纪要涉及的行业和公司 - 行业：机器人模型端、人形机器人行业 - 公司：海外有 figure、谷歌、特斯拉、Physical AI、派斯林等；国内有字节、银河通用、新动纪元、新海图、琼森、前进科技、星辰、志远、上海人工智能研究院、北大、中科院自动化所、中科汇灵、索辰科技、游族网络等 [1][16][28][30][31] 纪要提到的核心观点和论据 模型发展趋势 - 端到端是未来趋势：特斯拉 FSD 方案转到端到端后，其优势和想象空间激发传统模块化方案向端到端迁移，但因数据积累问题，中间出现分层级模型 [1][2] - 分层级模型发展：早期分层级模型是主流方案，利用传统机器人控制算法模块，结合大语言模型，后发展到多模态大模型和 VLM 模型，不过 VLM 模型对算力要求高，需优化参数量以面向端侧推理 [2][3] 各模型评价 - Helix 模型：是分层级模型端到端大脑的最新研究成果，采用整机全身人形采样数据训练，system 1 和 system 2 不算大创新，实现多机协作是创新点，对行业推动主要在工程落地和实践速度，预计刺激国内相关公司发布成果 [5][7][8][9] - 谷歌模型：是该领域最早推动者，发布 RT 系列模型，虽早期 RT1 不算严格 VLA 模型，但推动了行业发展 [5][6] - 开源模型：2024 年伯克利和斯坦福发布的 alter 的 VOA 模型、open VLA 模型，以及清华的 RTRDT 双臂 VLA 模型，推动了行业发展 [6] 模型架构争议 - Helix 架构是否成主流待争议：目前 VLA 模型架构路线存在争议，Helix 模型架构考虑执行控制频率差异设计，但清华大学双臂 RDG 模型表明单模型推理速度也能满足运动执行频率，未来是否分 system 1 和 system 2 有待争论 [10][11][13] - 多机协作难度不大：一个模型控制多智能体在人形机器人上是突破性方式，但因 VLA 模型本身可实现交互识别，且学术领域多智能体控制算法成熟，所以难度不大，可能用协作数据训练即可 [14][15] 国内外发展对比 - 发展阶段差异不大：国内外在端到端模型发展上无明显差异，国内部分模型参数性能可能更好，大家处于同一起跑线 [16] - 不同公司策略：以自身大脑为核心的公司会自主研发 VLA 模型；做本体或运动控制的公司可能找专门研究 VLA 模型的公司合作；特斯拉擎天柱未公开大脑方案，可能直接用大量数据训练模型，而创业型公司需用预训练模型结合微调数据训练 [17][18][19] 商业模式 - 三种商业模式：一是卖零部件和本体，用基础开源 VLA 模型；二是提供完整人形机器人产品，比拼软件和算法应用；三是只做软件算法，与本体厂商合作 [19][20] - 核心竞争力：未来人形机器人核心在于掌握大脑或软件层面，资本看重 AI 能力，未来比拼服务能力、订阅费和解决方案能力 [21] 模型适配与应用场景 - 硬件适配性：VLA 模型与硬件耦合程度没那么高，如 Figure AR 的 LX - 1 模型可迁移，且开源数据集硬件异构多，训练出的基础模型结合微调数据可适配不同硬件 [22][23][24][25] - 应用场景差异：工业场景数据标准化、场景干净，对模型要求在数据采集上更简单；家庭场景复杂，需模型有强泛化能力，未来模型可能按泛化能力分级应用 [25][26][27][28] 落地时间与领先公司 - 落地时间：今年 VLA 模型在商业服务领域可能有较大突破，如商超、便利店等；五年左右可能进入家庭特殊照顾场景；工业领域会逐步渗透 [29][30] - 领先公司：海外有 figure AI、派斯林等；国内新海图、银河通用、志远、中科汇灵等公司在第一梯队，有较强研发实力 [30][31][32] 投资机会 - 关注软件端合作：专门做 VLA 模型的公司可能与大上市公司代工厂合作；涉及大脑的公司如索辰科技在世界模型结合上有独特之处 [33][34] - 世界模型结合：将世界模型接入 VLA 模型可增强机器人泛化和预测能力，相关有算力优势的公司有爆发可能 [34] - 游戏公司结合：游戏公司如游族网络尝试将人形机器人大脑应用到游戏开发和 RPA 上 [35] 其他重要但是可能被忽略的内容 - 会议主办方方正机械团队后续会安排系列交流，包括手部专项交流、主机厂和供应链进度更新等 [35]