这份研报深入探讨了具身模型领域的发展动态,特别是WAM模型在机器人认知-物理预测和动作生成中的应用。报告分析了Astra模型的出现如何改变了WAM的地位,使其从独立赛道下沉为通用大模型的子集。同时,提出了WAM未来的两种关键应用方案:一是与力觉、真机闭环结合的执行层专用模块,形成“Astra大脑+WAM小脑”分层架构;二是专注于长时序世界预测的轻量化WAM。报告强调,缺乏硬件与真机数据的纯理论WAM公司面临生存挑战,通用模型大厂将占据该领域。技术迭代迅速,核心在于补齐数据、真机和执行层能力,建立从大脑输出到小脑位姿的‘条件反射神经元’。
具身模型赛道正经历快速迭代和格局重塑。WAM模型从独立赛道转向通用大模型子集,标志着技术融合趋势。未来,具身模型发展将围绕两大方向:一是执行层专用模块,与力觉、真机闭环结合,形成分层架构;二是轻量化WAM,专注于长时序世界预测,避免与高层规划竞争。纯理论模型面临生存压力,通用模型大厂将凭借数据、算力优势占据部分市场。关键在于建立从大脑到小脑的‘条件反射神经元’,强化数据采集、真机本体和T链硬件能力。投资机遇集中于这些基础能力建设环节。
研报重点分析了具身模型领域的技术演进路径和商业模式。核心聚焦于WAM模型的转型与未来应用,对比了Astra与WAM在S2环节的差异化优势,揭示了WAM从全链路体系下沉为执行模块的趋势。报告提出了两种WAM未来生存方案:一是作为执行层专用模块,与Astra形成分层协作;二是发展为轻量化世界预测工具。同时,强调了数据、真机和执行层能力的重要性,指出‘条件反射神经元’是技术突破的关键。研报还探讨了纯理论WAM模型的局限性及其面临的竞争压力。
当前具身模型市场呈现技术快速迭代和竞争格局变化的态势。WAM模型作为早期领导者,正经历从独立赛道向通用大模型子集的转型,其地位被Astra等新模型挑战。市场分化为执行层专用模块和轻量化世界预测两大方向。纯理论模型面临生存压力,通用模型大厂凭借数据、算力优势逐步渗透。技术竞争的核心围绕数据、真机和执行层能力展开,‘条件反射神经元’成为关键评价指标。整体而言,市场在混乱中寻求共识,技术融合与分化并行。
研报提示的主要风险在于技术路线选择和竞争格局变化。纯理论WAM模型缺乏硬件与真机数据支持,面临被通用模型大厂挤压的风险。技术迭代迅速,可能导致现有方案被颠覆。执行层专用模块需要与力觉、真机等硬件深度结合,存在技术整合难度。轻量化WAM需平衡预测能力与高层规划竞争,避免功能重叠。此外,数据采集、真机本体的获取和T链硬件的配套也是关键瓶颈,投资需关注这些基础能力的建设风险。