具身智能系列调研(1)：VLA与世界模型训练数据及算力需求,工业机器人商业化与药房场景 ROI

核心要点

方向：围绕VLA、世界模型及多模态数据需求增长推动具身智能模型能力和算力投入的方向展望。

结构：围绕工业制造、零售服务、政府采购及文娱表演等场景在真实需求、商业化持续性和投资回报上的分化展望。

节奏：围绕机器人操作准确率、数据回流、模型泛化能力及硬件成本改善对规模化商业部署的影响节奏展望。

产品布局与具身智能算力需求：

• 公司成立于2023年下半年，已发布Galbot G1轮式双臂机器人、S1重载轮式双臂机器人及ET1小型双足机器人。
• S1主要用于电池和汽车零部件搬运，平均负载20-30公斤，极限负载50公斤，在宁德时代等客户已有100多台稳定运营。
• 公司模型技术路线以VLA和世界模型为主，训练数据覆盖第一视角、互联网、仿真及实际部署回流数据。
• 头部企业当前自有数据约100万至150万小时，未来数据需求目标可能达到千万量级。
• 行业基础模型参数目前约7B至13B，预计未来两年提升至15B至20B以上，部分头部企业已达到30B以上。
• 对于30B模型，使用B200训练至少需要50至100张，使用H100则可能需要数百张，数据清洗、标注及仿真同样消耗算力，头部企业正在向万卡规模发展。

商业化场景与机器人ROI：

• 真实需求主要来自工业场景，包括烟草、服饰、鞋服、电池、汽车零部件和3C电子等，核心难点在于复杂工况下的工具使用、精细操作及模型泛化能力。
• 政府采购、高校实训中心及文娱表演也贡献了较多订单，但专家认为这类需求的持续性弱于工业应用。
• 零售方面，以无人药房为例，机器人整机、模型及服务价格约40至60万元，一线城市药店员工年薪约11至12万元，好的情况下投资回收期约2至3年，较差情况下4至5年也未必能够回本。
• 药房机器人高峰期单日可处理接近500单，订单接收、SKU识别、货架导航、抓取及放入打包柜等几十步操作的全流程准确率超过98%，性能上已具备替代部分人工的能力，但规模化铺设仍取决于门店订单密度和经济性。

数据回流与存储需求：

• 具身智能模型早期训练依赖仿真数据及第一视角数据，实际部署后通过采集失败、异常及成功操作数据进行二次、三次模型迭代，以提高操作准确率和泛化能力。
• 单台机器人通常可配置约1TB端侧存储，未额外加装硬盘时基础存储可能只有256GB左右；不同部署点位还会设置NAS存储，集中系统容量可达到PB级。
• 数据先在本地或边缘侧存储，再上传服务器进行训练和分析，主要是考虑大规模机器人同时回传数据时的网络带宽、吞吐量和延迟问题。
• 随着机器人部署规模扩大，实际场景的数据回流将成为模型持续优化的重要来源，同时带动端侧、边缘侧和训练中心的存储及算力需求。

专家问答

Q01 公司情况介绍：

• 公司成立于2023年下半年，已发布Galbot G1（轮式双臂机器人，通用场景）、S1（重载搬运轮式双臂机器人，宁德时代等场景）、Galbot ET1（小型双足机器人，文娱表演场景）。
• 公司以模型为核心，代表性模型为银河星脑大模型，覆盖灵巧手操作抓取、精细操作和全身动补等能力。
• 技术路线以VLA和世界模型为主，数据格式覆盖Ego、Omni、互联网、分机、回流和仿真数据等。

Q02 算力需求爆发原因：

• 行业算力投入持续增长，模型参数量和数据投入增加，头部企业向万卡规模发展。
• 当前算力需求增长是为明年或后年做准备，GPT-6等新模型出现也带来一定驱动作用。

Q03 数据需求感知：

• 头部公司今年自有数据总量约100万至150万小时，目标是持续提升。

Q04 模型参数量：

• 目前基础模型参数量约7B至13B，明后年预计提升至15B至20B以上。

Q05 世界模型与参数量关系：

• 模型参数量与覆盖场景、动作策略有关，1B参数的世界模型可用不同数据量训练。
• 模型部署后，参数量与权重类型有关，如INT8或INT4。

Q06 行业维度参数量：

• 保守的行业维度为15B至20B，但部分头部公司已达到30B以上。

Q07 30B模型算力消耗：

• 使用B200训练至少需要50至100张，使用H100则可能需要数百张。
• 数据清洗、标注和仿真数据合成等环节也需要大量算力和显卡资源。

Q08 国产卡应用：

• 国产卡在具身智能领域渗透率低，公司使用不多，未来在模型调试和微调等环节有望逐步渗透。

Q09 机器人实际需求场景：

• 工业场景（轻工业如烟草、服饰，重工业如电池、汽车零部件、3C电子）需求较大，但模型能力尚无法完全满足复杂工况。
• 政府采购、高校实训中心、文娱表演等需求受政策驱动或规划推动，持续性较弱。

Q10 零售商业场景进展：

• 项目落地主要政府驱动，全国范围铺设难度大，一线或核心二线城市核心点位铺设较好。
• 订单量不大的原因是ROI算不过来，例如上海核心地段药店员工年薪11至12万元，机器售价40至60万元，回收期2至5年。

Q11 订单量与ROI关系：

• 订单量不大的主要原因是ROI算不过来，需要足够好的产品性能才能通过供给创造需求。

Q12 药店场景订单量：

• 机器人和人工的效率和准确率较高，但规模化铺设仍取决于门店订单密度和经济性。

Q13 机器人性价比：

• 性能上已可以完全替代人工，但量产价格贵，回收期和经济性仍有顾虑。

Q14 药店场景准确率：

• 订单接收、SKU识别、货架导航、抓取及放入打包柜等几十步操作的全流程准确率超过98%。

Q15 流程步骤：

• 流程平均约几十步，如接收订单、处理SKU信息、导航、逐个取物品等。

Q16 准确率提升：

• 准确率可以通过长期运营和每天的数据回流不断迭代优化提升。

Q17 数据来源：

• 模型训练预训练阶段使用大规模仿真数据或Ego数据，部署后通过回流数据进行二次、三次迭代。

Q18 回流数据存储需求：

• 端侧每台机器人配备1TB硬盘，边缘侧使用NAS存储，集中系统容量达PB级。

Q19 NAS存储原因：

• 直接上传数据会导致网络带宽、吞吐量和延迟瓶颈，影响机器人性能。

Q20 端侧和边缘侧存储容量：

• NAS存储容量PB级，单个机器人基础存储约256GB左右。