具身智能厂商竞争格局
国内外厂商梯队梳理
- 国内厂商:分为三类,一是本体与大脑协同研发的智元;二是模型层面表现优异的银河通用、千寻智能;三是以阿里为代表的大厂具身大模型团队,但大厂迭代节奏跟随大模型主线。
- 海外厂商:技术分化明显,谷歌DeepMind领先,其VROA技术在跨本体适配、全流程控制、零样本操作层面表现优异;Physical Intelligence的派系列基础模型表现较好;飞狗AI、特斯拉也处于第一梯队;Shopic Cloud的Fibe5.2、苹果Hello技术梯队相对靠后。
- 技术侧重差异:国内部分厂商走本体+大脑协同研发路线,部分聚焦模型层突破,大厂兼顾大模型主线业务;海外厂商部分侧重跨本体通用能力研发,部分走垂直场景落地路线。
宇树发展定位分析
- 苹果选择宇树原因:苹果聚焦上层框架研发,不愿投入过多精力布局本体硬件;宇树是运动控制领域的头部厂商,市面可采购到其标准化产品,且产品接口开放,全身运动底子稳定。
- 宇树核心定位:全球通用的标准化集成硬件载体,不自主研发机器人大脑,核心依托仿真开源模型普及带来的稳定开放硬件需求红利发展。
- 发展路径:对外售卖硬件产品,或自研提升相关模型、开源征集数据集。
- 核心风险点:硬件层面不存在断层式领先优势,未来上层模型开源普及后,若竞争对手推出价格更低、运动性能接近的开放接口人形机器人,宇树的产品溢价将被挤压。
- 投入数据:宇树WLA版本需2000多小时真机数据集,数据相关研发投入达5000万-7000万级别。
- 行业趋势:真机数据飞轮和仿真路线需互补发展,仿真数据最终需要少量真机数据校准,利好硬件载体厂商的发展。宇树若要保持长期竞争力,需持续维持开放稳定的供货能力,不断拉高运动控制领域的技术壁垒。
特斯拉技术路线分析
- 技术路线:采用全端闭环的技术路线,走纯视觉端到端路线,依托自动驾驶FSD的城市场景学习路线,可直接输出关节动作,无需依赖雷达类硬件支撑。
- 技术优势:自有工厂场景的真机数据飞轮,闭环工程能力突出,在工厂固定物料搬运、拧螺丝等固定任务场景下,稳定性、抗干扰性、动态平衡能力较强。
- 产品定位:优先服务自有业务,模型迭代优先适配自有工厂场景,短期内不会向全行业推出通用模型。
- 技术劣势:在居家复杂场景、陌生物体识别等开放场景下,泛化推理能力弱于谷歌DeepMind、苹果Hello等厂商。
Q&A
技术实现路径及仿真数据应用价值
- Apple Hello项目依靠分层架构、强随机化和实时跟踪闭环实现技术,300小时全仿真数据零样本测试单次任务成功率达90%,长链任务达70%。
- 仿真数据的应用价值在于为导航、全身移动、基础交互等大范围泛化任务打底扩规模,但前提是硬件对齐带物理校验及配套真机闭环的高质量仿真数据。
仿真数据与真机数据的对齐
- 对齐并非指仿真画面与真实场景一模一样,而是指仿真环境中的观测数据与机器人真机上的传感器控制站采用同一套标准,确保信号口径一致。
不同机器人本体对仿真训练数据通用性的影响及数据供应商的适配方案
- 不同本体的数据不能直接通用,但并非只能一对一单独重做。数据供应商采用分层架构兼顾适配效率与迁移效果:通用资产和任务库对所有客户通用;本体适配层则将运动学、传感器控制参数等封装成可配置包。客户更换本体时只需更换配置包,无需重新搭建环境和任务。
具身智能训练数据的销售计费模式
具身智能仿真数据的市场销售价格
- 常规仿真数据的价格基本在30至40元/小时。如果是特定场景的定制化仿真数据,价格会稍高,大约在80至100元/小时。
具身智能初创公司启动机器人训练所需的仿真数据量
- 所需数据量取决于场景复杂度。对于简单的固定场景,约200小时的对齐仿真数据即可起步。若需拉长任务步骤并对标较高效果,则需要两三千小时的仿真数据,并混合不同场景和预随机化处理。此外,后续还需搭配几十小时的真机数据作为校准。
具身智能仿真数据供应商目前的客户构成
- 主要包括头部CSP、机器人本体厂商以及其他相关类型的企业,基本涵盖了行业内的主要玩家。
头部大模型公司与机器人本体厂商在具身智能数据采购上的投入规模
- 基本都按几十万小时的框架进行采购。根据模型迭代需求或不同场景的阶梯进度执行,整体采购金额基本在几千万元级别。
国内具身智能大模型能力第一梯队的企业
海外具身智能领域技术进展较靠前的企业
- DeepMind、谷歌、Physical Intelligence、Figure AI、特斯拉。
苹果Hello项目选择宇树机器人作为硬件本体的原因
- 苹果重心在上层框架研发,不愿在硬件本体上投入过多精力。宇树在运动控制方面实力较强,且市面上能买到具备标准开放接口的产品,全身运动底子稳定。
宇树科技在具身智能领域的未来发展战略、定位及潜在风险
- 定位是成为全球通用的标准化具身硬件载体,不依赖自研大脑,而是依靠仿真和开源模型生态。未来方向是销售硬件或自研提升模型并开源真机数据集。潜在风险在于硬件层面不存在断层式领先优势,若竞争对手推出价格更低、运动性能接近的人形机器人,宇树的产品溢价将被挤压。
特斯拉具身智能大脑的技术路线、能力优势及局限性
- 采用全端闭环路线,基于纯视觉端到端和工厂数据飞轮,工程闭环能力强。优势在于依托FSD城市学路线底子,在工厂固定任务中的稳定性、抗干扰性和动态平衡表现优异。局限性在于优先服务自家工厂,短期不做全行业通用模型;且在居家复杂场景或陌生物体的泛化推理上,弱于谷歌、VLA和苹果Hello。
PB5.2模型在机器人基准测试中取得高分的技术实现路径及与原生具身模型的区别
- PB5.2在rocoo基准测试中取得64.9的高分,并非依靠大量机器人专项数据,而是依赖更强的空间推理、长持续规划及外部动作翻译层兜底,属于通用大模型能力的溢价。与Hello等原生Sim2Real全身控制模型不同,PB5.2是通用大模型,注重推理规划,机器人控制是附加能力,通过少量物理交互仿真样本建立像素到动作的映射。其短板在于精细高频力控和连续稳定闭环较吃力,在真实世界长时间干活的稳定性和容错率稍差。
具身智能模型从仿真测试到真机实际上岗的通过率标准及评估维度
- 仿真基准90%以上仅代表在固定评测环境中表现良好,不等于真机能稳定干活。真机上岗的及格线需综合真机演示、量产落地和仿真表现:在真实环境中长链条任务稳定通过率达60%以上且失败后能自动恢复,算初步上岗;工厂产线批量商用则要求稳定通过率达75%以上且无需频繁人工复位。仿真高分仅证明算法路线有前景,最终仍需真机数据校准。
目前头部具身智能企业在固定场景与开放陌生场景下的真机任务通过率现状
- 在固定场景下,Hello仿真90%对应真机70%;谷歌等产线固定场景可达96%;智元在便利店场景连续闭环稳定达85%左右。在开放陌生场景下,Hello在陌生房间达70%属较强水平;特斯拉Optimus在未见场景约30%-50%;PB5.2真机开放场景约50%-60%;PhysicalIntelligence开放真机约50%上下。
具身智能在封闭场景与泛化场景下实现商业化落地的预期时间表
- 在固定的封闭场景下,乐观估计约2年左右可以跑通并实现商业化落地。但在泛化场景下,预计还需要5年甚至更长时间。
具身智能机器人在工业场景中对人工的替代比例及时间预期
- 具身智能机器人在工厂中目前只能替代简单场景的功能。预计在近两三年内,可能替代工业场景中30%至40%的工人,并非所有工业岗位都能被替代。
英伟达GR00T2与Cosmos世界模型的技术路线特点、开源影响及落地局限性
- 英伟达GR00T2结合Cosmos进行视频物理预测,一边预判世界变化一边输出动作。开源降低了初创团队的入门门槛,但其定位是提供底层基座和仿真工具链,不与头部机器人公司抢成品订单。局限性在于其原生通用基座未绑定特定机器人,直接运行会出现动作漂移,需少量真机数据微调;且在视觉预判、灵巧操作泛化、力控触觉长期闭环方面,仍需现场真机数据不断打磨。
技术范式融合路线
- 长期来看,技术范式将走向融合路线。短期为考虑落地,两条路线分开跑:Hello原生对齐VLA路线迁移稳、真机闭环好,适合全身移动交互;英伟达世界模型预演路线在复杂长链条任务中可减少样本泛化,但Sim2Real gap较大。中长期将以VLA作为动作执行主干,世界模型作为前置预演校验模块,GR00T2已采用此框架,即世界模型预演多条方案后,将最优方案交给对齐好的VLA生成动作轨迹,底层跟踪闭环兜底。
具身智能数据供应商的仿真引擎及核心技术壁垒
- 仿真主体是全栈自研的仿真底座,并非直接以Omniverse为主引擎,但兼容OpenUSD和Omniverse生态,支持资产互导。其核心技术壁垒在于物理底层求解、传感器仿真、本体对齐、真机输出及大规模并行生成。
中国具身智能高质量仿真数据的市场需求规模及未来两年的增长预期
- 明年高质量对齐仿真数据需求预计达400万至500万小时,后年将突破千万小时门槛。增长主要由本体厂和大模型团队跟随开源技术迭代拉动,以及工厂定点工位试点放量定制场景数据拉动。出海是确定增量,但仅限带本体对齐的高价值Sim2Real数据。后年随着闭环工位批量落地及世界模型普及,预演样本需求将大幅提升。
具身智能端侧算力芯片的需求现状及不同层级芯片的适用场景
- 目前端侧算力基本够用。英伟达Jetson/Orin等主流高阶芯片可运行高阶具身模型、轻量VLA闭环及Cosmos预演。瑞芯微RK35等较小端侧芯片算力不足,只能用于感知或简单任务,无法运行Cosmos或GR00T2等原生世界动作模型。底层小脑对算力要求不高,主要保证时延;中层2-3B参数VLA可执行单步抓取等动作策略。
Jetson与瑞芯微RK35系列芯片在运行具身智能大模型及世界模型时的能力差异
- Jetson和Orin这一档芯片可以运行主流高阶具身模型、轻量VLA简单任务闭环以及Cosmos预演。而瑞芯微RK35系列等较小端侧芯片只能做感知和简单任务,无法运行Cosmos或GR00T2等原生世界动作模型。
单颗瑞芯微RK35系列芯片能否运行裁剪版的国内世界模型
- 单颗瑞芯微RK35系列芯片运行裁剪版的国内世界模型比较困难,算力依然不够。
智元与启源在具身智能目标市场、技术路线及大脑架构上的区别
- 智元主打工业场景,以工业生产力优先,其Go系列采用原生世界动作模型,感知、预判和生成在一个链路中一体化。启源是智元拆分出的品牌,主打家庭消费场景,重心在柔顺交互和家务安全,技术上采用快慢脑分离架构。
具身智能技术路线中的快慢脑分离架构
- 快慢脑分离是指将系统分层,小脑负责最终的执行动作,大脑负责思考和规划。
智元机器人在工业场景的落地表现及行业地位
- 智元机器人在工业场景的落地表现全球靠前,出货量和工业工程落地存货较多,标杆项目处于行业头部位置。
中美在具身智能领域的竞争优势差异及中国机器人实现超越的潜力与局限
- 中国在工业封闭场景、量产交付及成本方面依托供应链优势处于领先,国内工业场景丰富,机器人可批量部署并收集数据迭代,落地速度快。但在前沿技术预演、通用开放场景高端算力及原始范式创新上,国外仍具优势。狭义来看,在工业场景稳定上岗和批量出货方面,中国2-3年内有机会领先;但在陌生环境零样本或复杂居家任务等通用维度上,短期内很难超越美国。
银河通用在具身智能领域的技术路线、核心产品优势及商业化落地场景
- 银河通用重仿真合成数据,核心基座银河星脑采用大脑小脑神经控制一体化的端到端WMA架构,预训练依赖海量仿真数据,真机仅做微调。其优势在于陌生物体、光照变化下的零样本抓取及透明件小物体抓取,并采用纯视觉端到端导航。产品以轮式双臂和重载轮式机型为主,大量采用宇树等成熟本体,定位为通用大脑供应商加场景运营商。落地场景偏向消费端,如无人零售仓、无人便利店和药房分拣。
具身智能触觉数据的重要性、当前采集痛点及规模化爆发的时间预期
- 触觉数据对家庭或工业场景中的精细操作长期来看至关重要,但目前工业简单场景使用比例不高。当前采集痛点在于方案碎片化、传感一致性差、漂移大且无统一标准,数据难以互通。规模化爆发预期:工业封闭场景预计在2028年左右,传感器先部署于指尖以控制成本;通用开放场景预计在2030年左右,待成本、一致性和数据标定成熟后迎来大爆发。