具身模型为何是本轮机器人浪潮的真正驱动力？

具身模型：具身智能的下半场

机器人指数表现突出

基日（2024年9月23日）以来，Wind人形机器人指数和CIS机器人指数累计收益率大幅领先沪深300以及中信制造产业指数。这一数据直观地展示了机器人行业在市场中的强劲表现，吸引了众多目光。不过，从行业分布角度深入剖析，会发现这种市场表现主要是由硬件性质的公司推动的，软件算法与模型的影响力尚未在市场表现中得以体现。

智能水平是关键驱动力

智能水平才是本轮机器人浪潮背后的核心驱动力。AI为机器人赋予了最为关键的“大脑”。这个“大脑”涵盖软硬件两方面。硬件上，高算力芯片让大模型能够顺畅运行；软件方面，大模型的发展进步使机器人真正有能力完成复杂多样的任务。传统工业机器人和新一代机器人的显著区别就在于通用性，也就是泛化能力的差异。

具身模型关键要素：数据+算法

数据面临的问题与作用

当前具身模型使用的数据存在格式标准化、分布多样性及量等问题。尽管如此，具身智能数据集发展迅速，场景数、任务数等不断增加，有力带动了机器人性能提升。比如在算法不变时，数据更丰富能大幅提高机器人线缆布线任务成功率。而且在采集数据成本高的情况下，合成数据也发挥着重要作用，大模型在其中贡献显著。

算法的发展趋势与现状

端到端大模型是长期发展方向，它能更好整合各方面能力，避免信息损失，上限较高。像VLM模型Flamingo等都增强了泛化能力，不断刷新任务成功率。端到端模型对数据要求高，在目前数据供应不充分时，在部分困难任务中虽能保持一定成功率，但仍需分层模型架构或人工编写规则代码辅助。

产业格局：下半场开启，产学研密切联动

研发核心的转变

从研究影响力角度看，研发核心经历了从早期学术界为主，到近年大型科技公司主导，再到最近两年创业公司不断涌现的过程，呈现出一条从学术走向产业的清晰路径。这一系列的变化反映了机器人领域研发力量的动态转移，不同阶段各有优势和特点，推动着行业不断向前发展。

具身模型竞争与前景

未来几年是具身模型产业化发展的关键时期。具身模型的竞争和此前大模型竞争有相似之处。在当前阶段，模型的智能水平依旧是首要因素，那些能够占据关键场景并且拥有优质数据的厂商，有望在市场中强化自身地位，在激烈的竞争中脱颖而出。

风险因素与投资策略

风险因素不可忽视

机器人技术进步速度可能低于预期，这会影响机器人功能的完善和升级。机器人应用场景的发展潜力也可能不如预期，限制其市场推广。技术路线变动风险、政策实施力度不及预期、行业竞争加剧风险以及法律法规风险等，都给具身模型的发展带来挑战，需要密切关注。

投资策略建议

具身模型竞争与大模型类似，模型发展依赖软硬件基础设施。数据是核心竞争要素，物理AI能解决数据问题，关注数据和物理AI供应商。具备场景的公司能获取高质量数据提升模型性能，建议关注与应用层密切联动的厂商。

相关问答

机器人指数在市场中的表现如何？

基日（2024年9月23日）以来，Wind人形机器人指数和CIS机器人指数累计收益率大幅领先沪深300及中信制造产业指数，不过主要由硬件公司推动。

具身模型使用的数据存在哪些问题？

存在格式标准化、分布多样性及量等问题，尽管具身智能数据集在发展，但这些问题仍影响着具身模型的进一步发展。

端到端大模型有什么优势和局限？

优势是能更好整合能力，避免信息损失，上限高；局限是对数据要求高，目前数据供应不充分时，部分困难任务还需其他辅助。

具身模型研发核心经历了怎样的转变？

从早期学术界主导，到近年大型科技公司主导，再到最近两年创业公司不断涌现，呈现学术到产业的路径。

具身模型发展面临哪些风险因素？

面临技术进步速度低、应用场景潜力低、技术路线变动、政策力度不及预期、行业竞争加剧和法律法规等风险。

具身模型投资策略方面有哪些建议？

关注软硬件基础设施公司，数据供应商与物理AI公司，以及垂直场景机器人应用公司，这些公司在具身模型竞争中有优势。