中信建投研报表示，为实现物流分拣作业 ，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力 。我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间。从经济性来看
，在2年收回成本的假设下，泛人形机器人的投入产出比与分拣工人已经持平
。我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用 ，等客户验证后明年有望迎来爆发增长。

　　中信建投：看好泛人形机器人在物流分拣场景率先应用

　　为实现物流分拣作业
，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力 。我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间
。从经济性来看 ，在2年收回成本的假设下
，泛人形机器人的投入产出比与分拣工人已经持平。我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用，等客户验证后明年有望迎来爆发增长 。

　　为实现物流分拣作业 ，泛人形机器人（非完全人形）需要具备多模态感知和端到端大模型能力
。物流分拣动作主要分为包裹检测、抓取与翻转 、条码识别、路径规划
、投递归位等步骤
，需要人形机器人具备多模态感知能力（视觉、触觉 、力觉等）和自主决策的端到端大模型能力。

　　我们认为当前硬件端泛人形机器人已经达到物流场景商业化的门槛，但国产具身模型端距离真正落地仍有一定提升空间 。从分拣效率来看 ，1）海外：Figure 02效率已接近正常工人
。基于Helix神经网络
，Figure 02处理一件包裹的平均时间为4.05 秒。而正常熟练分拣工人的单个标准小件快递分拣效率为3-5秒 。2）国内：智元精灵G1分拣速度较熟练工人仍有一定距离
。此外，我们也需要注意 ，在分拣质量和应对异常的处理上，泛人形机器人较熟练工人仍有差距。

　　经济性方面
，现阶段分拣场景泛人形机器人替代工人处于临界点 。假设分拣场景的单个工位工人2班倒，一人工作8小时 ，单人年工资10万元
，而泛人形机器人成本40万元，单日工作时长20小时 ，工作效率约为工人80%。在2年收回成本的假设下
，泛人形机器人的投入产出比与工人已经持平，随着泛人形机器人硬件成本和智能化水平提升（体现在产出效率） ，终端客户基于降本增效目的有替换工人的动力
。

　　模型方面
，Figure和智元具搭载自研具身模型。Figure 02搭载Helix具身智能模型 。智元精灵G1由端到端数据驱动具身算法，通过海量真实数据训练出的“大脑 ” ，能像人类一样实时感知环境
、理解任务、并自主精准执行操作
。数据采集和模型迭代方面
，智元携手德马科技共建训练与数据采集工厂，Figure在快递流水线上进行实训。

　　展望后续 ，我们认为今年下半年泛人形机器人在物流场景会逐步从demo场景转向交付客户试用，等客户验证后明年有望迎来爆发增长
，海外由于人工成本更高昂，将会是物流场景落地的首选 。建议关注有望凭借二次开发能力获得超额溢价的整体方案解决商 、商业化落地进展领先的本体厂对应的核心供应商
。

（文章来源：第一财经）