全文可编辑内容-机器人大模型行业市场前景及投资研究报告：真正的具身智能大模型.pptxVIP

证券研究报告机器人大模型深度报告我们距离真正的具身智能大模型还有多远？2025年8月9日1

投资要点：1.人形机器人为何需要高智能的大模型？尽管人形机器人的形态早已实现工程可行，但其真正实现产业化落地的关键，在于摆脱传统工业机器人“控制刚、泛化弱”的局限，补足对不确定性的理解与适应能力。工业机器人主要基于确定性控制逻辑运行，缺乏感知、决策与反馈能力，导致高度依赖集成，成本高、通用性差。相比之下，人形机器人以“通用智能体”为目标，强调感知—推理—执行的完整链路，必须依托大模型支撑的多模态理解与泛化能力，才能适应复杂任务与动态环境。当前多模态大模型的兴起，为人形机器人提供了“初级大脑”，开启从0到1的智能进化，并通过数据飞轮实现模型能力与产品性能的持续提升。然而整体智能化仍处于L2初级阶段，通往泛化智能仍面临建模方法、数据规模与训练范式等多重挑战，高智能大模型将是贯通通用人形机器人路径的核心变量。2.从架构端和数据端看，目前机器人大模型的进展如何？当前机器人大模型的快速演进，主要得益于架构端与数据端的协同突破。架构上，从早期的SayCan语言规划模型，到RT-1实现端到端动作输出，再到PaLM-E、RT2将多模态感知能力融合至统一模型空间，大模型已逐步具备“看图识意、理解任务、生成动作”的完整链条。2024年π0引入动作专家模型，动作输出频率达50Hz；2025年Helix实现快慢脑并行架构，控制频率突破至200Hz，显著提升机器人操作的流畅性与响应速度。数据端，已形成互联网、仿真、真机动作三类数据协同支撑的结构化体系：前两者提供预训练量级与泛化场景，后者则直接提升模型在物理世界中的实用能力。其中，真机数据采集对高精度动捕设备依赖度高，光学动捕以精度优势适配集中式训练场，有望成为具身模型训练的核心数据迁正转向“从数据堆料到结构优化”的阶段。。当前主流训练范式正由“低质预训练+高质后调优”快速迭代，模型智能的跃3.未来大模型的发展方向是什么？面向未来，具身大模型将在模态扩展、推理机制与数据构成三方面持续演进。当前主流模型多聚焦于视觉、语言与动作三模态，下一阶段有望引入触觉、温度等感知通道；Cosmos等架构尝试通过状态预测赋予机器人“想象力”，实现感知—建模—决策闭环，构建更真实的“世界模型”，提升机器人环境建模与推理能力；数据端，仿真与真实数据融合训练成为主流方向，高标准、可扩展的训练场正成为通用机器人训练体系的关键支撑。4.投资建议模型端建议关注【银河通用（一级公司）】【星动纪元（一级公司）】【智元机器人（一级公司）】，数据采集领域建议关注【青瞳视觉（一级公司）】【凌云光（688400.SH）】【奥比中光（688322.SH）】，数据训练场领域建议关注【天奇股份（002009.SZ）】。5.风险提示大模型技术进展不及预期，高质量数据获取受限，人形机器人需求不及预期。2

目录1.人形机器人为何需要高智能的大模型？2.从架构端和数据端看，目前机器人大模型的进展如何？3.未来大模型的发展方向是什么？4.相关标的5.投资建议与风险提示3

1.1人形形态并非技术难点，核心在于通用智能的补足?人形形态的机器人早已实现工程落地，但长期停留在“仿形不仿智”阶段。过去的人形机器人主要以模仿人类形态为目标，相关技术早在数十年前已初步成熟。早期典型代表如2000年本田推出的ASIMO与2013年波士顿动力的Atlas，虽具备出色的运动能力，但执行逻辑高度依赖预设行为库。这类机器人可完成跑跳等复杂动作，体现了运动控制硬件的成熟度，但其行为均来自人工设定的指令序列，无法自主理解任务或适应环境变化。因此，本质上这类产品仍是“人形的机器”，而非“具备人类智能的机器人”。它们缺乏对环境的感知、任务的理解与泛化能力，尚不具备真正的智能交互与通用任务执行潜力。图：日本本田ASIMO机器人跑步图图：美国波士顿动力Atlas机器人运动图数据：极果公众号，环球网科技，东吴证券研究所4

1.2多模态大模型的出现，为人形机器人装上“智能大脑”?本轮人形机器人热潮的底层驱动力，是市场对其“智能性”的高度期待。随着多模态大模型的突破，机器人首次具备了“感知—理解—决策”的潜力，被视为拥有“大脑”的关键起点。大语言模型（LLM）的成功，验证了通过大规模互联网文本训练神经网络具备推理能力的可行性；而视觉语言模型（VLM）进一步拓展模态边界，使模型可以“看懂图像、理解语言”。LLM专注于文本推理，VLM则通过融合图像/视频与语言等模态信息，构建起跨模态的统一表征体系，从而支持模型理解现实世界的更多维度。?动作模态的融入，让模型端真正赋予机器人执行操作的能力。仅能感知、理解世界并不是机器人大脑的终极目标，机器人的最终目标是在认知的基础上实现与现实世界的动作交互。目