🧭 先看这份研报的核心结论

机器人行业正从概念发散走向技术收敛，当前最关键变化是具身模型持续迭代，但真正卡点已集中到高质量数据体系建设。

📌 核心要点

行业判断从单看本体转向模型与数据双瓶颈，景气主线更清晰。

主流架构仍未收敛，但VLA、分层快慢脑、世界模型路线加速迭代。

数据供给由单一路线转向融合路线，真机、仿真、Ego并行推进。

💡 为什么值得看

市场过去更关注硬件，本篇把焦点转到模型和数据，补上产业认知缺口。

近期国内外玩家密集发布新模型，正好适合梳理产业链受益方向与验证点。

⚠️ 风险提示

真机高质量轨迹数据稀缺且采集昂贵，可能拖慢模型迭代速度。

仿真到现实存在偏差，长序列复杂任务落地效果仍可能反复。

# 关键词

机器人 具身模型 VLA 世界模型 数据采集 仿真合成

📊 关键数据

开放联盟数据规模

100万+片段

Open X-Embodiment，覆盖22种机器人形态

智元真机数据集

100万+轨迹

2024年底推出，覆盖217个任务、五大场景

Ego预训练数据

20854小时

英伟达EgoScale使用的人类第一视角视频规模

导航训练样本

1560万条

Qwen-RobotNav训练样本量，用于统一五类导航任务

📌 接下来重点跟踪什么

跟踪模型是否在跨本体迁移、长序列任务和灵巧操作上继续突破。

跟踪真机轨迹、Ego视频、仿真数据的规模化供给是否提速。

跟踪数据采集硬件、仿真平台和数据服务是否形成标准化商业模式。

📄 原文要点摘录

机器人行业正从概念发散走向技术收敛，当前最关键变化是具身模型持续迭代，但真正卡点已集中到高质量数据体系建设。；行业判断从单看本体转向模型与数据双瓶颈，景气主线更清晰。