> **来源：[研报客](https://pc.yanbaoke.cn)** # 具身智能模型持续进步，行业商业化突破有望加速 ## 核心内容 具身智能模型正在持续迭代，其核心在于实现机器人在物理环境中的自主认知、协作与学习能力，从而构建一个能够与环境交互并适应变化的智能闭环。这种“大脑”技术是机器人进入工业、商业和家庭等场景的关键基础，而“小脑”技术则负责运动控制和灵活性。随着技术的发展，具身智能模型的泛化能力成为行业关注的重点。 ## 主要观点 - **具身智能模型的三大技术路线**： - **分层大模型**：将感知、决策、运动控制解耦，适合早期数据稀缺阶段，但存在模块间信息损耗和响应延迟问题。 - **端到端大模型（VLA）**：统一视觉、语言与动作处理，具备较强的泛化能力，但对高质量多模态数据依赖度高。 - **世界模型**：通过构建对物理环境的内在认知模型，实现环境预判、时序推理与自主规划，长期具备显著潜力，但技术复杂度高，距离规模化落地仍有差距。 - **泛化能力成为商业化关键**： 随着应用场景的扩展，机器人对泛化能力的需求越来越高。具备高泛化能力的模型将更容易在市场竞争中胜出，成为整机厂商的核心竞争力。 - **数据瓶颈与成本降低**： 当前具身智能模型发展受限于高质量数据的获取成本和效率。行业正通过仿真数据、互联网数据等方式降低数据成本，其中仿真数据和互联网数据因数据量大、多样性高，成为初创企业的重要探索方向。 - **真机数据成为竞争壁垒**： 真机数据最能反映机器人真实行为，但采集成本高、效率低。随着技术发展，真机数据积累可能成为整机厂商的核心竞争优势。 ## 关键信息 - **数据与模型闭环**： 具身智能模型通过“数据-模型-本体”闭环提升泛化能力，其中数据是启动闭环的关键。 - **行业应用场景**： - **垂类场景**：如汽车制造、物流仓储等，因其任务明确，有望率先实现规模化应用。 - **通用场景**：如家庭服务、教育科研等，对泛化能力要求更高，需更强的模型能力。 - **技术路线融合趋势**： 不同技术路线之间呈现融合趋势，如端到端模型与世界模型结合，以增强对物理规律的理解和控制能力。 - **代表性厂商与技术进展**： - **智元机器人**：采用ViLLA架构，结合VLM和MoE模型，提升泛化能力。 - **自变量机器人**：开源HOST框架，仅需一段人类视频即可训练新技能。 - **银河通用**：坚持仿真合成数据为核心，构建具身数据生产管线。 - **特斯拉**：借助FSD技术积累，扩展至具身智能领域，具备先发优势。 - **杭叉集团**：发布“LogiMind”具身大模型，采用云端与现场协同模式。 ## 投资建议 - **重点关注的标的**： - **杭叉集团**（603298，买入）：在仓储物流领域布局，具备具身大模型技术。 - **上纬新材**（688585，未评级）、**优必选**（09880，未评级）、**埃斯顿**（002747，未评级）、**杰克科技**（603337，未评级）：在不同应用场景中布局，具备一定的技术储备与市场潜力。 - **投资逻辑**： 具身智能技术路线虽有差异，但高泛化能力成为共识。垂类场景具备先发优势，而具备强大模型泛化能力的厂商可能通过与垂类行业合作，实现降维打击。 ## 风险提示 - **模型与数据进展不及预期**：高质量数据积累缓慢可能影响模型迭代和商业化进程。 - **场景需求不明确**：工业、商业、家庭等场景的实际需求尚未清晰，可能制约行业拓展。 - **厂商产能不足**：人形机器人产业链复杂，若整机厂商产能扩张不及预期，将影响商业化节奏。 - **政策变化风险**：涉及数据安全、AI伦理等，政策变动可能影响产品部署与市场发展。 - **行业融资受限**：高研发投入与长回报周期可能受宏观经济与资本市场影响。 ## 行业评级 - **看好**（维持）：具身智能技术持续进步，商业化潜力较大，行业具备增长动能。 ## 证券分析师 - **杨震**：执业证书编号：S0860520060002 - **香港证监会牌照**：BSW113 - **联系方式**：yangzhen@orientsec.com.cn / 021-63326320 ## 联系人 - **敬希癸**：执业证书编号：S0860125120011 - **联系方式**：jingxigui@orientsec.com.cn ## 相关报告 - 特斯拉机器人生产有望加速，关注零部件（2026-07-14） - 企业生产管理水平：——机器人产业跟踪 ## 图表目录 - 图1：具身智能应用拓展对具身大模型泛化能力提出更高要求 - 图2：具身智能技术框架 - 图3：具身智能模型技术路径尚未统一 - 图4：智元机器人GO-1模型呈现分层架构 - 图5：典型VLA模型架构 - 图6：端到端的VLA模型目前有多种技术架构 - 图7：逐际动力具身智能大脑系统三层架构 - 图8：逐际动力Oli机器人整理家务 - 图9：世界模型的技术范式 - 图10：世界模型三类功能 - 图11：谷歌RT-2模型具备端到端能力 - 图12：Figure AI Helix 02模型三系统VLA架构 - 图13：特斯拉将全FSD积累扩展至具身智能领域 - 图14：银河通用数据金字塔结构 - 图15：自变量机器人HOST框架支持从单条人类视频中获取技能 ## 行业与报告信息 - **国家/地区**：中国 - **行业**：机械设备行业 - **报告发布日期**：2026年08月08日 - **免责声明**：本报告由东方证券研究所发布，仅供客户使用，未经授权不得复制、转发或公开传播。