垂直領域具身智能機器人，為什么是現在看好?

“大腦”成熟度逐步提升，打造具身智能落地基礎：機器人“大腦”主要功能包括實時交互、多模態感知、自主可靠 決策、涌現和泛化等，產業從Z基礎的LLM (大語言模型)+VFM (視覺基礎模型)過渡至 VLM (視覺語言模型)多模 態模型，并進一步增加運動控制實現VLA (視覺語言動作模型)。近年目標檢測、3D語言映射、對象表示、策略學習、 任務規劃等研究突飛猛進，顯著提升了機器人感知、決策、控制能力，打造具身智能落地基礎。

垂直領域缺數據、推理慢、控制難等問題有望解決，加速產業化落地：目前的通用機器人距離成熟產業化應用還有一 定距離，其中受到了真機數據有限、大模型推理時間太長、運動控制難度較高等多種因素影響。要解決這些問題，我 們認為更多的還是要針對某一垂直領域場景進行突破，數據方面通過供應鏈、機器人企業、用戶、政府等共同發力實 現場景零到一突破，通過機器人部署增加真機數據獲取量，加速實現“數據飛輪”;推理時間的問題可以通過調優更 “小”的垂直領域模型解決，貼合場景應用需求同時匹配邊緣算力；同時我們認為不必追求人形形態，僅上肢的具身 智能工作站、輪式機器人也有較好應用前景，其運動控制算法更成熟，更容易實現產業化落地。

哪些場景前景大?

潛在場景尋找思路：我們一方面認為工業機器人滲透率越低，未來的應用前景越大，因為工業機器人完成了標準化行 業的自動化升J，剩下的柔性化程度較高的行業則需要利用大模型的泛化能力實現自動化，例如塑料化工、食品加工、 家電等行業有較多工序工業機器人應用成熟度較低；另一方面認為可以從“缺工”角度出發，招工難是終端用戶Z直 接的需求痛點，例如餐廳、家政、物流、養老、服裝等行業有較好具身智能機器人應用前景。

服裝：服裝行業是典型的勞動密集型行業，尤其是縫紉環節主要依靠人工難以實現自動化升J，主要由于處理布料柔 性化程度過高無法通過工業機器人完成。但目前整體來看針對布料處理的大模型、傳感器均有了一定的成熟度， 1X 世界模型具備針對布料折疊生成長時程任務模擬能力、FLIP 框架在布料折疊任務中可生成長期規劃方案、SSFold 方 法可對未見過的布料完成折疊、帕西尼靈巧手傳感器可實現不同布料材質識別。同時縫制機械領軍企業杰克股份聯合 多家高校開始攻關服裝機器人，服裝行業的垂直機器人開發有望加速。

康養：我們認為康養場景是具身智能機器人Z終實現家庭應用的Z優過渡場景，下游面臨“招工難”痛點，同時產業 目前從硬件和物品傳遞、病患移動等常見任務處理能力上看均有一定的成熟度。海外有1X 積極開發家用機器人，其 大模型性能不斷提升，國內有傅利葉、優必選、億嘉和等越來越多的企業切入該賽道，有望加速產品成熟。同時兩部 門發文支持機器人在家庭、社區和養老機構等場景試點應用，政策支持也有望助力產業實現關鍵的零到一突破。

物流：物流行業經過多年自動化升J已經在倉儲、傳送、分揀等環節具有了較高的自動化程度，但其中剩下了一些工 作量較大的例如拆零揀選環節仍以人工為主柔性化程度較高，后續有望通過具身智能機器人填補空缺并集成進現有的 自動化系統。目前物流巨頭GXO 與多家機器人企業合作探索應用，其中Digit已經實現了商業化運營，Figure Helix 模型在物流行業應用后性能也快速提升展示了巨大成長潛力。物流行業在終端用戶、物流裝備企業、機器人企業的共同推動下有望成為一個“爆款”場景。

附件：垂直領域具身智能機器人的野望?餐廳,家政,物流,養老,服裝等行業有較好具身智能機器人應用前景