摩根士丹利：機器人AI營收爆發，NVIDIA領頭羊？

機器人技術和物理人工智能的收益影響比預期更早顯現

根據摩根士丹利的分析師，機器人技術和物理人工智能的預期收益影響正在比之前預期的更早出現。近期的NVIDIA圖形技術大會（GTC）上，討論顯示這一領域的投資正在加速，並與當前的商業周期相契合，而不再是一個遙遠的前景。

摩根士丹利之前認為，機器人技術和物理人工智能屬於長期發展，可能會影響股票估值，但在當前商業周期中不太可能產生顯著的收益。然而，市場動態的變化挑戰了這一假設。

分析師現在認為，有兩個關鍵因素加速了這一時間表：對機器人技術和物理人工智能的投資已經展開，且這些技術正成為下一代人工智能模型的核心。這一轉變暗示它們的收益影響將比預期更早顯現。

摩根士丹利的分析師注意到，圍繞機器人技術的討論性質發生了顯著變化。就在一年前，GTC上的討論主要是概念性的。現在，各公司正積極投資於針對物理世界的人工智能模型。

這一轉變類似於之前的行業周期，例如五年前生成性人工智能的興起，以及近十年前自動駕駛技術的早期投資。

摩根士丹利表示：“我們的感覺是，一年前機器人技術的討論主要是一種概念框架，關於事情可能如何運作。現在，這似乎和四到五年前有關生成性人工智能的討論，或七到八年前有關自動駕駛的討論相似。也就是說，各公司現在開始花錢開發針對物理領域的模型。”

儘管對過去人工智能投資的懷疑情緒依然存在——例如2018年的自動駕駛尚未帶來廣泛的商業成功——但歷史模式表明，半導體公司可以在投資階段早期就產生收益。

摩根士丹利補充道：“大多數公司會在自動駕駛汽車或機器人部署時賺錢，但我們認為，處理器的收益可以更早出現，因為在投資階段它們的硬件主導了利潤。”

類似於早期人工智能發展推動的數據中心支出激增，機器人技術和物理人工智能預計將在面向消費者的產品上市之前，推動對人工智能處理器的需求。

在物理人工智能領域的一個主要挑戰是數據獲取。與可以利用大量現有互聯網和傳感器數據的語言和視覺基礎人工智能不同，機器人技術需要大量的現實世界數據收集和模擬環境。

與語言或視覺的人工智能相比，建模物理世界呈現出獨特的挑戰，因為語言和圖像人工智能擁有大量數據集可供使用。機器人技術需要大量的現實世界數據收集，以有效地訓練模型。

為了填補這一空白，各公司正在投資於現實世界數據的收集，並利用像NVIDIA的Isaac這樣的模擬平台生成合成訓練數據，加速物理人工智能的發展。

在GTC上，NVIDIA是大多數討論的焦點，許多公司強調它們依賴NVIDIA的生態系統進行模擬、訓練和硬件集成。

分析師指出：“在NVIDIA開發者大會上發表的公司大多在談論NVIDIA，但每個人都在談論在NVIDIA上模擬數據、在NVIDIA上訓練數據，並圍繞NVIDIA構建設備。”

然而，分析師認為，影響範圍更為廣泛，半導體公司如AMD、Broadcom和Marvell Technology也將受益。

這篇文章引發了對於目前科技市場的深思。隨著機器人技術和物理人工智能的快速發展，我們或許能夠見證一個新的商業模式的誕生，這不僅僅是技術上的突破，更是對於未來工作和生活方式的重新定義。隨著企業的投資和技術的成熟，未來我們可能在各個行業中看到這些技術的應用，從製造業到服務業，甚至是日常生活中，機器人及人工智能的角色將變得愈加重要。因此，持續關注這些技術的進展將有助於我們更好地理解即將到來的變革。

以上文章由特價GPT API KEY所翻譯及撰寫。