摩根大通研报对人行机器人行业核心判断
1. 阶段切换:S曲线进入陡峭增长期
自2026年10月下旬以来,行业关注度显著提升、市场情绪转向,核心催化是Agility Robotics纳斯达克上市(美股首家纯人形机器人OEM),行业从“概念炒作”正式进入“商业落地比拼”阶段。
研报判断,下一阶段增长将由能稳定交付真实场景性能、缩小仿真到现实差距(sim-to-real gap)、建立数据-模型-硬件自迭代闭环的企业主导,行业整合与尾部出清将加速,头部与落后者的差距会持续拉大。
2. 核心瓶颈:“最后几毫米”的物理落地
GPT-6 Astra等大模型大幅提升了机器人的规划、推理、环境适应能力,拉高了行业技术天花板;但真实落地的核心瓶颈不再是模型智能,而是物理层面的精密执行:电机响应延迟、齿轮回程间隙、触觉反馈精度等毫米级工程问题,直接决定真实场景任务成功率。
• 仿真中单任务成功率可达90%+,真实环境多步骤任务成功率通常仅60%-70%,陌生环境下进一步下降。
• 该瓶颈无法靠开源大模型、算法优化单点解决,必须依赖材料、精密制造、控制软件全栈工程迭代,是长期、枯燥的硬功夫。
3. 技术路线共识:通用大模型+专用具身模型互补
通用大模型(如Astra)擅长高层推理、任务拆解、环境适配;但精确、连续的物理操作,仍需要专用具身AI模型与实时控制系统。
• 优必选实验验证:分层架构(Astra做规划+自有模型做底层控制)可将token消耗降低83.6%、API成本降低74.2%,同时完成纯大模型无法实现的精细任务。
• 结论:通用AI不会替代专用机器人智能,而是加速其发展,具备软硬件垂直整合能力、真实场景数据积累的企业更具优势。