猜你想问
这份研报主要讲了什么内容？
这份研报主要分析了具身智能领域的重要变化，包括具身“大脑”新解法的涌现，如ArtificialAnalysis发布的具身榜AA-Robotics，以及Astra在其中的领先地位。同时，报告探讨了中美两国在具身智能领域的共振，特别是OpenAI和DeepSeek的正式进军。此外，报告还提出了产业观点，指出模型前沿虽然加速发展，但落地仍面临卡点，如参数量限制和时延等挑战。报告强调数据是具身路径的核心，最优解法为UMI数据、EGO数据和触感数据的结合，并梳理了相关标的，如宝通科技和光轮智能等。
具身智能赛道的发展趋势如何？
具身智能赛道正经历重要变化，通用模型是否可承担具身“大脑”功能成为讨论焦点，核心在于解决物理规律以通往AGI。中美两国在具身领域形成共振，OpenAI和DeepSeek等大厂积极入场，加速了该领域的发展。然而，模型落地仍面临参数量、时延等挑战，数据成为核心卡点，UMI、EGO和触感数据的结合需求明确增长。未来，具身智能领域将围绕物理规律推理、3D能力等方向持续发展，数据采集和应用将成为关键。
研报重点分析了哪些方向？
研报重点分析了具身智能领域的具身“大脑”新解法，如AA-Robotics榜单和Astra的领先表现。同时，报告关注了中美两国在具身智能领域的共振，特别是OpenAI和DeepSeek的布局。产业观点方面，报告指出模型前沿加速但落地卡点仍存，数据是具身路径的核心，最优解法为UMI数据、EGO数据和触感数据的结合。此外，报告梳理了相关标的，如宝通科技和光轮智能等，为投资者提供了参考。
当前具身智能市场的现状如何？
当前具身智能市场正经历重要变化，具身“大脑”新解法涌现，如AA-Robotics榜单的发布和Astra的领先表现。中美两国在具身智能领域形成共振，OpenAI和DeepSeek等大厂积极入场，加速了该领域的发展。然而，模型落地仍面临参数量、时延等挑战，数据成为核心卡点，UMI、EGO和触感数据的结合需求明确增长。总体来看，具身智能市场潜力巨大，但仍需克服技术卡点，数据采集和应用将成为关键。
研报中提到了哪些风险提示？
研报指出，具身智能领域虽然发展迅速，但仍面临模型落地卡点，如参数量限制、时延等挑战。数据采集和应用是核心卡点，需要UMI、EGO和触感数据的结合，但目前数据获取仍存在难度。此外，通用模型是否可承担具身“大脑”功能仍需进一步验证。投资者需关注技术落地风险和数据获取风险，谨慎评估投资机会。