野村：机器人的ChatGPT时刻要来了，灵巧手和具身智能产业链迎来新机会

AI产业的下一场突破，可能不再局限于屏幕里的大模型，而是让机器人真正走进工厂、学会干活。

野村证券在10月23日发布的最新研报《ChatGPT时刻进入视野》中提出一个值得关注的判断：机器人正在沿着大语言模型的发展路径前进，属于机器人的ChatGPT时刻，可能比市场预期来得更早。

野村认为，未来机器人产业的竞争，将不只是比拼硬件性能，而是逐渐转向模型、数据、算力和真实场景的综合竞争，随着训练方法不断进步，机器人有望更快地掌握新任务，灵巧手也可能率先受益。

在产业链方面，野村重点关注三个方向：机器人基础模型、灵巧手及核心零部件，以及能够实现规模化生产的机器人本体制造商。

不过，野村也明确指出，目前机器人距离真正成熟的商业化应用仍有差距，2026年末至2027年初的新一轮模型发布，可能成为观察行业进展的重要窗口。

一、机器人正在重走大模型的成长道路

为什么野村认为机器人的ChatGPT时刻正在接近，关键在于机器人训练方式正在发生变化。回顾大语言模型的发展，早期模型主要通过海量文本进行预训练，随后通过指令微调提升理解能力，再通过强化学习不断优化表现，野村认为机器人也正在经历类似的三个阶段。

第一阶段是大规模预训练，让机器人先学会理解世界。机器人需要通过大量数据学习物体、动作和环境之间的关系，过去训练机器人往往依赖人工遥操作，让机器人逐一执行任务并记录数据，这种方法成本高、速度慢，很难快速积累海量训练样本，现在行业开始尝试利用人类日常生活的第一人称视频，让机器人通过观察人类如何拿取物品、整理桌面、操作工具来学习动作规律。

第二阶段是针对具体任务进行微调，机器人先通过大量视频掌握基本规律，再使用少量遥操作、动作捕捉等数据，学习如何将这些规律应用到真实机器人身上。第三阶段是通过强化学习不断改进，机器人可以在仿真环境中反复尝试，通过试错优化动作，而不必每次都在真实环境中进行训练。

这套方法的核心，是让机器人从过去需要工程师逐个编写动作，逐步转向自己学习和适应任务。野村将当前的机器人智能水平类比为2012年前后的深度学习阶段，已经出现突破的早期迹象，但距离可靠地承担真实工作还有一段距离。

二、机器人训练成本有望大幅下降，数据成为核心竞争力

如果说大模型的成长离不开互联网文本，那么机器人智能的成长就离不开动作和物理世界的数据，问题在于机器人没有现成的互联网可以直接学习。野村估计，目前行业中以统一格式收集、真正可用于训练的数据约为10万小时，而机器人智能出现明显跃升所需的数据规模可能达到百万小时级别，长期需求甚至可能达到千万乃至上亿小时，这意味着谁能更低成本地获得高质量数据，谁就更有机会推动机器人模型持续进步。

目前行业主要有四种数据采集方式。真实机器人遥操作的成本约为700元每小时，数据真实但通常与特定机器人设计绑定；第一人称视频的成本约为300至350元每小时，容易扩展且跨机器人复用潜力较大；UMI通用操作接口的成本约为100至300元每小时，不必依赖完整机器人但采集方式存在限制；仿真合成数据的成本约为120元每小时，成本较低但真实世界适用性仍有局限。以上为研报不同数据采集方式的估算价格，UMI与第一人称视频的价格区间存在部分重叠。

野村特别看好第一人称视频的作用，原因很简单，机器人可以先观察人类如何完成任务，再利用少量机器人数据进行适配，这样一来训练数据就不必全部通过昂贵的真实机器人操作获得。如果这一模式持续发展，机器人训练将越来越接近大模型的缩放定律，随着训练数据和算力增加，模型表现有望持续改善，这也意味着机器人产业的竞争可能进一步向拥有充足算力、数据资源和先进模型的AI实验室集中。

三、训练效率提升1000倍，机器人智能可能迎来新突破

野村在报告中重点提到了CoRL 2026会议上的一项研究SuperMimic，这项研究尝试让机器人先学习一个能够预测自身运动规律的模型，再利用这个模型训练控制器，而不是完全依赖传统物理仿真器进行大量试错。

研究结果显示，在特定的人形机器人全身动作控制测试中，SuperMimic使用一张GPU训练3小时，取得了优于一项使用128张GPU训练7天的基准方法的结果，按照论文报告，训练算力消耗减少超过1000倍。在研究测试集的129,514个动作中，3小时训练的模型失败25次，进一步使用两张GPU训练9.8小时后，测试失败次数降至0次。

这项研究说明机器人训练不一定只能依靠不断增加硬件和算力，也可以通过改进训练方法大幅提升效率。当然这属于特定研究环境下的实验结果，并不意味着所有机器人任务都已经实现同等幅度的效率提升，但对产业而言它传递出的信号很重要，如果机器人训练成本持续下降，过去因为数据不足、训练昂贵而难以实现的复杂动作就可能逐渐变得可行，这将为灵巧手、复杂操作和人形机器人运动控制创造新的发展空间。

四、灵巧手可能率先受益，2026年出货量有望增长80%至120%

在野村看来，机器人产业链中灵巧手是值得重点关注的方向之一，为什么不是先看整机而是先看手，因为抓取和操作物体是机器人真正进入工厂、家庭和服务场景必须解决的问题。

目前不少机器人仍然使用两指或三指夹爪，原因不完全是五指手制造不出来，而是复杂手部动作需要更多训练数据，控制难度也更高，如果基础模型的能力提升，机器人就有机会把在简单夹爪上学到的技能迁移到更复杂的五指手上，这意味着过去难以实现的精细抓取、物体整理和工具操作有望逐步改善。

野村预计2026年机器人灵巧手出货量同比增长80%至120%，增长主要由高自由度灵巧手推动。研报还给出了不同技术路线的平均售价估算。连杆式2025年均价约12,000元，2026年预测均价约10,000元；腱驱动2025年均价约38,000元，2026年预测均价约26,000元；直驱式2025年均价约33,000元，2026年预测均价约20,000元。

可以看到随着技术迭代和规模扩大，灵巧手的平均售价预计下降，这并不一定意味着产业链机会减弱，如果价格下降能够带动更多机器人采用灵巧手，行业可能出现出货量增长、产品结构升级与成本下降并行的局面。野村还估计2026年人形机器人灵巧手渗透率约为40%，而工厂中夹爪被替换的比例也有望明显提升，因此灵巧手的投资逻辑不只是单纯的零部件涨价，而是机器人智能提升之后复杂操作硬件的需求可能随之扩大。

五、机器人本体可能迎来标准化，供应链能力更加重要

野村认为未来机器人硬件设计可能逐渐收敛，出现类似智能手机产业的标准化趋势，当机器人的大脑逐渐成熟，行业就不必再为每一种任务设计完全不同的机器人，而是可以围绕少数标准化本体持续优化。

但标准化之后制造难题反而更加突出，机器人通常拥有20多个关节，如果不同机器人之间的机械结构、运动表现和控制参数存在较大差异，那么在一台机器人上训练的模型就很难直接迁移到另一台机器人上，因此未来机器人制造商不仅要把产品造出来，还要保证每台机器人的一致性，这涉及成本控制、制造一致性和快速迭代三个方面。

成本控制方面要降低电机、减速器、执行器等核心零部件成本，制造一致性方面要保证不同机器人之间的动作表现尽可能一致，快速迭代方面要在规模化生产过程中持续改善产品性能。

野村预计一台1.7米高的人形机器人实现量产后的合理成本约为15万至20万元，1.3米高的机器人约为3万至4万元，其中执行器也就是驱动机器人关节运动的电机与齿轮箱单元约占机器人零部件成本的50%至75%，这意味着随着机器人逐渐走向量产，执行器及其相关供应链仍将是成本优化的重要环节。

野村提到的潜在受益者包括宇树、汽车制造商以及关键零部件供应商，其中宇树的优势在于快速迭代和成本控制，随着产量提升，野村预计其有可能提高部分零部件的外包比例，在降低成本的同时维持产品质量。

六、真正的机器人ChatGPT时刻，需要形成数据闭环

尽管模型能力和训练效率都在改善，野村认为真正决定机器人产业何时突破的，是能否形成持续运转的数据闭环。这个闭环可以简单理解为机器人在工厂或其他真实场景中执行任务，积累真实数据，这些数据用于改善模型，模型变得更好之后机器人能够承担更多任务并进一步积累数据，随着机器人部署数量增加，模型就有机会持续进步。

特斯拉是野村重点讨论的案例之一，报告认为特斯拉同时拥有AI研发能力、真实机器人、仿真环境和工厂测试场景，有条件建立从训练到部署再到数据回流的完整体系，相比之下如果一家企业只有机器人模型却没有足够的真实机器人和应用场景，就可能难以形成同样的闭环。

野村提出了判断机器人是否真正成熟的五项指标。

第一是连续工作时间，能否长时间工作而不需要人工介入；

第二是精细操作能力，能否稳定完成复杂的手部任务；

第三是适配新机器人速度，模型能否快速迁移到不同机器人本体；

第四是学习新任务的效率，需要多少次示范才能掌握新任务；

第五是工厂作业准确率，能否达到工业客户要求的可靠程度。

其中野村尤其重视连续工作时间和工厂作业准确率，因为只有当机器人能够持续稳定地完成工作，客户才可能从试验预算转向真正的运营预算，商业化才算迈出关键一步。

七、2026年末至2027年初，关注模型发布带来的催化

野村认为未来几个月可能是观察机器人智能进展的重要窗口，报告提到OpenAI可能在2026年12月至2027年1月发布面向物理AI的模型，字节跳动、DeepSeek等参与者也可能推出新模型，此外OpenAI的人形机器人演示以及未来GPT-7相关进展都可能成为市场关注的催化因素。

但真正值得关注的不仅是新模型的发布，而是模型能否在真实机器人上体现出明显改善，例如减少训练所需的数据量、提高复杂操作成功率以及缩短适配新机器人所需的时间。

对于产业链而言，模型突破可能通过两条路径传导，一条是灵巧手等复杂操作硬件受益于模型能力提升，机器人可以完成更多过去难以完成的任务，另一条是机器人本体及核心零部件供应链受益于产品标准化和规模化生产，成本下降推动应用场景逐步扩大。

野村对宇树维持买入评级，不过报告也强调机器人智能距离成熟仍有差距，真正的商业化突破需要模型、数据和真实场景共同推动。

完整内容及更多干货已整理在知识星球

欢迎扫码加入

▼