猜你想问
这份研报主要讲了什么内容？
这份研报探讨了物理AI具身智能与人形机器人的核心概念、产业分工趋势以及数据采集现状与市场空间。核心概念部分定义了物理AI、聚生智能和人形机器人之间的关系；产业分工趋势部分分析了大小脑分离的趋势和OpenAI Extra模型；数据采集现状与市场空间部分则详细介绍了不同类型数据的采集模式、成本以及未来市场空间的测算。
物理AI和聚生智能的关系是什么？
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、工业智能系统和人形机器人等领域。聚生智能则强调智能体通过身体和传感器与环境交互完成任务，偏重算法和软件层面，包括人形机器人、移动机器人和机械臂等智能体的算法提升。人形机器人是物理AI的重要硬件载体，目前软件耦合度高，由人形机器人厂商同时承担聚生智能和人形机器人业务。
人形机器人产业未来的发展趋势是什么？
人形机器人产业未来将呈现大小脑分离的趋势，即聚生智能（大脑）与人形机器人（小脑）分离，形成通用模型与硬件本体的分工。OpenAI Extra模型采用双层架构，进一步强化这一趋势，但目前任务完成准确度较低，需要更多物理数据训练提升。这种分工将有助于提高人形机器人的智能化水平和应用范围。
目前人形机器人数据采集的市场现状如何？
目前人形机器人数据采集市场主要分为异构数据（摄像头轨迹）、5米夹爪数据和真实世界数据三种类型。异构数据占比最大，成本较低；5米夹爪数据包含更多数据类型，成本略高；真实世界数据成本最高，但稀缺且价值高。中国人力资源成本优势催生本土数据商，本体厂商也自建团队。预计2026年全球真实世界数据需求将达到300万小时，未来可能增至1亿小时。
这份研报有哪些风险提示？
这份研报提示，虽然人形机器人市场前景广阔，但目前仍面临一些风险。首先，大小脑分离趋势下的通用模型和硬件本体分工尚未完全成熟，可能影响人形机器人的智能化水平。其次，真实世界数据的采集成本高、稀缺性强，可能制约产业发展。此外，技术成熟度和市场接受度也是需要关注的因素。目前OpenAI Extra模型任务完成准确度较低，需要更多物理数据训练提升，这也可能带来技术风险。