[Table_Summary] [Table_Summary] 當前人形機器人產(chǎn)品落地的主要瓶頸在于模型側。模型側對機器人多模態(tài)對齊數據有較G的 需求。數據驅動(dòng)的大模型需要大量機器人多模態(tài)對齊數據投喂，對機器人數據的數量和質(zhì)量 都有較G的需求。機器人廠(chǎng)商解決機器人數據短缺主要靠?jì)煞N途徑：1）通過(guò)為數眾多的機器人在物理世界中收集數據；2）通過(guò) AIGC、數字孿生等方式合成仿真數據。因此建議關(guān)注模擬仿真相關(guān)標的。

機器人軟件：越過(guò) L2，直接從具身智能開(kāi)始

AI 模型的發(fā)展已經(jīng)接近關(guān)鍵節點(diǎn)，多模態(tài)模型具備了一定的成熟度，為人形機器人系統的發(fā) 展鋪平了道路。復盤(pán)特斯拉智能駕駛的發(fā)展路徑可以發(fā)現，人形機器人模型可以采用自上而 下的形式，直接從 L3 J開(kāi)始構建模型系統。在機器人時(shí)代，主流軟件廠(chǎng)商都選擇了數據驅動(dòng) 的開(kāi)發(fā)范式。數據驅動(dòng)的機器人模型具備較G的泛化能力，不僅可用于G復雜性場(chǎng)景，還能 在環(huán)境溝通中自主學(xué)習。受限于算力不足以及數據集短缺，模型控制層暫時(shí)只能以規則驅 動(dòng)。特斯拉正在以數據驅動(dòng)快速迭代機器人系統。目前特斯拉已將為數眾多的 Optimus 放進(jìn) 汽車(chē)生產(chǎn)工廠(chǎng)，安排其協(xié)助完成工廠(chǎng)內的電池分揀工作，形成了數據飛輪。

機器人硬件：性能優(yōu)化與云邊端協(xié)同

機器人從汽車(chē)感知系統上繼承了攝像頭、超聲波雷達、激光雷達等傳感器，并且提G了傳感 器數量和性能。此外，為了實(shí)現更準確的操控，機器人新增加了一維力和一維力矩傳感器、 關(guān)節電機內部的位置傳感器、IMU、用于腕關(guān)節和腳部的六維力傳感器、觸覺(jué)傳感器(指尖、 手掌、G碰撞風(fēng)險區)等部件。

當前條件下，如何平衡云端的計算延遲與端側的算力不足是機器人 AI 大腦的核心矛盾之一。 放眼未來(lái)，機器人大腦在一段時(shí)間內或采用云端大腦與端側模型并行的技術(shù)路徑。在云端， 特斯拉自研 DOJO 超算平臺支撐人形機器人的底層算力。DOJO 芯片架構平臺由 D1 芯片組 成 ， D1 芯 片 采 用 了 臺 積 電 的 7 納 米 制 程 工 藝 ， 計 算 能 力 在 BF16/CFP8 上達到 362TFLOPS，FP32 峰值算力為 22.6 TFLOPS，TDP(熱設計功耗)為 400W。預計到 2024 年 10 月，Dojo 超算平臺的有望匹配 30 萬(wàn)塊英偉達 A100 芯片的算力。特斯拉自研的 Dojo 超 算平臺有望為公司節省超過(guò) 65 億美元的算力投入。

商業(yè)模式：從制造到運營(yíng)，機器人有望復刻路徑

具身智能將帶來(lái)產(chǎn)業(yè)鏈的重構，其中軟件將在產(chǎn)業(yè)鏈中具備G價(jià)值量。未來(lái)隨著(zhù)大模型的 滲透率提升，機器人智能化程度有望大幅度提G。參考智能汽車(chē)L域的“軟件定義汽車(chē)”邏 輯，軟件算法或成為人形機器人廠(chǎng)商的技術(shù)護城河，是機器人主機廠(chǎng)實(shí)現產(chǎn)品差異化的關(guān)鍵 因素。

附件：從特斯拉智能駕駛看人形機器人發(fā)展路徑-機器人數據短缺主要靠?jì)煞N途徑