“AI+硬件”行业动态：Neo明确定位家庭使用场景，中国医陪护场景需求规模或超40万个

证Neo明确定位家庭使用场景，中国医陪 研 券护场景需求规模或超40万个 究——“AI+硬件”行业动态 报 告增持（维持）主要观点 Neo明确定位为家庭使用场景，采用轻量化、柔性、超静音等设计， 行业:传媒 将“安全性”置于首要位置。具体看，Neo在硬件端和软件端均有独 日期: 2024年09月23日 到设计： 1、硬件端采用不同的驱动方案：不同于传统刚性连杆驱动，Neo采用 分析师:陈旻 Tel:021-53686134 E-mail:chenmin@shzq.comSAC编号:S0870522020001 最近一年行业指数与沪深300比较 % % % % 09/23 % 12/23 02/2404/2407/2409/24 传媒沪深300 16 11 5 0 -5 行-10% 业-16% 动-21% 态-26% 相关报告： 《周观点：OpenAI发布推理系列模型 o1，1X有望充分受益》 ——2024年09月16日 《周观点：Neo采用高扭矩低转速电机，专注泛任务化具身智能》 ——2024年09月09日 《周观点：1X发布新型人形NeoBeta，“AI+硬件”有望率先落地》 ——2024年09月01日 柔性驱动技术（串联弹性驱动器：高扭矩低转速电机+类肌腱设备），即“高扭矩、小齿轮比、低动能”的驱动方案，所以我们认为Neo将减少对“减速器”的依赖。 2、软件端推进泛任务化的具身智能：我们判断1X人形机器人的“大脑”包括能理解、识别和推理的高级大语言模型及能执行多样性泛任务能力的基础世界模型两部分。1X倾向构建一个可理解一系列广泛物理行为（包括清洁、整理家居、拾取物品、社交等）的通用基础世界模型。该基础世界模型包括两部分：（1）对任务本身和“任务链”有理解的基础模型；（2）众多对具体任务有更好理解的垂类小模型。下一步1X将利用GPT-4o、VILA和GeminiVision等视觉语言模型来自动预测高级动作，我们判断将用于理解、识别和推理。 家庭机器人有望在医护及陪护场景率先落地。2019年1X即与挪威Sunnaas医院合作测试了EVE在医院场景的使用效果，EVE可以执行移动设备、取放物品以及帮助病患走动等日常任务，帮助人类医护人员更专注于病患护理。我们认为工业使用场景对机器人的精度及准确度要求更高，家庭使用场景对机器人的安全性及复杂任务处理能力要求更高，我们推演人形机器人的部署进度顺序为：特定任务环境的家庭场景（如医护及陪护）、工业使用场景、通用任务环境的家庭场景，因此我们判断具备特定任务执行能力的人形机器人在部署进度上更具优势。 我们对人形机器人在医护及陪护等特定任务场景具备率先落地可能的逻辑性推断如下： （1）高级大语言模型在文本、音频、图形的识别和分析能力、语义的分析处理能力和接收到指令后的推理能力均较为成熟，所以人形机器人具备理解指令、日常聊天、文本/音频处理的潜能。 （2）人形机器人在重物携带、物品取放、搀扶等辅助性的简单动作上已经比较成熟，能够帮助行动不便的人以及陪伴孤独的人。 （3）对安全隐患的监控、紧急情况的识别及应对的技术已经较为成熟。我们认为以上三点均较为契合医护及陪护场景，能够辅助行动不便的人群，为其提供聊天陪伴、辅助性协助、紧急场景识别等需求。 我们认为医院等医疗机构、养老院等养老机构及空巢老人是医护及陪护领域重要的具体场景。我们将医护及陪护场景分类为以医疗、养老院为主的B端场景及以空巢老人为主的C端场景。我们认为以医疗、养老院为主的B端场景落地速度会先于以空巢老人为主的C端场景。以中国市场为例，我们对家庭场景人形机器人初期的市场空间做出预测： （1）医院等医疗机构的初步需求空间约20.3万个；（2）养老院等养老 行业动态 机构的初步需求空间约16.4万个；（3）空巢老人等家庭场景的初步需求空间约1300万个。 此前中坚科技于2024年初完成了对1X的股权投资，并在后续进程中积极推进与1X的全方位合作（包括供应链合作），为1X整合国内相关产业链资源，帮助1X实现新一代人形机器人快速降本及市场渠道拓展。建议关注OpenAI人形机器人产业链及特斯拉人形机器人的新机会。 投资建议 1、OpenAI人形机器人产业链：建议关注【中坚科技】。 2、特斯拉人形机器人产业链：建议关注【三花智控】、【拓普集团】。 风险提示 人形机器人技术发展速度不及预期、1X人形机器人落地速度不及预期、1X供应链合作进展不及预期等风险。 目录 1Neo明确定位家庭场景，硬件及软件均有独特优势4 2医护及陪护场景或将率先落地5 3风险提示：8 表 表1：2023年中国医疗卫生机构床位数量6 表2：医院场景人形机器人市场空间敏感性分析7 表3：2022、2023全国医疗服务工作量7 表4：2022、2023年全国卫生人员数7 表5：养老场景及居家陪护场景人形机器人市场需求预估8 1Neo明确定位家庭场景，硬件及软件均有独特优势 Neo明确定位为家庭使用场景，将“安全性”置于首要位置，因此1X对Neo的外形和硬件规格均做出了特别设计： （1）轻量化设计：Neo在保持相同负载的能力的同时将质量降低至30kg；（2）柔性设计：全身柔性仿生皮肤，具有类似肌肉的解剖结构，将力量与柔和融为一体，可自然的与人类交互；（3）超静音设计：采用不同的执行器驱动方案，运行过程中高度安静。 具体看，Neo在硬件和软件上均采用独特的技术设计，以适配家庭复杂多样的使用场景。 1、硬件端采用不同的驱动方案：不同于传统刚性连杆驱动，Neo采用柔性驱动技术（串联弹性驱动器：高扭矩低转速电机+类肌腱设备）。根据腾讯科技，Neo明确定位服务于家庭应用场景，其他双足机器人基本定位服务于工业场景。1X机器人AI副总裁EricJiang表示多数人形机器人采用“低扭矩、大齿轮比、高动能”的驱动方案，Neo则采用“高扭矩、小齿轮比、低动能”的驱动方案。人形机器人整体运动方案由“直线运动”及“旋转运动”组成，其中传统机器人的“旋转运动”主要采用“高速电机+减速器”的方案，即大多数电机功率不足以施加大量扭矩，因此机械工程师采用高速电机并为其添加齿轮，以速度换取扭矩。而Neo通过低齿轮比的设置，降低电机输出速度，从而降低核心关节的功耗，同时通过“高扭矩”来弥补电机低运转带来的力量不足问题。所以我们认为Neo“高扭矩低转速电机”的方案将减少对“减速器”的依赖。我们认为该套驱动方案会产生较低的能量，再加上柔性皮肤设计，Neo在家庭使用场景的可靠性和安全性预计明显提升。 2、软件端推进泛任务化的具身智能：我们认为Neo着眼于多样性的任务完成能力，以适配家庭复杂多样的使用场景。1X认为机器人最终落地的家庭和办公场景会产生多样化且不确定性的目标任务，因此需要足够多样性的数据集才有意义，EricJang认为数据采集公式是“多样性>质量>数量>算法”，为此1X专门组织了机器人操作员团队去亲自训练各类行为模型（直接微调模型的采集工程师，根据场景收集数据、重新训练及调整模型，直至模型完善）。因此1X倾向构建一个可理解一系列广泛物理行为（包括清洁、整理家居、拾取物品、社交等）的通用基础世界模型，即依靠单一模型从事多样化任务。该基础世界模型包 括两部分：（1）对任务本身和“任务链”有理解的基础模型；（2）众多对具体任务有更好理解的垂直小模型。不同于其他机器人依靠单一模型从事多种任务的训练模式，1X旨在通过基础世界模型让机器人能够在同一时间内连续完成一个复杂的任务，实现任务之间的泛化。同时1X在构建了视觉到自然语言命令对的数据集后，下一步将开始利用GPT-4o、VILA和GeminiVision等视觉语言模型来自动预测高级动作。因此我们判断1X人形机器人的“大脑”包括能理解、识别和推理的高级大语言模型及能执行多样性泛任务能力的基础世界模型两部分。截至2024年3月， Eve总共使用了1400小时的训练数据，涉及7000种不同的独特动作，拥有数百项独立能力。 2医护及陪护场景或将率先落地 从使用场景上看，1X早在2019年就已经在医疗场景中对EVE进行测试。2019年，1X与挪威Sunnaas医院合作了医疗保健机器人交互项目（HIRO）,可以执行移动设备、取放物品以及帮助病患走动等日常任务，主要目的是为未来预期的医护人员短缺创建一个解决方案。1X在比较有EVE和没有EVE帮助的情况后发现，在EVE协助执行简单的非医疗任务时，人类医护人员有更多时间专注于病患护理。 我们基于对有关1X的各类视频及文字资料，对人形机器人使用场景做出主观的逻辑性推断： 我们认为工业使用场景对机器人的精度及准确度要求更高，家庭使用场景对机器人的安全性及复杂任务处理能力要求更高，所以我们判断人形机器人落地顺序为：（1）特定任务环境（如医护及陪护场景）的家庭场景先落地；（2）工业使用场景再落地；（3）达到AGI后，各类家庭场景均可大规模部署。 我们对人形机器人在医护、陪护等特定任务场景具备率先落地可能的逻辑性推断如下：（1）高级大语言模型在文本、音频、图形的识别和分析能力、语义的分析处理能力和接收到指令后的推理能力均较为成熟，所以人形机器人具备理解指令、日常聊天、文本/音频处理的潜能。（2）人形机器人在重物携带、物品取放、搀扶等辅助性的简单动作上已经比较成熟，能够帮助行动不便的人以及陪伴孤独的人。（3）对安全隐患的监控、紧急情况的识别及应对的技术已经较为成熟。人形机器人能够在突发情况下做出合适的反应。 我们认为以上三点均较为契合医护及陪护场景，能够辅助行动不便的人群，为其提供聊天陪伴、辅助性协助、紧急场景识别等需求。 我们认为医院等医疗机构、养老院等养老机构及空巢老人是医护及陪护领域重要的具体场景。我们将医护及陪护场景分类为以医疗、养老院为主的B端场景及以空巢老人为主的C端场景。我们认为以医疗、养老院为主的B端场景落地速度会先于以空巢老人为主的C端场景。以中国市场为例，我们对家庭场景人形机器人初期的市场空间做出预测。按照下文具体的测算方法，我们认为中国市场：（1）医院等医疗机构的人形机器人初步需求空间约20.3万个； （2）养老院等养老机构的人形机器人初步需求空间约16.4万个；（3）空巢老人等家庭场景的人形机器人初步需求空间约1300万个。 根据《2023年我国卫生健康事业发展统计公报》，2023年中国拥有100床以下、100-199床、200-499床、500-799床、800床以上的医院分别有22586家、5790家、5390家、2278家、2311家，按照中位数预估分别对应床位总数112.9万个、86.6万个、188.4万个、148万个、264.7万个，合计800.5万张床，另外非医院的医疗机构床位数合计216.9万张，2023年中国医疗机构合计拥有床位数1017.4万张。 表1：2023年中国医疗卫生机构床位数量 医院数量（个） 预估床位总数（万个） 100床以下的医院 22586 112.9 100-199床的医院 5790 86.6 200-499床的医院 5390 188.4 500-799床的医院 2278 148.0 800+床的医院 2311 264.7 非医院床位数 216.9 全国医院病床使用率 79.40% 资料来源：2023年我国卫生健康事业发展统计公报，上海证券研究所 我们按照平均50床床位需求1个人形机器人的中性预期预估，医院场景及非医院场景合计市场空间约20.3万个人形机器人。2023年中国医疗卫生机构合计住院3.02亿人次，注册护士合计563.7万人，中性预期的需求体量相当于每个人形机器人每年服务1483个住院病人，辅助28个护士。 表2：医院场景人形机器人市场空间敏感性分析 悲观预期 中性预期 乐观预期 平均100床/个 平均50床/个 平均10床/个 100床以下的医院 1.1 2.3 11.3 100-199床的医院 0.9 1.7 8.7 200-4