从具身智能大脑展望人形机器人发展：走向具身智能_37页_3mb

2025年人形机器人发展分析报告摘要

目前人形机器人厂商主要采用中央控制器作为"大脑"，负责语义理解、环境感知与动作决策，但高级认知能力尚未完善。未来机器人大小脑或实现分离，大脑算力强化以支撑复杂任务，小脑专注运动控制。英伟达Jetson系列是当前主流硬件方案，其Thor芯片已应用于波士顿动力Atlas机器人，具备800万亿次/秒AI算力，支持多模态生成式AI模型运行。部分厂商如宇树、众擎使用英特尔Core i5/N97作为基础算力，高配方案多基于Jetson Orin平台开发。

国内外大模型竞赛激烈，银河通用推出GraspVLA大模型，通过合成数据预训练与真实场景迁移学习实现泛化能力；FigureAI构建双系统架构VLA模型，结合开源视觉语言模型与快速反应视觉运动策略；智元机器人发布ViLLA架构通用基座模型，整合VLM+MoE结构，利用隐式规划器与动作专家模块提升任务成功率32%。英伟达GR00TN1模型采用视觉-语言-动作双系统设计，通过仿真与真实数据混合训练增强泛化能力，其Diffusion Transformer模块可实现120Hz闭环控制。

L4级具身智能预计2-5年内落地，以B端场景为主，如工业制造、商业服务等，采用轮式或轮足式结构，依赖本体厂商技术。L5级则将聚焦C端应用，如家庭服务机器人，需具备情感交流与复杂场景适应能力，互联网大厂因数据优势可能主导该领域。遥操作技术被视为L4/L5级关键支撑，通过VR+动捕系统实现人类动作精确映射，特斯拉Optimus通过众包训练员获取海量数据，智元建设百台机器人数据采集工厂，日均产出3-5万条数据，形成"数据采集-标注-训练-部署"全链路平台。

技术路线呈现分层决策与端到端模型并行发展，前者依赖多模块协同但存在对齐难题，后者整合感知与执行但需海量训练数据。数据采集面临Sim2Real迁移效果不足、真实场景数据稀缺等问题，英伟达构建数据金字塔体系整合网络数据、合成数据与实体数据。L4级商业化需解决成本控制与场景适配，L5级则涉及复杂的人机交互与情感化能力。

风险因素包括：规模化应用受阻、智能化进展缓慢、对就业市场形成冲击。报告指出，遥操作技术短期可加速商业化，长期将成为具身智能生态基础设施。当前行业仍处于L3级向L4级过渡阶段，需平衡技术成熟度与商业落地需求。