智能体专题报告之一：智能体打开智驾与机器人的星辰大海.pdfVIP

2023年12月28日

智能体专题报告之一

智能体打开智驾与机器人的星辰大海

具身智能由智能体（AIagent）和物理实体（本体）组成。智能体是自主完

成设定目标的代理，能迭代学习与环境互动。智能体形式包括自动驾驶汽车、

机器人等。大模型AI算力投建之下，智能体有望成为消化算力的杀手级应用。

智能体赋能之下，人工代码量能大幅减少并对未预先编程的场景进行操作。

从产业落地进程看，我们判断未来1-3年内自动驾驶有望先行落地，搭载智

能体的机器人则在5年期具备商业化看点。建议关注整体解决方案和产业链

厂商投资机会。

支撑评级的要点

智能体能够以自动驾驶汽车、机器人等多种形式落地，或将诞生生成式

AI杀手级应用。智能体（AIAgents)是一个可以通过行动能力自主完成设

定的目标的代理，能够不断迭代学习与环境相互适应。智能体与“本体”

耦合后，即形成具身智能。根据不同的具身方法，智能体能够以自动驾

驶汽车、机器人等多种形式表现。生成式AI经历大模型打磨成熟阶段之

后，算力的消化需要市场空间广阔的杀手级应用，智能体有望成为这样

的典型应用落地场景。

智能体与物理实体结合，能够大大减少人工代码量并且对未预先编程的

场景进行操作。区别于CV、NLP等传统深度学习模型，与“本体”耦合后

的智能体不依靠被动数据投喂，能够实现：（1）摆脱传统机器人依靠工

程师代码进行控制的模式，以微软《ChatGPTforRobotics:Design

PrinciplesandModelAbilities》为例，操控者只需准备好机器人底层的函

数库，并将任务目标告诉chatgpt，chatgpt即可自动完成代码并指挥具身

智能机器人行动。（2）对从未见过的对象或场景执行操作任务。依托大

模型的涌现能力，具身的智能体能够从原始训练数据中自动学习并发现

新的、更高层次的特征和模式，在仅仅依靠网络数据知识的情况下就可

以完成没有预先编程的新场景。

自动驾驶：端到端大模型存在平台级DriveGPT机会。自动驾驶落地进

程快于机器人，未来1-3年内L4、L5级别的自动驾驶技术有望实现，而

搭载智能体的机器人则会在未来5-10年出现。特斯拉FSDV12采用端到

端训练方法，与Chatgpt训练模式类似。相比V11，V12代码量减少99%。

同时，端到端相比分模块的技术范式具备更高性能范式。当端到端系统

达到与现有技术水平相当的时间点时，将会快速超越传统技术栈。通过

对比特斯拉FSD和Waymo，我们认为端到端技术奇点已经临近。

机器人：生成式大模型有望加快底层通用平台建设，打造RobotGPT需

要大模型模拟数据支持。目前针对机器人的不同技能仍需要不同的大模

型。而机器人底层平台发展相对落后的原因在于多数研究者仍使用相对

落后的ResNet18深度学习架构，而非在生成模型的巨大数据集上进行模

型训练。但随着大模型的迅速发展，RobotGPT进程有望加快。打造Robot

GPT的关键是解决数据稀缺问题。相比真实数据，仿真数据同样具备完

善的数据分布，涵盖commoncase和cornercase，并且能够以较低成本获

取数据，从而规避数据隐私和安全问题。

建议关注自动驾驶平台级机会以及工业仿真环节。自动驾驶层面，端到

端技术奇点临近，建议关注商汤科技（UniAD端到端大模型）；机器人

层面，仿真数据有望加快RobotGPT迭代进程，建议关注中科曙光（新

一代工业仿真云平台“力源·久宇”）、索辰科技（CAE仿真软件）、软通

动力（iSSMeta数字仿真推演平台）。

评级面临的主要风险

技术迭代不及预期；数据采集不及预期。

目录

智能体：自动