今天給大家帶來 " 一頁紙 " 吃透一條產業鏈系列。本期的主角是：人形機器人，我們用 AlphaEngine 來解讀。

人形機器人：孕育下一個百倍機會的溫床

人形機器人產業正處在從研發演示向量產落地的關鍵拐點。

基于當前頭部企業如特斯拉（Optimus 計劃 2026 年量產）、 Figure AI 及國內優必選等的量產規劃，2025 — 2026 年被視為產業規?；炞C與商業化加速的關鍵窗口期。

當前人形機器人 呈現出" 硬件降本 " 與 " 軟件增智 "雙輪并進的態勢，由 B 端工業場景率先驅動，尤其是汽車制造領域。

優必選 Walker S1 、小鵬 Iron 等已進入比亞迪、極氪、小鵬等車企工廠進行實訓，驗證其在產線上的應用價值。

全球競爭格局初步形成，海內外企業路徑分化：

1. 海外巨頭：以特斯拉、 Figure AI 為代表，憑借其在 AI 算法、系統集成和端到端模型上的領先優勢，占據技術制高點。

2. 國內企業：依托中國強大的汽車及 3C 產業鏈，在供應鏈協同、整機快速迭代和成本控制上形成顯著優勢，部分國產產品價格已下探至 10 萬元級別，與海外產品形成明顯價差，為規?；袌鰸B透奠定基礎。

人形機器人產業鏈結構分析

人形機器人產業鏈可劃分為上游核心零部件、中游本體制造和下游場景應用三大環節。

其中，中游本體企業類比汽車產業中的 " 主機廠 "，在產業鏈中占據核心主導地位，負責技術集成、產品定義與規?；a。

* 注： 由 FinGPT Agent 制表，下同

1. 上游核心零部件：價值量高度集中于三大部件

關節是實現運動的基礎，分為旋轉和線性兩類。

減速器是確保運動精度的關鍵，主流方案包括諧波減速器（特斯拉 Optimus 采用）和行星減速器，代表企業有日本哈默納科及國內的來福諧波等。

傳感器賦予機器人感知能力，包括力 / 力矩、觸覺和視覺傳感器。

2. 中游本體制造：海內外企業加速布局，形成技術競賽

海外以特斯拉（Optimus）和 Figure AI（Figure 01）為代表，引領技術前沿。

國內則涌現出優必選（Walker S1）、智元機器人（遠征 A1）等初創企業，同時小鵬（PX5）、小米（CyberOne）等車企與科技巨頭也紛紛入局。

3. 下游應用場景：當前商業化聚焦 B 端

工業制造是首要落地場景，特別是汽車工廠，如優必選 Walker S1 已進入比亞迪和東風柳汽的產線進行實訓。

物流倉儲的搬運和分揀是另一大潛力市場。未來將逐步向商業服務和家庭場景滲透。

人形機器人面臨的主要挑戰

人形機器人普遍采用" 大腦 - 小腦 - 肢體 "的全棧式技術架構，該架構通過模塊化分工，高效協同支撐機器人的感知、決策與執行三大核心能力，是實現具身智能的關鍵框架。

其中，" 大腦 " 負責高級別的任務規劃與決策智能；" 小腦 " 專注于實時的運動控制與平衡協調；" 肢體 " 作為執行終端，負責與物理世界進行直接交互。

這種分層解耦的設計，旨在平衡復雜任務的泛化能力與高頻、實時的物理控制需求，是當前主流的技術實現路徑。

人形機器人的產業化進程取決于硬件與軟件兩大層面的協同突破。

硬件層面聚焦于 " 降本、量產、續航 " 三大核心挑戰，而軟件層面則致力于解決 " 智能泛化、數據稀缺、實時性 " 三大技術瓶頸。

1. " 硬件 " 層面的挑戰

1）成本高昂與標準化缺失：目前人形機器人硬件方案未收斂， 缺乏統一標準，導致 BOM 成本高企，其中關節模組、靈巧手為降本核心。

2）量產能力不足：頭部人形機器人公司 2025 年僅能實現百至千臺級小批量交付，多用于數據采集等非商用。

但隨著傅利葉智能的諧波減速器進入量產測試，宇樹科技自研 M107 關節電機，量產瓶頸有望突破。

3）續航能力限制：主流產品續航時間有限，距離全天候作業尚有差距，對商業化落地構成制約。

續航能力依賴電池技術的發展，目前廣汽 GoMate 采用全固態電池實現 6 小時續航；普渡科技 PUDU D7 電池容量超 1kWh，支持超 8 小時工作。

2. " 軟件 " 層面的挑戰

1）智能泛化能力不足：人形機器人領域尚未出現 "ChatGPT 時刻 "，模型表征能力與高質量數據短缺是智能涌現的核心瓶頸，但行業正在快速演進中。

智元機器人發布通用具身基座大模型 GO-1，采用 ViLLA 架構，任務成功率平均提升 32%。

Figure 的 Helix VLA 則采用 " 慢系統 + 快系統 " 平衡泛化與實時控制，成為工程落地主流。

2）高質量數據稀缺：運動與操作數據模態復雜，真實環境采集成本高、泛化難、標準缺失，制約模型訓練效果。

在數據方面，英偉達發布了 Cosmos 平臺，提供視頻世界模型生成物理合成數據，解決數據不足問題。

銀河通用則推出端到端抓取大模型 GraspVLA，基于合成大數據進行預訓練。

3）實時性與算力約束：現有模型動作頻率（如 π 0 的 50Hz）未滿足復雜場景需求（目標 100Hz），且端到端模型對算力要求極高。

模型動作頻率是目前人形機器人的重要瓶頸。把機器人想成一個人，動作頻率 = 你每秒能 " 刷新 " 多少次動作。

50Hz 就是每秒 50 幀，看起來已經挺快，但在摔了一跤要瞬間用手撐地這種場景下，50 幀里可能少算了關鍵 1 幀，手就斷了。

從 RT-1 到 Helix，模型控制頻率從不足 10Hz 提升至 200Hz，逐步滿足實時性要求。 只有機器人的 " 小腦 " 有足夠高的工作 " 刷新率 "，才能應付更復雜的突發情況。

* 注： 由 FinGPT Agent 制表，下同

當前，產業正通過供應鏈協同、核心部件自主化、大模型創新及開源生態構建等方式，加速攻克上述難題，推動商業化落地。

人形機器人市場規模與應用場景

人形機器人產業正處在商業化爆發前夜， 2025 年被普遍視為" 量產元年 "，標志著行業從原型演示邁向規?；涞氐年P鍵拐點。

長期來看，人形機器人有望實現 C 端普及，全球出貨量超 7000 萬臺，市場規模突破 10 萬億元。

人形機器人產業化遵循" 工業制造→商業服務→ 家庭服務 "的場景遞進路徑。

當前，工業制造是核心突破口，聚焦汽車產線等柔性生產環節；商業服務正加速拓展，在無人零售、辦公服務等場景驗證價值；家庭服務作為遠期目標，因技術復雜度和成本較高，商業化尚處早期探索階段。

全球人形機器人主要參與者

當前人形機器人行業呈現多元化競爭格局，主要參與者可劃分為四類：引領技術前沿的海外巨頭、資本加持的國內第一梯隊初創企業、深度布局的跨界車企，以及提供智能化底座的科技巨頭。

各方憑借不同稟賦優勢，在技術路線、商業化路徑及生態構建上展開激烈角逐，共同推動產業從實驗室走向規模化應用。

1. 海外巨頭引領

海外巨頭在核心算法與系統集成上占據領先地位，引領行業技術發展方向。

a. 特斯拉（Tesla）：憑借其在 AI 和自動駕駛領域的技術積累， Optimus 系列是端到端模型路線的典型代表。

b. Figure AI：技術路徑采用分層決策模型，頂層由 GPT-4V 進行視覺推理，底層實現高頻控制，實現了優異的工程落地效果。

2. 國內梯隊分化

國內初創企業借助資本和產業資源快速崛起，已形成清晰的梯隊分化格局。

a. 第一梯隊：以優必選、智元機器人、宇樹科技為代表，估值均超百億人民幣，具備強大的融資能力和產業資源整合能力。

優必選 Walker S1 已進入比亞迪、東風柳汽等車企實訓；宇樹科技完成 C+ 輪 7 億元融資，其 Unitree G1 以 9.9 萬元的定價策略積極開拓消費市場。

b. 第二、三梯隊：包括樂聚、普渡科技、傅利葉、銀河通用等企業，或依托地方政府及行業龍頭（如華為、美團）資源，或聚焦開源平臺、核心零部件等細分領域，形成差異化競爭優勢。

3. 跨界車企入局

車企入局的核心邏輯在于利用其成熟的供應鏈體系、規模化生產能力和精益管理經驗，實現快速降本和場景落地。

a. 小鵬汽車（XPeng）：旗下小鵬鵬行發布的 PX5/Iron 機器人已在廣州工廠參與 P7+ 車型總裝線實訓，并計劃于 2026 年實現 L3 級量產，成本目標控制在 12 萬元以內，路徑清晰。

b. 廣汽集團（GAC）：其 GoMate 機器人強調核心零部件的完全自主研發，依托汽車供應鏈實現硬件復用與成本控制，計劃 2026 年推進整機規模化落地。

c. 其他車企：比亞迪、奇瑞等也通過直接投資（如比亞迪投資智元機器人）或成立合資公司的方式深度參與產業鏈。

4. 科技巨頭賦能

科技巨頭主要扮演 " 賦能者 " 和 " 投資者 " 角色，通過輸出 AI 大模型能力和注入資本，加速產業智能化進程。

a. 模型與平臺賦能：華為盤古大模型賦能樂聚機器人，百度文心大模型與優必選合作優化任務規劃效率，小米自研 "Xiaomi Brain" 系統，為人形機器人提供 " 大腦 "。

b. 資本與生態布局：騰訊、阿里巴巴、京東、LG 集團等通過戰略投資深度綁定頭部初創企業，如騰訊投資智元機器人和宇樹科技，阿里投資宇樹科技和逐際動力，搶占未來生態入口。

c. 場景驅動投資：美團等場景方則從自身業務需求出發，投資宇樹科技、高仙機器人等，聚焦即時配送等特定場景的應用落地。

值得重點關注的兩條鏈之一：Figure 機器人產業鏈

Figure 在 2025 年 9 月 C 輪融資后估值飆升至 390 億美元，較 2024 年 2 月的 26 億美元增長近 15 倍，并獲得英偉達、微軟、亞馬遜等科技巨頭加持，標志著人形機器人賽道已從概念走向產業爆發前夜。

當前價值高度集中于上游核心零部件，合計占硬件成本 70% 以上，技術壁壘高，是短期焦點。

（核心供應鏈圖譜請參見原文。）

值得重點關注的兩條鏈之二：特斯拉 Optimus 機器人產業鏈

特斯拉正加速推進 Optimus 機器人的迭代進程， V3 版本的設計方案已進入最后的敲定階段，其核心目標是實現技術定型并為規模化生產鋪平道路。

新一代 Optimus 的技術突破主要聚焦于兩大方面。

首先是現" 像人類一樣靈巧的手 "，每條手臂將集成 26 個執行器，大幅提升操作的精準度與協同能力。

其次是深度整合 Grok 語音大模型，使機器人能夠理解復雜的自然語言指令并自主規劃行動，顯著增強了人機交互的智能化水平。

特斯拉為 Optimus 機器人設定了極具挑戰性的產能爬坡目標，旨在通過復用汽車領域的規?；圃旖涷?，快速實現百萬級年產能。

以下是 AlphaEngine 整理好的特斯拉機器人核心供應鏈圖譜：

來源：虎嗅