人形机器人行业系列研究：人形机器人“大脑”，神机妙算，加速进化.docx

证券研究报告

证券研究报告

目录

具身智能打开万亿蓝海市场 3

机器人“大脑”的时代机遇：具身智能大模型 5

多模态大模型为机器人高层级控制带来技术突破 5

国内外科技巨头与机构入局，具身大模型成果涌现 7

具身大模型的关键挑战 18

机器人“大脑”的外延：云计算与边缘计算 20

机器人“大脑”的运行保障：云计算 20

机器人集群智能的核心：边缘计算 22

投资建议 24

风险提示 25

插图目录 26

表格目录 26

证券研究报告

证券研究报告

具身智能打开万亿蓝海市场

复盘机器人发展历程，具身智能时代已经到来。传统的工业机器人、协作机器人等需要按照提前设定好的程序步骤进行固定的工作，或者依靠传感器部件调整自身行为。通过搭载人工智能模型，具身智能机器人则有着智能化程度高、工作场景限制小、能够自主规划复杂工作的特点。

时间发展阶段智能化程度工作场景

时间

发展阶段

智能化程度

工作场景

工作任务

成熟度

代表产品

2008年以前

工业机器人

产线自动化

固定

简单重复工作

成熟期

机械臂、轨道机器人

2008-2015年

协作机器人

机器智能

可移动

人机协作完成复杂工作

成长期

物流机器人等

2015-2023年

智能机器人

机器智能

可移动

自主完成简单工作

成长期

手术、陪护机器人等

2023年及以后

具身智能机器人

人工智能

可移动

自主规划复杂工作

培育期

通用人形机器人

奥比中光官网，甲子光年，

具身智能机器人已经成为由“本体”和“智能体”耦合而成且能够在复杂环境中执行任务的智能系统。据高新兴机器人，具身智能机器人能够听懂人类语言，然后分解任务，规划子任务，在移动中识别物体，与环境交互，最终完成相应任务。当前，已有不少研究者尝试将多模态的大语言模型与机器人结合起来，通过将图像、文字、具身数据联合训练，并引入多模态输入，增强模型对现实中对象的理解，帮助机器人处理具身推理任务。

高新兴机器人，民生证券研究院图1：具身智能机器人是一个智能系统

高新兴机器人，民生证券研究院

资料来源：复盘人工智能发展历程，下一发展阶段将是物理AI。在2025CES的演讲上，黄仁勋表示，AI的发展有四个阶段，物理AI将是AI发展的下一个阶段，而通用机器人将是物理AI的核心载体。通用机器人给予人工智能身体，让人工智能有了直接改变物理世界的能力。AI对机器人的赋能主要集中在感知与决策层，使机器人能够与环境交互感知，自主规划决策行动。

资料来源：

证券研究报告

证券研究报告

图2：英伟达定义的人工智能发展四阶段

2025CES黄仁勋演讲，民生证券研究院

2025CES黄仁勋演讲，民生证券研究院

站在具身智能时代的临界点，人形机器人有望成为新一代智能终端，并开启万亿级蓝海市场。人形机器人兼具仿人外形与人工智能，具备操作人类生产生活工具的可能性，有望成为继个人计算机、手机和智能汽车之后的新一代智能终端。马斯克于2023年特斯拉股东会议上预测，未来全球的人形机器人数量有望达到100

资料来源：亿到200亿台，在人类生活和工业制造场景中得到应用，人形机器人将开启万亿级别蓝海市场。

资料来源：

证券研究报告资料来源：

证券研究报告

资料来源：

机器人“大脑”的时代机遇：具身智能大模型

多模态大模型为机器人高层级控制带来技术突破

具身智能指的是机器人通过在物理世界和数字世界的学习和进化，达到理解世界、互动交互并完成任务的目标。据稚晖君，具身智能需要本体、智能体、数据、学习和进化架构四大核心要素。

图3：具身智能需要本体、智能体、数据、学习和进化架构四大核心要素

智元机器人稚晖君演讲，民生证券研究院

智元机器人稚晖君演讲，民生证券研究院

资料来源：一般来讲，我们可以将一台通用人形机器人本体分为“大脑”、“小脑”和“肢体”三部分，分别对应决策交互模块、运动控制模块和执行模块。其中，人形机器人“大脑”的核心为人工智能大模型技术，通过多模态模型建模、强化学习、地图创建和数据训练，能够管理和协调机器人的各种功能。“大脑”是机器人智能与高级决策的核心，也是具身智能时代机器人区别于程序控制机器人（传统工业机器人、协作机器人等）的关键环节。

资料来源：

《人形机器人产业发展研究报告（2024年）》中国信通院，民生证券研究院图

《人形机器人产业发展研究报告（2024年）》中国信通院，民生证券研究院

证券研究报告

证券研究报告

让机器人“大脑”实现突破最核心的推动力是大模型实现涌现、成为真正的生产力。大模型的能力与机器人的需求十分契合，只需要告诉机器人它要做的任务是什么，机器人就会理解需要做的事情，拆分任务动作，生成应用层控制指令，并根据任务过程反馈修正动作，最