中美两国在人形机器人端侧算力芯片和具身模型领域的差距体现在哪些方面？

在端侧算力芯片领域，美国领先优势明显，这也是目前中国供应链的薄弱环节。当前端侧算力芯片仍由英伟达主导，美国的核心优势不仅在于高端算力本身，更在于由高端算力、基础模型与仿真工具链共同构成的系统能力，其生态完整度处于领先地位。中国企业主要从智驾芯片起步，逐步延伸至机器人端侧算力芯片，但在高端算力和生态完整度方面仍有差距。国产端侧算力芯片的追赶路径规划为：先在消费级服务机器人领域完成国产替代，积累经验与技术后，再逐步向高端人形机器人领域渗透。

在具身模型创新方面，美国依托全球顶尖的AI产业基础引领范式创新。传统机器人算法采用规则控制，随着泛化性要求提升，VLA与世界模型成为具身智能的主要探索方向。美国引领了从VLA到世界模型的机器人模型路线创新，例如Google的RT-2模型首次明确定义了VLA架构，PI的π系列模型则是目前最具影响力的开源模型。在世界模型方向，由于该模型直接对物理规律建模，有望克服VLA的泛化性难题，美国代表性的世界模型大致分为预测式和生成式两条路线，目前尚未形成统一架构。相比之下，中国在模型层面尚缺少原创性成果，总体处于跟随阶段，主要是沿用VLA架构并在此基础上进行部分训练策略层面的创新。

尽管在模型架构上处于跟随状态，但中国具备独特的场景资源优势，有望助推国产模型突破。具身智能模型高度依赖物理交互数据，主要包含真机采集、无本体采集、仿真合成和互联网视频数据四种类型。预计数据金字塔结构将长期存在，即无本体数据用于预训练、真机数据用于后训练、仿真数据用于补充训练场景。依托国内庞大的制造业场景，中国能够积累更大规模的真实交互数据，这种真实场景带来的数据资源将成为国产具身模型实现突破的一项重要优势。通过搭建标准化、规模化的交互数据体系，以大规模数据助推模型迭代，是中国企业缩小与美国在具身模型领域差距的关键路径之一。