国金证券研报指出，具身智能机器人正从通用技术探索走向垂直场景深耕。"大脑"成熟度逐步提升，从LLM+VFM向VLM、VLA持续演进；但通用机器人距离成熟产业化仍有距离，缺数据、推理慢、控制难等问题需通过垂直领域突破解决。服装、康养、物流三大场景有望率先实现产业化落地。本文从技术成熟度、垂直突破路径、场景选择逻辑三维度拆解具身智能落地趋势。
机器人"大脑"技术演进：从LLM到VLA的架构升级
机器人"大脑"核心功能包括实时交互、多模态感知、自主可靠决策、涌现和泛化，需要规模数据集、云边端一体计算架构等多方面技术支撑。产业从最基础的LLM（大语言模型）+VFM（视觉基础模型）架构起步，谷歌SayCan模型即为典型代表，通过预训练技能的价值函数对齐LLM，解决LLM缺乏真实世界经验的问题，使其提出既可行又在情境上合适的行动。随后产业过渡至VLM（视觉语言模型）多模态模型，清华大学Vila算法利用GPT-4V等VLM使机器人能在复杂环境中主动进行任务规划。目前技术正向VLA（视觉语言动作模型）演进，谷歌RT-H模型利用VLM预测语言动作再与运动动作条件匹配，减少高层次任务映射到动作所需训练数据，在多任务数据集上实现更好的数据共享。预训练大模型研究在目标检测、3D语言映射、对象表示、策略学习、任务规划等领域突飞猛进，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。
表：机器人大模型技术架构演进路径| 架构阶段 | 代表模型 | 核心能力 |
|---|
| LLM+VFM | 谷歌SayCan | 语言理解+视觉特征提取，推理分解任务步骤 |
| VLM | GPT-4V、Vila | 图像+文本多模态输入，复杂环境任务规划 |
| VLA | 谷歌RT-H、Figure Helix | 增加运动控制，高层次任务映射为低层次动作 |
垂直领域三大瓶颈与突破路径
目前的通用机器人距离成熟产业化应用还有一定距离，主要受三大因素制约。其一，真机数据有限，与互联网海量文本和图像数据不同，机器人模型训练可用的3D空间关系、3D规划、3D特征等特定数据很少。其二，大模型推理时间过长，RoboCat推理速度10~20Hz、Gato为20Hz、PaLM-E仅5~6Hz、RT-2为1~3Hz，实时性有较大改善空间，难以满足实际场景需求。其三，运动控制难度较高，人形机器人仅下肢就有14个自由度，双足行走步态优化和鲁棒稳定性研究仍存待解问题。解决这些问题需针对垂直领域场景突破：数据方面通过供应链、机器人企业、用户、政府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"；推理时间方面通过调优更"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；运动控制方面不必追求人形形态，仅上肢的具身智能工作站、轮式机器人也有较好应用前景。
垂直场景选择逻辑：渗透率逆向思考+"缺工"导向
潜在场景选择可从两个思路展开。思路一，工业机器人渗透率越低、未来应用前景越大。汽车等标准化程度高的行业已完成自动化升级，剩下塑料化工、食品加工、家电等柔性化程度较高的行业，需利用大模型泛化能力实现自动化。工业机器人基本覆盖全部常见制造业工序，但在较多细分行业覆盖场景和应用深度有限。服务业中仅物流仓储、酒店机器人应用比例较高，其他行业渗透率均较低。在垂直大模型加持下，设备柔性化程度大幅提升，未来将有大量"爆款"场景落地。思路二，从"缺工"角度出发，招工难是终端用户最直接的需求痛点。人力资源社会保障部2022年四季度"最缺工"职业排行显示，除汽车行业外，缺口主要集中在餐厅服务员、家政服务员、保洁员、保安员、养老护理员、缝纫工、快递员等行业。对应三种机器人应用场景：具身智能工作站解决柔性制造业场景（服装）、轮式机器人解决家政/养老护理"缺工"、人形机器人直接对接消费者完成服务。
服装/康养/物流三大潜力场景的技术成熟度
三大场景在技术成熟度和产业推动力方面各有进展。服装行业，缝中环节是服装厂全面自动化瓶颈，布料属于接触丰富型柔性物体，物理交互复杂。但目前帕西尼灵巧手传感器可实现不同布料材质识别，1X世界模型已具备布料折叠长时程任务模拟能力，同济大学SSFold方法可对未见过的布料完成折叠操作。缝制机械领军企业杰克股份牵头联合5所高校攻关服装机器人。康养行业，康养机器人是进入家庭的最优过渡场景，硬件上可先用轮式方案过渡，主要开发上肢操控及人机交互功能。海外1X NEO目标直指家用，国内傅利叶、优必选、亿嘉和切入该赛道，25年5月具身智能康养协同发展机制启动，两部门发文支持试点。物流行业，仓储、传送、分拣环节自动化程度高，但拆零拣选占仓储作业成本40%以上，仍主要依赖人工。全球物流巨头GXO与Digit、Reflex等合作探索，Figure在物流部署Helix后模型性能持续提升，训练数据量和架构优化双轮驱动性能跃升。
