机器人大模型深度报告-我们距离真正的具身智能大模型还有多远_56页_5mb

投资要点总结

1. 人形机器人为何需要高智能的大模型？
   人形机器人产业化落地的核心在于智能化的提升，传统工业机器人依赖预设指令，缺乏对不确定性的适应能力。高智能大模型（如多模态VLM、VLA）为人形机器人提供了“大脑”，实现感知-任务理解-动作输出的闭环，数据飞轮机制可驱动模型与产品迭代。目前智能水平普遍为L2，距离L5泛化智能仍有差距。

2. 当前机器人大模型的进展

• 架构端：从SayCan（任务规划+可行性评估）到RT-1（端到端Transformer）、RT-2（VLA+动作专家）、π0/Fast（50Hz输出）、Helix（快慢脑架构，200Hz输出）演化，动作输出频率及泛化能力提升显著。
• 数据端：互联网数据低成本预训练，仿真数据（如iToF、三维重建）提升动作能力，真机数据采集依赖高精度动捕设备，动捕领域光学与惯性系统各有侧重。主流采用“仿真：真实数据=9:1”混合训练模式。

3. 未来大模型发展方向

• 模态扩展：引入触觉、温度等模态，构建VTLA（触觉+VLA）模型。
• 架构演进：融入世界模型（如Cosmos），通过状态预测实现环境建模与决策。
• 数据融合：仿真与真实数据协同，构建多场景、高多样性的训练场，支撑Scaling Law下的模型能力跃迁。

4. 相关标的与投资建议

• 模型端：银河通用（全仿真训练）、星动纪元（双系统架构+世界模型）、智元机器人（ViLLA架构融合VLM+MoE）。
• 数据采集：青瞳视觉（光学动捕）、凌云光（FZMotion）、奥比中光（3D视觉感知）。
• 数据训练场：天奇股份（优必选合作）。

5. 风险提示

• 技术瓶颈：模型泛化、动作频率不足及Sim2Real Gap问题。
• 数据依赖：高质量真机采集成本高、效率低，限制模型发展。
• 需求不及预期：人形机器人商业化路径尚未成熟，终端需求存在不确定性。