【华创机械】再汇报一下我们的观点，1019我们发段子推荐【从世界模型的视角去推演受益的方向】 我们世界模型的受益链梳理为上中下游。 中游我认为是底层模型+数据采
- 序号：591
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
【华创机械】再汇报一下我们的观点，1019我们发段子推荐【从世界模型的视角去推演受益的方向】
我们世界模型的受益链梳理为上中下游。 中游我认为是底层模型+数据采集。如果从数据采集这个角度看，目前预训练和中训练环节对量级、多样性、质量的要求下，Ego和Umi是最大增量的方向，快速且成本可控，直接的公司就是 奥比中光，铲子股的逻辑非常直接，而且双目的方式可以获得准确的深度信息；此外我觉得 思看科技 作为3D数据的采集公司，也作为铲子股去看待。采集数据后的再一个重点是标注能力，这里我们没什么特别覆盖的公司但是环节非常核心，市场相关的包含海天瑞声等等；如果从预训练再往后训练去思考，我觉得 凌云光 能够依靠工业端的资源走到应用侧，从铲子公司到数据公司到部署公司。
下游的应用是模型发展下能后最终受益的方向。我们收敛到应用型方向： 人形机器人本体、杰克科技&永创智能； 场景型方向：工业质检， 奥普特。还是再强调工业中的数据积累是最核心的壁垒，工业的落地对客户来说都是小模型。奥普特拥有SAM2大模型为基座模型+Deep vision SG缺陷生成+3年数据资源积累+卡位A客户物理AI进程的优势。工业场景中的缺陷判断标准是行业knowhow，补充正常样本+按照缺陷类型调整阈值的积累是垂类落地的壁垒。从应用端，奥普特真实能看到订单的快速增长。
总体总结
主题正文
- 【华创机械】再汇报一下我们的观点，1019我们发段子推荐【从世界模型的视角去推演受益的方向】
- 如果从数据采集这个角度看，目前预训练和中训练环节对量级、多样性、质量的要求下，Ego和Umi是最大增量的方向，快速且成本可控，直接的公司就是 奥比中光，铲子股的逻辑非常直接，而且双目的方式可以获得准确的深度信息；
- 采集数据后的再一个重点是标注能力，这里我们没什么特别覆盖的公司但是环节非常核心，市场相关的包含海天瑞声等等；
- 如果从预训练再往后训练去思考，我觉得 凌云光 能够依靠工业端的资源走到应用侧，从铲子公司到数据公司到部署公司。
- 还是再强调工业中的数据积累是最核心的壁垒，工业的落地对客户来说都是小模型。
- 奥普特拥有SAM2大模型为基座模型+Deep vision SG缺陷生成+3年数据资源积累+卡位A客户物理AI进程的优势。
- 工业场景中的缺陷判断标准是行业knowhow，补充正常样本+按照缺陷类型调整阈值的积累是垂类落地的壁垒。
- 从应用端，奥普特真实能看到订单的快速增长。