人形机器人行业供需、通用化难题及产业化进展分析

目前人形机器人的硬件水平接近可用水平，产业发展的主要瓶颈在于人形机器人通 用化能力，即软件能力不足，难以形成产业发展的正向循环（即开发更多应用和更 多使用机器人的双向循环）。

一、需求端：短期应用于工业领域，长期 C 端空间巨大

1. 短期：工业场景自动化率逼近瓶颈，需要人形机器人破局

人形机器人在工业领域的应用主要针对场景结构化，操作非结构化。对于简单、高 精度、工序简单，如焊接、搬运、切割，这类场景相对标准化，因此自动化程度高， 使用工业机器人（更灵巧的手臂）即可实现替代人工降本增效，在这些场景下自动 化率已逼近瓶颈。但是对于零配件多、工序复杂，需要变通+决策的场景，目前仍然 大多使用人工。例如汽车总装环节，涉及多配件组装，操作非程序化；手机SMT、 边框加工、组装线，涉及packing hole问题，装配、检测并行。因此，对于这类场景 仍需人形机器人破局。 人形机器人在造车领域的应用潜力包括：（1）需求端：冲压/涂装自动化率100%， 总装等环节自动化率提升需要人形机器人介入；（2）供给端：机器人接入同一个神 经网络，已展现出在工厂搬运、分拣能力，与总装需求匹配。

2. 中长期：消费领域市场空间巨大

中长期来看，当人形机器人的大模型逐渐成熟，交互及运控能力达到家庭端使用要 求时，ToC的消费领域市场空间更大。 （1）使用场景1：结构化单一场景——多种机器人功能的集成。如家庭中扫地+园艺 +儿童教育+娱乐；公共场景接待+餐饮+娱乐。 目标人群：奢侈品购买者（类比豪华车），机器替机器。 （2）使用场景2：非结构化跨场景——着重于传统自动化的死角。如烹饪、外卖等。 目标人群：中端消费品购买者（类比中高端车），机器替人。 （3）使用场景3：通用人工智能。如老年陪护、智能管家。 目标人群：追求产品功能和性价比（类比于汽车）。

二、供给端：产业化破晓前夕—海内外人形机器人本体厂进展

2023年国内外本体厂陆续发布原型机，当前正处于产业化破晓前夕。23年7-10月， 傅利叶、宇树、智元、小鹏先后发布人形机器人新产品。2023年9月24日特斯拉新视 频中显示，Optimus可在编码器及其视觉系统的组合下，实现精密的抓取以及较强的 躯干控制能力。

零部件企业百万台销量预期：根据公司半年报，拓普集团预计后续人形机器人年产 能将提升至百万台，预计24Q1量产爬坡阶段，初始订单为每周100台，预计23年一 期产能10万台/年；天奇股份与优必选达成合作，专注于在汽车领域应用的人形机器人的研发。

三、软件层面：人形机器人通用化难题的核心在于实现任务级交互

困境：人形机器人产业正面临高需求和低渗透率的困境，其核心原因在于通用化人 形机器人的研发一直是机器人领域最重要且至今尚未完成的挑战。 当前可见的解决方案即大模型的使用。如今，多家科技巨头正积极布局多模态大模 型领域，希望借助大模型的能力提升人形机器人的通用化水平，以此来实现商业化 落地。 大模型的不同路径：学界对多模态大模型的探索主要分为两条技术路径——VLM和 VLA，分别聚焦于高层级规划问题和一体化解决方案，其中VLM方向已经取得了阶 段性的成果。 短期解决方案：大模型+基础模型。由于大模型在底层运动控制领域存在实时性差的 缺陷，短期内人形机器人更需要依靠基础模型+大模型来实现小规模的应用场景落地， 两者各取所长、相互配合，是目前看到人形机器人相对较快的商业化落地方式。 长期机遇与可能性：长期来看，随着算力提升、模型结构优化升级。高效率的一体化 大模型的出现和应用才能真正实现人形机器人通用化。

当前主要难点在于任务级交互。根据《Robotics Modelling, Planning and Control》， 机器人的控制过程可以被划分为四个层级：任务级（Task Level），动作级（Action Level），初始级（Primitive Level）和伺服级（Servo Level）。实现任务级交互是 提升人形机器人通用化的必经之路。任务级交互意味着在任何场景下，用户仅需向 机器人明确抽象的任务目标，它便能够理解自然语言并自主规划、决策、执行，并及 时对指令进行修正，整个执行过程中无需工程师介入，大幅提升通用化水平。以目 前的人形机器人落地案例来看，实现任务级交互的难点主要集中在如何让机器人实 现自主规划的问题上。

大模型在人形机器人领域的技术路线主要分成两大方向：（1）多模态大模型VLM+ 传统运控: 在高层级依靠VLM实现决策，低层级依靠传统控制算法实现运控。优点在 于两者各司其职，互相弥补短板，缺点在于决策和执行之间较为割裂。VLM模型需 要关注决策准确率。（2）一体化VLA大模型：直接将感知信号映射到机器人运控指 令，实现感知-决策-动作的闭环。优点在于避免复杂的信号转换过程，缺点在于受大 模型实时性限制，运动表现差强人意。VLA模型需要关注执行成功率。

如何兼顾模型的准确度和实时性是后续大模型研究的重点。短期来看，基础模型（执 行）+大模型（决策）是目前看到人形机器人相对较快的落地方式。长期来看，人形 机器人需要依赖大模型实现通用化。大模型是最有希望实现人类思维的算法，Later answer is wrong answer，实时性是大模型面临的重大难题。

四、2024 年：产业化破晓之年

2024年人形机器人的关键词是定型与量产。2023年是原型机落地的关键年，从车企 到机器人厂商，各家陆续发布原型机，而2024年将进入方案确定与小批量生产阶段。 傅利叶在11月17日发布量产视频。根据公司官网，海外厂商Agility的人形机器人工厂 已开始建设，预计于今年年底投产，并具备扩大产能至每年超过1万台机器人的潜力， 主要应用于仓库和配送中心，有望在2024年交付第一批Digit。

选股思路：从百花齐放到聚焦核心，关注确定性较高的标的。从0-1的产业，其产业 链的投资需要经历“去伪存真”的过程。产业发展初期，众多供应商被巨大的市场吸 引进入，但体量都较小，“相关性”的炒作盛行。但随着产业逐渐成熟，一些较弱的 供应商被淘汰，一些没有壁垒的行业逐渐失去投资价值，产业必将经历洗牌和“去 伪存真”的过程。因此，第二阶段早期接触特斯拉并且公司产品具有壁垒和竞争力 的公司能够跨越主题炒作，在第二轮洗牌中被留下。进入定型与量产阶段后，选股 思路将从百花齐放到聚焦核心，我们认为确定性较高，具有可供应人形机器人厂商 较为成熟产品的零部件标的有望在这一轮胜出。