20250227-东吴证券-人形机器人思考-专题2_我们离真正的具身智能大模型还有多远__3页_510kb

自动化设备行业点评报告：人形机器人研究——具身智能大模型发展分析

✅ 投资要点

1. 背景：FigureAI发布HelixVLA大模型引发关注，但市场对具身智能大模型认知不足，报告聚焦其核心问题与落地路径。
2. 短期看，多数人形机器人企业采用分层模型，以快速商业化；长期需依赖端到端模型实现智能涌现与具身智能发展。

🄆 投资逻辑

🔍 问题一：VLA是什么？

• VLA（视觉-语言-动作）大模型能实现机器人理解环境、理解语言指令，并执行动作。

🔍 问题二：分层 vs. 端到端模型

• 分层模型：调用多个独立模块完成感知、决策、动作，操作简单、易落地；适合短期商业化。
• 端到端模型：将整个过程集成于单个模型，理论上智能更强但挑战更大，如算力和数据需求庞大。
• 结论：当前主要采用分层模型；长期需向端到端演进。

🔍 问题三：端到端模型训练的核心瓶颈（数据）

1. 数据量不足：机器人训练数据（以万/千条计），远小于视觉语言模型（亿级数据）。
2. 数据获取难题：

• 真实数据采集耗资巨大（动捕设备价格昂贵）；
• 虚拟仿真技术虽可模拟部分场景，但存在“仿真到现实”缺口（尤其柔性场景）；
• 真人数据映射尚处早期探索阶段。

3. 数据毒性风险：遥操控数据存在无用停顿、不符合机器人运动逻辑等问题。

4. 硬件差异导致数据碎片化：不同机器人本体结构不同，形成跨平台复用壁垒。

🔍 问题四：业界如何突破数据限制？

目前尚无可靠解法。各家正在单场景内采集数据、推进商业化，验证泛化能力，寄望于3-5年后：

• 数据量积累充足；
• 硬件设计收敛；
• 基础模型智能涌现才有可能转向端到端大模型。

🔍 问题五：DeepSeek范式能否适用？

✅ DeepSeek模型结合预训练+强化学习+优数据，理论上可简化训练路径，但尚不具备落地条件。

• 现阶段缺两类要素：强大的基础预训练模型 + 完善的强化学习制度。

🤔 总结

该行业目前正处于：
1️⃣ 快速落地期：以分层模型为核心策略。
2️⃣ 数据瓶颈期：无有效且可靠的解决方案。
3️⃣ 中长期乐观：技术、数据和硬件成熟后将迎来爆发。

🔒 风险提示

• 产业竞争加剧，推进速度不如预期；
• 产品功能不及预期；
• 基础模型商业化进程延误。

💰 投资建议

短期内关注商业化进展，长期看好端到端模型发展路径，建议增持。