行业增长态势 - 全中国智能机器人产业平均每家公司增长至少超过50%-100% [3] - 中国出口工业机器人增长54.9% [5] - 智能机器人领域平均增长速度预计为100% [5] 机器人大模型技术进展 - 机器人大模型进展速度比预期慢，尚未达到临界点，相当于ChatGPT发布前1-3年 [6] - 深度强化学习的全身运控技术进步非常明显，且每月进步速度非常快 [6] - 模型结构和数据质量是当前面临的主要挑战，需要协同改进而非盲目扩大规模 [6] 具身智能发展目标 - 真正的具身智能"ChatGPT时刻"定义为在陌生生活场景中，通过语音或文字指令，机器人能实现约80%的任务成功率 [6] - 实现该目标是未来一到两年的重要方向，成功者将成为全球最领先的具身智能AI模型 [7] 主流技术路径分析 - 架构清晰的VLA+RL模型是当前主流，但面临泛化能力不足的挑战 [8] - 基于视频生成的世界模型潜力巨大，但对算力需求非常高，更适合资源丰富的AI大公司 [8]

行业核心观点 - 机器人大模型发展的核心制约因素在于模型架构与数据质量两方面，两者需协同改进[1] - 现有模型结构的泛化能力已显不足，需进行结构性创新[1] - 大规模、高质量数据的采集与评估仍是行业瓶颈[1] 行业发展建议 - 业界应在模型创新与数据质量上投入更多理性思考，而非盲目采集大量数据或扩大模型规模[1] - 呼吁行业花更多时间提升数据质量与模型架构，而非单一追求数据量或模型规模[1]

报告行业投资评级 - 计算机行业投资评级为增持（维持）[1] 报告核心观点 - 大脑是机器人实现智能的核心，基于AI大模型实现自主决策、导航、任务执行和人机交互等功能[3] - 具身智能大脑技术路线处于并行探索阶段，主要存在端到端VLA、大脑+小脑分层和世界模型三条主流路径[3][13] - 大脑是阻碍具身智能发展的关键瓶颈，机器人大模型发展进度类似ChatGPT发布前1-3年阶段，临界点可能在未来1-5年实现[3][18][19] - 具身智能大脑市场将成为具身智能市场中发展最快、技术难度最高且最关键的环节[3][55] - 全球机器人大脑厂商百花齐放，多家公司估值超百亿，建议关注具身智能大脑相关标的[3][55][56] 机器人大脑定义和能力 - 人形机器人由大脑、小脑和肢体三部分组成，大脑基于AI大模型实现自主决策、环境感知、任务规划和人机交互[8] - 机器人大脑需具备实时交互、多模态感知、自主可靠决策以及涌现和泛化四大核心能力[9][10][12] - 机器人大模型与通用大模型有区别，难以直接共用，LLM是语言预测器而非机器人控制器[12] 技术路线探索 - 端到端VLA技术路线采用单一模型从感知到动作端到端学习，适用于短程任务但复杂长程任务存在局限性[13] - 大脑+小脑分层技术路线相对成熟，通过多模态大模型负责高层决策，小脑模型处理运动控制，实现模块化、可泛化和可解释优势[3][13] - 世界模型技术路线处于特别早期阶段，旨在构建物理世界完整建模[3][13] - 类脑智能和脑机接口等创新技术为未来大脑解决方案带来可能[14] 行业参与者格局 - 专门做机器人大脑的公司包括通研院、Physical Intelligence和Skild AI等，具备专注度和物理交互理解优势[3][17] - 通用大模型公司如谷歌、OpenAI、字节和阿里等具备强大基础模型能力但对物理世界了解有限[17] - 具身智能企业自研如智元机器人和特斯拉等可实现软硬件最优化但其他企业较难采用其模型[17] - 三种参与者各有优劣势，最终在市场中都会有一席之地[17] 全球主要厂商分析 - Tesla Optimus采用与FSD同源单一基础模型架构，实现端到端自主决策，Grok模型整合使任务理解准确率达92%以上[23][24] - Figure AI自主研发Helix模型，实现端到端闭环控制，多机器人协同作业效率提升4倍以上，任务成功率从不足50%提升至98%以上[25][26][27][28] - Physical Intelligence估值24亿美元，π0.5模型通过异构数据协同训练实现新环境泛化能力[31][32] - Skild AI估值45亿美元，采用软硬分离策略，训练逻辑类似AI大语言模型[35][36][38] - 通研院推出"通智大脑"全栈式具身智能底座，并通过子公司取得品茗科技16%股权[41][42][43] - 银河通用估值115亿元，采用合成数据驱动训练，合成数据占比99%以上，抓取成功率高达95%[44][45][46] - 智元机器人发布启元大模型，采用ViLLA架构实现小样本快速泛化[47][48] - 星动纪元推出VLA大模型驱动双足人形机器人星动L7，具备55个自由度[49] - 星海图研发EFM-1双系统模型架构，融合VLM和VLA实现闭环决策[52][53] - 自变量机器人自研GreatWall操作大模型系列，具备精细操作能力[54]

机器人行业发展现状 - 当前语言模型在文字和图像领域表现出色 但在AI实际执行任务的领域仍处于早期阶段 仅如荒漠中长了几根小草 大规模爆发性增长的前夜尚未到来 [3] - 机器人领域面临的核心挑战并非数据缺乏 而是机器人大模型的水平不足 硬件已足够可用 但AI模型能力不足导致硬件无法充分发挥效用 例如难以有效控制灵巧手 [4] - 多模态融合在机器人领域表现不理想 尽管单纯语言或多模态模型优异 但用语言或图像、视频生成内容来控制机器人仍存在重大挑战 特别是运动与视频、语言模型的对齐难题 [4] 数据挑战与利用 - 机器人数据采集面临巨大难题 包括难以判断优质数据标准 哪些动作和场景需要采集 如何采集才能获得有价值数据 都需要建立一套标准来提高数据利用率 [4] - 数据质量存在显著问题 采集过程噪声大 数据质量差 且需要采集的数据类型和规模都处于模糊阶段 目标是通过提高模型对数据的理解能力 实现在较小数据量下获得良好效果 [4] 技术发展与人才管理 - AI模型认知需要更激进 应将其视为全能型工具 重新学习新知识 摒弃过去经验 避免依赖历史经验影响未来决策 [4] - 科技企业发展面临顶尖人才短缺和管理效率低下两大挑战 人员增加反而导致效率降低 [4]

机器人板块市场表现 - 国证机器人产业指数早盘上涨2.3% [1] - 成份股利元亨涨超12% 汉威科技涨超7% 华中数控和兆威机电涨超4% [1] 优必选订单突破 - 优必选签订2.5亿元具身智能人形机器人产品及解决方案采购合同 [1] - 合同以人形机器人Walker S2为主 将于今年内启动交付 [1] - 此前7月曾获近亿元订单 创全球人形机器人企业最大单笔纪录 [1] 行业发展趋势 - 中国产业链公司今年开始大规模布局人形机器人赛道 [1] - 通过投资和并购等方式拓展业务 产业硬件成本有望快速下降 [1] - AI赋能机器人大模型创新 推动机器人"大脑"实现智能泛化 [1] 指数产品特征 - 国证机器人产业指数人形机器人相关个股占比近八成 [1] - "人形含量"在ETF跟踪指数中位居第一 [1] - 机器人ETF易方达（159530）规模在该指数相关产品中居首 [1]

指数表现与成分股涨跌 - 截至2025年9月4日13:15中证机器人指数下跌1.71% [1] - 成分股涨跌互现 东杰智能领涨3.99% 南网科技和宏英智能跟涨 科沃斯领跌 云天励飞和秦川机床跟跌 [1] - 机器人ETF嘉实(159526)当日回调蓄势 [1] ETF表现与资金流向 - 机器人ETF嘉实近1月累计上涨12.80% [1] - 近1年净值上涨75.41% [3] - 最新单日资金净流入893.25万元 近5个交易日有4日净流入 合计净流入3798.79万元 [3] - 盘中换手率6.42% 成交额3857.11万元 近1周日均成交6258.94万元 [3] - 近1年规模增长5.89亿元 [3] 历史收益特征 - 自成立以来最高单月回报25.78% 最长连涨月数3个月 最长连涨涨幅37.12% 上涨月份平均收益率9.74% [3] 指数权重结构 - 中证机器人指数前十大权重股合计占比50.36% [3] - 权重股包括汇川技术(9.96%) 科大讯飞(9.70%) 石头科技(5.03%) 大华股份(4.88%) 中控技术(4.40%) 大族激光(3.18%) 双环传动(3.53%) 机器人(3.34%) 云天励飞和科沃斯 [3] 权重股市场表现 - 汇川技术跌0.93% 科大讯飞跌2.50% 石头科技跌1.97% 大华股份跌3.10% 中控技术跌0.25% [5] - 双环传动跌2.53% 机器人跌2.96% 大族激光跌2.19% 巨轮智能平盘 拓邦股份涨0.56% [5] 行业动态与订单 - 优必选9月3日获得国内知名企业2.5亿元具身智能人形机器人产品及解决方案采购合同 [5] - 7月曾获近亿元全球人形机器人企业最大单笔订单 [5] 机构观点 - 华泰证券认为产业初期交付订单数非关键指标 核心在于形成正确模型范式和数据飞轮 [6] - 中国制造业企业布局人形机器人赛道可能带来硬件成本非线性下降 [6] - AI赋能下的机器人大模型创新是实现智能泛化的关键 最终落地空间较大的ToC市场 [6]

优必选订单与产能情况 - 优必选获得国内知名企业2.5亿元具身智能人形机器人产品及解决方案采购合同 以Walker S2为主 今年内启动交付 [1] - 剔除天工行者后 Walker系列人形机器人已获得近4亿元合同 [1] - 天工行者人形机器人在手订单达百台 预计今年交付超过300台 [1] - 公司预计今年交付500台以上工业人形机器人 全年产能达1000台 [2] 行业订单动态 - 天太机器人签署全球首个具身智能人形机器人10000台订单 [3] - 智元机器人与富临精工达成数千万元项目合作 近百台远征A2-W将落地工厂 [3] - 智元机器人与宇树科技共同中标1.24亿元人形双足机器人代工服务采购项目 [3] - 截至8月4日 智元机器人中标9个项目 宇树科技中标68个项目 优必选中标16个项目 中标数量接近或超过去年全年水平 [4] 行业发展趋势 - 人形机器人商业化元年开启 订单浪潮倒逼产业扩大产能 交付能力成为企业争夺订单关键 供应链成为核心瓶颈 [4] - 产业初期核心在于能否形成正确模型范式和数据飞轮 而非交付订单数 [4] - 中国制造业企业大规模布局人形机器人赛道将带来硬件成本非线性下降 [4] - AI赋能下的机器人大模型创新成为重点 通过智能泛化打开ToC市场需求 [4] - 头部企业开始落地VLA大模型 并在高精度工业场景进行数据采集和模型训练 [4] 应用场景与投资方向 - 人形机器人订单从教育科研延伸至工业制造、商业运营、政企服务 试验更多应用场景部署可能性 [5] - 投资层面建议关注新技术迭代及零部件 包括触觉传感器、谐波减速器、摆线针轮、高功率密度电机、peek及粉末冶金工艺 [5]

行业规模与市场表现 - 2024年中国工业机器人市场销量达30.2万套，连续12年保持全球最大工业机器人市场 [1] - 2024年中国机器人专利申请量占全球总量的三分之二 [1] - 2025世界机器人大会展示200多家企业、1500余件展品、100余款新品 [1] 政策与产业链优势 - 工信部2023年10月发布《人形机器人创新发展指导意见》，各地如北京、上海、广东出台专项政策支持技术创新与产业集聚 [1] - 摩根士丹利报告指出人形机器人"身体"部分是中国企业的强项 [1] - 核心部件如关节模组、传感器实现100%国产自研，产业链完备性成为竞争优势 [1] 技术演进与创新 - 具身智能大模型为人形机器人提供"初级大脑"，推动感知—决策—执行链路完善 [1] - 机器人大模型突破得益于架构端（如SayCan、RT-1、PaLM-E）与数据端（互联网、仿真、真机动作三类数据）协同 [2] - 未来技术演进方向包括模态扩展（触觉、温度感知）、推理机制与数据构成优化 [2] 产品应用与商业化前景 - 超50家整机企业展示数百款人形机器人产品，应用场景持续拓宽 [3] - 通用机器人有望3-5年内进入消费端，需满足数据价值（复杂环境反哺训练）与经济价值（替代低劳动价值环节）双重标准 [3] - 行业核心挑战在于构建长思维链，打通视觉语言与行动壁垒以适配复杂物理世界 [2]

核心观点 - 机器人具备自主学习和失败后反复尝试的能力，这种数据驱动的闭环大模型是行业追逐的技术亮点[3][5][7] - 行业在具身智能大模型架构上存在分歧，包括统一模型直出和分层设计两种路径[9][10] - 企业正通过开源数据集、自研核心零部件等方式争夺行业标准定义权和生态主导权[14][15][16] - 模型架构的优劣将直接影响未来训练成本、算法效率和规模化落地能力[16] 技术发展现状 - 星海图发布的G0模型具备端到端双系统全身VLA能力，能在任务失败后自主尝试新解法[5] - 自变量采用统一模型直出架构WALL-A，可处理长序列任务但算力需求巨大[10] - 行业主流VLA模型定义宽泛，目前大部分模型都可归入视觉-语言-动作处理范畴[9] - 具身智能模型通过模仿学习和强化学习实现环境感知与动作调整能力[7] 商业策略 - 自变量短期目标聚焦商业服务和公共服务场景，如酒店和养老院[11] - 企业认为击穿单一标杆场景即可证明技术商业价值，撬动千亿级市场[12] - 星海图开源500小时Galaxea数据集，涵盖150种任务以吸引开发者生态[14] - 多家企业从单点技术向平台型公司转型，布局全产业链生态[15] 行业竞争焦点 - 算力消耗、延迟表现与落地场景成为技术路线选择的博弈关键[3][10] - 头部企业正争夺性能测评标准制定权和核心数据集主导权[14][16] - 模型架构差异直接影响数据需求量、算法流畅度和算力消耗[16] - 行业尚未形成技术共识，但快速迭代中架构优势将成核心竞争力[16]

公司战略与业务重点 - 公司当前在表演和运动场景优先落地 因技术难度较低且已通过春晚扭秧歌表演验证品牌影响力 [2] - 公司最终目标是开发通用型人形机器人 但现阶段聚焦表演和格斗等过渡性业务 [2] - 公司已在汽车工厂等工业场景实现初步落地合作 [2] 行业技术发展现状 - 机器人硬件已基本成熟 但机器人大模型（具身智能）不足成为核心发展瓶颈 [3] - 具身智能需具备环境交互感知、理解决策和自主学习能力 当前在语义理解、场景感知和任务规划存在明显缺陷 [3] - 人形机器人智能化分为L0-L6六级 行业正从L3向L4过渡 [3] - L3级需人类监督完成部分任务 L4级可在特定场景独立执行复杂任务 [3] 应用场景与商业化路径 - L4级突破将推动机器人在工厂生产、安防巡检、物流配送和服务业引导等多领域应用 [5] - 工厂场景中L4机器人可实现物料搬运、零件加工和质量检测全自主作业 [5] - 行业商业化路径将从功能单一的ToB场景（工厂/安防/物流）逐步转向ToC通用型家政市场 [5] 行业安全与实施挑战 - 当前人形机器人安全性未达人类协作标准 无法实现人机共同作业 [7] - 机器人需掌握生产计划、工艺路线、物料位置及安全守则等大量信息才能有效工作 与人类员工数月培训要求相当 [7]