该研报指出物理AI产业正从硬件量产向模型进步、应用落地延伸,模型能力提升可降低机器人开发与场景适配成本,推动机器人从动作展示转向真实任务执行。近期海外巨头如OpenAI、Anthropic等在机器人模型方面进展显著,谷歌JIMINI ROBOTICS2.5在超200项任务中验证成功率提升30%-100%,英伟达Root2、苹果Hello则验证了少样本快速适配与仿真到真实迁移能力。
物理AI产业正推动机器人从动作展示转向真实任务执行,模型能力提升可降低开发与场景适配成本。当前趋势表现为通用大模型向机器人动作决策延伸,机器人企业可利用成熟外部模型结合自身本体、控制系统开发应用,而非独立承担全量模型研发成本。模型能力提升利好具备成熟本体、运动控制能力的本体厂商,以及掌握客户工艺、真实场景与数据积累的垂直应用企业,其可形成‘场景部署-数据积累-模型优化’的正向循环。
研报重点关注模型进步如何改变机器人企业竞争与商业化路径。核心逻辑在于机器人企业可利用成熟外部模型结合自身技术优势开发应用,而非独立承担全量模型研发成本。模型能力提升利好两类企业:一是具备成熟本体、运动控制、工程化能力的机器人本体厂商;二是掌握客户工艺、真实场景与数据积累的垂直应用企业,其可形成‘场景部署-数据积累-模型优化’的正向循环。研报还梳理了国产机器人本体及垂直应用相关重点标的。
当前机器人市场正经历从硬件量产向模型进步、应用落地的转变,物理AI技术推动机器人从动作展示转向真实任务执行。海外巨头如OpenAI、Anthropic、谷歌、英伟达等在机器人模型方面取得显著进展,例如谷歌JIMINI ROBOTICS2.5在超200项任务中验证成功率提升30%-100%,英伟达Root2验证少样本快速适配能力。国内市场方面,研报梳理了宇树、优必选等本体厂商及捷杰、拓斯达等垂直应用企业。
研报提示机器人规模化商业应用仍需验证可靠性与经济性,模型技术进步的商业化落地进度存在不确定性。此外,相关标的的技术与资源整合能力需持续跟踪。当前物理AI产业仍处于发展初期,模型技术从实验室走向大规模商业化应用存在挑战,企业需关注技术迭代与商业化落地进度,同时持续评估相关标的的技术储备与资源整合能力。