具身智能正从实验室走向商业化落地。中银证券最新研报指出，数据是具身智能发展的核心——大模型的Scaling Law表明通过增加数据量可提升模型性能，但具身智能需要在物理世界精确测量数据，获取难度远超语言模型。类比自动驾驶，特斯拉通过大规模数据采集推动FSD性能提升。当前具身智能商业化路径主要分为三种：通用机器人（资金技术要求高，特斯拉布局）、纯软件（边际成本趋零，英伟达布局）、垂直领域软硬一体（形成数据壁垒，海康机器人布局）。本文将深度解析三种商业化路径及投资机会。
数据是核心驱动力：从Scaling Law看具身智能发展逻辑
进入大模型时代，Scaling Law表明通过增加数据量、扩大模型规模、延长训练时间，可实现模型性能的持续提升。2022年以前，算法的数量和质量更重要；而如今数据的重要性凸显。但不同于语言、图像或视频等二维模型训练，具身智能底层模型训练需要在物理世界绝对坐标系下的精确测量数据，数据获取难度、成本和标注周期远超语言模型。类比自动驾驶产业发展——特斯拉FSD V12代码量仅2000行（较V11减少99%以上），其原理是通过大量数据训练出高度模拟人类驾驶的人工智能。特斯拉通过影子模式进行数据收集，系统决策与驾驶员行为不断比对，触发“极端工况”数据回传，形成数据闭环。具身智能获取真实物理世界数据的关键在于商业化落地。
表：具身智能三种商业化路径对比| 商业化类型 | 代表厂商 | 主要机制 | 商业模式 |
|---|
| 通用场景软硬结合 | 1X、Figure、特斯拉 | 采用通用硬件和软件应对多变场景 | 销售完整机器人或订阅租赁 |
| 纯软件路径 | 英伟达 | 向硬件厂商提供API接口 | 根据接口收费 |
| 垂直领域软硬结合 | 海康机器人 | 垂直领域部署软件和硬件 | 销售完整机器人或订阅租赁 |
路径一：通用机器人——资金技术要求高，行业巨头加速布局
通用机器人路径的核心是采用通用的硬件和软件应对各种多变场景，但需要开发可重构的硬件快速调整适应不同任务，同时设计能适应不同硬件配置的通用软件。1X、Figure以及特斯拉均采用该路径。Figure 02集成OpenAI GPT-4o多模态大模型，机载计算和AI推理能力提升3倍，使其能执行复杂端到端任务，适用于工业制造、仓库物流等混合任务场景。特斯拉Optimus通过动捕收集人体运动数据并迁移至机器人。通用路线技术难度高、资金需求大，但一旦成熟可覆盖最广阔的应用场景，目前行业巨头正加速布局。建议关注特斯拉产业链及国内人形机器人本体企业。
路径二：纯软件——边际成本趋零，英伟达Project GR00T引领生态
纯软件路径的核心是开发Cross-Embodiment Foundation Model，实现跨硬件平台无缝兼容。硬件厂商通过API接口即可接入机器人“大脑”，无论是人形机器人、轮式机器人还是无人机，都能共享同一套软件架构。该路径可节省高昂的时间和成本投入，随着机器人大规模部署，边际成本可无限趋近于0。英伟达在2024年GTC大会上发布Project GR00T，包括生成式AI基础模型、仿真工具及AI工作流基础设施。九号机器人与英伟达合作开发Nova Carter AMR（九号提供底层移动能力，英伟达提供算力与软件平台）。国内华为鸿蒙HarmonyOS是面向万物互联的全场景分布式操作系统，国内首款搭载鸿蒙的全尺寸人形机器人乐聚“Kvavo”已亮相。建议关注九号公司、中坚科技、高新兴、润和软件、安联锐视等英伟达/华为合作厂商。
路径三：垂直领域软硬一体——数据壁垒是核心竞争力
垂直领域软硬一体路径的核心是在特定场景部署机器人的软件和硬件。机器人硬件与数据仍处于耦合阶段，公司通过收集传感器数据能够形成细分领域的数据壁垒，难以被竞争对手复制。海康机器人是这一路径的代表——硬件方面具备机器人设计、无线通讯及自动充换电技术；软件方面具备嵌入式技术、定位导航、运动控制等通用智能技术。2022年中国移动机器人市场规模约96.7亿元，预计2027年将超460亿元（CAGR 35%）。海康机器人市场占有率超15%位居第一。此外，海康威视连续8年蝉联全球视频监控份额第一（24.1%），机器视觉技术积累深厚。建议关注海康机器人等细分领域龙头厂商。
