泳池清洁机器人行业概况 - 泳池清洁机器人是一种自动化设备，通过多传感器融合算法实现水下智能定向移动，配合电机、水泵与清洁滚刷完成池水、池壁、池底的清洁功能 [2] - 全球泳池数量持续增长，2021年达2888万个，预计2026年增至3692万个，2021-2026年复合增速5%，其中美国泳池数量2021年1060万个，2022年增至1900多万个，私家泳池占比超70% [2] 市场渗透与规模 - 泳池机器人渗透率加速提升，从导入期进入快速放量成长期，预计2026年全球渗透率达28%，其中美国/欧洲/大洋洲渗透率分别为39%/35%/34% [3] - 按2026年全球3692万泳池数量及28%渗透率计算，泳池机器人需求量约1034万台，产品均价300美元对应市场规模31亿美元 [3] 竞争格局与国产突破 - 行业竞争格局集中，美亚市场CR10超80%，长期由以色列Dolphin、西班牙Polaris、英国BWT和美国Hayward主导，20多年内缺乏技术创新 [4] - 中国品牌近年取得突破式增长，2023年美亚TOP10中国产品牌占5席，市场份额合计31%，较2022年15.9%增长15.1pct [4] 行业痛点与潜在变革 - 产品同质化严重，核心痛点为传感器匮乏和智能化低，水下适用传感器稀缺且技术难度大 [5] - 全球头部厂商Maytronics近五年首次出现营收双位数负增长，竞争格局生变 [5] - 国内厂商如科沃斯、石头、小米、安克等具备出海供应链优势和智能清洁电器技术储备，可能入局颠覆行业格局 [6]

扫描上方二维码 ，免费预约观赛 名额！亲眼见证科幻电影中的场景在现实中如何实现！ 【史上最燃国际人形机器人技能大赛：顶级看点揭秘！】 人形机器人首次真实场景"极限闯关"、全球高标准人形机器人足球3V3巅峰对决、人形机器人核心技术全球首次 大规模集中亮相、 顶尖机器人超能力达人秀震撼上演、全自主智能赛道AI极限对决、从工业应用到商业应用到 走进千家万户全面覆盖未来生活场景、优胜项目 直通"千台购置计划"、院士领军专家超强阵容亲临评审、国内 首个仿真+实体双线赛道赋能算法落地、多队争夺千万级产业化订单…… 【震撼规模：28大真实场景×5大专业赛道×顶尖战队同台竞技！】 这是一场 技能链条最完整、技术最全面、行业最前沿、应用领域最广的具有国际影响力的大赛！ 全球媒体争相 报道，预计将吸引上千名行业精英现场观摩！代表着 具身智能领域最高技术水平和场景技能能力 的巅峰展示！ 【开源引领：打造全球最大具身智能开放式生态系统】 本次大赛从 开源生态、场景驱动、技术创新、竞技互动 四个层面，搭建全球最开放的人形机器人技术交流平 台，推动 高负载技术、地面适应技术、双臂协作能力、算法泛化能力等研发突破，向工业、家庭、商用和特种 ...

章鱼仿生软体机器人系统研究 核心观点 - 受章鱼神经肌肉层级结构启发，开发新型流体驱动软体机器人系统，整合吸力粘附、具身智能与多模态感知功能 [1][4][6] - 采用分层架构设计：中央计算机负责高级决策，嵌入式STS模块实现低级自主控制，压力传感器解码环境信息 [6][7][17] - 系统通过流体流动同时实现控制与驱动，简化结构并降低计算需求 [3][4][12] 技术实现 仿生设计 - 硅胶吸盘模拟章鱼吸盘，软流体执行器模拟肌肉动作，STS模块模拟神经节局部计算功能 [6][7] - 吸盘压力传感器通过流体压力差解码环境信息（粘度、粗糙度、拉力），分类准确率超95% [13][15][16] 分层控制策略 - **具身智能策略**：STS模块自主调节流体路径，实现抓取易碎物体（如无壳鸡蛋）和自适应环绕，无需外部电动控制器 [8][9][12] - **多模态感知策略**：压力信号分类器识别接触、流体介质、表面粗糙度，水下粗糙度分类准确率71% [15][16][17] 系统集成 - 四指机械手采用多泵独立供流方案，五节段章鱼臂机器人集成泵/STS模块于紧凑空间，体积可缩小至1/8 [9][12] - 单一系统实现粘附与感知协同，物体属性检测平均准确率89% [17][21] 应用与性能 - 工业搬运/医疗辅助领域潜力显著，可轻柔抓取薄弱气球（接触力<0.2N）并适应未知形状物体 [4][11][12] - 动态响应特性：接触点自定位振荡（频率3.4Hz，振幅0.2mm），完全由下级控制器自主协调 [19][20] 未来优化方向 - 硬件集成度提升：将外部管路嵌入腔室，优化STS模块卡扣结构 [23] - 功能适应性增强：结合高级主动控制策略应对极端吸附失效场景 [23]

公司战略布局 - 瑞松科技控股子公司广州瑞北拟在马来西亚设立合资公司，为客户提供机器人、机器视觉、智能制造系统等解决方案 [1] - 合资公司注册资本300万林吉特，广州瑞北出资240万林吉特，占比80% [1] - 该投资旨在完善公司全球化战略布局，快速推动海外业务发展，加强与国际客户合作 [1] 合资公司详情 - 合资方为马来西亚自然人叶城 [1] - 合资公司将服务于东南亚市场，提供工业软件和柔性自动化、数字化解决方案 [1] - 投资事项在公司董事会审批权限内，无需提交股东大会审议 [1] 行业拓展方向 - 公司重点布局机器人、机器视觉和智能制造系统领域 [1] - 通过合资公司形式快速切入东南亚市场 [1] - 需获得相关政府部门审批或备案 [1]

NVIDIA推动人形机器人发展 - NVIDIA宣布推出人形机器人推理、运动和技能的新模型 可能推动CEO黄仁勋描述的"下一代工业革命" [1] - 投资者关注NVIDIA在机器人领域的动向 同时考虑其他专注于机器人技术的小型公司 [2] Serve Robotics业务发展 - 公司专注于自动驾驶送餐机器人 通过与Uber合作解决"最后一英里"配送难题 [4] - 最新季度部署250台新一代机器人 计划到2025年底将车队规模扩大至2000台 [5] - 2025年日供应时间较2024年第四季度增长40% 配送量从季度初到季度末增长75%以上 [6] - 家庭覆盖范围自12月以来翻倍 商户合作伙伴数量大幅增加 [6] - 最新季度收入44万美元 环比增长150% 预计第二季度收入环比增长35%-60% [7] - 第一季度末现金储备创纪录达1.98亿美元 [8] - 所有5位分析师给予买入评级 共识目标价19.5美元 接近当前股价两倍 [9] Richtech Robotics业务发展 - 公司开发服务行业机器人 应用于零售、餐饮、酒店、医疗等多个领域 [10] - 从机器人销售转向机器人即服务(RaaS)模式 目标市场规模约2300亿美元 [11] - 最新季度完成400个客户安装 目标到2026年增长150% [11] - 服务行业劳动力短缺为公司提供机会 机器人可替代80%的服务岗位 [11] - 过去四个季度收入440万美元 已签订RaaS合同650万美元 现金储备3200万美元 [12] - 两位分析师均给予买入评级 潜在上涨空间约39% [13]

报告行业投资评级 - 行业投资评级为In-Line，分析师预计该行业未来12 - 18个月的表现与相关广泛市场基准一致 [5][64] 报告的核心观点 - 缺乏训练数据是具身AI模型扩展的关键瓶颈，Skild AI通过利用人类视频训练模型，有望解决数据不足问题，其模型训练数据点是竞争模型的1000倍，具有广泛的应用前景 [1][8][13] 根据相关目录分别进行总结 公司概况 - Skild AI于2023年由卡内基梅隆大学机器人学教授Deepak Pathak和Abhinav Gupta创立，2024年7月走出隐身模式，4月完成5亿美元B轮融资，估值达47亿美元，知名投资者众多 [3][31][37] - 团队成员包括来自Meta、Tesla等公司的前AI和机器人工程师，以及两位创始人的前学生，目前约有50名员工 [3] 行业瓶颈 - 所有AI模型都需大量多样数据集训练才能泛化到新任务，大语言模型数据易获取，但机器人模型所需的传感器/驱动数据难以获取 [8] - 大语言模型在物理世界应用有限，难以控制机器人完成复杂动作，低层次的“爬虫脑”智能是AI最难实现的部分 [9] 训练方法 - 公司主要有远程操作、模拟和真实世界视频三种训练物理AI模型的方法，各有优缺点 [10][14] - Skild AI采用混合方法，主要利用真实世界视频预训练模型，再通过模拟和强化学习进行后训练，少量使用真实世界数据，训练过程类似大语言模型 [13][15] 产品与平台 - Skild Brain是公司核心的机器人基础模型，可适应多种机器人和任务环境，训练数据点是竞争模型的1000倍 [21] - 公司还开发了移动操作平台和安全/检查机器人平台，硬件基于Unitree机器人，旨在支持机器人行业发展并扩大Skild Brain的应用 [21] 潜在客户与市场 - 长期来看，机器人模型市场将高度整合，硬件制造商可能保持分散，可能有硬件优先的机器人原始设备制造商对Skild Brain感兴趣，但目前未公开披露客户 [22] 竞争对手 - 大型科技公司如Tesla、Meta、Google等，AI初创公司如Physical Intelligence等，以及机器人初创公司如Figure AI等都在积极开发机器人AI模型 [26][27] 估值与财务 - 公司最新估值47亿美元，此前在2024年5月A轮融资3亿美元，估值15亿美元，暂无公开财务数据 [31] 发展历程 - 2023年公司成立，2024年5月A轮融资，7月走出隐身模式，2025年3月CEO在NVIDIA GTC演讲，4月B轮融资 [37]

人形机器人商业化进程 - 人形机器人已发展至第三阶段，具备初步智能及人机交互功能，长期来看机器替人具备成长确定性 [1] - 特斯拉Optimus人形机器人于2022年10月发布，身高1.72m，体重57kg，可负载20kg，最快运动速度8km/h，身体共有28个自由度 [1] - 人形机器人采用弹簧负载设计与6种类型执行器，关节采用仿生学设计，手部采用人体工程学设计，拥有11个自由度 [1] 人形机器人零配件组成 - 人形机器人零部件种类多、成本高，主要包括动力总成系统、电池系统、电驱系统、智能感应系统、结构件等 [1] - 动力总成与智能感应系统价值量占比较高，相关零部件厂商有望深度受益 [1] 空心杯电机发展 - 空心杯电机运用于机器人"灵巧手"，是人形机器人未来电机发展方向 [2] - 空心杯电机最初因价格高难以商业化，1960s后因汽车制造商采用成为受欢迎产品 [2] - 空心杯电机提供更轻、更敏捷的机器人所需效率和功率密度，将随特斯拉人形机器人量产逐步放量 [2] 智能传感器市场 - 机器人感知能力采用智能传感器方案，2019-2023年中国智能传感器市场规模从738.9亿元增长至1336.2亿元，年复合增长率15.96% [2] - 2024年中国智能传感器市场规模预计达1551.2亿元 [2] - 国产智能传感器份额逐步提升，已初步形成优势明显的企业，但行业仍较分散，核心芯片供给能力不足 [2]

行业 - 全球自动驾驶和机器人产业迎来高速发展期 2025年自主品牌已将高级智驾功能赋能至10万元级别车型 行业渗透率显著提升 [1] - 特斯拉 小米 小鹏等车企及宇树 智元等机器人初创公司加速推进人形机器人商业化 [1] - 端侧AI芯片增长势头乐观 智能汽车竞争可能使高阶智驾逐步成为标准配置 拉动中高算力芯片需求 [1] - 未来机器人有望深度渗透家庭 医疗 工业 商业及教育领域 拉动机器人AI芯片长期需求 [1] 公司 - 黑芝麻智能是国内领先的智能驾驶和机器人芯片产品及解决方案供应商 拥有从十几TOPS到千TOPS的端侧AI算力产品覆盖能力 [1] - 公司优势集中在自研核心IP 高算力架构和车规级芯片量产能力 基于两大自研车规级IP——NeuralIQ ISP图像处理器和DynamAI NN神经网络加速器 构建高能效 低功耗芯片平台 [2] - 公司拥有完整算法与工具链支持 支持智驾 驾舱一体 机器人等应用 [2] - 吉利 一汽 东风等多款车型量产智驾方案 有望加速25年芯片出货量增长 [2] - 公司中高算力产品已有3年量产验证 差异化布局舱驾融合芯片 未来定点有望加速 [2] - 公司前瞻布局卡位机器人大小脑芯片 [2] 盈利预测与估值 - 预计25/26/27E公司实现收入8 4/14 2/20 4亿元 同比增长76 8/69 3/44 0% [2] - 预计25/26/27E公司毛利率提升至45 8/47 0/47 7% [2] - 给予目标价24 04港币 基于16 8倍2025年P/S(基于可比公司均值) 给予"买入"评级 [1][2]

以下文章来源于灵宝CASBOT ，作者灵宝CASBOT 灵宝CASBOT . Shaping Future Robotics. 灵宝CASBOT团队 投稿 量子位 | 公众号 QbitAI 在人与机器人愈发紧密协作的时代，如何让机器人"读懂"人类的意图、与人类默契配合，成为 智能技术发展的关键一步。 近日，由 中国科学院自动化研究所 与 灵宝CASBOT 共同提出的关于" 增强物理人机协作中 的人类意图估计和人机角色分配 "方法（DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration）获ICRA 2025录用。 | 16:40-16:45, Paper ThET11.2 Add to My Program _ | | --- | | DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration | | Liu, Haotian Inst ...

报告行业投资评级 - 三花智控（买入），来福谐波（中性），贝斯特（中性），鸣志电器（中性） [30] 报告的核心观点 - 行业参与者认为人形机器人需结合通用智能与实际应用实现规模化，依赖算法、数据、算力和硬件四项核心技术 [1][5] - 中国在硬件供应链保持领先，初创公司开始着力开发机器人“大脑” [1][5] - 对人形机器人技术进展和行业长期前景持积极态度，维持2025年2万台、2035年全球140万台的出货量预测 [1] 根据相关目录分别进行总结 算法 - VLA模型被视为可行解决方案，其核心架构与标准大语言模型无根本差异，但输入变为视觉和动作整合，输出为机器人预期执行的动作 [6] - 有公司管理层认为算法结构研究质量可能落后美国0.5 - 1年，但在中国发展迅速 [6] - VLA是早期成功方向，但可能不是最终解决方案，该领域预计经历3 - 4次重大迭代 [7] 数据 - 数据训练模型一般有三步，包括用人工工作视频预处理、监督微调、强化学习与人类反馈 [8][15] - 目前使用二维视频、远程操作数据和模拟数据三种类型，对于哪种数据最有效存在争议，多数认为需有效融合三种数据，且高质量真实数据最为关键 [11] - 达到L3级通用自主需1000万小时真实世界机器人数据，相当于1万台机器人或操作员2年的工作量，需1 - 2亿美元投资，催生“数据工厂”概念 [12] - 对于一台机器人收集的数据能否应用于另一台存在不同观点，目前模型早期阶段数据与硬件绑定紧密 [13] - 远程操作数据有多种收集方法，包括视觉系统、惯性测量单元传感器、光学运动捕捉等，各有优缺点 [16] - 有公司提到政府对基础模型和部分数据有补贴，但政府开源数据集对微调或特定领域任务掌握可能不足 [15][17] 算力 - 因边缘计算限制，公司采用“快 + 慢”系统，训练或复杂任务仍需高端GPU，用边缘设备运行VLA进行感知、规划和轻推理 [18] - 部分本地初创公司与华为合作，以应对地缘政治风险构建国内计算基础设施 [18] 硬件 - 灵巧手是硬件改进关键，对近期数据收集和中长期工厂复杂任务处理至关重要，但面临平衡负载、灵活性和成本，以及触觉传感器性能和成本竞争力的挑战 [19] - 国内一家触觉传感器公司试图引入数据标准，通过设计、算法和材料创新降低成本，其传感器平均售价较海外同行低超50% [19] 应用场景 - 工厂物料搬运和分拣是早期商业机会，物料搬运有公司机器人准确率达95%，分拣需求更大但对速度要求更高，码垛/拆垛和装卸任务需求大但技术瓶颈待解决 [20] - 消费级应用虽长期需求乐观，但技术要求高，且有监管和安全隐私问题，目前商业人形机器人已用于引导和互动接待，出货量超预期 [22] 价格 - 人形机器人平均售价在1.5 - 10万美元，因规格不同而异，低价产品智能和硬件规格有限，用于研究、接待或娱乐，高价产品用于工厂任务 [23] - 多数公司目标2025年出货数百台，未来通过生产优化和提高产量降低成本，提高制造客户投资回报率 [23] 关键事件 - 8月15 - 17日北京将举办世界人形机器人运动会，包括13项竞技和表演项目、6项应用项目，较4月19日北京人形机器人半程马拉松更全面展示人形技术 [4]