东北证券：机器人训练向虚实融合、AI驱动通用化训练范式演变 物理AI大有可为

智通财经APP获悉，东北证券发布研报称，机器人训练产业正经历从工业定制化向虚实融合、AI驱动通用化训练范式演变。生成式AI使用户能够根据各种输入快速生成新内容;此外，零样本与少样本学习也将更加普及，生成式模型结合大语言模型，将推动实现机器人任务的零样本泛化。物理AI方面，机器人需要更加深刻的理解物理世界才能应对复杂的现实场景，成为帮助人类切实可行的解决复杂问题的合作伙伴。相关标的包括索辰科技(688507.SH)、协创数据(300857.SZ)、群核科技等。

东北证券主要观点如下：

机器人训练产业历经从物理样机实测为主的工业定制化阶段向虚实融合、AI驱动的通用化训练范式的演变

机器人产业训练早期以工业场景应用为主，较为依赖物理设备进行单一场景专项训练，如20世纪80年代工业机器人操作培训;随着科学技术的发展和AI与仿真技术的突破，机器人训练逐渐转向虚拟环境，通过GPU加速、多模态数据合成等技术实现迭代优化。当前机器人产业端正迈向由具身智能大模型驱动的全场景覆盖阶段，机器人大脑及小脑训练作为提升机器人智能程度的重要方法工具，其作用愈发凸显。

生成式AI重塑训练范式，数据生成效率显著提升

生成式AI使用户能够根据各种输入快速生成新内容。这些模型的输入和输出可以包括文本、图像、声音、动画、3D模型或其他类型的数据，在生成式模型的加持下，AI训练所需要的数据逐渐从“采集为主”转向“生成为主”，且生成式AI能够利用不同的学习方法(包括无监督学习或半监督学习)进行训练，从而可以更轻松、更快速地利用大量未标记的数据来构建基础模型。如英伟达Dream Gen、群核科技Spatial LM等模型可根据少量样本生成多样化训练数据，使数据获取成本降低80%，如工业焊接场景中，仅需100张真实焊缝图像即可生成10万张训练样本。此外，零样本与少样本学习也将更加普及，生成式模型结合大语言模型，将推动实现机器人任务的零样本泛化。

物理AI正在重塑机器人训练的底层逻辑：从依赖真实数据的“经验主义”，转向基于物理规律的“理性主义”

英伟达通过全栈技术方案，构建了从云端训练到边缘部署的完整生态，推动物理AI从实验室走向工业、医疗、家庭等场景。未来随着具身智能大模型与边缘计算的结合，机器人将逐步渗透至人类活动的各个领域，最终实现“像人类一样思考，比人类更高效执行”的终极目标。而在这场物理与智能的融合革命中，机器人需要更加深刻的理解物理世界才能应对复杂的现实场景，成为帮助人类切实可行的解决复杂问题的合作伙伴。

风险提示：技术路线迭代、数据合规风险、人形机器人发展不及预期。