这份研报复盘了大模型的发展历程,并展望了其对具身智能的推进作用。报告重点交流了国内头部具身智能公司的现状,分析了具身智能模型从初始阶段到当前阶段的演变,包括技术路线从VLA向世界模型与动作联合模型(WM)的转变。同时,报告还探讨了核心模型分类、多源数据依赖以及国内外主要玩家的进展和风险。
具身智能行业正经历从论文研究阶段向大规模跟进阶段过渡,当前聚焦于提升泛化、推理、协同能力。主流技术路线已从视觉-语言-动作(VLA)模型转向世界模型(WM)与动作联合模型。未来,行业将依赖第一视角视频数据、真机数据(如六维力触觉)和仿真合成数据,数据需求预计在2-3年内快速增长。海外巨头如OpenAI、谷歌、苹果等已积极布局,国内玩家如银河、优必选、资源等各有侧重。
研报重点分析了具身智能模型的发展阶段与核心分类,包括大语言模型、VLA模型、世界/动作模型以及物理AI。报告还深入探讨了模型落地所需的多源数据类型及其重要性,并对比了国内外主要公司的技术路线与进展。其中,海外代表有派、谷歌DeepMind、Figure,国内代表有银河、优必选、资源等,各自在技术路线和业务布局上有所差异。
当前具身智能市场正处于快速发展阶段,技术路线逐渐成熟,从早期VLA模型向世界模型与动作联合模型演进。国内外企业积极布局,海外巨头如OpenAI、谷歌等已取得显著进展,国内企业如银河、优必选等也在世界模型等领域取得突破。然而,国内在高质量真机数据、通用大模型架构、核心算法及算力基础设施上仍落后海外数倍,数据维度与场景覆盖度也有待提升。
研报指出,国内具身智能行业面临的主要风险在于与海外巨头的差距。具体表现为:高质量真机数据获取难度大、通用大模型架构研发滞后、核心算法能力不足,以及算力基础设施相对薄弱。此外,数据维度和场景覆盖度不及海外通用模型,可能制约国内企业的技术迭代和商业化进程。这些因素需引起投资者关注,但研报未对具体投资时机做出判断。