本篇报告研究了以下核心问题：1、大模型的问题：我们对大模型的相关概念进行了释义和逻辑解读，认为LLM-VLM-VLA是具身智能发展的进阶路径，需要实现大模型从语义理解到物理世界理解的“具身”化、适应不同环境和任务的通用泛化，在实现的过程中，面临商业化落地的精度取舍和数据缺乏的瓶颈；2、梳理了部分布局者的大模型及本体进展，对比本体厂、大厂和独角兽公司的大模型技术路径及进展，包括银河通用、智元、Figure AI、优必选和Physical Intelligence PI；3、投资机会：我们认为，数采工具+垂域场景或可落地先行，可关注有垂直场景和丰富行业数据的公司。
　　一、模型的问题：大模型的概念、需求及瓶颈
　　1、概念的解读：梳理了大模型的相关概念并进行释义和逻辑解读
　　2、具身的需求：对大模型来说，完成叠衣服任务的难度远超于赢得国际象棋，具身智能机器人的应用需要跨越虚拟来到现实；
　　3、泛化的需求：泛化大模型VS.垂域模型；
　　4、核心的问题：是否是数据缺乏？
　　二、布局者的问题：本体厂/大厂/独角兽，具身智能模型进展如何？
　　梳理了部分布局者的大模型及本体进展，对比本体厂、大厂和独角兽公司的大模型技术路径及进展，包括银河通用、智元、Figure AI、优必选和Physical Intelligence PI等。
　　三、投资机会：数采工具+垂域场景或可落地先行
　　1、开发数采工具：部分厂商通过开发便捷易用、性价比较高的数采工具，解决目前具身大模型构建的数据缺乏、真机采集数据成本高的问题
　　2、拓展垂直场景：基于各公司对垂直行业的深度理解、丰富场景和海量数据，实现具身智能在垂直场景的率先落地
　　相关标的：我们认为人形机器人目前处于技术突破、商业化落地初期，后续有望迎来量产空间，维持人形机器人行业“推荐”评级。建议关注：1）具身智能本体公司优必选、极智嘉等；2）具身智能落地相关场景：杭叉集团、安徽合力、劲旅环境、杰克科技等；3）数采设备供应商汉威科技、南山智尚等。
　　风险提示：人形机器人行业进展不及预期风险；中美贸易摩擦超预期风险；大模型落地效果不及预期的风险；重点关注公司业绩不及预期风险；研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险。