商业化:大小脑最关键，上肢协作是目前卡脖子领域
　　人形核心算法包括:上肢眼脑手协同的manipulation算法、自主识别和导航的循迹算法和运动控制算法。
　　上肢的控制比下肢壁垒高:目前本体公司多数主要展示的是下肢运控能力，较少展示上肢协作能力。下肢数据集和开源算法相对比较成熟。上肢本质上是大脑控制，目前没有成熟的数据集和模型，需要大量数据和训练作为前置条件。
　　上肢协作需要采集大规模高质量的数据。figure-helix、智元-Genie Operator-1、银河通用-GraspVLA等,均是针对上肢协作的大模型。
　　风险提示
　　1.机器人落地进展不及预期风险。人形机器人发展过程中将面临智能能力提升、硬件降本等多重阻碍，若放量时间低于预期，将导致相关设备的放量时间不及预期，资本投入长期难以回收，对公司的业绩产生负向影响。
　　2.现有主业下游发展不及预期风险。产业链部分公司下游呈中低速增长，若订单交付量不及预期，将对业绩经营产生负向影响。
　　3.竞争加剧的风险。硬件端长期比拼成本，行业前景向好的背景下，各细分赛道参与者将持续增加，导致原有参与者处于的竞争格局恶化，份额和溢价能力可能被侵蚀，进而影响机器人相关业务的盈利能力。
　　4.价格超预期下降风险。统计价格主要来自当前没有量产的情况下的售价，若量产后，价格随着规模效应提升容易产生较大波动，进而导致板块市场空间下行。