人形机器人行业核心观点 - 人形机器人实现规模化需将通用智能与实际应用结合，算法、数据、算力和硬件四项技术是关键 [2] - 视觉-语言-动作(VLA)模型是当前主流技术方案，但非最终解决方案，美国在算法层面有优势但国内发展迅速 [7] - 高质量真实数据对落地至关重要，数据采集方式包括二维图片/视频、遥操作/动捕数据和合成仿真数据，数据配方（混合三种数据）被广泛认可 [7] - "数据工厂"概念兴起，多家企业将其视为战略投资，但政府支持的数据收集中心效果有限 [7] 核心技术分析 算法 - VLA模型为主流，国内企业多依托科技大厂多模态大模型赋能，自身AI投入较少 [7][11] - 海外科技大厂（谷歌、OpenAI、Meta等）和高校（斯坦福等）占据优势，国内华为、百度、科大讯飞等已有成型产品 [10] 数据 - 数据采集基础设施（"数据工厂"）成为战略投资重点，但数据有效性仍存争议 [7] - 国内企业数据采集以教育、科研场景为主，可持续性较差 [12] 算力 - 英伟达全球主导，部分国内企业与华为合作 [7] - 边缘计算限制推动"快+慢"双系统架构VLA模型应用 [7] 硬件 - 灵巧手（触觉与力反馈传感器）是核心障碍，对数据收集和复杂任务处理至关重要 [7] - 国内企业侧重运动能力展示（如空翻、功夫表演），轻视抓取和泛化能力 [11] 商业化进展 - 工业场景（物料搬运/分拣）预计2025-2026年小规模商用，消费级应用较远 [7] - 价格区间宽泛，低价产品功能有限（科研/展览用途），但成本下降潜力显著 [7] - 国内企业交付以教育、科研、展示场景为主，技术突破有限 [12] 行业现状与挑战 - 国内政策与资本助推导致"揠苗助长"趋势，企业陷入运动能力"炫技"乱象 [11][12] - 全球供应链涉及多家头部企业（英伟达、特斯拉、三星等），涵盖算法、传感器、执行器等环节 [8] - 摩根士丹利预测人形机器人全球市场规模达5万亿美元 [7]