大模型给机器人带来了什么变化？
- 新一代前沿模型正从适应物体颜色、纹理等变化，走向零样本或少样本完成新任务：面对陌生环境和非结构化场景，对逐一微调的依赖有望降低。
- 高盛认为，这会加快家庭辅助和复杂物流等场景的商业化，而非让行业一夜成熟。按受访专家的比较，以安全和量产可靠性衡量，通用机器人操作仍处于自动驾驶较早期的发展阶段，但技术进步速度预计可达自动驾驶历史速度的2至4倍。
- 泛化能力与精度仍有取舍：工业制造要求极高可靠性和重复精度，仍将依赖专用数据和确定性运动控制；大模型更适合需要灵活应对变化的商业、物流和家庭服务环境。
从理解任务到完成动作，还差哪些环节？
- 当前三维感知精度仍不足以稳定处理毫米级交互，推理延迟也难以满足动态稳定、高速操作和快速恢复。商业部署还需要把大型模型的能力压缩到更高效的边缘模型中，降低运行成本。
- 专家将机器人智能分为三层：高层模型理解并规划任务，中层把意图转为动作轨迹，底层负责高速控制和力觉反馈。前沿模型实验室短期内较难深入底层，因为每种机器都有不同的机电特性，还要经历实体测试、磨损和维修。
- 因此，高盛认为机器人厂商的长期差异化将更多来自实时控制、安全架构、边缘模型部署及软硬件协同。使用第三方大模型作为“脑”，仍可由擅长精密机电和运动控制的厂商完成实体执行。
为什么数据采集和触觉传感可能先受益？
- 灵巧操作涉及多个运动自由度、持续接触和触觉反馈。专家估计，达到通用化生产门槛可能需要约1000万小时高质量多模态交互数据，普通的被动或嘈杂录像难以替代。
- 第一视角视频有助于理解任务，却缺少接触力等信息；仿真可以快速生成动作轨迹，但摩擦和材料变形等细节与现实存在差距，需要校准。
- 专家看好在手与物体接触处直接采集动作数据的通用操作接口，并结合高分辨率触觉传感，补足近距离遮挡和深度误差造成的视觉盲区。高盛据此看好三维空间传感器和触觉阵列等数据采集硬件的近期需求。
产业机会如何映射到公司与应用场景？
- 高盛认为，基础模型与协作机器人、既有工厂自动化结合，也可能成为实用方案。厂商能否受益，取决于其传感、数据采集、运动控制或关键零部件能否进入实际应用。
- 高盛给予汇川技术买入评级，看重其工业自动化、运动控制及具备感知和数据采集能力的硬件布局；对双环传动同样给予买入评级，并预计其2027年AI机器人收入达人民币4亿至5亿元，较此前水平增长一倍以上。
- 三花智控的机器人机会主要在执行器组装。高盛给予其H股买入、A股中性评级，偏好估值较低的H股；同时认为，市场对人形机器人的预期相较Optimus生产进度偏乐观。