技术路线之争与市场数据

最后更新: 2026-04-16

端到端 VLA vs 世界模型+规划

VLA 端到端 (π₀, Helix, GR00T N1, Gemini Robotics)

• 原理: 单一模型 视觉+语言 → 直接输出电机指令

• 已部署: π₀.5清洁未见过家庭; Helix 02连续61步厨房; GR00T N1多任务

• 2025-2026 主流: 绝大多数商业系统采用

• 优势: 工程简洁, 利用LLM语义理解, 实际SOTA

• 劣势: 数据效率低, 长时程弱(>10步骤降), 黑箱

世界模型+规划 (DreamerV3, DIAMOND, NWM)

• 原理: 先学环境动态模型, 在想象空间规划/学策略

• 优势: 数据效率高, 多步规划, 反事实推理, 无监督探索

• 劣势: 视觉保真度不足, 接触建模难, 主要在游戏/Atari验证

• 2027-2028: 预计出现 VLA+World Model 混合架构主流化

GR00T N1 已是混合信号

• System2 慢思考模块 = 类 World Model 思想

• Gemini Robotics-ER 也在做显式空间推理

• 融合趋势明显

---

仿真训练 vs 真实数据

Sim2Real 2026 进展

• NVIDIA Cosmos + Isaac Sim 组合大幅降低 gap

• 30真实+30仿真 → 80% 成功率 > 60纯真实 72%

• 域随机化: 某任务 AP 从 5% → 87%

仍存在的核心挑战

• 接触动力学: 摩擦/软体/织物仍难仿真

• 视觉真实感: 即使光追, 真实世界光照仍是 barrier

• 传感器噪声: 力/触觉仿真不准

合成数据比例趋势

• 2023: <10%

• 2025: ~30-50%

• 2027预测: >60% (随 Cosmos 类成熟)

---

Scaling Law 在机器人上是否成立?

GEN-0: 首次验证 (2025.11)

• 270,000 小时人类操作视频训练

• Power Law 系数与 LLM 相近

• 更多数据+计算 → 持续提升

GEN-1 (2026.04)

• 数据效率版: 同等性能仅需 GEN-0 的 1/10 数据

独特挑战

• 数据收集成本远比文本贵 (遥操作=人工时间)

• Embodiment 异构性 (不同DoF/传感器)

• 物理世界长尾无上限

最佳实践

• 大规模通用预训练 + 任务特定微调 (类 instruction tuning)

---

市场数据

人形机器人市场规模

• MarketsandMarkets: 2025 $2.92B → 2030 $15.26B (CAGR 39.2%)

• Goldman Sachs: 2035 $38B

• 关键变量: Tesla Optimus 是否规模量产

2025 全球出货量 (实际)

• 1. AgiBot(智元): 5,168台 (Omdia), 39%份额
• 1. Unitree(宇树): 5,500+台 (自报), ~40%+
• 1. UBTech(优必选): ~1,500台, ~10%
• 1. Leju: ~500台
• 1. Figure AI: 150-500台, <3%
• 1. Agility: ~100台
• 1. Tesla Optimus: <100台 (内部)

• 总计: 13,000-18,000台 (同比+508%)

• 中国占比: 80-90%

2026 预测出货

• Unitree: >10,000台

• AgiBot: >10,000台 (年产能目标)

• UBTech: 3,000-5,000台

• Agility: 1,000-2,000台

• Figure AI: 500-1,000台

• 1X NEO: ~1,000台 (EQT合约)

• Tesla: 数百台

---

中国 vs 美国 vs 欧洲

中国: 规模领先, 成本优势

• 十五五规划: 机器人列为8大战略性新兴产业之首

• 国家AI基金: $82亿专项

• 2025年融资: 650亿元($90亿), 610起交易 (同比+250%)

• BOM成本比美国低 40-60%

• 政府采购驱动初期量产

美国: 技术领先, 规模落后

• 顶级AI人才 (Berkeley/Stanford/CMU)

• 企业AI (OpenAI/Google/NVIDIA 赋能)

• VLA/世界模型前沿研究主导

• 2025美国出货仅~650台 (约5%)

欧洲: 协作强, 人形弱

• 工业协作: ABB/KUKA

• 人形: 1X(挪威), NEURA(德国)

• EU AI Act 合规要求影响部署速度

---

关键技术挑战 (2026)

灵巧操作

• 实验室特定任务: 92-95.6%

• 真实非结构化: 60-75%

• 见过vs没见过的物体差距 >30%

• 核心难题: 软体/双手/精密装配/工具

长时间自主

• 最佳: Helix 02 61步连续操作

• 挑战: 误差累积, 外部干扰恢复, 自我监控

安全标准

• ISO 25785-1 (2025): 首个双足机器人标准

• 中国 HEIS 2026: 全球首个人形+具身AI综合标准

• 缺口: 消费级无标准, 跌倒责任, AI可解释性

成本

• 超低: Unitree R1 AIR $4,900

• 低成本: G1 $16K, NEO $20K

• 商业: Figure $130K, Atlas \(150K-\)420K

• 预测: 2030 BOM $10K以下 (Goldman Sachs)

电池

• Digit: 90分钟+9分钟快充

• R1: ~1小时

• Atlas: 自换电池 (无中断)

• 8小时全班需固态电池 (2027-2030)

参考

• China leads (Global Times)

• China 5-Year Plan (Diplomat)

• Humanoid Market (MarketsandMarkets)

• ISO 25785-1 (theresarobotforthat.com)

• GEN-0 Scaling Law (Generalist AI)

---

↑ 上级 · 05.2 机器人与具身AI