2025年深度行業(yè)分析研究報(bào)告內(nèi)容目錄 5 5 7 7 2.1.1工業(yè)/服務(wù)機(jī)器人滲透率的逆向思考，工業(yè)機(jī)器人滲透率越低未來前景 2.1.2哪里“缺工”看哪里，三種機(jī)器人覆蓋三 2.2服裝：主要針對縫紉環(huán)節(jié)，解決招工難、人工成本高等下游核心痛點(diǎn) 2.3康養(yǎng)：機(jī)器人最終進(jìn)入家庭最優(yōu)的過渡 2.4物流：國內(nèi)外企業(yè)積極探索應(yīng)用，解決拆零揀選等環(huán)節(jié)工作 5 5 6 6 7 7 8 8 9 9 實(shí)現(xiàn)融合創(chuàng)新，以端到端具身大模型為核心的機(jī)器人“大腦”才能取得突破和發(fā)展。一般以卷積神經(jīng)網(wǎng)絡(luò)（如ResNet等）或者VisionTransf模型介紹器人在特定環(huán)境中執(zhí)行任務(wù)的問題。通過預(yù)訓(xùn)練技能的價(jià)值函數(shù)對齊（Grounds）大語言提出既可行又在情境上合適的自然語言行動(dòng)。更準(zhǔn)確的任務(wù)規(guī)劃和決策。例如清華大學(xué)交叉信息院高陽研究組提出ViLa來源：《LookBeforeYouLeap:UnveilingthePowerofVLA（視覺語言動(dòng)作模型）在VLM的基礎(chǔ)軌跡決策問題，能夠減少將高層次任務(wù)映射到動(dòng)作所需要的訓(xùn)練數(shù)據(jù)。例如谷歌的RT-H來源：《RT-H:ActionHierarchiesUsingLanguage》1.2.1從場景獲取真機(jī)數(shù)據(jù)，加速實(shí)現(xiàn)“數(shù)據(jù)飛輪”來源：《DataPyramidandDataFlywheelfor來源：《機(jī)器人大模型發(fā)展與挑戰(zhàn)》，國金證券研據(jù)采集工廠中的家居、餐飲、工業(yè)、商超和辦公五大核心場景推出了AgiBotWorld數(shù)據(jù)圖表11：垂直場景部署讓訓(xùn)練數(shù)據(jù)結(jié)構(gòu)從“正三角”轉(zhuǎn)為“倒三角”來源：《DataPyramidandDataFlywheelforRoboticFoundationModels》，國金證券和更復(fù)雜的表示，從而在許多任務(wù)上實(shí)現(xiàn)更好的性能表現(xiàn)。描述性能與模型關(guān)系的來源：《ScalingLawsforNeuralLanguageModels》模型基本結(jié)構(gòu)參數(shù)大小預(yù)訓(xùn)練任務(wù)推理速度硬件-模型基本結(jié)構(gòu)參數(shù)大小預(yù)訓(xùn)練任務(wù)推理速度硬件務(wù)-務(wù)-VLA模型通過部署兩個(gè)模型解決了VLM模型基礎(chǔ)架構(gòu)通用性強(qiáng)但響應(yīng)速度較慢的問題，通在具體的垂直場景中，模型并不是越大越好，更大的模型算力需求更大、推理時(shí)能耗/維護(hù)成本更高，選擇基于垂直場景專業(yè)知識(shí)和數(shù)據(jù)進(jìn)行優(yōu)化訓(xùn)練的垂直大模型更加對比維度通用大模型垂直領(lǐng)域大模型對比維度通用大模型垂直領(lǐng)域大模型/來源：《基于動(dòng)作捕捉技術(shù)對仿人機(jī)器人運(yùn)動(dòng)學(xué)分析與仿真》，國金證券研究所雙足行走的過程較為復(fù)雜，步態(tài)優(yōu)化控制和魯棒來源：《動(dòng)態(tài)雙足機(jī)器人的控制與優(yōu)化研究進(jìn)展》來源：《CompositeWhole-BodyControlofTwo-Wheel來源：《工業(yè)機(jī)器人技術(shù)基礎(chǔ)》,《仿人機(jī)器人輕型高剛性手臂設(shè)計(jì)及運(yùn)動(dòng)學(xué)分析》,國金證券研究所來源：華中數(shù)控微信公眾號(hào)，國金證券研究所來源：拓斯達(dá)官網(wǎng)，國金證券研究所2.1.1工業(yè)/服務(wù)機(jī)器人滲透率的逆向思中國工業(yè)機(jī)器人密度日本工業(yè)機(jī)器人密度5004504003502502005002014201520162017201820192020202120222023來源：《我國機(jī)器人產(chǎn)業(yè)最新變化發(fā)展縱覽》業(yè)有較多工序工業(yè)機(jī)器人應(yīng)用成熟度較低已應(yīng)用占比籌備中占比未計(jì)劃占比90%80%60%50%40%30%20%0%u已應(yīng)用占比籌備中占比未計(jì)劃占比90%80%60%50%40%30%20%0%來源：艾媒咨詢，國金證券研究所來源：艾媒咨詢，國金證券研究所排行，其中除汽車行業(yè)屬于增長較快有一定人員短缺外，其他“缺工”主要集中在排名職業(yè)名稱12345排名職業(yè)名稱67891）具身智能工作站：主要解決無法直接高效應(yīng)用工業(yè)機(jī)器人的柔性化制造業(yè)場景，以垂直大模型+工業(yè)機(jī)器人為基礎(chǔ)，快速推廣應(yīng)用，例如解決服裝行業(yè)始終為勞動(dòng)密集型行業(yè)2）輪式機(jī)器人：具備一定擬人化能夠提供情緒價(jià)值，解決家政、養(yǎng)老護(hù)理相關(guān)工作“缺于可變形物體，物理交互復(fù)雜對大模型、傳感器要求較高，ObjectManipulation》，國金證券研究所2）可以通過世界模型生成布料折疊長時(shí)程任務(wù)模擬：1X世界模型具備生成布料折疊長時(shí)程任務(wù)能力，布料作為可變形物體，模擬的難度比剛NUS邵林團(tuán)隊(duì)提出的FLIP框架將圖像流（像素級(jí)動(dòng)態(tài)軌跡）作為通來源：《FLIP:FLOW-CENTRICGENERATIVEPLANNINGASGENERAL-PURPOSEMANIPULATIONWORLDMODEL》，國金證券研究所來源：《FLIP:FLOW-CENTRICGENERATIVEPLANNINGASGENERAL-PURPOSEMANIPULATIONWORLDMODEL》，國金證券研究所3）已經(jīng)可通過人類演示數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)未見過的布料折疊操作：同濟(jì)大學(xué)智能機(jī)器人與計(jì)算感知實(shí)驗(yàn)室提出了SSFold，一種結(jié)合圖結(jié)構(gòu)感知來源：《SSFold:LearningtoFoldArbitraryCrumpledClothUsingGraphD金證券研究所來源：《SSFold:LearningtoFoldArbitraryCrumpledClothU金證券研究所課題名稱子課題名稱課題牽頭單位來源：《ResearchProgressandProspectonNursingRobot》，Diligent推出的Moxi機(jī)器人充分展示了垂直機(jī)器人在具體場景應(yīng)用的巨大潛力，Moxi在醫(yī)院場景中為藥房工作人員節(jié)省了超過15AttentionMechanism》，國金證券研究所1）傅利葉子品牌傅利葉康復(fù)專注康復(fù)機(jī)器人的研發(fā)和產(chǎn)業(yè)化，涵蓋了上、下肢康復(fù)機(jī)器方案，覆蓋從運(yùn)動(dòng)功能康復(fù)到認(rèn)知功能訓(xùn)練的多方面需求。3）億嘉和面向康養(yǎng)、家居場景推出RK100型機(jī)器人，具備了更仿生觸感皮膚，可分辨衣物材質(zhì)，自動(dòng)匹配定制），來源：《我國機(jī)器人產(chǎn)業(yè)最新變化發(fā)展縱覽》，國金證券研究所來源：德馬科技官網(wǎng)，國金證券研究所來源：鹿鳴機(jī)器人微信公眾號(hào)，國金證券研AglityRobotics推出的Digi：《RobustFeedbackMotionPolicyDesignUsingReinforcementLearningona金Digit采用了難度更高的雙足方案，2021年發(fā)布的《RobustFeedbackMotionPolicy：《Ro