机器人产业洞见与具身智能技术路径交流纪要

摘要： 本次会议由国金证券具身智能团队主导，重点分析了机器人产业的最新变化，涵盖某头部机器人公司（语速/宇树）IPO材料揭示的技术架构、产业链供应商进展，以及硅谷具身智能模型演进的五大主流路径。

行业主线：

1. 技术架构分层：目前具身智能主流方案为“自研小脑+集成第三方大语言模型”的分层架构。小脑侧重于大规模并行仿真训练以实现运动控制，大脑侧则在世界模型与VLA模型两条路线上并行布局。
2. 中美发展路线分化：北美公司倾向于高投入追求全球顶级通用模型（如Figure AI）；中国公司则采取“本体先行、正向造血”的路线，通过高性价比产品快速商业化，再利用资金反哺模型研发。

关键变化与分歧：

1. 数据采集五大路径：学术界（以李飞飞为代表）将具身智能路径分为：放弃泛化性的垂类落地、仿真+世界模型、真机素材+模仿学习（含可穿戴/遥操/混合采集）、纯大模型驱动（无本体）以及特斯拉的半自动化采集与商业反哺模式。
2. 商业化闭环认知：在劳动力成本极高的欧美市场，即使泛化能力不足的垂类机器人只要能替代特定高时薪岗位，即可快速实现商业闭环。

受益方向与风险：

1. 受益方向：具备量产能力的本体厂商、核心零部件供应商（如高精度齿轮、深度相机等）、以及能高效构建数据闭环的企业。
2. 核心风险：模型泛化能力提升不及预期、商业化落地节奏慢于预期、核心部件成本下降压力。