计算机行业点评：Figure“单飞”，端到端具身智能未来可期

　　2月4日，Figure机器人创始人Brett Adcock宣布终止与OpenAI的合作关系，并表示Figure在完全自主研发的、完全端到端机器人AI方面取得重大突破，将在未来30天内向外界展示。我们认为端到端模型是解决具身智能问题的良方，在人形机器人训练速度有望加快、DeepSeek有望缩小机器人认知差距的情况下2025年可能成为人形机器人的量产“元年”，看好相关产业链公司。

　　支撑评级的要点

　　端到端模型是解决具身智能问题的“良方”。Figure创始人Adcock在接受Techcrunch采访时表示，要在现实世界中解决具身智能问题，就必须垂直整合机器人AI模型，而不能依靠外包；正确的解决方案是建立一个为特定硬件专用的端到端AI模型。端到端模型是具身智能的主流技术方案之一。与分层决策模型相比，端到端模型能够减少中间环节，实现感知、规划与执行一体化，提高效率和响应速度；但端到端模型往往需要海量的训练数据，会消耗大量资源，存在黑箱效应。模型的训练数据包括真实数据和仿真数据，前者训练效果好，但需要耗费大量人工和硬件成本；后者成本较低，可以大规模获取，但通常存在sim-to-real gap。

　　人形机器人训练速度有望加快。1月7日-10日，CES在美国拉斯维加斯举行英伟达CEO黄仁勋在会上发布了用于合成运动生成的NVIDIA Isaac GR00TBlueprint、“世界基础模型”NVIDIA Cosmos，帮助开发者生成海量合成运动数据集；Cosmos平台还能够将图像从3D扩展到真实场景，以缩小仿真与现实之间的差距。此外，英伟达Omniverse平台能够为机器人创造一个遵循物理规律的、现实世界的数字孪生环境，为机器人创造大量的学习场景；同时，开发者可以在Omniverse上建立多元宇宙，使机器人以不同的方式并行学习，从而大大缩短训练时间。

　　DeepSeek有望缩小机器人认知差距，加快响应速度。1月20日，DeepSeek发布复杂推理模型DeepSeek-R1并同步开源权重。该模型在后训练阶段大规模使用强化学习技术，模型推理能力明显提升，性能比肩2024年12月发布的OpenAI o1正式版，但训练成本及API服务成本和服务价格大幅下降。此外，DeepSeek还发布了开源多模态AI模型Janus-Pro，进一步提升了模型的多模态理解和文本到图像的指令跟踪能力。DeepSeek大模型推理能力和多模态能力的提升有望弥合机器人“看到”和“理解”之间的差距，加快机器人决策和响应的速度。

　　2025年有望成为人形机器人量产“元年”。1月30日，特斯拉CEO埃隆·马斯克表示2025年Optimus机器人产能将扩至每月1000台，2026年扩至每月10000台，2027年扩至每月10万台。国内的智元机器人、宇树科技、优必选等人形机器人厂家在2025年也均有量产计划。2025年有望成为人形机器人的量产“元年”，相关产业链公司有望受益。机器人领域有布局的行业公司包括软通动力、九号公司、优必选、能科科技、麒麟信安等；大模型领域有布局的行业公司包括商汤科技、科大讯飞、拓尔思、云赛智联、虹软科技等机器人数据训练领域有布局的公司包括中科曙光、索辰科技等。

　　投资建议

　　我们认为端到端模型高度集成化的控制策略、多模态感知能力和强化学习能力有望优化具身智能的表现，加快具身智能的响应速度、缩小认知差距。人形机器人作为具身智能的表现形式之一，2025年有望成为人形机器人的量产元年，建议关注相关产业链公司。

　　评级面临的主要风险

　　技术发展进程不及预期，行业竞争加剧，人形机器人商业化落地进程不及预期。