广东
智通财经APP获悉，中金发布研报称，短期分层架构因工程可控性仍是主流，VLA在复杂任务和人机交互中展现潜力，世界模型因具备跨设备迁移能力被视为长期方向。机器人数据涵盖多模态，产业找寻低数据成本获取&高数据效率应用路径。具身智能大脑正处于“路线分化”向“融合落地”跨越的关键阶段，数据驱动与异构训练成为迈向通用智能的核心。
中金主要观点如下：
具身智能算法：从模型驱动到数据驱动
分层控制是基础架构范式，以两级结构实现工程化;VLA范式(以VLM为基础)强化泛化与交互能力，是当前活跃的研究方向。世界模型通过环境建模与未来预测提供物理约束，处于科研主导阶段。该行认为，短期分层架构因工程可控性仍是主流，VLA在复杂任务和人机交互中展现潜力，世界模型因具备跨设备迁移能力被视为长期方向。
具身智能数据：高价值信息量成竞争核心
机器人数据涵盖多模态，产业找寻低数据成本获取&高数据效率应用路径。1)获取端：包括真机、视频(第一人称/第三人称)、仿真等路线。2)安全端：数据安全为不容忽视的底线，人形机器人厂商面临权限隔离、数据加密体系、跨境传输政策等多方挑战。3)应用端：传统数据应用策略为 “同构闭环”，仅能在同类型硬件上复现策略。异构训练通过模块化Transformer架构，跨机器人本体共享算法模型。
具身智能热点议题解析
1)Scaling Law：与离身智能不同，机器人Scaling Law尚未迎来爆发式突破。该行认为真实数据产能不足、Sim2Real迁移等为制约因素;2)Benchmark推动评测标准化进程。具身机器人缺乏公认量化框架，面临场景多样性、任务转化等难题。斯坦福李飞飞团队发布具身智能评测BEHAVIOR-1K，推动具身智能评测标准化。3)物理AI：物理AI融合物理知识与AI模型，已走向机器人操作应用。
风险
技术路线不确定、数据安全合规风险等。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
