文章核心观点 - 物理AI正处于从预编程工具向能够感知、推理并自主行动的实体协作者演进的真正拐点时刻，其本质转变是从处理信息转向在物理世界中行动，将重构依赖体力劳动的多个行业[2] - 技术汇聚、经济压力与产业落地共同推动物理AI发展，但规模化部署仍面临技术成熟度、安全监管及社会接受度等多重深层障碍，从演示到规模化之间尚有鸿沟[3][4][5][7][11] - 中国在物理AI及人形机器人领域采取积极且独特的推进策略，包括规模化量产、产业协作与公众活动，以建立技术领先和公众接受度[10] 技术演进与驱动力 - 技术跃迁由三条主线驱动：基础模型的根本性突破、机器人硬件生态系统的进步、劳动力短缺与风险投资叠加的经济驱动[3] - 多模态基础模型与视觉-语言-行动模型改变了机器人智能架构，实现跨任务、跨环境的泛化能力，仿真技术将开发周期从数年压缩至数小时或数分钟[3] - 过去十年人形机器人生产成本从约300万美元降至约10万美元，降幅达30倍，机器人即服务等新模式降低了企业入场门槛[4] - 2025年机器人领域风险投资达407亿美元，占全球VC总投入的9%，世界模型方向投资从2024年的14亿美元激增至2025年的69亿美元[4] 产业应用与价值预期 - 物理AI在仓储物流、建筑、能源等多个行业创造可量化价值：例如，施工现场巡检与记录时间减少逾90%，自主完成近50万块光伏板安装[5] - 76%的受访高管预期物理AI带来生产率提升，70%预期成本效率改善，65%预期产品质量与精度提升，67%视其为改变行业游戏规则的技术[6] - 79%的受访组织已参与物理AI，其中27%处于部署或规模化扩展阶段，65%预期在五年内实现规模化[6] 面临的挑战与障碍 - 73%的受访高管将技术准备度列为关键障碍，71%认为系统可靠性不足，62%指出机器人灵巧操作能力仍不足[7] - 物理AI面临数据匮乏的根本瓶颈，其所需真实物理交互数据采集成本高昂、进度缓慢[7] - 安全、网络安全与监管面临新挑战，现行大多数监管框架并非为自主物理行动设计，中国于2026年3月发布了首个人形机器人及具身AI国家标准体系[8] - 在人形机器人方面，78%的组织预期实现规模化部署，但平均时间线延伸至七年，技术不成熟、高成本、不明确的投资回报是主要障碍[9] 区域发展策略对比 - 中国正积极推进人形机器人发展，2025年被视为规模化量产元年，国内逾140家制造商发布了300余款型号，部署场景延伸至制造业、家政、医疗等领域[10] - 中国通过开源数据集、基础模型产业协作以及高可见度公众活动来突破数据瓶颈并建立公众熟悉感与接受度[10] - 在全球主要国家中，日本、韩国、中国和新加坡在物理AI战略优先级上显著领先[10]

市场阶段与核心基调 - 市场处于牛市第三阶段，深证成指和创业板指在技术趋势上已出现明确信号，仅上证指数尚未突破，但总体看牛市第三阶段已在路上[3] - 牛市第三阶段的主基调是业绩为王，题材热点虽有机会但波动大、不易把握，最终炒作可能一地鸡毛，业绩扎实的公司相对更坚挺[4] - 纯粹炒概念、无业绩支撑的小市值股票需注意远离，若牛市进入尾部阶段，这类股票将被率先清算[5] 投资策略与配置建议 - 投资策略强调避免单吊，需注意均衡配置以控制风险，建议采用高股息打底（如煤炭、银行、公用事业）+景气成长（如光模块、半导体、机器人）+部分消费+能源安全等组合[5] - 切忌加杠杆或赌博式押注单一方向，因牛市第三阶段节奏快，可能几天的调整就会吞噬全部利润[6] - 随着牛市第三阶段冲高，总体仓位应下降，中间调整可补仓，但需遵循越涨越卖原则以保持高胜率，若市场出现疯涨，应逐步兑现退场[7] 投资者行为与风险认知 - 需控制贪婪和欲望，历史经验显示，A股历次牛市中散户亏损主要发生在最后约10%的时间里，本应逃顶时大部分人却疯狂进入接盘，最终站在山顶[7] - 股市生存法则并非赚一笔就跑，投资不是赌博，需要更长远的策略和眼光[8]

行业里程碑事件：2026北京亦庄人形机器人半程马拉松 - 荣耀“闪电”机器人以50分26秒的净成绩完赛，超越了人类男子半马世界纪录，并将一年前的机器人冠军成绩压缩了110分钟 [1] - 近四成参赛队伍摆脱遥控实现自主奔跑，有望创下“最多自主人形机器人参与的半程马拉松”吉尼斯世界纪录，而去年几乎所有机器人都依赖人工遥控 [3] - 超过三分之二的自主赛队搭载了千寻位置的北斗“时空智能三体套件” [6] 核心产品发布：“具身时空大脑” - 千寻位置于4月22日正式发布“具身时空大脑”产品集，旨在将马拉松验证的能力系统化、产品化，为机器人提供从遥控到自主、从表演到实战的技术路径 [3] - 该产品基于公司时空智能全链路技术底座，融合千问通用大模型与自研专业模型能力，构建覆盖室内外的自主行走、环境感知与群体协同能力 [8] - 产品推出关键感知器件“时空之眼”多源融合终端，通过融合北斗绝对定位与V-SLAM等相对感知技术，实现室内外精准定位与无缝衔接 [8] - 产品主要面向机器人本体厂商及行业应用客户，覆盖人形机器人、机器狗、无人机、无人车等多类具身形态，旨在提供统一的时空底座 [22] 技术架构与创新：破解落地难题 - “具身时空大脑”采用“千问千寻协同”架构，将通义千问等多模态大模型的通用能力与视觉小模型的专用能力深度融合 [9][12] - 运行逻辑分为三步：大模型“零样本”冷启动实现初步识别（如首日识别准确率70%-80%）；小模型利用真实场景数据快速迭代提升精度（一周内可升级，准确率可超90%）；大模型进行校准纠偏，形成数据飞轮，最终将场景识别准确率稳定提升至95%以上 [12][13] - 该架构让机器人摆脱“先标注、后训练、再部署”的线性开发模式，实现“边跑边学、越用越聪明”的持续进化能力 [16] - 为机器人企业带来三大收益：新场景部署周期从数月压缩至数天；大幅降低人工标注成本；使覆盖长尾场景成为可能 [16] 公司战略与生态合作 - 千寻位置正加速推进生态合作，与南京中网卫星通信股份有限公司签署战略合作，将“具身时空大脑”与中网卫通产品深度融合，探索化工园区巡检、安防等应用 [4] - 与五八智能科技（杭州）有限公司合作，共同探索北斗时空智能技术在四足机器人、人形机器人等领域的深度应用 [4] - 公司产品定位正从解决“如何感知世界”的基础定位零件供应商，升级为叠加规划、决策、群体协同能力的系统解决方案提供商 [17] 行业背景与市场前景 - 2025年至2026年被视作中国具身智能产业发展的“分水岭”，评判标准转向能否在具体场景中稳定、经济地替代或增强现有劳动力 [20] - 2025年中国具身智能市场规模约9150亿元，2026年预计将突破10904亿元；IDC预测2026年全球智能机器人硬件市场规模接近300亿美元，其中中国具身智能机器人市场规模有望突破110亿美元 [20] - 工业制造领域已出现近5亿元的千台级订单落地，实现±0.02mm装配精度与40%的效率提升；消费级人形机器人价格已下探至万元级别 [20] - 2026年被业界视为具身智能商业化放量元年 [22] 行业挑战与解决方案 - 行业核心瓶颈包括数据匮乏（全行业具身数据约50万小时，远少于GPT-5训练语料的约100亿小时）以及自主导航机器人在开放场景中频繁摔倒、失控，“感知-预测-控制”闭环尚未打通 [21] - 六成参赛机器人仍依赖遥控，行业从“能跑”到“能用”面临鸿沟 [21] - “具身时空大脑”旨在解决一组环环相扣的核心痛点：室外定位不准、室内定位漂移、室内外切换断层、新场景适应慢、场景精度不够、群体协同效率低 [21] 公司基础与行业地位 - 截至2025年11月，千寻位置的月度时空智能服务调用量已连续两个月突破1万亿次，成为全球首个达到此里程碑的时空智能服务平台，相当于每秒处理38万次请求 [18] - 服务覆盖超过400万台智能汽车、6000万部智能手机、20万台低空飞行器、超10万台测量和工程设备 [19] - 公司核心任务是让精准的时空能力像水电煤一样成为新型生产要素，“具身时空大脑”是时空网在具身智能领域的产品化延伸 [19]

公司近期动态与融资 - 2025年3月5日，程天科技宣布完成由农银资本领投，汇川产投、杭州资本跟投的亿元级B+轮融资，这是该公司一年内获得的第二笔融资 [5] - 公司于2025年正式推出C端消费级外骨骼产品系列，其中“有源产品”在社交媒体上引发关注 [6] - 公司新建工厂于2025年12月底建成，预计2026年第一季度投产，以解决产能制约问题 [12] 市场前景与行业定位 - 公司创始人认为外骨骼机器人未来将发展成一个独立的产业，其市场潜力可对标手机，成为解决人类行动能力问题的“新器官” [5] - 在“具身智能”热潮带动下，C端市场对外骨骼机器人的期待和热情增强，产品开始从医院、康复机构走向景区、田径场和家庭等场景 [5] - 外骨骼行业目前仍处于起步阶段，新产品的导入将首先吸引刚需用户（如老年人）和早期科技接纳者两类人群 [13][20][21] - 老龄化社会将催生巨大的外骨骼市场需求，针对助老场景需要专业服务能力，而非单纯的消费电子逻辑 [21][22] 产品战略与业务模式 - 公司采用“曲线创业”路径：先通过B端医院康复场景（RAAS模式）积累数据、迭代产品并实现盈利，再伺机进入C端“人体增强”市场 [6] - C端产品线分为“无源”和“有源”两类：无源产品主要解决行走功能障碍和身体稳定性问题；有源产品（如髋、膝关节助力外骨骼）则针对运动助力、关节防护和抗疲劳需求 [10] - C端产品逻辑是精准细分，针对不同用户群体（如老人、年轻人）的核心需求做精产品，而非追求面面俱到的“性能怪兽” [18][19] - B端（医院）产品逻辑则不同，需要设备具备智能切换能力，以适配高度个性化的患者需求 [19] - 公司于2025年下半年在Kickstarter上发起“模块化外骨骼机器人”众筹项目，旨在联合全球开发者共同打造适配不同场景的产品 [10] 技术研发与核心能力 - 公司的核心竞争力被归纳为三点：持续迭代能力、量产交付能力、专业服务能力 [22] - 人工智能在外骨骼上的应用主要聚焦于两个方面：一是基于步态数据库实现个性化的人机交互；二是利用仿真系统等开发工具应对人体这一复杂、非线性的作业环境 [24][25] - 未来技术演进方向包括引入更多传感器实现环境感知与“助力预判”，以及通过多关节设计丰富运动可能性 [25][29] - 数据积累是形成算法差异和核心能力的关键，公司通过合规的临床实践持续收集从脚底压力到身体姿态的完整闭环数据 [28][29][30] - 公司同步研发无创脑机接口（正在申请创新医疗注册证）和植入式神经接口，旨在与外骨骼系统深度融合，提升康复效果并实现更自然的人机交互 [26][31][32] 供应链与生产 - 过去外骨骼供应链不成熟是开发C端产品的最大障碍，随着具身机器人赛道升温，大量供应链企业参与，核心元件的规模化量产和成本控制问题得到解决 [14][15] - 由于外骨骼是新产品类别，缺乏成熟的OEM工厂和标准，且产品迭代快速，因此公司选择自建工厂作为当前的最佳应对方式 [15] - 当前C端外骨骼产品重量约为2公斤多，在行业技术路线无颠覆性改变的情况下，各家公司产品重量差异不大 [16][17] 销售表现与未来预期 - 2025年推出的首款C端无源外骨骼产品市场需求旺盛，首批千台量级产品在几天内售罄 [10] - 2025年C端订单情况良好，但受限于产能 [12] - 公司预估其2026年消费级外骨骼产品出货量可能达到6万至10万台 [6][12]

特斯拉Optimus V3进展与市场反应 - 特斯拉Optimus V3预计在2024年7-8月发布并启动生产，发布因防止竞争对手模仿而推迟至更接近生产的时间点[2][3] - 市场对Optimus V3的预期已提前消化，财报后因缺乏明确利好，特斯拉产业链（T链）相关标的在4月23日普遍下跌[3][4] - 尽管发布推迟，但国内媒体普遍以“Optimus将是史上最重要产品”、“V3年中亮相、今夏投产”等正面标题进行报道，负面消息较少[4] 特斯拉产业链（T链）投资逻辑演变 - T链投资逻辑正从“炒概念”转向“拼份额”，投资者关注点从“是否进入供应链”转变为“在供应链中占据多少份额”[6] - 供应链呈现“缩圈”趋势，并伴随“新T链”崛起，资本更青睐能够带来“从0到1”新增量的供应商，而非依赖存量预期的传统龙头[6][8] - 2024年5月将启动小规模试产，7月中旬供应链预计获得量产订单，这已成为市场共识，T链整体可能维持“左侧机会”，仅增量标的受资本关注[5] 特斯拉产业链（T链）核心环节与标的动态 - 执行器总成、丝杠、传感器与轻量化、电机与驱动等关键环节正在进行份额再分配与格局重塑[8] - 丝杠赛道竞争激烈，多家供应商（如ZY、HL、BT）正在争夺份额，其中ZY备受资本青睐，HL和BT已签署PPA（生产采购协议）[6][7] - 轻量化核心标的（代号F）对特斯拉有新进展，谐波领域新王（代号K）近期有望签署PPA，相关核心标的将在月底开启新一轮北美行[6] 人形机器人行业整体动态 - 行业获得多重催化，包括特斯拉、智元机器人、宇树科技等公司的进展[15] - 行业参与者众多，包括车企、产业链公司、智驾领域从业者正涌入具身智能赛道，但行业内真正愿意做实事的人相对较少[15][16] - 宇树科技已启动IPO，智元机器人完成再融资，带动了各自产业链数十家上市公司受到关注[16]

2025年度财务表现 - 2025年公司实现营业收入77,116.11万元，同比增长15.87% [2] - 2025年归属于上市公司股东的净利润为-1,673.54万元，同比下降126.96%，出现首亏 [2] - 2025年度利润分配预案为不派发现金红利、不送红股、不以公积金转增股本，主要因净利润为负值 [7] 分业务收入情况 - 汽车齿轮业务收入44,770.35万元，同比增长14.44%，是公司第一大收入来源 [2][10] - 电动工具齿轮业务收入同比下降17.02% [2] - 减速机及其他业务收入16,168.92万元，同比大幅增长65.07% [2][8] 增收不增利原因分析 - 汽车行业竞争加剧导致毛利率降低，且对存货计提的跌价准备增加 [4] - 募投项目固定资产转固及员工增加，导致折旧、薪酬等固定成本上升，但规模效应尚未释放 [4] - 为拓展新市场新产品，研发及越南工厂投入保持高水平，同时利息收入减少、利息支出及股份支付费用增加 [4] 2026年业绩改善与核心经营措施 - 加强新业务开拓，重点发展机器人用减速机等高毛利产品 [3][5] - 通过规模效应摊薄成本，优化供应链及实施精益管理以降本增效 [3][5] - 持续技术研发以提升产品附加值，并调整客户与产品结构 [5] - 加速越南工厂产能释放，提升国际竞争力 [5] - 2026年核心经营目标聚焦产能释放、市场拓展、产业链延伸、新兴业务突破与人才体系建设五大任务 [9][10] 海外市场与全球化布局 - 越南生产基地处于小批量产阶段，已承接东南亚电动工具客户订单，并积极对接汽车、机器人等国际订单 [6] - 2026年将加速越南基地产能爬坡，打造“国内研发+海外制造”双基地格局 [6] - 市场拓展规划包括搭建覆盖欧美、东南亚的营销网络，并抓住“一带一路”机遇择机新增海外工厂 [6] 技术研发与核心竞争优势 - 公司已突破大长径比内螺纹精密加工技术，自主研发了内螺纹多线磨机床等专用设备 [11] - 研发形成超硬超细高速干切硬质合金齿轮滚刀等刀具核心技术，实现进口替代，硬质合金滚刀最小模数达0.05mm [11] - 中长期竞争战略包括纵向延伸产业链、横向拓展机器人及智能制造等高增长赛道，以及通过全球化与精益管理优化成本 [9] 机器人等新兴业务进展 - 减速机及其配件作为机器人关键部件，随着机器人业务爆发，市场有较大潜力和持续增长趋势 [8][9] - 公司产品已供应于国内外知名机器人公司，丝杠产品已有陆续试样及小批量订单 [12] - 2026年计划深化与头部机器人企业的技术对接，推动核心产品在关节、传动系统的规模化应用 [12] - 目前人形机器人产品订单规模较小，对2025年度营收及利润影响较小 [12] 汽车齿轮业务应对策略 - 为稳定盈利，公司将优化产品结构与客户布局，加大高毛利的新能源汽车齿轮产品占比，并开发新的优质头部客户 [11] - 通过制造精益管理、优化供应链及释放募投项目产能来降本增效 [11] - 持续投入高附加值产品研发以提升工艺稳定性 [11]

文章核心观点 - 星源智在2026年汉诺威工业博览会上发布BotPack B系列算力背包，旨在通过端侧部署高性能算力，解决具身智能的“最后一公里”瓶颈，其“同一平台，无限可能”的平台化战略正推动产品在多个机器人场景中快速落地 [1][2][3][15] 产品技术：BotPack算力背包 - 产品定位与核心功能：BotPack B系列是专门为机器人打造的“外挂大脑”或“服务器级算力背包”，旨在解决端侧算力可行部署的核心瓶颈，使机器人能离线流畅运行视觉-语言-动作（VLA）大模型 [2][5][7] - 硬件配置与性能：提供B5和B4两个主力版本，顶配B5搭载NVIDIA Jetson Thor T5000，算力高达2070 TFLOPS；B4版本采用Thor T4000，算力达1200 TFLOPS，配合最高128GB LPDDR5X内存和273 GB/s带宽，足以在端侧运行VLA模型 [9] - 工程设计与优化：背包尺寸控制在326×196×105mm，整体重量不足2.5kg，对机器人负载影响小；设计复用机器人本体电源，无需独立电池；基于空气动力学设计散热风道，确保满载不降频 [9][11] - 集成通信与定位能力：预留工业级10G万兆以太网及多个千兆网口；B5/B4型号集成UWB（6频段）、6轴IMU、双频GNSS（L1/L5），以及5G、Wi-Fi 7和BT 5.4，兼具“感官增强系统”功能，补齐室内外高精度定位短板 [11] 公司战略与技术路线 - 技术路线选择：公司选择端侧部署路线，将算力和模型能力下沉至机器人本体，实现本地感知、理解、决策和控制的完整闭环 [13] - 平台化战略：公司目标是做“机器人的通用内核”，而非专属配件，通过“软硬件协同优化”实现“同一平台，无限可能”，其稀缺性在于具备“软硬一体+跨本体部署”的平台型能力 [13][15] - 技术资产复用：公司将具身大脑从云端下沉至端侧，从固定工作站（T5平台）延伸到移动背包（BotPack），实现了对各类机器人场景的技术全覆盖和资产最大化复用 [13][15] 应用场景与产业合作 - 已成功应用的端侧部署场景：包括搭载T5算力平台的机械臂完成语义理解到精准抓取、搭载具身大脑的精灵G2端侧自主完成咖啡识别与配送、赋予传统叉车自主识别与路径规划能力、以及宇树G1背上BotPack实现离线端到端智能 [13] - 商业化进展与订单：公司成立仅数月，已签下数亿元订单，仅今年给智元机器人的出货量就达到数千套级别，产品已进入规模化交付阶段 [18] - 产业合作网络快速扩张：2025年10月，智元机器人精灵G2已搭载公司T5算力平台并进入深度合作与批量交付阶段；BotPack算力背包可快速适配不同品牌和型号的人形机器人，已完成部分国内头部人形机器人厂商主流机型的适配覆盖 [19][21] - 战略合作协议：与北京亦庄机器人科技签署协议，三年内完成不低于五亿元订单；与全球最大电动叉车公司中力股份合作发布具身装卸技术及解决方案；人形机器人头部企业乐聚机器人也已入股公司 [21] 公司背景与行业地位 - 资源禀赋：公司是智源研究院（中国顶尖AI科研机构，“悟道”大模型研发者）唯一孵化的具身智能大脑公司，拥有“国家队”背景 [16] - 团队构成：创始团队汇聚了来自智源研究院、京东、北京大学、中科院等平台的顶尖科学家与商业领袖，构建了业内少有的全栈式具身技术体系 [16] - 行业影响与定位：作为具身智能“国家队”，公司在汉诺威全球顶级舞台亮相，展示中国在端侧算力硬件领域的实力，其快速的产业渗透速度在行业中极为罕见 [21][23]

文章核心观点 - 工业人形机器人行业正从以视觉为主的VLA时代，迈入融合力触觉感知的OmniVTLA时代，行业竞争焦点从硬件转向感知与数据 [1][5] - 上海开普勒机器人发布国内首个原生适配VTLA全感知模型的力触觉全栈数采解决方案Kepler-OmniTac™，旨在通过“硬件-数据-模型”端到端原生打通，解决行业数据稀缺、感知维度缺失等痛点，推动机器人从“炫技展示”走向“务实量产” [1][5][8] - 公司判断，物理世界感知与高保真交互数据是工业人形机器人下一阶段的核心竞争力，并采用“具身智能大脑 + 力触觉全栈数采”双轮驱动战略，深耕工业垂类纵向泛化 [5] --- 行业现状与痛点 - **行业处于关键拐点**：执行器、整机控制、灵巧手等硬件已实现规模化突破，但智能待启，机器人普遍存在“看得清、摸不准、做不精”的问题 [5] - **三大核心痛点**： - **感知维度缺失**：纯视觉方案无法捕捉接触力、摩擦力等物理交互信息 [7] - **力触觉数据稀缺**：缺乏全维度接触数据支撑精细操作 [7] - **模型与数据不匹配**：主流模型原生不支持触觉模态 [7] - **传统数据方案效果有限**：依赖纯视觉数据、虚拟合成数据或传统遥操作采集，与真实工业场景脱节，泛化成功率仅25%-30%，在精密操作中几乎不具备实用价值 [22][26][27] 开普勒解决方案：Kepler-OmniTac™ - **方案定位**：国内首个实现“硬件 - 数据 - 模型”VTLA原生适配的工业级力触觉全栈数采解决方案，核心是“人机同源感知” [1][8] - **核心目标**：实现“干活即采数、采数即训练、训练即进化”，打破行业“采集-训练-部署”割裂的痛点 [22] - **三大组成部分**： - **Kepler-OmniTac 数采套件**：全栈自研，采用双方案并行架构，轻量化设计，可快速适配各类真实工业场景 [10] - **Kepler-OmniVTLA 数据集**：累计收录10万+条真人实采全模态场景数据，覆盖多行业核心场景，囊括20+种专属工业技能与40+种真实应用场景 [16] - **KEPLER OmniVTLA 大模型**：实现从VLA到VTLA的关键升级，原生支持力触觉编码与跨模态深度融合 [19] 技术细节与优势 - **双套件数采方案**： - **同构力触数采套件**：由同构力反馈外骨骼、力触反馈手部套件及开普勒人形机器人组合，动作空间与机器人高度一致，可原位采集高保真力控与接触数据，有效抑制延迟、温漂与噪声 [11] - **类UMI触觉手套数采套件**：以五指触觉采集手部套件为核心，大幅降低采集门槛与硬件成本，适合数据集扩容与算法快速验证 [13] - **两者互补**：灵活覆盖不同场景与精度需求，为模型训练提供高质量、高多样性的多模态数据支撑 [14][17] - **OmniVTLA大模型关键突破**： - **感知升级**：从“被动看”到“主动摸”，精准理解接触力度、材料软硬等物理属性 [19] - **能力跃迁**：实现模仿学习2.0，深度理解任务逻辑，复杂任务泛化能力“翻倍涨” [19] - **实用价值**：一脑多机高效适配，一套模型可兼容不同自由度、不同结构的人形机器人，大幅降低部署成本 [19] - **工业实效**：接触密集型任务成功率提升10%-20%，试错成本显著降低 [19] 落地验证与成效 - **汽车精密装配**： - 行业痛点：传统数据方案泛化成功率仅25%-30%，易卡滞、错位 [26] - 开普勒突破：VTLA模型通过六维力传感器与触觉反馈，实现亚毫米级精准对齐，数据与实际场景1:1匹配 [26] - 落地数据：某汽车工厂1000次连续装配，成功率达98%，产线产能提升30%，人工成本降低40% [23][26] - **多材质抓取**： - 行业痛点：传统方案无法精准捕捉材质受力差异，易抓碎、滑落 [27] - 开普勒突破：VTLA模型通过力触觉实时反馈，动态调节抓取力度 [27] - 落地数据：某制造工厂多品种小批量零件抓取及放置，抓取成功率99%，连续作业零滑落 [25][27] - **自主拆垛**：开普勒K2“大黄蜂”机器人已成功实现自主拆垛，显著降低人工干预 [24] 公司战略与愿景 - **技术演进路线**：开普勒为自研KeplerBrain类脑系统规划了三阶演进路线，从Gen1.0（规则驱动，稳定可靠）到Gen2.0（数据驱动，有条件泛化），现已进入Gen3.0时代（海量真实数据驱动端到端大模型，实现通用场景完全泛化） [3][5] - **核心战略**：采用“具身智能大脑 + 力触觉全栈数采”双轮驱动，放弃横向泛化，深耕工业垂类纵向泛化路径 [5] - **企业价值**：助力企业无需额外投入大量采集时间与人工成本，让机器人自主进化，持续降低产线试错成本与人工干预 [31] - **行业价值**：打破“人工依赖型数采”与“虚拟数据脱节场景”的双重瓶颈，推动机器人真正适配工业场景的复杂多变 [31] - **未来愿景**：立足工业并跳出工业，以工业级高可靠能力为根基，拓展全场景智能边界，联合生态伙伴共建「场景-数据-模型」正向循环，从赋能智能制造走向服务万物智能 [30]

公司市场表现与行业地位 - 2025年协作机器人出货量跃居全球第一，收入同比增长31.7%，六轴协作机器人同比增速高达44.7% [7] - 全球市场年复合增速近30%，应用边界正从工业加速延伸至商业、医疗、教育等全场景 [7] - 公司已在全球部署超过10万台机器人产品，服务超80家世界500强企业，覆盖15大行业、200多个细分场景 [6][12][25] 核心技术优势与产品创新 - 技术层面：拥有全球唯一规模化量产的智能机器人安全皮肤；IP68高防护整机；通过NSF食品安全认证 [8] - 知识产权：截至2025年12月，知识产权申请总量达1497项 [9] - 产品矩阵：推出7大系列30余款协作机器人产品，构建覆盖多元场景的产品矩阵 [9] - 旗舰产品：2025年发布的CR30大负载机器人系列，负载达30kg，臂展1800mm，速度300°/s，适用于中大型工件处理 [10] - 运动控制：自研高性能运动控制算法，实现高速精准运动 [21] - 精细操作：借助高精度传感器与感知技术，完成微小零件装配、精密焊接等任务 [21] - 长期交互：引入AI技术，使机械臂具备学习与适应能力，实现自然流畅的人机协作 [21] 具体应用场景与案例验证 - 工业制造：广泛应用于汽车新能源、3C电子等行业，如在比亚迪电子产线上实现0.2μm精度的微型连接器装配 [12] - 焊接场景：CRA系列协作机器人实现±0.3mm绝对定位精度，在中铁山桥项目中保障复杂焊缝一次成型合格率近100% [13] - 商业服务：在深圳某电影院实现爆米花制作全自主运营，单日工作14小时完成超1000杯 [26] - 科研教育：面向高校与科研机构提供教学科研方案 [3] 具身智能发展战略与路径 - 核心理念：具身智能是“今天就在干活的生产力”，发展应“从场景中来，到场景中去” [6][25] - 差异化路径：从“上肢能力”向下扎根，而非从“人形外观”向上堆砌。先打磨成熟的双臂协同能力，再延伸至全身移动操作 [17][18] - 核心能力：实现双臂仿生协同与全身移动操作两次能力跃迁 [18] - 平台战略：构建“一脑多体”解决方案，以协作机械臂、双足人形、轮式人形、多足机器狗构成多形态产品矩阵，实现“一脑控多体” [20] 行业洞察与未来展望 - 市场预测：IDC预测2030年中国具身智能机器人用户支出规模将达770亿美元，年均复合增长率（CAGR）高达94% [23] - 发展趋势：具身智能将沿着“工业→商业→家庭”的路径，从确定性环境走向开放世界 [23] - 价值核心：具身智能的价值不在于“多像人”，而在于“多能解决问题”，关键在于稳定、高效、经济地完成具体任务 [25] - 发展终点：具身智能的终点是“更值得信赖”，场景在哪里，未来就在哪里 [27]

文章核心观点 自变量机器人公司发布了全球首个基于世界统一模型架构的具身智能基础模型WALL-B，该模型通过打通视觉、听觉、语言、触觉等模块，解决了传统VLA架构的局限性，使机器人获得了原生多模态、世界观和与世界交互的能力，从而能够在真实、复杂、非结构化的家庭环境中持续理解、预测、学习和进化，标志着机器人向成为真正的家庭成员迈出了关键一步[1][3][7] 技术架构与核心能力 - **突破传统VLA架构局限**：传统VLA架构中视觉、语言、动作模块“分头干活”，数据搬运导致信息损耗，使机器人在理解物理世界和执行复杂任务时能力受限[3][6] - **采用世界统一模型**：WALL-B基于世界统一模型，将视觉、听觉、语言、触觉等能力置于同一网络中进行同步训练，实现了模块协同，从根本上解决了“模块间数据搬运”问题[3][11][16] - **获得原生多模态能力**：模型具备多模态输入与输出能力，将感知与执行直接相连，使机器人能根据所见画面直接反应，例如判断推门所需的力度[17][18][19] - **建立机器人“世界观”**：使机器人不仅能“看到”，更能“读懂”世界，理解物体状态、关系及行为后果，例如识别地面水渍并关联到“滑倒风险”与“绕行”动作[21] - **具备与世界交互及进化能力**：机器人能在真实环境中通过实践不断学习，并将成功经验更新至模型参数，实现自我迭代，此过程不依赖工程师回收数据与重新训练[25] 具体性能提升 - **部件级理解能力**：使机器人具备更接近人类认知的视觉理解能力，不仅能识别物体（如杯子），还能理解其材质、状态、把手方向及合适的操作方式[30] - **原生本体感**：机器人无需依赖大量外部传感器即可知晓自身身体边界、动作范围和空间占位，从而在复杂家庭空间中做出更自然稳定的动作[34][35][36] - **强大的零样本泛化能力**：即使面对从未见过的物体、场景和任务，机器人也能基于对物理世界底层结构关系和交互逻辑的理解上手操作[40][41] 数据策略与行业壁垒 - **区分“糖水数据”与“牛奶数据”**：“糖水数据”指实验室中可控、固定的数据，利于快速学习标准动作；“牛奶数据”指真实家庭场景产生的复杂、多变、高训练价值数据[46][47][50] - **采集真实场景数据构建壁垒**：公司将机器人带入**100个**真实家庭收集“牛奶数据”，这构成了其难以复刻的核心壁垒[51][55][56] - **形成数据飞轮效应**：机器人在家庭中执行任务积累数据，数据推动模型迭代，增强的模型能力使其能进入更多家庭、承担更多任务、采集更多数据，形成自我强化的正向循环[55] 行业意义与应用前景 - **验证具身智能发展新路径**：WALL-B验证了让机器人在实验室学会动作，再到真实家庭学会生活，并在真实世界中主动进化的路径，为行业提供了可参考的发展样本[60][69] - **瞄准高价值应用场景**：模型能力使机器人有望从执行简单指令的设备，转变为理解家庭生活节奏和偏好的“人力补充”，特别是在家政和养老等场景中具有广阔应用前景[63][68][69] - **推动行业进入新阶段**：此次进展表明家庭场景是训练、验证和放大具身智能能力的关键现场，推动了整个行业向解决真实世界问题迈进[66][69]