板块都在大涨，机器人埃夫特不涨原因是
今天机器人板块再度大涨。消息面上，2023世界人工智能大会7月6日至8日将在上海举办。很多厂商要在会上推出自己的一些产品，像达闼搭载大模型对话能力的双足机器人、特斯拉人形机器人擎天柱、上理工小贝4.0等智能机器人；扩博风机叶片巡检机器人、网易伏羲具身智能工程机器人、青岛慧拓载山CARMO智能矿山运载机器人；微创的手术机器人；美团无人机V4、宇树四足机器人、科大讯飞机器狗、云深处绝影Lite3四足机器人等，现场共二十余款机器人共同亮相，多款为首发首秀。
机器人行业的应用越来越广泛，我们昨天也说过，现在已经有很多工业领域的企业已经实现了机器人的落地应用。另外，还有很多厂商跨界做机器人研究，像碧桂园也很早就切入到了智能机器人领域。中国石化销售股份有限公司联合航天云机（北京）科技有限公司共同成立易嘉油智能机器人有限责任公司，主要做服务消费机器人制造、服务消费机器人销售、智能机器人的研发等。去年英伟达研究了物流机器人，加上自己现有的AI技术，加速了IsaacAMR平台的开发和演进，英伟达日前正式发布IsaacAMR平台。全新自主移动机器人IsaacAMR(AutonomousMobileRobot)平台可供第三方进行二次开发，用于模拟、验证、部署、最佳化与管理自主移动机器人，主要针对智慧物流应用场景。
众多厂商都进入机器人行业说明机器人行业的广泛性。
能预料到的是，机器人行业有很大的市场，同时又有很多新鲜血液进入这个市场，不过机器人研究的厂商，现有的营收和利润是衡量企业估值最重要的因素，那些产品不多，或者是出于研发期的厂商，可能盈利能力弱一些，针对这样的厂商，可能可能就要看他们的现金流情况，对于一些还未实现营收或者还在亏损的机器人厂商来说，可能大家会关注现有的现金流能否维持后续的研发支出或者产品，像埃夫特，2021年度经营活动产生的现金流量净流出比去年增加5281.56万元，主要为2021年度机器人业务原材料储备及产成品增加占用资金所致。到今年3月底，埃夫特的期末现金以及现金等价物余额为5.01亿，相较于去年同期的4.82亿还有略微的增长。今年一季度公司亏损-5293万元，并且有大股东减持。
埃夫特也频繁在海外发起收购，也带来了不小的现金流压力，比如收购意大利喷涂机器人企业CMA、意大利金属加工和表面处理领域系统集成商EVOLUT和投资意大利运动控制领域机器人核心部件生产商ROBOX之后，埃夫特又成功收购意大利汽车装备和机器人系统集成商W.F.C集团等等。通过兼并引进和吸收国际工业自动化领域的先进技术和经验，埃夫特已形成从机器人核心零部件到机器人整机再到机器人高端系统集成领域的全产业链协同发展格局。频繁的收购也给埃夫特的财务造成极大的负担。
核心零部件永远是最重要的
目前在机器人产业链里，上游核心零部件技术也是制约国内机器人利润水平的重要因素，机器人整机业务毛利率较低的主要原因之一是，核心零部件自主化率及国产化率不高。
伺服系统、精密减速器、控制器在内的上游零部件，占到机器人生产总成本的六成。也是这些零部件直接决定了工业机器人的性能、功能和可靠性。
其中精密减速器成本占比最高，但高端市场长期被日系垄断。与国外产品相比，国产减速器主要在寿命及稳定性上有较大差距，大多只能应用于中低端市场。尽管谐波减速器已实现技术突破，可实现进口替代，RV减速器由于传动精度、扭转刚度等性能问题，部分仍然依赖进口。
伺服系统里的电机技术没有减速器高，但也算是机器人核心零部件里比较关键的产品，伺服系统市场分为日系、欧美系、台湾系、国产品牌四个阵营，高端市场主要由海外品牌占据。这几年国内机器人厂商也在伺服电机产品里加大研究，像汇川技术、埃斯顿等厂商也有参与。汇川目前已经面世的伺服电机有小功率MS1系列，大功率ISMG系列、ESMG系列、MEG20/26/36系列埃斯顿打造了五大类通用伺服电机：EMG、EMB、EMJ、EM3A、EML。
EMJ系列是针对工业机器人的，功率覆盖50W-1.0kW，最高转速可达4500r/min。峰值转矩理论上能达到转矩的300%。并且在电机内可选配省线式增量编码器、17位绝对值型编码器、20位增量型编码器用于精准的速度控制与反馈。
核心产品还有控制器产品，控制器就是机器人的大脑，起到智能连接的作用，有些机器人厂商愿意自己研究控制器，所以这部分产品国内做得不错，一些头部企业逐步实现了控制器自主研发，新松机器人、汇川科技、新时达、广州数控、华中数控、固高科技等。控制器包含硬件与软件两部分，机器人运动控制技术主要为运动控制算法、驱动控制硬件技术、底层开发环境及系统自主仿真软件平台，先进性主要体现在算法先进性，以及对国外技术垄断的替代，控制器的算法是核心机密，软件算法上，国内机器人厂商技术不是特别高。
但埃夫特做得比较好，在2020年实现自主ROBOX控制器全面机型导入后，2022年控制器的自主化率达到92.28%，基本实现了控制器全面自主化。随着自主化渗透率的逐步提升、自主控制器迭代研发及国产化制造、基于场景的功能差异化优势将助推埃夫特机器人在行业应用的优势，成为埃夫特机器人成长的驱动力之一。
埃夫特的机器人产品利用控制器全面自主化，在一些行业已经实现了落地应用，像用在光伏行业的电池、花篮搬运、组件摆串、插片等场景以及锂电行业的电池包搬运、堆叠等场景的具体响应，正基于此，埃夫特在光伏行业电池片市场占有率一直在增长，2022年年报显示埃夫特在光伏行业电池片市场占有率已经达到了85%以上。
也正因如此，去年埃夫特的机器人整机业务销量较上年同期增长23.54%。大多数是因为在3C，新能源的业务领域突破较大，去年埃夫特机器人产品在中国3C行业和新能源行业（光伏、锂电等）的销量比上年同期增长超过50%，相关产品大卖。
但在汽车工业市场，埃夫特不占优势，虽然转化、吸收WFC关键系统技术，开发超柔性制造技术，增加对全球主流车厂影响力，还引用了自主工业机器人，形成整机与系统集成方案之间的协同效应。
国内汽车市场里，除德系、日系合资汽车品牌外，其他合资品牌以及自主品牌汽车销量均出现较大幅度的下滑，这样的趋势下，埃夫特没能够在汽车行业有大的增长。
埃夫特的机器人零部件优势是什么？
综合来看看埃夫特的产品情况，去年，埃夫特的机器人产品里，轻型桌面机器人、中小型负载机器人和大型机器人的销售量合计达到6231台，轻型桌面机器人的增长是下滑的，中小型负载机器人和大型机器人同比增长45.77%与16.36%。去年轻型桌面机器人、中小型负载机器人和大型机器人库存量分别同比增长了53.01%、23.1%和77.32%。
还有就是埃夫特的机器人整机难以做到全部国产自主化生产。还是去年的数据，埃夫特的核心零部件控制器、减速器和伺服驱动器的自主化率分别为92.28%、49.03%和2.27%。
能看出来，埃夫特的核心零部件控制器、减速器和伺服驱动器自主化率，有的高有的低，控制器自主化率为92.28%，减速器自主化率为49.03%，驱动器自主化率为2.27%。要是核心零部件自主化进度及核心零部件转国内生产制造不达预期或自主化核心零部件未被市场和客户接受，或核心零部件的批量生产制造成本无法得到有效控制，核心零部件采购的多，厂商利润自然就低。就会直接影响埃夫特的营收。但这一点，埃斯顿已经比很多机器人厂商做得好一些了。
吕长顺（凯恩斯）证书编号：A0150619070003。【以上内容仅代表个人观点，不构成买卖依据，股市有风险，投资需谨慎】
炒股，机器人都比你强
这两天，中国国际交流中心副理事长朱民在2023夏季达沃斯论坛上说，“炒股炒不过机器人是很正常的”。
基金经理，算得上金融行业金字塔尖的工种之一，这活要也能被A“肝”掉了，那金融人是不是更得战战兢兢？
说实话，人工智能在金融领域的应用根本不是新话题。我记得早在2004年，刚进McGill大学念金融博士那个古早年代，我师兄就在研究量化，我室友是计算机系的，他们实验室就在替摩根斯坦利做神经网络的交易策略。
这些年被频繁热炒的高频交易、量化交易、智能投顾，都是AI在金融领域的应用——毕竟，金融是最早有“大数据”，还有雄厚资金实力做研发的行业。
前两天跟一个资深的大牛程序员聊天，他也直言，目前国内最有希望做大模型的，一个是做云的团队，一个就是搞科技金融的团队——这种底层技术的研发，是真正考验实力，包括技术能力、资金实力和人员、数据储备的。
但朱民老师的话倒也不是空穴来风。
今年3月ChatGPT4.0版本的大火其实意味着，人工智能进入了一个“通用”时代——
所谓“通用”，我的理解是，更接近人类那种“多线程交互”的思考模式，会在海量信息中主动寻求内在逻辑，进行推演，得到结论。某种意义上，这让“人工智能”向“人”的方向迈进了一大步。
但是，这种人工智能和我们所理解的“人”不一样的地方在于：
第一，它（他？她？）的信息储存量、搜寻和计算速度，都和我们差异巨大——可以说得上是天壤之别。
第二，人类的成长和认知进化是基于“清零”这个模式的——所有婴儿出生都需要从头开始学起。尽管我们知道人类社会的知识是累积的，但对个体而言，都是从零开始——能实现长期线性增长都极其了不起。
但AI不是，所有AI的知识累积几乎可以100%在上一代的基础上迭代——这是真正意义上的“几何级数增长”。
我们都听过那个国王与麦粒的故事，古印度国王要奖赏象棋发明者达依尔，达依尔要求以指数方式在棋盘上放麦粒：第一格一粒，后面每格双倍。国王觉得要求很简单，但是操作以后发现，到了棋盘的最后一格，就算把全国的粮食都拿出来还不够，这样的几何级数增长的力量是惊人的。
更让人惊惧的是，“知识”是具有外溢性的，会创造出很多“巨大数量”之外的变化。举个简单例子，2020年，麻省理工学院宣布发现了一种新的抗生素，叫Halicin，就是通过用数据训练AI找到的。这种抗生素能杀死对现有的抗生素已经产生耐药性的细菌，还不会让细菌产生耐药性。当时，研究人员只是提出了具体的目标，然后把已有数据训练AI，AI就自己总结了一套"什么样的分子能抗菌"的规律，并在海量的数据中自行匹配找到目标，而这个规律甚至连科研人员也搞不明白。
这个逻辑也是未来很多垂直领域AI的发展方向——
比如说2023年，彭博社（Bloomberg）发布了专门为金融领域打造的大型语言模型(LLM)——BloombergGPT。
彭博社是全球最大的财经资讯公司，在公司成立的40年的时间里，收集了海量的金融市场数据，拥有广泛的金融数据档案，涵盖一系列的主题。使用彭博社公司数据终端的客户遍布全球，包括交易员、投行、美联储、美国其他官方机构以及全球各大央行等。
八卦一句，彭博社的老板MichaelBloomberg，是著名的亿万富翁，前纽约市长，在2018年还曾高调宣布要参与2020年的总统竞选——
你也可以看出，金融数据本身就是巨大的财富源泉。
现在彭博社据说已经开发了拥有500亿参数的语言模型BloombergGPT。
按照ChatGPT目前的用途，我们可以大致推演一下BloombergeGPT具体能做什么:
金融新闻报道：可以生成高质量的金融新闻报道，提供即时的市场分析和评论。
客户服务与智能助手：用于客户服务和智能助手，回答用户的金融问题。
金融研究与分析，同时作出相关投资决策。
前两点大家都没有异议。但关于第三点引发了很多讨论——
有些人认为，BloombergGPT不仅可以帮助我们做金融决策，甚至他们的投资决策比我们人类更好。
朱民老师那句“炒股超不过机器人”大概就是这个思路下的产物——
想想也是啊，绝大部分金融分析师不就是研究历史数据，挖掘规律，做出预测么？
那现在BloombergGPT拥有几乎所有上市企业的历史财务数据、股价波动数据，甚至还能随时提取媒体中的舆论数据来判断市场的情绪——而且这些计算都可以在极短时间内完成，那它快速形成对一个市场的综合判断，也确实不是问题啊，而且还能纠正人类在面对大量数据时可能存在信息过载和主观偏见的问题。
所以，从数据处理的角度来看，BloombergGPT在金融投资决策方面比人强多了。让AI来代替我们炒股，确实应该好得多。
但是，别忘了关于金融市场有一个著名的笑话。
曾经有人试过，让几个著名金融分析师和几个大猩猩选股（大猩猩就随机扔飞镖），结果发现双方打个平手——谁也没有比谁强。
这意味着什么？金融是一个关于未来、关于预期的行业，所谓“用历史数据做预测”并不是使用历史数据做预测，而是用历史数据中的信息来帮助自己做判断——
换句话说，投资决策在很大程度上，不是算术，而是艺术。
这不是说算法、模型、算力不要紧，而是说，它们不能BEAT（打败）真正的顶尖投资高手，因为高手之所以成为高手，是因为那些“不可编码”的直觉，灵感，甚至勇气，也就是那些蕴藏在复杂的神经元之间，但尚未被具象成文字、图片、公式的人类知识（或者说，未来人类知识）。
所以，AI炒股比人强，这句话本质上是个伪命题。
“人”是一个抽象概念，张三李四王五麻子，都是人。
即使没有AI，散户炒股赔钱的概率也比赚钱的概率大得多，全世界皆然。这也是为什么“专业理财机构”兴起的背景所在。
但AI确实会冲击到现有的专业理财机构——机构也是个抽象概念，由形形色色的人组成。截止今天AI发展的方向、速度来看，它会有两个结果：消灭与分化。
一方面，很多专业机构的基础岗位（尤其是信息检索、整理和基础分析类的）确实会被替代——但凡“可编码”的工作，以AI这种“几何级数”的成长速度，都会陆续被干掉。
但另一方面，它们会赋能顶尖高手，就像给天才装上“千里眼，顺风耳”一样，拓展她（他）们的能力边界。
所以我看到的金融行业的未来，包括基金经理们的未来，是一个绝对分化的世界，顶尖机构和顶尖人才得以管理更多资产，取得更高收益，而更多的业内人，可能也会在一波接一波的“存量博弈”中优胜劣汰，潮生潮落而去。