涉及的行业与公司 * 行业：人形机器人行业，特别是其“大脑”（即人工智能模型与控制系统）的技术发展路径[1][12] * 公司： * 全球主要参与者：Figure、Physical Intelligence (Pi)、Galbot、Galaxea、X Square Robot、LimX、1X、Nvidia[13][19] * 中国主要参与者：阿里巴巴（RynnBrain）、UBTECH（Thinker）、Robbyant（蚂蚁集团子公司）、Leju、Fourier、Galbot、Paxini、Unitree、Agibot[16][33][34] * 供应链公司：Leader Harmonious Drive Systems (LeaderDrive, 688017.SS)，报告给予“超配”评级，并作为优选标的[6][43][100] 核心观点与论据 * 模型能力成为关键差异化因素：2026年，机器人“大脑”（模型）的重要性将上升，成为关键差异化因素[1][7] * VLA是当前主流技术路径但存在局限：视觉-语言-行动模型是目前人形机器人的主流技术路径，国内外多数玩家均已采用，并能执行特定任务[4][13] * 局限：在理解物理属性、处理长周期任务、应对物体/环境/任务多样性以及降低延迟方面存在障碍，限制了其更广泛的通用性应用[4][14] * 短期方向：预计VLA仍将是中国公司短期内的主要焦点，通过更强的基础VL模型、增加思考/推理模块或使用强化学习来逐步改进[4][16] * 数据与算力是持续瓶颈： * 数据：机器人训练数据在规模和多样性上存在瓶颈，高质量的真实机器人数据稀缺且扩展性低[5][26][27][30] * 算力：即使最新的英伟达芯片（如Thor，提供2,070 TFLOPS性能）也不足以满足边缘计算的实时交互需求，这导致机器人模型参数规模在近期可能保持较小（约100亿参数）[5][36] * 发展路径为渐进式而非指数突破：由于模型架构、数据和算力的限制，“大脑”的进步将是渐进的[6] * 中国玩家的务实策略：在广泛的具体任务中部署机器人，收集数据训练大脑，并同步迭代身体硬件以提升能力[6] * 行业解决数据瓶颈的多种途径：包括提高仿真质量以减少预训练对真实数据的需求、建立“数据工厂”规模化采集真实机器人数据、采用第一视角视频和跨本体数据以最大化数据可用性[5][33][34] * 长期将演变为规模游戏，形成结构性优势： * 规模优势与数据飞轮：拥有更大部署规模的厂商能收集更多真实世界数据，用于训练更好的策略模型，形成正向循环，领先者与落后者的差距可能随时间拉大[12][38] * 潜在的通用大脑与市场格局：长期看，模型智能将比硬件本身更具竞争优势[37] * 若通用机器人大脑可行，模型格局可能沿两条路径整合：1) 独立的模型提供商（类似机器人的Android系统）；2) 拥有足够大规模机器人队伍以支持快速模型迭代的全栈玩家[37] * 新兴架构探索：研究机构和AI实验室更专注于新颖的模型架构，例如世界模型[4] * 案例：英伟达的DreamZero（世界行动模型）在新任务和环境中的泛化能力比最先进的VLA模型提高了2倍；中国的Robbyant也发布了专注于基于视频的世界模型的工作[16] 其他重要内容 * 具体技术路径分类：报告详细列举了当前主要的技术路径及其代表案例[19] * 模块化/分层VLA：如Figure Helix 02、英伟达GR00T N1.6、LimX COSA、PsiBot R1、Galaxea G0 * 端到端VLA：如X Square Robot * VLTA模型：如Paxini Omni VTLA * 世界模型：如英伟达DreamZero、1X World Model、Robbyant LingBot VA * 数据收集方法的挑战： * 遥操作：劳动密集型，边际成本高[32] * 合成数据：规模大，但存在仿真与现实差距[32] * 从人类视频中学习：规模潜力大，但与机器人控制对齐弱，缺乏深度信息和力反馈[32] * 对优选标的（LeaderDrive）的估值与风险： * 估值：采用DCF估值，WACC为11%，永续增长率4%，得出每股价值269元人民币[43] * 上行风险：工业机器人（尤其是协作机器人）需求增长快于预期；人形机器人采用加速并成功渗透其供应链；通过更高产能利用率和更优产品组合实现利润率扩张[45] * 下行风险：人形机器人发展慢于预期；谐波减速器不再是主流解决方案[45] * 行业观点：报告对中国工业行业持“符合预期”观点[8]