作者：中金公司 出品：人形机器人洞察研究
具身智能大脑正处于“路线分化”向“融合落地”跨越的关键阶 段，数据驱动与异构训练成为迈向通用智能的核心。本篇报告聚焦于全球具身智能机器人在算法架构、数据生态、底层支持的最新进展。
具身智能算法：从模型驱动到数据驱动。分层控制是基础架构范 式，以两级结构实现工程化；VLA范式（以VLM为基础）强化泛 化与交互能力，是当前活跃的研究方向。世界模型通过环境建模 与未来预测提供物理约束，处于科研主导阶段。我们认为，短期 分层架构因工程可控性仍是主流，VLA在复杂任务和人机交互中 展现潜力，世界模型因具备跨设备迁移能力被视为长期方向。
具身智能数据：高价值信息量成竞争核心。机器人数据涵盖多模 态，产业找寻低数据成本获取&高数据效率应用路径。1）获取端：包括真机、视频（第一人称/第三人称）、仿真等路线。2）安全端：数据安全为不容忽视的底线，人形机器人厂商面临权限隔离、数据加密体系、跨境传输政策等多方挑战。3）应用端：传统数据应用策略为 “同构闭环”，仅能在同类型硬件上复现策略。 异构训练通过模块化Transformer架构，跨机器人本体共享算法模 型。
具身智能热点议题解析。1）Scaling Law：与离身智能不同，机器人Scaling Law尚未迎来爆发式突破。我们认为真实数据产能不足、Sim2Real迁移等为制约因素；2）Benchmark推动评测标准化进程。具身机器人缺乏公认量化框架，面临场景多样性、任务转化等难题。斯坦福李飞飞团队发布具身智能评测BEHAVIOR 1K，推动具身智能评测标准化。3）物理AI：物理AI融合物理知 识与AI模型，已走向机器人操作应用。
