- 摩根士丹利发布机器人节（RoboFest）加州站预览报告，核心观点包括：1）机器人AI实验室开始产生实质性收入，Skild AI十个月内ARR达1亿美元，客
- 序号：459
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
- 摩根士丹利发布机器人节（RoboFest）加州站预览报告，核心观点包括：1）机器人AI实验室开始产生实质性收入，Skild AI十个月内ARR达1亿美元，客户从8家增至超60家；2）多家实验室实现"一次性学习"（one-shot learning），仅需3-12秒演示即可达到59%的首次成功率；3）世界模型（World Models）正取代视觉-语言-动作模型（VLA）成为新热点；4）不同数据策略（仿真+第三方视频 vs. 大量真实交互数据）均取得进展；5）人形机器人正将运动与操控整合为统一的全身模型；6）早期证据表明机器人模型可能遵循类似LLM的缩放定律；7）当前物理世界RSI（递归自我改进）的主要瓶颈是制造规模与系统集成，而非AI能力本身——机器人成本仍高达六位数美元，缺乏足够的"数据探针"来形成飞轮效应。
摩根士丹利于2026年9月16日发布机器人节（RoboFest）加州站预览报告。报告核心判断是： 报告以即将于10月12-13日在旧金山湾区举办的多家机器人AI公司参访为背景，系统梳理了行业最新技术进展。
一、收入端验证：机器人AI开始变现 报告援引了一个重要里程碑事件：——距离其首次商业部署仅过去十个月（据报道2025年营收约3000万美元）。客户数也从1月的8家增长至超过60家，数百台机器人已在仓库和工厂运行。 虽然单一公司不足以确立趋势，但这是在该领域内首例公开披露的、规模可观的营收数据。 二、技术突破："一次性学习"成为新标杆 过去，针对新任务的模型后训练可能需要数周的数千次演示。如今： ：在3-12秒的演示后，核心模型保持不变，一次性成功率可达59% ：通过单个人类视频即可达到类似效果 三、模型范式转移：从VLA到世界模型 12-18个月前主导行业的视觉-语言-动作（VLA）模型，正被新一代"世界模型"或"世界动作模型"取代。原因在于VLA模型存在和问题。NVIDIA、AMI Labs（Yann LeCun）、Physical Intelligence、Genesis AI等公司正引领这一转向——这些模型能够预演场景变化并选择最佳行动。 四、数据策略分化但均有效 行业出现了两种截然不同但都取得进展的数据策略： 策略代表公司特点 仿真+第三方视频 Skild AI 高可获得性，低保真度 大量真实交互数据 Generalist AI 高保真度，采集成本高 两者均声称实现了一定水平的一次性学习。 五、全身模型：人形机器人的关键进化 传统人形机器人通常将运动（locomotion）和操控（manipulation）分开运行，这限制了机器人只能"原地站立"作业。Google DeepMind、1X、Figure AI等公司近期推出的模型将两者，使机器人能够完成涉及重心转移的复杂任务（如搬运）。 六、缩放定律的初步验证 机器人模型可能遵循类似LLM的缩放规律： ：在20,854小时人类视频中发现了训练数据量与模型性能之间的对数线性关系 ：在约50倍规模（约100万小时）下观察到同样的模式，且无放缓迹象 七、核心瓶颈：制造与集成，而非AI 报告借用LLM起飞的经验框架指出，当前机器人行业虽然模型已具备实用性，但缺乏形成飞轮的两个关键条件： ：具备能力的机器人仍需六位数美元（甚至更高）成本 ：风险厌恶型且资金受限的物理世界客户难以大规模部署，限制了数据飞轮的形成 报告认为，随着机器人在多样化场景中大规模部署，有望从目前"最不可扩展、最昂贵"的训练来源，转变为"占主导地位"的训练来源。
本报告为，未对单一上市公司给出具体评级或目标价。报告涉及的均为（Generalist AI、Physical Intelligence、Genesis AI、Applied Intuition、Skild AI、AMI Labs、1X、Figure AI、Dyna Robotics），且摩根士丹利明确声明： "涉及私营公司的内容仅供信息参考，不构成对其未来上市后研究覆盖的暗示，不提供投资建议。" 报告后续提到了相关阅读材料，包括关于美国重建执行器制造（"机器人肌肉需要美国实力"）、SpaceX评级（超配，目标价300美元）、美国机器人保护主义等主题，建议投资者参考这些独立报告获取投资建议。
：报告中提到的"一次性学习"、世界模型、全身模型等突破仍处于早期阶段，实际泛化能力和可靠性有待大规模验证。 ：Skild AI的快速增长虽是积极信号，但单一公司案例不足以确立行业趋势；其他实验室的商业化进度尚未公开披露。 ：机器人成本仍居高不下，六位数美元的单价限制了大规模部署，进而制约数据飞轮的形成。 ：报告特别提及美国机器人保护主义议题（参考7月、8月报告），中美在机器人领域的竞争可能带来政策不确定性。 ：报告涉及大量私营公司，内容基于未审计信息，可能与公司实际情况存在偏差，投资者应自行进行尽职调查。 ：机器人AI领域技术路线尚未收敛（VLA vs 世界模型，不同数据策略），最终胜出的技术路线仍存在不确定性。
总体总结
主题正文
-
- 摩根士丹利发布机器人节（RoboFest）加州站预览报告，核心观点包括：1）机器人AI实验室开始产生实质性收入，Skild AI十个月内ARR达1亿美元，客户从8家增至超60家；
- 7）当前物理世界RSI（递归自我改进）的主要瓶颈是制造规模与系统集成，而非AI能力本身——机器人成本仍高达六位数美元，缺乏足够的"数据探针"来形成飞轮效应。
- 报告核心判断是： 报告以即将于10月12-13日在旧金山湾区举办的多家机器人AI公司参访为背景，系统梳理了行业最新技术进展。
- NVIDIA、AMI Labs（Yann LeCun）、Physical Intelligence、Genesis AI等公司正引领这一转向——这些模型能够预演场景变化并选择最佳行动。
- Google DeepMind、1X、Figure AI等公司近期推出的模型将两者，使机器人能够完成涉及重心转移的复杂任务（如搬运）。
- 报告涉及的均为（Generalist AI、Physical Intelligence、Genesis AI、Applied Intuition、Skild AI、AMI Labs、1X、Figure AI、Dyna Robotics），且摩根士丹利明确声明：
- "涉及私营公司的内容仅供信息参考，不构成对其未来上市后研究覆盖的暗示，不提供投资建议。
- 报告后续提到了相关阅读材料，包括关于美国重建执行器制造（"机器人肌肉需要美国实力"）、SpaceX评级（超配，目标价300美元）、美国机器人保护主义等主题，建议投资者参考这些独立报告获取投资建议。