深度报告-20250809-东吴证券-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

机器人大模型深度报告：通往具身智能的路径与投资机会

1. 关键发现与洞察

1.1 行业背景

人形机器人的研发正处于从“形态仿真”向“智能体”的关键跃迁。传统工业机器人受限于“控制刚、泛化弱”的特性，而新一代人形机器人依赖 大模型作为“初级大脑” ，以实现多模态感知与复杂环境互动。当前模型尚处于L2初级阶段，智能化升级仍面临建模方法、数据规模与训练范式三大挑战。

1.2 技术进展

架构演进

机器人模型架构从早期SayCan/RT-1的基础任务规划，迭代至融合多模态感知与动作执行的大规模具身模型（如PaLM-E、RT2、π0），动作输出频率从1Hz提升至200Hz，推理链路逐步打通。代表性架构演进如下：

• SayCan/RT-1：任务-动作离散耦合；
• PaLM-E：首代具身多模态语言模型；
• RT2/Helix：端到端VLA架构与快慢脑并行设计，支持高频动作输出；
• π0/π0-Fast：动作专家+扩散模型，实现50Hz动作输出。

数据策略

数据端遵循“仿真+真机”融合原则，三类数据协同支撑模型训练：

• 互联网数据：低成本预训练，占比较大；
• 仿真数据：生成效率高，用于冷启动；
• 真机数据：采集成本高，关键用于后训练，占比约10%。

新范式突破

• 引入 世界模型（如Cosmos），实现物理规律模拟与任务泛化；
• 扩展至触觉（VTLA）、动作扩散模型等下一代技术，提升交互精度。

1.3 投资建议

模型端

优先关注具备多模态能力、全仿真训练路线或端到端架构的头部企业：

• 银河通用：全球最大数据体量（十亿帧），全仿真驱动模型；
• 星动纪元：双系统架构+Fusion世界模型，商业化闭环；
• 智元机器人：ViLLA架构融合VLM+动作专家+世界模型，技术栈领先。

数据链

重点关注动捕设备、数据采集与训练场基础设施布局企业：

• 青瞳视觉：光学动捕系统，与头部机器人厂商深度合作；
• 凌云光：FZMotion动捕产品，动捕市场规模第一；
• 奥比中光：3D视觉与芯片技术，赋能机器人传感；
• 天奇股份：机器人实训场建设，将汽车产线作为数据来源。

1.4 风险提示

1. 技术迭代风险：模型泛化能力尚未成熟，商业落地不及预期；
2. 数据瓶颈：高质量真机数据获取成本高、效率低；
3. Sim2RealGap：仿真与真实环境对齐难度大，影响模型表现。

2. 技术架构脉络图

graph LR
    A[SayCan-R1] -->|任务规划| B[RT2]
    B --> C[PaLM-E]
    C --> D[π0]
    D --> E[Helix]
    F[互联网数据] --> G[预训练]
    G --> H[仿真数据]
    H --> I[真机数据]
    I --> D
    E -->|动作扩散模型| J[冯元]

3. 投资逻辑矩阵