汽车行业一周一刻钟，大事快评(W089)：Nvidia下个软核心Omniverse；智能化如何变成购买力

行业及产业 行业研究/行业点评 证券研究报告 汽车 2025 年 01 月 06 日 Nvidia 下个软核心 Omniverse；智能化如何变成购买力 看好 ——一周一刻钟，大事快评（W089） 证券分析师 戴文杰 A0230522100006 daiwj@swsresearch.com 樊夏沛 A0230523080004 fanxp@swsresearch.com 联系人 朱傅哲 (8621)23297818× zhufz@swsresearch.com 本期投资提示： ⚫ Omniverse 的历史可以追溯到 2019 年，实际上是把一些传统流程式的 3D 制作过程变成一些跨应用和跨设备的协同设计，在工业端的应用尤为重要。①历史沿革：Omniverse 的历史可以追溯到 2019 年，当时英伟达提出了 3D 实时协作平台的概念。它的推出与英伟达在 2018 年推出的图灵架构密切相关。②产品定义：Omniverse 产品定义为一个模块化的 API 和微服务开发平台，实际上是把一些传统流程式的 3D 制作过程变成一些跨应用和跨设备的协同设计。③产品核心：Omniverse 的核心在于构建一个实现不同软件间无缝连接与实时协作的平台，允许用户在不同设备和软件中同步进行设计步骤，实现实时更新和共享，其核心变化在于架构的推演和物理仿真能力的提升。 ⚫ 物理 AI 的核心在于将人工智能技术与物理世界的规律相结合，实现更加精准和高效的模拟仿真与数据生成。AI 的下一代就是物理 AI ，必须要符合物理世界的规律，第一层就是做一个平台符合物理学规律，可以在上面仿真，第二层是可以生成非常多物理 AI 数据来供使用，目前机器人和智能驾驶的核心工具就是英伟达的 Omniverse。英伟达的未来设想中，机器人技术的发展依赖于三台核心计算机。一台用于训练 AI，一台用于控制物理仿真环境中的测试 AI，以及一台安装在机器人或智能汽车内部的模拟环境计算机，支持物理 AI 算法。目前正在应用的场景之一在于仿真环境中验证程序逻辑的可靠性；第二个就是获取难以从真实世界获得的数据以持续训练 AI 模型，从软件角度，仿真领域的优势企业 Ansys，其仿真产品也可以通过英伟达的 Omniverse 进行访问，凭借 Ansys 面向摄像头、激光雷达和雷达传感器的物理求解器，增强 NVIDIA DRIVE 的高保真和可扩展的 3D 环境。英伟达对 Omniverse 的大量投入预示着其算力未来的方向主要集中在大模型 AI 生成、机器人和智能驾驶领域。我们认为目前产品成熟度已经非常高，海外的车厂和机器人厂商已经开始利用 Omniverse 提升工厂效率和智能化水平，行业变化趋势明确，期待更多中国企业接入 Omniverse 平台，提升生产效率和智能化水平。 ⚫ 智能化标签成为汽车行业竞争的有力焦点，已逐渐演变为消费者购买力。①消费者决策：在消费者的购车决策过程中，智能化能力正变得越来越重要。②智驾标签的协助贡献：小鹏汽车在智能化驾驶领域已经建立了牢固的市场地位，特别是在中低端市场，即15 万元左右的价格区间。消费者因为小鹏的智驾技术而选择其产品，并且愿意推荐给他人，这已经形成了一个正向市场循环。③智驾成为汽车行业竞争的原因：理想汽车在直播中提到，从里程接管的角度，Scaling Law 是有效的，主动角度就是智驾能产生正向循环，提高营收。如果汽车制造商相信其有效性，他们将不得不跟进智能驾驶技术的发展，否则，他们可能会在市场竞争中落后，被动角度这形成了一种求助困境。同时根据“翻滚的木桶”理论，汽车行业在制造、产品和硬件方面的差异已经不大，竞争的焦点已经转移到了营销和软件实力上。随着市场对软件实力的重视，汽车制造商正将竞争维度从硬件转移到软实力上，我们预计在 2025 年，智驾和智能化的重要性将进一步得到证明。 ⚫ 投资分析意见：基于自主+科技两条主线，我们新增出海主线，1）推荐国内强α主机厂如比亚迪、吉利；2）智能化趋势：华为鸿蒙高端智能的典型代表：关注江淮汽车、北汽蓝谷、赛力斯等，推荐小鹏汽车、科博达、德赛西威、经纬恒润；3）具备强业绩增长或海外拓展能力的零部件企业：推荐福耀玻璃、新泉股份、松原股份、双环传动、银轮股份、无锡振华等，关注敏实集团、拓普集团。 ⚫ 核心风险：原材料价格波动风险，地缘政治风险，行业复苏不及预期 请务必仔细阅读正文之后的各项信息披露与声明 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共5页 简单金融 成就梦想 1. Nvidia 下个软核心——Omniverse Omniverse 的历史可以追溯到 2019 年，实际上是把一些传统流程式的 3D 制作过程变成一些跨应用和跨设备的协同设计，在工业端的应用尤为重要。①历史沿革：Omniverse 的历史可以追溯到 2019 年，当时英伟达提出了 3D 实时协作平台的概念。它的推出与英伟达在 2018 年推出的图灵架构密切相关，该架构首次具备了 RTX 基础，对实时光线追踪非常重要，为 Omniverse 提供了硬件基础。Omniverse 的发展历程体现了英伟达在 GPU 快速发展背景下，对工业端 3D 设计和模拟仿真科技发展重点的把握。②产品定义：Omniverse 产品定义为一个模块化的 API 和微服务开发平台，实际上是把一些传统流程式的 3D 制作过程变成一些跨应用和跨设备的协同设计。在传统的 3D 制作流程中，如绘制孙悟空这样的角色，需要经过从基础建模到光泽度、颜色等多个阶段，涉及数十种不同的应用程序。如果需要对角色进行修改，比如调整胡须或毛发，就必须从最初的步骤重新开始，导致整个制作过程效率低下，这也是为什么像迪士尼这样的动画制作公司需要大量人员，但制作效率仍然不高的原因。③产品核心：Omniverse 的核心在于构建一个平台，实现不同软件间的无缝连接与实时协作。这个平台允许用户在不同设备和软件中同步进行设计步骤，实现实时更新和共享。其核心变化在于架构的推演和物理仿真能力的提升，特别是在 2021 年后，工业端开始逐步采用 Omniverse，这主要是因为其能够提供符合所有物理学规律的模拟仿真环境，包括力、视觉等，这个就是模拟仿真用到了整个真实世界的一个核心关键，这对于机器人和智能驾驶等需要复杂环境交互的应用尤为重要。 物理 AI 的核心在于将人工智能技术与物理世界的规律相结合，实现更加精准和高效的模拟仿真与数据生成。黄文勋提到一句话， AI 的下一代就是物理 AI ，必须要符合物理世界的规律。第一层就是做一个平台符合物理学规律，可以在上面仿真，第二层是可以生成非常多物理 AI 数据来供使用，目前机器人和智能驾驶的核心工具就是英伟达的Omniverse。具体来说，物理 AI 的发展可以分为两个关键步骤，①首先是变成一个核心的仿真工具，物理 AI 作为一个核心仿真工具，使得在平台中进行的所有力的模拟和物理场景都必须符合物理学规律。这一点对于工业端的应用尤为重要，因为所有的数据和验证都必须基于