行业概述 - 人形机器人定义为具有仿人形态和功能的机器人，具备感知、学习和认知能力，特征包括高度仿人外形结构、强大环境感知能力和智能决策与学习能力[5][6] - 主要应用场景涵盖医疗护理、家庭服务、教育娱乐、工业生产和公共服务等领域，用于替代人类完成危险或重复性高的工作[6] - 技术构成分为大脑、小脑和本体三部分，大脑基于AI大模型实现环境感知和行为控制，小脑基于AI和自动控制技术实现运动控制，本体集成机械结构设计和新材料实现高动态运动[7][9] - 大模型成为人形机器人大脑核心技术底座，推动从预设路径执行向通用智能跃升，具备任务交互、环境感知、任务规划和决策控制四大能力突破[11] - 产业面临技术挑战包括数据采集与标注复杂成本高、多模态信息融合鲁棒性不足、自主学习与适应性不足、学习过程安全问题和能源效率与续航能力问题，市场挑战包括成本高昂、应用场景不明确、法规政策不完善和社会接受度待提高[12] 驱动因素 - 政策端中国工信部2023年11月印发《人形机器人创新发展指导意见》，明确2025年实现整机产品国际先进水平并批量生产，2027年形成安全可靠产业链供应链体系的目标[16][19][20] - 技术端中国内地人形机器人整机商业公司超过80家，占全球超过50%，累计申请6618件技术专利全球第一，有效发明专利1699件全球第二，优必选科技有效专利储备量全球第一[22] - 需求端中国65岁及以上人口2024年达2.2亿人占总人口15.6%，15-64岁人口占比连续多年下滑，劳动力供给减少推高用工成本，倒逼产业向自动化智能化转型[26][27] - 人形机器人在工厂仓储场景使用成本10元/小时显著低于人工费用30元/小时，家庭服务场景使用成本20.5元/小时低于人工费用45元/小时，具备明显成本优势[33] - 资本端2024年中国内地机器人行业发生200起左右投融资事件，金额总计超200亿元，其中近亿元与过亿元级事件约55起金额超175亿元，深圳、北京、上海、杭州、苏州分别拥有22.4%、14.5%、11.8%、5.8%和5.5%的产业链企业[33][35] 行业现状及趋势 - 人形机器人处于0到1跨越期向1到100规模化迈进关键期，呈现巨头入局、新秀涌入和国产崛起三大趋势，特斯拉、英伟达、华为、字节等科技龙头加速布局[38] - 发展历程参考智能手机和新能源汽车，智能手机2011年渗透率23%进入萌芽期，2014年渗透率86%进入成长期，新能源汽车2020年前渗透率低于5%，2024年预计渗透率35%逐步迈入成熟期，人形机器人正处于类似颠覆性产品早期阶段[43] - 特斯拉Optimus、Figure 02、优必选Walker S和宇树G1综合技术进度领先，特斯拉拥有软硬件自研能力和成熟供应链管理体系，Figure 02软件技术领先但规模化生产能力欠缺，优必选具备核心零部件自研自产能力但成本优化空间大，宇树G1运动能力全球领先但商业化落地场景有限[44][46] - 众多代表性厂商提出量产规划，2025年有望步入行业量产元年，特斯拉计划2025年试生产5000台Optimus，2026年产能目标提升至5万台，优必选2025年规划产能1000台，2027年实现万台级别交付[47][49] 产业链分析 - 产业链上游为核心机械零部件供应商，中游为人形机器人本体厂商，下游为医疗、教育、救灾救援、公共安全、生产制造、家庭陪护等多个应用领域[51][53] - 核心机械零部件包括关节模组、减速器、灵巧手、传感器等，直接决定运动精度、负载能力和灵活性，国产核心零部件展现出显著成本优势，主要部件与国外相比有60%-70%成本优势[53][57] - 减速器以谐波减速器和行星减速器为主流方案，谐波减速器主要应用于肩、肘、腕等关节，行星减速器主要应用于手、膝、踝等关节，谐波减速器具有单级传动比大、体积小、质量小、运动精度高和成本优势[59][63][64] - 谐波减速器全球市场规模2024年达12亿美元约人民币86亿元，预计2029年达到34亿美元，哈默纳科2023年占全球市场约85%份额，绿的谐波占全球8%市场份额，哈默纳科2024年产能306万台/年，预计2026年达347万台/年扩产幅度较小[70][72][73] - 国内谐波减速器厂商积极扩产，绿的谐波当前产能50万台，规划100万台2027年达产，未来总产能159万台，丰立智能当前产能3.5万台，规划14万套，丰光精密规划年产30万套2027年达产[76][78] - 行星滚柱丝杠应用于线性关节驱动系统，2022年全球市场规模12.7亿美元，Optimus机器人使用14台行星滚柱丝杠，预计2029年全球市场增量空间达112亿元[83][86][94] - 电机以无框力矩电机和空心杯电机为主，无框力矩电机具备快速响应、高能量密度和空间适应性特点，Optimus机器人使用28个无框力矩电机，预计2029年全球市场增量空间达140亿元[96][98][99]

报告行业投资评级 未提及 报告的核心观点 报告认为具身智能发展处于早期，当前缺乏模拟学习能力，物理AI是构建模拟学习的核心；世界模型约等于空间智能加物理AI；建议重视3D数据资产和物理仿真引擎双主线，看好中国物理AI稀缺资产索辰科技 [4][37]。 根据相关目录分别进行总结 从生物智能五阶段映射具身智能，模拟、规划能力是当前缺失环节 - 阶段一（关联性学习）：生物智能起源于早期两侧对称生物学会“行动导航”，如线虫学会“转向”，“行动导航”是扫地机器人落地前提；早期两侧对称生物具备两侧对称结构、效价神经元、大脑和“情感”雏形；“关联性学习”是对未来初步“预测”的前提 [10][11][13]。 - 阶段二（强化学习）：早期脊椎动物学会“试错”，构成“强化学习”基础；“基于预期奖励的时序差分强化学习”有助于缩短试错时间、建立更长预测时间窗口；该机制形成涉及时间感知和空间感知 [15][17][18]。 - 阶段三（模拟学习）：早期哺乳动物学会“规划”，即“模拟学习”；构建基于模型的强化学习困难，因真实世界动作连续、信息嘈杂不完整、奖励复杂；大鼠在“不确定性”情况下触发模拟 [22][24][29]。 - 阶段四（模仿学习）：灵长类动物学会“模仿学习”，映射到具身智能，“模仿学习”分为“主动教学”与“逆向强化学习”两种策略 [32]。 - 阶段五（语义处理）：人类掌握“语言”，形成大规模协作；具身智能产业中，模拟学习应用相对初级，未来拥有3D空间智能的机器人具备“仿真”能力后将进化为硅基生命 [35][36]。 复盘智能驾驶模型算法演绎历史，世界模型≈空间智能+物理AI - 智能驾驶VS具身智能：智能驾驶是具身智能现阶段落地可行性及商业闭环被验证的场景，众多人形机器人核心创始团队有智能驾驶从业经验；智能驾驶“反物理交互”，人形机器人需高频“物理交互” [37][41]。 - 从特斯拉FSD说起：特斯拉FSD智能驾驶算法经历“模块化”规则驱动算法、感知模块引入BEV+OCC架构实现“端到端”、追求“一段式端到端”三个阶段；VLM、VLA等慢思考模型逐渐发展成熟 [44][46][53]。 - 谈及世界模型、物理AI：世界模型约等于空间智能加物理AI，英伟达Cosmos侧重视频世界模型；空间智能核心是让模型理解3D空间信息，获取3D空间数据有真实数据采集与仿真合成数据两条路线；物理AI解决机器人与物理世界交互及“缺数据”难题 [66][71][77]。 重视3D数据资产+物理仿真引擎双主线，看好中国物理AI稀缺资产索辰科技 - 群核科技：推出空间智能平台Spatial Verse，为空间智能算法提供产业级工具；2024年前三季度营收5.53亿元，经调整亏损率收窄至17%；毛利率持续提升，业务以订阅收入为主 [80][84][86]。 - 索辰科技：发布索辰开物平台，将发布“机器人虚拟训练平台”；2024年营收3.79亿元，2020 - 2024年营收CAGR达23.7%；业务分工程仿真软件与仿真产品开发两部分，研发投入强度较高 [92][95][100]。