国金计算机2025年具身智能模型发展到哪一步了

具身智能发展现状与趋势总结

模型侧：处于预训练Scaling Law门槛阶段

• 具身智能当前主要问题是泛化能力较弱
• 关键进展：
  • Skild AI的通用小脑：500倍训练量提升意外实现跨本体运动控制
  • Generalist AI的GEN-0验证具身智能参数门槛约7B（现有模型普遍4B）
• 发展轨迹类比LLM：
  • 23年：预训练Scaling Law（千亿→万亿参数）解锁常识能力
  • 24年：后训练Scaling Law（强化学习）解锁推理能力
  • 25年：记忆长度Scaling Law（上下文窗口1m）解锁长期记忆能力
• 具身智能卡点：数据问题而非科学难题，路径已被LLM验证

数据侧：采集方案取得进展

• 三条数据路径：
  1. 真机数据：UMI方案（平行夹爪+软指+扳机，成本约400美金）
  2. 仿真数据：英伟达Isaac/Sim与索辰开物平台证明多样性仿真可弥补Sim2Real差距
  3. 人类视频数据：Tesla Optimus/Figure转向人类视频训练，受益于多模态技术突破
• BEHAVIOR数据集：或将成为机器人时代的统一Benchmark

应用侧：高价值低重复场景优先商业化

• 场景价值分析：
  • 高价值高重复场景→专用自动化设备
  • 当前自动化主要面向单价不高或重复度不高的场景
• 商业化路径：
  • 泛化能力（大数据训练）+多场景RL
• 近期趋势：
  • 小鹏Iron机器人转向销售/导购等高价值低重复服务场景
  • 逐际动力模块化底座路线值得关注

投资建议

• 索辰科技、能科科技
• 速腾聚创、禾赛

风险提示

• 世界模型底层技术架构发展不及预期
• 合成数据质量不足
• 通用机器人Day L4路线缺乏商业化基础