行业与公司 - 行业：人形机器人、巨生智能大模型、遥操技术、动作捕捉设备[1][2][3][4] - 公司：特斯拉（硬件定型关键）、凌云光（动补设备）、奥维中光（摄像头）、当红科技（遥操技术）、景业智能（遥操技术）、银河通用（全仿线模型）、心动纪元（双系统架构模型）、智源（VRLA架构）、诺依腾（惯性动补）、青铜视觉（光学动补）[4][18][20][22] 核心观点与论据 巨生智能大模型发展 - **数据飞轮机制**：需足够多机器人应用收集数据，特斯拉硬件定型是关键，硬件定型后企业才敢投入数据中心建设[1][3] - **发展主线**：多模态（输入端信息丰富度增加）、动作频率（如Helix达200赫兹）、泛化能力（推理能力增强）[1][6] - **模型架构共识**：分层快慢脑VLA架构为标准框架，当前重点为数据训练（预训练低质量数据+后训练高质量真机数据）[14] - **发展阶段**：人形机器人处于L2阶段（类比自动驾驶），需硬件定型后转动数据飞轮[5] 模型对比与演进 - **CCAN**：分层结构，仅语言指令，泛化性弱[7][8] - **RT one**：端到端结构，新增图像信息，训练难度高但效果更好[7][9] - **Palm 一**：提升推理能力，模型体量大但模态不足[10] - **RT two**：融合动作信息与推理能力，动作频率仅1-5赫兹[11] - **Helix**：分层端到端架构（快脑80兆Transformer+慢脑7B VRM），动作频率达200赫兹[13] 数据采集挑战 - **真机数据**：质量最高但效率低（每小时每台仅3-4条有效数据，成本十几元/条），硬件未定型导致沉没成本风险[15] - **仿真数据**：成本低但存在"seem to real"差距，当前使用比例占90%（真机数据10%）[15][16] - **未来趋势**：结合仿真与真机数据，世界模型开发或使仿真数据成主流[16] 动作捕捉技术 - **光学捕捉**：高精度（影视/CG领域），成本数百万至上千万[17] - **惯性捕捉**：价格亲民（数万至十万），但受空间限制[17] - **领先企业**：凌云光、青铜视觉（国内光学）；诺依腾（国内惯性）；OptiTrack、Vicon（国外光学）；Xsens（特斯拉供应商）[18] 遥操技术 - **核心需求**：视频/音频数据快速压缩回传+低延时解压缩，确保实时性[4][21] - **应用场景**：中期工厂长线程遥操（如墨西哥工人操作美国机器人），长期人机协作安全接管[21] 大模型发展方向 - **模态扩展**：融入触觉（灵巧手）、嗅觉、温湿觉等，现有VELA架构（视觉+语言+动作）[19] - **世界模型**：用数学符号表达物理规律，提升仿真精准度[19] 其他重要内容 - **政府支持**：北京/上海拨款支持动作捕捉技术，公开部分采集数据[18] - **标的推荐**：动补设备（凌云光）、摄像头（奥维中光）、遥操技术（当红科技、景业智能）为产业链核心关注点[22]