该研报深入探讨了具身智能技术从早期的编程控制到深度学习连接数据与动作的演进过程。重点分析了2010年至2020-2021年的研究阶段,以及2022年至今的技术路线转变,即从VVA模型转向数据模型、识别动作模型,并强调世界模型和世界动作模型成为当前主流研发方向。报告还详细介绍了大语言模型、聚深模型、VOM模型等不同模型的分类及其用途,以及物理AI系统如BOA模型的架构和任务能力评估标准。
具身智能赛道正经历从VVA模型向世界模型和世界动作模型的重大转变,数据需求持续增长。国内外模型差距主要体现在算力、高质量数据获取能力以及核心算法细节处理上。数据采集趋势显示仿真数据因质量高可大规模使用,真实数据价值进一步提升。人形机器人商业化将优先ToB场景,预计2028年后出现ToC产品。银河源和优必选等企业被视为头部代表,但实现大规模应用仍需克服全身动作协调、操作耦合等落地难点。
研报重点分析了VVA模型、世界模型和世界动作模型的技术路线及代表企业。VVA路线以派和谷歌为代表,而世界模型路线则关注银河源(通用操作策略)和优必选(世界动作模型)。报告详细介绍了各类模型的训练数据构成,包括视频数据、产业数据、仿真数据等,并强调了高质量数据获取的重要性,如通过数据供应商或定制化方式。同时,报告也分析了不同模型的评测指标,如任务成功率、数据效率等。
当前具身智能市场呈现技术快速迭代的特点,世界模型和世界动作模型成为研发热点。数据采集方面,仿真数据因质量高可大规模使用,真实数据价值进一步提升,但高质量数据获取仍是挑战。人形机器人商业化进程加速,优先布局工业场景,预计2028年后将拓展ToC市场。国内外模型差距明显,主要体现在基础设施和核心算法上。头部企业如银河源和优必选在模型研发上取得进展,但整体商业化落地仍面临全身动作协调、操作耦合等难题。
研报提示具身智能领域面临的主要风险包括:技术路线选择的不确定性,不同模型如VVA与世界模型路线的优劣仍需市场验证;数据获取与处理的挑战,高质量真实数据稀缺且采集成本高,仿真数据难以完全替代;商业化落地难度大,全身动作协调、操作耦合及长期作业问题是当前技术瓶颈;国内外技术差距明显,国内团队在算力和核心算法上与国外存在差距。此外,数据共享程度有限,通用数据集仅占20%-30%,定制化数据需求占比更高,可能制约技术快速迭代。