英伟达创始人子女的职业路径与公司战略 - 英伟达创始人黄仁勋的一双儿女黄胜斌与黄敏珊均在英伟达任职 这与硅谷科技富豪子女通常不进入自家企业的“潜规则”不同 [6] - 黄胜斌担任英伟达机器人业务产品线经理 黄敏珊担任Omniverse和机器人业务的产品营销高级总监 两人负责的业务均指向公司前沿战略重心 [8][9][15] 英伟达的业绩表现与市场地位 - 公司净利润从2023财年的43.68亿美元飙升至2025财年的728.80亿美元 [5] - 公司股价已涨至2023年初的12倍 截至12月15日总市值高达4.25万亿美元（30万亿元人民币） 居全球上市公司首位 [5] - 黄仁勋个人财富达1520亿美元（1.07万亿元人民币） 稳坐全球华人首富宝座 李嘉诚身家不到其三分之一 [5] 公司战略重心：机器人业务 - 黄胜斌负责的机器人业务具体包括面向人形机器人的通用人工智能基础模型GROOT 机器人开发工具OSMO 以及全生命周期技术平台Isaac [9] - 机器人业务被视为人工智能大潮下 英伟达未来押注的具体应用场景和增长引擎 [9] 公司战略重心：Omniverse业务 - 黄敏珊负责的另一核心业务Omniverse是英伟达于2019年推出的元宇宙开发平台 在AI浪潮前被视为GPU未来最重要的应用场景 [9][10] - 该业务在2020年黄敏珊加入时 是黄仁勋当时押注的未来 [10] 黄胜斌的个人背景与职业晋升 - 黄胜斌出生于1990年 拥有市场营销与文化研究双专业文学学士学位 曾在中国台湾经营酒吧八年 [11][12] - 他于2021年入读纽约大学斯特恩商学院MBA 2022年4月毕业后入职英伟达纽约办公室担任产品经理 [13] - 2023年AI爆发后 他于2024年4月调回硅谷总部升任机器人仿真与规模化高级产品经理 2025年3月升任机器人产品线经理 在英伟达工龄3年6个月 基本实现一年一晋升 [13][14] 黄敏珊的个人背景与职业晋升 - 黄敏珊出生于1991年 拥有烹饪艺术专业商业管理学士学位 以及法国蓝带厨艺学院的法式甜点文凭 [16] - 她曾在奢侈品巨头LVMH担任营销与发展经理3年9个月 未获晋升 [17][18] - 她于2019年入读伦敦商学院MBA 2020年6月以实习生身份入职英伟达 随后全职加入 [15][18] - 她在英伟达工龄5年7个月 担任过六个岗位 从企业营销活动经理起步 历经多次晋升 目前负责Omniverse与机器人两大核心业务的营销 [15] 子女培养模式与公司文化 - 黄仁勋对子女采取“先放后收”的培养轨迹 允许他们在青春阶段探索热爱的事业 再回归家族企业 [20][21] - 针对外界关于“裙带关系”的质疑 黄仁勋表示不介意员工子女任职 并相信父母不会推荐可能让自己难堪的孩子 且很多“英二代”员工表现比父母更出色 [21]

英伟达公司家族成员任职与业务布局 - 创始人黄仁勋的一双儿女均在英伟达担任要职，儿子黄胜斌为机器人业务产品线经理，女儿黄敏珊为Omniverse和机器人业务产品营销高级总监[7][14] - 子女所负责的机器人及Omniverse业务被视为公司的战略重心，代表英伟达将未来押注于人工智能的具体应用场景[13][14] - 黄胜斌负责的业务包括人形机器人通用AI基础模型GR00T、机器人开发工具OSMO以及全生命周期技术平台Isaac[14] - 黄敏珊曾策划黄仁勋在韩国与三星、现代高层会面的公关营销事件，并随同父亲会见韩国总统[23] 英伟达公司业绩与市场地位 - 公司净利润从2023财年的43.68亿美元飙升至2025财年的728.80亿美元[6] - 截至12月15日，公司总市值达4.25万亿美元（约30万亿元人民币），位居全球上市公司首位[6] - 公司股价已涨至2023年初的12倍[6] - 创始人黄仁勋个人财富达1520亿美元（约1.07万亿元人民币），为全球华人首富，身家超过李嘉诚的三倍[6] 黄胜斌个人背景与职业路径 - 黄胜斌现年35岁，拥有市场营销与文化研究双专业文学学士学位，并于2022年获得纽约大学斯特恩商学院MBA学位[17][18][20] - 在加入英伟达前，曾在中国台北经营一家名为R&D Cocktail Lab的酒吧长达八年[18] - 2022年4月MBA毕业后入职英伟达纽约办公室，担任产品经理，随后在2024年4月调回硅谷总部，并于2025年3月升任机器人产品线经理[20] - 截至文章发布时，其在英伟达工龄为3年6个月，基本实现一年一晋升[21] 黄敏珊个人背景与职业路径 - 黄敏珊现年34岁，拥有烹饪艺术专业商业管理学士学位，并在法国蓝带厨艺学院取得法式甜点文凭[24] - 职业生涯始于奢侈品巨头LVMH，担任营销与发展经理，工作时长3年9个月且未获晋升[24][26] - 2019年就读伦敦商学院MBA，并于2020年6月以实习生身份加入英伟达，随后转正[26] - 在英伟达工作5年7个月，担任过六个岗位，目前负责Omniverse和机器人两大核心业务的营销[23] 黄仁勋的家族管理理念 - 黄仁勋认为让子女进入公司历练是华人企业家的惯常选择，其子女的任职部门反映了公司的战略重心[13] - 对于外界关于公司“裙带关系”的质疑，黄仁勋表示不介意，并相信没有父母会推荐可能让自己难堪的孩子，且许多员工子女表现比父母更出色[30] - 黄仁勋与妻子婚姻已40年，其子女在经历各自探索后相继回归家族企业，这种“先放后收”的培养轨迹是其作为华人企业家的独特风格[28][29][31]

研究背景与意义 - 流匹配技术是机器人学习领域的热门方向，作为扩散模型的变体，因其简单易用成为机器人底层操作策略的主流手段，并被广泛应用于先进的视觉语言动作模型中 [2] - 除了增加数据多样性，强化学习被视为一种高度有效的方法，可用于进一步增强开源视觉语言动作模型的能力 [2] ReinFlow算法核心原理 - ReinFlow是一个针对常微分方程策略的通用策略梯度算法，其理论基础是基于策略梯度理论推导，将确定性流转换为离散时间马尔可夫过程，从而直接优化整条流匹配链 [4][5][6] - 算法通过向流策略的确定性路径中注入少量可学习的噪声，将其转移过程改回一个随机的扩散过程，使得流匹配的联合概率可以被严格计算出来 [8][9] - 该方法虽然引入噪声改变了流匹配模型的轨迹，但通过将噪声控制到较小范围以减少与预训练策略的偏离，同时为噪声设置强度下限以鼓励适当的探索 [10] 算法性能与效率 - 在D4RL足式运动控制任务中，ReinFlow微调后的Rectified Flow策略取得了平均135.36%的净性能增长 [16] - 与当前的扩散强化学习微调方法DPPO相比，ReinFlow在保持类似性能的同时，可节省82.63%的墙钟时间 [16] - 在长程操作任务中，ReinFlow微调的Shortcut Model策略在4步甚至1步去噪的情况下，比预训练模型平均净增了40.34%的成功率，训练时间平均节省23.20% [18] 应用场景与兼容性 - ReinFlow是一个通用框架，理论上适用于所有常微分方程定义的策略，如Rectified Flow和Shortcut Models，并支持极少步数下的推理 [12] - 该框架成功应用于包含25种不同物品、十余种桌面设置和上百种初始化位姿的高度随机化场景，可大幅提高模型的抓取成功率 [20] - 更新公式可适用于几乎所有强化学习梯度算法，如PPO [12] 技术验证与消融研究 - 实验显示仅靠增加数据或推理步数较快达到性能瓶颈，而强化学习微调能进一步提升性能 [24] - ReinFlow对均匀、Logit-normal和Beta分布等多种时间采样方式都表现良好的性能 [24] - 同时以状态和时间为条件生成噪声，有助于产生更多样化的动作，噪声过小训练会陷入瓶颈，一定阈值后可探索新策略 [24] 开源资源与未来规划 - 项目已全面开源，包含完整代码库、模型检查点、WandB指标和详尽文档 [27] - 未来计划公布更多大型视觉语言模型微调结果，支持用在线强化学习微调Mean Flow，并研究将该方法用于仿真到真实世界的迁移和真机强化学习微调 [29]

涉及的行业与公司 * 报告主要涉及汽车与工业科技行业，特别是人形机器人领域 [1] * 重点分析的公司包括特斯拉、捷普、伟创力 [1] * 提及的北美主要人形机器人公司包括Agility、Apptronik、Boston Dynamics、Figure AI、Sanctuary和1X [1] * 报告中还提到供应链中的亚洲公司，如三花智控、Harmonic Drive、Leaderdrive、鸿海、广达、立讯精密、领益智造、海康威视、华勤技术、科大讯飞和商汤科技 [16] * 在工业科技生态系统中，关键产品提供商包括TE Connectivity和Amphenol等公司 [15] 核心观点与论据 市场潜力与预测 * 人形机器人市场预计将从2025年的约2万台增长至2035年的约140万台，收入达到约380亿美元 [3][35] * 高盛的"蓝海"情景预测市场规模可达2050亿美元，特斯拉CEO则提出Optimus长期可能产生超过10万亿美元的收入 [8] * 当前全球工业机器人市场每年约55万台，这表明2035年140万台的预测将依赖于在工业和消费/商业场景的共同采用 [8][56] * 人形机器人被视为解决劳动力短缺的潜在方案，例如美国制造业有约1300万从业人员，美国材料处理领域有超过100万个职位空缺 [39] 技术现状与挑战 * 人形机器人技术借助AI正在快速进步，但在规模化部署前仍需解决硬件、软件/推理以及整体解决方案安全性方面的挑战 [2] * 硬件挑战包括手部触觉/精度、工作速度和电池续航 [2] * 软件挑战主要涉及在复杂环境中的推理能力，以及收集训练机器人AI所需的数据 [2][20][27] * 行业预计至少还需要几年时间，人形机器人才能在受控环境（如工厂）中开始规模化应用 [2][57] 特斯拉的机遇与优势 * 特斯拉可能通过内部使用和对外销售Optimus机器人双重受益 [10] * 公司可以利用其在车辆/能源领域的专业知识，包括功率电子/半导体、导航相关AI软件和制造能力，这可能为每台机器人带来数千美元的成本优势 [10][62][66] * 特斯拉的工厂环境可用于收集训练数据 [10] * 预计到2030年，人形机器人业务可能为特斯拉每股收益贡献0.10美元至3.00美元，到2035年可能贡献0.20美元至13.00美元 [10][66] EMS公司的角色与机遇 * 捷普和伟创力等EMS公司凭借其在制造、自动化、供应链、材料科学、计算和功率电子等方面的能力，有望在人形机器人市场中扮演重要角色 [11][14][71] * 捷普与Apptronik合作，并因其与亚马逊和特斯拉的牢固业务关系而处于有利地位 [11] * 到2030年，人形机器人业务对捷普的每股收益影响可能高达约1美元，对伟创力可能高达约0.25美元 [11][14] * 到2035年，对捷普的每股收益影响可能高达约4美元，对伟创力可能高达约1美元 [13][14] 平台与功率的重要性 * 人形机器人是另一个可以围绕"平台"和"功率"领域进行审视的市场，这两个领域对汽车和工业科技行业的成功至关重要 [9][17] * 功率效率对于电池寿命至关重要，功率管理对于为训练AI所需的数据中心供电也至关重要 [9][17] * 长期来看，人形机器人可以成为高利润软件和服务的平台 [9][17] 其他重要内容 主要人形机器人公司动态 * Agility Robotics的Digit机器人专注于物流和制造，目标是通过其RoboFab工厂每年生产1万台机器人 [76][77][82] * Apptronik的Apollo机器人正部署于物流和制造领域，并与梅赛德斯-奔驰和捷普等公司建立了合作伙伴关系 [84][85][90] * Boston Dynamics（现代汽车旗下）推出了电动版Atlas机器人，并与丰田研究所和英伟达建立了合作伙伴关系 [92][94][98] * Figure AI开发了自己的基础模型Helix，并与宝马合作，其BotQ工厂计划每年生产高达1.2万台机器人 [101][102][108] * Sanctuary AI专注于手部的触觉能力和灵活性，其Phoenix机器人已进行商业部署 [110][112][113] * 1X Technologies专注于家用机器人，其NEO平台计划于2025年底开始家庭测试 [115][116][121] 投资重点与供应链 * 当前在美国覆盖范围内投资此机会的最佳方式是关注工业科技生态系统，特别是那些为电动汽车、自动驾驶汽车平台和数据中心提供核心技术的公司 [15] * 亚洲供应链中有多家公司涉足此市场，相关细节可参考报告"Humanoid Robots III: The supply chain dynamism" [16] * 谐波传动系统公司被视为人形机器人发展的核心受益者，因其在精密减速齿轮领域的全球主导地位 [129][130]

OpenAI进军人形机器人领域 - 公司正招聘专注于开发具身AI应用的顶级研究人员 聚焦人形态机器人核心大模型和整套系统开发[1] - 公司招募机器人高级工程师 包括从斯坦福大学新入职的Chengshu Li 其研究涉及完成多项家务的专业人形机器人[2] - 公司发布多个硬件系统工程师岗位 包括EE高级传感工程师 机械工程设计工程师和TPM专业经理[2] 具身AI行业前景 - 英伟达创始人黄仁勋和特斯拉CEO马斯克最看好该赛道 认为其代表未来科技发展方向[2] - 人形机器人市场规模预计从2024年20亿美元增长至2029年152.6亿美元 复合年增长率超过39%[7] - 德意志银行预测到2035年市场规模达750亿美元 到2050年达1万亿美元 全球销量突破7000万台[8] 特斯拉Optimus战略布局 - 马斯克称Optimus将贡献特斯拉约80%价值 是公司长期价值主引擎[2][4] - Optimus 2.5版本外观更接近人体 关节设计更流畅 手部形态接近人类灵活度[4] - 公司计划2025年生产数千台 2026年提高至5万-10万台 2027年达50万台[4] 英伟达平台化战略 - 公司聚焦做具身AI算力与平台供应商 提供云端训练 边缘推理与物理仿真工具三线协同[5] - Jetson AGX Thor面向本体推理 配合GR00T模型形成端到端生态解决方案[6] - Isaac/Omniverse平台有望成为仿真+数据生成+策略验证的工业标配 带来高粘性经常性营收[7] 行业驱动因素 - 全球发达经济体面临劳动力短缺 老龄化迫使自动化向人形机器人形态发展[3] - 2024年将开始广泛渗透至家庭护理 教育 医疗保健 汽车制造和危险制造业等多个行业[7] - 2024年是工厂应用测试开端 2025-2026年是生产加速关键时期[8]

英伟达Jetson Thor芯片发布 - 英伟达发布机器人计算平台Jetson Thor 售价3499美元[2] - 芯片基于Blackwell架构 在FP4精度下提供2070 TFLOPS峰值算力[2] - 相比上一代Orin芯片算力提升7.5倍 能效提升3.5倍[2] 技术性能突破 - 数据处理能力和接口带宽提升 支持高分辨率高频率传感器多模态输入[3] - 使机器人能直接在端侧运行大规模高性能模型[2] - 推动更多云端任务转向本地处理 适用于高节拍复杂交互场景[3] 行业部署模式 - 当前机器人普遍采用云端+端侧混合部署模式[2] - 快系统部署在端侧负责实时感知控制响应[2] - 慢系统部署在云端承担理解推理和长链条逻辑推演[2] 云端部署挑战 - 云端延迟影响高节拍场景如连续抓取快速判断[3] - 延迟直接影响产品安全性和可行性[3] 英伟达战略布局 - 通过Isaac Cosmos GR00T等全栈软件塑造开发者习惯[3] - 抢先搭建基础设施并影响行业标准[3] 市场竞争格局 - 机器人应用场景碎片化 需要成本控制和长期验证[3] - 竞争对手可在低功耗芯片细分场景或开源生态形成差异化优势[3] 中国厂商进展 - 地瓜机器人发布RDK S100开发套件 采用大小脑异构架构设计[4] - 黑芝麻智能为武汉大学天问机器人提供华山A2000和武当C1236芯片[4] - 瑞芯微推出旗舰芯片RK3588 支持多模态数据处理和高性能计算[4] 国产芯片优势 - 具有更高性价比和更贴近市场的定制化服务[4] - 更靠近国内机器人厂商 在场景优化上有差异化优势[4] - 英伟达算力天花板未必是产业成熟唯一答案[4]

代理人工智能的核心价值 - 代理人工智能被视为比生成式人工智能更具潜力的新兴技术 能够显著加速生产力并转变业务运营 [1] - 代理人工智能标志着人工智能从被动的内容生成器进化为主动的任务执行者 代表根本性飞跃 [16] - 代理人工智能正从工具向真正的合作伙伴和数字劳动力转变 形成智能生态系统 [5][6] 智能体的定义与进化路径 - 智能体与生成式人工智能的根本区别在于：生成式人工智能是知识渊博的"大脑" 而智能体是具备"手和脚"的行动者 [4] - 智能体被赋予高级能力 能够自主理解、规划、调用工具并与环境交互以实现目标 [4] - 智能体进化分为四个阶段：L1级聊天助手、L2级工作流智能体、L3级推理型智能体、L4级多智能体系统 当前竞争最激烈的是L4级系统 [4] 全球科技巨头布局 - 微软实施"无处不Copilot"战略 将智能体深度集成到Windows、Office 365、Teams和Azure中 使其能处理复杂指令并自主完成跨应用任务 [8] - 谷歌通过Project Astra计划开发多模态通用AI代理 具备看、听、说、记忆和理解复杂情境的能力 并为企业提供Vertex AI Agent Builder工具 [10] - OpenAI将智能体视为实现通用人工智能的关键路径 正在研发能自主操作计算机桌面环境和使用软件的下一代智能体 [11] - NVIDIA作为智能体军火商 提供GPU算力和NIM等开发工具 甚至通过GR00T项目将智能体能力延伸至物理世界 [12] - 中国科技公司如百度、360已推出能处理复杂任务的多智能体平台 显示全球同步发展态势 [12] 行业应用场景 - 智能体将颠覆各行各业 成为不知疲倦、能力超强的数字员工 [13] - 在客服领域 智能体将获得更大自主权 能像真人一样调取资料并解决问题 [13] - 在仓储管理领域 智能体可24小时监控库存并自主重新安排发货路线 [13] - 在编程领域 智能体能处理繁琐重复的编程工作 包括编写新功能、检查代码和实时抓Bug [13] - 在数字孪生领域 智能体可分析数据、模拟机器运转并预测故障 甚至组团安排维修 [13] 发展挑战与实施建议 - 智能体面临互操作性挑战 缺乏统一标准和接口导致跨平台合作不畅 [15] - 网络安全成为直接挑战 需要部署安全智能体战队应对自动化攻击 [14] - 专家建议谨慎但立即开始探索 通过小型试点项目让智能体获得"数字化实践钥匙"并积累经验 [16]

公司技术合作与平台 - 公司具身智能服务平台Omnibot深度整合NVIDIA IsaacSim、IsaacLab、Omniverse、GR00T和Cosmos等技术栈 [1] - 公司为NVIDIA在机器人应用场景的重要合作伙伴 [1] - Fcloud平台面向具身机器人本体开发者提供端到端开发环境，包括仿真服务、数据服务、训练服务、模型服务和云盘服务 [1]

核心观点 - NVIDIA提出机器人三大计算平台协同解决方案，形成从训练到优化再到执行的完整体系，已与众多解决方案与服务提供商、机器人操作系统企业、机器人传感器制造商、机器人本体制造企业等达成合作，共建机器人生态系统，有望加速全行业进化历程 [1] NVIDIA的机器人战略布局 - 公司2014年起布局智能机器人领域，主要围绕通用算力、开发平台、大模型三大核心领域展开，主攻机器人"大脑" [2] - 向机器人公司提供主控芯片(Jetson Thor)、仿真训练平台(Isaac Lab)和工具(GR00T模型)，帮助开发人员构建、部署和管理机器人，打造机器人底层开发生态 [2] 三大计算平台解决方案 - 每家机器人公司都必须构建三台计算机协同的解决方案：DGX(集NVIDIA软件&硬件专长)、AGX(机器人和嵌入式边缘AI应用平台)、Omniverse with Cosmos(基于AI驱动的系统) [3] - 人形机器人通用模型GR00T主要依托计算平台Jetson Thor提供算力、并基于Omniverse的Isaac Lab仿真训练平台进行训练，最终实现人形机器人仅通过自然语言指令即可完成与真实世界的交互 [3] Isaac Lab平台 - 由NVIDIA CUDA加速库(Isaac ROS)、应用框架(Isaac Lab 2.0)和AI模型(Isaac Manipulator及Isaac Perceptor)组成 [4] - 可将数百次或数千次人类演示转化为数百万次合成动作，为人形机器人提供四项关键技术支持：机器人基础模型、数据管道、仿真框架、Thor机器人计算平台 [4] - 可应用于工业机械臂、自主移动机器人、AI机器人领域，具备真实模拟、多应用模块化体系结构、无缝连接和互操作性等优势 [4] GR00T模型 - 2025年3月推出通用人形机器人基础模型GR00T N1，为开源模型，具备双系统架构，能够做到快速与缓慢思考 [5] - 基于Omniverse的Isaac Lab仿真训练平台、基于Thor芯片的人形机器人计算平台Jetson Thor，实现"AI+仿真+硬件"三位一体的创新 [5] - 可整合语言、视觉和运动控制模型，实现端到端任务执行 [5] 生态系统建设 - 2025年CES大会上14款搭载GR00T模型的机器人亮相，涉及中国企业6家、美国企业4家，其他国家企业4家 [6] - 与人行机器人厂商、机床厂商、核心零部件企业持续接触，逐渐构建人行机器人供应链体系 [6] - 构建基于NVIDIA解决方案、开发平台、大模型、Jeston Thor芯片的强大生态圈 [6] 行业影响 - 汽车零部件公司具有强客户卡位优势、强批量化生产能力，且主业产品与机器人具有高度相通性 [6] - 汽车主机厂纷纷入局人形机器人赛道，机器人供应链与车端将有较高重合度 [6]

产业化拐点与市场前景 - 人形机器人行业正从主题投资转向成长投资，2025年预计成为全球量产元年，出货量达万台级别，2027年特斯拉目标产能突破百万台[1] - 技术驱动因素包括大模型突破通用性瓶颈，DeepSeek低成本训练范式加速AGI落地；产业端特斯拉、英伟达、华为等科技巨头密集布局；政策端政府工作报告明确培育具身智能等未来产业[1] - 行业呈现三重驱动：技术基座升级使机器人具备单模型闭环能力，场景成本突破使Optimus售价降至2-3万美元，政策催化形成中央定调-地方落实的支持体系[1] 技术演进路径 - 大模型成为人形机器人"大脑"核心技术底座，非具身大模型实现任务分解，具身大模型直接输出高频动作指令，AGI终极形态将实现单模型闭环[12] - DeepSeek创新"强化学习+数据蒸馏"训练范式，算力消耗仅为OpenAI的1/10，突破算力瓶颈加速AGI落地[23] - 技术发展分为G1-G5五个阶段，G5阶段实现认知与操作模型深度融合，具备主动理解和无限适应能力[21] 产业链格局 - 特斯拉计划2025年出货数千台Optimus，2027年目标百万台，硬件方案趋于锁定并复用汽车降本经验[2] - 华为成立具身智能创新中心聚焦"大脑"与"小脑"技术，赛力斯启动具身智能团队招聘[2] - 英伟达构建训练-仿真-部署闭环平台，联合14家厂商推动通用机器人开发，创业公司如Figure、宇树等启动量产[2] 核心零部件机会 - 感知层中六维力传感器实现精准力控交互，触觉传感器向MEMS微型化升级，视觉方案特斯拉采用纯视觉而国内多采用3D视觉融合激光雷达[3] - 执行层中谐波减速器是旋转关节核心部件，行星滚柱丝杠是直线关节核心部件，无框电机与空心杯电机分别适配关节与灵巧手需求[3] - 高价值高壁垒环节集中于行星滚柱丝杠、六维力传感器、空心杯电机及MEMS触觉传感器四大方向，国产替代空间显著[3] 企业动态与产能规划 - 特斯拉Optimus Gen2重量减轻10kg，采用22自由度灵巧手，2025Q1预计发布Gen3版本，硬件方案趋于定型[48] - 宇树四足机器人销量占全球60%-70%，智元已量产第1000台具身机器人，优必选Walker S获超500台车企意向订单[7] - 马斯克预估Optimus量产后售价2-3万美元，2025年出货量预计5千-1万台，2027年目标百万台级别[61] 产品技术参数 - 六维力传感器价格区间从初期1万元降至远期700元，配置数量4个，市场空间从20亿元降至40亿元[62] - 谐波减速器单价从2500元降至700元，配置数量14个，市场空间从4亿元增至490亿元[62] - 行星滚柱丝杠单价从3000元降至700元，配置数量10个，市场空间从3亿元增至350亿元[62]