Core Insights - The competition for AI robots has shifted from "algorithm iteration" to "data acquisition," with visual data being the core resource for training VLA models, directly impacting a company's position in the industry [1][2] - Companies like Tesla, Meta, and Brookfield are focusing on "scene coverage + data accumulation" to build technological barriers in the AI robot sector [1][2] Group 1: Nature of the "Photon War" - Visual data is described as the "fuel" for AI robots, with its value being contingent on the ability to collect and process it effectively [3] - The report uses the analogy of a bluefin tuna to illustrate that without the means to capture visual data, its potential value remains untapped [3] - Companies are deploying cameras in various environments to gather high-quality visual training data, which is crucial for AI robot development [3] Group 2: Tesla's Focus on Visual Training - Tesla is transitioning to a pure visual training approach for its Optimus robot, moving from human-assisted tasks to data-driven autonomous learning [4] - The shift to using recorded videos of factory workers performing tasks aims to reduce training costs and enhance the robot's ability to learn complex operations in real-world industrial settings [4] - Skild AI is also building a "robotic foundation model" using human action videos from the internet, further emphasizing the value of real-world scene data in robot training [4] Group 3: Major Players Competing for Visual Data - Meta is embedding ultra-high-definition cameras in its next-generation wearable devices to capture user actions, which will serve as valuable training data for AI robots [5][6] - The projected ownership of Meta's devices could reach 20 million units within two years, significantly surpassing the current number of Tesla vehicles [6] - Brookfield is leveraging its extensive real estate assets to collect diverse training data for AI robots, collaborating with Figure AI to activate over 1 million residential units and substantial commercial spaces [6][7] Group 4: Investment Perspective - Tesla is highlighted as a core investment focus, with a target stock price of $410, driven by breakthroughs in AI robot technology and data accumulation [8] - The report identifies key variables that will support Tesla's long-term valuation, including advancements in AI robotics and data ecosystems [8]

在人工智能、机器人技术加速迭代的当下，一场围绕 "视觉数据" 的争夺战已悄然打响。摩根士丹利9月 22日发布研究报告，称视觉 - 语言 - 动作（VLA）模型是 AI 机器人实现自主交互的核心，而训练这类 模型的关键 ——"现实捕捉数据"，正成为全球科技与制造巨头争夺的焦点。 从特斯拉 Optimus 机器人转向纯视觉训练，到 Meta 在可穿戴设备中嵌入超高清摄像头，再到布鲁克菲 尔德联合AI企业布局场景数据收集，"谁能大规模获取高质量现实场景视频，谁就能在 AI 机器人时代 占据先机" 已成为行业共识。 一、"光子之争" 的本质：视觉数据是 AI 机器人的 "燃料" 大摩报告用 "胖金枪鱼" 的比喻生动诠释了视觉数据的价值逻辑：在偏远岛屿上，一条 600 磅的蓝鳍金 枪鱼若无法捕获，其价值为零；唯有配备船、渔具与探测器，金枪鱼才具备百万美元级价值。视觉数据 的价值亦如此 —— 若缺乏收集与处理能力，全球视觉数据的潜在价值无法释放；而当企业掌握 "尧级 次浮点运算（10 次 / 秒）" 的数据处理能力时，现实场景数据将成为 AI 机器人技术突破的核心 "燃 料"。 这种认知正驱动企业将摄像头部署到家庭、办公 ...

（原标题：大摩：视觉数据决定AI未来，特斯拉(TSLA.US)站上"光子竞赛"前沿） 智通财经APP获悉，摩根士丹利在最新研报指出，随着多家企业将资源和注意力转向物理/具身AI与机器人技术，一场针对现实世界视觉数据 的"光子竞赛"正在悄然爆发。在这一背景下，该行给予特斯拉"增持"评级，目标价410美元。 特斯拉、Meta和Figure AI等公司正通过不同路径积极布局视觉数据的收集与利用。该行强调："你可以拥有世界上所有的计算资源，但若没有视觉 数据，就无法训练视觉-语言-行动模型（VLA）。"大摩指出，视觉数据已成为AI训练中最稀缺、最具战略价值的资源。 大摩通过一个生动的比喻阐明视觉数据的价值：一条600磅的蓝鳍金枪鱼在远离海岸的地方游弋，若没有渔船和渔具，其价值为零；但若具备捕捞 能力，其价值可能高达310万美元。同理，世界的视觉数据若无法被捕获和处理，其价值也为零；但若能大规模收集并处理海量数据，则其价值将 不可估量。 特斯拉：转向"纯视觉"训练 2025年5月，特斯拉前Optimus负责人发布了一系列视频，展示Optimus通过人类视频学习自主完成任务。这些视频以第一人称视角(摄像头位于演 示者身上 ...

人工智能机器人领域正在经历一场前所未有的"光子争夺战"，各大科技巨头正在疯狂收集现实世界的视觉数据来训练AI机器人。 摩根士丹利在最新研报中表示，随着AI机器人和具身人工智能的发展，特斯拉、Meta和Figure AI等大规模收集视觉数据来训练视觉语言行动 (VLA)模型。 具体来看，特斯拉转向"纯视觉"训练方法，Meta通过智能眼镜收集日常活动数据，而Brookfield与Figure AI合作在庞大的房地产组合中部署数据 收集。 这一趋势对投资者意味着，视觉数据成为AI训练的新"金矿"，拥有数据收集能力的公司将在AI机器人竞赛中占据优势地位。 摩根士丹利用"肥金枪鱼"比喻来解释视觉数据的价值：2019年一条612磅的蓝鳍金枪鱼在东京拍卖会上售价310万美元，但如果没有捕捞工具， 这条鱼的价值为零。同样，如果没有处理能力（yottaflops级算力，1 yottaflop = 1万亿teraflops），世界的视觉数据价值也为零。但一旦具备了 收集和处理能力，这些数据就变得极其珍贵。 摩根士丹利表示，视觉数据成为AI训练的新"金矿"，拥有数据收集能力的公司将在AI机器人竞赛中占据优势地位。目前特斯拉转向"纯 ...