近期美股机器人赛道火爆，人形机器人初创公司获得高估值，高科技公司纷纷加入，AI行业与人形机器人融合发展加速，目前机器人商业化落地进展到哪一步？
光大证券在周四的报告中进行详细介绍，人形机器人已在硬件上突破运动控制能力，正结合AI大模型实现更多的功能。
美股科技巨头纷纷入局机器人行业，随着AI大模型发展迭代，其已成为人形机器人商业化落地的关键，而同时人形机器人也是AI的重要应用场景之一。
展望未来发展，光大证券指出未来三大发展方向：一是硬件突破瓶颈，运动性能和灵活性提升；二是软件算法，“具身智能” 为人形机器人通用性赋能；三是商业化，产品上市进程激昂加快。
最新进展：运动控制能力有所突破
光大证券指出，从最新进展来看，人形机器人厂商逐渐突破硬件瓶颈，机器人的操作能力和移动能力得到较大提升，如Figure机器人具备行走能力、特斯拉Optimus-Gen2相比第一代运动性能提升。
其次，结合AI训练人形机器人成为发展方向，Figure与OpenAI合作开发下一代人形机器人的AI模型；特斯拉采用自研FSD控制系统；1X与OpenAI合作开发具身学习模型。
主要海外机器人头部公司包括，初创企业Figure、特斯拉、波士顿动力、挪威企业1X Technologies以及备考亚马逊的Agility Robotics。具体来看：
- Figure：具备领先理解与学习能力 与OpenAI合作开发下一代机器人AI模型
公司推出的首款人形机器人 产品命名为Figure 01，已经具备端到端学习能力和行走能力。Figure利用多模态大模型赋能加速机器人迭代，与OpenAI合作开发下一代人形机器人AI模型，使用微软Azure云服务搭建人工智能基础设施和存储数据等。
- 特斯拉：Optimus人形机器人技术进步迅速 FSD+Dojo为训练提供技术底座
特斯拉核心竞争力之一是，其FSD（全自动驾驶）已经具备“端到端”的能力，使特斯拉摆脱了代码的限制，接下来只需要在数据和算力两个层面进行突破；而在算力方面，拉Dojo超算中心，由一万个英伟达H100GPU组成，能提供340 FP64 PFLOPS的峰值算力。
- 波士顿动力：深耕多年，机器人硬件技术积累深厚
波士顿动力在于人硬件技术领先，动作灵活性优于同业水平，但产品商业化落地存在瓶颈。未来公司未来发展关键在于产品商业化落地，AI大模型或许将为公司带来新增长机会。波士顿动力此前宣布地将ChatGPT与Spot相结合，开发出了一种会说话的导游机器狗。
- 1X Technologies：第一代人形机器人EVE已经成功实现商业化
EVE的核心优势是率先在医院后勤领域、安保领域实现商业化，硬件创新方面包括自主开发Revo1伺服电机和下一代双足人形机器人NEO，同时开发“具身学习”和“共享自治”增强人形机器人的学习能力。
- Agility Robotics：致力于实现商业化人形机器人量产
Agility Robotics背靠亚马逊，机器人产品Digit主要面向工业场景。人形机器人已经进入量产阶段，并已进入亚马逊物流中心“实习”，且拥有高达97%的任务完成成功率。
科技巨头纷纷入局 AI大模型成商业化关键
光大证券指出，AI大模型的强大算法能够大大提升训练机器人的效率，同时人形机器人作为一种新兴智能终端，也是AI技术重要的下游应用之一，美股科技巨头纷纷布局机器人。
英伟达成立GEAR实验室聚焦具身智能大模型研究，具身智能已有Eureka、Voyager、MineDojo、VIMA等成果。同时，英伟达利用模拟器扩大真实世界数据集，加快机器人AI化进程，同时提供端到端Isaac、Jetson机器人开发平台，结合生成式AI来支持大规模训练、开发和部署AI机器人。
谷歌发布RT-1、RT-2机器人模型，这是机器人首次通过庞大的、 多样化的、任务无关的数据，展现出泛化性，执行了一些未曾见过的任务。
Meta的V-JEPA模型通过观看视频教会机器理解和建模物理世界，让人工智能有能力通过形成其周围环境的内部模型来规划、推理和 执行复杂的任务。
未来展望：硬件+软件+商业化
展望未来，光大证券指出，人形机器人发展潜力巨大，未来重点方向在硬件+软件+商业化：
首先来看硬件方面，当前零部件的尺寸、重量以及性能不能满足机器人厂商需求，未来能提升的两种路径是（1）纵向合作，上游厂商满足下游需求；（2）自主研发，机器人企业自主研发硬件核心技术。
其次量产能力和商业化方面，量产降本能力看好特斯拉，预计特斯拉机器人商业化进程将会领先其他机器人企业。因为人形机器人降本路线需要制造工厂具备丰富的生产经验，特斯拉此前生产并销售自动驾驶汽车，可迁移的生产经验是其拥有的优势，
商业进展上，预计许多人形机器人将会在近几年快速将产品投放进市场，首先在物流仓储等领域布局，逐步成熟后再转向家用，家用人形机器人前路漫漫。
最后是软件算法方面，“具身智能” 为人形机器人通用性赋能，通过在物理世界和数字世界的学习和进化，达到理解世界、互动交互并完成任务的目标，但仍面临算法、工程技术、数据、场景和复杂软硬件等的诸多挑战。
本文选取自《美股科技巨头纷纷入局， AI大模型将推动机器人商业化落地》，分析师（付天姿 执业证书编号：S0930517040002）