今日截至13點35分，機器人ETF（562500）午后延續弱勢震蕩，現報0.981元，跌幅0.91%。從分時圖看，價格早盤沖高回落后持續運行于分時均線下方，當前在0.98元附近企穩嘗試技術性盤整。持倉股表現分化，73只成分股中上漲22只、下跌51只，其中華昌達、弘訊科技等個股小幅領漲約2%，而億嘉和、華東數控、奧普特跌幅居前，板塊整體延續調整格局。成交方面，成交額約6.3億元，交投維持活躍，換手充分。近五個交易日中，ETF連續獲資金凈流入，顯示中長期配置興趣仍在。

消息方面，近日，京東狼族機器人全球智能工廠項目正式落地無錫。該項目將建設京東全球首個智能物流機器人超級工廠，實現從核心零部件生產到機器人本體組裝、再到軟件系統集成的全流程智能化，建成后將成為京東規模最大、自動化程度最高的機器人生產基地之一。

華泰證券表示，從具身模型的演進階段看，可把技術迭代劃分為四個階段：認知引入階段（2023年起）： 行業主要探索將ChatGPT等具備強大認知能力的語言模型與視覺語言模型引入機器人系統。該階段的模型與行為動作控制仍是分離的，屬于“認知”與“行動”的初步結合。快慢系統融合階段（當前主流）： 以π0、Helix等模型為代表，形成了“實時行動且深度思考”的端到端模型，將語言模型的深度思考能力與行為控制的實時響應能力相結合，雖為快慢雙系統，但實現了端到端訓練。生成式世界模型階段（前沿探索）： 以Sora為代表的生成式模型為機器人帶來了質變。機器人交互的對象是具體的物理世界，而傳統語言模型的理解停留在抽象空間。生成式模型能精細捕捉物理交互的動態變化，并從海量無標注的互聯網視頻數據中自監督地學習物理規律，構建“世界模型”，解決了機器人真機數據稀缺的核心痛點，實現了從“互聯網級”數據中汲取知識。強化學習優化階段（性能突破）： 以DeepSeek R1模型為代表，將強化學習引入基于模仿學習的VLA模型。單純的模仿學習無法超越示范者的能力上限，且在復雜物理交互中表現欠佳。強化學習通過對探索與試錯的獎勵，能顯著提升任務的成功率與模型的魯棒性，是實現性能超越的關鍵。

機器人ETF（562500）是全市場唯一規模超兩百億的機器人主題ETF，成分股覆蓋人形機器人、工業機器人、服務機器人等多個細分領域，幫助投資者一鍵布局機器人上中下游產業鏈。場外聯接（華夏中證機器人ETF發起式聯接A：018344；華夏中證機器人ETF發起式聯接C：018345）。