摘要：10日，基于大规模高质量真机数据集AgiBot World，智元机器人正式发布首个通用具身基座大模型——智元启元大模型Genie Operator-1。该架构由VLM(多模态大模型)+MoE(混合专家)组成。

行业梳理

10日，基于大规模高质量真机数据集AgiBot World，智元机器人正式发布首个通用具身基座大模型——智元启元大模型Genie Operator-1。该架构由VLM(多模态大模型)+MoE(混合专家)组成。

VLM借助海量互联网图文数据获得通用场景感知和语言理解能力；MoE中的Latent Planner(隐式规划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力；MoE中的Action Expert(动作专家)借助百万真机数据获得精细的动作执行能力。三者环环相扣，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，并成功部署到智元多款机器人本体，持续进化，将具身智能推上了一个新台阶。

具身智能和智能机器人首次出现在今年政府工作报告，报告中强调了具身智能机器人在场景应用中的重要性。未来政策与资源倾斜将为行业带来助推作用。北京、上海、广东等十余个省市均出台了支持具身智能/人形机器人产业发展的具体政策。

具身智能，是指一种基于物理身体进行感知和行动的智能系统，其通过智能体与环境的交互获取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性。而机器人便是具身智能的代表产品之一。

具身智能的基本原理之一是身体和智能相互依存，智能体的身体形态不仅限制了其在环境中的行动能力，也在一定程度上塑造了智能体的认知方式。智能并非仅仅存在于头脑中，而是通过智能体的身体及其在环境中的互动表现出来的。身体在环境中的感知、反馈和适应使智能体能够更灵活地应对复杂任务，因此，身体的形态和运动方式直接影响智能体的认知和决策过程。

具身智能强调智能体对外部环境的实时感知和反馈。这种感知能力使智能体能够直接从环境中获取信息，减少对内部模型和复杂计算的依赖。智能体可以通过触觉、视觉、听觉等多种感官来实时感知周围环境的变化，从而快速调整自身行为以适应环境。机器人在导航时，能依据实时的障碍物信息进行路径规划，这种直接的感知反馈机制使得智能体在动态环境中展现出更强的适应性。

具身智能的核心之一是感知-动作循环，即智能体通过持续的感知反馈来动态调整自身行为。智能体在与环境互动过程中，会不断地接收感知信息，并根据该信息调整动作，从而形成闭环系统。这种循环使得智能体能够灵活应对复杂环境中的变化，使其行为更加适应任务需求。通过感知-动作循环，具身智能体可以在不完全依赖内部模型的情况下，通过身体与环境的互动来完成复杂任务。

学习与适应性

具身智能强调智能体的学习与适应能力，即智能体可以在未知的环境中不断调整和优化自身行为，以更高效地完成任务。具身智能体通常采用强化学习、进化算法或深度学习等技术，通过反复试错来找到最佳行为策略。这种适应性学习的机制使得具身智能体不仅能在训练环境中执行任务，还能够自主地应对新环境的挑战，从而实现更为灵活和高效的任务执行。

政策既是加速器，也是战略指引。未来政策与资源倾斜将为行业带来助推作用，市场需求的增长。有了政策的鼓励，各行各业将持续爆发对于人形机器人和具身智能产品与技术的需求，这也将加速从技术验证走向规模化商业落地的进程。得益于近年来人工智能大模型的不断发展与加持，业内认为，具身智能将成为“会思考的机器人”。

据《人形机器人产业研究报告》，预计2025年，中国人形机器人市场规模约53亿元，同比2024年实现翻倍增长；到2029年，中国人形机器人市场规模或将达到750亿元，将占世界总量的32.7%，位居世界第一。

正如大模型需要海量文本数据来训练一样，高质量、多样化数据集是实现具身智能快速突破和具身机器人快速落地应用的关键。优质的数据集能够加速具身智能模型的训练与部署，帮助其控制各种类型的机器人遵循不同的指令，对复杂任务进行基本推理，并有效地完成这些任务。具身智能的数据类型是异构多样的，有视觉、力觉、触觉等不同传感器的数据，有基于不同机器人本体自身的状态数据，也有不同动作轨迹数据，由此形成的异构数据的信息量、复杂度差别是巨大的，任何一项技能的泛化几乎都需要上亿条数据。具身数据的稀缺已成为制约具身智能发展的关键因素。

具身智能是更广义的AI赋能，具身智能体与物理世界环境的交互会越来越智能化，不断创造新的行业需求，重构行业竞争格局，持续带来具身智能和人形机器人板块的投资机。2024年全球人形机器人出货数量达到2000台以上，正式迎来商业化元年。2025年出货量将显著增加，行业有望迎来爆发奇点。

京北方 国脉科技

浙大网新 利欧股份

天娱数科 中国长城

莲花控股 天融信

来源：尹狼入市