自2023年起，大模型与具身智能成为科技发展的两大趋势，推动机器人智能化进程。然而，机器人端侧模型的落地面临多重挑战，包括芯片适配、数据积累及算力限制。目前，国内机器人厂商大致分为视觉感知、强化学习和语言模型三大技术派别。尽管大模型在提升机器人智能方面具有潜力，但在具体操作上，仍限于简单任务理解和短期动作执行。

大模型在机器人领域的应用还需克服三角关系：芯片迭代依赖市场需求，而机器人消费市场依赖于智能水平的提升。这导致大模型、机器人厂商与芯片厂商之间的相互牵制。模型厂商期望芯片厂商提供适配机器人端侧模型的芯片，而芯片厂商希望机器人厂商增加市场需求，形成僵局。

数据不足是另一难题，机器人数据采集成本高且多样化。此外，端侧模型的算力限制也制约了其在机器人上的应用。尽管一些厂商提出端云协作和非Transformer架构等解决方案，但要实现大模型在机器人端侧的广泛应用，仍需多方共同努力，突破现有技术瓶颈。