【简】机器人系列报告一：决定机器人泛化能力天花板的大小脑-具身智能250309

一、具身智能的定义与核心架构

1. 定义具身智能是基于物理载体（如机器人）通过与环境交互实现感知、决策与执行的智能系统，其核心在于“具身认知”——智能依赖身体与环境的动态交互，而非纯离线计算。2.三阶段应用感知：物体/场景/行为/表达感知，依赖多模态传感器（视觉、力觉、触觉）。推理：任务规划（如将人类指令转化为机器人动作）、导航（3D环境移动）、具身问答（结合环境数据回答问题）。执行：技能学习（模仿学习与强化学习结合），如机械臂抓取、路径优化。3.“大脑-小脑”架构大脑：大模型（如LLM/VLM）负责高层次认知决策（任务理解、策略生成）。小脑：快速响应的小模型或底层算法（如MPC、WBC）负责精细运动控制（关节扭矩、实时避障）。

二、具身大模型的技术流派与挑战

1. 两大主流技术路线端到端大模型（如谷歌RT-2）：直接从人类指令生成动作序列，泛化能力强但依赖海量数据（如谷歌厨房场景数据仅能泛化30%至新环境）。分层模型（主流选择）：上层大模型处理决策，中间层分解任务，底层小模型控制执行（如Figure02采用OpenAI大模型+神经网络策略+全身控制器）。2.核心挑战数据瓶颈：机器人物理交互数据稀缺，需依赖远程操作、仿真、AR、视频学习等方法积累。响应速度：端到端模型推理延迟高（RT-2仅1-3Hz），需平衡精度与实时性。成本控制：人形机器人成本仍高达3万-15万美元，需硬件降本（如特斯拉复用汽车供应链）与算法优化。

三、商业化路径与场景落地

1. 短期（2025-2026年）：工业制造场景主导需求特征：任务聚焦、环境封闭，适合分层模型快速落地。代表案例：配天机器人：免示教焊接软件模块，通过视觉检测自主调整焊接参数。特斯拉Optimus：2025年量产，目标年产能百万台，优先用于汽车工厂内部物流。2.中期（2027-2030年）：向商用服务延伸场景拓展：仓储分拣、医疗护理、应急救援，需提升环境泛化能力。技术突破：世界模型（World Model）辅助训练，降低仿真数据依赖。3.长期（2030年后）：家庭服务场景爆发需求驱动：老龄化加剧（中国60岁以上人口占比超22%）、劳动力短缺。技术门槛：需突破复杂交互（如情绪识别）、长尾任务处理（如家务操作）。

四、投资建议与风险提示

1. 重点标的硬件层：索辰科技（物理AI+机器人子公司）、能科科技（特种行业AI能力）。算法层：英伟达（计算平台+多模态模型）、DeepSeek（开源大模型降低研发门槛）。2.风险提示政策风险：机器人产业补贴不及预期。技术风险：具身大模型泛化能力突破延迟。伦理风险：人机协作中的责任界定与数据安全问题。

五、行业数据与趋势市场规模：2025年全球人形机器人市场规模约85亿美元，中国占比50%（42.5亿美元）。成本下降：2025年人形机器人核心零部件成本较2024年下降40%（如无框力矩电机成本降至3000美元/台）。政策支持：2025年“具身智能”首次写入中国政府工作报告，明确技术攻关与场景开放目标。