安克的爆款法则 - 将工业级技术下放到消费级市场，用十分之一的价格做到近似性能是核心策略 [1][3] - E1 UV打印机整合平台式、卷筒式、圆柱体式打印功能，体积仅为传统设备的1/5，支持3D纹理输出 [3] - 早鸟价1699美元（约1.2万人民币），仅为传统UV打印机价格的1/10 [3] 众筹表现与营销策略 - eufyMake E1上线12小时众筹金额破千万美金，目前突破2250万美金，打破全球科技类众筹记录 [2][6] - 安克网站月访问量300万~400万人次，利用私域流量降低新品牌冷启动难度 [4] - 众筹营销总投入或达百万美元，宣传物料和视频内容制作质量顶尖 [5][4] 用户补偿与品牌切换 - 上一代3D打印机用户因多色打印功能未实现获补偿：全额退款+10%返还或600美元商店积分 [6] - 品牌从AnkerMake更名为eufyMake，团队调整后成功推出新品 [6] 赛道选择与技术转型 - 避开竞争激烈的3D打印市场（如拓竹、Xtool），选择消费级UV打印机空白领域 [8][9][10] - 原计划采用光固化技术路线，后转向FDM技术，2022年3D打印机营收达6000多万元 [10] - 技术验证发现2.5D/平面打印效果显著，促使转向UV打印机 [11] 团队与品牌整合 - 原负责人王志宇离职创业，由谢永昌和许一波接手，后者有23年酷派经验 [11] - eufyMake并入安克智能家居品牌eufy体系 [11] 市场定位与商业逻辑 - UV打印机更符合ToC逻辑，照片打印渗透率（5%-10%）高于3D打印，契合大众消费品属性 [12] - 传统UV打印机被日美企业垄断（单价1万美元起），安克切入消费端避开B端竞争 [8][9] 量产与成本挑战 - 需验证能否在1/10售价下控制成本，传统设备功能单一而E1整合多场景且分辨率达1440 DPI [14][15] - 上一代3D打印机交付问题引发对E1量产稳定性的担忧 [14]

收购与整合 - 美国斐尔司投资有限公司于2025年5月4日完成对香港中国飞鸽投资控股有限公司的全资控股 [1] - 双方将整合美国斐尔司和香港飞鸽医疗两大品牌资源，聚焦运动户外体育用品和医疗器械大健康领域 [1] - 借助美国与中国香港的国际金融与贸易中心优势，拓展全球业务版图 [1] 公司业务与技术 - 斐尔司户外运动品牌覆盖科技性、高性能户外运动装备及体育健身器材，业务延伸至医疗医美、母婴、保健食品等细分市场 [3] - 斐尔司产品采用AI智能科技、超轻复合材料（如碳纤维增强热塑性塑料），提升性能和耐用性 [5] - 飞鸽医疗专注于微创医疗设备与康复器械，核心技术包括柔性传感器、AI健康监测系统，产品通过FDA、CE认证 [7] 市场与渠道策略 - 斐尔司通过众筹平台Indiegogo验证市场需求，利用Facebook、YouTube等社媒触达目标客户 [5] - 斐尔司将利用其全球分销网络（如亚马逊）推广飞鸽医疗的便携式健康监测设备 [9] - 飞鸽医疗将通过与国际医疗机构合作建立临床数据背书，增强公信力 [11] 区域化运营 - 在北美与欧洲市场，斐尔司将加强户外红人及赛事合作（如骑行、滑雪赞助），飞鸽医疗则与国际医疗机构合作 [11] - 在亚太与大中华区，以香港为核心枢纽，利用大湾区政策优势在深圳布局智能制造基地 [11] 可持续发展与研发 - 斐尔司计划2026年前使50%产品线使用回收或生物基材料（如GreenPoxy环氧树脂） [11] - 飞鸽医疗将探索可降解医疗耗材，减少医疗废弃物，并通过香港ESG研究院发布年度可持续发展报告 [11] - 双方将设立硅谷与深圳双研发中心，斐尔司专注轻量化与智能硬件，飞鸽医疗深耕AI健康数据分析，研发投入占比提升至年营收15% [12] 未来合作与展望 - 技术融合方面，飞鸽医疗的医疗级传感器将应用于斐尔司户外装备（如智能滑雪镜内置心率监测） [9] - 双方将通过战略投资加速复合材料、智能穿戴领域技术迭代（如CompPair自修复材料技术） [12] - 此次整合有望为全球户外运动与医疗健康产业带来变革 [14]

核心观点 - 阶跃星辰与光影焕像联合发布并开源3D大模型Step1X-3D 该模型总参数量达4 8B（几何模块1 3B 纹理模块3 5B） 具备高保真与可控性 可广泛应用于游戏 影视 工业设计等领域 [1] - Step1X-3D通过数据驱动与算法协同优化 建立了包含200万高质量训练样本的数据库 并采用增强型网格-SDF转换技术 使水密几何转换成功率提升20% [4][7] - 模型采用3D原生两阶段架构 解耦几何与纹理表征 几何生成采用混合VAE-DiT架构 纹理生成基于SD-XL模型优化 实现细节生动且多视图一致 [10][15][16] - Step1X-3D在CLIP-Score等核心指标上超越主流3D模型 成为开源社区最具竞争力的3D生成方案 [25] 技术架构 - **几何模块**：采用混合VAE-DiT架构生成水密TSDF表示 通过锐利边缘采样技术精准还原几何细节 参数量1 3B [15] - **纹理模块**：基于SD-XL模型深度定制 利用几何条件引导与多视图同步技术 参数量3 5B [16] - **控制技术**：兼容主流2D生成模型控制方法（如LoRA微调） 支持对称性 表面细节等属性调控 [18][19] 数据与训练 - **数据处理**：从超500万原始数据中筛选出200万高质量样本 并开源800K 3D资产及完整预处理策略 [4] - **训练优化**：采用FLUX MMDiT结构与Rectified flow算法 实现3D表示的直接建模 [13] 应用与性能 - **应用场景**：覆盖游戏娱乐 影视动画 工业制造等领域 提供从创作到落地的全链路支持 [1] - **性能表现**：在CLIP-Score等自动评估中多项指标领先 生成内容与输入语义一致性达行业最高水平 [23][25] 团队背景 - **阶跃星辰**：以构建AGI为目标 规划从单模态到多模态统一的技术路径 [27] - **光影焕像**：专注3D AIGC与空间智能技术 团队含港科大博士及字节 美团等企业人才 [27][28]

产品与技术突破 - 含镁可降解高分子骨修复材料通过国家药监局第三类植入器械注册审批，填补行业空白 [1] - 材料采用低温3D打印技术开发，攻克多项技术难点，实现含镁材料的精准成型和仿生结构 [2] - 镁金属的加入使材料力学强度接近人体松质骨，可稳定应对手术冲击力，避免崩解 [2] - 材料在6至9个月内完全降解并被人体吸收，降解过程中释放的镁离子参与新骨形成 [2] 研发与临床验证 - 研发历时15年，由中国科学院深圳先进院联合深圳中科精诚医学科技公司推进成果转化 [1][2] - 采用"产学研医"协同创新模式，集成医学、生物学、材料学等多学科交叉技术 [2] - 完成176例骨缺损患者多中心临床试验，24周植骨融合率达98%以上，无排异反应 [3] - 材料在术中可剪切塑形，适配复杂骨缺损形态，展现出优异生物相容性 [3] 行业意义与市场前景 - 镁被誉为"革命性医用金属"，是理想骨科修复材料，但此前全球尚无镁基骨修复材料获批临床 [4] - 该材料克服传统自体骨移植供区损伤、来源有限等问题，以及人工骨材料的多重性能局限 [3] - 未来将拓展临床适应症，提高骨修复精度，攻克复杂骨缺损和疑难骨病治疗难题 [5]

分享嘉宾 | 郭春超 责编 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 现在这个时代，我们玩的游戏、看的电影、甚至未来的虚拟世界，都离不开精细逼真的三维（3D）模型。然而，制作这些 3D 内容，过去常常意味着 耗时数周甚至数月的人工建模，成本高昂且效率低下。就像平面设计曾被 Photoshop 改变一样，人工智能正在瞄准 3D 领域，试图彻底革新数字内容 的生产方式。 在这场由 AI 驱动的 3D 生成浪潮中，腾讯混元团队推出的开源项目 Hunyuan 3D 成为了全球开发者社区的焦点。它不仅在 GitHub 上迅速积累了超过 9.6k 的 Star，跻身 3D 生成开源项目的第一梯队，更凭借其出色的模型生成效果，赢得了"几乎没有变形的 Image to 3D，恐怖如斯"这样的用户评 价。 AI 生成 3D 的能力发展到什么阶段了？它离真正改变游戏、影视、数字人等行业还有多远？ 在 4 月 18-19 日举行的 2025 全球机器学习技术大会 （ML-Summit）上，腾讯混元 3D 负责人 郭春超 对此进行了详尽解读，并在会后接受了 CSDN 专访。 令人意外的是，尽管当前 3D AIG ...

Chiplet技术发展现状与挑战 核心观点 - Chiplet技术被视为半导体行业继软IP后的重大突破，但目前生态系统仍处于初级阶段，需解决标准化、工具链和组织协同等关键问题[1] - 行业面临光罩极限压力，多芯片方案成为被迫选择，但缺乏即插即用市场，早期系统仍按单体大型系统设计[1] - 实现开放chiplet市场的核心在于建立类似HBM（高带宽内存）的严谨标准，需产业链多方协调推进[1][3] 标准化需求 - 当前封装、测试、互连等领域存在碎片化标准，如中介层参数、物理验证方法在不同厂商间差异显著[2][3] - UCIe（通用芯粒互连）等新兴标准尚未成熟，预计行业标准化进程需持续至2030年代[1][3] - 关键待制定标准包括：3D堆叠测试（IEEE 1838/P3405）、ESD防护（IEC 61000）、电源/接地物理接口等[3][5] - 标准制定面临矛盾：行业既渴望统一规范，又不愿承担额外成本，需平衡开放性与商业利益[3] 组织与流程重构 - 企业需打破传统部门壁垒，整合封装、热管理、可靠性等团队以实现3D-IC协同开发[5] - 测试流程需革新：增加晶圆级测试环节，采用牺牲焊盘与微凸块双重检测机制确保良率[5][7] - 行业联盟模式被寄予厚望，需8-10家核心企业共同投入3年以上时间制定应用级标准[5] 工具链与模型挑战 - 现有EDA工具缺乏自动化支持，企业需大量自定义脚本完成3D堆叠验证与物理实现[7][8] - 系统级分析需新型模型（热模型、功耗模型、应力模型），但存在IP保密性与模型精度的矛盾[9] - 台积电3D Blocks语言等尝试正在推进，但完整模型清单尚未明确，跨企业设计移交仍存障碍[9] 技术演进路径 - 短期（3-5年）：垂直整合公司主导异构集成，采用封闭生态系统开发定制化解决方案[7][8] - 中期（5-10年）：UCIe等接口标准普及，工具链与模型信任机制逐步建立[3][9] - 长期（2030+）：形成开放chiplet市场，实现跨供应商芯片的即插即用集成[1][9]

报告公司投资评级 - 首次覆盖汇纳科技，给予“推荐”评级 [6][73] 报告的核心观点 - 汇纳科技以“智能算力 + 数据要素”双引擎驱动深度转型，战略成效显著，依托“汇客云”平台整合商业数据资产，构建闭环生态，释放“AI＋数据”商业价值；纯视觉大模型重构多模态学习范式，AI 技术赋能商业场景，革新商业数字化效能；预计 2025 - 2027 年归母净利润分别为 0.12 亿元、0.27 亿元、0.55 亿元，EPS 分别为 0.10 元、0.22 元、0.46 元 [6] 根据相关目录分别进行总结 1 AI 与大数据驱动的核心业务布局 - 智能算力与数据要素双擎构建数字化转型核心底座，算力方面，汇纳科技通过“战略投资 + 生态协同”布局高性能算力服务，2023 年合资成立四川汇算智算，预计形成算力规模约 4,500P，远期新增不低于 10,000P，2024 年与宇博科技签约标志算力服务商业闭环突破；数据要素方面，“汇客云”平台以线下数据积累为核心，整合多方资源，覆盖超 2,500 家购物中心及 50,000 家品牌门店，年统计客流超百亿人次，构建多维度数据资产，为城市提供商业运营服务 [13][14][16] - 汇纳科技拟易主金石三维江泽星，构建 3D 打印 + AI + 算力全新布局，2025 年 5 月控股股东及实控人拟变更，江泽星深耕智能制造领域，其创立的金石三维是工业级 3D 打印设备龙头企业；转型有望加速落地，整合 AI 算法、算力资源与增材制造技术，实现 AI 技术场景化应用与 AI 工业管理系统构建 [17][18][20] - AI＋商业服务打造商业决策智能引擎，客流分析系统依托自研 Re - ID 技术为超 2,500 座购物中心及 5 万家零售店提供服务，辅助商业决策；远程巡店系统以“AIOT + 边缘计算 + 多模态感知”重构门店管理流程，已服务多业态客户；公司拟收购丙晟科技 10%股权，强化 AI 零售战略纵深 [21][24] - AI＋公共服务聚焦智慧城市与政法数字化，智慧城市治理围绕“一网通办、一网统管”形成三大数字化平台体系，推出 LLMOps 平台；政法数字化通过收购多融科技延伸业务，打造司法全场景数字化解决方案，已为上海各级法院开发多项定制化产品 [25][29] - 主营业务加速转型，从传统硬件销售商向数据服务商转型，数据与运维服务营收占比从 2021 年的 17.52%升至 2024 年的 46.98%；公司重视研发投入，近五年研发费率超 10%，销售费率从 2020 年的 23.11%降至 2024 年的 12.28%，2024 年管理费率同比上升 2.68pct [31][32][33] 2 大模型驱动产业变革：AI 重塑商业生态新图景 - AI＋视频大模型方面，开源生态繁荣推动大模型多元化发展，截至 2025 年 2 月国内近 400 个生成式人工智能服务大模型上线，注册用户超 6 亿；豆包 Video World 作为纯视觉认知大模型，突破传统多模态模型对语言/标签数据的依赖，引入潜在动态模型，在围棋和机器人任务中展现超参数规模性能；其开启 AI 应用新范式，重塑视频生成、自动驾驶等领域应用 [35][38][42] - 大模型炼金术重构汇纳商业数字化效能边界，AI 引领商业变革，汇纳科技构建零售智能服务新生态，利用 AI 算法和客流数据构建精准客流模型，提高客单价和促销效果；以大模型技术为核心构建全链路智能服务引擎，升级视频分析能力，实现商业工作流自动化，在营销领域实施精准触达 [45][50][53] - 政策赋能消费升级，“AI＋消费”成为国家战略，汇纳科技迎来政策红利与市场需求增长机遇；公司推出“汇客云”平台助力实体商业精细化运营，构建虚实融合消费体验矩阵，布局银发经济 [54] 3 财务透视：亏损收窄，数据化转型强化长期价值 - 营收波动显韧性，短期盈利承压，2021 - 2024 年公司收入与盈利波动，2024 年整体亏损缩窄 [59] - 数据化转型成效显现，数据服务驱动毛利率跃升，2021 - 2024 年毛利率逐步修复，高附加值数据与运维服务业务增长，改善经营质量，增强长期盈利修复基础 [61] 4 盈利预测与投资建议 - 盈利预测假设与业务拆分，数据与运维服务预计 2025 - 2027 年营收增速分别为 60%、50%、40%，毛利率分别为 59%、55%、55%；客流数据分析与远程巡店系统预计 2025 - 2027 年营收增速分别为 5%、10%、10%，毛利率维持 50%；数字化软硬件集成预计 2025 - 2027 年营收增速分别为 5%、10%、10%，毛利率为 21%、20%、20%；其他业务预计 2025 - 2027 年营收增速维持 5%，毛利率 53%；预计 2025 - 2027 年总收入分别为 4.75 亿元、6.3 亿元、8.14 亿元 [64][67][69][70] - 估值分析与投资建议，选择云赛智联和石基信息作为可比公司，汇纳科技 2025 - 2027 年 EPS 复合增速为 114.47%，高于可比公司；虽当前估值高于可比公司平均水平，但考虑其稀缺性布局和盈利结构优化，看好长期成长空间，首次覆盖给予“推荐”评级 [73]

行业背景与挑战 - 全球贸易格局加速重构背景下，中国纺织服装行业面临关税震荡与产业升级双重考验 [1] - 美国对中国输美纺织品加征关税导致广州纺织品进出口集团美国市场份额缩水近半，企业利润空间被严重挤压 [2] - 东南亚国家低成本竞争压力加剧，传统外贸模式遭遇严峻挑战 [2] 数智化转型解决方案 - Style3D通过AI+3D技术赋能纺织服装企业，覆盖设计、生产、营销全流程数字化转型 [1][2] - 阜新福壹服饰应用一物一码+3D视频技术，客户咨询量提升40% [2] - 厦门建宇通过AI试衣及视频生成技术实现虚拟试穿，全系列产品上传至数字化AI云平台 [3] - 嘉兴梦迪进出口利用3D建模和AI辅助技术优化推款流程，营销物料降本增效 [4] Style3D技术优势 - AI+3D交付能力实现"一次即终版"秒速级交付体验，大幅提升设计与营销效率 [4] - 数字化营销工具（虚拟展厅、AI模特生成等）使某家居服企业询盘量增长3倍，其中60%为新市场客户 [5][6] - 生态协同网络接入超千家面辅料商、制造商与品牌商，迪尚集团通过平台将订单交付周期缩短40% [7] 全球化布局与影响 - Style3D通过云端数字化中枢助力企业将生产厂区布局至越南、孟加拉等低关税区域，设计销售中心延伸至欧美 [7] - 技术推动中国纺织服装产业以"数字孪生"形态对接国际市场，实现全球化高效运作 [7] 行业未来趋势 - 数智化工具（虚拟样衣、数字展厅、AI试衣等）正在重构贸易逻辑 [7] - AI+3D技术与供应链深度融合将加速行业迈向"以数强实"新阶段 [7]

3D打印行业2024年进出口数据 - 2024年我国3D打印进出口总值达98.24亿元，创历史新高，同比增长30.31% [3] - 出口增长35.40%至93.71亿元，进口下降26.70%至4.53亿元 [3] 铂力特2024年业绩 - 全年营收13.26亿元，同比增长15.02% [3] - 归母净利润1.04亿元，同比下降5.26% [3] - 业务聚焦金属增材制造产业链，覆盖设备、定制化产品及原材料研发，应用于航空航天、汽车、医疗等领域 [3] 华曙高科2024年业绩 - 全年营收4.92亿元，同比下降18.82% [4] - 归母净利润6720.69万元，同比下降48.76% [4] - 核心产品为金属和高分子3D打印设备及材料，开发20余款设备和40余款专用材料，应用于航空航天、汽车、医疗等领域 [4] 思看科技2024年业绩 - 全年营收3.33亿元，同比增长22.41% [5] - 归母净利润1.21亿元，同比增长5.49% [5] - 专注于高精度三维视觉数字化系统，应用于工业及专业级领域，支持航空航天、汽车制造等 [6] 先临三维2024年业绩 - 全年营收12.02亿元，同比增长18.07% [7] - 归母净利润2.26亿元，同比增长59.08% [7] - 业务聚焦高精度三维视觉软硬件技术，应用于工业测量检测、齿科数字化等领域 [7] 光华伟业2024年业绩 - 全年营收5.44亿元，同比增长29.85% [8] - 归母净利润2689.24万元，同比下降39.01% [8] - 技术平台以聚乳酸(PLA)为核心，涵盖ABS、PETG等材料，牵头起草中国首个3D打印材料国际标准ISO5425:2023 [8] 峰华卓立2024年业绩 - 全年营收1.84亿元，同比下降9.34% [9] - 归母净亏损2088.81万元，由盈转亏 [9] - 核心技术为粘结剂喷射增材制造，应用于砂型铸造、金属零件制造等领域 [9] 嘉一高科2024年业绩 - 全年营收7109.09万元，同比下降14.60% [10] - 净亏损168.50万元，由盈转亏 [10] - 业务聚焦医用生物材料和个性化医疗器械设计开发，融合生物材料、AI及临床医学技术 [10] 极光创新2024年业绩 - 全年营收2296.79万元，同比增长34.08% [11] - 净亏损232.57万元，同比减少58.39%，亏损收窄 [12] - 致力于3D打印数字化生态系统，产品应用于工业制造、医疗、教育等领域 [12] 2025高分子3D打印材料高峰论坛 - 论坛聚焦航空航天、汽车、无人机、人形机器人、生物医疗等高端应用场景 [14] - 核心议题包括人工智能与3D打印融合、工业领域技术创新、生物医疗前沿应用、陶瓷增材制造等 [18][19][20][21][24] - 主办单位为中国材料研究学会高分子材料与工程分会，承办单位包括四川大学高分子材料工程国家重点实验室等 [22]

纪要涉及的行业和公司 - **行业**：人形机器人、巨型机器人、计算机、智能大模型、VRM（Virtual Reality Modeling）、智能大规模AIIT项目 - **公司**：飞利浦、字节跳动、特斯拉、瑞芯微、华为、英伟达、地平线机器人 纪要提到的核心观点和论据 1. **人形机器人发展阶段** - 第一阶段（2024年初开始）：关注核心零部件和本体结构，搭建完整架构，对自身模型和AR能力关注少[3] - 第二阶段（2025年）：本体硬件架构基本确定，从demo阶段向量产过渡，落地应用核心是AR和大模型能力满足用户需求[3] - 第三阶段（预计3 - 5年）：实现硬件与模型深度融合，在生活场景广泛应用，AR能力显著提高[3] 2. **大型机器人研究方向** - 巨型机器人本体：已进入量产阶段[4] - 仿真技术：解决训练数据量不足问题，有虚实结合、完全虚拟化仿真、实产数据采集等路线[4] - 感知技术：主流通过视觉，还有力觉融合视觉、触觉传感器等方式，对应不同创新创业公司研究应用[4] - 智能体概念：强调垂类场景或任务专业性、高成功率和正确率[5] - 具身交互：通过仿生硅胶皮肤结合AR语音应用，实现自身交互场景落地[5] 3. **AI Agent相关** - **计算机领域应用**：在用户反馈和需求基础上，通过大语言模型拆解任务，调用工具或利用数据记忆提供规划功能，实现软件程序部署，强调专业性和高准确度[6] - **区分工具类型**：调用软件接口或工具属传统软件层面；调用与物理世界交互的工具，如传感器、机械手臂等，属具身机器人领域，此时AI Agent成为“大脑”[7] - **具身机器人领域任务**：负责任务决策规划与推理，调用底层硬件驱动机器人运动，不同场景使用不同类型AI Agent提高任务执行效率[8] 4. **具身机器人大脑框架层级** - 物理层：包括算力和分布式计算平台[9] - 训练层：使用开源大模型作为训练基础[9] - 数据层：涉及多元数据采集、来源、训练标准、清洗和格式标准[9] - 模型层：包括语言模型（LLM）、多模态模型（VLM）、视觉语言动作模型（VLA）[9] - 应用层：即ARI进程，根据场景设计AIID，有快思考（动作表情及执行动作）和慢思考（记忆推理和规划）能力[9] 5. **VLA模型发展** - **谷歌贡献**：最早发布基于RT - 1架构控制机械臂研究，后发布完整VLA模型RT - 2，但未开源，进展较慢[10] - **开源项目影响**：斯坦福和伯克利大学开源AutoOrca和Open VLA模型带动行业发展，但有只能单臂操作缺陷；清华大学发布可双臂操作的RDT模型，促使谷歌开放RT - 2项目[12] - **谷歌RT系列版本特点**：RTX使用x involved open involved数据，RTH是完全基于human about的整体RVIVRA模型[13] 6. **模型应用差异** - **飞利浦Helix架构与VOLATI模型区别**：VOLATI采用完全端到端方法，用于研究和发表论文；Helix采用分层级系统，硬件升级只需重新训练部分参数，降低成本[14][15] - **工业界与学术界VLM应用差异**：工业界采用分层级具身大模型架构，避免硬件升级导致软件重新训练；学术界采用完全端到端方法，不考虑硬件升级对软件影响[17] 7. **VLA模型挑战及解决方向** - **挑战**：数据量不足、任务泛化能力低、光照或背景变化影响性能[18] - **解决方向**：引入3D空间感知能力，减少光照等影响，提高空间建模和感知能力，实现通用AGI[19] 8. **数据相关** - **巨型机器人VRA训练数据集**：需要视频数据、互联网抓取视频数据等，质量较低，需提取动作信息[20] - **互联网数据评估**：量大数据准确度受污染，未来价值不高；实验室仿真数据有局限性，真实数据更可靠；有许多开源数据集可使用且不断扩充[21][22] - **人形机器人数据采集**：采集关节电机角度速度、末端执行器位置、视觉摄像头位置等数据；未来可能收集贴合人类感官的数据；Sim - to - Real差距缩小，域控技术降低量产成本[23] 9. **行业标准制定**：涉及顶层设计和核心领域，是争夺话语权重要方面；不同场景需不同安全等级和评测标准；安全认证或行业标准认定类似3C认证但更严格；掌握制定权对市场发展影响重大[24] 10. **多模态大模型应用**：在机器人领域应用壁垒高、成本昂贵；字节跳动豆包模型因提供丰富接口和中间件受欢迎；倾向使用成熟大模型或开源版本微调及开发应用层；在交互能力要求高但动作执行不完善时应用价值高[25] 11. **VRM模型**：交互能力核心是语音识别、输出和表情管理；语音技术进展显著，广泛应用于客服和电话营销；基于VLM模型训练，提升机器人任务识别、理解和规划能力[26] 12. **智能大模型发展趋势及终端厂商竞争力** - **发展趋势**：通过大量多元数据训练通用且泛化能力强的VRA模型；整合人类感知数据提高任务成功率；结合传统算法与现代端到端VI模型进行精细化操作；可能出现统一基础VOI模型[27] - **终端厂商竞争力**：对基础大模型优化，场景数据训练有独特优势，实现更好硬件结合与场景适配[27] 13. **智能大规模AIIT项目中VI模块发展方向**：多模态感知融合，整合触觉、嗅觉等感知方式；精细化操作，结合传统算法与现代VI模块处理复杂任务；利用开放数据集提升性能并针对硬件微调[28] 14. **语义链、华为云链和自研链竞争优势差异** - **硬件部分**：华为云链不涉及电机本体零部件生产；传感器通常外购[30] - **控制器选择**：语义链可能用瑞芯微3,588芯片，算力低；华为自主研发CPU、NPU及模型；自研链早期依赖英伟达，未来可能与国内供应商合作[30] - **核心技术**：都不放弃自主研发，可能在零组件及关键链接代工合作优化资源配置[30] 其他重要但是可能被忽略的内容 - VELAN模型结构简单，通过文本、视觉、动作编码数据输入训练，形成端到端VOA模型，类似特斯拉自动驾驶方案[16] - 智能化评价通过感知、决策和执行三个层面细分能力等级，比自动驾驶评价等级更精细[24]