纪要涉及的行业或者公司 - 行业：人形机器人行业 - 公司：特斯拉、奥飞娱乐、凌云光 纪要提到的核心观点和论据 - 语言大模型在具身智能中的作用：语言大模型（LLM）在具身智能中作为任务规划器，因其强大认知推理能力可拆解和规划复杂任务，如指示机器人递橘子，LLM能将任务拆解为导航、定位、抓取等步骤，结合视觉和命令实现精细规划，在机器人领域作顶层规划器，通过互联网大规模数据训练，蕴含理解世界的常识和思维逻辑[3] - 具身智能系统中大脑与小脑的角色：大脑负责思维决策和动作规划，小脑负责将规划转化为具体执行，如拿起物体时，大脑知道要拿，小脑负责夹爪或五指灵巧手关节旋转角度、移动速度等细节，目前小脑操作能力是限制因素，需大量训练数据提升精确度[2][3] - 提升机器人小脑操作能力的方法：可利用互联网数据、仿真平台和真实数据，真实数据质量最高，仿真数据次之，互联网数据数量多但效果差，特斯拉通过大量真实训练数据提升机器人运动控制能力，记录关节运动数据实现精准控制[2][4] - DeepSeek开源的影响及未来发展方向：DeepSeek开源解决不同团队机器人大脑水平参差不齐问题，使更多团队提升大脑水平，未来精力将集中于提高小脑操作能力，高质量数据训练是关键，2025年特斯拉计划生产1万台用于厂内训练的人形机器人，体现高效训练方法和提高机器人实际操作能力的重要性[2][5] - 特斯拉在机器人数据收集和训练方面的计划：2025年部署1万台机器人，配备动捕设备，每个动捕设备需三名动捕人员三班倒操作，未来3万人参与数据提取工作，数据收集量将大幅增加，远超全球各大学和科研团队公开数据集，且采用五指灵巧手收集数据，与主要用两指夹爪的数据集有显著区别[2][5] - 动作捕捉技术对特斯拉机器人发展的重要性：动作捕捉技术是创造高质量数据的核心，2026年能否成功商业化取决于2025年是否积累足够且高质量的数据，这些数据对大模型实现泛化至关重要，目前任务规划层面泛化已实现，但动作规划层面的scaling law未确定，2025年的数据收集和训练决定2026年商业化前景[2][7] - 未来几年特斯拉机器人的发展目标：2025年部署1万台机器人，主要是成本投入；2026年若能实现商业化跳跃，将带动其他机器人制造商跟进，若特斯拉不开源数据，对其他公司构成巨大挑战[7] - 动作捕捉技术的路线和标的：动作捕捉技术主要有惯性动捕（IMU）和光学动捕（摄像头）两条路线，光学动捕精度高但易受遮挡影响，惯性动捕精度稍低但效果更好，有人提出惯性与光学互补方法规避缺点，奥飞娱乐旗下诺伊腾在国内排名靠前，凌云光推出光学动捕设备，值得关注[2][8] 其他重要但是可能被忽略的内容 - DeepSeek通过改良大模型架构和工程优化，大幅减少训练和推理所需算力，输出效果比之前大模型显著提升，是开源模型，在端侧应用受广泛关注，业界对其在超大规模模型中的应用期望高，有许多知名团队在进行相关研究[2]