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 行情走势观点 - 观点：2024年人形机器人行情走势取决于市场对产业量产基本面一致预期的边际变化，预期上修行情或超预期，预期下调或出现短时间趋势性回调 [1] - 论据：无 量产影响因素观点 - 观点：2025年是人形机器人各代表厂商一致量产元年，2025年五到十万台预期受产品能否卖出去影响，而运动控制是人形机器人能否卖出去的关键，影响行业量产和产业化进度及板块走势 [2] - 论据：无 运控区别观点 - 观点：传统工控根据已编程好的轨迹完成实时控制，人形机器人运控在各个场景实时判断生成实时运动轨迹 [3] - 论据：无 运控技术观点 - 观点：传统运动控制技术分模型控制NPC、强化学习、科技三种 [4] - 论据：美国digit人形机器人通过强化学习算法实现行走、奔跑等运动控制，并在工厂物流解决方案中落地 [5] 应用场景观点 - 观点：人形机器人将率先在ToB端应用场景落地 [6] - 论据：ToB端技术适配性与需求刚性要求人形机器人在运动控制中做更专业动作，动作结构化且技术适配；ToC端运控更复杂多样，价格区间大，如工厂工人有明确工况可针对性训练，ToC端陪扶机器人要求更像人但目前较难实现 [7] 运控算法观点 - 观点：ToB端人形机器人上肢运动控制算法与下肢不同，短时间内做不到也没必要实现统一底层大模型，运动控制算法分一次开发商和二次开发商 [8][10] - 论据：各家一次开发厂商运动控制算法不兼容，如特斯拉和语数拿杯水的算法不同；二次开发商针对特定场景用小模型训练，可显著降低开发与部署成本，与工业需求匹配，如工业、医疗护理等领域小模型开发案例 [11][12] 数据采集与训练观点 - 观点：数据采集与训练采用双轨进行，即真实数据加数字孪生，先在真实物理世界收集数据，再在虚拟场景中训练 [14] - 论据：无 企业类型观点 - 观点：传统本体企业、第三方独立小脑企业、传统工控企业、动捕企业五类玩家构成数据到算法到硬件的关系，助力人形机器人运控 [16] - 论据：分别介绍了五类企业在人形机器人运控中的作用，如本体企业核心壁垒是软硬件结合，传统工控企业可与一、二次开发企业合作等 [16][18] 投资思路观点 - 观点：投资可从ToB本地厂商选择，未来可能有很多扩权机会；训练是早期人形机器人落地应用和市场化商业化的刚性且量级大的资本投入环节，有投资价值 [21][23] - 论据：目前大部分公司对ToB本地厂商预期不足，类似两三年前对人形机器人供应链的预期；不同本地产业人在不同产品应用需不同训练方案 [22][23] 其他重要但是可能被忽略的内容 - 后续会写第二篇深度报告，关于林小守的多场景应用思路，继续在人形机器人产品卖出去方面做深度研究 [24]