- 核心技术路线:以分层架构为主流,VLA(视觉语言模型)短期效果领先。
- 前沿趋势:2026年前沿趋势为融合世界模型与强化学习,谷歌DeepMind的GeminiRobotics2已实现VLA同时控制双臂操作与双足移动/平衡的突破,国外机构已布局相关融合能力,国内若路线验证有效将快速跟进。
- 商用瓶颈:当前未大规模商用核心卡点为大脑能力不足,存在算力与参数量倒挂(端侧VLA参数量最高仅7B,远低于文字大模型如月之暗面Kimi的2.8T)、数据与参数不匹配易引发灾难性遗忘等问题。
- 数据需求:10B以下模型预训练参考阿里旗下宁波科技(蚂蚁集团)标准需20万-50万小时数据。