(相關(guān)資料圖)

核心觀點　　為實現(xiàn)物流分揀作業(yè)，泛人形機器人（非完全人形）需要具備多模態(tài)感知和端到端大模型能力。我們認為當前硬件端泛人形機器人已經(jīng)達到物流場景商業(yè)化的門檻，但國產(chǎn)具身模型端距離真正落地仍有一定提升空間。從經(jīng)濟性來看，在2 年收回成本的假設(shè)下，泛人形機器人的投入產(chǎn)出比與分揀工人已經(jīng)持平。我們認為今年下半年泛人形機器人在物流場景會逐步從demo 場景轉(zhuǎn)向交付客戶試用，等客戶驗證后明年有望迎來爆發(fā)增長?！　≌　閷崿F(xiàn)物流分揀作業(yè)，泛人形機器人（非完全人形）需要具備多模態(tài)感知和端到端大模型能力。物流分揀動作主要分為包裹檢測、抓取與翻轉(zhuǎn)、條碼識別、路徑規(guī)劃、投遞歸位等步驟，需要人形機器人具備多模態(tài)感知能力（視覺、觸覺、力覺等）和自主決策的端到端大模型能力?！　∥覀冋J為當前硬件端泛人形機器人已經(jīng)達到物流場景商業(yè)化的門檻，但國產(chǎn)具身模型端距離真正落地仍有一定提升空間。從分揀效率來看，1）海外：Figure 02效率已接近正常工人。基于Helix 神經(jīng)網(wǎng)絡(luò)，F(xiàn)igure 02 處理一件包裹的平均時間為4.05 秒。而正常熟練分揀工人的單個標準小件快遞分揀效率為3-5 秒。2）國內(nèi)：智元精靈G1 分揀速度較熟練工人仍有一定距離。此外，我們也需要注意，在分揀質(zhì)量和應(yīng)對異常的處理上，泛人形機器人較熟練工人仍有差距。　　經(jīng)濟性方面，現(xiàn)階段分揀場景泛人形機器人替代工人處于臨界點。假設(shè)分揀場景的單個工位工人2 班倒，一人工作8 小時，單人年工資10 萬元，而泛人形機器人成本40 萬元，單日工作時長20 小時，工作效率約為工人80%。在2 年收回成本的假設(shè)下，泛人形機器人的投入產(chǎn)出比與工人已經(jīng)持平，隨著泛人形機器人硬件成本和智能化水平提升（體現(xiàn)在產(chǎn)出效率），終端客戶基于降本增效目的有替換工人的動力。　　模型方面，F(xiàn)igure 和智元具搭載自研具身模型。Figure 02 搭載Helix 具身智能模型。智元精靈G1 由端到端數(shù)據(jù)驅(qū)動具身算法，通過海量真實數(shù)據(jù)訓練出的“大腦”，能像人類一樣實時感知環(huán)境、理解任務(wù)、并自主精準執(zhí)行操作。數(shù)據(jù)采集和模型迭代方面，智元攜手德馬科技共建訓練與數(shù)據(jù)采集工廠，F(xiàn)igure 在快遞流水線上進行實訓?！　≌雇罄m(xù)，我們認為今年下半年泛人形機器人在物流場景會逐步從demo 場景轉(zhuǎn)向交付客戶試用，等客戶驗證后明年有望迎來爆發(fā)增長，海外由于人工成本更高昂，將會是物流場景落地的首選。建議關(guān)注有望憑借二次開發(fā)能力獲得超額溢價的整體方案解決商、商業(yè)化落地進展領(lǐng)先的本體廠對應(yīng)的核心供應(yīng)商。相關(guān)公司包括德馬科技、均普智能、領(lǐng)益智造、中大力德、富臨精工、臥龍電驅(qū)、震?？萍肌⒄憬瓨s泰、美湖股份等?！久庳熉暶鳌勘疚膬H代表第三方觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。

【免責聲明】本文僅代表第三方觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。

關(guān)鍵詞： 人形機器人成本 物流場景落地 物流場景商業(yè)化 完全人形 德馬科技