近期，中信建投发布了一份关于泛人形机器人在物流分拣领域应用的研究报告。报告中指出，为了实现高效的物流分拣作业，这类机器人（非完全人形）需具备多模态感知和端到端大模型能力。
物流分拣工作包含多个环节，如包裹检测、抓取翻转、条码识别、路径规划以及投递归位等。这些环节要求机器人不仅要有视觉、触觉、力觉等多模态感知能力，还需要拥有自主决策的端到端大模型能力。目前，硬件方面的泛人形机器人已经达到了物流场景商业化的基本要求，但国产具身模型在实际应用中仍需进一步提升。
从分拣效率上看，海外的一些机器人产品已经接近甚至达到了正常工人的水平。例如，基于Helix神经网络的Figure 02机器人处理包裹的平均时间为4.05秒，与熟练分拣工人的效率相当。然而，在国内，如智元精灵G1等机器人在分拣速度上还与熟练工人存在一定差距。在分拣质量和应对异常情况的处理上，泛人形机器人也尚未达到熟练工人的水平。
在经济性方面，报告指出，当前泛人形机器人在分拣场景的应用已经处于替代工人的临界点。假设每个分拣工位采用两班制，每人工作8小时，年工资为10万元，而一台泛人形机器人的成本为40万元，但能够连续工作20小时，工作效率约为工人的80%。在这样的条件下，如果能在两年内收回成本，机器人的投入产出比将与工人持平。随着机器人硬件成本的降低和智能化水平的提升，企业出于降本增效的考虑，将有动力替换人工。
在模型方面，Figure和智元等品牌均搭载了自研的具身模型。Figure 02采用的是Helix具身智能模型，而智元精灵G1则通过海量真实数据训练的端到端数据驱动具身算法，使其能够像人类一样实时感知环境、理解任务，并精准执行操作。为了提升数据采集和模型迭代的速度，智元与德马科技合作共建了训练与数据采集工厂，而Figure则在快递流水线上进行实训。
对于未来趋势，报告预测，今年下半年，泛人形机器人将逐步从演示场景转向实际交付客户试用。一旦得到客户的验证，明年有望迎来爆发式增长。特别是在海外，由于人工成本更高，物流场景将成为泛人形机器人落地的首选。因此，建议关注那些具备二次开发能力、可能获得超额溢价的整体方案解决商，以及商业化落地进展领先的本体厂对应的核心供应商。
然而，报告也提出了几个风险提示。首先是市场竞争加剧的风险，随着越来越多的本体厂进入市场，竞争将更加激烈，可能对相关公司的盈利能力造成影响。其次是硬件降本不及预期的风险，由于当前人形机器人硬件技术尚未成熟，若后续技术变动较大或行业硬件降本不及预期，将对机器人的应用落地进度造成较大影响。最后是人工智能发展不及预期风险，人形机器人的落地核心取决于人工智能的发展，如果人工智能发展缓慢，将制约机器人的智能化水平提升，对行业落地造成负面影响。
