人工智能市场前景 - 人工智能正在催生两个新市场：代理式AI和物理AI，这两个行业代表了世界经济约一百万亿美元的规模 [2] - 代理式AI的数字劳动力将补充和增强企业市场，例如英伟达100%的软件工程师和芯片设计师使用代码生成工具辅助工作 [2] - 物理AI通过增强劳动力发挥作用，例如机器人出租车本质上是数字司机，未来AI将能嵌入到任何移动物体中 [2] 英伟达中国市场现状与影响 - 由于美国出口管制，英伟达100%退出了中国市场，其中国市场份额从95%降至0% [3][5] - 在英伟达所有股东预测中，均假设中国业务为零，公司在中国任何新进展都将被视为额外收获 [5] - 英伟达2025财年报告显示，其中国大陆地区（含香港）收入为171亿美元，同比增长66%，但该地区在英伟达营收中的占比已连续三年下滑至13.1% [8] - 保守计算，2024年中国市场英伟达H20系列芯片出货量约为60万-80万枚，市场份额远超60% [7] 对中美科技政策的观点 - 伤害中国的政策往往也可能伤害美国，甚至更严重，在急于推出有害政策前应反思哪些政策对美国有益 [3][4] - 问题的核心在于如何在保持技术领先和确保世界建立在美国技术上取得平衡，需要细致入微且随时间变化的策略 [5] - 中国拥有全球约50%的AI研究人员，有出色的学校和极大热情，不让这些研究人员在美国技术上构建AI是一个错误 [4] - 无法想象任何决策者会认为导致美国失去世界最大市场之一的政策是好主意 [5] 英伟达的全球战略与投入 - 中国是第二大技术市场且发展迅速，是一个非常重要和充满活力的市场，英伟达必须不断进步和加大投资而非维持现状 [8] - 英伟达在中国仍保持巨大投入，拥有庞大的工程师团队帮助中国科技公司在合规芯片上适配国产模型以发挥性能 [9] - 英伟达是一家巨大的全球化企业，其创造的技术是每个国家都渴求的，这为公司与各国政府沟通创造了机会 [7] H20芯片出口波折 - 美国政府曾通知英伟达，向中国出口H20芯片必须获得出口许可，意味着出口受到限制 [5] - 英伟达官网一度发布消息称，公司正向美国政府提交重新对华销售H20芯片的申请，并获美国政府发放许可证的保证 [6] - 后续H20出口许可波折不断，目前并没有合规途径的H20芯片进入中国市场 [7]

物理AI时代的行业范式转变 - 在物理AI时代，大模型是全新的操作系统 [2] - 数据首次成为核心，是硬件、操作系统和可移动性的全新能源 [2] - 数字世界的操作系统、数据与物理世界的运动能力结合，形成物理AI [2] 价值创造要素的演变 - 过去三十年，操作系统、算力（芯片）和本体三类企业较为强大 [2] - 新一代AI模型公司出现变化：操作系统、算力和数据都形成了价值 [2] - 在物理AI中，从操作系统到算力，再到动力、数据都将产生最大价值变化 [2] 公司战略：自研与能力构建 - 公司认为只有自研芯片才能更好地发挥模型能力 [2] - 在新制造与数字世界耦合中，全域自研是核心能力选择，因分工无法获得最大价值 [3] - 公司正在构建由超过5个操作系统组合而成的VLT+VLA+VLM高阶大小脑能力组合 [4] 公司技术发展与应用展望 - 公司正在测试全新一代VLA自动驾驶大模型 [3] - 上个月发布的新一代机器人将引入全新的AI系统——VLT（视觉-语言-任务/思考）系统 [3] - 未来5到10年，城市将有无人驾驶汽车，城际将有飞行器，小区工厂将有机器人 [4]

文章核心观点 - 人工智能产业的竞争焦点正从模型层转向具身智能，旨在弥合AI认知与行动之间的鸿沟 [2] - 灵境智源公司发布“德沃夏克”架构及“致境”T系列平台，尝试从底层计算架构解决具身智能“不够聪明”的行业难题，让智能走向物理世界 [2][3] - 下一代智能的发展方向是既能思考也能行动，实现认知与行动的一体化 [10] 给机器人“大脑”和“小脑” - “德沃夏克”架构采用“大小脑”协同设计：大脑负责思考决策，小脑负责控制执行，两者通过“神经通路”系统实时协同 [5] - 基于该架构的“致境T系列”计算平台覆盖中端到高端全算力区间，采用国产芯片并兼容国产操作系统，实现全栈自主可控 [5] - 该平台已在灵巧手、协作机械臂、四足机器人、轮式与双足人形机器人等领域落地 [5] - “大小脑融合”使机器人能从云端学习落位到端侧进行即时推理判定执行，补充机器“智力” [6] - 当前通用机器人存在“肌肉有余，智力不足”的问题，例如人形机器人半程马拉松20支队伍仅6支完赛，百米障碍赛完赛率低于30% [6] - 以大模型驱动决策，机器人可动态处理复杂任务（如取快递），应对突发情况，进行实时推理而非依赖预设程序 [6] “物理AI” - 公司创始人的创业之路贯穿“软硬件系统思维”，从2014年首次创业专注国产测控系统，十年间将公司发展为十亿级企业 [7] - 两次创业契合中国两次“AI+产业”浪潮：第一波强调将AI嵌入硬件与感知终端，第二波则强调通用性、生成能力与平台化商业模式 [8] - 相比第一代AI产业浪潮的算法固化、无自学习能力，当前基于大模型和更强算力能在端侧实现自学习、自泛化，具备环境适应力 [8] - “物理AI”概念强调AI必须理解物理世界，实现理解力与行动力的融合，其基础是计算架构的变革 [9] - “物理AI”正成为行业热点，日立集团、小鹏等公司大手笔投入，英伟达也发布相关模型，目标均为拿下物理AI的未来 [9] - 公司团队来自AI芯片、控制系统与嵌入式架构等领域，平均年龄32岁，已与国内多家机器人厂商合作，布局工业、医疗等泛具身智能场景 [9] - 公司业务从解决机器的物理控制，自然延续到解决机器的认知与行动一体化问题 [9]

交易概述 - ABB集团以53.75亿美元（约382亿元人民币）的价格将其机器人业务出售给日本软银集团，交易预计在2026年中后期完成 [1] - 交易方式为ABB先将机器人事业部注入一家新设控股公司，再由软银集团以全现金方式收购该公司100%股权 [2] - 扣除相关成本及税费后，ABB预计净落袋约47亿美元，并预计将产生约24亿美元（约171亿元人民币）的非运营性税前账面收益 [2] - 消息发布当日，软银股票盘中一度上涨13% [1] ABB机器人业务背景与出售原因 - ABB机器人业务始于1974年，其前身瑞典通用电气公司推出了全球首台全电动微机控制工业机器人，并与发那科、安川电机、库卡并称全球工业机器人“四大家族”，曾合计占据全球市场约50%-60%的份额，在中国市场份额一度超过70% [2][3] - 2024年，ABB机器人业务利润同比下滑39%，业务利润率为12.1%，低于集团整体利润率18.1% [3] - 利润率降低与全球宏观经济和资本开支高度相关，当汽车、电子等主要下游行业不景气时，企业会推迟自动化投资，导致ABB订单减少、产能利用率下降，但固定成本依然存在 [4] - 在中国市场，国产品牌份额从2023年的47%跃升至2024年的58%，其成本优势和服务灵活性给ABB带来巨大价格压力 [4] - 交易完成后，ABB将精简为电气、过程自动化和运动控制三大业务领域 [5] 软银的战略意图与AI布局 - 软银集团收购ABB机器人业务旨在进军“物理AI”领域，即人工智能在现实世界中的具身化应用 [1] - 孙正义的终极愿景是带领软银向“超级AI”迈进，构建一个从底层芯片、算力基础设施到上层应用的完整闭环 [1][6][7] - 近两年软银在AI领域积极布局：为掌控AI算力核心资产，增持英伟达和台积电股份，并向英特尔投资20亿美元；为构建AI算力与训练平台，与OpenAI、甲骨文共同推进可能总投资达5000亿美元的“星际之门”数据中心计划，并承诺向OpenAI投入巨额资金（报道称约300亿美元）；同时投资SkildAI等“机器人控制大模型”公司 [6] - 收购ABB可使软银获得全球装机量最大的工业机器人之一，这些机器人持续产生的大量数据有助于完成“执行-数据反馈-学习”的物理智能闭环 [6] - 通过此次收购，软银的身份从“生态投资者”转变为“生态主导者”，意图将其数字世界的资本和软件优势注入制造业 [10] 行业格局演变 - 传统工业机器人“四大家族”均面临挑战：库卡被美的收购后在中国市场增长但高端市场竞争力减弱；发那科战略保守，在AI投入上落后；安川电机与英伟达合作开发AI机器人解决方案以寻求突破 [8][9] - 新兴技术巨头如英伟达、大模型技术和AI机器人创业公司从底层技术范式、产业价值链等维度对传统巨头发起挑战 [4] - 软银的加入预计将加速行业整合，其他科技巨头如谷歌、亚马逊、英伟达可能加速寻求与剩余机器人巨头的合作 [10] - 软银缺乏自有“技术抓手”是其通往AI霸主之路的主要挑战，收购ABB是其翻越此障碍的第一步 [10]

仿真与现实鸿沟（Sim2Real Gap）的挑战与重要性 - 机器人学习面临的核心问题是仿真与现实世界之间存在显著差距，具体体现在感知差距（如视觉、触觉信号差异）、物理交互差距（如物体受力反馈、形变偏差）以及场景复杂度差距（如难以复现真实世界的动态变化）[3][4] - 该鸿沟导致在仿真环境中训练的机器人程序难以直接适配并应用于真实场景[4] - 与主要依赖视觉的自动驾驶仿真相比，机器人领域的仿真挑战更大，因其涉及物理接触、操控，并需结合灵巧手和触觉传感器，问题复杂得多[9] 仿真与合成数据作为解决方案 - 现实中手动采集机器人数据成本高、效率低且存在安全风险，而仿真被认为是突破此数据困境的关键路径[7] - 由于机器人数量有限，难以像自动驾驶汽车那样大规模采集现实数据，因此必须使用合成数据，并坚信合成数据将是解决物理AI数据壁垒最重要、最主要的数据来源[9] - 通过仿真可生成上千种模型并设置不同物理参数，使机器人在几天内完成相当于现实几年的训练量，例如训练机器人叠衣服[12] - 生成式AI技术（如3D计算机视觉、视频生成、3D世界生成）有望提升仿真真实感，优化视觉渲染和物体细节，减少感知差距[6] 英伟达的“三台计算机”战略布局 - 公司致力于打造机器人可学习的“虚拟地球”，其技术体系可通过“三台计算机”的逻辑理解，Sim2Real是串联三者的核心纽带[10] - **AI超级计算机**：是让机器学会处理信息的基础，为机器人核心程序提供算力支撑[10] - **仿真计算机**：以Omniverse和Isaac Sim为核心，让机器在虚拟世界中掌握感知与交互能力，其关键难点在于物理交互，例如电缆、电线仿真是亟待突破的“圣杯级”难题[11] - **物理AI计算机**：由GROOT（通用机器人基础程序）、Cosmos（世界模型）和Jetson Thor（机器人端侧芯片）构成，负责让机器人在真实世界中执行任务，其中Cosmos是衔接仿真与现实的关键环节，能像数据放大器一样生成更多样、更贴近真实情况的数据[11][12] 英伟达与光轮智能的合作关系 - 光轮智能与公司的Sim2Real技术路线高度契合，双方已形成技术共生关系，光轮智能是少数能在物理精度、交互逻辑、场景多样性上全面匹配公司物理智能生态需求的合作方[12] - 公司正重点推进物理AI（含机器人、自动驾驶、数字孪生）的技术落地，核心痛点是缺乏海量真实、多样化的物理交互数据，需要能稳定输出高质量数据的“合成数据工厂”以及愿景一致的合作伙伴，而光轮智能成立的时机恰好满足此需求[15] - 双方对SimReady资产有共识，认为其不仅是数字3D模型，还必须具备真实的物理属性（如冰箱铰链的阻尼、微波炉材质的摩擦系数），光轮智能的核心工作是通过专业设备采集真实物理数据并植入SimReady资产，确保物理属性匹配[16] 英伟达物理智能的全链路体系 - 公司正构建物理智能全链路体系，包括OpenUSD（3D数据标准）、SimReady（仿真资产标准）、Newton（物理计算）、Cosmos（世界模型）[16] - Sim2Real的关键不是让虚拟复制现实，而是通过场景随机化、参数调整让虚拟覆盖现实，使机器人在虚拟中接触足够多的意外情况，从而能在现实中应对自如[12] - 与斯坦福合作的“OmniGibson”仿真引擎已能支持刚体物理、可变形物体（布料、流体）交互，以及物体的加热、切割等复杂状态模拟[6]

行业与公司 * 纪要涉及的行业为具身智能及人形机器人产业 涵盖制造业、物流、医疗、服务等多个下游应用领域[1][5][17][20] * 提及的公司包括海外代表企业特斯拉、Figure AI、英伟达、英特尔等 以及国内企业如宇树科技、优必选、银河通用、智源、心动机缘等[4][18][34] 核心观点与论据 **行业发展趋势与市场规模** * 具身智能已成为全球科技竞争焦点 英伟达CEO提出"物理AI"概念 预示技术趋势形成强预期[1][4] * 预计2025年中国具身智能市场规模达9,731亿元 其中机器人市场规模5,229亿元 同比增长8.9% 自动驾驶市场规模4,000-5,000亿元 同比增长17.5%[3][16] * 远期至2040年 人形机器人市场规模有望达到近3万亿元[3][16] **技术发展核心驱动力** * 具身智能发展依赖于两大支柱：高端制造业带来的物理能力持续增强和AI能力的不断突破[1][7] * 其核心价值在于推动AI大规模商业化 渗透各行业提高效率并重构运行模式[1][5] * 技术突破将推动长序列任务强化处理能力和强泛化能力的智能模型发展 事件模型等技术在多元化应用场景中取得进展[7] **中国发展的战略意义与优势** * 中国布局具身智能具有在全球竞争中抢占先机和促进国内经济转型的双重战略意义[1][6] * 中国具备政策支持、市场需求和完整成熟供应链三大优势[1][8][9][11] * 国内在数据维度和合成数据应用能力上具有优势 数据共享平台和高保真物理仿真数据提供发展机遇[3][13] **国内发展的挑战** * 国内在顶级AI算法模型上与海外存在较大差距 例如2024年全球顶级AI模型中美国有40个 中国仅15个[3][12] * 芯片供应是重要制约因素 全球人形机器人处理器核心供应商主要为英伟达和英特尔[15][37] **产业链与关键部件** * 人形机器人产业链包括上游零部件、中游整机和下游应用场景 上游关键领域包括运动控制系统、感知系统、控制交互系统等[23] * 执行器设计中 线性执行器与旋转执行器相结合是趋势 灵巧手、触觉传感器、关节轻量化是重点发展方向[24][25][26] * 视觉系统方面 特斯拉采用全视觉方案 多数厂商选择激光雷达加相机组合 力/惯性感知系统中六维力矩传感价格已大幅降低[27][28] * 芯片算力需求高 特斯拉自研FSD芯片 国内厂商主要选用英特尔、英伟达芯片 也尝试国产芯片 英伟达2025年8月发布新一代机器人专用芯片 AI算力是上一代的7.5至10倍[29][30] **应用场景前景** * 工业场景对自动化需求高 是重要应用领域 例如特斯拉Optimus已在工厂应用 飞哥02在宝马生产线实践使速度提高400% 成功率提升7倍[17][18] * 特种行业应用前景广阔 如能源勘探、灾害救援等 机器狗应用较为成熟 例如奇腾防爆四足机器人可负载200千克持续工作5小时[19] * 服务行业遵循先 to B 再 to C 的发展路径 物流行业无人物流车经济性显著 2024年中国销量突破1.5万辆[20][22] **投资视角与市场展望** * 对2025年第四季度机器人行业持乐观态度 主要催化因素包括特斯拉第三代产品发布和宇树科技上市[38] * 与2025年第一季度相比 投资者对产业认识深化 核心大市值公司赚钱效应更显著 国产链力量得到重视[40] * 展望"十五五"期间 行业作为新质生产力代表将在波动中向上发展 若2030年特斯拉及国产厂商实现百万台出货 本体厂商有望成长为万亿市值公司[41] 其他重要内容 **数据收集与处理方法** * 机器人数据收集分为仿真数据和真实数据两派 对于运动层面仿真加强化学习效果较好 灵巧操作层面仍需真实数据训练[32] **控制技术发展** * 小脑控制中强化学习成为新趋势 大脑层面趋势转向世界模型以更好理解物理世界规则[33] **市场竞争格局** * 灵巧手市场尚未收敛 无框力矩电机国内前三是禾太科技、大族电机和步科股份 空心杯电机全球CR3超50% 轴向电机全球CR3约84% 国内龙头是盘古动力[35] * 丝杠市场高端产品由德日公司主导 减速器日本Harmonic为全球龙头 国内龙头是绿地谐波 力传感器以ATI为主导 触觉传感器国产市占率最高的是泰深科技[35][36] * 英伟达在AI芯片市场占绝对主导 但国产厂商市占率正逐步提升[37] **外部环境影响** * 特朗普关税威胁未改变机器人量产节奏和产业发展趋势[39] **推荐标的** * 报告推荐标的包括机械组的五洲新春、汉威科技等 电新组的汇川技术、卧龙电驱等 汽车组的拓普集团、速腾聚创等 以及三花智控、奥比中光等核心标的[42]

公司创立与战略蓝图 - 公司创立于1993年，基于一个反向洞察：随着晶体管缩小的物理极限临近，世界需要全新的计算方法——加速计算，以解决通用计算不擅长的困难问题 [4][18][19] - 公司面临“先有鸡还是先有蛋”的难题，即新计算架构需要大型市场，而该市场因架构不存在而不存在，因此决定“必须同时发明技术和市场” [5][23][24] - 被创造出的技术是GPU，而被凭空创造的市场是现代3D图形视频游戏，这个价值万亿的娱乐产业为加速计算平台提供了最初的“杀手级应用” [5][25] CUDA平台的诞生与演进 - 在2000年代初，公司意识到GPU处理图形所依赖的物理模拟和线性代数本质是通用数学运算，思考如何将这种强大算力开放给更广阔的科学计算领域 [7][21] - CUDA平台应运而生，它像一座桥梁，让科学家和研究人员能利用GPU的并行计算能力解决复杂问题，极大地缓解了摩尔定律放缓带来的计算瓶颈 [7][28] - 发明一个能与ARM和x86并驾齐驱的全新计算平台极为艰难，花费了近30年时间 [7][28] 引爆AI革命的关键决策 - 2012年深度学习里程碑AlexNet基于GPU取得突破，公司得出结论：深度学习是一个“通用的函数逼近器”，能学习几乎任何函数，解决任何问题 [8][31] - 基于第一性原理判断，公司将整个未来全部押注在深度学习上，结论是计算堆栈的每一层都可以被重新发明 [8][31] - 2016年发布了世界上第一台专为AI设计的超级计算机DGX-1，并将其交付给OpenAI，标志着公司从AI革命的“赋能者”成为“核心基础设施”的建造者 [8][32][34] AI工厂：新一代计算基础设施 - 未来的数据中心将不再是存储信息的仓库，而是生产智能的“AI工厂”，客户从中赚钱 [9][36][37] - 衡量基础设施价值的核心指标变为单位能源所能产生的计算吞吐量，如果每瓦能效提升三倍，公司就能在工厂中产生三倍的收入 [9][36] - Meta等巨头基于GPU的AI推荐系统重建了业务，市值从低谷反弹超过万亿美元，证明了AI工厂是直接的收入引擎而非成本中心 [9][42] AI的下一波浪潮：数字劳动力与物理AI - 第一波是**数字劳动力**，即代理AI，技术将首次直接进入“劳动力”这个从未被软件触及的行业，未来企业将由人类和“数字人类”共同组成 [10][41][46] - 第二波是**物理AI**，即机器人技术，其背后是同一种智能在不同“载体”中的体现，自动驾驶汽车、机械臂或人形机器人均属此类 [10][50][53] - 实现这一未来需要三台计算机：用于训练的AI工厂、用于模拟学习的虚拟世界，以及机器人本身搭载的“大脑”，公司为所有三个环节提供完整计算平台 [10][61] 计算范式的根本转变 - 未来计算的范式将从“检索式”转变为“生成式”，信息不再是被检索，而是被实时生成，从根本上改变了人机交互模式 [11][76][80] - 以Perplexity为例，其提供的所有内容都是完全生成的，而非检索预先编写的内容，这种转变的终极形态是人类自身的实时生成式交互 [11][76][80] - 在这个生成式未来里，与计算机的交互不再是单向命令与执行，而是一种共同创作，计算的终局是无限的生成 [11][80][81] 投资回报与市场规模 - AI投资回报已经显现，Meta在苹果隐私政策冲击后，通过GPU驱动的AI推荐系统重建业务，市值从低谷反弹超过万亿美元 [42] - 对2025年的AI投资落地估计可能高达5000亿美元，AI制造（模型制造者）和应用层蕴含数万亿美元机遇 [40][46] - 企业级代理人工智能增强劳动力，以及物理人工智能，这两个行业约占全球经济的100万亿美元，技术首次能够增强这一领域 [41][46] 技术平台与创新速度 - 公司提供的AI工厂平台包含CPU、GPU、网络处理器、三种类型的交换机以及大量的软件，可构建机架规模乃至建筑规模的系统 [35][37][38] - 公司创新速度快的原因在于协同设计：同时改变算法、软件、网络、CPU和GPU，从而突破放缓的摩尔定律，代际性能提高约10倍 [35][36] - 软件兼容性（如CUDA）是关键优势，使得生态系统能够快速演进，客户可以随心所欲地快速制造芯片 [35][36] 新兴前沿市场与主权AI - 数字生物学是新兴前沿，公司正取得快速进展，例如与Arc合作开发用于细胞表征的基础模型Evo 2，未来可与细胞“对话” [63] - 主权AI趋势明显，各国政府意识到不能外包所有国家数据，每个国家都可能进口、购买并构建自己的主权人工智能 [64][65][66] - 在电信领域，5G和6G将因AI而彻底变革；在量子计算领域，通过创建量子GPU混合计算系统CUDA-Q，可将量子计算机的时间表提前约十年 [63] 被低估的技术与指标 - 华尔街低估的关键绩效指标是AI工厂的单位能源吞吐量，它直接决定了客户的收入，而不仅仅是芯片性能 [83] - 公司平台最被低估的部分是CUDA之上的库，如CUDNN，它可能是人类历史上创建的最重要的库之一，公司约有350个这样的库 [83][84][85] - 用于物理AI学习的虚拟世界Omniverse被严重低估，它正席卷整个机器人行业，是公司大约十年前开始研究的有远见的技术 [85]

英伟达的战略定位与历史沿革 - 公司在1993年创立时预见到通用计算CPU的局限性与摩尔定律的终结，从而确定了加速计算的战略方向 [1] - 英伟达同时发明新技术和现代3D游戏市场，解决了鸡生蛋还是蛋生鸡的困境 [1] - 通过CUDA Everywhere策略将CUDA推广至科研界，加速了ImageNet等竞赛的突破 [1] - 基于深度学习是通用函数逼近器的洞察，公司彻底重塑计算堆栈，将AI集成到所有芯片、系统和软件中 [1] 全栈协同设计的技术优势 - 2016年推出首台AI工厂DGX-1，其核心秘诀在于全栈协同设计：同时设计和集成整个基础设施（网络、CPU、GPU）并运行统一软件栈 [2] - 这种高度集成突破摩尔定律限制，实现代际间约10倍的性能飞跃 [2] - 公司是当今世界上唯一能提供从建筑、电力到白纸的完整AI工厂解决方案的企业，所有网络、交换机、CPU、GPU都运行英伟达统一软件栈 [32] - 全栈设计使产品保持软件兼容，能以物理极限速度创新，每年带来约10倍的性能提升 [33] AI工厂的商业价值与市场规模 - AI已在超大规模数据中心实现数千亿美元的实际ROI，如搜索、推荐系统等 [3] - AI工厂为客户提供极高能效，1千兆瓦的人工智能工厂GPU价值约500亿美元 [31] - 公司预测AI将开创两个万亿级新市场：数字劳动力（Agentic AI）和物理AI（机器人技术） [3][4] - AI工厂市场需求正处于数万亿美元的爆发初期，当前仅建造了几千亿美元基础设施 [66] 未来计算范式与增长前沿 - 未来计算的本质是100%生成式，一切内容都将被实时智能生成 [5] - 数字劳动力将创造AI软件工程师、AI律师等数字人，企业劳动力将是人类和数字人的结合 [47][48] - 物理AI将实现通用AI驱动的多具身机器人，包括自动驾驶、人形机器人等 [4][50] - 支持机器人需要训练、模拟、运行三类计算机，Omniverse虚拟世界被严重低估但至关重要 [54][73] 行业应用与投资回报 - 推荐系统是世界上最大的软件生态系统，正迅速转向AI，将需要大量GPU [40] - Meta通过英伟达GPU驱动的AI恢复归因能力，挽回数千亿美元市值 [39] - 超大规模数据中心行业从经典机器学习转向深度学习的转型价值数千亿美元 [36] - 公司为量子计算推出CUDA-Q架构，可将量子计算进程提前约十年 [57] 技术创新与生态建设 - cuDNN库是有史以来最重要的库之一，与SQL同等重要，公司拥有约350个这样的库 [72] - 每单位能源的吞吐量决定客户收入，成为未来AI工厂的关键绩效指标 [70] - 公司通过统一软件栈实现极快的创新速度，同时提供最高性能和最大规模 [33] - Omniverse虚拟世界使AI能在进入现实世界前进行数万亿次迭代，simulation-to-real差距极小 [54]

行业战略地位与市场前景 - 灵巧手被视为人形机器人最核心的部件之一，是具身智能机器人的末端执行器，战略地位凸显[5] - 2024年全球机器人灵巧手市场规模约17亿美元，预计到2030年将达到30亿美元[7] - 2024年中国灵巧手行业产量为4180只，行业潜力巨大[7] 全球与区域竞争格局 - 2024年全球灵巧手市场中，亚太地区市场份额占比最高，达到37.9%，其次是北美地区（32.6%）和欧洲地区（25.3%）[8] - 美国、欧洲和中国已形成三足鼎立的竞争格局，2025年三地合计市场份额超过85%[8] 国内产业发展现状 - 国内灵巧手产业正处于技术突破与产业化加速的关键阶段，呈现出显著的产业集聚特征[12] - 产业主要集中在长三角地区、珠三角地区及北京地区，重点城市包括深圳、上海、北京、杭州、苏州、东莞等[12] 产业链生态 - 产业链上游为核心零部件，包括空心杯电机、传感器、减速器、控制器、丝杠等[14] - 产业链中游为机器人灵巧手生产制造，产品主要为电机驱动式、气动驱动式、形状记忆合金驱动式机器人多指灵巧手[14] - 产业链下游应用领域包括工业制造、高校教培及科研、医疗器材、航空航天等[14] 一级市场投融资概况 - 2022年至2025年8月，中国灵巧手产业生态一级市场累计发生164起融资事件，已披露融资总规模270.2亿元人民币[16] - 涉及56家获投企业，其中40家企业获得多轮投资，占比高达71.42%[16] - 2024年共发生53起融资事件，同比增长70.9%；2025年截至8月已发生47起，已披露融资金额达71.7亿元，超过2024年全年[16] 获投企业特征与区域分布 - 获投企业中，近两年新成立的企业占比达到32.1%，企业整体成立年限偏短[18] - 位于北京（17家，30%）和广东（17家，30%）的企业数量最多，其次是上海（10家，18%）[21] - 从城市看，北京（17家）、深圳（15家）、上海（10家）的灵巧手企业获投最多[21] 融资阶段与资方属性 - 融资事件中，处于泛A轮的事件数最多，达到60起，其次是天使轮（36起）和B轮（29起）[26] - 已披露融资金额的事件中，单笔融资处于2-5亿元区间的事件数最多，达到22起[26] - 参与布局的投资机构共有278家，其中CVC参投比例达到44.5%，仅由CVC投资的事件占比11%[28] 未来行业趋势 - 技术路径从“仿生模仿”向“智能涌现”演进，驱动系统以空心杯电机为主流，新型材料与混合驱动方案将实现突破[31] - 产业生态正走向全链协同，核心零部件国产化进程加速，区域集群崛起[31] - 应用场景将实现多场景渗透，包括服务、医疗、工业制造及航空航天等特种领域[31]

公司战略与项目细节 - 英伟达内部正在孵化Robotaxi项目，由高级总监Ruchi Bhargava负责[1] - 项目将采用全新的一段式技术路线，使用一个端到端神经网络，核心是通过仿真技术形成的世界模型对神经网络进行强化训练[1] - 英伟达今年1月发布了Cosmos世界基础模型，该平台经过2000万小时数据的预训练，能生成遵循物理规律的高质量合成视频数据[1] - 项目预计投入30亿美金，未来会在美国落地开城[2] - 英伟达的目标是通过实际项目验证其从GPU芯片到物理AI大模型的全链路工程能力，从而更精准地定义下一代物理AI所需的基础设施与生态标准[2] - 公司可将Robotaxi项目理解为在练兵，旨在打磨AI大模型在自动驾驶汽车上部署和调教的工程能力[5] 行业竞争与市场环境 - 理想、小鹏等企业均已着手打造自己的世界模型[1] - 美国市场Robotaxi落地速度正在加快，Waymo在2025年新增2座城市为无人商业运营范畴，截至2025年4月在美国每周提供超过25万次付费出行[3] - 特斯拉于2025年9月在美国得克萨斯州奥斯汀市与加利福尼亚州湾区面向公众开放Robotaxi服务，其应用首日下载量超过Uber 40%，并且比Waymo有史以来的最高下载量高出6倍[3] - 美国国家公路交通安全管理局计划在2026年提出修订议案，计划移除有驾驶员、有物理操控区的既定规范，允许Robotaxi去掉方向盘，同时承诺将自动驾驶车辆的豁免审查周期从以年计压缩到以月计[3] - Waymo在美运营车辆约为700辆，特斯拉在奥斯汀的首批投放量仅为数十辆，行业仍处于非常早期的阶段[4] 公司现有布局与能力评估 - 英伟达已与通用、奔驰、丰田三家车企展开合作，基于英伟达技术合作开发或打造自动驾驶车队，与奔驰合作的L4级自动驾驶车队将于2025年落地[2] - 公司在人才储备、量产级自动驾驶算法工程化、复杂场景数据积累以及实际道路测试经验方面，相较Waymo、特斯拉等头部玩家仍有明显差距[6][7] - 英伟达在2015年便涉足自动驾驶软件开发，但至今未有成功量产上车的高阶智能驾驶软件方案，2024年6月其辅助驾驶软件效果不如Momenta，导致奔驰将中国区多款车型的辅助驾驶业务从英伟达切换为Momenta[6] - 公司内部长期对标特斯拉FSD，在多次对标测试中对特斯拉FSD的跨城运行和接管次数感到震惊，五六百公里的路程特斯拉FSD只接管了1-2次[6] - 公司自研的DRIVE Thor芯片算力高达2000TOPS，大幅提升了端到端模型推理效率，其在AI训练集群和开发工具链上的积累为模型迭代提供了基础[7] - 英伟达2025年第二季度净利润达到264亿美元，而Waymo为达成当前运营规模累计投入为120亿美元，公司芯片业务的利润能为Robotaxi的长期发展提供充足的试错与迭代空间[7]