摩根士丹利報告:AI機器人競爭轉向數據爭奪,視覺數據成關鍵

摩根士丹利的研究報告指出,人工智能機器人的競爭已經從算法迭代轉向數據爭奪,特別是視覺數據,作爲視覺-語言-動作(VLA)模型訓練的核心資源,其獲取能力將直接決定企業在行業中的地位。特斯拉(TSLA.US)、Meta(META.US)和布魯克菲爾德等企業通過場景覆蓋和數據積累構建技術壁壘,以期在AI機器人時代佔據先機。

隨着具身人工智能技術的成熟,數據收集效率、用戶隱私與商業化落地之間的平衡將成爲企業脫穎而出的關鍵,有望重塑全球AI機器人產業的格局。

視覺數據:AI機器人的“燃料”

摩根士丹利在其報告中強調,視覺數據是AI機器人的“燃料”。通過比喻說明,視覺數據的價值在於其收集與處理能力,缺乏這些能力,全球視覺數據的潛在價值無法釋放。企業正將攝像頭部署到家庭、辦公室、汽車乃至人體穿戴設備中,以獲取高質量、多場景的視覺訓練數據。

特斯拉Optimus機器人通過“人類演示視頻”自主執行任務,標誌着從人工操控輔助向數據驅動自主學習的關鍵跨越。Meta計劃在眼鏡產品中嵌入超高清攝像頭,捕捉用戶手部動作的現實數據,爲AI機器人訓練提供素材。布魯克菲爾德與Figure AI合作,開放其不動產資源用於AI機器人訓練數據的收集,強調場景多樣性的價值。

投資視角:特斯拉爲核心標的

摩根士丹利在報告中將特斯拉列爲核心關注標的,並給予“增持”評級,目標股價410美元。AI機器人相關的技術突破與數據積累是支撐長期估值的關鍵變量。同時,報告提示了行業核心風險,包括競爭加劇、執行風險以及市場對“Dojo超級計算機賦能服務業務”的價值認可度下降。

企業 視覺數據應用 目標與影響
特斯拉 Optimus機器人通過人類演示視頻自主執行任務 從人工操控輔助向數據驅動自主學習的關鍵跨越
Meta 在眼鏡產品中嵌入超高清攝像頭,捕捉手部動作數據 爲AI機器人訓練提供素材,預計未來2年內設備保有量達2000萬臺
布魯克菲爾德 與Figure AI合作,開放不動產資源用於AI機器人訓練數據收集 強調場景多樣性的價值,打造最大規模預訓練數據集