今天，三大指数低开高走，创业板指大涨3.11%。

两市成交额约1.69万亿元，较上一交易日明显放量。

盘面结构上，算力硬件午后率先爆发，机器人方向同步走强，人形机器人板块指数上涨约2.19%。

这一轮机器人方向走强，不能简单理解为算力硬件带动下的情绪外溢。

更关键的变化在于，产业推进主体正在从“整机厂商单点突破”，转向“通用大模型、仿真训练、整机制造”多方协同。

模型拓宽任务边界，仿真降低训练成本，整机提供真实数据，三者互相强化，才是当前机器人板块具备持续性的底层逻辑。

模型端

过去机器人控制主要依赖专用策略模型，通用大模型更多承担指令理解和任务规划。

但近期多家科技企业的进展显示，通用模型正在直接进入动作生成环节。

Anthropic新一代模型在双臂仿真机器人测试中成功率达到64.9%，较上一代提升超过一倍，也高于同期其他通用模型在同一测试中的表现。

真机演示中，它已能完成拧瓶盖、解魔方、画画等任务，覆盖环境识别、逻辑推理和动作执行全流程。

OpenAI 的多模态模型同样在抓取、放置、动作调整等基础操作中展示能力，据公开信息，其内部硬件团队在推进机器人相关设计、仿真和验证工作，有消息称计划在 2027 年前后推出自有机器人演示版本。

从苹果披露信息来看，HALO 自主控制系统提供了一个相对完整的工程样本。

它在多个陌生真实环境中完成360次单项任务测试，平均成功率达到91%。

不过，组合任务成功率下降到70%，长流程任务成功率约50%，系统目前也缺少触觉感知。

这说明通用模型在物理世界中的能力已经明显提升，但距离稳定上岗仍有距离。

仿真端

机器人比较大的瓶颈之一是真机数据不足。

真实环境采集成本高、失败代价大、场景覆盖有限，单纯靠真机试错很难支撑模型快速迭代。

英伟达近期更新的机器人开发平台，正在试图降低这一门槛。

新平台提供仿真训练、数据生成、运行框架和参考硬件，开发者可以把训练测试环境搭建周期从数周压缩到数天。

仿真数据混合训练后，部分机器人在未知任务上的真实世界成功率显著提升，说明仿真环境已经能够承担“预筛选策略”的作用。

更关键的是跨本体迁移。

过去每个机器人本体都需要单独采集大量示范数据，成本极高。

现在通过合成数据、人类视频蒸馏和跨本体适配，模型能力可以更高效地迁移到不同硬件平台。

这意味着机器人产业正在从“每台机器人都从零训练”，转向“模型能力可复用、可迁移”。

第一层是数据与仿真基础设施。

模型能力越强，对多视角视频、人体动作、真机交互、失败案例、触觉数据的需求越高。

仿真平台、数据生成工具、训练算力、评测体系会成为机器人模型迭代的底层支撑。

第二层是感知与端侧控制。

视觉、深度、力觉、触觉、运动控制芯片和控制器，是把模型输出转化为稳定动作的关键。

没有可靠的端侧执行，模型再强也只能停留在仿真里。

第三层是执行器精密制造与整机平台。

电机、减速器、一体化关节、灵巧手、传感器、电池、散热和结构件，决定了机器人能否长时间、高可靠地工作。

整机平台则承担软硬件集成、场景适配和交付能力。

从产业角度来看，有三个方向：

一是模型能力能否持续迁移到更复杂任务，并在真机环境中保持稳定。

二是特斯拉等头部整机厂的生产方案、交付节奏和内部验证进展。

三是后续产业会议、业绩披露和新品演示是否释放超预期信息。

特别声明：以上内容绝不构成任何投资建议、引导或承诺，仅供学术研讨。