中金 | 具身智能：AI下一站

人形机器人或是具身智能的最佳形态。作为具身智能的多种形态之一，人形机器人由类人形本体和智能体两组分构成。2020年以来，AI产业步入加速发展期，全球各国政府均将人形机器人产业定位为国家战略，众多科技企业加入人形机器人的市场角逐。向前展望，受限于技术与成本，人形机器人短期应用仍较为有限，但长期将胜任多元多样的任务场景，我们预测远期潜在市场空间超万亿元。

硬件：构筑具身智能的“钢铁之躯”，方案快速迭代。人形机器人硬件产业链围绕关节执行器、灵巧手、传感器三大核心组件，并且产业进度各不相同。依托中国成熟的工业基础，硬件并非中国产业发展的瓶颈，但为寻找性能与成本的最优平衡，硬件方案仍处快速验证迭代中。依据技术难度和成熟度，我们将各类硬件赛道划分为成熟类、快速迭代类、方案尚未收敛类，建议重点关注降本空间大的核心赛道，以及即将迎来技术收敛的相关赛道。

软件：以“大小脑”为核心，AI助力具身智能走向通用泛化。人形机器人软件产业链围绕“大小脑”为核心，数据与软件基础设施提供支撑。架构上，“大小脑”分层架构是当下的主流，一体化端到端路线也在积极探索。产业卡点上，当前机器人“大小脑”模型所需的优质数据相对稀缺，主要采取真实数据+仿真模拟的方式对模型进行训练。产业分工上，短期看，本体厂主导软件研发，长期看，软硬件有望实现解耦。

具身智能产业化落地进度不及预期，多模态大模型迭代速度不及预期；硬件降本及技术收敛速度不及预期。

具身智能（Embodied artificial intelligence，EAI）由“本体”与“智能体”构成，以“感知决策、物理实体、环境交互”为主要特征。与智能汽车类似，具身“智能体”包括“感知、决策、控制”三个主要环节，并需要内外部通信传输的支持。1）感知：具身智能交互世界的窗口，通过传感器收集环境与自身状态信息，作为决策环节的依据。2）决策：根据感知的信息以及任务目标，对自身行为进行规划决策，并向控制模块发出指令。3）控制：将决策指令转化为实际操作，实现与物理世界的互动。4）传输：强调低时延、多连接、连续性能力。

具身智能本体包括众多形态，各自具备适用场景。具身智能的本体形态十分丰富，包括四足、轮式、履带式、人形等，甚至智能汽车亦可称为具身智能的形态之一。我们认为在特定情境下，非人形机器人有其应用场景。但更长期看，我们认为人形机器人有望成为具身智能的最佳载体。我们认为：一方面，人类社会的诸多工具与设施是参照人类的尺度去设计、运行的，具身智能设计成人类形态有望更好地适应人类社会的各种任务与场景，全面复用基础设施，故保有量的想象空间大；另一方面，由于人形机器人下游应用广泛，有望接触多类别的复杂场景、收集到多维度的数据信息，更有利于智能体基于高质量数据进行训练并加速进化。由此，本报告后续内容将重点围绕人形机器人展开叙述。

行业发展已约百年，研究重心逐渐由“本体的运动机能”转向“智能体的感知决策水平”。1）概念形成期（2000年之前）：这一阶段人形机器人由概念走向实际，初具人形，能够实现双足行动。但是，运动平衡性较差、智能化程度低，尚未具备自主学习能力。2）技术探索期（2000-2010年）：这一阶段深度学习被引入人形机器人领域，运动能力得到增强。3）技术发展期（2010-2020年）：这一阶段人形机器人融合了强化学习，运动能力提升。4）加速发展期（2020年以后）：这一阶段在继续优化运动机能的基础上，发展重心逐渐向提升智能体转变，重点在大模型赋能交互能力升级，特别是2023年AI大模型的高速发展为人形机器人更优的感知、决策、交互能力提供了技术基础。向未来展望，我们认为本体与智能体性能的提升仍是未来人形机器人发展的两条主线。

伴随技术侧发展加速，众多科技厂商涌入人形机器人的竞争角逐中。包括：

► 机器人初创公司：典型如波士顿动力、宇树科技等。这一类公司自成立之初就定位于机器人技术的研发，对于运动控制算法的积淀更为深厚。

► 跨界公司：典型如汽车厂商特斯拉、丰田，消费品牌美的、小米、追觅等。这一类公司的优势在于主业即为下游需求，有着明确的应用场景，产品的规模化落地更为直接顺畅。此外，汽车与机器人共享产业链，两者在减速器、电机等零部件以及智能驾驶软硬件方面存在一定重合，这也成为汽车厂商跨界进入机器人领域的天然优势。

► AI软硬件科技厂商：典型如英伟达、科大讯飞、智平方科技等。这一类厂商凭借自身在感知、认知环节的算法优势，或定位于核心算法供应商赋能机器人公司，或直接开发机器人本体。此外，很多科技大厂通过投资的方式布局具身智能，与机器人本体公司达成深度合作，如OpenAI投资1X Technology、Figure.ai，阿里投资逐际动力等。

2023年行业新品迭出不穷，2024年领先厂商初探商业化可能，2025年步入量产元年。2022年特斯拉发布原型机，行业热度快速提升。2023年海内外多家厂商如特斯拉、Figure.ai以及宇树、智元、傅利叶等一批国产品牌集中在2023年推出首款人形机器人产品，银河通用、加速进化、星动纪元等厂商纷纷成立，新品层出不穷。2024年，优必选、Apptronik、特斯拉、Figure.ai等公司开始陆续与汽车主机厂展开合作，将人形机器人落地汽车制造场景，初探商业化可能。行至2025年，特斯拉1Q25业绩会指引2025年将在工厂部署数千个人形机器人[1]，目标29-30年年产百万台，行业步入量产元年。

向终局展望，人形机器人可胜任多元多样的任务场景。根据中金研究院及研究部联合研究发布的《AI经济学》报告，从元任务的角度看[2]，人形机器人“具身”的特点使其尤其适合力量型、灵巧型及空间移动导航等体力任务，例如上下料、维修、巡检等。同时，其“智能体”特征使其具备人的智能与情感，能够在教培辅导、服务接待、人文关怀等支持型任务中发挥作用，例如教育、讲解导引、养老助残等。大部分行业都是由多类元任务组合而成的，向终局去看，我们认为人形机器人有望在各个行业找到适合自身落地的应用场景。比如，服务业前台（营业部客户接待）、采矿业（物料挖掘搬运）、水电热气（电力巡检）、看护养老业（康养陪护）、装备制造业（工业制造）、医疗卫生业（手术机器人）、住宿和餐饮业（餐饮服务机器人）等等，不一而足。

我们用元任务概念拆分各个行业生产活动，并将力量型、灵巧型以及空间移动导航三类元任务定义为人形机器人的主要应用场景。将各行业中元任务的时间分配比例，按照各行业占总就业人数比重加权后，可以得到我国劳动者在元任务上的时间分配比例。

我们综合考虑技术可用性以及经济性两个维度，判断各行业人形机器人渗透的时间节点。

► 技术可用性：力量型工作已无虞，灵巧型、空间移动导航型任务仍需等待技术提升。根据中金研究院《AI联合课题：第三章 元任务与AI经济影响分析》，参考斯坦福大学、世界经济论坛等机构发布的AI预测研究，结合对人工智能技术发展趋势的判断，力量型任务、灵巧型任务、空间移动导航型任务近期逐步步入技术可行期。

► 经济性。1）计算人形机器人部署成本。考虑到各元任务的能力要求不同，我们预计几类任务中人形机器人的购置成本以及算力和能耗价格均有所差异。同时我们认为伴随行业规模提升，机器人成本逐年下降。成本下降曲线主要参考工业机器人成本的历史变化趋势。2）计算人力成本。我们主要用行业平均劳动者工资水平衡量。3）比较经济性。当人形机器人成本低于人工成本时，我们认为商业化条件即达成。

结合前文对人形机器人在各行业的渗透空间、渗透时点的假设，我们可以根据各行业（人形机器人已经具备经济性的行业）生产活动中人形机器人可从事的元任务的时间占比*该行业的总劳动时间*单位薪资，得到该行业愿意为人形机器人产品支付的总金额。我们大致估算中国人形机器人潜在市场空间有望于2050年达22.8万亿元，2024-50年CAGR达24.7%。全球范围看，若按照人口比例推算，2050年的市场空间更为广阔。

六大部分构建具身智能的“钢铁之躯”。如前文所述，具身智能不仅具有由软件算法构成的“智能体”作为其大小脑，还有真实的物理“本体”作为智能的载体，来与真实世界进行交互。若按功能模块进行划分，我们认为具身智能的硬件构成包括六大部分：动力装置（如电池）、执行装置（电机和传动部件如减速器、丝杠等）、感知装置（各类传感器）、控制系统（算力硬件）、结构件和其他（如通信线缆、热管理系统等）。其中，执行装置按照身体部位可以分为位于躯干的关节执行器和位于手部的末端执行器（灵巧手是末端执行器的主流发展趋势）。

从硬件成本的占比来看，关节执行器、末端执行器、传感器三大件是本体的主要成本构成，为产业链最核心的环节。以特斯拉Optimus硬件拆解为例，我们估算旋转执行器/线性执行器/灵巧手/传感系统分别占机器人成本15%/37%/9%/14%。此外，结构件构筑机器人本体的骨架与外壳，由于电池能量密度提升速度相对较慢，未来结构件轻量化的重要性将会持续提升；算力硬件是机器人大小脑的物理基石，伴随机器人大小脑加速进化，未来重要性将会逐步凸显。除了上述这些核心部件，通信线缆、电池等细分领域同样值得关注。

关节执行器是人形机器人的主要输出机构，决定系统的自由度与运动性能。关节执行器作为人形机器人的核心部件，分布在机器人的各大关节处，如上肢（肩、肘、腕）、躯干（腰）和下肢（髋、膝、踝）等部位，其主要功能是将动力源转化为机械动能，驱使机器人输出各项肢体动作。关节执行器的核心构成是电机和传动部件[3]，此外还包括传感器和控制器，其通过电机等动力源提供的能量，经传动部件传递和调整扭矩，利用编码器、力传感器等感知部件实时反馈关节状态，保障动作的精准执行。关节执行器决定人形机器人的自由度、额定负载、工作空间、工作精度等核心参数，对运动性能产生直接影响，我们估计占硬件成本的60%以上（以特斯拉为例）。

灵巧手，是模仿人手的结构和功能的末端执行器，是人形机器人通用性和拟人性的集中体现。人形机器人灵巧手的结构，功能参考人手，能够灵活操作对象，实现对物体的灵活抓取，满足多种工作需求，是人形机器人通用性和拟人性的集中体现，以特斯拉为例，我们测算占到人形机器人硬件成本的10%以上。然而，灵巧手作为人形机器人扩大场景覆盖和实现类人功能的关键核心部件，目前仍处于发展初期，面临诸多技术挑战，技术路线也尚未确定。但我们观测到越来越多的公司切入灵巧手产业链各环节，产业攻关正在加速。

传感系统类比人类的感官神经，多类型传感器共同构筑机器人的多模态感知。人形机器人的传感器可大致分为内部和外部两类，其中内部传感器是运控反馈系统的关键，基本可以沿用工业机器人/协助机器人的成熟方案，对精细操作和柔性控制的需求催生高级别传感器的需求；外部传感器是智能交互的核心硬件，主要为视觉和增配潜力较大的触觉传感器。我们认为，远期看随着多模态感知与交互的发展，听觉、语言交流、味觉、嗅觉等多元传感系统有望增加。以特斯拉为例，我们测算传感系统占硬件总成本的15%以上。

结构件类似于人形机器人的肌肉和骨骼；人形机器人各部位材料选择多元，轻量化、高强度和高精度是主要目标。援引化工组《人形机器人可能带来哪些新材料机会》，人形机器人材料选用多元：PEEK、碳纤维复合材料、镁铝合金等轻量化材料在骨骼框架和机械臂中广泛应用，能够减轻机器人自重并提升运动性能；钕铁硼磁材、40Cr合金钢和GCr15轴承钢等高强度材料则用于执行器和关节部位，确保高精度和高负载能力；不锈钢和高分子纤维用于灵巧手的腱绳传动系统，提供高柔性和精细操作能力；ABS工程塑料和聚碳酸酯（PC）则用于外壳和护板，兼具耐冲击性和美观性。这些高性能材料的综合应用，使人形机器人在运动效率、能耗表现和安全性方面实现了提升，为未来的广泛应用奠定了基础。

算力硬件相当于人形机器人的大脑神经元；云边端构筑具身智能多层次算力体系。综合考虑算力、时延、功耗等多样化要求，我们认为云-边-端一体化的计算架构将成为具身智能的算力底座。具体而言，云计算平台提供大规模的数据分析及存储资源，云端算力在赋能AI大模型训练的同时，也能够处理终端智能体采集的海量感知数据和标注数据，利用多样化的AI算法及工具，实现数据的进一步分析和挖掘。边缘计算节点则部署在终端智能体附近或网络边缘，作为云侧与端侧之间的桥梁，边缘计算节点一方面就近承接终端溢出的算力需求，处理智能体产生的实时数据，另一方面执行部分轻量级的计算任务，减轻云计算平台的负担。在减少数据传输延迟和网络拥塞的同时，提高系统的响应速度和实时性，满足安全隐私保护的需求。终端算力是智能体自身搭载的算力硬件，负责感知、决策和控制任务，需要综合考虑性能、功耗、成本、体积等多重因素并支持复杂多样的应用场景。

我们认为各类硬件赛道根据技术难度以及成熟度，大致可分为三类，对应不同的投资策略：

1）技术难度较低、国产化率偏高，技术发展成熟、只需要规模化降本；

则中国企业有望发挥规模化降本优势，抓住人形机器人放量背景下的赛道扩容机遇。核心竞争力为商务关系（主机厂或者核心Tier1）以及海内外产能建设，具体赛道包括关节集成、谐波减速器、无框力矩电机、一维力传感器、T型丝杠、结构件、线束等等。

2）技术难度中等、国产化率低，此前主要系应用场景有限限制产业化进展、量产降本空间大；则中国企业有望依托于技术进一步突破和客户拓展，享受市场规模高增与国产份额提升的双重红利，具体赛道包括行星滚柱丝杠、空心杯电机、IMU、减速器等；

3）技术难度高、国产化率较低，技术路线未定、产业处于孕育期；目前方案未形成收敛，需要技术的突破带来方案进一步确定，头部厂商的示范效应也有望带动市场路线逐步收敛，跟紧龙头共同研发方是上策，具体赛道包括六维力传感器、电子皮肤/柔性MEMS传感器、灵巧手等。

人形机器人软件产业链围绕“大小脑”为核心，数据与软件基础设施提供支撑。从机器人相关软件产业链的视角来看，实现通用泛化的机器人“大小脑”（具身智能大模型）是目前产业共同的目标，而配套的产业环节建设也都是围绕着“大小脑”来进行。机器人本体企业主导整体系统架构与“小脑”，并在“大脑”层面也持续深入探索；大模型公司则是主要以多模态模型算法赋能“大脑”；而数据作为模型训练的关键要素，同样也成为了当前机器人大模型迭代的卡点；仿真与开发平台以及配套的软件工具更是为大模型的开发搭建提供了基础设施支持。本章节在下文中将从机器人“大小脑”模型、机器人数据集、机器人软件基础设施三个角度，对人形机器人软件相关产业链进行整体性的分析。

“大小脑”分层架构是当下的主流，一体化端到端路线也在积极探索。“大脑”与“小脑”更多是在功能层级上的划分定义，而在具体的机器人模型架构上，产业既有分层模型架构的技术路线，也有端到端模型架构的技术路线。在当前较为主流的分层架构中，“大脑”与“小脑”分别作为不同的层级由多个神经网络分别训练优化再进行整合，比如可能是由多模态大模型作为“大脑”，再由多个小模型结合运动控制算法组成“小脑”。而端到端模型的理念是要直接实现以人类指令作为输入，机器人动作指令作为输出的端到端方案，“大小脑”可能会走向一体化，作为一个统一的机器人大模型进行训练，最终控制机器人整体的感知规划和运动轨迹。而当前的产业发展也尚处早期，技术路线远未收敛，未来各大路径均有规模化应用的可能。

机器人“大小脑”的迭代需要海量的优质数据支撑，产业尝试采用多种方式解决机器人训练数据端的瓶颈。当前的机器人“大小脑”算法很大程度上都依赖于基于大量数据的深度学习来进行训练，大量的优质多样性数据也是机器人实现通用泛化智能的基础。类似于大规模语言模型，机器人大模型理论上也能够延续Scaling-Law，通过更大量级的数据、算力来实现更大规模参数模型的训练，并且实现更强的通用性、泛化性和“智能涌现”。由于机器人大模型的探索仍处于早期阶段，因此与其他类似的AI细分方向相比，其在训练数据方面的积累也较为薄弱。目前机器人大模型的训练数据主要有几种来源，主要可以分为真实世界数据（真机数据）、仿真数据、互联网数据几种来源。

机器人开发平台提供模型训练所需的仿真环境、计算能力与开发工具。为了满足机器人大模型的快速迭代需求，诸多软件厂商也开始提供专用于具身智能领域的基础开发平台，提供涵盖底层算力&云计算、仿真计算能力、开发平台工具以及其他配套基础软件的全栈式解决方案。这使得机器人大模型的开发者能够专注于模型算法的迭代开发而无需在底层基础设施上进行重复建设投入，同时提供软件平台的第三方厂商也能够在具身智能产业链中占据一席之地。

端到端：在联合优化中提升模型能力。统的分层决策框架下，感知、预测、决策、控制各个模块各司其职，智驾系统所面临的决策将更为复杂，所需的独立模型更多，且各个模块间的优化目标不一致，使得决策模块能够利用的特征空间小于传感器最初输入的特征空间，存在信息损失和误差传递问题。在这种背景下，端到端智能驾驶逐渐成为行业探索的重点。端到端技术将各个软件模块纳入统一框架，完整的特征空间可以传播至模型的各个部分，以自车作出最优的决策为最终目标，各个部分/各类任务进行联合训练和优化。此外，由于是统一的AI模型，数据闭环驱动的效率将得到提升，随着训练集的扩大，有潜力涌现出更多的模型能力。

多模态：多维特征空间赋能零样本泛化。随着人工智能领域整体由单模态向多模态探索，智能驾驶也借GPT、LLaMA等大语言模型的东风，逐渐向多模态方向演进，通过嫁接大语言模型的上下文学习、零样本学习、逻辑推理、常识判断等能力，提高智能驾驶面对复杂场景的泛化性与可解释性。多模态模型凭借零样本学习等泛化能力，在智能驾驶各个模块均有应用潜力。在感知层面，多模态模型可以用于行人探测、开放词汇物体探测与语义分割、描述物体定位等。在决策层面，多模态模型可以用于语言导航、轨迹规划等，也可以利用大语言模型的思维链框架，将复杂的驾驶决策拆分为若干个细分问题，赋能逻辑推理。

世界模型：以合成数据覆盖长尾样本。智能驾驶领域，面对现有驾驶数据难以全面覆盖长尾场景的问题，智驾企业构建世界模型，对驾驶环境进行动态建模，并通过生成数据训练云端模型，使其能够在虚拟环境中基于已有信息预测未来驾驶环境将如何演变，相应做出驾驶决策，从而实现自我演进。这一方面显著降低了训练数据的获取成本，另一方面也将训练测试环境与实际驾驶环境暂时分离，有效保证了训练过程的安全性。世界模型仍然处于发展的初级阶段，仿真环境与现实世界存在一定差距，其生成的3D场景在现实合理性和连续性方面仍然存在提升空间。未来，随着更多行业知识得到系统化表达并被嵌入模型，世界模型的仿真精度有望进一步提升，带动机器人破除发展瓶颈，提升训练精度。

人形机器人产业发展处于早期，软硬耦合紧密尚未形成系统性分工，参与者众多；软硬件解耦有望成为长期发展方向，未来有望诞生头部软件供应商。相比自动驾驶，人形机器人产业的发展阶段更为早期，同时人形机器人系统的复杂度与智能化的程度也要超出自动驾驶。因此从短期视角来看，机器人产业的软硬件结合的紧密程度会更深，以紧耦合的形态先解决技术应用落地的问题，实现产业的规模化商业化。但从长期视角来看，我们认为机器人行业模型与算法的重要性会更加突出，机器人模型会是未来行业竞争的关键要素，核心模型与软件的供应链未来可能会具有更强的话语权。在这一过程中，我们认为行业会产生头部的模型与软件供应商，与各大主机厂展开深度的合作甚至是绑定；而同时也会有在软硬件方面都均有完整技术能力的主机大厂，以一体化的产品形态持续保持竞争力。

软件商业模式展望：短期主机厂主导，长期模型龙头有望实现赢者通吃。短期维度来看，人形机器人“大小脑”相关的技术栈尚未收敛，产业以共同合作推动产业的发展作为更为优先的目标，机器人本体厂商或仍将在一定的时间维度内持续主导软硬耦合的架构。随着远期AGI通用人工智能的出现并且赋能机器人产业，我们认为未来通用人工智能模型的龙头也会能够掌握通用人形机器人在智能化层面的标准，而在这一阶段我们认为硬件层面的价值量也会被摊薄，通用机器人的核心价值都会聚焦在模型算法层面，龙头厂商则会占据绝大部分的价值量份额。