具身智能是机器人实现感知、决策、控制的关键。目前主流的算法方案分为端到端模型和分层决策模型两种路径。端到端模型通过一个神经网络完成从输入到输出的全过程，但需要海量数据(603138)训练和大量计算资源。分层模型实现难度相对简单，但不同步骤间的融合和一致性有待提高。无论采用何种算法，都需要搭建完整的数据收集系统，形成数据飞轮来实现scaling law，这是机器人算法公司的核心竞争力。
在商业化方面，具身智能机器人需要具备移动能力和通用操作能力。通用型机器人在移动能力上实现门槛较低，成本更低，而人形机器人在复杂场景下移动仍面临挑战。通用操作能力是机器人能够在不同环境中完成各种任务的关键，但目前技术路径尚不确定。我们判断，通用机器人相比人形机器人更有可能先实现商业化，且商业价值更大。未来最先落地的可能是移动抓取和放置技能，应用于工厂、药店/超市、商用清洁等场景。国内机器人公司以通用型为主，领先厂商已实现盈利。
展望未来，算法层面的进展将直接决定下一步商业化落地节奏。中短期内，机器人可能进入工厂、药店/超市、商用清洁等封闭或半结构化场景。当前国内的机器人公司以通用型为主，双足类机器人进展相对较慢。国内通用型机器人基本采用四足形态，代表的厂家包括宇树科技、云深处、银河通用等，领先的厂商目前已经能够维持盈利状态。
风险因素包括全球经济增速放缓、持续高通胀、全球半导体芯片短缺、技术发展和产业化进程不及预期、人工智能技术创新和算法迭代速度放缓、机器人安全性、可靠性事故引发的法律诉讼和声誉损失、人才竞争加剧等。在投资策略方面，人形机器人的商业化落地需要同时解决移动能力和操作能力两大挑战，而这两种能力所需的技术路线和发展进程存在差异。如何在商业落地的过程中高效收集高质量的数据，将成为决定公司长期竞争力的关键因素。