机器人行业研究：垂直领域具身智能机器人的野望

敬请参阅最后一页特别声明 1 投资逻辑 垂直领域具身智能机器人，为什么是现在看好？ “大脑”成熟度逐步提升，打造具身智能落地基础：机器人“大脑”主要功能包括实时交互、多模态感知、自主可靠决策、涌现和泛化等，产业从最基础的 LLM（大语言模型）+VFM（视觉基础模型）过渡至 VLM（视觉语言模型）多模态模型，并进一步增加运动控制实现 VLA（视觉语言动作模型）。近年目标检测、3D 语言映射、对象表示、策略学习、任务规划等研究突飞猛进，显著提升了机器人感知、决策、控制能力，打造具身智能落地基础。 垂直领域缺数据、推理慢、控制难等问题有望解决，加速产业化落地：目前的通用机器人距离成熟产业化应用还有一定距离，其中受到了真机数据有限、大模型推理时间太长、运动控制难度较高等多种因素影响。要解决这些问题，我们认为更多的还是要针对某一垂直领域场景进行突破，数据方面通过供应链、机器人企业、用户、政府等共同发力实现场景零到一突破，通过机器人部署增加真机数据获取量，加速实现“数据飞轮”；推理时间的问题可以通过调优更“小”的垂直领域模型解决，贴合场景应用需求同时匹配边缘算力；同时我们认为不必追求人形形态，仅上肢的具身智能工作站、轮式机器人也有较好应用前景，其运动控制算法更成熟，更容易实现产业化落地。 哪些场景前景大？ 潜在场景寻找思路：我们一方面认为工业机器人渗透率越低，未来的应用前景越大，因为工业机器人完成了标准化行业的自动化升级，剩下的柔性化程度较高的行业则需要利用大模型的泛化能力实现自动化，例如塑料化工、食品加工、家电等行业有较多工序工业机器人应用成熟度较低；另一方面认为可以从“缺工”角度出发，招工难是终端用户最直接的需求痛点，例如餐厅、家政、物流、养老、服装等行业有较好具身智能机器人应用前景。 服装：服装行业是典型的劳动密集型行业，尤其是缝纫环节主要依靠人工难以实现自动化升级，主要由于处理布料柔性化程度过高无法通过工业机器人完成。但目前整体来看针对布料处理的大模型、传感器均有了一定的成熟度，1X世界模型具备针对布料折叠生成长时程任务模拟能力、FLIP 框架在布料折叠任务中可生成长期规划方案、SSFold 方法可对未见过的布料完成折叠、帕西尼灵巧手传感器可实现不同布料材质识别。同时缝制机械领军企业杰克股份联合多家高校开始攻关服装机器人，服装行业的垂直机器人开发有望加速。 康养：我们认为康养场景是具身智能机器人最终实现家庭应用的最优过渡场景，下游面临“招工难”痛点，同时产业目前从硬件和物品传递、病患移动等常见任务处理能力上看均有一定的成熟度。海外有 1X 积极开发家用机器人，其大模型性能不断提升，国内有傅利叶、优必选、亿嘉和等越来越多的企业切入该赛道，有望加速产品成熟。同时两部门发文支持机器人在家庭、社区和养老机构等场景试点应用，政策支持也有望助力产业实现关键的零到一突破。 物流：物流行业经过多年自动化升级已经在仓储、传送、分拣等环节具有了较高的自动化程度，但其中剩下了一些工作量较大的例如拆零拣选环节仍以人工为主柔性化程度较高，后续有望通过具身智能机器人填补空缺并集成进现有的自动化系统。目前全球物流巨头GXO与多家机器人企业合作探索应用，其中Digit已经实现了商业化运营，Figure Helix模型在物流行业应用后性能也快速提升展示了巨大成长潜力。物流行业在终端用户、物流装备企业、机器人企业的共同推动下有望成为一个“爆款”场景。 投资建议 看好垂直领域具身智能机器人应用机会，尤其是服装、康养、物流等行业，建议关注杰克股份、华中数控、奥比中光。 风险提示 机器人大模型技术发展不及预期、政策支持不及预期。 行业专题研究报告 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 1.垂直领域具身智能机器人，为什么是现在看好？ .................................................... 5 1.1“大脑”成熟度逐步提升，打造具身智能落地基础 .............................................. 5 1.2 垂直领域缺数据、推理慢、控制难等问题有望解决，加速产业化落地 ............................. 7 1.2.1 从场景获取真机数据，加速实现“数据飞轮” ............................................... 7 1.2.2 需要的模型更“小”，解决推理太慢痛点 ................................................... 10 1.2.3 不追求人形形态，控制算法更成熟 ........................................................ 12 2.哪些场景潜力大？ ............................................................................. 16 2.1 潜在场景寻找思路 ........................................................................ 16 2.1.1 工业/服务机器人渗透率的逆向思考，工业机器人渗透率越低未来前景越大 ..................... 16 2.1.2 哪里“缺工”看哪里，三种机器人覆盖三种类型工作 ........................................ 18 2.2 服装：主要针对缝纫环节，解决招工难、人工成本高等下游核心痛点 ............................ 20 2.3 康养：机器人最终进入家庭最优的过渡场景 .................................................. 25 2.4 物流：国内外企业积极探索应用，解决拆零拣选等环节工作量大痛点 ............................ 31 3.投资建议 ..................................................................................... 38 4.风险提示 ..................................................................................... 39 图表目录 图表 1： 机器人“大脑”技术架构.................................................................. 5 图表 2： 机器人主要大模型........................................................................ 5 图表 3： 谷歌 SayCan 模型基于 LLM+VFM 来理解用户指令推理分解任务步骤..................