摩根士丹利分析师衷晟吐槽“现在是给机器人创造条件去工作”，称人形机器人仍处早期，最大瓶颈在智能和操作能力

投资者内参丨杨跃滂

在8月31日的一场宏观策略闭门会上，摩根士丹利工业分析师衷晟分享了她参观世界机器人大会及运动会的一些感悟。她认为，人形机器人行业已迈入早期商业化，但“广度大于深度”，效率与泛化性也有待提高；智能和操作能力是当前最大瓶颈，而真实部署产生的数据反馈有望推动行业进入正向循环。

衷晟表示，她看到机器人物理运动能力提升非常显著，很多运动纪录被大幅度刷新。今年夺冠的“天宫”机器人百米成绩8.64秒，超越了人类纪录，与“天宫”去年的百米成绩21.5秒相比，是“一个巨大的进步”。

但运动能力只是机器人的一部分，能否在实际工作场景中创造生产力、创造价值，已经成为行业关注的焦点。

衷晟观察到，本次大会和赛事存在这样一种倾向——“更多地让机器人去展示在应用方面的能力”，重点展示了长程任务(多步骤任务)的执行能力，而非单一任务执行。

与去年相比，今年的赛事应用场景增加到21项，涵盖工厂、家庭、酒店、零售、医药、救援等多领域，这提高了对机器人自主能力的要求。

从“夹爪”到“灵巧手”的转变趋势非常明显，衷晟表示“在灵巧手的这个方面，现在的技术难点还是非常高的，不管是从它的硬件、算法以及到它的耐用程度，其实现在都有非常大的挑战。”

行业正在向这些更难的方向进取，一些精细操作(称量粉末、搭积木、用镊子夹取豆子等)也在本次大会上做了展示，衷晟认为这些是难度比较大的操作。

“这次的大会给大家展示的是，我们现在行业在朝什么方向走。但是如果我们再下一步看，说我们真正已经走到哪一步了呢?”衷晟提出了她的两点看法。

人形机器人已经进入早期商业化，广度大于深度

“第一点呢，就是我觉得整个行业呢，现在不完全是在一个demo的阶段了，不完全是从展示，而它已经是进入了一个早期的商业化。”衷晟说道。

但她强调了早期这两个字。同时指出，机器人商业化呈现“广度大于深度”的特点。

有一些客户已经从场景认证走向了实际的部署，但部署规模很小，衷晟说道：“通常一个客户有几十台这样的部署量已经算是比较高的。在当前阶段，能够产生复购的客户还相对很少”。

不过也有乐观的信号出现，部分客户进行了复购，尤其是在“上下料这样的实际应用中。”

厂商们在机器人大会上展示了大量实际应用场景，衷晟肯定了机器人在效率和精确度上 “一直是在提升”，但她认为要实现在更多场景的深度部署，还需要继续提升它的效率、精准度。

说到这里，衷晟列举了一些具体数字。在搬运，拆码垛上下料一类场景中，根据客户反馈，在一些指定工作中人形机器人可以达到人类60%~80%的工作效率。

与去年相比，这一提升速度相当惊人——“差不多去年同时期，我们得到反馈，基本上很多是在一个30%~40%的效率，所以我们看到的提升速度是很快的。”衷晟补充道。

但如果想要实现广泛部署，衷晟认为还需要两方面突破，一方面效率需要进一步提升，另一方面泛化性需要提高——她吐槽称“现在是给机器人创造条件去做这样的一些工作。”

最大瓶颈在于智能和操作能力

“第二点呢，我们想说的就是，确实现在我们看到这个最大的瓶颈，还是在于它的智能和操作能力上。”

智能和操作能力已成为整个行业重点突破的方向。在智能层面，衷晟认为有两个最关键的因素：“一个就是模型的层面，一个就是数据的层面。”

在模型层面上，行业正在不断演进，“从之前的非强化训练到VLA，到今年更火的这种世界模型”。衷晟判断，“我们觉得去训练到一个机器人的具身智能模型，最终可能各种模型的能力，都会是需要应用到的，只不过在训练的不同阶段，或者说在训练不同能力的时候，需要用到的程度不一样。”

例如，世界模型负责理解和预测物理世界，VLA模型负责将语言视觉变成任务流程，这些都是在训练机器人如何更好地执行任务。

不过，衷晟表示，业内在模型能力这方面受制于数据、受制于算力，所以还有待提升。

数据瓶颈是更为重要的制约，她指出整个行业过去一年多在数据获取上做了大量努力，相关技术路线也出现了多次迭代，从如何采集数据，到如何提高数据质量，再到如何利用数据更好地训练模型。训练的效率、数据的效率对厂商们的重要性不言而喻。

衷晟特别看重部署产生的真实数据反馈：“在这个实际部署中产生的这种实际的数据反馈，可能在长期来看，会更重要地去支持整个机器人的训练以及能力的提高。”

她进一步分析，如果部署已经进入初期阶段，部署数量的提升将带来更多真实数据，从而把模型训练得更好，提升生产效率并且改善机器人的操作能力。这将有利于企业扩大部署，形成一个正向循环。在她看来，行业目前正沿着这一正确轨道向前推进。

最后，衷晟总结称，人形机器人虽然仍处于早期阶段，但已经开始初步部署，未来几年有潜力在应用的广度和深度上继续深化。