傳媒行業(yè)專題研究u數(shù)據(jù)具身智能基石，物理數(shù)據(jù)更具價值。目前人形機器人已經(jīng)達到L2級，L3級是人形機器人智能的下一階段。數(shù)據(jù)是人工智能的基石，比如圖生視頻大模型中短視頻數(shù)據(jù)加成至關(guān)重要、自動駕駛中特斯拉積累了38億英里場景，海量數(shù)據(jù)是訓(xùn)練基礎(chǔ)。相比于自動駕駛，具身智能交互復(fù)雜程度更高、場景更為多樣。自動駕駛數(shù)據(jù)會采用大量訓(xùn)練仿真，但人形機器人的功能主要體現(xiàn)在上肢，數(shù)據(jù)儲備極少，無法單純通過訓(xùn)練仿真完成，物理采集必要性更大。u對標ScaleAI模式，具身智能市場廣闊。相比于自動駕駛，人形機器人的數(shù)據(jù)采集和標注必要性更強、需求更加前置、復(fù)雜程度更高、價值量占比更高。根據(jù)EVTank預(yù)測，2035年全球人形機器人市場規(guī)模將達1.5萬億，人形機器人數(shù)據(jù)服務(wù)市場也將迎來廣闊的發(fā)展空間。ScaleAI是自動駕駛和大模型數(shù)據(jù)服務(wù)中的翹楚，通過Consumption-base模式和Enterprise模式為OpenAI、Etsy、通用汽車、Uber、PayPal等客戶提供標注服務(wù)，2024年收入達8.7億美元。未來具身智能領(lǐng)域也有望走出類似ScaleAI的公司。u看好工業(yè)物流場景，應(yīng)用場景價值重估。從市場空間、成本替代、復(fù)雜程度三個層面分析人形機器人場景情況：市場空間：依次分別是家庭商業(yè)服務(wù)、醫(yī)療健康、工業(yè)生產(chǎn)、物流、安防巡邏、危險作業(yè)；2）成本替代：人類工資越高的，機器人替代性價比越高，依次分別為醫(yī)療健康、危險作業(yè)、工業(yè)生產(chǎn)、家庭商業(yè)服務(wù)、物流、安防巡邏；3）復(fù)雜程度：除場景本身的復(fù)雜程度外，還與薪酬基本相關(guān)，依次分別為醫(yī)療健康、家庭商業(yè)服務(wù)、工業(yè)生產(chǎn)、危險作業(yè)、安防巡邏、物流。服務(wù)于應(yīng)用場景的服務(wù)商具有天然的渠道優(yōu)勢，可以將人形機器人配套與其分揀系統(tǒng)、生產(chǎn)設(shè)備一起銷售給下游客戶，并且形成先發(fā)優(yōu)勢。u推薦：1）德馬科技：卡位海外物流場景，與智元強強聯(lián)合數(shù)采；建議關(guān)注：2）奧飛娛樂：持股頂尖動捕企業(yè)諾亦騰，攜手智元探索算法提升；3）天娛數(shù)科：基于VLA的具身智能方案，加速落地物理AI。u風(fēng)險提示：宏觀經(jīng)濟增長不及預(yù)期、技術(shù)升級迭代及創(chuàng)新風(fēng)險、人形機器人業(yè)務(wù)拓展不及預(yù)期。223344u人形機器人由“大腦”、“小腦”、“肢體”三部分組成，其中肢體負責(zé)感知執(zhí)行，小腦負責(zé)全身運動控制，大腦負責(zé)任務(wù)級交u具身智能是人形機器人發(fā)展的下一階段。根據(jù)智能化水平的不同，可以將機器人分為L1-L5級五個階段。目前人形機器人已經(jīng)達到L2級，即能夠自主完成預(yù)設(shè)的簡單任務(wù)，具備一定的環(huán)境感知能力，仍需人工指導(dǎo)和監(jiān)督。L3級是人形機器人智能的下一階段，可以實現(xiàn)特定場景下的完全自主運作。圖1:人形機器人的組成“大腦”“大腦”互“小腦”“肢體”大腦小小腦肢肢體圖2:機器人分類詳情互55u數(shù)據(jù)是人工智能的基石。以大語言模型和自動駕駛為例：1）圖生視頻大模型：根據(jù)ArtificialAnalysis排名，全球圖生視頻大模型中字節(jié)跳動的Seedance1.0和快手的Kling2.0分別位列第一位和第四位，短視頻巨頭數(shù)據(jù)加成至關(guān)重要；2）自動駕駛：根據(jù)特斯拉披露，其FSD基于超過100年以及38億英里的匿名真實駕駛場景訓(xùn)練，比人類駕駛員更安全，單次事故的行駛英里數(shù)約320萬，遠超美國平均50萬英里的水平，海量數(shù)據(jù)是訓(xùn)練的基礎(chǔ)。圖3:全球圖生視頻大模型能力排名圖4:特斯拉自動駕駛具有更高的安全性66u機器人產(chǎn)生的數(shù)據(jù)是多種多樣的，其采集技術(shù)可以分為真實數(shù)據(jù)采集和仿真數(shù)據(jù)采集。真實數(shù)據(jù)：機器人在實際環(huán)境中產(chǎn)生的數(shù)據(jù)，包括遙操作類數(shù)據(jù)和示教類數(shù)據(jù)。前者是通過遠程控制機器人與環(huán)境或操作目標交互采集的數(shù)據(jù)，后者則是通過人工示范采集的數(shù)據(jù)，都是用于機器人學(xué)習(xí)的數(shù)據(jù)。仿真數(shù)據(jù)：在模擬環(huán)境中生成的數(shù)據(jù)，包括生成類數(shù)據(jù)和合成類數(shù)據(jù)。前者是使用算法生成的模擬數(shù)據(jù)，后者是使用已有模型產(chǎn)生的用于模型更新的機器人仿真數(shù)據(jù)，或?qū)⒉煌瑏碓吹臄?shù)據(jù)組合而成的新數(shù)據(jù)。圖5:具身智能數(shù)據(jù)采集主要路徑圖6:全球高質(zhì)量具身智能數(shù)據(jù)集匯總數(shù)據(jù)集發(fā)布機構(gòu)發(fā)布時間數(shù)量動作技能AgiBotWorld智元機器人2024年底五大場景OpenX-EmbodimentGoogleDeepMind等2023年底斯坦福等7.6萬GoogleDeepMind2022年底-BridgeDataV26萬+RoboSet2.85萬--鵬程實驗室303萬+-國家地方共建具身智能機器人創(chuàng)新中心等2024年底5.5萬-上海交通大學(xué)--7788u以上海智元數(shù)據(jù)采集工廠為例：2024年9月，智元建立了3000+平方米的數(shù)采工廠，涵蓋家居、餐飲、工業(yè)、商超和辦公五大類型真實場景，支持100+機器人同時作業(yè)，單機器人每天約產(chǎn)生200條數(shù)據(jù)。預(yù)計達到通用可用的智能化程度，需要一億條級別以上的數(shù)據(jù)。2025年3月，智元機器人發(fā)布了首個通用具身基座模型——智元啟元大模型（GO-1），幫助機器人獲得通用的感知理解、動作執(zhí)行等能力。GO-1大模型通過人類視頻學(xué)習(xí)，將學(xué)到的能力泛化，適應(yīng)不同形態(tài)的機器人，并持續(xù)迭代升級，將數(shù)據(jù)采集效率提升10倍以上。圖7:上海智元數(shù)據(jù)采集工廠圖8:上海智元數(shù)據(jù)采集工廠99u自動駕駛解決方案，包括人工智能數(shù)據(jù)及模型解決方案、高精地圖及智能交通解決方案，其中數(shù)據(jù)及模型解決方案專注于為自動駕駛行業(yè)提供數(shù)據(jù)采集、數(shù)據(jù)標注、數(shù)據(jù)管理到模型訓(xùn)練解決方案。根據(jù)弗若斯特沙利文預(yù)測，2035年，中國人工智能數(shù)據(jù)解決方案規(guī)模將超過300億元，占據(jù)自動駕駛技術(shù)服務(wù)市場規(guī)模的40%左右。u相比于自動駕駛，人形機器人的數(shù)據(jù)采集和標注必要性更強、需求更加前置、復(fù)雜程度更高。根據(jù)EVTank預(yù)測，2035年全球人形機器人市場規(guī)模將達1.5萬億，人形機器人數(shù)據(jù)服務(wù)市場空間廣闊。圖9:自動駕駛解決方案圖10:中國自動駕駛技術(shù)服務(wù)市場規(guī)模（單位：十億元）uScaleAI是美國數(shù)據(jù)標注公司，通過子公司Remotasks（專注自動駕駛）和Outlier（專注大語言模型）將數(shù)據(jù)標記工作外包，其商業(yè)領(lǐng)域客戶包括OpenAI、Etsy、通用汽車、Uber、PayPal等。2025年6月，Meta以143億美金收購其49%股份。uRemotasks：聚焦于機器視覺和自動駕駛數(shù)據(jù)標注的外包平臺，覆蓋全球90余個國家，超過24萬任務(wù)執(zhí)行者，累計產(chǎn)生1500萬美金收入。按照用戶級別、準確度和任務(wù)難度定價，Remotasks標注員的工資大約在10-25美元/小時。圖11:Remotasks數(shù)據(jù)標注眾包平臺數(shù)據(jù)圖12:Remotasks數(shù)據(jù)標注業(yè)務(wù)uOutlier：聚焦于大語言模型數(shù)據(jù)標注的外包平臺，覆蓋全球50余個國家，超過10萬個各領(lǐng)域?qū)＜遥?7%標注員擁有大學(xué)文憑），累計支出5億美金。相比之下，Outlier對領(lǐng)域?qū)＜倚枨蟾撸瑯俗T需要選擇AI回答更準確、更流暢且“沒有AI味”的回復(fù)，甚至需要重新撰寫答案。uScaleAI收費模式包括Consumption-base模式（按條計算）和Enterprise模式（根據(jù)企業(yè)需求；2024年ScaleAI實現(xiàn)8.7億美元收入，預(yù)計2025年實現(xiàn)20億美元收入。圖13:Outlier數(shù)據(jù)標注眾包平臺數(shù)據(jù)圖14:Outlier任務(wù)示例u目前人形機器人數(shù)據(jù)采集尚處于早期階段，主要玩家包括三類：1）本體廠商：如智元數(shù)據(jù)采集中心、石景山人形機器人數(shù)據(jù)訓(xùn)練中心（睿爾曼等）等。數(shù)據(jù)主要供自身使用，也開源部分數(shù)據(jù)給行業(yè)；2）場景廠商：如天奇股份人形機器人數(shù)據(jù)采集和實訓(xùn)中心、德馬科技人形機器人數(shù)據(jù)采集中心等。通常與本體廠商合作，一方面，優(yōu)化人形機器人應(yīng)用表現(xiàn)，另一方面，探索具身智能數(shù)據(jù)交易商業(yè)模式；3）第三方：如CyberOrigin（特斯拉、英偉達人形機器人合作伙伴）。基于數(shù)據(jù)手套通過動作捕捉來收集人形機器人運動數(shù)據(jù)，并銷售給人形機器人本體企業(yè)。圖15:天奇股份人形機器人數(shù)據(jù)采集和實訓(xùn)圖16:CyberOrigin數(shù)據(jù)采集工作流程u我們從市場空間、成本替代、復(fù)雜程度三個層面分析人形機器人場景情況：1）市場空間：依次分別是家庭商業(yè)服務(wù)、醫(yī)療健康、工業(yè)生產(chǎn)、物流、安防巡邏、危險作業(yè)；2）成本替代：人類工資越高的，機器人替代性價比越高。依次分別為醫(yī)療健康、危險作業(yè)、工業(yè)生產(chǎn)、家庭商業(yè)服務(wù)、物流3）復(fù)雜程度：除場景本身的復(fù)雜程度外，還與薪酬基本相關(guān)。依次分別為醫(yī)療健康、家庭商業(yè)服務(wù)、工業(yè)生產(chǎn)、危險作業(yè)、安防巡邏、物流。目前來看，家庭商業(yè)服務(wù)、醫(yī)療健康市場規(guī)模大但短期人形機器人難以滿足實際需求；危險作業(yè)可替代性強但市場空間較??；安防巡邏各方面適中但對人形（上下肢）需求不高；工業(yè)生產(chǎn)、物流場景最為合適。表1:人形機器人典型應(yīng)用場景對比分析工業(yè)生產(chǎn)工業(yè)生產(chǎn)物流家庭商業(yè)服務(wù)家庭商業(yè)服務(wù)醫(yī)療健康安防巡邏危險作業(yè)家政陪伴、導(dǎo)覽講解輔助護理大中中低中先uAgility于2015年成立，2017年發(fā)布全尺寸人形機器人Digit，2021年拓展了Digit功能，專注于物流搬運業(yè)務(wù)，2023年公司與亞馬遜、GXO（全球最大的純合約物流商）合作。Digit可以完成裝載、卸載、堆疊、碼垛、卸垛等基本工作，載重uAgility采取兩種收費模式：1）RaaS（機器即服務(wù)基于訂閱的全包服務(wù)，按照機器數(shù)量和小時數(shù)付費；2）購買：直接擁有人形機器人，包含技術(shù)SaaS服務(wù)，投資回報期最快可達2年。圖17:Agility機器人進化過程圖18:Agility于2023年開始應(yīng)用于亞馬遜物流中心u寶馬集團早在2024年1月就宣布與美國加州機器人初創(chuàng)公司FigureAI合作,2024年8月，搭載OpenAI大模型的Figure02人形機器人問世，同樣進入寶馬工廠進行測試和實訓(xùn)。從官方發(fā)布視頻來看，F(xiàn)igure能夠從事簡單的抓取工作。相比于傳統(tǒng)的工業(yè)機械臂，F(xiàn)igure最大特點是“人形設(shè)計”和“自主決策”。根據(jù)沙利文大中華區(qū)執(zhí)行總監(jiān)判斷，工業(yè)生產(chǎn)對人形機器人的精度和效率要求更高，目前人形機器人應(yīng)用于汽車裝配車間的技術(shù)和產(chǎn)品水平大約只達到30%標準。u工業(yè)生產(chǎn)替代價值量更大，尤其是海外市場。以汽車生產(chǎn)線工人時薪對比（不考慮福利），中國工人40人民幣/小時，日本工人1500日元/小時，美國工人28美元/小時，比例分別為1.0:1.8:5.0，人形機器人替代或?qū)暮Ｍ饴氏乳_始。圖19:Figure02應(yīng)用于BMW工廠 圖20:中美日汽車生產(chǎn)線工人平均時薪對比u應(yīng)用場景價值一：類似于AI和SaaS關(guān)系，2B場景率先應(yīng)用，服務(wù)于應(yīng)用場景的服務(wù)商具有天然的渠道優(yōu)勢，可以將人形機器人配套與其分揀系統(tǒng)、生產(chǎn)設(shè)備一起銷售給下游客戶；u應(yīng)用場景價值二：數(shù)據(jù)采集工廠中的數(shù)據(jù)采集只能滿足基礎(chǔ)運作需求，想要提高人形機器人的準確率和效率，仍需要在應(yīng)用場景中不斷精進，數(shù)據(jù)使得率先應(yīng)用人形機器人的場景方具有顯著先發(fā)優(yōu)勢（邊使用邊訓(xùn)練）。圖21:德馬科技分揀設(shè)備+機械手圖22:天奇股份人形機器人應(yīng)用于汽車制造u具身智能數(shù)據(jù)需求包括大腦的訓(xùn)練、技能的訓(xùn)練、小腦的訓(xùn)練和端到端的訓(xùn)練，其中大腦訓(xùn)練數(shù)據(jù)需求基于物理世界常識和機器人領(lǐng)域知識、技能訓(xùn)練數(shù)據(jù)需求基于（人類演示+機器人感知）×多種場景、小腦訓(xùn)練數(shù)據(jù)需求基于（技能訓(xùn)練數(shù)據(jù)+人類語義標注）×多種任務(wù)、端到端數(shù)據(jù)訓(xùn)練需求基于（大腦訓(xùn)練數(shù)據(jù)+小腦訓(xùn)練數(shù)據(jù)）×多種型號；u具身智能數(shù)據(jù)瓶頸：1）成本黑洞：大量采集高質(zhì)量的人類演示和機器人感知數(shù)據(jù)成本高昂；2）數(shù)據(jù)孤島：不同的采集設(shè)備和采集方式造成數(shù)據(jù)無法通用；3）評估空白：難以評估當(dāng)前數(shù)據(jù)是否能有效提升數(shù)據(jù)集價值。圖23:具身智能數(shù)據(jù)需求方的訓(xùn)練方法圖24:具身智能數(shù)據(jù)瓶頸u具身智能數(shù)據(jù)仍存在諸多限制：1）傳感器精度和穩(wěn)定性：影響質(zhì)量最直接因素，新型傳感器會進一步豐富數(shù)據(jù)采集維度；2）環(huán)境變化對數(shù)據(jù)采集的影響；3）多模態(tài)數(shù)據(jù)融合和協(xié)調(diào)；4）實時性和響應(yīng)速度；5）跨平臺數(shù)據(jù)的兼容性：核心挑戰(zhàn)，需要建立行業(yè)標準化格式；6）數(shù)據(jù)標注和質(zhì)量控制。u數(shù)據(jù)的流動性是具身智能發(fā)展的核心要素，未來可能會形成一個專門的具身智能數(shù)據(jù)交易市場，進一步催生新的商業(yè)模式。數(shù)據(jù)的流動將促進數(shù)據(jù)多樣化和豐富性，提高系統(tǒng)間的協(xié)同效應(yīng)，增強數(shù)據(jù)的實時性和處理能力。圖25:具身智能數(shù)據(jù)采集當(dāng)前局限性圖26:具身智能數(shù)據(jù)采集未來趨勢u公司是全球領(lǐng)先的智能物流系統(tǒng)及核心裝備提供商，積累十余年出海經(jīng)驗，業(yè)務(wù)遍布全球30多個國家和地區(qū)，其自動化物流解決方案廣泛運用于電商、快遞、智能制造等多個行業(yè)，服務(wù)了包括Shein、PDD、Shopee、Coupang、MELI、Ozon、Noon、Amazon、UPS、FedEx等多個全球性電商和快遞客戶。公司卡位海外物流場景，有望率先實現(xiàn)人形機器人落地；u公司與智元共同合作，建立首批擁有幾十臺人形機器人的行業(yè)首家具身智能人形機器人訓(xùn)練和數(shù)據(jù)采集工廠，用以完成高質(zhì)量多樣化物流場景的訓(xùn)練和作業(yè)數(shù)據(jù)采集。軟件決定硬件，數(shù)據(jù)邏輯打開公司天花板。圖27:德馬科技智能物流系統(tǒng)客戶情況圖28:德馬與智元聯(lián)合數(shù)據(jù)采集工廠u公司早在2016年就投資全球頂尖的動作捕捉企業(yè)諾亦騰，持股5.12%。諾亦騰作為全球少數(shù)掌握全譜系動作捕捉技術(shù)的企業(yè)，致力于利用動作捕捉與高精度追蹤技術(shù)，推動包括機器人在內(nèi)的各應(yīng)用領(lǐng)域創(chuàng)新發(fā)展。諾亦騰采用NVIDIAIsaac作為動作捕捉與機器人之間的橋接平臺，基于慣性傳感器的PNStudio動作捕捉套裝以及基于光學(xué)慣性混合追蹤技術(shù)的HybridTrack光學(xué)運動測量系統(tǒng)，前者成本低、后者精度高；u諾亦騰與智元機器人開展合作，共同探索提升算法的「Sim2Real2Sim」路徑。智元A2機器人可以通過諾亦騰動作捕捉系統(tǒng)在真實物理世界與虛擬空間中進行遙操作采集數(shù)據(jù)集，用于訓(xùn)練策略/控制規(guī)則（Policy）。圖29:諾亦騰股權(quán)結(jié)構(gòu)（截至2025年8月）圖30:諾亦騰具身智能解決方案工作流程u憑借自研的“智者千問”大模型與先進的3D數(shù)據(jù)采集技術(shù)，天娛數(shù)科在數(shù)據(jù)積累上實現(xiàn)質(zhì)的飛躍。截至2月，Behavision平臺3D數(shù)據(jù)量突破百萬組，多模態(tài)數(shù)據(jù)達35萬組，涵蓋廣泛場景與高精度模型，為人工智能與人形機器人技術(shù)提供了堅實的數(shù)據(jù)支撐。這一成就不僅展示了公司在數(shù)據(jù)采集與處理方面的強大能力，更推動具身智能從基于程序控制的1.0階段向基于海量3D數(shù)據(jù)的3.0智能階段邁進。圖31:Behavision2.0空間智能MaaS平臺圖32:VLA模型構(gòu)建智能控制新范式u看好工業(yè)物流場景，應(yīng)用場景價值重估。從市場空間、成本替代、復(fù)雜程度三個層面分析人形機器人場景情況：市場空間：依次分別是家庭商業(yè)服務(wù)、醫(yī)療健康、工業(yè)生產(chǎn)、物流、安防巡邏、危險作業(yè)；2）成本替代：人類工資越高的，機器人替代性價比越高，依次分別為醫(yī)療健康、危險作業(yè)、工業(yè)生產(chǎn)、家庭商業(yè)服務(wù)、物流、安防巡邏；3）復(fù)雜程度：除場景本身的復(fù)雜程度外，還與薪酬基本相關(guān)，依次分別為醫(yī)療健康、家庭商業(yè)服務(wù)、工業(yè)生產(chǎn)、危險作業(yè)、安防巡邏、物流。服務(wù)于應(yīng)用場景的服務(wù)商具有天然的渠道優(yōu)勢，可以將人形機器人配套與其分揀系統(tǒng)、生產(chǎn)設(shè)備一起銷售給下游客戶，并且形成先發(fā)優(yōu)勢。u推薦：1）德馬科技：卡位海外物流場景，與智元強強聯(lián)合數(shù)采；建議關(guān)注：2）奧飛娛樂：持股頂尖動捕企業(yè)諾亦騰，攜手智元探索算法提升；3）天娛數(shù)科：基于VLA的具身智能方案，加速落地物理AI。表2:重點標的一覽名稱代碼總市值EPSPE股價評級20242025E2026E20242025E2026E德馬科技