来源：中信建投证券研究
文|许琳朱玥
为实现物流分拣作业，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力。我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间。从经济性来看，在2年收回成本的假设下，泛人形机器人的投入产出比与分拣工人已经持平。我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用，等客户验证后明年有望迎来爆发增长。
为实现物流分拣作业，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力。物流分拣动作主要分为包裹检测、抓取与翻转、条码识别、路径规划、投递归位等步骤，需要人形机器人具备多模态感知能力（视觉、触觉、力觉等）和自主决策的端到端大模型能力。
我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间。从分拣效率来看，1）海外：Figure 02效率已接近正常工人。基于Helix神经网络，Figure 02处理一件包裹的平均时间为4.05 秒。而正常熟练分拣工人的单个标准小件快递分拣效率为3-5秒。2）国内：智元精灵G1分拣速度较熟练工人仍有一定距离。此外，我们也需要注意，在分拣质量和应对异常的处理上，泛人形机器人较熟练工人仍有差距。
经济性方面，现阶段分拣场景泛人形机器人替代工人处于临界点。假设分拣场景的单个工位工人2班倒，一人工作8小时，单人年工资10万元，而泛人形机器人成本40万元，单日工作时长20小时，工作效率约为工人80%。在2年收回成本的假设下，泛人形机器人的投入产出比与工人已经持平，随着泛人形机器人硬件成本和智能化水平提升（体现在产出效率），终端客户基于降本增效目的有替换工人的动力。
模型方面，Figure和智元具搭载自研具身模型。Figure 02搭载Helix具身智能模型。智元精灵G1由端到端数据驱动具身算法，通过海量真实数据训练出的“大脑”，能像人类一样实时感知环境、理解任务、并自主精准执行操作。数据采集和模型迭代方面，智元携手德马科技共建训练与数据采集工厂，Figure在快递流水线上进行实训。
展望后续，我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用，等客户验证后明年有望迎来爆发增长，海外由于人工成本更高昂，将会是物流场景落地的首选。建议关注有望凭借二次开发能力获得超额溢价的整体方案解决商、商业化落地进展领先的本体厂对应的核心供应商。
看好泛人形机器人在物流分拣场景率先应用
WAIC展会上，智元机器人与德马科技联合发布全球首个由数据驱动的具身智能机器人物流作业场景。在1：1复刻的物流作业区域中，德马飞梭分拣机器人Flash Sorter与智元人形精灵G1协同作业，精准完成全自动供包与包裹二次分拣任务。精灵G1主要担任物流分拣供包岗位，需要将工作台上的衣服整理好，逐一送上传送带，衣物将被送至下一环节进行分拣作业。作业过程中，G1需要识别衣服的颜色、标签等视觉信息，确保包裹标签朝上进入下一环节。
为实现物流分拣作业，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力。物流分拣动作主要分为包裹检测、抓取与翻转、条码识别、路径规划、投递归位等步骤，需要人形机器人具备多模态感知能力（视觉、触觉、力觉等）和自主决策的端到端大模型能力。
我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间。从分拣效率来看，1）海外：Figure 02效率已接近正常工人。基于Helix神经网络，Figure 02就能动态调整抓取策略，处理一件包裹的平均时间为4.05 秒，快递单条码的定位成功率提升到接近95%。而正常熟练分拣工人的单个标准小件快递分拣效率为3-5秒。2）国内：智元精灵G1分拣速度较熟练工人仍有一定距离。此外，我们也需要注意，在分拣质量和应对异常的处理上，泛人形机器人较熟练工人仍有差距。
经济性方面，现阶段分拣场景泛人形机器人替代工人处于临界点。假设分拣场景的单个工位工人2班倒，一人工作8小时，单人年工资10万元，而泛人形机器人成本40万元，单日工作时长20小时，工作效率约为工人80%。在2年收回成本的假设下，泛人形机器人的投入产出比与工人已经持平，随着泛人形机器人硬件成本和智能化水平提升（体现在产出效率），终端客户基于降本增效目的有替换工人的动力。
模型方面，Figure和智元具搭载自研具身模型。Figure 02搭载Helix具身智能模型。Helix是首个 “系统 1、系统 2”VLA 模型。S1是种快速反应性视觉运动策略，可将S2产生的潜在语义表示转化为 200 Hz的精确连续机器人动作。S2是一种经过互联网预训练的车载VLM，以 7-9Hz的频率运行，用于场景理解和语言理解，实现跨对象和上下文的广泛泛化。自首次在物流环境部署Helix以来，仅三个月时间，该系统执行速度从每个包裹5-6秒提升至4.05秒。
智元精灵G1由端到端数据驱动具身算法，通过海量真实数据训练出的“大脑”，能像人类一样实时感知环境、理解任务、并自主精准执行操作。智元具身大模型GO-1赋能G1可以不依赖预编程轨迹或大量人工调试，凭借实时感知数据输入到动作输出的完整闭环，实现稳定、高效的连续作业。在工作过程中，面对包裹位置的随机变化和正反堆叠情况、包裹在传送带边缘卡住、包裹中途掉落等情况，G1能快速做出最优规划，确保作业持续准确、流畅推进。
数据采集和模型迭代方面，智元携手德马科技共建训练与数据采集工厂，Figure在快递流水线上进行实训。智元机器人与德马共建具身智能训练与数据采集工厂以系统采集高质量、多模态作业数据，训练具身大模型。在数采工厂内通过人机协作实现场景化数据驱动，1）精准模拟搬运、拆箱、分拣等全流程作业，采集多维度数据形成训练闭环；2）基于标注数据与具身大模型训练，持续优化算法，提升机器人环境感知与决策能力。
展望后续，我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用，等客户验证后明年有望迎来爆发增长。同时我们认为海外由于人工成本更高昂，将会是物流场景落地的首选。建议关注有望凭借二次开发能力获得超额溢价的整体方案解决商、商业化落地进展领先的本体厂对应的核心供应商。
1、市场竞争加剧风险：当前人形机器人本体厂数量较多，倘若后续新加进入玩家持续增加，将进一步加剧竞争，或对相关公司盈利能力造成影响。
2、硬件降本不及预期风险：当前人形机器人硬件技术未收敛，若后续技术变动较大或行业硬件降本不及预期，将对人形机器人应用落地进度造成较大影响。
3、人工智能发展不及预期风险：人形机器人落地核心取决于人工智能发展，倘若人工智能发展缓慢，人形机器人的智能化水平提升将受到制约，会对行业落地造成负面影响。
许琳：中信建投证券新能源汽车锂电与材料行业首席分析师，7年主机厂供应链管理+2年新能源车研究经验，2021年加入中信建投证券研究发展部，主要覆盖新能源汽车、电池研究。
朱玥：中信建投证券电力设备新能源行业首席分析师。2021年加入中信建投证券研究发展部，8年证券行业研究经验，曾就职于兴业证券、方正证券，《财经》杂志，专注于新能源产业链研究和国家政策解读跟踪，在2019至2022年期间带领团队多次在新财富、金麒麟，水晶球等行业权威评选中名列前茅。
重要提示及免责声明
重要提示：
通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司（下称“中信建投”）客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂时无法设置访问限制，若您并非中信建投客户中的机构类专业投资者，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！
免责声明：
本订阅号（微信号：中信建投证券研究）为中信建投证券股份有限公司（下称“中信建投”）研究发展部依法设立、独立运营的唯一官方订阅号。
本订阅号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的机构类专业投资者。中信建投不因任何订阅或接收本订阅号内容的行为而将订阅人视为中信建投的客户。
本订阅号不是中信建投研究报告的发布平台，所载内容均来自于中信建投已正式发布的研究报告或对报告进行的跟踪与解读，订阅者若使用所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。提请订阅者参阅中信建投已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。
中信建投对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据中信建投后续发布的证券研究报告在不发布通知的情形下作出更改。中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。
本订阅号发布的内容并非投资决策服务，在任何情形下都不构成对接收本订阅号内容受众的任何投资建议。订阅者应当充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本订阅号内容做出的任何决策与中信建投或相关作者无关。
本订阅号发布的内容仅为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本订阅号发布的全部或部分内容，亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本订阅号发布的全部或部分内容。版权所有，违者必究。
