猜你想问
这份研报主要讲了什么内容？
这份研报主要探讨了物理AI、具身智能与人形机器人的核心概念、技术进展及产业现状。物理AI由黄仁勋提出，核心是让AI理解并作用于物理世界，涵盖自动驾驶、工业智能系统、人形机器人等；具身智能侧重智能体通过传感器、执行器与环境交互完成任务，偏软件算法层面；人形机器人是物理AI的核心硬件载体之一。产业分工探索中，英伟达、谷歌DeepMind、蚂蚁凌波等探索大小脑分离模式，因OpenAI的EXTRA模型发布而提升落地概率。双层架构获产业认可，但EXTRA模型仍处早期，任务完成准确度约40%，需提升物理世界数据训练的准确度才可落地。
物理AI和具身智能有什么区别和联系？
物理AI和具身智能密切相关但侧重点不同。物理AI更宏观，核心是让AI理解并作用于物理世界，范畴较宽，包括自动驾驶、工业智能系统、人形机器人等；具身智能则更侧重智能体通过传感器、执行器与环境交互完成任务，偏软件算法层面，主要提升人形、移动机器人、机械臂的算法能力。人形机器人是物理AI的核心硬件载体之一，当前软件与硬件多由同一家厂商承载。产业分工探索中，英伟达、谷歌DeepMind、蚂蚁凌波等探索大小脑分离模式，即通用大脑与硬件本体分离，该模式因OpenAI的EXTRA模型发布而提升落地概率。
报告重点分析了哪些方向？
报告重点分析了具身智能模型架构进展、数据采集产业情况及产业格局。在模型架构方面，双层架构获产业认可（FIFA、谷歌采用），OpenAI的EXTRA模型强化了该架构的产业共识，但该模型仍处早期，任务完成准确度约40%，暂无法全面商业化，需提升物理世界数据训练的准确度才可落地。在数据采集方面，形成了EAGLE数据、夹爪数据、真机实采数据和仿真合成数据四类数据金字塔，EAGLE、夹爪数据用于模型预训练，真机实采高质量数据用于模型后训练以提升鲁棒性。市场空间测算显示，全球真机真实世界数据需求今年预计300万小时，明年或达千万小时，远期或至1亿小时，对应真机实采数据理论市场空间接近300亿元。产业格局方面，中国因人力成本优势，今年新增多家数据采集创业公司，本土厂商多自建数据采集团队；特斯拉计划今年投放4.5-2万台Optimus进行真机实采，明年或成该领域真机数据积累量最多的本体厂商。
当前物理AI和具身智能的市场现状如何？
当前物理AI和具身智能市场呈现快速发展态势，但仍处于早期阶段。在技术方面，双层架构已获产业认可，但EXTRA模型等仍需提升准确度才可商业化。在数据采集方面，形成了EAGLE数据、夹爪数据、真机实采数据和仿真合成数据四类数据金字塔，其中EAGLE数据占比最大，真机实采数据成本高、稀缺但价值高。市场空间测算显示，全球真机真实世界数据需求今年预计300万小时，明年或达千万小时，远期或至1亿小时，对应真机实采数据理论市场空间接近300亿元。产业格局方面，中国因人力成本优势，今年新增多家数据采集创业公司，本土厂商多自建数据采集团队；特斯拉计划今年投放4.5-2万台Optimus进行真机实采，明年或成该领域真机数据积累量最多的本体厂商。产业分工探索中，英伟达、谷歌DeepMind、蚂蚁凌波等探索大小脑分离模式，该模式因OpenAI的EXTRA模型发布而提升落地概率。
研报提示了哪些风险？
研报提示的主要风险包括技术成熟度风险、数据采集成本与获取难度风险以及产业生态风险。在技术成熟度方面，EXTRA模型等仍处早期，任务完成准确度约40%，暂无法全面商业化，需提升物理世界数据训练的准确度才可落地。在数据采集方面，真机实采数据成本高、稀缺，触觉数据渗透率极低，仿真合成数据难以完全替代真实数据，数据采集成本与获取难度仍是制约产业发展的关键因素。在产业生态方面，大小脑分离模式的落地仍需产业链各方协同，当前软件与硬件多由同一家厂商承载，产业分工探索尚不成熟。此外，中国数据采集创业公司虽多，但整体产业生态仍需进一步完善。