猜你想问
这份研报的核心内容是什么？
这份研报指出今年行业重点转向模型和数采，头部企业普遍加大模型投入，目标数据集规模提升至100万+小时。明年有望看到模型优化效果，行业对垂类应用落地有信心。触觉数据采集渗透率显著提升，视觉+触觉组合对模型优化效果更佳。ego和umi数据类型获产业认可，数据类型、来源和成本多元化，商业模式成熟。大模型迭代取得进展，已展示多步推导和长程任务能力，机器人应用更具柔性，可施加干扰并积极反馈。数据飞轮后，大模型优化迭代将加速，明年有望突破。
行业发展趋势如何？
行业正经历从传统模式向模型和数采驱动的转变，头部企业加速投入以提升数据集规模至100万+小时。触觉数据采集技术渗透率提升，视觉与触觉结合优化模型效果成为趋势。ego和umi数据类型获得产业认可，数据类型、来源及成本呈现多元化，单价区间明确，商业模式成熟。大模型迭代取得进展，展现出多步推导和长程任务能力，机器人应用柔性增强，数据飞轮机制将加速大模型优化迭代，预计明年效果更显著。
报告重点分析了哪些方向？
报告重点分析了模型和数采的行业转向趋势，头部企业投入方向及数据集规模提升目标。同时关注触觉数据采集技术的渗透率提升及其与视觉组合的优化效果。ego和umi数据类型的市场认可度、多元化数据来源与成本结构，以及触觉数据的单价区间和商业模式成熟度也是分析重点。此外，大模型的迭代进展、多步推导与长程任务能力，以及机器人应用的柔性增强和数据飞轮机制对大模型优化的促进作用也进行了深入探讨。
当前市场现状如何判断？
当前市场呈现头部企业聚焦模型和数采投入的特征，数据集规模目标明确，触觉数据采集技术应用逐步普及，ego和umi数据类型多元化发展，商业模式趋于成熟。大模型迭代取得技术进展，展现出更强的推理和任务处理能力，机器人应用柔性提升。整体看，行业正通过数据驱动技术优化，为未来应用落地奠定基础。
研报提示哪些风险？
报告未明确提示具体风险，但行业技术快速迭代可能带来应用落地的不确定性。数据采集成本和效率、模型训练的复杂性以及不同数据类型间的兼容性等问题可能存在挑战。此外，大模型优化迭代加速可能伴随技术路线选择的风险，需关注产业链各环节协同发展及技术成熟度对市场的影响。