国金证券2025年06月17日机器人行业研究买入（维持评级）行业专题研究报告证券研究报告机械组分析师：满在朋（执业S1130522030002)分析师：李嘉伦（执业S1130522060003)manzaipeng@gjzq.com.cnlijialun@gjzq.com.cn垂直领域具身智能机器人的野望投资逻辑垂直领城具身智他机器人，为什么是现在看好？“大脑”成燕度逐步提升，打造具身智能落地基础：机器人“大脑”主要功能包括实时交互、多模态感知、自主可靠决策、涌现和泛化等，产业从最基础的山M(大语言模型)+VM(视觉基础模型)过渡至VM(视觉语言模型)多模态模型，并进一步增加运动控制实现V儿A(视觉语言动作模型)。近年目标检测、D语言映射、对象表示、策略学习、任务规划等研究突飞猛进，显著提升了机器人感知、决策、控制能力，打造具身智能落地基础。垂直领城峡教据、推理慢、控制难等问题有望解决，加速产业化落地：目前的通用机器人距离成熟产业化应用还有一定距离，其中受到了真机数据有限、大模型推理时间太长、运动控制难度较高等多种因素影响。要解决这些问题，我们认为更多的还是要针对某一垂直领域场景进行突破，数据方面通过供应链、机器人企业、用户、政府等共同发力实现场景零到一突破，通过机器人部署增加真机数据获取量，加速实现“数据飞轮”：推理时间的问题可以通过调优更“小”的垂直领域模型解决，贴合场景应用需求同时匹配边缘算力：同时我们认为不必追求人形形态，仅上肢的具身智能工作站、轮式机器人也有较好应用前景，其运动控制算法更成熟，更容易实现产业化落地。哪些场景前景大？潜在场景寻找思路：我们一方面认为工业机器人渗透率越低，未来的应用前景越大，因为工业机器人完成了标准化行业的自动化升级，剩下的柔性化程度较高的行业则需要利用大模型的泛化能力实现自动化，例如塑料化工、食品加工、家电等行业有较多工序工业机器人应用成熟度较低：另一方面认为可以从“缺工”角度出发，招工难是终端用户最直接的需求痛点，例如餐厅、家政、物流、养老、服装等行业有较好具身智能机器人应用前景。服装：服装行业是典型的劳动密集型行业，尤其是缝纫环节主要依靠人工难以实现自动化升级，主要由于处理布料柔性化程度过高无法通过工业机器人完成。但目前整体来看针对布料处理的大模型、传感器均有了一定的成熟度，X世界模型具备针对布料折叠生成长时程任务模拟能力、FLIP框架在布料折叠任务中可生成长期规划方案、SSFO|d方法可对未见过的布料完成折叠、帕西尼灵巧手传感器可实现不同布料材质识别。同时缝制机械领军企业杰克股份联合多家高校开始攻关服装机器人，服装行业的垂直机器人开发有望加速。康养：我们认为康养场景是具身智能机器人最终实现家庭应用的最优过渡场景，下游面临“招工难”痛点，同时产业目前从硬件和物品传递、病患移动等常见任务处理能力上看均有一定的成熟度。海外有1以积极开发家用机器人，其大模型性能不断提升，国内有傅利叶、优必选、亿嘉和等越来越多的企业切入该赛道，有望加速产品成熟。同时两部门发文支持机器人在家庭、社区和养老机构等场景试点应用，政策支持也有望助力产业实现关键的零到一突破。物流：物流行业经过多年自动化升级已经在仓储、传送、分拣等环节具有了较高的自动化程度，但其中剩下了一些工作量较大的例如拆零拣选环节仍以人工为主柔性化程度较高，后续有望通过具身智能机器人填补空缺并集成进现有的自动化系统。目前全球物流巨头GXO与多家机器人企业合作探索应用，其中Digit已经实现了商业化运营，Figure Helix模型在物流行业应用后性能也快速提升展示了巨大成长潜力。物流行业在终端用户、物流装备企业、机器人企业的共同推动下有望成为一个“爆款”场景。投资建议看好垂直领域具身智能机器人应用机会，尤其是服装、康养、物流等行业，建议关注杰克股份、华中数控、奥比中光。风险提示机器人大模型技术发展不及预期、政策支持不及预期。国金证券扫码获取更多服务行业专题研究报告内容目录1.垂直领域具身智能机器人，为什么是现在看好？..1.1“大脑”成熟度逐步提升，打造具身智能落地基础...512垂直领城缺数据、推理慢、控制难等问题有望解决，加速产业化落地.·1.2.1从场景获取真机数据，加速实现“数据飞轮”712.2需要的模型更“小”，解决推理太慢痛点…101.2.3不追求人形形态，控制算法更成熟.…12162.1潜在场景寻找思路…162.1.1工业/服务机器人渗透率的逆向思考，工业机器人渗透率越低未来前景越大…162.2服装：主要针对缝纫环节，解决招工难、人工成本高等下游核心痛点..202.3康养：机器人最终进入家庭最优的过渡场景..。252.4物流：国内外企业积极探索应用，解决拆零拣选等环节工作量大痛点.·3.投资建议…38.A.SA..S.39图表目录图表1：机器人“大脑”技术架构..图表2：机器人主要大模型…56图表5：谷歌T州模型能够将高层次任务映射为低层次运动，减少训练需要的数据...图表6：目前预训练大模型研究发展迅速，显著提高了机器人感知、决策、控制能力·图表7：“数据飞轮”是机器人产业具有巨大成长性的底层逻辑.…8图表8：傅利叶开源机器人数据集Fourier ActionNet首批上线超3万条真机训练数据.........8图表10：智元数据采集工厂…9图表11：垂直场景部署让训练数据结构从“正三角”转为“倒三角”…10图表12：模型训练的性能随肴计算量、参数量、数据量的增加而提升.......10图表13：目前机器人大模型普遍推理时间较长，实时性还有较大改善空间....10图表14：Figu「e通过加入一个更小模型的方式来解决推理速度太慢的问题.·11图表15：垂直大模型更适合特定场景应用..…11图表17：人形机器人仅下肢就有14个自由度，控制难度大幅增加.…132国金证券扫码获取更多服务行业专题研究报告图表19：双轮类人机器人可以简化为两轮倒立摆运动学模型...14图表20：EVE搭载的世界模型已经可以根据动作指令生成控制轨迹完成移动..·15图表21：如果是仅有上肢的机器人在运动控制上可以沿用工业机器人的策略·15图表22：华中数控开发的具身智能工作站..16图表24：中国工业机器人密度赶超日本，制造业自动化水平较高…16图表25：汽车等标准化程度较高的制造业领域已经实现了工业机器人的大规模应用·17图表26：工业机器人目前在较多细分行业的覆盖场景和应用深度有限......17图表27：服务业中仅物流仓储、酒店机器人应用比例较高.....1818图表29：在垂直大模型加特下即使是工业机器人也可以面向更加柔性的场景·18图表30：402022“最缺工”职业排行..·18图表31：在“缺工”背景下机器人渗透率有望快速提升…19图表33：目前服装厂可以实现缝前、缝后的高自动化，缝中主要依靠人工·20图表34：模板机自动化程度更高，但上下料还是需要人工操作..…图表35：布料属于接触丰富型柔性物体，机器人的应用具有一定难度...…21图表36：帕西尼灵巧手传感器可实现不同布料材质识别.…图表37：1X展示了世界模型生成布料折叠长时程任务能力........22图表38：FLIP框架提升了长时程视频规划合成成功率与质量...图表40：基于人类演示数据完成布料折叠训练.…24图表41：该方法已经可以对未见过的布料完成单折、双向内折、三角折等操作....24图表42：杰克股份牵头缝制机械项目研发与验证...25图表43：在多个高校加持下有望进一步加速服装机器人产业化落地节奏.....25图表44：1X机器人推出的0目标就是打造直接面向终端消费者的家用机器人…26图表45：康养场景预计先用轮式机器人进行过渡后续迭代为双足机器人...........26图表47：Moxi仅完成运输工作就显著减轻了医院员工负担...27图表48：以Torobo机器人为测试平台的深度学习架枸......28图表49傅利叶三维上肢康复机器人…B图表50：华为、优必选、创耀科技、麦迪科技等参与具身智能康养协同发展机制......·29图表51：亿嘉和K100型机器人主要面向康养、家居等场景....29图表52：1X发布Redwood模型升级...303国金证券扫码获取更多服务行业专题研究报告30图表54：Redwood升级强化了在家庭类场景中的实际任务完成能力...........31图表55：两部门发文展示了较多智能养老服务机器人结对公关与场景应用试点项目..·31图表56：物流行业整体已经有了较高的自动化程度.…图表58：德马科技智能播种机器人缩减二次分拣人工作业.32图表59：拣选尤其是拆零拣选是人力耗费最大的环节..…32图表60：货到人拣选降低了拣选人员走动的工作量…3333图表62：德马科技与鹿鸣机器人合作推动在智能工厂和物流场景测试和应用机器人....34图表63：全球物流巨头GX0积极探索机器人应用...34图表64：Digit机器人的运动学结构..…35图表65：基于Digt机器人行走的强化学习框架结构...35图表66：Digt机器人已经实现了商业化应用，目标产能10000台/年..36图表68：Figure在物流行业部署机器人后模型性能持续提升...37图表69：Hei×性能提升主要来自于系统1的优化.…37图表70：训练数据量的增加显著提升了物流行业处理性能..。…38图表71：新架枸特征的添加也提升了模型性能....38图表72：建议关注公司…384国金证券扫码获取更多服务行业专题研究报告1.垂直领域具身智能机器人，为什么是现在看好？机器人“大脑”主要功能包括实时交互、多模态感知、自主可靠决策、涌现和泛化等。需要规模数据集、云边端一体计算架构、多模态感知与环境建模等多方面技术能提供支撑和实现融合创新，以端到端具身大模型为核心的机器人“大脑”才能取得突破和发展。多模态感知与环境建模云边端一体计算架构来源：《中国人形机器人创新发展报告2025》，国金证春研究所目前的大模型已经在视觉和语言处理方面取得重大突破，在机器人领域具有巨大应用潜力：机器人“大脑”最基础的模型为山M(大语言模型)+VM(视觉基础模型)，其中LM主要是主要是通过深度学习技术训练的大规模神经网络，主要用于理解和生成自然语言，VM一般以卷积神经网络（如ResNet等）或者Vision Transformer(ViT)等为基础模型，通过自监督学习的方式提取图像的特征表示，随后将特征提取器用于下游任务。BERT预训练语言模型DeepSeek高效的开源大语言模型ChatGPT应用最广的语言处理大模型LLaMA预训练和指令微调的语言模型Vicuna使用监督数据微调得到的模型Phi-2具有推理能力的小语言模型ResNetViT基于Transformer的视觉模型MAE自监督的图像预训练CLIP图像语义特征学习SAM视觉分割大模型谷歌SayCan模型就是典型的LUM+VFM架构，解决了LLM缺乏真实世界经验，不适用于机器人在特定环境中执行任务的问题。通过预训练技能的价值函数对齐(Grounds)大语言模型或者通过价值函数的训练使大语言模型对用户指令进行推理分解获得任务步骤，使其提出既可行又在情境上合适的自然语言行动。5国金证券扫码获取更多服务行业专题研究报告单纯的LLM模型未与自身所处环境进行交SayCan通过预训练价值函数为LLM模型奠互，无法给出现实直接有效的解决答案。定基础，让机器人能够执行现实世界中抽象的、长期的指令。spilled my drink.can you help?spilled my drink.can you helpYou could try usingLLMValue FunctionsGPT3a vacuum cleaner.I would:LaMDADo you want me tofind a cleaner?1.find a spongeSayCan2.pick up the sponge3.come to youFLANI'm sorry.I didn't4.put down the sponge5.done《Do As I Can,Not As I Say:Grounding Language in Robotic Affordances》,金i证春研究所多模态模型指一个模型能够接受输入不同“模态”，例如图像、文本或音频信号。M(视觉语言模型)同时融合了山M和VM,是一种同时接受图像和文本的多模态模型，同时接收图像和语言作为输入，并根据语言指令和图像信息产生输出，完成图像问答任务，实现更准确的任务规划和决策。例如清华大学交叉信息院高阳研究组提出VLa算法，通过利用GPT-4④W这类VM,使机器人能够在复杂环境中主动进行任务规划。Chain-of-ThoughtVisionLanguageModelTask Plan(GPT-4V)4.Place pepsi can on table7.Done究所VLA(视觉语言动作模型)在VM的基础上进一步增加了运动控制，解决了机器人的运动轨迹决策问题，能够减少将高层次任务映射到动作所需要的训练数据。例如谷歌的RT-H模型利用心M来预测语言动作，再将这些语言动作与运动动作进行条件匹配，为机器人预测动作。这种动作层次结构使得模型能够在许多语义不同的描迷之间共享结枸，与直接将任务映射到动作相比，这在各种多任务数据集上能实现更好的数据共享。这种层次结构还使人类能够选择提供语言修正，以防止任务失败，然后使用这些新的语言动作来预测更好的动作。一旦人类完成干预，RT-H会像之前一样预测语言动作。6国金证券扫码获取更多服务行业专题研究报告Task:"Close the pistachio jar"Action Hierarchies Improve Performance and Enable InterventionRT-H Predicts Lang来源：《RTH:Action Hierarchies Using Language》,因金证春研究所目前预训练大模型研究发展迅速，显著提高了机器人感知、决策、控制能力。感知nguage-lmagee Pre-training)日标检测知策路学习集成LM和LM可以实现增强强化习。这提供了关于实现复杂任务的智度的级别上理解环境并与之交互，可以限助机器人识别物体和场景。价值学习3D视到悟言的任务对于机器人应用至关重要，目前可以史现D图像推理，但缺乏与语言描述相匹配的3D数据机图人动作生成的集成架实现机器例如谷歌推出的RT-2展示了VA模型可以有效利用机器人训炼数据集生模型成机器人控制的广义动作。学习知和动作之问的差距。1.2垂直领城峡数据、推理慢、控制难等问题有望解决，加速产业化落地机器人产业具有巨大成长潜力的底层逻辑是“数据飞轮”，通过更多的机器人部署能带来更多数据以供训练，最终优化出更成熟的模型强化机器人性能进一步推动放量，形成自我加速的正向循环。国金证券扫码获取更多服务行业专题研究报告更多训练数据部署增加性能提升模型优化来源：《Data Pyramid and Data Flywheel for Robotic Foundation Models》,国金i证泰研究所相比于通过互联网大量的文本和图像数据进行训练大语言模型，能够用于机器人模型训练的特定数据很少，尤其是D数据，虽然多模态视觉和语言模型可以分析D图像，但缺乏3D空间关系、3D规划、3D特征等。目前出现了较多由机器人企业、科研机构整合的机器人数据集，但数据的量级依旧偏少。FOURIERProprioceptionHuman-Robot Interactionstanding目前有一些方法来解决数据瓶颈，但仿真数据的保真度和规模有限，依旧是真机数据训练效果最好。8国金证券扫码获取更多服务行业专题研究报告VPDD(大规模人类视频预训练和具身策略微调算法)提出了新的基于利用视频扩展学习视频预测扩散模型的高效策略学习算法，可用于机器人在数据有限的情况下学习可执行策略。使用英伟达lsaac Sim实现了传感器仿真和物理模拟，生成用于训练感仿真生成合成数据知模型的合成数据、为完整的机器人堆栈执行软件在环测试，以及通过Isaac Lab实现机器人学习。使用填充进行数据使用生成式人工智能，如文本到图像扩散模型来进行数据增强，例如增强ROSIE(利用语义想象经验扩展机器人学习)可以在文本指导下创造各种看不见的物体、背景和干扰物。使用VLM进行数据可通过DIAL(语言条件控制的数据驱动指令增强)更便宜的获得有用增强的语言描述，从而更有效的覆盖大规模数据集。为了获得更多真机数据，目前有机器人企业通过数据采集工厂进行数据收集。智元基于数据采集工厂中的家居、餐饮、工业、商超和办公五大核心场景推出了AgiBot World数据集。数采超级工厂我们认为要扭转真机数据不足的问题，更多的还是在某一细分垂直场景实现机器人应用突绂，让训练数据结构从“正三角”转为“倒三角”，加速实现“数据飞轮”。国金证券扫码获取更多服务行业专题研究报告真机数据垂类场景放量真机数据合成数据生成式A合成数据网络数据逐步增长但规模小于前两者来源：《Data Pyramid and Data Flywheel for Robotic Foundation Models》,国金i证春研究所1.2.2需要的模型更“小”，解决推理太梗痛点模型的大小与性能之间存在一定的正相关关系，更大规模的模型通常能习得更丰富的模式和更复杂的表示，从而在许多任务上实现更好的性能表现。描述性能与模型关系的Scaling Law理论由0 penAl在2020年提出。Scal ing Law是指模型的性能与计算量、模型参数量和数据大小三者之间存在的关系。具体地，当不受其他因素制约时，模型的性能与这三者呈现暴律关系。这意味着，增加计算量、模型参数量或数据量，都可能会提升模型的性能，但是提升的效果会随着这些因素的增加而递减。108Minimum serial stepsData requirementsuonnq!nuoincreases negligiblygrow relatively slowly106<10x Serial Steps100x Batch Size104Optimal model size102>1,000,000x Model Sizeincreases very quickly1010-810-610-410-2100Compute(PF-days)来源：《Scal ing Laws for Neural Language Models》,☒金证泰研究所Scaling Law的理论是针对训练阶段而言的，而不是推理阶段。从推理阶段看，目前机器人大模型普遍推理时间较长，实时性还有较大改善空间。盖本结构推理速度RoboCat仅解码器的Transformer1.18B操作任务1020HzGato仅解码器的Transformer1.2B通用智能体20 Hz16X16 TPU v3语言子任务+控制PaLM-E-562B仅解码器的Transformer562B56 Hz多TPU云服务器2×4090,3×TitanEfficient+仅解码器的ViNT31M视觉导航4 HzTransformer8×1080Ti,8XV100,8×A10010国金证券扫码获取更多服务行业专题研究报告Minecraft中的具VPT卷积+ResNet0.5B20 Hz720V100GPU身智能体EfficientNet+TokenLearner真实世界机器人任RT-135M+仅解码器的Transformer真实世界机器人任RT-2PaLl-X55B13 Hz多TPU云服务器RT-2-XViT+语言模型UL255B真实世界机器人13 Hz多TPU云服务器CLIP8个英伟达V100LIV奖励学习15 HzGPUs双向动力学预测和8个英伟达V100SMART仅解码器的Transformer11M1 HzGPUs8个英伟达V100COMPASS3D-Reset编码器20M对比损失30 HzGPUs8个英伟达V100PACT仅解码器的Transformer12M动作预测50 HzGPUsFigure通过加入一个更小模型的方式来解决推理速度太慢的问题。Figure推出的Hel ixVLA模型通过部署两个模型解决了M模型基础架构通用性强但响应速度较慢的问题，通过再加入一个视觉运动策略速度快但通用性差的模型进行互补，这种解耦架构可以让系统在最佳时间尺度上运行，系统2可以“慢思考”高层次目标，而系统1可以“快思考”以实时执行和调整动作。HELIX语音指令输入系统2系统1高速响应控制来源：Figure官网，国金证泰研究所在具体的垂直场景中，模型并不是越大越好，更大的模型算力需求更大、推理时间更长、能耗/维护成本更高，选择基于垂直场景专业知识和数据进行优化训练的垂直大模型更加适合。实现技术大规模预训练针对特定领城训练进行微调场景通用场景专门场景满足用户多元化、非专业性的日常需求。以提供通用的知识和功满足某一行业内用户的特定需求。以深入理解和执行特定领城需求能为核心，追求全面性和普适性任务为核心，追求专业性和准确性11国金证券扫码获取更多服务行业专题研究报告商业化开放平台或SaaS产品企业内部定制化开发的应用或针对特定行业的解决方策模型参数量通常巨大可能有较大规模的参数，但专业数据更重要性能优势具有广度优势在专用领城提供更专业、准确的答案和服务资源投入训练成本高，需要庞大的计算资源和高质量且多元的数据集，在训练成本同样不低，但相比于训练同等效果的通用大模型，在成本维护和更新上也需要持续投入资源消耗上更为可控具有强大的迁移学习能力、灵活适应新任务的能力以及在各类普具有深厚的领城专业知识，对特定领城复杂问题具有深入理解特点通场景下的实用性和高精度决策支持的能力举例ChatGPT、Gemini、通义千问等1.2.3不追求人形形态，拉制算法更成熟机器人的应用落地除了大模型的“大脑”外，还有负责运动控制的“小脑”。“小脑”主要是依照具体的运动轨迹要求，根据负载情况，通过驱动器、驱动执行电机完成相应运动轨迹要求的系统。通常包括运动控制器、伺服驱动器、执行器、运动反馈单元等。机器人运动控制系统PC-BasedPLC步进系统减速器嵌入式同服系统丝杠设定轨迹控制信号功率放大运动需求运动控制器驱动控制器执行器检测反馈位置或速度反馈单元视觉、位姿、振动、力、温湿度等人形机器人的运动控制难度较高，根据《基于动作捕捉技术对仿人机器人运动学分析与仿真》信息，人形机器人下肢可简化为14自由度系统，其中，髋关节为3个自由度，分别为横滚、俯仰和偏转，通过1个虎克副和1个旋转副来连接：同样的传动方式也作用于踩关节的3个自由度，每个膝关节1个前向自由度，通过1个旋转副连接。国金证券扫码获取更多服务行业专题研究报告人形机器人下肢运动学模型人形机器人下肢结构图水平面旋转副矢状面和冠状面能关节3自由度虎克副膝关节1自由度矢状面旋转副矢状面和冠状面骤关节3自由度虎克副水平面旋转副人形机器人运动侧视图双足行走的过程较为复杂，步态优化控制和鲁棒稳定性等研究上仍存在有待解决的问题，尤其是在具体场景中进行应用要求更高。13国金证券扫码获取更多服务行业专题研究报告阶段【，支撑腿膝关节伸直并锁死，摆动腿脱离地面，膝关节弯曲，向前摆动；阶段Ⅱ，摆动腿摆动至前方最大位置处，摆动腿的大腿与小腿在膝关节发生碰撞，膝关节锁死；阶段工，摆动腿膝关节锁死，由于重力作用摆动腿伸直后向回自然摆动；阶段V,脚接触地碰撞阶段，摆动腿与地面接触，机器人双腿速度发生突变，并进行状态切换（碰撞前的摆动腿变为支撑腿，碰撞前的支撑腿变成摆动腿)ク所以尽管双足行走理论上由于其他行走方式，考虑到垂直场景以功能实现为优先，下肢可以采用轮式的方案进行过渡，整体的控制难度更低。来：《Composite Whole-Body Control of Two-Wheeled Robots》,《深度强化学习理论及其在机暑人运幼控制中的应用实践》，国金证泰研究所1X发布的轮式机器人EVE搭载的世界模型已经可以根据动作指令生成控制轨迹完成移动。14国金证券扫码获取更多服务行业专题研究报告部分垂直场景不需要机器人进行移动，在这种固定位置的情况下机器人更像是搭载了大模型的工业机器人，在硬件、运动控制策略等方面成熟度较高，一旦模型成熟就可以快速实现产业化落地。自由度分布求运动学逆解。计算出关节变量完运动控制目前例如华中数控、拓斯达等原先拥有“小脑”+工业机器人技术储备的企业均推出了仅有上肢的机器人产品，搭配上合适的垂直大模型有较好的产业化应用前景。