AI時代的石油 | 投研報告

東吳證券近日發佈具身智能數據行業研究報告：數據是推動具身智能技術快速突破和落地應用的關鍵。借鑑自動駕駛汽車發展的路徑，數據對於具身智能同樣至關重要。優質的數據集能夠驅動智能體感知與理解環境，能夠加速具身智能模型的訓練與部署，幫助機器人有效完成複雜任務。

以下爲研究報告摘要：

投資要點

數據是推動具身智能技術快速突破和落地應用的關鍵。借鑑自動駕駛汽車發展的路徑，數據對於具身智能同樣至關重要。優質的數據集能夠驅動智能體感知與理解環境，能夠加速具身智能模型的訓練與部署，幫助機器人有效完成複雜任務。不同於大語言模型可以使用互聯網海量信息作爲訓練數據，機器人所用的具身智能模型沒有現成數據可以使用，需要投入大量時間和資源進行機器人操作實踐或仿真模擬，以收集視覺、觸覺、力覺、運動軌跡以及機器人本體狀態等多源異構數據。符合通用標準、得到驗證的數據集成爲具身智能行業的剛需。當前具身智能本體形態多種多樣，應用場景千差萬別，對於具身智能訓練數據的需求也更爲多元。目前業內仍有部分數據集主要聚焦在特定機器人、特定場景和特定技能等方面，在整體通用性上有待提升。因此，構建高質量、多樣化的感知數據集是不可或缺的基礎工作，這些數據集不僅爲算法訓練提供了豐富的素材，也成爲了評估具身性能的基準參考標準。

具身智能數據按採集方式主要分爲真實數據和仿真數據兩大類。（1）真實數據：真實數據是智能體通過自身物理身體上的各類傳感器（如攝像頭、麥克風、觸覺傳感器等），在與真實物理環境進行交互過程中，實時採集獲取的數據。真實數據主要來源有：機器人遙操（通過人工遠程操控獲取真實場景下的操作數據）、動作捕捉（記錄人類在特定環境中的行爲模式）。（2）仿真數據：藉助計算機模擬技術，在虛擬環境中生成的、用於訓練具身智能的數據。通過構建虛擬場景、物體和智能體，模擬智能體與虛擬環境的交互過程來產生數據。即利用仿真環境生成訓練數據。真實數據和仿真數據兩者是互補關係，未來訓練將大量混合使用真實數據和高質量的合成數據。

當前具身智能數據多爲廠商自採集，存在豐富開源數據集。當前給人形機器人採集的高質量數據通常在現實世界中獲取，採集方式主要有直接接觸數據（真機數據）和間接接觸數據（人工控制數據）兩種。最理想的數據採集方式是通過人形機器人本體直接觸達物理世界，讓其準確理解真實環境。大規模真機數據的採集成本高昂，需要投入許多人力、物力和時間資源，數據標註和採集設備都存在門檻。目前市面上存在豐富的高質量具身智能開源數據集，如智元、谷歌、國地共建中心等均開源了豐富的具身智能數據集，具備豐富的演示數量、場景任務和動作技能等。

機器人仿真數據主要依賴虛擬場景，而場景的合成方案可拆解成兩個關鍵部分:場景生成（Gen）與模擬（Sim）。場景生成引擎（Gen）主要有兩種技術路徑：合成視頻+3D重建：基於像素流驅動，先生成視頻或圖像，再重建爲點雲或mesh等非結構化3D數據，最終轉爲結構化語義模型。如Hillbot、羣核科技、World labs（李飛飛）等。AIGC直接合成3D數據：利用圖神經網絡（GNN）、擴散模型（Diffusion）、注意力機制（Attention）等方法，直接合成結構化空間數據。如ATISS、LEGO-Net、DiffuScene、RoomFormer等代表模型，部分方案結合程序化生成技術，如Infinigen（CVPR2024）。

投資建議與相關標的：數據是推動具身智能技術快速突破和落地應用的關鍵，重點關注佈局具身智能數據集的企業，相關標的：均勝電子（數據場）、海天瑞聲（機器人數據集）、索辰科技（數據仿真）、華如科技（數據仿真）。

風險提示：相關政策不及預期、各類型企業IT預算不及預期、市場競爭加劇。（東吳證券 王紫敬）