人形机器人的ChatGPT时刻何时到来？具身智能今年会有哪些突破？车路云一体化如何更好协同？投资机会在哪里？

3月7日，以“破局·重构”为主题，第一财经“科创未来行”年度调研首场产业沙龙在上海张江国创中心举行。来自上市公司、科创企业、金融机构及投资机构的等共同探讨了上述话题，并分享交流了技术突破与产业实践。

今年的政府工作报告中，首次提出培育具身智能等未来产业。同时提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。

人形机器人的ChatGPT时刻

随着DeepSeek等国产AI大模型能力持续突破，各领域各细分赛道的AI应用落地推广也得以提速。

嘉环科技（603206.SH）副总裁、人工智能研究院院长陈哲表示，在人工智能时代，任何一个行业都有被AI变革的可能性。目前AI应用正在加速，从局部探索走向千行百业。从人工智能行业渗透率来看，“年前的预测是2026年可以达到30%，但经过春节期间DeepSeek的一轮热潮之后，现在我们认为至少要达到40%-50%。也就是说，2026年有40%-50%的行业都会尝试使用大数据、人工智能开发各式各样的应用。”

具身智能被认为是新一波人工智能浪潮中的重点方向，人形机器人则是该领域最具代表性的实体，在大模型催化下加速产业化落地。

根据工信部2023年发布的《人形机器人创新发展指导意见》，到2025年，人形机器人创新体系初步建立，“大脑、小脑、肢体”等一批关键技术取得突破；整机产品达到国际先进水平，并实现批量生产；到2027年，人形机器人技术创新能力显著提升，形成安全可靠的产业链供应链体系，构建具有国际竞争力的产业生态；应用场景更加丰富，相关产品深度融入实体经济，成为重要的经济增长新引擎。

均普人工智能与人形机器人研究院院长兼首席科学家郭继舜表示，智能机器人会是智能手机和智能汽车之外，人类大规模拥有的第三个设备。如果机器人每天可以工作8小时，未来有40%-50%的劳动力能够被机器人所取代。“我们预计三到五年之间，会有一些工厂里面出现大量的机器人。”

不过，智能机器人在不同场景的落地速度不同，以当前时间节点来看，郭继舜认为，未来三年在仓储搬运和工厂作业中有比较大的落地希望，而家庭保姆和医疗护理预计还有五到十年。

智能机器人包括双足、四足、轮式等，对于双足机器人而言，要实现大规模应用，郭继舜表示，需要满足三个基本条件：稳定的双足站立；无损的倒地自起；机器人接入基于空间智能的世界模型来完成复杂任务。“这三个前提条件缺少其中任何一个，双足机器人的泛化场景大规模应用在技术层面就还不成熟。”

而要迎来人形机器人的ChatGPT时刻，郭继舜表示，需要解决三个问题，一是以空间智能和物理化学规律为代表的世界模型要在机器人上用起来，否则机器人的可扩展性还是很有限的。二是机器人的轻质化，三是找到在边缘端足够有效的可用算力。

汇正财经首席投资顾问姚中元表示，人形机器人的ChatGPT时刻需等待软硬件协同突破，预计在2030年前后显现，但阶段性爆发如工业场景可能在2027年左右出现，需要密切关注技术拐点信号和供应链国产化进展。

而在未来5年，姚中元表示，关键突破点包括AI大模型与机器人控制的深度融合、核心硬件国产化与成本优化、开源生态与标准化建设、场景驱动的算法优化。

那么，伴随着具身智能的突破，未来的投资机会有哪些？

姚中元表示，一方面是核心硬件国产化，包括减速器、传感器、执行器、电机、行星滚柱丝等，会受益于人形机器人量产需求；另一方面，则是要关注人形机器人整机与场景落地。

“从零部件的角度，一方面可以比较机器人哪些零部件技术比较创新、毛利率相对比较高、产品在应用端当中辐射面比较广，也就是市占率比较高。另一方面，要看未来的蓝海情况。比如传感器、智能皮肤等。”姚中元表示，未来的3D传感器可能逐步运用到每一个机器人当中，使得机器人在行走、交互的过程当中能够更加灵敏，更加智慧，这也是对于未来行业当中有一个明确的方向性指引。

另外，目前数据仍是具身智能发展的主要瓶颈。海天瑞声（688787.SH）CMO王潇蔓表示，目前最大的真实场景真机数据集仅包含百万条数据，数据匮乏成为具身智能行业困境，因为需要千万量级的数据，才能闭环一个场景中的泛化任务执行能力。同时，具身智能数据收集采集的成本非常高，且数据缺乏统一的标准。

姚中元表示，创新性的解决方案在于数据采集创新，包括了采用多模态场景化数据工厂、合成数据与仿真技术结合、建立异构训练场与标准化数据结合等方式。未来几年可能催生的新业态与商业模式，包括数据即服务（DaaS）与模型即服务（MaaS）、合成数据交易平台、数据众包与共享经济等。

不过，姚中元也表示，机器人在普及的过程中还会产生淘汰，因此投资必须看到业绩的正向回报，警惕那些只是蹭热点的迎来一波上涨行情，但未来季报、年报、半年报业绩不能兑现的情况。

加速智能汽车驶入AGI的时代

中国电动汽车百人会《汽车智能化发展报告（2024）智驾篇》报告提出，推动以智能驾驶为核心的智能化功能发展成为行业共识，智能驾驶已成为汽车智能化发展阶段的核心竞争点。

今年2月，商汤绝影发布了行业首个“与世界模型协同交互的端到端自动驾驶路线R-UniAD”。此前，商汤推出了首个可用于行业生产的世界模型——开悟世界模型，目前，开悟世界模型已拥有1024类数据，可以生成千万辆级的场景库。商汤绝影智能云研发总经理武伟表示，会在今年针对全行业开放这些数据。

武伟表示，以模仿学习为主的端到端自动驾驶技术面临两个挑战，一是海量数据门槛；二是模仿学习很难突破人类驾驶行为的能力上限。

而R-UniAD的方案是多阶段的，第一阶段是端到端的模仿学习。第二阶段是通过世界模型和云端的端到端自动驾驶的模型，经过环境的强化学习，进行协同的交互，涌现更高级别的智能。第三阶段从云端大模型到车端大模型的蒸馏部署，获得远超人类的驾驶能力。

“我们希望通过这一套范式，大大降低自动驾驶研发的数据成本和项目定制化开发的成本，真正让商汤绝影成为自动驾驶领域的DeepSeek，加速智能汽车驶入AGI的时代。”武伟表示。

这其中，车路云一体化是一个关键。

2024年7月，工业和信息化部、公安部、自然资源部、住房和城乡建设部、交通运输部按照《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》安排，在自愿申报、组织评估基础上，确定了20个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。这也被认为是智能驾驶从“小范围测试验证”加速迈入“规模化落地”，加快高阶智能驾驶的普及应用和商业化进程的里程碑事件。

尽管前景广阔，但车路云一体化的发展也面临着诸多挑战。

四维图新集团东区副总经理张一表示，当前车路云一体化正处于快速发展阶段，虽然片区建设规模仍有待扩大，尚未形成完整的商业闭环，但这也正是行业发展的关键机遇期。通过进一步加强片区联动、拓展商业场景，有望加速实现商业变现和闭环，吸引更多投资者加入，推动建设步伐加快。这一过程不仅充满挑战，更蕴含着巨大的发展潜力和机遇，未来前景值得期待。

万马科技智算产品部总监严玮也表示，车路云面临的挑战很多，一是技术侧涉及网络传输的时延，边缘算力的布局、覆盖度，车端与路侧数据的融合，云端算法的可信度等，还需要迭代。二是投资大周期长，但是还没有形成真正的商业闭环，看不到回报。三是协同方面，包括地区间的协同，目前没有形成全国统一布局，一部车子要跨区域，可能会面临各种各样的问题。从车企到云厂商到政府等多方的协同也有一些挑战。车路云一体化也可以纳入自动驾驶智算云、云座舱等方案，进一步扩展其内涵。

东软睿驰副总裁王宁表示，车路云一体化商业化中，数据是敏感且很难突破的一个屏障点，原因在于数据所属的物权不同。需要实现数据标准化，以及数据安全的前提下，确权后推动数据共享和数据活用。

网宿科技IDC高级技术总监徐明微则表示，车路云需要多方一起协作，涉及到很多信息的计算、传送、存储。比如，汽车做智能驾驶的时候，车端和路端就要做到非常精密的协同，路端的信息需要同步到附近的所有车辆，各家的多车协同也需要建立一个高效的沟通机制才能够提升到更高的安全等级。但现阶段路端部署非常不完善，不能够形成一个共同的协调机制，因此还有很多路要走。

汇正财经首席投资策略师杨首骏表示，二级市场永远打的是预期，在车路云行业真正要在二级市场当中有更长的发展，肯定要有商业化的落地。也因此，数据能不能拿出来共享，路和云的建设能否统一，都是关键。只要能够打通技术、政策等的环节，最终商业化落地，形成盈利模式，对于二级市场来说就不是在炒情绪、炒预期，而是一个真正可以投资的方向。

“我觉得车路云发展应该比具身智能能够更早的商业化落地。”杨首骏说。

从投资角度而言，杨首骏表示，路的机会多一些。“车路云一体化建设的核心目标是通过数据与算力协同，提升交通效率、保障行车安全、推动自动驾驶规模化落地，并赋能城市治理等社会经济发展需求，是具有高度公共性和社会服务属性的，和水、电、通信网络、高速公路类似，属于智能时代的基础设施。”杨首骏表示，一旦这方面空间打开，路一定会带来不少投资的机会，对于二级市场来说就是一个确定性。