（报告作者：五矿分析师齐岩）。
工业机器人的技术虽然成熟，但不能解决泛化问题，不能满足现代制造业柔性生产的需要。 我们相信，人形机器人将作为工业机器人的补充，与工业机器人一起推动制造业的智能化发展。 “人形机器人”只是外观，人形机器人的核心价值在于通用+智能。 在未来的工厂中，工业机器人、人形机器人和体力劳动可能以7：2：1的比例存在。
以GPT为代表的大模型是迈向通用人工智能AGI的重要一步。 以前的人工智能属于专业AI，走的是“专业先准入”的发展道路。 以GPT为代表的大模型具有一定的常识和推理能力，有望走上“先过后专”的发展道路。 具有控制、感知和执行能力的AI代理是大规模模型实现的重要形式。
我们将人形机器人视为LLM+机器人领域的AI代理。 LLM的引入，解决了以往机器人行业的两大痛点：
1）互动不便，无法理解人类自然语言;
2）不够聪明，无法自主拆卸复杂的任务。
法学硕士和机器人技术的结合已经取得了许多进展。 谷歌 2022 年发布的 Saycan 模型解决了 LLM 无法作为语言模型适应现实世界的问题2022 年 12 月，谷歌发布了 RT-1 模型，该模型使人形机器人能够在未经训练的场景中展示泛化并解决任务2023 年 2 月，Microsoft发布了 ChatGPT for Robots，提出了一种使用 LLM 语言模型来控制机器人的方法，让机器人能够利用 LLM 模型的“常识”和推理能力2023 年 3 月，Google 发布了 Palm-E 模型，将具身信息集成到大模型中，进一步提升泛化能力2023 年 7 月，谷歌发布了视觉-语言-行动（VLA）机器人模型 RT-2，直接输出机器人的动作，进一步扩展了机器人的泛化能力，为解决机器人数据不足的问题提供了新的思维方式。
目前，人形机器人行业面临数据不足、算力不足、人机交互安全、长尾场景等挑战，最终通用型人形机器人还很遥远，但基于特定场景的人形机器人可以减少对数据和算力的依赖，有望率先落地。 2023 年 10 月，亚马逊宣布已在仓库试用人形机器人 Digit。
何小鹏认为，自动驾驶本质上是一门机器人科学，智能车企最终会在技术、产品、生态等方面与机器人企业融合。 参考自动驾驶的发展历程，我们认为人形机器人的发展将有三大趋势：
1）终极人形机器人还很遥远，但场景化机器人将率先落地;
2）随着人形机器人对大数据、大模型的要求越来越高，数据闭环的能力越来越关键
3）端到端模型可以节省算力，但目前受限于数据和规模。更容易实现区分规划算法和控制算法的多模块方案，而连接LLM和控制算法的提示是瓶颈。
以上内容仅供学习和交流之用，不构成投资建议。