核心观点 - 英伟达与富士康正在商谈在休斯顿工厂部署人形机器人，目标2026年第一季度前完成，若成功将成为人形机器人产业化的里程碑[1] - 人形机器人发展的关键在于应用场景落地，而场景落地依赖具身智能技术的突破[1] - 英伟达与富士康的合作有望突破人形机器人应用场景瓶颈，推动制造业从自动化向自主化升级[4] 富士康的优势与布局 - 富士康是全球领先的电子制造服务商，拥有丰富的制造经验和全球产业据点，正加速推进智慧制造变革[2] - 富士康展示了半导体复合型机器人等多元应用场景，并与NVIDIA合作部署AI解决方案优化生产流程[2] - 富士康已与优必选、川崎重工等头部企业合作，探索人形机器人在制造、医疗等场景的落地路径[2] - 富士康参股NUWA Robotics Corp，以破解机器人规模化落地难题[2] 英伟达的技术与生态 - 英伟达推出Project GR00T多模态基础模型，融合大语言模型与视觉感知技术，助力机器人跨场景任务执行[3] - Jetson Thor计算平台基于Blackwell GPU架构，专为机器人设计，可高效运行多模态生成式AI模型[3] - 英伟达与波士顿动力、Figure AI、Hexagon等企业合作，构建从训练到部署的全链条生态[3] - Hexagon的人形机器人AEON由英伟达加速计算，借助Omniverse平台模拟测试，配备Jetson Orin车载电脑实现自主导航[3] 合作意义 - 英伟达的AI大模型与具身智能技术结合富士康的实体制造能力，有望突破人形机器人应用场景瓶颈[4] - 成功落地后将推动制造业从自动化向自主化升级，机器人自主制造闭环的市场空间更广阔[4]

具身智能行业现状 - 过去半年机器人技术取得显著突破，从表演性功能扩展到半程马拉松等复杂任务，推动行业认知从想象进入现实[3] - 行业面临核心技术瓶颈、落地场景选择、真实需求匹配和量产成本控制等关键问题，目前尚无统一解决方案[3] - 平台型企业加速布局计算开发平台赛道，英伟达推出Jetson Thor，高通、英特尔跟进，国内地平线推出RDK S100算控一体化套件[4] RDK S100产品特性 - 采用80 TOPS算力设计，已覆盖20+头部客户合作和50+合作伙伴测评，成为英伟达之外的主流选择[4] - 独创CPU+BPU+MCU超级异构架构，实现单SoC"算控一体"，支持感知-决策-执行闭环[8] - 6核A78AE CPU负责逻辑处理，BPU支持160+ONNX算子加速视觉/点云/LLM等模型，4核R52+MCU提供低延迟运动控制[10] - 开发套件成本控制在5000元以内，已实现双臂自主叠衣等应用验证[16] 技术路径选择 - 行业存在端到端VLA模型和分层决策两条技术路径，前者通用性强但资源消耗大，后者可控性高但泛化性弱[6] - 分层"大小脑"架构被视为当前最可行方案，大脑负责感知决策（CPU+BPU），小脑负责运动控制（MCU）[7] - RDK S100精准卡位未来三年最可能量产的轮足机器人/机械臂等场景，百TOPS级算力可满足需求[12] 开发者生态建设 - 提供ModelZoo算法仓包含110+预训练模型，配套工具链支持快速算法迁移和部署[14] - 构建端云一体数据闭环和Sim2Real仿真系统，解决高质量训练数据短缺问题[15] - 推出"地心引力计划"汇聚200+初创公司，提供硬件优惠、技术支持及产业链资源对接[18] 商业化落地进展 - 已在宇树G1人形机器人实现运动控制，BPU推理使CPU占用率降低250%[16] - 验证四足机器人多地形步态控制、双臂自主操作等场景，覆盖商业清洁/工业制造等五大领域[16] - 20多家合作客户中部分已进入量产开发阶段，涵盖人形/四足等多种形态[16]

具身智能行业发展现状 - 具身智能技术从想象进入现实阶段，但行业仍面临技术瓶颈、落地场景选择、用户真实需求定义等核心问题[2] - 国内外平台型企业争相布局具身智能计算开发平台，英伟达推出Jetson Thor，高通、英特尔跟进，国内地平线推出RDK S100[3] - RDK S100已覆盖20+头部具身智能客户合作，50+合作伙伴正在测评，成为英伟达之外的主要选择[4] 技术路径与解决方案 - 行业存在一体化端到端和分层模型两条技术路径，前者通用性强但资源消耗大，后者可控性高但泛化性弱[7][8] - 分层决策大小脑模型是当前更可行的方案，大脑负责感知决策（CPU+BPU），小脑负责运动控制（MCU）[8][9] - RDK S100采用CPU+BPU+MCU超级异构架构，实现单SoC上的"算控一体"，算力达80 TOPS[4][9] - BPU基于车端验证的Nash架构，支持160+ONNX标准算子，优化视觉/点云检测、LLM/VLM模型性能[10][11] 产品定位与场景适配 - 未来三年量产突破场景可能是四足/轮足机器人、机械臂或物流车，而非人形机器人[13] - RDK S100针对近2-3年落地场景精准卡位，提供百TOPS级匹配算力[13][14] - 通过共享内存核间通信机制和SDK封装，降低开发者使用复杂度[12] 开发者生态建设 - 提供ModelZoo算法仓含110+感知/决策/行动模型及性能指标[19] - 配套工具链支持算法量化、模型调优和快速部署[20] - 端云一体数据闭环工具链+Sim2Real仿真方案解决高质量数据缺失问题[20] - "地心引力计划"已汇聚200+初创公司，提供硬件优惠、技术支持、产业链对接等服务[28] 商业化落地案例 - 在宇树G1人形机器人实现高效运动控制，BPU推理占用率仅2%，CPU占用降低250%[22] - 在宇树Go2四足机器人复现多种仿生步态，适应复杂地形[23] - 在HuggingFace双臂方案实现零卡顿自主叠衣，整套成本低于5000元[24] - 20+头部客户中部分已进入量产开发阶段，覆盖人形/四足/智能化方案商[26] 行业发展趋势 - 技术路径有望收敛，计算平台将呈现"算控一体"中等算力方案和端到端大算力方案双线并行[28] - 公司目标建立类似英伟达CUDA的生态体系，通过基础设施支撑行业创新[28]

外汇储备与黄金储备 - 截至2025年5月末中国外汇储备规模为32853亿美元较4月末上升36亿美元升幅为011% [1] - 5月末黄金储备报7383万盎司约229637吨环比增加6万盎司约186吨为连续第7个月增持 [1] A股市场研判 - 填坑行情后的震荡平均持续86个交易日震荡结束后7次中有5次出现上涨核心驱动因素是政策和外部事件行业轮动市场情绪等 [2] - 政策和外部事件是影响震荡行情结束的核心如2016年险资举牌2019年MSCI扩容2024年新国九条出台等 [2] - 行业轮动完成可能导致震荡结束震荡末期蓝筹多出现补涨 [2] - 当前A股短期可能继续震荡偏强甚至突破上涨因稳增长政策加速落地外部事件偏积极中美缓和预期上升 [3] - 短期流动性维持宽松6月5日央行预告1万亿逆回购操作显示央行维持流动性宽松意愿较强 [3] - 行业配置建议逢低配置科技新消费和部分低估值蓝筹如计算机通信传媒机器人军工电子等 [4] 经济基本面与市场支撑 - 4月规模以上工业企业利润同比增长3%较3月加快04%1-4月同比增长14%装备制造业利润同比增长112%引领作用突出 [5] - 5月制造业PMI为495%较4月上升05个百分点生产指数为507%高技术制造业PMI为509%连续4个月扩张 [5] - 经济基本面改善对市场形成支撑关注科技创新先进制造内需外需突围等方向 [6] 金融科技与稳定币 - 稳定币+RWA被视为金融科技大变革稳定币是传统金融市场用户进入加密货币市场的桥梁 [7] - USDT发行规模超1500亿美元充当加密货币市场计价工具主流交易所比特币期货合约以USDT交易对为主 [8] - RWA将现实世界资产映射到区块链上稳定币支付与国际支付是潜在市场 [8] - 稳定币可能推动货币国际化Tether资产规模的80%配置美债和类美债资产 [9] 具身智能与机器人生态 - NVIDIA布局智能机器人领域围绕通用算力开发平台大模型三大核心打造底层开发生态 [10] - 机器人开发需构建DGXAGXOmniverse with Cosmos三台计算机协同解决方案 [11] - Isaac Lab平台由CUDA加速库应用框架和AI模型组成可加速机器人开发 [11] - GR00T模型为开源人形机器人基础模型整合语言视觉和运动控制实现端到端任务执行 [12] - 2025年CES大会上14款搭载GR00T模型的机器人亮相涉及中国企业6家 [12] - 推荐汽配机器人标的拓普集团伯特利均胜电子等 [13]

核心观点 - NVIDIA提出机器人三大计算平台协同解决方案，形成从训练到优化再到执行的完整体系，已与众多解决方案与服务提供商、机器人操作系统企业、机器人传感器制造商、机器人本体制造企业等达成合作，共建机器人生态系统，有望加速全行业进化历程 [1] NVIDIA的机器人战略布局 - 公司2014年起布局智能机器人领域，主要围绕通用算力、开发平台、大模型三大核心领域展开，主攻机器人"大脑" [2] - 向机器人公司提供主控芯片(Jetson Thor)、仿真训练平台(Isaac Lab)和工具(GR00T模型)，帮助开发人员构建、部署和管理机器人，打造机器人底层开发生态 [2] 三大计算平台解决方案 - 每家机器人公司都必须构建三台计算机协同的解决方案：DGX(集NVIDIA软件&硬件专长)、AGX(机器人和嵌入式边缘AI应用平台)、Omniverse with Cosmos(基于AI驱动的系统) [3] - 人形机器人通用模型GR00T主要依托计算平台Jetson Thor提供算力、并基于Omniverse的Isaac Lab仿真训练平台进行训练，最终实现人形机器人仅通过自然语言指令即可完成与真实世界的交互 [3] Isaac Lab平台 - 由NVIDIA CUDA加速库(Isaac ROS)、应用框架(Isaac Lab 2.0)和AI模型(Isaac Manipulator及Isaac Perceptor)组成 [4] - 可将数百次或数千次人类演示转化为数百万次合成动作，为人形机器人提供四项关键技术支持：机器人基础模型、数据管道、仿真框架、Thor机器人计算平台 [4] - 可应用于工业机械臂、自主移动机器人、AI机器人领域，具备真实模拟、多应用模块化体系结构、无缝连接和互操作性等优势 [4] GR00T模型 - 2025年3月推出通用人形机器人基础模型GR00T N1，为开源模型，具备双系统架构，能够做到快速与缓慢思考 [5] - 基于Omniverse的Isaac Lab仿真训练平台、基于Thor芯片的人形机器人计算平台Jetson Thor，实现"AI+仿真+硬件"三位一体的创新 [5] - 可整合语言、视觉和运动控制模型，实现端到端任务执行 [5] 生态系统建设 - 2025年CES大会上14款搭载GR00T模型的机器人亮相，涉及中国企业6家、美国企业4家，其他国家企业4家 [6] - 与人行机器人厂商、机床厂商、核心零部件企业持续接触，逐渐构建人行机器人供应链体系 [6] - 构建基于NVIDIA解决方案、开发平台、大模型、Jeston Thor芯片的强大生态圈 [6] 行业影响 - 汽车零部件公司具有强客户卡位优势、强批量化生产能力，且主业产品与机器人具有高度相通性 [6] - 汽车主机厂纷纷入局人形机器人赛道，机器人供应链与车端将有较高重合度 [6]

报告行业投资评级 维持“推荐”评级 [7] 报告的核心观点 报告详细解读NVIDIA人形机器人业务，分析其在机器人领域的布局历史和生态打造，基于三计算机解决方案形成从训练到优化再到执行的完整体系，认为人形机器人产业奇点已至，2025年有望成为量产元年，看好全年行情，给出玩家和产品维度投资建议 [10][151][153] 根据相关目录分别进行总结 引言 - 报告为《人形机器人行业系列深度报告》第二篇，解读NVIDIA人形机器人业务，分析其布局和生态，介绍三计算机解决方案及GR00T模型 [10] - 与市场不同之处在于梳理NVIDIA布局并形成框架图，深度拆解其业务，跟踪产业链合作伙伴进展 [13] 人形机器人时代的卖水人 打造底层开发生态 - NVIDIA 2014年起布局智能机器人领域，围绕通用算力、开发平台、大模型展开，提供主控芯片、仿真训练平台和工具，打造底层开发生态 [17] - 2025年GTC大会推出开源物理引擎Newton，改善机器人学习和互动方式，提高机器人工作负载 [22] - 三计算机解决方案包括DGX、Omniverse with Cosmos和AGX，形成完整体系，GR00T模型依托相关平台训练，实现人形机器人与真实世界交互 [27][28] 三计算机解决方案 为开发者提供持框架 - DGX系统用于数据中心训练AI堆栈，AGX系统用于端侧处理实时传感器数据，Omniverse with Cosmos用于仿真和合成数据生成，三台计算机协同工作，NVIDIA已与众多企业合作共建生态 [31][32] - DGX平台集成软件、基础设施和专长，硬件包括DGX SuperPOD等四类产品，构建完整AI算力生态；软件生态中枢包括NVIDIA Base Command等 [39][40][43] - AGX平台是NVIDIA Jetson产品线中面向高性能、高可靠性边缘计算的子系列，提供高效AI计算和全面软件堆栈，有多种性能和价格的产品，生态合作伙伴广泛 [47] - Omniverse是开放式协作与仿真平台，核心优势包括实时跨平台协作、物理级真实渲染与仿真、AI驱动的工具生态、模块化与扩展性，可加速人形机器人及自动驾驶领域迭代 [57][60] - Cosmos是物理AI的世界基础模型，基于大量真实数据训练，使开发者生成合成数据，首批用户众多，NVIDIA基于其构建自动驾驶汽车数据工厂，提升训练数据量 [65][68][70] - 通用机器人的ChatGPT时刻即将到来，NVIDIA在CES 2025展示14家人形机器人企业 [76][77] Isaac Lab平台 AI机器人开发的加速器 - Isaac Lab平台利用人工智能和合成数据技术，将人类演示转化为合成动作，为人形机器人提供四项关键技术支持，由NVIDIA CUDA加速库、应用框架和AI模型组成 [81] - Isaac ROS可理解为机器人的“安卓系统”，基于开源ROS 2+构建，核心优势包括高吞吐量感知、灵活的模块化软件包、NVIDIA AI的强大功能 [84] - Isaac Lab是官方机器人学习框架，提供强化学习的API和示例、模仿学习等，核心功能包括模块化配置驱动系统等 [88][89] - Isaac Manipulator是专为工业机械臂设计的AI解决方案，核心功能包括感知、路径规划等，核心技术模块包括cuMotion等，核心优势包括GPU加速与高性能等，服务于多个领域，有众多合作伙伴 [90][91][94] - Isaac Perceptor是专为自主移动机器人设计的AI感知解决方案，核心功能包括多摄像头3D感知等，核心技术模块包括多摄像头深度感知等，有多家合作伙伴 [102][103][106] GR00T模型 人形机器人的大脑 - GR00T模型是开源通用人形机器人基础模型，具备双系统架构，基于Omniverse的Isaac Lab仿真训练平台和Jetson Thor计算平台，有软件和硬件支持 [4][110][112] - GR00T整合语言、视觉和运动控制模型，实现端到端任务执行，核心优势包括高效的数据生成、强大的算力支持及开放的生态系统 [113][118] - GR00T分为基础模型、数据管道、仿真框架、Jetson Thor机器人计算机四个部分，各部分有不同作用 [123] - GR00T合作伙伴众多，最终形态可能是面向整个行业的人形机器人AI大模型系统 [142][144] NVIDIA人形机器人产业链 - NVIDIA人形机器人合作伙伴中中国企业占比近半，介绍了部分合作伙伴的情况 [147] - 认为人形机器人产业奇点已至，应用端、成本端、软件端迎来三重突破，海内外龙头加速入局，2025年有望成为量产元年，看好全年行情 [149][151][152] - 投资建议包括玩家维度把握多方共振，看好相关企业布局；产品维度关注行星滚柱丝杠等细分赛道，推荐汽配机器人标的 [153][154]

NVIDIA机器人战略布局 - 公司自2014年起布局智能机器人领域，围绕通用算力、开发平台、大模型三大核心展开，主攻机器人"大脑"设计 [1][13] - 提供三计算机解决方案：DGX（AI训练）、AGX（边缘计算）、Omniverse with Cosmos（数字孪生），形成训练-优化-执行完整体系 [7][21][24] - 核心产品包括Jetson Thor主控芯片（800 TOPS算力）、Isaac Lab仿真平台、GR00T通用模型，构建机器人底层开发生态 [1][13][94] 技术平台架构 - Isaac Lab平台由CUDA加速库、应用框架和AI模型组成，可将数百次人类演示转化为数百万次合成动作，加速机器人训练 [2][67][71] - Omniverse平台具备实时跨平台协作、物理级真实渲染、AI工具生态等优势，支持工业数字孪生和机器人仿真 [45][47] - Cosmos平台基于2000万小时真实数据训练，可生成物理精准的合成数据，解决现实数据不足问题 [50][60] GR00T模型系统 - 2025年推出的开源模型GR00T N1具备双系统架构，支持快速动作执行与慢速环境推理，整合语言/视觉/运动控制多模态能力 [91][95] - 工作流程包含基础模型、数据管道、仿真框架、Jetson Thor硬件四部分，通过Teleop/Mimic/Gen等组件实现数据指数级扩展 [104][112] - 已在2025年CES展会上获14家机器人厂商采用，包括6家中国企业，构建完整生态系统 [3][64][121] 产业链合作进展 - Jetson Thor芯片采用Blackwell架构，提供100GB/s带宽和800 TOPS算力，专为GR00T模型优化 [94][118] - Isaac Manipulator为工业机械臂提供GPU加速运动规划，路径规划速度提升70倍，合作伙伴包括安川电机等 [78][79][84] - 自动驾驶数据工厂通过合成数据将数百次驾驶扩展为数十亿有效英里，显著提升训练效率 [60][61] 行业发展趋势 - 人形机器人产业在应用端、成本端、软件端实现三重突破，2025年有望成为量产元年 [125][128] - 大模型赋能使机器人具备多模态交互和场景泛化能力，特斯拉、英伟达、华为等巨头加速布局具身智能 [127][129] - 行星滚柱丝杠、六维力传感器、空心杯电机等核心部件存在高成长机会，汽车供应链企业具备转型优势 [129][130]

机器人技术发展 - 公司CEO表示在物理世界制造机器人不切实际，需在遵循物理定律的虚拟世界中训练[1] - 公司与DeepMind和Disney Research合作开发全球最先进物理引擎Newton，计划7月开源[1] - Newton引擎完全支持GPU加速，具有高度可微性和超实时操作能力，能通过经验实现有效学习[1] - 正将Newton引擎整合进ISAAC模拟器，使机器人能以真实方式"活"起来[1] 汽车行业合作 - 公司正与汽车行业合作推进机器人系统，利用Isaac Groot平台[3] - Isaac Groot平台由Jetson Thor新处理器驱动，专为机器人应用设计，适用于自主车辆到人机系统[3] - Isaac操作系统管理神经网络处理、传感器处理和数据管道，利用预训练模型增强系统能力[3] - 自动驾驶汽车技术栈为全面端到端解决方案，从硬件到软件均由公司自主开发[3] - 技术栈开放，允许合作伙伴根据需求选择不同部分，如仅使用计算硬件[3] 自动驾驶应用 - 正将AI模型应用于自动驾驶汽车，与梅赛德斯在全球推出一支车队[5] - 使用端到端自动驾驶技术，今年即可实现[5]

产品展示与集成能力 - 研华在COMPUTEX 2025展示其与NVIDIA Jetson Thor的完整集成能力 重点推出高性能MIC-743边缘AI平台 适用于智能移动、边缘视觉语言模型(VLM)和人形机器人领域[1] - 现场演示展示公司从多格式摄像头输入到边缘实时AI处理的完整传感器到推理流水线架构能力 通过高速以太网实现超低延迟连接[2] 边缘AI架构技术细节 - 系统集成从传感器层开始 支持MIPI CSI等高速工业协议摄像头接口 数据通过NVIDIA Holoscan Sensor Bridge传输 并由研华高速传感器交换机聚合 支持最高2×10GbE上行链路[3] - 架构采用以太网摄像头和高吞吐量网络技术 确保超低延迟和高效数据处理 对安全关键型移动及边缘AI应用至关重要[4] MIC-743产品特性 - MIC-743专为恶劣环境设计 采用ARM架构替代传统x86系统 提供更高AI性能、更低功耗、更小尺寸和更快部署速度 适用于物理AI和人形机器人[5] - 搭载NVIDIA Jetson Thor模块 具备2,070 FP4 TFLOPS AI算力 128GB LPDDR5X内存可流畅运行生成式AI模型 包括LLM、VLM和视觉Transformer[8] - 扩展接口丰富 支持GMSL2摄像头、NVMe存储和Wi-Fi模块 工业级设计可在-10°C至60°C环境运行 承受3Grms振动[8] 生态系统与部署优势 - 研华通过整合AI硬件、传感器基础设施和网络 提供即用型边缘AI解决方案 显著缩短重型机械、人形机器人和自动驾驶系统的上市时间[6] - 解决方案可降低系统复杂度 相比传统系统优化外形尺寸和能效 并能以最小工程投入跨移动和工业场景扩展[9] 公司背景与战略 - 研华是企业愿景为"赋能智慧星球"的全球物联网智能系统和嵌入式平台领导者 通过WISE-PaaS核心推动边缘智能硬件软件解决方案[10]

战略定位 - 公司宣布从传统科技公司转型为"AI基础设施公司"，目标是构建全球计算、机器人和智能系统生态，预计AI基础设施市场规模将达到数万亿美元 [1] - 公司提出"tokens产能未来将以小时为单位衡量"的概念，强调AI算力的重要性 [1] 新产品与技术 - 推出新一代AI个人计算设备DGX Spark与DGX Station工作站，以及Blackwell RTX Pro6000主板，配合NVLink CX8互联技术实现800Gbps通信带宽 [1] - 新一代超算架构曝光，带宽高达130TB，可搭载72颗处理器或144颗GPU，构建全球最大规模AI算力平台之一 [1] - 与鸿海合作建设配备1万个Blackwell GPU的超级计算机，鸿海成为AI基础设施云合作伙伴 [1] 机器人领域布局 - 宣布与DeepMind和Disney Research联合开发GPU物理引擎Newton，将于7月开源，支持GPU加速和高实时性 [2] - Newton将集成进Isaac模拟器，结合Jetson Thor芯片与Isaac OS平台，支持自动驾驶到工业自动化等多种场景 [2] - 提出未来所有移动设备都将成为机器人，正在与汽车行业推进Isaac Groot机器人系统 [3] 存储与数据处理 - 打造基于GPU堆叠的全新存储平台，推出AIQ智能查询系统，旨在颠覆传统数据库和文件系统架构 [2] - 提出"数字代理"概念，应对未来5000万人的全球劳动力缺口，为软件开发、运维等行业提供AI助手 [2] 行业合作 - 与梅赛德斯合作在全球部署搭载端到端自动驾驶系统的车队 [3] - 与联发科、Marvell和高通合作推进定制芯片与AI CPU联合开发 [3] - 与思科合作开发结合量子技术的5G/6G AI系统 [4] 下一代计算技术 - 推出CUDA-Q混合计算平台，目标是推动量子处理器成为未来超级计算机标配组件 [4] - 开发"光速执行"架构，使5%的关键代码实现99%的计算性能释放 [4] - 强调DLSS与神经渲染技术对图形处理的变革性影响，称其"开启了AI智能预测的图像时代" [4] 数据中心发展 - 提出数据中心正从传统IT载体跃升为"AI工厂"，预计市场规模将达数万亿美元 [5] - 强调公司算法库尤其是CUDAx生态的优势，使其成为全球AI基础设施核心提供者 [5] - Grace Blackwell系统已全面量产并部署，代表从训练时代迈向推理驱动、智能决策为核心的新时代 [5]