申万宏源发布研报称，人形机器人进入具身智能驱动的新阶段。本体零部件是硬件基础，量产落地带动减速器、伺服、传感器需求释放；具身大模型作为机器人智能核心，算法与仿真平台构筑软件壁垒；训练数据是模型迭代核心约束，真实示教采集＋第一视角采集+仿真合成数据等多路线并行，数据供给端稀缺性持续提升。中长期建议沿三条主线布局：①人形机器人核心零部件厂商；②具身模型和本体厂商；③机器人数据采集硬件与数据服务相关标的。

申万宏源主要观点如下：

机器人产业发展的四大关键要素为模型、数据、本体和场景

其中，模型是机器人大脑，负责推理决策;数据是模型训练的燃料，没有高质量数据，模型无法进行有效训练;本体是机器人物理载体，执行能力的物理上限，所有智能指令最后依靠本体执行;场景是最终商业化落地的重点，和机器人的需求来源，也决定了机器人的任务边界，机器人必须有场景才能产生价值。该行认为，在当前阶段，模型和数据是行业最大的瓶颈。市场对该环节的关注和研究较少。

模型

主流玩家的模型持续迭代，模型架构尚未收敛。主流玩家的模型持续迭代，从PI的π0到π0.7，谷歌的RT1到Gemini Robotics2，在跨本体泛化、操作流畅度、数据生成瓶颈方面持续突破;模型架构尚未收敛，但相似度较高，多为VLA、扩散模型、世界模型等的融合架构，大脑推理和小脑动作模型分层。参与者呈现百花齐放态势：1)科技大厂：谷歌、字节;2)具身模型&本体公司：PI、Figure、智元、星海图等;3)大语言模型厂商：OpenAI等。

数据

模型训练的核心燃料，关键在于数据数量、质量和scale-up。相比大语言模型有海量的互联网数据训练，具身智能天然缺乏机器人轨迹数据，因此数据成为模型迭代的关键瓶颈。当前数据来源包含互联网数据、仿真合成数据、第一人称视角数据、遥操作数据等。当前，不同公司押注不同的数据路线，普遍采用多种数据类型、开源+内部数据集融合的方式。在模型训练阶段，数据生产商及采集设备商迎来投资机遇。

风险提示：模型技术迭代不及预期风险、数据供给和质量瓶颈风险、商业化落地风险。