大模型給機器人帶來了什麼變化？

  • 新一代前沿模型正從適應物體顏色、紋理等變化，走向以零樣本或少樣本完成新任務：面對陌生環境和非結構化場景，對逐一微調的依賴有望降低。
  • 高盛認為，這會加快家庭輔助和複雜物流等場景的商業化，而非讓產業一夜成熟。按受訪專家的比較，以安全和量產可靠性衡量，通用機器人操作仍處於自動駕駛較早期的發展階段，但技術進步速度預計可達自動駕駛歷史速度的2至4倍。
  • 泛化能力與精度仍有取捨：工業製造要求極高可靠性和重複精度，仍將依賴專用數據和確定性運動控制；大模型更適合需要靈活應對變化的商業、物流和家庭服務環境。

從理解任務到完成動作，還差哪些環節？

  • 目前三維感知精度仍不足以穩定處理毫米級互動，推論延遲也難以滿足動態穩定、高速操作和快速恢復的需求。商業部署還需要把大模型的能力壓縮到更有效率的邊緣模型中，降低運行成本。
  • 專家將機器人智能分為三層：高層模型理解並規劃任務，中層把意圖轉為動作軌跡，底層負責高速控制和力覺回饋。前沿模型實驗室短期內較難深入底層，因為每種機器都有不同的機電特性，還要經歷實體測試、磨損和維修。
  • 因此，高盛認為機器人廠商的長期差異化將更多來自即時控制、安全架構、邊緣模型部署及軟硬體協同。使用第三方大模型作為「大腦」，仍可由擅長精密機電和運動控制的廠商完成實體執行。

為什麼數據採集和觸覺感測可能先受益？

  • 靈巧操作涉及多個運動自由度、持續接觸和觸覺回饋。專家估計，達到通用化生產門檻可能需要約1000萬小時高品質多模態互動數據，普通的被動或嘈雜錄影難以替代。
  • 第一人稱視角影片有助於理解任務，卻缺少接觸力等資訊；模擬可以快速生成動作軌跡，但摩擦和材料變形等細節與現實存在差距，需要校準。
  • 專家看好在手與物體接觸處直接採集動作數據的通用操作介面，並結合高解析度觸覺感測，補足近距離遮擋和深度誤差造成的視覺盲區。高盛據此看好三維空間感測器和觸覺陣列等數據採集硬體的近期需求。

產業機會如何對應到公司與應用場景？

  • 高盛認為，基礎模型與協作機器人、既有工廠自動化結合，也可能成為實用方案。廠商能否受益，取決於其感測、數據採集、運動控制或關鍵零組件能否進入實際應用。
  • 高盛給予匯川技術買入評級，看重其工業自動化、運動控制及具備感知和數據採集能力的硬體布局；對雙環傳動同樣給予買入評級，並預計其2027年AI機器人收入達人民幣4億至5億元，較此前水平增長一倍以上。
  • 三花智控的機器人機會主要在致動器組裝。高盛給予其H股買入、A股中性評級，偏好估值較低的H股；同時認為，市場對人形機器人的預期相較Optimus生產進度偏樂觀。