🧭
先看这份研报的核心结论
主要领域： 具身智能机器人，融合大语言模型、视觉模型与动作控制的多模态AI系统 发展阶段： 商业化初期，实验室向商业市场转型加速，以Physical Intelligence为代表的明星企业崭露头角 核心挑战： 模型架构融合：大语言模型、视觉模型与动作模型的有效整合 数据样方优化：真实数据、合成数据、互联网数据的规模化应用 技术路径选择：扩散模型流匹配算法vs传统自回归算法
📌
核心要点
主要领域： 具身智能机器人，融合大语言模型、视觉模型与动作控制的多模态AI系统 发展阶段： 商业化初期，实验室向商业市场转型加速，以Physical Intelligence为代表的明星企业崭露头角 核心挑战： 模型架构融合：大语言模型、视觉模型与动作模型的有效整合 数据样方优化：真实数据、合成数据、互联网数据的规模化应用 技术路径选择：扩散模型流匹配算法vs传统自回归算法
具身智能企业普遍采用VLA（Vision-Language-Action）大模型架构，以10-100亿参数的视觉语言模型为骨架，配合1亿参数的动作模组，但在模块融合方式上存在技术路径分歧
💡
为什么值得继续看
具身智能企业普遍采用VLA（Vision-Language-Action）大模型架构，以10-100亿参数的视觉语言模型为骨架，配合1亿参数的动作模组，但在模块融合方式上存在技术路径分歧
⚠️
风险提示
短期关注： 具身模型行业的资本布局者及数据采集卖铲人 长期关注： 云计算及算力提供者 投资逻辑： 关注在模型架构、数据采集、算力支撑三个维度具备核心竞争力的企业
