为什么说DeepSeek将加速人形机器人产业大爆发_财经频道

（原标题：为什么说DeepSeek将加速人形机器人产业大爆发）

转发自：@先知减一老师。先知老师是国内头部人形机器人的投资人，目前在国内清华系的一家产业基金，也是科技领域的投资人，早年他还在中科大的时候就很熟的朋友了，欢迎大家关注

一、基础知识——人形机器人和具身智能是一回事吗？之前市场在预期什么？

1. 人形机器人和具身智能的关系：

顾名思义，具身智能 (Embodied Artificial Intelligence)，就是给具身（多指人形机器人）赋予智能。

具身智能大模型是人形机器人实现商业价值的必备器官（大脑）。

人形机器人的控制涉及四个环节，分别是感知、决策、规划、执行。

以让机器人做火锅为例：

感知：识别环境信息，确认锅、底料、水、电磁炉的位置和形状，确认当前环境已通电。

决策：认为当前环境满足做火锅的条件，决定做火锅。分析出做火锅需要三步：架锅插电、倒水放底料、烧水。

规划：把步骤划的更细，比如倒水动作是把机械臂往前伸1米，以45度角向下转动手臂。

执行：执行规划环节输出的代码。

前三个环节未来都要通过具身智能大模型来完成。显然，人类对具身智能大模型的能力要求，比我们常见的大语言模型要高很多。

2. 具身智能的定义：

本质上，具身智能大模型 = 强推理模型（决策规划） + 多模态大模型（感知和处理） + 世界模型（提供数据和知识）。

（1）强推理模型：推理能力强，做好决策规划。减少模型幻觉的出现概率，话可以乱说，机械臂不能乱甩。

（2）多模态大模型：大语言模型的升级版，不仅有文字信息的处理能力，还能处理图片、视频、触觉信号等“多个模态”的信息。

（3）世界模型：人形机器人需要了解和储备真实世界的物理规律（重力、摩擦力等）和物体的物理信息（形状大小、表面材质等）。

小球实验：R1快把牛顿的棺材板掀开了

网页链接

3. 市场在预期什么？为什么人形机器人这么火？

之前市场在预期ChatGPT展现的涌现现象（对应Scaling Law），也能在具身智能大模型出现。具身智能迎来自己的GPT时刻。

——将现有数据集规模增加2-3个数量级，错误率可降到1%。

但不同于大语言模型的涌现，具身智能研发的两大难题是：

（1）数据不够：物理数据比互联网数据难获得。

所以智元等公司在建大规模的数据采集工厂，但相比大语言模型所使用的互联网数据，还是杯水车薪。

（2）推理能力不足：物理世界更复杂。

整个机器人行业刚开始学习运用最基础的触觉信息。

二、人形机器人的GPT时刻？——DeepSeek对具身智能的影响预期

1. DeepSeek重大里程碑

24-11-20：发布R1-Lite-Preview，关注度很小，学术界都还没关注。

24-12-26：发布V3，开始在学术界引起关注。也是后来R1的基座模型。

25-01-15：发布App，并且有深度思考功能。

25-01-20：发布R1，公布论文、开源模型权重。

2. DeepSeek的强推理能力，展现了具身智能实现的“曙光”

对应上文提到的：具身智能大模型 = 强推理模型 + 世界模型 + 多模态大模型。逐个分析：

（1）推理能力极强：适合决策规划环节。

DeepSeek-R1是思维链（CoT）推理模型的代表作（其他还有OpenAI-o1/o3、Kimi 1.5等）。这类模型的特点是：在回答前推理思考，先生成一条可长达万字的思维链，逐步分解复杂问题，通过多步骤逻辑推理解决问题，因此在复杂任务中展现出极高效率。非常适合具身智能的决策规划环节。

以之前讲做火锅需要的三步为例：架锅插电、倒水放底料、烧水。

DeepSeek思考的逻辑性非常强、细节很多（还要讲究油温，比普通人思考的多）。

（2）世界模型能力走强中：

思维链推理模型极大提升了对物理世界的理解能力。OpenAI-o1作为OpenAI的初代推理模型，在数学、代码领域均比4o提升5-6倍，在科学问题领域（生物、物理、化学）甚至已超越人类专家。

R1与o1全面对标

3. DeepSeek超轻量级推理模型，为具身智能端侧爆发点燃引线

（1）Scaling Law在被超预期突破：

以DeepSeek-R1（671B）、OpenAI-o1（300B）为代表的思维链推理模型，将大模型从参数内卷中拯救出来（相比GPT-4有18000 B参数，是R1的27倍），开辟了大模型研发新思路，通过思维链方式大幅提升了模型能力。

且DeepSeek-R1采用创新的混合专家架构，每次推理仅激活37B参数，就达到了比肩OpenAI-o1的效果（GPT-4的1/486）。

模型对参数要求在大幅缩减，涌现现象出现的概率大幅变高，超越了学术界和产业界对此的预期。

（2）世界模型提前到来：

过往需要收集互联网数据量级的物理世界数据量，才能实现机器人对物理世界的理解。

这个看似不可能完成的任务，随着推理模型能力的成倍增加（见上图表），现在正以成倍的速度被解决。

通过模型本身的进化 + 大规模收集数据，双管齐下，解决世界模型的研发难题。

有理由相信，未来随着新的模型结构出现，世界模型还会进一步加速到来。

（3）百花齐放的时代到来，端侧模型能力大幅提升：

DeepSeek团队用R1产生的高质量数据，去SFT（监督微调）和蒸馏其他家模型（阿里Qwen、META Llama），均以30-50%的幅度全面提升了这些模型的能力。

这证明了DeepSeek数据集能显著提升其他模型的能力，已开始有大量端侧模型运用其数据集和思路大幅加强自身能力，人形机器人的端侧模型不再是故事，开始变得可用。

（蒸馏版千问32B基本已在及格线上，且强于OpenAI-o1-mini）

（4）使用&训练成本低 ? 需求&供给同步拉升：

DeepSeek-R1的API价格为：0.07美元（缓存命中）& 0.28美元（缓存未命中）/百万输入tokens，1.10美元/百万输出tokens。

对比OpenAI-o1：15美元/百万输入tokens，60美元/百万输出tokens。

DeepSeek-R1的输入和输出价格分别是OpenAI-o1的 0.5-2% 和 1.8% 。

在DeepSeek-V3和R1压力下，2025年2月6日OpenAI发布的o3-mini模型价格较前代降低63%（仍显著高于DeepSeek-R1）。

DeepSeek 的训练成本也较低，其基座模型DeepSeek-V3在预训练阶段只花费557.6万美元。成本只有同类模型的5-10%（Meta Llama 3.1和GPT-4都是6000万美金左右）。

三、投资观点：重点关注有更高壁垒和价值的“智能”部分，而非传统制造业的“具身”

经历过去半年的热炒，大量本该是低市盈率的制造业公司被炒上岸（轴承、外壳等公司）。随着DeepSeek带来具身智能的突破，2025年人形机器人投资开始分化，我们需要以终局思维审视产业价值分配——真正决定机器人商业化落地的核心要素，不是机械结构的精密度，也不是执行器件的响应效率，而是“感知、决策、规划、执行”这一闭环的完成度。

1. 感知、数据采集：

（1）感知是人形机器人与环境交互的基础前提。

（2）要达到具身智能还需要收集大量数据，一线城市在陆续大规模兴建数据采集工厂。

（3）可关注雷赛智能（灵巧手及“小脑”运动控制）、鸣志电器（灵巧手空心杯电机）等公司。

2. 决策规划：

（1）具身智能大模型用于决策规划需用到大量算力。

（2）随着端侧级模型开始可用，端侧算力芯片模组大有用武之地。

（3）港股公司地平线针对机器人应用场景成立子公司地瓜机器人，已在多个场景大规模出货。

（4）A股可关注一博科技（PCB设计制造）、美格智能（模组，已落地人形机器人）等公司。

ü 重点关注$一博科技(SZ301366)$ ：端侧算力领域的平台级产品，已与宇树达成合作

一博的主要产品为PCB，即电路板，是所有端侧算力芯片的根本载体，就像是芯片的胎盘，具有平台级产品的潜力。一个好的PCB承载平台，能最大程度地提升芯片的集成度、保障散热能力和信号完整性，是人形机器人不可或缺的核心零部件。（具体案例：一博科技通过PCB设计，使人形机器人传感器响应速度提高30%）

针对PCB高端产品的需求度，咨询头部具身智能公司灵巧手负责人得知：合适的PCB板一价难求，目前只能专门花大价钱定制。