智通財經APP獲悉，申萬宏源發布研報稱，人形機器人進入具身智能驅動的新階段。本體零部件是硬件基礎，量產落地帶動減速器、伺服、傳感器需求釋放；具身大模型作為機器人智能核心，算法與仿真平台構築軟件壁壘；訓練數據是模型迭代核心約束，真實示教採集＋第一視角採集+仿真合成數據等多路線並行，數據供給端稀缺性持續提升。中長期建議沿三條主線佈局：①人形機器人核心零部件廠商；②具身模型和本體廠商；③機器人數據採集硬件與數據服務相關標的。

申萬宏源主要觀點如下：

機器人產業發展的四大關鍵要素為模型、數據、本體和場景

其中，模型是機器人大腦，負責推理決策;數據是模型訓練的燃料，沒有高質量數據，模型無法進行有效訓練;本體是機器人物理載體，執行能力的物理上限，所有智能指令最後依靠本體執行;場景是最終商業化落地的重點，和機器人的需求來源，也決定了機器人的任務邊界，機器人必須有場景才能產生價值。該行認為，在當前階段，模型和數據是行業最大的瓶頸。市場對該環節的關注和研究較少。

模型

主流玩家的模型持續迭代，模型架構尚未收斂。主流玩家的模型持續迭代，從PI的π0到π0.7，谷歌的RT1到Gemini Robotics2，在跨本體泛化、操作流暢度、數據生成瓶頸方面持續突破;模型架構尚未收斂，但相似度較高，多為VLA、擴散模型、世界模型等的融合架構，大腦推理和小腦動作模型分層。參與者呈現百花齊放態勢：1)科技大廠：谷歌、字節;2)具身模型&本體公司：PI、Figure、智元、星海圖等;3)大語言模型廠商：OpenAI等。

數據

模型訓練的核心燃料，關鍵在於數據數量、質量和scale-up。相比大語言模型有海量的互聯網數據訓練，具身智能天然缺乏機器人軌跡數據，因此數據成為模型迭代的關鍵瓶頸。當前數據來源包含互聯網數據、仿真合成數據、第一人稱視角數據、遙操作數據等。當前，不同公司押注不同的數據路線，普遍採用多種數據類型、開源+內部數據集融合的方式。在模型訓練階段，數據生產商及採集設備商迎來投資機遇。

風險提示：模型技術迭代不及預期風險、數據供給和質量瓶頸風險、商業化落地風險。