中泰证券：持续关注具身智能产业的技术变革突破、商业化落地路线、节奏与进展等

（原标题：中泰证券：持续关注具身智能产业的技术变革突破、商业化落地路线、节奏与进展等）

智通财经APP获悉，中泰证券发布研报称，作为机器人的“大小脑”，在硬件已达到较高工艺水平的情况下，具身智能的技术能力或将成为机器人发展的天花板。当前多家领军机器人企业均已各自的方式在具身智能领域投入较多资源与精力，以提升自家机器人的泛化行为能力。建议投资人持续关注具身智能产业的技术变革突破、商业化落地路线、节奏与进展等。

具身智能是一种基于物理身体进行感知和行动的智能系统，其通过智能体与环境的交互获取信息理解问题、做出决策并实现行动，从而产生智能行为和适应性。

具体而言，具身智能在机器人上的应用体现可以划分为三阶段：感知、推理、执行。 

具身智能是机器人与人工智能发展的交汇点。机器人的通用性取决于泛化性的发展程度，自20世纪50年代以来，经过多轮发展，机器人开始从传统的自动化工业场景机器人，向通用泛化场景的机器人方向发展。而人工智能在几十年发展过后，在今天迎来了智能程度、通识程度更高的生成式大模型时代。在当前时间点，人工智能可以真正为机器人赋予“大脑”，机器人也可为人工智能提供“身体”，两者深度融合，而融合的交点——具身智能，则是人工智能与机器人相互促进发展而形成的必然的产业趋势。

目前具身大模型可以分为两大流派，一类是端到端大模型，一类是分层具身大模型。

1)端到端大模型：能够直接实现从人类指令到机械臂执行，即输入图像及文本指令，输出夹爪末端动作。

2)分层具身大模型：不同层次模型协作，上层大模型进行感知与决策，底层硬件层和中间响应快的小模型进行决策的分解与执行。目前，由于受数据制约难以达到性能要求，端到端大模型尚未成为主流选择，更多厂商还是选择以分层模型为机器人的具身智能。

训练具身大模型的痛点：数据。机器人需要用海量数据进行训练，使其变得更加智能。但机器人是非常新的领域，严重缺乏训练数据的积累。对应而言，目前主要的数据收集方法有四种：

1)远程操作，即由实验人员操作机械手柄，远程控制机器人做出相同动作，以此来积累数据;

2)AR，即通过AR环境对机器人进行训练，积累数据;

3)仿真，即通过海量算力进行模拟运算，计算得出海量机器人训练数据集;

4)视频学习，即通过多模态大模型，直接让机器人通过视频学习人类动作，从而积累训练数据。

人形机器人产业未来展望：从专用到通用，从ToB到ToC。

短期来看，任务相对聚焦，对泛化能力要求不高工业制造场景下的任务正在更快进入商业化阶段。在工业制造场景实现商业化落地之后，海量机器人的具身数据叠加算力技术的进步，机器人的能力将循序渐进逐步解锁，并向商用服务、家庭服务等更开放的场景进行延伸，届时市场有望达万亿级。

风险提示：机器人产业相关政策落地不及预期；机器人商业化落地推进不及预期；AI与具身智能产业技术发展不及预期；行业竞争加剧；研报信息更新不及时的风险等。