“AI+”系列报告（机械篇）：DeepSeek冲击波：大脑平权催化具身智能

（以下内容从中国银河《“AI+”系列报告（机械篇）：DeepSeek冲击波：大脑平权催化具身智能》研报附件原文摘录）
核心观点
大模型如何赋能具身智能机器人？现实世界场景过于复杂，人工构建完整的技能库几乎不可能，因此泛化能力对于通用具身机器人十分关键，而大模型是提升机器人泛化能力的重要工具。1）感知层面，具身智能可以帮助机器人主动映射、主动定位、物体识别、交互感知，其中大模型能更好地处理语言、2D图片、3D数据等多模态数据；2）推理层面，具身智能能够帮助机器人进行任务规划、导航等，其中大模型可一定程度取代人工建模，理解各种人类文本命令，适应新环境新物体新任务，提高泛化能力；3）执行层面，具身智能可帮助机器人技能学习，使用大模型在真实场景数据上有较之前更好的泛化性。
分层端到端为当下主流，新范式持续涌现：具身智能模型按照算法可分为两类，分层端到端模型和端到端模型。1）分层端到端一般分为三层：基础大模型（LLM/VLM）、决策模型（LLM向强化学习演进）、操作模型（“MPC+WBC”向“RL+仿真”转变），对数据需求相对更少，在新任务学习上更有优势。2）端到端大模型，同时训练决策和操作，对数据和算力要求高，以谷歌RT-2为代表。目前被大多数本体厂商使用的是分层端到端模型，外接VLM大模型+自研操作小模型，例如Figure02接入OpenAIVLM，Apollo接入谷歌机器人大模型，乐聚“夸父”接入华为盘古大模型等。同时，模型的创新也在不断涌现。Figure2月20日发布的具身智能大模型Helix可完成从原始像素和文本命令映射到连续动作；无需任何任务特定的微调；将VLM主干与机器人视觉运动策略结合达到高速连续控制；实现全身控制和多机器人协作；在本地GPU运行。Helix大幅提升了人形机器人家用可能性。
DeepSeek冲击波：大脑平权催化具身智能：DeepSeek能够提供开源优质的LLM（DeepSeekV3/R1）和VLM（DeepSeekVL2），有利于实现大脑平权，并催化具身智能。1）DeepSeek让一些受制于大模型闭源限制而难以承受从头开发“大脑”的机器人企业，能够接入开源“大脑”，从而将更多资源投入到机器人“小脑”（操作小模型）开发中，缩小初创企业参与具身智能机器人研发制造的门槛，并缓解行业中操作小模型发展迟滞现状。例如，在具身模型分层端到端架构中，基础大模型一般为LLM/VLM，DeepSeek可以给本体厂商提供开源、高性能且“低价”的选择。2）DeepSeek会促进一些人形机器人初创公司开始自研真正适配具身智能机器人的大模型，激发行业创新，实现效果优化。FigureHelix在其系统2部分内置了一个开源的、开放权重的VLM，DeepSeek可以极具性价比地提供此类功能。
投资建议：我们认为，DeepSeek促进大脑平权，驱动具身智能机器人研发进展和商业落地，行业量产有望加速，建议关注执行器-三花智控/拓普集团/汇川技术/恒立液压，减速器-绿的谐波/丰立智能，丝杠-恒立液压/贝斯特/北特科技/五洲新春/震裕科技，灵巧手-鸣志电器/兆威机电，六维力传感器-柯力传感，触觉传感器-汉威科技/福莱新材等。
风险提示：产业政策及产业化不及预期的风险；Optimus进展不及预期的风险；国内供应商在特斯拉供应链进展不及预期的风险：技术选代的风险。