纪要涉及的行业 人形机器人行业 纪要提到的核心观点和论据 1. 大模型对机器人行业的影响：DeepSeek 作为单模态大模型，在算法优化、速度提升和知识蒸馏应用上有进展，中文处理能力优于 ChatGPT，在国内高校和政府部门广泛部署，推动行业发展；人工智能新阶段是聚生智能，机器人需多模态模型处理三类数据集，为研究具身智能和人形机器人提供数据基础[2] 2. 国内外人形机器人技术差异：国外资本对中国科技创新兴趣增加带动国内资本市场发展；国内企业注重结合大模型与实际应用，国外侧重基础研究和前沿技术探索，如国内银河通用公司在合成数据集方面取得进展[3][4] 3. 应用场景及落地情况：应用场景广泛，服务业、医疗护理、教育培训等领域的简单重复性工作或高风险环境任务易落地实现商业化；主要应用场景有科教领域、允许 AI 犯错的场景、重复度较高的工业应用；未来五年内，科教、陪伴类场景和工业应用将迎来爆发式发展，但家庭全面普及需约十年[5][14][15] 4. 产业面临的瓶颈及量产时间：面临硬件成本高、算法优化不足、真实数据集匮乏等瓶颈，解决这些问题后，有望在未来五到十年内实现大规模量产；产业落地主要瓶颈包括电机功率密度、电池能量密度、安全性和投入产出比等问题[6][16] 5. 提升机器人能力的方法：合成数据和仿真训练可显著提升机器人感知和运动控制能力，如英伟达 Isaac Gym 开源项目加速了人形机器人运动技能的掌握[8][10] 6. 技术路线现状和挑战：目前主流是电机驱动，存在身体难以做大的问题；液压驱动和波轮驱动各有优劣，应用场景受限[12][13] 7. 工业制造企业接受程度和应用场景：工业制造企业认为人形机器人是未来趋势，富士康等企业重视并推动相关技术发展；目前立讯计划部署 600 台机器人，富士康与相关方合作；3C 装配行业中双臂单元是较好的基本单元，但五指手部结构问题未来五年内难解决[17] 8. 双臂机器人应用前景：操作灵活性和高效性强，能模拟人类双手协同工作，降低硬件成本、提高投资回报率，但面临上半身操作、大模型逻辑、力交互等技术挑战[19] 9. 机器人成本结构和发展趋势：成本由机械结构、电控感知系统和算力算法组成；未来低水平基础机器人成本低，随着能力提升成本增加，传感器及边缘计算成主要开支，市场将出现多家专注不同领域定制开发的公司[20] 10. 手部设计瓶颈：面临自由度问题、可靠性和疲劳寿命问题、触觉传感器开发难题，短期内难突破，工业场景可能选择不依赖灵巧五指操作[22][23] 11. 机器人肢体训练和技能整合：目前各肢体训练无需在一个模型内进行，采用训练多个专家网络再迁移整合的方法，也有端到端学习方法，总体朝着多技能整合方向演进[24] 12. 大语言模型在机器人控制方面的应用：应用主要体现在分层次控制策略和端到端学习方法上，分层次方法更可靠、训练成本低，适用于复杂任务[25] 13. 挖人挖团队复制技术的情况：在国内人形机器人行业，挖人挖团队可解决部分技术问题，但要保持持续创新需长期投入，关键在于团队持续创新能力[28] 其他重要但是可能被忽略的内容 1. 国内外领先公司发展情况：日本阿斯莫是较早研发人形机器人的公司，美国波士顿动力以展示运动技能为主；英伟达开源项目 Isaac Gym 可实现规模化训练，让国内公司快速掌握基本运动技能[9][10] 2. 国内突出公司：云辰科技应用于工业场景等，关节设计优秀；杭州宇峻走经济化路线，在关节成本等方面表现好[11] 3. 公司在传感器方面的技术应用：采用欠驱动方式保证手部可靠性，采购其他公司手部设备并兼容；实验室使用高端触觉传感器，也尝试多种技术，但尚未完全成熟[26][27]