智通財經APP獲悉，國泰君安證券發佈研報認爲，2024年人形機器人最具突破性的進展主要體現在具身智能領域，各大研發廠商先後發佈相關進展，特斯拉(TSLA.US)發佈視頻，展示Optimus精準分揀特斯拉電動車4680電池的場景。國內人形機器人產業硬件供應鏈優勢明顯，但在具身智能、數據採集、人才領域的短板需要補齊。分層端到端是目前具身智能的主要路徑，一般分爲三層：基礎大模型(LLM或VLM)、決策大模型、操作大模型。其中在操作大模型領域，大多數廠商都剛起步。
2024年人形機器人最具突破性的進展主要體現在具身智能領域：3月，Covariant發佈端到端具身大模型RFM-1，具身智能創業團隊Sergey Levine和Chelsea Finn創立Pi(Physical Intelligence)，Figure AI發佈接入OpenAI GPT-4V的Figure 01 demo。4月，李飛飛創立World Labs，致力於解決AI在三維空間感知和理解方面的難題。5月，特斯拉發佈視頻，展示Optimus精準分揀特斯拉電動車4680電池的場景，使用完全端到端神經網絡，只利用2D攝像頭視頻和機載自傳感器，直接生成關節控制序列，完全靠視覺輔助和人類示範進行訓練。國內人形機器人產業硬件供應鏈優勢明顯，在具身智能、數據採集、人才領域的短板需要補齊。
分層端到端是目前具身智能的主要路徑。大模型分爲非具身大模型(基礎大模型)、具身智能大模型(機器人大模型)，區別是能否生成運動姿態。非具身大模型如GPT、Sora等，輸入和輸出的模態都是語言、圖片和視頻。具身智能大模型輸入視覺、語言信號，輸出三維物理世界的操作，其中，端到端的具身大模型對數據和算力要求高，如Tesla FSD、谷歌RT模型;Figure AI等大多數公司都採取了分層端到端的具身大模型，一般分爲三層：基礎大模型(LLM或VLM)、決策大模型、操作大模型，其中決策大模型以ChatGPT for Robotics、谷歌PaLM-E爲代表，技術方向從LLM 向強化學習(RL)演進，基於RL的範式可以使模型能夠在不同環境和任務中學習和適應，實現更高級的決策能力。操作大模型根據決策大模型的輸出執行具體動作，需要與機器人硬件深度集成，且必須通過數據採集來實現，技術方向從“MPC+WBC”向“RL+仿真”演進，MPC更適合具有精確模型和短期優化目標的場景，RL更適用於不確定性高、需要長期學習和自適應的環境。在操作大模型領域，大多數廠商都剛起步。
數據採集的主要方式：遠程操作、仿真合成數據。互聯網上各類文本、圖像和視頻數據集龐大，機器人的場景和交互有價值的數據量小，限制了AI模型在人形機器人上的泛化能力。特斯拉Tesla Bot開發團隊使用人類的真實運動方式來訓練機器人，英偉達推出MimicGen和Robocasa模型，通過真人的遙操作數據捕獲，再通過生成合成運動數據和模擬環境，加速機器人技術的研發和應用。國內人形機器人創新中心加速建設人形機器人訓練場。
具身智能估值邏輯：硬件、數據、模型、人才。硬件是一切的基礎，如果沒有自己的硬件，就無法根據算法和數據進行硬件的快速優化和修改。涉及數據的採集、組織管理以及與模型的閉環開發，需要有強大組織能力的團隊，核心團隊需要具備組織大規模工程師的經驗;越來越多的算法陸續開源，開源算法可以提供基礎的功能和技術，但要實現高質量、高性能的人形機器人，需要專業的算法團隊進行深入研究和開發。
風險提示：1)競爭環境惡化;2)新技術的應用速度低於預期。