消費電子行業(yè)專題研究：英偉達虛擬仿真技術主導驅動人形機器人行業(yè)發(fā)展131mb

行業(yè)報告行業(yè)報告|行業(yè)專題研究消費電子證券研究報告消費電子投資評級行業(yè)評級強于大市(維持評級)上次評級強于大市投資評級行業(yè)評級強于大市(維持評級)上次評級強于大市英偉達虛擬仿真技術主導，驅動人形機器人行業(yè)發(fā)展虛擬仿真技術迅速發(fā)展，賦能宇樹科技人形機器人ASAP框架及英偉達虛“--真實”“動態(tài)校準”GPU智元啟元大模型出世，虛擬仿真技術得到進一步應用智元機器人深度融合虛擬仿真技術，推動具身智能發(fā)展。其發(fā)布的智元啟元大模型，構建Vision-Language-Latent-Action（ViLLA）創(chuàng)新架構，由VLM

42%34%26%18%10%2%-6%-14%

作者潘暕分析師SAC作者潘暕分析師SAC執(zhí)業(yè)證書編號：S1110517070005panjian@行業(yè)走勢圖 AgiBotDigitalWorldNVIDIAIsaac-Sim開發(fā)，能生成高質量操

2024-05 2024-09 2025-01資料來源：聚源數(shù)據(jù)作數(shù)據(jù)創(chuàng)建多樣仿真任務與環(huán)境開源數(shù)據(jù)優(yōu)勢顯著為虛擬仿真技術在 相關報告1相關報告1《消費電子-行業(yè)研究周報:海外科技股25Q1：Capex保持較高強度，看好AI算力鏈修復》2025-05-132《消費電子-行業(yè)專題研究:25Q1：AI業(yè)績紅利兌現(xiàn)伊始、機構持倉穩(wěn)定，看好算力開支及新機帶動下的板塊修復機遇》2025-05-133《消費電子-行業(yè)研究周報:美方應對關稅態(tài)度緩和，出口鏈條或迎修復》2025-04-27虛擬仿真技術地位突出，英偉達構筑行業(yè)優(yōu)勢英偉達憑借MimicGen、Omniverse與Isaac三大平臺協(xié)同，虛擬仿真技術地位突出，鑄就行業(yè)優(yōu)勢。MimicGen以少量人類樣本生成海量精準數(shù)據(jù)集，突破數(shù)據(jù)采集瓶頸，其數(shù)據(jù)訓練的代理性能優(yōu)異，適用于多任務、多硬件及復雜場景，還革新數(shù)據(jù)生成模式。Omniverse是3D創(chuàng)作與虛擬仿真的強大平臺，具備實時協(xié)作、光線追蹤等功能，五大組件協(xié)同整合資源，構建大型訓練場景。Isaac平臺從軟硬件雙重賦能，軟件上，IsaacSim結合RTX提升感知、USD解決兼容問題，cuOpt等助力AMR部署；硬件上，NovaOrin提供一體化范式。三者深度融合，精準模擬物理規(guī)律，加速算法迭代、降低試錯成本，推動機器人從理論邁向規(guī)模化應用，拓展廣闊前景。建議關注：世運電路、藍思科技、立訊精密、一博科技、復信科技、天準科技、凌云光等。AI相關企業(yè)：寒武紀、海光信息（天風計算機覆蓋、龍芯中科、紫光國微、復旦微電、安路科技等。邊/終端AI相關企業(yè)：瑞芯微、晶晨股份、恒玄科技、全志科技、樂鑫科技、富瀚微、中科藍訊、炬芯科技、兆易創(chuàng)新、中穎電子、芯?？萍嫉取４鎯ο嚓P企業(yè)：江波龍（天風計算機聯(lián)合覆蓋）、瀾起科技、聚辰股份、北京君正、普冉股份、東芯股份、佰維存儲等。AI應用端相關企業(yè)：?？荡笕A、工業(yè)富聯(lián)、大華股份、?？低暤?。風險提示：下游需求不如預期、庫存去化不如預期、研發(fā)與技術升級不如預期、宏觀環(huán)境變動帶來的風險。重點標的推薦股票代碼股票名稱收盤價2025-05-19投資評級2024AEPS(2025E元)2026E2027E2024AP/2025EE2026E2027E603920.SH世運電路26.03買入0.941.241.632.1127.6920.9915.9712.34300433.SZ藍思科技21.48買入0.731.111.441.8129.4219.3514.9211.87002475.SZ立訊精密32.23買入1.842.272.833.3117.5214.2011.399.74688662.SH富信科技37.66買入0.500.851.1453.0444.3133.04請務必閱讀正文之后的信息披露和免責申明 1行業(yè)報告|行業(yè)專題研究行業(yè)報告|行業(yè)專題研究請務必閱讀正文之后的信息披露和免責申明PAGE2請務必閱讀正文之后的信息披露和免責申明PAGE2資料來源：ifind，天風證券研究所，注：PE=收盤價/EPS，EPS為天風證券研究所預測內容目錄虛擬仿真技術迅速發(fā)展，賦能宇樹科技人形機器人 3宇樹科技領銜人形機器人賽道，虛擬仿真技術重要性日漸凸顯 3宇樹科技ASAP框架：虛擬仿真驅動人形機器人敏捷性突破 3智元啟元大模型出世，虛擬仿真技術得到進一步應用 3虛擬仿真技術地位突出，英偉達構筑行業(yè)優(yōu)勢 4英偉達多平臺協(xié)同，鑄就機器人技術堅實壁壘 4MimicGen系統(tǒng)數(shù)字孿生，創(chuàng)造訓練數(shù)據(jù) 4實驗環(huán)節(jié)：生成大型數(shù)據(jù)集訓練機器人代理 4落地功能:大型數(shù)據(jù)集加快虛擬仿真進程 4MimicGen仿真引擎：小樣本驅動跨場景任務泛化 6Omniverse平臺虛擬仿真，構建大型訓練場景 6ISSAC平臺：搭建仿真環(huán)境為模擬學習提供應用環(huán)境和技術支持 7仿真環(huán)節(jié)：IsaacSim提升仿真感知能力，USD解決系統(tǒng)兼容問題 7部署環(huán)節(jié)：Isaac平臺強化路徑規(guī)劃等關鍵技術，縮短AMR部署時間 9NovaOrin硬件平臺提供通用范式，強勁算力保障AMR應用可靠性 10對動態(tài)、復雜環(huán)境適應能力遠超AGV，AMR具備更廣闊的應用前景 11建議關注 11相關風險 11圖表目錄圖1：MimicGen復制孿生人類演示 5圖2：MimicGen工作流程 5圖3：Omniverse模塊化開發(fā)框架 7圖4：Omniverse運作原理 7圖5：光柵化與光線追蹤采樣順序 8圖6：光柵化與光線追蹤照明效果 8圖7：DLSS工作原理 8圖8：Metropolis示意圖 10圖9：經(jīng)典SLAM框架 11圖10：視覺SLAM流程圖 11表1：2023IsaacSim更新內容 7表2：NovaOrin硬件組成 10我們認為，在機器人技術迅猛發(fā)展的浪潮中，模仿學習與虛擬仿真技術已然成為推動行業(yè)進步的核心驅動力，虛擬仿真技術作為模仿學習的進階衍生，憑借構建高度擬真的虛擬環(huán)境、提供精準模擬與高效測試等功能，為機器人技術的深化演進給予了更為強勁的助力，拓展出更為廣闊的發(fā)展空間。宇樹科技領銜人形機器人賽道，虛擬仿真技術重要性日漸凸顯宇樹科技領軍人形機器人行業(yè)。宇樹科技已在這條人形機器人賽道上占據(jù)了產(chǎn)業(yè)鏈上的領跑位置，據(jù)宇樹科技負責人介紹，其四足機器人出貨量，超過了全球四足機器人出貨量的60%。目前，該公司業(yè)務范圍覆蓋全球一半以上的國家和地區(qū)，廣泛應用于電力巡檢、消防救援、園區(qū)安防等領域。ASAP框架（AligningSimulationandRealPhysics，模擬與真實物理對齊G1人形機器人。ASAP框架是一個兩階段框架，旨在解決動力學失配問題，并實現(xiàn)敏捷的人形全身技能。我們認為，宇樹科技作為人形機器人行業(yè)的佼佼者，其深度融合、廣泛運用虛擬仿真技術的一系列實踐，有力證明了虛擬仿真技術對于人形機器人從研發(fā)設計到實際應用落地整個鏈條的關鍵作用。宇樹科技ASAP框架：虛擬仿真驅動人形機器人敏捷性突破宇樹科技ASAP框架通過“動態(tài)校準”機制突破虛實動力學壁壘。ASAP創(chuàng)新性地采用“真實-仿真-真實”兩階段訓練框架，在預訓練階段，機器人通過模仿人類動作生成基礎運動策略；在動態(tài)校準階段，通過現(xiàn)實數(shù)據(jù)訓練殘差模型補償動力學失配，并反向優(yōu)化仿真物理引擎參數(shù)，讓機器人能基于GPU的并行計算能力，在閉環(huán)訓練模式使仿真環(huán)境無限逼近真實世界特性，為敏捷動作遷移提供了物理一致性保障。ASAP框架不僅適用于仿真到現(xiàn)實的遷移，還可提供一個通用框架用于對齊訓練和部署環(huán)境中的物理特性。我們認為，這可以使得不同的開發(fā)團隊和企業(yè)在使用ASAP框架時，能夠根據(jù)自身的需求和應用場景，靈活調整和優(yōu)化機器人的訓練和部署過程，進一步提升了機器人在各種實際環(huán)境中的性能和適應性。宇樹科技ASAP在數(shù)據(jù)仿真層面，結合MimicGen的跨硬件數(shù)據(jù)生成技術，可自動生成大規(guī)模、豐富的數(shù)據(jù)集；算IsaaccuOpt路徑規(guī)劃算法，能顯著提升人形機器人在復雜環(huán)境中的移動決策效率。我們認為：宇樹機器人發(fā)展?jié)摿捎^，前景廣闊，其嶄露頭角的一大原因在于使用了英偉達的虛擬仿真技術。以英偉達為代表的虛擬仿真技術，憑借其前沿性與綜合性優(yōu)勢，是推動未來人形機器人邁向高度智能化階段的關鍵要素之一，有望在人形機器人的大規(guī)模普及與深度應用進程中持續(xù)發(fā)揮核心支撐作用。智元啟元大模型出世，虛擬仿真技術得到進一步應用智元啟元大模型技術創(chuàng)新顯著。智元近期正式發(fā)布首個通用具身基座模型——智元啟元大Vision-Language-Latent-ActionViLLA)VLM多模態(tài)大模型)+MoE(混合專家)VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場景感知和語言理解能力，中的LatentPlanner隱式規(guī)劃器)借助大量跨本體和人類操作視頻數(shù)據(jù)獲得通用的動作理解能力，MoE中的ActionExpert(動作專家借助百萬真機數(shù)據(jù)獲得精細的動作執(zhí)行能力，三者環(huán)環(huán)相扣，實現(xiàn)了可以利用人類視頻學習，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機器人本體，持續(xù)進化，將具身智能推上了一個新臺階。AgiBotDigitalWorld推動具身智能發(fā)展。過去一年，具身智能領域發(fā)展迅猛，大規(guī)模機AgiBotDigital，支持快速生成海量高質量的操作數(shù)據(jù)，通過與真機數(shù)據(jù)搭配，可以更加高效、全面地構建高質量具身訓練AgiBotDigital基于NVIDIAIsaac-Sim仿真平臺開發(fā)，提供高度逼真的視覺渲染和精確的物理模擬，仿真情景與真實世界之間的域差異非常小，感知和交互的細節(jié)極為真實。AgiBotDigital引入多模態(tài)大模型，支持基于資產(chǎn)庫自動生成操作任務，以及基于指定任務自動生成操作場景和物體布局。此功能可以根據(jù)實際訓練需求，靈活創(chuàng)建多樣化、復雜度可調的仿真任務與仿真環(huán)境，實現(xiàn)數(shù)據(jù)閉環(huán)。智元機器人此次開源的海量仿真數(shù)據(jù)具有質量高、泛化快、任務多樣、應用靈活等一系列特點，這些數(shù)據(jù)為各類場景應用提供了堅實的開發(fā)基礎和廣泛的應用可能性，助力實現(xiàn)多技能訓練和多任務泛化執(zhí)行。英偉達多平臺協(xié)同，鑄就機器人技術堅實壁壘我們認為，宇樹科技與智元機器人作為新興力量嶄露頭角，而英偉達已在相關領域深耕布局多年。以宇樹和智元為典型代表的企業(yè)對虛擬仿真技術的運用，愈發(fā)凸顯出英偉達所蘊含的巨大發(fā)展?jié)摿?，而虛擬仿真技術本身，正逐步成為驅動機器人技術實現(xiàn)顛覆性創(chuàng)新的核心動力源泉。英偉達通過MimicGen系統(tǒng)、Omniverse平臺與Isaac平臺的協(xié)同發(fā)展，打造出獨特的MimicGenOmniverse3D創(chuàng)作和虛擬仿真，可實現(xiàn)用戶和應用程序間的實時協(xié)作；Isaac平臺從軟件與硬件雙層面賦能虛擬仿真技術，軟件上IsaacSim結合RTX提升感知、USD解決兼容難題，部署軟件增效，硬件依靠NovaOrin提供一體化范式降低成本。我們認為，三大平臺深度融合，革新了機器人的開發(fā)范式。借助Omniverse平臺的資源、MimicGen生成的數(shù)據(jù)以及Isaac平臺的應用環(huán)境與技術支持，英偉達實現(xiàn)了數(shù)字世界對物理規(guī)律的精準模擬。在這個虛擬環(huán)境中，算法迭代速度加快，試錯成本大幅降低，機器人得以跨越從理論研究到規(guī)模化應用的鴻溝，有力推動機器人技術在更廣泛領域的落地與發(fā)展。MimicGen系統(tǒng)數(shù)字孿生，創(chuàng)造訓練數(shù)據(jù)實驗環(huán)節(jié)：生成大型數(shù)據(jù)集訓練機器人代理MimicGen嘗試以少量人類樣本為基礎，生成大型數(shù)據(jù)集。模仿學習雖在從已有數(shù)據(jù)訓練機器人策略方面應用廣泛，與先前研究離線數(shù)據(jù)增強擴充數(shù)據(jù)集不同的是，MimicGen選擇在線生成新數(shù)據(jù)集。其數(shù)據(jù)生成方式與基于重放的模仿方法類似，即讓機器人重放先前演示以解決任務，通過這種在線機制，機器人能實時獲取新數(shù)據(jù)，持續(xù)優(yōu)化學習策略。源數(shù)據(jù)解析：將人類提供的少量演示數(shù)據(jù)解析為以對象為中心的子任務段。每個段對應一個特定的子任務，如抓取、移動或放置物體。適應新場景：根據(jù)新的任務環(huán)境和物體配置，選擇合適的子任務段，并對其進行空間變換。這種變換確保機器人能夠在不同的物體位置和姿態(tài)下執(zhí)行相應的操作。生成和執(zhí)行新演示：通過變換后的段，生成新的機器人軌跡，并讓機器人按照該軌跡執(zhí)行任務。這個過程實現(xiàn)了在新的初始狀態(tài)和環(huán)境中生成新的演示數(shù)據(jù)。落地功能:大型數(shù)據(jù)集加快虛擬仿真進程生成式數(shù)據(jù)無限擴展，自主生成高質量數(shù)據(jù)。MimicGen，通過對人類演示進行處理，自動生成不同場景下的大規(guī)模數(shù)據(jù)集，進而用于機器人的模仿學習，從僅約200個人類演示中自主生成了5萬個訓練數(shù)據(jù)，流程如下：1）人類遠程操控機器人完成任務，生成非常高質量演示數(shù)據(jù)；2）在高保真GPU加速的模擬環(huán)境中，創(chuàng)建機器人和場景的數(shù)字孿生；3）在模擬環(huán)境中移動對象，替換新的物體，基本是使用程序生成的方式擴充訓練數(shù)據(jù)；4）導出成功的場景，提供給神經(jīng)網(wǎng)絡進行訓練，獲得一個近乎無限的訓練數(shù)據(jù)流。AI合成數(shù)據(jù)用于自我訓練，為大數(shù)據(jù)級AI做好準備。MimicGen可在數(shù)據(jù)收集中節(jié)約昂貴和耗時的人力，例如將一個罐子丟進垃圾桶的簡單行為，接收200次人類演示，機器人模仿成功率僅達73.3%；若要擴展到不同場景、執(zhí)行更復雜的任務，就需要涵蓋數(shù)萬個演示的數(shù)量級更大的數(shù)據(jù)集，如超過20000條演示人類軌跡則可以使得機器人在執(zhí)行廚房清理等變化不大的任務中的成功率達到97%。圖1：MimicGen復制孿生人類演示資料來源：MimicGen官網(wǎng)、天風證券研究所MimicGen數(shù)據(jù)大大提高了代理在源任務上的性能。MimicGen的一個直接應用是在某個感興趣的任務上收集小數(shù)據(jù)集，然后為該任務生成更多數(shù)據(jù)。將訓練在小源數(shù)據(jù)集上的代理的性能與訓練在由MimicGen生成的D0Sqae（11.3%提高到90.7%、Teadig（19.3%提高到98.0%）和Teeieceemly（1.3%提高到82.0%MimicGen數(shù)據(jù)可以在廣泛的初始狀態(tài)分布上產(chǎn)生高性能的代理。使用在廣泛的初始狀態(tài)分D1D2D1上的42%到99%，表明imicGen在新初始狀態(tài)分布上生成了有價值的數(shù)據(jù)集。在某些情況下，源演示中的某些對象從未移動過Sqae中的銷釘、Theadig中的三腳架、Teeieceemly中的基座等，但是數(shù)據(jù)是在對象在機器人工作空間的顯著區(qū)域內移動的制度上生成的。MimicGen支持多對象和多硬件數(shù)據(jù)生成。MimicGen具備為不同對象和多樣化機器人硬件生成數(shù)據(jù)的能力。借助MimicGen，人類演示數(shù)據(jù)能夠跨越不同的機器人硬件使用。這意味著，無論機器人硬件如何變化，MimicGen都能依據(jù)人類演示生成適用的數(shù)據(jù)，極大地拓展了數(shù)據(jù)的應用范圍和機器人的適應性MimicGen在移動操作任務中優(yōu)勢明顯。以MobileKitchen任務為例，應用MimicGen后，收益從2.0%提升到46.7%，成功率從2.7%提高到76.7%。這一顯著變化充分說明MimicGen的方法不僅適用于靜態(tài)桌面操作，還能有效應用于移動操作任務，進一步拓展了其應用場景。MimicGen在多仿真框架下適應性強。MimicGen具有出色的模擬器無關特性，不局限于單一仿真框架。將其應用于建立在IsaacGymFactory仿真框架中的高精度任務（需毫米級精度）Nut-and-BoltAssemblyGearAssemblyFrameAssembly等（D0）8299%915（D1、D2）3781%MimicGen在不同仿真框架下提升任務執(zhí)行性能的有效性和適應性。MimicGen可利用不同來源的演示數(shù)據(jù)。MimicGen在數(shù)據(jù)利用上具有很大的靈活性，它可以使用經(jīng)驗不足的人類操作員的演示和不同的遠程操作系統(tǒng)。我們認為，這降低了對操作人員專業(yè)度的要求，進一步豐富了數(shù)據(jù)來源渠道。圖2：MimicGen工作流程行業(yè)報告|行業(yè)專題研究行業(yè)報告|行業(yè)專題研究請務必閱讀正文之后的信息披露和免責申明PAGE6請務必閱讀正文之后的信息披露和免責申明PAGE6資料來源：MimicGen官網(wǎng)、天風證券研究所MimicGen仿真引擎：小樣本驅動跨場景任務泛化通過有效利用少量人類演示MimicGen提高可以通過模仿學習學習的復雜任務。HammerCleanupBUDS68.6%（D0BC-RNN在10個源演示上達到59.31000個D0演示上達到了100.0D1變體上達到了62.7%icenUDS達到了72.0%（D0，而-RNN在我們的10個源演示上達到了54.7%，在生成的D0數(shù)據(jù)上達到了100.0%，在所有對象在更廣泛區(qū)域移動的D1變體上達到了76.0%。通過MimicGen以在200MimicGen生成200200MimicGen演示只是10個人類演示生成的，但代理性能相似——少量的人類演示在與MimicGen一起使用時（甚至更有效MimicGen還可輕松生成更多的演示來提高性能，而收集更多的人類數(shù)據(jù)則耗時且成本高昂。Square和ThreePieceAssembly10個、50200個源人類演示，性能差異是適度的（從2%到21%。只使用1個人類演示時，Sqae任務性能顯著下降，Teeieceemly任務性能沒有顯著變化。數(shù)據(jù)生成成功率與訓練代理性能之間不存在明顯相關性。部分數(shù)據(jù)集呈現(xiàn)出低生成成功率但高代理性能的特征，例如：ObjectCleanup（D0）生成率僅29.5%，代理率卻達82.0%；ThreePieceAssembly（D0）生成率35.6%，代理率74.7%；Coffee（D2）生成率27.7%，代理率76.7%；FactoryGearAssembly（D1）生成率8.2%，代理率76.0%。這充分表明，相較于先前作品直接將數(shù)據(jù)用作策略的做法，采用基于重放的機制進行數(shù)據(jù)收集更具價值，能在數(shù)據(jù)生成不占優(yōu)勢的情況下保障代理的高效學習。Omniverse平臺虛擬仿真，構建大型訓練場景加快自定義3D工作速度，提升資源整合力。Omniverse平臺是用于3D創(chuàng)作和虛擬仿真的可擴展平臺，可以實現(xiàn)用戶和應用程序間的實時協(xié)作、提供實時性的光線追蹤效果、實現(xiàn)模型可擴展性，并將光線追蹤、AI和計算等復雜技術集成到3D流水線中。提供功能齊全的創(chuàng)作平臺，五大組件協(xié)同作用。1）Nucleus，負責數(shù)據(jù)庫和協(xié)作引擎，允許虛擬世界的分享和修改；2）Connect3dsMax、Maya3D軟件提供接口，實現(xiàn)USD/MDL格式內容直存及資產(chǎn)/場景的發(fā)布訂閱；3）Simulation，負責物理特性仿真的核心，模擬精確度超越大多數(shù)游戲引擎；4）RTXRenderer，基于NVIDIARTX的多GPU渲染引擎，整合實時光線跟蹤與超快路徑跟蹤技術；5）KIT，模塊化開發(fā)工具包，支持構建原生Omniverse應用、擴展及微服務，提供靈活定制能力。圖3：Omniverse模塊化開發(fā)框架圖4：Omniverse運作原理資料來源：英偉達官網(wǎng)、天風證券研究所資料來源：英偉達官網(wǎng)、天風證券研究所ISSAC平臺：搭建仿真環(huán)境為模擬學習提供應用環(huán)境和技術支持英偉達發(fā)布IsaacAMR（AutonomousMobileRbt，可用于模擬、驗證、部署、優(yōu)化與管理自主移動機器人，包含了邊緣到云的軟件AMR的開發(fā)和部署速度，減少成本和縮短產(chǎn)品上市時間。軟件層面，與斯坦福MobileALOHA團隊采用低成本的“模仿學習”IsaacSim創(chuàng)造“逼真的數(shù)字孿生”機器人的設計，Isaac加快全自主移動機器人的部署并降低成本；硬件層面，采用模塊化設計集成NovaOrin，便于研發(fā)人員評估系統(tǒng)并改進。（一）軟件層面Isaac平臺為AMR開發(fā)帶來的主要邊際變化在于仿真，一方面通過光線追蹤等先進技術提升仿真感知的能力，另一方面通過應用USD格式解決仿真環(huán)節(jié)中面臨的兼容問題。在部署環(huán)節(jié)，Isaac平臺通過多種功能強大的軟件包或平臺進一步縮短AMR部署所需時間，并強化環(huán)境感知、定位和導航等關鍵能力。Isaac和功能強大的各種硬件加速相結合，可以幫助用戶更有效率地解決機器人開發(fā)面臨的長尾問題。移動機器人廣泛應用于工業(yè)、倉儲物流、醫(yī)療等諸多行業(yè)，行業(yè)下的細分場景之間對機器人的需求往往會存在差異。以鋰電池生產(chǎn)為例，由于應用環(huán)境以及具體任務不同，前段工序對機器人運行精度要求非常高，后段工序則需要更好的溫度適應性。我們認為大量具備差異化需求的細分場景意味著高昂的機器人研發(fā)成本，通過在虛擬環(huán)境中進行開發(fā)、驗證和優(yōu)化，減少開發(fā)成本與開發(fā)時間，一款功能完善的仿真器可以幫助AMR機器人應用于更多細分場景。（二）硬件層面NovaOrin平臺集成多種高性能硬件，為AMR提供了傳感器+算力一體化的通用范式。我們認為，AMR的許多應用場景中存在定制化的需求，例如動力電池生產(chǎn)領域對機器人溫度適應性要求較高。該通用范式將降低硬件開發(fā)門檻，助力開發(fā)者將更多資源用于針對性提升服務效率與質量，實現(xiàn)差異化發(fā)展。仿真環(huán)節(jié)：Isaac提升仿真感知能力，USD解決系統(tǒng)兼容問題Isaac較大提升了仿真感知的能力，能夠更真實地模擬AMR自主導航等操作。我們認為，IsaacSimAMR產(chǎn)業(yè)帶來的主要邊際變化之一在于提升了對機器人及環(huán)境的圖形渲染能力，一個重要的應用就是可以更快速、準確地模擬視覺傳感器。表1：2023IsaacSim更新內容行業(yè)報告|行業(yè)專題研究行業(yè)報告|行業(yè)專題研究請務必閱讀正文之后的信息披露和免責申明PAGE10請務必閱讀正文之后的信息披露和免責申明PAGE102023年IsaacSim更新 更新內容可將人類角色添加到倉庫或生產(chǎn)設施中，并執(zhí)行堆放包裹、推人員模擬符合物理學的傳感模型

送小車等常見的任務。在使用RTX模擬激光雷達時，光線追蹤可以在各種照明條件下或者在對反射材料做出反應時提供更加準確的傳感器數(shù)據(jù)。新的可模擬資源 方便開發(fā)者和用戶快速搭建AMR模型。CortexCortex、GymROS2HumbleWindowsIsaacROS軟件都可在模擬中使用。資料來源：英偉達官網(wǎng)、天風證券研究所基于RTX平臺，IsaacSim可以實時渲染來自傳感器的符合物理學的數(shù)據(jù)。在使用RTX模擬激光雷達時，光線追蹤可以在各種照明條件下或者在對反射材料做出反應時提供更加準確的傳感器數(shù)據(jù)；平臺還提供許多新的可模擬3D資產(chǎn)包括倉庫零件、機器人等，用于建立符合物理學的模擬環(huán)境，幫助開發(fā)者和用戶可以快速開始構建機器人訓練虛擬仿真環(huán)境。英偉達RTX平臺主要包含先進的光線追蹤技術以及DLSS（深度學習超級采樣）技術，這些技術為Isaac的圖形渲染能力提供了強有力的支撐。傳統(tǒng)的光柵化渲染在呈現(xiàn)設計細節(jié)、光影效果逼真、暗部區(qū)域表現(xiàn)、反射真實上略顯不足；光線追蹤技術基于圖層進行渲染，一次性處理全局光線，光線可以找到與它相交的一切，因此很容易實現(xiàn)反射、間接光照等全局的照明效果，真實性更強。英偉達在2018年首次推出了可以商用的光線追蹤技術，其主要競爭對手AMD在2020年才開始應用該技術。英偉達在2018年也推出了DLSS16K超高分辨AI可以根據(jù)有限的畫面數(shù)據(jù)合成出一幀符合目標顯示分DLSS創(chuàng)造高質量幀，兩者結合讓RTX實現(xiàn)強大的圖形渲染能力。圖5：光柵化與光線追蹤采樣順序圖6：光柵化與光線追蹤照明效果資料來源：卡內基梅隆大學官網(wǎng)、天風證券研究所資料來源：卡內基梅隆大學官網(wǎng)、天風證券研究所圖7：DLSS工作原理資料來源：EXPREVIEW官網(wǎng)、天風證券研究所USD（通用場景描述）提升仿真系統(tǒng)兼容性，優(yōu)化機器人開發(fā)環(huán)境。機器人仿真過程往往需要構建不同的環(huán)境、導入不同的機器人進行測試，不同環(huán)境的軟件使用可能沖突。英偉USD應用于機器人仿真，與其他格式相比，USD的強大之處在于其復用以及兼容能力。一方面，該格式是一個開放、可擴展的框架和生態(tài)系統(tǒng)，具有可用于在3D虛擬世界中合成、編輯、查詢、渲染、協(xié)作和仿真的API，支持在場景創(chuàng)建和資產(chǎn)聚合中實現(xiàn)非破壞性工作流和協(xié)作，以便團隊可以協(xié)同迭代；另一方面，USD與文件系統(tǒng)無關，提供可擴展的資產(chǎn)解析器來支持不同數(shù)據(jù)源的任何數(shù)據(jù)存儲模型。我們認為USD有助于降低機器人仿真描述文件之間的兼容問題，由于研發(fā)人員將可以自由使用并切換各類仿真、設計軟件，AMR的開發(fā)效率或將進一步提升。部署環(huán)節(jié)：Isaac平臺強化路徑規(guī)劃等關鍵技術，縮短AMR部署時間AMR的一個技術瓶頸在于，如何在有人工和其他車輛（如人工叉車）出入的場景，以及一些需要靈活變化的復雜環(huán)境中，使整個系統(tǒng)運行保持高效率。未來，移動機器人需要與人共事，具有自主規(guī)劃路徑的能力，需要在能夠自動避障繞行的情況下仍然實現(xiàn)系統(tǒng)的優(yōu)化調度。這要求調度管理系統(tǒng)能夠平衡單體、群體兩種智能能力，而機器人本身也需要具備靈活的調整能力。英偉達通過cuOpt和DeepMap等軟件（平臺）提升AMR路徑規(guī)劃效率、縮短機器人部署時間。cuOpt是打破世界紀錄的加速優(yōu)化引擎。它使用AI幫助開發(fā)者設計復雜、實時車隊路線規(guī)劃方案，可用于解決具有多種限制的復雜路線問題，并提供動態(tài)路線、作業(yè)調度、器人upt主要有四大優(yōu)勢：101000個包裹規(guī)劃行駛路線，在精度相同的環(huán)境下比傳統(tǒng)方案快120倍。1000個節(jié)點，以完成任務量繁重場景中的計算。VIIAupt的性能優(yōu)于最先進的解決方案，以解決當今無法實現(xiàn)的創(chuàng)新用例。Gehring&Homberger基準測試中以29%的誤差實現(xiàn)世界紀錄的準確性。15的行駛時間和燃料成本。eepMap在部署AMR時可以訪問VIIAeepMap平臺基于云的SK機器人構建大型設施地圖的速度從數(shù)周縮短到幾天，精確度達到厘米級。借助DeepMappdatelient，還可實時更新機器人地圖。Metropolis是一個圖形處理分析平臺，可以通過DeepStreamTAO等強大工具將工廠中的大量攝像機等傳感器數(shù)據(jù)轉化為有價值的見解。開發(fā)者可以直接使用英偉達提供的上TAO工具套件構建定制化的視覺DeepStream在邊緣部署，從而加快整體開發(fā)速度并實現(xiàn)更出色的實時性能。在AMR的應用中，Metropolis幫助AMR在工廠車間獲得額外的情境感知層，從而避開擁擠的區(qū)域和盲區(qū)，并增強對人員和其他AMR的可見性。圖8：Metropolis示意圖資料來源：NVIDIA官網(wǎng)、天風證券研究所NovaOrin硬件平臺提供通用范式，強勁算力保障AMR應用可靠性英偉達NovaOrin平臺為AMR提供傳感器與算力一體化服務，集成多種高性能硬件，如同IsaacAMR的“大腦”和“眼睛”。NovaOrin可以為機器人制造商提供工業(yè)化配置，減少工程設計資源占用，提高AMR構建、部署可靠性，降低開發(fā)成本。NovaOrin提供通用范式，助力AMR行業(yè)差異化發(fā)展。目前主要應用于工業(yè)領域，我們認為，該領域的特點在于各個細分行業(yè)之間差異化程度大，壁壘較高。以鋰電行業(yè)為例，在動力電池生產(chǎn)的后段工序中會涉及高低溫測試的環(huán)節(jié)，廠商需針對移動機器人的溫主要用于為生產(chǎn)線自動運輸和對接物NOrin平臺提供了傳感器+算力的通用范式，使企業(yè)能集中精力利用自身對行業(yè)的深刻認知，針對不同行業(yè)特性對產(chǎn)品進一步優(yōu)化。表2：NovaOrin硬件組成組成部分用途JetsonAGXOrin模組擁有高達每秒275萬億次浮點運算能力，用于感知、導航和人機交互。為機器人制造商提供邊緣構建自主機器所需的性能和能效；強大的軟件堆棧能力可加速產(chǎn)品推向市場的進度。高速串行接口為多個傳感器提供支持。攝像頭包括2個用于任務感知的立體攝像頭、4個用于遠程操作的魚眼攝像頭。激光雷達21（選）用于地圖構建。超聲傳感器包括8個用于障礙物檢測的環(huán)繞式超聲波傳感器。機器人測距包括精確測距的IMU、Wheel編碼器和GPS。揚聲器和麥克風用于人機交互。資料來源：NVIDIA官網(wǎng)、天風證券研究所英偉達通過提高硬件算力解決了多傳感器融合面臨的傳統(tǒng)問題，并通過軟件進一步保障AMRNovaOrin36個攝像頭，同時還包含82個IU360度傳感覆蓋范圍，傳感器的多樣性和冗余性可以實現(xiàn)Isaac平臺中的最新功能并延長運行時間。英偉達在NovaOrinJetsonAGXOrin275TOPS的性能，我們認為該模組在保障視覺傳感器等部件需求的同時，可以為AI處理信息、做出決策進行充分的算力支持。對動態(tài)、復雜環(huán)境適應能力遠超AGV，AMR具備更廣闊的應用前景AMR（自主移動機器人）與傳統(tǒng)AGV方案相比智能程度更高，更能適應環(huán)境高度動態(tài)、復雜的場景，在Isaac平臺軟硬件雙重賦能的背景下，AMR具備更廣闊的應用前景。AMR基于SLAM技術，可以即時定位并在現(xiàn)場構建地圖，能夠實現(xiàn)柔性部署。同時，由于AMR具備自主避障的能力，部署時不需要預設標識規(guī)劃路線導航，進一步降低部署成本并且可以適應環(huán)境動態(tài)、復雜的場景。動態(tài)場景下即改即用：現(xiàn)代制造場景往往是高度動態(tài)的，經(jīng)常需要對產(chǎn)品或產(chǎn)品線進AGV可以在現(xiàn)場映射新的地圖，從而立即實施新的任務，幫助客戶優(yōu)化生產(chǎn)。復雜環(huán)境下自主越障：人員流動會使移動場景更加復雜。AGV在遇到障礙物時無法繞AMR基于多種傳感器以及算法，可以分辨障礙物并根據(jù)其類別設計繞行路線，從而提升復雜場景下的運行效率。圖9：經(jīng)典SLAM框架圖10：視覺SLAM流程圖資料來源：李延真等《移動機器人視覺SLAM研究綜述》、天風證券研究所資料來源：王朋等《視覺SLAM方法綜述》、天風證券研究所建議關注世運電路、藍思科技、立訊精密、一博科技、復信科技、天準科技、凌云光等。云端AI相關企業(yè)：（天風計算機覆蓋、龍芯中科、紫光國微、復旦微電、安路科技等。邊/終端AI相關企業(yè)：瑞芯微、晶晨股份、恒玄科技、全志科技、樂鑫科技、富瀚微、中科藍訊、炬芯科技、兆易創(chuàng)新、中穎電子、芯海科技等。存儲相關企業(yè)：江波龍（天風計算機聯(lián)合覆蓋、瀾起科技、聚辰股份、北京君正、普冉股份、東芯股份、佰維存儲等。AI應用端相關企業(yè)：?？荡笕A、工業(yè)富聯(lián)、大華股份、?？低暤?。相關風險下游需求不如預期：下游市場需求如發(fā)生重大不利變化，或影響產(chǎn)品推廣使市場規(guī)模下滑。庫存去化不如預期：如出現(xiàn)不可預測的市場需求的較大變化，導致市場需求出現(xiàn)下降，則可能出現(xiàn)一定的存貨風險。研發(fā)與技術升級不如預期：隨著產(chǎn)品換代、技術升級、用戶需求和市場競爭狀況不斷演變，AI相關產(chǎn)品研發(fā)及技術更新?lián)Q代不如預期或影響整體產(chǎn)業(yè)發(fā)展。宏觀環(huán)境變動帶來的風險：受貿易政策、宏觀經(jīng)濟形勢等因素影響，全球經(jīng)濟和半導體產(chǎn)業(yè)發(fā)展注入了新的不確定性和風險。行業(yè)報告|行業(yè)專題研究行業(yè)報告|行業(yè)專題研究請務必閱讀正文之后的信息披露和免責申