具身智能科技前瞻探索（第I期）

核心观点与关键数据

01. 具身大模型 (HALOVLA1.1 & HALOVLA1.2)

• HALOVLA1.1 和 HALOVLA1.2 是具身大模型，数据来源为论文 "HALO: A Unified Vision-Language-Action Model for Embodied Multimodal Chain-of-Thought Reasoning"。

02. 轻量化部署 (QuantVLAVLA 2.1 & 2.2)

• QuantVLAVLA 项目专注于轻量化部署，数据来源为 QuantVLA 项目主页。

03. 推理性能分析 (VLA-PerfVLA 3.1 & 3.2)

• VLA-PerfVLA 分析推理性能，数据来源为论文 "How Fast Can I Run My VLA? Demystifying VLA Inference Performance with VLA-Perf"。

04. 虚实协同训练 (RL-Co+ 4.1 & 4.2)

• RL-Co+ 采用虚实协同训练方法，数据来源为论文 "Beyond Imitation: Reinforcement Learning–Based Sim–Real Co-Training for VLA Models"。

投资建议评级标准

• 投资评级分为股票评级和行业评级，以报告发布后12个月内的市场表现为比较标准。
• 评级基准为报告发布后12个月内，公司股价（或行业指数）的涨跌幅相对同期的沪深300指数涨跌幅。

投资建议的比较标准

• 以报告发布后12个月内的市场表现为比较标准。
• 基准为报告发布后12个月内，公司股价（或行业指数）的涨跌幅相对同期的沪深300指数涨跌幅。