【江海证券】传媒行业：智元启元大模型GO-1发布，具身智能再上新台阶-250311（3页）.pdf

1、江海证券有限公司及其关联机构在法律许可的情况下可能与本报告所分析的企业存在业务关系，并且继续寻求发展这些关系。因此，投资者应当考虑到本公司可能存在影响本报告客观性的利益冲突，不应视本报告为投资决策的唯一因素。敬请参阅最后一页之免责条款证券研究报告行业点评报告证券研究报告行业点评报告2025 年年 3 月月 11 日日江海证券研究发展部江海证券研究发展部分析师：张婧执业证书编号：分析师：张婧执业证书编号：S1410525010001联系人：吴雁宇执业证书编号：联系人：吴雁宇执业证书编号：S1410124010015行业评级：增持（维持）行业评级：增持（维持）近十二个月行业表现近十二个月行业表现%

2、1 个月3 个月12 个月相对收益2.14-0.775.72绝对收益3.07-1.7216.55数据来源：聚源注：相对收益与沪深 300 相比注：2025 年 3 月 10 日数据相关研究报告相关研究报告1.江海证券-行业点评报告-传媒行业：AI应用发展迅猛，提示投资机会 2025.03.072.江海证券-行业点评报告-传媒行业：豆包大模型团队提出全新超稀疏架构，推理成本大幅下降 2025.02.133.江海证券-行业点评报告-传媒行业：AIagent 产业进展不断，提示相关投资机会 2025.02.104.江海证券-行业点评报告-传媒行业：春节档票房新高，哪吒之魔童闹海票房创影史记录 202

3、5.02.075.江海证券-行业点评报告-传媒行业：12月游戏版号下发，继续维持推荐 2025.01.03传媒行业智元启元大模型智元启元大模型 GO-1 发布，具身智能再上新台阶发布，具身智能再上新台阶事件：事件：2025年3月10日，智元发布首款通用具身基座模型智元启元大模型（GenieOperator-1），并提出 Vision-Language-Latent-Action（ViLLA）架构。该架构由 VLM（多模态大模型）和 MoE（混合专家）组成：VLM 基于海量图文数据实现通用感知与语言理解；Latent Planner 借助跨本体和人类操作视频数据完成动作理解；Action Exp

4、ert 利用百万真机数据实现精细动作执行。三者协同，支持人类视频学习、小样本快速泛化，降低了具身智能门槛，并成功部署于智元多款机器人，持续进化，推动具身智能迈向新台阶。投资要点：投资要点：GO-1 基于基于 ViLLA 架构构建，架构构建，ViLLA 架构是由架构是由 VLM(多模态大模型多模态大模型)+MoE(混合专家混合专家)组成。组成。为了有效利用高质量的 AgiBot World 数据集以及互联网上大规模的异构视频数据，提升策略的泛化能力，智元提出了 Vision-Language-Latent-Action（ViLLA）这一创新架构。作为首个通用具身基座大模型，GO-1 正是基于 V

5、iLLA 架构构建而成。与Vision-Language-Action（VLA）架构不同，ViLLA通过预测Latent ActionTokens（隐式动作标记）来弥合图像-文本输入和机器人执行动作之间的差距。这一创新使得 ViLLA 在真实世界的灵巧操作和长时任务中表现出色，显著超越了现有的开源 SOTA 模型。ViLLA 架构由 VLM（多模态大模型）和 MoE（混合专家）组成。其中，VLM 通过海量互联网图文数据，获得通用场景感知和语言理解能力；MoE 中的 Latent Planner（隐式规划器）借助跨本体和人类操作数据，获得通用的动作理解能力；MoE 中的 Action Exper

6、t（动作专家）则通过百万级真机数据，获得精细的动作执行能力。在推理过程中，VLM、Latent Planner和 Action Expert 三者协同工作，共同驱动机器人完成复杂任务。智元通用具身基座大模型智元通用具身基座大模型 GO-1 的推出，标志着具身智能向通用化、开放化、智能化方向快速迈进。的推出，标志着具身智能向通用化、开放化、智能化方向快速迈进。GO-1 大模型凭借其强大的学习能力，借助人类及多种机器人数据，实现了机器人在各类环境和物品中的泛化应用。其能够快速适应新任务、学习新技能，并支持部署到不同机器人本体，高效落地且在实际使用中持续快速进化。GO-1 具有人类视频学习、小样本快