AI的下一战，巨头集体押注机器人大脑

OpenAI创始人近日在播客中表态，将亲自投入机器人硬件，并计划明年发布样机。这一表态成为近两周机器人板块行情的直接催化，把"具身智能"重新拉回市场中心。

一、巨头押注机器人大脑

OpenAI在9月发布通用基座大模型GPT-6，在机械臂操纵层面表现突出：在机器人评测榜单上阶段性排名第一，各项任务平均成功率超过30%。但GPT-6尚未达到商业化状态——灵巧操作能力不足，token消耗量大、成本高。

市场对这一表现的解读集中在时间表上：具身智能商业化落地，由此前产业界普遍预期的5—10年，被压缩到2—3年。

宇树科技创始人王兴兴上周在杭州物理AI大会上提出，到GPT-7阶段，具身智能有望迎来突破。

谷歌DeepMind已发布多代具身智能"大脑"模型，在视觉—语言—动作模型（VLA）方向成果受关注，并在基础模型、机器人数据、商业化三线同步推进。

英伟达定位机器人时代的基础设施提供商：芯片层面机器人主流方案仍以其芯片为主，模型层面推出GR00T系列、世界模型推出Cosmos系列，仿真器也基本沿用其平台，形成从芯片、模型到仿真的整套供给。

国内：DeepSeek创始人梁文锋近期接触具身智能公司并完成一笔投资，此前还在宇树科技上市时参与战略配售；月之暗面（Kimi）9月传出招聘具身智能人才。

二、数据规模定律确立

巨头愿意重金投入的前提，是机器人的scaling law真实存在——数据规模提升，模型效果同步改善。

有厂商将机器人模型从0迭代到1.5版本，预训练数据从27万小时增加到50万小时以上，平均任务成功率由64%提升到99%。数据出自公司披露，但印证了"数据上台阶、成功率同步提升"的规律。

数据采集方式也在变化：传统遥操作需穿戴采集装备操控真机，成本高、效率低，此前主要用于后训练微调；预训练需要海量数据，行业一度因此把商业化推迟到十年后。变化发生在预训练阶段引入无本体数据，分为两类：ego（第一视角）数据与物理数据。

英伟达2月发布ego相关论文：用2万小时人类第一视角视频做预训练，叠加50小时遥操作数据和4小时真机数据对齐，在叠衣服等任务上实现88%的少样本迁移成功率。

8月，一家由英伟达人员创办的创业公司发布二代模型，采用百万小时ego数据，14项真机任务得分随数据量阶梯上升——1000小时得分为20%，100万小时提升到53%。触觉数据加入后，多家模型厂商反馈效果进一步提升。

三、数据金字塔五层结构

具身智能数据可分五层：

顶端是真机数据，成本最高，售价可达每小时数百元至上千元，预计由机器人本体公司自行采集；

第二层是无本体数据（物理数据与ego数据）；

第三层是仿真数据，可低成本、接近无限获取，但存在sim-to-real gap——同一任务在仿真环境成功率80%以上，迁移到真实环境仅剩20%左右；

底层是互联网通用视频与文本数据，提供语义理解与推理先验，但缺乏真实接触与动作信息。

四、数据需求与市场空间

需求侧：今年智元机器人旗下蜜蜂的数据目标为750万—1000万小时，京东计划今年新增500万小时，另有公司设定百万级目标，测算今年中国市场数据需求量约2000万—2500万小时。

中长期：智元旗下蜜蜂给出的未来量级为百亿小时（存量口径），按2030年达成百亿小时目标测算，数据服务当年体量或达千亿市场规模。

配比上：无本体数据占比预计至少一半以上，部分测算达60%甚至更高。

五、产业链与设备格局

数据服务商层面：全球有Scale AI、MCA AI、XOLPX等；国内较靠前的有简智、路明、光轮（均非上市）。

设备层面：ego数据的核心是摄像头加触觉手套：摄像头门槛不高、参与者众多，触觉手套此前做触觉传感的公司均有布局。

设备端：最终考验的是标准化与量产能力。

六、应用场景加速落地

垂类方向，物流分拣已有落地进展：新动机、源自电量等创业公司的分拣准确率超过99%，效率接近或超过人工。

上市公司层面，叉车龙头杭叉集团在三季报业绩会中提及单车智能方向布局；中国邮政旗下硬科技平台中邮科技，可在邮政体系内做应用端降本增效。

纺织服装是另一场景——全球纺织工人近1亿人，国内数千人规模的纺织工厂已难招工，机器替人需求真实存在。缝纫机龙头杰克股份的机器人产品与模板机、专机结合，在这一场景推进落地。

七、行业梳理

数据采集设备（摄像头）：奥比中光（7月发布素材产品）

触觉传感：福莱新材、日盈电子、汉威科技

物流场景：杭叉集团、中邮科技

纺织服装机器人：杰克股份

风险提示：商业化落地不及预期，测算存在不确定性。