智通財經APP獲悉，東方證券發布研報稱，展望未來，在汽車製造、物流倉儲等垂類應用場景裏，由於工作任務相對明確、對機器人泛化能力要求相對不高，因此有望率先實現規模化應用，垂類場景下具備豐富的行業數據，以及行業Know-how的具身智能廠商具備先發優勢，有望率先大規模商業化。但該行認為這並不構成完全的競爭壁壘，區別於傳統機器人和具身智能的關鍵之一是智能的自主決策，因此未來不排除模型泛化能力更強的整機廠商通過與垂類行業合作，進行降維打擊。向前看，該行認為在垂類場景積極佈局的具身智能廠商以及模型泛化能力更強的整機廠商，有望取得更大的競爭優勢。

東方證券主要觀點如下：

具身智能模型呈現持續迭代，有望加速機器人商業化應用進展

具身智能區別於傳統AI，需要具備認知、協作和學習三個功能，實現環境中自主進化的智能閉環。以具身大模型為代表的「大腦」技術是機器人規模化進入工業生產、社會服務、家庭生活等應用場景的認知能力基礎。但目前市場投資者普遍擔心由於數據瓶頸問題，具身大模型的進展可能不及預期，導致機器人行業商業化進程緩慢。該行看到當前產業鏈中部分廠商已在仿真數據、互聯網數據應用上取得一些積極進展，並不斷提升大腦模型的泛化能力，該行認為在工業製造、商用服務等領域，機器人行業商業化應用進展有望加速，帶來投資機會。

具身智能模型技術路線雖有差異，但追求高泛化性逐漸成為共識

具身智能要構建一個通用大腦，目前主要的技術路線包括：分層大模型、端到端大模型和世界模型三種，而行業內尚未形成統一、成熟的技術共識及競爭格局。但整體而言，該行看到了各具身智能模型技術路線之間雖有差別，但呈現一定的融合趨勢，追求泛化能力成為具身智能模型的一點共識。該行認為從工業到商業、家用等應用場景，機器人的泛化能力要求越來越高，這種能力將成為具身智能模型商業化的關鍵，具備高泛化模型的整機廠商更容易在市場競爭中取勝。

降低高質量數據的成本逐漸成為行業探索的共識方向

為實現更優的泛化能力，大量高質量的訓練數據將成為模型競爭的關鍵。當前的行業中已有部分廠商圍繞仿真數據、互聯網數據開展大量的研究，例如銀河通用堅持仿真合成數據為核心，千尋智能注重互聯網數據的使用，自變量機器人HOST框架支持從單條人類視頻中獲取技能。該行認為當前階段，真機數據的積累有望構成整機廠商競爭的壁壘，真機數據更豐富的廠商在具身智能模型上具備一定的先發優勢。仿真數據、互聯網數據技術路線對於一些初創的機器人公司具備更強的探索價值。

風險提示

模型發展和數據積累慢於預期風險、場景需求落地不明確風險、廠商生產不及預期風險、國家政策變化風險、行業孖展不及預期風險