261109-长江机械 周机汇-一周观点模型迭代物理AI近期发生了哪些变化

核心观点与关键进展

1. 物理AI领域近期核心技术进展

• 整体产业趋势：过去两个月，全球物理AI领域出现三项关键技术进展（GPT-4o、Google Genesis4世界模型、苹果Hello人形机器人自主控制系统），推动AI从数字世界向物理世界延伸，本轮变化首先出现在模型端，通用模型能力提升将推动机器人产业从硬件展示向实际应用发展。

2. GPT-4o机器人操作能力验证

• 表现：未微调的GPT-4o在机器人操作评测中表现优于同期公开策略模型，较GPT-5.5成功率提升显著；英伟达独立评估验证了该进步。
• 短板：擅长高语义理解、低精度要求的任务，高精度操作、动态控制和复杂双臂协作能力有限，早期测评出现过不合理动作。
• 核心意义：通用大模型开始具备承担部分机器人动作决策潜力，未来机器人企业可借助通用大模型完成环境理解、任务推理和动作规划，仅需针对本体训练实时控制系统，有望降低开发成本。

3. Google Genesis 4世界模型进展

• 核心能力：提升实时交互环境真实感、物理模拟能力和多模态生成能力；可根据文字生成可交互虚拟世界，支持自然语言改变环境，原生生成环境声音和交互式语言。
• 模型协同应用：Gemini系列模型与Genesis4结合，Gemini负责任务理解、规划，Genesis负责环境生成和动作模拟结果预测，加强模型对物理世界状态变化的预测能力，有望成为机器人新训练方式。
• 当前阶段：仍处于研究预览阶段，对复杂物理交互空间准确性和长期一致性有改进空间，距离大规模真实训练应用仍需验证。
• 实体机器人落地进展：Gemini Robotics2已能在Apollo人形机器人上完成移动抓取、物体放置等连续任务，部分双臂机器人平台可在少于200个示例小时内完成新本体适配。

4. 苹果Hello人形机器人自主控制系统进展

• 核心进展：在无提前扫描建图、无专门训练的情况下，6个真实环境中完成360次单向任务测试，平均成功率91%；三类组合任务平均成功率70%，连续钻桌行走和推箱任务成功率约50%。
• 核心技术特点：
  • 分层控制架构：顶层视觉语言模型（每2-3秒）负责理解指令、识别环境和拆解任务；中间层（每秒约3次）生成未来5秒全身动作轨迹；底层（50赫兹）结合深度视觉和关节反馈实时控制29个关节。
  • 仿真训练能力：大量训练数据来自程序生成的虚拟环境（250张H100运行约48小时），减少对人工操作示范依赖。
  • 软硬件模块化趋势：采用宇树机器人，结合千问模型、动作生成器和强化学习控制器，通过自身硬件实现本地推理和实时控制，反映机器人产业未来将形成模块化软硬件体系。

5. 当前短板

• GPT-4o：高精度操作、动态控制和复杂双臂协作能力有限，仿真环境进步尚未完全转化为真实机器人可靠控制能力。
• Genesis 4：对复杂物理交互空间准确性和长期一致性有改进空间，距离大规模真实训练应用仍需验证。
• Hello：尚未验证复杂灵巧抓取、精密装配和柔性物体操作能力，任务链条变长后成功率明显下降，仅证明特定全身运动技能在陌生环境下自主执行。

产业影响与投资方向

1. 对人形机器人产业的核心影响

• 三项技术进展共同推动机器人从理解任务向自主执行发展，通用模型能力进步有望降低机器人本体智能化开发门槛。
• 成熟本体企业的竞争优势将进一步凸显，成为前沿模型研发的重要硬件载体。

2. 重点投资方向

• 人形机器人本体与垂类应用：优先看好本体（宇树、优必选等）和垂类应用（杰克股份、托斯达等），这类企业兼具本体竞争力和真实工业场景资源。
• 高精度多模态数据与传感器：复杂灵巧操作仍需真实物理交互数据，当前系统主要依靠视觉感知，缺乏触觉反馈，未来数据将由仿真生成和真实采集（融合多模态信息）两部分构成。
  • 相关布局企业：奥比中光、奥普特（视觉），福莱新材（数据手套），触觉相关布局企业。