核心观点 - 公司通过推出“FastUMI Pro数据超市”，将高质量机器人操作数据标准化、商品化，旨在解决具身智能行业数据昂贵且稀缺的核心痛点，并可能推动行业数据基础设施的范式转移 [1][3] 数据超市的推出与模式 - 公司正式上线“FastUMI Pro数据超市”，用户可通过官网商城像在电商平台一样直接下单购买数据，这是具身智能数据首次以“标准商品”形态进入市场流通 [1][3] - 数据超市的诞生源于客户数量呈指数级增长，公司将通用数据产品化上架，让客户自行选择，以应对激增的需求 [6] - 数据超市将海量操作数据按场景分类并细分为具体任务，制定了透明的定价体系，旨在以标准化、规模化的数据供给打通从数据到模型的“最后一公里” [8] - 数据超市目前覆盖工业生产装配、家庭生活、教育场景、酒店服务、商业零售与陈列、餐饮、特种作业、物流仓储、医疗护理、专业科研共10个场景的任务数据 [8] - 前期以通用型数据为主，后期将上线数据定制板块，满足个性化训练需求，按照任务时长、夹爪数量、物料成本综合定价 [8] 数据采集硬件与能力 - 公司推出了便携的标准数采工作站“鹿明FastUMI Pro（背包版）”，这是全球首款背包形态的UMI数采设备，支持多模态数据采集，具有8小时长续航和高定位精度 [5] - 公司已累计交付100万条高质量操作数据，单日数据增量可达数万条 [6] - 公司计划在2026年在全国多个城市投放1万台背包版FastUMI Pro设备，深入工业、家庭、酒店、餐馆、商场、办公等场景，目标直指百万小时级数据量 [15] - 公司通过统一采集设备获取数据，确保格式一致性，数据可直接用于工业机械臂、服务机器人、人形机器人等全品类模型训练，兼容Xarm、方舟无限、Franka、UR、非夕等主流硬件机型 [9] 数据价值与行业痛点 - 机器人是典型的“数据密集型”技术，模型的训练、优化与落地离不开海量、高质量的真实操作数据，随着具身智能走向真实应用，数据的局限比模型能力更早暴露 [10] - 可用于模型训练的优质真实场景数据极其稀缺，其定价差异由采集设备成本、物料成本、采集过程的难度决定 [10] - 随着任务复杂度上升，数据的真实性与一致性成为硬约束，决定模型能否继续向前，视频数据与仿真数据难以完全替代真实交互数据 [10][11] - 过去，企业训练模型（如叠衣服）需自建环境耗时数月或高价定制，成本动辄数十万且数据难以复用，如今通过数据超市购买数百条高质量数据，价格可低至百元级 [18] “采-训-推”一体化闭环与数据质量 - 公司具备“采-训-推”一体化闭环能力，是其数据基建能力的核心 [15] - 依托FastUMI Pro，公司双臂具身机器人MOS在5小时内完成了工厂质检从“数据采集-策略训练-模型推理”的全流程验证 [15] - 在合肥实地部署后，仅用7小时便跑通真实场景下的采集、训练与部署推理 [15] - 公司建立了八道数据质量评估体系，只有通过自动化检测的数据才会入库，以在规模扩张的同时守住数据质量底线 [16] 战略意义与未来规划 - 数据超市的上线，意味着公司基本完成了数采硬件、规模化体系、数据流通的全维度布局 [18] - 通用数据可在线下单，有望推动具身智能告别定制化的小范围探索，迈入标准化、工程化的生产阶段，加速智能Scaling Law进程 [18] - 公司计划在4月初上线专属benchmark体系，整合自研的高性价比适配机械臂、pi，pi0.5等开源baseline模型，以及3个任务共1.5万条免费样例数据集，未来有望形成“平台+数据+模型”的完整使用框架 [20] - 长期来看，公司将推动数据生态开放，从自营数据逐步走向“自营+他营”的平台化模式，开放第三方接口，形成“采集-评估-交易-使用”的完整数据生态 [20] - 公司创始人判断，整个具身数据市场相比去年有十倍以上的增长 [21]

公司核心战略与差异化定位 - 公司选择了一条与主流具身智能公司（如波士顿动力、Figure、特斯拉Optimus）专注于“四肢”或“大脑”完全不同的非共识路线，专注于研发机器人的“脸” [1][2][3][6] - 核心观点认为，人与机器人之间建立信任与情感连接的最关键接口是“脸”，而非语言或行动，因为人类大脑对脸部高度敏感，能快速识别情绪并产生情感投射 [5] - 该选择基于创始人十年的持续经历，并非营销噱头，旨在通过“脸”这一最古老的交互界面，建立人机信任与情感连接 [6][7][37] 技术路径与研发逻辑 - 技术研发避开需要复杂物理交互（如抓取、碰撞）的领域，专注于通过拉动面部肌肉表达感情，从而规避了硬件磨损、触觉传感器可靠性等难题 [12] - 选择“人脸”作为切口，是因为其环境变量单纯，便于集中精力研究能让模型实现“自我迭代”的算法路径 [11][13] - 对当前主流机器人算法路径（如VLA、VRM、World Model）持怀疑态度，认为机器人应学习“学习的能力”，实现任务的快速迁移，而非对单一任务的完全收敛 [16] - 公司相关论文登上《Science》封面，展示了通过声音生成自然嘴部动作的机器人，开创了以“人的界面”为主、融合多模态信息的新人机交互方向 [28] 市场前景与商业化落地 - 终极愿景是面向消费者（To C）市场，创造能提供情感陪伴与疗愈、让用户产生感情依赖的新品类机器人 [32][33] - 短期（2-3年内）更可行的落地场景是替代销售、前台、服务人员等“情绪消耗型”岗位的重复劳动力 [35][36] - 已与国内最大的沉浸式乐园合资成立公司，探索在乐园中部署机器人作为NPC，提供沉浸式交互体验，这是当前较好落地的场景 [43] - 相较于毛绒AI玩具等产品，“人脸机器人”的核心优势在于其极高的情绪表现力和零学习成本，人类能天然理解面部表情的含义 [45] 产品定义与设计哲学 - 产品的“脸”是否好看、符合审美至关重要，这直接关系到第一眼的亲和力与情感投射强度 [38] - 产品设计需兼顾三层需求：首先是像人以获得最大情感投射；其次是符合大众审美以获取市场空间；最难的是满足小众圈子的个性化需求 [38] - 公司已推出灵动的桌面级陪伴产品，短期内已可实现陪伴功能 [36] - 未来可能衍生出机器人“后事处理”等新的产业生态，以应对用户与机器人建立情感后产生的换代或处置需求 [40][41] 创始人背景与公司文化 - 创始人展现出极强的韧性，体现在其克服高考失利、为出国考9次托福等个人经历，以及创业中坚持“十年只做一件事”的笃定 [8][9][82] - 公司管理倡导“Context not Control”理念，强调透明、公平与提供上下文，而非控制，并避免酒桌文化等不必要的社交压力 [49][53][54] - 在招聘上，创始人特别看重拥有丰富且充满挫折经历（如参加Robomaster等艰苦比赛）、具备极强动手和问题解决能力的“韧性”人才 [86][87] - 公司认为，在早期吸引人才，利益（金钱、资源、成功率）是重要底线；随着公司发展，清晰的愿景（Vision）才成为留住顶尖人才的关键 [62][64][65] 行业洞察与竞争格局 - 当前行业众多公司聚焦于机器人的“四肢”或“大脑”，致力于在工厂等场景创造生产价值，而该公司选择强化人机之间的情绪连接与信任感 [1][16][80] - 行业面临数据获取成本高的挑战，例如Figure完成一个抓取任务需要1000小时的人类数据，这对于普通小团队而言非常昂贵 [18] - 随着社会自动化程度提高，尤其是在老龄化不可逆的背景下，人们对精神层面和情感陪伴的需求会越来越高，而让机器人获得人类信任是突破的关键 [19][80] - 创始人认为，机器人表演具有巨大潜力，不应局限于工具属性，可以融合动作与语言，参与舞蹈、小品等多种艺术形式，创造美学价值 [90]

文章核心观点 - 灵巧手是人形机器人从“展示品”转化为“生产力工具”的核心瓶颈与关键，直接决定了其商业化落地的能力，“得手者，得天下”[2][5][12] - 随着2026年人形机器人量产元年的临近，灵巧手已成为产业界竞争焦点，其技术突破与成本下降是行业从概念验证迈向产品落地的标志[5][12][19] - 灵巧手赛道正催生一个百亿乃至未来千亿级的细分市场，并有望拉动上游产业链，形成万亿级的产业集群效应[8][13] 市场空间与产业趋势 - **全球及中国市场预测**：高盛预测到2035年人形机器人全球市场规模有望达到1540亿美元[7]；中国信通院数据显示，2025年全球人形机器人市场规模达170亿元，中国市场规模突破85亿元，占全球超50%，全年出货量1.2万台，同比增长420%[8] - **量产节点与规模**：2026年被视为中国人形机器人规模化生产关键节点，预计产量规模将达到10万至20万台级[8] - **灵巧手细分市场价值**：单只灵巧手成本通常占机器人本体总价值的15%-20%，以2026年数十万台出货量预期计算，将催生百亿级人民币细分市场，2030年有望突破千亿[8] - **价值核心**：灵巧手是机器人实现操作工具、完成叠衣做饭或精密装配等任务的关键，是机器人从“观赏品”变为“生产力工具”的“最后一厘米”[9][12] 技术挑战与竞争焦点 - **技术复杂度**：灵巧手需在巴掌大空间内集成6至12个自由度、触觉传感器、驱动电机及传动机构，技术密度高于机器人关节[12] - **成本目标**：过去工业级灵巧手售价高达数十万元，2026年的竞争核心在于将成本降至1至3万元以内，同时保持耐用性和灵敏度[12] - **技术路径多样化**：主流路径包括电机加连杆、电机加绳驱及液压驱动；绳驱方案因重量轻、成本低更受量产青睐，连杆方案因精度高在高端工业场景有优势[13] - **供应链拉动效应**：灵巧手领域的突破将直接拉动微型电机、柔性传感器、精密减速器等上游产业链发展[13] 国内主要竞争格局 - **整机厂自研派**：以优化整体控制算法为核心 - **智元机器人**：在其“远征”系列机器人中展示自研灵巧手，强调与具身智能大模型深度耦合[15] - **宇树科技**：凭借四足机器人积累的电机控制技术，在人形机器人H1及后续机型配备自研抓手，成本控制能力强[18] - **第三方专业派**：专注灵巧手模组，旨在成为核心供应商 - **因时机器人**：国内较早实现微型伺服电缸量产的企业，其灵巧手以高集成度著称；2025年灵巧手全年交付量突破10000台，并亮相2026年马年春晚[18] - **强脑科技**：源自哈佛背景，在脑机接口与智能假手领域积累深厚，灵巧手技术具仿生色彩，在触觉反馈和神经控制算法上具独特性[18] - **灵心巧手**：专注于高自由度仿生灵巧手，产品在指尖触觉感知上表现突出[19] 资本动态与投资逻辑 - **融资活跃**：灵巧手相关项目近一年来融资频率显著加快[19] - **典型案例**： - 智元机器人将灵巧手部门拆分为独立公司“临界点”，该公司在2026年1月14日成立后，不到一个月内完成三轮融资，2月完成新一轮数亿元融资，由头部互联网大厂、BV百度风投、云锋基金等机构参与[15][18] - 因时机器人近日已完成C1及C2两轮融资，合计金额数亿元人民币[18] - **投资逻辑转变**：资本不再单纯听技术故事，更关注量产良率与成本曲线；能够证明其手部模组已进入头部整机厂供应链的企业估值溢价明显[19]

网格交易策略概述 - 网格交易本质是一种高抛低吸的交易策略 它不预测市场具体走势 而是利用价格在一定范围内的自然波动来获取利润 适用于价格频繁波动的市场 [11] - 在震荡行情中 投资者可灵活运用网格交易 通过反复多次赚取较小差价来增强收益 待市场新方向明确后再进行策略切换 [11] - 适用网格交易的标的特征包括：选择场内标的、长期行情稳定、交易费用低廉、流动性好、波动性较大 基于这些特征 权益型ETF被认为是相对合适的网格交易标的类型 [11] 本期ETF网格策略重点关注标的分析 - **港股通非银ETF (513750.SH)**：分红险销售占比提升有助于优化险资负债端成本 2025年前三季度 A股五大上市险企合计归母净利润达4260.39亿元 同比增长33.54% 主要受权益投资收益提升驱动 低利率环境下 险资在监管引导下提升权益投资占比 有望为投资端提供向上弹性 负债端方面 多家保险公司2026年“开门红”销售火热 分红险销售占比提升有助于优化负债端成本 缓解利差损压力 [12] - **机器人ETF (159530.SZ)**：春晚的机器人展示集中体现了中国机器人产业成熟度提升与商业化临界点到来 机器人正从传统工业场景向商用服务、医疗康复、家庭陪伴等更多商业场景渗透 “十五五规划”提出推动具身智能等未来产业成为新的经济增长点 以AI大模型、多模态感知、灵巧操控为代表的技术突破正大幅拓展机器人的商业化边界 “十五五”时期或将成为智能机器人快速发展的重要战略机遇期 [15] - **旅游ETF (159766.SZ)**：2026年春节旅游数据刷新纪录 全国国内出游合计5.96亿人次 较2025年增加0.95亿人次 国内出游总花费8034.83亿元 较2025年增加1264.81亿元 游客人数和花费均创历史新高 春节假期期间 银联、网联共处理交易393.02亿笔 金额13.12万亿元 日均交易笔数和金额分别较2025年春节增长37.45%和19.26% 反映出居民旅游消费活跃度复苏 “十五五”规划提出推进旅游强国建设 旅游作为提振内需的重要一环 有望成为拉动消费升级、促进经济持续向好的重要引擎 [17] 网格策略构建与标的列表 - 建议投资者使用网格交易策略时 可以选择数只合适的、相关性较低的ETF构成组合 例如搭配“宽基+行业”或“A股+港股”等不同类型和投资范围的ETF 组合分散可以分散风险并起到轮动效果 提高资金利用率 [20] - 本期关注的网格策略标的还包括：传媒ETF (512980.SH)、纳指ETF (159941.SZ)、港股通金融ETF (513190.SH)、纳指科技ETF (159509.SZ)、恒生消费ETF (513970.SH)、创业板软件ETF (159256.SZ)、美国50ETF (513850.SH)、信创ETF (562570.SH)、云计算ETF (159273.SZ)、线上消费ETF (159725.SZ) 等 [21]

公司融资与资金用途 - 公司完成数千万元C+轮融资 由华控基金与创东方投资联合投资 源式资本担任独家财务顾问 [1] - 融资资金将主要用于研发投入 产能扩张及全球市场拓展 [1] 公司业务与市场地位 - 公司成立于2016年 专注于高可靠 高精度 标准化机器人核心零部件研发制造 [3] - 主营产品为eRob系列机器人关节与eCoder系列磁性编码器 [3] - 产品覆盖人形机器人 工业 手术 协作 物流等多领域 下游客户超2000家 [3] - 服务全球科技 机器人 汽车等头部企业 关节销售额位居行业第一 [3] 财务表现与增长动力 - 2025年公司营收实现同比增长超100% [3] - 传统工业 医疗 物流业务稳健增长 贡献约35%的增速 [3] - 人形机器人 具身智能等新兴业务快速放量 贡献约65%的增速 [3] - 人形机器人业务已贡献超三成营收 [3] - 随着人形机器人进入小批量落地阶段 预计2026年该领域营收增速将显著领跑 [3] 技术优势与产品策略 - 公司以高可靠性 高精度为核心优势 面向医疗 工业等高要求场景形成技术壁垒 [6] - 技术路线上聚焦已规模化验证的成熟方案 将传统谐波方案性能推向极致 同时提升关节集成度与空间利用率 [6] - 通过模块化设计简化整机装配 最新方案可将7自由度机械臂零件从40个减至10个 降低系统复杂度与组装成本 支撑大规模量产 [6] - 未来两年将坚持可靠优先 渐进迭代 持续提升精度 功率密度 刚性与寿命 同时严控重量与成本 助力客户降低全生命周期使用成本 [6] 行业活动 - 将举办“2026大湾区工业具身智能大会” [4]

麦肯锡报告：未来改变商业格局的18个赛道 - 麦肯锡报告分析了未来最有可能改变全球商业格局的18个赛道，并预测到2040年，这些赛道将实现29万亿至48万亿美元的收入，贡献全球GDP增长的18%至34% [2] 电商 - 到2040年，电商在全球零售收入中的占比可能达到27%至38%，目前约为20% [3] - 增长点在于发展中国家的市场扩展，以及发达国家中医疗保健、珠宝和手工艺品等更具“情绪价值”的新品类增长，这些品类更容易通过社交电商的叙事方式销售 [4] - 全球范围内，电商平台的获客和最后一公里配送领域预计将迎来大量投资 [5] 电动汽车 - 到2040年，电动汽车在全球乘用车销量中的占比预计将超过50% [6] - 电池技术的突破和智能算法的革新将是重要影响因素，无论是电动车企业还是传统车企都将加大研发投资 [7] 云服务 - 世界互联程度加深对企业存储和计算能力提出更高要求，新的AI产品尤其需要大量算力 [9] - 该行业收入从2005年到2020年的年复合增长率为17%，未来几十年可能以类似或稍缓的速度增长 [10] 半导体 - 半导体是数字世界的基石，计算和数据存储、汽车、通信及工业电子等领域的需求将推动行业快速增长 [11] - 麦肯锡预测，半导体行业未来十几年将持续6%至8%的年复合增长 [11] AI软件服务 - AI发展迅速，被单独列为一个领域，越来越多的人正在使用AI助手 [12] - AI企业正在进行军备竞赛，致力于打造最先进的基础模型和应用 [13] 数字广告 - 数字广告通过搜索、社交和媒体提供服务，随着全球上网中产阶级增加和人均上网时间增多，其商业价值持续扩大 [14] - 算法的进步提升了平台定位客户和追踪广告成本的能力，但平台间为争夺用户注意力必须加大投资以制作更具吸引力的内容 [14][15] 流媒体视频 - 由于获客和内容制作的投资不断增加，流媒体平台可能需要寻找更多盈利方式并进行自我革新 [17] - 大量发展中国家可能为内容订阅和广告收入提供增量，预计到2040年，订阅长视频服务的家庭数量可能突破10亿 [18] 共享自动驾驶汽车 - 随着自动驾驶技术落地，未来可能不再需要个人购车 [19] - 麦肯锡预测，到2040年，共享自动驾驶汽车可能占据共享出行25%到51%的收入 [20] 太空经济 - 世界可能即将进入太空经济时代，在SpaceX之前，航空业成本极高，被视为生产“一次性”奢侈品的行业 [21][22] - 如今重型火箭已实现分级可回收，并朝着像飞机一样“航班化”的方向发展 [23] 网络安全 - 2020年，网络犯罪造成的直接经济损失约为9500亿美元，间接损失可能达到4万亿至6万亿美元 [24] - 越来越多的企业开始重视网络安全，加大投资力度并提高网络安全支出 [25] 电池 - 电池技术取得突破性进步，过去几十年能量密度（能量与重量比值）增长至大约之前的三倍水平 [26] - 全球能源转型推动了对电池的需求，例如电动汽车发展、储能发展及消费电子产品持续增长 [27] - 麦肯锡预测，到2040年，电动汽车在整个电池市场的占比可能超过80% [28] 电子游戏 - 麦肯锡预测，到2030年，全球可能有40%的人口成为电子游戏玩家 [30] - 移动游戏和云游戏的新模式使游戏过程更快更简洁，推动了市场大量增长 [31] - 免费网游为游戏厂商带来大量收益，3A游戏的支出也越来越高，2025年发布的3A游戏预算已达到2亿美元 [32] 机器人 - AI与机器人结合，AI为机器人提供了“大脑”，而机器人则为AI提供了“身体”，人形机器人被业内寄予厚望，有望成为“终极智能体” [33][34] - 未来，可能每个人都会拥有一台机器人 [35] 工业和消费生物技术 - 随着基因编辑等技术突破，生物技术将在农业、替代蛋白（人造肉、蛋、奶）、消费产品和服务、生物材料等领域加速应用 [37] 模块化建筑 - 在工厂预制模块再到现场组装的生产方法，可大幅提高建筑生产效率 [38] - 全球住房短缺和房价昂贵问题普遍，模块化建筑在日本、北欧等高劳动力成本地区已广泛应用，但在全球普及程度仍较低 [38] 核裂变发电 - 更安全、更小型的模块化反应堆为补充可再生能源提供了可能 [39] - 在2023年联合国气候变化大会上，20多个国家承诺到2050年将核能产量提高两倍 [40] 空中交通 - 电动垂直起降飞行器和配送无人机将是该领域的重大技术变革 [41] - 目前已经出现未来增长的早期迹象，但发展取决于各国的监管和认证进展 [42] 治疗肥胖症及相关病症的药物 - 根据《世界肥胖症地图集》估计，肥胖症患病率可能从2020年的15%上升到2035年的24% [43] - 安全可靠的减肥产品一旦出现，大概率会获得巨大收益 [44]

赛事概览 - 智元机器人主办的AGIBOT WORLD CHALLENGE @ICRA2026赛事正式开启，包含“推理-操作”与“世界模型”两大赛道 [3] - 赛事总奖池高达53万美元，并为表现突出的队伍提供智元机器人采购代金券 [9] - ICRA是全球规模最大、影响力最深远的机器人学术与产业盛会，每届吸引超5000名全球顶尖学者、工程师及企业领袖参与 [3] 赛道一：推理-操作赛道 - 该赛道旨在评估模型的推理和动作执行能力，包含线上仿真和线下真机赛段，聚焦于弥合Sim2Real Gap，实现从开放词汇理解到真实物理交互的稳健泛化 [5] - 赛题围绕物流、工业、超市、餐饮、家居等常见场景展开，结合落地项目与Genie Sim 3.0仿真平台进行设计 [6] - 智元为比赛专门采集了高质量数据，每个任务包含数百条完整操作轨迹，并在hugging face和modelscope社区全面开源 [6] - 比赛提供ACoT-VLA作为基线模型，并提供了业内首个大语言模型驱动的开源仿真平台Genie Sim 3.0，该平台融合三维重建与视觉生成，打造数字孪生级高保真环境，使用智元自研具身大脑Genie Reasoner实现基于VLM的全自动评测 [6] 赛道二：世界模型赛道 - 该赛道聚焦具身世界模型的核心能力，即基于机器人动作精准建模物理环境动态，参赛者需训练视频生成模型，根据真实观测与动作信号生成机器人在10组真实作业场景下的交互视频 [8] - 任务涵盖家居、商超、工业等多个真实场景，仅设置线上竞赛阶段 [8] - 智元基于AGIBOT WORLD公开数据集构造了由10个不同任务组成的训练集，涵盖超3万条真实轨迹，数据覆盖了抓取、放置、推、拉等多样交互类型 [9] - 比赛采用智元自研并开源的EVAC模型作为基线模型，该模型是首个由机器人动作驱动的具身世界模型，并基于全量AGIBOT WORLD数据进行预训练 [9] - 评测基于具身世界模型评测基准EWMBench，从图像质量、场景一致性、轨迹遵循度等多个维度进行全方位评估 [9]

行业趋势：跨界与市场热度 - 科技行业跨界已成为必然选择，从电视、手机到金融，如今已延伸至机器人领域 [1] - 2026年机器人市场成为跨界焦点，2025年宇树科技、智元机器人、优必选、松延动力等公司销售表现良好，成为全球市场主力 [2] - 2026年央视春晚采用宇树科技、松延动力、魔法原子和追觅四家公司的机器人进行表演，进一步提升了机器人市场的热度 [2] - 手机、汽车和互联网领域预计将有更多企业进入机器人市场，行业竞争加剧 [2] - 当前AI大模型与机器人产业链已非常成熟，拥有资本、品牌、流量和渠道的企业推出自有品牌机器人门槛降低 [2] 公司动态：荣耀 - 荣耀在2026年世界移动通信大会上推出其首款具身智能人形机器人，成为全球首家进入消费市场人形机器人领域的手机公司 [4] - 荣耀发布机器人手机Robot Phone，融合具身智能交互与旗舰影像能力，搭载微型电机和“四自由度”云台系统，配备三轴机械防抖云台摄像头和2亿像素传感器 [6] - 荣耀CEO李健表示，产品设计旨在赋予手机“大脑”和“手脚”，开创具有生命感的下一代AI终端形态 [7] - 荣耀同时发布最新折叠屏旗舰Magic V6，采用新一代硅碳电池技术，配备7000+mAh电池，搭载第五代骁龙8至尊版满血芯片 [9] 公司动态：小米 - 小米将其人形机器人应用于汽车制造生产场景，通过Xiaomi-Robotics-0机器人VLA基座模型与强化学习技术，实现自攻螺母上件等场景的自主作业 [15] - 与行业普遍展示机器人舞蹈或模仿动作不同，小米专注于智能制造的实际应用 [15] - 小米预计未来5年将有大批量人形机器人进入其工厂工作 [17] 公司动态：小鹏汽车 - 小鹏汽车宣布其第二代VLA（视觉-语言-动作模型）将于2026年3月推送，该模型是面向完全自动驾驶的第一个版本 [18] - 公司预计完全自动驾驶将在未来1-3年内实现，并成为日常出行习惯 [18] - 搭载第二代VLA的Robotaxi已开启公开道路测试，计划在2026年内开启试运营 [20] - 第二代VLA即将开启全球路测，并计划于2027年开启全球交付，大众汽车将成为其首发客户 [20] 公司动态：比亚迪 - 比亚迪确认将于2026年3月5日举办“颠覆性技术发布会” [21] - 市场对其颠覆性技术抱有高期待，可能涉及电池与补能技术、混动技术或智能驾驶领域，此消息推动其A股市值大涨8% [21] - 有预测认为比亚迪可能推出基于新能源汽车自研的大模型或全新的机器人产品 [24]

报告行业投资评级 - 行业投资评级：增持 [4] 报告核心观点 - 上周机械设备板块表现强劲，指数上涨+4.40%，跑赢沪深300指数（+1.15%）[2][7] - 燃机巨头订单旺盛，产能排期紧张，地缘政治因素推升油服设备景气度 [2][4] - 人形机器人领域取得技术突破，具身模型Pi 06在现实场景中展现出高自主运行率与效率 [4] - 低空经济政策持续加码，五部委及三部门联合发文，旨在夯实低空“数字底座”与“安全底座” [4] - 报告看好多个细分领域的投资机会，并给出了具体的推荐标的 [4] 根据相关目录分别总结 1. 上周行情汇总 - 上周（2026年2月24日至2月27日）机械设备指数涨跌幅为+4.40%，在申万31个一级行业中排名第11位 [7] - 子板块中，激光设备涨幅最大，达+21.24%，其余涨幅前五板块为磨具磨料、其他通用设备、能源及重型设备、制冷空调设备 [8] - 2025年初至2026年2月27日，机械设备申万指数累计上涨+65.66%，大幅跑赢沪深300指数（+23.30%）[9] 2. 重点宏观数据 - 2026年1月制造业PMI指数为49.3%，生产指数为50.6%，新订单指数为49.2% [14][19] - 2025年12月制造业利润总额累计同比增长+5.0%，工业企业利润总额累计同比增长+0.6% [22] - 2025年12月制造业投资累计完成额同比增长+0.60%，固定资产投资累计完成额同比下降-3.8% [24] - 2025年12月基础设施建设投资累计同比下降-1.48%，房地产投资累计同比下降-17.20% [27] - 2025年1-12月累计发行专项债76939亿元，12月单月发行新增专项债1349亿元 [28] 3. 细分子行业数据汇总 3.1. 工程机械行业 - 2026年1月挖掘机销量为18708辆，同比增长+49.5% [36][37] - 2026年1月汽车起重机销量为1630辆，同比增长+28.7% [36][37] 3.2. 机床及工业机器人行业 - 2025年12月工业机器人产量为90116套，同比增长+14.70% [42] - 2025年12月金属切削机床产量为8.47万台 [41] 3.3. 轨交行业 - 2025年1-12月累计生产动车组1994辆，12月单月产量为304辆，单月同比增长+4.1%，累计同比增长+6.7% [44][46] - 2025年12月铁路固定资产投资完成额为9015亿元 [50] 3.4. 油服设备行业 - 2026年1月全球在用钻机数为1822台 [54] - 截至2026年2月27日，布伦特原油均价为72.48美元/桶，美国在用海上钻机19台，陆上钻机531台，其中原油钻机407台，天然气钻机134台 [52][54][55] 3.5. 船舶及集装箱行业 - 截至2026年2月27日，BDI指数为2140点 [61] - 2025年12月，集装箱吞吐量同比增长+8.3%，货物吞吐量同比增长+2.2% [61][62] 3.6. 光伏行业 - 截至2026年2月9日，光伏行业多晶硅、组件、电池片价格指数环比持平，硅片价格指数环比下降 [66][74] 3.7. 锂电行业 - 2026年1月，新能源汽车销量为94.4万辆，同比微增+0.11% [72] - 2026年1月，动力电池销量为42.0GWh，同比增长+8.25% [72] 3.8. 半导体设备行业 - 2025年12月全球半导体销售额为788.8亿美元，环比增长+2.74% [76] - 截至2026年2月27日，费城半导体指数为8098.37点，周度环比下跌-1.96% [79] 4. 重点公司盈利预测 - 报告列出了覆盖的多个细分领域重点公司的估值与盈利预测，包括人形机器人、AI基建、工程机械、锂电设备、出口链、芯片设备、光伏设备等 [81] - 具体推荐标的包括：恒立液压、长盈精密、兆威机电、东华测试、双环传动、科瑞技术、冰轮环境、汉钟精机、杰瑞股份、博盈特焊、三一重工、徐工机械、中联重科、奥特维、迈为股份、拉普拉斯、捷佳伟创、海目星、巨星科技等 [4][81] 其他行业动态（源自投资要点） - **燃气轮机**：GEV已售罄截至2028年的产能，2029年产能也仅剩10%；2025年前三季度GEV新增燃机订单19.6GW，同比+39.0%；三菱电力2025财年上半年新增燃机订单23台，同比+155.6%，在手订单67台，同比+86.1%，订单金额14387亿日元，同比+84.1%；西门子2025财年燃机订单达26GW，同比+63%，订单金额230亿欧元，同比+43% [4] - **人形机器人**：Physical Intelligence发布的Pi 06模型在洗衣店叠衣任务中自主运行率达92%，在仓库打包场景效率达每小时165件 [4] - **低空经济**：2026年2月，工信部等五部门发布《关于加强信息通信业能力建设支撑低空基础设施发展的实施意见》；国家发展改革委等三部门发布《关于推动低空保险高质量发展的实施意见》，目标到2027年初建立无人驾驶航空器责任保险强制投保制度，到2030年基本形成低空保险政策框架 [4]

核心观点 - 北京通用人工智能研究院、宇树科技等机构联合提出名为OmniXtreme的通用控制策略，首次实现了人形机器人执行各种极限动作的能力，包括连续翻转、极限平衡和霹雳舞等[3] - 该策略通过“基于流的生成控制策略预训练”与“驱动感知残差强化学习后训练”两阶段方法，成功打破了人形机器人高动态控制的“泛化壁垒”，实现了从仿真到现实的高保真迁移[4][10] - 在现实世界的宇树G1机器人上进行157次物理测试，涵盖24个高动态动作，整体平均成功率高达91.08%，其中后空翻成功率96.36%，武术动作成功率93.33%[28][29][30] 技术方法：OmniXtreme框架 - 框架设计旨在解决传统统一强化学习策略在动作库规模和多样性增加时遭遇的“性能崩溃”问题，该问题源于仿真中的学习瓶颈和真实世界的物理执行瓶颈[10] - **第一阶段：基于流的可扩展预训练** - 整合LAFAN1、AMASS、MimicKit等多个高质量动作数据集，并重定向至宇树G1机器人[13] - 利用PPO算法训练专家策略，再通过基于数据集聚合的知识蒸馏技术，将其统一融合到一个基于流匹配的生成式策略中[13] - 基于流的模型通过优化特定目标函数，学习从噪声中恢复专家动作，生成高精度的连续控制动作[17] - **第二阶段：驱动感知的后训练** - 冻结预训练的基础策略，在其之上训练一个轻量级MLP残差策略，以输出修正动作来对抗真实的硬件约束[18] - 引入了三个层面的深度建模以确保现实世界鲁棒性： 1. **激进的域随机化**：将初始姿态噪声、外力干扰等参数范围大幅提升最高50%，并将终止阈值放宽1.5倍，以提供充足的探索空间[19] 2. **功率安全驱动正则化**：创新性地引入针对机械功率的惩罚机制，计算关节扭矩与角速度的乘积（瞬时机械功率），并对超出安全死区的高额负功率应用严格的二次惩罚函数，重点施加于膝关节[20][22] 3. **驱动感知的扭矩与速度约束**：将真实的电机运行包络线集成到仿真器，并通过对非线性摩擦项建模，精确捕捉从静摩擦到动摩擦的平滑过渡及速度相关的耗散阻尼[23] 性能表现与实验结果 - **可扩展的高保真跟踪能力** - 在仿真环境中，OmniXtreme在所有评估指标上均碾压传统基线方法（“从头训练多动作强化学习”和“专家到统一MLP蒸馏”）[27] - 在包含约60个高挑战性动作的XtremeMotion评估集上，OmniXtreme维持了极低的运动学误差和极高的成功率，而传统方法的跟踪误差显著增加[26][27] - 具体数据：在LaFAN1+XtremeMotion数据集上，OmniXtreme（预训练+后训练）的MPJPE为30.93，成功率为98.54%；在纯XtremeMotion数据集上，成功率为95.64%[28] - **打破保真度与可扩展性的权衡** - 压力测试表明，随着训练动作集从10个扩展到50个，传统从头训练强化学习基线的成功率从100%暴跌至73.9%[31] - 相比之下，OmniXtreme在50个动作的训练集下，对核心动作的跟踪成功率依然坚挺在93.3%，证明了其在高多样性下的强大韧性[34] - **模型规模的Scaling Law** - 传统MLP策略在参数量扩大后很快陷入性能饱和，跟踪精度提升有限[35][37] - 基于流匹配的生成式策略完美契合Scaling Law，随着参数量向70M迈进，OmniXtreme的跟踪精度与鲁棒性呈现显著且稳定的线性增长[37] - **现实世界执行力的消融实验** - 对于翻腾动作，仅引入电机约束即可保障稳定执行[40] - 对于霹雳舞动作，需同时依赖电机约束与激进的域随机化，以在接触扰动中维持平衡[40] - 对于包含高速冲击缓冲的杂技落地动作，功率安全正则化机制至关重要，缺乏该机制会导致因电机瞬态制动而过流或电池欠压失败[40] 工程部署与硬件 - 整个推理管线使用TensorRT进行了深度优化，在宇树G1机器人的机载NVIDIA Jetson Orin NX平台上，实现了约10 ms的端到端推理延迟，完美支持50 Hz的高频闭环控制[24]