研报指出机器人架构分为大脑(通用大模型)、小脑(真机数据驱动动作)、执行层。当前大模型平权化降低大脑门槛,小脑(垂类场景真机数据)成为落地胜负手,特定场景而非通用具身智能更易落地。垂类机器人落地需三大核心壁垒:垄断性行业真机数据资源、场景内人工替代需求旺盛(劳动密集型行业)、商业模式闭环(回本周期短)。
垂类机器人赛道发展关键在于真机数据驱动和场景落地。当前大模型技术降低通用智能门槛,但特定场景的精准应用更易实现商业化。行业核心壁垒包括对真机数据的垄断、场景内人工替代需求以及商业模式闭环。未来,具备数据优势和场景解决方案的企业将更具竞争力,劳动密集型行业是重要突破口。
研报重点分析了尚纬、杰克、奥普特等企业。尚纬通过垄断家用场景数据,在家政替代需求下实现业绩拐点;杰克在服装缝纫机器人领域已落地静态场景,与设备配套形成壁垒;奥普特从传统机器视觉向物理AI转型,在3C、锂电等主业高景气,物理AI质检项目预计2026年达6-7亿,绑定苹果AR、3D打印等增量业务。
当前垂类机器人市场处于数据驱动和场景落地的关键阶段。大模型技术平权化使得通用智能门槛降低,但小脑(真机数据)成为决胜关键。行业核心壁垒包括数据资源垄断、人工替代需求和商业模式闭环。部分企业已通过特定场景落地实现商业化,如尚纬在家政机器人、杰克在服装缝纫机器人领域。但整体市场仍处于发展初期,竞争格局尚未完全稳定。
研报提示的主要风险包括:大模型技术进步不及预期,可能延缓垂类机器人放量节奏;垂类场景机器人落地后用户留存率、实际应用效果低于预期;行业竞争加剧,若垂类机器人壁垒被突破,可能影响核心企业优势。此外,技术迭代和市场需求变化也可能对行业发展趋势带来不确定性。