猜你想问
这份研报主要讲了什么内容？
这份研报主要关注具身世界模型的数据采集环节。报告指出，大语言模型可以从互联网获取海量语料，但机器人需要的是真实世界中的三维动作数据，如“拿、放、走、抓、避障、操作”等。GPT-6Astra模型的推出显示了通用模型在具身领域的突破，其构建了时空连续的认知框架并引入动态注意力机制，在RoboDojo基准测试中表现优异。报告认为具身行业正迎来技术变革，数据采集环节值得持续关注。
具身世界模型赛道的发展趋势如何？
具身世界模型赛道正快速发展，技术变革显著。GPT-6Astra等模型的创新，如时空连续认知框架和动态注意力机制，大幅提升了复杂场景理解和动作决策能力。OpenAI的入局进一步推动了人形机器人领域的发展。未来，AI工厂、物理AI、具身及机器人落地将成为行业焦点，NV GTC大会也将重点展示相关技术和与欧洲制造业的合作。数据采集作为关键环节，需求将持续增长。
研报重点分析了哪些方向？
研报重点分析了具身世界模型的数据采集环节。报告强调机器人所需的三维动作数据与语言模型所需的互联网语料截然不同，后者需要在真实世界中获取“拿、放、走、抓、避障、操作”等数据。GPT-6Astra模型的评测数据展示了其在动作决策和场景理解上的优势，突显了数据采集的重要性。报告看好该环节的长期发展潜力，并推荐龙旗科技、奥比中光等标的。
当前具身机器人市场的现状是怎样的？
当前具身机器人市场正处于技术变革初期，以GPT-6Astra为代表的模型展示了通用模型在具身领域的突破能力。数据采集作为关键环节尚未得到充分满足，机器人所需的真实世界三维动作数据采集需求日益凸显。行业正从单纯的算力硬件转向AI工厂、物理AI和落地应用，如NV GTC大会所示。Cosmos世界模型、Isaac GR00T模型等工具栈也在加速走向应用。
研报提示了哪些风险？
研报提示的风险主要在于具身机器人技术尚处发展早期，数据采集环节面临技术挑战和成本压力。虽然GPT-6Astra等模型展示了潜力，但实际应用中仍需大量真实世界数据积累和算法优化。此外，行业竞争加剧可能导致技术迭代加速，相关公司需持续投入研发以保持领先。具身机器人落地应用也存在不确定性，需关注产业链协同和市场需求变化。