人形机器人行业专题报告：Sim to Real，具身大模型的问题、现状与投资机会.pdf

人形机器人行业专题报告：Sim to Real，具身大模型的问题、现状与投资机会。本篇报告研究了以下核心问题：1、大模型的问题：我们对大模型的相关概念进行了释义和逻辑解读，认为LLM-VLM-VLA是具身智能发展的进阶路径，需要实现大模型从语义理解到物理世界理解的“具身”化、适应不同环境和任务的通用泛化，在实现的过程中，面临商业化落地的精度取舍和数据缺乏的瓶颈；2、梳理了部分布局者的大模型及本体进展，对比本体厂、大厂和独角兽公司的大模型技术路径及进展，包括银河通用、智元、Figure AI、优必选和Physical Intelligence PI；3、投资机会：我们认为，数采工具+垂域场景或可落地先行，可关注有垂直场景和丰富行业数据的公司。

一、模型的问题：大模型的概念、需求及瓶颈

1、概念的解读：梳理了大模型的相关概念并进行释义和逻辑解读； 2、具身的需求：对大模型来说，完成叠衣服任务的难度远超于赢得国际象棋，具身智能机器人的应用需要跨越虚拟来到现实；3、泛化的需求：泛化大模型VS. 垂域模型； 4、核心的问题：是否是数据缺乏？

二、布局者的问题：本体厂/大厂/独角兽，具身智能模型进展如何？

梳理了部分布局者的大模型及本体进展，对比本体厂、大厂和独角兽公司的大模型技术路径及进展，包括银河通用、智元、FigureAI、优必选和Physical Intelligence PI等。

三、投资机会：数采工具+垂域场景或可落地先行

1、开发数采工具：部分厂商通过开发便捷易用、性价比较高的数采工具，解决目前具身大模型构建的数据缺乏、真机采集数据成本高的问题

2、拓展垂直场景：基于各公司对垂直行业的深度理解、丰富场景和海量数据，实现具身智能在垂直场景的率先落地。