，可賦能細分領域的辦公場景。

　　2、辦公智能化實踐：國內外廠商齊發力，AI+辦公應用百花齊放

　　AI與辦公應用的融合，國內外廠商已有諸多實踐案例：微軟和谷歌都發布了融合AI的辦公應用Microsoft365 Copilot和Workspace，幫助用戶提高工具生產力；Salesforce通過接入通用大模型+自研小模型的方式，推出GPT程序賦能協作產品，提升溝通效率；Notion AI和印象筆記等筆記類應用，通過接入大語言模型實現文檔自動寫作；飛書推出AI助手“My AI”，以對話形式提供多種功能，包括優化和續寫文字內容、創建日程、自動匯總會議紀要、搜索公司內部知識庫等。 　

L4級別自動駕駛是未來技術的演進方向，互聯網和算法公司選擇直接面向L4級別高級駕駛功能進行開發。

百度作為PC互聯網時代的搜索入口，龐大的客戶數據助力其AI業務的發展。基于AI技術搭建了Apollo自動駕駛開放平臺，面向”自動駕駛、智能車聯、智能交通“三大領域。硬件+軟件+數據多方面能力結合，共同實現L4級別自動駕駛能力

實現純視覺低成本L4級別自動駕駛技術，降維賦能車企。通過與威馬等造車新勢力合作，實現自動駕駛功能上車。與傳統造車企業吉利合作，強強聯合，計劃推出”集度“品牌汽車。

商用車自動駕駛Robo-Truck場景相對低速和封閉，有望率先實現商業化落地。有效降低駕駛事故率，降低人力成本，彌補崗位缺口，節約燃油，全球市場規模有望達到萬億元。

國內重卡企業陸續開啟自動駕駛布局，自動駕駛港口應用加速。

//pdf.dfcfw.com/pdf/H3_AP2023899_1.pdf?00.pdf

智能語音即聲音信息在人機間的交互模擬，為人工智能的核心技術賽道。1980s至今智能語音經歷三個階段發展，2016年開始進入落地期，智能語音助手、智能音箱相繼落地，后續多類場景有望加速兌現產業紅利。

就產品和場景而言， 智能語音相關應用正沿2C消費級和2B企業級兩大分支漸次綻放。

2C 消費級市場，AloT背景下的終端互聯是主邏輯，場景包括：1)智慧生活場景(空間達240億元)，如智能手機助手、智能可穿戴等；2)智能家居場景(空間達2400億元)，智能音箱、智能家電等；3)智能駕駛場景(空間達600億元)，如車載語音等；4)智慧辦公場景，如翻譯機、錄音筆等。對消費級市場而言，商業模式多元化與技術落地曲線的加速度是產業紅利兌現的關鍵，具備全鏈條語音交互技術能力與建立強用戶聯系的廠商具備最大競爭優勢。

　　2B 企業級市場，深耕行業Know-How是主邏輯，場景包括：1)智慧教育場景(空間達370億元；其中學習機空間超過150億元)；2)智慧醫療場景(整體空間超千億元)，如電子語音病例等；3)應用于電信/金融/電商等場景的智能呼叫/客服等。受新冠疫情催化，2B場景受到加速推廣，一系列基于AI算法的軟硬件設施在抗疫的方方面面發揮巨大作用。

　　后疫情時代，AI行業大概率迎來爆發，實現戴維斯雙擊。智能語音賽道有望迎頭趕上，縮短與機器視覺產業的商用推廣差距。

　　首先，新冠疫情對于公共衛生領域非接觸應用的強烈需求，促進解決了智能語音行業的商業認知問題。其次，疫情同時促進智能語音行業解決了行業應用的技術驗證問題。最后，疫情也在一定程度上緩和了智能語音行業的隱私安全問題。