摩根士丹利研报-机器人“大脑”进化:技术路径与核心瓶颈人形机器人赛道最核心、却也最隐秘的战场——“大脑”，即机器人的控制与决策模型，随着硬件形态逐渐收敛，模型能力将成为2026年及未来最关键的差异化因素。不再是比拼谁先站起来走路，而是比拼谁的“脑子”更聪明、学得更快。目前，视觉-语言-行动VLA模型已成为绝对主流。简单说，就是让机器人能“看懂”（视觉）、“听懂”指令（语言），并“执行”动作。国内外主要玩家，从Figure、Physical Intelligence到国内的Galaxea、X Square Robot等，都采用了这一路径，其机器人已能完成特定任务。然而，通向通用机器人的道路布满荆棘。VLA模型面临四大现实挑战：物理属性理解不足：难以精确感知物体的硬度、重量、摩擦力。长任务规划困难：完成“泡一杯咖啡”这类需要多步骤组合的任务仍是难题。多样性应对乏力：面对没见过的物体、新环境或新任务，容易懵圈。响应延迟：从感知到行动的时间还不够快，影响实时交互。尽管有局限，短期內VLA仍将是中国公司的主攻方向，改进路径集中在：1）用更强的基座模型提升空间推理；2）加入“思维链”或推理模块；3）通过强化学习优化输出质量。与此同时，顶尖AI实验室和高校则在探索更激进的“世界模型”等新架构。例如英伟达的DreamZero，让机器人在“脑海”中模拟推演物理变化，再决策行动，在新任务泛化能力上表现出了显著优势。模型要变聪明，需要海量、高质量的数据来“喂养”，但机器人数据恰恰是稀缺资源。当前数据收集的三大痛点：远程操作：成本极高，需要熟练操作员和精密设备，难以规模化。仿真数据：量大但“仿真与现实差距”显著，精细的物理交互难以模拟。人类视频：虽然互联网视频取之不尽，但与机器人控制不对齐，缺乏深度、力反馈信息。提升仿真质量：用高质量仿真数据做预训练，减少对真实机器人数据的依赖。以英伟达Isaac Sim为代表，美国公司更侧重此路径。建设“数据工厂”：中国企业的重点打法。在政策支持下，建立大型机器人集群（100+台）和数据中心，执行标准化任务，实现数据生产的流水线作业。采集第一视角操作视频：用带摄像头的动作捕捉手套录制人类操作，成本低于操控整台机器人。有公司称其天津的工厂每日可生成9万条轨迹数据。利用“跨本体”数据：一个突破性进展是，最新模型证明，从不同机器人硬件上收集的数据可以混合使用，极大增加了高质量数据的可用性。算力是另一个较少被讨论但至关重要的约束。与大语言模型不同，机器人必须实时与物理世界交互，无法接受“思考几分钟”。因此，模型必须小而快，当前主流尺寸被限制在约100亿参数左右，远小于动辄千亿、万亿参数的LLM。报告指出，即便是英伟达最新的Thor芯片，其算力对许多公司的边缘计算需求而言仍显不足。人形机器人将是一场规模游戏，领先者与落后者之间的差距会随时间拉大。核心逻辑在于“数据飞轮”：部署规模越大的公司，能收集到越多、越多样化的真实世界数据；更多数据训练出更智能的模型；更智能的模型带来更好的机器人性能和更广泛的应用；这又进一步推动更大规模的部署，形成正向循环。同时，仿真预训练和世界模型的研发，也将高度依赖计算资源，进一步加强头部玩家的结构性优势。最终，行业可能向两种模式收敛：独立的模型提供商（类似机器人界的“安卓”系统，由科技巨头主导）。拥有庞大机器人舰队、能支撑快速模型迭代的全栈玩家。在脑力进化是场“持久战”的共识下，中国企业采取了更务实的策略：将机器人部署到大量具体场景中，在收集数据训练大脑的同时，并行迭代身体硬件。基于这种“小步快跑、逐步迭代”的路径，摩根士丹利在供应链中更看好组件供应商，看好谐波减速器领域的绿的谐波。在基础模型架构尚未统一、数据和算力存在瓶颈的阶段，能够提供稳定、高性能核心零部件的公司，其商业化和业绩增长的确定性相对更高。2026年人形机器人的竞争，数据是燃料，算力是引擎，模型架构是蓝图。这场竞赛没有捷径，唯有在真实场景中不断积累、迭代，才能最终孕育出真正智能的通用机器人。而在这个漫长进化过程中，供应链的“卖水人”或许将率先享受到行业增长的第一波红利。
