具身智能大小脑专题核心观点
·具身智能商业化脉络分析：结合 2026 年马年央视春晚热点，通过两个四象限图
构建人形机器人商业化脉络思考框架，框定高价值量、低重复性场景，分为 To
B 和 To C 的大脑、小脑分化四个场景，其中三个场景在春晚中有所体现：a. To
B 大脑泛化、小脑泛化场景，宇树机器人展示出人类士兵极限水准运动控制能力，
入围白宫严选 1260H 清单，16 台机器人实现毫秒级误差的蜂群协同，显现特种
行业采购需求端倪；b. To C 大脑泛化场景，松岩动力机器人在节目中具备强陪
伴能力；c. 贺岁微电影里银河通用机器人完成盘核桃、叠衣服等复杂家务任务，
验证点状复杂家务的交付能力。此外，2025 年关注度较高的小鹏 Aaron 机器人
可实现展厅导览、导购等功能。盈利逻辑上，高价值量不等于高利润率，To C 需
从情感投示、用户数据、品牌正向飞轮挖掘高利润；To B 要规避行业通缩，类比
Robot Taxi 单公里价格下降、初级代码工程师薪资下滑，应选择支付能力强、预
算充足且需求契合的场景。
·大模型与数据侧发展评述：具身智能大模型发展方面，整合大脑和小脑的一段式
全身推理系统是行业攻关的圣杯，春节前 Figure AI 发布的 Helix 02 模型是重要
里程碑，新增底层运动控制系统，实现一段式全身推理，反应延迟低，类人泛化
度高。当前多数厂商仍采用大小脑分立路线，2025 年验证到具身大脑参数门槛
的 scaling law，其预训练参数量比大语言模型高 1~2 个数量级（70 亿参数激活
量，远超 GPT 3 的几千万参数量），这标志着具身大脑研发从科学问题转化为数
据和工程问题，仅需堆数据、堆资源及算子调优；同时对数据要求同步提升，需
大规模采集积累数据。数据采集有三条路线，过去一年发展迅猛：a. 真机素材方
面，UMI 夹爪使 30 秒视频数据成本降低 1~1.5 个数量级；b. 仿真合成路线上，
英伟达 FXSim 及国内索辰科技、群核等模型效果优异，数据量充足时 SimtoReal
的失真问题可有效收敛；c. 人类视频路线上，Google Gemini 3 Pro 及 2026 年春
节前后的 3.1 Pro 版本在屏幕理解、多模态推理能力上翻倍提升，可将人类视频
中的人手替换为机器人本体，解决跨本体问题。未来真机是必要数据底座，仿真
和视频可作为数据扩充补充。$利亚德 sz300296$