半个月前，高盛的分析师 Jacqueline Du 带队，在香港、深圳、北京一口气调研了14家中国机器人公司。
这14家公司类型蛮多的，也都挺知名。
像这一波具身智能的代表银河通用、星海图、千寻智能、逐际动力、自变量机器人；产业链上的特色公司灵心巧手、戴盟机器人、帕西尼；以及在这行做了好多年的优必选、梅卡曼德、极智嘉、卧安机器人、越疆科技、埃斯顿，悉数在列。
这一波调研，高盛分析师围绕几个关键问题展开：具身大模型的技术路线、数据策略、成本控制，以及商业化进展。
最后，他们把这些一手资料写成一份半年总结报告。核心结论很克制：人形机器人离商业现实又近了一步，但投资者需要耐心。
给出这个结论的逻辑是，高盛在这波调研中看到了具身大模型路线和数据采集模式的进步，说明行业正朝着实用化、规模化部署推进。
但与此同时，企业依然要经历从 POC 到大规模商业化的复杂过渡，还要迈过产品质量、成本削减等一道道关卡。
下面，我就把高盛这份报告里关键判断和认知，挑出来讲讲。
01 VLA / VTLA与世界模型快速融合
这条应该是今年上半年最大的共识。
高盛的报告里指出，VLA / VTLA（视觉-语言-动作/视觉-触觉-语言-动作）模型正在与世界模型快速融合。
在高盛调研过的公司中，明确将下一步定位为“ VLA +世界模型”组合的公司，包括银河通用、星海图、千寻智能和卧安机器人。
世界模型的作用，现在更多地被看作与动作模型并行的功能层。也就是说，VLA 或 VTLA 负责策略生成和动作生成，而世界模型负责预测下一状态，以此来看动作“是否应当执行、何时执行以及如何执行”。
这里的 VLA、VTLA 与世界模型结合，是有先后顺序的：VLA 先与世界模型的快速融合，随后再叠加更多模态，比如 VLA+触觉形成 VTLA。
与此同时，具身模型的规模也在变大，围绕约 40B-80B 参数量的大型技术栈讨论已经出现，之前只有十亿参数。但多家公司都表示，这些更大规模的模型组合要达到部署级的质量，还需要多轮迭代。
*星海图世界模型研究成果 Fast-WAM 架构
还有触觉，也正在和具身模型结合。
戴盟机器人的核心策略是做触觉小模型，作为插件层接入其他 VLA 框架。帕西尼计划六月发布一个以触觉为主导的 VTLA 模型，用来补足视觉为主的方案。这两家公司都认为，在物理交互质量要求高的场景中，光“看”不够，还得能“摸”。
02 数据依旧是卡点
高盛报告还指出，机器人的商业化应用正日益扩大，但目前大多处于概念验证（POC）阶段，尤其是在工业和物流应用领域。
眼下最大的卡点之一是数据。多数行业玩家认为，大规模部署要到 2027 ～ 2029 年，而前提是在部署级模型之上，积累起数千万小时的高质量数据。
*银河通用五层数据结构
不少公司目前认为，以人为中心、非遥操作的采集方式，要优于传统遥操作。为了拿到数据，很多公司采取两种方式：建数据工厂，或者通过 UMI 和 Ego 第一视角等方式分布式部署。
先看工厂模式。帕西尼目前在全国（天津、宿迁、武汉、自贡、赣州）运营5座数据工厂，每个厂的数据侧重点对应当地的产业优势，部分数据也通过客户（例如京东、比亚迪）共同采集获得。
优必选的模式是地方政府购买机器人，并拥有数据所有权，企业通过补贴、硬件订单和数据使用权的组合获取回报。优必选2025年人形机器人需求中，约一半来自数据工厂。管理层预计，2026年数据工厂的需求将会持平或更强。
还有很多公司使用工具来分布式地获取数据。
比如戴盟机器人，它的模型所需的数据类型，遵循三层金字塔结构：遥操作数据、以人为中心的数据和仿真数据。
戴盟比较特色的数据采集机制，是分散、基于租赁的商业模式。它的 DM-EXton 数据采集可穿戴设备，通过运营商网点出租，供用户居家采集数据，每小时支付数十元人民币。一旦实现大规模铺开，戴盟目标把数据集的采集规模提升到数百万小时量级。
*戴盟力/触反馈遥操作数采系统DM-EXton2
星海图把高质量真实世界数据定位为公司的护城河。它表示，自己也在推动数据采集设备的创新，比如 UMI 手套。
报告里还说，星海图的数据主要通过与亦庄政府合作的「边作业边采集」模式获取，目前真机遥操作是主导类型，估计占比 80%–90%，再加上 UMI 手套、外骨骼数据采集和第一人称视角数据。星海图之前开源了500小时的内部数据，今年数据量还将扩大到100万小时。
另外，银河通用、千寻智能和卧安机器人，也通过部署系统、可穿戴设备、VR 和客户端采集数据。
*千寻自研uDAS可穿戴数采设备，全国分布情况
03 机器人进工厂的繁复流程
报告还提到，目前的机器人商业化，正在向工业搬运、物流以及较窄范围的商业场景延伸。最近比较突出的场景包括：分拣、物料搬运、抓取放置、检测 / 测试，以及其他标准化或半结构化工作流。
但进入工业场景的流程非常繁复，得按照「POC→试点→小批量推广」的顺序一步步走完，才能进入大规模部署。
如果按时间划分，POC 通常3-6个月，平均跑2-3轮；然后是每厂订单不足50台的小范围测试；再经过约12个月的验证，试点部署的订单规模才会接近单客户50-100台。
还有一些公司持更谨慎的态度。
千寻智能的管理层判断，由于后训练和跨场景泛化的难度，基础模型还不足以支撑大范围商业化。目前千寻在合作的标杆客户有宁德时代、京东和博世。
*千寻智能Moz机器人在京东MALL线下门店做咖啡
在宁德时代，它的人形机器人进入电池的高 / 低压、漏液和供电检测环节，一台机器人可替代一个工位（此前这里需要2–3班倒）。这个应用已通过 POC，并开始小批量采购。
*今年1月，人形机器人“小墨”在宁德时代中州基地工作。
它由宁德时代生态企业「千寻智能」研发，搭载了宁德时代自研电池
这家公司认为，真正的商业化只有在产品标准化之后才会到来，时间点估计在2028年前后。再加上家庭和消费服务对机器人的安全、稳定要求很高，所以他们近期重点还是在工业。
调研中最接近规模化交付的，是优必选。它2026年的交付目标约1万台，其中工业5000台，商业和家用5000台，汽车是最大的工业垂直场景。2025年下半年以来，一级汽配、半导体和3C的需求明显回暖，以上下料为主。
04 成本+需求，决定架构
关于怎么控成本，调研中的公司表示，规模化和全栈研发控制主要手段。
优必选说，自家机器人成本下降，主要由模组的规模化驱动。
更具体地说，执行器 / 减速器约占成本的30%，造得越多、单位成本越低。占成本50%的结构件则靠换生产工艺来降本 —— 原来的 Walker S2 用的是 CNC 数控加工方案，Walker S3 改成了模具化生产。
至于效果，优必选表示，自己的物料成本2025年初是40万元，现在降低到稍高于20万元。它近期的目标是把成本降到约20万元，2027年希望降到10万元。
值得特别关注的是，机器人的本体设计，也是控成本的关键。
调研中的许多玩家综合模型能力和成本考量后，目前更倾向于“轮式底盘+两至三指夹爪”，但不排除未来引入“双足人形+五指灵巧手”的可能。
星海图表示，轮式机器人配夹爪是当下更合理的选择，能覆盖约90%工业应用场景。越疆科技认为，工业需求中约50%可以靠机械臂解决，20%到30%靠轮式人形机器人，只有剩下的20%到30%才真正需要双足。
*星海图R1系列
五指灵巧手也不是共识。
千寻智能说，自己的可穿戴 / 遥操作采集设备已迭代2–3代，成本下降曲线清晰；三指夹爪正在测试中，即将投入实际数据采集；而五指灵巧手寿命短、成本高，所以暂时被淘汰。
逐迹动力也认为，二指和三指夹爪能满足当前大多数用例。
但谈到未来，不少公司觉得双足会发挥出价值。
比如越疆认为，双足机器人是“最终的最高泛化形态”。星海图在参与调研时的主力产品 R1-Pro 和 R1 Lite 都是轮式的，但当时也表示不排除之后采用双足人形。
恰好就在6月2日 —— 这篇报告问世不到十天，星海图就高调发布了双足机器人「行客 Kengo」。这是这家公司第一次推出双足形态的机器人。
参考文章
Goldman Sachs Equity Research
Mid-year check-in: several steps toward commercial reality
