VLA和世界模型通过整合多模态数据,包括第一视角、互联网、仿真及实际部署回流数据,显著提升具身智能模型的感知、决策与交互能力。报告显示,头部企业数据积累已从100万至150万小时向千万量级迈进,模型参数也从7B至13B提升至15B至20B以上,部分达30B以上。30B模型训练需50至100张B200或数百张H100算力,同时数据清洗、标注及仿真同样消耗大量算力资源,推动行业向万卡规模算力投入发展。
具身智能行业呈现多场景应用趋势,工业制造场景需求稳定,但商业化持续性分化。工业场景以烟草、服饰、电池、汽车零部件等重载搬运为主,核心难点在于复杂工况下的工具使用和模型泛化能力。政府采购、高校实训及文娱表演场景受政策驱动,持续性较弱。无人药房机器人已具备替代部分人工能力,高峰期准确率超98%,但规模化铺设取决于门店订单密度和经济性。数据回流通过实际操作和迭代优化模型,端侧存储约1TB,边缘侧NAS存储达PB级,网络瓶颈需考虑。
报告重点分析了具身智能产品布局、算力需求及商业化场景。产品方面,公司发布GalbotG1、S1、ET1三款机器人,技术路线以VLA和世界模型为主。算力需求方面,30B模型训练需50至100张B200或数百张H100,头部企业向万卡规模发展。商业化场景方面,工业场景需求大,但模型泛化能力仍是卡点;无人药房机器人整机、模型及服务价格40万至60万元,投资回收期2至5年。数据回流通过实际操作和迭代优化模型,端侧存储约1TB,边缘侧NAS存储达PB级。
具身智能市场呈现头部企业集中趋势,算力投入持续增长,模型参数量不断提升。工业场景需求稳定,但商业化持续性分化,核心难点在于复杂工况下的工具使用和模型泛化能力。无人药房机器人已具备替代部分人工能力,高峰期准确率超98%,但规模化铺设取决于门店订单密度和经济性。数据回流通过实际操作和迭代优化模型,端侧存储约1TB,边缘侧NAS存储达PB级,网络瓶颈需考虑。行业整体处于快速发展阶段,但规模化部署仍面临技术、成本等多重挑战。
研报提示具身智能行业面临多重风险。技术层面,模型泛化能力仍是卡点,复杂工况下的工具使用和交互仍需提升;算力成本高昂,30B模型训练需大量高端芯片支持,数据清洗、标注及仿真同样消耗算力资源。商业化层面,工业场景需求虽大,但规模化铺设取决于经济性,政府采购和文娱表演场景受政策驱动,持续性较弱。此外,数据回流过程中网络带宽、吞吐量和延迟问题,以及端侧、边缘侧和训练中心的存储及算力需求增长,均需关注。