具身智能商业化落地：关注软件和垂直领域软硬结合路径
思瀚产业研究院    2024-11-06

数据是具身智能发展的核心

思瀚获悉，中银证券发布研报。小模型时代算法的数量和质量对于机器人至关重要；然而大模型的 Scaling Law 表明通过增加数据量、扩大模型规模以及延长训练时间，可以实现模型性能的持续提升，数据重要性凸显。并且不同于语言、图像或视频等二维模型的训练，具身智能底层模型的训练，需要在物理世界绝对坐标系下的精确测量数据，数据获取难度、成本、标注周期都远超语言模型。

从产业发展进程看，类比自动驾驶，特斯拉大规模采集的数据推动了 FSD 性能的提升，具身智能产业发展的核心在于数据。大模型的广泛使用再次凸显数据重要性。2022 年以前，算法的数量和质量对于机器人重要性更强。

因为在传统的小模型中，模型性能会随着训练次数的增加而趋于饱和，甚至出现过拟合的情况，导致性能不升反降。而通过对算法进行优化，能够找到最佳的模型配置。进入大模型时代，Scaling Law表明通过增加数据量、扩大模型规模以及延长训练时间，可以实现模型性能的持续提升。

类比自动驾驶，数据驱动产业发展。在产业发展初期，自动驾驶系统由规则驱动，即通过工程师人工编写规则代码使汽车对不同行驶状况作出决策。随着神经网络智驾算法的崛起，自动驾驶进入数据驱动时代。以特斯拉 FSD 为例，V12 版本 C++代码量仅为 2000 行，相比 V11 代码减少了 99%以上，其原理是通过大量数据训练出能够高度模拟人类驾驶习惯的人工智能，在达到一定的仿真阈值后，得出一套根据可靠性和符合人类乘车习惯的系统。

特斯拉通过影子模式进行数据收集，将系统决策与驾驶员行为不断进行比对，当两者不一致时，系统将场景判定为“极端工况”，进而触发数据回传。因此特斯拉收集的数据越多，对于人类驾驶习惯的模拟就越精准，进而加速特斯拉车端的部署，形成数据闭环。

商业化路径一：通用机器人技术难度高，行业巨头加速布局

具身智能获取数据的关键在于实现商业化落地。区别于大模型可以从网络中获取数据并进行训练，具身智能如果想要具备高泛化性和可靠性，则需要在真实物理世界里获取数据来完善模型，而获取真实物理世界的数据的关键就在于商业化落地。根据 1X AI 副总裁 Eric Jang 在个人博客网站上发表的“All Roads Lead to Robotics”一文，具身智能的商业化路径主要包括三种：通用场景软硬结合、软件路径、以及垂直领域软硬结合。

通用路线技术难度高，商业模式是向 B 端或 C 端销售带有智能能力的完整的机器人。通用技术路径的核心是采用通用的硬件和软件来应对各种多变的使用场景，但是需要开发可重构的硬件，以便快速调整以适应不同的任务需求；同时还要设计能够适应不同硬件配置和外围设备的通用软件，确保它们能够在各种硬件上无缝运行。1X、Figure 以及特斯拉均采用该种路径。

以 Figure AI 为例，其目标是设计可以应用于人类环境的通用型机器人，让机器人可以执行各种不同的任务。2024 年 8 月，Figure 02 发布。在大脑上，Figure 02 集成了 OpenAI 的 GPT-4o 多模态大模型，相比较于 01 使用 GPT4 将进一步地提升机器人的常识推理能力，使其能够更好地理解和响应复杂指令，机载计算和 AI 推理能力提升 3 倍。该集成使其在多模态推理和任务执行方面更具智能性和适应性，提升其在视觉、听觉和语言交互方面的能力，使其能够执行复杂的端到端任务，适用于工业制造、仓库物流等侧重于轻载搬运和分拣转移的混合任务场景。

小脑层面，Figure 02 延续使用类似 01 产品类似的 RT-X 机器人控制模型，使用模型预测控制器来确定脚步位置和保持平衡并遵循所需的机器人轨迹所需的力，结合步态控制以完成机器人的基本运动，全身控制策略则确保了机器人在执行动作时的安全性和平衡性，未来将持续优化提升动作执行能力。

商业化路径二：纯软件路径建议关注英伟达、华为合作厂商

软件路径能够实现机器人的快速部署和迭代，商业模式主要是向硬件厂商或综合型厂商提供 API接口。纯软件路径的核心是开发 Cross-Embodiment Foundation Model（CEF），以实现跨硬件平台的无缝兼容，机器人硬件厂商通过提供的 API 接口即可接入机器人的“大脑”。

该路径能够克服传统机器人开发中的局限性，即每个硬件平台需要独立的软件开发流程，开发者在一次编写后，可在多种硬件平台上部署和运行。无论是精密的人形机器人、高效的轮式机器人，还是灵活的无人机，都能够共享同一套软件架构。因此节省了高昂的时间和成本投入，并且随着机器人的大规模部署，其边际成本可以无限趋近于 0。

但该种路径需要实现小脑层的软硬解耦。传统机器人模型通常分为“大脑”和“小脑”两部分，其中“大脑”负责对任务进行理解，并根据感知的传感器信息对任务进行分解以及规划，生成执行策略；“小脑”负责核心的运动控制，在大脑的策略下实现机器人动作的执行和反馈。不同于“大脑”层模型的训练可以脱离特定硬件形态，“小脑”层则通常需要进行算法与硬件端的强耦合训练。要打造 CEF，需要实现控制层的软硬解耦。除此之外，训练有效的具身智能模型，还需要获取大量高质量的数据。

向硬件厂商或综合型厂商提供 API，或通过项目制与它们合作。除初创企业外，在 2024 年的 GTC大会上，NVIDIA 发布人形机器人通用基础模型 Project GR00T，该平台主要包括生成式 AI 基础模型、仿真工具以及 AI 工作流基础设施，其中 Isaac Manipulator 提供基础模型和 GPU 加速库；IsaacLab 基于 Isaac Sim 构建，用于运行数千个用于机器人学习的并行仿真；Isaac Perceptor 用于感知，提供多摄像头和 3D 环绕视觉功能。

九号机器人与英伟达合作开发自主机器人平台。2024 年国际消费电子展（CES 2024）上，九号机器人推出与英伟达共同开发的自主机器人平台 Nova Cater AMR。Nova Cater AMR 是一款可定制的自动驾驶研发平台，由英伟达提供算力与软件平台支持，九号机器人提供底层智慧移动能力支持以及整合量产支撑。Nova Cater AMR 依托九号机器人最具优势的机器人移动平台（RMP），可实现仓库AMR 建图、仓库运输、科研仿真等。

国内厂商中，华为鸿蒙 HarmonyOS 是面向万物互联的全场景分布式操作系统,支持手机、平板、智能穿戴、智慧屏等多种终端设备运行,提供应用开发、设备开发的一站式服务的平台。2024 世界人工智能大会（WAIC 2024）期间，国内首款搭载鸿蒙操作系统的全尺寸人形机器人乐聚“Kvavo”亮相。该机器人采用华为开源鸿蒙系统，不仅能够实现全方位视觉感知，还具备跳跃能力，能够多地形行走。

商业化路径三：垂直领域软硬结合建议关注细分龙头

垂直领域软硬结合能够积累细分数据壁垒。高工机器人产业研究所（GGII）所长卢瀚宸在 2024 中国人形机器人技术应用峰会上表示，具备高壁垒的核心硬件长期来看将是“香饽饽”。机器人领域硬件与数据强绑定，例如通过定制化的处理器或通信接口，公司能够收集和处理特定类型的数据，这些数据对于机器人的性能至关重要，但难以被竞争对手复制。同时，硬件和软件紧密集成形成高度优化的系统，这种集成化设计可以提高数据的收集效率和处理速度，从而形成数据壁垒。

软硬协同，海康机器人具备从机器人本体到业务调度系统的全面产品覆盖。公司在硬件方面具备机器人设计、无线通讯及自动充换电技术，在软件方面具备嵌入式技术、平台软件技术以及移动机器人定位导航、运动控制、调度规划等通用智能技术。公司机器人产品矩阵包括：移动机器人本体、自动充换电系统、通讯系统、机器人调度系统和业务系统。

其中移动机器人本体是硬件核心，具备定位、导航和一定的自主决策能力；通讯系统主要负责机器人群体和机器人调度系统之间的无线通讯，一般以 WIFI 或 5G 讯号进行链接；充换电系统主要负责给机器人补充电能；机器人调度系统既是软件的核心也是整个系统的核心，主要负责将工厂的作业任务分配给合适的机器人，并负责整个机器人群体的交通调度；业务系统负责将工厂的需求指令转换为机器人的搬运指令，并下发给机器人调度系统。

AMR 市场高速增长，公司市占率领先。根据 GGII 的预测，2022 年我国自主移动机器人市场规模约为 96.7 亿元。由于叉车替换需求、仓储机器人需求等较为旺盛，预计我国移动机器人市场在 2027年将超过 460 亿元，10 年 cagr 达 35%。根据 GGII 的统计，2022 年中国移动机器人市场的市场销量8.14 万台，其中海康机器人市场占有率超过 15%，位居第一，具备较强先发优势。

机器视觉赋能，打造长期壁垒。区别于传统的自动导航车辆（AGV）依赖于预设的路线和人工监督，AMR 需要利用机器视觉技术进行实时的导航和路径规划，以实现自主移动。因此 AMR 对于机器视觉的要求大大提高。

根据 Omdia 报告，海康机器人公司的母公司海康威视连续 8 年蝉联视频监控行业全球第一，占全球视频监控市场份额的 24.1%。公司在机器视觉方面具备深厚技术积累，拥有2D 视觉、智能 ID、3D 视觉三大硬件产品线。其中 2D 系列产品中的工业相机作为公司最早布局的核心成像产品，在市场占有率及产品性能方面均居于业内领先地位。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。