今年上半年，人形机器人领域全球融资总额逾10亿美元，超过去年全年。投资人关注的核心问题是如何合理估值这些潜力企业。国君产业研究肖群稀团队总结出人形机器人四大估值基础：硬件、模型、数据、人才。
硬件：人形机器人本体硬件是基础，中国具备供应链优势。硬件每迭代一次，机器人核心性能就会跃升一个台阶。一体化关节、灵巧手方案的升级对精度、力控、操作有决定性影响。完全自研的高性能稳定硬件对于根据算法和数据进行快速优化和修改至关重要。跨硬件的算法目前还处于论文阶段。中国人形机器人供应链优势明显，得益于多年在新能源汽车和机械通用零部件行业的积累。
模型：执行模型与硬件密切结合。大模型可分为非具身大模型（基础大模型）和具身智能大模型（机器人大模型），区别在于能否生成运动姿态。非具身大模型如GPT、Sora等，输入输出模态为语言、图片和视频。具身智能大模型输入视觉、语言信号，输出三维物理世界的操作。端到端的具身大模型对数据和算力要求高，如Tesla FSD、谷歌RT模型。大多数人形机器人公司采用分层端到端的具身大模型：基础大模型（LLM或VLM）、决策大模型、操作大模型。决策大模型以ChatGPT for Robotics、谷歌PaLM-E为代表，技术方向从LLM向强化学习（RL）演进。操作大模型根据决策大模型输出执行具体动作，需与硬件深度集成，且通过数据采集实现，技术方向从“MPC+WBC”向“RL+仿真”演进。
数据：能否获得足够数量、足够便宜且高质量的数据，是目前机器人发展的瓶颈，也是拉开差距的重要手段。数据是AI发展的最大助推力，真实环境收集数据不足，需仿真数据弥补。主流数据采集方法是仿真生成数据和真实环境采集。特斯拉使用人类真实运动方式训练机器人，英伟达推出MimicGen和Robocasa模型，通过真人遥操作数据捕获，再生成合成运动数据和模拟环境。数据采集后还需分发、清洗、打标签、校验、存储、管理等工作。数据能力强的公司会自己做数据pipeline，能力弱的会采购数据服务商工具。人形机器人厂商短期目标是发掘应用场景，积累数据，训练小模型，再拓展新领域。
人才：数据团队需具备强大组织能力，核心团队需有大规模工程师组织经验；算法团队需在开源算法基础上进行二次开发和创新，实现高质量、高性能的人形机器人；硬件工程团队需高集成能力，通过不断试错积累经验。
风险提示：落地难题浮出水面；低估技术难度；竞争激烈；投资过度引发泡沫。
