近日，“科技引领，自主可控”国泰君安2024科技策略研讨会在上海举办。本次研讨会安排近200场上市公司小范围一对一交流，设置8大主题分论坛，分别聚焦低空飞行、AI应用、AI端侧、电力设备、人形机器人、自主可控、智能驾驶等市场热点，通过30余场高质量演讲，与投资者共同探讨科技革命浪潮下的产业新动能。本次研讨会共吸引近1000位嘉宾线下参会。
以下为嘉宾演讲的精彩内容节选：
欧阳梅竹
汤姆猫董秘
情感与智能：AI陪伴新纪元
“汤姆猫情感陪伴垂直模型”通过训练汤姆猫这一IP角色的独特人物设定、聚焦儿童陪伴领域的语料及特有声音等，旨在打造具有鲜明特征的IP拟人化交互。该多模态模型已完成主体功能的搭建与训练，并通过软硬件结合的方式完成整个端到端链路的实现，不仅结合了大语言模型、软件集成开发、物联网等技术，还通过大量汤姆猫人设相关的信息训练了符合汤姆猫音色的TTS（文本转语音）模型，实现低延时语音交互、情感价值的理解与提供，以及IP拟人化陪伴等预期效果。
宋忠铬
InfoLink储能分析师
全球储能市场供需趋势研判
2024年全球储能市场装机预期160GWh左右，下半年区域市场亮点纷呈，中国重点关注内蒙古装机进度，美国重点关注降息及大选，欧洲重点关注英国复苏及意大利市场，新兴市场中印度未来规划较为宏大，智利则是近年的亮点区域。格局看，交流侧及直流侧Top2厂商都是断档领先。出海竞争加剧，欧美储能系统价格持续下跌，由于欧美地区对于产品的认证、售后和质保等要求较高，需要在当地有配备完善的团队和项目经验等，毛利率仍普遍高于国内。
肖群稀
国泰君安证券研究所产业研究中心装备组负责人
人形机器人四大估值基础：硬件、模型、数据、人才
人形机器人本体硬件是基础，中国具备供应链优势。硬件每迭代一次，机器人核心性能就会跃升一个台阶。一体化关节、灵巧手方案的升级，对精度、力控、操作都有决定性影响。人形机器人创业公司的技术切入方向不同，切入的应用场景也不尽相同，有工业、仓储物流、零售、生物制药等。人形机器人厂商短期目标是快速占领应用场景，先把一个细分场景做好，积累出足够多的数据，训练好模型，再继续拓展新的延展领域，最终走向通用化。能否获得足够数量，足够便宜且高质量的数据，是目前机器人发展的瓶颈，也是拉开机器人产品差距的重要手段。数据是AI下一个发展阶段的最大助推力，真实环境收集来的数据远远不够，需要仿真数据来弥补。目前主流的数据获取手段是：真实数据+仿真数据。硬件、模型、数据、人才是人形机器人本体厂商的四大估值基础。
吴易明
中科光电董事长
具身智能是智能科学发展的新范式
自主通用智能机器人：基于通用且标准的具身智能技术架构，自主闭环作业，实现核、危、化、害环境中对复杂人工作业过程完整替代。核心技术包括：（被动）双目立体视觉重构，对象精准识别；移动导航，手眼协同-指挥机械臂运动与精准作业。中科光电具身智能的产业化场景：1）仝人智能®焊接机器人：面向桥梁钢构、建筑钢构、船舶制造、压力容器、重工机械等多品种、小批量、工件综合误差较大、焊缝形式复杂的离散制造场景，实现一键式、无人化自主焊接作业。2）自主识别待测量对象及精细结构、自主规划测量路径，镜像场景交互，实现对多品类小批量零件/组件/装配件几何量的快速测量、外观品质检测。作为智能机器人的“眼睛”，拟人化构建视觉信息空间，为装配、焊接、切割、打磨、上下料、拣选等工艺过程提供视觉引导。3）闭环感知、灵巧作业：自主识别对象、自身、环境三维结构信息；分析并生成装配流程、装配工艺动作、协同运动轨迹；实现关键组件（多品种、小批量）自主装调；4）视觉感知。
胡德波
开普勒人形机器人 CEO
产业化探索：人形机器人在工业场景中的应用
打造人形行业的领先落地的高智商蓝领机器人，开普勒具备三大核心优势：自有核心技术，自研率非常高；工程化和量产能力非常强，成本控制领先；场景应用落地能力非常强。公司推出的Forerunner探索者系列，基于开普勒 TrueBionic真仿生本体架构，公司实现了全栈自研：KeplerForce行星动力滚柱丝杠执行器、KeplerGear精旋动力旋转执行器、NimbleMaster巧手大师11自由度多触点灵巧手、集成环境理解、智能交互、认知推理、规划执行于一体的具身智能系统开普勒SuperHuman超人智脑。公司的人形机器人将陆续在物流、汽车工厂，冶金行业实现产业化落地。
骆敏舟
集萃智造董事长
协作机器人公司发展人形机器人的技术储备和战略方向
公司先后研发了2代电液四足机器人，已经达到3.5公里/小时。核心技术：1）液压驱动，高负载、柔顺性、高爆发；2）骨骼仿生技术，轻量化、高强度、高仿生、一体成型；3）平衡能力，快速挪动、步态控制、适应突发刺激。公司目标是对标波士顿动力机器人，同时开发出电机驱动和电液驱动两款人形机器人，使其更具野外运动能力，形成多次迭代，降低成本在十万元之内，实现真正产业化。
顾慧昕
坤维科技销售总监
力矩传感器在人形机器人中的应用和产业化实践
公司是国内六维力传感器行业领先企业。力觉传感器构成人形机器人核心模块之一，环境感知模块。基础物理量是无法通过AI算力获取的，比如力、声波、温度等，力觉传感器是人形机器人与物理世界产生联系的基础，也就是进入物理世界的“准考证”。何为 “准考证”？1）脚踝六维力传感器通过感知作用在脚掌上的力和力矩进行姿态调整；2）手腕六维力传感器助力更精细、更柔性的操作；3）对力的测量遵循“就近原则” ，相较于其他方法，手腕和脚踝使用六维力传感器可以做到测力更准确，反馈更及时。核心技术：结构解耦技术、算法解耦技术、六维标校技术、其他（微弱信号处理、品质工艺控制、嵌入式智能电路等）、先进敏感器件制备技术、先进敏感元器件的固化技术等。基于日益增多的人形机器人定制需求，坤维根据所积累的经验，推出了多款人形专用的六维力传感器。具备如下特点：小尺寸大量程、抗过载能力强、扭矩量程加大、可特殊定制更高精度。目前六维力下游涉及领域众多（高端机床、汽车碰撞、非标自动化测力组件等），人形机器人的发展带来大规模市场应用前景。
雷光寅
复旦大学上海碳化硅功率器件工程技术研究中心专家、清纯半导体公司首席科学家
碳化硅功率半导体产业现状及国产化进展
SiC半导体产业发展迅速，国内在SiC材料与器件量产已进入内卷和洗牌快车道。SiC功率器件在光、储、充应用的国产替代已成功推进2-3年，规模持续扩大，部分企业已率先完成100%国产替代。国产车规级SiC MOSFET技术与产能已对标国际水平，由于多种原因，SiC MOSFET乘用车主驱应用目前仍依赖进口，但未来全面导入国产芯片是大势所趋；由于竞争激烈和应用场景复杂，车规级SiC MOSFET可靠性标准逐年提高，进一步推动设计和制造技术进步；激烈的竞争促使国内SiC半导体产品价格快速下降、质量不断提高、产能持续扩大，主驱芯片国产替代已经起步，并将逐步上量，最终主导全球供应链；国际企业与国内企业在优势互补的基础上实现强强联合。
郭继舜
均胜智能专家
智能驾驶End-end技术
BEV结合Transformer更强的处理序列数据和复杂上下文关系方面的能力，能实现更精确的环境感知、更长远的运动规划和更全局化的决策。Occupancy Network是基于学习进行三维重建，可以看作BEV的3D迭代。未来哪家车企能够在较短的时间，使用尽可能低的成本，获取大量准确的结构化数据，谁就会是智能驾驶领域的赢家。
多飞舟
国泰君安证券研究所汽车行业资深分析师
十年磨一剑，FSD迎来快速列装期
FSD如能在国内落地，有望带动国内智能驾驶行业蓬勃发展。特斯拉FSD的逐步成熟与推广有望提升消费者对于自动驾驶技术的认可度，进而带动高阶智能驾驶需求增长。国内开启高阶智能驾驶试点，未来FSD如果进入国内，将成为国内其他车企自动驾驶方案强有力的竞争者，国内自动驾驶高地的角逐将愈发激烈，有利于自动驾驶行业发展蓬勃向上。
吴晓飞
国泰君安证券研究所汽车行业首席分析师
Robotaxi加速快跑，智能驾驶持续推进
无人驾驶出租车有助于提升消费者对智能驾驶的认知程度，里程积累也有助于技术方案完善和迭代；其面临的潜在市场空间广阔，初期受制于成本和技术等因素，中期维度随着成本下降、技术迭代，智能驾驶渗透率有望逐步提升。
陈鹏
星融元数据技术有限公司创始人/CEO
算力互联需要新网络
生成式AI带来了对算力基础设施建设的大规模需求，在算力基础设施中，网络互联成为提高算力利用率、提升智算系统整体竞争力的关键环节。智算业务全新的工作负载模型一方面加速了超大带宽、超低时延以太网的进化速度，另一方面对现有网络技术方案带来了前所未有的挑战：开放标准的以太网如何替代私有封闭的InfiniBand, 为通信网设计的传统软硬件系统和协议标准如何跟上算力建设的需求，通信行业需要从芯片和操作系统架构层面进行重构、快速推出新技术新方案来跟上智算技术的进化速度。在这个过程中，相信软硬件解耦的新一代网络架构、SONiC网络操作系统和可编程网络交换芯片都将为智算网络提速提供核心竞争力。
汪硕
北京邮电大学副教授
基于可编程的智算网络探索与实践
大模型Scaling Law依然保持旺盛生命力，万亿甚至百万亿参数规模的大模型成为必然趋势，百万卡集群将成为未来几年智算行业发展的重要方向，行业正逐步认识到以太网在AI与HPC场景中的强劲生命力，更多的GPU厂商选择以太作为其算力芯片的IO接口形态。可编程转发技术是一种高度灵活、可定制的网络转发技术，可在不同层级上进行数据处理与转发，包括物理层、数据链路层、网络层和应用层等。这种灵活性使得它在智算网络中具备广泛的应用前景，可适应不同应用场景需求，并应对未来网络及应用需求的发展变化。随着国家推行“东数西算”、海量科学计算等应用场景，智算中心间的互传数据呈爆发式增长，使得传统网络传输技术劣势越发凸显，因此RDMA从局域网迈向广域网已成为一个重要趋势。
张祖兴
南京邮电大学教授
AI算力对光交换的需求趋势
自OpenAI发布ChatGPT以来，全球的AI热潮席卷而来，AI与云计算迎来了大融合时代，云上可获得应用AI的能力，同时AI算力对高性能ICT技术提出了新要求。AI算力网络对大带宽、低延迟、零丢包高速光传输、光互连是刚需，全光交换开始走进数据中心，并将朝着大维度、高集成度、低功耗和智能化方向发展。光模块是交换互连的核心元件，未来将向着小型化、低功耗、高速率、低成本迭代。光网络、光交换智能化，即智能光网络是AI算力发展的必然，它能在流量预测、态势感知、故障溯源等领域发挥重要作用。
郑凯隽
摩尔线程智能科技华东总经理
多元趋势下，AI模型训练的主战场，万卡已是标配。随着计算量不断攀升，大模型训练亟需超级工厂，即一个“大且通用”的加速计算平台，以缩短训练时间，实现模型能力的快速迭代。当前，国际科技巨头都在通过积极部署千卡乃至超万卡规模的计算集群，以确保大模型产品的竞争力。随着模型参数量从千亿迈向万亿，模型能力更加泛化，大模型对底层算力的诉求进一步升级，万卡甚至超万卡集群成为这一轮大模型竞赛的入场券。
近年来，科技行业正发生剧烈变化，AI正掀起新一轮生产力革命，中国科技产业链焕发勃勃生机，创新与安全将成为中国资本市场的重要投资主题。展望未来，国泰君安证券研究所将继续深化在大科技领域的研究，以更加专业化、差异化和精细化的研究服务，满足客户的多元化需求。
备注：
嘉宾观点不代表本机构意见。
（转自：国泰君安发布）
