具身智能领域的技术路线呈现VLA与世界模型并存的状态。VLA(视觉语言模型)更适用于商业化场景,因其能快速适应特定任务,而世界模型则更偏向长期发展,专注于构建对物理世界的深刻理解。两者并非互相排斥,而是可以融合,例如将世界模型的预测能力集成到VLA架构中,以增强模型的泛化能力和环境适应性。这种融合策略能够使机器人不仅能在特定场景下高效执行任务,还能在更多未知环境中表现更佳,从而推动具身智能技术的商业化进程。
具身智能赛道未来将呈现从算力投入转向真实数据采集、数据基础设施及持续后训练扩展的发展趋势。随着技术的成熟,企业逐渐意识到真实数据对于模型泛化能力的重要性,因此将加大在数据采集和标注方面的投入。同时,硬件供应链的完善也将为具身智能的发展提供有力支撑,如奥比中光提供的视觉相机、华依科技的IMU等关键硬件的进步,将显著提升机器人的感知和操作能力。此外,算力成本的下降将进一步推动整机价格的降低,从而扩大市场规模。
本报告重点分析了具身智能系列中的VLA和世界模型的技术路线、泛化能力及Scaling Law。报告详细探讨了VLA和世界模型的优劣势,以及两者融合的可能性。同时,报告还深入分析了数据配比、成本结构、硬件供应链等关键因素,并通过对主要厂商的调研,揭示了行业竞争格局和发展趋势。此外,报告还关注了数据采集设备对行业的影响,以及数据成本和ScalingLaw对模型性能的提升作用。
当前具身智能市场仍处于发展初期,但已展现出巨大的潜力。市场上主要厂商如智元机器人、宇树科技、千寻智能和Figure等,各自在技术路线和商业化策略上有所侧重。智元机器人凭借世界模型和动作执行稳定性在工业场景中占据优势,宇树科技则在硬件运动控制方面表现突出,千寻智能专注于VLA和柔性操作,而Figure则强调全身协同与真实场景部署。尽管市场前景广阔,但商业化仍面临成本高、性价比低、回收期长等挑战,目前多以引流为主。
本报告提示了具身智能领域的主要风险,包括商业化阻力大、成本结构复杂、数据获取难度高等问题。具身智能系统售价高昂,单套系统售价在100万至300万元之间,其中硬件和模型部署成本占比高,导致性价比偏低,回收期较长。此外,数据采集和标注成本也较高,且不同类型数据的成本差异较大,难以精确分离。算力成本虽然有所下降,但仍是重要支出。这些因素共同构成了具身智能商业化进程中的主要风险,需要企业通过技术创新和成本控制来逐步克服。